JP2022554303A - 製造プロセスのためのシステム、方法、および媒体 - Google Patents

製造プロセスのためのシステム、方法、および媒体 Download PDF

Info

Publication number
JP2022554303A
JP2022554303A JP2022525444A JP2022525444A JP2022554303A JP 2022554303 A JP2022554303 A JP 2022554303A JP 2022525444 A JP2022525444 A JP 2022525444A JP 2022525444 A JP2022525444 A JP 2022525444A JP 2022554303 A JP2022554303 A JP 2022554303A
Authority
JP
Japan
Prior art keywords
component
control module
manufacturing
final quality
station
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
Application number
JP2022525444A
Other languages
English (en)
Other versions
JP7289171B2 (ja
Inventor
リモージュ，ダマス
ハフ，ファビアン
グーシュキー，サーデ ノウリ
アスウィン，ラーギャフ ニルマルスワレン
ピンスキー，バディム
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanotronics Imaging Inc
Original Assignee
Nanotronics Imaging Inc
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Nanotronics Imaging Inc filed Critical Nanotronics Imaging Inc
Publication of JP2022554303A publication Critical patent/JP2022554303A/ja
Priority to JP2023084779A priority Critical patent/JP2023113719A/ja
Application granted granted Critical
Publication of JP7289171B2 publication Critical patent/JP7289171B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B29—WORKING OF PLASTICS; WORKING OF SUBSTANCES IN A PLASTIC STATE IN GENERAL
    • B29C—SHAPING OR JOINING OF PLASTICS; SHAPING OF MATERIAL IN A PLASTIC STATE, NOT OTHERWISE PROVIDED FOR; AFTER-TREATMENT OF THE SHAPED PRODUCTS, e.g. REPAIRING
    • B29C64/00—Additive manufacturing, i.e. manufacturing of three-dimensional [3D] objects by additive deposition, additive agglomeration or additive layering, e.g. by 3D printing, stereolithography or selective laser sintering
    • B29C64/30—Auxiliary operations or equipment
    • B29C64/386—Data acquisition or data processing for additive manufacturing
    • B29C64/393—Data acquisition or data processing for additive manufacturing for controlling or regulating additive manufacturing processes
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B22—CASTING; POWDER METALLURGY
    • B22F—WORKING METALLIC POWDER; MANUFACTURE OF ARTICLES FROM METALLIC POWDER; MAKING METALLIC POWDER; APPARATUS OR DEVICES SPECIALLY ADAPTED FOR METALLIC POWDER
    • B22F10/00—Additive manufacturing of workpieces or articles from metallic powder
    • B22F10/80—Data acquisition or data processing
    • B22F10/85—Data acquisition or data processing for controlling or regulating additive manufacturing processes
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B22—CASTING; POWDER METALLURGY
    • B22F—WORKING METALLIC POWDER; MANUFACTURE OF ARTICLES FROM METALLIC POWDER; MAKING METALLIC POWDER; APPARATUS OR DEVICES SPECIALLY ADAPTED FOR METALLIC POWDER
    • B22F12/00—Apparatus or devices specially adapted for additive manufacturing; Auxiliary means for additive manufacturing; Combinations of additive manufacturing apparatus or devices with other processing apparatus or devices
    • B22F12/80—Plants, production lines or modules
    • B22F12/82—Combination of additive manufacturing apparatus or devices with other processing apparatus or devices
    • B22F12/86—Serial processing with multiple devices grouped
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B33—ADDITIVE MANUFACTURING TECHNOLOGY
    • B33Y—ADDITIVE MANUFACTURING, i.e. MANUFACTURING OF THREE-DIMENSIONAL [3-D] OBJECTS BY ADDITIVE DEPOSITION, ADDITIVE AGGLOMERATION OR ADDITIVE LAYERING, e.g. BY 3-D PRINTING, STEREOLITHOGRAPHY OR SELECTIVE LASER SINTERING
    • B33Y50/00—Data acquisition or data processing for additive manufacturing
    • B33Y50/02—Data acquisition or data processing for additive manufacturing for controlling or regulating additive manufacturing processes
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
    • G05B19/41875—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by quality surveillance of production
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G06N3/0455—Auto-encoder networks; Encoder-decoder networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/0464—Convolutional networks [CNN, ConvNet]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G06N3/088—Non-supervised learning, e.g. competitive learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B29—WORKING OF PLASTICS; WORKING OF SUBSTANCES IN A PLASTIC STATE IN GENERAL
    • B29C—SHAPING OR JOINING OF PLASTICS; SHAPING OF MATERIAL IN A PLASTIC STATE, NOT OTHERWISE PROVIDED FOR; AFTER-TREATMENT OF THE SHAPED PRODUCTS, e.g. REPAIRING
    • B29C64/00—Additive manufacturing, i.e. manufacturing of three-dimensional [3D] objects by additive deposition, additive agglomeration or additive layering, e.g. by 3D printing, stereolithography or selective laser sintering
    • B29C64/10—Processes of additive manufacturing
    • B29C64/106—Processes of additive manufacturing using only liquids or viscous materials, e.g. depositing a continuous bead of viscous material
    • B29C64/118—Processes of additive manufacturing using only liquids or viscous materials, e.g. depositing a continuous bead of viscous material using filamentary material being melted, e.g. fused deposition modelling [FDM]
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B33—ADDITIVE MANUFACTURING TECHNOLOGY
    • B33Y—ADDITIVE MANUFACTURING, i.e. MANUFACTURING OF THREE-DIMENSIONAL [3-D] OBJECTS BY ADDITIVE DEPOSITION, ADDITIVE AGGLOMERATION OR ADDITIVE LAYERING, e.g. BY 3-D PRINTING, STEREOLITHOGRAPHY OR SELECTIVE LASER SINTERING
    • B33Y10/00—Processes of additive manufacturing
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B33—ADDITIVE MANUFACTURING TECHNOLOGY
    • B33Y—ADDITIVE MANUFACTURING, i.e. MANUFACTURING OF THREE-DIMENSIONAL [3-D] OBJECTS BY ADDITIVE DEPOSITION, ADDITIVE AGGLOMERATION OR ADDITIVE LAYERING, e.g. BY 3-D PRINTING, STEREOLITHOGRAPHY OR SELECTIVE LASER SINTERING
    • B33Y30/00—Apparatus for additive manufacturing; Details thereof or accessories therefor
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/32—Operator till task planning
    • G05B2219/32194—Quality prediction
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/49—Nc machine tool, till multiple
    • G05B2219/49023—3-D printing, layer of powder, add drops of binder in layer, new powder
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/004—Artificial life, i.e. computing arrangements simulating life
    • G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20081—Training; Learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20084—Artificial neural networks [ANN]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection
    • G06T2207/30164—Workpiece; Machine component
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P10/00—Technologies related to metal processing
    • Y02P10/25—Process efficiency

Landscapes

  • Engineering & Computer Science (AREA)
  • Materials Engineering (AREA)
  • Chemical & Material Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Manufacturing & Machinery (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Linguistics (AREA)
  • Mathematical Physics (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Health & Medical Sciences (AREA)
  • Quality & Reliability (AREA)
  • Mechanical Engineering (AREA)
  • Optics & Photonics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Automation & Control Theory (AREA)
  • General Factory Administration (AREA)
  • Image Analysis (AREA)
  • Magnetic Resonance Imaging Apparatus (AREA)
  • Game Rules And Presentations Of Slot Machines (AREA)
  • Magnetic Heads (AREA)
  • Testing And Monitoring For Control Systems (AREA)

Abstract

製造システムが本明細書に開示されている。製造システムには、１つまたは複数のステーション、監視プラットフォーム、および制御モジュールが含まれ得る。各ステーションは、構成要素の多工程製造プロセスにおいて少なくとも１つの工程を実行するように構成される。監視プラットフォームは、多工程製造プロセス全体で構成要素の進行を監視するように構成されている。制御モジュールは、構成要素の所望の最終品質基準を達成するために、多工程製造プロセスの各工程の処理パラメータを動的に調整するように構成されている。

Description

関連出願の相互参照
本願は、２０１９年１１月７日に出願された米国仮出願第６２／９３２，０４３号に優先権を主張し、これは参照によりその全体が本明細書に組み込まれる。
本開示は、一般に、製造プロセスのためのシステム、方法、および媒体に関する。
所望の設計仕様を一貫して安全に、時宜にかなって、最小限の無駄で満たす構成要素を製造するために、製造プロセスに対する絶え間ない監視および調整が通常必要とされる。
いくつかの実施形態では、製造システムが本明細書に開示されている。製造システムには、１つまたは複数のステーション、監視プラットフォーム、および制御モジュールが含まれ得る。各処理ステーションは、構成要素の多工程製造プロセスにおいて少なくとも１つの工程を実行するように構成される。監視プラットフォームは、多工程製造プロセス全体で構成要素の進行を監視するように構成されている。制御モジュールは、構成要素の所望の最終品質基準を達成するために、多工程製造プロセスの各工程の処理パラメータを動的に調整するように構成されている。制御モジュールは、動作を実行するように構成される。動作には、監視プラットフォームから、多工程製造プロセスの工程で構成要素に関連する入力を受け取ることが含まれる。動作はさらに、制御モジュールによって、複数の工程の少なくとも第１の工程が回復不能な故障を経験していないこと、および複数の工程の少なくとも第２の工程が回復不能な故障を経験したことを決定することを含む。動作はさらに、決定に基づいて、制御モジュールによって、入力に基づいて構成要素の状態符号化を生成することを含む。動作はさらに、制御モジュールによって、構成要素の状態符号化と入力に基づいて、最終品質基準が許容値の範囲内にないことを決定することを含む。動作は、決定に基づいて、制御モジュールにより、少なくとも次のステーションの制御論理を調整することをさらに含み、調整は、次のステーションによって実行される修正処置（ｃｏｒｒｅｃｔｉｖｅ ａｃｔｉｏｎ）と、少なくとも第２の工程の処理を停止する命令とを含む。
いくつかの実施形態では、多工程製造方法が本明細書に開示されている。コンピューティングシステムは、製造システムの監視プラットフォームから、１つまたは複数のステーションのステーションにある構成要素の画像を受信する。各ステーションは、多工程製造プロセスの工程を実行するように構成されている。コンピューティングシステムは、複数の工程のうちの少なくとも１つの工程が回復不能な故障を経験しておらず、複数の工程のうちの少なくとも第２の工程が回復不能な故障を経験していると決定する。決定に基づいて、コンピューティングシステムは、構成要素の画像に基づいて構成要素の状態符号化を生成する。コンピューティングシステムは、構成要素の状態符号化と画像に基づいて、構成要素の最終品質基準が許容値の範囲内にないと決定する。決定に基づいて、コンピューティングシステムは、少なくとも次のステーションの制御論理を調整する。調整には、次のステーションによって実行される修正処置と、少なくとも第２の工程の処理を停止するための命令が含まれる。
いくつかの実施形態では、３次元（３Ｄ）印刷システムが本明細書に開示されている。３次元印刷システムには、処理ステーション、監視プラットフォーム、および制御モジュールが含まれる。処理ステーションは、構成要素を形成するために複数の層を堆積するように構成される。監視プラットフォームは、堆積プロセス全体を通して構成要素の進行を監視するように構成される。制御モジュールは、複数の層の各層の処理パラメータを動的に調整して、構成要素の所望の最終品質基準を達成するように構成される。動作を実行するように構成された制御モジュール。動作には、監視プラットフォームから、層が堆積された後の構成要素の画像を受信することが含まれる。動作はさらに、制御モジュールによって、複数の工程の少なくとも第１の工程が回復不能な故障を経験していないこと、および複数の工程の少なくとも第２の工程が回復不能な故障を経験したことを決定することを含む。動作はさらに、制御モジュールによって、構成要素の画像に基づいて構成要素の状態符号化を生成することを含む。動作は、制御モジュールによって、状態符号化と構成要素の画像に基づいて、最終品質基準が許容値の範囲内にないことを決定することをさらに含む。動作は、制御モジュールによる、複数の層の少なくとも次の層を堆積するための制御論理の決定、調整に基づくことをさらに含む。調整には、次の層の堆積中に実行される修正処置と、少なくとも第２の工程の処理を停止するための命令とが含まれる。
本開示の上記の特徴を詳細に理解することができるように、上記で簡単に要約された本開示のより具体的な説明は、実施形態を参照することによって得ることができ、そのいくつかは、添付図面に示される。しかしながら、添付図面は、本開示の典型的な実施形態のみを示しており、したがって、その範囲を限定すると見なされるべきではないのは、本開示は、他の同等に有効な実施形態を認めることができるからであることに留意されたい。
例示的な実施形態による、製造環境を示すブロック図である。
例示的な実施形態による、製造環境の予測エンジンを示すブロック図である。
例示的な実施形態による、予測エンジンの状態オートエンコーダのアーキテクチャを示すブロック図である。
例示的な実施形態による、予測エンジンの修正エージェント（ｃｏｒｒｅｃｔｉｖｅ ａｇｅｎｔ）のためのアクタークリティックパラダイムのアーキテクチャを示すブロック図である。
例示的な実施形態による、多工程製造プロセスを実行する方法を示す流れ図である。
例示的な実施形態による、システムバスコンピューティングシステムアーキテクチャを示している。
例示的な実施形態による、チップセットアーキテクチャを有するコンピュータシステムを示している。
理解を容易にするために、可能な場合、図に共通する同一の要素を示すために同一の参照番号が使用されてきた。一実施形態で開示される要素は、特定の記述なしに他の実施形態で有益に利用され得ることが企図される。
本明細書で説明される１つまたは複数の技術は、一般に、多工程製造プロセスの各工程を監視するように構成された監視プラットフォームに関する。多工程製造プロセスの各工程について、監視プラットフォームは構成要素の進捗状況を監視し、構成要素の現在の状態が最終構成要素に関連付けられた最終品質基準にどのように影響するかを決定できる。一般に、最終品質基準は、多工程製造プロセスの各工程で測定できない測定基準である。例示的な最終品質基準には、引張強度、硬度、最終構成要素の熱特性などが含まれ得るが、これらに限定されない。引張強度などの特定の最終品質基準では、破壊試験を使用してそのような測定基準を測定する。
本明細書で説明される１つまたは複数の技術は、１つまたは複数の人工知能技術を使用して、多工程製造プロセスの各工程で最終品質基準を予測することができる。例えば、本明細書で説明される１つまたは複数の技術は、１つまたは複数の強化アルゴリズムを活用して、多工程製造プロセスの特定の工程での構成要素の状態に基づいて最終品質基準を予測することができる。
さらに、本明細書で提供される１つまたは複数の技術は、回復不能な故障が存在するかどうかを検出するための機構を含み得る。例えば、所与の処理ステーションでの構成要素の処理に続いて、本システムは、回復不能な故障が存在するかどうかを決定するために構成要素を分析するための機構を含み得る。しかしながら、本システムは、構成要素全体にバイナリ出力（例えば、故障あり、故障なし）を提供するのではなく、構成要素を製造するための複数の工程の各工程に対して故障決定を行う１つまたは複数の機械学習技術を含み得る。
物理的環境への強化学習の適用は、些細な作業ではない。一般に、強化学習は、他のタイプの機械学習技術ほど、実際の物理的な環境を助長するものではない。これは、予測モデルをトレーニングするために通常必要とされる多数のトレーニング例に起因し得る。物理的な環境では、物理的な構成要素の製造にかかるコストと時間のために、必要な数のトレーニング例を生成することが難しい場合がある。この制限を説明するために、本明細書で提供される１つまたは複数の技術は、モデルフリー強化学習技術を活用することができ、これにより、予測モデルは、通過するときに環境を学習することができる。これは、最適なアクションを予測するために必要な測定が少ないため、物理的な測定に適している。
製造プロセスは複雑な場合があり、最終構成要素が製造されるまで、様々なプロセスステーション（または「ステーション」）によって処理される原材料が含まれ得る。いくつかの実施形態では、各プロセスステーションは、処理のための入力を受け取り、追加の処理のために後続の（下流）プロセスステーションに渡され得る中間出力を出力し得る。いくつかの実施形態では、最終プロセスステーションは、処理のための入力を受け取り、最終構成要素、またはより一般的には最終出力を出力することができる。
いくつかの実施形態では、各ステーションは、一連のプロセス工程を実行することができる１つまたは複数のツール／機器を含むことができる。例示的なプロセスステーションは、以下に限定されないが、コンベヤベルト、射出成形プレス、切断機、ダイスタンピングマシン、押出機、コンピュータ数値制御（ＣＮＣ）ミル、グラインダ、組立ステーション、３次元プリンタ、品質管理ステーション、検証ステーションなどを含み得る。
いくつかの実施形態では、各プロセスステーションの動作は、１つまたは複数のプロセスコントローラによって制御され得る。いくつかの実施形態では、各プロセスステーションは、プロセスステーションの動作を制御するようにプログラムされ得る１つまたは複数のプロセスコントローラを含み得る。いくつかの実施形態では、オペレータまたは制御アルゴリズムは、各制御値について、所望の値または値の範囲を表すことができるステーションコントローラ設定値をステーションコントローラに提供することができる。いくつかの実施形態では、製造プロセスにおけるフィードバックまたはフィードフォワードに使用される値は、制御値と呼ばれることがある。例示的な制御値には、速度、温度、圧力、真空、回転、電流、電圧、電力、粘度、ステーションで使用される材料／資源、スループット率、停止時間、有害ガスなどが含まれ得るが、これらに限定されない。
いくつかの実施形態では、構成要素は、製造プロセスの出力を指す場合がある。例えば、製造プロセスの出力は、モバイルデバイスの一部である回路基板、モバイルデバイスの一部であるスクリーン、および／または完成したモバイルデバイスであり得る。
図１は、例示的な実施形態による、製造環境１００を示すブロック図である。製造環境１００は、製造システム１０２、監視プラットフォーム１０４、および制御モジュール１０６を含み得る。製造システム１０２は、多工程製造システムを広く表すことができる。いくつかの実施形態では、製造システム１０２は、積層造形で使用するための製造システム（例えば、３Ｄ印刷システム）を表すことができる。いくつかの実施形態では、製造システム１０２は、減算加工（ｓｕｂｔｒａｃｔｉｖｅ ｍａｎｕｆａｃｔｕｒｉｎｇ）（例えば、ＣＮＣ機械加工）で使用するための製造システムを表すことができる。いくつかの実施形態では、製造システム１０２は、積層造形と減算加工の組み合わせで使用するための製造システムを表すことができる。より一般的には、いくつかの実施形態では、製造システム１０２は、一般的な製造プロセスで使用するための製造システムを表すことができる。
製造システム１０２は、１つまたは複数のステーション１０８1～１０８n（一般に、「ステーション１０８」）を含み得る。各ステーション１０８は、多工程製造プロセスにおける工程および／またはステーションを表すことができる。例えば、各ステーション１０８は、３Ｄ印刷プロセスにおける積層動作を表すことができる（例えば、ステーション１０８1は、層１に対応し得、ステーション１０８2は、層２に対応し得る、等々）。別の例では、各ステーション１０８は、特定の処理ステーションに対応することができる。いくつかの実施形態では、構成要素の製造プロセスは、複数の工程を含み得る。いくつかの実施形態では、複数の工程は、順序付けられた一連の工程を含み得る。いくつかの実施形態では、複数の工程は、順序付けられていない（例えば、ランダムまたは疑似ランダム）一連の工程を含み得る。
各ステーション１０８は、プロセスコントローラ１１４および制御論理１１６を含み得る。各プロセスコントローラ１４１1～１１４nは、各々それぞれのステーション１０８の動作を制御するようにプログラムされ得る。いくつかの実施形態では、制御モジュール１０６は、各制御値について、所望の値または値の範囲を表すことができるステーションコントローラ設定値を各プロセスコントローラ１１４に提供することができる。制御論理１１６は、ステーション１０８のプロセス工程に関連する属性／パラメータを参照することができる。動作中、各ステーション１０８の制御論理１１６は、最終品質基準の現在の軌道に応じて、制御モジュール１０６によって製造プロセス全体を通して動的に更新され得る。
監視プラットフォーム１０４は、製造システム１０２の各ステーション１０８を監視するように構成され得る。いくつかの実施形態では、監視プラットフォーム１０４は、製造システム１０２の構成要素であり得る。例えば、監視プラットフォーム１０４は、３Ｄ印刷システムの構成要素であり得る。いくつかの実施形態では、監視プラットフォーム１０４は、製造システム１０２から独立していてもよい。例えば、監視プラットフォーム１０４は、既存の製造システム１０２に後付けすることができる。いくつかの実施形態では、監視プラットフォーム１０４は、多工程プロセスの各工程で構成要素の画像を取得するように構成された画像化デバイスを表すことができる。例えば、監視プラットフォーム１０４は、各ステーション１０８で構成要素の画像を取得するように構成され得る。一般に、監視プラットフォーム１０４は、構成要素の製造に関連する情報（例えば、画像、電圧読み取り、速度読み取りなど）を取得し、その情報を入力として、評価のために制御モジュール１０６に提供するように構成され得る。
制御モジュール１０６は、１つまたは複数の通信チャネルを介して製造システム１０２および監視プラットフォーム１０４と通信することができる。いくつかの実施形態では、１つまたは複数の通信チャネルは、セルラーネットワークまたはＷｉ－Ｆｉネットワークなどのインターネットを介した個々の接続を表すことができる。いくつかの実施形態では、１つまたは複数の通信チャネルは、直接接続を使用して端末、サービス、およびモバイルデバイスを接続することができ、例えば、無線周波数識別（ＲＦＩＤ）、近距離無線通信（ＮＦＣ）、ブルートゥース（商標）、低エネルギーブルートゥース（商標）（ＢＬＥ）、Ｗｉ－Ｆｉ（商標）、ＺｉｇＢｅｅ（商標）、後方散乱通信（ＡＢＣ）プロトコル、ＵＳＢ、ＷＡＮ、またはＬＡＮなどである。
制御モジュール１０６は、製造システム１０２の各プロセスコントローラを制御するように構成され得る。例えば、監視プラットフォーム１０４によって取得された情報に基づいて、制御モジュール１０６は、特定のステーション１０８または処理工程に関連するプロセス制御を調整するように構成され得る。いくつかの実施形態では、制御モジュール１０６は、予測される最終品質基準に基づいて特定のステーション１０８または処理工程のプロセス制御を調整するように構成され得る。
制御モジュール１０６は、予測エンジン１１２を含み得る。予測エンジン１１２は、多工程製造プロセスの個々の工程ごとの測定データに基づいて構成要素の最終品質基準を予測するようにトレーニングされた１つまたは複数の機械学習モジュールを表すことができる。動作中、制御モジュール１０６は、監視プラットフォーム１０４からの入力を受け取ることができる。いくつかの実施形態では、そのような入力は、多工程製造プロセスの工程に続く構成要素の現在の状態の画像の形を取ることができる。入力に基づいて、制御モジュール１０６は、構成要素の最終品質基準を予測することができる。構成要素の予測される最終品質基準に応じて、制御モジュール１０６は、次の製造工程で取るべき１つまたは複数のアクションを決定することができる。例えば、予測される最終品質基準が許容値の範囲外にある場合、制御モジュール１０６は、製造プロセスを修正するために１つまたは複数のアクションを実行することができる。いくつかの実施形態では、制御モジュール１０６は、次のステーション１０８のステーションコントローラとインターフェースして、それぞれの制御および／またはステーションパラメータを調整することができる。これらの調整は、最終品質基準が許容可能な品質基準の範囲内になるように、製造プロセスの修正に役立ち得る。
図２は、例示的な実施形態による、予測エンジン１１２を示すブロック図である。図示のように、予測エンジン１１２は、故障分類器２０２、状態オートエンコーダ２０４、および修正エージェント２０６を含み得る。故障分類器２０２、状態オートエンコーダ２０４、および修正エージェント２０６のそれぞれは、１つまたは複数のソフトウェアモジュールを含むことができる。１つまたは複数のソフトウェアモジュールは、１つまたは複数のアルゴリズム工程を実装する一連の機械命令（例えば、プログラムコード）を表す、媒体（例えば、制御モジュール１０６に関連するコンピューティングシステムのメモリ）に記憶されたコードまたは命令のコレクションであり得る。そのような機械命令は、プロセッサが命令を実装するために解釈する実際のコンピュータコードであり得るか、あるいは、実際のコンピュータコードを取得するために解釈される命令のより高いレベルのコーディングであり得る。１つまたは複数のソフトウェアモジュールはまた、１つまたは複数のハードウェア構成要素を含み得る。例示的なアルゴリズムの１つまたは複数の態様は、命令の結果としてではなく、ハードウェア構成要素（例えば、回路）自体によって実行され得る。さらに、いくつかの実施形態では、故障分類器２０２、状態オートエンコーダ２０４、および修正エージェント２０６のそれぞれは、構成要素間で１つまたは複数の信号を送信するように構成され得る。そのような実施形態では、そのような信号は、コンピューティングデバイスによって実行される機械命令に限定されない場合がある。
いくつかの実施形態では、故障分類器２０２、状態オートエンコーダ２０４、および修正エージェント２０６は、１つまたは複数のローカルネットワーク２０５を介して通信することができる。ネットワーク２０５は、セルラーネットワークまたはＷｉ－Ｆｉネットワークなどのインターネットを介した個々の接続を含む、任意の適切なタイプのものであり得る。いくつかの実施形態では、ネットワーク２０５は、無線周波数識別（ＲＦＩＤ）、近距離無線通信（ＮＦＣ）、ブルートゥース（商標）、低エネルギーブルートゥース（ＢＬＥ）、Ｗｉ－Ｆｉ（商標）、ＺｉｇＢｅｅ（商標）、後方散乱通信（ＡＢＣ）プロトコル、ＵＳＢ、ＷＡＮ、またはＬＡＮなどの直接接続を使用して端末、サービス、およびモバイルデバイスを接続することができる。送信される情報は個人情報または機密情報である可能性があるため、セキュリティ上の懸念から、これらのタイプの接続の１つまたは複数を暗号化またはその他の方法で保護する必要がある。しかしながら、いくつかの実施形態では、送信される情報は個人的ではない可能性があり、したがって、ネットワーク接続は、セキュリティよりも利便性のために選択され得る。
故障分類器２０２は、製造技術に対する修正処置が可能であるかどうかを決定するように構成され得る。例えば、故障分類器２０２は、入力として、監視プラットフォーム１０４からの入力を受け取ることができる。入力に基づいて、故障分類器２０２は、回復不能な故障が存在するかどうかを決定することができる。３Ｄ印刷の分野で特定の例を使用すると、３Ｄプリンタのヒートベッドから部品が外れたり、フィーダーギアが表面をつかむことができないほどフィラメントが削られたりすると、層は本質的に誤って印刷される。次の層にプラスチックをいくらでも堆積しても、印刷の最終形状に影響を与えないため、これは通常、回復不可能な故障である。このように、故障は、現在の活性層が印刷できない標本として分類される。これらの状況を修正するための１つのアプローチは、故障が検出された領域の印刷を停止して、追加の未溶融プラスチックが他の標本に影響を与えず、故障がバッチ故障にカスケードされないようにすることである。
いくつかの実施形態では、故障分類器２０２は、構成要素の一部が故障したかどうかを識別するように構成され得る。例えば、いくつかの製造手順では、構成要素は、いくつかの処理工程（例えば、３Ｄ印刷プロセス）を含み得る。このような実施形態では、工程のサブセットに障害が存在する可能性があるが、残りの工程は下流処理のためにインラインのままである。従来、システムは、構成要素全体に障害が発生した、つまり、故障したいくつかの工程と故障しなかった残りの工程を決定するのに制限があった。故障分類器２０２は、故障分類器２０２が故障した複数の工程のうちのそれらの特定の工程を識別できるようにする機能を提供することによって、従来のシステムを改善する。それらの特定の工程を識別することによって、故障分類器２０２は、そうでなければ完全な故障として分類されるであろう構成要素のさらなる処理を可能にし得る。
いくつかの実施形態では、故障分類器２０２は、回復不能な故障がいつ存在するかを識別するようにトレーニングされた畳み込みニューラルネットワーク（ＣＮＮ）２１２を含み得る。いくつかの実施形態では、ＣＮＮ２１２は、特徴学習のための３つの畳み込み／最大プーリング層、続いてドロップアウトを伴う完全接続ネットワーク、および二項分類を実行するソフト最大活性化を含み得る。いくつかの実施形態では、ＣＮＮ２１２は、監視プラットフォーム１０４からの入力として、製造工程の開始前に構成要素の画像を受信することができる。画像に基づいて、ＣＮＮ２１２は、回復不能な故障が存在するかどうかを示すバイナリ出力（例えば、故障したか故障していないか）を生成するように構成することができる。
いくつかの実施形態では、ＣＮＮ２１２は、以下のクラスでトレーニングされ得る－故障した、または故障しなかった。トレーニングセットには、故障した構成要素の機能と故障していない構成要素の機能を含む構成要素の様々な画像が含まれ得る。いくつかの実施形態では、トレーニングセットは、各クラスの数千の例を含み得る。３Ｄ印刷の分野で特定の例を使用して、Ｙ（例えば、５００）層を含むファイルされた印刷には、印刷可能な層を表すＮの例と、失敗のＹ－Ｎの例が含まれ得るため、トレーニングセットには、各分類の適切な数のインスタンスが含まれ得、Ｎは印刷不良の層を表し得る。いくつかの実施形態では、所与のバッチは、印刷された１２個の標本を含み得、バッチあたり合計６０００枚の画像を含む。トレーニング画像の大規模なセットは、関心のある個々の領域で印刷不良の層を視覚的に識別し、それに応じてデータセットを分割することを含むラベル付けで収集できる。
いくつかの実施形態では、ＣＮＮ２１２は、より繊細なトレーニングセットでトレーニングすることができ、各構成要素について、２つ以上の処理工程を含み、各工程は、故障または故障していないとラベル付けされる。トレーニングセットには、故障した工程の特徴と故障していない工程の特徴を含む構成要素の様々な画像が含まれ得る。いくつかの実施形態では、トレーニングセットは、各クラスの数千の例を含み得る。
状態オートエンコーダ２０４は、特定の構成要素の状態符号化を生成するように構成され得る。いくつかの実施形態では、状態オートエンコーダ２０４は、構成要素が故障していない少なくとも１つの工程を含むことを故障分類器２０２によって決定すると、状態オートエンコーダを生成するように構成され得る。例えば、状態オートエンコーダ２０４は、エージェントが行動するための状態を生成するように構成され得る。いくつかの実施形態では、状態オートエンコーダ２０４は、エージェントが行動するための状態を生成するために、トレーニングされたユーザの教師なし方法であり得る。
図３は、例示的な実施形態による、状態オートエンコーダ２０４のアーキテクチャを示すブロック図である。示されるように、状態オートエンコーダ２０４は、エンコーダ部分３０２およびデコーダ部分３０４を含み得る。エンコーダ部分３０２およびデコーダ部分３０４は、それら自体のミラードバージョンであり得る。これにより、画像のコア構成要素を表すことができる任意の次元に情報を減らすように重みをトレーニングすることができる。
示されるように、エンコーダ部分３０２は、画像３０６、１つまたは複数の畳み込み層３０８、プーリング層３１０、および１つまたは複数の全結合層３１２を含み得る。いくつかの実施形態では、画像３０６は、標的構成要素または標本の監視プラットフォーム１０４から受信された入力画像を表すことができる。いくつかの実施形態では、１つまたは複数の畳み込み層３０８は、いくつかの畳み込み層を表すことができ、各畳み込み層は、入力画像に存在する特定の特徴を識別するように構成される。１つまたは複数の畳み込み層３０８を通過した後、１つまたは複数の畳み込み層３０８からの出力は、プーリング層３１０に提供され得る。プーリング層３１０は、画像の全体的なサイズを縮小するように構成することができる。プーリング層３１０の出力は、１つまたは複数の全結合層３１２に提供され得る。いくつかの実施形態では、１つまたは複数の全結合層３１２は、いくつかの全結合層３１２を表し得る。１つまたは複数の全結合層３１２は、出力として、修正エージェント２０６の状態定義として使用され得る特徴ベクトル３１４を生成することができる。特徴ベクトル３１４は、標的標本（例えば、標本の画像）の１つまたは複数の高次元特徴の符号化された低次元表現であり得る。符号化された特徴ベクトル３１４は、固定次元の潜在変数であり得る。特徴ベクトル３１４の次元は、符号化された潜在空間における高次元の特徴を最もよく表すために、ニューラルネットワーク設計プロセスの一部として選択され得る。
デコーダ部分３０４は、エンコーダ部分３０２によって生成された出力から入力画像を再構成するように構成され得る。デコーダ部分３０４は、１つまたは複数の全結合層３１６、１つまたは複数のアップサンプリング層３１８、１つまたは複数のデコンボリューション層３２０、および１つまたは複数の画像３２２を含み得る。１つまたは複数の全結合層３１６は、１つまたは複数の全結合層３１２からの入力を受け取ることができる。例えば、１つまたは複数の全結合層３１６は、エンコーダ部分３０２から、入力としてスケール除去された画像データを受け取ることができる。全結合層３１６は、１つまたは複数のアップサンプリング層３１８への入力を提供することができる。アップサンプリング層３１８は、全結合層３１６によって提供される入力の寸法をアップサンプリングまたは増加させるように構成され得る。アップサンプリング層３１８は、アップサンプリングされた画像を１つまたは複数のデコンボリューション層３２０に提供して、１つまたは複数の画像３２２を生成することができる。
図２に戻り参照すると、状態オートエンコーダ２０４によって生成された特徴ベクトルは、修正エージェント２０６への入力として提供され得る。修正エージェント２０６は、構成要素の現在の状態に基づいて構成要素の最終品質基準を予測し、予測された最終品質基準が許容値の範囲内にないと仮定して、取るべき１つまたは複数の修正処置を識別するように構成され得る。
図４は、例示的な実施形態による、修正エージェント２０６のアクタークリティックパラダイムのアーキテクチャを示すブロック図である。示されるように、修正エージェント２０６は、現在の状態４０２、アクターネットワーク（「アクター」）４０４、およびクリティックネットワーク（「クリティック」）４０６を含み得る。現在の状態４０２は、状態オートエンコーダ２０４によって生成された特徴ベクトル３１４を表すことができる。例えば、修正エージェント２０６は、特徴ベクトル３１４を受信し、並行して、それを２つの別個のネットワーク（アクター４０４およびクリティック４０６）への入力として使用することができる。
アクター４０４は、所与の状態定義に基づいて取られるべき修正処置の予測を生成するように構成され得る。例えば、特徴ベクトル３１４に基づいて、アクター４０４は、最終品質基準に基づいて取られるべき１つまたは複数の修正処置を生成するように構成され得る。いくつかの実施形態では、取られる許容可能なアクションのセットは、ユーザによって事前に設定され得る。例えば、３Ｄ印刷の場合、取られる許容可能なアクションのセットには、押し出されたプラスチックの長さの変更や、押出機ヘッドの速度の変更が含まれ得る。これらのアクションが選択されたのは、通常、３Ｄ印刷プロセスのすべての印刷移動に含まれ、命令ごとに押し出されるプラスチックの量と、印刷ヘッドの移動速度を決定するためである。両方の変数は、押し出しプロセスの精度に関連している。
示されるように、アクター４０４は、１つまたは複数の全結合層４０８、４１２、および１つまたは複数の活性化関数４１０、４１４を含み得る。いくつかの実施形態では、活性化関数４１０および４１４は、双曲線ｔａｎ（ｔａｎｈ）活性化関数であり得る。出力として、アクター４０４は、特徴ベクトル３１４によって定義されるように、構成要素の現在の状態に基づいて取られるアクションのセット（例えば、報酬セット４１６）を生成するように構成され得る。
クリティック４０６は、アクター４０４と同様のアーキテクチャを含み得る。例えば、クリティック４０６は、同様の１つまたは複数の全結合層４１８、４２２、および同様の１つまたは複数の活性化関数４２０、４２４を含み得る。アクター４０４とクリティック４０６の同一の入力の性質は、適切な変換に、連結までアクター４０４とクリティック４０６の両方の同一のネットワークアーキテクチャが含まれることを示唆している可能性がある。アクター４０４とクリティック４０６の両方のアーキテクチャはそれに応じて設計することができる。アクター４０４とクリティック４０６の両方に同様のアーキテクチャを採用することで、設計プロセスを単純、高速、およびデバッグしやすくすることができる。いくつかの実施形態では、次のネットワーク層のサイズおよび形状は、その連結に依存し得る。１つまたは複数の全結合層４１８、４２２からの出力は、アクター４０４によって生成されたアクションのセット（例えば、報酬セット４１６）とマージされ得る（例えば、マージ４２６）。クリティック４０６は、アクションのセットを使用して、全結合層４２８および活性化関数４３０を使用して、アクションの軌道にわたって品質の予測（例えば、予測４３２）を行うことができる。
図２に戻ると、予測エンジン１１２はデータベース２０８と通信し得る。データベース２０８は、１つまたは複数の以前の経験２１０を記憶することができる。以前の経験２１０は、所与の状態ベクトルに対して取られた推奨されるアクション、およびそれらの推奨されるアクションの結果としての対応する最終品質基準を表すことができる。このようにして、予測エンジン１１２は、許容可能な最終品質基準の範囲内にある最終品質基準をもたらす、構成要素の所与の状態に対して取るべきアクションを学習するために、そのパラメータを絶えず調整することができる。
図５は、例示的な実施形態による、実行中の多工程製造プロセスを修正する方法５００を示す流れ図である。方法５００は、工程５０２で開始することができる。
工程５０２において、標準的な命令セットが製造システム１０２に提供され得る。標準的な命令セットは、製造プロセスの命令のセットを表し得る。いくつかの実施形態では、標準的な命令セットが各ステーション１０８に提供され得る。そのような実施形態では、各標準的な命令セットは、それぞれのステーション１０８に対応する特定の製造工程の処理パラメータを指示することができる。
工程５０４において、制御モジュール１０６は、製造システム１０２が最終状態にあるかどうかを決定することができる。言い換えれば、制御モジュール１０６は、製造システム１０２が目標構成要素の完成を完了したかどうかを決定することができる。制御モジュール１０６が、製造システム１０２が最終状態にある（すなわち、構成要素が製造された）と決定した場合、方法５００は終了し得る。しかしながら、制御モジュール１０６が、製造システム１０２が最終状態にないと決定した場合、方法５００は、工程５０６に進むことができる。
工程５０６において、修正処置が所与の製造工程に適用され得る。例えば、修正エージェント２０６によって生成された予測に基づいて、制御モジュール１０６は、適用される修正処置に対応する１つまたは複数の処理パラメータを調整するように所与のステーション１０８に指示することができる。別の例では、修正エージェント２０６によって生成された予測に基づいて、制御モジュール１０６は、後続の工程の１つまたは複数の処理パラメータを調整することができる。いくつかの実施形態では、工程５０６は、構成要素が第１の処理工程を受けている状況、または修正エージェント２０６が修正されたアクションが必要でないと決定した場合など、任意選択であり得る。
工程５０８で、予測エンジン１１２は、処理工程の終わりに構成要素を検査することができる。例えば、予測エンジン１１２は、監視プラットフォーム１０４からの特定の処理工程の終わりに、構成要素の入力（例えば、１つまたは複数の画像）を受け取ることができる。入力を使用して、故障分類器２０２は、回復不能な故障が存在するかどうかを決定することができる。例えば、故障分類器２０２は、回復不能な故障が存在するかどうかを決定するために画像の様々な特徴を識別するようにトレーニングされたＣＮＮ２１２に画像を提供することができる。
工程５１０において、予測エンジン１１２は、回復不能な故障が存在するかどうかを決定することができる。いくつかの実施形態では、製造プロセスで構成要素を処理するためのすべての工程が故障した場合、回復不能な故障が存在する可能性がある。工程５１０で、予測エンジン１１２が、回復不能な故障が存在する（すなわち、すべての工程が故障した）と決定した場合、製造プロセスは終了し得る。しかしながら、工程５１０で、予測エンジン１１２が、構成要素を処理するための少なくとも１つの工程が故障していないと決定した場合、回復不能な故障は存在せず、方法５００は工程５１４に進むことができる。
工程５１４で、予測エンジン１１２は、特定の処理工程のための状態符号化を生成することができる。例えば、状態オートエンコーダ２０４は、少なくとも１つの工程が故障していないという故障分類器２０２による決定に基づいて、製造工程のための状態符号化を生成するように構成され得る。状態オートエンコーダ２０４は、監視プラットフォーム１０４によって取得された受信入力（例えば、構成要素の１つまたは複数の画像）に基づいて状態符号化を生成することができる。
工程５１６で、予測エンジン１１２は、入力および状態符号化に基づいて、次のステーションで取られるべき修正処置を決定することができる。例えば、修正エージェント２０６は、構成要素の現在の状態に基づいて構成要素の最終品質基準を予測し、予測された最終品質基準が許容値の範囲内にないと仮定して、取るべき１つまたは複数の修正処置を識別するように構成され得る。予測エンジン１１２は、次の処理工程に対応するそれぞれのプロセスコントローラ１１４に修正処置を送信することができる。いくつかの実施形態では、修正処置は、故障を経験していない工程を処理し続けながら、下流ステーション１０８が故障を経験した構成要素を製造するための工程の処理を停止するという命令を含み得る。
工程５１６に続いて、方法５００は工程５０４に戻ることができ、制御モジュール１０６は、製造システム１０２が最終状態にあるかどうかを決定することができる。制御モジュール１０６が、製造システム１０２が最終状態にある（すなわち、構成要素が製造された）と決定した場合、方法５００は終了する。しかしながら、制御モジュール１０６が、製造システム１０２が最終状態にないと決定した場合、方法５００は、工程５０６に進むことができる。
工程５０６において、修正処置が所与の製造工程に適用され得る。例えば、工程５１６で修正エージェント２０６によって生成された予測に基づいて、制御モジュール１０６は、適用される修正処置に対応する１つまたは複数の処理パラメータを調整するように所与のステーション１０８に指示することができる。別の例では、工程５１６で修正エージェント２０６によって生成された予測に基づいて、制御モジュール１０６は、適用される修正処置に対応する後続の工程の１つまたは複数の処理パラメータを調整することができる。
以下のプロセスは、制御モジュール１０６が製造システム１０２が最終状態にあると決定するまで繰り返され得る。
図６Ａは、例示的な実施形態による、システムバスコンピューティングシステムアーキテクチャ６００を示している。システム６００の１つまたは複数の構成要素は、バス６０５を使用して互いに電気的に通信していてもよい。システム６００は、プロセッサ（例えば、１つまたは複数のＣＰＵ、ＧＰＵまたは他のタイプのプロセッサ）６１０と、読み取り専用メモリ（ＲＯＭ）６２０およびランダムアクセスメモリ（ＲＡＭ）６２５などのシステムメモリ６１５を含む様々なシステム構成要素をプロセッサ６１０に結合するシステムバス６０５とを含み得る。システム６００は、プロセッサ６１０に直接接続されているか、近接しているか、またはプロセッサ６１０の一部として統合されている高速メモリのキャッシュを含むことができる。システム６００は、プロセッサ６１０による迅速なアクセスのために、メモリ６１５および／またはストレージデバイス６３０からキャッシュ６１２にデータをコピーすることができる。このようにして、キャッシュ６１２は、データを待機している間のプロセッサ６１０の遅延を回避する性能の向上を提供することができる。これらおよび他のモジュールは、プロセッサ６１０を制御するか、または制御して様々なアクションを実行するように構成することができる。他のシステムメモリ６１５も同様に使用可能であり得る。メモリ６１５は、異なる性能特性を備えた複数の異なるタイプのメモリを含み得る。プロセッサ６１０は、単一のプロセッサまたは複数のプロセッサを表すことができる。プロセッサ６１０は、プロセッサ６１０およびソフトウェア命令が実際のプロセッサ設計に組み込まれている専用プロセッサを制御するように構成された、ストレージデバイス６３０に記憶されたサービス１ ６３２、サービス２ ６３４、およびサービス３ ６３６などの汎用プロセッサまたはハードウェアモジュールまたはソフトウェアモジュールのうちの１つまたは複数を含むことができる。プロセッサ６１０は、本質的に、複数のコアまたはプロセッサ、バス、メモリコントローラ、キャッシュなどを含む、完全に自己完結型のコンピューティングシステムであり得る。マルチコアプロセッサは、対称または非対称であり得る。
コンピューティングデバイス６００とのユーザ相互作用を可能にするために、入力デバイス６４５は、音声用のマイクロフォン、ジェスチャまたはグラフィック入力用のタッチセンシティブスクリーン、キーボード、マウス、モーション入力、音声などの任意の数の入力メカニズムであり得る。出力デバイス６３５はまた、当業者に知られているいくつかの出力機構のうちの１つまたは複数であり得る。場合によっては、マルチモーダルシステムは、ユーザがコンピューティングデバイス６００と通信するために複数のタイプの入力を提供することを可能にすることができる。通信インターフェース６４０は、一般に、ユーザ入力およびシステム出力を運営および管理することができる。特定のハードウェア構成での動作に制限はない。したがって、ここでの基本機能は、開発時に改善されたハードウェアまたはファームウェア構成に簡単に置き換えることができる。
ストレージデバイス６３０は、不揮発性メモリであり得るか、ハードディスクまたは、磁気カセット、フラッシュメモリカード、ソリッドステートメモリデバイス、デジタル多用途ディスク、カートリッジ、ランダムアクセスメモリ（ＲＡＭ）６２５、読み取り専用メモリ（ＲＯＭ）６２０、およびそれらのハイブリッドなどの、コンピュータによってアクセス可能なデータを記憶することができる他のタイプのコンピュータ可読媒体であり得る。
ストレージデバイス６３０は、プロセッサ６１０を制御するためのサービス６３２、６３４、および６３６を含むことができる。他のハードウェアまたはソフトウェアモジュールが企図されている。ストレージデバイス６３０は、システムバス６０５に接続することができる。一態様では、特定の機能を実行するハードウェアモジュールは、機能を実行するために必要なハードウェア構成要素（プロセッサ６１０、バス６０５、ディスプレイ６３５など）に関連してコンピュータ可読媒体に記憶されたソフトウェア構成要素を含むことができる。
図６Ｂは、例示的な実施形態による、チップセットアーキテクチャを有するコンピュータシステム６５０を示している。コンピュータシステム６５０は、開示された技術を実装するために使用することができるコンピュータハードウェア、ソフトウェア、およびファームウェアの一例であり得る。システム６５０は、識別された計算を実行するように構成されたソフトウェア、ファームウェア、およびハードウェアを実行することができる任意の数の物理的および／または論理的に異なるリソースを表す１つまたは複数のプロセッサ６５５を含むことができる。１つまたは複数のプロセッサ６５５は、１つまたは複数のプロセッサ６５５への入力および１つまたは複数のプロセッサ６５５からの出力を制御することができるチップセット６６０と通信することができる。この例では、チップセット６６０は、情報をディスプレイなどの出力６６５に出力し、例えば、磁気媒体および固体媒体を含むことができるストレージデバイス６７０に対して情報を読み書きすることができる。チップセット６６０は、ＲＡＭ６７５との間でデータの読み取りと書き込みを行うこともできる。チップセット６６０とインターフェースするために、様々なユーザインターフェース構成要素６８５とインターフェースするためのブリッジ６８０を提供することができる。そのようなユーザインターフェース構成要素６８５は、キーボード、マイクロフォン、タッチ検出および処理回路、マウスなどのポインティングデバイスなどを含むことができる。一般に、システム６５０への入力は、機械によって生成された、および／または人間によって生成された、様々なソースのいずれかから来ることができる。
チップセット６６０はまた、異なる物理的インターフェースを有することができる１つまたは複数の通信インターフェース６９０とインターフェースすることができる。このような通信インターフェースには、有線および無線のローカルエリアネットワーク、ブロードバンドワイヤレスネットワーク、およびパーソナルエリアネットワークのインターフェースを含めることができる。本明細書に開示されるＧＵＩを生成、表示、および使用するための方法のいくつかの用途は、物理インターフェースを介して順序付けられたデータセットを受信することを含むことができ、またはストレージ６７０もしくは６７５に記憶されたデータを分析する１つもしくは複数のプロセッサ６５５によってマシン自体によって生成され得る。さらに、マシンは、ユーザインターフェース構成要素６８５を介してユーザから入力を受け取り、１つまたは複数のプロセッサ６５５を使用してこれらの入力を解釈することによってブラウジング機能などの適切な機能を実行することができる。
例示的なシステム６００および６５０は、複数のプロセッサ６１０を有することができるか、またはより大きな処理能力を提供するために一緒にネットワーク化されたコンピューティングデバイスのグループまたはクラスタの一部であり得ることが理解され得る。
上記は本明細書に記載の実施形態に向けられているが、他のさらなる実施形態は、その基本的な範囲から逸脱することなく考案され得る。例えば、本開示の態様は、ハードウェアまたはソフトウェア、あるいはハードウェアとソフトウェアの組み合わせで実装され得る。本明細書で説明される一実施形態は、コンピュータシステムで使用するためのプログラム製品として実装され得る。プログラム製品のプログラムは、実施形態の機能（本明細書に記載の方法を含む）を定義し、様々なコンピュータ可読記憶媒体に含めることができる。例示的なコンピュータ可読記憶媒体には、以下が含まれるが、これらに限定されない。（ｉ）情報が永続的に保存される書き込み不可能な記憶媒体（例えば、ＣＤ－ＲＯＭドライブによって読み取り可能なＣＤ－ＲＯＭディスク、フラッシュメモリ、ＲＯＭチップ、または任意のタイプのソリッドステート不揮発性メモリなどのコンピュータ内の読み取り専用メモリ（ＲＯＭ）デバイス）、（ｉｉ）変更可能な情報が記憶される書き込み可能な記憶媒体（例えば、ディスケットドライブもしくはハードディスクドライブ内のフロッピーディスク、または任意のタイプのソリッドステートランダムアクセスメモリ）。そのようなコンピュータ可読記憶媒体は、開示された実施形態の機能を指示するコンピュータ可読命令を運ぶ場合、本開示の実施形態である。
前述の実施例は例示的なものであり、限定的ではないことが当業者には理解されよう。明細書を読み、図面を研究すると、それらに対するすべての順列、拡張、同等物、および改善が当業者に明らかであり、本開示の真の趣旨および範囲に含まれることが意図されている。したがって、以下の添付の特許請求の範囲には、これらの教示の真の趣旨と範囲に含まれるすべてのそのような修正、順列、および同等物が含まれることが意図されている。

Claims (20)

  1. 各ステーションが、構成要素の多工程製造プロセスで少なくとも１つの工程を実行するように構成されている、１つまたは複数のステーションと、
    前記多工程製造プロセス全体で前記構成要素の進行を監視するように構成された監視プラットフォームと、
    前記多工程製造プロセスの各工程の処理パラメータを動的に調整して、前記構成要素の所望の最終品質基準を達成するように構成された制御モジュールであって、
    前記多工程製造プロセスの工程で、前記監視プラットフォームから前記構成要素に関連付けられた入力を受け取ることと、
    前記制御モジュールによって、複数の工程の少なくとも第１の工程が回復不能な故障を経験しておらず、前記複数の工程の少なくとも第２の工程が前記回復不能な故障を経験していることを決定することと、
    前記決定に基づいて、前記制御モジュールによって、前記入力に基づいて前記構成要素の状態符号化を生成することと、
    前記制御モジュールによって、前記状態符号化および前記構成要素の前記入力に基づいて、前記最終品質基準が許容値の範囲内にないことを決定することと、
    前記決定に基づいて、前記制御モジュールにより、少なくとも次のステーションの制御論理を調整することとであって、前記調整は、前記次のステーションによって実行される修正処置と、少なくとも前記第２の工程の処理を停止するための命令とを含む、調整することと、を含む、動作を実行するように構成された制御モジュールと、を含む、製造システム。
  2. 前記構成要素の処理が完了するまで前記最終品質基準を測定することができない、請求項１に記載の製造システム。
  3. 前記制御モジュールによって、少なくとも前記次のステーションの前記制御論理を調整することは、
    前記次のステーションによって実行される前記修正処置を識別することと、
    前記修正処置と前記状態符号化に基づいて前記最終品質基準を予測することと、を含む、請求項１に記載の製造システム。
  4. 前記動作が、
    畳み込みニューラルネットワークをトレーニングして、前記回復不能な故障がいつ存在するかを識別することをさらに含む、請求項１に記載の製造システム。
  5. 前記入力が画像を含み、前記制御モジュールが、畳み込みニューラルネットワークを使用して前記回復不能な故障が存在することを決定する、請求項４に記載の製造システム。
  6. 前記制御モジュールにより、少なくとも前記次のステーションの前記制御論理を調整することは、
    さらに次のステーションのさらなる制御論理を調整することを含む、請求項１に記載の製造システム。
  7. 前記１つまたは複数の処理ステーションのそれぞれは、３Ｄ印刷プロセスにおける積層に対応する、請求項１に記載の製造システム。
  8. 製造システムの監視プラットフォームからコンピューティングシステムによって、各ステーションが、多工程製造プロセスの工程を実行するように構成されている、１つまたは複数のステーションのステーションにある構成要素の画像を受信することと、
    前記コンピューティングシステムによって、複数の工程の少なくとも第１の工程が回復不能な故障を経験しておらず、前記複数の工程の少なくとも第２の工程が前記回復不能な故障を経験していることを決定することと、
    前記決定に基づいて、前記コンピューティングシステムによって、前記構成要素の前記画像に基づいて前記構成要素の状態符号化を生成することと、
    前記コンピューティングシステムによって、前記状態符号化および前記構成要素の前記画像に基づいて、前記構成要素の最終品質基準が許容値の範囲内にないことを決定することと、
    前記決定に基づいて、前記コンピューティングシステムにより、少なくとも次のステーションの制御論理を調整することであって、前記調整は、前記次のステーションによって実行される修正処置と、少なくとも前記第２の工程の処理を停止するための命令とを含む、調整することと、を含む、多工程製造方法。
  9. 前記構成要素の処理が完了するまで前記最終品質基準を測定することができない、請求項８に記載の多工程製造方法。
  10. 前記コンピューティングシステムによって、少なくとも前記次のステーションの前記制御論理を調整することは、
    前記次のステーションによって実行される前記修正処置を識別することと、
    前記修正処置と前記状態符号化に基づいて前記最終品質基準を予測することと、を含む請求項８に記載の多工程製造方法。
  11. 前記コンピューティングシステムによって、前記回復不能な故障がいつ存在するかを識別するための畳み込みニューラルネットワークをトレーニングすることをさらに含む、請求項８に記載の多工程製造方法。
  12. 前記コンピューティングシステムは、畳み込みニューラルネットワークを使用して、回復不能な故障が存在することを決定する、請求項１１に記載の多工程製造方法。
  13. 前記コンピューティングシステムによって少なくとも前記次のステーションの前記制御論理を調整することは、
    さらに次のステーションのさらなる制御論理を調整することを含む、請求項８に記載の多工程製造方法。
  14. 前記１つまたは複数のステーションのそれぞれは、３Ｄ印刷プロセスにおける積層に対応する、請求項８に記載の多工程製造方法。
  15. 構成要素を形成するために複数の層を堆積するように構成された処理ステーションと、
    堆積プロセス全体を通して前記構成要素の進行を監視するように構成された監視プラットフォームと、
    前記複数の層の各層の処理パラメータを動的に調整して、前記構成要素の所望の最終品質測定基準を達成するように構成された制御モジュールであって、
    層が堆積された後、前記監視プラットフォームから前記構成要素の画像を受信することと、
    前記制御モジュールによって、複数の工程の少なくとも第１の工程が回復不能な故障を経験しておらず、前記複数の工程の少なくとも第２の工程が前記回復不能な故障を経験していることを決定することと、
    前記制御モジュールによって、前記構成要素の前記画像に基づいて前記構成要素の状態符号化を生成することと、
    前記制御モジュールによって、前記状態符号化および前記構成要素の前記画像に基づいて、前記最終品質基準が許容値の範囲内にないことを決定することと、
    前記決定に基づいて、前記制御モジュールによって、前記複数の層の少なくとも次の層を堆積するための制御論理を調整することであって、前記調整は、前記次の層の堆積中に実行される修正処置と、少なくとも前記第２の工程の処理を停止する命令とを含む、調整することと、を含む動作を実行するように構成された制御モジュールと、を含む、３次元（３Ｄ）印刷システム。
  16. 前記構成要素の処理が完了するまで、前記最終品質基準を測定することができない、請求項１５に記載のシステム。
  17. 前記制御モジュールによって、少なくとも前記次の層を堆積するための前記制御論理を調整することは、
    前記次の層の堆積中に実行される前記修正処置を識別することと、
    前記修正処置と前記状態符号化に基づいて前記最終品質基準を予測することと、を含む、請求項１５に記載のシステム。
  18. 畳み込みニューラルネットワークをトレーニングして、前記回復不能な故障がいつ存在するかを識別することをさらに含む、請求項１５に記載のシステム。
  19. 前記制御モジュールが、前記畳み込みニューラルネットワークを使用して前記回復不能な故障が存在することを決定する、請求項１８に記載のシステム。
  20. 少なくとも前記次の層を堆積するために、前記制御論理を調整することは、
    さらに次の層のさらなる制御論理を調整することを含む、請求項１５に記載のシステム。
JP2022525444A 2019-11-07 2020-11-06 製造プロセスのためのシステム、方法、および媒体 Active JP7289171B2 (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2023084779A JP2023113719A (ja) 2019-11-07 2023-05-23 製造プロセスのためのシステム、方法、および媒体

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US201962932043P 2019-11-07 2019-11-07
US62/932,043 2019-11-07
PCT/US2020/059336 WO2021092327A1 (en) 2019-11-07 2020-11-06 Systems, methods, and media for manufacturing processes

Related Child Applications (1)

Application Number Title Priority Date Filing Date
JP2023084779A Division JP2023113719A (ja) 2019-11-07 2023-05-23 製造プロセスのためのシステム、方法、および媒体

Publications (2)

Publication Number Publication Date
JP2022554303A true JP2022554303A (ja) 2022-12-28
JP7289171B2 JP7289171B2 (ja) 2023-06-09

Family

ID=75846324

Family Applications (2)

Application Number Title Priority Date Filing Date
JP2022525444A Active JP7289171B2 (ja) 2019-11-07 2020-11-06 製造プロセスのためのシステム、方法、および媒体
JP2023084779A Pending JP2023113719A (ja) 2019-11-07 2023-05-23 製造プロセスのためのシステム、方法、および媒体

Family Applications After (1)

Application Number Title Priority Date Filing Date
JP2023084779A Pending JP2023113719A (ja) 2019-11-07 2023-05-23 製造プロセスのためのシステム、方法、および媒体

Country Status (7)

Country Link
US (1) US20210138735A1 (ja)
EP (1) EP4054819A4 (ja)
JP (2) JP7289171B2 (ja)
KR (1) KR20220077144A (ja)
CN (1) CN114641386A (ja)
TW (3) TWI802374B (ja)
WO (1) WO2021092327A1 (ja)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11100221B2 (en) 2019-10-08 2021-08-24 Nanotronics Imaging, Inc. Dynamic monitoring and securing of factory processes, equipment and automated systems
US20210192779A1 (en) * 2019-11-06 2021-06-24 Nanotronics Imaging, Inc. Systems, Methods, and Media for Manufacturing Processes
US20210311440A1 (en) * 2019-11-06 2021-10-07 Nanotronics Imaging, Inc. Systems, Methods, and Media for Manufacturing Processes
US11086988B1 (en) 2020-02-28 2021-08-10 Nanotronics Imaging, Inc. Method, systems and apparatus for intelligently emulating factory control systems and simulating response data

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH11243041A (ja) * 1998-02-26 1999-09-07 Mitsubishi Electric Corp 品質管理システムおよび記録媒体
JP2000094275A (ja) * 1998-09-22 2000-04-04 Yokogawa Electric Corp 生産システム
JP3380849B2 (ja) * 1997-02-06 2003-02-24 松下電器産業株式会社 処理レート算出方法
JP6198224B2 (ja) * 2014-02-14 2017-09-20 株式会社ｓｍａｒｔ−ＦＯＡ 情報収集システム、情報収集方法、及び情報収集プログラム
JP2019507236A (ja) * 2015-12-10 2019-03-14 ヴェロ・スリー・ディー・インコーポレイテッド 性能向上した３次元印刷
JP2019159510A (ja) * 2018-03-09 2019-09-19 キヤノン株式会社 印刷物製造計画作成装置
JP2020127968A (ja) * 2019-02-07 2020-08-27 パナソニックＩｐマネジメント株式会社 学習装置および切断加工評価システム
JP6833090B2 (ja) * 2020-05-22 2021-02-24 三菱電機株式会社 工作機械の加工寸法予測装置、工作機械の加工寸法予測システム、工作機械の設備異常判定装置、工作機械の加工寸法予測方法及びプログラム
JP2022515094A (ja) * 2018-12-18 2022-02-17 アルセロールミタル 中間金属製品のグループからの最終金属製品のグループの製造を制御するための方法および電子デバイス、関連するコンピュータプログラム、製造方法および設備
JP7027536B2 (ja) * 2019-01-15 2022-03-01 Ｊｆｅスチール株式会社 解析システム及び解析方法
JP7121649B2 (ja) * 2018-12-18 2022-08-18 株式会社ミマキエンジニアリング 生産管理システムおよび生産管理プログラム
JP7192190B2 (ja) * 2019-06-27 2022-12-20 三菱ケミカルエンジニアリング株式会社 生産システム、生産方法、及び制御装置

Family Cites Families (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8185230B2 (en) * 2002-08-22 2012-05-22 Advanced Micro Devices, Inc. Method and apparatus for predicting device electrical parameters during fabrication
US20160067779A1 (en) * 2013-04-26 2016-03-10 United Technologies Corporation Local contamination detection in additive manufacturing
US9855698B2 (en) 2013-08-07 2018-01-02 Massachusetts Institute Of Technology Automatic process control of additive manufacturing device
CN107408297B (zh) * 2014-11-24 2021-02-02 基托夫系统有限公司 自动检查
US10421267B2 (en) * 2015-02-12 2019-09-24 Arevo, Inc. Method to monitor additive manufacturing process for detection and in-situ correction of defects
CN107839236B (zh) * 2016-09-21 2019-07-30 三纬国际立体列印科技股份有限公司 3d印表机的校正方法
US10953647B2 (en) * 2017-01-06 2021-03-23 International Business Machines Corporation Methods and systems for detecting and rectifying faults in 3D printing processes
EP3375607A1 (de) * 2017-03-15 2018-09-19 Heraeus Additive Manufacturing GmbH Verfahren zum bestimmen von druckprozessparameterwerten, verfahren zum steuern eines 3d-druckers, computer-lesbares speichermedium und 3d-drucker
US10234848B2 (en) * 2017-05-24 2019-03-19 Relativity Space, Inc. Real-time adaptive control of additive manufacturing processes using machine learning
US10753955B2 (en) * 2017-06-30 2020-08-25 General Electric Company Systems and method for advanced additive manufacturing
US11511373B2 (en) * 2017-08-25 2022-11-29 Massachusetts Institute Of Technology Sensing and control of additive manufacturing processes
KR20190118300A (ko) 2018-04-10 2019-10-18 이성범 적립 포인트 또는 스마트폰의 폰빌링을 이용한 톨게이트 통행료 지불방법
EP4028228A4 (en) * 2019-09-10 2023-09-27 Nanotronics Imaging, Inc. SYSTEMS, METHODS AND MEDIA FOR MANUFACTURING PROCESSES

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3380849B2 (ja) * 1997-02-06 2003-02-24 松下電器産業株式会社 処理レート算出方法
JPH11243041A (ja) * 1998-02-26 1999-09-07 Mitsubishi Electric Corp 品質管理システムおよび記録媒体
JP2000094275A (ja) * 1998-09-22 2000-04-04 Yokogawa Electric Corp 生産システム
JP6198224B2 (ja) * 2014-02-14 2017-09-20 株式会社ｓｍａｒｔ−ＦＯＡ 情報収集システム、情報収集方法、及び情報収集プログラム
JP2019507236A (ja) * 2015-12-10 2019-03-14 ヴェロ・スリー・ディー・インコーポレイテッド 性能向上した３次元印刷
JP2019159510A (ja) * 2018-03-09 2019-09-19 キヤノン株式会社 印刷物製造計画作成装置
JP2022515094A (ja) * 2018-12-18 2022-02-17 アルセロールミタル 中間金属製品のグループからの最終金属製品のグループの製造を制御するための方法および電子デバイス、関連するコンピュータプログラム、製造方法および設備
JP7121649B2 (ja) * 2018-12-18 2022-08-18 株式会社ミマキエンジニアリング 生産管理システムおよび生産管理プログラム
JP7027536B2 (ja) * 2019-01-15 2022-03-01 Ｊｆｅスチール株式会社 解析システム及び解析方法
JP2020127968A (ja) * 2019-02-07 2020-08-27 パナソニックＩｐマネジメント株式会社 学習装置および切断加工評価システム
JP7192190B2 (ja) * 2019-06-27 2022-12-20 三菱ケミカルエンジニアリング株式会社 生産システム、生産方法、及び制御装置
JP6833090B2 (ja) * 2020-05-22 2021-02-24 三菱電機株式会社 工作機械の加工寸法予測装置、工作機械の加工寸法予測システム、工作機械の設備異常判定装置、工作機械の加工寸法予測方法及びプログラム

Also Published As

Publication number Publication date
CN114641386A (zh) 2022-06-17
KR20220077144A (ko) 2022-06-08
TWI765403B (zh) 2022-05-21
WO2021092327A1 (en) 2021-05-14
TW202228975A (zh) 2022-08-01
TWI847645B (zh) 2024-07-01
JP7289171B2 (ja) 2023-06-09
TWI802374B (zh) 2023-05-11
TW202330242A (zh) 2023-08-01
TW202134025A (zh) 2021-09-16
EP4054819A1 (en) 2022-09-14
JP2023113719A (ja) 2023-08-16
EP4054819A4 (en) 2023-11-29
US20210138735A1 (en) 2021-05-13

Similar Documents

Publication Publication Date Title
US11117328B2 (en) Systems, methods, and media for manufacturing processes
JP7289171B2 (ja) 製造プロセスのためのシステム、方法、および媒体
JP7320885B2 (ja) 製造プロセスのためのシステム、方法、および媒体
US20210263495A1 (en) Systems, Methods, and Media for Manufacturing Processes
JP7320884B2 (ja) 製造プロセスのためのシステム、方法、および媒体
JP2023516776A (ja) 製造プロセスのためのシステム、方法及び媒体
JP2023530944A (ja) 製造プロセスのためのシステム、方法、および媒体

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20220624

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: 20230428

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20230523

R150 Certificate of patent or registration of utility model

Ref document number: 7289171

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150