CN117581085A - 设备状态监视系统 - Google Patents
设备状态监视系统 Download PDFInfo
- Publication number
- CN117581085A CN117581085A CN202280046161.7A CN202280046161A CN117581085A CN 117581085 A CN117581085 A CN 117581085A CN 202280046161 A CN202280046161 A CN 202280046161A CN 117581085 A CN117581085 A CN 117581085A
- Authority
- CN
- China
- Prior art keywords
- sensor
- abnormality
- sensor node
- data
- monitoring system
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 109
- 230000005856 abnormality Effects 0.000 claims abstract description 188
- 238000001514 detection method Methods 0.000 claims abstract description 64
- 238000004891 communication Methods 0.000 claims abstract description 53
- 239000000758 substrate Substances 0.000 claims description 65
- 238000004519 manufacturing process Methods 0.000 claims description 38
- 239000002131 composite material Substances 0.000 claims description 32
- 238000003860 storage Methods 0.000 claims description 25
- 238000000034 method Methods 0.000 claims description 21
- 230000008569 process Effects 0.000 claims description 12
- 230000005484 gravity Effects 0.000 claims description 10
- 238000010586 diagram Methods 0.000 description 42
- 230000008859 change Effects 0.000 description 20
- 238000012545 processing Methods 0.000 description 16
- 230000002159 abnormal effect Effects 0.000 description 14
- 238000007689 inspection Methods 0.000 description 13
- 230000006870 function Effects 0.000 description 12
- 238000005070 sampling Methods 0.000 description 11
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 8
- 230000001133 acceleration Effects 0.000 description 8
- 238000010801 machine learning Methods 0.000 description 8
- 239000000463 material Substances 0.000 description 6
- 230000035945 sensitivity Effects 0.000 description 6
- 229910002092 carbon dioxide Inorganic materials 0.000 description 4
- 239000001569 carbon dioxide Substances 0.000 description 4
- 238000013135 deep learning Methods 0.000 description 4
- 238000009434 installation Methods 0.000 description 4
- 238000012423 maintenance Methods 0.000 description 4
- 230000002093 peripheral effect Effects 0.000 description 4
- 238000012937 correction Methods 0.000 description 3
- 238000003754 machining Methods 0.000 description 3
- 230000005389 magnetism Effects 0.000 description 3
- 238000004806 packaging method and process Methods 0.000 description 3
- 230000002035 prolonged effect Effects 0.000 description 3
- 230000009467 reduction Effects 0.000 description 3
- 238000004092 self-diagnosis Methods 0.000 description 3
- 230000006399 behavior Effects 0.000 description 2
- 239000000470 constituent Substances 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000005672 electromagnetic field Effects 0.000 description 2
- 239000012530 fluid Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000008439 repair process Effects 0.000 description 2
- 230000002123 temporal effect Effects 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 description 1
- 239000000853 adhesive Substances 0.000 description 1
- 230000001070 adhesive effect Effects 0.000 description 1
- 230000003190 augmentative effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000007664 blowing Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000003990 capacitor Substances 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000005684 electric field Effects 0.000 description 1
- 230000005674 electromagnetic induction Effects 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 238000003306 harvesting Methods 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 229910052744 lithium Inorganic materials 0.000 description 1
- 238000005461 lubrication Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000013508 migration Methods 0.000 description 1
- 230000005012 migration Effects 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 238000006386 neutralization reaction Methods 0.000 description 1
- 239000002243 precursor Substances 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000000513 principal component analysis Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
- 238000003466 welding Methods 0.000 description 1
Landscapes
- Testing Or Calibration Of Command Recording Devices (AREA)
Abstract
一种设备状态监视系统,具备:传感器节点(10),具有将表示成为监视对象的设备(2)的状态的数据作为传感器数据输出的传感器(11)、进行传感器数据的发送的通信部(13)以及向传感器与通信部进行电源供给的电源部(12),共同应用于多个监视对象;接收机(20),接收从通信部发送的传感器数据;以及状态检测部(30),输入由接收机接收的传感器数据,基于多个监视对象正常动作的正常时的传感器数据,将多个监视对象的正常时的状态作为学习数据进行学习,并且当在学习后从传感器节点发送的传感器数据被接收机接收时,对该传感器数据所表示的多个监视对象的状态与学习数据进行比较,检测多个监视对象的异常的发生或异常的预兆。
Description
相关申请的相互参照
本申请基于2021年6月30日提出申请的日本专利申请第2021-109105号和2022年1月12日提出申请的日本专利申请第2022-3330号,其记载内容通过引用并入本文。
技术领域
本发明涉及监视设备的异常的设备状态监视系统。
背景技术
以往,已知有检测正在运行的装置的异常的装置的检查装置。例如,在专利文献1中,提出了一种具备振动传感器、相关图生成部、深层学习部以及判定部,并对旋转装置的状态进行判定的装置的检查装置。当由多个振动传感器检测出正在运行的旋转装置所具有的轴承的振动状态时,由相关图生成部生成表示多个振动传感器输出的多个加速度信号的相关的相关图。然后,通过深层学习部进行了基于相关图生成部生成的相关图的深层学习之后,通过判定部基于深层学习的结果判定旋转部的状态,从而能够检测出构成不同的各种装置的异常。
