IT202300027954A1 - Metodo avanzato basato sull'intelligenza artificiale (ai) per generare procedure ottimizzate di manutenzione e installazione elettrica e relativo sistema correlato per l'attuazione di tali procedure - Google Patents
Metodo avanzato basato sull'intelligenza artificiale (ai) per generare procedure ottimizzate di manutenzione e installazione elettrica e relativo sistema correlato per l'attuazione di tali procedureInfo
- Publication number
- IT202300027954A1 IT202300027954A1 IT102023000027954A IT202300027954A IT202300027954A1 IT 202300027954 A1 IT202300027954 A1 IT 202300027954A1 IT 102023000027954 A IT102023000027954 A IT 102023000027954A IT 202300027954 A IT202300027954 A IT 202300027954A IT 202300027954 A1 IT202300027954 A1 IT 202300027954A1
- Authority
- IT
- Italy
- Prior art keywords
- procedures
- conditions
- phase
- relating
- electrical
- Prior art date
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
-
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/20—Administration of product repair or maintenance
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Computational Linguistics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Operations Research (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Artificial Intelligence (AREA)
- Quality & Reliability (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Description
[0001] DESCRIZIONE
[0003] La presente invenzione riguarda un metodo avanzato basato sull'intelligenza artificiale (IA) per generare procedure ottimizzate di manutenzione e installazione elettrica, nonch? un sistema correlato per l'attuazione di tali procedure. Questa innovazione si inserisce in un contesto in cui gli approcci tradizionali alla manutenzione e all'installazione elettrica si basano su procedure standard e metodi per lo pi? empirici e basati sulla esperienza del singolo manutentore, e che quindi possono variare significativamente in termini di efficienza, sicurezza e affidabilit?. Infatti, nella manutenzione e nell'installazione elettrica tradizionali, le procedure sono spesso stabilite sulla base di linee guida standard e conoscenze acquisite tramite esperienza. Questo pu? portare a disparit? nella qualit? dell'esecuzione e a potenziali rischi di sicurezza. Con l'avvento dell'AI (artificial intelligence) e delle tecnologie indossabili dotate di sensoristica (IoT) in grado di raccogliere diversi parametri ed in tal modo descrivere in maniera accurata l?ambiente circostante, sono state introdotte nuove metodologie per migliorare l'efficienza e la sicurezza (US20190339684A1, US20200133254A1, US11481652B2). Tuttavia, queste tecnologie sono ancora in fase di sviluppo e non sempre pienamente integrate nelle pratiche quotidiane di manutenzione e installazione. In questo contesto, il sistema e metodo introdotto nella presente invenzione si distingue per il suo approccio ?olistico? e tecnologicamente avanzato, che tiene in conto di tutto il contesto fisico, e che ? in grado di generare procedure operative strettamente correlate al contesto e quindi maggiormente efficaci. Il
sistema ideato utilizza quindi un casco o dispositivo indossabile dotato di sensoristica avanzata per modellare lo spazio 3D circostante, rilevando oggetti, temperature, parametri chimico-fisici e classificazioni funzionali degli stessi oggetti, ovvero loro utilizzo/impiego e quindi condizioni operative standard nel contesto in cui sono inseriti. Il training del modello viene effettuato al fine di creare basi di conoscenza semantica utili a comprendere il contesto, modellare oggetti, situazioni di pericolo, e tiene conto di procedure standard di sicurezza e di manutenzione della componente elettrica, consentendo una comprensione pi? profonda e dettagliata dell'ambiente in cui si deve operare. In questo modo, il modulo di AI (artificial intelligence) ? in grado di generare procedure di manutenzione e sicurezza personalizzate, basate su dati ambientali e oggettivi raccolti, migliorando significativamente la precisione e l'affidabilit? delle operazioni. Il divario tra le pratiche attualmente esistenti e il sistema proposto ? quindi evidente in termini di personalizzazione del contesto lavorativo specifico. Mentre i metodi tradizionali possono essere generici e non specifici per l'ambiente o l'attrezzatura, il sistema proposto offre soluzioni che sono corrispondenti al preciso contesto, aumentando l'efficienza e riducendo i rischi. Il metodo ideato prevede dunque:
[0004] - Una fase di modellazione dell?ambiente circostante in termini di: spazio 3D e orografia, oggetti presenti, temperatura, parametri chimico-fisici, classificazione funzionale (ad es. ufficio, cabina elettrica, stabilimento produttivo), condizioni standard;
[0005] - Una fase di modellazione semantica degli oggetti precedentemente individuati in termini di: dimensioni, condizioni chimico fisiche
(temperatura, potenziale elettrico, materiale superficiale), classificazione funzionale dell?oggetto (ad es. quadro elettrico, lavatrice, macchina movimento terra), condizioni operative standard;
[0006] -Una fase di modellazione di una base di conoscenza semantica relativa a situazioni di pericolo nel luogo modellato in termini di: superamento valori soglia inquinanti, superamento valori temperatura standard, abbassamento contenuto ossigeno, condizioni di luce critiche, condizioni di pressione atmosferica critiche, condizioni di superfice appoggio piede critiche (tenuta, temperatura, tenuta allo scivolamento), corto-circuiti elettrici;
[0007] - Una fase di modellazione di una base di conoscenza semantica relativa alle condizioni fisiche standard ed ottimali dell?operatore nel contesto lavorativo reale;
[0008] - Una fase di modellazione di una base di conoscenza semantica relativa a situazioni e condizioni di pericolo degli oggetti precedentemente individuati; - Una fase di modellazione di una base di conoscenza semantica relativa a procedure canoniche (di letteratura) di manutenzione della componentistica elettrica e di ripristino delle condizioni di sicurezza relative alle problematiche e situazioni precedentemente modellate;
[0009] - Una fase di raccolta dei parametri chimico-fisici degli oggetti e dell?ambiente circostante precedentemente descritti;
[0010] - Una fase di raccolta dei parametri relativi alle condizioni fisiche dell?operatore quali ad esempio: sudorazione, battito cardiaco, saturazione di ossigeno;
[0011] - Una fase di generazione tramite modulo di intelligenza artificiale di procedure funzionali al ripristino delle condizioni di sicurezza sulla base del training effettuato alle fasi precedenti;
[0012] - Una fase di generazione di procedure di manutenzione della componentistica elettrica presente sulla base del training effettuato alle fasi precedenti;
[0013] - Una fase di interpretazione delle procedure di ripristino delle condizioni di sicurezza e manutenzione della componentistica elettrica precedentemente create con relativa comparazione con procedure di letteratura;
[0014] - Una fase di modellazione di una base di conoscenza con le procedure reali utilizzate nel contesto individuato e descritto alle fasi precedenti;
[0015] - Una fase di generazione di alert in presenza di situazioni di pericolo per l?operatore derivanti da contesto ambientale e propria condizione fisica; - Una fase di inferenza di suggerimenti dal process gap di eventuali miglioramenti da effettuare in termini di procedure di sicurezza e manutenzione elettrica fra procedure generate da AI (artificial intelligence) e procedure acquisite alla fase precedente;
[0016] Il sistema A basato su intelligenza artificiale relativo al metodo ideato ? quindi composto da:
[0017] - Un casco o dispositivo indossabile (1) dotato di opportuna sensoristica per acquisizione e descrizione/modellazione dell?ambiente circostante in termini di: spazio 3D e orografia, oggetti presenti, temperatura, parametri chimico-fisici, classificazione funzionale (ad es. ufficio, cabina elettrica, stabilimento produttivo), condizioni standard;
