JP2020047016A - Control apparatus and control system - Google Patents
Control apparatus and control system Download PDFInfo
- Publication number
- JP2020047016A JP2020047016A JP2018175608A JP2018175608A JP2020047016A JP 2020047016 A JP2020047016 A JP 2020047016A JP 2018175608 A JP2018175608 A JP 2018175608A JP 2018175608 A JP2018175608 A JP 2018175608A JP 2020047016 A JP2020047016 A JP 2020047016A
- Authority
- JP
- Japan
- Prior art keywords
- feature amount
- learning data
- data set
- abnormality
- update
- 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.)
- Granted
Links
- 230000005856 abnormality Effects 0.000 claims abstract description 138
- 238000012544 monitoring process Methods 0.000 claims abstract description 94
- 230000006870 function Effects 0.000 claims description 106
- 238000004364 calculation method Methods 0.000 claims description 19
- 238000000034 method Methods 0.000 abstract description 82
- 238000013461 design Methods 0.000 abstract description 52
- 238000004458 analytical method Methods 0.000 description 75
- 238000012545 processing Methods 0.000 description 64
- 238000010586 diagram Methods 0.000 description 44
- 230000008569 process Effects 0.000 description 38
- 230000002159 abnormal effect Effects 0.000 description 31
- 238000005070 sampling Methods 0.000 description 18
- 238000003860 storage Methods 0.000 description 18
- 230000008859 change Effects 0.000 description 16
- 238000002372 labelling Methods 0.000 description 14
- 238000012986 modification Methods 0.000 description 11
- 230000004048 modification Effects 0.000 description 11
- 238000013500 data storage Methods 0.000 description 10
- 230000003287 optical effect Effects 0.000 description 10
- 238000012800 visualization Methods 0.000 description 10
- 238000011156 evaluation Methods 0.000 description 8
- 238000007726 management method Methods 0.000 description 8
- 238000004519 manufacturing process Methods 0.000 description 7
- 238000004422 calculation algorithm Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 5
- 238000009826 distribution Methods 0.000 description 5
- 238000012423 maintenance Methods 0.000 description 5
- 238000003066 decision tree Methods 0.000 description 4
- 238000001514 detection method Methods 0.000 description 4
- 238000007477 logistic regression Methods 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 239000004065 semiconductor Substances 0.000 description 3
- 238000012905 input function Methods 0.000 description 2
- 230000003213 activating effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Testing And Monitoring For Control Systems (AREA)
- Programmable Controllers (AREA)
Abstract
Description
本発明は、監視対象の異常の有無を判定するための制御装置および制御システムに関する。 The present invention relates to a control device and a control system for determining the presence or absence of a monitoring target abnormality.
様々な生産現場において、PLC(プログラマブルコントローラ)などの制御装置を用いて制御対象となる機械や装置を制御するFA(Factory Automation)技術が広く普及している。生産現場では、機械や装置に対する予知保全により設備稼働率を向上させたいというニーズがある。予知保全とは、監視対象となる機械や装置に生じる何らかの異常の有無を判定して、設備を停止しなければならない状態になる前に、整備や交換などの保守作業を行なうような保全形態を意味する。 In various production sites, FA (Factory Automation) technology for controlling a machine or a device to be controlled using a control device such as a PLC (programmable controller) is widely used. At the production site, there is a need to improve the equipment operation rate by predictive maintenance of machines and devices. Predictive maintenance is a type of maintenance that determines whether there is any abnormality in the monitored machine or equipment and performs maintenance work such as maintenance or replacement before the equipment must be shut down. means.
監視対象の異常の有無を判定する技術として、例えば特開平7−282146号公報(特許文献1)に開示されている半導体製造装置管理システムが知られている。この半導体製造装置管理システムでは、管理コンピュータが、半導体製造装置に付加した各種センサ類より入手したI/O(入出力)データから装置全体の動作タイミングを管理する。さらに、管理コンピュータは、その装置全体の動作タイミングを正常な状態と比較してタイミングの差が管理基準を越えた場合に警告を発生させる。 As a technique for determining the presence or absence of a monitoring target abnormality, for example, a semiconductor manufacturing equipment management system disclosed in Japanese Patent Application Laid-Open No. 7-282146 (Patent Document 1) is known. In this semiconductor manufacturing apparatus management system, a management computer manages the operation timing of the entire apparatus from I / O (input / output) data obtained from various sensors added to the semiconductor manufacturing apparatus. Further, the management computer compares the operation timing of the entire apparatus with a normal state, and issues a warning when a difference between the timings exceeds a management standard.
監視対象の異常の有無を判定するための判定方法は、監視対象の種類毎に異なる。そのため、調整者(以下、「フィールドエンジニア」という)は、監視対象の種類に応じて異常の有無の判定方法を調整する必要がある。判定方法の調整とは、例えば判定基準の調整である。 The determination method for determining the presence or absence of an abnormality in a monitoring target differs for each type of monitoring target. Therefore, the coordinator (hereinafter, referred to as a “field engineer”) needs to adjust the method of determining the presence or absence of an abnormality according to the type of the monitoring target. The adjustment of the determination method is, for example, adjustment of the determination standard.
一方、監視対象を含む制御対象を制御するための制御装置を設計する設計者は、制御装置の動作を規定するユーザプログラムを設計する。設計者は、監視対象の異常の有無を判定するためのプログラム(異常判定プログラム)をユーザプログラム内に規定する。 On the other hand, a designer who designs a control device for controlling a control target including a monitoring target designs a user program that defines an operation of the control device. The designer specifies in the user program a program (abnormality determination program) for determining the presence or absence of a monitoring target abnormality.
一般に、フィールドエンジニアと設計者とは異なる。さらに、フィールドエンジニアが判定方法を調整するタイミングと設計者がユーザプログラムを設計するタイミングとは異なる。そのため、フィールドエンジニアがユーザプログラムへの影響を考慮しながら判定方法を調整することが困難であるとともに、設計者が判定方法の調整への影響を考慮しながらユーザプログラムを設計することが困難であった。 Generally, field engineers and designers are different. Further, the timing at which the field engineer adjusts the determination method is different from the timing at which the designer designs the user program. Therefore, it is difficult for the field engineer to adjust the determination method while considering the influence on the user program, and it is difficult for the designer to design the user program while considering the influence on the adjustment of the determination method. Was.
本発明は、上記の問題を鑑みてなされたものであり、その目的は、フィールドエンジニアが判定方法の調整作業を行ないやすく、かつ、設計者がユーザプログラムの設計作業を行ないやすい制御装置および制御システムを提供することである。 The present invention has been made in view of the above problems, and has as its object to provide a control device and a control system in which a field engineer can easily perform adjustment work of a determination method and a designer can easily perform design work of a user program. It is to provide.
本開示の一例によれば、制御装置は、制御演算部と異常判定部とを備える。制御演算部は、制御対象から周期的に収集される状態値を用いて、制御対象を制御するための制御演算を実行する。異常判定部は、収集される状態値のうち監視対象に関連する状態値から生成される特徴量と予め設定された学習データセットとの比較結果を示すスコアを算出し、算出したスコアと予め設定された判定基準とに基づいて、監視対象の異常の有無を判定する。異常判定部は、制御対象を制御するためのユーザプログラム内に命令が規定されることにより実現される。制御装置は、外部から更新用の学習データセットおよび更新用の判定基準を受けて、現在設定されている学習データセットおよび判定基準をそれぞれ更新する更新部をさらに備える。 According to an example of the present disclosure, a control device includes a control calculation unit and an abnormality determination unit. The control calculation unit performs a control calculation for controlling the control target using a state value periodically collected from the control target. The abnormality determination unit calculates a score indicating a comparison result between a feature amount generated from a state value related to the monitoring target among the collected state values and a preset learning data set, and compares the calculated score with a preset value. Based on the determined criterion, the presence or absence of an abnormality of the monitoring target is determined. The abnormality determination unit is realized by defining an instruction in a user program for controlling a control target. The control device further includes an update unit that receives a learning data set for updating and a criterion for updating from the outside and updates the currently set learning data set and the criterion for updating.
この開示によれば、制御装置の設計者は、暫定的に作成された学習データセットおよび判定基準情報を用いて監視対象の異常の有無が判定されるようにユーザプログラムを設計することができる。さらに、フィールドエンジニアは、ユーザプログラムが設計された後に、監視対象の異常の有無を精度良く判定できるように、学習データセットおよび判定基準情報を調整し、調整後の学習データセットおよび判定基準情報を更新部に提供すればよい。このように、上記の制御装置によれば、フィールドエンジニアが判定方法の調整作業を行ないやすく、かつ、設計者がユーザプログラムの設計作業を行ないやすくなる。 According to this disclosure, the designer of the control device can design the user program so that the presence or absence of the abnormality of the monitoring target is determined using the temporarily created learning data set and the determination reference information. Further, after the user program is designed, the field engineer adjusts the learning data set and the criterion information so that the presence or absence of the abnormality of the monitoring target can be accurately determined, and the adjusted learning data set and the criterion information are determined. What is necessary is just to provide to an update part. As described above, according to the above control device, the field engineer can easily perform the adjustment work of the determination method, and the designer can easily perform the design work of the user program.
上述の開示において、生成される特徴量は、監視対象毎に予め定められている。生成される特徴量に応じて学習データセットおよび判定基準が設定される。この開示によれば、監視対象に応じて、特徴量、学習データセットおよび判定基準を設定できる。 In the above disclosure, the generated feature amount is predetermined for each monitoring target. A learning data set and a criterion are set according to the generated feature amount. According to this disclosure, a feature amount, a learning data set, and a criterion can be set according to a monitoring target.
上述の開示において、異常判定部は、ユーザプログラム内にファンクションブロックの形で命令が規定されることにより実現される。この開示によれば、設計者は、ファンクションブロックを用いて、監視対象の異常の有無の判定を実行させるユーザプログラムを容易に設計できる。 In the above disclosure, the abnormality determination unit is realized by specifying an instruction in the form of a function block in a user program. According to this disclosure, a designer can easily design a user program for executing determination of the presence or absence of an abnormality in a monitoring target using a function block.
上述の開示において、監視対象毎にファンクションブロックと仮の学習データセットと仮の判定基準とが対応付けて予め作成されている。ファンクションブロックが規定されることにより、当該ファンクションブロックに対応する仮の学習データセットおよび仮の判定基準が設定される。この開示によれば、設計者は、ファンクションブロックを規定することにより、監視対象の異常の有無の判定を実行するための仮の学習データセットおよび仮の判定基準を容易に設定できる。 In the above disclosure, a function block, a temporary learning data set, and a temporary determination criterion are created in advance for each monitoring target in association with each other. By defining the function block, a temporary learning data set and a temporary determination reference corresponding to the function block are set. According to this disclosure, a designer can easily set a temporary learning data set and a temporary determination criterion for executing determination of the presence / absence of a monitoring target abnormality by defining a function block.
上述の開示において、異常判定部は、状態値の種類および特徴量の種類を指定する指定情報に従って、特徴量を生成する。更新部は、外部から更新用の指定情報を受けて、現在設定されている指定情報を更新する。この開示によれば、フィールドエンジニアは、監視対象の異常の有無の判定に適した特徴量を適宜調整することができる。 In the above disclosure, the abnormality determination unit generates the feature value according to the specification information that specifies the type of the state value and the type of the feature value. The update unit receives specification information for update from the outside and updates the currently set specification information. According to this disclosure, a field engineer can appropriately adjust a feature amount suitable for determining whether or not there is an abnormality in a monitoring target.
本開示の一例によれば、制御システムは、制御演算部と、異常判定部とを備える。制御演算部は、制御対象から周期的に収集される状態値を用いて、当該制御対象を制御するための制御演算を実行する。異常判定部は、収集される状態値のうち監視対象に関連する状態値から生成される特徴量と予め設定された学習データセットとの比較結果を示すスコアを算出し、算出したスコアと予め設定された判定基準とに基づいて、監視対象の異常の有無を判定する。異常判定部は、制御対象を制御するためのユーザプログラム内に規定されることにより実現される。制御システムは、さらに、決定部と更新部とを備える。決定部は、監視対象に関連する状態値または生成される特徴量を用いて、更新用の学習データセットと更新用の判定基準とを決定する。更新部は、更新用の学習データセットおよび更新用の判定基準を受けて、現在設定されている学習データセットおよび判定基準をそれぞれ更新する。 According to an example of the present disclosure, a control system includes a control calculation unit and an abnormality determination unit. The control calculation unit performs a control calculation for controlling the control target using a state value periodically collected from the control target. The abnormality determination unit calculates a score indicating a comparison result between a feature amount generated from a state value related to the monitoring target among the collected state values and a preset learning data set, and compares the calculated score with a preset value. Based on the determined criterion, the presence or absence of an abnormality of the monitoring target is determined. The abnormality determination unit is realized by being defined in a user program for controlling a control target. The control system further includes a determining unit and an updating unit. The determining unit determines a learning data set for update and a determination criterion for update using a state value related to the monitoring target or a generated feature amount. The update unit receives the update learning data set and the update criterion, and updates the currently set learning data set and the criterion, respectively.
この開示によっても、フィールドエンジニアが判定方法の調整作業を行ないやすく、かつ、設計者がユーザプログラムの設計作業を行ないやすくなる。 According to this disclosure, the field engineer can easily perform the adjustment work of the determination method, and the designer can easily perform the design work of the user program.
上述の開示において、制御システムは、ユーザプログラムを作成するプログラム作成部をさらに備える。プログラム作成部は、異常判定部を実現するための命令を規定するファンクションブロックを用いてユーザプログラムを作成し、ファンクションブロックに対応付けられた仮の学習データセットおよび仮の判定基準を設定する。この開示によれば、設計者は、ファンクションブロックを規定することにより、監視対象の異常の有無の判定を実行するための仮の学習データセットおよび仮の判定基準を容易に設定できる。 In the above disclosure, the control system further includes a program creating unit that creates a user program. The program creation unit creates a user program using a function block that defines an instruction for implementing the abnormality determination unit, and sets a temporary learning data set and a temporary determination reference associated with the function block. According to this disclosure, a designer can easily set a temporary learning data set and a temporary determination criterion for executing determination of the presence / absence of a monitoring target abnormality by defining a function block.
本開示によれば、フィールドエンジニアが判定方法の調整作業を行ないやすく、かつ、設計者がユーザプログラムの設計作業を行ないやすくなる。 According to the present disclosure, it becomes easy for a field engineer to perform adjustment work of a determination method, and it is easy for a designer to perform design work of a user program.
以下、図面を参照しつつ、本発明に従う実施の形態について説明する。以下の説明では、同一の部品および構成要素には同一の符号を付してある。それらの名称および機能も同じである。したがって、これらについての詳細な説明は繰り返さない。 Hereinafter, embodiments according to the present invention will be described with reference to the drawings. In the following description, the same parts and components are denoted by the same reference numerals. Their names and functions are the same. Therefore, detailed description thereof will not be repeated.
§1 適用例
まず、図1を参照して、本発明が適用される場面の一例について説明する。図1は、本実施の形態に係る制御装置の構成例を示す模式図である。制御装置100は、例えばPLC(プログラマブルロジックコントローラ)である。図1に示されるように、制御装置100は、制御演算部10と、異常判定部20と、更新部30とを備える。
§1 Application Example First, an example of a scene to which the present invention is applied will be described with reference to FIG. FIG. 1 is a schematic diagram illustrating a configuration example of a control device according to the present embodiment. The
制御演算部10は、制御対象から周期的に収集される状態値を用いて、当該制御対象を制御するための制御演算を実行する。
The
本明細書において、「状態値」は、任意の制御対象(含む:監視対象)にて観測できる値を包含する。「状態値」は、例えば、任意のセンサにより測定できる物理値、リレーやスイッチなどのON/OFF状態、PLCがサーボドライバに与える位置、速度、トルクなどの指令値、PLCが演算に用いる変数値などを含み得る。 In this specification, the “state value” includes a value that can be observed in an arbitrary control target (including: a monitoring target). The “state value” is, for example, a physical value that can be measured by an arbitrary sensor, an ON / OFF state of a relay or a switch, a command value that the PLC gives to the servo driver such as a position, a speed, a torque, and a variable value used by the PLC for calculation. And the like.
異常判定部20は、制御演算部10によって収集される状態値のうち監視対象に関連する状態値から生成される特徴量と学習データセット41との比較結果を示すスコアを算出する。異常判定部20は、特徴量指定情報43に従って特徴量を生成する。特徴量指定情報43は、状態値の種類と特徴量の種類(または特徴量の生成方法(たとえば算出アルゴリズム))とを指定する情報であり、監視対象毎に予め設定される。異常判定部20によって生成される特徴量の個数は、1または複数である。異常判定部20は、算出したスコアと判定基準情報で示される判定基準(典型的にはしきい値)とに基づいて、監視対象の異常の有無を判定する。学習データセット41および判定基準情報42は、生成される特徴量に応じて予め設定される。
The
本明細書において、「スコア」は、1または複数の特徴量の組が、外れ値または異常値である可能性の度合いを示す値を意味する。スコアは、その値が大きいほど異常値である可能性が高いように算出される(但し、異常値である可能性が高くなるほどスコアが小さな値を示すようにしてもよい)。スコアの算出方法については、後に詳述する。 In the present specification, “score” means a value indicating the degree of possibility that one or a plurality of sets of feature amounts are outliers or abnormal values. The score is calculated such that the larger the value is, the higher the possibility of being an abnormal value is. (However, the higher the possibility of being an abnormal value, the smaller the score may be.) The method for calculating the score will be described later in detail.
異常判定部20は、制御対象を制御するためのユーザプログラム内に命令が規定されることにより実現される。ユーザプログラムは、制御対象に応じて任意に設計される。
The
更新部30は、外部のサポート装置から更新用の学習データセットおよび判定基準情報を受けて、現在設定されている学習データセット41および判定基準情報42をそれぞれ更新する。
The
このように、本実施の形態に係る制御装置100は、ユーザプログラム内に命令が規定されることにより実現される異常判定部20を備える。制御装置100は、さらに、異常判定部20が監視対象の異常の有無を判定する際に用いる学習データセット41および判定基準情報42を更新する更新部30を備える。これにより、制御装置100の設計者は、暫定的に作成された学習データセットおよび判定基準情報を用いて監視対象の異常の有無が判定されるようにユーザプログラムを設計することができる。すなわち、設計者は、フィールドエンジニアによる異常の有無の判定方法の調整を考慮することなく、ユーザプログラムを設計することができる。
As described above, the
さらに、フィールドエンジニアは、ユーザプログラムが設計された後に、監視対象の異常の有無を精度良く判定できるように、学習データセットおよび判定基準情報を調整し、調整後の学習データセットおよび判定基準情報を更新部30に提供すればよい。これにより、調整後の学習データセットおよび判定基準情報を用いて、監視対象の異常の有無が判定される。
Further, after the user program is designed, the field engineer adjusts the learning data set and the criterion information so that the presence or absence of the abnormality of the monitoring target can be accurately determined, and the adjusted learning data set and the criterion information are determined. What is necessary is just to provide to the
以上のように、本実施の形態に係る制御装置100によれば、フィールドエンジニアが判定方法の調整作業を行ないやすく、かつ、設計者がユーザプログラムの設計作業を行ないやすくなる。
As described above, according to
§2 構成例
<2−1.制御システムの全体構成例>
本発明の実施の形態について、図面を参照しながら詳細に説明する。図2は、本実施の形態に係る制御システムの全体構成例を示す模式図である。
§2 Configuration example <2-1. Example of overall configuration of control system>
Embodiments of the present invention will be described in detail with reference to the drawings. FIG. 2 is a schematic diagram showing an example of the overall configuration of the control system according to the present embodiment.
図2に示されるように、本実施の形態に係る制御システム1は、主たる構成要素として、制御対象を制御する制御装置100と、制御装置100に接続される設計ツール装置200と、制御装置100に接続されるサポート装置300とを含む。
As shown in FIG. 2, the
設計ツール装置200は、制御装置100を設計するためのツールである。設計ツール装置200は、設計者による操作に応じて、制御対象を制御するためのユーザプログラムを作成する。
The
設計者は、ユーザプログラムを作成するフェーズ、ユーザプログラムの動作を確認するフェーズ、ユーザプログラムのバグを修正するフェーズなど、様々な場面で設計ツール装置200を使用する。
The designer uses the
ユーザプログラムには、監視対象の異常の有無を判定するための命令(以下、「異常判定命令」という)が規定される。設計ツール装置200は、作成されたユーザプログラムと、当該ユーザプログラム内の異常判定命令に対応付けられる、特徴量指定情報と仮の学習データセットと仮の判定基準情報とを制御装置100に設定する。
In the user program, an instruction for determining the presence or absence of an abnormality to be monitored (hereinafter, referred to as “an abnormality determination instruction”) is defined. The
制御装置100は、PLCなどの、一種のコンピュータとして具現化されてもよい。制御装置100は、フィールドネットワーク2を介して制御対象に配置された1または複数のフィールドデバイスと接続されるとともに、別のフィールドネットワーク3を介して1または複数の操作表示装置400と接続される。なお、操作表示装置400はオプショナルな構成であり、制御システム1の必須の構成ではない。
The
制御対象は、様々な種類の機械や装置を含み得る。制御対象は、例えば、一軸アクチュエータやエアシリンダなどである。図2に示す例では、制御装置100は、このような制御対象に含まれるサーボドライバ619,629と接続される。サーボドライバ619,629は、サーボモータ618,628の回転速度やトルクをそれぞれ制御する。さらに、制御装置100は、I/O(入出力)ユニット16を介して報知装置18と接続する。
The control target may include various types of machines and devices. The control target is, for example, a uniaxial actuator or an air cylinder. In the example shown in FIG. 2, the
フィールドネットワーク2およびフィールドネットワーク3は、産業用ネットワークを採用することが好ましい。このような産業用ネットワークとしては、EtherCAT(登録商標)、EtherNet/IP(登録商標)、DeviceNet(登録商標)、CompoNet(登録商標)などが知られている。
The
制御装置100は、システムプログラムおよび設計ツール装置200によって設定されたユーザプログラムに従った動作を行なう。図1に示す制御演算部10および異常判定部20は、当該システムプログラムおよびユーザプログラムを実行することにより実現される。すなわち、制御装置100は、当該ユーザプログラムに従って、以下の(1)〜(3)の処理を実行する。
(1)制御対象から周期的に状態値を収集する処理。
(2)設計ツール装置200によって設定された特徴量指定情報に従って、収集される状態値のうち監視対象に関連する状態値から特徴量を生成する処理。
(3)生成される特徴量と現在設定されている学習データセットとの比較結果を示すスコアを算出し、算出したスコアと現在設定されている判定基準情報(しきい値)とに基づいて、監視対象の異常の有無を判定する処理。
The
(1) Processing for periodically collecting state values from a control target.
(2) A process of generating a feature amount from state values related to a monitoring target among collected state values according to feature amount designation information set by the
(3) Calculating a score indicating a result of comparison between the generated feature amount and the currently set learning data set, and based on the calculated score and currently set criterion information (threshold), Processing to determine whether there is an abnormality in the monitoring target.
上記の(1)の処理では、制御装置100は、例えば、サーボモータ618,628のトルク値、サーボドライバ619,629の電流値、サーボドライバ619,629の電圧値などの状態値を収集する。
In the process (1), the
制御装置100は、さらに、サポート装置300から更新用の学習データセットおよび判定基準情報を受け、現在設定されている学習データセットおよび判定基準情報をそれぞれ更新する。当該更新は、図1に示す更新部30によって実行される。そのため、更新が一度もされていないとき、上記の(3)の処理では、設計ツール装置200によって設定された仮の学習データセットと仮の判定基準情報とを用いて、監視対象の異常の有無が判定される。サポート装置300から更新用の学習データセットおよび判定基準情報を受けると、上記の(3)の処理では、当該更新用の学習データセットおよび判定基準情報を用いて、監視対象の異常の有無が判定される。
The
制御装置100は、監視対象に異常有りと判定すると、その旨を任意の方法で報知してもよい。図2に示す例では、制御装置100は、I/Oユニット16を介して接続される報知装置18を点滅および/または鳴動させることで報知する。報知方法としては、報知装置18に限らず、任意のインジケータ、音声出力装置、音声合成装置、電子メール、任意の端末への通知、などを用いることができる。
If the
サポート装置300は、監視対象の異常の有無の判定が適切に実施されるように、更新用の学習データセットおよび判定基準情報を生成する。サポート装置300は、監視対象に関連する状態値から生成された特徴量を制御装置100から取得し、取得した特徴量に対して解析処理を実行することにより、更新用の学習データセットおよび判定基準情報を生成する。サポート装置300は、生成した更新用の学習データセットおよび判定基準情報を制御装置100に提供する。これにより、制御装置100に設定される学習データセットおよび判定基準情報が更新される。
The
<2−2.設計ツール装置のハードウェア構成例>
図3は、設計ツール装置200のハードウェア構成例を示す模式図である。設計ツール装置200は、典型的には、汎用のコンピュータで構成される。なお、制御装置100が配置される製造現場における保守性の観点から、設計ツール装置200は、可搬性に優れたノート型のパーソナルコンピュータであることが好ましい。
<2-2. Example of hardware configuration of design tool device>
FIG. 3 is a schematic diagram illustrating a hardware configuration example of the
図3に示す例の設計ツール装置200は、記憶部201と、オペレーティングシステム(OS)を含む各種プログラムを実行するCPU202とを備える。記憶部201は、BIOSや各種データを格納するROM(Read Only Memory)204と、CPU202でのプログラムの実行に必要なデータを格納するための作業領域を提供するRAM206と、CPU202で実行されるプログラムなどを不揮発的に格納するハードディスク(HDD)208とを含む。
The
設計ツール装置200は、さらに、設計ツール装置200に指示を入力するために設計者が操作するキーボード210およびマウス212を含む操作部203、および情報を設計者に提示するためのディスプレイ214を含む。設計ツール装置200は、制御装置100などと通信するための通信インターフェイス218を含む。通信インターフェイス218は、制御装置100が備えるUSBインターフェイス(図示略)と通信するためにUSB通信モジュールを含み得る。
The
設計ツール装置200は、光学記録媒体8からそれに格納されている開発支援環境を提供するためのサポートプログラムを読み取るための光学記録媒体読取装置216を含む。
The
設計ツール装置200が備えるこれらのコンポーネントは、内部バス220を介して互いに通信可能に接続されている。
These components included in the
図3には、CPU202等のプロセッサがプログラムを実行することで必要な機能が提供される構成例を示したが、これらの提供される機能の一部または全部を、専用のハードウェア回路(例えば、ASICまたはFPGAなど)を用いて実装してもよい。この場合には、仮想化技術を用いて、用途の異なる複数のOSを並列的に実行させるとともに、各OS上で必要なアプリケーションを実行させるようにしてもよい。
FIG. 3 illustrates a configuration example in which a processor such as the
<2−3.設計ツール装置のソフトウェア構成例>
図4は、設計ツール装置200のソフトウェア構成例を示す模式図である。図4に示すソフトウェアに含まれる命令コードは、適切なタイミングで読出され、設計ツール装置200のCPU202へ提供されて実行される。また、図4に示すソフトウェアは、光学記録媒体8に格納されて提供されるサポートプログラムに含まれる。
<2-3. Example of software configuration of design tool device>
FIG. 4 is a schematic diagram illustrating a software configuration example of the
図4に示されるように、設計ツール装置200には、OS240、プログラミングアプリケーション250、ファンクションブロックライブラリ280および付属データ記憶部290が実装される。設計ツール装置200ではOS240が実行され、プログラミングアプリケーション250を実行可能な環境が提供される。
As shown in FIG. 4, an
ファンクションブロックライブラリ280は、プログラミングアプリケーション250が利用するPLC用のプログラム部品であるファンクションブロック(FB)のライブラリである。ファンクションブロックライブラリ280は、監視対象毎に予め作成された、当該監視対象の異常の有無を判定するためのファンクションブロック282を含む。
The
付属データ記憶部290は、監視対象の異常の有無を判定するためのファンクションブロック毎に予め作成された付属データ292を記憶する。
The attached
図5は、監視対象の異常の有無を判定するためのファンクションブロックと付属データとの対応関係の一例を示す図である。図5に示す例では、ファンクションブロック282aと付属データ292aとが対応付けられ、ファンクションブロック282bと付属データ292bとが対応付けられている。ファンクションブロック282a,282bは、それぞれ監視対象「A」,「B」の異常の有無を判定するために予め作成されたプログラム部品である。
FIG. 5 is a diagram illustrating an example of a correspondence relationship between a function block for determining the presence or absence of an abnormality in a monitoring target and attached data. In the example shown in FIG. 5, the
付属データ292aは、監視対象「A」の異常の有無を判定するために用いられる特徴量を生成するための特徴量指定情報43aと、特徴量指定情報43aに対応する仮の学習データセット41aおよび判定基準情報42aとを含む。付属データ292bは、監視対象「B」の異常の有無を判定するために用いられる特徴量を生成するための特徴量指定情報43bと、特徴量指定情報43bに対応する仮の学習データセット41bおよび判定基準情報42bとを含む。
The attached
なお、以下では、特徴量指定情報43a,43b,・・・を特に区別しない場合、特徴量指定情報43a,43b,・・・の各々を「特徴量指定情報43」という。同様に、学習データセット41a,41b,・・・を特に区別しない場合、学習データセット41a,41b,・・・の各々を「学習データセット41」という。判定基準情報42a,42b,・・・を特に区別しない場合、判定基準情報42a,42b,・・・の各々を「判定基準情報42」という。
In the following, each of the feature
このように、監視対象毎にファンクションブロック282と仮の学習データセット41と仮の判定基準情報42とが対応付けて予め作成されている。
As described above, the
特徴量指定情報43は、監視対象に応じて適宜設定され、1または複数の特徴量を指定する。例えば監視対象がボールねじのサーボモータである場合、サーボモータのトルクを状態値の種類として指定し、平均値を特徴量として指定する特徴量指定情報が設定される。
The feature
学習データセット41は、監視対象が正常であるときに取り得る特徴量を含む学習データのセットである。
The learning
判定基準情報42は、監視対象の異常の有無を判定する基準(典型的にはしきい値)を示す情報である。例えば、特徴量と学習データセット41との比較結果を示すスコアがしきい値よりも大きい場合に異常有りと判定され、スコアがしきい値よりも小さい場合に異常無しと判定される。
The
なお、以下の説明においては、判定基準の典型例としてしきい値を用いる形態について例示するが、判定基準としては、しきい値に限られず、任意の幅を有する許容範囲や、複数の値により規定される条件であってもよい。 In the following description, an example in which a threshold value is used as a typical example of a determination criterion will be described. The conditions may be specified.
付属データ292を作成する段階では、監視対象を実際に動作させていないため、シミュレーション等により暫定的に仮の学習データセット41および判定基準情報42が作成されている。
At the stage of creating the attached
図4に戻って、プログラミングアプリケーション250は、エディタ252と、コンパイラ254と、デバッガ256と、GUI(Graphical User Interface)モジュール258と、シミュレータ260と、データ格納部270とを含む。プログラミングアプリケーション250に含まれるそれぞれのモジュールは、典型的には、光学記録媒体8(図3参照)にサポートプログラムとして格納された状態で流通して、設計ツール装置200にインストールされる。
Returning to FIG. 4, the
エディタ252は、ユーザプログラム130のソースプログラムを作成するための入力および編集といった機能を提供する。より具体的には、エディタ252は、設計者がキーボード210やマウス212を操作してユーザプログラム130のソースプログラムを作成する機能に加えて、作成したソースプログラムの保存機能および編集機能を提供する。エディタ252は、設計者の操作に応じて、ファンクションブロックライブラリ280から選択されたファンクションブロック282を用いて、ユーザプログラム130のソースプログラムを作成する。
The
コンパイラ254は、ソースプログラムをコンパイルして、制御装置100で実行可能なプログラム形式のユーザプログラム130を生成する機能を提供する。
The
デバッガ256は、ユーザプログラム130のソースプログラムに対してデバッグを行うための機能を提供する。このデバッグの内容としては、ソースプログラムのうち設計者が指定した範囲を部分的に実行する、ソースプログラムの実行中における変数値の時間的な変化を追跡する、といった動作を含む。
The
GUIモジュール258は、設計者が各種データやパラメータなどを入力するためのユーザインターフェイス画面を提供する機能を有する。当該ユーザインターフェイス画面は、ディスプレイ214(図3参照)に表示される。GUIモジュール258は、操作部203が受け付けた操作、並びに、ユーザプログラム130に基づいてユーザインターフェイス画面を提供する。
The
シミュレータ260は、設計ツール装置200内に制御装置100でのプログラムの実行をシミュレーションする環境を構築する。
The
データ格納部270には、作成されたユーザプログラム130が格納される。ユーザプログラム130の作成が完了すると、通信インターフェイス218(図3参照)を介して、データ格納部270に格納されたユーザプログラム130が制御装置100に設定される。このとき、ユーザプログラム130内に規定されるファンクションブロック282に対応する付属データ292が付属データ記憶部290から読み出され、当該付属データ292も制御装置100に設定される。
The
このように、設計ツール装置200は、監視対象の異常の有無を判定するための命令を規定するファンクションブロック282を用いてユーザプログラム130を作成するプログラム作成部として動作する。そして、設計ツール装置200は、ファンクションブロック282に対応付けられた仮の学習データセット41および仮の判定基準情報42を制御装置100に設定する。すなわち、設計者は、監視対象に応じたファンクションブロック282を選択することにより、当該監視対象の異常の有無を判定するために用いられる学習データセット41および判定基準情報42を暫定的に設定することができる。
As described above, the
なお、図4に示す例では、ファンクションブロックライブラリ280および付属データ記憶部290が設計ツール装置200に実装されるものとした。しかしながら、ファンクションブロックライブラリ280および付属データ記憶部290は、設計ツール装置200とネットワークを介して接続可能なサーバ装置に実装されてもよい。
In the example shown in FIG. 4, it is assumed that the
図6は、監視対象の異常の有無を判定するためのファンクションブロックの一例を示す図である。図6に示す例のファンクションブロック282では、入力端子「Axis」に監視対象の状態値(軸変数)が入力される。入力端子「Enable」に「TRUE」が入力されると、ファンクションブロック282が実行され、監視対象の異常の有無が判定される。判定結果は、出力端子「Error」から出力される。
FIG. 6 is a diagram illustrating an example of a function block for determining the presence or absence of a monitoring target abnormality. In the
図7は、図6に示すファンクションブロックを用いて作成されたユーザプログラムの一例を示す図である。図7に示す例のユーザプログラムでは、ファンクションブロック282の出力端子「Error」から異常有りを示す判定結果が出力されると、「Error Lamp」で示される報知装置18(図2参照)が点灯する。
FIG. 7 is a diagram showing an example of a user program created using the function blocks shown in FIG. In the user program of the example shown in FIG. 7, when the determination result indicating that there is an abnormality is output from the output terminal “Error” of the
設計ツール装置200を用いることにより、設計者は、暫定的に作成された付属データ292に対応付けられたファンクションブロック282を用いてユーザプログラムを作成できる。そのため、フィールドエンジニアが監視対象の異常の有無の判定方法の調整を行なう前であったとしても、設計者は、図7に示されるようなユーザプログラム130を作成できる。さらに、設計者は、デバッガ256およびシミュレータ260を利用することにより、作成したユーザプログラム130のバグを修正したり、作成したユーザプログラム130の動作を確認したりできる。
By using the
<2−4.制御装置のハードウェア構成例>
図8は、本実施の形態に係る制御装置のハードウェア構成例を示すブロック図である。図8に示す例の制御装置100は、CPU(Central Processing Unit)やMPU(Micro-Processing Unit)などのプロセッサ102と、チップセット104と、主メモリ106と、ストレージ108と、上位ネットワークコントローラ110と、USB(Universal Serial Bus)コントローラ112と、メモリカードインターフェイス114と、内部バスコントローラ122と、フィールドバスコントローラ118,120と、I/Oユニット124,…とを含む。
<2-4. Example of hardware configuration of control device>
FIG. 8 is a block diagram illustrating a hardware configuration example of the control device according to the present embodiment. 8 includes a
プロセッサ102は、ストレージ108に格納された各種プログラムを読み出して、主メモリ106に展開して実行することで、制御演算部10、異常判定部20および更新部30(図1参照)を実現する。チップセット104は、プロセッサ102と各コンポーネントとの間のデータ伝送などを制御する。
The
ストレージ108には、基本的な機能を実現するためのシステムプログラム150と、制御対象を制御するためのユーザプログラム130と、特徴量指定情報43と、学習データセット41と、判定基準情報42とが格納される。ユーザプログラム130と特徴量指定情報43と学習データセット41と判定基準情報42とは、上述したように設計ツール装置200から提供され、ストレージ108に格納される。
The
上位ネットワークコントローラ110は、上位ネットワーク6を介した他の装置との間のデータの遣り取りを制御する。USBコントローラ112は、USB接続を介して、設計ツール装置200またはサポート装置300との間のデータの遣り取りを制御する。
The
メモリカードインターフェイス114は、メモリカード116を着脱可能に構成されており、メモリカード116に対してデータを書込み、メモリカード116から各種データ(ユーザプログラムやトレースデータなど)を読出すことが可能になっている。
The
内部バスコントローラ122は、制御装置100に搭載されるI/Oユニット124,…との間でデータを遣り取りするインターフェイスである。
The
フィールドバスコントローラ118は、フィールドネットワーク2を介した他の装置との間のデータの遣り取りを制御する。同様に、フィールドバスコントローラ120は、フィールドネットワーク3を介した他の装置との間のデータの遣り取りを制御する。
The
