JP2021064099A - 情報処理装置、情報処理システム、学習モデルの生成方法、異常予測方法、およびプログラム - Google Patents
情報処理装置、情報処理システム、学習モデルの生成方法、異常予測方法、およびプログラム Download PDFInfo
- Publication number
- JP2021064099A JP2021064099A JP2019187646A JP2019187646A JP2021064099A JP 2021064099 A JP2021064099 A JP 2021064099A JP 2019187646 A JP2019187646 A JP 2019187646A JP 2019187646 A JP2019187646 A JP 2019187646A JP 2021064099 A JP2021064099 A JP 2021064099A
- Authority
- JP
- Japan
- Prior art keywords
- time
- data
- input
- series data
- output
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims description 120
- 230000010365 information processing Effects 0.000 title claims description 39
- 230000004044 response Effects 0.000 claims abstract description 3
- 230000008569 process Effects 0.000 claims description 99
- 238000012545 processing Methods 0.000 claims description 57
- 230000005856 abnormality Effects 0.000 claims description 46
- 230000002159 abnormal effect Effects 0.000 claims description 24
- 230000006870 function Effects 0.000 claims description 14
- 238000010200 validation analysis Methods 0.000 claims description 14
- 238000012549 training Methods 0.000 claims description 13
- 230000005540 biological transmission Effects 0.000 claims description 7
- 230000015654 memory Effects 0.000 description 23
- 238000004891 communication Methods 0.000 description 17
- 238000010586 diagram Methods 0.000 description 17
- 238000010801 machine learning Methods 0.000 description 6
- 238000005259 measurement Methods 0.000 description 5
- 238000013528 artificial neural network Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 4
- 238000013480 data collection Methods 0.000 description 3
- 230000000306 recurrent effect Effects 0.000 description 3
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000006073 displacement reaction Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000002790 cross-validation Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000000513 principal component analysis Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000006403 short-term memory Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/12—Digital output to print unit, e.g. line printer, chain printer
- G06F3/1201—Dedicated interfaces to print systems
- G06F3/1202—Dedicated interfaces to print systems specifically adapted to achieve a particular effect
- G06F3/121—Facilitating exception or error detection and recovery, e.g. fault, media or consumables depleted
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/12—Digital output to print unit, e.g. line printer, chain printer
- G06F3/1201—Dedicated interfaces to print systems
- G06F3/1223—Dedicated interfaces to print systems specifically adapted to use a particular technique
- G06F3/1229—Printer resources management or printer maintenance, e.g. device status, power levels