现有技术文献
专利文献
专利文献1:日本特开2018-091640号公报
发明内容
然而,在以往的检查装置中,在生产线那样的存在多个正在运行的装置的环境中,为了能够检测多个正在运行的装置的异常,需要多个振动传感器。另外,为了检测异常部位、异常原因等异常的详细情况,若考虑到设备的异常是由复合性原因产生的,则需要多种传感检测,因此传感器数量变得庞大,难以进行实时的监视。
本发明鉴于上述问题,目的在于提供一种即使各个监视对象中不具备振动传感器等也能够检测多个监视对象的异常的设备状态监视系统。
为了实现上述目的,根据本公开的一个观点,一种设备状态监视系统,其包括:传感器节点,具有将表示成为监视对象的设备的状态的数据作为传感器数据输出的传感器、进行传感器数据的发送的通信部以及向传感器与通信部进行电源供给的电源部,共同应用于多个监视对象;接收机,接收从通信部发送的传感器数据;以及状态检测部,输入由接收机接收的传感器数据,基于多个监视对象正常动作的正常时的传感器数据,将多个监视对象的正常时的状态作为学习数据进行学习,并且当在学习后从传感器节点发送的传感器数据被接收机接收时,对该传感器数据所表示的多个监视对象的状态与学习数据进行比较,检测多个监视对象的异常的发生或异常的预兆。
这样,对于多个监视对象,使用至少一个共同的传感器节点,将多个监视对象正常动作的正常时的传感器数据传送到状态检测部,作为正常时的学习数据进行学习。因此,通过将在学习后从传感器节点发送的传感器数据所表示的多个监视对象的状态与学习数据进行比较,即使各个监视对象中不具备振动传感器等也能够检测多个监视对象的异常。
另外,对各构成要素等附加的带括号的参照附图标记表示该构成要素等与后述的实施方式中所记载的具体构成要素等的对应关系的一个例子。
附图说明
图1是第一实施方式的设备状态监视系统的框图。
图2A是表示将两个麦克风配置为各自的指向性错开90°的情形的示意图。
图2B是表示将两个麦克风设为图2A的配置的情况下的极性图的图。
图3A是表示在将两个麦克风设为图2A的配置的情况下将声源配置于x轴与y轴的中间的情形的图。
图3B是表示从图3A所示的声源输出声音时的各麦克风中的接收声压的图。
图4A是表示在将两个麦克风设为图2A的配置的情况下将声源配置于x轴上的情形的图。
图4B是表示从图4A所示的声源输出声音时的各麦克风中的接收声压的图。
图5是表示传感器节点被配置为在三个输送路径上流动的情况的图。
图6是传感器节点的透视立体图。
图7是传感器节点的分解图。
图8是表示传感器节点的重心位于比铅垂方向的中央靠上方侧的情况的图。
图9是表示传感器节点具有振动抑制构造的一个例子的图。
图10是表示振动抑制构造为贯通孔的图。
图11是表示将直接配置在输送路径上的工件置换为传感器节点而配置的一个例子的图。
图12是表示将配置于托盘上的工件置换为传感器节点而配置的一个例子的图。
图13是表示将配置于夹具上的工件置换为传感器节点而配置的一个例子的图。
图14是表示在工件上直接安装传感器节点的配置的一个例子的图。
图15是表示在工件上直接安装传感器节点的配置的一个例子的图。
图16是表示在托盘上直接安装传感器节点的配置的一个例子的图。
图17是表示传感器节点配置于工件中的比铅垂方向的中央靠上方侧的一个例子的图。
图18是表示传感器节点配置于工件的行进方向的后方侧的一个例子的图。
图19是表示设备状态监视系统具备服务器的构成的图。
图20是表示设备状态监视系统作为追踪系统发挥功能时的履历信息的一个例子的图。
图21是表示在输送路径上配置了多个传感器节点时的情形的图。
图22是表示复合传感器的其他构成例的图。
图23是表示复合传感器的其他构成例的图。
图24A是表示复合传感器所具备的一个传感器的构成例的图。
图24B是由图10A的构成的传感器构成复合传感器的情况下的透视立体图。
图25是表示传感器节点设置于输送路径上的情况下的情形的图。
图26是表示在传感器节点测定声压时的频率特性的图。
图27是用于说明确定被分割成多个区间的输送路径的位置的方法的图。
图28是表示状态检测部的功能模块等的详细情况的图。
图29是表示沿输送路径配置有各设备的情形的图。
图30是表示传感器节点在图29所示的输送路径上移动时,各位置处的异常程度的图。
图31是表示显示装置中的检测结果的显示例的图。
图32是用于说明检测多个输送路径的异常发生的方法的图。
图33是表示显示装置所显示的输送路径的异常发生的检测结果的一个例子的图。
图34是示意地描绘了基于状态检测部的检测结果向部件制造商进行订购的情形的框图。
图35是表示能量使用量与生产量的关系的一个例子的图表。
具体实施方式
以下,基于附图对本发明的实施方式进行说明。另外,在以下的各实施方式彼此中,对彼此相同或等同的部分标注相同的附图标记进行说明。
(第一实施方式)
对第一实施方式进行说明。本实施方式的设备状态监视系统1通过使用具备传感器11的共同的传感器节点10来监视成为监视对象的多个设备2的异常。
如图1所示,设备状态监视系统1构成为,具有进行成为监视对象的设备2的状态监视的传感器节点10、接收部20、状态检测部30以及显示装置40。而且,在显示装置40显示监视结果,例如,作业者3基于其显示内容进行设备2的控制、修理、部件更换等,从而良好地保持设备2的状态。另外,在图1中,仅记载了一个设备2,但设备2有多个,数量是任意的。
〔传感器节点10的构成〕
传感器节点10为了进行多个设备2的异常的监视而具备至少一个传感器11,构成为,除了传感器11之外,还具备电源部12、通信部13等。
传感器11将声音、振动或加速度、角速度、温度、湿度、磁、光、周边图像、流量、压力、臭气等中的任意一个以上作为检测对象进行检测。在检测它们中的多个的情况下或者即使是相同的检测对象也检测多个的情况下,成为具备多个传感器11的复合传感器。传感器11可以由半导体式传感器等任意传感器构成,将表示检测结果的传感检测信号等作为传感器数据输出到通信部13。该传感器11中的传感器数据相当于表示设备2的状态监视中使用的物理量等各种状态的数据。
关于传感器11,适用与上述的检测对象对应的传感器。例如,作为传感器11,在检测声音的情况下适用声音传感器,在检测振动、加速度的情况下适用振动传感器,在检测角速度的情况下适用角速度传感器,在检测周边气氛的温度、湿度的情况下适用温湿度传感器,在检测周边的风量的情况下适用流量传感器。另外,作为传感器11,在检测磁的情况下适用磁传感器,在检测光的情况下适用光传感器,在检测周边图像的情况下适用由相机等构成的图像传感器。而且,作为传感器11,在检测流量的情况下适用流量传感器,在检测压力的情况下适用压力传感器,在检测臭气的情况下适用臭气传感器。如上述那样,对于传感器11,可以是检测对象不同的多种传感器,也可以包含多个检测对象相同的传感器。即使多个传感器11的检测对象相同,若检测的方向、位置不同,也能够获得与该方向、位置对应的传感器数据。
在声音传感器的情况下,声音传感器为了确定声源的位置,也可以使用多个麦克风。作为方向确定的方法,可以使用相位差、时间差,也可以使具有相同的极性图、即指向性的多个麦克风朝向不同的方向,利用基于灵敏度差的声压差来确定方向。例如,若将传感器节点10的一个方向设为前方,将其相反方向设为后方,并且将朝向其两侧的方向设为左右方向,则声音传感器使四个单一指向性的麦克风的指向性朝向前后左右的四个方向。这样,例如对于从左输入的声音,产生左麦克风中的声压大、前后麦克风中的声压中等、右麦克风中的声压小这样的由灵敏度差引起的输入声压之差。因此,能够基于预先掌握的极性图来确定声源的方向。
以使用两个麦克风确定声源的方向的情况为例,例如如图2A所示,将两个麦克风11a、11b配置为各自的指向性错开90°。在该情况下,如图2B所示,麦克风11a的极性图11c成为如下图案:以0°的位置、即y轴的正方向的位置为基准声压0dB,声压在到达90°的位置、即x轴的正方向的位置之前逐渐降低。相反,麦克风11b的极性图11d成为如下图案:以90°的位置、即x轴的正方向的位置为基准声压0dB,声压在到达0°的位置、即y轴的正方向的位置之前逐渐降低。在这种情况下,例如如图3A所示,当声源4处于位于x轴与y轴的中间的45°的位置时,如图3B所示,麦克风11a与麦克风11b的接收声压大致相同。另外,例如如图4A所示,当声源4处于x轴上的90°的位置时,如图4B所示,麦克风11b的接收声压成为麦克风11a的接收声压的2倍左右。这样,通过比较指向性错开配置的多个麦克风11a、11b中的接收声压,能够确定声源4的方位。而且,还可知从声压到声源4的距离。因此,通过使用了多个麦克风11a、11b的声音传感器,能够确定声源4的方位、距离。
另外,在振动传感器的情况下,能够检测声音传感器无法取得的输送路径的晃动状态等。能够通过振动传感器对检测对象的振动、加速度进行检测。而且,能够通过振动传感器基于振动、加速度对检测对象的异常进行检测。另外,如果是将传感器节点10设置于输送路径那样的情况,则能够通过振动传感器检测输送路径的振动,但如果作为传感器11具备振动传感器与声音传感器这两方,则可知振动是否来自输送路径。即,在根据由振动传感器与声音传感器这两方取得的各检测结果的数据或仅由振动传感器取得的数据检测出异常的情况下,能够判定为来自输送路径的异常,在仅由声音传感器检测出异常的情况下,能够判定为不是来自输送路径而是其他原因。由此,能够更明确地区分是输送路径还是其他原因,能够确定检测出该异常的设备2。
另外,在角速度传感器的情况下,角速度传感器能够检测监视对象的旋转以及朝向的变化作为角速度。而且,能够基于由角速度传感器检测的监视对象的旋转以及朝向检测监视对象的异常。另外,如果是将传感器节点10配置于例如输送产品的输送路径上、或者配置于由输送路径输送的产品上那样的情况,则能够通过角速度传感器检测输送路径以及产品的倾斜、姿势的变化。
进而,角速度传感器能够采用检测一个方向的旋转的一轴角速度传感器、检测相互正交的两个方向的旋转的二轴角速度传感器、检测相互正交的三个方向的旋转的三轴角速度传感器中的至少一个角速度传感器。
另外,在光传感器的情况下,光传感器为了确定光源的位置,也可以使用多个受光部。作为方向确定的方法,可以使用光的相位差、时间差,也可以使多个受光部朝向不同的方向,利用受光量之差来确定方向。例如,使传感器节点10的受光部朝向前方、后方以及左右方向这四个方向。这样,例如对于从左输入的光,产生在左受光部中受光量大、在前后受光部中受光量中等、在右受光部中受光量小这样的受光量之差。因此,基于受光量之差,能够确定光源的方向。
电源部12由传感器节点10所具备的各部的电力供给源、例如纽扣电池、锂电池等构成。作为电源部12的方式,分为电磁感应方式、磁场共振方式、电场耦合方式、电波接收方式等使用磁场的方式以及振动、光、热、电磁波等能量采集系统与移动电池供电。根据传感器节点10的使用方式,例如若作为输送体来使用,则电源部12只需要根据输送体所要求的电力、传送距离、大小等项目来选择最佳的供电方式而构成即可。
通信部13通过无线通信等向接收部20发送从传感器11传送来的传感器数据。通信部13根据通信部13的通信速度、通信距离、最佳的频率绕回特性等选择所使用的频带。另外,也可以在通信部13中搭载微机,基于传感器11的传感检测信号进行各种控制。例如,在传感器11为声音传感器的情况下,也可以由通信部13进行决定是否发送传感器数据的控制,如仅在既定的频率下的声压超过预先设定的阈值时进行通信等。
