JP7044175B2 - 異常判定支援装置 - Google Patents
異常判定支援装置 Download PDFInfo
- Publication number
- JP7044175B2 JP7044175B2 JP2020558554A JP2020558554A JP7044175B2 JP 7044175 B2 JP7044175 B2 JP 7044175B2 JP 2020558554 A JP2020558554 A JP 2020558554A JP 2020558554 A JP2020558554 A JP 2020558554A JP 7044175 B2 JP7044175 B2 JP 7044175B2
- Authority
- JP
- Japan
- Prior art keywords
- abnormality
- target data
- determination
- analysis target
- data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
- G05B23/0224—Process history based detection method, e.g. whereby history implies the availability of large amounts of data
- G05B23/024—Quantitative history assessment, e.g. mathematical relationships between available data; Functions therefor; Principal component analysis [PCA]; Partial least square [PLS]; Statistical classifiers, e.g. Bayesian networks, linear regression or correlation analysis; Neural networks
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0259—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
- G05B23/0267—Fault communication, e.g. human machine interface [HMI]
- G05B23/0272—Presentation of monitored results, e.g. selection of status reports to be displayed; Filtering information to the user
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
- G05B23/0221—Preprocessing measurements, e.g. data collection rate adjustment; Standardization of measurements; Time series or signal analysis, e.g. frequency analysis or wavelets; Trustworthiness of measurements; Indexes therefor; Measurements using easily measured parameters to estimate parameters difficult to measure; Virtual sensor creation; De-noising; Sensor fusion; Unconventional preprocessing inherently present in specific fault detection methods like PCA-based methods
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
- G05B23/0243—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults model based detection method, e.g. first-principles knowledge model
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0259—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
- G05B23/0275—Fault isolation and identification, e.g. classify fault; estimate cause or root of failure
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
Description
図1は、本発明の実施の形態の異常判定支援装置が適用される製造設備のシステム例を示す図である。本実施の形態において異常判定支援装置2が適用されている製造設備20は、熱間薄板圧延ラインである。熱間薄板圧延ラインは、加熱炉21、粗圧延機22,23、バーヒータ24、仕上圧延機25、ランアウトテーブル26、巻き取り機27などの各種の装置からなる製造設備20である。
異常判定支援装置2は、例えばLANによってデータ採取装置1に接続されている。異常判定支援装置2は、ユーザによる製造設備20の異常判定を支援する装置である。より詳しくは、異常判定支援装置2は、製造設備20において異常が生じているか判定するための判断材料をユーザに対して提供する装置であり、製造設備20の異常判定に用いる解析対象データをデータ採取装置1に記録された時系列信号から抽出し、解析し、その解析結果をユーザに対して提供することにより、ユーザが行う異常判定を支援する。異常判定支援装置2は、少なくとも1つのメモリと少なくとも1つのプロセッサとを有するコンピュータである。メモリには、異常判定に用いる各種のプログラムや各種のデータが記憶されている。
3-1.解析対象データ作成部
解析対象データ作成部3は、データ採取装置1から振動、電流、荷重などの製造設備20の状態を表す時系列信号及び製品品質を表す時系列信号を取得し、それら時系列信号から一次判定部4で行う解析や判定に必要なデータを抽出する。ただし、製造設備20が稼働していないと異常か正常かの情報は得られないので、解析対象データ作成部3は製造設備20が稼働中のデータを時系列信号から抽出する。
一次判定部4は、解析対象データ作成部3において負荷状態と非負荷状態、或いは測定時状態と非測定時状態とに分類された解析対象データに対し、複数種類の異なる解析方法を適用する。詳しくは、一次判定部4は、複数種類の異なる解析方法を共通の解析対象データに適用することで、解析対象データを解析方法の数の判定に適する数値指標に変換する。また、一次判定部4は、複数の数値指標のそれぞれに基づき製造設備20の異常の判定と異常度合の計算とを行い、また、製品品質の異常の判定と異常度合の計算とを行う。
(1)平均値
(4)実効値
(5)Peak値
例えば正の最大値から大きい順に10個の平均値、又は負の最小値から小さい順に10個の平均値
(6)波形率
(7)波高率
(8)衝撃指数
(9)間隙率
(10)歪度
(11)尖り度
解析方法の第2例として、偏差データの確率密度分布と正規分布との差を用いることについて説明する。確率密度分布とは、データxがある範囲を変化するとき、その範囲の中のある値となる確率を表したもので、その範囲内の確率を全て加算すると1(100%)となる。
解析方法の第3例として、偏差データの極大値及び極小値のそれぞれを対象として確率密度分布を計算し、レイリー分布との差を数値指標とする方法について説明する。極大値、極小値の場合は、正常時のデータの分布は正規分布ではなく、図9に示すようなレイリー分布となる。数値指標の計算、正常/異常の判定方法は、前記と同様である。なお、上記の確率密度の値は無次元の値である。
解析方法の第4例として、自己回帰モデルを用いる方法について説明する。一般に、回帰モデルとは、従属変数と独立変数との関係を例えば一次多項式の形で表したものであり、従属変数と独立変数は異なる変数でもよい。例えば、従属変数を圧延荷重とした場合、独立変数を変形抵抗、圧延速度、材料温度として回帰モデルを作ることができる。自己回帰モデルとは、従属変数と独立変数が同じデータ種別であるが、従属変数は現在の値であり、独立変数はその過去の値を用いるものである。例えば、圧延荷重を過去の自身の値(圧延荷重)で同定することに相当する。自己回帰モデルは、例えば以下の式10で表される。ここで、εは白色ノイズ、α0、α1、…、αK-1は自己回帰係数である。なお、自己回帰係数の値は無次元の値である。
解析方法としては、上記の例の他にもFFT(高速フーリエ変換)、ウェーブレット変換などの解析方法もあり、上記の例には限定されない。
ケース1:標準偏差や歪度などの統計量そのもの
ケース2:ケース1に基づくHotelling理論の指標
ケース3:原データの確率密度分布と正規分布との差を表す式7~9の値
ケース4:ケース3に基づくHotelling理論の指標
ケース5:原データの極大値・極小値の確率密度分布とレイリー分布との差を表す式7~9の値
ケース6:ケース5に基づくHotelling理論の指標
ケース7:自己回帰モデルで同定された自己回帰係数そのものの値
ケース8:ケース7に基づくHotelling理論の指標
次に、二次判定部5について説明する。
図12は、二次判定部5が備える機械学習装置の第1例を示す図である。図12では、一次判定部の数値指標が機械学習装置122に対する入力121であり、正常又は異常の判定結果(二次判定結果)と推定した異常原因とが出力123である。学習段階では、教師信号として、入力121とその結果としての出力123を一対として機械学習装置122に与える。二次判定を行う段階では、入力121のみを機械学習装置122に与え、その結果である出力123を判定結果とする。
図15は、二次判定部5が備える機械学習装置の第2例を示す図である。図12に示す第1例とは異なり、第2例の機械学習装置132では、一次判定部4からの入力131は、数値指標ではなく、正常か異常を判定した結果と異常度合である。第1例と第2例とは入力が異なっているが、その他は同じである。しかしながら、一次判定部4からの入力131を、数値指標ではなく正常か異常を判定した結果とした場合、一次判定部4における正常/異常の判定に用いた閾値を変更すると、正常/異常の判定結果が大きく変わることがある。そうなると学習を最初からやり直さないといけない。
一般に、正常データの数・種類に比べて異常データの数・種類は非常に少なく、異常であることを示す事例を集めるのに多くの時間がかかることが一般的である。すなわち図12に示す第1例の機械学習装置122、図15に示す第2例の機械学習装置132が学習するためには、異常状態を含む入力と正解が対になった教師信号を得る頻度が小さく、十分な学習能力を持つまでに時間がかかるという課題がある。
異常データが少ない場合の対策として、機械学習における転移学習を適用することができる。一般に転移学習とは、機械学習でまだ十分学習データが貯まっていないときに用いられる手法であり、別の場所や別の機会に学習した結果(機械学習、例えばニューラルネットワーク内部の結合重み)を当該機械学習に転用する方法である。別の製造設備で多くの異常データが得られている場合、そこで機械学習した結果、異常データが少ない当該製造設備に移すことができる。ただし、製造設備の特性が異なる場合には、特性の違いを適切に評価して差を減らさないといけない。
再び図2に戻り、データ及び結果保存部7と表示部8とについて説明する。データ及び結果保存部7は、解析対象データ作成部3により作成された解析対象データ、一次判定部4の判定経過及び結果、二次判定部5の判定経過及び結果をハードディスク等の記憶装置などに保存する。後々、判定した理由や根拠を取り出せるようにするためである。
2:異常判定支援装置
3:解析対象データ作成部
4:一次判定部
5:二次判定部
6:情報入力部
7:データ及び結果保存部
8:表示部
20:製造設備
122,132,137:機械学習装置
Claims (12)
- 製造設備において異常が生じているか判定するための判断材料を提供する異常判定支援装置であって、
前記製造設備のデータ採取装置から前記製造設備の状態又は製品品質の少なくとも一方を表す時系列信号を取得し、前記時系列信号から解析対象データを抽出する解析対象データ作成部と、
前記解析対象データ作成部で抽出された前記解析対象データに複数種類の異なる解析方法を適用することによって、共通の前記解析対象データから複数の一次判定結果を導出する一次判定部と、
前記一次判定部で得られた一次判定結果とそれに対応する正解としての異常判定結果及び異常原因との対を教師信号として学習された機械学習装置を有し、前記一次判定部において共通の前記解析対象データから得られた前記複数の一次判定結果を前記機械学習装置に入力し、前記機械学習装置から出力される二次判定結果及び推定異常原因を前記判断材料として出力する二次判定部と、
を備えることを特徴とする異常判定支援装置。 - 前記一次判定部は、前記解析対象データに前記複数種類の異なる解析方法を適用することによって前記解析対象データを複数の数値指標に変換し、前記複数の数値指標を前記複数の一次判定結果として出力し、
前記機械学習装置は、前記一次判定部で得られた数値指標を入力とし、実際の異常判定結果及び異常原因を正解とする教師信号を用いて学習され、
前記二次判定部は、前記一次判定部で前記解析方法ごとに得られた前記複数の数値指標を前記機械学習装置に入力し、前記機械学習装置から出力される異常判定結果及び推定異常原因を前記判断材料として出力する
ことを特徴とする請求項1に記載の異常判定支援装置。 - 前記一次判定部は、前記解析対象データに前記複数種類の異なる解析方法を適用することによって前記解析対象データを複数の数値指標に変換し、前記複数の数値指標のそれぞれと前記複数の数値指標のそれぞれに対応する閾値とに基づき異常の有無の判定を行うとともに前記複数の数値指標のそれぞれに基づき異常度合いの計算を行い、前記解析方法ごとに得られた複数の判定結果及び異常度合を前記複数の一次判定結果として出力し、
前記機械学習装置は、前記一次判定部で得られた判定結果及び異常度合いを入力とし、実際の異常判定結果及び異常原因を正解とする教師信号を用いて学習され、
前記二次判定部は、前記一次判定部で前記解析方法ごとに得られた前記複数の判定結果及び異常度合いを前記機械学習装置に入力し、前記機械学習装置から出力される異常判定結果及び推定異常原因を前記判断材料として出力する
ことを特徴とする請求項1に記載の異常判定支援装置。 - 前記一次判定部は、前記解析対象データに前記複数種類の異なる解析方法を適用することによって前記解析対象データを複数の数値指標に変換し、前記複数の数値指標を前記複数の一次判定結果として出力し、
前記機械学習装置は、前記一次判定部で得られた数値指標を入力とし、前記数値指標と前記数値指標に対応する閾値とから判定される異常の有無と前記数値指標から計算される異常度合いとを正解とする教師信号を用いて学習され、
前記二次判定部は、前記一次判定部で前記解析方法ごとに得られた前記複数の数値指標を前記機械学習装置に入力し、前記機械学習装置から出力される異常判定結果及び推定異常原因を前記判断材料として出力する
ことを特徴とする請求項1に記載の異常判定支援装置。 - 前記解析対象データ作成部は、前記製造設備が稼働中における前記製造設備の負荷状態と非負荷状態の2つの状態におけるデータを抽出し、さらに抽出したデータから低周波数成分を除いた高周波数成分を前記解析対象データとして算出する
ことを特徴とする請求項1乃至4の何れか1項に記載の異常判定支援装置。 - 前記解析対象データ作成部は、前記製造設備が稼働中における製品品質測定用のセンサの測定時状態と非測定時状態の2つの状態におけるデータを抽出し、さらに抽出したデータから低周波数成分を除いた高周波数成分を前記解析対象データとして算出する
ことを特徴とする請求項1乃至4の何れか1項に記載の異常判定支援装置。 - 前記一次判定部は、前記負荷状態と前記非負荷状態のそれぞれにおける前記解析対象データに前記複数種類の異なる解析方法を適用することによって前記解析対象データを複数の数値指標に変換し、前記複数の数値指標のそれぞれに基づき異常の有無の判定を行い、前記負荷状態で異常かつ前記非負荷状態で正常であれば機械系の異常と判定し、前記負荷状態で異常かつ前記非負荷状態で異常であれば電気系の異常、信号伝達系の異常、又は制御系の異常と判定する
ことを特徴とする請求項5に記載の異常判定支援装置。 - 前記一次判定部は、前記測定時状態と前記非測定時状態のそれぞれにおける前記解析対象データに前記複数種類の異なる解析方法を適用することによって前記解析対象データを複数の数値指標に変換し、前記複数の数値指標のそれぞれに基づき異常の有無の判定を行い、前記測定時状態で異常かつ前記非測定時状態で正常であれば製品品質の異常と判定し、前記測定時状態で異常かつ前記非測定時状態で異常であれば製品品質を測定するセンサ系の異常、又は信号伝達系の異常と判定する
ことを特徴とする請求項6に記載の異常判定支援装置。 - 前記機械学習装置は,中間層が1つであるニューラルネットワークによる学習、中間層が複数から成るニューラルネットワークによる深層学習、及びルールベースの学習のうちの何れか一つの方法により学習を行う
ことを特徴とする請求項1乃至8の何れか1項に記載の異常判定支援装置。 - 前記機械学習装置は、前記一次判定部で得られた一次判定結果を示す変数のうち物理単位を持たない無次元変数を学習対象とし、前記無次元変数は他の製造設備の異常判定支援装置への転移学習、又は他の製造設備の異常判定支援装置からの転移学習に適用される
ことを特徴とする請求項1乃至9の何れか1項に記載の異常判定支援装置。 - 前記解析対象データ作成部により作成された解析対象データ、前記一次判定部の判定経過及び結果、前記二次判定部の判定経過及び結果のうちの少なくとも一つを記録装置に保存するデータ及び結果保存部、
を備えることを特徴とする請求項1乃至10の何れか1項に記載の異常判定支援装置。 - 前記データ採取装置から得られる時系列信号、前記解析対象データ作成部により作成された解析対象データ、前記一次判定部の判定経過及び結果、前記二次判定部の判定経過及び結果のうちの少なくとも一つを視覚的に表示する表示部、
を備えることを特徴とする請求項1乃至11の何れか1項に記載の異常判定支援装置。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP2019/012973 WO2020194534A1 (ja) | 2019-03-26 | 2019-03-26 | 異常判定支援装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
JPWO2020194534A1 JPWO2020194534A1 (ja) | 2021-04-30 |
JP7044175B2 true JP7044175B2 (ja) | 2022-03-30 |
Family
ID=72609660
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020558554A Active JP7044175B2 (ja) | 2019-03-26 | 2019-03-26 | 異常判定支援装置 |
Country Status (7)
Country | Link |
---|---|
US (1) | US11392114B2 (ja) |
EP (1) | EP3764184A4 (ja) |
JP (1) | JP7044175B2 (ja) |
KR (1) | KR102398307B1 (ja) |
CN (1) | CN112041771A (ja) |
TW (1) | TWI728422B (ja) |
WO (1) | WO2020194534A1 (ja) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102019108268A1 (de) * | 2019-03-29 | 2020-10-01 | Festo Ag & Co. Kg | Anomaliedetektion in einem pneumatischen System |
TWI792086B (zh) * | 2020-10-30 | 2023-02-11 | 友達光電股份有限公司 | 行動式設備診斷裝置及設備診斷資訊顯示方法 |
JP2022084435A (ja) * | 2020-11-26 | 2022-06-07 | 三菱重工業株式会社 | 異常検知システム、異常検知方法およびプログラム |
JP2022113534A (ja) * | 2021-01-25 | 2022-08-04 | オムロン株式会社 | 品質予測システム、モデル生成装置、品質予測方法、及び品質予測プログラム |
JPWO2022249315A1 (ja) * | 2021-05-26 | 2022-12-01 | ||
US11734013B2 (en) | 2021-06-17 | 2023-08-22 | International Business Machines Corporation | Exception summary for invalid values detected during instruction execution |
JP2023012094A (ja) * | 2021-07-13 | 2023-01-25 | 荏原環境プラント株式会社 | 情報処理方法、情報処理装置、および情報処理プログラム |
TWI784718B (zh) * | 2021-09-17 | 2022-11-21 | 和碩聯合科技股份有限公司 | 廠區告警事件處理方法與系統 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6252675B2 (ja) | 2014-05-20 | 2017-12-27 | 東芝三菱電機産業システム株式会社 | 製造設備診断支援装置 |
JP2018106562A (ja) | 2016-12-27 | 2018-07-05 | 株式会社ジェイテクト | 解析装置および解析システム |
Family Cites Families (24)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS5828948B2 (ja) | 1975-08-19 | 1983-06-18 | 松下電器産業株式会社 | デンゲンデンアツキヨウキユウソウチ |
JP4605132B2 (ja) * | 2006-09-29 | 2011-01-05 | パナソニック電工株式会社 | 異常検出装置、異常検出方法 |
JP5519472B2 (ja) * | 2010-10-27 | 2014-06-11 | 株式会社日立製作所 | 被圧延材張力制御装置、被圧延材張力制御方法および熱間タンデム圧延機 |
JP5647917B2 (ja) * | 2011-03-04 | 2015-01-07 | 東芝三菱電機産業システム株式会社 | 制御装置及び制御方法 |
CN103384572B (zh) * | 2011-03-18 | 2015-05-27 | 株式会社日立制作所 | 轧制控制装置、轧制控制方法以及轧制控制程序 |
CN102496028B (zh) * | 2011-11-14 | 2013-03-20 | 华中科技大学 | 一种复杂装备的事后维修故障分析方法 |
JP2015075821A (ja) * | 2013-10-07 | 2015-04-20 | 横河電機株式会社 | 状態診断方法および状態診断装置 |
CN104102773B (zh) * | 2014-07-05 | 2017-06-06 | 山东鲁能软件技术有限公司 | 一种设备故障预警及状态监测方法 |
EP3183622B1 (en) | 2014-08-26 | 2021-09-22 | Mtelligence Corporation | Population-based learning with deep belief networks |
JP5828948B2 (ja) | 2014-10-09 | 2015-12-09 | 株式会社高田工業所 | 回転機械系の異常診断方法 |
JP6156355B2 (ja) * | 2014-12-24 | 2017-07-05 | コニカミノルタ株式会社 | 画像形成システム、記録材の搬送停止方法、および記録材の搬送停止プログラム |
WO2017109903A1 (ja) | 2015-12-24 | 2017-06-29 | 株式会社 東芝 | 異常原因推定装置及び異常原因推定方法 |
JP6140331B1 (ja) * | 2016-04-08 | 2017-05-31 | ファナック株式会社 | 主軸または主軸を駆動するモータの故障予知を学習する機械学習装置および機械学習方法、並びに、機械学習装置を備えた故障予知装置および故障予知システム |
JP6661559B2 (ja) * | 2017-02-03 | 2020-03-11 | 株式会社東芝 | 異常検出装置、異常検出方法およびプログラム |
JP6841558B2 (ja) * | 2017-02-24 | 2021-03-10 | Thk株式会社 | 転がり案内装置の状態診断システム及び状態診断方法 |
US10928814B2 (en) * | 2017-02-24 | 2021-02-23 | General Electric Technology Gmbh | Autonomous procedure for monitoring and diagnostics of machine based on electrical signature analysis |
CN107132410B (zh) * | 2017-03-13 | 2018-09-25 | 广东电网有限责任公司信息中心 | 10kV线路线损率异常原因检测方法和系统 |
EP3379357B1 (en) | 2017-03-24 | 2019-07-10 | ABB Schweiz AG | Computer system and method for monitoring the technical state of industrial process systems |
JP6860406B2 (ja) * | 2017-04-05 | 2021-04-14 | 株式会社荏原製作所 | 半導体製造装置、半導体製造装置の故障予知方法、および半導体製造装置の故障予知プログラム |
JP6711323B2 (ja) * | 2017-07-04 | 2020-06-17 | Jfeスチール株式会社 | プロセスの異常状態診断方法および異常状態診断装置 |
JP6945371B2 (ja) | 2017-07-19 | 2021-10-06 | 株式会社日立製作所 | 回転機システムの診断装置、電力変換装置、回転機システム、および回転機システムの診断方法 |
JP6380628B1 (ja) | 2017-07-31 | 2018-08-29 | 株式会社安川電機 | 電力変換装置、サーバ、及びデータ生成方法 |
CN107817404B (zh) * | 2017-11-18 | 2023-06-20 | 广西电网有限责任公司电力科学研究院 | 一种便携式计量自动化终端故障诊断装置及其诊断方法 |
CN109218114B (zh) * | 2018-11-12 | 2021-06-08 | 西安微电子技术研究所 | 一种基于决策树的服务器故障自动检测系统及检测方法 |
-
2019
- 2019-03-26 JP JP2020558554A patent/JP7044175B2/ja active Active
- 2019-03-26 EP EP19921842.1A patent/EP3764184A4/en active Pending
- 2019-03-26 CN CN201980027213.4A patent/CN112041771A/zh active Pending
- 2019-03-26 WO PCT/JP2019/012973 patent/WO2020194534A1/ja unknown
- 2019-03-26 KR KR1020207030237A patent/KR102398307B1/ko active IP Right Grant
- 2019-03-26 US US16/977,476 patent/US11392114B2/en active Active
- 2019-08-08 TW TW108128299A patent/TWI728422B/zh active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6252675B2 (ja) | 2014-05-20 | 2017-12-27 | 東芝三菱電機産業システム株式会社 | 製造設備診断支援装置 |
JP2018106562A (ja) | 2016-12-27 | 2018-07-05 | 株式会社ジェイテクト | 解析装置および解析システム |
Also Published As
Publication number | Publication date |
---|---|
TW202036016A (zh) | 2020-10-01 |
CN112041771A (zh) | 2020-12-04 |
US20210232131A1 (en) | 2021-07-29 |
TWI728422B (zh) | 2021-05-21 |
WO2020194534A1 (ja) | 2020-10-01 |
JPWO2020194534A1 (ja) | 2021-04-30 |
KR102398307B1 (ko) | 2022-05-16 |
EP3764184A4 (en) | 2021-04-21 |
KR20200135453A (ko) | 2020-12-02 |
EP3764184A1 (en) | 2021-01-13 |
US11392114B2 (en) | 2022-07-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7044175B2 (ja) | 異常判定支援装置 | |
CN107949813B (zh) | 制造设备诊断辅助装置及制造设备诊断辅助方法 | |
CN109996615B (zh) | 轧制设备的异常诊断方法及装置 | |
US10996662B2 (en) | Manufacturing equipment diagnosis support system | |
JP5158018B2 (ja) | 生産システムの設備診断装置および設備診断方法、並びに設備診断プログラムおよびこれを記録したコンピュータ読み取り可能な記録媒体 | |
KR102426172B1 (ko) | 조임 발생 예측 시스템 | |
JPWO2019016892A1 (ja) | 品質分析装置及び品質分析方法 | |
JP6885321B2 (ja) | プロセスの状態診断方法及び状態診断装置 | |
JP6662222B2 (ja) | 製造プロセスの異常状態診断方法及び異常状態診断装置 | |
Haapamäki et al. | Data Mining Methods in Hot Steel Rolling for Scale Defect Prediction. | |
JP6760503B2 (ja) | 製造プロセス監視装置 | |
JP7461798B2 (ja) | 設備監視支援装置、方法及びプログラム | |
US20230393113A1 (en) | Construction method of abnormality diagnosis model, abnormality diagnosis method, construction device of abnormality diagnosis model, and abnormality diagnosis device | |
CN114871278A (zh) | 辊管理装置 | |
PL227773B1 (pl) | Sposób ustalania oraz identyfikacji defektów podzespołów tekturnicy, zwłaszcza przekrawacza | |
JPH03258410A (ja) | タンデム圧延機における板厚異常の診断方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20201020 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20210803 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20211001 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20220215 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20220228 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7044175 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |