CN108073154B - 信息处理装置、信息处理方法及记录介质 - Google Patents

信息处理装置、信息处理方法及记录介质 Download PDF

Info

Publication number
CN108073154B
CN108073154B CN201711096952.8A CN201711096952A CN108073154B CN 108073154 B CN108073154 B CN 108073154B CN 201711096952 A CN201711096952 A CN 201711096952A CN 108073154 B CN108073154 B CN 108073154B
Authority
CN
China
Prior art keywords
maintenance
measurement data
sensor
information
information processing
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
CN201711096952.8A
Other languages
English (en)
Other versions
CN108073154A (zh
Inventor
高见豪
野坂祐一
后藤宏绍
德冈萌
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.)
Yokogawa Electric Corp
Original Assignee
Yokogawa Electric Corp
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 Yokogawa Electric Corp filed Critical Yokogawa Electric Corp
Publication of CN108073154A publication Critical patent/CN108073154A/zh
Application granted granted Critical
Publication of CN108073154B publication Critical patent/CN108073154B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
    • G05B23/0224—Process history based detection method, e.g. whereby history implies the availability of large amounts of data
    • G05B23/0227—Qualitative history assessment, whereby the type of data acted upon, e.g. waveforms, images or patterns, is not relevant, e.g. rule based assessment; if-then decisions
    • G05B23/0229—Qualitative history assessment, whereby the type of data acted upon, e.g. waveforms, images or patterns, is not relevant, e.g. rule based assessment; if-then decisions knowledge based, e.g. expert systems; genetic algorithms
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/0265—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion
    • G05B13/029—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion using neural networks and expert systems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G06N20/10—Machine learning using kernel methods, e.g. support vector machines [SVM]
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
    • G01D18/00—Testing or calibrating apparatus or arrangements provided for in groups G01D1/00 - G01D15/00
    • G01D18/008—Testing or calibrating apparatus or arrangements provided for in groups G01D1/00 - G01D15/00 with calibration coefficients stored in memory
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
    • G05B23/0224—Process history based detection method, e.g. whereby history implies the availability of large amounts of data
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
    • G05B23/0224—Process history based detection method, e.g. whereby history implies the availability of large amounts of data
    • G05B23/024—Quantitative history assessment, e.g. mathematical relationships between available data; Functions therefor; Principal component analysis [PCA]; Partial least square [PLS]; Statistical classifiers, e.g. Bayesian networks, linear regression or correlation analysis; Neural networks
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0259—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
    • G05B23/0283—Predictive maintenance, e.g. involving the monitoring of a system and, based on the monitoring results, taking decisions on the maintenance schedule of the monitored system; Estimating remaining useful life [RUL]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/07—Responding to the occurrence of a fault, e.g. fault tolerance
    • G06F11/16—Error detection or correction of the data by redundancy in hardware
    • G06F11/1608—Error detection by comparing the output signals of redundant hardware
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/02—Knowledge representation; Symbolic representation
    • G06N5/022—Knowledge engineering; Knowledge acquisition
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR 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
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/14—Network analysis or design
    • H04L41/149—Network analysis or design for prediction of maintenance

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Business, Economics & Management (AREA)
  • Mathematical Physics (AREA)
  • Medical Informatics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computing Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Human Resources & Organizations (AREA)
  • Quality & Reliability (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Tourism & Hospitality (AREA)
  • Health & Medical Sciences (AREA)
  • Computational Linguistics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Testing And Monitoring For Control Systems (AREA)

Abstract

本发明的第1方式的信息处理装置具有：第1取得部，其取得传感器的测定数据；第2取得部，其取得所实施的所述传感器的保养所涉及的保养信息；学习部，其对教师数据进行学习而生成判定模型，该教师数据是针对所取得的所述测定数据，将所取得的所述保养信息作为标签信息进行关联而得到的；以及存储部，其对生成的所述判定模型进行存储。

