JP6790311B1 - 非定常検出システム、非定常検出方法および非定常検出プログラム - Google Patents

Abstract

非定常検出装置（１００）は、各時刻における１つ以上の多値信号のそれぞれの多値信号値を２値信号値群に変換する。前記非定常検出装置は、各過去時刻における１つ以上の２値信号のそれぞれの２値信号値と各過去時刻における前記１つ以上の多値信号のそれぞれの２値信号値群との集合である過去信号値群を入力にして予測モデルを演算することによって、前記対象時刻の予測信号値群を算出する。前記非定常検出装置は、前記対象時刻における前記１つ以上の２値信号のそれぞれの２値信号値と前記対象時刻における前記１つ以上の多値信号のそれぞれの２値信号値群との集合である対象信号値群を前記予測信号値群と比較し、前記対象時刻における対象システム（２２０）の状態を判定する。

Description

本開示は、監視対象の非定常を検出する技術に関するものである。

従来の工場では、製造ラインの停止等のトラブル発生時、工場の保全員が知識と経験に基づいてトラブルの要因を特定し、適切な対処を行う。
しかし、膨大な稼働データと複雑なプログラムの中からトラブルの要因を特定し、早期にトラブルを解決することが困難な場合が多い。
また、トラブルの要因を網羅的に特定することが可能な条件設定およびプログラムを現実的な工数で作成することが難しい。

特許文献１は、保全員がトラブルの要因となるセンサまたはプログラムを特定するための手がかりを網羅的な条件設定なしで得るためのシステムを開示している。
そのシステムは、センサのオン状態とオフ状態とを表現する２値信号の非定常な経時変化を自動で検出する。

国際公開第２０１９／００３４０４号

設備の稼働状況を監視するために２値信号だけでなく多値信号についても非定常な経時変化の検出が必要な場合がある。
多値信号の非定常な経時変化には、多値信号の値自体が非定常な値となる場合だけではなく、多値信号の値自体は定常な値であるが多値信号の値が他の信号の変化に応じていないという場合がある。後者については、２値信号と多値信号の両信号の関係性を考慮して判別を行う必要がある。
特許文献１のシステムは、２値信号の非定常な変化を検出できる。しかし、多値信号の非定常な変化は対象外のため検出されない。

本開示は、多値信号を考慮して監視対象の非定常を検出できるようにすることを目的とする。

本開示の非定常検出システムは、
１つ以上の２値信号のそれぞれの２値信号値と１つ以上の多値信号のそれぞれの多値信号値とに基づいて対象システムの非定常を検出するための非定常検出システムであって、
各時刻における前記１つ以上の多値信号のそれぞれの多値信号値を１つ以上の２値信号値である２値信号値群に変換する変換部と、
対象時刻より前の各時刻における前記１つ以上の２値信号のそれぞれの２値信号値と前記対象時刻より前の各時刻における前記１つ以上の多値信号のそれぞれの２値信号値群との集合である過去信号値群を入力にして予測モデルを演算することによって、前記対象時刻の予測信号値群を算出する予測部と、
前記対象時刻における前記１つ以上の２値信号のそれぞれの２値信号値と前記対象時刻における前記１つ以上の多値信号のそれぞれの２値信号値群との集合である対象信号値群を前記予測信号値群と比較し、比較結果に基づいて前記対象時刻における前記対象システムの状態が定常であるか判定する判定部と、を備える。

本開示によれば、多値信号を考慮して監視対象（対象システム）の非定常を検出することが可能となる。

実施の形態１における非定常検出システム２００の構成図。 実施の形態１における非定常検出装置１００の構成図。 実施の形態１におけるモデル生成部１１０の構成図。 実施の形態１における非定常検出部１２０の構成図。 実施の形態１におけるモデル生成処理（Ｓ１００）の概要図。 実施の形態１におけるモデル生成処理（Ｓ１００）のフローチャート。 実施の形態１における閾値群算出処理（Ｓ１３０）のフローチャート。 実施の形態１における閾値群算出処理（Ｓ１３０）の概要図。 実施の形態１における変換処理（Ｓ１４０）のフローチャート。 実施の形態１におけるステップＳ１４５のフローチャート。 実施の形態１における変換処理（Ｓ１４０）の概要図。 実施の形態１における非定常検出処理（Ｓ２００）の概要図。 実施の形態１における非定常検出処理（Ｓ２００）のフローチャート。 実施の形態１における変換処理（Ｓ２２０）のフローチャート。 実施の形態２におけるモデル生成部１１０の構成図。 実施の形態２におけるモデル生成処理（Ｓ１００Ｂ）のフローチャート。 実施の形態２における変換処理（Ｓ１３０Ｂ）のフローチャート。 実施の形態２におけるステップＳ１３５Ｂのフローチャート。 実施の形態２における変換処理（Ｓ１３０Ｂ）の概要図。 実施の形態２における非定常検出処理（Ｓ２００Ｂ）のフローチャート。 実施の形態２における変換処理（Ｓ２２０Ｂ）のフローチャート。 実施の形態における非定常検出装置１００のハードウェア構成図。

実施の形態および図面において、同じ要素または対応する要素には同じ符号を付している。説明した要素と同じ符号が付された要素の説明は適宜に省略または簡略化する。図中の矢印はデータの流れ又は処理の流れを主に示している。

実施の形態１．
非定常検出システム２００について、図１から図１４に基づいて説明する。

＊＊＊構成の説明＊＊＊
図１に基づいて、非定常検出システム２００の構成を説明する。
非定常検出システム２００は、非定常検出装置１００とデータ収集サーバ２１０と対象システム２２０とを備える。
非定常検出装置１００は、ネットワーク２０１を介してデータ収集サーバ２１０と通信する。
データ収集サーバ２１０は、ネットワーク２０２を介して対象システム２２０と通信する。

対象システム２２０は、監視の対象となるシステムである。例えば、対象システム２２０は工場ラインである。
対象システム２２０は、１つ以上の設備２２１を備える。図１において、対象システム２２０は、５つの設備（２２１Ａ〜２２１Ｅ）を備えている。
各設備２２１は、１つ以上の機器を備える。例えば、各設備２２１は、センサおよびロボットなどを備える。

各設備２２１は、各時刻の稼働状況を示すデータを出力する。各時刻の稼働状況を示すデータを「稼働データ」と称する。稼働データは、収集データ、信号データまたは状態信号データともいう。
稼働データは、１つ以上の２値信号値と、１つ以上の多値信号値と、を含む。
２値信号値は、２値信号が示す値である。例えば、センサから出力される信号は、センサの状態をオンとオフとの２値で示す２値信号である。
多値信号値は、多値信号が示す値である。例えば、ロボットハンドから出力される信号は、ロボットハンドのトルクを２値より多い値で示す多値信号である。
２値信号と多値信号とを区別しない場合、それぞれを「状態信号」と称する。
２値信号値と多値信号値とを区別しない場合、それぞれを「状態信号値」または「信号値」と称する。

データ収集サーバ２１０は、プロセッサ、記憶装置および通信装置などを有するコンピュータである。「サーバ」は「サーバ装置」ともいう。
データ収集サーバ２１０は、各設備２２１から各時刻の稼働データを収集し、収集した稼働データを蓄積する。

図２に基づいて、非定常検出装置１００の構成を説明する。
非定常検出装置１００は、プロセッサ１０１、メモリ１０２、ストレージ１０３、通信装置１０４と入出力インタフェース１０５といったハードウェアを備えるコンピュータである。これらのハードウェアは、信号線を介して互いに接続されている。

プロセッサ１０１は、演算処理を行うＩＣであり、他のハードウェアを制御する。例えば、プロセッサ１０１はＣＰＵである。
ＩＣは、Ｉｎｔｅｇｒａｔｅｄ Ｃｉｒｃｕｉｔの略称である。
ＣＰＵは、Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔの略称である。

メモリ１０２は揮発性または不揮発性の記憶装置である。メモリ１０２は、主記憶装置またはメインメモリとも呼ばれる。例えば、メモリ１０２はＲＡＭである。メモリ１０２に記憶されたデータは必要に応じてストレージ１０３に保存される。
ＲＡＭは、Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙの略称である。

ストレージ１０３は不揮発性の記憶装置である。ストレージ１０３は、補助記憶装置とも呼ばれる。例えば、ストレージ１０３はＨＤＤである。ストレージ１０３に記憶されたデータは必要に応じてメモリ１０２にロードされる。
ＨＤＤは、Ｈａｒｄ Ｄｉｓｋ Ｄｒｉｖｅの略称である。

通信装置１０４はレシーバ及びトランスミッタとして機能する。例えば、通信装置１０４は通信ボードである。

入出力インタフェース１０５は、入力装置および出力装置が接続されるポートである。例えば、入出力インタフェース１０５はＵＳＢ端子であり、入力装置はキーボードおよびマウスであり、出力装置はディスプレイである。
ＵＳＢは、Ｕｎｉｖｅｒｓａｌ Ｓｅｒｉａｌ Ｂｕｓの略称である。

非定常検出装置１００は、モデル生成部１１０と非定常検出部１２０といった要素を備える。これらの要素はソフトウェアで実現される。

ストレージ１０３には、モデル生成部１１０と非定常検出部１２０としてコンピュータを機能させるための非定常検出プログラムが記憶されている。非定常検出プログラムは、メモリ１０２にロードされて、プロセッサ１０１によって実行される。
ストレージ１０３には、さらに、ＯＳが記憶されている。ＯＳの少なくとも一部は、メモリ１０２にロードされて、プロセッサ１０１によって実行される。
プロセッサ１０１は、ＯＳを実行しながら、非定常検出プログラムを実行する。
ＯＳは、Ｏｐｅｒａｔｉｎｇ Ｓｙｓｔｅｍの略称である。

非定常検出プログラムの入出力データは記憶部１９０に記憶される。
ストレージ１０３は記憶部１９０として機能する。但し、メモリ１０２、プロセッサ１０１内のレジスタおよびプロセッサ１０１内のキャッシュメモリなどの記憶装置が、ストレージ１０３の代わりに、又は、ストレージ１０３と共に、記憶部１９０として機能してもよい。

非定常検出装置１００は、プロセッサ１０１を代替する複数のプロセッサを備えてもよい。複数のプロセッサは、プロセッサ１０１の機能を分担する。

非定常検出プログラムは、光ディスクまたはフラッシュメモリ等の不揮発性の記録媒体にコンピュータ読み取り可能に記録（格納）することができる。

図３に基づいて、モデル生成部１１０の構成を説明する。
モデル生成部１１０は、取得部１１１と閾値群算出部１１２と変換部１１３と学習部１１４といった要素を備える。各要素の機能について後述する。

図４に基づいて、非定常検出部１２０の構成を説明する。
非定常検出部１２０は、取得部１２１と変換部１２２と予測部１２３と判定部１２４と特定部１２５と表示部１２６とを備える。各要素の機能について後述する。

＊＊＊動作の説明＊＊＊
非定常検出システム２００の動作（特に非定常検出装置１００の動作）の手順は非定常検出方法に相当する。また、非定常検出装置１００の動作の手順は非定常検出プログラムによる処理の手順に相当する。

図５および図６に基づいて、モデル生成処理（Ｓ１００）を説明する。
図５において、実線矢印は要素間の呼び出し関係を表しており、破線矢印は要素に対するデータの流れを表している。

モデル生成処理（Ｓ１００）は、予測モデル１９１を生成するための処理である。
予測モデル１９１は、各状態信号の信号値を予測するための学習済みモデルである。予測モデル１９１は正常モデルともいう。対象時刻以前の各状態信号の信号値を入力にして予測モデル１９１を演算することによって、対象時刻の次の時刻における各状態信号の予測信号値が算出される。予測信号値は予測された信号値である。

ステップＳ１１０において、取得部１１１は、定常時の稼働データを取得し、取得した稼働データを記憶部１９０に記憶する。
定常時の稼働データは、対象システム２２０が定常状態であるときに収集される稼働データである。

定常時の稼働データは、以下のように取得される。
対象システム２２０の状態は、定常状態である。
データ収集サーバ２１０は、各時刻に各設備２２１から稼働データを収集し、収集した稼働データを記憶する。記憶される稼働データが定常時の稼働データである。
取得部１１１は、各時刻にデータ収集サーバ２１０から定常時の新たな稼働データを受信し、受信した稼働データを記憶部１９０に記憶する。言い換えると、取得部１１１は、データ収集サーバ２１０から記憶部１９０へ定常時の新たな稼働データをコピーする。

ステップＳ１１０が繰り返されることによって、定常時の稼働データが記憶部１９０に蓄積される。蓄積された定常時の稼働データすなわち定常時の稼働データの集合を「稼働データベース１９８」と称する。

ステップＳ１２０において、取得部１１１は、一定期間の定常時の稼働データが蓄積されたか判定する。
例えば、取得部１１１は、稼働データベース１９８から最古の稼働データと最新の稼働データとを選択し、最古の稼働データの時刻から最新の稼働データの時刻までの時間長を算出する。そして、取得部１１１は、算出された時間長を閾値と比較する。算出された時間長が閾値以上である場合、取得部１１１は、一定期間の稼働データが蓄積されたと判定する。閾値は予め決められた時間長である。閾値となる時間長は、対象システム２２０の性質によって異なり、数時間から数週間程度である。
一定時間の稼働データが蓄積された場合、処理はステップＳ１３０に進む。
一定時間の稼働データが蓄積されていない場合、処理はステップＳ１１０に進む。

稼働データベース１９８は、各時刻の稼働データを含む。つまり、稼働データベース１９８は、各状態信号の各時刻の信号値を含む。
２値信号の各時刻の信号値を示すデータすなわち２値信号の時系列データを「２値信号データ」と称する。
多値信号の各時刻の信号値を示すデータすなわち多値信号の時系列データを「多値信号データ」と称する。
２値信号データと多値信号データとを区別しない場合、それぞれを「状態信号データ」と称する。

ステップＳ１３０において、学習部１１４は、稼働データベース１９８を読み出し、閾値群算出部１１２を呼び出す。

閾値群算出部１１２は、稼働データベース１９８に含まれる多値信号データごとに閾値群を算出する。
閾値群は、多値信号データの中の各多値信号値を１つ以上の２値信号値（２値信号値群）に変換するために用いられる１つ以上の閾値である。

閾値群算出部１１２は、各多値信号用の閾値群を記憶部１９０に保存する。
保存された閾値群すなわち閾値群の集合を「閾値群データベース１９２」と称する。

図７に基づいて、閾値群算出処理（Ｓ１３０）の手順を説明する。
ステップＳ１３１において、閾値群算出部１１２は、稼働データベース１９８から未選択の状態信号データを１つ選択する。選択される状態信号データを「対象信号データ」と称する。

ステップＳ１３２において、閾値群算出部１１２は、対象信号データの種類を判定する。
例えば、各状態信号データには種類識別子が付加される。種類識別子は状態信号データの種類を識別する。閾値群算出部１１２は、対象信号データに付加された種類識別子を参照して対象信号データの種類を判定する。
対象信号データが２値信号データである場合、処理はステップＳ１３６に進む。
対象信号データが多値信号データである場合、処理はステップＳ１３３に進む。

ステップＳ１３３において、閾値群算出部１１２は、対象信号データから１つ以上の状態変化点のそれぞれの信号値を抽出する。
状態変化点は、多値信号の変化傾向が変わる時点つまり設備２２１の状態が変化する時点である。例えば、状態変化点まで上昇傾向だった多値信号は、状態変化点以降に低下するか又は一定となる。また、状態変化点まで低下傾向だった多値信号は、状態変化点以降に上昇するか又は一定となる。

図８に、多値信号の具体例を示す。
多値信号の各ピークに丸印が付されている。各丸印が付された部分の信号値が、状態変化点の信号値である。

図７に戻り、ステップＳ１３４から説明を続ける。
ステップＳ１３４において、閾値群算出部１１２は、抽出された信号値の度数分布を生成する。
例えば、閾値群算出部１１２は、図８に示すような度数分布グラフを生成する。「区間」は信号値の範囲を意味する。

ステップＳ１３５において、閾値群算出部１１２は、生成された度数分布に基づいて、対象信号用の閾値群を算出する。
具体的には、閾値群算出部１１２は、度数分布から各ピークを選択し、各ピークに対応する信号値を特定する。そして、閾値群算出部１１２は、ピーク間ごとに一方のピークに対応する信号値と他方のピークに対応する信号値との間の値を算出する。算出される各値が閾値となる。例えば、第１ピークに対応する信号値が「２」であり、第２ピークに対応する信号値が「４」である場合、「３」（＝（２＋４）／２）が閾値となる。
閾値群算出部１１２は、算出した閾値群を記憶部１９０に記憶する。

図８に、度数分布グラフの具体例を示す。
度数分布グラフの各ピークに丸印が付されている。
閾値群算出部１１２は、図８の度数分布グラフに対し、５つのピークを区切る４つの閾値を算出する。

図７に戻り、ステップＳ１３６から説明を続ける。
ステップＳ１３６において、閾値群算出部１１２は、稼働データベース１９８の中に未選択の状態信号データが有るか判定する。
未選択の状態信号データが有る場合、処理はステップＳ１３１に進む。
未選択の状態信号データが無い場合、処理は終了する。

閾値算出処理（Ｓ１３０）について補足する。
度数分布は、各多値信号値を微分して得られる値（微分値）の度数分布であってもよい。その場合、閾値群算出部１１２は以下のように動作する。
ステップＳ１３３において、閾値群算出部１１２は、多値信号データの中の各多値信号値を微分し、微分後の多値信号データから各状態変化点の微分値を抽出する。実行される微分は何次までの微分であってもよい。
ステップＳ１３４において、閾値群算出部１１２は、抽出された微分値の度数分布を生成する。

図６に戻り、ステップＳ１４０から説明を続ける。
ステップＳ１４０において、学習部１１４は変換部１１３を呼び出す。
変換部１１３は、多値信号データごとに、閾値群を用いて多値信号データの中の各多値信号値を２値信号値に変換する。つまり、変換部１１３は、各多値信号データを２値信号データに変換する。

図９に基づいて、変換処理（Ｓ１４０）の手順を説明する。
ステップＳ１４１において、変換部１１３は、稼働データベース１９８から未選択の状態信号データを１つ選択する。選択される状態信号データを「対象信号データ」と称する。対象信号データに対応する状態信号を「対象信号」と称する。

ステップＳ１４２において、変換部１１３は、対象信号データの種類を判定する。判定方法は、ステップＳ１３２（図７参照）における方法と同じである。
対象信号データが２値信号データである場合、処理はステップＳ１４７に進む。
対象信号データが多値信号データである場合、処理はステップＳ１４３に進む。

ステップＳ１４３において、変換部１１３は、閾値群データベース１９２から対象信号用の閾値群を選択する。選択される閾値群を「対象閾値群」と称する。

ステップＳ１４４において、変換部１１３は、対象信号データから未選択の多値信号値を１つ選択する。選択される多値信号値を「対象信号値」と称する。

ステップＳ１４５において、変換部１１３は、対象閾値群を用いて、対象信号値を２値信号値群に変換する。２値信号値群は、１つ以上の２値信号値である。
具体的には、変換部１１３は、対象閾値群の中の閾値ごとに、対象信号値を対象信号値と閾値の大小関係を示す２値信号値に変換する。
ステップＳ１４５の詳細について後述する。

ステップＳ１４６において、変換部１１３は、対象信号データの中に未選択の多値信号値が有るか判定する。
未選択の多値信号値が有る場合、処理はステップＳ１４４に進む。
未選択の多値信号値が無い場合、処理はステップＳ１４７に進む。

ステップＳ１４７において、変換部１１３は、稼働データベース１９８の中に未選択の状態信号データが有るか判定する。
未選択の状態信号データが有る場合、処理はステップＳ１４１に進む。
未選択の状態信号データが無い場合、処理は終了する。

図１０に基づいて、ステップＳ１４５の手順を説明する。
ステップＳ１４５１において、変換部１１３は、対象閾値群から未選択の閾値を１つ選択する。選択される閾値を「対象閾値」と称する。

ステップＳ１４５２において、変換部１１３は、対象信号値を対象閾値と比較する。

ステップＳ１４５３において、変換部１１３は、比較結果に基づいて、対象信号値を２値信号値に変換する。変換によって得られる２値信号値は、対象信号値と対象閾値との大小関係を２値で示す。

ステップＳ１４５４において、変換部１１３は、対象閾値群の中に未選択の閾値が有るか判定する。
未選択の閾値が有る場合、処理はステップＳ１４５１に進む。
未選択の閾値が無い場合、処理は終了する。

図１１に基づいて、ステップＳ１４５における変換方法を説明する。
図１１において、対象閾値群は、第１閾値と第２閾値との組である。つまり、第１閾値と第２閾値とのそれぞれが対象閾値となる。また、多値信号の各時刻の信号値が対象信号値となる。
第１の２値信号において、各時刻の２値信号値は、対象信号値と第１閾値との大小関係を２値で示している。
第２の２値信号において、各時刻の２値信号値は、対象信号値と第２閾値との大小関係を２値で示している。
対象信号値が対象閾値以上である場合、変換部１１３は、対象信号値を「１」に変換する。対象信号値が対象閾値未満である場合、変換部１１３は、対象信号値を「０」に変換する。

図６に戻り、ステップＳ１５０から説明を続ける。
ステップＳ１１０で蓄積された各２値信号データを「収集２値信号データ」と称する。収集２値信号データの中の各２値信号値を「収集２値信号値」と称する。
ステップＳ１４０で得られた各２値信号データを「変換２値信号データ」と称する。変換２値信号データの中の各２値信号値を「変換２値信号値」と称する。
収集２値信号データと変換２値信号データとの集合を「定常２値信号データ群」と称する。収集２値信号値と変換２値信号値との集合を「定常２値信号値群」と称する。

ステップＳ１５０において、学習部１１４は、定常２値信号データ群を入力にして各状態信号の定常２値信号値の経時変化を学習して学習済みモデルを生成する。学習は機械学習ともいう。
定常２値信号値の経時変化は、時間の経過に伴う定常２値信号値の変化を意味する。定常２値信号値の経時変化は、定常信号パターンともいう。各状態信号の定常２値信号値の経時変化は、対象システム２２０の定常時の状態変化に相当する。
学習方法は制限されない。例えば、学習部１１４は、ニューラルネットワークまたは隠れマルコフモデルを用いて学習を行う。学習により、学習済みモデルのパラメータが決定される。ニューラルネットワークを用いた学習では、中間層の数、各中間層の重みおよび各中間層のバイアス値などのパラメータが決定される。

ステップＳ１６０において、学習部１１４は、生成された学習済みモデルを記憶部１９０に保存する。保存される学習済みモデルが「予測モデル１９１」である。

図１２および図１３に基づいて、非定常検出処理（Ｓ２００）を説明する。
図１２において、実線矢印は要素間の呼び出し関係を表しており、破線矢印は要素に対するデータの流れを表している。

非定常検出処理（Ｓ２００）は、対象システム２２０の非定常状態を検出するため処理である。

ステップＳ２１０において、取得部１２１は、稼働データを取得し、取得した稼働データを記憶部１９０に記憶する。
稼働データは、ステップＳ１１０（図６参照）と同じように取得される。但し、取得される稼働データは定常時の稼働データであるとは限らない。つまり、非定常時の稼働データが取得されることがある。
非定常時の稼働データは、対象システム２２０が非定常状態であるときに収集される稼働データである。

ステップＳ２１０が繰り返されることによって、各時刻の稼働データが記憶部１９０に保存される。保存された稼働データすなわち稼働データの集合を「稼働データベース１９９」と称する。

ステップＳ２１０で取得された稼働データを「対象時刻の稼働データ」と称する。
対象時刻の稼働データは、対象時刻の各状態信号の信号値を含む。

ステップＳ２２０において、予測部１２３は、稼働データベース１９９から対象時刻の稼働データを読み出し、変換部１２２を呼び出す。
変換部１２２は、対象時刻の稼働データの中の各多値信号値を２値信号値群に変換する。

図１４に基づいて、変換処理（Ｓ２２０）の手順を説明する。
ステップＳ２２１において、変換部１２２は、対象時刻の稼働データから未選択の状態信号値を１つ選択する。選択される状態信号値を「対象信号値」と称する。対象信号値に対応する状態信号を「対象信号」と称する。

ステップＳ２２２において、変換部１２２は、対象信号値の種類を判定する。
例えば、各状態信号値には種類識別子が付加される。種類識別子は状態信号値の種類を識別する。変換部１２２は、対象信号値に付加された種類識別子を参照して対象信号値の種類を判定する。
対象信号値が２値信号値である場合、処理はステップＳ２２５に進む。
対象信号値が多値信号値である場合、処理はステップＳ２２３に進む。

ステップＳ２２３において、変換部１２２は、閾値群データベース１９２から対象信号用の閾値群を選択する。選択される閾値群を「対象閾値群」と称する。

ステップＳ２２４において、変換部１２２は、対象閾値群を用いて、対象信号値を２値信号値群に変換する。
変換方法は、ステップＳ１４５（図９参照）における方法と同じである。

ステップＳ２２５において、変換部１２２は、対象時刻の稼働データの中に未選択の状態信号値が有るか判定する。
未選択の状態信号値が有る場合、処理はステップＳ２２１に進む。
未選択の状態信号値が無い場合、処理は終了する。

図１３に戻り、ステップＳ２３０から説明を続ける。
稼働データベース１９９は、対象時刻以前の各２値信号の２値信号値と対象時刻以前の各多値信号の２値信号値群とを含む。
対象時刻の各２値信号の２値信号値と対象時刻の各多値信号の２値信号値群との集合を「対象信号値群」と称する。
対象時刻より前の各時刻を「過去時刻」と称する。
各過去時刻の各２値信号の２値信号値と各過去時刻の各多値信号の２値信号値群との集合を「過去信号値群」と称する。

ステップＳ２３０において、予測部１２３は、稼働データベース１９９から過去信号値群を読み出す。
予測部１２３は、過去信号値群を入力にして予測モデル１９１を演算する。これにより、対象時刻の予測信号値群が算出される。予測信号値群は、予測された対象信号値群である。

ステップＳ２４０において、予測部１２３は判定部１２４を呼び出す。
判定部１２４は、稼働データベース１９９から対象信号値群を読み出し、対象信号値群を予測信号値群と比較する。

ステップＳ２５０において、判定部１２４は、比較結果に基づいて、対象時刻における対象システム２２０の状態が定常であるか判定する。
具体的には、判定部１２４は、比較結果に基づいて異常度を算出し、異常度を閾値と比較する。閾値は予め決められる。異常度は、対象信号値群と予測信号値群の差が大きいほど大きい。例えば、判定部１２４は、状態信号ごとに対象信号値と予測信号値の差を算出し、算出した差の合計を算出する。算出される合計が異常度となる。異常度が閾値より大きい場合、判定部１２４は、対象時刻における対象システム２２０の状態が非定常であると判定する。
対象時刻における対象システム２２０の状態が定常である場合、処理はステップＳ２７０に進む。
対象時刻における対象システム２２０の状態が非定常である場合、処理はステップＳ２６０に進む。

ステップＳ２６０において、判定部１２４は特定部１２５を呼び出す。
特定部１２５は、非定常な状態信号を特定する。
例えば、特定部１２５は、状態信号ごとに対象信号値と予測信号値の差を算出する。算出される差を「誤差」と称する。特定部１２５は、各状態信号の誤差を閾値と比較する。閾値は予め決められる。そして、特定部１２５は、比較結果に基づいて、非定常な状態信号を特定する。閾値より大きい誤差に対応する状態信号が非定常な状態信号である。

ステップＳ２７０において、表示部１２６は、ステップＳ２５０の判定結果とステップＳ２６０の特定結果に基づいて検出結果を生成し、検出結果をディスプレイに表示する。
検出結果は、対象システム２２０の状態を示す。また、対象システム２２０の状態が非定常である場合、検出結果は非定常な状態信号を示す。例えば、検出結果は、非定常な状態信号の信号値の時系列と非定常な状態信号の予測信号値を示す。

多値信号から２値信号への変換に関して補足する。
設備の機器の動作または状態が変化する際に、信号が一定状態、増加（上昇）状態または減少（低下）状態から他の状態へ切り替わる場合が多いと考えられる。閾値間に状態変化点が含まれるように各閾値が設定されることで、設備の動作の遷移および設備の状態の遷移に応じて信号の状態が変化するように多値信号を２値信号に変換することが可能である。

＊＊＊実施の形態１の効果＊＊＊
２値信号と多値信号を含んだ複数の信号の関係性を考慮して、設備における非定常な動作の有無を判定できる。また、多値信号が２値信号に変換されるため、２値信号と多値信号で共通の方式により非定常な度合いを算出できる。

正常な時系列の信号データから次の信号値を予測する学習済みモデルが利用される。これにより、工場ラインの正常な稼動データのみを入力する非定常検出装置を構築することができる。そして、多様かつ未知の非定常を検出することができる。また、多値信号が２値信号に変換され、その２値信号が他の２値信号と組み合わせて学習される。これにより、複数の信号の関係性を考慮して非定常を検出することができる。

実施の形態２．
閾値群を用いずに多値信号値を２値信号値に変換する形態について、主に実施の形態１と異なる点を図１５から図２１に基づいて説明する。

＊＊＊構成の説明＊＊＊
非定常検出システム２００の構成は、実施の形態１における構成（図１参照）と同じである。

非定常検出装置１００の構成は、実施の形態１における構成（図２参照）と同じである。

図１５に基づいて、モデル生成部１１０の構成を説明する。
モデル生成部１１０は、取得部１１１と変換部１１３と学習部１１４とを備える。閾値群算出部１１２は不要である。

非定常検出部１２０の構成は、実施の形態１における構成（図４参照）と同じである。

＊＊＊動作の説明＊＊＊
図１６に基づいて、モデル生成処理（Ｓ１００Ｂ）を説明する。
モデル生成処理（Ｓ１００Ｂ）は、実施の形態１におけるモデル生成処理（Ｓ１００）に相当する。

ステップＳ１１０Ｂにおいて、取得部１１１は、定常時の稼働データを取得し、取得した稼働データを記憶部１９０に記憶する。
ステップＳ１１０Ｂは、ステップＳ１１０（図６参照）と同じである。

ステップＳ１２０Ｂにおいて、取得部１１１は、一定期間の定常時の稼働データが蓄積されたか判定する。
ステップＳ１２０Ｂは、ステップＳ１２０（図６参照）と同じである。
一定時間の稼働データが蓄積された場合、処理はステップＳ１３０Ｂに進む。
一定時間の稼働データが蓄積されていない場合、処理はステップＳ１１０Ｂに進む。

ステップＳ１３０Ｂにおいて、変換部１１３は、各多値信号データを２値信号データに変換する。

図１７に基づいて、変換処理（Ｓ１３０Ｂ）の手順を説明する。
ステップＳ１３１Ｂにおいて、変換部１１３は、稼働データベース１９８から未選択の状態信号データを１つ選択する。選択される状態信号データを「対象信号データ」と称する。対象信号データに対応する状態信号を「対象信号」と称する。

ステップＳ１３２Ｂにおいて、変換部１１３は、対象信号データの種類を判定する。判定方法は、ステップＳ１３２（図７参照）における方法と同じである。
対象信号データが２値信号データである場合、処理はステップＳ１３７Ｂに進む。
対象信号データが多値信号データである場合、処理はステップＳ１３３Ｂに進む。

ステップＳ１３３Ｂにおいて、変換部１１３は、対象信号データから未選択の多値信号値を１つ選択する。
選択される多値信号値を「対象信号値」と称する。対象信号値に対応する時刻を「対象時刻」と称する。対象信号値は対象時刻の多値信号値である。

ステップＳ１３４Ｂにおいて、変換部１１３は、対象信号データから対象時刻の前の時刻の多値信号値を抽出する。対象時刻の前の時刻の多値信号値が対象信号データに残っているものとする。抽出される多値信号値を「前信号値」と称する。
変換部１１３は、対象信号値を前信号値と比較する。

ステップＳ１３５Ｂにおいて、変換部１１３は、比較結果に基づいて、対象信号値を２値信号値群に変換する。但し、対象信号値が２値信号値群に変換された後も元の対象信号値が対象信号データに残る。
具体的には、変換部１１３は、比較結果に基づいて対象信号の変化傾向を判定し、判定結果に基づいて対象信号値を２値信号値群に変換する。つまり、変換部１１３は、対象信号値を対象信号の変化傾向を示す２値信号値群に変換する。
ステップＳ１３５Ｂの詳細について後述する。

ステップＳ１３６Ｂにおいて、変換部１１３は、対象信号データの中に未選択の多値信号値が有るか判定する。
未選択の多値信号値が有る場合、処理はステップＳ１３３Ｂに進む。
未選択の多値信号値が無い場合、処理はステップＳ１３７Ｂに進む。

ステップＳ１３７Ｂにおいて、変換部１１３は、稼働データベース１９８の中に未選択の状態信号データが有るか判定する。
未選択の状態信号データが有る場合、処理はステップＳ１３１Ｂに進む。
未選択の状態信号データが無い場合、処理は終了する。

図１８に基づいて、対象信号値を２つの２値信号値に変換する場合のステップＳ１３５Ｂの手順を説明する。
ステップＳ１３５１において、変換部１１３は、比較結果に基づいて、対象信号の変化傾向を判定する。
対象信号値が前信号値より大きく、対象信号値と前信号値の差の絶対値が閾値より大きい場合、対象信号は上昇傾向にある。
対象信号値が前信号値より小さく、対象信号値と前信号値の差の絶対値が閾値より大きい場合、対象信号は低下傾向にある。
対象信号が上昇傾向にある場合、処理はステップＳ１３５２に進む。
対象信号が上昇傾向にない場合、処理はステップＳ１３５３に進む。

変換部１１３は、対象信号値を微分し、微分値に基づいて対象信号の変化傾向を判定してもよい。実行される微分は何次までの微分であってもよい。
微分値の符号が正である場合、対象信号は上昇傾向にある。
微分値の符号が負である場合、対象信号は低下傾向にある。

ステップＳ１３５２において、変換部１１３は、第１の２値信号値を「１」に決定する。
ステップＳ１３５２の後、処理はステップＳ１３５５に進む。

ステップＳ１３５３において、変換部１１３は、第１の２値信号値を「０」に決定する。
対象信号が低下傾向にある場合、処理はステップＳ１３５４に進む。
対象信号が低下傾向にない場合、処理はステップＳ１３５５に進む。

ステップＳ１３５４において、変換部１１３は、第２の２値信号値を「１」に決定する。
ステップＳ１３５４の後、処理は終了する。

ステップＳ１３５５において、変換部１１３は、第２の２値信号値を「０」に決定する。
ステップＳ１３５５の後、処理は終了する。

図１９に基づいて、ステップＳ１３５Ｂにおける変換方法を説明する。
多値信号が対象信号であり、多値信号の各時刻の信号値が対象信号値となる。
第１の２値信号において、各時刻の２値信号値は、各時刻において対象信号が上昇傾向にあるか否かを２値で示している。
第２の２値信号において、各時刻の２値信号値は、各時刻において対象信号が低下傾向にあるか否かを２値で示している。
対象信号が上昇傾向にある場合、変換部１１３は、対象信号値に対応する第１の２値信号値を「１」に決定する。対象信号が上昇傾向にない場合、変換部１１３は、対象信号値に対応する第１の２値信号値を「０」に決定する。
対象信号が低下傾向にある場合、変換部１１３は、対象信号値に対応する第２の２値信号値を「１」に決定する。対象信号が低下傾向にない場合、変換部１１３は、対象信号値に対応する第２の２値信号値を「０」に決定する。
第１の２値信号値と第２の２値信号値が共に「０」であるとき、対象信号は信号値が一定であるという傾向にある。

図１６に戻り、ステップＳ１４０Ｂから説明を続ける。
ステップＳ１１０Ｂで蓄積された各２値信号データを「収集２値信号データ」と称する。収集２値信号データの中の各２値信号値を「収集２値信号値」と称する。
ステップＳ１３０Ｂで得られた各２値信号データを「変換２値信号データ」と称する。変換２値信号データの中の各２値信号値を「変換２値信号値」と称する。
収集２値信号データと変換２値信号データとの集合を「定常２値信号データ群」と称する。収集２値信号値と変換２値信号値との集合を「定常２値信号値群」と称する。

ステップＳ１４０Ｂにおいて、学習部１１４は、定常２値信号データ群を入力にして各状態信号の定常２値信号値の経時変化を学習して学習済みモデルを生成する。
ステップＳ１４０Ｂは、ステップＳ１５０（図１６参照）と同じである。

ステップＳ１５０Ｂにおいて、学習部１１４は、生成された学習済みモデルを記憶部１９０に保存する。保存される学習済みモデルが「予測モデル１９１」である。

図２０に基づいて、非定常検出処理（Ｓ２００Ｂ）を説明する。
ステップＳ２２０Ｂ以外の各ステップにおける処理は、実施の形態１（図１３参照）における処理と同じである。

ステップＳ２２０Ｂにおいて、予測部１２３は、稼働データベース１９９から対象時刻の稼働データを読み出し、変換部１２２を呼び出す。
変換部１２２は、対象時刻の稼働データの中の各多値信号値を２値信号値群に変換する。

ステップＳ２２１Ｂにおいて、変換部１２２は、対象時刻の稼働データから未選択の状態信号値を１つ選択する。選択される状態信号値を「対象信号値」と称する。対象信号値に対応する状態信号データを「対象信号データ」と称する。

ステップＳ２２２Ｂにおいて、変換部１２２は、対象信号値の種類を判定する。判定方法は、ステップＳ２２２（図１４参照）における方法と同じである。
対象信号値が２値信号値である場合、処理はステップＳ２２５Ｂに進む。
対象信号値が多値信号値である場合、処理はステップＳ２２３Ｂに進む。

ステップＳ２２３Ｂにおいて、変換部１２２は、稼働データベース１９９の中の対象信号データから対象時刻の前の時刻の多値信号値を抽出する。対象時刻の前の時刻の多値信号値が対象信号データに残っているものとする。

ステップＳ２２４Ｂにおいて、変換部１２２は、比較結果に基づいて、対象信号値を２値信号値群に変換する。但し、対象信号値が２値信号値群に変換された後も元の対象信号値が対象信号データに残る。
変換方法は、ステップＳ１３５Ｂ（図１７参照）における方法と同じである。

ステップＳ２２５Ｂにおいて、変換部１２２は、対象時刻の稼働データの中に未選択の状態信号値が有るか判定する。
未選択の状態信号値が有る場合、処理はステップＳ２２１Ｂに進む。
未選択の状態信号値が無い場合、処理は終了する。

多値信号から２値信号への変換に関して補足する。
通常の２値信号を出力する機器は、設備の動作の遷移または設備の状態の遷移に応じて信号値が変化するよう設定される。例えば、ワークを検知するセンサは、ワークの移動が完了した場合にオンとなるように設定される。多値信号が２値信号に変換される場合も、設備の動作の遷移または設備の状態の遷移に応じて状態が変化するように多値信号を２値信号に変換すべきである。
設備の動作または状態が変化する際に、多値信号が一定状態、増加（上昇）状態または減少（低下）状態から他の状態へ切り替わる場合が多いと考えられる。多値信号が増加２値信号（第１の２値信号）と減少２値信号（第２の２値信号）に変換されることで、多値信号の状態変化点で２値信号の信号値が変化することとなる。つまり、設備の動作の遷移および設備の状態の遷移に応じて状態が変化するように多値信号を２値信号に変換できる。
また、多値信号の信号値の増加２値信号の信号値と減少２値信号の信号値に変換するだけでなく、多値信号の信号値の微分値を増加２値信号の信号値と減少２値信号の信号値に変換してもよい。設備の動作または状態が変化する際に、信号値の微分値が増減することが考えられる。信号値の微分値を増加２値信号の信号値と減少２値信号の信号値に変換することで、設備の動作の変化および設備の状態の変化をとらえることができる。

＊＊＊実施の形態２の効果＊＊＊
閾値群を用いずに多値信号値を２値信号値に変換して実施の形態１と同じ効果を得ることができる。

＊＊＊実施の形態の補足＊＊＊
図２２に基づいて、非定常検出装置１００のハードウェア構成を説明する。
非定常検出装置１００は、処理回路１０９を備える。
処理回路１０９は、モデル生成部１１０と非定常検出部１２０とを実現するハードウェアである。
処理回路１０９は、専用のハードウェアであってもよいし、メモリ１０２に格納されるプログラムを実行するプロセッサ１０１であってもよい。

処理回路１０９が専用のハードウェアである場合、処理回路１０９は、例えば、単一回路、複合回路、プログラム化したプロセッサ、並列プログラム化したプロセッサ、ＡＳＩＣ、ＦＰＧＡまたはこれらの組み合わせである。
ＡＳＩＣは、Ａｐｐｌｉｃａｔｉｏｎ Ｓｐｅｃｉｆｉｃ Ｉｎｔｅｇｒａｔｅｄ Ｃｉｒｃｕｉｔの略称である。
ＦＰＧＡは、Ｆｉｅｌｄ Ｐｒｏｇｒａｍｍａｂｌｅ Ｇａｔｅ Ａｒｒａｙの略称である。

非定常検出装置１００は、処理回路１０９を代替する複数の処理回路を備えてもよい。複数の処理回路は、処理回路１０９の機能を分担する。

処理回路１０９において、一部の機能が専用のハードウェアで実現されて、残りの機能がソフトウェアまたはファームウェアで実現されてもよい。

このように、非定常検出装置１００の機能はハードウェア、ソフトウェア、ファームウェアまたはこれらの組み合わせで実現することができる。

各実施の形態は、好ましい形態の例示であり、本開示の技術的範囲を制限することを意図するものではない。各実施の形態は、部分的に実施してもよいし、他の形態と組み合わせて実施してもよい。フローチャート等を用いて説明した手順は、適宜に変更してもよい。
非定常検出装置１００の要素である「部」は、「処理」または「工程」と読み替えてもよい。

１００ 非定常検出装置、１０１ プロセッサ、１０２ メモリ、１０３ ストレージ、１０４ 通信装置、１０５ 入出力インタフェース、１０９ 処理回路、１１０ モデル生成部、１１１ 取得部、１１２ 閾値群算出部、１１３ 変換部、１１４ 学習部、１２０ 非定常検出部、１２１ 取得部、１２２ 変換部、１２３ 予測部、１２４ 判定部、１２５ 特定部、１２６ 表示部、１９０ 記憶部、１９１ 予測モデル、１９２ 閾値群データベース、１９８ 稼働データベース、１９９ 稼働データベース、２００ 非定常検出システム、２０１ ネットワーク、２０２ ネットワーク、２１０ データ収集サーバ、２２０ 対象システム、２２１ 設備。

Claims (9)

1. １つ以上の２値信号のそれぞれの２値信号値と１つ以上の多値信号のそれぞれの多値信号値とに基づいて対象システムの非定常を検出するための非定常検出システムであって、
   各時刻における前記１つ以上の多値信号のそれぞれの多値信号値を１つ以上の２値信号値である２値信号値群に変換する変換部と、
   対象時刻より前の各時刻における前記１つ以上の２値信号のそれぞれの２値信号値と前記対象時刻より前の各時刻における前記１つ以上の多値信号のそれぞれの２値信号値群との集合である過去信号値群を入力にして予測モデルを演算することによって、前記対象時刻の予測信号値群を算出する予測部と、
   前記対象時刻における前記１つ以上の２値信号のそれぞれの２値信号値と前記対象時刻における前記１つ以上の多値信号のそれぞれの２値信号値群との集合である対象信号値群を前記予測信号値群と比較し、比較結果に基づいて前記対象時刻における前記対象システムの状態が定常であるか判定する判定部と、
   を備える非定常検出システム。
2. 前記変換部は、各時刻における多値信号の多値信号値を前記多値信号用の１つ以上の閾値のそれぞれと比較し、閾値ごとに前記多値信号値を前記多値信号値と前記閾値との大小関係を２値で示す２値信号値に変換する
   請求項１に記載の非定常検出システム。
3. 前記対象システムの状態が定常であるときの各時刻における前記多値信号の多値信号値が含まれる多値信号データから、前記多値信号の変化傾向が変わる時点である１つ以上の状態変化点のそれぞれの多値信号値を抽出し、抽出された多値信号値の度数分布を生成し、生成された度数分布に基づいて前記多値信号用の１つ以上の閾値を算出する閾値群算出部を備える
   請求項２に記載の非定常検出システム。
4. 前記閾値群算出部は、前記度数分布のピーク間ごとに一方のピークに対応する多値信号値と他方のピークに対応する多値信号値との間の値を前記多値信号用の閾値として算出する
   請求項３に記載の非定常検出システム。
5. 前記変換部は、各時刻における多値信号の多値信号値である対象信号値を各時刻の前の時刻における多値信号値と比較し、比較結果に基づいて各時刻における前記多値信号の変化傾向を判定し、前記対象信号値を前記多値信号の前記変化傾向を２値で示す１つ以上の２値信号値に変換する
   請求項１に記載の非定常検出システム。
6. 前記変換部は、前記対象信号値を、前記多値信号が上昇傾向にあるか否かを２値で示す２値信号値と、前記多値信号が低下傾向にあるか否かを２値で示す２値信号値と、に変換する
   請求項５に記載の非定常検出システム。
7. 前記対象システムの状態が定常であるときの各時刻における前記１つ以上の２値信号のそれぞれの２値信号値が含まれる収集２値信号データと、前記対象システムの状態が定常であるときの各時刻における前記１つ以上の多値信号のそれぞれの２値信号値群が含まれる変換２値信号データと、を入力にして各２値信号の２値信号値の経時変化と各多値信号の２値信号値群の経時変化とを学習することによって、前記予測モデルとして使用される学習済みモデルを生成する学習部を備える
   請求項１から請求項６のいずれか１項に記載の非定常検出システム。
8. １つ以上の２値信号のそれぞれの２値信号値と１つ以上の多値信号のそれぞれの多値信号値とに基づいて対象システムの非定常を検出するための非定常検出方法であって、
   変換部が、各時刻における前記１つ以上の多値信号のそれぞれの多値信号値を１つ以上の２値信号値である２値信号値群に変換し、
   予測部が、対象時刻より前の各時刻における前記１つ以上の２値信号のそれぞれの２値信号値と前記対象時刻より前の各時刻における前記１つ以上の多値信号のそれぞれの２値信号値群との集合である過去信号値群を入力にして予測モデルを演算することによって、前記対象時刻の予測信号値群を算出し、
   判定部が、前記対象時刻における前記１つ以上の２値信号のそれぞれの２値信号値と前記対象時刻における前記１つ以上の多値信号のそれぞれの２値信号値群との集合である対象信号値群を前記予測信号値群と比較し、比較結果に基づいて前記対象時刻における前記対象システムの状態が定常であるか判定する
   非定常検出方法。
9. １つ以上の２値信号のそれぞれの２値信号値と１つ以上の多値信号のそれぞれの多値信号値とに基づいて対象システムの非定常を検出するための非定常検出プログラムであって、
   各時刻における前記１つ以上の多値信号のそれぞれの多値信号値を１つ以上の２値信号値である２値信号値群に変換する変換処理と、
   対象時刻より前の各時刻における前記１つ以上の２値信号のそれぞれの２値信号値と前記対象時刻より前の各時刻における前記１つ以上の多値信号のそれぞれの２値信号値群との集合である過去信号値群を入力にして予測モデルを演算することによって、前記対象時刻の予測信号値群を算出する予測処理と、
   前記対象時刻における前記１つ以上の２値信号のそれぞれの２値信号値と前記対象時刻における前記１つ以上の多値信号のそれぞれの２値信号値群との集合である対象信号値群を前記予測信号値群と比較し、比較結果に基づいて前記対象時刻における前記対象システムの状態が定常であるか判定する判定処理と、
   をコンピュータに実行させるための非定常検出プログラム。

Images