図8には、プロセッサ102がプログラムを実行することで必要な機能が提供される構成例を示したが、これらの提供される機能の一部または全部を、専用のハードウェア回路(例えば、ASIC(Application Specific Integrated Circuit)またはFPGA(Field-Programmable Gate Array)など)を用いて実装してもよい。あるいは、制御装置100の主要部を、汎用的なアーキテクチャに従うハードウェア(例えば、汎用パソコンをベースとした産業用パソコン)を用いて実現してもよい。この場合には、仮想化技術を用いて、用途の異なる複数のOSを並列的に実行させるとともに、各OS上で必要なアプリケーションを実行させるようにしてもよい。
FIG. 8 shows a configuration example in which the
<2−5.サポート装置のハードウェア構成例>
本実施の形態に係るサポート装置300は、一例として、汎用的なアーキテクチャに従うハードウェア(例えば、汎用パソコン)を用いてプログラムを実行することで実現される。なお、制御装置100が配置される製造現場における保守性の観点から、サポート装置300は、可搬性に優れたノート型のパーソナルコンピュータであることが好ましい。
<2-5. Example of hardware configuration of support device>
As an example, the
図9は、本実施の形態に係るサポート装置300のハードウェア構成例を示すブロック図である。図9に示す例のサポート装置300は、CPUやMPUなどのプロセッサ302と、光学ドライブ304と、主記憶装置306と、二次記憶装置308と、USBコントローラ312と、ローカルネットワークコントローラ314と、入力部316と、表示部318とを含む。これらのコンポーネントは内部バス320を介して接続される。
FIG. 9 is a block diagram illustrating a hardware configuration example of the
プロセッサ302は、二次記憶装置308に格納された各種プログラムを読み出して、主記憶装置306に展開して実行することで、後述するような解析処理を含む各種処理を実現する。
The
二次記憶装置308は、例えば、HDD(Hard Disk Drive)やSSD(Flash Solid State Drive)などで構成される。二次記憶装置308には、典型的には、制御装置100との間で異常検知機能に関するデータを遣り取りするためのPLCインターフェイスプログラム324と、解析処理を実現するための解析プログラム326と、OS328とが格納される。二次記憶装置308には、図9に示すプログラム以外の必要なプログラムが格納されてもよい。
The
サポート装置300は、光学ドライブ304を有している。コンピュータ読取可能なプログラムを非一過的に格納する記録媒体305(例えば、DVD(Digital Versatile Disc)などの光学記録媒体)から、その中に格納されたプログラムが読取られて二次記憶装置308などにインストールされる。
The
サポート装置300で実行される各種プログラムは、コンピュータ読取可能な記録媒体305を介してインストールされてもよいが、ネットワーク上のサーバ装置などからダウンロードする形でインストールするようにしてもよい。また、本実施の形態に係るサポート装置300が提供する機能は、OSが提供するモジュールの一部を利用する形で実現される場合もある。
The various programs executed by the
USBコントローラ312は、USB接続を介して制御装置100との間のデータの遣り取りを制御する。ローカルネットワークコントローラ314は、任意のネットワークを介した他の装置との間のデータの遣り取りを制御する。
The
入力部316は、キーボードやマウスなどで構成され、ユーザ操作を受付ける。表示部318は、ディスプレイ、各種インジケータ、プリンタなどで構成され、プロセッサ302からの処理結果などを出力する。
The
図9には、プロセッサ302がプログラムを実行することで必要な機能が提供される構成例を示したが、これらの提供される機能の一部または全部を、専用のハードウェア回路(例えば、ASICまたはFPGAなど)を用いて実装してもよい。
FIG. 9 illustrates a configuration example in which the
<2−6.制御装置およびサポート装置のソフトウェア構成例/機能構成例>
次に、本実施の形態に係る制御システム1を構成する主要な装置のソフトウェア構成例および機能構成例について説明する。図10は、本実施の形態に係る制御システムの主要なソフトウェア構成例を示すブロック図である。
<2-6. Software configuration example / functional configuration example of control device and support device>
Next, an example of a software configuration and an example of a functional configuration of main devices included in the
図10を参照して、制御装置100は、主要なソフトウェア構成として、ユーザプログラム130と、更新部30と、時系列データベース(TSDB:Time Series Data Base)140とを含む。
Referring to FIG. 10,
制御装置100は、フィールドから収集される状態値を変数44の形で管理しており、変数44は予め定められた周期で更新される。
The
ユーザプログラム130は、制御対象を制御するための制御演算命令132と、ファンクションブロック282で規定される命令とを含む。上述したように、ユーザプログラム130は、設計者4が設計ツール装置200を用いて作成され、設計ツール装置200から制御装置100に提供される。
The
制御演算命令132は、制御対象を制御するための演算の命令を含む。図1に示す制御演算部10は、制御装置100のプロセッサ102が制御演算命令132を実行することにより実現される。
The
ファンクションブロック282で規定される命令は、監視対象の異常の有無を判定する一連の命令を含む。図1に示す異常判定部20は、制御装置100のプロセッサ102がファンクションブロック282で規定される命令を実行することにより実現される。そのため、ファンクションブロック282を用いることにより、容易に異常判定部20を実現するユーザプログラム130を作成できる。ファンクションブロック282で規定される命令は、特徴量生成命令134と、書込命令135と、スコア算出命令136と、判定命令137とを含む。
The command specified by the
特徴量生成命令134は、特徴量指定情報43によって指定される種類の状態値から、特徴量指定情報43によって指定される種類の特徴量(例えば、所定時間に亘る平均値、最大値、最小値など)を生成する命令を含む。
The feature
書込命令135は、生成された特徴量を時系列データベース140に書込む命令を含む。
The
時系列データベース140に順次書込まれる特徴量が特徴量データ45として、サポート装置300に出力される。
The feature values sequentially written in the time-
スコア算出命令136は、生成された特徴量と学習データセット41で示される特徴量群との距離(例えば、ユークリッド距離)を、生成された特徴量と学習データセット41との比較結果を示すスコアとして算出する命令を含む。
The
判定命令137は、算出されたスコアと判定基準情報42で示されるしきい値とを比較し、スコアがしきい値を超える場合に異常有りと判定し、スコアがしきい値を超えない場合に異常無しと判定する命令を含む。
The
更新部30は、制御装置100のプロセッサ102がシステムプログラム150(図8参照)を実行することにより実現される。更新部30は、サポート装置300から更新用の学習データセット51および判定基準情報52を受けると、制御装置100において現在設定されている学習データセット41および判定基準情報42を更新する。すなわち、更新部30は、現在設定されている学習データセット41の内容を、更新用の学習データセット51の内容に更新する。さらに、更新部30は、現在設定されている判定基準情報42の内容を、更新用の判定基準情報52の内容に更新する。
The
一方、サポート装置300は、主要な機能構成として、解析ツール330と、PLCインターフェイス332とを含む。
On the other hand, the
解析ツール330は、フィールドエンジニア5の操作に応じて、制御装置100において生成された特徴量からなる特徴量データ45を用いて、更新用の学習データセット51および判定基準情報52を決定する決定部として動作する。解析ツール330は、典型的には、サポート装置300のプロセッサ302が解析プログラム326を実行することで実現される。
The
PLCインターフェイス332は、制御装置100から特徴量データ45を取得する処理、および、決定された更新用の学習データセット51および判定基準情報52を制御装置100へ送信する処理などを担当する。PLCインターフェイス332は、典型的には、サポート装置300のプロセッサ302がPLCインターフェイスプログラム324を実行することで実現される。
The
図11は、図10に示す解析ツール330に含まれる機能モジュールの概要を示すブロック図である。図11を参照して、サポート装置300の解析ツール330は、主要な機能構成として、ユーザインターフェイス340と、ファイル管理モジュール350と、画面生成モジュール360と、解析モジュール370と、解析ライブラリ380とを含む。
FIG. 11 is a block diagram showing an outline of a functional module included in the
ユーザインターフェイス340は、ユーザからの設定を受付けるとともに、ユーザに対して各種情報を提供するための統括的な処理を実行する。具体的な実装形態として、ユーザインターフェイス340は、スクリプトエンジン342を有しており、必要な処理を記述したスクリプトを含む設定ファイル344を読込んで、設定された処理を実行する。
The
ファイル管理モジュール350は、指定されたファイルなどからデータを読込むデータ入力機能352と、生成したデータなどを含むファイルを生成するデータ生成機能354とを含む。
The
画面生成モジュール360は、入力されたデータなどに基づいて折れ線グラフを生成する折れ線グラフ生成機能362、および、ユーザの操作を受けて各種パラメータを変更するパラメータ調整機能364を含む。パラメータの変更に伴って、折れ線グラフ生成機能362は折れ線を更新することもある。折れ線グラフ生成機能362およびパラメータ調整機能364は、グラフライブラリ366を参照して必要な処理を実行する。
The
解析モジュール370は、解析ツール330の主要な処理を実現するモジュールであり、パラメータ決定機能376を有している。パラメータ決定機能376は、異常の有無の判定処理に必要なパラメータである、学習データセットおよびしきい値を決定する処理を実行する。
The
解析ライブラリ380は、解析モジュール370に含まれる機能が処理を実行するためのライブラリを含む。より具体的には、解析ライブラリ380は、パラメータ決定機能376が利用する異常判定エンジン386を含む。異常判定エンジン386が実行する処理は、ユーザプログラム130に規定されるファンクションブロック282のスコア算出命令136および判定命令137(図10参照)に従って実行される処理と実質的に同一である。
The
このように、サポート装置300の異常判定エンジン386は、制御装置100の時系列データベース140から提供される特徴量(特徴量データ45)を用いて、制御装置100の異常判定部20と実質的に同一の異常判定処理を実行する。
As described above, the
本実施の形態に係る制御システム1には、制御装置100とサポート装置300との両方において、同一の異常判定処理を実現できる環境が提供されている。このような環境によって、制御装置100における異常判定処理をサポート装置300において再現することができ、この結果、制御装置100で実行させるべき異常判定処理を、サポート装置300において決定できる。
The
より具体的には、サポート装置300の解析モジュール370は、解析ライブラリ380に含まれる異常判定エンジン386による判定結果に基づいて、更新用の学習データセット51および判定基準情報52を決定する。
More specifically, the
<2−7.異常判定処理の概要>
次に、本実施の形態に係る制御システムが採用する異常判定処理の概要について説明する。
<2-7. Overview of abnormality determination processing>
Next, an outline of the abnormality determination processing employed by the control system according to the present embodiment will be described.
本実施の形態においては、統計的に得られるデータ集合に対して、監視対象のデータが外れ値であると評価される場合に、異常値として判定する。 In the present embodiment, when the data to be monitored is evaluated as an outlier for a statistically obtained data set, it is determined as an abnormal value.
図12は、本実施の形態に係る制御システムの異常判定処理の基本的な考え方を説明するための模式図である。図12に示す例では、特徴量指定情報43は、n個の特徴量の各々を指定している。図12を参照して、まず、n次元空間上において、学習データセットに含まれる各学習データで示される特徴量1,2,3,・・・,nに対応する位置を順次プロットする。プロットされた位置の座標値群を正常値群として規定する。
FIG. 12 is a schematic diagram for explaining the basic concept of the abnormality determination processing of the control system according to the present embodiment. In the example shown in FIG. 12, the feature
そして、任意のサンプリングタイミングで監視対象から収集された1または複数の状態値から特徴量1,2,3,・・・,nを生成し、当該生成されたそれぞれの特徴量に対応する座標(図12の「入力値」に相当する。)を設定する。
Then,
最終的に、n次元空間上における正常値群に対する入力値の外れ度合いに基づいて、当該入力値に対応するサンプリングタイミングにおける監視対象の異常の有無を判定する。図12の正常値群が、監視対象を示す「モデル」に相当する。 Finally, based on the degree of deviation of the input value from the normal value group in the n-dimensional space, it is determined whether or not the monitoring target has an abnormality at the sampling timing corresponding to the input value. The normal value group in FIG. 12 corresponds to a “model” indicating a monitoring target.
このような外れ度合いに基づく異常判定の手法としては、各点から正常値群までの最短距離に基づいて異常の有無を判定する手法(k近傍法)、正常値群を含むクラスタを含めて距離を評価する局所外れ値因子(LoF:local outlier factor)法、パス長さから算出されるスコアを用いるiForest(isolation forest)法などが知られている。 As a method of determining an abnormality based on the degree of deviation, a method of determining the presence or absence of an abnormality based on the shortest distance from each point to a group of normal values (k-nearest neighbor method), a distance including a cluster including a group of normal values, There are known a local outlier factor (LoF) method for evaluating, and an iForest (isolation forest) method using a score calculated from a path length.
図13は、本実施の形態に係る制御システム1の異常判定処理の手順を概略した模式図である。図13を参照して、任意のサンプリングタイミングにおいて監視対象から状態値のセットを収集したとする。このサンプリングタイミングにおける監視対象の異常の有無を判定することになる。
FIG. 13 is a schematic diagram schematically illustrating the procedure of the abnormality determination process of the
まず、監視対象から収集可能な複数の状態値のうち、特徴量指定情報43(図10参照)によって指定された種類の状態値1,2,3,・・・nを用いて、特徴量指定情報43によって指定された種類の特徴量1,2,3,・・・,nを生成する。
First, of a plurality of state values that can be collected from the monitoring target, feature amount designation is performed using the state values 1, 2, 3,... N of the type designated by the feature amount designation information 43 (see FIG. 10). .., N of the type specified by the
なお、同一の状態値から複数の特徴量が生成されてもよい。説明の便宜上、少なくとも4個の特徴量を用いる構成を示すが、本実施の形態に係る異常判定処理においては、少なくとも1つの特徴量があればよい。 Note that a plurality of feature amounts may be generated from the same state value. For convenience of explanation, a configuration using at least four feature values is shown. However, in the abnormality determination processing according to the present embodiment, at least one feature value is required.
続いて、1または複数の特徴量からスコアが算出される。そして、算出されたスコアと判定基準情報42(図10参照)で示されるしきい値とを比較して、監視対象の異常の有無を判定する。 Subsequently, a score is calculated from one or a plurality of feature amounts. Then, the calculated score is compared with a threshold value indicated by the criterion information 42 (see FIG. 10) to determine whether there is an abnormality in the monitoring target.
本実施の形態に係る異常判定処理においては、予め定められた期間(以下、「フレーム」とも称す。)に亘る状態値の時系列データから特徴量を生成し、生成される特徴量を用いてスコアを算出する。 In the abnormality determination processing according to the present embodiment, a feature amount is generated from time-series data of state values over a predetermined period (hereinafter, also referred to as a “frame”), and the generated feature amount is used. Calculate the score.
図14は、本実施の形態に係る制御装置において実行される異常判定処理の手順を示すフローチャートである。図14に示す各ステップは、典型的には、制御装置100のプロセッサ102がプログラム(システムプログラムおよびユーザプログラム)を実行することで実現される。
FIG. 14 is a flowchart illustrating a procedure of an abnormality determination process performed in the control device according to the present embodiment. Each step illustrated in FIG. 14 is typically realized by the
図14を参照して、制御装置100は、予め定められたフレームの開始条件が成立すると(ステップS50においてYES)、予め定められた1または複数の状態値の収集を開始する(ステップS52)。その後、予め定められたフレームの終了条件が成立すると(ステップS54においてYES)、制御装置100は、当該フレームの期間において収集された状態値のうち特徴量指定情報43によって指定される種類の状態値の時系列データから特徴量指定情報43によって指定される種類の特徴量を生成する(ステップS56)。そして、制御装置100は、生成された1または複数の特徴量に基づいてスコアを算出する(ステップS58)。
Referring to FIG. 14, when a predetermined frame start condition is satisfied (YES in step S50),
より具体的には、スコアは、生成された1または複数の特徴量と現在設定されている学習データセット41とを用いて算出される。
More specifically, the score is calculated using one or a plurality of generated feature amounts and the currently set learning
続いて、制御装置100は、算出したスコアが現在設定されている判定基準情報42で示されるしきい値を上回っているか否かを判定する(ステップS60)。算出したスコアがしきい値を上回っていれば(ステップS60においてYESの場合)、制御装置100は、監視対象の異常を報知する(ステップS62)。算出したスコアがしきい値を上回っていなければ(ステップS60においてNOの場合)、制御装置100は、監視対象が正常であると判定する(ステップS64)。そして、ステップS50以下の処理が繰返される。
Subsequently, the
<2−8.解析処理の概略手順>
次に、本実施の形態に係る解析処理の概略手順について説明する。図15は、本実施の形態に係る解析処理の内容を示す模式図である。図16は、図15に示される(a)〜(c)の処理の概要を視覚的に示す模式図である。
<2-8. Outline procedure of analysis processing>
Next, a schematic procedure of the analysis processing according to the present embodiment will be described. FIG. 15 is a schematic diagram showing the contents of the analysis processing according to the present embodiment. FIG. 16 is a schematic diagram visually illustrating the outline of the processes (a) to (c) shown in FIG.
図15を参照して、本実施の形態に係る解析処理は、主として、(a)データ入力処理、(b)可視化・ラベル付け処理、(c)しきい値決定処理を含む。 Referring to FIG. 15, the analysis processing according to the present embodiment mainly includes (a) data input processing, (b) visualization / labeling processing, and (c) threshold value determination processing.
図16を参照して、制御装置100にて生成された特徴量を示す特徴量データ45がサポート装置300へ提供される((a)データ入力処理)。図16に示す例では、特徴量データ45は、監視対象での処理の回数を示すサイクルカウントと、特徴量1,2,3,・・・,nとを含む。
Referring to FIG. 16,
続いて、サポート装置300では、特徴量の可視化および各サンプリングタイミングの特徴量の組に対するラベル付けが実施される((b)可視化・ラベル付け処理)。特徴量の可視化は、基本的には、サポート装置300によって実行され、ラベル付けの全部または一部はユーザが実行してもよい。
Subsequently, in the
より具体的な一例として、ユーザは、グラフなどの形で可視化された特徴量を参照しつつ、監視対象の状態が「正常」および「異常」のいずれであるかを、サンプリングタイミング毎に設定する。 As a more specific example, the user sets, for each sampling timing, whether the state of the monitoring target is “normal” or “abnormal” while referring to the feature amount visualized in the form of a graph or the like. .
次に、「正常」のラベル付けがされた特徴量の組に基づいて更新用の学習データセット51が生成されるとともに、当該学習データセット51と各サンプリングタイミングの特徴量の組とに基づいて、各サンプリングタイミングにおけるスコアが算出される。そして、算出されたスコアを参照して、異常と判定するためのしきい値を決定する((c)しきい値決定)。
Next, an update learning data set 51 is generated based on a set of feature quantities labeled “normal”, and based on the learning
以上のような手順によって、更新用の学習データセット51および判定基準情報52(しきい値を示す情報)が生成される。生成された更新用の学習データセット51および判定基準情報52は、サポート装置300から制御装置100へ提供される。制御装置100は、現在設定されている学習データセット41および判定基準情報42の内容を更新用の学習データセット51および判定基準情報52の内容に更新する。
Through the above-described procedure, the learning
上述したように、設計ツール装置200は、監視対象の異常の有無を判定するための命令を規定するユーザプログラム130を作成する際に、暫定的に定められた仮の学習データセット41および判定基準情報42を制御装置100に設定する。そのため、ユーザプログラム130を実行することができるものの、当該仮の学習データセット41および判定基準情報42を用いるために、精度良く監視対象の異常の有無を判定できない。しかしながら、サポート装置300は、解析処理を行なうことにより、更新用の学習データセット51および判定基準情報52を生成する。すなわち、フィールドエンジニアは、サポート装置300を用いることにより、学習データセットおよびしきい値を適宜調整することができる。これにより、調整後の学習データセットおよびしきい値を用いた異常判定処理が実行され、監視対象の異常の有無の判定精度を向上させることができる。
As described above, when the
なお、図16に示す(a)〜(c)の処理は、適宜繰返し実行することが可能であり、監視対象の状態に応じて学習データセットおよび判定基準情報を順次更新することも可能である。 Note that the processes (a) to (c) shown in FIG. 16 can be repeatedly executed as appropriate, and the learning data set and the determination reference information can be sequentially updated according to the state of the monitoring target. .
<2−9.サポート装置の処理手順例>
図17は、本実施の形態に係るサポート装置の処理手順の一例を示すフローチャートである。図17を参照して、まず、サポート装置300は、フィールドエンジニアの操作に応じて解析ツール330を起動させると(ステップS2)、解析ツール330に特徴量データ45を読込ませる(ステップS4)。
<2-9. Example of processing procedure of support device>
FIG. 17 is a flowchart illustrating an example of a processing procedure of the support device according to the present embodiment. Referring to FIG. 17, first, when the
続いて、解析ツール330は、フィールドエンジニアの選択操作に応じて特徴量の変化を可視化する。フィールドエンジニアは、可視化された特徴量の変化に対して正常および/または異常のラベル付けを行なう(ステップS6)(図15の(b)可視化・ラベル付け処理に対応)。
Subsequently, the
図18は、図17のステップS6においてフィールドエンジニアに提供されるユーザインターフェイス画面500の一例を示す模式図である。図18を参照して、ユーザインターフェイス画面500は、特徴量の変化を可視化する。典型的には、ユーザインターフェイス画面500においては、特徴量の時間的な変化がグラフ化されており、フィールドエンジニアは、このグラフを参照することで、異常または正常の範囲を設定する。なお、フィールドエンジニアが設定する異常範囲および正常範囲は、監視対象が実際に異常になっているか、正常に動作しているかの情報に基づいて設定してもよいし、フィールドエンジニアが異常として判定したい特徴量の変化を任意に設定するようにしてもよい。すなわち、ユーザインターフェイス画面500において設定される異常範囲および正常範囲は、本実施の形態に係る異常判定処理が出力する「異常」または「正常」である状態を規定するものであり、監視対象が実際に異常であるか正常であるかとは、必ずしも一致しなくてもよい。
FIG. 18 is a schematic diagram showing an example of the
より具体的には、ユーザインターフェイス画面500は、特徴量に対する選択受付エリア502と、グラフ表示エリア506と、ヒストグラム表示エリア512とを含む。
More specifically, the
選択受付エリア502には、特徴量指定情報43で指定される特徴量を示すリストが表示されており、ユーザは、選択受付エリア502に表示されたリスト上で任意の特徴量を選択する。
In the
グラフ表示エリア506には、選択された特徴量の変化を示すグラフ508が表示される。グラフ508は、サンプリング毎の時系列データ、あるいは、監視対象の処理単位(例えば、処理ワーク単位)などで区切られてもよい。
In the
ヒストグラム表示エリア512には、選択された特徴量の変化の分布を示すヒストグラムが表示される。ヒストグラム表示エリア512に表示されるヒストグラムを確認することで、選択した特徴量の主たる範囲などを知ることができる。
In the
ユーザは、グラフ表示エリア506に表示される特徴量の変化(グラフ508)に対して、データの正常範囲および/または異常範囲を設定できる。より具体的には、ユーザインターフェイス画面500は、ラベル付与ツール514を含む。ラベル付与ツール514は、正常ラベル設定ボタン516と、異常ラベル設定ボタン517と、ラベル設定範囲指定ボタン518とを含む。
The user can set a normal range and / or an abnormal range of data with respect to a change in the feature amount displayed in the graph display area 506 (graph 508). More specifically, the
フィールドエンジニアは、付与するラベルが正常または異常のいずれであるかに応じて、正常ラベル設定ボタン516または異常ラベル設定ボタン517を選択した後、ラベル設定範囲指定ボタン518を選択し、続けて、グラフ表示エリア506の対象となる領域を指定する操作(例えば、ドラッグ操作)を行う。これによって、指定された領域に対して、設定されたラベルが付与される。
The field engineer selects the normal
図18には、異常範囲510が設定されている例を示す。異常範囲510に含まれるサンプリングタイミングの特徴量に対しては、「異常」のラベルが付与され、それ以外の特徴量に対しては、「正常」のラベルが付与される。このように、解析ツール330は、ユーザ操作に従って、生成された複数の特徴量のデータ系列の特定範囲に対して、「正常」および「異常」の少なくとも一方のラベルを付与する機能を有していてもよい。
FIG. 18 shows an example in which an
なお、ヒストグラム表示エリア512に表示されるヒストグラムに対しても、データの正常範囲および/または異常範囲を設定できるようにしてもよい。
The normal range and / or the abnormal range of the data may be set for the histogram displayed in the
再度図17を参照して、次に、解析ツール330は、フィールドエンジニアの操作に従って、しきい値の決定処理を実行する(ステップS8)。ステップS8の処理は、図15に示す(c)しきい値決定処理に対応する。
Referring to FIG. 17 again, next,
このステップS8においては、デフォルトのしきい値が予め設定されている。フィールドエンジニアは、判定精度を示す指標値を確認しながら、しきい値を調整する。 In step S8, a default threshold value is set in advance. The field engineer adjusts the threshold value while checking the index value indicating the determination accuracy.
図19は、図17のステップS8においてユーザに提供されるユーザインターフェイス画面520の一例を示す模式図である。図19を参照して、ユーザインターフェイス画面520は、異常判定処理に用いるしきい値の選択を受付ける。
FIG. 19 is a schematic diagram showing an example of the
より具体的には、ユーザインターフェイス画面520は、グラフ表示エリア526を含む。グラフ表示エリア526には、特徴量データ45で示される各サンプリングタイミングの特徴量と学習データセットとに基づいて算出されたスコアの変化を示すグラフ528が表示される。当該学習データセットとして、ステップS8において「正常」とラベル付けされた複数のサンプリングタイミングの特徴量のデータが用いられる。
More specifically,
グラフ表示エリア526に関連付けて、しきい値設定スライダ534が配置されている。しきい値設定スライダ534に対する操作に連動して、設定されているしきい値が変動するとともに、グラフ表示エリア526に表示されるしきい値表示バー535の位置が変動する。このように、しきい値設定スライダ534は、グラフ表示エリア526に表示されたスコアに対するしきい値の設定を受付ける。
A
グラフ表示エリア526には、指標値を示す数値表示530、および、設定されているしきい値を示す数値表示532が配置されている。しきい値設定スライダ534に対するユーザ操作に連動して、数値表示530,532の値も更新される。
In the
数値表示530が示す指標値は、現在設定されているしきい値により、どの程度正確な判定が可能かを示す値である。より具体的には、指標値は、現在の設定によれば、ユーザにより設定された正常範囲に含まれる特徴量(すなわち、「正常」のラベルが付与されている特徴量)と、ユーザにより設定された異常範囲に含まれる特徴量(すなわち、「異常」のラベルが付与されている特徴量)とをどの程度正確に区別できるのかを示す。
The index value indicated by the
指標値は、例えば、TruePositive軸とFalsePositive軸とにより規定されるROC(Receiver Operating Characteristic)曲線に基づいて、AUC(Area Under the Curve)を求めることによって算出される。 The index value is calculated, for example, by obtaining an AUC (Area Under the Curve) based on a ROC (Receiver Operating Characteristic) curve defined by a TruePositive axis and a FalsePositive axis.
例えば、「正常」のラベルが付与されているデータと、「異常」のラベルが付与されているデータとを用いて、100%から誤判定する確率を差し引いた値を指標値として算出する。誤判定とは、「正常」のラベルが付与されているデータを「異常」と判定する、あるいは、「異常」のラベルが付与されているデータを「正常」と判定することである。 For example, using data labeled with “normal” and data labeled with “abnormal”, a value obtained by subtracting the probability of erroneous determination from 100% is calculated as an index value. The erroneous determination means that data labeled with “normal” is determined as “abnormal”, or data labeled with “abnormal” is determined as “normal”.
フィールドエンジニアは、グラフ表示エリア526に表示されるグラフ528の形状や、数値表示530が示す指標値を確認しながら、しきい値の設定を適宜実施する。
The field engineer appropriately sets the threshold value while checking the shape of the
ユーザインターフェイス画面520のリセットボタン536が選択されると、ユーザインターフェイス画面520がデフォルト状態にリセットされる。
When the
ユーザインターフェイス画面520の更新データ生成ボタン538が選択されると、当該時点において設定されている内容に従って、更新用の学習データセット51および判定基準情報52が生成される。
When the update
再度図17を参照して、図18に示すユーザインターフェイス画面500、および、図19に示すユーザインターフェイス画面520において適宜操作され、ユーザインターフェイス画面520の更新データ生成ボタン538が操作されると(ステップS10においてYES)、解析ツール330は、更新用の学習データセット51および判定基準情報52を生成する(ステップS12)。すなわち、解析ツール330は、フィールドエンジニアによるラベル付けおよびしきい値の調整に応じて、更新用の学習データセット51および判定基準情報52を生成する。具体的には、解析ツール330は、「正常」のラベルが付与された各サンプリングタイミングの特徴量を学習データとする更新用の学習データセット51を生成する。さらに、解析ツール330は、調整されたしきい値を示す更新用の判定基準情報52を生成する。
Referring to FIG. 17 again, the
そして、サポート装置300から制御装置100に対して、ステップS12において生成された更新用の学習データセット51および判定基準情報52が送信され(ステップS14)、制御装置100に設定されている学習データセット41および判定基準情報42が更新される。
Then, the learning data set for updating 51 and the
なお、指標値などを定期的に確認し、指標値が悪い場合には、フィールドエンジニアは、サポート装置300を操作して、制御装置100に設定されている学習データセット41および判定基準情報42を適宜更新してもよい。指標値が悪い場合とは、監視対象が正常な状態であるのに異常と検知してしまった頻度が相対的に多い、および/または、正常と検知したのに監視対象が正常な状態ではなかった頻度が相対的に多い場合である。
It should be noted that the index value and the like are regularly checked, and if the index value is bad, the field engineer operates the
<2−10.変形例>
上記の説明では、監視対象毎に生成される特徴量の種類が固定される。しかしながら、監視対象の状態に応じて、異常の有無の判定に適切な特徴量の種類が変動する場合もあり得る。そのため、学習データセット41および判定基準情報42とともに、特徴量指定情報43も更新されてもよい。以下に、ユーザプログラム130の作成時に暫定的に定められた仮の特徴量指定情報43が制御装置に設定された後に、フィールドエンジニアがサポート装置を用いて特徴量指定情報43の内容も更新可能な制御システムについて説明する。
<2-10. Modification>
In the above description, the type of feature amount generated for each monitoring target is fixed. However, the type of the feature amount suitable for determining the presence or absence of the abnormality may change depending on the state of the monitoring target. Therefore, the feature
(2−10−1.制御装置およびサポート装置のソフトウェア構成例/機能構成例)
図20は、変形例に係る制御システムの主要なソフトウェア構成例を示すブロック図である。図20に示す例の制御装置100Aは、図10に示す制御装置100と比較して、更新部30の代わりに更新部30Aを含む点で相違する。さらに、ファンクションブロック282で規定される命令は、書込命令135の代わりに書込命令135Aを含む。
(2-10-1. Software Configuration Example / Function Configuration Example of Control Device and Support Device)
FIG. 20 is a block diagram illustrating a main software configuration example of a control system according to a modification. The
書込命令135Aは、フィールドから収集される変数44(状態値)を時系列データベース140に書込む命令を含む。
The
時系列データベース140に順次書込まれる状態値が生データ46として、サポート装置300Aに出力される。
The status values sequentially written to the time-
更新部30Aは、図10に示す更新部30の処理に加えて、サポート装置300から更新用の特徴量指定情報53を受けると、制御装置100Aにおいて現在設定されている特徴量指定情報43を更新する処理を行なう。すなわち、更新部30Aは、更新部30と同様に、現在設定されている学習データセット41および判定基準情報42の内容を、更新用の学習データセット51および判定基準情報52の内容にそれぞれ更新する。さらに、更新部30Aは、現在設定されている特徴量指定情報43の内容を、更新用の特徴量指定情報53の内容に更新する。
When the
図20に示す例のサポート装置300Aは、図10に示すサポート装置300と比較して、解析ツール330の代わりに解析ツール330Aを含む点で相違する。
The
解析ツール330Aは、フィールドエンジニア5の操作に応じて、制御装置100Aにおいて収集された状態値からなる生データ46を解析し、更新用の学習データセット51、判定基準情報52および特徴量指定情報53を決定する。
The
図21は、図20に示す解析ツール330Aに含まれる機能モジュールの概要を示すブロック図である。図21を参照して、解析ツール330Aは、図11に示す解析ツール330と比較して、解析モジュール370および解析ライブラリ380の代わりに解析モジュール370Aおよび解析ライブラリ380Aをそれぞれ含む点で相違する。解析モジュール370Aは、解析モジュール370と比較して、特徴量生成機能372と、特徴量選択機能374とをさらに含む点で相違する。解析ライブラリ380Aは、特徴量生成機能372が利用する特徴量生成ライブラリ382と、特徴量選択機能374が利用する特徴量選択ライブラリ384とをさらに含む点で相違する。
FIG. 21 is a block diagram showing an outline of a functional module included in the
特徴量生成機能372は、生データ46に含まれる任意の状態値の時系列データから特徴量を生成する。特徴量生成ライブラリ382には、様々な種類の特徴量(例えば、所定時間に亘る平均値、最大値、最小値など)の各々の生成アルゴリズムが格納されている。
The feature
特徴量選択機能374は、異常判定処理に用いる特徴量を選択する処理および特徴量の選択を受付ける処理を実行する。
The feature
(2−10−2.解析処理の概略手順)
図22は、変形例に係る解析処理の概要を視覚的に示す模式図である。図22を参照して、変形例に係る解析処理は、主として、(a)データ入力処理、(b)特徴量生成処理、(c)可視化・ラベル付け処理、(d)特徴量選択処理、(e)しきい値決定処理を含む。
(2-10-2. Schematic procedure of analysis processing)
FIG. 22 is a schematic diagram visually illustrating an outline of the analysis processing according to the modification. With reference to FIG. 22, the analysis processing according to the modification mainly includes (a) data input processing, (b) feature quantity generation processing, (c) visualization / labeling processing, (d) feature quantity selection processing, e) Including a threshold value determination process.
図22を参照して、制御装置100Aにて収集された状態値の時系列データである生データ46がサポート装置300Aへ提供される((a)データ入力処理)。生データ46は、サンプリングタイミング毎に1または複数の状態値を含む。
Referring to FIG. 22,
サポート装置300Aは、入力された生データ46を用いて、1または複数の特徴量を生成する((b)特徴量生成)。この特徴量の生成は、解析ツール330Aの特徴量生成機能372を用いて実現される。通常、複数種類の特徴量が生成される。図22に示す例では、特徴量1,2,3,・・・,Nが生成される。
The
続いて、サポート装置300Aでは、特徴量の可視化および各サンプリングタイミングの特徴量の組に対するラベル付けが実施される((c)可視化・ラベル付け処理)。変形例に係る(c)可視化・ラベル付け処理は、<2−8.解析処理の概略手順>において説明した(b)可視化・ラベル付け処理と同じである。
Subsequently, in the
続いて、収集された状態値から生成される複数の特徴量のうち、異常判定に用いる1または複数の特徴量を選択する((d)特徴量選択)。図22に示す例では、特徴量1,2,k,nの4つが選択されている。 Subsequently, one or a plurality of feature values used for abnormality determination are selected from among a plurality of feature values generated from the collected state values ((d) feature value selection). In the example shown in FIG. 22, four feature amounts 1, 2, k, and n are selected.
次に、「正常」のラベル付けがされ、かつ選択された特徴量の組に基づいて更新用の学習データセット51が生成される。さらに、当該学習データセット51と各サンプリングタイミングの選択された特徴量の組とに基づいて、各サンプリングタイミングにおけるスコアが算出される。そして、算出されたスコアを参照して、異常と判定するためのしきい値が決定される((e)しきい値決定)。
Next, a learning
以上のような手順によって、更新用の学習データセット51、判定基準情報52(しきい値を示す情報)および特徴量指定情報53が生成される。生成された更新用の学習データセット51、判定基準情報52および特徴量指定情報53は、サポート装置300Aから制御装置100Aへ提供される。制御装置100Aは、現在設定されている学習データセット、判定基準情報および特徴量指定情報の内容を更新用の学習データセット51、判定基準情報52および特徴量指定情報53の内容に更新する。
Through the above-described procedure, the learning
(2−10−3.サポート装置の処理手順例)
図23は、変形例に係るサポート装置の処理手順を示すフローチャートである。図23に示すフローチャートは、図17に示すフローチャートと比較して、ステップS30,S32をさらに含むとともに、ステップS4,S8,S12およびS14の代わりにステップS104,S108,S112およびS114をそれぞれ含む点で相違する。
(2-10-3. Example of processing procedure of support device)
FIG. 23 is a flowchart illustrating a processing procedure of the support device according to the modification. The flowchart shown in FIG. 23 differs from the flowchart shown in FIG. 17 in that it further includes steps S30 and S32 and also includes steps S104, S108, S112 and S114 instead of steps S4, S8, S12 and S14. Different.
図23を参照して、サポート装置300Aは、フィールドエンジニアの操作に応じて解析ツール330Aを起動させると(ステップS2)、解析ツール330Aに生データ46を読込ませる(ステップS104)。
Referring to FIG. 23, when activating
続いて、解析ツール330Aは、読込んだ生データ46に対するデータクレンジングを実行する(ステップS30)。データクレンジングは、生データ46に含まれる不要なデータを削除する処理である。例えば、生データ46に含まれる時系列データのうち、分散がゼロである状態値(すなわち、何ら変動していない状態値)を削除する。データクレンジングの処理は、解析ツール330Aが自動的に実行してもよいし、解析ツール330Aが削除対象の状態値の候補を提示し、フィールドエンジニアが明示的に削除対象を選択するようにしてもよい。
Subsequently, the
さらに、可視化された状態値などを参照して、フィールドエンジニアが不要または不正なデータであると判定した状態値を手動で削除できるようにしてもよい。すなわち、サポート装置300は、生データ46のうち特徴量の生成から除外すべき状態値の選択を受付ける。
Furthermore, a field engineer may be able to manually delete a status value determined to be unnecessary or invalid data by referring to a visualized status value or the like. That is, the
その後、解析ツール330Aは、データクレンジング後の生データ46に含まれる状態値に基づいて、1または複数の特徴量を生成する(ステップS32)。より具体的には、解析ツール330Aの特徴量生成機能372が、生データ46から複数の特徴量を生成する。ステップS32においては、可能な限り多くの種類の特徴量が生成されるようにしてもよい(図22の(b)特徴量生成に対応)。
After that, the
続いて、解析ツール330Aは、フィールドエンジニアの選択操作に応じて特徴量の変化を可視化し、フィールドエンジニアの操作に応じて、可視化された特徴量の変化に対して正常および/または異常のラベル付けを行なう(ステップS6)(図22の(c)可視化・ラベル付け処理に対応)。ステップS6については、<2−9.サポート装置の処理手順例)で説明したため、ここでは詳細な説明を省略する。
Subsequently, the
次に、解析ツール330Aは、フィールドエンジニアの操作に従って、異常判定に用いる特徴量としきい値とを決定する(ステップS108)。ステップS108の処理は、図22に示す(d)特徴量選択処理および(e)しきい値決定処理に対応する。
Next, the
図24は、図23のステップS108において、サポート装置300Aがフィールドエンジニアに提供するユーザインターフェイス画面の一例を示す模式図である。図24を参照して、ユーザインターフェイス画面520Aは、主として、異常判定処理に用いる1または複数の特徴量の選択を受付けるとともに、異常判定処理に用いるしきい値の選択を受付ける。
FIG. 24 is a schematic diagram illustrating an example of a user interface screen provided to the field engineer by the
より具体的には、ユーザインターフェイス画面520Aは、特徴量に対する選択受付エリア522と、グラフ表示エリア526とを含む。
More specifically, the
選択受付エリア522は、生成された複数の特徴量のうち、異常判定処理に用いられる1または複数の特徴量の選択を受付けるユーザインターフェイスに相当する。より具体的には、選択受付エリア522には、生成された特徴量の内容を示すリストが表示されており、フィールドエンジニアは、表示されたリスト上で任意の特徴量に対応するチェックボックス524をチェックすることで、異常判定処理に用いられる特徴量を選択する。
The
選択受付エリア522に表示される特徴量は、解析ツール330Aの特徴量選択機能374(図21参照)によって解析された結果に基づいて、重要度が高いと推定されるものがより上位になるようにリストされていてもよい。すなわち、選択受付エリア522には、後述するような手順で決定されたランクに従って、生成された複数の特徴量の表示順序が決定されてもよい。
Based on the result analyzed by the feature amount selection function 374 (see FIG. 21) of the
また、初期の選択受付エリア522には、特徴量選択機能374によって予め選択された特徴量が、デフォルトとして選択されていてもよい。すなわち、選択受付エリア522においては、決定されたランクに従って、生成された複数の特徴量のうち予め定められた数の特徴量が選択された状態で表示されてもよい。図24には、2つの特徴量が選択されている状態を示す。
In the initial
グラフ表示エリア526の詳細については、図19を参照して上述した通りであるため、詳細な説明を省略する。なお、グラフ表示エリア526に表示されるグラフ528は、選択受付エリア522のチェックボックス524に対するチェックによって選択された1または複数の特徴量に基づいて算出されたスコアの変化を示す。
Since the details of the
ユーザインターフェイス画面520Aの更新データ生成ボタン538が操作されると(ステップS10においてYES)、解析ツール330Aは、当該時点において設定されている内容に従って、更新用の学習データセット51、判定基準情報52および特徴量指定情報53を生成する(ステップS112)。すなわち、解析ツール330Aは、図24に示すチェックボックス524に対するチェックによって選択された1または複数の特徴量を指定するための特徴量指定情報53を生成する。さらに、解析ツール330Aは、「正常」のラベルが付与された各サンプリングタイミングの特徴量のうち特徴量指定情報53で指定される特徴量を学習データとする更新用の学習データセット51を生成する。さらに、解析ツール330Aは、調整されたしきい値を示す更新用の判定基準情報52を生成する。
When the update
そして、サポート装置300Aから制御装置100Aに対して、ステップS112において生成された更新用の学習データセット51、判定基準情報52および特徴量指定情報53が送信され(ステップS114)、制御装置100Aに設定されている学習データセット41、判定基準情報42および特徴量指定情報43が更新される。
Then, the update learning data set 51, the
(2−10−4.特徴量の重要度の算出およびランク付け)
図25は、変形例に係るサポート装置の解析ツールが実行する特徴量の重要度を評価する処理を説明するための模式図である。図25を参照して、解析ツール330Aの特徴量選択機能374は、各特徴量の重要度を複数の手法でそれぞれ算出する。図25には、一例として、尖度、ロジスティック回帰、決定木の3つの手法でそれぞれ評価する例を示す。
(2-10-4. Calculation and ranking of importance of feature amount)
FIG. 25 is a schematic diagram for explaining a process of evaluating the importance of a feature amount performed by an analysis tool of a support device according to a modification. Referring to FIG. 25, feature
評価値コラム702に格納される尖度は、対象の特徴量700のデータ系列についての頻度分布の鋭さを評価した値である。尖度が大きいほど、頻度分布のピークが鋭く、分布の裾が広いことを示す。異常検知に用いる統計量としては、尖度が大きいほど有益、すなわち重要であるとみなすことができる。
The kurtosis stored in the
また、対象の特徴量のデータ系列についての頻度分布の標準偏差を評価値として用いてもよい。この場合、標準偏差が大きいほど、特徴量に変化があり異常検知の能力が高い(すなわち、重要である)と判定できる。 Further, the standard deviation of the frequency distribution of the data series of the target feature amount may be used as the evaluation value. In this case, it can be determined that the larger the standard deviation is, the more the feature amount changes, and the higher the abnormality detection capability is (ie, the more important it is).
評価値コラム704に格納されるロジスティック回帰は、任意のロジスティック関数を対象の特徴量のデータ系列に適用して、尤度を最大化するロジスティック関数を規定するパラメータを探索する。最終的に探索されたパラメータに対応する尤度を重要度とみなす。すなわち、任意のロジスティック関数でより精度の高い推定ができる特徴量ほど、優先度が高いとみなすことができる。
In the logistic regression stored in the
典型的には、ロジスティック回帰は、特徴量毎にパラメータの探索および尤度の算出を行うことができる。 Typically, logistic regression can search for parameters and calculate likelihood for each feature amount.
評価値コラム706に格納される決定木は、対象の特徴量のデータ系列に対して分類木を適用し、その分類能力を重要度として用いるものである。決定木のアルゴリズムとしては、CART、C4.5、ID3などが知られており、いずれのアルゴリズムを用いてもよい。
The decision tree stored in the
このように、典型例としては、重要度は、少なくとも、特徴量のデータ系列についての尖度、特徴量のデータ系列に対してロジスティック回帰の実行によって得られる尤度、決定木のアルゴリズムに従って算出される重要度を含む。 As described above, as a typical example, the importance is calculated in accordance with at least the kurtosis of the feature data series, the likelihood obtained by performing logistic regression on the feature data series, and a decision tree algorithm. Includes importance.
以上のように、各特徴量について重要度を示す値を複数の手法でそれぞれ算出し、それぞれの結果を統合した結果が評価値コラム708に格納される。評価値コラム708に格納される各評価値に基づいて、それぞれの特徴量に対するランク付けがなされる(ランクコラム710)。
As described above, the value indicating the degree of importance is calculated for each feature amount by a plurality of methods, and the result obtained by integrating the results is stored in the
<2−11.付記>
以上のように、本実施の形態は以下のような開示を含む。
<2-11. Appendix>
As described above, the present embodiment includes the following disclosure.
(構成1)
制御対象から周期的に収集される状態値を用いて、前記制御対象を制御するための制御演算を実行する制御演算部(10)と、
前記収集される状態値のうち監視対象に関連する状態値から生成される特徴量と予め設定された学習データセット(101)との比較結果を示すスコアを算出し、算出したスコアと予め設定された判定基準(102)とに基づいて、前記監視対象の異常の有無を判定する異常判定部(20)とを備え、
前記異常判定部(20)は、前記制御対象を制御するためのユーザプログラム(130)内に命令が規定されることにより実現され、
外部から更新用の学習データセット(301)および更新用の判定基準(302)を受けて、現在設定されている学習データセット(101)および判定基準(102)をそれぞれ更新する更新部(30)をさらに備える、制御装置(100,100A)。
(Configuration 1)
A control operation unit (10) for performing a control operation for controlling the control target using a state value periodically collected from the control target;
Among the collected state values, a score indicating a comparison result between a feature amount generated from a state value related to a monitoring target and a preset learning data set (101) is calculated, and the calculated score is set in advance. An abnormality judging unit (20) for judging the presence or absence of an abnormality in the monitoring target based on the judgment criterion (102).
The abnormality determination unit (20) is realized by a command being defined in a user program (130) for controlling the control target,
An update unit (30) that receives a learning data set for updating (301) and a criterion for updating (302) from outside and updates the currently set learning data set (101) and criterion (102), respectively. The control device (100, 100A) further comprising:
(構成2)
前記生成される特徴量は、監視対象毎に予め定められており、
前記生成される特徴量に応じて学習データセット(101)および判定基準(102)が設定される、構成1に記載の制御装置(100,100A)。
(Configuration 2)
The generated feature amount is predetermined for each monitoring target,
The control device (100, 100A) according to
(構成3)
前記異常判定部(20)は、前記ユーザプログラム(130)内にファンクションブロック(282)の形で命令が規定されることにより実現される、構成1に記載の制御装置(100,100A)。
(Configuration 3)
The control device (100, 100A) according to
(構成4)
監視対象毎に前記ファンクションブロック(282)と仮の学習データセット(101)と仮の判定基準(102)とが対応付けて予め作成されており、
前記ファンクションブロック(282)が規定されることにより、当該ファンクションブロック(282)に対応する仮の学習データセット(101)および仮の判定基準(102)が設定される、構成3に記載の制御装置(100,100A)。
(Configuration 4)
The function block (282), the temporary learning data set (101), and the temporary determination criterion (102) are created in advance for each monitoring target in association with each other.
The control device according to
(構成5)
前記異常判定部(20)は、状態値の種類および特徴量の種類を指定する指定情報(103)に従って、前記特徴量を生成し、
前記更新部(30)は、外部から更新用の指定情報(303)を受けて、現在設定されている指定情報(103)を更新する、構成1に記載の制御装置(100A)。
(Configuration 5)
The abnormality determination unit (20) generates the feature amount according to designation information (103) for designating a type of a state value and a type of a feature amount,
The control device (100A) according to
(構成6)
制御システム(1)であって、
制御対象から周期的に収集される状態値を用いて、当該制御対象を制御するための制御演算を実行する制御演算部(10)と、
前記収集される状態値のうち監視対象に関連する状態値から生成される特徴量と予め設定された学習データセット(101)との比較結果を示すスコアを算出し、算出したスコアと予め設定された判定基準(102)とに基づいて、前記監視対象の異常の有無を判定する異常判定部(20)とを備え、
前記異常判定部(20)は、前記制御対象を制御するためのユーザプログラム(130)内に規定されることにより実現され、
前記制御システム(1)は、さらに、
前記監視対象に関連する状態値または前記生成される特徴量を用いて、更新用の学習データセット(301)と更新用の判定基準(302)とを決定する決定部(330,330A)と、
前記更新用の学習データセット(301)および前記更新用の判定基準(302)を受けて、現在設定されている学習データセット(101)および判定基準(102)をそれぞれ更新する更新部(30)とを備える、制御システム(10)。
(Configuration 6)
A control system (1),
A control operation unit (10) that performs a control operation for controlling the control target using a state value periodically collected from the control target;
Among the collected state values, a score indicating a comparison result between a feature amount generated from a state value related to a monitoring target and a preset learning data set (101) is calculated, and the calculated score is set in advance. An abnormality judging unit (20) for judging the presence or absence of an abnormality in the monitoring target based on the judgment criterion (102).
The abnormality determination unit (20) is realized by being defined in a user program (130) for controlling the control target,
The control system (1) further includes:
A determining unit (330, 330A) that determines a learning data set for updating (301) and a criterion for updating (302) using a state value related to the monitoring target or the generated feature amount;
An update unit (30) that receives the update learning data set (301) and the update criterion (302) and updates the currently set learning data set (101) and criterion (102), respectively. A control system (10), comprising:
(構成7)
前記ユーザプログラム(130)を作成するプログラム作成部(200)をさらに備え、
前記プログラム作成部(200)は、
前記異常判定部(20)を実現するための命令を規定するファンクションブロック(282)を用いて前記ユーザプログラム(130)を作成し、
前記ファンクションブロック(282)に対応付けられた仮の学習データセット(101)および仮の判定基準(102)を設定する、構成6に記載の制御システム(1)。
(Configuration 7)
A program creation unit (200) for creating the user program (130);
The program creation unit (200)
The user program (130) is created using a function block (282) that defines an instruction for realizing the abnormality determination unit (20);
The control system (1) according to
本発明の実施の形態について説明したが、今回開示された実施の形態はすべての点で例示であって制限的なものではないと考えられるべきである。本発明の範囲は特許請求の範囲によって示され、特許請求の範囲と均等の意味および範囲内でのすべての変更が含まれることが意図される。 Although the embodiment of the present invention has been described, the embodiment disclosed this time should be considered as illustrative in all points and not restrictive. The scope of the present invention is defined by the terms of the claims, and is intended to include any modifications within the scope and meaning equivalent to the terms of the claims.
1 制御システム、2,3 フィールドネットワーク、4 設計者、5 フィールドエンジニア、6 上位ネットワーク、8 光学記録媒体、10 制御演算部、16,124 I/Oユニット、18 報知装置、20 異常判定部、30,30A 更新部、41,41a,41b,51 学習データセット、42,42a,42b,52 判定基準情報、43,43a,43b,53 特徴量指定情報、45 特徴量データ、46 生データ、100,100A 制御装置、102,302 プロセッサ、104 チップセット、106 主メモリ、108 ストレージ、110 上位ネットワークコントローラ、112,312 USBコントローラ、114 メモリカードインターフェイス、116 メモリカード、118,120 フィールドバスコントローラ、122 内部バスコントローラ
130 ユーザプログラム、132 制御演算命令、134 特徴量生成命令、135,135A 書込命令、136 スコア算出命令、137 判定命令、140 時系列データベース、150 システムプログラム、200 設計ツール装置、201 記憶部、203 操作部、206 RAM、210 キーボード、212 マウス、214 ディスプレイ、216 光学記録媒体読取装置、218 通信インターフェイス、220,320 内部バス、250 プログラミングアプリケーション、252 エディタ、254 コンパイラ、256 デバッガ、258 GUIモジュール、260 シミュレータ、270 データ格納部、280 ファンクションブロックライブラリ、282,282a,282b ファンクションブロック、290 付属データ記憶部、292,292a,292b 付属データ、300,300A サポート装置、304 光学ドライブ、305 記録媒体、306 主記憶装置、308 二次記憶装置、314 ローカルネットワークコントローラ、316 入力部、318 表示部、324 PLCインターフェイスプログラム、326 解析プログラム、330,330A 解析ツール、332 PLCインターフェイス、340 ユーザインターフェイス、342 スクリプトエンジン、344 設定ファイル、350 ファイル管理モジュール、352 データ入力機能、354 データ生成機能、360 画面生成モジュール、362 折れ線グラフ生成機能、364 パラメータ調整機能、366 グラフライブラリ、370,370A 解析モジュール、372 特徴量生成機能、374 特徴量選択機能、376 パラメータ決定機能、380,380A 解析ライブラリ、382 特徴量生成ライブラリ、384 特徴量選択ライブラリ、386 異常判定エンジン、400 表示装置、500,520,520A ユーザインターフェイス画面、502,522 選択受付エリア、506,526 グラフ表示エリア、508,528 グラフ、510 異常範囲、512 ヒストグラム表示エリア、514 ラベル付与ツール、516 正常ラベル設定ボタン、517 異常ラベル設定ボタン、518 ラベル設定範囲指定ボタン、524 チェックボックス、530,532 数値表示、534 設定スライダ、535 表示バー、536 リセットボタン、538 更新データ生成ボタン、618,628 サーボモータ、619,629 サーボドライバ。
REFERENCE SIGNS LIST 1 control system, 2, 3 field network, 4 designer, 5 field engineer, 6 host network, 8 optical recording medium, 10 control operation unit, 16, 124 I / O unit, 18 notification device, 20 abnormality determination unit, 30 , 30A updating unit, 41, 41a, 41b, 51 learning data set, 42, 42a, 42b, 52 judgment reference information, 43, 43a, 43b, 53 feature amount designation information, 45 feature amount data, 46 raw data, 100, 100A controller, 102, 302 processor, 104 chipset, 106 main memory, 108 storage, 110 upper network controller, 112, 312 USB controller, 114 memory card interface, 116 memory card, 118, 120 fieldbus controller, 122 Bus controller 130 user program, 132 control operation instruction, 134 feature amount generation instruction, 135, 135A write instruction, 136 score calculation instruction, 137 judgment instruction, 140 time series database, 150 system program, 200 design tool device, 201 storage Unit, 203 operation unit, 206 RAM, 210 keyboard, 212 mouse, 214 display, 216 optical recording medium reader, 218 communication interface, 220, 320 internal bus, 250 programming application, 252 editor, 254 compiler, 256 debugger, 258 GUI Module, 260 simulator, 270 data storage unit, 280 function block library, 282, 282a, 282b function block, with 290 Data storage unit, 292, 292a, 292b attached data, 300, 300A support device, 304 optical drive, 305 recording medium, 306 main storage device, 308 secondary storage device, 314 local network controller, 316 input unit, 318 display unit, 324 PLC interface program, 326 analysis program, 330, 330A analysis tool, 332 PLC interface, 340 user interface, 342 script engine, 344 setting file, 350 file management module, 352 data input function, 354 data generation function, 360 screen generation module , 362 line graph generation function, 364 parameter adjustment function, 366 graph library, 370, 370A analysis module, 372 feature quantity generator 374 feature quantity selection function, 376 parameter determination function, 380, 380A analysis library, 382 feature quantity generation library, 384 feature quantity selection library, 386 abnormality judgment engine, 400 display device, 500, 520, 520A user interface screen, 502, 522 selection reception area, 506,526 graph display area, 508,528 graph, 510 abnormal range, 512 histogram display area, 514 label assignment tool, 516 normal label setting button, 517 abnormal label setting button, 518 label setting range designation button, 524 check box, 530, 532 numerical display, 534 setting slider, 535 display bar, 536 reset button, 538 update data generation button, 618,628 servo motor, 619,629 Bodoraiba.
Claims (7)
前記収集される状態値のうち監視対象に関連する状態値から生成される特徴量と予め設定された学習データセットとの比較結果を示すスコアを算出し、算出したスコアと予め設定された判定基準とに基づいて、前記監視対象の異常の有無を判定する異常判定部とを備え、
前記異常判定部は、前記制御対象を制御するためのユーザプログラム内に命令が規定されることにより実現され、
外部から更新用の学習データセットおよび更新用の判定基準を受けて、現在設定されている学習データセットおよび判定基準をそれぞれ更新する更新部をさらに備える、制御装置。 Using a state value periodically collected from the control target, a control calculation unit that executes a control calculation for controlling the control target,
Calculating a score indicating a comparison result between a feature amount generated from a state value related to a monitoring target among the collected state values and a preset learning data set, and calculating the calculated score and a predetermined determination criterion An abnormality determination unit that determines the presence or absence of abnormality of the monitoring target based on
The abnormality determination unit is realized by an instruction defined in a user program for controlling the control target,
A control device, further comprising: an update unit that receives a learning data set for updating and a criterion for updating from the outside and updates the currently set learning data set and the criterion for updating, respectively.
前記生成される特徴量に応じて学習データセットおよび判定基準が設定される、請求項1に記載の制御装置。 The generated feature amount is predetermined for each monitoring target,
The control device according to claim 1, wherein a learning data set and a criterion are set according to the generated feature amount.
前記ファンクションブロックが規定されることにより、当該ファンクションブロックに対応する仮の学習データセットおよび仮の判定基準が設定される、請求項3に記載の制御装置。 The function block, the temporary learning data set, and the temporary determination criterion are created in advance in association with each monitoring target,
The control device according to claim 3, wherein a provisional learning data set and a provisional determination criterion corresponding to the function block are set by defining the function block.
前記更新部は、外部から更新用の指定情報を受けて、現在設定されている指定情報を更新する、請求項1に記載の制御装置。 The abnormality determination unit generates the feature amount according to specification information that specifies a type of a state value and a type of a feature amount,
The control device according to claim 1, wherein the updating unit receives specification information for update from outside, and updates the currently set specification information.
制御対象から周期的に収集される状態値を用いて、当該制御対象を制御するための制御演算を実行する制御演算部と、
前記収集される状態値のうち監視対象に関連する状態値から生成される特徴量と予め設定された学習データセットとの比較結果を示すスコアを算出し、算出したスコアと予め設定された判定基準とに基づいて、前記監視対象の異常の有無を判定する異常判定部とを備え、
前記異常判定部は、前記制御対象を制御するためのユーザプログラム内に規定されることにより実現され、
前記制御システムは、さらに、
前記監視対象に関連する状態値または前記生成される特徴量を用いて、更新用の学習データセットと更新用の判定基準とを決定する決定部と、
前記更新用の学習データセットおよび前記更新用の判定基準を受けて、現在設定されている学習データセットおよび判定基準をそれぞれ更新する更新部とを備える、制御システム。 A control system,
Using a state value periodically collected from the control target, a control calculation unit that performs a control calculation for controlling the control target,
Calculating a score indicating a comparison result between a feature amount generated from a state value related to a monitoring target among the collected state values and a preset learning data set, and calculating the calculated score and a predetermined determination criterion An abnormality determination unit that determines the presence or absence of abnormality of the monitoring target based on
The abnormality determination unit is realized by being defined in a user program for controlling the control target,
The control system further includes:
A determination unit that determines a learning data set for update and a determination criterion for update using a state value or the generated feature amount related to the monitoring target,
A control system comprising: an update unit that receives the update learning data set and the update determination criterion, and updates the currently set learning data set and the determination criterion, respectively.
前記プログラム作成部は、
前記異常判定部を実現するための命令を規定するファンクションブロックを用いて前記ユーザプログラムを作成し、
前記ファンクションブロックに対応付けられた仮の学習データセットおよび仮の判定基準を設定する、請求項6に記載の制御システム。 Further comprising a program creation unit for creating the user program,
The program creation unit includes:
Create the user program using a function block that defines an instruction for implementing the abnormality determination unit,
The control system according to claim 6, wherein a temporary learning data set and a temporary determination reference associated with the function block are set.
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018175608A JP7151312B2 (en) | 2018-09-20 | 2018-09-20 | control system |
PCT/JP2019/036496 WO2020059736A1 (en) | 2018-09-20 | 2019-09-18 | Control device and control system |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018175608A JP7151312B2 (en) | 2018-09-20 | 2018-09-20 | control system |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2020047016A true JP2020047016A (en) | 2020-03-26 |
JP7151312B2 JP7151312B2 (en) | 2022-10-12 |
Family
ID=69887222
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018175608A Active JP7151312B2 (en) | 2018-09-20 | 2018-09-20 | control system |
Country Status (2)
Country | Link |
---|---|
JP (1) | JP7151312B2 (en) |
WO (1) | WO2020059736A1 (en) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2022151203A (en) * | 2021-03-26 | 2022-10-07 | 横河電機株式会社 | Device, method, and program |
WO2023053511A1 (en) * | 2021-09-30 | 2023-04-06 | オムロン株式会社 | Control system, information processing method, and information processing device |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006072680A (en) * | 2004-09-02 | 2006-03-16 | Yokogawa Electric Corp | Integrated system, system integration method, and program for system integration |
JP2009512097A (en) * | 2005-10-18 | 2009-03-19 | ハネウェル・インターナショナル・インコーポレーテッド | System, method, and computer program for early event detection |
WO2014207789A1 (en) * | 2013-06-24 | 2014-12-31 | 株式会社 日立製作所 | Status monitoring device |
JP2015018389A (en) * | 2013-07-10 | 2015-01-29 | 株式会社日立パワーソリューションズ | Abnormality sign diagnosis device and abnormality sign diagnosis method |
-
2018
- 2018-09-20 JP JP2018175608A patent/JP7151312B2/en active Active
-
2019
- 2019-09-18 WO PCT/JP2019/036496 patent/WO2020059736A1/en active Application Filing
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006072680A (en) * | 2004-09-02 | 2006-03-16 | Yokogawa Electric Corp | Integrated system, system integration method, and program for system integration |
JP2009512097A (en) * | 2005-10-18 | 2009-03-19 | ハネウェル・インターナショナル・インコーポレーテッド | System, method, and computer program for early event detection |
WO2014207789A1 (en) * | 2013-06-24 | 2014-12-31 | 株式会社 日立製作所 | Status monitoring device |
JP2015018389A (en) * | 2013-07-10 | 2015-01-29 | 株式会社日立パワーソリューションズ | Abnormality sign diagnosis device and abnormality sign diagnosis method |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2022151203A (en) * | 2021-03-26 | 2022-10-07 | 横河電機株式会社 | Device, method, and program |
JP7347468B2 (en) | 2021-03-26 | 2023-09-20 | 横河電機株式会社 | Apparatus, method and program |
WO2023053511A1 (en) * | 2021-09-30 | 2023-04-06 | オムロン株式会社 | Control system, information processing method, and information processing device |
Also Published As
Publication number | Publication date |
---|---|
JP7151312B2 (en) | 2022-10-12 |
WO2020059736A1 (en) | 2020-03-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11163277B2 (en) | Abnormality detection system, support device, and model generation method | |
US20190301979A1 (en) | Abnormality detection system, support device, and abnormality detection method | |
US10591886B2 (en) | Control system, control program, and control method for device switching responsive to abnormality detection | |
US10503146B2 (en) | Control system, control device, and control method | |
CN108227641B (en) | Control device, control method, and computer-readable storage medium | |
JP6965798B2 (en) | Control system and control method | |
US10901398B2 (en) | Controller, control program, control system, and control method | |
US20190188110A1 (en) | Industrial control system, and assistance apparatus, control assist method, and program thereof | |
WO2022030041A1 (en) | Prediction system, information processing device, and information processing program | |
WO2020059736A1 (en) | Control device and control system | |
WO2020085077A1 (en) | Control device and control program | |
WO2021111936A1 (en) | Prediction system, information processing device, and information processing program | |
WO2022176375A1 (en) | Prediction system, information processing device, and information processing program | |
EP4361742A1 (en) | Prediction system, information processing device, and information processing program | |
WO2022181007A1 (en) | Information processing device, information processing program, and information processing method | |
WO2023053511A1 (en) | Control system, information processing method, and information processing device | |
JP2023002962A (en) | Information processing apparatus, and program and method for generating model | |
JP2023151886A (en) | Information processing device and information processing program | |
US20230315408A1 (en) | Information processing system, information processing method and non-transitory storage medium storing information processing program thereon | |
JP2022117730A (en) | Information processing device, control system and report output method | |
JP2023006304A (en) | Control system, model generation method, and model generation program | |
JP2024070659A (en) | Analysis device, analysis method, and information processing program |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20201214 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20210914 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20211110 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220329 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220509 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20220830 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20220912 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7151312 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |