CN116724276B - 可由计算机系统进行读取的存储介质、运转改善辅助装置及运转改善辅助方法 - Google Patents
可由计算机系统进行读取的存储介质、运转改善辅助装置及运转改善辅助方法 Download PDFInfo
- Publication number
- CN116724276B CN116724276B CN202180088902.3A CN202180088902A CN116724276B CN 116724276 B CN116724276 B CN 116724276B CN 202180088902 A CN202180088902 A CN 202180088902A CN 116724276 B CN116724276 B CN 116724276B
- Authority
- CN
- China
- Prior art keywords
- value
- improvement
- output data
- feature quantity
- simulation
- 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
Links
- 230000006872 improvement Effects 0.000 title claims abstract description 201
- 238000003860 storage Methods 0.000 title claims description 36
- 238000000034 method Methods 0.000 title claims description 24
- 238000004088 simulation Methods 0.000 claims abstract description 149
- 230000008859 change Effects 0.000 claims abstract description 33
- 238000000605 extraction Methods 0.000 claims description 27
- 238000010801 machine learning Methods 0.000 claims description 14
- 239000000284 extract Substances 0.000 claims description 9
- 230000006870 function Effects 0.000 claims description 7
- 230000004044 response Effects 0.000 claims description 3
- 238000012545 processing Methods 0.000 description 49
- 230000005856 abnormality Effects 0.000 description 22
- 238000010586 diagram Methods 0.000 description 12
- 239000000498 cooling water Substances 0.000 description 10
- 238000000465 moulding Methods 0.000 description 9
- 238000013473 artificial intelligence Methods 0.000 description 8
- 238000013500 data storage Methods 0.000 description 8
- 238000003754 machining Methods 0.000 description 8
- 238000001514 detection method Methods 0.000 description 7
- 230000000694 effects Effects 0.000 description 7
- 239000011347 resin Substances 0.000 description 7
- 229920005989 resin Polymers 0.000 description 7
- 238000011156 evaluation Methods 0.000 description 6
- 238000004519 manufacturing process Methods 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000013480 data collection Methods 0.000 description 3
- 238000003066 decision tree Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000012417 linear regression Methods 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000007710 freezing Methods 0.000 description 1
- 230000008014 freezing Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003449 preventive effect Effects 0.000 description 1
- 238000010187 selection method Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Abstract
运转改善辅助程序使计算机作为对仪器的运转状况的改善或由仪器的运转得到的成果的改善进行辅助的运转改善辅助装置(1)起作用。运转改善辅助程序使计算机执行以下步骤:根据包含与仪器的运转相关的多个特征量的各个值在内的输入数据对表示运转状况或成果的输出数据进行预测;从多个特征量之中提取在输出数据的预测中能够对值进行变更的对象特征量;通过使对象特征量的值进行变更而对要预测的输出数据进行模拟;以及对输出数据的模拟结果进行提示。
Description
技术领域
本发明涉及对仪器的运转的改善进行辅助的可由计算机系统进行读取的存储介质、运转改善辅助装置及运转改善辅助方法。
背景技术
关于在工厂等中运转的仪器,已知如下技术,即,将与仪器的运转相关的数据向预测模型输入,输出用于对仪器的运转进行评价的数据。在专利文献1中公开了如下评价系统,即,对用于从输入数据即工厂测量数据得到输出数据即评价值的预测模型进行学习,使用预测模型对评价值进行预测,由此对工厂的运营进行评价。另外,专利文献1的评价系统通过接收输入数据的变更,将被变更后的输入数据向预测模型输入,从而对变更了运转计划的情况下的评价值进行模拟。
专利文献1:日本特开2020-140252号公报
发明内容
根据专利文献1的技术,在对输入数据进行变更时,评价系统的操作者需要从输入数据所包含的参数之中决定对值进行变更的参数。在试图通过专利文献1的技术针对仪器的运转实现改善的情况下,由操作者决定作为对值进行变更的对象的参数。因此,对决定出的参数的值进行变更这一作法作为改善对策是否有效有时受到操作者的能力或经验影响。另外,为了决定被设为对值进行变更的对象的参数,有时需要反复试误。这样,根据专利文献1的技术,存在难以研究出用于对仪器的运转进行改善的对策这一问题。
本发明就是鉴于上述问题而提出的,其目的在于得到用于能够容易地研究出用于对仪器的运转进行改善的对策的运转改善辅助程序。
为了解决上述课题,达成目的,本发明涉及的运转改善辅助程序使计算机作为对仪器的运转状况的改善或由仪器的运转得到的成果的改善进行辅助的运转改善辅助装置起作用。本发明涉及的运转改善辅助程序使计算机执行以下步骤:根据包含与仪器的运转相关的多个特征量的各个值在内的输入数据对表示运转状况或成果的输出数据进行预测;从多个特征量之中提取在输出数据的预测中能够对值进行变更的对象特征量;通过使对象特征量的值进行变更而对要预测的输出数据进行模拟;以及对输出数据的模拟结果进行提示。
发明的效果
本发明涉及的运转改善辅助程序取得如下效果,即,能够容易地研究出用于对仪器的运转进行改善的对策。
附图说明
图1是表示实施方式1涉及的运转改善辅助装置的结构的图。
图2是表示由实施方式1涉及的运转改善辅助装置执行的对输出数据进行模拟时的动作流程的流程图。
图3是表示由实施方式1涉及的运转改善辅助装置执行的利用模拟结果时的动作流程的流程图。
图4是用于对实施方式1涉及的运转改善辅助装置中的输出数据的目标值的输入进行说明的图。
图5是用于对实施方式1涉及的运转改善辅助装置中的模拟结果及对象特征量的项目的提示进行说明的图。
图6是用于对实施方式1涉及的运转改善辅助装置中的特征量的选择进行说明的图。
图7是用于对在实施方式1涉及的运转改善辅助装置中为了选择对象特征量而取得的重要程度进行说明的图。
图8是表示实现实施方式1涉及的运转改善辅助装置的硬件的结构例的图。
具体实施方式
以下,基于附图,对实施方式涉及的运转改善辅助程序、运转改善辅助装置及运转改善辅助方法详细地进行说明。
实施方式1
图1是表示实施方式1涉及的运转改善辅助装置1的结构的图。运转改善辅助装置1对仪器的运转状况的改善或由仪器的运转得到的成果的改善进行辅助。在实施方式1中,仪器是在工厂设置的FA(Factory Automation)仪器2。在图1中示出运转改善辅助装置1的功能结构、FA仪器2、对FA仪器2进行控制的控制装置3、对与FA仪器2相关的数据进行收集的数据收集装置4、机器学习装置5。FA仪器2例如是加工机。
在实施方式1中,运转改善辅助装置1针对FA仪器2或包含FA仪器2的FA系统,对诸如生产率的改善这样的运转状况的改善、由用于预防维护的监视实现的运转状况的改善等进行辅助。或者,运转改善辅助装置1针对FA仪器2或FA系统的运转的成果即产品,对品质的改善等进行辅助。此外,FA仪器2不限于加工机,也可以是除加工机以外的仪器。这里说明的运转改善辅助装置1的用途是作为例子举出的,但运转改善辅助装置1的用途不限于此。
运转改善辅助装置1具有用户接口部10、对被输入至运转改善辅助装置1的数据进行处理的数据处理部20、对信息进行存储的存储部30。
用户接口部10具有接收来自运转改善辅助装置1外部的数据的输入的输入部11、向运转改善辅助装置1的外部输出数据的输出部12和由运转改善辅助装置1的操作者进行操作的操作部13。输入部11接收操作者的手动输入。关于输入部11、输出部12及操作部13的详情,会在后面叙述。
数据处理部20具有改善处理部21、模拟部22和对象特征量提取部23。存储部30具有模拟结果储存部31、训练好模型储存部32和输入数据储存部33。
在输入数据储存部33中储存在FA仪器2的运转时收集到的数据即输入数据。在输入数据中包含表示与仪器的运转相关的多个特征量各自的参数。即,输入数据包含与仪器的运转相关的多个特征量的各个值。关于特征量的具体例,会在后面叙述。对象特征量提取部23从在输入数据中包含值的多个特征量之中提取对象特征量。对象特征量是被设为模拟对象的特征量,是在输出数据的预测中可对值进行变更的特征量。
在训练好模型储存部32中储存由事先的机器学习生成的训练好的模型。模拟部22通过将输入数据向训练好的模型输入而对输出数据进行预测。另外,模拟部22通过使对象特征量的值进行变更而对要预测的输出数据进行模拟。在模拟结果储存部31中储存由模拟部22得到的模拟结果。改善处理部21基于输出数据的目标值和模拟结果而进行用于提示改善对策的处理。改善处理部21进行用于将可达成输出数据的目标值或得到接近目标值的输出数据的模拟结果和对象特征量的各项目作为改善对策进行提示的处理。
输入部11具有:目标值输入部14,其被输入输出数据的目标值;以及对象特征量输入部15,其在通过操作者的选择对包含于对象特征量的特征量进行筛选时,被输入所选择出的特征量的信息。
操作部13具有模拟操作部18。模拟操作部18将对象特征量的可变更的值的范围与被作为改善对策提示的模拟结果及对象特征量的项目一起进行提示。另外,模拟操作部18接收在提示出的范围内使对象特征量的值进行变更的操作。运转改善辅助装置1通过模拟操作部18的操作而使模拟结果所示的输出数据的预测结果改变。模拟操作部18具有作为对模拟结果、对象特征量的项目、对象特征量的可变更的值的范围进行提示的提示部的功能。
输出部12具有控制反馈部16和报告输出部17。控制反馈部16向控制装置3输出反馈值。反馈值包含与被作为改善对策而设定的模拟结果对应的对象特征量的值。或者,反馈值包含通过模拟操作部18的操作而被变更的对象特征量的值。报告输出部17向运转改善辅助装置1的外部输出将反馈值和模拟结果汇总起来的报告。
数据收集装置4从FA仪器2取得数据,收集所取得的数据。运转改善辅助装置1将由数据收集装置4收集到的数据储存于输入数据储存部33。
机器学习装置5生成用于根据输入数据对表示仪器的运转状况或由仪器的运转得到的成果的输出数据进行预测的训练好的模型。机器学习装置5通过有教师学习或无教师学习而生成训练好的模型。运转改善辅助装置1将由机器学习装置5生成的训练好的模型储存于训练好模型储存部32。
接下来,说明基于收集到的输入数据对输出数据进行模拟时的运转改善辅助装置1的动作。图2是表示由实施方式1涉及的运转改善辅助装置1执行的对输出数据进行模拟时的动作流程的流程图。
数据收集装置4从FA仪器2取得数据,收集所取得的数据。在步骤S1中,运转改善辅助装置1将由数据收集装置4收集到的输入数据储存于输入数据储存部33。
在步骤S2中,运转改善辅助装置1接收用于对值可变更的特征量进行选择的操作。将由操作者选择出的特征量的信息输入至对象特征量输入部15。选择出的特征量的信息被向对象特征量提取部23发送。
在步骤S3中,运转改善辅助装置1按照每个特征量的重要程度而由对象特征量提取部23提取对象特征量。对象特征量提取部23从输入数据储存部33读出输入数据。对象特征量提取部23从在输入数据中包含值的多个特征量之中筛选由操作者选择出的特征量。对象特征量提取部23从训练好模型储存部32内的训练好的模型取得与被筛选出的特征量各自相关的重要程度的信息。对象特征量提取部23从被筛选出的特征量之中按照每个特征量的重要程度而选出对象特征量。由此,对象特征量提取部23从多个特征量之中提取在输出数据的预测中可对值进行变更的对象特征量。
在步骤S4中,运转改善辅助装置1在模拟部22中对输出数据进行模拟。模拟部22从对象特征量提取部23取得对象特征量的信息。模拟部22通过向从训练好模型储存部32读出的训练好的模型输入从输入数据储存部33读出的输入数据,从而对输出数据进行预测。另外,模拟部22使输入数据所包含的对象特征量的值进行变更,将包含被变更后的值的输入数据向训练好的模型输入。由此,模拟部22通过使对象特征量的值进行变更而对要预测的输出数据进行模拟。模拟部22在对对象特征量的值进行变更之前,根据输入数据对输出数据进行预测,并且通过使对象特征量的值进行变更而对要预测的输出数据进行模拟。使对象特征量的值相对于取得了输入数据的时间点时的值在预先设定的范围内进行变化。模拟部22反复进行该范围内的值的变更和输出数据的模拟。
在步骤S5中,运转改善辅助装置1将由模拟部22得到的模拟结果储存于模拟结果储存部31。通过由模拟部22反复进行模拟,从而在模拟结果储存部31中积蓄模拟结果。由此,运转改善辅助装置1结束由图2所示的流程进行的处理。在模拟结果储存部31中积蓄的模拟结果是在对可以使输出数据的值得到改善的对象特征量的值进行探索时利用的。
在输入数据中包含可由操作者调整的特征量的值和无法由操作者调整的特征量的值。作为可由操作者调整的特征量,例如存在控制参数等。作为无法由操作者调整的特征量,例如存在时刻、被加工物的材料等。在将在输入数据中包含值的全部特征量设为模拟的对象的情况下,有时模拟需要大量的时间和庞大的计算量。运转改善辅助装置1通过由操作者筛选可由操作者进行值的调整的特征量,从而将在谋求运转的改善时无法调整的特征量从模拟的对象中排除。运转改善辅助装置1能够实现模拟所需的时间的减少和计算量的减少,并且能够实现高效的模拟。
在训练好的模型中包含表示各特征量的重要程度的信息。即,重要程度是在生成训练好的模型时计算出的。重要程度例如是决策树重要程度、线性回归中的系数、维度压缩贡献率等。运转改善辅助装置1通过按照重要程度而选择对象特征量,从而能够将重要程度高的特征量作为重点而进行模拟。
接下来,对利用模拟结果时的运转改善辅助装置1的动作进行说明。图3是表示由实施方式1涉及的运转改善辅助装置1执行的利用模拟结果时的动作流程的流程图。
在步骤S11中,运转改善辅助装置1在目标值输入部14中接收输出数据的目标值。由操作者向目标值输入部14输入目标值。输入进来的目标值被向改善处理部21发送。
在步骤S12中,运转改善辅助装置1通过改善处理部21而决定对象特征量的项目和对象特征量的可变更的值的范围。改善处理部21从模拟结果储存部31读出模拟结果。改善处理部21从读出的模拟结果之中选择能够达成输出数据的目标值或可得到接近目标值的输出数据的模拟结果。改善处理部21将选择出的模拟结果决定为要提示的模拟结果。另外,改善处理部21将选择出的模拟结果中的对象特征量的项目决定为要提示的对象特征量的项目。然后,改善处理部21针对对象特征量的每个项目而决定可变更的值的范围。改善处理部21将决定出的模拟结果、决定出的对象特征量的项目和对象特征量的每个项目的值的范围向模拟操作部18发送。
在步骤S13中,运转改善辅助装置1在模拟操作部18中对对象特征量的项目和对象特征量的可变更的值的范围进行提示。另外,运转改善辅助装置1在模拟操作部18中接收使对象特征量的值进行变更的操作。模拟操作部18对从改善处理部21取得的对象特征量的项目与从改善处理部21取得的模拟结果一起进行提示。另外,模拟操作部18对从改善处理部21取得的对象特征量的可变更的值的范围进行提示。模拟操作部18按照使对象特征量的值进行变更的操作而使模拟结果所示的输出数据的预测结果改变。
在步骤S14中,运转改善辅助装置1按照由操作者进行的对模拟操作部18的操作而决定对象特征量的值。操作者通过一边参照被提示的预测结果一边使对象特征量的值进行变更,从而探索可使输出数据的值得到改善的对象特征量的值。使输出数据的值得到改善是指使输出数据的值接近输出数据的目标值。模拟操作部18将决定出的对象特征量的值向输出部12发送。
在步骤S15中,运转改善辅助装置1通过输出部12而输出对象特征量的被决定出的值和模拟结果。控制反馈部16从模拟操作部18取得对象特征量的值,输出所取得的对象特征量的值即反馈值。报告输出部17从模拟操作部18取得对象特征量的被决定出的值和模拟结果,输出将反馈值和模拟结果汇总起来的报告。由此,运转改善辅助装置1结束由图3所示的流程进行的处理。
此外,操作者在根据由改善处理部21决定的模拟结果而判断为能够改善输出数据的值的情况下,决定为不通过对模拟操作部18的操作来变更对象特征量的值。在这种情况下,运转改善辅助装置1将与由改善处理部21决定的模拟结果相应的对象特征量的值直接用作改善对策。模拟操作部18将与模拟结果相应的对象特征量的值向输出部12发送。
图4是用于对实施方式1涉及的运转改善辅助装置1中的输出数据的目标值的输入进行说明的图。在图4中示出通过目标值输入部14的功能而显示的输入画面的例子。输入画面所示的曲线表示输出数据的模拟结果。在图4所示的例子中,输出数据是FA仪器2的运转率。曲线的纵轴表示FA仪器2的运转率的预测值。曲线的横轴表示时间。这样,运转改善辅助装置1通过对表示输出数据的值与时间之间的关系的曲线进行显示而提示输出数据的模拟结果。输出数据的值的时序由曲线示出,由此,操作者能够确认要预测的输出数据的推移。
在输入画面中显示用于在曲线中对被设为目标值的运转率的值进行调整的指针41。操作者通过鼠标等的操作而使指针41在纵轴的方向上移动。图4所示的曲线中的“目标值线”的虚线表示通过指针41而选择出的目标值。操作者在使指针41向被设为目标值的运转率的值的位置移动之后,进行用于决定指针41的位置的操作,由此决定向目标值输入部14输入的目标值。这样,目标值被输入至目标值输入部14。此外,这里说明的显示内容和操作方法是作为例子而举出的,不限于该显示内容及操作方法。
图5是用于对实施方式1涉及的运转改善辅助装置1中的模拟结果及对象特征量的项目的提示进行说明的图。在图5中示出通过模拟操作部18的功能而显示的操作画面的例子。在操作画面中,与图4所示的输入画面同样地,显示表示输出数据的模拟结果的曲线。
在操作画面内的显示区域42显示对象特征量的项目和对象特征量的可变更的值的范围。图5的显示区域42中的“A”、“B”及“C”各自表示对象特征量的项目。在图5中显示有对象特征量的3个项目。另外,在各项目的右侧示出的滑动条43表示对象特征量的可变更的值的范围。另外,在各滑动条43附有用于对对象特征量的值进行变更的指针44。此外,这里说明的显示内容和操作方法是作为例子而举出的,不限于该显示内容及操作方法。
“A”、“B”及“C”是由对象特征量提取部23提取出的特征量。另外,各特征量的重要程度的高度的顺序从高至低是“C”、“A”、“B”的顺序。在显示区域42中,特征量的3个项目从重要程度高的项目开始依次从上向下排列地显示。重要程度也可以说是在运转的改善对策中对值进行变更的效果的大小。显示区域42中的“效果大”、“效果小”表示上述效果的大小。另外,各项目的滑动条43的长度是按照重要程度的高度而设定的。在操作画面中,重要程度越高,则可使对象特征量的值改变的范围被确保得越大。这样,运转改善辅助装置1通过将对象特征量的项目和对象特征量的可变更的值的范围显示于操作画面,从而对对象特征量的项目和对象特征量的可变更的值的范围进行提示。
操作者通过鼠标等的操作而使针对特征量的每个项目的各指针44进行移动。操作者通过使指针44进行移动而使对象特征量的值进行变更。模拟操作部18与对象特征量的值的变更对应地使在操作画面上显示的输出数据的模拟结果改变。操作者通过在使各指针44任意地移动之后进行用于决定各指针44的位置的操作,从而决定各对象特征量的变更后的值。在图5中,“改善后的预测结果”的曲线表示使对象特征量的值变更后的模拟结果的例子。这样,运转改善辅助装置1按照对模拟操作部18的操作,使模拟结果所示的输出数据的预测结果改变,并且对输出数据的模拟结果进行提示。
接下来,对由实施方式1涉及的运转改善辅助装置1实现的辅助的例子进行说明。第1例是使用通过有教师学习而生成的训练好的模型的例子。在第1例中,运转改善辅助装置1对由作为FA仪器2的加工机制造的加工件的尺寸进行预测,对预测结果不满足规定的尺寸的情况下的控制参数的合理化进行辅助。由此,运转改善辅助装置1进行使由加工机的运转得到的成果即加工件的品质得到改善的辅助。能够通过加工件的品质的改善,从而达成生产系统使不合格率降低并且使生产效率提高这一课题。
机器学习装置5使用包含过去的加工中的加工机的数据和由过去的加工得到的加工件的尺寸的数据在内的数据集而生成根据加工机的数据来预测加工件的尺寸的学习模型。在加工机的数据中包含诸如加工时间、电流指令值、电动机转速及冷却水温度这样的控制参数的值。另外,在加工机的数据中包含诸如电动机温度、设备温度、加工机的机器编号这样的周边数据。机器编号是用于对加工机彼此进行识别的编号。加工件的尺寸例如为0.1mm单位的数值。机器学习装置5将加工机的数据设为输入(x),将加工件的尺寸设为输出(y),通过使用了有教师学习的算法的学习而生成训练好的回归模型。机器学习装置5在训练好的回归模型的生成时使用诸如多元回归、决策树、深度学习这样的算法。所生成的训练好的回归模型被储存于训练好模型储存部32。
接下来,针对第1例,对根据加工机的数据来模拟加工件的尺寸时的运转改善辅助装置1的动作进行说明。模拟部22将通过加工机的运转而收集的输入数据向训练好的回归模型输入,由此对加工件的尺寸进行预测。在预测的结果不满足规定的尺寸的情况下,以往仅知晓当前的加工件的尺寸不满足规定的尺寸,却不知为了将加工件的尺寸修正为规定的尺寸应该采取何种改善对策。
在实施方式1中,运转改善辅助装置1对通过使对象特征量的值变更而预测出的输出数据进行模拟。运转改善辅助装置1对被从模拟结果之中决定为改善对策的模拟结果进行提示。并且,运转改善辅助装置1按照使对象特征量的值进行变更的操作而使模拟结果所示的输出数据的预测结果改变。操作者通过参照由运转改善辅助装置1作出的提示,从而能够容易地研究出用于将加工件的尺寸修正为规定的尺寸的改善对策。
图6是用于对实施方式1涉及的运转改善辅助装置1中的特征量的选择进行说明的图。在图6中示出通过对象特征量输入部15的功能而显示的选择画面的例子。在选择画面中显示有“请选择可调的特征量”的消息和作为选择对象的特征量的项目。在图6中,“装置机器编号”、“加工时间”、“设备温度”、“冷却水温度”、“电动机温度”、“电动机转速”、“电流指令值”分别是特征量的项目的例子。“装置机器编号”表示加工机的机器编号。另外,在各项目的左侧显示用于对项目进行选择的复选框。
对象特征量输入部15将在输入数据中包含值的全部特征量的各项目作为选择画面中的选择项而进行显示。在第1例中,如图6所示,由操作者选择了作为控制参数的“加工时间”、“冷却水温度”、“电动机转速”及“电流指令值”。操作者通过鼠标等的操作而选中复选框,由此,由操作者选择出的特征量的信息被输入至对象特征量输入部15。此外,这里说明的选择的方法是作为例子而举出的,不限于该方法。
图7是用于对在实施方式1涉及的运转改善辅助装置1中为了选择对象特征量而取得的重要程度进行说明的图。在图7中,针对图6所示的特征量的各项目,通过条形图而表示特征量的重要程度。
对象特征量提取部23从训练好的回归模型取得与各特征量相关的重要程度的信息。在学习时,计算出诸如线性回归中的系数或决策树中的基尼不纯度这样的表示特征量的重要程度的信息。在训练好的回归模型中包含表示特征量的重要程度的信息。对象特征量提取部23从训练好的回归模型取得每个特征量的重要程度的信息。在图7所示的例子中,“装置机器编号”、“电动机转速”、“电流指令值”、“冷却水温度”、“设备温度”、“电动机温度”、“加工时间”的重要程度依次升高。
对象特征量提取部23从由操作者选择出的特征量之中选出满足与重要程度的高度相关的条件的特征量。由此,对象特征量提取部23将值能够变更且重要程度高的特征量作为对象特征量而进行提取。与重要程度的高度相关的条件例如设为表示重要程度的高度的值大于阈值这一情况等。对象特征量提取部23根据重要程度而提取对象特征量的方法不限于基于与阈值之间的比较,是任意的。
在第1例中,对象特征量提取部23将图6及图7所示的特征量的各项目中的“加工时间”、“冷却水温度”及“电流指令值”作为对象特征量而进行提取。运转改善辅助装置1在由模拟部22进行的模拟中,仅使输入数据中的对象特征量的值进行变更,对加工件的尺寸的预测值的变化进行记录。运转改善辅助装置1将对象特征量的变更后的值和根据对象特征量的值的变更而变化后的预测值作为模拟结果而进行保存。
接下来,针对第1例,对利用模拟结果时的运转改善辅助装置1的动作进行说明。在加工件的尺寸的预测值不满足规定的尺寸的情况下,操作者在图4所示的输入画面中输入加工件的尺寸的目标值。如果输入了目标值,则在图5所示的操作画面中,作为可达成输出数据的目标值或得到接近目标值的输出数据的模拟结果而显示由改善处理部21决定出的模拟结果。上述模拟结果是基于训练好的回归模型的模拟结果,因此与上述模拟结果对应的对象特征量的值可以说是作为机器学习装置5的AI(Artificial Intelligence)所推荐的改善对策。另外,与上述模拟结果对应的对象特征量的值也可以说是由操作者变更前的初始值。运转改善辅助装置1将与AI所推荐的初始值相应的模拟结果显示于操作画面。
当在操作画面中进行了使对象特征量的值变更的操作的情况下,运转改善辅助装置1在操作画面中显示按照对象特征量的值的变更而变化后的模拟结果。操作者在操作画面中对与AI所推荐的初始值相应的模拟结果和按照对象特征量的值的变更而变化后的模拟结果进行确认。操作者通过在操作画面中对加工件的尺寸更接近目标值的模拟结果进行确认,从而能够为了使加工件的尺寸接近目标值而求出合适的控制参数。
例如,AI所推荐的初始值是“加工时间”30秒、“冷却水温度”-5℃、“电流指令值”10A。-5℃是低于冷却水的凝固点的温度,因此无法将“冷却水温度”设定为-5℃,因此操作者将“冷却水温度”设为5℃,并且使“加工时间”及“电流指令值”的各个值进行变更,使运转改善辅助装置1提示模拟结果。操作者在判断为提示出的模拟结果中在“加工时间”为32秒、“电流指令值”为9A的情况下能够使加工件的尺寸接近目标值的情况下,将对象特征量的值的组合决定为“冷却水温度”5℃、“加工时间”32秒及“电流指令值”9A。
操作者能够使用决定出的对象特征量的值,经由可编程显示器等手动地对控制参数进行变更。或者,通过将控制装置3的数据区域与控制参数相关联,并且将运转改善辅助装置1与控制装置3直接连接,从而运转改善辅助装置1能够将通过操作画面中的操作而决定出的对象特征量的值直接写入至数据区域。控制装置3的数据区域也被称为“设备”。由控制反馈部16输出的反馈值被写入至控制装置3的数据区域。
模拟结果和对象特征量的值保留在记录中而适当地沿用也是有益的。运转改善辅助装置1通过输出将反馈值和模拟结果汇总起来的报告,从而能够实现反馈值和模拟结果的有效利用。运转改善辅助装置1也可以按照操作画面中的操作者的指示而输出报告。
接下来,对由实施方式1涉及的运转改善辅助装置1实现的辅助的第2例进行说明。第2例是使用通过无教师学习而生成的训练好的模型的例子。在第2例中,运转改善辅助装置1进行作为FA仪器2的成型机的异常预测,对异常概率大于或等于一定概率的情况下的控制参数的合理化进行辅助。由此,运转改善辅助装置1进行使成型机的运转状况得到改善的辅助。通过改善成型机的运转状况,从而能够达成生产系统使不合格率降低并且使生产效率提高这一课题。
机器学习装置5仅使用过去的正常时的成型时数据而生成训练好的模型。在成型时数据中包含诸如模具温度、喷出速度、喷出压力、取出时间这样的控制参数的值。另外,在成型时数据中包含诸如树脂温度、树脂粘度、外部气温、模具编号、装置机器编号这样的周边数据。机器学习装置5将成型机的数据设为输入(x),通过使用了无教师学习的算法的学习而生成训练好的模型即异常检测模型。机器学习装置5在异常检测模型的生成中使用诸如MT(Mahalanobis Taguchi)法、自动编码这样的算法。所生成的异常检测模型被储存于训练好模型储存部32。
接下来,针对第2例,说明根据成型时数据而进行成型机的异常预测时的运转改善辅助装置1的动作。模拟部22将通过成型机的运转而收集的输入数据向异常检测模型输入,由此对异常概率进行预测。在异常概率高的情况下,以往仅知晓当前的异常概率高,但不知为了降低异常概率而采取何种改善对策才好。
在实施方式1中,运转改善辅助装置1通过使对象特征量的值进行变更而对要预测的输出数据进行模拟。运转改善辅助装置1对被从模拟结果之中决定为改善对策的模拟结果进行提示。并且,运转改善辅助装置1按照使对象特征量的值进行变更的操作而使模拟结果所示的输出数据的预测结果改变。操作者通过参照由运转改善辅助装置1得到的提示,从而能够容易地研究出用于降低异常概率的改善对策。
在第2例中,由操作者选择出作为控制参数的“模具温度”、“喷出速度”、“喷出压力”及“取出时间”而作为“可调的特征量”。
对象特征量提取部23从异常检测模型取得各特征量的重要程度的信息。在学习时,计算出诸如MT法中的贡献率这样的表示特征量的重要程度的信息。在异常检测模型中包含表示特征量的重要程度的信息。对象特征量提取部23从异常检测模型取得每个特征量的重要程度的信息。在第2例中,“模具编号”、“树脂温度”、“模具温度”、“喷出速度”、“喷出压力”、“外部气温”、“取出时间”的重要程度依次升高。
对象特征量提取部23从由操作者选择出的特征量之中选出满足与重要程度的高度相关的条件的特征量。由此,对象特征量提取部23将值能够变更且重要程度高的特征量作为对象特征量而进行提取。与重要程度的高度相关的条件例如为表示重要程度的高度的值大于阈值这一情况等。对象特征量提取部23根据重要程度而提取对象特征量的方法不限于基于与阈值之间的比较,是任意的。
在第2例中,对象特征量提取部23将“模具温度”、“喷出速度”及“喷出压力”作为对象特征量而进行提取。运转改善辅助装置1在由模拟部22进行的模拟中,仅使输入数据中的对象特征量的值进行变更,对异常概率的预测值的变化进行记录。运转改善辅助装置1将对象特征量的变更后的值和根据对象特征量的值的变更而变化后的预测值作为模拟结果而进行保存。
接下来,针对第2例,对利用模拟结果时的运转改善辅助装置1的动作进行说明。在异常概率高的情况下,例如在异常概率大于或等于50%的情况下,操作者在图4所示的输入画面中设定异常概率的目标值。目标值例如设为小于或等于20%的值。如果输入了目标值,则在图5所示的操作画面中,作为能够达成输出数据的目标值或得到接近于达成目标值的输出数据的模拟结果而显示由改善处理部21决定出的模拟结果。运转改善辅助装置1将与AI所推荐的初始值相应的模拟结果显示于操作画面。
当在操作画面中进行了使对象特征量的值变更的操作的情况下,运转改善辅助装置1在操作画面中对按照对象特征量的值的变更而变化后的模拟结果进行显示。操作者在操作画面中对与AI所推荐的初始值相应的模拟结果和按照对象特征量的值的变更而变化后的模拟结果进行确认。操作者通过在操作画面中对异常概率更接近目标值的模拟结果进行确认,从而能够为了达成异常概率的目标值而求出合适的控制参数。
例如,AI所推荐的初始值是“模具温度”100℃、“树脂温度”200℃、“喷出速度”10mm/sec、“喷出压力”30MPa。由于无法使“喷出速度”变小且提高“喷出压力”,因此操作者将“喷出速度”设为20mm/sec并且变更“模具温度”、“树脂温度”及“喷出压力”的各个值,向运转改善辅助装置1提示模拟结果。操作者在判断为提示出的模拟结果中在“模具温度”90℃、“树脂温度”200℃、“喷出压力”30MPa的情况下能够达成异常概率的目标值的情况下,将对象特征量的值的组合决定为“模具温度”90℃、“树脂温度”200℃、“喷出压力”30MPa。
操作者能够使用决定出的对象特征量的值,经由可编程显示器等手动地对控制参数进行变更。或者,通过将控制装置3的数据区域与控制参数相关联,并且将运转改善辅助装置1与控制装置3直接连接,从而运转改善辅助装置1能够将通过操作画面中的操作而决定出的对象特征量的值直接写入至控制装置3的数据区域。由控制反馈部16输出的反馈值被写入至控制装置3的数据区域。
模拟结果和对象特征量的值保留在记录中而适当地沿用也是有益的。运转改善辅助装置1能够通过输出将反馈值和模拟结果汇总起来的报告而实现反馈值和模拟结果的有效利用。运转改善辅助装置1也可以按照操作画面中的操作者的指示而输出报告。
接下来,对实现实施方式1涉及的运转改善辅助装置1的硬件结构进行说明。图8是表示实现实施方式1涉及的运转改善辅助装置1的硬件的结构例的图。运转改善辅助装置1是安装有运转改善辅助程序的计算机系统。运转改善辅助程序是用于使计算机作为运转改善辅助装置1起作用的程序。运转改善辅助装置1的主要部分即改善处理部21、模拟部22及对象特征量提取部23是由具有处理器53和存储器54的处理电路51实现的。
输入接口部52是从外部接收针对运转改善辅助装置1的输入信号的电路。输出接口部55是将由运转改善辅助装置1生成的信号向外部输出的电路。用户接口部10由输入接口部52及输出接口部55实现。输入接口部52负责FA仪器2的数据的接收和训练好的模型的接收。输出接口部55负责反馈值向外部的发送和报告向外部的发送。输入接口部52包含用于由操作者输入信息的输入设备即键盘或鼠标等。输出接口部55包含对输入画面及操作画面进行显示的显示设备。显示设备是显示器或监视器等。
处理器53是CPU(Central Processing Unit)。处理器53也可以是运算装置、微处理器、微型计算机或DSP(Digital Signal Processor)。存储器54例如是RAM(RandomAccess Memory)、ROM(Read Only Memory)、闪存、EPROM(Erasable Programmable ReadOnly Memory)、EEPROM(注册商标)(Electrically Erasable Programmable Read OnlyMemory)等非易失性或易失性的存储器。
处理器53执行运转改善辅助程序。运转改善辅助程序是记述有用于作为运转改善辅助装置1的主要部分即改善处理部21、模拟部22及对象特征量提取部23而进行动作的处理的程序。运转改善辅助程序被预先储存于存储器54。处理器53通过读出、执行在存储器54中储存的运转改善辅助程序而作为改善处理部21、模拟部22及对象特征量提取部23进行动作。存储器54也用作处理器53执行各种处理时的临时存储器。存储器54包含对各种信息进行存储的存储装置。存储装置是HDD(Hard Disk Drive)或SSD(Solid State Drive)。模拟结果储存部31、训练好模型储存部32及输入数据储存部33由存储装置实现。
运转改善辅助程序被预先储存于存储器54,但不限定于此。运转改善辅助程序也可以在被写入至可由计算机系统进行读取的存储介质的状态下被提供给运转改善辅助装置1的用户,由用户安装于存储器54。存储介质也可以是作为便携型存储介质的软盘或作为半导体存储器的闪存。运转改善辅助程序也可以被从其它计算机或服务器装置经由通信网络而安装于存储器54。
根据实施方式1,运转改善辅助装置1从在输入数据中包含值的多个特征量提取对象特征量。运转改善辅助装置1通过使对象特征量的值进行变更而对要预测的输出数据进行模拟,对输出数据的模拟结果进行提示。运转改善辅助装置1能够将使对象特征量的值变更后的模拟结果作为改善对策而进行提示。即使不由操作者决定被设为对值进行变更的对象的特征量,操作者也能够根据由运转改善辅助装置1提示的内容来研究具体的改善对策。操作者能够容易地导出有效的改善对策而不依赖于操作者的能力或经验。
运转改善辅助装置1能够在输出数据的模拟中使用由有教师学习或无教师学习得到的训练好的模型。运转改善辅助装置1也可以不为了与课题相应的模拟而预先确定输入数据或预测的对象,另外,也可以不构建专用的模拟器。与需要数据的确定或模拟器的构建这样的措施的情况相比,运转改善辅助装置1能够容易地根据课题而调整输入数据的值。
另外,运转改善辅助装置1对模拟结果、对象特征量的项目、对象特征量的可变更的值的范围进行提示,接收使对象特征量的值进行变更的操作。操作者能够直观地理解使对象特征量的值进行了变更的情况下的输出数据的变化。
由此,运转改善辅助装置1取得如下效果,即,能够容易地研究出用于对仪器的运转进行改善的对策。此外,运转改善辅助装置1不限于应用于工厂,也可以应用于除生产领域以外的车间等的运转。
以上实施方式所示的结构表示的是本发明的内容的一个例子。实施方式的结构能够与其它公知技术进行组合。在不脱离本发明的主旨的范围内,能够省略或变更实施方式的结构的一部分。
标号的说明
1运转改善辅助装置,2FA仪器,3控制装置,4数据收集装置,5机器学习装置,10用户接口部,11输入部,12输出部,13操作部,14目标值输入部,15对象特征量输入部,16控制反馈部,17报告输出部,18模拟操作部,20数据处理部,21改善处理部,22模拟部,23对象特征量提取部,30存储部,31模拟结果储存部,32训练好模型储存部,33输入数据储存部,41、44指针,42显示区域,43滑动条,51处理电路,52输入接口部,53处理器,54存储器,55输出接口部。
Claims (9)
1.一种可由计算机系统进行读取的存储介质,其存储有运转改善辅助程序,该运转改善辅助程序使计算机作为对仪器的运转状况的改善或由所述仪器的运转得到的成果的改善进行辅助的运转改善辅助装置起作用,
该运转改善辅助程序的特征在于,使所述计算机执行以下步骤:
根据在所述仪器的运转时收集的包含与所述仪器的运转相关的多个特征量的各个值在内的输入数据,对表示所述运转状况或所述成果的输出数据进行预测;
从所述多个特征量之中提取在所述输出数据的预测中能够进行值的调整的特征量即对象特征量;
通过由所述运转改善辅助装置自主地或与来自外部的操作对应地使所述对象特征量的值进行变更,从而对要预测的所述输出数据进行模拟;以及
将与所述对象特征量的值的变更对应地变化的所述输出数据的模拟结果作为所述成果的改善对策进行提示。
2.根据权利要求1所述的可由计算机系统进行读取的存储介质,其特征在于,
该运转改善辅助程序还使所述计算机执行以下步骤,即,对所述对象特征量的项目和所述对象特征量的可变更的值的范围进行提示,接收在所述范围内使所述对象特征量的值进行变更的操作,
在对所述模拟结果进行提示的步骤中,使所述模拟结果所示的所述输出数据的预测结果按照所述操作进行变化。
3.根据权利要求1或2所述的可由计算机系统进行读取的存储介质,其特征在于,
在对所述输出数据进行预测的步骤和对所述输出数据进行模拟的步骤各自中,向通过机器学习而生成的训练好的模型输入所述输入数据,由此求出所述输出数据。
4.根据权利要求3所述的可由计算机系统进行读取的存储介质,其特征在于,
该运转改善辅助程序还使所述计算机执行以下步骤,即,从所述训练好的模型取得与所述多个特征量各自相关的重要程度的信息,按照所述重要程度而提取所述对象特征量。
5.根据权利要求4所述的可由计算机系统进行读取的存储介质,其特征在于,
该运转改善辅助程序还使所述计算机执行以下步骤,即,接收用于从所述多个特征量选择能够对值进行变更的特征量的操作,
在提取所述对象特征量的步骤中,从选择出的特征量之中提取所述对象特征量。
6.根据权利要求1或2所述的可由计算机系统进行读取的存储介质,其特征在于,
在对所述输出数据的模拟结果进行提示的步骤中,所述模拟结果被显示于画面,
通过所述画面中的操作而输入所述输出数据的目标值。
7.根据权利要求1或2所述的可由计算机系统进行读取的存储介质,其特征在于,
该运转改善辅助程序还使所述计算机执行以下步骤,即,将所述模拟结果和与所述模拟结果对应的所述对象特征量的值向所述运转改善辅助装置的外部输出。
8.一种运转改善辅助装置,其对仪器的运转状况的改善或由所述仪器的运转得到的成果的改善进行辅助,
该运转改善辅助装置的特征在于,具有:
对象特征量提取部,为了根据在所述仪器的运转时收集的包含与所述仪器的运转相关的多个特征量的各个值在内的输入数据,对按照所述输入数据使所述仪器进行了运转的情况下的表示所述运转状况或所述成果的输出数据进行模拟,该对象特征量提取部从所述多个特征量之中提取能够进行值的调整的特征量即对象特征量;
模拟部,其通过模拟而求出与所述对象特征量的变更后的值对应的所述输出数据;以及
提示部,其将与所述对象特征量的变更后的值对应地变化的所述模拟的结果作为所述成果的改善对策进行提示,
在所述模拟中,由所述运转改善辅助装置自主地或与来自外部的操作对应地使所述对象特征量的值进行变更。
9.一种运转改善辅助方法,其通过运转改善辅助装置对仪器的运转状况的改善或由所述仪器的运转得到的成果的改善进行辅助,
该运转改善辅助方法的特征在于,包含以下步骤:
根据在所述仪器的运转时收集的包含与所述仪器的运转相关的多个特征量的各个值在内的输入数据,对表示所述运转状况或所述成果的输出数据进行预测;
从所述多个特征量之中提取在所述输出数据的预测中能够进行值的调整的特征量即对象特征量;
通过由所述运转改善辅助装置自主地或与来自外部的操作对应地使所述对象特征量的值进行变更,从而对要预测的所述输出数据进行模拟;以及
将与所述对象特征量的值的变更对应地变化的所述输出数据的模拟结果作为所述成果的改善对策进行提示。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP2021/011224 WO2022195825A1 (ja) | 2021-03-18 | 2021-03-18 | 運転改善支援プログラム、運転改善支援装置および運転改善支援方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116724276A CN116724276A (zh) | 2023-09-08 |
CN116724276B true CN116724276B (zh) | 2024-06-21 |
Family
ID=
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007109022A (ja) * | 2005-10-13 | 2007-04-26 | Shimadzu System Solutions Co Ltd | 監視・制御システム |
JP2013145521A (ja) * | 2012-01-16 | 2013-07-25 | Nippon Steel & Sumitomo Metal | 製造プロセスの能率予測方法、装置及びプログラム |
JP2020060419A (ja) * | 2018-10-09 | 2020-04-16 | 三菱電機株式会社 | 異物監視装置および異物監視方法 |
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007109022A (ja) * | 2005-10-13 | 2007-04-26 | Shimadzu System Solutions Co Ltd | 監視・制御システム |
JP2013145521A (ja) * | 2012-01-16 | 2013-07-25 | Nippon Steel & Sumitomo Metal | 製造プロセスの能率予測方法、装置及びプログラム |
JP2020060419A (ja) * | 2018-10-09 | 2020-04-16 | 三菱電機株式会社 | 異物監視装置および異物監視方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11216741B2 (en) | Analysis apparatus, analysis method, and non-transitory computer readable medium | |
CN108227633A (zh) | 数值控制装置以及机器学习装置 | |
US8515569B2 (en) | Work support system, work support method, and storage medium | |
JP6601433B2 (ja) | イベント解析装置、イベント解析システム、イベント解析方法、イベント解析プログラム及び記録媒体 | |
JP7007243B2 (ja) | 異常検知システム | |
JP2008003920A (ja) | 時系列データの予測・診断装置およびそのプログラム | |
JP6711323B2 (ja) | プロセスの異常状態診断方法および異常状態診断装置 | |
EP4068140A1 (en) | Method and system for optimizing a simulation model using machine learning | |
JP2022002126A (ja) | 多変量バッチ制御解析のためのステージを画定する方法及び装置、製造物品 | |
US20210333768A1 (en) | Control support apparatus, control support method, computer readable medium with control support program recorded thereon and control system | |
JP7081728B1 (ja) | 運転支援装置、運転支援方法及びプログラム | |
CN113988325A (zh) | 一种电力系统故障预警方法、装置、终端设备及存储介质 | |
JP7156975B2 (ja) | 運営評価装置、運営評価方法、およびプログラム | |
CN114528942A (zh) | 工程机械的数据样本库的构建、故障预测方法及工程机械 | |
JP2006276924A (ja) | 設備機器診断装置及び設備機器診断プログラム | |
CN110134913B (zh) | 数据分析方法、数据分析装置以及记录介质 | |
JP6702297B2 (ja) | プロセスの異常状態診断方法および異常状態診断装置 | |
CN116724276B (zh) | 可由计算机系统进行读取的存储介质、运转改善辅助装置及运转改善辅助方法 | |
CN116724276A (zh) | 运转改善辅助程序、运转改善辅助装置及运转改善辅助方法 | |
JP2022039101A (ja) | 監視装置、監視方法、および監視プログラム | |
CN115494801B (zh) | 板件生产线搭建方法及终端 | |
CN109891454A (zh) | 用于感测工艺/设备测量数据的细小变化的方法和系统 | |
JP2018014093A (ja) | プロセスの状態診断方法及び状態診断装置 | |
JP5278082B2 (ja) | シミュレーションシステム | |
JP7452509B2 (ja) | 監視装置、監視方法、および監視プログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant |