JP6903246B2 - Information processing equipment, information processing methods and information processing programs - Google Patents

Information processing equipment, information processing methods and information processing programs Download PDF

Info

Publication number
JP6903246B2
JP6903246B2 JP2021503285A JP2021503285A JP6903246B2 JP 6903246 B2 JP6903246 B2 JP 6903246B2 JP 2021503285 A JP2021503285 A JP 2021503285A JP 2021503285 A JP2021503285 A JP 2021503285A JP 6903246 B2 JP6903246 B2 JP 6903246B2
Authority
JP
Japan
Prior art keywords
parameter
selection
model
operation model
information processing
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
Application number
JP2021503285A
Other languages
Japanese (ja)
Other versions
JPWO2020178938A1 (en
Inventor
貴耶 谷口
貴耶 谷口
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.)
Mitsubishi Electric Corp
Original Assignee
Mitsubishi Electric Corp
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 Mitsubishi Electric Corp filed Critical Mitsubishi Electric Corp
Application granted granted Critical
Publication of JP6903246B2 publication Critical patent/JP6903246B2/en
Publication of JPWO2020178938A1 publication Critical patent/JPWO2020178938A1/en
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/06—Multi-objective optimisation, e.g. Pareto optimisation using simulated annealing [SA], ant colony algorithms or genetic algorithms [GA]

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Development Economics (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Marketing (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Operations Research (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • Testing And Monitoring For Control Systems (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Testing Or Calibration Of Command Recording Devices (AREA)

Description

本発明は、動作モデルを用いて機器の状態を推定する技術に関する。 The present invention relates to a technique for estimating the state of an apparatus using an operation model.

本発明に関連する技術として、特許文献１に記載の技術がある。
特許文献１では、機器の状態を推定するための複数の動作モデルが用意される。そして、特許文献１では、各動作モデルに設定されている状態推定値、機器において計測されたセンサ値等を用いて、各動作モデルのモデル尤度が算出される。そして、特許文献１では、モデル尤度を用いて各動作モデルのモデル確率を更新することで状態推定精度を向上させる。As a technique related to the present invention, there is a technique described in Patent Document 1.
In Patent Document 1, a plurality of operation models for estimating the state of the device are prepared. Then, in Patent Document 1, the model likelihood of each operation model is calculated using the state estimation value set in each operation model, the sensor value measured in the device, and the like. Then, in Patent Document 1, the state estimation accuracy is improved by updating the model probability of each motion model using the model likelihood.

特開２００９−０３１０９６号公報Japanese Unexamined Patent Publication No. 2009-031096

特許文献１の技術では、各動作モデルのモデル確率の初期値（以下、初期確率という）の設定方法は開示されていない。
このため、特許文献１の技術を用いる場合は、全ての動作モデルで一律に同じ初期確率を設定する、またはシステム利用者が推測によって各動作モデルの初期確率を設定することが想定される。In the technique of Patent Document 1, a method of setting an initial value (hereinafter, referred to as an initial probability) of a model probability of each motion model is not disclosed.
Therefore, when the technique of Patent Document 1 is used, it is assumed that the same initial probability is uniformly set for all the operation models, or the system user sets the initial probability of each operation model by guessing.

本発明は、このような事情に鑑み、システム利用者の力量又は経験に頼ることなく、妥当性の高い動作モデルの初期確率を得ることを主な目的とする。 In view of such circumstances, an object of the present invention is to obtain an initial probability of a highly valid operation model without relying on the competence or experience of the system user.

本発明に係る情報処理装置は、
複数のパラメータについて、パラメータ値を変化させた場合の機器への影響度をパラメータごとに分析する影響度分析部と、
前記複数のパラメータの中から、選択条件に合致する影響度が得られたパラメータを選択パラメータとして選択するパラメータ選択部と、
前記機器の複数の動作モデルについて、各動作モデルに設定されている複数のパラメータのうち前記選択パラメータに対応するパラメータと前記選択パラメータとの類似度を動作モデルごとに算出する類似度算出部と、
各動作モデルに初期値として設定する確率である初期確率を、動作モデルごとに、各動作モデルの類似度に基づき算出する初期確率算出部とを有する。The information processing device according to the present invention is
For multiple parameters, the impact analysis unit that analyzes the impact on the equipment when the parameter value is changed for each parameter,
A parameter selection unit that selects a parameter having an influence degree that matches the selection conditions as a selection parameter from the plurality of parameters.
With respect to a plurality of operation models of the device, a similarity calculation unit that calculates the similarity between the parameter corresponding to the selection parameter and the selection parameter among the plurality of parameters set in each operation model for each operation model, and
Each motion model has an initial probability calculation unit that calculates an initial probability, which is a probability set as an initial value in each motion model, based on the similarity of each motion model.

本発明によれば、システム利用者の力量又は経験に頼ることなく、妥当性の高い動作モデルの初期確率を得ることができる。 According to the present invention, it is possible to obtain a highly valid initial probability of an operation model without relying on the competence or experience of the system user.

実施の形態１に係る情報処理装置のハードウェア構成例を示す図。The figure which shows the hardware configuration example of the information processing apparatus which concerns on Embodiment 1. FIG. 実施の形態１に係る情報処理装置の機能構成例を示す図。The figure which shows the functional structure example of the information processing apparatus which concerns on Embodiment 1. FIG. 実施の形態１に係る情報処理装置の動作例を示すフローチャート。The flowchart which shows the operation example of the information processing apparatus which concerns on Embodiment 1. 実施の形態１に係る物理モデル選択処理を示す図。The figure which shows the physical model selection process which concerns on Embodiment 1. 実施の形態１に係る影響度分析処理を示す図。The figure which shows the influence degree analysis process which concerns on Embodiment 1. FIG. 実施の形態１に係るパラメータ選択処理の例を示す図。The figure which shows the example of the parameter selection process which concerns on Embodiment 1. FIG. 実施の形態１に係る類似度の算出例及びモデル確率の算出例を示す図。The figure which shows the calculation example of the similarity degree and the calculation example of a model probability which concerns on Embodiment 1. FIG. 実施の形態１に係る各動作モデルの類似度と初期確率の例を示す図。The figure which shows the example of the similarity and the initial probability of each operation model which concerns on Embodiment 1. FIG. 実施の形態１に係る状態推定システムの概略を示す図。The figure which shows the outline of the state estimation system which concerns on Embodiment 1. FIG.

