JP2021196950A - コントローラ、システム、方法及びプログラム - Google Patents

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。

特開２０１９−７９４５３号公報

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。

本発明の実施形態に係るシステムの概要を示す図である。 本実施形態に係るコントローラの機能ブロックを示す図である。 本実施形態に係るコントローラにより取得される時系列の数値と差分値の表示例を示す図である。 本実施形態に係るコントローラにより実行される判定モデル生成処理のフローチャートである。 本実施形態に係るコントローラにより実行される対象の状態判定処理のフローチャートである。

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）。

［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。

［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。

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)

1. 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。
2. 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。
3. 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。
4. 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。
5. 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。
6. 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。
7. 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。

Images