JP2719439B2 - 設備故障診断システム - Google Patents
設備故障診断システムInfo
- Publication number
- JP2719439B2 JP2719439B2 JP2289528A JP28952890A JP2719439B2 JP 2719439 B2 JP2719439 B2 JP 2719439B2 JP 2289528 A JP2289528 A JP 2289528A JP 28952890 A JP28952890 A JP 28952890A JP 2719439 B2 JP2719439 B2 JP 2719439B2
- Authority
- JP
- Japan
- Prior art keywords
- abnormality
- occurrence
- pattern code
- cause
- database
- 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.)
- Expired - Fee Related
Links
Landscapes
- Testing Or Calibration Of Command Recording Devices (AREA)
- Testing And Monitoring For Control Systems (AREA)
Description
本発明は、生産工程などにおいて設備に異常が生じた
際に異常の原因を診断する設備故障診断システムに関す
るものである。
際に異常の原因を診断する設備故障診断システムに関す
るものである。
従来より、装置に異常が生じたときに異常の発生箇所
をコード化したトラブルコードを発生時刻とともに順次
記憶するようにした異常原因記憶装置が提供されている
（特開昭62−90668号公報）。 この異常原因記憶装置は、複写機用のものであって、
トラブルコードを順次記憶するとともに、異常の発生時
に最新のトラブルコードを表示することによって、異常
の発生原因を推測しやすくし、修復作業が容易にできる
ようにしている。
をコード化したトラブルコードを発生時刻とともに順次
記憶するようにした異常原因記憶装置が提供されている
（特開昭62−90668号公報）。 この異常原因記憶装置は、複写機用のものであって、
トラブルコードを順次記憶するとともに、異常の発生時
に最新のトラブルコードを表示することによって、異常
の発生原因を推測しやすくし、修復作業が容易にできる
ようにしている。
上記構成は、複写機を対象とするものであるから、異
常の発生箇所を提示する程度で異常の発生原因を容易に
推測できるものである。しかしながら、生産工程に用い
る設備などでは発生した異常に対する異常の発生原因を
推測すること自体が手間のかかる作業であり、トラブル
コードと発生時刻とを記憶する程度では異常の発生原因
を短時間で発見できず修復に時間がかかる。 本発明は上記問題点の解決を目的とするものであり、
異常の発生原因を短時間で発見できるようにした設備故
障診断システムを提供しようとするものである。
常の発生箇所を提示する程度で異常の発生原因を容易に
推測できるものである。しかしながら、生産工程に用い
る設備などでは発生した異常に対する異常の発生原因を
推測すること自体が手間のかかる作業であり、トラブル
コードと発生時刻とを記憶する程度では異常の発生原因
を短時間で発見できず修復に時間がかかる。 本発明は上記問題点の解決を目的とするものであり、
異常の発生原因を短時間で発見できるようにした設備故
障診断システムを提供しようとするものである。
本発明では、上記目的を達成するために、設備に関す
る特定のデータを監視し設備に異常が発生したときに異
常発生前の所定期間のデータの変化パターンをコード化
してパターンコードを生成する監視部と、上記パターン
コードと異常の発生原因と同一パターンコードにおける
同一異常の発生頻度とを蓄積するデータベースと、異常
の発生時に監視部により生成されたパターンコードに一
致するパターンコードをデータベース内で検索し発生頻
度の高い順に異常の発生原因を診断結果として提示する
診断部とを具備しているのである。
る特定のデータを監視し設備に異常が発生したときに異
常発生前の所定期間のデータの変化パターンをコード化
してパターンコードを生成する監視部と、上記パターン
コードと異常の発生原因と同一パターンコードにおける
同一異常の発生頻度とを蓄積するデータベースと、異常
の発生時に監視部により生成されたパターンコードに一
致するパターンコードをデータベース内で検索し発生頻
度の高い順に異常の発生原因を診断結果として提示する
診断部とを具備しているのである。
上記構成によれば、異常発生前の所定期間のデータの
変化パターンをコード化してパターンコードを生成し、
パターンコードと異常の発生原因と同一パターンコード
における同一異常の発生頻度とをデータベースに蓄積し
ておき、異常の発生時にはその異常のパターンコードに
一致するパターンコードをデータベース内から検索して
発生頻度の高い順に異常の発生原因を診断結果として提
示するので、生産工程に用いる設備などの複雑な装置で
あっても、特定のデータを監視するだけで異常の発生原
因が確率の高い順に提示されることになり、原因の究明
が容易になって修復作業を短時間で行えるようになるの
である。
変化パターンをコード化してパターンコードを生成し、
パターンコードと異常の発生原因と同一パターンコード
における同一異常の発生頻度とをデータベースに蓄積し
ておき、異常の発生時にはその異常のパターンコードに
一致するパターンコードをデータベース内から検索して
発生頻度の高い順に異常の発生原因を診断結果として提
示するので、生産工程に用いる設備などの複雑な装置で
あっても、特定のデータを監視するだけで異常の発生原
因が確率の高い順に提示されることになり、原因の究明
が容易になって修復作業を短時間で行えるようになるの
である。
基本構成は第１図に示すようなものであって、生産工
程などで用いる設備１から、製品や設備１の内部の温
度、あるいは製品の寸法などの特定のデータ（以後、実
測データと呼称する）が得られるようになっている。実
測データは、設備１から出力されるデータが連続的に得
られるアナログ値であれば一定時間毎にサンプリングさ
れた値となる。この実測データは、監視部２に順序入力
され、所定の範囲内であるかどうかが監視される。すな
わ、監視部２では、実測データをｔ、目標値をＴ、許容
幅をａとするとき、第４図のように、Ｔ−ａ＜ｔ≦Ｔ＋
ａとなるかどうかを監視するのである。実測データが上
記条件を満たしているときには監視を継続し、条件を満
たしていないときには条件を逸脱した時点から所定個数
の実測データを収集し、データに異常があるかどうかを
判定する。データの異常の判定条件としては、たとえ
ば、収集した実測データのうちの最後の実測データが上
記条件を満たしていれば正常と判定すればよい。正常と
判定されれば、そのまま実測データの監視を続行する。
一方、データに異常があると判定されたときには、設備
１に異常が発生するまで実測データを収集し続ける。 このようにして設備１に異常が発生すると、第２図に
示すように、異常の発生前の所定個数の実測データを取
り込み、実測データの変化パターンをコード化してパタ
ーンコードを生成する。変化パターンのコード化の方法
としては、たとえば、実測データを複数区間に分けて各
区間ごとに実測データの出現度数を求め、度数分布をコ
ード化する。すなわち、第５図（ａ）に示すように、設
備１の異常の発生前のＮ個のデータを各区間ごとに分類
し、次に、第５図（ｂ）に示すように、度数分布をとる
のである。このようにして得られた度数分布をコード化
すればよい。コード化の方法としては、たとえば、パタ
ーンコードを６ビットで表すとすれば、（Ｔ−3a）から
（Ｔ＋4a）までの範囲を、Ｔ−3a＜ｔ≦Ｔ−2a、Ｔ−2a
＜ｔ≦Ｔ−ａ、Ｔ−ａ＜ｔ≦Ｔ＋ａ、Ｔ＋ａ＜ｔ≦Ｔ＋
2a、Ｔ＋2a＜ｔ≦Ｔ＋3a、Ｔ＋3a＜ｔ≦Ｔ＋4aの６区間
に分割し、出現度数が３以上の区間には１を割り当て、
出現度数が２以下の区間には０を割り当てるようにすれ
ばよい。すなわち、第５図（ｂ）の例では「111000」と
いうパターンコードになる。監視部２によってパターン
コードが生成されると、診断部３では、第３図に示すよ
うに、パターンコードを検索キーしてデータベース４を
検索する。データベース４には、過去において設備１に
異常が発生した際のパターンコードと、その際に発見さ
れた異常の発生原因と、（パターンコード、異常の発生
原因）の対の発生頻度とが１つのレコードとして蓄積さ
れている。データベース４の中では、下表に示すよう
に、同一のパターンコードに対応する異常の発生原因が
発生頻度の多い順に配列されて格納されている。 ただし、上表において、α＞β＞γとしている。した
がって、検索キーに対応するパターンコードがデータベ
ース内で見付かると、診断部３では、そのパターンコー
ドに一致するレコードをすべて読み出し、発生頻度の高
い順に異常の発生原因を診断結果として提示する。この
ようにして得られた診断結果は、過去における異常の発
生原因を頻度の高い順に示しているものであるから、現
時点で生じている異常の発生原因を究明する際に有用な
情報であり、異常の発生原因を短時間で見付けることが
期待できるのである。その結果、設備１に異常が発生し
たときに、修復に要する時間を従来よりも短縮できるこ
とになるのである。ここにおいて、データベース４の中
のレコードが発生頻度順に並んでいるものとしている
が、検索キーであるパターンコードに一致するレコード
を読み出した後、発生頻度順に並べ替えるようにしても
よい（第３図の処理はそのようになっている）。 以上のようにして発生原因が提示され、異常の発生原
因が解明されると、診断部３を通して実際に生じていた
異常の発生原因を入力する。このとき、データベース４
の中に同一の異常の発生原因がすでに存在しているとき
には発生頻度を１だけ増加させレコードを更新する。ま
た、同一の発生原因が存在していないときには、パター
ンコード、発生原因、発生頻度（＝１）を新規のレコー
ドとしてデータベース４に蓄積する。また、監視部１か
ら受け取ったパターンコードに一致するパターンコード
がデータベース４の中に存在しない場合も異常の発生原
因が解明された後に、パターンコード、発生原因、発生
頻度（＝１）を新規のレコードとしてデータベース４に
蓄積するのである。 このように異常の発生のたびに、データベース４にレ