以下、本発明の実施の形態について、図を用いて説明する。以下の実施の形態の説明及び図面において、同一の符号を付したものは、同一の部分又は相当する部分を示す。 Hereinafter, embodiments of the present invention will be described with reference to the drawings. In the following description and drawings of the embodiments, those having the same reference numerals indicate the same parts or corresponding parts.

実施の形態１．
＊＊＊状態推定システムの説明＊＊＊
先ず、本実施の形態の前提となる状態推定システムを説明する。Embodiment 1.
*** Explanation of state estimation system ***
First, the state estimation system that is the premise of this embodiment will be described.

図９は、複数の動作モデルを用いて機器３００の状態を推定する状態推定システムの概略を示す。機器３００とは、例えば、工場に配置されている製造機器、制御機器等である。なお、機器３００は、これらに限定されない。
図９では、動作モデルＡ、動作モデルＢ、動作モデルＣが用いられる。動作モデルＡ、動作モデルＢ、動作モデルＣは、機器３００の動作をシミュレートする。動作モデルＡは、例えば、機器３００が正常に動作している際の動作をシミュレートする。動作モデルＢは、例えば、機器３００に軽微な不具合が発生している際の動作をシミュレートする。動作モデルＣは、例えば、機器３００に重大な不具合が発生している際の動作をシミュレートする。
センサ４００は、周期的に機器３００の部分３０１を監視する。例えば、センサ４００は、周期的に部分３０１の電流値を計測する。
そして、センサ４００でセンサ値（例えば、電流値）が計測される度に、各動作モデルに設定されている状態推定値、計測されたセンサ値等を用いて、動作モデルＡ、動作モデルＢ及び動作モデルＣの各々のモデル確率が更新される。また、モデル確率が更新される度に、最もモデル確率が高い動作モデルが選択され、選択された動作モデルが用いられて機器３００の状態が推定される。
図９の例では、動作モデルＣのモデル確率が最も高いので、動作モデルＣが選択される。
前述したように、特許文献１では、モデル確率の初期値である初期確率の設定方法が開示されていないため、例えば、各動作モデルで一律に同じ初期確率が設定される、またはシステム利用者の推測によって各動作モデルの初期確率が設定されることが考えられる。
図９の例では、各動作モデルで一律に同じ初期確率（０．２５）が設定されている。
本実施の形態では、システム利用者の力量又は経験に頼ることなく、妥当性の高い動作モデルの初期確率を得る構成を説明する。 FIG. 9 shows an outline of a state estimation system that estimates the state of the device 300 using a plurality of operation models. The device 300 is, for example, a manufacturing device, a control device, or the like arranged in a factory. The device 300 is not limited to these.
In FIG. 9, the motion model A, the motion model B, and the motion model C are used. The operation model A, the operation model B, and the operation model C simulate the operation of the device 300. The motion model A simulates, for example, the motion when the device 300 is operating normally. The operation model B simulates, for example, an operation when a minor defect occurs in the device 300. The operation model C simulates, for example, an operation when a serious malfunction occurs in the device 300.
The sensor 400 periodically monitors the portion 301 of the device 300. For example, the sensor 400 periodically measures the current value of the portion 301.
Then, each time the sensor value (for example, the current value) is measured by the sensor 400, the operation model A, the operation model B, and the operation model B are used by using the state estimation value, the measured sensor value, and the like set in each operation model. Each model probability of motion model C is updated. Further, each time the model probability is updated, the operation model having the highest model probability is selected, and the state of the device 300 is estimated using the selected operation model.
In the example of FIG. 9, since the model probability of the motion model C is the highest, the motion model C is selected.
As described above, Patent Document 1 does not disclose a method for setting the initial probability, which is the initial value of the model probability. Therefore, for example, the same initial probability is uniformly set for each operation model, or the system user It is conceivable that the initial probability of each motion model is set by guessing.
In the example of FIG. 9, the same initial probability (0.25) is uniformly set for each operation model.
In the present embodiment, a configuration for obtaining the initial probability of a highly valid operation model without relying on the competence or experience of the system user will be described.

＊＊＊構成の説明＊＊＊
図１は、本実施の形態に係る情報処理装置１００のハードウェア構成例を示す。
また、図２は、本実施の形態に係る情報処理装置１００の機能構成例を示す。*** Explanation of configuration ***
FIG. 1 shows a hardware configuration example of the information processing apparatus 100 according to the present embodiment.
Further, FIG. 2 shows an example of a functional configuration of the information processing apparatus 100 according to the present embodiment.

情報処理装置１００は、コンピュータである。
情報処理装置１００は、図１に示すように、ハードウェアとして、プロセッサ９０１、主記憶装置９０２、補助記憶装置９０３及び通信装置９０４を備える。
補助記憶装置９０３には、図２に示す物理モデル選択部１０２、影響度分析部１０３、パラメータ選択部１０４、類似度算出部１０６及び初期確率算出部１０７の機能を実現するプログラムが記憶されている。
これらプログラムは、補助記憶装置９０３から主記憶装置９０２にロードされる。そして、プロセッサ９０１がこれらプログラムを実行して、後述する物理モデル選択部１０２、影響度分析部１０３、パラメータ選択部１０４、類似度算出部１０６及び初期確率算出部１０７の動作を行う。
図１では、プロセッサ９０１が物理モデル選択部１０２、影響度分析部１０３、パラメータ選択部１０４、類似度算出部１０６及び初期確率算出部１０７の機能を実現するプログラムを実行している状態を模式的に表している。
また、図２に示す物理モデル記憶部１０１及び動作モデル記憶部１０５は、例えば、主記憶装置９０２又は補助記憶装置９０３で実現される。 The information processing device 100 is a computer.
As shown in FIG. 1, the information processing device 100 includes a processor 901, a main storage device 902, an auxiliary storage device 903, and a communication device 904 as hardware.
The auxiliary storage device 903, a physical model selection unit 10 2 shown in FIG. 2, impact analysis unit 103, the parameter selection unit 104, a program for realizing the functions of the similarity calculating unit 106 and the initial probability calculation unit 107 is stored There is.
These programs are loaded from the auxiliary storage device 903 into the main storage device 902. Then, the processor 901 by executing these programs, the physical model selection unit 10 2 to be described later, impact analysis unit 103, the parameter selection unit 104, the operation of the similarity calculating unit 106 and the initial probability calculation unit 107.
FIG. 1 illustrates a state in which the processor 901 is executing a program that realizes the functions of the physical model selection unit 102, the influence degree analysis unit 103, the parameter selection unit 104, the similarity calculation unit 106, and the initial probability calculation unit 107. It is represented as a target.
Further, the physical model storage unit 101 and the operation model storage unit 105 shown in FIG. 2 are realized by, for example, the main storage device 902 or the auxiliary storage device 903.

