JP2023092184A - 情報処理装置、情報処理方法および情報処理プログラム - Google Patents
情報処理装置、情報処理方法および情報処理プログラム Download PDFInfo
- Publication number
- JP2023092184A JP2023092184A JP2021207245A JP2021207245A JP2023092184A JP 2023092184 A JP2023092184 A JP 2023092184A JP 2021207245 A JP2021207245 A JP 2021207245A JP 2021207245 A JP2021207245 A JP 2021207245A JP 2023092184 A JP2023092184 A JP 2023092184A
- Authority
- JP
- Japan
- Prior art keywords
- unit
- event
- abnormality
- causal
- mechanisms
- 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
- 230000010365 information processing Effects 0.000 title claims description 28
- 238000003672 processing method Methods 0.000 title description 8
- 230000001364 causal effect Effects 0.000 claims abstract description 137
- 238000000034 method Methods 0.000 claims abstract description 99
- 230000007246 mechanism Effects 0.000 claims abstract description 91
- 230000008569 process Effects 0.000 claims abstract description 86
- 230000005856 abnormality Effects 0.000 claims abstract description 64
- 238000004519 manufacturing process Methods 0.000 claims abstract description 64
- 238000001514 detection method Methods 0.000 claims abstract description 42
- 238000004364 calculation method Methods 0.000 claims abstract description 17
- 230000002159 abnormal effect Effects 0.000 claims description 3
- 238000004458 analytical method Methods 0.000 description 42
- 238000010586 diagram Methods 0.000 description 38
- 238000012545 processing Methods 0.000 description 22
- 238000003860 storage Methods 0.000 description 21
- 239000000284 extract Substances 0.000 description 19
- 238000013461 design Methods 0.000 description 17
- 238000004891 communication Methods 0.000 description 16
- 238000011084 recovery Methods 0.000 description 11
- 238000009434 installation Methods 0.000 description 9
- 239000000463 material Substances 0.000 description 8
- 239000011159 matrix material Substances 0.000 description 7
- 230000008859 change Effects 0.000 description 6
- 238000012423 maintenance Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 101100190617 Arabidopsis thaliana PLC2 gene Proteins 0.000 description 3
- 101100408456 Arabidopsis thaliana PLC8 gene Proteins 0.000 description 3
- 101100464304 Caenorhabditis elegans plk-3 gene Proteins 0.000 description 3
- 101100093534 Saccharomyces cerevisiae (strain ATCC 204508 / S288c) RPS1B gene Proteins 0.000 description 3
- 238000010276 construction Methods 0.000 description 3
- 230000007704 transition Effects 0.000 description 3
- 239000000853 adhesive Substances 0.000 description 2
- 230000001070 adhesive effect Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 239000010985 leather Substances 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000001174 ascending effect Effects 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000000465 moulding Methods 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 238000007789 sealing Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
- G05B23/0243—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults model based detection method, e.g. first-principles knowledge model
- G05B23/0245—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults model based detection method, e.g. first-principles knowledge model based on a qualitative model, e.g. rule based; if-then decisions
- G05B23/0248—Causal models, e.g. fault tree; digraphs; qualitative physics
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0259—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
- G05B23/0275—Fault isolation and identification, e.g. classify fault; estimate cause or root of failure
- G05B23/0278—Qualitative, e.g. if-then rules; Fuzzy logic; Lookup tables; Symptomatic search; FMEA
-
- 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
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
- G05B19/4189—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by the transport system
- G05B19/41895—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by the transport system using automatic guided vehicles [AGV]
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0259—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
- G05B23/0267—Fault communication, e.g. human machine interface [HMI]
- G05B23/0272—Presentation of monitored results, e.g. selection of status reports to be displayed; Filtering information to the user
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/04—Manufacturing
-
- 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
- G05B2219/30—Nc systems
- G05B2219/32—Operator till task planning
- G05B2219/32252—Scheduling production, machining, job shop
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Business, Economics & Management (AREA)
- Manufacturing & Machinery (AREA)
- Quality & Reliability (AREA)
- Human Computer Interaction (AREA)
- General Health & Medical Sciences (AREA)
- Marketing (AREA)
- Fuzzy Systems (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- Mathematical Physics (AREA)
- Human Resources & Organizations (AREA)
- General Engineering & Computer Science (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- General Factory Administration (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
Description
本開示は、情報処理装置、情報処理方法および情報処理プログラムに関する。
工場等における製造ラインは、コンベア、ロボットアーム等の複数の機構で構成されている。この製造ラインのいずれかの機構で異常が発生すると、製品の製造が停止してしまい、大きな損害をもたらす可能性がある。そのため、工場等では、保全員が、製造ラインを定期的に巡回して、異常の発生又はその予兆の有無の確認を行っている。
製造ライン内で異常の発生又はその予兆を検知したとき、異常が検知された機構よりも前の機構に真の異常の原因が存在する場合がある。したがって、真の異常の原因を特定するためには、製造ライン内の各機構の因果関係を把握することが重要である。しかしながら、製造ラインを構成する機構の数が多くなり、かつ各機構の動作条件が日々変化し得ることから、全ての機構の因果関係を正確に把握するのは困難である。
そのため、従来、熟練の保全員が、自身の経験及び勘に基づいて、製造ラインを構成する複数の機構間の因果関係を把握して、製造ライン内で生じた異常又はその予兆の検知を行っていた。このような保全業務を非熟練の保全員が行うことができるようにするため、製造ラインを構成する複数の機構の因果関係を可視化する技術の開発が望まれていた。
例えば、特許文献1に開示されている装置では、製造ライン内の装置間の関係を容易にモデル化することにより、異常の検知を可視化する技術が示されている。
一方で、異常の種類は多岐にわたり、異常の要因を特定するためには多数の異常データが必要となる場合が多く、簡易に異常を特定することができなかった。
本開示は、上記の課題を解決するためになされたものであって、簡易な方式で異常の原因を推定することが可能な情報処理装置、情報処理方法および情報処理プログラムを提供することである。
本開示の一例によれば、情報処理装置は、製造ラインで実施される工程における複数の機構の関係、複数の機構に関連する複数の事象間の依存関係、あるいは複数の機構の制御関係に基づく変数間の複数の因果モデルを生成する因果モデル生成部と、製造ラインの異常検知結果を取得する異常検知部と、異常検知結果のうち異常に寄与した変数の寄与率を算出する寄与率算出部と、算出された異常に寄与した変数の寄与率に基づいて、複数の因果モデルの少なくとも1つに対して異常の原因を推定する推定部とを備える。この構成であれば、簡易な方式で異常の原因を推定することが可能である。
情報処理装置は、推定部の推定結果に基づいて複数の因果モデルの少なくとも1つに対して異常原因の推定結果を表示する表示部を備える。この構成であれば、表示部に表示された推定結果から容易に異常の原因を推定することが可能である。
情報処理装置は、ユーザからの複数の因果モデルの選択の入力を受け付ける受付部をさらに備える。表示部は、受付部の複数の因果モデルの選択の入力の受け付けに従って、推定部の推定結果に基づいて複数の因果モデルのうち選択された因果モデルに対して異常原因の推定結果を表示する。ユーザの選択に従って因果モデルを選択することが可能であるためユーザの趣向に合わせた因果モデルを用いた異常の原因の推定が可能である。
情報処理装置は、異常のイベントに対応するイベントリストを登録するイベント関係登録部をさらに備える。イベントリストの登録により過去のデータから容易に異常の原因の推定が可能である。
イベントリストは、イベント概要と、イベントが生じた際のイベントデータと、推定部の推定結果と、確認された複数の機構に関連する事象と、イベント作業内容と、異常に寄与した変数の寄与率の情報とを含む。イベントリストに各種のデータを登録することにより容易に異常の原因の推定が可能である。
情報処理装置は、寄与率算出部により算出された異常に寄与した変数の寄与率に基づいて、イベント関係登録部により登録されたイベントリストとの類似度を算出するイベント推定部をさらに備える。過去のイベントリストとの類似度から容易に異常の原因の推定が可能である。
本開示の一例によれば、情報処理方法は、製造ラインで実施される工程における複数の機構の関係、複数の機構に関連する複数の事象間の依存関係、あるいは複数の機構の制御関係に基づく変数間の複数の因果モデルを生成するステップと、製造ラインの異常検知結果を取得するステップと、異常検知結果のうち異常に寄与した変数の寄与率を算出するステップと、算出された異常に寄与した変数の寄与率に基づいて、複数の因果モデルの少なくとも1つに対して異常の原因を推定するステップとを備える。この構成であれば、簡易な方式で異常の原因を推定することが可能である。
本開示の一例によれば、情報処理プログラムは、コンピュータに、製造ラインで実施される工程における複数の機構の関係、複数の機構に関連する複数の事象間の依存関係、あるいは複数の機構の制御関係に基づく変数間の複数の因果モデルを生成するステップと、製造ラインの異常検知結果を取得するステップと、異常検知結果のうち異常に寄与した変数の寄与率を算出するステップと、算出された異常に寄与した変数の寄与率に基づいて、複数の因果モデルの少なくとも1つに対して異常の原因を推定するステップとを実行させる。この構成であれば、簡易な方式で異常の原因を推定することが可能である。
本開示によれば、簡易な方式で異常の原因を推定することが可能である。
実施の形態について、図面を参照しながら詳細に説明する。なお、図中の同一または相当部分については、同一符号を付してその説明は繰返さない。以下で説明される各変形例は、適宜選択的に組み合わされてもよい。
以下、情報処理装置の一形態である工程解析装置の一実施形態について、図面を参照しつつ説明する。
<1.適用例>
図1は、実施形態に従う情報処理装置の一形態である工程解析装置1の利用場面の一例を模式的に例示する図である。図1に示すように、実施形態に従う工程解析装置1は、製造ライン3を構成する複数の機構31の状態に関する状態データ223を取得する。製造ライン3は、何らかの物を製造可能であればよく、複数の装置で構成されてもよいし、包装機等の1つの装置で構成されてもよい。各機構31は、製造工程の何らかの処理を実施可能であればよく、1又は複数の装置で構成されてもよいし、装置の一部で構成されてもよい。1つの機構31が装置の一部で構成される場合、複数の機構31は、1つの装置で構成されてもよい。同一の装置が複数の処理を実施する場合には、それぞれを別の機構31とみなしてもよい。例えば、同一の装置が第1の処理と第2の処理とを実施する場合に、第1の処理をする当該装置を第1の機構31とみなし、第2の処理をする当該装置を第2の機構31とみなしてもよい。状態データ223は、製造ライン3を構成する各機構31の状態に関するあらゆる種類のデータを含んでもよい。各機構31は、例えば、コンベア、ロボットアーム、サーボモータ、シリンダ(成形機等)、吸着パッド、カッター装置、シール装置等の装置又はその装置の一部で構成されてよい。各機構31は、例えば、印刷機、実装機、リフロー炉、基板検査装置等の複合装置であってもよい。各機構31は、上記のような何らかの物理的な動作を伴う装置の他に、例えば、各種センサにより何らかの情報を検知する装置、各種センサからデータを取得する装置、取得したデータから何らかの情報を検知する装置、取得したデータを情報処理する装置等の内部処理を行う装置を含んでもよい。具体例として、コンベアを流れる対象物に付与されたマークを検知する光学センサを備える製造ラインにおいて、当該光学センサ及び光学センサにより検知した情報を利用する装置が各機構31として取り扱われてよい。また、各件の状態データ223は、例えば、トルク、速度、加速度、温度、電流、電圧、空圧、圧力、流量、位置、寸法(高さ、長さ、幅)及び面積の少なくともいずれかを示すデータであってよい。このような状態データ223は、公知のセンサ、カメラ等の計測装置によって得ることができる。例えば、流量は、フロートセンサにより得ることができる。また、位置、寸法、及び面積は、画像センサにより得ることができる。
図1は、実施形態に従う情報処理装置の一形態である工程解析装置1の利用場面の一例を模式的に例示する図である。図1に示すように、実施形態に従う工程解析装置1は、製造ライン3を構成する複数の機構31の状態に関する状態データ223を取得する。製造ライン3は、何らかの物を製造可能であればよく、複数の装置で構成されてもよいし、包装機等の1つの装置で構成されてもよい。各機構31は、製造工程の何らかの処理を実施可能であればよく、1又は複数の装置で構成されてもよいし、装置の一部で構成されてもよい。1つの機構31が装置の一部で構成される場合、複数の機構31は、1つの装置で構成されてもよい。同一の装置が複数の処理を実施する場合には、それぞれを別の機構31とみなしてもよい。例えば、同一の装置が第1の処理と第2の処理とを実施する場合に、第1の処理をする当該装置を第1の機構31とみなし、第2の処理をする当該装置を第2の機構31とみなしてもよい。状態データ223は、製造ライン3を構成する各機構31の状態に関するあらゆる種類のデータを含んでもよい。各機構31は、例えば、コンベア、ロボットアーム、サーボモータ、シリンダ(成形機等)、吸着パッド、カッター装置、シール装置等の装置又はその装置の一部で構成されてよい。各機構31は、例えば、印刷機、実装機、リフロー炉、基板検査装置等の複合装置であってもよい。各機構31は、上記のような何らかの物理的な動作を伴う装置の他に、例えば、各種センサにより何らかの情報を検知する装置、各種センサからデータを取得する装置、取得したデータから何らかの情報を検知する装置、取得したデータを情報処理する装置等の内部処理を行う装置を含んでもよい。具体例として、コンベアを流れる対象物に付与されたマークを検知する光学センサを備える製造ラインにおいて、当該光学センサ及び光学センサにより検知した情報を利用する装置が各機構31として取り扱われてよい。また、各件の状態データ223は、例えば、トルク、速度、加速度、温度、電流、電圧、空圧、圧力、流量、位置、寸法(高さ、長さ、幅)及び面積の少なくともいずれかを示すデータであってよい。このような状態データ223は、公知のセンサ、カメラ等の計測装置によって得ることができる。例えば、流量は、フロートセンサにより得ることができる。また、位置、寸法、及び面積は、画像センサにより得ることができる。
なお、状態データ223は、1又は複数の計測装置から得られるデータで構成されてもよい。また、状態データ223は、計測装置から得られるデータそのままであってもよいし、画像データから取得される位置データ等のように計測装置から得られたデータに何らかの処理を適用することで取得可能なデータであってもよい。各件の状態データ223は、各機構31に対応して取得される。各計測装置は、製造ライン3の各機構31を監視可能に適宜配置される。PLC2は、製造ライン3を稼働させて、各計測装置から各件の状態データ223を収集する。制御部11は、PLC2から、製造ライン3を正常に稼働させたときの各機構31の状態に関する状態データ223を取得する。
また、実施形態に従う工程解析装置1は、製造ライン3の動作を制御するための制御プログラム222を取得する。制御プログラム222は、製造ライン3を構成する各機構31の動作を制御するあらゆる種類のプログラムを含んでよい。制御プログラム222は、1件のプログラムで構成されてもよいし、複数件のプログラムで構成されてもよい。制御プログラム222は、PLC2で実行可能なように、例えば、ラダー・ダイアグラム言語、ファンクション・ブロック・ダイアグラム言語、ストラクチャード・テキスト言語、インストラクション・リスト言語、及びシーケンシャル・ファンクション・チャート言語、C言語の少なくともいずれかを利用して記述されていてもよい。なお、実施形態では、製造ライン3の動作は、PLC(programmable logic controller)2によって制御される。工程解析装置1は、複数件の状態データ223及び制御プログラム222をPLC2から取得する。
工程解析装置1は、製造ライン3で実行される工程における複数の機構31間の因果関係(第1因果関係)を特定する。一例として、第1因果関係を設計因果モデルとも称する。
工程解析装置1は、制御プログラム222を解析して、制御プログラム222に基づく複数の機構31間の因果関係(第2因果関係)を特定する。一例として、第2因果関係を制御因果モデルとも称する。
工程解析装置1は、取得した状態データ223を解析することにより、複数の機構31間の因果関係(第3因果関係)を特定する。一例として、第3因果関係をデータ因果モデルとも称する。
実施形態に従う工程解析装置1は、各因果モデルおよび異常検知結果に基づいて異常nの原因を推定する。
<2.工程解析装置のハードウェア構成>
図2は、実施形態に従う工程解析装置1のハードウェア構成の一例を模式的に例示する図である。図2に示されるとおり、実施形態に従う工程解析装置1は、制御部11、記憶部12、通信インタフェース13、入力装置14、出力装置15、及びドライブ16が電気的に接続されたコンピュータである。なお、図2では、通信インタフェースを「通信I/F」と記載している。
図2は、実施形態に従う工程解析装置1のハードウェア構成の一例を模式的に例示する図である。図2に示されるとおり、実施形態に従う工程解析装置1は、制御部11、記憶部12、通信インタフェース13、入力装置14、出力装置15、及びドライブ16が電気的に接続されたコンピュータである。なお、図2では、通信インタフェースを「通信I/F」と記載している。
制御部11は、ハードウェアプロセッサであるCPU(Central Processing Unit)、RAM(Random Access Memory)、ROM(Read Only Memory)等を含み、情報処理に応じて各構成要素の制御を行う。記憶部12は、例えば、ハードディスクドライブ、ソリッドステートドライブ等の補助記憶装置であり、制御部11で実行される工程解析プログラム17等を記憶する。
工程解析プログラム17は、製造ライン3で実行される工程に関する情報、状態データ223、及び制御プログラム222等を利用して、製造ライン3の実施する製造工程における複数の機構31間の因果関係を解析する処理を工程解析装置1に実行させるためのプログラムである。
通信インタフェース13は、例えば、有線LAN(Local Area Network)モジュール、無線LANモジュール等であり、ネットワークを介した有線又は無線通信を行うためのインタフェースである。工程解析装置1は、この通信インタフェース13により、PLC2との間でネットワークを介したデータ通信を行うことができる。なお、ネットワークの種類は、例えば、インターネット、無線通信網、移動通信網、電話網、専用網等から適宜選択されてよい。
入力装置14は、例えば、マウス、キーボード等の入力を行うための装置である。また、出力装置15は、例えば、ディスプレイ、スピーカ等の出力を行うための装置である。オペレータは、入力装置14及び出力装置15を介して、工程解析装置1を操作することができる。
ドライブ16は、例えば、CDドライブ、DVDドライブ等であり、記憶媒体91に記憶されたプログラムを読み込むためのドライブ装置である。ドライブ16の種類は、記憶媒体91の種類に応じて適宜選択されてよい。上記工程解析プログラム17は、この記憶媒体91に記憶されていてもよい。
記憶媒体91は、コンピュータその他装置、機械等が記録されたプログラム等の情報を読み取り可能なように、当該プログラム等の情報を、電気的、磁気的、光学的、機械的又は化学的作用によって蓄積する媒体である。工程解析装置1は、この記憶媒体91から、上記工程解析プログラム17を取得してもよい。
ここで、図2では、記憶媒体91の一例として、CD、DVD等のディスク型の記憶媒体を例示している。しかしながら、記憶媒体91の種類は、ディスク型に限定される訳ではなく、ディスク型以外であってもよい。ディスク型以外の記憶媒体として、例えば、フラッシュメモリ等の半導体メモリを挙げることができる。
なお、工程解析装置1の具体的なハードウェア構成に関して、実施形態に応じて、適宜、構成要素の省略、置換及び追加が可能である。例えば、制御部11は、複数のプロセッサを含んでもよい。工程解析装置1は、複数台の情報処理装置で構成されてもよい。また、工程解析装置1は、提供されるサービス専用に設計された情報処理装置の他、汎用のサーバ装置、PC(Personal Computer)等であってもよい。
<3.PLC>
図3は、実施形態に従うPLC2のハードウェア構成の一例を模式的に例示する図である。図3に示されるとおり、PLC2は、制御部21、記憶部22、入出力インタフェース23、及び通信インタフェース24が電気的に接続されたコンピュータである。これにより、PLC2は、製造ライン3の各機構31の動作を制御するように構成される。なお、図3では、入出力インタフェース及び通信インタフェースをそれぞれ「入出力I/F」及び「通信I/F」と記載している。
図3は、実施形態に従うPLC2のハードウェア構成の一例を模式的に例示する図である。図3に示されるとおり、PLC2は、制御部21、記憶部22、入出力インタフェース23、及び通信インタフェース24が電気的に接続されたコンピュータである。これにより、PLC2は、製造ライン3の各機構31の動作を制御するように構成される。なお、図3では、入出力インタフェース及び通信インタフェースをそれぞれ「入出力I/F」及び「通信I/F」と記載している。
制御部21は、CPU、RAM、ROM等を含み、プログラム及びデータに基づいて各種情報処理を実行するように構成される。記憶部22は、例えば、RAM、ROM等で構成され、制御プログラム222、状態データ223等を記憶する。制御プログラム222は、製造ライン3の動作を制御するためのプログラムである。状態データ223は、各機構31の状態に関するデータである。入出力インタフェース23は、外部装置と接続するためのインタフェースであり、接続する外部装置に応じて適宜構成される。実施形態では、PLC2は、入出力インタフェース23を介して、製造ライン3に接続される。なお、単一の装置について異なる状態データを取得可能な場合、当該対象の単一の装置は、複数の機構31とみなされてもよいし、単一の機構31とみなされてもよい。そのため、入出力インタフェース23の数は、製造ライン3を構成する機構31の数と同じであってもよいし、製造ライン3を構成する機構31の数と相違していてもよい。
通信インタフェース24は、例えば、有線LANモジュール、無線LANモジュール等であり、有線又は無線通信を行うためのインタフェースである。PLC2は、通信インタフェース24により、工程解析装置1との間でデータ通信を行うことができる。
なお、PLC2の具体的なハードウェア構成に関して、実施の形態に応じて、適宜、構成要素の省略、置換、及び追加が可能である。例えば、制御部21は、複数のプロセッサを含んでもよい。記憶部22は、制御部21に含まれるRAM及びROMにより構成されてもよい。記憶部22は、ハードディスクドライブ、ソリッドステートドライブ等の補助記憶装置で構成されてもよい。また、PLC2は、提供されるサービス専用に設計された情報処理装置の他、制御する対象に応じて、汎用のデスクトップPC、タブレットPC等に置き換えられてもよい。
<4.工程解析装置のソフトウェア構成>
図4は、実施形態に従う工程解析装置1のソフトウェア構成の一例を模式的に例示する図である。図4に示されるように、工程解析装置1の制御部11は、記憶部12に記憶された工程解析プログラム17をRAMに展開する。そして、制御部11は、RAMに展開された工程解析プログラム17をCPUにより解釈及び実行して、各構成要素を制御する。これによって、図4に示されるとおり、実施形態に従う工程解析装置1は、ソフトウェアモジュールとして、第1取得部111と、第2取得部112と、第3取得部113と、第1関係特定部114と、第2関係特定部115と、第3関係特定部116と、異常検知部117と、寄与率算出部118と、推定部119と、イベント関係登録部120、推定部119と、表示部122とを含む。
図4は、実施形態に従う工程解析装置1のソフトウェア構成の一例を模式的に例示する図である。図4に示されるように、工程解析装置1の制御部11は、記憶部12に記憶された工程解析プログラム17をRAMに展開する。そして、制御部11は、RAMに展開された工程解析プログラム17をCPUにより解釈及び実行して、各構成要素を制御する。これによって、図4に示されるとおり、実施形態に従う工程解析装置1は、ソフトウェアモジュールとして、第1取得部111と、第2取得部112と、第3取得部113と、第1関係特定部114と、第2関係特定部115と、第3関係特定部116と、異常検知部117と、寄与率算出部118と、推定部119と、イベント関係登録部120、推定部119と、表示部122とを含む。
第1取得部111は、製造ライン3で実行される工程に関する情報として工程データ220およびデバイス設置位置データ221とを取得する。第2取得部112は、製造ライン3の動作を制御するための制御プログラム222を取得する。第3取得部113は、状態データ223を取得する。第1取得部111が取得する製造ライン3で実行される工程に関する情報として工程データ220およびデバイス設置位置データ221は、PLC2から取得するようにしてもよい。あるいは、ユーザが入力してもよいし、あらかじめ記憶部に格納されている情報から取得するようにしてもよい。
第1関係特定部114は、第1取得部111で取得した工程データ220およびデバイス設置位置データ221に基づいて製造ライン3で実行される工程における複数の機構31間の因果関係(第1因果関係)を特定する。
第2関係特定部115は、第2取得部112で取得した制御プログラム222を解析して、制御プログラム222に基づく複数の機構31間の因果関係(第2因果関係)を特定する。
第3関係特定部116は、第3取得部113で取得した状態データ223を解析して、複数の機構31間の因果関係(第3因果関係)を特定する。
異常検知部117は、製造ライン3で実行される工程における異常を検知する。具体的には、異常スコアを算出し、異常スコアが所定の閾値を超えたか否かを判断する。異常検知部117は、異常スコアが所定の閾値を超えた場合に異常と判断する。本例において、異常スコアとは正常範囲からの逸脱度を示す。
寄与率算出部118は、異常スコアに基づいて当該異常スコアに寄与した変数の寄与率を算出する。
推定部119は、第1関係特定部114~第3関係特定部116からそれぞれの複数の因果モデルを取得する。推定部119は、寄与率算出部118から算出された異常スコアに寄与した変数の寄与率を取得する。推定部119は、取得した変数の寄与率の情報に基づいて、複数の因果モデルの少なくとも1つの因果モデルにおける異常の原因を推定して、表示部122に出力する。ユーザは、異常が検知された場合に、要因候補を容易に特定して、復旧作業を早期に実行することが可能である。
イベント関係登録部120は、イベントに対応するイベントリストを登録する。イベントリストは、イベント概要と、イベントが生じた際のイベントデータと、推定部119の推定結果と、確認された複数の機構に関連する事象と、イベント作業内容と、異常に寄与した変数の寄与率の情報とを含む。
イベント推定部121は、イベント関係登録部120で登録されたイベントリストを取得する。イベント推定部121は、寄与率算出部118から算出された異常スコアに寄与した変数の寄与率を取得して、寄与率の類似の高いイベントリストを抽出して、表示部122に出力する。ユーザは、異常が検知された場合に、イベントリスト候補を容易に特定して、復旧作業を早期に実行することが可能である。
工程解析装置1の各ソフトウェアモジュールに関しては後述する動作例で詳細に説明する。なお、実施形態では、工程解析装置1の各ソフトウェアモジュールがいずれも汎用のCPUにより実現される例について説明している。しかしながら、以上のソフトウェアモジュールの一部又は全部が、1又は複数の専用のハードウェアプロセッサにより実現されてもよい。また、工程解析装置1のソフトウェア構成に関して、実施形態に応じて、適宜、ソフトウェアモジュールの省略、置換及び追加が行われてもよい。
<5.1 第1因果関係>
図5は、実施形態に従う工程解析装置1の第1関係特定部114の処理を例示する図である。ただし、以下で説明する処理方式は、一例に過ぎず、各種の方式が可能である。
図5は、実施形態に従う工程解析装置1の第1関係特定部114の処理を例示する図である。ただし、以下で説明する処理方式は、一例に過ぎず、各種の方式が可能である。
図5(A)を参照して、材料MA,MBの工程データが示される。
当該工程データとして、材料MAの工程順序と当該材料MAに対する機構の変数情報とが設定されている。
当該工程データとして、材料MAの工程順序と当該材料MAに対する機構の変数情報とが設定されている。
本例においては一例として、材料MAの工程順序として、コンベア軸(ProductFeed)、フィルム搬送サブ軸(FilmFeedSub)、トップシール軸(TopSeal)が設定されている。
当該工程データとして、材料MBの工程順序と当該材料MBに対する機構の変数情報とが設定されている。
本例においては一例として、材料MBの工程順序として、フィルム搬送メイン軸(FilmFeedMain)、フィルム搬送サブ軸(FilmFeedSub)、トップシール軸(TopSeal)が設定されている。
図5(B)は、材料MA,MBの工程データに基づく工程因果関係を説明する図である。
当該図に示されるように、コンベア軸(ProductFeed)、フィルム搬送サブ軸(FilmFeedSub)、トップシール軸(TopSeal)、フィルム搬送メイン軸(FilmFeedMain)に対応するノードがそれぞれ設けられる。
そして、フィルム搬送メイン軸(FilmFeedMain)からフィルム搬送サブ軸(FilmFeedSub)へのベクトルと、フィルム搬送サブ軸(FilmFeedSub)からトップシール軸(TopSeal)へのベクトルと、コンベア軸(ProductFeed)からフィルム搬送サブ軸(FilmFeedSub)へのベクトルとが設定された設計因果関係(設計因果モデル)が生成される。
図6は、実施形態に従う工程解析装置1の第1関係特定部114の処理を例示する別の図である。ただし、以下で説明する処理方式は、一例に過ぎず、各種の方式が可能である。
図6(A)を参照して、デバイス設置位置データが示される。
当該デバイス設置位置データとして、デバイス名と、当該デバイスが設置されている位置および関係を示す方向に関する情報とが対応付けられて設定されている。
当該デバイス設置位置データとして、デバイス名と、当該デバイスが設置されている位置および関係を示す方向に関する情報とが対応付けられて設定されている。
本例においては一例として、コンベア軸(ProductFeed)に対してワーク検出センサ(ProductDetectionSensorSignal)が設定されており、右方向に関するベクトル情報が設定されている。
コンベア軸(ProductFeed)に対してワーク乗り上げセンサ(ProductOverMountDetectionSensorSignal)が設定されており、右方向に関するベクトル情報が設定されている。
フィルム搬送サブ軸(FilmFeedSub)に対してワーク位置ずれセンサ(ProductMisplaceDetectionSensorSignal)が設定されており、右方向に関するベクトル情報が設定されている。
フィルム搬送サブ軸(FilmFeedSub)に対してセンタシールヒータ(CenterHeaterDPC_MV)が設定されており、左方向に関するベクトル情報が設定されている。
トップシール軸(TopSeal)に対してトップシールヒータ上(TopSealHeaterDPU_MV)が設定されており、左方向に関するベクトル情報が設定されている。
トップシール軸(TopSeal)に対してトップシールヒータ下(TopSealLowerHeaterDPC_MC)が設定されており、左方向に関するベクトル情報が設定されている。
図6(B)は、デバイス設置位置データに基づく設計因果関係を説明する図である。
図6(B)を参照して、図5(B)の設計因果関係に対して、デバイス設置位置データに基づく設計因果関係(設計因果モデル)が生成される。図5(B)のデバイス設置位置データに基づいてノードが追加されるとともに、当該ノードの因果関係が追加された設計因果モデルが生成される。
図6(B)を参照して、図5(B)の設計因果関係に対して、デバイス設置位置データに基づく設計因果関係(設計因果モデル)が生成される。図5(B)のデバイス設置位置データに基づいてノードが追加されるとともに、当該ノードの因果関係が追加された設計因果モデルが生成される。
具体的には、コンベア軸(ProductFeed)からワーク検出センサ(ProductDetectionSensorSignal)へのベクトルが設定される。また、コンベア軸(ProductFeed)からワーク乗り上げセンサ(ProductOverMountDetectionSensorSignal)へのベクトルが設定される。フィルム搬送サブ軸(FilmFeedSub)からワーク位置ずれセンサ(ProductMisplaceDetectionSensorSignal)へのベクトルが設定される。フィルム搬送サブ軸(FilmFeedSub)からワーク位置ずれセンサ(ProductMisplaceDetectionSensorSignal)へのベクトルが設定される。センタシールヒータ(CenterHeaterDPC_MV)からフィルム搬送サブ軸(FilmFeedSub)へのベクトルが設定される。トップシールヒータ上(TopSealHeaterDPU_MV)からトップシール軸(TopSeal)へのベクトルが設定される。トップシールヒータ下(TopSealLowerHeaterDPC_MC)からトップシール軸(TopSeal)へのベクトルが設定される。
第1関係特定部114は、工程データ220およびデバイス設置位置データ221に基づいて上記構成の設計因果関係(設計因果モデル)を生成する。
<5.2 第2因果関係>
図7は、実施形態に従う工程解析装置1の第2関係特定部115の処理を説明するフロー図である。ただし、以下で説明する処理方式は、一例に過ぎず、各種の方式が可能である。以下の説明では、説明の便宜のため、製造ライン3は、複数の機構31として、4つの機構F1~F4を備えており、上記ステップS102では、第2関係特定部115は、4つの機構F1~F4に対応する変数v1~v4が使用された制御プログラム222を取得したものと仮定する。
図7は、実施形態に従う工程解析装置1の第2関係特定部115の処理を説明するフロー図である。ただし、以下で説明する処理方式は、一例に過ぎず、各種の方式が可能である。以下の説明では、説明の便宜のため、製造ライン3は、複数の機構31として、4つの機構F1~F4を備えており、上記ステップS102では、第2関係特定部115は、4つの機構F1~F4に対応する変数v1~v4が使用された制御プログラム222を取得したものと仮定する。
まず、第2関係特定部115は、取得した制御プログラム222の構文解析を行い、当該制御プログラム222から抽象構文木を構築する(ステップS1401)。抽象構文木の構築には、トップダウン構文解析又はボトムアップ構文解析による公知の構文解析方法が用いられてもよい。例えば、抽象構文木の構築には、特定の形式文法に従った文字列を扱う構文解析器が用いられてもよい。抽象構文木の構築が完了すると、制御部11は、次のステップS1402に処理を進める。
図8は、実施形態に従うプログラムの構造を木構造で表現した概念図である。
図8に示されるように、制御プログラム222内の「if(a>0)[v1=a;]else[v2=-a;]」という構文から得られる抽象構文木2211が示される。抽象構文木は、プログラムの意味を解釈するために、当該プログラムの構造を木構造で表現したデータ構造である。
図8に示されるように、制御プログラム222内の「if(a>0)[v1=a;]else[v2=-a;]」という構文から得られる抽象構文木2211が示される。抽象構文木は、プログラムの意味を解釈するために、当該プログラムの構造を木構造で表現したデータ構造である。
具体的には、第2関係特定部115は、プログラムに使用されているトークン(字句)のうち、当該プログラムの意味の解釈に不要な括弧等のトークンを省略し、当該プログラムの意味の解釈に関係あるトークンを抽出する。そして、第2関係特定部115は、条件分岐等の演算子を節点に対応付けて、変数等のオペランドを葉に対応付ける。第2関係特定部115は、このように制御プログラム222の構文解析を行うことにより、図8に例示する抽象構文木を構築することができる。なお、このように構成される抽象構文木は、変数、演算子、及びノード間の関係(演算と被演算との関係等)を表わす。この抽象構文木の構成について、その示す内容が変わらない範囲で適宜表記の修正、変更、省略等がなされてよい。
再び図7を参照して、第2関係特定部115は、ステップS1401により構築した抽象構文木から各機構31に関する変数(v1~v4)と条件分岐及び代入演算を含む演算子とを抽出する(ステップS1402)。例えば、図8に示す抽象構文木2211が得られた場合、第2関係特定部115は、当該抽象構文木2211から(「if」、「v1」、「=」、「a」、「v2」、「=」、及び「-a」)を抽出する。当該抽出が完了すると、第2関係特定部115は、次処理に進む。
第2関係特定部115は、ステップS1402で抽出した変数及び演算子を順番に並べて、因果関係を特定する対象となる各機構31に対応する変数(v1~v4)に関連する部分に実行順序を監視する対象を限定する(ステップS1403)。上記の例では、第2関係特定部115は、(「if」、「v1」、「=」、「a」、「v2」、「=」、及び「-a」)から(「if」、「v1」、及び「v2」)を更に抽出する。
そして、第2関係特定部115は、次のステップS1404では、条件分岐をランダムに選択して、制御プログラム222の実行を試行することで、限定した各変数の順序付けの初期化を行う(ステップS1403)。具体的には、第2関係特定部115は、当該制御プログラム222の実行の試行において、限定した各変数の利用される順序を監視することで、当該各変数の順序付けの初期化を行うことができる。
図9は、実施形態に従う制御因果関係の例について説明する図である。
図9(A)は、4つの機構F1~F4に対応する変数v1~v4が使用された制御プログラム222の初期化の一例を例示したものである。
図9(A)は、4つの機構F1~F4に対応する変数v1~v4が使用された制御プログラム222の初期化の一例を例示したものである。
図9(A)のグラフ2212は、初期化の結果として、以下の(1)~(5)の順序関係を示す。
(1)変数「v1」~「v4」のうち、変数「v1」が最初に利用される。
(2)変数「v1」の次には、0.5の確率で変数「v2」が利用され、0.5の確率で変数
「v3」が利用される。
(3)変数「v2」の次には、1の確率で変数「v3」が利用される。
(4)変数「v3」の次には、1の確率で変数「v4」が利用される。
(5)変数「v1」~「v4」のうち、変数「v4」が最後に利用される。
(1)変数「v1」~「v4」のうち、変数「v1」が最初に利用される。
(2)変数「v1」の次には、0.5の確率で変数「v2」が利用され、0.5の確率で変数
「v3」が利用される。
(3)変数「v2」の次には、1の確率で変数「v3」が利用される。
(4)変数「v3」の次には、1の確率で変数「v4」が利用される。
(5)変数「v1」~「v4」のうち、変数「v4」が最後に利用される。
第2関係特定部115は、このような初期化により制御プログラムに基づく制御因果関係を生成することが可能である。
図9(B)は、製造ライン3の実施する製造工程における第2関係特定部115による制御プログラム222に基づく制御因果関係を説明する図である。
図9(B)を参照して、制御プログラムに基づく制御因果モデルとして、ワーク乗り上げセンサ(ProductOverMountDetectionSensorSignal)からコンベア軸(ProductFeed)へのベクトルが設定される。ワーク検出センサ(ProductDetectionSensorSignal)からコンベア軸(ProductFeed)へのベクトルが設定される。フィルム搬送メイン軸(FilmFeedMain)からフィルム搬送サブ軸(FilmFeedSub)へのベクトルが設定される。フィルム搬送サブ軸(FilmFeedSub)からトップシール軸(TopSeal)へのベクトルが設定される。コンベア軸(ProductFeed)からフィルム搬送サブ軸(FilmFeedSub)へのベクトルが設定される。
<5.3 第3因果関係>
図10は、実施形態に従う工程解析装置1の第3関係特定部116の処理を例示する図である。ただし、以下で説明する処理方式は、一例に過ぎず、各種の方式が可能である。
図10は、実施形態に従う工程解析装置1の第3関係特定部116の処理を例示する図である。ただし、以下で説明する処理方式は、一例に過ぎず、各種の方式が可能である。
図10を参照して、第3関係特定部116は、制約モデル生成部140と、データ因果モデル生成部142とを含む。
制約モデル生成部140は、設計因果モデルと制御因果モデルとに基づいてこれらを組み合わせた制約モデルを生成する。
データ因果モデル生成部142は、制約モデルと、状態データとに基づいてデータ因果モデルを生成する。
以下にデータ因果モデルの生成について説明する。
図11は、実施形態に従うデータ因果モデル生成部142における処理について説明するフロー図である。
図11は、実施形態に従うデータ因果モデル生成部142における処理について説明するフロー図である。
以下の説明では、説明の便宜のため、製造ライン3は、複数の機構31として、4つの機構F1~F4を備えているものとする。
図11(A)を参照して、データ因果モデル生成部142は、各機構F1~F4の状態データ223を取得する(ステップS101)。
次に、データ因果モデル生成部142は、状態データを解析する(ステップS103)。
図11(B)は、状態データの解析処理について説明するサブルーチンフロー図である。
図11(B)を参照して、データ因果モデル生成部142は、ステップS101で取得した各件の状態データ223から特徴量2221を算出する(ステップS1301)。特徴量2221の種類は、特に限定されなくてもよく、実施の形態に応じて適宜選択されてもよい。また、特徴量2221を算出する方法は、実施の形態に応じて適宜決定可能である。具体例として、本実施形態では、データ因果モデル生成部142は、次のような方法で、状態データ223から特徴量2221を算出する。まず、データ因果モデル生成部142は、特徴量2221を算出する処理範囲を規定するため、取得した各件の状態データ223をフレーム毎に分割する。各フレームの長さは、実施の形態に応じて適宜設定されてよい。
データ因果モデル生成部142は、例えば、各件の状態データ223を一定時間長のフレーム毎に分割してもよい。ただし、製造ライン3は必ずしも一定時間間隔で動作しているとは限らない。そのため、各件の状態データ223を一定時間長のフレーム毎に分割すると、各フレームに反映される各機構31の動作がずれてしまう可能性がある。
そこで、データ因果モデル生成部142は、状態データ223をタクト時間毎にフレーム分割してもよい。タクト時間は、製造ライン3が製品を所定個数分生産するのにかかる時間である。このタクト時間は、製造ライン3を制御する信号、例えば、PLC2が製造ライン3の各機構31の動作を制御する制御信号に基づいて特定することができる。
次に、データ因果モデル生成部142は、状態データ223の各フレームから特徴量2221の値を算出する。状態データ223が計測データ等のような連続値データである場合には、データ因果モデル生成部142は、例えば、フレーム内の振幅、最大値、最小値、平均値、分散値、標準偏差、瞬時値(1点サンプル)等を特徴量2221として算出してもよい。また、状態データ223が検出データ等のような離散値データである場合には、制御部11は、例えば、各フレーム内の「on」時間、「off」時間、Duty比、「on」回数、「off」回数等を特徴量2221として算出してもよい。これにより、各特徴量2221の算出が完了すると、データ因果モデル生成部142は、次のステップS1302に処理を進める。
次に、データ因果モデル生成部142は、各特徴量2221間の相関係数又は偏相関係数を算出する(ステップS1302)。相関係数は、以下の数1の計算式により算出することができる。また、偏相関係数は、以下の数2の計算式により算出することができる。
なお、rijは、行列2222のi行目j列目の要素を示す。xi及びxjは、各件の状態データ223から算出された特徴量2221を示すデータに対応する。Xi及びXjはそれぞれ、xi及びxjの標本平均を示す。nは、相関の計算に利用する各特徴量2221の数を示す。
なお、行列R(rij)の逆行列をR-1(rij)と表現し、rijは行列2222の逆行列のi行目j列目の要素を示す。
これにより、データ因果モデル生成部142は、相関係数又は偏相関係数を各要素とする行列2222を得ることができる。各特徴量2221間の相関係数及び偏相関係数は、対応する機構31間の関係の強さを示す。すなわち、行列2222の各要素により、対応する機構31間の関係の強さが特定される。各特徴量2221間の相関係数又は偏相関係数の算出が完了すると、データ因果モデル生成部142は、次のステップS1303に処理を進める。
次に、データ因果モデル生成部142は、各特徴量2221間の相関係数又は偏相関係数に基づいて、対応する機構31間の関係の強さを示す無向グラフ情報2223を構築する(ステップS1303)。
例えば、データ因果モデル生成部142は、各機構31に対応するノードを作成する。そして、2つの機構31間に対して算出した相関係数又は偏相関係数の値が閾値以上である場合に、制御部11は、対応する両ノード間をエッジで連結する。一方、2つの機構31間に対して算出した相関係数又は偏相関係数の値が閾値未満である場合には、制御部11は、対応する両ノード間をエッジで連結しない。なお、閾値は、工程解析プログラム121内で規定された固定値であってもよいし、オペレータ等により変更可能な設定値であってもよい。また、エッジの太さは、対応する相関係数又は偏相関係数の値の大きさに対応して決定されてもよい。
図12は、実施形態に従う状態データに基づく無向グラフ情報の作成について説明する図である。図12に示されるように、無向グラフ情報2223を作成することができる。一例として、4つの機構F1~F4に対応する4つのノードが作成されている。そして、機構F1及びF2のノード間、機構F1及びF3のノード間、機構F2及びF3のノード間、並びに機構F3及びF4のノード間にそれぞれエッジが形成されている。また、機構F1及びF3の間並びに機構F3及びF4の間の相関が他の機構間の相関よりも大きいことに対応して、機構F1及びF3のノード間並びに機構F3及びF4のノード間のエッジが他のエッジに比べて太く形成されている。以上により、複数の機構31間の関係の強さを示す無向グラフ情報2223の構築が完了すると、本実施形態に係る状態データ223の解析処理は完了する。
なお、図12の例では、無向グラフ情報2223は、形成された無向グラフを画像により表現している。しかしながら、無向グラフ情報2223の出力形式は、画像に限定されなくてもよく、テキスト等により表現されてもよい。また、上記の例では、相関係数又は偏相関係数と閾値との比較により、関係の弱いノード(機構31)間にエッジを形成しないようにしている。しかしながら、関係の弱いノード間のエッジを除去する方法は、このような例に限られなくてもよい。例えば、全てのノードをエッジで連結したグラフを形成した後、データ因果モデル生成部142は、逸脱度を表わす適合度指標(GFI、SRMR等)が閾値を超えないように、相関係数又は偏相関係数の小さいエッジから順に、形成したグラフのエッジを削除してもよい。
データ因果モデル生成部142は、作成した無向グラフ情報に対して、制約モデルの情報を活用し向きを付加し、製造ライン3内における複数の機構31の順序関係を特定する。
図13は、実施形態に従う製造ライン3の実施する製造工程における第3関係特定部116による状態データ223に基づく制御因果関係を説明する図である。
図13を参照して、本例においては、生成されたデータ因果モデルの一例が示されている。
ワーク位置ずれセンサ(ProductMisplaceDetectionSensorSignal)からコンベア軸(ProductFeed)に進むベクトルが設定される。コンベア軸(ProductFeed)からフィルム搬送サブ軸(FilmFeedSub)に進むベクトルが設定される。フィルム搬送メイン軸(FilmFeedMain)からワーク検出センサ(ProductDetectionSensorSignal)に進むベクトルが設定される。センタシールヒータ(CenterHeaterDPC_MV)からトップシールヒータ下(TopSealLowerHeaterDPC_MC)に進むベクトルが設定される。
<6.異常の検知>
図14は、実施形態に従う異常検知部117における異常の検知について説明する図である。
図14は、実施形態に従う異常検知部117における異常の検知について説明する図である。
図14を参照して、異常検知部117は、状態データに基づいて異常を検知する。
本例においては、状態データとして一例として3つの変数P1~P3のデータについて説明する。
本例においては、状態データとして一例として3つの変数P1~P3のデータについて説明する。
変数P1~P3に関して、3軸の3次元空間が設定され、学習したモデルとして正常の範囲を示すデータ群と、異常の状態を示すデータとが示されている。黒色の点群データは、正常の範囲を示すデータ群を示す。一方、ハッチングされたデータは、正常の範囲から離れたデータを指し示す。正常の範囲を示すデータ群の中心点からの距離が異常スコアとなる。すなわち、距離が大きくなればなるほど、異常スコアの値が高くなる。
本例においては、3つの変数P1~P3の3次元空間について説明しているが、変数の個数に応じた多次元空間に拡張することも当然に可能である。距離とともに正常の範囲の中心からデータに対する向きに従って変数の寄与率を算出することが可能である。例えば、変数P3に対応する軸に対する変位量が大きい場合には当該変数P3の寄与率が大きくなる。なお、上記の方式以外に、決定木(やランダムフォレスト)の重要度を用いることで異常に対する変数の寄与率を算出するようにしてもよい。
図15は、実施形態に従う異常検知部117における異常の検知について説明する別の図である。
図15(A)を参照して、点から点へのデータ変化が示されている。本例においては、2次元の場合が示されており、x軸に対してΔx、y軸に対してΔy変化した場合が示されている。2次元の場合には、Δx、Δyの距離の変化が異常スコアとして算出される。
図15(B)を参照して、分布から点のデータ変化が示されている。3次元の場合には、分布の中心から点への距離の変化が異常スコアとして算出される。
異常スコアの算出のアルゴリズムの一例として、マハラノビス距離に基づく異常検知、LOF(Local Outlier Factor)やIsolationForest等の異常検知アルゴリズムを用いるようにしても良い。
<7.異常の原因の推定>
図16は、実施形態に従う推定部119における異常の原因の推定について説明する図である。
図16は、実施形態に従う推定部119における異常の原因の推定について説明する図である。
図16を参照して、本例においては、推定部119により推定され、表示部122に出力された推定結果画面300が示されている。
推定結果画面300は、スコアデータ310と、異常スコアに寄与した変数および寄与率データ320と、因果モデル301とを含む。
また、推定結果画面300には、ユーザからの入力の受け付けが可能な設計因果モデルを選択するボタン330と、制御因果モデルを選択するボタン340と、データ因果モデルを選択するボタン350とが設けられる。
推定部119は、ユーザからの入力にしたがって推定結果を切り替えて出力することが可能である。
一例として、ユーザにより制御因果モデルを選択するボタン340が選択されている場合が示されている。
スコアデータ310は、時間軸に従って変化するスコア値を示す。本例においては、時刻T1において、スコア値が閾値TH1を越えた場合が示されている。
異常検知部117は、時刻T1においてスコア値が閾値TH1を越えたことに基づいて異常を検知する。寄与率算出部118は、時刻T1におけるスコア値に基づいて、変数の寄与率を算出する。
一例として、寄与率算出部118は、寄与率データ320を出力する。本例においては、寄与率データ320は、フィルム搬送サブ軸(FilmFeedSub)が寄与率45%、トップシール軸(TopSeal)が寄与率23%、コンベア軸(ProductFeed)が寄与率14%、フィルム搬送メイン軸(FilmFeedMain)が寄与率4%、ワーク検出センサ(ProductDetectionSensorSignal)が寄与率2%である場合が示されている。
推定部119は、算出された変数の寄与率について、1,2番目の寄与率の高い変数を抽出する。本例においては、フィルム搬送サブ軸(FilmFeedSub)とトップシール軸(TopSeal)とを抽出する。
また、本例においては制御因果モデルのボタン340を選択した場合が示されている。
推定部119は、制御因果モデルにおける、フィルム搬送サブ軸(FilmFeedSub)とトップシール軸(TopSeal)のノードを特定する。
推定部119は、制御因果モデルにおける、フィルム搬送サブ軸(FilmFeedSub)とトップシール軸(TopSeal)のノードを特定する。
推定部119は、選択された制御因果モデルにおいて当該ノードと接続されるノードを抽出する。
推定部119は、フィルム搬送サブ軸(FilmFeedSub)と接続されるコンベア軸(ProductFeed)のノードを抽出する。そして、当該コンベア軸(ProductFeed)と接続されるノードとして、コンベアワーク乗り上げセンサ(ProductOverMountDetectionSensorSignal)のノードと、ワーク位置ずれセンサ(ProductMisplaceDetectionSensorSignal)のノードとを抽出する。
また、推定部119は、フィルム搬送サブ軸(FilmFeedSub)と接続されるノードとしてワーク検出センサ(ProductDetectionSensorSignal)およびフィルム搬送メイン軸(FilmFeedMain)のノードを抽出する。
推定部119は、トップシール軸(TopSeal)と接続されるノードとしてフィルム搬送サブ軸(FilmFeedSub)を抽出する。
これにより、制御因果モデルにおけるノードの関係性を容易に確認することが可能となり、異常の原因の推定が容易となる。
上記においては、スコアデータ310の時刻T1においてスコア値が閾値TH1を越えたことに基づいて異常を検知する場合について説明した。そして、当該時刻T1における変数の寄与率の算出について説明した。
なお、当該時刻T1に関して、ユーザの任意の時刻を指定可能にするようにしてもよい。例えば、ポインティングデバイスを用いて、任意の時刻を指定し、当該指定した時刻におけるスコア値を取得する。取得したスコア値に基づいて、上記で説明したように寄与率データ320を出力し、変数の寄与率を表示するようにしてもよい。そして、寄与率データ320の1,2番目の寄与率の高い変数を抽出して、上記で説明したのと同様に選択した因果モデルの推定を表示するようにしてもよい。
図17は、実施形態に従う推定部119における異常の原因の推定について説明する別の図である。
図17を参照して、本例においては、推定部119により推定され、表示部122に出力された推定結果画面302が示されている。
推定結果画面302は、推定結果画面300と比較して、ユーザからの入力の受け付けが可能な設計因果モデルを選択するボタン330と、制御因果モデルを選択するボタン340と、データ因果モデルを選択するボタン350が全て選択されている場合が示されている。
推定結果画面302には、当該選択に従う因果モデル312が示されている。その他の構成については同様であるのでその詳細な説明については繰り返さない。
推定部119は、設計因果モデル、制御因果モデルおよびデータ因果モデルにおける、フィルム搬送サブ軸(FilmFeedSub)とトップシール軸(TopSeal)のノードを特定する。
推定部119は、選択された設計因果モデルにおいて特定されたノードと接続されるノードを抽出する。
推定部119は、フィルム搬送サブ軸(FilmFeedSub)と接続されるコンベア軸(ProductFeed)、センタシールヒータ(CenterHeaterDPC_MV)、フィルム搬送メイン軸(FilmFeedMain)のノードを抽出する。
推定部119は、トップシール軸(TopSeal)と接続されるノードとしてフィルム搬送サブ軸(FilmFeedSub)、トップシールヒータ下(TopSealLowerHeaterDPC_MC)、トップシールヒータ上(TopSealHeaterDPU_MV)のノードを抽出する。
推定部119は、選択された制御因果モデルにおいて特定されたノードと接続されるノードを抽出する。
推定部119は、フィルム搬送サブ軸(FilmFeedSub)と接続されるコンベア軸(ProductFeed)のノードを抽出する。そして、当該コンベア軸(ProductFeed)と接続されるノードとして、コンベアワーク乗り上げセンサ(ProductOverMountDetectionSensorSignal)のノードと、ワーク位置ずれセンサ(ProductMisplaceDetectionSensorSignal)のノードとを抽出する。
また、推定部119は、フィルム搬送サブ軸(FilmFeedSub)と接続されるノードとしてワーク検出センサ(ProductDetectionSensorSignal)およびフィルム搬送メイン軸(FilmFeedMain)のノードを抽出する。
推定部119は、トップシール軸(TopSeal)と接続されるノードとしてフィルム搬送サブ軸(FilmFeedSub)を抽出する。
推定部119は、選択されたデータ因果モデルにおいて特定されたノードと接続されるノードを抽出する。
推定部119は、フィルム搬送サブ軸(FilmFeedSub)と接続されるコンベア軸(ProductFeed)のノードを抽出する。そして、当該コンベア軸(ProductFeed)と接続されるノードとして、ワーク位置ずれセンサ(ProductMisplaceDetectionSensorSignal)のノードを抽出する。
これにより、設計因果モデル、制御因果モデルならびにデータ因果モデルにおけるノードの関係性を容易に確認することが可能となり、異常の原因の推定が容易となる。
なお、本例においては、それぞれの因果モデルを組み合わせて表示する形式について説明したが、これらの組み合わせは任意である。
図18は、実施形態に従う推定部119における異常の原因の推定について説明するさらに別の図である。
図18(A)を参照して、図14で説明したスコアデータ310が示されている。本例においては、時刻T1におけるスコア値が閾値TH1を越えた場合の変数の寄与率を算出する。
図18(B)を参照して、異常の原因を推定するための遷移関係図を示す。
図18(C)を参照して、推定結果画面に設けることが可能なユーザからの入力を受け付ける階層R2の選択指標を設定するためのボタン360と、階層R3の選択指標を設定するためのボタン370とが示される。
図18(C)を参照して、推定結果画面に設けることが可能なユーザからの入力を受け付ける階層R2の選択指標を設定するためのボタン360と、階層R3の選択指標を設定するためのボタン370とが示される。
一例として、階層の選択指標として、本例においては、設計因果関係、制御因果関係、データ因果関係のいずれかを選択することが可能に設けられている。
本例においては、階層R2の選択指標として、制御因果関係が選択され、階層R3の選択指標として、データ因果関係が選択された場合が示されている。
図18(B)を参照して、一例として、階層R1において、スコア値に対応して寄与率の高い変数PA,PBが特定された場合が示されている。そして、階層R2において、階層R2の選択指標を設定するためのボタン360の入力に応答して、制御因果モデルを参照して、変数PA,変数PBと接続される変数を抽出する。
本例においては、変数PAは、制御因果モデルを参照して変数PC,変数PDと接続される場合が示されている。
また、変数PBは、制御因果関係として制御因果モデルを参照して、変数PE,PFと接続される場合が示される。
そして、階層R3において、階層R3の選択指標を設定するためのボタン370の入力に応答して、データ因果モデルを参照して、変数PC~PFと接続される変数を抽出する。
本例においては、変数PDと接続される変数として、変数PGおよび変数PHを抽出する。また、変数PFと接続される変数として、変数PIおよび変数PJを抽出する。
これにより、ユーザは、遷移関係のモデルを任意のモデルを参照して遷移関係図を変更することが可能となり、ノードの関係性を容易に確認することが可能となり、異常の原因の推定が容易となる。
なお、本例においては、階層R2の選択指標として、制御因果関係が選択され、階層R3の選択指標として、データ因果関係が選択された場合について説明したが、当該因果関係を別の因果関係に変更することも当然に可能である。
<8.イベントリスト>
図19は、実施形態に従うイベント関係登録部120のイベントリストについて説明する図である。図19を参照して、ユーザにより複数のイベントが登録されたイベントリストが示されている。
図19は、実施形態に従うイベント関係登録部120のイベントリストについて説明する図である。図19を参照して、ユーザにより複数のイベントが登録されたイベントリストが示されている。
具体的には、イベント関係登録部120は、イベントリストとして、イベント概要、イベントデータ、因果モデル、実際の物理現象および復旧作業内容の情報を含む。また、イベントリストは、寄与率算出部118で算出した変数および寄与率のデータをさらに含む。
イベント概要として、「シール接着強度不良」に対応して、イベントデータと、因果モデルが登録されるとともに、実際の物理現象として「プレスローラ摩耗」と、復旧作業内容として「プレスローラの交換」が登録されている場合が示されている。また、変数PA~PDの寄与率として「39.1」、「1.8」、「9.3」、「12.3」がそれぞれ登録されている場合が示されている。
また、イベント概要として、「シール接着強度不良」に対応して、イベントデータと、因果モデルが登録されるとともに、実際の物理現象として「革ベルト摩耗」と、復旧作業内容として「革ベルト交換」が登録されている場合が示されている。また、変数PA~PDの寄与率として「39.1」、「1.8」、「9.3」、「12.3」がそれぞれ登録されている場合が示されている。また、変数PA~PDの寄与率として「19.1」、「21.8」、「39.3」、「12.3」がそれぞれ登録されている場合が示されている。
イベント概要として、「シール接着強度不良」に対応して、イベントデータと、因果モデルが登録されるとともに、実際の物理現象として「集電リング接触不良」と、復旧作業内容として「集電リング交換」が登録されている場合が示されている。また、変数PA~PDの寄与率として「29.1」、「31.8」、「29.3」、「2.3」がそれぞれ登録されている場合が示されている。
また、イベント概要として、「シール接着強度不良」に対応して、イベントデータと、因果モデルが登録されるとともに、実際の物理現象として「フィルム蛇行」と、復旧作業内容として「フィルム搬送軸の歪み補正」が登録されている場合が示されている。また、変数PA~PDの寄与率として「9.1」、「11.8」、「19.3」、「12.3」がそれぞれ登録されている場合が示されている。
図20は、実施形態に従うイベント推定部121のイベントリストを用いたイベント推定処理について説明する図である。図20を参照して、イベント推定部121は、イベント関係登録部120で登録したイベントリストを用いてイベント推定を行う。
具体的には、イベント推定部121は、イベントデータを取得して、寄与率の類似度を算出する。
一例として、次式のコサイン類似度Sijを用いることも可能である。
xi:イベントデータリストの各変数の寄与率、xj:寄与率算出部118で算出した各変数の寄与率
本例においては、イベント推定部121は、寄与率の類似度の高いイベントリストを抽出する。一例として、類似度の高い最上段のイベントリストを抽出した場合が示されている。
本例においては、イベント推定部121は、寄与率の類似度の高いイベントリストを抽出する。一例として、類似度の高い最上段のイベントリストを抽出した場合が示されている。
具体的には、イベント概要が「シール接着強度不良」、因果モデル、実際の物理現象「プレスローラ摩耗」、復旧作業内容「プレスローラの交換」が登録されているイベントリストである。
したがって、当該内容に基づいて、ユーザに異常の推定箇所として「プレスローラ摩耗」を提示するとともに、その復旧作業内容であるプレスローラの交換を提示することにより、早期にイベントに対する復旧作業を実行することが可能である。
なお、イベント推定部121は、イベントデータは、(類似度)が所定値以上の場合にそれらをすべてユーザに提示するようにしてもよい。
図21は、実施形態に従うイベント推定部121のイベントリストを用いたイベント推定処理のフロー図である。図21を参照して、イベント推定部121は、イベントリストを取得する(ステップS101)。具体的には、図20で説明したイベント関係登録部120で登録されたイベントリストを取得する。
次に、イベント推定部121は、取得したイベントリストに含まれる変数の寄与率と、寄与率算出部118で算出した変数の寄与率との類似度を算出する(ステップS102)。具体的には、イベント推定部121は、取得したイベントリストに含まれる変数の寄与率と、寄与率算出部118で算出した変数の寄与率とのコサイン類似度Sijを算出する。
次に、イベント推定部121は、算出した類似度に基づいて候補となるイベントリストを抽出する(ステップS103)。
そして、イベント推定部121は、処理を終了する(エンド)。当該処理により、イベントリストを抽出して、早期にイベントに対する復旧作業を実行することが可能である。
本開示の実施の形態について説明したが、今回開示された実施の形態はすべての点で例示であって制限的なものではないと考えられるべきである。本開示の範囲は特許請求の範囲によって示され、特許請求の範囲と均等の意味および範囲内でのすべての変更が含まれることが意図される。
1 工程解析装置、3 製造ライン、11,21 制御部、12,22 記憶部、13,24 通信インタフェース、14 入力装置、15 出力装置、16 ドライブ、17 工程解析プログラム、23 入出力インタフェース、31 機構、91 記憶媒体、111 第1取得部、112 第2取得部、113 第3取得部、114 第1関係特定部、115 第2関係特定部、116 第3関係特定部、117 異常検知部、118 寄与率算出部、119 推定部、120 イベント関係登録部、121 イベント推定部、122 表示部、130 構文解析部、132 プログラム依存解析部、134 変数追跡処理部、136 モデル生成部、140 制約モデル生成部、142 データ因果モデル生成部、220 工程データ、221 デバイス設置位置データ、222 制御プログラム、223 状態データ。
Claims (8)
- 製造ラインで実施される工程における複数の機構の関係、前記複数の機構に関連する複数の事象間の依存関係、あるいは前記複数の機構の制御関係に基づく変数間の複数の因果モデルを生成する因果モデル生成部と、
前記製造ラインの異常検知結果を取得する異常検知部と、
前記異常検知結果のうち異常に寄与した変数の寄与率を算出する寄与率算出部と、
算出された前記異常に寄与した変数の寄与率に基づいて、前記複数の因果モデルの少なくとも1つに対して異常の原因を推定する推定部とを備える、情報処理装置。 - 前記推定部の推定結果に基づいて前記複数の因果モデルの少なくとも1つに対して異常原因の推定結果を表示する表示部を備える、請求項1記載の情報処理装置。
- ユーザからの前記複数の因果モデルの選択の入力を受け付ける受付部をさらに備え、
前記表示部は、前記受付部の前記複数の因果モデルの選択の入力の受け付けに従って、前記推定部の推定結果に基づいて前記複数の因果モデルのうち選択された因果モデルに対して異常原因の推定結果を表示する、請求項2記載の情報処理装置。 - 異常のイベントに対応するイベントリストを登録するイベント関係登録部をさらに備える、請求項1記載の情報処理装置。
- 前記イベントリストは、イベント概要と、前記イベントが生じた際のイベントデータと、前記推定部の推定結果と、確認された前記複数の機構に関連する事象と、イベント作業内容と、前記異常に寄与した変数の寄与率の情報とを含む、請求項4記載の情報処理装置。
- 前記寄与率算出部により算出された前記異常に寄与した変数の寄与率に基づいて、前記イベント関係登録部により登録されたイベントリストとの類似度を算出するイベント推定部をさらに備える、請求項5記載の情報処理装置。
- 製造ラインで実施される工程における複数の機構の関係、前記複数の機構に関連する複数の事象間の依存関係、あるいは前記複数の機構の制御関係に基づく変数間の複数の因果モデルを生成するステップと、
前記製造ラインの異常検知結果を取得するステップと、
前記異常検知結果のうち異常に寄与した変数の寄与率を算出するステップと、
算出された前記異常に寄与した変数の寄与率に基づいて、前記複数の因果モデルの少なくとも1つに対して異常の原因を推定するステップとを備える、情報処理方法。 - コンピュータに、
製造ラインで実施される工程における複数の機構の関係、前記複数の機構に関連する複数の事象間の依存関係、あるいは前記複数の機構の制御関係に基づく変数間の複数の因果モデルを生成するステップと、
前記製造ラインの異常検知結果を取得するステップと、
前記異常検知結果のうち異常に寄与した変数の寄与率を算出するステップと、
算出された前記異常に寄与した変数の寄与率に基づいて、前記複数の因果モデルの少なくとも1つに対して異常の原因を推定するステップとを実行させる、情報処理プログラム。
Priority Applications (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2021207245A JP2023092184A (ja) | 2021-12-21 | 2021-12-21 | 情報処理装置、情報処理方法および情報処理プログラム |
CN202211462484.2A CN116300702A (zh) | 2021-12-21 | 2022-11-22 | 信息处理装置、信息处理方法以及非暂时性信息记录介质 |
EP22209967.3A EP4202584A1 (en) | 2021-12-21 | 2022-11-28 | Information processing device, information processing method and information processing program |
US18/071,198 US20230195097A1 (en) | 2021-12-21 | 2022-11-29 | Information processing device, information processing method, and non-transitory information recording medium with computer-readable information processing program recorded thereon |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2021207245A JP2023092184A (ja) | 2021-12-21 | 2021-12-21 | 情報処理装置、情報処理方法および情報処理プログラム |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2023092184A true JP2023092184A (ja) | 2023-07-03 |
Family
ID=84367231
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021207245A Pending JP2023092184A (ja) | 2021-12-21 | 2021-12-21 | 情報処理装置、情報処理方法および情報処理プログラム |
Country Status (4)
Country | Link |
---|---|
US (1) | US20230195097A1 (ja) |
EP (1) | EP4202584A1 (ja) |
JP (1) | JP2023092184A (ja) |
CN (1) | CN116300702A (ja) |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5151556B2 (ja) | 2007-08-10 | 2013-02-27 | オムロン株式会社 | 工程解析装置、工程解析方法および工程解析プログラム |
JP6862190B2 (ja) * | 2017-01-24 | 2021-04-21 | 株式会社東芝 | プロセス診断装置、プロセス診断方法及びプロセス診断システム |
EP4160341A1 (en) * | 2020-05-29 | 2023-04-05 | Daicel Corporation | Abnormal modulation cause identifying device, abnormal modulation cause identifying method, and abnormal modulation cause identifying program |
-
2021
- 2021-12-21 JP JP2021207245A patent/JP2023092184A/ja active Pending
-
2022
- 2022-11-22 CN CN202211462484.2A patent/CN116300702A/zh active Pending
- 2022-11-28 EP EP22209967.3A patent/EP4202584A1/en active Pending
- 2022-11-29 US US18/071,198 patent/US20230195097A1/en active Pending
Also Published As
Publication number | Publication date |
---|---|
CN116300702A (zh) | 2023-06-23 |
US20230195097A1 (en) | 2023-06-22 |
EP4202584A1 (en) | 2023-06-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6551565B2 (ja) | 工程解析装置、工程解析方法、及び工程解析プログラム | |
US20180348728A1 (en) | Process analysis apparatus, process analysis method, and process analysis program | |
WO2019090264A1 (en) | Real time anomaly detection systems and methods | |
CN111562769A (zh) | 用于工业数字孪生的ai扩展和智能模型验证 | |
Lv et al. | A review of data mining with big data towards its applications in the electronics industry | |
US20230176562A1 (en) | Providing an alarm relating to anomaly scores assigned to input data method and system | |
US20230289568A1 (en) | Providing an alarm relating to an accuracy of a trained function method and system | |
Bian et al. | Machine learning-based real-time monitoring system for smart connected worker to improve energy efficiency | |
Huang et al. | Zero defect manufacturing of microsemiconductors–an application of machine learning and artificial intelligence | |
CN117270482A (zh) | 基于数字孪生的汽车工厂控制系统 | |
US11846933B2 (en) | Apparatus, system and method for developing industrial process solutions using artificial intelligence | |
JP2023092184A (ja) | 情報処理装置、情報処理方法および情報処理プログラム | |
EP4250029A1 (en) | Process analysis device, process analysis method, and process analysis program | |
US11935001B2 (en) | Computer aided design assembly part scraping | |
TWI801820B (zh) | 用於製造流程之系統及方法 | |
Xia et al. | Automated manufacturability analysis in smart manufacturing systems: a signature mapping method for product-centered digital twins | |
US20210165401A1 (en) | Analysis device, analysis method, and non-transitory computer readable storage medium | |
WO2022209057A1 (ja) | 情報処理装置、情報処理方法および情報処理プログラム | |
Rosioru et al. | Deep learning based parts classification in a cognitive robotic cell system | |
EP4369129A1 (en) | Information processing device, information processing method, and information processing program | |
WO2022190552A1 (ja) | 情報処理装置、情報処理方法および情報処理プログラム | |
US11698851B2 (en) | Recommending programmatic descriptions for test objects | |
US20240112151A1 (en) | System and method for managing end-of-life products | |
US20220229424A1 (en) | Systems and Methods for Analyzing Manufacturing Runs | |
KR20240050288A (ko) | Ai 기반의 제조 공정 표준 통합 관리 및 모니터링을 위한 방법 |