-
公开(公告)号：CN112534374A
公开(公告)日：2021-03-19
申请号：CN202080004380.X
申请日：2020-02-03
Applicant: 欧姆龙株式会社
IPC: G05B23/02
Abstract: 本发明的显示系统是设于生产设备的显示装置，所述生产设备生产制品，且具有驱动生产设备的至少一个驱动部件、及监测生产的至少一个监测部件，并且所述显示装置包括控制部、显示部、存储部及输入部，存储部存储：概略图数据，表示生产设备的概略图；以及因果关系模型数据，从驱动部件及监测部件中选择至少一个的、生产设备中可能产生的至少一个异常的原因要素，并且与原因要素的关系一起作为因果关系模型而表示，控制部以在显示部显示概略图，并且以与概略图对应的方式重叠地显示因果关系模型的方式构成。
-
公开(公告)号：CN110322583A
公开(公告)日：2019-10-11
申请号：CN201910111360.1
申请日：2019-02-12
Applicant: 欧姆龙株式会社
IPC: G07C3/00 , G06F16/2458 , G06F16/248 , G06F16/215
Abstract: 本发明提供一种异常探测系统、支持装置以及异常探测方法，有想要灵活地设定适合于预见性维护在实际生产现场中的应用的判定基准的需求。第1异常探测部包括：计算部，根据异常探测用参数，使用由与监控对象相关的状态值算出的特征量来算出得分；以及判定部，使用由计算部所算出的得分与异常探测用参数中所含的第1判定基准及第2判定基准来分别进行判定，由此，当与第1判定基准一致时输出第1判定结果，当与第2判定基准一致时输出第2判定结果。
-
公开(公告)号：CN110262279B
公开(公告)日：2022-05-03
申请号：CN201811516913.3
申请日：2018-12-12
Applicant: 欧姆龙株式会社
Abstract: 本发明提供一种控制系统以及控制方法，在控制装置侧实施基于具有可靠性的机械学习的异常探测。控制装置包括：与控制对象的控制相关的运算处理部；收集部，执行与控制对象相关联的数据的收集处理；以及监控处理部，执行控制对象的状态的监控处理，监控处理部包括：特征量生成部，执行根据所收集的数据来生成特征量的特征量生成处理；以及探测部，执行异常探测处理，所述异常探测处理是使用所生成的特征量和异常探测参数，来探测控制对象中产生的异常，所述异常探测参数是基于机械学习的结果而设定且适合于探测控制对象中产生的异常。信息处理装置使用来自控制装置的与控制对象相关联的数据，来执行监控处理的仿真。
-
公开(公告)号：CN110275506B
公开(公告)日：2022-04-05
申请号：CN201910031702.9
申请日：2019-01-14
Applicant: 欧姆龙株式会社
IPC: G05B23/02
Abstract: 本发明提供一种异常检测系统、支持装置以及模型生成方法，能够在实际运用前生成更高精度的异常检测模型技术。异常检测系统的模型生成部包括：从状态值保存部提供的状态值生成多个特征量的模块；选择生成的多个特征量中的一个或多个特征量的组合的模块；生成追加学习数据集的模块，追加学习数据集包含所选择的组合特征量的数据序列的至少一部分、及通过统计生成的虚拟特征量的数据序列；以及使用追加学习数据集，来评价与所选择的组合特征量对应的模型的检测精度的模块。
-
公开(公告)号：CN109143989B
公开(公告)日：2021-11-16
申请号：CN201810435161.1
申请日：2018-05-08
Applicant: 欧姆龙株式会社
Inventor： 川之上真辅
IPC: G05B19/418
Abstract: 本申请涉及控制系统、控制装置、结合方法以及记录介质。控制系统包括：第一数据库，存储被赋予时间戳的数据；及控制装置，包括：第二数据库，存储被赋予时间戳的数据；创建部，创建包括用于指定时间戳的精度的项目的通用查询；查询解析器，解析通用查询，并创建发往第一数据库的第一单独查询和发往第二数据库的第二单独查询；发送部，将第一单独查询发送给第一数据库，将第二单独查询发送给第二数据库；及结合部，基于由通用查询指定的精度，对响应于发送的第一单独查询从第一数据库返回的数据的时间戳和响应于发送的第二单独查询从第二数据库返回的数据的时间戳中至少一方进行加工，并结合从第一数据库返回的数据和从第二数据库返回的数据。
-
Patent Agency Ranking
公开(公告)号：CN110275506A
公开(公告)日：2019-09-24
申请号：CN201910031702.9
申请日：2019-01-14
Applicant: 欧姆龙株式会社
IPC: G05B23/02
Abstract: 本发明提供一种异常检测系统、支持装置以及模型生成方法，能够在实际运用前生成更高精度的异常检测模型技术。异常检测系统的模型生成部包括：从状态值保存部提供的状态值生成多个特征量的模块；选择生成的多个特征量中的一个或多个特征量的组合的模块；生成追加学习数据集的模块，追加学习数据集包含所选择的组合特征量的数据序列的至少一部分、及通过统计生成的虚拟特征量的数据序列；以及使用追加学习数据集，来评价与所选择的组合特征量对应的模型的检测精度的模块。
-
公开(公告)号：CN108873767B
公开(公告)日：2022-04-12
申请号：CN201810316039.2
申请日：2018-04-10
Applicant: 欧姆龙株式会社
Inventor： 川之上真辅
IPC: G05B19/042
Abstract: 一种控制装置、时间戳修正方法以及记录介质，能够取得被赋予了准确的时间戳的数据。数据被记录于内嵌于PLC(100)的时间序列数据库(102b)。另外，定期访问NTP服务器等的时刻服务器(400)来校正PLC(100)的本地时钟。此时，将时刻校正量与用于识别各次校正处理的NTP‑ID建立对应地记录于NTP日志(102a)。当查询到来时，将对应的NTP‑ID的时刻校正量进行比例分配来修正与所指定的时间范围对应的记录的时间戳。
-
公开(公告)号：CN112585547A
公开(公告)日：2021-03-30
申请号：CN202080004474.7
申请日：2020-02-20
Applicant: 欧姆龙株式会社
IPC: G05B19/418 , G06F8/74
Abstract: 本发明的一实施例的分析装置通过函数结构信息这一外部信息来赋予在控制程序的依存性分析中无法导出的标准函数的输入参数及输出参数之间的依存关系的定义。即，所述结构的分析装置基于对标准函数中的输入参数及输出参数之间的依存关系进行定义的函数结构信息，确定标准函数中的输入参数及输出参数之间的依存关系。由此，标准函数的输入/输出间的依存关系变得明确，因此可确定隔着标准函数的多个设备变量间的依存关系。
-
公开(公告)号：CN110275505A
公开(公告)日：2019-09-24
申请号：CN201910031690.X
申请日：2019-01-14
Applicant: 欧姆龙株式会社
IPC: G05B23/02
Abstract: 本发明提供一种异常检测系统、支持装置以及模型生成方法，能够在实际运用前生成更高精度的异常检测模型的技术。所述异常检测系统包括模型生成部，模型生成部包括：根据从状态值保存部提供的状态值来生成多个特征量的模块；对于所生成的多个特征量的各个，按照多种方法，分别算出分别表示在异常检测中的有效程度的重要度的模块；以及对于所生成的多个特征量的各个，对按照多种方法而分别算出的多个重要度进行整合，以决定所生成的多个特征量之间的重要度的等级的模块。
-
公开(公告)号：CN110262279A
公开(公告)日：2019-09-20
申请号：CN201811516913.3
申请日：2018-12-12
Applicant: 欧姆龙株式会社
Abstract: 本发明提供一种控制系统以及控制方法，在控制装置侧实施基于具有可靠性的机械学习的异常探测。控制装置包括：与控制对象的控制相关的运算处理部；收集部，执行与控制对象相关联的数据的收集处理；以及监控处理部，执行控制对象的状态的监控处理，监控处理部包括：特征量生成部，执行根据所收集的数据来生成特征量的特征量生成处理；以及探测部，执行异常探测处理，所述异常探测处理是使用所生成的特征量和异常探测参数，来探测控制对象中产生的异常，所述异常探测参数是基于机械学习的结果而设定且适合于探测控制对象中产生的异常。信息处理装置使用来自控制装置的与控制对象相关联的数据，来执行监控处理的仿真。
-
-
-
-
-
-
-
-
-
Search Results
21
records
(took 0.02 seconds)
