JP7092184B2 - 製品検出装置、方法およびプログラム - Google Patents
製品検出装置、方法およびプログラム Download PDFInfo
- Publication number
- JP7092184B2 JP7092184B2 JP2020509659A JP2020509659A JP7092184B2 JP 7092184 B2 JP7092184 B2 JP 7092184B2 JP 2020509659 A JP2020509659 A JP 2020509659A JP 2020509659 A JP2020509659 A JP 2020509659A JP 7092184 B2 JP7092184 B2 JP 7092184B2
- Authority
- JP
- Japan
- Prior art keywords
- data
- product
- window
- difference
- normal
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/04—Inference or reasoning models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Evolutionary Computation (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Artificial Intelligence (AREA)
- Medical Informatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computational Linguistics (AREA)
- Image Analysis (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Description
図1は、本発明の第1の実施形態の製品検出装置の例を示すブロック図である。本発明の第1の実施形態の製品検出装置100は、時系列データ記憶部1と、データ切り出し部2と、分割済みデータ記憶部3と、学習部4と、モデル記憶部5と、復元データ生成部6と、復元データ記憶部7と、差分計算部8と、製品差分記憶部9と、ウィンドウデータ記憶部10と、ウィンドウデータ決定部11と、決定ウィンドウデータ記憶部12と、製品検出部13とを備える。
図18は、本発明の第2の実施形態の製品検出装置の例を示すブロック図である。図1に示す要素と同様の要素については、図1と同一の符号を付し、説明を省略する。本発明の第2の実施形態の製品検出装置100は、第1の実施形態の製品検出装置100(図1参照)が備える各要素に加えて、さらに、表示制御部14を備える。
2 データ切り出し部
3 分割済みデータ記憶部
4 学習部
5 モデル記憶部
6 復元データ生成部
7 復元データ記憶部
8 差分計算部
9 製品差分記憶部
10 ウィンドウデータ記憶部
11 ウィンドウデータ決定部
12 決定ウィンドウデータ記憶部
13 製品検出部
14 表示制御部
100 製品検出装置
Claims (10)
- 正常製品の時系列データから、データを抽出するための第1のウィンドウのサイズと、前記第1のウィンドウを用いて抽出されたデータを前半データと後半データと分割するための第2のウィンドウおよび第3のウィンドウそれぞれのサイズと、第1のウィンドウをスライドさせるときのスライドサイズとの組合せであるウィンドウデータを複数個、記憶するウィンドウデータ記憶手段と、
ウィンドウデータが順次、選択され、複数の正常製品それぞれの時系列データから、前記第1のウィンドウ、前記第2のウィンドウおよび前記第3のウィンドウを用いて得られた前半データと後半データとの組の集合を教師データとして、前半データから後半データを復元するためのモデルを学習する学習手段と、
選択されたウィンドウデータに基づいて得られた前半データと後半データとの組毎に、前記モデルに前半データを適用することによって、後半データの復元データを生成する復元データ生成手段と、
選択されたウィンドウデータに基づいて得られた後半データと復元データとの差分を、正常製品毎に計算する差分計算手段とを備え、
前記差分計算手段は、
1つのウィンドウデータが選択されているときに、正常製品毎に、後半データと復元データとの差分を複数個、計算し、複数個の差分に基づいて正常製品に対応する1つの差分である製品差分を導出し、
正常製品毎に計算された製品差分に基づいて、所定の条件を満たすウィンドウデータを決定するウィンドウデータ決定手段と、
前記ウィンドウデータ決定手段によって決定されたウィンドウデータに対応する正常製品毎の製品差分に基づいて、複数の正常製品の中から、所定の正常製品を検出する検出手段とを備える
ことを特徴とする製品検出装置。 - ウィンドウデータ決定手段は、
ウィンドウデータ毎に、
正常製品毎に1つずつ導出された製品差分の中から、正常製品の数に対する所定の割合の個数に該当する製品差分を、製品差分の大きい順に選択し、選択した製品差分が属する第1のグループと、選択した製品差分以外の製品差分が属する第2のグループとを定め、
第1のグループに属する製品差分の分散と、第2のグループに属する製品差分の分散とを算出し、
第1のグループに属する製品差分の分散と、第2のグループに属する製品差分の分散とに基づいて、ウィンドウデータを決定する
請求項1に記載の製品検出装置。 - ウィンドウデータ決定手段は、
ウィンドウデータ毎の第1のグループに属する製品差分の分散のうちの最大値を、第1のグループに属する製品差分の分散の理想値とし、
0を第2のグループに属する製品差分の分散の理想値とし、
第1のグループに属する製品差分の分散と当該分散の理想値との差、および、第2のグループに属する製品差分の分散と当該分散の理想値との差に基づいて、ウィンドウデータを決定する
請求項2に記載の製品検出装置。 - ウィンドウデータ決定手段は、
ウィンドウデータ毎の第1のグループに属する製品差分の分散のうちの最大値をYとし、1つのウィンドウデータに対応する第1のグループに属する製品差分の分散をyとし、前記ウィンドウデータに対応する第2のグループに属する製品差分の分散をxとしたときに、ウィンドウデータ毎に座標(0,Y)と座標(x,y)との距離を計算し、前記距離が最小であるという条件を満たすウィンドウデータを決定する
請求項2または請求項3に記載の製品検出装置。 - 検出手段は、
ウィンドウデータ決定手段によって決定されたウィンドウデータに基づいて得られた正常製品毎の製品差分の中から、正常製品の数に対する所定の割合の個数に該当する製品差分を、製品差分の大きい順に選択し、選択した製品差分に対応する正常製品を検出する
請求項1から請求項4のうちのいずれか1項に記載の製品検出装置。 - ウィンドウデータ毎に、製品差分の度数分布を表示する表示制御手段を備える
請求項2から請求項5のうちのいずれか1項に記載の製品検出装置。 - 正常製品の時系列データから、データを抽出するための第1のウィンドウのサイズと、前記第1のウィンドウを用いて抽出されたデータを前半データと後半データと分割するための第2のウィンドウおよび第3のウィンドウそれぞれのサイズと、第1のウィンドウをスライドさせるときのスライドサイズとの組合せであるウィンドウデータを複数個、記憶するウィンドウデータ記憶手段を備えたコンピュータが、
ウィンドウデータが順次、選択され、複数の正常製品それぞれの時系列データから、前記第1のウィンドウ、前記第2のウィンドウおよび前記第3のウィンドウを用いて得られた前半データと後半データとの組の集合を教師データとして、前半データから後半データを復元するためのモデルを学習し、
選択したウィンドウデータに基づいて得た前半データと後半データとの組毎に、前記モデルに前半データを適用することによって、後半データの復元データを生成し、
選択したウィンドウデータに基づいて得た後半データと復元データとの差分を、正常製品毎に計算し、
後半データと復元データとの差分を正常製品毎に計算する際に、
1つのウィンドウデータが選択されているときに、正常製品毎に、後半データと復元データとの差分を複数個、計算し、複数個の差分に基づいて正常製品に対応する1つの差分である製品差分を導出し、
正常製品毎に計算した製品差分に基づいて、所定の条件を満たすウィンドウデータを決定し、
決定したウィンドウデータに対応する正常製品毎の製品差分に基づいて、複数の正常製品の中から、所定の正常製品を検出する
ことを特徴とする製品検出方法。 - コンピュータが、
ウィンドウデータ毎に、
正常製品毎に1つずつ導出した製品差分の中から、正常製品の数に対する所定の割合の個数に該当する製品差分を、製品差分の大きい順に選択し、選択した製品差分が属する第1のグループと、選択した製品差分以外の製品差分が属する第2のグループとを定め、
第1のグループに属する製品差分の分散と、第2のグループに属する製品差分の分散とを算出し、
第1のグループに属する製品差分の分散と、第2のグループに属する製品差分の分散とに基づいて、ウィンドウデータを決定する
請求項7に記載の製品検出方法。 - 正常製品の時系列データから、データを抽出するための第1のウィンドウのサイズと、前記第1のウィンドウを用いて抽出されたデータを前半データと後半データと分割するための第2のウィンドウおよび第3のウィンドウそれぞれのサイズと、第1のウィンドウをスライドさせるときのスライドサイズとの組合せであるウィンドウデータを複数個、記憶するウィンドウデータ記憶手段を備えたコンピュータに搭載される製品検出プログラムであって、
前記コンピュータに、
ウィンドウデータが順次、選択され、複数の正常製品それぞれの時系列データから、前記第1のウィンドウ、前記第2のウィンドウおよび前記第3のウィンドウを用いて得られた前半データと後半データとの組の集合を教師データとして、前半データから後半データを復元するためのモデルを学習する学習処理、
選択されたウィンドウデータに基づいて得られた前半データと後半データとの組毎に、前記モデルに前半データを適用することによって、後半データの復元データを生成する復元データ生成処理、および、
選択されたウィンドウデータに基づいて得られた後半データと復元データとの差分を、正常製品毎に計算する差分計算処理を実行させ、
前記差分計算処理で、
1つのウィンドウデータが選択されているときに、正常製品毎に、後半データと復元データとの差分を複数個、計算させ、複数個の差分に基づいて正常製品に対応する1つの差分である製品差分を導出させ、
正常製品毎に計算された製品差分に基づいて、所定の条件を満たすウィンドウデータを決定するウィンドウデータ決定処理、および、
前記ウィンドウデータ決定処理で決定されたウィンドウデータに対応する正常製品毎の製品差分に基づいて、複数の正常製品の中から、所定の正常製品を検出する検出処理
を実行させるための製品検出プログラム。 - コンピュータに、
ウィンドウデータ決定処理で、
ウィンドウデータ毎に、
正常製品毎に1つずつ導出された製品差分の中から、正常製品の数に対する所定の割合の個数に該当する製品差分を、製品差分の大きい順に選択させ、選択した製品差分が属する第1のグループと、選択した製品差分以外の製品差分が属する第2のグループとを定めさせ、
第1のグループに属する製品差分の分散と、第2のグループに属する製品差分の分散とを算出させ、
第1のグループに属する製品差分の分散と、第2のグループに属する製品差分の分散とに基づいて、ウィンドウデータを決定させる
請求項9に記載の製品検出プログラム。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018059485 | 2018-03-27 | ||
JP2018059485 | 2018-03-27 | ||
PCT/JP2018/047771 WO2019187433A1 (ja) | 2018-03-27 | 2018-12-26 | 製品検出装置、方法およびプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JPWO2019187433A1 JPWO2019187433A1 (ja) | 2021-02-25 |
JP7092184B2 true JP7092184B2 (ja) | 2022-06-28 |
Family
ID=68059729
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020509659A Active JP7092184B2 (ja) | 2018-03-27 | 2018-12-26 | 製品検出装置、方法およびプログラム |
Country Status (3)
Country | Link |
---|---|
US (1) | US20210125088A1 (ja) |
JP (1) | JP7092184B2 (ja) |
