CN114265840A - 异常得分计算装置、方法以及存储介质 - Google Patents

异常得分计算装置、方法以及存储介质 Download PDF

Info

Publication number
CN114265840A
CN114265840A CN202110219165.8A CN202110219165A CN114265840A CN 114265840 A CN114265840 A CN 114265840A CN 202110219165 A CN202110219165 A CN 202110219165A CN 114265840 A CN114265840 A CN 114265840A
Authority
CN
China
Prior art keywords
data
abnormality
abnormality score
range
score
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
CN202110219165.8A
Other languages
English (en)
Inventor
安藤纯平
渡边航
伊东孝幸
小野利幸
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.)
Toshiba Corp
Original Assignee
Toshiba 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 Toshiba Corp filed Critical Toshiba Corp
Publication of CN114265840A publication Critical patent/CN114265840A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/0078—Testing material properties on manufactured objects
    • 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]
    • G05B19/41875—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] or computer integrated manufacturing [CIM] characterised by quality surveillance of production
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
    • G05B23/0224—Process history based detection method, e.g. whereby history implies the availability of large amounts of data
    • G05B23/024—Quantitative history assessment, e.g. mathematical relationships between available data; Functions therefor; Principal component analysis [PCA]; Partial least square [PLS]; Statistical classifiers, e.g. Bayesian networks, linear regression or correlation analysis; Neural networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/28—Databases characterised by their database models, e.g. relational or object models
    • G06F16/284—Relational databases
    • G06F16/285—Clustering or classification
    • 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
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06395—Quality analysis or management
    • 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—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/04—Manufacturing
    • 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
    • G05B2219/32—Operator till task planning
    • G05B2219/32191—Real time statistical process 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
    • G05B2219/30—Nc systems
    • G05B2219/34—Director, elements to supervisory
    • G05B2219/34475—Detect abnormality of control system without inverted model, using input command
    • 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
    • G05B23/0221—Preprocessing measurements, e.g. data collection rate adjustment; Standardization of measurements; Time series or signal analysis, e.g. frequency analysis or wavelets; Trustworthiness of measurements; Indexes therefor; Measurements using easily measured parameters to estimate parameters difficult to measure; Virtual sensor creation; De-noising; Sensor fusion; Unconventional preprocessing inherently present in specific fault detection methods like PCA-based methods
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Food Science & Technology (AREA)
  • Biochemistry (AREA)
  • Analytical Chemistry (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Medicinal Chemistry (AREA)
  • Automation & Control Theory (AREA)
  • Quality & Reliability (AREA)
  • Manufacturing & Machinery (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Tourism & Hospitality (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Business, Economics & Management (AREA)
  • Educational Administration (AREA)
  • Development Economics (AREA)
  • Data Mining & Analysis (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Primary Health Care (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Mathematical Physics (AREA)
  • Testing And Monitoring For Control Systems (AREA)

Abstract

本发明的实施方式涉及异常得分计算装置、方法以及存储介质。本发明提供一种异常得分计算装置，将基于多样的制造数据计算出的与异常有关的多个值变换为能够比较的形式。实施方式的异常得分计算装置具备数据取得部、第一处理部和第二处理部。数据取得部取得与制造物或制造工序的状态有关的第一数据。第一处理部针对多个异常模式或者种类不同的多个第一数据计算异常得分。第二处理部对异常得分的每一个异常得分进行尺度变换以使程度大致相同。

Description

异常得分计算装置、方法以及存储介质
本申请在日本专利申请2020-155587(申请日：9/16/2020)的基础上，从该申请享有优先的利益。本申请通过参照该申请，包含该申请的全部内容。
技术领域
本发明的实施方式涉及异常得分计算装置、方法以及存储介质。
背景技术
在制造业中，早期检测产品不良、制造装置的故障并采取对策与改善成品率有关，因此是非常重要的。因此，采取了如下解决方案：取得产品的制造过程的制造数据并进行数据的可视化、产品、制造装置的异常检测、其原因推定。
在异常检测、异常的原因推定中，使用产品的尺寸、电气特性等与产品有关的数据、所使用的材料、所使用的制造装置等的与制造条件有关的数据、制造装置的运转实绩等的与制造装置有关的数据等各种数据。因此，在异常检测、异常的原因推定中使用的数据中，混合存在着传感器的输出值、对在哪个制造条件下制造进行表示的标志等多种数据。另外，在异常检测、异常的原因推定中使用的数据中存在连续值数据、离散值数据、文本数据等各种性质的数据。由于连续值数据的精度基于观测的传感器的性能、品质管理指标来决定，因此有时按每个数据而小数点精度不同。另外，由于制造IoT(Internet of Things)技术的发展，能够容易地取得与制造有关的各种数据，制造数据的项目数增加。伴随于此，数据的种类、性质也多种多样地增加。
在异常检测、异常的原因推定中，进行与数据的种类对应的各种处理。通常，对于与产品有关的数据、与制造条件有关的数据，大多使用统计处理。但是，用人工分析庞大数量的数据的方法由于作业者的负担大，所以非常困难。因此，近年来，按每个制造装置或者按在制造装置等中设置的每个传感器对数据进行汇总，在计算机上对所得到的数据进行统计处理、并通过人工进行针对统计处理结果的汇总和分析的尝试被广泛进行。
例如，提出了如下方法：以制造装置的故障预知为目的，使用组合多个对制造装置的运转实绩进行表示的指标而得到的值来进行时序分析，检测特异的变化点。在该方法中，通过将组合了多个指标而得到的值用于时序分析，从而能够检测仅通过监视各个指标难以判定的异常。此外，还具有如下优点：不使用传感器数据(传感器的输出值)那样按每个传感器而性质不同的数据，而使用制造装置的运转实绩这样的数据间的性质相似的数据，从而能够在不使用与传感器的结构、感测有关的专业知识的情况下，以简单的结构来实施。
发明内容
伴随着制造IoT技术的发展，成为异常检测、异常的原因推定的对象的数据增大，基于人工的数据分析。作业者的负担大，是困难的。因此，广泛进行了如下尝试：按每个制造装置或者按每个传感器对数据进行汇总，针对所得到的数据在计算机上进行统计处理，并用人工对其结果进行分析。但是，在制造装置、传感器的数量庞大的情况下，对在计算机上进行统计处理而得到的结果用人工进行分析，负担也大。因此，通过人工确认在哪个制造装置中发生了怎样的异常也会花费时间，存在针对异常的应对延迟的可能性。
本发明解决的技术问题在于，提供一种能够将基于多样的制造数据计算出的与异常有关的多个值变换为能够比较的形式的异常得分计算装置、方法以及存储介质。
为了解决这样的技术问题，实施方式的异常得分计算装置具备数据取得部、第一处理部和第二处理部。数据取得部取得与制造物或制造工序的状态有关的第一数据。第一处理部基于所述第一数据针对多个异常模式的每一个异常模式计算异常得分，或者针对种类不同的多个所述第一数据的每一个第一数据计算异常得分。第二处理部以使所述异常得分的发生程度大致相同的方式对多个所述异常得分的每一个异常得分进行尺度变换。
根据上述结构的异常得分计算装置，能够将基于多样的制造数据而计算出的与异常有关的多个值变换为能够比较的形式。
附图说明
图1是表示包括本实施方式的异常得分计算装置及其外围设备的系统的结构的一例的图。
图2是表示本实施方式的制造数据库中所记录的数据的一例的图。
图3是表示本实施方式的异常得分计算装置取得的第一数据的一例的图。
图4是表示本实施方式的异常得分计算装置取得的特征量的一例的图。
图5是例示本实施方式的异常得分计算装置进行的异常得分计算处理的处理顺序的流程图。
图6是例示本实施方式的异常得分计算装置进行的尺度变换处理的处理顺序的流程图。
图7是用于说明在本实施方式的异常得分计算装置的尺度变换处理中对异常得分进行尺度变换的方法的一例的图。
图8是用于说明在本实施方式的异常得分计算装置的尺度变换处理中对异常得分进行尺度变换的方法的一例的图。
图9是表示显示由本实施方式的异常得分计算装置计算出的异常得分的显示用画面的一例的图。
图10是表示显示由本实施方式的异常得分计算装置计算出的异常得分的显示用画面的一例的图。
图11是表示显示由本实施方式的异常得分计算装置计算出的异常得分的显示用画面的一例的图。
[附图标记说明]
10…异常得分计算装置，11…数据取得部，12…尺度计算部，13…异常得分计算部，20…制造数据库，30…特征量数据库，40…尺度信息数据库，50…显示数据生成装置，60…显示装置，71…直方图，72…统计模型，73…斜线部。
具体实施方式
以下，参照附图，详细说明异常得分计算装置、方法以及存储介质的实施方式。在以下的说明中，对于具有大致相同的功能以及结构的构成要素，标注相同的附图标记，仅在必要的情况下进行重复说明。
图1是表示包括本实施方式的异常得分计算装置10及其外围设备的系统的结构的图。本实施方式的异常得分计算装置10经由网络与制造数据库20、特征量数据库30、尺度信息数据库40、显示数据生成装置50以及显示装置60连接。网络例如是LAN(Local AreaNetwork：局域网)。此外，对网络的连接不论有线连接还是无线连接。另外，所连接的线路并不限定于LAN。也可以与互联网等公众的通信线路连接。
在制造数据库20中记录有与制造物或制造工序的状态有关的数据(以下，称为制造数据)。制造数据包含连续值、整数值、类别数据等多种多样的种类的数据。制造数据例如包括从设置于制造物、制造装置等的传感器取得的传感器值、次品率等。
另外，在制造数据库20中，按每个制造数据，与制造数据一起记录有用于识别制造物的个体的ID、制造装置的识别编号、传感器的识别编号、表示制造日期时间的时间戳、表示以相同的制造条件制造这一情况的制造管理单位、次品率、制造条件等。制造管理单位例如是批次。在此，设为制造数据库20是一般的关系数据库管理系统(RDBMS)的数据库进行说明。另外，制造数据库20也可以是NoSQL系的数据库、XML等的知识结构化的数据库。另外，记录在制造数据库20中的数据可以是CSV、Json等格式的文件，也可以是从制造装置输出的Raw数据。
图2是表示记录在制造数据库20中的数据的一例的图。在图2中，“数据1”的列的数据表示从识别编号为“1”的制造装置取得的制造数据，“数据2”的列的数据表示从识别编号为“2”的制造装置取得的制造数据，“数据3”的列的数据表示从识别编号为“3”的制造装置取得的制造数据。如图2所示，制造数据可以是小数点以下的位数多的连续值，也可以是小数点以下的位数少的连续值，也可以是整数值。另外，“数据4”的列的数据表示制造管理单位。制造管理单位可以是整数值，也可以是类别数据。“数据N-1”的列的数据表示类别数据。类别数据例如是制造条件。“数据N”的列的数据表示时间戳。“ID”的列的数据表示制造物的ID。“数据1”的列的数据也可以是识别编号为“1”的传感器的计测值。除了图2所示的数据以外，制造条件、不良率等也可以记录在制造数据库20中。
在特征量数据库30中记录有制造数据的特征量。特征量是将制造数据的特性予以数值化而得到的。关于特征量，在后面叙述。特征量数据库30与制造数据库20同样地、可以是关系数据库管理系统(RDBMS)、NoSQL系的数据库、XML等的知识结构化的数据库。此外，记录在特征量数据库30中的数据可以是CSV、Json等格式的文件。
在尺度信息数据库40中记录有尺度计算信息。尺度计算信息包括过去的异常得分。异常得分是表示制造数据的异常程度(变化的程度)的数值。关于异常得分，在后面叙述。
异常得分计算装置10从制造数据库20取得第一数据。第一数据包含制造数据。异常得分计算装置10基于所取得的第一数据，计算多个异常得分。异常得分是表示第一数据的变化的程度的值。异常得分计算装置10从尺度信息数据库40取得尺度计算信息，基于尺度计算信息，以异常得分的发生程度大致相同的方式对多个异常得分的每一个异常得分进行尺度变换。异常得分计算装置10将进行了尺度变换后的异常得分输出至显示数据生成装置50。以异常得分的发生程度大致相同的方式对多个异常得分的每个异常得分进行尺度变换，包括将异常得分变换为基于发生概率的值、将异常得分归一化。异常得分的发生程度也可以被称为异常得分的发生的稀有程度。
接着，对异常得分计算装置10的结构进行说明。异常得分计算装置10具备控制异常得分计算装置10整体的处理电路和存储介质(存储器)。处理电路是通过调用并执行存储介质内的程序来执行数据取得部11、尺度计算部12以及异常得分计算部13的功能的处理器。处理电路由包含CPU(Central Processing Unit：中央处理单元)、ASIC(ApplicationSpecific Integrated Circuit：专用集成电路)或FPGA(Field Programmable GateArray：现场可编程门阵列)等的集成电路形成。处理器可以由1个集成电路形成，也可以由多个集成电路形成。
在存储介质中存储有在处理器中使用的处理程序、以及在处理器中的运算中使用的参数以及表等。存储介质是存储各种信息的HDD(Hard Disk Drive：硬盘驱动器)、SSD(Solid State Drive：固态驱动器)、集成电路等存储装置。另外，存储装置除了HDD、SSD等以外，也可以是CD(Compact Disc：光盘)、DVD(Digital Versatile Disc：数字多功能光盘)、闪存器等可移动存储介质，还可以是与闪存器、RAM(Random Access Memory：随机存取存储器)等半导体存储元件等之间读写各种信息的驱动装置。
另外，数据取得部11、尺度计算部12以及异常得分计算部13所具有的各功能，可以通过单一的处理电路来实现，也可以通过将多个独立的处理器组合而构成处理电路并由各处理器执行程序来实现各功能。另外，数据取得部11、尺度计算部12以及异常得分计算部13所具有的各功能也可以作为单独的硬件电路来安装。
数据取得部11从制造数据库20取得第一数据。第一数据包含制造数据。制造数据主要是连续值或整数值等数值数据。在制造数据是类别数据的情况下，数据取得部11将类别数据变换为数值数据而取得。在该情况下，数据取得部11例如使用按每个类别变换为对应的数值的方法，将类别数据变换为数值数据。作为按每个类别变换为对应的数值的方法，例如有标签变换、频率变换等。
数据取得部11将各制造数据的ID、时间戳、制造管理单位等与第一数据一起从制造数据库20取得。但是，在取得了CSV格式等的制造数据作为第一数据的情况下，有时在制造数据库20中没有记录ID、时间戳、制造管理单位等。在该情况下，数据取得部11对第一数据的各制造数据赋予连续编号等。
另外，数据取得部11基于第一数据，并基于预先决定的条件，取得2个子数据(第一子数据以及第二子数据)。例如，数据取得部11基于按每个子数据设定的数据的范围，从第一数据取得第一子数据以及第二子数据。第一子数据以及第二子数据用于在计算异常得分的处理中通过基于统计的方法等进行比较来计算一个子数据的异常得分的处理。第一子数据及第二子数据的数据的范围相当于时序分析的窗尺寸。
子数据的数据的范围被设定为与想要分析的异常的种类对应的范围。由此，能够进行适于异常的种类的分析。例如，根据异常的种类，存在在较短的期间内变化的情况、和在较长的期间内变化的情况。在想要分析短期的数据的变化的情况下，作为数据的范围而设定较短的期间，在想要分析中长期的数据的变化的情况下，作为数据的范围而设定较长的期间。另外，在决定想要进行分析的期间(想要比较的期间)的情况下，也能够将该期间指定为数据的范围。
例如，在作为子数据的数据的范围而设定了任意的ID的情况下，数据取得部11参照ID，取得第一数据所包含的制造数据中的与所设定的ID对应的数据作为该子数据的数据。另外，例如，在作为要取得的数据的范围而设定了任意的期间的情况下，数据取得部11参照时间戳，取得在第一数据中包含的制造数据中的任意的期间中包含的数据作为该子数据的数据。例如，数据取得部11取得第一期间中包含的数据作为第一子数据的数据，取得与第一期间不同的第二期间中包含的数据作为第二子数据的数据。另外，在作为取得的数据的范围而设定了任意的制造管理单位的情况下，数据取得部11参照制造管理单位，取得第一数据所包含的制造数据中的任意的制造管理单位的数据作为该子数据的数据。
另外，各子数据所包含的制造数据也可以重复。另外，第一子数据所包含的数据的个数与第二子数据所包含的数据的个数也可以不同。第一子数据所包含的制造数据与第二子数据所包含的制造数据不全部一致即可。
在本实施方式中，对取得制造数据、制造装置的识别编号、各制造数据的制造管理单位，并将制造管理单位设定为子数据的数据的范围的例子进行说明。图3是表示由数据取得部11取得的制造数据和制造管理单位的图。在图3中，表的横轴(第一数据的列)表示制造装置的识别编号，表的纵轴表示制造管理单位。例如，在将制造管理单位“1”设定为第一子数据的数据的范围(以下，称为第一范围)，将制造管理单位“2”设定为第二子数据的数据的范围(以下，称为第二范围)的情况下，数据取得部11取得第一数据所包含的制造数据中的、制造管理单位为“1”的全部的制造数据作为第一子数据。另外，数据取得部11取得第一数据所包含的制造数据中的、制造管理单位为“2”的全部的制造数据作为第二子数据。
另外，数据取得部11取得第一数据所包含的制造数据的特征量。特征量是将第一数据所包含的制造数据的特性进行数值化而得到的。基于第一数据所包含的制造数据，针对第一数据的每个列而计算特征量。此外，特征量是基于第一数据中包括的制造数据，针对每个子数据计算的。特征量是平均、方差、中间值、最频值等基本统计量、分位数、数据的个数等。特征量也可以是方差、标准偏差等。另外，特征量也可以是在异常得分计算时生成的中间生成数据。另外，特征量也可以是为了数据量削减而采样得到的矢量、概率密度函数、深度特征量。另外，特征量也可以是对上述数值进行了降维后的矢量。
数据取得部11从特征量数据库30取得第一子数据以及第二子数据各自的特征量。在特征量不存在于特征量数据库30中的情况下，数据取得部11使用第一数据来计算特征量。图4是表示特征量的一例的图。计算出的特征量被存储在特征量数据库30中，被用于计算异常得分的处理。
在本实施方式中，通过使用特征量来计算异常得分，由此与不使用特征量而根据第一数据计算异常得分的情况相比，在异常得分的计算时与数据的取得、异常得分的计算有关的处理所花费的时间得以削减。
接着，对异常得分计算部13进行说明。异常得分计算部13包括第一处理部和第二处理部。第一处理部基于第一数据，执行计算多个异常得分的处理。第二处理部执行使用从尺度计算部12接收到的尺度计算信息、对计算出的异常得分的值进行变换的处理。
异常得分计算部13的第一处理部，针对2种以上的异常模式的每一个异常模式计算异常得分。或者，异常得分计算部13针对2种以上的制造数据的每一个制造数据，计算异常得分。
异常模式表示在异常得分的计算中使用的参数的种类。在本实施方式中，异常模式表示第一范围与第二范围的变化(不同)的种类。异常模式例如有平均模式、偏差模式、分布形状模式等。平均模式在第一子数据的平均值和第二子数据的平均值有很大不同的情况下使用。偏差模式例如在第一子数据的方差与第二子数据的方差有很大不同的情况下使用。分布形状模式是捕捉分布形状的变化的模式。此外，作为异常模式，也可以使用对第一子数据所包含的异常数与第二子数据所包含的异常数的变化进行表示的模式。在该情况下，通过阈值判定等预先计算各子数据中包含的异常数。
另外，异常得分计算部13也可以针对同一变化的种类计算多个异常得分。即，异常得分计算部13也可以针对1个异常模式计算多个种类的异常得分。在该情况下，在1个异常模式中，改变与变化有关的灵敏度，计算针对多个不同的灵敏度的异常得分。例如，在平均模式中，在存在平均的变化和偏离值的情况下，使用与第一子数据和第二子数据的平均值的变化有关的异常得分、与第一子数据和第二子数据的牢固的中间值的变化有关的异常得分。
以下，在本实施方式中，对针对2种以上的异常模式的每一个异常模式计算异常得分的例子进行说明。通过在多个异常模式下计算异常得分，能够多方面地捕捉数据的变化。
异常得分通过与异常模式对应的算法来计算。异常得分例如是第一范围与第二范围的特征量之间的差或比。例如，在异常模式为平均模式的情况下，异常得分计算部13计算第一范围的平均与第二范围的平均的差或比作为异常得分。例如，在异常得分是第一范围的平均值与第二范围的平均值之差的情况下，使用式(1)求出异常得分Sμ。在此，μ1是第一范围的平均值，μ2是第二范围的平均值。或者，也可以使用式(2)来计算异常得分Sμ，以使异常得分成为正值。另外，也可以使用能够捕捉中间值等的平均的变化的特征量来代替平均值来计算异常得分。
[数式1]
Sμ＝μ1-μ2 (1)
[数式2]
Figure BDA0002953817930000101
在异常模式是平均模式以外的模式的情况下，异常得分计算部13应用适合于异常模式的特征量、算法，计算异常得分。例如，在异常模式为偏差模式的情况下，异常得分计算部13使用第一范围的标准偏差和第二范围的标准偏差作为特征量来计算异常得分。
另外，也可以不使用特征量而计算异常得分。在该情况下，例如，代替数据间的差、比，使用数据间的距离或类似度计算异常得分。例如，也可以将第一范围与第二范围的分位点之间的卡尔伯克·莱布拉信息量(日文：カルバック·ライブラー情報量)、简森·香农信息量(日文：ジェンセン·シャノン情報量)作为异常得分来计算。此外，也可以将第一范围和第二范围的余弦距离、相关系数等用作异常得分。
另外，也可以不使用子数据而计算异常得分。例如，能够使用异常检测算法计算异常得分。在该情况下，针对第一数据所包含的制造数据，按照第一数据的每列应用阈值处理、One Class SVM等异常检测算法，将从异常检测算法的结果得到的异常数等的比率作为异常得分。具体而言，例如计算出检测出的件数相对于应用了异常检测算法的全数的比率(推定异常发生率)作为异常得分。另外，在异常检测算法中，存在异常检测的灵敏度根据参数而变化的情况。在该情况下，也可以通过变更参数来计算多个异常得分。
接着，对尺度计算部12进行说明。尺度算出部12从尺度信息数据库40取得尺度计算信息。尺度计算信息包括过去计算出的异常得分。尺度计算部12使用统计建模方法，对过去的异常得分的分布进行统计模型化。此时，针对第一数据的每一列，按每个异常模式，对过去的异常得分的分布进行统计模型化。作为统计模型，例如使用伽马分布、卡方分布(日文：カイ二乗分布)、正态分布等统计分布。尺度计算部12将统计模型化后的异常得分的分布作为尺度计算信息输出至异常得分计算部13。
接着，对异常得分计算部13的第二处理部的处理进行说明。首先，异常得分计算部13从尺度计算部12取得统计模型化后的异常得分的分布作为尺度计算信息。接着，异常得分计算部13基于尺度计算信息，以使多个异常得分的发生的稀有程度大致相同的方式对异常得分分别进行尺度变换。具体而言，异常得分计算部13将过去的异常得分的分布的统计模型拟合为异常得分的分布，计算拟合后的统计模型中的异常得分所对应的概率作为尺度变换后的异常得分。尺度变换后的异常得分被输出至显示数据生成装置50。通过对异常得分的分布进行统计模型化，能够将分布不同的多个异常得分作为基于发生频度的概率值来处理。由此，能够容易地进行不同的列间的异常得分的比较、不同的异常模式间的异常得分的比较。
使用图7和图8，说明使用统计建模方法对异常得分进行尺度变换的方法的一例。图7是用于说明通过尺度计算部12对过去的异常得分的分布进行统计模型化的方法的图。在图7中，使用伽马分布作为统计模型。伽马分布通过用最大似然估计来估计2个参数，在进行取正的连续值的值的统计建模时使用。图7的横轴表示异常得分的值。图7的纵轴表示异常得分的频度。在图7中，示出了表示过去的异常得分的分布的直方图71。另外，在图7中，示出了基于过去的异常得分的分布由尺度计算部12进行统计模型化的统计模型72。在此，对制造数据越异常值越大的异常得分进行说明。
图8是用于说明使用统计模型对异常得分进行尺度变换的处理的图。在该一例中，异常得分计算部13首先使用由异常得分计算部13的第一处理部计算出的异常得分Sμ和统计模型72，计算以异常得分Sμ为百分比点时的以百分比点为基准的下侧概率。下侧概率相当于图8的斜线部73所包含的面积。接着，异常得分计算部13将计算出的下侧概率作为进行了尺度变换的异常得分而输出至显示数据生成装置50。尺度变换后的异常得分是0以上且1以下的数值。尺度变换后的异常得分，数值越接近1，表示发生概率越小。
另外，关于制造数据越异常则值越小的异常得分，异常得分计算部13计算以异常得分Sμ为百分比点时的以百分比点为基准的上侧概率，并将计算出的上侧概率作为尺度变换后的异常得分。
另外，也可以不使用统计建模方法，而对异常得分进行尺度变换。例如，也可以使用被称为数据的归一化的方法、被称为数据的标准化的方法，对异常得分进行尺度变换。在使用数据的归一化来变换异常得分的值的情况下，尺度算出部12从尺度信息数据库40取得过去的异常得分作为尺度计算信息，基于尺度计算信息来提取异常得分的最大值和最小值。异常得分计算部13的第二处理部取得异常得分的最大值和最小值作为尺度计算信息。异常得分计算部13使用式(3)对异常得分进行归一化。在此，Xnorm是归一化后的异常得分，Xmax是异常得分的最大值，Xmin是异常得分的最小值，X是应用归一化的异常得分。
[数式3]
Figure BDA0002953817930000121
另外，在对制造数据的计测值决定了制造管理基准的情况下，也可以使用制造管理基准对异常得分进行尺度变换。制造管理基准包含制造数据的计测值的上限值和下限值。将与上限值以下且下限值以上的计测值对应的产品作为良品来处理。另一方面，将与比上限值大的计测值或者与比下限值小的计测值对应的产品作为次品进行处理。在该情况下，基于上限值和下限值，以在制造管理基准内可能存在的最大的变化成为异常得分的最大值的方式，变换异常得分的尺度。
例如，尺度计算部12计算在满足制造管理基准的范围内计测值变化时异常得分可取的值的范围，决定异常得分的最大值和最小值。尺度计算部12将异常得分的最大值和最小值作为尺度计算信息输出至异常得分计算部13。异常得分计算部13的第二处理部将异常得分的最大值和最小值应用于与式(3)同样的式子，由此对异常得分进行尺度变换。这样，通过使异常得分的尺度与制造管理基准一致，从而能够将异常得分的异常程度与制造管理基准对照来进行判断。
另外，也可以使用制造管理基准，将异常得分尺度变换为基于异常得分的发生概率的数值。在该情况下，首先，尺度计算部12通过基于制造管理基准的上限值以下且下限值以上的计测值来计算异常得分，从而估计满足制造管理基准的异常得分可取的值域。然后，基于异常得分的值域，估计基于满足制造管理标准的计测值计算出的异常得分的最大值(估计值)。接着，尺度算出部12通过把将比最大值大的值的异常得分去除而得到的分布拟合到统计模型，由此生成统计模型(尺度变换模型)。此时，将比制造管理基准的上限值大的计测值或者比下限值小的计测值的异常得分变换(限幅)为在异常得分可取的值域中成为最大值。具体而言，尺度计算部12在将比最大值大的异常得分变换为最大值之后，使用变换后的异常得分的分布生成统计模型。异常得分计算部13的第二处理部使用所生成的统计模型对异常得分进行尺度变换。在该情况下，也通过基于制造管理基准计算异常得分的尺度，从而能够将异常得分的异常程度与制造管理基准对照来进行判断。
显示数据生成装置50从异常得分计算装置10取得尺度变换后的异常得分，生成显示用数据，该显示用数据显示尺度变换后的异常得分。显示数据生成装置50将所生成的显示用数据输出至显示装置60。
显示装置60从显示数据生成装置50取得显示进行了尺度变换后的异常得分的显示用数据，并显示所取得的显示用数据。显示装置60例如是液晶显示器。
接着，对由异常得分计算装置10执行的处理的动作进行说明。图5是表示异常得分计算处理的顺序的一例的流程图。异常得分计算处理是取得在异常得分的计算中使用的数据、并计算异常得分的处理。另外，以下说明的各处理中的处理顺序只不过是一例，各处理只要能够进行适当变更即可。另外，关于以下说明的处理顺序，能够根据实施方式适当地进行步骤的省略、置换以及追加。
如图5所示，首先，数据取得部11取得包含制造数据的第一数据和各制造数据的制造管理单位(步骤S101)。在此，将制造数据的列的总数设为N，将制造数据的列编号设为i(1≤i≤N)。例如，列i的数据是从识别编号为“1”的制造装置取得的制造数据。接着，数据取得部11针对第一数据的列i，使用包含第一范围的制造数据在内的第一子数据和包含第二范围的制造数据在内的第二子数据，计算并取得第一范围的特征量和第二范围的特征量(步骤S102)。接着，异常得分计算部13通过统计处理对第一数据的列i中的第一范围的特征量和第二范围的特征量进行比较，由此计算异常模式j中的异常得分(步骤S103)。在此，将异常模式的总数设为M，将异常模式的连续编号设为j(1≤j≤M)。异常得分计算部13针对全部的异常模式反复进行步骤S103的处理，由此针对第一数据的列i计算M个异常得分(步骤S103-S104)。另外，异常得分计算部13针对第一数据的全部列重复步骤S102～S104的处理，由此针对N个列的每一列计算M个异常得分(步骤S102-S105)。
图6是示出尺度变换处理的顺序的示例的流程图。尺度变换处理是取得在异常得分的尺度变换中使用的尺度计算信息，并基于尺度计算信息对异常得分进行尺度变换的处理。
如图6所示，首先，尺度计算部12取得过去的异常得分作为尺度计算信息，基于过去的发生程度对异常得分进行统计模型化(步骤S201)。然后，尺度计算部12将异常得分的统计模型作为尺度计算信息输出至异常得分计算部13的第二处理部。接着，异常得分计算部13选择第一数据的列i(步骤S202)。接着，异常得分计算部13针对第一数据的列i，基于尺度计算信息对异常模式j中的异常得分进行变换(步骤S203)。异常得分计算部13针对全部的异常模式重复步骤S203的处理，由此对第一数据的列i的M个异常模式对异常得分进行变换(步骤S203-S204)。另外，异常得分计算部13针对第一数据的全部列重复步骤S202～S204的处理，由此针对N个列的每一列，对M个异常模式的异常得分的每一个异常得分进行变换(步骤S202-S205)。由此，计算出的多个异常得分在列间以及异常模式间被变换为基于过去的发生程度的大致相同的尺度。
尺度变换后的异常得分从异常得分计算装置10被输出至显示数据生成装置50。显示数据生成装置50生成显示有尺度变换后的异常得分的显示用画面，显示装置60将显示用画面进行显示。
图9是表示显示装置60所显示的显示用画面的一例的图。在图9所示的显示用画面中，按照大小顺序以排序形式显示有尺度变换后的多个异常得分。在图9所示的显示用画面中，按照值从大到小的顺序显示有尺度变换后的多个异常得分。尺度变换后的异常得分，数值越接近1，则表示发生概率越小。因此，越是在上部显示的异常得分，表示发生了发生概率小的异常。作业者通过确认显示用画面，能够在不同的异常模式之间且不同的项目(例如制造装置)之间进行异常得分的比较。
图10是表示显示装置60所显示的显示用画面的另一例的图。在图10所示的显示用画面中，按异常模式之分、按从大到小的顺序以排序形式显示有尺度变换后的异常得分。作业者通过确认显示用画面，能够针对在同一异常模式下计算出的异常得分，在不同的项目间(例如不同的制造装置间)进行异常得分的比较。
图11是表示显示装置60所显示的显示用画面的另一例的图。在图11所示的显示用画面中，按时序顺序按时间线显示进行了尺度变换的异常得分。在图11所示的显示用画面中，按计算出异常得分的每个日期，按值的大小顺序提取上位数件的异常得分，并以排序形式显示。由此，仅显示与应确认的异常有关的数据。作业者通过确认显示用画面，能够掌握异常得分的经时变化。另外，也可以按计算出异常得分的每个日期，仅显示规定的阈值以上的异常得分。
以下，对本实施方式的异常得分计算装置10的效果进行说明。
本实施方式的异常得分计算装置10，取得与制造物或制造工序的状态有关的第一数据，基于第一数据针对多个异常模式的每一个异常模式计算异常得分，或者基于第一数据针对第一数据的多个项目的每一个项目计算异常得分，对多个异常得分分别进行尺度变换，以异常得分的发生程度大致相同。
尺度变换后的异常得分从异常得分计算装置10被输出至显示数据生成装置50。显示数据生成装置50生成显示有尺度变换后的异常得分的显示用画面，显示装置60显示显示用画面。
根据上述结构，根据本实施方式的异常得分计算装置10，能够将基于从多个制造装置、多个传感器得到的多种多样的制造数据而计算出的与多个异常有关的值变换为能够比较的形式。作业者能够基于变换后的值，直观地判断在哪个制造装置或制造条件中发生了异常。另外，作业者能够直观地判断以何种程度的异常发生了怎样的异常。另外，作业者在同时发生了多个异常的情况下，能够基于被变换为能够比较的形式的值来判断发生的异常的优先顺序。另外，作业者能够参照与类似的异常有关的过去的事例、异常应对手册，立即取得适当的应对。即，通过针对制造数据的异常计算出大致相同的异常得分，能够减轻异常的分析负担。
另外，在本实施方式中，能够使用设置于相同的制造装置的多个传感器的检测值(传感器数据)作为制造数据，来计算异常得分。作业者通过确认使用设置于相同的制造装置的多个传感器数据计算出的异常得分，能够详细地确认异常的状况。
另外，本实施方式的异常得分计算装置10，基于过去的异常得分的发生分布，将异常得分变换为基于异常得分的发生概率的数值，由此对异常得分进行尺度变换。例如，通过使用过去的异常得分的分布的统计模型将异常得分变换为基于发生概率的数值，由此能够将分布不同的多个异常得分作为基于发生频度的概率值来处理。由此，能够容易地进行不同的制造装置、不同的传感器间的异常得分的比较、不同的异常模式间的异常得分的比较。
另外，本实施方式的异常得分计算装置10，通过对第一范围的特征量和第二范围的特征量进行比较，计算异常得分。通过使用特征量来计算异常得分，由此与不使用特征量而根据第一数据计算异常得分的情况相比，在异常得分的计算时，能够削减与数据的取得、异常得分的计算有关的处理时间。
另外，在本实施方式中，对设置与异常得分计算装置10分体的显示数据生成装置50的例子进行了说明，但异常得分计算装置10也可以具有与显示数据生成装置50的功能相同的功能。在该情况下，异常得分计算装置10还具备生成部，该生成部取得尺度变换后的异常得分，生成显示数据，该显示数据显示尺度变换后的异常得分。具备显示数据生成装置50以及生成部的异常得分计算装置10也可以被称为可视化装置。
根据以上所述的至少一个实施方式，根据异常得分计算装置、方法以及存储介质，通过对多个异常得分分别进行尺度变换，以使异常得分的发生程度变得大致相同，由此能够将基于多样的制造数据计算出的与异常有关的多个值变换为能够比较的形式。
对本发明的几个实施方式进行了说明，但这些实施方式是作为例子而提示的，并不意图限定发明的范围。这些实施方式能够以其他各种方式实施，在不脱离发明的主旨的范围内，能够进行各种省略、置换、变更。这些实施方式及其变形包含在发明的范围或主旨中，同样包含在权利要求书所记载的发明及其均等的范围内。
另外，能够将所述的实施方式归纳为以下的技术方案。
(技术方案1)
一种异常得分计算装置，具备：
数据取得部，取得与制造物或制造工序的状态有关的第一数据；
第一处理部，基于所述第一数据，针对多个异常模式的每一个异常模式计算异常得分，或者基于所述第一数据，针对种类不同的多个所述第一数据的每一个第一数据计算异常得分；以及
第二处理部，对多个所述异常得分的每一个异常得分进行尺度变换，以使所述异常得分的发生程度大致相同。
(技术方案2)
根据技术方案1，所述数据取得部取得第一范围的所述第一数据和第二范围的所述第一数据，所述第一处理部通过将所述第一范围的所述第一数据与所述第二范围的所述第一数据进行比较，计算所述异常得分。
(技术方案3)
根据技术方案2，所述第一范围是第一期间，所述第二范围是与所述第一期间不同的第二期间。
(技术方案4)
根据技术方案2，所述第一范围是基于所述制造物的制造管理单位而决定的范围，所述第二范围是基于与所述第一范围的制造管理单位不同的制造管理单位而决定的范围。
(技术方案5)
根据技术方案1至4中的任一项，所述第二处理部基于过去的异常得分的发生分布，将所述异常得分变换为基于所述异常得分的发生概率的数值，由此对所述异常得分进行尺度变换。
(技术方案6)
根据技术方案1至4中的任一项，所述第二处理部将过去的异常得分的分布的统计模型拟合为所述异常得分的分布，计算拟合后的统计模型中的所述异常得分所对应的概率，作为尺度变换后的异常得分。
(技术方案7)
根据技术方案1至6中的任一项，所述第二处理部基于所述第一数据的制造管理基准，将所述异常得分变换为基于所述异常得分的发生概率的数值，由此对所述异常得分进行尺度变换。
(技术方案8)
根据技术方案2，所述数据取得部计算所述第一范围的特征量，并输出计算出的特征量。
(技术方案9)
根据技术方案2，所述数据取得部还取得所述第一范围的特征量和所述第二范围的特征量，所述第一处理部通过将所述第一范围的特征量与所述第二范围的特征量进行比较，计算所述异常得分。
(技术方案10)
根据技术方案1至9中的任一项，还具备生成部，该生成部取得尺度变换后的异常得分，生成显示数据，该显示数据显示所述尺度变换后的异常得分。
(技术方案11)
根据技术方案1至10中的任一项，所述第一数据包含设置于制造装置的传感器的检测值。
(技术方案12)
一种方法，包括如下步骤：
取得与制造物或制造工序的状态有关的第一数据；
基于所述第一数据，针对多个异常模式的每一个异常模式计算异常得分，或者基于所述第一数据，针对种类不同的多个所述第一数据的每一个第一数据计算异常得分；以及
对多个所述异常得分的每一个异常得分进行尺度变换，以使所述异常得分的发生程度大致相同。
(技术方案13)
一种存储介质，是计算机可读取的非暂时性的存储介质，存储有用于使计算机实现如下功能的程序：
取得与制造物或制造工序的状态有关的第一数据的功能；
基于所述第一数据，针对多个异常模式的每一个异常模式计算异常得分，或者基于所述第一数据，针对种类不同的多个所述第一数据的每一个第一数据计算异常得分的功能；以及
对多个所述异常得分的每一个异常得分进行尺度变换以使所述异常得分的发生程度大致相同的功能。

Claims (13)

1.一种异常得分计算装置，具备：
数据取得部，取得与制造物或制造工序的状态有关的第一数据；
第一处理部，基于所述第一数据，针对多个异常模式的每一个异常模式计算异常得分，或者基于所述第一数据，针对种类不同的多个所述第一数据的每一个第一数据计算异常得分；以及
第二处理部，对多个所述异常得分的每一个异常得分进行尺度变换，以使所述异常得分的发生程度大致相同。
2.如权利要求1所述的异常得分计算装置，
所述数据取得部取得第一范围的所述第一数据和第二范围的所述第一数据，
所述第一处理部通过将所述第一范围的所述第一数据与所述第二范围的所述第一数据进行比较，计算所述异常得分。
3.如权利要求2所述的异常得分计算装置，
所述第一范围是第一期间，
所述第二范围是与所述第一期间不同的第二期间。
4.如权利要求2所述的异常得分计算装置，
所述第一范围是基于所述制造物的制造管理单位而决定的范围，
所述第二范围是基于与所述第一范围的制造管理单位不同的制造管理单位而决定的范围。
5.如权利要求1至4中的任一项所述的异常得分计算装置，
所述第二处理部基于过去的异常得分的发生分布，将所述异常得分变换为基于所述异常得分的发生概率的数值，由此对所述异常得分进行尺度变换。
6.如权利要求1至4中的任一项所述的异常得分计算装置，
所述第二处理部将过去的异常得分的分布的统计模型拟合为所述异常得分的分布，计算拟合后的统计模型中的所述异常得分所对应的概率，作为尺度变换后的异常得分。
7.如权利要求1至6中的任一项所述的异常得分计算装置，
所述第二处理部基于所述第一数据的制造管理基准，将所述异常得分变换为基于所述异常得分的发生概率的数值，由此对所述异常得分进行尺度变换。
8.如权利要求2所述的异常得分计算装置，
所述数据取得部计算所述第一范围的特征量，并输出计算出的特征量。
9.如权利要求2所述的异常得分计算装置，
所述数据取得部还取得所述第一范围的特征量和所述第二范围的特征量，
所述第一处理部通过将所述第一范围的特征量与所述第二范围的特征量进行比较，计算所述异常得分。
10.如权利要求1至9中的任一项所述的异常得分计算装置，
还具备生成部，该生成部取得尺度变换后的异常得分，生成显示数据，该显示数据显示所述尺度变换后的异常得分。
11.如权利要求1至10中的任一项所述的异常得分计算装置，
所述第一数据包含设置于制造装置的传感器的检测值。
12.一种方法，包括如下步骤：
取得与制造物或制造工序的状态有关的第一数据；
基于所述第一数据，针对多个异常模式的每一个异常模式计算异常得分，或者基于所述第一数据，针对种类不同的多个所述第一数据的每一个第一数据计算异常得分；以及
对多个所述异常得分的每一个异常得分进行尺度变换，以使所述异常得分的发生程度大致相同。
13.一种存储介质，是计算机可读取的非暂时性的存储介质，存储有用于使计算机实现如下功能的程序：
取得与制造物或制造工序的状态有关的第一数据的功能；
基于所述第一数据，针对多个异常模式的每一个异常模式计算异常得分，或者基于所述第一数据，针对种类不同的多个所述第一数据的每一个第一数据计算异常得分的功能；以及
对多个所述异常得分的每一个异常得分进行尺度变换以使所述异常得分的发生程度大致相同的功能。
CN202110219165.8A 2020-09-16 2021-02-26 异常得分计算装置、方法以及存储介质 Pending CN114265840A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2020-155587 2020-09-16
JP2020155587A JP7481976B2 (ja) 2020-09-16 2020-09-16 異常スコア算出装置、異常スコア算出方法およびプログラム

Publications (1)

Publication Number Publication Date
CN114265840A true CN114265840A (zh) 2022-04-01

Family

ID=80626579

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110219165.8A Pending CN114265840A (zh) 2020-09-16 2021-02-26 异常得分计算装置、方法以及存储介质

Country Status (3)

Country Link
US (1) US11782426B2 (zh)
JP (1) JP7481976B2 (zh)
CN (1) CN114265840A (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11630718B2 (en) * 2020-05-14 2023-04-18 At&T Intellectual Property I, L.P. Using user equipment data clusters and spatial temporal graphs of abnormalities for root cause analysis
KR20230018121A (ko) 2021-07-29 2023-02-07 주식회사 엘지에너지솔루션 실린더 고장 예측시스템 및 고장 예측방법, 실린더 고장 검사시스템 및 검사방법
JP7524145B2 (ja) 2021-08-19 2024-07-29 株式会社東芝 データ処理装置、方法及びプログラム

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090030753A1 (en) 2007-07-27 2009-01-29 General Electric Company Anomaly Aggregation method
JP5753286B1 (ja) * 2014-02-05 2015-07-22 株式会社日立パワーソリューションズ 情報処理装置、診断方法、およびプログラム
JP6364800B2 (ja) 2014-02-10 2018-08-01 オムロン株式会社 監視装置及び監視方法
JP6796092B2 (ja) 2018-01-17 2020-12-02 株式会社東芝 情報処理装置、情報処理方法及びプログラム
US11137323B2 (en) * 2018-11-12 2021-10-05 Kabushiki Kaisha Toshiba Method of detecting anomalies in waveforms, and system thereof
JP7446771B2 (ja) 2019-10-30 2024-03-11 株式会社東芝 可視化データ生成装置、可視化データ生成システム、及び可視化データ生成方法
JP7291061B2 (ja) * 2019-11-14 2023-06-14 株式会社日立製作所 分析システムおよび分析方法
JP7524045B2 (ja) 2020-12-10 2024-07-29 株式会社東芝 データ解析装置、方法およびシステム

Also Published As

Publication number Publication date
US20220083033A1 (en) 2022-03-17
JP2022049395A (ja) 2022-03-29
JP7481976B2 (ja) 2024-05-13
US11782426B2 (en) 2023-10-10

Similar Documents

Publication Publication Date Title
CN114265840A (zh) 异常得分计算装置、方法以及存储介质
CN109726731B (zh) 用电量异常检测方法、装置、设备及可读存储介质
US10977568B2 (en) Information processing apparatus, diagnosis method, and program
KR101799603B1 (ko) 플라즈마 프로세싱 시스템 내에서의 자동적인 결함 검출 및 분류와 그 방법
US20100063611A1 (en) Systems and methods for real time classification and performance monitoring of batch processes
US20230213926A1 (en) Abnormal irregularity cause identifying device, abnormal irregularity cause identifying method, and abnormal irregularity cause identifying program
US20220027230A1 (en) Predicting Equipment Fail Mode from Process Trace
CN117290802B (zh) 一种基于数据处理的主机电源运行监测方法
CN112180230A (zh) 芯片测试参数异常的侦测方法、存储介质、终端
US20230213924A1 (en) Abnormal irregularity cause identifying device, abnormal irregularity cause identifying method, and abnormal irregularity cause identifying program
CN110751217A (zh) 基于主元分析的设备能耗占比预警分析方法
WO2020166236A1 (ja) 作業効率評価方法、作業効率評価装置、及びプログラム
CN104503436B (zh) 一种基于随机投影和k近邻的快速故障检测方法
CN117827568A (zh) 测试设备稳定性的监控方法、装置、电子设备和存储介质
JP5771317B1 (ja) 異常診断装置及び異常診断方法
CN114926051A (zh) 一种用于评估半导体设备制造产能的分析系统
US20230229136A1 (en) Abnormal irregularity cause identifying device, abnormal irregularity cause identifying method, and abnormal irregularity cause identifying program
CN116842330A (zh) 一种可对比历史记录的保健信息处理方法及装置
CN116680599A (zh) 运维故障的识别方法、装置、设备及可读存储介质
JP5771318B1 (ja) 異常診断装置及び異常診断方法
TW201620057A (zh) 晶圓的良率判斷方法以及晶圓合格測試的多變量偵測方法
JP5569324B2 (ja) 操業条件管理装置
CN118013443B (zh) 基于生成模型算法的在线实时真空干泵异常检测方法
US12007428B2 (en) Systems and methods for multidimensional dynamic part average testing
CN117874687B (zh) 一种工业平板电脑的数据交互方法

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