JP7357294B2 - 診断システム、診断方法、プログラム - Google Patents

Description

本開示は、一般に、診断システム、診断方法、及びプログラムに関する。本開示は、より詳細には、機器の異常の度合いを判定する診断システム、診断方法、及びプログラムに関する。

特許文献１は、経年劣化による回転装置の異常の誤診断を低減することが可能な異常診断装置（診断システム）を開示する。特許文献１の異常診断装置のコントローラは、運用度算出部と、閾値設定部と、振動測定部と、車軸回転数検出部と、特徴周波数成分抽出部と、異常診断部とを備える。運用度算出部は、回転装置の運用時間の指標値である運用度を算出する。閾値設定部は、運用度に基づき、運用時間の長さに応じて大きさの変化する振動に対応する適正な診断閾値を設定する。振動測定部は、回転装置に生じる振動を測定する。車軸回転数検出部は、車速に基づき車軸回転数を算出する。特徴周波数成分抽出部は、車軸回転数が設定回転数範囲に含まれるときに測定された振動の振動値から回転装置の異常に係る特徴周波数成分を抽出する。異常診断部は、特徴周波数成分と、診断閾値とを比較し、この比較結果に基づき回転装置の異常を診断する。

特許文献１では、特徴周波数成分を抽出するためには、車軸回転数が設定回転数範囲に含まれている必要がある。つまり、特許文献１では、診断のためには、回転装置（機器の駆動装置）の回転数が一定に維持される必要がある。

特開２０１７－３２４６７号公報

課題は、機器の駆動装置の回転数が一定に維持される期間がない場合でも、機器の異常の判定の精度を向上できる、診断システム、診断方法、及びプログラムを提供することである。

本開示の一態様の診断システムは、取得部と、判定部と、を備える。前記取得部は、機器の駆動装置に供給される電流に関する波形を示す電流波形データを取得する。前記判定部は、前記波形のうち前記駆動装置の回転数が増加又は減少している変化期間に対応する変化部分から、前記機器の異常の度合いを判定する。

本開示の一態様の診断方法は、機器の駆動装置に供給される電流に関する波形を示す電流波形データを取得し、前記波形のうち前記駆動装置の回転数が増加又は減少している変化期間に対応する変化部分から、前記機器の異常の度合いを判定する。

本開示の一態様のプログラムは、コンピュータシステムに、前記診断方法を実行させるための、プログラムである。

図１は、一実施形態の診断システムの説明図である。 図２は、機器の駆動装置に供給される電流に関する波形の説明図である。 図３は、図２に示す波形の解析結果の説明図である。 図４は、機器の駆動装置に供給される電流に関する波形の説明図である。 図５は、上記診断システムの動作のフローチャートである。

１．実施形態
１．１ 概要
図１は、一実施形態の診断システム１０を示す。診断システム１０は、取得部１１と、判定部１３と、を備える。取得部１１は、機器４０の駆動装置４２（４２１，４２２）に供給される電流Ｉ１０（Ｉ１１，Ｉ１２）に関する波形Ｗ１０を示す電流波形データ（図２参照）を取得する。判定部１３は、波形Ｗ１０のうち駆動装置４２の回転数が増加又は減少している変化期間Ｔｃ１，Ｔｃ２に対応する変化部分Ｗｃ１，Ｗｃ２から、機器４０の異常の度合いを判定する。

波形Ｗ１０のうち駆動装置４２の回転数が増加又は減少している変化期間Ｔｃ１，Ｔｃ２に対応する変化部分Ｗｃ１，Ｗｃ２と機器４０の異常の度合いとの間に相関があることが発見された。診断システム１０では、機器４０の異常の度合いを判定するにあたって、波形Ｗ１０のうち駆動装置４２の回転数が一定に維持されている期間（定常期間Ｔｓ）ではなく、変化期間Ｔｃ１，Ｔｃ２を利用する。よって、機器４０の駆動装置４２の回転数が一定に維持される期間（定常期間Ｔｓ）がない場合でも、機器４０の異常の度合いの判定の精度を向上できる。

１．２ 構成
以下、診断システム１０について更に詳細に説明する。診断システム１０は、図１に示すような機器４０の診断を行うために用いられる。

機器４０は、一例としては、作業機器である。作業機器は、所定の作業を実行する機器である。所定の作業の例としては、搬送等が挙げられる。このような作業機器としては、例えば、スカラロボットや搬送ロボット（例えば、リニアガイド、直交ロボット）等の搬送機が挙げられる。図１では、搬送機として、スカラロボットとスカラロボットを移動させるリニアガイドとで構成された機器４０を示している。なお、所定の作業は搬送に限られず、例えば、材料や物品の加工、配置、及び実装等でも良い。加工は、例えば、中ぐり、穴あけ、ねじ立て、切断、研磨等の物理的な処理、及び、加熱、冷却等の化学的な処理を含み得る。このような作業機器は、旋盤等の工作機械、電子部品実装機、搬送機、熱処理装置、産業用ロボット及びこれらの組み合わせ等でも良い。なお、産業用ロボットは、搬送ロボットに限定されず、溶接ロボット、組立ロボット、塗装ロボット、検査ロボット、研磨ロボット、洗浄ロボットであってもよい。

機器４０は、図１に示すように、機構部４１（４１１，４１２）と、駆動装置４２（４２１，４２２）と、制御装置４３とを含む。

機構部４１（４１１，４１２）は、所定の作業を実行するための装置である。機構部４１は、材料又は物品の搬送を実行する装置である。機構部４１は、ボールねじ、ギア、ベルト等の動力伝達部品を含む。一例として、機構部４１１は、スカラロボットのギアを含み、機構部４１２は、リニアガイドのボールねじ及びベルトの少なくとも一つを含む。なお、図１では、機構部４１を一部だけ図示しているが、これは単に説明を簡略化することを目的とするものであって、実際には、機構部４１はより多くの動力伝達部品を含み得る。

駆動装置４２（４２１，４２２）は、機構部４１（４１１，４１２）を駆動するための装置である。言い換えれば、駆動装置４２は、機構部４１の動力源である。駆動装置４２は、与えられた電流に応じて回転数が変化する。本実施形態では、駆動装置４２は、モータ（例えば、回転モータ、直動モータ）である。駆動装置４２は、交流モータを含む。交流モータは、サーボモータ、同期モータ、三相誘導モータ、単相誘導モータであってもよい。具体的には、駆動装置４２は、与えられた交流電流の基本周波数の変化に応じて単位時間当たりの回転数が変化する。一例として、基本周波数が高くなければ回転数が大きくなり、基本周波数が低くなれば回転数が小さくなる。駆動装置４２は、機器４０において、振動源になる。なお、図１では、駆動装置４２を２つだけ図示しているが、これは単に説明を簡略化することを目的とするものであって、実際には、更に多数の駆動装置４２が存在し得る。

制御装置４３は、駆動装置４２を制御するための装置である。制御装置４３は、電源装置４３１，４３２を備える。電源装置４３１，４３２は、駆動装置４２（４２１，４２２）にそれぞれ電流Ｉ１０（Ｉ１１，Ｉ１２）を供給する。電源装置４３１，４３２は、駆動装置４２（４２１，４２２）に電線５０（５１，５２）を介して接続されている。本実施形態では、駆動装置４２１，４２２は交流モータであるから、電流Ｉ１１，Ｉ１２は、基本周波数を有する交流である。電源装置４３１，４３２は、電流Ｉ１１，Ｉ１２の基本周波数を調整する機能を有する。電源装置４３１，４３２は、従来周知の交流電源回路により実現可能であるから詳細な説明は省略する。

診断システム１０は、図１に示すように、電流測定部２１，２２と、振動測定部３１，３２と、を備える。

電流測定部２１，２２は、機器４０の駆動装置４２１，４２２に供給される電流Ｉ１１，Ｉ１２を測定し、電流Ｉ１１，Ｉ１２に関する波形を示す電流波形データ（電流波形データ）を出力する。電流測定部２１，２２は、電源装置４３１，４３２から駆動装置４２１，４２２への電流Ｉ１１，Ｉ１２が流れる電線５１，５２に取り付けられる。電流測定部２１，２２は、電流センサを含む。本実施形態では、電流測定部２１，２２は、微分型の電流センサを含む。したがって、電流波形データは、電流Ｉ１１，Ｉ１２の微分の波形を示すデータである。この種の微分型の電流センサとしては、コアレスタイプのセンサ（例えば、サーチコイル）が挙げられる。サーチコイルには、電線５０に流れる電流Ｉ１０で生じる磁束に応じた誘導電圧が生じるから、電流Ｉ１０の測定が可能となる。ここで、サーチコイルの誘導電圧は、次式（１）で与えられる。式（１）において、ｅは誘導電圧、ｒはサーチコイルの半径、ｎはサーチコイルの巻き数、Ｂはサーチコイルに鎖交する磁界の磁束密度を示す。

この種の微分型の電流センサを用いることで、電流測定部２１，２２を、電線５１，５２に後付けすることが可能になる。

振動測定部３１，３２は、駆動装置４２での回転（回転子の回転）には現れない振動を測定するために用いられる。振動測定部３１，３２は、このような振動に関する波形を示す波形データ（振動波形データ）を出力する。特に、振動測定部３１は、機構部４１１及び駆動装置４２１に関連する振動を測定可能な箇所に設置される。また、振動測定部３２は、機構部４１２及び駆動装置４２２に関連する振動を測定可能な箇所に設置される。振動測定部３１，３２は、振動センサを含む。振動センサは、従来周知のものを使用できる。振動測定部３１，３２は、機器４０の所定箇所に設置される。所定箇所は、診断システム１０で判定しようとする機器４０の異常に応じて適宜選択される。カンチレバー等から取得する振動に基づいて異常を判定する方法自体は、従来周知の方法でよいから、詳細な説明は省略する。また、異常の判定には、ＡＩを利用してもよい。

診断システム１０は、図１に示すように、取得部１１と、抽出部１２と、判定部１３と、出力部１４と、収集部１５と、生成部１６と、記憶部１７と、を備える。

取得部１１は、機器４０の複数の駆動装置４２１，４２２にそれぞれ供給される電流Ｉ１１，Ｉ１２に関する波形を示す波形データ（電流波形データ）を取得する。より詳細には、取得部１１は、電流測定部２１及び電流測定部２２に接続されており、電流測定部２１及び電流測定部２２から別個に電流波形データを取得する。電流測定部２１からの電流波形データは、電流Ｉ１１の微分の波形を示すデータであり、電流測定部２２からの電流波形データは、電流Ｉ１２の微分の波形を示すデータである。また、取得部１１は、機器４０で発生する振動に関する波形を示す波形データ（振動波形データ）を取得する。より詳細には、取得部１１は、振動測定部３１及び振動測定部３２に接続されており、振動測定部３１及び振動測定部３２のそれぞれから別個に振動波形データを取得する。

抽出部１２は、取得部１１で取得された電流波形データが示す波形Ｗ１０から、変化部分Ｗｃ（Ｗｃ１，Ｗｃ２）を抽出する（図２参照）。変化部分Ｗｃ（Ｗｃ１，Ｗｃ２）は、波形Ｗ１０のうち、駆動装置４２の回転数が増加又は減少している変化期間Ｔｃ（Ｔｃ１，Ｔｃ２）に対応する部分である。特に、抽出部１２は、変化部分Ｗｃが第１変化部分Ｗｃ１か第２変化部分Ｗｃ２かを識別する。第１変化部分Ｗｃ１は、波形Ｗ１０のうち、駆動装置４２の回転数が増加している変化期間（第１変化期間）Ｔｃ１に対応する部分である。第２変化部分Ｗｃ２は、波形Ｗ１０のうち、駆動装置４２の回転数が減少している変化期間（第２変化期間）Ｔｃ２に対応する部分である。このように、抽出部１２は、波形Ｗ１０から、変化部分Ｗｃを抽出し、定常部分Ｗｓは抽出しない。定常部分Ｗｓは、波形Ｗ１０のうち、駆動装置４２の回転数が一定に維持されている定常期間Ｔｓに対応する部分である。抽出部１２は、電流測定部２１からの電流波形データと電流測定部２２からの電流波形データのそれぞれについて、変化部分Ｗｃの抽出を行う。もちろん、状況によっては、変化部分Ｗｃが含まれていないこともある。

本実施形態では、抽出部１２は、波形Ｗ１０から変化部分Ｗｃを抽出するにあたっては、波形Ｗ１０に対して短時間フーリエ変換（short-time Fourier transform：ＳＴＦＴ）を行う。図３は、波形Ｗ１０の短時間フーリエ変換の結果を示す。図３において、横軸は時間、縦軸は周波数、色の濃淡が振幅を示す。色が濃いほど、振幅が大きい。図３では、周波数が低い領域の分布Ｄ１０が、基本周波数に対応している。分布Ｄ１０において、時間に対して周波数が増加している期間が、第１変化期間Ｔｃ１である。また、時間に対して周波数が減少している期間が、第２変化期間Ｔｃ２である。また、時間に対して周波数が一定である期間が、定常期間Ｔｃ１である。波形Ｗ１０の短時間フーリエ変換の結果を利用すれば、第１変化期間Ｔｃ１、第２変化期間Ｔｃ２、及び定常期間Ｔｓの識別が容易に行える。抽出部１２は、波形Ｗ１０の短時間フーリエ変換の結果に基づき、第１変化期間Ｔｃ１及び第２変化期間Ｔｃ２を決定する。そして、抽出部１２は、第１変化期間Ｔｃ１及び第２変化期間Ｔｃ２に基づいて、波形Ｗ１０から変化部分Ｗｃ（Ｗｃ１，Ｗｃ２）を抽出する。

また、抽出部１２は、取得部１１で取得された振動波形データが示す波形から定常期間Ｔｓに対応する定常部分を抽出する。抽出部１２は、振動測定部３１からの振動波形データと振動測定部３２からの振動波形データのそれぞれについて、定常部分の抽出を行う。もちろん、状況によっては、定常部分が含まれていないこともある。

本実施形態では、上述したように、電流Ｉ１０の基本周波数が高くなければ駆動装置４２の回転数が大きくなり、電流Ｉ１０の基本周波数が低くなれば機器４０の回転数が小さくなる。このことから、抽出部１２は、電流Ｉ１０の基本周波数の時間的変化に基づいて、波形Ｗ１０から変化部分Ｗｃと定常部分Ｗｓとを抽出する。抽出部１２は、フーリエ変換等により取得部１１で取得された電流波形データの周波数の分析をし、周波数時間的変化から、変化期間Ｔｃ（Ｔｃ１，Ｔｃ２）及び定常期間Ｔｓを特定する。そして、抽出部１２は、変化期間Ｔｃ（Ｔｃ１，Ｔｃ２）及び定常期間Ｔｓに基づいて、波形Ｗ１０から変化部分Ｗｃと定常部分Ｗｓとを抽出する。

判定部１３は、波形Ｗ１０のうち駆動装置４２の回転数が増加又は減少している変化期間Ｔｃ１，Ｔｃ２に対応する変化部分Ｗｃ１，Ｗｃ２から、機器４０の異常の度合いを判定する。ここで、機器４０の正常時には、駆動装置４２に供給される電流Ｉ１０が、図４にＧ１１で示す正弦波形を有しているとする。機器４０に異常が発生している場合には、図４にＧ１２で示すように波形が乱れたり、Ｇ１３で示すように波形の振幅が小さくなったりする。つまり、機器４０の異常時には、波形に何らかの変化が生じていることが発見された。駆動装置４２に供給される電流Ｉ１０の波形と機器４０の異常の度合いとの間には相関関係が存在すると推察される。機器４０の異常の度合いは、例えば、異常の有無の２段階で表すことができる。また、機器４０の異常の度合いは、機構部４１の破損や摩耗等の複数種類の異常を含んでいてよい。一例として、異常の度合いは、異常なし（正常）、破損あり、摩耗大、摩耗中、摩耗小、３以上の多段階で表すことができる。

判定部１３は、学習済みモデルＭ１１を利用して、変化部分Ｗｃから機器４０の異常の度合いを判定する。ここで、学習済みモデルＭ１１は、与えられた入力（変化部分Ｗｃ）に対して、異常値を出力するように設計されている。判定部１３は、抽出部１２から得た変化部分Ｗｃを学習済みモデルＭ１１に与え、これによって学習済みモデルＭ１１から得られた値に基づいて、異常度合いを判定する。例えば、異常の度合いが異常の有無である場合、学習済みモデルＭ１１は、機器４０が正常である場合の変化部分Ｗｃを学習用データ（訓練標本）として用いた教師なし学習により生成することができる。例えば、異常の度合いが異常の種類を含む多段階である場合、学習済みモデルＭ１１は、異常の度合いに対応するラベルと変化部分Ｗｃとの関係を規定する学習用データ（データセット）を用いた教師あり学習により生成することができる。学習済みモデルＭ１１は、記憶部１７に記憶されている。本実施形態では、記憶部１７は、駆動装置４２に接続可能な複数種類の機構部４１にそれぞれ対応する複数の学習済みモデルＭ１１を記憶している。つまり、記憶部１７は、機構部４１１，４１２にそれぞれ対応する学習済みモデルＭ１１を記憶している。この場合、基準となる学習済みモデルＭ１１を生成し、これから派生モデルを生成することで、複数種類の学習済みモデルＭ１１を得てよい。

判定部１３は、複数の学習済みモデルＭ１１のうち駆動装置４２に接続された機構部４１に対応する学習済みモデルＭ１１を利用して、変化部分Ｗｃから機器４０の異常の度合いを判定する。上述したように、機器４０は、機構部４１１，４１２を備えており、機器４０の異常の度合いは、機構部４１１の異常の度合いと機構部４１２の異常の度合いとを含み得る。判定部１３は、機構部４１１に対応する電流測定部２１からの電流波形データ（つまり、機構部４１１を駆動する駆動装置４２１に供給される電流Ｉ１１の電流波形データ）については、機構部４１１に対応する学習済みモデルＭ１１を用いる。また、判定部１３は、電流測定部２２からの電流波形データ（つまり、機構部４１２を駆動する駆動装置４２２に供給される電流Ｉ１２の電流波形データ）については、機構部４１２に対応する学習済みモデルＭ１１を用いる。このように判定部１３は、機構部４１の異常の度合いを判定するにあたっては、機構部４１に対応付けられた学習済みモデルＭ１１を利用する。よって、機器４０の異常の度合いの判定の精度の向上が図れる。

更に、判定部１３は、振動波形データが示す波形のうち駆動装置４２の回転数が一定に維持されている定常期間Ｔｓに対応する定常部分から、機器４０の異常の度合いを判定してもよい。一例として、判定部１３は、機械振動工学に基づく従来周知の方法によって、機器４０の異常の度合いを判定してもよい。つまり、判定部１３は、電流波形データに基づく機器４０の異常の判定に加えて、振動波形データに基づく機器４０の異常の判定を利用してよい。これによって、電流と振動との２種類のパラメータから機器４０の異常の度合いの判定が可能となるから、機器４０の異常の度合いの判定の精度の向上が図れる。なお、判定部１３は、振動波形データについても、電流波形データと同様に、学習済みモデルを利用できる。

ここで、駆動装置４２の一方の動作時の振動は、他方に関する振動測定部３２での測定に影響を及ぼす恐れがあるが、電流測定部２２での測定にはほとんど影響がない。これによって、電流測定部２１，２２の電流波形データは、振動測定部３１，３２の振動波形データと異なり、相互に影響を受けにくいことが確認されている。したがって、本実施形態の機器４０のように振動源となる駆動装置４２を複数備えている場合においては、振動波形データに基づく異常の判定よりも、電流波形データに基づく異常の判定のほうが信頼度が高くなりやすい。

出力部１４は、判定部１３での判定の結果の出力を行う。出力部１４は、例えば、音声出力装置と、ディスプレイと、を有する。ディスプレイは、例えば、液晶ディスプレイや有機ＥＬディスプレイ等の薄型のディスプレイ装置である。出力部１４は、判定部１３での判定の結果をディスプレイに表示したり、音声出力装置で報知したりしてもよい。また、出力部１４は、判定部１３での判定の結果をデータとして外部装置に送信したり、蓄積したりしてもよい。なお、出力部１４は、音声出力装置とディスプレイとの両方を有する必要はない。

収集部１５は、取得部１１で取得されたデータを収集して蓄積する。本実施形態では、取得部１１で取得されたデータは、電流測定部２１及び電流測定部２２からの電流波形データを含む。収集部１５が収集したデータは、学習済みモデルＭ１１の生成・改良に利用される。

生成部１６は、判定部１３が利用する学習済みモデルＭ１１の生成を行う。生成部１６は、一定量以上の学習用データを用いて、機械学習アルゴリズムによって学習済みモデルＭ１１を生成する。学習用データは、予め用意されていてもよいし、収集部１５が蓄積したデータから生成されてもよい。収集部１５が蓄積したデータから生成された学習用データを採用することで、学習済みモデルＭ１１を用いた異常判定の精度の更なる向上が見込める。生成部１６は、新しく生成した学習済みモデルＭ１１の評価を行い、学習済みモデルＭ１１の評価が向上すると、記憶部１７に記憶されている学習済みモデルＭ１１を新しく生成した学習済みモデルＭ１１に置き換えて、学習済みモデルＭ１１の更新を行う。学習済みモデルＭ１１の生成の方法としては、上述したように、異常の度合いの内容に応じて、教師なし学習、教師あり学習を適宜利用できる。なお、教師なし学習としては、代表的な、オートエンコーダ等の次元圧縮手法を利用できる。また、教師あり学習としては、代表的な、ＣＮＮ（Convolutional Neural Network）等を利用できる。

診断システム１０において、取得部１１と、抽出部１２と、判定部１３と、出力部１４と、収集部１５と、生成部１６とは、例えば、１以上のプロセッサ（一例としてはマイクロプロセッサ）と１以上のメモリとを含むコンピュータシステムにより実現され得る。つまり、１以上のプロセッサが１以上のメモリに記憶された１以上のプログラムを実行することで、取得部１１と、抽出部１２と、判定部１３と、出力部１４と、収集部１５と、生成部１６として機能する。１以上のプログラムは、メモリに予め記録されていてもよいし、インターネット等の電気通信回線を通じて、又はメモリカード等の非一時的な記録媒体に記録されて提供されてもよい。

１．３ 動作
次に、図５を参照して診断システム１０の基本的な動作について簡単に説明する。以下では、説明を簡略化するために、機器４０の機構部４１１に関する診断について説明する。

診断システム１０は、取得部１１により、機器４０の駆動装置４２１に供給される電流Ｉ１１に関する波形を示す波形データ（電流波形データ）を取得する（Ｓ１１）。次に、診断システム１０は、抽出部１２により、取得部１１で取得された電流波形データが示す波形Ｗ１０から、変化部分Ｗｃ（Ｗｃ１，Ｗｃ２）を抽出する（Ｓ１２）。この後に、診断システム１０は、判定部１３により、複数の学習済みモデルＭ１１のうち駆動装置４２１に接続された機構部４１１に対応する学習済みモデルＭ１１を利用して、変化部分Ｗｃから機器４０の異常の度合いを判定する（Ｓ１３）。最後に、診断システム１０は、出力部１４により、判定部１３での判定の結果の出力を行う（Ｓ１４）。このように、診断システム１０は、駆動装置４２１に供給される電流Ｉ１１に関する波形を示す波形データから、駆動装置４２１で駆動される機構部４１１の診断をしてその結果を提示できる。

１．４ まとめ
以上述べた診断システム１０は、取得部１１と、判定部１３と、を備える。取得部１１は、機器４０の駆動装置４２に供給される電流Ｉ１０に関する波形Ｗ１０を示す電流波形データを取得する。判定部１３は、波形Ｗ１０のうち駆動装置４２の回転数が増加又は減少している変化期間Ｔｃに対応する変化部分Ｗｃから、機器４０の異常の度合いを判定する。このような診断システム１０によれば、機器４０の駆動装置４２の回転数が一定に維持される期間がない場合でも、機器４０の異常の度合いの判定の精度を向上できる。

換言すれば、診断システム１０は、下記の診断方法（第１診断方法）を実行しているといえる。第１診断方法は、機器４０の駆動装置４２に供給される電流Ｉ１０に関する波形Ｗ１０を示す波形Ｗ１０データを取得する。また、診断方法は、波形Ｗ１０のうち駆動装置４２の回転数が増加又は減少している変化期間Ｔｃに対応する変化部分Ｗｃから、機器４０の異常の度合いを判定する。このような第１診断方法によれば、機器４０の駆動装置４２の回転数が一定に維持される期間がない場合でも、機器４０の異常の度合いの判定の精度を向上できる。

診断システム１０は、コンピュータシステムにより実現されている。つまり、診断システム１０は、コンピュータシステムがプログラム（診断プログラム）を実行することにより実現される。このプログラムは、コンピュータシステムに第１診断方法を実行させるためのプログラムである。このようなプログラムによれば、第１診断方法と同様に、機器４０の駆動装置４２の回転数が一定に維持される期間がない場合でも、機器４０の異常の度合いの判定の精度を向上できる。

別の観点から言えば、診断システム１０は、取得部１１と、抽出部１２と、を備える。取得部１１は、機器４０の駆動装置４２に供給される電流Ｉ１０に関する波形Ｗ１０を示す電流波形データを取得する。抽出部１２は、波形Ｗ１０から、変化部分Ｗｃを抽出する。変化部分Ｗｃは、駆動装置４２の回転数が増加又は減少している変化期間Ｔｃに対応する。このような診断システム１０によれば、機器４０の駆動装置４２の回転数が一定に維持される期間がない場合でも、機器４０の異常の度合いの判定の精度を向上できる。

換言すれば、診断システム１０は、下記の診断方法（第２診断方法）を実行しているといえる。第２診断方法は、機器４０の駆動装置４２に供給される電流Ｉ１０に関する波形Ｗ１０を示す電流波形データを取得する。また、診断方法は、波形Ｗ１０から、駆動装置４２の回転数が増加又は減少している変化期間Ｔｃに対応する変化部分Ｗｃを抽出する。第２診断方法によれば、機器４０の駆動装置４２の回転数が一定に維持される期間がない場合でも、機器４０の異常の度合いの判定の精度を向上できる。

診断システム１０は、コンピュータシステムにより実現されている。つまり、診断システム１０は、コンピュータシステムがプログラム（診断プログラム）を実行することにより実現される。このプログラムは、コンピュータシステムに第２診断方法を実行させるためのプログラムである。このようなプログラムによれば、第２診断方法と同様に、機器４０の駆動装置４２の回転数が一定に維持される期間がない場合でも、機器４０の異常の度合いの判定の精度を向上できる。

２．変形例
本開示の実施形態は、上記実施形態に限定されない。上記実施形態は、本開示の目的を達成できれば、設計等に応じて種々の変更が可能である。以下に、上記実施形態の変形例を列挙する。

例えば、診断システム１０は、必ずしも、電流測定部２０（２１，２２）と、振動測定部３０（３１，３２）と、を備えている必要はない。一例として、電流測定部２０（２１，２２）が予め機器４０に備えられていれば、診断システム１０は、取得部１１、抽出部１２、判定部１３、出力部１４、収集部１５、生成部１６、及び記憶部１７を有しているだけでもよい。この点は、振動測定部３０（３１，３２）についても同様である。

ここで、電流測定部２０は、必ずしも、微分型の電流センサを含む必要はなく、その他の従来周知の電流センサであってもよい。また、振動測定部３０は、必須ではない。つまり、診断システム１０は、振動波形データを用いて診断を行う機能を有していなくてよい。言い換えれば、診断システム１０は、電流波形データから機器４０の異常の度合いを判定する機能があれば十分である。

また、診断システム１０は、振動波形データを用いて診断を行う機能を有していなくてよい。つまり、診断システム１０は、電流波形データから機器４０の異常の度合いを判定する機能があれば十分である。

また、診断システム１０は、必ずしも、収集部１５、生成部１６、及び記憶部１７を有している必要はない。つまり、診断システム１０は、学習済みモデルＭ１１を自身で更新する機能を有していなくてよい。また、記憶部１７は、必ずしも複数の学習済みモデルＭ１１を記憶している必要はない。

また、抽出部１２は、変化部分Ｗｃの抽出に加えて、定常部分Ｗｓの抽出を行ってもよい。つまり、抽出部１２は、波形Ｗ１０から、変化部分Ｗｃと、駆動装置４２の回転数が一定に維持されている定常期間Ｔｓに対応する定常部分Ｗｓとを抽出してもよい。この場合、必要に応じて、定常部分Ｗｓを、異常の判定に補助的に使用し得る。また、抽出部１２は、必須ではない。例えば、抽出部１２での処理をユーザが代替して行う場合、診断システム１０は、変化部分Ｗｃの抽出を行わなくてよい。また、取得部１１で取得された電流波形データが示す波形Ｗ１０の全体を入力として学習済みモデルＭ１１から異常の度合いを出力として得てよい。つまり、変化部分Ｗｃの抽出を省略してよい。

また、判定部１３は、必須ではない。例えば、判定部１３での処理をユーザが代替して行う場合、診断システム１０は、変化部分Ｗｃをユーザに提示するだけでよい。

また、診断システム１０は、必ずしも、出力部１４を有している必要はない。一例として、診断システム１０は、判定部１３で判定された異常の度合いを、診断システム１０外に出力可能であってよい。

また、診断システム１０は、複数のコンピュータにより構成されていてもよく、診断システム１０の機能（特に、取得部１１、抽出部１２、判定部１３、出力部１４、収集部１５、及び生成部１６）は、複数の装置に分散されていてもよい。例えば、取得部１１、抽出部１２、判定部１３及び出力部１４は、機器４０のある施設に設置されるパーソナルコンピュータ等に設けられてよく、生成部１６及び出力部１４は、外部のサーバ等に設けられてよい。この場合、パーソナルコンピュータとサーバとが協働することで、診断システム１０が実現される。更に、診断システム１０の機能の少なくとも一部が、例えば、クラウド（クラウドコンピューティング）によって実現されていてもよい。

以上述べた診断システム１０の実行主体は、コンピュータシステムを含んでいる。コンピュータシステムは、ハードウェアとしてのプロセッサ及びメモリを有する。コンピュータシステムのメモリに記録されたプログラムをプロセッサが実行することによって、本開示における診断システム１０の実行主体としての機能が実現される。プログラムは、コンピュータシステムのメモリに予め記録されていてもよいが、電気通信回線を通じて提供されてもよい。また、プログラムは、コンピュータシステムで読み取り可能なメモリカード、光学ディスク、ハードディスクドライブ等の非一時的な記録媒体に記録されて提供されてもよい。コンピュータシステムのプロセッサは、半導体集積回路（ＩＣ）又は大規模集積回路（ＬＳＩ）を含む１乃至複数の電子回路で構成される。ＬＳＩの製造後にプログラムされる、フィールド・プログラマブル・ゲート・アレイ（ＦＧＰＡ）、ＡＳＩＣ（application specific integrated circuit）、又はＬＳＩ内部の接合関係の再構成又はＬＳＩ内部の回路区画のセットアップができる再構成可能な論理デバイスも同じ目的で使うことができる。複数の電子回路は、１つのチップに集約されていてもよいし、複数のチップに分散して設けられていてもよい。複数のチップは、１つの装置に集約されていてもよいし、複数の装置に分散して設けられていてもよい。

３．態様
上記実施形態及び変形例から明らかなように、本開示は、下記の態様を含む。以下では、実施形態との対応関係を明示するためだけに、符号を括弧付きで付している。

第１の態様の診断システム（１０）は、取得部（１１）と、判定部（１３）と、を備える。前記取得部（１１）は、機器（４０）の駆動装置（４２）に供給される電流（Ｉ１０）に関する波形（Ｗ１０）を示す電流波形データを取得する。前記判定部（１３）は、前記波形（Ｗ１０）のうち前記駆動装置（４２）の回転数が増加又は減少している変化期間（Ｔｃ）に対応する変化部分（Ｗｃ）から、前記機器（４０）の異常の度合いを判定する。第１の態様によれば、機器（４０）の駆動装置（４２）の回転数が一定に維持される期間がない場合でも、機器（４０）の異常の度合いの判定の精度を向上できる。

第２の態様の診断システム（１０）は、第１の態様との組み合わせにより実現され得る。第２の態様では、前記診断システム（１０）は、前記波形（Ｗ１０）から、前記変化部分（Ｗｃ）を抽出する抽出部（１２）を更に備える。第２の態様によれば、機器（４０）の駆動装置（４２）の回転数が一定に維持される期間がない場合でも、機器（４０）の異常の度合いの判定の精度を向上できる。

第３の態様の診断システム（１０）は、第２の態様との組み合わせにより実現され得る。第３の態様では、前記抽出部（１２）は、前記変化部分（Ｗｃ）が第１変化部分（Ｗｃ１）か第２変化部分（Ｗｃ２）かを識別する。前記第１変化部分（Ｗｃ１）は、前記波形（Ｗ１０）のうち前記駆動装置（４２）の回転数が増加している第１変化期間（Ｔｃ１）に対応する部分である。前記第２変化部分は、前記波形のうち前記駆動装置の回転数が減少している第２変化期間（Ｔｃ２）に対応する部分である。第３の態様によれば、機器（４０）の駆動装置（４２）の回転数が一定に維持される期間がない場合でも、機器（４０）の異常の度合いの判定の精度を向上できる。

第４の態様の診断システム（１０）は、第３の態様との組み合わせにより実現され得る。第４の態様では、前記電流（Ｉ１０）は、基本周波数を有する交流である。前記抽出部（１２）は、前記基本周波数の時間的変化に基づいて、前記波形（Ｗ１０）から前記変化部分（Ｗｃ）と前記定常部分（Ｗｓ）とを抽出する。第４の態様によれば、変化部分（Ｗｃ）の抽出の精度を向上できる。

第５の態様の診断システム（１０）は、第１～第４の態様のいずれか一つとの組み合わせにより実現され得る。第５の態様では、前記電流（Ｉ１０）を測定して前記電流波形データを出力する電流測定部（２０）を更に備える。前記電流測定部（２０）は、微分型の電流（Ｉ１０）センサを含む。第５の態様によれば、機器（４０）の駆動装置（４２）の回転数が一定に維持される期間がない場合でも、機器（４０）の異常の度合いの判定の精度を向上できる。

第６の態様の診断システム（１０）は、第５の態様との組み合わせにより実現され得る。第６の態様では、前記電流（Ｉ１０）測定部（２０）は、前記電流（Ｉ１０）が流れる電線（５０）に取り付けられる。第６の態様によれば、診断システム（１０）の実装が容易になる。

第７の態様の診断システム（１０）は、第１～第６の態様のいずれか一つとの組み合わせにより実現され得る。第７の態様では、前記機器（４０）は、作業機器（４０）を含む。第７の態様によれば、作業機器の診断が可能になる。

第８の態様の診断システム（１０）は、第１～第７の態様のいずれか一つとの組み合わせにより実現され得る。第８の態様では、前記機器（４０）は、振動源（４２）を含む。第８の態様によれば、電流波形データは振動による影響を受けにくいから、振動源（４２）の存在に起因する機器（４０）の異常の度合いの判定の精度の低下を抑制できる。

第９の態様の診断システム（１０）は、第１～第８の態様のいずれか一つとの組み合わせにより実現され得る。第９の態様では、前記機器（４０）は、前記駆動装置（４２）を複数有する。前記取得部（１１）は、前記複数の駆動装置（４２）のそれぞれの電流波形データを取得する。第９の態様によれば、電流波形データは相互に影響を受けにくいから、複数の駆動装置（４２）の存在に起因する機器（４０）の異常の度合いの判定の精度の低下を抑制できる。

第１０の態様の診断システム（１０）は、第１～第９の態様のいずれか一つとの組み合わせにより実現され得る。第１０の態様では、前記判定部（１３）は、学習済みモデル（Ｍ１１）を利用して、前記変化部分（Ｗｃ）から前記機器（４０）の異常の度合いを判定する。第１０の態様によれば、機器（４０）の異常時に起こる変化を学習させることが可能となり、機器（４０）の異常の度合いの判定の精度の更なる向上が図れる。

第１１の態様の診断システム（１０）は、第１０の態様との組み合わせにより実現され得る。第１１の態様では、前記診断システム（１０）は、前記駆動装置（４２）に接続可能な複数種類の機構部（４１）にそれぞれ対応する複数の前記学習済みモデル（Ｍ１１）を記憶する記憶部（１７）を更に備える。前記判定部（１３）は、前記複数の学習済みモデル（Ｍ１１）のうち前記駆動装置（４２）に接続された機構部（４１）に対応する学習済みモデル（Ｍ１１）を利用して、前記変化部分（Ｗｃ）から前記機器（４０）の異常の度合いを判定する。第１１の態様によれば、機器（４０）に適した学習済みモデル（Ｍ１１）を利用できるから、機器（４０）の異常の度合いの判定の精度の更なる向上が図れる。

第１２の態様の診断システム（１０）は、取得部（１１）と、抽出部（１２）と、を備える。前記取得部（１１）は、機器（４０）の駆動装置（４２）に供給される電流（Ｉ１０）に関する波形（Ｗ１０）を示す電流波形データを取得する。前記抽出部（１２）は、前記波形（Ｗ１０）から、変化部分（Ｗｃ）を抽出する。前記変化部分（Ｗｃ）は、前記駆動装置（４２）の回転数が増加又は減少している変化期間（Ｔｃ）に対応する。第１２の態様によれば、機器（４０）の駆動装置（４２）の回転数が一定に維持される期間がない場合でも、機器（４０）の異常の度合いの判定の精度を向上できる。

第１３の態様の診断方法は、機器（４０）の駆動装置（４２）に供給される電流（Ｉ１０）に関する波形（Ｗ１０）を示す電流波形データを取得する。また、前記診断方法は、前記波形（Ｗ１０）のうち前記駆動装置（４２）の回転数が増加又は減少している変化期間（Ｔｃ）に対応する変化部分（Ｗｃ）から、前記機器（４０）の異常の度合いを判定する。第１３の態様によれば、機器（４０）の駆動装置（４２）の回転数が一定に維持される期間がない場合でも、機器（４０）の異常の度合いの判定の精度を向上できる。

第１４の態様の診断方法は、機器（４０）の駆動装置（４２）に供給される電流（Ｉ１０）に関する波形（Ｗ１０）を示す電流波形データを取得する。また、前記診断方法は、前記波形（Ｗ１０）から、前記駆動装置（４２）の回転数が増加又は減少している変化期間に対応する変化部分（Ｗｃ）を抽出する。第１４の態様によれば、機器（４０）の駆動装置（４２）の回転数が一定に維持される期間がない場合でも、機器（４０）の異常の度合いの判定の精度を向上できる。

第１５の態様のプログラムは、コンピュータシステムに、第１３又は第１４の診断方法を実行させるための、プログラムである。第１５の態様によれば、機器（４０）の駆動装置（４２）の回転数が一定に維持される期間がない場合でも、機器（４０）の異常の度合いの判定の精度を向上できる。

１０ 診断システム
１１ 取得部
１２ 抽出部
１３ 判定部
２０ 電流測定部
４０ 機器
４２ 駆動装置
５０ 電線
Ｉ１０ 電流
Ｗ１０ 波形
Ｗｃ 変化部分
Ｗｃ１ 第１変化部分
Ｗｃ２ 第２変化部分
Ｗｓ 定常部分
Ｔｃ 変化期間
Ｔｃ１ 第１変化期間
Ｔｃ２ 第２変化期間
Ｔｓ 定常期間
Ｍ１１ 学習済みモデル

Claims (11)

1. 機器の駆動装置に供給される電流に関する波形を示す電流波形データを取得する取得部と、
   前記波形のうち前記駆動装置の回転数が増加又は減少している変化期間に対応する変化部分から、前記機器の異常の度合いを判定する判定部と、
   前記波形から、前記変化部分を抽出する抽出部と、
   を備え、
   前記抽出部は、前記変化部分が第１変化部分か第２変化部分かを識別し、
   前記第１変化部分は、前記波形のうち前記駆動装置の回転数が増加している第１変化期間に対応する部分であり、
   前記第２変化部分は、前記波形のうち前記駆動装置の回転数が減少している第２変化期間に対応する部分であり、
   前記電流は、基本周波数を有する交流であり、
   前記抽出部は、前記基本周波数の時間的変化に基づいて、前記波形から前記変化部分と定常部分とを抽出し、
   前記抽出部は、フーリエ変換により前記取得部で取得された前記電流波形データの周波数を分析し、周波数時間的変化から、前記変化部分を抽出する、
   診断システム。
2. 前記電流を測定して前記電流波形データを出力する電流測定部を更に備え、
   前記電流測定部は、微分型の電流センサを含む、
   請求項１の診断システム。
3. 前記電流測定部は、前記電流が流れる電線に取り付けられる、
   請求項２の診断システム。
4. 前記機器は、作業機器を含む、
   請求項１～３のいずれか一つの診断システム。
5. 前記機器は、振動源を含む、
   請求項１～４のいずれか一つの診断システム。
6. 前記機器は、前記駆動装置を複数有し、
   前記取得部は、前記複数の駆動装置のそれぞれの電流波形データを取得する、
   請求項１～５のいずれか一つの診断システム。
7. 前記判定部は、学習済みモデルを利用して、前記変化部分から前記機器の異常の度合いを判定する、
   請求項１～６のいずれか一つの診断システム。
8. 前記駆動装置に接続可能な複数種類の機構部にそれぞれ対応する複数の前記学習済みモデルを記憶する記憶部を更に備え、
   前記判定部は、前記複数の学習済みモデルのうち前記駆動装置に接続された機構部に対応する学習済みモデルを利用して、前記変化部分から前記機器の異常の度合いを判定する、
   請求項７の診断システム。
9. 機器の駆動装置に供給される電流に関する波形を示す電流波形データを取得する取得部と、
   前記波形のうち前記駆動装置の回転数が増加又は減少している変化期間に対応する変化部分から、前記機器の異常の度合いを判定する判定部と、
   前記駆動装置に接続可能な複数種類の機構部にそれぞれ対応する複数の学習済みモデルを記憶する記憶部と、を備え、
   前記判定部は、前記複数の学習済みモデルのうち前記駆動装置に接続された機構部に対応する学習済みモデルを利用して、前記変化部分から前記機器の異常の度合いを判定する、
   診断システム。
10. 機器の駆動装置に供給される電流に関する波形を示す電流波形データを取得し、
    前記波形のうち前記駆動装置の回転数が増加又は減少している変化期間に対応する変化部分から、前記機器の異常の度合いを判定し、
    前記波形から、前記変化部分を抽出し、
    前記変化部分が第１変化部分か第２変化部分かを識別し、
    前記第１変化部分は、前記波形のうち前記駆動装置の回転数が増加している第１変化期間に対応する部分であり、
    前記第２変化部分は、前記波形のうち前記駆動装置の回転数が減少している第２変化期間に対応する部分であり、
    前記電流は、基本周波数を有する交流であり、
    前記基本周波数の時間的変化に基づいて、前記波形から前記変化部分と定常部分とを抽出し、
    フーリエ変換により前記電流波形データの周波数を分析し、周波数時間的変化から、前記変化部分を抽出する、
    診断方法。
11. コンピュータシステムに、請求項１０の診断方法を実行させるための、
    プログラム。

Images