JP6798968B2 - ノイズ発生原因推定装置 - Google Patents

Description

本発明はノイズ発生原因推定装置に関し、特に工場におけるノイズの発生原因を容易に推定することが可能なノイズ発生原因推定装置に関する。

工場において発生するノイズを検出する技術が種々提案されている。例えば、ＣＮＣ（Ｃｏｍｐｕｔｅｒｉｚｅｄ Ｎｕｍｅｒｉｃａｌ Ｃｏｎｔｒｏｌ）システムにおいて、ノイズが印加された通信経路を特定する技術が知られている。また、一般的な通信技術（ＦＬ−ＮＥＴ、Ｅｔｈｅｒｎｅｔ（登録商標）等）においても、ノイズカウンタ機能を備えているものがある。

ノイズ等による機械の異常状態発生時に、各種ＣＮＣ情報を保存できる機能（機械状態監視機能）も公知である。最近では、工場内の複数台の機械の稼働状況をＩｏＴ技術により一元管理できる機能も提供されている。

特許文献１には、加工プログラムのブロックと、ノイズ検出データとを並べて表示する技術が開示されている。

特開２０１５−２２５３９２号公報

従来技術によれば、機械が自機において発生したノイズを把握したり、ＣＮＣが自身が管理する装置で発生したノイズを把握したりすることは、ある程度可能である。この場合はノイズへの対策も講じやすい。しかしながら、ある機械等における動作等が原因となって、他の機械等でノイズ等の異常が発生する場合も少なくなく、このような場合に異常の発生原因を特定することは困難である。すなわち、ノイズが工場内の周囲環境に起因して発生する場合、異常原因の特定は非常に困難なものとなる。とりわけ、ノイズの発生は間欠的であって、かつ再現性が低いことが、困難性を高める要因となっている。

この点、ある機器でノイズが発生した際の他の機器の稼働状況等を観察することで、ある程度の因果関係を把握することも可能である。しかしながら、この手法によりノイズの発生原因を推定するには長期にわたるノウハウの蓄積が必要となる。そして、ノイズの発生に関係する非常に多くの要因をくまなく観察し、かつそれらの要因とノイズ発生との関係を整理することは容易ではない。

本発明はこのような問題点を解決するためになされたものであって、工場におけるノイズの発生原因を容易に推定することが可能なノイズ発生原因推定装置を提供することを目的とする。

本発明の一実施の形態にかかるノイズ発生原因推定装置は、工場内の複数の装置と通信可能に接続されたノイズ発生原因推定装置であって、前記装置において発生したノイズ情報を取得するノイズ情報取得部と、全ての前記装置の稼働情報を常時取得する稼働情報取得部と、前記ノイズ情報と前記稼働情報との関連性を学習する判定部とを有し、前記判定部は、前記ノイズ情報と前記稼働情報とを、環境の現在状態を表す状態変数として観測する状態観測部と、前記状態変数を含む複数のクラスタを形成する学習部と、を有し、前記状態観測部は、前記ノイズ情報と前記稼働情報とを、環境の現在状態を表す状態変数として観測し、前記判定部は、前記状態変数に対応する前記クラスタを特定し、特定された前記クラスタを主成分分析することで主成分を求め、求めた主成分に基づいて、ノイズの発生原因である前記稼働情報を抽出し、前記表示部は、ノイズの発生原因である前記稼働情報を表示する表示部をさらに有する。
本発明の一実施の形態にかかるノイズ発生原因推定装置は、前記表示部は、前記ノイズ情報の時系列的な変化と、前記稼働情報として前記装置の動作内容とを表示する。
本発明の一実施の形態にかかるノイズ発生原因推定装置は、前記表示部は、ノイズの発生原因である前記稼働情報を強調表示する。
本発明の一実施の形態にかかるノイズ発生原因推定装置は、前記判定部は、前記ノイズ情報又はノイズの発生原因である前記稼働情報の内容に応じて保守情報を定義したデータベースを保持しており、前記表示部は、前記保守情報を併せて表示する。

本発明によれば、工場におけるノイズの発生源を容易に推定することが可能なノイズ発生原因推定装置を提供することが可能である。

ノイズ発生原因推定装置１００の機能構成を示すブロック図である。 ノイズ発生原因推定装置１００を含むシステムの構成を示すブロック図である。 判定部１３０の機能構成を示すブロック図である。 表示部１４０の表示例を示す図である。 ノイズ発生原因推定装置１００の動作例を示す図である。 ノイズ発生原因推定装置１００の動作例を示す図である。 データベース１３３の一例を示す図である。

