JP6937961B1 - データ処理装置、データ処理方法およびデータ処理プログラム - Google Patents

Abstract

データ処理装置（１）は、観測データを収集する観測データ収集部（１０）と、観測データを生産設備の稼働状況を判定する単位である管理項目ごとの複数の分析対象データに区分するデータ区分部（１２）と、分析対象データのそれぞれを分析して管理項目のそれぞれに対応する動作の特徴を示す特徴データを抽出する特徴データ抽出部（１５Ａ，１５Ｂ，１５Ｃ，…）と、生産設備の稼働状況を判定するための学習モデルを特徴データに基づいて管理項目ごとに生成する学習モデル生成部（１７Ａ，１７Ｂ，１７Ｃ，…）と、学習モデル生成部で生成された管理項目ごとの学習モデルと、観測データ収集部により新たに収集された観測データとに基づいて、生産設備の管理項目ごとの稼働状況を判定する観測データ判定部（２２）と、観測データ判定部による管理項目ごとの稼働状況の判定結果を出力するデータ出力部（２３）と、を備える。

Description

本開示は、生産設備に取り付けられたセンサによる観測結果を分析して生産設備の稼働状態を判定するデータ処理装置、データ処理方法およびデータ処理プログラムに関する。

従来、生産設備から稼働状況を示す稼働データを取得し、稼働データを分析することで生産性向上のための設定変更や不具合原因の特定などを行っていた。しかし、生産設備の中にはデータの出力機能を有していないものもある。そのため、データの出力機能を有さない生産設備の稼働データを取得する代替方法として、生産設備の製品の取出し口にセンサを取り付け、センサの検出によって製品完成を示す稼働データのみを取得する方法や、生産設備からの電流波形や生産設備が発する音（音波）を取得してデータ分析を行っていた。なお、電流波形や音を対象とするデータ分析の場合、通常の電流波形や音の波形との差異を異常として検出し、生産設備の異常と判断していた。

特許文献１には、工作機械などの生産設備に設置されたセンサから出力されるデータに基づいて生産設備の稼働状態を判別する設備管理装置が記載されている。特許文献１に記載の設備管理装置は、装置（生産設備）の稼働状態に関するデータを取得するデータ取得部と、データ取得部で取得したデータに基づいて特徴量を抽出する特徴量抽出部と、特徴量抽出部で抽出した特徴量を分類してクラスタを作成するクラスタリング部と、クラスタリング部で分類した特徴量に、当該分類した特徴量が属するクラスタに付された装置の稼働状態のラベルを付したデータを作成するラベル付データ作成部と、ラベル付データ作成部で作成されたデータを格納する記憶部と、特徴量抽出部で抽出した特徴量と記憶部に格納されたデータとに基づいて装置の稼働状態を判定して判定結果を出力する状態判定部とを備える。

国際公開第２０１７／０９００９８号

上記の特許文献１に記載の設備管理装置は、不具合が発生している状況といった、生産設備が特定の状況にあることを判定することが可能である。しかしながら、生産設備が行う一連の動作のそれぞれの状況を個別に判定することは行わないため、例えば、生産性の向上を図るために生産設備から一連の動作それぞれの状態を判定し、どの動作が生産性向上を実現する上でのボトルネックであるかといった分析はできなかった。

本開示は、上記に鑑みてなされたものであって、生産設備が行う一連の動作それぞれの状況を個別に判定することが可能なデータ処理装置を得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、本開示にかかるデータ処理装置は、生産設備が稼働中に発生する振動の観測データを収集する観測データ収集部と、観測データを生産設備が実行する一連の動作のそれぞれに基づいて時間軸上で区分し、生産設備の稼働状況を判定する単位である管理項目ごとの複数の分析対象データを生成するデータ区分部と、分析対象データのそれぞれを分析して管理項目の特徴を示す特徴データを抽出する特徴データ抽出部と、生産設備の稼働状況を判定するための学習モデルを特徴データに基づいて管理項目ごとに生成する学習モデル生成部と、を備える。また、データ処理装置は、学習モデル生成部で生成された管理項目ごとの学習モデルと、観測データ収集部により新たに収集された観測データとに基づいて、生産設備の管理項目ごとの稼働状況を判定する観測データ判定部と、観測データ判定部による管理項目ごとの稼働状況の判定結果を出力するデータ出力部と、を備える。

本開示にかかるデータ処理装置は、生産設備が行う一連の動作それぞれの状況を個別に判定することができる、という効果を奏する。

実施の形態にかかるデータ処理装置が適用されるデータ収集システムの構成例を示す図 実施の形態にかかるデータ処理装置の構成例を示す図 表示操作部が表示する画面の一例を示す図 データ処理装置の学習段階の動作概要を示す図 データ処理装置の学習段階の動作の一例を示すフローチャート データ処理装置の判定段階の動作概要を示す第１の図 データ処理装置の判定段階の動作概要を示す第２の図 データ処理装置の判定段階の動作の一例を示すフローチャート データ処理装置を実現するハードウェアの一例を示す図

以下に、本開示の実施の形態にかかるデータ処理装置、データ処理方法およびデータ処理プログラムを図面に基づいて詳細に説明する。

実施の形態．
まず、本実施の形態にかかるデータ処理装置の概要について説明する。本実施の形態にかかるデータ処理装置は、製造現場の生産設備から生じる振動の測定データを分析することで、生産設備の稼働状況をデータとして出力するものである。ここでの振動とは、音および機械振動である。音には、可聴音だけでなく、超音波も含まれる。データ処理装置は、生産設備から生じる音および機械振動の一方または両方の測定データを分析する。生産設備で物を生産する場合、生産設備の内部機構の稼働、ワークの加工、ワークの組立などが発生すると、これらの発生状況に応じた音および機械振動が生産設備で生じる。また、生産設備の内部機構の不具合、ワークの加工不具合、組立の不具合などが発生した場合、その不具合状況は音や機械振動に現れる。すなわち、生産設備で発生する音や機械振動を観測することで、生産設備の異常を検知できる。そこで、本実施の形態にかかるデータ処理装置は、生産設備の状況を示すデータとして、音声の観測データおよび機械振動の観測データの少なくとも一方を収集し、収集した観測データをＡＩ（Artificial Intelligence，人工知能）を活用して分析し、例えば、生産設備が正常に稼働しているか否かといった稼働状況を判定する。このときデータ処理装置は、生産設備が実行する一連の動作それぞれについての稼働状況を判定する。

以下、本実施の形態にかかるデータ処理装置について、詳しく説明する。図１は、実施の形態にかかるデータ処理装置が適用されるデータ収集システムの構成例を示す図である。図１に示すデータ収集システム１００は、製造現場に設置した製造ラインや面実装機、モールドプレス装置、マウンター装置、樹脂成型機、金属加工のマシニングセンター等の複数種類の生産設備２と、有線又は無線のネットワーク４を介して生産設備２からデータを収集するデータ収集プラットフォーム３と、生産管理システム、生産実行システム（ＭＥＳ：Manufacturing Execution System）等であるＩＴ（Information Technology）システム５と、データ分析を行うアプリケーション等である分析アプリケーション６と、を含む。データ収集プラットフォーム３は、生産設備２の種類に依存することなく製造データを収集可能なソフトウェアであり、工業用ＰＣであるＩＰＣ（Industrial Personal Computer）に設けられている。データ収集プラットフォーム３は、生産設備２から収集した製造データをＩＴシステム５および分析アプリケーション６に受け渡す。ＩＴシステム５は、例えば、データ収集プラットフォーム３から製造データを取得し、生産実績を管理する。分析アプリケーション６は、例えば、データ収集プラットフォーム３から製造データを取得し、取得した製造データの中に製造した製品に不具合が発生したことを示す情報が含まれる場合は製造データを分析して不具合原因を特定する。

ここで、データ収集プラットフォーム３は生産設備２から製造データを取得するに際し、データ取得元の生産設備２が有する機能の状態に応じて、以下の（１）〜（３）の方法で製造データを取得する。
（１）生産設備２が、直接、ネットワーク４を介してデータ収集プラットフォーム３にデータを出力する機能を有する場合、データ収集プラットフォーム３は、ネットワーク４を介して生産設備２から製造データを取得する。
（２）生産設備２がデータを外部に出力する機能を有するものの、この生産設備２が出力するデータを受信する機能をデータ収集プラットフォーム３が有していない場合、データ収集プラットフォーム３は、生産設備２から出力される製造データをデータ収集プラットフォーム３で受信可能なデータ形式に変換するデータ収集装置７を介して、生産設備２の製造データを取得する。
（３）生産設備２がデータを外部に出力する機能を有していない、又は、データを外部に出力する機能を有するもののデータの出力機能に制限がかけられている場合、データ収集プラットフォーム３は、上述した本実施の形態にかかるデータ処理装置１を介して製造データを取得する。

データ処理装置１は、上述したように、生産設備２から生じる音および機械振動の観測データを収集して分析することで、生産設備２の稼働状況を判定する。データ処理装置１は、稼働状況の判定結果に基づいて製造データを生成し、ネットワーク４を介してデータ収集プラットフォーム３へ送信する。データ処理装置１は、例えば、生産設備２で発生する音および機械振動に基づいて製造データを生成する場合、生産設備２の一連の動作（Ａ動作、Ｂ動作およびＣ動作で構成されるとする）で生じる音および機械振動を、生産設備２に取り付けた集音マイク９Ａおよび振動センサ９Ｂで観測し、得られた観測データを、先ず、Ａ動作、Ｂ動作、Ｃ動作および完了動作それぞれに対応する範囲で区分する。次に、データ処理装置１は、区分後の観測データのそれぞれを分析して、各動作を実行している時の観測データがどのようなものであるかを学習する。学習が終了した後、データ処理装置１は、新たに観測データが得られると、学習結果に基づいて、生産設備２の稼働状況を判定する。すなわち、データ処理装置１は、学習した動作が発生したかを判定する。データ処理装置１は、稼働状況の判定において動作の発生を検出すると、検出した動作が発生した時刻の情報を含んだ判定結果を生成し、生成した判定結果を製造データとして出力する。なお、データ処理装置１は、観測データおよび学習結果から生産設備２の動作異常を検出し、検出結果を異常データとして出力することも可能である。データ処理装置１が動作異常を検出できるようにする場合、動作異常が発生している時の観測データの学習を事前に行う。

図２は、実施の形態にかかるデータ処理装置１の構成例を示す図である。データ処理装置１は、観測データ収集部１０、観測データ記憶部１１、データ取得指示部２０、学習モデル選択部２１、観測データ判定部２２、データ出力部２３および機械学習部３０を備える。機械学習部３０は、データ区分部１２と、特徴データ抽出部１５Ａ，１５Ｂ，１５Ｃ，…を含んで構成されるデータ分析部１４と、学習モデル生成部１７Ａ，１７Ｂ，１７Ｃ，…を含んで構成される学習処理部１６と、学習モデル管理部１８とを備える。また、観測データ収集部１０は、生産設備２に取り付けられた集音マイク９Ａおよび振動センサ９Ｂで構成される観測部９と接続される。機械学習部３０のデータ区分部１２は、表示操作部１３と接続される。なお、表示操作部１３はデータ処理装置１に内蔵される構成でもよい。また、これ以降では、特徴データ抽出部１５Ａ，１５Ｂ，１５Ｃ，…を区別せずに説明を行う場合、これらを纏めて特徴データ抽出部１５と記載する。また、学習モデル生成部１７Ａ，１７Ｂ，１７Ｃ，…を区別せずに説明を行う場合、これらを纏めて学習モデル生成部１７と記載する。

観測データ収集部１０は、生産設備が稼働中に発生する振動の観測データを収集する。具体的には、観測データ収集部１０は、振動の観測データとして、集音マイク９Ａで測定された音の観測データおよび振動センサ９Ｂで測定された機械振動の観測データを集音マイク９Ａおよび振動センサ９Ｂから収集する。なお、観測データ収集部１０は、集音マイク９Ａおよび振動センサ９Ｂの少なくとも一方から観測データを収集すればよい。すなわち、観測データ収集部１０は、生産設備２で発生する音および機械振動の少なくとも一方の観測データを収集する。観測データ収集部１０が収集した観測データは観測データ記憶部１１で記憶される。

データ区分部１２は、観測データ記憶部１１から観測データを読み出し、読み出した観測データを、生産設備２が実行する一連の動作のそれぞれに基づいて区分する。具体的には、データ区分部１２は、生産設備２が実行する一連の動作それぞれの開始タイミングおよび終了タイミングに基づいて区分する。例えば、データ区分部１２が読み出した観測データに対応する一連の動作がＡ動作、Ｂ動作、Ｃ動作および完了動作を含む場合、データ区分部１２は、観測データを、Ａ動作が実行された区間の観測データと、Ｂ動作が実行された区間の観測データと、Ｃ動作が実行された区間の観測データと、完了動作が実行された区間の観測データとに区分することで、それぞれの動作に対応する分析対象データを生成する。ここで、生産設備２が実行する各動作はデータ処理装置１が生産設備の稼働状態を判定する単位である管理項目に相当する。すなわち、データ区分部１２は、観測データ記憶部１１から読み出した観測データを管理項目ごとの複数の分析対象データに区分する。なお、観測データを区分する区間の設定は、例えば、ユーザが行う。ユーザが区間を設定する場合、データ区分部１２は、観測データ記憶部１１から読み出した観測データを、横軸に時間、縦軸に振幅を設定し、図３に示すような形式で表示操作部１３に表示する。図３は、表示操作部１３が表示する画面の一例を示す図である。図３は、ユーザによる区間の設定のための操作が行われた後の画面表示例であり、具体的には、観測データ記憶部１１から読み出された観測データの波形に対し、ユーザが、「スタート」、「Ａ動作」、「Ｂ動作」、「Ｃ動作」、「Ｄ動作」および「完了動作」の各区間を設定した場合の画面表示例である。各区間の名称（「スタート」，「Ａ動作」，「Ｂ動作」，…）は表示操作部１３を介してユーザが自由に付与できるようにしてもよい。ユーザは、マウス、キーボードなどの入力装置を使用して区間の設定、設定した区間への名称の付与などを行う。

なお、生産設備２が実行する一連の動作に変化が無く、かつ、一連の動作を実行する場合の各動作（スタート，Ａ動作，Ｂ動作，…）の所要時間が一定である場合、各動作が実行される順序と、一連の動作それぞれの所要時間とに基づいてデータ区分部１２が各区間を設定するようにしてもよい。

本実施の形態では上述した各区間の設定をユーザが行うものとして説明を続ける。また、説明を簡略化するため、ユーザが設定する区間を、Ａ動作、Ｂ動作、Ｃ動作および完了動作のそれぞれに対応する区間とする。すなわち、生産設備２が実行する一連の動作をＡ動作、Ｂ動作、Ｃ動作および完了動作とする。

表示操作部１３は、表示した観測データの波形について、生産設備２のＡ動作、Ｂ動作、Ｃ動作および完了を示す波形部分すなわち区間を設定する操作をユーザから受けると、ユーザから受けた操作内容をデータ区分部１２に通知する。データ区分部１２は、表示操作部１３から通知された操作内容に従い、Ａ動作に設定指定された区間の観測データにＡ動作を示すタグを付与してＡ動作に対応する分析対象データを生成し、データ分析部１４（例えば特徴データ抽出部１５Ａ）に出力する。同様に、データ区分部１２は、Ｂ動作に設定された区間の観測データにＢ動作を示すタグを付与してＢ動作に対応する分析対象データを生成し、データ分析部１４（例えば特徴データ抽出部１５Ｂ）に出力し、Ｃ動作に設定された区間の観測データにＣ動作を示すタグを付与してＣ動作に対応する分析対象データを生成し、データ分析部１４（例えば特徴データ抽出部１５Ｃ）に出力し、完了動作に設定された区間の観測データに完了動作を示すタグを付与して完了動作に対応する分析対象データを生成し、データ分析部１４（例えば特徴データ抽出部１５ｘ）に出力する。なお、特徴データ抽出部１５ｘについては図２への記載を省略している。表示操作部１３を介してユーザが行う区間の指定操作は、ユーザが、生産設備２内の動作の流れと、そのタイミングを把握しており、波形に特徴が出るタイミング（時間間隔）に基づいて、各動作の波形を推定することによって行う。なお、表示操作部１３は、表示装置と入力装置（マウス、キーボードなど）とで実現され、ユーザによる操作を入力装置から受け付けるものとするが、これに限らず、タッチパネルなどの表示装置と入力装置が一体化された機器で実現されてもよい。

また、表示操作部１３は、表示した観測データの波形のうち、生産設備２の不具合を示す波形部分（区間）を設定する操作をユーザから受け付けると、設定された区間である不具合が発生している区間をデータ区分部１２に通知する。データ区分部１２は、不具合が発生している区間の通知を受けると、通知された区間（以下、不具合発生区間とする）の観測データに不具合発生を示すタグを付与してデータ分析部１４に出力する。

ユーザが表示操作部１３を介して不具合発生区間を指定する操作は、例えば、不具合の発生していない観測データの波形と、不具合の発生した観測データの波形とを、時間軸を合わせて重畳して表示操作部１３が表示し、ユーザが双方の観測データの波形形状の異なる区間を不具合発生区間に指定することによって行われる。

なお、本実施の形態では、ユーザが表示操作部１３を操作することにより、不具合発生区間を指定することとしたが、これに限らず、データ区分部１２が、不具合の発生していない比較用の観測データの波形と、不具合が発生しているか否かが未知の観測データの波形とを比較し、両者の波形の違いから不具合発生区間を特定するようにしてもよい。すなわち、不具合発生区間の指定については、ユーザが判断することなく、且つ認識することなく行い、データ分析部１４は、不具合発生区間の観測データすなわち不具合発生を示すタグが付された観測データを取得することが可能となる。

特徴データ抽出部１５は、データ区分部１２から受け取った観測データから、この観測データに対応する動作の特徴を示す特徴データを抽出する。特徴データ抽出部１５は、例えば、データ区分部１２から受け取った観測データに対応する動作がＡ動作の場合、すなわち、Ａ動作を実行中に得られた観測データがデータ区分部１２から入力された場合、観測データを分析してＡ動作の特徴を示す特徴データを抽出する。ここで、特徴データ抽出部１５は、例えば、教師なし機械学習にて特徴データを抽出するものとし、そのアルゴリズムに特段の限定はない。特徴データ抽出部１５は、抽出した特徴データを後続の学習モデル生成部１７に出力する。

学習モデル生成部１７は、特徴データ抽出部１５が観測データから抽出した特徴データを用いて学習モデルを生成する。学習モデル生成部１７は、例えば、特徴データがＡ動作に対応する観測データから抽出されたものである場合、Ａ動作を検出する為の学習モデルを生成する。なお、学習モデル生成部１７における学習モデルを生成するアルゴリズムに特段の限定はない。

学習モデル生成部１７は、学習モデルを生成すると、生成した学習モデルを、生成もととなった観測データに関連する情報（以下、モデル関連情報と呼ぶ）と対応づけて学習モデル管理部１８に格納する。ここでモデル関連情報とは、例えば、Ａ動作、Ｂ動作、Ｃ動作、完了動作といった動作の区分、上述の観測データに付与するタグなど、観測データの種別（どの動作に対応する区間の観測データか）を示す情報、観測データを取得した生産設備２の名称といった観測データの出力元の情報、Ａ動作、Ｂ動作、Ｃ動作および完了動作が実行される順番の情報、などである。

なお、本実施の形態では、図２に示すように、データ分析部１４が各動作（Ａ動作，Ｂ動作，Ｃ動作，…）に対応する複数の特徴データ抽出部１５（特徴データ抽出部１５Ａ，１５Ｂ，１５Ｃ，…）で構成され、また、学習処理部１６が各動作に対応する複数の学習モデル生成部１７（学習モデル生成部１７Ａ，１７Ｂ，１７Ｃ，…）で構成されるとしたがこれに限定されない。例えば、データ分析部１４を単一の特徴データ抽出部１５で構成してもよい。この場合、単一の特徴データ抽出部１５が、処理を切り替えながら各動作に対応する観測データから特徴データを抽出する。特徴データ抽出部１５は、入力された観測データに付されているタグに従い、実行する処理を切り替える。データ分析部１４を単一の特徴データ抽出部１５で構成する場合について説明したが、学習処理部１６を単一の学習モデル生成部１７で構成する場合も同様である。すなわち、単一の学習モデル生成部１７が、各動作に対応する学習モデルを生成する。

データ取得指示部２０は、生産設備２から製造データを取得するよう指示する操作をユーザから受け付け、指示内容を示す指示情報を学習モデル選択部２１に送信する。この指示情報には、データを取得する生産設備２の名称および取得するデータの種別といった情報が含まれる。学習モデル選択部２１は、受け取った指示情報に基づいて該当する学習モデルを学習モデル管理部１８から読み出し、読み出した学習モデルを観測データ判定部２２に出力する。具体的には、学習モデル選択部２１は、受け取った指示情報に関連する学習モデルを、学習モデルに付与されたモデル関連情報（動作の区分に関する情報、タグ情報、観測データの種別情報など）に基づいて学習モデル管理部１８から読み出し、読み出した学習モデルを観測データ判定部２２に格納する。

観測データ判定部２２は、観測データ記憶部１１から観測データを取得し、取得した観測データと各学習モデルとに基づいて生産設備２の稼働状況を判定する。すなわち、観測データ判定部２２は、各学習モデルに対応する動作が生産設備２で実行されたかを判定する。観測データ判定部２２は、各学習モデルに対応する動作を検出すると、検出した動作が生じた時刻を示す時刻データを、特定した動作の情報と紐づけ、判定結果としてデータ出力部２３に出力する。特定した動作の情報とは、上述した各動作（Ａ動作，Ｂ動作，…）のいずれかを示す情報、または、異常動作であることを示す情報である。観測データ判定部２２は、学習モデルごとの判定結果をデータ出力部２３に出力する。

データ出力部２３は、観測データ判定部２２で生成された学習モデルごとの判定結果を、製造データとしてデータ収集プラットフォーム３に送信する。

つづいて、データ処理装置１の動作について、学習段階と判定段階に分けて、以下に説明する。

（学習段階の動作）
図４および図５を参照しながらデータ処理装置１の学習段階の動作について説明する。図４は、データ処理装置１の学習段階の動作概要を示す図である。図５は、データ処理装置１の学習段階の動作の一例を示すフローチャートである。

図４に示すように、データ処理装置１は生産設備２に取り付けられた集音マイク９Ａおよび振動センサ９Ｂから観測データを収集し、収集した観測データから管理項目ごとに特徴データを抽出して管理項目ごとの学習モデルを生成する。管理項目は、特徴データを抽出する範囲を表し、生産設備２の稼働状況を判定する単位に相当する。別の表現を用いると、管理項目は、上述した、データ区分部１２が観測データを区分する区間に相当する。

データ処理装置１は、図５に示す処理を十分な回数にわたって繰り返し実行することにより、管理項目ごとの学習モデルを生成する。

図５に示すように、データ処理装置１は、まず、観測データを収集する（ステップＳ１１）。具体的には、観測データ収集部１０が、観測部９の集音マイク９Ａおよび振動センサ９Ｂから観測データを収集する。

データ処理装置１は、次に、観測データを管理項目ごとに区分する（ステップＳ１２）。具体的には、データ区分部１２が、ユーザからの指示に従い、観測データを、データ取得元の生産設備２が実行する一連の動作それぞれに対応する区間ごとの観測データである分析対象データに分ける。

ステップＳ１２では、例えば、以下の（ａ）または（ｂ）に示す手順で観測データにタグを付与することで観測データを区分する。
（ａ）生産設備２に設けたカメラの撮影画像と観測データの波形とをデータ処理装置１が表示操作部１３に表示し、ユーザは、撮影画像と観測データの波形とを時系列で比較し、撮影画像から確認できる生産設備２内での動作に基づいて、生産設備２が実行する一連の動作それぞれに対応する区間を設定する。データ区分部１２は、設定された区間を示すタグを観測データに付与する。ここでのタグは、上述した、Ａ動作を示すタグ、Ｂ動作を示すタグ、などに相当する。
（ｂ）生産設備２の稼働中に得られた観測データの波形と、生産設備２での動作手順とをデータ処理装置１が表示操作部１３に表示し、ユーザは、観測データの波形と操作手順とを比較し、観測データの波形の形状的特徴に基づいて、生産設備２が実行する一連の動作それぞれに対応する区間を設定する。データ区分部１２は、設定された区間を示すタグを観測データに付与する。なお、この方法での区間の設定は、この波形形状ならば生産設備２のこの動作を実施しているはずだとの作業者（ユーザ）の経験に基づいて行われる。

データ処理装置１は、次に、管理項目ごとに特徴データを抽出する（ステップＳ１３）。具体的には、特徴データ抽出部１５のそれぞれが、ステップＳ１２で区分された観測データのそれぞれから特徴データを抽出する。

データ処理装置１は、次に、管理項目ごとの学習モデルを更新する（ステップＳ１４）。具体的には、学習モデル生成部１７が、ステップＳ１３で抽出された特徴データのそれぞれを学習データとして学習を行い、管理項目ごとの学習モデルを更新する。

（判定段階の動作）
図６、図７および図８を参照しながらデータ処理装置１の判定段階の動作について説明する。図６は、データ処理装置１の判定段階の動作概要を示す第１の図である。図７は、データ処理装置１の判定段階の動作概要を示す第２の図である。図８は、データ処理装置１の判定段階の動作の一例を示すフローチャートである。なお、判定段階の動作は上述した学習段階の動作を実行して学習モデルの生成が完了している状態で実行される。

図６に示すように、データ処理装置１は生産設備２に取り付けられた集音マイク９Ａおよび振動センサ９Ｂから観測データを収集し、収集した観測データを複製する。そして、データ処理装置１は、図６および図７に示すように、管理項目（生産設備２が実行する動作）ごとに準備された学習モデルを使用して観測データを判定し、生産設備２で実行された動作を検出する。データ処理装置１は、管理項目ごとの判定結果を出力する。判定結果はタイムスタンプ付きのデータであり、各学習モデルを使用して検出した動作の情報と、検出した動作の発生時刻の情報とを含む。検出した動作の発生時刻の情報が判定結果に含まれるため、例えば、図７に示すように、検出した動作を時間軸上に並べた形でユーザに通知することが可能である。この通知を確認したユーザは、生産設備２で実行されるはずの一連の動作の中の１つ以上が検出されていなければ、生産設備２で不具合が生じていると認識できる。例えば、生産設備２が実行する一連の動作がＡ動作、Ｂ動作、Ｃ動作および完了動作である場合にＣ動作が検出されなければ、ユーザは、生産設備２の不具合によりＣ動作が正常に行われない状態であることを認識できる。

判定段階の動作では、図８に示すように、データ処理装置１は、まず、観測データを収集する（ステップＳ２１）。具体的には、観測データ収集部１０が、観測部９の集音マイク９Ａおよび振動センサ９Ｂから観測データを収集する。

データ処理装置１は、次に、観測データを管理項目数に応じて複製し（ステップＳ２２）、管理項目ごとの学習モデルを用いて生産設備２の稼働状況を判定する（ステップＳ２３）。具体的には、観測データ判定部２２が、観測データ記憶部１１から観測データを読み出して複製を行い、管理項目数と同じ数の観測データを作成する。なお、管理項目数は、観測データ判定部２２に格納されている学習モデルの数に一致する。観測データ判定部２２は、次に、学習モデルのそれぞれを用いて観測データを分析し、管理項目ごとの稼働状況、すなわち、管理項目に対応する動作が行われたか否かを判定する。データ処理装置１は、次に、判定結果を出力する（ステップＳ２４）。具体的には、データ出力部２３が、管理項目ごとの一連の判定結果を製造データとしてデータ収集プラットフォーム３へ送信する。

なお、データ出力部２３が出力する製造データは、生産設備２の異常データを含むものであってもよい。すなわち、データ処理装置１は、観測データを判定するための複数の学習モデルの一部を、生産設備２の異常動作を検出するための学習モデルとし、生産設備２が正常動作している時の製造データだけでなく、生産設備２で動作異常が発生している場合にはその旨を示す異常データを製造データとして出力してもよい。

データ処理装置１が出力する製造データは、例えば以下に示す用途で利用される。

図１に示すＩＴシステム５には、生産計画を作成する生産スケジューラと、生産計画の実行指示と実績を収集するＭＥＳとが備えられている。ＭＥＳはデータ収集プラットフォーム３を介してデータ処理装置１等から製造データを収集する。生産スケジューラで作成した生産計画と、生産実績との間に差異が発生する場合、生産スケジューラは、データ処理装置１等から収集した製造データを分析し、生産設備２の稼働条件および設定で変更すべきものがあるかを判別し、変更すべきものがある場合には変更を行う。上述したように、製造データには、各動作（Ａ動作，Ｂ動作，…）の判定結果と、各動作が発生した時刻の情報とが含まれている。そのため、生産スケジューラは、例えば、製造データに含まれる時刻情報に基づいて、段取り時間、ワークの待ち時間などの設定を変更する。これにより、生産設備２での生産性を向上させることができる。

以上説明したように、本実施の形態にかかるデータ処理装置１は、生産設備２に取り付けられた各種センサから観測データを収集する観測データ収集部１０と、生産設備２が実行する一連の動作に基づいて管理項目ごとの特徴データを観測データから抽出し、抽出した観測データのそれぞれを分析して管理項目ごとの学習モデルを生成する機械学習部３０と、を備える。また、データ処理装置１は、観測データ収集部１０が収集した観測データおよび学習モデルに基づいて管理項目ごとの稼働状態を判定する観測データ判定部２２を備える。本実施の形態にかかるデータ処理装置１は、生産設備２が実行する一連の動作それぞれの状況を個別に判定することができる。

次に、本実施の形態にかかるデータ処理装置１を実現するハードウェアについて説明する。図９は、データ処理装置１を実現するハードウェアの一例を示す図である。データ処理装置１は、図９に示したプロセッサ１０１、メモリ１０２、入力装置１０３、表示装置１０４および通信インタフェース１０５により実現することができる。プロセッサ１０１の例は、ＣＰＵ（Central Processing Unit、中央処理装置、処理装置、演算装置、マイクロプロセッサ、マイクロコンピュータ、ＤＳＰ（Digital Signal Processor）ともいう）またはシステムＬＳＩ（Large Scale Integration）である。メモリ１０２の例は、ＲＡＭ（Random Access Memory）、ＲＯＭ（Read Only Memory）、フラッシュメモリー等の不揮発性または揮発性の半導体メモリ、磁気ディスク等などである。入力装置１０３の例は、マウス、キーボードなどである。表示装置１０４の例は、液晶ディスプレイなどである。なお、入力装置１０３および表示装置１０４はタッチパネルであってもよい。

データ処理装置１の観測データ収集部１０、学習モデル選択部２１、観測データ判定部２２、データ出力部２３および機械学習部３０は、これらの各部として動作するためのプログラムをプロセッサ１０１が実行することにより実現される。観測データ収集部１０、学習モデル選択部２１、観測データ判定部２２、データ出力部２３および機械学習部３０として動作するためのプログラムはメモリ１０２に予め格納されている。プロセッサ１０１は、プログラムをメモリ１０２から読み出して実行することにより、観測データ収集部１０、学習モデル選択部２１、観測データ判定部２２、データ出力部２３および機械学習部３０として動作する。

観測データ記憶部１１はメモリ１０２により実現される。また、メモリ１０２は、上記のプログラムを保持するとともに、データ処理装置１が各種処理を実行する際の一時メモリとしても使用される。データ取得指示部２０は入力装置１０３により実現される。

通信インタフェース１０５はデータ処理装置１がデータ収集プラットフォーム３にデータを送信する際に使用される。

なお、上記のプログラムはメモリ１０２に予め格納されているものとしたがこれに限定されない。上記のプログラムは、ＣＤ（Compact Disc）−ＲＯＭ、ＤＶＤ（Digital Versatile Disc）−ＲＯＭなどの記録媒体に書き込まれた状態でユーザに供給され、ユーザがメモリ１０２にインストールする形態であってもよい。また、上記のプログラムは、インターネットなどのネットワークを介してユーザに提供される形態であってもよい。

以上の実施の形態に示した構成は、一例を示すものであり、別の公知の技術と組み合わせることも可能であるし、要旨を逸脱しない範囲で、構成の一部を省略、変更することも可能である。

１ データ処理装置、２ 生産設備、３ データ収集プラットフォーム、４ ネットワーク、５ ＩＴシステム、６ 分析アプリケーション、７ データ収集装置、９ 観測部、９Ａ 集音マイク、９Ｂ 振動センサ、１０ 観測データ収集部、１１ 観測データ記憶部、１２ データ区分部、１３ 表示操作部、１４ データ分析部、１５，１５Ａ，１５Ｂ，１５Ｃ 特徴データ抽出部、１６ 学習処理部、１７，１７Ａ，１７Ｂ，１７Ｃ 学習モデル生成部、１８ 学習モデル管理部、２０ データ取得指示部、２１ 学習モデル選択部、２２ 観測データ判定部、２３ データ出力部、３０ 機械学習部、１００ データ収集システム。

Claims (7)

1. 生産設備が稼働中に発生する振動の観測データを収集する観測データ収集部と、
   前記観測データを前記生産設備が実行する一連の動作のそれぞれに基づいて時間軸上で区分し、前記生産設備の稼働状況を判定する単位である管理項目ごとの複数の分析対象データを生成するデータ区分部と、
   前記分析対象データのそれぞれを分析して前記管理項目の特徴を示す特徴データを抽出する特徴データ抽出部と、
   前記生産設備の稼働状況を判定するための学習モデルを前記特徴データに基づいて前記管理項目ごとに生成する学習モデル生成部と、
   前記学習モデル生成部で生成された前記管理項目ごとの学習モデルと、前記観測データ収集部により新たに収集された観測データとに基づいて、前記生産設備の前記管理項目ごとの稼働状況を判定する観測データ判定部と、
   前記観測データ判定部による前記管理項目ごとの稼働状況の判定結果を出力するデータ出力部と、
   を備えることを特徴とするデータ処理装置。
2. 前記観測データ判定部は、前記管理項目を前記生産設備が実行したか否かを示す情報と、前記生産設備が実行した管理項目の発生時刻の情報とを含む判定結果を生成する、
   ことを特徴とする請求項１に記載のデータ処理装置。
3. 前記管理項目のそれぞれは、前記生産設備が実行する一連の動作の中の１つの動作を示す、
   ことを特徴とする請求項１または２に記載のデータ処理装置。
4. 前記特徴データ抽出部は、前記生産設備で動作異常が発生した時の特徴データを抽出し、
   前記学習モデル生成部は、前記特徴データ抽出部で抽出された、前記生産設備で動作異常が発生した時の特徴データに基づいて、前記生産設備の動作異常を検出するための学習モデルを生成する、
   ことを特徴とする請求項１から３のいずれか一つに記載のデータ処理装置。
5. 前記観測データ判定部は、前記観測データ収集部が収集した観測データを複製して前記管理項目ごとの学習モデルと同じ数の観測データを生成し、生成した観測データのそれぞれと前記管理項目ごとの学習モデルのそれぞれとに基づいて前記生産設備の前記管理項目ごとの稼働状況を判定する、
   ことを特徴とする請求項１から４のいずれか一つに記載のデータ処理装置。
6. データ処理装置が生産設備から出力されるデータを処理するデータ処理方法であって、
   前記生産設備が稼働中に発生する振動の観測データを収集する観測データ収集ステップと、
   前記観測データを前記生産設備が実行する一連の動作のそれぞれに基づいて時間軸上で区分し、前記生産設備の稼働状況を判定する単位である管理項目ごとの複数の分析対象データを生成するデータ区分ステップと、
   前記分析対象データのそれぞれを分析して前記管理項目の特徴を示す特徴データを抽出する特徴データ抽出ステップと、
   前記生産設備の稼働状況を判定するための学習モデルを前記特徴データに基づいて前記管理項目ごとに生成する学習モデル生成ステップと、
   前記学習モデル生成ステップで生成した前記管理項目ごとの学習モデルと、前記観測データ収集ステップで新たに収集した観測データとに基づいて、前記生産設備の前記管理項目ごとの稼働状況を判定する観測データ判定ステップと、
   前記観測データ判定ステップにおける前記管理項目ごとの稼働状況の判定結果を出力する出力ステップと、
   を含むことを特徴とするデータ処理方法。
7. 生産設備が稼働中に発生する振動の観測データを収集する観測データ収集ステップと、
   前記観測データを前記生産設備が実行する一連の動作のそれぞれに基づいて時間軸上で区分し、前記生産設備の稼働状況を判定する単位である管理項目ごとの複数の分析対象データを生成するデータ区分ステップと、
   前記分析対象データのそれぞれを分析して前記管理項目の特徴を示す特徴データを抽出する特徴データ抽出ステップと、
   前記生産設備の稼働状況を判定するための学習モデルを前記特徴データに基づいて前記管理項目ごとに生成する学習モデル生成ステップと、
   前記学習モデル生成ステップで生成した前記管理項目ごとの学習モデルと、前記観測データ収集ステップで新たに収集した観測データとに基づいて、前記生産設備の前記管理項目ごとの稼働状況を判定する観測データ判定ステップと、
   前記観測データ判定ステップにおける前記管理項目ごとの稼働状況の判定結果を出力する出力ステップと、
   をコンピュータに実行させることを特徴とするデータ処理プログラム。

Images