情報処理装置１００は、図２に示すように、物理モデル記憶部１０１、物理モデル選択部１０２、影響度分析部１０３、パラメータ選択部１０４、動作モデル記憶部１０５、類似度算出部１０６及び初期確率算出部１０７を備える。 As shown in FIG. 2, the information processing apparatus 100 includes a physical model storage unit 101, a physical model selection unit 102, an influence degree analysis unit 103, a parameter selection unit 104, an operation model storage unit 105, a similarity calculation unit 106, and an initial stage. A probability calculation unit 107 is provided.

物理モデル記憶部１０１は、複数の機器３００の物理モデルを記憶する。機器３００ごとに物理モデルが設けられている。
物理モデルは、機器３００の動作をシミュレートする。また、物理モデルには複数のパラメータが設けられている。The physical model storage unit 101 stores the physical models of the plurality of devices 300. A physical model is provided for each device 300.
The physical model simulates the operation of the device 300. In addition, a plurality of parameters are provided in the physical model.

物理モデル選択部１０２は、機器情報２０１に基づき、物理モデル記憶部１０１で記憶されている複数の物理モデルの中から、初期確率の算出対象の機器３００の物理モデルを選択する。なお、以下では、初期確率の算出対象の機器３００を対象機器３００という。
機器情報２０１は、例えば、対象機器３００のＩＤ（Ｉｄｅｎｔｉｆｉｅｒ）情報である。 Physical model selection unit 10 2, based on the device information 201 from among a plurality of physical models stored in the physical model storage unit 101, selects a physical model of the calculation target device 300 of the initial probability. In the following, the device 300 for which the initial probability is calculated is referred to as the target device 300.
The device information 201 is, for example, ID (Identifier) information of the target device 300.

影響度分析部１０３は、複数のパラメータのパラメータ値を変化させた場合の対象機器３００への影響度をパラメータごとに分析する。
パラメータセンサ情報２０２には、パラメータごとに、対応するセンサ４００が示される。
影響度分析部１０３は、パラメータセンサ情報２０２に示されるセンサ４００のセンサ値を用いて、パラメータ値を変化させた場合の対象機器３００への影響度をパラメータごとに分析する。パラメータ値を変化させた場合のセンサ４００のセンサ値は物理モデル選択部１０２により選択された物理モデルを用いたシミュレーションにより得られる。
影響度は、パラメータの変化に対するセンサ値の変化の度合い（感度）である。例えば、影響度分析部１０３は、「（変化後のパラメータ値−変化前のパラメータ値）÷（変化後のセンサ値−変化前のセンサ値）」により影響度を算出する。この数式を用いる場合は、この数式により得られた値が高ければ影響度が高いことになる。
なお、影響度分析部１０３により行われる処理は、影響度分析処理に相当する。 The influence degree analysis unit 103 analyzes the influence degree on the target device 300 when the parameter values of a plurality of parameters are changed for each parameter.
The parameter sensor information 202 indicates a corresponding sensor 400 for each parameter.
The influence degree analysis unit 103 analyzes the influence degree on the target device 300 when the parameter value is changed by using the sensor value of the sensor 400 shown in the parameter sensor information 202 for each parameter. Sensor value of the sensor 400 in the case of changing the parameter value is obtained by simulation using more selected physical model to the physical model selection unit 10 2.
The degree of influence is the degree of change (sensitivity) of the sensor value with respect to the change of the parameter. For example, the influence degree analysis unit 103 calculates the influence degree by "(parameter value after change-parameter value before change) ÷ (sensor value after change-sensor value before change)". When this formula is used, the higher the value obtained by this formula, the higher the degree of influence.
The process performed by the impact analysis unit 103 corresponds to the impact analysis process.

パラメータ選択部１０４は、複数のパラメータの中から、選択条件に合致する影響度が得られたパラメータを選択パラメータとして選択する。
また、パラメータ選択部１０４は、動作モデル記憶部１０５で記憶されている複数の動作モデルに設定されている複数のパラメータのうち選択パラメータに対応するパラメータを動作モデル記憶部１０５から取得する。
そして、パラメータ選択部１０４は、選択パラメータの値と、動作モデル記憶部１０５から取得したパラメータの値を類似度算出部１０６に出力する。
なお、パラメータ選択部１０４により行われる処理は、パラメータ選択処理に相当する。The parameter selection unit 104 selects, as a selection parameter, a parameter having an influence degree that matches the selection condition from a plurality of parameters.
Further, the parameter selection unit 104 acquires the parameter corresponding to the selection parameter from the operation model storage unit 105 among the plurality of parameters set in the plurality of operation models stored in the operation model storage unit 105.
Then, the parameter selection unit 104 outputs the value of the selection parameter and the value of the parameter acquired from the operation model storage unit 105 to the similarity calculation unit 106.
The process performed by the parameter selection unit 104 corresponds to the parameter selection process.

