Nothing Special   »   [go: up one dir, main page]

JP6718500B2 - 生産システムにおける出力効率の最適化 - Google Patents

生産システムにおける出力効率の最適化 Download PDF

Info

Publication number
JP6718500B2
JP6718500B2 JP2018501156A JP2018501156A JP6718500B2 JP 6718500 B2 JP6718500 B2 JP 6718500B2 JP 2018501156 A JP2018501156 A JP 2018501156A JP 2018501156 A JP2018501156 A JP 2018501156A JP 6718500 B2 JP6718500 B2 JP 6718500B2
Authority
JP
Japan
Prior art keywords
variables
variable
output
environment
input
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
JP2018501156A
Other languages
English (en)
Other versions
JP2018528511A (ja
Inventor
ジャン カイ、
ジャン カイ、
ハイフォン チェン、
ハイフォン チェン、
健治 吉平
健治 吉平
グオフェイ ジアン、
グオフェイ ジアン、
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
NEC Laboratories America Inc
Original Assignee
NEC Laboratories America Inc
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by NEC Laboratories America Inc filed Critical NEC Laboratories America Inc
Publication of JP2018528511A publication Critical patent/JP2018528511A/ja
Application granted granted Critical
Publication of JP6718500B2 publication Critical patent/JP6718500B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • FMECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F01MACHINES OR ENGINES IN GENERAL; ENGINE PLANTS IN GENERAL; STEAM ENGINES
    • F01KSTEAM ENGINE PLANTS; STEAM ACCUMULATORS; ENGINE PLANTS NOT OTHERWISE PROVIDED FOR; ENGINES USING SPECIAL WORKING FLUIDS OR CYCLES
    • F01K13/00General layout or general methods of operation of complete plants
    • F01K13/02Controlling, e.g. stopping or starting
    • FMECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F01MACHINES OR ENGINES IN GENERAL; ENGINE PLANTS IN GENERAL; STEAM ENGINES
    • F01KSTEAM ENGINE PLANTS; STEAM ACCUMULATORS; ENGINE PLANTS NOT OTHERWISE PROVIDED FOR; ENGINES USING SPECIAL WORKING FLUIDS OR CYCLES
    • F01K13/00General layout or general methods of operation of complete plants
    • F01K13/003Arrangements for measuring or testing
    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05BCONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/04Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
    • G05B13/048Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators using a predictor

Landscapes

  • Engineering & Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Mechanical Engineering (AREA)
  • Combustion & Propulsion (AREA)
  • Evolutionary Computation (AREA)
  • Software Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Medical Informatics (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Feedback Control In General (AREA)
  • Complex Calculations (AREA)
  • General Factory Administration (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Description

関連出願情報
本出願は、2015年7月17日出願の仮米国特許出願第62/193,629号の優先権を主張し、参照によりその全体をここに組み込む。
本発明は、システム出力の最適化に関し、より詳細には、生産システムにおける主要業績評価指標(key performance indicator)の最適化に関する。
関連技術の説明
多くの生産システム(たとえば、発電所、化学プラントなど)では、システム出力は、制御可能な1つまたは複数の入力変数によって決定される。たとえば、火力発電所では、投入燃料(たとえば石炭など)の原料構成が、火力発電所の出力効率に大きく影響を及ぼすことがある。この出力効率は、通常、発電される電力と消費される燃料の量との比として計算される。したがって、このようなプラントでの重要な目標は、システム効率を改善するために、所望の特性を有する投入燃料をどのように選択するかを決定することである。
このような静的入力に加えて、生産プロセス中に何らかの変数を調整する動的制御方式もある。たとえば、生産システムの多くでは、オペレータがパラメータ(たとえば、電圧、電流の回転角、またはある種の成分など)を調整する必要がある。したがって、出力品質(たとえば、主要業績評価指標(KPI)の値など)を最大化するために、こうした制御変数の組合せをどのように決定するかは、生産の管理および最適化にとって大きい関心事である。
本発明の原理の一態様によれば、生産システムにおけるシステム出力を最適化するための方法が提供される。この方法は、プロセッサにより、1つまたは複数の初期入力変数を複数の出力変数に分離することを含んでおり、この出力変数は、環境変数およびシステム応答変数を含む。この方法はまた、プロセッサを使用して、1つまたは複数の初期制御変数とシステム応答変数との間の関係を決定するノンパラメトリック推定(nonparametric estimation)を構築することと、その決定した関係を使用して、大域の入力/出力マッピング関数を推定し、環境変数の範囲を推定することとを含む。この方法はさらに、入力/出力マッピング関数と環境変数の範囲とを最大化することによって、初期制御変数から1つまたは複数の最適制御変数を生成することを含む。この方法はさらに、最適制御変数の1つまたは複数を生産システムに組み込んで、この生産システムの生産出力を増大させることを含む。
本発明の原理の別の態様によれば、生産システムにおけるシステム出力を最適化するためのシステムが提供される。このシステムは、1つまたは複数の初期入力変数を、環境変数とシステム応答変数とを含む複数の出力変数に分離し、初期制御変数とシステム応答変数との間の関係を決定するノンパラメトリック推定を構築し、この決定された関係を使用して、大域の入力/出力マッピング関数を推定し、環境変数の範囲を推定し、入力/出力マッピング関数と環境変数の範囲とを最大化することによって、これら初期制御変数から1つまたは複数の最適制御変数を生成し、該最適制御変数の1つまたは複数を生産システムに組み込んで、この生産システムの生産出力を増大させるように構成されたプロセッサを備えている。このシステムはまた、1つまたは複数の該初期入力変数、1つまたは複数の該初期制御変数、複数の該出力変数、および1つまたは複数の該最適制御変数を記憶するためのメモリを備えている。
本発明の原理のさらに別の態様によれば、生産システムにおけるシステム出力を最適化するためのコンピュータ読取り可能なプログラムを含んでいる非一時的なコンピュータ読取り可能な記憶媒体が提供され、このコンピュータ読取り可能なプログラムは、コンピュータ上で実行されると、プロセッサにより、1つまたは複数の初期入力変数を、環境変数とシステム応答変数とを含む複数の出力変数に分離するステップと、このプロセッサを使用して、1つまたは複数の初期制御変数とシステム応答変数との間の関係を決定するノンパラメトリック推定を構築するステップと、この決定された関係を使用して、大域の入力/出力マッピング関数を推定し、環境変数の範囲を推定するステップと、入力/出力マッピング関数と環境変数の範囲とを最大化することによって、これら初期制御変数から1つまたは複数の最適制御変数を生成するステップと、最適制御変数の1つまたは複数を生産システムに組み込んで、この生産システムの生産出力を増大させるステップとを、コンピュータに実行させる。
これらのおよび他の特徴および利点は、添付の図面に関連して読まれるはずである、それらの例示的な実施態様の以下の詳細な説明から明らかとなるであろう。
本開示は、以下の図を参照して好ましい実施形態の以下の説明において詳細を提供する。
図1は、本発明の原理による、主要業績評価指標(KPI)最適化ワークフローを実行するためのシステム/方法を示す、ハイレベルのブロック/流れ図である。 図2は、本発明の原理による、ノンパラメトリックフレームワークによってシステム用のKPI値を最適化するための方法を示す流れ図である。 図3は、本発明の原理による、ノンパラメトリックフレームワークによってシステム用のKPI値を最適化するための方法を示す流れ図である。 図4は、本発明の原理の一実施形態による、本発明の原理を適用する例示的な処理システムを示すブロック図である。 図5は、本発明の原理の一実施態様による、KPI最適化ワークフローを実行する例示的なシステムを示すブロック図である。
本発明の原理によれば、変数依存性と多様体正則化(manifold regularization)を両方とも使用するノンパラメトリックフレームワークを組み込むことによって、生産システムにおいて主要業績評価指標(KPI)値を最適化するためのシステムおよび方法が提供される。これらのシステムおよび方法は、生産システムにおける出力の量または質を改善することができる。目標を明確に定義および測定することができる限り、提供されるこのシステムおよび方法を使用し、制御変数を調整して、該出力KPI値を最大化することができる。
従来の方法は、通常、ニューラルネットワークを使用して、入力および出力のマッピング関数を推定し、これらの関数は、数多くのパラメータを調整することを必要とし、局所最適解に陥る場合もある。本発明の原理の一実施形態によれば、大域的最適解を提供できる、多様体正則化されたカーネル回帰(kernel regression)のフレームワークが使用される。この方法により、制御パラメータを最適なKPI値に位置付けるのが、さらに便利になる。さらに、本発明の原理の一実施形態によれば、データ駆動型の数学的な方法を使用して、入力変数によってあまり良好に説明できない変数を分離し、それによってオンライン最適化を改善することができる。
一実施形態では、入力変数と出力変数とを互いに関連付ける、ノンパラメトリック推定が構築される。入力変数と出力変数との間の関係は、事前発見プロセス(pre-discovery process)によって、または領域知識(domain knowledge)を用いて、該入力変数の依存構造を考慮する。一実施形態では、観察された変数は出力変数に分離され、この出力変数は、システム状態変数および環境変数を含んでいる。システム状態変数は、制御変数に依存しており、環境変数は、この制御仕組みに影響されないが、代わりに外界からの刺激に依存している。
一実施形態では、多様体正則化が損失関数(loss function)とともに追加されて、入力/出力マップを推定する。
アプリケーションにおいて、本発明の原理の一実施形態によれば、環境変数のオンライン推定が作成される。この入力は、推定された関係関数に挿入され、最適制御変数が、この条件下に置かれる。
本明細書に記載の実施形態は、全体的にハードウェアでもよく、全体的にソフトウェアでもよく、またはハードウェア要素とソフトウェア要素を両方含んでいてもよい。好ましい実施形態では、本発明は、ソフトウェアで実装されており、このソフトウェアはファームウェア、常駐ソフトウェア、マイクロコードなどを含むが、これらに限定されない。
実施態様は、コンピュータもしくは任意の命令実行システムが使用する、またはそれに関連するプログラムコードを提供する、コンピュータ使用可能またはコンピュータ読取り可能な媒体からアクセスできるコンピュータプログラム製品を含んでいてもよい。コンピュータ使用可能またはコンピュータ読取り可能な媒体は、命令実行システム、機器、もしくは装置が使用するか、またはそれらと関連するプログラムを記憶、伝達、伝搬、または移送する任意の装置を備えていてもよい。媒体は、磁気、光、電子、電磁、赤外線、もしくは半導体のシステム(もしくは機器、もしくは装置)、または伝搬媒体であってもよい。媒体は、半導体あるいは固体の記憶装置、磁気テープ、取外し可能なコンピュータディスケット、ランダムアクセスメモリ(RAM)、リードオンリメモリ(ROM)、硬質磁気ディスク、光ディスクなど、コンピュータ読取り可能な記憶媒体を含んでいてもよい。
記憶媒体または記憶装置がコンピュータに読み込まれて、本明細書に記載の手順を実行する場合、コンピュータの動作を構成および制御するために、コンピュータプログラムはそれぞれ、一般目的または特殊目的のプログラム可能なコンピュータによって読み取ることが可能な、機械読取り可能な記憶媒体または記憶装置(たとえば、プログラムメモリもしくは磁気ディスク)に具体的に記憶してもよい。また、この発明のシステムは、コンピュータプログラムで構成された、コンピュータ読取り可能な記憶媒体において実施されることを考慮してもよく、そのように構成された記憶媒体は、コンピュータに、特定の事前定義された方式で動作して本明細書に記載の機能を実行させる。
プログラムコードを記憶および/または実行するのに適したデータ処理システムは、システムバスを介して記憶素子に直接または間接に結合された、少なくとも1つのプロセッサを備えていてもよい。記憶素子は、プログラムコードを実際に実行する際に利用されるローカルメモリ、大容量記憶装置、および、少なくとも何らかのプログラムコードを一時的に記憶して、実行中に大容量記憶装置からコードを取り出す回数を減らすキャッシュメモリを含むことができる。入力/出力装置すなわちI/O装置(キーボード、表示装置、ポインティング装置などを含むが、これらに限定されない)は、直接または介在するI/O制御装置を介して、このシステムに結合していてもよい。
また、ネットワークアダプタは、データ処理システムが、介在する専用ネットワークまたは公衆ネットワークを介して、他のデータ処理システム、またはリモートプリンタもしくは記憶装置に結合できるように、システムに結合されてもよい。モデム、ケーブルモデム、およびイーサネットカードは、ネットワークアダプタの現在利用可能なタイプのうちの、ほんのいくつかに過ぎない。
次に、図を詳細に参照すると、同じ番号は、同じまたは同様の要素を表しており、最初に図1を参照すると、主要業績評価指標(KPI)最適化ワークフローを実行するためのシステム/方法100を示すハイレベルのブロック図/流れ図が、本発明の原理の一実施形態に従って例示的に示してある。
システム100は、要素110、115、120、125、130、135、140、145、150、155、および160から構成されている。一実施形態では、システム100の主要な5つの構成要素、すなわち、変数セパレータ110、第1の関数推定器125、第2の関数推定器130,オンライン推定器145、およびオンラインオプティマイザ155からなる。
一実施形態では、変数セパレータ110は、観察された変数105(たとえば時系列など)を出力変数に分離する。出力変数は、2組の変数、すなわち環境変数135およびシステム応答変数115にグループ分けされる。環境変数135は、外界からの何らかの形の刺激を表す変数であり、制御変数120による(直接または間接の)影響を受けることができない。システム応答変数115は、制御変数120の下でのシステム100の応答を表す変数である。一実施形態では、システム応答変数115は、人間の入力およびシステム100の構造によって決定される変数である。
一実施形態では、変数セパレータ110は、観察された変数105と制御された変数120との間の相関関係を決定することによって、2組の変数115、135を分離する。一実施形態では、制御変数120とシステム応答変数115とを互いに関連付ける変数セパレータ110によって、ノンパラメトリック推定が構築される。制御変数120とシステム応答変数115の間の関係は、事前発見プロセスによって、または領域知識を介して、制御変数120の依存構造を考慮に入れる。一実施形態では、制御変数120とシステム応答変数115との間の関係を決定するために、カーネル回帰技法が使用される。
一実施形態では、相関分析が実行される。全ての出力変数と制御変数120との間でピアソンの積率相関(Pearson product-moment correlation)が計算され、その絶対値がスコアとして計算される。この相関は、以下のように表すことができる。
Figure 0006718500
ここで、「x」は該出力変数であり、「y」は制御変数120である。出力変数のそれぞれの相関スコアが閾値と比較される。閾値を超える相関スコアを有する各出力変数が、システム応答変数として指定され、閾値以下の相関スコアを有する各出力変数が、環境変数として指定される。相関分析が実行された後、環境変数135は、制御変数120との相関が低くなり、システム応答変数115は、制御変数120との相関が高くなる。1つに複数の制御変数が存在する場合、各出力変数のスコアは、全ての入力変数との相関を加算したものになることに留意されたい。
一実施形態では、因果分析が実行されて、2組の変数115、135を識別する。入力変数を使用して観察された変数を予測する性能(予測誤差)が検査される。予測のために、さらに多くの制御変数120が追加される。制御変数をさらに多くした結果、出力変数の予測中の誤りが少なくなる場合、該出力変数は、システム応答変数115として識別される。そうでない場合、さらに多くの制御変数120を追加しても、予測誤差に著しい変化がない場合、既定の閾値に従って、対応する出力変数が、環境変数135として識別される。
因果分析中には、制御変数120は、システム応答変数115上での予測確度を高くするが、環境変数135を予測する際には著しい差をもたらさない。
一実施形態では、第1の関数推定器125が、制御変数120とシステム応答変数115との間の関係を決定する。一実施形態では、その関係は、関数S=g(C)として表され、ここで、Sはシステム変数であり、g(C)は制御変数Cの関数である。
一実施形態では、制御変数120、すなわちC、およびシステム応答変数115、すなわちSが、i=1、2、...、Nについて提供される。これらの変数を使用して、以下の関数が推定される。
Figure 0006718500

ここで、hは帯域幅であり、各αはモデルの係数であり、以下の目的関数を最小化することによって推定することができる。
Figure 0006718500

ここで、
Figure 0006718500

は、正則化パラメータであり、LはCのペアの類似度行列上のラプラシアン行列(Laplacian matrix)である。
一実施形態では、第2の関数推定器130が、大域の入力/出力マッピング関数、
Figure 0006718500

を推定し、第1の関数推定器125において回復された関数を考慮に入れ、ここで、
Figure 0006718500

はKPI値140であり、Eは環境変数135である。
一実施形態では、i=1、2、...、Nについて、制御変数120であるC、第1の推定モジュール125によって提供される関係(すなわち、
Figure 0006718500

)、環境変数135であるE、およびKPI値140である
Figure 0006718500

が提供される。これらの変数を使用して、以下の関数が推定される。
Figure 0006718500

ここで、
Figure 0006718500

であり、μは正則化パラメータであり、LはCおよびEのペアの類似度行列上のラプラシアン行列である。
一実施形態では、オンライン推定器145は、環境変数135の範囲を推定する。
一実施形態では、入力/出力マッピング関数
Figure 0006718500

が推定された後、最急上昇法(gradient ascent method)を使用して、KPI値140の局所最適を決定する。このシステムは、KPI値140のこの決定された局所最適を使用して、最適制御変数
Figure 0006718500

を決定する。次いで、システム100は、たとえばグラフィカルユーザインターフェース160を介して、推奨制御変数120をユーザに提供する。一実施形態によれば、グラフィカルユーザインターフェース160により、ユーザは、最適制御変数
Figure 0006718500

の1つまたは複数を生産システム165の動作に組み込むことができる。
一実施形態では、オンラインオプティマイザ155は、第2の関数推定器130において推定される関数を最大化することによって、最適制御変数
Figure 0006718500
を特定し、更にオンライン推定器145の環境変数150の値を特定する。各KPI値140は、制御変数120の状態に関連している。すなわち、各KPI値140は、1組の制御変数120のある値/構成に関数推定器130を適用した結果である。最適制御変数は、いずれの制御変数120の値が、結果として最大KPI値140になるのかを検査することによって決定される。
一実施形態では、生産システム165の入力と出力の比を増大するために、最適制御変数のうちの1つまたは複数が生産システム165に組み込まれる。生産システム165は、たとえば、発電所、化学プラント、生産工場などでもよい。
たとえば、火力発電所では、たとえば、投入燃料(たとえば石炭など)の成分構成を変えて、消費される燃料の量に対する発電される電気の出力効率を高めるために、1つまたは複数の制御変数120がシステム165に組み込まれる。
次に、図2〜図3を参照すると、ノンパラメトリックフレームワークによって、システムのKPI値を最適化するための方法200の流れ図が、本発明の原理の一実施形態に従って例示的に示してある。
210において、観察された変数105および制御変数120が、システム100によって受信される。
215において、変数セパレータ110は、観察された変数105を分離する。一実施形態では、観察された変数105は、分離された後、2組の変数、すなわち環境変数135およびシステム応答変数115にグループ分けされる。環境変数135は、外界からの何らかの形の刺激を表す変数であり、制御変数120による(直接または間接に)影響を受けることができない。システム応答変数115は、制御変数120の下でのシステム100の応答を表す変数である。一実施形態では、システム応答変数115は、人間の入力およびシステム100の構造によって決定される変数である。一実施形態では、環境変数は制御可能ではないが、システム応答変数は制御可能である。一実施形態では、制御不可能な変数135の分離は、関数推定の不確実性を低減し、制御変数120と出力KPI値140との間のマッピング関数のモデリング力を改善することができる。
一実施形態では、観察された変数105と制御された変数120との間の相関関係を決定することによって、2組の変数115、135が分離される。
220において、制御変数120とシステム応答変数115とを互いに関連付ける変数セパレータ110によって、ノンパラメトリック推定が構築される。この関連付けは、事前発見プロセスによって、または領域知識を介して、入力変数の依存構造を考慮に入れる。
225において、相関分析が実行される。環境変数135は、制御変数120との相関が低いが、システム応答変数115は、制御変数120との相関が高い。
230において、2組の変数115、135を識別するために、因果分析が実行される。因果分析中、制御変数120は、システム応答変数115上での予測確度を高くするが、環境変数130を予測する際には著しい差をもたらさない。ターゲットについての関連した予測変数を識別し、関係のない特徴/変数を除去することによって、該入力/出力マッピング関数の推定がより正確になる。
235において、第1の関数推定器125は、制御変数120とシステム応答変数115との間の関係を回復する。一実施形態では、その関係は、関数
Figure 0006718500

として表され、ここで、Sは該システム変数であり、g(C)は制御変数Cの関数である。
240において、第2の関数推定器130は、第1の関数推定器125において回復された該関数を考慮し、大域の入力/出力マッピング関数
Figure 0006718500

を回復し、ここで、
Figure 0006718500

はKPI値140であり、Eは環境変数135である。入力/出力マッピングにおいて、いずれの制御変数120が最適な(最高の)KPI値140を提供できるかを決定することによって、最適制御変数値を決定することができる。一実施形態では、このプロセスは、「ヒルクライミング」、すなわち制御変数120の複数の初期選択から開始し、勾配方向(この勾配は、極大点に達するまで、制御変数120に関するKPI値140の最大増加の方向として定義される)に沿って繰り返すことに依存する。次いで、極大値の全てを比較することによって、最終的な最適制御変数として、大域的最適制御変数120の値を選択することができる。
一実施形態では、i=1、2、...、Nについて、制御変数120(C)、第1の推定モジュール125によって提供される関係(すなわち、
Figure 0006718500

)、環境変数135(E)、およびKPI値140(
Figure 0006718500

)が提供される。これらの変数を使用して、以下の関数が推定される。
Figure 0006718500

ここで、
Figure 0006718500

であり、μは正則化パラメータであり、LはCおよびEのペアの類似度行列上のラプラシアン行列である。
245において、オンライン推定器145は、たとえば環境変数135の履歴値のうちの最大値および最小値に基づいて、環境変数135の範囲を推定する。環境変数の範囲は、たとえば、履歴記録、予測アルゴリズム、領域知識などに基づくことができる。
一実施形態では、環境変数135は、以下の形式、すなわちリアルタイム予測、ならびに各環境変数135の下限および上限(範囲)とすることができる。
250において、入力/出力マッピング関数
Figure 0006718500

が推定された後、最急上昇法を使用して、KPI値140の局所最適を決定する。255において、システムは、KPI値140の決定された局所最適を使用して、最適制御変数を決定する。
260において、たとえばグラフィカルユーザインターフェース160を介して、最適制御変数がユーザに推奨される。
一実施形態では、オンラインオプティマイザ155は、第2の関数推定器130において推定される関数を最大化することによって、最適制御変数
Figure 0006718500
を特定し、更にオンライン推定器145の環境変数150の値を特定する
反復性の最急上昇は、
Figure 0006718500

として定義することができ、ここで、
Figure 0006718500

は、ポイントxでの関数
Figure 0006718500

の勾配である。一実施形態では、局所最適解を避けるために、関数は、無作為に選択された異なる初期解から初期化される。
265において、推奨最適制御変数が、たとえば、発電所、化学プラント、生産工場などの生産システム165に組み込まれて、たとえば、投入燃料に対して出力電力を増大させるなど、生産システム165の出力を増大させる。
ほとんどの生産システム165では、何らかの形の制御変数120によってシステム出力が決定される。本発明の原理の一実施形態では、推奨制御変数がそのような生産システム165に組み込まれて、生産システム165の入力と出力の比を増大させる。たとえば、火力発電所では、推奨制御変数がシステム165に組み込まれて、たとえば、消費される燃料の量に対して発電される電気の出力効率を高めるように、投入燃料(たとえば石炭など)の成分構成を変える。
次に、図4を参照すると、本発明の原理を適用してもよい例示的な処理システム400が、本発明の原理の一実施形態に従って例示的に示してある。処理システム400は、1つまたは複数のネットワーク、バス、または伝送媒体402を介して、他の構成要素に動作可能に結合された少なくとも1つのプロセッサ(CPU)404を備えており、システムバス402は、たとえば、WiFi、Bluetoothなど1つまたは複数の有線または無線のネットワークを介して任意の構成要素に接続されてもよく、1つまたは複数の伝送媒体は、たとえば同軸ケーブル、光ファイバなど閉じた伝送媒体、および、たとえば無線伝送、マイクロ波伝送など閉じていない伝送媒体を含んでいてもよい。キャッシュ406、リードオンリメモリ(ROM)408、ランダムアクセスメモリ(RAM)410、入力/出力(I/O)アダプタ420、サウンドアダプタ430、ネットワークアダプタ440、ユーザインターフェースアダプタ450、および表示アダプタ460が、動作可能にシステムバス102に結合されている。
第1の記憶装置422および第2の記憶装置424が、I/Oアダプタ420によって、システムバス402に動作可能に結合されている。記憶装置422および424は、ディスク記憶装置(たとえば、磁気ディスク記憶装置または光ディスク記憶装置)、固体磁気装置などのいずれとすることもできる。記憶装置422および424は、同じタイプの記憶装置または互いに異なるタイプの記憶装置とすることができる。
スピーカ432は、サウンドアダプタ430によって、システムバス402に動作可能に結合されている。送受信機442は、ネットワークアダプタ440によって、システムバス402に動作可能結合されている。表示装置462は、表示アダプタ460によって、システムバス402に動作可能に結合されている。
第1のユーザ入力装置452、第2のユーザ入力装置454、および第3のユーザ入力装置456が、ユーザインターフェースアダプタ450によって、システムバス402に動作可能に結合されている。ユーザ入力装置452、454、および456は、キーボード、マウス、キーパッド、画像キャプチャ装置、動作検知装置、マイクロホン、こうした装置のうち少なくとも2つの装置の機能を組み込んだ装置など、任意のものとすることができる。ユーザは、ユーザ入力装置452、454、および456を使用して、推奨制御変数を生産システム165の機能に組み込んでもよい。もちろん、本発明の原理の精神を維持しながら、他のタイプの入力装置を使用することもできる。ユーザ入力装置452、454、および456は、同じタイプのユーザ入力装置または互いに異なるタイプのユーザ入力装置とすることができる。ユーザ入力装置452、454、および456を使用して、システム400に対して情報を入力/出力する。
もちろん、処理システム400は、当業者なら容易に思いつくように、他の要素(図示せず)を備えていてもよく、またある種の要素を省略してもよい。たとえば、当業者に容易に理解できるように、他の様々な入力装置および/または出力装置は、それらの具体的な実装形態に応じて、処理システム400内に備えることができる。たとえば、様々なタイプの無線および/または有線の、入力装置および/または出力装置を使用することができる。さらに、当業者には容易に理解できるように、様々な構成での追加のプロセッサ、制御装置、メモリなどを利用することもできる。処理システム400のこれらおよび他の変形形態は、本明細書において提示された本発明の原理の教示が与えられ、当業者が容易に思いつく。
さらに、図1を参照して説明されるシステム100は、本発明の原理のそれぞれの実施態様を実装するためのシステム100および方法を示すハイレベルのブロック図/流れ図であることを理解されたい。処理システム400の一部またはその全ては、図5のシステム500の要素のうち1つまたは複数の要素で実装してもよい。
さらに、処理システム400は、たとえば図2〜図3の方法200の少なくとも一部を含め、本明細書に記載の方法の少なくとも一部を実行してもよいことを理解されたい。同様に、図5のシステム500の一部またはその全てを使用して、たとえば、図1のシステム100、図2〜図3の方法200の少なくとも一部を含め、本明細書に記載の方法の少なくとも一部を実行してもよい。
次に、図5を参照すると、KPI最適化ワークフローを実行する例示的なシステム500が、本発明の原理の一実施態様に従って例示的に示してある。
説明して明らかにするため、システム500の多くの態様が単数形で説明されているが、これらの態様は、システム500の説明に関して述べた項目のうち複数の項目に適用することができる。たとえば、システム500に関しては、単一の表示装置515に言及してもよいが、本発明の原理の精神を維持しながら、本発明の原理の各技法に従って2つ以上の表示装置515を使用することができる。さらに、表示装置515は、本発明の原理の精神を維持しながら複数形に拡張することができる、システム500に関係のある一態様に過ぎないことが理解される。
一実施形態では、システム500は、複数の構成要素を含んでもよく、これらの構成要素には、1つまたは複数の回路502、制御装置504、変数セパレータ510、表示装置515、第1の関数推定器520、第2の関数推定器530、オンライン推定器540、オンラインオプティマイザ550、および/または記憶装置560(たとえば、コンピュータ読取り可能な記憶媒体)が含まれてもよい。前述の構成要素は、たとえば、1つまたは複数のネットワーク、バス、または伝送媒体501によって接続されていてもよく、1つまたは複数のネットワークは、たとえば、WiFi、Bluetoothなど1つまたは複数の有線または無線のネットワークを含んでいてもよく、また、この1つまたは複数の伝送媒体は、たとえば同軸ケーブル、光ファイバなど閉じた伝送媒体、および、たとえば無線伝送、マイクロ波伝送など閉じていない伝送媒体を含んでいてもよい。さらに、データ(たとえば、システム状態のデータ、温度、電圧など)は、本発明の原理の様々な実施形態に従って収集してもよい。バスは、有線接続または無線接続を介して、任意の構成要素に接続されていてもよい。
一実施形態では、変数セパレータ510を利用して、観察された変数105(たとえば時系列など)を、2組の変数、すなわち環境変数およびシステム応答変数に分離およびグループ分けしてもよい。一実施形態では、変数セパレータは、観察された変数と制御された変数との間の相関関係を決定することによって、2組の変数を分離する。一実施形態では、制御変数120とシステム応答変数115とを互いに関連付ける変数セパレータ510によって、ノンパラメトリック推定が構築される。この関連付けは、事前発見プロセスによって、または領域知識を介して、制御変数120の依存構造を考慮に入れる。
少なくとも1つの記憶装置560を利用して、たとえば、観察された変数105、制御変数120、環境変数135、システム応答変数125、KPI値140などを記憶してもよい。
一実施形態では、第1の関数推定器520が、制御変数とシステム応答変数との間の関係を回復する。一実施形態では、この関係は、関数
Figure 0006718500

