CN108573368B - 管理装置以及可读取记录介质 - Google Patents

管理装置以及可读取记录介质 Download PDF

Info

Publication number
CN108573368B
CN108573368B CN201810034774.4A CN201810034774A CN108573368B CN 108573368 B CN108573368 B CN 108573368B CN 201810034774 A CN201810034774 A CN 201810034774A CN 108573368 B CN108573368 B CN 108573368B
Authority
CN
China
Prior art keywords
production line
failure
feature
state
information
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
CN201810034774.4A
Other languages
English (en)
Other versions
CN108573368A (zh
Inventor
见置孝昌
沟口健二
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.)
Omron Corp
Original Assignee
Omron 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 Omron Corp filed Critical Omron Corp
Publication of CN108573368A publication Critical patent/CN108573368A/zh
Application granted granted Critical
Publication of CN108573368B publication Critical patent/CN108573368B/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
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS], computer integrated manufacturing [CIM]
    • G05B19/41875—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS], computer integrated manufacturing [CIM] characterised by quality surveillance of production
    • 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
    • G06Q10/10—Office automation; Time management
    • G06Q10/101—Collaborative creation, e.g. joint development of products or services
    • 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
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • 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
    • G05B19/18—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form
    • G05B19/416—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form characterised by control of velocity, acceleration or deceleration
    • 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
    • G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS], computer integrated manufacturing [CIM]
    • 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
    • G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS], computer integrated manufacturing [CIM]
    • G05B19/4183—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS], computer integrated manufacturing [CIM] characterised by data acquisition, e.g. workpiece identification
    • 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
    • G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS], computer integrated manufacturing [CIM]
    • G05B19/4184—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS], computer integrated manufacturing [CIM] characterised by fault tolerance, reliability of production system
    • 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
    • G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS], computer integrated manufacturing [CIM]
    • G05B19/4189—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS], computer integrated manufacturing [CIM] characterised by the transport system
    • 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
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J9/00—Programme-controlled manipulators
    • B25J9/16—Programme controls
    • B25J9/1602—Programme controls characterised by the control system, structure, architecture
    • 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
    • G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS], computer integrated manufacturing [CIM]
    • G05B19/41815—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS], computer integrated manufacturing [CIM] characterised by the cooperation between machine tools, manipulators and conveyor or other workpiece supply system, workcell
    • 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
    • G05B2219/30—Nc systems
    • G05B2219/31—From computer integrated manufacturing till monitoring
    • G05B2219/31365—Send message to most appropriate operator as function of kind of error
    • 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
    • G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/04—Manufacturing
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/80—Management or planning

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • Quality & Reliability (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Strategic Management (AREA)
  • Manufacturing & Machinery (AREA)
  • Economics (AREA)
  • Automation & Control Theory (AREA)
  • General Engineering & Computer Science (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Marketing (AREA)
  • Theoretical Computer Science (AREA)
  • Operations Research (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Game Theory and Decision Science (AREA)
  • Human Computer Interaction (AREA)
  • Data Mining & Analysis (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • General Factory Administration (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Testing And Monitoring For Control Systems (AREA)

Abstract

本发明提供一种管理对象物的生产线的管理装置以及可读取记录介质。本发明基于表示配备在对象物生产线中的设备的状态的设备信息、及表示对象物的完成度状态的信息，来管理生产线。所述的管理装置包括：特征量获取部(21)，从表示配备在生产线中的设备的状态的设备信息(33)中，获取所述设备信息所具有的特征量(27)；特征量评价部(22)，将所获取的特征量与表示设备的基准状态的设备信息所具有的特征量进行比较，以决定设备的状态；完成度获取部(30)，获取表示对象物的完成度状态的完成度信息；以及评价部，将对特征量评价部的输出进行基于完成度信息的加权所得的值与阈值进行比较，基于比较结果来评价生产线的状态。

Description

管理装置以及可读取记录介质
技术领域
本公开涉及一种管理装置以及管理程序(program)，尤其涉及一种管理对象物(工件(work))的生产线的管理装置以及可读取记录介质。
背景技术
在工件(产品等)的生产线中，为了提高成品率，基于从配备在生产线中的设备产生的振动或声音等来进行良否判定。以往，所述良否判定是基于由检查员听所述振动的声音，或者用手接触所述设备而作出的官能评价来进行。因此，难以对判定基准进行量化，而且，难以呈现逻辑上的合理性。因此，例如在专利文献1(日本专利特开2004-164635号公报)中，收集从与用于产品生产的机械关联地设置的位置传感器(sensor)、压力传感器及温度传感器等而来的数据(data)，将所收集的数据用于产品的良否甄别或机械的反馈(feedback)控制。
[现有技术文献]
[专利文献]
[专利文献1]日本专利特开2004-164635号公报
发明内容
[发明所要解决的问题]
近年来，在对配备在生产线中的设备的状态进行监测，一旦出现故障或不良状况的征兆则进行应对(告知、记录)时，期望用于将产品的状态也考虑在内的预测维护的功能。关于此点，专利文献1中，由于是基于从机械检测到(传感)的信息来进行产品的良否甄别或机械的反馈控制，因此无论产品的状态如何，均有可能告知生产线的异常，难以响应所述期望。
本公开的目的在于提供一种管理装置以及可读取记录介质，基于表示配备在对象物生产线中的设备的状态的设备信息以及表示对象物的完成度状态的信息，来管理生产线。
[解决问题的技术手段]
本公开的一方面的管理装置对用于对象物制造的生产线进行管理，所述管理装置包括：特征量获取部，从表示配备在生产线中的设备的状态的设备信息中，获取所述设备信息所具有的特征量；特征量评价部，将所获取的特征量与表示设备的基准状态的设备信息所具有的特征量进行比较，以决定设备的状态；完成度获取部，获取表示对象物的完成度状态的完成度信息；以及评价部，将对特征量评价部的输出进行基于完成度信息的加权所得的值与阈值进行比较，基于比较结果来评价生产线的状态。
优选的是，完成度信息表示对象物是否具有预定的品质。
优选的是，完成度获取部将在生产线的运用时由特征量获取部所获取的特征量，与预先学习的对象物的不同品质的特征量进行比较，基于比较结果来决定完成度信息。
优选的是，管理装置还包括：故障性获取部，获取表示设备的故障或对象物材料不良的可能性的故障性信息，权重是基于完成度信息及故障性信息。
优选的是，故障性获取部将在生产线的运用时由特征量获取部所获取的特征量，与预先学习的故障的不同因素的特征量进行比较，基于比较结果来决定故障性信息。
优选的是，管理装置根据故障的不同因素，以不同的形式来告知故障可能性的通知。
依据本公开的另一方面，提供一种可读取记录介质，记录一程序，其用于使计算机(computer)执行对用于对象物制造的生产线进行管理的方法。
此外，管理的方法包括：从表示配备在生产线中的设备的状态的设备信息中，获取所述设备信息所具有的特征量的步骤；将所获取的特征量与表示设备的基准状态的设备信息所具有的特征量进行比较，以决定设备的状态的步骤；获取表示对象物的完成度状态的完成度信息的步骤；以及将对所获取的特征量进行基于完成度信息的加权所得的值与阈值进行比较，基于比较结果来评价生产线的状态的步骤。
[发明的效果]
根据本公开，可使用将表示配备在对象物生产线中的设备的状态的设备信息加权至表示对象物完成度状态的信息所得的结果，来管理生产线。
附图说明
图1是概略性地表示实施方式的系统1的整体结构的图；
图2是概略性地表示图1的单元200的结构的图；
图3是示意性地表示PLC 100的硬件结构的图；
图4是概略性地表示实施方式的PLC 100所具有的预测维护功能的结构的图；
图5是用于说明实施方式的从原始数据26获取特征量27的处理的图；
图6是用于说明实施方式的从原始数据26获取特征量27的处理的图；
图7是实施方式的处理的概略流程图；
图8是表示步骤S11的详细处理的流程图；
图9是将实施方式的完成度获取部30的概要关联于工件W的生产线而表示的图；
图10是与实施方式的完成度获取部30相关的“学习模式”的处理流程图；
图11是用于说明实施方式的有效型式EP及阈值TH1的决定方法的图；
图12是与实施方式的完成度获取部30相关的“运用模式”的处理流程图；
图13是说明实施方式的故障推测处理的概要的流程图；
图14是表示实施方式的故障推测处理的变形例的概略流程图；
图15是说明图14的聚类的图。
[符号的说明]
1：系统
5A、5B：加速度传感器
5C：伺服/编码器
5D：臂
11：终端
20：信息获取部
21：特征量获取部
22：特征量评价部
23：生产线评价部
24：异常处理部
25：后处理部
26：原始数据
27、CR1、CR2、CR5：特征量
28A、28B、28C、28D、281、282、283：学习数据
29：异常度评价值
30：完成度获取部
31：完成度信息
32：相容性决定部
33：设备信息
34：分类部
37：加工零件群
38：组合表
40：故障推测部
41：故障性信息
50：学习部
55：辊
60：伺服马达
70：包装设备
71：检查装置
72：激光打标机
73：读码器
74：加工设备
80：重要度表
90：关联表
100：可编程逻辑控制器
110：中央处理器
112：存储器
113：定时器
114：硬盘
118：输入接口
120：显示控制器
121：键盘
122：显示器
123：存储卡
124：通信接口
126：数据读写器
128：总线
200：单元
300：计算机
381：组合
382：相容性
411、412、413：评价值
A、B：零件
A1、A2、B1、B2：加工零件
BL1、BL2、BL3、BL：边界线
C1、C2、C3：簇
E1：日志区域
E3、E4、E5：区域
S1、S3、S5、S7、S9、S11、S13、S15、S20、S23、S25、S27、S29、S30、S31、S33、S35、S37、S38、S39、S41、S111、S112、S113、S3a、S4a、S5a、S6a、S7a、S8a、S9a、S10a、S11a：步骤
W：工件
X、Y、Z：标记
具体实施方式
以下，参照附图来说明各实施方式。以下的说明中，对于同一零件及构成要素标注同一符号。它们的名称及功能也相同。因此不再重复对它们的详细说明。
(系统结构)
图1是概略性地表示实施方式的系统1的整体结构的图。系统1在用于制造对象物(以下也称作工件W)的工厂自动化(Factory Automation，FA)等的生产线中，具备多个单元200、作为“管理装置”的一实施例的可编程逻辑控制器(Programmable Logic Controller，PLC)100等控制计算机、及管理者所操作的计算机300。所述各部通过有线或无线而彼此通信。而且，PLC 100或计算机300可与作业者或管理者所携带的终端11进行通信。
