JP6436148B2 - 情報処理装置、保全機器、情報処理方法、情報処理プログラム及び記録媒体 - Google Patents
情報処理装置、保全機器、情報処理方法、情報処理プログラム及び記録媒体 Download PDFInfo
- Publication number
- JP6436148B2 JP6436148B2 JP2016225030A JP2016225030A JP6436148B2 JP 6436148 B2 JP6436148 B2 JP 6436148B2 JP 2016225030 A JP2016225030 A JP 2016225030A JP 2016225030 A JP2016225030 A JP 2016225030A JP 6436148 B2 JP6436148 B2 JP 6436148B2
- Authority
- JP
- Japan
- Prior art keywords
- data
- information processing
- sensor
- measurement data
- acquired
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
- G06N20/10—Machine learning using kernel methods, e.g. support vector machines [SVM]
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D18/00—Testing or calibrating apparatus or arrangements provided for in groups G01D1/00 - G01D15/00
-
- 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
- G05B9/00—Safety arrangements
- G05B9/02—Safety arrangements electric
-
- 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
- G05B2219/20—Pc systems
- G05B2219/24—Pc safety
- G05B2219/24019—Computer assisted maintenance
-
- 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
- G05B2219/32234—Maintenance planning
-
- 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
- G05B2219/42—Servomotor, servo controller kind till VSS
- G05B2219/42329—Defective measurement, sensor failure
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
Description
本発明は、情報処理装置、保全機器、情報処理方法、情報処理プログラム及び記録媒体に関する。
従来から、化学等の工業プラント、ガス田や油田等の井戸元やその周辺を管理制御するプラント、水力・火力・原子力等の発電を管理制御するプラント、太陽光や風力等の環境発電を管理制御するプラント、上下水やダム等を管理制御するプラント等のプラントや工場等(以下、これらを総称する場合には「プラント」という)においては、フィールド機器と呼ばれる測定器又は操作器等の現場機器と、これらを制御する制御装置とが通信手段を介して接続された分散制御システム(DCS:Distributed Control System)が構築されており、高度な自動操業が実現されている。
上記のような高度な自動操業を実現するために構築されるプラントのシステム等においては、プラントの収量、運転状態、アラームの発生状況等のプラントの状態は、プラント内に配置されているセンサ(計測機器等を含む)で測定される。センサによって測定された測定データ(PV(Process Variable))は、DCS等の制御装置によって取得されて、操作量(MV(Manipulative Variable))としてアクチュエータ等に出力されることによりプラントの制御に使用される。
測定データを測定するセンサは、センサの劣化によって測定値がシフトしたり、センサの測定部に汚れが付着したり、又はセンサの寿命によって故障したり(劣化等)する。センサの劣化等の進行状況は、例えばセンサのセトリングタイム等の特性データをセンサの保全作業を実施する保全作業者が測定する保全作業によって確認することができる。保全作業者は、センサをDCSから切り離したオフライン状態にして特性データを測定する。保全作業者は測定した特性データによりセンサの劣化の進行状況を把握して、センサを調整し、清掃し又は交換する保全作業(メンテナンス)を実施する。
また、センサの劣化等の進行状況に拘わらず、センサを調整等する保全作業を所定の周期で定期的に実施する場合がある。
また、センサの劣化等を測定データから判断するために、使用時間や使用環境の異なるセンサ毎に測定データを教師データとして機械学習させて判定モデルを作成して、判定モデルによってセンサの劣化等を診断する機械学習システムがある(例えば、特許文献1〜2、非特許文献1を参照)。
▲高▼見 豪、外3名、「機械学習を用いたセンサデータ解析の可能性」、横河技報、横河電機株式会社、Vol.59 No.1(2016)p.27−30
しかし、センサの特性データを測定するには、オフライン状態にした計測が必要となり、プラントの運転を停止する必要が生じる場合がある。また、センサの特性データ測定には高度な専門性が要求されるため、専門性の高い保全作業者の確保が必要となる。したがって、特性データの測定を伴う保全作業のコストが増大してしまう場合があった。
また、センサの劣化等の進行状況は、センサの使用状況や設置環境によって大きく異なるため、劣化等の進行状況の異なる全てのセンサに対して一律に定期的な保全作業を実施する場合、調整等の未だ必要でないセンサに対しても保全作業が実施されることになり、センサを多数使用するプラントにおいては、定期的な保全作業に伴う保全作業のコストが増大してしまう場合があった。
また、センサの劣化等を機械学習によって判定するには、測定データと保全作業によって得られた特性データとを対応させた教師データを予め手動で準備する必要があり、機械学習の運用に伴う保全作業のコストが増大する場合があった。
本発明は上記事情に鑑みてなされたものであり、保全作業に伴うコストの上昇の低減を図ることができる情報処理装置、保全機器、情報処理方法、情報処理プログラム及び記録媒体を提供することを目的とする。
(1)上記の課題を解決するため、本発明の情報処理装置は、センサの測定データを取得する測定データ取得部と、前記センサの保全によって取得される前記センサの特性データを取得する特性データ取得部と、取得された前記測定データに対して、取得された前記特性データをラベル情報として対応付けた教師データを生成する教師データ生成部とを備える。
(2)また、本発明の情報処理装置において、生成された前記教師データを学習して判定モデルを生成する学習部をさらに備える。
(3)また、本発明の情報処理装置において、生成された前記判定モデルを用いて取得された前記測定データに基づき、前記センサの特性データを判定する判定部をさらに備える。
(4)また、本発明の情報処理装置において、前記特性データと、前記センサに対して実施すべき保全作業とを対応付けて記憶する対応記憶部と、判定された前記特性データに基づき、記憶された前記保全作業を選択する保全作業選択部と、選択された前記保全作業を報知する報知部とをさらに備える。
(5)また、本発明の情報処理装置において、前記特性データ取得部は、前記特性データとして前記センサのセトリングタイムを取得する。
(6)上記の課題を解決するため、本発明の保全機器は、センサの測定データを取得する測定データ取得部と、前記測定データに基づき特性データを生成する特性データ生成部と、取得された前記測定データに対して、生成した前記特性データをラベル情報として対応付けた教師データを生成する教師データ生成部とを備える。
(7)また、本発明の保全機器において、前記特性データ生成部は、前記特性データとして前記センサのセトリングタイムを生成する。
(8)上記の課題を解決するため、本発明の情報処理方法は、センサの測定データを取得する測定データ取得ステップと、前記センサの保全によって取得される前記センサの特性データを取得する特性データ取得ステップと、取得された前記測定データに対して、取得された前記特性データをラベル情報として対応付けた教師データを生成する教師データ生成ステップとを含む。
(9)上記の課題を解決するため、本発明の情報処理プログラムは、センサの測定データを取得する測定データ取得処理と、前記センサの保全によって取得される前記センサの特性データを取得する特性データ取得処理と、取得された前記測定データに対して、取得された前記特性データをラベル情報として対応付けた教師データを生成する教師データ生成処理とをコンピュータに実行させる。
(10)上記の課題を解決するため、本発明の記録媒体は、センサの測定データを取得する測定データ取得処理と、前記センサの保全によって取得される前記センサの特性データを取得する特性データ取得処理と、取得された前記測定データに対して、取得された前記特性データをラベル情報として対応付けた教師データを生成する教師データ生成処理とをコンピュータに実行させる情報処理プログラムを記憶している。
本発明によれば、保全作業に伴うコストの上昇の低減を図ることができる、情報処理装置、保全機器、情報処理方法、情報処理プログラム及び記録媒体を提供することを提供することができる。
以下、図面を参照して本発明の一実施形態における情報処理装置、保全機器、情報処理方法、情報処理プログラム及び記録媒体について詳細に説明する。
先ず、図1を用いて、情報処理装置を用いるプラントの概要を説明する。図1は、実施形態の情報処理装置を用いるプラントの構成例を示す図である。図1において、プラント100は、情報処理装置1、基幹業務システム2、製造実行システム3、運転制御装置4、保全機器5を有する。プラント100が有するセンサS1、または図示しないバルブ又はポンプ等を、以下「フィールド機器」という。プラント100は、上記プラントの構成によって所定の生成物(生産物)を生成する。
センサS1は、プラント100の運転状態を示す測定データを測定する。プラント100の運転状態を示す測定データとは、例えば、プラントのプロセスにおける圧力、温度、pH、生成物の流量等の物理量のデータである。センサS1は、測定データを運転制御装置4に出力する。
情報処理装置1は、センサS1で測定された測定データを取得する。センサS1で測定された測定データは、運転制御装置4を介して又はセンサS1から直接、製造実行システム3に入力される。図1において情報処理装置1は、測定データを製造実行システム3から取得する。また、情報処理装置1は、保全機器5において測定されたセンサS1の特性データを、保全機器5から取得する。情報処理装置1の詳細は図2等を用いて後述する。
基幹業務システム2は、例えば、会計処理、生産管理、販売管理等の経営資源を管理するためのプロセス製造業向けERP(Enterprise Resource Planning:経営資源統合)システムである。基幹業務システム2は、プラントの運転状態の情報を経営資源の管理情報として利用してもよい。また、基幹業務システム2は、プラントの保全や修理の業務情報を管理する保全管理システム等を含んでいてもよい。基幹業務システム2は、例えば、サーバ装置、デスクトップ型PC等の汎用コンピュータである。
製造実行システム3は、例えば、基幹業務システム2と運転制御装置4との間に位置するMES(Manufacturing Execution System)であり、運転制御装置4が取得したフィールド機器の動作状態や作業者の作業状況等を監視し、又は管理する。製造実行システム3は、例えば、サーバ装置、デスクトップ型PC等の汎用コンピュータである。製造実行システムには、PIMS(Plant Information Management System:プラント情報管理システム)3A、又はCMMS(Computerised Maintenance Management System:プラント保全管理システム)3B等の機能を有していてもよい。
製造実行システム3にけるPIMS3Aは、プラントの状態情報を収集して記録するプラント情報管理システムとして機能する。図1においてPIMS3Aは、運転制御装置4を介して(又は運転制御装置4を介さず直接に)、センサS1の測定データを収集して記録する。PIMS3Aは、センサS1の測定データを時系列で収集してヒストリーデータ(履歴データ、ヒストリアン)として記録する。ヒストリーデータには、センサS1の測定データとその測定データが測定された日時を含む。PIMS3Aは情報処理装置1に対して、測定データのヒストリーデータを提供するとともに、現在の(最新の)測定データを提供する。例えば、PIMS3Aは、センサS1の測定データを取得したときに、取得した測定データを情報処理装置1に提供するとともに、ヒストリーデータとして記録する。PIMS3Aは記録したヒストリーデータを、例えば定期的に又は情報処理装置1からの取得要求に応じて情報処理装置1に提供する。ヒストリーデータは、例えば1時間、1日、1週間等、所定の期間記録された複数の測定データの履歴である。本実施形態においては、測定データのヒストリーデータは情報処理装置1において実行される機械学習の学習フェーズで使用される教師データとして使用される。
製造実行システム3にけるCMMS3Bは、プラント100の保全履歴を記録し、保全計画を管理するプラント保全管理システムとして機能する。CMMS3Bは、例えば、保全機器5で実施されて記録されたフィールド機器に対する保全操作の操作履歴を、複数の保全機器5から取得して保全情報として記録する。また、CMMS3Bは、フィールドオペレータによって実施された保全作業を手動で入力可能として保全情報として記録してもよい。なお、CMMS3Bは、保全機器5が情報処理装置1に対して提供する保全情報を情報処理装置1に対して提供してもよい。
運転制御装置4は、センサS1から取得した測定データに基づき、図示しないポンプ、バルブ、ヒータ等を制御して、プラント100におけるプロセスを制御する。運転制御装置4は、センサS1から取得した測定データを製造実行システム3に対して提供する。運転制御装置4は、例えば、FA(Factory Automation)コンピュータ、PLC(Programmable Logic Controller)等の制御装置である。
保全機器5は、フィールドオペレータがフィールド機器に対して保全作業を実施するための機器である。フィールド機器の保全とは、例えば、フィールド機器に設定された機器情報を読み出して確認する処理、フィールド機器に対して新たな機器情報(パラメータ)を設定する処理、フィールド機器に設定された機器情報を調整又は変更する処理、ならびにフィールド機器に機器情報を設定して所定の動作を実行させる処理等である。本実施形態における保全機器5は、センサS1のセトリングタイムを測定して記録する保全作業を実施できるものとする。
センサS1のセトリングタイムとは、センサS1に基準信号を入力したときから基準信号に対する出力信号の大きさが目標値に到達するまでの時間である。基準信号は、例えばステップ入力信号やパルス入力信号である。センサS1は使用状況や設置環境によって経年的に劣化等するとセトリングタイムが長くなる場合がある。プラントを保全する保全作業者は、センサS1のセトリングタイムを定期的に又は不定期に測定することにより、センサS1の劣化等を確認することができる。セトリングタイムの測定は、センサS1を運転制御装置4から切り離したオフライン状態において実施される。保全作業者は、センサS1のセトリングタイムを測定して、センサS1の劣化等の進行状況を確認して、センサS1の調整、交換等の必要な保全作業を判断して実施する。但し、測定されたセトリングタイムに基づき必要な保全作業を判断するためには、保全作業者に高度なスキルレベルが要求される場合がある。本実施形態においては、必要な保全作業の判断に使用されるセトリングタイムを保全機器5に記録して、機械学習の教師データを生成するための情報として情報処理装置1に提供される。保全機器5は、有線又は無線で接続された情報処理装置1に対して、セトリングタイムを、セトリングタイムを測定した日時の情報とともに提供する。セトリングタイムの提供は、例えば記録媒体を介して行われてもよい。保全機器5は、ノート型又はタブレット型のコンピュータ、PDA(Personal Digital Assistant)、又はスマートフォン等である。
なお、本実施形態においては、センサS1の特性データとしてセトリングタイムを測定して情報処理装置1に提供する場合を示したが、特性データはセトリングタイムに限定されるものではない。例えば、特性データとして、ゼロ点調整におけるゼロ点のシフト量やスパン調整におけるスパンのシフト量を提供するものであってもよい。
また、保全作業者は、プラントを操作するフィールドオペレータであってもよい。また、図1においてはプラント100は、センサS1を有する場合を説明したが、プラント100の機器構成はこれに限定されるものではない、例えば、プラント100がタンク、バルブ、ポンプ、他のセンサ等の機器を有するものであってもよい。また、図1で図示する各機器を接続する線は、有線又は無線の通信線を示している。有線通信又は無線通信は、図示しない通信機器及びネットワークを介して行われるようにしてもよい。
次に、図2を用いて、情報処理装置1のハードウェア構成を説明する。図2は、実施形態における情報処理装置1のハードウェア構成の一例を示すブロック図である。
図2において、情報処理装置1は、CPU(Central Processing Unit)11、RAM(Random Access Memory)12、ROM(Read Only Memory)13、HDD(Hard Disk Drive)14、表示装置15、入力装置16、通信I/F(Interface)17、通信I/F18及びこれらを接続するバス19を有する。
情報処理装置1は、例えば、サーバ装置、デスクトップ型PC等の汎用コンピュータ、FAコンピュータ、PLC等の装置、ノート型又はタブレット型のコンピュータ、PDA、又はスマートフォン等である。情報処理装置1のハードウェアは、単体装置として構成されてもよく、また、複数の装置の組合せで構成されるシステムであってもよい。また、情報処理装置1は、他の装置とハードウェアを共用するものであってもよい。
CPU11は、RAM12、ROM13又はHDD14に記憶されたプログラムを実行することにより、情報処理装置1の制御を行なう。CPU11は、後述する情報処理装置1の動作を実現するための情報処理プログラムを実行する。情報処理プログラムは、例えば、情報処理プログラムを記録した記録媒体、又はネットワークを介した情報処理プログラムを提供するサーバ等から取得されて、HDD14にインストールされ、CPU11から読出し可能にRAM12に記憶される。
表示装置15は、表示機能を有する例えば液晶ディスプレイである。表示装置15は、ヘッドマウント型ディスプレイ、メガネ型ディスプレイ、腕時計型ディスプレイ等の種々の形態によって実現されてもよい。入力装置16は、入力機能を有する例えばキーボード又はマウスである。入力装置16は、音声情報を入力するマイク、画像情報を入力するカメラ又はスキャナ等であってもよい。なお、表示装置15と入力装置16は、タッチパネル等、表示機能と入力機能を有する装置によって実現されてもよい。
通信I/F17は、有線通信又は無線通信を介して、図1で説明した、製造実行システム3、運転制御装置4、保全機器5等の他の装置との通信を制御する。通信I/F17は、接続された他の装置と、データ送受信、音声通話又はメール送受信等の通信制御を行なう。通信I/F17は、例えば、無線LAN通信、有線LAN通信、赤外線通信、近距離無線通信等の汎用通信規格に対応した通信制御を行なう。
通信I/F18は、有線通信又は無線通信を介して、運転制御装置4、保全機器5、図示しないフィールド機器等の他の装置との通信を制御する。通信I/F18は、例えば、ISA(International Society of Automation:国際計測制御学会)の無線通信規格であるISA100、HART(Highway Addressable Remote Transducer)(登録商標)、BRAIN(登録商標)、FOUNDATION Fieldbus、PROFIBUS等の工業計器専用の通信規格に対応した通信制御を行なう。
次に、図3を用いて、情報処理装置1のソフトウェア構成を説明する。図3は、実施形態における情報処理装置1のソフトウェア構成の一例を示すブロック図である。
図3において、情報処理装置1は、測定データ取得部101、特性データ取得部102、教師データ生成部103、学習部104、判定モデル記憶部105、判定部106、対応記憶部107、保全作業選択部108及び保全作業報知部109の各機能を有する。情報処理装置1の上記各機能は、情報処理装置1を制御する情報処理プログラムによって実現される機能モジュールである。情報処理プログラムは、プログラムを提供するサーバから提供され、又は記録媒体から提供されてもよい。
測定データ取得部101は、センサS1の測定データを取得する。センサS1の測定データは、製造実行システム3の一機能であるPIMS3Aから取得することができる。測定データ取得部101は、PIMS3Aから、測定データのヒストリーデータを取得するとともに、現在の測定データを取得する。
測定データ取得部101が測定データのヒストリーデータを取得する方法は任意である。例えば、測定データ取得部101がPIMS3Aに対してヒストリーデータの取得要求を行なう。ヒストリーデータの取得要求には、測定データが測定された日時の範囲を指定する指定コマンドを含んでいてもよい。PIMS3Aは、指定された日時の範囲のヒストリーデータを測定データ取得部101に対して提供してもよい。また、測定データ取得部101は、PIMS3Aから定期的に送信されるヒストリーデータを受信することにより取得してもよい。取得したヒストリーデータは、後述する学習フェーズで使用される教師データの生成に使用される。
測定データ取得部101は、PIMS3Aから現在の測定データを取得する。現在の測定データを取得方法も任意である。例えば、測定データ取得部101は、PIMS3AからセンサS1の測定データを略リアルタイムで取得する。略リアルタイムで取得するとは、センサS1で測定された後、PIMS3Aから直ちに取得する場合、又は所定の遅延時間後に取得する場合である。略リアルタイムの取得には、数秒間等の短時間の周期毎に測定データを取得する場合を含んでもよい。なお、取得した現在の測定データは、後述する実行フェーズで使用される。
特性データ取得部102は、センサS1の保全によって取得されるセンサS1の特性データを取得する。本実施形態で取得される特性データは、センサS1のセトリングタイムである。特性データ取得部102は、保全機器5から測定されたセトリングタイムを取得する。例えば、保全機器5は、センサS1のセトリングタイムを測定したときに、セトリングタイムとセトリングタイムを測定した日時の情報を特性データ取得部102に対して送信する。なお、特性データ取得部102は、例えば、セトリングタイム測定用の他の装置で測定されたセトリングタイムを取得するものであってもよい。また、特性データ取得部102は、製造実行システム3のCMMS3Bの機能から保全情報を取得するようにしてもよい。
なお、測定データ取得部101または特性データ取得部102は、プリプロセッサの機能を有するものであってもよい。プリプロセッサは、取得された測定データ又はセトリングタイムの中から機械学習に適さない外れ値を除外する。取得されたデータが外れ値であるか否かは、例えば取得したデータを標本とした場合の標準偏差や所定の検定方法によって判断することができる。プリプロセッサは、例えば、プラントの立ち上げ時、立下げ時又は休止時等、異常な測定データが取得されることが見込まれるときの取得データを外れ値として除外するようにしてもよい。
教師データ生成部103は、測定データ取得部101において取得された測定データのヒストリーデータに対して、特性データ取得部102において取得されたセンサS1の特性データであるセトリングタイムをラベル情報として対応付けた教師データを生成する。
教師データ生成部103は、測定データ取得部101において取得された複数のヒストリーデータの中で、例えば、最後にセトリングタイムが測定された日時からラベルが対応付けられていない過去のヒストリーデータの測定日時の範囲の測定データに対して、最後に測定されたセトリングタイムのラベルと同じラベルを対応付けて教師データを生成する。すなわち、教師データ生成部103は、所定の測定日時の範囲内にある測定データに対して、同じラベルを付与することにより教師データの数を増やすことができる。一方、教師データ生成部103は、ラベルを対応付けるヒストリーデータの測定日時の範囲の測定データのデータ数が多い場合、測定データを間引いて教師データの数を減らしてもよい。例えば、教師データ生成部103は、セトリングタイムの測定日時に近い測定日時の測定データのみに対してラベルを対応付けて教師データを生成する。
学習部104は、教師データ生成部103において生成された教師データを機械学習して判定モデルを生成する。学習部104において用いられる機械学習の手法は任意である。例えば、学習部104は、機械学習の手法として、SVM(Support Vector Machine)等の非線形分類手法を用いることができる。SVMは、測定データを入力データとして、測定データをクラスタリングするための判定線(判定モデル)を生成して、生成した判定モデルを用いて測定データのクラスを判定する。判定線とは、測定データをクラスタリングするための境界線である。判定線は測定データを教師データとして学習することによって生成される。
学習部104は、分類するクラスがnクラス(マルチクラス)であるマルチクラスSVM(MMSVM)の手法を用いる。MMSVMにおいては、nクラスに対して「nC2」個のSVMが用意される。クラスは対応付けられるラベルによって分類される。ラベルとは、入力された入力データをクラスタリングするためのフラグである。教師データを用いた機械学習においては、入力データの中から教師データとして学習させるデータに対してラベルを対応付けて、ラベル付きの教師データを学習させる。学習部104は、教師データを学習して、入力データをどのラベルにクラスタリングするかを判定するための判定モデルを生成する。
なお、学習部104で用いられる機械学習の手法は、SVMに限定されるものではなく、例えば、Deep Learning等のニューラルネットワークの手法を用いるものであってもよい。
判定モデル記憶部105は、学習部104において生成された判定モデルを、例えば、図2のROM13又はHDD14に読出し可能に記憶する。判定モデル記憶部105は、センサS1に対して複数の判定モデルを記憶してもよい。
判定部106は、機械学習の実行フェーズにおいて判定モデル記憶部105に記憶された判定モデルを読み出し、読み出した判定モデルを用いて、測定データ取得部101で取得された測定データを判定する。測定データの判定は、測定データが判定モデルの特性データのラベル(セトリングタイム)のいずれかに対応付けられるか(クラスタリングされるか)の判定である。
対応記憶部107は、特性データであるラベル(セトリングタイム)と、センサS1に対して実施すべき保全作業との対応付けを、例えば、ROM13又はHDD14に読出し可能に記憶する。特性データのラベルは、それぞれのセンサS1の劣化状態を示し、それぞれ必要な保全作業を予め対応付けておく。なお、本実施形態においては、ラベルA、B及びCに対して、それぞれ正常(保全作業の必要なし)、スパン調整要及びセンサ交換要の保全作業が対応付けられる場合を図7において後述する。
保全作業選択部108は、対応記憶部107に記憶された、ラベルと保全作業の対応付けに基づき、判定部106において判定された特性データに対応付けられた保全作業を選択する。
保全作業報知部109は、保全作業選択部108において選択された保全作業を、保全作業者に対して報知する。保全作業の報知は、例えば図2の表示装置15に保全作業の内容を表示することに行なう。保全作業の報知は、図示しないスピーカから保全作業の内容を音声で出力することにより行なってもよい。また、保全作業報知部109は、製造実行システム3のCMMS3Bに対して保全作業の内容を提供することにより報知してもよい。また、保全作業報知部109は、保全機器5に対して、センサS1の保全作業を含むToDoリストを提供することにより報知してもよい。
なお、図3における情報処理装置1の、測定データ取得部101、特性データ取得部102、教師データ生成部103、学習部104、判定モデル記憶部105、判定部106、対応記憶部107、保全作業選択部108及び保全作業報知部109の各機能は、ソフトウェアによって実現される場合を説明した。しかし、上記各機能の中の1つ以上の機能は、ハードウェアによって実現されるものであっても良い。また、上記各機能は、1つの機能を複数の機能に分割して実施してもよい。また、上記各機能は、2つ以上の機能を1つの機能に集約して実施してもよい。
次に、図4を用いて情報処理装置1における学習フェーズの動作を説明する。図4は、実施形態の情報処理装置1における学習フェーズの動作の一例を示すフローチャートである。
学習フェーズは、測定データから教師データを生成して判定モデルを生成して記憶するまでの処理である。図4に示すフローチャートの動作は、図3で説明した。情報処理装置1の各機能において実行されるものとする。したがって、以下の処理の動作主体は情報処理装置1であるものとして説明する。
図4において、情報処理装置1は、センサS1の特性データであるセトリングタイムを取得したか否かを判断する(ステップS11)。セトリングタイムは、保全機器5を用いたセンサS1の保全作業において測定される。セトリングタイムを取得したか否かの判断は、例えば、特性データ取得部102が保全機器5からセトリングタイムのデータを受信したか否かで判断することができる。セトリングタイムは、保全作業者による保全作業によって任意のタイミングで取得されるものとする。したがって、図4に示す学習フェーズは、保全作業によってセトリングタイムが取得される度に実行されるものとする。なお、セトリングタイムは、製造実行システム3から過去の保全情報の履歴を取得することにより取得してもよい。特性データ取得部102は、セトリングタイムの情報とともにセトリングタイムが取得された日時の情報も取得する。
セトリングタイムを取得していないと判断した場合(ステップS11:NO)、情報処理装置1は、ステップS11の処理を繰り返して、セトリングタイムが取得されるのを待機する。
一方、セトリングタイムを取得したと判断した場合(ステップS11:YES)、情報処理装置1は、センサS1の測定データを取得する(ステップS12)。測定データの取得は、例えば、測定データ取得部101が、PIMS3Aから測定データのヒストリーデータを取得することにより行われる。ステップS12の処理で取得するヒストリーデータは、ステップS11において取得されたセトリングタイムをラベルとして付与するものであるため、セトリングタイムの測定日時と測定データの測定日時が接近していることが望ましい。測定データ取得部101は、ステップS12において、前回取得されたセトリングタイムの測定日時から今回取得されたセトリングタイムの測定日時までの間に測定された測定データのヒストリーデータを取得するものとする。上述したように、測定データ取得部101は、取得する測定データの数が所定の数以下になるように測定データを間引いてもよい。
ステップS12の処理を実行した後、情報処理装置1は、教師データを生成する(ステップS13)。教師データの生成は、例えば、教師データ生成部103が、ステップS12において取得された測定データに対して、ステップS11で取得されたセトリングタイムをラベルとして対応付けて付与することにより行なうことができる。教師データ生成部103は、前回取得されたセトリングタイムの測定日時から今回取得されたセトリングタイムの測定日時までの間に測定された測定データに対して、今回取得されたセトリングタイムをラベルとして付与して教師データを生成する。測定データとラベルであるセトリングタイムの対応付けを測定日時によって行なうことにより、教師データ生成部103は、教師データを自動的に生成することが可能となる。但し、測定データとラベルの対応付けは、他の方法によって行われるものであってもよい。例えば、測定データとラベルの対応付けを手動で実施するようにしてもよい。また、測定データの保存場所と保全情報の保存場所を一致させることにより対応付けを実施するようにしてもよい。
ステップS13の処理を実行した後、情報処理装置1は、生成した教師データを機械学習させて(ステップS14)、判定モデルを生成する(ステップS15)。ステップS14における教師データの機械学習とステップS15における判定モデルの生成は、例えば学習部104がSVMの手法において行なう。なお、ステップS15において生成される判定モデルは、例えば、プラント100の運転状態等によって複数生成されるものであってもよい。測定データとセトリングタイムの関係はプラント100の運転状態等によって影響を受けるからである。例えば、季節、曜日、1日の中での時間帯によって異なる判定モデルを生成してもよい。
ステップS15の処理を実行した後、情報処理装置1は、生成された判定モデルを記憶する(ステップS16)。判定モデルの記憶は、例えば、判定モデル記憶部105が、生成された判定モデルをHDD14等に読出し可能に記憶することにより行なう。
ステップS16の処理を実行後、情報処理装置1は、図4に示すフローチャートにおける学習フェーズの動作を終了する。
次に、図5を用いて、図4のステップ13において生成される教師データを説明する。図5は、実施形態の情報処理装置1が生成する教師データの一例を示す図である。
図5において、図5(A)は、PIMS3Aから取得される測定データのヒストリーデータと、保全機器5から取得されるセトリングタイムを時系列で表したものである。
「測定日時」の項目は、センサS1の測定データを測定した日時又はセトリングタイムを測定した日時である。「測定データ」の項目は、センサS1の測定データ(PV)である。図5(A)においては、測定データは1つの数値である場合を示しているが、測定データは、複数の数値の集合であったり、時間の経過に対する測定値の変動であったりしてもよい。測定値の変動は、例えば時間を軸に対する測定値の波形としてグラフで表すことができる。測定値の変動には、測定値の絶対値、平均値等の情報と周波数成分等の情報が含まれることになる。
「セトリングタイム」の項目は「測定日時」において測定されたセンサS1のセトリングタイムである。図5(A)では、理解が容易なように、例えば、(x.xx秒)等の時間で表されるセトリングタイムを「A」、「B」又は「C」の文字で表している。「ラベル」の項目は、測定データに対して付与する教師データのラベルである。
図5(A)は、センサS1の測定データが1分毎に測定されていることを示している。2016年10月1日10時0分0秒においてセンサS1の測定データ(PV)は「10.123」である。PVは、例えば、温度、圧力、電流値、電圧値等である。PIMS3Aは、1分毎に測定される測定データをヒストリーデータとして記録していく。
2016年10月25日15時35分0秒の測定日時において、保全機器5からセトリングタイム「A」が取得されると、測定データ取得部101は、当該測定日時以前のヒストリーデータをPIMS3Aから取得する。すなわち、測定データ取得部101は、2016年10月1日10時0分0秒〜2016年10月25日15時35分0秒の測定日時において測定された測定データを取得する。
教師データ生成部103は、16年10月1日10時0分0秒〜2016年10月25日15時35分0秒の測定日時において測定された測定データに対して、2016年10月25日15時35分0秒の測定日時において測定されたセトリングタイム「A」をラベルとして付与する。
同様に、2016年12月10日12時21分0秒の測定日時において、保全機器5からセトリングタイム「B」が取得されると、測定データ取得部101は、当該測定日時以前であって、既に取得済みの測定データを除くヒストリーデータをPIMS3Aから取得する。すなわち、測定データ取得部101は、2016年10月25日15時36分0秒〜2016年12月10日12時21分0秒の測定日時において測定された測定データを取得する。
教師データ生成部103は、2016年10月25日15時36分0秒〜2016年12月10日12時21分0秒の測定日時において測定された測定データに対して、2016年12月10日12時21分0秒の測定日時において測定されたセトリングタイム「B」をラベルとして付与する。セトリングタイム「C」が取得されたときも同様の処理が実行される。
図5(B)は、教師データ生成部103において、図4のステップS13の処理で生成された教師データを示している。教師データは、「測定データ」の数値と、その測定データに対して付与された「ラベル」の情報を有している。この教師データを学習することにより、測定データとラベルとの対応が機械学習されて判定モデルが生成される。なお、測定データは上述のように時間の経過に対する測定値の変動の波形であってもよい。生成された教師データは、ステップS14の処理において機械学習される。
次に、図6を用いて、情報処理装置1における実行フェーズの動作を説明する。図6は、実施形態の情報処理装置1における実行フェーズの動作の一例を示すフローチャートである。
実行フェーズは、図4で説明した学習フェーズにおいて生成された判定モデルを用いて、取得した測定データを判定する処理である。図6に示すフローチャートの動作においても、図3で説明した情報処理装置1の各機能において実行されるものとし、以下の処理の動作主体は情報処理装置1であるとする。
図6において、情報処理装置1は、測定データを取得したか否かを判断する(ステップS21)。測定データを取得したか否かの判断は、例えば、測定データ取得部101がPIMS3Aから判定対象の測定データを取得したか否かで判断する。図4のステップS12において取得する測定データは教師データを生成するためのものであるのに対して、ステップS21において取得する測定データは判定の対象である点で異なる。但し、ステップS21で取得した測定データを教師データの生成に用いてもよい。
測定データを取得していないと判断した場合(ステップS21:NO)、情報処理装置1は、ステップS21の処理を繰り返して、測定データが取得されるのを待機する。
一方、測定データを取得したと判断した場合(ステップS21:YES)、情報処理装置1は、判定処理を実行する(ステップS22)。判定処理は、ステップS21において取得した測定データが、学習フェーズ(ステップS15)で生成された判定モデルを適用したときにいずれの判定領域に含まれるか(分類されるか)を判定する処理である。判定処理は、複数のラベルで判定される判定領域が複数ある場合、いずれの領域に含まれるかの判定を行なう。判定処理は、例えば、判定部106が実行する。判定部106は、ステップS21の処理で取得された測定データが、図5で例示した、「A」〜「C」の3種類のラベルで分類されるいずれかの領域に分類されるかを判定する。例えば、取得された測定データが10.247の場合、図5(B)において付与されたラベル「B」に分類されると判定される。
ステップS22の処理を実行した後、情報処理装置1は、判定処理の処理結果に基づき、センサS1の保全作業を選択する(ステップS23)。保全作業の選択は、例えば、保全作業選択部108が、対応記憶部107において記憶されたラベルで分類されるセンサS1の特性データと保全作業との対応付けを読み出して、判定処理の結果から一又は複数の保全作業を選択することにより行われる。
ここで、図7を用いて、ラベルで分類されるセンサS1の特性データと保全作業との対応付けを説明する。図7は、実施形態の情報処理装置1が記憶する特性データと保全作業の対応付けの一例を示す図である。
図7において、特性データを分類するラベル「A」、「B」及び「C」は、それぞれ保全作業と対応付けられている。例えば、ラベル「A」で分類されるセトリングタイムは、保全作業不要な正常な範囲であり、正常(保全作業不要)の対応付けがされている。ラベル「B」で分類されるセトリングタイムは、スパン調整の保全作業が必要な範囲であり、スパン調整要の対応付けがされている。また、ラベル「C」で分類されるセトリングタイムは、センサ交換の保全作業が必要な範囲であり、センサ交換要の対応付けがされている。例えば、上述したように、取得された測定データが10.247の場合、ラベル「B」に分類されると判定されるので、「スパン調整要」の保全作業が選択される。これらの対応付は、例えば、対応記憶部107が予め設定して、HDD14等に保全作業選択部108から読出し可能に記憶しておく。
なお、図7においては、「A」〜「C」のそれぞれのラベルに1つの保全作業を対応付ける場合を例示したが、ラベルと保全作業の対応付けはこれに限定されるものではない。例えば、分類されるラベルの数は2又は4以上であってもよい。また、1つのラベルに複数の保全作業を対応付けてもよい。対応付ける保全作業は、図7で示すような作業名のみである場合に代えて、例えば保全作業においてフィールド機器に設定するパラメータの数値や保全作業の手順等、より詳細な保全作業の内容を指定するものであってもよい。対応付ける保全作業は、固定された情報の代わりに、所定の条件によって保全作業の内容が変動する情報を含むものであってもよい。
再び図6の説明に戻り、ステップS23の処理を実行した後、情報処理装置1は、選択された保全作業の情報を報知する(ステップS24)。保全作業の情報の報知は、例えば、保全作業報知部109が、図2の表示装置15に保全作業の内容を表示すること等により行なう。
ステップS24の処理を実行後、情報処理装置1は、図6に示すフローチャートにおける実行フェーズの動作を終了する。
次に、図8を用いて、情報処理装置1のソフトウェア構成の一部を他の装置で実現する場合を説明する。図8は、実施形態の情報処理装置のソフトウェア構成の他の一例を示すブロック図である。図8に示す情報処理装置1のソフトウェアの構成は、図3で説明したソフトウェアの構成の代替手段である。図8においては、図3と同じ機能構成の説明を一部省略する。
図8は、図3における情報処理装置1の機能を、情報処理装置1a及び情報処理装置1bの2つの装置に分割して実施する場合を示している。情報処理装置1a及び情報処理装置1bは、図1で説明したように、製造実行システム3又は保全機器5等の装置とは別の装置としてプラント100に配置されるものとする。また、情報処理装置1a及び情報処理装置1bのハードウェア構成は、図2で説明した情報処理装置1の構成と同様である。
図8において、情報処理装置1aは、測定データ取得部101A、特性データ取得部102A、教師データ生成部103A、学習部104A及び判定モデル記憶部105Aの各機能を有する。情報処理装置1bは、判定部106A、対応記憶部107A、保全作業選択部108A及び保全作業報知部109Aの各機能を有する。
情報処理装置1a又は情報処理装置1bの上記各機能は、情報処理装置1a又は情報処理装置1bを制御する情報処理プログラムによって実現される機能モジュールである。情報処理プログラムは、プログラムを提供するサーバから提供され、又は記録媒体から提供されてもよい。
情報処理装置1aにおいて、測定データ取得部101Aは、センサS1の測定データを取得する。測定データ取得部101Aは、取得した測定データを特性データ取得部102Aに提供するとともに、情報処理装置1bの判定部106Aに提供する。特性データ取得部102Aは、センサS1の保全によって取得されるセンサS1の特性データを取得する。教師データ生成部103Aは、測定データ取得部101Aにおいて取得された測定データのヒストリーデータに対して、特性データ取得部102Aにおいて取得されたセンサS1の特性データであるセトリングタイムをラベル情報として対応付けた教師データを生成する。学習部104Aは、教師データ生成部103Aにおいて生成された教師データを機械学習して判定モデルを生成する。判定モデル記憶部105Aは、学習部104Aにおいて生成された判定モデルを、情報処理装置1bの判定部106Aから読出し可能に記憶する。判定モデル記憶部105Aは、生成された判定モデルを、判定部106Aに対して送信するようにしてもよい。
情報処理装置1bにおいて、判定部106Aは、機械学習の実行フェーズにおいて判定モデル記憶部105Aに記憶された判定モデルを読み出し、読み出した判定モデルを用いて、測定データ取得部101Aで取得された測定データを判定する。対応記憶部107Aは、特性データであるラベルと、センサS1に対して実施すべき保全作業との対応付けを、例えば、ROM13又はHDD14に読出し可能に記憶する。保全作業選択部108Aは、対応記憶部107Aに記憶された、ラベルと保全作業の対応付けに基づき、判定部106Aにおいて判定された特性データに対応付けられた保全作業を選択する。保全作業報知部109Aは、保全作業選択部108Aにおいて選択された保全作業を、保全作業者に対して報知する。
すなわち、情報処理装置1aは、機械学習における学習フェーズを実行する。一方、情報処理装置1bは、機械学習における実行フェーズを実行する。学習フェーズを実行する装置と実行フェーズを実行する装置とを別装置にすることにより、例えば、機械学習におけるそれぞれのフェーズを異なる保全作業者が別個独立して実施することが可能となる。また、学習フェーズを実行する装置と実行フェーズを実行する装置とを別装置にすることにより、それぞれの装置をそれぞれのフェーズで使用する専用の装置とすることができるため、それぞれの装置の機能構成(情報処理プログラム)を簡素化することができる。例えば、精度の良い判定モデルは変更をすることなく長期間使用される場合があるため、情報処理装置1aは判定モデルを生成した後使用頻度が低くなる場合がある。一方、センサS1の状態を把握するために実行フェーズにおける測定データの判定は高い頻度で実施される場合がある。情報処理装置1bの機能構成を簡素化することにより、例えば、複数台の情報処理装置1bを使用した保全作業を実行する場合、情報処理装置1bの導入コストを低減することが可能となる。
なお、情報処理装置1a及び情報処理装置1bは、製造実行システム3又は保全機器5等の装置とは別の装置としてプラント100に配置される場合を説明したが、情報処理装置1a又は情報処理装置1bの機能を、プラント100の他の装置において実現するようにしてもよい。例えば、情報処理装置1aの機能を製造実行システム3の一部として実施してもよい。製造実行システム3におけるPIMS3Aの機能やCMMS3Bの機能は、情報処理装置1aで使用される測定データのヒストリーデータやセトリングタイム等の特性データを収集している。情報処理装置1aの機能を製造実行システム3の一部として実施することにより、個別の装置の配置が不要となり、導入コストの低減を図ることが可能となる。また、情報処理装置1bの機能を保全機器の一部として実施してもよい。情報処理装置1bの機能を保全機器の一部として実施することにより、保全機器5において測定データの取得から判定、さらに保全作業の報知までを実行することが可能となり、保全機器5を用いたセンサS1の保全作業の効率化を図ることが可能となる。
なお、図8における情報処理装置1aの、測定データ取得部101A、特性データ取得部102A、教師データ生成部103A、学習部104A、判定モデル記憶部105Aの各機能は、ソフトウェアによって実現される場合を説明した。しかし、上記各機能の中の1つ以上の機能は、ハードウェアによって実現されるものであっても良い。また、情報処理装置1bの、判定部106A、対応記憶部107A、保全作業選択部108A及び保全作業報知部109Aの各機能は、ソフトウェアによって実現される場合を説明した。しかし、上記各機能の中の1つ以上の機能は、ハードウェアによって実現されるものであっても良い。また、上記各機能は、1つの機能を複数の機能に分割して実施してもよい。また、上記各機能は、2つ以上の機能を1つの機能に集約して実施してもよい。
次に、図9を用いて、保全機器5aと情報処理装置1cのソフトウェア構成を説明する。図9は、実施形態の保全機器5aと情報処理装置1cのソフトウェア構成の一例を示すブロック図である。
図9は、図3における情報処理装置1の機能の一部を、保全機器5aにおいて実現するものである。図9は、情報処理装置1の機能を、保全機器5a及び情報処理装置1cで実現する場合を示している。なお、保全機器5a及び情報処理装置1cのハードウェア構成は、図2で説明した情報処理装置1の構成と同様である。
図9において、保全機器5aは、測定データ取得部501、特性データ生成部502、教師データ生成部503の各機能を有する。情報処理装置1cは、学習部104B、判定モデル記憶部105B、判定部106B、対応記憶部107B、保全作業選択部108B及び保全作業報知部109Bの各機能を有する。
保全機器5a及び情報処理装置1cの上記各機能は、保全機器5a及び情報処理装置1cを制御する情報処理プログラムによって実現される機能モジュールである。情報処理プログラムは、プログラムを提供するサーバから提供され、又は記録媒体から提供されてもよい。
保全機器5aにおいて、測定データ取得部501は、センサS1の測定データを取得する。例えば、保全機器5aがセンサS1の測定データを取得して記録する保全作業を実施する機器である場合、測定データ取得部501は、センサS1の保全作業において取得した測定データをそのまま取得することができる。
特性データ生成部502は、測定データ取得部501において取得されたセンサS1の測定データに基づき、センサS1の特性データであるセトリングタイムを計算(生成)する。計算されたセトリングタイムは、保全情報として記録されるものとする。教師データ生成部503は、図5で説明したように、測定データ取得部501において取得された測定データのヒストリーデータに対して、特性データ生成部502において生成されたセンサS1の特性データであるセトリングタイムをラベル情報として対応付けた教師データを生成する。
すなわち、図9で説明した保全機器5aは、センサS1の測定データを取得する測定データ取得部501と、センサの測定データに基づき特性データを生成する特性データ生成部502と、取得された測定データに対して生成した特性データをラベル情報として対応付けた教師データを生成する教師データ生成部503とを備えることにより、図3において説明した情報処理装置1と同様に教師データを生成することが可能となる。また、特性データ生成部502は、特性データとしてセンサS1のセトリングタイムを生成することにより、セトリングタイム測定の保全作業と教師データの生成を同時に実行することが可能となる。
情報処理装置1cは、学習部104B及び判定モデル記憶部105B、判定部106B、対応記憶部107B、保全作業選択部108B及び保全作業報知部109Bの各機能を有する。学習部104Bは、教師データ生成部503において生成された教師データを機械学習して判定モデルを生成する。判定モデル記憶部105Bは、学習部104Bにおいて生成された判定モデルを記憶する。判定部106Bは、機械学習の実行フェーズにおいて判定モデル記憶部105Bに記憶された判定モデルを読み出し、読み出した判定モデルを用いて、測定データ取得部501で取得された測定データを判定する。対応記憶部107Bは、特性データであるラベルと、センサS1に対して実施すべき保全作業との対応付けを、例えば、ROM13又はHDD14に読出し可能に記憶する。保全作業選択部108Bは、対応記憶部107Bに記憶された、ラベルと保全作業の対応付けに基づき、判定部106Bにおいて判定された特性データに対応付けられた保全作業を選択する。保全作業報知部109Bは、保全作業選択部108Bにおいて選択された保全作業を、保全作業者に対して報知する。
すなわち、保全機器5aは、保全作業において算出されたセトリングタイムを機械学習の教師データに流用することができる。これにより、セトリングタイム測定の保全作業と機械学習の教師データ生成処理を同時に実施することが可能となり、保全作業の効率化を図ることが可能となる。
なお、情報処理装置1cは、製造実行システム3又は保全機器5等の装置とは別の装置としてプラント100に配置される場合を説明したが、情報処理装置1cの機能を、プラント100の他の装置において実現するようにしてもよい。例えば、情報処理装置1cの機能を製造実行システム3等の一部として実施してもよい。
なお、図9における保全機器5aの測定データ取得部501、特性データ生成部502、教師データ生成部503の各機能は、ソフトウェアによって実現される場合を説明した。しかし、上記各機能の中の1つ以上の機能は、ハードウェアによって実現されるものであっても良い。また、情報処理装置1cの、学習部104B、判定モデル記憶部105B、判定部106B、対応記憶部107B、保全作業選択部108B及び保全作業報知部109Bの各機能は、ソフトウェアによって実現される場合を説明した。しかし、上記各機能の中の1つ以上の機能は、ハードウェアによって実現されるものであっても良い。また、上記各機能は、1つの機能を複数の機能に分割して実施してもよい。また、上記各機能は、2つ以上の機能を1つの機能に集約して実施してもよい。
以上説明した様に、本実施形態の情報処理装置は、センサの測定データを取得する測定データ取得部と、センサの保全によって取得される前記センサの特性データを取得する特性データ取得部と、取得された前記測定データに対して取得された前記特性データをラベル情報として対応付けた教師データを生成する教師データ生成部とを備えることにより、保全作業に伴うコストの上昇の低減を図ることができる。
なお、上述した情報処理装置1は、上述した機能を有する装置であればよく、例えば、複数の装置の組合せで構成されてそれぞれの装置を通信可能に接続したシステムで実現されるものであってもよい。また、情報処理装置1は、図1で説明した、製造実行システム3、運転制御装置4、保全機器5等の機能の一部として実現されるものであってもよい。
また、本実施形態の情報処理方法は、センサの測定データを取得する測定データ取得ステップと、センサの保全によって取得される前記センサの特性データを取得する特性データ取得ステップと、取得された前記測定データに対して取得された前記特性データをラベル情報として対応付けた教師データを生成する教師データ生成ステップとを含むことにより、保全作業に伴うコストの上昇の低減を図ることができる。
なお、本実施形態の情報処理方法における各ステップの実行順序は上記ステップの記載順序に限定されるものではなく、任意の順序で実行されるものであってもよい。
また、本実施形態で説明した装置を構成する機能を実現するためのプログラムを、コンピュータ読取り可能な記録媒体に記録して、当該記録媒体に記録されたプログラムをコンピュータシステムに読み込ませ、実行することにより、本実施形態の上述した種々の処理を行ってもよい。なお、ここでいう「コンピュータシステム」とは、OSや周辺機器等のハードウェアを含むものであってもよい。また、「コンピュータシステム」は、WWWシステムを利用している場合であれば、ホームページ提供環境(あるいは表示環境)も含むものとする。また、「コンピュータ読み取り可能な記録媒体」とは、フレキシブルディスク、光磁気ディスク、ROM、フラッシュメモリ等の書き込み可能な不揮発性メモリ、CD−ROM等の可搬媒体、コンピュータシステムに内蔵されるハードディスク等の記憶装置のことをいう。
さらに「コンピュータ読み取り可能な記録媒体」とは、インターネット等のネットワークや電話回線等の通信回線を介してプログラムが送信された場合のサーバやクライアントとなるコンピュータシステム内部の揮発性メモリ(例えばDRAM(Dynamic Random Access Memory))のように、一定時間プログラムを保持しているものも含むものとする。また、上記プログラムは、このプログラムを記憶装置等に格納したコンピュータシステムから、伝送媒体を介して、あるいは、伝送媒体中の伝送波により他のコンピュータシステムに伝送されてもよい。ここで、プログラムを伝送する「伝送媒体」は、インターネット等のネットワーク(通信網)や電話回線等の通信回線(通信線)のように情報を伝送する機能を有する媒体のことをいう。また、上記プログラムは、前述した機能の一部を実現するためのものであっても良い。さらに、前述した機能をコンピュータシステムにすでに記録されているプログラムとの組合わせで実現するもの、いわゆる差分ファイル(差分プログラム)であっても良い。
以上、本発明の実施形態について、図面を参照して説明してきたが、具体的な構成はこの実施形態に限定されるものではなく、本発明の趣旨を逸脱しない範囲においての種々の変更も含まれる。
1 情報処理装置
2 基幹業務システム
3 製造実行システム
3A PIMS
3B CMMS
4 運転制御装置
5 保全機器
11 CPU
12 RAM
13 ROM
14 HDD
15 表示装置
16 入力装置
17 通信I/F
18 通信I/F
19 バス
101、101A、501 測定データ取得部
102、102A 特性データ取得部
103、103A,503 教師データ生成部
104、104A、104B 学習部
105、105A、105B 判定モデル記憶部
106、106A、106B 判定部
107、107A、107B 対応記憶部
108、108A、108B 保全作業選択部
109、109A、109B 保全作業報知部
502 特性データ生成部
2 基幹業務システム
3 製造実行システム
3A PIMS
3B CMMS
4 運転制御装置
5 保全機器
11 CPU
12 RAM
13 ROM
14 HDD
15 表示装置
16 入力装置
17 通信I/F
18 通信I/F
19 バス
101、101A、501 測定データ取得部
102、102A 特性データ取得部
103、103A,503 教師データ生成部
104、104A、104B 学習部
105、105A、105B 判定モデル記憶部
106、106A、106B 判定部
107、107A、107B 対応記憶部
108、108A、108B 保全作業選択部
109、109A、109B 保全作業報知部
502 特性データ生成部
Claims (10)
- センサの測定データを取得する測定データ取得部と、
前記センサの保全によって取得される前記センサの特性データを取得する特性データ取得部と、
取得された前記測定データに対して、取得された前記特性データをラベル情報として対応付けた教師データを生成する教師データ生成部と
を備える、情報処理装置。 - 生成された前記教師データを学習して判定モデルを生成する学習部をさらに備える、請求項1に記載の情報処理装置。
- 生成された前記判定モデルを用いて取得された前記測定データに基づき、前記センサの特性データを判定する判定部をさらに備える、請求項2に記載の情報処理装置。
- 前記特性データと、前記センサに対して実施すべき保全作業とを対応付けて記憶する対応記憶部と、
判定された前記特性データに基づき、記憶された前記保全作業を選択する保全作業選択部と、
選択された前記保全作業を報知する報知部と
をさらに備える、請求項3に記載の情報処理装置。 - 前記特性データ取得部は、前記特性データとして前記センサのセトリングタイムを取得する、請求項1から4のいずれか一項に記載の情報処理装置。
- センサの測定データを取得する測定データ取得部と、
前記測定データに基づき特性データを生成する特性データ生成部と、
取得された前記測定データに対して、生成した前記特性データをラベル情報として対応付けた教師データを生成する教師データ生成部と
を備える、保全機器。 - 前記特性データ生成部は、前記特性データとして前記センサのセトリングタイムを生成する、請求項6に記載の保全機器。
- センサの測定データを取得する測定データ取得ステップと、
前記センサの保全によって取得される前記センサの特性データを取得する特性データ取得ステップと、
取得された前記測定データに対して、取得された前記特性データをラベル情報として対応付けた教師データを生成する教師データ生成ステップと
を含む、情報処理方法。 - センサの測定データを取得する測定データ取得処理と、
前記センサの保全によって取得される前記センサの特性データを取得する特性データ取得処理と、
取得された前記測定データに対して、取得された前記特性データをラベル情報として対応付けた教師データを生成する教師データ生成処理と
をコンピュータに実行させる、情報処理プログラム。 - センサの測定データを取得する測定データ取得処理と、
前記センサの保全によって取得される前記センサの特性データを取得する特性データ取得処理と、
取得された前記測定データに対して、取得された前記特性データをラベル情報として対応付けた教師データを生成する教師データ生成処理と
をコンピュータに実行させる情報処理プログラムを記憶した記録媒体。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2016225030A JP6436148B2 (ja) | 2016-11-18 | 2016-11-18 | 情報処理装置、保全機器、情報処理方法、情報処理プログラム及び記録媒体 |
US15/811,827 US10634528B2 (en) | 2016-11-18 | 2017-11-14 | Information processing device, maintenance apparatus, information processing method, and storage medium |
EP17201879.8A EP3324253B1 (en) | 2016-11-18 | 2017-11-15 | Information processing device, maintenance apparatus, information processing method, program, and storage medium |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2016225030A JP6436148B2 (ja) | 2016-11-18 | 2016-11-18 | 情報処理装置、保全機器、情報処理方法、情報処理プログラム及び記録媒体 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2018081619A JP2018081619A (ja) | 2018-05-24 |
JP6436148B2 true JP6436148B2 (ja) | 2018-12-12 |
Family
ID=60569568
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2016225030A Active JP6436148B2 (ja) | 2016-11-18 | 2016-11-18 | 情報処理装置、保全機器、情報処理方法、情報処理プログラム及び記録媒体 |
Country Status (3)
Country | Link |
---|---|
US (1) | US10634528B2 (ja) |
EP (1) | EP3324253B1 (ja) |
JP (1) | JP6436148B2 (ja) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7233868B2 (ja) * | 2018-08-08 | 2023-03-07 | キヤノン株式会社 | 情報処理装置の学習システム、情報処理装置、情報処理装置の制御方法及びプログラム |
JP2021536055A (ja) * | 2018-08-23 | 2021-12-23 | シーメンス アクチエンゲゼルシヤフトSiemens Aktiengesellschaft | 人工知能計算装置、制御方法および制御装置、エンジニアステーションおよび産業オートメーションシステム |
JP2021081916A (ja) * | 2019-11-18 | 2021-05-27 | 株式会社東海理化電機製作所 | 学習装置、および学習方法 |
Family Cites Families (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2758976B2 (ja) * | 1990-06-07 | 1998-05-28 | 株式会社日立製作所 | 特性変化予測方法およびシステム |
US7797062B2 (en) | 2001-08-10 | 2010-09-14 | Rockwell Automation Technologies, Inc. | System and method for dynamic multi-objective optimization of machine selection, integration and utilization |
JP4940180B2 (ja) * | 2008-04-03 | 2012-05-30 | 株式会社東芝 | 複合診断・保守計画支援システム及びその支援方法 |
US9411326B2 (en) | 2012-08-21 | 2016-08-09 | General Electric Company | Plant control optimization system including visual risk display |
US9477214B2 (en) | 2013-03-07 | 2016-10-25 | General Electric Company | Plant control systems and methods |
JP5753286B1 (ja) | 2014-02-05 | 2015-07-22 | 株式会社日立パワーソリューションズ | 情報処理装置、診断方法、およびプログラム |
JP6362893B2 (ja) * | 2014-03-20 | 2018-07-25 | 株式会社東芝 | モデル更新装置及びモデル更新方法 |
US10141273B2 (en) * | 2014-04-14 | 2018-11-27 | Renesas Electronics Corporation | Semiconductor device and manufacturing method thereof |
EP3147831B1 (en) * | 2014-05-22 | 2020-09-02 | Sony Corporation | Information processing device and information processing method |
US10032117B2 (en) * | 2014-09-17 | 2018-07-24 | Caterpillar Inc. | Method for developing machine operation classifier using machine learning |
JP6724922B2 (ja) * | 2015-09-17 | 2020-07-15 | 日本電気株式会社 | 教師データ提供装置、推定装置、推定システム、教師データ提供方法、推定方法、及び、プログラム |
US10692323B2 (en) | 2016-05-31 | 2020-06-23 | Accenture Global Solutions Limited | Data platform for a network connected dispensing device |
JP2018037078A (ja) * | 2016-08-26 | 2018-03-08 | 伊達 博 | 障害検出機能付き発電モニタリングシステム |
JP2018077757A (ja) * | 2016-11-11 | 2018-05-17 | 横河電機株式会社 | 情報処理装置、情報処理方法、情報処理プログラム及び記録媒体 |
-
2016
- 2016-11-18 JP JP2016225030A patent/JP6436148B2/ja active Active
-
2017
- 2017-11-14 US US15/811,827 patent/US10634528B2/en active Active
- 2017-11-15 EP EP17201879.8A patent/EP3324253B1/en active Active
Also Published As
Publication number | Publication date |
---|---|
EP3324253A3 (en) | 2018-05-30 |
US10634528B2 (en) | 2020-04-28 |
US20180143046A1 (en) | 2018-05-24 |
EP3324253A2 (en) | 2018-05-23 |
JP2018081619A (ja) | 2018-05-24 |
EP3324253B1 (en) | 2021-05-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11126150B2 (en) | Information processing device, information processing method, and storage medium | |
JP7001315B2 (ja) | 遠隔デバイスをプロセス制御データにサブスクライブするための方法及び装置 | |
US10564617B2 (en) | Plant control device, plant control method, and recording medium | |
US10331090B2 (en) | Information processing system, information processing method, and recording medium | |
US20180165658A1 (en) | Device asset management apparatus, device asset management method, and non-transitory computer readable storage medium | |
JP6436148B2 (ja) | 情報処理装置、保全機器、情報処理方法、情報処理プログラム及び記録媒体 | |
US20180156695A1 (en) | Maintenance managing apparatus, maintenance managing method, and non-transitory computer readable storage medium | |
EP3343470A1 (en) | Maintenance management device, maintenance management method, maintenance management program, and non-transitory computer readable storage medium | |
GB2556445A (en) | Methods and apparatus for configuring remote access of process control data | |
JP6950727B2 (ja) | 情報処理装置、情報処理方法、情報処理プログラム及び記録媒体 | |
JP7483317B2 (ja) | プロセス制御データの遠隔アクセスのためのモバイルデバイス |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20181005 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20181016 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20181029 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6436148 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |