JP2021082384A

JP2021082384A - 学習済みモデルの生成方法、装置、およびプログラム

Info

Publication number: JP2021082384A
Application number: JP2019206278A
Authority: JP
Inventors: 伸也畠中; Shinya Hatanaka
Original assignee: Panasonic Intellectual Property Management Co Ltd
Current assignee: Panasonic Intellectual Property Management Co Ltd
Priority date: 2019-11-14
Filing date: 2019-11-14
Publication date: 2021-05-27
Also published as: US11500361B2; CN112799355A; US20210149381A1

Abstract

【課題】異常の予兆を検知するための学習済みモデルの生成方法、装置、およびプログラムを提供する。【解決手段】時間情報に対応付けられた所定数以上の巻回体２０４の各々の形状データである形状データ群を取得し、保全前に読み取られた所定数の巻回体の各々の形状データ群に基づいて保全前の第１不良率を算出し、保全後に読み取られた所定数の巻回体の各々の形状データ群に基づいて保全後の第２不良率を算出し、第１不良率と第２不良率との差分が所定値以上である場合の、保全前に読み取られた所定数の巻回体の各々の形状データ群を用いて、設備状態診断モデルＭを生成する。【選択図】図９

Description

本開示は、生産設備の保全に関する情報を表示するために用いられる学習済みモデルの生成方法、装置、およびプログラムに関する。

ある設備について、劣化や故障等を予防し、正常な運転を維持するために保全システムを設けることが一般的に行われている。特許文献１には、変電所における排水ポンプ故障や配電盤地絡等の異常の発生を監視し、異常が発生した場合には設備関係者に対して報知を行い、報知を受けた設備関係者が行った、異常に対する保守保全業務に関する情報を記憶する保全システムが開示されている。

特開２０１７−１６７７０８号公報

特許文献１に開示された技術では、設備に異常が発生してから設備関係者に対する報知が行われる。このため、設備関係者による保全が実施されるのは、異常が発生した後となる。異常の発生後に保全が行われる場合、設備の運転を停止する必要が生じてしまうので、異常の発生前に保全の必要が生じたと判断された時点で報知が行われることが所望されている。このため、設備に生じる異常の予兆を検知することが要望されている。

本開示の目的は、異常の予兆を検知するための学習済みモデルの生成方法、装置、およびプログラムを提供することである。

本開示の学習済みモデルの生成方法は、第１電極シートを供給する第１供給リールと、第２電極シートを供給する第２供給リールと、前記第１電極シート側に設けられた第１貼合ローラと、前記第２電極シート側に設けられ、前記第１貼合ローラと対となって前記第１電極シートと前記第２電極シートとを貼り合わせる第２貼合ローラと、前記貼り合わされた前記第１電極シート及び前記第２電極シートを巻き付けて所定数以上の巻回体の各々が生成される巻芯と、前記所定数以上の巻回体の各々の半径方向に沿って前記第１電極シートの第１端面及び前記第２電極シートの第２端面を読み取るセンサと、を備えた生産装置の保全のための学習済みモデルの生成方法であって、前記所定数以上の巻回体の各々が読み取られた時刻または前記巻回体が生産された時刻を示す時間情報に対応する前記第１端面の位置を表す第１データ、及び、前記時間情報に対応する前記第２端面の位置を表す第２データを前記センサから取得し、前記第１データ及び前記第２データに基づき、前記第１データが示す前記第１端面の位置の連続が、前記第２データが示す前記第２端面の位置の連続に交差していると判断された場合、前記巻回体が不良であり、前記不良の原因は前記第１供給リール、前記第２供給リール、前記第１貼合ローラ、前記第２貼合ローラ、前記巻芯または前記センサのうちいずれかである旨の情報を保全のために表示装置に出力し、前記時間情報に基づいて、前記保全前において生成され、前記読み取られた時刻または前記巻回体が生産された時刻が異なる前記所定数以上の巻回体の各々の前記第１データ及び前記第２データを抽出し、抽出した前記第１データ及び前記第２データに基づき、前記保全前に読み取られた所定数以上の巻回体の第１不良率を算出し、前記時間情報に基づいて、前記保全後において生成され、前記読み取られた時刻または前記巻回体が生産された時刻が異なる前記所定数以上の巻回体の各々の前記第１データ及び前記第２データを抽出し、抽出した前記第１データ及び前記第２データに基づき、前記保全後に読み取られた所定数以上の巻回体の第２不良率を算出し、前記第１不良率と第２不良率との第１差分が所定値未満と判断された場合、前記保全前に読み取られた前記所定数以上の巻回体の各々の前記第１データ及び前記第２データは前記学習済みモデルを生成するためには用いず、一方、前記第１差分が前記所定値以上と判断された場合、前記保全前に読み取られた前記所定数以上の巻回体の各々の前記第１データ及び前記第２データを用いて前記学習済みモデルを生成する。

本開示の学習済みモデルの生成方法は、第１電極シートを供給する第１供給リールと、第２電極シートを供給する第２供給リールと、前記第１電極シート側に設けられた第１貼合ローラと、前記第２電極シート側に設けられ、前記第１貼合ローラと対となって前記第１電極シートと前記第２電極シートとを貼り合わせる第２貼合ローラと、前記貼り合わされた前記第１電極シート及び前記第２電極シートを巻き付けて所定数以上の巻回体の各々が生成される巻芯と、前記所定数以上の巻回体の各々の半径方向に沿って前記第１電極シートの第１端面及び前記第２電極シートの第２端面を読み取るセンサと、を備えた生産装置の保全のための学習済みモデルの生成方法であって、前記所定数以上の巻回体の各々の前記半径方向に沿って読み取られた時刻または前記巻回体が生産された時刻を示す時間情報に対応する前記第１端面の位置を表す第１データ、及び、前記時間情報に対応する前記半径方向に沿って読み取られた前記第２端面の位置を表す第２データを前記センサから取得し、前記第１データ及び前記第２データに基づき、前記第１データが示す前記第１端面の位置の連続が、前記第２データが示す前記第２端面の位置の連続に交差していると判断された場合、前記巻回体が不良であり、前記不良の原因は前記第１供給リール、前記第２供給リール、前記第１貼合ローラ、前記第２貼合ローラ、前記巻芯または前記センサのうちいずれかである旨の情報を保全のために表示装置に出力し、前記時間情報に基づいて、前記保全前後のそれぞれにおいて、前記読み取られた時刻または前記巻回体が生産された時刻が異なる前記所定数以上の巻回体の各々の前記第１データ及び前記第２データを抽出し、抽出した前記第１データ及び前記第２データに基づき、前記保全後に読み取られた所定数以上の巻回体の第３不良率が所定値以上と判断された場合、前記保全前に読み取られた前記所定数以上の巻回体の各々の前記第１データ及び前記第２データは前記学習済みモデルを生成するためには用いず、一方、前記第３不良率が前記所定値未満と判断された場合、前記保全前に読み取られた前記所定数以上の巻回体の各々の前記第１データ及び前記第２データを用いて前記学習済みモデルを生成する。

本開示の学習済みモデルの生成方法は、第１電極シートを供給する第１供給リールと、第２電極シートを供給する第２供給リールと、前記第１電極シート側に設けられた第１貼合ローラと、前記第２電極シート側に設けられ、前記第１貼合ローラと対となって前記第１電極シートと前記第２電極シートとを貼り合わせる第２貼合ローラと、前記貼り合わされた前記第１電極シート及び前記第２電極シートを巻き付けて所定数以上の巻回体の各々が生成される巻芯と、前記所定数以上の巻回体の各々の半径方向に沿って前記第１電極シートの第１端面及び前記第２電極シートの第２端面を読み取るセンサと、を備えた生産装置の保全のための学習済みモデルの生成方法であって、前記所定数以上の巻回体の各々が読み取られた時刻または前記巻回体が生産された時刻を示す時間情報に対応する前記第１端面の位置を表す第１データ、及び、前記時間情報に対応する前記第２端面の位置を表す第２データを前記センサから取得し、前記第１データ及び前記第２データに基づき、前記第１データが示す前記第１端面の位置の連続が、前記第２データが示す前記第２端面の位置の連続に交差していると判断された場合、前記巻回体の不良原因が前記第１供給リール、前記第２供給リール、前記第１貼合ローラ、前記第２貼合ローラ、前記巻芯または前記センサのうちいずれかである旨を判断するための学習済みモデルを生成し、前記学習済みモデルを用いた判断に基づき、前記不良原因が前記第１供給リール、前記第２供給リール、前記第１貼合ローラ、前記第２貼合ローラ、前記巻芯または前記センサのうちいずれかである旨の情報を保全のために表示装置に出力し、前記時間情報に基づいて、前記保全前において生成され、前記読み取られた時刻または前記巻回体が生産された時刻が異なる前記所定数以上の巻回体の各々の前記第１データ及び前記第２データを前記学習済みモデルに入力して得られる前記巻回体の不良が改善される第１確率と、前記保全後において生成され、前記読み取られた時刻または前記巻回体が生産された時刻が異なる前記所定数以上の巻回体の各々の前記第１データ及び前記第２データを前記学習済みモデルに入力して得られる前記巻回体の不良が改善される第２確率との第２差分が所定値未満と判断された場合、前記保全前に読み取られた前記所定数以上の巻回体の各々の前記第１データ及び前記第２データは前記学習済みモデルを更新するためには用いず、一方、前記第２差分が前記所定値以上と判断された場合、前記保全前に読み取られた前記所定数以上の巻回体の各々の前記第１データ及び前記第２データを用いて前記学習済みモデルを更新する。

本開示の学習済みモデルの生成方法は、第１電極シートを供給する第１供給リールと、第２電極シートを供給する第２供給リールと、前記第１電極シート側に設けられた第１貼合ローラと、前記第２電極シート側に設けられ、前記第１貼合ローラと対となって前記第１電極シートと前記第２電極シートとを貼り合わせる第２貼合ローラと、前記貼り合わされた前記第１電極シート及び前記第２電極シートを巻き付けて所定数以上の巻回体の各々が生成される巻芯と、前記所定数以上の巻回体の各々の半径方向に沿って前記第１電極シートの第１端面及び前記第２電極シートの第２端面を読み取るセンサと、を備えた生産装置の保全のための学習済みモデルの生成方法であって、前記所定数以上の巻回体の各々が読み取られた時刻または前記巻回体が生産された時刻を示す時間情報に対応する前記第１端面の位置を表す第１データ、及び、前記時間情報に対応する前記第２端面の位置を表す第２データを前記センサから取得し、前記第１データ及び前記第２データに基づき、前記第１データが示す前記第１端面の位置の連続が、前記第２データが示す前記第２端面の位置の連続に交差していると判断された場合、前記巻回体の不良原因は前記第１供給リール、前記第２供給リール、前記第１貼合ローラ、前記第２貼合ローラ、前記巻芯または前記センサのうちいずれかである旨を判断するための学習済みモデルを生成し、前記学習済みモデルを用いた判断に基づき、前記不良原因が前記第１供給リール、前記第２供給リール、前記第１貼合ローラ、前記第２貼合ローラ、前記巻芯または前記センサのうちいずれかである旨の情報を保全のために表示装置に出力し、前記時間情報に基づいて、前保全後において生成され、前記読み取られた時刻または前記巻回体が生産された時刻が異なる前記所定数以上の巻回体の各々の前記第１データ及び前記第２データを前記学習済みモデルに入力して得られる前記巻回体の不良が改善される第３確率が所定値以上と判断された場合、前記保全前に読み取られた前記所定数以上の巻回体の各々の前記第１データ及び前記第２データは前記学習済みモデルを更新するためには用いず、一方、前記第３確率が前記所定値未満と判断された場合、前記保全前に読み取られた前記所定数以上の巻回体の各々の前記第１データ及び前記第２データを用いて前記学習済みモデルを更新する。

本開示の装置は、第１電極シートを供給する第１供給リールと、第２電極シートを供給する第２供給リールと、前記第１電極シート側に設けられた第１貼合ローラと、前記第２電極シート側に設けられ、前記第１貼合ローラと対となって前記第１電極シートと前記第２電極シートとを貼り合わせる第２貼合ローラと、前記貼り合わされた前記第１電極シート及び前記第２電極シートを巻き付けて所定数以上の巻回体の各々が生成される巻芯と、前記所定数以上の巻回体の半径方向に沿って前記第１電極シートの第１端面及び前記第２電極シートの第２端面を読み取るセンサと、を備えた生産装置の保全に関する情報を表示するための情報を出力する装置であって、前記所定数以上の巻回体の各々が読み取られた時刻または前記巻回体が生産された時刻を示す時間情報に対応する前記第１端面の位置を表す第１データ、及び、前記時間情報に対応する前記第２端面の位置を表す第２データを前記センサから取得し、前記第１データ及び前記第２データに基づき、前記第１データが示す前記第１端面の位置の連続が、前記第２データが示す前記第２端面の位置の連続に交差しているか否かに基づいて、前記巻回体が不良であるか否かを判定し、不良である場合には前記不良の原因は前記第１供給リール、前記第２供給リール、前記第１貼合ローラ、前記第２貼合ローラ、前記巻芯または前記センサのうちいずれかである旨の情報を保全のために表示装置に出力する報知判定部と、前記時間情報に基づいて、前記保全前において生成され、前記読み取られた時刻または前記巻回体が生産された時刻が異なる前記所定数以上の巻回体の各々の前記第１データ及び前記第２データを抽出し、抽出した前記第１データ及び前記第２データに基づき、前記保全前に読み取られた所定数以上の巻回体の第１不良率を算出し、前記時間情報に基づいて、前記保全後において生成され、前記読み取られた時刻または前記巻回体が生産された時刻が異なる前記所定数以上の巻回体の各々の前記第１データ及び前記第２データを抽出し、抽出した前記第１データ及び前記第２データに基づき、前記保全後に読み取られた所定数以上の巻回体の第２不良率を算出し、前記第１不良率と前記第前記第２不良率との第１差分が所定値未満と判断された場合の、前記保全前に読み取られた前記所定数以上の巻回体の各々の前記第１データ及び前記第２データを用いず、一方、前記第１差分が前記所定値以上と判断された場合の、前記保全前に読み取られた前記所定数以上の巻回体の各々の前記第１データ及び前記第２データを用いて学習済みモデルを生成するモデル生成部と、を備える。

本開示の装置は、第１電極シートを供給する第１供給リールと、第２電極シートを供給する第２供給リールと、前記第１電極シート側に設けられた第１貼合ローラと、前記第２電極シート側に設けられ、前記第１貼合ローラと対となって前記第１電極シートと前記第２電極シートとを貼り合わせる第２貼合ローラと、前記貼り合わされた前記第１電極シート及び前記第２電極シートを巻き付けて所定数以上の巻回体の各々が生成される巻芯と、前記所定数以上の巻回体の各々の半径方向に沿って前記第１電極シートの第１端面及び前記第２電極シートの第２端面を読み取るセンサと、を備えた生産装置の保全に関する情報を表示するための情報を出力する装置であって、前記半径方向に沿って読み取られた時刻または前記巻回体が生産された時刻を示す時間情報に対応する前記第１端面の位置を表す第１データ、及び、前記時間情報に対応する前記第２端面の位置を表す第２データを前記センサから取得し、前記第１データ及び前記第２データに基づき、前記第１データが示す前記第１端面の位置の連続が、前記第２データが示す前記第２端面の位置の連続に交差しているか否かに基づいて、前記巻回体が不良であるか否かを判定し、不良である場合には前記不良の原因は前記第１供給リール、前記第２供給リール、前記第１貼合ローラ、前記第２貼合ローラ、前記巻芯または前記センサのうちいずれかである旨の情報を保全のために表示装置に出力する報知判定部と、前記時間情報に基づいて、前記保全前後のそれぞれにおいて、前記読み取られた時刻または前記巻回体が生産された時刻が異なる前記所定数以上の巻回体の各々の前記第１データ及び前記第２データを抽出し、抽出した前記第１データ及び前記第２データに基づき、前記保全後に読み取られた所定数以上の巻回体の第３不良率が所定値以上と判断された場合の、前記保全前に読み取られた前記所定数以上の巻回体の各々の前記第１データ及び前記第２データを用いず、一方、前記第３不良率が前記所定値未満と判断された場合の、前記保全前に読み取られた前記所定数以上の巻回体の各々の前記第１データ及び前記第２データを用いて学習済みモデルを生成するモデル生成部と、を備える。

本開示の装置は、第１電極シートを供給する第１供給リールと、第２電極シートを供給する第２供給リールと、前記第１電極シート側に設けられた第１貼合ローラと、前記第２電極シート側に設けられ、前記第１貼合ローラと対となって前記第１電極シートと前記第２電極シートとを貼り合わせる第２貼合ローラと、前記貼り合わされた前記第１電極シート及び前記第２電極シートを巻き付けて所定数以上の巻回体の各々が生成される巻芯と、前記所定数以上の巻回体の各々の半径方向に沿って前記第１電極シートの第１端面及び前記第２電極シートの第２端面を読み取るセンサと、を備えた生産装置の保全に関する情報を表示するための情報を出力する装置であって、前記所定数以上の巻回体の各々が読み取られた時刻または前記巻回体が生産された時刻を示す時間情報に対応する前記第１端面の位置を表す第１データ、及び、前記時間情報に対応する前記第２端面の位置を表す第２データを前記センサから取得し、前記第１データ及び前記第２データに基づき、前記第１データが示す前記第１端面の位置の連続が、前記第２データが示す前記第２端面の位置の連続に交差しているか否かに基づいて、前記巻回体が不良であるか否かを判定し、不良である場合には不良原因が前記第１供給リール、前記第２供給リール、前記第１貼合ローラ、前記第２貼合ローラ、前記巻芯または前記センサのうちいずれかである旨を判断するための学習済みモデルを生成するモデル生成部と、前記学習済みモデルを用いた判断に基づき、前記不良原因が前記第１供給リール、前記第２供給リール、前記第１貼合ローラ、前記第２貼合ローラ、前記巻芯または前記センサのうちいずれかである旨の情報を保全のために表示装置に出力する報知判定部と、を備え、前記モデル生成部は、前記時間情報に基づいて、前記保全前において生成され、前記読み取られた時刻または前記巻回体が生産された時刻が異なる前記所定数以上の巻回体の各々の前記第１データ及び前記第２データを前記学習済みモデルに入力して得られる前記巻回体の不良が改善される第１確率と、前記保全後において生成され、前記読み取られた時刻または前記巻回体が生産された時刻が異なる前記所定数以上の巻回体の各々の前記第１データ及び前記第２データを前記学習済みモデルに入力して得られる前記巻回体の不良が改善される第２確率との第２差分が所定値未満と判断された場合、前記保全前に読み取られた前記所定数以上の巻回体の各々の前記第１データ及び前記第２データは前記学習済みモデルを更新するためには用いず、一方、前記第２差分が前記所定値以上と判断された場合、前記保全前に読み取られた前記所定数以上の巻回体の各々の前記第１データ及び前記第２データを用いて前記学習済みモデルを更新する。

本開示の装置は、第１電極シートを供給する第１供給リールと、第２電極シートを供給する第２供給リールと、前記第１電極シート側に設けられた第１貼合ローラと、前記第２電極シート側に設けられ、前記第１貼合ローラと対となって前記第１電極シートと前記第２電極シートとを貼り合わせる第２貼合ローラと、前記貼り合わされた前記第１電極シート及び前記第２電極シートを巻き付けて所定数以上の巻回体の各々が生成される巻芯と、前記所定数以上の巻回体の各々の半径方向に沿って前記第１電極シートの第１端面及び前記第２電極シートの第２端面を読み取るセンサと、を備えた生産装置の保全に関する情報を表示するための情報を出力する装置であって、前記所定数以上の巻回体の各々が読み取られた時刻または前記巻回体が生産された時刻を示す時間情報に対応する前記第１端面の位置を表す第１データ、及び、前記時間情報に対応する前記第２端面の位置を表す第２データを前記センサから取得し、前記第１データ及び前記第２データに基づき、前記第１データが示す前記第１端面の位置の連続が、前記第２データが示す前記第２端面の位置の連続に交差しているか否かに基づいて、前記巻回体が不良であるか否かを判定し、不良である場合には不良原因が前記第１供給リール、前記第２供給リール、前記第１貼合ローラ、前記第２貼合ローラ、前記巻芯または前記センサのうちいずれかである旨を判断するための学習済みモデルを生成するモデル生成部と、前記学習済みモデルを用いた判断に基づき、前記不良原因が前記第１供給リール、前記第２供給リール、前記第１貼合ローラ、前記第２貼合ローラ、前記巻芯または前記センサのうちいずれかである旨の情報を保全のために表示装置に出力する報知判定部と、を備え、前記モデル生成部は、前記時間情報に基づいて、前記保全後において生成され、前記読み取られた時刻または前記巻回体が生産された時刻が異なる前記所定数以上の巻回体の各々の前記第１データ及び前記第２データを前記学習済みモデルに入力して得られる前記巻回体の不良が改善される第３確率が所定値以上と判断された場合、前記保全前に読み取られた前記所定数以上の巻回体の各々の前記第１データ及び前記第２データは前記学習済みモデルを更新するためには用いず、一方、前記第５確率が前記所定値未満と判断された場合、前記保全前に読み取られた前記所定数以上の巻回体の各々の前記第１データ及び前記第２データを用いて前記学習済みモデルを更新する。

本開示のプログラムは、第１電極シートを供給する第１供給リールと、第２電極シートを供給する第２供給リールと、前記第１電極シート側に設けられた第１貼合ローラと、前記第２電極シート側に設けられ、前記第１貼合ローラと対となって前記第１電極シートと前記第２電極シートとを貼り合わせる第２貼合ローラと、前記貼り合わされた前記第１電極シート及び前記第２電極シートを巻き付けて所定数以上の巻回体の各々が生成される巻芯と、前記所定数以上の巻回体の各々の半径方向に沿って前記第１電極シートの第１端面及び前記第２電極シートの第２端面を読み取るセンサと、を備えた生産装置の保全のための学習済みモデルを生成するコンピュータが実行するプログラムであって、前記所定数以上の巻回体の各々が読み取られた時刻または前記巻回体が生産された時刻を示す時間情報に対応する前記第１端面の位置を表す第１データ、及び、前記時間情報に対応する前記第２端面の位置を表す第２データを前記センサから取得する手順と、前記第１データ及び前記第２データに基づき、前記第１データが示す前記第１端面の位置の連続が、前記第２データが示す前記第２端面の位置の連続に交差していると判断された場合、前記巻回体が不良であり、前記不良の原因は前記第１供給リール、前記第２供給リール、前記第１貼合ローラ、前記第２貼合ローラ、前記巻芯または前記センサのうちいずれかである旨の情報を保全のために表示装置に出力する手順と、前記時間情報に基づいて、前記保全前において生成され、前記読み取られた時刻または前記巻回体が生産された時刻が異なる前記所定数以上の巻回体の各々の前記第１データ及び前記第２データを抽出し、抽出した前記第１データ及び前記第２データに基づき、前記保全前に読み取られた所定数以上の巻回体の第１不良率を算出する手順と、前記時間情報に基づいて、前記保全後において生成され、前記読み取られた時刻または前記巻回体が生産された時刻が異なる前記所定数以上の巻回体の各々の前記第１データ及び前記第２データを抽出し、抽出した前記第１データ及び前記第２データに基づき、前記保全後に読み取られた所定数以上の巻回体の第２不良率を算出する手順と、前記第１不良率と前記第２不良率との第１差分が所定値未満と判断された場合、前記保全前に読み取られた前記所定数以上の巻回体の各々の前記第１データ及び前記第２データは前記学習済みモデルを生成するためには用いず、一方、前記第１差分が前記所定値以上と判断された場合、前記保全前に読み取られた前記所定数以上の巻回体の各々の前記第１データ及び前記第２データを用いて前記学習済みモデルを生成する手順と、を前記コンピュータに実行させる。

本開示のプログラムは、第１電極シートを供給する第１供給リールと、第２電極シートを供給する第２供給リールと、前記第１電極シート側に設けられた第１貼合ローラと、前記第２電極シート側に設けられ、前記第１貼合ローラと対となって前記第１電極シートと前記第２電極シートとを貼り合わせる第２貼合ローラと、前記貼り合わされた前記第１電極シート及び前記第２電極シートを巻き付けて所定数以上の巻回体の各々が生成される巻芯と、前記所定数以上の巻回体の各々の半径方向に沿って前記第１電極シートの第１端面及び前記第２電極シートの第２端面を読み取るセンサと、を備えた生産装置の保全のための学習済みモデルを生成するコンピュータが実行するプログラムであって、前記所定数以上の巻回体の各々の前記半径方向に沿って読み取られた時刻または前記巻回体が生産された時刻を示す時間情報に対応する前記第１端面の位置を表す第１データ、及び、前記時間情報に対応する前記第２端面の位置を表す第２データを前記センサから取得する手順と、前記第１データ及び前記第２データに基づき、前記第１データが示す前記第１端面の位置の連続が、前記第２データが示す前記第２端面の位置の連続に交差していると判断された場合、前記巻回体が不良であり、前記不良の原因は前記第１供給リール、前記第２供給リール、前記第１貼合ローラ、前記第２貼合ローラ、前記巻芯または前記センサのうちいずれかである旨の情報を保全のために表示装置に出力する手順と、前記時間情報に基づいて、前記保全前後のそれぞれにおいて、前記読み取られた時刻または前記巻回体が生産された時刻が異なる前記所定数以上の巻回体の各々の前記第１データ及び前記第２データを抽出し、抽出した前記第１データ及び前記第２データに基づき、前記保全後に読み取られた所定数以上の巻回体の第３不良率が所定値以上と判断された場合、前記保全前に読み取られた前記所定数以上の巻回体の各々の前記第１データ及び前記第２データは前記学習済みモデルを生成するためには用いず、一方、前記第３不良率が前記所定値未満と判断された場合、前記保全前に読み取られた前記所定数以上の巻回体の各々の前記第１データ及び前記第２データを用いて前記学習済みモデルを生成する手順と、を前記コンピュータに実行させる。

本開示のプログラムは、第１電極シートを供給する第１供給リールと、第２電極シートを供給する第２供給リールと、前記第１電極シート側に設けられた第１貼合ローラと、前記第２電極シート側に設けられ、前記第１貼合ローラと対となって前記第１電極シートと前記第２電極シートとを貼り合わせる第２貼合ローラと、前記貼り合わされた前記第１電極シート及び前記第２電極シートを巻き付けて所定数以上の巻回体の各々が生成される巻芯と、前記所定数以上の巻回体の各々の半径方向に沿って前記第１電極シートの第１端面及び前記第２電極シートの第２端面を読み取るセンサと、を備えた生産装置の保全のための学習済みモデルを生成するコンピュータが実行するプログラムであって、前記所定数以上の巻回体の各々が読み取られた時刻または前記巻回体が生産された時刻を示す時間情報に対応する前記第１端面の位置を表す第１データ、及び、前記時間情報に対応する前記第２端面の位置を表す第２データを前記センサから取得する手順と、前記第１データ及び前記第２データに基づき、前記第１データが示す前記第１端面の位置の連続が、前記第２データが示す前記第２端面の位置の連続に交差していると判断された場合、前記巻回体の不良原因が前記第１供給リール、前記第２供給リール、前記第１貼合ローラ、前記第２貼合ローラ、前記巻芯または前記センサのうちいずれかである旨を判断するための学習済みモデルを生成する手順と、前記学習済みモデルを用いた判断に基づき、前記不良原因が前記第１供給リール、前記第２供給リール、前記第１貼合ローラ、前記第２貼合ローラ、前記巻芯または前記センサのうちいずれかである旨の情報を保全のために表示装置に出力する手順と、前記時間情報に基づいて、前記保全前において生成され、前記読み取られた時刻または前記巻回体が生産された時刻が異なる前記所定数以上の巻回体の各々の前記第１データ及び前記第２データを前記学習済みモデルに入力して得られる前記巻回体の不良が改善される第１確率と、前記保全後において生成され、前記読み取られた時刻または前記巻回体が生産された時刻が異なる前記所定数以上の巻回体の各々の前記第１データ及び前記第２データを前記学習済みモデルに入力して得られる前記巻回体の不良が改善される第２確率との第２差分が所定値未満と判断された場合、前記保全前に読み取られた前記所定数以上の巻回体の各々の前記第１データ及び前記第２データは前記学習済みモデルを更新するためには用いず、一方、前記第２差分が前記所定値以上と判断された場合、前記保全前に読み取られた前記所定数以上の巻回体の各々の前記第１データ及び前記第２データを用いて前記学習済みモデルを更新する手順と、を前記コンピュータに実行させる。

本開示のプログラムは、第１電極シートを供給する第１供給リールと、第２電極シートを供給する第２供給リールと、前記第１電極シート側に設けられた第１貼合ローラと、前記第２電極シート側に設けられ、前記第１貼合ローラと対となって前記第１電極シートと前記第２電極シートとを貼り合わせる第２貼合ローラと、前記貼り合わされた前記第１電極シート及び前記第２電極シートを巻き付けて所定数以上の巻回体の各々が生成される巻芯と、前記所定数以上の巻回体の各々の半径方向に沿って前記第１電極シートの第１端面及び前記第２電極シートの第２端面を読み取るセンサと、を備えた生産装置の保全のための学習済みモデルを生成するコンピュータが実行するプログラムであって、前記所定数以上の巻回体の各々が読み取られた時刻または前記巻回体が生産された時刻を示す時間情報に対応する前記第１端面の位置を表す第１データ、及び、前記時間情報に対応する前記第２端面の位置を表す第２データを前記センサから取得する手順と、前記第１データ及び前記第２データに基づき、前記第１データが示す前記第１端面の位置の連続が、前記第２データが示す前記第２端面の位置の連続に交差していると判断された場合、前記巻回体の不良原因が前記第１供給リール、前記第２供給リール、前記第１貼合ローラ、前記第２貼合ローラ、前記巻芯または前記センサのうちいずれかである旨を判断するための学習済みモデルを生成する手順と、前記学習済みモデルを用いた判断に基づき、前記不良原因が前記第１供給リール、前記第２供給リール、前記第１貼合ローラ、前記第２貼合ローラ、前記巻芯または前記センサのうちいずれかである旨の情報を保全のために表示装置に出力する手順と、前記時間情報に基づいて、前記保全後において生成され、前記読み取られた時刻または前記巻回体が生産された時刻が異なる前記所定数以上の巻回体の各々の前記第１データ及び前記第２データを前記学習済みモデルに入力して得られる前記巻回体の不良が改善される第３確率が所定値以上と判断された場合、前記保全前に読み取られた前記所定数以上の巻回体の各々の前記第１データ及び前記第２データは前記学習済みモデルを更新するためには用いず、一方、前記第３確率が前記所定値未満と判断された場合、前記保全前に読み取られた前記所定数以上の巻回体の各々の前記第１データ及び前記第２データを用いて前記学習済みモデルを更新する手順と、を前記コンピュータに実行させる。

本開示によれば、設備において、異常の予兆を検知することができる。

保全表示装置と、保全表示装置が適用される生産装置と、を含むネットワーク図保全表示装置の全体の処理工程について説明するためのフローチャート生産装置において巻回体を生産する巻回部の構成を例示した図巻回部において生産される巻回体を例示した斜視図検査機が巻回体を検査する様子を例示した模式図巻回体の半径方向に沿った断面形状を例示した模式図図４Ｂに示す巻回体の断面を検査機が走査して生成した画像を例示した図巻回体の断面形状と、形状データとの対応を示した模式図第１の実施の形態に係る保全表示装置の機能構成を例示したブロック図生産実績データについて例示した図生産実績データについて例示した図保全実績データについて例示した図保全表示装置における処理の全体の流れを概略的に説明するシーケンス図保全表示装置における処理の全体の流れを概略的に説明するシーケンス図学習処理において、保全効果判定部が実行する処理について説明するためのフローチャート学習処理における保全作業の効果を判定する様子を説明するための概念図学習処理における保全作業の効果を判定する様子を説明するための概念図学習処理における保全作業の効果を判定する様子を説明するための概念図学習処理における保全作業の効果を判定する様子を説明するための概念図学習処理において、設備状態診断モデル生成部が実行する処理について説明するためのフローチャート識別処理において、設備状態診断部が実行する処理について説明するためのフローチャート識別処理において、報知判定部が実行する処理を説明するためのフローチャート保全案リストの具体例を示す図更新処理において、保全効果判定部が実行する処理について説明するためのフローチャート更新処理における保全作業の効果を判定する様子を説明するための概念図更新処理における保全作業の効果を判定する様子を説明するための概念図更新処理において、設備状態診断モデル生成部が実行する処理について説明するためのフローチャート第２の実施の形態に係る保全表示装置の構成を例示した図第２の実施の形態において、保全効果判定部が実行する処理について説明するためのフローチャート第３の実施の形態に係る保全表示装置の構成を例示した図第３の実施の形態において、設備状態診断モデル生成部が行う処理について説明するためのフローチャート第３の実施の形態における、報知判定部が行う処理について説明するためのフローチャート学習処理における、保全効果判定部による保全作業の効果の有無の判定方法の変形例を説明するための図学習処理における、保全効果判定部による保全作業の効果の有無の判定方法の変形例を説明するための図更新処理における、保全効果判定部による保全作業の効果の有無の判定方法の変形例を説明するための図更新処理における、保全効果判定部による保全作業の効果の有無の判定方法の変形例を説明するための図

以下、本開示の各実施の形態について図面を参照して詳細に説明する。ただし、必要以上に詳細な説明、例えば、既によく知られた事項の詳細説明や実質的に同一の構成に対する重複説明等は省略する場合がある。

なお、以下の説明および参照される図面は、当業者が本開示を理解するために提供されるものであって、本開示の請求の範囲を限定するためのものではない。

（第１の実施の形態）
＜保全表示装置１００および生産装置２００＞
図１は、本発明の第１の実施の形態に係る保全表示装置１００と、保全表示装置１００が適用される生産装置２００と、を含むネットワーク図である。本実施の形態において説明する保全表示装置１００は、リチウムイオン二次電池を生産するための生産装置２００の保全表示を行う装置である。図１に示す例では、保全表示装置１００は１つの生産装置２００に対して適用されているが、本発明はこれに限定されず、１つの保全表示装置が複数の生産装置に対して適用されてもよい。また、本実施の形態において、保全表示装置１００は装置として説明されるが、本発明はこれに限定されず、個々の構成がネットワークを介して接続された保全表示システムであってもよい。

保全表示装置１００は、記憶部１１０および制御部１２０を有するサーバ１０、および、報知部１３０を備える。サーバ１０は、ネットワークＮＴを介して生産装置２００と通信可能に接続されている。ネットワークＮＴは、例えばインターネット等の公衆ネットワーク、または、例えば社内ＬＡＮ（Local Area Network）等のローカルなネットワークである。

サーバ１０は、例えば汎用のコンピュータであり、図１に示すように記憶部１１０および制御部１２０を有する。

記憶部１１０は、例えばＲＯＭ（Read Only Memory）やＲＡＭ（Random Access Memory）等の主記憶装置（図示せず）、および／または例えばＨＤＤ（Hard Disk Drive）、ＳＳＤ（Solid State Drive）、フラッシュメモリ等の補助記憶装置（図示せず）を含む。

制御部１２０は、例えばＣＰＵ（Central Processing Unit）等のハードウェアプロセッサ（図示せず）であり、記憶部１１０に記憶されたプログラムを展開して実行することで、保全表示装置１００全体の制御を行う。

記憶部１１０および制御部１２０は一体のコンピュータとして構成されていなくともよい。すなわち、記憶部１１０および制御部１２０は、互いに通信可能に構成されていれば、互いに別体に構成され、離れた位置に配置されていてもよい。また、保全表示装置１００は、図１に図示しない操作部を有し、外部からの操作入力を受け付けてもよい。記憶部１１０および制御部１２０の詳細については後述する。

報知部１３０は、図１に示す例では、生産装置２００に含まれており、サーバ１０とネットワークＮＴを介して接続されている。報知部１３０は、制御部１２０の制御に基づいて、保全表示装置１００のユーザに対する報知を行う。なお、本実施の形態において、保全表示装置１００のユーザとは、保全表示装置１００の管理者、または、生産装置２００を用いて巻回体（後述の図３Ｂを参照）の生産を行う作業者等を含む。

図１に示すように、報知部１３０は、警報部１３１、および表示部１３２を有する。警報部１３１は、例えばブザーやランプ等、音や光等によりユーザに対して警報を発する構成である。表示部１３２は、例えば液晶ディスプレイや有機ＥＬディスプレイ等の表示デバイスであり、警告の内容を表示する構成である。なお、報知部１３０は、警報部１３１および表示部１３２以外にも、例えばあらかじめ登録されたユーザのメールアドレスに対して警告の内容を含むメールを送信する送信部等を含んでいてもよい。

生産装置２００は、本実施の形態においては、リチウムイオン二次電池の生産装置である。図１に示すように、生産装置２００は、巻回部２０１および検査機２０７を有する。巻回部２０１は、詳細は後述するが、正極シートおよび負極シートを巻き取って巻回体を生産する。検査機２０７は、巻回部２０１が生産した巻回体の検査を行う。

なお、図１に示す例では、報知部１３０は生産装置２００に含まれているが、本発明はこれに限定されず、報知部１３０は生産装置２００の外部に設置されてもよい。また、図１に示す例では、報知部１３０はネットワークＮＴを介してサーバ１０に接続されているが、本発明はこれに限定されず、サーバ１０と報知部１３０とはネットワークＮＴを介さずに直接接続されていてもよい。

また、本実施の形態では、生産装置２００がリチウムイオン二次電池の生産装置である場合について説明を行うが、本発明はこれに限定されない。本発明の保全表示装置はリチウムイオン二次電池の生産装置以外の生産設備に適用されてもよい。さらに、本発明の保全表示装置は生産設備以外の種々の設備に適用されてもよい。

図２は、保全表示装置１００の全体の処理工程について説明するためのフローチャートである。

ステップＳ１において、制御部１２０は、生産装置２００の巻回部２０１に巻回体を生産させる。

ステップＳ２において、制御部１２０は、検査機２０７に、生産された巻回体の検査を行わせる。検査機２０７による巻回体の検査の詳細については後述する。

ステップＳ３において、制御部１２０は、検査機２０７による検査結果を記憶部１１０に記憶させる。これとともに、ステップＳ４において、制御部１２０は、検査機２０７による検査の結果、巻回体が不良品であるか否かを判定する。不良品ではないと判定した場合（ステップＳ４：ＮＯ）、制御部１２０は、処理をステップＳ５に進め、不良品であると判定した場合（ステップＳ４：ＹＥＳ）、処理をステップＳ６に進める。

不良品ではないと判定された場合、ステップＳ５において、制御部１２０は、生産装置２００に、当該巻回体を次工程へと供給させる。

不良品であると判定された場合、ステップＳ６において、制御部１２０は、報知部１３０により、不良品を検知したことを報知する。報知部１３０による報知についての詳細は、後述する。

ステップＳ７において、制御部１２０は、生産装置２００に、不良品と判定された巻回体を廃棄させる。

なお、図２に示すフローチャートのステップＳ５およびステップＳ７において、制御部１２０は、巻回体の次工程への供給、または巻回体の廃棄を、生産装置２００に実行させているが、本発明はこれに限定されない。例えば報知部１３０を介して、保全表示装置１００のユーザに対して、巻回体の次工程への供給、または巻回体の廃棄を行わせるような報知を行うことで、ユーザに供給または廃棄を行わせるようにしてもよい。

次に、生産装置２００の巻回部２０１及び検査機２０７について詳細に説明する。

＜巻回部２０１＞
図３Ａは、巻回部２０１及び検査機２０７の構成を例示した図である。

図３Ａに示すように、巻回部２０１は、第１供給リール５０、第２供給リール５１、第１貼合ローラ２０５Ａ、第２貼合ローラ２０５Ｂ、巻芯２０６、巻芯回転駆動部２０６Ｍ、検査機２０７、インデックステーブル２０８、切断部２０９、押さえ部２１０、タブ溶接部２１１、テープ貼り部２１２、及びシリンダ２１３、を有する。巻回部２０１は、第１供給リール５０から供給される第１シート材２０２と第２供給リール５１から供給される第２シート材２０３とを第１貼合ローラ２０５Ａおよび第２貼合ローラ２０５Ｂによって貼り合わせ、巻芯２０６に巻き取ることで、巻回体２０４を生産する装置である。巻芯回転駆動部２０６Ｍは、巻芯２０６を所望の回転速度で駆動させる。

第１シート材２０２は、例えば正極材料が塗布されたシート状の部材（正極シート）であり、第２シート材２０３は、例えば負極材料が塗布されたシート状の部材（負極シート）である。第１シート材２０２は、本発明の第１電極シートの一例であり、第２シート材２０３は、本発明の第２電極シートの一例である。なお、上述した例では、第１シート材２０２が正極シート材であり、第２シート材２０３が負極シート材であったが、本発明はこれに限定されず、第１シート材２０２が負極シート材、第２シート材２０３が正極シート材であってもよい。

インデックステーブル２０８は、所定の角度毎にステップ回転しながら巻芯２０６のそれぞれを円軌道に沿って回転させる。これにより、３つの巻芯２０６（２０６α、２０６β、２０６γ）のうち１つが巻取位置に配置される。巻取位置とは、巻芯回転駆動部２０６Ｍによって巻芯２０６が回転可能となる位置である。

なお、図３Ａに示す例ではインデックステーブル２０８が３つの巻芯を順次切り替える構成について示したが、本発明はこれに限定されず、インデックステーブル２０８により保持される巻芯２０６の数は２つ以上であればいくつでもよい。

切断部２０９は、１つの巻芯２０６における巻き取りが完了した際に、第１シート材２０２及び第２シート材２０３を切断する。この際、押さえ部２１０が巻芯２０６に巻かれた巻回体２０４を押さえ、切断された第１シート材２０２及び第２シート材２０３の末端部のばたつきを押さえる。図３Ａに示す例では、切断部２０９は第１シート材２０２及び第２シート材２０３が貼り合わせられる前に切断する位置に配置されているが、第１シート材２０２及び第２シート材２０３が貼り合わせられた後に切断する位置に配置されていてもよい。

タブ溶接部２１１は、第１シート材２０２に対して集電タブを溶接する。テープ貼り部２１２は、巻芯２０６における巻き取り完了後に切断部２０９によって切断したとき、巻回体２０４がばらけないようにテープで留める。シリンダ２１３は、第２貼合ローラ２０５Ｂを介して第１シート材２０２及び第２シート材２０３へ掛かる張力を調節する。

図３Ｂは、巻回部２０１において生産される巻回体２０４を例示した斜視図である。図３Ｂでは、巻回体２０４を構成する第１シート材２０２および第２シート材２０３の終端部（切断部２０９によって切断された端部）が巻き取られていない様子が示されている。図３Ｂに示すように、第１シート材２０２よりも第２シート材２０３の方が、幅（巻回体２０４の軸方向に沿った長さ）が大きく形成されている。

＜検査機２０７＞
検査機２０７は、生産された巻回体２０４の検査を行う。検査機２０７は、例えばＳＳ−ＯＣＴ（Swept Source-Optical Coherence Tomography）装置である。検査機２０７は、本発明のセンサの一例である。

図４Ａは、検査機２０７が巻回体２０４を検査する様子を例示した模式図である。図４Ａに示すように、検査機２０７は、検査対象の巻回体２０４に照射する光Ｌを巻回体２０４の径方向内側から外側に向かって移動させて走査し、光Ｌの干渉性を利用して巻回体２０４の内部構造の形状を示す画像（形状データ）を生成する。

図４Ｂは、巻回体２０４の半径方向に沿った断面形状を例示した模式図である。また、図４Ｃは、図４Ｂに示す巻回体２０４の断面を検査機２０７が走査して生成した形状データＩを例示した図である。図４Ｂおよび図４Ｃにおいて、上下方向が巻回体２０４の軸方向に、左右方向が巻回体２０４の半径方向に、それぞれ対応している。

図４Ｂに示すように、巻回体２０４の半径方向に沿った断面では、第１シート材２０２と、第１シート材２０２より幅が大きい第２シート材２０３と、が交互に積層されている。検査機２０７は、巻回体２０４の半径方向における、第１シート材２０２の軸方向に沿った両端部、および第２シート材２０３の軸方向に沿った両端部の位置を抽出して画像化する。図４Ｃに示す例（形状データＩ）では、菱形（◆）が第１シート材２０２の両端部の位置を示す第１データに、黒丸（●）が第２シート材２０３の両端部の位置を示す第２データに、それぞれ対応している。

巻回部２０１における巻回体２０４の生産時に、不良品が発生することがある。検査機２０７は、上述したように巻回体２０４の半径方向に沿った断面形状を示す形状データを生成し、形状データとして記憶部１１０に記憶させる。また、形状データに基づいて判定された検査結果も同様に記憶部１１０に記憶させる。なお、形状データに基づく判定は、検査機２０７が行ってもよいし、図１に示す制御部１２０が行ってもよいし、図１または図３Ａに図示しない他の構成が行ってもよい。

図５は、巻回体２０４の断面形状と、形状データとの対応を示した模式図である。図５の上段には、巻回体２０４の断面図が例示されている。図５に示す例では、右側へ行くほど第１シート材２０２のずれが大きくなっている。

図５の下段には、図５の上段に例示した巻回体２０４の断面形状のそれぞれに基づいて生成される形状データＩ１〜Ｉ６が例示されている。

第１シート材２０２のずれが大きい場合、形状データＩ５およびＩ６のように、第１データが示す第１シート材２０２の上端面（本発明の第１端面）の位置の連続が、第２データが示す第２シート材２０３の上端面（本発明の第２端面）の位置の連続と交差してしまうことがある。言い換えると、第１データが示す第１シート材２０２の上端面（本発明の第１端面）の複数の位置を結ぶ第１仮想線が、第２データが示す第２シート材２０３の上端面（本発明の第２端面）の複数の位置を結ぶ第２仮想線と交差してしまうことがある。このように、第１シート材２０２の上端面の位置の連続と第２シート材２０３の上端面の位置の連続とが交差するような断面形状を有する巻回体２０４は、検査機２０７により、検査結果として「不良」と判定される。

図５において、形状データＩ３およびＩ４は、第１シート材２０２の位置がずれてはいるものの、第１シート材２０２の上端面の位置の連続が第２シート材２０３の上端面の位置の連続と交差していない。このような断面形状を有する巻回体２０４は、検査機２０７により、検査結果として「可」と判定される。

図５に示す形状データＩ１およびＩ２は、形状データＩ３〜Ｉ６と比較して第１シート材２０２の位置のずれ量が小さい。このような断面形状を有する巻回体２０４は、検査機２０７により、検査結果として「良」と判定される。

図２に示したフローチャートのステップＳ４において、巻回体２０４が不良品であるか否かの判定を行っていたが、当該ステップの判定において、不良品と判定されるのは、検査結果が「不良」である巻回体２０４である。一方、当該ステップの判定において、検査結果が「良」、または「可」である巻回体２０４は、不良品ではないと判定される。

このように、第１データが示す上端面の位置の連続が、第２データが示す上端面の位置の連続に交差している場合、巻回体２０４は不良であると判定される。このような巻回体２０４の不良は、図３Ａに示した巻回部２０１の各構成の不具合が原因となって生じる。具体的には、第１供給リール５０、第２供給リール５１、第１貼合ローラ２０５Ａ、第２貼合ローラ２０５Ｂ、巻芯２０６、検査機２０７、切断部２０９、押さえ部２１０、タブ溶接部２１１、テープ貼り部２１２、及びシリンダ２１３のうちの少なくとも１つが原因となって、このようなずれが生じうる。

経験的に、巻回部２０１のどの構成の不具合が原因で巻回体２０４に不良が生じているかによって、検査機２０７によって得られる形状データに微妙な違いが生じることが分かっている。図５に示す例では形状データそれぞれの違いを誇張して示しているが、実際には違いは微小であり、人の目で見て違いが生じているか否かを判別することは困難である。このため、複数の形状データを人が目で見て、巻回部２０１のどの構成に不具合が生じているかを判断することは不可能に近い。

本発明の実施の形態に係る保全表示装置１００では、大量の形状データを収集し、これに基づいて機械学習を行うことで、巻回部２０１のどの構成に不具合が生じている可能性が高いかを判定し、その結果に基づいて保全が推奨される構成を報知する。これにより、実際に巻回体２０４に異常が生じる前の予兆の段階で、保全されるべき構成を保全することが期待される。以下では、本発明の実施の形態に係る保全表示装置１００が行う各種処理について、詳細に説明する。

なお、図５に示す例では、第１シート材２０２と第２シート材２０３のそれぞれ上端面の位置の連続により形成される線（第１仮想線および第２仮想線）が交差するか否かによって「良」、「可」、「不良」が判定されていた。しかしながら本発明はこれに限定されず、例えば下端面の位置の連続が交差するか否かによって「良」、「可」、「不良」が判定されてもよい。

また、本明細書では、説明をわかりやすくするため、図５に示したように、時間の経過によって第１シート材２０２が第２シート材２０３に対してずれていく、という巻回体２０４の不良について説明するが、本発明における巻回体の不良は、これに限定されない。巻回体の不良には、第１シート材のずれだけではなく、第２シート材のずれや、第１シート材及び第２シート材の両方が同時にずれるような場合も含まれる。また、図５に例示したように、第１シートの上端部の位置の連続が斜めに傾斜するようなずれだけではなく、波打ったり、一部のみ連続した位置から外れたりするようなずれも含まれる。さらに、形状データにおいて、第１シート材または第２シート材の上端部または下端部の位置が得られなくなるような不良も含まれる。

＜保全表示装置１００＞
次に、上述した生産装置２００の保全作業を表示する保全表示装置１００の機能構成と動作について詳細に説明する。なお、本実施の形態における保全作業とは、生産装置２００に対して、各構成の調整や部品交換等を適宜行うことで、生産装置２００から生産される巻回体２０４に不良が生じないようにする作業を意味する。保全作業は、生産装置２００を実地で取り扱う作業員等によって行われる。

＜記憶部１１０＞
図６は、第１の実施の形態に係る保全表示装置１００の機能構成を例示したブロック図である。上述したように、保全表示装置１００は、記憶部１１０、制御部１２０および報知部１３０を有する（図１参照）。

図６に示すように、記憶部１１０は、生産実績データベース１１１、設備状態診断モデルデータベース１１２、および保全実績データベース１１３を有する。

生産実績データベース１１１は、生産装置２００の生産実績に関する生産実績データが登録されたデータベースである。生産実績データには、生産された巻回体２０４の生産日時と、巻回体２０４の形状データとが含まれる。

図７Ａおよび図７Ｂは、生産実績データＰＤについて例示した図である。図７Ａには、生産実績データＰＤの一部がテーブル形式で示されている。図７Ａに示すように、生産実績データＰＤは、「生産日時（読取日時）」、「設備」、「検査結果」、「第１シート材」、「第２シート材」、「形状データＩＤ」等の各データを含む。

「生産日時（読取日時）」データは、巻回体２０４が生産された生産日時、及び検査機２０７によって検査され形状データが読み取られた日時（読取日時）に関するデータである。生産日時と読取日時は同じであっても異なってもよく、また、生産実績データＰＤにいずれが含まれていてもよい。「生産日時（読取日時）」データは、本発明の時間情報の一例である。「設備」データは、生産装置２００が複数存在する場合に、生産実績をあげた設備を識別するためのデータである。図７Ａでは例として、互いに異なる生産装置２００の識別子である「Ａ」、「Ｂ」、「Ｃ」が示されている。

「検査結果」データは、生産装置２００において生産された巻回体２０４の検査結果（図５参照）を示すデータである。図７Ａでは、例として「良」、「可」、「不良」の３段階の検査結果が示されている。

「第１シート材」データおよび「第２シート材」データは、巻回体２０４を生産するために使用される材料に関するデータである。「第１シート材」データおよび「第２シート材」データとしては、それぞれの材料を識別するための識別子が記憶されている。

「形状データＩＤ」は、巻回体２０４の断面形状を示す形状データ（図５参照）に対応付けられた識別番号である。図７Ｂには、形状データＩＤと形状データとの対応関係が例示されている。

このような生産実績データＰＤのうち、形状データを除く各データは、例えば生産装置２００において巻回体２０４が生産される度に、自動で、もしくは作業員の手によって入力され、生産実績データベース１１１に登録される。形状データは、生産された巻回体２０４が検査機２０７（図１または図４Ａを参照）によって検査された際に生成され、形状データＩＤと対応付けられて登録される。すなわち、生産実績データＰＤには、巻回体２０４の形状データが実質的に含まれている。これにより、生産実績データベース１１１には、巻回体２０４が生産される度に、生産された巻回体２０４の生産実績データＰＤが登録されることになる。

設備状態診断モデルデータベース１１２は、複数の設備状態診断モデルＭが登録されたデータベースである。設備状態診断モデルＭとは、生産装置２００に対して保全作業が必要であるか否かを診断するために使用される、診断の基準となる学習済みモデルである。設備状態診断モデルＭは、不良品が生産されていた生産装置２００が、保全作業により改善された（不良品の生産割合が下がった）場合に、どのような不良に対してどのような保全作業が有効であるかが学習された学習済みモデルである。より具体的には、設備状態診断モデルＭは、複数の不良品を含む巻回体の形状データと、その不良品の不良を改善するために行われた保全作業の内容と、を含むデータの集合体である。設備状態診断モデルＭは、後述の設備状態診断モデル生成部１２４により生成される。

設備状態診断モデルＭは、その保全作業によってそれ以後の巻回体の生産時に不良品の生産割合が下がった保全作業毎に生成される。すなわち、例えば、昨日行われた保全作業に係る設備状態診断モデルＭと、本日行われた保全作業に係る設備状態診断モデルＭとは、それぞれ独立に生成される。

また、設備状態診断モデルＭの形式は、特に限定されないが、より診断精度を向上させるために、ニューラルネットワークモデル等の機械学習モデルが採用されることが望ましい。設備状態診断モデルＭに採用されるモデルの選択は、保全表示装置１００のユーザにより図示しない操作部等を介して行われてもよいし、設備状態診断モデル生成部１２４によりおこなわれてもよい。

保全実績データベース１１３は、生産装置２００に対して実際に行われた保全作業に関する保全実績データＭＤが登録されたデータベースである。保全実績データＭＤには、例えば生産装置２００を識別するための設備データ、保全作業が行われた日時（保全日時）に関するデータ、行われた保全作業の内容を示すデータ等が含まれる。例えば数分の短い時間で終了する保全作業の場合、保全日時は保全作業の開始時刻でも終了時刻でもよい。また保全作業が例えば数時間と長くかかる場合、保全日時は保全作業の中央時刻とすることが好ましい。図８は、保全実績データＭＤについて例示した図である。保全実績データＭＤは、保全作業が実行された直後に、例えば生産装置２００の保全作業を実際に行った作業員等の手によって、図１に図示しない操作部等を介して保全表示装置１００に入力される。

＜制御部１２０＞
図６に示すように、制御部１２０は、設備状態診断部１２１、報知判定部１２２、保全効果判定部１２３、設備状態診断モデル生成部１２４、を有する。

設備状態診断部１２１は、生産装置２００において新たに生産された巻回体２０４の形状データ、および設備状態診断モデルＭを用いて、生産装置２００の状態を診断する。診断結果は、新たに生産された巻回体２０４の形状データと、設備状態診断モデルＭに含まれる過去の形状データと、が一致する度合いを示す一致度Ｃとして算出される。ここで、設備状態診断モデルＭには、保全作業の内容とその保全作業が行われた時点より前の形状データとが含まれる。従って、一致度Ｃは、過去に設備状態診断モデルＭに含まれる形状データを有する巻回体２０４の不良が発生した場合に、設備状態診断モデルＭに含まれる保全作業を行ったことにより、巻回体２０４の不良が低減した度合いを示す値である。言い換えると、新たに生産された巻回体２０４の形状データと設備状態診断モデルＭに含まれる形状データとの一致度Ｃは、設備状態診断モデルＭに含まれる保全を行うことにより巻回体２０４の不良が改善される確率を示している。

報知判定部１２２は、一致度Ｃに基づいて、生産装置２００の保全作業に関する報知を行うか否かを判定する。報知判定部１２２は、一致度Ｃが所定の閾値以上である場合に、保全作業を行うべき旨の報知を行うと判定し、一致度Ｃが所定の閾値未満である場合には、報知を行わないと判定する。保全作業に関する報知には、ユーザの注意を引くための警報や、行うことにより効果が見込める保全作業の内容を知らせる表示等が含まれる。

保全効果判定部１２３は、生産装置２００に対する保全作業による効果の有無を判定する。保全効果判定部１２３は、例えば保全作業前と後との不良率（生産総数に対する不良品の割合）、もしくは、保全作業前と後との巻回体２０４の形状データ（図５参照）に基づいて、保全作業による効果の有無を判定する。

設備状態診断モデル生成部１２４は、効果ありと判定された保全実績データＭＤと、当該保全作業が行われる前に生産された不良品の形状データと、に基づいて、設備状態診断モデルＭを生成する。設備状態診断モデル生成部１２４が生成した設備状態診断モデルＭは、上述の設備状態診断モデルデータベース１１２に登録される。

＜保全表示装置１００における処理の全体の流れ＞
次に、図９および図１０を参照して、図６に示す機能構成を有する保全表示装置１００における処理の全体の流れについて説明する。図９および図１０は、保全表示装置１００における処理の全体の流れを概略的に説明するシーケンス図である。

図９には、保全表示装置１００における学習処理、および学習処理で生成された学習済みモデルを用いた識別処理の概略が示されている。

［学習処理］
保全表示装置１００における学習処理は、生産装置２００によって不良品が生産された場合に、どのような形状データの不良品が、どのような保全作業によって改善されたか、が学習された学習済みモデル（設備状態診断モデルＭ）を生成するための処理である。従って、学習処理は、その開始前に保全作業が行われていることが前提となっている。

ステップＳ１１において、保全効果判定部１２３は、学習処理の開始前に行われた保全作業よりさらに前に生産された複数の巻回体２０４の生産実績データＰＤ（図７参照）に含まれる形状データ（図５参照）を取得し、これに基づいて保全作業前の不良率Ｎｆ_{ｂｅｆｏｒｅ}を算出する。不良率Ｎｆ_{ｂｅｆｏｒｅ}は、例えば保全作業前に製造された巻回体２０４のうち、不良と判定された巻回体２０４の数を、保全作業前の生産総数で除して算出される。不良率Ｎｆ_{ｂｅｆｏｒｅ}は、本発明の第１不良率の一例である。

ステップＳ１２において、保全効果判定部１２３は、保全作業より後に生産された複数の巻回体２０４の生産実績データＰＤに含まれる形状データを取得し、これに基づいて保全作業後の不良率Ｎｆ_{ａｆｔｅｒ}を算出する。不良率Ｎｆ_{ａｆｔｅｒ}は、例えば保全作業後に製造された巻回体２０４のうち、不良と判定された巻回体２０４の数を、保全作業後の生産総数で除して算出される。不良率Ｎｆ_{ａｆｔｅｒ}は、本発明の第２不良率の一例である。

