JP2022158226A - Analysis device, analysis system, and method for controlling the same - Google Patents
Analysis device, analysis system, and method for controlling the same Download PDFInfo
- Publication number
- JP2022158226A JP2022158226A JP2021062982A JP2021062982A JP2022158226A JP 2022158226 A JP2022158226 A JP 2022158226A JP 2021062982 A JP2021062982 A JP 2021062982A JP 2021062982 A JP2021062982 A JP 2021062982A JP 2022158226 A JP2022158226 A JP 2022158226A
- Authority
- JP
- Japan
- Prior art keywords
- analysis
- report
- unit
- cycle
- time
- 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
- 238000004458 analytical method Methods 0.000 title claims abstract description 425
- 238000000034 method Methods 0.000 title claims description 86
- 230000002159 abnormal effect Effects 0.000 claims abstract description 80
- 230000005856 abnormality Effects 0.000 claims abstract description 55
- 230000014509 gene expression Effects 0.000 claims abstract description 23
- 238000012545 processing Methods 0.000 claims description 72
- 230000008859 change Effects 0.000 claims description 62
- 230000004044 response Effects 0.000 claims description 11
- 230000000694 effects Effects 0.000 claims description 6
- 230000005540 biological transmission Effects 0.000 claims description 2
- 230000008569 process Effects 0.000 description 71
- 238000001514 detection method Methods 0.000 description 62
- 230000006870 function Effects 0.000 description 50
- 238000004891 communication Methods 0.000 description 47
- 238000003860 storage Methods 0.000 description 38
- 101100408464 Caenorhabditis elegans plc-1 gene Proteins 0.000 description 35
- 230000015654 memory Effects 0.000 description 30
- 238000010586 diagram Methods 0.000 description 22
- 238000012544 monitoring process Methods 0.000 description 17
- 238000011156 evaluation Methods 0.000 description 12
- 238000004422 calculation algorithm Methods 0.000 description 10
- 238000012986 modification Methods 0.000 description 10
- 230000004048 modification Effects 0.000 description 10
- 230000001360 synchronised effect Effects 0.000 description 9
- 102100026205 1-phosphatidylinositol 4,5-bisphosphate phosphodiesterase gamma-1 Human genes 0.000 description 8
- 101000691599 Homo sapiens 1-phosphatidylinositol 4,5-bisphosphate phosphodiesterase gamma-1 Proteins 0.000 description 8
- 238000012546 transfer Methods 0.000 description 8
- 238000013480 data collection Methods 0.000 description 6
- 208000024891 symptom Diseases 0.000 description 6
- 230000002547 anomalous effect Effects 0.000 description 5
- 238000004519 manufacturing process Methods 0.000 description 5
- 230000006399 behavior Effects 0.000 description 4
- 239000000284 extract Substances 0.000 description 4
- 238000001914 filtration Methods 0.000 description 4
- 230000001343 mnemonic effect Effects 0.000 description 4
- 238000002360 preparation method Methods 0.000 description 4
- 230000000630 rising effect Effects 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 238000005034 decoration Methods 0.000 description 3
- 230000003247 decreasing effect Effects 0.000 description 3
- 238000007689 inspection Methods 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000012790 confirmation Methods 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000000737 periodic effect Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000013515 script Methods 0.000 description 2
- 235000000332 black box Nutrition 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 238000007667 floating Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000003780 insertion Methods 0.000 description 1
- 230000037431 insertion Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 230000001960 triggered 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
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/04—Programme control other than numerical control, i.e. in sequence controllers or logic controllers
- G05B19/05—Programmable logic controllers, e.g. simulating logic interconnections of signals according to ladder diagrams or function charts
- G05B19/054—Input/output
-
- 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
- G05B2219/00—Program-control systems
- G05B2219/10—Plc systems
- G05B2219/11—Plc I-O input output
- G05B2219/1103—Special, intelligent I-O processor, also plc can only access via processor
Abstract
Description
本発明は分析装置、分析システム、およびその制御方法に関する。 The present invention relates to an analyzer, an analysis system, and a control method thereof.
プログラマブル・ロジック・コントローラ(PLC)はファクトリーオートメーションにおいて製造機器や搬送装置、検査装置などの産業機械を制御するコントローラである(特許文献1、2)。PLCはプログラマーによって作成されるラダープログラムなどのユーザプログラムを実行することで様々な拡張ユニットや被制御機器などを制御する。
A programmable logic controller (PLC) is a controller that controls industrial machines such as manufacturing equipment, transport equipment, and inspection equipment in factory automation (
ところで、PLCの動作やPLCによって制御される産業機械の動作を監視するために、PLCが保持しているデータを収集して活用することが望まれている。PLCは、基本ユニット(CPUユニット)とそれに接続される拡張ユニットとを有している。基本ユニットは、ラダープログラムなどのユーザプログラムを実行することで拡張ユニットを制御する。拡張ユニットは基本ユニットからの命令にしたがって産業機械を制御し、制御結果を基本ユニットに返す。 By the way, in order to monitor the operation of the PLC and the operation of the industrial machine controlled by the PLC, it is desired to collect and utilize the data held by the PLC. A PLC has a basic unit (CPU unit) and an expansion unit connected thereto. The basic unit controls the expansion units by executing user programs such as ladder programs. The expansion unit controls the industrial machine according to the instructions from the basic unit and returns control results to the basic unit.
また、これらの制御結果等のデータはトラブル解析や品質管理のために使用される。従って、これらのデータを蓄積して分析し、復旧のために早期に解析結果を得ることが要求されている。しかし、PLCに関連する全てのデバイスのデータを記録する場合は膨大なデータを記憶することになり、さらに異常デバイスを特定するためにはこれらの膨大なデータ(全デバイス)を解析する必要があるため時間を要する作業となる。また、膨大な分析結果から異常デバイスを特定したり、システムを復旧させるためには、経験や知識も必要となる。従って、十分な専門的な知識や経験を必要とすることなく、各デバイスに関連する膨大なデータの中から効率よく分析を行い、分析結果を表示する仕組みが望まれている。 Data such as these control results are used for trouble analysis and quality control. Therefore, it is required to accumulate and analyze these data and to obtain analysis results early for recovery. However, when recording data of all devices related to PLC, a huge amount of data will be stored, and in order to identify abnormal devices, it is necessary to analyze these huge amounts of data (all devices). This is a time-consuming task. In addition, experience and knowledge are required to identify abnormal devices from a huge amount of analysis results and restore the system. Therefore, there is a demand for a mechanism that efficiently analyzes a huge amount of data related to each device and displays the analysis results without requiring sufficient specialized knowledge and experience.
そこで、本発明は上記問題に鑑み、運転記録データの分析結果に従って、異常の要因を容易に識別可能なレポートを提供することを目的とする。また、他の目的として、煩雑なユーザ操作を必要とすることなく異常の要因を容易に識別可能なレポートを提供することを目的とする。 Therefore, in view of the above problem, it is an object of the present invention to provide a report that allows easy identification of the cause of an abnormality according to the analysis results of driving record data. Another object of the present invention is to provide a report capable of easily identifying the cause of an abnormality without requiring complicated user operations.
本発明は、たとえば、分析装置であって、ユーザプログラムを繰り返し実行する実行エンジンと、前記ユーザプログラムの実行によって収集される、時系列の複数のデバイス値を含む運転記録データを取得する取得手段と、取得された正常時の前記運転記録データの学習に基づきデバイス毎の分析パラメータを含むモデルを生成するモデル生成手段と、取得された分析対象の前記運転記録データについて、前記モデルに従って正常条件を満たさない非正常デバイスを分析する分析手段と、前記非正常デバイスとして検知した各デバイスの分析結果に基づき、前記分析パラメータに応じた表現を含む分析レポートを生成するレポート生成手段とを備えることを特徴とする。 The present invention is, for example, an analysis apparatus comprising an execution engine that repeatedly executes a user program, and acquisition means that acquires driving record data including a plurality of time-series device values collected by executing the user program. a model generating means for generating a model including analysis parameters for each device based on the learning of the acquired driving record data in a normal state; and the acquired driving record data to be analyzed satisfies a normal condition according to the model. and a report generating means for generating an analysis report including an expression according to the analysis parameters based on the analysis result of each device detected as the abnormal device. do.
本発明によれば、いつもと違う挙動をしたデバイスの情報とその要因がユーザに提供される。 According to the present invention, a user is provided with information on a device that has behaved differently than usual and the cause thereof.
以下、添付図面を参照して実施形態が詳しく説明される。尚、以下の実施形態は特許請求の範囲に係る発明を限定するものではなく、また実施形態で説明されている特徴の組み合わせの全てが発明に必須のものとは限らない。実施形態で説明されている複数の特徴のうち二つ以上の特徴が任意に組み合わされてもよい。また、同一または同様の構成には同一の参照番号が付され、重複した説明は省略される。複数の構成を区別するために参照符号の末尾に小文字のアルファベットが付与されることがある。複数の構成に共通する事項が説明される際には小文字のアルファベットが省略されることがある。 Embodiments are described in detail below with reference to the accompanying drawings. It should be noted that the following embodiments do not limit the invention according to the claims, and not all combinations of features described in the embodiments are essential to the invention. Two or more of the features described in the embodiments may be combined arbitrarily. Identical or similar configurations are given the same reference numerals, and duplicate descriptions are omitted. A lowercase letter may be added to the end of the reference number to distinguish between configurations. Lowercase letters may be omitted when items common to a plurality of configurations are described.
<システム構成>
はじめにプログラマブルロジックコントローラ(PLC、単にプログラマブルコントローラと呼ばれてもよい)を当業者にとってよりよく理解できるようにするために、一般的なPLCの構成とその動作について説明する。
<System configuration>
First, the configuration and operation of a typical PLC will be described so that those skilled in the art can better understand programmable logic controllers (PLCs, which may be simply called programmable controllers).
図1は本発明の実施の形態によるPLCシステムの一構成例を示す概念図である。図1が示すように、PLCシステムは、ラダープログラムなどのユーザプログラムを編集するPC2aと、分析結果等を表示するPC2bと、工場等に設置される各種の産業機械を統括的に制御するPLC1と、PLC1に接続されるカメラ等のフィールドデバイス10とを備えている。PCはパーソナルコンピュータの略称である。なお、以下で単にPC2と記載した場合は、PC2aおよびPC2bの構成や制御について説明しているものである。ユーザプログラムは、ラダー言語やSFC(シーケンシャルファンクションチャート)などのフローチャート形式のモーションプログラムなどのグラフィカルプログラミング言語を用いて作成されてもよいし、C言語などの高級プログラミング言語を用いて作成されてもよい。以下では、説明の便宜上、基本ユニット3で実行されるユーザプログラムはラダープログラムと仮定される。PLC1は、CPUが内蔵された基本ユニット3と、1つないし複数の拡張ユニット4を備えている。基本ユニット3に対して1つないし複数の拡張ユニット4が着脱可能となっている。
FIG. 1 is a conceptual diagram showing one configuration example of a PLC system according to an embodiment of the present invention. As shown in FIG. 1, the PLC system includes a
基本ユニット3は、表示部5および操作部6を備えている。表示部5は、基本ユニット3に取り付けられている各拡張ユニット4の動作状況などを表示することができる。操作部6の操作内容に応じて表示部5は表示内容を切り替える。表示部5は、通常、PLC1内のデバイスの現在値(デバイス値)やPLC1内で生じたエラー情報などを表示する。ここでデバイスとは、基本ユニット3や拡張ユニット4に含まれる種々のデバイス(リレー、タイマー、カウンタなど)を含むものであり、デバイス値(デバイスデータ)を格納するために設けられたメモリ上の領域を指すものでもあり、デバイスメモリと呼ばれてもよい。なお、当該デバイスメモリは不揮発性メモリであり、書き換え可能な不揮発性ROMで構成されてもよく、揮発性RAM等をバッテリーバックアップ等により不揮発性を実現してもよい。ROMはリードオンリーメモリの略称である。RAMはランダムアクセスメモリの略称である。デバイス値とは、入力機器からの入力状態、出力機器への出力状態およびユーザプログラム上で設定される内部リレー(補助リレー)、タイマー、カウンタ、データメモリ等の状態を示す情報である。デバイス値の型にはビット型とワード型等がある。ビットデバイスは1ビットのデバイス値、たとえば、0/1、ON/OFF、H/L等を記憶する。ワードデバイスは1ワードのデバイス値を記憶する。以下で詳細に説明されるデータ活用プログラムの収集対象としては、デバイスとして変数が指定されてもよい。変数も情報を保持する保持手段であり、ユーザプログラムに従って実行エンジンによりアクセスされるものである。したがって、以下の説明においてデバイスは変数も指すものである。なお、デバイスを保持するメモリはデバイスメモリと呼ばれてもよい。また、収集されたデータを保持するメモリはデータメモリと呼ばれてもよい。PLC1は、デバイスの他、変数を取り扱うよう構成されてもよく、デバイスや変数のことをシンボルと呼び、シンボルが示す値をシンボル値と呼ぶ。
The
拡張ユニット4はPLC1の機能を拡張するために用意されている。拡張ユニット4には、その拡張ユニット4の機能に対応するフィールドデバイス(被制御装置)10が接続されることがあり、これにより、各フィールドデバイス10が拡張ユニット4を介して基本ユニット3に接続される。フィールドデバイス10は、センサやカメラなどの入力機器であってもよいし、アクチュエータなどの出力機器であってもよい。また、一つの拡張ユニット4に対して複数のフィールドデバイスが接続されてもよい。
An
たとえば、拡張ユニット4bはモータ(フィールドデバイス10)を駆動してワークの位置決めする位置決めユニットであってもよいし、カウンタユニットであってもよい。カウンタユニットは手動パルサなどのエンコーダ(フィールドデバイス10)からの信号をカウントする。
For example, the
分析ユニット4aは、基本ユニット3においてシンボル(デバイス、変数など)からシンボル値を収集し、シンボル値を分析して分析結果を含む分析レポートを作成する。分析ユニット4aは、分析レポートを外部のPC2bへ提供するWebサーバを有していてもよい。基本ユニット3はCPUユニットと呼ばれることもある。PLC1とPC2とを含むシステムはプログラマブルロジックコントローラシステムと呼ばれてもよい。本実施形態では、分析ユニット4aが各デバイスのデータを収集する例について説明するが、当該収集部については基本ユニット3に設けられてもよく、或いは、他の拡張ユニットに設けられてもよい。また、分析ユニット4aは、収集したデータを基本ユニット3からの指示や所定のタイミングに従って分析を行う分析装置として機能することも可能である。なお、本実施形態では、分析ユニット4aが分析装置として動作する例について説明するが、本発明を限定する意図はなく、基本ユニット3が分析装置として機能してもよく、PC2a、2bなどの外部装置が分析装置として機能してもよい。以下で説明されるフロー(フロープログラム)はデータ活用プログラムの一例に過ぎない。基本ユニット3はCPUユニットと呼ばれることもある。なお、PLC1とPC2とを含むシステムはプログラマブルロジックコントローラシステムと呼ばれてもよい。
The
PC2aは主にプログラマーによって操作されるコンピュータである。一方、PC2bは主に現場担当者によって操作されるコンピュータである。PC2bは、ユーザにより画面設定されるプログラマブル表示器であってもよい。この場合、分析結果等を表示する画面はユーザにより画面設定されてもよく、あらかじめWebブラウザ機能が搭載され、Webブラウザ機能により分析結果等が表示されてもよい。PC2aはプログラム作成支援装置(設定装置)と呼ばれてもよい。PC2は、たとえば、携帯可能なノートタイプやタブレットタイプのパーソナルコンピュータ又はスマートフォンであって、表示部7および操作部8を備えている外部コンピュータである。外部コンピュータとは、PLC1の外部にあるコンピュータである。PLC1を制御するためのユーザプログラムの一例であるラダープログラムは、PC2aを用いて作成される。その作成されたラダープログラムは、PC2a内でニモニックコードに変換される。PC2は、USB(Universal Serial Bus)ケーブルなどの通信ケーブル9を介してPLC1の基本ユニット3に接続される。たとえば、PC2aは、ニモニックコードに変換されたラダープログラムを基本ユニット3に送る。基本ユニット3はラダープログラムをマシンコードに変換し、基本ユニット3に備えられたメモリ内に記憶する。なお、ここではニモニックコードが基本ユニット3に送信されているが、本発明はこれに限られない。たとえば、PC2aは、ニモニックコードを中間コードに変換し、中間コードを基本ユニット3に送信してもよい。
PC2a is a computer operated primarily by a programmer. On the other hand, the
なお、図1には示していないが、PC2の操作部8には、PC2に接続されたマウスなどのポインティングデバイスが含まれていてもよい。また、PC2は、USBケーブル以外の他の通信ケーブル9を介して、PLC1の基本ユニット3に対して着脱可能に接続されるような構成であってもよい。また、PC2は、通信ケーブル9を介さず、PLC1の基本ユニット3に対して無線通信によって接続されてもよい。
Although not shown in FIG. 1, the
<プログラム作成支援装置>
図2はPC2aの電気的構成について説明するためのブロック図である。図2が示すように、PC2aは、CPU11a、表示部7a、操作部8a、記憶装置12aおよび通信部13aを備えている。表示部7a、操作部8a、記憶装置12aおよび通信部13aは、それぞれCPU11aに対して電気的に接続されている。記憶装置12aはRAMやROM、HDD、SSDを含み、さらに着脱可能なメモリカードを含んでもよい。CPUは中央演算処理装置の略称である。HDDはハードディスクドライブの略称である。SSDはソリッドステートドライブの略称である。
<Program creation support device>
FIG. 2 is a block diagram for explaining the electrical configuration of the
PC2aのユーザは記憶装置12aに記憶されているプロジェクト編集プログラム14aをCPU11aに実行させて、操作部8aを通じてプロジェクトデータ15を編集する。つまり、PC2aはエンジニアリングツールであり、プログラム作成支援装置として機能する。CPU11aがプロジェクト編集プログラム14aを実行することで、プロジェクト作成部16とプロジェクト転送部17が実現される。プロジェクト作成部16はユーザ入力にしたがってプロジェクトデータ15を作成する。プロジェクト転送部17はプロジェクトデータ15をPLC1に転送する。プロジェクトデータ15は、一つ以上のユーザプログラム(例:ラダープログラム、制御プログラム、モーションプログラム、データ活用プログラム)と、基本ユニット3や拡張ユニット4の構成情報、WebHMIの作画データ、基本ユニット3や拡張ユニット4に備えられた特定機能の設定情報などを含む。構成情報は、基本ユニット3に対する複数の拡張ユニット4の接続位置やデバイスの割り当て情報を含む。基本ユニット3に備えられた機能(例:データ収集機能、通信機能、位置決め機能)を示す情報、拡張ユニット4の機能(例:通信機能、位置決め機能、撮影機能)などを示す情報を含んでいてもよい。作画データは、WebHMIを実現するための表示部品群であり、フロントエンドの構造を記述するマークアップデータ、たとえばHTMLデータ、装飾を記述するスタイルデータ、たとえばCSSデータおよび動的な処理を記述するコード、たとえばJavaScript(登録商標)コードなどにより実現される。装飾を記述するスタイルデータは、たとえばファイル形式として提供されてもよく、構造を記述するマークアップデータ内で外部スタイルデータファイルを呼び出す記述により呼び出されてもよい。動的処理を記述するコードは、たとえばファイル形式で提供されてもよく、構造を記述するマークアップデータ内で外部コードファイルを呼び出す記述により呼び出されてもよい。外部スタイルデータファイルや外部コードファイルを呼び出して使用できる形式のフロントエンドは、再利用性やメンテナンス性が高く、たとえば汎用のフロントエンドコンポーネント等を利用することができる。以下で、作画データは、表示部品と表記される。データ活用プログラムは、PLC1において制御データ(デバイス値など)を収集したり、データ処理したり、WebHMIに渡すためのデータを作成したりするためのプログラムを含む。特定機能の設定情報は、基本ユニット3に備えられた機能(例:データ収集機能、通信機能、位置決め機能)に関する設定情報、たとえば、データ収集機能であれば、データ収集条件やデータ収集対象の設定情報を含み、拡張ユニット4の機能(例:通信機能、位置決め機能、データ活用機能、撮影機能)に関する設定情報等を含む。ここで、プロジェクトデータ15の編集には、プロジェクトデータ15の作成および変更(再編集)が含まれる。ユーザは、必要に応じて記憶装置12aに記憶されているプロジェクトデータ15を読み出し、そのプロジェクトデータ15を、プロジェクト編集プログラム14aを用いて変更することができる。通信部13aは、通信ケーブル9aを介して基本ユニット3と通信する。プロジェクト転送部17は通信部13aを介してプロジェクトデータを基本ユニット3に転送する。通信部13aは、通信ケーブル9bを介して分析ユニット4aと通信する。
The user of the
<ダッシュボードの表示に使用されるPC>
図3はPC2bの電気的構成について説明するためのブロック図である。図3が示すように、PC2bは、CPU11b、表示部7b、操作部8b、記憶装置12bおよび通信部13bを備えている。表示部7b、操作部8b、記憶装置12bおよび通信部13bは、それぞれCPU11bに対して電気的に接続されている。記憶装置12bはRAMやROM、HDD、SSDを含み、さらに着脱可能なメモリカードを含んでもよい。
<PC used to display the dashboard>
FIG. 3 is a block diagram for explaining the electrical configuration of the
CPU11bはWebブラウザプログラム14dを実行することでWebブラウザ18を実現する。Webブラウザ18は、通信部13bを介して、分析ユニット4aによって提供されるデータ活用アプリケーションの設定ページにアクセスしたり、ダッシュボードのページにアクセスしたりする。またCPU11bは、分析ユニット4aから送信された異常発生時の特定結果(判定結果)を示す画面情報に従って、当該特定結果を表示部7bに表示する。
The
<PLC>
図4はPLC1の電気的構成について説明するためのブロック図である。図4が示すように、基本ユニット3は、CPU31、表示部5、操作部6、メモリ32および通信部33を備えている。表示部5、操作部6、メモリ32、および通信部33は、それぞれCPU31に電気的に接続されている。メモリ32は、RAMやROM、メモリカードなどを含んでもよい。メモリ32はデバイス部34やプロジェクト記憶部35、リングバッファ36、運転記録記憶部37などの複数の記憶領域を有している。
<PLC>
FIG. 4 is a block diagram for explaining the electrical configuration of the PLC1. As shown in FIG. 4 , the
ここで運転記録とはPLC1の運転状態をスキャンタイムレベルで記録したもので、たとえばPLC1の運転に関わる全てのシンボルのシンボル値と収集時刻とを、一スキャン毎に時系列に記録したものである。運転に関わる全てのシンボルとは、たとえばラダープログラム等のユーザプログラムに使用される全てのシンボルであってもよく、ユーザにより選択されるプログラム単位やユニット単位に含まれる全てのシンボルであってもよい。この場合、運転記録の対象となるシンボルをプログラム単位やユニット単位のように有意な単位で一括選択でき、さらに個別にシンボルを加除できるようにしてもよい。これにより、たとえば、トラブル発生時に、トラブル発生時刻の前後においてPLC1の運転に関わる全てのシンボルのシンボル値と収集時刻とを、一スキャン毎に時系列に記録した運転記録を生成し、運転記録に基づきトラブル発生時に何が起きたかを後からでも正確に把握することができる。運転記録には、その時の状況を再現するために多くの情報が含まれるが、情報が多いと運転記録のデータ容量が大きくなり取り回しが難しくなったり、運転記録の収集に負荷がかかったりするため、収集対象となるユーザによりプログラム単位やユニット単位で選択できるようになっている。
Here, the operation record is a record of the operation state of the
また、運転記録には、シンボルに加え時系列のカメラ画像が撮像時刻ともに含まれてもよい。これにより、たとえば、トラブル発生時に、トラブル発生時刻の前後に遡って何が起きたかを後からでも正確に把握でき、設備の外観変化を示すカメラ画像も運転記録に含めることでユーザプログラムの時系列と連動してカメラ画像を記録することができる。HMI(ヒューマンマシンインタフェース)やPCなどの外部機器からの書き込み履歴やPLCからの書き込み履歴を変化点イベントとして運転記録に含めてもよい。これにより、たとえば、トラブル発生前後にどのような変化点イベントがあったかを時系列で確認できる。 In addition to the symbols, the driving records may include time-series camera images together with the times at which they were captured. As a result, when a problem occurs, for example, it is possible to accurately understand what happened before and after the time the problem occurred. Camera images can be recorded in conjunction with A writing history from an external device such as an HMI (Human Machine Interface) or a PC or a writing history from a PLC may be included in the driving record as change point events. As a result, for example, it is possible to check in chronological order what kind of change point events occurred before and after the trouble occurred.
デバイス部34はビットデバイスやワードデバイスなどを有し、各デバイスはデバイス値を記憶する。プロジェクト記憶部35は、PC2aから転送されたプロジェクトデータを記憶する。リングバッファ36は、定期的にデバイス部34からデバイス値を収集して記憶する。運転記録記憶部37は、所定のイベントが発生すると、発生時刻の周辺(発生時刻以前、発生時刻以後、または、発生時刻の前後)に収集されたデバイス値とその収集時刻とを含むイベント記録を記憶する。イベントとは、たとえば、デバイスごとに設定された警報条件または注意条件が満たされたことをいう。警報条件とは、たとえば、PLC1による製造ラインの制御動作を停止すべきような条件をいう。注意条件は、たとえば、PLC1による製造ラインの制御動作について管理者が注意すべきようなデバイス値の条件をいう。CPU31は、PC2aからの要求に応答してイベント記録をPC2aへ送信する。また、CPU31は、リアルタイムでデバイス値をPC2aに提供してもよい。メモリ32は基本ユニット3のCPU31により実行される制御プログラムも記憶する。図3が示すように基本ユニット3と拡張ユニット4とは拡張バスの一種であるユニット内部バス90を介して接続されている。なお、ユニット内部バス90に関する通信機能はCPU31に実装されるが、通信部33の一部として実装されてもよい。通信部33は、USB規格などに準拠したシリアル通信回路を有してもよい。CPU31は通信部33を介してプロジェクトデータをPC2aから受信する。
The
ここで、ユニット内部バス90について、補足説明する。このユニット内部バス90は、入出力リフレッシュに使用される通信バスである。入出力リフレッシュとは、基本ユニット3と拡張ユニット4との間でデバイス値を更新する処理である。入出力リフレッシュは、ラダープログラムが一回実行されるごとに(つまり、一スキャンごとに)、実行される。
Here, the unit
拡張ユニット4はCPU41とメモリ42を備えている。拡張ユニット4bのCPU41bは、デバイスに格納された基本ユニット3からの指示(デバイス値)にしたがってフィールドデバイス10を制御する。なお、本実施形態において拡張ユニット4bは、カメラ制御ユニットとして機能する。また、CPU41bは、カメラ等のフィールドデバイス10の制御結果をバッファメモリとよばれるデバイスに格納する。デバイスに格納された制御結果は入出力リフレッシュによって基本ユニット3に転送される。また、デバイスに格納されている制御結果は、基本ユニット3からの読み出し命令にしたがって、入出力リフレッシュとは異なるタイミングであっても、基本ユニット3に転送されることがある。メモリ42はRAMやROMなどを含む。とりわけ、RAMにはバッファメモリとして使用される記憶領域が確保されている。メモリ42は、フィールドデバイス10によって取得されたデータ(例:静止画データや動画データ)を一時的に保持するバッファを有してもよい。
The
データ活用ユニット(分析ユニット)として機能する分析ユニット4aのCPU41aは、通信部43と通信ケーブル9bを介してPC2bと通信する。通信部43は、ネットワーク通信を実行する通信回路を含む。CPU41aは、基本ユニット3において収集されたデバイス値を分析することで、分析結果を含む分析レポートを作成する。たとえば、CPU41aは、データ活用アプリケーションとして運転記録分析アプリケーションを実行することにより、運転記録データに含まれるシンボル値を分析することで、非正常シンボルと当該シンボルが非正常となる時刻とを特定し、非正常シンボルと当該シンボルが非正常となる時刻とを対応づけた分析結果を含む分析レポートを作成する。運転記録データは、運転記録の保存イベント発生時刻周辺の状況を再現するための情報を含んでいるため、分析レポートと紐づけて管理されてもよい。また、運転記録データは、運転記録の保存イベント発生時刻周辺の状況を再現するため、多くのシンボルのシンボル値を含むことからデータサイズが大きくなる。このため、たとえば、CPU41aは、運転記録データの中から、分析レポートに必要なデータを読み出して、分析レポート用のデータとして運転記録データに追加保存してもよい。分析レポート用のデータは、もともと運転記録データに含まれていた分析レポートに必要なデータを、そのままコピーしたものを分析レポート用のデータとしてタグ付けして運転記録データに追加保存してもよく、分析レポート用にデータ加工して運転記録データに追加保存してもよい。
The
運転記録データにカメラ画像が含まれると、カメラ画像の再生により運転記録の保存イベント発生時刻周辺の状況をより詳細に把握することができる。分析レポートはカメラ画像を再生するUI(ユーザインターフェース)を含んでもよい。カメラ画像はデータサイズが大きいため、カメラ画像を再生するUIにおいてクリックやスクロール操作を受け付けた時などに必要なカメラ画像データだけを部分的にダウンロードしてもよい。たとえば、CPU41aは、分析レポートを作成する際、カメラ画像を分析レポートにおける表示順序に対応して加工したり、時刻とカメラ画像の保存位置の対応関係を示すインデックス情報を生成し、時刻に対応したカメラ画像を高速かつ部分的にダウンロードできるようにしてもよい。
When a camera image is included in the driving record data, it is possible to grasp in more detail the situation around the time when the saving event occurred in the driving record by reproducing the camera image. The analysis report may include a UI (user interface) that reproduces camera images. Since a camera image has a large data size, only necessary camera image data may be partially downloaded when a click or scroll operation is received on the UI for reproducing the camera image. For example, when creating an analysis report, the
狭義には、分析レポートは、分析結果そのものを意味するが、広義には、分析結果を表示するWebアプリケーションやそのユーザインタフェースを意味することがある。CPU41aは、たとえば、デバイス値が正常範囲内かどうかや、デバイス値が変化するタイミングが正常範囲内かどうかなどを判定する。デバイス値が変化するタイミングが正常範囲内かどうかは、たとえば、デバイス値が“1”(オン)である期間の長さが正常範囲かどうかであってもよい。また、ある工程またはサイクルにおけるデバイス値の変化回数が正常範囲内かどうかが判定されてもよい。あるデバイスから収集されたデバイス値が正常条件を満たしていない場合、そのデバイスは、いつもと違う振る舞いのデバイスであるため、非正常デバイスと呼ばれてもよい。CPU41aは、Web形式の分析レポートを作成し、通信部43および通信ケーブル9bを介して分析レポートをPC2bのWebブラウザに提供してもよい。CPU31がプロトコル変換機能を有している場合、CPU41aは、ユニット内部バス90、CPU31、通信部33および通信ケーブル9aを介して、分析レポートをPC2aに送信してもよい。分析レポートは、グラフ表示部品や数値表示部品などを有してもよい。これらの表示部品は、フロントエンドの構造を記述するマークアップデータ、装飾を記述するスタイルデータおよび動的な処理を記述するコード、たとえばHTMLデータ、CSSデータおよびJavaScript(登録商標)コードなどにより実現される。HTMLはハイパーテキストマークアップ言語の略称である。CSSはカスケーディングスタイルシートの略称である。
In a narrow sense, the analysis report means the analysis result itself, but in a broader sense, it may mean a web application displaying the analysis result and its user interface. The
<PC2bの機能>
図5はPC2bのCPU11bによって実現される機能を説明する図である。PC2bのCPU11bは、Webブラウザプログラム14dを実行することによりWebブラウザ18を実行する。Webブラウザ18はWebアプリケーション61を実行して、通信処理部62、データ取得部63、描画部65、受付部66、および再生部67の機能を実現する。また、Webブラウザ18は、後述する分析ユニット4aのWebサーバ82と、HTTP(ハイパーテキストトランスポートプロトコル)にしたがって通信して表示部品を受信する。
<Functions of PC2b>
FIG. 5 is a diagram for explaining functions realized by the
Webブラウザ18は、Webアプリケーション61を実行することで分析レポートを表示部7bに表示する。Webアプリケーション61は、たとば、HTMLデータ、CSSデータおよびjava(R)スクリプトなどにより構成される。Webアプリケーション61は、分析ユニット4aから提供されてもよい。通信処理部62は、Webサーバ82との通信を処理する。データ取得部63は、分析レポートに表示すべき運転記録データを分析ユニット4aから取得する。運転記録は、ダウンロードして記憶装置12bに記憶される。描画部65は分析レポートを表示部7bに表示する。連携部64は、分析レポートにおける再生時刻と、運転記録の再生時刻とが同期するように時刻管理を実行する。
The
受付部66は、分析レポートの結果表示画面に対しての操作などを受け付ける。再生部67は、たとえば、受付部66又は連携部64から入力される再生要求に応じて、運転記録データをダウンロードさせて記憶装置12bに保存させる。再生要求には、たとえば、運転記録を特定可能な識別情報(例:固有の識別情報やPLC1における保存パス名)などが含まれていてもよい。再生部67は、記憶装置12に保存されている運転記録を再生して表示部7に表示する。再生部67は、PLC1からリアルタイムで取得される時系列のデバイス値を波形化して表示したり、運転記録に含まれる時系列のデバイス値を波形化して表示したりしてもよい。
The receiving
<PLC1の機能>
図6はPLC1においてCPU31とCPU41aとが制御プログラムを実行することで実現する機能を示している。CPU31においてコマンド処理部71は、PC2a、2bから受信されるコマンドを解釈し、解釈結果に対応した処理を実行する。たとえば、HTTPリクエストをカプセル化して作成された要求信号が受信されると、コマンド処理部71は、要求信号をCPU41aに転送する。要求信号に対する応答信号がCPU41aから受信されると、コマンド処理部71は、応答信号をPC2a、2bへ転送する。コマンド処理部71は分析ユニット4aにも設けられてよい。その場合、PC2aからコマンドについてはコマンド処理部71が処理し、PC2bからのコマンドは分析ユニット4aに設けられたコマンド処理部が処理する。収集部72は、基本ユニット3や拡張ユニット4bからシンボル値(デバイス値や変数に格納された値)を収集してリングバッファ36に格納する。収集部72の収集設定については基本ユニット3および分析ユニット4aの少なくとも一方から行うことができる。ロギング部73は、収集されたシンボル値などに基づき、何らかのエラーまたはトラブル(非正常イベント)がPLC1において生じているかどうかを判定する。たとえば、ロギング部73は、収集されたシンボル値が記録条件を満たしているかどうかを判定してもよい。収集されたシンボル値が記録条件を満たしている場合に、ロギング部73は、当該シンボル値を運転記録74内の稼働ログ76として保存する。ロギング部73は、運転記録を作成したときに実行されていたプロジェクトデータ75も運転記録74内に保存する。さらに、ロギング部73は、運転記録74を作成したことを分析部83に通知する。設定部78は、オペレータの入力に従って後述する学習モデルの生成や、分析、分析レポートの生成に利用する制御サイクルを設定する。制御サイクルは、サイクルの基準となるタイミングを指定することで設定され、制御サイクルの設定をサイクル設定と呼ぶ。たとえば、サイクル設定は、サイクルの開始タイミングを規定するシンボル名と、シンボル値の立上り/立下りのエッジ情報とを含む。また、サイクル設定は、サイクルの開始タイミングを規定するシンボル名と、シンボル値の立上り/立下りのエッジ情報とによるサイクルの開始タイミングの設定情報と、サイクルの終了タイミングを規定するシンボル名と、シンボル値の立上り/立下りのエッジ情報とによるサイクルの終了タイミングの設定情報を含んでいてもよい。設定部78による制御サイクルの設定はCSV等のファイル形式でPLC1に提供され、設定部78がCSV等のファイルを読み出して制御サイクルを設定してもよい。たとえば、設定部78によって設定された制御サイクルは、当該サイクルに同期するデバイスを分類して当該分類情報を属性情報としてモデルへ付加したり、分析対象とするデバイスを制御サイクルによって絞ったり、制御サイクルに同期して表示される分析レポートを生成したりするために用いられる。設定される制御サイクルは複数であってもよい。設定方法については後述する。また、制御サイクルは必ずしも設定する必要はなく、たとえば、正常時におけるシンボル値の取り得る値が予め決まっている場合、シンボル値がその予め決まっている取り得る値か否かを判定することで非正常シンボルとして判定することができる。
<Function of PLC1>
FIG. 6 shows functions realized by the
CPU41aにおいてプロトコル変換部81は、PC2bからカプセル化されて転送されてきたHTTPリクエストをプロトコル変換して要求信号からとりだす。プロトコル変換部81は、HTTPリクエストに対してWebサーバ82から送信される応答情報をカプセル化してCPU41aに渡す。プロトコル変換部81は透過的なトンネル(例:TCPトンネル)を提供してもよい。Webサーバ82は、分析部83により作成された分析レポートをPC2bへ提供する。分析部83は、運転記録74内の稼働ログ76を後述するモデルを用いて分析し、分析結果77を作成して、ロギング部73に渡す。分析部83が分析結果77を作成すると、ロギング部73は、プロジェクトデータ75および稼働ログ76に加えて、分析結果77を含む運転記録74に追加する。運転記録74は、運転記録記憶部37に格納される。或いは、分析結果77は分析ユニット4aのメモリ42aに記憶されてもよい。通知発行部84は、分析結果77が発行されると、通知を発行する。この通知は、CPU11bに送信される。
In the
たとえば、Webブラウザ18がHTTPリクエストにより分析レポートを要求すると、Webサーバ82はHTTPリクエストをプロトコル変換部81に渡す。HTTPリクエストには、CPU41aで実行され、分析レポートを提供する分析ユニット4a(Webサーバ)のURL(ユニフォームリソースロケータ)が含まれている。プロトコル変換部81は、HTTPリクエストをカプセル化して、所定の通信プロトコルで送信可能な要求信号(コマンド)に変換する。この要求信号は、分析ユニット4aのCPU41aに渡される。CPU41aは、CPU11bに分析レポートを返信する。CPU11bは、分析レポートをWebブラウザ18に渡す。これによりWebブラウザ18は表示部7bに分析レポートを表示する。
For example, when the
モデル生成部86は、後に分析部83が運転記録データと比較するためのマスタデータとなるモデルを作成する。レポート生成部85は、分析結果77をPC2bのWebブラウザ18で表示するための表示画面である分析レポートを生成する。分析レポートには、複数の分析結果が含まれるが、それらの分析結果は時間軸上で同期して表示される。分析レポートの詳細については図8Aを用いて後述する。モデル生成部86は、分類部87および決定部88を備える。
The
分類部87は、収集部72によって収集された各デバイスの時系列データから、各デバイスが何れの類型に属するかを分類する。分類の手法については、図13を用いて後述する。なお、分類部87は、任意のタイミングで分類処理を実行するものであるが、基本的にはシステムの運用が開始されたタイミングやユーザからの指示を受け付けたタイミングで分類処理を実行する。決定部88は、分類部87によって分類された時系列データに従って、いつもと異なる状態のデバイスを検知する際の分析パラメータを決定し、メモリ42aに格納する。決定部88は、分類部87によって分類処理が実行されると、分類パラメータの決定処理を行い、同一のデバイスについて既に分析パラメータが決定されている場合には当該分析パラメータを更新する。更新する際には、上書きにより更新してもよいし、平均値をとるなど2つの分析パラメータから新たな分析パラメータを決定するようにしてもよい。また、デバイスごとに更新時の処理を決定するようにしてもよい。このように、分類部87および決定部88は、収集した運転記録データを分析して正常時のデータがどのようなものであるかを学習する学習フェーズにおいて機能する処理部であり、非正常デバイスを推定する際の分析パラメータを決定する。一方、分析部83は、非正常デバイスを推定する推定フェーズで機能する処理部である。分析部83は、決定された分析パラメータを用いて、収集部72によって収集された各デバイスの時系列データから非正常デバイスを検知する。分析パラメータには、たとえばデバイス値のONの時間、OFFの時間、立ち上がりのタイミング、立ち下がりのタイミング、ONの回数、OFFの回数、および定常値の少なくとも1つが含まれる。
The
<基本フロー>
図7は、本実施形態に係るモデル生成と、運転記録データの分析および結果出力の基本フローを示す。以下で説明する処理は、基本ユニット3のCPU31および分析ユニット(拡張ユニット)4aのCPU41aによって実行される処理として説明する。しかし、本発明を限定する意図はなく、それらの処理の一部が他のユニットで実行されてもよいし、それらの処理の全てが一つのユニットで実行されてもよいし、或いはプログラマブルロジックコントローラに通信可能に接続された外部装置(分析装置)によって実行されてもよい。
<Basic flow>
FIG. 7 shows the basic flow of model generation, analysis of driving record data, and result output according to this embodiment. The processing described below is performed by the
S1で基本ユニット3のCPU31は、PC2aを介して入力された情報に従って、収集部72における収集設定や分析設定を設定する。たとえば、CPU31は、収集設定として、収集対象や収集期間、保存先、ファイル名などを設定することができる。分析設定としては、たとえば分析対象となるサイクルの開始および終了の設定が含まれる。ここでは基本ユニット3が収集設定および分析設定を行う例について説明したが、分析ユニット4aのCPU41aがPC2bを介して入力された情報に従って収集設定を行ってもよい。さらにS1では、基本ユニット3のCPU31が、分析設定として、PC2a、2bの表示部7a、7bに表示された設定画面を介して入力された情報に従って撮影条件等のカメラ設定や画像処理設定、監視項目設定などを設定することができる。なお、これらの分析設定についても分析ユニット4aのCPU41aによって実行することも可能である。その後、S2でCPU31は、S1で設定された収集設定に従って運転記録データを、モデル作成用データとして収集し、運転記録記憶部37へ格納する。より詳細には、収集設定に従って収集された全デバイス値が一旦リングバッファ36へ格納され、リングバッファ36から必要なデータが運転記録データとして運転記録記憶部37へ格納される。
In S1, the
次に、S3で分析ユニット4aのCPU41aは、収集された運転記録データを利用してモデルを作成する。当該モデルには、各デバイスのパターンを、定数、ビットパターン、アナログ値などの特徴量に基づいて分類したデバイスごとの情報や、デバイス値が変化するタイミングを示す情報が含まれてもよい。つまり、当該モデルは、各デバイスの正常時の変化パターンが学習される。S3の詳細な処理については図11を用いて後述する。
Next, in S3, the
その後、S4で基本ユニット3のCPU31は運転記録データの分析を行うトリガが発生したか否かを判断する。当該トリガは、基本的には運転中にいつもと違う異常が発生した場合をトリガとするものであり、その成立条件として、たとえばエラービットが設定された場合や、監視アプリケーション等のアプリケーションからの所定のイベントの発生、オペレータからの手動による指示の受け付け等が挙げられる。トリガが発生するとS5へ進む。
Thereafter, in S4, the
S5で基本ユニット3のCPU31は、各デバイス値を収集して分析を行うための運転記録データを、運転記録記憶部37に保存する。通常、いつもと違う何らかの変化が発生した後にトリガが発生する。従って、ここでは、そのような変化の原因を特定するためにトリガ前後のデータが取得される。上述したように、運転中における全デバイスのデバイス値はリングバッファ36へ保持されている。従って、CPU31はトリガが発生したと判断すると、S1で設定された分析設定に従って、トリガ前後の必要なデバイス値をリングバッファ36から運転記録記憶部37へ格納する。また、S5で分析ユニット4aのCPU41aは、基本ユニット3から分析用の運転記録データを取得する。ここでは、運転記録データに加えて、更にカメラ画像データやイベントの発生履歴、エラー履歴の情報も合わせて取得してもよい。
In S<b>5 , the
その後、S6で分析ユニット4aのCPU41aは、基本ユニット3で収集された時系列データを取得して、S2で生成されたモデルと比較して分析処理を実行する。分析処理では、各デバイスについて、S3で生成されたマスタデータであるモデルデータと、分析対象の運転記録データとを比較して、対象デバイスがいつもと異なる状態であるかどうかを判断する。所定値以上の差分があればいつもとは異なる状態が検知されていると判断する。さらにCPU41aは判断後の分析結果を基本ユニット3の運転記録記憶部37における分析結果77の記憶領域に、各デバイスごとの分析結果を格納する。ここで分析結果77には、いつもと異なる状態が検知されたデバイスの分析結果とその記録データとが時間情報とともに格納されることが望ましい。これにより、オペレータ等からの分析レポートの生成要求を受け付けた場合にそれらの情報を用いて各デバイス値を同期させて表示可能な分析レポートを容易に作成することができる。なお、拡張ユニット4bから得られるカメラ映像も紐づけて格納してもよい。さらに、S7でCPU41aは、分析結果に基づいて、結果を示す表示データ(分析レポート)を生成し、通信部43を介して生成した表示データをPC2bや外部装置へ送信し、処理を終了する。たとえば、PC2bにおいて分析結果がオペレータに対して表示される。分析レポートを表示した結果表示画面の詳細については図8Aを用いて後述する。
After that, in S6, the
監視アプリケーションは、分析ユニット4aのCPU41aにより実行されるデータ活用アプリケーションの一つである。分析ユニット4aは、データ活用アプリケーションを実行する拡張ユニットであってもよい。データ活用アプリケーションは、制御データを収集したりデータ処理したりするデータ活用プログラム(例:フロー)と、データ活用プログラムの実行結果を表示するダッシュボードとを含む。データ活用アプリケーションとしては、監視対象であるデバイスや変数をリアルタイムに監視する監視アプリケーションと、PLC1の運転状態を再現するための運転記録を分析して分析レポートを生成する運転記録分析アプリケーションなどが存在してもよい。また、データ活用アプリケーションとしては、可動率(べきどうりつ)、良品率、または、サイクルタイムなどのKPI(Key Performance Indicator)を算出する算出アプリケーションなどが存在してもよい。監視アプリケーションは、PLC1のシンボルのシンボル値に基づく常時監視するためのアプリケーションで、たとえば監視アプリケーションの設定に応じて1又は複数のシンボルのシンボル値をスキャンタイムレベルで常時収集し、収集したシンボル値に基づく情報をリアルタイムに更新しながら常時表示するアプリケーションである。常時監視の対象となる1又は複数のシンボルは、予めユーザにより設定される。監視アプリケーションは、たとえばWebサーバ機能を有し、通信部43を介して汎用ブラウザから設定が可能である。汎用ブラウザから設定できることにより、プログラム作成支援装置等の専用ツールを介さずに、PC、スマホ、タブレットから設定または監視ができる。また、監視アプリケーションは、常時監視の対象となる1又は複数のシンボルについて正常時における複数のサイクルのシンボル値に基づき当該シンボルに対応する閾値を自動で設定する。たとえば、監視アプリケーションは、ユーザ指示を受け付けて、常時監視の対象となる複数のシンボルについて正常時における複数のサイクルのシンボル値のばらつきに基づき、シンボルの状態を監視するための閾値を一括で自動設定する。閾値は、いつもと違う状態、つまり、非正常状態を監視するように設定され、監視アプリケーションは、監視対象のシンボルのシンボル値が閾値を超えた場合はアラームを発報する。このようにして、たとえば、PLC1は、設備が止まる前に兆候を捉えることができる。PLC1は、監視アプリケーションによる兆候監視の結果、監視対象のシンボルのシンボル値が閾値を超えた場合のアラームを、運転記録の保存条件としてもよい。PLC1は、監視アプリケーションによるアラーム発生をイベントトリガとして、トリガ前後の運転記録データを保存する。PLC1は、運転記録データの保存が完了すると保存完了デバイスをONする。運転記録分析アプリケーションは、運転記録データの保存が完了したことをうけ、自動的に運転記録データを分析してもよい。たとえば、運転記録分析アプリケーションは、保存完了デバイスをONしたことに応じて運転記録データを分析してもよい。運転記録分析アプリケーションは、分析対象となったシンボルのシンボル値(例、全ビットデバイスのデバイス値)を分析して、アラートが出た要因候補のシンボルを抽出する。このようにして運転記録分析アプリケーションは、監視アプリケーションによるアラーム発生の要因をアラーム発生により保存した運転記録データを自動分析し、運転記録データの中からいつもと違うシンボルを抽出する。これにより、CPU41aは、監視アプリケーションの兆候監視機能により設備の状態を常時監視し、変化要因でアラートを発報する。さらに、CPU41aは、アラート要因を自動分析し、いつもと違うシンボルを抽出する。つまり、PLC1は、シンボル値を常時監視することで被制御対象設備の兆候監視をして、アラームにより被制御対象設備が止まる前に兆候を報知して、兆候の要因を自動分析する。
The monitoring application is one of data utilization applications executed by the
<結果表示画面(分析レポート)>
図8Aは、本実施形態に係るWebブラウザ18がWebブラウザプログラム14dを実行することで表示部7bに表示される結果表示画面を示す。ここでは当該結果表示画面800がPC2bの表示部7bに表示される例について説明するが、本発明を限定する意図はなく他の装置の表示部に表示されてもよいし、PLCの拡張ユニットが有するモニタで表示可能であれば当該モニタに表示されてもよい。たとえば、他の装置としてプログラマブル表示器、タブレット、スマートフォンが含まれてもよい。或いは、以下で説明する結果表示画面の内容を含む分析レポートとして他の装置へ電子メール、SNS、FTP転送等で送信されてもよい。分析レポートに対して任意のコメントが付されてもよく、たとえば、分析レポートに対して手書き文字や入力文字コメントが付与されてもよい。この場合、任意のコメントが付与された結果表示画面の内容を含む分析レポートが他の装置へ送信されてもよい。これにより、メールの受信者はコメントなどの現場状況と分析レポートとを合わせて閲覧することができる。また、分析レポートが他の装置へ送信する際、分析レポートとともに当該分析レポートの分析対象である運転記録データが対応付けられて送信されてもよい。これにより、メールの受信者は運転記録と分析レポートとを合わせて閲覧することができる。さらに、PC2bがカメラ付きのタブレットやスマートフォン等であれば、装置の写真も一緒に添付できてもよい。
<Result display screen (analysis report)>
FIG. 8A shows a result display screen displayed on the
結果表示画面800は、結果をフィルタリングして表示するためのフィルタ801~803と、フィルタ結果804と、検知マップ810と、検知リスト820と、画像表示領域830と、分析コメント840とを含んで構成される。なお、結果表示としては、810、820、830、840のうち少なくとも1つが表示されるものであってよい。フィルタ801は制御サイクルを選択して結果表示をフィルタリングすることができる。ここでの制御サイクルとは、デバイス値の周期的な変化を伴う開始タイミングから終了タイミングまでの期間を称する。フィルタ801を指定すると、選択された制御サイクルで動作するデバイスの分析結果に絞って結果が表示される。フィルタ802は属性情報を選択して結果表示をフィルタリングすることができる。属性情報とは、何れのユニットや通信機器に接続されているかの情報や、入力デバイスであるか否かの情報を示す。
The
フィルタ802においてたとえば「ユニット構成情報」を指定するとユニット構成がポップアップ画面等で表示され、表示されたユニットのいずれかを選択することができる。ユニットが選択されると、当該ユニットに接続されているデバイスに絞って結果が表示される。また、属性情報として「入力デバイス」が指定されると、入力デバイスの属性情報が付加されたデバイスに絞って結果が表示される。フィルタ802は、属性情報を活用するフィルタリングに限られない。たとえば、分析の結果、同じシンボルが重複して非正常シンボルとして検出されることがある。非正常の原因を探るうえで最先の発生時刻が重要となる可能性が高く、フィルタ802は、重複して検出された同じシンボルのうち最先の発生時刻以外をフィルタリングするようにしてもよい。また、フィルタ802は、同じシンボルで、分析時の検知アルゴリズムや後述する異常の種類が同一なもののうち、最先の発生時刻以外をフィルタリングするようにしてもよい。さらに、フィルタ802は、同じシンボルで、分析時の検知アルゴリズムや後述する異常の種類が同一であって、後述するサイクル設定が同一なもののうち、最先の発生時刻以外をフィルタリングするようにしてもよい。
For example, when "unit configuration information" is specified in the
フィルタ803はイベントやエラーを選択して結果表示をフィルタリングすることができる。イベントやエラーの種別を指定するとそれに関わりのあるデバイスの分析結果に絞って結果が表示される。たとえば、イベントとして「運転記録保存トリガ」が選択された場合には、その前後の分析結果に絞って結果が表示される。結果表示画面800は、分析結果とともにイベントやエラーを発生時刻順に表示してもよい。この場合、フィルタ803はイベントやエラーをフィルタリングすることができる。これにより分析結果とイベントやエラーの混在表示と、分析結果の表示とを切り換えることができる。ここで、イベントは、たとえば、電源ON/OFF、デバイス値書換、メモリ挿抜などを含み、カテゴリー毎にフィルタリング対象を加除できるようにしてもよい。エラーは、たとえば通信エラー、PLC演算エラー、スキャンタイム超過エラーなどを含み、エラーの重度毎にフィルタリング対象を加除できるようにしてもよい。
A
なお、フィルタ801~803のフィルタ条件は論理積として判断され、該当する分析結果が表示される。従って、フィルタ801~803は必ずしも選択される必要はなく、オペレータが所望するフィルタが選択された場合に分析結果がフィルタリングされてもよい。或いは、オペレータが指定する前にデフォルトでフィルタを選択して分析結果を表示するようにしてもよい。これらの分析結果として表示されるデバイスは、いつもと異なる状態が検知されたデバイスである。いつもと異なる状態とは、たとえば、デバイス値が正常範囲を逸脱したり、デバイス値が変化するタイミングまたは回数が正常範囲を外れたりすることである。製品の製造工場では、日々、同一の製品が大量生産される。つまり、同一の工程が何度も繰り返し実行される。そのため、いつもと異なる状態を検知して表示することは、ラダープログラムを改良したり、生産設備を見直したりするうえで、非常に役に立つ。いつもと同様の状態(正常状態)を定義する正常範囲(正常条件)は、ユーザにより定義されてもよいし、デバイス値の学習結果により定義されてもよい。
Note that the filter conditions of the
検知マップ810は、PLC1において実行される複数の工程のそれぞれについて開始タイミングと終了タイミングとを含むサイクルを時間軸に沿って表示する。検知マップ810において、横方向に延びる矩形は、工程が実行中である期間(制御サイクル)を示している。また、矩形内の丸はサイクル内で発生したいつもと異なる状態が発生した異常発生箇所である異常点を示している。検知マップ810の横軸は時間を示し、左端はデータの収集開始時点、右端はデータの収集終了時点を表す。なお、上部の拡大/縮小ボタンを選択することにより、横軸方向の拡大・縮小を行うことができる。その場合の初期表示は、左端がデータ収集開始点、右端はデータの収集終了点であってもよい。或いは、後述するサイクル定義の時間幅で決めてもよい。たとえば、サイクル時間が、10秒、10秒、11秒、9秒、10秒、10秒、20秒である場合に、その中央値の10秒をとり、3サイクル分が一括で表示できるように、左端から右端を30秒としてもよい。ここでは、縦軸をデバイス単位としているが、後述するプログラムモジュール単位としてもよい。また、検知マップ810には、デバイス値に並べて、カメラ映像の特徴量の値を表示するようにしてもよい。デバイス値と並べて表示することにより、映像の周期的な変化を容易に認識することができる。
The
図8Aに示すように、制御サイクルは矩形形状で表すことができ、左端が開始タイミングを示し、右端が終了タイミングを示す。これによりデバイス値を波形で示すよりも、その制御サイクルを一見して確認することができ、サイクルの動作中であるか否かを判断することができる。なお、本発明はこれに限定されず、開始タイミングと終了タイミングとが識別可能な形状であればどのような形状で表されてもよい。たとえば、矩形形状ではなく開始タイミングを示す縦線と終了タイミングを示す縦線とを表示し、その内部を背景色と異ならせることによりサイクルを表現してもよい。また、運転記録データの中に開始タイミングや終了タイミングの記録が無い場合には、それらを示す縦線等を検知マップ810に描画しなくてもよい。また、図8Aに示すように、定義された制御サイクル内の異常発生箇所を示す。図8Aの例では、異常が発生した箇所を異常点として表示している。一方で、異常には異常開始から終了までの区間がある。したがって、異常箇所を区間でプロットしてもよい。これにより、他のデバイスと異常発生区間が重なっている様子を表現することができ、オペレータにとってはデバイス間の関連性を認識することができ、エラーを特定する際に重要な情報となる。このように各デバイスの異常発生箇所については種々の方法で描画することが可能である。
As shown in FIG. 8A, the control cycle can be represented by a rectangular shape, with the left end indicating the start timing and the right end indicating the end timing. This makes it possible to confirm the control cycle at a glance rather than showing the device values as waveforms, and to determine whether or not the cycle is in operation. Note that the present invention is not limited to this, and may be represented by any shape as long as the start timing and the end timing can be identified. For example, instead of a rectangular shape, a vertical line indicating the start timing and a vertical line indicating the end timing may be displayed, and a cycle may be represented by using a different color for the inside of the vertical line from the background color. Also, if there is no record of the start timing and the end timing in the driving record data, it is not necessary to draw vertical lines or the like indicating them on the
検知マップ810において、工程を示す矩形は、左が古く右が新しいことを示す。時刻バー811は、選択中の時刻を示している。時刻バー812は、運転記録データの保存トリガが発生したタイミングを示している。上述したように、運転記録データは保存トリガが発生した前後のデータが記録されているため、時刻バー812の前後にデータが示されている。時刻バー811、812はそれぞれ異なる色で描画したり、実線と破線とで異なるように描画したりすることにより、識別力を向上させてもよい。また、時刻バー811を操作することにより、分析結果の表示を更新することができる。時刻バー811の操作に従って、検知リスト820、画像表示領域830、および分析コメント840の少なくとも1つの後述する時刻バーについても同様に連動して更新され、対応する分析結果が表示されてもよい。
In the
画像表示領域830は、PLC1において取得されたカメラ画像(以下では、カメラ映像とも称する。)を表示する。図8Aでは、正常時のデータであるマスタデータのカメラ画像と、今回のカメラ画像とが対比可能に表示されている。カメラ画像も時系列データであるため、シークバー831は、カメラ画像の再生時刻を示し、再生時刻の経過にしたがって左から右に移動する。時刻バー832は、検知対象デバイスがいつもと異なる状態になったタイミングを示しており、上述した時刻バー811と連動している。時刻指定部833は、カメラ画像の再生時刻を進めたり、再生時刻を戻したり、再生の開始を指示したり、再生を停止したりすることを指示するためのコントロールオブジェクトである。834は制御サイクルを指定することができ、指定されたサイクルを基準サイクルとしてカメラ映像が再生される。たとえば、時刻指定部833の早送りのボタンが操作されると、現在の制御サイクルの次の制御サイクルまで映像がスキップするように制御される。また、サイクルの終了時にジャンプするものであってもよい。
The
カメラ映像は、運転記録データとして保持されてもよいが、時刻が関連付けられた、外部機器に保存されているデータであってもよい。たとえば、拡張ユニットの何れかに接続されたWebカメラに記録されているカメラ映像であってもよいし、画像検査機に記録されている検査画像であってもよい。外部機器に保存されているデータは、画像以外にも測定器の記録データであってもよく、数値であったり、測定波形が表示されるものであってもよい。なお、結果表示画面800において、検知マップ810の再生時刻、カメラ画像の再生時刻、および、検知リスト820の再生時刻は同期するように管理され表示されている。また、図8Aの点線領域に示すように、検知した異常箇所を映像中において強調表示してもよい。これにより、ユーザはさらに容易に正常時の映像と、今回の映像を対比することができる。
The camera image may be stored as driving record data, or may be data associated with time and stored in an external device. For example, it may be a camera video recorded in a web camera connected to any of the expansion units, or an inspection image recorded in an image inspection machine. The data stored in the external device may be data recorded by the measuring device as well as images, and may be numerical values or may display measured waveforms. In the
検知リスト820は、いつもと異なる状態になったデバイスと、その状態が発生した時刻(デバイス値の収集時刻)とを示す。検知リスト820は、いつもと異なる状態となったデバイスを時刻順に示したリストである。CPU11bは、検知リスト820に表示されたデバイスに対するクリックを検知すると、クリックされたデバイスの識別情報と、再生時刻情報(デバイス値の収集時刻)とに基づいて、検知マップ810、検知リスト820、および画像表示領域830の表示を同期させることができる。時刻バー821は、選択中の時刻を示しており、時刻バー811、831と連動し、同一のタイミングを示している。時刻バー822は、運転記録データの保存トリガが発生したタイミングを示している。
The
分析コメント840は、分析結果に含まれるコメントと、検知リスト820で選択されたデバイスについての、マスターデータと、今回のデバイス値の時系列データとを表示する。時刻バー841は、いつもと異なる状態が発生したタイミングを示し、時刻バー811、821、831と連動し、同一のタイミングを示している。表示されているコメントは、当該デバイスの異常の内容を示している。分析コメントは種々の形態をとりうるが、詳細については図10を用いて後述する。
The
CPU11bは、検知リスト820に表示されたデバイスに対するクリックを検知すると、クリックされたデバイスの識別情報と、いつもと異なる状態になったサイクル情報(サイクルの開始時刻と終了時刻、または、サイクルの開始時刻と次のサイクルの開始時刻)とに基づいて、検知マップ810、検知リスト820、および分析コメント840の表示を同期させることができる。図8Bは、検知リスト820の何れかの項目が選択された場合に、検知マップ810、検知リスト820、および分析コメント840を同期させた様子を示す。分析コメント840は、いつもと異なる状態になったサイクルに対応した時間範囲のデバイス値の時系列データを表示する。このとき、検知マップ810上には、分析コメント840に表示された時系列データの時間範囲854に対応する時間範囲852が図示される。検知マップ810に図示される時間範囲852は、複数の工程のうちいつもと異なる状態になった工程に対応して図示される。たとえば、検知リスト820に表示されたデバイスのうち、現在と異なるデバイスの項目853がクリックされると、クリックされたデバイスについて、いつもと異なる状態になったサイクルに対応した時間範囲のデバイス値の時系列データに切り替わる。その際、検知マップ810上では、分析コメント840に表示された時系列データの時間範囲854に対応する時間範囲852を含む範囲に表示が切り替わる。また、矢印855で示すように、検知マップ810上において、点線や色付きの実線の枠などによって時間範囲852が強調表示され、分析コメント840における切り出し区間との対応が確認できるように表示される。これにより、分析コメント840が検知マップ810上のどの区間を切り出した波形かをオペレータに容易に把握させることができる。また、854に示すように、分析コメント840においても波形の下部に、切り出した区間に対応するサイクルを示す矩形や異常点を表示することにより、サイクルの開始タイミングや、終了タイミングと波形や異常との関係をオペレータに容易に把握させることができる。また、検知マップ810は、851に示すように、検知リスト820で選択されたデバイスに対応する異常点を拡大表示してもよい。また、分析コメント840に表示された時系列データの時間範囲が、サイクルの開始時刻と次のサイクルの開始時刻の場合、分析コメント840には、時系列データの時間軸に対応して、サイクルの終了時刻を示す位置に図式表示がされてもよい。
When the
このように、結果表示画面800は検知マップ810、検知リスト820、画像表示領域830、および分析コメント840など複数の分析結果の表示を含んで構成される。しかし、これらの結果表示は一例であり他の結果表示が追加的に又は代替的に含まれてもよい。たとえば、図9に示すように、分析結果として、デバイス間の依存情報(リレーションマップ)を表示してもよい。基本ユニット3は、ラダープログラムを解析することで、デバイス・変数間の依存関係を把握することができる。たとえば、ある検知されたデバイスを選択されると、それに関係するデバイスも並べて表示するなど、依存関係のあるデバイスをオペレータへ提示することができる。これにより、オペレータに対して異常の把握や特定を支援することができる。
In this manner, the
<リレーションマップ>
図9はリレーションマップ900を示している。リレーションマップ900は、ラダープログラム等のユーザプログラムにおいて、特定のシンボルに関連するプログラムモジュールと、そのプログラムモジュールに関連する他のシンボルとの関係を示す図式表示であり、たとえば、特定のシンボルとして、ラダープログラムに使用されるいつもと異なる状態になったデバイス(非正常デバイス)を選択した場合は、当該非正常デバイスに対してラダープログラムにおいてプログラムモジュールを介して関連している他のデバイスを表示するUIとなる。このUIは結果表示画面800において不図示の表示ボタンを操作することにより遷移する画面であってもよいし、結果表示画面800上に追加で表示されてもよい。リレーションマップを表示することにより、ユーザは、非正常デバイスと他のデバイスとの依存関係を容易に理解できる。一般に、PLC1において利用されるデバイスの数は数百から数万であるため、ユーザは、いつもと異なる状態になったデバイスから、その原因となったデバイスを特定することは容易ではない。CPU11は、非正常デバイスについてラダープログラム内を検索し、非正常デバイスに関する記述を発見し、当該記述を分析することで、関連デバイスを特定する。この例では、ラダープログラム内の出力部において、非正常デバイス(例:R0004)が記述されており、関連デバイスとしてMR000、MR001、MR002が存在する。
<Relation Map>
FIG. 9 shows a
CPU11bは、ラダープログラムから特定した非正常デバイス、関連デバイスおよびプログラムモジュールをツリーのように表示する。ユーザプログラム(ラダー、C言語、フロー言語、スクリプトなど)は、可読性やメンテナンス性向上のために、いくつかに分けて記述することが多く、その単位をプログラムモジュールと称する。1つのプログラムモジュールの中では、各デバイスを読み書きするプログラムが記述され、1つのデバイスは複数のモジュールで読み書きされることもあるが、主に使用されるモジュールは1つであることが多い。図9の例では、出力部における演算のために入力されるデバイスが左側に表示され、プログラムモジュールが真ん中に表示され、その右側に非正常デバイスが表示されている。図9が示すように、リレーションマップ900上のプログラムモジュールが選択されると、CPU11bは、該当するプログラムモジュールをプログラム表示領域910に表示してもよい。なお、ここではPC2bのCPU11bが表示処理を制御する例で説明しているが、一例でありPC2aのCPU11aで行われてもよい。また、上述した検知マップ810についても、デバイス単位ではなくプログラムモジュール単位で表示するようにしてもよい。
The
CPU11は、シンボルを特定するユーザ指定に応じて、ユーザプログラムからシンボルに関連するプログラムモジュールを特定し、特定したプログラムモジュールに関連する他のシンボルを特定して、リレーションマップ1500を生成する。CPU11は、分析結果に基づいてリレーションマップ1500内に含まれる非正常デバイスを強調表示する。分析結果は非正常デバイスがいつもと異なると判断した時刻も含んでおり、CPU11は、再現する時刻よりも前に発生した非正常デバイスのみをリレーションマップ1500上で強調表示するようにしてもよい。これにより非正常デバイスは、いつもと異なる状態が発生して以降、強調表示が保持されることになる。また、分析結果には、各シンボルのうち、分析対象外のシンボルであることを示す情報が含まれてもよい。この場合、CPU11は、分析結果に基づいてリレーションマップ1500上で分析対象外のシンボルと他のシンボルと色などを区別して表示する。これにより、分析により非正常でないと判断したのか、未分析のため非正常と判断されなかったのかを区別できる。分析対象外のシンボルとは、たとえば、制御サイクルやサイクル設定により定義されるサイクルに対し、シンボル値の変化パターンが規則性を持たないシンボルであったり、ユーザにより分析対象外として指定されたシンボルを含む。 The CPU 11 identifies a program module related to the symbol from the user program, identifies other symbols related to the identified program module, and generates the relation map 1500 according to the user's designation for identifying the symbol. The CPU 11 highlights abnormal devices included in the relation map 1500 based on the analysis result. The analysis result also includes the time at which the abnormal device was determined to be different from usual, and the CPU 11 may highlight only the abnormal device that occurred before the time to reproduce on the relation map 1500 . This allows the abnormal device to remain highlighted after the unusual state occurs. Further, the analysis result may include information indicating that each symbol is a non-analyzed symbol. In this case, the CPU 11 distinguishes between symbols not subject to analysis and other symbols on the relation map 1500 based on the analysis result. With this, it is possible to distinguish whether it is judged as abnormal by analysis or not judged as abnormal because it has not been analyzed. Symbols not subject to analysis are, for example, symbols whose symbol value change pattern does not have regularity with respect to the control cycle or cycle defined by the cycle setting, or symbols specified by the user as not subject to analysis. include.
<分析コメント>
図10に分析コメントの種々の形態を示す。図8Aに示した分析コメント840は、分析結果の情報、特に、異常内容に応じて種々の形態をとりうる。なお、分析コメントについては、分析ユニット4aが自動で生成するものであり、特にオペレータによる操作を必要としない。ここでは、分析コメント1000、1010、1020の3つについて例示するが、これらの形態も例示の一部となる。
<analysis comment>
FIG. 10 shows various forms of analytical comments. The
分析コメント1000は、デバイスの変化数が学習時のマスタデータよりも多い異常内容を示す。1001には分析コメントが示され、所定のデバイスがマスターよりも多く変化している旨のコメントが自然言語で示される。1002はマスタデータの波形を示し、1003は分析対象である今回取得された運転記録データの波形を示す。1004は多く変化した異常箇所を示しており、たとえば網掛け等により強調表示されている。また、分析コメント1010は、デバイスのON時間の異常内容を示す。また、分析コメント1000には、モデル信頼度1030が示されている。モデル信頼度とは分析に使用した学習モデルの信頼度を示すものであり、詳細については図21を用いて後述する。1011には分析コメントが示され、所定のデバイスがマスターよりも所定時間早くOFFに変化している旨のコメントが自然言語で示される。また、図10に示すように、所定時間の部分が”297.86ms”と記載されており、1012はマスタデータの波形を示し、1013は分析対象である今回取得された運転記録データの波形を示す。また、1012、1013に示すように、それぞれの波形においてONからOFFへ変化したタイミングを示す箇所に、”変化点a1”、”変化点b1”という文字列が示される。これにより、オペレータは変化点を容易に把握することができるとともに、マスターの波形と今回の波形とを対比してその相違を容易に判断することができる。このように、本実施形態に係る分析コメントは、1001、1011に示すように、自然言語による異常内容の説明と、1002~1004、1012、1013に示すように、図形による異常内容の説明とが含まれる。なお、自然言語による異常内容の説明と、図形による異常内容の説明とは何れか一方のみであってもよい。分析レポートを表示する結果表示画面の描画領域のサイズに応じて変更してもよい。
The
このように自然言語による異常内容の表現には、自然言語が人同士の会話と同様の方法であるため、ユーザは新しく覚えることが少なくなり、専門的な知識を必要とすることなく異常内容を容易に解析できるというメリットがある。また、数値や判定結果(OK/NG)だけでなく、どのように判定し、どこが異常だったかが文章としてわかりやすいというメリットがある。一方、図形による異常内容の表現には、視覚的に理解でき、どのような異常だったか、タイミングや異常度合いなどの詳細を知ることができる。また、理解が難しいブラックボックス的な判定手法の場合に、その判定結果を信頼できないというユーザの思考があるが、判定結果が図示されて理解しやすくなることで、判定手法の信頼性に対するユーザの評価も変えることができる。 In this way, since natural language is used in the same way as conversation between people, the user does not need to learn anything new, and the content of anomaly can be expressed without the need for specialized knowledge. It has the advantage of being easy to analyze. In addition, there is an advantage that not only numerical values and judgment results (OK/NG) but also how judgments are made and where abnormalities are found are easy to understand as sentences. On the other hand, the graphical representation of the content of anomalies can be visually understood, and details such as what kind of anomaly occurred, the timing, and the degree of the anomaly can be known. In addition, in the case of a hard-to-understand black-box judgment method, some users think that the judgment results cannot be trusted. You can also change your rating.
また、分析コメント1000、1010についてはビットデバイスについての分析コメントの例を示すが、本実施形態に係るPLC1はワードデバイスも含まれるものであり、ワードデバイスにおける分析コメントの例を1020に示す。ここでは図形による異常内容の説明としてアナログ値のプロットしたグラフを示す。横軸が時間に相当し、縦軸がデバイス値を示す。また1021が今回取得した所定デバイスの運転記録データを示し、1022が正常時のデータであるマスタデータを示す。マスタデータの代わりに数サイクルの平均値としてもよい。また、1023が下限閾値を示し、1024が上限閾値を示す。運転記録データがこれらの閾値を超えるとエラーとなる。また、1025の矩形はいつもと異なる状態が検知された箇所を示すものであり、今回取得した運転記録データがマスタデータから所定値ほど離れている箇所を示す。なお、このような矩形による強調表示は、下限閾値1023や上限閾値1024を超えている箇所についてのみ表示するようにしてもよい。
Analysis comments 1000 and 1010 show examples of analysis comments for bit devices, but the
<モデル生成フロー>
図11は、上記S3におけるモデル生成フローの詳細を示す。ここでは、デバイスの属性情報としてデバイスのデバイス値を分類してモデルを生成する制御について説明する。なお、本発明はこれに限らず上述した他の属性情報に基づいてモデルを生成してもよい。以下で説明する処理は、分析ユニット(拡張ユニット)4aのCPU41aによって実行される処理として説明する。しかし、本発明を限定する意図はなく、それらの処理の一部が他のユニットで実行されてもよいし、それらの処理の全てが一つのユニットで実行されてもよいし、或いはプログラマブルロジックコントローラに通信可能に接続された外部装置(分析装置)によって実行されてもよい。
<Model generation flow>
FIG. 11 shows the details of the model generation flow in S3 above. Here, control for classifying device values of devices as device attribute information and generating a model will be described. Note that the present invention is not limited to this, and a model may be generated based on the other attribute information described above. The processing described below will be described as processing executed by the
まずS31で分析ユニット4aのCPU41aは、基本ユニット3からモデル作成用の正常時の運転記録データを取得する。当該運転記録データは、上記S2で運転記録記憶部37に格納されたデータである。続いて、S32でCPU41aは、デバイス値以外の情報として、基本ユニット3からサイクル設定の情報を取得する。サイクル設定の情報は、たとえばPC2aを介してオペレータから設定されたサイクルパターンの情報を示す。たとえば、サイクルの開始タイミングとサイクルの終了タイミングとを示す。また、ここで取得する情報には、拡張ユニット4bに接続されたカメラ等のフィールドデバイス10で取得された情報、たとえばカメラ画像データなども含まれてもよい。これらのデータについては基本ユニット3を介して取得してもよいが、たとえば拡張ユニット4bなどから直接取得するようにしてもよい。また、本実施形態においてS32の処理は必須ではなく、サイクル設定の情報は取得できなくてもよい。
First, in S31, the
次に、S33でCPU41aは、S32で取得したサイクル設定に基づき、各デバイスが何れのサイクルに属するかを判定し、さらに各デバイス値の変化パターンに応じて各デバイスが何れの類型に属するかを分類する。デバイスの分類については図13を用いて後述する。また、各デバイスのサイクルパターンには種々のパターンが存在するものであり、ここでは各デバイスがサイクル設定で指定された何れのパターンに属するデバイスであるかを判断する。サイクル設定が複数の制御サイクルに対応した設定を含む場合、各制御サイクルに属するデバイスを判定するようにしてもよい。このとき、複数の制御サイクルに属すると判断されるデバイスが存在してもよい。図12は、各デバイスのサイクルパターンを判別する制御について示す。図12において、矩形は工程が実行中である期間(サイクル)である開始タイミングから終了タイミングまでを示しており、1つの矩形が1サイクルを示す。サイクルパターンとはこの1サイクルが出現するパターンである。1201~1203はサイクル設定された工程を示す。1204~1206はそれぞれデバイスA~Cの収集データから抽出したサイクルパターンを示す。分析ユニット4aは各デバイスについて何れのサイクル設定のパターンに属するかを判断し、たとえばデバイスAがサイクル設定1に属し、デバイスBがサイクル設定2に属し、デバイスAが設定された何れのサイクル設定にも該当しないと判断する。具体的には、サイクル開始から終了までの、値と変化回数が一致しているかを判定している。なお、開始タイミングや終了タイミングについては多少ずれても問題ない。このように、分析ユニット4aは、各サイクル設定のパターンと各デバイスとがどのような対応関係かを判定する。分析ユニット4aは各サイクル設定のパターンについて何れのデバイスが属するかを判断するようにしてもよい。
Next, in S33, the
分析ユニット4aは、各サイクル設定のパターンと各デバイスとがどのような対応関係か判定する際に、各サイクル設定のサイクル開始からサイクル終了までにおける各デバイス値のパターンに基づいて判定する。これにより、サイクルの終了から次の開始までデバイス値がどのような動作をしても、そのデバイスを当該サイクル設定のパターンに属すると判断することができる。また、分析ユニット4aは、各サイクル設定のパターンと各デバイスとがどのような対応関係か判定する際に、各サイクルの基準タイミングから次のサイクルの基準タイミングまで、たとえばサイクル開始から次のサイクル開始までのデバイスの値と変化回数が一致しているかで判定してもよい。
The
PLC1において実行される複数の工程のそれぞれについて開始タイミングと終了タイミングとを含むサイクル、つまり、工程が実行中である期間を制御サイクルはサイクル設定の対象とされているが、サイクル設定の対象はこれに限られない。図23は、開始タイミングから終了タイミングの期間以外にも変化するデバイスが存在する場合のサイクルの処理フローを示す。図23に示すように、作業工程を実行するために、作業工程を実行するための準備として作業開始条件を満足しているかを確認する確認フェーズ2301が存在してもよく、また、作業開始フェーズ2302、作業フェーズ2303、及び作業終了フェーズ2304の作業工程の実行後には次の工程の準備をする準備フェーズ2305、次の工程まで待機する待機フェーズ2306等が存在してもよい。このため、作業工程の実行中以外の期間においても変化するデバイスは存在し、異常要因を突き止めるための手がかりとなり得る。たとえば、確認フェーズにおいて作業開始条件の成立に関連する入力デバイス、準備フェーズにおいて次の準備の制御信号を示すデバイスなどは、開始タイミングから終了タイミングまでの期間以外の期間で動作するため、これらのデバイスの分析結果は、異常要因を突き止めるための手がかりとなり得る。要するに、サイクル設定の対象は、サイクルの基準タイミングから次の基準タイミングまでであってもよく、これにより隙間なく分析することができる。また、サイクル設定では、ユーザにより開始タイミングを規定するデバイスと、終了タイミングを規定するデバイスとが選択されたり、正常時の運転記録データなどを学習することで自動的に設定されたりする。しかし、分析対象の期間が開始タイミングから終了タイミングに限定されると、工程の開始を規定するデバイスや工程の終了を規定するデバイスを正確に把握していない場合、そのようなデバイスを見つけ出すことは困難なことがある。サイクル設定の対象をサイクルの基準タイミングから次の基準タイミングまでとすることで、工程の開始を規定するデバイスや工程の終了を規定するデバイスを厳密に指定しなかったとしても、工程に同期するデバイスを選択するだけで隙間なく分析することができる。
A cycle including a start timing and an end timing for each of a plurality of processes executed in the
図11の説明に戻る。S33でCPU41aは、抽出したサイクルパターンおよび後述する変化パターンの類型を属性情報(分析パラメータ)として各デバイスに付加する。次に、S34でCPU41aは、付加された属性情報に基づいてS31で取得した運転記録データからモデルを生成し、処理を終了する。生成したモデルは、分析時に利用するマスタデータであり、少なくとも各デバイスのサイクルパターンの情報や変化パターンの類型情報などを示す分析パラメータが含まれる。分析パラメータには、たとえばデバイス値のONの時間、OFFの時間、立ち上がりのタイミング、立ち下がりのタイミング、ONの回数、OFFの回数、および定常値の少なくとも1つを示す閾値が含まれる。これらの分析パラメータを用いて、推定フェーズにおける分析が行われる。
Returning to the description of FIG. In S33, the
<デバイスの類型>
図13は、収集される時系列データの類型の一例を示す。1301~1306は各類型のデバイス信号(時系列データ)を示す。デバイス信号には外部信号が含まれてもよい。なお、以下で説明する類型は一例であり、本発明を限定する意図はなくその他の類型にも本発明が適用されてもよい。また、本発明においては分類される類型は、分類効果を向上させるべく、これら複数の類型のうちの少なくとも2つの類型を含むことが望ましい。なお、モデル生成時における時系列データの分類は、オペレータが分類のための周期(制御サイクル)を決定するデバイスを選択することで、当該デバイスの繰り返し性に基づいて実行される。
<Device type>
FIG. 13 shows an example of types of collected time-series data. 1301 to 1306 indicate device signals (time series data) of each type. Device signals may include external signals. It should be noted that the type described below is an example, and the present invention is not intended to limit the present invention, and the present invention may be applied to other types. In addition, it is desirable that the types classified in the present invention include at least two types out of the plurality of types in order to improve the classification effect. Classification of time-series data at the time of model generation is performed based on the repetitiveness of the device by the operator selecting a device for determining the period (control cycle) for classification.
1301は、装置の動作サイクルに同期して動作するデバイスのデバイス信号を示す。1310は装置の動作サイクルを示す。1301の類型は、装置の動作サイクルごとに同様の変化パターン(定常的な変化パターン)が発生する。この類型では、たとえば、正常状態とみなせる期間において取得された時系列データから定常的な変化パターンを特定し、新たに取得された時系列データについて特定した定常的な変化パターンからの乖離に基づいて異常デバイス(いつもと異なる状態のデバイス)を特定するといった検知手法が割り当てられる。具体的には、正常状態とみなせる複数周期の時系列データの変化パターンについて、変化点に関する時間のばらつきを測定し、測定されたばらつきに応じてしきい値を設定する。その後に取得された時系列データの変化点が変化点に対応して設定されたしきい値の範囲を超えるか否かに基づいて異常デバイスを検知する検知アルゴリズムが割り当てられる。たとえば、装置の動作サイクルごとの複数の波形を重ね合わせ、デバイスがOFFからONに変化した点のばらつきに基づき、当該変化点の基準値としきい値とを設定し、これらのパラメータを用いて異常デバイスを特定することができる。また、1301の各周期において、1回目の信号の立ち上がりタイミングを示す相対時刻や各周期における位相を評価変数とし、当該評価変数のばらつきに基づいて評価変数に対応するパラメータを決定してもよい。たとえば、各周期における位相を評価変数とした場合は、位相の上限しきい値と下限しきい値をそれぞれパラメータとしてもよい。 1301 denotes a device signal of a device that operates in synchronization with the operation cycle of the device. 1310 indicates the operation cycle of the device. In the type of 1301, a similar change pattern (steady change pattern) occurs in each operation cycle of the device. In this type, for example, a stationary change pattern is identified from time series data acquired during a period that can be regarded as a normal state, and based on the divergence from the identified stationary change pattern for newly acquired time series data Detection techniques are assigned, such as identifying anomalous devices (devices that are in a different state than usual). Specifically, for a change pattern of time-series data of multiple cycles that can be regarded as a normal state, the variation in time with respect to the change point is measured, and a threshold value is set according to the measured variation. A detection algorithm is assigned to detect an abnormal device based on whether or not the change point of the time-series data acquired thereafter exceeds the range of a threshold set corresponding to the change point. For example, a plurality of waveforms for each operating cycle of the device are superimposed, and based on the variation in the point at which the device changes from OFF to ON, a reference value and a threshold value for the change point are set, and these parameters are used to determine whether an abnormality has occurred. Device can be identified. Also, in each cycle of 1301, the relative time indicating the timing of the first rise of the signal and the phase in each cycle may be used as evaluation variables, and parameters corresponding to the evaluation variables may be determined based on variations in the evaluation variables. For example, when the phase in each period is used as an evaluation variable, the upper threshold value and lower threshold value of the phase may be used as parameters.
分析ユニット4aは各サイクル設定のパターンについて何れのデバイスが属するかを判断する場合、判断基準により1つのデバイスが複数のサイクル設定に属すると判断されることがある。多くのデバイスを何れかのサイクル設定に属するように判断基準を設けると、分析対象のデバイスを増やすことができ要因解明につながりやすいが、デバイスに対して関連度の低いサイクル設定が含まれるおそれがある。そこで、1つのデバイスが複数のサイクル設定に属すると判断されるものについては、属するサイクル設定を絞ってもよい。絞るための指標として、評価変数が小さいほど関連度が高いとし、評価変数が低いほど関連度が低いとしてサイクル設定から外すようにしてもよい。また、サイクルの開始と終了の間でデバイス値が変化するデバイスは関連度が高いと判断し、サイクルの開始と終了の間以外の期間でデバイス値が変化するデバイスは関連度が低いと判断する。さらに、サイクルの開始と終了の間以外の期間でデバイス値が変化するデバイスは、デバイス値が変化する時点がサイクルの開始や終了から乖離するほど関連度が低いとしてもよい。このようにして、1つのデバイスが複数のサイクル設定に属すると判断されるものについては、属するサイクル設定を絞ってもよい。
When the
一方、1302は、スキャン周期には同期せず、当該装置の動作サイクル以外の周期に同期して動作するデバイスのデバイス信号を示す。この類型についても、たとえば、正常状態とみなせる期間において取得された時系列データから定常的な変化パターンを特定し、新たに取得された時系列データについて特定した定常的な変化パターンからの乖離に基づいて異常デバイス(いつもと異なる状態のデバイス)を特定するといった検知手法が割り当てられる。具体的には、正常状態とみなせる複数周期の時系列データの変化パターンについて、変化点に関する時間のばらつきを測定し、測定されたばらつきに応じてしきい値を設定する。その後に取得された時系列データの変化点が変化点に対応して設定されたしきい値の範囲を超えるか否かに基づいて異常デバイスを検知する検知アルゴリズムが割り当てられる。また、1302の各周期において、2回目の信号の立ち上がりタイミングを示す相対時刻や各周期における位相を評価変数とし、当該評価変数のばらつきに基づいて評価変数に対応するパラメータを決定してもよい。たとえば、各周期における相対時刻を評価変数とした場合は、相対時刻の上限しきい値と下限しきい値をそれぞれパラメータとしてもよい。 On the other hand, 1302 indicates a device signal of a device that operates in synchronization with a period other than the operation cycle of the device, not in synchronization with the scan period. For this type, for example, a stationary change pattern is identified from the time-series data acquired during a period that can be regarded as a normal state, and the newly obtained time-series data is based on the deviation from the identified stationary change pattern. A detection technique is assigned to identify anomalous devices (devices that are in a different state than usual). Specifically, for a change pattern of time-series data of multiple periods that can be regarded as a normal state, the variation in time with respect to the change point is measured, and a threshold value is set according to the measured variation. A detection algorithm is assigned to detect an abnormal device based on whether or not a change point of time-series data acquired thereafter exceeds a threshold range set corresponding to the change point. Also, in each period of 1302, the relative time indicating the second rise timing of the signal and the phase in each period may be used as evaluation variables, and parameters corresponding to the evaluation variables may be determined based on variations in the evaluation variables. For example, when the relative time in each period is used as an evaluation variable, the upper threshold value and lower threshold value of the relative time may be used as parameters.
1303は、一定した値をとるデバイスのデバイス信号を示す。この類型では、たとえば、正常状態とみなせる期間において取得された時系列データから、正常時の値を特定し、新たに取得された時系列データについて、特定した正常時の値と異なるものを異常デバイス(いつもと異なる状態のデバイス)として特定するといった検知手法が割り当てられる。具体的には、正常状態とみなせる時系列データにおけるデバイスの値を検出基準値として設定し、その後に取得された時系列データの値が、正常時の値に対応して設定された検出基準値と異なるか否かに基づいて異常デバイスを検知する検知アルゴリズムが割り当てられる。つまり、値(一定値)が変化した場合に異常と判断することができる。1304は、不定期に動作するデバイスのデバイス信号を示す。この類型については、異常デバイスを特定する際に用いるデータからは除外される。1305は、アナログ値をとるデバイスのデバイス信号を示す。アナログ値をとるデバイスでは、後述するように、ビットデバイスのデバイス値ではないので、図14でS91のNo(図14のS97)へ進み、図14で示すように、データの変化方法に応じてそれぞれで推定フェーズにおけるアルゴリズムが異なる。アナログ値を取るデバイスの推定フェーズにおけるアルゴリズムとしては、動的時間伸縮法や自己回帰モデルなど種々の方法を利用することができる。1306は、単調増加、単調減少するデバイスのデバイス信号を示す。この類型では、微分値や積算値を用いて異常デバイスを特定する。また、単調増加または単調減少するタイミングを示す相対時刻や各周期における位相を評価変数として用いてもよい。なお、ここで説明した類型は一例であり、他の類型に分類されるデバイスも想定され、たとえば、(階段状のデバイス信号など)複数の状態をとりうるものなどがある。複数の状態をとるものについては、正常時の状態と異なる状態に変化した場合に異常と判断することもできる。
1303 indicates a device signal of a device that takes a constant value. In this type, for example, from the time-series data acquired during a period that can be regarded as a normal state, values during normal times are specified, and for newly acquired time-series data, those that differ from the specified values during normal times are identified as abnormal devices. A detection method is assigned, such as identifying it as (a device in an unusual state). Specifically, the value of the device in the time-series data that can be regarded as normal is set as the detection standard value, and the time-series data value acquired after that is set as the detection standard value corresponding to the value in the normal state. A detection algorithm is assigned to detect an anomalous device based on whether it differs from . In other words, when the value (constant value) changes, it can be determined that there is an abnormality. A
ここで、デバイスの型について説明する。各デバイスは0、1のビット型のデバイスと、アナログ値をとる、ワード型のデバイスや浮動小数点数型のデバイスがある。なお、ワードデバイスには、さらに、1ワード符号なし整数(0~65535)、1ワード符号あり整数(-32768~32767)、2ワード符号なし整数(0~4294967295)、および2ワード符号あり整数(-214783648~214783647)がある。このような型を考慮すると、たとえば、スキャン周期あたりの変化率が所定値以上で、型がビット以外であればアナログ値をとるデバイスであると判断することができる。 Here, the type of device will be described. Each device includes a bit type device of 0 and 1, and a word type device and a floating point number type device that take analog values. The word device further includes 1 word unsigned integer (0 to 65535), 1 word signed integer (-32768 to 32767), 2 word unsigned integer (0 to 4294967295), and 2 word signed integer ( -214783648 to 214783647). Considering such a type, for example, if the rate of change per scan period is equal to or greater than a predetermined value and the type is other than bit, it can be determined that the device takes an analog value.
<分類処理フロー>
図14は、収集されたデータの変化パターンを分類する際の処理手順を示すフローチャートである。以下で説明する処理は、拡張ユニット4aのCPU41aによって実現される。しかし、本発明を限定する意図はなく、それらの処理の一部が基本ユニット3や他の拡張ユニット4bで実行されてもよいし、或いはプログラマブルロジックコントローラに通信可能に接続された外部装置(分析装置)によって実行されてもよい。
<Classification process flow>
FIG. 14 is a flow chart showing a processing procedure for classifying change patterns of collected data. The processing described below is implemented by the
S91でCPU41aは、分類対象の時系列データがビットデバイスのデバイス値であるか否かを判断する。ビットデバイスのデバイス値であればS92に進み、そうでなければ、S97に進む。
In S91, the
S92でCPU41aは、分類対象の時系列データの値に変化があるか否かを判断する。変化があればS94へ進み、変化がなく一定値をとるものであればS93に進む。S93でCPU41aは分類対象の時系列データを一定値をとるデバイス(1303)であると分類し、処理を終了する。ここで分類情報として、当該時系列データに紐づく情報、たとえば分類された類型を示すフラグ情報が当該時系列データまたは当該時系列データに対応するデバイスを示す識別情報に紐づけて格納される。このように、学習フェーズの分類時において分類した類型のフラグ情報とデバイスの識別情報とを紐づけて格納しておくことにより、推定フェーズにおいては、検証対象の時系列データが何れのデバイスからのデータであるかに従って、当該デバイスの識別情報に紐づく類型に応じて、異常デバイスの検知アルゴリズムである評価変数やパラメータを容易に選択することができる。つまり、推定フェーズにおいては、検証対象の時系列データが何れの類型に対応するかを特定する処理を省略することができる。なお、分類情報としては、分類された類型を示すフラグ情報を例として示したが、フラグ情報に代えて異常デバイス特定のアルゴリズムを示すアルゴリズム情報であってもよい。また、分類情報として格納される識別情報は、時系列データに対応するデバイスが変数である場合は、当該変数を示す識別情報となることはいうまでもない。
In S92, the
S94でCPU41aは、時系列データの値に変化がある場合に、当該変化が各周期において定常的な変化パターンであるかを判断する。定常的な変化パターンであると判断した場合にはS95に進み、定常的な変化パターンではないと判断した場合にはS96に進む。ここで、定常的な変化パターンとは、各周期において同様のパターンで変化するものを示す。S95でCPU41aは、所定の周期で動作するデバイスと分類し、処理を終了する。なお、所定の周期で動作するデバイスには、上述したように、装置の動作サイクルに同期して動作するデバイス(1301)と、装置の動作サイクル以外の周期に同期して動作するデバイス(1302)とがあり、CPU41aは、それぞれへの分類を行う。一方、S96でCPU41aは、不定期で動作するデバイス(1304)に分類し、処理を終了する。
In S94, when there is a change in the value of the time-series data, the
一方、S91でビットデバイスでないと判断されると、S97に進み、CPU41aは、分類対象の時系列データにおいて所定値以上の変化があるか否かを判断する。ここでは、変化している信号の極値が所定値以上であるか否かを判断する。変化がある場合はS98に進み、そうでない場合はS912に進む。
On the other hand, if it is determined in S91 that it is not a bit device, the process proceeds to S97, and the
S98でCPU41aは、所定の周期で変化しているか否かを判断し、所定の周期で変化していなければS99に進み、変化していればS910に進む。S910でCPU41aは、変化している値が単調増加又は単調減少しているか否かを判断する。単調増加又は単調減少していればS911に進み、そうでなければS99に進む。
In S98, the
S99でCPU41aは、アナログ値のデバイス(1305)に分類し、処理を終了する。アナログ値のデバイスにおいては種々の類型が存在し、分類対象のデバイスの種別に応じてそれぞれ個別の対応が行われる。一方、S911でCPU41aは、単調増加又は単調減少のデバイス(1306)であると分類し、処理を終了する。また、S912でCPU41aは、その他のデバイスであると分類し、処理を終了する。その他のデバイスであると判断した場合には当該分類対象の時系列データの特徴が抽出できないものであり、正常時の特徴のある動作を特定できないため、異常デバイスを特定する際には用いない。
In S99, the
<結果表示フロー>
図15は、上記S7における分析ユニット4aによる結果表示フローの詳細を示す。以下で説明する処理は、分析ユニット(拡張ユニット)4aのCPU41aによって実行される処理として説明する。しかし、本発明を限定する意図はなく、それらの処理の一部が他のユニットで実行されてもよいし、それらの処理の全てが一つのユニットで実行されてもよいし、或いはプログラマブルロジックコントローラに通信可能に接続された外部装置(分析装置)によって実行されてもよい。
<Result display flow>
FIG. 15 shows details of the result display flow by the
まずS71で分析ユニット4aのCPU41aは、分析レポートの要求を受け付けたか否かを判断する。分析レポートの要求とはオペレータによってPC2a、PC2bを介して受信する要求や、定期的な分析レポート生成タイミング、エラー発生時の分析レポートの作成などが含まれる。PLC1としては、いつもと異なる状態のデバイスが検知された場合にはオペレータからの要求なしに分析レポートを作成してもよいし、オペレータからの要求があって初めて分析レポートを作成するようにしてもよい。これらの制御は設定で切り替えることができる。分析レポートの要求を受け付けていればS72に進む。
First, in S71, the
S72でCPU41aは、基本ユニット3の運転記録記憶部37に格納された分析結果77を取得する。続いて、S73でCPU41aは、取得した分析結果に従って、PC2aやPC2bなどのWebクライアントのWebブラウザで表示可能な分析レポートを生成する。生成する分析レポートは図8Aを用いて上述した結果表示画面800を表示するための画面情報となる。ここでは、各分析結果を同期させて表示するための同期情報も付加される。具体的には、検知マップ810、検知リスト820、画像表示領域830、および分析コメント840に表示する画面情報に加えて、各分析結果の表示位置を示唆する情報が含まれる。表示位置を示唆する情報とは、上述したように、定義された制御サイクルのタイミング情報であってもよいし、単なる時刻情報であってもよい。即ち、同期可能な情報であればよい。また、CPU41aは分析コメント840を生成し、分析レポートに埋め込む。分析コメントの生成フローについては、図17および図18を用いて後述する。
In S<b>72 , the
次に、S74でCPU41aは、S73で生成した分析レポートを要求元のPC2へ送信する。ここで送信する情報は、HTMLデータ、CSSデータおよびJavaScript(登録商標)コードなどを含む情報であってもいし、単に分析レポートの生成が完了したことを示す通知であってもよい。通知を行う場合には改めてPC2側から表示要求を受け付けると、CPU41aは画面情報を送信する。その後、S75でCPU41aは、要求元から分析レポートの更新要求が受け付けたか否かを判断する。更新要求とは、たとえば表示部品の変更や、フィルタ801~803の選択による表示対象の変更、時刻バー811などを操作したことにより分析結果の時間的な表示位置の更新などである。なお、時刻バー811などを操作したことによる表示内容の更新については、PC2側に閉じた制御としてもよい。この場合、表示対象となっている表示部品の情報に加えて、当該表示部品上で表示しているデバイスの分析結果についての情報もPC2側へ提供する必要がある。更新要求を受け付けるとS76に進み、そうでない場合はS77に進む。
Next, in S74, the
S76でCPU41aは、更新要求の指示内容に従って分析レポートを更新し、処理をS74へ戻し更新した分析レポートを要求元へ送信する。一方、S77でCPU41aは、分析レポートの表示を終了する終了指示を受け付けたか否かを判断する。終了指示を受け付けていない場合は処理をS75に戻し、終了指示を受け付けたと判断した場合は処理を終了する。
In S76, the
図16は、上記S7におけるPC2bにおける結果表示フローの詳細を示す。以下で説明する処理は、PC2bのCPU11bによって実行される処理として説明する。しかし、本発明を限定する意図はなく、それらの処理の一部がPLCのユニットで実行されてもよいし、或いはプログラマブルロジックコントローラに通信可能に接続された他の外部装置(PC2aなど)によって実行されてもよい。PLCのユニットで実行される場合には当該ユニットにはモニタが設けられる。また、ここで説明する処理は、分析ユニット4aによって生成された分析レポートをブラウザとして表示する処理である。
FIG. 16 shows details of the result display flow in the
S81でCPU11bは、操作部8bを介して分析レポートの表示要求を受け付けたか否かを判断する。受け付けた場合にはS82に進む。S82でCPU11bは、分析レポートを分析ユニット4aに対して要求する。その後、S83でCPU11bは、分析ユニット4aから要求に対応する応答(分析レポート)を受信したか否かを判断する。ここで受信する情報としては、分析レポートを表示させるためのURL(IPアドレス)であってもよいし、分析レポートそのものの情報であってもよい。ここではURLを受信したものとして以下の処理を説明する。
In S81, the
応答を受信するとS84でCPU11bは、Webブラウザ18に指定して分析レポートを表示させる。続いて、S85でCPU11bは、分析レポートの表示を更新する更新要求を受け付けたか否かを判断する。受け付けた場合はS86へ進み、そうでない場合はS87へ進む。S86で、更新要求を受け付けるとS86でCPU11bは、更新要求をWebサーバである分析ユニット4aへ送信し、処理をS83に戻す。一方、更新要求でない場合はS87でCPU11bは、分析レポートの表示を終了する終了指示を受け付けたか否かを判断する。終了指示を受け付けていないと判断した場合は処理をS85へ戻し、終了指示を受け付けたと判断した場合は処理を終了する。
Upon receiving the response, in S84, the
<分析コメント生成フロー(自然言語表現)>
図17は自然言語による分析コメントの生成フローを示す。ここで説明する処理は、分析レポートを生成する上記S73の処理の一部(分析コメントの生成に関わる処理)である。以下で説明する処理は、分析ユニット(拡張ユニット)4aのCPU41aによって実行される処理として説明する。しかし、本発明を限定する意図はなく、それらの処理の一部が他のユニットで実行されてもよいし、それらの処理の全てが一つのユニットで実行されてもよいし、或いはプログラマブルロジックコントローラに通信可能に接続された外部装置(分析装置)によって実行されてもよい。
<Analysis comment generation flow (natural language expression)>
FIG. 17 shows the flow of generating analysis comments in natural language. The processing described here is part of the processing of S73 for generating the analysis report (processing related to generation of analysis comments). The processing described below will be described as processing executed by the
まずS731で分析ユニット4aのCPU41aは、S72で取得された分析結果を取得する。取得される分析結果1700には、図17に示すように、各デバイスの異常の種類の情報がそれぞれ含まれ、さらに詳細な情報やデバイス名、デバイスコメント等が含まれる。ここで、デバイスコメントとは、オペレータがユーザプログラムの編集画面等で特定のデバイスに対して入力したコメントを示す。オペレータは全てのデバイスにコメントを付すのではなく、通常、使用するデバイスに対してコメントを付すものである。したがって、デバイスコメントはオペレータにとって有用な情報となる。異常の種類には、1701に示す無変化デバイスが変化したパターン、1702に示すON/OFFの変化回数が異常であるパターン、および1703に示すON/OFFの時間が異常であるパターンなどが含まれる。それぞれの異常について、詳細情報として、たとえば正常時および異常時の変化パターンや時間間隔、変化回数、閾値、詳細な情報などが含まれる。つまり、詳細情報とは、上述した分析パラメータに相当するものである。
First, in S731, the
次に、S732でCPU41aは、デバイス毎の異常内容に従って、予め保持されているメッセージフォーマットをメモリ42aから選択して取得する。予め保持されているメッセージフォーマットを1720に示す。メッセージフォーマット1720には、異常の種類ごとに、自然言語による分析コメントを生成する際のフォーマットが定義されている。CPU41aは、デバイスの異常内容に応じて該当するメッセージフォーマットを選択する。1704には無変化デバイスが変化したパターンのメッセージフォーマット1705が定義されている。1706にはON/OFFの変化回数が異常であるパターンのメッセージフォーマット1707が定義されている。1708にはON/OFFの時間が異常であるパターンのメッセージフォーマット1709が定義されている。
Next, in S732, the
次に、S733でCPU41aは、選択したメッセージフォーマットに各デバイスの異常内容(分析結果)に応じた数値や自然言語を選択して埋め込む。より詳細には、メッセージフォーマット1705、1707、1709に示す”{}”に、各デバイスの異常内容(分析結果)に応じた値や自然言語が埋め込まれる。さらに、S734でCPU41aは、他の分析結果、たとえば検知マップ810、検知リスト820、および画像表示領域830に加えて、生成した分析コメントを加えた分析レポートを生成し、処理を終了する。
Next, in S733, the
<分析コメント生成フロー(図形表現)>
図18は図形による分析コメントの生成フローを示す。ここで説明する処理は、分析レポートを生成する上記S73の処理の一部(分析コメントの生成に関わる処理)である。以下で説明する処理は、分析ユニット(拡張ユニット)4aのCPU41aによって実行される処理として説明する。しかし、本発明を限定する意図はなく、それらの処理の一部が他のユニットで実行されてもよいし、それらの処理の全てが一つのユニットで実行されてもよいし、或いはプログラマブルロジックコントローラに通信可能に接続された外部装置(分析装置)によって実行されてもよい。
<Analysis comment generation flow (graphic expression)>
FIG. 18 shows the flow of generation of graphical analysis comments. The processing described here is part of the processing of S73 for generating the analysis report (processing related to generation of analysis comments). The processing described below will be described as processing executed by the
まずS736で分析ユニット4aのCPU41aは、S72で取得された分析結果を取得する。取得される分析結果1800には、図18に示すように、各デバイスの異常の種類の情報がそれぞれ含まれ、さらに詳細な情報やデバイス名、デバイスコメント等が含まれる。異常の種類には、1801に示すON/OFFの変化回数が異常であるパターン、および1802に示すON/OFFの時間が異常であるパターンなどが含まれる。もちろん他の異常内容のパターンが含まれてもよい。それぞれの異常について、詳細情報として、たとえば正常時および異常時の変化パターンや時間間隔、変化回数、閾値、詳細な情報などが含まれる。つまり、詳細情報とは、上述した分析パラメータに相当するものである。
First, in S736, the
次に、S737でCPU41aは、デバイス毎の異常内容に従って、予め保持されている図形フォーマットをメモリ42aから選択して取得する。予め保持されている図形フォーマットを1820に示す。図形フォーマット1820には、異常の種類ごとに、図形による分析コメントを生成する際のフォーマットが定義されている。CPU41aは、デバイスの異常内容に応じて該当する図形フォーマットを選択する。1803にはON/OFFの変化回数が異常であるパターンの図形フォーマット1804~1808が定義されている。1809にはON/OFFの時間が異常であるパターンの図形フォーマット1810~1816が定義されている。
Next, in S737, the
次に、S738でCPU41aは、選択した図形フォーマットに各デバイスの異常内容(分析結果)に応じた図形(一部文言や数値を含む。)を選択して埋め込む。より詳細には、図形フォーマット1804~1808、1810~1816に示す”?”の領域に、各デバイスの異常内容(分析結果)に応じた図形が埋め込まれる。さらに、S739でCPU41aは、他の分析結果、たとえば検知マップ810、検知リスト820、および画像表示領域830に加えて、生成した分析コメントを加えた分析レポートを生成し、処理を終了する。
Next, in S738, the
なお、分析コメント840に示すように、自然言語による異常内容の表現と、図形による異常内容の表現とが同時に含まれてもよい。この場合、上記図17のフローチャートと上記図18のフローチャートを実行するか、或いは、2つのフローチャートを合体したフローチャートとを実行することにより実現される。
Note that, as shown in the
<サイクル設定>
図19は、サイクルを定義する設定画面1900を示す。設定画面1900は、たとえばPC2aの表示部7aに表示中のUI100から所定の操作が行われた場合に表示部7aに表示される画面である。図19に示すように、UI100上に表示されているプログラムエディタに重畳して表示されてもよいし、UI100に表示されているプログラムエディタから遷移する画面として表示されてもよい。なお、設定画面1900はPC2b上のWebブラウザ18上で表示されてもよい。
<Cycle setting>
FIG. 19 shows a
設定画面1900には、運転記録分析を行う際のアプリケーションやアプリケーション名を指定する設定領域1901、1902が含まれる。これらの設定領域1901、1902は分析対象を設定するためのものである。図19にはデフォルトの設定が示してあり、オペレータは特に設定しなくてもよい。さらに、設定画面1900には基本設定の領域が有り、ここで制御サイクルを指定することができる。1903は制御サイクルの指定方法を設定し、1904はサイクル名を設定し、1905は開始トリガを設定し、1906は終了トリガを設定することができる。また、デフォルトでは制御サイクルは指定されておらず、追加ボタン1907のみが表示されている。
A
図19に示す例では、No.0,1,2の制御サイクルが既に指定されている状態を示す。本実施形態によれば、このように分析対象となる制御サイクルとして、1以上の制御サイクルを指定することができる。したがって、オペレータは広範囲に分析したい場合においては、複数の制御サイクルを指定することでより意図した分析レポートを確認することができる。指定方法1903は制御サイクルの起点となる開始タイミングおよび終点となる終了タイミングを指定する開始・終了指定と、開始タイミングのみを指定する開始指定を選択することができる。したがって、終了トリガ1906は開始・終了指定が選択された場合にのみ終了タイミングを指定することができる。ここでは、各サイクル定義毎に、所属するデバイスやデバイスのグループを設定していない。したがって、分析ユニット4a等が定義された制御サイクルに対応するデバイスを特定して分析を行うことになる。複数の制御サイクルを指定可能であるため、1つのデバイスが複数の制御サイクルに対応する可能性もある。この場合においては、分析対象として優先度をより高く設定するようにしてもよい。当該優先度が高ければ分析レポートにおいて優先的に表示するようにしてもよい。一方で、特定のデバイスを各サイクル定義に紐づける設定を行えるようにしてもよい。
In the example shown in FIG. This indicates that 0, 1, 2 control cycles have already been specified. According to this embodiment, one or more control cycles can be specified as control cycles to be analyzed in this way. Therefore, when the operator wants to analyze a wide range, he can confirm a more intended analysis report by designating a plurality of control cycles. The
設定画面1900にはさらに、設定保存1911、設定読出1912、OKボタン1913、およびキャンセルボタン1914を含んで構成される。設定保存1911は設定画面1900内で設定された設定内容を保存するためのボタンである。設定読出1912は基本ユニット3のメモリ32のプロジェクト記憶部35に予め保持されている設定ファイルを読み出すためのボタンである。当該設定ファイルには、1以上の制御サイクルが予め指定されている。当該設定ファイルを読み出した後に、さらに制御サイクルを追加することも可能である。OKボタン1913は設定画面1900上に設定されている内容を有効にして設定処理を終了するためのボタンである。キャンセルボタン1914は設定画面1900上に設定されている内容を適用することなく設定処理を終了するためのボタンである。
The
<サイクル未設定>
図20はサイクル未設定の分析レポートの検知マップ810を示す。分析ユニット4aはサイクル未設定であっても分析は可能であるが、分析可能なデバイスは極端に少ない。つまり、サイクルパターンを有していないデバイスに限られる。サイクルパターンを有していないデバイスとは、たとえばデバイス値が固定値で変化しないデバイスである。たとえば、図20の2001に示すように、常時ONや常時OFFのデバイスはサイクルが未設定であっても分析を行うことができる。一方、所定のサイクルパターンを有するデバイスについてはサイクルが未設定であれば分析を行うことができない。このように、分析可能なデバイスが少ないため、サイクルが未設定の場合も分析自体は可能であるものの、分析結果の有効性は限定的である。したがって、図20に示すように、分析レポートにおいて、サイクルが未設定である旨と、サイクル設定を促すメッセージ2002を表示するようにしてもよい。「サイクル設定して分析する」が選択されるとサイクル設定のポップアップ画面が表示され、オペレータはサイクル設定を行うことができる。
<Cycle not set>
FIG. 20 shows a
<モデル信頼度>
図21はモデル信頼度を説明する図である。ここでは、図10の1030で示したモデル信頼度について詳細に説明する。生成したモデルは生成時に扱ったデータ量に応じてその信頼度が変化するものである。そこで、分析ユニット4aは、モデル生成時にそのモデルの信頼度を測定して、属性情報としてモデルに付加する。図21には、10サイクルの運転記録データを取得した場合に、モデル生成と分析を行う様子が示されている。たとえば、10サイクルの運転記録データを取得したとしても、シンプルなデバイスではモデル生成に十分なデータであるものの、非同期のデバイスなどでは不十分な可能性もある。従って、サイクル数だけでは生成したモデルの信頼度を推測することは難しい。そこでモデルの信頼度を測定して提示することができれば学習時には、良いモデルができたかどうかをオペレータが判断することができ、異常検知時には検知した内容が信頼できるものかをオペレータが判断することができる。
<Model Reliability>
FIG. 21 is a diagram for explaining model reliability. Here, the model reliability indicated by 1030 in FIG. 10 will be described in detail. The reliability of the generated model changes according to the amount of data handled at the time of generation. Therefore, the
2101~2103は学習時に、正常データを1サイクルずつ学習、追加学習を繰り返し、次のサイクルのデータを分析した様子を示す。2101は7サイクルを利用してモデルを生成し、8サイクル目を分析した場合を示す。2102は8サイクルを利用してモデルを生成し、9サイクル目を分析した場合を示す。2103は9サイクルを利用してモデルを生成し、10サイクル目を分析した場合を示す。図21に示す例では、たとえば、それぞれ生成したモデルにおいて、異常の検知数は、2101で8つ、2102で3つ、2103で5つとなる。本来正常データであるため検知数は0になることが望ましい。しかし、正常データの量が不十分である場合には0にならない。これらの異常の検知数をそのまま信頼度としてオペレータに提示してもよいが、検知個数を信頼度に正規化して提示してもよい。たとえば、検知数が0であれば信頼度を最も高い”3”とし、検知数が1~10であれば信頼度を”2”として、検知数が11~20であれば信頼度を”1”とし、検知数が21以上であれば信頼度を”0”としてもよい。たとえば、図21に示すように、2101の検知数が最も多い測定値を利用して信頼度を取得してもよい。なお、学習が一旦終了したタイミングで学習の完了と生成したモデルの信頼度を提示し、更なる学習を行うかをオペレータに選択させてもよい。或いは、所定の信頼度に到達するまで学習を繰り返すようにしてもよい。
<変形例>
本発明は上記実施形態に限らず様々な変形が可能である。以下では種々の変形例について図面を参照して説明する。
<Modification>
The present invention is not limited to the above embodiment, and various modifications are possible. Various modifications will be described below with reference to the drawings.
<システム構成の変形例>
図22はPLCシステム構成の変形例を示す。上記実施形態では、PLCシステムとして、基本ユニット3、分析ユニット4a、およびカメラユニットなどの拡張ユニット4bで構成されるPLC1と、基本ユニット3に接続されるPC2aと、分析ユニット4aに接続される分析レポートを表示するPC2bとを含んで構成される例について説明した。しかし、これらの構成は一例であって、上述した運転記録データの収集、モデルの生成、分析、分析結果の表示については何れの装置やユニットで行われてもよいし、さらに他の外部装置や他の拡張ユニットによって実現されてもよい。ここではそのような構成の変形例について説明する。
<Modified example of system configuration>
FIG. 22 shows a modification of the PLC system configuration. In the above-described embodiment, the PLC system includes a
たとえば、図22に示すように、上記実施形態に係る分析ユニット4aの機能をPLC1の上位層に配置される分析装置(データ処理装置として機能する)2cで実現してもよい。モデルの学習フェーズの処理などは非常に処理負荷が高く、処理時間を要するものであるため、PLCユニットの処理能力に応じて外部で実現することも想定され得る。また、上位層の装置に分析機能を設けることにより、他のPLCからも情報を吸い上げることもでき、より信頼度の高いモデルを生成することも可能となる。分析装置2cは、PLC固有情報の解析、モデルの生成、分析、分析レポートの作成などの機能を有する。これらの機能については、分析ユニット4aと同様の処理であるため説明を省略する。
For example, as shown in FIG. 22, the function of the
また、上記実施形態では、基本ユニット3が全デバイスの運転記録データを収集していたが、他の拡張ユニット行ってもよい。たとえば、図22に示すように、拡張ユニットとしてレコーダユニット4cを設けてもよい。レコーダユニット4cはCPU41cと、メモリ42cと、通信部43cとを備える。メモリ42cには、上記実施形態で基本ユニット3に設けられていたリングバッファ44cと、運転記録記憶部45cとの記憶領域が設けられる。運転記録の収集については、上記実施形態の基本ユニット3と同様の処理であるため詳細な説明については省略する。
Also, in the above embodiment, the
このように、本発明によれば、上記実施形態で説明した処理機能を実現する装置又はユニットは可能な範囲で変更することができるものであり、本発明はそれらの変形を包括するものである。上記変形例では、基本ユニット3とは別に運転記録データを収集するレコーダユニット4cを設ける例を説明したが、当該ユニットには収集機能および通信機能を設けて、保存先についてはネットワークを介して接続されたデータベースとしてもよい。これにより、より大容量のデータを保存することができ、トリガ発生時よりもかなり遡った解析を行うことができるとともに、他のPLCシステムのデータも利用することが可能となる。
As described above, according to the present invention, the devices or units that implement the processing functions described in the above embodiments can be changed within the possible range, and the present invention encompasses those modifications. . In the above modification, an example was described in which the
また、上記変形例では、処理機能を基本ユニット3とは別のユニットで実現したり、外部装置で実現する例について説明したが、基本ユニット3にそれらの処理機能を一体化する形態であってもよい。このような構成のメリットは、他のユニットや外部装置との通信処理を省略できるため通信による処理負荷を低減でき、PLC制御への影響を低減することができる点にある。なお、一体化する場合においての性能は基本ユニット3の性能に依存することになるため、基本ユニット3の高性能化が必要となる。
Further, in the above modified example, an example in which the processing functions are realized by a unit separate from the
<まとめ>
[観点1]
本発明は、分析装置であって、ユーザプログラムを繰り返し実行する実行エンジンと、前記ユーザプログラムの実行によって収集される、時系列の複数のデバイス値を含む運転記録データを取得する取得手段と、取得された正常時の前記運転記録データの学習に基づきデバイス毎の分析パラメータを含むモデルを生成するモデル生成手段と、取得された分析対象の前記運転記録データについて、前記モデルに従って正常条件を満たさない非正常デバイスを分析する分析手段と、前記非正常デバイスとして検知した各デバイスの分析結果に基づき、前記分析パラメータに応じた表現を含む分析レポートを生成するレポート生成手段とを備える。本実施形態によれば、運転記録データの分析結果に従って、異常の要因を容易に識別可能なレポートを提供することができる。また、煩雑なユーザ操作を必要とすることなく異常の要因を容易に識別可能なレポートを提供することができる。
<Summary>
[Viewpoint 1]
The present invention is an analysis apparatus comprising: an execution engine that repeatedly executes a user program; an acquisition means that acquires drive record data including a plurality of time-series device values collected by executing the user program; model generation means for generating a model including analysis parameters for each device based on the learning of the normal driving record data; The apparatus includes analysis means for analyzing normal devices, and report generation means for generating an analysis report including expressions corresponding to the analysis parameters based on analysis results of each device detected as the abnormal device. According to this embodiment, it is possible to provide a report that allows easy identification of the cause of the abnormality, according to the analysis result of the driving record data. In addition, it is possible to provide a report that can easily identify the cause of the abnormality without requiring complicated user operations.
[観点2]
上記実施形態において、前記分析パラメータに応じた表現は、該分析パラメータに応じて分析結果を示す、自然言語での表現および図形での表現の少なくとも1つを含む。本実施形態によれば、自然言語による異常内容の表現により、自然言語が人同士の会話と同様の方法であるため、ユーザは新しく覚えることが少なくなり、専門的な知識を必要とすることなく異常内容を容易に解析できる。一方、図形による異常内容の表現により、視覚的に理解でき、どのような異常だったか、タイミングや異常度合いなどの詳細を知ることができる。
[Viewpoint 2]
In the above embodiment, the expression according to the analysis parameter includes at least one of a natural language expression and a graphical representation indicating the analysis result according to the analysis parameter. According to this embodiment, since the abnormal content is expressed in natural language, the natural language is the same method as a conversation between people, so the user does not have to learn anything new, and does not require specialized knowledge. Abnormal content can be easily analyzed. On the other hand, the graphical representation of the content of the anomaly makes it possible to visually understand it, and to know details such as what kind of anomaly occurred, the timing, and the degree of the anomaly.
[観点3]
上記実施形態において、前記自然言語での表現および前記図形での表現のそれぞれは、異常内容に応じたフォーマットが予め定義され、前記レポート生成手段は、デバイス毎の異常内容に応じて前記フォーマットを選択して前記分析パラメータに応じた表現を生成する。本実施形態によれば、分析コメントにおける自然言語による表現や、図形による表現を、予め保持しているデータベースを用いて自動で作成できるため、オペレータによる煩雑な操作を必要とすることなく実現することができる。
[Viewpoint 3]
In the above-described embodiment, each of the expression in natural language and the expression in graphic has a predefined format corresponding to the content of the abnormality, and the report generation means selects the format in accordance with the content of the abnormality for each device. to generate an expression according to the analysis parameters. According to this embodiment, expressions in natural language and graphical expressions in analysis comments can be automatically created using a pre-stored database, so that complex operations by the operator are not required. can be done.
[観点4]
上記実施形態において、前記レポート生成手段は、前記異常内容に応じたフォーマットに、前記分析結果に基づく自然言語又は図形を選択して埋め込むことにより前記自然言語の表現を生成する。本実施液体によれば、異常内容に応じたフォーマットに自然言語や図形を埋め込むなどの簡易な処理によって上記実施形態と同様の効果を得ることができる。
[Viewpoint 4]
In the above embodiment, the report generation means generates the natural language expression by selecting and embedding the natural language or graphics based on the analysis result in a format corresponding to the content of the abnormality. According to the liquid of this embodiment, it is possible to obtain the same effects as those of the above embodiments by simple processing such as embedding a natural language or graphics in a format corresponding to the content of the abnormality.
[観点5]
上記実施形態において、前記図形での表現には、正常時のデバイスの波形と、非正常デバイスとして検知された波形とが対比可能に含まれる。本実施形態によれば、正常時の動作と分析対象の動作とを対比して確認することができ、いつもと違う動作をより容易に把握することができる。
[Viewpoint 5]
In the above-described embodiment, the graphical representation includes waveforms of a normal device and waveforms detected as an abnormal device so that they can be compared. According to the present embodiment, it is possible to compare and confirm normal behavior and behavior to be analyzed, and to more easily grasp unusual behavior.
[観点6]
上記実施形態において、前記非正常デバイスとして検知された波形には、異常箇所が強調表示される。本実施形態によれば、検知された波形の何れの位置で異常が発生しているかを容易に確認することができる。
[Viewpoint 6]
In the above embodiment, the abnormal portion is highlighted in the waveform detected as the abnormal device. According to this embodiment, it is possible to easily confirm at which position in the detected waveform an abnormality occurs.
[観点7]
上記実施形態において、前記モデル生成手段は、各デバイスの前記時系列の複数のデバイス値から、各デバイスを変化パターンを示す複数の類型の何れかにそれぞれ分類し、分類された類型に従って前記分析手段で非正常デバイスを検知する際に用いる前記分析パラメータを決定する。本実施形態によれば、デバイスの変化パターンの類型ごとに適切な分析を行うことができ、より正確な分析結果を得ることができる。
[Viewpoint 7]
In the above embodiment, the model generation means classifies each device into one of a plurality of types indicating change patterns from the plurality of time-series device values of each device, and the analysis means according to the classified types. determine the analysis parameters to be used in detecting abnormal devices. According to this embodiment, appropriate analysis can be performed for each type of device change pattern, and more accurate analysis results can be obtained.
[観点8]
上記実施形態において、前記分析パラメータには、デバイス値のONの時間、OFFの時間、立ち上がりのタイミング、立ち下がりのタイミング、ONの回数、OFFの回数、および定常値の少なくとも1つが含まれる。本実施形態によれば、種々の変化パターンに対応して分析することが可能であり、より正確な分析結果を得ることができる。
[Viewpoint 8]
In the above embodiment, the analysis parameter includes at least one of device value ON time, OFF time, rise timing, fall timing, ON count, OFF count, and steady state value. According to this embodiment, it is possible to perform analysis corresponding to various change patterns, and more accurate analysis results can be obtained.
[観点9]
上記実施形態において、前記レポート生成手段から出力された前記分析レポートの内容を示す結果表示画面の画面情報を外部装置へ送信する送信手段をさらに備え、前記外部装置では、前記結果表示画面が操作可能に表示部に表示される。本実施形態によれば、分析レポートを外部装置へ送信することができ、たとえばより高性能のPC等で分析レポートを解析することができ、より詳細な分析やよりリッチな操作体系を有する結果表示画面の表示を可能とする。
[Viewpoint 9]
In the above embodiment, the method further comprises transmission means for transmitting screen information of a result display screen showing the content of the analysis report output from the report generation means to an external device, wherein the result display screen can be operated on the external device. is displayed on the display. According to this embodiment, the analysis report can be transmitted to an external device, for example, the analysis report can be analyzed by a higher-performance PC or the like, and the results can be displayed with more detailed analysis and a richer operation system. Enable screen display.
[観点10]
上記実施形態において、前記結果表示画面には、さらに、前記分析レポートの表示項目を絞るための条件を指定可能なフィルタ設定領域が含まれる。本実施形態によれば、不要な表示項目を結果表示画面から除外することができ、より容易に異常の解析を行うことができる。
[Viewpoint 10]
In the above embodiment, the result display screen further includes a filter setting area in which conditions for narrowing down the display items of the analysis report can be specified. According to this embodiment, unnecessary display items can be excluded from the result display screen, and abnormality can be analyzed more easily.
[観点11]
上記実施形態において、前記フィルタ設定領域では、デバイスの制御サイクルの指定、属性情報の指定、および、イベント、エラーの指定の少なくとも1つによってフィルタが指定可能である。本実施形態によれば、オペレータが表示項目を絞る際に種々の選択肢を提供することができる。
[Viewpoint 11]
In the above embodiment, in the filter setting area, a filter can be specified by at least one of device control cycle specification, attribute information specification, and event/error specification. According to this embodiment, various options can be provided when the operator narrows down the display items.
[観点12]
上記実施形態において、前記ユーザプログラムの編集画面を表示する表示手段をさらに備え、前記編集画面では、該編集画面の時間軸に同期した前記分析レポートが表示可能である。本実施形態によれば、ユーザプログラムと連携して分析レポートを表示することができ、ユーザプログラムも加味した分析を行うことができる。
[Viewpoint 12]
In the above embodiment, display means for displaying an edit screen of the user program is further provided, and the analysis report synchronized with the time axis of the edit screen can be displayed on the edit screen. According to this embodiment, an analysis report can be displayed in cooperation with a user program, and analysis can be performed in consideration of the user program.
[観点13]
上記実施形態において、前記分析レポートの生成要求を受け付ける受付手段と、前記レポート生成手段によって前記生成要求に応じて前記分析レポートが生成されると、要求元に分析レポートの生成が完了した旨を通知する通知手段とをさらに備える。本実施形態によれば、分析レポートの生成が完了した旨をオペレータに通知することができ、よりユーザフレンドリな操作体系を実現することができる。
[Viewpoint 13]
In the above embodiment, when the analysis report is generated by the reception means for receiving the analysis report generation request and the report generation means in response to the generation request, the requester is notified that the analysis report generation has been completed. and notification means for performing. According to this embodiment, the operator can be notified that the generation of the analysis report has been completed, and a more user-friendly operation system can be realized.
[観点14]
上記実施形態において、1以上の制御サイクルの定義を設定する設定手段をさらに備え、前記モデル生成手段は、設定された前記1以上の制御サイクルの定義に基づいて、取得された前記運転記録データの学習を行い、前記レポート生成手段は、前記非正常デバイスとして検知した各デバイスの分析結果を、設定された前記1以上の制御サイクルの定義に従って各デバイスの分析結果を時間軸上に同期させて表示する分析レポートを生成する。本実施形態によれば、制御サイクルに従って、学習フェーズ及び推定フェーズの処理を行うことができ、処理を簡略することができるとともに、正確な分析や同期を行うことができる。
[Viewpoint 14]
In the above embodiment, further comprising setting means for setting definitions of one or more control cycles, the model generating means, based on the set definitions of the one or more control cycles, of the acquired driving record data. After learning, the report generating means synchronizes and displays the analysis results of each device detected as the abnormal device on the time axis according to the one or more set control cycle definitions. Generate analysis reports that According to this embodiment, the processing of the learning phase and the estimation phase can be performed according to the control cycle, the processing can be simplified, and accurate analysis and synchronization can be performed.
[観点15]
上記実施形態において、前記分析手段は、前記設定手段によって制御サイクルが定義されていない場合において、制御サイクルのサイクルパターンを有していないデバイスを分析対象として、前記運転記録データを分析する。本実施形態によれば、オペレータに対してサイクルパターンの設定操作を要求することなく分析レポートを容易に出力することができる。従って、オペレータはサイクルパターンを設定することなく、お試しで分析レポートを生成することもでき、生成された分析レポートを解析してより詳細に分析すべくサイクルパターンを設定するなどの解析手法も行うことができる。
[Viewpoint 15]
In the above-described embodiment, the analyzing means analyzes the driving record data for a device that does not have a cycle pattern of a control cycle when the control cycle is not defined by the setting means. According to this embodiment, it is possible to easily output an analysis report without requiring the operator to perform a cycle pattern setting operation. Therefore, the operator can generate a trial analysis report without setting the cycle pattern, and also perform analysis methods such as analyzing the generated analysis report and setting the cycle pattern for more detailed analysis. be able to.
[観点16]
上記実施形態において、前記レポート生成手段は、制御サイクルのサイクルパターンを有していないデバイスの分析結果を分析レポートとして生成し、
前記分析レポートには、制御サイクルが設定されていない旨と、前記設定手段によって制御サイクルの設定を促すメッセージが含まれる。本実施形態によれば、オペレータがサイクル設定を忘れている場合などに、サイクル設定を促すことができ、よりユーザフレンドリな操作体系を提供することができる。
[Viewpoint 16]
In the above embodiment, the report generation means generates an analysis report of the analysis result of a device that does not have a control cycle cycle pattern,
The analysis report includes a message to the effect that the control cycle has not been set and a message prompting the setting means to set the control cycle. According to this embodiment, when the operator forgets to set the cycle, it is possible to prompt the operator to set the cycle, thereby providing a more user-friendly operation system.
[観点17]
本発明は、データ処理装置とプログラマブルロジックコントローラとが通信可能な分析システムであって、ユーザプログラムを繰り返し実行する実行エンジンと、前記ユーザプログラムの実行によって収集される、時系列の複数のデバイス値を含む運転記録データを取得する取得手段と、取得された正常時の前記運転記録データの学習に基づきデバイス毎のモデルを生成するモデル生成手段と、取得された分析対象の前記運転記録データについて、前記モデルに従って正常条件を満たさない非正常デバイスを分析する分析手段と、前記非正常デバイスとして検知した各デバイスの分析結果を、時間軸上で同期させて表示する分析レポートを生成するレポート生成手段とを備える。本実施形態によれば、運転記録データの分析結果に従って、異常の要因を容易に識別可能なレポートを提供することができる。また、煩雑なユーザ操作を必要とすることなく異常の要因を容易に識別可能なレポートを提供することができる。
[Viewpoint 17]
The present invention is an analysis system in which a data processing device and a programmable logic controller can communicate, and includes an execution engine that repeatedly executes a user program, and a plurality of time-series device values collected by executing the user program. Acquisition means for acquiring driving record data including the analysis means for analyzing abnormal devices that do not satisfy normal conditions according to a model; and report generation means for generating an analysis report that displays the analysis results of each device detected as abnormal devices in synchronization on the time axis. Prepare. According to this embodiment, it is possible to provide a report that allows easy identification of the cause of the abnormality, according to the analysis result of the driving record data. In addition, it is possible to provide a report that can easily identify the cause of the abnormality without requiring complicated user operations.
[観点18]
上記実施形において、前記取得手段、前記モデル生成手段、分析手段、および前記レポート生成手段の少なくとも1つは前記データ処理装置に設けられる。本実施形態によれば、PLCの開発コストや、データ処理装置の性能等に応じて、本発明を実現するための構成をフレキシブルに適切なコンポーネントへ組み込むことが可能となり、システム設計の自由度を向上することができる。
[Viewpoint 18]
In the above embodiment, at least one of the acquisition means, the model generation means, the analysis means, and the report generation means is provided in the data processing device. According to this embodiment, the configuration for realizing the present invention can be flexibly incorporated into an appropriate component according to the development cost of the PLC, the performance of the data processing device, etc., and the degree of freedom in system design is increased. can be improved.
[観点19]
上記実施形態において、前記プログラマブルロジックコントローラは、
前記実行エンジンを備えるCPUユニットと、前記取得手段を実現する前記プログラマブルロジックコントローラに設けられるレコーダユニットとを備え、前記データ処理装置は、前記モデル生成手段、分析手段、および前記レポート生成手段を備える。本実施形態によれば、PLCの開発コストや、データ処理装置の性能等に応じて、本発明を実現するための構成をフレキシブルに適切なコンポーネントへ組み込むことが可能となり、システム設計の自由度を向上することができる。
[Viewpoint 19]
In the above embodiment, the programmable logic controller
A CPU unit comprising the execution engine, and a recorder unit provided in the programmable logic controller that implements the acquisition means, wherein the data processing device comprises the model generation means, the analysis means, and the report generation means. According to this embodiment, the configuration for realizing the present invention can be flexibly incorporated into an appropriate component according to the development cost of the PLC, the performance of the data processing device, etc., and the degree of freedom in system design is increased. can be improved.
発明は上記の実施形態に制限されるものではなく、発明の要旨の範囲内で、種々の変形・変更が可能である。 The invention is not limited to the above embodiments, and various modifications and changes are possible within the scope of the invention.
Claims (20)
ユーザプログラムを繰り返し実行する実行エンジンと、
前記ユーザプログラムの実行によって収集される、時系列の複数のデバイス値を含む運転記録データを取得する取得手段と、
取得された正常時の前記運転記録データの学習に基づきデバイス毎の分析パラメータを含むモデルを生成するモデル生成手段と、
取得された分析対象の前記運転記録データについて、前記モデルに従って正常条件を満たさない非正常デバイスを分析する分析手段と、
前記非正常デバイスとして検知した各デバイスの分析結果に基づき、前記分析パラメータに応じた表現を含む分析レポートを生成するレポート生成手段と
を備えることを特徴とする分析装置。 an analytical device,
an execution engine that repeatedly executes a user program;
Acquisition means for acquiring drive record data including a plurality of time-series device values collected by executing the user program;
model generation means for generating a model including analysis parameters for each device based on learning of the acquired driving record data during normal operation;
analysis means for analyzing the acquired drive record data to be analyzed for abnormal devices that do not satisfy normal conditions according to the model;
and report generating means for generating an analysis report including an expression corresponding to the analysis parameter based on the analysis result of each device detected as the abnormal device.
前記レポート生成手段は、デバイス毎の異常内容に応じて前記フォーマットを選択して前記分析パラメータに応じた表現を生成することを特徴とする請求項2に記載の分析装置。 Each of the expression in the natural language and the expression in the graphic has a predefined format corresponding to the content of the abnormality,
3. The analysis apparatus according to claim 2, wherein said report generation means selects said format according to the content of abnormality for each device and generates an expression according to said analysis parameter.
各デバイスの前記時系列の複数のデバイス値から、各デバイスを変化パターンを示す複数の類型の何れかにそれぞれ分類し、
分類された類型に従って前記分析手段で非正常デバイスを検知する際に用いる前記分析パラメータを決定することを特徴とする請求項1乃至6の何れか1項に記載の分析装置。 The model generation means is
classifying each device into one of a plurality of types indicating change patterns from the plurality of time-series device values of each device;
7. The analyzer according to any one of claims 1 to 6, wherein the analysis parameters used when the abnormal device is detected by the analysis means are determined according to the classified type.
前記外部装置では、前記結果表示画面が操作可能に表示部に表示されることを特徴とする請求項1乃至8の何れか1項に記載の分析装置。 further comprising transmission means for transmitting screen information of a result display screen showing the content of the analysis report output from the report generation means to an external device;
9. The analyzer according to any one of claims 1 to 8, wherein the result display screen is operably displayed on a display unit of the external device.
前記編集画面では、該編集画面の時間軸に同期した前記分析レポートが表示可能であることを特徴とする請求項10又は11に記載の分析装置。 further comprising display means for displaying an edit screen of the user program,
12. The analyzer according to claim 10, wherein the analysis report can be displayed on the edit screen in synchronization with the time axis of the edit screen.
前記レポート生成手段によって前記生成要求に応じて前記分析レポートが生成されると、要求元に分析レポートの生成が完了した旨を通知する通知手段と
をさらに備えることを特徴とする請求項12に記載の分析装置。 receiving means for receiving a request for generating the analysis report;
13. The apparatus according to claim 12, further comprising notifying means for notifying a source of the request that the analysis report has been generated when the analysis report is generated by the report generating means in response to the generation request. analyzer.
前記モデル生成手段は、設定された前記1以上の制御サイクルの定義に基づいて、取得された前記運転記録データの学習を行い、
前記レポート生成手段は、前記非正常デバイスとして検知した各デバイスの分析結果を、設定された前記1以上の制御サイクルの定義に従って各デバイスの分析結果を時間軸上に同期させて表示する分析レポートを生成することを特徴とする請求項1乃至13の何れか1項に記載の分析装置。 Further comprising setting means for setting one or more control cycle definitions,
The model generation means learns the acquired driving record data based on the set definition of the one or more control cycles,
The report generating means generates an analysis report displaying the analysis results of each device detected as the abnormal device in synchronization with the time axis according to the one or more set control cycle definitions. 14. The analysis device according to any one of claims 1 to 13, wherein the analysis device generates a
前記分析レポートには、制御サイクルが設定されていない旨と、前記設定手段によって制御サイクルの設定を促すメッセージが含まれることを特徴とする請求項15に記載の分析装置。 The report generation means generates an analysis report of an analysis result of a device that does not have a control cycle cycle pattern,
16. The analyzer according to claim 15, wherein said analysis report includes a message to the effect that no control cycle has been set and a message prompting said setting means to set a control cycle.
ユーザプログラムを繰り返し実行する実行エンジンと、
前記ユーザプログラムの実行によって収集される、時系列の複数のデバイス値を含む運転記録データを取得する取得手段と、
取得された正常時の前記運転記録データの学習に基づきデバイス毎のモデルを生成するモデル生成手段と、
取得された分析対象の前記運転記録データについて、前記モデルに従って正常条件を満たさない非正常デバイスを分析する分析手段と、
前記非正常デバイスとして検知した各デバイスの分析結果を、時間軸上で同期させて表示する分析レポートを生成するレポート生成手段と
を備えることを特徴とする分析システム。 An analysis system in which a data processing device and a programmable logic controller can communicate,
an execution engine that repeatedly executes a user program;
Acquisition means for acquiring drive record data including a plurality of time-series device values collected by executing the user program;
a model generating means for generating a model for each device based on learning of the acquired driving record data in a normal state;
analysis means for analyzing the acquired drive record data to be analyzed for abnormal devices that do not satisfy normal conditions according to the model;
and report generation means for generating an analysis report displaying the analysis results of each device detected as the abnormal device in synchronization on the time axis.
前記実行エンジンを備えるCPUユニットと、
前記取得手段を実現する前記プログラマブルロジックコントローラに設けられるレコーダユニットと
を備え、
前記データ処理装置は、
前記モデル生成手段、分析手段、および前記レポート生成手段を備えることを特徴とする請求項17に記載の分析システム。 The programmable logic controller is
a CPU unit comprising the execution engine;
A recorder unit provided in the programmable logic controller that realizes the acquisition means,
The data processing device is
18. The analysis system according to claim 17, comprising said model generation means, analysis means, and said report generation means.
ユーザプログラムを繰り返し実行する工程と、
前記ユーザプログラムの実行によって収集される、時系列の複数のデバイス値を含む運転記録データを取得する取得工程と、
取得された正常時の前記運転記録データの学習に基づきデバイス毎のモデルを生成するモデル生成工程と、
取得された分析対象の前記運転記録データについて、前記モデルに従って正常条件を満たさない非正常デバイスを分析する分析工程と、
前記非正常デバイスとして検知した各デバイスの分析結果を、時間軸上で同期させて表示する分析レポートを生成するレポート生成工程と
を含むことを特徴とするシステムの制御方法。 A control method for a system in which a data processing device and a programmable logic controller can communicate,
repeatedly executing a user program;
an acquisition step of acquiring driving record data including a plurality of time-series device values collected by executing the user program;
a model generation step of generating a model for each device based on learning of the acquired normal driving record data;
an analysis step of analyzing the acquired drive record data to be analyzed for abnormal devices that do not satisfy normal conditions according to the model;
and a report generating step of generating an analysis report displaying the analysis results of each device detected as the abnormal device in synchronization on the time axis.
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2021062982A JP2022158226A (en) | 2021-04-01 | 2021-04-01 | Analysis device, analysis system, and method for controlling the same |
CN202210305465.2A CN115202280A (en) | 2021-04-01 | 2022-03-25 | Analysis device, analysis system, and control method thereof |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2021062982A JP2022158226A (en) | 2021-04-01 | 2021-04-01 | Analysis device, analysis system, and method for controlling the same |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2022158226A true JP2022158226A (en) | 2022-10-17 |
Family
ID=83574718
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021062982A Pending JP2022158226A (en) | 2021-04-01 | 2021-04-01 | Analysis device, analysis system, and method for controlling the same |
Country Status (2)
Country | Link |
---|---|
JP (1) | JP2022158226A (en) |
CN (1) | CN115202280A (en) |
-
2021
- 2021-04-01 JP JP2021062982A patent/JP2022158226A/en active Pending
-
2022
- 2022-03-25 CN CN202210305465.2A patent/CN115202280A/en active Pending
Also Published As
Publication number | Publication date |
---|---|
CN115202280A (en) | 2022-10-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11009862B2 (en) | System and method for monitoring manufacturing | |
CN107436594B (en) | Automated historian configuration method using controller-based meta-attributes | |
US20170351226A1 (en) | Industrial machine diagnosis and maintenance using a cloud platform | |
US11409257B2 (en) | Setting device that sets a programmable logic controller and PLC system that collects control data and a dashboard for displaying control data | |
JP7450471B2 (en) | Programmable logic controller and PLC system | |
JP2020013526A (en) | Programmable logic controller and main unit | |
US10019346B2 (en) | Generating software test script from video | |
JP4381436B2 (en) | Scenario generation device and scenario generation program | |
JP2020013527A (en) | Programmable logic controller and program formation assistance device | |
KR102543064B1 (en) | System for providing manufacturing environment monitoring service based on robotic process automation | |
JP2020021214A (en) | Data management device, data management method, and data management program | |
JP2022158228A (en) | Monitoring device and programmable logic controller system | |
KR101566358B1 (en) | System and method of alarming uncommon state of automatic process | |
CN113919813A (en) | Production line dynamic value flow analysis method and system based on production line dynamic value flow graph | |
JP2022158226A (en) | Analysis device, analysis system, and method for controlling the same | |
JP2022158227A (en) | Analysis device, analysis system, and method for controlling the same | |
JP2022158225A (en) | Analysis device, control method thereof, and analysis system | |
JP2019159868A (en) | Control system, controller and display device | |
EP3786750B1 (en) | Data collection system, data collection method, and program | |
JP7450470B2 (en) | Setting device and PLC system | |
JP6996887B2 (en) | Programmable logic controller system and data acquisition device | |
JP2023110263A (en) | Program and programmable logic controller | |
JP2022158229A (en) | Programmable logic controller system | |
US11709478B2 (en) | Production system, production method, and information storage medium | |
JP2022158230A (en) | programmable logic controller |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20240311 |