JP7372530B2 - 混練異常度学習装置、学習済モデルの生成方法及びプログラム - Google Patents
混練異常度学習装置、学習済モデルの生成方法及びプログラム Download PDFInfo
- Publication number
- JP7372530B2 JP7372530B2 JP2019184452A JP2019184452A JP7372530B2 JP 7372530 B2 JP7372530 B2 JP 7372530B2 JP 2019184452 A JP2019184452 A JP 2019184452A JP 2019184452 A JP2019184452 A JP 2019184452A JP 7372530 B2 JP7372530 B2 JP 7372530B2
- Authority
- JP
- Japan
- Prior art keywords
- kneading
- time
- learning
- time range
- data
- 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
- 238000004898 kneading Methods 0.000 title claims description 223
- 230000005856 abnormality Effects 0.000 title claims description 66
- 238000000034 method Methods 0.000 title claims description 49
- 238000005259 measurement Methods 0.000 claims description 113
- 238000010801 machine learning Methods 0.000 claims description 71
- 230000010365 information processing Effects 0.000 description 31
- 238000007418 data mining Methods 0.000 description 23
- 238000010586 diagram Methods 0.000 description 21
- 238000013500 data storage Methods 0.000 description 14
- 230000002159 abnormal effect Effects 0.000 description 11
- 230000006870 function Effects 0.000 description 11
- 238000005065 mining Methods 0.000 description 10
- 238000012545 processing Methods 0.000 description 8
- 238000004891 communication Methods 0.000 description 6
- 238000012549 training Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 239000003795 chemical substances by application Substances 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 238000007637 random forest analysis Methods 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
Images
Landscapes
- Processing And Handling Of Plastics And Other Materials For Molding In General (AREA)
Description
Claims (6)
- 密閉式ゴム混練機により未加硫ゴムの混練バッチを混練する際の当該混練バッチの混練の異常度の推定に用いられる機械学習モデルの学習を実行する混練異常度学習装置であって、
互いに異なる複数の設定規則のそれぞれについて、前記混練バッチの混練の開始から終了までの混練時間に対して当該設定規則を適用することで、前記混練時間を分割した複数の時間範囲、又は、互いに隣接する時間範囲の一部が重複する複数の時間範囲を含む時間範囲群であって、含まれる複数の時間範囲によって前記混練時間の全体がカバーされる時間範囲群である、当該設定規則に対応付けられる時間範囲群を設定する設定手段と、
前記密閉式ゴム混練機の状態を表す測定値の時系列を示す測定データと、混練の異常度を示す所与の教師データと、を含む学習データを取得する学習データ取得手段と、
前記複数の設定規則のそれぞれの、当該設定規則に対応付けられる前記時間範囲群に含まれる複数の時間範囲のそれぞれについて、当該時間範囲に対応付けられる複数の前記測定値を抽出し、抽出される当該複数の前記測定値の統計値を示す、当該時間範囲に対応付けられる統計値要素を複数生成する統計値要素生成手段と、
前記教師データに基づいて、生成される複数の前記統計値要素のうちから、前記異常度の推定への寄与度が高い一部の前記統計値要素を特定する特定手段と、
特定される前記一部の前記統計値要素を入力に用いて前記機械学習モデルの学習を実行する学習手段と、
を含むことを特徴とする混練異常度学習装置。 - 前記設定手段は、前記複数の設定規則のそれぞれの、前記密閉式ゴム混練機が備えるラムが配置されている位置に基づいて前記混練時間を分割した複数のサブ時間のそれぞれについて、含まれる複数の時間範囲によって当該サブ時間の全体がカバーされるサブ時間範囲群を設定することで、当該設定規則に対応付けられる前記時間範囲群を設定する、
ことを特徴とする請求項1に記載の混練異常度学習装置。 - 前記設定手段は、前記複数の設定規則のそれぞれの、前記混練時間を当該設定規則に対応付けられる分割数で分割することで、当該設定規則に対応付けられる時間範囲群を設定する、
ことを特徴とする請求項1又は2に記載の混練異常度学習装置。 - 前記設定規則に対応付けられる前記時間範囲群に含まれる時間範囲は、当該設定規則とは異なる設定規則に対応付けられる前記時間範囲群に含まれるいずれかの時間範囲と少なくとも一部が重複する、
ことを特徴とする請求項1から3のいずれか一項に記載の混練異常度学習装置。 - 密閉式ゴム混練機により未加硫ゴムの混練バッチを混練する際の当該混練バッチの混練の異常度を推定する学習済モデルの生成方法であって、
互いに異なる複数の設定規則のそれぞれについて、前記混練バッチの混練の開始から終了までの混練時間に対して当該設定規則を適用することで、前記混練時間を分割した複数の時間範囲、又は、互いに隣接する時間範囲の一部が重複する複数の時間範囲を含む時間範囲群であって、含まれる複数の時間範囲によって前記混練時間の全体がカバーされる時間範囲群である、当該設定規則に対応付けられる時間範囲群を設定するステップと、
前記密閉式ゴム混練機の状態を表す測定値の時系列を示す測定データと、混練の異常度を示す所与の教師データと、を含む学習データを取得するステップと、
前記複数の設定規則のそれぞれの、当該設定規則に対応付けられる前記時間範囲群に含まれる複数の時間範囲のそれぞれについて、当該時間範囲に対応付けられる複数の前記測定値を抽出し、抽出される当該複数の前記測定値の統計値を示す、当該時間範囲に対応付けられる統計値要素を複数生成するステップと、
前記教師データに基づいて、生成される複数の前記統計値要素のうちから、前記異常度の推定への寄与度が高い一部の前記統計値要素を特定するステップと、
特定される前記一部の前記統計値要素を入力に用いて機械学習モデルの学習を実行するステップと、
を含むことを特徴とする学習済モデルの生成方法。 - 密閉式ゴム混練機により未加硫ゴムの混練バッチを混練する際の当該混練バッチの混練の異常度の推定に用いられる機械学習モデルの学習を実行するコンピュータに、
互いに異なる複数の設定規則のそれぞれについて、前記混練バッチの混練の開始から終了までの混練時間に対して当該設定規則を適用することで、前記混練時間を分割した複数の時間範囲、又は、互いに隣接する時間範囲の一部が重複する複数の時間範囲を含む時間範囲群であって、含まれる複数の時間範囲によって前記混練時間の全体がカバーされる時間範囲群である、当該設定規則に対応付けられる時間範囲群を設定する手順、
前記密閉式ゴム混練機の状態を表す測定値の時系列を示す測定データと、混練の異常度を示す所与の教師データと、を含む学習データを取得する手順、
前記複数の設定規則のそれぞれの、当該設定規則に対応付けられる前記時間範囲群に含まれる複数の時間範囲のそれぞれについて、当該時間範囲に対応付けられる複数の前記測定値を抽出し、抽出される当該複数の前記測定値の統計値を示す、当該時間範囲に対応付けられる統計値要素を複数生成する手順、
前記教師データに基づいて、生成される複数の前記統計値要素のうちから、前記異常度の推定への寄与度が高い一部の前記統計値要素を特定する手順、
特定される前記一部の前記統計値要素を入力に用いて前記機械学習モデルの学習を実行する手順、
を実行させることを特徴とするプログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019184452A JP7372530B2 (ja) | 2019-10-07 | 2019-10-07 | 混練異常度学習装置、学習済モデルの生成方法及びプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019184452A JP7372530B2 (ja) | 2019-10-07 | 2019-10-07 | 混練異常度学習装置、学習済モデルの生成方法及びプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2021059058A JP2021059058A (ja) | 2021-04-15 |
JP7372530B2 true JP7372530B2 (ja) | 2023-11-01 |
Family
ID=75381579
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019184452A Active JP7372530B2 (ja) | 2019-10-07 | 2019-10-07 | 混練異常度学習装置、学習済モデルの生成方法及びプログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7372530B2 (ja) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2018509709A (ja) | 2015-03-23 | 2018-04-05 | オラクル・インターナショナル・コーポレイション | 知識集約型データ処理システム |
WO2019008727A1 (ja) | 2017-07-06 | 2019-01-10 | 三菱重工機械システム株式会社 | 混練機制御装置、混練機制御方法、プログラム |
WO2019043861A1 (ja) | 2017-08-31 | 2019-03-07 | 三菱重工機械システム株式会社 | 監視装置、監視方法、プログラム |
JP2019043055A (ja) | 2017-09-04 | 2019-03-22 | 横浜ゴム株式会社 | 未加硫ゴムの混練異常判定方法および混練制御方法 |
JP2019121162A (ja) | 2018-01-04 | 2019-07-22 | 株式会社東芝 | 監視装置、監視方法および監視プログラム |
JP2019155591A (ja) | 2018-03-07 | 2019-09-19 | 日本スピンドル製造株式会社 | 混練状態判定装置及び混練状態判定方法 |
-
2019
- 2019-10-07 JP JP2019184452A patent/JP7372530B2/ja active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2018509709A (ja) | 2015-03-23 | 2018-04-05 | オラクル・インターナショナル・コーポレイション | 知識集約型データ処理システム |
WO2019008727A1 (ja) | 2017-07-06 | 2019-01-10 | 三菱重工機械システム株式会社 | 混練機制御装置、混練機制御方法、プログラム |
WO2019043861A1 (ja) | 2017-08-31 | 2019-03-07 | 三菱重工機械システム株式会社 | 監視装置、監視方法、プログラム |
JP2019043055A (ja) | 2017-09-04 | 2019-03-22 | 横浜ゴム株式会社 | 未加硫ゴムの混練異常判定方法および混練制御方法 |
JP2019121162A (ja) | 2018-01-04 | 2019-07-22 | 株式会社東芝 | 監視装置、監視方法および監視プログラム |
JP2019155591A (ja) | 2018-03-07 | 2019-09-19 | 日本スピンドル製造株式会社 | 混練状態判定装置及び混練状態判定方法 |
Also Published As
Publication number | Publication date |
---|---|
JP2021059058A (ja) | 2021-04-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110377447B (zh) | 一种异常数据检测方法、装置及服务器 | |
US10496515B2 (en) | Abnormality detection apparatus, abnormality detection method, and non-transitory computer readable medium | |
JP7053113B2 (ja) | 継続的プロセス検証(cpv)用の分析/統計モデリングを使用するための方法及び装置、製品 | |
JP2020140580A (ja) | 検知装置及び検知プログラム | |
EP3805875B1 (en) | Control system and method for controlling the operation of a production device | |
TWI663510B (zh) | 設備保養預測系統及其操作方法 | |
JP2019148583A5 (ja) | ||
CN116413604A (zh) | 一种电池参数监测方法、系统、装置及存储介质 | |
CN114840375B (zh) | 一种半导体存储产品的老化性能测试方法及系统 | |
CN108805168B (zh) | 近红外光谱学和机器学习技术进行的制造过程的端点检测 | |
Huang et al. | A two‐stage approach for dynamic prediction of time‐to‐event distributions | |
JP7372530B2 (ja) | 混練異常度学習装置、学習済モデルの生成方法及びプログラム | |
JP7243082B2 (ja) | 混練異常度学習装置、混練異常度推定装置、混練異常度学習方法、混練異常度推定方法及びプログラム | |
JP7051025B2 (ja) | シミュレーション実行システム、シミュレーション実行方法およびシミュレーション実行プログラム | |
JP7173308B2 (ja) | 検知装置、検知方法および検知プログラム | |
US20210080924A1 (en) | Diagnosis Method and Diagnosis System for a Processing Engineering Plant and Training Method | |
US11466889B2 (en) | Motor controller for electric blowers | |
CN113269425A (zh) | 无监督条件下设备健康状态的定量评估方法及电子设备 | |
JP2020151893A (ja) | 混練異常度学習装置、混練異常度推定装置、混練異常度学習方法、混練異常度推定方法及びプログラム | |
JP7515063B2 (ja) | 提示方法、および提示システム | |
WO2024157398A1 (ja) | 学習装置、学習方法、プログラム | |
JP6579904B2 (ja) | 緩和スペクトルを算出する方法、物性値を算出する方法、装置、及びプログラム。 | |
CN105335259B (zh) | 确定电子设备性能评测过程中是否存在恶意行为的方法及装置 | |
WO2022196755A1 (ja) | 強化学習方法、コンピュータプログラム、強化学習装置及び成形機 | |
CN117273175A (zh) | 数据处理方法、机器学习模型的确定方法以及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220909 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20230711 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230725 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230905 |
|
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: 20230919 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20231002 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7372530 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |