JP2010277199A - 生産システムの設備診断装置および設備診断方法、並びに設備診断プログラムおよびこれを記録したコンピュータ読み取り可能な記録媒体 - Google Patents

Abstract

【課題】製鉄プラントのように正常な状態のときの特徴量の挙動が不明確な設備であっても、正常または異常を診断することを可能にする。
【解決手段】生産システムを構成する各設備の状態を示す設備状態データおよび生産システムにより生産された製品の状態を示す製品状態データを収集するデータ収集手段１１と、収集されたデータを製品が正常な場合と異常な場合とに分類するデータ分類手段１２と、分類された正常な場合のデータと異常な場合のデータとのそれぞれについて各設備の所定の動作をトリガとして特徴量を検出するトリガ検出手段１３と、検出された正常な場合の特徴量と、異常な場合の特徴量とを比較し、所定の閾値以上の差異があるもののみについてそれぞれの特徴量を特徴量ＤＢ１８へ登録するデータベース登録手段１４と、操業中の特徴量を抽出し特徴量ＤＢ１８と比較することにより、製品が正常であるか異常であるかを診断する診断手段１５とを含む。
【選択図】図２

Description

本発明は、製鉄プラントその他の生産システムの設備を診断する設備診断装置および設備診断方法、並びに設備診断プログラムおよびこれを記録したコンピュータ読み取り可能な記録媒体に関する。

製鉄プラントその他の生産システムは、各設備が正常に動作することで、正常な製品が生産される。そのため、各設備が正常に動作しているかどうかを診断し、異常発生時には速やかに対応することが重要である。従来、この種の設備診断システムとして、例えば、特許文献１〜４に記載のものが知られている。

特許文献１に記載の自動診断装置は、シーケンシャルに同じ動作を繰り返すものについて、正常時の信号変化（オン／オフ）パターンを基準として比較することで異常診断を行うものである。この自動診断装置では、手作業で基準パターン作成を行うのではなく、自動的に基準パターンの作成および補正を行っている。しかしながら、このような単純にシーケンシャル動作を行う設備であっても、設備側の状態により、信号変化にばらつきのあるものも多いため、その場合の対応は難しくなる。

特許文献２に記載の診断装置は、上記特許文献１に記載の自動診断装置に対して、基準パターンとの差異を単純に閾値判定するのではなく、抽出された特徴量について統計処理を行うものである。これにより、この診断装置では統計量同士を比較することで、ある程度のばらつきのあるものでも精度良く判定することが可能となっている。

特許文献３に記載の設備診断方法は、設備の実稼働中にＰＬＣ（プログラマブルロジックコントローラ）内のソフトウェアによりシミュレーション機能を実行させ、設備からの動作状態入力（ＦＢ（フィードバック）信号）とそれに１対１に対応したシミュレーション結果の模擬信号とを比較することで設備診断を行うものである。

特許文献４に記載の設備診断装置は、生データ収集定義データに従って計測データを生データとして収集し、収集した生データからの特徴量の抽出をそれ用に定義された定義データに従って行い、生データ、あるいは抽出した特徴量を用いた診断は、それ用に定義された定義データに従って行うものである。

特開平１０−９７３１８号公報 特開２００８−２２６００６号公報 特開平４−２８４５０４号公報 特開２００５−１４１５５０号公報

特許文献１〜４に記載の従来の診断装置は、過去の各事例については、あるシーケンス条件下において画一的な信号が得られる場合にのみ適用することが可能である。特許文献２では、統計処理によりある程度のばらつきを許容しているものの、特許文献１，３，４と大きな違いはなく、設備の正常な状態もしくは異常な状態のときに生じる特徴量を人が定義してやる必要がある。

また、一般的に、温度や振動といったセンシングデータや、特定のプロセスデータ単体に着目する診断では、経年変化を監視して閾値により判断するため、正常な状態と異常な状態との違いが顕著に表れなければ判定することは不可能である。特に、製鉄プラントのように、単純にシーケンシャル動作を行う設備ではなく、ダイナミックに制御を行っている場合には、製品の仕様条件（操業条件）により各設備の状態が変動するので、正常な状態のときの特徴量の挙動が不明確であり、特徴量を決定することが困難である。

そこで、本発明においては、製鉄プラントのように正常な状態のときの特徴量の挙動が不明確な設備であっても、正常または異常を診断することが可能な生産システムの設備診断装置および設備診断方法、並びに設備診断プログラムおよびこれを記録したコンピュータ読み取り可能な記録媒体を提供することを目的とする。

本発明の生産システムの設備診断装置は、生産システムを構成する各設備の状態を示す設備状態データおよび生産システムにより生産された製品の状態を示す製品状態データを収集するデータ収集手段と、このデータ収集手段により収集された設備状態データおよび製品状態データを、製品が正常な場合のデータと異常な場合のデータとに分類するデータ分類手段と、このデータ分類手段により分類された正常な場合の設備状態データおよび製品状態データと、異常な場合の設備状態データおよび製品状態データとのそれぞれについて、各設備の所定の動作をトリガとして特徴量を検出するトリガ検出手段と、このトリガ検出手段により検出された正常な場合の設備状態データおよび製品状態データの特徴量と、異常な場合の設備状態データおよび製品状態データの特徴量とを比較し、所定の閾値以上の差異があるもののみについてそれぞれの特徴量を特徴量データベースへ登録するデータベース登録手段と、生産システムの操業中に各設備のリアルタイムの状態を示す設備状態データから特徴量を抽出し、特徴量データベースと比較することにより、製品が正常であるか異常であるかを診断する診断手段と、この診断手段による診断結果を出力する出力手段とを含むものである。

また、本発明の生産システムの設備診断方法は、生産システムを構成する各設備の状態を示す設備状態データおよび生産システムにより生産された製品の状態を示す製品状態データを収集すること、この収集された設備状態データおよび製品状態データを、製品が正常な場合のデータと異常な場合のデータとに分類すること、この分類された正常な場合の設備状態データおよび製品状態データと、異常な場合の設備状態データおよび製品状態データとのそれぞれについて、各設備の所定の動作をトリガとして特徴量を検出すること、この検出された正常な場合の設備状態データおよび製品状態データの特徴量と、異常な場合の設備状態データおよび製品状態データの特徴量とを比較し、所定の閾値以上の差異があるもののみについてそれぞれの特徴量を特徴量データベースへ登録すること、生産システムの操業中に各設備のリアルタイムの状態を示す設備状態データから特徴量を抽出し、特徴量データベースと比較することにより、製品が正常であるか異常であるかを診断すること、この診断結果を出力することを含む。

これらの発明によれば、製品が正常な場合と異常な場合とで設備状態データおよび製品状態データを分類し、正常な場合と異常な場合とでそれぞれ各設備の所定の動作をトリガとして特徴量を検出し、比較して、所定の閾値以上の差異があるもののみについて有意な特徴量として特徴量データベースへ登録する。これにより、製品が正常な場合と異常な場合とで設備状態データおよび製品状態データの特徴量の挙動が不明確であっても、明確な差異が認められる特徴量のみからなる特徴量データベースにより、製品が正常であるか異常であるかを診断することが可能となる。

ここで、特徴量の検出は、設備状態データおよび製品状態データを製品の仕様条件ごとに分類して特徴量を検出することが望ましい。これにより、同一のシーケンス条件下であっても製品の仕様条件によって設備状態データが異なる生産システムにおいても、製品の仕様条件ごとに明確な差異が認められる特徴量のみからなる特徴量データベースが得られ、製品が正常であるか異常であるかを診断することが可能となる。

また、設備状態データおよび製品状態データの分類は、製品が正常な場合と異常な場合との間の中庸な場合のデータを除外して分類することが望ましい。これにより、製品が正常な場合と異常な場合とを明確に分類して特徴量を検出することができるので、より正確に製品が正常であるか異常であるかを診断することが可能となる。

また、本発明の生産システムの設備診断プログラムは、コンピュータを、生産システムを構成する各設備の状態を示す設備状態データおよび生産システムにより生産された製品の状態を示す製品状態データを収集するデータ収集手段と、このデータ収集手段により収集された設備状態データおよび製品状態データを、製品が正常な場合のデータと異常な場合のデータとに分類するデータ分類手段と、このデータ分類手段により分類された正常な場合の設備状態データおよび製品状態データと、異常な場合の設備状態データおよび製品状態データとのそれぞれについて、各設備の所定の動作をトリガとして特徴量を検出するトリガ検出手段と、このトリガ検出手段により検出された正常な場合の設備状態データおよび製品状態データの特徴量と、異常な場合の設備状態データおよび製品状態データの特徴量とを比較し、所定の閾値以上の差異があるもののみについてそれぞれの特徴量を特徴量データベースへ登録するデータベース登録手段と、生産システムの操業中に各設備のリアルタイムの状態を示す設備状態データから特徴量を抽出し、特徴量データベースと比較することにより、製品が正常であるか異常であるかを診断する診断手段と、この診断手段による診断結果を出力する出力手段として機能させるためのものである。このプログラムを実行したコンピュータによれば、上記本発明の生産システムの設備診断装置と同様の作用、効果を奏することができる。また、このプログラムはコンピュータ読み取り可能な記録媒体に記録することで、コンピュータにより読み取り、実行させることができる。

（１）本発明では、製品が正常な場合と異常な場合とで設備状態データおよび製品状態データを分類し、正常な場合と異常な場合とでそれぞれ各設備の所定の動作をトリガとして特徴量を検出し、比較して、所定の閾値以上の差異があるもののみについて有意な特徴量として特徴量データベースへ登録するので、明確な差異が認められる特徴量のみからなる特徴量データベースが得られる。これにより、製鉄プラントのように正常な状態のときの特徴量の挙動が不明確な設備であっても、製品が正常であるか異常であるかを診断することが可能となる。

（２）設備状態データおよび製品状態データを製品の仕様条件ごとに分類して特徴量を検出することにより、同一のシーケンス条件下であっても製品の仕様条件によって設備状態データが異なる生産システムにおいても、製品の仕様条件ごとに明確な差異が認められる特徴量のみからなる特徴量データベースが得られ、製品が正常であるか異常であるかを診断することが可能となる。

（３）製品が正常な場合と異常な場合との間の中庸な場合のデータを除外して設備状態データおよび製品状態データを分類することにより、製品が正常な場合と異常な場合とを明確に分類して特徴量を検出することができるので、より正確に製品が正常であるか異常であるかを診断することが可能となる。

本発明の実施の形態における生産システムとしての製鉄プラントの操業支援システム構成を示す説明図である。 図１の設備診断コンピュータのブロック構成図である。 図１の設備診断コンピュータの処理を示すフロー図である。 圧延工程におけるコイル巻き取り時の周辺設備の電流および速度から特徴量を抽出する例を示す説明図である。 ＭＤ電流およびＰＲ電流の時間変化を示す図である。 ＭＤ速度の時間変化を示す図である。 ＰＲ電流の時間変化を示す図である。 圧延工程においてロールテーブルの各ロールのロール電流値から特徴量を抽出する例を示す説明図である。 ロール電流値の時間変化を示す図である。

図１は本発明の実施の形態における生産システムとしての製鉄プラントの操業支援システム構成を示す説明図、図２は図１の設備診断コンピュータのブロック構成図である。

図１において、本発明の実施の形態における製鉄プラントの操業支援システムは、製鉄プラントの各工程ラインを構成する調節弁、電磁弁、モータ、流量・圧力・温度等を測定する各種センサやポンプ等の各設備１の制御を司る制御装置（シーケンサ）としてのＰＬＣ（プログラマブルロジックコントローラ）２と、ＰＬＣ２が接続される汎用制御ネットワーク３と、汎用制御ネットワーク３に流れる各設備１の状態を示す設備状態データを収集するデータ収集コンピュータ４と、各設備１を診断する設備診断装置としての設備診断コンピュータ５等とから構成される。

設備診断コンピュータ５は、図示しないコンピュータ読み取り可能な記録媒体に記録された設備診断プログラムを実行するコンピュータであり、図２に示すように、マスタ情報登録手段１０、データ収集手段１１、データ分類手段１２、トリガ検出手段１３、データベース（ＤＢ）登録手段１４、診断手段１５や出力手段１６等として機能する。また、設備診断コンピュータ５は、記憶装置（図示せず。）内に、マスタ情報データベース（ＤＢ）１７および特徴量データベース（ＤＢ）１８が構築されている。

マスタ情報登録手段１０は、診断対象となる設備１の定義、特徴量の抽出方法の定義や閾値レベルの定義等のマスタ情報をマスタ情報ＤＢ１７に登録するものである。マスタ情報ＤＢ１７に登録されたこれらのマスタ情報は、データ収集手段１１、データ分類手段１２やトリガ検出手段１３によって参照され、各手段１１〜１３による処理に利用される。

データ収集手段１１は、データ収集コンピュータ４により収集された設備状態データの収集、およびこの製鉄プラントにより生産された製品の状態を示す製品状態データを収集するものである。どのようなデータを収集するかは、マスタ情報登録手段１０により予めマスタ情報ＤＢ１７に登録された診断対象となる設備１の定義に基づいて決定される。設備状態データは、各設備１の稼働時における各種実績やシーケンス等のリアルタイムで把握できる各種プロセスデータである。一方、製品状態データは、形状、疵や後工程情報等の特にリアルタイムで認識できないセンシングまたは検査実績により得られるデータである。

データ分類手段１２は、データ収集手段１１により収集された設備状態データおよび製品状態データを、製品が正常な場合のデータと異常な場合のデータとに分類するものである。正常または異常の判断は、マスタ情報登録手段１０により予めマスタ情報ＤＢ１７に登録されたそれぞれの閾値レベルの定義に基づいて行われる。なお、本実施形態においては、データ分類手段１２は、製品が正常な場合と異常な場合との間の中庸な場合のデータを除外して分類する。

トリガ検出手段１３は、データ分類手段１２により分類された正常な場合の設備状態データおよび製品状態データと、異常な場合の設備状態データおよび製品状態データとのそれぞれについて、各設備１の所定の動作をトリガとして特徴量を検出するものである。トリガとする各設備１の所定の動作は、例えば各設備１のシーケンスデータの変化点である。なお、どのような情報を特徴量とするかは、マスタ情報登録手段１０により予めマスタ情報ＤＢ１７に登録された特徴量の抽出方法の定義に基づいて決定される。

また、本実施形態においては、トリガ検出手段１３は、設備状態データおよび製品状態データを製品の仕様条件（例えば、綱種、板幅、板厚、張力、速度といった操業条件）ごとに分類して特徴量を検出する。また、本実施形態においては、トリガ検出手段１３は、抽出された特徴量を蓄積しておき、平均や標準偏差等の統計量を求める。

ＤＢ登録手段１４は、トリガ検出手段１３により検出された正常な場合の設備状態データおよび製品状態データの特徴量と、異常な場合の設備状態データおよび製品状態データの特徴量とを比較し、所定の閾値以上の差異があるもののみについてそれぞれの特徴量を特徴量ＤＢ１８へ登録するものである。特徴量ＤＢ１８へ登録するかしないかの判断は、マスタ情報登録手段１０により予めマスタ情報ＤＢ１７に登録されたそれぞれの閾値レベルの定義に基づいて行われる。また、特徴量ＤＢ１８への登録は、例えば、通板条件（綱種やサイズ等）をキーとして行われる。

診断手段１５は、製鉄プラントの操業中に各設備のリアルタイムの状態を示す設備状態データから特徴量を抽出し、特徴量ＤＢ１８と比較することにより、製品が正常であるか異常であるかを診断するものである。特徴量の抽出は、トリガ検出手段１３と同様、マスタ情報登録手段１０により予めマスタ情報ＤＢ１７に登録された特徴量の抽出方法の定義に基づいて行われる。また、正常または異常の診断は、マスタ情報登録手段１０により予めマスタ情報ＤＢ１７に登録されたそれぞれの閾値レベルの定義に基づいて行われる。

出力手段１６は、診断手段１５による診断結果を、ディスプレイやスピーカ等を通じての画面表示、アナウンス、警報や、各設備１への制御信号等により出力するものである。例えば、出力手段１６は、診断結果について、トレンドグラフや良否判定結果を表示したり、異常判定時には予め登録されている想定される対処方法をガイダンスしたり、対策が明確なものについては自動的に各設備１の制御信号に反映したりする。

次に、上記構成の設備診断コンピュータ５による処理について、図３のフロー図に基づいて説明する。

まず、ステップＳ１００，Ｓ１０１において、データ収集手段１１により、製品の正常または異常の判断基準となる形状、疵や後工程情報等の製品状態データと、各設備１の稼働時における各種実績やシーケンス等の各種プロセスデータ（設備状態データ）が収集される。次に、ステップＳ１０２において、データ分類手段１２により、この収集されたデータが、ある閾値により、製品が正常な場合のデータと異常なデータの場合とに分類される。このとき、データ分類手段１２は、製品が正常な場合と異常な場合との間の中庸な場合のデータを除外して分類する。

そして、製品が正常な場合のデータである場合には、ステップＳ１０３ａにおいて、トリガ検出手段１３により、綱種、板幅、板厚、張力、速度といった操業条件があるメッシュで区切られ、それぞれのメッシュに該当するデータが分類される。続いて、ステップＳ１０４ａにおいて、トリガ検出手段１３により、連続データの中から、電計制御システムの持つシーケンスデータをトリガとして特徴量が抽出される。次に、ステップＳ１０５ａにおいて、トリガ検出手段１３により、抽出された特徴量が蓄積され、平均や標準偏差等の統計量が求められる。

一方、製品が異常な場合のデータである場合についてもステップＳ１０３ｂ，Ｓ１０４ｂ，Ｓ１０５ｂにおいて、ステップＳ１０３ａ，Ｓ１０４ａ，Ｓ１０５ａと同一の処理が行われる。

次に、ステップＳ１０６において、ＤＢ登録手段１４により、製品が正常なもののグループ（良いグループ）と異常なもののグループ（悪いグループ）との同条件の統計量が比較され、ある閾値以上の差異があるかどうか判断される。ここで、ある閾値以上の差異が認められない特徴量については特徴量ＤＢ１８へ登録しない（ステップＳ１０７）。

そして、ステップＳ１０８，Ｓ１０９において、ある閾値以上の差異があるもののみについて、製品が正常な場合の特徴量および異常な場合の特徴量がそれぞれ特徴量ＤＢ１８へ登録される。以上のステップＳ１００〜Ｓ１０９は、オフラインで処理される。

以下のステップＳ１１０〜Ｓ１１３はオンラインで処理される。ステップＳ１１０において、診断手段１５により、製鉄プラントの操業中、各設備１のリアルタイムの状態を示す設備状態データからリアルタイムに特徴量が抽出される。そして、ステップＳ１１１において、このリアルタイムに抽出された特徴量と特徴量ＤＢ１８とが比較され、ある閾値により正常または異常が診断される。

この診断の結果、ステップＳ１１２において、異常の場合には、出力手段１６により、アナウンスされる。また、併せて、特徴量ごとに予め登録されている考えられる対処方法が表示される。また、対処策が明確なものについては、自動的に各設備１の制御信号へ反映される。一方、正常の場合には、ステップＳ１１３において、出力手段１６により、正常であることがガイダンスされる。

以上のように、本実施形態における設備診断コンピュータ５によれば、製品が正常な場合と異常な場合とで設備状態データおよび製品状態データを分類し、正常な場合と異常な場合とでそれぞれ各設備の所定の動作をトリガとして特徴量を検出し、比較して、所定の閾値以上の差異があるもののみについて有意な特徴量として特徴量ＤＢ１８へ登録するので、明確な差異が認められる特徴量のみからなる特徴量ＤＢ１８が得られる。これにより、製鉄プラントのように正常な状態のときの特徴量の挙動が不明確な設備１であっても、製品が正常であるか異常であるかを診断することが可能となっている。

また、本実施形態における設備診断コンピュータ５では、設備状態データおよび製品状態データを製品の仕様条件ごとに分類して特徴量を検出することにより、同一のシーケンス条件下であっても製品の仕様条件によって設備状態データが異なる生産システムにおいても、製品の仕様条件ごとに明確な差異が認められる特徴量のみからなる特徴量ＤＢ１８が得られるので、製品が正常であるか異常であるかを診断することが可能となっている。

また、本実施形態における設備診断コンピュータ５では、製品が正常な場合と異常な場合との間の中庸な場合のデータを除外して設備状態データおよび製品状態データを分類することにより、製品が正常な場合と異常な場合とを明確に分類して特徴量を検出することができるので、より正確に製品が正常であるか異常であるかを診断することが可能となっている。

次に、上記設備診断コンピュータ５の第１の実施例として、図４に示すように製鉄プラントの圧延工程においてコイル巻き取り時の周辺設備の電流および速度から特徴量を抽出することで、材料のスリップや捲き形状の乱れなどを検知できた事例について説明する。

図４に示すように、圧延工程において最終圧延機２０を通過した通板材２１は、板押さえピンチロール（ＰＲ）２２を経て、捲取装置（ＭＤ）２３により巻き取られる。このとき、設備状態データとして、ＰＲ電流、ＭＤ電流およびＭＤ速度が収集され、製品状態データとして、板先端および板尾端の捲き形状が収集され、上記設備診断コンピュータ５により特徴量ＤＢ１８が形成された。

（１）捲取開始時板緩みによる形状悪化検知
特徴量ＤＢ１８に登録される特徴量として、最終圧延機２０を通過した板先端部が捲取装置２３に到達した際のＭＤ電流立ち上りから板押さえＰＲ電流変化までの時間差（図５参照。）が抽出された場合、板先端部の緩みが推測可能であった。この時間差が長ければ長いほど、板先端の捲形状悪化の方向となった。

（２）捲付初期スリップによる形状悪化検知
上記（１）と同一のタイミングで、ＭＤ速度の変動（図６参照。）を抽出することにより、捲付初期のコイルとＭＤ間のスリップが推測可能であった。スリップが多いと、板先端の捲形状悪化の方向となった。

（３）最終圧延機板抜け時の形状悪化検知
圧延の最終段階で通板材２１が最終圧延機を２０抜けた際（尻抜け）のＰＲ電流変化パターン（図７参照。）を抽出することにより、ＰＲ圧下過多による板尾端の形状悪化が推測可能であった。尻抜け後は、最終圧延機２０とＭＤ間の張力バランスが崩れ、板がＭＤ引っ張られることによりＰＲ電流はマイナスに振れるためである。尻抜け後も圧延中と同様にＰＲを圧下したままでは板が逸れる原因となるため、尻抜けの絶妙なタイミングでＰＲを開放することが必要である。良い例（速やかに開放）では、尻抜け直後にマイナスに振れた電流が復帰するが、開放タイミングが遅れる程、電流復帰タイミングが遅くなり、板尾端の捲形状悪化の方向となった。

設備診断コンピュータ５の第２の実施例として、図８に示すように製鉄プラントの圧延工程においてロールテーブルの各ロールのロール電流値から特徴量を抽出することで、表面疵を検知できた事例について説明する。

図８に示すように、圧延工程において、通板材３０は、ロールテーブル３１の各ロール３２上を搬送される。このとき、設備状態データとして、通板条件に応じた各ロール３２のロール電流値が収集され、製品状態データとして、表面疵データが収集され、上記設備診断コンピュータ５により特徴量ＤＢ１８が形成された。

速度制御により揃速性が保たれない場合、表面疵が問題となる。つまり、各ロール３２のロール径と各ロール３２に取り付けられたパルス発生器（ＰＬＧ）等から検出される回転数実績とから算出された速度実績は許容範囲に入っていても、ロール径誤差等により実際のロール周速が異なると疵の要因となる。

そこで、通板条件に応じて求めたロール電流値の許容範囲とロール電流値の実績との比較値を、表面疵データに基づいて製品が正常な場合と異常な場合とに分類し、それぞれの比較値を特徴量として特徴量ＤＢ１８に登録した。これにより、製鉄プラントの操業中、リアルタイムに抽出されたこの特徴量と特徴量ＤＢ１８とを比較して製品が正常であるか異常であるかを診断することが可能となった。

本発明の設備診断装置および設備診断方法、並びに設備診断プログラムおよびこれを記録したコンピュータ読み取り可能な記録媒体は、製鉄プラントその他の生産システムの設備を診断するためのものとして有用である。

１ 設備
２ ＰＬＣ
３ 汎用制御ネットワーク
４ データ収集コンピュータ
５ 設備診断コンピュータ
１０ マスタ情報登録手段
１１ データ収集手段
１２ データ分類手段
１３ トリガ検出手段
１４ ＤＢ登録手段
１５ 診断手段
１６ 出力手段
１７ マスタ情報ＤＢ
１８ 特徴量ＤＢ

Claims (6)

1. 生産システムを構成する各設備の状態を示す設備状態データおよび前記生産システムにより生産された製品の状態を示す製品状態データを収集するデータ収集手段と、
   このデータ収集手段により収集された設備状態データおよび製品状態データを、前記製品が正常な場合のデータと異常な場合のデータとに分類するデータ分類手段と、
   このデータ分類手段により分類された正常な場合の設備状態データおよび製品状態データと、異常な場合の設備状態データおよび製品状態データとのそれぞれについて、前記各設備の所定の動作をトリガとして特徴量を検出するトリガ検出手段と、
   このトリガ検出手段により検出された前記正常な場合の設備状態データおよび製品状態データの特徴量と、前記異常な場合の設備状態データおよび製品状態データの特徴量とを比較し、所定の閾値以上の差異があるもののみについてそれぞれの特徴量を特徴量データベースへ登録するデータベース登録手段と、
   前記生産システムの操業中に各設備のリアルタイムの状態を示す設備状態データから特徴量を抽出し、前記特徴量データベースと比較することにより、前記製品が正常であるか異常であるかを診断する診断手段と、
   この診断手段による診断結果を出力する出力手段と
   を含む生産システムの設備診断装置。
2. 前記トリガ検出手段は、前記設備状態データおよび製品状態データを前記製品の仕様条件ごとに分類して前記特徴量を検出するものである請求項１記載の生産システムの設備診断装置。
3. 前記データ分類手段は、前記製品が正常な場合と異常な場合との間の中庸な場合のデータを除外して分類するものである請求項１または２に記載の生産システムの設備診断装置。
4. 生産システムを構成する各設備の状態を示す設備状態データおよび前記生産システムにより生産された製品の状態を示す製品状態データを収集すること、
   この収集された設備状態データおよび製品状態データを、前記製品が正常な場合のデータと異常な場合のデータとに分類すること、
   この分類された正常な場合の設備状態データおよび製品状態データと、異常な場合の設備状態データおよび製品状態データとのそれぞれについて、前記各設備の所定の動作をトリガとして特徴量を検出すること、
   この検出された前記正常な場合の設備状態データおよび製品状態データの特徴量と、前記異常な場合の設備状態データおよび製品状態データの特徴量とを比較し、所定の閾値以上の差異があるもののみについてそれぞれの特徴量を特徴量データベースへ登録すること、
   前記生産システムの操業中に各設備のリアルタイムの状態を示す設備状態データから特徴量を抽出し、前記特徴量データベースと比較することにより、前記製品が正常であるか異常であるかを診断すること、
   この診断結果を出力すること
   を含む生産システムの設備診断方法。
5. 生産システムを構成する各設備の状態を示す設備状態データおよび前記生産システムにより生産された製品の状態を示す製品状態データを収集するデータ収集手段と、
   このデータ収集手段により収集された設備状態データおよび製品状態データを、前記製品が正常な場合のデータと異常な場合のデータとに分類するデータ分類手段と、
   このデータ分類手段により分類された正常な場合の設備状態データおよび製品状態データと、異常な場合の設備状態データおよび製品状態データとのそれぞれについて、前記各設備の所定の動作をトリガとして特徴量を検出するトリガ検出手段と、
   このトリガ検出手段により検出された前記正常な場合の設備状態データおよび製品状態データの特徴量と、前記異常な場合の設備状態データおよび製品状態データの特徴量とを比較し、所定の閾値以上の差異があるもののみについてそれぞれの特徴量を特徴量データベースへ登録するデータベース登録手段と、
   前記生産システムの操業中に各設備のリアルタイムの状態を示す設備状態データから特徴量を抽出し、前記特徴量データベースと比較することにより、前記製品が正常であるか異常であるかを診断する診断手段と、
   この診断手段による診断結果を出力する出力手段と
   してコンピュータを機能させるための生産システムの設備診断プログラム。
6. 請求項５記載の設備診断プログラムを記録したコンピュータ読み取り可能な記録媒体。

Images