TOP特許意匠商標
特許ウォッチ DM通知 Twitter
10個以上の画像は省略されています。
公開番号2022094341
公報種別公開特許公報(A)
公開日2022-06-24
出願番号2021201513
出願日2021-12-13
発明の名称予測分類器を用いた航空機保守コンピューティングシステム及び方法
出願人ザ・ボーイング・カンパニー,The Boeing Company
代理人園田・小林特許業務法人
主分類G06N 20/10 20190101AFI20220617BHJP(計算;計数)
要約【課題】ランタイム入力に基づいて、検査、修復及び監視の予測ができる保守コンピューティングシステム及び保守コンピューティング方法を提供する。
【解決手段】保守システムにおいて、保守システムコンピューティングデバイスは、少なくとも第1の人工知能モデル22aを含む検査分類器22を実行させる。検査分類器22は、輸送体に関連づけられた複数のデータソースから、ランタイムイベント入力データ28A~28Cを受信し、ランタイムイベント入力データ28A~28Cの特徴22fを抽出し、抽出した特徴22fに基づいて、複数の検査分類候補30A~30Cのうちの1つである予測された検査分類54Aを決定し、予測された検査分類54Aを出力する。
【選択図】図2
特許請求の範囲【請求項1】
プロセッサ(12)と、実行可能な命令を記憶する不揮発性メモリ(20)と
を含む保守コンピューティングシステム(10)であって、
前記実行可能な命令は、前記プロセッサ(12)による実行に応じて、前記プロセッサ(12)に
少なくとも第1の人工知能モデル(22a)を含む検査分類器(22)を実行させ、
前記検査分類器(22)が、
輸送体に関連づけられた複数のデータソースから、ランタイムイベント入力データ(28A-C)を受信し、
前記ランタイムイベント入力データ(28A-C)の特徴(22f)を抽出し、
抽出された前記特徴(22f)に基づいて、予測された検査分類(54A)を決定し、
前記予測された検査分類(54A)を出力する
ように構成されており、
前記複数のデータソースが、前記輸送体に装備されている構造健全性監視センサを含み、
前記予測された検査分類(54A)が、複数の検査分類候補(30Aa-c)のうちの1つである、保守コンピューティングシステム(10)。
続きを表示(約 3,300 文字)【請求項2】
前記検査分類器(22)が、検査訓練入力データ(29A)と、関連する検査正解ラベル(29B)とを含む検査分類器訓練データ(27)で訓練されており、前記検査訓練入力データ(29A)が、前記輸送体に装備されている一又は複数の構造健全性監視センサからの構造健全性データを含み、前記検査正解ラベル(29B)が、前記検査訓練入力データ(29A)に関連するユーザ入力(38)された検査分類(130A)であり、前記ユーザ入力(38)された検査分類(130A)が、前記複数の検査分類候補(30Aa-c)から選択され、前記検査分類器訓練データ(27)が、カメラ画像、音声データ、又は寸法測定値のうちの少なくとも1つをさらに含んでもよく、
前記ランタイムイベント入力データ(28A-C)が、カメラ画像、音声データ、又は寸法測定値のうちの少なくとも1つをさらに含む、請求項1に記載の保守コンピューティングシステム(10)。
【請求項3】
前記一又は複数の構造健全性監視センサが、慣性加速度計、慣性ジャイロスコープ、歪ゲージ、変位トランスデューサ、対気速度センサ、及び温度センサからなる群から選択される、請求項1又は2に記載の保守コンピューティングシステム(10)。
【請求項4】
前記プロセッサ(12)が、
前記ランタイムイベント入力データ(28A-C)について採用された検査分類(30A)のユーザ入力(38)を受信し、
前記ランタイムイベント入力データ(28A-C)と前記採用された検査分類(30A)とをフィードバック訓練データペア(31A)として用いて、前記第1の人工知能モデル(22a)のフィードバック訓練を実施するように構成されている、請求項1から3のいずれか一項に記載の保守コンピューティングシステム(10)。
【請求項5】
前記プロセッサ(12)はさらに、少なくとも第2の人工知能モデル(24a)を含む修復分類器(24)を実行するように構成され、前記修復分類器(24)が、
検査関連入力データ(48A-C)と前記採用された検査分類(30A)とを含むランタイム検査入力データ(30A、48A-C)を受信し、
前記ランタイム検査入力データ(30A、48A-C)の検査特徴(24f)を抽出し、
抽出された前記検査特徴(24f)に基づいて、予測された修復分類(54B)を決定し、
前記予測された修復分類(54B)を出力し、
前記ランタイム検査入力データ(30A、48A-C)について採用された修復分類(30B)のユーザ入力(38)を受信し、
前記検査関連入力データ(48A-C)と前記採用された修復分類(30B)とをフィードバック訓練データペア(31B)として用いて、前記第2の人工知能モデル(24a)のフィードバック訓練を実施する
ように構成されており、前記予測された修復分類(54B)が、複数の修復分類候補(30Ba-d)のうちの1つである、請求項4に記載の保守コンピューティングシステム(10)。
【請求項6】
前記修復分類器(24)が、修復訓練入力データ(49A)と、関連する正解ラベル(49B)とを含む修復分類器訓練データ(47)で訓練されており、前記修復訓練入力データ(49A)が、画像検査及び電気的測定を含み、前記正解ラベル(49B)が、前記修復訓練入力データ(49A)に関連するユーザ入力された修復分類(30B)であり、前記ユーザ入力された修復分類(30B)が、前記複数の修復分類候補(30Ba-d)から選択される、請求項5に記載の保守コンピューティングシステム(10)。
【請求項7】
前記プロセッサ(12)はさらに、少なくとも第3の人工知能モデル(26a)を含む監視分類器(26)を実行し、前記監視分類器(26)が、
修復関連入力データ(58A-C)と採用された修復分類(30B)とを含むランタイム修復入力データ(30B、58A-C)を受信し、
前記ランタイム修復入力データ(30B、58A-C)の修復特徴(26f)を抽出し、
抽出された前記修復特徴(26f)に基づいて、予測された監視分類(54C)を決定し、
前記予測された監視分類(54C)を出力し、
前記ランタイム修復入力データ(30B、58A-C)について採用された監視分類(30C)のユーザ入力(38)を受信し、
前記ランタイム修復入力データ(30B、58A-C)と前記採用された監視分類(30C)とをフィードバック訓練データペア(31C)として用いて、前記第3の人工知能モデル(26a)のフィードバック訓練を実施する
ように構成されており、
前記予測された監視分類(54C)が、複数の予測された監視分類(30Ca-c)のうちの1つであり、
前記修復関連入力データ(58A-C)が、修復材料又は修復タイプのうちの少なくとも1つを含んでいてもよい、請求項5に記載の保守コンピューティングシステム(10)。
【請求項8】
保守コンピューティング方法(300)であって、前記方法(300)が、
プロセッサ(12)及び関連するメモリ(20)を用いて、検査分類器(22)を実行すること
前記検査分類器(22)が、少なくとも第1の人工知能モデル(22a)を含み、前記検査分類器(22)を実行することが、
輸送体に関連づけられた複数のデータソースから、ランタイムイベント入力データ(28A-C)を受信すること、
前記ランタイムイベント入力データ(28A-C)の特徴(22f)を抽出すること、
抽出された前記特徴(22f)に基づいて、予測された検査分類(54A)を決定すること、
前記予測された検査分類(54A)を出力すること、
前記ランタイムイベント入力データ(28A-C)について採用された検査分類(30A)のユーザ入力(38)を受信すること、及び
前記ランタイムイベント入力データ(28A-C)と前記採用された検査分類(30A)とをフィードバック訓練データペア(31A)として用いて、前記第1の人工知能モデル(22a)のフィードバック訓練を実施すること
を含み、
前記複数のデータソースが、前記輸送体に装備されている構造健全性監視センサを含み、
前記予測された検査分類(54A)が、複数の検査分類候補(30Aa-c)のうちの1つである、
保守コンピューティング方法(300)。
【請求項9】
前記検査分類器(22)を実行する前に、訓練入力データ(29A)と、関連する正解ラベル(29B)とを含む検査分類器訓練データ(27)で、前記検査分類器(22)を訓練することをさらに含み、前記訓練入力データ(29A)が、前記輸送体に装備されている前記構造健全性監視センサからの構造健全性データであり、前記正解ラベル(29B)が、前記訓練入力データに関連するユーザ入力された検査分類(30A)であり、前記ユーザ入力された検査分類(30A)が、前記複数の検査分類候補(30Aa-c)から選択される、請求項8に記載の保守コンピューティング方法(300)。
【請求項10】
前記検査分類器訓練データ(27)が、カメラ画像、音声データ、又は寸法測定値のうちの少なくとも1つをさらに含み、
前記ランタイムイベント入力データ(28A-C)が、カメラ画像、音声データ、又は寸法測定値のうちの少なくとも1つをさらに含み、前記構造健全性監視センサが、慣性加速度計、慣性ジャイロスコープ、歪ゲージ、変位トランスデューサ、対気速度センサ、温度センサからなる群から選択されてもよい、請求項9に記載の保守コンピューティング方法(300)。
(【請求項11】以降は省略されています)

発明の詳細な説明【技術分野】
【0001】
本開示は、広くは機械学習及び人工知能のプロセス及びシステムに関し、具体的には、保守イベント、修復、及び修復フォローアップについての適切な分類を決定することに関する。本書に記載の技術は、例えば航空機関連のデータに適用できる。
続きを表示(約 3,300 文字)【背景技術】
【0002】
航空機の保守、例えば飛行イベント後の検査、初回の修復、及びフォローアップの検査と修復は、航空機を飛行準備状態に保つために重要であるが、輸送体の運航業者にはかなりのコスト源でもある。そのような保守では、航空機の一部を非破壊評価した後に、初期修復がなされる。非破壊評価技術の使用には労力がかさみ、適切な検査技術、修復、及び従うべきフォローアップ計画について、人間の判断が伴うことがある。
【発明の概要】
【0003】
この概要は、本明細書を網羅的にまとめたものではない。明細書の鍵となる重要な要素を特定するものでも、明細書の特定の実施形態や特許請求の範囲を画定するものでもない。明細書のコンセプトを簡潔な形態でいくつか提示する目的でのみ書かれており、本開示のより詳細な説明の前書きにすぎない。
【0004】
プロセッサ及び不揮発性メモリを含むコンピューティングシステムが開示されている。不揮発性メモリは、実行可能な命令を記憶している。実行可能な命令は、プロセッサによる実行に応じて、プロセッサに検査分類器を実行させる。検査分類器は、第1の人工知能モデルを少なくとも含む。検査分類器は、航空機に関連づけられた複数のデータソースから、ランタイムイベント入力データを受信するように構成されている。データソースは、航空機に装備されている構造健全性監視センサを含む。検査分類器は、ランタイムイベント入力データの特徴を抽出し、抽出された特徴に基づいて、予測された検査分類を決定し、該予測された検査分類を出力する。予測された検査分類は、複数の検査分類候補のうちの1つである。
【0005】
上述した特徴、機能、及び利点は、様々な実施形態において単独で実現可能であるか、又は、更に別の実施形態であって、その更なる詳細が以下の説明及び図面を参照して理解されうる実施形態において、組み合わされることもある。
【図面の簡単な説明】
【0006】
本開示の一実施例に係る保守システムを図示する。
図1の保守システムの検査分類器、修復分類器、及び監視分類器を図示する。
図1の検査分類器の訓練段階を示す。初期訓練段階及びフィードバック訓練段階を含む。
図1の修復分類器の訓練段階を図示する。初期訓練段階及びフィードバック訓練段階を含む。
図1の監視分類器の訓練段階を図示する。初期訓練段階及びフィードバック訓練段階を含む。
本開示の例に係る、検査分類器、修復分類器、及び監視分類器からそれぞれ出力される可能性のある検査分類、修復分類、及び監視分類を図示する。
本開示の別の例に係る、検査分類器、修復分類器、及び監視分類器からそれぞれ出力される可能性のある検査分類、修復分類、及び監視分類を図示する。
図1の検査分類器の多次元特徴空間を図示する。
本開示の図4Aの例示的実施形態に係る、検査分類器の例示的なグラフィカルユーザインタフェースを示す。
本開示の特定の例に係る、図1の保守システムのランタイムにおけるフィードバック訓練を伴う動作プロセスフローを図示する。
本開示の例に係る、航空機の保守に関連して用いられる保守コンピューティング方法の訓練段階のフロー図を示す。
図8Aのフロー図の続きであり、方法のランタイム段階を示し、検査分類器のフィードバック訓練を含む使用に伴う工程ステップを示す。
図8Bのフロー図の続きであり、方法のランタイム段階を示し、修復分類器のフィードバック訓練を含む使用に伴う工程ステップを示す。
図8Cのフロー図の続きであり、方法のランタイム段階を示し、監視分類器のフィードバック訓練を含む使用に伴う工程ステップを示す。
本書に記載のシステム及び方法により用いられ得る例示的なコンピューティング環境の概略図である。
【発明を実施するための形態】
【0007】
上記を踏まえると、検査及び修復の診断における正確性、信頼性、及び効率の向上において、保守プロセスに機械学習と人工知能を適用することによる課題と機会とが存在する。したがって、別々の人工知能モデルを用い、ランタイム入力に基づいて、検査、修復、及び監視の予測ができる保守システムが提供される。各人工知能モデルは、技術者からの入力に基づいて、性能の経時的な向上のためのフィードバック訓練に供され得る。
【0008】
図1を参照すると、輸送体(例えば、航空機、船舶、宇宙機、自動車等)の保守における使用のための保守システム10が提供される。システム10は保守コンピューティング装置11を含む。保守コンピューティング装置11は、プロセッサ12、入力/出力モジュール16、揮発性メモリ14、及び不揮発性メモリ20を含む。不揮発性メモリ20は、アプリケーション32及び3つの分類器を記憶している。3つの分類器は、検査分類器22、修復分類器24、及び監視分類器26であり、これらはそれぞれ、第1の人工知能モデル22a、第2の人工知能モデル24a、及び第3の人工知能モデル26aを含む。プロセッサ12、入力/出力モジュール16、及び揮発性メモリ14は、不揮発性メモリ20に、バス18によって動作可能に接続され得る。アプリケーション32及び分類器22、24、26が1つのコンピューティング装置11でホストされて図示されているが、アプリケーション32及び分類器22、24、26が複数のコンピューティング装置にわたってホストされ、これにコンピューティング装置11がネットワーク15を介して、保守コンピューティング装置11に動作可能に接続されたクライアントコンピューティング装置36も含め、通信可能に接続されてもよいことが理解されよう。いくつかの例では、ネットワーク15が、ローカルエリアネットワーク(LAN)、ワイドエリアネットワーク(WAN)、有線ネットワーク、無線ネットワーク、パーソナルエリアネットワーク、又はそれらの組み合わせの形態であり得、インターネットを含み得る。
【0009】
システム10は、アプリケーション32及び分類器22、24、26を不揮発性メモリ20に記憶するように構成された、プロセッサ12を含む。不揮発性メモリ20は、外部からの給電がなくとも命令記憶データを保持し、FLASHメモリ、ハードディスク、リードオンリーメモリ(ROM)、電気的消去可能プログラム可能メモリ(EEPROM)等である。命令は、を含む。アプリケーション32を含む一又は複数のプログラムと、そのようなプログラムが用いる、本書に記載の工程を実施するのに十分なデータとを含む。プロセッサ12による実行に応じて、命令はプロセッサ12に、少なくとも第1の人工知能モデル22aを含む検査分類器22、少なくとも第2の人工知能モデル24aを含む修復分類器24、及び/又は少なくとも第3の人工知能モデル26aを含む監視分類器26を実行させる。
【0010】
プロセッサ12はマイクロプロセッサであり、中央処理装置(CPU)、画像処理装置(GPU)、特定用途向け集積回路(ASIC)、システムオンチップ(SOC)、フィールドプログラマブルゲートアレイ(FPGA)、論理回路、又は、本書に記載の機能を実施するように構成された他の適切なタイプのマイクロプロセッサのうちの一又は複数を含む。システム10は、ランダムアクセスメモリ(RAM)、スタティックランダムアクセスメモリ(SRAM)、ダイナミックランダムアクセスメモリメモリ(DRAM)等の揮発性メモリ14をさらに含み、これらは、プログラムの実行中に電力が供給されている限りにおいてデータを一時的に記憶する。
(【0011】以降は省略されています)

この特許をJ-PlatPatで参照する

関連特許

個人
保険契約管理方法
25日前
個人
マルチ集計シート
28日前
個人
電子旅程システム
22日前
個人
回覧支援システム
22日前
個人
喋るハイテク家電
15日前
株式会社理研
演算装置
10日前
個人
家系図作成システム
23日前
個人
遺言書作成システム
23日前
個人
ライフ情報提供装置
22日前
個人
曲目音声入力システム
15日前
株式会社鶴
管理サーバ
22日前
日本精機株式会社
車載表示装置
今日
凸版印刷株式会社
メタルカード
3日前
個人
結婚活動支援システム
8日前
個人
ゴーグル表示システム
22日前
個人
災害管理サーバ
25日前
個人
情報提供システム
15日前
東レ株式会社
シミュレーション方法
18日前
HENNGE株式会社
サーバ
18日前
シャープ株式会社
家電システム
15日前
個人
統計モデルによる勤務時間の推定
11日前
凸版印刷株式会社
非接触通信ICシート
今日
株式会社ノーリツ
給湯装置
1日前
ヤマキ有限会社
値引き管理システム
17日前
三菱電機株式会社
映像表示装置
23日前
東洋計器株式会社
ガスの集中監視方法
16日前
オグラ金属株式会社
食品カウンタ装置
2日前
テルモ株式会社
表示装置
18日前
ビィデザイン株式会社
仮想空間システム
15日前
中国電力株式会社
業務時間管理システム
4日前
株式会社リコー
情報処理装置および方法
22日前
積水ハウス株式会社
地図生成装置
25日前
積水ハウス株式会社
情報処理装置
25日前
沖電気工業株式会社
制御装置
10日前
NISSHA株式会社
静電容量方式の圧力センサ
8日前
タブソリューション株式会社
情報処理装置
23日前
続きを見る