CN108227603A - 控制系统、控制方法及计算机可读存储介质 - Google Patents
控制系统、控制方法及计算机可读存储介质 Download PDFInfo
- Publication number
- CN108227603A CN108227603A CN201711115026.0A CN201711115026A CN108227603A CN 108227603 A CN108227603 A CN 108227603A CN 201711115026 A CN201711115026 A CN 201711115026A CN 108227603 A CN108227603 A CN 108227603A
- Authority
- CN
- China
- Prior art keywords
- equipment
- redundant
- abnormal
- characteristic quantity
- control
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 114
- 238000003860 storage Methods 0.000 title claims abstract description 33
- 238000001514 detection method Methods 0.000 claims abstract description 104
- 230000005856 abnormality Effects 0.000 claims abstract description 86
- 230000002159 abnormal effect Effects 0.000 claims abstract description 78
- 230000007246 mechanism Effects 0.000 claims abstract description 39
- 230000001419 dependent effect Effects 0.000 claims abstract description 15
- 230000008520 organization Effects 0.000 claims abstract description 3
- 230000003287 optical effect Effects 0.000 claims description 7
- 238000003384 imaging method Methods 0.000 claims description 6
- 241000208340 Araliaceae Species 0.000 claims description 3
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 claims description 3
- 235000003140 Panax quinquefolius Nutrition 0.000 claims description 3
- 238000006073 displacement reaction Methods 0.000 claims description 3
- 239000000835 fiber Substances 0.000 claims description 3
- 235000008434 ginseng Nutrition 0.000 claims description 3
- 238000012423 maintenance Methods 0.000 abstract description 16
- 230000006870 function Effects 0.000 description 95
- 230000008569 process Effects 0.000 description 55
- 238000007726 management method Methods 0.000 description 28
- 238000012544 monitoring process Methods 0.000 description 20
- 238000007418 data mining Methods 0.000 description 19
- 238000010586 diagram Methods 0.000 description 18
- 238000012545 processing Methods 0.000 description 18
- 230000003449 preventive effect Effects 0.000 description 6
- 238000013480 data collection Methods 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000008571 general function Effects 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000002547 anomalous effect Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000007689 inspection Methods 0.000 description 3
- 238000009434 installation Methods 0.000 description 3
- 230000009897 systematic effect Effects 0.000 description 3
- 238000012800 visualization Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000013144 data compression Methods 0.000 description 2
- 230000006866 deterioration Effects 0.000 description 2
- 235000013399 edible fruits Nutrition 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 238000010200 validation analysis Methods 0.000 description 2
- 230000015556 catabolic process Effects 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 210000004209 hair Anatomy 0.000 description 1
- 230000007257 malfunction Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000005019 pattern of movement Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000000513 principal component analysis Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
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
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/04—Programme control other than numerical control, i.e. in sequence controllers or logic controllers
- G05B19/048—Monitoring; Safety
-
- 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
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/04—Programme control other than numerical control, i.e. in sequence controllers or logic controllers
- G05B19/05—Programmable logic controllers, e.g. simulating logic interconnections of signals according to ladder diagrams or function charts
- G05B19/054—Input/output
-
- 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
-
- 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
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/04—Programme control other than numerical control, i.e. in sequence controllers or logic controllers
- G05B19/05—Programmable logic controllers, e.g. simulating logic interconnections of signals according to ladder diagrams or function charts
- G05B19/058—Safety, monitoring
-
- 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
- G05B23/0286—Modifications to the monitored process, e.g. stopping operation or adapting control
- G05B23/0289—Reconfiguration to prevent failure, e.g. usually as a reaction to incipient failure detection
-
- 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
- G05B23/0286—Modifications to the monitored process, e.g. stopping operation or adapting control
- G05B23/0294—Optimizing process, e.g. process efficiency, product quality
-
- 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
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/04—Programme control other than numerical control, i.e. in sequence controllers or logic controllers
- G05B19/042—Programme control other than numerical control, i.e. in sequence controllers or logic controllers using digital processors
- G05B19/0428—Safety, monitoring
-
- 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
- G05B2219/00—Program-control systems
- G05B2219/10—Plc systems
- G05B2219/14—Plc safety
- G05B2219/14014—Redundant processors and I-O
-
- 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
- G05B2219/00—Program-control systems
- G05B2219/10—Plc systems
- G05B2219/14—Plc safety
- G05B2219/14037—Fault in I-O communication
-
- 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
- G05B2219/00—Program-control systems
- G05B2219/20—Pc systems
- G05B2219/24—Pc safety
- G05B2219/24015—Monitoring
-
- 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
- G05B2219/00—Program-control systems
- G05B2219/20—Pc systems
- G05B2219/24—Pc safety
- G05B2219/24069—Diagnostic
-
- 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
- G05B23/0237—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 based on parallel systems, e.g. comparing signals produced at the same time by same type systems and detect faulty ones by noticing differences among their responses
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Artificial Intelligence (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Chemical & Material Sciences (AREA)
- Quality & Reliability (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Testing And Monitoring For Control Systems (AREA)
- Safety Devices In Control Systems (AREA)
Abstract
本发明提供控制系统、控制方法及计算机可读存储介质。根据本发明,能够解决提高设备的运转率和可靠性的同时降低维护成本的彼此矛盾的课题。该控制系统包括对控制对象进行控制的控制装置和控制装置能够访问的冗余化的设备。该控制系统还包括:特征量生成机构,其从与冗余化的设备相关的数据生成特征量;异常检测机构,其基于由特征量生成机构生成的特征量和预先设定的异常检测参数,判断冗余化的设备中是否发生异常;切换机构,由异常检测机构判断为发生异常时,其对冗余化的设备实施运转系统与待机系统的切换;学习机构,通过机械学习与冗余化的设备相关的数据,确定异常检测参数。
Description
技术领域
本发明涉及一种能够自动地切换冗余化的设备的控制系统、控制方法及计算机可读存储介质。
背景技术
在各种生产现场中,广泛普及使用PLC(Programmable Logic Controller:可编程控制器)等控制装置的FA(Factory Automation:工厂自动化)技术。人们对于这种控制装置,存在希望通过缩短因故障而装置停止运行的时间和维护工作所需的时间,来提高运转率和维护性的潜在的需求。对于这种需求,例如,日本特开2015-133002号公报(专利文献1)公开了即便在以非冗余化结构使用多点类型的I/O模块时,也可以防止运转率和维护性下降的仪表系统。更具体而言,专利文献1中公开了使非冗余结构设定的I/O模块以近似冗余结构动作的上位控制装置等。并且,安装有在需要更换I/O模块时将控制权转移至新的I/O模块的功能。
专利文献1:日本特开2015-133002号公报
上述专利文献1中公开的结构适合于故障发生之后更换I/O模块的事后维修(BM:Breakdown Maintenance),然而在实际的生产现场中,实施在故障发生之前进行目标部位的更换或修理的预防性维护(PM:Preventive Maintenance)等。通过进行这种预防性维护,能够降低发生突发性故障引起设备停止以及因设备停止而导致运转率下降的事态可能性。
另一方面,为了实施预防性维护,需要对运转状态、运转时间等进行管理,从而存在维护工作需要成本的课题。
发明内容
本发明将解决如上所述的能够提高设备的运转率和可靠性的同时降低维护成本的彼此矛盾的课题作为目的。
本发明的一技术方案提供包括对控制对象进行控制的控制装置和控制装置能够访问的冗余化的设备的控制系统。控制系统包括:特征量生成机构,其从与冗余化的设备相关的数据生成特征量;异常检测机构,其基于由特征量生成机构生成的特征量和预先设定的异常检测参数,判断冗余化的设备中是否发生异常;切换机构,由异常检测机构判断为发生异常时,其对冗余化的设备实施运转系统和待机系统的切换;学习机构,其通过机械学习与冗余化的设备相关的数据,来确定异常检测参数。
优选的是,切换机构包括保持表示冗余化的设备所包括的设备的实际结构的各个实际设备结构信息和表示冗余化的设备的假想化结构的假想设备结构信息的机构。假想设备结构信息包括重新作为运转系统发挥作用的设备的信息。切换机构包括由异常检测机构判断为发生异常时,对假想设备结构信息所包含的重新作为新运转系统发挥作用的设备的信息进行更新的机构。
优选的是,控制系统还包括变量管理器,该变量管理器参照假想设备地址与对象设备之间交换数据。由异常检测机构判断为发生异常时,切换机构将假想设备地址与重新作为运转系统发挥作用的设备的地址相关联。
优选的是,由异常检测机构判断为发生异常时,切换机构指示冗余化的设备中作为运转系统发挥作用的设备转变到待机系统,并且指示作为待机系统发挥作用的设备转变到运转系统。
优选的是,根据在冗余化的设备发生故障之前的阶段产生的特征量,确定异常检测参数。
优选的是,控制系统还包括日志输出机构,由异常检测机构判断为发生异常时,该日志输出机构输出表示被判断为正在发生的异常的内容的事件日志。
优选的是,从预先准备的多个特征量的生成方法中至少选择一个。
优选的是,冗余化的设备包括数字信号输入输出单元、模拟信号输入输出单元、伺服驱动器、逆变器单元、图像传感器、位移传感器、光纤传感器中的至少一者。
本发明的另一技术方案提供存储有通过由计算机执行来实现对控制对象进行控制的控制装置的控制程序的计算机可读存储介质。控制程序使计算机执行:从与控制装置能够访问的冗余化的设备相关的数据生成特征量的步骤;基于生成的特征量和预先设定的异常检测参数,判断冗余化的设备中是否发生异常的步骤;当判断为发生异常时,对冗余化的设备实施运转系统和待机系统的切换的步骤;通过机械学习与冗余化的设备相关的数据,来确定异常检测参数的步骤。
本发明的又另一技术方案提供由对控制对象进行控制的控制装置执行的控制方法。控制方法包括:从与控制装置能够访问的冗余化的设备相关的数据生成特征量的步骤;基于生成的特征量和预先设定的异常检测参数,判断冗余化的设备中是否发生异常的步骤;当判断为发生异常时,对冗余化的设备实施运转系统和待机系统的切换的步骤;通过机械学习与冗余化的设备相关的数据,来确定异常检测参数的步骤。
根据本发明,能够解决提高设备的运转率和可靠性的同时,降低维护成本的彼此矛盾的课题。
附图说明
图1是表示本实施方式的控制系统的总体结构例的示意图。
图2是表示构成本实施方式的控制系统的控制装置的硬件结构例的框图。
图3是表示构成本实施方式的控制系统的支援装置的硬件结构例的框图。
图4是用于说明本实施方式的控制系统提供的设备的自动切换功能的示意图。
