JP6705315B2 - 診断装置、診断システム、診断方法およびプログラム - Google Patents

Description

本発明は、診断装置、診断システム、診断方法およびプログラムに関する。

加工機等の機械において、コンテキスト情報に基づく動作状態毎に、集音手段にて集音した動作音データと、予め用意しておいた動作音データとを比較して、異常の有無を判定する技術が知られている。一般的には、検知した動作音データ等の検知情報をモニタし、設定した閾値と比較して、異常を検知する方法が取られる。この場合、学習データを対象に、検知情報と類似度の高いデータの線形結合により推定値を算出し、推定値と観測データのはずれ度合いを求める。評価する検知情報とモデル化した学習データとの類似度により検知情報の異常の有無を判定する。

このような、機械の異常の有無を判定する技術として、予め収集して記憶しておいた各ユニット（ドラムモータ、給紙モータ、定着モータ、現像クラッチ等）の動作音データと、画像形成装置を動作させて収集した動作音データとを比較し、差が所定レベル以上のとき、異常音として検出するとともに、各ユニットの動作シーケンステーブルを用いて、異常音を発生しているユニットを特定する機能を有する画像形成装置の技術が提案されている（特許文献１参照）。

また、複数のセンサからデータを取得するセンサデータ取得部、ほぼ正常データからなる学習データ、学習データをモデル化するモデル生成部、観測データとモデル化した学習データとの類似度により観測データの異常の有無を検知する異常検知部、各信号の影響度を評価するセンサ信号の影響度評価部、各センサ信号の関連性を表すネットワーク図を作成するセンサ信号ネットワーク生成部、異常事例、各センサ信号の影響度、選択結果等からなる関連データベース、設備の設計情報からなら設計情報データベース、原因診断部、診断結果を格納する関連データベース、および入出力からなるシステムが提案されている（特許文献２参照）。

学習データをモデル化する場合、新しいデータを用いたモデル、または以前のモデル化に用いたデータに新しいデータを加えたモデル等、モデルを複数生成した場合に、どのモデルが診断処理に用いるモデルとして、より良いモデルであるか否かを判断する必要が生じる。しかしながら、従来の技術では、例えば、古いモデルおよび新しいモデルのどちらが診断処理に適した結果を出すかの判断は、モデルの生成に用いた学習データに依存するため、この判断に基づいて選択したモデルは、今後得られる検知情報に対する診断処理に使用するモデルとして最適か否かは保証されないという問題があった。

本発明は、上述の課題に鑑みてなされたものであって、現在得られる検知情報から２つ以上のモデルから適切なモデルを選択することができ、異常の診断精度を向上させることができる診断装置、診断システム、診断方法およびプログラムを提供することを目的とする。

上述した課題を解決し、目的を達成するために、本発明は、対象装置の動作の種類ごとに定められる複数のコンテキスト情報のうち現在の動作に対応するコンテキスト情報と、前記対象装置の動作に応じて変化する物理量を検知する検知部からの検知情報と、を前記対象装置から受信する受信部と、前記受信部により受信された前記検知情報と、１以上の前記コンテキスト情報それぞれに対応する１以上のモデルのうち前記受信部により受信された前記コンテキスト情報に対応する複数のモデルと、を用いて、前記対象装置の動作が正常であるか否かを判定する判定部と、前記判定部により判定された、前記複数のモデルを用いた場合のそれぞれの判定結果を、表示部に表示させる表示制御部と、を備える。

本発明によれば、現在得られる検知情報から２つ以上のモデルから適切なモデルを選択することができ、異常の診断精度を向上させることができる。

図１は、第１の実施形態に係る診断システムの構成の一例を示す図である。 図２は、第１の実施形態の加工機のハードウェア構成の一例を示す図である。 図３は、第１の実施形態の診断装置のハードウェア構成の一例を示す図である。 図４は、第１の実施形態の診断装置の機能ブロックの構成の一例を示す図である。 図５は、第１の実施形態における診断処理の一例を示すフローチャートである。 図６は、第１の実施形態におけるモデル生成処理の一例を示すフローチャートである。 図７は、第１の実施形態におけるモデル生成処理および診断処理の具体例を説明する図である。 図８は、一部のコンテキスト情報についてモデル生成処理および診断処理を行う具体例を説明する図である。 図９は、共通のモデルを他の加工工程で使用する例を説明する図である。 図１０は、累積使用時間をコンテキスト情報として利用する場合の例を説明する図である。 図１１は、モデルが生成されていないコンテキスト情報が入力された場合にモデルを生成する動作を説明する図である。 図１２は、記憶部におけるモデルの記憶構成を説明する図である。 図１３は、第１の実施形態における複数のモデルによって診断処理を行う場合の一例を示すフローチャートである。 図１４は、第１の実施形態における表示部の表示画面において判定結果を表示する構成の一例を示す図である。 図１５は、第１の実施形態における表示部の表示画面において判定結果を表示する具体例を示す図である。 図１６は、第１の実施形態における表示部の表示画面において判定結果を表示する具体例を示す図である。 図１７は、第１の実施形態における表示部の表示画面において複数のモデルに基づく尤度の経時変化を表示する例を示す図である。 図１８は、特定のモデルが他のモデルよりも良化している例を示す図である。 図１９は、特定のモデルが他のモデルよりも悪化している例を示す図である。 図２０は、特定のモデルが他のモデルよりも良化しているか悪化しているかを判断できない例を示す図である。 図２１は、追加で行う診断処理により良化しているか悪化しているかを判断できる例を示す図である。 図２２は、第１の実施形態において選択したモデルを即時反映するモデル選択処理の一例を示すフローチャートである。 図２３は、モデルを選択する設定画面の一例を示す図である。 図２４は、第１の実施形態において選択したモデルを指定条件で反映するモデル選択処理の一例を示すフローチャートである。 図２５は、モデルおよび指定条件を選択する設定画面の一例を示す図である。 図２６は、第１の実施形態の変形例１−１の診断装置の機能ブロックの構成の一例を示す図である。 図２７は、第１の実施形態の変形例１−１における複数のモデルによって診断処理を行い、閾値判定に基づいて停止命令を送信する動作の一例を示すフローチャートである。 図２８は、第１の実施形態の変形例１−１における複数のモデルによって診断処理を行い、閾値判定に基づいて停止命令を送信する場合の尤度の経時変化の一例を示す図である。 図２９は、第１の実施形態の変形例１−２の診断装置の機能ブロックの構成の一例を示す図である。 図３０は、警報設定を行う設定画面の一例を示す図である。 図３１は、第１の実施形態の変形例１−２における複数のモデルによって診断処理を行い、閾値判定に基づいて警報通知をする動作の一例を示すフローチャートである。 図３２は、警報画面の一例を示す図である。 図３３は、警報画面の一例を示す図である。 図３４は、第１の実施形態の変形例１−３の診断装置の機能ブロックの構成の一例を示す図である。 図３５は、理想通知期間を設定する設定画面の一例を示す図である。 図３６は、第１の実施形態の変形例１−３の自動でモデルを選択するモデル選択処理の一例を示すフローチャートである。 図３７は、第２の実施形態の診断装置の機能ブロックの構成の一例を示す図である。 図３８は、第２の実施形態による処理の具体例を説明するための図である。 図３９は、検知情報の決定に用いられる対応情報のデータ構造の一例を示す図である。 図４０は、コンテキスト情報と加工区間との関係の例を示す図である。 図４１は、加工区間の特定方法の一例を示す図である。 図４２は、尤度と判定値ｒ（ｋ）との関係の一例を示すグラフである。 図４３は、尤度の経時変化の一例を示す図である。 図４４は、複数の閾値を用いる例を説明するための図である。 図４５は、複数の閾値を用いる例を説明するための図である。 図４６−１は、変形例５による判定方法の一例を説明するための図である。 図４６−２は、変形例５による判定方法の一例を説明するための図である。 図４６−３は、変形例５による判定方法の一例を説明するための図である。 図４７−１は、変形例６による判定方法の一例を説明するための図である。 図４７−２は、変形例６による判定方法の一例を説明するための図である。 図４７−３は、変形例６による判定方法の一例を説明するための図である。

以下に添付図面を参照して、本発明に係る診断装置、診断システム、診断方法およびプログラムの一実施形態を詳細に説明する。

［第１の実施形態］
（診断システムの構成）
図１は、第１の実施形態に係る診断システムの構成の一例を示す図である。図１に示すように、診断システムは、加工機２００と、診断装置１００と、を含む。加工機２００は、診断装置１００による診断の対象となる対象装置の一例である。

加工機２００と診断装置１００とは、どのような接続形態で接続されてもよい。例えば、加工機２００と診断装置１００とは、専用の接続線、有線ＬＡＮ（Ｌｏｃａｌ Ａｒｅａ Ｎｅｔｗｏｒｋ）等の有線ネットワーク、および、無線ネットワーク等により接続される。

加工機２００は、数値制御部２０１と、通信制御部２０２と、工作機械２０３と、を備えている。工作機械２０３は、検知部２１１と、駆動部２１２と、を備えている。

工作機械２０３は、数値制御部２０１の制御に従い、加工対象を加工する機械である。工作機械２０３は、数値制御部２０１の制御により動作する駆動部２１２を含む。駆動部２１２は、例えば、モータ等であり、加工に用いられ、数値制御の対象となるものであればどのようなものであってもよい。なお、駆動部２１２は１以上備えられていてもよい。

数値制御部２０１は、工作機械２０３による加工を数値制御（ＮＣ：Ｎｕｍｅｒｉｃａｌ Ｃｏｎｔｒｏｌ）により実行する。例えば、数値制御部２０１は、駆動部２１２の動作を制御するための数値制御データを生成して出力する。また、数値制御部２０１は、コンテキスト情報を通信制御部２０２に出力する。コンテキスト情報とは、加工機２００の動作の種類ごとに複数定められる情報である。コンテキスト情報は、例えば、駆動部２１２を識別する情報、駆動部２１２の回転数、駆動部２１２の回転速度、駆動部２１２に係る負荷、駆動部２１２の大きさ、および、駆動部２１２の使用開始からの累積使用時間等を含む。

数値制御部２０１は、例えば、現在の動作を示すコンテキスト情報を、通信制御部２０２を介して診断装置１００に送信する。数値制御部２０１は、加工対象を加工する際、加工の工程に応じて、駆動する駆動部２１２の種類、駆動部２１２の駆動状態（回転数、回転速度等）を変更する。数値制御部２０１は、動作の種類を変更するごとに、変更した動作の種類に対応するコンテキスト情報を、通信制御部２０２を介して診断装置１００に逐次送信する。

通信制御部２０２は、診断装置１００等の外部装置との間の通信を制御する。例えば、通信制御部２０２は、現在の動作に対応するコンテキスト情報を診断装置１００に送信する。

