JP2021056880A - 診断装置及び診断方法 - Google Patents

診断装置及び診断方法 Download PDF

Info

Publication number
JP2021056880A
JP2021056880A JP2019180670A JP2019180670A JP2021056880A JP 2021056880 A JP2021056880 A JP 2021056880A JP 2019180670 A JP2019180670 A JP 2019180670A JP 2019180670 A JP2019180670 A JP 2019180670A JP 2021056880 A JP2021056880 A JP 2021056880A
Authority
JP
Japan
Prior art keywords
information
unit
target machine
detection
physical quantity
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
Application number
JP2019180670A
Other languages
English (en)
Other versions
JP7324110B2 (ja
Inventor
泰彦 黒済
Yasuhiko Kurozumi
泰彦 黒済
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Fanuc Corp
Original Assignee
Fanuc Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Fanuc Corp filed Critical Fanuc Corp
Priority to JP2019180670A priority Critical patent/JP7324110B2/ja
Priority to US16/995,161 priority patent/US11385617B2/en
Priority to DE102020210461.1A priority patent/DE102020210461A1/de
Priority to CN202011043361.6A priority patent/CN112577591A/zh
Publication of JP2021056880A publication Critical patent/JP2021056880A/ja
Application granted granted Critical
Publication of JP7324110B2 publication Critical patent/JP7324110B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
    • G05B23/0221—Preprocessing measurements, e.g. data collection rate adjustment; Standardization of measurements; Time series or signal analysis, e.g. frequency analysis or wavelets; Trustworthiness of measurements; Indexes therefor; Measurements using easily measured parameters to estimate parameters difficult to measure; Virtual sensor creation; De-noising; Sensor fusion; Unconventional preprocessing inherently present in specific fault detection methods like PCA-based methods
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
    • G01H17/00—Measuring mechanical vibrations or ultrasonic, sonic or infrasonic waves, not provided for in the preceding groups
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
    • G01D21/00—Measuring or testing not otherwise provided for
    • G01D21/02—Measuring two or more variables by means not covered by a single other subclass
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/18—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form
    • G05B19/406—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form characterised by monitoring or safety
    • G05B19/4065—Monitoring tool breakage, life or condition
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
    • G05B23/0224—Process history based detection method, e.g. whereby history implies the availability of large amounts of data
    • G05B23/024—Quantitative history assessment, e.g. mathematical relationships between available data; Functions therefor; Principal component analysis [PCA]; Partial least square [PLS]; Statistical classifiers, e.g. Bayesian networks, linear regression or correlation analysis; Neural networks
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0259—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
    • G05B23/0283—Predictive maintenance, e.g. involving the monitoring of a system and, based on the monitoring results, taking decisions on the maintenance schedule of the monitored system; Estimating remaining useful life [RUL]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • G06F30/17—Mechanical parametric or variational design
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/50—Machine tool, machine tool null till machine tool work handling
    • G05B2219/50276—Detect wear or defect tool, breakage and change tool
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/50—Machine tool, machine tool null till machine tool work handling
    • G05B2219/50308—Estimate wear from machining data and conditions

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Geometry (AREA)
  • Theoretical Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Human Computer Interaction (AREA)
  • Manufacturing & Machinery (AREA)
  • Artificial Intelligence (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Mathematical Analysis (AREA)
  • Medical Informatics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computational Mathematics (AREA)
  • Software Systems (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
  • Testing And Monitoring For Control Systems (AREA)
  • Machine Tool Sensing Apparatuses (AREA)
  • Numerical Control (AREA)

Abstract

【課題】対象機械の検知部により検出された物理量の検知情報から、対象機械自体が発した物理量と他の機械装置が発した物理量とに切り分けて、対象機械における異常の検知を高精度で行うこと。【解決手段】診断装置は、稼働中の動作のコンテキスト情報を複数の機械装置から取得するコンテキスト情報取得部と、対象機械及び他の機械装置の各々の検知部により検知された物理量の検知情報を取得する検知情報取得部と、複数の機械装置の各々のコンテキスト情報及び検知情報に基づき対象機械の物理量情報と他の機械装置の物理量情報とに切り分ける検知情報切り分け部と、切り分けられた対象機械の物理量情報のうち、対象機械のコンテキスト情報が示す特定の動作区間を含む区間の物理量情報の特徴情報を抽出する特徴情報抽出部と、取得されたコンテキスト情報に対応するモデルと抽出された特徴情報とから対象機械の動作が正常か否かを判定する異常判定部と、を備える。【選択図】図１

Description

本発明は、診断装置及び診断方法に関する。
産業装置や周辺装置の動作により発する振動や音等の物理量を検知して、産業装置又は周辺装置の動作の異常や、産業機械に設置された工具等の異常を検知する技術が知られている。例えば、特許文献１参照。
特開２０１８−１５６６５２号公報
ところで、工場の建屋に産業装置が１台のみで配置されることはほとんどなく、同じ建屋内に産業装置及び周辺装置を含む複数の機械装置が配置されることが多い。このため、診断対象の機械装置（以下、「対象機械」ともいう）に配置される振動センサ等の検知部は、対象機械自体が発する振動等の物理量とともに、他の機械装置が発する振動等の物理量も検出してしまう。
そこで、対象機械の検知部により検出された物理量の検知情報から、対象機械自体が発した物理量と他の機械装置が発した物理量とに切り分けて、対象機械における異常の検知を高精度で行うことが望まれている。
（１）本開示の診断装置の一態様は、産業装置及び周辺装置を含む複数の機械装置と接続された診断装置であって、前記複数の機械装置の各々の動作の種類に基づいて定まる複数のコンテキスト情報のうち稼働中の動作に対応するコンテキスト情報を前記複数の機械装置の各々から取得するコンテキスト情報取得部と、診断対象の機械装置である対象機械、及び他の機械装置の各々の動作に応じて変化する前記対象機械及び前記他の機械装置の各々における物理量を、前記対象機械及び前記他の機械装置に配置された検知部により検知された検知情報として取得する検知情報取得部と、前記コンテキスト情報取得部により取得された前記複数の機械装置の各々のコンテキスト情報、及び前記検知情報取得部により取得された前記対象機械及び前記他の機械装置の各々の前記検知情報に基づいて、前記対象機械の前記物理量を示す物理量情報と前記他の機械装置の前記物理量を示す物理量情報とに切り分ける検知情報切り分け部と、前記検知情報切り分け部により切り分けられた前記対象機械の前記物理量情報のうち、前記対象機械の前記コンテキスト情報が示す特定の動作区間を含む区間の前記物理量情報の特徴を示す特徴情報を抽出する特徴情報抽出部と、１以上の前記コンテキスト情報それぞれに対応する１以上のモデルのうち、前記コンテキスト情報取得部により取得された前記コンテキスト情報に対応するモデルと、前記特徴情報抽出部により抽出された前記特徴情報とに基づいて、前記対象機械の動作が正常であるか否かを判定する異常判定部と、を備える。
（２）本開示の診断方法の一態様は、コンピュータを実行させることで産業装置及び周辺装置を含む複数の機械装置を診断する診断方法であって、前記複数の機械装置の各々の動作の種類に基づいて定まる複数のコンテキスト情報のうち稼働中の動作に対応するコンテキスト情報を前記複数の機械装置の各々から取得するコンテキスト情報取得ステップと、診断対象の機械装置である対象機械、及び他の機械装置の各々の動作に応じて変化する前記対象機械及び前記他の機械装置の各々における物理量を、前記対象機械及び前記他の機械装置に配置された検知部により検知された検知情報として取得する検知情報取得ステップと、前記コンテキスト情報取得ステップで取得された前記複数の機械装置の各々のコンテキスト情報と前記検知情報取得ステップで取得された前記対象機械及び前記他の機械装置の各々の前記検知情報に基づいて、前記対象機械の前記物理量を示す物理量情報と前記他の機械装置の前記物理量を示す物理量情報とに切り分ける検知情報切り分けステップと、前記検知情報切り分けステップで切り分けられた前記対象機械の前記物理量情報のうち、前記対象機械の前記コンテキスト情報が示す特定の動作区間を含む区間の前記物理量情報の特徴を示す特徴情報を抽出する特徴情報抽出ステップと、１以上の前記コンテキスト情報それぞれに対応する１以上のモデルのうち、前記コンテキスト情報取得ステップで取得された前記コンテキスト情報に対応するモデルと、前記特徴情報抽出ステップで抽出された前記特徴情報とに基づいて、前記対象機械の動作が正常であるか否かを判定する異常判定ステップと、を備える。
一態様によれば、対象機械の検知部により検出された物理量の検知情報から、対象機械自体が発した物理量と他の機械装置が発した物理量とに切り分けて、対象機械における異常の検知を高精度で行うことができる。
一実施形態に係る診断システム１の全体構成を示すブロック図である。 非接触式の検知部を用いて機械装置の物理量情報を取得する一例を示す図である。 診断装置の構成を示すブロック図である。 対象機械自体が発する振動と他の機械装置が発する振動とが重畳した対象機械の検知情報の一例を示す図である。 他の機械装置自体が発する振動と対象機械が発する振動とが重畳した他の機械装置の検知情報の一例を示す図である。 対象機械自体が発する振動の一例を示す図である。 他の機械装置自体が発する振動の一例を示す図である。 検知情報取得部により取得された検知情報、及びコンテキスト情報取得部により取得されたコンテキスト情報のうちラダー信号の一例を示す図である。 対象機械の物理量情報から、特徴抽出部によって抽出された特徴情報の一例を示す図である。 選択部によって、非加工区間の特徴情報において選択部分のウインドウに対応する特徴情報と、加工区間の特徴情報において選択部分のウインドウに対応する特徴情報とが選択された例を示す図である。 選択部によって選択された選択部分のウインドウに対応する特徴情報としての周波数スペクトル、及び選択部分のウインドウに対応する特徴情報としての周波数スペクトルの一例を示す図である。 算出部が、基準特徴情報と、各対象特徴情報とのユークリッド距離を求めて正規化した値を加工区間らしさとして算出した一例を示す図である。 算出部により算出された加工区間らしさに対して、区間判定部により閾値判定が行われ、推定部により加工区間が推定された一例を示す図である。 診断装置の加工区間推定処理について説明するフローチャートである。 診断装置の診断処理について説明するフローチャートである。 診断装置のモデル生成処理について説明するフローチャートである。 要素部品の寿命に関する推定物理量の変化の一例を示す図である。 対象機械の要素部品の寿命に関する推定物理量が物理量変化の許容幅を超える場合の一例を示す図である。 要素部品の寿命に関する推定物理量を用いて要素部品の保守交換時期の推定例を説明する図である。 選択された機械装置と、他の機械装置とを配置とともに影響の大きさを色で示した表示画面の一例を示す図である。 構築される学習済みモデルの一例を示す図である。
＜一実施形態＞
まず、本実施形態の概略を説明する。本実施形態では、診断装置は、複数の機械装置の各々の動作の種類に基づいて定まる複数のコンテキスト情報のうち稼働中の動作に対応するコンテキスト情報を複数の機械の各々から取得する。また、診断装置は、対象機械及び他の機械装置の各々の動作に応じて変化する対象機械及び他の機械装置の各々の物理量を、対象機械及び他の機械装置に配置された検知部により検知された検知情報として取得する。診断装置は、取得されたコンテキスト情報と対象機械及び他の機械装置の各々の検知情報とに基づいて、対象機械の物理量情報と他の機械装置の物理量情報とを切り分ける。診断装置は、切り分けられた対象機械の物理量情報のうち、対象機械のコンテキスト情報が示す特定の動作区間を含む区間の物理量情報の特徴を示す特徴情報を抽出し、抽出された特徴情報と、取得されたコンテキスト情報に対応するモデルとに基づいて、対象機械の動作が正常であるか否かを判定する。
これにより、本実施形態によれば、「対象機械の検知部により検出された物理量の検知情報から、対象機械自体が発した物理量と他の機械装置が発した物理量とに切り分けて、対象機械における異常の検知を高精度で行う」という課題を解決することができる。
以上が本実施形態の概略である。
次に、本実施形態の構成について図面を用いて詳細に説明する。
図１は、一実施形態に係る診断システム１の全体構成を示すブロック図である。診断システム１は、診断装置１００、及びｎ個の機械装置２００（１）−２００（ｎ）から構成される（ｎは、２以上の整数である）。
診断装置１００、及び機械装置２００（１）−２００（ｎ）は、図示しない接続インタフェースを介して互いに直接接続されてもよい。なお、診断装置１００、及び機械装置２００（１）−２００（ｎ）は、ＬＡＮ（Ｌｏｃａｌ Ａｒｅａ Ｎｅｔｗｏｒｋ）やインターネット等の図示しないネットワークを介して相互に接続されていてもよい。この場合、診断装置１００、及び機械装置２００（１）−２００（ｎ）は、かかる接続によって相互に通信を行うための図示しない通信部を備えている。
なお、診断装置１００は、いずれかの機械装置２００（１）−２００（ｎ）に含まれる後述の制御装置２１０に含まれてもよい。
以下、機械装置２００（１）−２００（ｎ）のそれぞれを個々に区別する必要がない場合、これらをまとめて「機械装置２００」ともいう。
＜機械装置２００＞
機械装置２００は、例えば、工作機械やロボット、周辺装置等である。なお、機械装置２００は、工作機械やロボット、周辺装置に限定されず、産業装置全般に広く適用することができる。産業装置とは、例えば、工作機械、産業用ロボット、サービス用ロボット、鍛圧機械及び射出成形機といった様々な機械を含む。
また、周辺装置には、ローダ、フィーダ、ベルトコンベア、自動搬送車（ＡＶＧ）、ロボット、クレーン等の搬送装置、及びエアコンプレッサ、冷却媒体（切削液を含む）又は潤滑剤供給用ポンプ等の流体供給装置が含まれる。また、周辺装置には、加熱装置、冷却装置、プレス機、圧入装置、振動装置が含まれる。また、周辺装置には、チップコンベア、ミストコレクタ等の切粉／排出物回収装置、エアコン、加湿器、除湿器、換気装置等の建屋の温度／湿度調整装置、照明装置、及び表示装置が含まれる。
また、図１に示すように、機械装置２００は、制御装置２１０、及び検知部２２０を有する。
制御装置２１０は、当業者にとって公知の数値制御装置であり、制御情報に基づいて動作指令を生成し、生成した動作指令を機械装置２００に出力する。これにより、制御装置２１０は、機械装置２００の動作を制御する。なお、機械装置２００がロボット等の場合、制御装置２１０は、ロボット制御装置等でもよい。
また、制御装置２１０は、機械装置２００の動作の種類に基づいて定まる複数のコンテキスト情報のうち稼働中の動作に対応するコンテキスト情報を診断装置１００に送信する。
ここで、コンテキスト情報とは、機械装置２００の動作の種類毎に複数定められた情報である。コンテキスト情報は、例えば、機械装置２００の識別情報、機械装置２００に含まれる駆動部（図示しない）の識別情報（例えば、工具の識別情報等）、図示しない駆動部に駆動される工具の径、及び工具の材質等のコンフィギュレーション情報、並びに、図示しない駆動部に駆動される工具の動作状態、図示しない駆動部の使用開始からの累積使用時間、図示しない駆動部に係る負荷、図示しない駆動部の回転数、図示しない駆動部の加工速度等の加工条件の情報等を示す情報である。
なお、これらのコンテキスト情報のうち、図示しない駆動部に駆動される工具の動作状態を示す情報として、例えば、工具の加工対象に対する送り動作から実際の加工処理が終了するまでの区間を示すためのＯＮ／ＯＦＦ信号（以下、「ラダー信号」ともいう）等が含まれる。また、機械装置２００は、例えば、騒音に対する影響が大きい周辺装置としてプレス機の場合、「プレス機の動作状況を示すためのＯＮ／ＯＦＦ信号であるラダー信号をコンテキスト情報の一部として出力する。
また、コンテキスト情報には、機械装置２００の装置パラメータ、設定温度等の設定値変更を行った担当者の操作者情報が含まれてもよい。
また、コンテキスト情報には、機械装置２００の保守情報が含まれてもよい。保守情報には、例えば、部品（工具やフィルタ等の消耗品を含む）の交換記録、切削液（クーラント）の交換記録／濃度やｐＨ等の調整記録／補充記録、機械装置２００の水平出しや各種精度等の調整記録が含まれてもよい。また、保守情報には、潤滑油、グリス等の潤滑剤供給記録（自動供給用のオイルポンプの動作記録含む）、堆積した切粉、切削液汚れ、潤滑油汚れ、切削液供給装置の詰まり等の清掃記録、建屋のエア供給設備、温調機、換気装置の保守情報（清掃含む）が含まれてもよい。
検知部２２０は、機械装置２００に設置されたドリル、エンドミル、バイトチップ若しくは砥石等の工具と加工対象とが加工動作中に接触することにより発する振動若しくは音等、又は、工具若しくは機械装置２００自体が発する振動若しくは音等の物理量を検知する。同時に、検知部２２０は、他の機械装置２００に設置されたドリル、エンドミル、バイトチップ若しくは砥石等の工具と加工対象とが加工動作中に接触することにより発する振動若しくは音等、又は、他の機械装置２００の工具若しくは他の機械装置２００自体が発する振動若しくは音等の物理量も検知する。検知部２２０は、検知したそれらの物理量を機械装置２００における検知情報として診断装置１００へ出力する。
なお、検知部２２０の個数は任意である。例えば、同一の物理量を検知する複数の検知部２２０が設置されてもよく、相互に異なる物理量を検知する複数の検知部２２０が設置されてもよい。
例えば、検知部２２０は、振動や音の物理量を検知する場合、ひずみゲージ、加速度センサ、圧力センサ、レーザドップラー振動計、集音装置（マイク）等を用いることができる。また、検知部２２０は、温度の物理量を検知する場合、熱電対、サーミスタ、放射温度計等を用いることができ、湿度の物理量を検知する場合、湿度計等を用いることができる。また、検知部２２０は、電界強度／分布の物理量を検知する場合、電界センサ等を用いることができ、磁界強度／分布の物理量を検知する場合、磁器センサ、磁場センサ等を用いることができる。
また、検知部２２０は、電流、電圧、電力、電気抵抗の物理量を検知する場合、電流計、電圧計、電力計、電気抵抗計を用いることができる。また、検知部２２０は、光や電磁波の強度／分布／スペクトルの物理量を検知する場合、光センサ、画像センサ、ガウスメータ等を用いることができる。また、検知部２２０は、化学変化量（ｐＨ、臭気、気体／イオンの濃度等）の物理量を検知する場合、ｐＨ濃度計、臭気センサ、ガスセンサ、イオン濃度計等を用いることができる。
これらの検知部２２０は、機械装置２００に設置されたもののほか、機械装置２００が配置された建屋に直接設置されたものを用いてもよい。例えば、工場の建屋内に設置した集音装置を用いて物理量を検知してもよい。
なお、検知部２２０は、接触式のセンサのほか、非接触式のセンサでもよい。ここで、非接触式の検知部２２０には、音や振動の場合、マイク、レーザドップラー振動計等があり、温度の場合、放射温度計、サーモグラフィ等がある。