图2是概略性地表示图1的单元200的结构的图。各单元200具有同样的结构。单元200例如包含在生产线的零件加工工序、装配零件的装配工序、及对经装配的工件W进行包装的包装工序中配备的设备。具体而言，单元200具备：检查装置71，对工件W、零件及材料等进行拍摄，并通过图像处理来检查工件W、零件及材料等；激光打标机(laser marker)72，对工件W或零件打上识别码(code)(识别符)；以及读码器(code reader)73，读取工件W或零件的识别码。
单元200还具备：上游的辊(roller)55及下游的伺服马达(servo motor)60，与零件或工件W的搬运输送机(conveyor)相关联；以及包装设备(封装机(package machine))70，用于在包装工序中，切断(cut)包装材来包装工件W。包装设备70具备连接切断包装材的切刀(cutter)的臂(arm)5D。臂5D与包装设备70的内部马达(未示出)的旋转连动而往复运动，由此来进行切刀对包装材的切断。
单元200还具备：加速度传感器5B，测量辊55的旋转的加速度；伺服/编码器(servo/encoder)5C，测量伺服马达60的旋转量(方向、转速等)；以及加速度传感器5A，测量与臂5D的往复运动相关的加速度。
PLC 100对各单元200的各部发送控制用的数据，以控制各部。而且，PLC 100收集表示配备在生产线中的设备的状态的设备信息，并对所收集的设备信息进行处理。并且，基于处理结果来生成控制用数据，并使用所生成的控制用数据来控制各部。
实施方式中，如上所述的设备信息包含来自如上所述的各传感器的测量信息、来自检查装置71的信息(工件W或零件的检查信息)、检查装置71的信息(装置的使用期间、场所、分辨率等属性)。
另外，配备在生产线中的设备及传感器并不限定于图2所示的种类。例如，也可包含对设备的发热进行检测的温度传感器、对振动声进行检测的声音传感器等。
(PLC 100的硬件结构)
图3是示意性地表示PLC 100的硬件结构的图。参照图3，PLC 100包含：作为运算处理部的中央处理器(Central Processing Unit，CPU)110、作为存储部的存储器(memory)112及硬盘(hard disk)114、对时间进行计时并将计时数据输出至CPU 110的定时器(timer)113、输入接口(interface)118、控制显示器122的显示控制器120、通信接口124以及数据读写器(data reader/writer)126。所述各部经由总线128可彼此进行数据通信地连接。
CPU 110通过执行保存在硬盘114中的程序(代码)，从而实施各种运算。存储器112典型的是动态随机存取存储器(Dynamic Random Access Memory，DRAM)等存储装置，除了从硬盘114读出的程序/数据以外，还保存包含设备信息33的各种数据及信息。
输入接口118对CPU 110与键盘(keyboard)121、鼠标(mouse)(未示出)、触摸屏(touch panel)(未示出)等输入装置之间的数据传输进行中转。即，输入接口118受理通过用户操作输入装置而给予的操作命令。
通信接口124对单元200的各部或计算机300或终端11之间的数据传输进行中转。数据读写器126对CPU 110与作为记录介质的存储卡(memory card)123之间的数据传输进行中转。
(PLC 100的功能结构)
图4是概略性地表示实施方式的PLC 100所具有的预测维护(predictivemaintenance)功能的结构的图。实施方式中，生产线的预测维护功能被安装在PLC 100所具有的对整个生产线进行控制的控制程序上。另外，安装形态并不限定于此形式。图4的各部是作为CPU 110所执行的程序而表示，但各部还能通过电路或程序与电路的组合来实现。
参照图4，CPU 110具备：信息获取部20，将从单元200经由通信接口124而接收的、来自生产线的各设备的设备信息33作为观测数据保存至存储器112；特征量获取部21，获取设备信息所具有的特征量；学习部50，实施机械学习；特征量评价部22，评价由特征量获取部21所获取的特征量；生产线评价部23，基于后述的完成度获取部30及后述的故障推测部40的输出来评价特征量评价部22的输出；以及异常处理部24及后处理部25，实施基于生产线评价部23的评价结果的异常处理。
特征量获取部21从设备信息33中提取时间序列的原始数据(raw data)26，并保存至存储器112中。而且，特征量获取部21获取原始数据26所具有的特征量27，并保存至存储器112中。特征量的获取方法将后述。
特征量评价部22使用异常度评价算法，将特征量27与通过机械学习而获取的特征量进行比较，基于比较结果来判断配备在生产线中的设备的状态，并输出其判断结果即异常度评价值29。
完成度获取部30使用从设备信息33获取的特征量27，对工件W的作为产品的完成度状态进行评价，并获取表示完成度状态的完成度信息31来作为评价结果。
故障推测部40为“故障性获取部”的一实施例。故障推测部40使用设备信息33来获取故障性信息41，所述故障性信息41表示配备在生产线中的设备的故障的可能性或对象物材料不良的可能性。
生产线评价部23基于来自特征量评价部22的异常度评价值29来评价生产线的状态。或者，对异常度评价值29进行基于来自完成度获取部30的完成度信息31或来自故障推测部40的故障性信息41的加权，并基于加权结果来评价生产线的状态。而且，生产线评价部23依照评价结果来决定与预测维护相关的信息。
异常处理部24依照生产线评价部23所决定的预测维护的信息，来实施预定的异常处理。后处理部25将评价结果等保存到存储器112的日志(log)区域E1中，以供之后的分析及输出。
(特征量获取处理)
图5与图6是用于说明实施方式的从原始数据26获取特征量27的处理的图。成为特征量化的对象的原始数据26是从PLC 100自生产线的各设备接收的设备信息33中导出的、在每个控制周期得到更新的数据。图5中，原始数据26表示由各种传感器所测定的信号波形。
特征量获取部21对原始数据26实施帧分割处理，由此导出被划分成固定时间帧的帧单元数据(frame unit data)。另外，时间帧并不限定于固定的时间长度，也可为可变。
特征量获取部21从依时间序列获取的各帧单元数据内，依照规定流程而提取多个特征量27。
成为所述帧的时间间隔相当于“作为预测维护对象的设备的控制数据在正常运转状态下呈现固定的周期性”的时间周期(cycle)。例如，若为包装设备70的情况，则相当于依存于切断包装材的切刀的臂5D的动作周期等节拍时间(tact time)的时间宽度。
图6中例示由特征量获取部21所获取的特征量27。例如，关于各帧单元数据的原始数据26所表示的波形的振幅，获取表示图6的平均、标准偏差、偏度、最大及最小、以及峰度的各值的六种特征量27。
(预测维护的处理概要)
实施方式中，PLC 100的动作模式包含用于生成学习数据的学习模式与运用生产线的运用模式。在运用模式中，实施用于使用学习数据的预测维护的处理。
图7是实施方式的处理的概略流程图。参照图7，首先，学习部50在学习模式中实施前处理(步骤S1)。在前处理中，学习部50生成学习数据28A并保存至存储器112中。学习数据28A表示从配备在生产线中的设备在基准(例如正常)状态下的设备信息33中获取的特征量。学习数据28A是使用未示出的数据挖掘工具(data mining tool)而生成。
PLC 100将动作模式由学习模式切换到运用模式。信息获取部20从生产线获取设备信息33(步骤S3与步骤S5)。具体而言，信息获取部20对于各帧时间，在所述帧时间持续的期间获取设备信息33(步骤S3中为“帧持续”、步骤S5)。当所述帧时间结束时(步骤S3中为“帧中断”)，特征量获取部21从设备信息33中获得帧时间的单元数据即原始数据26，并从原始数据26中获取所述六种特征量27(步骤S7)。
特征量评价部22例如使用局部异常因子(Local Outliner Factor，LOF)作为异常度评价算法。基于使用LOF算法而在步骤S7中获取的特征量27，输出表示设备状态判断结果的异常度评价值29(步骤S9)。具体而言，特征量评价部22定义由如上所述的六种特征量27所定义的六维空间。当使学习数据28A的六个特征量的群与在步骤S7中获取的六个特征量27分布在所述空间内时，特征量评价部22算出学习数据28A的特征量群与在步骤S7中获取的六个特征量27之间的距离(例如欧氏距离(Euclidean distance))作为评价值的得分(score)，将得分作为设备状态的判断结果即异常度评价值29而输出。
特征量评价部22例如可在得分(异常度评价值29)为接近1的值的情况下，判断为设备状态接近基准(例如正常)状态，而在得分(异常度评价值29)为远离1的值的情况下，判断为接近并非设备基准状态的异常状态。另外，异常度评价算法并不限定于LOF。
生产线评价部23使用异常度评价值29来判断生产线状态的正常或异常(步骤S11)。图8是表示步骤S11的详细处理的流程图。
参照图8，当生产线评价部23判断异常度评价值29超过预定的第一阈值时(步骤S111中为‘异常’)，异常处理部24实施规定的异常处理(步骤S13)，并由后处理部25实施后处理(步骤S15)。另一方面，当生产线评价部23判断异常度评价值29等于或小于为第一阈值时(步骤S111中为“并非异常”)，生产线评价部23对异常度评价值29进行基于来自后述的完成度获取(步骤S20)的完成度信息31或来自后述的故障推测处理(步骤S30)的故障性信息41的加权(步骤S112)，并对经加权的异常度评价值29与第二阈值进行比较(步骤S113)。若比较的结果判断经加权的异常度评价值29大于第二阈值(步骤S113中为是)，即判断生产线的状态为正常，则处理返回步骤S3。另一方面，若判断经加权的异常度评价值29等于或小于第二阈值(步骤S113中为否)，即判断生产线的状态为异常，则跳转至步骤S13的异常处理。所述加权处理将后述。
(完成度获取的处理)
图9是将实施方式的完成度获取部30的概要关联于工件W的生产线而表示的图。在生产线的加工工序中，实施使用加工设备74的零件A、零件B的加工，将经加工的零件(以下也称作加工零件)在装配工序中予以组合而完成工件W(产品)。加工零件即使经过相同的加工工序，也会根据加工设备的特性而在尺寸、颜色等方面产生差异，因此工件W也可能产生个体差异。完成度获取部30考虑到此种加工工序中产生的差异，来实施加工零件与工件W的分类。
完成度获取部30具有依照学习数据28B来对加工零件进行分类的分类部34、及决定加工零件彼此的相容性的相容性决定部32。实施方式中，PLC 100的动作模式包含用于生成学习数据28B的学习模式、及用于实施使用所生成的学习数据28B的相容性判断的运用模式。实施方式中，“相容性”表示加工零件彼此的组合是否具有作为产品(工件W)的预定品质。
图10是与实施方式的完成度获取部30相关的“学习模式”的处理流程图。图11是用于说明实施方式的有效型式EP及阈值TH1的决定方法的图。图12是与实施方式的完成度获取部30相关的“运用模式”的处理流程图。
另外，此处，是以与帧同步的周期来实施完成度获取的处理。而且，用于装配的零件并不限定于零件A、零件B这两种，也可为三种以上。
<“学习模式”的处理>
参照图10，在“学习模式”中，信息获取部20获取由加工设备74的振动传感器所测量的设备信息33(步骤S3a)，特征量获取部21获取所获取的设备信息33所具有的如上所述的六种特征量CRi(i＝1、2、3…6)(步骤S4a)。学习部50将所获取的特征量(获取特征量)CRi附加表示零件种类(A或B)的标签(label)而保存至存储器112中(步骤S5a)。零件的种类是通过作业者的输入来指定。此处例示对零件A进行加工的情况，但零件B也能够实施同样的处理。
(分析处理(步骤S6a))
学习部50实施在步骤S5a中所保存的信息的分析处理(步骤S6a)。分析处理包含用于决定有效型式EP的处理(步骤S7a、步骤S8a及步骤S9a)。
首先，学习部50如图11的存储器112的区域E3所示般，生成多个获取特征量CRi的组合的型式(步骤S7a)，且对于所生成的各型式，算出用于识别加工程度，即工件W(产品)是否满足预定品质的识别率(步骤S8a)。
学习部50在区域E3中通过依照习知的型式分类法的运算，来算出所述识别率(步骤S8a)。实施方式中，例如依照支持向量机(support vector machine，SVM)的识别函数来算出各型式的识别率(参照图11的区域E3)。另外，识别率的计算并不限定于依照SVM的方法，也可为依照神经网络(neural network，NN)的计算方法。
学习部50确定与针对各型式而算出的识别率(参照图11的区域E3)中的、例如作为最大值的识别率对应的型式，将所确定的型式决定为有效型式EP(步骤S9a)。若参照图11，由于识别率为最大值(＝0.9)的组合被确定为(CR1，CR2)，因而此处，有效型式EP的识别特征量CRi的组合被决定为(CR1，CR2)。所述有效型式EP相当于能够识别工件W(产品)是否满足预定品质的特征量的组合型式。
学习部50基于所决定的有效型式EP所表示的特征量CR1与特征量CR2的组合，来获取阈值TH1(步骤S10a)。
具体而言，学习部50在存储器112中，在区域E4中，对基于有效型式EP的识别特征量CRi的组合(CR1，CR2)的二维平面进行定义。并且，在所定义的平面上，绘制(plot)(参照图11的区域E4的标记‘X’、标记‘Y’)在学习模式下从各加工零件获取的特征量CR1与CR2的组合值(CR1，CR2)。
学习部50在区域E4的二维平面上，基于绘制值的分布状况，来确定识别(区分)所绘制的区域的边界线BL。学习部50基于边界线BL所示的值来决定阈值TH1。
学习部50将包含所决定的有效型式EP和所获取的阈值TH1的学习数据28B保存至存储器112中(步骤S11a)。由此，“学习模式”的处理结束。
另外，图10中，假设在步骤S3a中获取了足够件数的设备信息33。而且，图11中定义了二维平面，但平面的维度根据有效型式EP中所含的识别特征量CRi的个数而可变。
<“运用模式”的处理>
参照图12，对将动作模式切换到“运用模式”时的处理进行说明。另外，假设在“运用模式”的开始时，在存储器112中，关于零件A与零件B而分别保存有包含所述有效型式EP和所获取的阈值TH1的学习数据28B。
首先，关于零件A的加工，信息获取部20从加工设备74的振动传感器获取设备信息33(步骤S23)。
特征量获取部21获取所获取的设备信息33所具有的特征量CRi。分类部34从特征量CRi中，获取学习数据28B所示的零件A的有效型式EP所表示的特征量组(识别特征量)(步骤S25)，将所获取的识别特征量与学习数据28B的阈值TH1进行比较，基于比较结果来实施符合加工零件A1或加工零件A2中的哪一个的分类，并输出分类结果(步骤S27)。
例如，当比较结果为，识别特征量表示较区域E4的边界线BL(参照图11)而朝向附图为左侧区域的值时，分类为加工零件A1，为表示右侧区域的值时，分类为加工零件A2。通过同样的处理，在零件B的加工工序中，加工零件也可被分类为加工零件B1或加工零件B2中的任一种。
PLC 100控制激光打标机72将表示分类部34的分类结果的识别码赋予至加工零件(步骤S29、步骤S31、步骤S35)。由此，将包含加工零件A1、加工零件A2、加工零件B1及加工零件B2的多个加工零件群37送往装配工序。
在装配工序中，相容性决定部32基于组合表38来决定用于工件W的装配的加工零件彼此的组合的相容性(步骤S37)，并作为完成度信息31而输出(步骤S39)。
图9的组合表38是基于作业者的见解而预先制作并保存在存储器112中。组合表38保存有加工零件彼此的多个组合381，并对应于各组合381而保存有加工零件彼此的相容性382(表示预定品质的‘OK’或表示不良品质(不具有预定品质)的‘NG’中的任一个)。相容性决定部32基于由读码器73从工件W的加工零件读取的识别码的组，来搜索组合表38。通过搜索，从组合表38中读出与跟所述识别码的组一致的组合381对应的相容性382，并作为完成度信息31而输出。
根据如上所述的完成度获取的处理，能够使用在工件W的零件加工工序中测量并获取的设备信息33，基于学习数据28B，将加工零件基于其差异来自动分类，并在随后的产品(工件W)的装配工序中，依照加工零件的分类结果来对产品的良否进行分类。由此，能够省略或简化以往所需的加工工序及装配工序中的用于分类的检查工序，从而能够缩短加工时间。
(故障推测处理)
实施方式中，故障推测部40推定生产线的故障(或不良状况、不正常)的可能性与因素(原因)。实施方式中，作为因素，包含(1)制造设备的故障(或不良状况、不正常)、(2)工件W的原材料(材料)的不良、及(3)检查装置71的故障(或不良状况、不正常)。所述因素(1)的制造设备可包含配备在工序中的传感器、加工设备74、包装设备70等。
图13是说明实施方式的故障推测处理的概要的流程图。参照图13，在“学习模式”下，学习部50预先针对所述因素(1)到(3)中的每一者，使用未示出的数据挖掘工具来分别生成学习数据281到283，并保存至存储器112中。学习数据281到学习数据283表示在生产线为因素(1)制造设备的故障(或不良状况)的状态时、为因素(2)工件W的原材料(材料)不良的状态时、及为因素(3)检查装置71的故障(不良状况)的状态时的各状态下从设备信息33获取的特征量27。
在“运用模式”下，故障推测部40从存储器112中读出学习数据281到283(步骤S31)。信息获取部20从运用中的生产线获取设备信息33，特征量获取部21从设备信息33的原始数据26中获取所述特征量27。
故障推测部40使用LOF算法，对于所述获取的特征量，使用学习数据281到学习数据283中的每一者来进行评价，输出基于评价值411、评价值412及评价值413的故障性信息41(步骤S33)。具体而言，在使用学习数据281的评价的情况(case)下，依照如上所述的LOF算法，设想由六种特征量27所定义的六维空间，求出所述空间内的学习数据281的特征量的群、与由特征量获取部21所获取的六种特征量27之间的距离，将所述距离计算为评价值的得分，并将得分作为评价值411而输出。同样，对于其他因素，也使用对应的学习数据282及学习数据283，依照LOF算法来算出得分，并作为评价值412、评价值413而输出。
例如，可在评价值411的得分为接近1的值的情况下，推测生产线因制造设备的故障(或不良状况)的因素而接近故障(不良状况)的状态，而在得分为远离1的值的情况下，推测为在生产线中未发生制造设备的故障(或不良状况)的因素的状态。同样，可在评价值412的得分为接近1的值的情况下，推测生产线因工件W的原材料(材料)不良的因素而接近故障(不良状况)的状态，而在得分为远离1的值的情况下，推测为生产线未发生原材料(材料)不良的因素的状态。同样，可在评价值413的得分为接近1的值的情况下，推测生产线因检查装置71故障(不良)的因素而接近故障(不良状况)的状态，而在得分为远离1的值的情况下，推测为未发生检查装置71的故障(不良)的因素的状态。
故障推测部40基于评价值411到评价值413来搜索存储器112的关联表90，并将针对生产线而推测的故障(或不良状况)的因素输出至显示器122等(步骤S35)。在关联表90中，依照作业者的见解，与评价值411到评价值413分别对应地保存有故障(或不良状况)的因素。故障推测部40在评价值411的得分为接近1的值时，读出与评价值411对应的因素(例如‘伺服马达故障’)并输出。同样，在评价值412的得分为接近1的值时，读出与评价值412对应的因素(‘原材料不良’)并输出。同样，在评价值413的得分为接近1的值时，读出与评价值413对应的因素(‘检查装置不良’)并输出。
(加权处理)
在图8的加权处理(步骤S112)中，对于来自完成度获取部30的完成度信息31，例如对‘OK’分配“1”及对‘NG’分配“0”，例如以如下方式算出权重WT。
权重WT＝(完成度信息31的值)、或权重WT＝((完成度信息31的值)+评价值411到评价值413的得分的总和值)。
生产线评价部23通过加上所述权重WT来对异常度评价值29进行加权。通过使用经加权的异常度评价值29，在未判断工件W为良品的情况下、或推测为在生产线中由于因素(1)到因素(3)等而产生了某些故障(不良状况)的情况下，即使为异常度评价值29呈现正常值的情形，仍能够输出生产线有异常可能性的通知，从而能够提高生产线的预测维护的精度。
而且，也可与通知一同输出异常可能性的因素、造成因素的系统(分为制造设备、材料、检查装置)的信息、或者与供用户应对因素的预测维护相关的信息。
(故障推测处理的变形例)
所述图13的故障推测处理中，是使用每个故障(不良状况)因素的学习数据281到学习数据283来进行故障推测处理，但在变形例中，使用未与因素关联的学习数据28C来实施故障推测处理。
图14是表示实施方式的故障推测处理的变形例的概略流程图。图15是说明图14的聚类(clustering)的图。图14中，在PLC 100的“学习模式”下，获取学习部50依照聚类的区分(分类)，在“运用模式”下，故障推测部40将所获取的设备信息33所具有的特征量聚类(分类)为所述区分中的任一种，并与因素相关联而输出。
(处理流程图)
对PLC 100的故障推测处理的变形例的“学习模式”及“运用模式”的处理进行说明。
<“学习模式”的处理>
参照图14，在“学习模式”下，学习部50基于学习数据28C来实施聚类(步骤S37)。所述聚类的流程与在图10与图11中说明的流程同样，因此简单地进行说明。
首先，在“学习模式”下，由信息获取部20及特征量获取部21获取设备信息33，并获取其中所含的特征量27(特征量CRi)。学习部50为了从特征量CRi中识别因素，依照如上所述的SVM的识别函数，对于特征量CRi的各组合型式算出因素识别的识别率。将与所算出的识别率中的例如为最大值的识别率对应的型式决定为有效型式EP。有效型式EP相当于能够识别因素的特征量的组合型式。
学习部50基于所决定的有效型式EP(例如特征量CR1与特征量CR2的组合)，来获取阈值Th1、阈值Th2及阈值Th3。具体而言，在基于有效型式EP的识别特征量CRi的组合(CR1，CR2)的虚拟二维平面上，绘制(参照图15的区域E5的标记‘X’)与制造装置的故障(不良状况)对应的来自设备信息33的获取特征量CR1与获取特征量CR2的组合值(CR1，CR2)，而且，在此平面上，绘制(参照图15的区域E5的标记‘Y’)与材料不良对应的来自设备信息33的特征量CR1与特征量CR2的组合值(CR1，CR2)，而且，在此平面上，绘制(参照图15的区域E5的标记‘Z’)与检查装置的故障(不良状况)对应的特征量CR1与特征量CR2的组合值(CR1，CR2)。
由此，学习部50将区域E5的二维平面上的、各因素的绘制值的分布状况显示于显示器122。用户(数据科学家(data scientist))基于所显示的分布状况，并依照见解，操作键盘121来指定对绘制有组合值(CR1，CR2)的区域进行区分的边界线BL1、边界线BL2及边界线BL3，并输入将由边界线BL1、边界线BL2及边界线BL3所划分的各区分与因素相关联的信息(步骤S39)。也就是说，步骤S39可通过数据科学家的分析来实现。
学习部50基于用户所指定的边界线BL1、边界线BL2及边界线BL3所示的值来决定阈值Th1、阈值Th2及阈值Th3，制作簇(cluster)与因素的关联表90，并将这些数据保存至存储器112中(步骤S39)。如下表一所示，关联表90中，对应于簇C1到簇C3中的每一者而登记有生产线的故障(不良状况)因素92。
Ci：簇 92：因素
C1 921：伺服马达不正常
C2 922：材料不良
C3 923：检查装置不正常
表一：关联表90
关于步骤S39中的阈值的决定，例如，用户依照见解，将边界线BL1附近的组合值(CR1，CR2)决定为用于判定为‘制造装置故障’的阈值Th1，将边界线BL2附近的组合值(CR1，CR2)决定为用于判定为‘材料不良’的阈值Th2，将边界线BL3附近的组合值(CR1，CR2)决定为用于判定为‘检查装置故障(不良状况)’的阈值Th3。学习部50将有效型式EP和所决定的阈值Th1、阈值Th2及阈值Th3作为学习数据28D而保存至存储器112中。由此，“学习模式”的处理结束。
<“运用模式”的处理>
参照图14来说明“运用模式”的处理。另外，在“运用模式”的开始时，在存储器112中，保存有学习数据28D(有效型式EP以及阈值Th1、阈值Th2及阈值Th3)。
首先，故障推测部40获取来自生产线的设备信息33所具有的特征量CRi中的、有效型式EP所示的组的特征量(识别特征量)，将所获取的特征量与学习数据28D的阈值Th1、阈值Th2及阈值Th3进行比较，并基于比较结果来判定符合的簇，基于所判定的簇来搜索关联表90，并将对应的簇Ci(i＝1、2、3)与对应的因素92相关联而输出(步骤S38)。由此，可获取对运用中的生产线的故障因素进行推测的信息(评价值411到评价值413)。
故障推测部40基于所推测出的故障(不良状况)的簇，搜索重要度表80，决定重要度M1到重要度M3的反馈方法(步骤S41)。重要度M1、重要度M2及重要度M3表示用于实施生产线的预测维护的反馈方法的重要度(应优先实施的顺序)。
如下表二所示，重要度表80中，对应于与关联表90的簇Ci相关联的重要度Mi中的每一者而登记有反馈方法82。例如，当生产线的故障(或不良状况)的推测结果符合簇C1(推测为伺服马达故障)时，实施预测维护的重要度Mi到重要度M3的所有反馈方法821到反馈方法823。与此相对，当符合簇C2(推测为材料不良)时，根据材料的种类，也存在可待机至下个批次(lot)的情形，因此仅实施预测维护的重要度M2的反馈方法822。
Mi：重要度 82：反馈方法
(C1，C3)MI 821：方法1
(C1，C2)M2 822：方法2
(C1)M3 823：方法3
表二：重要度表80
另外，反馈方法也可包含因素通知的告知形式，并使每个因素的告知形式不同。例如可包含点亮警告(alarm)灯、向管理者的终端11或计算机300发送通知、记录到存储器112的日志区域E1中、停止生产线等中的一种或两种以上的组合，但并不限定于这些方法。
故障推测部40能够使用学习数据281到283来将生产线的故障(或不良状况)的推测结果与其因素(原因)相关联，从而能够确定故障因素并予以通知。
(变形例)
所述实施方式中，基于以权重WT对异常度评价值29进行加权所得的值，来实施与生产线状态的正常或异常相关的判断及反馈方法的决定，但也可基于未加权的异常度评价值29的异常或正常，来实施预测维护的判断及反馈方法的决定。而且，也能够进行切换，以基于工件W的完成度信息31及故障性信息41这两者来决定权重WT，或者仅基于完成度信息31来决定权重WT，又或者仅基于故障性信息41(评价值411、评价值412、评价值413)来决定权重WT。
所述实施方式中所示的各流程图的处理是作为程序而保存在PLC 100的存储部(存储器112、硬盘114、存储卡123等)中。通过CPU 110从存储部中读出程序来执行，从而能够实现用于预测维护的所述功能。
此种程序还可记录在附属于PLC 100的软盘(Flexible Disk)、只读光盘(CompactDisk-Read Only Memory，CD-ROM)、只读存储器(Read Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)及存储卡123等计算机可读取的记录介质中，作为程序产品而提供。或者，还可记录在内置于PLC 100的硬盘114等记录介质中以提供程序。而且，还可通过从未图示的网络经由通信接口124的下载来提供程序。
应认为，此次所公开的实施方式在所有方面仅为例示，并非限制者。本发明的范围是由权利要求而非所述说明所示，且意图包含与权利要求均等的含义及范围内的所有变更。

Claims (8)

1.一种管理装置，对用于对象物制造的生产线进行管理，其特征在于，所述管理装置包括：
特征量获取部，对于所述对象物的节拍时间的时间宽度的每一帧，从表示配备在所述生产线中的设备的状态的设备信息中，获取所述设备信息所具有的特征量；
特征量评价部，将所述帧获取的特征量与表示所述设备的基准状态的设备信息所具有的特征量进行比较，以决定所述设备的状态；
完成度获取部，根据与所述帧同步的周期，在所述生产线中获取表示所述对象物的完成度状态的完成度信息；以及
评价部，将对所述特征量评价部的所述帧的输出，进行基于根据与所述帧同步的所述周期获取的所述完成度信息的加权所得的值与阈值进行比较，基于比较结果来评价所述生产线的状态。
2.根据权利要求1所述的管理装置，其特征在于，
所述完成度信息表示所述对象物是否具有预定的品质。
3.根据权利要求1所述的管理装置，其特征在于，
所述完成度获取部将在所述生产线的运用时由所述特征量获取部所获取的所述特征量，与预先学习的所述对象物的多个品质的多个特征量进行比较，基于比较结果来决定所述完成度信息。
4.根据权利要求2所述的管理装置，其特征在于，
所述完成度获取部将在所述生产线的运用时由所述特征量获取部所获取的所述特征量，与预先学习的所述对象物的多个品质的多个特征量进行比较，基于比较结果来决定所述完成度信息。
5.根据权利要求1至4中任一项所述的管理装置，其特征在于，
所述管理装置还包括：故障性获取部，获取表示所述设备的故障或所述对象物材料不良的可能性的故障性信息，
所述加权是基于所述完成度信息及所述故障性信息。
6.根据权利要求5所述的管理装置，其特征在于，
所述故障性获取部将在所述生产线的运用时由所述特征量获取部所获取的所述特征量，与预先学习的故障的多个因素的多个特征量进行比较，基于比较结果来决定所述故障性信息。
7.根据权利要求6所述的管理装置，其特征在于，
所述管理装置根据所述故障的各个因素，以不同的形式来告知所述故障可能性的通知。
8.一种可读取记录介质，储存一管理程序，其为用于使计算机执行对用于对象物制造的生产线进行管理的方法的程序，所述管理程序的特征在于包括：
对于所述对象物的节拍时间的时间宽度的每一帧，从表示配备在所述生产线中的设备的状态的设备信息中，获取所述设备信息所具有的特征量；
将所述帧获取的特征量与表示所述设备的基准状态的设备信息所具有的特征量进行比较，以决定所述设备的状态；
根据与所述帧同步的周期，在所述生产线中获取表示所述对象物的完成度状态的完成度信息；以及
将对所述帧获取的所述特征量，进行基于根据与所述帧同步的所述周期获取的所述完成度信息的加权所得的值与阈值进行比较，基于比较结果来评价所述生产线的状态。
CN201810034774.4A 2017-03-09 2018-01-15 管理装置以及可读取记录介质 Active CN108573368B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2017-044651 2017-03-09
JP2017044651A JP6880843B2 (ja) 2017-03-09 2017-03-09 管理装置および管理プログラム

Publications (2)

Publication Number Publication Date
CN108573368A CN108573368A (zh) 2018-09-25
CN108573368B true CN108573368B (zh) 2022-04-29

Family

ID=61007475

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810034774.4A Active CN108573368B (zh) 2017-03-09 2018-01-15 管理装置以及可读取记录介质

Country Status (4)

Country Link
US (1) US20180259947A1 (zh)
EP (1) EP3373211A1 (zh)
JP (1) JP6880843B2 (zh)
CN (1) CN108573368B (zh)

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6847898B2 (ja) * 2018-08-10 2021-03-24 東京エレクトロンデバイス株式会社 予防保全装置及び予防保全システム
JP7087882B2 (ja) * 2018-09-26 2022-06-21 オムロン株式会社 品質予測装置、品質予測方法、及び品質予測プログラム
US11807464B2 (en) * 2018-09-27 2023-11-07 Tetra Laval Holdings & Finance S.A. Method and system of fault prediction in a packaging machine
JP7252593B2 (ja) * 2018-11-22 2023-04-05 株式会社ビー・ナレッジ・デザイン 情報処理システム、情報処理方法及びプログラム
WO2020183730A1 (ja) * 2019-03-14 2020-09-17 オムロン株式会社 監視システム、情報処理装置、及び情報処理方法
US10983743B2 (en) * 2019-03-29 2021-04-20 Keyence Corporation Programmable display and programmable logic controller system including the same
WO2021014590A1 (ja) * 2019-07-23 2021-01-28 株式会社Ｆｕｊｉ データ管理装置
CN115809417B (zh) * 2023-02-09 2023-05-09 新风光电子科技股份有限公司 用于高压变频器控制柜的生产线运行信号检测方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH06149826A (ja) * 1992-11-12 1994-05-31 Kao Corp 工場運営のための支援装置
CN105940354A (zh) * 2014-02-10 2016-09-14 欧姆龙株式会社 品质管理装置及其控制方法

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH081485A (ja) * 1994-06-17 1996-01-09 Furukawa Electric Co Ltd:The 生産管理装置
US20020062314A1 (en) * 2000-11-20 2002-05-23 Mitsubishi Denki Kabushiki Kaisha Apparatus and method for material management
JP2004164635A (ja) * 2002-10-25 2004-06-10 N System:Kk 生産管理用モニタ装置
JP2005286206A (ja) * 2004-03-30 2005-10-13 Hitachi High-Technologies Corp 半導体製造装置およびその監視・解析支援方法
JP4967430B2 (ja) * 2006-04-11 2012-07-04 オムロン株式会社 不具合管理装置、不具合管理プログラム、およびこれを記録した記録媒体
US20140042137A1 (en) * 2006-12-20 2014-02-13 Lincoln Global, Inc. System and method of exporting or using welding sequencer data for external systems
JP2009025851A (ja) * 2007-07-17 2009-02-05 Fujitsu Ltd 作業管理装置及び作業管理方法
EP2682914A4 (en) * 2011-02-28 2016-07-13 Yokogawa Electric Corp ENERGY MANAGEMENT METHOD AND SYSTEM, AND GRAPHICAL USER INTERFACE METHOD
JP5710435B2 (ja) * 2011-09-16 2015-04-30 株式会社日立製作所 製造ライン設計装置および製造ライン設計方法
JP5929950B2 (ja) * 2014-03-13 2016-06-08 トヨタ自動車株式会社 作業計画表示システム

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH06149826A (ja) * 1992-11-12 1994-05-31 Kao Corp 工場運営のための支援装置
CN105940354A (zh) * 2014-02-10 2016-09-14 欧姆龙株式会社 品质管理装置及其控制方法

Also Published As

Publication number Publication date
US20180259947A1 (en) 2018-09-13
JP2018147419A (ja) 2018-09-20
CN108573368A (zh) 2018-09-25
EP3373211A1 (en) 2018-09-12
JP6880843B2 (ja) 2021-06-02

Similar Documents

Publication Publication Date Title
CN108573368B (zh) 管理装置以及可读取记录介质
CN108500736B (zh) 工具状态推定装置以及机床
JP6404893B2 (ja) 工具寿命推定装置
EP3460611B1 (en) System and method for aircraft fault detection
JP6450858B2 (ja) 設備管理装置および方法
JP5364530B2 (ja) 設備状態監視方法、監視システム及び監視プログラム
JP6076421B2 (ja) 設備状態監視方法およびその装置
WO2010095314A1 (ja) 異常検知方法及び異常検知システム
CN106407589B (zh) 一种风机状态评估与预测方法及系统
JP5151556B2 (ja) 工程解析装置、工程解析方法および工程解析プログラム
US20200125970A1 (en) Defect factor estimation device and defect factor estimation method
US10824139B2 (en) Equipment maintenance method, equipment maintenance device, and storage medium for the same
JPH06170696A (ja) 工具寿命と予測工具摩耗の診断用のリアル・タイム・エキスパート・システムを使用するシステムと方法
US20150026107A1 (en) System and apparatus that identifies, captures, classifies and deploys tribal knowledge unique to each operator in a semi-automated manufacturing set-up to execute automatic technical superintending operations to improve manufacturing system performance and the methods therefor
CN108829933A (zh) 一种半导体制造设备的预测性维护与健康管理的方法
CA2443579A1 (en) Diagnostic systems and methods for predictive condition monitoring
CN107390649B (zh) 一种项目型产品加工物联网支持系统
JP6680430B1 (ja) 生産ラインにおける品質と設備の統合的監視方法
JP7012888B2 (ja) 異常要因推定装置、異常要因推定方法、及びプログラム
CN110023861A (zh) 用于监控制造工厂的系统和方法
CN112183919A (zh) 质量预测系统和质量预测方法
CN110895716A (zh) 检查装置以及机器学习方法
CN112987682A (zh) 控制方法、控制装置和机械设备
CN112859741A (zh) 一种机床顺序动作单元运行可靠性评价方法及系统
JP7271872B2 (ja) 異常判定装置、異常判定システムおよび異常判定方法

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