-
公开(公告)号：CN113723738A
公开(公告)日：2021-11-30
申请号：CN202110541572.0
申请日：2021-05-18
Applicant: 株式会社日立制作所
Abstract: 本发明的课题在于，即使在实际的制造现场产生的、针对不良的要因的对策未必是一对一的关系(不一致)、现场的对策未必正确的情况下，也高精度地推定不良的要因。为了解决上述课题，具有：不良图案(107)；要因筛选部(102)，其表示观测值与要对策部位的对应；4M潮流判定部(104)，其从潮流中判定4M中的哪个对要因最有影响；以及模型再学习部(105)，其进行学习完成统计模型的再学习，根据现场用户的对策内容和4M信息(101)，使要因推定高精度化。
-
公开(公告)号：CN115480553A
公开(公告)日：2022-12-16
申请号：CN202210540682.X
申请日：2022-05-17
Applicant: 株式会社日立制作所
IPC: G05B23/02
Abstract: 本发明涉及设备诊断装置以及设备诊断方法，在将KPI收敛在允许范围内的同时抑制制造设备的劣化的发展。一种设备诊断装置，其特征在于，具有：劣化抑制模式定义存储部，其按规定的劣化抑制模式，储存包含用于制造设备或该制造设备的部位的劣化抑制的动作控制方法的信息；KPI计算部，其针对制造设备或该制造设备的部位，使用按劣化抑制模式预测的劣化度来计算规定的KPI，判定该KPI是否满足规定的条件；劣化抑制判断部，其根据满足的判定结果来判断应执行的劣化抑制模式；控制信息输出部，其根据应执行的劣化抑制模式，输出制造设备或该制造设备的部位的控制信息。
-
公开(公告)号：CN114066131A
公开(公告)日：2022-02-18
申请号：CN202110802920.5
申请日：2021-07-15
Applicant: 株式会社日立制作所
Abstract: 本发明提供主要原因推定装置、主要原因推定系统以及程序，能够更高精度地推定异常的主要原因，提示准确的对策。本发明具备：通信部，其取得包含表示设备或产品所产生的不良模式的不良模式信息和测量监视对象的所述设备中的规定的观测项目而得的传感器信息的观测值；趋势解析部，其使用所述观测值，进行该观测项目的趋势解析，对随着时间变化的变动倾向进行意义赋予；存储部，其存储有与所述不良模式、所述观测值和所述趋势解析的结果相关联的不良的主要原因以及与其对策相关联的主要原因推定信息；主要原因推定部，其在取得所述不良模式时，使用所述不良模式信息、所述观测值和所述趋势解析的结果、所述主要原因推定信息，推定不良的主要原因。
-
Patent Agency Ranking
公开(公告)号：CN112016689B
公开(公告)日：2023-08-18
申请号：CN202010283149.0
申请日：2020-04-10
Applicant: 株式会社日立制作所
IPC: G06N5/046 , G06Q10/0635 , G06Q50/04
Abstract: 本发明涉及信息处理装置、预测判别系统以及预测判别方法。能进行应用性高的因果模型的推定。具备：因果模型推定部，将包含从判别对象得到的说明变量以及目的变量的测量数据作为输入，来推定表示说明变量与目的变量之间的关系性的一个或多个因果模型；评价部，使用表示针对目的变量的预测或判别的性能的指标来评价一个或多个因果模型，并输出该评价的结果满足给定的条件的因果模型；和编辑部，将评价部输出的因果模型、和评价的结果输出到显示部。
-
公开(公告)号：CN114077896A
公开(公告)日：2022-02-22
申请号：CN202110727010.5
申请日：2021-06-29
Applicant: 株式会社日立制作所
IPC: G06N5/04
Abstract: 本发明通过确定考虑了传感器信息的可靠度的不良的推测原因和对策，能够向用户提供更有用的信息。本发明的原因推测装置包括：通信部，其获取表示设备或者产品中产生的不良模式的不良模式信息、设备的观测值、以及表示设备的状态的传感器信息；存储部，其存储将不良模式、观测值、表示设备的状态的观测项目、以及规定的推测原因和对策相关联地登记的原因推测信息；和原因推测部，其基于从外部装置获取的信息，从原因推测信息确定规定的推测原因和对策，原因推测部使用规定阈值来确定传感器信息的可靠度，其中规定阈值是基于传感器信息与要处理的处理对象或设备的构成部件的规定要素的关系性而计算出的。
-
公开(公告)号：CN111693794B
公开(公告)日：2022-08-30
申请号：CN201911211451.9
申请日：2019-11-29
Applicant: 株式会社日立制作所
IPC: G01R31/00
Abstract: 异常检测装置具备：模型存储部，存储将成为基准的时间序列数据状态模型化的标准时间序列模型数值参数和将各状态的持续时间模型化的标准过渡时间模型数值参数；时间序列数据输入部，接受成为异常检测的对象的时间序列数据的输入；状态估计部，对成为异常检测的对象的时间序列数据进行基于标准时间序列模型数值参数的状态估计，来估计各数据点的状态变量；异常度计算部，使用标准过渡时间模型数值参数和状态估计部估计出的各数据点的状态变量来算出各数据点当中从给定的状态向其他状态的过渡所需的所需时间的异常度；和异常度输出部，将异常度作为每个经过时间的延迟度，进行图表化并输出。能在时间序列数据上进行考虑了所需时间异常的异常检测。
-
公开(公告)号：CN112016689A
公开(公告)日：2020-12-01
申请号：CN202010283149.0
申请日：2020-04-10
Applicant: 株式会社日立制作所
Abstract: 本发明涉及信息处理装置、预测判别系统以及预测判别方法。能进行应用性高的因果模型的推定。具备：因果模型推定部，将包含从判别对象得到的说明变量以及目的变量的测量数据作为输入，来推定表示说明变量与目的变量之间的关系性的一个或多个因果模型；评价部，使用表示针对目的变量的预测或判别的性能的指标来评价一个或多个因果模型，并输出该评价的结果满足给定的条件的因果模型；和编辑部，将评价部输出的因果模型、和评价的结果输出到显示部。
-
公开(公告)号：CN111693794A
公开(公告)日：2020-09-22
申请号：CN201911211451.9
申请日：2019-11-29
Applicant: 株式会社日立制作所
IPC: G01R31/00
Abstract: 异常检测装置具备：模型存储部，存储将成为基准的时间序列数据状态模型化的标准时间序列模型数值参数和将各状态的持续时间模型化的标准过渡时间模型数值参数；时间序列数据输入部，接受成为异常检测的对象的时间序列数据的输入；状态估计部，对成为异常检测的对象的时间序列数据进行基于标准时间序列模型数值参数的状态估计，来估计各数据点的状态变量；异常度计算部，使用标准过渡时间模型数值参数和状态估计部估计出的各数据点的状态变量来算出各数据点当中从给定的状态向其他状态的过渡所需的所需时间的异常度；和异常度输出部，将异常度作为每个经过时间的延迟度，进行图表化并输出。能在时间序列数据上进行考虑了所需时间异常的异常检测。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.019 seconds)