[0018] - Una base di conoscenza semantica (2) degli oggetti precedentemente individuati e descritti in termini di: dimensioni, condizioni chimico fisiche (ad es. temperatura, potenziale elettrico, materiale superficiale), classificazione funzionale dell?oggetto (ad es. quadro elettrico, lavatrice, macchina movimento terra), condizioni operative standard;
[0019] - Una base di conoscenza semantica (3) relativa a situazioni di pericolo nel luogo modellato in termini di: superamento valori soglia inquinanti, superamento valori temperatura standard, abbassamento contenuto ossigeno, condizioni di luce critiche, condizioni di pressione atmosferica critiche, condizioni di superfice appoggio piede critiche (tenuta, temperatura, tenuta allo scivolamento), corto-circuiti elettrici;
[0020] - Una base di conoscenza semantica (4) relativa alle condizioni fisiche standard ed ottimali dell?operatore nel contesto lavorativo descritto;
[0021] - Una base di conoscenza semantica (5) relativa a situazioni e condizioni di pericolo degli oggetti precedentemente individuati e descritti;
[0022] - Una base di conoscenza semantica (6) relativa a procedure canoniche (di letteratura) di manutenzione della componente elettrica e di ripristino delle condizioni di sicurezza relative alle problematiche e situazioni precedentemente modellate;
[0023] - Un modulo (7) per la raccolta dei parametri chimico-fisici degli oggetti e dell?ambiente circostante precedentemente descritti anche mediante casco o dispositivo indossabile (1) dotato di opportuna sensoristica;
[0024] - Un modulo (8) per la raccolta dei parametri relativi alle condizioni fisiche dell?operatore quali ad esempio: sudorazione, battito cardiaco, saturazione di ossigeno;
[0025] - Un modulo (9) di intelligenza artificiale per la generazione di procedure funzionali al ripristino delle condizioni di sicurezza tramite basi di conoscenza semantica e modellazione dell?ambiente circostante precedentemente effettuate;
[0026] - Un modulo (10) di intelligenza artificiale per la generazione di procedure di manutenzione della componentistica elettrica presente tramite basi di conoscenza semantiche effettuate;
[0027] - Un modulo (11) di intelligenza artificiale per l?interpretazione delle procedure di ripristino delle condizioni di sicurezza e manutenzione della componentistica elettrica precedentemente create con relativa comparazione con procedure di letteratura;
[0028] - Un modulo (12) per la generazione di una base di conoscenza con le procedure reali utilizzate nel contesto individuato e descritto nelle fasi precedenti;
[0029] - Un modulo (13) per la generazione di alert in presenza di situazioni di pericolo per l?operatore derivanti da contesto ambientale e propria condizione fisica;
[0030] - Un modulo (14) per l'analisi avanzata dei processi in grado di confrontare le procedure realmente attuate nel contesto descritto e quelle generate dall'IA (intelligenza artificiale). Il modulo consente l?ottimizzazione della base di conoscenza semantica per le procedure di sicurezza e manutenzione elettrica attuate al fine di integrare le intuizioni generate dall'AI (artificial intelligence) con le pratiche acquisite tramite esperienza pratica sul campo. La tecnologia basata su moduli di AI e la modellazione avanzata permettono quindi di identificare e mitigare potenziali pericoli con maggiore precisione,
migliorando la sicurezza sul lavoro. Con procedure sempre ottimizzate e basate su dati e contesti reali, il sistema proposto riduce il tempo e gli sforzi necessari per la manutenzione e l'installazione elettrica, aumentando l'efficienza complessiva. In sintesi, la presente invenzione fornisce un metodo e un sistema rivoluzionari per la manutenzione e l'installazione elettrica, superando le limitazioni dei metodi tradizionali e integrando tecnologie avanzate per garantire procedure pi? sicure, efficienti, affidabili e rispondenti in maniera pi? specifica ai contesti reali. L?unita figura 1 ? una rappresentazione esemplificativa e non limitativa del sistema A descritto.
Claims (2)
1. RIVENDICAZIONI
1. Metodo basato su intelligenza artificiale per la generazione di procedure di manutenzione ed installazione elettrica che prevede:
- Una fase di modellazione dell?ambiente circostante in termini di: spazio 3D e orografia, oggetti presenti, temperatura, parametri chimico-fisici, classificazione funzionale (ad es. ufficio, cabina elettrica, stabilimento produttivo), condizioni standard;
- Una fase di modellazione semantica degli oggetti precedentemente individuati in termini di: dimensioni, condizioni chimico fisiche (temperatura, potenziale elettrico, materiale superficiale), classificazione funzionale dell?oggetto (ad es. quadro elettrico, lavatrice, macchina movimento terra), condizioni operative standard;
- Una fase di modellazione di una base di conoscenza semantica relativa a situazioni di pericolo nel luogo modellato in termini di: superamento valori soglia inquinanti, superamento valori temperatura standard, abbassamento contenuto ossigeno, condizioni di luce critiche, condizioni di pressione atmosferica critiche, condizioni di superfice appoggio piede critiche (tenuta, temperatura, tenuta allo scivolamento), corto-circuiti elettrici;
- Una fase di modellazione di una base di conoscenza semantica relativa alle condizioni fisiche standard ed ottimali dell?operatore nel contesto lavorativo reale;
- Una fase di modellazione di una base di conoscenza semantica relativa a situazioni e condizioni di pericolo degli oggetti precedentemente individuati; - Una fase di modellazione di una base di conoscenza semantica relativa a
procedure canoniche (di letteratura) di manutenzione della componentistica elettrica e di ripristino delle condizioni di sicurezza relative alle problematiche e situazioni precedentemente modellate;
- Una fase di raccolta dei parametri chimico-fisici degli oggetti e dell?ambiente circostante precedentemente descritti;
- Una fase di raccolta dei parametri relativi alle condizioni fisiche dell?operatore quali ad esempio: sudorazione, battito cardiaco, saturazione di ossigeno;
- Una fase di generazione tramite modulo di intelligenza artificiale di procedure funzionali al ripristino delle condizioni di sicurezza sulla base del training effettuato alle fasi precedenti;
- Una fase di generazione di procedure di manutenzione della componentistica elettrica presente sulla base del training effettuato alle fasi precedenti;
- Una fase di interpretazione delle procedure di ripristino delle condizioni di sicurezza e manutenzione della componentistica elettrica precedentemente create con relativa comparazione con procedure di letteratura;
- Una fase di modellazione di una base di conoscenza con le procedure reali utilizzate nel contesto individuato e descritto alle fasi precedenti;
- Una fase di generazione di alert in presenza di situazioni di pericolo per l?operatore derivanti da contesto ambientale e propria condizione fisica; - Una fase di inferenza di suggerimenti dal process gap di eventuali miglioramenti da effettuare in termini di procedure di sicurezza e manutenzione elettrica fra procedure generate da IA (Intelligenza artificiale) e procedure acquisite alla fase precedente;
2. Sistema A basato su intelligenza artificiale relativo al metodo alla rivendicazione precedente composto da:
- Un casco o dispositivo indossabile (1) dotato di opportuna sensoristica per acquisizione e descrizione/modellazione dell?ambiente circostante in termini di: spazio 3D e orografia, oggetti presenti, temperatura, parametri chimico-fisici, classificazione funzionale (ad es. ufficio, cabina elettrica, stabilimento produttivo), condizioni standard;
- Una base di conoscenza semantica (2) degli oggetti precedentemente individuati e descritti in termini di: dimensioni, condizioni chimico fisiche (ad es. temperatura, potenziale elettrico, materiale superficiale), classificazione funzionale dell?oggetto (ad es. quadro elettrico, lavatrice, macchina movimento terra), condizioni operative standard;
- Una base di conoscenza semantica (3) relativa a situazioni di pericolo nel luogo modellato in termini di: superamento valori soglia inquinanti, superamento valori temperatura standard, abbassamento contenuto ossigeno, condizioni di luce critiche, condizioni di pressione atmosferica critiche, condizioni di superfice appoggio piede critiche (tenuta, temperatura, tenuta allo scivolamento), corto-circuiti elettrici;
- Una base di conoscenza semantica (4) relativa alle condizioni fisiche standard ed ottimali dell?operatore nel contesto lavorativo descritto;
- Una base di conoscenza semantica (5) relativa a situazioni e condizioni di pericolo degli oggetti precedentemente individuati e descritti;
- Una base di conoscenza semantica (6) relativa a procedure canoniche (di letteratura) di manutenzione della componentistica elettrica e di ripristino delle condizioni di sicurezza relative alle problematiche e situazioni
precedentemente modellate;
- Un modulo (7) per la raccolta dei parametri chimico-fisici degli oggetti e dell?ambiente circostante precedentemente descritti anche mediante casco o dispositivo indossabile (1) dotato di opportuna sensoristica;
- Un modulo (8) per la raccolta dei parametri relativi alle condizioni fisiche dell?operatore quali ad esempio: sudorazione, battito cardiaco, saturazione di ossigeno;
- Un modulo (9) di intelligenza artificiale per la generazione di procedure funzionali al ripristino delle condizioni di sicurezza tramite basi di conoscenza semantica e modellazione dell?ambiente circostante precedentemente effettuate;
- Un modulo (10) di intelligenza artificiale per la generazione di procedure di manutenzione della componentistica elettrica presente tramite basi di conoscenza semantiche effettuate;
- Un modulo (11) di intelligenza artificiale per l?interpretazione delle procedure di ripristino delle condizioni di sicurezza e manutenzione della componentistica elettrica precedentemente create con relativa comparazione con procedure di letteratura;
- Un modulo (12) per la generazione di una base di conoscenza con le procedure reali utilizzate nel contesto individuato e descritto nelle fasi precedenti;
- Un modulo (13) per la generazione di alert in presenza di situazioni di pericolo per l?operatore derivanti da contesto ambientale e propria condizione fisica;
- Un modulo (14) per l'analisi avanzata dei processi in grado di confrontare
le procedure realmente attuate nel contesto descritto e quelle generate dall'IA (intelligenza artificiale). Il modulo consente l?ottimizzazione della base di conoscenza semantica per le procedure di sicurezza e manutenzione elettrica attuate al fine di integrare le intuizioni generate dall?IA (intelligenza artificiale) con le pratiche acquisite tramite esperienza pratica sul campo.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| IT102023000027954A IT202300027954A1 (it) | 2023-12-22 | 2023-12-22 | Metodo avanzato basato sull'intelligenza artificiale (ai) per generare procedure ottimizzate di manutenzione e installazione elettrica e relativo sistema correlato per l'attuazione di tali procedure |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| IT102023000027954A IT202300027954A1 (it) | 2023-12-22 | 2023-12-22 | Metodo avanzato basato sull'intelligenza artificiale (ai) per generare procedure ottimizzate di manutenzione e installazione elettrica e relativo sistema correlato per l'attuazione di tali procedure |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| IT202300027954A1 true IT202300027954A1 (it) | 2025-06-22 |
Family
ID=90123317
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| IT102023000027954A IT202300027954A1 (it) | 2023-12-22 | 2023-12-22 | Metodo avanzato basato sull'intelligenza artificiale (ai) per generare procedure ottimizzate di manutenzione e installazione elettrica e relativo sistema correlato per l'attuazione di tali procedure |
Country Status (1)
| Country | Link |
|---|---|
| IT (1) | IT202300027954A1 (it) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20150149392A1 (en) * | 2013-11-27 | 2015-05-28 | Shawn Patrick Bolich | Software Application for Managing a Collection of Robot Repairing Resources for a Technician |
| US20190339684A1 (en) | 2016-05-09 | 2019-11-07 | Strong Force Iot Portfolio 2016, Llc | Methods and systems for data collection, learning, and streaming of machine signals for analytics and maintenance using the industrial internet of things |
| US20200133254A1 (en) | 2018-05-07 | 2020-04-30 | Strong Force Iot Portfolio 2016, Llc | Methods and systems for data collection, learning, and streaming of machine signals for part identification and operating characteristics determination using the industrial internet of things |
| US20210089940A1 (en) * | 2019-09-24 | 2021-03-25 | We Jump Ar Co., Ltd. | Machine Failure Analyzing System and Wearable Electronic Device Having Machine Failure Analyzing Function |
| US11481652B2 (en) | 2015-06-23 | 2022-10-25 | Gregory Knox | System and method for recommendations in ubiquituous computing environments |
| US20230316166A1 (en) * | 2019-11-26 | 2023-10-05 | Saudi Arabian Oil Company | Artificial intelligence system and method for site safety and tracking |
-
2023
- 2023-12-22 IT IT102023000027954A patent/IT202300027954A1/it unknown
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20150149392A1 (en) * | 2013-11-27 | 2015-05-28 | Shawn Patrick Bolich | Software Application for Managing a Collection of Robot Repairing Resources for a Technician |
| US11481652B2 (en) | 2015-06-23 | 2022-10-25 | Gregory Knox | System and method for recommendations in ubiquituous computing environments |
| US20190339684A1 (en) | 2016-05-09 | 2019-11-07 | Strong Force Iot Portfolio 2016, Llc | Methods and systems for data collection, learning, and streaming of machine signals for analytics and maintenance using the industrial internet of things |
| US20200133254A1 (en) | 2018-05-07 | 2020-04-30 | Strong Force Iot Portfolio 2016, Llc | Methods and systems for data collection, learning, and streaming of machine signals for part identification and operating characteristics determination using the industrial internet of things |
| US20210089940A1 (en) * | 2019-09-24 | 2021-03-25 | We Jump Ar Co., Ltd. | Machine Failure Analyzing System and Wearable Electronic Device Having Machine Failure Analyzing Function |
| US20230316166A1 (en) * | 2019-11-26 | 2023-10-05 | Saudi Arabian Oil Company | Artificial intelligence system and method for site safety and tracking |
Non-Patent Citations (1)
| Title |
|---|
| MOURTZIS DIMITRIS ET AL: "A Framework for Automatic Generation of Augmented Reality Maintenance & Repair Instructions based on Convolutional Neural Networks", PROCEDIA CIRP, vol. 93, 22 September 2020 (2020-09-22), NL, pages 977 - 982, XP093181795, ISSN: 2212-8271, DOI: 10.1016/j.procir.2020.04.130 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| WO2012075298A3 (en) | Body shape analysis method and system | |
| ATE534104T1 (de) | Verfahren und vorrichtung zum herstellen eines urformwerkzeugs | |
| BR112018016727A2 (pt) | método para extração de partículas de composto metálico, método para análise das partículas de composto metálico, e solução eletrolítica usada para tal análise | |
| IT202300027954A1 (it) | Metodo avanzato basato sull'intelligenza artificiale (ai) per generare procedure ottimizzate di manutenzione e installazione elettrica e relativo sistema correlato per l'attuazione di tali procedure | |
| MY179550A (en) | A system for performing an operation within an elongated space | |
| AU2011267842A8 (en) | Method and apparatus for auxilary seafloor mining | |
| CN107742097B (zh) | 一种基于深度相机的人体行为识别方法 | |
| AR091412A1 (es) | Dispositivo y metodo para diagnosticar situaciones anomalas en procesos | |
| TW200742951A (en) | Method for evaluating reliance level of a virtual metrology system | |
| AR019923A1 (es) | Un aparato para estimar un parametro de proceso de un material y un metodo de utilizacion de dicho aparato | |
| CN112336590A (zh) | 基于多传感信息的助力外骨骼运动意图与步态规划方法 | |
| MX2016016485A (es) | Deteccion de defectos en tuberias de revestimiento y tuberias no anidadas mediante el uso de datos calibrados y umbrales de tiempo. | |
| TW200735734A (en) | Producing a covered through substrate via using a temporary cap layer | |
| GB2568845A (en) | Method and system for preforming real-time analytics on a plurality of data streams | |
| WO2014022204A3 (en) | Estimating remaining useful life using genetic programming | |
| Miao et al. | Construction of digital twin system for intelligent mining in coal mines | |
| GB2608553A8 (en) | Power distribution method for power generator sets in DC grid | |
| WO2014020342A3 (en) | Methods and apparatus for forming workpiece components | |
| CN108133093B (zh) | 一种基于飞机网络分解结构的自动布线方法 | |
| EP2838043A3 (en) | Method for synthesis of multi-fidelity simulation models using functional operators | |
| EP4354615A4 (en) | BATTERY MODULE, BATTERY PACK, ELECTRICAL DEVICE AND METHOD FOR MANUFACTURING BATTERY MODULE | |
| WO2017171557A8 (en) | Drilling plant machine and method of operation | |
| BR112017000296A2 (pt) | ?método para modelar pelo menos uma porção de uma cavidade do tipo banheira de uma pá, método para fabricar uma pá de motor de turbina, impulsor, equipamento para modelar pelo menos uma porção de uma cavidade do tipo banheira de uma pá, produto de programa de computador e meio de armazenamento legível por equipamento de computador? | |
| CN114554163A (zh) | 煤矿井下作业监视系统 | |
| CN106737772A (zh) | 基于dsp的电力维护机器人 |