ステップＳ１３において、保全効果判定部１２３は、保全作業前後の不良率Ｎｆ_{ｂｅｆｏｒｅ}とＮｆ_{ａｆｔｅｒ}とを比較し、保全作業の効果の有無を判定する。学習処理における、保全効果判定部１２３による保全作業の効果の判定処理についての詳細は後述する。

ステップＳ１３で保全作業の効果ありと判定した場合、保全効果判定部１２３は、ステップＳ１４において、学習処理開始前に行われた保全作業の内容を示す保全実績データＭＤ（図８参照）を設備状態診断モデル生成部１２４に出力する。

ステップＳ１５において、設備状態診断モデル生成部１２４は、効果ありと判定された保全実績データＭＤを用いて、設備状態診断モデルＭを生成する。設備状態診断モデルＭの詳細については後述する。

ステップＳ１６において、設備状態診断モデル生成部１２４は、生成した設備状態診断モデルＭを設備状態診断モデルデータベース１１２（図６参照）に登録する。

以上説明したステップＳ１１からステップＳ１６までの処理が、保全表示装置１００の学習処理である。

［識別処理］
以下説明する識別処理は、生産装置２００において新たに複数の巻回体２０４が生産された場合に、新たに生産された複数の巻回体２０４に異常、または異常の予兆が生じているか否かを、学習処理で生成された設備状態診断モデルＭを用いて識別する処理である。

ステップＳ１７において、設備状態診断部１２１は、新たに生産された複数の巻回体の形状データ（以後、新たな形状データ）を取得する。

ステップＳ１８において、設備状態診断部１２１は、新たな形状データおよび設備状態診断モデルＭを用いて、一致度Ｃを算出する。一致度Ｃは、新たな形状データと、設備状態診断モデルＭに含まれる過去の形状データとが一致する度合いを示す値である。すなわち、一致度Ｃが大きいほど、生産装置２００に異常または異常の予兆が生じており、新たに生産された巻回体２０４が不良品となる確率が高くなっていることになる。

ステップＳ１９において、報知判定部１２２は、一致度Ｃが所定の閾値以上である場合に、保全表示装置１００のユーザに対して報知が必要であると判定する。一致度Ｃが所定の閾値以上である場合とは、生産装置２００に異常、または異常の予兆が発生しており、改めて保全作業が必要である場合である。

ステップＳ１１０において、報知判定部１２２は、ユーザに報知すべき保全作業の内容を報知部１３０に対して出力する。ユーザに報知すべき保全作業の内容は、一致度Ｃが所定の閾値以上であった設備状態診断モデルＭに基づいて決定される。

ステップＳ１１１およびＳ１１２において、報知部１３０はユーザに対して保全作業を行うべき旨の報知を行う。ステップＳ１１１では、警報部１３１が警報を発する。また、ステップＳ１１２では、表示部１３２が、ユーザに対して報知すべき保全作業の内容等を表示する。なお、図９では、ステップＳ１１１における警報、およびステップＳ１１２における保全作業の内容表示が両方行われる例が示されているが、例えば警報は発令されず、保全作業の内容表示のみが行われてもよい。

このように、ステップＳ１１１およびＳ１１２における報知によって、報知を受けた作業者は、報知された保全作業の内容に基づいて、生産装置２００に対する保全作業を実行することになる。

以上説明したステップＳ１７からステップＳ１１２までの処理が、学習処理で生成された学習済みモデルを用いた保全表示装置１００の識別処理である。

図１０には、保全表示装置１００における更新処理、および更新処理で更新された学習済みモデルを用いた識別処理の概略が示されている。

［更新処理］
保全表示装置１００における更新処理は、上述した学習処理より後に、新たに保全作業が行われた場合、当該保全作業による保全作業の結果に基づいて、学習済みモデル（設備状態診断モデルＭ）を更新する処理である。すなわち、更新処理は、その開始前に保全作業が行われていることが前提となっている。

ステップＳ２１において、保全効果判定部１２３は、保全作業前に生産された複数の巻回体２０４の生産実績データＰＤ（図７Ａ参照）に含まれる形状データ（図５参照）、および、設備状態診断モデルデータベース１１２に登録された設備状態診断モデルＭを用いて、保全作業前の一致度Ｃ_{ｂｅｆｏｒｅ}を算出する。保全作業前の一致度Ｃ_{ｂｅｆｏｒｅ}は、本発明の本発明の第１確率の一例である。

ステップＳ２２において、保全効果判定部１２３は、保全作業より後に生産された複数の巻回体２０４の生産実績データに含まれる形状データ、および、設備状態診断モデルデータベース１１２に登録された設備状態診断モデルＭに含まれる過去の形状データを用いて、保全作業後の一致度Ｃ_{ａｆｔｅｒ}を算出する。保全作業後の一致度Ｃ_{ａｆｔｅｒ}は、本発明の第２確率の一例である。

ステップＳ２３において、保全効果判定部１２３は、保全作業前後の一致度Ｃ_{ｂｅｆｏｒｅ}とＣ_{ａｆｔｅｒ}とを比較し、保全作業の効果の有無を判定する。更新処理における、保全効果判定部１２３による保全作業の効果の判定処理についての詳細は後述する。

ステップＳ２３で保全作業の効果ありと判定した場合、保全効果判定部１２３は、ステップＳ２４において、更新処理開始前に行われた保全作業の内容を示す保全実績データＭＤを設備状態診断モデル生成部１２４に出力する。

ステップＳ２５において、設備状態診断モデル生成部１２４は、効果ありと判定された保全実績データＭＤを用いて、設備状態診断モデルＭを更新する。設備状態診断モデルＭの更新処理の詳細については後述する。

ステップＳ２６において、設備状態診断モデル生成部１２４は、生成した設備状態診断モデルＭを用いて、設備状態診断モデルデータベース１１２（図６参照）を更新する。

以上説明したステップＳ２１からステップＳ２６までの処理が、保全表示装置１００の更新処理である。

［識別処理］
以下説明する識別処理は、生産装置２００において新たに複数の巻回体２０４が生産された場合に、新たに生産された複数の巻回体２０４に異常、または異常の予兆が生じているか否かを、更新処理で更新された設備状態診断モデルＭを用いて識別する処理である。

ステップＳ２７において、設備状態診断部１２１は、新たに生産された複数の巻回体の形状データ（以後、新たな形状データ）を取得する。

ステップＳ２８において、設備状態診断部１２１は、新たな形状データおよび設備状態診断モデルＭを用いて、一致度Ｃを算出する。一致度Ｃは、新たな形状データと、設備状態診断モデルＭに含まれる過去の形状データとが一致する度合いを示す値である。

ステップＳ２９において、報知判定部１２２は、一致度Ｃが所定の閾値以上である場合に、保全表示装置１００のユーザに対して報知が必要であると判定する。一致度Ｃが所定の閾値以上である場合とは、生産装置２００に異常、または異常の予兆が発生しており、改めて保全作業が必要である場合である。

ステップＳ２１０において、報知判定部１２２は、ユーザに報知すべき保全作業の内容を報知部１３０に対して出力する。ユーザに報知すべき保全作業の内容は、一致度Ｃが所定の閾値以上であった設備状態診断モデルＭに基づいて決定される。

ステップＳ２１１およびＳ２１２において、報知部１３０はユーザに対して保全作業を行うべき旨の報知を行う。ステップＳ２１１では、警報部１３１が警報を発する。また、ステップＳ２１２では、表示部１３２が、ユーザに対して報知すべき保全作業の内容等を表示する。なお、図１０では、ステップＳ２１１における警報、およびステップＳ２１２における保全作業の内容表示が両方行われる例が示されているが、例えば警報は発令されず、保全作業の内容表示のみが行われてもよい。

ステップＳ２１１およびＳ２１２における報知を受けた作業者は、報知された保全作業の内容に基づいて、生産装置２００に対する保全作業を実行する。

以上説明したステップＳ２７からステップＳ２１２までの処理が、保全表示装置１００の識別処理である。なお、図１０に示すステップＳ２７からステップＳ２１２までの識別処理は、図９に示すステップＳ１７からステップＳ１１２までの識別処理と実質的に同じ処理である。

＜各処理の詳細＞
以下では、図９および図１０に示す学習処理、識別処理、および更新処理のそれぞれについて詳細に説明する。

［学習処理］
まず、保全効果判定部１２３および設備状態診断モデル生成部１２４による学習処理について説明する。

（保全効果判定部１２３の処理）
以下では、学習処理における、保全効果判定部１２３が実行する処理（図９のステップＳ１１からステップＳ１４の処理）について説明する。図１１は、学習処理において、保全効果判定部１２３が実行する処理について説明するためのフローチャートである。

ステップＳ３１において、保全効果判定部１２３は、生産実績データベース１１１に登録されている生産実績データのうち、学習処理の前に保全作業が行われた時刻から、所定時間前までに生産された巻回体２０４の生産実績データをすべて含む生産実績データリストＰＬ_{ｂｅｆｏｒｅ}を生産実績データベース１１１から読み出す。所定時間は、あらかじめ設定された長さの時間であり、ある程度以上の数の巻回体２０４が製造されるために必要な時間である。読み出された生産実績データＰＬ_{ｂｅｆｏｒｅ}には、それぞれ生産日時（読取日時）が異なる所定数以上の巻回体２０４それぞれの生産実績データＰＤが含まれている。

ステップＳ３２において、保全効果判定部１２３は、生産実績データリストＰＬ_{ｂｅｆｏｒｅ}に含まれる生産実績データに基づいて、保全前不良率Ｎｆ_{ｂｅｆｏｒｅ}を算出する。上述したように、保全前不良率Ｎｆ_{ｂｅｆｏｒｅ}は、生産実績データリストＰＬ_{ｂｅｆｏｒｅ}に含まれる生産実績データの形状データおよび検査結果に基づいて、不良と判定された巻回体２０４の数を、保全作業前の生産総数で除して算出される。

ステップＳ３３において、保全効果判定部１２３は、保全が行われた時刻から所定時間後までに生産された巻回体２０４の生産実績データをすべて含む生産実績データリストＰＬ_{ａｆｔｅｒ}を生産実績データベース１１１から読み出す。読み出された生産実績データＰＬ_{ａｆｔｅｒ}には、生産実績データＰＬ_{ｂｅｆｏｒｅ}と同様に、それぞれ生産日時（読取日時）が異なる所定数以上の巻回体２０４それぞれの生産実績データＰＤが含まれている。

ステップＳ３４において、保全効果判定部１２３は、生産実績データリストＰＬ_{ａｆｔｅｒ}に含まれる生産実績データに基づいて、保全後不良率Ｎｆ_{ａｆｔｅｒ}を算出する。上述したように、保全後不良率Ｎｆ_{ａｆｔｅｒ}は、生産実績データリストＰＬ_{ａｆｔｅｒ}に含まれる生産実績データの形状データおよび検査結果に基づいて、不良と判定された巻回体２０４の数を、保全作業後の生産総数で除して算出される。

ステップＳ３５において、保全効果判定部１２３は、保全前不良率Ｎｆ_{ｂｅｆｏｒｅ}と保全後不良率Ｎｆ_{ａｆｔｅｒ}との差分を取り、この差分が所定の閾値Ｔｈ_Ｎより大きいか否かを判定する。差分が閾値Ｔｈ_Ｎより大きい場合（ステップＳ３５：ＹＥＳ）、保全効果判定部１２３は処理をステップＳ３６に進め、そうでない場合（ステップＳ３５：ＮＯ）、処理をステップＳ３７に進める。

ステップＳ３６において、保全効果判定部１２３は、保全前不良率Ｎｆ_{ｂｅｆｏｒｅ}より保全後不良率Ｎｆ_{ａｆｔｅｒ}の方が小さくなっていることから、保全作業の効果ありと判定する。本ステップＳ３６及び後述のステップＳ３７における保全作業とは、学習処理の前、すなわち図９のステップＳ１１より前に行われた保全作業を指している。

一方、ステップＳ３７において、保全効果判定部１２３は、保全前不良率Ｎｆ_{ｂｅｆｏｒｅ}より保全後不良率Ｎｆ_{ａｆｔｅｒ}の方が小さくなっていないことから、保全作業の効果なし、あるいは効果が非常に小さいと判定する。

このように、保全効果判定部１２３は、学習処理において、学習処理より前に行われた保全作業の効果があったか否かを判定する。

図１２Ａ、図１２Ｂ、及び、図１３Ａ、図１３Ｂは、学習処理における保全作業の効果を判定する様子を説明するための概念図である。

図１２Ａ及び図１２Ｂには、第１貼合ローラ２０５Ａが経年劣化により傾いてくることにより、巻回体２０４に不良が生じた場合の例が示されている。すなわち、図１２Ａ及び図１２Ｂでは、不良品の巻回体２０４が生産される確率が、時間の経過とともに増大している。

一方、図１３Ａ及び図１３Ｂには、第１貼合ローラ２０５Ａの不良である点については図１２Ａ及び図１２Ｂと同様であるが、経年劣化ではなく、第１貼合ローラに２０５Ａに汚れが付着していることにより、巻回体２０４に不良が生じた場合の例が示されている。すなわち、図１３Ａ及び図１３Ｂでは、不良品の巻回体２０４が生産される確率は、時間の経過と関連していない。

そして、図１２Ａ及び図１３Ａでは、保全作業として、第１貼合ローラ２０５Ａの傾き調整作業（回転軸が経年劣化により傾いてきたのをまっすぐに戻す作業）が行われた後の形状データが示されている。一方、図１２Ｂ及び図１３Ｂでは、保全作業として、第１貼合ローラ２０５Ａの清掃作業（第１貼合ローラ２０５Ａに付着した汚れを除去する作業）が行われた後の形状データが示されている。

図１２Ａにおいて、保全前に生産された５つの巻回体の形状データ（図の左側の５つの形状データ）は、その形状が時間の経過に伴って変化しており、最後の１つのデータのみが不良と判定されている。すなわち、図１２Ａに示す例では、保全前不良率Ｎｆ_{ｂｅｆｏｒｅ}は２０％である。なお、以下の説明において、このように時間の経過に沿って並べられた所定数以上（図１２Ａでは５つ）の巻回体２０４の各々の形状データを、形状データ群と記載する。

また、図１２Ａにおいて、保全後に生産された５つの巻回体の形状データ群（図の右側の５つの形状データ）には時間の経過に伴う変化がほぼなく、不良と判定される形状データは０となっている（保全後不良率Ｎｆ_{ａｆｔｅｒ}＝０）。これは、巻回体２０４の不良品が生産される原因であった第１貼合ローラ２０５Ａの経時劣化が、適切な保全により解消されることで、保全後の巻回体２０４の不良率が改善されたからである。すなわち、図１２Ａに示す例では、保全作業の効果があったと言える。図１２Ａに示す例において、保全前不良率Ｎｆ_{ｂｅｆｏｒｅ}と保全後不良率Ｎｆ_{ａｆｔｅｒ}との差分（本発明の第１差分）は２０％である。

一方、図１２Ｂにおいて、保全前に生産された５つの巻回体の形状データ群は、図１２Ａと同様に、時間の経過に伴って変化しており、最後の１つのデータのみ不良と判定されている。すなわち、保全前不良率Ｎｆ_{ｂｅｆｏｒｅ}は２０％である。

また、図１２Ｂにおいて、保全後に生産された５つの巻回体の形状データ群では、時間の経過に伴う変化がほぼなく、全ての形状データが不良と判定されている（保全後不良率Ｎｆ_{ａｆｔｅｒ}＝１００％）。これは、第１貼合ローラ２０５Ａの経時劣化が発生しているのにもかかわらず、第１貼合ローラ２０５Ａの清掃作業といった適切ではない保全作業を行ったことにより、その後に生産される巻回体２０４が全て第１貼合ローラ２０５Ａの経時劣化による影響を受け、不良となっているからである。すなわち、図１２Ｂに示す例では、行われた保全作業の内容が適切ではなく、保全作業の効果がなかったと言える。図１２Ｂに示す例において、保全前不良率Ｎｆ_{ｂｅｆｏｒｅ}と保全後不良率Ｎｆ_{ａｆｔｅｒ}との差分（本発明の第１差分）は−８０％である。

一方、図１３Ａにおいて、不良の原因が第１貼合ローラ２０５Ａの経時劣化ではないため、保全前に生産された５つの巻回体の形状データ群は、時間の経過に伴って変化しておらず、散発的に不良が発生している。図１３Ａに示す例では、最後の１つのデータのみ不良となっている。すなわち、図１３Ａの例における保全前不良率Ｎｆ_{ｂｅｆｏｒｅ}は２０％である。

また、図１３Ａにおいて、保全後に生産された５つの巻回体の形状データ群では、不良品が０となっている。これは、巻回体２０４の不良品が生産される原因であった第１貼合ローラ２０５Ａの汚れが、適切な保全により解消されることで、保全後の巻回体２０４の不良率が改善されたからである。すなわち、図１３Ａに示す例では、保全作業の効果があったと言える。図１３Ａに示す例において、保全前不良率Ｎｆ_{ｂｅｆｏｒｅ}と保全後不良率Ｎｆ_{ａｆｔｅｒ}との差分（本発明の第１差分）は２０％である。

一方、図１３Ｂにおいて、保全後に生産された５つの巻回体の形状データ群では、保全前と同様に、散発的に不良が発生している。これは、第１貼合ローラ２０５Ａの汚れにより巻回体２０４に不良が生じているのにもかかわらず、第１貼合ローラ２０５Ａの傾き調整作業といった適切ではない保全作業を行ったことにより、不良の原因が解消されていないからである。すなわち、図１３Ｂに示す例では、行われた保全作業の内容が適切ではなく、保全作業の効果がなかったと言える。図１３Ｂに示す例において、保全前不良率Ｎｆ_{ｂｅｆｏｒｅ}と保全後不良率Ｎｆ_{ａｆｔｅｒ}との差分（本発明の第１差分）は０となっている。

図１２Ａ，図１２Ｂ及び図１３Ａ，図１３Ｂに示すように、巻回体２０４の構成の経時劣化が不良の原因である場合と、そうではない場合とで、行われるべき（不良の解消に効果がある）保全作業の内容は異なる。本発明の実施の形態に係る保全表示装置１００では、図７Ａに示すように、巻回体２０４の形状データと、巻回体２０４が生産された生産時刻、または形状データが読み取られた読取時刻（時間情報）とが対応付けられている。本発明の実施の形態に係る保全表示装置１００では、このように時間情報と対応付けられた形状データを用いることにより、時間の経過に伴う形状データの変化を加味して各処理を行うことができる。

なお、図１２Ａ、図１２Ｂ及び図１３Ａ、図１３Ｂに示す例では、効果ありと判定される保全作業の不良率の差分は２０％（図１２Ａ及び図１３Ａの例）であり、効果なしと判定される保全作業の不良率の差分は−８０％（図１２Ｂの例）、または０（図１３Ｂの例）であった。従って、例えば閾値Ｔｈ_Ｎを１０％に設定することで、保全作業の効果の有無を判定することができる。

なお、図１２Ａ、図１２Ｂ及び図１３Ａ、図１３Ｂでは、不良品の巻回体２０４が生産される原因が第１貼合ローラ２０５Ａである場合について例示したが、本発明はこれに限定されない。上述したように、本発明において、不良品の巻回体２０４が生産される原因は、図３Ａに示す巻回部２０１の構成（第１供給リール５０、第２供給リール５１、第１貼合ローラ２０５Ａ、第２貼合ローラ２０５Ｂ、巻芯２０６、検査機２０７、切断部２０９、押さえ部２１０、タブ溶接部２１１、テープ貼り部２１２、及びシリンダ２１３）の少なくとも１つである。そして、第１貼合ローラ２０５Ａ以外の構成が不良の原因となった場合には、図１２Ａ、図１２Ｂ及び図１３Ａ、図１３Ｂに例示したものとは異なる形状を示す形状データが取得されうる。

（設備状態診断モデル生成部１２４の処理）
次に、学習処理における、設備状態診断モデル生成部１２４が実行する処理（図９のステップＳ１５およびＳ１６の処理）について説明する。図１４は、学習処理において、設備状態診断モデル生成部１２４が実行する処理について説明するためのフローチャートである。

ステップＳ４１において、設備状態診断モデル生成部１２４は、保全効果判定部１２３において効果があると判定された保全作業の保全実績データＭＤを読み出す。

ステップＳ４２において、設備状態診断モデル生成部１２４は、生産実績データベース１１１から、保全前生産実績データリストＰＬ_{ｂｅｆｏｒｅ}を読み出す。なお、ここで設備状態診断モデル生成部１２４によって読み出される保全前生産実績データリストＰＬ_{ｂｅｆｏｒｅ}は、保全効果判定部１２３の処理において読み出される保全前の生産実績データリストＰＬ_{ｂｅｆｏｒｅ}と同じものである（図１１のステップＳ３１参照）。

ステップＳ４３において、設備状態診断モデル生成部１２４は、読み出した保全実績データＭＤと、生産実績データリストＰＬ_{ｂｅｆｏｒｅ}に含まれる生産実績データＰＤと、を用いて学習を行い、設備状態診断モデルＭ_ｎｅｗを生成する。

ステップＳ４４において、設備状態診断モデル生成部１２４は、新たに生成した設備状態診断モデルＭ_ｎｅｗを設備状態診断モデルデータベース１１２に登録する。

このように、学習処理においては、時間の経過に伴って形状データにどのような変化が生じる巻回体２０４の不良が、どのような保全作業によって改善されたか、が学習された設備状態診断モデルＭ_ｎｅｗが新たに生成され、設備状態診断モデルデータベース１１２に登録される。

［識別処理］
次に、設備状態診断部１２１および報知判定部１２２による識別処理について説明する。

（設備状態診断部１２１の処理）
以下では、識別処理における、設備状態診断部１２１が実行する処理（図９のステップＳ１７およびステップＳ１８の処理）について説明する。図１５は、識別処理において、設備状態診断部１２１が実行する処理について説明するためのフローチャートである。

ステップＳ５１において、設備状態診断部１２１は、生産実績データベース１１１に新たな生産実績データＰＤ_ｎｅｗが登録されたか否かを判定する。新たな生産実績データＰＤ_ｎｅｗが登録されていない場合（ステップＳ５１：ＮＯ）、設備状態診断部１２１は、ステップＳ５１を繰り返す。新たな生産実績データＰＤ_ｎｅｗが登録されていた場合（ステップＳ５１：ＹＥＳ）、設備状態診断部１２１は、処理をステップＳ５２に進める。

ステップＳ５２において、設備状態診断部１２１は、新たに登録された生産実績データＰＤ_ｎｅｗに基づいて、生産実績データベース１１１から生産実績データリストＰＬを抽出する。生産実績データリストＰＬは、生産実績データベース１１１に登録されている生産実績データＰＤのうち、新たに登録された生産実績データＰＤ_ｎｅｗの生産日時から所定時間前までに生産された巻回体２０４の生産実績データＰＤを抽出してリスト化したものである。すなわち、生産実績データリストＰＬには、少なくとも新たに登録された生産実績データＰＤ_ｎｅｗが含まれている。

ステップＳ５３において、設備状態診断部１２１は、生産実績データリストＰＬに含まれる、時間情報と対応付けられた形状データと、設備状態診断モデルデータベース１１２から読み出した設備状態診断モデルＭに含まれる、時間情報と対応付けられた過去の形状データとを用いて、一致度Ｃを生成する。

より詳細には、設備状態診断部１２１は、生産実績データリストＰＬに含まれる所定数以上の生産実績データから、時系列に沿って並べられた形状データ群（図５参照）を抽出する。一方、設備状態診断部１２１は、設備状態診断モデルデータベース１１２に登録されている、複数の設備状態診断モデルＭを抽出する。複数の設備状態診断モデルＭは、それぞれ異なる保全作業に対応している。

設備状態診断部１２１は、生産実績データから抽出された、所定数以上の巻回体２０４の各々の形状データ群と、複数の設備状態診断モデルＭに含まれる形状データ群との全ての組み合わせにおいて、複数の一致度Ｃを算出する。

（報知判定部１２２の処理）
以下では、識別処理における、報知判定部１２２の実行する処理（図９のステップＳ１９からステップＳ１１２の処理）について説明する。図１６は、識別処理において、報知判定部１２２が実行する処理を説明するためのフローチャートである。

ステップＳ６１において、報知判定部１２２は、設備状態診断部１２１の生成した複数の一致度Ｃに基づいて、保全グループ毎に一致度Ｃを集計する。保全グループとは、保全作業の内容に対応するグループである。なお、本実施の形態では保全作業の内容毎に分けられたグループを保全グループとして説明したが、本発明はこれに限定されず、保全グループは例えば保全作業において交換される部品の品番等毎に分けられたグループであってもよい。

以下の説明において、保全グループ毎に一致度Ｃを集計した結果を集計値Ａとする。集計値Ａを生成する方法は、複数種類の集計方法の中から適宜決定されればよい。複数種類の集計方法の具体例としては、例えば単に一致度Ｃを合計する方法、一致度Ｃの平均を取る方法、一致度Ｃの中から最大値を選択する方法、上位所定数の一致度Ｃを抽出して平均を取る方法等が挙げられる。

ステップＳ６２において、報知判定部１２２は、保全案リストＭＬを生成する。保全案リストＭＬとは、保全グループのリストであり、例えば保全グループは集計値Ａが大きい順に並べられている。図１７は、保全案リストＭＬの具体例を示す図である。

図１７に示すように、保全案リストＭＬには、「保全案ＩＤ」、「設備」、「保全案」、および「集計値」等の各データが含まれる。「保全案ＩＤ」データは、集計値の大きさによって並べ替えられた保全グループ毎に与えられた識別子である。「保全案ＩＤ」データとしては、例えば集計値が大きいほど若い番号が与えられる。「保全案」データは、保全グループに対応する保全の内容を示すデータである。「集計値」データは、保全グループ毎に集計された集計値Ａの値を示すデータである。

図１７では、保全案の例として、第１貼合ローラ２０５Ａまたは第２貼合ローラ２０５Ｂを保全する場合について例示している。ただし、本発明はこれに限定されず、図３Ａに示す巻回部２０１の各構成のいずれも保全の対象となり得る。

集計値Ａは一致度Ｃを集計した値であるため、一致度Ｃと同様の性質を有する。このため、集計値Ａが大きいほど、その保全グループの保全内容が、対象の生産装置２００に対して行われる必要性が高いことになる。また、保全案リストＭＬは集計値Ａの大きい順に並べられた保全グループのリストであるため、保全案リストＭＬの上位にある保全グループほど対象の生産装置２００に対する保全の必要性が高いことになる。

ステップＳ６３において、報知判定部１２２は、保全グループ毎に集計値Ａが所定の予兆閾値Ｔｈ_ｆより大きいか否かを判定する。所定の予兆閾値Ｔｈ_ｆとは、生産装置２００に異常が発生する予兆が生じていることが想定される集計値の最小値である。なお、本実施の形態において、生産装置２００の異常とは、例えば生産装置２００が検査結果「不良」の巻回体２０４を所定割合以上生産することを意味する。また、生産装置２００の異常の予兆とは、例えば生産装置２００が検査結果「可」の巻回体２０４を所定割合以上生産することを意味する。所定の予兆閾値Ｔｈ_ｆは、例えば過去の保全実績データＭＤ等に基づいて経験的に決定されればよい。

集計値Ａが予兆閾値Ｔｈ_ｆより大きい保全グループが保全案リストＭＬに１つでも含まれる場合（ステップＳ６３：ＹＥＳ）、報知判定部１２２は、処理をステップＳ６４に進める。集計値Ａが予兆閾値Ｔｈ_ｆより大きい保全グループが保全案リストＭＬに１つも含まれない場合（ステップＳ６３：ＮＯ）、報知判定部１２２は、報知を行う必要がないとして、処理を終了する。

ステップＳ６４において、報知判定部１２２は、保全案リストＭＬに含まれる保全グループのうち、集計値Ａが所定の異常閾値Ｔｈ_ａより大きい保全グループがあるか否かを判定する。所定の異常閾値Ｔｈ_ａとは、予兆の段階を通り過ぎて、生産装置２００に異常が生じていることが想定される集計値の最小値である。このため、異常閾値Ｔｈ_ａは予兆閾値Ｔｈ_ｆより大きな値に、例えば過去の保全実績データＭＤ等に基づいて経験的に決定される。集計値Ａが異常閾値Ｔｈ_ａより大きい保全グループが保全案リストＭＬに含まれる場合（ステップＳ６４：ＹＥＳ）、報知判定部１２２は、処理をステップＳ６６に進める。集計値Ａが異常閾値Ｔｈ_ａより大きい保全グループが保全案リストＭＬに含まれない場合（ステップＳ６４：ＮＯ）、報知判定部１２２は、処理をステップＳ６５に進める。

ステップＳ６５において、報知判定部１２２は、ステップＳ６３において集計値Ａが予兆閾値Ｔｈ_ｆより大きいと判定された保全グループに対応する保全内容を、報知部１３０の表示部１３２に報知させる。より詳細には、報知判定部１２２は、例えば表示部１３２に「以下の保全内容を実行して下さい。」等のメッセージとともに、実行が推奨される保全作業の内容を表示させる。なお、実行が推奨される保全作業の内容は、図１７に示した保全案リストＭＬに含まれる「保全案」データに対応した内容である。

ここで、報知判定部１２２は、集計値Ａが予兆閾値Ｔｈ_ｆより大きい保全グループが複数ある場合には、複数の保全作業の内容を集計値で順位付けをして表示するようにしてもよい。この場合、より詳細には、報知判定部１２２は、「以下の保全内容を実行して下さい。上位の保全内容を実行しても改善されない場合、下位の保全内容を実行すれば改善されることがあります。」等のメッセージとともに、実行が推奨される保全作業の内容を上位から順に複数表示させるようにすればよい。

また、報知判定部１２２は、保全作業内容とともに、当該保全内容の保全グループに対応づけられた保全案ＩＤを報知する。保全作業を行った作業員が保全実績データＭＤを入力するときに、保全実績データＭＤと、保全を行う契機となった保全案ＩＤと、を対応付けて入力することで、入力された保全実績データＭＤが、保全表示装置１００の報知を契機として実行された保全作業に対応するデータであるか否かが容易に判別可能となる。

ステップＳ６６において、報知判定部１２２は、ステップＳ６５と同様に、表示部１３２に保全作業の内容を表示させるとともに、警報部１３１に、対象の生産装置２００に異常が生じていることを報知するための警報を発させる。対象の生産装置２００に異常の予兆ではなく、異常が生じている場合、緊急の保全作業が必要な事態である。このため、報知判定部１２２は、表示部１３２による保全作業の内容表示だけでなく、警報部１３１によって警報を発させ、保全表示装置１００のユーザに対して速やかに異常の発生を通知する。

このように、識別処理においては、新たに生産された巻回体の２０４の生産実績データＰＤ（特に形状データ及び時間情報）、および設備状態診断モデルＭを用いて、生産装置２００に異常（不良品が所定割合以上生産される事態）や異常の予兆が発生しているか否かが判定される。そして、異常または異常の予兆が発生していると判定された場合、ユーザに対して報知が行われる。これにより、ユーザは生産装置２００に異常が発生している場合には異常を速やかに知ることができるとともに、異常を改善するために行うべき保全作業の内容を知ることができる。

［更新処理］
次に、保全効果判定部１２３および設備状態診断モデル生成部１２４による更新処理について説明する。

（保全効果判定部１２３の処理）
以下では、更新処理における、保全効果判定部１２３が実行する処理（図１０のステップＳ２１からステップＳ２４の処理）について説明する。図１８は、更新処理において、保全効果判定部１２３が実行する処理について説明するためのフローチャートである。

ステップＳ７１において、保全効果判定部１２３は、記憶部１１０の保全実績データベース１１３に新たな保全実績データＭＤ_ｎｅｗが登録されたか否かを判定する。新たな保全実績データＭＤ_ｎｅｗが登録されていないと判定した場合（ステップＳ７１：ＮＯ）、保全効果判定部１２３は、ステップＳ７１を繰り返す。新たな保全実績データＭＤ_ｎｅｗが登録されたと判定した場合（ステップＳ７１：ＹＥＳ）、保全効果判定部１２３は、処理をステップＳ７２に進める。

ステップＳ７２において、保全効果判定部１２３は、新たに登録された保全実績データＭＤ_ｎｅｗに含まれる、「保全日時」データ（図８参照）に基づいて、新たに登録された保全実績データＭＤ_ｎｅｗに対応する保全が行われてから現在までに所定時間が経過したか否かを判定する。

保全作業の実行時刻から所定時間が経過したと判定した場合（ステップＳ７２：ＹＥＳ）、保全効果判定部１２３は、処理をステップＳ７３に進める。保全作業の実行時刻からまだ所定時間が経過していないと判定した場合（ステップＳ７２：ＮＯ）、保全効果判定部１２３は、ステップＳ７２の処理を繰り返す。

ステップＳ７３において、保全効果判定部１２３は、保全作業から所定時間前までに生産された巻回体２０４の生産実績データＰＤをすべて含む保全前生産実績データリストＰＬ_{ｂｅｆｏｒｅ}を生産実績データベース１１１から読み出す。

ステップＳ７４において、保全効果判定部１２３は、新たな保全実績データＭＤ_ｎｅｗに対応する保全内容の保全グループに属する設備状態診断モデルＭを設備状態診断モデルデータベース１１２から読み出し、読み出した設備状態診断モデルＭと、生産実績データリストＰＬ_{ｂｅｆｏｒｅ}とに基づいて、保全前一致度Ｃ_{ｂｅｆｏｒｅ}を生成する。保全前一致度Ｃ_{ｂｅｆｏｒｅ}の生成方法については、図１５のステップＳ５３における、設備状態診断部１２１による一致度Ｃの生成方法と同様である。

ステップＳ７５において、保全効果判定部１２３は、保全作業から所定時間後までに生産された巻回体２０４の生産実績データＰＤをすべて含む生産実績データリストＰＬ_{ａｆｔｅｒ}を生産実績データベース１１１から読み出す。

ステップＳ７６において、保全効果判定部１２３は、新たに保全実績データＭＤ_ｎｅｗに対応する保全内容の保全グループに属する設備状態診断モデルＭを設備状態診断モデルデータベース１１２から読み出し、読み出した設備状態診断モデルＭと、生産実績データリストＰＬ_{ａｆｔｅｒ}とに基づいて、保全後の一致度Ｃ_{ａｆｔｅｒ}を生成する。一致度Ｃ_{ａｆｔｅｒ}の生成方法については、図１５のステップＳ５３における設備状態診断部１２１による一致度Ｃの生成方法と同様である。

ステップＳ７７において、保全効果判定部１２３は、保全前の一致度Ｃ_{ｂｅｆｏｒｅ}と保全後の一致度Ｃ_{ａｆｔｅｒ}との差分（本発明の第２差分の一例）を取り、この差分が所定の閾値Ｔｈ_Ｄより大きいか否かを判定する。差分が閾値Ｔｈ_Ｄより大きい場合（ステップＳ７７：ＹＥＳ）、保全効果判定部１２３は処理をステップＳ７８に進め、そうでない場合（ステップＳ７７：ＮＯ）、処理をステップＳ７９に進める。所定の閾値Ｔｈ_Ｄは、過去の保全作業の実績等に基づいて、適宜決定されればよい。

ステップＳ７８において、保全効果判定部１２３は、保全前の一致度Ｃ_{ｂｅｆｏｒｅ}より保全後の一致度Ｃ_{ａｆｔｅｒ}の方が小さくなっていることから、報知判定部１２２により報知された保全内容に基づいて行われた保全作業の効果ありと判定する。

ステップＳ７９において、保全効果判定部１２３は、保全前の一致度Ｃ_{ｂｅｆｏｒｅ}より保全後の一致度Ｃ_{ａｆｔｅｒ}の方が小さくなっていないことから、報知判定部１２２により報知された保全内容に基づいて行われた保全作業の効果がない、あるいは非常に小さいと判定する。

図１９Ａおよび図１９Ｂは、更新処理における保全作業の効果を判定する様子を説明するための概念図である。図１９Ａは、保全作業の効果ありと判定される場合の例を、図１９Ｂは、保全作業の効果なしと判定される場合の例を、それぞれ示している。図１９Ａに示す形状データ群及び保全作業の例は、図１２Ａに示したものと同じである。また、図１９Ｂに示す形状データ群及び保全作業の例は、図１２Ｂに示したものと同じである。

図１９Ａおよび図１９Ｂに示す例では、保全前に生産された５つの巻回体２０４の形状データ群、および設備状態診断モデルＭにより、保全前一致度Ｃ_{ｂｅｆｏｒｅ}＝０．９０が算出されている。

そして、図１９Ａに示す例では、保全後に生産された５つの巻回体２０４の形状データ群、および設備状態診断モデルＭにより、保全後一致度Ｃ_{ａｆｔｅｒ}＝０．２０と算出されている。一方、図１９Ｂに示す例では、保全後に生産された５つの巻回体２０４の形状データ群、および設備状態診断モデルＭにより、保全後一致度Ｃ_{ａｆｔｅｒ}＝０．９０が算出されている。

従って、図１９Ａに示す例では、保全前一致度Ｃ_{ｂｅｆｏｒｅ}と保全後一致度Ｃ_{ａｆｔｅｒ}との差分は０．７０となっている。一方、図１９Ｂに示す例では、保全前一致度Ｃ_{ｂｅｆｏｒｅ}と保全後一致度Ｃ_{ａｆｔｅｒ}との差分は０となっている。従って、例えば保全効果の有無を判定する閾値Ｔｈ_Ｄが０．３０である場合、図１９Ａに示す例では保全作業の効果ありと判定され、図１９Ｂに示す例では保全作業の効果なしと判定される。

（設備状態診断モデル生成部１２４の処理）
次に、更新処理における、設備状態診断モデル生成部１２４が実行する処理（図１０のステップＳ２５およびＳ２６の処理）について説明する。図２０は、更新処理において、設備状態診断モデル生成部１２４が実行する処理について説明するためのフローチャートである。

ステップＳ８１において、設備状態診断モデル生成部１２４は、保全効果判定部１２３において効果があると判定された保全作業の保全実績データＭＤ_ｎｅｗを読み出す。

ステップＳ８２において、設備状態診断モデル生成部１２４は、生産実績データベース１１１から、保全前生産実績データリストＰＬ_{ｂｅｆｏｒｅ}を読み出す。なお、ここで設備状態診断モデル生成部１２４によって読み出される保全前生産実績データリストＰＬ_{ｂｅｆｏｒｅ}は、保全効果判定部１２３の処理において読み出される保全前の生産実績データリストＰＬ_{ｂｅｆｏｒｅ}と同じものである（図１１のステップＳ３１参照）。

ステップＳ８３において、設備状態診断モデル生成部１２４は、読み出した保全実績データＭＤと、生産実績データリストＰＬ_{ｂｅｆｏｒｅ}に含まれる生産実績データＰＤと、を用いて学習を行い、新たな設備状態診断モデルＭ_ｎｅｗを生成する。

ステップＳ８４において、設備状態診断モデル生成部１２４は、学習の結果である新たな設備状態診断モデルＭ_ｎｅｗを用いて、設備状態診断モデルデータベース１１２に既に登録されている設備状態診断モデルＭを更新する。

このように、更新処理においては、学習処理において生成された設備状態診断モデルＭを用いて新たな設備状態診断モデルＭ_ｎｅｗが生成され、新たな設備状態診断モデルＭ_ｎｅｗを用いて設備状態診断モデルデータベース１１２に既に登録されている設備状態診断モデルＭが更新される。このように、効果があった保全作業に基づいて新たな設備状態診断モデルＭ_ｎｅｗを用いて設備状態診断モデルデータベース１１２の設備状態診断モデルＭが更新されることにより、設備状態診断部１２１における生産装置２００の設備状態の診断精度が次第に向上する。

本開示に係る生産装置の保全のための情報を表示する方法は、所定数以上の巻回体の各々が読み取られた時刻を示す時間情報に対応する第１端面の位置を表す第１データ、及び、所定数以上の巻回体の各々が読み取られた時刻を示す時間情報に対応する第２端面の位置を表す第２データに基づき、第１データが示す第１端面の位置の連続が、第２データが示す第２端面の位置の連続に交差していると判断された場合、巻回体が不良であり、不良の原因は第１供給リール、第２供給リール、第１貼合ローラ、第２貼合ローラ、巻芯またはセンサのうちいずれかである旨の情報を表示装置に出力する。

また、本開示に係る生産装置の保全のための情報を表示する方法は、本開示に係る学習済みモデルの生成方法によって作成された学習済みモデルに、センサから取得した所定数以上の巻回体の各々が読み取られた時刻を示す時間情報に対応する第１端面の位置を表す第１データ、及び、所定数以上の巻回体の各々が読み取られた時刻を示す時間情報に対応する第２端面の位置を表す第２データを入力する。そして、第１データが示す第１端面の位置の連続が、第２データが示す第２端面の位置の連続に交差していると判断される旨の情報が学習済みモデルから出力された場合に、巻回体が不良であり、不良の原因は第１供給リール、第２供給リール、第１貼合ローラ、第２貼合ローラ、巻芯またはセンサのうちいずれかである旨の情報を表示装置に出力する。

＜第１の実施の形態の保全表示装置１００の作用・効果＞
以上説明したように、保全表示装置１００は、報知判定部１２２と、保全効果判定部１２３と、モデル生成部の一例である設備状態診断モデル生成部１２４とを有する。報知判定部１２２は、巻回体２０４の半径方向に沿って読み取られた第１端面の位置を表す第１データ、第２端面の位置を表す第２データをセンサとしての検査機２０７から取得する。そして報知判定部１２２は、第１データが示す第１端面の位置の連続が、第２データが示す第２端面の位置の連続に交差しているか否かに基づいて、巻回体２０４が不良であるか否かを判定する。巻回体２０４が不良である場合、報知判定部１２２は、不良の原因は第１供給リール５０、第２供給リール５１、第１貼合ローラ２０５Ａ、第２貼合ローラ２０５Ｂ、巻芯２０６、検査機２０７、切断部２０９、押さえ部２１０、タブ溶接部２１１、テープ貼り部２１２、及びシリンダ２１３の少なくともいずれかである旨の情報を保全のために表示部１３２に出力する。保全効果判定部１２３は、保全前において生成され、読み取られた時刻が異なる所定数以上の巻回体の各々の第１データ及び第２データを抽出し、抽出した第１データ及び第２データに基づき、保全前に読み取られた所定数以上の巻回体の第１不良率Ｎｆ_{ｂｅｆｏｒｅ}を算出するとともに、保全後において生成され、読み取られた時刻が異なる所定数以上の巻回体の各々の第１データ及び第２データを抽出し、抽出した第１データ及び第２データに基づき、保全後に読み取られた所定数以上の巻回体の第２不良率Ｎｆ_{ａｆｔｅｒ}を算出する。設備状態診断モデル生成部１２４は、第１不良率Ｎｆ_{ｂｅｆｏｒｅ}と第２不良率Ｎｆ_{ａｆｔｅｒ}との第１差分を算出する。そして設備状態診断モデル生成部１２４は、第１差分が所定値未満と判断された場合、第１供給リール５０が保全される前に読み取られた所定数以上の巻回体２０４の各々の第１データ及び第２データは学習済みモデルを生成または更新するためには用いない。一方、第１差分が所定値以上と判断された場合、第１供給リール５０が保全される前に読み取られた所定数以上の巻回体２０４の各々の第１データ及び第２データを用いて学習済みモデル（設備状態診断モデルＭ）を生成または更新する。

一方、設備状態診断モデル生成部１２４は、第１貼合ローラ２０５Ａが保全される前の所定数以上の巻回体２０４の各々の第１データ及び第２データを学習済みモデルに入力して得られる巻回体２０４の不良が改善される第１確率（一致度）Ｃ_{ｂｅｆｏｒｅ}を算出する。また設備状態診断モデル生成部１２４は、第１貼合ローラ２０５Ａを保全した後の第１データ及び第２データを学習済みモデルに入力して得られる巻回体２０４の不良が改善される第２確率（一致度）Ｃ_{ａｆｔｅｒ}を算出する。そして設備状態診断モデル生成部１２４は、第１確率と第２確率との第２差分を算出する。第２差分が所定値未満と判断された場合、第１貼合ローラ２０５Ａが保全される前に読み取られた所定数以上の巻回体２０４の各々の第１データ及び第２データは学習済みモデルを作成または更新するためには用いない。一方、第２差分が所定値以上と判断された場合、第１貼合ローラ２０５Ａが保全される前に読み取られた所定数以上の巻回体２０４の各々の第１データ及び第２データを用いて学習済みモデルを作成または更新する。

以上のように、第１の実施の形態に係る保全表示装置１００によれば、生産装置２００の設備状態を診断するための設備状態診断モデルＭを学習により生成する学習処理と、設備状態診断モデルＭを用いて、生産装置２００に異常または異常の予兆が発生しているか否かを識別し、異常または異常の予兆が発生している場合にはこれを報知する識別処理と、報知に基づいて行われた保全作業に対応する保全実績データＭＤに基づいて設備状態診断モデルＭを更新する更新処理と、を実行することができる。

より詳細には、学習処理においては、保全表示装置１００は、新たに登録された保全実績データＭＤと、保全作業の前後に生産された巻回体２０４の生産実績データＰＤに含まれ、時間情報（巻回体２０４の生産時刻または形状データの読取時刻）と対応付けられた形状データ群と、に基づいて保全作業の効果の有無を判定し、効果があると判定された保全作業に対応する保全実績データＭＤと形状データ群とを用いて設備状態診断モデルＭを生成する。

また、識別処理においては、保全表示装置１００は、保全作業後に生産された巻回体２０４の形状データ群と設備状態診断モデルＭとの一致度Ｃを保全グループ毎に算出し、一致度Ｃの大きさに基づいて、警報の発令と保全作業の内容の報知とを行うか、保全作業の内容の報知のみ行うか、報知自体を行わないか、を判定する。

また、更新処理においては、保全表示装置１００は、新たに登録された保全実績データＭＤと、保全作業の前後に生産された巻回体２０４の生産実績データＰＤに含まれる形状データ群と、に基づいて保全作業の効果の有無を判定し、効果があると判定された保全作業に対応する保全実績データＭＤと形状データ群とを用いて新たな設備状態診断モデルＭ_ｎｅｗを生成し、新たな設備状態診断モデルＭ_ｎｅｗを用いて設備状態診断モデルＭを更新する。

このような構成により、実際に行われた保全作業のうち、効果がある（不良率が下がった）保全作業に基づいて生成した学習済みモデル（設備状態診断モデルＭ）を用いて生産装置２００の状態を適切に診断することができる。また、学習済みモデルを随時更新するため、診断の精度を向上させることができる。さらに、生産装置２００に異常が発生したと診断した場合には警報を発して緊急の対応をユーザに行わせることができるとともに、異常の予兆が発生したと診断した場合には、改善を見込める保全作業の内容をユーザに報知するので、生産装置２００における不良品の発生率が低い内に保全作業が実行されうる。

さらに、第１の実施の形態に係る保全表示装置１００によれば、所定数以上の巻回体２０４の各々の形状データが時系列に沿って並べられた形状データ群を用いて設備状態診断モデルＭを作成するとともに、保全の効果があったか否かの判定を行う。このため、例えば巻回部２０１の各構成の経時劣化が原因となって不良品の巻回体２０４が生産されるようになった場合でも、多数の形状データ群を用いた学習の結果に基づいて処理を行うため、原因の結果が巻回部２０１のどの構成であるのか否か、そして、原因はその構成の経時劣化によるものであるのか、一時的なものであるのか、についてまで、精度よく判定することができる。

本実施の形態に係る保全表示装置は、報知部と、保全効果判定部と、設備状態診断モデル生成部と、を有する。報知部は、過去に行われた保全作業毎に、保全作業の内容とその保全作業より前の生産実績データとが関連づけられてデータベースに登録された設備状態診断モデルと、新たに入力された生産実績データとに基づいて、保全作業の内容を報知する。保全効果判定部は、保全作業が行われた時点より前の生産実績データと、保全作業が行われた時点より後の生産実績データとに基づいて、保全作業の効果があったか否かを判定する。設備状態診断モデル生成部は、効果があったと判定された保全作業が行われた時点より前の生産実績データと、効果があったと判定された保全作業の内容とに基づいて、新たな設備状態診断モデルを生成する。

本実施の形態に係る保全表示装置は、新たに登録された生産実績データと、設備状態診断モデルに含まれる保全作業前の生産実績データと、が一致する度合いである設備状態診断指標を生成する設備状態診断部をさらに有する。そして、報知部は、設備状態診断指標に基づいて保全作業の内容の報知を行う。

本実施の形態に係る保全表示装置において、設備状態診断モデル生成部は、効果があると判定された保全作業が行われた時点より前の生産実績データと、その保全作業に関する保全実績データと、を用いて、機械学習により設備状態診断モデルを生成する。

本実施の形態に係る保全表示装置は、報知部が報知した保全作業の内容に基づかない保全作業が実行され、その保全作業に関する保全実績データが新たに入力された場合に、生産実績データに含まれる生産設備の生産物の検査結果に関するデータに基づいて、新たに入力された保全実績データの保全作業が行われた時点から所定時間前までの間の生産実績データのうち検査結果が不良である不良率を算出する。さらに、新たに入力された保全実績データの保全作業が行われた時点から所定時間後までの間の生産実績データのうち検査結果が不良である不良率を算出する。そして、保全効果判定部は、保全作業前の不良率と保全作業後の不良率との差分を算出し、差分の大きさに基づいて保全作業の効果があったか否かを判定する。

（第２の実施の形態）
以下では、本発明の第２の実施の形態について説明する。図２１は、第２の実施の形態に係る保全表示装置１００Ａの構成を例示した図である。第２の実施の形態に係る保全表示装置１００Ａは、サーバ１０Ａの制御部１２０Ａが有する保全効果判定部１２３Ａの行う処理が上記説明した第１の実施の形態に係る保全効果判定部１２３と異なっている。

以下では、第１の実施の形態との相違点について説明を行う。第１の実施の形態と同様の構成については、第１の実施の形態と同様の符号を付して説明し、第１の実施の形態と異なる構成については符号に「Ａ」を付して説明する。

第１の実施の形態では、保全表示装置１００のユーザが、保全表示装置１００により報知された内容以外の保全作業を行うことについては想定していなかった。しかしながら、実際には、生産装置２００の運用上、現場の判断等によって適宜必要な保全作業（保全表示装置１００の報知した保全内容以外の保全作業）が随時行われうる。本第２の実施の形態では、このように保全表示装置１００Ａが報知した保全内容以外の保全作業が行われる場合にも対応できる保全表示装置１００Ａについて説明する。

図２２は、第２の実施の形態において、保全効果判定部１２３Ａが実行する処理について説明するためのフローチャートである。

図２２のステップＳ９１において、保全効果判定部１２３Ａは、記憶部１１０の保全実績データベース１１３に新たに保全実績データＭＤ_ｎｅｗが登録されたか否かを判定する。新たな保全実績データＭＤ_ｎｅｗが登録されていないと判定した場合（ステップＳ９１：ＮＯ）、保全効果判定部１２３Ａは、ステップＳ９１を繰り返す。新たな保全実績データＭＤ_ｎｅｗが登録されていたと判定した場合（ステップＳ９１：ＹＥＳ）、保全効果判定部１２３Ａは、処理をステップＳ９２に進める。

ステップＳ９２において、保全効果判定部１２３Ａは、新たに登録された保全実績データＭＤ_ｎｅｗに含まれる保全日時データに基づいて、新たに登録された保全実績データＭＤ_ｎｅｗに対応する保全作業から所定時間が経過したか否かを判定する。所定時間は、第１の実施の形態にて説明した所定時間と同様、例えば保全作業が行われてから対象の生産装置２００において、ある程度以上の数の巻回体２０４が製造されるために必要な時間である。

保全作業から所定時間が経過したと判定した場合（ステップＳ９２：ＹＥＳ）、保全効果判定部１２３Ａは、処理をステップＳ９３に進める。保全作業から所定時間が経過していないと判定した場合（ステップＳ９２：ＮＯ）、保全効果判定部１２３Ａは、ステップＳ９２の処理を繰り返す。

ステップＳ９３において、保全効果判定部１２３Ａは、新たに登録された保全実績データＭＤ_ｎｅｗと対応付けられた保全案ＩＤが存在するか否かを判定する。第１の実施の形態にて説明したように、報知判定部１２２は、保全作業内容とともに、当該保全内容の保全グループに対応づけられた保全案ＩＤを報知する。これにより、保全作業を行った作業員が保全実績データＭＤを入力するときに、保全実績データＭＤと、保全を行う契機となった保全案ＩＤと、が対応付けられる。本ステップＳ９３では、このようにして、新たに登録された保全実績データＭＤ_ｎｅｗが保全表示装置１００Ａによる報知を契機として行われた保全であるか否かを判定している。

ステップＳ９３において、新たに登録された保全実績データＭＤ_ｎｅｗと対応付けられた保全案ＩＤが存在する場合、その保全実績データＭＤ_ｎｅｗに対応する保全作業は、保全表示装置１００Ａによる保全内容の報知を契機としたものであると判断される。また、新たに登録された保全実績データＭＤ_ｎｅｗと対応付けられた保全案ＩＤが存在しない場合、その保全実績データＭＤ_ｎｅｗに対応する保全作業は、保全表示装置１００Ａによる保全内容の報知を契機としたものではないと判断される。

ステップＳ９３において、新たに登録された保全実績データＭＤ_ｎｅｗに保全案ＩＤが含まれていると判定された場合（ステップＳ９３：ＹＥＳ）、保全効果判定部１２３Ａは、処理をステップＳ９４に進める。一方、保全実績データＭＤ_ｎｅｗに保全案ＩＤが含まれていないと判定した場合（ステップＳ９３：ＮＯ）、保全効果判定部１２３Ａは、処理をステップＳ９５に進める。

ステップＳ９４は、新たに登録された保全実績データＭＤ_ｎｅｗに対応する保全作業が保全表示装置１００Ａによる保全内容の報知を契機とした場合の処理である。このためステップＳ９４において、保全効果判定部１２３Ａは、保全表示装置１００Ａによる保全内容の報知を契機とした保全作業の効果の有無を判定する処理へと移行する。なお、保全表示装置１００Ａによる保全内容の報知を契機とした保全に対する保全効果判定処理は、上述した第１の実施の形態において図１８を参照して説明した処理とほぼ同様であるため、説明を省略する。

一方、ステップＳ９５は、保全実績データＭＤ_ｎｅｗに対応する保全作業が保全表示装置１００Ａによる保全内容の報知を契機としたものではない場合の処理である。このため、保全効果判定部１２３Ａは、保全表示装置１００Ａを契機としない保全作業の効果の有無を判定する処理へと移行する。なお、保全表示装置１００Ａによる保全内容の報知を契機とした保全に対する保全効果判定処理は、上述した第１の実施の形態において図１１を参照して説明した処理とほぼ同様であるため、説明を省略する。

以上説明したように、第２の実施の形態に係る保全表示装置１００Ａによれば、保全表示装置１００Ａによる保全内容の報知を契機としたものではない保全作業が行われた場合でも、保全実績データＭＤ_ｎｅｗを好適に登録することができる。なお、図２２にて説明した保全効果判定部１２３Ａの処理は、上述した学習処理または更新処理のいずれにおいても実行されうる。

本実施の形態に係る保全表示装置は、新たに登録された保全実績データの保全作業が行われた時点から所定時間前までの間の生産実績データと、新たに入力された保全実績データの保全作業の契機となった報知における保全作業の内容が関連づけられた設備状態診断モデルと、に基づいて保全作業前の設備状態診断指標を生成する。そして、新たに入力された保全実績データの保全作業が行われた時点から所定時間後までの間の生産実績データと、新たに入力された保全実績データの保全作業の契機となった報知における保全作業の内容が関連づけられた設備状態診断モデルと、に基づいて保全作業後の設備状態診断指標を生成する。そして、保全効果判定部は、保全作業前の設備状態診断指標と保全作業後の設備状態診断指標との差分を算出し、差分の大きさに基づいて保全作業の効果があったか否かを判定する。

（第３の実施の形態）
以下、本発明の第３の実施の形態について説明する。図２３は、第３の実施の形態に係る保全表示装置１００Ｂの構成を例示した図である。第３の実施の形態に係る保全表示装置１００Ｂは、サーバ１０Ｂの記憶部１１０Ｂが効果なし設備状態診断モデルデータベース１１４をさらに有し、制御部１２０Ｂが報知判定部１２２Ｂ、保全効果判定部１２３Ｂ、および設備状態診断モデル生成部１２４Ｂを有する点で上記説明した第１の実施の形態に係る保全表示装置１００と異なっている。

上述した第１の実施の形態において、設備状態診断モデル生成部１２４は、効果があると判定された保全実績データＭＤを用いて新たな設備状態診断モデルＭ_ｎｅｗを生成していた（図１４参照）。第３の実施の形態においては、設備状態診断モデル生成部１２４Ｂは、保全の効果がないと判定された保全実績データＭＤも用いて、新たな設備状態診断モデルＭ_ｎｅｗを生成する。

図２４は、第３の実施の形態において、設備状態診断モデル生成部１２４Ｂが行う処理について説明するためのフローチャートである。なお、図２４にて説明する処理は、学習処理または更新処理のいずれにおいても実行されうる。

ステップＳ１０１において、設備状態診断モデル生成部１２４Ｂは、新たに登録された保全実績データＭＤ_ｎｅｗを保全実績データベース１１３から読み出す。ここで、設備状態診断モデル生成部１２４Ｂは、保全効果判定部１２３Ｂによる効果の判定結果にかかわらず、保全実績データＭＤ_ｎｅｗを読み出す。

ステップＳ１０２において、設備状態診断モデル生成部１２４Ｂは、生産実績データベース１１１から、保全作業前の生産実績データリストＰＬ_{ｂｅｆｏｒｅ}を読み出す。

ステップＳ１０３において、設備状態診断モデル生成部１２４Ｂは、読み出した保全実績データＭＤ_ｎｅｗと、生産実績データリストＰＬ_{ｂｅｆｏｒｅ}に含まれる生産実績データＰＤと、を用いて学習を行い、設備状態診断モデルＭ_ｎｅｗを生成する。

ステップＳ１０４において、設備状態診断モデル生成部１２４Ｂは、新たに生成された設備状態診断モデルＭ_ｎｅｗのうち、効果なしと判定された保全実績データＭＤに基づいて生成されたモデルを、効果なし設備状態診断モデルデータベース１１４に登録する。一方、設備状態診断モデル生成部１２４Ｂは、新たに生成された設備状態診断モデルＭ_ｎｅｗのうち、効果ありと判定された保全実績データＭＤに基づいて生成されたモデルを、設備状態診断モデルデータベース１１２に登録する。

このように、設備状態診断モデル生成部１２４Ｂは、効果があると判定された保全の保全実績データＭＤを用いた設備状態診断モデルＭを生成するだけでなく、効果がないと判定された保全の保全実績データＭＤを用いた設備状態診断モデルＭを生成する。

このように生成された設備状態診断モデルＭを用いて、設備状態診断部１２１および報知判定部１２２Ｂによる識別処理が実行される。設備状態診断部１２１が実行する処理については、上述した第１の実施の形態において図１５を参照して説明した処理とほぼ同様であるため、説明を省略する。

以下では、第３の実施の形態の識別処理において、報知判定部１２２Ｂが実行する処理について説明する。図２５は、第３の実施の形態において、報知判定部１２２Ｂが行う処理について説明するためのフローチャートである。

ステップＳ１１１において、報知判定部１２２Ｂは、設備状態診断部１２１の生成した一致度Ｃを用いて、保全グループ毎に一致度Ｃを集計し、集計値Ａを生成する。なお、第３の実施の形態において、各保全グループには、効果があると判定された保全作業か否かを示す情報（フラグ）が、保全効果判定部１２３Ｂによって関連づけられている。

ステップＳ１１２において、報知判定部１２２Ｂは、集計値Ａの大きい順に並べられた保全グループのリストである保全案リストＭＬを生成する。

ステップＳ１１３において、報知判定部１２２Ｂは、保全案リストＭＬに含まれる保全グループ毎に、効果ありと判定されたか否かを判定する。上記したように、第３の実施の形態においては、設備状態診断部１２１によって保全グループ毎に効果があるか否かを示すフラグが関連づけられているので、報知判定部１２２Ｂはこのフラグを参照することで本ステップＳ１１３の処理を行う。報知判定部１２２Ｂは、効果ありと判定された保全作業の保全グループに関しては、処理をステップＳ１１４に進める。一方、報知判定部１２２Ｂは、効果なしと判定された保全作業の保全グループに関しては、処理をステップＳ１１７に進める。

ステップＳ１１４において、報知判定部１２２Ｂは、効果ありと判定された保全グループ毎に、集計値Ａが所定の予兆閾値Ｔｈ_ｆより大きいか否かを判定する。集計値Ａが予兆閾値Ｔｈ_ｆより大きい保全グループが１つでも存在する場合（ステップＳ１１４：ＹＥＳ）、報知判定部１２２Ｂは、処理をステップＳ１１５に進める。集計値Ａが予兆閾値Ｔｈ_ｆより大きい保全グループが存在しない場合（ステップＳ１１４：ＮＯ）、報知判定部１２２Ｂは、処理を終了する。

ステップＳ１１５において、報知判定部１２２Ｂは、効果ありと判定された保全グループのうち、集計値Ａが所定の異常閾値Ｔｈ_ａより大きい保全グループがあるか否かを判定する。集計値Ａが異常閾値Ｔｈ_ａより大きい保全グループが存在する場合（ステップＳ１１５：ＹＥＳ）、報知判定部１２２Ｂは、処理をステップＳ１１６に進める。集計値Ａが異常閾値Ｔｈ_ａより大きい保全グループが存在しない場合（ステップＳ１１５：ＮＯ）、報知判定部１２２Ｂは、処理をステップＳ１１８に進める。

ステップＳ１１６において、報知判定部１２２Ｂは、ステップＳ１１４において集計値Ａが予兆閾値Ｔｈ_ｆより大きいと判定された保全グループに対応する保全内容を報知するとともに、対象の生産装置２００に異常が生じていることを報知するための警報を発報する。

ステップＳ１１７において、報知判定部１２２Ｂは、効果なしと判定された保全の保全グループ毎に、集計値Ａが所定の効果なし閾値Ｔｈ_ｉｅより大きいか否かを判定する。効果なし閾値Ｔｈ_ｉｅは、効果がないことを報知するべきと想定される集計値の最小値である。集計値Ａが効果なし閾値Ｔｈ_ｉｅより大きい保全グループが存在する場合（ステップＳ１１７：ＹＥＳ）、報知判定部１２２Ｂは、処理をステップＳ１１８に進める。集計値Ａが効果なし閾値Ｔｈｉｅより大きい保全グループが存在しない場合（ステップＳ１１７：ＮＯ）、報知判定部１２２Ｂは、処理を終了する。

ステップＳ１１８において、報知判定部１２２Ｂは、ステップＳ１１４において集計値Ａが予兆閾値Ｔｈ_ｆより大きいと判定された保全グループに対応する保全内容を報知する。同時に、報知判定部１２２Ｂは、ステップＳ１１７において集計値Ａが効果なし閾値Ｔｈ_ｉｅより大きいと判定された保全グループに対応する保全内容を報知する。

このような構成により、第３の実施の形態に係る保全表示装置１００Ｂによれば、生産装置２００を改善することができると想定される保全内容だけでなく、過去に実施されたが効果がなかった保全作業の内容についてユーザに報知することができる。これにより、ユーザは、効果がない保全作業を繰り返し行う事態を回避することができるので、保全に要する時間を短縮するとともに、保全に要する労力を軽減することができる。

本実施の形態に係る保全表示装置において、設備状態診断モデル生成部は、効果がないと判定された保全作業が行われた時点より前の生産実績データと、その保全作業に関する保全実績データと、に基づいて、新たな設備状態診断モデルを生成する。報知部は、効果があると判定された保全作業の内容を効果がある保全作業として報知するとともに、効果がないと判定された保全作業に関する保全実績データに基づいて生成された設備状態診断モデルに関連づけられた保全作業の内容を、効果がない保全作業として報知する。

（変形例）
以上、図面を参照しながら本開示に係る実施の形態について説明したが、本開示はかかる例に限定されない。当業者であれば、特許請求の範囲に記載された範囲内において、各種の変更例または修正例に想到しうることは明らかであり、それらについても当然に本開示の技術的範囲に属するものと了解される。また、開示の趣旨を逸脱しない範囲において、上記実施の形態における各構成要素は任意に組み合わせてられてもよい。

上述した実施の形態では、学習処理において、保全効果判定部１２３による保全作業の効果の有無の判定処理では、保全作業前後の不良率の差分が所定の閾値より大きいか否かによって効果の有無を判定していた（図１２Ａおよび図１２Ｂを参照）。

しかしながら、保全効果判定部１２３は、他の方法を用いて保全作業の効果の有無を判定してもよい。図２６Ａおよび図２６Ｂは、学習処理における、保全効果判定部１２３による保全作業の効果の有無の判定方法の変形例を説明するための図である。

図２６Ａおよび図２６Ｂに示す例では、保全前不良率は参照せず、保全後不良率Ｎｆ_{ａｆｔｅｒ}が所定閾値（例えば２０％）より大きいか否かに基づいて、効果の有無を判定している。図２６Ａに示す例ではＮｆ_{ａｆｔｅｒ}＝０であり、所定閾値２０％より小さいため、効果ありと判定される。一方、図２６Ｂに示す例ではＮｆ_{ａｆｔｅｒ}＝１００％であり、所定閾値２０％より大きいため、効果なしと判定される。

同様に、更新処理においても、保全効果判定部１２３は、上述した実施の形態とは異なる方法を用いて保全作業の効果の有無を判定してもよい。

また、上述した実施の形態では、更新処理において、保全効果判定部１２３による保全作業の効果の有無の判定処理では、保全作業前後の一致度の差分が所定の閾値より大きいか否かによって効果の有無を判定していた（図１９Ａおよび図１９Ｂを参照）。

図２７Ａおよび図２７Ｂは、更新処理における、保全効果判定部１２３による保全作業の効果の有無の判定方法の変形例を説明するための図である。

図２７Ａおよび図２７Ｂに示す例では、保全前一致度は参照せず、保全後一致度Ｃ_{ａｆｔｅｒ}が所定閾値（例えば０．３０）より大きいか否かに基づいて、効果の有無を判定している。図２７Ａに示す例ではＣ_{ａｆｔｅｒ}＝０．２０であり、所定閾値０．３０より小さいため、効果ありと判定される。一方、図２７Ｂに示す例ではＣ_{ａｆｔｅｒ}＝０．９０であり、所定閾値０．３０より大きいため、効果なしと判定される。

本開示は、生産設備の保全に関する情報を表示するための情報を出力する装置に有用である。

１０，１０Ａ，１０Ｂサーバ
５０第１供給リール
５１第２供給リール
１００，１００Ａ，１００Ｂ保全表示装置
１１０，１１０Ｂ記憶部
１１１生産実績データベース
１１２設備状態診断モデルデータベース
１１３保全実績データベース
１１４効果なし設備状態診断モデルデータベース
１２０，１２０Ａ，１２０Ｂ制御部
１２１設備状態診断部
１２２，１２２Ｂ報知判定部
１２３，１２３Ａ，１２３Ｂ保全効果判定部
１２４，１２４Ｂ設備状態診断モデル生成部
１３０報知部
１３１警報部
１３２表示部
２００生産装置
２０１巻回部
２０２第１シート材
２０３第２シート材
２０４巻回体
２０５Ａ第１貼合ローラ
２０５Ｂ第２貼合ローラ
２０６巻芯
２０６Ｍ巻芯回転駆動部
２０７検査機
２０８インデックステーブル
２０９切断部
２１０押さえ部
２１１タブ溶接部
２１２テープ貼り部
２１３シリンダ

Claims

第１電極シートを供給する第１供給リールと、
第２電極シートを供給する第２供給リールと、
前記第１電極シート側に設けられた第１貼合ローラと、
前記第２電極シート側に設けられ、前記第１貼合ローラと対となって前記第１電極シートと前記第２電極シートとを貼り合わせる第２貼合ローラと、
前記貼り合わされた前記第１電極シート及び前記第２電極シートを巻き付けて所定数以上の巻回体の各々が生成される巻芯と、
前記所定数以上の巻回体の各々の半径方向に沿って前記第１電極シートの第１端面及び前記第２電極シートの第２端面を読み取るセンサと、を備えた生産装置の保全のための学習済みモデルの生成方法であって、
前記所定数以上の巻回体の各々が読み取られた時刻または前記巻回体が生産された時刻を示す時間情報に対応する前記第１端面の位置を表す第１データ、及び、前記時間情報に対応する前記第２端面の位置を表す第２データを前記センサから取得し、
前記第１データ及び前記第２データに基づき、前記第１データが示す前記第１端面の位置の連続が、前記第２データが示す前記第２端面の位置の連続に交差していると判断された場合、前記巻回体が不良であり、前記不良の原因は前記第１供給リール、前記第２供給リール、前記第１貼合ローラ、前記第２貼合ローラ、前記巻芯または前記センサのうちいずれかである旨の情報を保全のために表示装置に出力し、
前記時間情報に基づいて、前記保全前において生成され、前記読み取られた時刻または前記巻回体が生産された時刻が異なる前記所定数以上の巻回体の各々の前記第１データ及び前記第２データを抽出し、抽出した前記第１データ及び前記第２データに基づき、前記保全前に読み取られた所定数以上の巻回体の第１不良率を算出し、
前記時間情報に基づいて、前記保全後において生成され、前記読み取られた時刻または前記巻回体が生産された時刻が異なる前記所定数以上の巻回体の各々の前記第１データ及び前記第２データを抽出し、抽出した前記第１データ及び前記第２データに基づき、前記保全後に読み取られた所定数以上の巻回体の第２不良率を算出し、
前記第１不良率と第２不良率との第１差分が所定値未満と判断された場合、前記保全前に読み取られた前記所定数以上の巻回体の各々の前記第１データ及び前記第２データは前記学習済みモデルを生成するためには用いず、一方、前記第１差分が前記所定値以上と判断された場合、前記保全前に読み取られた前記所定数以上の巻回体の各々の前記第１データ及び前記第２データを用いて前記学習済みモデルを生成する、
学習済みモデルの生成方法。
前記第１電極シートは電池の正極シートであり、前記第２電極シートは電池の負極シートである、
請求項１記載の学習済みモデルの生成方法。
前記第１電極シートは電池の負極シートであり、前記第２電極シートは電池の正極シートである、
請求項１記載の学習済みモデルの生成方法。
第１電極シートを供給する第１供給リールと、
第２電極シートを供給する第２供給リールと、
前記第１電極シート側に設けられた第１貼合ローラと、
前記第２電極シート側に設けられ、前記第１貼合ローラと対となって前記第１電極シートと前記第２電極シートとを貼り合わせる第２貼合ローラと、
前記貼り合わされた前記第１電極シート及び前記第２電極シートを巻き付けて所定数以上の巻回体の各々が生成される巻芯と、
前記所定数以上の巻回体の各々の半径方向に沿って前記第１電極シートの第１端面及び前記第２電極シートの第２端面を読み取るセンサと、を備えた生産装置の保全のための学習済みモデルの生成方法であって、
前記所定数以上の巻回体の各々の前記半径方向に沿って読み取られた時刻または前記巻回体が生産された時刻を示す時間情報に対応する前記第１端面の位置を表す第１データ、及び、前記時間情報に対応する前記半径方向に沿って読み取られた前記第２端面の位置を表す第２データを前記センサから取得し、
前記第１データ及び前記第２データに基づき、前記第１データが示す前記第１端面の位置の連続が、前記第２データが示す前記第２端面の位置の連続に交差していると判断された場合、前記巻回体が不良であり、前記不良の原因は前記第１供給リール、前記第２供給リール、前記第１貼合ローラ、前記第２貼合ローラ、前記巻芯または前記センサのうちいずれかである旨の情報を保全のために表示装置に出力し、
前記時間情報に基づいて、前記保全前後のそれぞれにおいて、前記読み取られた時刻または前記巻回体が生産された時刻が異なる前記所定数以上の巻回体の各々の前記第１データ及び前記第２データを抽出し、抽出した前記第１データ及び前記第２データに基づき、前記保全後に読み取られた所定数以上の巻回体の第３不良率が所定値以上と判断された場合、前記保全前に読み取られた前記所定数以上の巻回体の各々の前記第１データ及び前記第２データは前記学習済みモデルを生成するためには用いず、一方、前記第３不良率が前記所定値未満と判断された場合、前記保全前に読み取られた前記所定数以上の巻回体の各々の前記第１データ及び前記第２データを用いて前記学習済みモデルを生成する、
学習済みモデルの生成方法。
前記第１電極シートは電池の正極シートであり、前記第２電極シートは電池の負極シートである、
請求項４記載の学習済みモデルの生成方法。
前記第１電極シートは電池の負極シートであり、前記第２電極シートは電池の正極シートである、
請求項４記載の学習済みモデルの生成方法。
第１電極シートを供給する第１供給リールと、
第２電極シートを供給する第２供給リールと、
前記第１電極シート側に設けられた第１貼合ローラと、
前記第２電極シート側に設けられ、前記第１貼合ローラと対となって前記第１電極シートと前記第２電極シートとを貼り合わせる第２貼合ローラと、
前記貼り合わされた前記第１電極シート及び前記第２電極シートを巻き付けて所定数以上の巻回体の各々が生成される巻芯と、
前記所定数以上の巻回体の各々の半径方向に沿って前記第１電極シートの第１端面及び前記第２電極シートの第２端面を読み取るセンサと、を備えた生産装置の保全のための学習済みモデルの生成方法であって、
前記所定数以上の巻回体の各々が読み取られた時刻または前記巻回体が生産された時刻を示す時間情報に対応する前記第１端面の位置を表す第１データ、及び、前記時間情報に対応する前記第２端面の位置を表す第２データを前記センサから取得し、
前記第１データ及び前記第２データに基づき、前記第１データが示す前記第１端面の位置の連続が、前記第２データが示す前記第２端面の位置の連続に交差していると判断された場合、前記巻回体の不良原因が前記第１供給リール、前記第２供給リール、前記第１貼合ローラ、前記第２貼合ローラ、前記巻芯または前記センサのうちいずれかである旨を判断するための学習済みモデルを生成し、
前記学習済みモデルを用いた判断に基づき、前記不良原因が前記第１供給リール、前記第２供給リール、前記第１貼合ローラ、前記第２貼合ローラ、前記巻芯または前記センサのうちいずれかである旨の情報を保全のために表示装置に出力し、
前記時間情報に基づいて、前記保全前において生成され、前記読み取られた時刻または前記巻回体が生産された時刻が異なる前記所定数以上の巻回体の各々の前記第１データ及び前記第２データを前記学習済みモデルに入力して得られる前記巻回体の不良が改善される第１確率と、前記保全後において生成され、前記読み取られた時刻または前記巻回体が生産された時刻が異なる前記所定数以上の巻回体の各々の前記第１データ及び前記第２データを前記学習済みモデルに入力して得られる前記巻回体の不良が改善される第２確率との第２差分が所定値未満と判断された場合、前記保全前に読み取られた前記所定数以上の巻回体の各々の前記第１データ及び前記第２データは前記学習済みモデルを更新するためには用いず、一方、前記第２差分が前記所定値以上と判断された場合、前記保全前に読み取られた前記所定数以上の巻回体の各々の前記第１データ及び前記第２データを用いて前記学習済みモデルを更新する、
学習済みモデルの生成方法。
前記第１電極シートは電池の正極シートであり、前記第２電極シートは電池の負極シートである、
請求項７記載の学習済みモデルの生成方法。
前記第１電極シートは電池の負極シートであり、前記第２電極シートは電池の正極シートである、
請求項７記載の学習済みモデルの生成方法。
第１電極シートを供給する第１供給リールと、
第２電極シートを供給する第２供給リールと、
前記第１電極シート側に設けられた第１貼合ローラと、
前記第２電極シート側に設けられ、前記第１貼合ローラと対となって前記第１電極シートと前記第２電極シートとを貼り合わせる第２貼合ローラと、
前記貼り合わされた前記第１電極シート及び前記第２電極シートを巻き付けて所定数以上の巻回体の各々が生成される巻芯と、
前記所定数以上の巻回体の各々の半径方向に沿って前記第１電極シートの第１端面及び前記第２電極シートの第２端面を読み取るセンサと、を備えた生産装置の保全のための学習済みモデルの生成方法であって、
前記所定数以上の巻回体の各々が読み取られた時刻または前記巻回体が生産された時刻を示す時間情報に対応する前記第１端面の位置を表す第１データ、及び、前記時間情報に対応する前記第２端面の位置を表す第２データを前記センサから取得し、
前記第１データ及び前記第２データに基づき、前記第１データが示す前記第１端面の位置の連続が、前記第２データが示す前記第２端面の位置の連続に交差していると判断された場合、前記巻回体の不良原因は前記第１供給リール、前記第２供給リール、前記第１貼合ローラ、前記第２貼合ローラ、前記巻芯または前記センサのうちいずれかである旨を判断するための学習済みモデルを生成し、
前記学習済みモデルを用いた判断に基づき、前記不良原因が前記第１供給リール、前記第２供給リール、前記第１貼合ローラ、前記第２貼合ローラ、前記巻芯または前記センサのうちいずれかである旨の情報を保全のために表示装置に出力し、
前記時間情報に基づいて、前保全後において生成され、前記読み取られた時刻または前記巻回体が生産された時刻が異なる前記所定数以上の巻回体の各々の前記第１データ及び前記第２データを前記学習済みモデルに入力して得られる前記巻回体の不良が改善される第３確率が所定値以上と判断された場合、前記保全前に読み取られた前記所定数以上の巻回体の各々の前記第１データ及び前記第２データは前記学習済みモデルを更新するためには用いず、一方、前記第３確率が前記所定値未満と判断された場合、前記保全前に読み取られた前記所定数以上の巻回体の各々の前記第１データ及び前記第２データを用いて前記学習済みモデルを更新する、
学習済みモデルの生成方法。
前記第１電極シートは電池の正極シートであり、前記第２電極シートは電池の負極シートである、
請求項１０記載の学習済みモデルの生成方法。
前記第１電極シートは電池の負極シートであり、前記第２電極シートは電池の正極シートである、
請求項１０記載の学習済みモデルの生成方法。
第１電極シートを供給する第１供給リールと、
第２電極シートを供給する第２供給リールと、
前記第１電極シート側に設けられた第１貼合ローラと、
前記第２電極シート側に設けられ、前記第１貼合ローラと対となって前記第１電極シートと前記第２電極シートとを貼り合わせる第２貼合ローラと、
前記貼り合わされた前記第１電極シート及び前記第２電極シートを巻き付けて所定数以上の巻回体の各々が生成される巻芯と、
前記所定数以上の巻回体の半径方向に沿って前記第１電極シートの第１端面及び前記第２電極シートの第２端面を読み取るセンサと、を備えた生産装置の保全に関する情報を表示するための情報を出力する装置であって、
前記所定数以上の巻回体の各々が読み取られた時刻または前記巻回体が生産された時刻を示す時間情報に対応する前記第１端面の位置を表す第１データ、及び、前記時間情報に対応する前記第２端面の位置を表す第２データを前記センサから取得し、
前記第１データ及び前記第２データに基づき、前記第１データが示す前記第１端面の位置の連続が、前記第２データが示す前記第２端面の位置の連続に交差しているか否かに基づいて、前記巻回体が不良であるか否かを判定し、不良である場合には前記不良の原因は前記第１供給リール、前記第２供給リール、前記第１貼合ローラ、前記第２貼合ローラ、前記巻芯または前記センサのうちいずれかである旨の情報を保全のために表示装置に出力する報知判定部と、
前記時間情報に基づいて、前記保全前において生成され、前記読み取られた時刻または前記巻回体が生産された時刻が異なる前記所定数以上の巻回体の各々の前記第１データ及び前記第２データを抽出し、抽出した前記第１データ及び前記第２データに基づき、前記保全前に読み取られた所定数以上の巻回体の第１不良率を算出し、前記時間情報に基づいて、前記保全後において生成され、前記読み取られた時刻または前記巻回体が生産された時刻が異なる前記所定数以上の巻回体の各々の前記第１データ及び前記第２データを抽出し、抽出した前記第１データ及び前記第２データに基づき、前記保全後に読み取られた所定数以上の巻回体の第２不良率を算出し、前記第１不良率と前記第前記第２不良率との第１差分が所定値未満と判断された場合の、前記保全前に読み取られた前記所定数以上の巻回体の各々の前記第１データ及び前記第２データを用いず、一方、前記第１差分が前記所定値以上と判断された場合の、前記保全前に読み取られた前記所定数以上の巻回体の各々の前記第１データ及び前記第２データを用いて学習済みモデルを生成するモデル生成部と、
を備える、装置。
第１電極シートを供給する第１供給リールと、
第２電極シートを供給する第２供給リールと、
前記第１電極シート側に設けられた第１貼合ローラと、
前記第２電極シート側に設けられ、前記第１貼合ローラと対となって前記第１電極シートと前記第２電極シートとを貼り合わせる第２貼合ローラと、
前記貼り合わされた前記第１電極シート及び前記第２電極シートを巻き付けて所定数以上の巻回体の各々が生成される巻芯と、
前記所定数以上の巻回体の各々の半径方向に沿って前記第１電極シートの第１端面及び前記第２電極シートの第２端面を読み取るセンサと、を備えた生産装置の保全に関する情報を表示するための情報を出力する装置であって、
前記半径方向に沿って読み取られた時刻または前記巻回体が生産された時刻を示す時間情報に対応する前記第１端面の位置を表す第１データ、及び、前記時間情報に対応する前記第２端面の位置を表す第２データを前記センサから取得し、
前記第１データ及び前記第２データに基づき、前記第１データが示す前記第１端面の位置の連続が、前記第２データが示す前記第２端面の位置の連続に交差しているか否かに基づいて、前記巻回体が不良であるか否かを判定し、不良である場合には前記不良の原因は前記第１供給リール、前記第２供給リール、前記第１貼合ローラ、前記第２貼合ローラ、前記巻芯または前記センサのうちいずれかである旨の情報を保全のために表示装置に出力する報知判定部と、
前記時間情報に基づいて、前記保全前後のそれぞれにおいて、前記読み取られた時刻または前記巻回体が生産された時刻が異なる前記所定数以上の巻回体の各々の前記第１データ及び前記第２データを抽出し、抽出した前記第１データ及び前記第２データに基づき、前記保全後に読み取られた所定数以上の巻回体の第３不良率が所定値以上と判断された場合の、前記保全前に読み取られた前記所定数以上の巻回体の各々の前記第１データ及び前記第２データを用いず、一方、前記第３不良率が前記所定値未満と判断された場合の、前記保全前に読み取られた前記所定数以上の巻回体の各々の前記第１データ及び前記第２データを用いて学習済みモデルを生成するモデル生成部と、
を備える、装置。
第１電極シートを供給する第１供給リールと、
第２電極シートを供給する第２供給リールと、
前記第１電極シート側に設けられた第１貼合ローラと、
前記第２電極シート側に設けられ、前記第１貼合ローラと対となって前記第１電極シートと前記第２電極シートとを貼り合わせる第２貼合ローラと、
前記貼り合わされた前記第１電極シート及び前記第２電極シートを巻き付けて所定数以上の巻回体の各々が生成される巻芯と、
前記所定数以上の巻回体の各々の半径方向に沿って前記第１電極シートの第１端面及び前記第２電極シートの第２端面を読み取るセンサと、を備えた生産装置の保全に関する情報を表示するための情報を出力する装置であって、
前記所定数以上の巻回体の各々が読み取られた時刻または前記巻回体が生産された時刻を示す時間情報に対応する前記第１端面の位置を表す第１データ、及び、前記時間情報に対応する前記第２端面の位置を表す第２データを前記センサから取得し、
前記第１データ及び前記第２データに基づき、前記第１データが示す前記第１端面の位置の連続が、前記第２データが示す前記第２端面の位置の連続に交差しているか否かに基づいて、前記巻回体が不良であるか否かを判定し、不良である場合には不良原因が前記第１供給リール、前記第２供給リール、前記第１貼合ローラ、前記第２貼合ローラ、前記巻芯または前記センサのうちいずれかである旨を判断するための学習済みモデルを生成するモデル生成部と、
前記学習済みモデルを用いた判断に基づき、前記不良原因が前記第１供給リール、前記第２供給リール、前記第１貼合ローラ、前記第２貼合ローラ、前記巻芯または前記センサのうちいずれかである旨の情報を保全のために表示装置に出力する報知判定部と、
を備え、
前記モデル生成部は、前記時間情報に基づいて、前記保全前において生成され、前記読み取られた時刻または前記巻回体が生産された時刻が異なる前記所定数以上の巻回体の各々の前記第１データ及び前記第２データを前記学習済みモデルに入力して得られる前記巻回体の不良が改善される第１確率と、前記保全後において生成され、前記読み取られた時刻または前記巻回体が生産された時刻が異なる前記所定数以上の巻回体の各々の前記第１データ及び前記第２データを前記学習済みモデルに入力して得られる前記巻回体の不良が改善される第２確率との第２差分が所定値未満と判断された場合、前記保全前に読み取られた前記所定数以上の巻回体の各々の前記第１データ及び前記第２データは前記学習済みモデルを更新するためには用いず、一方、前記第２差分が前記所定値以上と判断された場合、前記保全前に読み取られた前記所定数以上の巻回体の各々の前記第１データ及び前記第２データを用いて前記学習済みモデルを更新する、
装置。
第１電極シートを供給する第１供給リールと、
第２電極シートを供給する第２供給リールと、
前記第１電極シート側に設けられた第１貼合ローラと、
前記第２電極シート側に設けられ、前記第１貼合ローラと対となって前記第１電極シートと前記第２電極シートとを貼り合わせる第２貼合ローラと、
前記貼り合わされた前記第１電極シート及び前記第２電極シートを巻き付けて所定数以上の巻回体の各々が生成される巻芯と、
前記所定数以上の巻回体の各々の半径方向に沿って前記第１電極シートの第１端面及び前記第２電極シートの第２端面を読み取るセンサと、を備えた生産装置の保全に関する情報を表示するための情報を出力する装置であって、
前記所定数以上の巻回体の各々が読み取られた時刻または前記巻回体が生産された時刻を示す時間情報に対応する前記第１端面の位置を表す第１データ、及び、前記時間情報に対応する前記第２端面の位置を表す第２データを前記センサから取得し、
前記第１データ及び前記第２データに基づき、前記第１データが示す前記第１端面の位置の連続が、前記第２データが示す前記第２端面の位置の連続に交差しているか否かに基づいて、前記巻回体が不良であるか否かを判定し、不良である場合には不良原因が前記第１供給リール、前記第２供給リール、前記第１貼合ローラ、前記第２貼合ローラ、前記巻芯または前記センサのうちいずれかである旨を判断するための学習済みモデルを生成するモデル生成部と、
前記学習済みモデルを用いた判断に基づき、前記不良原因が前記第１供給リール、前記第２供給リール、前記第１貼合ローラ、前記第２貼合ローラ、前記巻芯または前記センサのうちいずれかである旨の情報を保全のために表示装置に出力する報知判定部と、
を備え、
前記モデル生成部は、前記時間情報に基づいて、前記保全後において生成され、前記読み取られた時刻または前記巻回体が生産された時刻が異なる前記所定数以上の巻回体の各々の前記第１データ及び前記第２データを前記学習済みモデルに入力して得られる前記巻回体の不良が改善される第３確率が所定値以上と判断された場合、前記保全前に読み取られた前記所定数以上の巻回体の各々の前記第１データ及び前記第２データは前記学習済みモデルを更新するためには用いず、一方、前記第５確率が前記所定値未満と判断された場合、前記保全前に読み取られた前記所定数以上の巻回体の各々の前記第１データ及び前記第２データを用いて前記学習済みモデルを更新する、
装置。
第１電極シートを供給する第１供給リールと、
第２電極シートを供給する第２供給リールと、
前記第１電極シート側に設けられた第１貼合ローラと、
前記第２電極シート側に設けられ、前記第１貼合ローラと対となって前記第１電極シートと前記第２電極シートとを貼り合わせる第２貼合ローラと、
前記貼り合わされた前記第１電極シート及び前記第２電極シートを巻き付けて所定数以上の巻回体の各々が生成される巻芯と、
前記所定数以上の巻回体の各々の半径方向に沿って前記第１電極シートの第１端面及び前記第２電極シートの第２端面を読み取るセンサと、を備えた生産装置の保全のための学習済みモデルを生成するコンピュータが実行するプログラムであって、
前記所定数以上の巻回体の各々が読み取られた時刻または前記巻回体が生産された時刻を示す時間情報に対応する前記第１端面の位置を表す第１データ、及び、前記時間情報に対応する前記第２端面の位置を表す第２データを前記センサから取得する手順と、
前記第１データ及び前記第２データに基づき、前記第１データが示す前記第１端面の位置の連続が、前記第２データが示す前記第２端面の位置の連続に交差していると判断された場合、前記巻回体が不良であり、前記不良の原因は前記第１供給リール、前記第２供給リール、前記第１貼合ローラ、前記第２貼合ローラ、前記巻芯または前記センサのうちいずれかである旨の情報を保全のために表示装置に出力する手順と、
前記時間情報に基づいて、前記保全前において生成され、前記読み取られた時刻または前記巻回体が生産された時刻が異なる前記所定数以上の巻回体の各々の前記第１データ及び前記第２データを抽出し、抽出した前記第１データ及び前記第２データに基づき、前記保全前に読み取られた所定数以上の巻回体の第１不良率を算出する手順と、
前記時間情報に基づいて、前記保全後において生成され、前記読み取られた時刻または前記巻回体が生産された時刻が異なる前記所定数以上の巻回体の各々の前記第１データ及び前記第２データを抽出し、抽出した前記第１データ及び前記第２データに基づき、前記保全後に読み取られた所定数以上の巻回体の第２不良率を算出する手順と、
前記第１不良率と前記第２不良率との第１差分が所定値未満と判断された場合、前記保全前に読み取られた前記所定数以上の巻回体の各々の前記第１データ及び前記第２データは前記学習済みモデルを生成するためには用いず、一方、前記第１差分が前記所定値以上と判断された場合、前記保全前に読み取られた前記所定数以上の巻回体の各々の前記第１データ及び前記第２データを用いて前記学習済みモデルを生成する手順と、
を前記コンピュータに実行させる、プログラム。
第１電極シートを供給する第１供給リールと、
第２電極シートを供給する第２供給リールと、
前記第１電極シート側に設けられた第１貼合ローラと、
前記第２電極シート側に設けられ、前記第１貼合ローラと対となって前記第１電極シートと前記第２電極シートとを貼り合わせる第２貼合ローラと、
前記貼り合わされた前記第１電極シート及び前記第２電極シートを巻き付けて所定数以上の巻回体の各々が生成される巻芯と、
前記所定数以上の巻回体の各々の半径方向に沿って前記第１電極シートの第１端面及び前記第２電極シートの第２端面を読み取るセンサと、を備えた生産装置の保全のための学習済みモデルを生成するコンピュータが実行するプログラムであって、
前記所定数以上の巻回体の各々の前記半径方向に沿って読み取られた時刻または前記巻回体が生産された時刻を示す時間情報に対応する前記第１端面の位置を表す第１データ、及び、前記時間情報に対応する前記第２端面の位置を表す第２データを前記センサから取得する手順と、
前記第１データ及び前記第２データに基づき、前記第１データが示す前記第１端面の位置の連続が、前記第２データが示す前記第２端面の位置の連続に交差していると判断された場合、前記巻回体が不良であり、前記不良の原因は前記第１供給リール、前記第２供給リール、前記第１貼合ローラ、前記第２貼合ローラ、前記巻芯または前記センサのうちいずれかである旨の情報を保全のために表示装置に出力する手順と、
前記時間情報に基づいて、前記保全前後のそれぞれにおいて、前記読み取られた時刻または前記巻回体が生産された時刻が異なる前記所定数以上の巻回体の各々の前記第１データ及び前記第２データを抽出し、抽出した前記第１データ及び前記第２データに基づき、前記保全後に読み取られた所定数以上の巻回体の第３不良率が所定値以上と判断された場合、前記保全前に読み取られた前記所定数以上の巻回体の各々の前記第１データ及び前記第２データは前記学習済みモデルを生成するためには用いず、一方、前記第３不良率が前記所定値未満と判断された場合、前記保全前に読み取られた前記所定数以上の巻回体の各々の前記第１データ及び前記第２データを用いて前記学習済みモデルを生成する手順と、
を前記コンピュータに実行させるプログラム。
第１電極シートを供給する第１供給リールと、
第２電極シートを供給する第２供給リールと、
前記第１電極シート側に設けられた第１貼合ローラと、
前記第２電極シート側に設けられ、前記第１貼合ローラと対となって前記第１電極シートと前記第２電極シートとを貼り合わせる第２貼合ローラと、
前記貼り合わされた前記第１電極シート及び前記第２電極シートを巻き付けて所定数以上の巻回体の各々が生成される巻芯と、
前記所定数以上の巻回体の各々の半径方向に沿って前記第１電極シートの第１端面及び前記第２電極シートの第２端面を読み取るセンサと、を備えた生産装置の保全のための学習済みモデルを生成するコンピュータが実行するプログラムであって、
前記所定数以上の巻回体の各々が読み取られた時刻または前記巻回体が生産された時刻を示す時間情報に対応する前記第１端面の位置を表す第１データ、及び、前記時間情報に対応する前記第２端面の位置を表す第２データを前記センサから取得する手順と、
前記第１データ及び前記第２データに基づき、前記第１データが示す前記第１端面の位置の連続が、前記第２データが示す前記第２端面の位置の連続に交差していると判断された場合、前記巻回体の不良原因が前記第１供給リール、前記第２供給リール、前記第１貼合ローラ、前記第２貼合ローラ、前記巻芯または前記センサのうちいずれかである旨を判断するための学習済みモデルを生成する手順と、
前記学習済みモデルを用いた判断に基づき、前記不良原因が前記第１供給リール、前記第２供給リール、前記第１貼合ローラ、前記第２貼合ローラ、前記巻芯または前記センサのうちいずれかである旨の情報を保全のために表示装置に出力する手順と、
前記時間情報に基づいて、前記保全前において生成され、前記読み取られた時刻または前記巻回体が生産された時刻が異なる前記所定数以上の巻回体の各々の前記第１データ及び前記第２データを前記学習済みモデルに入力して得られる前記巻回体の不良が改善される第１確率と、前記保全後において生成され、前記読み取られた時刻または前記巻回体が生産された時刻が異なる前記所定数以上の巻回体の各々の前記第１データ及び前記第２データを前記学習済みモデルに入力して得られる前記巻回体の不良が改善される第２確率との第２差分が所定値未満と判断された場合、前記保全前に読み取られた前記所定数以上の巻回体の各々の前記第１データ及び前記第２データは前記学習済みモデルを更新するためには用いず、一方、前記第２差分が前記所定値以上と判断された場合、前記保全前に読み取られた前記所定数以上の巻回体の各々の前記第１データ及び前記第２データを用いて前記学習済みモデルを更新する手順と、
を前記コンピュータに実行させるプログラム。
第１電極シートを供給する第１供給リールと、
第２電極シートを供給する第２供給リールと、
前記第１電極シート側に設けられた第１貼合ローラと、
前記第２電極シート側に設けられ、前記第１貼合ローラと対となって前記第１電極シートと前記第２電極シートとを貼り合わせる第２貼合ローラと、
前記貼り合わされた前記第１電極シート及び前記第２電極シートを巻き付けて所定数以上の巻回体の各々が生成される巻芯と、
前記所定数以上の巻回体の各々の半径方向に沿って前記第１電極シートの第１端面及び前記第２電極シートの第２端面を読み取るセンサと、を備えた生産装置の保全のための学習済みモデルを生成するコンピュータが実行するプログラムであって、
前記所定数以上の巻回体の各々が読み取られた時刻または前記巻回体が生産された時刻を示す時間情報に対応する前記第１端面の位置を表す第１データ、及び、前記時間情報に対応する前記第２端面の位置を表す第２データを前記センサから取得する手順と、
前記第１データ及び前記第２データに基づき、前記第１データが示す前記第１端面の位置の連続が、前記第２データが示す前記第２端面の位置の連続に交差していると判断された場合、前記巻回体の不良原因が前記第１供給リール、前記第２供給リール、前記第１貼合ローラ、前記第２貼合ローラ、前記巻芯または前記センサのうちいずれかである旨を判断するための学習済みモデルを生成する手順と、
前記学習済みモデルを用いた判断に基づき、前記不良原因が前記第１供給リール、前記第２供給リール、前記第１貼合ローラ、前記第２貼合ローラ、前記巻芯または前記センサのうちいずれかである旨の情報を保全のために表示装置に出力する手順と、
前記時間情報に基づいて、前記保全後において生成され、前記読み取られた時刻または前記巻回体が生産された時刻が異なる前記所定数以上の巻回体の各々の前記第１データ及び前記第２データを前記学習済みモデルに入力して得られる前記巻回体の不良が改善される第３確率が所定値以上と判断された場合、前記保全前に読み取られた前記所定数以上の巻回体の各々の前記第１データ及び前記第２データは前記学習済みモデルを更新するためには用いず、一方、前記第３確率が前記所定値未満と判断された場合、前記保全前に読み取られた前記所定数以上の巻回体の各々の前記第１データ及び前記第２データを用いて前記学習済みモデルを更新する手順と、
を前記コンピュータに実行させるプログラム。