另外,优选即使电源部12为相同的电池容量也能够延长驱动时间。因此,通信部13优选不是始终进行数据通信,而是以超过了由通信部13的微机预先设定的阈值时为基准,进行仅发送该数据及其前后数据等的控制。例如,对于作为前后数据发送的数据量,适当设定为前后10个周期等即可。这样,能够减少通信量,并且能够使电源部12的电池的耐久性良好。
另外,在从传感器11向通信部13传送的传感器数据为由传感器11检测出的传感器数据本身的情况下,即在通信部13接收的传感器数据为原始值的情况下,通信部13也可以对传感器数据进行加工并发送给接收部20。参照图5,对通信部13加工传感器数据并发送的情况的一个例子进行说明。
在这一例中,如图5所示,具有振动传感器的传感器节点10被配置为在三个输送路径5a、5b、5c上流动。而且,这三个第一输送路径5a、第二输送路径5b以及第三输送路径5c按照该顺序相连,通过以互不相同的输送速度移动,使传感器节点10与自身动作时的输送速度同步地进行输送。在该情况下,通信部13也可以将从传感器11接收的传感器数据与第一输送路径5a、第二输送路径5b以及第三输送路径5c各自的输送速度对应地发送给接收部20。
例如,设第一输送路径5a的输送速度为第一速度v1、设第二输送路径5b的输送速度为第二速度v2、设第三输送路径5c的输送速度为第三速度v3,第一速度v1比第二速度v2以及第三速度v3慢。在该情况下,第一输送路径5a动作时产生的振动的振动周期比第二输送路径5b以及第三输送路径5c分别动作时产生的振动的振动周期晚。因此,用于检测第一输送路径5a的异常发生、或用于检测异常预兆的振动传感器所需的采样频率与用于检测第二输送路径5b以及第三输送路径5c的异常发生、或异常预兆的采样频率相比能够减小。
因而,通信部13也可以不将在第一输送路径5a、第二输送路径5b以及第三输送路径5c的全部中以相同的采样频率检测出的传感器数据的原始值发送到接收部20。而且,例如,也可以将对在输送速度比第二输送路径5b以及第三输送路径5c慢的第一输送路径5a中检测出的传感器数据的原始值进行了下采样加工的传感器数据发送到接收部20。这样,从通信部13向接收部20发送传感器数据时的数据量变小,能够减少通信量,并且能够使电源部12的电池的耐久性良好。
下采样处理的采样频率也可以是作业者3能够根据第一输送路径5a、第二输送路径5b、第三输送路径5c各自的输送速度而预先设定的。另外,下采样处理的采样频率也可以由通信部13基于控制图来决定,该控制图基于第一输送路径5a、第二输送路径5b、第三输送路径5c各自的输送速度以及采样频率预先设定在通信部13中。而且,下采样处理的采样频率也可以由通信部13基于第一输送路径5a、第二输送路径5b、第三输送路径5c各自的输送速度来决定。在该情况下,各输送路径5a、5b、5c的输送速度通过使用传感器节点10进行检测第一输送路径5a、第二输送路径5b、第三输送路径5c各自的输送速度的检测作业来检测。在该情况下,通信部13对与输送速度较快的输送路径的采样频率相比输送速度较慢的输送路径的采样频率进行下采样处理。
〔传感器节点10的构成例〕
接下来,参照图6及图7,对传感器节点10的构成的一个例子进行说明。
图6示出了将传感器11作为复合传感器的情况下的传感器节点10的整体构成。如该图所示,传感器11与电源部12以及通信部13以多面体形状、这里为六面体形状一体化。而且,它们的一体构造在六面体形状的框体14内与框体14的内壁面抵接而不空出间隙地被收容,由此相对于框体14被牢固地固定,构成传感器节点10。框体14由与使用环境对应的原材料构成,例如在有水的环境中使用传感器节点10的情况下,为了保护传感器11等而由具有耐水性的原材料设计。另外,在图6中,为了知晓配置于框体14内的传感器11、电源部12以及通信部13的一体化构造,透过框体14进行表示。
然而,在传感器节点10为了检测输送路径5的振动而具有振动传感器的情况下,传感器节点10检测由于输送路径5的动作的影响而产生的输送路径5的振动。但是,由于输送路径5的动作以外的影响产生的振动可能成为振动传感器检测的输送路径5的振动的噪声。
例如,如图8所示,传感器节点10的重心Cg位于传感器节点10中的比铅垂方向的中央靠上方侧。在这种情况下,如果朝向传感器节点10流动的风与传感器节点10碰撞,则存在传感器节点10自身由于该风而振动的隐患。而且,当传感器节点10由于风的碰撞而振动,传感器节点10检测到输送路径5以外的振动即自身的振动时,传感器节点10自身的振动成为相对于传感器节点10检测的输送路径5的振动的噪声。
另外,在传感器节点10为了检测传感器节点10的周围而具有声音传感器的情况下,传感器节点10将传感器节点10的周边环境的声压的变化作为由于该声音的产生而在传感器节点10的周边环境产生的空气的振动来检测。但是,由于声压以外的影响而在空气中产生的振动可能成为声音传感器检测的空气的振动的噪声。例如,当风在传感器节点10的周边环境中流动而传感器节点10的周边环境的空气振动的情况下,由该风产生的振动成为相对于传感器节点10检测为声音的空气的振动的噪声。另外,朝向传感器节点10流动的风与传感器节点10碰撞而产生的声音也成为相对于传感器节点10检测到的传感器节点10的周边环境的声音的噪声。
作为产生这些振动的噪声的主要原因的风,例如有在输送路径5的周边环境流动的自然风、由设于输送路径5的中途的鼓风工序或设于无尘室等的送风机产生的垂直层流等。
与此相对,传感器节点10也可以具有振动抑制构造,该振动抑制构造即使在存在朝向传感器节点10流动的风的情况下,也抑制传感器节点10因输送路径5的振动以外的因素而振动。如图9所示,该振动抑制构造也可以是使传感器节点10的重心Cg的位置向传感器节点10中的比铅垂方向的中央靠下方侧偏心的构造。
具体而言,振动抑制构造传也可以是将作为感器节点10中相对重量较大的构成品的电源部12配置于传感器节点10中的比铅垂方向的中央靠下方侧的构造。由此,能够使传感器节点10的重心Cg向比铅垂方向的中央靠下方侧偏心。
另外,在框体14由每单位体积的质量互不相同的多个材料形成的情况下,振动抑制构造也可以是,框体14的铅垂方向的下方侧由每单位体积的质量较大的材料形成、上方侧由每单位体积的质量较小的材料形成的构造。由此,能够使传感器节点10的重心Cg向比铅垂方向的中央的下方侧偏心。
而且,虽然未图示,但振动抑制构造也可以是通过使框体14的大小在铅垂方向的下方侧比铅垂方向的上方侧大,从而使传感器节点10的重心Cg向铅垂方向的下方侧偏心的构造。另外,振动抑制构造也可以是,通过在传感器节点10的框体14中的比铅垂方向的中央靠下方侧安装使传感器节点10的重心Cg偏心的锤部件,来使传感器节点10的重心Cg向铅垂方向的下方侧偏心的构造。
通过将传感器节点10设为具有这种振动抑制构造的构造,即使在存在朝向传感器节点10流动的风的情况下,也能够提高传感器节点10配置于输送路径5时的相对于配置的稳定性。因而,能够减少由于朝向传感器节点10流动的风与传感器节点10碰撞而产生的传感器节点10自身的振动。
另外,如图10所示,振动抑制构造也可以是即使在存在朝向传感器节点10流动的风的情况下,也难以受到该风的影响的流体设计构造。具体而言,在存在朝向传感器节点10流动的风的情况下,振动抑制构造也可以由在与朝向传感器节点10流动的风的流动的方向对应的方向贯通形成的贯通孔141构成。
例如,在存在相对于传感器节点10从输送路径5的行进方向的前方侧朝向后方侧流动的风的情况下,贯通孔141也可以沿着作为沿着该风的流动方向的方向的输送路径5的行进方向贯通而形成。
通过使传感器节点10具有这种贯通孔141的构造,即使在存在朝向传感器节点10流动的风的情况下,也能够通过该贯通孔141使风从输送路径5的行进方向的前方侧向后方侧通过。因而,能够减少由于朝向传感器节点10流动的风与传感器节点10碰撞而产生的传感器节点10自身的振动。
另外,通过使风通过贯通孔141,也能够抑制因风与传感器节点10碰撞而产生的声音的产生。因此,即使是声音传感器相对于框体14设于行进方向的背面侧、侧面侧的构成,也能够通过声音传感器容易地检测出传感器节点10的周边环境的声音。
另外,贯通孔141只要能够使从输送路径5的行进方向的前方侧朝向后方侧流动的风通过,则可以从该行进方向的前方侧朝向后方侧向上方侧或下方侧倾斜,也可以向左方侧或右方侧倾斜。另外,难以受到朝向传感器节点10流动的风的影响的流体设计构造也可以与在传感器节点10形成贯通孔141的构成不同。虽然未图示,但例如通过将感器节点10的框体14的形状形成为随着从输送路径5的行进方向的后方侧向前方侧与该行进方向正交的框体14的截面面积变小的形状,能够难以受到朝向传感器节点10流动的风的影响。
另外,在图5等所示的例子中,将传感器11、电源部12以及通信部13的一体化构造设为六面体形状,通过设为六面体形状,能够容易地设定传感器节点10的朝向、即传感器11的朝向。因此,一体化构造不一定必须为六面体形状,也可以为其他多面体形状。
传感器节点10即使配置于特定的场所也能够监视多个设备2,如果是复合传感器,则能够更详细地监视多个设备2,但是如果设置于移动体上,则能够通过使其移动来监视多个设备2。例如,在传感器节点10被用于生产设备等的监视的情况下,如果被设置于成为移动体的输送路径上,则能够作为输送体来移动。例如,通过在成为输送路径的带式传送机上设置传感器节点10,能够使传感器节点10与带式传送机上的工件一同被输送。另外,也可以将传感器节点10设置于AGV(Automatic Guided Vehicle,自动导引车)等移动体上,通过使其与移动体一同移动来进行周围的设备2的状态监视。
关于传感器节点10的组装方法是任意的,但在作为传感器11包含振动传感器、声音传感器的情况下,为了使取得的传感器信号的噪声减少,优选通过焊接、螺纹紧固等尽可能牢固的方法固定于设置部位。当然,根据设置场所,也可以通过磁铁、粘合剂来设置传感器节点10。
这里,参照图11至图18,对与并列配置于作为移动体的输送路径5上且由输送路径5输送的多个工件W一起配置于该输送路径5上的传感器节点10的具体的配置方法的一个例子进行说明。工件W例如可以是由加工设备加工的加工对象物,也可以是制造中或制造后的产品。
配置于输送路径5的该传感器节点10通过输送路径5与多个工件W一起被输送。另外,在传感器节点10配置于输送路径5上的情况下,有多个工件W中的一个被置换为传感器节点10而配置的情况和在多个工件W中的一个上安装有传感器节点10而配置的情况。
而且,作为将工件W置换为传感器节点10而配置的例示,有传感器节点10及工件W相互分离而配置的图11至图13所示的三个方式。在将工件W置换为传感器节点10而配置的这三个方式中,传感器节点10代替输送路径5中的原本的输送体即工件W而成为输送体。
另外,作为传感器节点10安装于工件W的例示,有图14所示的安装于直接配置在输送路径5上的工件W的一个方式以及图15、图16所示的经由托盘P安装于配置在输送路径5上的工件W的两个方式。在传感器节点10安装于工件W这三个方式中,传感器节点10也与作为输送路径5中的输送体的工件W一起成为输送体。
在传感器节点10及工件W相互分离地被输送的三个方式中,图11所示的第一方式在工件W直接配置在输送路径5上的情况下被采用。然后,传感器节点10配置于输送路径5上作为输送体而被输送。
在这种工件W直接配置在输送路径5上的情况下,由于用加工设备对工件W进行加工,因此有时使该工件W从输送路径5上向加工设备移动。而且,在该情况下,工件W例如通过由配置于输送路径5的周边的未图示的卡盘设备夹持并抬起而向加工设备移动。
与此相对,如图11所示的第一方式那样,在传感器节点10被置换为工件W而配置的情况下,通过该卡盘设备与工件W同样地夹持传感器节点10,能够进行卡盘设备的监视。例如,在传感器节点10被构成为在被卡盘设备夹持的部位具有压力传感器的情况下,通过由压力传感器检测被夹持时的压力,能够进行卡盘设备是否正常动作的监视。另外,在传感器节点10构成为具有角速度传感器的情况下,通过检测被卡盘设备夹持而抬起时的传感器节点10的姿势,能够进行卡盘设备是否正常动作的监视。
另外,在传感器节点10及工件W相互分离地被输送的三个方式中,图12所示的第二方式在工件W配置于托盘P上而被输送、并且工件W及传感器节点10的形状相同的情况下被采用。在该情况下,传感器节点10与配置于托盘P上的多个工件W中的一个进行置换。然后,工件W及传感器节点10经由托盘P配置于输送路径5上作为输送体而被输送。另外,图12所示的第二方式也可以适用于工件W的固定于托盘P的部位与传感器节点10的固定于托盘P的部位各自的部位的形状相同的情况。
而且,在传感器节点10及工件W相互分离地被输送的三个方式中,图13所示的第三方式在工件W配置于托盘P上而被输送、并且工件W及传感器节点10的形状互不相同的情况下被采用。在该情况下,传感器节点10与配置于托盘P上的多个工件W中的一个进行置换,并与用于将传感器节点10自身固定于托盘P的夹具J一起配置。然后,传感器节点10经由托盘P以及夹具J配置于输送路径5上,作为输送体而被输送。
另外,在图14中示出了传感器节点10安装于直接配置在输送路径5上的工件W的方式。另外,在图15及图16中示出了将传感器节点10安装于经由托盘P配置在输送路径5上的工件W的两个方式。在安装于经由托盘P配置在输送路径5上的工件W的情况下,存在传感器节点10直接安装于工件W的情况和传感器节点10经由托盘P安装于工件W的情况。然后,传感器节点10与工件W一起作为输送体配置于输送路径5上被输送。
这样,在传感器节点10与工件W一起作为输送被体输送的情况下,在利用加工设备对工件W进行加工时,也能够对安装有传感器节点10的状态的工件W进行加工。另外,通过传感器节点10检测加工工件W时的加工状态,能够进行加工设备是否正常动作的监视。例如,在传感器节点10具有振动传感器的情况下,通过传感器节点10检测加工设备加工工件W时的振动,能够进行加工设备是否正常动作的监视。
然而,在为了监视输送路径5而检测该输送路径5的振动的情况下,可以考虑对与工件W一起作为输送体被输送的传感器节点10形成具有振动传感器的构成,并配置于输送路径5上。而且,在传感器节点10及工件W配置于输送路径5上的情况下,当由于输送路径5的振动不同的原因而使传感器节点10及工件W成为一体的输送体自身振动时,可能成为振动传感器检测的输送路径5的振动的噪声。
与此相对,传感器节点10也可以安装成,作为传感器节点10及工件W成为一体的输送体的重心位置向铅垂方向的下方侧偏心。例如,在将传感器节点10安装于直接配置在输送路径5上的工件W的情况下,如图14所示,传感器节点10也可以配置在工件W中的比铅垂方向的中央靠下方侧。另外,在将传感器节点10安装于经由托盘P配置于输送路径5上的工件W的情况下,如图16所示,传感器节点10不安装于工件W而安装于托盘P。
据此,传感器节点10及工件W成为一体的输送体难以因与输送路径5的振动不同的原因而振动。因此,能够抑制由传感器节点10及工件W成为一体的输送体自身的振动引起的振动的噪声。
另外,在安装于工件W或托盘P的传感器节点10检测输送路径5的振动的情况下,传感器节点10也可以安装于容易检测输送路径5的振动的场所。具体而言,传感器节点10也可以安装于当工件W或托盘P因输送路径5的振动而与输送路径5一体地振动时工件W或托盘P中的振动量容易变大的位置。这里,在工件W或托盘P与输送路径5一体地振动的情况下,工件W或托盘P的距输送路径5的距离越远的部位,在与输送路径5一体地振动时其振动量越容易变大。
例如,在将传感器节点10安装于直接配置在输送路径5上的工件W的情况下,如图17所示,传感器节点10也可以配置于工件W中的比铅垂方向的中央靠上方侧。另外,虽然未图示,但在将传感器节点10安装于经由托盘P配置于输送路径5上的工件W的情况下,传感器节点10也可以安装于托盘P中的比铅垂方向的中央靠上方侧。
据此,与没有这样安装传感器节点10的情况相比,能够使工件W或托盘P中的安装传感器节点10的部位与输送路径5的距离增大,因此传感器节点10容易检测输送路径5的振动。
另外,在通过输送路径5输送工件W及传感器节点10的情况下,例如,为了在输送路径5上对工件W进行加工,有时通过设于输送路径5的中途的未图示的止挡件使工件W的输送停止或开始。
在该情况下,有时在维持输送路径5的动作的状态下,通过止挡件的开闭动作来控制工件W的输送中的停止及开始。于是,工件W的输送通过止挡件的关闭而紧急停止,并且通过止挡件的开放而紧急开始。而且,在利用这种止挡件使工件W的输送紧急停止或紧急开始的情况下,在工件W紧急停止或紧急开始时,有时工件W的行进方向的后方侧因惯性而被抬起。在安装于工件W的传感器节点10检测振动的情况下,这种因惯性而工件W被抬起的动作可能成为振动传感器检测的输送路径5的振动的噪声。
与此相对,在传感器节点10与工件W一起作为输送体而被输送的情况下,当将通过输送路径5输送工件W的方向作为行进方向时,传感器节点10也可以配置于工件W的行进方向的前方侧。例如,在图14至图17中,在从纸面左侧朝向右侧输送工件W的情况下,如图14至图17所示,传感器节点10也可以配置于工件W的行进方向的前方侧的面或者托盘P的行进方向的前面。
据此,即使在工件W的行进方向的后方侧被抬起的情况下,也能够抑制传感器节点10的振动,因此难以受到由工件W的振动引起的噪声的影响。
或者,在想要检测因止挡件而输送紧急停止或紧急开始的工件W的举动的情况下,传感器节点10也可以配置于工件W的行进方向的后方侧。例如,在图18中,在从纸面左侧朝向右侧输送工件W的情况下,如图18所示,传感器节点10也可以配置于工件W的行进方向的后方侧的面。
据此,成为在工件W的行进方向的后方侧被抬起时,传感器节点10也容易与工件W一体地被抬起的构造,因此能够容易地检测由工件W的振动引起的传感器节点10的举动。
然而,关于图6所示的传感器节点10,虽然是具备多个传感器11的复合传感器,但传感器节点10通过多个无线传感器基板15构成了复合传感器。具体而言,传感器节点10通过在六面体形状的一个面以上配置无线传感器基板15而构成了复合传感器。如图7所示,在无线传感器基板15上,除了一种传感器11与通信部13之外,还安装有例如电阻、电容器、微型计算机等其他电子部件15a。而且,无线传感器基板15具有基于来自电源部12的电力供给,通过通信部13将表示传感器11中的检测结果的传感器数据发送到对应的接收部20的功能。另外,图7中所示的无线传感器基板15的数量与图6不一致,但为了简化附图,在图7中,仅示出了传感器节点10所具备的无线传感器基板15中的位于纸面跟前侧的无线传感器基板和位于纸面对面侧的无线传感器基板。
在复合传感器的中央部配置有电源部12,通过将该电源部12与各无线传感器基板15电连接,进行来自电源部12的电力供给,复合传感器进行动作。在图6及图7中,将电源部12形成为六面体形状,在六个面中的想要进行传感检测的面上配置无线传感器基板15,在六个面中的配置无线传感器基板15的面使供电用端子12a露出。而且,在无线传感器基板15的背面侧具备与电源部12的供电用端子12a接触的电池连接器15b,当将无线传感器基板15安装于电源部12时,能够对传感器11、通信部13等进行电力供给。
另外,由于采用将电源部12形成为多面体形状同时在其各面安装无线传感器基板15的构造,因此成为将电源部12配置于传感器节点10构成的多面体形状的中央部的状态。通过这样配置,与形成为非多面体形状的情况相比,能够增大无线传感器基板15的数量相同的情况下的成为电源部12的区域的体积。因此,能够增加电源部12的电池容量,能够进一步延长传感器节点10的驱动时间。即,能够使传感器节点10成为最小的形状,并且成为最大的驱动时间。
另外,传感器节点10优选能够无线供电,以使在将复合传感器收纳于框体14的状态下也能够进行充电。另外,在有线供电的情况下,只要使构成传感器节点10的多面体形状的一个面为能够连接充电连接器的面即可。
进而,通过使所有的无线传感器基板15的大小一致、或者形成为比电源部12构成的多面体形状的一个面小的尺寸,能够在所有的面设置无线传感器基板15。因此,能够将无线传感器基板15设置在对传感器11的传感检测对象来说有利的面、例如灵敏度变高的面。例如,在传感器节点10为正六面体的情况下,成为能够搭载6个无线传感器基板15的复合传感器。
在将传感器11设为进行声音的检测的麦克风的情况下,如果在正六面体中的传感器节点10的移动方向的前后左右四个面搭载无线传感器基板15,则能够使用阵列信号处理进行波束成型。
在将传感器11设为检测环境气氛的温度、湿度的温度传感器、湿度传感器的情况下,通过在正六面体中的底面以外配置无线传感器基板15,能够捕捉环境气氛。另外,在将传感器节点10设置于输送路径的情况下,底面以外的多个面难以受到由导热引起的输送路径的温度影响。因此,无线传感器基板15优选配置于底面以外的多个面。另外,作为传感器11,如果配置两个温度传感器且一起配置流量传感器,则传感器11能够通过流量传感器测定传感器节点10的周边的风量,同时能够根据由两个温度传感器检测出的温度之差测定风的朝向。由此,能够进行设备2内的下流程管理等。
在将传感器11设为振动传感器的情况下,当设置于多面体形状的上表面时,力矩变大,复合传感器对倾斜的灵敏度变好。这样,能够感测细微的工件的倾斜、输送路径的晃动,能够更早地推论设备2的异常的预兆。
另外,在将传感器11设为温度传感器、湿度传感器、振动传感器的情况下,除了监视设备2的状态之外,还能够用于通过将传感器11安装于产品来管理该产品的制造履历、完成后的输送状态等履历的追踪系统。例如,如图19所示,设备状态监视系统1具备接收传感器节点10检测出的各种传感器数据的服务器60。该服务器60构成为能够与传感器节点10进行通信。服务器60由具备未图示的CPU、ROM、RAM、闪存、HDD等的微型计算机等构成。而且,服务器60通过CPU从ROM等读出程序并执行来实现各种控制工作。另外,ROM等存储介质是非迁移的实体的存储介质。本实施方式中的服务器60作为存储部发挥功能。
服务器60例如将从传感器节点10接收的产品制造中的作为环境气氛的温度、湿度、振动等传感器数据的信息与该接收的信息的接收时刻建立关联进行存储。由此,如图20所示,能够将设备状态监视系统1作为追踪系统使用,该追踪系统掌握表示产品是在怎样的环境气氛下制造的制造过程中的各种信息的履历。
另外,当将传感器节点10安装于完成后的产品时,通过将作为与传感器节点10检测的完成后的产品相关的传感器数据的信息和该信息的检测时刻建立关联,也能够将与完成后的产品的状态相关的信息存储于服务器60。
例如,也能够将从产品完成后到包装为止的包装期间、从包装到装载至输送车为止的保管期间、由输送车输送期间的输送期间各自的期间中的环境气氛的温度、湿度、振动等各种信息的履历存储于服务器60。由此,如图20所示,能够掌握产品是在怎样的环境气氛下保管以及输送的。存储于服务器60的各种履历信息并不限于温度、湿度、振动,根据传感器11的构成,也可以是声音、加速度、角速度、磁、光、周边图像、流量、压力、臭气等信息。
另外,存储于服务器60的各种履历信息可以显示于后述的显示装置40中,以便与产品的制造相关的作业者3能够阅览,也可以显示于与该显示装置40不同的显示器中。另外,存储于服务器60的各种履历信息也可以构成为购买了产品的购买者能够阅览。这样,也可以在追踪系统存储的信息中采用传感器节点10检测的各种信息。
另外,服务器60可以是后述的状态检测部30所具备的构成,也可以是与状态检测部30分体的设备状态监视系统1所具备的构成。另外,关于与从传感器节点10接收的传感器数据相关联的接收时刻的信息,也可以使用服务器60自身所具有的时刻信息。而且,在传感器节点10自身能够取得时刻信息的情况下,关于与从传感器节点10接收的传感器数据相关联的接收时刻的信息,也可以使用与传感器数据一同从传感器节点10发送的时刻信息。另外,关于与从传感器节点10接收的传感器数据相关联的接收时刻的信息,也可以使用从与作业者3进行作业时所操作的传感器节点10不同的装置(例如RF-ID读取器)等发送的、基于作业者3的作业内容的信息。
在将传感器节点10设为多面体形状的复合传感器的情况下,在想要使用比多面体形状的面数多的无线传感器基板15的情况下,也能够通过使用多个传感器节点10来应对。
另外,在使用多个传感器节点10的情况下,例如,如果如图21所示那样在配置于输送路径5的不同位置的各传感器节点10上配置麦克风而构成阵列,则能够基于麦克风间的距离,测定检测出的声音的产生源的距离、位置。在该情况下,配置成阵列状的各麦克风间的距离、麦克风的个数是任意的,能够根据作为检测对象的声音来选择。例如,在将更远的设备2的声音作为检测对象的情况下,可以将麦克风间的距离设定得更长。另外,为了更准确地确定声音的产生源的位置,可以将麦克风的个数设定得更多。
另外,在将传感器节点10设为复合传感器的情况下,也能够在各无线传感器基板15之间进行通信。在该情况下,在各无线传感器基板15中,也能够通过进行通信来共用发送传感器数据的触发。例如,有时将传感器11中的检测结果超过规定的阈值作为传感器数据的发送触发。在该情况下,位于传感器节点10的移动方向的前端的无线传感器基板15取得该触发,并通过通信将所取得的触发传送给其他无线传感器基板15。在无线传感器基板15中,为了取得触发,需要对传感器11的传感检测信号进行信号处理或者进行各种运算,产生电力消耗。因此,如果将一个无线传感器基板15作为主无线传感器基板15而取得触发,并将其作为其他无线传感器基板15的触发而共用,则其他无线传感器基板15仅通过通信所需的功耗就能够取得触发,因此能够降低功耗。
而且,也考虑到主无线传感器基板15因某些不良情况而无法起动的情况。因此,当其他无线传感器基板15基于与主无线传感器基板15的通信感测到主无线传感器基板15发生不良情况时,可以将其他无线传感器基板15新切换为主无线传感器基板15。这样,即使主无线传感器基板15发生不良情况,也能够通过其他无线传感器基板15继续取得触发,能够不停止未发生不良情况的无线传感器基板15所具备的传感器11的传感检测而进行设备监视。另外,关于这里所说的无线传感器基板15,可以在一个传感器节点10所具备的多个无线传感器基板15中进行,也可以在多个传感器节点10所具备的多个无线传感器基板15中进行。
另外,关于传感器节点10的大小,根据使用输送路径、安装场所的限制而决定。
〔传感器节点10的其他构成例〕
在图6所示的构成中,关于传感器11,通过将在一块无线传感器基板15上配置了一个传感器11的构造设置于六面体形状的各面而构成了复合传感器,但也可以通过其他构造构成复合传感器。
例如,如图22所示,传感器11也可以是在一块基板16上搭载有多个传感器11的构成。在该图中,例如,在基板16上还设置有由电池构成的电源部12。而且,采用在电源部12的周围配置有多个传感器11的构造。如图23所示,也可以在主板17b上安装多个安装有一个传感器11的扩张板17a。在该图中,采用如下构造:在主板17b中的安装有扩张板17a的场所以外的区域配置有由电池构成的电源部12,在电源部12的周围配置扩张板17a。也可以如图24B所示那样通过组合多块如图24A所示那样安装有一个传感器11的基板18来构成复合传感器。例如,准备能够滑动收纳多块基板18的收纳箱19。然后,在收纳箱19内收纳多块安装有传感器11的基板18。在该情况下,如图24A所示,可以对各基板18配备由电池等构成的电源部12,也可以构成为在多张基板18中的一部分具备电源部12,对其他基板18也进行电力供给。
但是,在大小有限制的情况下,由于来自电源部12的电力供给、传感器11的数量等产生限制,因此优选如图6那样的多面体形状。
另外,关于具备无线传感器基板15及其他构成例所示的传感器11的各基板,也可以具有各传感器11的自诊断功能。通过具有诊断学习时的传感器数据与运用时的传感器数据的传感器灵敏度是否相同、传感器自身是否发生故障等的功能,来提高异常程度辨别的可靠性。另外,基于这种自诊断功能,例如也可以具有温度校正功能。由于传感器11具有温度特性,因此能够进行与环境温度对应的传感器灵敏度校正。即,即使在循环炉那样的存在温度变化的环境中,通过进行基于自诊断功能的温度校正,也能够进行更高精度的传感检测,是有效的。
〔传感器节点10的位置确定〕
在将传感器节点10设置于设备2或其附近而不设置于移动体的情况下,将该设置场所确定为传感器节点10的位置。
在将传感器节点10设置于移动体的情况下,例如,在将传感器节点10作为输送体而设置在输送路径5上的情况下,需要进行移动体的场所的确定。在移动体的场所的确定中,例如如果是设置于以等速度移动的输送路径5上的输送体,则以时刻为触发来确定位置。即,由于能够基于移动速度来掌握传感器节点10移动到何种程度,因此例如通过测定从传感器节点10的移动开始起的经过时间,能够确定传感器节点10的位置。而且,例如使用声音传感器作为传感器11,通过测定此时从哪个方向传来声音来拾取想要检测的部位。另外,例如使用光传感器作为传感器11,也可以测定此时从哪个方向照射光,根据接收到的光量来确定传感器节点10的位置。如果是不以等速度移动的输送路径,则可以使用图像分析装置、RF-ID读取器、光学标记等作为传感器11来确定传感器节点10的位置。
另外,也可以在设备2侧设置特定的声音例如用正弦波表现的声音等以一定的声压发出声音的扬声器,利用当传感器节点10最接近扬声器时,该频率的声压最大化来确定位置。例如,如图25所示,设想传感器节点10设置于输送路径5上的情况。成为声源的扬声器6设置于输送路径5的附近。在这种情况下,如图中箭头所示那样,当传感器节点10在输送路径5上从纸面左侧向右侧移动时,在扬声器6的附近声压最大化。具体而言,若从扬声器6输出2000Hz的声音,则传感器节点10如图26所示,测定2000Hz的附近的声压。在该图的情况下,由于在7.5秒的时刻声压变得最高,因此将此时作为传感器节点10最靠近扬声器6附近的定时,能够确定传感器节点10的位置。
另外,为了与实际发出的声音而并非扬声器6进行区别,也可以使用超声波区域。在该情况下,作为传感器11,只要设置高频用麦克风即可。
另外,在移动的输送路径5如图27所示被分割成多个区间的情况下,也可以基于后述的状态检测部30学习的输送路径5的正常时的数据,确定输送路径5的位置。例如,如图27所示,输送路径5被分割成第一输送区间R1、第二输送区间R2、第三输送区间R3、第四输送区间R4。在该情况下,状态检测部30学习表示第一输送区间R1~第四输送区间R4的各区间的输送路径5的状态的各种数据并存储模型。而且,状态检测部30也可以将该模型与从传感器节点10发送的传感器数据进行比较来确定输送路径5的位置。表示输送路径5的状态的各种数据能够使用传感器节点10检测出的振动、加速度、角速度、温度、湿度、电磁场、声音、光量,力、转矩、周边图像等。
这样,在基于状态检测部30学习的输送路径5的数据来确定输送路径5的位置的情况下,能够不需要用于传感器节点10确定位置的产生声源或光源的装置。
〔接收部20〕
接收部20接收从传感器节点10发送的传感器数据,或者接收从设备2传送的各种信号,例如设备存储信号、设备动作信号。在图1中,将接收部20与后述的状态检测部30以不同的构成表示,但也可以如个人计算机等那样,由具有接收功能和各种运算处理功能的装置构成接收部20及状态检测部30。
〔状态检测部30〕
状态检测部30检测成为监视对象的设备2的各构成要素的状态,检测设备2的每个构成要素是否存在异常或异常的征兆,并将其输出到显示装置40等。例如,状态检测部30学习各设备2正常工作的正常时的各构成要素的数据并存储模型,在异常监视时取得设备2的使用时的各构成要素的数据并与学习的模型进行比较,检测各构成要素的状态。而且,状态检测部30对于作为检测对象的每个构成要素具有这样的功能。
图28是表示状态检测部30的功能模块等的详细情况的框图。
如该图所示,状态检测部30构成为具有按每个成为检测对象的构成要素所具备的多个机器学习部31与信号输出部32。在图28中,仅示出了多个机器学习部31中的一个的功能模块的详细情况,但实际上具备多个相同的块构成。设备状态监视系统1通过机器学习部31对设备2中的异常的发生及其预兆进行推论,并通过一个信号输出部32对每个构成要素的机器学习部31中的推论结果进行综合处理,进行各设备2的异常监视。
这里所说的成为检测对象的构成要素,是指在作为监视对象的设备2中,可能成为异常发生的主要原因的要素,是成为应基于传感器数据进行检测的检测对象的要素。构成要素可以是由作业者3决定的设备2中的特定的场所,也可以是按设备2划分的区域。在由作业者3决定成为检测对象的构成要素的情况下,如果指望靠熟练者的直觉和诀窍来检查的地方,就容易确定为容易损坏的地方。对于直觉、诀窍的可视化,让熟练者戴上能够感测视线的眼镜等观察检查作业等是有效的。
机器学习部31构成为具有状态观测部31a、标签数据推测部31b、学习部31c、模型存储部31d以及推论结果输出部31e。
状态观测部31a输入从传感器节点10传送的传感器数据,作为表示成为检测对象的构成要素的状态的状态变量进行观测,并将该观测数据传送到学习部31c、推论结果输出部31e。另外,状态观测部31a也可以将原本装备在设备2的各种传感器2a的传感检测信号所表示的检测结果作为传感器数据而输入。在该情况下,状态观测部31a以与从传感器节点10传送的传感器数据相同的方式处理其装备的传感器2a的检测结果,并将其作为表示成为检测对象的构成要素的状态的状态变量而进行观测。作为装备的传感器2a所检测的物理量、状态,可列举出电压、电流、位置位移、速度、振动或加速度、温度、湿度、电磁场、声音、光量、力、转矩、周边图像、距离、流量、pH、压力、粘度、臭气等。另外,关于设备2所装备的传感器2a,可以是复合传感器,也可以是单一的传感器,与状态检测部30的通信方式,可以是有线,也可以是无线。
标签数据推测部31b取得实际的成为设备2的动作状态数据的设备存储信号、设备动作信号作为标签数据,并传送到学习部31c等。设备存储信号是表示设备2如何被处理的信号。在设备2中检测出异常时,在按照设备状态监视系统1的检测结果进行了异常应对的情况下,标签数据推测部31b作为设备存储信号进行存储。另外,在作业者3不按照检测结果而直接基于直觉、诀窍进行了异常应对的情况下,标签数据推测部31b作为设备存储信号进行存储。然后,为了反馈该履历,向标签数据推测部31b传送设备存储信号。设备动作信号是表示在对设备2进行了异常应对的处理时,该设备2进行了怎样的动作的信号。设备动作信号是表示设备2在怎样处理时成为怎样的状态的信号,因此成为与设备存储信号对应地附加了标签的标签数据。
例如,标签数据推测部31b取得能够通过PLC(可编程逻辑控制器)等取得的设备2的动作触发作为动作状态数据。另外,动作状态数据也可以由作业者3作为与人、装置、材料、方法、测定以及环境相关的数据来取得。例如,关于在几月几日在设备2中发生的异常、哪个设备2的哪里、怎样、为什么异常、哪个作业者3用怎样的方法进行了应对等作为设备存储信号来表示。另外,由此作为设备动作信号表示设备2进行了怎样的动作。关于由标签数据推测部31b取得的标签数据,可以仅在后述的学习部31c的学习中使用,也可以在推论结果输出部31e的推论时使用。在推论结果输出部31e的推论中使用的情况下,标签数据被传送到推论结果输出部31e。
学习部31c根据来自状态观测部31a的观测数据所表示的状态变量、来自标签数据推测部31b的标签数据所表示的设备2的动作状态,制作对成为检测对象的构成要素的异常度进行推定的模型。例如,学习部31c基于监视对象的设备2正常动作时的各种物理量、设备2的动作状态,制作正常时的模型。另外,异常时的模型也可以由学习部31c基于异常时的各种物理量、设备2的动作状态来制作。
作为学习部31c使用的学习数据,可列举出基于某一物理量的变动量、振幅、变动时间、变动次数、频率、与输出表示异常的信号的规定值的偏差量中的至少一个而提取的特征性部分、其时间序列数据。在学习中使用的可以只是一个传感器数据,也可以是将多个物理量的特征性部分、时间序列数据的组作为学习、推定对象的状态变量。也包括通过机器学习而获得的特征量的时间序列推移。例如,也包括通过基于主成分分析、t-SNE(T-distributed Stochastic Neighbor Embedding,T分布随机邻域嵌入)等无监督机器学习的维度削减而获得的特征量。而且,学习部31c也可以使用多个物理量,根据过去的数据进行加权来进行学习。另外,通过还一并学习由标签数据取得的设备2的动作状态,能够形成限定于更想监视的部位、动作的模型。另外,即使没有标签数据,也可以仅将来自状态观测部31a的观测数据作为学习数据。
模型存储部31d是将由学习部31c制作的模型、即成为模型的学习数据作为成为基准的模型而存储的部分。具体而言,学习部31c作为用于推定成为检测对象的构成要素的异常度的基准的模型,存储有成为监视对象的设备2为正常时的模型。另外,如果由学习部31c也制作了发生异常时的模型,则也将其作为发生异常时的基准的模型而存储于模型存储部31d。
推论结果输出部31e基于存储的模型的学习数据,推论成为监视对象的设备2的监视时的动作状态。推论结果输出部31e在进行设备2的动作状态的推论时,输入观测数据与标签数据,除了所存储的模型的学习数据之外,还能够使用观测数据与标签数据进行设备2的动作状态的推论。这里的动作状态是指从正常时的学习数据偏离了多少这样的从正常状态的偏离程度。推论结果输出部31e将该偏离程度作为“异常程度”进行定量化,并将其作为推论结果输出。
例如,在监视时对从传感器节点10发送来的传感器数据的原始值的变化或者物理量的值进行统计处理而求出的判定值成为“异常程度”的值。关于“异常程度”,可以是根据从一个传感器11检测出的一个物理量求出的判定值或原始值的变化,也可以是基于从多个传感器11检测出的多个物理量的复合的判定值或原始值的变化。
关于“异常程度”,不仅能够推论当前的值、即用于判定当前设备2中是否发生了异常的值,还能够推论今后设想的值、即用于设备2的异常的预兆的值。当前的“异常程度”例如通过对当前的观测数据与学习数据进行比较而计算。另外,今后设想的“异常程度”能够通过根据当前的观测数据设想将来的观测数据,并将该设想的观测数据与学习数据进行比较而计算,也能够根据当前的“异常程度”计算。关于今后设想的“异常程度”,通过在模型存储部31d中将过去的动作状态数据与设备2的状态建立对应来学习,能够计算与经过时间对应的“异常程度”。然后,推论结果输出部31e将该推论结果输出到信号输出部32。
信号输出部32基于从推论结果输出部31e传送的“异常程度”,判定设备2中发生了异常、或者存在异常的预兆,并将该判定结果传送到显示装置40。例如,在信号输出部32中预先存储由对传感器数据的原始值的变化或者物理量的值进行统计处理而求出的判定值所表示的“异常程度”所对应的阈值。然后,信号输出部32在“异常程度”的值超过了预先存储的阈值的情况下,判定为发生了异常或发生了异常的预兆。关于异常的预兆,不仅能够推论将来可能发生异常的可能性,还能够推论到异常发生为止的剩余时间。例如,如上述那样,通过计算与经过时间对应的“异常程度”,能够掌握“异常程度”超过阈值所花费的经过时间。到异常发生为止的剩余时间能够基于这样掌握的经过时间来推论。
另外,信号输出部32还能够推论异常发生部位、即发生了异常的构成要素。根据上述的“异常程度”,能够确定在设备2的哪个构成要素中发生了异常或其预兆。进而,信号输出部32通过观察每个构成要素的异常程度的值,能够将异常程度最大的构成要素判定为故障部位,能够辨别异常的预兆的发生部位。
例如,在使用声音传感器作为传感器11的情况下,在声音传感器数据中出现异常的特征量的情况下,通过着眼于该特征量,能够确定基于多个麦克风的声源方位,能够进行更细致的异常预兆发生部位的确定。例如,如图29所示,在传感器节点10在输送路径5上移动的情况下,试着设想在通过各设备2的前面的情况下位置3的设备2发出了异常声音的情况。在该情况下,在传感器节点10向位置1~6移动时,由声音传感器检测到异常声音,但在离位置3较远的位置仅检测到较小的异常声音,离位置3越近的位置检测到的声音越大。因此,声音传感器的检测结果所表示的位置与“异常程度”的关系如图30所示,可知在“异常程度”最高的位置3的设备2中发出了异常声音。基于声音传感器数据中出现的异常的特征量、在图29的例子中为声音的大小,由推论结果输出部31e计算各位置处的“异常程度”。因此,将推论结果输出部31e计算出的“异常程度”与发出异常声音时所设想的阈值进行比较,能够判定为在“异常程度”超过阈值的位置3的设备2中发生了异常。另外,这里,虽然列举了声音传感器的例子,但即使是声音传感器以外的传感器也同样地着眼于从传感器数据获得的特征量,在出现异常的特征量的情况下,能够确定该异常的发生部位。
〔显示装置40〕
显示装置40进行与从信号输出部32传送的判定结果对应的显示,例如由显示器等构成。当从信号输出部32传送发生了异常或有异常的预兆时,显示装置40对其进行显示。另外,在采用从信号输出部32传送设备2没有异常的判定结果的方式的情况下,显示装置40也能够进行该意思的显示。
关于显示装置40的显示方法,可以在作业者3一侧任意设定,也可以用名称显示异常发生部位或异常预兆部位,但通过采用3D映射显示,能够使作业者3凭感觉掌握该部位。另外,如果进行使用了AR(AugmentedReality,增强现实)的显示,则作业者3还能够一边维护设备2一边确认异常预兆部位、或者在视觉上确认所推荐的修理内容。而且,显示装置40在传感器节点10使用声音传感器的情况下,也可以构成为能够输出该声音传感器检测出的设备2的声音。由此,作业者3还能够一边维护设备2一边确认异常声音,从而在听觉上确认设备2的异常。
例如,显示装置40如图31所示,在构成显示装置40的显示器的左侧,以能够掌握设备2中的成为检测对象的构成要素2b的方式进行显示。这里所示的设备2中的构成要素2b可以是在不同的多个设备2分别想要作为检测对象的场所,也可以是在一个相同的设备2中想要作为检测对象的多个场所。而且,显示装置40在显示器上的右侧显示与各构成要素2b对应的经过时间所对应的“异常程度”。这样,通过显示装置40,能够使作业者3掌握想要监视的设备2的构成要素2b的“异常程度”今后如何变化。
另外,参照图32及图33,对设备状态监视系统1检测出设备2的异常的发生或异常的预兆时的显示装置40所显示的内容的其他例子的详细情况进行说明。在这些图所示的例子中,设备状态监视系统1为了检测连续相连的第一输送路径51、第二输送路径52、第三输送路径53、第四输送路径54各自的异常的发生或异常的预兆,在传感器11中应用三轴角速度传感器。而且,传感器节点10在按照第一输送路径51、第二输送路径52、第三输送路径53、第四输送路径54的顺序被输送时,在第一输送路径51~第四输送路径54中分别检测相互正交的三个方向的角速度。
机器学习部31根据与传感器节点10检测的第一输送路径51~第四输送路径54各自的动作状态相关的信息,制作推定第一输送路径51~第四输送路径54各自的异常度的模型。而且,显示装置40将第一输送路径51、第二输送路径52、第三输送路径53、第四输送路径54各自的异常的发生或异常的预兆的发生作为检测结果显示。
具体而言,显示装置40显示从第一输送路径51到第四输送路径54输送传感器节点10时在各输送路径51、52、53、54中输送的时间所对应的检测结果。检测结果的显示内容可以是三轴角速度传感器检测出的三个方向各自的角速度的经时变化的信息,也可以是表示基于三轴角速度传感器检测出的三个方向各自的角速度计算出的传感器节点10的姿势的经时变化的三维模型。在显示内容是表示传感器节点10的姿势的经时变化的三维模型的情况下,作业者3更容易在视觉上掌握设备2的异常状态。
然而,在对三维模型计算传感器节点10的姿势的经时变化时,存在在实际的传感器节点10的姿势与用三维模型计算的传感器节点10的姿势之间产生误差的隐患。而且,关于该误差,在三维模型的计算中使用的传感器节点10的检测期间越长,误差越容易累积而变大。
因此,可以将与传感器节点10所具有的三轴角速度传感器不同的角速度传感器追加到传感器节点10中来校正误差,也可以将与角速度传感器不同的传感器(例如三轴地磁传感器)追加到传感器节点10中来校正误差。另外,在按照第一输送路径51~第四输送路径54的顺序输送时,在存在传感器节点10的姿势唯一确定的部位的情况下,也可以以该唯一确定的传感器节点10的姿势为基准,计算传感器节点10的三维模型,减少累积的误差。
而且,显示装置40也可以在显示第一输送路径51~第四输送路径54各自的检测结果的同时,如图33所示,显示图像传感器拍摄到的传感器节点10的图像。
另外,只要能够检测出第一输送路径51、第二输送路径52、第三输送路径53、第四输送路径54各自的异常的发生或异常的预兆,则应用于传感器11的角速度传感器可以是二轴角速度传感器,也可以是一轴角速度传感器。
另外,显示装置40也可以在检测出异常的发生或异常的预兆时,能够显示传感器数据的经时变化。例如,也可以在第一输送路径51中检测出异常的预兆时,显示在从检测出的时刻起追溯到1小时前、1天、1个月前等时刻为止的期间中的规定期间中的传感器节点10检测到的第一输送路径51的传感器数据。在该情况下,显示装置40也可以构成为,通过作业者3操作显示器上显示的再现开始开关41以及操作停止开关42,从而能够再现以及停止传感器数据的经时变化的显示。另外,显示装置40也可以构成为,通过作业者3操作显示器上显示的再现速度调整开关43,从而能够调整显示传感器数据的经时变化时的再现速度的倍率。
这样,通过将传感器节点10检测到的传感器数据显示于显示装置40,作业者3能够在视觉上确认传感器节点10的姿势的变化。然而,在通过本实施方式的设备状态监视系统1检测出设备2的异常的发生或异常的发生的预兆的情况下,认为需要由作业者3迅速地对设备2实施检查应对等。而且,在作业者3进行设备2的检查的情况下,有时需要停止该设备2的运行。
然而,即使在不一定需要设备2的检查的情况下,也可以考虑由于外部环境的变化等,设备状态监视系统1检测设备2的异常的发生或异常的发生的预兆。因此,即使设备状态监视系统1检测出设备2的异常的发生或异常的发生的预兆,在不需要设备2的检查的情况下,希望不使设备2的运行停止。
与此相对,即使在设备状态监视系统1检测出设备2的异常的发生或异常的发生的预兆的情况下,通过作业者3确认显示装置40所显示的传感器数据,作业者3也能够判断实施设备2的检查的必要性。例如,在由设备状态监视系统1检测出设备2的异常的预兆时,作业者3通过确认传感器数据的经时变化,容易判断由作业者3实施设备2的检查的必要性。由此,通过避免设备2的不必要的运行停止而削减设备停止时间,能够提高生产效率。
另外,由于设备2的异常不是日常发生的,因此设备状态监视系统1日常地检测出异常的发生或异常的预兆的发生的可能性较低。但是,通过作业者3在显示装置40视觉上或听觉上确认传感器节点10日常检测出的传感器数据,即使实施检查的作业者3是新手,也能够容易判断作业者3的设备2的检查实施的必要性。即,能够将设备状态监视系统1用于进行设备2的检查的作业者3的教育。
特别是,设备2的异常的判断被作业者3的感觉性判断左右,所以容易受到作业者3的熟练度的影响。但是,通过使作业者3在视觉上或听觉上确认用于判断设备2的异常的传感器数据,能够容易地将熟练度高的作业者3的感觉性判断传递给熟练度低的作业者3。即,能够通过设备状态监视系统1将熟练度高的作业者3凭感觉捕捉到的直觉、诀窍对熟练度低的作业者3进行教育。
〔设备状态监视系统1的工作〕
如以上那样,构成设备状态监视系统1。接着,对这样构成的设备状态监视系统1的动作进行说明。
首先,预先在成为监视对象的设备2正常动作时,从传感器节点10发送由传感器11的传感检测信号等构成的传感器数据。其被接收部20接收,并传送到状态检测部30。在设备2中具有装备的传感器2a的情况下,也可以将该传感器2a的传感检测信号所表示的检测结果作为传感器数据输入。另一方面,在使设备2工作时,由于作业者3驱动该设备2,因此成为此时的动作状态数据的设备存储信号、设备动作信号被输入到状态检测部30。
由此,传感器数据被输入到状态观测部31a,并且设备存储信号以及设备动作信号被输入到标签数据推测部31b。然后,通过将它们传送到学习部31c,学习设备2正常动作时的各构成要素的数据,制作模型,将该模型存储于模型存储部31d。由于还可以从标签数据中一并学习设备2的状态,因此可以制作限定于更想监视的部位、动作的模型。另外,在通过将传感器节点10设置于输送路径5那样的移动体而使其移动的情况下,也确定传感器节点10的位置,制作与获得传感器数据时的传感器节点10的位置建立对应的模型。
然后,在模型存储部31d中存储模型后,使用传感器节点10进行成为监视对象的设备2的异常的发生或其预兆的监视。即,来自传感器节点10的传感器数据以及根据需要来自装备于设备2的传感器2a的传感器数据被传送到状态检测部30,该传感器数据所表示的各构成要素2b的数据被传送到推论结果输出部31e。由此,在推论结果输出部31e中,将各构成要素2b的数据与成为模型的学习数据进行比较,计算各构成要素2b的“异常程度”,并且计算与今后的经过时间对应的“异常程度”,并传送到信号输出部32。
接着,在信号输出部32中,将从推论结果输出部31e传送的各构成要素2b的“异常程度”与预先存储的对应的阈值进行比较。然后,在当前的“异常程度”超过了阈值的情况下,判定为设备2发生了异常,在将来的“异常程度”超过了阈值的情况下,判定为设备2发生了何时有可能发生异常的异常的预兆。
这样,当由信号输出部32进行判定时,所判定的异常的发生或其预兆等判定结果被传送到显示装置40,由显示装置40进行显示。然后,如果没有发生异常,则进行各设备2正常的显示。另外,在发生了异常或发生了异常的预兆的情况下,显示该设备2,或者通过3D映射显示等显示异常发生部位或异常预兆部位。进而,在发生了异常的预兆的情况下,在显示装置40上还显示到异常发生为止的剩余时间。
由此,作业者3能够基于显示装置40的显示,确认设备2是正常还是异常,在发生了异常或者有异常的预兆的情况下,能够对其进行应对。
另外,由于能够确定异常发生部位或异常预兆部位,因此也可以推定更换部件,自动地向制造商进行更换部件的订购。关于异常的预兆,由于可知什么时候可能发生的异常发生时期,因此也能够根据异常发生时期设定更换部件的交货期限来进行订购。这样,不会有多余库存,此外,还能够在发生异常之前做好维护准备。
例如,如图34所示,更换部件的订购是从状态检测部30对制造更换部件的部件制造商A设定交货期限来进行更换部件的订购的。由此,部件制造商A能够对制造更换部件的制造所需的部件的各部件制造商B、C确定交货期限并进行订购,以使更换部件的交货赶得上该交货期限。而且,对于各部件制造商B、C,为了能够赶上部件制造商A的交货期限将其部件交货,能够进一步向相关的部件制造商进行订购。这样,能够预先向与更换部件相关的各部件制造商进行部件的订购。
另外,在多条生产线制造同一产品的情况下,也能够基于异常的预兆,重新设定每条生产线的生产目标台数。例如,在一条生产线判定出异常的预兆的情况下,进行每条生产线的生产目标台数的重新设定,使得能够从用于维护的设备停止时间起以最小运行时间实现每天、每月的生产目标台数。由此,能够设定考虑到异常的预兆的适当的生产目标台数。
进而,在应用设备状态监视系统1的工厂中,如果取得整体的消耗能量与生产台数的相关图,则也能够基于生产台数与消耗能量的关系,进行能量使用状况的主要原因的划分。例如,如图35中的折线图所示,尽管通过使一部分的设备2运行或停止而生产台数有所增减,如棒线图所示,存在能量使用量没有变化的状况。具体而言,在设备2的运行中,如图35中的状态1、3那样,生产台数与能量使用量相关,当使设备2停止时,如状态4那样,能量使用量伴随着生产台数的减少而减少。然而,如状态2那样,尽管使设备2停止而生产台数减少,但在能量使用量未减少的情况下,存在与停止的生产无关的设备2的待机电力较大的可能性。
在这种情况下,在状态检测部30中,相应设备2所具备的构成要素2b的“异常程度”的值表现得较大,在信号输出部32中判定异常的发生,但根据生产台数与能量使用量的关系也能够检测异常的发生。
另外,在进行反馈控制而保持设备2的一定动作的情况下,虽然生产台数与能量使用量相关,但即便如此,有时能量使用量也会超出预想地增加。例如,存在产生润滑不足或污垢等引起的摩擦大等干扰而设备2的输出逐渐变大的情况。
因而,如果通过设备状态监视系统1感测设备2的生产台数与能量使用量的时间序列变化,则能够确定能量使用量中发生时间序列变化时的主要原因。
如以上说明那样,在本实施方式的设备状态监视系统1中,使用至少一个共同的传感器节点10,将多个设备2正常动作的正常的传感器数据传送到状态检测部30。然后,使状态检测部30学习多个设备2的正常时的状态作为学习数据。因此,通过将学习后从传感器节点10发送的传感器数据所表示的多个设备2的状态与学习数据进行比较,即使各个监视对象中不具备振动传感器等,也能够检测成为监视对象的多个设备2的异常的发生及其预兆。
进而,将设备2的构成要素2b的状态表示为“异常程度”,按照每个构成要素2b检测是异常、或有异常的征兆。因此,能够确定多个设备2中的哪个设备2的哪个构成要素2b发生异常或有该预兆。
另外,在具有用于输送生产设备那样的产品的输送路径5的情况下,为了能够使成为监视对象的设备2的数量更多,将传感器节点10作为与输送路径5一同移动的输送体来应用。由此,能够监视从生产设备的产品的制造的开始到结束的设备2的状态。而且,能够通过至少一个共同的传感器节点10进行作为这种生产设备而具备的多个设备2的监视。
另外,通过将传感器节点10所具备的传感器11设为复合传感器,使用多个传感器数据进行复合处理,能够更高精度地检测设备2的异常的发生及其预兆。作为复合处理,可列举出进行包含各传感器数据的相关在内的处理等。
根据从2020年开始运行的关于气候变化问题的国际性措施《巴黎协定》,为了实现本世纪下半叶的碳中和,需要致力于减少二氧化碳的排出。其中,使在产品的制造工序中从工厂排出的二氧化碳的排出量为零的动向正在活跃起来。消除由突发故障、维护等引起的设备停止时间等生产的浪费对于减少二氧化碳的排出量是重要的,通过利用本实施方式中说明的设备状态监视系统1检测设备2的异常的发生及其预兆,能够实现这一点。即,通过设备状态监视系统1的应用,能够在异常发生前进行部件的订购、供给,没有不必要的库存,能够使维护引起的设备停止时间最小化,能够大幅地对二氧化碳的排出量减少做出贡献。
而且,通过在输送路径5输送复合传感器,即使不在各设备2设置传感器,也能够通过一个复合传感器来监视多个设备2的状态。进而,对于构成复合传感器的传感器11的种类的组合,能够适当选择,通过根据种类改变传感器11的配置场所,最大限度发挥传感器性能。特别是,如果通过具备多个无线传感器基板15来构成复合传感器,则基于无线传感器基板15的配置场所、组合,能够容易地实现最大限度发挥传感器性能的构造。
另外,将传感器节点10构成为图6及图7所示的构成、即由多个无线传感器基板15构成复合传感器的同时形成为多面体形状,并在各面中的至少一个面以上配置无线传感器基板15。另外,传感器节点10构成为无线传感器基板15安装有一种传感器11与通信部13,具有当从电源部12供给电源时向对应的接收部20发送传感器数据的功能。而且,采用如下构成:在复合传感器的中央部配置电源部12,通过连接电源部12与无线传感器基板15来进行电源供给,复合传感器进行动作。
通过采用这种构成,能够增加电源部12的电池容量,进一步延长传感器节点10的驱动时间。即,能够使传感器节点10成为最小的形状,并且成为最大的驱动时间。
(其他实施方式)
根据上述的实施方式描述了本公开,但本公开并不限于这些实施方式,也包括各种变形例、等同范围内的变形。除此之外,各种组合、方式以及仅包含一个要素、其以上或其以下的其他组合、方式也在本公开的范畴、思想范围内。
例如,作为传感器节点10的构成例,以图6、图22、图23、图24B的构成为例进行了说明,但也可以采用与这些图所示的构成不同的构成。例如,在图6中,示出了传感器节点10由正六面体构成的例子,但也可以由其他多面体形状构成。另外,在图6等中,采用了在各无线传感器基板15同时安装传感器11与通信部13的构造,但各无线传感器基板15不需要是相同的构造。例如,也可以采用如下构造:对多个无线传感器基板15仅配备一个通信部13,通过一个通信部13进行多个传感器11的传感器数据的发送。
而且,在上述实施方式中,列举了将多个设备2作为监视对象的设备状态监视系统1的例子,但只要是多个监视对象即可,也可以将一个设备2内的不同的构成要素作为监视对象。例如,也可以是如XY工作台和加工头那样,将相同的设备2中的不同的部分作为监视对象的构成要素的情况。另外,也可以使用这里说明的设备状态监视系统1的学习完毕模型、推论结果等,进行其他系统的状态监视。例如,在对相同的监视对象应用设备状态监视系统1的情况下,也可以使用用于系统构建的模型用的监视对象进行学习等,将其用于其他系统的状态监视。
另外,在上述实施方式中说明的设备状态监视系统1中,不需要在一个场所具备构成的各部分。例如,在具备设备2的工厂内具备传感器节点10、接收部20、状态检测部30,在工厂外具备显示装置40。然后,从状态检测部30将表示结果的数据传送到外部的云等,从云将该数据取入到显示装置40。即使是这种方式,作为设备状态监视系统1也成立。
Claims (15)
1.一种设备状态监视系统,其特征在于,包括:
传感器节点(10),具有将表示成为监视对象的设备(2)的状态的数据作为传感器数据输出的传感器(11)、进行所述传感器数据的发送的通信部(13)以及向所述传感器与所述通信部进行电源供给的电源部(12),所述传感器节点共同应用于多个所述监视对象;
接收机(20),接收从所述通信部发送的所述传感器数据;以及
状态检测部(30),输入由所述接收机接收的所述传感器数据,基于所述多个监视对象正常动作的正常时的所述传感器数据,将所述多个监视对象的正常时的状态作为学习数据进行学习,并且当在学习后从所述传感器节点发送的所述传感器数据被所述接收机接收时,对该传感器数据所表示的所述多个监视对象的状态与所述学习数据进行比较,检测所述多个监视对象的异常的发生或异常的预兆。
2.如权利要求1所述的设备状态监视系统,其特征在于,
所述传感器节点配置于移动体,通过与该移动体一同移动,取得表示所述多个监视对象的状态的传感器数据,
状态检测部(30)通过对所述多个监视对象分别检测异常的发生或异常的预兆,来确定所述多个监视对象中的检测出异常的发生或异常的预兆的部位。
3.如权利要求2所述的设备状态监视系统,其特征在于,
所述移动体为输送路径(5),
在所述输送路径配置有所述传感器节点,所述传感器节点与所述输送路径一同移动,所述设备状态监视系统基于在移动中从所述传感器输出的所述传感器数据,由所述状态检测部检测所述多个监视对象的异常的发生或异常的预兆。
4.如权利要求3所述的设备状态监视系统,其特征在于,
所述多个监视对象为生产设备,所述输送路径用于所述生产设备中的产品的输送,
所述状态检测部,作为所述多个监视对象,检测从所述生产设备中的所述产品的制造的开始到结束所具备的设备的异常的发生或异常的预兆。
5.如权利要求2至4中任一项所述的设备状态监视系统,其特征在于,
所述传感器节点具有振动抑制构造(141),该振动抑制构造(141)抑制与所述监视对象的振动不同的振动。
6.如权利要求5所述的设备状态监视系统,其特征在于,
所述振动抑制构造使所述传感器节点的重心的位置向所述传感器节点中的比铅垂方向的中央靠下方侧偏心。
7.如权利要求5所述的设备状态监视系统,其特征在于,
所述振动抑制构造是在与朝向所述传感器节点流动的风的流动方向对应的方向上贯通形成的贯通孔。
8.如权利要求4所述的设备状态监视系统,其特征在于,
所述传感器节点配置于由所述输送路径输送的所述产品上,在将该传感器节点通过所述输送路径移动的方向设为行进方向时,所述传感器节点配置于所述产品的所述行进方向的前方侧。
9.如权利要求4所述的设备状态监视系统,其特征在于,
所述传感器节点配置于由所述输送路径输送的所述产品上,在将该传感器节点通过所述输送路径移动的方向设为行进方向时,所述传感器节点配置于所述产品的所述行进方向的后方侧。
10.如权利要求1~9中任一项所述的设备状态监视系统,其特征在于,
所述状态检测部包括:
学习部(31c),基于所述监视对象正常动作时的所述传感器数据,将所述多个监视对象各自中的每个构成要素(2b)的所述传感器数据中包含的特征性部分以及时间序列数据中的至少一方作为学习数据进行学习;
模型存储部(31d),存储所述学习数据的模型;
推论结果输出部(31e),当在所述学习后从所述传感器节点发送的所述传感器数据被所述接收机接收时,计算将该传感器数据所表示的特征性部分以及时间序列数据中的至少一方从所述学习数据的偏离程度定量化而得的异常程度;以及
信号输出部(32),通过将所述异常程度与预先设定的阈值进行比较,检测所述多个监视对象的异常的发生或异常的预兆,并输出其检测结果。
11.如权利要求10所述的设备状态监视系统,其特征在于,
所述推论结果输出部,作为所述异常程度,除了接收到所述传感器数据的当前的异常程度之外,还计算今后设想的异常程度,
所述信号输出部基于所述当前的异常程度检测异常的发生,基于所述今后设想的异常程度检测异常的预兆。
12.如权利要求10或11所述的设备状态监视系统,其特征在于,
所述设备状态监视系统具有显示装置(40),该显示装置(40)显示所述信号输出部输出的所述状态检测部中的检测结果。
13.如权利要求1~12中任一项所述的设备状态监视系统,其特征在于,
所述设备状态监视系统具备存储部(60),该存储部(60)能够与所述传感器节点进行通信,
所述存储部接收所述传感器数据,并且将与所述传感器数据的接收时刻对应的信息和所述传感器数据建立关联而进行存储。
14.如权利要求1~13中任一项所述的设备状态监视系统,其特征在于,
在所述传感器节点中具备复合传感器,该复合传感器具备多个所述传感器,
所述状态检测部通过使用多个所述传感器输出的所述传感器数据进行复合处理,来检测所述多个监视对象的异常的发生或异常的预兆。
15.如权利要求14所述的设备状态监视系统,其特征在于,
所述传感器节点具有:
多个无线传感器基板(15),具备多个所述传感器中的至少一个;
所述通信部,配备于所述多个无线传感器基板中的至少一个;以及
所述电源部,构成为多面体形状,
所述电源部通过在所构成的所述多面体形状的多个面的一个面以上各配置所述多个无线传感器基板中的一个而形成为多面体形状。
Applications Claiming Priority (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2021-109105 | 2021-06-30 | ||
JP2022-003330 | 2022-01-12 | ||
JP2022003330A JP7501547B2 (ja) | 2021-06-30 | 2022-01-12 | 設備状態監視システム |
PCT/JP2022/025386 WO2023276895A1 (ja) | 2021-06-30 | 2022-06-24 | 設備状態監視システム |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117581085A true CN117581085A (zh) | 2024-02-20 |
Family
ID=89884947
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202280046161.7A Pending CN117581085A (zh) | 2021-06-30 | 2022-06-24 | 设备状态监视系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117581085A (zh) |
-
2022
- 2022-06-24 CN CN202280046161.7A patent/CN117581085A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107305370B (zh) | 设定与产品的异常相关的变量的判定值的生产系统 | |
JP6918113B2 (ja) | ステータに対して相対的な搬送体のコントロールされた搬送のためのステータを備えた搬送装置 | |
US11897068B2 (en) | Information processing method, information processing system, and information processing device | |
EP1955830B1 (en) | A method and a control system for monitoring the condition of an industrial robot | |
EP3076256B1 (en) | Systems and methods for assessing a facility based on audio/visual delta analysis | |
KR102502235B1 (ko) | 물류 모니터링 시스템 및 이의 동작 방법 | |
CN104108104B (zh) | 搬运工件的机器人的控制装置 | |
CN109399122A (zh) | 控制装置以及机器学习装置 | |
CN104124189B (zh) | 监控晶圆处理的系统及方法以及晶圆处理机 | |
EP1967334B1 (en) | Detection of condition changes in an industrial robot system | |
JP2017525049A (ja) | 設備の監視対象物の在庫を検出するためのシステム | |
JP7351054B2 (ja) | 搬送システム検査装置(ドクター物流) | |
CN105573249A (zh) | 具备用于确认负荷信息的设定的功能的控制装置 | |
US10585415B2 (en) | Portable operation panel having vibrating function and vibration-detecting function | |
EP3904014A1 (en) | System and method for robotic assembly | |
CN117581085A (zh) | 设备状态监视系统 | |
WO2022232297A1 (en) | Power tool control for multiple fastener applications | |
JP7501547B2 (ja) | 設備状態監視システム | |
WO2023276895A1 (ja) | 設備状態監視システム | |
CN108284434B (zh) | 机器学习装置、示教装置的冲击抑制系统及机器学习方法 | |
TW202422029A (zh) | 設備狀態監視系統 | |
EP4051464A1 (en) | System and method for online optimization of sensor fusion model | |
US20100013654A1 (en) | Self-contained monitoring and remote testing device and method | |
US10521774B2 (en) | Preventive maintenance system and preventive maintenance method | |
CN117320983A (zh) | 电池移动检测设备及包括其的电池监测系统 |
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 |