Traitement en cours

Veuillez attendre...

Paramétrages

Paramétrages

Aller à Demande

1. WO2020161835 - SYSTÈME DE GESTION ET DISPOSITIF D'APPRENTISSAGE AUTOMATIQUE ASSOCIÉ ET PROCÉDÉ DE GESTION

Numéro de publication WO/2020/161835
Date de publication 13.08.2020
N° de la demande internationale PCT/JP2019/004272
Date du dépôt international 06.02.2019
CIB
G05B 23/02 2006.1
GPHYSIQUE
05COMMANDE; RÉGULATION
BSYSTÈMES DE COMMANDE OU DE RÉGULATION EN GÉNÉRAL; ÉLÉMENTS FONCTIONNELS DE TELS SYSTÈMES; DISPOSITIFS DE CONTRÔLE OU DE TEST DE TELS SYSTÈMES OU ÉLÉMENTS
23Test ou contrôle des systèmes de commande ou de leurs éléments
02Test ou contrôle électrique
CPC
G05B 19/418
GPHYSICS
05CONTROLLING; REGULATING
BCONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
19Programme-control systems
02electric
418Total 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], computer integrated manufacturing [CIM]
G05B 23/02
GPHYSICS
05CONTROLLING; REGULATING
BCONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
23Testing or monitoring of control systems or parts thereof
02Electric testing or monitoring
Y02P 90/02
YSECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
PCLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
90Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
02Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Déposants
  • オーウエル株式会社 O-WELL CORPORATION [JP]/[JP]
  • コエバー アイ・アンド・ティー カンパニー, リミテッド COEVER I&T CO., LTD [KR]/[KR]
Inventeurs
  • 唐橋 聡 KARAHASHI, Satoshi
  • カン ヨンテ KANG, Yong-Tae
Mandataires
  • 高田 守 TAKADA, Mamoru
  • 高橋 英樹 TAKAHASHI, Hideki
Données relatives à la priorité
Langue de publication japonais (JA)
Langue de dépôt japonais (JA)
États désignés
Titre
(EN) MANAGEMENT SYSTEM AND MACHINE LEARNING DEVICE THEREFOR AND MANAGING METHOD
(FR) SYSTÈME DE GESTION ET DISPOSITIF D'APPRENTISSAGE AUTOMATIQUE ASSOCIÉ ET PROCÉDÉ DE GESTION
(JA) 管理システム及びそのための機械学習装置並びに管理方法
Abrégé
(EN)
The present invention creates a cause-and-effect diagram on the basis of expert knowledge about association between an item to be managed and a plurality of causes. In the cause-and-effect diagram, the plurality of causes are data acquired in the field of manufacture or service in which the item to be managed is set, and the degree of importance for the item to be managed is imparted to each of the plurality of causes. In machine learning, first, a link structure for a probability model is set on the basis of the relationship between the item to be managed and the plurality of causes in the cause-and-effect diagram, and a value for each node of the probability model is set on the basis of the degree of importance imparted to each of the plurality of causes. Then, the link structure or the value for each node is learned using the data acquired in the field of manufacture or service.
(FR)
La présente invention crée un diagramme cause et effet sur la base d'une connaissance d'expert concernant l'association entre un élément à gérer et une pluralité de causes. Sur le diagramme cause et effet, la pluralité de causes sont des données acquises dans le domaine de la fabrication ou du service dans lequel l'article à gérer est défini, et le degré d'importance pour l'article à gérer est communiqué à chaque cause de la pluralité de causes. Dans l'apprentissage automatique, tout d'abord, une structure de liaison pour un modèle de probabilité est définie sur la base de la relation entre l'élément à gérer et la pluralité de causes sur le diagramme cause et effet, et une valeur pour chaque nœud du modèle de probabilité est réglée sur la base du degré d'importance communiqué à chaque cause de la pluralité de causes. Ensuite, la structure de liaison ou la valeur pour chaque nœud est apprise à l'aide des données acquises dans le domaine de la fabrication ou du service.
(JA)
管理対象項目と複数の要因との関連についての専門家知識に基づいて特性要因図を作成する。この特性要因図において、複数の要因は管理対象項目が設定された製造又はサービスの現場において取得されるデータであり、複数の要因のそれぞれには管理対象項目に対する重要度が付されている。機械学習では、まず、特性要因図における管理対象項目と複数の要因との関係に基づいて確率モデルのリンク構造を設定し、複数の要因のそれぞれに付された重要度に基づいて確率モデルの各ノードの値を設定する。そして、製造又はサービスの現場において取得されたデータを用いてリンク構造又は各ノードの値を学習する。
Également publié en tant que
Dernières données bibliographiques dont dispose le Bureau international