JP2022101969A - 制御システム、サポート装置およびラベル付与方法 - Google Patents

Abstract

【課題】実際の生産現場での運用に適したラベル付与および学習データの取得方法を提供する。【解決手段】制御システム１は、制御対象を制御するための制御演算を実行する制御演算部と、制御対象から収集される情報に基づいて、モデル１６０を参照して、制御対象における異常を検知する異常検知部１５０と、異常検知の対象に関連するものを撮像した画像を収集する画像収集部３００と、制御対象から収集された情報と撮像された画像とを時間的に対応付けて出力するとともに、ラベルの指定を受付けるユーザインターフェイス部と、指定されたラベルを制御対象から収集された情報に付加することで、前記モデルを構成するための学習データを生成する生成部とを含む。【選択図】図２

Description

本技術は、制御システム、制御システムに含まれる制御装置に接続されるサポート装置、および制御システムで用いられるラベル付与方法に関する。

様々な生産現場において、機械や装置に対する予知保全により設備稼働率を向上させたいというニーズが存在する。予知保全とは、機械や装置に生じる何らかの異常を検知して、設備を停止しなければ状態になる前に、整備や交換などの保守作業を行うような保全形態を意味する。このような予知保全を実現するために、機械や装置の状態値を収集するとともに、収集された状態値に基づいて、当該機械や装置に何らかの異常が生じているか否かを判断するような機械学習を用いた仕組みが実用化されている。

このような機械学習を実現するにあたって、ラベルが付与されたデータからなる学習データセットを用意する必要がある。一般的に、ラベル付与は、手間および時間を要する処理である。例えば、特表２０１８－５３７７９８号公報（特許文献１）は、目標データセットのラベル付けされていない構成要素の効率的なラベル付けを実現するためのラベル付けまたはラベル検証を開示する。

特表２０１８－５３７７９８号公報

実際の生産現場での運用を考慮すると、正常とのラベルが付与されるデータに比較して、異常とのラベルが付与されるデータが少なく、特表２０１８－５３７７９８号公報（特許文献１）に開示されるようなラベル検証の方法を適用することは容易ではない。

実際の生産現場での運用に適したラベル付与および学習データの取得方法が要望されている。本技術の一つの目的は、このようなニーズを満たすことである。

本技術の一例に従う制御システムは、制御対象を制御するための制御演算を実行する制御演算部と、制御対象から収集される情報に基づいて、モデルを参照して、制御対象における異常を検知する異常検知部と、異常検知の対象に関連するものを撮像した画像を収集する画像収集部と、制御対象から収集された情報と撮像された画像とを時間的に対応付けて出力するとともに、ラベルの指定を受付けるユーザインターフェイス部と、指定されたラベルを制御対象から収集された情報に付加することで、モデルを構成するための学習データを生成する生成部とを含む。

この構成によれば、異常検知の対象に関連するものを撮像した画像を参照しながら、適切なラベルを設定することができるので、ラベル付与の正確性および付与作業の効率を高めることができる。

ユーザインターフェイス部は、制御対象から収集された情報のうち選択された情報に対応する画像を出力してもよい。この構成によれば、複数の画像を収集した場合であっても、対応する画像を適切に出力できる。

ユーザインターフェイス部は、類似した複数の画像にそれぞれ対応する情報について、当該複数の画像のうちいずれかの画像に対応する情報に対して指定されたラベルと同じラベルを反映してもよい。この構成によれば、画像の類似性を利用して、ラベル付与の効率を高めることができる。

ユーザインターフェイス部は、制御対象から収集された複数の情報に対して、指定された同一のラベルを反映してもよい。この構成によれば、例えば、明らかに異常な情報に対して、一括して同一のラベルを付与できるので、ラベル付与の効率を高めることができる。

画像は、静止画および動画の少なくとも一方を含んでいてもよい。この構成によれば、状況に応じて、静止画および動画のいずれかを選択できる。

ユーザインターフェイス部は、画像が動画を含む場合に、動画の再生に併せて、制御対象から収集された情報のうち対応する情報の位置を表示してもよい。この構成によれば、時系列に記録された動画であっても、ラベルを付与するための画像を容易に確認できる。

制御システムは、学習データに基づいてモデルを生成するモデル生成部をさらに含んでいてもよい。この構成によれば、生成した画像データに基づいて、異常検知に用いるモデルを生成できる。

制御システムは、制御対象から収集された情報として、制御対象の状態値から特徴量を算出する特徴量算出部をさらに含んでいてもよい。この構成によれば、特徴量を用いて異常検知を行う場合などに適した学習データを生成できる。

本技術の別の一例に従えば、制御対象を制御するための制御演算を実行する制御演算部と、制御対象から収集される情報に基づいて、モデルを参照して、制御対象における異常を検知する異常検知部とを備える制御装置に接続されるサポート装置が提供される。サポート装置は、異常検知の対象に関連するものを撮像した画像を取得する画像取得部と、制御対象から収集された情報と撮像された画像とを時間的に対応付けて出力するとともに、ラベルの指定を受付けるユーザインターフェイス部と、指定されたラベルを制御対象から収集された情報に付加することで、モデルを構成するための学習データを生成する生成部とを含む。

本技術のさらに別の一例に従えば、制御対象から収集される情報に基づいて、モデルを参照して、制御対象における異常を検知する制御システムに向けられたラベル付与方法が提供される。ラベル付与方法は、制御対象から収集される情報を取得するステップと、異常検知の対象に関連するものを撮像した画像を取得するステップと、制御対象から収集された情報と撮像された画像とを時間的に対応付けて出力するステップと、ラベルの指定を受付けるステップと、指定されたラベルを制御対象から収集された情報に付加することで、モデルを構成するための学習データを生成するステップとを含む。

本技術によれば、実際の生産現場での運用に適したラベル付与および学習データの取得方法を実現できる。

本実施の形態に係る制御システムの全体構成例を示す模式図である。 本実施の形態に係る制御システムの主要な構成および運用形態の一例を説明するための図である。 本実施の形態に係る制御システムにおけるラベル付与処理の概要を説明するための図である。 本実施の形態に係る制御システムを構成する制御装置のハードウェア構成例を示すブロック図である。 本実施の形態に係る制御システムを構成するサポート装置のハードウェア構成例を示すブロック図である。 本実施の形態に係る制御システムを構成する画像収集部のハードウェア構成例を示すブロック図である。 本実施の形態に係る制御システムにおけるラベル付与処理を実現するための機能構成例を示す模式図である。 本実施の形態に係る制御システムにおける時系列データと画像との対応付けを説明するための図である。 本実施の形態に係る制御システムにおいて提供されるユーザインターフェイス画面の一例を示す模式図である。 本実施の形態に係る制御システムにおいて提供されるユーザインターフェイス画面上でラベル付与の処理手順例を示す模式図である。 本実施の形態に係る制御システムにおいて提供されるユーザインターフェイス画面上で１つのラベルを他に反映する処理手順例を示す模式図である。 本実施の形態に係る制御システムにおいて提供されるユーザインターフェイス画面上で１つのラベルを他に反映する処理手順例を示す模式図である。 本実施の形態に係る制御システムにおいて提供されるユーザインターフェイス画面上で画像が存在しない場合のラベル付与の処理手順例を示す模式図である。 本実施の形態に係る制御システムにおいて提供されるユーザインターフェイス画面上で画像が存在しない場合のラベル付与の処理手順例を示す模式図である。 本実施の形態に係る制御システムにおいて提供されるユーザインターフェイス画面上で特異的な特徴量に対してラベルを付与する処理手順例を示す模式図である。 本実施の形態に係る制御システムにおいて提供されるユーザインターフェイス画面において動画を表示する例を示す模式図である。 本実施の形態に係る制御システムにおけるラベル付与処理に係る処理手順を示すフローチャートである。

本発明の実施の形態について、図面を参照しながら詳細に説明する。なお、図中の同一または相当部分については、同一符号を付してその説明は繰返さない。

＜Ａ．適用例＞
まず、本発明が適用される場面の一例について説明する。

図１は、本実施の形態に係る制御システム１の全体構成例を示す模式図である。図１を参照して、本実施の形態に係る制御システム１は、主たる構成要素として、制御対象を制御する制御装置１００と、制御装置１００に接続されるサポート装置２００と、ラベル付与に利用される画像（静止画および／または動画）を収集する画像収集部３００とを含む。

制御装置１００は、ＰＬＣ（プログラマブルコントローラ）などの、一種のコンピュータとして具現化されてもよい。制御装置１００は、フィールドバス２を介してフィールド装置群１０と接続される。フィールドバス２は、産業用の通信プロトコルを採用することが好ましい。このような通信プロトコルとしては、ＥｔｈｅｒＣＡＴ（登録商標）、ＥｔｈｅｒＮｅｔ／ＩＰ（登録商標）、ＤｅｖｉｃｅＮｅｔ（登録商標）、ＣｏｍｐｏＮｅｔ（登録商標）などが知られている。

フィールド装置群１０は、制御対象または制御に関連する製造装置や生産ラインなど（以下、「フィールド」とも総称する。）から入力データを収集する装置を含む。このような入力データを収集する装置としては、入力リレーや各種センサなどが想定される。フィールド装置群１０は、さらに、制御装置１００にて生成される指令（以下、「出力データ」とも称す。）に基づいて、フィールドに対して何らかの作用を与える装置を含む。このようなフィールドに対して何らかの作用を与える装置としては、出力リレー、コンタクタ、サーボドライバおよびサーボモータ、その他任意のアクチュエータが想定される。これらのフィールド装置群１０は、フィールドバス２を介して、制御装置１００との間で、入力データおよび出力データを含むデータを遣り取りする。

図１に示す構成例においては、フィールド装置群１０は、リモートＩ／Ｏ（Input/Output）装置１２と、リレー群１４と、サーボドライバ１８およびサーボモータ２０とを含む。

リモートＩ／Ｏ装置１２は、フィールドバス２を介して通信を行う通信部と、入力データの収集および出力データの出力を行うための入出力部（以下、「Ｉ／Ｏユニット」とも称す。）とを含む。このようなＩ／Ｏユニットを介して、制御装置１００とフィールドとの間で入力データおよび出力データが遣り取りされる。図１には、リレー群１４を介して、入力データおよび出力データとして、デジタル信号が遣り取りされる例が示されている。

Ｉ／Ｏユニットは、フィールドバスに直接接続されるようにしてもよい。図１には、フィールドバス２にＩ／Ｏユニット１６が直接接続されている例を示す。

サーボドライバ１８は、制御装置１００からの出力データ（例えば、位置指令など）に従って、サーボモータ２０を駆動する。

上述のように、フィールドバス２を介して、制御装置１００とフィールド装置群１０との間で入力データおよび出力データが遣り取りされることになるが、これらの遣り取りされるデータは、数百μｓｅｃオーダ～数十ｍｓｅｃオーダのごく短い周期で更新されることになる。なお、このような遣り取りされるデータの更新処理を、「Ｉ／Ｏリフレッシュ処理」と称することもある。

制御装置１００は、設備や機械などの制御対象を制御するための制御演算を実行するＰＬＣエンジン（図２に示すＰＬＣエンジン１３０）を有している。ＰＬＣエンジンは、制御演算部に相当し、入力データに基づく制御演算を実行することで、出力データを決定する。制御装置１００は、フィールド装置群１０からの入力データ、フィールド装置群１０への出力データ、および、制御装置１００の内部で管理される内部データなどを順次格納する時系列データベース（以下、「ＴＳＤＢ（Time Series Data Base）」とも記す。）１４０を有している。以下、ＴＳＤＢ１４０に格納されるデータを「時系列データ」とも称す。

制御装置１００は、制御対象から収集される情報に基づいて、予め用意されたモデル１６０を参照して、制御対象における異常を検知する異常検知エンジン１５０を有している。制御対象から収集される情報としては、典型的には、ＴＳＤＢ１４０に格納された時系列データ（あるいは、時系列データから算出された特徴量）が用いられる。すなわち、異常検知エンジン１５０は、ＴＳＤＢ１４０に格納された時系列データに基づいて、制御対象での異常の発生あるいは異常の可能性を判断する。

制御装置１００は、上位ネットワーク６を介してサーバ４００に接続されてもよいし、フィールドバス４を介して１または複数の表示装置５００と接続されてもよい。なお、サーバ４００および表示装置５００はオプショナルな構成であり、制御システム１の必須の構成ではない。

サーバ４００は、制御装置１００に対して任意の情報を提供し、あるいは、制御装置１００からのデータを収集するような処理を担当する。

表示装置５００は、ユーザからの操作を受けて、制御装置１００に対してユーザ操作に応じたコマンドなどを送信するとともに、制御装置１００での演算結果などをグラフィカルに表示する。

サポート装置２００は、制御装置１００が制御対象を制御するために必要な準備を支援する情報処理装置（コンピュータの一例）である。具体的には、サポート装置２００は、制御装置１００で実行されるユーザプログラムの開発環境（プログラム作成編集ツール、パーサ、コンパイラなど）、制御装置１００および制御装置１００に接続される各種デバイスのパラメータ（コンフィギュレーション）を設定するための設定環境、生成したユーザプログラムを制御装置１００へ送信する機能、制御装置１００上で実行されるユーザプログラムなどをオンラインで修正・変更する機能、などを提供する。

さらに、サポート装置２００は、制御装置１００に実装される異常検知エンジン１５０が参照するモデル１６０の生成および調整などを支援するための機能を有している。

画像収集部３００は、異常検知の対象に関連するものを撮像した画像を収集する。より具体的には、画像収集部３００は、サポート装置２００がモデル１６０を生成および調整するために用いられる学習データの生成を支援するための画像を収集する。画像収集部３００は、典型的には、任意の位置に配置されるカメラ３３０を有している。画像としては、静止画および動画のいずれであってもよいし、静止画および動画の両方を含んでいてもよい。画像収集部３００が収集した画像は、サポート装置２００での利用が可能になっている。

ここで、異常検知の対象に関連するものとは、異常検知エンジン１５０の検知ロジック（すなわち、モデル１６０）を学習するための学習データの生成に利用できる情報であれば、どのようなものであってもよい。異常検知の対象に関連するものとしては、例えば、生産されるワーク（製品あるいは半製品）や生産設備自体などが考えられる。

次に、制御装置１００の異常検知エンジン１５０の構成および運用の一例について説明する。サポート装置２００は、ＴＳＤＢ１４０に格納された時系列データを取得し、データマイニングにより、異常検知エンジン１５０が参照するモデル１６０を定義するパラメータを決定する。そして、サポート装置２００は、決定したパラメータを制御装置１００へ転送する。これによって、制御装置１００の異常検知エンジン１５０が有効に構成される。

運用後、サポート装置２００は、ＴＳＤＢ１４０に格納された時系列データを取得するとともに、画像収集部３００から画像を取得する。ユーザは、サポート装置２００を操作して、画像を見ながら時系列データに対してラベルを付与する。サポート装置２００は、ラベルが付与された時系列データに基づいて、モデル１６０を定義するパラメータを調整する。すなわち、モデル１６０が再生成あるいは調整されることになる。そして、サポート装置２００は、調整したパラメータを制御装置１００へ転送する。これによって、制御装置１００の異常検知エンジン１５０がより最適化される。

図２は、本実施の形態に係る制御システム１の主要な構成および運用形態の一例を説明するための図である。図２を参照して、制御システム１における異常検知の処理は、典型的には、データ収集フェーズ３０、データ解析フェーズ３２、運用フェーズ３４の順次で実現される。

データ収集フェーズ３０においては、異常検知の対象に関連する時系列データが収集される。データ解析フェーズ３２においては、データ収集フェーズ３０において収集された時系列データに対するデータマイニングなどによって、目的の異常検知に適した特徴量が検討されるとともに、検討された特徴量に応じたモデル１６０が生成される。データ解析フェーズ３２において生成されたモデル１６０を利用して、運用フェーズ３４が開始される。

運用フェーズ３４の開始後に、検知すべき異常を見逃した、あるいは、検知すべきではない異常を検知したといった不足検知や誤検知が発生した場合には、再学習によりモデル１６０が更新されることもある。あるいは、異常検知の対象に何らかの変化（例えば、経年変化や動作条件の変化など）が生じた場合にも、再学習によりモデル１６０を更新するようにしてもよい。

このような処理手順を考慮して、サポート装置２００は、データマイニングツール２４０およびモデル生成ツール２５０を含んでいてもよい。データマイニングツール２４０は、主として、データ解析フェーズ３２において必要な処理を提供する。モデル生成ツール２５０は、主として、運用フェーズ３４において必要な処理を提供する。

より具体的には、データマイニングツール２４０は、典型的には、特徴量生成処理２４２と、特徴量選択処理２４４と、モデル生成処理２４６と、しきい値設定処理２４８とを提供する。モデル生成ツール２５０は、モデル更新処理２５２と、しきい値調整処理２５４とを提供する。さらに、モデル生成ツール２５０は、ラベル付与処理２６０を提供する。

ラベル付与処理２６０は、画像収集部３００から提供される画像３４２を用いて、ユーザによる時系列データ１４２（あるいは、時系列データ１４２から算出された特徴量）に対してラベルの付与を支援する処理である。ラベルが付与された時系列データ１４２（あるいは、時系列データ１４２から算出された特徴量）が学習データとなる。学習データの集合が学習データセットとなり、この学習データセットを用いて、再学習およびモデル１６０の更新が行われる。すなわち、モデル更新処理２５２およびしきい値調整処理２５４は、複数の学習データに基づいてモデル１６０を生成あるいは更新する。

画像収集部３００は、任意の位置に配置されるカメラ３３０により撮像される画像３４２を順次格納するデータベース（以下、「ＤＢ（Time Series Data Base）」とも記す。）３４０を有している。

上述したように、制御装置１００は、ＰＬＣエンジン１３０、ＴＳＤＢ１４０および異常検知エンジン１５０を有している。

ＰＬＣエンジン１３０は、制御対象に応じて任意に作成されるユーザプログラム１３２により定義される制御演算を周期的に実行する。ユーザプログラム１３２では、ＡＩライブラリ１３４が利用可能になっている。あるいは、ユーザプログラム１３２にＡＩライブラリ１３４が組み込まれていてもよい。ＡＩライブラリ１３４の内容、特性、動作などは、データ解析フェーズ３２において、データマイニングツール２４０を用いて決定されてもよい。

ＰＬＣエンジン１３０がユーザプログラム１３２に含まれるＡＩライブラリ１３４の部分を実行することで、予め指定されたデータから１または複数の特徴量１５２が算出され、算出された特徴量１５２が異常検知エンジン１５０へ提供される。

ＰＬＣエンジン１３０は、データ管理部１３６を有しており、入力データ、出力データ、および、内部データをユーザプログラム１３２から参照可能な形で保持する。データ管理部１３６が管理するデータの値は、Ｉ／Ｏリフレッシュ処理により所定周期（Ｉ／Ｏリフレッシュ周期）毎に更新される。また、データ管理部１３６が管理するデータのうち予め指定されたデータがＴＳＤＢ１４０に所定周期毎に格納される。その結果、ＴＳＤＢ１４０からは指定されたデータの所定周期毎の値の変化、すなわち時系列データ１４２が出力される。

異常検知エンジン１５０は、ＰＬＣエンジン１３０からの特徴量１５２に基づいて、モデル１６０を参照して、異常の発生あるいは異常の可能性を判断する。モデル１６０は、データ解析フェーズ３２において、データマイニングツール２４０を用いて決定されてもよいし、運用フェーズ３４において、モデル生成ツール２５０を用いて決定されてもよい。

典型的には、モデル１６０は、１または複数の特徴量１５２が入力されると、異常の発生を示す値（確率あるいは尤度）を出力する関数である。モデル１６０を定義するパラメータとしては、モデル１６０の実体である関数を定義する各係数と、モデル１６０から出力される値を評価するためのしきい値とを含んでいてもよい。

本実施の形態に係る制御システム１は、サポート装置２００のラベル付与処理２６０および画像収集部３００により、学習データの集合（学習データセット）の生成を支援する機能を提供しており、この機能によって、再学習などをより容易に行うことができる。

図３は、本実施の形態に係る制御システム１におけるラベル付与処理２６０の概要を説明するための図である。図３を参照して、サポート装置２００は、時系列データ１４２と、時系列データ１４２が収集（観測）されたタイミングにおいて撮像された画像３４２とのセットを取得する。

サポート装置２００は、画像３４２をユーザに提示するとともに、ユーザにより指定されたラベル１４４を受付けて、対応する時系列データ１４２（あるいは、時系列データ１４２から算出された特徴量）と対応付ける。ラベル１４４は、例えば、対応する時系列データ１４２が「正常」であるか、「異常」であるかを示す値を含む。

時系列データ１４２と対応するラベル１４４とのセットが１つの学習データ１４６として利用される。学習データ１４６の集合が学習データセットとなる。ラベル付与処理２６０によって生成された学習データ１４６を複数用いた再学習により、モデル１６０の再生成あるいは調整が行われる。

本実施の形態に係るラベル付与処理２６０では、ユーザに対して、時系列データ１４２が収集されたタイミングにおいて撮像された画像３４２が提示されるので、ユーザは、時系列データ１４２の各々に対して、付与すべきラベルを容易に把握できる。そのため、運用フェーズ３４などにおいて、学習データ１４６をより容易に作成できる。

＜Ｂ．ハードウェア構成例＞
次に、本実施の形態に係る制御システム１を構成する主要な装置のハードウェア構成例について説明する。

（ｂ１：制御装置１００のハードウェア構成例）
図４は、本実施の形態に係る制御システム１を構成する制御装置１００のハードウェア構成例を示すブロック図である。図４を参照して、制御装置１００は、ＣＰＵ（Central Processing Unit）やＭＰＵ（Micro-Processing Unit）などのプロセッサ１０２と、チップセット１０４と、主記憶装置１０６と、二次記憶装置１０８と、上位ネットワークコントローラ１１０と、ＵＳＢ（Universal Serial Bus）コントローラ１１２と、メモリカードインターフェイス１１４と、内部バスコントローラ１２２と、フィールドバスコントローラ１１８，１２０と、Ｉ／Ｏユニット１２４－１，１２４－２，…とを含む。

プロセッサ１０２は、二次記憶装置１０８に格納された各種プログラムを読み出して、主記憶装置１０６に展開して実行することで、ＰＬＣエンジン１３０および異常検知エンジン１５０を実現する。チップセット１０４は、プロセッサ１０２と各コンポーネントとの間のデータ伝送などを制御する。

二次記憶装置１０８には、ＰＬＣエンジン１３０および異常検知エンジン１５０を実現するためのシステムプログラム１３１に加えて、ＰＬＣエンジン１３０を利用して実行されるユーザプログラム１３２が格納される。二次記憶装置１０８の一部の領域は、ＴＳＤＢ１４０として利用されてもよい。

上位ネットワークコントローラ１１０は、上位ネットワーク６を介した他の装置との間のデータの遣り取りを制御する。ＵＳＢコントローラ１１２は、ＵＳＢ接続を介してサポート装置２００との間のデータの遣り取りを制御する。

メモリカードインターフェイス１１４は、メモリカード１１６を着脱可能に構成されており、メモリカード１１６に対してデータを書込み、メモリカード１１６から各種データ（ユーザプログラムやトレースデータなど）を読出すことが可能になっている。

内部バスコントローラ１２２は、制御装置１００に搭載されるＩ／Ｏユニット１２４－１，１２４－２，…との間でデータを遣り取りするインターフェイスである。

フィールドバスコントローラ１１８は、フィールドバス２を介した他の装置との間のデータの遣り取りを制御する。同様に、フィールドバスコントローラ１２０は、フィールドバス４を介した他の装置との間のデータの遣り取りを制御する。

図４には、プロセッサ１０２がプログラムを実行することで必要な機能が提供される構成例を示したが、これらの提供される機能の一部または全部を、専用のハードウェア回路（例えば、ＡＳＩＣ（Application Specific Integrated Circuit）またはＦＰＧＡ（Field-Programmable Gate Array）など）を用いて実装してもよい。あるいは、制御装置１００の主要部を、汎用的なアーキテクチャに従うハードウェア（例えば、汎用パソコンをベースとした産業用パソコン）を用いて実現してもよい。この場合には、仮想化技術を用いて、用途の異なる複数のＯＳ（Operating System）を並列的に実行させるとともに、各ＯＳ上で必要なアプリケーションを実行させるようにしてもよい。

（ｂ２：サポート装置２００のハードウェア構成例）
本実施の形態に係るサポート装置２００は、一例として、汎用的なアーキテクチャに従うハードウェア（例えば、汎用パソコン）を用いてプログラムを実行することで実現される。

図５は、本実施の形態に係る制御システム１を構成するサポート装置２００のハードウェア構成例を示すブロック図である。図５を参照して、サポート装置２００は、ＣＰＵやＭＰＵなどのプロセッサ２０２と、光学ドライブ２０４と、主記憶装置２０６と、二次記憶装置２０８と、ＵＳＢコントローラ２１２と、ネットワークコントローラ２１４と、入力部２１６と、表示部２１８とを含む。これらのコンポーネントはバス２２０を介して接続される。

プロセッサ２０２は、二次記憶装置２０８に格納された各種プログラムを読み出して、主記憶装置２０６に展開して実行することで、後述するようなラベル付与処理を含む各種処理を実現する。

二次記憶装置２０８は、例えば、ＨＤＤ（Hard Disk Drive）やＳＳＤ（Flash Solid State Drive）などで構成される。二次記憶装置２０８には、典型的には、ＯＳ２２２と、制御装置１００との間で異常検知機能に関するデータを遣り取りするためのＰＬＣインターフェイスプログラム２２４と、サポート装置２００において実行されるユーザプログラムの作成、作成したユーザプログラムのデバッグ、システム構成の定義、各種パラメータの設定などを行うための開発プログラム２２６と、データマイニングツール２４０を実現するためのデータマイニングプログラム２２８と、モデル生成ツール２５０を実現するためのモデル生成プログラム２３０とが格納される。二次記憶装置２０８には、図５に示すプログラム以外の必要なプログラムが格納されてもよい。

サポート装置２００は、光学ドライブ２０４を有しており、コンピュータ読取可能なプログラムを非一過的に格納する記録媒体２０５（例えば、ＤＶＤ（Digital Versatile Disc）などの光学記録媒体）から、その中に格納されたプログラムが読取られて二次記憶装置２０８などにインストールされる。

サポート装置２００で実行される各種プログラムは、コンピュータ読取可能な記録媒体２０５を介してインストールされてもよいが、ネットワーク上のサーバ装置などからダウンロードする形でインストールするようにしてもよい。また、本実施の形態に係るサポート装置２００が提供する機能は、ＯＳ２２２が提供するモジュールの一部を利用する形で実現される場合もある。

ＵＳＢコントローラ２１２は、ＵＳＢ接続を介して制御装置１００との間のデータの遣り取りを制御する。ネットワークコントローラ２１４は、任意のネットワークを介した他の装置との間のデータの遣り取りを制御する。

入力部２１６は、キーボードやマウスなどで構成され、ユーザ操作を受付ける。表示部２１８は、ディスプレイ、各種インジケータ、プリンタなどで構成され、プロセッサ２０２からの処理結果などを出力する。

図５には、プロセッサ２０２がプログラムを実行することで必要な機能が提供される構成例を示したが、これらの提供される機能の一部または全部を、専用のハードウェア回路（例えば、ＡＳＩＣまたはＦＰＧＡなど）を用いて実装してもよい。

（ｂ３：画像収集部３００のハードウェア構成例）
本実施の形態に係る画像収集部３００は、一例として、汎用的なアーキテクチャに従うハードウェア（例えば、汎用パソコン）を用いてプログラムを実行することで実現される。

図６は、本実施の形態に係る制御システム１を構成する画像収集部３００のハードウェア構成例を示すブロック図である。図６を参照して、画像収集部３００は、ＣＰＵやＭＰＵなどのプロセッサ３０２と、主記憶装置３０６と、二次記憶装置３０８と、カメラコントローラ３１２と、ネットワークコントローラ３１４と、入力部３１６と、表示部３１８とを含む。これらのコンポーネントはバス３２０を介して接続される。

プロセッサ３０２は、二次記憶装置３０８に格納された各種プログラムを読み出して、主記憶装置３０６に展開して実行することで、後述するようなモデル生成処理を含む各種処理を実現する。

二次記憶装置３０８は、例えば、ＨＤＤやＳＳＤなどで構成される。二次記憶装置３０８には、典型的には、ＯＳ３２２と、撮像に係る処理などを実現するための実現するためのシステムプログラム３２４とが格納される。二次記憶装置３０８には、図６に示すプログラム以外の必要なプログラムが格納されてもよい。

画像収集部３００で実行される各種プログラムは、ネットワーク上のサーバ装置などからダウンロードする形でインストールするようにしてもよい。また、本実施の形態に係る画像収集部３００が提供する機能は、ＯＳ３２２が提供するモジュールの一部を利用する形で実現される場合もある。

カメラコントローラ３１２は、カメラ３３０に対して撮像指令を与えるとともに、カメラ３３０により撮像された画像を取得する。

ネットワークコントローラ３１４は、任意のネットワークを介した他の装置（例えば、サポート装置２００）との間のデータの遣り取りを制御する。

入力部３１６は、キーボードやマウスなどで構成され、ユーザ操作を受付ける。表示部３１８は、ディスプレイ、各種インジケータ、プリンタなどで構成され、プロセッサ３０２からの処理結果などを出力する。

図６には、プロセッサ３０２がプログラムを実行することで必要な機能が提供される構成例を示したが、これらの提供される機能の一部または全部を、専用のハードウェア回路（例えば、ＡＳＩＣまたはＦＰＧＡなど）を用いて実装してもよい。

＜Ｃ．機能構成例＞
次に、本実施の形態に係る制御システム１におけるラベル付与処理２６０を実現するための機能構成例について説明する。

図７は、本実施の形態に係る制御システム１におけるラベル付与処理２６０を実現するための機能構成例を示す模式図である。図７を参照して、制御装置１００は、時刻を管理する時刻管理部１３８を含む。時刻管理部１３８は、現在時刻を管理および保持するものであり、例えば、電波時計、ＧＰＳ（Global Positioning System）、リアルタイムクロック、カウンタなどを用いて実現されてもよい。時刻管理部１３８が管理する時刻情報は、タイムスタンプとして、ＴＳＤＢ１４０に格納される時系列データ１４２に付加される。

画像収集部３００についても時刻管理部３３８を有している。時刻管理部３３８についても現在時刻を管理および保持する。時刻管理部１３８および時刻管理部３３８が管理する時刻を合わせる必要があるため、例えば、時刻管理部１３８と時刻管理部３３８との間では、ＮＴＰ（Network Time Protocol）などを用いて、時刻を同期するようにしてもよい。この場合、画像収集部３００は、制御装置１００とネットワーク接続されてもよいし、時刻管理部１３８と時刻管理部３３８との間で独自のネットワークを構築してもよい。

また、時刻管理部１３８および時刻管理部３３８が電波時計やＧＰＳを用いて時刻を管理する場合には、各々が正確な時刻を取得できるので、互いに同期しなくてもよい。

時刻管理部３３８が管理する時刻情報は、タイムスタンプとして、ＤＢ３４０に格納される画像３４２に付加される。

したがって、制御装置１００からサポート装置２００へ提供される時系列データ１４２、および、画像収集部３００から提供される画像３４２のいずれについても、タイムスタンプが付加されており、タイムスタンプに基づいて、時系列データ１４２と画像３４２との対応付けを実現できる。

サポート装置２００のモデル生成ツール２５０は、ラベル付与処理２６０を実現するための機能として、時系列データ取得モジュール２６１と、画像取得モジュール２６２と、時刻対応付けモジュール２６３と、ユーザインターフェイスモジュール２６４と、学習データ生成モジュール２６６とを含む。

時系列データ取得モジュール２６１は、制御装置１００のＴＳＤＢ１４０から時系列データ１４２を取得する。時系列データ取得モジュール２６１は、特徴量算出モジュール２６７を有している。

特徴量算出モジュール２６７は、取得した時系列データ１４２から予め定められた内容の特徴量を算出する。すなわち、特徴量算出モジュール２６７は、制御対象から収集される情報として、制御対象の状態値（時系列データ１４２に含まれるそれぞれの値）から特徴量を算出する。

画像取得モジュール２６２は、画像収集部３００から画像３４２を取得する。
時刻対応付けモジュール２６３は、時系列データ取得モジュール２６１により取得された時系列データ１４２と、画像取得モジュール２６２により取得された画像３４２とを時刻について対応付ける。

図８は、本実施の形態に係る制御システム１における時系列データ１４２と画像３４２との対応付けを説明するための図である。図８を参照して、時系列データ１４２は、時刻を示すタイムスタンプを有している。画像３４２についてもタイムスタンプを有している。タイムスタンプの値が一致あるいは近似する時系列データ１４２と画像３４２とを対応付けることにより、時系列データ１４２が収集された時点における画像３４２を決定できる。

なお、画像３４２として動画を用いる場合には、対応する動画のファイルを特定するとともに、特定した動画中の位置が決定されてもよい。

再度図７を参照して、ユーザインターフェイスモジュール２６４は、制御対象から収集された情報（時系列データ１４２、あるいは、時系列データ１４２から算出された特徴量）と撮像された画像３４２とを時間的に対応付けて出力するとともに、ラベルの指定を受付ける。典型的には、ユーザインターフェイスモジュール２６４は、時系列データ１４２（あるいは、時系列データ１４２から算出された特徴量）と画像３４２とを含むユーザインターフェイス画面をユーザに提示するとともに、ユーザによるラベルの指定を受付ける。

ユーザインターフェイスモジュール２６４は、ラベル設定支援モジュール２６５を含む。ラベル設定支援モジュール２６５は、ユーザによるラベル指定を支援するための処理を担当する。ラベル指定を支援するための処理の一例については、後述する。

学習データ生成モジュール２６６は、ユーザにより指定されたラベルを制御対象から収集された情報（時系列データ１４２、あるいは、時系列データ１４２から算出された特徴量）に付与することで、学習データ１４６を生成する。

＜Ｄ．ユーザインターフェイス画面例＞
次に、本実施の形態に係る制御システム１におけるラベル付与処理２６０に係るユーザインターフェイス画面例について説明する。

図９は、本実施の形態に係る制御システム１において提供されるユーザインターフェイス画面の一例を示す模式図である。図９を参照して、ユーザインターフェイス画面２７０は、特徴量表示領域２７１と、ヒストグラム表示領域２７２と、画像表示領域２７６とを含む。

特徴量表示領域２７１は、フレームと呼ばれる所定の時間区間毎に時系列データ１４２から算出される特徴量を表示する。特徴量表示領域２７１の横軸はフレーム番号であり、縦軸は特徴量である。特徴量表示領域２７１には、２つのしきい値をそれぞれ示すしきい値表示２７３および２７４が表示されている。

ヒストグラム表示領域２７２は、特徴量表示領域２７１の表示される特徴量の全部または一部の大きさの分布であるヒストグラムを表示する。

画像表示領域２７６は、特徴量表示領域２７１に対して任意に設定される選択領域２７５に含まれる特徴量の収集タイミングに対応する画像３４２－１～３４２－５を表示する。サポート装置２００のユーザインターフェイスモジュール２６４は、制御対象から収集された情報（時系列データ１４２、あるいは、時系列データ１４２から算出された特徴量）のうち選択された情報に対応する画像３４２を出力する。図９に示す例において、表示される画像３４２－１～３４２－５は、１つのフレームにそれぞれ対応するものとなっている。

選択領域２７５に含まれる画像３４２が多くて画像表示領域２７６に表示しきれない場合などには、後送りボタン２７８および先送りボタン２７９の押下に応答して、画像表示領域２７６に表示される画像３４２が順次変更されるようにしてもよい。

図９には、一例として、制御対象の設備により生産されるワークを撮像した場合の画像３４２が表示されている（以下の図においても同様である）。図９に示す画像３４２－４に含まれるワークには、キズ３４４が発生している。

ユーザは、ユーザインターフェイス画面２７０に対して、ラベル付与の操作を行う。
図１０は、本実施の形態に係る制御システム１において提供されるユーザインターフェイス画面上でラベル付与の処理手順例を示す模式図である。図１０を参照して、ユーザは、画像表示領域２７６に表示されるいずれかの画像３４２を選択し、ラベルを付与する。より具体的には、ユーザがいずれかの画像３４２を選択すると、ラベル付与ウィンドウ２８０が画像３４２上に表示される。

ラベル付与ウィンドウ２８０には、「正常」、「異常」、「無視」（例えば、外れ値のため学習データ１４６から除外）の３つのラベルが表示されている。ユーザは、画像３４２を見ながら、いずれかのラベルを選択する（選択中表示２８２）。なお、ラベルの種類としては、３種類に限らず、より多くあるいはより少なくしてもよい。

図１０に示す例では、ワークにキズ３４４が発生している画像３４２－４に対しては、「異常」のラベルが付与されている。一方、ワークにキズ３４４が発生していない画像３４２に対しては、「正常」のラベルが付与される。このとき、画像３４２の類似性に基づいて、いずれかの画像３４２に付与されたラベルを他の画像３４２に反映してもよい。

図１１および図１２は、本実施の形態に係る制御システム１において提供されるユーザインターフェイス画面上で１つのラベルを他に反映する処理手順例を示す模式図である。

図１１を参照して、例えば、ユーザが画像表示領域２７６に表示される画像３４２－１を選択し、「正常」のラベルを付与する。続いて、ユーザが類似した画像３４２への反映を指示すると、サポート装置２００は、ラベルが付与されていない画像３４２のうち、画像３４２－１に類似している画像３４２を検索し、検索された画像３４２に対して、同じラベル（この例では、「正常」）を反映する。

図１２を参照して、画像３４２－１と画像３４２－２，３４２－３，３４２－５とが類似していると判断され、画像３４２－１に付与された「正常」のラベルが画像３４２－２，３４２－３，３４２－５にも反映される。このように、サポート装置２００のユーザインターフェイスモジュール２６４（ラベル設定支援モジュール２６５）は、類似した複数の画像にそれぞれ対応する情報（時系列データ１４２、あるいは、時系列データ１４２から算出された特徴量）について、当該複数の画像のうちいずれかの画像に対応する情報に対して指定されたラベルと同じラベルを反映してもよい。

このような画像の類似性に基づくラベルの反映の処理を採用することで、ラベル付与に係るユーザの負担を軽減できる。

図１３および図１４は、本実施の形態に係る制御システム１において提供されるユーザインターフェイス画面上で画像が存在しない場合のラベル付与の処理手順例を示す模式図である。

図１３を参照して、状況によっては、特徴量の収集タイミングに対応する画像３４２が存在しない、あるいは、取得できない場合もある。図１３に示す例では、画像３４２－１および画像３４２－２のみが取得されており、残りの画像３４２は取得できていない。このような場合でも、ラベル付与は可能になっている。

図１４を参照して、ヒストグラム表示領域２７２に表示されるヒストグラムを参照して、ユーザは、各特徴量としきい値との関係に基づいて、ラベルを指定することができる。図１４に示す例では、対応する画像３４２が存在しない特徴量に対して、いずれも「正常」のラベルが付与されている。

本実施の形態に係る制御システム１においては、ラベルが付与される先は、時系列データ１４２（あるいは、時系列データ１４２から算出された特徴量）であるので、画像３４２が存在しなくても、ラベル付与の処理は実行できる。

図１５は、本実施の形態に係る制御システム１において提供されるユーザインターフェイス画面上で特異的な特徴量に対してラベルを付与する処理手順例を示す模式図である。

図１５を参照して、選択領域２７５は任意に設定できるため、例えば、通常の値とは大きく異なった値を示す１または複数の特徴量が含まれるように選択領域２７５を設定し、設定された選択領域２７５に含まれる特徴量に対して、「異常」のラベルを付与してもよい。

この場合、１つの画像３４２に対して「異常」のラベルを付与した上で、他の画像３４２に対して、同じラベルを反映するようにしてもよいし、複数の画像３４２を選択した状態で、「異常」のラベルを付与してもよい。このように、サポート装置２００のユーザインターフェイスモジュール２６４（ラベル設定支援モジュール２６５）は、制御対象から収集された複数の情報に対して、指定された同一のラベルを反映してもよい。

また、図１１および図１２を参照して説明したように、画像３４２の類似性に基づいて、いずれかの画像３４２に付与されたラベルを他の画像３４２に反映してもよい。

図１６は、本実施の形態に係る制御システム１において提供されるユーザインターフェイス画面において動画を表示する例を示す模式図である。図１６を参照して、ユーザインターフェイス画面２７０の画像表示領域２７６には、画像３４２として動画が表示される。

画像表示領域２７６に表示される動画である画像３４２は、再生ボタン２８７および停止ボタン２８８の押下に応答して、再生および停止される。動画の再生中の位置に対応して、特徴量表示領域２７１中の位置インジケータ２８６が移動する。なお、ユーザが位置インジケータ２８６を操作できるようにしてもよい。この場合は、位置インジケータ２８６の位置に対応する動画の位置が再生あるいは表示される。

このように、サポート装置２００のユーザインターフェイスモジュール２６４は、画像３４２として動画を採用する場合には、動画の再生に併せて、制御対象から収集された情報のうち対応する情報の位置を表示してもよい。

所定のユーザ操作によって、ラベル付与ウィンドウ２８０が画像３４２上に表示される。ユーザは、位置インジケータ２８６に対応する画像３４２を見ながら、いずれかのラベルを選択する。

このように、画像３４２として動画を用いた場合も、静止画を用いた場合と同様に、ユーザはラベルを容易に付与できる。

＜Ｅ．処理手順＞
次に、本実施の形態に係る制御システム１におけるラベル付与処理２６０に係る処理手順について説明する。

図１７は、本実施の形態に係る制御システム１におけるラベル付与処理２６０に係る処理手順を示すフローチャートである。図１７に示す主たるステップは、典型的には、サポート装置２００のプロセッサ２０２がモデル生成プログラム２３０を実行することで実現されてもよい。

図１７を参照して、事前準備として、ユーザは、視野範囲に異常検知の対象に関連するものが含まれるように、画像収集部３００のカメラ３３０を配置する（ステップＳ２）。

制御装置１００は、時系列データ１４２をＴＳＤＢ１４０に順次格納する（ステップＳ４）とともに、画像収集部３００は、カメラ３３０で撮像した画像をＤＢ３４０に順次格納する（ステップＳ６）。

制御装置１００および画像収集部３００の動作と並行して、あるいは、制御装置１００および画像収集部３００の動作後に、サポート装置２００は、制御装置１００から時系列データ１４２を取得する（ステップＳ１０）とともに、画像収集部３００から画像３４２を取得する（ステップＳ１２）。このように、サポート装置２００は、制御対象から収集される情報を取得する処理と、異常検知の対象に関連するものを撮像した画像を取得する処理とを実行する。

サポート装置２００は、取得した時系列データ１４２からフレーム毎に特徴量を算出する（ステップＳ１４）。また、サポート装置２００は、取得した時系列データ１４２に付加されているタイムスタンプと、取得した画像３４２に付加されているタイムスタンプとに基づいて、時系列データ１４２から算出したフレーム毎の特徴量と画像３４２とを対応付ける（ステップＳ１６）。そして、サポート装置２００は、時系列データ１４２から算出したフレーム毎の特徴量を表示する（ステップＳ１８）。このように、サポート装置２００は、制御対象から収集された情報と撮像された画像３４２とを時間的に対応付けて出力する。

サポート装置２００は、表示された特徴量に対して選択領域２７５が設定されると（ステップＳ２０においてＹＥＳ）、選択領域２７５に含まれる特徴量に対応する画像３４２を表示する（ステップＳ２２）。

いずれかの画像３４２が選択されると（ステップＳ２４においてＹＥＳ）、サポート装置２００は、選択された画像３４２に対応付けて、ラベル付与ウィンドウ２８０を表示する（ステップＳ２６）。サポート装置２００は、ラベル付与ウィンドウ２８０上でユーザがラベルを選択すると（ステップＳ２８においてＹＥＳ）、当該選択されたラベルを対応するフレームの時系列データ１４２（あるいは、時系列データ１４２から算出された特徴量）に対応付ける（ステップＳ３０）。この対応付けによって、学習データ１４６が生成される。このように、サポート装置２００は、ラベルの指定を受付ける処理と、指定されたラベルを制御対象から収集された情報に付加することで、モデル１６０を構成するための学習データ１４６を生成する処理とを実行する。

サポート装置２００は、画像３４２の類似性に基づく反映が指示されたか否かを判断する（ステップＳ３２）。画像３４２の類似性に基づく反映が指示されると（ステップＳ３２においてＹＥＳ）、サポート装置２００は、先に選択されている画像３４２に類似する画像３４２を検索し（ステップＳ３４）、検索された画像３４２に対して、先に選択されている画像３４２に付与されたラベルと同じラベルを付与する（ステップＳ３６）。

画像３４２の類似性に基づく反映が指示されなければ（ステップＳ３２においてＮＯ）、ステップＳ３４およびＳ３６の処理はスキップされる。

サポート装置２００は、別の画像３４２が選択されたか否かを判断する（ステップＳ３８）。別の画像３４２が選択されると（ステップＳ３８においてＹＥＳ）、ステップＳ２６以下の処理が繰返される。

サポート装置２００は、別の選択領域２７５が設定されたか否かを判断する（ステップＳ４０）。別の選択領域２７５が設定されると（ステップＳ４０においてＹＥＳ）、ステップＳ２２以下の処理が繰返される。

サポート装置２００は、ラベル付与処理の終了が指示されたか否かを判断する（ステップＳ４２）。ラベル付与処理の終了が指示されると（ステップＳ４２においてＹＥＳ）、ラベル付与処理は終了する。

ラベル付与の処理後、サポート装置２００は、ステップＳ３０において生成された学習データ１４６を複数用いて、モデル１６０の生成処理を行う。

＜Ｆ．変形例＞
上述の説明においては、モデル生成ツール２５０にラベル付与処理２６０が含まれる構成を例示したが、ラベル付与処理２６０は、単独で実装されてもよいし、データマイニングツール２４０に含めてもよい。さらに、ラベル付与処理２６０は、サポート装置２００とは別の装置（例えば、クラウド上のコンピューティングリソース）に実装してもよい。

すなわち、本実施の形態に係るラベル付与処理２６０を実装するハードウェアはどのようなものであってもよい。

上述の説明においては、典型例として、フレーム毎に算出された特徴量に対してユーザがラベルを指定する方法を例示したが、フレーム毎の時系列データ１４２に対してラベルを指定するようにしてもよい。また、生成される学習データ１４６についても、ラベルが付与されたフレーム毎の時系列データ１４２であってもよいし、ラベルが付与されたフレーム毎の特徴量であってもよい。

上述の説明においては、制御対象から収集された情報と撮像された画像３４２とを時間的に対応付けて出力する形態として、ディスプレイ上のユーザインターフェイス画面２７０を一例として例示したが、これに限らず、任意の出力形態を採用できる。

＜Ｇ．付記＞
上述したような本実施の形態は、以下のような技術思想を含む。
［構成１］
制御対象を制御するための制御演算を実行する制御演算部（１３０）と、
前記制御対象から収集される情報（１５２）に基づいて、モデル（１６０）を参照して、前記制御対象における異常を検知する異常検知部（１５０）と、
異常検知の対象に関連するものを撮像した画像（３４２）を収集する画像収集部（３００）と、
前記制御対象から収集された情報と前記撮像された画像とを時間的に対応付けて出力するとともに、ラベルの指定を受付けるユーザインターフェイス部（２６４）と、
指定されたラベルを前記制御対象から収集された情報に付加することで、前記モデルを構成するための学習データ（１４６）を生成する生成部（２６６）とを備える、制御システム。
［構成２］
前記ユーザインターフェイス部は、前記制御対象から収集された情報のうち選択された情報に対応する画像を出力する、構成１に記載の制御システム。
［構成３］
前記ユーザインターフェイス部（２６４，２６５）は、類似した複数の画像にそれぞれ対応する情報について、当該複数の画像のうちいずれかの画像に対応する情報に対して指定されたラベルと同じラベルを反映する、構成１または２に記載の制御システム。
［構成４］
前記ユーザインターフェイス部（２６４，２６５）は、前記制御対象から収集された複数の情報に対して、指定された同一のラベルを反映する、構成１～３のいずれか１項に記載の制御システム。
［構成５］
前記画像は、静止画および動画の少なくとも一方を含む、構成１～４のいずれか１項に記載の制御システム。
［構成６］
前記ユーザインターフェイス部は、前記画像が動画を含む場合に、動画の再生に併せて、前記制御対象から収集された情報のうち対応する情報の位置を表示する、構成５に記載の制御システム。
［構成７］
前記学習データに基づいて前記モデルを生成するモデル生成部（２５２，２５４）をさらに備える、構成１～６のいずれか１項に記載の制御システム。
［構成８］
前記制御対象から収集された情報として、前記制御対象の状態値から特徴量を算出する特徴量算出部（２６７）をさらに備える、構成１～７のいずれか１項に記載の制御システム。
［構成９］
制御対象を制御するための制御演算を実行する制御演算部（１３０）と、前記制御対象から収集される情報（１５２）に基づいて、モデル（１６０）を参照して、前記制御対象における異常を検知する異常検知部（１５０）とを備える制御装置（１００）に接続されるサポート装置（２００）であって、
異常検知の対象に関連するものを撮像した画像（３４２）を取得する画像取得部（２６２）と、
前記制御対象から収集された情報と前記撮像された画像とを時間的に対応付けて出力するとともに、ラベルの指定を受付けるユーザインターフェイス部（２６４）と、
指定されたラベルを前記制御対象から収集された情報に付加することで、前記モデルを構成するための学習データ（１４６）を生成する生成部（２６６）とを備える、サポート装置。
［構成１０］
制御対象から収集される情報（１５２）に基づいて、モデル（１６０）を参照して、前記制御対象における異常を検知する制御システム（１）に向けられたラベル付与方法であって、
制御対象から収集される情報を取得するステップ（Ｓ１０）と、
異常検知の対象に関連するものを撮像した画像を取得するステップ（Ｓ１２）と、
前記制御対象から収集された情報と前記撮像された画像とを時間的に対応付けて出力するステップ（Ｓ１６，Ｓ１８）と、
ラベルの指定を受付けるステップ（Ｓ２４）と、
指定されたラベルを前記制御対象から収集された情報に付加することで、前記モデルを構成するための学習データを生成するステップ（Ｓ３０）とを備える、ラベル付与方法。

＜Ｈ．利点＞
本実施の形態に係る制御システムにおいては、ユーザは撮像された画像を見ながら、ラベルを付与できるので、学習データを生成するためのラベル付与を効率的に行うことができる。また、画像の類似性を利用したラベル付与作業を支援することもできるので、さらに効率を高めることができる。また、画像を撮像するためのカメラは、学習データを生成するのに必要な画像を取得できれば十分なので、アドホックに任意に配置すればよく、制御対象に固有の制限などにも柔軟に対応できる。

これによって、実際の生産現場での運用に適したラベル付与および学習データ取得できる。

今回開示された実施の形態はすべての点で例示であって制限的なものではないと考えられるべきである。本発明の範囲は、上記した説明ではなく、特許請求の範囲によって示され、特許請求の範囲と均等の意味および範囲内でのすべての変更が含まれることが意図される。

１ 制御システム、２，４ フィールドバス、６ 上位ネットワーク、１０ フィールド装置群、１２ リモートＩ／Ｏ装置、１４ リレー群、１６，１２４ Ｉ／Ｏユニット、１８ サーボドライバ、２０ サーボモータ、３０ データ収集フェーズ、３２ データ解析フェーズ、３４ 運用フェーズ、１００ 制御装置、１０２，２０２，３０２ プロセッサ、１０４ チップセット、１０６，２０６，３０６ 主記憶装置、１０８，２０８，３０８ 二次記憶装置、１１０ 上位ネットワークコントローラ、１１２，２１２ ＵＳＢコントローラ、１１４ メモリカードインターフェイス、１１６ メモリカード、１１８，１２０ フィールドバスコントローラ、１２２ 内部バスコントローラ、１３０ ＰＬＣエンジン、１３１，３２４ システムプログラム、１３２ ユーザプログラム、１３４ ライブラリ、１３６ データ管理部、１３８，３３８ 時刻管理部、１４２ 時系列データ、１４４ ラベル、１４６ 学習データ、１５０ 異常検知エンジン、１５２ 特徴量、１６０ モデル、２００ サポート装置、２０４ 光学ドライブ、２０５ 記録媒体、２１４，３１４ ネットワークコントローラ、２１６，３１６ 入力部、２１８，３１８ 表示部、２２０，３２０ バス、２２２，３２２ ＯＳ、２２４ インターフェイスプログラム、２２６ 開発プログラム、２２８ データマイニングプログラム、２３０ モデル生成プログラム、２４０ データマイニングツール、２４２ 特徴量生成処理、２４４ 特徴量選択処理、２４６ モデル生成処理、２４８ 設定処理、２５０ モデル生成ツール、２５２ モデル更新処理、２５４ 調整処理、２６０ ラベル付与処理、２６１ 取得モジュール、２６２ 画像取得モジュール、２６３ モジュール、２６４ ユーザインターフェイスモジュール、２６５ ラベル設定支援モジュール、２６６ 学習データ生成モジュール、２６７ 特徴量算出モジュール、２７０ ユーザインターフェイス画面、２７１ 特徴量表示領域、２７２ ヒストグラム表示領域、２７３ 表示、２７５ 選択領域、２７６ 画像表示領域、２７８ 後送りボタン、２７９ 先送りボタン、２８０ ラベル付与ウィンドウ、２８２ 選択中表示、２８６ 位置インジケータ、２８７ 再生ボタン、２８８ 停止ボタン、３００ 画像収集部、３１２ カメラコントローラ、３３０ カメラ、３４２ 画像、３４４ キズ、４００ サーバ、５００ 表示装置。

Claims (10)

1. 制御対象を制御するための制御演算を実行する制御演算部と、
   前記制御対象から収集される情報に基づいて、モデルを参照して、前記制御対象における異常を検知する異常検知部と、
   異常検知の対象に関連するものを撮像した画像を収集する画像収集部と、
   前記制御対象から収集された情報と前記撮像された画像とを時間的に対応付けて出力するとともに、ラベルの指定を受付けるユーザインターフェイス部と、
   指定されたラベルを前記制御対象から収集された情報に付加することで、前記モデルを構成するための学習データを生成する生成部とを備える、制御システム。
2. 前記ユーザインターフェイス部は、前記制御対象から収集された情報のうち選択された情報に対応する画像を出力する、請求項１に記載の制御システム。
3. 前記ユーザインターフェイス部は、類似した複数の画像にそれぞれ対応する情報について、当該複数の画像のうちいずれかの画像に対応する情報に対して指定されたラベルと同じラベルを反映する、請求項１または２に記載の制御システム。
4. 前記ユーザインターフェイス部は、前記制御対象から収集された複数の情報に対して、指定された同一のラベルを反映する、請求項１～３のいずれか１項に記載の制御システム。
5. 前記画像は、静止画および動画の少なくとも一方を含む、請求項１～４のいずれか１項に記載の制御システム。
6. 前記ユーザインターフェイス部は、前記画像が動画を含む場合に、動画の再生に併せて、前記制御対象から収集された情報のうち対応する情報の位置を表示する、請求項５に記載の制御システム。
7. 前記学習データに基づいて前記モデルを生成するモデル生成部をさらに備える、請求項１～６のいずれか１項に記載の制御システム。
8. 前記制御対象から収集された情報として、前記制御対象の状態値から特徴量を算出する特徴量算出部をさらに備える、請求項１～７のいずれか１項に記載の制御システム。
9. 制御対象を制御するための制御演算を実行する制御演算部と、前記制御対象から収集される情報に基づいて、モデルを参照して、前記制御対象における異常を検知する異常検知部とを備える制御装置に接続されるサポート装置であって、
   異常検知の対象に関連するものを撮像した画像を取得する画像取得部と、
   前記制御対象から収集された情報と前記撮像された画像とを時間的に対応付けて出力するとともに、ラベルの指定を受付けるユーザインターフェイス部と、
   指定されたラベルを前記制御対象から収集された情報に付加することで、前記モデルを構成するための学習データを生成する生成部とを備える、サポート装置。
10. 制御対象から収集される情報に基づいて、モデルを参照して、前記制御対象における異常を検知する制御システムに向けられたラベル付与方法であって、
    制御対象から収集される情報を取得するステップと、
    異常検知の対象に関連するものを撮像した画像を取得するステップと、
    前記制御対象から収集された情報と前記撮像された画像とを時間的に対応付けて出力するステップと、
    ラベルの指定を受付けるステップと、
    指定されたラベルを前記制御対象から収集された情報に付加することで、前記モデルを構成するための学習データを生成するステップとを備える、ラベル付与方法。

Images