動作モデル記憶部１０５は、複数の動作モデルを記憶する。
動作モデルは、前述したように、機器３００の動作をシミュレートする。動作モデル記憶部１０５では、図９に示した動作モデルＡ、動作モデルＢ及び動作モデルＣのように、機器３００の様々な態様（正常動作、軽微の不具合発生、重大な不具合発生等）に対応した複数の動作モデルが格納される。
また、各動作モデルには、物理モデルに設定されているパラメータと同じパラメータが設定されている。The motion model storage unit 105 stores a plurality of motion models.
The motion model simulates the motion of the device 300 as described above. The operation model storage unit 105 corresponds to various aspects of the device 300 (normal operation, minor defects, serious defects, etc.) as in the operation model A, the operation model B, and the operation model C shown in FIG. Multiple operation models are stored.
In addition, the same parameters as those set in the physical model are set in each operation model.

類似度算出部１０６は、各動作モデルに設定されている複数のパラメータのうち選択パラメータに対応するパラメータと選択パラメータとの類似度を動作モデルごとに算出する。
つまり、類似度算出部１０６は、パラメータ選択部１０４により取得された各動作モデルのパラメータと選択パラメータとの類似度を動作モデルごとに算出する。
類似度算出部１０６により行われる処理は、類似度算出処理に相当する。The similarity calculation unit 106 calculates the similarity between the parameter corresponding to the selection parameter and the selection parameter among the plurality of parameters set in each operation model for each operation model.
That is, the similarity calculation unit 106 calculates the similarity between the parameters of each operation model acquired by the parameter selection unit 104 and the selection parameters for each operation model.
The process performed by the similarity calculation unit 106 corresponds to the similarity calculation process.

初期確率算出部１０７は、各動作モデルに初期値として設定するモデル確率である初期確率を、動作モデルごとに、各動作モデルの類似度に基づき算出する。
つまり、初期確率算出部１０７は、類似度算出部１０６により算出された各動作モデルの類似度を用いて、各動作モデルの初期確率を算出する。
初期確率算出部１０７により行われる処理は、初期確率算出処理に相当する。 The initial probability calculation unit 107 calculates the initial probability, which is the model probability set as the initial value in each operation model, for each operation model based on the similarity of each operation model.
That is, the initial probability calculation unit 107 calculates the initial probability of each operation model by using the similarity of each operation model calculated by the similarity calculation unit 106.
The process performed by the initial probability calculation unit 107 corresponds to the initial probability calculation process.

＊＊＊動作の説明＊＊＊
次に、図３を参照して、本実施の形態に係る情報処理装置１００の動作例を説明する。*** Explanation of operation ***
Next, an operation example of the information processing apparatus 100 according to the present embodiment will be described with reference to FIG.

先ず、ステップＳ１１において、物理モデル選択部１０２が物理モデルを選択する（物理モデル選択処理）。 First, in step S11, the physical model selector 10 2 selects a physical model (physical model selection process).

図４は、ステップＳ１１の概要を示す。
物理モデル選択部１０２は、図４に示すように、機器情報２０１を取得し、機器情報２０１に記載されているＩＤに対応する物理モデル２０３を物理モデル記憶部１０１から取得する。
図４の例では、機器Ａが対象機器である。そして、機器情報２０１には、機器ＡのＩＤとして、「１００−００１」が記載されている。物理モデル選択部１０２は、ＩＤ「１００−００１」に対応する物理モデル２０３を物理モデル記憶部１０１から取得する。 FIG. 4 shows an outline of step S11.
Physical model selection unit 10 2, as shown in FIG. 4, and acquires the device information 201, acquires the physical model 203 corresponding to the ID described in the equipment information 201 from the physical model storage unit 101.
In the example of FIG. 4, the device A is the target device. Then, in the device information 201, "100-001" is described as the ID of the device A. Physical model selection unit 10 2 obtains a physical model 203 corresponding to the ID "100-001" from the physical model storage unit 101.

次に、ステップＳ１２において、影響度分析部１０３が影響度を分析する（影響度分析処理）。 Next, in step S12, the impact analysis unit 103 analyzes the impact (impact analysis process).

図５は、ステップＳ１２の概要を示す。
影響度分析部１０３は、図５に示すように、物理モデル２０３の複数のパラメータの各々を１つずつ変化させて各パラメータによる対象機器３００への影響度を分析する。
前述したように、パラメータセンサ情報２０２には、パラメータごとに対応するセンサ４００が示される。図５の例では、パラメータセンサ情報２０２において、要素ａに対応するセンサ４００としてセンサ１と当該センサ１のＩＤ（１−１）が示され、要素ｂに対応するセンサ４００としてセンサ２と当該センサ２のＩＤ（１−２）とが示される。つまり、例えば要素ａの寸法の値を変化させた場合は、センサ１のセンサ値が変化する。また、例えば要素の寸法の値を変化させた場合は、センサ２の値が変化する。要素ａの値を変化させた場合のセンサ１のセンサ値及び要素ｂの値を変化させた場合のセンサ２のセンサ値は、物理モデルを用いたシミュレーションにより得られる。
パラメータセンサ情報２０２は、パラメータごとに、例えば、前述した数式を用いて影響度を算出する。FIG. 5 shows an outline of step S12.
As shown in FIG. 5, the influence degree analysis unit 103 analyzes the influence degree of each parameter on the target device 300 by changing each of the plurality of parameters of the physical model 203 one by one.
As described above, the parameter sensor information 202 indicates the sensor 400 corresponding to each parameter. In the example of FIG. 5, in the parameter sensor information 202, the sensor 1 and the ID (1-1) of the sensor 1 are shown as the sensor 400 corresponding to the element a, and the sensor 2 and the sensor are shown as the sensor 400 corresponding to the element b. ID (1-2) of 2 is shown. That is, for example, when the value of the dimension of the element a is changed, the sensor value of the sensor 1 changes. Further, for example, when the value of the dimension of the element is changed, the value of the sensor 2 changes. The sensor value of the sensor 1 when the value of the element a is changed and the sensor value of the sensor 2 when the value of the element b is changed can be obtained by a simulation using a physical model.
The parameter sensor information 202 calculates the degree of influence for each parameter using, for example, the above-mentioned mathematical formula.

次に、ステップＳ１３において、パラメータ選択部１０４が、複数のパラメータの中から選択条件に合致する影響度が得られたパラメータを選択パラメータとして選択する（パラメータ選択処理）。 Next, in step S13, the parameter selection unit 104 selects a parameter having an influence degree that matches the selection condition from a plurality of parameters as a selection parameter (parameter selection process).