图5是用于说明本实施方式的控制系统中的总体功能的示意图。
图6是用于说明本实施方式的控制系统的各装置提供的功能的示意图。
图7是表示本实施方式的控制系统的准备工序中能够确定的特征量的列表的一个例子。
图8是表示本实施方式的控制系统的准备工序中确定的异常检测方法和异常检测参数的一个例子的示意图。
图9是用于说明本实施方式的控制系统的特征量监控工序中的处理内容的示意图。
图10是用于说明与本实施方式的控制系统的假想设备管理功能相关的功能和处理的示意图。
图11是表示具有在本实施方式的控制系统中执行的自动切换功能的用户程序的一个例子的图。
附图标记说明
1:控制系统,2:第一现场网络,4:第二现场网络,6:本地网,10:现场装置组,12:远程I/O装置,14:继电器组,16、124:I/O单元,18:图像传感器,20:照相机,22:伺服驱动器,24:伺服马达,100:控制装置,102、202:处理器,104:芯片组,106、206:主存储装置,108、208:二次存储装置,110、214:本地网控制器,112、212:控制器,114:存储卡接口,116:存储卡,118、120:现场总线控制器,122:内部总线控制器,130:内部DB,132:原始数据,134:学习结果,136:异常检测结果,140:机械学习引擎,142:学习功能,144:异常检测功能,146:事件日志,150:PLC引擎,152:调度器,154:变量管理器,160:控制程序,162:运动程序,164:写入程序,166:机械学习引擎接口,168:学习要求程序,170:监控要求程序,172:串行化模块,174:特征量生成程序,180:假想设备管理功能,182:设备结构信息,184:实际设备结构信息组,186:假想设备结构信息,188:设备变量表格,190:OS、200:支援装置,204:光学驱动器,205:记录介质,216:输入部,218:显示部,220:总线,222:开发程序,224:参数设定工具,226:数据挖掘工具,300:数据记录装置,400:显示装置,1421:异常检测设定表格,1422:类别,1423:特征量生成方法,1424:异常检测方法,1542:系统变量,1544:设备变量,1546:异常检测参数,1661:功能块,1662:模式设定,1663、1664:设定,1665:特征量设定,1741、1745:特征量生成功能块,1841、1842、1843:实际设备结构信息,2242:变量访问程序,2262:访问功能,2264:数据挖掘功能,2266:可视化功能。
具体实施方式
参照附图对本发明的实施方式进行详细的说明。需要说明的是,对图中相同或者相应的部分标注了相同的附图标记,并省略对其的重复说明。
<A.控制系统的整体结构例>
首先,对包括本实施方式的控制装置的控制系统1的整体结构例进行说明。
图1是表示本实施方式的控制系统1的总体结构例的示意图。参照图1,本实施方式的控制系统1的主要结构包括:控制装置100,其对控制对象进行控制;支援装置200,其与控制装置100连接。
控制装置100可通过PLC之类的一种计算机来实现。控制装置100经由第一现场网络2与现场装置组10相连接,并且经由第二现场网络4与一个或者多个显示装置400相连接。此外,控制装置100经由本地网6与数据记录装置300连接。控制装置100和经由各个网络与该控制装置100连接的装置之间交换数据。需要说明的是,数据记录装置300和显示装置400是可选的结构,并非控制系统1的必要结构。
控制装置100具有控制逻辑(以下,称作“PLC引擎”),该控制逻辑执行用于控制设备、机械的各种运算。除了PLC引擎外,控制装置100还具有用于收集在现场装置组10被测量到并向控制装置100传送的数据(以下,称作“输入数据”)的收集功能。此外,控制装置100还具有监控所收集的输入数据的监控功能。
具体而言,安装于控制装置100的内部数据库(以下,称作“内部DB”)130提供收集功能,安装于控制装置100的机械学习引擎140提供监控功能。关于内部DB130和机械学习引擎140的细节,将在后面叙述。
第一现场网络2和第二现场网络4优选采用保证数据的到达时间的、进行固定周期通信的网络。作为这种进行固定周期通信的网络,已知有EtherCAT(注册商标)、EtherNet/IP(注册商标)、DeviceNet(注册商标)、ComPoNet(注册商标)等。
现场装置组10包括用于从控制对象或者与控制相关的制造装置、生产线等(以下,称作“现场”)收集输入数据的装置。作为这种收集输入数据的装置,可以想到输入继电器、各种传感器等。现场装置组10还包括基于在控制装置100中生成的指令(以下,称作“输出数据”),对现场装置提供某些作用的装置。作为对这种现场提供某些作用的装置,可以想到输出继电器、接触器、伺服驱动器及伺服马达、其他任意的致动器。这种现场装置组10经由第一现场网络2,与控制装置100之间交换包括输入数据和输出数据的数据。
在图1示出的结构例中,现场装置组10包括远程I/O(Input/Output:输入/输出)装置12、继电器组14、图像传感器18及照相机20、伺服驱动器22及伺服马达24。
远程I/O装置12包括:通信部,其经由第一现场网络2进行通信;输入输出部(以下,称作“I/O单元”),其用于进行输入数据的获取和输出数据的输出。经由这种I/O单元,在控制装置100和现场装置之间交换输入数据和输出数据。在图1示出了经由继电器组14更换作为输入数据和输出数据的数字信号的例子。
可使I/O单元直接连接在现场网络上。图1中示出了I/O单元16直接连接在第一现场网络2上的例子。
图像传感器18对由照相机20所摄像的图像数据进行模式匹配等图像测量处理,并将其处理结果向控制装置100发送。
伺服驱动器22根据来自控制装置100的输出数据(例如,位置指令等)驱动伺服马达24。
如上所述,数据经由第一现场网络2,在控制装置100与现场装置组10之间进行交换,这种被交换的数据,以数百usec数量级~数十msec数量级的很短的周期进行更新。需要说明的是,有时会将这种被交换的数据的更新处理称作“I/O刷新处理”。
另外,经由第二现场网络4与控制装置100相连接的显示装置400接受来自于用户的操作,向控制装置100发送与用户操作对应的指令等,并且将控制装置100中的运算结果等以图形的方式显示。
数据记录装置300经由本地网6与控制装置100相连接,并与控制装置100之间交换必要的数据。数据记录装置300例如具有数据库功能,并按时间顺序收集控制装置100发生的事件日志。在本地网6中可以安装以太网络(注册商标)等的通用协议。即,典型的是,本地网6中的数据的发送周期或者更新周期可迟于现场网络(第一现场网络2和第二现场网络4)中的数据的发送周期或者更新周期。然而,与现场网络相比,可以使本地网6能够一次发送更多的数据。
支援装置200是支援控制装置100用于控制控制对象而必要的准备的装置。具体而言,支援装置200提供由控制装置100执行的程序的开发环境(程序制作编辑工具、分析器(パーサ)、编译器等)、用于设定控制装置100及与控制装置100连接的各种设备的参数(配置(コンフィギュレーション))的设定环境、向控制装置100发送所生成的用户程序的功能、通过在线上修正或变更在控制装置100上执行的用户程序之类的功能等。
此外,本实施方式的支援装置200具有对安装于控制装置100的内部DB130和机械学习引擎140进行设定操作的功能。关于这些功能,将在后面叙述。
<B.各个装置的硬件结构例>
接着,对构成本实施方式的控制系统1的主要装置的硬件结构例进行说明。
(b1:控制装置100的硬件结构例)
图2是表示构成本实施方式的控制系统1的控制装置100的硬件结构例的框图。参照图2,控制装置100包括:CPU(Central Processing Unit:中央处理单元)、MPU(Micro-Processing Unit:微处理单元)等处理器102,芯片组104,主存储装置106,二次存储装置108,本地网控制器110,USB(Universal Serial Bus:通用串行总线)控制器112,存储卡接口114,内部总线控制器122,现场总线控制器118、120,I/O单元124-1、124-2、……。
处理器102读出存储在二次存储装置108中的各种程序,并在主存储装置106中展开执行,由此实现与控制对象对应的控制以及后述的各种处理。芯片组104通过对处理器102和各个设备进行控制,来实现作为控制装置100整体的处理。
在二次存储装置108中,除了用于实现PLC引擎的系统程序之外,还存储有利用PLC引擎执行的用户程序。此外,在二次存储装置108中,还存储用于实现内部DB130和机械学习引擎140的程序。
本地网控制器110控制经由本地网6进行的与其他装置的数据的交换。USB控制器112控制经由USB连接与支援装置200进行的数据的交换。
存储卡接口114以能够装卸存储卡116的方式构成,并能够将数据写入存储卡116中,能够从存储卡116读出各种数据(用户程序、跟踪数据等)。
内部总线控制器122是与搭载于控制装置100的I/O单元124-1、124-2,……进行数据的交换的接口。
现场总线控制器118控制经由第一现场网络2进行的与其他装置的数据的交换。同样地,现场总线控制器120控制经由第二现场网络4进行的与其他装置的数据的交换。
在图2中示出了通过处理器102执行程序来提供所需功能的结构例,但是也可以使用专用硬件电路(例如,ASIC(Application Specific Integrated Circuit:专用集成电路)或者FPGA(Field-Programmable Gate Array:现场可编程门阵列)等)来安装这些提供的功能的一部分或者全部。或者,可通过使用符合通用的构架的硬件(例如,以通用的个人计算机为基础的工业用计算机)来实现控制装置100的主要部分。在这种情况下,也可以通过使用假想化技术,来使用途不同的多个OS(Operating System:操作系统)并列地执行,并且在各OS上执行所需的应用。
(b2:支援装置200的硬件结构例)
下面,作为一例,通过使用符合通用构架的硬件(例如,通用个人计算机)执行程序,来实现本实施方式的支援装置200。
图3是表示构成本实施方式的控制系统1的支援装置200的硬件结构例的框图。参照图3,支援装置200包括CPU、MPU等处理器202,光学驱动器204,主存储装置206,二次存储装置208,USB控制器212,本地网控制器214,输入部216及显示部218。这些设备经由总线220彼此连接。
处理器202读出存储在二次存储装置208中的各种程序,并在主存储装置206中展开执行,由此实现后述的各种处理。
二次存储装置208例如由HDD(Hard Disk Drive:硬盘驱动器)、SSD(Flash SolidState Drive:闪存固态驱动器)等构成。在二次存储装置208中,典型地存储有:开发程序222,其用于创建支援装置200中执行的用户程序、调试所创建的程序、定义系统结构、设定各种参数等;参数设定工具224,其用于设定成为机械学习的对象的变量;以及数据挖掘工具226,其用于从控制装置100所收集的数据中抽取目标信息。在二次存储装置208中,也可以存储有OS和其他所需的程序。
支援装置200具有光学驱动器204,从非临时地存储计算机可读程序的记录介质205(例如,DVD(Digital Versatile Disc:数字通用光盘)等光存储介质)读取存储在其中的程序并安装在二次存储装置208中。
在支援装置200中被执行的各种程序也可以通过计算机可读记录介质205安装,也可以从网络上的服务器等下载并安装。另外,本实施方式的支援装置200提供的功能有时会以利用OS提供的模块的一部分的形式实现。
USB控制器212经由USB连接控制与控制装置100之间的数据的交换。本地网控制器214控制经由任意网络的与其他装置之间的数据的交换。
输入部216由键盘、鼠标等构成,用于接受用户操作。显示部218由显示器、各种指示器、打印机等构成,输出来自于处理器202的处理结果。
在图3中示出了通过处理器202执行程序来提供所需的功能的结构例,但是,可通过使用专用的硬件电路(例如,ASIC或者FPGA等)来安装这些提供的功能的一部分或者全部。
(b3:数据记录装置300的硬件结构例)
接着,作为一例,可以通过使用通用的文件服务器或者数据库服务器来实现构成本实施方式的控制系统1的数据记录装置300。由于这种装置的硬件结构是众所周知的,因此,在此对其不进行详细的说明。
(b4:显示装置400的硬件结构例)
下面,构成本实施方式的控制系统1的显示装置400是被称作HMI(Human MachineInterface:人机接口)的装置,可以采用作为专用设备安装的结构,也可以使用符合通用构架的硬件(例如,以通用个人计算机作为基础的工业用计算机)来实现。
<C.控制系统提供的设备的自动切换功能>
接着,说明本实施方式的控制系统1提供的设备的自动切换功能。
在本说明书中,“设备”指的是构成控制系统1的能够冗余化的任意的构件。例如,以图1所示的I/O单元等为代表,可以举出安装于控制装置100的功能单元、各种传感器、各种致动器等。即,在本说明书中,“设备”是包括构成控制系统1的双重化或者多重化的任意构件的概念。通常,“设备”多用作控制装置100输入的输入数据的获取端和/或控制装置100输出的输出数据的输出端发挥作用。
作为更具体的一例,“设备”可包括数字信号输入输出单元、模拟信号输入输出单元、伺服驱动器、逆变器单元、图像传感器、位移传感器、光纤传感器等。即,本说明书中的冗余化的设备可包括如上所述的单元、驱动器、传感器中的任意一种。
图4是用于说明本实施方式的控制系统1提供的设备的自动切换功能的示意图。控制系统1具有用于控制控制对象的控制装置100和控制装置100能够访问的冗余化的设备。在图4中,作为一例,示出了在经由第一现场网络2与控制装置100连接的远程I/O装置12中,多个I/O模块具有冗余化结构的例子。在图4中,I/O模块相当于设备。
图4中示出了在与控制装置100分离而单独的远程I/O装置12中安装冗余化的设备的例子,但是也可以作为控制装置100的一部分安装冗余化的设备。在这种情况下,经由总线等与控制装置100的运算单元连接的I/O模块等相当于设备。
本实施方式的控制装置100具有对设备检测异常的异常检测功能,在设备中检测到某些异常时,实施将该设备切换到冗余化的另一设备的处理。尤其是,就本实施方式的异常检测功能而言,通过使用有安装在控制装置100中的机械学习引擎140提供的机械学习,检测设备中能够发生的异常或者异常迹象。除了通过适当地设定异常检测方法和阈值等来检测设备中发生的某些异常、故障并切换设备的方法之外,还可以采用察觉到设备中发生的某些异常、故障的状态下切换设备的方法。
在图4中,示出了采用与热插拔应对的冗余化结构的例子,其中,所述热插拔应对是将两个I/O模块作为一组。具体而言,两个I/O模块中的一方作为运转系统发挥作用,另一方作为待机系统发挥作用。这些两个I/O模块均与通常同样地工作,但对待机系统的I/O模块,屏蔽向控制装置的信号输出以及向现场装置的信号输出。因此,通过消除这种屏蔽,来能够实现从待机系统向运转系统的即时切换。图4中示出了在第一个I/O模块组中检测到某些异常而从运转系统切换成待机系统的状态。
作为本实施方式的控制装置100中的基本处理步骤,执行(1)异常检测监控、(2)设备切换、(3)设备结构信息更新、(4)设备变量表格更新四个步骤。这些步骤基本上自动执行,因此无需由维护工作人员进行设备的运转状态的确认等。在本实施方式的异常检测监控中,可通过利用特征量的机械学习,来提高检测的精度。
<D.控制系统的总体功能>
接着,说明本实施方式的控制系统1的总体功能。
图5是用于说明本实施方式的控制系统1的总体功能的示意图。图5中示出的总体功能由准备工序和特征量监控工序组成。准备工序是确定特征量监控工序中使用的异常检测方法和异常检测参数的工序,由(1-1)原始数据收集工序、(1-2)数据挖掘工序、(1-3)特征量收集工序、(1-4)特征量学习工序构成。
在(1-1)原始数据收集工序中,控制装置100处理的数据中用于异常检测的分析的数据被写入内部DB130。(1-1)原始数据收集工序通过执行后述的控制装置100的内部DB写入程序来实现。
在(1-2)数据挖掘工序中,读出写入到内部DB130中的数据而确定异常检测方法。异常检测方法是表示以怎样的逻辑监控什么样的数据,才能检测到目标异常的方法。在本实施方式中,异常检测方法包括用来自于现场的一个或者多个数据生成特征量的生成方法。(1-2)数据挖掘工序典型地通过执行后述的支援装置200的数据挖掘工具226来实现。根据确定的异常检测方法,输出用于生成特征量的设定、参数等。
在(1-3)特征量收集工序中,对与现场之间交换的数据和内部数据中成为对象的数据,适用此前所述的(1-2)数据挖掘工序中所确定的特征量的生成方法,依次生成特征量。(1-3)特征量收集工序通过执行后述的控制装置100的特征量生成程序来实现。
在(1-4)特征量学习工序中,对(1-3)特征量收集工序中收集到的特征量实施机械学习处理,根据该机械学习处理的结果确定异常检测中使用的异常检测参数(典型的是,阈值等)。(1-4)特征量学习工序可由后述的控制装置100的机械学习引擎来提供。这样,控制装置100具有通过机械学习与冗余化的设备相关的数据来确定异常检测参数的学习功能。
通过如上所述的(1-1)~(1-4)的工序,能够确定异常检测中使用的特征量的定义以及用于判断为异常的异常检测参数等。
需要说明的是,图5示出的准备工序不一定需要在控制装置100中实施,也可以利用每个设备中预先准备的异常检测方法、异常检测参数。例如,也可以各家设备制造商等基于各个设备的特性值等,设定这种异常检测方法、异常检测参数。
实施如上所述的准备工序之后,实施监控是否发生异常的工序。具体而言,实施(2)特征量监控工序。在(2)特征量监控工序中,监控每个规定期间或者每个规定事件中生成的特征量,即判断生成的特征量是否符合根据预先设定的异常检测参数规定的条件。当检测到异常时,实施与检测到的异常对应的设备的切换以及表示检测到的异常的事件日志的输出。
图6是用于说明本实施方式的控制系统1的各个装置提供的功能的示意图。在图6示出的示意图中,括号内的数字与图5中示出的(1-1)~(1-4)以及(2)工序中的处理对应。
控制装置100除了内部DB130以及机械学习引擎140外,还具有PLC引擎150和假想设备管理功能180。这些功能基本上是通过控制装置100的处理器102(图2)执行程序来实现的。为了提供该处理器102执行程序的环境,控制装置100中还安装了OS 190。
PLC引擎150是典型地在OS190上执行系统程序和用户程序来提供的。即,本发明的一技术方案可包括通过在一种计算机中执行而实现包含PLC引擎150和假想设备管理功能180的控制装置100的程序。
更具体而言,PLC引擎150包括调度器152、变量管理器154、控制程序160。
调度器152控制构成PLC引擎150的各程序(或者,与其对应的任务)的执行时刻、执行顺序等。在PLC引擎150所包扩的各任务中预先设定有执行周期,调度器152以能够根据其预先设定的周期重复执行任务的方式进行控制。
变量管理器154将通过在PLC引擎150中周期性地执行的I/O刷新处理而更新的数据作为变量来进行管理。更具体而言,变量管理器154保持并管理包括表示控制装置100的各部的动作状态的数据组的系统变量1542、包括在PLC引擎150中执行的用户程序进行读出或者写入的数据组的用户变量和设备变量1544、在异常检测中使用的异常检测参数1546。
对于异常检测参数1546,能够利用支援装置200的PLC变量访问程序2242进行访问且更新。即,变量管理器154提供保持异常检测参数1546,并且根据来自于外部装置的要求更新所保持的异常检测参数1546的功能。
控制程序160相当于用户能够任意地创建的用户程序,典型地包括顺序/运动程序162、内部DB写入程序164、机械学习引擎接口166、特征量生成程序174。构成控制程序160的程序命令可作为一体的程序来进行描述,也可以分别分成多个程序来进行描述。
顺序/运动程序162包括用于控制控制对象的逻辑运算和/或数值运算的命令。内部DB写入程序164将用户变量和设备变量1544所包含的变量中的预先设定的变量写入内部DB130中。
机械学习引擎接口166包括用于操作机械学习引擎140的命令。具体而言,机械学习引擎接口166包括学习要求程序168、监控要求程序170、串行化模块172。
即,机械学习引擎接口166包括对机械学习引擎140指示机械学习的命令,监控要求程序170包括指示使用异常检测参数1546对机械学习引擎140监控特征量并进行异常检测的命令。
串行化模块172执行用于减少学习要求程序168及监控要求程序170和机械学习引擎140之间的通信量的串行化处理。如后面所述,串行化模块172提供对通过特征量生成程序174的执行而生成的特征量进行数据压缩之后,向学习功能142和异常检测功能144提供的数据压缩功能。
特征量生成程序174包括通过预先设定的特征量的生成方法,并使用用户变量和设备变量1544所设定的变量生成特征量的命令。如后所述,根据成为对象的冗余化的设备确定适合的特征量的生成方法。尤其,在本实施方式的控制系统1中,特征量生成程序174从与冗余化的设备相关的数据生成特征量。
在内部DB130中,典型地存储有(1-1)原始数据收集工序中收集到的原始数据132、(1-4)特征量学习工序中获取到的学习结果134、(2)特征量监控工序中输出的异常检测结果136。
机械学习引擎140包括用于在(1-4)特征量学习工序中执行所需的处理的学习功能142和用于在(2)特征量监控工序中执行所需的处理的异常检测功能144。学习功能142使用通过特征量生成程序174的执行而生成的特征量来实施机械学习。异常检测功能144基于异常检测参数1546和通过特征量生成程序174的执行而生成的特征量,来检测冗余化的设备中的异常,该异常检测参数1546用于检测基于学习功能142的机械学习所带来的学习结果确定的冗余化的设备中所发生的异常。这样,异常检测功能144基于通过特征量生成程序174的执行而生成的特征量和预先设定的异常检测参数1546,来判断冗余化的设备中是否发生异常。
当检测到某些异常时,异常检测功能144将所检测到的异常内容向假想设备管理功能180通知,并输出表示该检测到的异常内容的事件日志146。这样,控制装置100具有由异常检测功能144判断为发生异常时,输出表示被判断为发生的异常的内容的事件日志146的日志输出功能。需要说明的是,替代事件日志146的输出或者在输出的基础上,还可以向成为对象的用户发送电子邮件、各种消息。
当检测到某些异常时,假想设备管理功能180执行与对象设备的切换相关的处理。更具体而言,假想设备管理功能180对成为对象的冗余化的设备的设定成,将作为运转系统发挥作用的设备变更为待机系统的同时,将作为待机系统发挥作用的设备变更为运转系统。这样,由异常检测功能144判断为发生异常时,假想设备管理功能180对冗余化的设备实施运转系统与待机系统的切换。该待机系统与运转系统的切换也可以使用后述的假想化技术来实现。
另一方面,在支援装置200中,除了开发程序222(图3)外,还安装有参数设定工具224和数据挖掘工具226。
参数设定工具224包括PLC变量访问程序2242,该PLC变量访问程序2242用于访问控制装置100的变量管理器154所管理的各变量。PLC变量访问程序2242能够参照并重新写入控制装置100内部的变量。
数据挖掘工具226包括内部DB访问功能2262、数据挖掘功能2264、可视化功能2266。内部DB访问功能2262从通过访问内部DB130而收集到内部DB130的原始数据中抽取所需的数据。数据挖掘功能2264主要实施上述的(1-2)数据挖掘工序。可视化功能2266从视觉上向用户提示通过(1-2)数据挖掘工序获得的各种信息、在(2)特征量监控工序中检测到的异常内容等。
根据数据挖掘工具226,通过(1-2)数据挖掘工序的实施,确定特征量生成方法和异常检测方法,通过(1-4)特征量学习工序的实施,确定异常检测参数。
<E.准备工序>
接着,说明准备工序中确定的特征量生成方法和异常检测方法的一个例子。
图7是表示本实施方式的控制系统1的准备工序中能够确定的特征量的列表的一个例子。如图7所示的多个特征量是预先定义的,在准备工序的(1-1)原始数据收集工序中,原始数据被收集于内部DB130中,并在(1-2)数据挖掘工序中确定优选使用哪些特征量。
具体而言,使用被收集到内部DB130中的原始数据算出图7示出的各个特征量,并将该特征量的变化程度大的特征量确定为候选。或者,作为典型的方法,可采用各种主成分分析。作为主成分分析的方法,可采用公知的任意方法。
在本实施方式的控制系统1中,可以预先准备图7示出的多个特征量的生成方法,并从这些方法中至少选择一个。
此外,根据所确定的特征量生成方法,在(1-3)特征量收集工序中收集特征量,并基于所收集的特征量,在(1-4)特征量学习工序中根据对应的异常检测方法确定异常检测参数。
图8是表示在本实施方式的控制系统1的准备工序中确定的异常检测方法和异常检测参数的一个例子的示意图。图8示出的异常检测设定表格1421以彼此相关联的方式存储成为异常检测的对象的设备的类别1422、用于生成各设备的特征量的特征量生成方法1423、对应的异常检测方法1424。
在图8示出的例子中,数字输入输出单元使用各信道的数字输入输出信号的振幅变化作为其特征量,使用对其振幅变化设定的上下限值作为异常检测方法。对其他的设备也同样地分别确定特征量生成方法和异常检测方法。
需要说明的是,图8中示出了对同一种设备设定一个特征量生成方法和异常检测方法的情况的例子,但是也可以设定多种特征量生成方法和对应的异常检测方法。此外,即便是同一种设备,可按型号和产品编号设定不同的特征量生成方法和对应的异常检测方法。或者,也可以对同一种设备中包含的多个信道,分别设定不同的特征量生成方法和对应的异常检测方法。
此外,在对同一种设备设定了多个产品编号等的情况下,也可以对各个产品编号设定不同的特征量生成方法和对应的异常检测方法。
图8中示出了异常检测设定表格1421中仅规定特征量生成方法1423和异常检测方法1424的例子,但是,也可以采用对异常检测方法1424中使用的异常检测参数(例如,异常检测阈值)进一步规定的表格。在这种情况下,与各个异常检测方法1424中规定的种类的值(例如,上限值)对应地设定应当使用的值等。
在本实施方式的假想设备管理功能180中,管理异常检测参数。
<F.特征量监控工序>
接着,对特征量监控工序与图6示出的各构件的动作的关系进行说明。图9是用于说明在本实施方式的控制系统1的特征量监控工序中的处理内容的示意图。
参照图9,用户对支援装置200的开发程序222进行操作,创建用于监控某些异常发生的用户程序。所创建的用户程序中包括相当于机械学习引擎接口166的命令。通过执行用户程序,来自于机械学习引擎接口166的设定向机械学习引擎140提供(步骤S2)。
机械学习引擎140的异常检测功能144实施异常检测处理(步骤S4)。该异常检测处理使用由特征量生成程序174生成的特征量。在机械学习引擎140中检测到某些异常时,输出表示检测到的异常的内容的事件日志146(步骤S6)。同时,实施设备的自动切换(步骤S10~S16)。
需要说明的是,在机械学习引擎140中检测到的异常可根据所设定的异常检测参数(典型的是,阈值等),使其含意不同。例如,在设定有与设备发生故障之前的阶段的某些劣化状态对应的阈值的情况下,异常检测意味着对象设备的故障预测。另一方面,在设定有与设备发生故障的状态对应的阈值的情况下,异常检测意味着对象设备的故障检测。
这样,作为异常检测参数,可根据在冗余化的设备发生故障之前的阶段生成的特征量确定,也可以根据冗余化的设备发生故障的状态下生成的特征量确定。
在设备的自动切换中,假想设备管理功能180对对象设备替换运转系统和待机系统。具体而言,假想设备管理功能180使对象的待机设备实现有效化(步骤S10)。即,由异常检测功能144判断为发生异常时,假想设备管理功能180指示冗余化的设备中作为运转系统发挥作用的设备转变到待机系统,并且指示作为待机系统发挥作用的设备转变到运转系统。
接着,更新设备结构信息(关于设备结构信息的细节,将在后面叙述)。具体而言,假想设备管理功能180更新设备结构信息中包含的对象设备的动作模式,并且记录发生设备切换的日期和时间(步骤S12)。此外,假想设备管理功能180更新设备变量表格(关于设备变量表格的细节,将在后面叙述)的内容(步骤S14),并有效地反映重新切换到运转系统的设备信息。伴随着该设备变量表格的更新,变量管理器154从更新后的地址(即,重新切换到运转系统的设备的地址)获取设备变量(步骤S16)。由此,在执行用户程序时参照的设备变量反映出了切换后的设备的数据。
<G.假想设备管理机构>
接着,对假想设备管理功能180中的功能、处理等进行说明。
图10是用于说明与本实施方式的控制系统1的假想设备管理功能180相关的功能和处理的示意图。参照图10,假想设备管理功能180通过响应来自于机械学习引擎140的异常检测(或者,故障预测)事件来开始进行设备的切换处理。
在本实施方式的控制系统1中,通过使用假想化技术来间接地使现实中所安装的设备的存在和访问目的相关联,从而使设备的切换处理变得容易。
具体而言,假想设备管理功能180构成为能够访问设备结构信息182。从变量管理器154也能够访问设备结构信息182,访问设备结构信息182例如存储在二次存储装置108等中。
设备结构信息182包括实际设备结构信息组184和假想设备结构信息186。
实际设备结构信息组184例如针对构成冗余化的多个设备被创建和管理。即,实际设备结构信息组184包括表示冗余化的设备中所包括的设备的实际结构的各个实际设备结构信息。例如,在两个设备中实现冗余化的情况下,对第一个设备创建实际设备结构信息1841,而对第二个设备创建实际设备结构信息1842。在某一时刻,有时第一个设备作为运转系统发挥作用,第二个设备作为待机系统发挥作用,也有时第一个设备作为待机系统发挥作用,第二个设备作为运转系统发挥作用。
在各个实际设备结构信息1841、1842中存储有(a)设备名、(b)切换日期和时间、(c)实际设备地址、(d)动作模式的各个值。在(a)设备名中存储有对应的设备的产品名称和用户命名的名字等。在(b)切换日期和时间中存储有动作模式从运转系统切换到待机系统的日期和时间或者从待机系统切换到运转系统的日期和时间。在(c)实际设备地址中存储有对应的设备实际安装的位置所对应的地址。即,通过设定(c)实际设备地址中存储的地址,能够访问对应的设备。(d)动作模式表示对应的设备作为运转系统发挥作用还是作为待机系统发挥作用。需要说明的是,除了运转系统和待机系统的模式以外,还可以设定用于判断检测到的异常是否适当的故障验证模式。
