CN112534374A - 显示系统、显示方法及显示程序 - Google Patents
显示系统、显示方法及显示程序 Download PDFInfo
- Publication number
- CN112534374A CN112534374A CN202080004380.XA CN202080004380A CN112534374A CN 112534374 A CN112534374 A CN 112534374A CN 202080004380 A CN202080004380 A CN 202080004380A CN 112534374 A CN112534374 A CN 112534374A
- Authority
- CN
- China
- Prior art keywords
- display
- relationship model
- causal relationship
- cause
- unit
- 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 description 30
- 230000001364 causal effect Effects 0.000 claims abstract description 83
- 238000004519 manufacturing process Methods 0.000 claims abstract description 60
- 238000010586 diagram Methods 0.000 claims abstract description 43
- 238000003860 storage Methods 0.000 claims abstract description 32
- 238000012544 monitoring process Methods 0.000 claims abstract description 24
- 230000005856 abnormality Effects 0.000 claims description 67
- 230000002159 abnormal effect Effects 0.000 claims description 31
- 230000000694 effects Effects 0.000 claims description 8
- 238000004806 packaging method and process Methods 0.000 description 46
- 230000007246 mechanism Effects 0.000 description 36
- 229920006280 packaging film Polymers 0.000 description 28
- 239000012785 packaging film Substances 0.000 description 28
- 238000004458 analytical method Methods 0.000 description 13
- 238000007789 sealing Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 8
- 238000012856 packing Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 7
- 230000008859 change Effects 0.000 description 6
- 238000004891 communication Methods 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 230000009471 action Effects 0.000 description 5
- 238000010276 construction Methods 0.000 description 5
- 238000001514 detection method Methods 0.000 description 5
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 5
- 238000010438 heat treatment Methods 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- 230000002123 temporal effect Effects 0.000 description 4
- 230000010365 information processing Effects 0.000 description 3
- 239000013307 optical fiber Substances 0.000 description 3
- 238000007476 Maximum Likelihood Methods 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 2
- 238000005520 cutting process Methods 0.000 description 2
- 238000012217 deletion Methods 0.000 description 2
- 230000037430 deletion Effects 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 239000004698 Polyethylene Substances 0.000 description 1
- 230000004397 blinking Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004040 coloring Methods 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000000465 moulding Methods 0.000 description 1
- 235000012149 noodles Nutrition 0.000 description 1
- 238000012858 packaging process Methods 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
- -1 polyethylene Polymers 0.000 description 1
- 229920000573 polyethylene Polymers 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 239000011347 resin Substances 0.000 description 1
- 229920005989 resin Polymers 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000001179 sorption measurement Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
- 238000011144 upstream manufacturing Methods 0.000 description 1
- 238000004804 winding Methods 0.000 description 1
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
- G05B23/0259—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
- G05B23/0267—Fault communication, e.g. human machine interface [HMI]
- G05B23/0272—Presentation of monitored results, e.g. selection of status reports to be displayed; Filtering information to the user
-
- 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
- G05B23/0275—Fault isolation and identification, e.g. classify fault; estimate cause or root of failure
- G05B23/0278—Qualitative, e.g. if-then rules; Fuzzy logic; Lookup tables; Symptomatic search; FMEA
-
- 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
- G05B2219/14097—Display of error messages
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Human Computer Interaction (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Quality & Reliability (AREA)
- General Factory Administration (AREA)
- Mechanical Engineering (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明的显示系统是设于生产设备的显示装置，所述生产设备生产制品，且具有驱动生产设备的至少一个驱动部件、及监测生产的至少一个监测部件，并且所述显示装置包括控制部、显示部、存储部及输入部，存储部存储：概略图数据，表示生产设备的概略图；以及因果关系模型数据，从驱动部件及监测部件中选择至少一个的、生产设备中可能产生的至少一个异常的原因要素，并且与原因要素的关系一起作为因果关系模型而表示，控制部以在显示部显示概略图，并且以与概略图对应的方式重叠地显示因果关系模型的方式构成。
Description
技术领域
本发明涉及一种显示系统、显示方法及显示程序。
背景技术
作为监测设备状态的方法，专利文献1中提出了下述方法：基于事件信号按运转状态进行模式分割，针对每个模式制作正常模型，基于所制作的正常模型来进行异常判定。此方法中，检查用于制作正常模型的学习数据的充分性，并根据其结果来设定用于异常判定的阈值，由此防止产生将正常判定为异常的误报。
而且，专利文献2中提出了探测生产设备所生产的制品产生异常的方法。具体而言，专利文献2中提出了下述方法：将自生产系统收集的数据分类为制品正常的情况与异常的情况，确定在正常情况与异常情况下产生显著差异的特征量，基于所确定的特征量来诊断制品是否正常。
现有技术文献
专利文献
专利文献1：日本专利特开2015-172945号公报
专利文献2：日本专利特开2010-277199号公报
发明内容
发明所要解决的问题
此外，在生产设备中产生异常的情况下，必须立即解决所述异常，但用户通常在使用手册(manual)等中查阅所产生的异常的原因后，进行用于解决所述异常的处理。但是，若每当产生异常时查阅使用手册，则有时需要时间而处理延迟。本发明是为了解决所述问题而成，其目的在于提供一种显示系统、显示方法及显示程序，可容易地确认生产设备中可能产生的异常的原因。
解决问题的技术手段
本发明的显示系统设于生产设备，所述生产设备生产制品，且具有进行所述生产设备的驱动的至少一个驱动部件、及进行所述生产的监测的至少一个监测部件，并且所述显示系统包括控制部、显示部、存储部及输入部，所述存储部存储：概略图数据，表示所述生产设备的概略图；以及因果关系模型数据，从所述驱动部件及所述监测部件中选择至少一个的、所述生产设备中可能产生的至少一个异常的原因要素，并且与所述原因要素的关系一起作为因果关系模型而表示，所述控制部以在所述显示部显示所述概略图，并且以与所述概略图对应的方式重叠地显示所述因果关系模型的方式构成。
根据所述结构，将生产设备的概略图、及生产设备中可能产生的异常的因果关系模型显示于显示部。此时，在显示部，以与概略图对应的方式重叠显示因果关系模型，因而可一边观看概略图一边确定因果关系模型所含的原因要素。因此，可容易地看到生产设备中在何处产生异常。
所述显示系统中，所述存储部可存储多个所述异常的因果关系模型数据，所述输入部以从所述多个异常中受理一个异常的选择的方式构成，所述控制部以将与所选择的所述异常对应的所述因果关系模型显示于所述显示部的方式构成。
根据所述结构，存储有多个异常的因果关系模型数据，因而用户可从多个异常中，例如通过输入部而选择实际产生的异常。因此，可针对所产生的每个异常容易地确认因果关系模型。
所述显示系统中，所述驱动部件及监测部件可具有可控制的至少一个特征量，所述控制部将所述各异常的原因要素、及与所述原因要素对应的至少一个所述特征量以列表的形式显示于所述显示部。
根据所述结构，针对每个异常将原因要素及与其对应的特征量以列表的形式显示于显示部，因而可看到用于解决异常的原因要素及对其进行控制的特征量。例如，有时即便为相同的原因要素，需控制的特征量也视异常而不同，因此可通过观看列表从而容易地得知需控制哪个特征量。
所述显示系统中，所述输入部可从所述列表受理一个所述原因要素的选择，所述控制部以在显示于所述显示部的所述因果关系模型中强调显示所选择的所述原因要素的方式构成。
根据所述结构，可通过从列表中选择原因要素，从而将显示于显示部的因果关系模型中的原因要素强调显示。因此，用户例如可在概略图上容易地看到所选择的原因要素的位置。
本发明的显示方法用于将生产设备中可能产生的异常的因果关系显示于显示部，所述生产设备生产制品，且具有进行所述生产设备的驱动的至少一个驱动部件、及进行所述生产的监测的至少一个监测部件，并且所述显示方法包括下述步骤：存储表示所述生产设备的概略图的概略图数据；存储因果关系模型数据，所述因果关系模型数据是从所述驱动部件及所述监测部件中选择至少一个的、所述生产设备中的至少一个异常的原因要素，并且与所述原因要素的关系一起作为因果关系模型而表示；以及在所述显示部显示所述概略图，并且以与所述概略图对应的方式重叠地显示所述因果关系模型。
本发明的显示程序用于将生产设备中可能产生的异常的因果关系显示于显示部，所述生产设备生产制品，且具有进行所述生产设备的驱动的至少一个驱动部件、及进行所述生产的监测的至少一个监测部件，并且所述显示程序使计算机执行下述步骤：存储表示所述生产设备的概略图的概略图数据；存储因果关系模型数据，所述因果关系模型数据是从所述驱动部件及所述监测部件中选择至少一个的、所述生产设备中的至少一个异常的原因要素，并且与所述原因要素的关系一起作为因果关系模型而表示；以及在所述显示部显示所述概略图，并且以与所述概略图对应的方式重叠地显示所述因果关系模型。
发明的效果
根据本发明，可容易地确认生产设备中可能产生的异常的原因。
附图说明
图1示意性地例示适用本发明的场景的一例。
图2为表示本发明的一实施方式的分析装置的硬件结构的框图。
图3为本发明的一实施方式的生产设备的概略图。
图4为表示分析装置的功能结构的框图。
图5为表示构建因果关系模型的示例的流程图。
图6为控制信号与节拍时间的关系的示例。
图7A为因果关系模型的示例。
图7B为因果关系模型的示例。
图7C为因果关系模型的示例。
图8为将因果关系模型的节点重叠于包装机的概略图的图。
图9A为显示装置的画面的示例。
图9B为显示装置的画面的示例。
图9C为显示装置的画面的示例。
具体实施方式
以下，基于附图对本发明的一侧面的实施方式(以下也表述为“本实施方式”)进行说明。但是，以下说明的本实施方式在所有方面仅为本发明的例示。当然可在不偏离本发明的范围的情况下进行各种改良或变形。即，实施本发明时，也可采用与实施方式相应的具体结构。另外，利用自然语言来说明本实施方式中出现的数据，但更具体而言，以计算机可识别的伪语言、命令、参数、机器语言等来进行指定。
＜1.适用例＞
首先，使用图1对适用本发明的场景的一例进行说明。图1示意性地例示本实施方式的生产系统的适用场景的一例。本实施方式的生产系统包括作为生产设备的一例的包装机3、分析装置1及显示装置2。分析装置1为以下述方式构成的计算机：导出设于包装机3的伺服马达(驱动部件)或各种传感器(监测部件)间的因果关系，并显示此因果关系。另外，以下将伺服马达等驱动部件或各种传感器等监测部件合并称为机构。而且，所谓本发明的原因要素，相当于机构中产生异常时成为原因的机构。
分析装置1针对包装机3中可能产生的异常，生成机构间的因果关系模型，并将其显示于显示装置2的画面21。图1的示例中，示出产生后述的膜卷30(参照图3)的制动用皮带的磨损作为异常时的因果关系模型。即，设于包装机3的多个伺服马达中，显示伺服1、伺服3、伺服4作为节点，这些由边(edge)连结。并且，边的方向表示因果关系。即表示，产生皮带的磨损时，伺服1影响伺服3，进而伺服3影响伺服4，结果产生皮带的磨损。因此，包装机3的作业者只要按伺服4、伺服3、伺服1的顺序确认产生异常的原因即可。但是，虽详情将于后述，但各伺服马达具有扭矩、位置等可控制的多个特征量，伺服马达的特征量的任一个构建所述因果关系。
而且，如图1的示例所示，在显示装置2显示包装机3的概略图，在此概略图重叠显示因果关系模型。此时，包装机3的概略图中，因果关系模型的各节点配置于各伺服马达的设置位置。因此，作业者可一边观看概略图，一边确定成为异常的原因的机构。因此，可容易地看到只要在包装机3中确认哪个机构便可使异常回到正常。
因此，可容易地看到只要在包装机3中确认哪个机构便可使异常回到正常。各机构的种类也可无特别限定，可根据实施方式而适当选择。各机构例如可为输送机、机械臂、伺服马达、机筒(成形机等)、吸附垫、切割装置、密封装置等。而且，除了所述包装机3以外，各机构例如也可为印刷机、贴装机、回焊炉、基板检查装置等复合装置。进而，各机构也可除了例如所述那样的伴有某些物理动作的装置以外，例如还包含利用各种传感器来探测某些信息的装置、从各种传感器获取数据的装置、从所获取的数据中探测某些信息的装置、对所获取的数据进行信息处理的装置等进行内部处理的装置。一个机构可由一个或多个装置构成，或也可由装置的一部分构成。也可由多个机构来构成一个装置。而且，在同一装置执行多个处理的情况下，也可分别视为不同的机构。例如，在同一装置执行第一处理与第二处理的情况下，也可将执行第一处理的所述装置视为第一机构，将执行第二处理的所述装置视为第二机构。
＜2.结构例＞
＜2-1.硬件结构＞
接下来，对本实施方式的生产系统的硬件结构的一例进行说明。图2为表示本实施方式的分析装置1的硬件结构的一例的框图，图3为表示包装机的概略结构的图。
＜2-1-1.分析装置＞
首先，使用图2对本实施方式的分析装置1的硬件结构的一例进行说明。如图2所示，所述分析装置1为控制部11、存储部12、通信接口13、外部接口14、输入装置15及驱动器16经电连接而成的计算机。
控制部11包含中央处理器(Central Processing Unit，CPU)、随机存取存储器(Random Access Memory，RAM)、只读存储器(Read Only Memory，ROM)等，根据信息处理来进行各结构元件的控制。存储部12例如为硬盘驱动器、固态驱动器等辅助存储装置，存储由控制部11执行的程序121、概略图数据122、因果关系模型数据123及动作状态数据124等。
程序121为用于生成包装机3中产生的异常与机构的因果关系模型，或将其显示于显示装置2等的程序。概略图数据122为表示成为对象的生产设备的概略图的数据，本实施方式中，为表示包装机3的概略图的数据。概略图只要为至少可知因果关系模型所示的机构位置那样的包装机总体的概略图即可，也可未必为详细的图。而且，也可为表示包装机3的仅一部分的放大图。
因果关系模型数据123为表示利用从包装机3提取的各机构的特征量而构建的、异常产生的因果关系模型的数据。即，为表示产生异常时的、机构间的因果关系的数据。所述分析装置1中，如后述那样，利用从包装机3提取的特征量等来生成因果关系模型数据，但也可存储在外部的装置中预先生成的因果关系模型数据。
动作状态数据124为表示包装机3的动作状态的数据。详细情况将于后述，例如可设为所述各机构的驱动中可能产生的数据，例如扭矩、速度、加速度、温度、压力等测量数据。而且，在机构为传感器的情况下，也可设为检测的结果，例如以“通(on)”与“断(off)”来表示是否存在内容物WA的检测数据。
通信接口13例如为有线局域网(Local Area Network，LAN)模块、无线LAN模块等，为用于进行有线或无线通信的接口。即，通信接口13为以与其他装置进行通信的方式构成的通信部的一例。本实施方式的分析装置1经由通信接口13而与包装机3连接。
外部接口14为用于与外部装置连接的接口，根据所连接的外部装置而适当构成。本实施方式中，外部接口14连接于显示装置2。另外，显示装置2可使用众所周知的液晶显示器、触摸屏显示器等。
输入装置15例如为鼠标、键盘等用于进行输入的装置。
驱动器16例如为压缩光盘(Compact Disk，CD)驱动器、数字多功能光盘(DigitalVersatile Disk，DVD)驱动器等，为用于读取存储于存储介质17的程序的装置。驱动器16的种类可根据存储介质17的种类而适当选择。另外，存储于存储部的、包含程序121的各种数据122～125的至少一部分也可存储于此存储介质17。
存储介质17为以计算机、其他装置、机械等可读取所记录的程序等信息的方式，通过电作用、磁作用、光学作用、机械作用或化学作用而存储所述程序等信息的介质。图2中，作为存储介质17的一例，例示CD、DVD等光盘型的存储介质。但是，存储介质17的种类不限定于光盘型，也可为光盘型以外。作为光盘型以外的存储介质，例如可举出快闪存储器等半导体存储器。
另外，关于分析装置1的具体的硬件结构，可根据实施方式适当进行结构元件的省略、替换及追加。例如，控制部11也可包含多个处理器。分析装置1也可由多台信息处理装置构成。而且，关于分析装置1，除了所提供的设计成服务专用的信息处理装置以外，可使用通用的服务器装置等。
＜2-1-2.包装机＞
接下来，使用图3对本实施方式的包装机3的硬件结构的一例进行说明。图3示意性地例示本实施方式的包装机3的硬件结构的一例。包装机3为所谓横枕包装机，为包装食品(干面等)、文具(橡皮等)等内容物WA的装置。但是，内容物WA的种类可根据实施方式而适当选择，并无特别限定。所述包装机3包括卷取有包装膜的膜卷30、搬送包装膜的膜搬送部31、搬送内容物WA的内容物搬送部32、及以包装膜包装内容物的制袋部33。
包装膜例如可设为聚乙烯膜等树脂膜。膜卷30包括卷芯，包装膜卷取于所述卷芯。卷芯绕轴可旋转地受到支撑，由此膜卷30以一边旋转一边送出包装膜的方式构成。
膜搬送部31包括：驱动辊，由伺服马达(伺服1)311驱动；被动辊312，由所述驱动辊赋予旋转力；以及多个滑轮313，一边对包装膜施加张力一边引导。由此，膜搬送部31以从膜卷30送出包装膜，并将所送出的包装膜无松弛地搬送至制袋部33的方式构成。
内容物搬送部32包括：输送机321，搬送成为包装对象的内容物WA；以及伺服马达(伺服2)322，驱动输送机321。如图3所例示，内容物搬送部32经由膜搬送部31的下方而连结于制袋部33。由此，由内容物搬送部32搬送的内容物WA被供给于制袋部33，并且由从膜搬送部31供给的包装膜进行包装。而且，关于输送机321的下游的信息，设有探测内容物WA的位置的光纤传感器(传感器1)324。进而，在输送机321的下方，设有探测内容物WA的搁浅等的光纤传感器(传感器2)325。为了正确地包装内容物WA而利用这些传感器1、2来探测是否在正确的位置进行搬送。
制袋部33包括：输送机331；伺服马达(伺服3)332，驱动输送机331；中央密封部333，将包装膜在搬送方向密封；以及端部密封部334，将包装膜在搬送方向的两端侧切断，在各端部进行密封。
输送机331搬送从内容物搬送部32搬送的内容物WA及从膜搬送部31供给的包装膜。从膜搬送部31供给的包装膜一边以宽度方向的两侧端缘部彼此重叠的方式经适当弯折，一边被供给于中央密封部333。中央密封部333例如包含左右一对加热辊(加热器1、加热器2)，通过加热将经弯折的包装膜的两侧端缘部沿着搬送方向密封。由此，包装膜形成为筒状。内容物WA投入至所述形成为筒状的包装膜内。而且，在端部密封部334的上游侧，在输送机331的上方，设有探测内容物WA的位置的光纤传感器(传感器3)336。
另一方面，端部密封部334例如具有：辊，由伺服马达335驱动；一对切割器，通过辊的旋转而开闭；以及加热器(加热器3)，设于各切割器的两侧。由此，端部密封部334以可将筒状的包装膜在与搬送方向正交的方向切割，并且通过加热将经切割的部分密封的方式构成。若经过所述端部密封部334，则形成为筒状的包装膜的前端部分在搬送方向的两侧经密封，与后续的包装膜分离，成为内含内容物WA的包装体WB。
＜2-1-3.包装工序＞
以上的包装机3可通过如下工序来进行内容物WA的包装。即，通过膜搬送部31从膜卷30送出包装膜。而且，通过内容物搬送部32来搬送成为包装对象的内容物WA。接下来，通过制袋部33的中央密封部333，将所送出的包装膜形成为筒状。接着，将内容物WA投入至所形成的筒状的包装膜后，通过端部密封部334将筒状的包装膜在与搬送方向正交的方向切割，并且通过加热将经切割的部分的搬送方向的两侧密封。由此，形成内含内容物WA的横枕式的包装体WB。即，内容物WA的包装完成。
另外，包装机3的驱动的控制也可由与包装机3分立地设置的可编程逻辑控制器(Programmable Logic Controller，PLC)等来进行。此时，所述动作状态数据124可从PLC获取。而且，如所述那样构成的包装机3中，作为一例，为了构建异常的因果关系，设定有10个机构。即，设定所述伺服1～伺服4、加热器1～加热器3及传感器1～传感器3作为机构，构建产生异常时的、这些机构间的因果关系作为因果关系模型。详细情况将于后述。
＜2-2.功能结构＞
接下来，对分析装置1的功能结构(软件结构)进行说明。图4为本实施方式的分析装置1的功能结构的一例。分析装置1的控制部11将存储于存储部12的程序8在RAM中展开。接着，控制部11通过CPU来解释及执行在RAM中展开的程序8，控制各结构元件。由此如图4所示，本实施方式的分析装置1作为包括特征量获取部111、模型构建部112及显示控制部113的计算机发挥功能。
特征量获取部111针对包装机3正常形成包装体WB的正常时、及所形成的包装体WB产生异常的异常时，分别获取多种特征量的值，此多种特征量的值是根据表示包装机3的动作状态的动作状态数据124而算出。模型构建部112根据所获取的正常时及异常时各自的各种特征量的值，基于导出所形成的包装体WB中产生的异常与各种特征量的关联度的、规定算法，从所获取的多种特征量中选择有效地预测异常的特征量。并且，使用所选择的特征量，来构建产生异常时的、表示机构间的因果关系的因果关系模型123。
显示控制部113具有将上文所述的包装机3的概略图、因果关系模型、各种特征量等显示于显示装置2的画面21的功能。此外，显示控制部113进行用于在显示装置2的画面21显示各种信息的控制。
关于分析装置1的各功能，将在后述的动作例中进行详细说明。另外，本实施方式中，对以上的功能均借由通用的CPU来实现的示例进行说明。但是，以上的功能的一部分或全部也可借由一个或多个专用的处理器来实现。而且，关于分析装置1的功能结构，也可根据实施方式适当进行功能的省略、替换及追加。
＜3.动作例＞
接下来，对如所述那样构成的生产系统的动作例进行说明。
＜3-1.因果关系模型的制作＞
首先，使用图5，对分析装置制作因果关系模型时的处理顺序进行说明。图5例示制作因果关系模型时的分析装置的处理顺序的一例。
(步骤S101)
最初的步骤S101中，分析装置1的控制部11作为特征量获取部111发挥功能，针对包装机3正常形成包装体WB的正常时、及所形成的包装体WB产生异常的异常时，分别获取多种特征量的值，此多种特征量的值是根据表示包装机3的动作状态的动作状态数据124而算出。
具体而言，首先控制部11分类为正常时与异常时而收集动作状态数据124。收集的动作状态数据124的种类只要为表示包装机3的状态的数据，则并无特别限定，本实施方式中，可设为所述各机构的驱动中可能产生的数据，例如扭矩、速度、加速度、温度、压力等测量数据。
在机构为传感器的情况下，可将接通(ON)时间、断开(OFF)时间、转接通(ON)时间、转断开(OFF)时间等测量数据设为动作状态数据124。如后述的图6所示，接通(ON)时间及断开(OFF)时间为作为对象的帧内的控制信号成为接通(ON)或断开(OFF)的总时间，转接通(ON)时间及转断开(OFF)时间为在作为对象的帧内直到控制信号初次成为(ON)时间或断开(OFF)为止的时间。此外，控制部11可获取各传感器的检测结果、例如以“通(on)”与“断(off)”来表示是否存在内容物WA的检测数据作为动作状态数据124。另外，所收集的动作状态数据124可存储于存储部12，也可存储于外部的存储装置。
接下来，控制部11为了规定算出特征量的处理范围，而将所收集的动作状态数据124以帧为单位进行分割。例如，控制部11也可将动作状态数据124以固定时间长的帧为单位进行分割。但是，包装机3未必以固定时间间隔运作。因此，若将动作状态数据124以固定时间长的帧为单位进行分割，则有可能各帧所反映的包装机3的动作有偏差。
因此，本实施方式中，控制部11将动作状态数据124以节拍时间为单位进行帧分割。节拍时间为生产规定个数的制品所耗的时间，即形成规定个数的包装体WB所耗的时间。此节拍时间可基于控制包装机3的信号、例如控制包装机3的各伺服马达等的动作的控制信号而确定。
使用图6对控制信号与节拍时间的关系进行说明。图6示意性地例示控制信号与节拍时间的关系。如图6所示，对如包装机3那样反复进行制品生产的生产设备的控制信号成为脉冲信号，此脉冲信号对应于规定个数的制品的生产而周期性地出现“通(on)”与“断(off)”。
例如，图6所示的控制信号中，在形成一个包装体WB的期间中，“通(on)”与“断(off)”各出现一次。因此，控制部11可从包装机3获取所述控制信号，将所获取的控制信号的从上升(“通(on)”)起到下一次上升(“通(on)”)为止的时间设为节拍时间。并且，控制部11如图6所示，以节拍时间为单位将动作状态数据124分割为帧。
另外，控制信号的种类只要为可用于控制包装机3的信号，则可无特别限定。例如，包装机3包括用于探测附于包装膜的标记的传感器，在将此传感器的输出信号用于调节包装膜的进给量的情况下，也可利用此传感器的输出信号作为控制信号。
接下来，控制部11根据动作状态数据124的各帧而算出特征量的值。关于特征量的种类，只要表示生产设备的特征，则可无特别限定。
例如，在动作状态数据124为所述测量数据那样的量性数据(图6的物理量数据)的情况下，控制部11也可算出帧内的振幅、最大值、最小值、平均值、分散值、标准偏差、自相关系数、通过傅里叶转换所得的功率谱(power spectral)的最大值、偏度(skewness)、峰度(kurtosis)等作为特征量。
而且，例如在动作状态数据124为所述检测数据那样的质性数据(图6的脉冲数据)的情况下，控制部11也可算出各帧内的“通(on)”时间、“断(off)”时间、占空(Duty)比、“通(on)”次数、“断(off)”次数等作为特征量。
进而，特征量也可根据多件动作状态数据124而非仅单一的动作状态数据124来导出。例如，控制部11可算出两种动作状态数据124的对应的帧彼此的互相关系数、比率、差量、同步的偏差量、距离等作为特征量。
控制部11根据动作状态数据124而算出多种所述那样的特征量。由此，控制部11可针对正常时及异常时，分别获取根据动作状态数据124所算出的多种特征量的值。另外，从动作状态数据124的收集到特征量的值的算出为止的处理也可由包装机3或控制此包装机3的各种装置而非分析装置1来进行。而且，控制部11也可将各种特征量的值例如以如下方式离散化，即：将高于阈值的状态称为“1”或“高(high)”，将低于阈值的状态称为“0”或“低(low)”。
(步骤S102)
接下来的步骤S102中，控制部11作为模型构建部112发挥功能，根据步骤S101中获取的正常时及异常时各自的各种特征量的值，基于确定所形成的包装体WB中产生的异常与各种特征量的关联度的、规定算法，从所获取的多种特征量中选择有效地预测异常的特征量。
规定算法例如也可利用贝叶斯网络(Bayesian networks)构成。贝叶斯网络为以有向无环图结构来表现多个概率变量间的因果关系，并且以条件概率来表现各概率变量间的因果关系的图形建模(graphical modeling)之一。
控制部11将所获取的各特征量及包装体WB的状态视为概率变量，即，将所获取的各特征量及包装体WB的状态设定为各节点，来构建贝叶斯网络，由此可导出各特征量与包装体WB的状态的因果关系。关于贝叶斯网络的构建，可使用众所周知的方法。例如，关于贝叶斯网络的构建，可使用贪心搜索(Greedy Search)算法、吝啬搜索(Stingy Search)算法、全搜索法等结构学习算法。而且，关于所构建的贝叶斯网络的评估基准，可使用赤池信息量准则(Akaike's.Information Criterion，AIC)、C4.5、库珀-赫斯科维茨测量(CooperHerskovits Measure，CHM)、最小描述长度(Minimum Description Length，MDL)、最大似然(Maximum Likelihood，ML)等。而且，作为用于构建贝叶斯网络的学习数据(动作状态数据124)包含缺失值的情况的处理方法，可使用成对删除(pairwise)法、成列删除(listwise)法等。
例如，图7A为表示皮带的磨损为异常事件时的因果关系模型。即，构建下述因果关系模型：作为伺服1的特征量的扭矩平均值及位置的标准偏差影响作为伺服2的特征量的速度平均值及扭矩最大值，进而这些速度平均值及扭矩最大值影响伺服4的扭矩平均值。
图7B为表示内容物搬送部32的输送机321的链条松脱为异常事件时的因果关系模型。即，构建下述因果关系模型：作为传感器2的特征量的接通(ON)时间影响作为传感器3的特征量的转接通(ON)时间，进而此转接通(ON)时间影响伺服4的扭矩平均值。
图7C表示包装膜的密封不良为异常事件时的因果关系模型。关于此异常事件，构建仅伺服4的扭矩平均值为原因的因果关系模型。如此构建的因果关系模型作为因果关系模型数据123而存储于存储部12。
另外，将所获取的各特征量及包装体WB的状态作为概率变量进行操作的方法可根据实施方式而适当设定。例如，可通过将包装体WB正常的事态设为“0”，将包装体WB产生异常的事态设为“1”，并使概率与各事态对应，从而仅将包装体WB的状态视为概率变量。而且，例如可通过将各特征量的值为阈值以下的事态设为“0”，将各特征量的值超过阈值的事态设为“1”，并使概率与各事态对应，从而将各特征量的状态视为概率变量。其中，对各特征量设定的状态数也可不限定于两个，也可为三个以上。
＜3-2.因果关系模型的显示＞
接下来，对如所述那样构建的因果关系模型的显示进行说明。此时，分析装置1的控制部11作为显示控制部113发挥功能。显示控制部113控制以下所示的画面21的显示。首先，显示控制部113将从存储部12读出的概略图122、与上文所述的因果关系模型123重叠显示于显示装置2的画面21。图8为将可能成为本实施方式的异常事件的原因要素的机构重合于概略图的图。此处，如上所述，将作为因果关系模型的节点的伺服1～伺服4、加热器1～加热器3及传感器1～传感器3在概略图中配置于这些的设置位置。并且，在以下将说明的显示装置2的画面21中，根据由用户所选择的异常事件，从这些机构中选择构建因果关系模型的机构作为节点，并且将示出表示因果关系的箭头的边与节点一起显示。
图9A为表示因果关系模型的显示装置2的画面21的示例。此画面21可通过所述输入装置15进行操作。此画面21中，在左上显示用于选择异常事件的选项框211，可通过下拉菜单来选择异常事件。本例中，示出皮带的磨损、链条的松脱及密封不良作为异常事件，从其中选择皮带的磨损。
在所述选项框211的下侧，显示有将包装机的概略图与因果关系模型重叠的异常原因图212。图9A的示例中，显示有异常事件为皮带的磨损时的异常原因图。并且，在此异常原因图212的左下，根据所选择的异常事件而显示有列表213，此列表213示出成为原因要素的机构及其特征量。用户可从所述列表213选择任一机构及特征量，若选择任一个，则将异常原因图212中的对应的机构强调显示。本例中，从列表213中选择(伺服1-扭矩平均值)，由此将异常原因图212中的伺服1强调显示。强调显示可为各种方法，为着色、忽亮忽灭等，只要以可与其他节点区分的方式显示即可。
进而，在列表213的左侧，通过图表214显示有所选择的特征量的经时变化。本例中，由于选择(伺服1-扭矩平均值)，因而显示有表示其经时变化的折线图214。
图9B表示在框211中显示链条的松脱作为异常事件的示例。由此，在列表213显示有成为链条松脱的原因要素的机构及特征量。此处，选择(伺服4-扭矩平均值)，因而强调异常原因图212的伺服4，并且显示有表示(伺服4-扭矩平均值)的经时变化的折线图214。
图9C表示在框211中显示密封不良作为异常事件的示例。由此，在列表213显示有成为密封不良的原因要素的机构及特征量。此处，选择(伺服4-扭矩平均值)，因而强调异常原因图的伺服4，并且显示有表示(伺服4-扭矩平均值)的经时变化的折线图214。
若将所述画面21的操作汇总则如下。首先，用户通过输入装置15从选项框211中选择需进行确认的异常事件。由此，显示控制部113将与所选择的异常事件对应的异常原因图212及列表213显示于画面。并且，若从列表213中选择任一特征量，则将对应的异常原因图212的节点强调显示，并且显示表示所选择的特征量的经时变化的图表214。因此，用户可一边观看所述画面21，一边看到异常事件的因果关系。另外，显示于图表214的特征量的经时变化的期间可由用户适当设定。
＜4.特征＞
(1)根据本实施方式，将包装机3的概略图、与所述包装机3中可能产生的异常的因果关系模型显示于显示装置2的画面21。此时，在画面21，以与概略图对应的方式重叠显示有因果关系模型，因而可一边观看概略图一边确定因果关系模型所含的原因要素。因此，可容易地看到包装机3中在何处产生异常。
(2)针对每个异常事件将原因要素及与其对应的特征量以列表213的形式显示于画面21，因而可看到用于解决异常的原因要素及对其进行控制的特征量。例如，有时即便为相同的原因要素，需控制的特征量也视异常而不同，因而可通过观看列表213而容易地得知需控制哪个特征量。
(3)可通过从列表213中选择原因要素，从而将显示于画面21的因果关系模型中的原因要素强调显示。因此，用户例如可在概略图上容易地看到所选择的原因要素的位置。
＜5.变形例＞
以上，对本发明的实施方式进行了详细说明，但到此为止的所述说明在所有方面仅为本发明的例示。当然可在不偏离本发明的范围的情况下进行各种改良或变形。例如，可进行如下变更。另外，以下关于与所述实施方式相同的结构元件，使用相同的符号，针对与所述实施方式相同的点而适当省略说明。以下的变形例可适当组合。
＜5-1＞
所述实施方式中，在画面21显示异常事件的选项框211、异常原因图212、列表213及图表214，但不限定于此，只要至少显示异常原因图212即可。例如，视成为对象的生产设备不同，有时异常事件为一个，因而此时也无需选项框211。而且，无需在画面21显示所有的要素211～214，也可将这些分为多个画面来显示，且用户对这些进行切换。
＜5-2＞
所述实施方式所示的因果关系模型的构建为一例，也可为其他方法。而且，也可将由其他装置构建的概略图数据122或因果关系模型数据123依次存储于存储部12。
＜5-3＞
也可适用于包装机3以外的生产设备，此时，用于构建因果关系模型的机构也可根据生产设备而适当选择。而且，也可将多个生产设备的概略图数据预先存储于存储部12，并依对应的每个生产设备而显示于显示装置2。
＜5-4＞
本发明的显示系统可包含所述生产系统的分析装置1及显示装置2。因此，所述实施方式的显示装置2相当于本发明的显示部，分析装置1的控制部11及存储部12相当于本发明的控制部及存储部。例如，也可由平板个人电脑(Personal Computer，PC)等来构成本发明的控制部、存储部及显示部。
符号的说明
1：分析装置
11：控制部
12：存储部
14：输入装置(输入部)
2：显示装置(显示部)
3：包装机(生产设备)
Claims (6)
1.一种显示系统，设于生产设备，所述生产设备生产制品，且具有进行所述生产设备的驱动的至少一个驱动部件、及进行所述生产的监测的至少一个监测部件，并且所述显示系统包括：
控制部；
显示部；以及
存储部，
所述存储部存储：
概略图数据，表示所述生产设备的概略图；以及
因果关系模型数据，从所述驱动部件及所述监测部件中选择至少一个的、所述生产设备中可能产生的至少一个异常的原因要素，并且与所述原因要素的关系一起作为因果关系模型而表示；
所述控制部以在所述显示部显示所述概略图，并且以与所述概略图对应的方式重叠地显示所述因果关系模型的方式构成。
2.根据权利要求1所述的显示系统，还包括：
输入部，
所述存储部存储多个所述异常的因果关系模型数据，
所述输入部以从所述多个异常中受理一个异常的选择的方式构成，
所述控制部以将与所选择的所述异常对应的所述因果关系模型显示于所述显示部的方式构成。
3.根据权利要求1或2所述的显示系统，其中，
所述驱动部件及监测部件具有能够进行控制的至少一个特征量，
所述控制部将所述各异常的原因要素、及与所述原因要素对应的至少一个所述特征量以列表的形式显示于所述显示部。
4.根据权利要求3所述的显示系统，其中，
所述输入部从所述列表受理一个所述原因要素的选择，
所述控制部以在显示于所述显示部的所述因果关系模型中强调显示所选择的所述原因要素的方式构成。
5.一种显示方法，用于将生产设备中可能产生的异常的因果关系显示于显示部，所述生产设备生产制品，且具有进行所述生产设备的驱动的至少一个驱动部件、及进行所述生产的监测的至少一个监测部件，并且所述显示方法包括下述步骤：
存储表示所述生产设备的概略图的概略图数据；
存储因果关系模型数据，所述因果关系模型数据是从所述驱动部件及所述监测部件中选择至少一个的、所述生产设备中的至少一个异常的原因要素，并且与所述原因要素的关系一起作为因果关系模型而表示；以及
在所述显示部显示所述概略图，并且以与所述概略图对应的方式重叠地显示所述因果关系模型。
6.一种显示程序，用于将生产设备中可能产生的异常的因果关系显示于显示部，所述生产设备生产制品，且具有进行所述生产设备的驱动的至少一个驱动部件、及进行所述生产的监测的至少一个监测部件，并且所述显示程序使计算机执行下述步骤：
存储表示所述生产设备的概略图的概略图数据；
存储因果关系模型数据，所述因果关系模型数据是从所述驱动部件及所述监测部件中选择至少一个的、所述生产设备中的至少一个异常的原因要素，并且与所述原因要素的关系一起作为因果关系模型而表示；以及
在所述显示部显示所述概略图，并且以与所述概略图对应的方式重叠地显示所述因果关系模型。
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2019-045644 | 2019-03-13 | ||
| JP2019045644A JP2020149289A (ja) | 2019-03-13 | 2019-03-13 | 表示システム、表示方法、及び表示プログラム |
| PCT/JP2020/003868 WO2020183973A1 (ja) | 2019-03-13 | 2020-02-03 | 表示システム、表示方法、及び表示プログラム |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112534374A true CN112534374A (zh) | 2021-03-19 |
Family
ID=72426762
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202080004380.XA Pending CN112534374A (zh) | 2019-03-13 | 2020-02-03 | 显示系统、显示方法及显示程序 |
Country Status (5)
| Country | Link |
|---|---|
| US (1) | US20210191380A1 (zh) |
| EP (1) | EP3940488A4 (zh) |
| JP (1) | JP2020149289A (zh) |
| CN (1) | CN112534374A (zh) |
| WO (1) | WO2020183973A1 (zh) |
Families Citing this family (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2022029983A (ja) * | 2020-08-06 | 2022-02-18 | オムロン株式会社 | 表示システム、表示方法、及び表示プログラム |
| JP7298781B2 (ja) * | 2020-10-21 | 2023-06-27 | 住友電気工業株式会社 | 管理装置、管理方法及びコンピュータプログラム |
| JP7188470B2 (ja) * | 2021-01-28 | 2022-12-13 | 横河電機株式会社 | 分析方法、分析プログラムおよび情報処理装置 |
| JP2022127675A (ja) * | 2021-02-22 | 2022-09-01 | オムロン株式会社 | モデル生成装置、モデル生成方法、モデル生成プログラム、推定装置、推定方法、及び推定プログラム |
| JP2022185862A (ja) * | 2021-06-03 | 2022-12-15 | オムロン株式会社 | 製造ラインの管理装置 |
| JP2023183878A (ja) * | 2022-06-16 | 2023-12-28 | オムロン株式会社 | 異常判定装置、異常判定方法、及び異常判定プログラム |
| JP2024069927A (ja) * | 2022-11-10 | 2024-05-22 | オムロン株式会社 | 情報処理装置、情報処理方法および情報処理プログラム |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH08202444A (ja) * | 1995-01-25 | 1996-08-09 | Hitachi Ltd | 機械設備の異常診断方法および装置 |
| JPH11188584A (ja) * | 1997-12-25 | 1999-07-13 | Canon Inc | 稼動管理装置および稼動管理方法、記憶媒体 |
| JPH11242503A (ja) * | 1998-02-25 | 1999-09-07 | Hitachi Ltd | プラント運転制御支援システム |
| US20070052973A1 (en) * | 2003-06-19 | 2007-03-08 | Tsubasa System Co., Ltd. | Damage analysis-supporting system |
| CN1930540A (zh) * | 2004-03-22 | 2007-03-14 | 迪吉多电子股份有限公司 | 显示装置、用于使计算机发挥显示装置作用的程序产品、及存储该程序产品的存储介质 |
| CN107924173A (zh) * | 2015-11-30 | 2018-04-17 | 欧姆龙株式会社 | 监视装置、监视系统、监视程序及记录介质 |
| CN108334890A (zh) * | 2017-01-19 | 2018-07-27 | 欧姆龙株式会社 | 预测模型生成装置、生产设备监视系统及其方法 |
| CN108733010A (zh) * | 2017-04-14 | 2018-11-02 | 欧姆龙株式会社 | 工业用控制装置、控制方法、记录介质、包装机以及包装机用控制装置 |
Family Cites Families (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH05147625A (ja) * | 1991-11-20 | 1993-06-15 | Toyo Jidoki Co Ltd | 包装機の異常対策表示装置 |
| US6421571B1 (en) * | 2000-02-29 | 2002-07-16 | Bently Nevada Corporation | Industrial plant asset management system: apparatus and method |
| DE60137140D1 (de) * | 2000-10-20 | 2009-02-05 | Daicel Chem | Anlagen steuer-überwachungsvorrichtung |
| US6574537B2 (en) * | 2001-02-05 | 2003-06-03 | The Boeing Company | Diagnostic system and method |
| JP3699676B2 (ja) * | 2001-11-29 | 2005-09-28 | ダイセル化学工業株式会社 | プラント制御監視装置 |
| JP2007065934A (ja) * | 2005-08-30 | 2007-03-15 | Fuji Xerox Co Ltd | 故障診断システム、画像形成装置及び故障診断方法 |
| JP4611180B2 (ja) * | 2005-11-18 | 2011-01-12 | 日東電工株式会社 | エラー表示装置 |
| JP5146648B2 (ja) * | 2007-12-25 | 2013-02-20 | 澁谷工業株式会社 | 生産管理システム |
| JP5158018B2 (ja) | 2009-05-26 | 2013-03-06 | 新日鐵住金株式会社 | 生産システムの設備診断装置および設備診断方法、並びに設備診断プログラムおよびこれを記録したコンピュータ読み取り可能な記録媒体 |
| JP5740459B2 (ja) | 2009-08-28 | 2015-06-24 | 株式会社日立製作所 | 設備状態監視方法 |
| CN103814335A (zh) * | 2011-09-30 | 2014-05-21 | 住友重机械工业株式会社 | 挖土机、挖土机管理装置及挖土机管理方法 |
| US20150185718A1 (en) * | 2013-12-27 | 2015-07-02 | General Electric Company | Systems and methods for dynamically ordering data analysis content |
| JP6392251B2 (ja) * | 2014-01-21 | 2018-09-19 | 住友重機械工業株式会社 | ショベルの管理装置、及び支援装置 |
| WO2018140361A1 (en) * | 2017-01-24 | 2018-08-02 | Tweddle Group, Inc. | Method and system of vehicle diagnostics |
| JP6837893B2 (ja) * | 2017-03-31 | 2021-03-03 | 住友重機械工業株式会社 | 故障診断システム |
| JP6480625B1 (ja) * | 2018-05-21 | 2019-03-13 | 株式会社日立パワーソリューションズ | 異常予兆診断システムのプリプロセッサ |
| US11403541B2 (en) * | 2019-02-14 | 2022-08-02 | Rockwell Automation Technologies, Inc. | AI extensions and intelligent model validation for an industrial digital twin |
-
2019
- 2019-03-13 JP JP2019045644A patent/JP2020149289A/ja active Pending
-
2020
- 2020-02-03 CN CN202080004380.XA patent/CN112534374A/zh active Pending
- 2020-02-03 EP EP20769492.8A patent/EP3940488A4/en not_active Withdrawn
- 2020-02-03 US US17/270,445 patent/US20210191380A1/en active Pending
- 2020-02-03 WO PCT/JP2020/003868 patent/WO2020183973A1/ja unknown
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH08202444A (ja) * | 1995-01-25 | 1996-08-09 | Hitachi Ltd | 機械設備の異常診断方法および装置 |
| JPH11188584A (ja) * | 1997-12-25 | 1999-07-13 | Canon Inc | 稼動管理装置および稼動管理方法、記憶媒体 |
| JPH11242503A (ja) * | 1998-02-25 | 1999-09-07 | Hitachi Ltd | プラント運転制御支援システム |
| US20070052973A1 (en) * | 2003-06-19 | 2007-03-08 | Tsubasa System Co., Ltd. | Damage analysis-supporting system |
| CN1930540A (zh) * | 2004-03-22 | 2007-03-14 | 迪吉多电子股份有限公司 | 显示装置、用于使计算机发挥显示装置作用的程序产品、及存储该程序产品的存储介质 |
| CN107924173A (zh) * | 2015-11-30 | 2018-04-17 | 欧姆龙株式会社 | 监视装置、监视系统、监视程序及记录介质 |
| CN108334890A (zh) * | 2017-01-19 | 2018-07-27 | 欧姆龙株式会社 | 预测模型生成装置、生产设备监视系统及其方法 |
| CN108733010A (zh) * | 2017-04-14 | 2018-11-02 | 欧姆龙株式会社 | 工业用控制装置、控制方法、记录介质、包装机以及包装机用控制装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| EP3940488A4 (en) | 2022-11-23 |
| EP3940488A1 (en) | 2022-01-19 |
| WO2020183973A1 (ja) | 2020-09-17 |
| JP2020149289A (ja) | 2020-09-17 |
| US20210191380A1 (en) | 2021-06-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112534374A (zh) | 显示系统、显示方法及显示程序 | |
| EP3352032B1 (en) | Production facility monitoring system, and production facililty monitoring method | |
| EP2990339B1 (en) | Electronic control of metered film dispensing in a wrapping apparatus | |
| JP6782015B2 (ja) | 包装機 | |
| EP4194349A1 (en) | Display system, display method, and display program | |
| CN112513761B (zh) | 显示系统、显示方法及显示程序的记录介质 | |
| EP4194981A1 (en) | Display system, display method, and display program | |
| CN112534373B (zh) | 显示系统、显示方法及显示程序的记录介质 | |
| CN105539948A (zh) | 控制装置、系统及库程序 | |
| CN114126971B (zh) | 用于液体食品的包装机器中的状态监测 | |
| WO2021053782A1 (ja) | 生産設備に生じ得る事象の解析装置 | |
| JP6459686B2 (ja) | 制御装置、システム、およびライブラリプログラム | |
| EP4286822A1 (en) | Virtual sensing system for condition monitoring of a container packaging machine | |
| EP4439209A2 (en) | Computer-implemented method for supporting an operation of a packaging line, corresponding device, computer program product and packaging line | |
| JP2024130335A (ja) | 制御装置、制御方法およびプログラム | |
| JP2024130336A (ja) | 情報処理装置、学習済モデルの生成方法およびプログラム |
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 | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20210319 |
|
| WD01 | Invention patent application deemed withdrawn after publication |