例えば、パラメータ選択部１０４は、閾値以上の影響度が得られたパラメータを選択パラメータとして選択する。この場合の選択条件は、閾値以上の影響度という条件である。
また、例えば、パラメータ選択部１０４は、影響度が上位ｎ（ｎは１以上の整数）番目以内のパラメータを選択パラメータとして選択してもよい。この場合の選択条件は、影響度が上位ｎ番目以内という条件である。
また、パラメータ選択部１０４は、動作モデル記憶部１０５で記憶されている複数の動作モデルに設定されている複数のパラメータのうち選択パラメータに対応するパラメータを動作モデル記憶部１０５から取得する。
例えば、図５に示す要素ａと要素ｂが選択パラメータとして選択された場合は、パラメータ選択部１０４は、各動作モデルの要素ａの値と要素ｂの値を動作モデル記憶部１０５から取得する。
そして、パラメータ選択部１０４は、物理モデルの要素ａの変化前の値（図５の例では「１０」）と要素ｂの変化前の値（図５の例では「２０」）と、動作モデル記憶部１０５から取得した各動作モデルの要素ａの値と要素ｂの値を類似度算出部１０６に出力する。For example, the parameter selection unit 104 selects a parameter having an influence degree equal to or higher than the threshold value as a selection parameter. The selection condition in this case is a condition that the degree of influence is equal to or higher than the threshold value.
Further, for example, the parameter selection unit 104 may select a parameter having a higher degree of influence within the nth order (n is an integer of 1 or more) as a selection parameter. The selection condition in this case is that the degree of influence is within the top nth.
Further, the parameter selection unit 104 acquires the parameter corresponding to the selection parameter from the operation model storage unit 105 among the plurality of parameters set in the plurality of operation models stored in the operation model storage unit 105.
For example, when the element a and the element b shown in FIG. 5 are selected as the selection parameters, the parameter selection unit 104 acquires the value of the element a and the value of the element b of each operation model from the operation model storage unit 105.
Then, the parameter selection unit 104 includes the value before the change of the element a of the physical model (“10” in the example of FIG. 5), the value before the change of the element b (“20” in the example of FIG. 5), and the operation model. The value of the element a and the value of the element b of each operation model acquired from the storage unit 105 are output to the similarity calculation unit 106.

次に、ステップＳ１４において、類似度算出部１０６が類似度を算出する（類似度算出処理）。 Next, in step S14, the similarity calculation unit 106 calculates the similarity (similarity calculation process).

図６は、ステップＳ１４の概要を示す。
類似度算出部１０６は、図６の例では、選択パラメータである要素ａ、ｂ、ｃ．．．の値と、動作モデルＡの要素ａ、ｂ、ｃ…の値との間で類似度を求める。また、類似度算出部１０６は、選択パラメータである要素ａ、ｂ、ｃ．．．の値と、動作モデルＢの要素ａ、ｂ、ｃ…の値との間で類似度を求める。なお、図６の「ａ、ｂ、ｃ」は、選択パラメータを示し、「ａＡ、ｂＡ、ｃＡ」は動作モデルＡの対応するパラメータを示し、「ａＢ、ｂＢ、ｃＢ」は動作モデルＢの対応するパラメータを示す。
類似度算出部１０６は、例えば、動作モデルごとに、図７に示すユークリッド距離ｄを算出する。そして、類似度算出部１０６は、算出したユークリッド距離ｄを図７に示す＜パターン１＞又は＜パターン２＞の数式に適用して、各動作モデルの類似度を算出する。FIG. 6 shows an outline of step S14.
In the example of FIG. 6, the similarity calculation unit 106 has elements a, b, c. .. .. The degree of similarity between the value of and the values of the elements a, b, c ... Of the operation model A is obtained. Further, the similarity calculation unit 106 may use elements a, b, c. .. .. The degree of similarity between the value of and the values of the elements a, b, c ... Of the operation model B is obtained. Note that "a, b, c" in FIG. 6 indicates selection parameters, "aA, bA, cA" indicates the corresponding parameters of the operation model A, and "aB, bB, cB" indicates the correspondence of the operation model B. Indicates the parameters to be used.
The similarity calculation unit 106 calculates, for example, the Euclidean distance d shown in FIG. 7 for each motion model. Then, the similarity calculation unit 106 applies the calculated Euclidean distance d to the mathematical formula of <Pattern 1> or <Pattern 2> shown in FIG. 7 to calculate the similarity of each motion model.

次に、ステップＳ１５において、初期確率算出部１０７が各動作モデルの初期確率を算出する（初期確率算出処理）。 Next, in step S15, the initial probability calculation unit 107 calculates the initial probability of each operation model (initial probability calculation process).

例えば、初期確率算出部１０７は、図７に示す方法で、初期確率を算出する。具体的には、初期確率算出部１０７は、動作モデルＡの初期確率を、「（動作モデルＡの類似度）／（全動作モデルの類似度の合計）」により算出する。
図８は、各動作モデルの類似度と初期確率の例を示す。
初期確率算出部１０７は、このようにして算出された初期確率を規定の出力先に出力する。この結果、対象機器３００の実際の挙動と整合した初期確率が得られる。For example, the initial probability calculation unit 107 calculates the initial probability by the method shown in FIG. 7. Specifically, the initial probability calculation unit 107 calculates the initial probability of the motion model A by "(similarity of motion model A) / (sum of similarity of all motion models)".
FIG. 8 shows an example of the similarity and initial probability of each motion model.
The initial probability calculation unit 107 outputs the initial probability calculated in this way to a specified output destination. As a result, an initial probability consistent with the actual behavior of the target device 300 can be obtained.

＊＊＊実施の形態の効果の説明＊＊＊
以上、本実施の形態によれば、システム利用者の力量又は経験に頼ることなく、妥当性の高い動作モデルの初期確率を得ることができる。*** Explanation of the effect of the embodiment ***
As described above, according to the present embodiment, it is possible to obtain a highly valid initial probability of the operation model without relying on the competence or experience of the system user.

なお、上記では、機器３００の要素の属性（例えば、寸法）をパラメータとして用いる例を説明した。しかしながら、パラメータは、機器３００の要素の属性に限らない。例えば、機器３００の設置環境に関連する物理量（温度、湿度、風量、長さ、高さ、重さ等）、機器３００の使用年数等をパラメータとして用いることができる。 In the above, an example in which the attribute (for example, dimension) of the element of the device 300 is used as a parameter has been described. However, the parameters are not limited to the attributes of the elements of the device 300. For example, physical quantities (temperature, humidity, air volume, length, height, weight, etc.) related to the installation environment of the device 300, years of use of the device 300, and the like can be used as parameters.

また、影響度の算出方法、類似度の算出方法及び初期確率の算出方法も、上記したものに限らず、他の算出方法を用いることができる。 Further, the method of calculating the degree of influence, the method of calculating the degree of similarity, and the method of calculating the initial probability are not limited to those described above, and other calculation methods can be used.

＊＊＊ハードウェア構成の説明＊＊＊
最後に、情報処理装置１００のハードウェア構成の補足説明を行う。
図３に示すプロセッサ９０１は、プロセッシングを行うＩＣ（Ｉｎｔｅｇｒａｔｅｄ Ｃｉｒｃｕｉｔ）である。
プロセッサ９０１は、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）、ＤＳＰ（Ｄｉｇｉｔａｌ Ｓｉｇｎａｌ Ｐｒｏｃｅｓｓｏｒ）等である。
図３に示す主記憶装置９０２は、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）である。
図３に示す補助記憶装置９０３は、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）、フラッシュメモリ、ＨＤＤ（Ｈａｒｄ Ｄｉｓｋ Ｄｒｉｖｅ）等である。
図３に示す通信装置９０４は、データの通信処理を実行する電子回路である。
通信装置９０４は、例えば、通信チップ又はＮＩＣ（Ｎｅｔｗｏｒｋ Ｉｎｔｅｒｆａｃｅ Ｃａｒｄ）である。*** Explanation of hardware configuration ***
Finally, a supplementary explanation of the hardware configuration of the information processing apparatus 100 will be given.
The processor 901 shown in FIG. 3 is an IC (Integrated Circuit) that performs processing.
The processor 901 is a CPU (Central Processing Unit), a DSP (Digital Signal Processor), or the like.
The main storage device 902 shown in FIG. 3 is a RAM (Random Access Memory).
The auxiliary storage device 903 shown in FIG. 3 is a ROM (Read Only Memory), a flash memory, an HDD (Hard Disk Drive), or the like.
The communication device 904 shown in FIG. 3 is an electronic circuit that executes data communication processing.
The communication device 904 is, for example, a communication chip or a NIC (Network Interface Card).

また、補助記憶装置９０３には、ＯＳ（Ｏｐｅｒａｔｉｎｇ Ｓｙｓｔｅｍ）も記憶されている。
そして、ＯＳの少なくとも一部がプロセッサ９０１により実行される。
プロセッサ９０１はＯＳの少なくとも一部を実行しながら、物理モデル選択部１０２、影響度分析部１０３、パラメータ選択部１０４、類似度算出部１０６及び初期確率算出部１０７の機能を実現するプログラムを実行する。
プロセッサ９０１がＯＳを実行することで、タスク管理、メモリ管理、ファイル管理、通信制御等が行われる。
また、物理モデル選択部１０２、影響度分析部１０３、パラメータ選択部１０４、類似度算出部１０６及び初期確率算出部１０７の処理の結果を示す情報、データ、信号値及び変数値の少なくともいずれかが、主記憶装置９０２、補助記憶装置９０３、プロセッサ９０１内のレジスタ及びキャッシュメモリの少なくともいずれかに記憶される。
また、物理モデル選択部１０２、影響度分析部１０３、パラメータ選択部１０４、類似度算出部１０６及び初期確率算出部１０７の機能を実現するプログラムは、磁気ディスク、フレキシブルディスク、光ディスク、コンパクトディスク、ブルーレイ（登録商標）ディスク、ＤＶＤ等の可搬記録媒体に格納されていてもよい。そして、物理モデル選択部１０２、影響度分析部１０３、パラメータ選択部１０４、類似度算出部１０６及び初期確率算出部１０７の機能を実現するプログラムが格納された可搬記録媒体を商業的に流通させてもよい。 In addition, the OS (Operating System) is also stored in the auxiliary storage device 903.
Then, at least a part of the OS is executed by the processor 901.
The processor 901 while executing at least part of the OS, execute the physical model selection unit 10 2, impact analysis unit 103, the parameter selection unit 104, a program for realizing the functions of the similarity calculating unit 106 and the initial probability calculation unit 107 To do.
When the processor 901 executes the OS, task management, memory management, file management, communication control, and the like are performed.
Further, at least one of information, data, a signal value, and a variable value indicating the processing results of the physical model selection unit 102, the influence degree analysis unit 103, the parameter selection unit 104, the similarity calculation unit 106, and the initial probability calculation unit 107. Is stored in at least one of a register and a cache memory in the main storage device 902, the auxiliary storage device 903, and the processor 901.
Further, the programs that realize the functions of the physical model selection unit 102, the influence degree analysis unit 103, the parameter selection unit 104, the similarity calculation unit 106, and the initial probability calculation unit 107 are magnetic disks, flexible disks, optical disks, compact disks, and the like. It may be stored in a portable recording medium such as a Blu-ray (registered trademark) disc or a DVD. Then, a portable recording medium containing a program that realizes the functions of the physical model selection unit 102, the influence degree analysis unit 103, the parameter selection unit 104, the similarity calculation unit 106, and the initial probability calculation unit 107 is commercially distributed. You may let me.