検知部２１１は、加工機２００の動作に応じて変化する物理量を検知し、検知情報（センサデータ）を出力する。なお、検知部２１１の種類、および、検知する物理量はどのようなものであってもよい。例えば、検知部２１１を、マイク、加速度センサ、または、ＡＥ（Ａｃｏｕｓｔｉｃ Ｅｍｉｓｓｉｏｎ）センサとし、それぞれ、音響データ、加速度データ、または、ＡＥ波を示すデータを検知情報としてもよい。また、検知部２１１の個数は任意である。同一の物理量を検知する複数の検知部２１１を備えてもよいし、相互に異なる物理量を検知する複数の検知部２１１を備えてもよい。

例えば、加工に用いる刃の折れ、および、刃のチッピング等が発生すると、加工時の音が変化する。このため、検知部２１１（マイク）で音響データを検知し、正常音を示すモデル等と比較することにより、加工機２００の動作の異常を検知可能となる。

診断装置１００は、通信制御部１０１と、判定部１０２と、を備えている。通信制御部１０１は、加工機２００等の外部装置との間の通信を制御する。例えば、通信制御部１０１は、コンテキスト情報および検知情報を加工機２００から受信する。判定部１０２は、コンテキスト情報および検知情報を参照して、加工機２００の動作が正常であるか否かを判定する。各部の機能の詳細は後述する。

（加工機のハードウェア構成）
図２は、第１の実施形態の加工機のハードウェア構成の一例を示す図である。図２に示すように、加工機２００は、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）５１と、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）５２と、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）５３と、通信Ｉ／Ｆ（インターフェース）５４と、駆動制御回路５５と、モータ５６と、バス５８で接続された構成となっている。センサ５７は、診断装置１００に通信可能に接続されている。

ＣＰＵ５１は、加工機２００の全体を制御する。ＣＰＵ５１は、例えば、ＲＡＭ５３をワークエリア（作業領域）としてＲＯＭ５２等に格納されたプログラムを実行することで、加工機２００全体の動作を制御し、加工機能を実現する。

通信Ｉ／Ｆ５４は、診断装置１００等の外部装置と通信するためのインターフェースである。駆動制御回路５５は、モータ５６の駆動を制御する回路である。モータ５６は、ドリル、砥石、カッタ、および、テーブル等の加工に用いる工具を駆動する。モータ５６は、例えば、図１の駆動部２１２に相当する。センサ５７は、加工機２００の動作に応じて変化する物理量を検知し、検知情報を出力する。センサ５７は、例えば、図１の検知部２１１に相当する。

なお、図１の数値制御部２０１および通信制御部２０２は、図２のＣＰＵ５１にプログラムを実行させること、すなわち、ソフトウェアにより実現してもよいし、ＩＣ（Ｉｎｔｅｇｒａｔｅｄ Ｃｉｒｃｕｉｔ）等のハードウェアにより実現してもよいし、ソフトウェアおよびハードウェアを併用して実現してもよい。

（診断装置のハードウェア構成）
図３は、第１の実施形態の診断装置のハードウェア構成の一例を示す図である。図３に示すように、診断装置１００は、ＣＰＵ６１と、ＲＯＭ６２と、ＲＡＭ６３と、通信Ｉ／Ｆ６４と、入出力Ｉ／Ｆ６５と、補助記憶装置６８とが、バス６９で接続された構成となっている。

ＣＰＵ６１は、診断装置１００の全体を制御する。ＣＰＵ６１は、例えば、ＲＡＭ６３をワークエリア（作業領域）としてＲＯＭ６２等に格納されたプログラムを実行することで、診断装置１００全体の動作を制御し、診断機能を実現する。

通信Ｉ／Ｆ６４は、加工機２００等の外部装置と通信するためのインターフェースである。入出力Ｉ／Ｆ６５は、各種装置（例えば、入力装置６６およびディスプレイ６７）とバス６９とを接続するためのインターフェースである。

入力装置６６は、文字および数字等の入力、各種指示の選択、ならびにカーソルの移動等の操作を行うためのマウスまたはキーボード等の入力装置である。

ディスプレイ６７は、カーソル、メニュー、ウィンドウ、文字または画像等の各種情報を表示するＬＣＤ（Ｌｉｑｕｉｄ Ｃｒｙｓｔａｌ Ｄｉｓｐｌａｙ）、プラズマディスプレイ、または有機ＥＬ（Ｅｌｅｃｔｒｏ−Ｌｕｍｉｎｅｓｃｅｎｃｅ）ディスプレイ等の表示装置である。

補助記憶装置６８は、診断装置１００の設定情報、加工機２００から受信された検知情報、ＯＳ（Ｏｐｅｒａｔｉｎｇ Ｓｙｓｔｅｍ）、アプリケーションプログラム、および各種データを記憶するＨＤＤ（Ｈａｒｄ Ｄｉｓｋ Ｄｒｉｖｅ）、ＳＳＤ（Ｓｏｌｉｄ Ｓｔａｔｅ Ｄｒｉｖｅ）、またはＥＥＰＲＯＭ（Ｅｌｅｃｔｒｉｃａｌｌｙ Ｅｒａｓａｂｌｅ Ｐｒｏｇｒａｍｍａｂｌｅ Ｒｅａｄ−Ｏｎｌｙ Ｍｅｍｏｒｙ）等の不揮発性の記憶装置である。なお、補助記憶装置６８は、診断装置１００が備えるものとしているが、これに限定されるものではなく、例えば、診断装置１００の外部に設置された記憶装置であってもよく、または、診断装置１００とデータ通信可能なサーバ装置が備えた記憶装置であってもよい。

（診断装置の機能ブロックの構成）
図４は、第１の実施形態の診断装置の機能ブロックの構成の一例を示す図である。図４に示すように、診断装置１００は、上述の通信制御部１０１および判定部１０２に加え、受付部１０３と、特徴抽出部１０４と、生成部１０５と、反映条件設定部１０６（設定部）と、モデル選択部１０７（選択部）と、入力部１０８と、表示制御部１０９と、表示部１１０と、記憶部１１１と、を備えている。また、診断装置１００は、診断機能を発揮する動作モードとして、通常モードと、モデル適正判断モードと、を有する。通常モードとは、モデル選択部１０７により選択されたモデルを用いて、加工機２００から受信した検知情報から加工機２００の異常を診断するモードである。モデル適正判断モードとは、複数のモデルを用いて、加工機２００から受信した検知情報についての尤度を求めて、モデルの選択を支援するモードである。これらの動作モードは、例えば、入力部１０８を介した操作入力（入力情報）に基づいて、切り替えられるものとすればよい。

記憶部１１１は、診断装置１００による診断機能で必要な各種情報を記憶する。記憶部１１１は、例えば、図３のＲＡＭ６３および補助記憶装置６８等により実現できる。例えば、記憶部１１１は、異常の判定に用いる１以上のモデルを記憶する。

モデルは、例えば、加工機２００が正常に動作しているときに検知部２１１により検知された検知情報を用いて、学習により生成される。学習方法、および、学習するモデルの形式はどのような方法であってもよい。例えば、ＧＭＭ（ガウス混合モデル）、および、ＨＭＭ（隠れマルコフモデル）等のモデルおよび対応するモデル学習方法を適用できる。

本実施形態では、モデルは、コンテキスト情報ごとに１以上生成される。記憶部１１１は、例えば、コンテキスト情報と、当該コンテキスト情報に対応する１以上のモデルとを対応付けて記憶する。記憶部１１１におけるモデルの記憶構成については、図１２で後述する。

通信制御部１０１は、受信部１０１ａと、送信部１０１ｂと、を備えている。受信部１０１ａは、加工機２００等の外部装置から送信された各種情報を受信する。例えば、受信部１０１ａは、加工機２００の現在の動作に対応するコンテキスト情報と、検知部２１１により送信された検知情報と、を受信する。送信部１０１ｂは、外部装置に対して各種情報を送信する。

特徴抽出部１０４は、モデルの生成、および、判定部１０２による判定で用いる特徴情報を、検知情報から抽出する。特徴情報は、検知情報の特徴を示す情報であればどのような情報であってもよい。例えば、検知情報がマイクにより集音された音響データである場合、特徴抽出部１０４は、エネルギー、周波数スペクトル、および、ＭＦＣＣ（メル周波数ケプストラム係数）等を特徴情報として抽出してもよい。

生成部１０５は、正常動作時の検知情報から抽出された特徴情報を用いた学習により、正常動作を判定するためのモデルを作成する。なお、モデルを外部装置で生成する場合は、生成部１０５は備えなくてもよい。生成部１０５は、モデルが定められていないコンテキスト情報と、当該コンテキスト情報に対応する検知情報が入力された場合に、この検知情報から抽出された特徴情報を用いて、当該コンテキスト情報に対応するモデルを生成してもよい。

判定部１０２は、受信部１０１ａにより受信された検知情報と、受信されたコンテキスト情報に対応し、かつ、モデル選択部１０７により選択されたモデルと、を用いて、加工機２００の動作が正常であるか否かを判定する。例えば、判定部１０２は、特徴抽出部１０４に対して検知情報からの特徴情報の抽出を依頼する。判定部１０２は、検知情報から抽出された特徴情報が正常であることの尤もらしさを示す尤度を、対応するモデルを用いて算出する。判定部１０２は、尤度と、予め定められた閾値とを比較し、例えば、尤度が閾値以上である場合に、加工機２００の動作は正常であると判定する。また、判定部１０２は、尤度が閾値未満である場合に、加工機２００の動作は異常であると判定する。

また、判定部１０２は、第１判定器１０２ａと、第２判定器１０２ｂと、結果処理部１０２ｃと、を備えている。第１判定器１０２ａは、モデル適正判断モードにおいて、受信部１０１ａにより受信された検知情報と、受信部１０１ａにより受信されたコンテキスト情報に対応する複数のモデルのうち特定のモデルと、を用いて、尤度を求め、加工機２００の動作が正常であるか否かを判定する。第２判定器１０２ｂは、モデル適正判断モードにおいて、受信部１０１ａにより受信された検知情報と、受信部１０１ａにより受信されたコンテキスト情報に対応するモデルであって、第１判定器１０２ａが用いるモデルとは異なるモデルと、を用いて、尤度を求め、加工機２００の動作が正常であるか否かを判定する。結果処理部１０２ｃは、第１判定器１０２ａおよび第２判定器１０２ｂの判定結果を、表示制御部１０９に対して表示部１１０に表示させる。

なお、判定部１０２が備える判定器は２つに限定されるものではなく、３つ以上の判定器を備えるものとしてもよい。この場合、３つ以上の判定器が、同一のコンテキスト情報に対応する別々のモデルをそれぞれ用いて、尤度を求める。また、判定器は１つであってもよい。この場合、１つの判定器が、同一のコンテキスト情報に対応する複数のモデルそれぞれに対応する尤度を求めるものとすればよい。

また、加工機２００の動作が正常か否かの判定方法はこれに限られるものではなく、検知情報とモデルとを用いて、正常か否かを判定できる方法であればどのような方法であってもよい。例えば、尤度の値を直接閾値と比較する代わりに、尤度の変動を示す値と閾値とを比較してもよい。

受付部１０３は、受信部１０１ａが加工機２００から受信するコンテキスト情報とは異なるコンテキスト情報の入力を受け付ける。例えば、累積使用時間は、加工機２００から取得するように構成できる。この場合、加工機２００は、例えば、工具を交換したときに累積使用時間をリセット（初期化）する機能を備えていてもよい。

なお、累積使用時間を加工機２００から取得せず、受付部１０３が受け付けるように構成することもできる。受付部１０３は、例えば、キーボードおよびタッチパネル等である入力部１０８から入力されたコンテキスト情報を受け付ける。受付部１０３で受け付けるコンテキスト情報は、累積使用時間に限らず、例えば、使用する工具の仕様の情報（刃の直径、刃数、材質、工具にコーティングが施されているか否か等）や、加工する材料の情報（材質等）の情報でもよい。受付部１０３が、サーバ装置およびＰＣ（Ｐｅｒｓｏｎａｌ Ｃｏｍｐｕｔｅｒ）等の外部装置からコンテキスト情報を受信するように構成してもよい。加工機２００以外からコンテキスト情報を受け付ける必要がない場合は、受付部１０３は備えなくてもよい。

反映条件設定部１０６は、管理者が通常モードで適用しようとするモデルを選択した場合、そのモデルを通常モードに反映する条件を設定する。反映条件設定部１０６の動作の詳細は、後述する。

モデル選択部１０７は、反映条件設定部１０６等により設定された条件に従って、選択されたモデルを反映する。モデル選択部１０７の動作の詳細は、後述する。

入力部１０８は、文字および数字等の入力、各種指示の選択、ならびにカーソルの移動等の操作を行うための機能部である。入力部１０８は、例えば、図３の入力装置６６により実現できる。

表示制御部１０９は、表示部１１０の表示動作を制御する。表示部１１０は、表示制御部１０９による制御に従って各種情報を表示する。表示部１１０は、例えば、図３のディスプレイ６７により実現できる。

なお、図４の各部（通信制御部１０１、判定部１０２、受付部１０３、特徴抽出部１０４、生成部１０５、反映条件設定部１０６、モデル選択部１０７および表示制御部１０９）は、図３のＣＰＵ６１にプログラムを実行させること、すなわち、ソフトウェアにより実現してもよいし、ＩＣ等のハードウェアにより実現してもよいし、ソフトウェアおよびハードウェアを併用して実現してもよい。

また、図４に示した診断装置１００の各機能部は、機能を概念的に示したものであって、このような構成に限定されるものではない。例えば、図４で独立した機能部として図示した複数の機能部を、１つの機能部として構成してもよい。一方、図４の１つの機能部が有する機能を複数に分割し、複数の機能部として構成するものとしてもよい。

（診断装置による診断処理）
次に、このように構成された第１の実施形態に係る診断装置１００による診断処理について図５を用いて説明する。図５は、第１の実施形態における診断処理の一例を示すフローチャートである。

上述のように、加工機２００の数値制御部２０１は、現在の動作を示すコンテキスト情報を逐次診断装置１００に送信する。通常モードにおいて、受信部１０１ａは、このようにして加工機２００から送信されたコンテキスト情報を受信する（ステップＳ１０１）。また、加工機２００の検知部２１１は、加工時の検知情報を逐次出力する。受信部１０１ａは、このようにして加工機２００から送信された検知情報（センサデータ）を受信する（ステップＳ１０２）。

特徴抽出部１０４は、受信された検知情報から特徴情報を抽出する（ステップＳ１０３）。判定部１０２は、抽出された特徴情報と、受信されたコンテキスト情報に対応するモデルとを用いて、加工機２００が正常に動作しているか否かを判定する（ステップＳ１０４）。判定部１０２は、判定結果を出力する（ステップＳ１０５）。判定結果の出力方法はどのような方法であってもよい。判定部１０２は、例えば、診断装置１００の表示制御部１０９に対して、判定結果を表示部１１０に表示させてもよい。または、判定部１０２が、サーバ装置およびＰＣ等の外部装置に判定結果を出力してもよい。

（診断装置によるモデル生成処理）
次に、このように構成された第１の実施形態に係る診断装置１００によるモデル生成処理について図６を用いて説明する。図６は、第１の実施形態におけるモデル生成処理の一例を示すフローチャートである。なお、モデル生成処理は、例えば、診断処理の前に事前に実行される。あるいは、モデルが定められていないコンテキスト情報が入力された場合にモデル生成処理を実行するように構成してもよい。また、上述のようにモデルを外部で生成する場合は、モデル生成処理は実行されなくてもよい。

受信部１０１ａは、加工機２００から送信されたコンテキスト情報を受信する（ステップＳ２０１）。受信部１０１ａは、加工機２００から送信された検知情報（センサデータ）を受信する（ステップＳ２０２）。

このように受信されたコンテキスト情報および検知情報が、モデルの生成に利用される。モデルは、コンテキスト情報ごとに生成されるため、検知情報は、対応するコンテキスト情報に関連付けられる必要がある。このため、例えば、受信部１０１ａは、受信した検知情報を、同じタイミングで受信したコンテキスト情報と対応付けて記憶部１１１等に記憶させる。各情報を記憶部１１１等に一旦記憶し、正常時の情報であることを確認し、正常時の情報のみを用いてモデルを生成してもよい。すなわち、正常であるとラベルづけされた検知情報を用いてモデルを生成してもよい。

正常であるか否かの確認（ラベルづけ）は、情報を記憶部１１１等に記憶した後の任意のタイミングで実行してもよいし、加工機２００を動作させながらリアルタイムに実行してもよい。ラベルづけを実行せず、情報が正常であると仮定してモデルを生成してもよい。正常であると仮定した情報が実際は異常であった情報であった場合は、生成されたモデルにより正しく判定処理が実行されなくなる。異常と判定される頻度等によりこのような状況であるかを判断でき、誤って生成されたモデルを削除する等の対応を取ることができる。また、異常であった情報から生成されたモデルを、異常であることを判定するモデルとして利用してもよい。

特徴抽出部１０４は、収集された検知情報から特徴情報を抽出する（ステップＳ２０３）。生成部１０５は、同じコンテキスト情報に対応付けられた検知情報から抽出された特徴情報を用いて、このコンテキスト情報についてのモデルを生成する（ステップＳ２０４）。生成部１０５は、生成したモデルを、例えば、コンテキスト情報に対応付けて、記憶部１１１に記憶する（ステップＳ２０５）。

（モデル生成処理および診断処理の具体例）
次に、本実施形態によるモデル生成処理および診断処理の具体例について説明する。図７は、第１の実施形態におけるモデル生成処理および診断処理の具体例を説明する図である。

図７は、例えば、ある部品を加工する工程の一部についてのモデル生成処理、および、診断処理を示す。モデル生成処理では、コンテキスト情報７０１とともに受信された複数の検知情報（図７では検知情報７１１ａ〜７１１ｃ）が利用される。なお、検知情報の個数は３に限られるものではなく、任意の個数とすることができる。

コンテキスト情報７０１は、加工工程が、４つのモータ（モータＡ、モータＢ、モータＣ、モータＤ）を駆動する動作を含むことを示している。特徴抽出部１０４は、受信された検知情報から特徴情報を抽出する。生成部１０５は、各モータに対応するコンテキスト情報ごとに、対応する検知情報から抽出された特徴情報を用いてモデルを生成する。生成されたモデルは、対応するコンテキスト情報と対応付けられて記憶部１１１等に記憶される。図７では、モータＢが駆動される場合のコンテキスト情報に対して生成されたモデル（「モータＢ」）が記憶部１１１に記憶された例が示されている。記憶されたモデルは、その後の診断処理で参照される。

診断処理では、モデル生成処理と同様に、コンテキスト情報７０１とともに、検知情報７２１が受信される。コンテキスト情報が「モータＢが駆動されていること」を示す場合、判定部１０２は、例えば、このコンテキスト情報が受信された期間に受信された検知情報と、記憶部１１１に記憶されているモデル「モータＢ」とを用いて、加工機２００の動作が正常であるか否かを判定する。

他のコンテキスト情報が受信される場合も同様に、対応する検知情報と、対応するモデルとを用いて、判定部１０２による判定が実行される。

なお、すべてのコンテキスト情報に対して判定を実行する必要はない。図８は、一部のコンテキスト情報についてモデル生成処理および診断処理を行う具体例を説明する図である。

図８の例では、コンテキスト情報が「モータＢが駆動されていること」を示す場合のみモデルが生成される。また、診断処理は、「モータＢが駆動されていること」を示すコンテキスト情報７０１−２が受信された場合に実行される。これにより、異常の判定に有効な検知情報のみを用いて診断処理を実行することができる。例えば、検知情報として音響データを用いる場合、無音区間等判定する必要がない区間が加工工程に含まれる場合がある。このような不要な区間を判定対象から外すことによって、誤判定を減らすこと、および、計算コストを減らすことが可能となる。すなわち、診断処理の高精度化および効率化が実現可能となる。

また、相互に異なる加工工程であっても、例えば、同一のモータ等を使用する場合は、対応するモデルを共通に利用して診断処理を実行してもよい。図９は、共通のモデルを他の加工工程で使用する例を説明する図である。

図９のコンテキスト情報９０１は、加工工程が、４つのモータ（モータＸ、モータＹ、モータＺ、モータＢ）を駆動する動作を含むことを示している。モータＢを使用する点は、例えば、図７に示す加工工程と共通する。このため、図９の加工工程でも、判定部１０２は、同一のモデル「モータＢ」と、検知情報９２１とを用いて診断処理を実行できる。

また、図１０は、累積使用時間をコンテキスト情報として利用する場合の例を説明する図である。コンテキスト情報１００１は、各モータの累積使用時間を示す。図１０の例では、累積使用時間の範囲（０〜６月、６月〜１２月、・・・等）ごと、かつ、モータの種類ごとにモデルが生成される。例えば、記憶部１１１ａは、累積使用時間が０〜６月の各モータのモデルを記憶する。記憶部１１１ｂは、累積使用時間が６〜１２月の各モータのモデルを記憶する。記憶部１１１ｃは、累積使用時間が例えば１２月以上の各モータのモデルを記憶する。記憶部１１１ａ〜１１１ｃは、物理的に異なる記憶媒体で実現してもよいし、物理的に同一の記憶媒体（記憶部１１１）で実現してもよい。判定部１０２は、コンテキスト情報７０１とともに、コンテキスト情報１００１を用いて対応するモデルを特定し、特定したモデルを用いて診断処理を実行する。

また、図１１は、モデルが生成されていないコンテキスト情報が入力された場合にモデルを生成する動作を説明する図である。図１１のコンテキスト情報１１０１は、加工工程が、４つのモータ（モータＸ、モータＣ、モータＤ、モータＢ）を駆動する動作を含むことを示している。モータＸの駆動を示すコンテキスト情報に対して、モデルが生成されていないものとする。

この場合、特徴抽出部１０４は、複数の検知情報（図１１では、検知情報１１１１ａ、１１１１ｂ、１１１１ｃ）それぞれについて、「モータＸが駆動されていること」を示すコンテキスト情報に対応する期間の検知情報から特徴情報を抽出する。生成部１０５は、抽出された特徴情報を用いて、「モータＸが駆動されていること」を示すコンテキスト情報に対応するモデル「モータＸ」を生成し、記憶部１１１に記憶する。これにより、今後モータＸを駆動する期間についても異常の判定が可能となる。

このように、現在の動作を示すコンテキスト情報を加工機２００から受信し、受信したコンテキスト情報に対応するモデルを用いて異常を判定できる。したがって、動作する駆動部を高精度に特定し、異常をより高精度に診断可能となる。

（複数のモデルから特定のモデルを選択するための支援処理）
次に、特定のコンテキスト情報に対応する複数のモデルから適正なモデルを選択するための支援処理を行うモデル適正判断モードの動作を中心に説明する。

＜記憶部におけるモデルの記憶構成＞
図１２は、記憶部におけるモデルの記憶構成を説明する図である。図１２を参照しながら、記憶部１１１に記憶されている複数のモデルの記憶構成について説明する。

図１２に示す例では、例えば、記憶部１１１の記憶領域のうちモデル記憶領域１１１０に、コンテキスト情報ａに対応する複数のモデル（モデルａＡ、モデルａＢ、モデルａＣ、・・・）、コンテキスト情報ｂに対応する複数のモデル（モデルｂＡ、モデルｂＢ、モデルｂＣ、・・・）、およびコンテキスト情報ｃに対応する複数のモデル（モデルｃＡ、モデルｃＢ、・・・）が記憶されている。すなわち、モデル記憶領域１１１０には、各コンテキスト情報に対応付けられてそれぞれ１以上のモデルが記憶されている。

＜モデル適正判断モードにおける複数のモデルによる診断処理＞
図１３は、第１の実施形態における複数のモデルによって診断処理を行う場合の一例を示すフローチャートである。図１３を参照しながら、モデル適正判断モードにおける複数のモデルによる診断処理について説明する。なお、以下では説明を簡潔にするため、同一のコンテキスト情報に対応する２つのモデルを用いた診断処理について説明する。

上述のように、加工機２００の数値制御部２０１は、現在の動作を示すコンテキスト情報を逐次診断装置１００に送信する。モデル適正判断モードにおいて、受信部１０１ａは、このようにして加工機２００から送信されたコンテキスト情報を受信する（ステップＳ３０１）。また、加工機２００の検知部２１１は、加工時の検知情報を逐次出力する。受信部１０１ａは、このようにして加工機２００から送信された検知情報（センサデータ）を受信する（ステップＳ３０２）。

特徴抽出部１０４は、受信された検知情報から特徴情報を抽出する（ステップＳ３０３）。

判定部１０２の第１判定器１０２ａは、抽出された特徴情報と、受信されたコンテキスト情報に対応する特定のモデル（モデルＡ）と、を用いて、尤度を求め、加工機２００の動作の異常の有無を判定する（ステップＳ３０４）。ここで、特定のモデルとは、例えば、当該コンテキスト情報に対応するモデルとして直近に使用していたモデルとすればよい。

判定部１０２の第２判定器１０２ｂは、抽出された特徴情報と、受信されたコンテキスト情報に対応するモデルであって、第１判定器１０２ａが用いるモデルとは異なるモデル（モデルＢ）と、を用いて、尤度を求め、加工機２００の動作の異常の有無を判定する（ステップＳ３０５）。ここで、第１判定器１０２ａが用いるモデルとは異なるモデルとは、例えば、当該コンテキスト情報に対応するモデルとして新しく導入（選択）しようとしているモデルとすればよい。

なお、ステップＳ３０４およびＳ３０５において、第１判定器１０２ａおよび第２判定器１０２ｂにより、特徴情報と、２つのモデルを用いて、それぞれのモデルに対応する尤度を求めるものとしているが、上述のように、判定器は３以上でもよいので、この場合、３つのモデルを用いて、それぞれに対応する尤度を求めてもよい。また、１つの判定器でもよく、この場合、連続的に複数のモデルを用いた判定を行い、それぞれのモデルに対応する尤度を連続的に求めればよい。また、判定器が複数の場合、判定器の数と同数のモデルを用いて、それぞれのモデルに対応する尤度を求めることに限定されるものではなく、それぞれの判定器が連続的に複数のモデルを用いた判定を行い、それぞれのモデルに対応する尤度を連続的に求めるものとしてもよい。この場合、判定器の数より多い数のモデルに対応する尤度を求めることができる。

判定部１０２の結果処理部１０２ｃは、モデルＡ、Ｂによる判定結果を出力する（ステップＳ３０６）。判定結果の出力方法として、本実施形態では、例えば、表示部１１０に判定結果を表示させる。判定結果の表示内容の詳細については、後述する。

＜診断処理における判定結果の表示内容＞
図１４は、第１の実施形態における表示部の表示画面において判定結果を表示する構成の一例を示す図である。図１５および図１６は、第１の実施形態における表示部の表示画面において判定結果を表示する具体例を示す図である。図１７は、第１の実施形態における表示部の表示画面において複数のモデルに基づく尤度の経時変化を表示する例を示す図である。図１８は、特定のモデルが他のモデルよりも良化している例を示す図である。図１９は、特定のモデルが他のモデルよりも悪化している例を示す図である。図２０は、特定のモデルが他のモデルよりも良化しているか悪化しているかを判断できない例を示す図である。図２１は、追加で行う診断処理により良化しているか悪化しているかを判断できる例を示す図である。図１４〜図２１を参照しながら、モデル適正判断モードの診断処理における判定結果の表示内容について説明する。

結果処理部１０２ｃは、上述のように、２つのモデル（モデルＡ、Ｂ）による判定結果を出力する態様として、表示制御部１０９に対して、例えば、表示部１１０に図１４に示すような表示構成によって判定結果を表示させる。図１４に示す例では、表示部１１０の表示画面３００の表示領域のうち、判定結果表示領域３０１に、モデルＡの判定結果である第１結果、および、モデルＢの判定結果である第２結果を表示している。判定結果表示領域３０１に表示する具体的な判定結果の表示方法の類型としては、例えば、図１５〜図１７に示す判定結果の表示方法がある。

図１５は、尤度の経時変化について、尤度を段階的にランク付け（例えば、後述する図４４に示すような品質ランク）して、第１判定器１０２ａおよび第２判定器１０２ｂにより求められた尤度がどの品質ランク（尤度の基づく情報の一例）に対応するかを表示した例を示す。具体的には、第１結果としてモデルＡに対応する品質ランクとして「Ｂ」を表示し、第２結果としてモデルＢに対応する品質ランクとして「Ｃ」を表示している。

図１６は、第１判定器１０２ａおよび第２判定器１０２ｂにより求められた尤度に基づいて求めた異常発生確率（尤度の基づく情報の一例）を表示した例を示す。具体的には、第１結果としてモデルＡに対応する異常発生確率として「３０％」を表示し、第２結果としてモデルＢに対応する異常発生確率として「４０％」を表示している。

なお、図１５および図１６に示すように、それぞれ品質ランクおよび異常発生確率をグラフ（例えば、棒グラフ）にして視覚的に表示してもよい。

図１４〜図１６に示すように、複数のモデル（ここでは２つのモデルＡ、Ｂ）に対応する判定結果を判定結果表示領域３０１に並べて表示させているので、いずれのモデルによる判定結果が現状の加工機２００の動作状態を適切に表しているかについて判断がしやすくなる。

図１７は、判定結果表示領域３０１に、複数のモデル（ここでは２つのモデルＡ、Ｂ）に基づく尤度の経時変化のグラフを表示した例を示す。図１７に示すように、尤度の経時変化のグラフは、横軸を時間、縦軸を尤度としており、複数のモデルに基づく尤度の経時変化のグラフを重畳して表示することにより、尤度の変化の状態を比較することができ、いずれのモデルによる判定結果が現状の加工機２００の動作状態を適切に表しているかについて判断がしやすくなる。

また、例えば、判定の対象となっているコンテキスト情報に対応するモデルとして新しく導入（選択）しようとしているモデルＢの判定結果を、他のモデルであるモデルＡの判定結果よりも目立つように表示してもよい。ここで、目立つように表示するとは、例えば、判定結果の表示文字を大きくする、表示文字を太くする、コントラストの高い背景と文字色との組み合わせにする、判定結果の表示の周辺を修飾し判定結果の表示部分に注意が向くようにする、グラフの線を太くする、コントラスの高い背景と線の色との組み合わせにする、または、グラフを実線にする等によって表示することをいう。また、コントラストが高いとは、例えば、周囲の表示物より彩度の高い色を使う、周囲の表示物より明度の高い色を使う、周囲の表示物より彩度の低い色を使う、周囲の表示物より明度の低い色を使う、または、暖色系の周辺色と寒色系の表示色を使う等を示す。

また、例えば、判定の対象となっているコンテキスト情報に対応するモデルとして新しく導入（選択）しようとしているモデルＢ以外のモデルであるモデルＡの判定結果を、モデルＢの判定結果よりも目立たないように表示してもよい。ここで、目立たないように表示するとは、例えば、判定結果の表示文字を小さくする、文字を細くする、コントラストの低い背景と文字色の組み合わせにする、画面の隅に表示する、グラフの線を細くする、コントラストの低い背景と線の色との組み合わせにする、または、破線にする等によって表示することをいう。また、コントラストが低いとは、例えば、周囲の表示物と彩度がほぼ同じ色を使う、または、周囲の表示と明度がほぼ同じ色を使う等を示す。

図１８は、図１７に示すように、複数のモデル（ここでは２つのモデルＡ、Ｂ）に基づく尤度の経時変化のグラフを重畳して表示する場合に、今まで用いてきたモデルＡよりも、モデルＢの方が良化している場合を示す。すなわち、工具の破損前に異常が判定され、かつ、十分な品質（ここでは尤度）が確保されている状態で工具が使用されている場合のモデルが適正なモデルであるものとすると、図１８に示すように、モデルＡに対応する尤度は、工具が破損した時点でも正常と判定されているのに対し、モデルＢに対応する尤度は、工具が破損する前に、閾値に達して異常と判定できるので、モデルＡに対してモデルＢは良化していると判断できる。

また、図１９は、図１７に示すように、複数のモデル（ここでは２つのモデルＡ、Ｂ）に基づく尤度の経時変化のグラフを重畳して表示する場合に、今まで用いてきたモデルＡよりも、モデルＢの方が悪化している場合を示す。すなわち、図１９に示すように、モデルＡに対応する尤度が閾値に達して、異常と判定される前に、モデルＢに対応する尤度が閾値に達して、異常と判定されているので、モデルＡに対して、モデルＢは悪化していると判断できる。

上述の図１８および図１９に示す例は、モデルＢに対応する尤度が閾値に達して異常と判定された後も、その工具で加工動作を継続した場合を示すが、通常、異常と判定された時点で工具を交換する。そのため、図２０に示すように、モデルＡに対応する尤度が閾値に達して異常と判定された場合、工具が交換されるため、モデルの良否が判断できない。この場合、図２１に示すように、別途交換した工具について、同じモデル（モデルＡ、Ｂ）を用いて、尤度を継続して求めることにより、モデルの良否の判断を支援することができる。図２１に示す例では、モデルＢの方が、高い尤度を保ちつつ、モデルＡの場合よりも、工具の破損のタイミングに近い時点で尤度が閾値に達しているので、モデルＢはモデルＡよりも適正なモデルであると判断できる。

（複数のモデルからの特定のモデルの選択処理）
図２２は、第１の実施形態において選択したモデルを即時反映するモデル選択処理の一例を示すフローチャートである。図２３は、モデルを選択する設定画面の一例を示す図である。図２２および図２３を参照しながら、上述のように、モデルの選択するための支援処理により、管理者等が選択したモデルを、通常モードにおいて、即時反映するモデル選択処理について説明する。

上述のように、加工機２００の数値制御部２０１は、現在の動作を示すコンテキスト情報を逐次診断装置１００に送信する。通常モードにおいて、受信部１０１ａは、このようにして加工機２００から送信されたコンテキスト情報であって、新しくモデルを決定（選択）する対象となるコンテキスト情報を受信したものとする（ステップＳ４０１）。

受信部１０１ａによりコンテキスト情報が受信されると、モデル選択部１０７は、表示制御部１０９に対して、例えば、図２３に示すようなモデルを選択する設定画面を表示部１１０の表示画面３００に表示させる。この設定画面では、図２３に示すように、受信したコンテキスト情報に対応するモデルの一覧が表示される（ステップＳ４０２）。

管理者は、入力部１０８を介して、表示画面３００に表示されたモデルの一覧から採用しようとするモデルの選択操作を行う。モデル選択部１０７は、入力部１０８を介してモデルの選択操作を受け付ける（ステップＳ４０３）。

そして、モデル選択部１０７は、選択されたモデルの情報を記憶部１１１に記憶し、現在実行されている診断処理、または次回実行される診断処理で使用される当該コンテキスト情報に対応するモデルとして、選択されたモデルを反映する（ステップＳ４０４）。

なお、上述の図２２および図２３で示したように、管理者が選択したモデルを即時反映するのではなく、例えば、以下の図２４および図２５で示すような、設定された指定条件を満たした場合に、選択されたモデルを反映するものとしてもよい。図２４は、第１の実施形態において選択したモデルを指定条件で反映するモデル選択処理の一例を示すフローチャートである。図２５は、モデルおよび指定条件を選択する設定画面の一例を示す図である。

上述のように、加工機２００の数値制御部２０１は、現在の動作を示すコンテキスト情報を逐次診断装置１００に送信する。通常モードにおいて、受信部１０１ａは、このようにして加工機２００から送信されたコンテキスト情報であって、新しくモデルを決定（選択）する対象となるコンテキスト情報を受信したものとする（ステップＳ５０１）。

受信部１０１ａによりコンテキスト情報が受信されると、モデル選択部１０７は、表示制御部１０９に対して、例えば、図２５に示すようなモデルを選択する設定画面を表示部１１０の表示画面３００に表示させる。この設定画面では、図２５に示すように、受信したコンテキスト情報に対応するモデルの一覧が表示される（ステップＳ５０２）。

管理者は、入力部１０８を介して、表示画面３００に表示されたモデルの一覧から採用しようとするモデルの選択操作を行う。モデル選択部１０７は、入力部１０８を介してモデルの選択操作を受け付ける（ステップＳ５０３）。

管理者は、さらに、入力部１０８を介して表示画面３００に表示された設定画面における反映条件選択部３０２において、選択したモデルを反映する条件を指定する操作を行う。モデル選択部１０７は、入力部１０８を介して選択されたモデルを反映する条件の指定操作を受け付ける（ステップＳ５０４）。ここで、モデルを反映する条件とは、例えば、選択操作を行った時点で反映させる即時反映、工具交換時、モデルに対応するコンテキスト情報を次回受信した時、または、加工機２００の再起動時等である。

そして、モデル選択部１０７は、選択されたモデルの情報、および選択されたモデルを反映する条件として指定された条件を記憶部１１１に記憶する（ステップＳ５０５）。モデル選択部１０７は、指定された条件を満たしたタイミングで、選択されたモデルを通常モードの診断処理に用いるモデルとして反映する。

（第１の実施形態の変形例１−１）
本変形例では、モデル適正判断モードにおいて、複数のモデルによって診断処理を行い、閾値判定に基づいて停止命令を送信する動作について説明する。

＜診断装置の機能ブロックの構成＞
図２６は、第１の実施形態の変形例１−１の診断装置の機能ブロックの構成の一例を示す図である。図２６に示すように、診断装置１００ａは、通信制御部１０１と、判定部１０２と、受付部１０３と、特徴抽出部１０４と、生成部１０５と、反映条件設定部１０６（設定部）と、モデル選択部１０７（選択部）と、入力部１０８と、表示制御部１０９と、表示部１１０と、記憶部１１１と、動作命令部１１２（命令部）と、を備えている。なお、通信制御部１０１、判定部１０２、受付部１０３、特徴抽出部１０４、生成部１０５、反映条件設定部１０６、モデル選択部１０７、入力部１０８、表示制御部１０９、表示部１１０、および記憶部１１１の機能は、それぞれ図４で上述した機能と同様である。

動作命令部１１２は、第１判定器１０２ａまたは第２判定器１０２ｂの少なくともいずれかによって、尤度に対する閾値判定により、加工機２００の動作が異常と判定された場合、送信部１０１ｂを介して、加工機２００に対して停止命令を送信する。

なお、図２６の各部（通信制御部１０１、判定部１０２、受付部１０３、特徴抽出部１０４、生成部１０５、反映条件設定部１０６、モデル選択部１０７、表示制御部１０９おおび動作命令部１１２）は、図３のＣＰＵ６１にプログラムを実行させること、すなわち、ソフトウェアにより実現してもよいし、ＩＣ等のハードウェアにより実現してもよいし、ソフトウェアおよびハードウェアを併用して実現してもよい。

また、図２６に示した診断装置１００ａの各機能部は、機能を概念的に示したものであって、このような構成に限定されるものではない。例えば、図２６で独立した機能部として図示した複数の機能部を、１つの機能部として構成してもよい。一方、図２６の１つの機能部が有する機能を複数に分割し、複数の機能部として構成するものとしてもよい。

＜モデル適正判断モードにおける複数のモデルによる診断処理＞
図２７は、第１の実施形態の変形例１−１における複数のモデルによって診断処理を行い、閾値判定に基づいて停止命令を送信する動作の一例を示すフローチャートである。図２８は、第１の実施形態の変形例１−１における複数のモデルによって診断処理を行い、閾値判定に基づいて停止命令を送信する場合の尤度の経時変化の一例を示す図である。図２７および図２８を参照しながら、本変形例でのモデル適正判断モードにおける複数のモデルによる診断処理について説明する。なお、以下では説明を簡潔にするため、同一のコンテキスト情報に対応する２つのモデルを用いた診断処理について説明する。

上述のように、加工機２００の数値制御部２０１は、現在の動作を示すコンテキスト情報を逐次診断装置１００ａに送信する。モデル適正判断モードにおいて、受信部１０１ａは、このようにして加工機２００から送信されたコンテキスト情報を受信する（ステップＳ６０１）。また、加工機２００の検知部２１１は、加工時の検知情報を逐次出力する。受信部１０１ａは、このようにして加工機２００から送信された検知情報（センサデータ）を受信する（ステップＳ６０２）。

特徴抽出部１０４は、受信された検知情報から特徴情報を抽出する（ステップＳ６０３）。

判定部１０２の第１判定器１０２ａは、抽出された特徴情報と、受信されたコンテキスト情報に対応する特定のモデル（モデルＡ）と、を用いて、尤度を求め、加工機２００の動作の異常の有無を判定する（ステップＳ６０４）。

判定部１０２の第２判定器１０２ｂは、抽出された特徴情報と、受信されたコンテキスト情報に対応するモデルであって、第１判定器１０２ａが用いるモデルとは異なるモデル（モデルＢ）と、を用いて、尤度を求め、加工機２００の動作の異常の有無を判定する（ステップＳ６０５）。

判定部１０２の結果処理部１０２ｃは、モデルＡ、Ｂによる判定結果を出力する（ステップＳ６０６）。判定結果の出力方法として、本実施形態では、例えば、表示部１１０に判定結果を表示させる。

第１判定器１０２ａまたは第２判定器１０２ｂの少なくともいずれかによって、尤度に対する閾値判定により、加工機２００の動作が異常と判定された場合（ステップＳ６０７：異常）、ステップＳ６０８へ移行する。一方、第１判定器１０２ａおよび第２判定器１０２ｂの双方の尤度に対する閾値判定の結果、加工機２００の動作が正常と判定された場合（ステップＳ６０７：正常）、モデル適正判断モードにおける複数のモデルによる診断処理を継続する。

動作命令部１１２は、第１判定器１０２ａまたは第２判定器１０２ｂの少なくともいずれかによって、尤度に対する閾値判定により、加工機２００の動作が異常と判定された場合、送信部１０１ｂを介して、加工機２００に対して停止命令を送信する（ステップＳ６０８）。この場合、診断装置１００ａから停止命令を受信した加工機２００は、異常の発声率が高いとみなして加工動作を停止する。作業者は、加工機２００の加工動作が停止したことを確認した後、工具の交換を行う。

なお、動作命令部１１２は、第１判定器１０２ａまたは第２判定器１０２ｂの少なくともいずれかによって、尤度に対する閾値判定により、加工機２００の動作が異常と判定された場合、停止命令を送信するものとしたが、これに限定されるものではない。例えば、モデルＡ、Ｂのうちいずれか一方についての尤度に対する閾値判定が異常となった場合、図２８に示すように複数のモデル（ここでは、モデルＡ、Ｂ）の尤度のグラフのうち異常寄りの部分についての閾値判定が異常となった場合、または、複数のモデルの尤度のグラフのうち正常寄りの部分についての閾値判定が異常となった場合に、停止命令を送信するものとしてもよい。

以上のように、複数のモデルによる判定を行うモデル適正判断モードにおいて、閾値判定の結果、異常と判定された場合、加工機２００の加工動作を停止させることによって、工具の破損を抑制することができる。

（第１の実施形態の変形例１−２）
本変形例では、モデル適正判断モードにおいて、複数のモデルによって診断処理を行っている場合、閾値判定に基づいて警報通知を行う動作について説明する。

＜診断装置の機能ブロックの構成＞
図２９は、第１の実施形態の変形例１−２の診断装置の機能ブロックの構成の一例を示す図である。図３０は、警報設定を行う設定画面の一例を示す図である。図２９に示すように、診断装置１００ｂは、通信制御部１０１と、判定部１０２と、受付部１０３と、特徴抽出部１０４と、生成部１０５と、反映条件設定部１０６（設定部）と、モデル選択部１０７（選択部）と、入力部１０８と、表示制御部１０９と、表示部１１０と、記憶部１１１と、警報設定部１１３と、警報部１１４と、を備えている。なお、通信制御部１０１、判定部１０２、受付部１０３、特徴抽出部１０４、生成部１０５、反映条件設定部１０６、モデル選択部１０７、入力部１０８、表示制御部１０９、表示部１１０、および記憶部１１１の機能は、それぞれ図４で上述した機能と同様である。

警報設定部１１３は、表示制御部１０９に対して、例えば、図３０に示すような、尤度に対する閾値の設定、警報の方式、警報メールの送信先、および警報電話の呼び出し先を設定する設定画面を、表示部１１０の表示画面３００に表示させ、作業者による入力部１０８を介した操作入力に応じて当該設定項目の設定を行う。

警報部１１４は、第１判定器１０２ａまたは第２判定器１０２ｂの少なくともいずれかによって、尤度に対する警報設定部１１３により設定された閾値の判定により、加工機２００の動作が異常と判定された場合、表示制御部１０９に対して、警報を通知する画面を表示部１１０に表示させる。さらに、警報部１１４は、警報設定部１１３により設定された送信先に警報メールを送信し、設定された呼び出し先に警報電話をかける。なお、警報部１１４は、表示部１１０に警報と通知する画面を表示させることだけはなく、例えば、スピーカにより警告音を鳴動させたりして、警報を通知ものとしてもよい。

なお、図２９の各部（通信制御部１０１、判定部１０２、受付部１０３、特徴抽出部１０４、生成部１０５、反映条件設定部１０６、モデル選択部１０７、表示制御部１０９、警報設定部１１３および警報部１１４）は、図３のＣＰＵ６１にプログラムを実行させること、すなわち、ソフトウェアにより実現してもよいし、ＩＣ等のハードウェアにより実現してもよいし、ソフトウェアおよびハードウェアを併用して実現してもよい。

また、図２９に示した診断装置１００ｂの各機能部は、機能を概念的に示したものであって、このような構成に限定されるものではない。例えば、図２９で独立した機能部として図示した複数の機能部を、１つの機能部として構成してもよい。一方、図２９の１つの機能部が有する機能を複数に分割し、複数の機能部として構成するものとしてもよい。

＜モデル適正判断モードにおける複数のモデルによる診断処理＞
図３１は、第１の実施形態の変形例１−２における複数のモデルによって診断処理を行い、閾値判定に基づいて警報通知をする動作の一例を示すフローチャートである。図３２および図３３は、警報画面の一例を示す図である。図３１〜図３３を参照しながら、本変形例でのモデル適正判断モードにおける複数のモデルによる診断処理について説明する。なお、以下では説明を簡潔にするため、同一のコンテキスト情報に対応する２つのモデルを用いた診断処理について説明する。

上述のように、加工機２００の数値制御部２０１は、現在の動作を示すコンテキスト情報を逐次診断装置１００ｂに送信する。モデル適正判断モードにおいて、受信部１０１ａは、このようにして加工機２００から送信されたコンテキスト情報を受信する（ステップＳ７０１）。また、加工機２００の検知部２１１は、加工時の検知情報を逐次出力する。受信部１０１ａは、このようにして加工機２００から送信された検知情報（センサデータ）を受信する（ステップＳ７０２）。

特徴抽出部１０４は、受信された検知情報から特徴情報を抽出する（ステップＳ７０３）。

判定部１０２の第１判定器１０２ａは、抽出された特徴情報と、受信されたコンテキスト情報に対応する特定のモデル（モデルＡ）と、を用いて、尤度を求め、加工機２００の動作の異常の有無を判定する（ステップＳ７０４）。

判定部１０２の第２判定器１０２ｂは、抽出された特徴情報と、受信されたコンテキスト情報に対応するモデルであって、第１判定器１０２ａが用いるモデルとは異なるモデル（モデルＢ）と、を用いて、尤度を求め、加工機２００の動作の異常の有無を判定する（ステップＳ７０５）。

判定部１０２の結果処理部１０２ｃは、モデルＡ、Ｂによる判定結果を出力する（ステップＳ７０６）。判定結果の出力方法として、本実施形態では、例えば、表示部１１０に判定結果を表示させる。

第１判定器１０２ａまたは第２判定器１０２ｂの少なくともいずれかによって、尤度に対する閾値判定により、加工機２００の動作が異常と判定された場合（ステップＳ７０７：異常）、ステップＳ７０８へ移行する。一方、第１判定器１０２ａおよび第２判定器１０２ｂの双方の尤度に対する閾値判定の結果、加工機２００の動作が正常と判定された場合（ステップＳ７０７：正常）、モデル適正判断モードにおける複数のモデルによる診断処理を継続する。

警報部１１４は、警報設定部１１３により設定された警報設定を読み取る（ステップＳ７０８）。例えば、警報設定部１１３により設定された警報設定の内容は、記憶部１１１に記憶されているものとし、警報部１１４は、記憶部１１１に記憶された警報設定を読み取るものとすればよい。

警報部１１４は、第１判定器１０２ａまたは第２判定器１０２ｂの少なくともいずれかによって、尤度に対する警報設定部１１３により設定された閾値の判定により、加工機２００の動作が異常と判定された場合、表示制御部１０９に対して、警報を通知する画面を表示部１１０に表示させる（ステップＳ７０９）。例えば、警報部１１４は、表示制御部１０９に対して、図３２に示すようなどのモデルを用いた閾値判定で異常が発生したかを示す画面を、表示部１１０の表示画面３００に表示させる。例えば、警報部１１４は、図３２に示す表示画面３００において「ＯＫ」ボタンが押下された場合、図３３に示すように、以後の処理を選択させる画面を表示画面３００に表示させてもよい。図３３に示す画面において、例えば、「無視」ボタン、または「誤報とみなし無視」ボタンが押下された場合、警報通知を無視して加工機２００による加工動作、および診断装置１００ｂによる診断処理を継続させる。また、「工具交換」ボタンが押下された場合、上述の図２６の動作命令部１１２に相当する機能部が、加工機２００に対して停止命令を送信して、加工機２００に加工動作を停止させ、工具が交換できる状態にしてもよい。

さらに、警報部１１４は、警報設定部１１３により設定された送信先に警報メールを送信し、設定された呼び出し先に警報電話をかける。

以上のように、複数のモデルによる判定を行うモデル適正判断モードにおいて、閾値判定の結果、異常と判定された場合、警報を通知する画面を表示すること等によって作業者に警報通知を行う。これによって、作業者は、加工機２００の動作の異常を認識しやすくなり、加工動作を停止させることによって、工具の破損を抑制することもできる。

（第１の実施形態の変形例１−３）
本変形例では、モデル適正判断モードにおいて、診断装置は、診断処理に用いている複数のモデルそれぞれに対して良否スコアを算出し、良否スコアに基づいて、通常モードで使用するモデルを自動で選択する動作について説明する。

＜診断装置の機能ブロックの構成＞
図３４は、第１の実施形態の変形例１−３の診断装置の機能ブロックの構成の一例を示す図である。図３５は、理想通知期間を設定する設定画面の一例を示す図である。図３４に示すように、診断装置１００ｃは、通信制御部１０１と、判定部１０２と、受付部１０３と、特徴抽出部１０４と、生成部１０５と、反映条件設定部１０６（設定部）と、モデル選択部１０７（選択部）と、入力部１０８と、表示制御部１０９と、表示部１１０と、記憶部１１１と、期間設定部１１５と、算出部１１６と、を備えている。なお、通信制御部１０１、判定部１０２、受付部１０３、特徴抽出部１０４、生成部１０５、反映条件設定部１０６、モデル選択部１０７、入力部１０８、表示制御部１０９、表示部１１０、および記憶部１１１の機能は、それぞれ図４で上述した機能と同様である。

期間設定部１１５は、表示制御部１０９に対して、例えば、図３５に示すような、閾値判定に用いるモデルが異常判定されて通知される理想の期間である理想通知期間を設定する設定画面を、表示部１１０お表示画面３００に表示させる。そして、期間設定部１１５は、作業者による入力部１０８を介した操作入力によって調整されたカーソル３０３ａ、３０３ｂの位置に基づいて、理想通知期間を設定する。図３５の例では、カーソル３０３ａが破損のタイミングの一日前に設定され、カーソル３０３ｂが破損のタイミングの一週間前に設定された結果、破損のタイミングから一週間前から一日前までの期間を理想通知期間として設定されている。このように、期間設定部１１５による理想通知期間が設定可能であることにより、例えば、加工対象品により早めに通知がほしい場合、または、工具を破損寸前まで使用したい場合等の管理者または作業者の要望に応じたモデルの選択が可能となる。

算出部１１６は、モデル適正判断モードの所定の期間（試行期間）において、診断処理に用いられる複数のモデルそれぞれについて、以下の式（１）により算出される良否スコア（指標値の一例）を算出する。

（良否スコア）＝１×（理想通知期間内に通知（異常判定）された回数）−２×（理想通知期間外に通知）−１０×（通知せず破損が起きた回数） ・・・（１）

モデル選択部１０７は、算出部１１６により算出された複数のモデルにそれぞれ対応する良否スコアのうち、値が最も高いモデルを通常モードにおける診断処理に利用するモデルとして選択する。

なお、図３４の各部（通信制御部１０１、判定部１０２、受付部１０３、特徴抽出部１０４、生成部１０５、反映条件設定部１０６、モデル選択部１０７、表示制御部１０９、期間設定部１１５および算出部１１６）は、図３のＣＰＵ６１にプログラムを実行させること、すなわち、ソフトウェアにより実現してもよいし、ＩＣ等のハードウェアにより実現してもよいし、ソフトウェアおよびハードウェアを併用して実現してもよい。

また、図３４に示した診断装置１００ｃの各機能部は、機能を概念的に示したものであって、このような構成に限定されるものではない。例えば、図３４で独立した機能部として図示した複数の機能部を、１つの機能部として構成してもよい。一方、図３４の１つの機能部が有する機能を複数に分割し、複数の機能部として構成するものとしてもよい。

＜複数のモデルからの特定のモデルの選択処理＞
図３６は、第１の実施形態の変形例１−３の自動でモデルを選択するモデル選択処理の一例を示すフローチャートである。図３６を参照しながら、良否スコアに基づいて自動でモデルを選択するモデル選択処理について説明する。

モデル適正判断モードにおいて、所定の試行期間の間、診断装置１００ｃは診断処理を実行し、算出部１１６は、期間設定部１１５により設定された理想通知期間を用いて、上述の式（１）中のそれぞれの回数をカウントする。そして、算出部１１６は、所定の試行期間が終了したことを確認する（ステップＳ８０１）。

算出部１１６は、試行期間中にカウントした上述の式（１）中のそれぞれの回数を用いて、複数のモデルそれぞれに対応する良否スコアを算出する（ステップＳ８０２）。モデル選択部１０７は、算出部１１６により算出された複数のモデルにそれぞれ対応する良否スコアのうち、値が最も高いモデルを通常モードにおける診断処理に利用するモデルとして選択する（ステップＳ８０３）。

そして、モデル選択部１０７は、選択されたモデルの情報を記憶部１１１に記憶し、例えば、現在実行されている診断処理、または次回実行される診断処理で使用される当該コンテキスト情報に対応するモデルとして、選択されたモデルを反映する（ステップＳ８０４）。

以上のように、設定された理想通知期間に基づいた良否スコアを算出し、良否スコアが最も高いモデルを、通常モードの診断処理に使用するモデルとして自動で選択するものとしている。これによって、管理者が、モデル適正判断モードにおける診断処理の結果により、複数のモデルのうちどのモデルが適正かどうかを判断する必要がないので、モデルを選択する作業負荷を軽減することができる。

［第２の実施形態］
第１の実施形態では、１種類の検知情報を用いて正常か否かを判定していた。判定に用いる検知情報の個数は１に限られず、２以上であってもよい。第２の実施形態の診断システムは、複数の検知情報を用いて加工機２００の異常を判定する。なお、第２の実施形態の診断システムの構成は、第１の実施形態の構成を示す図１と同様であるため説明を省略する。

（診断装置の機能ブロックの構成）
図３７は、第２の実施形態の診断装置の機能ブロックの構成の一例を示す図である。図３７に示すように、診断装置１００−２は、通信制御部１０１と、判定部１０２−２と、受付部１０３と、特徴抽出部１０４と、生成部１０５と、反映条件設定部１０６（設定部）と、モデル選択部１０７（選択部）と、入力部１０８と、表示制御部１０９と、表示部１１０と、記憶部１１１と、を備えている。

第２の実施形態では、判定部１０２−２の機能が第１の実施形態と異なっている。その他の構成および機能は、第１の実施形態に係る診断装置１００のブロック図である図４と同様であるので、同一符号を付し、ここでの説明は省略する。

判定部１０２−２は、複数の検知情報を用いて加工機２００の動作が正常であるか否かを判定する。例えば、判定部１０２は、コンテキスト情報に応じて、判定に用いる検知情報を切り替える。

（診断処理の具体例）
図３８は、第２の実施形態による処理の具体例を説明するための図である。図３８の例では、コンテキスト情報１２０１と、複数種類の検知情報１２２１ａ、１２２１ｂとが受信される。検知情報１２２１ａは、例えば音響データである。検知情報１２２１ｂは、例えば加速度データである。

判定部１０２−２は、コンテキスト情報が「モータＡが駆動されていること」を示す場合、検知情報１２２１ｂのうち、当該コンテキスト情報に対応する期間の検知情報１２２２ｂから抽出された特徴情報を用いて判定を実行する。この場合、判定部１０２−２は、コンテキスト情報に対応するモデル「モータＡ」を記憶部１１１ａ−２のモデルＤＢ＿加速度から読み出して使用する。

また、判定部１０２−２は、コンテキスト情報が「モータＢが駆動されていること」を示す場合、検知情報１２２１ａのうち、当該コンテキスト情報に対応する期間の検知情報１２２２ａから抽出された特徴情報を用いて判定を実行する。この場合、判定部１０２−２は、コンテキスト情報に対応するモデル「モータＢ」を１記憶部１１１ｂ−２のモデルＤＢ＿音響から読み出して使用する。

コンテキスト情報に対応する検知情報は、例えば、記憶部１１１に記憶される対応情報を用いて決定されてもよい。図３９は、検知情報の決定に用いられる対応情報のデータ構造の一例を示す図である。対応情報は、例えば、センサデータと、コンテキスト情報と、を含む。判定部１０２−２は、このような対応情報を参照することにより、コンテキスト情報に対応する検知情報を決定することができる。

以上のような本実施形態のように、複数の検知情報を用いて加工機２００の異常を判定する場合において、複数の検知情報それぞれに対応するコンテキスト情報に対応するモデルが複数ある場合、第１の実施形態で説明したように、そのコンテキスト情報に対応する複数のモデルから適正なモデルを選択するための支援処理を行うモデル適正判断モードの動作、および、モデルの選択処理を適用することが可能である。

次に、上述の各実施形態に適用可能な変形例について説明する。

［変形例１］
コンテキスト情報は、ある駆動部２１２が駆動されている区間を示しているだけであり、例えば、この駆動部２１２により工具が回転し材料に当たって加工している、実際の加工区間を厳密に抽出できない場合がある。すなわち、異常判定の精度が悪くなる場合がある。

図４０は、コンテキスト情報と加工区間との関係の例を示す図である。コンテキスト情報１５０１は、モータＢが駆動されていることを示す。コンテキスト情報１５０１のみに基づくと、例えば、検知情報のうち波形区間１５１２に相当する検知情報が特定される。しかし、実際に材料を加工している区間は波形区間１５１１である。例えば、音響データを検知情報としている場合、波形区間１５１１は、工具が材料に接触して音が発生することにより検出される音響データの区間に相当する。

そこで、変形例１では、コンテキスト情報と検知情報とを組合せて、実際の加工区間を特定するように構成する。すなわち、判定部１０２は、受信されたコンテキスト情報で特定される期間のうち判定に用いる期間を、受信された検知情報に基づいて決定し、決定した期間の検知情報とモデルとを用いて判定を実行する。

例えば、判定部１０２は、検知情報の特徴が切り替わる時刻を特定することにより、加工区間を求める。図４１は、加工区間の特定方法の一例を示す図である。図４１の例では、判定部１０２は、検知情報の振幅が予め定められた閾値（例えば「ａ」および「−ａ」）を超えるように切り替わった時刻１６０１と、その後、閾値を下回るように切り替わった時刻１６０２とを特定する。判定部１０２は、時刻１６０１と時刻１６０２との間の区間１６１１を抽出する。そして、判定部１０２は、区間１６１１の検知情報から抽出された特徴情報を用いて判定を実行する。これにより、実際の加工区間に相当する区間の検知情報を用いて、より高精度に判定を実行可能となる。

［変形例２］
上述のように、正常か否かを判定するとき、尤度の値自体を用いてもよいし、尤度の変動を示す値を用いてもよい。変形例２では、尤度の変動を示す値の例について説明する。尤度の変動を示す値として、例えば、尤度の分散を用いることができる。例えば、区間Ｘでの尤度の分散は、以下の式（２）式により算出される。ｎ_Ｘは区間Ｘでのフレーム数、ｋはフレームのインデックス、ｘ_ｉはフレームｉでの尤度（フレーム尤度）、μ_Ｘは区間Ｘでのフレーム尤度の平均、を表す。なお、フレームは、尤度を算出する単位区間に相当する。

さらに、式（２）のような分散を元にスコア化した値を判定に用いてもよい。例えば、以下の式（３）に示すｒ（ｋ）を判定に用いてもよい。

ｒ（ｋ）＝ＶＳ（ｋ）／ＶＬ（ｋ） ・・・（３）

Ｓ、Ｌは、区間Ｘの種類を表す。Ｓは、短い区間（Ｓｈｏｒｔ区間）を表し、Ｌは長い区間（Ｌｏｎｇ区間）を表す。Ｖ_Ｓ（ｋ）は、短い区間に対して式（２）で算出される値を示す。Ｖ_Ｌ（ｋ）は、長い区間に対して式（２）で算出される値を示す。ＳおよびＬのそれぞれに対して、ｎ_Ｘ、μ_Ｘに対応する値であるｎ_Ｓ、μ_Ｓ、および、ｎ_Ｌ、μ_Ｌが算出される。

図４２は、尤度と判定値ｒ（ｋ）との関係の一例を示すグラフである。尤度と閾値とを比較する判定方法では、例えば、閾値を０．９７とすると、２００〜３００フレームの間では正常と判定される。一方、判定値ｒ（ｋ）と閾値（例えば１．０）とを比較する判定方法では、２００〜３００フレームの間での尤度の変動を検出し、異常と判定することが可能となる。

［変形例３］
判定部１０２は、尤度と閾値との比較で正常か異常かを判定するだけでなく、尤度の経時変化も判定して出力するように構成してもよい。例えば、１つの正常時のモデルを用いる場合、判定部１０２は、算出した尤度を記憶部１１１等に記憶し、尤度の変化（経時的に減少しているか、等）を求めてもよい。

図４３は、尤度の経時変化の一例を示す図である。判定部１０２は、例えば、判定した時間と尤度とを記憶することにより尤度の経時変化を求めることができる。判定部１０２は、尤度が閾値を下回ったときに異常と判定する点は上述の各実施形態と同様である。判定部１０２は、さらに、尤度の経時変化を示す情報、および、尤度が閾値を下回ると予測される時間等を求めて出力するように構成してもよい。

［変形例４］
判定部１０２は、複数の閾値を用いて品質の程度（ランク、レベル）を判定するように構成してもよい。図４４および図４５は、複数の閾値を用いる例を説明するための図である。各図は、４つの閾値（閾値１〜閾値４）を用いる例であるが、閾値の個数は４に限られない。

図４４では、４つ閾値との大小関係により品質ランクをＲ１〜Ｒ５の５つに分ける例が示されている。判定部１０２は、各閾値と尤度との比較により、品質ランクを決定して出力する。品質ランクは、例えば、加工機２００により加工された物体（加工物）の品質を示す情報（品質情報）として利用できる。

図４５では、４つ閾値との大小関係により、正常であるか（問題なし）、要注意であるか、および、異常であるか（品質基準以下であるか）を判定する例が示されている。正常である場合は、さらに２つのレベルであるＬ１１、Ｌ１２に分けられる。同様に、要注意である場合は、さらに２つのレベルであるＬ２１、Ｌ２２に分けられる。３以上にさらに細分化してもよい。

［変形例５］
判定部１０２は、品質ランクに応じて定められる複数のモデルを用いて複数の尤度を算出し、正常か否かの判定とともに、正常である場合の品質ランクを判定してもよい。図４６−１〜図４６−３は、変形例５による判定方法の一例を説明するための図である。

図４６−１、図４６−２、および、図４６−３は、それぞれ品質ランクＲ１、Ｒ２、および、Ｒ３を判定するモデルにより算出される尤度の例を示す。品質ランクＲ１は、例えば、経時変化の初期の期間１で正常と判定される品質を表す。品質ランクＲ２は、例えば、経時変化の中間の期間２で正常と判定される品質を表す。品質ランクＲ３は、例えば、経時変化の終期の期間３で正常と判定される品質を表す。

判定部１０２は、このような複数の品質ランクに対応する複数のモデルを用いて、複数の尤度を算出する。通常は、いずれか１つのモデルを用いたときの尤度が閾値を超える。判定部１０２は、閾値を超えたときの尤度を算出したモデルが示す品質ランクを決定して判定結果として出力する。いずれのモデルを用いたときも尤度が閾値を超えない場合、判定部１０２は、異常であると判定する。

複数のモデルは、品質ランクごとに予め生成しておけばよい。本変形例によれば、単に正常か否かを判定するだけでなく、品質のレベルも判定することが可能となる。また、現在、経時変化のいずれの期間に相当するかを判定することも可能となる。

［変形例６］
判定部１０２は、複数のモデルを経過時間に応じて切り替えて使用して判定を実行してもよい。図４７−１〜図４７−３は、変形例６による判定方法の一例を説明するための図である。

図４７−１、図４７−２、および、図４７−３は、それぞれ期間１、期間２、および、期間３に対して生成されたモデルにより算出される尤度の例を示す。期間１、期間２、および、期間３は、それぞれ経時変化の初期、中期、および、終期の期間に相当する。各モデルは、対応する期間の検出情報を用いて予め生成しておけばよい。

判定部１０２は、例えば、累積使用時間等の期間を特定するためのコンテキスト情報を用いて、いずれの期間のモデルを適用するかを判定する。判定部１０２は、特定したモデルを用いて正常か否かを判定する。本変形例によれば現時点の状態が妥当な経時変化（正常な状態）であるか、妥当な経時変化から外れた状態（異常な状態）であるかを判定することが可能となる。

［変形例７］
判定部１０２は、品質ランクに応じて定められる複数のモデルのうち、指定されたモデルを用いて判定を実行してもよい。例えば、より高品質な加工物が要求される場合は、判定部１０２は、高い品質ランクに対して定められるモデルを用いる。通常の品質の加工物が要求される場合は、判定部１０２は、高品質ランクより小さい品質ランクに対して定められるモデルを用いる。いずれのモデルを用いるかは、例えば、受信部１０１ａにより受信されるコンテキスト情報、および、受付部１０３等を介して受け付けられる情報等を用いて決定してもよい。

以上のような変形例１〜変形例７においても、コンテキスト情報に対応するモデルが複数ある場合、第１の実施形態で説明したように、そのコンテキスト情報に対応する複数のモデルから適正なモデルを選択するための支援処理を行うモデル適正判断モードの動作、および、モデルの選択処理を適用することが可能である。

なお、上述の各実施形態および各変形例の診断装置で実行されるプログラムは、ＲＯＭ等に予め組み込まれて提供される。

上述の各実施形態および各変形例の診断装置で実行されるプログラムは、インストール可能な形式又は実行可能な形式のファイルでＣＤ−ＲＯＭ（Ｃｏｍｐａｃｔ Ｄｉｓｃ Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）、フレキシブルディスク（ＦＤ）、ＣＤ−Ｒ（Ｃｏｍｐａｃｔ Ｄｉｓｋ−Ｒｅｃｏｒｄａｂｌｅ）、ＤＶＤ（Ｄｉｇｉｔａｌ Ｖｅｒｓａｔｉｌｅ Ｄｉｓｋ）等のコンピュータで読み取り可能な記録媒体に記録してコンピュータ・プログラム・プロダクトとして提供するように構成してもよい。

さらに、上述の各実施形態および各変形例の診断装置で実行されるプログラムを、インターネット等のネットワークに接続されたコンピュータ上に格納し、ネットワーク経由でダウンロードさせることにより提供するように構成しても良い。また、上述の各実施形態および各変形例の診断装置で実行されるプログラムをインターネット等のネットワーク経由で提供または配布するように構成しても良い。

また、上述の各実施形態および各変形例の診断装置で実行されるプログラムは、上述した各部（通信制御部、判定部等）を含むモジュール構成となっており、実際のハードウェアとしてはＣＰＵ（プロセッサ）が上記ＲＯＭからプログラムを読み出して実行することにより上記各部が主記憶装置上にロードされ、各部が主記憶装置上に生成されるようになっている。

５１ ＣＰＵ
５２ ＲＯＭ
５３ ＲＡＭ
５４ 通信Ｉ／Ｆ
５５ 駆動制御回路
５６ モータ
５７ センサ
６１ ＣＰＵ
６２ ＲＯＭ
６３ ＲＡＭ
６４ 通信Ｉ／Ｆ
６５ 入出力Ｉ／Ｆ
６６ 入力装置
６７ ディスプレイ
６８ 補助記憶装置
１００、１００ａ〜１００ｃ 診断装置
１００−２ 診断装置
１０１ 通信制御部
１０１ａ 受信部
１０１ｂ 送信部
１０２ 判定部
１０２ａ 第１判定器
１０２ｂ 第２判定器
１０２ｃ 結果処理部
１０２−２ 判定部
１０３ 受付部
１０４ 特徴抽出部
１０５ 生成部
１０６ 反映条件設定部
１０７ モデル選択部
１０８ 入力部
１０９ 表示制御部
１１０ 表示部
１１１、１１１ａ〜１１１ｃ 記憶部
１１１ａ−２、１１１ｂ−２ 記憶部
１１２ 動作命令部
１１３ 警報設定部
１１４ 警報部
１１５ 期間設定部
１１６ 算出部
２００ 加工機
２０１ 数値制御部
２０２ 通信制御部
２０３ 工作機械
２１１ 検知部
２１２ 駆動部
３００ 表示画面
３０１ 判定結果表示領域
３０２ 反映条件選択部
３０３ａ、３０３ｂ カーソル
７０１、７０１−２ コンテキスト情報
７１１ａ〜７１１ｃ 検知情報
７２１ 検知情報
９０１ コンテキスト情報
９２１ 検知情報
１００１、１１０１ コンテキスト情報
１１１０ モデル記憶領域
１１１１ａ〜１１１１ｃ 検知情報
１２０１ コンテキスト情報
１２２１ａ、１２２１ｂ 検知情報
１２２２ａ、１２２２ｂ 検知情報
１５０１ コンテキスト情報
１５１１、１５１２ 波形区間
１６０１、１６０２ 時刻
１６１１ 区間

特開２００６−１８４７２２号公報 特許第５３６３９２７号公報

Claims (15)

1. 対象装置の動作の種類ごとに定められる複数のコンテキスト情報のうち現在の動作に対応するコンテキスト情報と、前記対象装置の動作に応じて変化する物理量を検知する検知部からの検知情報と、を前記対象装置から受信する受信部と、
   前記受信部により受信された前記検知情報と、１以上の前記コンテキスト情報それぞれに対応する１以上のモデルのうち前記受信部により受信された前記コンテキスト情報に対応する複数のモデルと、を用いて、前記対象装置の動作が正常であるか否かを判定する判定部と、
   前記判定部により判定された、前記複数のモデルを用いた場合のそれぞれの判定結果を、表示部に表示させる表示制御部と、
   を備えた診断装置。
2. 前記判定部は、前記検知情報から、前記複数のモデルそれぞれに対する尤度を求め、
   前記表示制御部は、前記尤度に基づく情報を、前記判定結果として前記表示部に表示させる請求項１に記載の診断装置。
3. 前記表示制御部は、前記尤度の経時変化を示す情報を、前記判定結果として前記表示部に表示させる請求項２に記載の診断装置。
4. 前記表示制御部は、前記尤度の経時変化を示す情報を、前記対象装置の工具の交換の前後の前記検知情報に対応する前記尤度の経時変化を示す情報を統合して、前記表示部に表示させる請求項３に記載の診断装置。
5. 前記判定部は、求めた前記複数のモデルそれぞれに対する前記尤度に対して、それぞれ閾値判定を行うことによって、前記対象装置の動作が正常であるか否かを判定し、
   前記判定部によって、前記複数のモデルそれぞれに対する前記尤度のうちいずれかの前記尤度が前記閾値判定によって異常であると判定された場合、前記対象装置の動作を停止するための停止命令を送信する命令部を、さらに備えた請求項２〜４のいずれか一項に記載の診断装置。
6. 前記判定部は、求めた前記複数のモデルそれぞれに対する前記尤度のうち、閾値に近い前記尤度に対して閾値判定を行うことによって、前記対象装置の動作が正常であるか否かを判定し、
   前記判定部によって、前記閾値に近い前記尤度が前記閾値判定によって異常であると判定された場合、前記対象装置の動作を停止するための停止命令を送信する命令部を、さらに備えた請求項２〜４のいずれか一項に記載の診断装置。
7. 前記判定部は、求めた前記複数のモデルそれぞれに対する前記尤度のうち、閾値から遠い前記尤度に対して閾値判定を行うことによって、前記対象装置の動作が正常であるか否かを判定し、
   前記判定部によって、前記閾値から遠い前記尤度が前記閾値判定によって異常であると判定された場合、前記対象装置の動作を停止するための停止命令を送信する命令部を、さらに備えた請求項２〜４のいずれか一項に記載の診断装置。
8. 前記表示制御部は、前記判定部により判定された、前記複数のモデルを用いた場合のそれぞれの判定結果のうち、特定のモデルの判定結果を他のモデルの判定結果よりも強調して、前記表示部に表示させる請求項１〜７のいずれか一項に記載の診断装置。
9. 前記判定部による前記複数のモデルを用いた場合のそれぞれの判定のうち、少なくともいずれかの判定が前記対象装置の動作が異常を示す場合、警報を通知する警報部を、さらに備えた請求項１〜８のいずれか一項に記載の診断装置。
10. 前記判定部が通常モードにおける判定に使用するモデルとして、前記受信部により受信された前記コンテキスト情報に対応する複数のモデルから選択して反映する選択部を、さらに備えた請求項１〜９のいずれか一項に記載の診断装置。
11. 前記受信部により受信された前記コンテキスト情報に対応する複数のモデルから、入力部からの入力情報に基づいて選択されたモデルを、前記通常モードにおける判定に使用するモデルとして反映する条件を設定する設定部を、さらに備え、
    前記選択部は、前記設定部により設定された前記条件が満たされた場合、前記選択されたモデルを前記通常モードにおける判定に使用するモデルとして反映する請求項１０に記載の診断装置。
12. 前記受信部により所定期間に受信された前記検知情報と、前記複数のモデルと、を用いた場合のそれぞれの判定結果に基づいて、該複数のモデルそれぞれについて、モデルとしての良否に関する指標値を算出する算出部と、
    前記選択部は、前記算出部により算出された前記指標値に基づいて、前記判定部が通常モードにおける判定に使用するモデルとして前記複数のモデルから選択して反映する請求項１０に記載の診断装置。
13. 請求項１〜１２のいずれか一項に記載の診断装置と、
    前記検知部と、
    を備えた診断システム。
14. 対象装置の動作の種類ごとに定められる複数のコンテキスト情報のうち現在の動作に対応するコンテキスト情報と、前記対象装置の動作に応じて変化する物理量を検知する検知部からの検知情報と、を前記対象装置から受信する受信ステップと、
    受信した前記検知情報と、１以上の前記コンテキスト情報それぞれに対応する１以上のモデルのうち受信した前記コンテキスト情報に対応する複数のモデルと、を用いて、前記対象装置の動作が正常であるか否かを判定する判定ステップと、
    前記複数のモデルを用いた場合のそれぞれの判定結果を、表示部に表示させる表示制御ステップと、
    を有する診断方法。
15. コンピュータを、
    対象装置の動作の種類ごとに定められる複数のコンテキスト情報のうち現在の動作に対応するコンテキスト情報と、前記対象装置の動作に応じて変化する物理量を検知する検知部からの検知情報と、を前記対象装置から受信する受信部と、
    前記受信部により受信された前記検知情報と、１以上の前記コンテキスト情報それぞれに対応する１以上のモデルのうち前記受信部により受信された前記コンテキスト情報に対応する複数のモデルと、を用いて、前記対象装置の動作が正常であるか否かを判定する判定部と、
    前記判定部により判定された、前記複数のモデルを用いた場合のそれぞれの判定結果を、表示部に表示させる表示制御部と、
    して機能させるためのプログラム。

Images