例えば、機械装置２００がロボットや自動搬送装置等の場合、ロボットのアームや手先、自動搬送装置等の移動手段に非接触式の検知部２２０を配置することにより、検知部２２０の位置、及び検知方向を変化させることができる。これにより、非接触式の検知部２２０は、接触式の検知部２２０が配置不可能な箇所の物理量も検知することが可能となる。
図２は、対象機械２００（１）の一例として工作機械を想定し、ロボットの先端に配置された非接触式の検知部２２０を用いて、工作機械の物理量情報を取得する一例である。例えば、工作機械の回転工具先端の物理量情報を取得したい場合、接触式の検知部２２０は回転工具に取り付けることができない。一方、図２の例では、ロボットが姿勢を変化させて非接触式の検知部２２０を前述の回転工具先端に向けることで、回転工具先端の振動情報を取得することが可能となる。
また、非接触式の検知部２２０は、工具近傍以外の物理量（機械装置２００そのものの振動等）、機械装置２００本体以外の物理量（床の振動等）も同一の検知部で検知することができる。
こうすることで、ロボットや自動搬送装置等の機械装置２００に非接触式の検知部２２０を配置することにより、検知部２２０の設置箇所の変更作業の工数やコストを大幅に削減することができ、対象機械２００における異常の検知を高精度に行えることができる。
さらに、非接触式の検知部２２０と移動手段とがあることで、検知部２２０の設置箇所の変更作業の工数やコストを大幅に削減することができる。また、例えば、機械装置２００に配置された据え置き型の検知部２２０と、ロボット等の移動手段に配置された可動型の非接触式の検知部２２０とに特定箇所を同時に測定させることにより、検知部２２０の動作確認を行うことができる。
以下、特に断らない限り、機械装置２００（１）は診断対象の機械装置として「対象機械２００（１）」ともいう。また、機械装置２００（２）−２００（ｎ）は「他の機械装置２００（ｋ）」ともいう（ｋは、２からｎの整数）。なお、他の機械装置２００（ｋ）が対象機械となる場合について対象機械２００（１）の場合と同様である。
＜診断装置１００＞
図３に示すように、診断装置１００は、制御部１１０、及び通知部１３０を有する。さらに、制御部１１０は、コンテキスト情報取得部１１１、検知情報取得部１１２、検知情報切り分け部１１３、特徴情報抽出部１１４、記憶部１１５、生成部１１６、異常判定部１１７、動作制限指令出力部１１８、及び通知制御部１１９を有する。また、特徴情報抽出部１１４は、特徴抽出部１１４１、選択部１１４２、算出部１１４３、区間判定部１１４４、及び推定部１１４５を有する。
なお、通知部１３０の通知手段は特に限定しない。例えば、警告文又は画像データ等を診断装置１００に接続された図示しない表示装置へ表示させることで通知を実施してもよい。その他、音声出力による通知、又はユーザの携帯端末や機械装置２００への信号送信による通知等を実施してもよいものとする。
制御部１１０は、ＣＰＵ、ＲＯＭ、ＲＡＭ、ＣＭＯＳメモリ等を有し、これらはバスを介して相互に通信可能に構成される、当業者にとって公知のものである。
ＣＰＵは診断装置１００を全体的に制御するプロセッサである。ＣＰＵは、ＲＯＭに格納されたシステムプログラム及びアプリケーションプログラムを、バスを介して読み出し、前記システムプログラム及びアプリケーションプログラムに従って診断装置１００全体を制御する。これにより、図３に示すように、制御部１１０が、コンテキスト情報取得部１１１、検知情報取得部１１２、検知情報切り分け部１１３、特徴情報抽出部１１４、記憶部１１５、生成部１１６、異常判定部１１７、動作制限指令出力部１１８、及び通知制御部１１９の機能を実現するように構成される。ＲＡＭには一時的な計算データや通知データ等の各種データが格納される。ＣＭＯＳメモリは図示しないバッテリでバックアップされ、診断装置１００の電源がオフされても記憶状態が保持される不揮発性メモリとして構成される。
コンテキスト情報取得部１１１は、複数の機械装置２００の各々の動作の種類に基づいて定まる複数のコンテキスト情報のうち稼働中の動作に対応するコンテキスト情報を複数の機械装置２００の各々から取得する。例えば、機械装置２００から取得するコンテキスト情報として機械装置２００の累積使用時間が考えられる。この場合、機械装置２００は、例えば、工具を交換したときに累積使用時間をリセット（初期化）してもよい。
なお、コンテキスト情報取得部１１１は、機械装置２００から受信するコンテキスト情報とは異なるコンテキスト情報の入力を受け付けてもよい。
例えば、コンテキスト情報取得部１１１は、前述の累積使用時間を機械装置２００から取得せず、後述する診断装置１００に含まれるキーボードやタッチパネル等の入力部（図示しない）を介したユーザの入力操作により取得されてもよい。ユーザの入力操作により取得されるコンテキスト情報は、累積使用時間に限られず、例えば、使用する工具の仕様の情報（工具の直径、刃数、材質、工具にコーティングが施されているか否か等）、加工対象の情報（材質等）の情報でもよい。
検知情報取得部１１２は、対象機械２００（１）及び他の機械装置２００（ｋ）の各々の動作に応じて変化する対象機械２００（１）及び他の機械装置２００（ｋ）の各々における物理量の各々を、対象機械２００（１）及び他の機械装置２００（ｋ）に配置された検知部２２０により検知された検知情報として取得する。
具体的には、検知情報取得部１１２は、例えば、対象機械２００（１）の検知部２２０により検知された、対象機械２００（１）自体が発した振動や音等の物理量と他の機械装置２００（ｋ）が発した振動や音等の物理量とが重畳した対象機械２００（１）の検知情報を取得する。また、検知情報取得部１１２は、他の機械装置２００（ｋ）の検知部２２０により検知された、他の機械装置２００（ｋ）自体が発した振動や音等の物理量と対象機械２００（１）が発した振動や音等の物理量とが重畳した他の機械装置２００（ｋ）の検知情報を取得する。検知情報取得部１１２は、取得した対象機械２００（１）の検知情報、及び他の機械装置２００（ｋ）の検知情報を検知情報切り分け部１１３に出力する。
図４Ａは、対象機械２００（１）自体が発する振動と他の機械装置２００（ｋ）が発する振動とが重畳した対象機械２００（１）の検知情報の一例を示す図である。図４Ｂは、他の機械装置２００（ｋ）自体が発する振動と対象機械２００（１）が発する振動とが重畳した他の機械装置２００（ｋ）の検知情報の一例を示す図である。図４Ｃは、対象機械２００（１）自体が発する振動の一例を示す図である。図４Ｄは、他の機械装置２００（ｋ）自体が発する振動の一例を示す図である。
以下、図４Ａから図４Ｄの検知情報（物理量情報）が示す振動の波形それぞれは、関数「ｆ１（ｔ）」、「ｆｋ（ｔ）」、「Ｆ１（ｔ）」、「Ｆｋ（ｔ）」ともいう。ｔは振動の波形が検知された時刻を示す。
なお、図４Ａから図４Ｄは、物理量が振動の場合の波形を示したが、振動以外の音等の物理量の場合も同様である。
検知情報切り分け部１１３は、コンテキスト情報取得部１１１により取得された複数の機械装置２００の各々のコンテキスト情報と検知情報取得部１１２により取得された対象機械２００（１）及び他の機械装置２００（ｋ）の各々の検知情報とに基づいて、対象機械２００（１）の物理量を示す物理量情報と他の機械装置２００（ｋ）の物理量を示す物理量情報とを切り分ける。
具体的には、例えば、図４Ａから図４Ｄに示した振動の各波形の検知情報（物理量情報）ｆ１（ｔ）、ｆｋ（ｔ）、Ｆ１（ｔ）、Ｆｋ（ｔ）は、式（１）及び式（２）のように関係付けることができる。
ｆ１（ｔ）＝ａ１１×Ｆ１（ｔ）＋ａ１ｋ×Ｆｋ（ｔ）＝Ｆ１（ｔ）＋ａ１ｋ×Ｆｋ（ｔ） （１）
ｆｋ（ｔ）＝ａｋ１×Ｆ１（ｔ）＋ａｋｋ×Ｆｋ（ｔ）＝ａｋ１×Ｆ１（ｔ）＋Ｆｋ（ｔ） （２）
ここで、係数ａ１１は、対象機械２００（１）の物理量情報に対する、対象機械２００（１）の動作の影響度合いを示す重み付け係数であり、「１」である。係数ａ１ｋは、対象機械２００（１）の物理量情報に対する、他の機械装置２００（ｋ）の動作の影響度合いを示す重み付け係数である。係数ａｋ１は、他の機械装置２００（ｋ）の物理量情報に対する、対象機械２００（１）の動作の影響度合いを示す。係数ａｋｋは、他の機械装置２００（ｋ）の物理量情報に対する、他の機械装置２００（ｋ）の動作の影響度合いを示し、「１」である。
そして、検知情報切り分け部１１３は、検知情報取得部１１２を介して、他の機械装置２００（ｋ）を完全に停止させた状態で対象機械２００（１）を動作させ、対象機械２００（１）の検知部２２０により検知された検知情報（物理量情報）Ｆ１（ｔ）を取得する。また、検知情報切り分け部１１３は、検知情報取得部１１２を介して、対象機械２００（１）を完全に停止させた状態で他の機械装置２００（ｋ）を動作させ、他の機械装置２００（ｋ）の検知部２２０により検知された検知情報（物理量情報）Ｆｋ（ｔ）を取得する。さらに、検知情報切り分け部１１３は、検知情報取得部１１２を介して、対象機械２００（１）及び他の機械装置２００（ｋ）を動作させた時の検知情報（物理量情報）ｆ１（ｔ）、ｆｋ（ｔ）を取得する。
これにより、検知情報切り分け部１１３は、式（１）及び式（２）から、係数ａ１ｋ及び係数ａｋ１を決定することができる。換言すれば、検知情報切り分け部１１３は、式（１）及び式（２）と、決定された係数ａ１ｋ及び係数ａｋ１とに基づいて、対象機械２００（１）の物理量情報Ｆ１（ｔ）と他の機械装置２００（ｋ）の物理量情報Ｆｋ（ｔ）とに切り分けることができる。
なお、式（１）及び式（２）は、対象機械２００（１）と１つの他の機械装置２００（ｋ）との場合の式であるが、他の機械装置２００（ｋ）が２以上の場合についても式（１）及び式（２）と同様に表すことができる。そして、検知情報切り分け部１１３は、対象機械２００（１）と２以上の他の機械装置２００（ｋ）との物理量情報に切り分けることができる。
また、検知情報切り分け部１１３は、対象機械２００（１）自体が発する振動の物理量情報Ｆ１（ｔ）から、加工に起因する物理量情報と、電源が投入され加工とは直接関係しない対象機械２００（１）に含まれる機器（例えば、冷却ファン等）の動作に起因する物理量情報とを切り分けてもよい。例えば、対象機械２００（１）において、加工に起因する物理量情報はＦ１ｍ（ｔ）、加工とは直接関係しない機器の動作に起因する物理量情報はＦ１ｓ（ｔ）とする場合、対象機械２００（１）自体が発する振動Ｆ１（ｔ）は式（３）のように関係付けられる。
Ｆ１（ｔ）＝Ｆ１ｍ（ｔ）＋Ｆ１ｓ（ｔ） （３）
式（１）は、式（３）を代入することにより、式（４）のように表される。
ｆ１（ｔ）＝Ｆ１ｍ（ｔ）＋Ｆ１ｓ（ｔ）＋ａ１ｋ×Ｆｋ（ｔ） （４）
したがって、対象機械２００（１）が加工を行わず、他の機械装置２００（ｋ）が加工を行う状態で、対象機械２００（１）の検知部２２０が検知する検知情報（物理量情報）ｆ１（ｔ）は、Ｆ１ｍ（ｔ）＝０となることから、Ｆ１ｓ（ｔ）＋ａ１ｋ×Ｆｋ（ｔ）となる。また、対象機械２００（１）及び他の機械装置２００（ｋ）が加工を行なわない状態で、対象機械２００（１）の検知部２２０が検知する検知情報（物理量情報）ｆ１（ｔ）は、Ｆ１ｍ（ｔ）＝０及びＦｋ（ｔ）＝０となることから、Ｆ１ｓ（ｔ）となる。これら検知情報ｆ１（ｔ）のＦ１ｓ（ｔ）＋ａ１ｋ×Ｆｋ（ｔ）及びＦ１ｓ（ｔ）の両方又はいずれか一方を後述する記憶部１１５に記憶する。
そして、検知情報切り分け部１１３は、対象機械２００（１）及び他の機械装置２００（ｋ）が加工を行う状態で対象機械２００（１）の検知部２２０により検知される検知情報ｆ１（ｔ）から、記憶された検知情報Ｆ１ｓ（ｔ）＋ａ１ｋ×Ｆｋ（ｔ）及び／又はＦ１ｓ（ｔ）との差分を計算する。これにより、検知情報切り分け部１１３は、物理量情報Ｆ１ｍ（ｔ）、Ｆ１ｓ（ｔ）、ａ１ｋ×Ｆｋ（ｔ）を切り分けることができる。
例えば、加工とは直接関係しない機器の動作に起因する物理量情報Ｆ１ｓ（ｔ）が加工に起因する物理量情報Ｆ１ｍ（ｔ）より大きい場合、後述する異常判定部１１７は、物理量情報Ｆ１（ｔ）の場合と比べて物理量情報Ｆ１ｍ（ｔ）基づき対象機械２００（１）の動作が正常か否かをより精度良く判定することができる。
なお、対象機械２００（１）において加工とは直接関係しない対象機械２００（１）に含まれる機器の動作に起因する物理量情報には、冷却装置（制御装置２１０や電動機の冷却ファン、チラー等）の振動や温度、潤滑剤（オイル又はグリス）を供給するポンプの振動や温度、制御装置（特に数値制御装置）２１０の温度、通電中の変圧器やソレノイドコイルの振動音（コイル鳴き）等がある。
特徴情報抽出部１１４は、検知情報切り分け部１１３により切り分けられた対象機械２００（１）の物理量情報Ｆ１（ｔ）のうち、対象機械２００（１）のコンテキスト情報が示す特定の動作区間を含む区間の物理量情報Ｆ１（ｔ）の特徴を示す特徴情報を抽出する。
図５は、検知情報取得部１１２により取得された検知情報（物理量情報、センサデータ）、及びコンテキスト情報取得部１１１により取得されたコンテキスト情報のうち上述のラダー信号の一例を示す図である。図５に示すように、検知情報は、工具が加工対象に接触する前後の非加工区間を示す波形部分、及び工具が加工対象に接触して実際の加工処理を行っている加工区間を示す波形部分が含まれる。上述のように、例えば、対象機械２００（１）は、工具の加工対象に対する送り動作から実際の加工処理が終了するまでの区間を示すためのＯＮ／ＯＦＦ信号であるラダー信号をコンテキスト情報の一部として出力する。具体的には、対象機械２００（１）は、例えば、工具による加工動作の開始時にラダー信号をＯＮにし、工具を加工対象まで送り動作をさせ、実際の加工処理が終了したときにラダー信号をＯＦＦにする。この場合、対象機械２００（１）は、工具が加工対象に接触してからラダー信号をＯＮさせているわけではない。このため、図５に示すように、ラダー信号がＯＮ状態となる区間（以下、「工具送り区間」ともいう）には、工具が加工対象に接触しない区間（例えば、工具を加工対象まで送り動作を行う区間）である非加工区間と、工具が加工対象に接触して加工処理を行う加工区間とが含まれる。さらに、工具送り区間（動作区間）ではない区間、すなわちラダー信号がＯＦＦ状態の区間は、非加工区間ということになる。この場合、加工条件等によっては加工対象と工具との距離が分からない等により、工具送り区間に基づいて加工区間を正確に判定することは困難である。また、対象機械２００（１）の動作の異常判定の処理（診断処理）に際し、工具送り区間に含まれる検知情報を用いる場合、非加工区間の検知情報を含むため、判定の精度が低下する等の問題が生じる。したがって、後述するように、検知情報から加工区間を精度よく推定して、推定した加工区間に含まれる検知情報（ひいてはそこから抽出される後述の特徴情報）を、診断処理に用いることが、精度の高い診断処理を行う上で重要となる。
具体的には、特徴情報抽出部１１４の特徴抽出部１１４１は、検知情報切り分け部１１３により切り分けられた対象機械２００（１）の物理量情報（検知情報）Ｆ１（ｔ）から、後述する異常判定部１１７による判定等で用いる特徴情報を抽出する。特徴情報は、物理量情報（検知情報）の特徴を示す情報であればどのような情報であってもよい。例えば、物理量情報が音のデータである場合、特徴抽出部１１４１は、エネルギー、周波数スペクトル、及びＭＦＣＣ（メル周波数ケプストラム係数）等を特徴情報として抽出してもよい。
図６は、対象機械２００（１）の物理量情報Ｆ１（ｔ）から、特徴抽出部１１４１によって抽出された特徴情報の一例を示す図である。本実施形態では、抽出される特徴情報は、周波数スペクトルであるとして説明する。特徴情報抽出部１１４は、例えば、物理量情報Ｆ１（ｔ）に対してウインドウ毎にフーリエ変換を行うことによって特徴情報を抽出する。ここで、ウインドウとは、物理量情報Ｆ１（ｔ）の所定時間（例えば、２０ｍｓ等）のデータ量を示し、例えば、特徴情報が物理量情報Ｆ１（ｔ）に対してフーリエ変換することにより得られる周波数スペクトルである場合の窓長のデータ量に相当する。図６に示す特徴情報は、対応する物理量情報のウインドウの時間に関連付けられている。図６に示すように、加工区間の周波数スペクトルは、非加工区間の周波数スペクトルと相違する特徴を有する。なお、図６では、非加工区間の特徴情報と加工区間の特徴情報との違いを模式的に示すため、非加工区間において周波数成分が図示されていないが、非加工区間に各周波数成分が存在しないことを示すものではない。
以下の説明では、１つの加工区間を推定するために、特徴抽出部１１４１によって、対象機械２００（１）の物理量情報Ｆ１（ｔ）のうち、所定範囲（例えば、ラダー信号がＯＮ状態の区間を含む区間）の物理量情報から抽出された特徴情報を利用するものとする。
選択部１１４２は、例えば、特徴抽出部１１４１によって抽出された特徴情報から、例えば、ウインドウ毎の特徴情報を選択する。
図７は、選択部１１４２によって、非加工区間の特徴情報において選択部分４０１のウインドウに対応する特徴情報と、加工区間の特徴情報において選択部分４０２のウインドウに対応する特徴情報とが選択された例を示す図である。選択部１１４２は、例えば、非加工区間の特徴情報を選択する場合、図７に示す選択部分４０１のように、ラダー信号がＯＦＦ状態の区間（工具送り区間以外の区間）の特徴情報を選択してもよい。一方、選択部１１４２は、例えば、加工区間の特徴情報を選択する場合、図７に示す選択部分４０２のように、ラダー信号がＯＮ状態の区間のうち前半部分には非加工区間を含み得るため、後半部分の特徴情報を選択してもよい。
以下の説明では、選択部１１４２は、非加工区間の特徴情報を基準にして、他の部分（ウインドウ）で選択した特徴情報と比較するため、非加工区間の特徴情報を基準特徴情報として選択する。そして、選択部１１４２は、上述の所定範囲（例えば、ラダー信号がＯＮ状態の区間を含む区間）において、基準特徴情報と比較するため、順次ウインドウ単位で特徴情報を選択する。なお、選択部１１４２は、非加工区間に含まれる特徴情報に対する機械学習等によって生成された情報を基準特徴情報として選択してもよい。
また、選択部１１４２は、非加工区間で基準特徴情報を選択する場合、ラダー信号がＯＦＦ状態の区間（工具送り区間以外の区間）の特徴情報を選択することに限定されるものではない。例えば、選択部１１４２は、ラダー信号がＯＮした直後の区間も非加工区間である可能性が高いことから、前記直後の区間の特徴情報を基準特徴情報として選択してもよい。また、ラダー信号の代わりに、対象機械２００（１）が送信するコンテキスト情報から得られる図示しない駆動部の回転数を用いて、実際に加工を行うための回転数となっている期間を診断装置１００で判断し、その判断した結果を用いてもよい。また、選択部１１４２は、非加工区間の特徴情報の選択手法として、統計的手法又は機械学習等を用いて分類し選択してもよい。
また、選択部１１４２は、基準特徴情報と比較するために、上述の所定範囲で、順次、ウインドウ単位で特徴情報を選択する場合、各ウインドウが互いに重複してもよい。
また、選択部１１４２は、選択される基準特徴情報について、例えば、過去の選択された所定回数分の基準特徴情報を平均した情報等を、後述の加工区間らしさの算出に使用してもよい。これによって、選択される基準特徴情報に含み得る雑音等の影響を抑制することができる。
図８は、選択部１１４２によって選択された選択部分４０１のウインドウに対応する特徴情報としての周波数スペクトル、及び選択部分４０２のウインドウに対応する特徴情報としての周波数スペクトルの一例を示す図である。図８では、選択部分４０２の周波数スペクトルは、工具が加工対象に接触して加工処理を行っている加工区間での周波数スペクトルであるため、特定の周波数成分において振幅が大きい周波数スペクトルとなっている。一方、選択部分４０１の周波数スペクトルは、工具が加工対象に接触していない非加工区間の検知情報Ｆ１（ｔ）の振動の振幅は小さくなり、前記特徴情報Ｆ１（ｔ）である周波数スペクトルに現れる振幅も小さくなっている。なお、上述のように図８の選択部分４０１、４０２それぞれの周波数スペクトルは一例であり、例えば、非加工区間の選択部分４０１の方が、加工区間の選択部分４０２よりも、周波数スペクトルに現れる振幅が小さくなっていてもよい。
算出部１１４３は、選択された基準特徴情報（非加工区間の特徴情報）と、順次選択された上述の所定範囲（例えば、ラダー信号がＯＮ状態の区間を含む区間）の特徴情報（以下、「対象特徴情報」ともいう）とを比較して、それぞれの対象特徴情報の加工区間（動作区間）らしさを算出する。なお、基準特徴情報と対象特徴情報との比較方法としては、例えば、ユークリッド距離を求めて比較する方法、相互相関係数、又はＧＭＭ（Ｇａｕｓｓｉａｎ Ｍｉｘｔｕｒｅ Ｍｏｄｅｌ）等を用いてもよい。
図９は、算出部１１４３が、基準特徴情報と、各対象特徴情報とのユークリッド距離を求めて正規化した値を加工区間らしさとして算出した一例を示す図である。図９においては、加工区間らしさが「１」に近いほど、加工区間の尤もらしさが高いことを示す。なお、加工区間らしさは、雑音を含む物理量情報Ｆ１（ｔ）から抽出された特徴情報から算出されるので、図９に示すように、ばらつきを含む値となる。
なお、選択部１１４２が非加工区間で特徴情報を基準特徴情報として選択し、算出部１１４３が前記基準特徴情報との比較で各対象特徴情報の加工区間らしさを算出したが、これに限定されない。例えば、選択部１１４２が加工区間の特徴情報を基準特徴情報として選択し、算出部１１４３が加工区間らしさを算出してもよい。また、この場合、特徴情報抽出部１１４は、加工区間らしさに替えて、非加工区間らしさを算出してもよい。ただし、非加工区間らしさを示す値は、加工区間らしさの裏返しを示す値である。
区間判定部１１４４は、算出部１１４３により算出された加工区間らしさに対して閾値判定を行う。
推定部１１４５は、区間判定部１１４４により加工区間らしさが所定の閾値よりも大きいと判定された区間を、加工区間として推定する。
そして、特徴情報抽出部１１４は、推定された加工区間の特徴情報を異常判定部１１７に出力する。
図１０は、算出部１１４３により算出された加工区間らしさに対して、区間判定部１１４４により閾値判定が行われ、推定部１１４５により加工区間が推定された一例を示す図である。図１０に示すように、加工区間らしさが所定の閾値よりも大きい「推定される加工区間」が加工区間として推定されることになる。逆に、加工区間らしさが閾値よりも小さい区間を非加工区間として推定することができる。このように、推定された加工区間に含まれる物理量情報（特徴情報）を診断処理に用いることによって、精度の高い診断処理を行うことができる。
なお、区間判定部１１４４は、加工区間を推定するために、加工区間らしさに対して閾値判定を行ったが、これに限定されるものではなく、例えば、統計的な手法を用いて、加工区間らしさに対して判定を行ってもよい。
記憶部１１５は、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）やＨＤＤ（Ｈａｒｄ Ｄｉｓｋ Ｄｒｉｖｅ）等であり、システムプログラム及びアプリケーションプログラムを記憶する。また、記憶部１１５は、後述の生成部１１６により生成されたモデルをコンテキスト情報と関連付けて記憶する。
また、記憶部１１５は、対象機械２００（１）の検知情報Ｆ１ｓ（ｔ）＋ａ１ｋ×Ｆｋ（ｔ）及びＦ１ｓ（ｔ）の両方又はいずれか一方のデータを記憶してもよい。
また、記憶部１１５は、検知情報取得部１１２により取得された検知情報を、コンテキスト情報取得部１１１により取得されたコンテキスト情報と機械装置２００毎に関連付けて動作履歴情報として記憶してもよい。
生成部１１６は、対象機械２００（１）の正常動作時に検知情報から特徴抽出部１１４１により抽出された特徴情報を用いた学習により、コンテキスト情報取得部１１１により取得されたコンテキスト情報に対応する、加工が正常に行われたことを判断するためのモデルを生成する。なお、モデルが外部装置で生成される場合には、生成部１１６は備えられなくてもよい。また、生成部１１６は、モデルが定められていないコンテキスト情報と、前記コンテキスト情報に対応する検知情報とが入力された場合に、この検知情報から抽出された特徴情報を用いて、当該コンテキスト情報に対応するモデルを生成してもよい。
異常判定部１１７は、特徴情報抽出部１１４により抽出された特徴情報と、コンテキスト情報取得部１１１により取得されたコンテキスト情報に対応するモデルと、を用いて、対象機械２００（１）の動作が正常であるか否かを判定する機能部である。異常判定部１１７は、検知情報から抽出された特徴情報が正常であることの尤もらしさを示す尤度を、対応するモデルを用いて算出する。異常判定部１１７は、尤度と、予め定められた閾値とを比較し、例えば、尤度が閾値以上である場合に、対象機械２００（１）の動作は正常であると判定する。また、異常判定部１１７は、尤度が閾値未満である場合に、対象機械２００（１）の動作は異常であると判定する。
なお、異常判定部１１７は、対象機械２００（１）が異常と判定した場合、コンテキスト情報に含まれる操作者情報に基づいて、前記異常についてより詳細に判定してもよい。例えば、異常判定部１１７は、対象機械２００（１）への工具取付を担当した操作者が熟練者／作業ミスが少ない担当者だった場合、対象機械２００（１）又は工具の劣化の可能性が高いと判定してもよい。また、異常判定部１１７は、操作者が若年者／作業ミスが多い担当者だった場合、対象機械２００（１）又は工具の劣化の他、工具の取付状態不良の可能性があると判定してもよい。
動作制限指令出力部１１８は、例えば、対象機械２００（１）が仕上げ加工等、精度を必要とする加工を行っている場合に、対象機械２００（１）の振動等の検知情報ｆ１（ｔ）における他の機械装置２００（ｋ）の物理量情報ａ１ｋ×Ｆｋ（ｔ）の割合が許容される所定値以上の場合、他の機械装置２００（ｋ）を停止させる。
そうすることで、対象機械２００（１）における仕上げ加工等の加工精度を維持することができる。すなわち、対象機械２００（１）における動作精度を維持することができる。
通知制御部１１９は、通知部１３０の通知動作を制御する。
通知部１３０は、液晶ディスプレイ等の表示装置、表示灯、ブザー、通信装置等であり、通知制御部１１９による制御に従って各種情報を通知する。
＜診断装置１００の加工区間推定処理＞
次に、本実施形態に係る診断装置１００の加工区間推定処理に係る動作について説明する。
図１１は、診断装置１００の加工区間推定処理について説明するフローチャートである。ここで示すフローは、診断装置１００のユーザにより対象機械２００（１）が指定される度に繰り返し実行される。
ステップＳ１１において、コンテキスト情報取得部１１１は、各機械装置２００の動作の種類に基づいて定まる複数のコンテキスト情報のうち稼働中の動作に対応するコンテキスト情報を各機械装置２００から取得する。
ステップＳ１２において、検知情報取得部１１２は、対象機械２００（１）及び他の機械装置２００（ｋ）の各々の検知部２２０により検知された物理量の検知情報を取得する。
ステップＳ１３において、検知情報切り分け部１１３は、ステップＳ１１で取得された各機械装置２００のコンテキスト情報と、ステップＳ１２で取得された対象機械２００（１）及び他の機械装置２００（ｋ）の各々の検知情報とに基づいて、対象機械２００（１）の物理量情報Ｆ１（ｔ）と他の機械装置２００（ｋ）の物理量情報Ｆｋ（ｔ）とに切り分ける。
ステップＳ１４において、特徴情報抽出部１１４の特徴抽出部１１４１は、ステップＳ１３で切り分けられた対象機械２００（１）の物理量情報Ｆ１（ｔ）から特徴情報を抽出する。特徴抽出部１１４１は、例えば、所定範囲（例えば、ラダー信号がＯＮ状態の区間を含む区間）の物理量情報Ｆ１（ｔ）に対してウインドウ毎にフーリエ変換を行うことによって特徴情報を抽出する。
ステップＳ１５において、特徴情報抽出部１１４の選択部１１４２は、ステップＳ１４で抽出された特徴情報から、ウインドウ毎の特徴情報を選択する。具体的には、選択部１１４２は、非加工区間の前記特徴情報を基準特徴情報として選択する。
ステップＳ１６において、選択部１１４２は、所定範囲（例えば、ラダー信号がＯＮ状態の区間を含む区間）において、基準特徴情報と比較するため、順次、ウインドウ単位で特徴情報（対象特徴情報）を選択する。そして、特徴情報抽出部１１４の算出部１１４３は、ステップＳ１５で選択された基準特徴情報（非加工区間の特徴情報）と、順次選択された所定範囲の対象特徴情報とを比較して、それぞれの対象特徴情報の加工区間らしさを算出する。
ステップＳ１７において、特徴情報抽出部１１４の区間判定部１１４４は、ステップＳ１６で算出された加工区間らしさに対して閾値判定を行い、加工区間らしさが所定の閾値よりも大きい判定した区間を加工区間と判定し、加工区間らしさが所定の閾値よりも小さいと判定した区間を非加工区間と判定する。
ステップＳ１８において、特徴情報抽出部１１４の推定部１１４５は、ステップＳ１７で加工区間らしさが所定の閾値よりも大きいと判定された区間を、加工区間として推定する。
＜診断装置１００の診断処理＞
次に、本実施形態に係る診断装置１００の診断処理に係る動作について説明する。
図１２は、診断装置１００の診断処理について説明するフローチャートである。ここで示すフローは、診断装置１００のユーザにより対象機械２００（１）が指定される度に繰り返し実行される。
なお、図１２に示す診断処理において、ステップＳ２１からステップＳ２８の処理は、図１１のステップＳ１１からステップＳ１８と同様であり、説明は省略する。
ステップＳ２９において、異常判定部１１７は、ステップＳ２１で取得されたコンテキスト情報に対応するモデルを記憶部１１５から取得する。
ステップＳ３０において、異常判定部１１７は、ステップＳ２８で推定された加工区間の特徴情報と、ステップＳ２９で取得されたコンテキスト情報に対応するモデルとを用いて、対象機械２００（１）が正常に動作しているか否かを判定する。
ステップＳ３１において、通知制御部１１９は、ステップＳ３０の判定結果を通知部１３０に出力する。なお、異常判定部１１７による判定結果の出力方法はどのような方法であってもよい。例えば、通知部１３０が、サーバ装置及びＰＣ（Ｐｅｒｓｏｎａｌ Ｃｏｍｐｕｔｅｒ）等の外部装置に判定結果を出力するものとしてもよい。
＜診断装置１００のモデル生成処理＞
次に、本実施形態に係る診断装置１００のモデル生成処理に係る動作について説明する。
図１３は、診断装置１００のモデル生成処理について説明するフローチャートである。ここで示すフローは、例えば、診断処理の前に事前に実行される。又は、モデルが定められていないコンテキスト情報が入力された場合にモデル生成処理を実行するように構成してもよい。
なお、図１３に示す診断処理において、ステップＳ４１からステップＳ４８の処理は、図１１のステップＳ１１からステップＳ１８と同様であり、説明は省略する。
また、切り分けられた対象機械２００（１）のコンテキスト情報及び物理量情報が、モデルの生成に利用される。モデルは、コンテキスト情報毎に生成されるため、物理量情報は、対応するコンテキスト情報に関連付けられる必要がある。このため、例えば、検知情報取得部１１２は、取得した検知情報を、同じタイミングでコンテキスト情報取得部１１１により取得されたコンテキスト情報と対応付けて記憶部１１５等に記憶する。各情報を記憶部１１５等に一旦記憶し、正常時の情報であることを確認し、正常時の情報のみを用いてモデルを生成してもよい。すなわち、正常であるとラベルづけされた検知情報を用いてモデルを生成してもよい。
正常であるか否かの確認（ラベルづけ）は、情報を記憶部１１５等に記憶した後の任意のタイミングで実行してもよく、対象機械２００（１）及び他の機械装置２００（ｋ）を動作させながらリアルタイムに実行してもよい。ラベルづけを実行せず、情報が正常であると仮定してモデルを生成してもよい。正常であると仮定した情報が実際は異常であった情報であった場合は、生成されたモデルにより正しく判定処理が実行されなくなる。異常と判定される頻度等によりこのような状況であるかを判断でき、誤って生成されたモデルを削除する等の対応を取ることができる。また、異常であった情報から生成されたモデルを、異常であることを判定するモデルとして利用してもよい。
ステップＳ４９において、生成部１１６は、ステップＳ４８で抽出された加工区間の特徴情報から、コンテキスト情報取得部１１１により取得されたコンテキスト情報に対応するモデルを生成する。
ステップＳ５０において、生成部１１６は、生成したモデルを、例えば、コンテキスト情報及び特徴情報との関連付けを行い、記憶部１１５に記憶させる。
以上により、一実施形態に係る診断装置１００は、機械装置２００（１）−２００（ｎ）の各々において稼働中の動作のコンテキスト情報と、対象機械２００（１）及び他の機械装置２００（ｋ）の検知部２２０により検知された対象機械２００（１）及び他の機械装置２００（ｋ）の各々における物理量の検知情報とを取得する。診断装置１００は、取得されたコンテキスト情報と検知情報とに基づいて対象機械２００（１）の物理量情報と他の機械装置２００（ｋ）の物理量情報とに切り分ける。これにより、診断装置１００は、対象機械２００（１）の物理量情報において他の機械装置２００（ｋ）による影響を除外することができ、物理量の検知精度の低下を回避し対象機械２００（１）における異常の検知を高精度で行うことができる。
以上、一実施形態について説明したが、診断装置１００は、上述の実施形態に限定されるものではなく、目的を達成できる範囲での変形、改良等を含む。
＜変形例１＞
上述の実施形態では、診断装置１００は、機械装置２００（１）−２００（ｎ）と異なる装置として例示したが、診断装置１００の機能を、いずれか１つの機械装置２００（１）−２００（ｎ）の制御装置２１０に備えるようにしてもよい。
あるいは、診断装置１００のコンテキスト情報取得部１１１、検知情報取得部１１２、検知情報切り分け部１１３、特徴情報抽出部１１４、記憶部１１５、生成部１１６、異常判定部１１７、動作制限指令出力部１１８、及び通知制御部１１９の一部又は全部を、例えば、サーバが備えるようにしてもよい。また、クラウド上で仮想サーバ機能等を利用して、診断装置１００の各機能を実現してもよい。
さらに、診断装置１００は、診断装置１００の各機能を適宜複数のサーバに分散される、分散処理システムとしてもよい。
＜変形例２＞
また例えば、上述の実施形態では、診断装置１００は、機械装置２００（１）−２００（ｎ）の各々の制御装置２１０からコンテキスト情報を取得し、検知部２２０から検知情報を取得したが、これに限定されない。例えば、機械装置２００（１）−２００（ｎ）の各々において、制御装置２１０が検知部２２０から検知情報を取得し、取得した検知情報をとコンテキスト情報とをまとめて診断装置１００へ送信してもよい。
あるいは、機械装置２００（１）−２００（ｎ）の各々は、制御装置２１０内のコンテキスト情報と、検知部２２０からの検知情報とを集約して診断装置１００へ送信する情報集約部（図示しない）を備えてもよい。
＜変形例３＞
また例えば、上述の実施形態では、非接触式の検知部２２０が、ロボットや自動搬送装置等の機械装置２００に配置されるとしたが、これに限定されない。例えば、検知情報として連続的に取得する必要のない情報、又は移動手段の位置ずれや振動による影響がない情報（例えば、温度、振動等）を取得する場合、非接触式の検知部２２０が配置される移動手段として、ドローン等の無線による移動手段であってもよい。
＜変形例４＞
また例えば、上述の実施形態では、全ての機械装置２００は検知部２２０を有したが、これに限定されず、一部の機械装置２００は検知部２２０を有しなくてもよい。例えば、ロボットや自動搬送装置等の機械装置２００に非接触式の検知部２２０が配置されることにより、前記非接触式の検知部２２０が、検知部２２０がない機械装置２００の物理量を検知してもよい。これにより、診断システム１は、検知部２２０の必要点数を削減することができる。
＜変形例５＞
また例えば、上述の実施形態では、診断装置１００は、特徴情報抽出部１１４で抽出された特徴情報と、コンテキスト情報取得部１１１で取得されたコンテキスト情報に対応するモデルとを用いて、対象機械２００（１）が正常に動作しているか否かを判定したが、これに限定されない。例えば、診断装置１００は、対象機械２００（１）の動作履歴情報、前実験又はシミュレーション等により推定される対象機械２００（１）の要素部品（例えば、ベアリングやボールネジ等）の寿命に関する負荷率等の物理量（以下、「推定物理量」ともいう）に基づいて、対象機械２００（１）が正常に動作しているか否かを判定してもよい。
図１４は、要素部品の寿命に関する推定物理量の変化の一例を示す図である。図１４の縦軸は物理量を示し、横軸は時間又は加工回数を示す。
図１４に示すように、実線で示す要素部品の寿命に関する推定物理量は、要素部品を使用した時間又は加工回数に応じて変化する。なお、破線は前記推定物理量に対する物理量変化の許容幅（例えば、−５％から＋３％等）を示す。また、実線で示す要素部品の寿命に関する推定物理量に続く点線は、現在時刻ｔ１における推定物理量の傾きに基づいて推定される今後の推定物理量の変化を示す。
診断装置１００は、図１５に示すように、対象機械２００（１）の要素部品の寿命に関する推定物理量が物理量変化の許容幅を超える場合、対象機械２００（１）は異常であると判定し、通知制御部１１９を介して判定結果を通知部１３０に出力してもよい。図１５に示すように、例えば、対象機械２００（１）の要素部品の寿命に関する推定物理量が物理量変化の許容幅の上側を横切る（変化が大き過ぎる）場合、診断装置１００のユーザは対象機械２００（１）の要素の劣化／破損の可能性があると判断してもよい。また、対象機械２００（１）の要素部品の寿命に関する推定物理量が物理量変化の許容幅の下側を横切る（変化が小さ過ぎる）場合、診断装置１００のユーザは対象機械２００（１）の検知部２２０又はその接続部（通信手段含む）の異常の可能性があると判断してもよい。
これにより、対象機械２００（１）における異常状態を早期発見することができる。
なお、診断装置１００は、対象機械２００（１）の要素部品の寿命に関する推定物理量を用いて要素部品の保守交換時期を推定してもよい。
図１６は、要素部品の寿命に関する推定物理量を用いて要素部品の保守交換時期の推定例を説明する図である。なお、図１６では、対象機械２００の動作は正常であり、実線で示す要素部品の寿命に関する推定物理量の推移は物理量変化の許容幅内に収まる。
また、図１６では、要素部品を使用した時間又は回数の基準寿命（すなわち保守交換時期）と、前記基準寿命に対応する物理量の所定値を示す。この物理量の所定値、及び時間又は回数の基準寿命は、機械装置２００の試作段階や性能検証時等における実験等から策定されるおよその寿命又は回数に基づいて決められてもよい。あるいは、要素部品に関する周知の寿命計算式（例えば、ベアリングの軸受の基本定格寿命、ボールネジの負荷寿命等）を用いて、物理量の所定値、及び時間又は回数の基準寿命が決められてもよい。そして、物理量の所定値、及び時間又は回数の基準寿命は、記憶部１１５に予め記憶されてもよい。
図１６に示すように、診断装置１００は、例えば、対象機械２００（１）の要素部品を使用した時間又は回数が基準寿命の所定の期間前に保守交換期間が近づいた旨を通知するマージン期間を設けてもよい。そうすることで、診断装置１００のユーザは、対象機械２００（１）における稼働状況／使用状況に応じた保守作業日を設定することができる。また、診断装置１００のユーザは、保守作業の予定を立てることが可能となり、対象機械２００が異常となり停止してしまう前に保守作業が可能となる。
なお、マージン期間は、診断装置１００のユーザにより対象機械２００（１）に応じて適宜設定されてもよい。また、診断装置１００のユーザは、保守交換作業の後、対象機械２００（１）の特徴情報をリセットしてもよい。
また、診断装置１００は、マージン期間を設けたが、これに限定されず、要素部品の寿命に関する推定物理量に対する所定の閾値を設けて、前記推定物理量が所定の閾値に達した場合、保守交換期間が近づいた旨を通知してもよい。
さらに、図１４から図１６に示した図は、必要に応じて通知部１３０を経由して診断装置１００に接続された図示しない表示装置又は機械装置２００の制御装置２１０に設けられた図示しない表示装置に表示させてもよい。
＜変形例６＞
また例えば、上述の実施形態では、診断装置１００は、各機械装置２００から取得された検知情報及びコンテキスト情報に基づいて、各機械装置２００の動作状態を診断したが、これに限定されない。例えば、診断装置１００は、機械装置２００（１）−２００（ｎ）の配置を示すレイアウト情報を記憶部１１５に記憶してもよい。
この場合、診断装置１００は、例えば、レイアウト情報を用い、任意の機械装置２００が選択された場合、選択された機械装置（対象機械）２００に影響を与える要素（他の機械装置２００）、及び選択された機械装置（対象機械）２００によって影響を受ける要素（他の機械装置２００）を、影響の大きさに応じた色等で診断装置１００に接続された図示しない表示装置又は機械装置２００の制御装置２１０に設けられた図示しない表示装置に表示してもよい。
図１７は、選択された機械装置２００と、他の機械装置２００とを配置とともに影響の大きさを色で示した表示画面１３５の一例を示す図である。
図１７に示すように、表示画面１３５の上段は、例えば、建屋に配置された機械装置２００が６つの場合のレイアウトを示す。また、表示画面１３５の下段は、色の凡例を示し、例えば、上から順に桃色、赤色、緑色、橙色、黄色、及び灰色等でもよい。なお、図１７では、機械装置２００（１）が選択された機械装置（対象機械）を示す。
なお、影響の大きさは、単純に物理量情報の大小でもよく、対象機械２００（１）の動作結果への影響の大小でもよい。例えば、荒加工用の機械装置２００と仕上げ加工用の機械装置２００とでは、同じ振動を受けても歩留りに差が出る可能性がある。すなわち、荒加工用の機械装置２００への影響は小さいが、仕上げ加工用の機械装置２００への影響は大きい。
また、図１７に示すように、任意の１つの対象機械２００（１）のみを動作させ、周辺の他の機械装置２００（ｋ）への影響を調査することにより、例えば、検知情報切り分け部１１３は、他の機械装置２００（２）、２００（３）に対する対象機械２００（１）の重み係数を求めることができる。この場合、検知情報切り分け部１１３は、振動や音等の発生源が点源の場合の周知の距離減衰式とレイアウト情報とに基づいて、他の機械装置２００（４）に対する対象機械２００（１）の重み係数を、他の機械装置２００（２）、２００（３）の重み係数と距離とを用いて算出してもよい。これにより、他の機械装置２００（４）が検知部２２０を有しない場合でも他の機械装置２００（４）の物理量情報を推定することができ、検知部２２０の必要点数を削減することができる。
また、レイアウト情報を用いることにより、レイアウト上において対象機械２００（１）及び他の機械装置２００（ｋ）との距離が互いに近いにも関わらず、重み係数が異様に小さい場合、診断装置１００は、対象機械２００（１）又は他の機械装置２００（ｋ）の検知部２２０等に何らかの異常が発生していると推定してもよい。
また、レイアウト情報には、建屋情報（床強度、柱、階数、築年数等）等の自力では動作しない要素の情報を含んでもよい。これにより、診断装置１００は、検知情報の切り分け、及び異常検出の高精度化を図ることができる。
なお、全ての組合せ（ペア）の機械装置２００で動作させ、双方の影響を調査してもよい。この場合、生成部１１６は、例えば、任意の対象機械２００（１）の検知情報ｆ１（ｔ）、任意の他の機械装置２００（ｋ）の検知情報ｆｋ（ｔ）、及びレイアウト情報に含まれる任意の対象機械２００（１）と任意の他の機械装置２００（ｋ）との間の距離、を含む入力データと、任意の対象機械２００（１）の検知情報に対する任意の他の機械装置２００（ｋ）の動作による影響度合いの係数ａ１ｋ、及び任意の他の機械装置２００（ｋ）の検知情報に対する任意の対象機械２００（１）の動作による影響度合いの係数ａｋ１を示すラベルデータと、を用いて、教師あり学習を実行することにより学習済みモデルを予め生成してもよい。
図１８は、構築される学習済みモデルの一例を示す図である。ここでは、学習済みモデルは、図１８に示すように、対象機械２００（１）の検知情報ｆ１（ｔ）と、新規の機械装置２００（ｋ）の検知情報ｆｋ（ｔ）と、対象機械２００（１）と新規の機械装置２００（ｋ）との間の距離とを入力層として、対象機械２００（１）の検知情報に対する新規の機械装置２００（ｋ）の動作による影響度合いの「係数ａ１ｋ」、及び新規の機械装置２００（ｋ）の検知情報に対する対象機械２００（１）の動作による影響度合いの「係数ａｋ１」、を示すデータを出力層とする学習済みモデル（多層ニューラルネットワーク）を例示する。
そして、検知情報切り分け部１１３は、図１８の学習済みモデルに、対象機械２００（１）の検知情報ｆ１（ｔ）と、新たに設置された機械装置２００等の新規の機械装置２００（ｋ）の検知情報ｆｋ（ｔ）と、対象機械２００（１）と新規の機械装置２００（ｋ）との間の距離とを入力することにより、対象機械２００（１）の検知情報ｆ１（ｔ）に対する新規の機械装置２００（ｋ）による影響度合いの係数ａ１ｋ、及び新規の他の機械装置２００（ｋ）の検知情報ｆｋ（ｔ）に対する対象機械２００（１）による影響度合いの係数ａｋ１を決定する。
そうすることで、診断装置１００は、新規の機械装置２００（ｋ）が設置されると、図１８の学習済みモデルを用いることで、新規の機械装置２００（ｋ）と既存の対象機械２００（１）と間の重み係数ａ１ｋ、ａｋ１を求めることができる。
このように、学習済みモデルを適用することで、任意の１つの機械装置２００のみを動作させ、周辺の機械装置２００への影響を調査のサンプル数／検証の工数を削減することができる。
なお、生成部１１６は、図１８の学習済みモデルを構築した後に、新たな訓練データを取得した場合には、図１８の学習済みモデルに対してさらに教師あり学習を行うことにより、一度構築した学習済みを更新するようにしてもよい。
また、診断装置１００の生成部１１６が図１８の学習済みモデルを構築したが、外部の機械学習装置が図１８の学習済みモデルを構築し、診断装置１００に構築した学習済みモデルを提供してもよい。この場合、診断装置１００は、生成部１１６を含まなくてもよい。
また、上述した教師あり学習は、オンライン学習で行ってもよく、バッチ学習で行ってもよく、ミニバッチ学習で行ってもよい。
オンライン学習とは、訓練データが作成される都度、即座に教師あり学習を行うという学習方法である。また、バッチ学習とは、訓練データが作成されることが繰り返される間に、繰り返しに応じた複数の訓練データを収集し、収集した全ての訓練データを用いて、教師あり学習を行うという学習方法である。さらに、ミニバッチ学習とは、オンライン学習と、バッチ学習の中間的な、ある程度訓練データが溜まるたびに教師あり学習を行うという学習方法である。
なお、一実施形態における、診断装置１００に含まれる各機能は、ハードウェア、ソフトウェア又はこれらの組み合わせによりそれぞれ実現することができる。ここで、ソフトウェアによって実現されるとは、コンピュータがプログラムを読み込んで実行することにより実現されることを意味する。
プログラムは、様々なタイプの非一時的なコンピュータ可読媒体（Ｎｏｎ-ｔｒａｎｓｉｔｏｒｙ ｃｏｍｐｕｔｅｒ ｒｅａｄａｂｌｅ ｍｅｄｉｕｍ）を用いて格納され、コンピュータに供給することができる。非一時的なコンピュータ可読媒体は、様々なタイプの実体のある記録媒体（ｔａｎｇｉｂｌｅ ｓｔｏｒａｇｅ ｍｅｄｉｕｍ）を含む。非一時的なコンピュータ可読媒体の例は、磁気記録媒体（例えば、フレキシブルディスク、磁気テープ、ハードディスクドライブ）、光磁気記録媒体（例えば、光磁気ディスク）、ＣＤ−ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）、ＣＤ−Ｒ、ＣＤ−Ｒ／Ｗ、半導体メモリ（例えば、マスクＲＯＭ、ＰＲＯＭ（Ｐｒｏｇｒａｍｍａｂｌｅ ＲＯＭ）、ＥＰＲＯＭ（Ｅｒａｓａｂｌｅ ＰＲＯＭ）、フラッシュＲＯＭ、ＲＡＭを含む。また、プログラムは、様々なタイプの一時的なコンピュータ可読媒体（ｔｒａｎｓｉｔｏｒｙ ｃｏｍｐｕｔｅｒ ｒｅａｄａｂｌｅ ｍｅｄｉｕｍ）によってコンピュータに供給されてもよい。一時的なコンピュータ可読媒体の例は、電気信号、光信号、及び電磁波を含む。一時的なコンピュータ可読媒体は、電線及び光ファイバ等の有線通信路、又は、無線通信路を介して、プログラムをコンピュータに供給できる。
なお、記録媒体に記録されるプログラムを記述するステップは、その順序に沿って時系列的に行われる処理はもちろん、必ずしも時系列的に処理されなくとも、並列的あるいは個別に実行される処理をも含むものである。
以上を換言すると、本開示の診断装置、及び診断方法は、次のような構成を有する各種各様の実施形態を取ることができる。
（１）本開示の診断装置１００は、産業装置及び周辺装置を含む複数の機械装置２００と接続された診断装置であって、複数の機械装置２００の各々の動作の種類に基づいて定まる複数のコンテキスト情報のうち稼働中の動作に対応するコンテキスト情報を複数の機械装置２００の各々から取得するコンテキスト情報取得部１１１と、診断対象の機械装置である対象機械２００（１）、及び他の機械装置２００（ｋ）の各々の動作に応じて変化する対象機械２００（１）及び他の機械装置２００（ｋ）の各々における物理量を、対象機械２００（１）及び他の機械装置２００（ｋ）に配置された検知部２２０により検知された検知情報として取得する検知情報取得部１１２と、コンテキスト情報取得部１１１により取得された複数の機械装置２００の各々のコンテキスト情報、及び検知情報取得部１１２により取得された対象機械２００（１）及び他の機械装置２００（ｋ）の各々の検知情報に基づいて、対象機械２００（１）の物理量を示す物理量情報と他の機械装置２００（ｋ）の物理量を示す物理量情報とに切り分ける検知情報切り分け部１１３と、検知情報切り分け部１１３により切り分けられた対象機械２００（１）の物理量情報のうち、対象機械２００（１）のコンテキスト情報が示す特定の動作区間を含む区間の物理量情報の特徴を示す特徴情報を抽出する特徴情報抽出部１１４と、１以上のコンテキスト情報それぞれに対応する１以上のモデルのうち、コンテキスト情報取得部１１１により取得されたコンテキスト情報に対応するモデルと、特徴情報抽出部１１４により抽出された特徴情報とに基づいて、対象機械２００（１）の動作が正常であるか否かを判定する異常判定部１１７と、を備える。
この診断装置１００によれば、対象機械の検知部により検出された物理量の検知情報から、対象機械自体が発した物理量と他の機械装置が発した物理量とに切り分けて、対象機械２００（１）における異常の検知を高精度で行うことができる。
（２）特徴情報抽出部１１４は、検知情報切り分け部１１３により切り分けられた対象機械２００（１）の物理量情報のうち、特徴情報を抽出する特徴抽出部１１４１と、特徴情報に基づいて、基準となる基準特徴情報を選択し、基準特徴情報と比較するための対象特徴情報を順次選択する選択部１１４２と、選択部１１４２により選択された基準特徴情報と、各対象特徴情報との比較から、対象機械２００（１）の加工処理の加工区間らしさを算出する算出部１１４３と、加工区間らしさに基づいて、加工区間らしさに対応する対象特徴情報が加工処理の加工区間に含まれるか否かを判定する区間判定部１１４４と、区間判定部１１４４の判定結果に基づいて、加工区間を推定する推定部１１４５と、を備えてもよい。
そうすることで、対象機械２００（１）の物理量情報から対象機械２００（１）の加工区間の特徴情報を精度良く抽出することができる。
（３）選択部１１４２は、動作区間に基づいて、加工区間ではない非加工区間と判断できる区間の特徴情報を基準特徴情報として選択してもよい。
そうすることで、対象機械２００（１）の加工区間の特徴情報を精度良く抽出することができる。
（４）選択部１１４２は、基準特徴情報として選択した過去の所定回数の情報を平均化して新たな基準特徴情報として選択してもよい。
そうすることで、選択される基準特徴情報に含み得る雑音等の影響を抑制することができる。
（５）選択部１１４２は、特徴情報に対する機械学習によって生成した情報を基準特徴情報として選択してもよい。
そうすることで、対象機械２００（１）の加工区間の特徴情報を精度良く抽出することができる。
（６）特徴抽出部１１４１は、動作区間を含む区間の物理量情報の周波数スペクトルを、特徴情報として抽出し、算出部１１４３は、基準特徴情報としての周波数スペクトルと、各対象特徴情報としての周波数スペクトルとの差異に基づいて、加工区間らしさを算出してもよい。
そうすることで、対象機械２００（１）の加工区間の特徴情報を精度良く抽出することができる。
（７）区間判定部１１４４は、加工区間らしさが所定の閾値よりも大きい場合、加工区間らしさに対応する対象特徴情報が加工区間に含まれると判定してもよい。
そうすることで、対象機械２００（１）の加工区間の特徴情報を精度良く抽出することができる。
（８）コンテキスト情報取得部１１１により取得されたコンテキスト情報に対応する特徴情報のうち、推定部により推定された加工区間に対応する特徴情報からモデルを生成する生成部１１６を備えてもよい。
そうすることで、対象機械２００（１）の動作が正常か否かを精度良く判定することができる。
（９）検知情報取得部１１２は、対象機械２００（１）において、電源が投入され加工を行っていない状態で検知部２２０により検知された検知情報、及び加工を行っている状態で検知部２２０により検知された検知情報を取得し、検知情報切り分け部１１３は、対象機械２００（１）において、加工を行っていない状態の検知情報と加工を行っている状態の検知情報とを比較し、加工に起因する物理量情報と、加工に起因しない物理量情報とを切り分け、加工に起因する物理量情報を対象機械２００（１）の物理量情報として特徴情報抽出部１１４に出力してもよい。
そうすることで、対象機械２００（１）の動作が正常か否かをより精度良く判定することができる。
（１０）検知情報切り分け部１１３は、対象機械２００（１）の物理量情報と他の機械装置２００（ｋ）の物理量情報とに切り分けるために、少なくとも対象機械２００（１）に対する他の機械装置２００（ｋ）の動作の影響度合いを示す重み付け係数を決定してもよい。
そうすることで、対象機械２００（１）の物理量情報と他の機械装置２００（ｋ）の物理量情報とに切り分けることができる。
（１１）検知情報切り分け部１１３は、複数の機械装置２００の配置を示すレイアウト情報に基づいて、対象機械２００（１）に対する他の機械装置２００（ｋ）による影響度合いを示す重み付け係数を決定してもよい。
そうすることで、他の機械装置２００（ｋ）が検知部２２０を有しない場合でも他の機械装置２００（ｋ）の物理量情報を推定することができ、検知部２２０の必要点数を削減することができる。
（１２）レイアウト情報は建屋情報を含んでもよい。
そうすることで、検知情報の切り分け、及び異常検出の高精度化を図ることができる。
（１３）検知情報取得部１１２は、建屋の物理量情報を対象機械２００（１）に配置された検知部２２０を用いて取得してもよい。
そうすることで、検知部２２０の必要点数を削減することができる。
（１４）対象機械２００（１）の検知情報における他の機械装置２００（ｋ）の物理量情報の割合が許容される所定値以上の場合、他の機械装置２００（ｋ）に対して動作を制限する動作制限指令出力部１１８を備えてもよい。
そうすることで、対象機械２００（１）における加工精度を維持することができる。
（１５）検知情報取得部１１２は、機械装置２００に配置され機械装置２００の移動により物理量を検知する位置及び検知方向を変化させる非接触式の検知部２２０により検知された検知情報を取得してもよい。
そうすることで、接触式の検知部２２０が配置不可能な箇所の物理量も検知することができる。
（１６）対象機械２００に配置された接触式の検知部２２０と非接触式の検知部２２０とは、特定箇所の物理量の検知の際に同時に検知してもよい。
そうすることで、各検知部２２０の動作確認を行うことができる。
（１７）本開示の診断方法は、コンピュータを実行させることで産業装置及び周辺装置を含む複数の機械装置２００を診断する診断方法であって、複数の機械装置２００の各々の動作の種類に基づいて定まる複数のコンテキスト情報のうち稼働中の動作に対応するコンテキスト情報を複数の機械装置２００の各々から取得するコンテキスト情報取得ステップと、診断対象の機械装置である対象機械２００（１）、及び他の機械装置２００（ｋ）の各々の動作に応じて変化する対象機械２００（１）及び他の機械装置２００（ｋ）の各々における物理量を、対象機械２００（１）及び他の機械装置２００（ｋ）に配置された検知部２２０により検知された検知情報として取得する検知情報取得ステップと、コンテキスト情報取得ステップで取得された複数の機械装置２００の各々のコンテキスト情報と検知情報取得ステップで取得された対象機械２００（１）及び他の機械装置２００（ｋ）の各々の検知情報に基づいて、対象機械２００（１）の物理量を示す物理量情報と他の機械装置２００（ｋ）の物理量を示す物理量情報とに切り分ける検知情報切り分けステップと、検知情報切り分けステップで切り分けられた対象機械２００の物理量情報のうち、対象機械２００（１）のコンテキスト情報が示す特定の動作区間を含む区間の物理量情報の特徴を示す特徴情報を抽出する特徴情報抽出ステップと、１以上のコンテキスト情報それぞれに対応する１以上のモデルのうち、コンテキスト情報取得ステップで取得されたコンテキスト情報に対応するモデルと、特徴情報抽出ステップで抽出された特徴情報とに基づいて、対象機械２００（１）の動作が正常であるか否かを判定する異常判定ステップと、を備える。
この診断方法によれば、（１）と同様の効果を奏することができる。
１ 診断システム
１００ 診断装置
１１１ コンテキスト情報取得部
１１２ 検知情報取得部
１１３ 検知情報切り分け部
１１４ 特徴情報抽出部
１１４１ 特徴抽出部
１１４２ 選択部
１１４３ 算出部
１１４４ 区間判定部
１１４５ 推定部
１１６ 生成部
１１７ 異常判定部
１１８ 動作制限指令出力部
２００（１）−２００（ｎ） 機械装置
２１０ 制御装置
２２０ 検知部

Claims (17)

  1. 産業装置及び周辺装置を含む複数の機械装置と接続された診断装置であって、
    前記複数の機械装置の各々の動作の種類に基づいて定まる複数のコンテキスト情報のうち稼働中の動作に対応するコンテキスト情報を前記複数の機械装置の各々から取得するコンテキスト情報取得部と、
    診断対象の機械装置である対象機械、及び他の機械装置の各々の動作に応じて変化する前記対象機械及び前記他の機械装置の各々における物理量を、前記対象機械及び前記他の機械装置に配置された検知部により検知された検知情報として取得する検知情報取得部と、
    前記コンテキスト情報取得部により取得された前記複数の機械装置の各々のコンテキスト情報、及び前記検知情報取得部により取得された前記対象機械及び前記他の機械装置の各々の前記検知情報に基づいて、前記対象機械の前記物理量を示す物理量情報と前記他の機械装置の前記物理量を示す物理量情報とに切り分ける検知情報切り分け部と、
    前記検知情報切り分け部により切り分けられた前記対象機械の前記物理量情報のうち、前記対象機械の前記コンテキスト情報が示す特定の動作区間を含む区間の前記物理量情報の特徴を示す特徴情報を抽出する特徴情報抽出部と、
    １以上の前記コンテキスト情報それぞれに対応する１以上のモデルのうち、前記コンテキスト情報取得部により取得された前記コンテキスト情報に対応するモデルと、前記特徴情報抽出部により抽出された前記特徴情報とに基づいて、前記対象機械の動作が正常であるか否かを判定する異常判定部と、
    を備える、診断装置。
  2. 前記特徴情報抽出部は、
    前記検知情報切り分け部により切り分けられた前記対象機械の前記物理量情報のうち、前記特徴情報を抽出する特徴抽出部と、
    前記特徴情報に基づいて、基準となる基準特徴情報を選択し、前記基準特徴情報と比較するための対象特徴情報を順次選択する選択部と、
    前記選択部により選択された前記基準特徴情報と、前記各対象特徴情報との比較から、前記対象機械の加工処理の加工区間らしさを算出する算出部と、
    前記加工区間らしさに基づいて、前記加工区間らしさに対応する前記対象特徴情報が前記加工処理の加工区間に含まれるか否かを判定する区間判定部と、
    前記区間判定部の判定結果に基づいて、前記加工区間を推定する推定部と、
    を備える、請求項１に記載の診断装置。
  3. 前記選択部は、前記動作区間に基づいて、前記加工区間ではない非加工区間と判断できる区間の前記特徴情報を前記基準特徴情報として選択する、請求項２に記載の診断装置。
  4. 前記選択部は、前記基準特徴情報として選択した過去の所定回数の情報を平均化して新たな基準特徴情報として選択する、請求項２に記載の診断装置。
  5. 前記選択部は、前記特徴情報に対する機械学習によって生成した情報を前記基準特徴情報として選択する、請求項２に記載の診断装置。
  6. 前記特徴抽出部は、前記動作区間を含む区間の前記物理量情報の周波数スペクトルを、前記特徴情報として抽出し、
    前記算出部は、前記基準特徴情報としての周波数スペクトルと、前記各対象特徴情報としての周波数スペクトルとの差異に基づいて、前記加工区間らしさを算出する、請求項２から請求項５のいずれか１項に記載の診断装置。
  7. 前記区間判定部は、前記加工区間らしさが所定の閾値よりも大きい場合、前記加工区間らしさに対応する前記対象特徴情報が前記加工区間に含まれると判定する、請求項２から請求項６のいずれか１項に記載の診断装置。
  8. 前記コンテキスト情報取得部により取得された前記コンテキスト情報に対応する前記特徴情報のうち、前記推定部により推定された前記加工区間に対応する前記特徴情報からモデルを生成する生成部を備える、請求項２から請求項７のいずれか１項に記載の診断装置。
  9. 前記検知情報取得部は、前記対象機械において、電源が投入され加工を行っていない状態で前記検知部により検知された前記検知情報、及び前記加工を行っている状態で前記検知部により検知された前記検知情報を取得し、
    前記検知情報切り分け部は、前記対象機械において、前記加工を行っていない状態の前記検知情報と前記加工を行っている状態の前記検知情報とを比較し、前記加工に起因する物理量情報と、前記加工に起因しない物理量情報とを切り分け、前記加工に起因する物理量情報を前記対象機械の前記物理量情報として前記特徴情報抽出部に出力する、請求項１から請求項８のいずれか１項に記載の診断装置。
  10. 前記検知情報切り分け部は、前記対象機械の前記物理量情報と前記他の機械装置の前記物理量情報とに切り分けるために、少なくとも前記対象機械に対する前記他の機械装置の動作の影響度合いを示す重み付け係数を決定する、請求項１から請求項９のいずれか１項に記載の制御装置。
  11. 前記検知情報切り分け部は、前記複数の機械装置の配置を示すレイアウト情報に基づいて、前記対象機械に対する前記他の機械装置による影響度合いを示す重み付け係数を決定する、請求項１０に記載の診断装置。
  12. 前記レイアウト情報は建屋情報を含む、請求項１１に記載の診断装置。
  13. 前記検知情報取得部は、建屋の物理量情報を前記対象機械に配置された検知部を用いて取得する、請求項１から請求項１２のいずれか１項に記載の診断装置。
  14. 前記対象機械の前記検知情報における前記他の機械装置の物理量情報の割合が許容される所定値以上の場合、前記他の機械装置に対して動作を制限する動作制限指令出力部を備える、請求項１から請求項１３のいずれか１項に記載の診断装置。
  15. 前記検知情報取得部は、前記機械装置に配置され前記機械装置の移動により前記物理量を検知する位置及び検知方向を変化させる非接触式の検知部により検知された前記検知情報を取得する、請求項１から請求項１４のいずれか１項に記載の診断装置。
  16. 前記対象機械に配置された接触式の検知部と前記非接触式の検知部とは、特定箇所の前記物理量の検知の際に同時に検知する、請求項１５に記載の診断装置。
  17. コンピュータを実行させることで産業装置及び周辺装置を含む複数の機械装置を診断する診断方法であって、
    前記複数の機械装置の各々の動作の種類に基づいて定まる複数のコンテキスト情報のうち稼働中の動作に対応するコンテキスト情報を前記複数の機械装置の各々から取得するコンテキスト情報取得ステップと、
    診断対象の機械装置である対象機械、及び他の機械装置の各々の動作に応じて変化する前記対象機械及び前記他の機械装置の各々における物理量を、前記対象機械及び前記他の機械装置に配置された検知部により検知された検知情報として取得する検知情報取得ステップと、
    前記コンテキスト情報取得ステップで取得された前記複数の機械装置の各々のコンテキスト情報と前記検知情報取得ステップで取得された前記対象機械及び前記他の機械装置の各々の前記検知情報に基づいて、前記対象機械の前記物理量を示す物理量情報と前記他の機械装置の前記物理量を示す物理量情報とに切り分ける検知情報切り分けステップと、
    前記検知情報切り分けステップで切り分けられた前記対象機械の前記物理量情報のうち、前記対象機械の前記コンテキスト情報が示す特定の動作区間を含む区間の前記物理量情報の特徴を示す特徴情報を抽出する特徴情報抽出ステップと、
    １以上の前記コンテキスト情報それぞれに対応する１以上のモデルのうち、前記コンテキスト情報取得ステップで取得された前記コンテキスト情報に対応するモデルと、前記特徴情報抽出ステップで抽出された前記特徴情報とに基づいて、前記対象機械の動作が正常であるか否かを判定する異常判定ステップと、
    を備える、診断方法。
JP2019180670A 2019-09-30 2019-09-30 診断装置及び診断方法 Active JP7324110B2 (ja)

Priority Applications (4)

Application Number Priority Date Filing Date Title
JP2019180670A JP7324110B2 (ja) 2019-09-30 2019-09-30 診断装置及び診断方法
US16/995,161 US11385617B2 (en) 2019-09-30 2020-08-17 Diagnostic apparatus and diagnostic method
DE102020210461.1A DE102020210461A1 (de) 2019-09-30 2020-08-18 Diagnostikeinrichtung und Diagnostikverfahren
CN202011043361.6A CN112577591A (zh) 2019-09-30 2020-09-28 诊断装置以及诊断方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2019180670A JP7324110B2 (ja) 2019-09-30 2019-09-30 診断装置及び診断方法

Publications (2)

Publication Number Publication Date
JP2021056880A true JP2021056880A (ja) 2021-04-08
JP7324110B2 JP7324110B2 (ja) 2023-08-09

Family

ID=74872708

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2019180670A Active JP7324110B2 (ja) 2019-09-30 2019-09-30 診断装置及び診断方法

Country Status (4)

Country Link
US (1) US11385617B2 (ja)
JP (1) JP7324110B2 (ja)
CN (1) CN112577591A (ja)
DE (1) DE102020210461A1 (ja)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP7120476B1 (ja) * 2021-05-13 2022-08-17 住友電気工業株式会社 加工条件管理システム、加工制御装置、加工システム、および加工プログラム

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2019225539A1 (ja) * 2018-05-23 2019-11-28 日本電気株式会社 無線通信識別装置および無線通信識別方法
DE102021115589A1 (de) * 2021-06-16 2022-12-22 Gemü Gebr. Müller Apparatebau Gmbh & Co. Kommanditgesellschaft Verfahren und Vorrichtungen für Prozessventil-Einheiten

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4230814B2 (ja) 2003-05-01 2009-02-25 株式会社山武 異常診断装置
JP7085370B2 (ja) 2017-03-16 2022-06-16 株式会社リコー 診断装置、診断システム、診断方法およびプログラム
JP2019144093A (ja) 2018-02-20 2019-08-29 富士通株式会社 音響信号処理装置、及び音響信号処理プログラム

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP7120476B1 (ja) * 2021-05-13 2022-08-17 住友電気工業株式会社 加工条件管理システム、加工制御装置、加工システム、および加工プログラム

Also Published As

Publication number Publication date
US20210096531A1 (en) 2021-04-01
JP7324110B2 (ja) 2023-08-09
US11385617B2 (en) 2022-07-12
DE102020210461A1 (de) 2021-04-01
CN112577591A (zh) 2021-03-30

Similar Documents

Publication Publication Date Title
CN110419012B (zh) 诊断设备、诊断系统、诊断方法和程序
CN108500736B (zh) 工具状态推定装置以及机床
JP7324110B2 (ja) 診断装置及び診断方法
US20200198128A1 (en) Learning data confirmation support device, machine learning device, and failure predicting device
US20200356069A1 (en) Machine tool management system
JP6657256B2 (ja) 送り軸の異常診断方法及び異常診断装置
CN111618656A (zh) 机床的加工不良发生预测系统
JP2018103284A (ja) 工具寿命推定装置
CN107728586B (zh) 解析系统
US11340140B2 (en) Abnormality sign notifying system, abnormality sign notifying method, and program
WO2018169069A1 (en) Diagnosis device, diagnosis system, diagnosis method, and program
US20220197273A1 (en) Method and device for monitoring a milling process
JP2017205821A (ja) 情報処理装置、情報処理方法、情報処理プログラム、および情報処理システム
JP7147131B2 (ja) 解析システム
CN109318053A (zh) 用于监测数控机床主轴的终端装置、远端装置及监测方法
JP2021022290A (ja) 制御状態監視システムおよびプログラム
JP2016200451A (ja) 信号処理方法、信号処理装置、及び切削加工用異常検出装置
JP7134062B2 (ja) 工作機械の異常診断システム、異常診断方法、異常診断プログラム
JP2019148971A (ja) 異常要因特定装置
CN115329796A (zh) 异常检测装置、计算机可读存储介质以及异常检测方法
CN110874084A (zh) 加工环境推定装置
CN112987682A (zh) 控制方法、控制装置和机械设备
JP2020024139A (ja) 製品検査装置
JP2019076993A (ja) 工作機械における直動軸の異常診断装置及び異常診断方法、工作機械
US8346383B2 (en) Method for determining the machining quality of components, particularly for metal cutting by NC machines

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20220616

TRDD Decision of grant or rejection written
A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20230623

A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20230627

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20230728

R150 Certificate of patent or registration of utility model

Ref document number: 7324110

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150