公开(公告)号：CN117794717A

公开(公告)日：2024-03-29

申请号：CN202280052315.3

申请日：2022-06-01

Applicant: 株式会社日本制钢所

Inventor： 佐伯明彦 ,  赤木誉志 ,  平野峻之

IPC: B29C45/76 ,  G06N20/00

Abstract: 对成型机中设定的第1及第2成型条件参数中的第1成型条件参数进行变更以使成型品的品质恶化，获取表示所制造的成型品的状态或该成型机的状态的物理量数据，对成型机中设定的第2成型条件参数进行变更，获取表示所制造的成型品的状态或该成型机的状态的物理量数据，将变更前的第2成型条件参数、此时得到的物理量数据、变更后的第2成型条件参数及在设定变更后的第2成型条件参数时得到的物理量数据建立对应并存储，通过重复进行第1及第2成型条件参数的变更以及物理量数据的获取，从而创建机器学习用的数据集。

公开(公告)号：CN117043637A

公开(公告)日：2023-11-10

申请号：CN202280021424.9

申请日：2022-01-19

Applicant: 麻省理工学院 ,  株式会社日本制钢所

Inventor： A·H·阿尔谢赫里 ,  杨业宽 ,  风吕川干央 ,  平野峻之 ,  K·尤塞夫-托米

IPC: G01S13/88

Abstract: 旋转机器中的故障可以使用两种射频(RF)感测模式进行诊断或检测。射频感测现象可用于检测旋转机器中是否存在不良行为，包括过度弯曲、振动、偏心、扭转和纵向应变。基于射频的传感器代表了一种非侵入性解决方案。感测模式基于全部与机器学习算法结合的射频超材料、多普勒效应影响和雷达截面评估。该系统基于监测谐振位移、负磁导率和回波损耗幅度。电磁数值模拟显示，与原始参考未应变情况相比，施加机械应变后这些幅度发生了显著变化。超材料纹理设计可以通过控制单元尺寸和基板材料来控制。

公开(公告)号：CN116868221A

公开(公告)日：2023-10-10

申请号：CN202280016208.5

申请日：2022-02-17

Applicant: 株式会社日本制钢所

Inventor： 风吕川干央 ,  铃木润 ,  平野峻之

IPC: G06Q50/04

Abstract: 对多个企业分别使用的多个制造装置的状态进行检测，所述信息处理方法的特征在于，获取对制造装置的物理量进行检出而得到的传感器值数据，将收集到的传感器值数据针对每个企业分别保存至多个数据库，基于所保存的传感器值数据通过机器学习来生成多个学习模型，通过将从一个企业的制造装置获取的传感器值数据输入至由该一个企业选择出的一个或者多个学习模型，来算出一个企业的制造装置的状态。

公开(公告)号：CN114585493B

公开(公告)日：2024-10-11

申请号：CN201980101263.2

申请日：2019-10-15

Applicant: 株式会社日本制钢所

Inventor： 平野峻之 ,  滨田和马

IPC: B29C48/92 ,  B29C48/40 ,  B29C48/505

Abstract: 一种成形机，包含：筒体；螺杆，内置于筒体；状态检测装置。状态检测装置包含传感器，其用于检测螺杆的状态。状态检测装置被安装在筒体外部的螺杆。

公开(公告)号：CN114829102B

公开(公告)日：2024-08-27

申请号：CN202080073194.1

申请日：2020-10-08

Applicant: 株式会社日本制钢所

Inventor： 平野峻之

IPC: B29C45/76 ,  G06F18/214 ,  G06N3/044 ,  G06N3/084 ,  G06F18/241

Abstract: 本发明收集包含涉及成型机的设定值、测量涉及成型的物理量得到的测量值、和成型机生成的成型品的优劣程度的第一训练数据，通过基于所收集的第一训练数据的机械学习，生成在输入了设定值和测量值的情况下输出成型品的优劣程度的第一学习模型，收集包含成型品的各缺陷类型的缺陷程度、测量值、和能降低缺陷程度的设定值的第二训练数据，通过基于所收集的第二训练数据和从第一学习模型输出的优劣程度的机械学习，生成在输入了缺陷程度和测量值的情况下输出能降低缺陷程度的设定值的第二学习模型。

公开(公告)号：CN116997913A

公开(公告)日：2023-11-03

申请号：CN202280021570.1

申请日：2022-03-17

Applicant: 株式会社日本制钢所

Inventor： 平野峻之

IPC: G06N20/00

Abstract: 本发明提供一种学习机器的强化学习方法，学习机器具备：第1代理，其基于观测制造装置的状态得到的观测数据对制造装置的制造条件进行调节；以及第2代理，其具有以与第1代理不同的方式表示观测数据以及制造条件的关系的函数模型或者函数逼近器，使用观测数据以及第2代理的函数模型或者函数逼近器对强化学习中的第1代理搜索的制造条件进行调节，算出与在调节后的制造条件下由制造装置制造出的产品的状态对应的奖励数据，基于观测数据、以及算出的奖励数据，使第1代理以及第2代理强化学习。

公开(公告)号：CN116745597A

公开(公告)日：2023-09-12

申请号：CN202180091808.3

申请日：2021-10-27

Applicant: 株式会社日本制钢所

Inventor： 风吕川干央 ,  铃木润 ,  平野峻之

IPC: G01M99/00

Abstract: 异常检测系统具备检测制造装置的异常的异常检测装置、进行制造装置的运行控制并发送运行数据的控制装置、以及检测制造装置的动作或产品的物理量并输出传感器值数据的传感器，异常检测装置接收从控制装置发送来的运行数据，获取从传感器输出的传感器值数据，算出获取到的传感器值数据的统计量，基于算出的统计量、与接收到的运行数据对应的阈值来判断制造装置有无异常，将判断结果及统计量发送至控制装置。

公开(公告)号：CN111886121A

公开(公告)日：2020-11-03

申请号：CN201980020714.X

申请日：2019-03-22

Applicant: 株式会社日本制钢所

Inventor： 平野峻之 ,  佐伯明彦 ,  盛井彰 ,  大西浩

IPC: B29C45/76

Abstract: 提供了一种注射成型机系统(1)，所述注射成型机系统通过代理(6)来执行对在注射成型机(2)中的成型条件的控制，所述代理包括执行强化学习的机器学习装置。在本学习中，将从所述注射成型机(2)获得的物理数据和指示在成型制品中的成型缺陷的类型的缺陷类型用作状态，将成型条件用作动作，并且将指示所述成型缺陷的缺陷水平的缺陷状态用作奖励。