Description

信息处理装置、信息处理方法及记录介质
技术领域
本发明涉及信息处理装置、信息处理方法及记录介质。
本申请基于在2016年11月11日在日本申请的特愿2016－220524号而主张优先权，在此援引其内容。
背景技术
以往，在化学等的工业车间、对气田或油田等钻井或其周边进行管理控制的车间、对水力、火力、核能等的发电进行管理控制的车间、对太阳光或风力等的环境发电进行管理控制的车间、对给排水或水坝等进行管理控制的车间等车间或工厂等(下面，在对这些进行统称的情况下，称为“车间”)中，构建被称为现场仪器的测定器或操作器等现场仪器和对它们进行控制的控制装置经由通信单元连接而成的分散控制系统(DCS：DistributedControl System)，实现了高级的自动操作。
在为了实现如上述的高级的自动操作而构建的车间的系统等中，车间的产额、运转状况、报警的发生状况等车间的状态是由在车间内配置的传感器(包含测量仪器等)测定的。由传感器测定出的测定数据由DCS等的控制装置取得而在车间的控制中使用。关于对测定数据进行测定的传感器，由于使用时间、使用环境而发生故障、或测定值出现偏移。在传感器发生了故障等的情况下，有可能对车间的操作造成影响，因此对车间进行保养的作业者，在传感器发生故障等之前定期地实施将传感器调整或更换的保养作业(维护)。
另一方面，在车间的控制中存在一种机械学习系统，即，将传感器的测定数据作为教师数据而使机械学习，创建判定模型，通过判定模型对传感器的故障、劣化进行诊断。例如，日本特开2014－174993号公报、日本特表2015－530652号公报、《高見豪，外3名，“機械学習を用いたセンサデータ解析の可能性”，横河技報，横河電機株式会社，Vol.59No.1(2016)p.27－30》。
传感器的劣化的进展状况、寿命，根据传感器的使用状况、设置环境而大幅地不同，因此在定期地保养传感器的情况下，会对还不需要调整、更换的传感器也实施保养作业，有时导致与保养作业相伴的成本上升。作业者有时对传感器的使用状况分别单独进行判断，决定传感器的保养时期。
在作为教师数据而学习传感器的测定数据，通过机械学习对故障、劣化进行判定的情况下，教师数据由于定期的保养作业而受到影响，因此仅是按照时间序列而取得测定数据，有时难以取得表示故障等的前兆的教师数据，无法生成对故障等进行判定的判定模型。
发明内容
本发明的一个方式的目的在于，提供一种能够正确地对传感器的保养时期进行判断而实现保养成本的减少的信息处理装置、信息处理方法及记录介质。
本发明的第1方式的信息处理装置可以具有：第1取得部，其取得传感器的测定数据；第2取得部，其取得所实施的所述传感器的保养涉及的保养信息；学习部，其对教师数据进行学习，生成判定模型，该教师数据是针对所取得的所述测定数据将所取得的所述保养信息作为标签信息进行关联而得到的；以及存储部，其对生成的所述判定模型进行存储。
上述的信息处理装置可以还具有生成部，该生成部基于存储的所述判定模型及取得的所述测定数据，生成所述传感器的保养计划。
上述的信息处理装置可以还具有通知部，该通知部对生成的所述保养计划进行通知。
在上述的信息处理装置中，所述第1取得部可以取得多个种类的所述测定数据。所述学习部可以针对所取得的所述多个种类的测定数据将所述保养信息作为标签信息进行关联而学习
在上述的信息处理装置中，所述学习部可以基于所述保养的实施状况，将所述测定数据和所述标签信息进行关联而学习。
上述的信息处理装置可以还具有变换部，该变换部将由作业者记录的保养记录的图像信息变换为文字信息。所述第2取得部可以通过取得变换为文字信息后的所述保养记录，从而取得所述保养信息。
在上述的信息处理装置中，所述学习部可以对是否将所取得的所述测定数据设为教师数据进行选择，对选择出的所述教师数据进行学习。
在上述的信息处理装置中，所述学习部可以将所述测定数据所包含的测定值为正常、且定期地取得的测定数据设为教师数据。
在上述的信息处理装置中，所述学习部可以不将在针对所述传感器的定期调整中取得的所述测定数据设为教师数据。
在上述的信息处理装置中，所述学习部可以将在针对所述传感器的保养作业时取得的所述测定数据及所述保养作业时起的规定时间前为止的所述测定数据设为教师数据。
本发明的第2方式的信息处理方法，可以取得传感器的测定数据；取得所实施的所述传感器的保养涉及的保养信息；对教师数据进行学习，生成判定模型，该教师数据是针对所取得的所述测定数据将所取得的所述保养信息作为标签信息进行关联而得到的；以及对生成的所述判定模型进行存储。
上述的信息处理方法可以基于存储的所述判定模型及取得的所述测定数据，生成所述传感器的保养计划。
上述的信息处理方法可以对生成的所述保养计划进行通知。
上述的信息处理方法可以取得多个种类的所述测定数据，对所取得的所述多个种类的测定数据将所述保养信息作为标签信息进行关联而学习。
本发明的第3方式的计算机可读取的非易失性的记录介质可以记录有程序，该程序使计算机执行下述步骤：取得传感器的测定数据；取得所实施的所述传感器的保养涉及的保养信息；对教师数据进行学习，生成判定模型，该教师数据是针对所取得的所述测定数据将所取得的所述保养信息作为标签信息进行关联而得到的；以及对生成的所述判定模型进行存储。
发明的效果
根据本发明的一个方式，能够提供一种能够正确地对传感器的保养时期进行判断而实现保养成本的减少的信息处理装置、信息处理方法及记录介质。
附图说明
图1是表示使用实施方式的信息处理装置的车间的结构例的图。
图2是表示实施方式的信息处理装置的输入信息和输出信息的一个例子的图。
图3是表示实施方式的信息处理装置的硬件结构的一个例子的框图。
图4是表示实施方式的信息处理装置的软件结构的一个例子的框图。
图5是表示实施方式的信息处理装置中的学习阶段的动作的一个例子的流程图。
图6是表示实施方式的信息处理装置中的执行阶段的动作的一个例子的流程图。
图7是表示实施方式的信息处理装置取得保养信息的检查簿的一个例子的图。
图8是表示实施方式的信息处理装置1生成的教师数据的一个例子的图。
图9是表示实施方式的信息处理装置中的将标签对测定数据进行关联的一个例子的图。
具体实施方式
下面，参照附图对本发明的一个实施方式中的信息处理装置、信息处理方法及记录介质详细地进行说明。
使用图1，对使用信息处理装置的车间的概要进行说明。图1是表示使用实施方式的信息处理装置的车间的结构例的图。在图1中，车间100具有：信息处理装置1、基干业务系统2、制造执行系统3、运转控制装置4、操作面板5、保养仪器6、现场操作者终端7、车间仪器P0。车间仪器P0具有反应器P1、传感器S1。车间仪器P0生成规定的生成物(生产物)。在图1中，例示出作为在车间中设置多个的传感器的一个例子而将传感器S1设为保养作业的对象的情况。
反应器P1例如是使投入的材料产生化学反应而生成生成物的装置。传感器S1对表示反应器P1的运转状态的测定数据进行测定。表示反应器P1的运转状态的测定数据例如是反应器P1内部中的压力、温度、pH、生成物的流量等物理量的数据。传感器S1将参数1、参数2及参数3这3个种类的测定值输入至运转控制装置4。
传感器S1根据使用状况而历时地劣化或发生故障。对车间进行保养的保养作业者定期或不定期地对传感器S1的测定值等的状态进行检查，根据需要实施传感器S1的保养作业。在本实施方式中，假设对传感器S1实施的保养作业是传感器的清扫、传感器的零点调整、及传感器的更换这3个种类而进行说明。
例如，在传感器的检测部(测定元件)附着有污垢的情况下，有时在由传感器S1输出的从参数1至参数3的测定值中产生异常。保养作业者进行了传感器S1的清洗的保养作业，其结果，在测定值恢复为正常的情况下，能够确认到测定值的异常的原因在于在检测部附着有污垢。
传感器S1有时由于历时变化而零点(包含跨度)偏离，在测定值产生异常。保养作业者实施零点调整的保养作业，在测定值恢复为正常的情况下，能够确认到测定值的异常的原因在于零点调整的不良。
传感器S1有时由于劣化等而成为不能恢复的故障状态，在测定值产生异常。保养作业者实施更换传感器的保养作业，在测定值恢复为正常的情况下，能够确认到测定值的异常的原因在于故障。
传感器S1的测定值的异常的这些原因，通过作业者的经验进行推测，通过保养作业进行确认。测定值的异常的原因的推测力根据保养作业者的经验水平而不同。因此，有时例如仅对传感器S1的当前的测定值进行测定，难以确定异常的原因。在如传感器S1这样，将诸如参数1～参数3的多个测定值输出的传感器中，由于异常的原因而针对每个参数的测定值的影响不同。在将多个测定值(测定数据)输出的传感器S1中，为了根据测定值间的关系而对异常的原因进行判断，要求保养作业者的高的经验水平。保养作业者根据实施保养作业而测定值恢复为正常，对异常的原因进行确认，对其结果进行记录。例如，在使用保养仪器6进行了保养作业的情况下，在保养仪器6中对保养作业的履历(实绩)进行记录。即，在保养仪器6中对保养作业的内容和保养作业的实施前后的测定值的变化进行记录。保养作业者将所实施的保养内容记入至检查簿等而进行记录。即，在保养仪器6、检查簿中有时对传感器S1的故障判断中的技巧进行记录。
另一方面，有时在传感器S1历时变化前进行传感器S1的零点调整、更换。在由传感器S1的异常造成的对车间的操作的影响大的情况下，进行在每个预定的期间定期地对还未历时变化、劣化的传感器实施调整或更换的预防性的保养。传感器根据使用状况等而劣化的进展情况等不同，因此在定期地统一实施保养作业的情况下，针对还不需要保养作业的正常的传感器也会实施保养作业。
在本实施方式中，例示出在测定值产生异常前进行的预防性的保养和在发生了异常后进行的事后的保养混用的情况。作为针对传感器S1实施的保养作业，例示出上述的(1)零点调整、(2)传感器清洗及(3)传感器更换这3种而在后面记述。
信息处理装置1经由运转控制装置4，按照时间序列取得由传感器S1测定出的参数1～参数3的测定数据。信息处理装置1将所取得的测定数据作为教师数据进行学习而生成判定模型，利用生成的判定模型，基于所取得的测定数据对传感器S1的保养时期进行判定。信息处理装置1可以将判定出的判定结果输出至制造执行系统3、保养仪器6及现场操作者终端7。信息处理装置1的动作的详细内容在后面记述。
进行保养作业的作业者可以是对车间进行操作的现场操作者。在图1中，对车间仪器P0具有反应器P1、传感器S1的情况进行了说明，但车间仪器P0的仪器结构并不限定于此。例如，车间仪器P0也可以具有罐、阀、泵、其他传感器等仪器。下面，将车间仪器P0所具有的传感器S1、阀或泵等称为“现场仪器”。对图1中图示的各仪器进行连接的线示出有线或无线的通信线。有线通信或无线通信可以经由未图示的通信仪器及网络进行。
基干业务系统2例如是面向会计处理、生产管理、销售管理等用于对经营资源进行管理的流程制造业的ERP(Enterprise Resource Planning：经营资源规划)系统。基干业务系统2可以将车间的运转状态的信息作为经营资源的管理信息进行利用。基干业务系统2可以包含对车间的保养、修理的业务信息进行管理的保养管理系统等。基干业务系统2例如是服务器装置、台式PC等通用计算机。
制造执行系统3例如是位于基干业务系统2和运转控制装置4之间的MES(Manufacturing Execution System)，对由运转控制装置4取得的车间仪器P0的动作状态、作业者的作业状况等进行监视或管理。制造执行系统3例如是服务器装置、台式PC等通用计算机。在制造执行系统中设为具有PIMS(Plant Information Management System：车间信息管理系统)或CMMS(Computerised Maintenance Management System：车间保养管理系统)等功能的结构。
PIMS从运转控制装置4收集传感器S1的测定数据等车间的状态信息而进行记录。PIMS将传感器S1的测定数据按照时间序列进行收集而作为历史数据(履历数据)进行记录。在本实施方式中，PIMS向信息处理装置1提供测定数据的履历数据。信息处理装置1将在后面记述的机械学习中判定出的传感器S1的保养预测时期提供给PIMS。
CMMS对车间仪器P0的保养履历进行记录，对保养计划进行管理。CMMS例如从多个保养仪器6取得由保养仪器6实施并记录的针对现场仪器的保养操作的操作履历，作为保养信息进行记录。CMMS可以设为能够由现场操作者将实施的保养作业手动地输入，作为保养信息进行记录。CMMS向信息处理装置1提供所记录的传感器S1的保养信息的履历。保养信息的详细内容在后面记述。
运转控制装置4基于从传感器S1取得的测定数据，对未图示的泵、阀进行控制，对反应器P1中的生成物的生成进行控制。运转控制装置4将从传感器S1取得的测定数据提供给信息处理装置1。运转控制装置4也可以取得在信息处理装置1中判定出的传感器S1的测定值的判定结果，基于判定结果对车间仪器P0进行控制。运转控制装置4例如是FA(FactoryAutomation)计算机、PLC(Programmable Logic Controller)等装置。
操作面板5是用于由车间的现场操作者对现场仪器的动作状态进行监视、对现场仪器进行操作的装置。操作面板5例如具有灯、显示器等显示仪器或按钮开关、键盘等操作仪器。在本实施方式中，操作面板5也可以取得在信息处理装置1中判定出的传感器S1的测定值的判定结果，将判定结果通知给现场操作者。
保养仪器6是现场操作者用于进行现场仪器的保养的仪器。现场仪器的保养例如是指下述处理：将在现场仪器所设定的仪器信息读出而进行确认的处理、针对现场仪器设定新的仪器信息(参数)的处理、对在现场仪器所设定的仪器信息进行调整或变更的处理、以及在现场仪器设定仪器信息而执行规定的动作的处理等。保养仪器6将在保养仪器6中执行的针对现场仪器的保养作为仪器操作履历进行记录。保养仪器6向信息处理装置1提供所记录的仪器操作履历的信息。保养仪器6也可以取得基于在信息处理装置1中判定出的传感器S1的测定值的判定结果作出的保养计划，基于所取得的保养计划而对现场操作者指示传感器S1的保养作业。保养仪器6是节点型或平板型的计算机、PDA(Personal DigitalAssistant)或智能手机等。
现场操作者终端7是现场操作者所持的终端装置。现场操作者终端7可以取得在信息处理装置1中判定出的传感器S1的测定值的判定结果，基于判定结果对现场操作者指示传感器S1的保养作业。现场操作者终端7是节点型或平板型的计算机、PDA或智能手机等。
信息处理装置1与制造执行系统3、运转控制装置4、操作面板5、保养仪器6及现场操作者终端7进行通信，取得传感器S1的保养所涉及的机械学习所需的信息而作为输入信息，将基于机械学习的判定结果的信息作为输出信息而提供给运转控制装置4等。
接下来，使用图2，对由信息处理装置1取得的输入信息和由信息处理装置1提供的输出信息进行说明。图2是表示实施方式的信息处理装置的输入信息和输出信息的一个例子的图。
＜输入信息＞
在图2中，信息处理装置1从PIMS 3A取得传感器S1的测定数据的履历(测定数据履历)而作为输入信息。测定数据履历是将传感器S1的参数1～参数3的测定值和测定出该测定值的测定日期时间按照测定日期时间的顺序进行存储得到的历史数据。记录有测定数据履历所包含的测定日期时间的测定数据的一部分与后面记述的保养信息相关联而作为机械学习的教师数据。即，在测定数据履历中包含成为教师数据的测定数据和不作为教师数据的测定数据。
信息处理装置1从CMMS 3B取得对传感器S1的保养作业进行了记录的保养信息的履历(保养履历)而作为输入信息。保养履历包含针对传感器S1实施的保养作业的内容和其实施日期时间的信息。如图1中说明所述，针对传感器S1实施的保养作业是：(1)零点调整、(2)传感器清洗及(3)传感器更换这3种。在保养履历中包含这些保养作业的任意的保养信息。
信息处理装置1从运转控制装置4取得传感器S1的测定数据而作为输入信息。从运转控制装置4取得的传感器S1的测定数据，例如是大致实时地取得的数据。从运转控制装置4取得的测定数据，在机械学习的执行阶段中用作判定的对象。也可以将从运转控制装置4取得的测定数据用作教师数据。
信息处理装置1从保养仪器6取得仪器操作履历的保养信息而作为输入信息。保养仪器6的仪器操作履历是经由CMMS 3B取得的，但信息处理装置1也可以直接从保养仪器6取得仪器操作履历。
信息处理装置1取得在由保养作业者记录的检查簿中记入的作业履历而作为保养信息。例如，信息处理装置1使作为在图3中后面记述的输入装置16的一个例子的扫描器16A光学地读取在检查簿中记入的作业履历的图像，对读取的图像进行OCR(OpticalCharacter Recognition)处理而将文字信息变换为电子数据，取得保养信息。检查簿具有规定的格式，保养作业者将实施的保养作业按照规定的格式记入。也可以是使用从检查簿取得的保养信息和从保养仪器6取得的保养信息的任一者。
＜输出信息＞
信息处理装置1基于机械学习的判定，向PIMS 3A提供传感器S1的保养预测时期的信息。保养预测时期例如是在传感器S1的测定值中发生异常的时期、或下一次应该实施针对传感器S1的保养作业的时期等。现场操作者基于所提供的保养预测时期的信息，能够制定传感器S1的保养计划。
信息处理装置1向运转控制装置4提供机械学习的判定结果。运转控制装置4基于所提供的判定结果，对车间的运转进行控制。例如，运转控制装置4在判定结果为传感器更换的情况下，进行将车间的运转中止或中断的控制。
信息处理装置1基于机械学习的判定结果，向保养仪器6提供保养计划的信息。保养计划的信息例如是将包含传感器S1的保养作业的应该实施的保养作业设为ToDo列表的信息。保养作业者携带保养仪器6，一边对在保养仪器6显示出的ToDo列表进行确认、一边实施保养作业。
信息处理装置1向现场操作者终端7提供机械学习的判定结果。保养作业者携带现场操作者终端7，基于在现场操作者终端7显示出的例如传感器更换等的判定结果而实施保养作业。
信息处理装置1与现场操作者终端7同样地，向操作面板5提供机械学习的判定结果。保养作业者基于在操作面板5显示出的例如传感器更换等的判定结果而实施保养作业。
下面，将由信息处理装置1输出的判定结果和上述任意的输出的内容称为“保养计划”。保养计划包含与通知给保养作业者的保养相关的信息即可，其内容是任意的。在保养计划中也可以仅包含例如判定结果。
接下来，使用图3，对信息处理装置1的硬件结构进行说明。图3是表示实施方式中的信息处理装置1的硬件结构的一个例子的框图。
在图3中，信息处理装置1具有：CPU(Central Processing Unit)11、RAM(RandomAccess Memory)12、ROM(Read Only Memory)13、HDD(Hard Disk Drive)14、显示装置15、输入装置16、通信I/F(Interface)17、通信I/F 18及对这些进行连接的总线19。
信息处理装置1例如是服务器装置、台式PC等的通用计算机、FA计算机、PLC等的装置、节点型或平板型的计算机、PDA或智能手机等。信息处理装置1的硬件可以作为单体装置构成，也可以是通过多个装置的组合而构成的系统。信息处理装置1也可以与其他装置共用硬件。
CPU 11通过执行在RAM 12、ROM 13或HDD14中存储的程序，从而进行信息处理装置1的控制。CPU 11执行用于实现后面记述的信息处理装置1的动作的信息处理程序。信息处理程序例如从记录有信息处理程序的记录介质或从提供经由网络的信息处理程序的服务器等取得，安装于HDD 14，能够从CPU 11读出而存储于RAM 12。
显示装置15是具有显示功能的例如液晶显示器。显示装置15可以通过头戴型显示器、眼镜型显示器、手表型显示器等各种方式而实现。输入装置16是具有输入功能的例如键盘或鼠标。输入装置16可以是将声音信息输入的麦克风，将图像信息输入的照相机或扫描器等。在本实施方式中，作为输入装置16而使用扫描器16A。显示装置15和输入装置16可以通过触摸面板等具有显示功能和输入功能的装置而实现。
通信I/F 17经由有线通信或无线通信，对与在图1中说明的制造执行系统3、运转控制装置4、保养仪器6、现场操作者终端7等其他装置的通信进行控制。通信I/F 17进行与所连接的其他装置的数据收发、声音通话或邮件收发等的通信控制。通信I/F 17例如进行无线LAN通信、有线LAN通信、红外线通信、近距离无线通信等与通用通信标准相对应的通信控制。
通信I/F 18经由有线通信或无线通信，对与运转控制装置4、操作面板5、保养仪器6、未图示的现场仪器等其他装置的通信进行控制。通信I/F 18例如进行与ISA(International Society of Automation：国际测量控制协会)的无线通信标准即ISA100、HART(Highway Addressable Remote Transducer)(注册商标)、BRAIN(注册商标)、FOUNDATION Fieldbus、PROFIBUS等工业仪器专用的通信标准相对应的通信控制。
接下来，使用图4，对信息处理装置1的软件结构进行说明。图4是表示实施方式中的信息处理装置1的软件结构的一个例子的框图。
在图4中，信息处理装置1具有测定数据取得部101(第1取得部)、保养信息取得部102(第2取得部)、OCR处理部103(变换部)、学习部104、判定模型存储部105(存储部)、保养计划生成部106(生成部)及保养计划通知部107(通知部)的各功能。信息处理装置1的上述各功能是通过对信息处理装置1进行控制的信息处理程序实现的功能模块。信息处理程序也可以从提供程序的服务器提供、或从记录介质提供。
测定数据取得部101从运转控制装置4取得传感器S1的测定数据。测定数据取得部101从PIMS 3A取得传感器S1的测定数据履历。从运转控制装置4取得的测定数据是从传感器S1大致实时地取得的。大致实时地取得是指，在刚由传感器S1测定出后立即取得的情况，或在规定的延迟时间后取得的情况。大致实时地取得是指，包含在几秒钟等短时间的每个周期取得测定数据的情况。另一方面，从PIMS 3A取得的测定数据履历，例如是1小时、1天、1星期等，以规定的期间记录的多个测定数据的履历。测定数据履历在后面记述的学习阶段中利用。另一方面，测定数据在执行阶段(或学习阶段)中利用。
测定数据取得部101可以具有预处理的功能。预处理是从取得的测定数据之中选择及调整教师数据，将生成的判定模型的精度提高。预处理例如进行离群值去除处理和标准化处理。离群值去除处理是指在取得的测定数据之中将不适于学习的离群值去除的处理。测定数据是否是离群值，例如能够通过将测定数据设为标本的情况下的标准偏差、规定的检定方法而判断。预处理例如也可以在车间的启动时、停止时或休止时等，将预见到会取得异常的测定数据时的测定数据作为离群值而去除。标准化处理是指对所取得的测定数据进行分析而调整(标准化)测定数据的振幅的处理。标准化例如是通过将测定数据的振幅与所得到的振幅的最大值对齐而进行的。
保养信息取得部102取得保养信息。保养信息是记录有保养作业的实绩的信息，包含保养作业的实施日期时间的信息。保养信息取得部102从CMMS 3B取得CMMS 3B所具有的保养信息。保养信息取得部102从保养仪器6取得仪器操作履历的保养信息。OCR处理部103将在扫描器16A中光学地读取到的检查簿的作业履历的图像信息变换为文字信息。保养信息取得部102取得变换为文字信息后的作业履历的保养信息。保养信息取得部102可以取得这些保养信息的任意者，也可以从这些保养信息中取得多个保养信息。
学习部104对将在保养信息取得部102中取得的保养信息作为标签信息而与在测定数据取得部101中取得的测定数据相关联所得到的教师数据进行机械学习而生成判定模型。
学习部104例如能够使用SVM(Support Vector Machine)等非线性分类方法而作为机械学习的方法。SVM将测定数据作为输入数据，生成用于对测定数据进行集群的判定线(判定模型)，使用所生成的判定模型对测定数据的集群进行判定。判定线是指用于对测定数据进行集群的边界线。判定线是通过将测定数据作为教师数据学习而生成的。
学习部104使用进行分类的集群为n集群(多集群)的多集群SVM(MMSVM)的方法。在MMSVM中，针对n集群而准备“nC2”个SVM。集群是通过相关联的标签进行分类的。标签是指用于将输入的输入数据集群的标志。在使用教师数据的机械学习中，从输入数据之中针对作为教师数据学习的数据关联标签，对带标签的教师数据进行学习。学习部104对教师数据进行学习，生成用于判定将输入数据集群于哪个标签的判定模型。在本实施方式中学习部104学习针对测定数据关联有预先准备的(1)需要零点调整、(2)需要传感器清洗、(3)需要传感器更换、以及(0)没有问题的4个标签中的任意标签后的教师数据。
在学习部104中使用的机械学习的方法并不限定于SVM，例如，也可以使用DeepLearning等神经网络的方法。
判定模型存储部105将在学习部104中生成的判定模型例如可读出地存储于图3的ROM 13或HDD14。判定模型存储部105可以针对传感器S1存储多个判定模型。
保养计划生成部106在机械学习的执行阶段中将在判定模型存储部105中存储的判定模型读出，使用所读出的判定模型，对由测定数据取得部101取得的测定数据进行判定。判定结果是测定数据与上述4个标签的哪个相关联(集群于哪个)。保养计划生成部106基于判定结果，生成传感器S1的保养计划。
例如，判定结果是(0)没有问题、(1)需要零点调整、(2)需要传感器清洗、以及(3)需要传感器更换这4个种类。在判定结果为(0)没有问题的情况下，保养计划生成部106不生成保养计划或生成不需要保养的保养计划。在判定结果为(1)需要零点调整的情况下，保养计划生成部106生成零点调整的保养计划。在判定结果为(2)需要传感器清洗的情况下，保养计划生成部106生成传感器清洗的保养计划。在判定结果为(3)需要传感器更换的情况下，保养计划生成部106生成传感器更换的保养计划。
由保养计划生成部106生成的保养计划，例如包含需要保养的保养预测时期(预测日期时间)。保养预测时期例如能够根据测定数据和判定模型的判定线之间的距离的历时变化而进行计算。在保养计划中，例如也可以包含将包含传感器S1的保养作业在内的应该实施的保养作业设为ToDo列表而得到的信息。ToDo列表例如能够通过向从CMMS 3B取得的ToDo列表的信息追加基于判定结果的传感器S1的保养项目而生成。在由保养计划生成部106生成的保养计划中，也可以包含劣化水平、紧急度等信息。劣化水平例如能够根据与判定模型中的在集群中使用的判定线之间的距离而进行计算。紧急度能够由取得了测定数据的传感器的车间中的预先设定的重要度等决定。重要度例如也可以根据车间的安全性、对在车间生成的产品品质的影响的大小等而确定。
保养计划通知部107将在保养计划生成部106中生成的保养计划向PIMS 3A、运转控制装置4、操作面板5、保养仪器6、现场操作者终端7、显示装置15等提供，由此向保养作业者通知保养计划。
保养计划通知部107例如向PIMS 3A提供判定结果(标签)和传感器S1的保养预测时期的信息而作为保养计划。保养作业者基于提供给PIMS 3A的保养预测时期的信息的通知，能够制定对传感器S1进行保养的计划。
保养计划通知部107例如向运转控制装置4仅提供判定结果而作为保养计划。运转控制装置4基于所提供的判定结果，对车间的运转进行控制。
保养计划通知部107例如向保养仪器6提供保护判定结果和传感器S1的保养作业的ToDo列表而作为保养计划。保养作业者能够一边对提供给保养仪器6的ToDo列表进行确认、一边实施保养作业。
保养计划通知部107例如向操作面板5或现场操作者终端7仅提供判定结果而作为保养计划。保养作业者能够基于提供给操作面板5或现场操作者终端7的判定结果，实施传感器S1的保养作业。
对图4中的信息处理装置1的测定数据取得部101、保养信息取得部102、OCR处理部103、学习部104、判定模型存储部105、保养计划生成部106及保养计划通知部107的各功能通过软件实现的情况进行了说明。但是，上述各功能中的大于或等于1个功能也可以通过硬件实现。上述各功能可以将1个功能分割为多个功能而实施。上述各功能也可以将大于或等于2个功能集成为1个功能而实施。
接下来，使用图5对信息处理装置1中的学习阶段的动作进行说明。图5是表示实施方式的信息处理装置1中的学习阶段的动作的一个例子的流程图。
学习阶段是基于测定数据生成判定模型并登记为止的处理。图5所示的流程图的动作设为是在图4中说明的信息处理装置1的各功能中执行的动作，下面的处理的动作主体设为信息处理装置1而进行说明。
在图5中，信息处理装置1对是否取得了测定数据进行判断(步骤S11)。是否取得了测定数据的判断，例如能够根据测定数据取得部101是否从传感器S1取得了测定数据而进行判断。测定数据例如是在车间的运转过程中在每个整点而定期地取得的。测定数据在不定期地实施的保养作业实施时与保养信息一起取得。例如，从PIMS 3A取得的测定数据履历或从CMMS 3B与保养履历一起取得的测定数据，包含这些定期地取得的测定数据和不定期地取得的测定数据。在判断为没有取得测定数据的情况下(步骤S11：NO)，信息处理装置1重复步骤S11的处理，等待取得测定数据。
另一方面，在判断为取得了测定数据的情况下(步骤S11：YES)，信息处理装置1取得保养信息(步骤S12)。保养信息的取得，例如是能够由保养信息取得部102通过将从CMMS3B取得而存储于HDD 14等的保养履历的保养信息读出而取得。
在执行步骤S12的处理后，信息处理装置1执行OCR处理(步骤S13)。OCR处理例如是OCR处理部103将通过扫描器16A光学地读取出的检查簿的保养记录的图像信息变换为文字信息而执行的。通过利用OCR处理取得检查簿的保养记录，从而能够实现从CMMS3B等取得的保养履历等电子信息和记录于纸等的保养记录的信息的一元化。
在执行步骤S13的处理后，信息处理装置1生成教师数据(步骤S14)。教师数据的生成是基于保养的实施状况，对测定数据关联保养信息的标签信息而设为教师数据。在这里，保养的实施状况是指例如是否实施了保养(有无实施保养)、或实施了保养的时间等。
＜基于有无实施保养的教师数据的生成＞
学习部104能够基于有无实施保养，对测定数据关联保养信息的标签信息而设为教师数据。教师数据包含测定数据和关联于测定数据的标签。关联于测定数据的标签是(0)没有问题、(1)需要零点调整、(2)需要传感器清洗、以及(3)需要传感器更换这4个种类。例如，学习部104对在没有实施保养时取得的测定数据关联(0)没有问题的标签而设为教师数据。另一方面，学习部104基于在实施了保养时所实施的保养的内容，关联(1)需要零点调整、(2)需要传感器清洗、或(3)需要传感器更换的任意标签而设为教师数据。关联的标签的种类、数量可以根据保养的内容而任意地设定。
＜基于实施了保养的时间的教师数据的生成＞
学习部104能够基于实施了保养的时间，对测定数据关联保养信息的标签信息而设为教师数据。关联于测定数据的标签同样地，是(0)没有问题、(1)需要零点调整、(2)需要传感器清洗及(3)需要传感器更换这4个种类。学习部104将实施了保养的时间和测定出测定数据的时间进行对比，在实施了保养的时间和测定出测定数据的时间不一致的情况下，关联(0)没有问题的标签而设为教师数据。时间的一致例如是指测定出测定数据的时刻包含于实施了保养的时间带的情况、或接近的情况等。另一方面，学习部104在实施了保养的时间和测定出测定数据的时间相一致的情况下，对应于时间一致的保养的内容而关联(1)需要零点调整、(2)需要传感器清洗或(3)需要传感器更换的任意标签而设为教师数据。
学习部104可以选择是否将所取得的测定数据设为教师数据，对选择出的教师数据进行学习。关于测定数据的选择，使用图8在后面记述。
通过根据保养的实施状况而进行测定数据和标签的关联，从而能够如图2所示，自动地进行从个别装置等取得的输入信息的关联。但是，测定数据和标签的关联也可以通过其他方法进行。例如，也可以手动地实施测定数据和标签的关联。也可以使测定数据的保养场所和保养信息的保存场所(文件系统中的文件夹等)一致，由此实施关联。
在执行步骤S14的处理后，信息处理装置1对在步骤S14中生成的学习数据进行机械学习(步骤S15)。机械学习是例如学习部104使用SVM的方法进行的。学习部104通过对关联有标签的测定数据进行机械学习，从而生成判定模型(步骤S16)。判定模型确定将(0)没有问题的测定数据与(1)需要零点调整、(2)需要传感器清洗或(3)需要传感器更换的测定数据进行分类的判定线。
在执行步骤S16的处理后，信息处理装置1对生成的判定模型进行存储(步骤S17)。判定模型的存储，例如是判定模型存储部105将由学习部104生成的判定模型存储于HDD 14等而执行的。
在执行步骤S17的处理后，信息处理装置1结束图5所示的流程图中的学习阶段的动作。
接下来，使用图6，对信息处理装置1中的执行阶段的动作进行说明。图6是表示实施方式的信息处理装置1中的执行阶段的动作的一个例子的流程图。
执行阶段是基于在图5说明的学习阶段中生成的判定模型，对所取得的测定数据进行判定的处理。在图6所示的流程图的动作中，也设为在图5说明的信息处理装置1的各功能中执行，设为下面的处理的动作主体是信息处理装置1。
在图6中，信息处理装置1对是否取得了测定数据进行判断(步骤S21)。是否取得了测定数据的判断能够与图5的步骤S11处理同样地进行。在判断为没有取得测定数据的情况下(步骤S21：NO)，信息处理装置1重复步骤S21的处理，等待取得测定数据。
另一方面，在判断为取得了测定数据的情况下(步骤S21：YES)，信息处理装置1执行判定处理(步骤S22)。判定处理是对在步骤S21中取得的测定数据应用至在学习阶段中创建出的判定模型时会包含于哪个判定区域进行判定的处理。判定处理在通过多个标签进行判定的判定区域为多个的情况下，进行是包含于哪个区域的判定。判定处理例如是由保养计划生成部106执行的。保养计划生成部106对测定数据与(0)没有问题、(1)需要零点调整、(2)需要传感器清洗及(3)需要传感器更换这4个标签的哪个相关联进行判定。
在执行步骤S22的处理后，信息处理装置1基于判定结果，生成传感器S1的保养计划(步骤S23)。保养计划的生成例如是由保养计划生成部106执行的。保养计划生成部106基于(1)需要零点调整、(2)需要传感器清洗及(3)需要传感器更换的判定结果，分别生成相对应的保养计划。保养计划的内容是任意的，例如，在判定结果为(0)没有问题的情况下，也可以仅包含判定结果的信息。
在执行步骤S23的处理后，信息处理装置1对在步骤S23的处理中生成的保养计划进行通知(步骤S24)。保养计划的通知例如是由保养计划通知部107执行的。保养计划通知部107将由保养计划生成部106生成的保养计划提供给PIMS 3A、运转控制装置4、操作面板5、保养仪器6、现场操作者终端7、显示装置15等，由此向保养作业者通知保养计划的内容。
保养计划通知部107也可以与PIMS 3A等提供目标相应地对保养计划的内容、数据形式等进行变更。保养计划通知部107例如向PIMS 3A等提供保养预测时期等能够进行预防保养的内容的信息，或者向操作面板5等提示能够立即实施保养作业的内容的信息。保养计划通知部107通过与提供目标相应地对保养计划的内容等进行变更，从而能够提高保养作业的效率和车间的可用性。
在执行步骤S24的处理后，信息处理装置1结束图6所示的流程图中的执行阶段的动作。
接下来，使用图7，对信息处理装置1取得保养信息的检查簿进行说明。图7是表示实施方式的信息处理装置1取得保养信息的检查簿的一个例子的图。
在图7中，检查簿具有作业者将必要事项记入的格式。在检查簿中，作为作业履历，具有序列编号、实施日期时间、担当者、实施场所、检查对象、检查项目的事项。实施日期时间为了将测定数据设为教师数据，记入保养作业将要开始前的日期时间。检查项目在相应的位置具有保养作业者进行勾选的勾选框。在本实施方式中，将测定数据设为教师数据是在该检查簿中涉及“传感器检测部被弄脏”的部分，因此在该项目中进行了勾选的检查簿成为在信息处理装置1中取得的保养信息。在备注栏中保养作业者通过手写而记入任意的内容。
检查簿是在保养作业者每次使用保养仪器6等实施保养作业时创建的。检查簿可以是通过保养仪器6自动地创建的电子检查簿，也可以是保养作业者通过手写而创建的使用纸张的检查簿。创建出的检查簿由扫描器16A光学地读取，通过OCR处理部变换为文字信息。在这里，对在检查项目的“传感器检测部被弄脏”中是否进行了勾选进行判别，进行了勾选的检查簿的作业履历作为保养信息而由信息处理装置1取得。此时在备注栏中手写的内容也变换为文字信息而取得。
在图7中示出保养作业者在每次实施保养作业时创建1张检查簿的情况，但检查簿例如也可以是将多个保养项目列表化而成的。检查簿也可以从触摸面板等直接输入文字等。在检查簿中也可以包含对现场仪器等进行拍摄得到的图像、保养作业实施时的录音数据、或从测定器等输出的打印纸等附带的信息。附带的信息例如可以通过序列编号进行管理，由信息处理装置1取得。
接下来，使用图8，对基于由信息处理装置1取得的保养信息而生成的教师数据进行说明。图8是表示实施方式的信息处理装置1生成的教师数据的一个例子的图。教师数据基于例如从CMMS 3B取得的保养履历，在图5的步骤S14中生成。
在图8中，教师数据具有：测定日期时间、参数1～参数3的测定值、保养内容、教师数据选择、标签(判定值)及备注的项目。测定日期时间，参数1～参数3的测定值及保养内容例如是基于从CMMS 3B取得的保养履历的测定数据。教师数据选择是在所取得的测定数据之中对是否设为教师数据进行选择。在教师数据选择中进行了勾选的测定数据作为教师数据而被选择。教师数据的选择能够在学习部104中自动地进行，另外设为能够进行手动修正。标签是关联于测定数据的标签。备注是任意地附加于各个测定数据的信息。
例如，第1行的测定日期时间为“2016/10/10 08：00：00”的测定数据是在每个整点时取得的测定数据，测定值是不需要保养作业的正常的状态。该测定数据通过学习部104关联(0)没有问题的标签，作为教师数据被选择。如该数据这样，测定值正常且定期地取得的测定数据自动地作为教师数据被选择。同样地，关于第2行及第3行的测定数据，也关联(0)没有问题的标签而作为教师数据被选择。
第4行的“2016/10/10 11：03：00”的测定数据，示出通过定期调整而进行了零点调整的情况。在保养作业中，从预防保养的观点出发，有时不管有无异常都实施保养作业。在该情况下，有时测定数据的测定值是正常的，因此如果将该测定数据作为教师数据而关联零点调整的标签，则零点调整的判定精度降低。如上所述，在通过定期调整而实施了保养作业的情况下，学习部104不将测定数据作为教师数据进行选择。
另一方面，“2016/10/11 13：25：00”的测定数据，示出在测定值(参数)发现异常而进行了零点调整的情况。参数异常例如能够根据测定值是否超过规定的阈值进行判断。保养内容的零点调整示出通过零点调整将参数异常消除。即，示出参数异常的原因是零点的偏离。在该情况下，针对测定数据及从该测定数据的测定日期时间起的规定时间前为止的测定数据，手动地或通过学习部104自动地关联(1)需要零点调整的标签而作为教师数据进行学习。其原因在于，关于从该测定数据的测定日期时间起的规定时间前为止的测定数据，也具有需要零点调整的特征的可能性高。作为教师数据进行选择的测定数据的范围(从测定日期时间起的规定时间前为止)，可以通过对生成的判定模型的精度进行验证而增减。
“2016/10/13 15：45：20”的测定数据示出通过保养作业而确认到传感器检测部的污垢，实施了传感器清洗的保养作业。在该情况下，也针对测定数据及从该测定数据的测定日期时间起的规定时间前为止的测定数据，手动地或通过学习部104自动地，关联(2)需要传感器清洗的标签而作为教师数据进行学习。其原因在于，关于从该测定数据的测定日期时间起的规定时间前为止的测定数据，也具有需要传感器清洗的特征的可能性高。
“2016/10/25 11：03：45”的测定数据示出根据参数异常，实施了传感器更换的保养作业。在该情况下，针对测定数据及从该测定数据的测定日期时间起的规定时间前为止的测定数据，也手动地或通过学习部104自动地，关联(3)需要传感器更换的标签而作为教师数据进行学习。其原因在于，关于从该测定数据的测定日期时间起的规定时间前为止的测定数据，也具有需要传感器更换的特征的可能性高。
在本实施方式中，传感器S1将参数1～参数3这3个种类的测定值分别作为教师数据进行学习。如上所述，根据传感器S1的异常的原因而对各个测定值造成的影响不同，因此通过将参数1～参数3的测定值分别设为教师数据，从而能够提高传感器S1的异常原因的判定精度。
在图8中说明的教师数据的选择方法是任意的。例如，也可以设为能够变更是自动地还是手动地进行标签的关联。关于是否作为教师数据进行选择，也可以通过规定的算法决定。
接下来，使用图9，说明信息处理装置1中的针对测定数据的标签的关联。图9是表示实施方式的信息处理装置中的将标签对测定数据进行关联的一个例子的图。
图9示出具有玻璃电极、比较电极及温度这3个参数的pH传感器的测定值的时间推移。横轴所示的测定日期时间为2016/1/30～2016/2/9。在日期时间T2检查到参数异常而在日期时间T3实施了传感器更换的保养作业的情况下，针对从日期时间T2起的规定时间前的日期时间T1至日期时间T3之间的测定数据，关联(3)需要传感器更换的标签而设为教师数据。日期时间T1例如能够一边对图9所示的测定值的推移进行确认、一边手动地前后移动。通过一边对测定值进行确认、一边对教师数据的范围进行选择，从而能够提高判定模型的精度。
如以上说明所述，本实施方式的信息处理装置具有：测定数据取得部，其取得传感器的测定数据；保养信息取得部，其取得由作业者实施的所述传感器的保养所涉及的保养信息；学习部，其对教师数据进行学习而生成判定模型，该教师数据是针对所取得的所述测定数据将所取得的所述保养信息作为标签信息进行关联而得到的；以及判定模型存储部，其对生成的所述判定模型进行存储，由此能够正确地对传感器的保养时期进行判断而实现保养成本的减少。
上述的信息处理装置1只要是具有上述功能的装置即可，例如，也可以通过多个装置的组合而构成、可通信地将各个装置连接而成的系统得以实现。信息处理装置1也可以作为图1中说明的制造执行系统3、运转控制装置4、保养仪器6等功能的一部分而实现。
本实施方式的信息处理方法包含下述步骤：测定数据取得步骤，取得传感器的测定数据；保养信息取得步骤，取得由作业者所实施的所述传感器的保养涉及的保养信息；学习步骤，对教师数据进行学习而生成判定模型，该教师数据是针对所取得的所述测定数据将所取得的所述保养信息作为标签信息进行关联而得到的；以及判定模型存储步骤，对生成的所述判定模型进行存储，由此能够正确地对传感器的保养时期进行判断而实现保养成本的减少。
本实施方式的信息处理方法中的各步骤的执行顺序并不限定于上述步骤的记载顺序，可以按照任意的顺序执行。
可以将用于使构成本实施方式所说明的装置的功能实现的程序记录于计算机可读取的非易失性的记录介质，将在该记录介质中记录的程序读入至计算机系统并执行，由此进行本实施方式的上述各种处理。此外，在这里所谓的“计算机系统”也可以是包含OS、周边仪器等硬件的结构。另外，对于“计算机系统”而言，如果是利用WWW系统的情况，则设为还包含主页提供环境(或者显示环境)。另外，“计算机可读取的非易失性的记录介质”是指软盘、光磁盘、ROM、闪存等可写入的非易失性存储器、CD－ROM等可移动介质、内置于计算机系统的硬盘等存储装置。
并且，“计算机可读取的非易失性的记录介质”是指如成为经由互联网等网络、电话线路等通信线路而发送出程序的情况下的服务器、客户端的计算机系统内部的易失性存储器(例如DRAM(Dynamic Random Access Memory))这样，包含以一定时间保存有程序的介质。另外，上述程序也可以从将该程序储存于存储装置等的计算机系统，经由传送介质或者通过传送介质中的传送波，传送至其他计算机系统。在这里，对程序进行传送的“传送介质”是指，如互联网等网络(通信网)、电话线路等通信线路(通信线)这样，具有对信息进行传送的功能的介质。另外，上述程序也可以是用于实现前述的功能的一部分的程序。并且，也可以通过与将前述的功能已经记录于计算机系统的程序的组合而实现，可以是所谓的差分文件(差分程序)。
以上，关于本发明的实施方式，参照附图进行了说明，但具体结构并不限定于该实施方式，也包含不脱离本发明的主旨的范围中的各种变更。

Claims (12)

1.一种信息处理装置，其具有：
第1取得部，其取得传感器的测定数据；
第2取得部，其取得所实施的所述传感器的保养涉及的保养信息；
学习部，其对教师数据进行学习，生成判定模型，该教师数据是针对所取得的所述测定数据，将所取得的所述保养信息作为标签信息进行关联而得到的，所述标签信息包含没有问题、需要零点调整、需要传感器清洗以及需要传感器更换这4个种类的标签；
存储部，其对生成的所述判定模型进行存储；以及
显示装置，其以能够通过手动选择所述教师数据的范围的方式对表示所取得的所述测定数据的时间推移的图进行显示，
所述第1取得部取得由所述传感器输出的多个种类的所述测定数据，
所述学习部对教师数据进行学习，该教师数据是在第1日期时间检查到所述测定数据的异常而在第2日期时间实施了所述保养的情况下，针对从所述第1日期时间之前的通过所述手动而选择出的第3日期时间至所述第2日期时间为止的范围的多个种类的所述测定数据，将与在所述第2日期时间实施的所述保养相关的所述保养信息作为所述标签信息进行关联而得到的。
2.根据权利要求1所述的信息处理装置，其中，
还具有生成部，该生成部基于存储的所述判定模型及取得的所述测定数据，生成所述传感器的保养计划。
3.根据权利要求2所述的信息处理装置，其中，
还具有通知部，该通知部对生成的所述保养计划进行通知。
4.根据权利要求1至3中任一项所述的信息处理装置，其中，
所述学习部基于所述保养的实施状况，将所述测定数据和所述标签信息进行关联而学习。
5.根据权利要求1至3中任一项所述的信息处理装置，其中，
还具有变换部，该变换部将由作业者记录的保养记录的图像信息变换为文字信息，
所述第2取得部通过取得变换为文字信息后的所述保养记录，从而取得所述保养信息。
6.根据权利要求1至3中任一项所述的信息处理装置，其中，
所述学习部对是否将所取得的所述测定数据设为教师数据进行选择，对选择出的所述教师数据进行学习。
7.根据权利要求6所述的信息处理装置，其中，
所述学习部将所述测定数据所包含的测定值为正常、且定期地取得的测定数据设为教师数据。
8.根据权利要求6所述的信息处理装置，其中，
所述学习部不将在针对所述传感器的定期调整中取得的所述测定数据设为教师数据。
9.一种信息处理方法，其中，
取得传感器的测定数据；
取得所实施的所述传感器的保养涉及的保养信息；
对教师数据进行学习，生成判定模型，该教师数据是针对所取得的所述测定数据，将所取得的所述保养信息作为标签信息进行关联而得到的，所述标签信息包含没有问题、需要零点调整、需要传感器清洗以及需要传感器更换这4个种类的标签；
对生成的所述判定模型进行存储；以及
以能够通过手动选择所述教师数据的范围的方式对表示所取得的所述测定数据的时间推移的图进行显示，
其中，
取得由所述传感器输出的多个种类的所述测定数据，
对教师数据进行学习，该教师数据是在第1日期时间检查到所述测定数据的异常而在第2日期时间实施了所述保养的情况下，针对从所述第1日期时间之前的通过所述手动而选择出的第3日期时间至所述第2日期时间为止的范围的多个种类的所述测定数据，将与在所述第2日期时间实施的所述保养相关的所述保养信息作为所述标签信息进行关联而得到的。
10.根据权利要求9所述的信息处理方法，其中，
基于存储的所述判定模型及取得的所述测定数据，生成所述传感器的保养计划。
11.根据权利要求10所述的信息处理方法，其中，
对生成的所述保养计划进行通知。
12.一种记录介质，其记录有程序，该程序使计算机执行下述步骤：
取得传感器的测定数据；
取得所实施的所述传感器的保养涉及的保养信息；
对教师数据进行学习，生成判定模型，该教师数据是针对所取得的所述测定数据，将所取得的所述保养信息作为标签信息进行关联而得到的，所述标签信息包含没有问题、需要零点调整、需要传感器清洗以及需要传感器更换这4个种类的标签；
对生成的所述判定模型进行存储；以及
以能够通过手动选择所述教师数据的范围的方式对表示所取得的所述测定数据的时间推移的图进行显示，
其中，
取得由所述传感器输出的多个种类的所述测定数据，
对教师数据进行学习，该教师数据是在第1日期时间检查到所述测定数据的异常而在第2日期时间实施了所述保养的情况下，针对从所述第1日期时间之前的通过所述手动而选择出的第3日期时间至所述第2日期时间为止的范围的多个种类的所述测定数据，将与在所述第2日期时间实施的所述保养相关的所述保养信息作为所述标签信息进行关联而得到的。
CN201711096952.8A 2016-11-11 2017-11-09 信息处理装置、信息处理方法及记录介质 Active CN108073154B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2016220524A JP2018077757A (ja) 2016-11-11 2016-11-11 情報処理装置、情報処理方法、情報処理プログラム及び記録媒体
JP2016-220524 2016-11-11

Publications (2)

Publication Number Publication Date
CN108073154A CN108073154A (zh) 2018-05-25
CN108073154B true CN108073154B (zh) 2021-05-18

Family

ID=60301812

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711096952.8A Active CN108073154B (zh) 2016-11-11 2017-11-09 信息处理装置、信息处理方法及记录介质

Country Status (4)

Country Link
US (1) US11126150B2 (zh)
EP (1) EP3321756B1 (zh)
JP (1) JP2018077757A (zh)
CN (1) CN108073154B (zh)

Families Citing this family (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6436148B2 (ja) * 2016-11-18 2018-12-12 横河電機株式会社 情報処理装置、保全機器、情報処理方法、情報処理プログラム及び記録媒体
CN110753820B (zh) * 2017-07-26 2021-08-10 大金工业株式会社 环境设备控制装置
JP6763910B2 (ja) * 2018-05-30 2020-09-30 横河電機株式会社 異常検出装置、異常検出方法、異常検出プログラム及び記録媒体
CN109219002B (zh) * 2018-08-10 2021-09-03 广东工业大学 一种提醒短信发送方法、装置、设备及可读存储介质
JP7065556B2 (ja) * 2018-08-25 2022-05-12 株式会社チノー 熱電対センサ装置、熱電対交換タイミング算出方法、熱電対交換タイミング算出プログラム、熱電対センサシステム
CN112805732A (zh) * 2018-10-10 2021-05-14 旭化成株式会社 计划装置、计划方法以及计划程序
CN109710347B (zh) * 2018-10-16 2021-12-31 北京天地和兴科技有限公司 一种基于mvc框架高效开发带过滤功能生成列表页的方法
EP3671385B1 (en) * 2018-12-20 2023-08-09 Endress+Hauser Group Services AG Method of determining the time interval until a service action is required
JP6806384B2 (ja) * 2019-01-16 2021-01-06 株式会社三葉電熔社 故障予測システム
JP7357450B2 (ja) * 2019-02-28 2023-10-06 コマツ産機株式会社 学習データを収集するためのシステム、及び方法
JP6897701B2 (ja) * 2019-03-19 2021-07-07 ダイキン工業株式会社 保守作業支援装置、保守作業支援方法及び保守作業支援プログラム
WO2020193330A1 (en) * 2019-03-23 2020-10-01 British Telecommunications Public Limited Company Automated device maintenance
JP7162560B2 (ja) * 2019-03-28 2022-10-28 日立造船株式会社 情報処理装置、情報処理方法、情報処理プログラム、およびゴミ焼却プラント
JP7140705B2 (ja) * 2019-03-29 2022-09-21 株式会社日立製作所 ストレージシステム、及び、データ記録方法
JP7437784B2 (ja) * 2019-04-22 2024-02-26 パナソニックＩｐマネジメント株式会社 学習済みモデルの生成方法、保全表示装置、及びプログラム
JP7365833B2 (ja) * 2019-09-26 2023-10-20 株式会社チノー センサ管理システム
US11500361B2 (en) * 2019-11-14 2022-11-15 Panasonic Intellectual Property Management Co., Ltd. Learned model generation method
US11764391B2 (en) * 2019-11-14 2023-09-19 Panasonic Intellectual Property Management Co., Ltd. Display method and learned model generation method
JP2021144484A (ja) * 2020-03-12 2021-09-24 横河電機株式会社 アラーム発生システム、及びアラーム発生方法
JP7205514B2 (ja) 2020-03-31 2023-01-17 横河電機株式会社 学習データ処理装置、学習データ処理方法、学習データ処理プログラム、及び非一時的なコンピュータ読み取り可能な媒体
JP7428862B2 (ja) * 2021-11-19 2024-02-07 Ｌｉｎｅヤフー株式会社 推定装置、推定方法、学習装置、学習方法、およびプログラム

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102436590A (zh) * 2011-11-04 2012-05-02 康佳集团股份有限公司 一种基于在线学习的实时跟踪方法及跟踪系统
CN102915493A (zh) * 2011-08-05 2013-02-06 株式会社东芝 信息处理装置和方法
CN103400123A (zh) * 2013-08-21 2013-11-20 山东师范大学 基于三轴加速度传感器及神经网络的步态类型鉴别方法
CN104268397A (zh) * 2014-09-24 2015-01-07 杭州电子科技大学 基于舰船辐射噪声优化特征的水声目标识别方法

Family Cites Families (25)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0997285A (ja) * 1995-09-29 1997-04-08 Toshiba Corp 機器及び部品の保守周期調整システムと調整方法
JPH09197285A (ja) * 1996-01-12 1997-07-31 Nikon Corp 位相差顕微鏡用対物レンズ
US20030046382A1 (en) * 2001-08-21 2003-03-06 Sascha Nick System and method for scalable multi-level remote diagnosis and predictive maintenance
JP5048625B2 (ja) * 2008-10-09 2012-10-17 株式会社日立製作所 異常検知方法及びシステム
JP5301310B2 (ja) * 2009-02-17 2013-09-25 株式会社日立製作所 異常検知方法及び異常検知システム
US8484150B2 (en) * 2010-02-26 2013-07-09 General Electric Company Systems and methods for asset condition monitoring in electric power substation equipment
WO2012042649A1 (ja) * 2010-09-30 2012-04-05 株式会社日立製作所 センサシステム、計算機、及び、機器
JP5484591B2 (ja) 2010-12-02 2014-05-07 株式会社日立製作所 プラントの診断装置及びプラントの診断方法
EP2697699B1 (en) * 2011-04-15 2018-08-15 ABB Schweiz AG Dynamic assessment system for high-voltage electrical components
JP5081999B1 (ja) 2011-06-22 2012-11-28 株式会社日立エンジニアリング・アンド・サービス 異常予兆診断結果の表示方法
US9411326B2 (en) 2012-08-21 2016-08-09 General Electric Company Plant control optimization system including visual risk display
CN103853144B (zh) * 2012-11-29 2017-09-08 沈阳工业大学 基于采油生产数据的现场传感器故障检测方法
US9477214B2 (en) * 2013-03-07 2016-10-25 General Electric Company Plant control systems and methods
US9374629B2 (en) * 2013-03-15 2016-06-21 The Nielsen Company (Us), Llc Methods and apparatus to classify audio
JP5369246B1 (ja) * 2013-07-10 2013-12-18 株式会社日立パワーソリューションズ 異常予兆診断装置及び異常予兆診断方法
DE102013108478A1 (de) * 2013-08-06 2015-02-12 Endress+Hauser Process Solutions Ag Verfahren zur Erweiterung einer eingebetteten Softwarekomponente eines Feldgerätes
CN103514458B (zh) * 2013-09-29 2016-08-24 北京理工大学 基于纠错编码与支持向量机相结合的传感器故障辨识方法
CN105658937B (zh) * 2013-10-04 2019-06-28 沃尔沃卡车集团 用于监测传感器的运行的方法
JP5753286B1 (ja) * 2014-02-05 2015-07-22 株式会社日立パワーソリューションズ 情報処理装置、診断方法、およびプログラム
JP6465106B2 (ja) * 2014-03-31 2019-02-06 日本電気株式会社 教師データ生成装置、電気機器監視システム、教師データ生成方法及びプログラム
JP6340236B2 (ja) * 2014-04-15 2018-06-06 三菱重工工作機械株式会社 工作機械の診断方法及びシステム
US20160140263A1 (en) * 2014-11-18 2016-05-19 General Electric Company System and method for determining the current and future state of health of a power transformer
CN104596780B (zh) 2015-02-12 2017-04-26 清华大学 一种动车组制动系统传感器故障的诊断方法
CN106033425A (zh) 2015-03-11 2016-10-19 富士通株式会社 数据处理设备和数据处理方法
CN105043593B (zh) * 2015-06-30 2017-10-24 株洲南车时代电气股份有限公司 一种机车温度传感器故障诊断及容错估计方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102915493A (zh) * 2011-08-05 2013-02-06 株式会社东芝 信息处理装置和方法
CN102436590A (zh) * 2011-11-04 2012-05-02 康佳集团股份有限公司 一种基于在线学习的实时跟踪方法及跟踪系统
CN103400123A (zh) * 2013-08-21 2013-11-20 山东师范大学 基于三轴加速度传感器及神经网络的步态类型鉴别方法
CN104268397A (zh) * 2014-09-24 2015-01-07 杭州电子科技大学 基于舰船辐射噪声优化特征的水声目标识别方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
云环境下数据融合技术的应用与研究;逄顺鹏;《中国优秀硕士学位论文全文数据库信息科技辑》;20160315(第3期);第I140-325页 *

Also Published As

Publication number Publication date
US11126150B2 (en) 2021-09-21
JP2018077757A (ja) 2018-05-17
EP3321756A1 (en) 2018-05-16
US20180136616A1 (en) 2018-05-17
CN108073154A (zh) 2018-05-25
EP3321756B1 (en) 2021-01-27

Similar Documents

Publication Publication Date Title
CN108073154B (zh) 信息处理装置、信息处理方法及记录介质
US10726428B2 (en) Industrial data analytics in a cloud platform
EP3336639B1 (en) Asset management of field devices
US11687064B2 (en) IBATCH interactive batch operations system enabling operational excellence and competency transition
US20100094676A1 (en) Closed loop self corrective maintenance within a document processing environment
CN107942956B (zh) 信息处理装置、信息处理方法、信息处理程序及记录介质
CN1761919A (zh) 过程工厂中的资产优化报告
JP6702180B2 (ja) 保全管理装置、保全管理方法、保全管理プログラム及び記録媒体
US20110066898A1 (en) Predictive analysis method for improving and expediting realization of system safety, availability and cost performance increases
EP3324253B1 (en) Information processing device, maintenance apparatus, information processing method, program, and storage medium
EP3343470A1 (en) Maintenance management device, maintenance management method, maintenance management program, and non-transitory computer readable storage medium
JP6950727B2 (ja) 情報処理装置、情報処理方法、情報処理プログラム及び記録媒体
US11481164B2 (en) System and method for modeling and implementing predictive device maintenance
Saboo et al. Enhancing predictive maintenance in an oil & gas refinery using IoT, AI & ML: An Generative AI Solution
Man et al. Planning and control frameworks of the future
US11237550B2 (en) Ultrasonic flow meter prognostics with near real-time condition based uncertainty analysis
Snatkin et al. Production monitoring system concept development
Joshi Smart Factory Digital Twin for Performance Measurement, Optimization, and Prediction
WO2023250186A1 (en) Supply chain visualization and control
Karim et al. Proceedings of the 1st international workshop and congress on eMaintenance

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant