WO2023053575A1 - システムおよびプログラム記憶媒体 - Google Patents

システムおよびプログラム記憶媒体 Download PDF

Info

Publication number
WO2023053575A1
WO2023053575A1 PCT/JP2022/022104 JP2022022104W WO2023053575A1 WO 2023053575 A1 WO2023053575 A1 WO 2023053575A1 JP 2022022104 W JP2022022104 W JP 2022022104W WO 2023053575 A1 WO2023053575 A1 WO 2023053575A1
Authority
WO
WIPO (PCT)
Prior art keywords
manufacturing
classification model
unit
raw material
information
Prior art date
Application number
PCT/JP2022/022104
Other languages
English (en)
French (fr)
Inventor
遼太郎 島田
大介 八木
Original Assignee
株式会社日立製作所
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 株式会社日立製作所 filed Critical 株式会社日立製作所
Priority to DE112022001865.8T priority Critical patent/DE112022001865T5/de
Priority to CN202280033836.4A priority patent/CN117280193A/zh
Publication of WO2023053575A1 publication Critical patent/WO2023053575A1/ja

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/04—Manufacturing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/018—Certifying business or products

Definitions

  • the present invention relates to systems and program storage media.
  • the present invention claims the priority of Japanese patent application number 2021-158627 filed on September 29, 2021, and for designated countries where incorporation by reference of documents is permitted, the content described in the application is incorporated into this application by reference.
  • US Pat. No. 6,200,402 relates to a method of authenticating a tagged polymer, "wherein the tagged polymer comprises a substrate polymer, a compound containing a forensic authentication marker, and a dynamic response authentication marker, said forensic authentication marker being detected by a forensic analytical technique.” and the kinetic response authentication marker is present in the labeled polymer in an amount sufficient to be detected by a kinetic response analysis technique. comprising: testing a test polymer for a forensic authentication marker using a forensic analysis technique; testing the test polymer for a dynamic response authentication marker using a dynamic response analysis technique; and authenticating the test polymer as a labeled polymer if a dynamic response authentication marker is detected.”
  • the material manufacturer adds an authentication marker to the labeled polymer and analyzes the test polymer for the authentication marker, so the manufacturer cannot determine the authenticity of the material.
  • the technique of the same document requires the addition of an authentication marker to the material in advance, and additional analysis is required separately from the product manufacturing process, which incurs costs.
  • the present invention has been made in view of the above problems, and uses sensor information obtained during the manufacturing process to determine the authenticity of a material without adding an additional inspection step or adding an authentication marker to the material. for the purpose of authenticating
  • a system according to one aspect of the present invention for solving the above problems is a system having one or more processors and one or more storage media, wherein the processor is a manufacturing facility for products using raw materials.
  • a trained classification model that learns measured values obtained from a plurality of sensors installed in the raw material and outputs information used to determine the authenticity of raw materials, stores the learned classification model in the storage medium, and is unauthenticated into the learned classification model, and if the uncertified material is determined to be true, authenticate the material.
  • the present invention it is possible to determine the authenticity of a material and authenticate the material using sensor information obtained during the manufacturing process, without additional inspection steps or the addition of authentication markers to the material.
  • FIG. 1 is a schematic configuration diagram showing an example of a functional configuration of a system according to a first embodiment;
  • FIG. It is a flow figure showing an example of manufacturing processing performed with a system concerning a first embodiment.
  • FIG. 10 is a flowchart showing an example of processing for generating a trained classification model; It is a flow figure showing an example of material lot certification processing. It is the figure which showed the outline
  • FIG. 1 is a schematic configuration diagram showing an example of the functional configuration of a system 1000 according to this embodiment. As shown, the system 1000 has multiple subsystems, and the system 1000 as a whole performs material (raw material) certification and product manufacturing.
  • this system 1000 has subsystems of a production control system 100, a manufacturing control system 200, a material authentication system 300, and a manufacturing execution system 400. Moreover, each subsystem cooperates with each other to execute various processes.
  • the system 1000 also has functional units (not shown). Specifically, the system 1000 has an input reception unit that receives instructions and information input from the user via an input device included in the system 1000 . The system 1000 also has an output display unit that generates display information (screen information) to be displayed on an output device (display) included in the system 1000 .
  • the system 1000 also has a storage unit that stores various information.
  • the storage unit has an authentication information DB 320 used in the material authentication system 300, a material fingerprint information DB 340, and a classification model DB 370.
  • the storage unit also has a manufacturing process DB 420 storing a learning manufacturing process 421 , a trial manufacturing process 422 and a mass production manufacturing process 423 used in the manufacturing execution system 400 .
  • this system 1000 has a communication unit that performs information communication with an external device (for example, the manufacturing facility 500).
  • the communication unit is connected to the external device so as to be able to communicate with each other via a communication path CN2 such as a public network such as the Internet, a LAN (Local Area Network), or a WAN (Wide Area Network).
  • a communication path CN2 such as a public network such as the Internet, a LAN (Local Area Network), or a WAN (Wide Area Network).
  • the production management system 100 functions as a processing unit that executes various processes related to production planning management. Specifically, the production management system 100 has a production planning management section 110 .
  • the production plan management unit 110 is a functional unit that generates a production plan including production specifications, quantity, timing, etc., according to the order status and inventory status.
  • the manufacturing control system 200 functions as a processing unit that performs overall manufacturing-related processing, such as issuing predetermined types of manufacturing instructions to the manufacturing execution system 400 .
  • the production control system 200 has a production condition determination section 210 , a material certification acquisition section 220 , and a production instruction section 230 .
  • the manufacturing condition determination unit 210 is a functional unit that determines manufacturing conditions using the production plan generated by the production plan management unit 110.
  • the manufacturing conditions include, for example, information specifying the product manufacturing equipment 500 (equipment in the factory), information identifying the model number and lot of materials used for manufacturing, the quantity of the product to be produced, the production time, and the like. included.
  • the material model number is identification information (for example, a number) determined by the material manufacturer to identify the characteristics of the material.
  • a material lot is the minimum unit of production or delivery determined by a material manufacturer for materials of the same model number.
  • the material certification acquisition unit 220 is a functional unit that acquires material certification information from the material certification system 300 . Specifically, the material authentication acquisition unit 220 acquires material authentication information from the material authentication system 300 by sending basic information used for material authentication determined by the manufacturing condition determination unit 210 to the material authentication system 300. do. Basic information required for material authentication includes, for example, material model number and material lot.
  • the material authentication acquiring unit 220 acquires information (authentication information) indicating that the lot of materials used for manufacturing has been authenticated from the material authentication system 300, it requests the manufacturing instruction unit 230 to mass-produce the product. do.
  • the material authentication acquisition unit 220 acquires information from the material authentication system 300 indicating that the lot of the material to be used has not been certified, the material authentication acquisition unit 220 requests the manufacturing instruction unit 230 to perform trial manufacturing for material authentication.
  • the material certification acquisition unit 220 acquires from the material certification system 300 information indicating that a trained classification model corresponding to the model number of the material to be used does not exist, the material certification acquisition unit 220 performs learning manufacturing for generating such a classification model. A request is made to the manufacturing instruction section 230 .
  • manufacturing for learning is manufacturing for acquiring information used for supervised learning to generate a trained classification model, and is based on materials that are known in advance, that is, multiple materials that are known to be true. refers to manufacturing using the model number and lot of
  • the manufacturing instruction unit 230 is a functional unit that instructs the manufacturing execution system 400 to execute manufacturing. Specifically, based on a request from the material certification acquisition section 220 , the manufacturing instruction section 230 outputs to the manufacturing execution section 410 a manufacturing instruction for mass production, trial manufacturing, or learning manufacturing. The manufacturing instruction unit 230 also outputs the manufacturing conditions determined by the manufacturing condition determination unit 210, such as the model numbers and lots of materials used for manufacturing, to the manufacturing execution unit 410 together with the manufacturing instructions.
  • the material authentication system 300 functions as a processing unit that performs various processes related to material authentication. Specifically, the material authentication system 300 includes a material authentication issuing unit 310, a material fingerprint information generation unit 330, a dimension reduction unit 350, a classification model generation unit 360, a material authenticity determination unit 380, and a material verification unit. 390 and .
  • the material certification issuing unit 310 is a functional unit that issues certification information when the material for which acquisition of certification information is requested has already been certified. Specifically, when the material authentication issuing unit 310 receives a request to acquire authentication information including the model number and lot of the material from the material authentication acquiring unit 220, the authentication information DB 320 is referred to. outputs the authentication information to the material authentication acquisition unit 220 .
  • the material certification issuing unit 310 refers to the classification model DB 370 when the material lot is not certified, and when there is no learned classification model corresponding to the model number of the material related to the acquisition request, information indicating that fact is sent. Output to the material certification acquisition unit 220 .
  • the material certification issuing unit 310 refers to the certification information DB 320 and the classification model DB 370, and if there is a trained classification model corresponding to the model number of the material related to the acquisition request, but the material lot is not certified, this fact is indicated. The information is output to the material certification acquisition unit 220 .
  • the material authentication issuing unit 310 acquires information indicating that the material lot is authentic from the material authenticity determination unit 380 or the material verification unit 390, the material authentication issuing unit 310 newly authenticates the material lot and authenticates the authentication information. Store in the information DB 320 . Also, in this case, the material certification issuing unit 310 issues certification information for the model number and lot of the newly certified material, and outputs the certification information to the material certification acquisition unit 220 .
  • the material fingerprint information generation unit 330 acquires the values output from the plurality of various sensors 520 included in the manufacturing equipment 500 and the product quality as measured values in trial manufacturing or learning manufacturing, and generates in-process material fingerprint information. This is the function part to generate. Further, the material fingerprint information generation unit 330 stores the generated material fingerprint information in the material fingerprint information DB 340 . Note that the material fingerprint information generation unit 330 associates the measurement values acquired in the case of manufacturing for learning with information indicating that the material is true, and stores the information in the material fingerprint information DB 340 .
  • the material fingerprint information refers to a plurality of feature values correlated with the physical properties of the material obtained from the measurement values of a plurality of sensors 520.
  • the material authenticity determination unit 380 and the material verification unit 390 utilize not only product quality and a single feature amount, but also a plurality of feature amounts obtained from a plurality of sensors 520 to accurately determine the material authenticity. Judgment or authenticity verification can be performed. Details of an experimental example showing the effect will be described later.
  • the material fingerprint information generation unit 330 acquires the determination result or verification result regarding the authenticity of the material from the material authenticity determination unit 380 or the material verification unit 390, it associates it with the corresponding material in the material fingerprint information DB 340. register.
  • the dimensionality reduction unit 350 is a functional unit that generates dimensionality-reduced feature values with the number of dimensions reduced (compressed) so that the material fingerprint information can be input to the trained classification model.
  • the in-process material fingerprint information can be easily authenticated by performing dimensionality reduction.
  • Dimensional reduction techniques include, for example, UMAP (Uniform Manifold Approximation and Projection) and t-SNE (t-distributed Stochastic Neighbor Embedding) techniques. Use the method of
  • the dimension reduction unit 350 outputs the dimension reduction feature amount and the information indicating that the material is true to the classification model generation unit 360 in association with each other. In addition, the dimension reduction unit 350 outputs the dimension reduction feature amount to the material authenticity determination unit 380 in the case of trial manufacturing.
  • the classification model generation unit 360 is a functional unit that generates a learned classification model for materials. Specifically, the classification model generation unit 360 learns the dimensionality reduction feature values of materials known in advance, that is, a plurality of materials known to be true, and generates a learned classification model corresponding to the model number of the material. Generate. In addition, the classification model generation unit 360 stores the generated learned classification model in the classification model DB 370 in association with the model number of the material. As the trained classification model, a supervised classification model such as logistics regression or support vector machine (SVM) may be used.
  • SVM support vector machine
  • classification model generation unit 360 applies the dimensionality reduction feature values input from the dimension reduction unit 350 to the uncertified material lot obtained in trial manufacturing, Active learning is performed by associating authenticity determination results or verification results of the input materials and relearning the trained classification model.
  • the material authenticity determination unit 380 is a functional unit that determines the authenticity of the material. Specifically, the material authenticity determination unit 380 acquires from the dimension reduction unit 350 the dimension reduction feature value based on the material fingerprint information of the unauthenticated material lot obtained in trial manufacturing. In addition, the material authenticity determination unit 380 obtains output information used for material authenticity determination by inputting the acquired dimension reduction feature quantity into the learned classification model corresponding to the model number of the material.
  • the material authenticity determination unit 380 associates the model number and lot of the material with the determination result true and outputs it to the authentication information issuing unit. do.
  • the material authenticity determination unit 380 requests the material verification unit 390 to additionally verify the uncertified material lot used in the trial manufacturing. Further, when the determination result is true, the material authenticity determination unit 380 outputs the determination result to the classification model generation unit 360 and the material fingerprint information generation unit 330 .
  • the material verification unit 390 is a functional unit that performs additional verification of materials. Specifically, in response to a request for additional verification from the material authenticity determination unit 380, the material verification unit 390 verifies the authenticity of the material using an arbitrary analytical technique.
  • Analysis techniques include spectroscopic analysis such as FT-IR, NIR, and Raman spectroscopy, thermal analysis such as TG-DTA and DSC, and mass spectrometry such as GC-MS.
  • the unit 390 adopts an appropriate analysis technique from among these.
  • the material verification unit 390 associates the model number and lot of the material with the verification result, which is true, and outputs the result to the material certification issuing unit 310 .
  • the material verification section 390 outputs information recommending a change of the material lot to the material certification issuing section 310 .
  • material verification section 390 outputs verification results to classification model generation section 360 and material fingerprint information generation section 330 .
  • the manufacturing execution system 400 functions as a processing unit that manufactures products by executing a predetermined manufacturing process based on instructions from the manufacturing control system 200 .
  • the manufacturing execution system 400 has a manufacturing execution section 410 and a quality inspection section 430 .
  • the manufacturing execution unit 410 is a functional unit that executes a predetermined manufacturing process based on instructions from the manufacturing control system 200 to manufacture products. Specifically, the manufacturing execution unit 410 acquires the manufacturing process for learning 421 from the manufacturing process DB 420 when manufacturing for learning is requested by the manufacturing instruction unit 230 . In addition, the manufacturing execution unit 410 instructs the manufacturing equipment 510 to execute manufacturing by the manufacturing process for learning 421 using the model numbers and lots of materials known in advance, that is, a plurality of materials known to be true. Output.
  • the manufacturing execution unit 410 acquires a trial manufacturing process 422 from the manufacturing process DB 420 when the manufacturing instruction unit 230 requests trial manufacturing.
  • the manufacturing execution unit 410 outputs to the manufacturing equipment 510 an execution instruction for manufacturing by the trial manufacturing process 422 using an uncertified material lot.
  • the manufacturing execution unit 410 acquires the mass production manufacturing process 423 from the manufacturing process DB 420 when mass production is requested by the manufacturing instruction unit 230 .
  • the manufacturing execution unit 410 outputs to the manufacturing equipment 510 an execution instruction for manufacturing by the mass-production manufacturing process 423 using the model number and lot of the materials that have already been authenticated.
  • the quality inspection unit 430 is a functional unit that inspects product quality. Specifically, the quality inspection unit 430 inspects product quality based on, for example, shape characteristics, mechanical/optical characteristics, and the like.
  • the quality inspection unit 430 associates the model number and lot of the material subjected to the quality inspection with the quality inspection result and outputs them to the material fingerprint information generation unit 330 of the material authentication system 300 .
  • the authentication information DB 320 used in the material authentication system 300 for example, information identifying the model number of the material, information identifying the lot, and information indicating whether or not the corresponding lot has been authenticated are associated and stored. It is
  • the material fingerprint information DB 340 stores, for example, information indicating the feature amount extracted from the measured value, information identifying the model number and lot of the material, and information indicating the authenticity of the material in association with each other. ing.
  • model numbers of materials and corresponding learned classification models are associated and registered.
  • the manufacturing process DB 420 used in the manufacturing execution system 400 stores various manufacturing processes for executing learning, trial, and mass production manufacturing.
  • the storage unit stores predetermined information such as the order status and inventory status of products, and the operating status of the manufacturing equipment 500 in the manufacturing factory.
  • the communication unit of this system 1000 performs information communication between the material authentication system 300 and the manufacturing equipment 500 . Also, the communication unit performs information communication between the manufacturing execution system 400 and the manufacturing equipment 500 .
  • the manufacturing equipment 500 includes manufacturing equipment 510 that manufactures products based on the manufacturing process output from the manufacturing execution unit 410, and a plurality of various sensors 520 that acquire measured values by measuring physical quantities during the manufacturing process. ,have. Also, the sensor 520 outputs the measured value to the material fingerprint information generating section 330 of the material authentication system 300 .
  • FIG. 2 is a flowchart showing an example of the manufacturing process executed by this system 1000. As shown in FIG. Such processing is started, for example, when the input reception unit receives an instruction to execute manufacturing processing from the user via an input device.
  • the production management system 100 determines the production plan (step S10). Specifically, the production planning management unit 110 of the production management system 100 acquires predetermined information such as order status and inventory status from the storage unit. Also, the production plan management unit 110 generates screen information for displaying the information acquired from the storage unit via the output display unit, and displays this on an output device (display).
  • the production plan management unit 110 acquires input information through the input reception unit, and determines a production plan based on a predetermined algorithm.
  • the production plan management unit 110 may automatically determine the production plan without relying on input from the user by using a mathematical planning model and its algorithm for optimizing the entire logistics. Note that such mathematical programming models and algorithms may be stored in the storage unit in advance.
  • the manufacturing conditions determination unit 210 of the manufacturing control system 200 determines manufacturing conditions (step S20). Specifically, the manufacturing condition determination unit 210 acquires the production plan and the operation status of the manufacturing equipment 500 from the storage unit. Further, the manufacturing condition determination unit 210 generates screen information for displaying the information acquired from the storage unit via the output display unit, and displays this on an output device (display).
  • the user refers to the displayed production plan and the operating status of the manufacturing equipment 500, and inputs the manufacturing conditions related to the appropriate combination of the manufacturing equipment 500 and materials via the input device.
  • the manufacturing condition determining unit 210 determines manufacturing conditions based on a predetermined algorithm when input information is acquired through the input receiving unit. In addition, the manufacturing condition determination unit 210 outputs manufacturing conditions including model numbers and lots of materials used for manufacturing the product to the material certification acquisition unit 220 .
  • the manufacturing condition determination unit 210 may automatically determine manufacturing conditions without depending on input from the user by using a mathematical programming model and its algorithm for optimizing production efficiency. Moreover, such mathematical programming models and algorithms may be stored in advance in the storage unit.
  • the material certification acquisition unit 220 requests acquisition of material certification information included in the manufacturing conditions (step S30). Specifically, the material certification acquisition unit 220 outputs a request for acquisition of material certification information including the model number and lot of the material to the material certification issuing unit 310 .
  • the material certification issuing unit 310 determines whether or not there is a learned classification model for the material related to the acquisition request (step S40). Specifically, the material certification issuing unit 310 refers to the certification information DB 320, and refers to the classification model DB 370 when the material lot related to the certification information acquisition request is not certified. In addition, when the learned classification model corresponding to the model number of the material related to the acquisition request is registered in the classification model DB 370, the material certification issuing unit 310 determines that the learned classification model corresponding to the model number of the material related to the acquisition request exists. Then judge.
  • step S40 the material certification issuing unit 310 shifts the process to step S50.
  • the material certification issuing unit 310 outputs information indicating that such a classification model does not exist to the material certification obtaining unit 220, and starts processing.
  • the process proceeds to step S90. Note that in step S90, a process of generating a trained classification model is executed. Details of the process of generating a trained classification model will be described later.
  • step S50 which moves to when it is determined that a learned classification model exists (Yes in step S40), the material certification issuing unit 310 determines whether or not certification information for the material lot to be used exists. Specifically, the material certification issuing unit 310 refers to the certification information DB 320 and confirms whether the certification information of the material lot related to the acquisition request is registered. Further, when the authentication information of the material lot is registered, the material authentication issuing unit 310 determines that the authentication information of the material lot related to the acquisition request exists.
  • step S50 when it is determined that the authentication information of the material lot exists (Yes in step S50), the material authentication issuing unit 310 issues authentication information for the model number and lot of the material related to the acquisition request. Further, the material certification issuing unit 310 outputs the certification information to the material certification acquisition unit 220, and the process proceeds to step S60. On the other hand, when it is determined that the material lot certification information does not exist (No in step S50), the material certification issuing unit 310 sends information indicating that the material lot related to the acquisition request is uncertified to the material certification acquiring unit. 220, and the process proceeds to step S80. In step S80, material lot authentication processing is executed. The details of the material lot authentication process will be described later.
  • step S60 which is shifted to when it is determined that material lot authentication information exists (Yes in step S50), the material authentication acquisition unit 220 passes the material model number and lot authentication information included in the manufacturing conditions to the authentication information issuing unit. Get from When the material authentication acquisition unit 220 acquires the authentication information, the material authentication acquisition unit 220 outputs a mass production execution request to the production instruction unit 230, and the process proceeds to step S70. It is assumed that such requests include information such as production plans and manufacturing conditions.
  • step S70 the manufacturing instruction unit 230 generates instruction information for mass production using the production plan and manufacturing conditions, and outputs this to the manufacturing execution system 400.
  • the manufacturing execution unit 410 of the manufacturing execution system 400 acquires the mass production manufacturing instruction, it acquires the mass production manufacturing process 423 from the manufacturing process DB 420 and outputs the mass production manufacturing process 423 to the manufacturing equipment 500 via the communication unit. By doing so, mass production of products is executed according to the production plan and manufacturing conditions. Also, when the manufacturing execution unit 410 outputs the mass production manufacturing process 423 to the manufacturing equipment 500, the process of this flow ends.
  • step S90 the details of the trained classification model generation process
  • FIG. 3 is a flow diagram showing an example of processing for generating a trained classification model.
  • step S91 the manufacturing control system 200, the manufacturing execution system 400, and the material authentication system 300 cooperate to execute learning manufacturing and generate a learned classification model. Specifically, when the material certification acquisition unit 220 of the manufacturing control system 200 acquires information indicating that a trained classification model corresponding to the model number of the material related to the certification information acquisition request does not exist, generates such a classification model.
  • the production instruction unit 230 is requested to produce a learning production for manufacturing.
  • the manufacturing instruction unit 230 of the manufacturing control system 200 outputs to the manufacturing execution unit 410 manufacturing instructions related to learning manufacturing, including the model numbers and lots of materials used for manufacturing.
  • the manufacturing execution unit 410 acquires the manufacturing instruction for manufacturing for learning from the manufacturing instruction unit 230 , it acquires the manufacturing process for learning 421 from the manufacturing process DB 420 .
  • the manufacturing execution unit 410 instructs the manufacturing equipment 510 to execute manufacturing by the manufacturing process for learning 421 using the model numbers and lots of materials known in advance, that is, a plurality of materials known to be true. Execute manufacturing for learning by outputting.
  • the material fingerprint information generation unit 330 of the material authentication system 300 generates material fingerprint information using the measured values in manufacturing for learning (step S92). Specifically, the material fingerprint information generation unit 330 acquires measured values (sensor values and product quality) output from the plurality of various sensors 520 and the quality inspection unit 430 in the manufacturing equipment 500 in manufacturing for learning. In addition, the material fingerprint information generation unit 330 extracts a plurality of feature values correlated with the material properties from the acquired measurement values, and generates in-process material fingerprint information. Further, the material fingerprint information generation unit 330 associates the generated material fingerprint information with the authenticity (true in this case) of the material, and stores them in the material fingerprint information DB 340 .
  • the dimension reduction unit 350 generates a dimension reduction feature amount (step S93). Specifically, the dimension reduction unit 350 uses a predetermined method such as UMAP to obtain material fingerprint information and material authenticity information (in this case, true) from the material fingerprint information DB 340, and uses this information. We generate dimensionality-reduced features by reducing the number of dimensions so that they can be input to the trained classification model.
  • the classification model generation unit 360 generates a trained classification model (step S94). Specifically, the classification model generation unit 360 generates a trained classification model corresponding to the model number of the material in manufacturing for learning by learning the dimensionality reduction feature amount using a predetermined supervised classification model.
  • the classification model generation unit 360 registers the generated learned classification model in the classification model DB 370 (step S95), and ends the processing of this flow. Note that the classification model generation unit 360 returns the process to step S30 in FIG. 2 after the end of this flow.
  • step S80 the details of the material lot authentication process
  • FIG. 4 is a flowchart showing an example of material lot authentication processing.
  • step S81 the manufacturing control system 200, the manufacturing execution system 400, and the material authentication system 300 cooperate to execute trial manufacturing and authenticate the material lot. Specifically, when the material certification acquisition unit 220 of the manufacturing control system 200 acquires information indicating that the material lot related to the acquisition request for certification information is uncertified, it performs a trial for authenticating the material lot. Manufacture is requested to the manufacturing instruction section 230 .
  • the manufacturing instruction unit 230 of the manufacturing supervising system 200 outputs to the manufacturing execution unit 410 manufacturing instructions related to trial manufacturing, including the model numbers and lots of materials used for manufacturing.
  • the manufacturing executing section 410 obtains the trial manufacturing process 422 from the manufacturing process DB 420. Also, the manufacturing execution unit 410 executes trial manufacturing by outputting to the manufacturing equipment 510 an execution instruction for manufacturing according to the trial manufacturing process 422 using the model number and lot of the material to be authenticated.
  • the material fingerprint information generation unit 330 of the material authentication system 300 generates material fingerprint information using the measured values in trial manufacturing (step S82). Specifically, the material fingerprint information generation unit 330 acquires measured values (sensor values and product quality) output from the plurality of various sensors 520 and the quality inspection unit 430 in the manufacturing facility 500 during trial manufacturing. In addition, the material fingerprint information generation unit 330 extracts a plurality of feature values correlated with the material properties from the acquired measurement values, and generates in-process material fingerprint information. Further, the material fingerprint information generation unit 330 stores the generated material fingerprint information in the material fingerprint information DB 340 .
  • the dimensionality reduction unit 350 generates a dimensionality reduction feature amount (step S83). Specifically, the dimension reduction unit 350 acquires the material fingerprint information from the material fingerprint information DB 340, and uses a predetermined method such as UMAP to reduce the number of dimensions so that it can be input to the trained classification model. to generate
  • the material authenticity determination unit 380 determines whether or not the result of the authenticity determination by the learned classification model is true (step S84). Specifically, the material authenticity determination unit 380 acquires from the classification model DB 370 a learned classification model corresponding to the model number of the material lot to be authenticated. In addition, the material authenticity determination unit 380 acquires output information used for material authenticity determination by inputting the generated dimensionality reduction feature quantity into the learned classification model, and uses this to obtain material authenticity determination. I do.
  • the material authenticity determination unit 380 outputs to the material authentication issuing unit 310 that the result of the authenticity determination of the material lot is true. do. Further, the material authenticity determination unit 380 outputs the determination result to the classification model generation unit 360 and the material fingerprint information generation unit 330, and the process proceeds to step S85. Note that the material fingerprint information generation unit 330 registers the determination result in association with the material fingerprint information of the corresponding material lot in the material fingerprint information DB 340 .
  • step S084 the material authenticity determination unit 380 requests additional verification from the material verification unit 390, and the process proceeds to step S87.
  • step S85 where the result of the authenticity determination is determined to be true (Yes in step S84), the material certification issuing unit 310 authenticates the material lot related to trial manufacturing. Specifically, when the material authentication issuing unit 310 acquires the information indicating that the result of the authenticity determination is true from the material authenticity determination unit 380, the material lot related to trial manufacturing is authenticated. Register in the information DB 320 . The material certification issuing unit 310 issues certification information, outputs it to the material certification acquisition unit 220, and shifts the process to step S86.
  • the classification model generation unit 360 uses the authenticity determination result of the material by the material authenticity determination unit 380, the dimension reduction feature amount used for the authenticity determination, and the learned classification model of the corresponding material model number. , the learned classification model is re-learned (active learning) (step S86). Also, the classification model generation unit 360 updates the corresponding learned classification model registered in the classification model DB 370 using the re-learned trained classification model. Further, the classification model generating unit 360 ends the processing of this flow after performing such processing. Note that the classification model generation unit 360 returns the process to step S30 in FIG. 2 after the end of this flow.
  • step S87 to which the transition is made when it is determined that the result of the above-described authenticity determination is not true the material verification unit 390 determines whether the result of the authenticity determination by the additional verification is true. determine whether Specifically, the material verification unit 390 performs additional verification of the material lot using an arbitrary analysis technique such as FT-IR, and determines its authenticity.
  • step S87 when it is determined that the result of the authenticity determination is true (Yes in step S87), the material verification section 390 shifts the process to step S85. Since the process of step S85 is the same as described above, detailed description thereof will be omitted.
  • step S87 when it is determined that the result of the authenticity determination is not true (No in step S87), the material verification unit 390 notifies via the output display unit that the verification result is false and changes the material lot. Information on the content of the recommendation is displayed on the output device (display) (step S88), and the process proceeds to step S86.
  • step S86 the learned classification model is re-learned using the fact that the judgment result is false, the dimension reduction feature used for the authenticity judgment, and the learned classification model of the corresponding material model number. (active learning).
  • the material verification unit 390 also outputs information indicating that the determination result is false to the classification model generation unit 360 and the material fingerprint information generation unit 330 as well.
  • the material fingerprint information generation unit 330 acquires the determination result, and registers it in association with the material fingerprint information of the corresponding material lot in the material fingerprint information DB 340 .
  • FIG. 5 is a diagram showing an outline of an experimental example for verifying the effects of this embodiment.
  • an experimental example in an injection molding process for manufacturing resin products (for example, products using plastic resin) is shown.
  • the illustrated mold 600 has a structure in which resin flows from a runner 650 mounted in the mold 600 to a product forming portion in the mold 600 by a five-point pin gate method.
  • a plurality of pressure sensors and resin temperature sensors are arranged in each of the sensor placement section 660 provided in the runner 650 and the sensor placement section 610 provided in the product forming section. Measurements of pressure and temperature changes over time were then obtained from these sensors.
  • the peak pressure, the maximum differential value of pressure, the integrated value of pressure, the maximum differential value of temperature, and the product weight as product quality are obtained as measured values. was generated as in-process material fingerprint information.
  • polypropylene was used as the material used for manufacturing.
  • one model number of recycled polypropylene derived from waste home appliances was used, and 15 kinds of material lots for that model number were manufactured.
  • one lot each of eight model numbers of virgin materials and two model numbers of three lots each of recycled materials were used for manufacturing.
  • UMAP was used as a dimensionality reduction model
  • SVM was used as a classification model.
  • FIG. 6 is a scatter diagram showing experimental results of constructing a classification model by SVM using only two parameters, the integrated pressure value and product weight obtained from the sensor provided on the runner 650. As shown in the figure, a negative correlation was observed between the integrated pressure value shown on the horizontal axis and the weight of the product shown on the vertical axis, and there was a tendency to plot at different positions due to the difference in material properties. However, it can be seen that the true classification region contains some of the false measured results. From these experimental results, it can be determined that it is difficult to classify materials with similar properties with high accuracy when using a trained classification model constructed based on a small number of parameters.
  • FIG. 7 is a scatter diagram showing experimental results of building a trained classification model after generating 20-dimensional feature values as in-process material fingerprint information and performing two-dimensional dimensionality reduction.
  • the dimension reduction feature value 1 is associated with the horizontal axis
  • the dimension reduction feature value 2 is associated with the vertical axis.
  • the 20-dimensional feature amount is generated based on the types of feature amounts in the above-described measured values (four types in this example) and the number of sensors that measured each feature amount (five sensors in this example, for example). be. Note that feature amounts measured using different types of sensors and feature amounts measured at different positions can be treated as mutually different feature amounts.
  • the recycled polypropylene used as the true material is a mixture of various materials and materials with a history of use, so there is a large variation between material lots. Therefore, even in the obtained scatter diagram, a wide distribution was seen depending on the material lot.
  • false actual measurement results were not included in the true classification region, indicating that the authenticity of the material could be classified with higher accuracy. This is thought to be due to the fact that by using multiple features obtained from multiple sensors as in-process material fingerprint information, it is possible to obtain dimensionality-reduced features that reflect even slight differences in material properties.
  • this system can authenticate materials by determining authenticity based on measurements obtained from multiple sensors during the manufacturing process without additional inspection processes or the addition of authentication markers.
  • the measured values obtained from multiple sensors as the in-process material fingerprint information of the material, it is possible to make a more accurate authenticity judgment than judging only by limited parameters such as material quality and molded product quality. .
  • the trained classification model can improve the accuracy of
  • FIG. 8 is a diagram showing an example of the hardware configuration of this system 1000. As shown in FIG. This system 1000 can be implemented using, for example, one computer 700 (information processing device).
  • the computer 700 includes an arithmetic device 710, a memory 720, a storage device 730, an input device 740, an output device 750, a communication device 760, and a media interface 770.
  • Each device is electrically interconnected by a communication path CN1.
  • the communication path CN1 is, for example, an internal bus or a LAN (Local Area Network).
  • the arithmetic unit 710 is composed of, for example, a processor (microprocessor, CPU: Central Processing Unit, GPU: Graphics Processing Unit, or other semiconductor devices).
  • a processor microprocessor, CPU: Central Processing Unit, GPU: Graphics Processing Unit, or other semiconductor devices.
  • the memory 720 is a nonvolatile or volatile storage medium such as RAM (Random Access Memory) or ROM (Read Only Memory).
  • the storage device 730 is a device that stores a computer program 731 that implements the functional units of each subsystem, the entire system 1000, and various information used for processing of each subsystem.
  • the storage device 730 is, for example, a rewritable storage medium such as a flash memory, hard disk, or SSD (Solid State Drive).
  • the input device 740 is a device for a user (for example, an operator who uses the system) to input information and instructions to the computer 700 .
  • the input device 740 includes, for example, a keyboard, a touch panel, a pointing device such as a mouse, and a voice input device such as a microphone.
  • the output device 750 (display device) is a device that outputs (displays) information generated by the computer 700 and information acquired from an external device.
  • the output device 750 includes, for example, a display, a printer, and a speech synthesizer.
  • the communication device 760 is a device that allows communication between an external information processing device and the computer 700 via the communication path CN2.
  • an external information processing device there is another computer 700 and an external storage device 800 (not shown).
  • the external storage device 800 includes, for example, a USB (Universal Serial Bus) memory, a memory card, a hard disk, and the like.
  • the computer 700 can read information stored in the external storage device 800 (eg, unique information and production performance information used in the computer 700 of the system 1000) and computer programs.
  • the computer 700 can also transmit all or part of the computer program 731 and information stored in the storage device 730 to the external storage device 800 for storage.
  • the media interface 770 is a device that reads and writes to an external recording medium 810 (eg, USB memory, memory card, DVD, etc.).
  • the computer 700 can transfer the computer program 731 and information from the external recording medium 810 to the storage device 730 , and transfer all or part of the computer program 731 and information stored in the storage device 730 to the external recording medium 810 . can also be transferred to and stored.
  • the processing unit of this system 1000 that is, each functional unit of each subsystem is implemented by a program 731 that causes the arithmetic device 710 to perform processing.
  • This program is stored in, for example, the storage device 730 or the external storage device 800 , loaded onto, for example, the memory 720 when executing the program 731 , and executed by the arithmetic device 710 .
  • the input reception unit is realized by the input device 740.
  • an output display unit is realized by the output device 750 .
  • the storage unit is realized by the memory 720, the storage device 730, the external storage device 800, or a combination thereof.
  • the communication unit is realized by the communication device 760 .
  • each configuration, function, processing unit, processing means, etc. of this system 1000 may be implemented in hardware, for example, by designing a part or all of them using an integrated circuit.
  • this system 1000 can realize part or all of each function by software, or can be realized by cooperation between software and hardware.
  • the system 1000 may use hardware having a fixed circuit, or may use hardware in which at least a part of the circuit is changeable.
  • each subsystem can also be realized by the user (operator) performing part or all of each function without using dedicated software or hardware.
  • the system 1000 is implemented by one computer 700, but the present invention is not limited to such a configuration.
  • FIG. 9 is a diagram showing an example of the hardware configuration of the system 1000 according to the second embodiment.
  • the system 1000 according to the second embodiment includes a computer 700a (hereinafter sometimes referred to as a material authentication side computer 700a) that implements the material authentication system 300, and a production control system 100 that is a subsystem other than that. , and a plurality of computers 700b (hereinafter sometimes referred to as user side computers 700b) that realize the manufacturing control system 200 and the manufacturing execution system 400 are connected by a communication path CN2 so as to be able to communicate with each other.
  • the user side computer 700b may be singular.
  • symbol is attached
  • the computer on the material authentication side is arranged on the cloud, and each user computer requests the authentication of the material to the computer on the material authentication side via the communication path CN2. effect can be obtained.
  • the material authentication side computer acquires requests for material authentication from a plurality of user side computers. Learning can be executed, and the authenticity determination accuracy of the material can be further improved.
  • the user-side computer manufactures the product when it obtains the authentication information using the trained classification model with improved authenticity judgment accuracy, the manufacturer can ensure the reliability of the materials used. High production can be performed.
  • the computer 700a that implements the material authentication system 300 and the plurality of computers 700b that implement the other subsystems are each connected via the communication path CN2 so as to be able to communicate with each other.
  • the present invention is not limited to such a configuration.
  • FIG. 10 is a diagram showing an example of the hardware configuration of the system 1000 according to the third embodiment.
  • each subsystem is realized by separate computers 700o to 700r, which are interconnected for communication via a communication path CN2.
  • a plurality of computers 700r that implement the manufacturing execution system 400 may be provided.
  • symbol is attached
  • the same effects as those of the first embodiment can be obtained.
  • the common production control system 100, the manufacturing control system 200, and the material authentication system 300 can be used for manufacturing.
  • the processing executed by each computer 700 of the execution system 400 can be consolidated and managed.
  • the computer 700 has a program 731 for realizing an arbitrary subsystem among the subsystems such as the production control system 100, the manufacturing control system 200, the material authentication system 300 and the manufacturing execution system 400. It can also be provided as a computer (distribution server) that distributes to other computers 700 . For example, when the system 1000 receives a request to acquire a program 731 for realizing an arbitrary subsystem from an external computer 700 (not shown), it downloads each subsystem stored in the storage unit via the communication unit.
  • the computer program 731 for implementation can also be transmitted to the external computer 700 .
  • the material authenticity determination result by the material authenticity determination unit 380 and the dimension reduction feature amount used for the authenticity determination correspond to
  • the trained classification model of the material type number and the re-learning of the trained classification model using are described, the present invention is not limited to this.
  • the system 1000 converts the dimensionality reduction feature values generated based on the measured values obtained during mass production and the information indicating that the material is true to the learned classification model of the corresponding material model number. By inputting, re-learning of the trained classification model may be repeatedly performed during mass production.
  • the present invention is not limited to the above-described embodiments and modifications, and includes various modifications within the scope of the same technical idea.
  • the above-described embodiments have been described in detail in order to explain the present invention in an easy-to-understand manner, and are not necessarily limited to those having all the described configurations.
  • it is possible to replace part of the configuration of one embodiment with the configuration of another embodiment and it is also possible to add the configuration of another embodiment to the configuration of one embodiment.
  • control lines and information lines indicate those that are considered necessary for the explanation, and not all the control lines and information lines are necessarily indicated on the product. In reality, it can be considered that almost all configurations are interconnected.
  • Manufacturing execution System 410 Manufacturing execution unit 420 Manufacturing process DB 430 Quality inspection unit 500 Manufacturing facility 510 Manufacturing equipment 520 Sensor 700 Computer 710 Arithmetic device 720 Memory 730 Storage device 731 Computer program for realizing each functional unit of subsystem 740 Input device 750 Output Device 760...Communication device 770...Media interface 800...External storage device 810...External recording medium CN1, CN2...Communication path

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Marketing (AREA)
  • Software Systems (AREA)
  • General Business, Economics & Management (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Mathematical Physics (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Manufacturing & Machinery (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Accounting & Taxation (AREA)
  • Tourism & Hospitality (AREA)
  • Finance (AREA)
  • Primary Health Care (AREA)
  • Development Economics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Human Resources & Organizations (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • General Factory Administration (AREA)

Abstract

追加の検査工程や材料への認証マーカーの添加無しに、製造プロセス中に得られるセンサ情報を用いて材料の真偽を判定し、材料を認証することができる。　一つ以上のプロセッサと、一つ以上の記憶媒体と、を有するシステムであって、前記プロセッサは、原材料を用いた製品の製造設備に設置した複数のセンサから得られる測定値を学習して原材料の真偽の判定に用いる情報を出力する学習済み分類モデルを生成し、当該学習済み分類モデルを前記記憶媒体に記憶し、未認証の原材料における前記測定値を前記学習済み分類モデルに入力し、前記未認証の原材料が真と判定された場合、当該原材料を認証する。

Description

システムおよびプログラム記憶媒体
　本発明は、システムおよびプログラム記憶媒体に関する。本発明は2021年9月29日に出願された日本国特許の出願番号2021-158627の優先権を主張し、文献の参照による織り込みが認められる指定国については、その出願に記載された内容は参照により本出願に織り込まれる。
　特許文献１は、標識ポリマーの認証方法に関し、「標識ポリマーが基板ポリマー、法的認証マーカーを含む化合物、及び動的応答認証マーカーを含み、前記法的認証マーカーは法的分析技術で検出するのに十分な量で標識ポリマー中に存在し、前記動的応答認証マーカーは動的応答分析技術で検出するのに十分な量で標識ポリマー中に存在する場合において、試験ポリマーが標識ポリマーであることを認証する方法であって、法的分析技術を用いて試験ポリマーを法的認証マーカーについて試験し、動的応答分析技術を用いて試験ポリマーを動的応答認証マーカーについて試験し、法的認証マーカー及び動的応答認証マーカーが検出されれば試験ポリマーが標識ポリマーであると認証することを含んでなる方法が開示される。」と記載されている。
特表２００７－５１４２５９号公報
　近年、従来の大量消費、大量廃棄のリニアエコノミーから循環型のサーキュラーエコノミーに転換する社会潮流の中、廃棄物から材料を回収して再生したリサイクル材を活用する社会的要求が高まっている。それに伴い、バージン材の価格が下落した際に、材料メーカーがバージン材をリサイクル材と偽って販売する問題が生じている。このような材料の偽装があった場合、リサイクル材を使用したとして上市した製品に対し、製造メーカーが材料偽装の責任を問われるという問題が生じ得る。
　なお、特許文献１に記載の認証方法は、材料メーカーが標識ポリマーに認証マーカーを添加し、試験ポリマーを認証マーカーについて分析するものであり、製造メーカーが材料の真偽を判定することができない。加えて、同文献の技術では、材料中に予め認証マーカーを添加する必要がある上、製品の製造プロセスとは別に追加の分析が必要となるため、それに伴うコストが発生してしまう。
　本発明は、上記課題に鑑みてなされたものであり、追加の検査工程や材料への認証マーカーの添加無しに、製造プロセス中に得られるセンサ情報を用いて材料の真偽を判定し、材料を認証することを目的とする。
　本願は、上記課題の少なくとも一部を解決する手段を複数含んでいるが、その例を挙げるならば、以下のとおりである。上記の課題を解決する本発明の一態様に係るシステムは、一つ以上のプロセッサと、一つ以上の記憶媒体と、を有するシステムであって、前記プロセッサは、原材料を用いた製品の製造設備に設置した複数のセンサから得られる測定値を学習して原材料の真偽の判定に用いる情報を出力する学習済み分類モデルを生成し、当該学習済み分類モデルを前記記憶媒体に記憶し、未認証の原材料における前記測定値を前記学習済み分類モデルに入力し、前記未認証の原材料が真と判定された場合、当該原材料を認証する。
　本発明によれば、追加の検査工程や材料への認証マーカーの添加無しに、製造プロセス中に得られるセンサ情報を用いて材料の真偽を判定し、材料を認証することができる。
第一実施形態に係るシステムの機能構成の一例を示した概略構成図である。 第一実施形態に係るシステムで実行される製造処理の一例を示したフロー図である。 学習済み分類モデルの生成処理の一例を示したフロー図である。 材料ロット認証処理の一例を示したフロー図である。 第一実施形態による効果を検証するための実験例の概要を示した図である。 実験結果の一例を示した図である。 実験結果の一例を示した図である。 システムのハードウェア構成の一例を示した図である。 第二実施形態に係るシステムのハードウェア構成の一例を示した図である。 第三実施形態に係るシステムのハードウェア構成の一例を示した図である。
　以下、図面に基づいて、本発明の各実施形態について説明する。
　＜第一実施形態＞
　図１は、本実施形態に係るシステム１０００の機能構成の一例を示した概略構成図である。図示するように、本システム１０００は、複数のサブシステムを有し、システム１０００全体として材料（原材料）の認証および製品の製造を実行する。
　具体的には、本システム１０００は、生産管理システム１００、製造統括システム２００、材料認証システム３００および製造実行システム４００というサブシステムを有している。また、各サブシステムは、相互に連携して各種の処理を実行する。
　また、本システム１０００は、サブシステム以外にも、図示しない機能部を有している。具体的には、本システム１０００は、当該システム１０００が備える入力装置を介してユーザからの指示や情報の入力を受け付ける入力受付部を有している。また、本システム１０００は、当該システム１０００が備える出力装置（ディスプレイ）に表示される表示情報（画面情報）を生成する出力表示部を有している。
　また、本システム１０００は、様々な情報を記憶する記憶部を有している。具体的には、記憶部は、材料認証システム３００に用いられる認証情報ＤＢ３２０と、材料指紋情報ＤＢ３４０と、分類モデルＤＢ３７０と、を有している。また、記憶部は、製造実行システム４００に用いられる学習用製造プロセス４２１、試し製造プロセス４２２および量産製造プロセス４２３を格納した製造プロセスＤＢ４２０を有している。
　また、本システム１０００は、外部装置（例えば、製造設備５００）との間で情報通信を行う通信部を有している。具体的には、通信部は、例えばインターネット等の公衆網やＬＡＮ（Ｌｏｃａｌ　Ａｒｅａ　Ｎｅｔｗｏｒｋ）あるいはＷＡＮ（Ｗｉｄｅ　Ａｒｅａ　Ｎｅｔｗｏｒｋ）などの通信経路ＣＮ２を介して外部装置と相互通信可能に接続されている。
　なお、これらの入力受付部、出力表示部、記憶部および通信部は、各サブシステムの機能部と協働して様々な処理を実行する。
　次に、生産管理システム１００の機能構成について説明する。
　生産管理システム１００は、生産計画の管理に関する様々な処理を実行する処理部として機能する。具体的には、生産管理システム１００は、生産計画管理部１１０を有している。生産計画管理部１１０は、受注状況および在庫状況に合わせて、生産仕様、数量、および時期などを含む生産計画を生成する機能部である。
　次に、製造統括システム２００の機能構成について説明する。
　製造統括システム２００は、製造実行システム４００に対して所定種類の製造指示を行うなど、製造に関する統括的な処理を行う処理部として機能する。具体的には、製造統括システム２００は、製造条件決定部２１０と、材料認証取得部２２０と、製造指示部２３０と、を有している。
　製造条件決定部２１０は、生産計画管理部１１０により生成された生産計画を用いて製造条件を決定する機能部である。なお、製造条件には、例えば製品の製造設備５００（工場内の設備）を特定する情報、製造に使用する材料の型番およびロットを特定する情報、および、生産する製品の数量や生産時期などが含まれる。
　ここで、材料の型番とは、材料の特性を識別するために材料メーカーが定めている識別情報（例えば、番号）である。また、材料のロットとは、同一の型番の材料に対して材料メーカーが定めている生産あるいは納品の最小単位である。
　材料認証取得部２２０は、材料の認証情報を材料認証システム３００から取得する機能部である。具体的には、材料認証取得部２２０は、製造条件決定部２１０により決定された材料の認証に用いる基礎的情報を材料認証システム３００に送ることにより、材料認証システム３００から材料の認証情報を取得する。材料の認証に必要な基礎的情報には、例えば材料の型番と、材料のロットと、が含まれる。
　また、材料認証取得部２２０は、製造に使用する材料のロットが認証済みであることを示す情報（認証情報）を材料認証システム３００から取得した場合、製品の量産製造を製造指示部２３０に要求する。また、材料認証取得部２２０は、使用する材料のロットが未認証であることを示す情報を材料認証システム３００から取得した場合、材料認証のための試し製造を製造指示部２３０に要求する。また、材料認証取得部２２０は、使用する材料の型番に対応する学習済み分類モデルが存在しないことを示す情報を材料認証システム３００から取得した場合、かかる分類モデルを生成するための学習用製造を製造指示部２３０に要求する。
　なお、試し製造とは、未認証の材料ロットを用いた製造を指す。また、学習用製造とは、学習済み分類モデルを生成するための教師有り学習に用いる情報を取得するための製造であり、予め判明している材料すなわち真であることが分かっている複数の材料の型番およびロットを用いた製造を指す。
　製造指示部２３０は、製造実行システム４００に対して製造の実行を指示する機能部である。具体的には、製造指示部２３０は、材料認証取得部２２０からの要求に基づいて、量産製造、試し製造または学習用製造のいずれかの製造指示を製造実行部４１０に出力する。なお、製造指示部２３０は、かかる製造指示と共に、製造に用いる材料の型番やロットなど、製造条件決定部２１０により決定された製造条件も合わせて製造実行部４１０に出力する。
　次に、材料認証システム３００の機能構成について説明する。
　材料認証システム３００は、材料の認証に関する様々な処理を行う処理部として機能する。具体的には、材料認証システム３００は、材料認証発行部３１０と、材料指紋情報生成部３３０と、次元削減部３５０と、分類モデル生成部３６０と、材料真偽判定部３８０と、材料検証部３９０と、を有している。
　材料認証発行部３１０は、認証情報の取得を要求された材料が認証済みの場合に認証情報を発行する機能部である。具体的には、材料認証発行部３１０は、材料認証取得部２２０から材料の型番およびロットを含む認証情報の取得要求を受け付けると、認証情報ＤＢ３２０を参照し、かかる材料のロットが認証済みの場合は認証情報を材料認証取得部２２０に出力する。
　また、材料認証発行部３１０は、材料のロットが未認証の場合に分類モデルＤＢ３７０を参照し、取得要求に係る材料の型番に対応する学習済み分類モデルが存在しない場合、その事を示す情報を材料認証取得部２２０に出力する。また、材料認証発行部３１０は、認証情報ＤＢ３２０および分類モデルＤＢ３７０を参照し、取得要求に係る材料の型番に対応する学習済み分類モデルは存在するが材料ロットが未認証の場合、その事を示す情報を材料認証取得部２２０に出力する。
　また、材料認証発行部３１０は、材料真偽判定部３８０または材料検証部３９０から材料のロットが真であることを示す情報を取得すると、かかる材料のロットを新たに認証し、認証情報を認証情報ＤＢ３２０に格納する。また、その場合、材料認証発行部３１０は、新たに認証した材料の型番およびロットについて、認証情報を発行し、材料認証取得部２２０に出力する。
　材料指紋情報生成部３３０は、試し製造あるいは学習用製造において、製造設備５００に含まれる複数の各種センサ５２０から出力された値と製品品質とを測定値として取得し、インプロセスの材料指紋情報を生成する機能部である。また、材料指紋情報生成部３３０は、生成した材料指紋情報を材料指紋情報ＤＢ３４０に格納する。なお、材料指紋情報生成部３３０は、学習用製造の場合に取得した測定値については、材料が真であることを示す情報を対応付けて材料指紋情報ＤＢ３４０に格納する。
　ここで、材料指紋情報とは、複数のセンサ５２０の測定値から得られる材料の物性に相関した複数の特徴量を指す。材料真偽判定部３８０および材料検証部３９０は、製品品質や単一の特徴量だけではなく、複数のセンサ５２０から得られた複数の特徴量を活用することで、高精度に材料の真偽判定あるいは真偽の検証を行うことができる。なお、その効果を示す実験例の詳細については後述する。
　また、材料指紋情報生成部３３０は、材料真偽判定部３８０あるいは材料検証部３９０から材料の真偽に関する判定結果あるいは検証結果を取得すると、これを材料指紋情報ＤＢ３４０の対応する材料に対応付けて登録する。
　次元削減部３５０は、材料指紋情報を学習済み分類モデルに入力できるように次元数を減らした（圧縮した）次元削減特徴量を生成する機能部である。なお、インプロセスの材料指紋情報は、多次元の特徴量を扱う場合、次元削減を行うことで真偽判定を簡便に行うことができるようになる。次元削減の手法には、例えばＵＭＡＰ（Ｕｎｉｆｏｒｍ　Ｍａｎｉｆｏｌｄ　Ａｐｐｒｏｘｉｍａｔｉｏｎ　ａｎｄ　Ｐｒｏｊｅｃｔｉｏｎ）、あるいは、ｔ－ＳＮＥ（ｔ－ｄｉｓｔｒｉｂｕｔｅｄ　Ｓｔｏｃｈａｓｔｉｃ　Ｎｅｉｇｈｂｏｒ　Ｅｍｂｅｄｄｉｎｇ）などの手法があり、次元削減部３５０は、これらの手法の中からいずれかの手法を用いる。
　なお、次元削減部３５０は、学習用製造の場合、分類モデル生成部３６０に対し、次元削減特徴量と、材料が真であることを示す情報と、を対応付けて出力する。また、次元削減部３５０は、試し製造の場合、材料真偽判定部３８０に対し、次元削減特徴量を出力する。
　分類モデル生成部３６０は、材料に関する学習済み分類モデルを生成する機能部である。具体的には、分類モデル生成部３６０は、予め判明している材料すなわち真であることが分かっている複数の材料の次元削減特徴量を学習し、材料の型番に対応する学習済み分類モデルを生成する。また、分類モデル生成部３６０は、生成した学習済み分類モデルを材料の型番に対応付けて分類モデルＤＢ３７０に格納する。なお、学習済み分類モデルとしては、ロジスティクス回帰あるいはサポートベクターマシン（ＳＶＭ）などの教師有り分類モデルが用いられれば良い。
　また、分類モデル生成部３６０は、試し製造で得られた未認証の材料ロットに対して、次元削減部３５０から入力された次元削減特徴量と、材料真偽判定部３８０あるいは材料検証部３９０から入力された材料の真偽の判定結果あるいは検証結果と、を関連付けて、学習済み分類モデルに再学習させるアクティブラーニングを行う。
　材料真偽判定部３８０は、材料の真偽を判定する機能部である。具体的には、材料真偽判定部３８０は、試し製造で得られた未認証の材料ロットの材料指紋情報に基づく次元削減特徴量を次元削減部３５０から取得する。また、材料真偽判定部３８０は、取得した次元削減特徴量をかかる材料の型番に対応する学習済み分類モデルに入力することで、材料の真偽判定に用いる出力情報を得る。
　また、材料真偽判定部３８０は、学習済み分類モデルからの出力情報に基づく判定結果が真であった場合、材料の型番およびロットに判定結果である真を対応付けて認証情報発行部に出力する。一方で、材料真偽判定部３８０は、判定結果が偽であった場合、試し製造で用いた未認証の材料ロットに対する追加検証を材料検証部３９０に要求する。また、材料真偽判定部３８０は、判定結果が真である場合、分類モデル生成部３６０および材料指紋情報生成部３３０にかかる判定結果を出力する。
　材料検証部３９０は、材料の追加検証を行う機能部である。具体的には、材料検証部３９０は、材料真偽判定部３８０からの追加検証の要求に対し、任意の分析技術による材料の真偽について検証を行う。
　なお、分析技術としては、ＦＴ－ＩＲ、ＮＩＲ、ラマン分光のような分光分析、ＴＧ－ＤＴＡやＤＳＣのような熱分析あるいはＧＣ－ＭＳのような質量分析など任意の分析技術があり、材料検証部３９０は、これらの中から適宜適切な分析技術を採用する。
　また、材料検証部３９０は、検証結果が真であった場合、材料の型番およびロットに検証結果である真を対応付けて材料認証発行部３１０に出力する。一方で、材料検証部３９０は、検証結果が偽であった場合、材料ロットを変更することを推奨する内容の情報を材料認証発行部３１０に出力する。また、材料検証部３９０は、検証結果を分類モデル生成部３６０および材料指紋情報生成部３３０に出力する。
　次に、製造実行システム４００の機能構成について説明する。
　製造実行システム４００は、製造統括システム２００からの指示に基づき所定の製造プロセスの実行することで製品の製造を行う処理部として機能する。具体的には、製造実行システム４００は、製造実行部４１０と、品質検査部４３０と、を有している。
　製造実行部４１０は、製造統括システム２００からの指示に基づく所定の製造プロセスを実行して製品の製造を行う機能部である。具体的には、製造実行部４１０は、学習用製造を製造指示部２３０から要求された場合、製造プロセスＤＢ４２０から学習用製造プロセス４２１を取得する。また、製造実行部４１０は、予め判明している材料すなわち真であることが分かっている複数の材料の型番およびロットを用いて、かかる学習用製造プロセス４２１による製造の実行指示を製造機器５１０に出力する。
　また、製造実行部４１０は、試し製造を製造指示部２３０から要求された場合、製造プロセスＤＢ４２０から試し製造プロセス４２２を取得する。また、製造実行部４１０は、未認証の材料ロットを用いて、かかる試し製造プロセス４２２による製造の実行指示を製造機器５１０に出力する。
　また、製造実行部４１０は、量産製造を製造指示部２３０から要求された場合、製造プロセスＤＢ４２０から量産製造プロセス４２３を取得する。また、製造実行部４１０は、認証済みの材料の型番およびロットを用いて、かかる量産製造プロセス４２３による製造の実行指示を製造機器５１０に出力する。
　品質検査部４３０は、製品の品質を検査する機能部である。具体的には、品質検査部４３０は、例えば形状特性、機械的・光学特性などに基づき製品の品質を検査する。
　また、品質検査部４３０は、品質検査を行った材料の型番およびロットと、品質検査結果とを対応付けて材料認証システム３００の材料指紋情報生成部３３０に出力する。
　以上、各サブシステムの機能構成について説明した。
　次に、本システム１０００の記憶部に記憶されている各種の情報について説明する。
　材料認証システム３００で用いられる認証情報ＤＢ３２０には、例えば材料の型番を識別する情報と、ロットを識別する情報と、対応するロットが認証済みか否かを示す情報と、が対応付けられて記憶されている。
　また、材料指紋情報ＤＢ３４０には、例えば測定値から抽出された特徴量を示す情報と、材料の型番およびロットを識別する情報と、材料の真偽を示す情報と、が対応付けられて記憶されている。
　また、分類モデルＤＢ３７０には、例えば材料の型番と、対応する学習済み分類モデルと、が対応付けられて登録されている。
　また、製造実行システム４００で用いられる製造プロセスＤＢ４２０には、学習用、試し用および量産用の製造を実行するための各種の製造プロセスが記憶されている。
　また、記憶部には、製品の受注状況や在庫状況、および、製造工場における製造設備５００の稼働状況といった所定情報が記憶されている。
　また、本システム１０００が有する通信部は、材料認証システム３００と製造設備５００との間の情報通信を行う。また、通信部は、製造実行システム４００と製造設備５００との間の情報通信を行う。
　なお、製造設備５００は、製造実行部４１０から出力された製造プロセスに基づいて製品を製造する製造機器５１０と、製造プロセス中の物理量を測定することで測定値を取得する複数の各種センサ５２０と、を有している。また、センサ５２０は、測定値を材料認証システム３００の材料指紋情報生成部３３０に出力する。
　以上、本実施形態に係るシステム１０００の概略構成について説明した。
　［動作の説明］
　図２は、本システム１０００で実行される製造処理の一例を示したフロー図である。かかる処理は、例えば入力装置を介して入力受付部が製造処理の実行指示をユーザから受け付けると開始される。
　処理が開始されると、生産管理システム１００は、生産計画を決定する（ステップＳ１０）。具体的には、生産管理システム１００の生産計画管理部１１０は、受注状況や在庫状況などの所定情報を記憶部から取得する。また、生産計画管理部１１０は、出力表示部を介して、記憶部から取得したこれらの情報を表示するための画面情報を生成し、これを出力装置（ディスプレイ）に表示する。
　なお、ユーザは、表示された受注状況や在庫状況を参照し、入力装置を介して適切な生産使用、数量および時期を入力する。生産計画管理部１１０は、入力受付部を介して入力情報を取得すると、所定のアルゴリズムに基づき生産計画を決定する。
　なお、生産計画管理部１１０は、ロジスティクス全体を最適化するための数理計画モデルおよびそのアルゴリズムを用いることにより、ユーザからの入力に依らず、自動で生産計画を決定しても良い。なお、かかる数理計画モデルやアルゴリズムは予め記憶部に記憶されていれば良い。
　次に、製造統括システム２００の製造条件決定部２１０は、製造条件を決定する（ステップＳ２０）。具体的には、製造条件決定部２１０は、生産計画および製造設備５００の稼働状況を記憶部から取得する。また、製造条件決定部２１０は、出力表示部を介して、記憶部から取得したこれらの情報を表示するための画面情報を生成し、これを出力装置（ディスプレイ）に表示する。
　なお、ユーザは、表示された生産計画や製造設備５００の稼働状況を参照し、入力装置を介して適切な製造設備５００と材料との組合わせに係る製造条件を入力する。製造条件決定部２１０は、入力受付部を介して入力情報を取得すると、所定のアルゴリズムに基づき製造条件を決定する。また、製造条件決定部２１０は、製品の製造に使用される材料の型番およびロットを含む製造条件を材料認証取得部２２０に出力する。
　なお、製造条件決定部２１０は、生産効率を最適化するための数理計画モデルおよびそのアルゴリズムを用いることにより、ユーザからの入力に依らず、自動で製造条件を決定しても良い。また、かかる数理計画モデルやアルゴリズムは予め記憶部に記憶されていれば良い。
　次に、材料認証取得部２２０は、製造条件に含まれる材料の認証情報について取得要求を行う（ステップＳ３０）。具体的には、材料認証取得部２２０は、材料の型番およびロットを含む材料の認証情報の取得要求を材料認証発行部３１０に出力する。
　次に、材料認証発行部３１０は、取得要求に係る材料の学習済み分類モデルが存在するか否かを判定する（ステップＳ４０）。具体的には、材料認証発行部３１０は、認証情報ＤＢ３２０を参照し、認証情報の取得要求に係る材料ロットが未認証の場合に分類モデルＤＢ３７０を参照する。また、材料認証発行部３１０は、取得要求に係る材料の型番に対応する学習済み分類モデルが分類モデルＤＢ３７０に登録されている場合、取得要求に係る材料の型番に対応する学習済み分類モデルが存在すると判定する。
　そして、学習済み分類モデルが存在すると判定した場合（ステップＳ４０でＹｅｓ）、材料認証発行部３１０は、処理をステップＳ５０に移行する。一方で、学習済み分類モデルが存在しないと判定した場合（ステップＳ４０でＮｏ）、材料認証発行部３１０は、かかる分類モデルが存在しない事を示す情報を材料認証取得部２２０に出力し、処理をステップＳ９０に移行する。なお、ステップＳ９０では、学習済み分類モデルの生成処理が実行される。学習済み分類モデルの生成処理の詳細については後述する。
　学習済み分類モデルが存在すると判定した場合（ステップＳ４０でＹｅｓ）に移行するステップＳ５０では、材料認証発行部３１０は、使用する材料ロットの認証情報が存在するか否かを判定する。具体的には、材料認証発行部３１０は、認証情報ＤＢ３２０を参照し、取得要求に係る材料ロットの認証情報が登録されているかを確認する。また、材料認証発行部３１０は、かかる材料ロットの認証情報が登録されている場合、取得要求に係る材料ロットの認証情報が存在すると判定する。
　そして、材料ロットの認証情報が存在すると判定した場合（ステップＳ５０でＹｅｓ）、材料認証発行部３１０は、取得要求に係る材料の型番およびロットについて認証情報を発行する。また、材料認証発行部３１０は、認証情報を材料認証取得部２２０に出力し、処理をステップＳ６０に移行する。一方で、材料ロットの認証情報が存在しないと判定した場合（ステップＳ５０でＮｏ）、材料認証発行部３１０は、取得要求に係る材料のロットが未認証である事を示す情報を材料認証取得部２２０に出力し、処理をステップＳ８０に移行する。なお、ステップＳ８０では、材料ロットの認証処理が実行される。材料ロットの認証処理の詳細については後述する。
　材料ロットの認証情報が存在すると判定された場合（ステップＳ５０でＹｅｓ）に移行するステップＳ６０では、材料認証取得部２２０は、製造条件に含まれる材料の型番およびロットの認証情報を認証情報発行部から取得する。また、材料認証取得部２２０は、認証情報を取得すると、量産製造の実行要求を製造指示部２３０に出力し、処理をステップＳ７０に移行する。なお、かかる要求には、生産計画や製造条件などの情報が含まれるものとする。
　ステップＳ７０では、製造指示部２３０は、生産計画および製造条件を用いて量産製造の指示情報を生成し、これを製造実行システム４００に出力する。また、製造実行システム４００の製造実行部４１０は、量産製造の指示を取得すると、製造プロセスＤＢ４２０から量産製造プロセス４２３を取得し、通信部を介して、製造設備５００に量産製造プロセス４２３を出力することで、生産計画および製造条件に応じた製品の量産製造を実行する。また、製造実行部４１０は、製造設備５００に量産製造プロセス４２３を出力すると、本フローの処理を終了する。
　次に、学習済み分類モデルの生成処理（ステップＳ９０）の詳細について説明する。
　図３は、学習済み分類モデルの生成処理の一例を示したフロー図である。
　ステップＳ９１では、製造統括システム２００、製造実行システム４００および材料認証システム３００は、協働で学習用製造を実行し、学習済み分類モデルを生成する。具体的には、製造統括システム２００の材料認証取得部２２０は、認証情報の取得要求に係る材料の型番に対応する学習済み分類モデルが存在しない事を示す情報を取得すると、かかる分類モデルを生成するための学習用製造を製造指示部２３０に要求する。
　また、製造統括システム２００の製造指示部２３０は、材料認証取得部２２０からの要求に基づいて、製造に用いる材料の型番やロットを含む学習用製造に関する製造指示を製造実行部４１０に出力する。
　また、製造実行部４１０は、学習用製造の製造指示を製造指示部２３０から取得すると、製造プロセスＤＢ４２０から学習用製造プロセス４２１を取得する。また、製造実行部４１０は、予め判明している材料すなわち真であることが分かっている複数の材料の型番およびロットを用いて、かかる学習用製造プロセス４２１による製造の実行指示を製造機器５１０に出力することで、学習用製造を実行する。
　次に、材料認証システム３００の材料指紋情報生成部３３０は、学習用製造における測定値を用いて材料指紋情報を生成する（ステップＳ９２）。具体的には、材料指紋情報生成部３３０は、学習用製造において製造設備５００における複数の各種センサ５２０および品質検査部４３０から出力された測定値（センサ値および製品品質）を取得する。また、材料指紋情報生成部３３０は、取得した測定値から材料特性に相関する複数の特徴量を抽出し、インプロセスの材料指紋情報を生成する。また、材料指紋情報生成部３３０は、生成した材料指紋情報と、材料の真偽（この場合、真）と、を対応付けて材料指紋情報ＤＢ３４０に格納する。
　次に、次元削減部３５０は、次元削減特徴量を生成する（ステップＳ９３）。具体的には、次元削減部３５０は、ＵＭＡＰなど所定の手法を用いて、材料指紋情報および材料の真偽の情報（この場合、真）を材料指紋情報ＤＢ３４０から取得し、これらの情報を用いて、学習済み分類モデルに入力できるように次元数を減らした次元削減特徴量を生成する。
　次に、分類モデル生成部３６０は、学習済み分類モデルを生成する（ステップＳ９４）。具体的には、分類モデル生成部３６０は、所定の教師有り分類モデルを用いて、次元削減特徴量を学習することにより、学習用製造における材料の型番に対応した学習済み分類モデルを生成する。
　次に、分類モデル生成部３６０は、生成した学習済み分類モデルを分類モデルＤＢ３７０に登録し（ステップＳ９５）、本フローの処理を終了する。なお、分類モデル生成部３６０は、本フローの終了後、処理を図２のステップＳ３０に戻す。
　以上、学習済み分類モデルの生成処理について説明した。
　次に、材料ロット認証処理（ステップＳ８０）の詳細について説明する。
　図４は、材料ロット認証処理の一例を示したフロー図である。
　ステップＳ８１では、製造統括システム２００、製造実行システム４００および材料認証システム３００は、協働で試し製造を実行し、材料ロットの認証を行う。具体的には、製造統括システム２００の材料認証取得部２２０は、認証情報の取得要求に係る材料のロットが未認証である事を示す情報を取得すると、かかる材料ロットの認証を行うための試し製造を製造指示部２３０に要求する。
　また、製造統括システム２００の製造指示部２３０は、材料認証取得部２２０からの要求に基づいて、製造に用いる材料の型番やロットを含む試し製造に関する製造指示を製造実行部４１０に出力する。
　また、製造実行部４１０は、試し製造の製造指示を製造指示部２３０から取得すると、製造プロセスＤＢ４２０から試し製造プロセス４２２を取得する。また、製造実行部４１０は、認証を行う材料の型番およびロットを用いて、かかる試し製造プロセス４２２による製造の実行指示を製造機器５１０に出力することで、試し製造を実行する。
　次に、材料認証システム３００の材料指紋情報生成部３３０は、試し製造における測定値を用いて材料指紋情報を生成する（ステップＳ８２）。具体的には、材料指紋情報生成部３３０は、試し製造において製造設備５００における複数の各種センサ５２０および品質検査部４３０から出力された測定値（センサ値および製品品質）を取得する。また、材料指紋情報生成部３３０は、取得した測定値から材料特性に相関する複数の特徴量を抽出し、インプロセスの材料指紋情報を生成する。また、材料指紋情報生成部３３０は、生成した材料指紋情報を材料指紋情報ＤＢ３４０に格納する。
　次に、次元削減部３５０は、次元削減特徴量を生成する（ステップＳ８３）。具体的には、次元削減部３５０は、材料指紋情報を材料指紋情報ＤＢ３４０から取得し、ＵＭＡＰなど所定の手法を用いて、学習済み分類モデルに入力できるように次元数を減らした次元削減特徴量を生成する。
　次に、材料真偽判定部３８０は、学習済み分類モデルによる真偽判定の結果が真であるか否かを判定する（ステップＳ８４）。具体的には、材料真偽判定部３８０は、認証を行う材料ロットの型番に対応する学習済み分類モデルを分類モデルＤＢ３７０から取得する。また、材料真偽判定部３８０は、生成された次元削減特徴量をかかる学習済み分類モデルに入力することで材料の真偽判定に用いる出力情報を取得し、これを用いて材料の真偽判定を行う。
　そして、真偽判定の結果が真であると判定した場合（ステップＳ８４でＹｅｓ）、材料真偽判定部３８０は、材料ロットの真偽判定結果が真であることを材料認証発行部３１０に出力する。また、材料真偽判定部３８０は、分類モデル生成部３６０および材料指紋情報生成部３３０に判定結果を出力し、処理をステップＳ８５に移行する。なお、材料指紋情報生成部３３０は、判定結果を材料指紋情報ＤＢ３４０の対応する材料ロットの材料指紋情報に対応付けて登録する。
　一方で、真偽判定の結果が真ではないと判定した場合（ステップＳ０８４でＮｏ）、材料真偽判定部３８０は、材料検証部３９０に追加検証を要求し、処理をステップＳ８７に移行する。
　次に、真偽判定の結果が真であると判定した場合（ステップＳ８４でＹｅｓ）に移行するステップＳ８５では、材料認証発行部３１０は、試し製造に係る材料ロットの認証を行う。具体的には、材料認証発行部３１０は、真偽判定の結果が真であることを示す情報を材料真偽判定部３８０から取得すると、試し製造に係る材料ロットの認証を行い、これを認証情報ＤＢ３２０に登録する。材料認証発行部３１０は、認証情報を発行し、これを材料認証取得部２２０に出力し、処理をステップＳ８６に移行する。
　また、分類モデル生成部３６０は、材料真偽判定部３８０による材料の真偽判定結果と、真偽判定に用いた次元削減特徴量と、対応する材料型番の学習済み分類モデルと、を用いて、学習済み分類モデルの再学習（アクティブラーニング）を行う（ステップＳ８６）。また、分類モデル生成部３６０は、再学習した学習済み分類モデルを用いて、分類モデルＤＢ３７０に登録されている対応する学習済み分類モデルを更新する。また、分類モデル生成部３６０は、かかる処理を行うと、本フローの処理を終了する。なお、分類モデル生成部３６０は、本フローの終了後、処理を図２のステップＳ３０に戻す。
　また、前述の真偽判定の結果が真ではないと判定した場合（ステップＳ８４でＮｏ）に移行するステップＳ８７では、材料検証部３９０は、追加検証による真偽判定の結果が真であるか否かを判定する。具体的には、材料検証部３９０は、例えばＦＴ－ＩＲなど任意の分析技術を用いて材料ロットの追加検証を行い、その真偽を判定する。
　そして、真偽判定の結果が真であると判定した場合（ステップＳ８７でＹｅｓ）、材料検証部３９０は、処理をステップＳ８５に移行する。なお、ステップＳ８５の処理は前述と同様のため詳細な説明は省略する。
　一方で、真偽判定の結果が真ではないと判定した場合（ステップＳ８７でＮｏ）、材料検証部３９０は、出力表示部を介して、検証結果が偽であること、および、材料ロットを変更することを推奨する内容の情報を出力装置（ディスプレイ）に表示し（ステップＳ８８）、処理をステップＳ８６に移行する。なお、ステップＳ８６では、判定結果が偽であったことと、真偽判定に用いた次元削減特徴量と、対応する材料型番の学習済み分類モデルと、を用いて、学習済み分類モデルの再学習（アクティブラーニング）を行う。
　また、この場合、材料検証部３９０は、判定結果が偽であったことを示す情報を分類モデル生成部３６０および材料指紋情報生成部３３０にも出力する。材料指紋情報生成部３３０は、かかる判定結果を取得すると、これを材料指紋情報ＤＢ３４０の対応する材料ロットの材料指紋情報に対応付けて登録する。
　以上、材料ロット認証処理について説明した。
　次に、本実施形態に係るシステムが、複数のセンサ５２０から得られた複数の特徴量を材料の認証に活用することで、高精度に材料の真偽判定を行うことができることについて、実験例を用いてその効果を説明する。
　図５は、本実施形態による効果を検証するための実験例の概要を示した図である。実験例としては、樹脂製品（例えば、プラスチック樹脂を用いた製品）を製造する射出成形プロセスにおける実験例を示す。図示する金型６００には、金型６００内に搭載されたランナー６５０から５点のピンゲート方式で金型６００内の製品形成部に対して樹脂を流入する構造をしている。実験例では、ランナー６５０に設けたセンサ配置部６６０と、製品形成部に設けたセンサ配置部６１０と、の各々に複数の圧力センサおよび樹脂温度センサが配置されている。そして、これらのセンサから圧力および温度の時間変化の測定値を取得した。
　また、本実験例では、ピーク圧力、圧力の最大微分値、圧力の積分値および温度の最大微分値と、製品品質として製品重量と、を測定値として取得し、これら複数の測定値における特徴量をインプロセス材料指紋情報として生成した。
　また、製造に使用する材料には、ポリプロピレンを用いた。また、学習用の真の材料として、廃家電由来のリサイクルポリプロピレンの１つの型番を用い、その型番における１５種類の材料ロットでの製造を行った。また、学習用の偽の材料として、８つの型番のバージン材を各１ロットと、２つの型番のリサイクル材について各３ロットを用いて製造を行った。
　また、次元削減モデルとしてＵＭＡＰを用い、分類モデルとしてＳＶＭを用いた。
　図６は、ランナー６５０に設けたセンサから取得された圧力積分値と製品重量の２パラメータのみを用いて、ＳＶＭによる分類モデルを構築した実験結果を示す散布図である。図示するように、横軸に示す圧力積分値と、縦軸に示す製品重量と、の間に負の相関が見られ、材料の特性の違いにより異なる位置にプロットされる傾向が得られた。しかしながら、真の分類領域に偽の実測結果の一部が含まれていることが分かる。このような実験結果から、少ないパラメータに基づいて構築した学習済み分類モデルを用いた場合、特性が似ている材料については、高精度な分類が困難であると判断できる。
　図７は、２０次元の特徴量をインプロセスの材料指紋情報として生成し、２次元の次元削減を行ったのち、学習済み分類モデルを構築した実験結果を示す散布図である。図示するように、横軸には次元削減特徴量１が対応付けられ、縦軸は次元削減特徴量２が対応付けられている。また、２０次元の特徴量は、前述の測定値における特徴量の種類（本例では４種）と、各特徴量を測定したセンサ数（本例では、例えば５つのセンサ）とに基づき生成される。なお、異なる種類のセンサを用いて測定された特徴量や、異なる位置で測定された特徴量については各々、相互に異なる特徴量として扱うことができる。
　本実験例において、真の材料として用いたリサイクルポリプロピレンは、様々な材料と使用履歴を持つ材料が混在するため、材料のロット間でのばらつきが大きい。そのため、得られた散布図においても材料ロットによって広い分布が見られた。また、図６と比較すると、ＳＶＭにより得られた分類のうち、真の分類領域に偽の実測結果は含まれておらず、材料の真偽をより高精度に分類できることが示された。これは、複数のセンサから得られた複数の特徴量をインプロセスの材料指紋情報として用いることで、材料の特性の僅かな違いも反映された次元削減の特徴量が得られたためと考えられる。
　以上の通り、本システムによれば、追加の検査工程や材料への認証マーカーの添加無しに、製造プロセス中に得られるセンサ情報を用いて材料の真偽を判定し、材料を認証することができる。また、本システムによれば、認証された材料のみを用いて製品の製造を行うことができる。
　特に、本システムでは、製造プロセス中の複数のセンサから得られた測定値に基づき、追加の検査工程や認証マーカーの添加なしに真偽を判定し、材料を認証することができる。また、複数のセンサから得られる測定値を材料のインプロセス材料指紋情報として用いることで、材料品質や成形品品質など限定されたパラメータのみで判定するよりも高精度な真偽判定が可能になる。
　さらに、本システムによれば、リサイクル材のようにばらつきの大きい材料についても真偽判定が可能となる。これにより、材料メーカーが材料を偽造した場合においても、製造メーカーは、独自に材料の認証を行うことができる。そのため、製造メーカーは、認証された材料を使用して製造を実行することで、材料偽装の発覚に伴うリスクを未然に防ぐことができる。
　また、本システムによれば、未認証の材料が偽と判定された場合に、追加の検証分析を行い、真偽の判定結果と関連付けられた次元削減特徴量を用いて学習済み分類モデルに再学習を実施することで、学習済み分類モデルの精度を向上させることができる。
　また、本システムによれば、学習済み分類モデルにより未認証の材料が真と判定された場合にも、真の判定結果と関連付けられた次元削減特徴量を用いた再学習により、学習済み分類モデルの精度を向上させることができる。
　次に、本実施形態に係るシステム１０００のハードウェア構成について説明する。
　図８は、本システム１０００のハードウェア構成の一例を示した図である。本システム１０００は、例えば一つの計算機７００（情報処理装置）を用いて実現することができる。
　具体的には、計算機７００は、演算装置７１０と、メモリ７２０と、記憶装置７３０と、入力装置７４０と、出力装置７５０と、通信装置７６０と、媒体インターフェース７７０と、を備えており、これらの各装置は通信経路ＣＮ１により電気的に相互接続されている。なお、通信経路ＣＮ１は、例えば内部バスあるいはＬＡＮ（Ｌｏｃａｌ　Ａｒｅａ　Ｎｅｔｗｏｒｋ）などである。
　演算装置７１０は、例えばプロセッサ（マイクロプロセッサ、ＣＰＵ：Ｃｅｎｔｒａｌ　Ｐｒｏｃｅｓｓｉｎｇ　Ｕｎｉｔ、ＧＰＵ：Ｇｒａｐｈｉｃｓ　Ｐｒｏｃｅｓｓｉｎｇ　Ｕｎｉｔあるいはその他の半導体デバイスを含む）から構成されている。
　メモリ７２０は、ＲＡＭ（Ｒａｎｄｏｍ　Ａｃｃｅｓｓ　Ｍｅｍｏｒｙ）やＲＯＭ（Ｒｅａｄ　Ｏｎｌｙ　Ｍｅｍｏｒｙ）などの不揮発性あるいは揮発性の記憶媒体である。
　記憶装置７３０は、各サブシステムの機能部を実現するコンピュータプログラム７３１や本システム１０００全体あるいは各サブシステムの処理に用いられる種々の情報などを記憶する装置である。記憶装置７３０は、例えばフラッシュメモリ、ハードディスクあるいはＳＳＤ（Ｓｏｌｉｄ　Ｓｔａｔｅ　Ｄｒｉｖｅ）などの書き換え可能な記憶媒体である。
　入力装置７４０は、ユーザ（例えば、システムを使用するオペレーターなど）が計算機７００に情報や指示を入力する装置である。入力装置７４０には、例えばキーボード、タッチパネル、マウスなどのポインティングデバイスやマイクロフォンのような音声入力装置などがある。出力装置７５０（表示装置）は、計算機７００により生成された情報や外部装置から取得した情報を出力（表示）する装置である。出力装置７５０には、例えばディスプレイ、プリンタ、音声合成装置などがある。
　通信装置７６０は、外部の情報処理装置と計算機７００とを通信経路ＣＮ２を介して通信させる装置である。外部の情報処理装置としては、図示しない他の計算機７００や外部記憶装置８００がある。なお、外部記憶装置８００としては、例えば、ＵＳＢ（Ｕｎｉｖｅｒｓａｌ　Ｓｅｒｉａｌ　Ｂｕｓ）メモリ、メモリカードおよびハードディスクなどがある。
　計算機７００は、外部記憶装置８００に格納された情報（例えば、本システム１０００の計算機７００に用いられる固有情報や生産実績情報など）やコンピュータプログラムを読み込むことができる。また、計算機７００は、記憶装置７３０に記憶されたコンピュータプログラム７３１および情報の全部または一部を、外部記憶装置８００に送信して記憶させることもできる。
　媒体インターフェース７７０は、外部記録媒体８１０（例えば、ＵＳＢメモリ、メモリカードあるいはＤＶＤなど）に読み書きする装置である。計算機７００は、外部記録媒体８１０から記憶装置７３０に対してコンピュータプログラム７３１および情報を転送させることもできるし、記憶装置７３０に記憶されたコンピュータプログラム７３１および情報の全部または一部を外部記録媒体８１０に転送して記憶させることもできる。
　以上、本実施形態に係るシステム１０００のハードウェア構成について説明した。
　なお、本システム１０００の処理部すなわち各サブシステムの各機能部は、演算装置７１０に処理を行わせるプログラム７３１によって実現される。このプログラムは、例えば記憶装置７３０や外部記憶装置８００に記憶され、プログラム７３１の実行にあたって例えばメモリ７２０上にロードされ、演算装置７１０により実行される。
　また、入力受付部は、入力装置７４０により実現される。また、出力表示部は、出力装置７５０により実現される。また、記憶部は、メモリ７２０、記憶装置７３０または外部記憶装置８００あるいはこれらの組合せにより実現される。また、通信部は、通信装置７６０により実現される。
　また、本システム１０００の各構成、機能、処理部および処理手段等は、それらの一部または全部を、例えば集積回路で設計する等によりハードウェアで実現しても良い。また、本システム１０００は、各機能の一部または全部を、ソフトウェアにより実現することもできるし、ソフトウェアとハードウェアとの協働により実現することもできる。また、本システム１０００は、固定的な回路を有するハードウェアを用いても良いし、少なくとも一部の回路を変更可能なハードウェアを用いてもよい。
　また、上述の通り、各サブシステムは、専用のソフトウェアやハードウェアを用いず、各機能の一部または全部をユーザ（オペレータ）が実施することで、システムを実現することもできる。
　なお、本実施形態では、一つの計算機７００から本システム１０００を実現する場合を例に説明したが、本発明はこれに限らず、複数の計算機７００を連携させることにより一つまたは複数のシステムを構築することもできる。このようなシステムの構成については、以下の第二実施形態および第三実施形態で詳細に説明する。
　＜第二実施形態＞
　前述の第一実施形態では、本システム１０００が一つの計算機７００により実現される場合について説明したが、本発明はこのような構成に限られるものではない。
　図９は、第二実施形態に係るシステム１０００のハードウェア構成の一例を示した図である。図示するように、第二実施形態に係るシステム１０００は、材料認証システム３００を実現する計算機７００ａ（以下、材料認証側計算機７００ａという場合がある）と、それ以外のサブシステムである生産管理システム１００、製造統括システム２００および製造実行システム４００を実現する複数の計算機７００ｂ（以下、ユーザ側計算機７００ｂという場合がある）と、が各々、通信経路ＣＮ２により相互通信可能に接続されている。なお、ユーザ側計算機７００ｂは単数であっても良い。なお、同一の構成については同一の符号を付して詳細な説明を省略する。
　このようなシステム構成によっても、追加の検査工程や材料への認証マーカーの添加無しに、製造プロセス中に得られるセンサ情報を用いて材料の真偽を判定し、材料を認証することができる。特に、本システムでは、材料認証側計算機をクラウド上に配置し、ユーザ側計算機の各々は、通信経路ＣＮ２を介して材料認証側計算機に材料の認証を要求することで、第一実施形態と同様の効果を得ることができる。
　また、このような構成によれば、材料認証側計算機（材料認証システム）は、複数あるユーザ側計算機から材料認証の要求を取得することになるため、それに伴って学習済み分類モデルにより多くの再学習を実行させることができ、材料の真偽判定精度をより向上させることができる。また、ユーザ側計算機は、真偽判定の精度がより向上した学習済み分類モデルを用いた認証情報を得た場合に製品の製造を実行するため、製造メーカーは、使用される材料について信頼度の高い製造を行うことができる。
　＜第三実施形態＞
　前述の第二実施形態では、材料認証システム３００を実現する計算機７００ａと、それ以外のサブシステムを実現する複数の計算機７００ｂと、が各々、通信経路ＣＮ２により相互通信可能に接続されている構成としたが、本発明はこのような構成に限られるものではない。
　図１０は、第三実施形態に係るシステム１０００のハードウェア構成の一例を示した図である。図示するように、第三実施形態に係るシステム１０００は、各サブシステムが各々、別個の計算機７００ｏ～７００ｒにより実現され、通信経路ＣＮ２を介して通信可能に相互接続されている。なお、図示するように、本実施形態では、製造実行システム４００を実現する計算機７００ｒが複数あっても良い。なお、同一の構成については同一の符号を付して詳細な説明を省略する。
　このような構成によっても、第一実施形態と同様の効果を得ることができる。特に、製造実行システム４００を実現する計算機７００ｒが複数ある場合、各々が分散された各製造工場に配置されている場合でも、共通の生産管理システム１００、製造統括システム２００および材料認証システム３００により製造実行システム４００の各計算機７００で実行される処理を集約して管理することができる。
　なお、本発明のシステムに係る計算機７００は、生産管理システム１００、製造統括システム２００、材料認証システム３００および製造実行システム４００といったサブシステムの中で、任意のサブシステムを実現するためのプログラム７３１を他の計算機７００に配信するコンピュータ（配信サーバ）として提供することもできる。例えば、本システム１０００は、任意のサブシステムを実現するためのプログラム７３１の取得要求を外部の計算機７００（図示せず）から受け付けると、通信部を介して、記憶部に記憶した各サブシステムを実現するためのコンピュータプログラム７３１を外部の計算機７００に送信することもできる。
　また、前述の実施形態では、試し製造の際に取得した測定値を用いて、材料真偽判定部３８０による材料の真偽判定結果と、真偽判定に用いた次元削減特徴量と、対応する材料型番の学習済み分類モデルと、を用いた学習済み分類モデルの再学習について説明したが、本発明はこれに限られるものではない。例えば、本システム１０００は、量産製造の際に取得された測定値に基づき生成される次元削減特徴量と、材料が真であることを示す情報と、を対応する材料型番の学習済み分類モデルに入力することで、量産製造中に学習済み分類モデルの再学習が繰り返し行われるようにしても良い。
　なお、本発明は上記した実施形態および変形例に限定されるものではなく、同一の技術的思想の範囲内において様々な変形例が含まれる。例えば、上記した実施例は本発明を分かりやすく説明するために詳細に説明したものであり、必ずしも説明した全ての構成を備えるものに限定されるものではない。また、ある実施例の構成の一部を他の実施例の構成に置き換えることが可能であり、また、ある実施例の構成に他の実施例の構成を加えることも可能である。また、各実施例の構成の一部について、他の構成の追加、削除、置換をすることが可能である。
　また、上記説明では、制御線や情報線は、説明上必要と考えられるものを示しており、製品上必ずしも全ての制御線や情報線を示しているとは限らない。実際には殆ど全ての構成が相互に接続されていると考えて良い。
１０００・・・システム、１００・・・生産管理システム、１１０・・・生産計画管理部、２００・・・製造統括システム、２１０・・・製造条件決定部、２２０・・・材料認証取得部、２３０・・・製造指示部、３００・・・材料認証システム、３１０・・・材料認証発行部、３２０・・・認証情報ＤＢ、３３０・・・材料指紋情報生成部、３４０・・・材料指紋情報ＤＢ、３５０・・・次元削減部、３６０・・・分類モデル生成部、３７０・・・分類モデルＤＢ、３８０・・・材料真偽判定部、３９０・・・材料検証部、４００・・・製造実行システム、４１０・・・製造実行部、４２０・・・製造プロセスＤＢ、４３０・・・品質検査部、５００・・・製造設備、５１０・・・製造機器、５２０・・・センサ、７００・・・計算機、７１０・・・演算装置、７２０・・・メモリ、７３０・・・記憶装置、７３１・・・サブシステムの各機能部を実現するコンピュータプログラム、７４０・・・入力装置、７５０・・・出力装置、７６０・・・通信装置、７７０・・・媒体インターフェース、８００・・・外部記憶装置、８１０・・・外部記録媒体、ＣＮ１、ＣＮ２・・・通信経路

Claims (11)

  1. 　一つ以上のプロセッサと、一つ以上の記憶媒体と、を有するシステムであって、
    　前記プロセッサは、
    　原材料を用いた製品の製造設備に設置した複数のセンサから得られる測定値を学習して原材料の真偽の判定に用いる情報を出力する学習済み分類モデルを生成し、当該学習済み分類モデルを前記記憶媒体に記憶し、
    　未認証の原材料における前記測定値を前記学習済み分類モデルに入力し、
    　前記未認証の原材料が真と判定された場合、当該原材料を認証する
    ことを特徴とするシステム。
  2. 　請求項１に記載のシステムであって、
    　前記プロセッサは、
    　真であることが判明している複数の原材料を用いた学習用製造における前記測定値から抽出された複数の特徴量を含むインプロセス指紋情報を生成し、
    　前記インプロセス指紋情報における前記特徴量の次元数を削減することで次元削減特徴量を生成し、
    　前記次元削減特徴量を所定種類の分類モデルに学習させることで、前記原材料の特性に対応する前記学習済み分類モデルを生成する
    ことを特徴とするシステム。
  3. 　請求項２に記載のシステムであって、
    　前記特徴量には、
    　ピーク圧力、圧力の最大微分値、圧力の積分値および温度の最大微分値のうち、少なくともいずれか一つが含まれる
    ことを特徴とするシステム。
  4. 　請求項１に記載のシステムであって、
    　前記プロセッサは、
    　前記未認証の原材料が偽と判定された場合、真偽に関する追加の検証分析を行い、
    　前記検証分析の結果が真と判定された場合に前記未認証の原材料を認証する
    ことを特徴とするシステム。
  5. 　請求項２に記載のシステムであって、
    　前記プロセッサは、
    　前記真偽の判定結果と、前記次元削減特徴量と、原材料に対応する前記学習済み分類モデルと、を用いて当該学習済み分類モデルの再学習を行うことで、当該学習済み分類モデルを更新する
    ことを特徴とするシステム。
  6. 　請求項１に記載のシステムであって、
    　前記プロセッサは、
    　製造に用いる原材料の前記認証の取得要求を行い、
    　前記原材料が未認証であった場合、認証のための試し製造を要求し、当該試し製造により取得される前記測定値に基づく当該原材料の真偽の判定結果に応じた情報を取得し、
    　前記原材料が認証済みの場合、認証済みの当該原材料を用いた製品の製造を実行する
    ことを特徴とするシステム。
  7. 　請求項６に記載のシステムであって、
    　前記プロセッサは、
    　前記試し製造により取得された前記測定値に基づく前記真偽の判定結果が偽の場合、前記認証の取得要求を行った前記原材料が偽であることを示す情報を表示する
    ことを特徴とするシステム。
  8. 　請求項６に記載のシステムであって、
    　前記プロセッサは、
    　前記認証済みの原材料を用いた前記製品の製造において取得された前記測定値と、材料が真であることを示す情報と、当該認証済みの原材料の型番に対応する前記学習済み分類モデルと、を用いて当該学習済み分類モデルの再学習を行うことで、当該学習済み分類モデルを更新する
    ことを特徴とするシステム。
  9. 　請求項１に記載のシステムであって、
    　前記原材料は、リサイクル材である
    ことを特徴とするシステム。
  10. 　請求項１に記載のシステムであって、
    　前記原材料は、プラスチック材であり、
    　前記製品を製造する製造プロセスは、射出成形プロセスであり、
    　前記測定値は、少なくとも前記プラスチック材を流入させる金型内に搭載された複数のセンサから取得した測定値を含む
    ことを特徴とするシステム。
  11. 　一つ以上のプロセッサと、一つ以上の記憶媒体と、を有するシステムで実行されるプログラムを記憶したプログラム記憶媒体であって、
    　前記プロセッサが、
    　原材料を用いた製品の製造設備に設置した複数のセンサから得られる測定値を学習して原材料の真偽の判定に用いる情報を出力する学習済み分類モデルを生成し、当該学習済み分類モデルを前記記憶媒体に記憶し、
    　未認証の原材料における前記測定値を前記学習済み分類モデルに入力し、
    　前記未認証の原材料が真と判定された場合、当該原材料を認証する、という処理を実行するためのプログラムを記憶したプログラム記憶媒体。
PCT/JP2022/022104 2021-09-29 2022-05-31 システムおよびプログラム記憶媒体 WO2023053575A1 (ja)

Priority Applications (2)

Application Number Priority Date Filing Date Title
DE112022001865.8T DE112022001865T5 (de) 2021-09-29 2022-05-31 System und programmspeichermedium
CN202280033836.4A CN117280193A (zh) 2021-09-29 2022-05-31 系统以及程序存储介质

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2021-158627 2021-09-29
JP2021158627A JP2023049089A (ja) 2021-09-29 2021-09-29 システムおよびプログラム記憶媒体

Publications (1)

Publication Number Publication Date
WO2023053575A1 true WO2023053575A1 (ja) 2023-04-06

Family

ID=85782189

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2022/022104 WO2023053575A1 (ja) 2021-09-29 2022-05-31 システムおよびプログラム記憶媒体

Country Status (4)

Country Link
JP (1) JP2023049089A (ja)
CN (1) CN117280193A (ja)
DE (1) DE112022001865T5 (ja)
WO (1) WO2023053575A1 (ja)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003296472A (ja) * 2002-04-01 2003-10-17 Masaya Fukui 材料情報提供方法および材料情報提供システム
JP2012111091A (ja) * 2010-11-24 2012-06-14 Nissei Plastics Ind Co 射出成形機の材料監視装置
JP2020088703A (ja) * 2018-11-28 2020-06-04 Ｃａｃｈ株式会社 監視システム
CN110546574B (zh) * 2017-04-19 2021-09-03 Asml荷兰有限公司 维护工艺指印集合

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050112768A1 (en) 2003-11-26 2005-05-26 Thomas Evans Method of authenticating tagged polymers
JP2021158627A (ja) 2020-03-30 2021-10-07 セイコーエプソン株式会社 プロジェクターの制御方法、プロジェクター、及び投射システム

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003296472A (ja) * 2002-04-01 2003-10-17 Masaya Fukui 材料情報提供方法および材料情報提供システム
JP2012111091A (ja) * 2010-11-24 2012-06-14 Nissei Plastics Ind Co 射出成形機の材料監視装置
CN110546574B (zh) * 2017-04-19 2021-09-03 Asml荷兰有限公司 维护工艺指印集合
JP2020088703A (ja) * 2018-11-28 2020-06-04 Ｃａｃｈ株式会社 監視システム

Also Published As

Publication number Publication date
CN117280193A (zh) 2023-12-22
DE112022001865T5 (de) 2024-02-08
JP2023049089A (ja) 2023-04-10

Similar Documents

Publication Publication Date Title
US11256799B2 (en) Device lifecycle distributed ledger
CN104040555B (zh) 具有安全记录特征的智能卡读取器
EP3459029A1 (en) Secure and traceable manufactured parts
TWI582637B (zh) 用於驗證計算裝置的硬體元件之計算裝置和方法
Tsai et al. Multiscale crack fundamental element model for real-world pavement crack classification
CN104636715A (zh) 动态手写验证和基于手写的用户认证
CN105830034A (zh) 针对增加的工作寿命和最大化的性能的多核系统设计的运行时间优化
Yacob et al. Anomaly detection in Skin Model Shapes using machine learning classifiers
JP2008539503A (ja) ソフトウェアのライセンス供与／商用デジタル配信ポリシーのための補足的な信頼モデル
US20210334876A1 (en) Data-analysis-based validation of product review data and linking to supply chain record data
CN112561624B (zh) 一种基于区块链的多维度因子的动态信用评价方法及系统
US20190377562A1 (en) Decentralized software information establishment system
Kadziński et al. Multiple criteria ranking and choice with all compatible minimal cover sets of decision rules
KR20220095922A (ko) 블록체인 기반의 정품인증 서비스 시스템 및 방법
US9009855B2 (en) Generating developer license to execute developer application
WO2023053575A1 (ja) システムおよびプログラム記憶媒体
CN103186864A (zh) 终端商家的授权和查验系统
Zhang et al. Using knowledge-based systems to manage quality attributes in software product lines
US11528152B2 (en) Watermarking for electronic device tracking or verification
CN112035426A (zh) 供应链数据防伪方法、装置、设备及计算机可读介质
Greco et al. Investigation on geometrical complexity techniques for assessing AM feasibility
KR102568012B1 (ko) 타이어에 설치된 전자장치를 이용한 클라우드 시스템 및 이의 서비스 방법
US20240106666A1 (en) INDUSTRIAL AUTOMATION MANUFACTURING WITH NFTs AND SMART CONTRACTS
US20240106665A1 (en) Industrial blockchain enabled automation control
EP4343600A2 (en) Industrial blockchain enabled automation control

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 22875454

Country of ref document: EP

Kind code of ref document: A1

WWE Wipo information: entry into national phase

Ref document number: 112022001865

Country of ref document: DE