作为(d)动作模式,在可以选择故障验证模式的情况下,可以准备用于存储其故障验证模式的结果的实际设备结构信息1843。可以在实际设备结构信息1843中存储检测到异常时的特征量和对应的异常检测参数(例如,阈值等)。
假想设备结构信息186具有用于特定变量管理器154实际访问的设备的信息。假想设备结构信息186表示冗余化的设备的假想化结构。通过假想设备管理功能180是当地更新存储在假想设备结构信息186中的信息,来实现设备的切换。即,假想设备管理功能180包括重新作为运转系统发挥作用的设备的信息。
具体而言,假想设备结构信息186存储(a)假想设备名、(b)假想设备ID、(c)假想设备地址、(d)实际设备信息、(e)异常检测参数的各个值。
在(a)假想设备名中存储用于特定冗余化的设备的产品名和用户命名的名称等。在(b)假想设备ID中存储用于特定冗余化的设备的ID。在(c)假想设备地址中存储表示冗余化的设备的地址。即,不管选择哪一个设备作为运转系统,变量管理器154参照(b)假想设备ID中存储的ID以及(c)假想设备地址中存储的地址来获取所需的变量而更新设备变量,或者,将设备上的值更新为设备变量中存储的对应的值。
在(d)实际设备信息中存储特定假想设备和实际设备的关系的信息。在(d)实际设备信息中,作为用于特定在各时刻作为运转系统发挥作用的设备的信息,存储设备名、实际设备地址等。(d)实际设备信息伴随由假想设备管理功能180实施的设备的切换处理而被更新。即,由异常检测功能144判断为发生异常时,假想设备管理功能180更新假想设备结构信息186中包含且重新作为运转系统发挥作用的设备信息即(d)实际设备信息。
(e)异常检测参数是用于对对象设备检测异常的参数,存储例如阈值等。作为该阈值,可以使用表示所对应的设备发生故障的状态的值,也可以使用表示所对应的设备即将发生故障之前的状态的值。在上述准备工序中,通过抽取设备即将发生故障之前其值的变化大的特征量,例如可以设定与故障前约10天的状态对应的阈值等。这样,通过优化特征量生成方法和对应的故障检测参数,可以在推定的故障之日前进行异常检测即进行故障预测。
可以根据成为对象的控制系统的重要性,适当设计所述的特征量生成方法和故障检测参数。
假想设备管理功能180响应来自于机械学习引擎140的异常检测(或者故障预测)的事件,除了更新设备结构信息182之外,还更新设备变量表格188。设备变量表格188对假想设备地址和实际设备地址(作为运转系统发挥作用的设备的地址)进行匹配。针对该设备变量表格188的更新内容是基于设备结构信息182的更新后的内容确定的。即,由异常检测功能144判断为发生异常时,假想设备管理功能180使设备变量表格188的假想设备地址与重新作为运转系统发挥作用的设备的地址相关联。
变量管理器154参照设备变量表格188与冗余化的设备中的对象设备之间交换数据。因此,设备结构信息182一更新,变量管理器154就基于更新后的设备结构信息182中示出的地址,从运转系统设备读出所需的信息,或者,对运转系统的设备发出指示的信息实施写入处理(即,I/O刷新处理),从而更新设备变量1544。
根据如上所述的功能和处理,能够实现设备中发生某些异常时的设备的自动切换。
<H.用户程序>
接着,说明安装本实施方式的自动切换功能时的用户程序的一个例子。
图11是表示具有在本实施方式的控制系统1中执行的自动切换功能的用户程序的一个例子的图。参照图11,本实施方式的自动切换功能是作为实现机械学习引擎接口166(图6)的功能的功能块1661来安装的。
对功能块1661进行用于使机械学习引擎140(图6)有选择地发挥作用的设定。具体而言,能够对模式设定1662设定“学习”或者“监控”。若设定“学习”,则机械学习引擎140的学习功能142有效,并实施准备工序(图5)中所需的机械学习处理。若设定“监控”,则机械学习引擎140的异常检测功能144有效,并实施特征量监控工序(图5)。
当机械学习引擎140的异常检测功能144检测出异常时,假想设备ID设定1663中被指定自动切换的对象设备。即,当检测到某些异常时,假想设备管理功能180对具有假想设备ID设定1663中被指定的假想设备ID的设备实施自动切换。
当机械学习引擎140的异常检测功能144检测出异常检测时,在事件ID设定1664中被指定要发行的事件ID。当检测到异常时,机械学习引擎140发生具有事件ID设定1664中被指定的ID的事件,并将该事件登记到事件日志146中。
在功能块1661中,能够输入一个或者多个特征量(特征量设定1665)。在特征量设定1665中,能够设定任意输入的特征量。在图11示出的例子中,规定5个特征量生成功能块1741~1745,并且由各个功能块生成的特征量在功能块1661中被设定为输入。即,基于特征量设定1665的内容,特征量生成程序174与机械学习引擎140相关联。
对于特征量生成功能块1741~1745,可任意地进行选择,典型地设定用于算出在先实施的数据挖掘工序等中所确定的特征量的功能块。
用户仅通过在用户程序上规定这种功能块1661,就能够安装本实施方式的设备的自动切换功能。因此,即便是缺乏预防性维护相关知识的用户,当发现对象设备中存在恶化倾向时,也能够利用自动切换到替代设备的功能。
<I.变形例>
也可以使上述支援装置200中的全部或者一部分功能设定在控制装置100中。例如,也可以将安装在支援装置200中的数据挖掘工具226,安装在控制装置100中。通过采用这种结构,无需在支援装置200侧安装很多应用程序,就能够利用本实施方式的功能。
另外,图6示出的模块结构是一个例子,只要能够提供如上所述的功能,可以采用任意的安装。例如,根据硬件上的限制、程序设计上的限制等,将图6示出的功能模块作为多个功能模块的集合来安装,也可以将图6示出的多个功能模块作为单一的模块来安装。
<J.优点>
根据本实施方式的控制系统,基于由从传感器、单元等设备获得的数据生成的特征量以及通过对这些数据的机械学习而获得的异常检测参数进行异常监控,由此,能够掌握设备中发生的恶化倾向,并且能够预测故障发生的时期。通过适当地设定异常检测参数,能够在冗余化的设备中发生某些致命的故障之前,将待机系统的设备切换到运转系统,从而能够防止故障发生引起的设备停止等。
为了实现这种预防性维护,需要日常的管理来管理故障征兆,可能会额外因维护计划、维护实施而产生维护费用,然而,通过采用本实施方式的自动切换功能,就能够降低这种额外发生的维护费用。
另外,通过对判断为异常的设备进行故障验证并将其结果进行反馈,能够提高故障预测的精度,从而能够根据控制对象等优化冗余度等。
应当认为此次公开的实施方式在所有的方面都是示例并非限定。本发明的范围并非由上述说明而是由权利要求书来表示,并且与权利要求书的范围均等的意思以及范围内的所有变更都包含在本发明中。
Claims (10)
1.一种控制系统,包括对控制对象进行控制的控制装置和所述控制装置能够访问的冗余化的设备,其中,包括:
特征量生成机构,从与所述冗余化的设备相关的数据生成特征量;
异常检测机构,基于由所述特征量生成机构生成的特征量和预先设定的异常检测参数,判断所述冗余化的设备中是否发生异常;
切换机构,由所述异常检测机构判断为发生异常时,对所述冗余化的设备实施运转系统与待机系统的切换;以及
学习机构,通过机械学习与所述冗余化的设备相关的数据,来确定所述异常检测参数。
2.根据权利要求1所述的控制系统,其中
所述切换机构包括保持表示所述冗余化的设备所包括的设备的实际结构的各个实际设备结构信息和表示所述冗余化的设备的假想化结构的假想设备结构信息的机构,所述假想设备结构信息包括重新作为运转系统发挥作用的设备的信息;
所述切换机构包括由所述异常检测机构判断为发生异常时,对所述假想设备结构信息所包括的重新作为运转系统发挥作用的设备的信息进行更新的机构。
3.根据权利要求1或2所述的控制系统,其中,
还包括变量管理器,该变量管理器参照假想设备地址与对象设备之间交换数据;
由所述异常检测机构判断为发生异常时,所述切换机构将所述假想设备地址与重新作为运转系统发挥作用的设备的地址相关联。
4.根据权利要求1至3中任一项所述的控制系统,其中,
由所述异常检测机构判断为发生异常时,所述切换机构指示所述冗余化的设备中作为运转系统发挥作用的设备转变到待机系统,并且指示作为待机系统发挥作用的设备转变到运转系统。
5.根据权利要求1至4中任一项所述的控制系统,其中,
根据在所述冗余化的设备发生故障之前的阶段产生的特征量,确定所述异常检测参数。
6.根据权利要求1至5中任一项所述的控制系统,其中,
还包括日志输出机构,由所述异常检测机构判断为发生异常时,该日志输出机构输出表示被判断为正在发生的异常的内容的事件日志。
7.根据权利要求1至6中任一项所述的控制系统,其中,
从预先准备的多个特征量的生成方法中至少选择一个。
8.根据权利要求1至7中任一项所述的控制系统,其中,
所述冗余化的设备包括数字信号输入输出单元、模拟信号输入输出单元、伺服驱动器、逆变器单元、图像传感器、位移传感器、光纤传感器中的至少一者。
9.一种计算机可读存储介质,其存储有通过由计算机执行来实现对控制对象进行控制的控制装置的控制程序,该控制程序使计算机执行:
从与所述控制装置能够访问的冗余化的设备相关的数据生成特征量的步骤;
基于生成的所述特征量和预先设定的异常检测参数,判断所述冗余化的设备中是否发生异常的步骤;
当判断为发生异常时,对所述冗余化的设备实施运转系统和待机系统的切换的步骤;以及
通过机械学习与所述冗余化的设备相关的数据,来确定所述异常检测参数的步骤。
10.一种控制方法,由对控制对象进行控制的控制装置执行,其中,包括:
从与所述控制装置能够访问的冗余化的设备相关的数据生成特征量的步骤;
基于生成的所述特征量和预先设定的异常检测参数,判断所述冗余化的设备中是否发生异常的步骤;
当判断为发生异常时,对所述冗余化的设备实施运转系统和待机系统的切换的步骤;以及
通过机械学习与所述冗余化的设备相关的数据,来确定所述异常检测参数的步骤。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2016242304A JP6834446B2 (ja) | 2016-12-14 | 2016-12-14 | 制御システム、制御プログラムおよび制御方法 |
JP2016-242304 | 2016-12-14 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108227603A true CN108227603A (zh) | 2018-06-29 |
Family
ID=60164605
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711115026.0A Pending CN108227603A (zh) | 2016-12-14 | 2017-11-13 | 控制系统、控制方法及计算机可读存储介质 |
Country Status (4)
Country | Link |
---|---|
US (1) | US10591886B2 (zh) |
EP (1) | EP3336637A1 (zh) |
JP (1) | JP6834446B2 (zh) |
CN (1) | CN108227603A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111055532A (zh) * | 2018-10-16 | 2020-04-24 | 会田工程技术有限公司 | 压力机及压力机的异常监视方法 |
CN111142368A (zh) * | 2019-09-02 | 2020-05-12 | 浙江中控技术股份有限公司 | 一种批量控制器失效保护方法 |
CN112639635A (zh) * | 2018-10-02 | 2021-04-09 | 欧姆龙株式会社 | 控制系统、支援装置以及程序 |
CN113672377A (zh) * | 2020-05-13 | 2021-11-19 | 株式会社日立制作所 | 程序生成装置、并行运算设备以及计算机可读记录介质 |
CN113748387A (zh) * | 2019-05-29 | 2021-12-03 | 欧姆龙株式会社 | 控制系统、支持装置以及支持程序 |
CN113767347A (zh) * | 2019-05-28 | 2021-12-07 | 欧姆龙株式会社 | 支持装置以及设定程序 |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3729214B1 (en) * | 2017-12-18 | 2022-02-23 | Siemens Aktiengesellschaft | Method and device for replacing legacy programmable logic controllers |
CN112585544A (zh) * | 2018-08-20 | 2021-03-30 | 西门子股份公司 | 用于人工智能的基于可编程逻辑控制器的模块化加速模块 |
US11599403B2 (en) * | 2018-10-03 | 2023-03-07 | SK Hynix Inc. | Logging mechanism for memory system |
JP7063229B2 (ja) * | 2018-10-24 | 2022-05-09 | オムロン株式会社 | 制御装置および制御プログラム |
JP7314620B2 (ja) * | 2019-05-29 | 2023-07-26 | オムロン株式会社 | 制御システム、制御装置および制御プログラム |
JP2021096639A (ja) * | 2019-12-17 | 2021-06-24 | キヤノン株式会社 | 制御方法、制御装置、機械設備、制御プログラム、記録媒体 |
JP7406451B2 (ja) | 2020-05-25 | 2023-12-27 | 株式会社キーエンス | プログラマブルロジックコントローラ |
CN112578723B (zh) * | 2020-12-07 | 2022-09-13 | 天津津航计算技术研究所 | 一种多余度cpld切换控制装置 |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030004688A1 (en) * | 2001-06-13 | 2003-01-02 | Gupta Ramesh M. | Virtual intrusion detection system and method of using same |
CN1790284A (zh) * | 2004-12-16 | 2006-06-21 | 日本电气株式会社 | 容错计算机系统 |
US7162312B2 (en) * | 2003-09-24 | 2007-01-09 | Siemens Aktiengesellschaft | Method, system and device for predictive error recognition in a plant |
CN1947078A (zh) * | 2004-04-21 | 2007-04-11 | 费希尔控制产品国际有限公司 | 利用控制环路操作控制阀并对该控制环路执行诊断的方法和装置 |
CN101025618A (zh) * | 2006-12-28 | 2007-08-29 | 上海电力学院 | 一种电厂热工设备智能状态诊断分析系统 |
CN101236433A (zh) * | 2008-01-28 | 2008-08-06 | 南京航空航天大学 | 基于硬件冗余的高可靠a/d采集系统及故障检测方法 |
CN102282516A (zh) * | 2009-02-17 | 2011-12-14 | 株式会社日立制作所 | 异常检测方法及异常检测系统 |
CN102540873A (zh) * | 2010-11-22 | 2012-07-04 | 株式会社日立制作所 | 车间控制系统、等同化数据选择装置以及等同化数据选择方法 |
CN102759711A (zh) * | 2012-06-27 | 2012-10-31 | 广东电网公司电力科学研究院 | 一种基于数据挖掘的风力发电机组故障诊断方法 |
US20140019092A1 (en) * | 2012-07-13 | 2014-01-16 | General Electric Company | System and Method for Monitoring Process Control System Health |
CN103617104A (zh) * | 2013-12-01 | 2014-03-05 | 中国船舶重工集团公司第七一六研究所 | 一种基于ipmi的冗余计算机系统节点故障主被动检测方法 |
CN103941633A (zh) * | 2014-04-29 | 2014-07-23 | 北京依雷特科技有限公司 | 可编程控制器冗余控制方法和系统 |
US20140239923A1 (en) * | 2013-02-27 | 2014-08-28 | General Electric Company | Methods and systems for current output mode configuration of universal input-output modules |
CN105278516A (zh) * | 2014-06-24 | 2016-01-27 | 南京理工大学 | 一种双冗余开关量plc控制系统可靠容错控制器的实现方法 |
CN106796419A (zh) * | 2014-10-06 | 2017-05-31 | 费希尔-罗斯蒙特系统公司 | 用于过程控制系统分析的数据管道 |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS6159501A (ja) * | 1984-08-30 | 1986-03-27 | Mitsubishi Heavy Ind Ltd | 電気油圧式サ−ボ機構 |
JP3158209B2 (ja) * | 1990-11-26 | 2001-04-23 | 株式会社日立製作所 | 冗長化制御システム |
US7994798B2 (en) * | 2007-11-30 | 2011-08-09 | Caterpillar Inc. | Power converter current sensor testing method |
JP5431235B2 (ja) * | 2009-08-28 | 2014-03-05 | 株式会社日立製作所 | 設備状態監視方法およびその装置 |
JP6093555B2 (ja) * | 2012-11-13 | 2017-03-08 | 株式会社日立製作所 | 制御システム及び二重化制御方法 |
JP5954338B2 (ja) | 2014-01-14 | 2016-07-20 | 横河電機株式会社 | 計装システム及びその保守方法 |
US9638762B2 (en) * | 2014-02-24 | 2017-05-02 | Infineon Technologies Ag | Highly efficient diagnostic methods for monolithic sensor systems |
US9912733B2 (en) * | 2014-07-31 | 2018-03-06 | General Electric Company | System and method for maintaining the health of a control system |
US10228740B2 (en) * | 2015-06-24 | 2019-03-12 | Intel Corporation | Sensor device and method |
US20170297402A1 (en) * | 2016-04-13 | 2017-10-19 | GM Global Technology Operations LLC | Detection and reconstruction of suspension height sensor faults |
-
2016
- 2016-12-14 JP JP2016242304A patent/JP6834446B2/ja active Active
-
2017
- 2017-10-16 US US15/784,959 patent/US10591886B2/en active Active
- 2017-10-19 EP EP17197249.0A patent/EP3336637A1/en active Pending
- 2017-11-13 CN CN201711115026.0A patent/CN108227603A/zh active Pending
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030004688A1 (en) * | 2001-06-13 | 2003-01-02 | Gupta Ramesh M. | Virtual intrusion detection system and method of using same |
US7162312B2 (en) * | 2003-09-24 | 2007-01-09 | Siemens Aktiengesellschaft | Method, system and device for predictive error recognition in a plant |
CN1947078A (zh) * | 2004-04-21 | 2007-04-11 | 费希尔控制产品国际有限公司 | 利用控制环路操作控制阀并对该控制环路执行诊断的方法和装置 |
CN1790284A (zh) * | 2004-12-16 | 2006-06-21 | 日本电气株式会社 | 容错计算机系统 |
CN101025618A (zh) * | 2006-12-28 | 2007-08-29 | 上海电力学院 | 一种电厂热工设备智能状态诊断分析系统 |
CN101236433A (zh) * | 2008-01-28 | 2008-08-06 | 南京航空航天大学 | 基于硬件冗余的高可靠a/d采集系统及故障检测方法 |
CN102282516A (zh) * | 2009-02-17 | 2011-12-14 | 株式会社日立制作所 | 异常检测方法及异常检测系统 |
CN102540873A (zh) * | 2010-11-22 | 2012-07-04 | 株式会社日立制作所 | 车间控制系统、等同化数据选择装置以及等同化数据选择方法 |
CN102759711A (zh) * | 2012-06-27 | 2012-10-31 | 广东电网公司电力科学研究院 | 一种基于数据挖掘的风力发电机组故障诊断方法 |
US20140019092A1 (en) * | 2012-07-13 | 2014-01-16 | General Electric Company | System and Method for Monitoring Process Control System Health |
US20140239923A1 (en) * | 2013-02-27 | 2014-08-28 | General Electric Company | Methods and systems for current output mode configuration of universal input-output modules |
CN103617104A (zh) * | 2013-12-01 | 2014-03-05 | 中国船舶重工集团公司第七一六研究所 | 一种基于ipmi的冗余计算机系统节点故障主被动检测方法 |
CN103941633A (zh) * | 2014-04-29 | 2014-07-23 | 北京依雷特科技有限公司 | 可编程控制器冗余控制方法和系统 |
CN105278516A (zh) * | 2014-06-24 | 2016-01-27 | 南京理工大学 | 一种双冗余开关量plc控制系统可靠容错控制器的实现方法 |
CN106796419A (zh) * | 2014-10-06 | 2017-05-31 | 费希尔-罗斯蒙特系统公司 | 用于过程控制系统分析的数据管道 |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112639635A (zh) * | 2018-10-02 | 2021-04-09 | 欧姆龙株式会社 | 控制系统、支援装置以及程序 |
CN111055532A (zh) * | 2018-10-16 | 2020-04-24 | 会田工程技术有限公司 | 压力机及压力机的异常监视方法 |
US11571870B2 (en) | 2018-10-16 | 2023-02-07 | Aida Engineering, Ltd. | Press machine and method for monitoring abnormality of press machine |
CN111055532B (zh) * | 2018-10-16 | 2023-03-14 | 会田工程技术有限公司 | 压力机及压力机的异常监视方法 |
CN113767347A (zh) * | 2019-05-28 | 2021-12-07 | 欧姆龙株式会社 | 支持装置以及设定程序 |
CN113748387A (zh) * | 2019-05-29 | 2021-12-03 | 欧姆龙株式会社 | 控制系统、支持装置以及支持程序 |
CN111142368A (zh) * | 2019-09-02 | 2020-05-12 | 浙江中控技术股份有限公司 | 一种批量控制器失效保护方法 |
CN111142368B (zh) * | 2019-09-02 | 2023-08-04 | 浙江中控技术股份有限公司 | 一种批量控制器失效保护方法 |
CN113672377A (zh) * | 2020-05-13 | 2021-11-19 | 株式会社日立制作所 | 程序生成装置、并行运算设备以及计算机可读记录介质 |
Also Published As
Publication number | Publication date |
---|---|
JP2018097663A (ja) | 2018-06-21 |
JP6834446B2 (ja) | 2021-02-24 |
EP3336637A1 (en) | 2018-06-20 |
US20180164768A1 (en) | 2018-06-14 |
US10591886B2 (en) | 2020-03-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108227603A (zh) | 控制系统、控制方法及计算机可读存储介质 | |
CN104142663B (zh) | 云平台中的工业设备和系统证明 | |
US11644803B2 (en) | Control system database systems and methods | |
CN108227641A (zh) | 控制装置、控制方法及计算机可读存储介质 | |
CN108628263B (zh) | 控制系统、控制装置、计算机可读存储介质以及控制方法 | |
CN103168277B (zh) | 用于调试包括多个子系统的过程或制造厂解决方案的方法 | |
US10437211B2 (en) | Simulation system | |
CN101408767A (zh) | 工业系统中非时间序列事件的关联 | |
US11181890B2 (en) | Control system, information processing device, and anomaly factor estimation program | |
CN102109841A (zh) | 参与涉及制造执行系统的过程的部件的动态装置监控系统 | |
CN112737936A (zh) | 一种用于设备预维护的边缘计算网关 | |
JP2021026755A (ja) | 産業用コントローラのデータ完全性を保証するためのaiの使用 | |
JP6579123B2 (ja) | エンジニアリング装置、エンジニアリング方法及びプログラム | |
JP6880560B2 (ja) | 故障予測装置、故障予測方法及び故障予測プログラム | |
Sekar et al. | Remote diagnosis design for a PLC-based automated system: 1-implementation of three levels of architectures | |
CN117055502A (zh) | 基于物联网和大数据分析的智能控制系统 | |
WO2020085077A1 (ja) | 制御装置および制御プログラム | |
CN113508349B (zh) | 用于具有混合现实和机器学习技术的qcs扫描架的360°辅助 | |
WO2021111936A1 (ja) | 予測システム、情報処理装置および情報処理プログラム | |
CN110456741A (zh) | 过程控制系统、工程系统和操作员系统 | |
CN111552263A (zh) | 用于检查工业设施的方法、计算机可读存储介质和系统 | |
EP4361742A1 (en) | Prediction system, information processing device, and information processing program | |
EP3819831A2 (en) | Context specific training for process operators | |
JP4484450B2 (ja) | 統合的監視解析装置 | |
de Almeida Rodrigues | Implementing a Multi-Approach Debugging of Industrial IoT Workflows |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180629 |