# AIによる産業設備の残存耐用年数の予測

近年では、工場で使用される産業設備の予測保守(PdM)にも人工知能が使われています。 Foreseeの保存とは、半導体工場で使用される産業機器の理想的な予測を先立って予測し、そこで産業機器を修理することを意味します。

Source: https://www.iplexlaw.co.kr/ja/blog/844148

ホーム / ニュース・知財情報 ニュース・知財情報 AIによる産業設備の残存耐用年数の予測 近年では、工場で使用される産業設備の予測保守(PdM)にも人工知能が使われています。 Foreseeの保存とは、半導体工場で使用される産業機器の理想的な予測を先立って予測し、そこで産業機器を修理することを意味します。 AI・ソフトウェア 2023.05.15 公開 IPLEX 約5分で読めます 人工知能は、多くの分野で使われています。 工場で使用される。 産業用設備の予知保全(PdM)(ローボアムなど)にAIを使用 可能です。 Foreseeの保存とは、半導体工場で使用される産業機器の理想的な予測を先立って予測し、そこで産業機器を修理することを意味します。 もしそうしなかったら、工場に大きな損失を抱えるようにしなければならないでしょう。 そのため、産業機器の安全性は非常に重要です。 ルールベースの保護具であるために使用しました。 増加して、データ量が膨大で、リアルタイムに産業設備の理想を迅速かつ正確に検出する限界がありました。 そこで、この日は人工知能を使って技術開発をしています。 なるほど。 産業施設の保全を予測するためには、時間シリーズデータを分析するための技術を使用して、産業施設の残りの耐用年数(RUL)を予測することができます。 この投稿について 産業機器の残りの寿命を予測するために人工知能を使用する技術の論文の簡単な説明、および特許出願の主な特徴であることができるもの。 見ましょう。 ※本記事は、著者が書かれているものに基づいており、著者が書いたものとは若干異なる場合があります。 参考文献 Xiang李及びチーアンDing及びJian-Qiaoの日曜日、2017年は、深いconvolutionの神経ネットワークを使用してPrognosticsの有用な生命刺激を、残します https://escholarship.org/content/qt5ns8r3fs/qt5ns8r3fs_noSplash_7d463f0d432194b63917f89e056f2644.pdf 産業機器の残存寿命を予測する手法 まず、産業機器の残りの寿命を予測するために、どのようなアプローチが利用可能なのかを見てみましょう。 産業機器の残留寿命を予測するときに大幅 3つのアプローチ 詳細はこちら。 最初の1つ。 モデルベースのアプローチ です。 これは既存のものです。 RUL予測モデルを用いたデータの劣化予測(ルールベースモデル) ということを理解します。 たとえば、粒子フィルタを使用してデータ劣化を予測したり、Eyringモデルを使用して予測することができます。 第二次世界 データ主導のアプローチ です。 履歴データに基づくデータの劣化予測 人工知能に基づくRUL予測 カバーされていることを参照してください。 第3回. ハイブリッドアプローチ。 です。 フロントで説明しました。 両方のアプローチを使用する なるほど。 今日の紙は、データ主導のアプローチでRULを予測する関連性を評価しています。 >> 記事内容のまとめ << この論文は、航空エンジンに関連するデータを用いてエンジンの残りの寿命を予測することについてです。 DeepCNN を使用して、RUL に関連する最終出力を予測するには、DeepCNN の構造は次のとおりです。 左にある特徴的なマップフォームにサンプルしたデータです。 (x軸方向の異なるセンサーから得られる値とy軸方向の異なる時間で得られる値) データのサンプリングが完了したら、同じサイズのフィルタで4つのコンボリューションレイヤーに順次入力します。 そして最後のconvolutionの層に4つのconvolutionの層で使用されるものより別のサイズのフィルターがあります。 最後のコンボリューションレイヤーの4つのコンボリューションレイヤーの最後の出力を入力します。 この場合、生機能の高レベルな表現は、最後の結節層から出力されます。 最後のコンボリューションレイヤーは、完全に接続されたレイヤーに接続され、最終的にはRUL予測値が出力されます。 この論文のようなDeepCNN構造を持っている場合、DNN、RNN、LSTMよりも優れたRUL予測性能を持つ実験ショーの結果。 それは起こっています。 特許出願に向けた主要な特徴の抽出 以前の記事、主な機能と特許出願のものに基づいて、あなたに説明します。 DeepCNN構造を使ってRULを予測するのは、この論文の大きな特徴であると考えています。 DeepCNN構造をお持ちの場合、他のモデルよりも優れた性能を示す実験結果があります。 特許明細書を作成する際、実験の結果は特許明細書で記述され、将来の進歩性違反の拒否のために地面に容易に対応できます。 一方、DeepCNNのディテール構造は、キー機能がアンダーピンするコンテンツになります。 具体的には、モデルの詳細な構造で、同じサイズの1番目のフィルタを持つ最初の回回圧層の多重性が1番目のフィルターと異なるサイズの2番目のフィルタを持つ2番目の回圧入層に接続され、2番目の回圧入層が完全に接続された層に接続され、この論文の主な機能をサポートすることができます。 インシデント機能は、タイムウィンドウを使用して入力データのサンプリングとデータ正規化に関連するものです。 読むものに基づいて特許明細書書を書いているなら、 1。 1。 複数のコンボリューションレイヤーと1つの完全に接続されたレイヤーを含むディープCNNに少なくとも1つのセンシングデータを含むデータを入力します。 2。 DeepCNNからの出力に基づく残命予測 最も広範囲の特許主張を確立するために、 1。 1。 DeepCNNの詳細構造(複数の結束層のフィルタ、レイヤー接続の順番など) 2。 DeepCNNにデータ入力をサンプルする方法 3。 データの正規化方法 特許請求書を書くつもりです。 韓国語原文を読む この記事は公表時点の情報に基づいています。個別の事情については、当事務所にご相談ください。 この分野について相談 ↗ 記事一覧 IPLEXに相談 知的財産の課題を、 ご相談ください。 技術の内容と事業上のご要望を踏まえ、対応方針を共に検討します。 ↗ お問い合わせ 新しい記事 寄稿：金容德が解説するAI特許の権利化 ↗ 前の記事 出版のお知らせ：意匠保護法でデザインを守る ↗ 関連インサイト AI・ソフトウェア 2026.10.01 FiXを読む：ソフトマックス注意機構における特徴ごとの忘却制御 金容德弁理士がFiXの特徴単位ゲート、数値計算とページ型キャッシュを分析し、実験で示された効果と残る課題を整理します。 ↗ 記事を読む AI・ソフトウェア 2026.09.30 MHAR：特徴部分空間ごとに過去の層を読み分ける仕組み 韓国弁理士の金容德が、Multi-Head Attention Residualsの深さ方向の情報選択、実験結果、実装コストと技術的効果を検討します。 ↗ 記事を読む AI・ソフトウェア 2026.09.28 寄稿掲載：Claude Computer Useを手がかりに、AIエージェントの学習技術を特許から読み解く 金容德代表弁理士の寄稿がAI Timesに掲載されました。米国特許第12,585,862号を取り上げ、AIエージェントが画面操作を学ぶ仕組みを解説しています。 ↗ 記事を読む

- https://www.iplexlaw.co.kr/ja
- https://www.iplexlaw.co.kr/ja/blog/category/ai
- https://www.iplexlaw.co.kr/forum/view/844148
- https://www.iplexlaw.co.kr/ja/contact
- https://www.iplexlaw.co.kr/ja/blog
- https://www.iplexlaw.co.kr/ja/contact
- https://www.iplexlaw.co.kr/ja/blog/845881
- https://www.iplexlaw.co.kr/ja/blog/843161
- https://www.iplexlaw.co.kr/ja/blog/fix-fine-grained-forgetting-attention
- https://www.iplexlaw.co.kr/ja/blog/fix-fine-grained-forgetting-attention
- https://www.iplexlaw.co.kr/ja/blog/mhar-multi-head-attention-residuals
- https://www.iplexlaw.co.kr/ja/blog/mhar-multi-head-attention-residuals
- https://www.iplexlaw.co.kr/ja/blog/claude-computer-use-agent-patent
- https://www.iplexlaw.co.kr/ja/blog/claude-computer-use-agent-patent