本発明の実施の形態にかかるノイズ発生原因推定装置１００について図面を用いて説明する。図１は、ノイズ発生原因推定装置１００の機能構成を示すブロック図である。ノイズ発生原因推定装置１００は、ノイズ情報取得部１１０、稼働情報取得部１２０、判定部１３０、表示部１４０を有する。ノイズ発生原因推定装置１００は、中央処理装置（ＣＰＵ）、記憶装置、入出力装置等を有する情報処理装置であり、典型的にはパーソナルコンピュータ（ＰＣ）である。ノイズ発生原因推定装置１００は、記憶装置に格納されたプログラムをＣＰＵが実行することによって上記処理部を論理的に実現する。

ノイズ情報取得部１１０は、工場内の機械等（数値制御装置（ＣＮＣ）、周辺機器、工作機械等を含む、ノイズの発生を検知可能な装置）それぞれについて、ノイズの発生状況を監視する。すなわち、各機械等は、公知技術を用いてノイズの発生を検知する。図２に示すように、機械等は、通信インフラを介してノイズ発生原因推定装置１００と接続されており、その通信機能を用いて、ノイズの発生を検知したことをノイズ情報取得部１１０に対して通知する。ノイズ情報取得部１１０は、当該通知を受信したならば、ノイズの発生を検知した機械等の識別情報、ノイズの発生時刻やレベル等を含むノイズ情報を保存する。ここでノイズ情報取得部１１０は、ノイズレベルが所定のしきい値を超える場合にのみ、ノイズ情報を保存することとしても良い。

稼働情報取得部１２０は、工場内の機械等それぞれについて、稼働状況を監視する。すなわち、各機械等は、自機やその管理下にある装置等の稼働状況を示す稼働情報を定期的に稼働情報取得部１２０に対して送信する。稼働情報には、例えば機械等の識別情報、時刻、当該時刻における機械等の動作内容（プログラムの指令コード、パラメータの内容、入出力データの内容等）等が含まれ得る。動作内容には、例えばスピンドルの加速、アクチュエータの動作を示すもの等が含まれる。稼働情報取得部１２０は、受信した稼働情報を保存する。

判定部１３０は、ノイズ情報と稼働情報との関連性を学習する学習モードと、ノイズ情報が入力されたときにノイズの発生原因である稼働情報を推定する推定モードと、の２種類の動作モードを有する。

判定部１３０は学習モードにおいて、ノイズ情報と稼働情報とを多数入力して、ノイズ情報及び稼働情報の構成要素のうち相互関連性の高いものの局地的集合であるクラスタを複数形成する。

判定部１３０は判定モードにおいて、ノイズ情報と稼働情報とを入力して、入力された情報が属するクラスタを特定する。さらに、判定部１３０は、当該クラスタの主成分を求める。主成分とはすなわちクラスタを特徴づける要因であり、本実施の形態においては、ある種類のノイズと共起的に観察される稼働情報の特徴を示している。判定部１３０は、主成分を特定したなら、ノイズの発生時刻近傍において機器等から実際に取得された稼働情報のうち、当該主成分と略同様の内容を有する稼働情報を抽出する。そして判定部１３０は、ノイズ情報と、抽出された稼働情報と、を表示部１４０に出力する。

図３を用いて、判定部１３０のより具体的な構成について説明する。本実施の形態では、判定部１３０は、「教師なし学習」により学習モード及び判定モードを実現する機械学習装置として動作する。「教師なし学習」とは、入力データのみを大量に機械学習装置に与えることで、入力データがどのような分布をしているか学習し、対応する教師出力データを与えなくても、入力データに対して圧縮、分類、整形などを行う装置を学習する手法である。すなわち、入力データセットに含まれる特徴を似た者どうしにクラスタリングすることができる（学習モード）。そして、この学習結果を使って、入力データに対応するクラスタを特定することで、種々の予測や分類などを実現することができる（判定モード）。このような機械学習を実現するための機構として、判定部１３０は、状態観測部１３１、学習部１３２を有する。

状態観測部１３１は、環境から状態変数Ｓを観測し、状態変数Ｓを入力データとして学習部１３２に出力する。状態変数Ｓには、ノイズ情報及び稼働情報が含まれる。ノイズ情報には、例えばノイズが発生した機器等の識別情報、ノイズ発生時刻、ノイズレベル等が含まれ得る。稼働情報には、例えば機械等の識別情報、ノイズ発生時刻近傍における当該機械等の動作内容（プログラムの指令コード、パラメータの内容、入出力データの内容等）、機械等の位置情報等が含まれ得る。

ここで、動作内容は、例えばある瞬間におけるプログラムの指令コード、パラメータの内容、入出力データの内容等であって良い。この場合は、ノイズ発生時刻直前に機器等から１回取得された稼働情報を使用することができる。あるいは、ノイズ発生時刻直前の一定の幅を有する時間における、プログラムの指令コード、パラメータの内容、入出力データの内容等の統計値や、それらの変化を示す値を動作内容としても良い。この場合は、ノイズ発生時刻直前の一定期間（例えば３ｓｅｃ）において機器等から取得された複数回分の稼働情報を使用して動作内容を求める前処理が必要である。例えば、状態観測部１３１は、ノイズ発生時刻直前の一定期間（３ｓｅｃ）における所定のメモリの値の変化量を計算し、当該変化量を動作情報として出力しても良い。また状態観測部１３１は、このようにして計算される様々な動作情報を複数出力しても構わない。

ここで、位置情報は、例えば機械等の絶対的な位置を示す情報（座標値、工場の敷地のうち特定のエリアを示す識別子であるエリア情報等）であっても良く、相対的な位置関係を示す情報（例えばノイズ発生を検知した機械等からの空間的距離、又は電気的接続の状態に基づいて計算される電気的距離等）であっても良い。

学習部１３２は、「教師なし学習」と称される学習アルゴリズムに従い、入力データをクラスタリングする。すなわち、状態変数Ｓに含まれる特徴が類似するもの同士の集合を形成する。学習部１３２は、ノイズが発生する度に自動的に取得される状態変数Ｓや、過去の蓄積データに基づいて作成された状態変数Ｓを大量に入力することで、徐々にクラスタの精度を向上させる。すなわち、学習サイクルを繰り返すことにより、学習部１３２は、ノイズ情報と稼働情報との相関性を暗示する特徴を自動的に識別することができる。学習アルゴリズムの開始時にはノイズ情報と稼働情報との相関性は実質的に未知であるが、学習を進めるに従い徐々に特徴を識別して相関性を解釈する。ノイズ情報と稼働情報との相関性が、ある程度信頼できる水準まで解釈されると、学習部１３２の学習結果は、現在のノイズ情報に対応する稼働情報はどのようなものであるべきかと言う推定を行うために使用できるものとなる。

十分に学習が進んで学習結果が形成されると、学習部１３２は判定器として利用できるようになる。すなわち、ノイズ情報と稼働情報とを入力データとして与えると、入力された情報が対応する（すなわち最も類似する）クラスタを判定する。すなわち、この度のノイズの発生状況に類似する、過去のノイズ発生パターンが識別される。

続いて、クラスタの主成分の特定処理について説明する。判定部１３０は、入力データに対応するクラスタを判別したなら、当該クラスタの主成分を特定する。主成分の特定は、例えば下記文献１に記載の種々の公知の手法のうち任意のものを用いることで実施できる。これにより、入力されたノイズ情報に対する寄与度の高い、稼働情報の要素が明らかになる。例えば「ノイズ発生直前の３ｓｅｃにおいて、メモリＹ１００．０の値が０から１に変化している」という稼働情報の特徴が、主成分の１つであることが明らかになったものとする。このとき判定部１３０は、このような特徴が現在の稼働情報に現れていないか検査する。かかる特徴を含む稼働情報があれば、判定部１３０はこれを抽出し、ノイズ情報とともに表示部１４０に出力する。
文献１：「船用機関故障の要因分析」、村山雄二郎ほか４名、昭和５１年１月発行、日本船用機関学会誌第１１巻第１号、第７７−８６頁

表示部１４０は、判定部１３０から受け取ったノイズ情報と稼働情報とを、表示装置に表示する。図４に、表示部１４０が表示するノイズ情報と稼働情報との一例を示す。図４は、ノイズ情報と、略同時刻における全ての機械等の稼働情報とを同時に表示した例である。この例では、判定部１３０によって抽出された稼働情報を、ノイズの発生原因である蓋然性が高いことを示すため、強調表示している。あるいは、表示部１４０は、ノイズ情報と、抽出された稼働情報のみと、を表示することとしても良い。

なお判定部１３０は、判定モードにおいて、入力データに対応するクラスタを必ずしも１つに特定する必要はない。入力データとクラスタとの類似度に応じて、複数のクラスタを類似度とともに出力しても良い。この場合、判定部１３０は、これら複数のクラスタの主成分に基づいて推定される、ノイズ発生原因の蓋然性の高い稼働情報の要素を、それぞれ特定しても良い。そして表示部１４０は、現在の稼働情報のうちこれらの要素を含むものを抽出して複数表示しても良い。この場合、上記類似度に応じて定められる優先度に従って表示を行うことができる。

＜実施例１＞
図５及び図６を用いて、ノイズ発生時又はノイズに起因するアラームの発生時に、ノイズの原因と推定される稼働情報を表示する場合のノイズ発生原因推定装置１００の動作について説明する。

＜学習モード＞
ノイズ発生原因推定装置１００が、ノイズの発生原因を学習する処理について説明する。図５に示すように、ノイズ発生原因推定装置１００にはＮｏ．１からＮｏ．１２までの１２の機械等が接続されている。いま、Ｎｏ．１１の機械において、しきい値を超えるノイズの発生を検知したものとする。ノイズ情報取得部１１０は、Ｎｏ．１１の機械等からノイズの発生の通知を受け、ノイズ情報を生成、保存する。

稼働情報取得部１２０は、工場内の全ての機械等から常時、定期的に稼働情報を収集、蓄積している。ノイズ発生原因推定装置１００における新たなノイズ情報の保存を受け、判定部１３０は、蓄積された稼働情報の中から、ノイズ発生時刻近傍に収集された稼働情報を抽出する。例えば、各機械等それぞれについて、ノイズ発生時刻以前の稼働情報であって、ノイズ発生時刻に最も近いものを１つ抽出し、出力することができる。あるいは、例えば、各機械等それぞれについて、ノイズ発生時刻直前の所定期間（例えば３ｓｅｃ）にわたり取得された複数の稼働情報を抽出し、予め定められた前処理を行う。例えば、所定期間内におけるメモリ値の変化量を計算し、これを機械等の動作内容とする。

判定部１３０の状態観測部１３１は、ノイズ情報取得部１１０が保存したノイズ情報と、稼働情報取得部１２０が保存した稼働情報とを状態変数Ｓとして、学習部１３２に投入する。学習部１３２は、徐々にノイズ情報と稼働情報との関連性を学習して、クラスタを形成していく。

＜判定モード＞
ノイズ発生原因推定装置１００が、ノイズの発生原因を判定する処理について説明する。図６に示すように、ノイズ発生原因推定装置１００にはＮｏ．１からＮｏ．１２までの１２の機械等が接続されている。いま、Ｎｏ．１１の機械において、時刻９：４４：１５にしきい値を超えるノイズの発生を検知したものとする。ノイズ情報取得部１１０は、Ｎｏ．１１の機械等からノイズの発生の通知を受け、ノイズ情報を生成、保存する。

稼働情報取得部１２０は、工場内の全ての機械等から常時、定期的に稼働情報を収集、蓄積している。ノイズ発生原因推定装置１００における新たなノイズ情報の保存を受け、判定部１３０は、学習モードと同様に、蓄積された稼働情報の中から、ノイズ発生時刻近傍に収集された稼働情報を抽出する。

判定部１３０の状態観測部１３１は、ノイズ情報取得部１１０が保存したノイズ情報と、稼働情報取得部１２０が保存した稼働情報とを状態変数Ｓとして、学習部１３２に投入する。学習部１３２は、入力されたノイズ情報及び稼働情報に対応するクラスタを特定する。

判定部１３０は、特定されたクラスタの主成分を分析、特定する。そして、特定された主成分と略同様の内容を有する現在の稼働情報を抽出、出力する。

表示部１４０は、ノイズ情報取得部１１０が新たに保存したノイズ情報と、判定部１３０から出力された稼働情報とを表示する。例えば図６に示すように、ノイズレベルの時系列的な変化等が判読できるようグラフ形式で表示されたノイズ情報と、当該時刻近傍における全ての機械等の動作内容を示すコードとを表示することができる。このとき、主成分と略同様の内容を有する稼働情報については強調表示する、すなわち他の機器等と表示形態を変えることができる。これにより、ノイズの発生原因である可能性が高い機器等を際立たせることができる。

＜実施例２＞
図７を用いて、ノイズが発生したときに、ノイズの発生原因とともに、当該ノイズに対応するための保守情報を表示する場合のノイズ発生原因推定装置１００の動作について説明する。

実施例２におけるノイズ発生原因推定装置１００は、実施例１が有する全ての構成に加え、判定部１３０がデータベース１３３を有する点に特徴を有する。図７に、データベース１３３の例を示す。データベース１３３は、ノイズ情報及び／又はノイズ発生原因に対応付けて、保守情報を保持している。保守情報とは、ノイズが発生したときに行うべき事柄（確認事項や対応策）を示す情報である。

表示部１４０は、ノイズ情報取得部１１０が新たに保存したノイズ情報と、判定部１３０から出力された稼働情報とを表示する。このとき、表示部１４０は、データベース１３３においてノイズ情報及び／又はノイズ発生原因（稼働情報の一要素である）に対応付けられている保守情報を併せて表示することができる。これにより、発生したノイズに対する対策を迅速かつ的確に講じることが可能となる。

本実施の形態によれば、ノイズ発生原因推定装置１００は、機械学習により、ノイズ情報と稼働情報との関連を自動的に学習する。そして、その学習結果を利用して、新たなノイズが発生したときにそのパターン（すなわち対応するクラスタ）を推定し、当該クラスタの主成分分析を行うことで、ノイズの原因である稼働情報の要素を推定する。これにより、人が経験からは発見できないような、様々なノイズ発生要因をも織り込んだ学習モデルを構築することができる。そして、この学習モデルを利用することで、より高精度なノイズ原因の推定を行うことができる。
加えて、ノイズ発生原因推定装置１００は、ノイズ情報及び／又はノイズ発生原因に対応付けられた保守情報を併せて提示することができる。これにより、迅速でかつ高精度な対応策を提案することができる。

以上、本発明の実施の形態について説明したが、本発明は上述した実施の形態又は実施例のみに限定されることなく、適宜の変更を加えることにより様々な態様で実施することができる。

１００ ノイズ発生原因推定装置
１１０ ノイズ情報取得部
１２０ 稼働情報取得部
１３０ 判定部
１３１ 状態観測部
１３２ 学習部
１３３ データベース
１４０ 表示部

Claims (4)

1. 工場内の複数の装置と通信可能に接続されたノイズ発生原因推定装置であって、
   前記装置において発生したノイズ情報を取得するノイズ情報取得部と、
   全ての前記装置の稼働情報を常時取得する稼働情報取得部と、
   前記ノイズ情報と前記稼働情報との関連性を学習する判定部とを有し、
   前記判定部は、
   前記ノイズ情報と前記稼働情報とを、環境の現在状態を表す状態変数として観測する状態観測部と、
   前記状態変数を含む複数のクラスタを形成する学習部と、
   を有し、
   前記状態観測部は、前記ノイズ情報と前記稼働情報とを、環境の現在状態を表す状態変数として観測し、
   前記判定部は、前記状態変数に対応する前記クラスタを特定し、特定された前記クラスタを主成分分析することで主成分を求め、求めた主成分に基づいて、ノイズの発生原因である前記稼働情報を抽出し、
   ノイズの発生原因である前記稼働情報を表示する前記表示部をさらに有する、
   ノイズ発生原因推定装置。
2. 前記表示部は、前記ノイズ情報の時系列的な変化と、前記稼働情報として前記装置の動作内容とを表示する
   請求項１記載のノイズ発生原因推定装置。
3. 前記表示部は、ノイズの発生原因である前記稼働情報を強調表示する
   請求項１記載のノイズ発生原因推定装置。
4. 前記判定部は、前記ノイズ情報又はノイズの発生原因である前記稼働情報の内容に応じて保守情報を定義したデータベースを保持しており、
   前記表示部は、前記保守情報を併せて表示する
   請求項１記載のノイズ発生原因推定装置。