JP6678828B1 - データ解析装置、システム、方法、及びプログラム - Google Patents

Abstract

本発明に係るデータ解析装置（１）は、データ収集部（１３１）と、データ整理部（１３５）とを備える。データ収集部（１３１）は、データ解析装置（１）に接続された機器から入力される入力信号を収集する。データ整理部（１３５）は、データ収集部（１３１）によって収集された入力信号に含まれる波形のうち、基準よりも出現頻度の低い波形を除去する。データ整理部（１３５）は、入力信号に含まれる波形のうち、基準よりも出現頻度の高い波形を集めて学習用データを生成する。

Description

本発明は、データ解析装置、システム、方法、及びプログラムに関する。

工場では産業用ロボット、センサ、シーケンサ等のＦＡ（Ｆａｃｔｏｒｙ Ａｕｔｏｍａｔｉｏｎ）機器を用いて、生産工程の自動化が進められている。ＦＡ機器は、安定して正常に稼働することが求められる。このため、ＦＡ機器が正常であるか故障であるかを診断し、故障であると診断した場合に、速やかにその旨を報知する診断装置が開発されている。

例えば、特許文献１には、機械設備の運転時に、センサから出力された信号の波形が正常か否かを判定することにより、機械設備が正常であるか否かを診断する診断システムが開示されている。この診断システムは、機械設備のセンサの出力信号の波形の正常モデルを学習し、学習した正常モデルに基づいて、センサから出力された信号の波形が正常か否かを判定する。

特開２０１７−０３３４７０号公報

特許文献１に開示された診断システムは、センサから検出された信号の検出値を正規化し、正規化した検出値を非階層的クラスタ分析法により分析して、波形の正常モデルを生成する。非階層的クラスタ分析法は、分析対象のデータを任意の数のクラスタに仕分ける。このため、クラスタへの仕分け方によっては、分析の結果にばらつきが出ることがある。したがって、特許文献１に開示された診断システムにおいては、ばらついている可能性のある分析の結果に基づいて正常モデルを生成することとなる。このため、正常モデルの精度を高く保つことが難しいという問題がある。

また、特許文献１に開示された診断システムは、機械設備上のセンサにより検出される波形の検出値を正規化処理し、正規化した検出値を非階層的クラスタ分析法により分析し、分析の結果に基づいて波形の正常モデルを生成する。このため、波形の正常モデルを生成するための処理に手間がかかるという問題がある。

以上のように、特許文献１に開示された診断システムにおいては、波形の正常モデルの精度を高く保つことが難しく、また、波形の正常モデルを生成するための処理に手間がかかるという問題がある。このため、波形の正常モデルを基にして、高精度な学習用データを簡易に生成することが難しいという課題がある。

本発明はこの課題を解決するものであり、高精度な学習用データを簡易に生成することができるデータ解析装置、システム、方法、及びプログラムを提供することを目的とする。

上記目的を達するために、本発明に係るデータ解析装置は、データ収集部と、データ整理部とを備える。データ収集部は、データ解析装置に接続された機器から入力される、機器の正常動作状態における信号及び異常動作状態における信号を含む信号を収集する。データ整理部は、データ収集部によって収集された信号を、予め定められた一定区間毎に切り取って生成した波形同士を比較し、予め定められた判定基準に従って互いに類似すると判定された波形のうち、外部の検査装置により不合格と判定された、機器により加工された加工対象に対応付けられた波形を除去する。データ整理部は、残った波形を集めて学習用データを生成する。

この発明によれば、入力信号に含まれる波形から出現頻度が基準よりも低い波形を除くことで、高精度な学習用データを簡易に生成することができる。

実施の形態におけるデータ解析装置の概要図 実施の形態におけるデータ解析装置のハードウエア構成の一例を示すブロック図 実施の形態における入力信号から波形を切り出す手法の概要を示す図 実施の形態における切り出した波形データのグルーピングの手法の一例を説明するための図 実施の形態における切り出した波形データのグルーピングの一例を示す図 実施の形態における波形データの削除を説明するための図 実施の形態における学習モード処理のフローチャート 実施の形態における診断モード処理のフローチャート

以下に、本発明の実施の形態に係るデータ解析装置について説明する。このデータ解析装置は、学習モードと診断モードとを備える。このデータ解析装置は、学習モードでは、ＦＡ（Ｆａｃｔｏｒｙ Ａｕｔｏｍａｔｉｏｎ）機器から出力される信号を基にして高精度な学習用データを生成し、この学習用データを学習する。また、このデータ解析装置は、診断モードでは、学習した学習結果と、診断対象のＦＡ機器から出力される監視信号とを比較し、そのＦＡ機器の正常・異常を診断する。

実施の形態に係るデータ解析装置１は、図１に示すように、診断対象のＦＡ機器２に接続された通信Ｉ／Ｆ（Ｉｎｔｅｒｆａｃｅ）１０と、データを記憶する補助記憶部１１と、外部機器３との間でデータを入出力する外部機器Ｉ／Ｆ１２と、データを処理する処理部１３とを備える。

通信Ｉ／Ｆ１０は、診断対象のＦＡ機器２に接続されるインターフェースである。データ解析装置１は、通信Ｉ／Ｆ１０を介して、ＦＡ機器２から入力される入力信号を受信する。また、データ解析装置１は、通信Ｉ／Ｆ１０を介して、ＦＡ機器２へ制御信号を送信する。

補助記憶部１１は、後述する処理部１３において処理される各種データを保存する記憶部である。

外部機器Ｉ／Ｆ１２は、外部機器３と接続されるインターフェースである。外部機器３は、表示部３１と入力部３２とを備える入出力端末を含む。この外部機器３には、エンジニアリングツールがインストールされている。エンジニアリングツールは、後述する処理部１３の処理に用いられる各種パラメータ、設定情報等を設定することができるツールである。ユーザは、エンジニアリングツール上で各種パラメータ、設定情報等を、外部機器３の入力部３２から入力し、外部機器Ｉ／Ｆ１２を介して補助記憶部１１に保存させることができる。また、ユーザは、補助記憶部１１に保存されている各種パラメータ、設定情報等を、外部機器Ｉ／Ｆ１２を介して外部機器３に受信させ、表示部３１上に展開されたエンジニアリングツールで見ることができる。

処理部１３は、入力信号を収集するデータ収集部１３１と、収集した信号を加工するデータ加工部１３２と、データを補助記憶部１１に保存するファイル保存部１３３と、学習用データを学習するデータ学習部１３４と、学習用データを生成するデータ整理部１３５と、監視対象の波形データが学習用データと一致するか判定するデータ判定部１３６と、診断対象のＦＡ機器２へ応答信号を送信する応答実行部１３７と、パラメータを設定するパラメータ設定部１３８と、を備えている。これらの各機能ブロックは、後述するように、プロセッサと該プロセッサが実行するソフトウエアにより実現される。

データ収集部１３１は、通信Ｉ／Ｆ１０を介して、ＦＡ機器２から入力される入力信号を収集する。データ加工部１３２は、データ収集部１３１で収集したＦＡ機器２からの入力信号の波形を、後段で処理しやすい形に加工する。入力信号の波形の加工は、例えば、入力信号の波形をエッジングして急峻な部分を鮮明にする、ノイズの多い入力信号の波形を平滑化して波形を鈍らせる等である。ファイル保存部１３３は、データ加工部１３２で加工された入力信号を、補助記憶部１１に保存する。

データ学習部１３４は、補助記憶部１１に保存されたデータ加工部１３２で加工された入力信号を学習する。この学習は、補助記憶部１１に保存された入力信号を分割して部分波形を生成し、この部分波形を類似する部分波形ごとにグルーピングし、各グループの代表となる代表波形を決定することをいう。データ学習部１３４は、グルーピングした部分波形を補助記憶部１１に保存する。また、データ学習部１３４は、各グループの代表波形を学習結果として補助記憶部１１に保存する。このデータ学習部１３４の処理について、詳細は後述する。

データ整理部１３５は、データ学習部１３４に包含されている。データ整理部１３５は、補助記憶部１１に保存されたグルーピングされた部分波形を整理する。この整理は、各グループに含まれる部分波形の出現頻度が基準以下のグループを削除し、部分波形の出現頻度が基準以上のグループだけを残すことをいう。データ整理部１３５は、整理して残したグループを基にして学習用データを生成する。データ整理部１３５は、生成した学習用データを補助記憶部１１に保存する。このデータ整理部１３５の処理について、詳細は後述する。

データ判定部１３６は、補助記憶部１１に保存されている学習結果に基づいて、診断対象のＦＡ機器２から入力される監視信号の波形データが、学習用データと一致するか否かを判定する。データ判定部１３６は、判定結果を補助記憶部１１に保存する。また、データ判定部１３６は、判定結果を応答実行部１３７に送信する。なお、データ判定部１３６において、診断対象のＦＡ機器２から入力される監視信号の波形データが、学習用データと一致するか否かを判定する動作と判定結果を補助記憶部１１に保存する動作とは、診断モードでのみ動く動作である。

応答実行部１３７は、データ判定部１３６から受信した判定結果に基づいて、診断対象のＦＡ機器２へ応答信号を送信する。例えば、診断対象のＦＡ機器２から入力される監視信号が正常モデルと一致する場合には、データ判定部１３６から一致の判定結果を受信する。応答実行部１３７は、次の判定結果を受信するまで待機する。また、診断対象のＦＡ機器２から入力される監視信号が正常モデルと一致しない場合には、応答実行部１３７は、データ判定部１３６から不一致の判定結果を受信する。応答実行部１３７は、診断対象のＦＡ機器２に判定結果に応じた信号を、通信Ｉ／Ｆ１０を介して送信する。この判定結果に応じた信号は、例えば、診断対象のＦＡ機器２の動作を停止させるための停止信号、診断対象のＦＡ機器２の動作を減速させるための減速指示信号、診断対象のＦＡ機器２にユーザの望む動作をさせるための信号等である。なお、判定結果に応じた信号としてどのような信号を送信するかは、例えば、外部機器３上で動作するエンジニアリングツールより設定することができる。

パラメータ設定部１３８は、外部機器Ｉ／Ｆ１２を介して外部機器３に接続されている。パラメータ設定部１３８は、外部機器３からの指示に従って各種パラメータを補助記憶部１１に登録及び更新し、また、外部機器３からの指示に従って、補助記憶部１１に登録されているパラメータを読み出して外部機器３に提供する。

データ解析装置１の学習モードと診断モードは、処理部１３の各機能ブロックが動作することにより実現される。学習モードでは、データ収集部１３１と、データ加工部１３２と、ファイル保存部１３３と、データ学習部１３４と、データ整理部１３５とが動作する。診断モードでは、データ収集部１３１と、データ加工部１３２と、データ判定部１３６と、応答実行部１３７とが動作する。なお、診断モードにおいて、ファイル保存部１３３と、データ学習部１３４と、データ整理部１３５も動作させることにより、ＦＡ機器２の診断と同時に学習を実行し、学習結果を更新することも可能である。学習モードと診断モードとの動作について、その詳細は後述する。

図２は、データ解析装置１のハードウエア構成の一例を示す図である。データ解析装置１は、ハードウエア的には、補助記憶装置１０１と、メモリ１０２と、プロセッサ１０３と、通信ポート１０４と、画面表示出力部１０５と、Ｉ／Ｏポート１０６と、内部バス１０７とを備える。補助記憶装置１０１と、メモリ１０２と、プロセッサ１０３と、通信ポート１０４と、画面表示出力部１０５と、Ｉ／Ｏポート１０６とは、内部バス１０７により相互に接続されている。

補助記憶装置１０１は、図１に示した補助記憶部１１を実現するための記憶装置である。補助記憶装置１０１には、後述するプロセッサ１０３において実行される各種プログラム、各種データ等が保存されている。補助記憶装置１０１は、フラッシュメモリ、ＥＰＲＯＭ（Ｅｒａｓａｂｌｅ Ｐｒｏｇｒａｍｍａｂｌｅ Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）、ＥＥＰＲＯＭ（Ｅｌｅｃｔｒｉｃａｌｌｙ Ｅｒａｓａｂｌｅ Ｐｒｏｇｒａｍｍａｂｌｅ Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）といった不揮発性または揮発性の半導体メモリ、磁気ディスク、フレキシブルディスク、光ディスク、コンパクトディスク、ミニディスク、ＤＶＤ（Ｄｉｇｉｔａｌ Ｖｅｒｓａｔｉｌｅ Ｄｉｓｃ）などの記憶素子及び記憶媒体、を含む。

メモリ１０２は、補助記憶装置１０１に保存された各種プログラムを、プロセッサ１０３により読み込む記憶素子である。メモリ１０２には、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）、フラッシュメモリなどの、データを高速に書き込むことができる不揮発性または揮発性の半導体メモリ、を含む。

プロセッサ１０３は、補助記憶装置１０１に保存された各種プログラムを、前述したメモリ１０２に読み込ませ、実行する演算処理装置である。プロセッサ１０３により、図１に示した処理部１３が構成される。プロセッサ１０３には、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）、ＭＰＵ（Ｍｉｃｒｏ−ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）等の演算処理装置、を含む。

通信ポート１０４は、ＦＡ機器２とデータ解析装置１とを接続させるためのインターフェースである。通信ポート１０４には、イーサネット（登録商標）、各種の通信インターフェース等を用いることができる。通信ポート１０４により、図１に示した通信Ｉ／Ｆ１０が構成される。

画面表示出力部１０５は、外部機器３の表示部３１に表示させる画像を生成する画像生成装置である。画面表示出力部１０５には、ビデオカード、ＧＰＵ（Ｇｒａｐｈｉｃｓ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）、グラフィックボード等の映像信号出力装置を用いることができる。

また、外部機器３の表示部３１は、ＬＣＤ（Ｌｉｑｕｉｄ Ｃｒｙｓｔａｌ Ｄｉｓｐｌａｙ）、有機ＥＬ（Ｅｌｅｃｔｒｏ−Ｌｕｍｉｎｅｓｃｅｎｃｅ）パネル等の表示インターフェース装置を含む。外部機器３の入力部３２には、キーボード、タッチパネル等の、情報を入力することができる入力装置を含む。そして、外部機器３は、上述の表示部３１および入力部３２を備える入出力端末である。例えば、パソコン、タブレット型端末等を含む。

Ｉ／Ｏポート１０６は、外部機器３とデータ解析装置１との間でデータを送受信するためのインターフェースである。Ｉ／Ｏポート１０６により、図１に示した外部機器Ｉ／Ｆ１２が実現される。

実施の形態に係るデータ解析装置１は、学習モードでは、ＦＡ機器２から出力される信号を基にして高精度な学習用データを生成し、この学習用データを学習する。この高精度な学習用データは、ＦＡ機器２から出力される信号の波形から正常モデルだけを残したものである。ＦＡ機器２から出力される信号の波形から正常モデルだけを残す手法について、図３Ａから図３Ｄを参照しつつ説明する。この手法は、図１に示したデータ学習部１３４及びデータ整理部１３５において実行される。

図３Ａには、ＦＡ機器２からデータ解析装置１に入力された入力信号が例示されている。例えば、この入力信号の波形の平坦な部分は、ＦＡ機器２において、ワークの加工等の運転プロセスが実行されていなかったことを示す区間であるとする。また、この入力信号の波形の平坦ではない部分は、ＦＡ機器２において、ワークの加工等の運転プロセスが実行されたことを示す区間であるとする。

まず、データ学習部１３４において、ＦＡ機器２からデータ解析装置１に入力された入力信号を、先頭から順に予め定められた区間Ｗで切り出す。具体的には、時間ｔに対して、区間Ｗを重ねながら１サンプル期間ごとにシフトさせ、入力信号の波形を切り出す。この切り出した入力信号の波形を、以下では部分波形と呼ぶ。

この部分波形を、従前の区間の部分波形と総当たりで比較し、予め定められた判断基準に従って、類似するか否かを判定する。ここでは、類似は、ある波形の形状と基準となる波形の形状との差が、予め定められた閾値以下であることをいうものとする。波形の形状の差は、機知の各種類似度演算により求めることができる。

以下の説明では、部分波形同士の比較の手法として、例えば、任意の２つの部分波形を重ね合わせ、それぞれのサンプル点での波高値の差の二乗の総和を求める手法を用いる。任意の２つの部分波形の形状が一致する場合には、それぞれのサンプル点での波高値の差は０であり、その差の二乗の総和も０となる。このため、それぞれのサンプル点での波高値の差の二乗の総和は、部分波形同士が類似している程小さな値となり、非類似になる程大きな値となる。そこで、それぞれのサンプル点の差での波高値の二乗の総和が、予め定められた閾値以下であれば、部分波形同士が類似したものと判定する。それぞれのサンプル点での波高値の差の二乗の総和が、予め定められた閾値以上であれば、部分波形同士が類似しないものと判定する。なお、この閾値は、例えば、外部機器３上で動作するエンジニアリングツールより設定される。

次に、類似する部分波形同士を、予め定められた分類基準に従って、グルーピングする。このグルーピングは、図１に示したデータ学習部１３４により実行される。以下に、データグルーピングの手法の一例を、図３Ｂを参照しつつ説明する。

図３Ｂに示すように、入力信号を区間Ｗ１０、Ｗ１１、Ｗ１２、Ｗ１３、Ｗ１４・・・で切り出す。区間Ｗ１０、Ｗ１１、Ｗ１２、Ｗ１３、Ｗ１４・・・は、それぞれ、互いに同じ長さで、１サンプル期間ずつシフトして、互いに重なっている。なお、後述する区間Ｗ２０〜Ｗ２９、区間Ｗ３０〜Ｗ３９についても、区間Ｗ１０〜Ｗ１９と同様である。

区間Ｗ１０が最初の区間とすると、区間Ｗ１０の部分波形と比較する部分波形が存在しないので、区間Ｗ１０の部分波形を、新たなグループ、ここでは、Ａ−１グループに分類する。

次に、区間Ｗ１１の部分波形を区間Ｗ１０の部分波形と比較する。区間Ｗ１０の部分波形と、区間Ｗ１１の部分波形とは、ここでは、類似するものとする。この場合、区間Ｗ１１の部分波形も、Ａ−１グループに分類される。

次に、区間Ｗ１２の部分波形を、Ａ−１グループの１番目の波形である区間Ｗ１０の部分波形と比較する。区間Ｗ１２の部分波形と、Ａ−１グループの１番目の波形である区間Ｗ１０の部分波形とは、ここでは、非類似とする。この場合、区間Ｗ１２の部分波形を、区間Ｗ１０の部分波形の属するＡ−１グループとは別のグループであるＡ−２グループに分類する。

次に、区間Ｗ１３の部分波形を、Ａ−１グループの１番目の部分波形である区間Ｗ１０の部分波形、及び、Ａ−２グループの１番目の部分波形である区間Ｗ１２の部分波形と比較する。区間Ｗ１３の部分波形と、Ａ−１グループの１番目の部分波形である区間Ｗ１０の部分波形、及び、Ａ−２グループの１番目の部分波形である区間Ｗ１２の部分波形とは、ここでは非類似とする。この場合、区間Ｗ１３の部分波形を、区間Ｗ１０の部分波形の属するＡ−１グループ及び区間Ｗ１２の部分波形の属するＡ−２グループとは別のグループであるＡ−３グループに分類する。

次に、区間Ｗ１４の部分波形を、Ａ−１グループの１番目の部分波形である区間Ｗ１０の部分波形、Ａ−２グループの１番目の部分波形である区間Ｗ１２の部分波形、及びＡ−３グループの１番目の部分波形である区間Ｗ１３の部分波形と比較する。区間Ｗ１４の部分波形は、ここでは、Ａ−１グループの１番目の部分波形である区間Ｗ１０の部分波形、及びＡ−２グループの１番目の部分波形である区間Ｗ１２の部分波形とは非類似であり、Ａ−３グループの１番目の部分波形である区間Ｗ１３の部分波形とは類似とする。この場合、区間Ｗ１４の部分波形は、Ａ−３グループに分類する。

続いて、区間Ｗ１５の部分波形を、Ａ−１グループの１番目の部分波形である区間Ｗ１０の部分波形、Ａ−２グループの１番目の部分波形である区間Ｗ１２の部分波形、及びＡ−３グループの１番目の部分波形である区間Ｗ１３の部分波形と比較する。区間Ｗ１５の部分波形は、ここでは、Ａ−１グループの１番目の部分波形である区間Ｗ１０の部分波形、及びＡ−２グループの１番目の部分波形である区間Ｗ１２の部分波形とは非類似であり、Ａ−３グループの１番目の部分波形である区間Ｗ１３の部分波形とは類似とする。この場合、区間Ｗ１５の部分波形は、Ａ−３グループに分類する。

次に、区間Ｗ１６の部分波形を、Ａ−１グループの１番目の部分波形である区間Ｗ１０の部分波形、Ａ−２グループの１番目の部分波形である区間Ｗ１２の部分波形、及びＡ−３グループの１番目の部分波形である区間Ｗ１３の部分波形と比較する。区間Ｗ１６の部分波形と、Ａ−１グループの１番目の部分波形である区間Ｗ１０の部分波形、Ａ−２グループの１番目の部分波形である区間Ｗ１２の部分波形、及びＡ−３グループの１番目の部分波形である区間Ｗ１３の部分波形とは、ここでは非類似とする。この場合、区間Ｗ１６の部分波形を、区間Ｗ１０の部分波形の属するＡ−１グループ、区間Ｗ１２の部分波形の属するＡ−２グループ、及び、区間Ｗ１３の部分波形の属するＡ−３グループとは別のグループであるＡ−４グループに分類する。

続いて、区間Ｗ１７の部分波形を、Ａ−１グループの１番目の部分波形である区間Ｗ１０の部分波形、Ａ−２グループの１番目の部分波形である区間Ｗ１２の部分波形、Ａ−３グループの１番目の部分波形である区間Ｗ１３の部分波形、及びＡ−４グループの１番目の部分波形である区分Ｗ１６の部分波形と比較する。区間Ｗ１７の部分波形は、ここでは、Ａ−１グループの１番目の部分波形である区間Ｗ１０の部分波形、Ａ−２グループの１番目の部分波形である区間Ｗ１２の部分波形、及びＡ−３グループの１番目の部分波形である区間Ｗ１３の部分波形とは非類似であり、Ａ−４グループの１番目の波形である区間Ｗ１６の部分波形とは類似とする。この場合、区間Ｗ１７の部分波形はＡ−４グループに分類される。

区間Ｗ１８の部分波形を、Ａ−１グループの１番目の部分波形である区間Ｗ１０の部分波形、Ａ−２グループの１番目の部分波形である区間Ｗ１２の部分波形、Ａ−３グループの１番目の部分波形である区間Ｗ１３の部分波形、及びＡ−４グループの１番目の部分波形である区分Ｗ１６の部分波形と比較する。区間Ｗ１８の部分波形は、ここでは、Ａ−１グループの１番目の部分波形である区間Ｗ１０の部分波形、Ａ−２グループの１番目の部分波形である区間Ｗ１２の部分波形、及びＡ−３グループの１番目の部分波形である区間Ｗ１３の部分波形とは非類似であり、Ａ−４グループの１番目の部分波形である区間Ｗ１６の部分波形とは類似とする。この場合、区間Ｗ１８の部分波形はＡ−４グループに分類される。

次に、区間Ｗ１９の部分波形を、Ａ−１グループの１番目の波形である区間Ｗ１０の部分波形、Ａ−２グループの１番目の波形である区間Ｗ１２の部分波形、Ａ−３グループの１番目の波形である区間Ｗ１３の部分波形、及びＡ−４グループの１番目の波形である区間Ｗ１６の部分波形と比較する。区間Ｗ１９の部分波形は、ここでは、Ａ−１グループの１番目の波形である区間Ｗ１０の部分波形、Ａ−２グループの１番目の波形である区間Ｗ１２の部分波形、Ａ−３グループの１番目の波形である区間Ｗ１３の部分波形、及びＡ−４グループの１番目の波形である区間Ｗ１６の部分波形とは非類似とする。この場合、区間Ｗ１９の部分波形を、区間Ｗ１０の部分波形の属するＡ−１グループ、区間Ｗ１２の部分波形の属するＡ−２グループ、区間Ｗ１３の部分波形の属するＡ−３グループ、及び区間Ｗ１６の部分波形の属するＡ−４とは別のグループであるＡ−５グループに分類する。

ＦＡ機器２において、例えば、ワークに同一の加工を順次施す運転プロセスが繰り返されていると、ＦＡ機器２からデータ解析装置１へ入力される入力信号は、同じ波形が繰り返される。従って、ＦＡ機器２において、同じ運転プロセスが正常に繰り返されている間は、同様の処理が繰り返される。このため、以後は、区間Ｗ１９以降の部分波形を、Ａ−１〜Ａ−５グループの各１番目の部分波形と比較し、類似する１番目の部分波形の属するグループに分類する。

次に、ＦＡ機器２において、タイミングｔ１で、例えば、ＦＡ機器２において、ワークを洗浄する新たな運転プロセスが開始されたものとする。この新たな運転プロセスが開始された後の入力信号を切り取る区間を、区間Ｗ２０、区間２１、区間Ｗ２２・・・とする。ここで、区間Ｗ２０の直前の区間を、区間Ｗ１ｎとする。また、区間Ｗ１０〜Ｗ１ｎの部分波形は、全てＡ−１〜Ａ５グループに分類されているものとする。

まず、区間Ｗ２０の部分波形と、Ａ−１〜Ａ−５グループの各１番目の部分波形とを比較する。ここでは、区間Ｗ２０の部分波形は、Ａ−１〜Ａ−５グループの各１番目の部分波形のいずれとも非類似とする。このため、区間Ｗ２０の部分波形を、Ａ−１〜Ａ−５グループとは別のＢ−１グループに分類する。

次に、区間Ｗ２１の部分波形と、Ａ−１〜Ａ−５グループ、及びＢ−１グループの各１番目の部分波形である区間Ｗ２０の部分波形とを比較する。ここでは、区間Ｗ２１の部分波形は、Ａ−１〜Ａ−５グループの各１番目の部分波形とは非類似、Ｂ−１グループの１番目の部分波形である区間Ｗ２０の部分波形と類似とする。この場合、区間Ｗ２１の部分波形を、区間Ｗ２０の部分波形の属するＢ−１グループに分類する。

次に、区間Ｗ２２の部分波形と、Ａ−１〜Ａ−５グループ、及びＢ−１グループの各１番目の部分波形である区間Ｗ２０の部分波形とを比較する。ここでは、区間Ｗ２２の部分波形は、比較した従前の各グループの１番目の部分波形とは非類似とする。この場合、区間Ｗ２２の部分波形を、Ａ−１〜Ａ−５グループ、及び、区間Ｗ２０の部分波形の属するＢ−１グループとは別のグループであるＢ−２グループに分類する。

区間Ｗ２３の部分波形と、Ａ−１〜Ａ−５グループ、及びＢ−１、Ｂ−２グループの各１番目の部分波形と比較する。ここでは、区間Ｗ２３の部分波形は、Ｂ−２グループの１番目の部分波形である区間Ｗ２２の部分波形と類似する。この場合、区間Ｗ２３の部分波形は、区間Ｗ２２の部分波形の属するＢ−２グループに分類する。

続いて、区間Ｗ２４の部分波形と、Ａ−１〜Ａ−５グループ、及びＢ−１、Ｂ−２グループの各１番目の部分波形と比較する。ここでは、区間Ｗ２４の部分波形と従前の各グループの１番目の部分波形は非類似とする。この場合、区間Ｗ２４の部分波形を、従前の各グループとは別のＢ−３グループに分類する。

次に、区間Ｗ２５、２６の部分波形を、それぞれ、Ａ−１〜Ａ−５グループ、及びＢ−１〜Ｂ−３グループの各１番目の部分波形と比較する。ここでは、区間Ｗ２５、２６の部分波形は、それぞれ、Ｂ−３グループの１番目の部分波形である区間Ｗ２４の部分波形と類似し、他のグループの１番目の部分波形とは非類似とする。この場合、区間Ｗ２５、２６の部分波形を、区間Ｗ２４の部分波形の属するＢ−３グループに分類する。

次に、区間Ｗ２７の部分波形と、Ａ−１〜Ａ−５グループ、及びＢ−１〜Ｂ−３グループの各１番目の部分波形とを比較する。ここでは、区間Ｗ２７の部分波形と従前の各グループの１番目の部分波形は非類似とする。この場合、区間Ｗ２７の部分波形を、従前の各グループとは別のＢ−４グループに分類する。

次に、区間Ｗ２８の部分波形と、Ａ−１〜Ａ−５グループ、及びＢ−１〜Ｂ−４グループの各１番目の部分波形とを比較する。ここでは、区間Ｗ２８の部分波形は、Ｂ−４グループの１番目の部分波形である区間Ｗ２７の部分波形と類似し、他のグループの１番目の部分波形とは非類似とする。この場合、区間Ｗ２８の部分波形を、区間Ｗ２７の部分波形の属するＢ−４グループに分類する。

次に、区間Ｗ２９の部分波形と、Ａ−１〜Ａ−５グループ、及びＢ−１〜Ｂ−４グループの各１番目の部分波形とを比較する。ここでは、区間Ｗ２９の部分波形と従前の各グループの１番目の部分波形は非類似とする。この場合、区間Ｗ２９の部分波形を、従前の各グループとは別のＢ−５グループに分類する。

ここで、区間Ｗ２９が終了した直後のタイミングｔ２でＡ１〜Ａ−５グループ及びＢ−１〜Ｂ−５グループに属する波形とは異なる波形が入力されたものとする。例えば、ブレードがワークに引っかかる等のエラーが生じ、以後の波形が従前のものから変化したとする。このタイミングｔ２以降に入力された入力信号を切り出す区間を、区間Ｗ３０、Ｗ３１、Ｗ３２、・・・とする。

まず、区間Ｗ３０の部分波形を、Ａ−１〜Ａ−５グループ及びＢ−１〜Ｂ−５グループの各１番目の部分波形と比較する。ここでは、区間Ｗ３０の部分波形は、Ａ−１〜Ａ−５グループ及びＢ−１〜Ｂ−５グループの各１番目の部分波形のいずれとも非類似であるとする。このため、区間Ｗ３０の部分波形を、Ａ−１〜Ａ−５グループ及びＢ−１〜Ｂ−５グループとは別のＣ−１グループに分類する。

次に、区間Ｗ３１の部分波形と、Ａ−１〜Ａ−５グループ、Ｂ−１〜Ｂ−５、及びＣ−１グループの各１番目の部分波形とを比較する。ここでは、区間Ｗ３１の部分波形と従前の各グループの１番目の部分波形は非類似とする。この場合、区間Ｗ３１の部分波形を、従前の各グループとは別のＣ−２グループに分類する。

次に、区間Ｗ３２の部分波形と、Ａ−１〜Ａ−５グループ、Ｂ−１〜Ｂ−５、及びＣ−１〜Ｃ−２グループの各１番目の部分波形とを比較する。ここでは、区間Ｗ３２の部分波形は、Ｃ−２グループの１番目の部分波形である区間Ｗ３１の部分波形と類似し、その他のグループの１番目の部分波形とは非類似とする。この場合、区間Ｗ３２の部分波形は、区間Ｗ３１の部分波形の属するＣ−２グループに分類する。

続いて、区間Ｗ３３の部分波形と、Ａ−１〜Ａ−５グループ、Ｂ−１〜Ｂ−５、及びＣ−１〜Ｃ−２グループの各１番目の部分波形とを比較する。ここでは、区間Ｗ３３の部分波形と従前の各グループの１番目の部分波形は非類似とする。この場合、区間Ｗ３３の部分波形を、従前の各グループとは別のＣ−３グループに分類する。

次に、区間Ｗ３４、３５の部分波形を、それぞれ、Ａ−１〜Ａ−５グループ、Ｂ−１〜Ｂ−５、及びＣ−１〜Ｃ−３グループの各１番目の部分波形と比較する。ここでは、区間Ｗ３４、３５の部分波形は、それぞれ、Ｃ−３グループの１番目の部分波形である区間Ｗ３３の部分波形と類似し、他のグループの１番目の部分波形とは非類似とする。この場合、区間Ｗ３４、３５の部分波形を、区間Ｗ３３の部分波形の属するＣ−３グループに分類する。

次に、区間Ｗ３６の部分波形と、Ａ−１〜Ａ−５グループ、Ｂ−１〜Ｂ−５、及びＣ−１〜Ｃ−３グループの各１番目の部分波形とを比較する。ここでは、区間Ｗ３６の部分波形と従前の各グループの１番目の部分波形は非類似とする。この場合、区間Ｗ３６の部分波形を、従前の各グループとは別のＣ−４グループに分類する。

次に、区間Ｗ３７、３８の部分波形を、それぞれ、Ａ−１〜Ａ−５グループ、Ｂ−１〜Ｂ−５、及びＣ−１〜Ｃ−４グループの各１番目の部分波形と比較する。ここでは、区間Ｗ３７、３８の部分波形は、それぞれ、Ｃ−４グループの１番目の部分波形である区間Ｗ３６の部分波形と類似し、他のグループの１番目の部分波形とは非類似とする。この場合、区間Ｗ３７、３８の部分波形を、区間Ｗ３６の部分波形の属するＣ−４グループに分類する。

次に、区間Ｗ３９の部分波形と、Ａ−１〜Ａ−５グループ、Ｂ−１〜Ｂ−５、及びＣ−１〜Ｃ−４グループの各１番目の部分波形とを比較する。ここでは、区間Ｗ３９の部分波形と従前の各グループの１番目の部分波形は非類似とする。この場合、区間Ｗ３９の部分波形を、従前の各グループとは別のＣ−５グループに分類する。

このようにして、各区間の部分波形を、従前の各グループの１番目の部分波形と比較し、類似すると判別された場合には、類似する部分波形が属すグループに分類する。また、各区間の部分波形が、従前の各グループの１番目の部分波形に類似しないと判別された場合には、新たなグループに分類する。

上述の通り、ＦＡ機器２は、複数のワークに同一の加工を順次施す等、予め定められた同一の運転プロセスを繰り返すものとする。この場合、ＦＡ機器２は、データ解析装置１に、予め定められた運転プロセスによる出力信号を繰り返して出力する。このため、運転プロセスが正常に実施されている場合には、過去の運転プロセス中に出力された信号の波形と類似する波形を有する信号が、ＦＡ機器２からデータ解析装置１へ出力される。例えば、図３Ｃに示す、複数のワークに同一の加工を順次施す運転プロセスを示すＡグループの波形、ワークを洗浄する運転プロセスを示すＢグループの波形等の波形成分を有する信号が、ＦＡ機器２からデータ解析装置１へ出力される。

一方、運転プロセス中にエラー或いは障害が発生した場合には、エラー発生前の出力信号の波形と類似しない波形成分を含む信号が、ＦＡ機器２からデータ解析装置１に出力される。例えば、図３Ｃに示す、ブレードがワークに引っかかる等のエラーを示すＣグループの波形の波形成分を有する信号が、ＦＡ機器２からデータ解析装置１へ出力される。

ＦＡ機器２は、稼働中において、運転プロセス中にエラーが発生した時間よりも、運転プロセスが正常に動作している時間の方が十分長い。このため、入力信号の波形において、類似していない波形の出現頻度よりも、類似している波形の出現頻度の方が高くなる。

そこで、入力信号において、ある波形の出現頻度が予め定められた閾値以下であれば、その波形をエラーが発生した時のエラーの波形とみなす。エラーの波形とみなした波形を、入力信号の波形から除去する。この処理は、図１に示したデータ整理部１３５により実行される。なお、閾値は、例えば、外部機器３上で動作するエンジニアリングツールにより設定される。

実施の形態においては、各グループ内の波形の数を基に、出現頻度を求めるものとする。各グループ内の波形の数が、予め定められた閾値以上である場合に、その波形の出願頻度は高いものとする。また、各グループ内の波形の数が、予め定められた閾値以下の場合に、その波形の出願頻度は低いものとする。

まず、図１に示したデータ整理部１３５は、図３Ｄに示すように、グループ内の波形の数を計上する。例えば、Ａ−１グループ内の波形の数が６０個、Ａ−２グループ内の波形の数が５８個、Ａ−３グループ内の波形の数が６２個、Ａ−４グループ内の波形の数が６５個、Ａ−５グループ内の波形の数が５５個とする。また、Ｂ−１グループ内の波形の数が４０個、Ｂ−２グループ内の波形の数が３８個、Ｂ−３グループ内の波形の数が４２個、Ｂ−４グループ内の波形の数が４５個、Ｂ−５グループ内の波形の数が３５個とする。Ｃ−１グループ内の波形の数が１０個、Ｃ−２グループ内の波形の数が８個、Ｃ−３グループ内の波形の数が１２個、Ｃ−４グループ内の波形の数が１５個、Ｃ−５グループ内の波形の数が５個とする。

次に、データ整理部１３５は、計上したグループ内の波形の数が、予め定められた閾値以下であれば、そのグループを削除する。例えば、予め定められた閾値を２０個とする。この場合、図３Ｄに示すように、グループ内の波形の数が２０個以下であるＣ−１〜Ｃ−５グループを削除する。これにより、エラーの波形を除去し、正常モデルの波形だけを残すことができる。そして、残った正常モデルの波形を集めて、学習用データを生成する。このように、エラーの波形を除去し、正常モデルの波形だけを集めて学習用データを生成するため、高精度な学習用データを生成することができる。

詳細は後述するが、図１に示したデータ学習部１３４は、この学習用データに含まれる各グループの波形を基に、各グループの代表波形を決定する。データ学習部１３４は、決定した各グループの代表波形を学習結果として、図１に示した補助記憶部１１に保存する。そして、後述するデータ解析装置１における診断モードでは、この学習結果と診断対象のＦＡ機器２から入力される監視信号の波形とを比較した比較結果に基づいて、診断対象のＦＡ機器２が正常か否かを判定する。

上述した学習用データは、複数のグループの正常モデルの波形に基づいて生成されたデータである。上述の通りグループは、類似する波形をグルーピングしたものである。すなわち、グループには、相互に類似した波形が複数個含まれている。このため、学習用データの波形と監視信号の波形とを比較することは、類似の波形と監視信号の波形とを複数回比較することと同義である。類似の波形と監視信号の波形とを複数回比較しても、比較結果は毎回概ね同じ結果となる。それ故に、あまり意味のある結果が得られる訳ではない。

そこで、グループごとに代表波形を決定し、この代表波形と監視信号の波形とを比較させるようにする。代表波形は、例えば、グループ内の任意の１つの波形を採用する、グループ内の波形の位相を合わせて平均をとる等により決定する。なお、ここで、類似度が高いとは、複数の波形それぞれのサンプル点の差の二乗の総和が０に近い小さな値であることをいう。代表波形と監視信号の波形を比較することにより、診断モードにおいて実行される比較の回数を、グループ内の波形全てと比較する場合よりも、少なくすることができる。すなわち、診断モードの処理を、グループ内の波形全てと比較する場合よりも、早く終わらせることができる。

次に、データ解析装置１における学習モードと診断モードとの動作の手順を、図４及び図５を参照しつつ説明する。まず、データ解析装置１における学習モードの動作手順について、図４に示す学習モード処理のフローチャートを参照しつつ説明する。この学習モード処理の動作は、学習モード処理プログラムとして、図２に示した補助記憶装置１０１に保存されている。学習モード処理プログラムは、データ解析装置１の起動時に補助記憶装置１０１からメモリ１０２に読み込まれる。メモリ１０２に読み込まれた学習モード処理プログラムは、プロセッサ１０３により実行される。

ユーザは、稼働中のＦＡ機器２の動作をデータ解析装置１に監視させる前に、データ解析装置１に学習モードを実行させる。図１に示したデータ解析装置１のデータ収集部１３１は、通信Ｉ／Ｆ１０を介して、ＦＡ機器２から入力信号を収集する（ステップＳ１０）。データ収集部１３１がＦＡ機器２から入力信号を収集する周期は、１サンプル期間である。この１サンプル期間は、図１に示した外部機器３上で動作するエンジニアリングツールから、任意の期間が予め設定されている。

データ収集部１３１は、図１に示したデータ加工部１３２に収集した入力信号を送信する。データ加工部１３２は、入力信号を加工する（ステップＳ１１）。データ加工部１３２は、加工した入力信号を図１に示したファイル保存部１３３に送信する。ファイル保存部１３３は、加工された入力信号を、図１に示した補助記憶部１１に保存する（ステップＳ１２）。

図１に示したデータ学習部１３４は、補助記憶部１１に保存された入力信号を読み出す。データ学習部１３４は、読み出した入力信号を区間Ｗで分割する。具体的には、前述したように、時間ｔに対して、区間Ｗを重ねながら１サンプルごとにシフトさせ、入力信号の波形を切り出す（ステップＳ１３）。

データ学習部１３４は、部分波形同士を比較する。この比較は、例えば、部分波形同士を重ね合わせ、それぞれのサンプル点の波高値の差の二乗の総和を求めるものである。データ学習部１３４は、それぞれのサンプル点の波高値の差の二乗の総和が予め定められた閾値以下となる部分波形を類似する波形とし、類似する波形ごとのグループにグルーピングする（ステップＳ１４）。

データ整理部１３５は、データ学習部１３４がグルーピングした各グループ内の部分波形の数を計上する（ステップＳ１５）。データ整理部１３５は、計上したグループ内の部分波形の数が予め定められた閾値以下のグループを削除する（ステップＳ１６）。ここで残ったグループのデータを、正常モデルのデータとする。データ整理部１３５は、正常モデルのデータを集めて学習用データを生成する。データ整理部１３５は、生成した学習用データを、データ学習部１３４に送信する。また、データ整理部１３５は、学習用データを補助記憶部１１に保存する。

データ学習部１３４は、データ整理部１３５から受信した学習用データに含まれる各グループの波形を基に、各グループの代表波形を決定する（ステップＳ１７）。代表波形は、例えば、グループ内の任意の１つの波形を採用する、グループ内の波形の位相を合わせて平均をとる等により決定する。データ学習部１３４は、各グループの代表波形のデータを学習結果として補助記憶部１１に保存する（ステップＳ１８）。

次に、データ解析装置１における診断モードの動作手順について、図５に示す診断モード処理のフローチャートを参照しつつ説明する。この診断モード処理の動作は、診断モード処理プログラムとして、図２に示した補助記憶装置１０１に保存されている。診断モード処理プログラムは、データ解析装置１の起動時に補助記憶装置１０１からメモリ１０２に読み込まれる。メモリ１０２に読み込まれた診断モード処理プログラムは、プロセッサ１０３により実行される。

ユーザは、稼働中のＦＡ機器２の動作をデータ解析装置１に監視させる場合、データ解析装置１に診断モードを実行させる。図１に示したデータ解析装置１のデータ判定部１３６は、図１に示した補助記憶部１１から、学習結果を読み出す（ステップＳ２０）。この学習結果は、図４に示した学習モード処理のステップＳ１７において、データ学習部１３４により決定されたグループごとの代表波形のデータである。データ判定部１３６は、読み出した学習結果を、図２に示したメモリ１０２上に展開する。これにより、データ判定部１３６は、学習結果を参照する際、補助記憶部１１から学習結果を読み出すよりも高速に学習結果を参照することができる。

図１に示すデータ解析装置１のデータ収集部１３１は、通信Ｉ／Ｆ１０を介して、診断対象のＦＡ機器２からの入力信号を収集する（ステップＳ２１）。この入力信号を、以下では監視信号と呼ぶ。データ収集部１３１は、図１に示したデータ加工部１３２に収集した監視信号を送信する。データ加工部１３２は、監視信号を加工する（ステップＳ２２）。

データ加工部１３２は、図１に示したデータ判定部１３６に、加工した監視信号を送信する。データ判定部１３６は、上述のステップＳ２０で補助記憶部１１から読み出した学習結果に含まれる波形と、データ判定部１３６から受信した監視信号の波形とを比較する（ステップＳ２３）。この波形の比較には、例えば、二つの波形の時間ごとのデータの相関関係をとる相互相関を用いることができる。なお、これに限らず、二つの波形を比較することができる各種の手法を用いてもよい。

学習結果に含まれる波形と監視信号の波形とが類似である場合（ステップＳ２４；ＹＥＳ）、データ解析装置１は、診断対象のＦＡ機器２の動作を正常稼働の動作と判定する。データ解析装置１は、ステップＳ２１からステップＳ２４までの処理を繰り返す。

学習結果に含まれる波形と監視信号の波形とが類似ではない場合（ステップＳ２４；ＮＯ）、データ判定部１３６は、判定の結果を図１に示した応答実行部１３７に送信する。応答実行部１３７は、データ判定部１３６から受信した判定の結果に基づいて、予め定められたエラー発生時における処理を実行させるための信号を、通信Ｉ／Ｆ１０を介して、診断対象のＦＡ機器２に送信する（ステップＳ２５）。エラー発生時における処理を実行させるための信号は、例えば、診断対象のＦＡ機器２を停止させるための停止信号、診断対象のＦＡ機器２の動作を減速させるための減速指示信号等である。データ解析装置１は、ステップＳ２１からステップＳ２５までの処理を繰り返す。

応答実行部１３７から送信された信号により、診断対象のＦＡ機器２は、速やかにエラー発生時の処理を実行することができる。このため、診断対象のＦＡ機器２では、エラー発生時に生じる製造中の製品の破壊、ＦＡ機器２内の水漏れ等の被害を最小限に抑えることができる。

以上のように、実施の形態のデータ解析装置１は、学習モードにおいて、ＦＡ機器２から入力される入力信号の波形を類似する波形ごとにグルーピングし、グループ内の波形の数が閾値以下であれば、そのグループを削除する。これにより、出現頻度の低いグループ、すなわちエラーの波形のデータを除去することができる。これにより、正常モデルの波形のデータだけを残すことができるので、高精度な学習用データを生成することができる。

また、データ解析装置１の学習モードは、グループごとに代表波形を決定する。学習モードでは、この代表波形を学習結果として補助記憶部１１に保存させる。これにより、診断モードにおいて実行される比較の回数を、グループ内の波形全てと比較する場合よりも、少なくすることができる。

すなわち、データ解析装置１の診断モードにおける監視信号との比較処理を、グループ内の波形全てと比較する場合よりも、早く終わらせることができる。これにより、診断モードの処理のリアルタイム性が向上し、診断対象のＦＡ機器２でエラーが発生した場合には、速やかにエラー発生時の処理を実行することができる。

（変形例１）
上述の実施の形態においては、データ解析装置１は学習モードと診断モードとの両方を備える。これに限らず、学習モードを図１に示した外部機器３に備え、データ解析装置１に診断モードを備えるようにしてもよい。この場合、ユーザは外部機器３上で学習モードを実行し、学習結果を生成させる。ユーザは、データ解析装置１で診断モードを実行させる前に、図１に示した補助記憶部１１へ、外部機器３から学習データを保存させる。これにより、データ解析装置１は、診断モードにおいて、学習結果に基づいて、診断対象のＦＡ機器２から入力される監視信号を判定することができる。この場合、図１に示した処理部１３に含まれる処理ブロックのうち、学習モードで動作する処理ブロックを、外部機器３に設ける。学習モードで動作する処理ブロックは、データ収集部１３１と、データ加工部１３２と、ファイル保存部１３３と、データ学習部１３４と、データ整理部１３５である。なお、外部機器３に限らず学習専用の装置を設ける等してもよい。

（変形例２）
上記実施の形態では、学習モードと診断モードとを区分する例を中心に説明した。ただし、この発明はこれに限定されない。前述したように、診断モードにおいて、データ保存部１３３とデータ学習部１３４とデータ整理部１３５とを動作させることにより、ＦＡ機器２の診断モードの処理と並行して学習モードの処理を実行し、学習結果を更新することも可能である。

（変形例３）
上述の実施の形態においては、図１に示すように、データ解析装置１はデータ加工部１３２を備えている。そして、データ解析装置１の学習モード及び診断モードでは、データ加工部１３２により、ＦＡ機器２から入力される入力信号を加工している。これに限らず、データ解析装置１は、学習モード及び診断モードにおいて、入力信号を加工せず、ＦＡ機器２から入力される入力信号そのものを使用するようにしてもよい。この場合、データ解析装置１は、データ加工部１３２を備えなくてもよい。また、図１に示した外部機器３に、データ加工部１３２に入力信号を加工させないように設定させてもよい。

（変形例４）
上述の実施の形態においては、診断対象のＦＡ機器２が出力した信号を学習用信号及び解析対象の信号として使用した。ここで、ＦＡ機器２が出力した信号は、ＦＡ機器２自身が、運転プロセスで発生する信号でもよいし、ＦＡ機器２の本体に設置された、振動センサ、騒音センサ、温度センサ、圧力センサ、電流センサ、電圧センサ、電力センサ、などのセンサの出力信号を含む。

（変形例５）
上述の実施の形態においては、診断対象のＦＡ機器２が出力した１つの信号を学習用信号及び解析対象の信号として使用した。診断対象のＦＡ機器２が出力した複数の信号を学習用信号及び解析対象の信号として使用してもよい。この場合、例えば、騒音センサと温度センサと電流センサの出力信号からそれぞれ学習データを生成する。そして、騒音センサ用の学習データに基づいて、騒音センサの出力信号を評価し、温度センサ用の学習データに基づいて、温度センサの出力信号を評価し、電流センサ用の学習データに基づいて、電流センサの出力信号を評価する。例えば、騒音センサの出力信号の評価と温度センサの出力信号の評価と電流センサの出力信号の評価の何れかでも基準以下の場合には、故障と判断する。

（変形例６）
正常モデルではない信号波形を除去するために、実施の形態とは別の基準を補助的に採用することも可能である。例えば、ＦＡ機器２により加工されたワークの良・不良を検査する検査装置が設置されている場合に、出力信号の信号波形と加工対象のワークのＩＤを対応付けて記憶しておき、検査により不合格と判定されたワークのＩＤに対応付けられている信号波形を除去するようにしてもよい。ＩＤは、ワーク加工時のタイムスタンプでもよい。

（変形例７）
上記実施の形態では、ＦＡ機器２は、ワークの加工等の繰り返し処理を実行する機器であり、ＦＡ機器２からデータ解析装置１には繰り返し信号が供給され、ＦＡ機器２は、正常動作状態が異常動作状態よりも十分長くなるように保持されている例を示した。この発明はこれに限定されず、正常波形の出力される割合が異常波形の出力される割合より高い装置用の学習データの生成及び診断処理に広く応用可能である。

（変形例８）
上記実施の形態では、波形を比較する手法として、任意の２つの部分波形を重ね合わせ、それぞれのサンプル点の波高値の差の二乗の総和を求める手法を用いるものした。これに限らず、波形同士の形状の差を求めることができる各種の類似度演算の手法を用いてもよい。

（変形例９）
上記実施の形態では、外部機器３に、エンジニアリングツールがインストールされているものとした。これに限らず、エンジニアリングツールは、データ解析装置１にインストールされていてもよい。この場合、データ解析装置１に接続された外部機器３からの指示に基づいて、エンジニアリングツールを起動できるようにしてもよい。例えば、外部機器３の表示部３１上に、エンジニアリングツールを起動させるためのアイコンを備えてもよい。ユーザが、このアイコンを選択し確定する、ダブルクリックする等により、エンジニアリングツールを起動させることができる。

（変形例１０）
上記実施の形態では、グループ内の波形の数を計上し、計上した波形の数が閾値以下であれば、その波形を出現頻度の低い波形として除去した。これに限らず、各グループに含まれる波形の総数のうちグループ内の波形の数が占める割合を閾値とし、グループ内の波形の数がこの閾値以下であれば、その波形を出現頻度の低い波形として除去するようにしてもよい。

（変形例１１）
上記実施の形態では、同じ波形から切り出された部分波形を、それぞれの部分波形の形状ごとにＡ−１〜Ａ−５グループ、Ｂ−１〜Ｂ−５グループ、Ｃ−１〜Ｃ−５グループに分類した。これに限らず、同じ波形ごとに１つのグループに分類してもよい。例えば、Ａ−１〜Ａ−５グループをＡグループ、Ｂ−１〜Ｂ−５グループをＢグループ、Ｃ−１〜Ｃ−５グループをＣグループとしてもよい。

（変形例１２）
上記実施の形態では、従前の各グループの１番目の部分波形に類似するか否かで、部分波形を各グループに分類した。しかしながら、実際には、検証対象の部分波形が、複数の部分波形に類似する場合がある。この場合は、予め定めた分類ルールに従って所属グループを定めればよい。例えば、検証対象の部分波形を、ｉ）最も類似度の高い部分波形が属すグループに分類する、ｉｉ）類似すると判別された部分波形が最も多く属しているグループに分類する、等の分類ルールを定めてもよい。

本発明では、学習モード処理プログラム、波形集約処理プログラム、及び診断モード処理プログラムを、図２に示した補助記憶装置１０１に保存させるものとした。これらのプログラムを、例えば、コンピュータが読み取り可能なＣＤ−ＲＯＭ（Ｃｏｍｐａｃｔ Ｄｉｓｃ Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）、ＤＶＤ−ＲＯＭ（Ｄｉｇｉｔａｌ Ｖｅｒｓａｔｉｌｅ Ｄｉｓｃ Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）などの記録媒体に格納して配布できるようにしてもよい。このプログラムをコンピュータにインストールすることにより、上述の各処理を実現することができるコンピュータを構成してもよい。そして、各処理をＯＳ（Ｏｐｅｒａｔｉｎｇ Ｓｙｓｔｅｍ）とアプリケーションとの分担、またはＯＳとアプリケーションとの協同により実現する場合等には、アプリケーションのみを記録媒体に格納してもよい。

本発明は、本発明の広義の精神と範囲を逸脱することなく、様々な実施の形態及び変形が可能とされるものである。また、上述した実施の形態は、この発明を説明するためのものであり、本発明の範囲を限定するものではない。すなわち、本発明の範囲は、実施の形態ではなく、請求の範囲によって示される。そして、請求の範囲内及びそれと同等の発明の意義の範囲内で施される様々な変形が、この発明の範囲内とみなされる。

本発明は、データ解析装置に好適に利用することができる。

１ データ解析装置、２ ＦＡ機器、３ 外部機器、１０ 通信Ｉ／Ｆ、１１ 補助記憶部、１２ 外部機器Ｉ／Ｆ、１３ 処理部、３１ 表示部、３２ 入力部、１０１ 補助記憶装置、１０２ メモリ、１０３ プロセッサ、１０４ 通信ポート、１０５ 画面表示出力部、１０６ Ｉ／Ｏポート、１０７ 内部バス、１３１ データ収集部、１３２ データ加工部、１３３ ファイル保存部、１３４ データ学習部、１３５ データ整理部、１３６ データ判定部、１３７ 応答実行部、１３８ パラメータ設定部。

Claims (10)

1. 接続された機器から供給される、前記機器の正常動作状態における信号及び異常動作状態における信号を含む信号を収集するデータ収集部と、
   前記データ収集部によって収集された信号を、予め定められた一定区間毎に切り取って生成した波形同士を比較し、予め定められた判定基準に従って互いに類似すると判定された波形のうち、外部の検査装置により不合格と判定された、前記機器により加工された加工対象に対応付けられた波形を除去し、残った波形を集めて学習用データを生成するデータ整理部と
   を備えるデータ解析装置。
2. 前記互いに類似すると判定された波形を、予め定められた分類基準に従って、互いに類似する波形毎のグループに分類するデータ学習部を、さらに備える、
   請求項１に記載のデータ解析装置。
3. 前記データ整理部は、前記グループ内の波形の数を計上し、計上した前記グループ内の波形の数が予め定められた閾値以下であれば、前記グループを除去する、
   請求項２に記載のデータ解析装置。
4. 前記データ整理部は、前記グループ内の波形の数を計上し、計上した前記グループ内の波形の数が予め定められた閾値以上であれば、前記グループ内の波形を集めて前記学習用データを生成する、
   請求項２に記載のデータ解析装置。
5. 補助記憶部を、さらに備え、
   前記データ学習部は、前記学習用データに含まれる波形を基に、前記グループ各々の代表波形を決定し、前記代表波形を学習結果として前記補助記憶部に保存する、
   請求項２から４の何れか一項に記載のデータ解析装置。
6. 前記データ収集部は、診断対象の前記機器から供給される監視信号を収集し、
   前記補助記憶部から前記学習結果を読み出し、前記監視信号の波形と前記学習結果に含まれる波形とが一致するか否かを判定するデータ判定部と、
   前記データ判定部の判定の結果に基づいて、予め定められた処理を実行させるための信号を、診断対象の前記機器に送信する応答実行部と
   をさらに備える請求項５に記載のデータ解析装置。
7. 前記接続された機器は、繰り返し処理を実行する機器であり、
   前記機器から前記データ収集部には、繰り返し信号が供給され、
   前記機器は、前記正常動作状態が前記異常動作状態よりも長くなるように保持されている、
   請求項１から６のいずれか一項に記載のデータ解析装置。
8. 接続された機器から収集した、前記機器の正常動作状態における信号及び異常動作状態における信号を含む信号を、予め定められた一定区間毎に切り取って生成した波形同士を比較し、予め定められた判定基準に従って互いに類似すると判定された波形のうち、外部の検査装置により不合格と判定された、前記機器により加工された加工対象に対応付けられた波形を除去し、残った波形を集めて学習用データを生成するデータ整理手段と、
   前記データ整理手段によって生成された前記学習用データを基に代表波形を決定し、前記代表波形を学習結果として保存するデータ学習手段と
   を備えるシステム。
9. コンピュータにより実行される方法であって、
   機器の正常動作状態における信号及び異常動作状態における信号を含む入力信号を収集し、
   収集した前記入力信号を、予め定められた一定区間毎に切り取って生成した波形同士を比較し、予め定められた判定基準に従って互いに類似すると判定された波形のうち、外部の検査装置により不合格と判定された、前記機器により加工された加工対象に対応付けられた波形を除去し、残った波形を集めて学習用データを生成し、
   前記学習用データを基に代表波形を決定し、前記代表波形を学習結果として保存する、
   方法。
10. コンピュータを、
    供給される、機器の正常動作状態における信号及び異常動作状態における信号を含む信号を収集するデータ収集部、
    収集した前記信号を、予め定められた一定区間毎に切り取って生成した波形同士を比較し、予め定められた判定基準に従って互いに類似すると判定された波形のうち、外部の検査装置により不合格と判定された、前記機器により加工された加工対象に対応付けられた波形を除去し、残った波形を集めて学習用データを生成するデータ整理部
    として機能させるプログラム。

Images