TOP > 国内特許検索 > 挙動予測システム及び挙動予測方法

挙動予測システム及び挙動予測方法 UPDATE

国内特許コード P190015978
整理番号 1963
掲載日 2019年4月22日
出願番号 特願2017-164726
公開番号 特開2019-045905
出願日 平成29年8月29日(2017.8.29)
公開日 平成31年3月22日(2019.3.22)
発明者
  • 藤村 茂
出願人
  • 学校法人早稲田大学
発明の名称 挙動予測システム及び挙動予測方法 UPDATE
発明の概要 【課題】製造プロセスにおける将来の挙動を予測できる挙動予測システム及び挙動予測方法を提供する。
【解決手段】挙動予測システムでは、学習済みの挙動予測モデル31に予測算出用データを入力することで、現在時刻から将来に亘る予測変数の挙動を示した予測時系列データを算出する。これにより挙動予測システムでは、現在時刻から将来に亘る予測変数の挙動を示した予測時系列データに基づいて、製造プロセスにおける将来の挙動を予測する。
【選択図】図3
従来技術、競合技術の概要


近年、製造プロセスに対して情報システムの導入が盛んに行われており、システムには、膨大な過去の操業データが蓄積されている。そして、昨今の人工知能技術の進展に伴い、これらのデータを有効に利用した操業支援システムの実現に大きな期待が寄せられている。例えば、機械学習の一種であるディープラーニングを用いた時系列データの予測手法が注目を浴びている(例えば、非特許文献1、2参照)。

産業上の利用分野


本発明は、機械学習の一種であるディープラーニングを用いた挙動予測システム及び挙動予測方法に関する。

特許請求の範囲 【請求項1】
製造プロセスで正常動作時に機器から得られる複数種類のプロセス変数の時系列データを取得するプロセス変数取得部と、
前記複数種類のプロセス変数のうち、将来挙動を予測したい前記プロセス変数を予測変数とし、前記予測変数の挙動に影響を与える前記プロセス変数を要因変数とする変数特定部と、
前記予測変数の過去の所定時間の時系列データと、前記要因変数の過去の前記所定時間の時系列データと、を学習用入力データとして取得する学習用入力データ取得部と、
前記学習用入力データとした前記予測変数の前記時系列データに時系列に続く、前記予測変数の過去の時系列データを学習用出力データとして取得する学習用出力データ取得部と、
学習時に、前記学習用入力データおよび前記学習用出力データを学習データとし、複数の前記学習データを用いて畳み込みニューラルネットワークで学習を行い、挙動予測モデルを作成する学習部と、
学習済み後に、現在時刻から所定時間過去に遡った過去時刻までの前記予測変数の時系列データと、前記現在時刻から前記過去時刻までの前記要因変数の時系列データと、を予測算出用データとして、動作中の前記機器から取得する予測算出用データ取得部と、
学習済みの前記挙動予測モデルに前記予測算出用データを入力して、前記現在時刻から将来に亘る前記予測変数の挙動を示した予測時系列データを算出する予測部と、を備える、挙動予測システム。

【請求項2】
前記予測時系列データと、前記機器から得られる実際の前記予測変数の前記時系列データとを同時に表示し、実際に得られた実測値である前記予測変数について、前記予測時系列データとの乖離の程度を通知する表示部を備える、請求項1に記載の挙動予測システム。

【請求項3】
前記機器から時系列に得られる実際の前記予測変数の前記時系列データが、前記予測時系列データから所定量乖離したときに、将来の異常を示唆する異常予測部を備える、請求項1または2に記載の挙動予測システム。

【請求項4】
前記予測変数は、オペレータにより操作機器が操作されることにより測定結果に影響が生じる測定機器での測定値であり、
前記要因変数は、前記操作機器の操作値である、請求項1~3のいずれか1項に記載の挙動予測システム。

【請求項5】
前記予測変数は、オペレータにより操作される操作機器の操作値であり、
前記要因変数は、前記操作機器が操作されることにより測定結果に影響が生じる測定機器での測定値である、請求項1~3のいずれか1項に記載の挙動予測システム。

【請求項6】
前記学習部は、
前記学習データの前記予測変数および前記要因変数に対し、前記時系列データが並んだ方向に対してだけ畳み込み演算処理を実行し、前記学習データの前記予測変数および前記要因変数が並んだ方向に対しては畳み込み演算処理を実行しない、畳み込み層を備える、請求項1~5のいずれか1項に記載の挙動予測システム。

【請求項7】
前記畳み込み層は、前記学習用入力データの行列と同じ大きさの行列でなる特徴マップを生成する、請求項6に記載の挙動予測システム。

【請求項8】
前記学習部は、
前記学習データの前記予測変数および前記要因変数に対し、前記時系列データが並んだ方向に対してだけプーリング処理を実行し、前記学習データの前記予測変数および前記要因変数が並んだ方向に対しては前記プーリング処理を実行しない、プーリング層を備える、請求項1~7のいずれか1項に記載の挙動予測システム。

【請求項9】
製造プロセスで正常動作時に機器から得られる複数種類のプロセス変数の時系列データを取得するプロセス変数取得ステップと、
前記複数種類のプロセス変数のうち、将来挙動を予測したい前記プロセス変数を予測変数とし、前記予測変数の挙動に影響を与える前記プロセス変数を要因変数とする変数特定ステップと、
前記予測変数の過去の所定時間の時系列データと、前記要因変数の過去の前記所定時間の時系列データと、を学習用入力データとして取得する学習用入力データ取得ステップと、
前記学習用入力データとした前記予測変数の前記時系列データに時系列に続く、前記予測変数の過去の時系列データを学習用出力データとして取得する学習用出力データ取得ステップと、
学習時に、前記学習用入力データおよび前記学習用出力データを学習データとし、複数の前記学習データを用いて畳み込みニューラルネットワークで学習を行い、挙動予測モデルを作成する学習ステップと、
学習済み後に、現在時刻から所定時間過去に遡った過去時刻までの前記予測変数の時系列データと、前記現在時刻から前記過去時刻までの前記要因変数の時系列データと、を予測算出用データとして、動作中の前記機器から取得する予測算出用データ取得ステップと、
学習済みの前記挙動予測モデルに前記予測算出用データを入力して、前記現在時刻から将来に亘る前記予測変数の挙動を示した予測時系列データを算出する予測ステップと、を備える、挙動予測方法。
国際特許分類(IPC)
Fターム
  • 3C223AA05
  • 3C223BA01
  • 3C223CC01
  • 3C223DD01
  • 3C223EB01
  • 3C223FF05
  • 3C223FF13
  • 3C223FF16
  • 3C223FF22
  • 3C223FF26
  • 3C223GG01
  • 3C223HH03
画像

※ 画像をクリックすると拡大します。

JP2017164726thum.jpg
出願権利状態 公開
技術導入、技術提携、実用化開発(受託研究・共同研究等)のご相談を承っております。お気軽にご連絡ください。


PAGE TOP

close
close
close
close
close
close
close