发明内容
然而,在上述现有方法中,来自对象设备54的信息仅是消耗能量测量装置53中的信息,不清楚实际上装置是正在工作、还是停止的,此外,由于还需要另外输入与生产数量相关的信息,因此,具有无法实时诊断各对象设备54的工作状态的问题。此外,在存在多个对象设备54的情况下,不得不对各对象设备54分别设置消耗能量测量装置53。从而存在如下问题:随着减少CO2排放量的对象设备54、使多个对象设备54工作的工序的增加,该消耗能量测量装置53的设置数量也不得不增加。
本发明的设备工作状态诊断方法鉴于上述现有问题,其目的在于,即使在包括多个对象设备的装置结构中,也利用所需最低限度的测量仪来实时诊断对象设备的工作状态。
为了达到上述目的,本发明的设备工作状态诊断方法的特征在于,在利用功耗量来对由多个对象设备进行产品制造的装置的工作状态进行诊断时,包括:将每一所述对象装置的每1小时的消耗能量的基准值进行预先设定的工序;对每一所述对象设备的所述产品的制造个数进行随时测量的工序;对将所有的所述对象设备的消耗能量进行相加后的总消耗能量进行随时测量的工序;将每一所述对象设备的每1小时的消耗能量即设备消耗能量作为对所述制造个数乘以比例能量后的值与固定能量之和来表示的工序;根据所述总消耗能量的测量结果、将每1小时的所述总消耗能量作为所有的所述对象设备的所述设备消耗能量之和来表示的工序;对于所述对象设备的个数的2倍时间将所述每1小时的所述总消耗能量进行连续表示、并通过求解联立方程式来计算每一所述对象设备的所述固定能量及每一所述对象设备的所述比例能量的工序;及在每一所述对象设备的所述固定能量与每一所述对象设备的所述比例能量之和大于所述消耗能量的基准值的情况下、判断为所述装置中产生了功率异常的工序。
此外,也可以为,将每一所述对象装置的每1小时的固定能量的基准值进行预先设定,在计算出的所述固定能量大于所述固定能量的基准值的情况下,也判断为所述装置中产生了功率异常。
此外,也可以为,在所述装置工作时更新所述固定能量的基准值。
此外,也可以为,包括:按每一所述对象设备随时求出每1小时的所述消耗能量与所述制造个数的关系的工序;根据所述消耗能量与所述制造个数的关系、随时求出第1回归直线的工序;及在之前刚求出的所述第1回归直线上不一致的所述消耗能量与所述制造个数的关系连续产生2次以上的情况下、仅利用所述不一致的所述消耗能量与所述制造个数的关系来求出第2回归直线的工序,在对产生了所述功率异常的情况进行判断时,将所述第2回归直线的y轴截距的值作为所述固定能量,将斜率作为所述比例能量,以对产生了所述功率异常的情况进行判断。
此外,本发明的设备工作状态诊断方法的特征在于,在利用功耗量来对由多个对象设备进行产品制造的装置的工作状态进行诊断时,包括:对每一所述对象设备的所述产品的制造个数进行随时测量的工序;对将所有的所述对象设备的消耗能量进行相加后的总消耗能量进行随时测量的工序;将每一所述对象设备的每1小时的消耗能量即设备消耗能量作为对所述制造个数乘以比例能量后的值与固定能量之和来表示的工序;根据所述总消耗能量的测量结果、将每1小时的所述总消耗能量作为所有的所述对象设备的所述设备消耗能量之和来表示的工序;对于所述对象设备的个数的2倍时间将所述每1小时的所述总消耗能量进行连续表示、并通过求解联立方程式来计算每一所述对象设备的所述固定能量及每一所述对象设备的所述比例能量的工序;将计算出的所述固定能量按每1小时进行计算和记录、并将对过去最小的计算出的所述固定能量附加规定的比例后的值设定为基准值的工序;及在每一所述对象设备的所述固定能量大于所述基准值的情况下、判断为所述装置中产生了功率异常的工序。
此外,也可以为,还包括将计算出的所述比例能量按每1小时进行计算和记录、来规定过去最小的计算出的所述比例能量的工序,将对过去最小的计算出的所述固定能量与过去最小的计算出的所述比例能量之和附加规定的比例后的值设定为总基准值,在计算出的所述固定能量与所述比例能量之和大于所述总基准值的情况下,也判断为所述装置中产生了功率异常。
此外,也可以为,包括:按每一所述对象设备随时求出每1小时的所述消耗能量与所述制造个数的关系的工序;根据所述消耗能量与所述制造个数的关系、随时求出第1回归直线的工序;及在之前刚求出的所述第1回归直线上不一致的所述消耗能量与所述制造个数的关系连续产生2次以上的情况下、仅利用所述不一致的所述消耗能量与所述制造个数的关系来求出第2回归直线的工序,在设定所述基准值或所述总基准值时,通过将所述第2回归直线的y轴截距的值作为所述固定能量,将斜率作为所述比例能量,求出所述过去最小的计算出的所述固定能量或所述过去最小的计算出的所述比例能量,从而设定所述基准值或所述总基准值。
此外,也可以为,当求出的所述消耗能量相对于所述第1回归直线的与所述制造个数相对应的所述消耗能量偏离了20%以上时,判断为与所述第1回归直线不一致。
此外,优选为,所述规定的比例为20%以上。
此外,优选为,利用逆矩阵函数来求解所述联立方程式。
此外,本发明的设备工作状态诊断装置的特征在于,包括:进行产品制造的多个对象设备;设置于每一所述对象设备并对由所述各对象设备制造的所述产品的制造个数进行测量的物流计数器;对由所有的所述对象设备消耗的总消耗能量进行随时测量的电表;及根据所述总消耗能量及所述制造个数来诊断所述各对象设备的功率异常、以诊断工作状态的功率异常诊断部,功率异常诊断部根据每1小时的所述总消耗能量和每一所述对象设备的每1小时的制造个数,计算所述各对象设备的每1小时的固定能量和比例能量,并根据所述固定能量和所述比例能量,诊断所述功率异常。
具体实施方式
利用图1~图9,说明本发明的设备工作状态诊断方法。
图1是表示实施本发明的设备工作状态诊断方法的装置结构例的简图。图2是举例示出本发明的每一对象设备的能耗量与处理个数的关系的图,图3是举例示出本发明的每一对象设备的固定能量及比例能量与处理个数的关系的图,图4是举例示出对象设备的电源接通时刻的图,图5是举例示出对象设备的工作状态的时序图,图6是举例示出对象设备的每1小时的消耗能量的变化的图,图7是举例示出对象设备的每1小时的处理结果的图,图8是对本发明的设备工作状态诊断方法的具体例进行说明的图,图9是表示本发明的设备工作状态诊断方法的流程图。
首先,以对象设备为安装装置的情况为例,对实施本发明的设备工作状态诊断方法的装置结构进行说明。
在图1中,安装装置1、2、3是在基板上安装电子元器件、并分别独立地进行安装处理的装置。在安装装置1的入口设置有物流传感器4。同样地,在安装装置的2的入口设置有物流传感器5,还在安装装置3的入口设置有物流传感器6。物流传感器4~6对基板被传送到分别设置有该物流传感器4~6的安装装置1~3的情况进行检测,能识别作为处理对象的基板进入了安装装置1~3的情况。该物流传感器4~6在基板被送入安装装置1~3时输出信号,若基板被送入,则由安装装置1~3开始安装处理。其中,基板按每一块进行安装。此外,对物流传感器4、5、6同时分别设置有物流计数器7、8、9,按每一安装装置对由安装装置1、2、3进行了处理的基板的块数进行累计计数。此外,从处于各安装装置1~3的入口的物流传感器4~6输出信号到下一次输出信号为止的期间意味着安装1块基板所需的时间、即处理节拍。安装装置1、2、3与电源盘10相连接,利用与电源盘10连接的电表11,能对安装装置1~3所消耗的总能量进行实时测量。此外,各物流传感器4~6所输出的信息和电表11所测量的信息经由通信线路12实时汇集到功率异常诊断处理装置13。
接下来,对本发明的功率异常诊断方法进行详细说明。
以如下情况为例进行说明:关于安装装置1、安装装置2、及安装装置3中的安装处理时间与基板移动的时间之和、即处理节拍,分别是安装装置1=60秒,安装装置2=40秒,安装装置3=50秒。此外,关于将由各安装装置处理一块基板所需的能量换算成每1小时的能量的标准能量(固定能量与比例能量之和),设安装装置1=2kWh,安装装置2=1kWh,安装装置3为1.5kWh。
图2中示出上述假设下各安装装置的每1小时的能耗。如图2所示,各安装装置1的每1小时的能耗成为使安装装置工作1小时的情况下的固定能量、与连续进行1小时的安装处理的情况下的比例能量的总和。在上述假定中,安装装置1在1小时内处理60块基板时,所消耗的能量为120kWh,安装装置2在1小时内处理90块基板时,所消耗的能量为90kWh,同样地,安装装置3在1小时内处理72块基板时,所需要的能量为108kWh。此处,E1k为使安装装置1工作1小时的情况下的固定能量,E2k为使安装装置2工作1小时的情况下的固定能量,E3k为使安装装置3工作1小时的情况下的固定能量。在本发明中,预先规定这种每1小时的标准能量,用于后述的设备工作状态诊断方法(图9的步骤1)。
图3中示出与处理块数相对应地消耗的固定能量与比例能量的关系图。在图3中,将由某一安装装置消耗的能量定义为固定能量Ek21和比例能量Eh22。其中,固定能量Ek21是与所安装的基板块数无关而与工作时间相对应地产生的能量,定义为每1小时消耗的能量。同样地,比例能量Eh22是与所安装的基板块数成正比地增加的能量,定义为将对1块基板进行了安装处理时所消耗的能量换算成每1小时的能量而得到。此外,在比例能量中,将在1小时内安装1块基板时所消耗的能量定义为单位比例能量。因而,在上述定义下,如图3所示,若在1小时内对1块基板进行安装处理,则所消耗的设备消耗能量=固定能量+比例能量=Ek+Eh,若在1小时内对2块基板进行安装处理,则所消耗的能量=Ek+2Eh,若在1小时内对3块基板进行安装处理,则所消耗的能量=Ek+3Eh。
例如,在安装装置1中,若设所消耗的固定能量为E1k,比例能量为E1h,则从物流传感器4输出信号到1小时后输出信号为止的期间内,由安装装置1消耗的能量为E1k+E1h。另一方面,当基板未被送入而安装装置1处于待机状态、使得物流传感器4不输出信号时,在安装装置1中每1小时消耗固定能量E1k。在安装装置2中,也同样地,若设固定能量为E2k,比例能量为E2h,则安装装置2在1小时内对1块基板进行安装处理的情况下,所消耗的能量为E2k+E2h,在安装装置3中,也同样地,若设固定能量为E3k,比例能量为E3h,则安装装置3在1小时内对1块基板进行安装处理的情况下,所消耗的能量为E3k+E3h。而且,在安装装置1~3中,当在1小时内处理的基板数每增加1块时,E1h、E2h、E3h分别增加,而工作1小时的状态下的固定能量E1k、E2k、E3k成为一定,与安装处理的基板的块数无关。
图4中示出将各安装装置的主电源接通时的时序图,并示出图9的步骤1中基准值的具体规定方法的示例。首先,在从0时起仅将安装装置1的主电源接通启动而不进行安装处理的状态下,在经过任意的时间t1[分]后,对由电表11测定的安装装置1、安装装置2、安装装置3的总消耗能量即累计能量E(t1)进行测定。在此情况下,由于不产生比例能量,因此,换算成每1小时的能量,表示成安装装置1的固定能量E1k=E(t1)×(60/t1)[kWh]。接下来,在t2[分]将装置2启动时,由于E(t2)=E1k+E2k,因此,能利用E2k=E(t2)-E(t1)=E(t2)×(60/t2)-E1k×(60/t1)[kWh]来计算。同样地,在t3[分]将装置3启动时,由于E(t3)=E1k+E2k+E3k,因此,能利用E3k=E(t3)×(60/t3)-E(t2)×(60/t2)[kWh]来计算。
这样,在将各安装装置的主电源依次接通启动并在一定时间内不进行安装处理的待机状态下,对各安装装置的设备消耗能量的总和即累计能量进行测定,计算出动作中的安装装置的固定能量,从而计算出各安装装置的固定能量。在本发明中,将该固定能量作为图2中说明过的固定能量的规定值,并用于后述的设备工作状态诊断方法。
图5中示出各安装装置从开始安装到工作时的时序图,对根据动作中的累计能量计算出消耗能量、并进行设备工作状态诊断的方法进行说明。考虑如下情况:各装置的包含传送时间的节拍分别为安装装置1=60秒,安装装置2=40秒,安装装置3=50秒,分别独立开始安装,之后在中途暂停安装装置1、2、3的安装处理,然后再开始。图6中示出像图5所示那样装置1、2、3各在每1小时内分别消耗的能量。此外,图7中示出各在每1小时内由安装装置1、2、3生产的块数。根据图5、6、7,若设安装开始T小时后的消耗能量为从(T-1)时刻到T时刻为止的累计能量,则从(T-1)时刻到(T+5)时刻为止的每1小时的能耗像以下那样,由6个小时的量的6个方程式来表示。
E(T-1~T)=E1k+E1h×55+E2k+E2h×90+E3k+E3h×65
E(T~T+1)=E1k+E1h×58+E2k+E2h×35+E3k+E3h×62
E(T+1~T+2)=E1k+E1h×57+E2k+E2h×62+E3k+E3h×48
E(T+2~T+3)=E1k+E1h×50+E2k+E2h×45+E3k+E3h×30
E(T+3~T+4)=E1k+E1h×40+E2k+E2h×35
E(T+4~T+5)=E1k+E1h×30+E2k
此处,在(T+3~T+4)时刻,停止安装装置3的主电源,在(T+4~T+5)时刻,装置2、3均处于主电源停止的状态。此处,考虑到(T+5)时刻为止的每1小时的功率累计值(单位:kWh)为以下那样的值的情况。
(E(T-1~T)、E(T~T+1)、E(T+1~T+2)、E(T+2~T+3)、E(T+3~T+4)、E(T+4~T+5))=
(322、264、268、205.1、123.5、64.2)
在此情况下,若用行列式来表示(T-1~T+5)时刻的各安装装置的固定/比例能量(E1h、E1k、E2h、E2k、E3h、E3k),则变成如下那样。
[数学式1]
式1
若根据式1,利用逆矩阵进行计算,则变成
[数学式2]
(E1h E1k E2h E2k E3h E3k)=(2.130.41.080.21 1.65 0.12)…式2
(图9的步骤2)。然后,将这样实时计算出的每一安装装置的固定能量及比例能量的总和、与标准能量进行比较。在此情况下,相对于图2所示的安装装置1为了进行1个工作处理所需的标准能量2.0kWh/块,在安装装置1中,成为E1h+E1k=2.53kWh,到达(T+5)时刻为止的1小时内每生产1块基板的消耗能量比到达T时刻为止的1小时的值要超过0.53kW。同样地,在安装装置2中,成为E2h+E2k=1.29kWh,相对于图2所示的安装装置2为了安装1块基板所需的能量1.0kWh/块,要超过0.29kWh。此外,在安装装置3中,成为E3h+E3k=1.77kWh,相对于图2所示的安装装置3为了安装1块基板所需的能量1.5kWh/块,要超过0.27kW(图9的步骤3)。
之后,这样计算每单位时间内各安装装置的固定能量和比例能量,实时地继续诊断。
另外,在矩阵函数中,在像式1所示那样不包含0的分量的情况下,即在不包含安装装置停止时的公式的情况下,无法求出逆矩阵。因此,在利用矩阵根据表示每小时的累计能量的公式来计算各安装装置的固定能量和比例能量时,使其包含表示任意安装装置停止的状态的累计能量的公式。例如,在观测3台装置的情况下,包含仅有1台装置工作的现象及再增加另外1台后的2台装置工作的现象,以生成行列式。在上述情况下,原样保留(T+3~T+4)时刻和(T+4~T+5)时刻的两个条件下的公式,之后,将所有装置正在工作的现象的公式按每1小时追加到矩阵的最左边的行。此时,会删除所有装置正在工作的现象中的最旧的现象。
这样,在利用矩阵来计算固定能量和比例能量时,若设对象设备为A台,则包含从0台至(A-1)台的至少A种(A种类)对象设备停止状态的公式而生成行列式,从而能利用矩阵来求出各对象设备的固定能量及比例能量。例如,在对象设备为3台的情况下,包含对象设备中任意0台、1台、2台停止的3种状态的公式而生成行列式。
如上所述,对每一安装装置定义固定能量和比例能量,使其连续工作安装装置台数的2倍的时间,计算出每1小时的累计能量,生成个数为安装装置台数的2倍的、表示累计能量与固定能量及比例能量的关系的联立方程式,根据这些联立方程式,计算出每一安装装置的固定能量及比例能量,将预先对每一安装装置确定的标准能量、与每1小时的消耗能量即作为固定能量及比例能量的总和的总能量进行比较,从而进行设备工作状态诊断。
此外,可知,如图4所示,在时间t1、t2、t3预先测定的各装置的固定能量(E1k、E2k、E3k)=(0.3、0.2、0.1),与此相对应,由于根据式2求出的E1k=0.4kWh,因此增加0.1kWh,对于E2k,增加与0.21kWh之差0.01kWh,而对于E3k,增加与0.12kWh之差0.02kWh。
这样,在上述固定能量及比例能量的总和的基础上,将由联立方程式计算出的固定能量和预先求出的固定能量的基准值进行比较,从而也能进行设备工作状态诊断。
另外,虽然也能利用比例能量来进行设备工作状态诊断,但由于有些制造的产品的比例能量微小,送入对象设备的时间偏差对比例能量产生的影响有时较大,因此,与固定能量相比,易于产生误差。
此外,作为图9的步骤1中的基准值的规定方法,预先求出在设备工作状态诊断中使用的作为基准的固定能量,但在设备工作时能重新规定作为基准的固定能量,或对其进行修正。在此情况下,需要包含将安装装置的主电源关断1小时以上的现象,需要在将安装装置的主电源关断1小时以上之后,根据再启动后的测定结果,再次计算出固定能量。因此,当电表11中提取累计功率值时,在未达到1小时的中途将主电源接通的情况下,使其不提取数据。这样,根据物流传感器4~6和物流计数器7~9的信息及1个电表,通过上述算法,利用矩阵函数等来求解联立方程式,从而能实时计算出各安装装置中的每1小时的消耗能量,甚至求出固定能量和比例能量的明细。因此,即使不对各安装装置设置电表,也能计算出各安装装置的每1小时的总能量或固定能量,并能用其来进行设备工作状态诊断。
例如,根据对电表11设定的测量时刻来随时更新数值,将某一时间段内、每单位时间的(E1k E1h E2k E2h E3k E3h)相对于过去的测量结果成为最小时的值按每一装置分别作为(E1kmE1hm E2km E2hm E3km E3hm)来进行记录。基于这些,求出作为基准的总能量、固定能量等,进行设备工作状态诊断。
图8中示出图9的步骤3中、随时变更基准值时的设备工作状态诊断方法的概要。装置工作以后,使其连续工作安装装置台数的2倍的时间,之后,根据累计能量和每单位时间的处理数量,实时计算出固定能量或总能量的值,在即使该固定能量或总能量的值中的一项超过预先确定的基准值的情况下,也判断为因某种原因而导致排放能量变高,其差值越大,越可能诊断为功率异常。图8中示出安装装置1的能耗量随时间的推移,31表示在时间T测量到的最小值的固定能量E1km,设其为作为基准的固定能量。32表示在时间T测量到的最小值的比例能量E1hm,最小值的固定能量31与最小值的比例能量32进行相加后的能量成为作为基准的总能量。与此不同的是,33意味着各时间的固定能量与时间T的固定能量(作为基准的最小值的固定能量31)之间的差分,34成为各时间的总能量与时间T的总能量(最小值的固定能量32与最小值的比例能量32之和)之间的差分。35是预先规定的能量即总能量的阈值,在时间Tv,超过总能量的阈值35,在该时刻诊断为该设备处于异常状态。在此情况下,在时间Tv,示出相对于最小排放量超过了规定量例如20%的情况。同样地,在安装装置2、安装装置3中也进行观测,在工作状态异常的情况下,能诊断为处于异常状态。此外,除了以总能量作为基准来判断的情况以外,也可以单独地或与总能量同时地将固定能量的基准值和计算出的固定能量进行比较,以进行设备工作状态诊断。
通过利用该算法,从而能利用设备、机器的出入口的信息和整体来自1个功率测量仪的信息,计算出各时间的固定/比例能量,对异常状态进行诊断。
此外,通过更正确地计算出固定能量及比例能量,还能利用以下方法来提高诊断精度。以下,利用图10A、图10B、图11A、图11B进行说明。
图10A、图10B是对在固定能量产生异常的情况下利用回归曲线来检测异常的方法进行说明的图,图10A是举例示出回归曲线的图,图10B是举例示出每单位时间的产品制造数和消耗能量的值的图。图11A、图11B是对在比例能量产生异常的情况下利用回归曲线来检测异常的方法进行说明的图,图11A是举例示出回归曲线的图,图10B是举例示出每单位时间的产品制造数和消耗能量的值的图。
首先,将通过求解上述联立方程式而求出的固定能量和比例能量进行相加,计算每单位时间的消耗能量。然后,利用在该时间测定的产品的制造个数,记录各时间的消耗能量与所制造的产品数的关系(图10B)。接下来,随着时间的流逝,对每一对象设备,将各时间的消耗能量与所制造的产品数的关系画成曲线(图10A)。在图10A、图10B、图11A、图11B中,横轴表示1小时内由安装装置1制造的产品数,纵轴表示此时由各装置消耗的每1小时的消耗能量。具体曲线是绘制与每1小时的制造数相对应的此时的消耗能量而制成。此处,在以下的时间T至T+8时间中,绘制在各时间内制造的产品数和此时消耗的消耗能量值,画成曲线。曲线将所制造的每1小时的产品数表示作为X,将此时所消耗的消耗能量值表示作为Y,在本例中,通过线性回归,获得Y=2.13X+0.4的曲线。在图10A、图10B中,从时间T至T+6,存在于Y=2.13X+0.4的直线上,但时间T+6至T+8的2点则从上述直线上偏离。此时,若从该2点引出回归直线,求出斜率和Y截距,则能分别作为比例能量和固定能量来计算。即,假定在诊断开始时正常工作,计算出表示此时的回归直线的公式。例如,在从测定开始经过2小时后,每小时计算出回归直线,将与该直线不一致、或超过规定比例而测量不同数据为止的直线定义为正常工作时的回归直线。之后,在与该直线不一致的图形(plot)例如连续产生2次以上时,判断为产生异常,根据此时的图形求出其他回归直线,将该直线的斜率作为比例能量来计算,将Y截距作为固定能量来计算。这样,将利用行列式等而从联立方程式求出的固定能量和比例能量进一步作为与制造数的关系的曲线来表示,求出详细的固定能量和比例能量,从而能提高异常诊断精度。
此处,根据所制造的产品、制造设备的状况,将相对于正常工作时的回归直线偏离了规定的比例的图形作为与直线不一致的图形。虽然该比例越小,诊断精度越高,但例如,能将所计算出的消耗能量对于正常工作时的回归直线的对应于制造数的消耗能量偏离了20%以上的图形作为与直线不一致的图形。此外,生成其他回归直线的图形的数量越多,越能详细地求出固定能量和比例能量。
从图10A、图10B可知,从T至T+6,比例能量为0.4kWh,固定能量为2.13kWh,从T+6时间至T+8,比例能量不变,固定能量增加至2.1kWh。将该增减量与预先确定的阈值进行比较,以进行异常诊断。
同样地,在图11A、图11B所示的示例中可知,从时间T至时间T+5,存在于Y=2.13X+0.4的直线上,从T+6至T+8的2点则从上述直线上偏离,若从该2点引出回归直线,求出斜率和Y截距,则固定能量不变,比例能量增加至2.6kWh。将该增减量与预先确定的阈值进行比较,以进行异常诊断。
根据这2个示例,异常状态例如连续产生2次以上,从而对于固定能量和比例能量的明细,也能实时地进行异常诊断,提高异常诊断精度。
在以上的说明中,以对基板进行安装处理的安装装置为例进行了说明,但也可用于在制造成套(set)类、设备类的商品的过程中所使用的各种装置等、能对由对象设备处理的个数进行计数的各种制造装置。
此外,本发明的设备工作状态诊断方法在推进节能工作的基础上,能识别出在哪一时刻哪一部位产生了异常,能立即进行改进。其结果是,能广泛应用于许多生产工厂、办公室、甚至于家庭,能实现减少CO2。此外,能大幅缩小为了加速工作而需要的测量仪等的设备投资,在工业上具有较大效果,可预见会得到广泛的应用。