コードが蓄積されるから、異常の発生とともに学習効果
が高まるのであり、診断結果の精度が高まるのである。
程などで用いる設備１から、製品や設備１の内部の温
度、あるいは製品の寸法などの特定のデータ（以後、実
測データと呼称する）が得られるようになっている。実
測データは、設備１から出力されるデータが連続的に得
られるアナログ値であれば一定時間毎にサンプリングさ
れた値となる。この実測データは、監視部２に順序入力
され、所定の範囲内であるかどうかが監視される。すな
わ、監視部２では、実測データをｔ、目標値をＴ、許容
幅をａとするとき、第４図のように、Ｔ−ａ＜ｔ≦Ｔ＋
ａとなるかどうかを監視するのである。実測データが上
記条件を満たしているときには監視を継続し、条件を満
たしていないときには条件を逸脱した時点から所定個数
の実測データを収集し、データに異常があるかどうかを
判定する。データの異常の判定条件としては、たとえ
ば、収集した実測データのうちの最後の実測データが上
記条件を満たしていれば正常と判定すればよい。正常と
判定されれば、そのまま実測データの監視を続行する。
一方、データに異常があると判定されたときには、設備
１に異常が発生するまで実測データを収集し続ける。 このようにして設備１に異常が発生すると、第２図に
示すように、異常の発生前の所定個数の実測データを取
り込み、実測データの変化パターンをコード化してパタ
ーンコードを生成する。変化パターンのコード化の方法
としては、たとえば、実測データを複数区間に分けて各
区間ごとに実測データの出現度数を求め、度数分布をコ
ード化する。すなわち、第５図（ａ）に示すように、設
備１の異常の発生前のＮ個のデータを各区間ごとに分類
し、次に、第５図（ｂ）に示すように、度数分布をとる
のである。このようにして得られた度数分布をコード化
すればよい。コード化の方法としては、たとえば、パタ
ーンコードを６ビットで表すとすれば、（Ｔ−3a）から
（Ｔ＋4a）までの範囲を、Ｔ−3a＜ｔ≦Ｔ−2a、Ｔ−2a
＜ｔ≦Ｔ−ａ、Ｔ−ａ＜ｔ≦Ｔ＋ａ、Ｔ＋ａ＜ｔ≦Ｔ＋
2a、Ｔ＋2a＜ｔ≦Ｔ＋3a、Ｔ＋3a＜ｔ≦Ｔ＋4aの６区間
に分割し、出現度数が３以上の区間には１を割り当て、
出現度数が２以下の区間には０を割り当てるようにすれ
ばよい。すなわち、第５図（ｂ）の例では「111000」と
いうパターンコードになる。監視部２によってパターン
コードが生成されると、診断部３では、第３図に示すよ
うに、パターンコードを検索キーしてデータベース４を
検索する。データベース４には、過去において設備１に
異常が発生した際のパターンコードと、その際に発見さ
れた異常の発生原因と、（パターンコード、異常の発生
原因）の対の発生頻度とが１つのレコードとして蓄積さ
れている。データベース４の中では、下表に示すよう
に、同一のパターンコードに対応する異常の発生原因が
発生頻度の多い順に配列されて格納されている。 ただし、上表において、α＞β＞γとしている。した
がって、検索キーに対応するパターンコードがデータベ
ース内で見付かると、診断部３では、そのパターンコー
ドに一致するレコードをすべて読み出し、発生頻度の高
い順に異常の発生原因を診断結果として提示する。この
ようにして得られた診断結果は、過去における異常の発
生原因を頻度の高い順に示しているものであるから、現
時点で生じている異常の発生原因を究明する際に有用な
情報であり、異常の発生原因を短時間で見付けることが
期待できるのである。その結果、設備１に異常が発生し
たときに、修復に要する時間を従来よりも短縮できるこ
とになるのである。ここにおいて、データベース４の中
のレコードが発生頻度順に並んでいるものとしている
が、検索キーであるパターンコードに一致するレコード
を読み出した後、発生頻度順に並べ替えるようにしても
よい（第３図の処理はそのようになっている）。 以上のようにして発生原因が提示され、異常の発生原
因が解明されると、診断部３を通して実際に生じていた
異常の発生原因を入力する。このとき、データベース４
の中に同一の異常の発生原因がすでに存在しているとき
には発生頻度を１だけ増加させレコードを更新する。ま
た、同一の発生原因が存在していないときには、パター
ンコード、発生原因、発生頻度（＝１）を新規のレコー
ドとしてデータベース４に蓄積する。また、監視部１か
ら受け取ったパターンコードに一致するパターンコード
がデータベース４の中に存在しない場合も異常の発生原
因が解明された後に、パターンコード、発生原因、発生
頻度（＝１）を新規のレコードとしてデータベース４に
蓄積するのである。 このように異常の発生のたびに、データベース４にレ
コードが蓄積されるから、異常の発生とともに学習効果
が高まるのであり、診断結果の精度が高まるのである。
本発明は上述のように、異常発生前の所定期間のデー
タの変化パターンをコード化してパターンコードを生成
し、パターンコードと異常の発生原因と同一パターンコ
ードにおける同一異常の発生頻度とをデータベースに蓄
積しておき、異常の発生時にはその異常のパターンコー
ドに一致するパターンコードをデータベース内から検索
して発生頻度の高い順に異常の発生原因を診断結果とし
て提示するので、生産工程に用いる設備などの複雑な装
置であっても、特定のデータを監視するだけで異常の発
生原因が確率の高い順に提示されることになり、原因の
究明が容易になって修復作業を短時間で行えるようにな
るという利点を有するのである。
タの変化パターンをコード化してパターンコードを生成
し、パターンコードと異常の発生原因と同一パターンコ
ードにおける同一異常の発生頻度とをデータベースに蓄
積しておき、異常の発生時にはその異常のパターンコー
ドに一致するパターンコードをデータベース内から検索
して発生頻度の高い順に異常の発生原因を診断結果とし
て提示するので、生産工程に用いる設備などの複雑な装
置であっても、特定のデータを監視するだけで異常の発
生原因が確率の高い順に提示されることになり、原因の
究明が容易になって修復作業を短時間で行えるようにな
るという利点を有するのである。
第１図は本発明の実施例を示すブロック図、第２図、第
３図、第４図、第５図は同上の動作説明図である。 １……設備、２……監視部、３……診断部、４……デー
タベース。
３図、第４図、第５図は同上の動作説明図である。 １……設備、２……監視部、３……診断部、４……デー
タベース。
Claims (1)
- 【請求項１】設備に関する特定のデータを監視し設備に
異常が発生したときに異常発生前の所定期間のデータの
変化パターンをコード化してパターンコードを生成する
監視部と、上記パターンコードと異常の発生原因と同一
パターンコードにおける同一異常の発生頻度とを蓄積す
るデータベースと、異常の発生時に監視部により生成さ
れたパターンコードに一致するパターンコードをデータ
ベース内で検索し発生頻度の高い順に異常の発生原因を
診断結果として提示する診断部とを具備することを特徴
とする設備故障診断システム。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2289528A JP2719439B2 (ja) | 1990-10-26 | 1990-10-26 | 設備故障診断システム |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2289528A JP2719439B2 (ja) | 1990-10-26 | 1990-10-26 | 設備故障診断システム |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH04161823A JPH04161823A (ja) | 1992-06-05 |
| JP2719439B2 true JP2719439B2 (ja) | 1998-02-25 |
Family
ID=17744421
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2289528A Expired - Fee Related JP2719439B2 (ja) | 1990-10-26 | 1990-10-26 | 設備故障診断システム |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP2719439B2 (ja) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20170090049A (ko) * | 2016-01-28 | 2017-08-07 | 한화테크윈 주식회사 | 부품 실장기의 공정 라인 오류의 원인을 자동으로 식별하는 방법, 그리고 이에 적용되는 장치 |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11550293B2 (en) | 2016-07-25 | 2023-01-10 | Fuji Corporation | Board production management device and board production management method to determine a countermeasure to a board production device error |
| JP6586073B2 (ja) * | 2016-12-20 | 2019-10-02 | ソーラー・リノベーション株式会社 | 監視サーバ及び発電設備評価システム |
| WO2020026350A1 (ja) * | 2018-07-31 | 2020-02-06 | 株式会社Ｆｕｊｉ | トレース支援装置 |
| JP6898280B2 (ja) * | 2018-08-31 | 2021-07-07 | ファナック株式会社 | 知識作成システム |
-
1990
- 1990-10-26 JP JP2289528A patent/JP2719439B2/ja not_active Expired - Fee Related
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20170090049A (ko) * | 2016-01-28 | 2017-08-07 | 한화테크윈 주식회사 | 부품 실장기의 공정 라인 오류의 원인을 자동으로 식별하는 방법, 그리고 이에 적용되는 장치 |
| KR102436629B1 (ko) | 2016-01-28 | 2022-08-25 | 한화정밀기계 주식회사 | 부품 실장기의 공정 라인 오류의 원인을 자동으로 식별하는 방법, 그리고 이에 적용되는 장치 |
Also Published As
| Publication number | Publication date |
|---|---|
| JPH04161823A (ja) | 1992-06-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US6415395B1 (en) | Method and system for processing repair data and fault log data to facilitate diagnostics | |
| US6625589B1 (en) | Method for adaptive threshold computation for time and frequency based anomalous feature identification in fault log data | |
| US6988011B2 (en) | Method and system for analyzing operational parameter data for diagnostics and repairs | |
| US11403160B2 (en) | Fault predicting system and fault prediction method | |
| US6650949B1 (en) | Method and system for sorting incident log data from a plurality of machines | |
| CA2387929C (en) | Method and apparatus for diagnosing difficult to diagnose faults in a complex system | |
| EP1254402B1 (en) | Method and system for analyzing continuous parameter data for diagnostics and repairs | |
| US6643801B1 (en) | Method and system for estimating time of occurrence of machine-disabling failures | |
| US6795935B1 (en) | Diagnosis of faults in a complex system | |
| US6543007B1 (en) | Process and system for configuring repair codes for diagnostics of machine malfunctions | |
| US6947797B2 (en) | Method and system for diagnosing machine malfunctions | |
| US6622264B1 (en) | Process and system for analyzing fault log data from a machine so as to identify faults predictive of machine failures | |
| US20040250163A1 (en) | System and method for processing a new diagnostics case relative to historical case data and determining a ranking for possible repairs | |
| CN110286656B (zh) | 一种错误数据容忍的虚警过滤方法和装置 | |
| CN110991668A (zh) | 一种基于关联规则的电动汽车动力电池监控数据分析方法 | |
| US6763482B2 (en) | Printer diagnostics method | |
| JP2719439B2 (ja) | 設備故障診断システム | |
| JPH07152789A (ja) | プラント解析設備診断システム | |
| JP2005063385A (ja) | 監視方法及び監視装置、並びにプログラム | |
| KR102168737B1 (ko) | 품질 분석 장치 및 품질 분석 방법 | |
| JPH0464014A (ja) | データ監視装置 | |
| JP6247777B2 (ja) | 異常診断装置および異常診断方法 | |
| JPH04157507A (ja) | 保守支援装置 | |
| Gitzel et al. | A Data Quality Dashboard for CMMS Data. | |
| JP4978833B2 (ja) | 作業記録解析装置、作業記録解析方法、プログラム、および記録媒体 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| LAPS | Cancellation because of no payment of annual fees |