JP2021089661A - センサシステム、マスタユニット、予測装置、及び予測方法 - Google Patents
センサシステム、マスタユニット、予測装置、及び予測方法 Download PDFInfo
- Publication number
- JP2021089661A JP2021089661A JP2019220520A JP2019220520A JP2021089661A JP 2021089661 A JP2021089661 A JP 2021089661A JP 2019220520 A JP2019220520 A JP 2019220520A JP 2019220520 A JP2019220520 A JP 2019220520A JP 2021089661 A JP2021089661 A JP 2021089661A
- Authority
- JP
- Japan
- Prior art keywords
- sensor
- data
- learning
- unit
- trained model
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims description 48
- 230000005856 abnormality Effects 0.000 claims abstract description 62
- 238000010801 machine learning Methods 0.000 claims abstract description 40
- 238000005259 measurement Methods 0.000 claims description 42
- 238000012549 training Methods 0.000 claims description 33
- 238000011144 upstream manufacturing Methods 0.000 claims description 4
- 238000004891 communication Methods 0.000 description 43
- 238000012545 processing Methods 0.000 description 21
- 238000003860 storage Methods 0.000 description 16
- 230000005540 biological transmission Effects 0.000 description 14
- 238000010586 diagram Methods 0.000 description 12
- 238000001514 detection method Methods 0.000 description 11
- 239000000463 material Substances 0.000 description 10
- 238000001816 cooling Methods 0.000 description 8
- 238000010438 heat treatment Methods 0.000 description 7
- 238000013528 artificial neural network Methods 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 6
- 238000005520 cutting process Methods 0.000 description 5
- 238000004519 manufacturing process Methods 0.000 description 4
- 238000003066 decision tree Methods 0.000 description 3
- 238000009434 installation Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000006073 displacement reaction Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005401 electroluminescence Methods 0.000 description 1
- 238000001125 extrusion Methods 0.000 description 1
- 239000012467 final product Substances 0.000 description 1
- 239000013067 intermediate product Substances 0.000 description 1
- 238000000465 moulding Methods 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000011347 resin Substances 0.000 description 1
- 229920005989 resin Polymers 0.000 description 1
- 239000011265 semifinished product Substances 0.000 description 1
- 238000003756 stirring Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
- G05B19/4183—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by data acquisition, e.g. workpiece identification
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
- G05B19/41875—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by quality surveillance of production
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/32—Operator till task planning
- G05B2219/32222—Fault, defect detection of origin of fault, defect of product
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/33—Director till display
- G05B2219/33322—Failure driven learning
-
- 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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/09—Supervised learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/01—Dynamic search techniques; Heuristics; Dynamic trees; Branch-and-bound
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Manufacturing & Machinery (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Testing And Monitoring For Control Systems (AREA)
- General Factory Administration (AREA)
Abstract
Description
図8は、一実施形態におけるマスタユニット10の選定学習処理S240の概略動作を例示するフローチャートである。図9は、一実施形態におけるマスタユニット10の第1センサ選定モード処理S260の概略動作を例示するフローチャートである。図10は、一実施形態におけるマスタユニット10の予測モード処理S280の概略動作を例示するフローチャートである。
図5に示すように、最初に、マスタユニット10は、利用者(ユーザ)の操作により入力された各種の設定値に、現在の値から変更が有るか否かを判定する(S201)。各種の設定値とは、例えば、第1センサ30aのための設定値、第2センサ30bのための設定値、及び、マスタユニット10が使用するための、後述する、センサ間の時間差Δt、判定値、上限しきい値、下限しきい値、並びに、学習済モデルの生成の際に追加学習を行うか否かの設定等である。
予測学習処理S220が開始されると、図6に示すように、取得部11は、スレーブユニット20を介してセンサ30からデータを取得する(S221)。
学習進捗値=100−|A−A’|/A×100 …(1)
選定学習処理S240が開始されると、図8に示すように、取得部11は、スレーブユニット20を介してセンサ30からデータを取得する(S241)。次に、選定部15は、添字iに“1”を設定する(S242)。なお、添字iは、n台の第1センサ30aの番号を表ものであり、“1”から“n”までの整数の値をとる。
第1センサ選定モード処理S260が開始されると、図9に示すように、取得部11は、スレーブユニット20を介してセンサ30から所定数のデータを取得する(S261)。所定数のデータは、例えば255組のデータセットである。次に、選定部15は、添字jに“1”を設定する(S262)。なお、添字jは、n台の第1センサ30aの番号を表ものであり、“1”から“n”までの整数の値をとる。
予測モード処理S280が開始されると、図10に示すように、取得部11は、スレーブユニット20を介して第1センサ30aからデータを取得する(S281)。
ラインL20の搬送方向における同一、又は略同一の位置に、3つの第1センサ30aと、1つの第2センサ30bとが配置されている。3つの第1センサ30aは、それぞれ、ラインL20の幅方向(図1における左右方向)に、所定の間隔を空けて配置されている。
ワークを測定する第1センサ(30a)と、
第1センサ(30a)よりも長い周期でワークを測定する第2センサ(30b)と、
マスタユニット(10)と、を備え、
マスタユニット(10)は、
第1センサ(30a)によって測定されたデータと第2センサ(30b)によって測定されたデータとを取得する取得部(11)と、
学習モデルの機械学習に用いられ、取得された第1センサ(30a)のデータを入力データとし、取得された第2センサ(30b)のデータを入力データの性質を表すラベルデータとする学習用データを生成する生成部(12)と、を含む、
センサシステム(1)。
(附記8)
ワークを測定する第1センサ(30a)と第1センサ(30a)よりも長い周期でワークを測定する第2センサ(30b)とを含むセンサシステム(1)に用いられるマスタユニット(10)であって、
第1センサ(30a)によって測定されたデータと第2センサ(30b)によって測定されたデータとを取得する取得部(11)と、
学習モデルの機械学習に用いられ、取得された第1センサ(30a)のデータを入力データとし、取得された第2センサ(30b)のデータを前記入力データの性質を表すラベルデータとする学習用データを生成する生成部(12)と、を備える、
マスタユニット(10)。
(附記14)
ワークの異常又は異常予兆を予測する予測装置(10)であって、
ワークを測定する第1センサ(30a)によって測定されたデータを取得する取得部(11)と、
取得された第1センサ(30a)のデータを学習済モデルに入力し、該学習済モデルに予測値を出力させる予測部(16)と、を備え、
学習済モデルは、第1センサ(30a)のデータを入力データとし、第1センサ(30a)よりも長い周期でワークを測定する第2センサ(30b)のデータを、入力データの性質を表すラベルデータとして生成された学習用データを用い、学習モデルの機械学習を実行して生成されたものである、
予測装置(10)。
(附記15)
ワークの異常又は異常予兆を予測する予測方法であって、
ワークを測定する第1センサ(30a)によって測定されたデータを取得するステップ(S281)と、
取得された第1センサ(30a)のデータを学習済モデルに入力し、該学習済モデルに予測値を出力させるステップ(S282)と、を含み、
学習済モデルは、第1センサ(30a)のデータを入力データとし、第1センサ(30a)よりも長い周期でワークを測定する第2センサ(30b)のデータを、入力データの性質を表すラベルデータとして生成された学習用データを用い、学習モデルの機械学習を実行して生成されたものである、
予測方法。
Claims (15)
- ワークを測定する第1センサと、
前記第1センサよりも長い周期で前記ワークを測定する第2センサと、
マスタユニットと、を備え、
前記マスタユニットは、
前記第1センサによって測定されたデータと前記第2センサによって測定されたデータとを取得する取得部と、
学習モデルの機械学習に用いられ、取得された前記第1センサのデータを入力データとし、取得された前記第2センサのデータを前記入力データの性質を表すラベルデータとする学習用データを生成する生成部と、を含む、
センサシステム。 - 前記生成部は、前記ワークの移動速度及び前記第1センサと前記第2センサとの間の距離から算出される時間差と、前記第1センサの測定周期と、前記第2センサの測定周期とに基づいて、前記入力データと前記ラベルデータとを対応付け、前記学習用データを生成する、
請求項1に記載のセンサシステム。 - 前記第1センサは、前記ワークが移動するラインにおいて、前記第2センサに対して上流側に配置されている、
請求項1又は2に記載のセンサシステム。 - 前記マスタユニットは、前記学習用データを用いて学習モデルの機械学習を実行し、学習済モデルを生成する学習部をさらに含む、
請求項1から3のいずれか一項に記載のセンサシステム。 - 前記マスタユニットは、取得された前記第1センサのデータを前記学習済モデルに入力し、該学習済モデルに予測値を出力させる予測部をさらに含む、
請求項4に記載のセンサシステム。 - 複数の前記第1センサを備え、
前記マスタユニットは、前記複数の第1センサのうちの1つについて、取得された該第1センサのデータと取得した前記第2センサのデータとの相関係数を算出する選定部をさらに含む、
請求項1から5のいずれか一項に記載のセンサシステム。 - 複数の前記第1センサを備え、
前記生成部は、前記複数の第1センサのうちの少なくとも1つから取得されたデータを入力データとする学習用データを生成し、
前記マスタユニットは、取得された前記第2センサのデータと、前記学習用データを用いて学習モデルの機械学習を実行して生成される学習済モデルに前記入力データを入力して出力させた予測値とに基づいて、該学習済モデルの学習進捗の割合を表す学習進捗値を算出する選定部をさらに含む、
請求項1から5のいずれか一項に記載のセンサシステム。 - ワークを測定する第1センサと前記第1センサよりも長い周期で前記ワークを測定する第2センサとを含むセンサシステムに用いられるマスタユニットであって、
前記第1センサによって測定されたデータと前記第2センサによって測定されたデータとを取得する取得部と、
学習モデルの機械学習に用いられ、取得された前記第1センサのデータを入力データとし、取得された前記第2センサのデータを前記入力データの性質を表すラベルデータとする学習用データを生成する生成部と、を備える、
マスタユニット。 - 前記生成部は、前記ワークの移動速度及び前記第1センサと前記第2センサとの間の距離から算出される時間差と、前記第1センサの測定周期と、前記第2センサの測定周期とに基づいて、前記入力データと前記ラベルデータとを対応付け、前記学習用データを生成する、
請求項8に記載のマスタユニット。 - 前記学習用データを用いて学習モデルの機械学習を実行し、学習済モデルを生成する学習部をさらに備える、
請求項8又は9に記載のマスタユニット。 - 取得された前記第1センサのデータを前記学習済モデルに入力し、該学習済モデルに予測値を出力させる予測部をさらに備える、
請求項10に記載のマスタユニット。 - 前記センサシステムは複数の前記第1センサを含み、
前記複数の第1センサのうちの1つについて、取得された該第1センサのデータと取得された前記第2センサのデータとの相関係数を算出する選定部をさらに備える、
請求項8から11のいずれか一項に記載のマスタユニット。 - 前記センサシステムは複数の前記第1センサを含み、
前記生成部は、前記複数の第1センサのうちの少なくとも1つから取得されたデータを入力データとする学習用データを生成し、
取得された前記第2センサのデータと、前記学習用データを用いて学習モデルの機械学習を実行して生成される学習済モデルに前記入力データを入力して出力させた予測値とに基づいて、該学習済モデルの学習進捗の割合を表す学習進捗値を算出する選定部をさらに備える、
請求項8から11のいずれか一項に記載のマスタユニット。 - ワークの異常又は異常予兆を予測する予測装置であって、
前記ワークを測定する第1センサによって測定されたデータを取得する取得部と、
取得された前記第1センサのデータを学習済モデルに入力し、該学習済モデルに予測値を出力させる予測部と、を備え、
前記学習済モデルは、前記第1センサのデータを入力データとし、前記第1センサよりも長い周期で前記ワークを測定する第2センサのデータを、前記入力データの性質を表すラベルデータとして生成された学習用データを用い、学習モデルの機械学習を実行して生成されたものである、
予測装置。 - ワークの異常又は異常予兆を予測する予測方法であって、
前記ワークを測定する第1センサによって測定されたデータを取得するステップと、
取得された前記第1センサのデータを学習済モデルに入力し、該学習済モデルに予測値を出力させるステップと、を含み、
前記学習済モデルは、前記第1センサのデータを入力データとし、前記第1センサよりも長い周期で前記ワークを測定する第2センサのデータを、前記入力データの性質を表すラベルデータとして生成された学習用データを用い、学習モデルの機械学習を実行して生成されたものである、
予測方法。
Priority Applications (6)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019220520A JP7392438B2 (ja) | 2019-12-05 | 2019-12-05 | センサシステム、マスタユニット、予測装置、及び予測方法 |
US17/776,236 US20220390925A1 (en) | 2019-12-05 | 2020-12-01 | Sensor system, master unit, prediction device, and prediction method |
KR1020227013283A KR20220066939A (ko) | 2019-12-05 | 2020-12-01 | 센서 시스템, 마스터 유닛, 예측 장치, 및 예측 방법 |
DE112020005964.2T DE112020005964T5 (de) | 2019-12-05 | 2020-12-01 | Sensorsystem, master-einheit, vorhersagevorrichtung und vorhersageverfahren |
CN202080076905.0A CN114651219A (zh) | 2019-12-05 | 2020-12-01 | 传感器***、主机单元、预测装置以及预测方法 |
PCT/JP2020/044584 WO2021112054A1 (ja) | 2019-12-05 | 2020-12-01 | センサシステム、マスタユニット、予測装置、及び予測方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019220520A JP7392438B2 (ja) | 2019-12-05 | 2019-12-05 | センサシステム、マスタユニット、予測装置、及び予測方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2021089661A true JP2021089661A (ja) | 2021-06-10 |
JP7392438B2 JP7392438B2 (ja) | 2023-12-06 |
Family
ID=76220286
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019220520A Active JP7392438B2 (ja) | 2019-12-05 | 2019-12-05 | センサシステム、マスタユニット、予測装置、及び予測方法 |
Country Status (6)
Country | Link |
---|---|
US (1) | US20220390925A1 (ja) |
JP (1) | JP7392438B2 (ja) |
KR (1) | KR20220066939A (ja) |
CN (1) | CN114651219A (ja) |
DE (1) | DE112020005964T5 (ja) |
WO (1) | WO2021112054A1 (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2023109684A (ja) * | 2022-01-27 | 2023-08-08 | 株式会社日立製作所 | 単一エッジデバイスにおける複数の機械学習モデルの実行の最適化 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP4401015A1 (en) * | 2021-09-09 | 2024-07-17 | Horiba Advanced Techno, Co., Ltd. | Measurement system, measurement system anomaly determination method, and measurement system anomaly determination program |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003150211A (ja) * | 2001-11-12 | 2003-05-23 | Omron Corp | 制御システム及びスレーブ並びに制御情報収集装置及び制御情報収集方法 |
JP2018109876A (ja) * | 2017-01-04 | 2018-07-12 | 株式会社東芝 | センサ設計支援装置、センサ設計支援方法およびコンピュータプログラム |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6142507B2 (ja) | 2012-11-09 | 2017-06-07 | オムロン株式会社 | センサシステム |
-
2019
- 2019-12-05 JP JP2019220520A patent/JP7392438B2/ja active Active
-
2020
- 2020-12-01 CN CN202080076905.0A patent/CN114651219A/zh active Pending
- 2020-12-01 US US17/776,236 patent/US20220390925A1/en active Pending
- 2020-12-01 KR KR1020227013283A patent/KR20220066939A/ko unknown
- 2020-12-01 DE DE112020005964.2T patent/DE112020005964T5/de active Pending
- 2020-12-01 WO PCT/JP2020/044584 patent/WO2021112054A1/ja active Application Filing
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003150211A (ja) * | 2001-11-12 | 2003-05-23 | Omron Corp | 制御システム及びスレーブ並びに制御情報収集装置及び制御情報収集方法 |
JP2018109876A (ja) * | 2017-01-04 | 2018-07-12 | 株式会社東芝 | センサ設計支援装置、センサ設計支援方法およびコンピュータプログラム |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2023109684A (ja) * | 2022-01-27 | 2023-08-08 | 株式会社日立製作所 | 単一エッジデバイスにおける複数の機械学習モデルの実行の最適化 |
JP7407889B2 (ja) | 2022-01-27 | 2024-01-04 | 株式会社日立製作所 | 単一エッジデバイスにおける複数の機械学習モデルの実行の最適化 |
Also Published As
Publication number | Publication date |
---|---|
JP7392438B2 (ja) | 2023-12-06 |
KR20220066939A (ko) | 2022-05-24 |
CN114651219A (zh) | 2022-06-21 |
WO2021112054A1 (ja) | 2021-06-10 |
DE112020005964T5 (de) | 2022-09-29 |
US20220390925A1 (en) | 2022-12-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2021112054A1 (ja) | センサシステム、マスタユニット、予測装置、及び予測方法 | |
KR102062429B1 (ko) | 제조 라인의 생산 관리 시스템, 생산 관리 장치 및 생산 관리 방법 | |
US6850171B2 (en) | Method, system and control device for controlling light signal transmitters at intersections | |
CN100355540C (zh) | 机器人间的防止干涉控制装置 | |
US20190101305A1 (en) | Air conditioning control system | |
CN108237439B (zh) | 学习模型构筑装置以及过热预测装置 | |
CN107963474A (zh) | 布料控制装置、***和方法 | |
CN104571189A (zh) | 一种基于dsp与fpga的吹塑装备智能温控***及其控制方法 | |
WO2012140152A1 (en) | Network comprising nodes associated with outdoor lighting devices | |
US11007719B2 (en) | Automatically adjusting extruder for optimal viscosity in a three-dimensional (3D) printer | |
JP7189499B2 (ja) | センサシステム | |
US20160370460A1 (en) | Sensor, sensor system and method of finding range | |
CN111426344B (zh) | 一种建筑物能耗智能检测*** | |
US11397414B2 (en) | Mechanical equipment control system, control apparatus for mechanical equipment, and method for controlling mechanical equipment | |
CN101730849A (zh) | 用于定位的光学传感器 | |
EP3721683B1 (en) | System, methods, and apparatuses for distributed detection of luminaire anomalies | |
CN108956633A (zh) | 一种触发相机同步采集运动物体图像的设备及*** | |
CN114728710A (zh) | 用于运行贴标签***的方法 | |
EP3223089A1 (en) | Environmental sensor and environmental parameter measurement and prediction method | |
JP7382015B2 (ja) | センサシステム | |
JP7068654B2 (ja) | センサシステム | |
CN115817470A (zh) | 车辆直道换道意图的预测方法及其装置和计算机存储介质 | |
CN107942659B (zh) | 传输装置控制方法及设备 | |
US20210232113A1 (en) | Method and apparatus to identify connected device types on an i/o channel based on current characteristics | |
US20240027979A1 (en) | Method and System for Open-Loop or Closed-Loop Control of a Technical Device |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220506 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230620 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230818 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20231024 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20231106 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7392438 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |