[发明专利]不良原因推定装置和方法在审
| 申请号： | 202180032436.7 | 申请日： | 2021-03-24 |
| 公开（公告）号： | CN115552066A | 公开（公告）日： | 2022-12-30 |
| 发明（设计）人： | 米川辉;大河内俊夫;国眼阳子;饭泽宪次;吉田厚;蛭田友美 | 申请（专利权）人： | 日立环球生活方案株式会社 |
| 主分类号： | D06F33/74 | 分类号： | D06F33/74;D06F33/47;D06F34/05 |
| 代理公司： | 北京银龙知识产权代理有限公司 11243 | 代理人： | 范胜杰;文志 |
| 地址： | 日本*** | 国省代码： | 暂无信息 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 不良 原因 推定 装置 方法 | ||
1.一种不良原因推定装置，其推定对象装置的不良原因，其特征在于，
所述对象装置具有分别检测所述对象装置的状态的多个传感器，
所述不良原因推定装置具备：
存储部，其存储保持预先学习的1个或多个模型；以及
原因推定部，其使用从所述传感器输出的传感器数据中的导致所述对象装置的状态变化的特定的数据范围的所述传感器数据，基于所述模型来推定所述对象装置的所述不良原因。
2.根据权利要求1所述的不良原因推定装置，其特征在于，
所述对象装置具有控制部，该控制部通过在必要的定时向对应的控制对象赋予必要的指令值来控制该控制对象的动作，
导致所述对象装置的状态变化的所述特定的数据范围是所述控制部向所述控制对象赋予所述指令值前后的预定期间和/或预先设定的特定的时间段的范围。
3.根据权利要求1所述的不良原因推定装置，其特征在于，
所述模型是CNN，其中，CNN为卷积神经网络。
4.根据权利要求1所述的不良原因推定装置，其特征在于，
所述模型是用于利用了多个相似性度量的时间序列聚类的判别规则。
5.一种不良原因推定装置执行的不良原因推定方法，所述不良原因推定装置推定对象装置的不良原因，其特征在于，
所述对象装置具有分别检测所述对象装置的状态的多个传感器，
所述不良原因推定方法具备：
第一步骤，存储保持预先学习的1个或多个模型；以及
第二步骤，使用从所述传感器输出的传感器数据中的导致所述对象装置的状态变化的特定的数据范围的所述传感器数据，基于所述模型来推定所述对象装置的所述不良原因。
6.根据权利要求5所述的不良原因推定方法，其特征在于，
所述对象装置具有控制部，该控制部通过在必要的定时向对应的控制对象赋予必要的指令值来控制该控制对象的动作，
导致所述对象装置的状态变化的所述特定的数据范围是所述控制部向所述控制对象赋予所述指令值前后的预定期间和/或预先设定的特定的时间段的范围。
7.根据权利要求5所述的不良原因推定方法，其特征在于，
所述模型是CNN，其中，CNN为卷积神经网络。
8.根据权利要求5所述的不良原因推定方法，其特征在于，
所述模型是用于利用了多个相似性度量的时间序列聚类的判别规则。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于日立环球生活方案株式会社，未经日立环球生活方案株式会社许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/202180032436.7/1.html，转载请声明来源钻瓜专利网。
- 上一篇：压印设备
- 下一篇：人类免疫缺陷病毒复制的抑制剂
