JP2021135769A - 異常判定装置及び異常判定方法 - Google Patents

Abstract

【課題】装置の保守点検時におけるデータが誤入力された場合であっても、データの誤入力を区別して、装置の正常及び異常を判定することができる異常判定装置及び異常判定方法を提供する。【解決手段】異常判定装置及び異常判定方法は、装置の状態データに基づいて装置が所定状態であるか否かを判定した結果を第１判定結果として取得し、装置が所定状態である場合に、操作データ入力部を介して装置の保守履歴データを取得し、保守履歴データと状態データに基づいて装置の異常を判定した結果を第２判定結果として取得し、第１判定結果と第２判定結果に基づいて、装置の異常の有無を出力する。【選択図】図１

Description

本発明は、異常判定装置及び異常判定方法に関する。

特許文献１には、プラントの製造、点検・補修及び運転等の履歴を考慮して、プラントの監視診断を行う技術が開示されている。

特開平６−３３１５０７号公報

しかしながら、特許文献１に記載の技術によれば、プラントの保守点検時において、設置した機器・部材のデータは作業者によって端末に入力されるため、データが誤入力される場合が起こりうる。データが誤入力された場合には、プラントの運用時に正確に異常診断を行うことができないという問題がある。例えば、プラントの異常と判断された場合であっても、その異常がデータの誤入力に起因するのか、もしくは、プラント自体の異常に起因するのか、区別できない。

本発明は、上記問題に鑑みてなされたものであり、その目的とするところは、装置の保守点検時におけるデータが誤入力された場合であっても、データの誤入力を区別して、装置の正常及び異常を判定することができる異常判定装置及び異常判定方法を提供することにある。

上述した課題を解決するために、本発明の一態様に係る異常判定装置及び異常判定方法は、装置の状態データに基づいて装置が所定状態であるか否かを判定した結果を第１判定結果として取得し、装置が所定状態である場合に、操作データ入力部を介して装置の保守履歴データを取得し、保守履歴データと状態データに基づいて装置の異常を判定した結果を第２判定結果として取得し、第１判定結果と第２判定結果に基づいて、装置の異常の有無を出力する。

本発明によれば、装置の保守点検時におけるデータが誤入力された場合であっても、データの誤入力を区別して、装置の正常及び異常を判定することができる。

図１は、本発明の一実施形態に係る異常判定装置と判定対象である生産ロボットの構成を示すブロック図である。 図２は、本発明の一実施形態に係る異常判定装置の処理手順を示すフローチャートである。 図３は、本発明の第１変形例に係る異常判定装置の処理手順を示すフローチャートである。 図４は、本発明の第２変形例に係る異常判定装置の処理手順を示すフローチャートである。

次に、図面を参照して、本発明の実施の形態を詳細に説明する。説明において、同一のものには同一符号を付して重複説明を省略する。

図１は、本実施形態に係る異常判定装置と判定対象である生産ロボットの構成を示すブロック図である。

異常判定装置１００は、無線又は有線によって生産ロボット８０（装置）と通信可能なように接続される。異常判定装置１００は、生産ロボット８０が行う作業が異常であるか否か、もしくは、生産ロボット８０自体が異常であるか否かを判定する。生産ロボット８０は、例えば、複数の可動部を備えており、車体の溶接作業を実行するロボット等である。

［生産ロボットの構成］
生産ロボット８０は、通信部８２と、計測部８４と、センサ８６とを備える。

センサ８６は、生産ロボット８０の状態を検出する。センサ８６は、例えば、トルクセンサや加速度センサなどから構成される。その他、センサ８６は、例えば、画像や動画を撮像するカメラであってもよいし、光センサ、音センサ、加速度センサ、振動センサ、圧力センサ、ひずみセンサ、アコースティックエミッションセンサ、温度センサ、湿度センサなどであってもよい。その他、センサ８６は、生産ロボット８０の可動部の位置を計測する位置センサ、制駆動部によって生じる制駆動力やトルクなどを計測するセンサなどであってもよい。

計測部８４は、センサ８６によって検出した生産ロボット８０の状態に関するデータから、生産ロボット８０の状態データを生成する。なお、生産ロボット８０の状態データは、センサ８６によって得られたデータそのもの（いわゆる生データ）であってもよいし、センサ８６によって得られたデータを図示しない演算回路等によって解析した後のデータであってもよい。また、生産ロボット８０の状態データには、センサ８６によってデータを取得した日時の情報（日付・時刻などのタイムスタンプ）が含まれていてもよい。

通信部８２は、計測部８４によって生成した生産ロボット８０の状態データを異常判定装置１００に送信する。なお、通信部８２は、状態データを蓄積して一定時間ごとに異常判定装置１００に送信するものであってもよいし、計測部８４によって生成された状態データをリアルタイムで通信部８２に送信するものであってもよい。

その他、通信部８２が異常判定装置１００に送信するデータには、生産ロボット８０が行う作業の種類、負荷量、頻度などのデータが含まれていてもよいし、生産ロボット８０の保守作業（修理、部品の交換、潤滑油の更油等）が行われた場合に、保守作業が行われたことを示す保守履歴データ（保守作業の内容や保守箇所に関する履歴の情報）が含まれていてもよい。

［異常判定装置の構成］
異常判定装置１００は、入力部１０２と、データベース１１０と、制御部１２０（コントローラ）と、出力部１３０と、を備える。制御部１２０は、入力部１０２、データベース１１０、出力部１３０と通信可能なように接続される。その他、出力部１３０は、表示部９０、操作部９５（操作データ入力部）と通信可能なように接続される。表示部９０及び操作部９５は、異常判定装置１００自体が備えていてもよいし、異常判定装置１００の外部に設置されるものであってもよい。

入力部１０２は、無線又は有線によって生産ロボット８０の通信部８２と通信可能なように接続される。入力部１０２は、生産ロボット８０の通信部８２から生産ロボット８０の状態データを受信する。すなわち、入力部１０２には、装置の状態を検知するセンサから出力されたデータが入力される。その他、入力部１０２は、生産ロボット８０が行う作業の種類、負荷量、頻度などのデータや、保守履歴データを受信するものであってもよい。

入力部１０２が受信したデータは、データベース１１０に記憶される。データベース１１０に記憶されたデータは、異常判定の処理を実行する際に制御部１２０によって読み出される。なお、データベース１１０は、生産ロボット８０の状態データを記憶する際に、生産ロボット８０が行う作業の種類、負荷量、頻度などのデータを紐づけて記憶するものであってもよいし、さらには、生産ロボット８０の保守履歴データを紐づけて記憶するものであってもよい。

その他、入力部１０２は、後述する操作部９５と接続され、生産ロボット８０の監視員や保守員など、ユーザからの操作を受け付ける。

制御部１２０は、生産ロボット８０の状態データに基づいて、生産ロボット８０の異常を判定する。

出力部１３０は、後述する表示部９０と接続され、制御部１２０によって生成された情報を出力する。特に、出力部１３０は、生産ロボット８０の監視員や保守員などに通知する情報を出力する。

表示部９０は、出力部１３０から受信した情報を表示する。また、表示部９０は、生産ロボット８０が異常であると制御部１２０にて判定された場合に、制御部１２０からの指令に基づき、異常アラームを発報して監視員や保守員に異常を検知したことを知らせる。例えば、表示部９０は、複数の表示画素の組合せにより図形、文字を表示するディスプレイであってもよいし、回転灯、ブザーなどであってもよい。表示部９０は、ここに挙げた例に限定されない。

操作部９５（操作データ入力部）は、生産ロボット８０の監視員や保守員など、ユーザが操作を行うことができる入力装置である。例えば、操作部９５は、キーボード、マウス、トラックボール、タッチパネルなどである。操作部９５は、ここに挙げた例に限定されない。

［制御部の構成］
制御部１２０（処理部またはコントローラの一例）は、ＣＰＵ（中央処理装置）、メモリ、及び入出力部を備える汎用のマイクロコンピュータである。制御部１２０には、生産ロボット８０の異常を判定するための異常判定装置１００の一部として機能するためのコンピュータプログラム（異常判定プログラム）がインストールされている。コンピュータプログラムを実行することにより、制御部１２０は、異常判定装置１００が備える複数の情報処理回路（１２２、１２４、１２６、１２８）として機能する。

本実施形態では、ソフトウェアによって複数の情報処理回路（１２２、１２４、１２６、１２８）を実現する例を示す。ただし、以下に示す各情報処理を実行するための専用のハードウェアを用意して、情報処理回路（１２２、１２４、１２６、１２８）を構成することも可能である。また、複数の情報処理回路（１２２、１２４、１２６、１２８）を個別のハードウェアにより構成してもよい。さらに、情報処理回路（１２２、１２４、１２６、１２８）は、生産ロボット８０の監視または制御に用いる制御ユニットと兼用してもよい。

制御部１２０は、複数の情報処理回路（１２２、１２４、１２６、１２８）として、第１判定部１２２と、条件設定部１２４と、第２判定部１２６と、決定部１２８と、を備える。

第１判定部１２２及び第２判定部１２６は、データベース１１０から生産ロボット８０の状態データを読み込み、読み込んだ状態データに基づいて異常判定の処理を行う。第１判定部１２２及び第２判定部１２６は、それぞれ異なる判定アルゴリズムに基づいて異常判定の処理を行う。

第１判定部１２２の異常判定で得られた結果を、以下では「第１判定結果」として説明し、第２判定部１２６の異常判定で得られた結果を、以下では「第２判定結果」として説明する。第１判定部１２２及び第２判定部１２６は、それぞれ異なる判定アルゴリズムに基づいて異常判定の処理を行うため、第１判定結果と第２判定結果が一致するとは限らない。

異常判定の処理として、第１判定部１２２及び第２判定部１２６は、例えば、生産ロボット８０の各状態データに基づいて、各状態データの特徴を表す特徴量を演算する。

第１判定部１２２及び第２判定部１２６は、ユーザが事前に指定した統計量（例えば、平均、分散、歪度、尖度など）や種々の解析値（フーリエ変換後の特定スペクトルの値や、スペクトル同士の比など）、またはこれらの組合せを、特徴量として演算するものであってもよい。また、第１判定部１２２及び第２判定部１２６は、主成分分析、ランダムフォレスト、ＸＧＢｏｏｓｔなどの各種の特徴量選択の方法を用いて自動的に設定された量を特徴量として演算するものであってもよい。なお、第１判定部１２２及び第２判定部１２６が算出する「特徴量」を定義するためのパラメータは、データベース１１０に記憶されるものであってもよい。

第１判定部１２２及び第２判定部１２６は、それぞれ異常判定の処理を行う前に機械学習を行って生成した第１判定モデル、第２判定モデルを有している。なお。第１判定モデル及び第２判定モデルは、互いに異なる判定モデルである。

第１判定モデル及び第２判定モデルは、生産ロボット８０の過去の状態データに基づいて演算した「特徴量」に基づく機械学習を行うことで事前に生成される。なお、第１判定モデル及び第２判定モデルは、データベース１１０に記憶されるものであってもよい。

第１判定モデル及び第２判定モデルは、生産ロボット８０の状態データを、少なくとも２以上のグループに分類するモデルである。

２以上のグループには、生産ロボット８０の正常な状態に対応する「正常域」グループと、生産ロボット８０の異常な状態に対応する「異常域」グループとが含まれている。第１判定部１２２及び第２判定部１２６は、それぞれ、第１判定モデル、第２判定モデルを用いて、演算された特徴量に基づいて、生産ロボット８０の状態が、「正常」と「異常」のいずれに分類されるかを決定することで、異常判定の処理を行う。そして、第１判定部１２２、第２判定部１２６は、それぞれ処理の結果を第１判定結果、第２判定結果として得る。

なお、第１判定部１２２及び第２判定部１２６は、例えば、グラフィカルモデルや疎構造学習など、複数の信号の相関関係の変化検出手法を用いたものを用いて、異常判定の処理を行うものであってもよいし、カーネル密度推定や密度比推定など確率分布を用いる手法により、異常度を算出するものであってもよい。

また、第１判定部１２２及び第２判定部１２６は、それぞれ第１判定モデル、第２判定モデルを用いて、特徴量がどのグループに分類されるべきかを確率付きで算出するものであってもよい。また、グループを代表するデータ点が有する特徴量と、状態データから演算された特徴量との差が、所定閾値以下であるか否かに応じて、状態データがどのグループに分類されるべきかを算出するものであってもよい。

その他、第１判定モデル及び第２判定モデルは、一連の異常判定の処理を行う前に事前に生成されるものであってもよいし、一連の異常判定の処理を行う間に、逐次更新されるものであってもよい。

条件設定部１２４は、第１判定部１２２によって生産ロボット８０が異常であると判定された場合に、ユーザに対して生産ロボット８０の保守履歴データの確認を要求する。具体的には、条件設定部１２４からの指示に基づき、表示部９０は、生産ロボット８０の保守履歴データの確認が必要である旨のメッセージを表示する。

特に、第一判定部における「正常域」グループと「異常域」グループの分類で「異常域」と分類され、かつ、過去の保全の影響を受けている可能性がある場合、保全履歴の確認を要求する。すなわち、第一判定部で「異常域」と分類され、かつ、過去の保全の前後で「正常域」から「異常域」に変化している場合、もしくは、過去の保全の前後で「異常域」から他の「異常域」に変化している場合に、保全履歴の確認を要求する。

なお、条件設定部１２４は、保守履歴データの確認が必要である旨のメッセージと共に、基準となる保守履歴データを、表示部９０によって表示してもよい。これにより、基準となる情報と比較ができ、ユーザは、表示部９０を介して、記憶された保守履歴データを正確に確認でき、さらには、操作部９５を介して、記憶された保守履歴データを修正することができる。

ユーザが操作部９５を介して、記憶された保守履歴データを修正した場合、条件設定部１２４は、修正後の保守履歴データに基づいて、第２判定部１２６で行う異常判定の処理で用いる判定条件を設定、又は、修正する。

具体的には、条件設定部１２４は、第２判定部１２６で算出する「特徴量」を定義するためのパラメータや、生産ロボット８０の状態が、「正常」と「異常」のいずれに分類されるかを決定する際の閾値などを変更する。

条件設定部１２４は、保守履歴データに基づいて、第２判定部１２６で行う異常判定の処理で用いる判定条件を設定、又は、修正するため、第２判定部１２６は、保守履歴データと状態データに基づいて生産ロボット８０の異常を判定した結果を第２判定結果として取得しているといえる。

決定部１２８は、第１判定結果と第２判定結果に基づいて、生産ロボット８０の異常の有無を決定する。決定した生産ロボット８０の異常の有無の情報は、出力部１３０を介して、表示部９０に出力される。

その他、決定部１２８は、過去の所定期間内（異常処理の判定を行うタイミングから所定期間だけ遡った過去から異常処理の判定を行うタイミングまでの期間内）に行われた生産ロボット８０の保守作業に対応する保守履歴データが、データベース１１０に登録されているか否かに基づいて、第１判定部１２２による第１判定結果の取得、第２判定部１２６による第２判定結果の取得を行うか否かを制御するものであってもよい。

ここで、所定期間とは、例えば、１週間、１か月、１年といった長さの期間をいう。所定期間は、生産ロボット８０の保守タイミングや性質、生産ロボット８０が行う作業内容などを考慮して、生産ロボット８０ごとに、予め設定されるものであってもよい。

［異常判定の処理手順］
次に、本実施形態に係る異常判定の処理手順の一例を説明する。図２は、本実施形態に係る異常判定装置の処理手順を示すフローチャートである。図２に示す異常判定の処理は、異常診断開始の指示が監視員や保守員からあった場合や、生産ロボット８０が起動している期間中の所定のタイミングで開始され、生産ロボット８０の状態データが異常判定装置１００に入力されるたびに、繰り返し実行される。

ステップＳ１０１において、制御部１２０は、データベース１１０から生産ロボット８０の状態データを読み込む。読み込まれた状態データは第１判定部１２２及び第２判定部１２６に入力される。第１判定部１２２は、入力された状態データに基づいて異常判定の処理を行い、第１判定結果を得る。

ステップＳ１０５において、第１判定結果が正常である場合（ステップＳ１０５でＹＥＳの場合）、ステップＳ１１９に進み、決定部１２８は、生産ロボット８０が正常であると決定し、出力部１３０は、生産ロボット８０が正常であること示す情報を出力する。

一方、ステップＳ１０５において、第１判定結果が正常でない場合（ステップＳ１０５でＮＯの場合）、ステップＳ１０７に進み、条件設定部１２４は、ユーザに対して生産ロボット８０の保守履歴データの確認を要求する。

ステップＳ１０９にて、保守履歴データが正常であると確認された場合（ステップＳ１０９でＹＥＳの場合）、ステップＳ１１７に進み、決定部１２８は、生産ロボット８０が異常であると決定し、出力部１３０は、生産ロボット８０が異常であること示す情報を出力する。

一方、ステップＳ１０９にて、保守履歴データが正常でないと確認された場合（ステップＳ１０９でＮＯの場合）、ステップＳ１１１に進み、条件設定部１２４は、ユーザに対して生産ロボット８０の保守履歴データの修正を要求する。

ステップＳ１１３にて、ユーザが記憶された保守履歴データを修正した場合、条件設定部１２４は、修正後の保守履歴データに基づいて、第２判定部１２６で行う異常判定の処理で用いる判定条件を修正する。第２判定部１２６は、修正後の判定条件及び入力された状態データに基づいて異常判定の処理を行い、第２判定結果を得る。

ステップＳ１１５にて、第２判定結果が正常である場合（ステップＳ１１５でＹＥＳの場合）、ステップＳ１１９に進む。一方、第２判定結果が正常でない場合（ステップＳ１１５でＮＯの場合）、ステップＳ１１７に進む。

ステップＳ１１７又はステップＳ１１９での処理を行った後、図２に示す異常判定の処理は終了する。

このように、ステップＳ１０７からステップＳ１１５までの処理により、保守履歴データが正常であるか否かが確認され、必要があれば保守履歴データの修正が行われるため、誤入力に起因して、生産ロボット８０が誤って異常と判定されてしまうことが防止される。

［第１変形例に係る異常判定の処理手順］
次に、本実施形態の第１変形例に係る異常判定の処理手順の一例を説明する。図３は、本発明の第１変形例に係る異常判定装置の処理手順を示すフローチャートである。図３に示す異常判定の処理は、ステップＳ１０１の後にステップＳ２０３が実行される点で図２に示す異常判定の処理と相違するが、それ以外は同一の処理である。

ステップＳ２０３において、決定部１２８は、過去の所定期間内に行われた生産ロボット８０の保守作業に対応する保守履歴データが、データベース１１０に登録されているか否かを判定する。そして、所定期間内の保守履歴データが登録されている場合（ステップＳ２０３でＹＥＳの場合）、ステップＳ１０７に進み、第１判定結果が正常であるか否かに基づく処理を行う。

一方、所定期間内の保守履歴データが登録されてない場合（ステップＳ２０３でＮＯの場合）、ステップＳ１１５に進み、第２判定結果が正常であるか否かに基づく処理を行う。

所定期間内の保守履歴データが登録されてない場合には、そもそも異常処理の判定を行うタイミングにおいて、保守作業を行ってから時間が所定期間だけ経過しており、諸種作業による影響が状態データに現れない場合が考えられる。したがって、保守履歴データが正常であるか否かの確認が不要な状況が起こりうる。このような状況を想定して、所定期間内の保守履歴データが登録されてない場合には、第１判定結果が正常であるか否かに基づく処理を省略して、ユーザの確認作業を減らしている。

［第２変形例に係る異常判定の処理手順］
次に、本実施形態の第２変形例に係る異常判定の処理手順の一例を説明する。図４は、本発明の第２変形例に係る異常判定装置の処理手順を示すフローチャートである。図４に示す異常判定の処理は、ステップＳ１０１の後にステップＳ３０３が実行される点で図２に示す異常判定の処理と相違するが、それ以外は同一の処理である。

ステップＳ３０３において、第２判定部１２６は、修正前の判定条件及び入力された状態データに基づいて異常判定の処理を行い、第２判定結果を得る。そして、第２判定結果が正常である場合（ステップＳ３０３でＹＥＳの場合）、ステップＳ１０５に進む。一方、第２判定結果が正常でない場合（ステップＳ３０３でＮＯの場合）、ステップＳ１１７に進む。

図２に示す異常判定の処理と比較して、図４に示す異常判定の処理では、第１判定結果が正常であるか否かに基づく処理を行う前に、第２判定結果が正常であるか否かに基づく処理を行うことで、生産ロボット８０の異常を見逃してしまうことを低減している。

［実施形態の効果］
以上詳細に説明したように、本実施形態に係る異常判定装置及び異常判定方法は、装置の状態データに基づいて装置が所定状態であるか否かを判定した結果を第１判定結果として取得し、装置が所定状態である場合に、操作データ入力部を介して装置の保守履歴データを取得し、保守履歴データと状態データに基づいて装置の異常を判定した結果を第２判定結果として取得し、第１判定結果と第２判定結果に基づいて、装置の異常の有無を出力する。

これにより、装置の保守点検時におけるデータが誤入力された場合であっても、データの誤入力を区別して、装置の正常及び異常を判定することができる。特に、実際に行った保守作業とは異なる保守作業に関する保守履歴データが記録されたとしても、異なる保守作業に関する保守履歴データが記録されていることを検知でき、保守履歴データを修正することができる。

そして、修正後の保守履歴データに基づいて、対応する保守作業に沿った異常判定の処理や、異常発生の予測を行うことができる。この結果、異常検知・予知における誤報及び見逃しを抑制できる。

また、本実施形態に係る異常判定装置及び異常判定方法において、第１判定結果が装置の異常を示し、かつ、過去の所定期間内での装置の保守に対応する保守履歴データが存在する場合に、操作データ入力部を介して装置の保守履歴データを取得するものであってもよい。これにより、第１判定部によって得られる第１判定結果により検知する異常の対象を、実際に行った保守作業とは異なる保守作業を記録している可能性が高い場合に絞ることができ、第１判定結果による異常判定の精度を向上させることができる。

さらに、本実施形態に係る異常判定装置及び異常判定方法において、第１判定結果が装置の異常を示し、かつ、過去の所定期間内での装置の保守に対応する保守履歴データが存在しない場合に、操作データ入力部を介して装置の保守履歴データを取得しないものであってもよい。

所定期間内の保守履歴データが登録されてない場合には、そもそも異常処理の判定を行うタイミングにおいて、保守作業を行ってから時間が所定期間だけ経過しており、諸種作業による影響が状態データに現れない場合が考えられる。したがって、保守履歴データが正常であるか否かの確認が不要な状況が起こりうる。このような状況を想定して、所定期間内の保守履歴データが登録されてない場合には、第１判定結果が正常であるか否かに基づく処理が省略されるため、ユーザの確認作業の負荷を低減できる。

また、本実施形態に係る異常判定装置及び異常判定方法において、第１判定結果と第２判定結果は、それぞれ異なる判定アルゴリズムに基づいて生成されるものであってもよい。これにより、保守履歴データの異常と、施設・設備・機械・装置の異常とを、別々に診断することができ、保守履歴データの異常と、施設・設備・機械・装置の異常とを区別して、判定することができる。

さらに、本実施形態に係る異常判定装置及び異常判定方法において、表示部が過去の保守履歴データを表示した後に、操作データ入力部は、表示された保守履歴データの修正を行う操作データを取得するものであってもよい。これにより、ユーザは、第１判定部により検知した異常に関わる、登録された保守履歴データを正確に認識することができる。

また、本実施形態に係る異常判定装置及び異常判定方法において、表示部が過去の保守履歴データを表示する際、基準となる保守情報を合わせて表示するものであってもよい。これにより、過去の保守履歴データと、基準となる保守情報とを比較することができ、ユーザは、登録された保守履歴データを正確に認識してから、保守履歴データの修正を行うことができる。

さらに、本実施形態に係る異常判定装置及び異常判定方法において、所定状態は、装置の正常状態とは異なる状態であるものであってもよい。これにより、保守履歴データの影響により生じた異常のみを検知することができる。

また、本実施形態に係る異常判定装置及び異常判定方法において、所定状態は、装置の複数の状態データの間の相関関係が、装置の正常状態における状態データの間の相関関係とは異なる状態であるものであってもよい。これにより、１つ１つの信号に対して正常時と比較して異常を検知するよりも高い精度で異常を検知することができる。

さらに、本実施形態に係る異常判定装置及び異常判定方法において、正常状態とは、装置が正常である場合の状態データを学習させることで生成した正常判定モデルに基づいて正常と判定された状態であるものであってもよい。

一律に定義した正常時と比較することによって行う異常検知では、適切なモデルでの異常診断ができない場合が生じうる（例えば、正常である場合の状態データが非正規分布のデータであるのに対し、正規分布の手法で閾値を一義に決定している場合など）。これに対し、正常である場合の状態データを学習させることで生成した正常判定モデルに基づいて異常診断をすることにより、異常判定の精度をより向上させることができる。

また、本実施形態に係る異常判定装置及び異常判定方法において、正常状態は更新されていくものであってもよい。これにより、正規の保守作業もしくは通常行っている保守作業の内容が変更された場合においても、更新された基準となる正常時のデータを用いることができ、誤報及び見逃しを抑制することができる。

上述の実施形態で示した各機能は、１又は複数の処理回路によって実装されうる。処理回路には、プログラムされたプロセッサや、電気回路などが含まれ、さらには、特定用途向けの集積回路（ＡＳＩＣ）のような装置や、記載された機能を実行するよう配置された回路構成要素なども含まれる。

以上、実施形態に沿って本発明の内容を説明したが、本発明はこれらの記載に限定されるものではなく、種々の変形及び改良が可能であることは、当業者には自明である。この開示の一部をなす論述及び図面は本発明を限定するものであると理解すべきではない。この開示から当業者には様々な代替実施形態、実施例及び運用技術が明らかとなろう。

本発明はここでは記載していない様々な実施形態等を含むことは勿論である。したがって、本発明の技術的範囲は上記の説明から妥当な特許請求の範囲に係る発明特定事項によってのみ定められるものである。

１００ 異常判定装置
１０２ 入力部
１１０ データベース
１２０ 制御部
１２２ 第１判定部
１２４ 条件設定部
１２６ 第２判定部
１２８ 決定部
１３０ 出力部
８０ 生産ロボット
８２ 通信部
８４ 計測部
８６ センサ
９０ 表示部
９５ 操作部（操作データ入力部）

Claims (11)

1. 装置の状態を検知するセンサから出力されたデータが入力される入力部と、ユーザの操作に基づくデータが入力される操作データ入力部と、コントローラとを備える、前記装置の異常を判定する異常判定装置であって、
   前記コントローラは、
   前記センサから出力された前記装置の状態データを、前記入力部を介して取得し、
   前記状態データに基づいて前記装置が所定状態であるか否かを判定した結果を第１判定結果として取得し、
   前記装置が前記所定状態であることを前記第１判定結果が示す場合に、前記操作データ入力部を介して前記装置の保守履歴データを取得し、
   前記保守履歴データと前記状態データに基づいて前記装置の異常を判定した結果を第２判定結果として取得し、
   前記第１判定結果と前記第２判定結果に基づいて、前記装置の異常の有無を出力すること
   を特徴とする異常判定装置。
2. 請求項１に記載の異常判定装置であって、
   前記コントローラは、
   前記第１判定結果が前記装置の異常を示し、かつ、過去の所定期間内での前記装置の保守に対応する前記保守履歴データが存在する場合に、前記操作データ入力部を介して前記装置の保守履歴データを取得すること
   を特徴とする異常判定装置。
3. 請求項１又は２に記載の異常判定装置であって、
   前記コントローラは、
   前記第１判定結果が前記装置の異常を示し、かつ、過去の所定期間内での前記装置の保守に対応する前記保守履歴データが存在しない場合に、前記操作データ入力部を介して前記装置の保守履歴データを取得しないこと
   を特徴とする異常判定装置。
4. 請求項１〜３のいずれか一項に記載の異常判定装置であって、
   前記第１判定結果と前記第２判定結果は、それぞれ異なる判定アルゴリズムに基づいて生成されること
   を特徴とする異常判定装置。
5. 請求項１〜４のいずれか一項に記載の異常判定装置であって、
   更に、表示部を備え、
   前記表示部が過去の前記保守履歴データを表示した後に、前記操作データ入力部は、表示された前記保守履歴データの修正を行う操作データを取得すること
   を特徴とする異常判定装置。
6. 請求項５に記載の異常判定装置であって、
   前記表示部が過去の前記保守履歴データを表示する際、基準となる保守情報を合わせて表示すること
   を特徴とする異常判定装置。
7. 請求項１〜６のいずれか一項に記載の異常判定装置であって、
   前記所定状態は、前記装置の正常状態とは異なる状態であること
   を特徴とする異常判定装置。
8. 請求項１〜７のいずれか一項に記載の異常判定装置であって、
   前記所定状態は、前記装置の複数の前記状態データの間の相関関係が、前記装置の正常状態における前記状態データの間の相関関係とは異なる状態であること
   を特徴とする異常判定装置。
9. 請求項７又は８に記載の異常判定装置であって、
   前記正常状態とは、前記装置が正常である場合の前記状態データを学習させることで生成した正常判定モデルに基づいて正常と判定された状態であること
   を特徴とする異常判定装置。
10. 請求項７〜９のいずれか一項に記載の異常判定装置であって、
    前記正常状態は更新されていくこと
    を特徴とする異常判定装置。
11. 装置の状態を検知するセンサから出力された前記装置の状態データを取得し、
    前記状態データに基づいて前記装置が所定状態であるか否かを判定した結果を第１判定結果として取得し、
    前記装置が前記所定状態であることを前記第１判定結果が示す場合に、操作データ入力部を介して前記装置の保守履歴データを取得し、
    前記保守履歴データと前記状態データに基づいて前記装置の異常を判定した結果を第２判定結果として取得し、
    前記第１判定結果と前記第２判定結果に基づいて、前記装置の異常の有無を出力すること
    を特徴とする異常判定方法。

Images