また、物理モデル選択部１０２、影響度分析部１０３、パラメータ選択部１０４、類似度算出部１０６及び初期確率算出部１０７の「部」を、「回路」又は「工程」又は「手順」又は「処理」に読み替えてもよい。
また、情報処理装置１００は、処理回路により実現されてもよい。処理回路は、例えば、ロジックＩＣ（Ｉｎｔｅｇｒａｔｅｄ Ｃｉｒｃｕｉｔ）、ＧＡ（Ｇａｔｅ Ａｒｒａｙ）、ＡＳＩＣ（Ａｐｐｌｉｃａｔｉｏｎ Ｓｐｅｃｉｆｉｃ Ｉｎｔｅｇｒａｔｅｄ Ｃｉｒｃｕｉｔ）、ＦＰＧＡ（Ｆｉｅｌｄ−Ｐｒｏｇｒａｍｍａｂｌｅ Ｇａｔｅ Ａｒｒａｙ）である。
この場合は、物理モデル選択部１０２、影響度分析部１０３、パラメータ選択部１０４、類似度算出部１０６及び初期確率算出部１０７は、それぞれ処理回路の一部として実現される。
なお、本明細書では、プロセッサと処理回路との上位概念を、「プロセッシングサーキットリー」という。
つまり、プロセッサと処理回路とは、それぞれ「プロセッシングサーキットリー」の具体例である。 Further, the "parts" of the physical model selection unit 102, the influence degree analysis unit 103, the parameter selection unit 104, the similarity calculation unit 106, and the initial probability calculation unit 107 are referred to as "circuits" or "processes" or "procedures" or "procedures". It may be read as "processing".
Further, the information processing device 100 may be realized by a processing circuit. The processing circuit is, for example, a logic IC (Integrated Circuit), a GA (Gate Array), an ASIC (Application Specific Integrated Circuit), or an FPGA (Field-Programmable Gate Array).
In this case, the physical model selection unit 102, the influence degree analysis unit 103, the parameter selection unit 104, the similarity calculation unit 106, and the initial probability calculation unit 107 are each realized as a part of the processing circuit.
In this specification, the superordinate concept of the processor and the processing circuit is referred to as "processing circuit Lee".
That is, the processor and the processing circuit are specific examples of the "processing circuit Lee", respectively.

１００ 情報処理装置、１０１ 物理モデル記憶部、１０２ 物理モデル選択部、１０３ 影響度分析部、１０４ パラメータ選択部、１０５ 動作モデル記憶部、１０６ 類似度算出部、１０７ 初期確率算出部、２０１ 機器情報、２０２ パラメータセンサ情報、２０３ 物理モデル、３００機器 、４００ センサ、９０１ プロセッサ、９０２ 主記憶装置、９０３ 補助記憶装置、９０４ 通信装置。 100 an information processing apparatus, 101 a physical model storage unit, 10 second physical model selection unit, 103 impact analysis unit, 104 parameter selection unit, 105 operation model storage unit, 106 similarity calculating unit, 107 an initial probability calculation unit, 201 device information , 202 parameter sensor information, 203 physical model, 300 equipment, 400 sensor, 901 processor, 902 main memory, 903 auxiliary storage, 904 communication device.

Claims (6)

複数のパラメータについて、パラメータ値を変化させた場合の機器への影響度をパラメータごとに分析する影響度分析部と、
前記複数のパラメータの中から、選択条件に合致する影響度が得られたパラメータを選択パラメータとして選択するパラメータ選択部と、
前記機器の複数の動作モデルについて、各動作モデルに設定されている複数のパラメータのうち前記選択パラメータに対応するパラメータと前記選択パラメータとの類似度を動作モデルごとに算出する類似度算出部と、
各動作モデルに初期値として設定する確率である初期確率を、動作モデルごとに、各動作モデルの類似度に基づき算出する初期確率算出部とを有する情報処理装置。 For multiple parameters, the impact analysis unit that analyzes the impact on the equipment when the parameter value is changed for each parameter,
A parameter selection unit that selects a parameter having an influence degree that matches the selection conditions as a selection parameter from the plurality of parameters.
With respect to a plurality of operation models of the device, a similarity calculation unit that calculates the similarity between the parameter corresponding to the selection parameter and the selection parameter among the plurality of parameters set in each operation model for each operation model, and
An information processing device having an initial probability calculation unit that calculates an initial probability, which is a probability set as an initial value in each operation model, based on the similarity of each operation model for each operation model. 前記影響度分析部は、
シミュレーションにより、パラメータ値を変化させた場合の前記機器への影響度をパラメータごとに分析する請求項１に記載の情報処理装置。 The impact analysis unit
The information processing apparatus according to claim 1, wherein the degree of influence on the device when the parameter value is changed is analyzed for each parameter by simulation. 前記影響度分析部は、
前記機器への影響度として、パラメータ値を変化させた場合の前記機器に設けられたセンサのセンサ値への影響度をパラメータごとに分析する請求項１に記載の情報処理装置。 The impact analysis unit
The information processing apparatus according to claim 1, wherein as the degree of influence on the device, the degree of influence on the sensor value of the sensor provided in the device when the parameter value is changed is analyzed for each parameter. 前記影響度分析部は、
前記複数のパラメータとして、前記機器の要素の属性、前記機器の設置環境に関連する物理量及び前記機器の使用年数のうちのいずれかを用いる請求項１に記載の情報処理装置。 The impact analysis unit
The information processing apparatus according to claim 1, wherein any of the attributes of the elements of the device, the physical quantity related to the installation environment of the device, and the number of years of use of the device are used as the plurality of parameters. コンピュータが、複数のパラメータについて、パラメータ値を変化させた場合の機器への影響度をパラメータごとに分析し、
前記コンピュータが、前記複数のパラメータの中から、選択条件に合致する影響度が得られたパラメータを選択パラメータとして選択し、
前記コンピュータが、前記機器の複数の動作モデルについて、各動作モデルに設定されている複数のパラメータのうち前記選択パラメータに対応するパラメータと前記選択パラメータとの類似度を動作モデルごとに算出し、
前記コンピュータが、各動作モデルに初期値として設定する確率である初期確率を、動作モデルごとに、各動作モデルの類似度に基づき算出する情報処理方法。 For each parameter, the computer analyzes the degree of influence on the device when the parameter value is changed for multiple parameters, and analyzes it for each parameter.
The computer selects, as a selection parameter, a parameter having an influence degree that matches the selection condition from the plurality of parameters.
The computer calculates the similarity between the parameter corresponding to the selection parameter and the selection parameter among the plurality of parameters set in each operation model for the plurality of operation models of the device for each operation model.
An information processing method that calculates an initial probability, which is a probability that the computer sets as an initial value in each operation model, for each operation model based on the similarity of each operation model. 複数のパラメータについて、パラメータ値を変化させた場合の機器への影響度をパラメータごとに分析する影響度分析部と、
前記複数のパラメータの中から、選択条件に合致する影響度が得られたパラメータを選択パラメータとして選択するパラメータ選択部と、
前記機器の複数の動作モデルについて、各動作モデルに設定されている複数のパラメータのうち前記選択パラメータに対応するパラメータと前記選択パラメータとの類似度を動作モデルごとに算出する類似度算出部と、
各動作モデルに初期値として設定する確率である初期確率を、動作モデルごとに、各動作モデルの類似度に基づき算出する初期確率算出部としてコンピュータを機能させる情報処理プログラム。 For multiple parameters, the impact analysis unit that analyzes the impact on the equipment when the parameter value is changed for each parameter,
A parameter selection unit that selects a parameter having an influence degree that matches the selection conditions as a selection parameter from the plurality of parameters.
With respect to a plurality of operation models of the device, a similarity calculation unit that calculates the similarity between the parameter corresponding to the selection parameter and the selection parameter among the plurality of parameters set in each operation model for each operation model, and
The initial probability is the probability of setting an initial value to each behavior model, for each behavior model, the initial probability calculation unit and to an information processing program for causing a computer to function to calculate on the basis of the similarity of each operation model.
JP2021503285A 2019-03-04 2019-03-04 Information processing equipment, information processing methods and information processing programs Active JP6903246B2 (en)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2019/008358 WO2020178938A1 (en) 2019-03-04 2019-03-04 Information processing device, information processing method, and information processing program

Publications (2)

Publication Number Publication Date
JP6903246B2 true JP6903246B2 (en) 2021-07-14
JPWO2020178938A1 JPWO2020178938A1 (en) 2021-09-13

Family

ID=72337044

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2021503285A Active JP6903246B2 (en) 2019-03-04 2019-03-04 Information processing equipment, information processing methods and information processing programs

Country Status (5)

Country Link
JP (1) JP6903246B2 (en)
KR (1) KR102413753B1 (en)
CN (1) CN113474796B (en)
TW (1) TW202034233A (en)
WO (1) WO2020178938A1 (en)

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5089281B2 (en) 2007-07-26 2012-12-05 三菱電機株式会社 State estimation device and state estimation method
JP5017392B2 (en) * 2010-02-24 2012-09-05 クラリオン株式会社 Position estimation apparatus and position estimation method
JP6032066B2 (en) * 2013-03-05 2016-11-24 三菱電機株式会社 Test equipment
JP6602609B2 (en) * 2015-09-04 2019-11-06 パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカ Power usage state estimation method
JP6558861B2 (en) * 2016-07-01 2019-08-14 日本電信電話株式会社 Survival probability estimation device, method, and program
KR102153924B1 (en) * 2017-01-27 2020-09-09 미츠비시 히타치 파워 시스템즈 가부시키가이샤 Model parameter value estimation apparatus and estimation method, program, recording medium recording the program, model parameter value estimation system
JP6904418B2 (en) * 2017-08-02 2021-07-14 日本電気株式会社 Information processing equipment, information processing system, information processing method, and program

Also Published As

Publication number Publication date
KR20210112388A (en) 2021-09-14
CN113474796B (en) 2024-10-01
KR102413753B1 (en) 2022-06-27
CN113474796A (en) 2021-10-01
JPWO2020178938A1 (en) 2021-09-13
WO2020178938A1 (en) 2020-09-10
TW202034233A (en) 2020-09-16

Similar Documents

Publication Publication Date Title
TWI444844B (en) Simulation parameter correction technique
US20180157438A1 (en) Slow-disk detection method and apparatus
US9135383B2 (en) Table model circuit simulation acceleration using model caching
JP6299759B2 (en) Prediction function creation device, prediction function creation method, and program
KR102038703B1 (en) Method for estimation on online multivariate time series using ensemble dynamic transfer models and system thereof
JP7119820B2 (en) Prediction program, prediction method and learning device
US7681157B2 (en) Variable threshold system and method for multi-corner static timing analysis
US20100014569A1 (en) Identifying An Optimized Test Bit Pattern For Analyzing Electrical Communications Channel Topologies
JP6903246B2 (en) Information processing equipment, information processing methods and information processing programs
JP2016126596A (en) Difference learning management program, difference learning management device, and difference learning management method
JP5933055B2 (en) Sensor data recording apparatus, method and program
JP2009140265A (en) Method and program for obtaining basic property of simultaneous operation signal noise for use in method for estimating simultaneous operation signal noise in semiconductor device
JP4871194B2 (en) Parameter extraction method and computer-readable storage medium having program for executing parameter extraction method
JP2012128771A (en) Information processing apparatus and program
US7346868B2 (en) Method and system for evaluating design costs of an integrated circuit
JP7215340B2 (en) Information processing device, log control program, and log control method
WO2021046723A1 (en) Sensor model generation method and system, and sensor measurement method and system
US11042463B2 (en) Computer, bottleneck identification method, and non-transitory computer readable storage medium
JP2009258831A (en) Simulation device, simulation method, and program
KR101832583B1 (en) Power state coverage metric and method for estimating the same
JP6172160B2 (en) Performance prediction apparatus and performance prediction method
CN117249873B (en) Quality monitoring method and equipment for gas molecular analysis
WO2021111832A1 (en) Information processing method, information processing system, and information processing device
JP2023169587A (en) Data recording device, data recording method, and data recording program
JP2024103051A (en) Prediction value correction device, prediction value correction method, and program

Legal Events

Date Code Title Description
A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20210316

A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20210316

A871 Explanation of circumstances concerning accelerated examination

Free format text: JAPANESE INTERMEDIATE CODE: A871

Effective date: 20210316

A975 Report on accelerated examination

Free format text: JAPANESE INTERMEDIATE CODE: A971005

Effective date: 20210409

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20210413

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20210427

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: 20210525

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20210622

R150 Certificate of patent or registration of utility model

Ref document number: 6903246

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150