WO (1) | WO2019187433A1 (ja) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11734121B2 (en) * | 2020-03-10 | 2023-08-22 | EMC IP Holding Company LLC | Systems and methods to achieve effective streaming of data blocks in data backups |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009237832A (ja) | 2008-03-26 | 2009-10-15 | Tokyo Gas Co Ltd | 可変的予測モデル構築方法、及び、可変的予測モデル構築システム |
-
2018
- 2018-12-26 US US16/981,857 patent/US20210125088A1/en active Pending
- 2018-12-26 WO PCT/JP2018/047771 patent/WO2019187433A1/ja active Application Filing
- 2018-12-26 JP JP2020509659A patent/JP7092184B2/ja active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009237832A (ja) | 2008-03-26 | 2009-10-15 | Tokyo Gas Co Ltd | 可変的予測モデル構築方法、及び、可変的予測モデル構築システム |
Non-Patent Citations (1)
Title |
---|
柴田 昌彦,中原 大貴,三井 聡,デジタル制御入出力信号の非定常検出方式の検討,第80回(平成30年)全国大会 講演論文集(1),日本,一般社団法人 情報処理学会,2018年03月13日,pp.1-157~1-158 |
Also Published As
Publication number | Publication date |
---|---|
US20210125088A1 (en) | 2021-04-29 |
WO2019187433A1 (ja) | 2019-10-03 |
JPWO2019187433A1 (ja) | 2021-02-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6774636B2 (ja) | 異常分析方法、プログラムおよびシステム | |
JP6521096B2 (ja) | 表示方法、表示装置、および、プログラム | |
JP7036697B2 (ja) | 監視システム及び監視方法 | |
JP5794034B2 (ja) | 障害予測システム及びプログラム | |
WO2016147657A1 (ja) | 情報処理装置、情報処理方法、及び、記録媒体 | |
JP7175216B2 (ja) | 異常検知装置、異常検知システム、異常検知方法 | |
WO2019087803A1 (ja) | 画像処理装置、画像処理方法及び記録媒体 | |
CN101950376A (zh) | 隐马尔可夫模型学习设备和方法、程序、以及记录介质 | |
JP7247021B2 (ja) | 情報処理装置、予測判別システム、および予測判別方法 | |
CN107831737A (zh) | 用于横向过程行为监视的利用支持向量机的模型工厂失配检测 | |
JP6489235B2 (ja) | システム分析方法、システム分析装置、および、プログラム | |
JP2020052714A5 (ja) | ||
JP5963579B2 (ja) | ショベルの管理装置及びショベルの異常検出方法 | |
JP7092184B2 (ja) | 製品検出装置、方法およびプログラム | |
JP6415335B2 (ja) | 不具合診断方法及び不具合診断システム | |
Ardakani et al. | Optimal features selection for designing a fault diagnosis system | |
EP3557346B1 (en) | State identification device, state identification method and mechanical device | |
JP2007164346A (ja) | 決定木変更方法、異常性判定方法およびプログラム | |
WO2020189132A1 (ja) | 学習装置、学習方法、コンピュータプログラム及び記録媒体 | |
JP6627258B2 (ja) | システムモデル生成支援装置、システムモデル生成支援方法、及び、プログラム | |
KR102072894B1 (ko) | 인트론과 엑손 구분에 기반한 이상 서열 식별 방법 | |
JPWO2021050790A5 (ja) | ||
Jelali et al. | Statistical process control | |
JP6973445B2 (ja) | 表示方法、表示装置、および、プログラム | |
WO2022059183A1 (ja) | 情報処理装置、情報処理方法及び情報処理プログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20200914 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20211116 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20211223 |
|
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: 20220517 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20220530 |
|
R151 | Written notification of patent or utility model registration |
Ref document number: 7092184 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |