JP2021196950A - コントローラ、システム、方法及びプログラム - Google Patents
コントローラ、システム、方法及びプログラム Download PDFInfo
- Publication number
- JP2021196950A JP2021196950A JP2020103808A JP2020103808A JP2021196950A JP 2021196950 A JP2021196950 A JP 2021196950A JP 2020103808 A JP2020103808 A JP 2020103808A JP 2020103808 A JP2020103808 A JP 2020103808A JP 2021196950 A JP2021196950 A JP 2021196950A
- Authority
- JP
- Japan
- Prior art keywords
- value
- unit
- numerical values
- time series
- target
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title abstract description 14
- 238000004364 calculation method Methods 0.000 claims abstract description 61
- 230000005856 abnormality Effects 0.000 claims description 14
- 230000002159 abnormal effect Effects 0.000 claims description 7
- 239000000284 extract Substances 0.000 abstract description 7
- 230000003068 static effect Effects 0.000 abstract 2
- 238000010586 diagram Methods 0.000 description 12
- 230000032258 transport Effects 0.000 description 12
- 239000011159 matrix material Substances 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
【課題】時系列のどのタイミングで対象の状態変化が発生したかをユーザに把握させることができるコントローラ、システム、方法及びプログラムを提供する。【解決手段】コントローラ10は、対象の状態を観察するセンサの出力信号から生成された時系列の数値を取得する取得部11と、設定された周期に対応するn個(nは自然数)ごとに時系列の数値をグループに区分し、それぞれのグループ内におけるm番目(mは1からnまでの自然数)の数値を抽出してm番目の統計値を算出する第1算出部12aと、それぞれのグループ内におけるm番目の数値と、第1算出部が算出したm番目の統計値との差分値をそれぞれ算出する第2算出部12bと、数値を取得した時系列に沿って並べると共に、それぞれの数値に対応する差分値を時系列に沿って並べてプロットした表示情報を生成する表示情報生成部13と、表示部に表示情報を出力する出力部14と、を備える。【選択図】図2
Description
本発明は、コントローラ、システム、方法及びプログラムに関する。
従来、対象の状態を観察するセンサの出力信号から生成された時系列の数値の平均値や標準偏差等の統計値を算出し、それらの統計値に基づいて対象の状態を判定するコントローラが用いられている。
例えば、下記特許文献1には、モータ駆動機械の動作異常を判定する異常判定システムが記載されている。この異常判定システムでは、モータ駆動機械の観測駆動時においてモータから取得した観測時動作データと、モータ駆動機械の正常駆動時においてモータから取得された正常時動作データに基づいて算出された基準データと、の比較により、モータ駆動機械の動作異常を検知する異常判定システムが記載されている。
下記特許文献1には、上記基準データは、データ異常判定しきいと、正常時動作データに基づいて算出された標本平均、標本共分散行列であることが記載されている。また上記異常判定システムがデータの異常を判定する際には、この標本平均、標本共分散行列と観測時データとに基づいてマハラノビス距離を算出することが記載されている。
ここで、時系列のどのタイミングで対象の状態変化が発生したかを把握したいというユーザのニーズがある。しかしながら、特許文献1に記載の従来技術におけるセンサデータの平均値や標準偏差等の統計値では、時系列のどのタイミングで対象の状態変化が発生したかをユーザに把握させることが難しい。
そこで、本発明は、時系列のどのタイミングで対象の状態変化が発生したかをユーザに把握させることができるコントローラ、システム、方法及びプログラムを提供することを目的とする。
本開示の一態様に係るコントローラは、対象の状態を観察するセンサの出力信号から生成された時系列の数値を取得する取得部と、設定された周期に対応するn個(nは自然数)ごとに時系列の数値をグループに区分し、それぞれのグループ内におけるm番目(mは1からnまでの自然数)の数値を抽出してm番目の統計値を算出する第1算出部と、それぞれのグループ内におけるm番目の数値と、第1算出部が算出したm番目の統計値との差分値をそれぞれ算出する第2算出部と、数値を取得した時系列に沿って並べると共に、それぞれの数値に対応する差分値を時系列に沿って並べてプロットした表示情報を生成する表示情報生成部と、表示部に表示情報を出力する出力部と、を備える。
この態様によれば、時系列の数値とそれぞれの数値に対応する差分値とを時系列に沿って並べてプロット表示させることで、時系列の数値のみでは把握することができない対象の状態の変化について時系列のどのタイミングで発生したかをユーザに把握させることができる。
上記態様において、ユーザから周期の少なくとも一部の期間の選択を受け付ける受付部と、受付部が受け付けた期間に含まれる複数の数値から特徴量を演算する演算部と、特徴量に基づいて、対象の状態を判定する判定モデルを生成する判定モデル生成部と、を備えてもよい。
この態様によれば、対象の状態を判定するために有効となる区間をユーザに選択させて当該区間の数値から演算した特徴量で判定モデルを生成するため、対象の状態をより精度良く判定できる判定モデルを生成することができる。
上記態様において、周期は、対象を扱う装置から出力される制御信号に基づいて設定されてもよい。
この態様によれば、対象を扱う装置の制御の周期と合わせたタイミングをもって対象の状態の変化がいつ発生したかをユーザに把握させることができる。
上記態様において、第1算出部は、互いに異なる複数の統計値をそれぞれ算出し、第2算出部は、複数の統計値に対してそれぞれの差分値を算出し、表示情報生成部は、数値を取得した時系列に沿って並べると共に、それぞれの数値に対応する、複数の統計値の少なくとも1つの差分値を時系列に沿って並べてプロットした表示情報を生成してもよい。
この態様によれば、互いに異なる複数の統計値からそれぞれの差分値を算出し、時系列の数値と共にこれらの差分値を時系列に沿って並べて表示することができる。このため、この態様によれば、より網羅的に対象の状態変化をユーザに把握させることができる。
上記態様において、差分値に基づいて対象の状態を判定する判定部と、判定部が対象の状態を異常と判定した場合に、対象を扱う装置およびユーザの少なくともいずれかへ対象の異常を通知する通知部と、を備えてもよい。
この態様によれば、差分値で対象の状態を判定することができる。この態様によれば、差分値から特徴量を抽出してモデルを生成する等の作業を省くことができる。このため、この態様によれば、時系列の数値を取得してすぐに、対象の状態を判定し、対象を扱う装置又はユーザに当該判定の結果を通知することができる。
本開示の他の態様に係る方法は、コントローラに、対象の状態を観察するセンサの出力信号から生成された時系列の数値を取得することと、設定された周期に対応するn個(nは自然数)ごとに時系列の数値をグループに区分し、それぞれのグループ内におけるm番目(mは1からnまでの自然数)の数値を抽出してm番目の統計値を算出することと、それぞれのグループ内におけるm番目の数値と、算出したm番目の統計値との差分値をそれぞれ算出することと、数値を取得した時系列に沿って並べると共に、それぞれの数値に対応する差分値を時系列に沿って並べてプロットした表示情報を生成することと、表示部に表示情報を出力することと、を実行させる。
この態様によれば、時系列の数値と差分値とを時系列に並べてプロット表示させることで、時系列の数値のみでは把握することができない対象の状態の変化について時系列のどのタイミングで発生したかをユーザに把握させることができる。
本開示の他の態様に係るプログラムは、コントローラに、対象の状態を観察するセンサの出力信号から生成された時系列の数値を取得することと、設定された周期に対応するn個(nは自然数)ごとに時系列の数値をグループに区分し、それぞれのグループ内におけるm番目(mは1からnまでの自然数)の数値を抽出してm番目の統計値を算出することと、それぞれのグループ内におけるm番目の数値と、算出したm番目の統計値との差分値をそれぞれ算出することと、数値を取得した時系列に沿って並べると共に、それぞれの数値に対応する差分値を時系列に沿って並べてプロットした表示情報を生成することと、表示部に表示情報を出力することと、を実行させる。
この態様によれば、時系列の数値と差分値とを時系列に並べてプロット表示させることで、時系列の数値のみでは把握することができない対象の状態の変化について時系列のどのタイミングで発生したかをユーザに把握させることができる。
本発明によれば、時系列のどのタイミングで対象の状態変化が発生したかを把握することができるコントローラ、システム、方法及びプログラムを提供することができる。
添付図面を参照して、本発明の実施形態について説明する。なお、各図において、同一の符号を付したものは、同一又は同様の構成を有する。
図1は、本発明の実施形態に係るシステム1の概要を示す図である。本実施形態に係るシステム1は、コントローラ10、センサ30、コンピュータ40及び搬送装置50を備える。
図1に示すように、コントローラ10は、センサ30、コンピュータ40及び搬送装置50に接続されており、搬送装置50上を次々に搬送される対象100をセンサ30が観察している。コントローラ10は、センサ30の観察結果として出力される出力信号から生成された時系列の数値を取得し、当該数値に基づいて対象100の状態を判定する。コントローラ10による判定結果は、コンピュータ40に出力されたり、搬送装置50の制御に用いられたりする。なお以降、時系列の数値のそれぞれを、単に「数値」ともいう。
本実施形態に係るコントローラ10は、他の装置や機械の動きを制御する装置である。コントローラ10は、例えば、プログラムで定められた順序や条件などに従ってこれらの動きを制御するPLC(Programmable Logic Controller)であってもよい。コントローラ10は、少なくともCPU(Central Processing Unit)等の演算装置と、メモリと、入力装置と、出力装置とを有する。
本実施形態に係るコントローラ10は、センサ30から取得された数値と、それぞれの数値に対応する後述の差分値を時系列に沿って並べて表示部にプロット表示させることで、対象100の状態変化がどのタイミングで起きたかをユーザに把握させることができる。ここで「表示部」とは、例えば、コンピュータ40の表示装置でもよいし、コントローラ10が表示部を備える場合にはコントローラ10の表示部でもよい。
センサ30は、所定の物理量を測定するセンサであり、例えば、受光量に基づいて対象100の有無を測定する光センサであったり、磁界の変化に基づいて対象100の有無を測定する近接センサであったり、光を用いて対象100までの距離を測定する測距センサであったり、搬送装置50の状態を測定するセンサであったり、温度センサであったり、圧力センサであったりしてよい。
コンピュータ40は、汎用のコンピュータであり、少なくともCPU等の演算装置と、メモリと、表示装置と、入力装置とを有する。コンピュータ40は、コントローラ10から受信した情報を表示したり、入力装置を介して入力された情報をコントローラ10に送信したりする。
搬送装置50は、対象100を扱う装置であり、対象100を搬送する装置である。搬送装置50は、例えばベルトコンベアやローラーコンベアであってよい。なお、搬送装置50は、対象100を操作する装置の一例であり、システム1には、搬送装置50以外の装置が含まれてもよい。例えば、システム1には、対象100を操作するロボットや、対象100を製造する工作機械が含まれてもよい。その場合、ロボットや工作機械は、コントローラ10によって制御されてよい。
図2は、本実施形態に係るコントローラ10の機能ブロックを示す図である。コントローラ10は、取得部11、算出部12、表示情報生成部13、出力部14、受付部15、演算部16、モデル生成部17、記憶部18、判定部19及び通知部20を備える。
取得部11は、対象の状態を観察するセンサ30の出力信号から生成された時系列の数値を取得する。時系列の数値は、所定の時間間隔で取得されてもよいし、不定期に取得されてもよい。取得された時系列の数値は、記憶部18に記憶されてもよい。
算出部12は、第1算出部12aと第2算出部12bとを備える。
第1算出部12aは、設定された周期(以下、「設定周期」ともいう)に対応するn個(nは自然数)ごとに時系列の数値をグループ(以下、「周期グループ」ともいう)に区分し、それぞれの周期グループ内におけるm番目(mは1からnまでの自然数)の数値を抽出してm番目の統計値を算出する。第1算出部12aは、例えば、設定周期に対応する100個(n=100)ごとに時系列の数値を周期グループ(例えば、1周期目、2周期目、3周期目…s周期(sは自然数)等)に区分する。次に第1算出部12aは、それぞれの周期グループ内における10番目(m=10)の数値を抽出する。そして第1算出部12aは、1周期目からs周期目までの周期グループそれぞれの10番目の数値の統計値を算出する。
「設定周期」とは、例えば、対象100を外部から制御する周期(以下、「制御周期」ともいう)であってもよい。制御周期は、例えば、対象100を扱う装置(例えば、搬送装置50)から出力される制御信号に基づいて設定される周期であってもよい。また制御周期は、例えば、搬送装置50によって対象100を所定距離搬送する周期であったり、ロボットや工作装置によって対象100を操作する周期であったりしてよい。
第1算出部12aは、例えば、設定周期ごとの時系列の数値の統計値を算出してもよい。また第1算出部12aは、例えば、設定周期内の少なくとも一部の期間に含まれる複数の数値の統計値を算出してもよい。ここで「設定周期内の少なくとも一部の期間に含まれる複数の数値」とは、例えば、特定の設定周期に含まれる2以上の数値であり、特定の設定周期に含まれる数値の部分集合(例えば、s周期目のm〜m+4番目の数値)であってもよい。
「統計値」とは、例えば、複数の設定周期にわたる設定周期内の順番ごと又は設定周期ごとの時系列の数値の平均値、標準偏差、最大値、最小値、尖度、及び/又は歪度等である。
第1算出部12aは、例えば、互いに異なる複数の統計値を算出してもよい。第1算出部12aは、例えば、それぞれの周期グループ内におけるm番目の平均値と標準偏差とする異なる2種類の統計値を算出してもよい。
第2算出部12bは、それぞれの周期グループ内におけるm番目の数値と、第1算出部12aが算出したm番目の統計値との差分値をそれぞれ算出する。
第2算出部12bは、例えば、第1算出部12aにより算出された複数の統計値に対してそれぞれの差分値を算出してもよい。
表示情報生成部13は、数値を取得した時系列に沿って並べると共に、それぞれの数値に対応する差分値を時系列に沿って並べてプロットした表示情報(以下、単に「表示情報」ともいう)を生成する。
表示情報生成部13は、例えば、後述の判定部19による対象100の状態の判定結果を示す表示情報を生成してもよい。
出力部14は、表示部に表示情報を出力する。出力部14は、例えば、コンピュータ40の表示装置に表示情報を出力してもよい。
ここで図3を参照して、表示部によるプロット表示の例を説明する。図3は、コンピュータ40の表示装置に表示される画面であって、数値と差分値とを時系列に沿って並べてプロットした態様で表示する画面の例である。なお、この画面は、コントローラ10が表示部を備える場合、コントローラ10の表示部に表示されてもよい。
図3に示すように、画面31は、第1表示領域31aと、第2表示領域31bと、を含む。画面31は、第1表示領域31aと第2表示領域31bとを、横軸(時間軸)を揃えるように縦に並べて表示する。
第1表示領域31aは、本実施形態に係るコントローラ10により取得される時系列の数値、すなわちセンサ30の出力信号から生成された値を示すプロット図(以下、「センサ値プロット図」ともいう)を表示する。同図では、縦軸は時系列の数値の測定値の大きさを、横軸は時間軸を示している。
第2表示領域31bは、本実施形態に係るコントローラ10により算出される差分値を示すプロット図(以下、「差分値プロット図」ともいう)である。同図では、縦軸は差分値の大きさを示し、横軸は時間軸を示している。
センサ値プロット図では、設定周期5周期分(n〜n+4周期目)を表示している。またセンサ値プロット図では、設定周期に対応するn個ごとに時系列の数値を周期グループに区分けしている。センサ値プロット図では、ユーザが視認する限りでは、それぞれの周期グループに含まれる数値のプロットは同じように見えて、対象100の異常は発生していないように見える。
他方、差分値プロット図では、同様に設定周期5周期分を表示しているが、3周期目の周期グループで外れ値のプロットが顕出されている。このように、センサ値プロット図では視認困難な外れ値が、差分値プロット図では視認可能にプロットされる。またセンサ値プロット図と差分値プロット図とを比較可能な態様、すなわち時系列に沿って並べた態様で表示することで、時系列の数値だけでは把握できない対象100の状態変化について、どの区分(本例では、3周期目のグループ)のどのタイミング(例えば、m番目等)でその状態変化が発生したかをユーザは把握することができる。
図2に戻って説明を続ける。受付部15は、特徴量の演算対象とする期間を選択させるために、ユーザから設定周期の少なくとも一部の期間の選択を受け付ける。ここでいう「選択」は、コントローラ10に備えられた入力部(不図示)を介して行われてもよいし、コンピュータ40の入力装置を介して行われてもよい。
受付部15は、例えば、ユーザから数値と差分値のいずれを特徴量として採用するかの選択を受け付けてもよい。
演算部16は、受付部15が受け付けた期間に含まれる複数の数値から特徴量を演算する。演算部16は、例えば、受付部15が受け付けた期間に含まれる複数の数値から統計値を特徴量として演算してもよい。
演算部16は、他の例として、受付部15が受け付けた期間に含まれる複数の数値それぞれと設定された閾値とを比較して、それぞれの数値と当該閾値との大小関係に基づいて特徴量を演算してもよい。演算部16は、例えば、受付部15が受け付けた期間に含まれる数値が閾値を超える場合、当該数値を特徴量として演算してもよい。
演算部16は、他の例として、受付部15が受け付けた期間に含まれる複数の数値それぞれに対応する差分値から統計値を特徴量として演算してもよい。
モデル生成部17は、演算部16により演算された特徴量(以下、単に「特徴量」ともいう)に基づいて、対象100の状態を判定する判定モデル18aを生成する。モデル生成部17は、生成した判定モデル18aを記憶部18に記憶するだけでなく、コンピュータ40等の外部機器に出力してもよい。
記憶部18は、少なくとも判定モデル18aを記憶する。判定モデル18aは、例えば、特徴量を設定された閾値と比較して、特徴量と当該閾値の大小関係に基づいて、対象100の状態を判定するモデルであってよい。判定モデル18aは、例えば、特徴量を入力すると対象100の状態を表す値(例えば、0:通常、1:異常とする二値等)を出力するモデルであってもよい。もっとも、判定モデル18aは、特徴量に基づいて対象100の状態を判定する、ニューラルネットワーク等の学習モデルであってもよい。
判定部19は、演算部16により演算された特徴量に基づいて、判定モデル18aを用いて、対象100の状態を判定する。判定部19は、例えば、特徴量を判定モデル18aに入力して判定モデル18aから出力された対象100の状態を表す値により対象100の状態を判定してもよい。なお、本実施形態では、判定部19によって状態が判定される対象100を搬送装置50により搬送される物として例示しているが、判定部19によって状態が判定される対象は、任意の物であってよく、搬送装置50が対象であってもよいし、ロボットや工作機械が対象であってもよい。
判定部19は、他の例として、差分値に基づいて、対象100の状態を判定してもよい。判定部19は、例えば、差分値と設定された閾値とを比較して、差分値と当該閾値の大小関係に基づいて対象100の状態を判定してもよい。判定部19は、例えば、差分値が設定された閾値を超える場合、対象100の状態を異常と判定してもよい。
通知部20は、判定部19が対象の状態を異常と判定した場合に、対象100を扱う装置(例えば、搬送装置50)及びユーザの少なくともいずれかへ対象100の異常を通知する。
通知部20は、例えば、判定部19が対象100の状態を異常と判定した場合に、対象100を扱う装置に対象100の異常を通知する信号を当該装置に出力部14を介して出力してもよい。また通知部20は、判定部19が対象100の状態を異常と判定した場合に、対象100の異常をユーザに通知する表示情報を生成してもよい。通知部20は、当該生成した表示情報を、出力部14を介して表示部に出力してもよい。
図4を参照して、本実施形態に係るコントローラ10により実行される判定モデル18a生成処理の例を説明する。図4は、判定モデル生成処理の流れを示すフローチャートである。
図4に示すように、コントローラ10の取得部11は、対象100の状態を観察するセンサ30の出力信号から生成された時系列の数値を取得する(S10)。第1算出部12aは、設定周期に対応するn個ごとに時系列の数値を周期グループに区分し、周期グループごとにトリガーを決定する(S11)。なお本例では、トリガーを、周期グループ内の最も早い時点の数値とするが、これに限る趣旨ではない。
取得部11は、取得した数値それぞれに、周期グループの順番sと、周期グループにおけるトリガーからの順番mと、を対応付ける(S12)。この対応付けた時系列の数値を、V(s,m)とする。周期グループの順番sは、例えば、図3に示す設定周期に対するn、n+1、n+2…(周期目)等の順序を示す番号である。トリガーからの順番mは、例えば、周期グループ内の最も早い時点の数値を順番「1」とすると、次に取得された数値を順番「2」とし、その次に取得された数値を順番「3」と、取得順にインクリメントした番号である。
第1算出部12aは、それぞれの周期グループ内におけるm番目の数値を抽出してm番目の平均値Ave(m)を算出する(S13)第1算出部12aは、例えば、順番1〜順番sまでの周期グループにおいて、周期グループそれぞれの順番1番目(m=1)の数値を集計し、平均値Ave(1)を算出してもよい。
第2算出部12bは、それぞれの周期グループ内におけるm番目の数値V(s,m)と、第1算出部12aが算出したm番目の平均値Ave(m)との差分値W(s,m)をそれぞれ算出する(S14)。
出力部14は、数値V(s,m)を取得した時系列に沿って並べると共に、それぞれの数値に対応する差分値W(s,m)を時系列に沿って並べてプロットした表示情報を表示部に出力する(S15)。
受付部15は、ユーザから設定周期の少なくとも一部の期間の選択を受け付ける(S16)。
受付部15は、数値V(s、m)と差分値W(s,m)のいずれを特徴量として採用するかの選択を受け付ける(S17)。
演算部16は、受付部15がステップS17で受け付けた値が差分値W(s,m)の場合(S18の「差分値」)、受付部15が受け付けた一部の区間について、差分値W(s,m)の統計値を特徴量として演算する(S19)。
演算部16は、受付部15がステップS17で受け付けた値が数値V(s,m)の場合(S18の「数値」)、受付部15が受け付けた一部の区間について、時系列の数値V(s,m)の統計値を特徴量として演算する(S20)。
モデル生成部17は、演算部16により演算された特徴量に基づいて、対象100の状態を判定する判定モデル18aを生成する(S21)。
図5を参照して、本実施形態に係るコントローラ10により実行される判定モデルを18a利用した対象100の状態の判定処理の例を説明する。図5は、対象100の状態の判定処理の流れを示すフローチャートである。本例において、順番s及び順番mの初期値は、いずれも「1」とする。
図5に示すように、コントローラ10の取得部11は、対象100の状態を観察するセンサ30の出力信号から生成された時系列の数値を取得する(S30)。
取得部11は、判定モデルの生成処理(例えば、図4のステップS17)で受付部15が受け付けた値が差分値W(s,m)の場合(S31の「差分値」)、取得した数値それぞれに、周期グループの順番sと、周期グループにおけるトリガーからの順番mと、を対応付ける(S32)。
第1算出部12aは、それぞれの周期グループ内におけるm番目の数値を抽出してm番目の平均値Ave(m)を算出する(S33)。
第2算出部12bは、m番目の数値V(s,m)と、第1算出部12aが算出したm番目の平均値Ave(m)との差分値W(s,m)を算出する(S34)。
演算部16は、m=nの場合、すなわち設定周期が1週した場合(S35のYes)、受付部15が受け付けた期間に含まれる複数の数値から特徴量を演算する(S36)。判定部19は、演算部16により演算された特徴量を判定モデル18aに入力し判定モデル18aの出力をもって対象100の状態を判定する(S37)。
出力部14は、判定部19による上記判定の結果を示す表示情報を表示部に出力する(S38)。
m≠nの場合、すなわち設定周期が1週していない場合(S35のNo)、コントローラ10は、順番mをインクリメントする(S40)。フローはステップS30の前に遷移する。
対象100の状態の判定処理を完了しない場合(S39のNo)、コントローラ10は、順番sをインクリメントする(S41)。フローはステップS30の前に遷移する。
以上説明した実施形態は、本発明の理解を容易にするためのものであり、本発明を限定して解釈するためのものではない。実施形態が備える各要素並びにその配置、材料、条件、形状及びサイズ等は、例示したものに限定されるわけではなく適宜変更することができる。また、異なる実施形態で示した構成同士を部分的に置換し又は組み合わせることが可能である。
本実施形態における態様は、以下のような開示を含む。
[付記1]
対象(100)の状態を観察するセンサ(30)の出力信号から生成された時系列の数値を取得する取得部(11)と、
設定された周期に対応するn個(nは自然数)ごとに時系列の数値をグループに区分し、それぞれのグループ内におけるm番目(mは1からnまでの自然数)の数値を抽出してm番目の統計値を算出する第1算出部(12a)と、
それぞれのグループ内におけるm番目の数値と、第1算出部が算出したm番目の統計値との差分値をそれぞれ算出する第2算出部(12b)と、
数値を取得した時系列に沿って並べると共に、それぞれの数値に対応する差分値を時系列に沿って並べてプロットした表示情報を生成する表示情報生成部(13)と、
表示部に表示情報を出力する出力部(14)と、を備える、
コントローラ(10)。
対象(100)の状態を観察するセンサ(30)の出力信号から生成された時系列の数値を取得する取得部(11)と、
設定された周期に対応するn個(nは自然数)ごとに時系列の数値をグループに区分し、それぞれのグループ内におけるm番目(mは1からnまでの自然数)の数値を抽出してm番目の統計値を算出する第1算出部(12a)と、
それぞれのグループ内におけるm番目の数値と、第1算出部が算出したm番目の統計値との差分値をそれぞれ算出する第2算出部(12b)と、
数値を取得した時系列に沿って並べると共に、それぞれの数値に対応する差分値を時系列に沿って並べてプロットした表示情報を生成する表示情報生成部(13)と、
表示部に表示情報を出力する出力部(14)と、を備える、
コントローラ(10)。
[付記2]
コントローラ(10)に、
対象(100)の状態を観察するセンサ(30)の出力信号から生成された時系列の数値を取得することと、
設定された周期に対応するn個(nは自然数)ごとに時系列の数値をグループに区分し、それぞれのグループ内におけるm番目(mは1からnまでの自然数)の数値を抽出してm番目の統計値を算出することと、
それぞれのグループ内におけるm番目の数値と、算出したm番目の統計値との差分値をそれぞれ算出することと、
数値を取得した時系列に沿って並べると共に、それぞれの数値に対応する差分値を時系列に沿って並べてプロットした表示情報を生成することと、
表示部に表示情報を出力することと、
を実行させる方法。
コントローラ(10)に、
対象(100)の状態を観察するセンサ(30)の出力信号から生成された時系列の数値を取得することと、
設定された周期に対応するn個(nは自然数)ごとに時系列の数値をグループに区分し、それぞれのグループ内におけるm番目(mは1からnまでの自然数)の数値を抽出してm番目の統計値を算出することと、
それぞれのグループ内におけるm番目の数値と、算出したm番目の統計値との差分値をそれぞれ算出することと、
数値を取得した時系列に沿って並べると共に、それぞれの数値に対応する差分値を時系列に沿って並べてプロットした表示情報を生成することと、
表示部に表示情報を出力することと、
を実行させる方法。
[付記3]
コントローラ(10)に、
対象(100)の状態を観察するセンサ(30)の出力信号から生成された時系列の数値を取得することと、
設定された周期に対応するn個(nは自然数)ごとに時系列の数値をグループに区分し、それぞれのグループ内におけるm番目(mは1からnまでの自然数)の数値を抽出してm番目の統計値を算出することと、
それぞれのグループ内におけるm番目の数値と、算出したm番目の統計値との差分値をそれぞれ算出することと、
数値を取得した時系列に沿って並べると共に、それぞれの数値に対応する差分値を時系列に沿って並べてプロットした表示情報を生成することと、
表示部に表示情報を出力することと、
を実行させるプログラム。
コントローラ(10)に、
対象(100)の状態を観察するセンサ(30)の出力信号から生成された時系列の数値を取得することと、
設定された周期に対応するn個(nは自然数)ごとに時系列の数値をグループに区分し、それぞれのグループ内におけるm番目(mは1からnまでの自然数)の数値を抽出してm番目の統計値を算出することと、
それぞれのグループ内におけるm番目の数値と、算出したm番目の統計値との差分値をそれぞれ算出することと、
数値を取得した時系列に沿って並べると共に、それぞれの数値に対応する差分値を時系列に沿って並べてプロットした表示情報を生成することと、
表示部に表示情報を出力することと、
を実行させるプログラム。
1…システム、10…コントローラ、11…取得部、12…算出部、12a…第1算出部、12b…第2算出部、13…表示情報生成部、14…出力部、15…受付部、16…演算部、17…モデル生成部、18…記憶部、19…判定部、20…通知部、30…センサ、40…コンピュータ、50…搬送装置、100…対象
Claims (7)
- 対象の状態を観察するセンサの出力信号から生成された時系列の数値を取得する取得部と、
設定された周期に対応するn個(nは自然数)ごとに時系列の前記数値をグループに区分し、それぞれの前記グループ内におけるm番目(mは1からnまでの自然数)の前記数値を抽出してm番目の統計値を算出する第1算出部と、
それぞれの前記グループ内におけるm番目の前記数値と、前記第1算出部が算出したm番目の前記統計値との差分値をそれぞれ算出する第2算出部と、
前記数値を取得した時系列に沿って並べると共に、それぞれの前記数値に対応する前記差分値を時系列に沿って並べてプロットした表示情報を生成する表示情報生成部と、
表示部に前記表示情報を出力する出力部と、
を備えるコントローラ。 - ユーザから前記周期の少なくとも一部の期間の選択を受け付ける受付部と、
前記受付部が受け付けた前記期間に含まれる複数の前記数値から特徴量を演算する演算部と、
前記特徴量に基づいて、前記対象の状態を判定する判定モデルを生成する判定モデル生成部と、を備える、
請求項1に記載のコントローラ。 - 前記周期は、前記対象を扱う装置から出力される制御信号に基づいて設定される、
請求項1または2に記載のコントローラ。 - 前記第1算出部は、互いに異なる複数の統計値をそれぞれ算出し、
前記第2算出部は、前記複数の統計値に対してそれぞれの差分値を算出し、
前記表示情報生成部は、前記数値を取得した時系列に沿って並べると共に、それぞれの前記数値に対応する、前記複数の統計値の少なくとも1つの前記差分値を時系列に沿って並べてプロットした表示情報を生成する、
請求項1から3のいずれか一項に記載のコントローラ。 - 前記差分値に基づいて前記対象の状態を判定する判定部と、
前記判定部が前記対象の状態を異常と判定した場合に、前記対象を扱う装置およびユーザの少なくともいずれかへ前記対象の異常を通知する通知部と、を備える、
請求項1から4のいずれか一項に記載のコントローラ。 - コントローラに、
対象の状態を観察するセンサの出力信号から生成された時系列の数値を取得することと、
設定された周期に対応するn個(nは自然数)ごとに時系列の前記数値をグループに区分し、それぞれの前記グループ内におけるm番目(mは1からnまでの自然数)の前記数値を抽出してm番目の統計値を算出することと、
それぞれの前記グループ内におけるm番目の前記数値と、前記算出したm番目の前記統計値との差分値をそれぞれ算出することと、
前記数値を取得した時系列に沿って並べると共に、それぞれの前記数値に対応する前記差分値を時系列に沿って並べてプロットした表示情報を生成することと、
表示部に前記表示情報を出力することと、
を実行させる方法。 - コントローラに、
対象の状態を観察するセンサの出力信号から生成された時系列の数値を取得することと、
設定された周期に対応するn個(nは自然数)ごとに時系列の前記数値をグループに区分し、それぞれの前記グループ内におけるm番目(mは1からnまでの自然数)の前記数値を抽出してm番目の統計値を算出することと、
それぞれの前記グループ内におけるm番目の前記数値と、前記算出したm番目の前記統計値との差分値をそれぞれ算出することと、
前記数値を取得した時系列に沿って並べると共に、それぞれの前記数値に対応する前記差分値を時系列に沿って並べてプロットした表示情報を生成することと、
表示部に前記表示情報を出力することと、
を実行させるプログラム。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020103808A JP2021196950A (ja) | 2020-06-16 | 2020-06-16 | コントローラ、システム、方法及びプログラム |
PCT/JP2021/009555 WO2021256017A1 (ja) | 2020-06-16 | 2021-03-10 | コントローラ、システム、方法及びプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020103808A JP2021196950A (ja) | 2020-06-16 | 2020-06-16 | コントローラ、システム、方法及びプログラム |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2021196950A true JP2021196950A (ja) | 2021-12-27 |
Family
ID=79195763
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020103808A Pending JP2021196950A (ja) | 2020-06-16 | 2020-06-16 | コントローラ、システム、方法及びプログラム |
Country Status (2)
Country | Link |
---|---|
JP (1) | JP2021196950A (ja) |
WO (1) | WO2021256017A1 (ja) |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002215226A (ja) * | 2001-01-16 | 2002-07-31 | Shinko Electric Co Ltd | プラント運転監視装置、その制御方法、プログラムおよび記録媒体 |
JP2004133588A (ja) * | 2002-10-09 | 2004-04-30 | Toshiba Corp | トレンドグラフ表示装置 |
JP2018116545A (ja) * | 2017-01-19 | 2018-07-26 | オムロン株式会社 | 予測モデル作成装置、生産設備監視システム、及び生産設備監視方法 |
JP6593715B2 (ja) * | 2017-10-27 | 2019-10-23 | 株式会社安川電機 | 異常判定システム、モータ制御装置 |
JP6609391B1 (ja) * | 2019-03-20 | 2019-11-20 | 株式会社 日立産業制御ソリューションズ | 予測モデル作成装置、予測モデル作成方法及び予測モデル作成プログラム |
-
2020
- 2020-06-16 JP JP2020103808A patent/JP2021196950A/ja active Pending
-
2021
- 2021-03-10 WO PCT/JP2021/009555 patent/WO2021256017A1/ja active Application Filing
Also Published As
Publication number | Publication date |
---|---|
WO2021256017A1 (ja) | 2021-12-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107924173B (zh) | 监视装置、监视系统及计算机可读存储介质 | |
EP3425573A1 (en) | Work data management system and work data management method | |
US11493912B2 (en) | Unsteadiness detection device, unsteadiness detection system and unsteadiness detection method | |
WO2016143072A1 (ja) | プログラマブルロジックコントローラ | |
US8880442B2 (en) | Method for generating a machine heartbeat | |
CN108573368A (zh) | 管理装置以及可读取记录介质 | |
JP4957406B2 (ja) | バッチプロセス解析システムおよびバッチプロセス解析方法 | |
JP5062496B2 (ja) | 運転状態解析システムおよび運転状態解析方法 | |
WO2021256017A1 (ja) | コントローラ、システム、方法及びプログラム | |
CN113874800B (zh) | 提高生产效率的支援系统 | |
JP6885321B2 (ja) | プロセスの状態診断方法及び状態診断装置 | |
JP2021179981A (ja) | 情報処理システム、情報処理装置およびプログラム | |
JP7029647B2 (ja) | コントローラ、システム、方法及びプログラム | |
WO2024116560A1 (ja) | 異常判定装置及び異常判定方法 | |
CN107924186B (zh) | 生成机器心跳的方法 | |
JP7494588B2 (ja) | コントローラ、システム、方法及びプログラム | |
JP6731603B1 (ja) | 検査システム | |
WO2020203772A1 (ja) | 生産効率向上支援システム | |
TWI735784B (zh) | 資訊分析裝置、資訊分析方法及資訊分析程式產品 | |
US11615564B2 (en) | Time series data display device | |
US20210326600A1 (en) | Information management device and information management method | |
JP2018081335A (ja) | プラント運転データ解析システム | |
Meza-Jiménez et al. | Statistical Process Control: A Vital Tool for Quality Assurance |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20230308 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20231020 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20231218 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20240327 |