JP7484065B1 - 知能型製造設備の制御装置及びその制御方法 - Google Patents
知能型製造設備の制御装置及びその制御方法 Download PDFInfo
- Publication number
- JP7484065B1 JP7484065B1 JP2023069429A JP2023069429A JP7484065B1 JP 7484065 B1 JP7484065 B1 JP 7484065B1 JP 2023069429 A JP2023069429 A JP 2023069429A JP 2023069429 A JP2023069429 A JP 2023069429A JP 7484065 B1 JP7484065 B1 JP 7484065B1
- Authority
- JP
- Japan
- Prior art keywords
- manufacturing
- information
- manufacturing information
- degree
- abnormality
- 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
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 395
- 238000000034 method Methods 0.000 title claims abstract description 140
- 230000005856 abnormality Effects 0.000 claims abstract description 68
- 238000013528 artificial neural network Methods 0.000 claims description 50
- 238000004422 calculation algorithm Methods 0.000 claims description 44
- 230000008569 process Effects 0.000 claims description 33
- 238000001514 detection method Methods 0.000 claims description 25
- 230000003416 augmentation Effects 0.000 claims description 23
- 238000007781 pre-processing Methods 0.000 claims description 23
- 238000004458 analytical method Methods 0.000 claims description 20
- 230000003190 augmentative effect Effects 0.000 claims description 14
- 238000000605 extraction Methods 0.000 claims description 14
- 238000012800 visualization Methods 0.000 claims description 9
- 230000008859 change Effects 0.000 claims description 8
- 230000002708 enhancing effect Effects 0.000 claims description 7
- 238000010606 normalization Methods 0.000 claims description 6
- 238000013527 convolutional neural network Methods 0.000 claims description 5
- 238000007637 random forest analysis Methods 0.000 claims description 5
- 230000000694 effects Effects 0.000 claims description 4
- 230000009471 action Effects 0.000 claims description 3
- 238000009826 distribution Methods 0.000 claims description 3
- 238000007670 refining Methods 0.000 claims 2
- 238000005516 engineering process Methods 0.000 description 24
- 238000010586 diagram Methods 0.000 description 19
- 238000013473 artificial intelligence Methods 0.000 description 10
- 230000000875 corresponding effect Effects 0.000 description 9
- 238000011161 development Methods 0.000 description 8
- 238000012795 verification Methods 0.000 description 8
- 238000004886 process control Methods 0.000 description 7
- 238000004891 communication Methods 0.000 description 5
- 239000000284 extract Substances 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 230000001276 controlling effect Effects 0.000 description 3
- 230000007547 defect Effects 0.000 description 3
- 238000012731 temporal analysis Methods 0.000 description 3
- 238000000700 time series analysis Methods 0.000 description 3
- 235000008733 Citrus aurantifolia Nutrition 0.000 description 2
- 235000011941 Tilia x europaea Nutrition 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 2
- 125000004122 cyclic group Chemical group 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 230000002950 deficient Effects 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 239000004571 lime Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000001364 causal effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000004883 computer application Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000013499 data model Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000015654 memory Effects 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
- 230000001151 other effect Effects 0.000 description 1
- 238000000513 principal component analysis Methods 0.000 description 1
- 238000012394 real-time manufacturing Methods 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 230000036962 time dependent Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- 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
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Factory Administration (AREA)
- Theoretical Computer Science (AREA)
- Automation & Control Theory (AREA)
- Biomedical Technology (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Quality & Reliability (AREA)
- Manufacturing & Machinery (AREA)
Abstract
Description
100:知能型製造設備の制御装置
110:収集部
120:異常感知部
130:制御部
200:使用者端末
A:対象製造設備
Claims (10)
- 知能型製造設備の制御装置の収集部により、対象製造設備の製造情報を収集する段階と、
前記制御装置の異常感知部により、前記製造情報に基づいて製造品質異常程度を生成する段階と、
前記制御装置の制御部により、前記製造品質異常程度に基づいて前記対象製造設備を制御する段階と、
を含み、
前記製造情報を収集する段階は、前記製造情報を前処理する段階を含み、
前記前処理する段階は、前記製造情報の精製必要程度、正規化必要程度及び増強必要程度のうち少なくとも一つが既設定された程度以上であれば、対応する必要程度に基づいて、精製手法、正規化手法及び増強手法のうち少なくとも一つを含む前処理手法を前記製造情報に適用する段階を含み、
前記製造情報は、定型情報及び非定型情報の少なくとも一方を含み、前記定型情報は、時系列情報を含み、前記非定型情報は、製造品のイメージ情報を含むが前記時系列情報を含まず、
前記前処理する段階は、前記製造情報が前記定型情報であれば、複数の増強手法のうち少なくとも一つの増強手法を利用して前記製造情報を増強し、前記製造情報が非定型情報であれば、前記製造情報に基づいて既設定された臨界程度を満たすまで、前記イメージ情報に反転、カットおよび回転のうちの少なくとも一つを含む増強手法を行って偽イメージ情報を生成することで、前記製造情報を増強させ、
前記複数の増強手法は、
ガウシアン(Gaussian)分布で無作為に数を生成して前記製造情報と合わせる方式で、前記製造情報に雑音を追加して増強させる第1増強手法と、
前記製造情報の変数に既設定された量の大きさ変化を加えて増強させる第2増強手法と、
前記製造情報の時点を変換して増強させる第3増強手法と、を含み、
前記前処理する段階は、前記製造情報の値が一定の大きさ(magnitude)で変化しても前記製造情報に含まれる少なくとも1つの情報に対応するラベル(label)を維持可能であれば、前記製造情報の各変数に任意の値を使用して掛け算を進行するように前記第2増強手法を利用して製造情報を増強させる段階、前記時系列情報を含む前記定型情報である前記製造情報の時点を変換する既設定された行動時点変化がラベル(label)に、学習に使用できないほどの影響に対応する既設定された程度の影響を与えなければ、前記時系列情報のサンプル間の時間間隔を既設定された程度に歪曲して前記サンプルの時間的位置を変更する方式で前記第3増強手法を利用して前記製造情報を増強させる段階を含み、
前記製造情報に基づいて製造品質異常程度を生成する段階は、
製造情報及び製造された製品情報を学習データセットで学習し、Random Forestアルゴリズム、RNNアルゴリズム、CNNアルゴリズム、Autoencoderアルゴリズム、GANアルゴリズム及びTransformerアルゴリズムのうち少なくとも一つのアルゴリズムに基づいて複数の人工神経網を生成する段階と、
前記複数の人工神経網のうち出力される製造品質異常程度の正確度が最も高い人工神経網を、製造品質異常の探知及び予測のための異常感知人工神経網として設定する段階と、を含む、
知能型製造設備の制御装置の制御方法。 - 前記製造情報を収集する段階は、
前記製造情報を分析する段階と、
前記製造情報及び分析結果を変数抽出人工神経網に入力して特質変数を出力する段階と、
を含むことを特徴とし、
前記変数抽出人工神経網は、
製造情報、製造情報分析結果及び特質変数を学習データセットとして学習したものである、
請求項1に記載の知能型製造設備の制御装置の制御方法。 - 前記製造情報に基づいて製造品質異常程度を生成する段階は、
前記特質変数を前記異常感知人工神経網に入力して前記製造品質異常程度を出力する段階
をさらに含む、
請求項2に記載の知能型製造設備の制御装置の制御方法。 - 前記製造情報に基づいて製造品質異常程度を生成する段階は、
製造品質異常程度が既設定された臨界異常程度以上であれば、前記製造品質異常程度に複数の分析手法のうち少なくとも一つを適用して問題原因工程を算出する段階
をさらに含む、
請求項3に記載の知能型製造設備の制御装置の制御方法。 - 前記製造情報に基づいて製造品質異常程度を生成する段階は、
前記問題原因工程に基づいて視覚化情報を生成する段階
をさらに含む、
請求項4に記載の知能型製造設備の制御装置の制御方法。 - 前記製造品質異常程度に基づいて前記対象製造設備を制御する段階は、
前記異常感知部により、前記問題原因工程に基づいて前記対象製造設備を制御する段階を含む、
請求項4に記載の知能型製造設備の制御装置の制御方法。 - 知能型製造設備の制御装置において、
対象製造設備の製造情報を収集する収集部と、
前記製造情報に基づいて製造品質異常程度を生成する異常感知部と、
前記製造品質異常程度に基づいて前記対象製造設備を制御する制御部と、
を含み、
前記収集部は、前記製造情報を前処理する前処理部を含み、
前記前処理部は、前記製造情報の精製必要程度、正規化必要程度及び増強必要程度のうち少なくとも一つが既設定された程度以上であれば、対応する必要程度に基づいて、精製手法、正規化手法及び増強手法のうち少なくとも一つを含む前処理手法を前記製造情報に適用し、
前記製造情報は、定型情報及び非定型情報の少なくとも一方を含み、前記定型情報は、時系列情報を含み、前記非定型情報は、製造品のイメージ情報を含むが前記時系列情報を含まず、
前記前処理部は、前記製造情報が前記定型情報であれば、複数の増強手法のうち少なくとも一つの増強手法を利用して前記製造情報を増強し、前記製造情報が非定型情報であれば、前記製造情報に基づいて既設定された臨界程度を満たすまで、前記イメージ情報に反転、カットおよび回転のうちの少なくとも一つを含む増強手法を行って偽イメージ情報を生成することで、前記製造情報を増強させ、
前記複数の増強手法は、
ガウシアン(Gaussian)分布で無作為に数を生成して前記製造情報と合わせる方式で、前記製造情報に雑音を追加して増強させる第1増強手法と、
前記製造情報の変数に既設定された量の大きさ変化を加えて増強させる第2増強手法と、
前記製造情報の時点を変換して増強させる第3増強手法と、を含み、
前記前処理部は、前記製造情報の値が一定の大きさ(magnitude)で変化しても前記製造情報に含まれる少なくとも1つの情報に対応するラベル(label)を維持可能であれば、前記製造情報の各変数に任意の値を使用して掛け算を進行するように前記第2増強手法を利用して製造情報を増強させ、前記時系列情報を含む前記定型情報である前記製造情報の時点を変換する既設定された行動時点変化がラベル(label)に、学習に使用できないほどの影響に対応する既設定された程度の影響を与えなければ、前記時系列情報のサンプル間の時間間隔を既設定された程度に歪曲して前記サンプルの時間的位置を変更する方式で前記第3増強手法を利用して前記製造情報を増強させ、
前記異常感知部は、
製造情報及び製造された製品情報を学習データセットで学習し、Random Forestアルゴリズム、RNNアルゴリズム、CNNアルゴリズム、Autoencoderアルゴリズム、GANアルゴリズム及びTransformerアルゴリズムのうち少なくとも一つのアルゴリズムに基づいて複数の人工神経網を生成し、
前記複数の人工神経網のうち出力される製造品質異常程度の正確度が最も高い人工神経網を、製造品質異常の探知及び予測のための異常感知人工神経網として設定する、
知能型製造設備の制御装置。 - 前記収集部は、
前記製造情報を分析する変数分析部と、
前記製造情報及び分析結果を変数抽出人工神経網に入力して特質変数を出力する変数出力部と、
を含み、
前記変数抽出人工神経網は、
製造情報、製造情報分析結果及び特質変数を学習データセットとして学習したものである、
請求項7に記載の知能型製造設備の制御装置。 - 前記異常感知部は、
前記特質変数を異常感知人工神経網に入力して前記製造品質異常程度を出力する異常出力部
を含むものである、
請求項8に記載の知能型製造設備の制御装置。 - 請求項1から請求項6のいずれか一項に記載の知能型製造設備の制御装置の制御方法をコンピュータで実行させるためのプログラム。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR10-2022-0179128 | 2022-12-20 | ||
KR1020220179128A KR102622569B1 (ko) | 2022-12-20 | 2022-12-20 | 지능형 제조 설비 제어 장치 및 그의 제어 방법 |
Publications (1)
Publication Number | Publication Date |
---|---|
JP7484065B1 true JP7484065B1 (ja) | 2024-05-16 |
Family
ID=89538219
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2023069429A Active JP7484065B1 (ja) | 2022-12-20 | 2023-04-20 | 知能型製造設備の制御装置及びその制御方法 |
Country Status (2)
Country | Link |
---|---|
JP (1) | JP7484065B1 (ja) |
KR (1) | KR102622569B1 (ja) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118011990A (zh) * | 2024-04-10 | 2024-05-10 | 中国标准化研究院 | 基于人工智能的工业数据品质监控与提升系统 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2018095429A (ja) | 2016-12-14 | 2018-06-21 | 株式会社日立ビルシステム | 昇降機診断システム、昇降機診断装置、及び昇降機診断方法 |
JP2019061598A (ja) | 2017-09-28 | 2019-04-18 | Heroz株式会社 | 生産管理装置および生産管理方法 |
JP2019066957A (ja) | 2017-09-28 | 2019-04-25 | フジキンソフト株式会社 | 不良品発生の原因判定システム |
JP2020035443A (ja) | 2018-08-24 | 2020-03-05 | 株式会社豊田中央研究所 | センシング装置 |
JP2020166407A (ja) | 2019-03-28 | 2020-10-08 | 三菱重工航空エンジン株式会社 | モデル生成装置、異常発生予測装置、異常発生予測モデルの生成方法及び異常発生予測方法 |
JP2021071818A (ja) | 2019-10-30 | 2021-05-06 | 株式会社ジェイテクト | 工具寿命予測システム |
JP2021077205A (ja) | 2019-11-12 | 2021-05-20 | 株式会社ジェイテクト | 品質予測システム |
JP2021082200A (ja) | 2019-11-22 | 2021-05-27 | 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 |
JP2021140400A (ja) | 2020-03-04 | 2021-09-16 | 株式会社日立製作所 | 学習モデル作成システム及び学習モデル作成方法 |
JP2022113522A (ja) | 2021-01-25 | 2022-08-04 | 株式会社日本製鋼所 | 異常検知システム、成形機システム、異常検知装置、異常検知方法及びコンピュータプログラム |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102086815B1 (ko) * | 2018-01-12 | 2020-03-09 | 세종대학교산학협력단 | 인공 신경망을 구성하는 복수의 학습 모델 중 최적 학습 모델 선택 방법 및 장치 |
KR20220025511A (ko) * | 2020-08-24 | 2022-03-03 | 주식회사 에스씨 | 스마트 팩토리 에너지 관리 방법 및 장치 |
JP2022043848A (ja) * | 2020-09-04 | 2022-03-16 | 日立金属株式会社 | コンピュータプログラム、不良要因分析方法及び不良要因分析装置 |
KR102494420B1 (ko) * | 2021-06-07 | 2023-02-06 | 충북대학교 산학협력단 | 머신러닝 기반 클린룸 관리 시스템 및 방법 |
-
2022
- 2022-12-20 KR KR1020220179128A patent/KR102622569B1/ko active IP Right Grant
-
2023
- 2023-04-20 JP JP2023069429A patent/JP7484065B1/ja active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2018095429A (ja) | 2016-12-14 | 2018-06-21 | 株式会社日立ビルシステム | 昇降機診断システム、昇降機診断装置、及び昇降機診断方法 |
JP2019061598A (ja) | 2017-09-28 | 2019-04-18 | Heroz株式会社 | 生産管理装置および生産管理方法 |
JP2019066957A (ja) | 2017-09-28 | 2019-04-25 | フジキンソフト株式会社 | 不良品発生の原因判定システム |
JP2020035443A (ja) | 2018-08-24 | 2020-03-05 | 株式会社豊田中央研究所 | センシング装置 |
JP2020166407A (ja) | 2019-03-28 | 2020-10-08 | 三菱重工航空エンジン株式会社 | モデル生成装置、異常発生予測装置、異常発生予測モデルの生成方法及び異常発生予測方法 |
JP2021071818A (ja) | 2019-10-30 | 2021-05-06 | 株式会社ジェイテクト | 工具寿命予測システム |
JP2021077205A (ja) | 2019-11-12 | 2021-05-20 | 株式会社ジェイテクト | 品質予測システム |
JP2021082200A (ja) | 2019-11-22 | 2021-05-27 | 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 |
JP2021140400A (ja) | 2020-03-04 | 2021-09-16 | 株式会社日立製作所 | 学習モデル作成システム及び学習モデル作成方法 |
JP2022113522A (ja) | 2021-01-25 | 2022-08-04 | 株式会社日本製鋼所 | 異常検知システム、成形機システム、異常検知装置、異常検知方法及びコンピュータプログラム |
Also Published As
Publication number | Publication date |
---|---|
KR102622569B1 (ko) | 2024-01-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11631014B2 (en) | Computer-based systems configured for detecting, classifying, and visualizing events in large-scale, multivariate and multidimensional datasets and methods of use thereof | |
US20200371491A1 (en) | Determining Operating State from Complex Sensor Data | |
CN111967571B (zh) | 一种基于mhma的异常检测方法和设备 | |
JP2022500745A (ja) | 異常検出および/または予知保全のためのコンピュータ実装方法、コンピュータプログラム製品およびシステム | |
CN111210024A (zh) | 模型训练方法、装置、计算机设备和存储介质 | |
Chiu et al. | An integrative machine learning method to improve fault detection and productivity performance in a cyber-physical system | |
CN111160687B (zh) | 主动资产监控 | |
US20070100487A1 (en) | Method and system for virtual metrology in semiconductor manufacturing | |
Hwang et al. | E-SFD: Explainable sensor fault detection in the ICS anomaly detection system | |
CN112631240A (zh) | 航天器故障主动检测方法及装置 | |
JP7484065B1 (ja) | 知能型製造設備の制御装置及びその制御方法 | |
KR102361423B1 (ko) | 인공지능 기반의 정비 수요 예측 시스템 및 방법 | |
KR102359090B1 (ko) | 실시간 기업정보시스템 이상행위 탐지 서비스를 제공하는 방법과 시스템 | |
US20220292666A1 (en) | Systems and methods for detecting wind turbine operation anomaly using deep learning | |
EP4075724A1 (en) | Attack detection and localization with adaptive thresholding | |
CN115358155A (zh) | 一种电力大数据异常预警方法、装置、设备及可读存储介质 | |
Silva et al. | Assets predictive maintenance using convolutional neural networks | |
Saci et al. | Autocorrelation integrated gaussian based anomaly detection using sensory data in industrial manufacturing | |
Yan et al. | A comprehensive survey of deep transfer learning for anomaly detection in industrial time series: Methods, applications, and directions | |
You et al. | sBiLSAN: Stacked bidirectional self-attention lstm network for anomaly detection and diagnosis from system logs | |
Mobtahej et al. | An lstm-autoencoder architecture for anomaly detection applied on compressors audio data | |
CA3189344A1 (en) | Explaining machine learning output in industrial applications | |
KR20190081691A (ko) | 머신러닝 알고리즘을 이용한 공정 이상 감지 시스템 및 그 방법 | |
Bond et al. | A hybrid learning approach to prognostics and health management applied to military ground vehicles using time-series and maintenance event data | |
Kumar et al. | Rule Extraction using Machine Learning Classifiers for Complex Event Processing |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20230421 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20230421 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230606 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230810 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20231024 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20240122 |
|
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: 20240402 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20240410 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7484065 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |