KR20240065107A - 카트리지 식별과 같은 제조 구성요소 식별 장치 및 방법 - Google Patents
카트리지 식별과 같은 제조 구성요소 식별 장치 및 방법 Download PDFInfo
- Publication number
- KR20240065107A KR20240065107A KR1020247011153A KR20247011153A KR20240065107A KR 20240065107 A KR20240065107 A KR 20240065107A KR 1020247011153 A KR1020247011153 A KR 1020247011153A KR 20247011153 A KR20247011153 A KR 20247011153A KR 20240065107 A KR20240065107 A KR 20240065107A
- Authority
- KR
- South Korea
- Prior art keywords
- pattern
- stored
- component
- processor
- jet
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims description 124
- 238000004519 manufacturing process Methods 0.000 title claims description 63
- 239000012530 fluid Substances 0.000 claims abstract description 98
- 239000000463 material Substances 0.000 claims abstract description 64
- 239000000758 substrate Substances 0.000 claims abstract description 23
- 238000013528 artificial neural network Methods 0.000 claims description 39
- 238000012549 training Methods 0.000 claims description 17
- 238000004891 communication Methods 0.000 claims description 11
- 239000000126 substance Substances 0.000 claims description 11
- 238000011524 similarity measure Methods 0.000 claims description 6
- 230000003213 activating effect Effects 0.000 claims description 3
- 230000008569 process Effects 0.000 description 34
- 239000011345 viscous material Substances 0.000 description 13
- 238000009826 distribution Methods 0.000 description 12
- 229910000679 solder Inorganic materials 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 230000001681 protective effect Effects 0.000 description 7
- 239000000853 adhesive Substances 0.000 description 6
- 230000001070 adhesive effect Effects 0.000 description 6
- 230000007547 defect Effects 0.000 description 6
- 238000010438 heat treatment Methods 0.000 description 6
- 210000002569 neuron Anatomy 0.000 description 6
- 230000004907 flux Effects 0.000 description 4
- 150000001875 compounds Chemical class 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000000670 limiting effect Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 239000004593 Epoxy Substances 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 210000004027 cell Anatomy 0.000 description 2
- 238000004140 cleaning Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000006073 displacement reaction Methods 0.000 description 2
- 238000005538 encapsulation Methods 0.000 description 2
- 230000010365 information processing Effects 0.000 description 2
- 229920001296 polysiloxane Polymers 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000005507 spraying Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 229920001651 Cyanoacrylate Polymers 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- NLCKLZIHJQEMCU-UHFFFAOYSA-N cyano prop-2-enoate Chemical class C=CC(=O)OC#N NLCKLZIHJQEMCU-UHFFFAOYSA-N 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 239000008393 encapsulating agent Substances 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 125000003700 epoxy group Chemical group 0.000 description 1
- 230000002964 excitative effect Effects 0.000 description 1
- 230000001815 facial effect Effects 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 239000003779 heat-resistant material Substances 0.000 description 1
- -1 i.e. Substances 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 230000003116 impacting effect Effects 0.000 description 1
- 230000002401 inhibitory effect Effects 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 238000002347 injection Methods 0.000 description 1
- 239000007924 injection Substances 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000003754 machining Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 229910044991 metal oxide Inorganic materials 0.000 description 1
- 150000004706 metal oxides Chemical class 0.000 description 1
- 239000003921 oil Substances 0.000 description 1
- 238000011022 operating instruction Methods 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 229920000647 polyepoxide Polymers 0.000 description 1
- 238000004382 potting Methods 0.000 description 1
- 238000004886 process control Methods 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 239000000565 sealant Substances 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 229910001220 stainless steel Inorganic materials 0.000 description 1
- 239000010935 stainless steel Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/761—Proximity, similarity or dissimilarity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/22—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/22—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition
- G06V10/225—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition based on a marking or identifier characterising the area
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/255—Detecting or recognising potential candidate objects based on visual cues, e.g. shapes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/19—Recognition using electronic means
- G06V30/19007—Matching; Proximity measures
- G06V30/19093—Proximity measures, i.e. similarity or distance measures
-
- H—ELECTRICITY
- H05—ELECTRIC TECHNIQUES NOT OTHERWISE PROVIDED FOR
- H05K—PRINTED CIRCUITS; CASINGS OR CONSTRUCTIONAL DETAILS OF ELECTRIC APPARATUS; MANUFACTURE OF ASSEMBLAGES OF ELECTRICAL COMPONENTS
- H05K3/00—Apparatus or processes for manufacturing printed circuits
- H05K3/10—Apparatus or processes for manufacturing printed circuits in which conductive material is applied to the insulating support in such a manner as to form the desired conductive pattern
- H05K3/12—Apparatus or processes for manufacturing printed circuits in which conductive material is applied to the insulating support in such a manner as to form the desired conductive pattern using thick film techniques, e.g. printing techniques to apply the conductive material or similar techniques for applying conductive paste or ink patterns
-
- H—ELECTRICITY
- H05—ELECTRIC TECHNIQUES NOT OTHERWISE PROVIDED FOR
- H05K—PRINTED CIRCUITS; CASINGS OR CONSTRUCTIONAL DETAILS OF ELECTRIC APPARATUS; MANUFACTURE OF ASSEMBLAGES OF ELECTRICAL COMPONENTS
- H05K3/00—Apparatus or processes for manufacturing printed circuits
- H05K3/30—Assembling printed circuits with electric components, e.g. with resistor
- H05K3/32—Assembling printed circuits with electric components, e.g. with resistor electrically connecting electric components or wires to printed circuits
- H05K3/34—Assembling printed circuits with electric components, e.g. with resistor electrically connecting electric components or wires to printed circuits by soldering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/06—Recognition of objects for industrial automation
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Databases & Information Systems (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Computing Systems (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Coating Apparatus (AREA)
- Manufacturing & Machinery (AREA)
- Microelectronics & Electronic Packaging (AREA)
Abstract
유체 물질을 기판 상에 분배하기 위한 분배 시스템은 내부에 유체 물질을 수용하도록 구성된 제트 분배기를 포함하고, 상기 제트 분배기는 작동 가능하게 연결된 제트 카트리지를 갖고, 상기 제트 카트리지는 상기 제트 분배기로부터 상기 유체 물질을 수용하도록 구성되고, 유체 물질이 기판 방향으로 방출하는 노즐; 제트 분배기의 디지털 이미지를 획득하도록 구성된 카메라; 및 메모리와 프로세서를 갖는 제어기를 포함한다. 상기 프로세서는 제트 분배기의 디지털 이미지에서 제트 분배기에 존재하는 특징들의 식별된 패턴을 식별하고; 상기 식별된 패턴을 저장된 패턴과 비교하고, 저장된 패턴은 메모리에 저장되어 있으며; 식별된 패턴과 저장된 패턴 사이의 유사성을 계산하고; 저장된 패턴과 연관된 식별자 값을 제공하도록 구성된다.
Description
본 개시는 일반적으로 제조 시스템에 관한 것이며, 특히 제조 시스템의 구성요소 식별에 관한 것이다. 또한, 본 개시는 일반적으로 유체 분배기에 관한 것이며, 특히 유체 분배기의 구성요소 식별에 관한 것이다. 더 구체적으로, 본 개시는 일반적으로 유체 분배기에 관한 것이며, 특히 유체 분배기의 카트리지 식별에 관한 것이다.
제조 시스템은 다양한 장비, 구성요소 등을 사용하여 기판과 같은 제품을 생산 및/또는 수정하도록 구현된다. 예컨대, 제조 시스템에는 때때로 점성 물질을 기판에 도포하는 데 사용되는 비접촉 점성 물질 분배기가 포함될 수 있다. 비접촉 점성 물질 분배기는 제조 라인에서 구현되는 카트리지와 같은 장비, 구성요소 등을 포함할 수 있다. 제조 라인의 공정 제어는 매우 중요하다. 예컨대, 카트리지와 같은 비접촉 점성 물질 분배기 장비의 약간의 변동을 고려하고 조정할 수 있으면, 다양한 상황에서도 좋은 부품을 계속해서 생산할 수 있다. 이런 점에서, 주어진 시간에 사용되는 특정 장비에 대한 정보를 추적하는 것이 유리할 것이다. 이 정보를 추적하면, 특정 장비의 수명을 판단할 수 있으며, 이 정보는 특정 장비가 권장 용도를 초과한 경우 해당 장비를 서비스에서 제거할지 결정하는 데 활용될 수 있다. 그러나, 현재 비접촉 점성 물질 분배기와 같은 제조 시스템의 개별 장비를 식별하고 추적할 수 있는 좋은 방법은 없다.
따라서, 비접촉 점성 물질 분배기와 같은 제조 시스템에 사용되는 장비의 개별 부재를 효율적으로 식별하는 메커니즘 및 방법에 대한 필요성이 존재한다.
전술한 필요성은 개시된 바와 같이 제트 분배기와 같은 구성요소, 및 분배 시스템과 같은 제조 시스템의 다양한 양태에 의해 충족된다. 본 개시의 양태에 따르면, 제트 분배기 식별 시스템은 제트 분배기의 디지털 이미지를 획득하도록 구성된 카메라와, 메모리 및 프로세서를 갖는 제어기를 포함한다. 프로세서는 제트 분배기의 디지털 이미지에서 제트 분배기에 존재하는 특징들의 식별된 패턴을 식별하고; 식별된 패턴을 메모리에 저장되어 있는 저장된 패턴과 비교하고; 식별된 패턴과 저장된 패턴 사이의 유사성을 계산하고; 저장된 패턴과 연관된 식별자 값을 제공하도록 구성된다.
선택적으로, 식별자 값은 제트 카트리지와 연관된 제품명, 제품 유형, 제품 일련 번호, 제품 번호 및 제품 제조 로트 번호 중 적어도 하나를 포함할 수 있다.
선택적으로, 프로세서는 식별된 패턴을 복수의 저장된 패턴들과 비교하고 식별된 패턴과 복수의 저장된 패턴들 각각 사이의 유사성을 계산하도록 구성될 수 있으며, 프로세서는 복수의 저장된 패턴들 중 하나를 선택하도록 추가로 구성된다. 복수의 저장된 패턴들 중 하나는 복수의 저장된 패턴들 중에서 식별된 패턴과 가장 유사하다.
선택적으로, 프로세서는 식별된 패턴을 복수의 저장된 패턴들과 비교하고 식별된 패턴과 복수의 저장된 패턴들 각각 사이의 유사성을 계산하기 위해 신경망을 구현하도록 구성될 수 있으며, 프로세서는 복수의 저장된 패턴들 중 하나를 선택하기 위해 신경망을 구현하도록 추가로 구성되고, 상기 복수의 저장된 패턴들 중 하나는 복수의 저장된 패턴들 중에서 식별된 패턴과 가장 유사하다.
선택적으로, 시스템은 내부에 유체 물질을 수용하도록 구성된 제트 분배기와 유선 통신하도록 구성될 수 있다. 대안으로, 시스템은 내부에 유체 물질을 수용하도록 구성된 제트 분배기와 무선 통신하도록 구성될 수 있다.
다른 양태에 따르면, 유체 물질을 기판 상에 분배하기 위한 분배 시스템은 내부에 유체 물질을 수용하도록 구성된 제트 분배기를 포함할 수 있다. 제트 분배기는 작동 가능하게 연결된 제트 카트리지를 가질 수 있다. 제트 카트리지는 유체 물질을 수용하도록 구성될 수 있고 유체 물질을 방출하도록 구성된 노즐을 갖도록 구성될 수 있다. 분배 시스템은 제트 분배기의 디지털 이미지를 획득하도록 구성된 카메라와 메모리 및 프로세서를 갖는 제어기를 갖는 제트 분배기 식별 시스템을 추가로 가질 수 있다. 프로세서는 제트 분배기의 디지털 이미지에서 제트 분배기에 존재하는 특징들의 식별된 패턴을 식별하고; 식별된 패턴을 메모리에 저장되어 있는 저장된 패턴과 비교하고; 식별된 패턴과 저장된 패턴 사이의 유사성을 계산하고; 저장된 패턴과 연관된 식별자 값을 제공하도록 구성될 수 있다.
본 개시의 또 다른 양태에 따르면, 저장된 구성요소들의 목록 중에서 구성요소를 식별하기 위해 신경망을 훈련시키는 방법이 개시된다. 신경망은 제어기의 메모리에 저장되며 제어기의 프로세서에 의해 작동 가능하다. 이 방법은: 제어기와 전자 통신하는 입력 장치에 제1 특징을 갖는 제1 구성요소를 도입하는 단계; 프로세서를 통해, 제1 구성요소와 연관된 제1 식별자와 제1 특징을 연관시키는 단계; 제1 특징과 제1 식별자의 연관성을 메모리에 저장하는 단계; 제2 특징을 갖는 제2 구성요소를 입력 장치에 도입하는 단계; 프로세서를 통해, 제2 구성요소와 연관된 제2 식별자와 제2 특징을 연관시키는 단계; 및 제2 특징과 제2 식별자의 연관성을 메모리에 저장하는 단계를 포함한다.
선택적으로, 입력 장치는 제1 및 제2 구성요소의 디지털 이미지를 획득하도록 구성된 카메라를 포함할 수 있다.
선택적으로, 제1 및 제2 식별자는 제1 및 제2 구성요소와 연관된 제품명, 제품 유형, 제품 일련 번호, 제품 번호 및 제품 제조 로트 번호 중 적어도 하나를 포함할 수 있다.
선택적으로, 방법은 제3 특징을 갖는 제3 구성요소를 입력 장치에 도입하는 단계; 상기 제3 구성요소의 제3 특징을 상기 제1 구성요소의 제1 특징 및 상기 제2 구성요소의 제2 특징과 비교하는 단계; 및 제1 구성요소와 제2 구성요소 중 어느 것이 제3 구성요소와 더 유사한지에 대한 예측을 프로세서로부터 수신하는 단계를 포함한다.
선택적으로, 방법은 예측이 올바른지 여부를 프로세서에 지시하는 단계를 포함할 수 있다.
다른 양태에 따르면, 분배 시스템에서 제트 카트리지를 식별하는 방법이 개시된다. 분배 시스템은 제트 카트리지, 카메라, 프로세서와 메모리를 갖는 제어기를 포함한다. 이 방법은: 제트 카트리지의 이미지를 획득하기 위해 카메라를 작동시키는 단계; 획득된 이미지에서 볼 수 있는 제트 카트리지의 특징들의 패턴을 식별하는 단계; 식별된 패턴을 메모리에 저장된 복수의 패턴과 비교하는 단계; 복수의 저장된 패턴들 중 하나를 선택하도록 프로세서를 작동시키는 단계로서, 복수의 저장된 패턴들 중 선택된 패턴은 복수의 저장된 패턴들 중에서 식별된 패턴과 가장 유사한, 상기 프로세서를 작동시키는 단계; 및 상기 복수의 저장된 패턴들 중 선택된 패턴과 연관된 식별자를 표시하는 단계를 포함한다.
선택적으로, 방법은 식별된 패턴과 복수의 저장된 패턴들 중 선택된 패턴 사이의 유사성 측정값을 표시하는 단계를 포함할 수 있다.
선택적으로, 식별자는 제품명, 제품 일련 번호, 제품 번호, 제품 제조 로트 번호 중 적어도 하나를 포함할 수 있다.
선택적으로, 특징들의 패턴은 바코드를 포함할 수 있다.
선택적으로, 비교 단계 및 작동 단계는 신경망을 구현하는 단계를 포함할 수 있다.
선택적으로, 방법은 식별자와 연관된 정확도 값을 표시하는 단계를 포함할 수 있다.
본 개시의 다른 양태에 따르면, 유체 물질을 분배하기 위한 제조 시스템은 내부에 유체 물질을 수용하도록 구성된 분배기를 포함한다. 분배기는 작동 가능하게 연결된 분배기 구성요소를 가질 수 있으며, 분배기 구성요소는 분배기로부터 유체 물질을 수용하도록 구성되고 유체 물질을 방출하도록 구성된 노즐을 갖도록 구성된다. 제조 시스템은 분배기의 디지털 이미지를 획득하도록 구성된 카메라; 및 메모리와 프로세서를 갖는 제어기를 추가로 포함한다. 프로세서는 분배기에 존재하는 특징들의 식별된 패턴을 분배기의 디지털 이미지에서 식별하고; 식별된 패턴을 메모리에 저장되어 있는 저장된 패턴과 비교하고; 식별된 패턴과 저장된 패턴 사이의 유사성을 계산하고; 저장된 패턴과 연관된 식별자 값을 제공하도록 구성된다.
선택적으로, 식별자 값은 분배기 구성요소와 연관된 제품명, 제품 유형, 제품 일련 번호, 제품 번호 및 제품 제조 로트 번호 중 적어도 하나를 포함할 수 있다.
선택적으로, 프로세서는 식별된 패턴을 복수의 저장된 패턴들과 비교하고 식별된 패턴과 복수의 저장된 패턴들 각각 사이의 유사성을 계산하도록 구성될 수 있다. 프로세서는 복수의 저장된 패턴들 중 하나를 선택하도록 구성될 수 있으며, 복수의 저장된 패턴들 중 하나는 복수의 저장된 패턴들 중에서 식별된 패턴과 가장 유사하다.
선택적으로, 프로세서는 식별된 패턴을 복수의 저장된 패턴들과 비교하고 식별된 패턴과 복수의 저장된 패턴들 각각 사이의 유사성을 계산하기 위해 신경망을 구현하도록 구성될 수 있다. 프로세서는 복수의 저장된 패턴들 중 하나를 선택하기 위해 신경망을 구현하도록 구성될 수 있으며, 복수의 저장된 패턴들 중 하나는 복수의 저장된 패턴들 중에서 식별된 패턴과 가장 유사하다.
본 개시의 또 다른 양태에 따르면, 저장된 구성요소들의 목록 중에서 구성요소를 식별하기 위해 신경망을 훈련시키는 방법이 개시된다. 신경망은 제어기의 메모리에 저장되며 제어기의 프로세서에 의해 작동 가능하다. 이 방법은: 제어기와 전자 통신하는 입력 장치에 제1 특징을 갖는 제1 구성요소를 도입하는 단계; 프로세서를 통해, 제1 구성요소와 연관된 제1 식별자와 제1 특징을 연관시키는 단계; 제1 특징과 제1 식별자의 연관성을 메모리에 저장하는 단계; 제2 특징을 갖는 제2 구성요소를 입력 장치에 도입하는 단계; 프로세서를 통해, 제2 구성요소와 연관된 제2 식별자와 제2 특징을 연관시키는 단계; 및 제2 특징과 제2 식별자의 연관성을 메모리에 저장하는 단계를 포함한다.
선택적으로, 입력 장치는 제1 및 제2 구성요소의 디지털 이미지를 획득하도록 구성된 카메라를 포함할 수 있다.
선택적으로, 제1 및 제2 식별자는 제1 및 제2 구성요소와 연관된 제품명, 제품 유형, 제품 일련 번호, 제품 번호 및 제품 제조 로트 번호 중 적어도 하나를 포함할 수 있다.
선택적으로, 방법은 제3 특징을 갖는 제3 구성요소를 입력 장치에 도입하는 단계; 상기 제3 구성요소의 제3 특징을 상기 제1 구성요소의 제1 특징 및 상기 제2 구성요소의 제2 특징과 비교하는 단계; 및 제1 구성요소와 제2 구성요소 중 어느 것이 제3 구성요소와 더 유사한지에 대한 예측을 프로세서로부터 수신하는 단계를 포함할 수 있다.
선택적으로, 방법은 예측이 올바른지 여부를 프로세서에 지시하는 단계를 포함할 수 있다.
본 개시의 또 다른 양태에 따르면, 제조 시스템에서 분배기 구성요소를 식별하는 방법이 개시된다. 제조 시스템은 분배기 구성요소, 카메라, 프로세서와 메모리를 갖는 제어기를 포함한다. 이 방법은 분배기 구성요소의 이미지를 획득하기 위해 카메라를 작동시키는 단계; 획득된 이미지에서 볼 수 있는 분배기 구성요소의 특징들의 패턴을 식별하는 단계; 식별된 패턴을 메모리에 저장된 복수의 패턴과 비교하는 단계; 복수의 저장된 패턴들 중 하나를 선택하도록 프로세서를 작동시키는 단계로서, 복수의 저장된 패턴들 중 선택된 패턴은 복수의 저장된 패턴들 중에서 식별된 패턴과 가장 유사한, 상기 프로세서를 작동시키는 단계; 및 상기 복수의 저장된 패턴들 중 선택된 패턴과 연관된 식별자를 표시하는 단계를 포함할 수 있다.
선택적으로, 방법은 식별된 패턴과 복수의 저장된 패턴들 중 선택된 패턴 사이의 유사성 측정값을 표시하는 단계를 포함할 수 있다.
선택적으로, 식별자는 제품명, 제품 유형, 제품 일련 번호, 제품 번호 및 제품 제조 로트 번호 중 적어도 하나를 포함할 수 있다.
선택적으로, 특징들의 패턴은 바코드를 포함할 수 있다.
선택적으로, 비교 단계 및 작동 단계는 신경망을 구현하는 단계를 포함할 수 있다.
선택적으로, 방법은 식별자와 연관된 정확도 값을 표시하는 단계를 포함할 수 있다.
본 출원은 첨부된 도면과 함께 읽을 때 더 잘 이해된다. 주제를 예시할 목적으로, 주제의 예시적인 측면이 도면에 도시되어 있다. 그러나, 현재 개시된 주제는 개시된 특정 방법, 장치 및 시스템에 제한되지 않는다.
도 1은 본 개시의 양태에 따른 분배 시스템의 측면도를 도시한다.
도 2는 도 1의 제트 분배기의 사시도를 도시한다.
도 3은 본 개시의 일 양태에 따른 제트 카트리지의 사시도를 도시한다.
도 4는 도 3의 제트 카트리지의 저면도를 도시한다.
도 5는 도 3의 제트 카트리지의 일부에 대한 사시도를 도시한다.
도 6은 본 개시의 일 양태에 따른 제트 분배기의 일부에 대한 단면도를 도시한다.
도 7a는 본 개시의 일 양태에 따른 제트 카트리지의 일부에 대한 저면도의 이미지를 도시한다.
도 7b는 본 개시의 일 양태에 따른 또 다른 제트 카트리지의 일부에 대한 저면도의 이미지를 도시한다.
도 7c는 본 개시의 일 양태에 따른 또 다른 제트 카트리지의 일부에 대한 저면도의 이미지를 도시한다.
도 8은 본 개시의 양태에 따른 분배 시스템의 개략도를 도시한다.
도 9는 본 개시의 일 양태에 따른 학습 모듈의 개략도를 도시한다.
도 10은 본 개시의 일 양태에 따른 작동 모듈의 개략도를 도시한다.
도 11은 도 9의 학습 모듈의 개략적인 흐름도를 도시한다.
도 12는 도 10의 작동 모듈의 개략적인 흐름도를 도시한다.
도 13은 본 개시의 일 양태에 따른 훈련 공정의 흐름도를 도시한다.
도 14는 본 개시의 일 양태에 따른 작동 공정의 흐름도를 도시한다.
이제, 본 개시의 양태가 도면을 참조하여 상세히 설명될 것이며, 도면에서 달리 명시되지 않는 한 유사한 참조 번호는 전체적으로 유사한 요소를 지칭한다.
도 1은 본 개시의 양태에 따른 분배 시스템의 측면도를 도시한다.
도 2는 도 1의 제트 분배기의 사시도를 도시한다.
도 3은 본 개시의 일 양태에 따른 제트 카트리지의 사시도를 도시한다.
도 4는 도 3의 제트 카트리지의 저면도를 도시한다.
도 5는 도 3의 제트 카트리지의 일부에 대한 사시도를 도시한다.
도 6은 본 개시의 일 양태에 따른 제트 분배기의 일부에 대한 단면도를 도시한다.
도 7a는 본 개시의 일 양태에 따른 제트 카트리지의 일부에 대한 저면도의 이미지를 도시한다.
도 7b는 본 개시의 일 양태에 따른 또 다른 제트 카트리지의 일부에 대한 저면도의 이미지를 도시한다.
도 7c는 본 개시의 일 양태에 따른 또 다른 제트 카트리지의 일부에 대한 저면도의 이미지를 도시한다.
도 8은 본 개시의 양태에 따른 분배 시스템의 개략도를 도시한다.
도 9는 본 개시의 일 양태에 따른 학습 모듈의 개략도를 도시한다.
도 10은 본 개시의 일 양태에 따른 작동 모듈의 개략도를 도시한다.
도 11은 도 9의 학습 모듈의 개략적인 흐름도를 도시한다.
도 12는 도 10의 작동 모듈의 개략적인 흐름도를 도시한다.
도 13은 본 개시의 일 양태에 따른 훈련 공정의 흐름도를 도시한다.
도 14는 본 개시의 일 양태에 따른 작동 공정의 흐름도를 도시한다.
이제, 본 개시의 양태가 도면을 참조하여 상세히 설명될 것이며, 도면에서 달리 명시되지 않는 한 유사한 참조 번호는 전체적으로 유사한 요소를 지칭한다.
카트리지와 같은 제조 시스템의 구성요소는 노즐의 표면과 같은 구성요소에 눈에 보이는 특징을 가질 수 있다. 예컨대, 눈에 보이는 특징에는 속하는 카트리지와 같은 정확한 구성요소를 인식하고 식별하는 데 신경망에 의해 사용될 수 있는 기계 마크, 기타 약간의 결함 및/또는 이와 유사한 것이 포함될 수 있다. 특히 심층 신경망과 이미지 인식을 사용하면 노즐이 깨끗한지 더러운지를 판단할 수 있다는 사실이 밝혀졌다. 추가로, 적절한 조명, 배율 및/또는 카트리지 노즐과 같은 각 구성요소 표면의 약간의 변화가 눈에 보일 수 있다는 것이 인식되었다. 예컨대, 기계 마크, 밝기 변화, 약간의 결함 등과 같은 약간의 변형이 있다. 또한 이러한 약간의 변형은 사용되는 카트리지와 같은 정확한 구성요소를 식별하도록 심층 신경망을 가르치는 데 사용될 수 있다고 판단되었고, 이는 구성요소 지문, 구성요소 얼굴 인식 등일 수 있다. 조회 카메라가 설치된 기계의 경우, 이는 카트리지 사용과 같은 구성요소 사용을 식별, 추적 및/또는 사용자에게 뚜렷한 이점이 되는 효과적인 방법일 수 있다. 추가로, 개시된 시스템은 또한 노즐 면과 같은 구성요소의 새로운 물리적 결함을 식별하는 데 잠재적으로 사용될 수 있다. 예컨대, 노즐 파손, 카트리지 표면 손상 등과 같은 물리적 결함이 있다.
본 개시의 양태는 일반적으로 제조 시스템에 관한 것이며, 더 구체적으로는 제조 시스템의 구성요소의 식별에 관한 것이다. 예컨대, 본 개시는 일반적으로 유체 분배기에 관한 것이다. 비접촉 점성 물질 분배기는 때때로 점성 물질을 기판에 도포하는 데 사용된다. 예컨대, 비접촉 점성 물질 분배기는 때때로 미량의 점성 물질, 즉 점도가 50센티푸아즈를 초과하는 물질을 기판에 도포하는 데 사용된다. 본원에 사용된 "비접촉"은 분사 공정 동안 제트 분배기가 기판과 접촉하지 않는 것을 의미한다. 예컨대, 비접촉식 제트 분배기는 인쇄 회로 기판과 같은 전자 기판에 다양한 점성 물질을 도포하는 데 사용할 수 있다. 전자 기판에 도포되는 점성 물질은 예컨대 범용 접착제, 솔더 페이스트, 솔더 플럭스, 솔더 마스크, 열 그리스, 덮개 밀봉제, 오일, 캡슐화제, 포팅 화합물(potting compound), 에폭시, 다이 부착 유체, 실리콘, 실온 경화(RTV) 물질, 시아노아크릴레이트 및/또는 기타 적합한 물질을 포함할 수 있다.
반도체 패키지 조립체에는, 무엇보다도, 언더필, 볼 그리드 어레이의 솔더 볼 강화, 댐 및 필 작업, 칩 캡슐화, 언더필 칩 스케일 패키지, 캐비티 필 분배, 다이 부착 분배, 덮개 밀봉 분배, 무유동 언더필링, 플럭스 분사, 열 화합물 분배 등의 용도가 존재한다. 표면 실장 기술(SMT), 인쇄 회로 기판(PCB) 생산 등의 경우 표면 실장 접착제, 솔더 페이스트, 전도성 접착제, 솔더 마스크 물질 등이 비접촉 분배기에서 분배될 수 있고 선택적 플럭스 분사도 가능하다.
제트 분배기는 분사기의 출구 오리피스로부터 점성 물질의 방울을 분사하는 동안 샤프트, 태핏 등을 시트를 향해 반복적으로 이동시키기 위한 공압식 또는 전기식 액추에이터를 포함할 수 있다. 전기 작동식 제트 분배기는 보다 구체적으로 압전 액추에이터를 사용할 수 있다. 밸브 시트와 접촉하는 밸브 폐쇄 구조를 사용하여 유체를 정밀하게 분사하려면, 노즐 출구에서 유체 물질의 도트를 효과적으로 토출하기 위해 규정된 스트로크(변위)와 속도를 사용하여 샤프트가 밸브 시트와 접촉하게 되어야 한다. 변위와 속도 곡선이 집합적으로 모션 프로파일을 형성한다.
제트 분배기는 일반적으로 작은 체적 또는 방울의 유체 물질을 기판으로부터 토출하는 별개의 고압 펄스를 생성하기 위해 밸브 부재가 있는 밸브 시트에 빠르게 충격을 가하여 기판에 소량의 유체 물질을 분배하도록 작동할 수 있고, 상기 유체 물질은 노즐에서 공기를 통해 날아가서 유체 물질이 도포되는 표면이나 기판에 충격을 준다.
밸브 부재와 노즐은 제트 분배기와 함께 사용되도록 설계된 제트 카트리지에 수용될 수 있다. 카트리지는 특정 비율과 공차로 제조될 수 있다. 카트리지에는 다양한 물질이 포함될 수 있으며 다양한 도구와 공정을 사용하여 제조될 수 있다. 따라서 제트 분배기와 상호 교환적으로 사용할 수 있고 다양한 구별을 가질 수 있는 다양한 유형의 카트리지가 있다.
본 개시는 일반적으로 제조 시스템에 관한 것이며, 특히 제조 시스템의 구성요소 식별에 관한 것이다. 그러나, 간결함을 위해 본 개시는 유체 분배기, 특히 유체 분배기의 카트리지 식별과 관련하여 설명될 것이다. 그러나, 본 개시의 양태는 수많은 다른 애플리케이션, 구현 등에 적용될 수 있다.
도 1 및 도 2를 참조하면, 본 개시의 실시예에 따른 제트 분배기(10)를 갖는 분배 시스템(90)이 도시되어 있다. 제트 분배기(10)는 액추에이터(12), 액추에이터(12)에 작동 가능하게 결합된 제트 카트리지(14), 및 유체 공급 튜브(16)를 통해 제트 카트리지(14)에 유체 물질을 공급하도록 구성된 유체 저장소(15)를 포함할 수 있다. 유체 물질은 에폭시, 실리콘, 온도 의존성 점도를 갖는 기타 접착제 등과 같은 열-민감한 유체 물질을 포함할 수 있다.
제트 분배기(10)는 기판(11)을 향해 유체 물질을 방출하도록 구성될 수 있다. 유체 물질은 다양한 방식 및/또는 패턴으로 방출될 수 있다. 예컨대, 유체 물질을 붓거나, 떨어뜨리거나, 강제로 밀거나 분사하는 등의 작업을 수행할 수 있다. 일부 양태에서, 유체 물질은 강제로 제트 분배기(10) 밖으로 토출될 수 있으며(즉, "제팅"), 여기서 유체 물질의 방울은 기판(11)과 접촉하기 전에 제트 분배기(10)로부터 분리된다. 따라서, 분사형 분배기, 분배된 방울은 제트 분배기(10)와 기판(11) 사이에서 "비행 중"이고 제트 분배기(10)와 기판(11) 사이의 거리의 적어도 일부에 대해 제트 분배기(10) 또는 기판(11)과 접촉하지 않는다. 다른 유형의 적용에서, 방울이 기판(11)을 향해 이동하는 동안 별개의 분사된 물질 방울은 (예컨대, 물질의 얇은 가닥을 통해) 제트 분배기(10)에 연결된 상태로 유지될 수 있다. 추가 양태에서, 각각의 후속 방울은 이전 및/또는 후속 방울에 연결될 수 있다. 이러한 제트 분배기 실시예는 언더필 물질, 캡슐화 물질, 표면 실장 접착제, 솔더 페이스트, 전도성 접착제, 솔더 마스크 물질, 플럭스, 열 화합물 등을 포함하지만 이에 제한되지 않는 유체 물질을 분배하는 데 사용될 수 있다.
제트 분배기(10)는 유체 물질이 제트 분배기(10) 내에 있는 동안 유체 물질에 열을 제공하도록 구성된 가열 요소(18)를 추가로 포함할 수 있다. 가열 요소(18)는 히터 및/또는 전자 히터, 라디에이터 히터, 대류 히터 등과 같은 가열 코일을 포함할 수 있다. 가열 요소(18)의 적어도 일부는 제트 카트리지(14)에 인접하게 배치되어, 제트 카트리지(14)의 적어도 일부가 가열 요소(18)와 접촉할 수 있다. 가열 요소(18)는 제어 가능한 전원 공급 장치(19)에 의해 전력을 공급받아 작동 중 유체 물질의 최적 온도와 점도를 유지할 수 있다.
사용 중에, 액추에이터(12)는 유체 물질이 제트 분배기(10)로부터 기판(11)을 향해 분배되도록 제트 카트리지(14) 내의 밸브 부재(미도시)를 작동시키도록 작동 가능하다. 일부 양태에서, 액추에이터(12)는 유체 물질이 제트 분배기(10)로부터 흘러나올 수 있는 통로를 제트 카트리지(14)를 통해 개방하기 위해 밸브 부재를 이동시키도록 구성될 수 있다. 유체 물질은 유체 물질에 작용하는 것과 유사한 중력, 유체 압력, 공기 압력, 기계적 압력 등으로 인해 유동할 수 있다. 일부 양태에서, 유체 물질은 제트 카트리지(14)로부터 기판(11) 상으로 강제로 토출, 분사 등이 될 수 있다. 이러한 양태에서, 액추에이터(12)는 제트 카트리지(14) 내의 유체 물질의 적어도 일부와 접촉하여 제트 카트리지(14) 밖으로 기판(11)을 향해 강제로 밀어내도록 유체 물질을 향해 그리고 유체 물질을 통해 밸브 부재를 이동시키도록 구성될 수 있다.
도 3 내지 도 6을 참조하면, 예시적인 제트 카트리지(14)가 도시되어 있다. 다른 제트 카트리지가 제트 분배기(10)와 함께 사용될 수 있다는 것이 이해될 것이다. 제트 카트리지(14)는 제트 분배기(10)에 제거가능하게 고정될 수 있고 제트 분배기(10)로부터 분리가능하고 제거가능할 수 있다. 일부 양태에서, 제트 분배기(10)는 다양한 유형의 제트 카트리지(14) 및/또는 복수의 동일한 유형의 제트 카트리지(14)를 선택적으로 수용하고 작동하도록 구성될 수 있다.
제트 카트리지(14)는 외부 카트리지 본체(20)와 외부 카트리지 본체(20) 내에 또는 외부 카트리지 본체(20) 상에 수용되도록 구성된 유동 삽입물(미도시)을 포함할 수 있다. 외부 카트리지 본체(20) 및 유동 삽입물은 예컨대 303 스테인레스 스틸과 같은 임의의 적합한 내열성 물질로 형성될 수 있다. 제트 카트리지(14)는 유체 입구(24)를 포함할 수 있고, 이를 통해 유체 물질이 제트 카트리지(14) 내로 수용되도록 구성된다. 제트 카트리지(14)는 유체 출구(26)를 추가로 포함할 수 있으며, 이를 통해 유체 물질이 제트 카트리지(14) 외부로 예컨대 기판(11)을 향해 방출될 수 있다. 유체 통로는 유체 입구(24)와 유체 출구(26) 사이의 제트 카트리지(14) 내에서 한정될 수 있다. 제트 카트리지(14)는 복수의 유체 통로를 포함할 수 있다는 것이 이해될 것이다. 유체 통로는 다양한 서로 다른 형상을 포함할 수 있으며, 본 개시는 특정 유체 통로 형상이나 방향으로 제한되지 않는다. 예컨대, 유체 통로는 선형이거나 곡선일 수 있다. 유체 통로는 제1 부분(22)과, 제1 부분(22)으로부터 각도 오프셋된 제2 부분(28)을 포함할 수 있다. 유체 통로는 제트 카트리지(14) 주위, 예컨대 분배 축(A)(도 3에 도시됨) 주위로 원주 방향으로 연장될 수 있다. 일부 양태에서, 유체 통로는 나선형 형상을 포함할 수 있고 분배 축(A)을 따라 나선형으로 연장될 수 있다.
유체 챔버(31)는 유체 입구(24)와 유체 출구(26) 사이의 제트 카트리지(14)에 한정될 수 있다. 유체 챔버(31)는 유체 입구(24)로부터 유체 물질을 수용하도록 구성될 수 있다. 유체 챔버(31)는 유체 통로와 유체 연통한다. 일부 양태에서, 유체 통로는 유체 챔버(31)를 포함할 수 있다.
제트 카트리지(14)는 유체 물질이 제트 카트리지(14)로부터 방출될 때 통과하도록 구성되는 노즐(40)을 포함할 수 있다. 노즐(40)은 외부 카트리지 본체(20)와 유동 삽입물 중 적어도 하나 상에, 내부에 또는 인접하게 배치될 수 있다. 노즐은 노즐 본체(42)와 노즐 본체(42)로부터 연장되는 노즐 팁(44)을 포함할 수 있다. 일부 양태에서, 노즐 본체(42)의 적어도 일부는 제트 카트리지(14) 내에 배치될 수 있고, 노즐 팁(44)의 적어도 일부는 제트 카트리지(14) 외부에 배치될 수 있다.
일부 양태에서, 제트 카트리지(14)는 그 위 또는 내부에 노즐(40)을 수용하도록 구성된 노즐 허브(34)를 포함할 수 있다. 노즐 허브(34)는 제트 카트리지(14), 예컨대 외부 카트리지 본체(20)에 고정될 수 있다. 노즐 본체(42)는 노즐 허브(34) 내에 배치될 수 있고, 노즐 팁(44)은 노즐 허브(34) 외부로 연장될 수 있다.
유체 출구(26)는 노즐(40) 상에 또는 노즐(40)을 통해 형성될 수 있다. 작동 중에, 액추에이터(12)는 노즐(40)을 향해 유체 챔버(31) 내부 및 이를 통해 밸브 부재(32)의 이동을 작동시킬 수 있다. 이러한 이동 동안, 밸브 부재(32)는 유체 챔버(31) 내의 유체 물질와 접촉할 수 있고 유체 물질의 적어도 일부를 노즐(40)을 향해 그리고 유체 출구(26)를 통해 밖으로 밀어낼 수 있다.
외부 카트리지 본체(20)는 표면(50)을 형성할 수 있고, 표면(50)의 적어도 일부는 분배 축(A)에 직교할 수 있다(도 3 참조). 외부 카트리지 본체(20)는 외부 카트리지 본체(20)의 원위 단부에서 원위 표면(52)을 한정할 수 있다. 원위 표면(52)의 적어도 일부는 분배 축(A)에 직교할 수 있다. 노즐 허브(34)는 그 위에 형성된 복수의 표면(36)을 포함할 수 있고, 복수의 표면(36) 각각의 적어도 일부는 분배 축(A)에 직교한다. 도 5를 참조하면, 노즐(40)은 하나 이상의 표면(46)을 한정할 수 있으며, 하나 이상의의 표면(46) 각각의 적어도 일부는 분배 축(A)에 직교한다. 하나 이상의 표면(46)은 노즐 본체(42), 노즐 팁(44), 또는 노즐 본체(42)와 노즐 팁(44) 모두에 배치될 수 있다.
제트 분배기 식별 시스템(92)(도 8 참조)은 온라인 또는 오프라인 식별을 위해 제트 분배기(10)(또는 다른 제트 분배기)를 관찰하는데 활용될 수 있다. 제트 분배기(10)의 하나 이상의 특성은 제트 분배기 식별 시스템(92)에 의해 검출 및/또는 측정될 수 있다. 일부 실시예에서, 제트 분배기 식별 시스템(92)은 제트 분배기(10)에 물리적으로 연결될 수 있거나 제트 분배기(10)에 무선으로 연결될 수 있다. 일부 양태에서, 제트 분배기 식별 시스템(92)은 제트 분배기(10)의 작동 중에 제트 분배기(10)로부터 정보를 수신할 수 있다. 대안으로, 제트 분배기 식별 시스템(92)은 제트 분배기(10)의 작동 이전 또는 이후에 정보를 수신하도록 구성될 수 있다. 제트 분배기 식별 시스템(92)은 복수의 제트 분배기(10) 또는 다른 적절한 제트 분배기로부터 정보를 수신하도록 구성될 수 있다.
제트 분배기(10)를 관찰하기 위해 카메라(30)가 사용될 수 있다(도 1 참조). 카메라(30)는 제트 분배기(10)에 부착될 수 있거나 제트 분배기(10)로부터 물리적으로 분리될 수 있다. 카메라(30)는 제트 분배기(10) 및/또는 기판(11)의 적어도 일부의 이미지 및/또는 비디오를 광학적으로 캡처하도록 지향될 수 있다. 카메라(30)는 카메라 방향(B)(도 1 참조)을 따라 지향될 수 있다. 카메라 방향(B)은 분배 축(A)에 평행할 수 있다. 카메라(30)는 카메라(30)가 캡처할 수 있는 시야 영역을 한정하는 적절한 시야각을 가질 수 있다는 것이 이해될 것이다. 카메라 방향(B)은 시야 영역 내에서 카메라(30)로부터의 임의의 방향을 포함할 수 있다. 추가로, 카메라(30)는 카메라(30)를 하나 이상의 다중 축을 따르는 위치로 이동시키고, 하나 이상의 다중 축을 중심으로 카메라(30)를 회전시키도록 구성된 지지 구조를 가질 수 있다. 지지 구조는 카메라(30)와 작동 위치 및/또는 작동 위치 등을 배열하기 위한 다양한 모터, 제어기, 갠트리, 캐리지 등을 포함할 수 있다. 제트 분배기 식별 시스템(92)은 카메라(30)를 포함할 수 있다.
카메라(30)는 제트 분배기(10)의 작동 전, 작동 중 및/또는 작동 후에 시각적 데이터를 광학적으로 캡처 및/또는 기록하도록 구성될 수 있다. 카메라(30)는 하나 이상의 별도의 카메라를 포함할 수 있다. 카메라(30)는 CCD(Charge Coupled Device), CMOS(Complementary Metal Oxide Semiconductor) 이미지 센서, 이면 조사형(Back Side Illuminated) CMOS 등을 포함할 수 있다. 카메라(30)에 의해 캡처된 이미지는 JPEG(Joint Photographic Experts Group) 파일 포맷, TIFF(Tag Image File Format) 파일 포맷, RAW 피처 포맷 등을 포함한 다양한 포맷으로 변환되어 저장될 수 있다. 카메라(30)는 렌즈, 광학기기, 조명 구성요소 등을 포함할 수 있으며, 이를 제어하는 제어기를 포함할 수도 있다. 카메라(30)는 제트 분배기(10)를 향할 수 있으며, 카메라(30) 방향의 적어도 일부는 분배 축(A)에 평행하다. 카메라(30)는 제트 카트리지(14)를 시각적으로 관찰하도록 구성될 수 있다. 일부 양태에서, 카메라(30)는 외부 카트리지 본체(20), 노즐 허브(34), 노즐(40) 등을 관찰하도록 구성될 수 있다.
카메라(30)는 카메라(30)의 시야각이 분배 축(A)에 실질적으로 평행한(즉, 카메라 방향(B)을 따른) 부분을 포함하도록 제트 분배기(10)를 관찰하도록 배열될 수 있다. 즉, 카메라(30)에 의해 관찰 및/또는 기록된 이미지 및/또는 비디오는 분배 축(A)에 평행한 방향으로 캡처될 수 있다. 카메라(30)는 위에서 설명한 제트 카트리지(14)의 하나 이상의 표면, 예컨대 외부 카트리지 본체(20)의 하나 이상의 표면(50), 외부 카트리지 본체(20)의 하나 이상의 원위 표면(52), 노즐 허브(34)의 하나 이상의 표면(36), 노즐(40)의 하나 이상의 표면(46) 및/또는 제트 카트리지(14)의 다른 표면 및/또는 제트 분배기(10)의 나머지 표면과 같은 것을 볼 수 있다.
제트 카트리지(14)는 카메라(30)에 의해 관찰될 수 있는 특징을 그 위에 포함할 수 있다. 특징은 제트 카트리지(14) 내에 또는 대안으로 제트 카트리지(14) 상에 배치될 수 있다. 특징은 제트 카트리지(14)의 제조 동안 기계 가공 공정 중에 발생하는 마킹, 사용 중 제트 카트리지(14)에 발생한 손상, 제트 카트리지(14) 상에 물질의 먼지 또는 축적 등을 포함할 수 있다. 다양한 양태에서, 특징은 제트 카트리지(14)의 표면, 표면의 일부, 구조, 구조의 일부 및/또는 이와 유사한 것의 형상, 윤곽, 외곽선, 질감, 변형, 연속성, 불연속성, 융기된 부분, 오목한 부분, 평평한 부분, 곡선 부분 등일 수 있다. 특징은 카메라(30)에 의해 시각적으로 식별 가능한 임의의 다른 속성을 포함할 수 있다는 것이 이해될 것이다. 제트 카트리지(14)는 복수의 특징들을 가질 수 있고, 복수의 특징들은 전술한 바와 동일한 특징 또는 상이한 특징의 조합을 포함할 수 있다. 도 7a 내지 도 7c는 제트 카트리지(14) 상의 복수의 예시적인 특징(60)를 도시한다.
도 7a 내지 도 7c는 카메라(30)에 의해 캡처된 예시적인 제트 카트리지(14)의 부분의 이미지를 도시한다. 도 7a 내지 도 7c의 이미지는 분배 축(A)에 직교하는 평면에 도시된다.
각각의 제트 카트리지(14)는 하나 이상의 특징(60)의 특정 수량, 유형 및/또는 배열을 포함할 수 있다. 따라서, 각각의 제트 카트리지(14)는 카메라(30)에 의해 가시적으로 식별 가능하고/하거나 인식 가능한 패턴(114)을 가질 수 있다. 각각의 패턴(114)은 제트 카트리지(14)의 다양한 표면 상의 하나 이상의 특징(60)의 특정 배열을 포함할 수 있다. 일부 양태에서, 각각의 제트 카트리지(14)는 하나 이상의 특징(60)의 고유한 또는 실질적으로 고유한 패턴(114)을 가질 수 있다. 따라서, 각각의 제트 카트리지(14)는 다른 제트 카트리지(14)와 구별될 수 있다.
제트 카트리지(14)는 다른 제트 카트리지(14)보다 일부 제트 카트리지(14)에 더 가까운 패턴(114)을 가질 수 있다. 제1 제조 공정에 의해 제조된 일부 제트 카트리지(14)는 서로 매우 유사한 패턴(114)을 가질 수 있지만, 제2 다른 제조 공정에 의해 제조된 다른 제트 카트리지(14)와 비교하여 매우 다른 패턴(114)을 가질 수 있다. 패턴(114)의 차이는 예컨대, 서로 다른 물질의 사용, 물질의 서로 다른 조합, 활용된 서로 다른 제조 도구, 서로 다른 제조 제약 및 공차, 서로 다른 제조 절차 등에 의해 발생하는 제조로 인해 발생하는 특징(60)의 차이에 따라 달라질 수 있다.
따라서, 제1 제조 공정에 의해 제조된 제트 카트리지(14)는 제2 제조 공정에 의해 제조된 제트 카트리지(14)와 구별될 수 있다. 이러한 구별은 카메라(30)를 사용하여 서로 다른 제트 카트리지들(14) 사이의 특징(60)의 패턴(114)을 비교함으로써 결정될 수 있다. 이는 제트 카트리지 사용을 식별하고 추적하는 효과적인 방법일 수 있다. 이를 통해 사용자는 카트리지 사용 기간을 모니터링하고 추적하여 제트 카트리지를 제거, 교체, 청소 및/또는 유사한 작업을 수행해야 하는 시기를 결정할 수 있다. 이러한 식별은 또한 사용 중에 나타나는 제트 카트리지(14), 특히 노즐(40)의 물리적 결함을 식별하는 데 사용될 수 있다. 일부 양태에서, 이러한 식별은 사용 전에 부서진 노즐이나 손상된 카트리지 표면과 같은 바람직하지 않은 물리적 결함을 식별하는 데 사용될 수 있으므로, 사용자가 결함이 있는 제트 카트리지(14)를 교체할 수 있도록 한다.
상기 식별은 서로 다른 유형의 제트 카트리지(14)를 식별하는 데 사용될 수 있다. 특징(60)의 패턴(114) 식별은 새로운 제트 카트리지(14)와 이전에 사용된 제트 카트리지(14)를 구별하는 데 사용될 수 있다. 이러한 식별은 사용자가 제트 카트리지(14)가 수리, 교체, 청소 등이 필요할 수 있는 시기를 결정하는 것을 도울 수 있다. 식별은 다양한 유형의 제트 분배기(10), 분배될 다양한 유체 물질, 및/또는 다양한 기판과 함께 사용되도록 설계된 다양한 제트 카트리지(14)를 구별하는 데 사용될 수 있다. 이러한 식별은 적절한 제트 카트리지(14)가 제트 분배기(10)에서 사용되고 있는지 사용자가 결정하는 데 도움이 될 수 있다. 식별은 전술한 바와 같이 서로 다른 제조 공정에 의해 제조되는 제트 카트리지(14)를 구별하는 데 사용될 수 있다. 이러한 식별은 사용 중인 제트 카트리지(14)가 원래 장비 제조업체의 적절한 구성요소(또는 허용되는 대체품)인지 또는 대신에 제트 카트리지(14)가 덜 바람직하거나 바람직하지 않은 복제품 또는 위조 제품인지 여부를 사용자가 결정하는 데 도움이 될 수 있다.
사용되는 제트 카트리지(14)를 식별하기 위해, 사용자는 제트 카트리지(14) 상에 존재하는 특징(60)의 패턴을 식별하기 위해 예컨대 카메라 방향(B)을 따라 제트 카트리지(14)를 볼 수 있다. 사용자는 육안으로 또는 광학 장치의 도움으로 카트리지(14)를 볼 수 있다. 일부 양태에서, 사용자는 카메라(30)를 통해 제트 카트리지(14)를 볼 수 있다.
상기 식별은 카메라(30)와 작동 가능하게 통신하는 제어기(100)에 의해 수행될 수 있다. 도 8을 참조하면, 예시적인 시스템(90)이 도시된다. 시스템(90)은 제트 분배기(10)를 포함할 수 있다. 시스템(90)은 카메라(30) 및 제어기(100)를 포함할 수 있다. 카메라(30)는 카메라(30)에 작동 가능하게 연결된 전원(110)으로부터 전력을 수신하도록 구성될 수 있다. 전원(110)은 배터리, 연료 전지, 태양광 패널, 벽 콘센트 등을 포함할 수 있다. 카메라(30)는 전원(110)으로부터 직접 또는 대안으로 제어기(100)를 통해 전력을 수용할 수 있다. 일부 양태에서, 제트 분배기 식별 시스템(92)은 제어기(100) 및/또는 전원(110)을 포함할 수 있다. 시스템(90)은 제트 분배기(10)로부터 분리된 제트 분배기 식별 시스템(92)을 포함할 수 있다(도 8 참조). 일부 양태에서, 제트 분배기 식별 시스템(92)은 제트 분배기(10), 다른 제트 분배기, 또는 다른 제트 분배기(10) 및 다른 적절한 제트 분배기의 조합과 작동 가능하게 연결되어 이용될 수 있다.
제어기(100)는 종래의 서버 컴퓨터, 워크스테이션, 데스크탑 컴퓨터, 랩톱, 태블릿, 네트워크 기기, PDA(Personal Digital Assistant), 디지털 휴대폰, 및/또는 기타 적절한 컴퓨팅 장치와 같은 컴퓨팅 장치를 포함하거나 그 위에 또는 내부에 배치될 수 있다. 제어기(100)는 프로세서(102), 메모리(104), 사용자 인터페이스(112) 등을 포함할 수 있다. 메모리(104)는 단일 메모리 장치 또는 읽기 전용 메모리(ROM), 랜덤 액세스 메모리(RAM), 휘발성 메모리, 비휘발성 메모리, 정적 랜덤 액세스 메모리(SRAM), DRAM(동적 랜덤 액세스 메모리), 플래시 메모리, 캐시 메모리 또는 디지털 정보를 저장할 수 있는 기타 장치를 포함하지만 이에 제한되지 않는 복수의 메모리 장치일 수 있다. 메모리(104)는 또한 하드 드라이브, 광학 드라이브, 테이프 드라이브, 비휘발성 고체 장치 또는 디지털 정보를 저장할 수 있는 임의의 다른 장치와 같은 대용량 저장 장치(도시되지 않음)를 포함할 수 있다.
프로세서(102)는 메모리(104)에 상주하는 운영 체제의 제어 하에서 작동할 수 있다. 프로세서(102)는 마이크로프로세서, 마이크로제어기, 디지털 신호 프로세서, 마이크로컴퓨터, 중앙 처리 장치, 필드 프로그래밍 가능한 게이트 어레이, 프로그래밍 가능한 논리 장치, 상태 기계, 논리 회로, 아날로그 회로, 디지털 회로, 및/또는 메모리(104)에 저장된 작동 명령에 기초하여 신호(아날로그 또는 디지털)를 조작하는 기타 장치로부터 선택된 하나 이상의 장치를 포함할 수 있다.
사용자 인터페이스(112)는 시스템 운영자가 제어기(100)와 상호 작용할 수 있도록 제어기(100)에 통신 가능하게 연결될 수 있다. 사용자 인터페이스(112)는 하나 이상의 입력/출력 장치를 포함할 수 있다. 사용자 인터페이스(112)는 비디오 모니터, 영숫자 디스플레이, 터치 스크린, 스피커, 및 시스템 운영자에게 정보를 제공할 수 있는 임의의 다른 적절한 오디오 및/또는 시각적 표시기를 포함할 수 있다. 사용자 인터페이스(112)는 영숫자 키보드, 포인팅 장치, 키패드, 푸시버튼, 제어 노브, 마이크로폰 등과 같이 조작자로부터 명령 또는 입력을 수용할 수 있는 하나 이상의 입력 장치를 포함할 수 있다. 이러한 방식으로, 사용자 인터페이스(112)는 예컨대 설정, 교정, 검사 및/또는 청소 동안 시스템 기능의 수동 개시를 가능하게 할 수 있다.
프로세서(102)는 카메라(30)의 작동을 제어하도록 구성될 수 있다. 프로세서(102)는 제트 카트리지(14)를 식별하는 방법을 프로세서(102)에 "가르치거나" 훈련시키는 데 사용되도록 구성된 학습 모듈(106)을 포함할 수 있다. 프로세서(102)는 제트 카트리지(14)를 식별하기 위해 제트 분배기(10)의 작동 중에 학습 모듈(106)로부터 "학습된" 정보를 활용할 수 있는 작동 모듈(108)을 포함할 수 있다.
양태에서, 제어기(100) 및/또는 프로세서(102)는 학습 모듈(106)을 구현하지 않을 수 있다. 이러한 양태에서, 가르침 또는 훈련 기능의 구현은 별도의 컴퓨터 시스템에서 달성될 수 있고 프로세서(102)는 작동 모듈(108)의 기능을 활용할 수 있다. 양태에서, 이 별도의 컴퓨터 시스템은 시스템(90)의 훈련 구현일 수 있는 시스템(90)의 특징 중 임의의 하나 이상을 포함한다.
학습 모듈(106)은 다양한 제트 카트리지(14)의 이미지를 식별하고 식별된 이미지를 제트 카트리지(14)의 유형과 연관시키기 위해 시스템(90)을 훈련 또는 가르치는 데 사용될 수 있다. 도 9를 참조하면, 학습 모듈(106)은 이미지 식별 모듈(120) 및 이미지 연관 모듈(122)을 포함할 수 있다. 이미지 식별 모듈(120)은 제트 분배기(10) 상의 제트 카트리지(14)의 이미지, 복수의 이미지, 비디오, 복수의 비디오 등을 획득하기 위해 카메라(30)에 전송된 명령을 포함할 수 있다. 이미지 식별 모듈(120)은 특징들(60)의 패턴을 분별하기 위해 획득된 이미지, 비디오, 복수의 이미지, 복수의 비디오 등에서 하나 이상의 특징(60)을 디지털 방식으로 식별할 수 있다. 그 다음, 이미지 연관 모듈(122)은 특징(60)의 식별된 패턴을 검사된 특정 제트 카트리지(14)와 연관시킬 수 있다. 연관은 제트 카트리지(14)의 이름, 유형, 일련 번호, 번호, 제조 로트 번호 및/또는 다른 제품 식별자와 연관될 수 있다. 제품 식별자는 사용자 인터페이스(112)를 통해서 사용자에 의해 제어기(100)에 입력될 수 있거나 또는 제어기(100)의 메모리(104)의 소프트웨어로 사전 프로그래밍될 수 있다. 이미지 연관 모듈(122)에 의해 이루어진 연관은 메모리(104)에 저장될 수 있다. 일부 양태에서, 동일한 제품 식별자의 복수의 제트 카트리지(14)는 학습 모듈(106)을 가르치는 데 사용될 수 있다. 따라서, 학습 모듈(106)은 단일 유형의 제트 카트리지(14)에 대한 특징(60)의 서로 다른 식별된 패턴의 복수의 연관성을 생성할 수 있다. 제트 카트리지(14)의 동일한 식별된 유형에 대한 특징(60)의 복수의 패턴은 함께 저장될 수 있거나, 함께 평균화될 수 있거나, 다른 방식으로 조합되어 관찰되는 동일한 유형의 복수의 제트 카트리지(14) 각각의 특징들의 패턴 각각과 유사한 특징(60)의 단일 패턴을 생성할 수 있다. 다양한 유형의 제트 카트리지(14)에 대한 연관성을 생성하기 위해 유사한 학습 공정이 활용될 수 있다.
시스템(90)이 전술한 바와 같이 "훈련"된 후, 시스템(90)은 저장된 훈련 데이터에 기초하여 제트 카트리지(14)를 식별하는 데 사용될 수 있다. 도 10을 참조하면, 시스템(90)을 사용하는 동안, 프로세서의 작동 모듈(108)은 제트 카트리지(14)를 식별하기 위해 활용될 수 있다. 작동 모듈(108)은 이미지 식별 모듈(130), 비교 모듈(132) 및 예측 모듈(136)을 포함할 수 있다. 이미지 식별 모듈(130)은 제트 카트리지(14)의 카메라(30)로부터 하나 이상의 이미지 및/또는 비디오를 수신하도록 구성될 수 있다. 각 이미지는 제트 카트리지(14) 또는 제트 카트리지(14)의 세트에 고유할 수 있는 특정 패턴으로 배열된 하나 이상의 특징(60)을 포함할 수 있다. 비교 모듈(132)은 학습 모듈(106)에 의한 가르치는 단계 동안 저장된 메모리(104)의 패턴 및 저장된 특징(60)과 각각의 패턴의 식별된 특징(60)을 비교할 수 있다. 비교 모듈(132)은 특징(60)의 가장 가까운 일치 패턴과 가장 가까운 일치 패턴과 연관된 제트 카트리지 식별자를 식별할 수 있다. 예측 모듈(136)은 관찰된 제트 카트리지(14)가 가장 가까운 일치 패턴의 식별된 관련 제트 카트리지와 동일할 가능성이 있음을 예컨대 사용자 인터페이스(112)를 통해 사용자에게 표시할 수 있다. 비교 모듈(132) 및 예측 모듈(136)은 사용자에게 예측의 정확도 측정값을 제공할 수 있다. 정확도 측정값은 식별된 패턴이 가장 가까운 일치 패턴과 얼마나 유사한지를 기반으로 할 수 있다. 유사성이 클수록 정확도 표시가 높아질 수 있다.
도 11을 참조하면, 예시적인 학습 모듈(106)이 각각 도시되어 있다. 전술한 바와 같은 학습 공정 동안, 제1 제트 카트리지(14A)는 카메라(30)에 의해 관찰될 수 있다. 카메라(30)는 제1 제트 카트리지(14A)의 하나 이상의 이미지를 생성한다. 각 이미지는 카메라(30)에 의해 관찰되는 특정 제1 패턴(114A)으로 배열된 하나 이상의 특징(60)을 포함할 수 있다. 생성된 이미지는 제어기(100)에 전자적으로 전송될 수 있으며, 제어기(100)에서 이미지는 메모리(104)에 저장될 수 있다. 제1 패턴(114A)은 이름, 유형, 제조 로트 번호 등과 같은 제1 제트 카트리지(14A)의 식별자와 연관될 수 있다. 연관은 메모리(104)에 저장될 수 있다. 위의 공정은 임의의 원하는 반복 횟수 동안 반복될 수 있다. 예컨대, 제2 제트 카트리지(14B)는 카메라(30)에 의해 관찰되도록 위치될 수 있다. 카메라(30)는 제2 제트 카트리지(14B)의 이미지를 생성할 수 있으며, 이 이미지는 특정 제2 패턴(114B)으로 배열된 하나 이상의 특징(60)을 갖는다. 제2 패턴(114B)은 제2 제트 카트리지(14B)의 식별자와 연관될 수 있고, 연관은 메모리(104)에 저장될 수 있다. 제1 제트 카트리지(14A)와 제2 제트 카트리지(14B)는 동일한 식별자와 연관될 수 있다[즉, 동일한 유형의 제트 카트리지(14)일 수 있다]. 대안으로, 제1 제트 카트리지(14A)는 제2 제트 카트리지(14B)와 다를 수 있고, 제2 제트 카트리지(14B)와는 다른 카트리지 식별자와 연관될 수 있다. 시스템(90)은 임의의 적절한 수의 서로 다른 제트 카트리지(14A, 14B, 14n)를 식별하고 연관시키도록 훈련될 수 있으며, 훈련 및 교습은 서로 다른 제트 카트리지(14A, 14B, 14n) 각각의 임의의 적절한 횟수의 반복을 활용할 수 있다는 것이 이해될 것이다.
도 12를 참조하면, 작동 모듈(108)을 사용하는 예시적인 공정이 도시된다. 카메라(30)는 제트 카트리지(14)를 관찰하도록 지향될 수 있다. 카메라(30)는 제트 카트리지(14)의 이미지를 촬영할 수 있다. 이미지는 특정 패턴(114)으로 배열된 하나 이상의 특징(60)을 포함할 수 있다. 패턴(114)을 갖는 이미지는 제어기(100)로 전송되고 메모리(104)에 저장될 수 있다. 프로세서(102)는 패턴(114)을 학습 모듈(106)에 의한 가르치는 공정 동안 저장되었던 메모리(104)에 저장된 패턴들 중 하나 이상과 비교할 수 있다. 비교 모듈(132)은 패턴(114)의 특징(60)의 매개변수를 저장된 패턴, 예컨대 제1 패턴(114A) 및/또는 제2 패턴(114B)과 비교할 수 있다. 비교 가능한 매개변수에는 하나 이상의 특징(60)의 유형, 크기, 수량, 색상, 형상, 방향 및/또는 기타 특성이 포함될 수 있다. 비교 가능한 매개변수는 복수의 특징(60)의 상대적인 위치를 포함할 수 있다. 비교 가능한 매개변수는 제트 카트리지(14), 특히 노즐(40) 상의 하나 이상의 특징(60)의 위치를 포함할 수 있다. 예측 모듈(136)은 식별된 패턴(114)에 가장 가까운 저장된 패턴(114)을 선택할 수 있다. 각각의 저장된 패턴(114)이 특정 제트 카트리지(14)와 연관되어 있기 때문에, 예측 모듈(136)은 선택된 가장 가까운 일치 패턴(114)과 연관된 제트 카트리지를 식별할 수 있다.
일부 양태에서, 프로세서(102)는 패턴(114)이 가장 가깝게 일치하는 저장된 패턴과 얼마나 유사한지를 사용자에게 표시하도록 구성될 수 있다. 프로세서(102)는 관찰된 제트 카트리지(14)의 패턴(114)과 가장 가깝게 일치하는 패턴(114) 사이의 수치적 유사성 백분율을 제공할 수 있다. 두 패턴(114)이 더 유사할수록, 백분율은 더 높아질 것이다. 예컨대, 시스템(90)이 제1 제트 카트리지(14A)와 연관된 데이터를 식별하고 저장하고 작동 중에 시스템(90)이 제1 제트 카트리지(14A)를 다시 관찰하는 경우, 시스템(90)은 관찰된 제트 카트리지를 확실성이 높은 제1 카트리지(14A)로서 정확하게 식별할 수 있다. 이상적인 환경에서는, 정확히 일치하면 100% 일치가 발생한다; 그러나, 시스템(90) 내부 또는 주변의 제조 공차, 조명, 카메라 기능, 기타 하드웨어, 소프트웨어 및 기타 구성요소가 식별 공정을 방해할 수 있으며 식별의 정확성이 정확하지 않을 수 있다는 점을 이해해야 한다.
학습 모듈(106)은 프로세서(102)가 관찰된 패턴(114)에 기초하여 제트 카트리지(14)를 식별하고 일치시키는 정확성을 향상시킬 수 있도록 하는 기계 학습 구성요소를 포함할 수 있다. 시스템(90)의 교습은 프로세서(102)의 더 나은 훈련을 위한 사용자 보조 안내를 포함할 수 있다. 도 13을 참조하면, 예시적인 훈련 공정(200)이 도시된다. 도 13에 예시되고 아래에 설명되는 훈련 공정(200)은 본원에 설명된 임의의 하나 이상의 다른 특징, 구성요소, 배열 등을 포함할 수 있다. 훈련 공정(200)의 양태는 본원에 설명된 양태와 일치하는 다른 순서로 수행될 수 있다는 점에 유의해야 한다. 더욱이, 훈련 공정(200)은 본원에 개시된 다양한 양태에 부합하는 더 많거나 더 적은 공정을 갖도록 수정될 수 있다.
단계 202에서, 식별을 위해 제품이 시스템(90)에 도입될 수 있다. 제품은 제트 카트리지(14)를 포함할 수 있다. 카메라(30)는 본 출원 전반에 걸쳐 설명된 바와 같이 제트 카트리지(14) 및 그 위의 특징(60)의 하나 이상의 이미지를 생성하도록 구성될 수 있다. 제트 카트리지(14)는 제1 제트 카트리지(14A)일 수 있다. 제트 카트리지의 숫자 식별은 본 출원 전반에 걸쳐 실시예 및 공정의 상대적인 설명을 위해 사용되며 특정 제트 카트리지에 제한하려는 의도가 아니라는 점을 이해해야 한다. 프로세서(102)는 제1 제트 카트리지(14A)의 특징(60)의 제1 패턴(114A)을 저장할 수 있다. 단계 204 동안, 프로세서(102)는 식별된 특징(60)의 패턴(114)을 제1 제트 카트리지(14A)의 식별자와 연관시킬 수 있다. 식별자는 사용자에 의해 입력될 수 있거나 제어기(100)에 미리 프로그램될 수 있다.
단계 206에서, 제1 제품과 다른 제2 제품이 도입된다. 제2 제품은 제2 제트 카트리지(14B)일 수 있다. 단계 208에서, 시스템(90)은 제2 제트 카트리지(14B)의 카메라(30)로부터 이미지를 수신하고 특징(60)의 식별된 제2 패턴(114B)을 제2 제트 카트리지(14B)의 식별자와 연관시킬 수 있다. 공정(200)의 이 시점에서, 시스템(90)은 적어도 제1 제트 카트리지(14A)와 제2 제트 카트리지(14B)를 식별하도록 훈련된다.
단계 210에서, 카메라(30)가 그 이미지를 식별하고 생성하게 구성되도록 제3 제품이 시스템(90)에 도입될 수 있다. 제3 제품은 제1 제트 카트리지(14A), 제2 제트 카트리지(14B), 또는 다른 제트 카트리지(14)일 수 있다. 프로세서(102)는 제3 제품의 특징(60) 및 특징(60)의 패턴(114)을 식별한다.
단계 212에서, 프로세서(102)는 제3 제품을 식별하고 이를 가장 가깝게 일치하는 저장된 제품과 일치시키려고 시도하기 위해 전술한 바와 같이 작동 모듈(108)을 사용할 수 있다. 프로세서(102)는 가장 가까운 일치 패턴(114)과 연관된 제품 식별자가 제3 제품에 대응할 가능성이 있는 것에 대한 예측을 사용자에게 제공할 수 있다. 프로세서(102)는 또한 전술한 바와 같이 제3 제품의 패턴(114)이 가장 가까운 일치 패턴(114)에 얼마나 가까운지에 대한 표시를 사용자에게 제공하는 정확도 측정값을 제공할 수 있다. 정확도 측정값은 제3 제품 패턴(114)과 가장 가까운 일치 패턴(114) 사이의 유사성의 백분율일 수 있다.
단계 214에서, 사용자는 예측이 올바른지 시스템(90)에 표시한다. 예측 모듈(136)이 제3 제품을 적절하게 식별한 경우, 사용자는 [예컨대, 사용자 인터페이스(112)를 통해] 이를 표시하고, 공정(200)은 단계 216으로 진행한다. 단계 216에서, 프로세서(102)는 제3 제품의 패턴을 적절하게 식별된 제품(예컨대, 제1 또는 제2 제품)과 연관시키고 메모리(104)에 연관성을 저장한다. 연관이 부정확한 경우, 사용자는 이를 표시하고 공정(200)은 단계 218로 진행한다. 단계 218에서, 프로세서(102)는 단계 212에서 수행된 것과 다른 연관성을 예측할 수 있다. 단계 218로부터, 공정(200)은 단계 212로 돌아가 다시 한번 적절한 연관성을 식별하려고 시도할 수 있다.
도 14는 제품을 식별하기 위해 훈련된 시스템(90)을 활용하는 예시적인 공정(300)을 도시한다. 식별을 위한 제품은 본 출원 전반에 걸쳐 설명된 것과 같은 제트 카트리지(14)일 수 있다. 도 13에 예시되고 아래에 설명되는 공정(300)은 본원에 설명된 임의의 하나 이상의 다른 특징, 구성요소, 배열 등을 포함할 수 있다. 공정(300)의 양태는 본원에 설명된 양태와 일치하는 다른 순서로 수행될 수 있다는 점에 유의해야 한다. 더욱이, 공정(300)은 본원에 개시된 다양한 양태에 부합하는 더 많거나 더 적은 공정을 갖도록 수정될 수 있다.
단계 302에서, 시스템(90)은 제트 카트리지(14)를 관찰하도록 구성될 수 있다. 관찰은 카메라(30)에 의해 수행될 수 있다. 카메라(30)는 제트 카트리지(14)의 하나 이상의 이미지를 획득하고 획득된 이미지를 제어기(100)로 전송할 수 있다.
단계 304에서, 시스템(90)은 획득된 이미지 또는 이미지들에서 하나 이상의 특징(60)을 식별할 수 있다. 시스템(90)은 특징(60)의 패턴(114)을 검출할 수 있다.
단계 306에서, 시스템(90)은 식별된 패턴(114)을 가르치는 공정(200) 또는 유사한 공정 동안 메모리(104)에 저장된 하나 이상의 패턴(예컨대, 패턴(114A, 114B, 114F, 114n))과 비교할 수 있다.
단계 308에서, 위에서 설명된 비교를 사용하여, 시스템(90)은 식별된 패턴(114)에 가장 가까운 패턴을 갖는 저장된 이미지를 식별할 수 있다. 시스템(90)은 패턴의 특성들을 비교하여 가장 가까운 일치를 식별할 수 있다. 비교는 특징(60), 구체적으로 특징 유형, 크기, 수량, 색상, 형상, 방향 등을 살펴볼 수 있을 뿐만 아니라, 획득된 이미지에서 복수의 특징(60)의 상대적 위치 및/또는 하나 이상의 특징(60)의 위치를 살펴볼 수 있다.
단계 310에서, 시스템(90)은 패턴(114)과 그 특징(60) 사이의 유사성과 메모리(104)로부터 가장 가깝게 일치하는 패턴을 계산할 수 있다. 단계 312에서, 계산된 유사성은 사용자에게 표시될 수 있다. 유사성은 백분율로 표시할 수 있다. 백분율은 가장 가까운 일치 패턴이 획득된 패턴과 얼마나 가까운지를 사용자에게 나타낼 수 있다. 유사성이 클수록 정확도 비율이 높아질 수 있다. 예컨대, 패턴(114)이 메모리(104)의 가장 가까운 일치 패턴과 정확히 동일하면, 정확도 백분율은 100%(또는 제조 공차, 광학적 차이, 오류 등을 고려하면 100%보다 약간 낮음)일 수 있다. 사용자는 표시된 정확성 백분율이 시스템(90)의 식별을 신뢰하기에 충분히 높은지 결정할 수 있다.
사용자는 정확성을 위해 다양한 허용 가능한 임계 범위에 의존할 수 있다. 예컨대 정확도가 90%에서 100% 사이이면, 사용자는 예측이 정확할 것이라고 확신할 수 있다; 그러나, 정확도가 30% 미만인 경우, 사용자는 예측의 정확도를 확신할 수 없다. 정확도 측정은 또한 사용자가 제트 카트리지(14)의 마모를 결정하는 데 도움이 될 수 있다. 예컨대, 특정 제트 카트리지(14)가 제트 카트리지(14)가 새 것일 때 저장된 데이터 포인트와 90% 일치하는 것으로 식별되면, 그리고 설정된 사용 기간 후에 동일한 제트 카트리지(14)가 나중에 이전과 동일한 저장된 데이터 포인트와 80% 일치하는 것으로 식별되면, 정확도의 변화는 사용 중 시간 경과에 따른 패턴(114)의 변화를 나타낼 수 있다. 예컨대, 제트 카트리지(14)는 사용 중에 더 많거나 다른 특징(60)을 수용할 수 있고/있거나 기존 특징(60)은 사용 중에 변경될 수 있다. 이러한 관찰을 통해 사용자는 특정 구성요소가 얼마나 빨리 마모되는지, 구성요소를 교체하거나 청소해야 하는지 판단할 수 있도록 사용자의 능력을 보조할 수 있다.
상기 범위는 예시적이며 본원에 설명된 임의의 실시예의 적용을 제한하려는 의도가 아니라는 것이 이해되어야 한다.
전술한 바와 같이, 구성요소를 식별하기 위해 시스템(90)을 이용하는 이점은 위조 제품의 식별을 포함할 수 있다. 일부 양태에서, 위조 제품은 OEM(Original Manufacturer Equipment) 제품과 비교하여 서로 다른 특징(60) 및/또는 특징(60)의 서로 다른 패턴(114)을 포함할 수 있다. OEM 제품(또는 다른 의도된 제품)과 위조 제품을 식별하는 능력을 향상시키기 위해, OEM 제품은 원래(또는 달리 승인된) 부품을 나타내는 하나 이상의 특징(60)을 포함하도록 제조될 수 있다. 예컨대, OEM 제트 카트리지(14)는 OEM 제트 카트리지(14)에만 포함되지만 위조 제트 카트리지에는 없는 보호 특징을 포함할 수 있다. 보호 특징은 본원에 설명된 특징(60) 중 어느 하나를 포함할 수 있다. 보호 특징은 OEM 부품의 생산자 및/또는 제트 분배기(10)의 사용자 및/또는 시스템(90)에게 알려져야 한다. 따라서, 본 출원 전반에 걸쳐 설명된 식별 공정 동안, 시스템(90)은 특징(60)의 검출 단계 동안 보호 특징의 검출하도록 구성될 수 있다. 보호 특징이 존재하는 경우, 프로세서(102)는 보호 특징을 갖는 제품이 OEM 제품(또는 달리 허용 가능한 제품)임을 사용자에게 표시할 수 있다. 보호 특징이 검출되지 않으면, 프로세서(102)는 제품이 위조될 수 있음을 사용자에게 표시할 수 있다.
보호 특징은 전술한 특징(60) 중 임의의 것을 포함할 수 있다. 일부 양태에서, 보호 특징은 일련의 특정 형상, 숫자, 문자, 기호 등을 포함할 수 있다. 일부 양태에서, 보호 특징은 바코드 판독기(미도시)에 의해 판독될 수 있는 바코드를 포함할 수 있다. 일부 양태에서, 바코드 판독기는 시스템(90)의 개별 구성요소일 수 있다. 다른 양태에서, 바코드 판독 기능은 카메라(30) 또는 제어기(100)의 소프트웨어에 통합될 수 있다.
학습 모듈(106), 작동 모듈(108), 훈련 공정(200), 공정(300) 등을 포함할 수 있는 시스템(90)은 일부 양태에서 뉴런망, 뉴런의 회로, 인공 신경망, 인공 뉴런, 인공 노드 등을 포함하는 신경망으로서 이행될 수 있다. 시스템(90)은 흥분성 연결, 억제성 연결 등을 반영할 수 있는 가중치로 모델링될 수 있는 연결을 갖는 복수의 뉴런을 포함할 수 있다. 시스템(90)은 가중치에 의해 수정되고 합산될 수 있는 입력(선형 조합일 수 있음)을 수신할 수 있다. 입력은 이미지, 제품 식별자 등 중 하나 이상을 포함할 수 있다. 시스템(90)은 전술한 바와 같은 훈련 공정(200), 공정(300), 및/또는 유사한 것과 일치하는 출력을 생성할 수 있다. 특히, 시스템(90)은 단계 310, 단계 312, 및/또는 유사한 것과 일치하는 출력을 생성할 수 있다.
학습 모듈(106), 작동 모듈(108), 훈련 공정(200), 공정(300) 등을 포함할 수 있는 시스템(90)은 본원에 설명된 이미지와 연관된 경험으로부터 유래되는 자기 학습을 사용하여 본원에 설명된 데이터세트를 통해 훈련될 수 있다. 시스템(90)은 이미지 인식, 이미지 분석 등을 위한 정보 처리 패러다임을 구현할 수 있다. 시스템(90)은 인공 신경망(ANN), 시뮬레이션 신경망(SNN) 등에서 인공 뉴런을 구현할 수 있으며, 이는 우리가 학습 모듈(106), 작동 모듈(108) 등에서의 구현을 위한 계산에 대한 연결론적 접근 방식에 기초한 정보 처리를 위해 수학적 모델, 계산 모델 등을 사용하는 인공 뉴런의 상호 연결된 그룹일 수 있다. 특히, 시스템(90)은 학습 모듈(106), 작동 모듈(108) 등에서의 구현을 위해 패턴 인식, 시각화 등을 위한 패턴 인식, 패턴 검출 등을 포함하는 분류를 구현할 수 있다.
다음은 본 개시의 양태에 대한 복수의 비제한적인 예이다.
한 예는 다음을 포함한다: 제트 분배기 식별 시스템은 제트 분배기의 디지털 이미지를 획득하도록 구성된 카메라를 포함한다. 제트 분배기 식별 시스템은 메모리와 프로세서를 갖는 제어기를 추가로 포함하며, 프로세서는 제트 분배기의 디지털 이미지에서 제트 분배기에 존재하는 특징들의 식별된 패턴을 식별하고; 식별된 패턴을 메모리에 저장되어 있는 저장된 패턴과 비교하고; 식별된 패턴과 저장된 패턴 사이의 유사성을 계산하고; 저장된 패턴과 연관된 식별자 값을 제공하도록 구성된다.
전술한 예는 다음 예 중 어느 하나 또는 하나 이상의 조합을 추가로 포함할 수 있다: 식별자 값이 제트 분배기 카트리지와 연관된 다음 중 적어도 하나를 포함할 수 있는 전술한 예의 시스템: 제품명, 제품 유형, 제품 일련 번호, 제품 번호, 제품 제조 로트번호. 프로세서가 식별된 패턴을 복수의 저장된 패턴들과 비교하고 식별된 패턴과 복수의 저장된 패턴들 각각 사이의 유사성을 계산하도록 구성되고, 상기 프로세서가 복수의 저장된 패턴들 중 하나를 선택하도록 추가로 구성되는 전술한 예의 시스템으로서 - 복수의 저장된 패턴들 중 하나는 복수의 저장된 패턴들 중에서 식별된 패턴과 가장 유사하다. 프로세서가 식별된 패턴을 복수의 저장된 패턴들과 비교하고 식별된 패턴과 복수의 저장된 패턴들 각각 사이의 유사성을 계산하기 위해 신경망을 구현하도록 구성되고, 상기 프로세서는 추가로 복수의 저장된 패턴들 중 하나를 선택하기 위해 신경망을 구현하도록 추가로 구성되는 전술한 예의 시스템으로서, 복수의 저장된 패턴들 중 하나는 복수의 저장된 패턴들 중에서 식별된 패턴과 가장 유사하다. 시스템이 내부에 유체 물질을 수용하도록 구성된 제트 분배기와 유선 통신하도록 구성되는 전술한 예의 시스템. 시스템이 내부에 유체 물질을 수용하도록 구성된 제트 분배기와 무선 통신하도록 구성되는 전술한 예의 시스템. 상기 언급된 실시예의 분배 시스템.
한 예는 다음을 포함한다: 방법은 제어기와 전자 통신하는 입력 장치에 제1 구성요소를 도입하는 단계를 포함하며, 제1 구성요소는 그 위에 제1 특징을 가지고 있다. 방법은 또한 프로세서를 통해 제1 구성요소와 연관된 제1 식별자와 제1 특징을 연관시키는 단계를 포함한다. 또한, 이 방법은 제1 특징과 제1 식별자의 연관성을 메모리에 저장하는 단계를 포함한다. 방법은 또한 입력 장치에 제2 특징을 갖는 제2 구성요소를 도입하는 단계를 포함한다. 방법은 프로세서를 통해 제2 구성요소와 연관된 제2 식별자와 제2 특징을 연관시키는 단계를 추가로 포함한다. 방법은 또한 제2 특징과 제2 식별자의 연관성을 메모리에 저장하는 단계를 포함한다.
전술한 예는 다음 예 중 어느 하나 또는 하나 초과의 조합을 추가로 포함할 수 있다: 입력 장치가 제1및 제2 구성요소의 디지털 이미지를 획득하도록 구성된 카메라를 포함할 수 있는 전술한 예의 방법. 제1 및 제2 식별자가 제1 및 제2 구성요소와 연관된 다음 중 적어도 하나를 포함할 수 있는 전술한 예의 방법: 제품명, 제품 유형, 제품 일련 번호, 제품 번호 및 제품 제조 로트 번호. 전술한 예의 방법은 제3 특징을 갖는 제3 구성요소를 입력 장치에 도입하는 단계; 상기 제3 구성요소의 제3 특징을 상기 제1 구성요소의 제1 특징 및 상기 제2 구성요소의 제2 특징과 비교하는 단계; 및 제1 구성요소와 제2 구성요소 중 어느 것이 제3 구성요소와 더 유사한지에 대한 예측을 프로세서로부터 수신하는 단계를 포함한다. 전술한 예의 방법은 예측이 올바른지 여부를 프로세서에 지시하는 단계를 포함할 수 있다.
한 예는 다음을 포함한다: 방법은 제트 카트리지의 이미지를 획득하기 위해 카메라를 작동하는 단계를 포함한다. 이 방법에는 획득된 이미지에서 볼 수 있는 제트 카트리지의 특징들의 패턴을 식별하는 단계도 포함된다. 또한, 이 방법은 식별된 패턴을 메모리에 저장된 복수의 패턴과 비교하는 단계를 포함한다. 방법은 또한 복수의 저장된 패턴들 중 하나를 선택하도록 프로세서를 작동시키는 단계를 포함하며, 복수의 저장된 패턴들 중 선택된 패턴은 복수의 저장된 패턴들 중에서 식별된 패턴과 가장 유사하다. 방법은 복수의 저장된 패턴들 중 선택된 패턴과 연관된 식별자를 표시하는 단계를 추가로 포함한다.
전술한 예는 다음 예 중 어느 하나 또는 하나 초과의 예의 조합을 추가로 포함할 수 있다: 전술한 예의 방법은 식별된 패턴과 복수의 저장된 패턴들 중에서 선택된 패턴 사이의 유사성 측정값을 표시하는 단계를 포함할 수 있다. 식별자가 제품명, 제품 유형, 제품 일련 번호, 제품 번호 및 제품 제조 로트 번호 중 적어도 하나를 포함할 수 있는 전술한 예의 방법. 특징들의 패턴이 바코드를 포함하는 전술한 예의 방법. 비교 및 작동이 신경망을 구현하는 단계를 추가로 포함할 수 있는 전술한 예의 방법. 전술한 예의 방법은 식별자와 연관된 정확도 값을 표시하는 단계를 포함할 수 있다.
한 예는 다음을 포함한다: 제조 시스템은 내부에 유체 물질을 수용하도록 구성된 분배기를 포함하고, 분배기는 작동 가능하게 연결되는 분배기 구성요소를 가지며, 분배기 구성요소는 분배기로부터 유체 물질을 수용하도록 구성되고 유체 물질을 방출하도록 구성된 노즐을 가진다. 제조 시스템은 또한 분배기의 디지털 이미지를 획득하도록 구성된 카메라를 포함한다. 제조 시스템은 또한 메모리 및 프로세서를 갖는 제어기를 포함하며, 프로세서는 분배기의 디지털 이미지에서 분배기에 존재하는 특징들의 식별된 패턴을 식별하고; 식별된 패턴을 메모리에 저장되어 있는 저장된 패턴과 비교하고; 식별된 패턴과 저장된 패턴 사이의 유사성을 계산하고; 저장된 패턴과 연관된 식별자 값을 제공하도록 구성된다.
전술한 예는 다음 예 중 임의의 하나 또는 하나 초과의 조합을 추가로 포함할 수 있다: 식별자 값이 분배기 구성요소와 연관된 다음 중 적어도 하나를 포함할 수 있는 전술한 예의 제조 시스템: 제품명, 제품 유형, 제품 일련 번호, 제품번호, 제품 제조 로트 번호. 프로세서가 식별된 패턴을 복수의 저장된 패턴들과 비교하고 식별된 패턴과 복수의 저장된 패턴들 각각 사이의 유사성을 계산하도록 구성되고, 프로세서가 복수의 저장된 패턴들 중 하나를 선택하도록 추가로 구성되는 전술한 예의 제조 시스템. 복수의 저장된 패턴들 중 하나는 복수의 저장된 패턴들 중에서 식별된 패턴과 가장 유사하다. 프로세서가 식별된 패턴을 복수의 저장된 패턴들과 비교하고 식별된 패턴과 복수의 저장된 패턴들 각각 사이의 유사성을 계산하기 위해 신경망을 구현하도록 구성되고, 프로세서가 복수의 저장된 패턴들 중 하나를 선택하기 위해 신경망을 구현하도록 추가로 구성되는 전술한 예의 제조 시스템. 복수의 저장된 패턴들 중 하나는 복수의 저장된 패턴들 중에서 식별된 패턴과 가장 유사하다.
한 예는 다음을 포함한다: 방법은 제어기와 전자 통신하는 입력 장치에 제1 구성요소를 도입하는 단계를 포함하며, 제1 구성요소는 그 위에 제1 특징을 가지고 있다. 방법은 또한 프로세서를 통해 제1 구성요소와 연관된 제1 식별자와 제1 특징을 연관시키는 단계를 포함한다. 또한, 이 방법은 제1 특징과 제1 식별자의 연관성을 메모리에 저장하는 단계를 포함한다. 방법은 또한 입력 장치에 제2 특징을 갖는 제2 구성요소를 도입하는 단계를 포함한다. 방법은 프로세서를 통해 제2 구성요소와 연관된 제2 식별자와 제2 특징을 연관시키는 단계를 추가로 포함한다. 방법은 또한 제2 특징과 제2 식별자의 연관성을 메모리에 저장하는 단계를 포함한다.
전술한 예는 다음 예 중 어느 하나 또는 하나 초과의 조합을 추가로 포함할 수 있다: 입력 장치가 제1 및 제2 구성요소의 디지털 이미지를 획득하도록 구성된 카메라를 포함할 수 있는 전술한 예의 방법. 제1 및 제2 식별자가 제1 및 제2 구성요소와 연관된 다음 중 적어도 하나를 포함할 수 있는 전술한 예의 방법: 제품명, 제품 유형, 제품 일련 번호, 제품 번호 및 제품 제조 로트 번호. 전술한 예의 방법은 제3 특징을 갖는 제3 구성요소를 입력 장치에 도입하는 단계; 상기 제3 구성요소의 제3 특징을 상기 제1 구성요소의 제1 특징 및 상기 제2 구성요소의 제2 특징과 비교하는 단계; 및 제1 구성요소와 제2 구성요소 중 어느 것이 제3 구성요소와 더 유사한지에 대한 예측을 프로세서로부터 수신하는 단계를 포함한다. 전술한 예의 방법은 예측이 올바른지 여부를 프로세서에 지시하는 단계를 포함할 수 있다.
한 예는 다음을 포함한다: 방법은 분배기 구성요소의 이미지를 획득하기 위해 카메라를 작동시키는 단계를 포함한다. 또한, 방법은 획득된 이미지에서 볼 수 있는 분배기 구성요소의 특징들의 패턴을 식별하는 단계를 포함한다. 또한, 이 방법은 식별된 패턴을 메모리에 저장된 복수의 패턴과 비교하는 단계를 포함한다. 방법은 또한 복수의 저장된 패턴들 중 하나를 선택하도록 프로세서를 작동시키는 단계를 포함하며, 복수의 저장된 패턴들 중 선택된 패턴은 복수의 저장된 패턴들 중에서 식별된 패턴과 가장 유사하다. 방법은 복수의 저장된 패턴들 중 선택된 패턴과 연관된 식별자를 표시하는 단계를 추가로 포함한다.
전술한 예는 다음 예 중 어느 하나 또는 하나 초과의 예의 조합을 추가로 포함할 수 있다: 전술한 예의 방법은 식별된 패턴과 복수의 저장된 패턴들 중 선택된 패턴 사이의 유사성 측정값을 표시하는 단계를 포함할 수 있다. 식별자가 다음 중 적어도 하나를 포함할 수 있는 전술한 예의 방법: 제품명, 제품 유형, 제품 일련 번호, 제품 번호 및 제품 제조 로트 번호. 특징들의 패턴이 바코드를 포함하는 전술한 예의 방법. 비교 및 작동이 신경망을 구현하는 단계를 추가로 포함할 수 있는 전술한 예의 방법. 전술한 예의 방법은 식별자와 연관된 정확도 값을 표시하는 단계를 포함할 수 있다.
다양한 도면의 다양한 실시예와 관련하여 시스템 및 방법이 설명되었지만, 당업자는 넓은 발명의 개념을 벗어나지 않고 실시예에 변경이 이루어질 수 있음을 이해할 수 있을 것이다. 그러므로, 본 개시는 개시된 특정 실시예에 제한되지 않으며, 청구범위에 의해 한정된 바와 같이 본 개시의 사상 및 범위 내에서 변형을 포괄하도록 의도된다는 것이 이해된다.
본원에 사용된 용어 "복수"는 하나 초과를 의미한다. 단수 형태는 복수형 참조를 포함하며, 특정 수치 값에 대한 참조는 문맥에서 달리 명확하게 나타내지 않는 한 적어도 해당 특정 값을 포함한다. 따라서, 예컨대, "물질"에 대한 언급은 이러한 물질 및 해당 분야의 숙련자에게 알려진 그 등가물 중 적어도 하나에 대한 언급이다.
값이 선행사 "약"을 사용하여 근사치로 표현되는 경우, 특정 값이 또 다른 실시예를 형성한다는 것이 이해될 것이다. 일반적으로, "약"이라는 용어의 사용은 개시된 주제에 의해 얻고자 하는 원하는 특성에 따라 달라질 수 있고 그 기능에 기초하여 그것이 사용되는 특정 맥락에서 해석되어야 하는 근사치를 나타내며, 당업자는 이를 그렇게 해석할 수 있을 것이다. 일부 경우, 특정 값에 사용되는 유효 숫자의 수는 "약"이라는 단어의 범위를 결정하는 하나의 비제한적인 방법일 수 있다. 다른 경우에는, 일련의 값에 사용된 그라데이션(gradation)을 사용하여 각 값에 대한 "약"이라는 용어에 사용할 수 있는 의도된 범위를 결정하는데 사용될 수 있다. 존재하는 경우 모든 범위가 포함되고 결합 가능하다. 즉, 범위에 명시된 값에 대한 참조에는 해당 범위 내의 모든 값이 포함된다. 본원에서 값의 범위를 언급하는 것은 본원에서 다르게 표시되지 않는 한 단지 범위 내에 속하는 각각의 개별 값을 개별적으로 언급하는 약식 방법의 역할을 하도록 의도되었으며, 각각의 개별 값은 본원에서 개별적으로 언급된 것처럼 명세서에 포함된다. 본원에 설명된 모든 방법은 본원에 달리 명시되지 않거나 문맥상 명확하게 모순되지 않는 한 임의의 적합한 순서로 수행될 수 있다.
목록이 제시될 때, 달리 명시되지 않는 한, 해당 목록의 각 개별 요소와 해당 목록의 모든 조합은 별도의 실시예라는 것이 이해되어야 한다. 예컨대, "A, B, 또는 C"로 제시된 실시예의 목록은 "A", "B", "C", "A 또는 B", "A 또는 C", "B 또는 C" 또는 "A, B 또는 C"의 실시예를 포함하는 것으로 해석되어야 한다.
달리 구체적으로 언급되지 않거나 문맥 내에서 다음과 같이 이해되지 않는 한, 특히 "할 수 있다", "할 수 있었다", "할 가능성이 있었다", "할 가능성이 있다" 등과 같은 조건부 언어는 일반적으로 특정 실시예가 특정 특징, 요소 및/또는 단계를 포함하지만 다른 실시예는 포함하지 않는다는 것을 전달하려는 의도이다. 따라서, 이러한 조건부 언어는 일반적으로 특징, 요소 및/또는 단계가 어떤 방식으로든 하나 이상의 예에 필요하거나 하나 이상의 예가 이러한 특징, 요소 및/또는 단계를 반드시 포함한다는 것을 암시하도록 의도되지 않다. "함유하는", "포함하는", "갖는" 등의 용어는 동의어이며 개방형 방식으로 포괄적으로 사용되며 추가 요소, 특징, 행위, 작동 등을 배제하지 않는다.
특정 실시예가 설명되었지만, 이러한 예는 단지 예로서 제시된 것이며 본원에 개시된 발명의 범위를 제한하려는 의도는 아니다. 따라서, 앞선 설명의 어떠한 내용도 특정 특징, 특성, 단계, 모듈 또는 블록이 필요하거나 필수불가결하다는 것을 암시하려는 의도는 없다. 실제로, 본원에 설명된 새로운 방법과 시스템은 다양한 다른 형태로 구현될 수 있다; 더욱이, 본원에 설명된 방법 및 시스템의 형태에 있어서 다양한 생략, 대체 및 변경이 본원에 개시된 발명의 정신에서 벗어나지 않고 이루어질 수 있다. 첨부된 청구범위 및 그 등가물은 본원에 개시된 특정 발명의 범위 및 정신 내에 속하는 형태 또는 수정을 포괄하도록 의도된다.
Claims (33)
- 제트 분배기 식별 시스템으로서, 상기 시스템은:
제트 분배기의 디지털 이미지를 획득하도록 구성된 카메라; 및
메모리와 프로세서를 갖는 제어기를 포함하고,
상기 프로세서는:
상기 제트 분배기의 디지털 이미지에서 상기 제트 분배기에 존재하는 특징들의 식별된 패턴을 식별하고;
상기 식별된 패턴을 상기 메모리에 저장되어 있는 저장된 패턴과 비교하고;
상기 식별된 패턴과 상기 저장된 패턴 사이의 유사성을 계산하고; 및
상기 저장된 패턴과 연관된 식별자 값을 제공하도록 구성되는, 제트 분배기 식별 시스템. - 제1항에 있어서,
상기 식별자 값은 상기 제트 분배기와 연관된 제품명, 제품 유형, 제품 일련 번호, 제품 번호 및 제품 제조 로트 번호 중 적어도 하나를 포함하는, 제트 분배기 식별 시스템. - 제1항에 있어서,
상기 프로세서는 상기 식별된 패턴을 복수의 저장된 패턴들과 비교하고 상기 식별된 패턴과 상기 복수의 저장된 패턴들 각각 사이의 유사성을 계산하도록 구성되고, 상기 프로세서는 상기 복수의 저장된 패턴들 중 하나를 선택하도록 추가로 구성되고, 상기 복수의 저장된 패턴들 중 하나는 상기 복수의 저장된 패턴들 중에서 상기 식별된 패턴과 가장 유사한, 제트 분배기 식별 시스템. - 제1항에 있어서,
상기 프로세서는 상기 식별된 패턴을 복수의 저장된 패턴들과 비교하고 상기 식별된 패턴과 상기 복수의 저장된 패턴들 각각 사이의 유사성을 계산하기 위해 신경망을 구현하도록 구성되고, 상기 프로세서는 상기 복수의 저장된 패턴들 중 하나를 선택하기 위해 상기 신경망을 구현하도록 추가로 구성되며, 상기 복수의 저장된 패턴들 중 하나는 상기 복수의 저장된 패턴들 중에서 상기 식별된 패턴과 가장 유사한, 제트 분배기 식별 시스템. - 제1항에 있어서,
상기 시스템은 내부에 유체 물질을 수용하도록 구성된 제트 분배기와 유선 통신하도록 구성되는, 제트 분배기 식별 시스템. - 제1항에 있어서,
상기 시스템은 내부에 유체 물질을 수용하도록 구성된 제트 분배기와 무선 통신하도록 구성되는, 제트 분배기 식별 시스템. - 기판 상에 유체 물질을 분배하기 위한 분배 시스템으로서, 상기 분배 시스템은:
내부에 상기 유체 물질을 수용하도록 구성된 제트 분배기로서, 상기 제트 분배기는 작동 가능하게 연결된 제트 카트리지를 가지며, 상기 제트 카트리지는 상기 유체 물질을 수용하도록 구성되고 상기 유체 물질을 방출하도록 구성된 노즐을 갖는, 상기 제트 분배기; 및
제1항의 제트 분배기 식별 시스템을 포함하는, 분배 시스템. - 저장된 구성요소들의 목록 중에서 구성요소를 식별하기 위해 신경망을 훈련시키는 방법으로서, 상기 신경망은 제어기의 메모리에 저장되고 상기 제어기의 프로세서에 의해 작동 가능하며, 상기 방법은:
상기 제어기와 전자 통신하는 입력 장치에 제1 특징을 갖는 제1 구성요소를 도입하는 단계;
상기 프로세서를 통해, 상기 제1 구성요소와 연관된 제1 식별자와 상기 제1 특징을 연관시키는 단계;
상기 제1 특징과 상기 제1 식별자의 연관성을 상기 메모리에 저장하는 단계;
제2 특징을 갖는 제2 구성요소를 상기 입력 장치에 도입하는 단계;
상기 프로세서를 통해, 상기 제2 구성요소와 연관된 제2 식별자와 상기 제2 특징을 연관시키는 단계; 및
상기 제2 특징과 상기 제2 식별자의 연관성을 상기 메모리에 저장하는 단계를 포함하는, 방법. - 제8항에 있어서,
상기 입력 장치는 상기 제1 및 제2 구성요소의 디지털 이미지를 획득하도록 구성된 카메라를 포함하는, 방법. - 제8항에 있어서,
상기 제1 및 제2 식별자는 상기 제1 및 제2 구성요소와 연관된 제품명, 제품 유형, 제품 일련 번호, 제품 번호 및 제품 제조 로트 번호 중 적어도 하나를 포함하는, 방법. - 제8항에 있어서,
제3 특징을 갖는 제3 구성요소를 상기 입력 장치에 도입하는 단계;
상기 제3 구성요소의 제3 특징을 상기 제1 구성요소의 제1 특징 및 상기 제2 구성요소의 제2 특징과 비교하는 단계; 및
상기 제1 구성요소와 상기 제2 구성요소 중 어느 것이 상기 제3 구성요소와 더 유사한지에 대한 예측을 상기 프로세서로부터 수신하는 단계를 추가로 포함하는, 방법. - 제11항에 있어서,
상기 예측이 올바른지 여부를 상기 프로세서에 지시하는 단계를 추가로 포함하는, 방법. - 제트 카트리지, 카메라, 및 프로세서와 메모리를 갖는 제어기를 포함하는 분배 시스템에서 상기 제트 카트리지를 식별하는 방법으로서, 상기 방법은:
상기 제트 카트리지의 이미지를 획득하기 위해 상기 카메라를 작동시키는 단계;
상기 획득된 이미지에서 볼 수 있는 상기 제트 카트리지의 특징들의 패턴을 식별하는 단계;
상기 식별된 패턴을 상기 메모리에 저장된 복수의 패턴들과 비교하는 단계;
상기 복수의 저장된 패턴들 중 하나를 선택하도록 상기 프로세서를 작동시키는 단계로서, 상기 복수의 저장된 패턴들 중 선택된 패턴은 상기 복수의 저장된 패턴들 중에서 상기 식별된 패턴과 가장 유사한, 상기 작동시키는 단계; 및
상기 복수의 저장된 패턴들 중 선택된 패턴과 연관된 식별자를 표시하는 단계를 포함하는, 방법. - 제13항에 있어서,
상기 식별된 패턴과 상기 복수의 저장된 패턴들 중 선택된 패턴 사이의 유사성 측정값을 표시하는 단계를 추가로 포함하는, 방법. - 제13항에 있어서,
상기 식별자는 제품명, 제품 유형, 제품 일련 번호, 제품 번호, 제품 제조 로트 번호 중 적어도 하나를 포함하는, 방법. - 제13항에 있어서,
상기 특징들의 패턴은 바코드를 포함하는, 방법. - 제13항에 있어서,
상기 비교 단계와 상기 작동 단계는 신경망을 구현하는 단계를 추가로 포함하는, 방법. - 제13항에 있어서,
상기 식별자와 연관된 정확도 값을 표시하는 단계를 추가로 포함하는, 방법. - 유체 물질을 분배하기 위한 제조 시스템으로서, 상기 제조 시스템은:
내부에 상기 유체 물질을 수용하도록 구성된 분배기로서, 작동 가능하게 연결된 분배기 구성요소를 가지며, 상기 분배기 구성요소는 상기 분배기로부터 상기 유체 물질을 수용하도록 구성되고 상기 유체 물질을 방출하도록 구성된 노즐을 갖는, 상기 분배기;
상기 분배기의 디지털 이미지를 획득하도록 구성된 카메라; 및
메모리와 프로세서를 갖는 제어기를 포함하고,
상기 프로세서는:
상기 분배기의 디지털 이미지에서 상기 분배기에 존재하는 특징들의 식별된 패턴을 식별하고;
상기 식별된 패턴을 상기 메모리에 저장되어 있는 저장된 패턴과 비교하고;
상기 식별된 패턴과 상기 저장된 패턴 사이의 유사성을 계산하고; 및
상기 저장된 패턴과 연관된 식별자 값을 제공하도록 구성되는, 제조 시스템. - 제19항에 있어서,
상기 식별자 값은 상기 분배기 구성요소와 연관된 제품명, 제품 유형, 제품 일련 번호, 제품 번호 및 제품 제조 로트 번호 중 적어도 하나를 포함하는, 제조 시스템. - 제19항에 있어서,
상기 프로세서는 상기 식별된 패턴을 복수의 저장된 패턴들과 비교하고 식별된 패턴과 상기 복수의 저장된 패턴들 각각 사이의 유사성을 계산하도록 구성되고, 상기 프로세서는 상기 복수의 저장된 패턴들 중 하나를 선택하도록 추가로 구성되고, 상기 복수의 저장된 패턴들 중 하나는 상기 복수의 저장된 패턴들 중 상기 식별된 패턴과 가장 유사한, 제조 시스템. - 제19항에 있어서,
상기 프로세서는 상기 식별된 패턴을 복수의 저장된 패턴들과 비교하고 상기 식별된 패턴과 상기 복수의 저장된 패턴들 각각 사이의 유사성을 계산하기 위해 신경망을 구현하도록 구성되고, 상기 프로세서는 상기 복수의 저장된 패턴들 중 하나를 선택하기 위해 상기 신경망을 구현하도록 추가로 구성되고, 상기 복수의 저장된 패턴들 중 하나는 상기 복수의 저장된 패턴들 중에서 상기 식별된 패턴과 가장 유사한, 제조 시스템. - 저장된 구성요소들의 목록 중에서 구성요소를 식별하기 위해 신경망을 훈련시키는 방법으로서, 상기 신경망은 제어기의 메모리에 저장되고 상기 제어기의 프로세서에 의해 작동 가능하며, 상기 방법은:
상기 제어기와 전자 통신하는 입력 장치에 제1 특징을 갖는 제1 구성요소를 도입하는 단계;
상기 프로세서를 통해, 상기 제1 구성요소와 연관된 제1 식별자와 상기 제1 특징을 연관시키는 단계;
상기 제1 특징과 상기 제1 식별자의 연관성을 상기 메모리에 저장하는 단계;
제2 특징을 갖는 제2 구성요소를 상기 입력 장치에 도입하는 단계;
상기 프로세서를 통해, 상기 제2 구성요소와 연관된 제2 식별자와 상기 제2 특징을 연관시키는 단계; 및
상기 제2 특징과 상기 제2 식별자의 연관성을 상기 메모리에 저장하는 단계를 포함하는, 방법. - 제23항에 있어서,
상기 입력 장치는 상기 제1 및 제2 구성요소의 디지털 이미지를 획득하도록 구성된 카메라를 포함하는, 방법. - 제23항에 있어서,
상기 제1 및 제2 식별자는 상기 제1 및 제2 구성요소와 연관된 제품명, 제품 유형, 제품 일련 번호, 제품 번호 및 제품 제조 로트 번호 중 적어도 하나를 포함하는, 방법. - 제23항에 있어서,
제3 특징을 갖는 제3 구성요소를 상기 입력 장치에 도입하는 단계;
상기 제3 구성요소의 제3 특징을 상기 제1 구성요소의 제1 특징 및 상기 제2 구성요소의 제2 특징과 비교하는 단계; 및
상기 제1 구성요소와 상기 제2 구성요소 중 어느 것이 상기 제3 구성요소와 더 유사한지에 대한 예측을 상기 프로세서로부터 수신하는 단계를 추가로 포함하는, 방법. - 제26항에 있어서,
상기 예측이 올바른지 여부를 상기 프로세서에 지시하는 단계를 추가로 포함하는, 방법. - 분배기 구성요소, 카메라, 및 프로세서와 메모리를 갖는 제어기를 포함하는 제조 시스템에서 상기 분배기 구성요소를 식별하는 방법으로서, 상기 방법은:
상기 분배기 구성요소의 이미지를 획득하기 위해 상기 카메라를 작동시키는 단계;
상기 획득된 이미지에서 볼 수 있는 상기 분배기 구성요소의 특징들의 패턴을 식별하는 단계;
상기 식별된 패턴을 상기 메모리에 저장된 복수의 패턴과 비교하는 단계;
상기 복수의 저장된 패턴들 중 하나를 선택하도록 상기 프로세서를 작동시키는 단계로서, 상기 복수의 저장된 패턴들 중 선택된 패턴은 상기 복수의 저장된 패턴들 중에서 상기 식별된 패턴과 가장 유사한, 상기 작동시키는 단계; 및
상기 복수의 저장된 패턴들 중 상기 선택된 패턴과 연관된 식별자를 표시하는 단계를 포함하는, 방법. - 제28항에 있어서,
상기 식별된 패턴과 상기 복수의 저장된 패턴들 중 선택된 패턴 사이의 유사성 측정값을 표시하는 단계를 추가로 포함하는, 방법. - 제28항에 있어서,
상기 식별자는 제품명, 제품 유형, 제품 일련 번호, 제품 번호 및 제품 제조 로트 번호 중 적어도 하나를 포함하는, 방법. - 제28항에 있어서,
상기 특징들의 패턴은 바코드를 포함하는, 방법. - 제28항에 있어서,
상기 비교 단계 및 상기 작동 단계는 신경망을 구현하는 단계를 추가로 포함하는, 방법. - 제28항에 있어서,
상기 식별자와 연관된 정확도 값을 표시하는 단계를 추가로 포함하는, 방법.
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US202163243758P | 2021-09-14 | 2021-09-14 | |
| US63/243,758 | 2021-09-14 | ||
| PCT/US2022/075801 WO2023044246A1 (en) | 2021-09-14 | 2022-09-01 | Devices and methods of manufacturing component identification such as cartridge identification |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20240065107A true KR20240065107A (ko) | 2024-05-14 |
Family
ID=83448002
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020247011153A KR20240065107A (ko) | 2021-09-14 | 2022-09-01 | 카트리지 식별과 같은 제조 구성요소 식별 장치 및 방법 |
Country Status (4)
| Country | Link |
|---|---|
| KR (1) | KR20240065107A (ko) |
| CN (1) | CN117957585A (ko) |
| TW (1) | TW202331653A (ko) |
| WO (1) | WO2023044246A1 (ko) |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111191706A (zh) * | 2019-12-25 | 2020-05-22 | 深圳市赛维网络科技有限公司 | 图片识别的方法、装置、设备及存储介质 |
-
2022
- 2022-09-01 CN CN202280062250.0A patent/CN117957585A/zh active Pending
- 2022-09-01 KR KR1020247011153A patent/KR20240065107A/ko unknown
- 2022-09-01 TW TW111133170A patent/TW202331653A/zh unknown
- 2022-09-01 WO PCT/US2022/075801 patent/WO2023044246A1/en active Application Filing
Also Published As
| Publication number | Publication date |
|---|---|
| CN117957585A (zh) | 2024-04-30 |
| TW202331653A (zh) | 2023-08-01 |
| WO2023044246A1 (en) | 2023-03-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20200028126A1 (en) | Techniques for Print Ink Droplet Measurement and Control to Deposit Fluids within Precise Tolerances | |
| US9352561B2 (en) | Techniques for print ink droplet measurement and control to deposit fluids within precise tolerances | |
| KR101641115B1 (ko) | 토출량 보정 방법 및 도포 장치 | |
| EP3047912B1 (en) | Device and method for controlling a spray pattern | |
| WO2007023539A1 (ja) | インクジェットヘッド、及びその吐出異常検出方法、並びに膜形成方法 | |
| CN112373207B (zh) | 喷墨测试方法、装置以及终端设备 | |
| CN111465453A (zh) | 用于增强的涂料分配控制的系统和方法 | |
| KR20240065107A (ko) | 카트리지 식별과 같은 제조 구성요소 식별 장치 및 방법 | |
| KR20220140806A (ko) | 기계 학습을 사용하는 개선된 유체 분배 공정 제어 및 이를 구현하는 시스템 | |
| WO2020207893A1 (en) | Method using a neural network for generation of jetting control parameters | |
| CN106240158B (zh) | 压力调整装置及喷墨式记录装置 | |
| Allanurov et al. | Problem of ink evaporation while using plotter systems to manufacture printed electronic products | |
| KR101178419B1 (ko) | 잉크 방울의 거동 분석 방법 | |
| JP3918914B2 (ja) | 微小流量測定装置、方法、コンピュータプログラム、および記憶媒体 | |
| US11465350B2 (en) | Ejection device, imprint apparatus, and detection method | |
| JP6414888B2 (ja) | 液滴吐出装置、着滴精度検査装置、及び、着滴精度検査方法 | |
| JP5488850B2 (ja) | 液体材料吐出装置及び方法 | |
| US11597221B2 (en) | Liquid discharge apparatus | |
| US20230302718A1 (en) | Additive manufacturing system and additive manufacturing method | |
| US20240173769A1 (en) | Dynamic in-flight characterization of build material in a 3d printer and system and methods thereof | |
| US20220080741A1 (en) | Machine learning method, non-transitory computer-readable storage medium storing machine learning program, and liquid discharge system | |
| WO2023283138A2 (en) | Fluxing calibration | |
| WO2023043433A1 (en) | Thermochromic dye temperatures | |
| JP6482057B2 (ja) | 油滴吐出器検査装置、及び油滴供給装置 | |
| KR20230134396A (ko) | 적층 조형 시스템 및 적층 조형하는 방법 |