JP2021124966A - データ収集装置、プロセッサコアの配分方法 - Google Patents

Abstract

【課題】マルチコアプロセッサを効率的に利用する。【解決手段】工場などに設置されるデータ収集装置１００において、入力するデータの数、サンプリング周波数、記録時間を基に、データの記録処理の処理量を示すスコアを算出する。算出したスコアに基づき、リソース配分パターンを検索して、プロセッサコア１４の配分を決定する。決定した配分に基づき、ロギング処理を行うプロセッサコア１４には、リアルタイムＯＳ１５とロギング機能１７を実装し、その他の処理を行うプロセッサコア１４には、非リアルタイムＯＳ１６と汎用機能１８を実装する。【選択図】図４

Description

本発明は、複数のプロセッサコアを備えたデータ収集装置、及びプロセッサコアの配分方法に関する。

工場や事業所などで使用される産業用の機械を産業機械という。産業機械は、複写機やカメラなどの消費者向けの機械と異なり、複数のセンサが取り付けられている。産業機械のユーザは、振動や温度などのセンサが取得したデータと、機械の駆動速度、負荷、部品の移動量など機械内部のデータと、を監視及び記録している。産業機械のエンジニアは、これらのデータを解析することで、産業機械の故障を防止したり、製品の品質を確認したり、生産管理の改善に活用したりしている。

このように産業機械のデータを収集する装置をデータ収集装置という。近年のデータ収集装置は、データを収集するという特定機能の他に、通信機能を用いて外部機器とデータの送受信をしたり、視覚的なユーザインターフェースを提供したりしている。

工業製品にはマイクロプロセッサ（ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）／ＭＰＵ（Ｍｉｃｒｏ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ））が設けられている。マイクロプロセッサには、１つのパッケージに単一のプロセッサコアを集積したシングルコアプロセッサと、２つ以上のプロセッサコアを１つのパッケージに集積したマルチコアプロセッサがある。

従来、複数のプロセッサコアに処理（スレッド）を分散させて、演算効率を上げる発明が多く提案されている。例えば、１つのＣＰＵと複数のＧＰＧＰＵ（Ｇｅｎｅｒａｌ Ｐｕｒｐｏｓｅ Ｇｒａｐｈｉｃｓ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）を備えたマイクロプロセッサにおいて、各プロセスで行われるメソッドごとに計算所要時間を計測して保持し、計測された計算所要時間に基づいて平均実行時間を計測し、メソッドの呼出回数、平均実行時間、及び処理時間に基づいてスコアを算出し、スコアに基づいてメソッドを割り当てるプロセッサを決定する技術が知られている。例えば、特許文献１参照。

また、マルチコアプロセッサ（メニーコアプロセッサ）のスケジューリング方法として、グローバルスケジューラとローカルスケジューラとの２段階のスケジュールを設定し、グローバルスケジューラは生成された全てのスレッドのうち高優先度の上位Ｍ個（Ｍはスレッドを割当可能なコアの数）のスレッドを、互いに異なるコアにマップし、優先度の高い順に実行し、リアルタイム性を確保する技術が知られている。例えば、特許文献２参照。

特開２０１７−３７５３３号公報 特開２０１４−９６０２４号公報

産業機械や自動車、家電製品など、ほとんどの工業製品には、製品の機能を実現するために組み込みシステムというコンピュータシステムが内蔵されている。近年、高機能化に伴い、組み込みシステム用のＯＳ（組み込みＯＳ（Ｏｐｅｒａｔｉｎｇ Ｓｙｓｔｅｍ））を備えた工業製品が多く存在する。組み込みＯＳは、パソコンやサーバ向けのＯＳとは異なり、対象の機械に固定的に内蔵されるため、必要な機能が予め限定し、できる限り少ないリソース動作させる。

ＯＳには、時間的な制約がある処理を実行するための機能や特性を備えたリアルタイムＯＳと、時間的な制約のない非リアルタイムＯＳが存在する。

リアルタイムＯＳは、複数スレッドを並行して動作させることが可能であり、最悪応答時間が決まっている。リアルタイムＯＳの機能は最低限に絞り、必要な機能にリソースを配分している。

非リアルタイムＯＳは、他のデバイスとのソフトウェアインターフェース、通信機能、ユーザインターフェース、メモリ管理など、機械の特性に限定されない、汎用的な機能を提供する。

現在、マルチコアプロセッサにリアルタイムＯＳと非リアルタイムＯＳの両方を実装した組み込みシステムが存在する（図９参照）。
例えば、デジタルカメラでは、シャッター制御やオートフォーカスなど即時性が必要な機能をリアルタイムＯＳ上で実行し、レタッチ機能や画像送信などの即時性が不要な機能は非リアルタイムＯＳ上で実行する。

自動車では、安全性が重要である。そのため、各種制御や近接センサなどの確実性が問われる機能ではリアルタイムＯＳの使用が適している。一方で、運転手の表情で居眠り運転を検知など、車内環境に対する画像処理やカーナビゲーションシステムのインターネット接続機能などの各種アプリケーションは、非リアルタイムＯＳで実行する。

高精度の部品を製造する工作機械では、精密なサーボモータ制御や加工制御が必須であり、そのためのセンサ情報の取得もリアルタイムＯＳが適している。一方で、オペレータの操作に必要なＧＵＩ（Ｇｒａｐｈｉｃａｌ Ｕｓｅｒ Ｉｎｔｅｒｆａｃｅ）を提供するには、非リアルタイムＯＳを利用するほうが効率がよい。

このように、マルチコアプロセッサを備えた工業製品の開発では、複数のプロセッサコアに機能を分配し、効率的に活用する技術が提案されてきた。

情報処理の分野では、マルチコアプロセッサを効率的に利用する技術が望まれている。

本開示の一態様におけるデータ収集装置は、複数のプロセッサコアと、外部機器からのデータを入力する入力部と、外部機器からのデータを記録するデータ記録部と、を有し、複数のプロセッサコアのうちの所定の個数のプロセッサコアにデータ記録部にかかる処理を実行させる、データ収集装置であって、所定の個数は、前記データ記録部の処理量に応じて決定される。

本開示の一態様におけるプロセッサコアの配分方法は、複数のプロセッサコアを有するデータ収集装置におけるプロセッサコアの配分方法であって、データの記録処理の処理量に関する値を算出し、処理量に関する値を基に、記録処理に必要なプロセッサコアの個数を決定し、決定した個数のプロセッサコアを記録処理に配分する。

本発明の一態様によれば、マルチコアプロセッサを効率的に利用することができる。

本開示のデータ収集装置と外部機器との関係を示す図である。 本開示のデータ収集装置の内部構成を示す図である。 マルチコアプロセッサの内部構成を示す図である。 各プロセッサコアにＯＳがインストールされた状態を示す図である。 リソース配分パターンの一例を示す図である。 スコアの算出方法を示す図である。 従来のリソース配分と本開示のリソース配分の対比を示す図である。 リソース配分の決定方法を示すフローチャートである。 リアルタイムＯＳと非リアルタイムＯＳとの両方を実装したマルチコアプロセッサを示す図である。

以下、図１を参照して本開示のデータ収集装置１００について説明する。本開示のデータ収集装置１００は、工場の設備や機械のデータを収集する。工場の設備や機械には複数のセンサが設けられている。データ収集装置１００は、これらのセンサ２００と有線又は無線で接続されており、センサ２００が検出したデータを収集して記録する。データ収集装置１００は、工場の機械やロボットからもデータを収集する。

本開示のデータ収集装置１００は、数値制御装置３００に接続され、センサ２００からのデータを取得すると同時に、工作機械４００の運動状態や加工状態などのデータを取得する。本開示のデータ収集装置１００は、工場の設備や機械の状態を分析するためにデータを収集する。しかしながら、データを収集する対象や分析内容は本開示の例に限定されず、分析対象や分析内容に応じて変更してもよい。

データ収集装置は、機械の種類や測定対象に応じたデータを収集する。収集したデータは、パーソナルコンピュータ５００などのソフトウェアで分析する。図１ではデータ収集装置１００は１つのみであるが、工場に複数のデータ収集装置１００を設置し、複数のデータ収集装置１００が収集したデータをまとめて分析してもよい。

数値制御装置３００は、工作機械４００に組み込まれている。数値制御装置３００は、例えば、加工モード、加工開始、加工停止など、工作機械４００の制御内容に関するデータ、工具経路や主軸の回転数、射出の圧力や液体濃度など工作機械４００の運動状態に関するデータ、アラームの種類などのアラームに関するデータ、冷却水の量や温度、モータの温度、軸受けの温度、電源や通信の状態などの工作機械４００の内部状態に関するデータなど、様々なデータをデータ収集装置１００に出力する。センサ２００には、温度センサ、加速度センサ、変位センサ、音センサ、画像センサなどがある。センサ２００を用いて、温度、振動、傾き、動作音などの工作機械４００の外部から検知できるデータ（本開示では、外部状態データと呼ぶ）を取得する。このデータを解析することで、工作機械４００の発熱、異常振動、異常音、正常位置からの変位などを検出する。

図２にデータ収集装置１００の内部構成を示す。データ収集装置１００は、複数のプロセッサコア１４からなるマルチコアプロセッサ１１、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）１２、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）１３からなるコンピュータシステム部１０と、ユーザからの入力を受け付ける操作受付部２０と、ユーザインターフェースとしての表示部３０と、センサ２００や数値制御装置３００からアナログデータを入力するアナログ入力部４０と、入力したアナログデータをデジタルデータに変換するＡＤ変換部５０と、センサ２００や数値制御装置３００からデジタルデータを入力するデジタル入力部６０と、ＬＡＮ（Ｌｏｃａｌ Ａｒｅａ Ｎｅｔｗｏｒｋ）を構成する通信部７０と、データの記録処理を行うロギング部８０と、正確な時間を取得するためのリアルタイムクロック９０と、を含む。

ＲＯＭ１２は、後述する組み込みＯＳやアプリケーションプログラムを記録する。マルチコアプロセッサ１１は、ＲＯＭ１２から読み出したプログラム、アナログ入力部４０、デジタル入力部６０などの外部入力から入力したデータをＲＡＭ１３に展開して処理を行う。

操作受付部２０は、キーボード２１、ボタン２２、ダイヤル２３、タッチパネル２４などであり、ユーザからの操作入力を受け付ける。アナログ入力部４０は、センサ２００や数値制御装置３００などの外部機器と接続するコネクタ４１を含み、外部機器から入力したアナログデータをＡＤ変換部５０に出力する。デジタル入力部６０は、センサ２００や数値制御装置３００などの外部機器と接続するコネクタ６１を含み、外部機器から入力したデジタルデータをマルチコアプロセッサ１１に出力する。

通信部７０は、有線ＬＡＮに接続するためのイーサネット（登録商標）コントローラ７１や、無線ＬＡＮに接続するための無線モジュール７２などを含む。表示部３０は、ＬＣＤ（Ｌｉｑｕｉｄ Ｃｒｙｓｔａｌ Ｄｉｓｐｌａｙ）表示パネル３２と、ＬＣＤコントローラ３１を含む。ＬＣＤ表示パネル３２はタッチパネル２４の機能を備えてもよい。

データ収集装置１００が入力するデータの伝送路をチャンネルという。データ収集装置１００では、チャンネルの数が多いほど、入力するデータの種類が多くなる。入力するデータの種類が多いほど、ロギング処理の処理量が増加する。

ロギング部８０は、ＥＥＰＲＯＭ（Ｅｌｅｃｔｒｉｃａｌｌｙ Ｅｒａｓａｂｌｅ Ｐｒｏｇｒａｍｍａｂｌｅ Ｒｅａｄ−ｏｎｌｙ Ｍｅｍｏｒｙ）８１などの書き換え可能な記録媒体と、書き換え可能な記録媒体へのデータの読み書きを制御するドライバ８２とを含む。ロギング部８０は、センサ２００や数値制御装置３００から送信されたデータを記録媒体に記録する。

マルチコアプロセッサ１１は、図３に示すように、複数のプロセッサコア１４から構成される。図３の例では８個のプロセッサコア１４を含む。それぞれのプロセッサコア１４には、図４に示すように、リアルタイムＯＳ１５又は非リアルタイムＯＳ１６がインストールされる。リアルタイムＯＳ１５には、主に、ロギング処理を実行するために必要な機能（ロギング機能１７）が実装される。ロギング処理では、センサ２００や数値制御装置３００からデータを入力し、リアルタイムクロック９０から時刻を取得し、データを時系列に並び替えて、入力したデータに時刻を付加して、ＣＳＶ（Ｃｏｍｍｍａ Ｓｅｐａｒａｔｅｄ Ｖａｌｕｅｓ）などの所定のフォーマットでＥＥＰＲＯＭ８１に記録する。

非リアルタイムＯＳ１６は、ロギング処理を除く機能、例えば、ファイルシステムの管理や通信機能、ＬＣＤコントローラの制御、操作入力部への入力に応答する機能などの汎用機能１８が実装される。

なお、本開示の非リアルタイムＯＳという用語は、最悪応答時間を設定しないＯＳという意味ではない。ロギング処理は高速な処理であるため、最悪応答時間も短い。本開示の非リアルタイムＯＳとは、ロギング処理に求められるよりも時間的な余裕をもって動作するＯＳを意味する。

本開示では、ロギング処理に必要なプロセッサコア１４の個数を算出し、算出された個数のプロセッサコア１４にリアルタイムＯＳ１５とロギング機能１７を実装し、残りのプロセッサコア１４に非リアルタイムＯＳ１６と汎用機能１８とを実装する。

ロギング処理に必要なプロセッサコア１４の数を算出するために、サンプリング周波数と、チャネル数、ロギング時間を基にスコア（Ｘ点）を算出する。スコアとプロセッサコア１４の個数との関係パターン（以下、リソース配分パターンという）は、予め用意しておく。図５の例では、スコアが〇点のとき、リソース配分パターンがＡとなり、リアルタイム処理側に１コア、非リアルタイム処理側に７コア配分する。スコアが△点のとき、リソース配分パターンがＢとなり、リアルタイム処理側に２コア、非リアルタイム処理側に６コアを配分する。同様に、各スコアに応じて、リアルタイム処理に必要なプロセッサコアの数が求められる。

スコアの算出方法は、サンプリング周波数と、チャンネル数、ロギング時間をかけたものである。スコアは、ロギング処理に必要な処理量の目安となる。図６の例では、コア数が８個、サンプリング周波数が最大１００ＭＨｚ、チャンネル数が最大１０ｃｈ、ロギング時間が無限大となっている。ここで、サンプリング周波数と、チャネル数と、仮想のロギング時間との積であるスコアを求めると１００×１０×１００、すなわち１００，０００となる。このように算出したスコアを図４のパターンに当てはめ、ロギング処理に必要なプロセッサコアの数を求める。なお、ここで紹介したスコアの算出方法はあくまで１つの例であり、これに限定しない。

必要な個数のプロセッサコア１４にロギング機能１７を割り当て、残りのプロセッサコア１４に汎用機能１８を割り当てたことにより、プロセッサコア１４の無駄を生じさせず、最適に配分でデータ収集装置１００を稼働することができる。

図７を参照して従来のリソース配分と本開示のリソース配分との違いについて説明する。従来、リアルタイムＯＳ１５と非リアルタイムＯＳ１６とを設けたプロセッサコア１４の個数を仕様で固定していた。図７（ａ）の例では、４個のプロセッサコア１４（プロセッサコア１〜４）にリアルタイムＯＳ１５を割り当て、４個のプロセッサコア１４（プロセッサコア５〜８）に非リアルタイムＯＳ１６を割り当てている。

上述したように、ロギング対象の機械の種類や分析目的により、実際にロギング機能１７に必要なプロセッサコア１４の数が１つであれば、残りの３つのプロセッサコア１４（プロセッサコア６〜８）が無駄になってしまう（図７（ｂ））。本開示では、実際の分析内容に基づくサンプリング周波数、チャネル数、ロギング時間を読み出し、ロギング処理に必要な処理量の目安であるスコアを算出する。そして、スコアに対応するリソース配分パターンに基づいて、リアルタイムＯＳ１５と非リアルタイムＯＳ１６とのプロセッサコア１４の配分をすることで、図７（ｃ）に示すように、不要なプロセッサコア１４（プロセッサコア６〜８）を生じさせない。非リアルタイム処理に割り当てるプロセッサコア１４の数が増加するため、非リアルタイム処理の速度が向上する。

図８を参照して、本開示におけるリソースの配分方法について説明する。まず、データ収集装置１００のユーザは、分析したい内容に応じて収集するデータを決定する（ステップＳ１）。そして、データのサンプリング周波数、チャンネル数、ロギング時間を設定する（ステップＳ２）。データ収集装置１００の設計者は、ステップＳ２で設定したサンプリング周波数、チャンネル数、ロギング時間を読み込む（ステップＳ３）。設計者は、設定されたサンプリング周波数、チャンネル数、ロギング時間を基にロギング機能１７に必要な処理量を示すスコアを算出する（ステップＳ４）。スコアが決まれば、リソースの配分パターンが決定する（ステップＳ５）。リソース配分パターンを基に、プロセッサコア１４にリアルタイムＯＳ１５と非リアルタイムＯＳ１６をインストールする（ステップＳ６）。リアルタイムＯＳ１５にはロギング機能１７を実装し、非リアルタイムＯＳ１６にはロギング処理以外の汎用機能１８を実装する（ステップＳ７）。ＯＳとアプリケーションをインストールした結果、プロセッサコア１４は図４のような状態になる。この状態で最終的なユーザにデータ収集装置１００を提供する（ステップＳ８）。

ロギング処理では、記録対象となる機械の種類や分析内容により、入力チャンネル数やサンプリング周波数が異なる。例えば、ベルトコンベアなどの生産設備では音や振動を記録することにより劣化を検出できる。押出成形の安定性を実現するには、金型の温度や圧力、押出速度や吐出量に加えて成型後の寸法測定器からの出力記録などを解析する。工作機器では、工具の振れ量や振動を記録し、正しく加工ができているときのデータと比較することで工具の劣化や工具のチェックミスなどを検出することができる。このように、機械の種類や分析内容によりチャンネル数やサンプリング周波数が異なる。

近年では、通信機能や機械学習の機能などを備えたデータ収集装置１００が存在する。例えば、データ収集装置１００にＨＴＴＰサーバ機能を付加すると、データ収集装置１００と同じ画面がパーソナルコンピュータ５００のブラウザで見ることがき、ブラウザからデータ収集装置１００をリモート操作することができる。ＦＴＰサーバ機能を付加すると、記録したデータを転送することができる。ＦＴＰクライアント機能を付加すると、測定中の記録データを定期的にＦＴＰサーバに送信することができる。メール機能を付加すると、データ収集装置の状態やアラームの発生をメールで送信することができる。また、多変量解析や機械学習の機能を備えたデータ収集装置１００では、外部のパーソナルコンピュータ５００や機械学習専用の演算装置などで作成した学習モデルを記憶し、センサや数値制御装置３００から取得したデータを学習モデルに当てはめ、機器の異常などを検知することができる。このように、本開示を適用すると、限られたリソースを非リアルタイム処理に割り当てることが可能になり、データ収集装置１００の性能の向上につながる。

以上、ここまで本発明の実施の形態について説明したが、本発明は上記した実施の形態の例にのみ限定されるものでなく、適宜の変更を加えることにより様々な態様で実施することができる。

本開示では、データ収集装置１００をデータ記録専用の装置として説明したが、これに限定されず、複数のプロセッサコア１４を有する他の情報処理装置にも適用できる。他の情報処理装置に適用した場合でも、ロギング処理に必要な処理量を示すスコアを算出し、リソース配分パターンに応じて、リソースの配分を決定する。

１００ データ収集装置
２００ センサ
３００ 数値制御装置
４００ 工作機械
１０ コンピュータシステム部
１１ マルチコアプロセッサ
１４ プロセッサコア
１５ リアルタイムＯＳ
１６ 非リアルタイムＯＳ
１７ ロギング機能
１８ 汎用機能
２０ 操作受付部
３０ 表示部
４０ アナログ入力部
５０ ＡＤ変換部
６０ デジタル入力部
７０ 通信部
８０ ロギング部
８１ ＥＥＰＲＯＭ
８２ ドライバ
９０ リアルタイムクロック

Claims (9)

1. 複数のプロセッサコアと、
   産業機械に関するデータを、前記産業機械を含む外部機器から入力する入力部と、
   前記産業機械に関するデータを記録するデータ記録部と、を有し、
   前記複数のプロセッサコアのうちの所定の個数のプロセッサコアに前記データ記録部にかかる処理を実行させる、データ収集装置であって、
   前記所定の個数は、前記データ記録部の処理量に応じて決定されたデータ収集装置。
2. 前記データ記録部の処理量を示すスコアと、前記データ記録部にかかる処理を実行するプロセッサコアの個数との関係を示す配分データを記憶し、前記スコアの値に応じて、前記プロセッサコアの個数を決定する、請求項１記載のデータ収集装置。
3. 前記スコアは、前記入力部が入力するチャンネル数、サンプリング周波数、記録時間を基に算出される請求項２記載のデータ収集装置。
4. 前記所定の個数のプロセッサコアには、応答時間の制限の厳しいオペレーティングシステムを実装し、前記データ記録部は、前記応答時間の制限の厳しいオペレーティングシステム上でデータの記録処理を行う請求項１記載のデータ収集装置。
5. 前記所定の個数のプロセッサコアを除くプロセッサコアには、前記所定の個数のプロセッサコアよりも応答時間の制限が低い又は制限のないオペレーティングシステムを実装する、請求項１記載のデータ収集装置。
6. 前記入力部が入力するチャンネル数、サンプリング周波数、記録時間は、分析内容に応じて変化する、請求項３記載のデータ収集装置。
7. 複数のプロセッサコアを有するデータ収集装置におけるプロセッサコアの配分方法であって、
   データの記録処理の処理量に関する値を算出し、
   前記処理量に関する値を基に、前記記録処理に必要なプロセッサコアの個数を決定し、
   前記決定した個数のプロセッサコアを前記記録処理に配分する、プロセッサコアの配分方法。
8. 前記処理量は、入力するチャンネル数、サンプリング周波数、記録時間を基に算出される請求項７の配分方法。
9. 前記決定した個数のプロセッサコアに、応答時間の制限の厳しいオペレーティングシステムを実装し、前記応答時間の制限の厳しいオペレーティングシステム上でデータの記録処理をさせる、請求項７記載のプロセッサコアの配分方法。

Images