として表され、ここで、
Figure 0006718500

はシステム変数であり、
Figure 0006718500

は制御変数Cの関数である。
一実施形態では、第2の関数推定器530が、大域の入力/出力マッピング関数
Figure 0006718500

を回復し、第1の関数推定器520において回復された関数を考慮に入れ、ここで、
Figure 0006718500

はKPI値であり、Eは環境変数である。
一実施形態では、オンライン推定器540は、環境変数の範囲を推定する。環境変数の範囲は、たとえば、履歴記録、予測アルゴリズム、領域知識などに基づくことができる。
一実施形態では、オンラインオプティマイザ550は、第2の関数推定器530において推定される関数を最大化することによって、最適制御変数
Figure 0006718500
を特定し、更にオンライン推定器540の環境変数の値を特定する
前述の説明は、あらゆる点で説明的かつ例示的なものであるが、限定的なものではないと理解すべきであり、本明細書に開示された本発明の範囲は、詳細な説明から判断すべきではなく、むしろ特許請求の範囲から、特許法によって許された範囲全体に従って解釈されるものと判断すべきである。図に示し、本明細書に記載した実施形態は、本発明の原理を例示するものに過ぎず、本発明の範囲および精神から逸脱することなく、様々な改善を当業者が実施してもよいことを理解されたい。本発明の範囲および精神から逸脱することなく、当業者は、他の様々な特徴の組合せを実施することもできる。特許法によって要求される詳細および独自性とともに本発明の態様をこうして説明してきたので、特許証によって保護された、特許請求されかつ望まれているものは、添付の特許請求の範囲に記載されている。

Claims (20)

  1. 生産システムにおけるシステム出力を最適化するための方法であって、
    プロセッサによって、1つまたは複数の観察された初期入力変数を、環境変数とシステム応答変数とを含む複数の出力変数に分離し、
    前記プロセッサを使用して、1つまたは複数の初期制御変数と前記システム応答変数との間の関係を決定するノンパラメトリック推定を構築し、
    前記決定された関係を使用して、大域の入力/出力マッピング関数を推定し、前記環境変数の範囲を推定し、
    前記入力/出力マッピング関数を最大化することによって、前記初期制御変数から1つまたは複数の最適制御変数を特定し、さらに前記環境変数の値を特定し、
    前記最適制御変数のうちの1つまたは複数を生産システムに組み込んで、前記生産システムの生産出力を増大させ、
    前記最適制御変数は、前記初期制御変数の状態に関連した複数のKPI(key performance indicator)値を用いて、いずれの初期制御変数の値が、前記大域の入力/出力マッピング関数の推定の結果として最大KPI値になるかを検査することによって決定される、方法。
  2. 相関分析を実行して、前記出力変数のそれぞれについての相関スコアを決定することをさらに含み、前記相関分析は、
    前記出力変数のそれぞれと前記初期制御変数との間でピアソンの積率相関を計算し、
    前記出力変数のそれぞれについての前記相関スコアを閾値と比較し、
    前記閾値を超える相関スコアを有する各出力変数をシステム応答変数に指定し、前記閾値以下の相関スコアを有する各出力変数を環境変数に指定することを含む、請求項1に記載の方法。
  3. 前記1つまたは複数の観察された初期入力変数を分離することは、因果分析を実行して前記出力変数を識別することを含み、前記因果分析は、
    制御変数の数を増大させ、
    前記出力変数に予測分析を実行することを含み、
    前記制御変数の数を増やすことによって出力変数における予測誤差が減る場合は、前記出力変数がシステム応答変数として指定され、前記制御変数の数を増やすことによって前記出力変数における前記予測誤差がわずかしか変化しない場合には、所定の閾値に従って、前記出力変数が環境変数として指定される、請求項1に記載の方法。
  4. グラフィカルユーザインターフェースを使用して、前記1つまたは複数の最適制御変数をユーザに推奨することをさらに含む、請求項1に記載の方法。
  5. 前記環境変数の範囲が、履歴記録、予測アルゴリズム、および領域知識からなるグループに基づいている、請求項1に記載の方法。
  6. 前記生産システムが火力発電所であり、前記最適制御変数のうちの1つまたは複数を組み込むことが、前記火力発電所での投入燃料の成分構成を変え、前記火力発電所の出力効率を上げる、請求項1に記載の方法。
  7. 前記環境変数が、外部の刺激を表し、前記初期入力変数による影響を受けることができない、請求項1に記載の方法。
  8. 生産システムにおけるシステム出力を最適化するシステムであって、
    1つまたは複数の観察された初期入力変数を、環境変数とシステム応答変数とを含む複数の出力変数に分離し、
    初期制御変数と前記システム応答変数との間の関係を決定するノンパラメトリック推定を構築し、
    前記決定された関係を使用して、大域の入力/出力マッピング関数を推定し、前記環境変数の範囲を推定し、
    前記入力/出力マッピング関数を最大化することによって、前記初期制御変数から1つまたは複数の最適制御変数を特定し、さらに前記環境変数の値を特定し、
    前記最適制御変数のうちの1つまたは複数を生産システムに組み込んで、前記生産システムの生産出力を増大させる
    ように構成されたプロセッサと、
    前記1つまたは複数の観察された初期入力変数、前記1つまたは複数の初期制御変数、前記複数の出力変数、および前記1つまたは複数の最適制御変数を記憶するためのメモリと
    を有し、
    前記最適制御変数は、前記初期制御変数の状態に関連した複数のKPI(key performance indicator)値を用いて、いずれの初期制御変数の値が、前記大域の入力/出力マッピング関数の推定の結果として最大KPI値になるかを検査することによって決定される、システム。
  9. 前記プロセッサは、相関分析を実行して、前記出力変数のそれぞれについての相関スコアを決定するようにさらに構成され、
    前記相関分析が、
    前記出力変数のそれぞれと前記初期制御変数との間でピアソンの積率相関を計算し、
    前記出力変数のそれぞれについて前記相関スコアを閾値と比較し、
    前記閾値を超える相関スコアを有する各出力変数をシステム応答変数に指定し、前記閾値以下の相関スコアを有する各出力変数を環境変数に指定することを含む、請求項8に記載のシステム。
  10. 前記プロセッサは、因果分析を実行して前記出力変数を識別するようにさらに構成され、前記因果分析が、
    制御変数の数を増大させ、
    前記出力変数に予測分析を実行することを含み、
    前記制御変数の数を増やすことによって出力変数における予測誤差が減る場合は、前記出力変数がシステム応答変数として指定され、前記制御変数の数を増やすことによって前記出力変数における前記予測誤差がわずかしか変化しない場合には、所定の閾値に従って、前記出力変数が環境変数として指定される、請求項8に記載のシステム。
  11. 前記1つまたは複数の最適制御変数をユーザに表示するように構成された、グラフィカルユーザインターフェースをさらに有する、請求項8に記載のシステム。
  12. 前記環境変数の範囲が、履歴記録、予測アルゴリズム、および領域知識からなるグループに基づいている、請求項8に記載のシステム。
  13. 前記生産システムが火力発電所であり、前記プロセッサが、前記最適制御変数のうちの1つまたは複数を組み込むときに、前記火力発電所での投入燃料の成分構成を変え、前記火力発電所の出力効率を上げるようにさらに構成された、請求項8に記載のシステム。
  14. 前記環境変数が、外部の刺激を表し、前記初期入力変数による影響を受けることができない、請求項8に記載のシステム。
  15. 前記システム応答変数が、人間の入力および前記システムの構造によって決定される、請求項8に記載のシステム。
  16. 生産システムにおけるシステム出力を最適化するためのコンピュータ読取り可能なプログラムを含む非一時的なコンピュータ読取り可能な記憶媒体であって、前記コンピュータ読取り可能なプログラムは、コンピュータ上で実行されると、
    プロセッサにより、1つまたは複数の観察された初期入力変数を、環境変数とシステム応答変数とを含む複数の出力変数に分離するステップと、
    前記プロセッサを使用して、1つまたは複数の初期制御変数と前記システム応答変数との間の関係を決定するノンパラメトリック推定を構築するステップと、
    前記決定された関係を使用して、大域の入力/出力マッピング関数を推定し、前記環境変数の範囲を推定するステップと、
    前記入力/出力マッピング関数を最大化することによって、前記初期制御変数から1つまたは複数の最適制御変数を特定し、さらに前記環境変数の値を特定するステップと、
    前記最適制御変数のうちの1つまたは複数を生産システムに組み込んで、前記生産システムの生産出力を増大させるステップと
    を、前記コンピュータに実行させ、
    前記最適制御変数は、前記初期制御変数の状態に関連した複数のKPI(key performance indicator)値を用いて、いずれの初期制御変数の値が、前記大域の入力/出力マッピング関数の推定の結果として最大KPI値になるかを検査することによって決定される、コンピュータ読取り可能な記憶媒体。
  17. 前記コンピュータ読取り可能なプログラムは、コンピュータ上で実行されると、相関分析を実行するステップを前記コンピュータにさらに実行させ、前記相関分析が、
    前記出力変数のそれぞれと前記初期制御変数との間でピアソンの積率相関を計算することと、
    前記出力変数のそれぞれについての前記積率相関に基づく相関スコアを閾値と比較することと、
    前記閾値を超える相関スコアを有する各出力変数をシステム応答変数に指定し、前記閾値以下の相関スコアを有する各出力変数を環境変数に指定することと
    を含む、請求項16に記載のコンピュータ読取り可能な記憶媒体。
  18. 前記1つまたは複数の観察された初期入力変数を前記分離することが、因果分析を実行して前記出力変数を識別することを含み、前記因果分析が、
    制御変数の数を増大させることと、
    前記出力変数に予測分析を実行することと
    を含み、
    前記制御変数の数を増やすことによって出力変数における予測誤差が減る場合は、前記出力変数がシステム応答変数として指定され、前記制御変数の数を増やすことによって前記出力変数における前記予測誤差がわずかしか変化しない場合には、所定の閾値に従って、前記出力変数が環境変数として指定される、請求項16に記載のコンピュータ読取り可能な記憶媒体。
  19. 前記環境変数の範囲が、履歴記録、予測アルゴリズム、および領域知識からなるグループに基づいている、請求項16に記載のコンピュータ読取り可能な記憶媒体。
  20. 前記生産システムが火力発電所であり、前記最適制御変数のうちの1つまたは複数を組み込むことが、前記火力発電所での投入燃料の成分構成を変え、前記火力発電所の出力効率を上げる、請求項16に記載のコンピュータ読取り可能な記憶媒体。
JP2018501156A 2015-07-17 2016-07-18 生産システムにおける出力効率の最適化 Active JP6718500B2 (ja)

Applications Claiming Priority (5)

Application Number Priority Date Filing Date Title
US201562193629P 2015-07-17 2015-07-17
US62/193,629 2015-07-17
US15/211,191 US10161269B2 (en) 2015-07-17 2016-07-15 Output efficiency optimization in production systems
US15/211,191 2016-07-15
PCT/US2016/042721 WO2017015184A1 (en) 2015-07-17 2016-07-18 Output efficiency optimization in production systems

Publications (2)

Publication Number Publication Date
JP2018528511A JP2018528511A (ja) 2018-09-27
JP6718500B2 true JP6718500B2 (ja) 2020-07-08

Family

ID=57775163

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2018501156A Active JP6718500B2 (ja) 2015-07-17 2016-07-18 生産システムにおける出力効率の最適化

Country Status (4)

Country Link
US (1) US10161269B2 (ja)
JP (1) JP6718500B2 (ja)
DE (1) DE112016003235T5 (ja)
WO (1) WO2017015184A1 (ja)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11687772B2 (en) 2018-07-13 2023-06-27 Nec Corporation Optimization of cyber-physical systems
JP7215077B2 (ja) * 2018-10-26 2023-01-31 富士通株式会社 予測プログラム、予測方法及び予測装置
US11059469B2 (en) 2019-05-01 2021-07-13 Westinghouse Air Brake Technologies Corporation Brake cylinder with parking brake mechanism
JP7314323B2 (ja) * 2019-06-20 2023-07-25 タタ コンサルタンシー サービシズ リミテッド コンバインド・サイクル・ガス・タービン運転の最適化のための方法及びシステム
CN110673557B (zh) * 2019-09-27 2021-09-24 南京大学 基于工艺条件选择的智能化工系统
JP7181849B2 (ja) * 2019-10-31 2022-12-01 横河電機株式会社 装置、方法およびプログラム

Family Cites Families (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5586066A (en) * 1994-06-08 1996-12-17 Arch Development Corporation Surveillance of industrial processes with correlated parameters
US20030139952A1 (en) * 2002-01-24 2003-07-24 Ford Global Technologies, Inc. Complexity management and production optimization system
JP4043879B2 (ja) * 2002-07-24 2008-02-06 三菱電機株式会社 プラント最適運転制御装置
US20050187643A1 (en) * 2004-02-19 2005-08-25 Pavilion Technologies, Inc. Parametric universal nonlinear dynamics approximator and use
US20040181498A1 (en) * 2003-03-11 2004-09-16 Kothare Simone L. Constrained system identification for incorporation of a priori knowledge
US20050119863A1 (en) * 2003-08-07 2005-06-02 Buikema John T. Manufacturing monitoring system and methods for determining efficiency
US7317953B2 (en) * 2003-12-03 2008-01-08 Fisher-Rosemount Systems, Inc. Adaptive multivariable process controller using model switching and attribute interpolation
JP2005332171A (ja) * 2004-05-19 2005-12-02 Hitachi Ltd 投入比決定支援方法および装置
US20070055392A1 (en) * 2005-09-06 2007-03-08 D Amato Fernando J Method and system for model predictive control of a power plant
US8065022B2 (en) * 2005-09-06 2011-11-22 General Electric Company Methods and systems for neural network modeling of turbine components
US8046090B2 (en) * 2007-01-31 2011-10-25 Honeywell International Inc. Apparatus and method for automated closed-loop identification of an industrial process in a process control system
CN103792927B (zh) * 2007-03-12 2017-01-04 艾默生过程管理电力和水力解决方案有限公司 发电厂性能监测中统计分析的使用
JP5204001B2 (ja) * 2009-02-18 2013-06-05 株式会社東芝 入力電気量の異常兆候判定装置
US20120083933A1 (en) * 2010-09-30 2012-04-05 General Electric Company Method and system to predict power plant performance
US20120283885A1 (en) * 2011-05-04 2012-11-08 General Electric Company Automated system and method for implementing statistical comparison of power plant operations
US20130151022A1 (en) * 2011-12-07 2013-06-13 General Electric Company Systems and Methods for Assessing Future Power Plant Capabilities
US9411326B2 (en) * 2012-08-21 2016-08-09 General Electric Company Plant control optimization system including visual risk display
US9147153B2 (en) * 2012-11-06 2015-09-29 Rockwell Automation Technologies, Inc. Empirical modeling with globally enforced general constraints
US9576259B2 (en) * 2013-08-13 2017-02-21 Siemens Industry, Inc. Systems, methods and apparatus for optimizing fuel mix, fuel allocation and scheduling of generator resources

Also Published As

Publication number Publication date
US20170016354A1 (en) 2017-01-19
JP2018528511A (ja) 2018-09-27
DE112016003235T5 (de) 2018-05-03
US10161269B2 (en) 2018-12-25
WO2017015184A1 (en) 2017-01-26

Similar Documents

Publication Publication Date Title
JP6718500B2 (ja) 生産システムにおける出力効率の最適化
JP6507279B2 (ja) 管理方法、非一時的コンピュータ可読媒体および管理装置
JP7258965B2 (ja) ニューラルネットワークを使用する強化学習のための行動選択
JP6591672B2 (ja) デュエリングディープニューラルネットワーク
CN111406264B (zh) 神经架构搜索
CN111695695B (zh) 用户决策行为量化分析方法及装置
CN110476172A (zh) 用于卷积神经网络的神经架构搜索
KR20180091842A (ko) 우선순위화된 경험 메모리를 사용한 신경 네트워크의 트레이닝
US11115295B2 (en) Methods and systems for online monitoring using a variable data
WO2013187295A1 (ja) 情報処理装置、情報処理方法、およびプログラム
CN110858062B (zh) 目标优化参数的获取方法及模型训练方法、装置
EP2981866A1 (en) Methods and systems for reservoir history matching for improved estimation of reservoir performance
WO2020149971A2 (en) Robust and data-efficient blackbox optimization
JP7168753B2 (ja) ヘッドルームに基づくエッジデバイスのためのプロファイリングおよびアプリケーション監視
CN109726811A (zh) 使用优先级队列训练神经网络
US20200151545A1 (en) Update of attenuation coefficient for a model corresponding to time-series input data
US20230128318A1 (en) Automated Parameterized Modeling And Scoring Intelligence System
CN111967917B (zh) 预测用户流失的方法以及设备
CN114072809A (zh) 经由神经架构搜索的小且快速的视频处理网络
JP2015148934A (ja) 発電量予測装置および発電量予測方法
US20190275672A1 (en) Information processing apparatus and information processing method
JP2010049392A (ja) Pidコントローラのチューニング装置、pidコントローラのチューニング用プログラムおよびpidコントローラのチューニング方法
WO2020218246A1 (ja) 最適化装置、最適化方法、及びプログラム
JP7579632B2 (ja) 推定装置、システム及び方法
IL294712A (en) Learning with momentary assessment using different time constants

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20180123

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20190124

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20190205

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20190424

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20190924

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20191206

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20200602

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20200612

R150 Certificate of patent or registration of utility model

Ref document number: 6718500

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150

S111 Request for change of ownership or part of ownership

Free format text: JAPANESE INTERMEDIATE CODE: R313113

R350 Written notification of registration of transfer

Free format text: JAPANESE INTERMEDIATE CODE: R350