CN113614663A - 监视装置、显示装置、监视方法及监视程序 - Google Patents

监视装置、显示装置、监视方法及监视程序 Download PDF

Info

Publication number
CN113614663A
CN113614663A CN202080020812.6A CN202080020812A CN113614663A CN 113614663 A CN113614663 A CN 113614663A CN 202080020812 A CN202080020812 A CN 202080020812A CN 113614663 A CN113614663 A CN 113614663A
Authority
CN
China
Prior art keywords
process data
model
input
determination
determination mode
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
Application number
CN202080020812.6A
Other languages
English (en)
Inventor
门脇正法
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.)
Sumitomo Heavy Industries Ltd
Original Assignee
Sumitomo Heavy Industries Ltd
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 Sumitomo Heavy Industries Ltd filed Critical Sumitomo Heavy Industries Ltd
Publication of CN113614663A publication Critical patent/CN113614663A/zh
Pending legal-status Critical Current

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] or computer integrated manufacturing [CIM]
    • G05B19/41885—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] or computer integrated manufacturing [CIM] characterised by modeling, simulation of the manufacturing 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
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or 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
    • G05B23/0218—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
    • G05B23/0243—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 model based detection method, e.g. first-principles knowledge model
    • G05B23/0254—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 model based detection method, e.g. first-principles knowledge model based on a quantitative model, e.g. mathematical relationships between inputs and outputs; functions: observer, Kalman filter, residual calculation, Neural Networks
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B17/00—Systems involving the use of models or simulators of said systems
    • G05B17/02—Systems involving the use of models or simulators of said systems electric
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/30—Monitoring
    • G06F11/34—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment
    • G06F11/3447—Performance evaluation by modeling
    • 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
    • G05B2219/31357—Observer based fault detection, use model
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2113/00—Details relating to the application field
    • G06F2113/04—Power grid distribution networks
    • 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]

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • General Engineering & Computer Science (AREA)
  • Manufacturing & Machinery (AREA)
  • Quality & Reliability (AREA)
  • Theoretical Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Mathematical Physics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Computer Hardware Design (AREA)
  • Artificial Intelligence (AREA)
  • Testing And Monitoring For Control Systems (AREA)
  • Alarm Systems (AREA)
  • Selective Calling Equipment (AREA)

Abstract

本发明提供一种即使在实际测定的过程数据的数据量有限的情况下也能够判定工厂设备的运行状态的监视装置、显示装置、监视方法及监视程序。监视装置(10)具备：输入部(10e、11)，接受与工厂设备有关的过程数据的输入；模型生成部(12)，根据所输入的过程数据来生成表示过程数据的关联性的模型；判定部(13)，通过第1判定模式或第2判定模式来判定工厂设备的运行状态，其中，所述第1判定模式使用根据由人输入的过程数据的预测值生成的模型，所述第2判定模式使用根据过程数据的实测值生成的模型；及显示部(10f)，显示判定部的判定结果。

Description

监视装置、显示装置、监视方法及监视程序
技术领域
本发明涉及一种监视装置、显示装置、监视方法及监视程序。
背景技术
以往，有时测定与工厂设备的运行状态有关的时序数据(即，过程数据)并将过去的过程数据用作学习数据而生成表示过程数据的关联性的模型。所生成的模型有时用于判定工厂设备是否正常地进行动作。
例如，在下述专利文献1中记载了一种学习知识的评价装置，其将控制装置控制控制对象时的目标值和与控制对象有关的过去的实测值进行比较从而判断学习知识是否合适。
并且，在下述专利文献2中记载了一种需求预测装置，其根据过去的需求量的实际数据来制作出用于预测需求量的预测模型，并根据实际数据、未来的气象预测数据及所预测的需求量来校正需求量。
以往技术文献
专利文献
专利文献1：日本特开平7-219604号公报
专利文献2：日本特开2018-73214号公报
发明内容
发明要解决的技术课题
在将过去的过程数据用作学习数据来生成表示过程数据的关联性的模型时，存储有一定程度的实际测定的过程数据为前提。然而，在刚启动工厂设备之后等实际测定的过程数据的数据量有限的情况下，难以生成模型，有时存在无法判定工厂设备的运行状态的期间。
因此，本发明提供一种即使在实际测定的过程数据的数据量有限的情况下也能够判定工厂设备的运行状态的监视装置、显示装置、监视方法及监视程序。
用于解决技术课题的手段
本发明的一种实施方式提供一种监视装置，其具备：输入部，接受与工厂设备有关的过程数据的输入；模型生成部，根据所输入的过程数据来生成表示过程数据的关联性的模型；判定部，通过第1判定模式或第2判定模式来判定工厂设备的运行状态，其中，所述第1判定模式使用根据由人输入的过程数据的预测值生成的模型，所述第2判定模式使用根据过程数据的实测值生成的模型；及显示部，显示判定部的判定结果。
根据该实施方式，通过第1判定模式来判定工厂设备的运行状态，因此，即使在实际测定的过程数据的数据量有限的情况下，也能够生成表示过程数据的关联性的模型从而判定工厂设备的运行状态，其中，所述第1判定模式使用根据并未实际测定的过程数据的预测值生成的模型。由此，刚启动工厂设备之后就能够进行运行状态的判定，并且能够减少停机时间。
本发明的另一实施方式提供一种显示装置，其接受与工厂设备有关的过程数据的输入，根据所输入的过程数据来生成表示过程数据的关联性的模型，通过第1判定模式或第2判定模式来判定工厂设备的运行状态，并显示判定结果，其中，所述第1判定模式使用根据由人输入的过程数据的预测值生成的模型，所述第2判定模式使用根据过程数据的实测值生成的模型。
本发明的又一实施方式提供一种监视方法，其使监视工厂设备的监视装置执行如下步骤：接受与工厂设备有关的过程数据的输入；根据所输入的过程数据来生成表示过程数据的关联性的模型；通过第1判定模式或第2判定模式来判定工厂设备的运行状态，其中，所述第1判定模式使用根据由人输入的过程数据的预测值生成的模型，所述第2判定模式使用根据过程数据的实测值生成的模型；及显示基于判定的判定结果。
本发明的又一实施方式提供一种监视程序，其执行如下步骤：接受与工厂设备有关的过程数据的输入；根据所输入的过程数据来生成表示过程数据的关联性的模型；通过第1判定模式或第2判定模式来判定工厂设备的运行状态，其中，所述第1判定模式使用根据由人输入的过程数据的预测值生成的模型，所述第2判定模式使用根据过程数据的实测值生成的模型；及显示基于判定的判定结果。
发明效果
根据本发明，能够提供一种即使在实际测定的过程数据的数据量有限的情况下也能够生成表示过程数据的关联性的模型的监视装置、显示装置、监视方法及监视程序。
附图说明
图1是表示本发明的实施方式所涉及的监视装置的功能框的图。
图2是表示本实施方式所涉及的监视装置的物理结构的图。
图3是表示由本实施方式所涉及的监视装置生成的表示过程数据的关联性的模型的图。
图4是表示由本实施方式所涉及的监视装置计算出的异常度的图。
图5是由本实施方式所涉及的监视装置执行的判定处理的流程图。
图6是表示由本实施方式所涉及的监视装置绘制的数据点的图。
图7是由本实施方式所涉及的监视装置执行的模型生成处理的流程图。
具体实施方式
参考附图，对本发明的实施方式进行说明。另外，在各附图中，对相同或同等的结构标注了相同的符号。
图1是表示本发明的实施方式所涉及的监视装置10的功能框的图。监视装置10为监视工厂设备100的运行状态的装置，其具备获取部11、模型生成部12、判定部13、绘制部14、输入部10e及显示部10f。
获取部11获取与工厂设备100有关的过程数据。在此，工厂设备100可以是任意的工厂设备，例如将包括锅炉的发电工厂设备或焚化工厂设备、化学工厂设备、排水处理工厂设备等能够获取过程数据的设备作为对象。并且，过程数据可以是与工厂设备100有关的任意的数据，例如可以是用传感器测定工厂设备100的状态的数据，更具体而言，可以包括工厂设备100的温度、压力及流量等的测定值。获取部11可以按照规定的时间间隔获取过程数据或者连续获取过程数据，从而获取与工厂设备100有关的时序数据。
获取部11可以获取与工厂设备100有关的多种过程数据。获取部11可以获取由设置于工厂设备100中的多个传感器测定出的多种过程数据。在此，多种过程数据例如可以是温度和压力那样的表示不同物理量的数据，或者也可以是在工厂设备100的不同部位测定出的温度那样的表示相同物理量的数据。
输入部10e接受过程数据的输入。输入部10e可以由触控面板、鼠标等定点设备或键盘构成，可以接受人所预测的过程数据的预测值的输入。输入部10e可以接受对绘制过程数据的绘制区域的手绘图形的输入，或者可以接受包括手绘图形的手绘范围的输入。关于由输入部10e输入的过程数据，将在后面使用附图进行详细说明。
显示部10f显示绘制过程数据的绘制区域。显示部10f用于监视工厂设备100的运行状态，可以显示基于监视装置10的工厂设备100的运行状态的判定结果。关于显示于显示部10f的内容，将在后面使用附图进行详细说明。
模型生成部12根据输入的过程数据来生成表示过程数据的关联性的模型。表示过程数据的关联性的模型可以是表示工厂设备100的运行状态正常的情况下过程数据所落入的范围的模型，或者也可以是抽取工厂设备100的运行状态异常的情况下的过程数据所表示的特征的模型。
模型生成部12也可以根据过程数据的设计值来生成模型。在此，过程数据的设计值是指：工厂设备设计时的目标值或设定值。更具体而言，过程数据的设计值是在工厂设备100的设计上应该测定的过程数据的值，并且是工厂设备100正常运行的情况下被测定的过程数据的值。模型生成部12可以参考工厂设备100正常运行的情况下应被测定的过程数据的设计值来生成表示过程数据的关联性的模型。由于根据过程数据的设计值来生成表示过程数据的关联性的模型，因此即使在实际测定的过程数据的数据量有限的情况下，也能够生成表示过程数据的关联性的模型从而判定工厂设备100的运行状态。
判定部13通过第1判定模式或第2判定模式来判定工厂设备100的运行状态，其中，所述第1判定模式使用根据由人输入的过程数据的预测值生成的模型，所述第2判定模式使用根据过程数据的实测值生成的模型。并且，判定部13也可以使用根据过程数据的设计值生成的模型来判定工厂设备100的运行状态。根据由人输入的过程数据的预测值生成的模型和根据过程数据的实测值生成的模型可以是模型生成中使用的数据彼此不同的相同的模型，但也可以是不同的模型。并且，第2判定模式也可以是使用根据过程数据的实测值对根据由人输入的过程数据的预测值生成的模型进行了更新的模型的模式。在第2判定模式中使用的模型可以是与在第1判定模式中使用的模型独立生成的模型，也可以是对第1判定模式中使用的模型进行了修正的模型。
本实施方式所涉及的监视装置10通过第1判定模式判定工厂设备100的运行状态，因此即使在实际测定的过程数据的数据量有限的情况下，也能够生成表示过程数据的关联性的模型从而判定工厂设备100的运行状态，其中，所述第1判定模式中使用根据并未实际测定的过程数据生成的模型。由此，在刚启动工厂设备100之后就能够进行运行状态的判定，从而能够缩短新设了工厂设备100时的启动时间，并且能够减少暂时停止了工厂设备100时的停机时间。
判定部13可以根据实际测定的过程数据并通过第1判定模式或第2判定模式来计算出工厂设备100的运行状态的异常度，并根据异常度来判定工厂设备100的运行状态。关于由判定部13计算出的异常度的例子，将在后面使用附图进行详细说明。
绘制部14将代表由输入部10e接受的手绘图形的数据点绘制于绘制区域中。并且，绘制部14可以将代表由输入部10e接受的手绘图形及手绘范围的数据点绘制于绘制区域中。关于基于绘制部14的处理，将在后面使用附图进行详细说明。
图2是表示本实施方式所涉及的监视装置10的物理结构的图。监视装置10具有相当于运算部的CPU(Central Processing Unit：中央处理器)10a、相当于存储部的RAM(Random Access Memory：随机存取存储器)10b、相当于存储部的ROM(Read only Memory：只读存储器)10c、通信部10d、输入部10e及显示部10f。这些各结构经由总线连接成可彼此收发数据。另外，在本例子中，对监视装置10由一台计算机构成的情况进行说明，但是监视装置10也可以通过组合多个计算机来实现。并且，图2所示的结构为一例，监视装置10可以具有除此以外的结构，也可以不具有这些结构中的一部分。
CPU10a为进行与存储于RAM10b或ROM10c中的程序的执行有关的控制或数据的运算及加工的控制部。CPU10a为执行根据由人输入的过程数据的预测值来生成表示过程数据的关联性的模型并使用该模型来监视工厂设备的程序(监视程序)的运算部。CPU10a从输入部10e或通信部10d接受各种数据，并将数据的运算结果显示于显示部10f或者存储于RAM10b或ROM10c中。
RAM10b为存储部中的能够重写数据的存储单元，例如可以由半导体存储元件构成。RAM10b可以存储由CPU10a执行的程序、由人输入的过程数据及过程数据的设计值等数据。另外，这些都是示例，在RAM10b中可以存储除此以外的数据，也可以不存储这些数据的一部分。
ROM10c为存储部中的能够读取数据的存储单元，例如可以由半导体存储元件构成。ROM10c例如可以存储监视程序或不进行重写的数据。
通信部10d为将监视装置10连接于其他机器的接口。通信部10d可以连接于互联网等通信网络N。
输入部10e用于从使用者接受数据的输入，例如可以包括键盘及触控面板。
显示部10f以可视方式显示基于CPU10a的运算结果，显示部10f例如可以由LCD(Liquid Crystal Display：液晶显示器)构成。显示部10f可以显示绘制过程数据的绘制区域并将过程数据及生成的模型显示于绘制区域中。
监视程序可以存储于计算机能够读取的存储介质(RAM10b或ROM10c等)中从而被提供，也可以经由与通信部10d连接的通信网络而被提供。在监视装置10中，CPU10a执行监视程序从而实现使用图1进行说明的获取部11、模型生成部12、判定部13及绘制部14。另外，这些物理结构是示例，并非一定是独立的结构。例如，监视装置10可以具备CPU10a和RAM10b或ROM10c成为一体的LSI(Large-Scale Integration：大规模集成电路)。
图3是表示由本实施方式所涉及的监视装置10生成的表示过程数据的关联性的模型的图。图3中示出了从人接受过程数据的预测值的输入并根据所输入的过程数据的预测值(并未实际测定的过程数据)来生成模型的例子。
监视装置10的显示部10f显示绘制过程数据的绘制区域DA。监视装置10的使用者使用输入部10e将预测为第1过程数据及第2过程数据的关联性的数据点D1绘制于绘制区域DA中。另外，数据点D1可以由触控面板或定点设备来输入，但也可以从内置于监视装置10中的存储部(RAM10b等)或外存储器获取。例如，数据点D1可以是第1过程数据及第2过程数据的设计值。
模型生成部12根据所输入的数据点D1生成表示第1过程数据及第2过程数据的关联性的模型。模型可以包括表示第1过程数据及第2过程数据的关联性的图形M1，显示部10f可以将图形M1显示于绘制区域DA中。模型生成部12例如可以假设表示第1过程数据及第2过程数据的关联性的规定的函数，并以该函数拟合于数据点D1的方式通过最小二乘法来决定该函数的参数。如此，通过显示表示过程数据的关联性的图形M1，一眼就能够掌握所生成的模型是否合适。
模型可以包括过程数据以规定的概率落入图形M1附近的范围M2，显示部10f可以将范围M2显示于绘制区域DA中。模型生成部12例如可以计算出所输入的数据点D1的标准偏差σ，并以图形M1作为中心将±σ设为范围M2，或以图形M1作为中心将±2σ设为范围M2。在过程数据的偏差遵循正态分布的情况下，±σ的范围是过程数据以68.27％的概率落入图形M1附近的范围，±2σ的范围是过程数据以95.45％的概率落入图形M1附近的范围。如此，通过显示过程数据以规定的概率落入图形M1附近的范围M2，一眼就能够掌握新获取的过程数据是否在正常范围内。
图4是表示由本实施方式所涉及的监视装置10计算出的异常度的图。在图4中，纵轴表示异常度的值，横轴表示时间，并用条形图来示出了异常度的时间变化。
监视装置10的判定部13可以根据实际测定的过程数据并通过第1判定模式或第2判定模式来计算出工厂设备100的运行状态的异常度，并将其显示于显示部10f中。判定部13可以通过公知的异常判定算法来计算出异常度，例如可以根据过去实际测定的过程数据的平均μ及方差(variance)σ2并通过a(x)＝(x-μ)2/σ2来计算出当前的过程数据x的异常度a(x)。此时，异常度的平方根表示当前的过程数据以过去的过程数据的平均值为基准偏离了标准偏差的多少倍。例如，若异常度为25，则表示当前的过程数据以过去的过程数据的平均值为基准偏离了标准偏差的5倍。判定部13可以定期计算出工厂设备100的运行状态的异常度并将该值显示为条形图从而进行图4所示的显示，也可以定期计算出工厂设备100的运行状态的异常度并将更长期间的平均值显示为条形图从而进行图4所示的显示。并且，判定部13可以根据实际测定的过程数据从图形M1偏离多少来计算出异常度。判定部13例如可以根据表示实际测定的过程数据在范围M2的内侧还是外侧的值以及以数据点D1的标准偏差为基准的实际测定的过程数据的偏差量中的至少一个来计算出异常度。
判定部13可以根据计算出的异常度来判定工厂设备100的运行状态。判定部13例如可以将针对异常度而设定的阈值与新计算出的异常度进行比较，并在异常度小于阈值时，判定工厂设备100的运行状态为正常，在异常度为阈值以上时，判定工厂设备100的运行状态为异常。
通过如图4所示显示异常度，能够以定量的数值来表示工厂设备100的运行状态是正常还是异常，因此即使是读取过程数据并不熟练的作业人员也能够对工厂设备100的运行状态作出准确的判断。
图5是由本实施方式所涉及的监视装置10执行的判定处理的流程图。首先，监视装置10从人接受过程数据的预测值的输入(S10)。然后，监视装置10根据所输入的预测值来生成表示过程数据的关联性的模型(S11)。该模型使用于第1判定模式。
监视装置10获取实际测定的过程数据并将其存储于存储部中(S12)。接着，监视装置10通过第1判定模式来计算出工厂设备100的异常度，并判定工厂设备100的运行状态，其中，所述第1判定模式使用根据由人输入的过程数据的预测值生成的模型(S13)。监视装置10将判定结果显示于显示部10f中(S14)。在此，监视装置10可以显示异常度，或者可以与图形M1及范围M2一同显示实际测定的过程数据。
然后，监视装置10判定实际测定的过程数据的数据存储量是否为规定量以上(S15)。在此，规定量可以是根据实际测定的过程数据能够生成表示过程数据的关联性的模型的程度的量。
若实际测定的过程数据的数据存储量并不是规定量以上(S15：否)，则监视装置10新获取并存储实际测定的过程数据(S12)，并通过第1判定模式来判定工厂设备100的运行状态(S13)，并显示判定结果(S14)。
另一方面，若实际测定的过程数据的数据蓄积量为规定量以上(S15：是)，则监视装置10根据所存储的过程数据的实测值来生成表示过程数据的关联性的模型(S16)。在此，监视装置10可以根据过程数据的实测值来校正根据并未实际测定的过程数据的预测值生成的模型，或者也可以仅使用过程数据的实测值来生成新模型。
然后，监视装置10获取实际测定的过程数据，并将其存储于存储部中(S17)。接着，监视装置10通过第2判定模式来计算出工厂设备100的异常度，判定工厂设备100的运行状态(S18)并显示判定结果(S19)，其中，所述第2判定模式使用根据过程数据的实测值生成的模型。此时，监视装置10也可以显示异常度，或者可以与模型一同显示实际测定的过程数据。另外，在能够使用根据由人输入的过程数据的预测值生成的模型和根据过程数据的实测值生成的模型的情况下，监视装置10可以接受使用哪一种模型的指定。并且，监视装置10可以根据通过基于由人输入的过程数据的预测值生成的模型而计算出的异常度以及通过基于过程数据的实测值生成的模型而计算出的异常度来判定工厂设备100的运行状态。
图6是表示由本实施方式所涉及的监视装置10绘制的数据点的图。在图6中示出了从人接受手绘图形G及手绘范围R的输入并将代表所输入的手绘图形G及手绘范围R的数据点D2绘制于绘制区域DA中的例子。
监视装置10的显示部10f显示绘制过程数据的绘制区域DA。监视装置10的使用者使用输入部10e来输入预测为第1过程数据及第2过程数据的关联性的图形G。并且，使用者输入包括手绘图形的手绘范围R。在此，手绘范围R可以是预测为过程数据以规定的概率落入手绘图形G附近的范围。
监视装置10的绘制部14将代表手绘图形G及手绘范围R的数据点D2绘制于绘制区域DA中。绘制部14例如可以以遵循具有由手绘图形G决定的平均值和由手绘范围R决定的方差的正态分布的方式绘制数据点D2，或者也可以以遵循均匀分布的方式在手绘范围R内绘制数据点D2。在绘制了数据点D2之后，模型生成部12根据数据点D2生成表示第1过程数据及第2过程数据的关联性的模型。
通过接受手绘图形G的输入后将代表手绘图形G的数据点D2绘制于绘制区域DA中，能够以手绘方式直观地显现出过程数据的近似的关联性，并且能够生成模型。
并且，通过接受手绘范围R的输入后将代表手绘图形G及手绘范围R的数据点D2绘制于绘制区域中，能够以手绘方式直观地显现出过程数据的近似的关联性，并且能够生成模型。
图7是由本实施方式所涉及的监视装置10执行的模型生成处理的流程图。首先，监视装置10从人接受手绘图形及手绘范围的输入(S20)。而且，监视装置10将代表手绘图形及手绘范围的数据点绘制于绘制区域中(S21)。
然后，监视装置10根据数据点来生成表示过程数据的关联性的模型(S22)。另外，监视装置10可以通过使用如此生成的模型的第1判定模式来判定工厂设备100的运行状态。
另外，以上说明的实施方式用于容易理解本发明，并非用于限定本发明。实施方式所具备的各要件及其配置、材料、条件、形状及尺寸等并不只限于例示，能够进行适当变更。并且，在不同的实施方式中示出的结构可以进行部分替换或组合。
监视装置10的显示部10f可以是如下显示装置，即，接受与工厂设备有关的过程数据的输入，并根据所输入的过程数据来生成表示过程数据的关联性的模型，通过第1判定模式或第2判定模式来判定工厂设备的运行状态，并显示判定结果，其中，所述第1判定模式使用根据由人输入的过程数据的预测值生成的模型，所述第2判定模式使用根据过程数据的实测值生成的模型。显示装置也可以与判定结果一并显示从人接受输入的过程数据的预测值、生成的模型及过程数据的实测值中的至少一个。
符号说明
10-监视装置，10a-CPU，10b-RAM，10c-ROM，10d-通信部，10e-输入部，10f-显示部，11-获取部，12-模型生成部，13-判定部，14-绘制部，100-工厂设备。

Claims (10)

1.一种监视装置，其特征在于，具备：
输入部，接受与工厂设备有关的过程数据的输入；
模型生成部，根据所输入的所述过程数据来生成表示所述过程数据的关联性的模型；
判定部，通过第1判定模式或第2判定模式来判定所述工厂设备的运行状态，其中，所述第1判定模式使用根据由人输入的所述过程数据的预测值生成的所述模型，所述第2判定模式使用根据所述过程数据的实测值生成的所述模型；及
显示部，显示所述判定部的判定结果。
2.根据权利要求1所述的监视装置，其特征在于，
所述判定部根据实际测定的所述过程数据并通过所述第1判定模式或所述第2判定模式来计算出所述工厂设备的运行状态的异常度，并根据所述异常度来判定所述工厂设备的运行状态。
3.根据权利要求1或2所述的监视装置，其特征在于，
所述模型包括表示所述过程数据的关联性的图形，
所述显示部显示所述图形。
4.根据权利要求3所述的监视装置，其特征在于，
所述模型包括所述过程数据以规定的概率落入所述图形附近的范围，
所述显示部显示所述图形及所述范围。
5.根据权利要求1至4中任一项所述的监视装置，其特征在于，
所述模型生成部根据所述过程数据的设计值来生成所述模型。
6.根据权利要求1至5中任一项所述的监视装置，其特征在于，
所述输入部接受针对绘制所述过程数据的绘制区域的手绘图形的输入，
所述监视装置还具备绘制部，其将代表所述手绘图形的数据点绘制于所述绘制区域中，
所述模型生成部根据所述数据点来生成所述模型。
7.根据权利要求6所述的监视装置，其特征在于，
所述输入部接受针对所述绘制区域的手绘范围的输入，所述手绘范围包括所述手绘图形，
所述绘制部将代表所述手绘图形及所述手绘范围的数据点绘制于所述绘制区域中。
8.一种显示装置，其特征在于，
接受与工厂设备有关的过程数据的输入，并根据所输入的所述过程数据来生成表示所述过程数据的关联性的模型，通过第1判定模式或第2判定模式来判定所述工厂设备的运行状态，并显示判定结果，其中，所述第1判定模式使用根据由人输入的所述过程数据的预测值生成的所述模型，所述第2判定模式使用根据所述过程数据的实测值生成的所述模型。
9.一种监视方法，其特征在于，
使监视工厂设备的监视装置执行如下步骤：
接受与工厂设备有关的过程数据的输入；
根据所输入的所述过程数据来生成表示所述过程数据的关联性的模型；
通过第1判定模式或第2判定模式来判定所述工厂设备的运行状态，其中，所述第1判定模式使用根据由人输入的所述过程数据的预测值生成的所述模型，所述第2判定模式使用根据所述过程数据的实测值生成的所述模型；及
显示基于所述判定的判定结果。
10.一种监视程序，其特征在于，
使监视工厂设备的监视装置执行如下步骤：
接受与工厂设备有关的过程数据的输入；
根据所输入的所述过程数据来生成表示所述过程数据的关联性的模型；
通过第1判定模式或第2判定模式来判定所述工厂设备的运行状态，其中，所述第1判定模式使用根据由人输入的所述过程数据的预测值生成的所述模型，所述第2判定模式使用根据所述过程数据的实测值生成的所述模型；及
显示基于所述判定的判定结果。
CN202080020812.6A 2019-03-15 2020-03-13 监视装置、显示装置、监视方法及监视程序 Pending CN113614663A (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JP2019-048584 2019-03-15
JP2019048584 2019-03-15
PCT/JP2020/011282 WO2020189585A1 (ja) 2019-03-15 2020-03-13 監視装置、表示装置、監視方法及び監視プログラム

Publications (1)

Publication Number Publication Date
CN113614663A true CN113614663A (zh) 2021-11-05

Family

ID=72521073

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202080020812.6A Pending CN113614663A (zh) 2019-03-15 2020-03-13 监视装置、显示装置、监视方法及监视程序

Country Status (12)

Country Link
US (1) US20210405630A1 (zh)
EP (1) EP3940491B1 (zh)
JP (1) JP7323601B2 (zh)
KR (1) KR20210139268A (zh)
CN (1) CN113614663A (zh)
AU (1) AU2020240738A1 (zh)
BR (1) BR112021018216A2 (zh)
ES (1) ES2969084T3 (zh)
FI (1) FI3940491T3 (zh)
TW (1) TWI791949B (zh)
WO (1) WO2020189585A1 (zh)
ZA (1) ZA202106805B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113238530B (zh) * 2021-04-25 2022-08-12 中国核电工程有限公司 监测系统显示功能设计方法及系统、验证方法、显示方法
WO2023118433A1 (en) * 2021-12-22 2023-06-29 Veolia Water Solutions & Technologies Support A method of monitoring processes in an urban water cycle

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
AU2002236463A1 (en) * 2000-11-22 2002-08-08 Smartsignal Corporation Inferential signal generator for instrumented equipment and processes
US7660701B2 (en) * 2004-06-12 2010-02-09 Fisher-Rosemount Systems, Inc. System and method for detecting an abnormal situation associated with a process gain of a control loop
CN102588214A (zh) * 2011-01-17 2012-07-18 西门子公司 自动监视风力涡轮机的方法和设备及创建线性模型的方法
CN103703425A (zh) * 2011-07-11 2014-04-02 美卓自动化有限公司 监控工业过程的方法
CN105302697A (zh) * 2015-11-13 2016-02-03 中国建设银行股份有限公司 一种密集数据模型数据库的运行状态监控方法及系统
CN106383766A (zh) * 2016-09-09 2017-02-08 北京百度网讯科技有限公司 系统监控方法和装置
WO2018203470A1 (en) * 2017-05-01 2018-11-08 Omron Corporation Learning apparatus, learning method, and learning program

Family Cites Families (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2681421B2 (ja) * 1991-06-20 1997-11-26 株式会社日立製作所 需要量予測方法及び装置
JPH07121230A (ja) * 1993-10-26 1995-05-12 Toshiba Corp プラント状態予測装置
JPH07219604A (ja) 1993-12-07 1995-08-18 Omron Corp 学習知識の評価装置および評価方法
US6445963B1 (en) * 1999-10-04 2002-09-03 Fisher Rosemount Systems, Inc. Integrated advanced control blocks in process control systems
US6556939B1 (en) * 2000-11-22 2003-04-29 Smartsignal Corporation Inferential signal generator for instrumented equipment and processes
JP4372046B2 (ja) 2005-05-18 2009-11-25 株式会社東芝 半導体装置
JP6853436B2 (ja) 2016-03-17 2021-03-31 三菱マテリアル株式会社 マグネシウム系熱電変換素子、熱電変換装置
CN109844917B (zh) * 2016-10-13 2023-07-04 科磊股份有限公司 用于过程控制的计量系统及方法
JP6877956B2 (ja) 2016-10-31 2021-05-26 株式会社東芝 需要予測装置及び需要予測方法
TWI628021B (zh) * 2016-12-08 2018-07-01 財團法人金屬工業研究發展中心 用於放電加工機之精度預測的特徵萃取方法及預測方法
US10360703B2 (en) * 2017-01-13 2019-07-23 International Business Machines Corporation Automatic data extraction from a digital image
KR102449586B1 (ko) * 2017-02-24 2022-10-04 에이에스엠엘 네델란즈 비.브이. 기계 학습에 의해 공정 모델들을 결정하는 방법들
US10618137B2 (en) * 2017-03-24 2020-04-14 National Cheng Kung University Automated constructing method of cloud manufacturing service and cloud manufacturing system
TWI632968B (zh) * 2017-11-30 2018-08-21 財團法人金屬工業研究發展中心 Prediction method of electrical discharge machining accuracy

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
AU2002236463A1 (en) * 2000-11-22 2002-08-08 Smartsignal Corporation Inferential signal generator for instrumented equipment and processes
US7660701B2 (en) * 2004-06-12 2010-02-09 Fisher-Rosemount Systems, Inc. System and method for detecting an abnormal situation associated with a process gain of a control loop
CN102588214A (zh) * 2011-01-17 2012-07-18 西门子公司 自动监视风力涡轮机的方法和设备及创建线性模型的方法
CN103703425A (zh) * 2011-07-11 2014-04-02 美卓自动化有限公司 监控工业过程的方法
CN105302697A (zh) * 2015-11-13 2016-02-03 中国建设银行股份有限公司 一种密集数据模型数据库的运行状态监控方法及系统
CN106383766A (zh) * 2016-09-09 2017-02-08 北京百度网讯科技有限公司 系统监控方法和装置
WO2018203470A1 (en) * 2017-05-01 2018-11-08 Omron Corporation Learning apparatus, learning method, and learning program

Also Published As

Publication number Publication date
US20210405630A1 (en) 2021-12-30
ES2969084T3 (es) 2024-05-16
KR20210139268A (ko) 2021-11-22
WO2020189585A1 (ja) 2020-09-24
FI3940491T3 (fi) 2024-01-17
TW202102957A (zh) 2021-01-16
ZA202106805B (en) 2024-01-31
AU2020240738A1 (en) 2021-10-14
JPWO2020189585A1 (zh) 2020-09-24
JP7323601B2 (ja) 2023-08-08
TWI791949B (zh) 2023-02-11
EP3940491A4 (en) 2022-05-11
EP3940491A1 (en) 2022-01-19
EP3940491B1 (en) 2023-11-01
BR112021018216A2 (pt) 2021-11-23

Similar Documents

Publication Publication Date Title
CN108628281B (zh) 异常检测系统及异常检测方法
US8571696B2 (en) Methods and apparatus to predict process quality in a process control system
US9323234B2 (en) Predicted fault analysis
US20210405630A1 (en) Monitoring device, display device, monitoring method and monitoring program
Chen et al. A generally weighted moving average control chart for monitoring the coefficient of variation
JP2013093027A (ja) 予測された欠陥分析
US20090259331A1 (en) Automated system for checking proposed human adjustments to operational or planning parameters at a plant
JP5062496B2 (ja) 運転状態解析システムおよび運転状態解析方法
JP6861564B2 (ja) 監視制御装置
US10613830B2 (en) Data processing device, data processing method, and storage medium
US10254753B2 (en) System for predicting abnormality occurrence using PLC log data
JPH11161327A (ja) プロセスの異常診断方法及び装置
JP6885321B2 (ja) プロセスの状態診断方法及び状態診断装置
WO2020262709A1 (ja) 処理システム監視装置、処理システム監視方法、及びプログラム
JP5363089B2 (ja) 推定用多項式生成装置、入力パラメータ極性通知装置、推定装置および方法
JP6303565B2 (ja) 設定支援装置、設定支援方法、プログラム、報知予測装置、報知予測方法
JP2021135513A (ja) 情報処理装置、情報処理方法、およびプログラム
CN115062273B (zh) 工业互联网的光电传感器精度控制方法及系统
WO2020196405A1 (ja) 監視装置、表示装置、監視方法及び監視プログラム
JP7232028B2 (ja) 運転監視装置および方法
JP7397623B2 (ja) プラント状態評価装置、プラント状態評価方法およびプログラム
JP2023175542A (ja) エネルギー演算装置及びエネルギー演算方法
US20220121191A1 (en) Time-series data processing method
CN117474371A (zh) 信息处理装置、信息处理方法以及信息处理程序
CN112611854A (zh) 一种含水量在线分析系统及方法

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