特許 7517740 製造プロセスのためのシステム、方法、および媒体

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】特許公報(B2)

(11)【特許番号】

(24)【登録日】2024-07-08

(45)【発行日】2024-07-17

(54)【発明の名称】製造プロセスのためのシステム、方法、および媒体

(51)【国際特許分類】

   G05B 19/418 20060101AFI20240709BHJP

   G06T 7/00 20170101ALI20240709BHJP

【ＦＩ】

G05B19/418 Z

G06T7/00 660Z

【請求項の数】 20

(21)【出願番号】P 2022577143

(86)(22)【出願日】2021-06-18

(65)【公表番号】

(43)【公表日】2023-07-20

(86)【国際出願番号】 US2021038085

(87)【国際公開番号】W WO2021257988

(87)【国際公開日】2021-12-23

【審査請求日】2023-01-16

(31)【優先権主張番号】17/195,746

(32)【優先日】2021-03-09

(33)【優先権主張国・地域又は機関】US

(31)【優先権主張番号】17/091,393

(32)【優先日】2020-11-06

(33)【優先権主張国・地域又は機関】US

(31)【優先権主張番号】63/040,792

(32)【優先日】2020-06-18

(33)【優先権主張国・地域又は機関】US

(73)【特許権者】

【識別番号】511289471

【氏名又は名称】ナノトロニクス イメージング インコーポレイテッド

【氏名又は名称原語表記】ＮＡＮＯＴＲＯＮＩＣＳ ＩＭＡＧＩＮＧ，ＩＮＣ．

【住所又は居所原語表記】２２５１ ＦＲＯＮＴ ＳＴＲＥＥＴ，ＳＵＩＴＥ １１０，Ｐ．Ｏ．ＢＯＸ ３０６，ＣＵＹＡＨＯＧＡ ＦＡＬＬＳ，ＯＨＩＯ ４４２２３，Ｕ．Ｓ．Ａ．

(74)【代理人】

【識別番号】110002321

【氏名又は名称】弁理士法人永井国際特許事務所

(72)【発明者】

【氏名】サンドストローム，アンドリュー

(72)【発明者】

【氏名】キム，ウンソル

(72)【発明者】

【氏名】リモージュ，ダマス

(72)【発明者】

【氏名】ピンスキー，バディム

(72)【発明者】

【氏名】プットマン，マシュー シー

【審査官】石田 宏之

(56)【参考文献】

【文献】特開２００９－２８２７４０（ＪＰ，Ａ）

【文献】特開２０１６－１５７３５７（ＪＰ，Ａ）

【文献】米国特許第１０４８１５７９（ＵＳ，Ｂ１）

【文献】特開平０５－３２２７８９（ＪＰ，Ａ）

【文献】特開２００４－１７８３８８（ＪＰ，Ａ）

【文献】特表２０２２－５２２１５９（ＪＰ，Ａ）

(58)【調査した分野】(Int.Cl.，ＤＢ名)

Ｇ０５Ｂ １９／４１８

Ｇ０６Ｔ ７／００

(57)【特許請求の範囲】

【請求項1】

各ステーションが、構成要素の多工程製造プロセスで少なくとも１つの工程を実行するように構成されている、１つまたは複数のステーションと、
前記多工程製造プロセス全体で前記構成要素の進行を監視するように構成された監視プラットフォームと、
前記多工程製造プロセスの工程の処理パラメータを動的に調整して、前記構成要素の所望の最終品質基準を達成するように構成された制御モジュールであって、前記制御モジュールは、
前記１つまたは複数のステーションの第１のステーションのツーリングの画像データを受け取ることと、
第１の機械学習モデルによって、前記画像データに基づいて、前記構成要素の最終品質基準を決定することと、
前記最終品質基準が前記所望の最終品質基準の許容範囲外にあると決定することと、
前記決定に基づいて、前記第１の機械学習モデルによって、前記所望の最終品質基準を達成するために前記第１のステーションまたは下流ステーションの少なくとも１つによって実行される更新された命令セットを生成することと、
第２の機械学習モデルによって、前記更新された命令セットに基づいて前記構成要素の更新された最終品質基準を予測することと、
前記更新された最終品質基準に基づいて、前記更新された命令セットを前記第１のステーションおよび前記下流ステーションに提供することと、を含む動作を実行するように構成されている、制御モジュールと、を含む、製造システム。

【請求項2】

前記第２の機械学習モデルは、データの合成セットを含むトレーニングセットでトレーニングされる、請求項１に記載の製造システム。

【請求項3】

前記構成要素の処理が完了するまで、前記最終品質基準を測定することができない、請求項１に記載の製造システム。

【請求項4】

前記構成要素の位置情報に基づいて、不可逆的エラーが存在しないことを決定することをさらに含む、請求項１に記載の製造システム。

【請求項5】

前記画像データからキーポイントのセットを識別することであって、キーポイントの前記セットは、前記第１のステーションでの処理中の前記ツーリングの位置情報に対応する、識別することをさらに含む、請求項１に記載の製造システム。

【請求項6】

キーポイントの前記セットは、前記最終品質基準を決定するために前記第１の機械学習モデルによって使用される、請求項５に記載の製造システム。

【請求項7】

前記構成要素の座標に対応するキーポイントの前記セットを、正規の構成要素に対応するキーポイントの正規のセットと比較することをさらに含む、請求項５に記載の製造システム。

【請求項8】

多工程製造プロセスの工程の処理パラメータを動的に調整して、前記多工程製造プロセスを経ている構成要素の所望の最終品質基準を達成するための方法であって、
コンピューティングシステムによって、前記多工程製造プロセスに関与する１つまたは複数のステーションの第１のステーションのツーリングの画像データを受け取ることと、
前記コンピューティングシステムの第１の機械学習モデルによって、前記画像データに基づいて、前記構成要素の最終品質基準を決定することと、
コンピューティングシステムによって、前記最終品質基準が前記所望の最終品質基準の許容範囲外にあると決定することと、
前記決定に基づいて、前記第１の機械学習モデルによって、前記所望の最終品質基準を達成するために前記第１のステーションまたは下流ステーションの少なくとも１つによって実行される更新された命令セットを生成することと、
前記コンピューティングシステムの第２の機械学習モデルによって、前記更新された命令セットに基づいて前記構成要素の更新された最終品質基準を予測することと、
前記更新された最終品質基準に基づいて、コンピューティングシステムによって、前記更新された命令セットを前記第１のステーションおよび前記下流ステーションに提供することと
を含む方法。

【請求項9】

前記第２の機械学習モデルは、データの合成セットを含むトレーニングセットでトレーニングされる、請求項８に記載の方法。

【請求項10】

前記構成要素の処理が完了するまで、前記最終品質基準を測定することができない、請求項８に記載の方法。

【請求項11】

前記構成要素の位置情報に基づいて、不可逆的エラーが存在しないことを決定することをさらに含む、請求項８に記載の方法。

【請求項12】

前記画像データからキーポイントのセットを識別することであって、キーポイントの前記セットは、前記第１のステーションでの処理中の前記ツーリングの位置情報に対応する、識別することをさらに含む、請求項８に記載の方法。

【請求項13】

キーポイントの前記セットは、前記最終品質基準を決定するために前記第１の機械学習モデルによって使用される、請求項１２に記載の方法。

【請求項14】

前記構成要素の座標に対応するキーポイントの前記セットを、正規の構成要素に対応するキーポイントの正規のセットと比較することをさらに含む、請求項１２に記載の方法。

【請求項15】

命令の１つまたは複数のシーケンスを含む非一過性コンピュータ可読媒体であって、前記命令の１つまたは複数のシーケンス、コンピューティングシステムによって実行されたときに、多工程製造プロセスの工程の処理パラメータを動的に調整して、前記多工程製造プロセスを経ている構成要素の所望の最終品質基準を達成するための動作をプロセッサに実行させ、前記動作は、
コンピューティングシステムによって、前記多工程製造プロセスに関与する１つまたは複数のステーションの第１のステーションのツーリングの画像データを受け取ることと、
前記コンピューティングシステムの第１の機械学習モデルによって、前記画像データに基づいて、前記構成要素の最終品質基準を決定することと、
コンピューティングシステムによって、前記最終品質基準が前記所望の最終品質基準の許容範囲外にあると決定することと、
前記決定に基づいて、前記第１の機械学習モデルによって、前記所望の最終品質基準を達成するために前記第１のステーションまたは下流ステーションの少なくとも１つによって実行される更新された命令セットを生成することと、
前記コンピューティングシステムの第２の機械学習モデルによって、前記更新された命令セットに基づいて前記構成要素の更新された最終品質基準を予測することと、
前記更新された最終品質基準に基づいて、コンピューティングシステムによって、前記更新された命令セットを前記第１のステーションおよび前記下流ステーションに提供することと
を含む、非一過性コンピュータ可読媒体。

【請求項16】

前記第２の機械学習モデルは、データの合成セットを含むトレーニングセットでトレーニングされる、請求項１５に記載の非一過性コンピュータ可読媒体。

【請求項17】

前記構成要素の処理が完了するまで、前記最終品質基準を測定することができない、請求項１５に記載の非一過性コンピュータ可読媒体。

【請求項18】

前記構成要素の位置情報に基づいて、不可逆的エラーが存在しないことを決定することをさらに含む、請求項１５に記載の非一過性コンピュータ可読媒体。

【請求項19】

前記画像データからキーポイントのセットを識別することであって、キーポイントの前記セットは、前記第１のステーションでの処理中の前記ツーリングの位置情報に対応する、識別することをさらに含む、請求項１５に記載の非一過性コンピュータ可読媒体。

【請求項20】

キーポイントの前記セットは、前記最終品質基準を決定するために前記第１の機械学習モデルによって使用される、請求項１９に記載の非一過性コンピュータ可読媒体。

【発明の詳細な説明】

【技術分野】

【0001】

関連出願の相互参照
本出願は、２０２０年６月１８日に出願された米国仮出願第６３／０４０，７９２号に優先権を主張し、これは、参照によりその全体が本明細書に組み込まれる。本出願は、参照によりその全体が本明細書に組み込まれる２０２０年３月９日に出願された米国仮出願第６２／９８６，９８７号に優先権を主張する２０２１年３月９日に出願された米国仮出願第１７／１９５，７４６号の一部継続出願であり、参照によりその全体が本明細書に組み込まれる２０１９年１１月６日に出願された米国仮出願第６２／９３１，４４８号、２０１９年１１月７日に出願された米国仮出願第６２／９３２，０６３号、および２０１９年１１月６日に出願された米国仮出願第６２／９３１，４５３号に優先権を主張する２０２０年１１月６日に出願された米国出願第１７／０９１，３９３号の一部継続出願である。

【0002】

本開示は、一般に、製造プロセスのためのシステム、方法、および媒体に関する。

【背景技術】

【0003】

１８世紀の産業革命の夜明け以来、自動化が商品の生産を支配してきた。今日の工場は自動化をコア原則として完全に採用しているが、ロボットは高生産環境で多くの反復可能なタスクを実行するが、多くのアセンブリタスクは引き続き人間によって実行される。これらのタスクは、コスト、重大な障害のリスク、または少量の生産実行のためにロボットシステムを展開するロジスティクスのために自動化するのが困難である。これらの生産ラインは、標準的なプロセス制御と人事管理によって監視されているため、アセンブラは時間の経過とともに特定の品質基準を実行するように教えられたり、別のオペレータに置き換えられたりする。このプロセスは、アセンブリの出現以来ほとんど変わっていない。

【発明の概要】

【課題を解決するための手段】

【0004】

いくつかの実施形態では、製造システムが本明細書に開示されている。製造システムには、１つまたは複数のステーション、監視プラットフォーム、および制御モジュールが含まれる。各ステーションは、構成要素の多工程製造プロセスで少なくとも１つの工程を実行するように構成されている。多工程製造プロセス全体で構成要素の進行を監視するように構成された監視プラットフォーム。多工程製造プロセスの工程の処理パラメータを動的に調整して、構成要素の所望の最終品質基準を達成するように構成された制御モジュール、動作を実行するように構成された制御モジュール。動作には、１つまたは複数のステーションの第１のステーションのツーリングの画像データを受け取ることが含まれる。動作には、画像データからキーポイントのセットを識別することがさらに含まれる。キーポイントは、第１のステーションでの処理中のツーリングの位置情報に対応している。動作には、機械学習モデルによって、キーポイントに基づいて構成要素の最終品質基準を決定することも含まれる。動作はさらに、決定に基づいて、構成要素の機械学習モデルによって生成された最終品質基準と正規の最終品質基準との比較に基づく構成要素のクラスに構成要素を割り当てることを含む。

【0005】

いくつかの実施形態では、多工程製造プロセスを制御するためのコンピュータ実施方法が本明細書に開示されている。多工程製造プロセスは、製造システムの１つまたは複数のステーションを含む。各ステーションは、構成要素の多工程製造プロセスで少なくとも１つの工程を実行するように構成されている。製造システムに関連するコンピューティングシステムは、１つまたは複数のステーションの第１のステーションのツーリングの画像データを受け取る。コンピューティングシステムは画像データからキーポイントのセットを識別し、キーポイントのセットは、第１のステーションでの処理中のツーリングの位置情報に対応する。コンピューティングシステムに関連する機械学習モデルは、キーポイントのセットに基づいて、構成要素の最終品質基準を決定する。決定に基づいて、コンピューティングシステムは、構成要素の機械学習モデルによって生成された最終品質基準と正規の最終品質基準との比較に基づく構成要素のクラスに構成要素を割り当てる。

【0006】

いくつかの実施形態では、製造システムが本明細書に開示されている。製造システムには、１つまたは複数のステーション、監視プラットフォーム、および制御モジュールが含まれる。各ステーションは、構成要素の多工程製造プロセスで少なくとも１つの工程を実行するように構成されている。監視プラットフォームは、多工程製造プロセス全体で構成要素の進行を監視するように構成される。Ｔ制御モジュールは多工程製造プロセスの工程の処理パラメータを動的に調整して、構成要素の所望の最終品質基準を達成するように構成され、制御モジュールは動作を実行するように構成される。動作には、１つまたは複数のステーションの第１のステーションのツーリングの画像データを受け取ることが含まれる。動作には、画像データからキーポイントのセットを識別することがさらに含まれる。キーポイントは、第１のステーションでの処理中のツーリングの位置情報に対応している。動作には、機械学習モデルによって、キーポイントに基づいて構成要素の最終品質基準を決定することも含まれる。動作には、最終品質基準が最終品質基準からの閾値許容範囲内にないことを決定することも含まれる。動作には、決定に基づいて、構成要素の機械学習モデルによって生成された最終品質基準と正規の最終品質基準との比較に基づく構成要素のクラスに構成要素を割り当てることも含まれる。動作には、割り当てに基づいて、構成要素に割り当てられたクラスが許容可能なクラスでないことを決定することも含まれる。動作には、決定に基づいて、第１の処理ステーションの構成要素に対応する位置情報を推測することがさらに含まれる。動作はさらに、決定に基づいて、第１の処理ステーションまたは下流ステーションの少なくとも１つによって実行される更新された命令セットを生成することを含む。動作には、機械学習モデルによって、更新された命令セットに基づいて構成要素の最終品質基準を予測することも含まれる。動作には、予測された最終品質基準に基づいて、更新された命令セットを、第１の処理ステーションまたは下流ステーションの少なくとも１つに提供することがさらに含まれる。

【0007】

本開示の上記の特徴を詳細に理解できるように、上記で簡単に要約された本開示のより具体的な説明は、実施形態を参照することによって得ることができ、そのいくつかは添付の図面に示されている。しかしながら、添付の図面は、本開示の典型的な実施形態のみを示しており、したがって、その範囲を限定すると見なされるべきではなく、開示のために、他の同等に効果的な実施形態を認めることができることに留意されたい。

【図面の簡単な説明】

【0008】

【図1】例示的な実施形態による、製造環境を示すブロック図である。

【0009】

【図2】例示的な実施形態による、制御モジュールを示すブロック図である。

【0010】

【図3】例示的な実施形態による、ＬＳＴＭモデルの例示的なアーキテクチャを示すブロック図である。

【0011】

【図4】例示的な実施形態による、ツーリングモジュールのフィードバックセグメントの全体的なプロセスフローを視覚的に示すブロック図である。

【0012】

【図5】例示的な実施形態による、ＧＲＵモデルのアーキテクチャを示すブロック図である。

【0013】

【図6A】例示的な実施形態による、多工程製造プロセスを修正する方法を示す流れ図である。

【0014】

【図6B】例示的な実施形態による、多工程製造プロセスを修正する方法を示す流れ図である。

【0015】

【図7】例示的な実施形態による、多工程製造プロセスを修正する方法を示す流れ図である。

【0016】

【図8A】例示的な実施形態による、システムバスコンピューティングシステムアーキテクチャを示している。

【0017】

【図8B】例示的な実施形態による、チップセットアーキテクチャを有するコンピュータシステムを示している。

【発明を実施するための形態】

【0018】

理解を容易にするために、可能な場合は、図に共通する同一の要素を示すために同一の参照番号が使用されている。一実施形態で開示される要素は、特定の記述なしに他の実施形態で有益に利用され得ることが企図される。

【0019】

製造プロセスは複雑な場合があり、最終構成要素が製造されるまで、様々なプロセスステーション（または「ステーション」）によって処理される原材料が含まれ得る。いくつかの実施形態では、各プロセスステーションは、処理のための入力を受け取り、追加の処理のために後続の（下流）プロセスステーションに渡され得る中間出力を出力し得る。いくつかの実施形態では、最終プロセスステーションは、処理のための入力を受け取り、最終構成要素、またはより一般的には最終出力を出力することができる。

【0020】

いくつかの実施形態では、各ステーションは、一連のプロセス工程を実行することができる１つまたは複数のツール／機器を含むことができる。例示的なプロセスステーションには、コンベヤベルト、射出成形プレス、切断機、ダイスタンピング機械、押出機、コンピュータ数値制御（ＣＮＣ）ミル、グラインダ、組立ステーション、３次元プリンタ、品質管理ステーション、検証ステーションなどが含まれ得るが、これらに限定されない。

【0021】

いくつかの実施形態では、各プロセスステーションの動作は、１つまたは複数のプロセスコントローラによって管理され得る。いくつかの実施形態では、各プロセスステーションは、プロセスステーションの動作を制御するようにプログラムされ得る１つまたは複数のプロセスコントローラを含み得る。いくつかの実施形態では、オペレータまたは制御アルゴリズムは、各制御値について、所望の値または値の範囲を表すことができるステーションコントローラ設定値をステーションコントローラに提供することができる。いくつかの実施形態では、製造プロセスにおけるフィードバックまたはフィードフォワードに使用される値は、制御値と呼ばれることがある。例示的な制御値には、速度、温度、圧力、真空、回転、電流、電圧、電力、粘度、ステーションで使用される材料／資源、スループット率、停止時間、有害ガスなどが含まれ得るが、これらに限定されない。

【0022】

本明細書で提供される１つまたは複数の技術は、画像および／またはビデオデータを使用して構成要素の最終品質基準を予測または予想することができるシステムを提供することによって、従来のプロセスを改善する。いくつかの実施形態では、システムは、製造システムの各処理ノードまたはステーションのツーリングのビデオおよび／または画像データを捕捉または記録するように構成された監視システムを含み得る。プロセス工程中のツーリングの配置に基づいて、本システムは、構成要素の最終品質基準を予測または予想するように構成することができる。予測された最終品質基準が許容値の範囲外にある場合、本システムは、処理中のエラーを修正しようとして、更新された処理命令を生成し、現在の処理ノードｋもしくはステーションｋの少なくとも１つに、または処理ノード（ｋ＋１）および／もしくはステーション（ｋ＋１）に提供することができるため、所望の最終品質基準が達成され得る。

【0023】

いくつかの実施形態では、システムは、製造システムの各処理ノードまたはステーションで構成要素のビデオおよび／または画像データを捕捉または記録するように構成された監視システムを含み得る。処理ノードの端にある構成要素に関する視覚情報に基づいて、本システムは、構成要素の最終品質基準を予測または予想するように構成され得る。予測された最終品質基準が許容値の範囲外にある場合、本システムは、処理中のエラーを修正しようとして、更新された処理命令を生成し、処理ノードｋもしくはステーションｋの少なくとも１つに、または処理ノード（ｋ＋１）および／もしくはステーション（ｋ＋１）に提供することができるため、所望の最終品質基準が達成され得る。

【0024】

このようにして、本システムは、実際に構成要素をテストする必要なしに、製造プロセスの任意の段階で、構成要素の最終品質基準を予測または予想することができる。このようなシステムは、破壊的なテストが必要な最終品質基準、または処理が完了するまで最終品質基準を評価できない場合に特に役立つ。

【0025】

図１は、例示的な実施形態による、製造環境１００を示すブロック図である。製造環境１００は、製造システム１０２、監視プラットフォーム１０４、および制御モジュール１０６を含み得る。製造システム１０２は、多工程製造システムを広く表すことができる。いくつかの実施形態では、製造システム１０２は、組立ラインシステムを表すことができ、各処理ステーションは、人間の労働者を表すことができる。いくつかの実施形態では、製造システム１０２は、積層造形で使用するための製造システム（例えば、３Ｄ印刷システム）を表すことができる。いくつかの実施形態では、製造システム１０２は、減算加工（ｓｕｂｔｒａｃｔｉｖｅ ｍａｎｕｆａｃｔｕｒｉｎｇ）（例えば、ＣＮＣ機械加工）で使用するための製造システムを表すことができる。いくつかの実施形態では、製造システム１０２は、積層造形と減算加工の組み合わせで使用するための製造システムを表すことができる。より一般的には、いくつかの実施形態では、製造システム１０２は、一般的な製造プロセスで使用するための製造システムを表すことができる。

【0026】

製造システム１０２は、１つまたは複数のステーション１０８_１～１０８_ｎ（一般に、「ステーション１０８」）を含み得る。各ステーション１０８は、多工程製造プロセスにおける工程および／またはステーションを表すことができる。例えば、各ステーション１０８は、３Ｄ印刷プロセスにおける層堆積動作を表すことができる（例えば、ステーション１０８_１は、層１に対応し得、ステーション１０８_２は、層２に対応し得る、等々）。別の例では、各ステーション１０８は、特定の処理ステーションに対応することができる。別の例では、各ステーション１０８は、組立ライン製造プロセスにおいて特定のタスクを実行する特定の人間のオペレータに対応することができる。

【0027】

各ステーション１０８は、プロセスコントローラ１１４および制御論理１１６を含み得る。各プロセスコントローラ１１４_１～１１４_ｎは、各それぞれのステーション１０８の動作を制御するようにプログラムされ得る。いくつかの実施形態では、制御モジュール１０６は、各制御値について、所望の値または値の範囲を表すことができるステーションコントローラ設定値を各プロセスコントローラ１１４に提供することができる。制御論理１１６は、ステーションの１０８のプロセス工程に関連する属性／パラメータを指すことができる。動作中、各ステーション１０８の制御論理１１６は、最終品質基準の現在の軌道に応じて、制御モジュール１０６によって製造プロセス全体を通して動的に更新され得る。

【0028】

監視プラットフォーム１０４は、製造システム１０２の各ステーション１０８を監視するように構成され得る。いくつかの実施形態では、監視プラットフォーム１０４は、製造システム１０２の構成要素であり得る。例えば、監視プラットフォーム１０４は、３Ｄ印刷システムの構成要素であり得る。いくつかの実施形態では、監視プラットフォーム１０４は、製造システム１０２から独立していてもよい。例えば、監視プラットフォーム１０４は、既存の製造システム１０２に組み込むことができる。いくつかの実施形態では、監視プラットフォーム１０４は、多工程プロセスの各段階で構成要素またはツーリング（例えば、労働者またはプロセスツール）の画像を捕捉するように構成された画像化デバイスを表すことができる。例えば、監視プラットフォーム１０４は、各ステーション１０８での構成要素の画像および／または各ステーション１０８で構成要素を展開している構成要素の画像（例えば、ツーリング、人間など）を捕捉するように構成され得る。一般に、監視プラットフォーム１０４は、構成要素（例えば、画像、電圧読み取り、速度読み取りなど）および／またはツール（例えば、手の位置、ツーリング位置など）の生成に関連する情報を捕捉し、その情報を入力として、評価のために制御モジュール１０６に提供するように構成され得る。

【0029】

制御モジュール１０６は、１つまたは複数の通信チャネルを介して製造システム１０２および監視プラットフォーム１０４と通信することができる。いくつかの実施形態では、１つまたは複数の通信チャネルは、セルラーネットワークまたはＷｉ－Ｆｉネットワークなどのインターネットを介した個々の接続を表すことができる。いくつかの実施形態では、１つまたは複数の通信チャネルは、無線周波数識別（ＲＦＩＤ）、近距離無線通信（ＮＦＣ）、ブルートゥース（商標）、低エネルギーブルートゥース（商標）（ＢＬＥ）、Ｗｉ－Ｆｉ（商標）、ＺｉｇＢｅｅ（商標）、後方散乱通信（ＡＢＣ）プロトコル、ＵＳＢ、ＷＡＮ、またはＬＡＮなどの直接接続を使用して端末、サービス、およびモバイルデバイスを接続することができる。

【0030】

制御モジュール１０６は、製造システム１０２の各プロセスコントローラを制御するように構成され得る。例えば、監視プラットフォーム１０４によって捕捉された情報に基づいて、制御モジュール１０６は、特定のステーション１０８に関連するプロセス制御を調整するように構成され得る。いくつかの実施形態では、制御モジュール１０６は、算定される最終品質基準に基づいて特定のステーション１０８のプロセス制御を調整するように構成され得る。

【0031】

図２は、例示的な実施形態による、制御モジュール１０６を示すブロック図である。制御モジュール１０６は、ツーリングモジュール２０２および構成要素モジュール２０４を含み得る。

【0032】

ツーリングモジュール２０２は、監視プラットフォーム１０４によって得られた画像データに基づいて、製造の所与の段階での標本の最終品質基準を算定するように構成され得る。動作中、制御モジュール１０６は、監視プラットフォーム１０４からの入力を受け取ることができる。いくつかの実施形態では、そのような入力は、多工程製造プロセスの所与の工程でサブプロセスを実行するツーリングの画像またはビデオの形をとることができる。例えば、画像またはビデオデータは、多工程製造プロセスの特定のサブプロセスを実行している間の人間の手の画像またはビデオデータを含み得る。別の例では、画像またはビデオデータは、多層製造プロセスの特定の層の堆積を実行する３次元プリンタの画像またはビデオデータを含み得る。入力に基づいて、制御モジュール１０６は、構成要素の最終品質基準を予測することができる。構成要素の算定される最終品質基準に応じて、制御モジュール１０６は、所望のまたは閾値の最終品質基準に到達するために、後続の製造工程で取るべき１つまたは複数のアクションを決定することができる。例えば、算定される最終品質基準が許容値の範囲外にある場合、制御モジュール１０６は、製造プロセスを修正するために１つまたは複数のアクションを実行することができる。いくつかの実施形態では、制御モジュール１０６は、現在のステーション１０８（ｋ）または後続のステーション１０８（ｋ＋１）の少なくとも１つのステーションのステーションコントローラとインターフェースして、それぞれの制御および／またはステーションパラメータを調整することができる。いくつかの実施形態では、制御モジュール１０６は、生産ラインの各処理ステーション（ｋ＋１）で実行される更新された命令を人間の製造業者に提供することができる。これらの調整は、最終品質基準が許容可能な品質基準の範囲内になり得るように、製造プロセスの修正に役立ち得る。

【0033】

構成要素モジュール２０４は、監視プラットフォーム１０４によって取得された画像データに基づいて、製造の所与の段階での標本の最終品質基準を算定するように構成され得る。いくつかの実施形態では、構成要素モジュール２０４は、監視プラットフォーム１０４からの入力を受け取ることができる。いくつかの実施形態では、そのような入力は、多工程製造プロセスの所与の工程での構成要素の画像またはビデオの形をとることができる。いくつかの実施形態では、構成要素モジュール２０４は、ツーリングモジュール２０２から、多工程製造プロセスの所与の工程で推定された構成要素データを受け取ることができる。例えば、ツーリングモジュール２０２は、ツーリング画像またはビデオデータに基づいて、多工程製造プロセスの所与の工程で構成要素に関する情報を推測し、その推測された情報を入力として構成要素モジュール２０４に提供することができる。入力に基づいて、構成要素モジュール２０４は、構成要素の最終品質基準を算定することができる。構成要素の算定される最終品質基準に応じて、構成要素モジュール２０４は、所望のまたは閾値の最終品質基準に到達するために、後続の製造工程で取るべき１つまたは複数のアクションを決定することができる。例えば、算定される最終品質基準が許容値の範囲外にある場合、構成要素モジュール２０４は、製造プロセスを修正するための１つまたは複数のアクションを識別し得る。いくつかの実施形態では、制御モジュール１０６は、現在のステーション１０８ｋまたは後続のステーション１０８（ｋ＋１）の少なくとも１つのステーションのステーションコントローラとインターフェースして、それぞれの制御および／またはステーションパラメータを調整することができる。いくつかの実施形態では、制御モジュール１０６は、生産ラインの現在の処理ステーションｋまたは他の処理ステーション（ｋ＋１）の少なくとも１つで実行される更新された命令を人間の製造業者に提供することができる。これらの調整は、最終品質基準が許容可能な品質基準の範囲内になり得るように、製造プロセスの修正に役立ち得る。

【0034】

ツーリングモジュール２０２および構成要素モジュール２０４のそれぞれは、１つまたは複数のソフトウェアモジュールを含み得る。１つまたは複数のソフトウェアモジュールは、１つまたは複数のアルゴリズム工程を実装する一連の機械命令（例えば、プログラムコード）を表す、媒体（例えば、制御モジュール１０６に関連するコンピューティングシステムのメモリ）に記憶されたコードまたは命令のコレクションであり得る。そのような機械命令は、プロセッサが命令を実装するために解釈する実際のコンピュータコードであり得るか、あるいは、実際のコンピュータコードを取得するために解釈される命令のより高いレベルのコーディングであり得る。１つまたは複数のソフトウェアモジュールはまた、１つまたは複数のハードウェア構成要素を含み得る。例示的なアルゴリズムの１つまたは複数の態様は、命令の結果としてではなく、ハードウェア構成要素（例えば、回路）自体によって実行され得る。さらに、いくつかの実施形態では、ツーリングモジュール２０２および構成要素モジュール２０４のそれぞれは、構成要素間で１つまたは複数の信号を送信するように構成され得る。そのような実施形態では、そのような信号は、コンピューティングデバイスによって実行される機械命令に限定されない場合がある。

【0035】

いくつかの実施形態では、ツーリングモジュール２０２および構成要素モジュール２０４は、１つまたは複数のローカルネットワークを介して通信することができる。ネットワークは、セルラーネットワークやＷｉ－Ｆｉネットワークなど、インターネットを介した個別の接続を含め、任意の適切なタイプにすることができる。いくつかの実施形態では、ネットワークは、無線周波数識別（ＲＦＩＤ）、近距離無線通信（ＮＦＣ）、ブルートゥース（商標）、低エネルギーブルートゥース（商標）（ＢＬＥ）、Ｗｉ－Ｆｉ（商標）、ＺｉｇＢｅｅ（商標）、後方散乱通信（ＡＢＣ）プロトコル、ＵＳＢ、ＷＡＮ、またはＬＡＮなどの直接接続を使用して端末、サービス、およびモバイルデバイスを接続することができる。送信される情報は個人情報または機密情報である可能性があるため、セキュリティ上の懸念から、これらのタイプの接続の１つまたは複数を暗号化またはその他の方法で保護する必要がある。しかしながら、いくつかの実施形態では、送信される情報は個人的ではない可能性があり、したがって、ネットワーク接続は、セキュリティよりも利便性のために選択され得る。

【0036】

ツーリングモジュール２０２は、取得システム２０６、抽出モジュール２０８、および予測モジュール２１０を含み得る。一般に、製造システム１０２などのマルチノードまたはマルチステーションアセンブリ環境は、大まかに

【数1】

として表すことができ、ここで、

【数2】

は、すべてのｉノードで構成要素の状態を表すことができ、ここで

【数3】

は、すべてのｉノードでツーリングによって構成要素に対して実行されるアクションのそのセットを表し得る。標準または正規の品質測定値Ｖ_ｃが与えられると、ツーリングモジュール２０２は、推定品質基準、

【数4】

を使用してアセンブリプロセスのエラーを最適化するように構成できるため、

【数5】

はＶ_ｃの閾値距離内になり得る。いくつかの実施形態では、ツーリングモジュール２０２は、状態、

【数6】

を推定することができ、これは、Ｎノードおよび、アクション、

【数7】

のすべてにおける構成要素の状態の数値表現であり得、これは、各ノードの命令または制御値を表し得る。

【0037】

取得システム２０６は、各ノードＮでのアセンブリプロセスの画像データを受け取るように構成され得る。いくつかの実施形態では、取得システム２０６は、監視プラットフォーム１０４のアセンブリプロセスの画像データを受け取ることができる。いくつかの実施形態では、各ノードＮについて、取得システム２０６は、Ｖ個の画像を受信することができ、ここで、Ｖは、各ノードでのアセンブリ手順を記録することができる監視プラットフォーム１０４のカメラの数を表すことができる。したがって、Ｖ個の画像の各画像は、処理中に構成要素の異なる視点を捕捉することができる。画像データの受信に続いて、取得システム２０６は、フレームの画像のサブセットを抽出するように構成され得る。例えば、取得システム２０６は、受信された画像データからＬ個の画像を抽出するように構成され得る。抽出された画像は、ランドマークフレームと呼ばれることがある。ランドマークフレームは、高運動である画像フレームである可能性がある。抽出された画像には、構成要素の特定のランドマーク

【数8】

を含む画像またはフレームが含まれ得、ここで、

【数9】

であり、構成要素の製造プロセス全体を表し得る。

【0038】

特定のオペレータの最小運動（例えば、「ランドマーク」）フレームと最大運動（例えば、「高運動」）フレームの両方に、多数のオペレータにまたがる堅牢な方法で指と手の腕のデータと飛行性能データを相関させようとしている分類器に役立つ情報が含まれ得る。いくつかの実施形態では、オプティカルフローアルゴリズムを使用して、任意の所与のフレーム内の運動量を測定することができる。取得システム２０６は、最も多くの運動を含むフレームを選択することができる。

【0039】

抽出モジュール２０８は、Ｌ個の画像からキーポイントを抽出するように構成され得る。例えば、抽出モジュール２０８は、ランドマークＩ_ｉごとに、Ｋ個のキーポイント、すなわち、（ｘ，ｙ）対を抽出するように構成され得る。言い換えれば、抽出モジュール２０８は、所与の入力、

【数10】

に対してＫ個のキーポイントを出力するように構成され得、ここで、ｌ∈［０，Ｌ－１］である。出力として、抽出モジュール２０８は、単一のベクトル

【数11】

を生成することができる。このベクトルには、

【数12】

で表すことができるＫ個の（ｘ，ｙ）対のランドマーク表現を含めることができ、ここでｉ∈［０，Ｌ－１］である。

【0040】

いくつかの実施形態では、

【数13】

を生成するために、抽出モジュール２０８は、２つの別個のアルゴリズムを実装することができる。（１）境界ボックス推定、（２）キーポイント検出。

【0041】

境界ボックス推定に関しては、

【数14】

が与えられると、各ランドマークフレームは、各ツーリング構成要素のマスク画像を生成するために閾値画像セグメンテーションで処理され得る。例えば、ツーリングが人間である実施形態では、抽出モジュール２０８は、ユーザの手のそれぞれについてマスク画像を生成することができる。いくつかの実施形態では、抽出モジュール２０８は、ブロブ検出を実装して、ツーリングの構成要素を見つけることができる。例として人間を使用すると、抽出モジュール２０８は、画像が常にユーザの左手と右手の両方を含むと想定することができる。フレームが両手を含むことができない場合、抽出モジュール２０８は、任意の定数値ｃで値を割り当てることができる。

【0042】

キーポイント検出に関して、抽出モジュール２０８は、推定された境界ボックスに基づいて、ツーリングのキーポイントを識別し得る。例えば、与えられた入力で、抽出モジュール２０８は、その信頼値

【数15】

と共に、Ｋ個の点、

【数16】

を推定することができる。いくつかの実施形態では、抽出モジュール２０８は、フレーム上に見える点だけでなく、１つまたは複数の関節、視点、オブジェクト、またはツールの相互作用のためにフレームから閉塞される可能性がある点も推定することができる。追跡されたキーポイントを使用して品質測定を予測することが目的である可能性があるため、推定されていない閉塞点は、アセンブリプロセスを表す一意で重要な機能である可能性がある。したがって、閉塞閾値ｔ_ｏは、ランドマークフレームのランダムに選択された小さなサブセット内の閉塞点のｃ_ｉ値の観察から導出できる。ｔ_ｏを使用して、抽出モジュール２０８は、ｃ_ｏ＜ｔ_ｏである推定をフィルタリングすることができる。それらのフィルタリングされた点について、抽出モジュール２０８は、それらに任意の定数値ｃを割り当てることができる。フレーム上のツーリングまたはキーポイントの可視性に関係なく、抽出モジュール２０８の出力は、各構成要素のＬ×Ｋ（ｘ，ｙ）対を含み得る。

【0043】

言い換えれば、抽出モジュール２０８は、閉塞された構成要素にデフォルトの基礎信頼レベルを割り当てるように構成され得、したがって、これらのキーポイントを推定して、観察されたトライアルツーリング構成要素の位置と正規のツーリング構成要素の位置との間の不一致を測定するためのキーポイントのフルセットを利用できるようにする。いくつかの実施形態では、ツーリングモジュール２０２は、所与の時点（例えば、ステーションｉ）での構成要素の状態についての推論を引き出し、次に、測定された不一致を修正するために取るべき、推奨される正規から変更された後続のアクションを出力することができる。

【0044】

予測モジュール２１０は、最終品質基準、

【数17】

を予測するように構成され得る。例えば、予測モジュール２１０は、最終品質基準、

【数18】

を予測するように構成され得、

【数19】

、Ｌ個の時点、

【数20】

のツーリング追跡情報が与えられ、

【数21】

は、各処理ステーション１０８から収集することができる。いくつかの実施形態では、予測モジュール２１０は、最終品質基準を出力するために、長短期メモリ（ＬＳＴＭ）モデルを実装することができる。ＬＳＴＭモデルは、予測モジュール２１０が、従来の回帰ニューラルネットワークで一般的である勾配消失問題を克服することを可能にし得る。勾配消失問題は、勾配の大きさが後の層に対して小さいときに、モデルがニューラルネットワークの初期重みを関連付けることができない場合である。ＬＳＴＭモデルはこの問題を排除する。

【0045】

いくつかの実施形態では、ツーリングモジュール２０２は分類モジュール２１５をさらに含み得る。分類モジュール２１５は、予測された最終品質基準、

【数22】

に基づいて標本を１つまたは複数のクラスに分類するように構成され得る。例えば、動作中、分類モジュール２１５は、標本の正規のまたは所望の最終品質基準Ｖ_ｃを受け取ることができる。分類モジュール２１５は、予測された最終品質基準

を正規のまたは所望の最終品質基準Ｖ_ｃと比較して、デルタΔ_Ｖを生成するように構成され得る。Δ_Ｖの値に応じて、分類モジュール２１５は、標本を１つまたは複数のクラスに分類することができる。例えば、分類モジュール２１５は、標本を、４つのクラス：不可（ｆａｉｌ）（クラス１）、可（ｆａｉｒ）（クラス２）、優（ｅｘｃｅｌｌｅｎｔ）（クラス３）およびオーバークオリファイ（クラス４）のうちの１つに分類することができると仮定する。分類モジュール２１５は、関連するクラス定義に基づいて標本を分類することができる。例えば、関連する定義は、

【数23】

であり得る。

【0046】

当業者なら分かるとおり、関連する定義は、オペレータまたはクライアントの好みに基づいて変化し得る。

【0047】

いくつかの実施形態では、制御モジュール１０６は、構成要素に割り当てられた分類を使用して、最終品質基準が許容可能であるかどうかを決定することができる。例えば、オペレータまたはクライアントは、クラス１に分類された構成要素は許容可能でなく、クラス２～４のいずれかに分類された構成要素は許容可能であると指定することができる。別の例では、オペレータまたはクライアントは、クラス１またはクラス２に分類された構成要素は許容可能でなく、クラス３またはクラス４に分類された構成要素は許容可能であると指定することができる。

【0048】

図３は、例示的な実施形態による、ＬＳＴＭモデルの例示的なアーキテクチャを示すブロック図である。示されるように、ＬＳＴＭモデル３００は、３つの層３０２_１～３０２_３（一般に層３０２）を含み得る。示されるように、各層３０２は、１つまたは複数のセル３０４を含み得る。いくつかの実施形態では、各セル３０４の入力は、ｐ_ｉであり得、ここで、ｉ∈［０，Ｌ－１］である。ＬＳＴＭの各セルは、次のように定義できる。
ｅｑ．１：ｆ_ｉ＝σ（Ｗ_ｆ×［ｈ_ｉ－１，ｐ_ｉ］＋ｂ_ｆ）
ｅｑ．２：Ｉ＿ｉ＝σ（Ｗ＿Ｉ×［ｈ＿（ｉ－１），ｐ＿ｉ］＋ｂ＿Ｉ）
ｅｑ．３：ｃ＝ｆ_ｉ×ｃ_ｔ－１＋Ｉ_ｉ×ｔａｎｈ（Ｗ_ｃ×［ｈ_ｉ－１，ｐ_ｉ］＋ｂ_ｃ）
ｅｑ．４：ｏ_ｉ＝σ（Ｗ_ｏ×［ｈ_ｉ－１，ｐ_ｉ］＋ｂ_ｏ）
ｅｑ．５：ｈ_ｉ＝ｏ_ｉ×ｔａｎｈｃ_ｉ
ここで、式１は、前のセルからの情報を保持するかどうかを決定する。式（２）は、更新する値を決定する。式（３）はセルを更新する。式（４）は、出力する部分を決定する。式（５）は、ＬＳＴＭモデル３００が出力するようにプログラムされたもののみを出力するように、出力部分をフィルタリングすることができる。

【0049】

いくつかの実施形態では、ＬＳＴＭモデル３００は、３０の隠れたサイズを有する３つの層３０２を含み得る。いくつかの実施形態では、ＬＳＴＭモデル３００は、シーケンス対１のＬＳＴＭモデルであり得る。トレーニングの場合、Ｌ１、平均絶対エラー（ＭＡＥ）、損失関数：

【数24】

は、Ａｄａｍオプティマイザーを使用して最小化できる。いくつかの実施形態では、目標は、エラーの方向に関係なく、エラーの大きさを最小化または低減することである可能性があるため、ＭＡＥを使用することができる。

【0050】

図２に戻ると、予測モジュール２１０は、正規の命令セット、

【数25】

および複数の構成要素Ｍを使用してトレーニングされ得る。例えば、Ｍ個のデータの１０ノードビデオを使用して、予測モジュール２１０の入力は、最初に、取得システム２０６および抽出モジュール２０８を介して前処理されることによって構造化され得る。いくつかの実施形態では、トレーニングに関与する各構成要素は、それらの組成物（例えば、形状）をチェックする検証アルゴリズムを介して検証され得る。いくつかの実施形態では、検証アルゴリズムは、組成物を正規の組成物と比較することによって、各ノードの終わりにある組成物の類似性指数を計算することができる。結果として、トレーニングの構成要素は、正規の組成物とほぼ同じである。

【0051】

いくつかの実施形態では、出力のために、対応する物理構成要素を制御された環境でテストして、それらの品質基準を測定することができる。対応する出力データと共に準備された入力データを使用して、予測モジュール２１０は、例えば、Ｍの一部がトレーニングデータであり、Ｍの別の部分が検証データであるようにトレーニングされ得る。トレーニングされると、予測モジュール２１０は、ツーリングの画像データに基づいて、所与の処理工程での構成要素の品質測定を予測することができる可能性がある。

【0052】

ここで、構成要素モジュール２０４を参照すると、構成要素モジュール２０４は、確率的勾配降下（ＳＧＤ）モジュール２１２、ゲート付き回帰ユニット（ＧＲＵ）モデル２１４、およびシミュレーションモジュール２１６を含み得る。この説明では、構成要素の部分的な構成を

【数26】

として定義できる。ここで、工程ｋは製造プロセスに不可逆的エラーをもたらし、工程ｋ＋１，．．．，Ｎはまだ定義されていない。構成要素モジュール２０４は、残りのアクション［｛ｒ_ｋ＋ｉ，ｔ_ｋ＋ｉ｝，．．．，｛ｒ_Ｎ，ｔ_Ｎ｝］の最適な修正シーケンスを識別するように構成され得る。ｒおよびｔは、製造システム１０２の現在の処理ステーションまたは後続の各処理ステーション（ｋ＋１～Ｎ）の少なくとも１つにおいて、構成要素に対して実行されるべき特定の動作に対応し得る。より一般的には、任意の構成要素

【数27】

は、製造システムの各処理ステーション１．．．Ｎで実行されるすべての動作のシーケンスとして定義できる。数学的には、

【数28】

。各製造工程ｉ＝１，．．．，１０で、仮想表現システムは、ユークリッド空間の構成要素（例えば、

【数29】

）を、接続された表面のセットと、各表面の外側の輪郭に沿って均一に分散された接続された点のセットとして表すことができる。いくつかの実施形態では、これらの表現を生成する仮想表現関数は、それぞれ、

【数30】

および

【数31】

と呼ばれ得る。いくつかの実施形態では、構成要素モジュール２０４は、特定の正規の構成要素

【数32】

に向けて

【数33】

を修正するように構成され得る。

【0053】

シミュレーションモジュール２１６は、所与の構成要素

【数34】

の表面モデルをシミュレートまたは生成するように構成され得る。例えば、シミュレーションモジュール２１６は、ツーリングモジュール２０２からツーリング情報を受け取ることができる。ツーリングモジュール２０２によって生成されたキーポイントに基づいて、シミュレーションモジュール２１６は、特定のプロセス工程ｉでの構成要素

【数35】

の状態を表す表面モデルを生成するように構成され得る。いくつかの実施形態では、表面モデルは、

【数36】

として表すことができる。いくつかの実施形態では、シミュレーションモジュール２１６は、構成要素

【数37】

の品質基準を生成または推定するようにさらに構成され得る。表面モデルから、シミュレーションモジュール２１６は、構成要素

【数38】

の特定の座標を表す点モデル、

【数39】

を生成するように構成され得る。例えば、表面モデル

【数40】

から、シミュレーションモジュール２１６は、

【数41】

の各表面の境界輪郭の周りに等間隔に配置された多数の点を配置することによって、点モデル、

【数42】

を作成することができる。いくつかの実施形態では

【数43】

を使用して、アーチファクト

【数44】

の性能をシミュレートすることができる。

【0054】

ＳＧＤモジュール２１２は、シミュレーションモジュール２１６から点モデル

【数45】

を受け取ることができる。ＳＧＤモジュール２１２は、工程ｉでの点モデル

【数46】

を、正規の構成要素、

【数47】

の正規の点モデル

【数48】

と比較することによって、不可逆的エラーｋが発生したかどうかを決定することができる。不可逆的エラーは、工程ｋでの正規の構成要素からの測定可能なほど有意な構造偏差であると定義できる。ＳＧＤモジュール２１２は、ハウスドルフ距離を取ることによって不可逆的エラーを検出するように構成され得る。例えば、ＳＧＤモジュール２１２は、それぞれのユークリッド点セットに基づいて、現在の構成要素

【数49】

の処理工程を正規の構成要素

【数50】

に一致させることができる。数学的には、ＳＧＤモジュール２１２は、ｉ∈ｉ＝１，．．．，Ｎの

【数51】

と

【数52】

の間のハウスドルフ距離を計算するように構成できる。例えば、

【数53】

ここで、ｄ（ｘ，ｙ）はｘとｙの間のユークリッド距離であり、無向ハウスドルフ距離は次のようになり得る。
Ｈ（Ｘ，Ｙ）＝ｍａｘ｛ｈ（Ｘ，Ｙ），ｈ（Ｙ，Ｘ）

【0055】

現在の構成要素

【数54】

と正規の構成要素

【数55】

の間のハウスドルフ距離が閾値許容範囲を超えると、不可逆的エラーが発生する可能性がある。例えば、ＳＧＤモジュール２１２は、以下の場合に工程ｋでエラーが発生したと決定することができる。

【数56】

ここで、τ_Ｈは適切に定義された許容閾値である。

【0056】

エラーがあると仮定すると、ＳＧＤモジュール２１２は、更新されたアクション［｛ｒ_ｋ＋１，ｔ_ｋ＋１｝，．．．，｛ｒ_Ｎ，ｔ_Ｎ｝］のセット、不可逆的エラーｋのエラーの点までの所与のアクションのセットを構築するように構成されてもよい。いくつかの実施形態では、この更新されたアクションのセットは、ｘ_ｔａｉｌと呼ばれることがある。エラー工程ｋの前にあり、エラー工程ｋを含む一連の工程またはアクションは、ｘ_ｈｅａｄと呼ばれる場合がある。一緒に、ｘ_ｔａｉｌとｘ_ｈｅａｄは構成要素

【数57】

を定義し得る。ｘ_ｈｅａｄに基づいて、ＳＧＤモジュール２１２は確率的勾配降下法を使用してｘ_ｔａｉｌを解くことができる。

【0057】

ＧＲＵモデル２１４は、

【数58】

に基づいて、構成要素

【数59】

の最終品質基準を予測するように構成できる。ここで、

【数60】

はベクトル連結演算子を表し得る。ＧＲＵモデル２１４によって生成された最終品質基準を正規の最終品質基準と比較して、ｘ_ｔａｉｌが適切かどうかを決定できる。例えば、ｘ_ｔａｉｌとｘ_ｈｅａｄの組み合わせが、許容値の範囲外の最終品質基準を生成すると仮定すると、ＧＲＵモデル２１４は、ＳＧＤモジュール２１２に、さらなる評価のために更新されたアクションの更新されたシーケンスを生成するように指示できる。

【0058】

図５は、例示的な実施形態による、ＧＲＵモデル２１４のアーキテクチャを示すブロック図である。示されるように、ＧＲＵモデル２１４は、Ｎ ＧＲＵセル５０２_１～５０２_Ｎ（一般に、ＧＲＵセル５０２）を含み得、各ＧＲＵセル５０２は、それぞれの処理ステーション１０８に対応する。各ＧＲＵセル５０２は、（ｒ_ｉ，ｔ_ｉ）入力対および所定のサイズの非表示状態出力

【数61】

を含み得る。一緒に、これらの入力対（ｒ_ｉ，ｔ_ｉ）は、特定の構成要素

【数62】

を定義できる。いくつかの実施形態では、各ＧＲＵセル５０２は、以下によって定義され得る。

【数63】

ここで、

【数64】

は時間ｔでの非表示状態、

【数65】

は時間ｔでの入力、

【数66】

、

【数67】

、および

【数68】

はそれぞれ時間ｔでのリセット、更新、新しいゲートを表すことができる。

【0059】

ＧＲＵモデル２１４は、それに対応する重みを生成するようにトレーニングできる。例えば、ＧＲＵモデル２１４は、特定のサブ問題を解決する方向にＧＲＵモデル２１４にバイアスをかけるように繰り返しトレーニングすることができる。いくつかの実施形態では、第１の反復中に、ＧＲＵモデル２１４は、各予測に対応する対応する予測品質基準と共に工程ｋ＋１，．．．，Ｎで所与の構成要素

【数69】

を完了するために、複数（例えば、数百から数千）の最良の予測（工程ｋで起こり得るエラーごとに１つ）を生成し得る。

【0060】

いくつかの実施形態では、予測された完成のすべてが仮想表現システムでレンダリングされ、それらの段階的なハウスドルフ距離が計算され、それらのレンダリングされた表面がシミュレートされて、生成された予測と正規との間の距離測度が得られる。いくつかの実施形態では、正規の品質基準測定値と予測された品質基準測定値との間の損失値が計算され、ＧＲＵモデル２１４にフィードバックされ得、その重みは、逆伝播によって調整され得、第２の反復を生成し得る。このプロセスは、所望のエラー閾値が得られるまで続く場合がある。

【0061】

いくつかの実施形態では、ＧＲＵモデル２１４は、準備されたデータセットまたは合成データセットでトレーニングすることができる。例えば、シミュレータモジュール２１６または別のシミュレーションシステム（例えばＣＡＤモデル）を使用して、ＧＲＵモデル２１４をトレーニングするためのトレーニングセットを生成することができる。例えば、シミュレーションシステムは、例えば、すべてのパラメータ値の許容される完全な範囲をカバーし得る、アクションの偏りのないランダム化された多くの試行を表すために、準備された構成要素のセット（例えば１００，０００個の準備された構成要素）を生成し得る。いくつかの実施形態では、準備された構成要素のセットは、偏りのないランダム化された試行に加えて、アクションの偏ったランダム化された試行も含み得る。このセットは、Ｐ（Ｕ（０，１），１０００００）と呼ばれることがある。各

【数70】

は、一様分布Ｕ（０，１）からサンプリングすることによってその定義パラメータ値を取得することができる。

【0062】

いくつかの実施形態では、例えば、構成要素を処理して正規の構成要素

【数71】

を複製する多くの試行を表すために、５０，０００個の準備された構成要素のセットを生成することができる。これは、セット

【数72】

と呼ばれることがある。各

【数73】

は、統計学的サンプリングプロセスによってその定義パラメータ値を取得することができる。いくつかの実施形態では、ｉ番目のアクションは、正規に定義された対応する折り畳みに中心的に向かうことがあり、適切にパラメータ化されたガウス分布に従って変化し得る。準備された構成要素データセットは、

【数74】

として定義できる。

【0063】

図４は、例示的な実施形態による、ツーリングモジュール２０２のためのフィードバックセグメント４００の全体的なプロセスフローを視覚的に示すブロック図である。

【0064】

示されるように、フィードバックセグメント４００は、第１の部分４０２、第２の部分４０４、および第３の部分４０６を含み得る。第１の部分４０２の間、ツーリングモジュール２０２は、取得システム２０６によって少なくとも部分的に実行されるような取得プロセスを実行することができる。

【0065】

示されるように、ブロック４０８で、製造システム１０２は、構成要素を処理するための処理命令を受け取ることができる。いくつかの実施形態では、製造システム１０２は、ステーション１０８ごとに処理命令を受け取ることができる。例えば、製造システム１０２の各ステーション１０８は、独立した処理命令を受け取ることができる。いくつかの実施形態では、処理命令は、製造のためのステーション１０８の属性（例えば、温度、圧力など）を定義する制御値を含み得る。いくつかの実施形態では、処理命令は、製造プロセスの処理ノードで特定の処理工程を実行する方法を人間のオペレータに視覚的に示すビデオまたは画像を含み得る。

【0066】

ブロック４１０において、取得システム２０６は、監視プラットフォーム１０４から画像データを受け取ることができる。いくつかの実施形態では、各ノードＮについて、取得システム２０６は、Ｖ個の画像を受信することができ、ここで、Ｖは、各ノードでのアセンブリ手順を記録することができる監視プラットフォーム１０４のカメラの数を表すことができる。画像データの受信に続いて、ブロック４１２で、取得システム２０６は、フレームの画像のサブセットを抽出するように構成され得る。例えば、取得システム２０６は、受信された画像データからＬ個の画像を抽出するように構成され得る。抽出された画像は、ランドマークフレームと呼ばれることがある。抽出された画像には、特定のランドマークを含むそれらの画像またはフレームが含まれ得、構成要素の製造プロセス全体を表し得る。

【0067】

第２の部分４０４は、抽出モジュール２０８によって実行される動作に対応し得る。示されるように、抽出モジュール２０８は、取得システム２０６から少なくとも抽出された画像を受信することができる。抽出モジュール２０８は、Ｌ個の画像からキーポイントを抽出するように構成され得る。例えば、抽出モジュール２０８は、ランドラークＩ_ｉごとに、Ｋ個のキーポイント、すなわち、（ｘ，ｙ）対を抽出するように構成され得る。

【0068】

ブロック４１４で、抽出モジュール２０８は、境界ボックス推定を実行することができる。例えば、

【数75】

が与えられた場合、各ランドマークフレームは、閾値画像セグメンテーションで処理され、各ツーリング構成要素のマスク画像が生成され得る。例えば、示されるように、ツーリングが人間である実施形態では、抽出モジュール２０８は、ユーザの手のそれぞれについてマスク画像を生成することができる。

【0069】

ブロック４１６で、抽出モジュール２０８は、境界ボックス推定を前提として、キーポイント検出を実行することができる。例えば、与えられた入力で、抽出モジュール２０８は、その信頼値

【数76】

と共に、Ｋ個の点、

【数77】

を推定することができる。いくつかの実施形態では、抽出モジュール２０８は、フレーム上に見える点だけでなく、１つまたは複数の関節、視点、オブジェクト、またはツールの相互作用のためにフレームから閉塞される可能性がある点も推定することができる。

【0070】

第３の部分４０６は、予測モジュール２１０によって実行される動作に対応することができる。示されるように、ブロック４１８で、予測モジュール２１０は、抽出モジュール２０８からキーポイント情報を受信することができ、最終品質基準、

【数78】

を予測するように構成することができる。いくつかの実施形態では、予測モジュール２１０は、最終品質基準を出力するために、長短期メモリ（ＬＳＴＭ）モデルを実装することができる。

【0071】

図６Ａは、例示的な実施形態による、多工程製造プロセスを修正する方法６００を示す流れ図である。方法６００は、工程６０２で開始することができる。

【0072】

工程６０２で、命令セットが製造システム１０２に提供され得る。命令セットは、製造システム１０２によって実行される製造プロセスのための命令のセットを表すことができる。いくつかの実施形態では、命令セットは、各ステーション１０８に提供され得る。例えば、各それぞれのステーション１０８に提供される各正規の命令セットは、特定の製造工程のための処理パラメータを定義することができる。別の例では、各正規の命令セットは、特定の処理ノードまたはステーション１０８で人間のアクターによって実行される個別の工程のビデオであり得る。

【0073】

工程６０４で、制御モジュール１０６は、監視プラットフォーム１０４からツーリング（例えば、ステーション１０８）の画像データを受け取ることができる。例えば、取得システム２０６は、それぞれの処理ノードでのアセンブリプロセスの画像データを受け取ることができる。いくつかの実施形態では、取得システム２０６は、Ｖ個の画像を受信することができ、ここで、Ｖは、特定の処理ステーション１０８でのアセンブリ手順を記録することができる監視プラットフォーム１０４のカメラの数を表すことができる。したがって、Ｖ個の画像の各画像は、処理中にツーリングの異なる視点を捕捉することができる。

【0074】

工程６０６で、制御モジュール１０６は、取得された画像データから画像のサブセットを抽出することができる。例えば、画像データの受信に続いて、取得システム２０６は、フレームの画像のサブセットを抽出するように構成され得る。例えば、取得システム２０６は、受信された画像データからＬ個の画像、すなわちランドマークフレームを抽出するように構成され得る。抽出された画像は、ランドマークフレームと呼ばれることがある。ランドマークフレームは、高運動のそれらの画像フレームであり得る。抽出された画像には、構成要素の特定のランドマーク、

【数79】

を含む画像またはフレームが含まれ得、ここで、

【数80】

であり、構成要素の製造プロセス全体を表すことができる。

【0075】

工程６０８で、制御モジュール１０６は、ランドマークフレームからツーリングの１つまたは複数のキーポイントを抽出することができる。例えば、抽出モジュール２０８は、Ｌ個の画像からキーポイントを抽出することができる。抽出モジュール２０８は、所与の入力、

【数81】

に対してＫ個のキーポイントを識別または抽出することができ、ここで、ｌ∈［０，Ｌ－１］である。出力として、抽出モジュール２０８は、単一のベクトル

【数82】

を生成することができる。このベクトルには、

【数83】

で表すことができるＫ個の（ｘ，ｙ）対のランドマーク表現を含めることができ、ここで、ｉ∈［０，Ｌ－１］である。

【0076】

工程６１０で、制御モジュール１０６は、少なくとも識別されたキーポイントに基づいて、構成要素の最終品質基準を予測することができる。いくつかの実施形態では、予測モジュール２１０は、最終品質基準を出力するために、長短期メモリ（ＬＳＴＭ）モデルを実装することができる。

【0077】

工程６１２で、制御モジュール１０６は、最終品質基準を所望の品質測定基準と比較することができる。工程６１２で、制御モジュール１０６が、最終品質基準が所望の品質基準の閾値許容範囲であると決定した場合、製造プロセスは、元の命令セットに従って、次の処理ステーションまたはノードに進むことができる（例えば、工程６１６）。しかしながら、工程６１２で、制御モジュール１０６が、最終品質基準が所望の品質基準の閾値許容範囲内にないと決定した場合、工程６１４で、制御モジュール１０６は、処理ステーションｋまたは１つもしくは複数の処理ステーションｋ＋１の少なくとも１つのステーションの処理パラメータを調整することができ、ここで、ｋは、現在の処理ステーションを表すことができ、ｋ＋１は、現在の処理ステーションの下流の他の処理ステーションを表すことができる。いくつかの実施形態では、制御モジュール１０６は、現在のステーション１０８（ｋ）および／または後続のステーション１０８（ｋ＋１）のステーションコントローラとインターフェースして、それぞれの制御および／またはステーションパラメータを調整することができる。いくつかの実施形態では、制御モジュール１０６は、生産ラインの処理ステーションｋまたは１つもしくは複数の処理ステーション（ｋ＋１）の少なくとも１つで実行される更新された命令を人間の製造業者に提供することができる。これらの調整は、最終品質基準が許容可能な品質基準の範囲内になり得るように、製造プロセスの修正に役立ち得る。

【0078】

図６Ｂは、例示的な実施形態による、多工程製造プロセスを修正する方法６５０を示す流れ図である。方法６５０は、工程６５２で開始することができる。

【0079】

工程６５２で、命令セットが製造システム１０２に提供され得る。命令セットは、製造システム１０２によって実行される製造プロセスのための命令のセットを表すことができる。いくつかの実施形態では、命令セットは、各ステーション１０８に提供され得る。例えば、各それぞれのステーション１０８に提供される各正規の命令セットは、特定の製造工程のための処理パラメータを定義することができる。別の例では、各正規の命令セットは、特定の処理ノードまたはステーション１０８で人間のアクターによって実行される個別の工程のビデオであり得る。

【0080】

工程６５４で、制御モジュール１０６は、監視プラットフォーム１０４からツーリング（例えば、ステーション１０８）の画像データを受け取ることができる。例えば、取得システム２０６は、それぞれの処理ノードでのアセンブリプロセスの画像データを受け取ることができる。いくつかの実施形態では、取得システム２０６は、Ｖ個の画像を受信することができ、ここで、Ｖは、特定の処理ステーション１０８でのアセンブリ手順を記録することができる監視プラットフォーム１０４のカメラの数を表すことができる。したがって、Ｖ個の画像の各画像は、処理中にツーリングの異なる視点を捕捉することができる。

【0081】

工程６５６で、制御モジュール１０６は、取得された画像データから画像のサブセットを抽出することができる。例えば、画像データの受信に続いて、取得システム２０６は、フレームの画像のサブセットを抽出するように構成され得る。例えば、取得システム２０６は、受信された画像データからＬ個の画像、すなわちランドマークフレームを抽出するように構成され得る。抽出された画像は、ランドマークフレームと呼ばれることがある。ランドマークフレームは、高運動のそれらの画像フレームであり得、製造プロセスの進行を明確に捕捉する最も有意味の特徴を含み得る。抽出された画像には、構成要素の特定のランドマーク、

【数84】

を含む画像またはフレームが含まれ得、ここで、

【数85】

であり、構成要素の製造プロセス全体を表すことができる。

【0082】

工程６５８で、制御モジュール１０６は、ランドマークフレームからツーリングの１つまたは複数のキーポイントを抽出することができる。例えば、抽出モジュール２０８は、Ｌ個の画像からキーポイントを抽出することができる。抽出モジュール２０８は、所与の入力、

【数86】

に対してＫ個のキーポイントを識別または抽出することができ、ここで、ｌ∈［０，Ｌ－１］である。出力として、抽出モジュール２０８は、単一のベクトル

【数87】

を生成することができる。このベクトルには、

【数88】

で表すことができるＫ個の（ｘ，ｙ）対のランドマーク表現を含めることができ、ここで、ｉ∈［０，Ｌ－１］である。

【0083】

工程６６０で、制御モジュール１０６は、少なくとも識別されたキーポイントに基づいて、構成要素の最終品質基準を予測することができる。いくつかの実施形態では、予測モジュール２１０は、最終品質基準の推定値を出力するために、長短期メモリ（ＬＳＴＭ）モデルを実装することができる。

【0084】

工程６６２で、制御モジュール１０６は、最終品質基準に基づいて構成要素を分類することができる。例えば、分類モジュール２１５は、予測された最終品質基準、

【数89】

に基づいて構成要素を１つまたは複数のクラスに分類することができる。構成要素を分類するために、ツーリングモジュール２０２は、構成要素の正規のまたは所望の最終品質基準Ｖ_ｃを受け取ることができる。ツーリングモジュール２０２は、予測された最終品質基準

を正規のまたは所望の最終品質基準Ｖ_ｃと比較して、デルタΔ_Ｖを生成するように構成され得る。Δ_Ｖの値に応じて、分類モジュール２１５は、構成要素を１つまたは複数のクラスに分類することができる。

【0085】

いくつかの実施形態では、方法６５０は、動作６６４～６６８をさらに含み得る。

【0086】

工程６６４で、制御モジュール１０６は、構成要素に割り当てられたクラスが許容可能なクラスであるかどうかを決定することができる。工程６６４で、制御モジュール１０６が、構成要素が許容可能なクラスに割り当てられたと決定した場合、製造プロセスは、元の命令セットに従って、次の処理ステーションまたはノードに進むことができる（例えば、工程６６６）。しかしながら、工程６６４で、制御モジュール１０６が、構成要素が許容できないクラスに割り当てられたと決定した場合、工程６６８で、制御モジュール１０６は、処理ステーションｋまたは１つもしくは複数の処理ステーション（ｋ＋１）の少なくとも１つのステーションの処理パラメータを調整することができる。いくつかの実施形態では、制御モジュール１０６は、現在のステーション１０８または後続のステーション１０８の少なくとも１つのステーションのステーションコントローラとインターフェースして、それらのそれぞれの制御および／またはステーションパラメータを調整することができる。いくつかの実施形態では、制御モジュール１０６は、生産ラインの処理ステーションｋまたは１つもしくは複数の処理ステーション（ｋ＋１）の少なくとも１つで実行される更新された命令を人間の製造業者に提供することができる。これらの調整は、最終品質基準が許容可能な品質基準の範囲内になり得るように、製造プロセスの修正に役立ち得る。

【0087】

図７は、例示的な実施形態による、多工程製造プロセスを修正する方法７００を示す流れ図である。方法７００は、工程７０２から開始することができる。

【0088】

工程７０２で、命令セットが製造システム１０２に提供され得る。命令セットは、製造システム１０２によって実行される製造プロセスのための命令のセットを表すことができる。いくつかの実施形態では、命令セットは、各ステーション１０８に提供され得る。例えば、各それぞれのステーション１０８に提供される各正規の命令セットは、特定の製造工程のための処理パラメータを定義することができる。別の例では、各正規の命令セットは、特定の処理ノードまたはステーション１０８で人間のアクターによって実行される個別の工程のビデオであり得る。

【0089】

工程７０４において、制御モジュール１０６は、それぞれの処理ノードにおける構成要素に対応する情報を識別し得る。いくつかの実施形態では、シミュレーションモジュール２１６は、ツーリングモジュール２０２からツーリング情報を受け取ることができる。ツーリングモジュール２０２によって生成されたキーポイントに基づいて、シミュレーションモジュール２１６は、特定のプロセス工程ｉでの構成要素

【数90】

の状態を表す表面モデルを生成するように構成され得る。いくつかの実施形態では、表面モデルは、

【数91】

として表すことができる。いくつかの実施形態では、シミュレーションモジュール２１６は、構成要素

【数92】

の品質基準を生成または推定するようにさらに構成され得る。表面モデルから、シミュレーションモジュール２１６は、構成要素

【数93】

の特定の座標を表す点モデル、

【数94】

生成するように構成され得る。

【0090】

工程７０６において、制御モジュール１０６は、不可逆的エラーが発生したかどうかを決定することができる。例えば、ＳＧＤモジュール２１２は、シミュレーションモジュール２１６から点モデル、

【数95】

を受け取ることができる。ＳＧＤモジュール２１２は、工程ｉでの点モデル

【数96】

を、正規の構成要素、

【数97】

の正規の点モデル、

【数98】

と比較することによって、不可逆的エラーｋが発生したかどうかを決定することができる。ＳＧＤモジュール２１２は、点モデルと対応する正規の点モデルとの間のハウスドルフ距離を取ることによって不可逆的エラーを検出するように構成され得る。それぞれの処理ステーションまたはノードで、現在の構成要素

【数99】

と正規の構成要素

【数100】

の間のハウスドルフ距離が閾値許容範囲を超えると、不可逆的エラーが存在する可能性がある。

【0091】

工程７０６で、制御モジュール１０６が不可逆的エラーが発生していないと決定した場合、製造プロセスは、元の命令セットに従って、次の処理ステーションまたはノードに進むことができる（工程７０５）。しかし、工程７０６で、制御モジュール１０６が不可逆的エラーが発生したと決定した場合、方法７００は工程７０８に進む。

【0092】

工程７０８で、制御モジュール１０６は、不可逆的エラーを修正するための更新されたアクションのセットを生成することができる。ＳＧＤモジュール２１２は、更新されたアクション［｛ｒ_ｋ＋１，ｔ_ｋ＋１｝，．．．，｛ｒ_Ｎ、ｔ_Ｎ｝］のセット、不可逆的エラーｋのエラーの点までの所与のアクションのセットを構築することができる。いくつかの実施形態では、この更新されたアクションのセットは、ｘ_ｔａｉｌと呼ばれることがある。エラー工程ｋの前にあり、エラー工程ｋを含む一連の工程またはアクションは、ｘ_ｈｅａｄと呼ばれる場合がある。一緒に、ｘ_ｔａｉｌとｘ_ｈｅａｄは構成要素

【数101】

を定義し得る。ｘ_ｈｅａｄに基づいて、ＳＧＤモジュール２１２は確率的勾配降下法を使用してｘ_ｔａｉｌを解くことができる。エラー工程ｋの前にあり、エラー工程ｋを含む一連の工程またはアクションは、ｘ_ｈｅａｄと呼ばれる場合がある。一緒に、ｘ_ｔａｉｌとｘ_ｈｅａｄは構成要素

【数102】

を定義し得る。ｘ_ｈｅａｄに基づいて、ＳＧＤモジュール２１２は確率的勾配降下法を使用してｘ_ｔａｉｌを解くことができる。

【0093】

工程７１０で、制御モジュール１０６は、ＳＧＤモジュール２１２によって生成されたアクションのセットに基づいて、構成要素の予測された最終品質基準を生成することができる。例えば、ＧＲＵモデル２１４は、

【数103】

に基づいて構成要素

【数104】

の最終品質基準を予測するように構成できる。ここで、

【数105】

はベクトル連結演算子を表すことができる。

【0094】

工程７１２で、制御モジュール１０６は、予測された最終品質基準が正規の最終品質基準の閾値許容範囲内にあるかどうかを決定することができる。例えば、ＧＲＵモデル２１４によって生成された最終品質基準を正規の最終品質基準と比較して、ｘ_ｔａｉｌが適切かどうかを決定できる。工程７１２で、制御モジュール１０６が、予測された品質基準が閾値許容範囲内にあると決定した場合、工程７１４で、制御モジュール１０６は、処理ステーションｋまたは１つもしくは複数の処理ステーション（ｋ＋１）の少なくとも１つのステーションの処理パラメータを調整することができる。いくつかの実施形態では、制御モジュール１０６は、ステーション１０８（ｋ）または後続のステーション１０８（ｋ＋１）のステーションコントローラとインターフェースして、それらのそれぞれの制御および／またはステーションパラメータを調整することができる。いくつかの実施形態では、制御モジュール１０６は、生産ラインの処理ステーションｋまたは１つもしくは複数の処理ステーション（ｋ＋１）の少なくとも１つで実行される更新された命令を人間の製造業者に提供することができる。これらの調整は、最終品質基準が許容可能な品質基準の範囲内になり得るように、製造プロセスの修正に役立ち得る。

【0095】

しかしながら、工程７１２で、制御モジュール１０６が、予測された品質基準が閾値許容範囲内にないと決定した場合、ＧＲＵモデル２１４は、ＳＧＤモジュール２１２に新しいｘ_ｔａｉｌを生成するように促すことができる。例えば、方法７００は、ＳＧＤモジュール２１２の工程７０８に戻って、更新されたアクションの新しいセットを構築することができる。

【0096】

図８Ａは、例示的な実施形態による、システムバスコンピューティングシステムアーキテクチャ８００を示している。システム８００の１つまたは複数の構成要素は、バス８０５を使用して互いに電気的に通信していてもよい。システム８００は、プロセッサ（例えば、１つまたは複数のＣＰＵ、ＧＰＵまたは他の種類のプロセッサ）８１０およびシステムバス８０５を含み得、これは、読み取り専用メモリ（ＲＯＭ）８２０およびランダムアクセスメモリ（ＲＡＭ）８２５などのシステムメモリ８１５を含む様々なシステム構成要素をプロセッサ８１０に結合する。システム８００は、プロセッサ８１０に直接接続されているか、近接しているか、またはプロセッサ８１０の一部として統合されている高速メモリのキャッシュを含むことができる。システム８００は、プロセッサ８１０による迅速なアクセスのために、メモリ８１５および／またはストレージデバイス８３０からキャッシュ８１２にデータをコピーすることができる。このようにして、キャッシュ８１２は、データを待機している間のプロセッサ８１０の遅延を回避する性能向上を提供し得る。これらおよび他のモジュールは、プロセッサ８１０を制御するか、または制御して様々なアクションを実行するように構成することができる。他のシステムメモリ８１５も同様に使用可能であり得る。メモリ８１５は、異なる性能特性を有する複数の異なるタイプのメモリを含み得る。プロセッサ８１０は、単一のプロセッサまたは複数のプロセッサを表すことができる。プロセッサ８１０は、プロセッサ８１０およびソフトウェア命令が実際のプロセッサ設計に組み込まれている専用プロセッサを制御するように構成された、ストレージデバイス８３０に記憶されたサービス１ ８３２、サービス２ ８３４、およびサービス３ ８３６などの汎用プロセッサあるいはハードウェアモジュールまたはソフトウェアモジュールのうちの１つまたは複数を含むことができる。プロセッサ８１０は、本質的に、複数のコアまたはプロセッサ、バス、メモリコントローラ、キャッシュなどを含む、完全に自己完結型のコンピューティングシステムであり得る。マルチコアプロセッサは、対称または非対称の場合がある。

【0097】

コンピューティングデバイス８００とのユーザ相互作用を可能にするため、入力デバイス８４５は、音声用のマイクロフォン、ジェスチャまたはグラフィック入力用のタッチセンシティブスクリーン、キーボード、マウス、モーション入力、音声など、任意の数の入力メカニズムであり得る。出力デバイス８３５はまた、当業者に知られているいくつかの出力機構のうちの１つまたは複数であり得る。場合によっては、マルチモーダルシステムは、ユーザがコンピューティングデバイス８００と通信するために複数のタイプの入力を提供することを可能にすることができる。通信インターフェース８４０は、一般に、ユーザ入力およびシステム出力を運営および管理することができる。特定のハードウェア構成での動作に制限はない。したがって、ここでの基本機能は、開発時に改善されたハードウェアまたはファームウェア構成に簡単に置き換えることができる。

【0098】

ストレージデバイス８３０は、不揮発性メモリであり得るし、磁気カセット、フラッシュメモリカード、ソリッドステートメモリデバイス、デジタル多用途ディスク、カートリッジ、ランダムアクセスメモリ（ＲＡＭ）８２５、読み取り専用メモリ（ＲＯＭ）８２０、およびそれらのハイブリッドなど、コンピュータによってアクセス可能なデータを記憶することができるハードディスクまたは他のタイプのコンピュータ可読媒体であり得る。

【0099】

ストレージデバイス８３０は、プロセッサ８１０を制御するためのサービス８３２、８３４、および８３６を含むことができる。他のハードウェアまたはソフトウェアモジュールが企図されている。ストレージデバイス８３０は、システムバス８０５に接続することができる。一態様では、特定の機能を実行するハードウェアモジュールは、機能を実行するために必要なハードウェア構成要素（プロセッサ８１０、バス８０５、ディスプレイ８３５など）に関連してコンピュータ可読媒体に記憶されたソフトウェア構成要素を含むことができる。

【0100】

図８Ｂは、例示的な実施形態による、チップセットアーキテクチャを有するコンピュータシステム８５０を示している。コンピュータシステム８５０は、開示された技術を実装するために使用することができるコンピュータハードウェア、ソフトウェア、およびファームウェアの一例であり得る。システム８５０は、識別された計算を実行するように構成されたソフトウェア、ファームウェア、およびハードウェアを実行することができる任意の数の物理的および／または論理的に異なるリソースを表す１つまたは複数のプロセッサ８５５を含むことができる。１つまたは複数のプロセッサ８５５は、１つまたは複数のプロセッサ８５５への入力および１つまたは複数のプロセッサ８５５からの出力を制御することができるチップセット８６０と通信することができる。この例では、チップセット８６０は、ディスプレイなどの出力８６５に情報を出力し、例えば、磁気媒体およびソリッドステート媒体を含むことができるストレージデバイス８７０に情報を読み書きすることができる。チップセット８６０は、ＲＡＭ８７５との間でデータの読み取りと書き込みを行うこともできる。チップセット８６０とインターフェースするために、様々なユーザインターフェース構成要素８８５とインターフェースするためのブリッジ８８０を提供することができる。そのようなユーザインターフェース構成要素８８５は、キーボード、マイクロフォン、タッチ検出および処理回路、マウスなどのポインティングデバイスなどを含むことができる。一般に、システム８５０への入力は、機械生成および／または人間生成の様々なソースのいずれかから来ることができる。

【0101】

チップセット８６０はまた、異なる物理的インターフェースを有することができる１つまたは複数の通信インターフェース８９０とインターフェースすることができる。このような通信インターフェースには、有線および無線のローカルエリアネットワーク、ブロードバンド無線ネットワーク、およびパーソナルエリアネットワークのインターフェースを含めることができる。本明細書に開示されるＧＵＩを生成、表示、および使用するための方法のいくつかのアプリケーションは、物理的インターフェースを介して順序付けられたデータセットを受信することを含み、あるいはストレージ８７０または８７５に記憶されたデータを分析する１つまたは複数のプロセッサ８５５によって機械自体によって生成され得る。さらに、機械は、ユーザインターフェース構成要素８８５を介してユーザから入力を受け取り、１つまたは複数のプロセッサ８５５を使用してこれらの入力を解釈することによってブラウジング機能などの適切な機能を実行することができる。

【0102】

例示的なシステム８００および８５０は、複数のプロセッサ８１０を有するか、またはより大きな処理能力を提供するために一緒にネットワーク化されたコンピューティングデバイスのグループまたはクラスタの一部であり得ることが理解され得る。

【0103】

前述の内容は本明細書に記載の実施形態を対象としているが、他のさらなる実施形態は、その基本的な範囲から逸脱することなく考案することができる。例えば、本開示の態様は、ハードウェアまたはソフトウェア、あるいはハードウェアとソフトウェアの組み合わせで実装され得る。本明細書で説明される一実施形態は、コンピュータシステムで使用するためのプログラム製品として実装され得る。プログラム製品のプログラムは、実施形態の機能（本明細書に記載の方法を含む）を定義し、様々なコンピュータ可読記憶媒体に含めることができる。例示的なコンピュータ可読記憶媒体には、以下が含まれるが、これらに限定されない。（ｉ）情報が永続的に記憶される書き込み不可能な記憶媒体（例えば、ＣＤ－ＲＯＭドライブ、フラッシュメモリ、ＲＯＭチップ、または任意のタイプのソリッドステート不揮発性メモリによって読み取り可能なＣＤ－ＲＯＭディスクなど、コンピュータ内の読み取り専用メモリ（ＲＯＭ）デバイス）、（ｉｉ）変更可能な情報が記憶される書き込み可能な記憶媒体（例えば、ディスケットドライブまたはハードディスクドライブ内のフロッピーディスク、あるいは任意のタイプのソリッドステートランダムアクセスメモリ）。そのようなコンピュータ可読記憶媒体は、開示された実施形態の機能を指示するコンピュータ可読命令を運ぶ場合、本開示の実施形態である。

【0104】

前述の実施例は例示的なものであり、限定するものではないことが当業者に理解されよう。明細書を読み、図面の研究をすると、それらに対するすべての順列、拡張、同等物、および改善が当業者に明らかであり、本開示の真の趣旨および範囲に含まれることが意図されている。したがって、以下の添付の特許請求の範囲には、これらの教示の真の趣旨と範囲に含まれるすべてのそのような修正、順列、および同等物が含まれることが意図されている。

【図1】

【図2】

【図3】

【図4】

【図5】

【図6A】

【図6B】

【図7】

【図8A】

【図8B】