JP5157359B2 - 時系列データ解析装置、時系列データ解析システム、時系列データ解析装置の制御方法、プログラム、および記録媒体 - Google Patents
時系列データ解析装置、時系列データ解析システム、時系列データ解析装置の制御方法、プログラム、および記録媒体 Download PDFInfo
- Publication number
- JP5157359B2 JP5157359B2 JP2007264959A JP2007264959A JP5157359B2 JP 5157359 B2 JP5157359 B2 JP 5157359B2 JP 2007264959 A JP2007264959 A JP 2007264959A JP 2007264959 A JP2007264959 A JP 2007264959A JP 5157359 B2 JP5157359 B2 JP 5157359B2
- Authority
- JP
- Japan
- Prior art keywords
- data
- prediction
- time
- smoothed
- fluctuation
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims description 188
- 238000007405 data analysis Methods 0.000 title claims description 34
- 230000008569 process Effects 0.000 claims description 139
- 238000009499 grossing Methods 0.000 claims description 70
- 230000006870 function Effects 0.000 claims description 65
- 238000004519 manufacturing process Methods 0.000 claims description 54
- 210000002569 neuron Anatomy 0.000 claims description 39
- 230000005856 abnormality Effects 0.000 claims description 32
- 238000007689 inspection Methods 0.000 claims description 31
- 230000008859 change Effects 0.000 claims description 26
- 230000010354 integration Effects 0.000 claims description 15
- 238000001514 detection method Methods 0.000 claims description 13
- 238000010276 construction Methods 0.000 claims description 10
- 238000012545 processing Methods 0.000 description 46
- 230000001364 causal effect Effects 0.000 description 32
- 238000005259 measurement Methods 0.000 description 24
- 229910000679 solder Inorganic materials 0.000 description 23
- 238000000926 separation method Methods 0.000 description 18
- 238000013075 data extraction Methods 0.000 description 16
- 239000000758 substrate Substances 0.000 description 16
- 238000010586 diagram Methods 0.000 description 12
- 238000004364 calculation method Methods 0.000 description 11
- 238000013528 artificial neural network Methods 0.000 description 9
- 238000007639 printing Methods 0.000 description 8
- 239000000284 extract Substances 0.000 description 7
- 230000002159 abnormal effect Effects 0.000 description 6
- 238000004891 communication Methods 0.000 description 6
- 230000000875 corresponding effect Effects 0.000 description 6
- 238000013441 quality evaluation Methods 0.000 description 6
- 230000002950 deficient Effects 0.000 description 5
- 238000006073 displacement reaction Methods 0.000 description 5
- 230000000306 recurrent effect Effects 0.000 description 5
- 239000006071 cream Substances 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 230000002123 temporal effect Effects 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 238000010606 normalization Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 230000002596 correlated effect Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- GHURLXDGHMZIGJ-UHFFFAOYSA-N 4-hydroxy-6-(2-oxoheptyl)pyran-2-one Chemical compound CCCCCC(=O)CC1=CC(O)=CC(=O)O1 GHURLXDGHMZIGJ-UHFFFAOYSA-N 0.000 description 1
- 101150012579 ADSL gene Proteins 0.000 description 1
- 102100020775 Adenylosuccinate lyase Human genes 0.000 description 1
- 108700040193 Adenylosuccinate lyases Proteins 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 238000007417 hierarchical cluster analysis Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000000155 melt Substances 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000005316 response function Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001568 sexual effect Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 230000036962 time dependent Effects 0.000 description 1
- 238000003466 welding Methods 0.000 description 1
- 238000009736 wetting Methods 0.000 description 1
- 210000000707 wrist Anatomy 0.000 description 1
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Description
本発明の一実施形態について図1〜図17に基づいて説明すると以下の通りである。なお、以下では、一例として基板の部品取り付けからハンダの溶着までの基板実装工程における品質特性予測について説明を行うが、これに限るものではない。例えば、各地の気温に基づく消費電力予想などであってもよい。適切な目的変数および設定変を定義し、異なる特性を分離し、特性ごとにモデリングを行えば、どのような予測であってもよい。
データに基づいて、データとRBFNの出力との誤差が小さくなるように適切なパラメータを推定することが、RBFNにおける学習となる。
本実施形態の予測システムでは、図1から図17に示されるシステムに比べて、差分変動の非線形予測におけるモデル化の処理の方法が一部異なる構成となっており、その他の構成は同様である。具体的には、図8に示すパラメータのうち、上記実施形態では用いなかった、(1)目標値付近に配置するRBFNの中間層ニューロンの数Nk、および(2)目標値Taを新たなパラメータとして使用する構成となっている。
2 時系列データ解析装置(時系列データ解析装置)
10 取得部
12 目的変数取得部(目的変数取得手段)
14 説明変数取得部(説明変数取得手段)
20 学習部
30 特性分離部
32 平滑化データ抽出部(平滑化データ抽出手段)
34 差分データ抽出部(差分データ抽出手段)
40 予測学習部
42 平滑化データモデリング部(平滑化データモデリング手段)
44 差分データモデリング部(差分データモデリング手段)
52 差分変動モデル(差分データ変動モデル)
54 平滑化変動モデル(平滑化データ変動モデル)
60 パラメータ設定部(閾値設定手段)
70 予測部
72 差分変動予測部(差分変動予測手段)
74 平滑化変動予測部(平滑化変動予測手段)
76 予測統合部(予測統合手段)
78 原因推定部(変動要因推定手段)
80 工程処理装置
82 印刷検査装置(説明変数検査装置)
84 ずれ検査装置(説明変数検査装置)
86 フィレット長検査装置(目的変数検査装置)
90 工程管理装置
92 印刷装置
94 装着装置
96 リフロー装置
Claims (11)
- 所定のシステムにおける複数種類の特性値の検知結果情報に基づいて該システムにおける予測対象特性値の時系列データを解析する時系列データ解析装置であって、
上記予測対象特性値の過去の検知結果からなる時系列データを取得する時系列データ取得手段と、
上記時系列データを所定の基準で平滑化した平滑化データを算出する平滑化データ取得手段と、
上記時系列データと上記平滑化データとの差を差分データとして算出する差分データ取得手段と、
上記平滑化データの過去の変動を解析することによって、時間経過と上記平滑化データの変動との対応関係を平滑化データ変動モデルとして特定する平滑化データモデリング手段と、
上記差分データの変動に影響を与える上記特性値の種類を変動要因特性値として特定し、該変動要因特性値の変動と上記差分データの変動との対応関係を差分データ変動モデルとして特定する差分データモデリング手段と、
上記平滑化データ変動モデルまたは上記差分データ変動モデルから、予測対象時点での特性値を予測する予測手段であって、上記予測対象時点の平滑化データの予測値を上記平滑化データ変動モデルに基づいて算出する平滑化データ予測手段を有する予測手段と、を備え、
上記所定のシステムにおける複数種類の特性値は、生産システムにおける生産ラインの各工程で検知されるセンサ情報であり、
上記予測対象特性値の時系列データは、上記生産ラインにおける生産対象物の品質特性の時系列データであり、
上記平滑化データ予測手段による予測結果から、上記生産対象物の品質特性を管理するための閾値である管理限界値の上限値および下限値を設定する閾値設定手段をさらに備えることを特徴とする時系列データ解析装置。 - 所定のシステムにおける複数種類の特性値の検知結果情報に基づいて該システムにおける予測対象特性値の時系列データを解析する時系列データ解析装置であって、
上記予測対象特性値の過去の検知結果からなる時系列データを取得する時系列データ取得手段と、
上記時系列データを所定の基準で平滑化した平滑化データを算出する平滑化データ取得手段と、
上記時系列データと上記平滑化データとの差を差分データとして算出する差分データ取得手段と、
上記平滑化データの過去の変動を解析することによって、時間経過と上記平滑化データの変動との対応関係を平滑化データ変動モデルとして特定する平滑化データモデリング手段と、
上記差分データの変動に影響を与える上記特性値の種類を変動要因特性値として特定し、該変動要因特性値の変動と上記差分データの変動との対応関係を差分データ変動モデルとして特定する差分データモデリング手段と、
上記平滑化データ変動モデルまたは上記差分データ変動モデルから、予測対象時点での特性値を予測する予測手段と、を備え、
上記予測手段は、上記予測対象時点の特性値を取得し、上記差分データ変動モデルに基づいて上記差分データの予測値を算出する差分データ予測手段と、
上記予測対象時点の平滑化データの予測値を上記平滑化データ変動モデルに基づいて算出する平滑化データ予測手段と、
上記差分データ予測手段による予測結果と、上記平滑化データ予測手段による予測結果とに基づいて、上記予測対象時点の特性値の予測値を算出する予測統合手段とを有すものであり、
上記所定のシステムにおける複数種類の特性値は、生産システムにおける生産ラインの各工程で検知されるセンサ情報であり、
上記予測対象特性値の時系列データは、上記生産ラインにおける生産対象物の品質特性の時系列データであり、
上記差分データ予測手段による予測結果から、上記生産対象物の突発変化に伴う品質の異常を管理するための閾値である突発異常原因推定基準の上限値および下限値を設定する閾値設定手段をさらに備えることを特徴とする時系列データ解析装置。 - 上記差分データモデリング手段として、中間層ニューロンを持つ動径基底関数ネットワークを用い、
上記差分データモデリング手段は、
上記変動要因特性値の変動および上記差分データの変動を含む学習データを生成する学習データ生成手段と、
上記学習データから上記差分データの目標値に基づいて中間層ニューロンの中心点を選定する第1中心点選定手段と、
選定した中心点に基づいて中間層の出力値を算出し、算出した中間層の出力値に基づいてニューロンの重み値を算出することによって、上記動径基底関数ネットワークを構築するネットワーク構築手段と、
上記ネットワーク構築手段によって構築した動径基底関数ネットワークに上記学習データを適用することにより差分データの推定値を算出し、算出した推定値と上記差分データの変動との誤差に基づいて、中間層ニューロンの新たな中心点を選定する第2中心点選定手段とを備えており、
上記ネットワーク構築手段は、第1および第2中心点選定手段が選定した中心点に基づいて、中間層の出力値を算出し、算出した中間層の出力値に基づいてニューロンの重み値を算出することを特徴とする請求項1または2に記載の時系列データ解析装置。 - 上記差分データモデリング手段として、中間層ニューロンを持つ動径基底関数ネットワークを用い、
上記差分データモデリング手段は、
上記変動要因特性値の変動および上記差分データの変動を含む学習データを生成する学習データ生成手段と、
k−means法により、上記学習データから中間層ニューロンに合致する代表点を選定する代表点選定手段と、
選定した中心点に基づいて中間層の出力値を算出し、算出した中間層の出力値に基づいてニューロンの重み値を算出することによって、上記動径基底関数ネットワークを構築するネットワーク構築手段と、
を備えることを特徴とする請求項1または2に記載の時系列データ解析装置。 - 上記平滑化データ変動モデルおよび上記差分データ変動モデルから、予測対象時点の特性値の変動要因を推定する変動要因推定手段をさらに備えることを特徴とする請求項1から4のいずれか1項に記載の時系列データ解析装置。
- 上記予測手段が、
上記予測対象時点の特性値を取得し、上記差分データ変動モデルに基づいて上記差分データの予測値を算出する差分データ予測手段と、
上記差分データ予測手段による予測結果と、上記平滑化データ予測手段による予測結果とに基づいて、上記予測対象時点の特性値の予測値を算出する予測統合手段とをさらに備えることを特徴とする請求項1に記載の時系列データ解析装置。 - 請求項1から6のいずれか1項に記載の時系列データ解析装置と、
センサからセンサ情報を取得し、上記時系列データ取得手段に時系列データとして入力するための目的変数検査装置と、
センサからセンサ情報を取得し、上記平滑化データモデリング手段および上記差分データモデリング手段に学習パラメータとして入力するための説明変数検査装置と、
上記センサ情報の取得を管理する管理装置とを備えるモデル作成システム。 - 所定のシステムにおける複数種類の特性値の検知結果情報に基づいて該システムにおける予測対象特性値の時系列データを解析する時系列データ解析装置であって、時系列データ取得手段と、平滑化データ取得手段と、差分データ取得手段と、平滑化データモデリング手段と、差分データモデリング手段と、平滑化データ予測手段を有する予測手段と、閾値設定手段とを備える時系列データ解析装置の制御方法であって、
上記時系列データ取得手段が上記予測対象特性値の過去の検知結果からなる時系列データを取得するステップと、
上記平滑化データ取得手段が上記時系列データを所定の基準で平滑化した平滑化データを算出するステップと、
上記差分データ取得手段が上記時系列データと上記平滑化データとの差を差分データとして算出するステップと、
上記平滑化データモデリング手段が上記平滑化データの過去の変動を解析することによって、時間経過と上記平滑化データの変動との対応関係を平滑化データ変動モデルとして特定するステップと、
上記差分データモデリング手段が上記差分データの変動に影響を与える上記特性値の種類を変動要因特性値として特定し、該変動要因特性値の変動と上記差分データの変動との対応関係を差分データ変動モデルとして特定するステップと、
上記予測手段が、上記平滑化データ変動モデルまたは上記差分データ変動モデルから、予測対象時点での特性値を予測する予測ステップと、を含み、
上記予測ステップは、上記平滑化データ予測手段が、上記予測対象時点の平滑化データの予測値を上記平滑化データ変動モデルに基づいて算出するステップを含み、
上記所定のシステムにおける複数種類の特性値は、生産システムにおける生産ラインの各工程で検知されるセンサ情報であり、
上記予測対象特性値の時系列データは、上記生産ラインにおける生産対象物の品質特性の時系列データであり、
上記閾値設定手段が、上記平滑化データ予測手段による予測結果から、上記生産対象物の品質特性を管理するための閾値である管理限界値の上限値および下限値を設定するステップをさらに含むことを特徴とする時系列データ解析装置の制御方法。 - 所定のシステムにおける複数種類の特性値の検知結果情報に基づいて該システムにおける予測対象特性値の時系列データを解析する時系列データ解析装置であって、時系列データ取得手段と、平滑化データ取得手段と、差分データ取得手段と、平滑化データモデリング手段と、差分データモデリング手段と、差分データ予測手段、平滑化データ予測手段および予測統合手段を有する予測手段と、閾値設定手段とを備える時系列データ解析装置の制御方法であって、
上記時系列データ取得手段が上記予測対象特性値の過去の検知結果からなる時系列データを取得するステップと、
上記平滑化データ取得手段が上記時系列データを所定の基準で平滑化した平滑化データを算出するステップと、
上記差分データ取得手段が上記時系列データと上記平滑化データとの差を差分データとして算出するステップと、
上記平滑化データモデリング手段が上記平滑化データの過去の変動を解析することによって、時間経過と上記平滑化データの変動との対応関係を平滑化データ変動モデルとして特定するステップと、
上記差分データモデリング手段が上記差分データの変動に影響を与える上記特性値の種類を変動要因特性値として特定し、該変動要因特性値の変動と上記差分データの変動との対応関係を差分データ変動モデルとして特定するステップと、
上記予測手段が、上記平滑化データ変動モデルまたは上記差分データ変動モデルから、予測対象時点での特性値を予測する予測ステップと、を含み、
上記予測ステップは、
上記差分データ予測手段が、上記予測手段が、上記予測対象時点の特性値を取得し、上記差分データ変動モデルに基づいて上記差分データの予測値を算出するステップと、
上記平滑化データ予測手段が、上記予測対象時点の平滑化データの予測値を上記平滑化データ変動モデルに基づいて算出するステップと、
上記予測統合手段が、上記差分データ予測手段による予測結果と、上記平滑化データ予測手段による予測結果とに基づいて、上記予測対象時点の特性値の予測値を算出するステップと、を含み、
上記所定のシステムにおける複数種類の特性値は、生産システムにおける生産ラインの各工程で検知されるセンサ情報であり、
上記予測対象特性値の時系列データは、上記生産ラインにおける生産対象物の品質特性の時系列データであり、
上記閾値設定手段が、上記差分データ予測手段による予測結果から、上記生産対象物の突発変化に伴う品質の異常を管理するための閾値である突発異常原因推定基準の上限値および下限値を設定するステップをさらに含むことを特徴とする時系列データ解析装置の制御方法。 - 請求項1から6の何れか1項に記載の時系列データ解析装置を動作させるためのプログラムであって、コンピュータを上記の各手段として機能させるためのプログラム。
- 請求項10に記載のプログラムが記録されたコンピュータ読み取り可能な記録媒体。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2007264959A JP5157359B2 (ja) | 2006-10-10 | 2007-10-10 | 時系列データ解析装置、時系列データ解析システム、時系列データ解析装置の制御方法、プログラム、および記録媒体 |
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2006277003 | 2006-10-10 | ||
JP2006277003 | 2006-10-10 | ||
JP2007264959A JP5157359B2 (ja) | 2006-10-10 | 2007-10-10 | 時系列データ解析装置、時系列データ解析システム、時系列データ解析装置の制御方法、プログラム、および記録媒体 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2008117381A JP2008117381A (ja) | 2008-05-22 |
JP5157359B2 true JP5157359B2 (ja) | 2013-03-06 |
Family
ID=39503205
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2007264959A Active JP5157359B2 (ja) | 2006-10-10 | 2007-10-10 | 時系列データ解析装置、時系列データ解析システム、時系列データ解析装置の制御方法、プログラム、および記録媒体 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP5157359B2 (ja) |
Families Citing this family (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5219700B2 (ja) * | 2008-09-01 | 2013-06-26 | オムロンヘルスケア株式会社 | 生体指標管理装置 |
WO2011064876A1 (ja) * | 2009-11-27 | 2011-06-03 | 株式会社東芝 | 予測モデル生成装置 |
CN105706125A (zh) * | 2013-07-26 | 2016-06-22 | 邓白氏公司 | 随着时间推移从经综合处理和分析后的数据信号推导出重大变化属性以预测常规预测因子的未来变化的系统及方法 |
JP6187977B2 (ja) * | 2014-06-20 | 2017-08-30 | インターナショナル・ビジネス・マシーンズ・コーポレーションInternational Business Machines Corporation | 解析装置、解析方法及びプログラム |
KR101785547B1 (ko) * | 2016-07-08 | 2017-10-17 | 한양대학교 산학협력단 | 주기성 시계열 데이터의 변동 추정 장치 및 방법 |
KR101991507B1 (ko) * | 2017-09-21 | 2019-06-20 | 한림대학교 산학협력단 | 경제학 그래프를 작성하는 방법 및 장치 |
TWI829807B (zh) * | 2018-11-30 | 2024-01-21 | 日商東京威力科創股份有限公司 | 製造製程之假想測定裝置、假想測定方法及假想測定程式 |
CN109784528A (zh) * | 2018-12-05 | 2019-05-21 | 鲁东大学 | 基于时间序列和支持向量回归的水质预测方法及装置 |
JP7103274B2 (ja) * | 2019-02-28 | 2022-07-20 | 日本電信電話株式会社 | 検知装置及び検知プログラム |
JP7395987B2 (ja) | 2019-11-22 | 2023-12-12 | 株式会社リコー | 情報処理システム、方法、およびプログラム |
KR102455758B1 (ko) * | 2020-01-30 | 2022-10-17 | 가부시키가이샤 스크린 홀딩스 | 데이터 처리 방법, 데이터 처리 장치 및 기억 매체 |
JP6815570B1 (ja) * | 2020-02-20 | 2021-01-20 | 三菱電機株式会社 | 静電選別装置 |
WO2021205581A1 (ja) * | 2020-04-08 | 2021-10-14 | 富士通株式会社 | 情報処理システム、情報処理装置、情報処理方法及び情報処理プログラム |
JP7487126B2 (ja) | 2021-02-17 | 2024-05-20 | 五洋建設株式会社 | 学習モデルを構築する方法、波の振幅を推定する方法、水面の鉛直方向の位置の経時変化を推定する方法、波の振幅を推定する装置、及びプログラム |
CN114415575B (zh) * | 2022-01-27 | 2023-05-05 | 电子科技大学 | 实时数据驱动的焊接车间三维虚拟监控与智能预警系统 |
WO2024053020A1 (ja) * | 2022-09-07 | 2024-03-14 | 株式会社日立製作所 | シミュレーション結果の実績との差異の要因を推定するシステム及び方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003044830A (ja) * | 2001-07-30 | 2003-02-14 | Ricoh Co Ltd | ニューラルネットワーク、ニューラルネットワークシステム、プログラムおよび記録媒体 |
JP3995569B2 (ja) * | 2002-09-20 | 2007-10-24 | 昌一 手島 | 波形パターンデータから設備の診断・監視のための特徴を抽出する方法及びプログラム |
JP2004326346A (ja) * | 2003-04-23 | 2004-11-18 | Hitachi Ltd | 需要予測装置及び方法、並びに生産計画立案支援装置及び方法 |
JP4882204B2 (ja) * | 2004-03-05 | 2012-02-22 | 凸版印刷株式会社 | 周期性パターンにおけるスジ状ムラの検査方法 |
JP5023325B2 (ja) * | 2005-09-01 | 2012-09-12 | 国立大学法人長岡技術科学大学 | リカレントニューラルネットワークを用いた不規則時系列データの学習・予測方法 |
-
2007
- 2007-10-10 JP JP2007264959A patent/JP5157359B2/ja active Active
Also Published As
Publication number | Publication date |
---|---|
JP2008117381A (ja) | 2008-05-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5157359B2 (ja) | 時系列データ解析装置、時系列データ解析システム、時系列データ解析装置の制御方法、プログラム、および記録媒体 | |
CN107305370B (zh) | 设定与产品的异常相关的变量的判定值的生产系统 | |
EP3454289B1 (en) | Plant abnormality detection method and system | |
US7395188B1 (en) | System and method for equipment life estimation | |
US7933754B2 (en) | System and method for damage propagation estimation | |
EP1982301B1 (en) | Method of condition monitoring | |
CN108280543B (zh) | 基于分类回归模式的工况自适应的设备健康度评估方法 | |
CN102713777B (zh) | 诊断装置及诊断方法 | |
Pillai et al. | A hybrid approach for fusing physics and data for failure prediction | |
JP6546213B2 (ja) | 回路構成最適化装置及び機械学習装置 | |
TWI662424B (zh) | 領先輔助參數的選擇方法以及結合關鍵參數及領先輔助參數進行設備維護預診斷的方法 | |
CN107710089B (zh) | 工厂设备诊断装置以及工厂设备诊断方法 | |
WO2023065584A1 (zh) | 设备的剩余使用寿命的确定方法、装置和电子设备 | |
JP6711323B2 (ja) | プロセスの異常状態診断方法および異常状態診断装置 | |
Garg et al. | A two-phase approach for reliability and maintainability analysis of an industrial system | |
Alelaumi et al. | A predictive abnormality detection model using ensemble learning in stencil printing process | |
KR20090001148A (ko) | 가상 계측 시스템 및 가상 계측 방법 | |
JP6502998B2 (ja) | 回路構成最適化装置及び機械学習装置 | |
JP2020061575A (ja) | 高次元変数選択モデルを使用した重要なパラメータの決定システム | |
JP2018107315A (ja) | プリント板組立作業のための機械学習装置、制御装置、産業機械、組立システム及び機械学習方法 | |
TW201926041A (zh) | 設備保養預測系統及其操作方法 | |
Kim et al. | Real-time diagnosis of semiconductor manufacturing equipment using a hybrid neural network expert system | |
TW202236118A (zh) | 半導體製造設備的預測性維護 | |
CN117076258A (zh) | 一种基于互联网云端的远程监控方法及系统 | |
CN115562225A (zh) | 工业机器人运维管理方法、装置、计算机设备和存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20100907 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20120904 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20121024 |
|
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: 20121113 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20121126 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 5157359 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20151221 Year of fee payment: 3 |
|
RD02 | Notification of acceptance of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: R3D02 |
|
RD04 | Notification of resignation of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: R3D04 |