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/12—Digital output to print unit, e.g. line printer, chain printer
- G06F3/1201—Dedicated interfaces to print systems
- G06F3/1278—Dedicated interfaces to print systems specifically adapted to adopt a particular infrastructure
- G06F3/1285—Remote printer device, e.g. being remote from client or server
- G06F3/1286—Remote printer device, e.g. being remote from client or server via local network
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/12—Digital output to print unit, e.g. line printer, chain printer
- G06F3/1201—Dedicated interfaces to print systems
- G06F3/1278—Dedicated interfaces to print systems specifically adapted to adopt a particular infrastructure
- G06F3/1285—Remote printer device, e.g. being remote from client or server
- G06F3/1287—Remote printer device, e.g. being remote from client or server via internet
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Accessory Devices And Overall Control Thereof (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
Description
本実施形態では、異常を検出する対象の装置としてプリンタを用いる例を中心に説明する。プリンタは、例えば、ユーザ操作を受け付けるまでは装置が稼働せず、待機状態を維持している装置の一種である。このような装置においては、正常データには、装置が稼働していない待機時のデータが大量に含まれてしまう。プリンタにおいては、一般的に、ユーザ操作に基づいて装置が稼働して、処理(即ち、印刷処理)が行われる。このとき、ページ数、解像度、紙種、または印刷モードのような種々の設定によって稼働時間が可変になる。以下で説明する実施形態では、装置が正常な状態であり、かつ装置が稼働して処理が行われている場合のデータを用いて学習モデルを生成する例を説明する。また、生成された学習モデル(学習済モデルという)を用いて推論を行って得られたデータを用いて、装置の異常を判定する例を説明する。
図1は、本実施形態における情報処理システム100の構成を示す図である。情報処理システム100は、ローカルエリアネットワーク102またはインターネット104で接続されたクラウドサーバー200、エッジサーバー300、およびデバイス400を含む。デバイス400には、ネットワーク接続が可能な各種装置が含まれる。例えばデバイス400には、センサ500、プリンタ600、クライアント端末401、デジタルカメラ402、および音声入出力装置403などが挙げられる。クライアント端末401には、パーソナルコンピュータ、ワークステーション、スマートフォン、またはタブレットなどの各種端末が含まれる。ただし、デバイス400は、これらの種類に限られるものではなく、例えば冷蔵庫、テレビ、もしくはエアコンなどの家電製品、工業製品、または製造装置などであってもよい。これらデバイス400は、ローカルエリアネットワーク102で相互に接続され、ローカルエリアネットワーク102に設置されているルータ103を介してインターネット104と接続することが可能である。
図2は、クラウドサーバー200およびエッジサーバー300の構成を示すブロック図である。ここでは、クラウドサーバー200およびエッジサーバー300のハードウェア構成としては共通のものを利用するものとして説明する。以下、構成の説明の便宜上、クラウドサーバー200およびエッジサーバー300を、単に、サーバー200、300と呼ぶ。サーバー200、300は、装置全体の制御を行うメインボード210と、ネットワーク接続ユニット201と、ハードディスクユニット202とを有する。メインボード210は、CPU211、内部バス212、プログラムメモリ213、データメモリ214、ネットワーク制御回路215、ハードディスク制御回路216、およびGPU217を有する。
図3は、プリンタ600の構成を示すブロック図である。プリンタ600は、装置全体の制御を行うメインボード610と、操作パネル605と、近距離無線通信ユニット606と、無線LANユニット608とを含む。メインボード610は、CPU611、プログラムメモリ613、データメモリ614、スキャナ615、印刷部617、無線LAN制御回路618、近距離無線通信制御回路619、操作部制御回路620、およびGPU621を有する。データメモリ614は、画像メモリ616を有する。
図4は、情報処理システム100のソフトウェア構成を示す図である。図4では、ソフトウェア構成のうち、本実施形態における学習および推論の処理に関わるものを中心に記載しており、その他のソフトウェアモジュールについては不図示としている。例えば各デバイスまたはサーバー上で動作するオペレーティングシステム、各種ミドルウェア、およびメンテナンスのためのアプリケーション等については図示を省略している。
次に、本実施形態の異常予測処理を説明する。本実施形態の異常予測処理は、デバイス400の特定の装置状態のデータを、学習・推論工程の入力データから除外するデータ選定処理を含む。例えば、デバイス400の静止状態のデータを学習・推論工程の入力から除外するデータ選定処理が行われる。
第1実施形態では、特定の装置状態のデータを学習工程および推論工程の入力から除外するデータ選定処理を行い、異常予測を行う例を説明した。第2実施形態では、センサデータの変位に基づいて、学習工程および推論工程の入力から除外するデータを選定する選定処理を行う例を説明する。
以上説明した実施形態では、異常予測処理の判定対象となる装置は、プリンタ600である場合を例に挙げて説明したが、これに限られない。異常判定の対象となる装置は、装置が稼働している期間が固定的な期間ではなく、ユーザ操作等に応じて可変となる装置であれば、プリンタ600以外の任意のデバイス400とすることができる。
200 クラウドサーバー
300 エッジサーバー
400 デバイス
600 プリンタ
Claims (25)
- デバイスの状態を示す時系列のデータである時系列データを取得する取得手段と、
前記取得手段で取得した時系列データのうち、前記デバイスが稼働していることを示す条件を満たす時系列データを入力データとして選定する選定手段と、
前記選定手段によって選定された第一時刻までの前記入力データと、前記第一時刻の後の第二時刻の前記デバイスの状態を示すデータである教師データとに基づいて、前記第一時刻までの入力データを入力した場合に、前記第二時刻に対応する予測値を出力データとして出力するように学習された学習モデルを生成する生成手段と、
を有することを特徴とする情報処理装置。 - デバイスの状態を示す時系列のデータである時系列データを取得する取得手段と、
前記取得手段で取得した時系列データのうち、前記デバイスが稼働していることを示す条件を満たす時系列データを入力データとして選定する選定手段と、
前記選定手段によって選定された第一時刻までの前記入力データと、前記第一時刻の後の第二時刻の前記デバイスの状態を示すデータである教師データとに基づいて、前記第一時刻までの入力データを入力した場合に、前記第二時刻に対応する予測値を出力データとして出力する学習モデルを学習部に生成させるための、前記入力データと前記教師データとを含む学習データを送信する送信手段と、
を有することを特徴とする情報処理装置。 - 前記選定手段は、取得した時系列データのうち、正常時のデータであり、かつ前記デバイスが稼働していることを示す条件を満たす時系列データを前記入力データとして選定することを特徴とする請求項1または2に記載の情報処理装置。
- 前記選定手段は、前記デバイスのログに基づいて、エラーが発生していない期間のデータを前記正常時のデータと決定することを特徴とする請求項3に記載の情報処理装置。
- デバイスの状態を示す時系列のデータである時系列データを取得する取得手段と、
前記取得手段で取得した時系列データのうち、前記デバイスが稼働していることを示す条件を満たす時系列データを入力データとして選定する選定手段と、
前記選定手段によって選定された第一時刻の入力データの後の第二時刻の前記デバイスの状態を示すデータである実測値を取得する第二取得手段と、
前記デバイスが稼働していることを示す条件を満たす第一時刻までの時系列データを入力した場合に、前記第一時刻の後の第二時刻に対応する推論値を出力データとして出力する学習済モデルに対して、前記選定手段によって選定された前記第一時刻までの入力データを入力して得られた推論値と、前記第二取得手段で取得した前記第二時刻の前記実測値と、に基づく情報を出力する出力手段と、
を有することを特徴とする情報処理装置。 - 前記出力手段は、前記推論値と前記第二時刻の前記実測値とのずれ量が、所定の閾値を超える場合、第1情報を出力し、前記所定の閾値より小さい場合、前記第1情報と異なる第2情報を出力することを特徴とする請求項5に記載の情報処理装置。
- デバイスの状態を示す時系列のデータである時系列データを取得する取得手段と、
前記取得手段で取得した時系列データのうち、前記デバイスが稼働していることを示す条件を満たす時系列データを入力データとして選定する選定手段と、
前記選定手段が選定した第一時刻の入力データの後の第二時刻の前記デバイスの状態を示すデータである実測値を取得する第二取得手段と、
前記デバイスが稼働していることを示す条件を満たす第一時刻までの時系列データを入力した場合に、前記第一時刻の後の第二時刻に対応する推論値を出力データとして出力する学習済モデルを管理するサーバーに対して、前記選定手段によって選定された前記第一時刻の入力データと、前記第二取得手段で取得した前記実測値とを含む、処理依頼を送信する送信手段と、
前記処理依頼に応じて、前記サーバーにおいて前記第一時刻までの入力データを前記学習済モデルに入力して得られた推論値と、前記実測値と、に基づき送信される情報を受信する受信手段と、
前記受信手段により受信された前記情報に基づいて、表示手段に所定の表示を出力する制御手段と、
を有することを特徴とする情報処理装置。 - 前記制御手段は、前記受信手段により受信された前記情報に基づいて、前記表示手段に前記所定の表示として前記デバイスが異常であることを示す表示を出力することを特徴とする請求項7に記載の情報処理装置。
- 前記受信手段は、前記サーバーにおいて前記推論値と、前記実測値とのずれ量が、所定の閾値を超える場合、第1情報を受信し、前記所定の閾値より小さい場合、前記第1情報と異なる第2情報を受信することを特徴とする請求項7または8に記載の情報処理装置。
- 前記所定の閾値は、前記学習済モデルの生成に用いられたバリデーションデータに基づいて決定されることを特徴とする請求項6または9に記載の情報処理装置。
- 前記所定の閾値は、前記学習済モデルの生成の元となる学習モデルに前記バリデーションデータのうちの入力データを入力したときに前記学習モデルから出力された出力データと、前記バリデーションデータのうちの教師データとのずれ量に基づく統計的な値であることを特徴とする請求項10に記載の情報処理装置。
- 前記所定の閾値は、前記ずれ量の平均値であることを特徴とする請求項10または11に記載の情報処理装置。
- 前記選定手段は、前記デバイスが、静止中、待機中、または初期化処理中でない場合に、前記デバイスが稼働していると決定することを特徴とする請求項1から12のいずれか一項に記載の情報処理装置。
- 前記選定手段は、前記取得手段が取得した時系列データにおいて、比較対象時刻のデータと、前記比較対象時刻よりも所定時刻前のデータとの値が異なる場合に、前記比較対象時刻の時系列データを前記入力データとして選定することを特徴とする請求項1から12のいずれか一項に記載の情報処理装置。
- 前記選定手段は、前記デバイスの操作パネルにおいて特定の操作がされた場合に得られる時系列データを前記入力データとして選定することを特徴とする請求項1から12のいずれか一項に記載の情報処理装置。
- 前記選定手段は、前記デバイスを撮影した映像または前記デバイスの音声を入力とした判定アルゴリズムで、特定の判定結果が出た場合に、時系列データを前記入力データとして選定することを特徴とする請求項1から12のいずれか一項に記載の情報処理装置。
- 前記デバイスの状態を示すデータは、前記デバイスの状態を検知するセンサが検知して得られたデータであることを特徴とする請求項1から16のいずれか一項に記載の情報処理装置。
- 前記時系列データは、複数のセンサのデータを集合したデータであることを特徴とする請求項1から17のいずれか一項に記載の情報処理装置。
- デバイスの状態を示す時系列のデータである時系列データを取得する取得手段と、
前記取得手段で取得した時系列データのうち、前記デバイスが稼働していることを示す条件を満たす時系列データを入力データとして選定する選定手段と、
前記選定手段によって選定された第一時刻までの前記入力データと、前記第一時刻の後の第二時刻の前記デバイスの状態を示すデータである教師データとに基づいて、前記第一時刻までの入力データを入力した場合に、前記第二時刻に対応する予測値を出力データとして出力するように学習された学習モデルを生成する生成手段と、
を有することを特徴とする情報処理システム。 - デバイスの状態を示す時系列のデータである時系列データを取得する取得手段と、
前記取得手段で取得した時系列データのうち、前記デバイスが稼働していることを示す条件を満たす時系列データを入力データとして選定する選定手段と、
前記選定手段によって選定された第一時刻の入力データの後の第二時刻の前記デバイスの状態を示すデータである実測値を取得する第二取得手段と、
前記デバイスが稼働していることを示す条件を満たす第一時刻までの時系列データを入力した場合に、前記第一時刻の後の第二時刻に対応する推論値を出力データとして出力する学習済モデルに対して、前記選定手段によって選定された前記第一時刻までの入力データを入力して得られた推論値と、前記第二取得手段で取得した前記第二時刻の前記実測値と、に基づく情報を出力する出力手段と、
を有することを特徴とする情報処理システム。 - デバイスの状態を示す時系列のデータである時系列データを取得する取得手段と、
前記取得手段で取得した時系列データのうち、前記デバイスが稼働していることを示す条件を満たす時系列データを入力データとして選定する選定手段と、
前記選定手段によって選定された第一時刻までの前記入力データと、前記第一時刻の後の第二時刻の前記デバイスの状態を示すデータである教師データとに基づいて、前記第一時刻までの入力データを入力した場合に、前記第二時刻に対応する予測値を出力データとして出力するように学習された学習済モデルを生成する生成手段と、
前記選定手段によって選定された第三時刻の入力データの後の第四時刻の前記デバイスの状態を示すデータである実測値を取得する第二取得手段と、
前記選定手段によって選定された前記第三時刻の入力データを前記学習済モデルに入力した場合に得られた前記第四時刻の推論値と、前記第二取得手段で取得した前記第四時刻の前記実測値と、に基づく情報を出力する出力手段と、
を有することを特徴とする情報処理システム。 - デバイスの状態を示す時系列のデータである時系列データを取得する取得工程と、
前記取得工程で取得した時系列データのうち、前記デバイスが稼働していることを示す条件を満たす時系列データを入力データとして選定する選定工程と、
前記選定工程によって選定された第一時刻までの前記入力データと、前記第一時刻の後の第二時刻の前記デバイスの状態を示すデータである教師データとに基づいて、前記第一時刻までの入力データを入力した場合に、前記第二時刻に対応する予測値を出力データとして出力するように学習された学習モデルを生成する生成工程と、
を有することを特徴とする学習モデルの生成方法。 - デバイスの状態を示す時系列のデータである時系列データを取得する取得工程と、
前記取得工程で取得した時系列データのうち、前記デバイスが稼働していることを示す条件を満たす時系列データを入力データとして選定する選定工程と、
前記選定工程が選定した第一時刻の入力データの後の第二時刻の前記デバイスの状態を示すデータである実測値を取得する第二取得工程と、
前記デバイスが稼働していることを示す条件を満たす第一時刻までの時系列データを入力した場合に、前記第一時刻の後の第二時刻に対応する推論値を出力データとして出力する学習済モデルに対して、前記選定工程によって選定された前記第一時刻までの入力データを入力して得られた推論値と、前記第二取得工程で取得した前記第二時刻の前記実測値と、に基づく情報を出力する出力工程と、
を有することを特徴とする異常予測方法。 - デバイスの状態を示す時系列のデータである時系列データを取得する取得工程と、
前記取得工程で取得した時系列データのうち、前記デバイスが稼働していることを示す条件を満たす時系列データを入力データとして選定する選定工程と、
前記選定工程によって選定された第一時刻までの前記入力データと、前記第一時刻の後の第二時刻の前記デバイスの状態を示すデータである教師データとに基づいて、前記第一時刻までの入力データを入力した場合に、前記第二時刻に対応する予測値を出力データとして出力するように学習された学習済モデルを生成する生成工程と、
前記選定工程によって選定された第三時刻の入力データの後の第四時刻の前記デバイスの状態を示すデータである実測値を取得する第二取得工程と、
前記選定工程によって選定された前記第三時刻の入力データを前記学習済モデルに入力した場合に得られた前記第四時刻の推論値と、前記第二取得工程で取得した前記第四時刻の前記実測値と、に基づく情報を出力する出力工程と、
を有することを特徴とする異常予測方法。 - コンピュータを、請求項1から18のいずれか一項に記載の情報処理装置が有する各手段として機能させるためのプログラム。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019187646A JP7391601B2 (ja) | 2019-10-11 | 2019-10-11 | 情報処理装置、情報処理システム、学習モデルの生成方法、異常予測方法、およびプログラム |
US17/066,498 US11461057B2 (en) | 2019-10-11 | 2020-10-09 | Information processing system that generates a learning model based on selected input data |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019187646A JP7391601B2 (ja) | 2019-10-11 | 2019-10-11 | 情報処理装置、情報処理システム、学習モデルの生成方法、異常予測方法、およびプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2021064099A true JP2021064099A (ja) | 2021-04-22 |
JP7391601B2 JP7391601B2 (ja) | 2023-12-05 |
Family
ID=75383704
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019187646A Active JP7391601B2 (ja) | 2019-10-11 | 2019-10-11 | 情報処理装置、情報処理システム、学習モデルの生成方法、異常予測方法、およびプログラム |
Country Status (2)
Country | Link |
---|---|
US (1) | US11461057B2 (ja) |
JP (1) | JP7391601B2 (ja) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113781873A (zh) * | 2021-09-17 | 2021-12-10 | 泰顺县华工启明星培训学校有限公司 | 一种人工智能教学远程无线烧写主板 |
EP4206838A1 (en) | 2021-12-29 | 2023-07-05 | Petkim Petrokimya Holding A.S. | Forecasting and anomaly detection method for low density polyethylene autoclave reactor |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2021117877A (ja) * | 2020-01-29 | 2021-08-10 | セイコーエプソン株式会社 | デバイス管理システム、サーバー、およびデバイス管理システムの制御方法 |
JP2022029702A (ja) * | 2020-08-05 | 2022-02-18 | キヤノン株式会社 | 学習システム、電子機器、及びその制御方法、並びにプログラム |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2018063545A (ja) * | 2016-10-12 | 2018-04-19 | 横河電機株式会社 | 情報処理装置、情報処理方法、情報処理プログラム及び記録媒体 |
JP2018073241A (ja) * | 2016-11-01 | 2018-05-10 | 日本電信電話株式会社 | 検知装置、検知方法および検知プログラム |
WO2019142331A1 (ja) * | 2018-01-19 | 2019-07-25 | 株式会社日立製作所 | 障害予測システムおよび障害予測方法 |
JP2021033842A (ja) * | 2019-08-28 | 2021-03-01 | 株式会社東芝 | 状態監視装置、方法及びプログラム |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6782495B2 (en) * | 2001-06-19 | 2004-08-24 | Xerox Corporation | Method for analyzing printer faults |
US7519564B2 (en) * | 2004-11-16 | 2009-04-14 | Microsoft Corporation | Building and using predictive models of current and future surprises |
US7730364B2 (en) * | 2007-04-05 | 2010-06-01 | International Business Machines Corporation | Systems and methods for predictive failure management |
JP6896432B2 (ja) | 2017-01-11 | 2021-06-30 | 株式会社Ye Digital | 故障予知方法、故障予知装置および故障予知プログラム |
-
2019
- 2019-10-11 JP JP2019187646A patent/JP7391601B2/ja active Active
-
2020
- 2020-10-09 US US17/066,498 patent/US11461057B2/en active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2018063545A (ja) * | 2016-10-12 | 2018-04-19 | 横河電機株式会社 | 情報処理装置、情報処理方法、情報処理プログラム及び記録媒体 |
JP2018073241A (ja) * | 2016-11-01 | 2018-05-10 | 日本電信電話株式会社 | 検知装置、検知方法および検知プログラム |
WO2019142331A1 (ja) * | 2018-01-19 | 2019-07-25 | 株式会社日立製作所 | 障害予測システムおよび障害予測方法 |
JP2021033842A (ja) * | 2019-08-28 | 2021-03-01 | 株式会社東芝 | 状態監視装置、方法及びプログラム |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113781873A (zh) * | 2021-09-17 | 2021-12-10 | 泰顺县华工启明星培训学校有限公司 | 一种人工智能教学远程无线烧写主板 |
EP4206838A1 (en) | 2021-12-29 | 2023-07-05 | Petkim Petrokimya Holding A.S. | Forecasting and anomaly detection method for low density polyethylene autoclave reactor |
Also Published As
Publication number | Publication date |
---|---|
US20210109687A1 (en) | 2021-04-15 |
JP7391601B2 (ja) | 2023-12-05 |
US11461057B2 (en) | 2022-10-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2021064099A (ja) | 情報処理装置、情報処理システム、学習モデルの生成方法、異常予測方法、およびプログラム | |
JP6847591B2 (ja) | 異常検知システム、モデル生成装置、異常検知装置、異常検知方法、モデル生成プログラム、および、異常検知プログラム | |
US11151850B2 (en) | Presence detection based on signal data | |
KR101510860B1 (ko) | 사용자 의도 파악 어플리케이션 서비스 방법 및 서버와 이를 이용한 사용자 의도 파악 어플리케이션 서비스 시스템 | |
JP5948938B2 (ja) | データ生成装置、方法およびプログラム | |
JP2018119924A (ja) | 診断装置 | |
US20200105411A1 (en) | Contextually Grouping Sensor Channels For Healthcare Monitoring | |
EP2791829B1 (en) | Method for rule-based context acquisition | |
JPWO2018216197A1 (ja) | 異常重要度算出システム、異常重要度算出装置、及び異常重要度算出プログラム | |
JPWO2020003460A1 (ja) | 異常検知装置 | |
WO2018216258A1 (ja) | 処理装置、処理方法及びプログラム | |
KR101183124B1 (ko) | 상황 모니터링을 지원하는 모바일 장치, 이를 이용하는 상황 모니터링 방법 및 이를 포함하는 상황 모니터링 시스템 | |
EP3295567B1 (en) | Pattern-based data collection for a distributed stream data processing system | |
US20160299966A1 (en) | System and Method for Creation and Detection of Process Fingerprints for Monitoring in a Process Plant | |
JP6828633B2 (ja) | データ処理装置及びその制御方法、並びにプログラム | |
US20150161021A1 (en) | Terminal device, system, and method for processing sensor data stream | |
KR102273908B1 (ko) | 산업용 빅데이터 서버를 위한 냉각 시스템 | |
KR20200104816A (ko) | 복합 이상행동 탐지를 위한 영상 분석기 및 영상 분석 방법 | |
JP7215574B2 (ja) | 監視システム、監視方法及びプログラム | |
KR102074412B1 (ko) | IoT 전력레벨 조절 장치 | |
Novilla et al. | The use of fuzzy logic for online monitoring of manufacturing machine: An intelligent system | |
KR101996237B1 (ko) | 분산처리를 통한 IoT 센서 디바이스 및 플랫폼 | |
KR20190108515A (ko) | 인공 신경망 데이터 처리기를 포함하는 센서 장치 | |
JP2018190281A (ja) | データ処理装置、データ処理方法およびプログラム | |
US11934284B2 (en) | Method and system for synthetic application monitoring |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220928 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230523 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230710 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20231024 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20231122 |
|
R151 | Written notification of patent or utility model registration |
Ref document number: 7391601 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |