JP7437784B2 - 学習済みモデルの生成方法、保全表示装置、及びプログラム - Google Patents

学習済みモデルの生成方法、保全表示装置、及びプログラム Download PDF

Info

Publication number
JP7437784B2
JP7437784B2 JP2021515807A JP2021515807A JP7437784B2 JP 7437784 B2 JP7437784 B2 JP 7437784B2 JP 2021515807 A JP2021515807 A JP 2021515807A JP 2021515807 A JP2021515807 A JP 2021515807A JP 7437784 B2 JP7437784 B2 JP 7437784B2
Authority
JP
Japan
Prior art keywords
data
electrode sheet
maintenance
supply reel
bonding roller
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
Application number
JP2021515807A
Other languages
English (en)
Other versions
JPWO2020217644A1 (ja
Inventor
伸也 畠中
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Panasonic Intellectual Property Management Co Ltd
Original Assignee
Panasonic Intellectual Property Management Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Panasonic Intellectual Property Management Co Ltd filed Critical Panasonic Intellectual Property Management Co Ltd
Publication of JPWO2020217644A1 publication Critical patent/JPWO2020217644A1/ja
Application granted granted Critical
Publication of JP7437784B2 publication Critical patent/JP7437784B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G05B23/0259—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
    • G05B23/0283—Predictive maintenance, e.g. involving the monitoring of a system and, based on the monitoring results, taking decisions on the maintenance schedule of the monitored system; Estimating remaining useful life [RUL]
    • 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
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
    • G05B19/4183—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by data acquisition, e.g. workpiece identification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
    • H01M10/00—Secondary cells; Manufacture thereof
    • H01M10/04—Construction or manufacture in general
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
    • H01M10/00—Secondary cells; Manufacture thereof
    • H01M10/05—Accumulators with non-aqueous electrolyte
    • H01M10/058—Construction or manufacture
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
    • Y02E60/10—Energy storage using batteries
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P70/00—Climate change mitigation technologies in the production process for final industrial or consumer products
    • Y02P70/50—Manufacturing or production processes characterised by the final manufactured product

Landscapes

  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Software Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • General Engineering & Computer Science (AREA)
  • Manufacturing & Machinery (AREA)
  • Computing Systems (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Mathematical Physics (AREA)
  • Electrochemistry (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • General Chemical & Material Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Quality & Reliability (AREA)
  • Secondary Cells (AREA)
  • General Factory Administration (AREA)
  • Testing Electric Properties And Detecting Electric Faults (AREA)

Description

本開示は、生産設備の保全に関する情報を表示するために用いられる学習済みモデルの生成方法、保全表示装置、及びプログラムに関する。
ある設備について、劣化や故障等を予防し、正常な運転を維持するために保全システムを設けることが一般的に行われている。特許文献１には、変電所における排水ポンプ故障や配電盤地絡等の異常の発生を監視し、異常が発生した場合には設備関係者に対して報知を行い、報知を受けた設備関係者が行った、異常に対する保守保全業務に関する情報を記憶する保全システムが開示されている。
特開２０１７－１６７７０８号公報
特許文献１に開示された技術では、設備に異常が発生してから設備関係者に対する報知が行われる。このため、設備関係者による保全が実施されるのは、異常が発生した後となる。異常の発生後に保全が行われる場合、設備の運転を停止する必要が生じてしまうので、異常の発生前に保全の必要が生じたと判断された時点で報知が行われることが所望されている。このため、設備に生じる異常の予兆を検知することが要望されている。
本開示の目的は、異常の予兆を検知するための学習済みモデルの生成方法、保全表示装置、及びプログラムを提供することである。
本開示の学習済みモデルの生成方法は、第１電極シートを供給する第１供給リールと、第２電極シートを供給する第２供給リールと、前記第１電極シート側に設けられた第１貼合ローラと、前記第２電極シート側に設けられ、前記第１貼合ローラと対となって前記第１電極シートと前記第２電極シートとを貼り合わせる第２貼合ローラと、前記貼り合わせられた前記第１電極シート及び前記第２電極シートが巻き付けられる巻芯と、前記巻芯に巻き付けられた前記第１電極シート及び前記第２電極シートの巻回体の半径方向に沿って前記第１電極シートの第１端面及び前記第２電極シートの第２端面を読み取るセンサと、を備えた生産装置の保全のための学習済みモデルの生成方法であって、前記半径方向に沿って読み取られた前記第１端面の位置を表す第１データ、前記半径方向に沿って読み取られた前記第２端面の位置を表す第２データを前記センサから取得し、前記第１データ及び前記第２データに基づき、前記第１データが示す前記第１端面の位置の連続が、前記第２データが示す前記第２端面の位置の連続に交差していると判断された場合、前記巻回体が不良であり、前記不良の原因は前記第１供給リール又は前記第１貼合ローラにある旨の情報を保全のために表示装置に出力し、前記第１供給リールを保全する前後の前記第１データ及び前記第２データに基づき、前記第１供給リールを保全した前の前記巻回体の第１不良率と前記第１供給リールを保全した後の前記巻回体の第２不良率との第１差分が所定値未満と判断された場合、前記第１供給リールを保全した前に読み取られた前記第１データ及び前記第２データは前記学習済みモデルを生成するためには用いず、一方、前記第１差分が前記所定値以上と判断された場合、前記第１供給リールを保全した前に読み取られた前記第１データ及び前記第２データを用いて前記学習済みモデルを生成する。
本開示の学習済みモデルの生成方法は、第１電極シートを供給する第１供給リールと、第２電極シートを供給する第２供給リールと、前記第１電極シート側に設けられた第１貼合ローラと、前記第２電極シート側に設けられ、前記第１貼合ローラと対となって前記第１電極シートと前記第２電極シートとを貼り合わせる第２貼合ローラと、前記貼り合わせられた前記第１電極シート及び前記第２電極シートが巻き付けられる巻芯と、前記巻芯に巻き付けられた前記第１電極シート及び前記第２電極シートの巻回体の半径方向に沿って前記第１電極シートの第１端面及び前記第２電極シートの第２端面を読み取るセンサと、を備えた生産装置の保全のための学習済みモデルの生成方法であって、前記半径方向に沿って読み取られた前記第１端面の位置を表す第１データ、前記半径方向に沿って読み取られた前記第２端面の位置を表す第２データを前記センサから取得し、前記第１データ及び前記第２データに基づき、前記第１データが示す前記第１端面の位置の連続が、前記第２データが示す前記第２端面の位置の連続に交差していると判断された場合、前記巻回体が不良であり、前記不良の原因は前記第１供給リール又は前記第１貼合ローラにある旨の情報を保全のために表示装置に出力し、前記第１供給リールを保全する前後の前記第１データ及び前記第２データに基づき、前記第１供給リールを保全した後の前記巻回体の第５不良率が所定値以上と判断された場合、前記第１供給リールを保全した前に読み取られた前記第１データ及び前記第２データは前記学習済みモデルを生成するためには用いず、一方、前記第５不良率が前記所定値未満と判断された場合、前記第１供給リールを保全した前に読み取られた前記第１データ及び前記第２データを用いて前記学習済みモデルを生成する。
本開示の学習済みモデルの生成方法は、第１電極シートを供給する第１供給リールと、第２電極シートを供給する第２供給リールと、前記第１電極シート側に設けられた第１貼合ローラと、前記第２電極シート側に設けられ、前記第１貼合ローラと対となって前記第１電極シートと前記第２電極シートとを貼り合わせる第２貼合ローラと、前記貼り合わせられた前記第１電極シート及び前記第２電極シートが巻き付けられる巻芯と、前記巻芯に巻き付けられた前記第１電極シート及び前記第２電極シートの巻回体の半径方向に沿って前記第１電極シートの第１端面及び前記第２電極シートの第２端面を読み取るセンサと、を備えた生産装置の保全のための学習済みモデルの生成方法であって、前記半径方向に沿って読み取られた前記第１端面の位置を表す第１データ、前記半径方向に沿って読み取られた前記第２端面の位置を表す第２データを前記センサから取得し、前記第１データ及び前記第２データに基づき、前記第１データが示す前記第１端面の位置の連続が、前記第２データが示す前記第２端面の位置の連続に交差していると判断された場合、前記巻回体の不良原因は前記第１供給リール又は前記第１貼合ローラにある旨を判断するための学習済みモデルを生成し、前記学習済みモデルを用いた判断に基づき、前記不良原因が前記第１供給リール又は前記第１貼合ローラにある旨の情報を保全のために表示装置に出力し、前記第１供給リールを保全した前の前記第１データ及び前記第２データを前記学習済みモデルに入力して得られる前記巻回体の不良が改善される第１確率と前記第１供給リールを保全した後の前記第１データ及び前記第２データを前記学習済みモデルに入力して得られる前記巻回体の不良が改善される第２確率との第１差分が所定値未満と判断された場合、前記第１供給リールを保全した前に読み取られた前記第１データ及び前記第２データは前記学習済みモデルを更新するためには用いず、一方、前記第１差分が前記所定値以上と判断された場合、前記第１供給リールを保全した前の前記第１データ及び前記第２データを用いて前記学習済みモデルを更新する。
本開示の学習済みモデルの生成方法は、第１電極シートを供給する第１供給リールと、第２電極シートを供給する第２供給リールと、前記第１電極シート側に設けられた第１貼合ローラと、前記第２電極シート側に設けられ、前記第１貼合ローラと対となって前記第１電極シートと前記第２電極シートとを貼り合わせる第２貼合ローラと、前記貼り合わせられた前記第１電極シート及び前記第２電極シートが巻き付けられる巻芯と、前記巻芯に巻き付けられた前記第１電極シート及び前記第２電極シートの巻回体の半径方向に沿って前記第１電極シートの第１端面及び前記第２電極シートの第２端面を読み取るセンサと、を備えた生産装置の保全のための学習済みモデルの生成方法であって、前記半径方向に沿って読み取られた前記第１端面の位置を表す第１データ、前記半径方向に沿って読み取られた前記第２端面の位置を表す第２データを前記センサから取得し、前記第１データ及び前記第２データに基づき、前記第１データが示す前記第１端面の位置の連続が、前記第２データが示す前記第２端面の位置の連続に交差していると判断された場合、前記巻回体の不良原因は前記第１供給リール又は前記第１貼合ローラにある旨を判断するための学習済みモデルを生成し、前記学習済みモデルを用いた判断に基づき、前記不良原因が前記第１供給リール又は前記第１貼合ローラにある旨の情報を保全のために表示装置に出力し、
前記第１供給リールを保全した後の前記第１データ及び前記第２データを前記学習済みモデルに入力して得られる前記巻回体の不良が改善される第５確率が所定値以上と判断された場合、前記第１供給リールを保全した前に読み取られた前記第１データ及び前記第２データは前記学習済みモデルを更新するためには用いず、一方、前記第５確率が前記所定値未満と判断された場合、前記第１供給リールを保全した前の前記第１データ及び前記第２データを用いて前記学習済みモデルを更新する。
本開示の保全表示装置は、第１電極シートを供給する第１供給リールと、第２電極シートを供給する第２供給リールと、前記第１電極シート側に設けられた第１貼合ローラと、前記第２電極シート側に設けられ、前記第１貼合ローラと対となって前記第１電極シートと前記第２電極シートとを貼り合わせる第２貼合ローラと、前記貼り合わせられた前記第１電極シート及び前記第２電極シートが巻き付けられる巻芯と、前記巻芯に巻き付けられた前記第１電極シート及び前記第２電極シートの巻回体の半径方向に沿って前記第１電極シートの第１端面及び前記第２電極シートの第２端面を読み取るセンサと、を備えた生産装置の保全に関する情報を表示する保全表示装置であって、前記半径方向に沿って読み取られた前記第１端面の位置を表す第１データ、前記半径方向に沿って読み取られた前記第２端面の位置を表す第２データを前記センサから取得し、前記第１データ及び前記第２データに基づき、前記第１データが示す前記第１端面の位置の連続が、前記第２データが示す前記第２端面の位置の連続に交差しているか否かに基づいて、前記巻回体が不良であるか否かを判定し、不良である場合には前記不良の原因は前記第１供給リール又は前記第１貼合ローラにある旨の情報を保全のために表示装置に出力する報知判定部と、前記第１供給リールを保全する前後の前記第１データ及び前記第２データに基づき、前記第１供給リールが保全された前の前記巻回体の第１不良率と前記第１供給リールが保全された後の前記巻回体の第２不良率との第１差分が所定値未満と判断された場合の、前記第１供給リールが保全された前に読み取られた前記第１データ及び前記第２データを用いず、一方、前記第１差分が前記所定値以上と判断された場合の、前記第１供給リールが保全された前に読み取られた前記第１データ及び前記第２データを用いて学習済みモデルを生成するモデル生成部と、を備える。
本開示の保全表示装置は、第１電極シートを供給する第１供給リールと、第２電極シートを供給する第２供給リールと、前記第１電極シート側に設けられた第１貼合ローラと、前記第２電極シート側に設けられ、前記第１貼合ローラと対となって前記第１電極シートと前記第２電極シートとを貼り合わせる第２貼合ローラと、前記貼り合わせられた前記第１電極シート及び前記第２電極シートが巻き付けられる巻芯と、前記巻芯に巻き付けられた前記第１電極シート及び前記第２電極シートの巻回体の半径方向に沿って前記第１電極シートの第１端面及び前記第２電極シートの第２端面を読み取るセンサと、を備えた生産装置の保全に関する情報を表示する保全表示装置であって、前記半径方向に沿って読み取られた前記第１端面の位置を表す第１データ、前記半径方向に沿って読み取られた前記第２端面の位置を表す第２データを前記センサから取得し、前記第１データ及び前記第２データに基づき、前記第１データが示す前記第１端面の位置の連続が、前記第２データが示す前記第２端面の位置の連続に交差しているか否かに基づいて、前記巻回体が不良であるか否かを判定し、不良である場合には前記不良の原因は前記第１供給リール又は前記第１貼合ローラにある旨の情報を保全のために表示装置に出力する報知判定部と、前記第１供給リールが保全された後の前記第１データ及び前記第２データに基づき、前記第１供給リールが保全された後の前記巻回体の第５不良率が所定値以上と判断された場合の、前記第１供給リールが保全された前に読み取られた前記第１データ及び前記第２データを用いず、一方、前記第５不良率が前記所定値未満と判断された場合の、前記第１供給リールが保全された前に読み取られた前記第１データ及び前記第２データを用いて学習済みモデルを生成するモデル生成部と、を備える。
本開示の保全表示装置は、第１電極シートを供給する第１供給リールと、第２電極シートを供給する第２供給リールと、前記第１電極シート側に設けられた第１貼合ローラと、前記第２電極シート側に設けられ、前記第１貼合ローラと対となって前記第１電極シートと前記第２電極シートとを貼り合わせる第２貼合ローラと、前記貼り合わせられた前記第１電極シート及び前記第２電極シートが巻き付けられる巻芯と、前記巻芯に巻き付けられた前記第１電極シート及び前記第２電極シートの巻回体の半径方向に沿って前記第１電極シートの第１端面及び前記第２電極シートの第２端面を読み取るセンサと、を備えた生産装置の保全に関する情報を表示する保全表示装置であって、前記半径方向に沿って読み取られた前記第１端面の位置を表す第１データ、前記半径方向に沿って読み取られた前記第２端面の位置を表す第２データを前記センサから取得し、前記第１データ及び前記第２データに基づき、前記第１データが示す前記第１端面の位置の連続が、前記第２データが示す前記第２端面の位置の連続に交差しているか否かに基づいて、前記巻回体が不良であるか否かを判定し、不良である場合には不良原因が前記第１供給リール又は前記第１貼合ローラにある旨を判断するための学習済みモデルを生成するモデル生成部と、前記学習済みモデルを用いて、前記不良原因が前記第１供給リール又は前記第１貼合ローラにあることを特定して特定結果を含む情報を保全のために表示装置に出力する報知判定部と、を備え、前記モデル生成部は、前記第１供給リールが保全された前の前記第１データ及び前記第２データを前記学習済みモデルに入力して得られる前記巻回体の不良が改善される第１確率と前記第１供給リールが保全された後の前記第１データ及び前記第２データを前記学習済みモデルに入力して得られる前記巻回体の不良が改善される第２確率との第１差分が所定値未満と判断された場合、前記第１供給リールが保全された前に読み取られた前記第１データ及び前記第２データは前記学習済みモデルを更新するためには用いず、一方、前記第１差分が前記所定値以上と判断された場合、前記第１供給リールが保全された前の前記第１データ及び前記第２データを用いて前記学習済みモデルを更新する。
本開示の保全表示装置は、第１電極シートを供給する第１供給リールと、第２電極シートを供給する第２供給リールと、前記第１電極シート側に設けられた第１貼合ローラと、前記第２電極シート側に設けられ、前記第１貼合ローラと対となって前記第１電極シートと前記第２電極シートとを貼り合わせる第２貼合ローラと、前記貼り合わせられた前記第１電極シート及び前記第２電極シートが巻き付けられる巻芯と、前記巻芯に巻き付けられた前記第１電極シート及び前記第２電極シートの巻回体の半径方向に沿って前記第１電極シートの第１端面及び前記第２電極シートの第２端面を読み取るセンサと、を備えた生産装置の保全に関する情報を表示する保全表示装置であって、前記半径方向に沿って読み取られた前記第１端面の位置を表す第１データ、前記半径方向に沿って読み取られた前記第２端面の位置を表す第２データを前記センサから取得し、前記第１データ及び前記第２データに基づき、前記第１データが示す前記第１端面の位置の連続が、前記第２データが示す前記第２端面の位置の連続に交差しているか否かに基づいて、前記巻回体が不良であるか否かを判定し、不良である場合には不良原因が前記第１供給リール又は前記第１貼合ローラにある旨を判断するための学習済みモデルを生成するモデル生成部と、前記学習済みモデルを用いて、前記不良原因が前記第１供給リール又は前記第１貼合ローラにあることを特定して特定結果を含む情報を保全のために表示装置に出力する報知判定部と、を備え、前記モデル生成部は、前記第１供給リールを保全した後の前記第１データ及び前記第２データを前記学習済みモデルに入力して得られる前記巻回体の不良が改善される第５確率が所定値以上と判断された場合、前記第１供給リールを保全した前に読み取られた前記第１データ及び前記第２データは前記学習済みモデルを更新するためには用いず、一方、前記第５確率が前記所定値未満と判断された場合、前記第１供給リールを保全した前の前記第１データ及び前記第２データを用いて前記学習済みモデルを更新する。
本開示のプログラムは、第１電極シートを供給する第１供給リールと、第２電極シートを供給する第２供給リールと、前記第１電極シート側に設けられた第１貼合ローラと、前記第２電極シート側に設けられ、前記第１貼合ローラと対となって前記第１電極シートと前記第２電極シートとを貼り合わせる第２貼合ローラと、前記貼り合わせられた前記第１電極シート及び前記第２電極シートが巻き付けられる巻芯と、前記巻芯に巻き付けられた前記第１電極シート及び前記第２電極シートの巻回体の半径方向に沿って前記第１電極シートの第１端面及び前記第２電極シートの第２端面を読み取るセンサと、を備えた生産装置の保全のための学習済みモデルを生成するコンピュータが実行するプログラムであって、前記半径方向に沿って読み取られた前記第１端面の位置を表す第１データ、前記半径方向に沿って読み取られた前記第２端面の位置を表す第２データを前記センサから取得する手順と、前記第１データ及び前記第２データに基づき、前記第１データが示す前記第１端面の位置の連続が、前記第２データが示す前記第２端面の位置の連続に交差していると判断された場合、前記巻回体が不良であり、前記不良の原因は前記第１供給リール又は前記第１貼合ローラにある旨の情報を保全のために表示装置に出力する手順と、前記第１供給リールを保全する前後の前記第１データ及び前記第２データに基づき、前記第１供給リールを保全した前の前記巻回体の第１不良率と前記第１供給リールを保全した後の前記巻回体の第２不良率との第１差分が所定値未満と判断された場合、前記第１供給リールを保全した前に読み取られた前記第１データ及び前記第２データは前記学習済みモデルを生成するためには用いず、一方、前記第１差分が前記所定値以上と判断された場合、前記第１供給リールを保全した前に読み取られた前記第１データ及び前記第２データを用いて前記学習済みモデルを生成する手順と、を前記コンピュータに実行させる。
本開示のプログラムは、第１電極シートを供給する第１供給リールと、第２電極シートを供給する第２供給リールと、前記第１電極シート側に設けられた第１貼合ローラと、前記第２電極シート側に設けられ、前記第１貼合ローラと対となって前記第１電極シートと前記第２電極シートとを貼り合わせる第２貼合ローラと、前記貼り合わせられた前記第１電極シート及び前記第２電極シートが巻き付けられる巻芯と、前記巻芯に巻き付けられた前記第１電極シート及び前記第２電極シートの巻回体の半径方向に沿って前記第１電極シートの第１端面及び前記第２電極シートの第２端面を読み取るセンサと、を備えた生産装置の保全のための学習済みモデルを生成するコンピュータが実行するプログラムであって、前記半径方向に沿って読み取られた前記第１端面の位置を表す第１データ、前記半径方向に沿って読み取られた前記第２端面の位置を表す第２データを前記センサから取得する手順と、前記第１データ及び前記第２データに基づき、前記第１データが示す前記第１端面の位置の連続が、前記第２データが示す前記第２端面の位置の連続に交差していると判断された場合、前記巻回体が不良であり、前記不良の原因は前記第１供給リール又は前記第１貼合ローラにある旨の情報を保全のために表示装置に出力する手順と、前記第１供給リールを保全する前後の前記第１データ及び前記第２データに基づき、前記第１供給リールを保全した後の前記巻回体の第５不良率が所定値以上と判断された場合、前記第１供給リールを保全した前に読み取られた前記第１データ及び前記第２データは前記学習済みモデルを生成するためには用いず、一方、前記第５不良率が前記所定値未満と判断された場合、前記第１供給リールを保全した前に読み取られた前記第１データ及び前記第２データを用いて前記学習済みモデルを生成する手順と、を前記コンピュータに実行させる。
本開示のプログラムは、第１電極シートを供給する第１供給リールと、第２電極シートを供給する第２供給リールと、前記第１電極シート側に設けられた第１貼合ローラと、前記第２電極シート側に設けられ、前記第１貼合ローラと対となって前記第１電極シートと前記第２電極シートとを貼り合わせる第２貼合ローラと、前記貼り合わせられた前記第１電極シート及び前記第２電極シートが巻き付けられる巻芯と、前記巻芯に巻き付けられた前記第１電極シート及び前記第２電極シートの巻回体の半径方向に沿って前記第１電極シートの第１端面及び前記第２電極シートの第２端面を読み取るセンサと、を備えた生産装置の保全のための学習済みモデルを生成するコンピュータが実行するプログラムであって、前記半径方向に沿って読み取られた前記第１端面の位置を表す第１データ、前記半径方向に沿って読み取られた前記第２端面の位置を表す第２データを前記センサから取得する手順と、前記第１データ及び前記第２データに基づき、前記第１データが示す前記第１端面の位置の連続が、前記第２データが示す前記第２端面の位置の連続に交差していると判断された場合、前記巻回体の不良原因は前記第１供給リール又は前記第１貼合ローラにある旨を判断するための学習済みモデルを生成する手順と、前記学習済みモデルを用いた判断に基づき、前記不良原因が前記第１供給リール又は前記第１貼合ローラにある旨の情報を保全のために表示装置に出力する手順と、前記第１供給リールを保全した前の前記第１データ及び前記第２データを前記学習済みモデルに入力して得られる前記巻回体の不良が改善される第１確率と前記第１供給リールを保全した後の前記第１データ及び前記第２データを前記学習済みモデルに入力して得られる前記巻回体の不良が改善される第２確率との第１差分が所定値未満と判断された場合、前記第１供給リールを保全した前に読み取られた前記第１データ及び前記第２データは前記学習済みモデルを更新するためには用いず、一方、前記第１差分が前記所定値以上と判断された場合、前記第１供給リールを保全した前の前記第１データ及び前記第２データを用いて前記学習済みモデルを更新する手順と、を前記コンピュータに実行させる。
本開示のプログラムは、第１電極シートを供給する第１供給リールと、第２電極シートを供給する第２供給リールと、前記第１電極シート側に設けられた第１貼合ローラと、前記第２電極シート側に設けられ、前記第１貼合ローラと対となって前記第１電極シートと前記第２電極シートとを貼り合わせる第２貼合ローラと、前記貼り合わせられた前記第１電極シート及び前記第２電極シートが巻き付けられる巻芯と、前記巻芯に巻き付けられた前記第１電極シート及び前記第２電極シートの巻回体の半径方向に沿って前記第１電極シートの第１端面及び前記第２電極シートの第２端面を読み取るセンサと、を備えた生産装置の保全のための学習済みモデルを生成するコンピュータが実行するプログラムであって、前記半径方向に沿って読み取られた前記第１端面の位置を表す第１データ、前記半径方向に沿って読み取られた前記第２端面の位置を表す第２データを前記センサから取得する手順と、前記第１データ及び前記第２データに基づき、前記第１データが示す前記第１端面の位置の連続が、前記第２データが示す前記第２端面の位置の連続に交差していると判断された場合、前記巻回体の不良原因は前記第１供給リール又は前記第１貼合ローラにある旨を判断するための学習済みモデルを生成する手順と、前記学習済みモデルを用いた判断に基づき、前記不良原因が前記第１供給リール又は前記第１貼合ローラにある旨の情報を保全のために表示装置に出力する手順と、前記第１供給リールを保全した後の前記第１データ及び前記第２データを前記学習済みモデルに入力して得られる前記巻回体の不良が改善される第５確率が所定値以上と判断された場合、前記第１供給リールを保全した前に読み取られた前記第１データ及び前記第２データは前記学習済みモデルを更新するためには用いず、一方、前記第５確率が前記所定値未満と判断された場合、前記第１供給リールを保全した前の前記第１データ及び前記第２データを用いて前記学習済みモデルを更新する手順と、を前記コンピュータに実行させる。
本開示によれば、設備において、異常の予兆を検知することができる。
保全表示装置と、保全表示装置が適用される生産装置と、を含むネットワーク図 保全表示装置の全体の処理工程について説明するためのフローチャート 生産装置において巻回体を生産する巻回部の構成を例示した図 巻回部において生産される巻回体を例示した斜視図 検査機が巻回体を検査する様子を例示した模式図 巻回体の半径方向に沿った断面形状を例示した模式図 図４Ｂに示す巻回体の断面を検査機が走査して生成した画像を例示した図 巻回体の断面形状と、形状データとの対応を示した模式図 第１の実施の形態に係る保全表示装置の機能構成を例示したブロック図 生産実績データについて例示した図 生産実績データについて例示した図 保全実績データについて例示した図 保全表示装置における処理の全体の流れを概略的に説明するシーケンス図 保全表示装置における処理の全体の流れを概略的に説明するシーケンス図 学習処理において、保全効果判定部が実行する処理について説明するためのフローチャート 学習処理における保全作業の効果を判定する様子を説明するための概念図 学習処理における保全作業の効果を判定する様子を説明するための概念図 学習処理において、設備状態診断モデル生成部が実行する処理について説明するためのフローチャート 識別処理において、設備状態診断部が実行する処理について説明するためのフローチャート 識別処理において、報知判定部が実行する処理を説明するためのフローチャート 保全案リストの具体例を示す図 更新処理において、保全効果判定部が実行する処理について説明するためのフローチャート 更新処理における保全作業の効果を判定する様子を説明するための概念図 更新処理における保全作業の効果を判定する様子を説明するための概念図 更新処理において、設備状態診断モデル生成部が実行する処理について説明するためのフローチャート 第２の実施の形態に係る保全表示装置の構成を例示した図 第２の実施の形態において、保全効果判定部が実行する処理について説明するためのフローチャート 第３の実施の形態に係る保全表示装置の構成を例示した図 第３の実施の形態において、設備状態診断モデル生成部が行う処理について説明するためのフローチャート 第３の実施の形態における、報知判定部が行う処理について説明するためのフローチャート 学習処理における、保全効果判定部による保全作業の効果の有無の判定方法の変形例を説明するための図 学習処理における、保全効果判定部による保全作業の効果の有無の判定方法の変形例を説明するための図 更新処理における、保全効果判定部による保全作業の効果の有無の判定方法の変形例を説明するための図 更新処理における、保全効果判定部による保全作業の効果の有無の判定方法の変形例を説明するための図
以下、本開示の各実施の形態について図面を参照して詳細に説明する。ただし、必要以上に詳細な説明、例えば、既によく知られた事項の詳細説明や実質的に同一の構成に対する重複説明等は省略する場合がある。
なお、以下の説明及び参照される図面は、当業者が本開示を理解するために提供されるものであって、本開示の請求の範囲を限定するためのものではない。
（第１の実施の形態）
＜保全表示装置１００及び生産装置２００＞
図１は、本発明の第１の実施の形態に係る保全表示装置１００と、保全表示装置１００が適用される生産装置２００と、を含むネットワーク図である。本実施の形態において説明する保全表示装置１００は、リチウムイオン二次電池を生産するための生産装置２００の保全表示を行う装置である。図１に示す例では、保全表示装置１００は１つの生産装置２００に対して適用されているが、本発明はこれに限定されず、１つの保全表示装置が複数の生産装置に対して適用されてもよい。また、本実施の形態において、保全表示装置１００は装置として説明されるが、本発明はこれに限定されず、個々の構成がネットワークを介して接続された保全表示システムであってもよい。
保全表示装置１００は、記憶部１１０及び制御部１２０を有するサーバ１０、及び、報知部１３０を備える。サーバ１０は、ネットワークＮＴを介して生産装置２００と通信可能に接続されている。ネットワークＮＴは、例えばインターネット等の公衆ネットワーク、または、例えば社内ＬＡＮ（Local Area Network）等のローカルなネットワークである。
サーバ１０は、例えば汎用のコンピュータであり、図１に示すように記憶部１１０及び制御部１２０を有する。
記憶部１１０は、例えばＲＯＭ（Read Only Memory）やＲＡＭ（Random Access Memory）等の主記憶装置（図示せず）、及び／または例えばＨＤＤ（Hard Disk Drive）、ＳＳＤ（Solid State Drive）、フラッシュメモリ等の補助記憶装置（図示せず）を含む。
制御部１２０は、例えばＣＰＵ（Central Processing Unit）等のハードウェアプロセッサ（図示せず）であり、記憶部１１０に記憶されたプログラムを展開して実行することで、保全表示装置１００全体の制御を行う。
記憶部１１０及び制御部１２０は一体のコンピュータとして構成されていなくともよい。すなわち、記憶部１１０及び制御部１２０は、互いに通信可能に構成されていれば、互いに別体に構成され、離れた位置に配置されていてもよい。また、保全表示装置１００は、図１に図示しない操作部を有し、外部からの操作入力を受け付けてもよい。記憶部１１０及び制御部１２０の詳細については後述する。
報知部１３０は、図１に示す例では、生産装置２００に含まれており、サーバ１０とネットワークＮＴを介して接続されている。報知部１３０は、制御部１２０の制御に基づいて、保全表示装置１００のユーザに対する報知を行う。なお、本実施の形態において、保全表示装置１００のユーザとは、保全表示装置１００の管理者、または、生産装置２００を用いて巻回体（後述の図３Ｂを参照）の生産を行う作業者等を含む。
図１に示すように、報知部１３０は、警報部１３１、及び表示部１３２を有する。警報部１３１は、例えばブザーやランプ等、音や光等によりユーザに対して警報を発する構成である。表示部１３２は、例えば液晶ディスプレイや有機ＥＬディスプレイ等の表示デバイスであり、警告の内容を表示する構成である。なお、報知部１３０は、警報部１３１及び表示部１３２以外にも、例えばあらかじめ登録されたユーザのメールアドレスに対して警告の内容を含むメールを送信する送信部等を含んでいてもよい。
生産装置２００は、本実施の形態においては、リチウムイオン二次電池の生産装置である。図１に示すように、生産装置２００は、巻回部２０１及び検査機２０７を有する。巻回部２０１は、詳細は後述するが、正極シート及び負極シートを巻き取って巻回体を生産する。検査機２０７は、巻回部２０１が生産した巻回体の検査を行う。
なお、図１に示す例では、報知部１３０は生産装置２００に含まれているが、本発明はこれに限定されず、報知部１３０は生産装置２００の外部に設置されてもよい。また、図１に示す例では、報知部１３０はネットワークＮＴを介してサーバ１０に接続されているが、本発明はこれに限定されず、サーバ１０と報知部１３０とはネットワークＮＴを介さずに直接接続されていてもよい。
また、本実施の形態では、生産装置２００がリチウムイオン二次電池の生産装置である場合について説明を行うが、本発明はこれに限定されない。本発明の保全表示装置はリチウムイオン二次電池の生産装置以外の生産設備に適用されてもよい。さらに、本発明の保全表示装置は生産設備以外の種々の設備に適用されてもよい。
図２は、保全表示装置１００の全体の処理工程について説明するためのフローチャートである。
ステップＳ１において、制御部１２０は、生産装置２００の巻回部２０１に巻回体を生産させる。
ステップＳ２において、制御部１２０は、検査機２０７に、生産された巻回体の検査を行わせる。検査機２０７による巻回体の検査の詳細については後述する。
ステップＳ３において、制御部１２０は、検査機２０７による検査結果を記憶部１１０に記憶させる。これとともに、ステップＳ４において、制御部１２０は、検査機２０７による検査の結果、巻回体が不良品であるか否かを判定する。不良品ではないと判定した場合（ステップＳ４：ＮＯ）、制御部１２０は、処理をステップＳ５に進め、不良品であると判定した場合（ステップＳ４：ＹＥＳ）、処理をステップＳ６に進める。
不良品ではないと判定された場合、ステップＳ５において、制御部１２０は、生産装置２００に、当該巻回体を次工程へと供給させる。
不良品であると判定された場合、ステップＳ６において、制御部１２０は、報知部１３０により、不良品を検知したことを報知する。報知部１３０による報知についての詳細は、後述する。
ステップＳ７において、制御部１２０は、生産装置２００に、不良品と判定された巻回体を廃棄させる。
なお、図２に示すフローチャートのステップＳ５及びステップＳ７において、制御部１２０は、巻回体の次工程への供給、または巻回体の廃棄を、生産装置２００に実行させているが、本発明はこれに限定されない。例えば報知部１３０を介して、保全表示装置１００のユーザに対して、巻回体の次工程への供給、または巻回体の廃棄を行わせるような報知を行うことで、ユーザに供給または廃棄を行わせるようにしてもよい。
次に、生産装置２００について詳細に説明する。
＜巻回部２０１＞
図３Ａは、生産装置２００において巻回体を生産する巻回部２０１の構成を例示した図である。
図３Ａに示すように、巻回部２０１は、第１供給リール５０、第２供給リール５１、第１シート材２０２、第２シート材２０３、第１貼合ロール２０５Ａ、第２貼合ロール２０５Ｂ、巻芯２０６、巻芯回転駆動部２０６Ｍ、及び検査機２０７を有する。巻回部２０１は、第１供給リール５０から供給される第１シート材２０２と第２供給リール５１から供給される第２シート材２０３とを第１貼合ロール２０５Ａ及び第２貼合ロール２０５Ｂによって貼り合わせ、巻芯２０６に巻き取ることで、巻回体２０４を生産する装置である。巻芯回転駆動部２０６Ｍは、巻芯２０６を所望の回転速度で駆動させる。
図３Ｂは、巻回部２０１において生産される巻回体２０４を例示した斜視図である。図３Ｂでは、巻回体２０４を構成する第１シート材２０２及び第２シート材２０３の端部が巻き取られていない様子が示されている。図３Ｂに示すように、第１シート材２０２よりも第２シート材２０３の方が、幅（巻回体２０４の軸方向に沿った長さ）が大きく形成されている。第１シート材２０２は、例えば正極材料が塗布されたシート状の部材（正極シート）であり、第２シート材２０３は、例えば負極材料が塗布されたシート状の部材（負極シート）である。第１シート材２０２は、本発明の第１電極シートの一例であり、第２シート材２０３は、本発明の第２電極シートの一例である。なお、上述した例では、第１シート材２０２が正極シート材であり、第２シート材２０３が負極シート材であったが、本発明はこれに限定されず、第１シート材２０２が負極シート材、第２シート材２０３が正極シート材であってもよい。
＜検査機２０７＞
検査機２０７は、生産された巻回体２０４の検査を行う。検査機２０７は、例えばＳＳ－ＯＣＴ（Swept Source-Optical Coherence Tomography）装置である。検査機２０７は、本発明のセンサの一例である。
図４Ａは、検査機２０７が巻回体２０４を検査する様子を例示した模式図である。図４Ａに示すように、検査機２０７は、検査対象の巻回体２０４に照射する光Ｌを巻回体２０４の径方向内側から外側に向かって移動させて走査し、光Ｌの干渉性を利用して巻回体２０４の内部構造の形状を示す画像を生成する。
図４Ｂは、巻回体２０４の半径方向に沿った断面形状を例示した模式図である。また、図４Ｃは、図４Ｂに示す巻回体２０４の断面を検査機２０７が走査して生成した画像Ｉを例示した図である。図４Ｂ及び図４Ｃにおいて、上下方向が巻回体２０４の軸方向に、左右方向が巻回体２０４の半径方向に、それぞれ対応している。
図４Ｂに示すように、巻回体２０４の半径方向に沿った断面では、第１シート材２０２と、第１シート材２０２より幅が大きい第２シート材２０３と、が交互に積層されている。検査機２０７は、巻回体の半径方向における、第１シート材２０２の軸方向に沿った両端部、及び第２シート材２０３の軸方向に沿った両端部の位置を抽出して画像化する。図４Ｃに示す例（画像Ｉ）では、菱形（◆）が第１シート材２０２の両端部の位置を示す第１データに、黒丸（●）が第２シート材２０３の両端部の位置を示す第２データに、それぞれ対応している。
巻回部２０１における巻回体２０４の生産時に、不良品が発生することがある。不良品は、例えば上述した巻回部２０１の各構成、特に第１供給リール５０及び第１貼合ロール２０５Ａの不具合によって生じうる。検査機２０７は、上述したように巻回体２０４の半径方向に沿った断面形状を示す画像を生成し、形状データとして記憶部１１０に記憶させる。形状データに基づいて行われる、巻回体２０４が不良であるか否かの判定の結果も、同様に記憶部１１０に記憶される。なお、形状データに基づく、不良品であるか否かの判定は、図１に示す制御部１２０が行ってもよいし、検査機２０７が行ってもよいし、図１または図３Ａに図示しない他の構成が行ってもよい。以下では、制御部１２０が、形状データに基づいて、不良品であるか否かの判定を行う場合について説明する。
図５は、巻回体２０４の断面形状と、形状データとの対応を示した模式図である。図５の上段には、様々な状態の巻回体２０４の断面図が例示されている。図５に示す例では、左側へ行くほど第１シート材２０２と第２シート材２０３とのずれが小さく、右側へ行くほど第１シート材２０２のずれが大きくなっている。
図５の下段には、図５の上段に例示した巻回体２０４の断面形状のそれぞれに基づいて生成される画像Ｉ１～Ｉ６が例示されている。第１シート材２０２のずれが大きくなると、第１データが示す第１シート材２０２の上端面（本発明の第１端面）の位置の連続が、第２データが示す第２シート材２０３の上端面（本発明の第２端面）の位置の連続と交差してしまうことがある。いいかえると、第１データが示す第１シート材２０２の上端面（本発明の第１端面）の複数の位置を結ぶ第１仮想線が、画像Ｉ５及びＩ６のように、第２データが示す第２シート材２０３の上端面（本発明の第２端面）の複数の位置を結ぶ第２仮想線と交差してしまうことがある。第１仮想線と第２仮想線とは、不良品以外の巻回体２０４では交差しないはずであるため、このような断面形状を有する巻回体２０４の検査結果は、「不良」となる。
図５に示す画像Ｉ３及びＩ４は、第１シート材２０２の位置がずれてはいるものの、第１シート材２０２の第１仮想線が第２シート材２０３の第２仮想線と交差していない。このような形状を有する巻回体２０４の検査結果は、「可」となる。
図５に示す画像Ｉ１及びＩ２は、画像Ｉ３～Ｉ６と比較して第１シート材２０２の位置のずれ量が小さい。このような断面形状を有する巻回体２０４の検査結果は、「良」となる。
図２に示すフローチャートのステップＳ４において、検査結果が「良」、または「可」である巻回体２０４は、不良品ではないと判定され、検査結果が「不良」である巻回体２０４は、不良品であると判定される。
このように、第１データが示す上端面の位置の連続が、第２データが示す上端面の位置の連続に交差している場合、巻回体２０４は不良である。第１データが示す上端面の位置の連続が、第２データが示す上端面の位置の連続に交差する不良は、第１供給リール５０、第２供給リール５１、第１貼合ロール２０５Ａ、又は第２貼合ロール２０５Ｂが原因となって生じうることが分かっている。図５に示す例では、第１供給リール５０によって供給され、第１貼合ロール２０５Ａによって貼り合わせられる第１シート材２０２の位置がずれることによって、第１データが示す上端面の位置の連続が、第２データが示す上端面の位置の連続に交差する不良が生じている。このため、図５に示す不良の原因は、第１供給リール５０又は第１貼合ロール２０５Ａであるということができる。
なお、図５に示す例では、第１シート材２０２と第２シート材２０３のそれぞれ上端面の位置の連続により形成される線（第１仮想線及び第２仮想線）が交差するか否かによって「良」、「可」、「不良」が判定されていた。しかしながら本発明はこれに限定されず、例えば下端面の位置の連続が交差するか否かによって「良」、「可」、「不良」が判定されてもよい。
＜保全表示装置１００＞
次に、上述した生産装置２００の保全作業を表示する保全表示装置１００の機能構成と動作について詳細に説明する。なお、本実施の形態における保全作業とは、生産装置２００に対して、各構成の調整や部品交換等を適宜行うことで、生産装置２００から生産される巻回体２０４に不良が生じないようにする作業を意味する。本発明では、保全作業は、特に上述した生産装置２００の第１供給リール５０及び第１貼合ロール２０５Ａの不具合を保全するための作業である。保全作業は、生産装置２００を実地で取り扱う作業員等によって行われる。
＜記憶部１１０＞
図６は、第１の実施の形態に係る保全表示装置１００の機能構成を例示したブロック図である。上述したように、保全表示装置１００は、記憶部１１０、制御部１２０及び報知部１３０を有する（図１参照）。
図６に示すように、記憶部１１０は、生産実績データベース１１１、設備状態診断モデルデータベース１１２、及び保全実績データベース１１３を有する。
生産実績データベース１１１は、生産装置２００の生産実績に関する生産実績データが登録されたデータベースである。生産実績データには、生産された巻回体２０４の生産日時と、巻回体２０４の形状データとが含まれる。
図７Ａ及び図７Ｂは、生産実績データＰＤについて例示した図である。図７Ａには、生産実績データＰＤの一部がテーブル形式で示されている。図７Ａに示すように、生産実績データＰＤは、「生産日時」、「設備」、「検査結果」、「第１シート材」、「第２シート材」、「形状データＩＤ」等の各データを含む。
「生産日時」データは、巻回体２０４が生産された生産日時に関するデータである。「設備」データは、生産装置２００が複数存在する場合に、生産実績をあげた設備を識別するためのデータである。図７Ａでは例として、互いに異なる生産装置２００の識別子である「Ａ」、「Ｂ」、「Ｃ」が示されている。
「検査結果」データは、生産装置２００において生産された巻回体２０４の検査結果（図５参照）を示すデータである。図７Ａでは、例として「良」、「可」、「不良」の３段階の検査結果が示されている。
「第１シート材」データ及び「第２シート材」データは、巻回体２０４を生産するために使用される材料に関するデータである。「第１シート材」データ及び「第２シート材」データとしては、それぞれの材料を識別するための識別子が記憶されている。
「形状データＩＤ」は、巻回体２０４の断面形状を示す形状データ（図５参照）に対応付けられた識別番号である。図７Ｂには、形状データＩＤと形状データとの対応関係が例示されている。
このような生産実績データＰＤのうち、形状データを除く各データは、例えば生産装置２００において巻回体２０４が生産される度に、自動で、もしくは作業員の手によって入力され、生産実績データベース１１１に登録される。形状データは、生産された巻回体２０４が検査機２０７（図１または図４Ａを参照）によって検査された際に生成され、形状データＩＤと対応付けられて登録される。すなわち、生産実績データＰＤには、巻回体２０４の形状データが実質的に含まれる。これにより、生産実績データベース１１１には、巻回体２０４が生産される度に、生産された巻回体２０４の生産実績データＰＤが登録される。
設備状態診断モデルデータベース１１２は、複数の設備状態診断モデルＭが登録されたデータベースである。設備状態診断モデルＭとは、生産装置２００に対して保全作業が必要であるか否かを診断するために使用される、診断の基準となる学習済みモデルである。設備状態診断モデルＭは、不良品が生産されていた生産装置２００が、保全作業により改善された（不良品の生産割合が下がった）場合に、どのような不良に対してどのような保全作業が有効であるかが学習された学習済みモデルである。より具体的には、設備状態診断モデルＭは、複数の不良品を含む巻回体の形状データと、その不良品の不良を改善するために行われた保全作業の内容と、を含むデータの集合体である。設備状態診断モデルＭは、後述の設備状態診断モデル生成部１２４により生成される。
設備状態診断モデルＭは、その保全作業によってそれ以後の巻回体の生産時に不良品の生産割合が下がった保全作業毎に生成される。すなわち、例えば、昨日行われた保全作業に係る設備状態診断モデルＭと、本日行われた保全作業に係る設備状態診断モデルＭとは、それぞれ独立に生成される。
また、設備状態診断モデルＭの形式は、特に限定されないが、より診断精度を向上させるために、ニューラルネットワークモデル等の機械学習モデルが採用されることが好ましい。設備状態診断モデルＭに採用されるモデルの選択は、保全表示装置１００のユーザにより図示しない操作部等を介して行われてもよいし、設備状態診断モデル生成部１２４によりおこなわれてもよい。
保全実績データベース１１３は、生産装置２００に対して実際に行われた保全作業に関する保全実績データＭＤが登録されたデータベースである。保全実績データＭＤには、例えば生産装置２００を識別するための設備データ、保全作業が行われた日時（保全日時）に関するデータ、行われた保全作業の内容を示すデータ等が含まれる。例えば数分の短い時間で終了する保全作業の場合、保全日時は保全作業の開始時刻でも終了時刻でもよい。また保全作業が例えば数時間と長くかかる場合、保全日時は保全作業の中央時刻とすることが好ましい。図８は、保全実績データＭＤについて例示した図である。保全実績データＭＤは、保全作業が実行された直後に、例えば生産装置２００の保全作業を実際に行った作業員等の手によって、図１に図示しない操作部等を介して保全表示装置１００に入力される。
＜制御部１２０＞
図６に示すように、制御部１２０は、設備状態診断部１２１、報知判定部１２２、保全効果判定部１２３、設備状態診断モデル生成部１２４、を有する。
設備状態診断部１２１は、生産装置２００において新たに生産された巻回体２０４の形状データ、及び設備状態診断モデルＭを用いて、生産装置２００の状態を診断する。診断結果は、新たに生産された巻回体２０４の形状データと、設備状態診断モデルＭに含まれる過去の形状データと、が一致する度合いを示す一致度Ｃとして算出される。ここで、設備状態診断モデルＭには、保全作業の内容とその保全作業が行われた時点より前の形状データとが含まれる。このことは、過去に設備状態診断モデルＭに含まれる形状データを有する巻回体２０４の不良が発生した場合に、設備診断モデルＭに含まれる保全作業を行ったことにより、巻回体２０４の不良が低減したことを意味する。すなわち、新たに生産された巻回体２０４の形状データと設備診断モデルＭに含まれる形状データとの一致度Ｃは、設備状態診断モデルＭに含まれる保全を行うことにより巻回体２０４の不良が改善される確率を示す。
報知判定部１２２は、一致度Ｃに基づいて、生産装置２００の保全作業に関する報知を行うか否かを判定する。報知判定部１２２は、一致度Ｃが所定の閾値以上である場合に、保全作業を行うべき旨の報知を行うと判定し、一致度Ｃが所定の閾値未満である場合には、報知を行わないと判定する。保全作業に関する報知には、ユーザの注意を引くための警報や、行うことにより効果が見込める保全作業の内容を知らせる表示等が含まれる。
保全効果判定部１２３は、生産装置２００に対する保全作業による効果の有無を判定する。保全効果判定部１２３は、例えば保全作業前と後との不良率（生産総数に対する不良品の割合）、もしくは、保全作業前と後との巻回体２０４の形状データ（図５参照）に基づいて、保全作業による効果の有無を判定する。
設備状態診断モデル生成部１２４は、効果ありと判定された保全実績データＭＤと、当該保全作業が行われる前に生産された不良品の形状データと、に基づいて、設備状態診断モデルＭを生成する。設備状態診断モデル生成部１２４が生成した設備状態診断モデルＭは、上述の設備状態診断モデルデータベース１１２に登録される。
＜保全表示装置１００における処理の全体の流れ＞
次に、図９及び図１０を参照して、図６に示す機能構成を有する保全表示装置１００における処理の全体の流れについて説明する。図９及び図１０は、保全表示装置１００における処理の全体の流れを概略的に説明するシーケンス図である。
図９には、保全表示装置１００における学習処理、及び学習処理で生成された学習済みモデルを用いた識別処理の概略が示されている。
［学習処理］
保全表示装置１００における学習処理は、生産装置２００によって不良品が生産された場合に、どのような形状データの不良品が、どのような保全作業によって改善されたか、が学習された学習済みモデル（設備状態診断モデルＭ）を生成するための処理である。従って、学習処理は、その開始前に保全作業が行われていることが前提となっている。
ステップＳ１１において、保全効果判定部１２３は、学習処理の開始前に行われた保全作業よりさらに前に生産された複数の巻回体２０４の生産実績データＰＤ（図７Ａ参照）に含まれる形状データ（図５参照）を取得し、これに基づいて保全作業前の不良率Ｎｆｂｅｆｏｒｅを算出する。不良率Ｎｆｂｅｆｏｒｅは、例えば保全作業前に製造された巻回体２０４のうち、不良と判定された巻回体２０４の数を、保全作業前の生産総数で除して算出される。
ステップＳ１２において、保全効果判定部１２３は、保全作業より後に生産された複数の巻回体２０４の生産実績データＰＤに含まれる形状データを取得し、これに基づいて保全作業後の不良率Ｎｆａｆｔｅｒを算出する。不良率Ｎｆａｆｔｅｒは、例えば保全作業後に製造された巻回体２０４のうち、不良と判定された巻回体２０４の数を、保全作業後の生産総数で除して算出される。
ステップＳ１３において、保全効果判定部１２３は、保全作業前後の不良率ＮｆｂｅｆｏｒｅとＮｆａｆｔｅｒとを比較し、保全作業の効果の有無を判定する。学習処理における、保全効果判定部１２３による保全作業の効果の判定処理についての詳細は後述する。
ステップＳ１３で保全作業の効果ありと判定した場合、保全効果判定部１２３は、ステップＳ１４において、学習処理開始前に行われた保全作業の内容を示す保全実績データＭＤ（図８参照）を設備状態診断モデル生成部１２４に出力する。
ステップＳ１５において、設備状態診断モデル生成部１２４は、効果ありと判定された保全実績データＭＤを用いて、設備状態診断モデルＭを生成する。設備状態診断モデルＭの詳細については後述する。
ステップＳ１６において、設備状態診断モデル生成部１２４は、生成した設備状態診断モデルＭを設備状態診断モデルデータベース１１２（図６参照）に登録する。
以上説明したステップＳ１１からステップＳ１６までの処理が、保全表示装置１００の学習処理である。
［識別処理］
以下説明する識別処理は、新たに生産された複数の巻回体２０４の断面形状を示す形状データに基づいて、生産装置２００に異常、または異常の予兆が生じているか否かを、学習処理で生成された設備状態診断モデルＭを用いて識別する処理である。
ステップＳ１７において、設備状態診断部１２１は、新たに生産された複数の巻回体の形状データ（以後、新たな形状データ）を取得する。
ステップＳ１８において、設備状態診断部１２１は、新たな形状データ及び設備状態診断モデルＭを用いて、一致度Ｃを算出する。一致度Ｃは、新たな形状データと、設備状態診断モデルＭに含まれる過去の形状データとが一致する度合いを示す値である。すなわち、一致度Ｃが大きいほど、生産装置２００に異常または異常の予兆が生じており、新たに生産された巻回体２０４が不良品となる確率が高くなっていることになる。
ステップＳ１９において、報知判定部１２２は、一致度Ｃが所定の閾値以上である場合に、保全表示装置１００のユーザに対して報知が必要であると判定する。一致度Ｃが所定の閾値以上である場合とは、生産装置２００に異常、または異常の予兆が発生しており、改めて保全作業が必要である場合である。
ステップＳ１１０において、報知判定部１２２は、ユーザに報知すべき保全作業の内容を報知部１３０に対して出力する。ユーザに報知すべき保全作業の内容は、一致度Ｃが所定の閾値以上であった設備状態診断モデルＭに基づいて決定される。
ステップＳ１１１及びＳ１１２において、報知部１３０はユーザに対して保全作業を行うべき旨の報知を行う。ステップＳ１１１では、警報部１３１が警報を発する。また、ステップＳ１１２では、表示部１３２が、ユーザに対して報知すべき保全作業の内容等を表示する。なお、図９では、ステップＳ１１１における警報、及びステップＳ１１２における保全作業の内容表示が両方行われる例が示されているが、例えば警報は発令されず、保全作業の内容表示のみが行われてもよい。
このように、ステップＳ１１１及びＳ１１２における報知によって、報知を受けた作業者は、報知された保全作業の内容に基づいて、生産装置２００に対する保全作業を実行することになる。
以上説明したステップＳ１７からステップＳ１１２までの処理が、学習処理で生成された学習済みモデルを用いた保全表示装置１００の識別処理である。
図１０には、保全表示装置１００における更新処理、及び更新処理で更新された学習済みモデルを用いた識別処理の概略が示されている。
［更新処理］
保全表示装置１００における更新処理は、上述した学習処理より後に、新たに保全作業が行われた場合、当該保全作業による保全作業の結果に基づいて、学習済みモデル（設備状態診断モデルＭ）を更新する処理である。すなわち、更新処理は、その開始前に保全作業が行われていることが前提となっている。
ステップＳ２１において、保全効果判定部１２３は、保全作業前に生産された複数の巻回体２０４の生産実績データＰＤ（図７Ａ参照）に含まれる形状データ（図５参照）、及び、設備状態診断モデルデータベース１１２に登録された設備状態診断モデルＭを用いて、保全作業前の一致度Ｃｂｅｆｏｒｅを算出する。
ステップＳ２２において、保全効果判定部１２３は、保全作業より後に生産された複数の巻回体２０４の生産実績データに含まれる形状データ、及び、設備状態診断モデルデータベース１１２に登録された設備状態診断モデルＭに含まれる過去の形状データを用いて、保全作業後の一致度Ｃａｆｔｅｒを算出する。
ステップＳ２３において、保全効果判定部１２３は、保全作業前後の一致度ＣｂｅｆｏｒｅとＣａｆｔｅｒとを比較し、保全作業の効果の有無を判定する。更新処理における、保全効果判定部１２３による保全作業の効果の判定処理についての詳細は後述する。
ステップＳ２３で保全作業の効果ありと判定した場合、保全効果判定部１２３は、ステップＳ２４において、更新処理開始前に行われた保全作業の内容を示す保全実績データＭＤを設備状態診断モデル生成部１２４に出力する。
ステップＳ２５において、設備状態診断モデル生成部１２４は、効果ありと判定された保全実績データＭＤを用いて、設備状態診断モデルＭを更新する。設備状態診断モデルＭの更新処理の詳細については後述する。
ステップＳ２６において、設備状態診断モデル生成部１２４は、生成した設備状態診断モデルＭを用いて、設備状態診断モデルデータベース１１２（図６参照）を更新する。
以上説明したステップＳ２１からステップＳ２６までの処理が、保全表示装置１００の更新処理である。
［識別処理］
以下説明する識別処理は、新たに生産された複数の巻回体２０４の断面形状を示す形状データに基づいて、生産装置２００に異常、または異常の予兆が生じているか否かを、更新処理で更新された設備状態診断モデルＭを用いて識別する処理である。
ステップＳ２７において、設備状態診断部１２１は、新たに生産された複数の巻回体の形状データ（以後、新たな形状データ）を取得する。
ステップＳ２８において、設備状態診断部１２１は、新たな形状データ及び設備状態診断モデルＭを用いて、一致度Ｃを算出する。一致度Ｃは、新たな形状データと、設備状態診断モデルＭに含まれる過去の形状データとが一致する度合いを示す値である。
ステップＳ２９において、報知判定部１２２は、一致度Ｃが所定の閾値以上である場合に、保全表示装置１００のユーザに対して報知が必要であると判定する。一致度Ｃが所定の閾値以上である場合とは、生産装置２００に異常、または異常の予兆が発生しており、改めて保全作業が必要である場合である。
ステップＳ２１０において、報知判定部１２２は、ユーザに報知すべき保全作業の内容を報知部１３０に対して出力する。ユーザに報知すべき保全作業の内容は、一致度Ｃが所定の閾値以上であった設備状態診断モデルＭに基づいて決定される。
ステップＳ２１１及びＳ２１２において、報知部１３０はユーザに対して保全作業を行うべき旨の報知を行う。ステップＳ２１１では、警報部１３１が警報を発する。また、ステップＳ２１２では、表示部１３２が、ユーザに対して報知すべき保全作業の内容等を表示する。なお、図１０では、ステップＳ２１１における警報、及びステップＳ２１２における保全作業の内容表示が両方行われる例が示されているが、例えば警報は発令されず、保全作業の内容表示のみが行われてもよい。
ステップＳ２１１及びＳ２１２における報知を受けた作業者は、報知された保全作業の内容に基づいて、生産装置２００に対する保全作業を実行する。
以上説明したステップＳ２７からステップＳ２１２までの処理が、保全表示装置１００の識別処理である。なお、図１０に示すステップＳ２７からステップＳ２１２までの識別処理は、図９に示すステップＳ１７からステップＳ１１２までの識別処理と実質的に同じ処理である。
＜各処理の詳細＞
以下では、図９及び図１０に示す学習処理、識別処理、及び更新処理のそれぞれについて詳細に説明する。
［学習処理］
まず、保全効果判定部１２３及び設備状態診断モデル生成部１２４による学習処理について説明する。
（保全効果判定部１２３の処理）
以下では、学習処理における、保全効果判定部１２３が実行する処理（図９のステップＳ１１からステップＳ１４の処理）について説明する。図１１は、学習処理において、保全効果判定部１２３が実行する処理について説明するためのフローチャートである。
ステップＳ３１において、保全効果判定部１２３は、生産実績データベース１１１に登録されている生産実績データのうち、学習処理の前に保全作業が行われた時刻から、所定時間前までに生産された巻回体２０４の生産実績データをすべて含む生産実績データリストＰＬｂｅｆｏｒｅを生産実績データベース１１１から読み出す。所定時間は、あらかじめ設定された長さの時間であり、ある程度以上の数の巻回体２０４が製造されるために必要な時間である。
ステップＳ３２において、保全効果判定部１２３は、生産実績データリストＰＬｂｅｆｏｒｅに含まれる生産実績データに基づいて、保全前不良率Ｎｆｂｅｆｏｒｅを算出する。上述したように、保全前不良率Ｎｆｂｅｆｏｒｅは、生産実績データリストＰＬｂｅｆｏｒｅに含まれる生産実績データの形状データ及び検査結果に基づいて、不良と判定された巻回体２０４の数を、保全作業前の生産総数で除して算出される。
ステップＳ３３において、保全効果判定部１２３は、保全が行われた時刻から所定時間後までに生産された巻回体２０４の生産実績データをすべて含む生産実績データリストＰＬａｆｔｅｒを生産実績データベース１１１から読み出す。
ステップＳ３４において、保全効果判定部１２３は、生産実績データリストＰＬａｆｔｅｒに含まれる生産実績データに基づいて、保全後不良率Ｎｆａｆｔｅｒを算出する。上述したように、保全後不良率Ｎｆａｆｔｅｒは、生産実績データリストＰＬａｆｔｅｒに含まれる生産実績データの形状データ及び検査結果に基づいて、不良と判定された巻回体２０４の数を、保全作業後の生産総数で除して算出される。
ステップＳ３５において、保全効果判定部１２３は、保全前不良率Ｎｆｂｅｆｏｒｅと保全後不良率Ｎｆａｆｔｅｒとの差分を取り、この差分が所定の閾値ＴｈＮより大きいか否かを判定する。差分が閾値ＴｈＮより大きい場合（ステップＳ３５：ＹＥＳ）、保全効果判定部１２３は処理をステップＳ３６に進め、そうでない場合（ステップＳ３５：ＮＯ）、処理をステップＳ３７に進める。
ステップＳ３６において、保全効果判定部１２３は、保全前不良率Ｎｆｂｅｆｏｒｅより保全後不良率Ｎｆａｆｔｅｒの方が小さくなっていることから、保全作業の効果ありと判定する。ここで言う保全作業とは、学習処理の前、すなわち図９のステップＳ１１より前に行われた保全作業である。
一方、ステップＳ３７において、保全効果判定部１２３は、保全前不良率Ｎｆｂｅｆｏｒｅより保全後不良率Ｎｆａｆｔｅｒの方が小さくなっていないことから、保全作業の効果なし、あるいは効果が非常に小さいと判定する。
このように、保全効果判定部１２３は、学習処理において、学習処理より前に行われた保全作業の効果があったか否かを判定する。
図１２Ａ及び図１２Ｂは、学習処理における保全作業の効果を判定する様子を説明するための概念図である。図１２Ａは、保全作業の効果ありと判定される場合の例を、図１２Ｂは、保全作業の効果なしと判定される場合の例を、それぞれ示している。
図１２Ａ及び図１２Ｂに示す例では、保全前に生産された５つの巻回体のうち、２つが不良と判定されている。すなわち、保全前不良率Ｎｆｂｅｆｏｒｅは４０％である。図１２Ａに示す例では、保全後に生産された５つの巻回体のうち、不良と判定される巻回体は０となっている（保全後不良率Ｎｆａｆｔｅｒ＝０）。一方、図１２Ｂに示す例では、保全後に生産された５つの巻回体のうち、不良と判定される巻回体は保全前と変わらず、２つとなっている（保全後不良率Ｎｆａｆｔｅｒ＝４０％）。
従って、図１２Ａに示す例では、保全前不良率Ｎｆｂｅｆｏｒｅと保全後不良率Ｎｆａｆｔｅｒとの差分は４０％である。一方、図１２Ｂに示す例では、保全前不良率Ｎｆｂｅｆｏｒｅと保全後不良率Ｎｆａｆｔｅｒとの差分は０である。従って、例えば保全効果の有無を判定する閾値ＴｈＮが例えば２０％である場合、図１２Ａに示す例では保全作業の効果ありと判定され、図１２Ｂに示す例では保全作業の効果なしと判定される。
（設備状態診断モデル生成部１２４の処理）
次に、学習処理における、設備状態診断モデル生成部１２４が実行する処理（図９のステップＳ１５及びＳ１６の処理）について説明する。図１３は、学習処理において、設備状態診断モデル生成部１２４が実行する処理について説明するためのフローチャートである。
ステップＳ４１において、設備状態診断モデル生成部１２４は、保全効果判定部１２３において効果があると判定された保全作業の保全実績データＭＤを読み出す。
ステップＳ４２において、設備状態診断モデル生成部１２４は、生産実績データベース１１１から、保全前生産実績データリストＰＬｂｅｆｏｒｅを読み出す。なお、ここで設備状態診断モデル生成部１２４によって読み出される保全前生産実績データリストＰＬｂｅｆｏｒｅは、保全効果判定部１２３の処理において読み出される保全前の生産実績データリストＰＬｂｅｆｏｒｅと同じものである（図１１のステップＳ３１参照）。
ステップＳ４３において、設備状態診断モデル生成部１２４は、読み出した保全実績データＭＤと、生産実績データリストＰＬｂｅｆｏｒｅに含まれる生産実績データＰＤと、を用いて設備状態診断モデルＭｎｅｗを生成する。
ステップＳ４４において、設備状態診断モデル生成部１２４は、新たに生成した設備状態診断モデルＭｎｅｗを設備状態診断モデルデータベース１１２に登録する。
このように、学習処理においては、どのような形状データの不良品が、どのような保全作業によって改善されたか、が学習された設備状態診断モデルＭｎｅｗが新たに生成され、設備状態診断モデルデータベース１１２に登録される。
［識別処理］
次に、設備状態診断部１２１及び報知判定部１２２による識別処理について説明する。
（設備状態診断部１２１の処理）
以下では、識別処理における、設備状態診断部１２１が実行する処理（図９のステップＳ１７及びステップＳ１８の処理）について説明する。図１４は、識別処理において、設備状態診断部１２１が実行する処理について説明するためのフローチャートである。
ステップＳ５１において、設備状態診断部１２１は、生産実績データベース１１１に新たな生産実績データＰＤｎｅｗが登録されたか否かを判定する。新たな生産実績データＰＤｎｅｗが登録されていない場合（ステップＳ５１：ＮＯ）、設備状態診断部１２１は、ステップＳ５１を繰り返す。新たな生産実績データＰＤｎｅｗが登録されていた場合（ステップＳ５１：ＹＥＳ）、設備状態診断部１２１は、処理をステップＳ５２に進める。
ステップＳ５２において、設備状態診断部１２１は、新たに登録された生産実績データＰＤｎｅｗに基づいて、生産実績データベース１１１から生産実績データリストＰＬを抽出する。生産実績データリストＰＬは、生産実績データベース１１１に登録されている生産実績データＰＤのうち、新たに登録された生産実績データＰＤｎｅｗの生産日時から所定時間前までに生産された巻回体２０４の生産実績データＰＤを抽出してリスト化したものである。すなわち、生産実績データリストＰＬには、少なくとも新たに登録された生産実績データＰＤｎｅｗが含まれている。
ステップＳ５３において、設備状態診断部１２１は、生産実績データリストＰＬに含まれる形状データと、設備状態診断モデルデータベース１１２から読み出した設備状態診断モデルＭに含まれる過去の形状データとを用いて、一致度Ｃを生成する。
より詳細には、設備状態診断部１２１は、生産実績データリストＰＬに含まれる１以上の生産実績データから、それぞれ形状データ（図５参照）を抽出する。一方、設備状態診断部１２１は、設備状態診断モデルデータベース１１２に登録されている、複数の設備状態診断モデルＭを抽出する。複数の設備状態診断モデルＭは、それぞれ異なる保全作業に対応している。
設備状態診断部１２１は、１以上の生産実績データから抽出された形状データと、複数の設備状態診断モデルＭとの全ての組み合わせにおいて、複数の一致度Ｃを算出する。
（報知判定部１２２の処理）
以下では、識別処理における、報知判定部１２２の実行する処理（図９のステップＳ１９からステップＳ１１２の処理）について説明する。図１５は、識別処理において、報知判定部１２２が実行する処理を説明するためのフローチャートである。
ステップＳ６１において、報知判定部１２２は、設備状態診断部１２１の生成した複数の一致度Ｃに基づいて、保全グループ毎に一致度Ｃを集計する。保全グループとは、保全作業の内容に対応するグループである。なお、本実施の形態では保全作業の内容毎に分けられたグループを保全グループとして説明したが、本発明はこれに限定されず、保全グループは例えば保全作業において交換される部品の品番等毎に分けられたグループであってもよい。
以下の説明において、保全グループ毎に一致度Ｃを集計した結果を集計値Ａとする。集計値Ａを生成する方法は、複数種類の集計方法の中から適宜決定されればよい。複数種類の集計方法の具体例としては、例えば単に一致度Ｃを合計する方法、一致度Ｃの平均を取る方法、一致度Ｃの中から最大値を選択する方法、上位所定数の一致度Ｃを抽出して平均を取る方法等が挙げられる。
ステップＳ６２において、報知判定部１２２は、保全案リストＭＬを生成する。保全案リストＭＬとは、保全グループのリストであり、例えば保全グループは集計値Ａが大きい順に並べられている。図１６は、保全案リストＭＬの具体例を示す図である。
図１６に示すように、保全案リストＭＬには、「保全案ＩＤ」、「設備」、「保全案」、及び「集計値」等の各データが含まれる。「保全案ＩＤ」データは、集計値の大きさによって並べ替えられた保全グループ毎に与えられた識別子である。「保全案ＩＤ」データとしては、例えば集計値が大きいほど若い番号が与えられる。「保全案」データは、保全グループに対応する保全の内容を示すデータである。「集計値」データは、保全グループ毎に集計された集計値Ａの値を示すデータである。
図５を参照して説明したように、第１データが示す上端面の位置の連続が、第２データが示す上端面の位置の連続に交差している場合、不良の原因は第１供給リール５０又は第１貼合ロール２０５Ａにあることが分かっている。そのため、「保全案」データには、第１供給リール５０又は第１貼合ロール２０５Ａの保全に関する内容を示すデータが列挙されている。
集計値Ａは一致度Ｃを集計した値であるため、一致度Ｃと同様の性質を有する。このため、集計値Ａが大きいほど、その保全グループの保全内容が、対象の生産装置２００に対して行われる必要性が高いことになる。また、保全案リストＭＬは集計値Ａの大きい順に並べられた保全グループのリストであるため、保全案リストＭＬの上位にある保全グループほど対象の生産装置２００に対する保全の必要性が高いことになる。
ステップＳ６３において、報知判定部１２２は、保全グループ毎に集計値Ａが所定の予兆閾値Ｔｈｆより大きいか否かを判定する。所定の予兆閾値Ｔｈｆとは、生産装置２００に異常が発生する予兆が生じていることが想定される集計値の最小値である。なお、本実施の形態において、生産装置２００の異常とは、例えば生産装置２００が検査結果「不良」の巻回体２０４を所定割合以上生産することを意味する。また、生産装置２００の異常の予兆とは、例えば生産装置２００が検査結果「可」の巻回体２０４を所定数以上生産することを意味する。所定の予兆閾値Ｔｈｆは、例えば過去の保全実績データＭＤ等に基づいて経験的に決定されればよい。
集計値Ａが予兆閾値Ｔｈｆより大きい保全グループが保全案リストＭＬに１つでも含まれる場合（ステップＳ６３：ＹＥＳ）、報知判定部１２２は、処理をステップＳ６４に進める。集計値Ａが予兆閾値Ｔｈｆより大きい保全グループが保全案リストＭＬに１つも含まれない場合（ステップＳ６３：ＮＯ）、報知判定部１２２は、報知を行う必要がないとして、処理を終了する。
ステップＳ６４において、報知判定部１２２は、保全案リストＭＬに含まれる保全グループのうち、集計値Ａが所定の異常閾値Ｔｈａより大きい保全グループがあるか否かを判定する。所定の異常閾値Ｔｈａとは、予兆の段階を通り過ぎて、生産装置２００に異常が生じていることが想定される集計値の最小値である。このため、異常閾値Ｔｈａは予兆閾値Ｔｈｆより大きな値に、例えば過去の保全実績データＭＤ等に基づいて経験的に決定される。集計値Ａが異常閾値Ｔｈａより大きい保全グループが保全案リストＭＬに含まれる場合（ステップＳ６４：ＹＥＳ）、報知判定部１２２は、処理をステップＳ６６に進める。集計値Ａが異常閾値Ｔｈａより大きい保全グループが保全案リストＭＬに含まれない場合（ステップＳ６４：ＮＯ）、報知判定部１２２は、処理をステップＳ６５に進める。
ステップＳ６５において、報知判定部１２２は、ステップＳ６３において集計値Ａが予兆閾値Ｔｈｆより大きいと判定された保全グループに対応する保全内容を、報知部１３０の表示部１３２に報知させる。より詳細には、報知判定部１２２は、例えば表示部１３２に「以下の保全内容を実行して下さい。」等のメッセージとともに、実行が推奨される保全作業の内容を表示させる。なお、実行が推奨される保全作業の内容は、図１６に示した保全案リストＭＬに含まれる「保全案」データに対応した内容である。
また、報知判定部１２２は、保全作業内容とともに、当該保全内容の保全グループに対応づけられた保全案ＩＤを報知する。保全作業を行った作業員が保全実績データＭＤを入力するときに、保全実績データＭＤと、保全を行う契機となった保全案ＩＤと、を対応付けて入力することで、入力された保全実績データＭＤが、保全表示装置１００の報知を契機として実行された保全作業に対応するデータであるか否かが容易に判別可能となる。
ステップＳ６６において、報知判定部１２２は、ステップＳ６５と同様に、表示部１３２に保全作業の内容を表示させるとともに、警報部１３１に、対象の生産装置２００に異常が生じていることを報知するための警報を発させる。対象の生産装置２００に異常の予兆ではなく、異常が生じている場合、緊急の保全作業が必要な事態である。このため、報知判定部１２２は、表示部１３２による保全作業の内容表示だけでなく、警報部１３１によって警報を発させ、保全表示装置１００のユーザに対して速やかに異常の発生を通知する。
このように、識別処理においては、新たに生産された巻回体の２０４の生産実績データＰＤ（特に形状データ）、及び設備状態診断モデルＭを用いて、生産装置２００に異常（不良品が所定割合以上生産される事態）や異常の予兆が発生しているか否かが判定される。そして、異常または異常の予兆が発生していると判定された場合、ユーザに対して報知が行われる。これにより、ユーザは生産装置２００に異常が発生している場合には異常を速やかに知ることができるとともに、異常を改善するために行うべき保全作業の内容を知ることができる。
［更新処理］
次に、保全効果判定部１２３及び設備状態診断モデル生成部１２４による更新処理について説明する。
（保全効果判定部１２３の処理）
以下では、更新処理における、保全効果判定部１２３が実行する処理（図１０のステップＳ２１からステップＳ２４の処理）について説明する。図１７は、更新処理において、保全効果判定部１２３が実行する処理について説明するためのフローチャートである。
ステップＳ７１において、保全効果判定部１２３は、記憶部１１０の保全実績データベース１１３に新たな保全実績データＭＤｎｅｗが登録されたか否かを判定する。新たな保全実績データＭＤｎｅｗが登録されていないと判定した場合（ステップＳ７１：ＮＯ）、保全効果判定部１２３は、ステップＳ７１を繰り返す。新たな保全実績データＭＤｎｅｗが登録されたと判定した場合（ステップＳ７１：ＹＥＳ）、保全効果判定部１２３は、処理をステップＳ７２に進める。
ステップＳ７２において、保全効果判定部１２３は、新たに登録された保全実績データＭＤｎｅｗに含まれる、「保全日時」データ（図８参照）に基づいて、新たに登録された保全実績データＭＤｎｅｗに対応する保全が行われてから現在までに所定時間が経過したか否かを判定する。
保全作業の実行時刻から所定時間が経過したと判定した場合（ステップＳ７２：ＹＥＳ）、保全効果判定部１２３は、処理をステップＳ７３に進める。保全作業の実行時刻からまだ所定時間が経過していないと判定した場合（ステップＳ７２：ＮＯ）、保全効果判定部１２３は、ステップＳ７２の処理を繰り返す。
ステップＳ７３において、保全効果判定部１２３は、保全作業から所定時間前までに生産された巻回体２０４の生産実績データＰＤをすべて含む保全前生産実績データリストＰＬｂｅｆｏｒｅを生産実績データベース１１１から読み出す。
ステップＳ７４において、保全効果判定部１２３は、新たな保全実績データＭＤｎｅｗに対応する保全内容の保全グループに属する設備状態診断モデルＭを設備状態診断モデルデータベース１１２から読み出し、読み出した設備状態診断モデルＭと、生産実績データリストＰＬｂｅｆｏｒｅとに基づいて、保全前一致度Ｃｂｅｆｏｒｅを生成する。保全前一致度Ｃｂｅｆｏｒｅの生成方法については、図１４のステップＳ５３における、設備状態診断部１２１による一致度Ｃの生成方法と同様である。
ステップＳ７５において、保全効果判定部１２３は、保全作業から所定時間後までに生産された巻回体２０４の生産実績データＰＤをすべて含む生産実績データリストＰＬａｆｔｅｒを生産実績データベース１１１から読み出す。
ステップＳ７６において、保全効果判定部１２３は、新たに保全実績データＭＤｎｅｗに対応する保全内容の保全グループに属する設備状態診断モデルＭを設備状態診断モデルデータベース１１２から読み出し、読み出した設備状態診断モデルＭと、生産実績データリストＰＬａｆｔｅｒとに基づいて、保全後の一致度Ｃａｆｔｅｒを生成する。一致度Ｃａｆｔｅｒの生成方法については、図１４のステップＳ５３における設備状態診断部１２１による一致度Ｃの生成方法と同様である。
ステップＳ７７において、保全効果判定部１２３は、保全前の一致度Ｃｂｅｆｏｒｅと保全後の一致度Ｃａｆｔｅｒとの差分を取り、この差分が所定の閾値ＴｈＤより大きいか否かを判定する。差分が閾値ＴｈＤより大きい場合（ステップＳ７７：ＹＥＳ）、保全効果判定部１２３は処理をステップＳ７８に進め、そうでない場合（ステップＳ７７：ＮＯ）、処理をステップＳ７９に進める。所定の閾値ＴｈＤは、過去の保全作業の実績等に基づいて、適宜決定されればよい。
ステップＳ７８において、保全効果判定部１２３は、保全前の一致度Ｃｂｅｆｏｒｅより保全後の一致度Ｃａｆｔｅｒの方が小さくなっていることから、報知判定部１２２により報知された保全内容に基づいて行われた保全作業の効果ありと判定する。
ステップＳ７９において、保全効果判定部１２３は、保全前の一致度Ｃｂｅｆｏｒｅより保全後の一致度Ｃａｆｔｅｒの方が小さくなっていないことから、報知判定部１２２により報知された保全内容に基づいて行われた保全作業の効果がない、あるいは非常に小さいと判定する。
図１８Ａ及び図１８Ｂは、更新処理における保全作業の効果を判定する様子を説明するための概念図である。図１８Ａは、保全作業の効果ありと判定される場合の例を、図１８Ｂは、保全作業の効果なしと判定される場合の例を、それぞれ示している。
図１８Ａ及び図１８Ｂに示す例では、保全前に生産された巻回体２０４の形状データ、及び設備状態診断モデルＭにより、保全前一致度Ｃｂｅｆｏｒｅ＝０．９０が算出されている。
そして、図１８Ａに示す例では、保全後に生産された巻回体２０４の形状データ、及び設備状態診断モデルＭにより、保全後一致度Ｃａｆｔｅｒ＝０．２０が算出されている。一方、図１８Ｂに示す例では、保全後に生産された巻回体２０４の形状データ、及び設備状態診断モデルＭにより、保全後一致度Ｃａｆｔｅｒ＝０．９０が算出されている。
従って、図１８Ａに示す例では、保全前一致度Ｃｂｅｆｏｒｅと保全後一致度Ｃａｆｔｅｒとの差分は０．７０となっている。一方、図１８Ｂに示す例では、保全前一致度Ｃｂｅｆｏｒｅと保全後一致度Ｃａｆｔｅｒとの差分は０となっている。従って、例えば保全効果の有無を判定する閾値ＴｈＤが０．３０である場合、図１８Ａに示す例では保全作業の効果ありと判定され、図１８Ｂに示す例では保全作業の効果なしと判定される。
（設備状態診断モデル生成部１２４の処理）
次に、更新処理における、設備状態診断モデル生成部１２４が実行する処理（図１０のステップＳ２５及びＳ２６の処理）について説明する。図１９は、更新処理において、設備状態診断モデル生成部１２４が実行する処理について説明するためのフローチャートである。
ステップＳ８１において、設備状態診断モデル生成部１２４は、保全効果判定部１２３において効果があると判定された保全作業の保全実績データＭＤｎｅｗを読み出す。
ステップＳ８２において、設備状態診断モデル生成部１２４は、生産実績データベース１１１から、保全前生産実績データリストＰＬｂｅｆｏｒｅを読み出す。なお、ここで設備状態診断モデル生成部１２４によって読み出される保全前生産実績データリストＰＬｂｅｆｏｒｅは、保全効果判定部１２３の処理において読み出される保全前の生産実績データリストＰＬｂｅｆｏｒｅと同じものである（図１１のステップＳ３１参照）。
ステップＳ８３において、設備状態診断モデル生成部１２４は、読み出した保全実績データＭＤと、生産実績データリストＰＬｂｅｆｏｒｅに含まれる生産実績データＰＤと、を用いて新たな設備状態診断モデルＭｎｅｗを生成する。
ステップＳ８４において、設備状態診断モデル生成部１２４は、新たな設備状態診断モデルＭｎｅｗを用いて、設備状態診断モデルデータベース１１２に既に登録されている設備状態診断モデルＭを更新する。
このように、更新処理においては、学習処理において生成された設備状態診断モデルＭを用いて新たな設備状態診断モデルＭｎｅｗが生成され、新たな設備状態診断モデルＭｎｅｗを用いて設備状態診断モデルデータベース１１２に既に登録されている設備状態診断モデルＭが更新される。このように、効果があった保全作業に基づいて新たな設備状態診断モデルＭｎｅｗを用いて設備状態診断モデルデータベース１１２の設備状態診断モデルＭが更新されることにより、設備状態診断部１２１における生産装置２００の設備状態の診断精度が次第に向上する。
＜第１の実施の形態の保全表示装置１００の作用・効果＞
以上説明したように、保全表示装置１００は、報知判定部１２２と、モデル生成部の一例である設備状態診断モデル生成部１２４とを有する。報知判定部１２２は、巻回体２０４の半径方向に沿って読み取られた第１端面の位置を表す第１データ、第２端面の位置を表す第２データをセンサとしての検査機２０７から取得する。そして報知判定部１２２は、第１データが示す第１端面の位置の連続が、第２データが示す第２端面の位置の連続に交差しているか否かに基づいて、巻回体２０４が不良であるか否かを判定する。巻回体２０４が不良である場合、報知判定部１２２は、不良の原因は第１供給リール５０又は第１貼合ロール２０５Ａにある旨の情報を保全のために表示部１３２に出力する。設備状態診断モデル生成部１２４は、第１供給リール５０を保全する前後の第１データ及び第２データに基づき、第１供給リール５０が保全される前の巻回体２０４の第１不良率と第１供給リール５０を保全した後の巻回体２０４の第２不良率との第１差分を算出する。そして設備状態診断モデル生成部１２４は、第１差分が所定値未満と判断された場合、第１供給リール５０が保全される前に読み取られた第１データ及び第２データは学習済みモデルを生成または更新するためには用いない。一方、第１差分が所定値以上と判断された場合、第１供給リール５０が保全される前に読み取られた第１データ及び第２データを用いて学習済みモデル（設備状態診断モデルＭ）を生成または更新する。
一方、設備状態診断モデル生成部１２４は、第１貼合ロール２０５Ａが保全される前の第１データ及び第２データを学習済みモデルに入力して得られる巻回体２０４の不良が改善される第３確率を算出する。また設備状態診断モデル生成部１２４は、第１貼合ロール２０５Ａを保全した後の第１データ及び第２データを学習済みモデルに入力して得られる巻回体２０４の不良が改善される第４確率を算出する。そして設備状態診断モデル生成部１２４は、第３確率と第４確率との第２差分を算出する。第２差分が所定値未満と判断された場合、第１貼合ロール２０５Ａが保全される前に読み取られた第１データ及び第２データは学習済みモデルを作成または更新するためには用いない。一方、第２差分が所定値以上と判断された場合、第１貼合ロール２０５Ａが保全される前の第１データ及び第２データを用いて学習済みモデルを作成または更新する。
以上のように、第１の実施の形態に係る保全表示装置１００によれば、生産装置２００の設備状態を診断するための設備状態診断モデルＭを学習により生成する学習処理と、設備状態診断モデルＭを用いて、生産装置２００に異常または異常の予兆が発生しているか否かを識別し、異常または異常の予兆が発生している場合にはこれを報知する識別処理と、報知に基づいて行われた保全作業に対応する保全実績データＭＤに基づいて設備状態診断モデルＭを更新する更新処理と、を実行することができる。
より詳細には、学習処理においては、保全表示装置１００は、新たに登録された保全実績データＭＤと、保全作業の前後に生産された巻回体２０４の生産実績データＰＤに含まれる形状データと、に基づいて保全作業の効果の有無を判定し、効果があると判定された保全作業に対応する保全実績データＭＤと形状データとを用いて設備状態診断モデルＭを生成する。
また、識別処理においては、保全表示装置１００は、保全作業後に生産された巻回体２０４の形状データと設備状態診断モデルＭとの一致度Ｃを保全グループ毎に算出し、一致度Ｃの大きさに基づいて、警報の発令と保全作業の内容の報知とを行うか、保全作業の内容の報知のみ行うか、報知自体を行わないか、を判定する。
また、更新処理においては、保全表示装置１００は、新たに登録された保全実績データＭＤと、保全作業の前後に生産された巻回体２０４の生産実績データＰＤに含まれる形状データと、に基づいて保全作業の効果の有無を判定し、効果があると判定された保全作業に対応する保全実績データＭＤと形状データとを用いて新たな設備状態診断モデルＭｎｅｗを生成し、新たな設備状態診断モデルＭｎｅｗを用いて設備状態診断モデルＭを更新する。
このような構成により、実際に行われた保全作業のうち、効果がある（不良率が下がった）保全作業に基づいて生成した学習済みモデル（設備状態診断モデルＭ）を用いて生産装置２００の状態を適切に診断することができる。また、学習済みモデルを随時更新するため、診断の精度を向上させることができる。さらに、生産装置２００に異常が発生したと診断した場合には警報を発して緊急の対応をユーザに行わせることができるとともに、異常の予兆が発生したと診断した場合には、改善を見込める保全作業の内容をユーザに報知するので、生産装置２００における不良品の発生率が低い内に保全作業が実行されうる。
本実施の形態に係る保全表示装置は、報知部と、保全効果判定部と、設備状態診断モデル生成部と、を有する。報知部は、過去に行われた保全作業毎に、保全作業の内容とその保全作業より前の生産実績データとが関連づけられてデータベースに登録された設備状態診断モデルと、新たに入力された生産実績データとに基づいて、保全作業の内容を報知する。保全効果判定部は、保全作業が行われた時点より前の生産実績データと、保全作業が行われた時点より後の生産実績データとに基づいて、保全作業の効果があったか否かを判定する。設備状態診断モデル生成部は、効果があったと判定された保全作業が行われた時点より前の生産実績データと、効果があったと判定された保全作業の内容とに基づいて、新たな設備状態診断モデルを生成する。
本実施の形態に係る保全表示装置は、新たに登録された生産実績データと、設備状態診断モデルに含まれる保全作業前の生産実績データと、が一致する度合いである設備状態診断指標を生成する設備状態診断部をさらに有する。そして、報知部は、設備状態診断指標に基づいて保全作業の内容の報知を行う。
本実施の形態に係る保全表示装置において、設備状態診断モデル生成部は、効果があると判定された保全作業が行われた時点より前の生産実績データと、その保全作業に関する保全実績データと、を用いて、機械学習により設備状態診断モデルを生成する。
本実施の形態に係る保全表示装置は、報知部が報知した保全作業の内容に基づかない保全作業が実行され、その保全作業に関する保全実績データが新たに入力された場合に、生産実績データに含まれる生産設備の生産物の検査結果に関するデータに基づいて、新たに入力された保全実績データの保全作業が行われた時点から所定時間前までの間の生産実績データのうち検査結果が不良である不良率を算出する。さらに、新たに入力された保全実績データの保全作業が行われた時点から所定時間後までの間の生産実績データのうち検査結果が不良である不良率を算出する。そして、保全効果判定部は、保全作業前の不良率と保全作業後の不良率との差分を算出し、差分の大きさに基づいて保全作業の効果があったか否かを判定する。
（第２の実施の形態）
以下では、本発明の第２の実施の形態について説明する。図２０は、第２の実施の形態に係る保全表示装置１００Ａの構成を例示した図である。第２の実施の形態に係る保全表示装置１００Ａは、サーバ１０Ａの制御部１２０Ａが有する保全効果判定部１２３Ａの行う処理が上記説明した第１の実施の形態に係る保全効果判定部１２３と異なっている。
以下では、第１の実施の形態との相違点について説明を行う。第１の実施の形態と同様の構成については、第１の実施の形態と同様の符号を付して説明し、第１の実施の形態と異なる構成については符号に「Ａ」を付して説明する。
第１の実施の形態では、保全表示装置１００のユーザが、保全表示装置１００により報知された内容以外の保全作業を行うことについては想定していなかった。しかしながら、実際には、生産装置２００の運用上、現場の判断等によって適宜必要な保全作業（保全表示装置１００の報知した保全内容以外の保全作業）が随時行われうる。本第２の実施の形態では、このように保全表示装置１００Ａが報知した保全内容以外の保全作業が行われる場合にも対応できる保全表示装置１００Ａについて説明する。
図２１は、第２の実施の形態において、保全効果判定部１２３Ａが実行する処理について説明するためのフローチャートである。
図２１のステップＳ９１において、保全効果判定部１２３Ａは、記憶部１１０の保全実績データベース１１３に新たに保全実績データＭＤｎｅｗが登録されたか否かを判定する。新たな保全実績データＭＤｎｅｗが登録されていないと判定した場合（ステップＳ９１：ＮＯ）、保全効果判定部１２３Ａは、ステップＳ９１を繰り返す。新たな保全実績データＭＤｎｅｗが登録されていたと判定した場合（ステップＳ９１：ＹＥＳ）、保全効果判定部１２３Ａは、処理をステップＳ９２に進める。
ステップＳ９２において、保全効果判定部１２３Ａは、新たに登録された保全実績データＭＤｎｅｗに含まれる保全日時データに基づいて、新たに登録された保全実績データＭＤｎｅｗに対応する保全作業から所定時間が経過したか否かを判定する。所定時間は、第１の実施の形態にて説明した所定時間と同様、例えば保全作業が行われてから対象の生産装置２００において、ある程度以上の数の巻回体２０４が製造されるために必要な時間である。
保全作業から所定時間が経過したと判定した場合（ステップＳ９２：ＹＥＳ）、保全効果判定部１２３Ａは、処理をステップＳ９３に進める。保全作業から所定時間が経過していないと判定した場合（ステップＳ９２：ＮＯ）、保全効果判定部１２３Ａは、ステップＳ９２の処理を繰り返す。
ステップＳ９３において、保全効果判定部１２３Ａは、新たに登録された保全実績データＭＤｎｅｗと対応付けられた保全案ＩＤが存在するか否かを判定する。第１の実施の形態にて説明したように、報知判定部１２２は、保全作業内容とともに、当該保全内容の保全グループに対応づけられた保全案ＩＤを報知する。これにより、保全作業を行った作業員が保全実績データＭＤを入力するときに、保全実績データＭＤと、保全を行う契機となった保全案ＩＤと、が対応付けられる。本ステップＳ９３では、このようにして、新たに登録された保全実績データＭＤｎｅｗが保全表示装置１００Ａによる報知を契機として行われた保全であるか否かを判定している。
ステップＳ９３において、新たに登録された保全実績データＭＤｎｅｗと対応付けられた保全案ＩＤが存在する場合、その保全実績データＭＤｎｅｗに対応する保全作業は、保全表示装置１００Ａによる保全内容の報知を契機としたものであると判断される。また、新たに登録された保全実績データＭＤｎｅｗと対応付けられた保全案ＩＤが存在しない場合、その保全実績データＭＤｎｅｗに対応する保全作業は、保全表示装置１００Ａによる保全内容の報知を契機としたものではないと判断される。
ステップＳ９３において、新たに登録された保全実績データＭＤｎｅｗに保全案ＩＤが含まれていると判定された場合（ステップＳ９３：ＹＥＳ）、保全効果判定部１２３Ａは、処理をステップＳ９４に進める。一方、保全実績データＭＤｎｅｗに保全案ＩＤが含まれていないと判定した場合（ステップＳ９３：ＮＯ）、保全効果判定部１２３Ａは、処理をステップＳ９５に進める。
ステップＳ９４は、新たに登録された保全実績データＭＤｎｅｗに対応する保全作業が保全表示装置１００Ａによる保全内容の報知を契機とした場合の処理である。このためステップＳ９４において、保全効果判定部１２３Ａは、保全表示装置１００Ａによる保全内容の報知を契機とした保全作業の効果の有無を判定する処理へと移行する。なお、保全表示装置１００Ａによる保全内容の報知を契機とした保全に対する保全効果判定処理は、上述した第１の実施の形態において図１７を参照して説明した処理とほぼ同様であるため、説明を省略する。
一方、ステップＳ９５は、保全実績データＭＤｎｅｗに対応する保全作業が保全表示装置１００Ａによる保全内容の報知を契機としたものではない場合の処理である。このため、保全効果判定部１２３Ａは、保全表示装置１００Ａを契機としない保全作業の効果の有無を判定する処理へと移行する。なお、保全表示装置１００Ａによる保全内容の報知を契機とした保全に対する保全効果判定処理は、上述した第１の実施の形態において図１１を参照して説明した処理とほぼ同様であるため、説明を省略する。
以上説明したように、第２の実施の形態に係る保全表示装置１００Ａによれば、保全表示装置１００Ａによる保全内容の報知を契機としたものではない保全作業が行われた場合でも、保全実績データＭＤｎｅｗを好適に登録することができる。なお、図２１にて説明した保全効果判定部１２３Ａの処理は、上述した学習処理または更新処理のいずれにおいても実行されうる。
本実施の形態に係る保全表示装置は、新たに登録された保全実績データの保全作業が行われた時点から所定時間前までの間の生産実績データと、新たに入力された保全実績データの保全作業の契機となった報知における保全作業の内容が関連づけられた設備状態診断モデルと、に基づいて保全作業前の設備状態診断指標を生成する。そして、新たに入力された保全実績データの保全作業が行われた時点から所定時間後までの間の生産実績データと、新たに入力された保全実績データの保全作業の契機となった報知における保全作業の内容が関連づけられた設備状態診断モデルと、に基づいて保全作業後の設備状態診断指標を生成する。そして、保全効果判定部は、保全作業前の設備状態診断指標と保全作業後の設備状態診断指標との差分を算出し、差分の大きさに基づいて保全作業の効果があったか否かを判定する。
（第３の実施の形態）
以下、本発明の第３の実施の形態について説明する。図２２は、第３の実施の形態に係る保全表示装置１００Ｂの構成を例示した図である。第３の実施の形態に係る保全表示装置１００Ｂは、サーバ１０Ｂの記憶部１１０Ｂが効果なし設備状態診断モデルデータベース１１４をさらに有し、制御部１２０Ｂが報知判定部１２２Ｂ、保全効果判定部１２３Ｂ、及び設備状態診断モデル生成部１２４Ｂを有する点で上記説明した第１の実施の形態に係る保全表示装置１００と異なっている。
上述した第１の実施の形態において、設備状態診断モデル生成部１２４は、効果があると判定された保全実績データＭＤを用いて新たな設備状態診断モデルＭｎｅｗを生成していた（図１３参照）。第３の実施の形態においては、設備状態診断モデル生成部１２４Ｂは、保全の効果がないと判定された保全実績データＭＤも用いて、新たな設備状態診断モデルＭｎｅｗを生成する。
図２３は、第３の実施の形態において、設備状態診断モデル生成部１２４Ｂが行う処理について説明するためのフローチャートである。なお、図２３にて説明する処理は、学習処理または更新処理のいずれにおいても実行されうる。
ステップＳ１０１において、設備状態診断モデル生成部１２４Ｂは、新たに登録された保全実績データＭＤｎｅｗを保全実績データベース１１３から読み出す。ここで、設備状態診断モデル生成部１２４Ｂは、保全効果判定部１２３Ｂによる効果の判定結果にかかわらず、保全実績データＭＤｎｅｗを読み出す。
ステップＳ１０２において、設備状態診断モデル生成部１２４Ｂは、生産実績データベース１１１から、保全作業前の生産実績データリストＰＬｂｅｆｏｒｅを読み出す。
ステップＳ１０３において、設備状態診断モデル生成部１２４Ｂは、読み出した保全実績データＭＤｎｅｗと、生産実績データリストＰＬｂｅｆｏｒｅに含まれる生産実績データＰＤと、を用いて、設備状態診断モデルＭｎｅｗを生成する。
ステップＳ１０４において、設備状態診断モデル生成部１２４Ｂは、新たに生成された設備状態診断モデルＭｎｅｗのうち、効果なしと判定された保全実績データＭＤに基づいて生成されたモデルを、効果なし設備状態診断モデルデータベース１１４に登録する。一方、設備状態診断モデル生成部１２４Ｂは、新たに生成された設備状態診断モデルＭｎｅｗのうち、効果ありと判定された保全実績データＭＤに基づいて生成されたモデルを、設備状態診断モデルデータベース１１２に登録する。
このように、設備状態診断モデル生成部１２４Ｂは、効果があると判定された保全の保全実績データＭＤを用いた設備状態診断モデルＭを生成するだけでなく、効果がないと判定された保全の保全実績データＭＤを用いた設備状態診断モデルＭを生成する。
このように生成された設備状態診断モデルＭを用いて、設備状態診断部１２１及び報知判定部１２２Ｂによる識別処理が実行される。設備状態診断部１２１が実行する処理については、上述した第１の実施の形態において図１４を参照して説明した処理とほぼ同様であるため、説明を省略する。
以下では、第３の実施の形態の識別処理において、報知判定部１２２Ｂが実行する処理について説明する。図２４は、第３の実施の形態において、報知判定部１２２Ｂが行う処理について説明するためのフローチャートである。
ステップＳ１１１において、報知判定部１２２Ｂは、設備状態診断部１２１の生成した一致度Ｃを用いて、保全グループ毎に一致度Ｃを集計し、集計値Ａを生成する。なお、第３の実施の形態において、各保全グループには、効果があると判定された保全作業か否かを示す情報（フラグ）が、保全効果判定部１２３Ｂによって関連づけられている。
ステップＳ１１２において、報知判定部１２２Ｂは、集計値Ａの大きい順に並べられた保全グループのリストである保全案リストＭＬを生成する。
ステップＳ１１３において、報知判定部１２２Ｂは、保全案リストＭＬに含まれる保全グループ毎に、効果ありと判定されたか否かを判定する。上記したように、第３の実施の形態においては、設備状態診断部１２１によって保全グループ毎に効果があるか否かを示すフラグが関連づけられているので、報知判定部１２２Ｂはこのフラグを参照することで本ステップＳ１１３の処理を行う。報知判定部１２２Ｂは、効果ありと判定された保全作業の保全グループに関しては、処理をステップＳ１１４に進める。一方、報知判定部１２２Ｂは、効果なしと判定された保全作業の保全グループに関しては、処理をステップＳ１１７に進める。
ステップＳ１１４において、報知判定部１２２Ｂは、効果ありと判定された保全グループ毎に、集計値Ａが所定の予兆閾値Ｔｈｆより大きいか否かを判定する。集計値Ａが予兆閾値Ｔｈｆより大きい保全グループが１つでも存在する場合（ステップＳ１１４：ＹＥＳ）、報知判定部１２２Ｂは、処理をステップＳ１１５に進める。集計値Ａが予兆閾値Ｔｈｆより大きい保全グループが存在しない場合（ステップＳ１１５：ＮＯ）、報知判定部１２２Ｂは、処理を終了する。
ステップＳ１１５において、報知判定部１２２Ｂは、効果ありと判定された保全グループのうち、集計値Ａが所定の異常閾値Ｔｈａより大きい保全グループがあるか否かを判定する。集計値Ａが異常閾値Ｔｈａより大きい保全グループが存在する場合（ステップＳ１１５：ＹＥＳ）、報知判定部１２２Ｂは、処理をステップＳ１１６に進める。集計値Ａが異常閾値Ｔｈａより大きい保全グループが存在しない場合（ステップＳ１１５：ＮＯ）、報知判定部１２２Ｂは、処理をステップＳ１１８に進める。
ステップＳ１１６において、報知判定部１２２Ｂは、ステップＳ１１４において集計値Ａが予兆閾値Ｔｈｆより大きいと判定された保全グループに対応する保全内容を報知するとともに、対象の生産装置２００に異常が生じていることを報知するための警報を発報する。
ステップＳ１１７において、報知判定部１２２Ｂは、効果なしと判定された保全の保全グループ毎に、集計値Ａが所定の効果なし閾値Ｔｈｉｅより大きいか否かを判定する。効果なし閾値Ｔｈｉｅは、効果がないことを報知するべきと想定される集計値の最小値である。集計値Ａが効果なし閾値Ｔｈｉｅより大きい保全グループが存在する場合（ステップＳ１１７：ＹＥＳ）、報知判定部１２２Ｂは、処理をステップＳ１１８に進める。集計値Ａが効果なし閾値Ｔｈｉｅより大きい保全グループが存在しない場合（ステップＳ１１７：ＮＯ）、報知判定部１２２Ｂは、処理を終了する。
ステップＳ１１８において、報知判定部１２２Ｂは、ステップＳ１１４において集計値Ａが予兆閾値Ｔｈｆより大きいと判定された保全グループに対応する保全内容を報知する。同時に、報知判定部１２２Ｂは、ステップＳ１１７において集計値Ａが効果なし閾値Ｔｈｉｅより大きいと判定された保全グループに対応する保全内容を報知する。
このような構成により、第３の実施の形態に係る保全表示装置１００Ｂによれば、生産装置２００を改善することができると想定される保全内容だけでなく、過去に実施されたが効果がなかった保全作業の内容についてユーザに報知することができる。これにより、ユーザは、効果がない保全作業を繰り返し行う事態を回避することができるので、保全に要する時間を短縮するとともに、保全に要する労力を軽減することができる。
本実施の形態に係る保全表示装置において、設備状態診断モデル生成部は、効果がないと判定された保全作業が行われた時点より前の生産実績データと、その保全作業に関する保全実績データと、に基づいて、新たな設備状態診断モデルを生成する。報知部は、効果があると判定された保全作業の内容を効果がある保全作業として報知するとともに、効果がないと判定された保全作業に関する保全実績データに基づいて生成された設備状態診断モデルに関連づけられた保全作業の内容を、効果がない保全作業として報知する。
（変形例）
以上、図面を参照しながら本開示に係る実施の形態について説明したが、本開示はかかる例に限定されない。当業者であれば、特許請求の範囲に記載された範囲内において、各種の変更例または修正例に想到しうることは明らかであり、それらについても当然に本開示の技術的範囲に属するものと了解される。また、開示の趣旨を逸脱しない範囲において、上記実施の形態における各構成要素は任意に組み合わせてられてもよい。
上述した実施の形態では、学習処理において、保全効果判定部１２３による保全作業の効果の有無の判定処理では、保全作業前後の不良率の差分が所定の閾値より大きいか否かによって効果の有無を判定していた（図１２Ａ及び図１２Ｂを参照）。
しかしながら、保全効果判定部１２３は、他の方法を用いて保全作業の効果の有無を判定してもよい。図２５Ａ及び図２５Ｂは、学習処理における、保全効果判定部１２３による保全作業の効果の有無の判定方法の変形例を説明するための図である。
図２５Ａ及び図２５Ｂに示す例では、保全前不良率は参照せず、保全後不良率Ｎｆａｆｔｅｒが所定閾値（例えば２０％）より大きいか否かに基づいて、効果の有無を判定している。図２５Ａに示す例ではＮｆａｆｔｅｒ＝０％であり、所定閾値２０％より小さいため、効果ありと判定される。一方、図２５Ｂに示す例ではＮｆａｆｔｅｒ＝４０％であり、所定閾値２０％より大きいため、効果なしと判定される。
同様に、更新処理においても、保全効果判定部１２３は、上述した実施の形態とは異なる方法を用いて保全作業の効果の有無を判定してもよい。
また、上述した実施の形態では、更新処理において、保全効果判定部１２３による保全作業の効果の有無の判定処理では、保全作業前後の一致度の差分が所定の閾値より大きいか否かによって効果の有無を判定していた（図１８Ａ及び図１８Ｂを参照）。
図２６Ａ及び図２６Ｂは、更新処理における、保全効果判定部１２３による保全作業の効果の有無の判定方法の変形例を説明するための図である。
図２６Ａ及び図２６Ｂに示す例では、保全前一致度は参照せず、保全後一致度Ｃａｆｔｅｒが所定閾値（例えば０．３０）より大きいか否かに基づいて、効果の有無を判定している。図２６Ａに示す例ではＣａｆｔｅｒ＝０．２０であり、所定閾値０．３０より小さいため、効果ありと判定される。一方、図２６Ｂに示す例ではＣｆａｆｔｅｒ＝０．９０であり、所定閾値０．３０より大きいため、効果なしと判定される。
上述した実施の形態では、説明のため、保全表示装置１００（１００Ａ，１００Ｂ）が記憶部１１０（１１０Ｂ）、制御部１２０（１２０Ａ，１２０Ｂ）、及び報知部１３０を備える構成について説明したが、本発明はこれに限定されない。上述した実施の形態でも説明したが、本発明では、記憶部及び制御部が、互いに通信可能に構成されていれば、互いに別体に構成され、離れた位置に配置されていてもよい。また、報知部は生産装置に含まれていても、生産装置の外部に設置されていてもよい。また、報知部は記憶部及び制御部とネットワークを介して接続されていても、直接接続されていてもよい。
このように、本発明に係る保全表示装置において、記憶部、制御部、及び報知部のそれぞれは互いに独立した別体の装置であって、かつ互いに独立して動作する装置であってもよい。また、記憶部、制御部、及び報知部のそれぞれは互いに通信可能であれば、配置される場所については特に限定されない。報知装置は例えば生産装置が配置される工場等に配置され、記憶部及び制御部は例えばクラウド上に設けられたクラウドサーバに含まれる構成であってもよい。
また、上述した実施の形態では、制御部１２０（１２０Ａ，１２０Ｂ）が、学習処理、更新処理、及び識別処理を全て行っていた。そして、識別処理において、制御部１２０（１２０Ａ，１２０Ｂ）が報知部１３０を制御して報知処理を行っていた。なお、学習処理とは設備状態診断モデルＭを生成する処理であり、更新処理とは設備状態診断モデルＭを更新する処理である。また、識別処理とは設備状態診断モデルＭを用いて新たに生産された複数の巻回体２０４に異常、または異常の予兆が生じているか否かを、設備状態診断モデルＭを用いて識別する処理である。しかしながら、本発明はこれに限定されない。
例えば、制御部は学習処理または更新処理のみを行い、報知部が制御部から設備状態診断モデルを受信して、受信した設備状態診断モデルを用いて識別処理を行うようにしてもよい。このような構成により、制御部と報知部との通信量の増大を抑えることができるとともに、複数の報知部が制御部に接続されている場合でも、識別処理の負荷を各報知部に分散できるので、制御部に処理が集中することによる処理の遅延を防止できる。
本開示は、生産設備の保全に関する情報を表示する保全表示装置に有用である。
１０，１０Ａ，１０Ｂ サーバ
５０ 第１供給リール
５１ 第２供給リール
１００，１００Ａ，１００Ｂ 保全表示装置
１１０，１１０Ｂ 記憶部
１１１ 生産実績データベース
１１２ 設備状態診断モデルデータベース
１１３ 保全実績データベース
１１４ 効果なし設備状態診断モデルデータベース
１２０，１２０Ａ，１２０Ｂ 制御部
１２１ 設備状態診断部
１２２，１２２Ｂ 報知判定部
１２３，１２３Ａ，１２３Ｂ 保全効果判定部
１２４，１２４Ｂ 設備状態診断モデル生成部
１３０ 報知部
１３１ 警報部
１３２ 表示部
２００ 生産装置
２０１ 巻回部
２０２ 第１シート材
２０３ 第２シート材
２０４ 巻回体
２０５Ａ 第１貼合ロール
２０５Ｂ 第２貼合ロール
２０６ 巻芯
２０６Ｍ 巻芯回転駆動部
２０７ 検査機

Claims (24)

  1. 第１電極シートを供給する第１供給リールと、
    第２電極シートを供給する第２供給リールと、
    前記第１電極シート側に設けられた第１貼合ローラと、
    前記第２電極シート側に設けられ、前記第１貼合ローラと対となって前記第１電極シートと前記第２電極シートとを貼り合わせる第２貼合ローラと、
    前記貼り合わせられた前記第１電極シート及び前記第２電極シートが巻き付けられる巻芯と、
    前記巻芯に巻き付けられた前記第１電極シート及び前記第２電極シートの巻回体の半径方向に沿って前記第１電極シートの第１端面及び前記第２電極シートの第２端面を読み取るセンサと、を備えた生産装置の保全のための学習済みモデルの生成方法であって、
    前記半径方向に沿って読み取られた前記第１端面の位置を表す第１データ、前記半径方向に沿って読み取られた前記第２端面の位置を表す第２データを前記センサから取得し、
    前記第１データ及び前記第２データに基づき、前記第１データが示す前記第１端面の位置の連続が、前記第２データが示す前記第２端面の位置の連続に交差していると判断された場合、前記巻回体が不良であり、前記不良の原因は前記第１供給リール又は前記第１貼合ローラにある旨の情報を保全のために表示装置に出力し、
    前記第１供給リールを保全する前後の前記第１データ及び前記第２データに基づき、前記第１供給リールを保全した前の前記巻回体の第１不良率と前記第１供給リールを保全した後の前記巻回体の第２不良率との第１差分が所定値未満と判断された場合、前記第１供給リールを保全した前に読み取られた前記第１データ及び前記第２データは前記学習済みモデルを生成するためには用いず、一方、前記第１差分が前記所定値以上と判断された場合、前記第１供給リールを保全した前に読み取られた前記第１データ及び前記第２データを用いて前記学習済みモデルを生成する、
    学習済みモデルの生成方法。
  2. 前記第１貼合ローラを保全する前後の前記第１データ及び前記第２データに基づき、前記第１貼合ローラを保全した前の前記巻回体の第３不良率と前記第１貼合ローラを保全した後の前記巻回体の第４不良率との第２差分が所定値未満と判断された場合、前記第１貼合ローラを保全した前に読み取られた前記第１データ及び前記第２データは前記学習済みモデルを生成するためには用いず、一方、前記第２差分が前記所定値以上と判断された場合、前記第１貼合ローラを保全した前に読み取られた前記第１データ及び前記第２データを用いて前記学習済みモデルを生成する、
    請求項１記載の学習済みモデルの生成方法。
  3. 前記第１電極シートは電池の正極シートであり、前記第２電極シートは電池の負極シートである、
    請求項１記載の学習済みモデルの生成方法。
  4. 前記第１電極シートは電池の負極シートであり、前記第２電極シートは電池の正極シートである、
    請求項１記載の学習済みモデルの生成方法。
  5. 第１電極シートを供給する第１供給リールと、
    第２電極シートを供給する第２供給リールと、
    前記第１電極シート側に設けられた第１貼合ローラと、
    前記第２電極シート側に設けられ、前記第１貼合ローラと対となって前記第１電極シートと前記第２電極シートとを貼り合わせる第２貼合ローラと、
    前記貼り合わせられた前記第１電極シート及び前記第２電極シートが巻き付けられる巻芯と、
    前記巻芯に巻き付けられた前記第１電極シート及び前記第２電極シートの巻回体の半径方向に沿って前記第１電極シートの第１端面及び前記第２電極シートの第２端面を読み取るセンサと、を備えた生産装置の保全のための学習済みモデルの生成方法であって、
    前記半径方向に沿って読み取られた前記第１端面の位置を表す第１データ、前記半径方向に沿って読み取られた前記第２端面の位置を表す第２データを前記センサから取得し、
    前記第１データ及び前記第２データに基づき、前記第１データが示す前記第１端面の位置の連続が、前記第２データが示す前記第２端面の位置の連続に交差していると判断された場合、前記巻回体が不良であり、前記不良の原因は前記第１供給リール又は前記第１貼合ローラにある旨の情報を保全のために表示装置に出力し、
    前記第１供給リールを保全する前後の前記第１データ及び前記第２データに基づき、前記第１供給リールを保全した後の前記巻回体の第５不良率が所定値以上と判断された場合、前記第１供給リールを保全した前に読み取られた前記第１データ及び前記第２データは前記学習済みモデルを生成するためには用いず、一方、前記第５不良率が前記所定値未満と判断された場合、前記第１供給リールを保全した前に読み取られた前記第１データ及び前記第２データを用いて前記学習済みモデルを生成する、
    学習済みモデルの生成方法。
  6. 前記第１貼合ローラを保全した後の前記第１データ及び前記第２データに基づき、前記第１貼合ローラを保全した後の前記巻回体の第６不良率が所定値以上と判断された場合、前記第１貼合ローラを保全した前に読み取られた前記第１データ及び前記第２データは前記学習済みモデルを生成するためには用いず、一方、前記第６不良率が前記所定値未満と判断された場合、前記第１貼合ローラを保全した前に読み取られた前記第１データ及び前記第２データを用いて前記学習済みモデルを生成する、
    請求項５記載の学習済みモデルの生成方法。
  7. 前記第１電極シートは電池の正極シートであり、前記第２電極シートは電池の負極シートである、
    請求項５記載の学習済みモデルの生成方法。
  8. 前記第１電極シートは電池の負極シートであり、前記第２電極シートは電池の正極シートである、
    請求項５記載の学習済みモデルの生成方法。
  9. 第１電極シートを供給する第１供給リールと、
    第２電極シートを供給する第２供給リールと、
    前記第１電極シート側に設けられた第１貼合ローラと、
    前記第２電極シート側に設けられ、前記第１貼合ローラと対となって前記第１電極シートと前記第２電極シートとを貼り合わせる第２貼合ローラと、
    前記貼り合わせられた前記第１電極シート及び前記第２電極シートが巻き付けられる巻芯と、
    前記巻芯に巻き付けられた前記第１電極シート及び前記第２電極シートの巻回体の半径方向に沿って前記第１電極シートの第１端面及び前記第２電極シートの第２端面を読み取るセンサと、を備えた生産装置の保全のための学習済みモデルの生成方法であって、
    前記半径方向に沿って読み取られた前記第１端面の位置を表す第１データ、前記半径方向に沿って読み取られた前記第２端面の位置を表す第２データを前記センサから取得し、
    前記第１データ及び前記第２データに基づき、前記第１データが示す前記第１端面の位置の連続が、前記第２データが示す前記第２端面の位置の連続に交差していると判断された場合、前記巻回体の不良原因は前記第１供給リール又は前記第１貼合ローラにある旨を判断するための学習済みモデルを生成し、
    前記学習済みモデルを用いた判断に基づき、前記不良原因が前記第１供給リール又は前記第１貼合ローラにある旨の情報を保全のために表示装置に出力し、
    前記第１供給リールを保全した前の前記第１データ及び前記第２データを前記学習済みモデルに入力して得られる前記巻回体の不良が改善される第１確率と前記第１供給リールを保全した後の前記第１データ及び前記第２データを前記学習済みモデルに入力して得られる前記巻回体の不良が改善される第２確率との第１差分が所定値未満と判断された場合、前記第１供給リールを保全した前に読み取られた前記第１データ及び前記第２データは前記学習済みモデルを更新するためには用いず、一方、前記第１差分が前記所定値以上と判断された場合、前記第１供給リールを保全した前の前記第１データ及び前記第２データを用いて前記学習済みモデルを更新する、
    学習済みモデルの生成方法。
  10. 前記第１貼合ローラを保全した前の前記第１データ及び前記第２データを前記学習済みモデルに入力して得られる前記巻回体の不良が改善される第３確率と前記第１貼合ローラを保全した後の前記第１データ及び前記第２データを前記学習済みモデルに入力して得られる前記巻回体の不良が改善される第４確率との第２差分が所定値未満と判断された場合、前記第１貼合ローラを保全した前に読み取られた前記第１データ及び前記第２データは前記学習済みモデルを更新するためには用いず、一方、前記第２差分が前記所定値以上と判断された場合、前記第１貼合ローラを保全した前の前記第１データ及び前記第２データを用いて前記学習済みモデルを更新する、
    請求項９記載の学習済みモデルの生成方法。
  11. 前記第１電極シートは電池の正極シートであり、前記第２電極シートは電池の負極シートである、
    請求項９記載の学習済みモデルの生成方法。
  12. 前記第１電極シートは電池の負極シートであり、前記第２電極シートは電池の正極シートである、
    請求項９記載の学習済みモデルの生成方法。
  13. 第１電極シートを供給する第１供給リールと、
    第２電極シートを供給する第２供給リールと、
    前記第１電極シート側に設けられた第１貼合ローラと、
    前記第２電極シート側に設けられ、前記第１貼合ローラと対となって前記第１電極シートと前記第２電極シートとを貼り合わせる第２貼合ローラと、
    前記貼り合わせられた前記第１電極シート及び前記第２電極シートが巻き付けられる巻芯と、
    前記巻芯に巻き付けられた前記第１電極シート及び前記第２電極シートの巻回体の半径方向に沿って前記第１電極シートの第１端面及び前記第２電極シートの第２端面を読み取るセンサと、を備えた生産装置の保全のための学習済みモデルの生成方法であって、
    前記半径方向に沿って読み取られた前記第１端面の位置を表す第１データ、前記半径方向に沿って読み取られた前記第２端面の位置を表す第２データを前記センサから取得し、
    前記第１データ及び前記第２データに基づき、前記第１データが示す前記第１端面の位置の連続が、前記第２データが示す前記第２端面の位置の連続に交差していると判断された場合、前記巻回体の不良原因は前記第１供給リール又は前記第１貼合ローラにある旨を判断するための学習済みモデルを生成し、
    前記学習済みモデルを用いた判断に基づき、前記不良原因が前記第１供給リール又は前記第１貼合ローラにある旨の情報を保全のために表示装置に出力し、
    前記第１供給リールを保全した後の前記第１データ及び前記第２データを前記学習済みモデルに入力して得られる前記巻回体の不良が改善される第５確率が所定値以上と判断された場合、前記第１供給リールを保全した前に読み取られた前記第１データ及び前記第２データは前記学習済みモデルを更新するためには用いず、一方、前記第５確率が前記所定値未満と判断された場合、前記第１供給リールを保全した前の前記第１データ及び前記第２データを用いて前記学習済みモデルを更新する、
    学習済みモデルの生成方法。
  14. 前記第１貼合ローラを保全した後の前記第１データ及び前記第２データを前記学習済みモデルに入力して得られる前記巻回体の不良が改善される第６確率が所定値以上と判断された場合、前記第１貼合ローラを保全した前に読み取られた前記第１データ及び前記第２データは前記学習済みモデルを更新するためには用いず、一方、前記第６確率が前記所定値以上と判断された場合、前記第１貼合ローラを保全した前の前記第１データ及び前記第２データを用いて前記学習済みモデルを更新する、
    請求項１３記載の学習済みモデルの生成方法。
  15. 前記第１電極シートは電池の正極シートであり、前記第２電極シートは電池の負極シートである、
    請求項１３記載の学習済みモデルの生成方法。
  16. 前記第１電極シートは電池の負極シートであり、前記第２電極シートは電池の正極シートである、
    請求項１３記載の学習済みモデルの生成方法。
  17. 第１電極シートを供給する第１供給リールと、
    第２電極シートを供給する第２供給リールと、
    前記第１電極シート側に設けられた第１貼合ローラと、
    前記第２電極シート側に設けられ、前記第１貼合ローラと対となって前記第１電極シートと前記第２電極シートとを貼り合わせる第２貼合ローラと、
    前記貼り合わせられた前記第１電極シート及び前記第２電極シートが巻き付けられる巻芯と、
    前記巻芯に巻き付けられた前記第１電極シート及び前記第２電極シートの巻回体の半径方向に沿って前記第１電極シートの第１端面及び前記第２電極シートの第２端面を読み取るセンサと、を備えた生産装置の保全に関する情報を表示する保全表示装置であって、
    前記半径方向に沿って読み取られた前記第１端面の位置を表す第１データ、前記半径方向に沿って読み取られた前記第２端面の位置を表す第２データを前記センサから取得し、
    前記第１データ及び前記第２データに基づき、前記第１データが示す前記第１端面の位置の連続が、前記第２データが示す前記第２端面の位置の連続に交差しているか否かに基づいて、前記巻回体が不良であるか否かを判定し、不良である場合には前記不良の原因は前記第１供給リール又は前記第１貼合ローラにある旨の情報を保全のために表示装置に出力する報知判定部と、
    前記第１供給リールを保全する前後の前記第１データ及び前記第２データに基づき、前記第１供給リールが保全された前の前記巻回体の第１不良率と前記第１供給リールが保全された後の前記巻回体の第２不良率との第１差分が所定値未満と判断された場合の、前記第１供給リールが保全された前に読み取られた前記第１データ及び前記第２データを用いず、一方、前記第１差分が前記所定値以上と判断された場合の、前記第１供給リールが保全された前に読み取られた前記第１データ及び前記第２データを用いて学習済みモデルを生成するモデル生成部と、
    を備える、保全表示装置。
  18. 第１電極シートを供給する第１供給リールと、
    第２電極シートを供給する第２供給リールと、
    前記第１電極シート側に設けられた第１貼合ローラと、
    前記第２電極シート側に設けられ、前記第１貼合ローラと対となって前記第１電極シートと前記第２電極シートとを貼り合わせる第２貼合ローラと、
    前記貼り合わせられた前記第１電極シート及び前記第２電極シートが巻き付けられる巻芯と、
    前記巻芯に巻き付けられた前記第１電極シート及び前記第２電極シートの巻回体の半径方向に沿って前記第１電極シートの第１端面及び前記第２電極シートの第２端面を読み取るセンサと、を備えた生産装置の保全に関する情報を表示する保全表示装置であって、
    前記半径方向に沿って読み取られた前記第１端面の位置を表す第１データ、前記半径方向に沿って読み取られた前記第２端面の位置を表す第２データを前記センサから取得し、
    前記第１データ及び前記第２データに基づき、前記第１データが示す前記第１端面の位置の連続が、前記第２データが示す前記第２端面の位置の連続に交差しているか否かに基づいて、前記巻回体が不良であるか否かを判定し、不良である場合には前記不良の原因は前記第１供給リール又は前記第１貼合ローラにある旨の情報を保全のために表示装置に出力する報知判定部と、
    前記第１供給リールが保全された後の前記第１データ及び前記第２データに基づき、前記第１供給リールが保全された後の前記巻回体の第５不良率が所定値以上と判断された場合の、前記第１供給リールが保全された前に読み取られた前記第１データ及び前記第２データを用いず、一方、前記第５不良率が前記所定値未満と判断された場合の、前記第１供給リールが保全された前に読み取られた前記第１データ及び前記第２データを用いて学習済みモデルを生成するモデル生成部と、
    を備える、保全表示装置。
  19. 第１電極シートを供給する第１供給リールと、
    第２電極シートを供給する第２供給リールと、
    前記第１電極シート側に設けられた第１貼合ローラと、
    前記第２電極シート側に設けられ、前記第１貼合ローラと対となって前記第１電極シートと前記第２電極シートとを貼り合わせる第２貼合ローラと、
    前記貼り合わせられた前記第１電極シート及び前記第２電極シートが巻き付けられる巻芯と、
    前記巻芯に巻き付けられた前記第１電極シート及び前記第２電極シートの巻回体の半径方向に沿って前記第１電極シートの第１端面及び前記第２電極シートの第２端面を読み取るセンサと、を備えた生産装置の保全に関する情報を表示する保全表示装置であって、
    前記半径方向に沿って読み取られた前記第１端面の位置を表す第１データ、前記半径方向に沿って読み取られた前記第２端面の位置を表す第２データを前記センサから取得し、
    前記第１データ及び前記第２データに基づき、前記第１データが示す前記第１端面の位置の連続が、前記第２データが示す前記第２端面の位置の連続に交差しているか否かに基づいて、前記巻回体が不良であるか否かを判定し、不良である場合には不良原因が前記第１供給リール又は前記第１貼合ローラにある旨を判断するための学習済みモデルを生成するモデル生成部と、
    前記学習済みモデルを用いて、前記不良原因が前記第１供給リール又は前記第１貼合ローラにあることを特定して特定結果を含む情報を保全のために表示装置に出力する報知判定部と、
    を備え、
    前記モデル生成部は、前記第１供給リールが保全された前の前記第１データ及び前記第２データを前記学習済みモデルに入力して得られる前記巻回体の不良が改善される第１確率と前記第１供給リールが保全された後の前記第１データ及び前記第２データを前記学習済みモデルに入力して得られる前記巻回体の不良が改善される第２確率との第１差分が所定値未満と判断された場合、前記第１供給リールが保全された前に読み取られた前記第１データ及び前記第２データは前記学習済みモデルを更新するためには用いず、一方、前記第１差分が前記所定値以上と判断された場合、前記第１供給リールが保全された前の前記第１データ及び前記第２データを用いて前記学習済みモデルを更新する、
    保全表示装置。
  20. 第１電極シートを供給する第１供給リールと、
    第２電極シートを供給する第２供給リールと、
    前記第１電極シート側に設けられた第１貼合ローラと、
    前記第２電極シート側に設けられ、前記第１貼合ローラと対となって前記第１電極シートと前記第２電極シートとを貼り合わせる第２貼合ローラと、
    前記貼り合わせられた前記第１電極シート及び前記第２電極シートが巻き付けられる巻芯と、
    前記巻芯に巻き付けられた前記第１電極シート及び前記第２電極シートの巻回体の半径方向に沿って前記第１電極シートの第１端面及び前記第２電極シートの第２端面を読み取るセンサと、を備えた生産装置の保全に関する情報を表示する保全表示装置であって、
    前記半径方向に沿って読み取られた前記第１端面の位置を表す第１データ、前記半径方向に沿って読み取られた前記第２端面の位置を表す第２データを前記センサから取得し、
    前記第１データ及び前記第２データに基づき、前記第１データが示す前記第１端面の位置の連続が、前記第２データが示す前記第２端面の位置の連続に交差しているか否かに基づいて、前記巻回体が不良であるか否かを判定し、不良である場合には不良原因が前記第１供給リール又は前記第１貼合ローラにある旨を判断するための学習済みモデルを生成するモデル生成部と、
    前記学習済みモデルを用いて、前記不良原因が前記第１供給リール又は前記第１貼合ローラにあることを特定して特定結果を含む情報を保全のために表示装置に出力する報知判定部と、
    を備え、
    前記モデル生成部は、前記第１供給リールを保全した後の前記第１データ及び前記第２データを前記学習済みモデルに入力して得られる前記巻回体の不良が改善される第５確率が所定値以上と判断された場合、前記第１供給リールを保全した前に読み取られた前記第１データ及び前記第２データは前記学習済みモデルを更新するためには用いず、一方、前記第５確率が前記所定値未満と判断された場合、前記第１供給リールを保全した前の前記第１データ及び前記第２データを用いて前記学習済みモデルを更新する、
    保全表示装置。
  21. 第１電極シートを供給する第１供給リールと、
    第２電極シートを供給する第２供給リールと、
    前記第１電極シート側に設けられた第１貼合ローラと、
    前記第２電極シート側に設けられ、前記第１貼合ローラと対となって前記第１電極シートと前記第２電極シートとを貼り合わせる第２貼合ローラと、
    前記貼り合わせられた前記第１電極シート及び前記第２電極シートが巻き付けられる巻芯と、
    前記巻芯に巻き付けられた前記第１電極シート及び前記第２電極シートの巻回体の半径方向に沿って前記第１電極シートの第１端面及び前記第２電極シートの第２端面を読み取るセンサと、を備えた生産装置の保全のための学習済みモデルを生成するコンピュータが実行するプログラムであって、
    前記半径方向に沿って読み取られた前記第１端面の位置を表す第１データ、前記半径方向に沿って読み取られた前記第２端面の位置を表す第２データを前記センサから取得する手順と、
    前記第１データ及び前記第２データに基づき、前記第１データが示す前記第１端面の位置の連続が、前記第２データが示す前記第２端面の位置の連続に交差していると判断された場合、前記巻回体が不良であり、前記不良の原因は前記第１供給リール又は前記第１貼合ローラにある旨の情報を保全のために表示装置に出力する手順と、
    前記第１供給リールを保全する前後の前記第１データ及び前記第２データに基づき、前記第１供給リールを保全した前の前記巻回体の第１不良率と前記第１供給リールを保全した後の前記巻回体の第２不良率との第１差分が所定値未満と判断された場合、前記第１供給リールを保全した前に読み取られた前記第１データ及び前記第２データは前記学習済みモデルを生成するためには用いず、一方、前記第１差分が前記所定値以上と判断された場合、前記第１供給リールを保全した前に読み取られた前記第１データ及び前記第２データを用いて前記学習済みモデルを生成する手順と、
    を前記コンピュータに実行させる、プログラム。
  22. 第１電極シートを供給する第１供給リールと、
    第２電極シートを供給する第２供給リールと、
    前記第１電極シート側に設けられた第１貼合ローラと、
    前記第２電極シート側に設けられ、前記第１貼合ローラと対となって前記第１電極シートと前記第２電極シートとを貼り合わせる第２貼合ローラと、
    前記貼り合わせられた前記第１電極シート及び前記第２電極シートが巻き付けられる巻芯と、
    前記巻芯に巻き付けられた前記第１電極シート及び前記第２電極シートの巻回体の半径方向に沿って前記第１電極シートの第１端面及び前記第２電極シートの第２端面を読み取るセンサと、を備えた生産装置の保全のための学習済みモデルを生成するコンピュータが実行するプログラムであって、
    前記半径方向に沿って読み取られた前記第１端面の位置を表す第１データ、前記半径方向に沿って読み取られた前記第２端面の位置を表す第２データを前記センサから取得する手順と、
    前記第１データ及び前記第２データに基づき、前記第１データが示す前記第１端面の位置の連続が、前記第２データが示す前記第２端面の位置の連続に交差していると判断された場合、前記巻回体が不良であり、前記不良の原因は前記第１供給リール又は前記第１貼合ローラにある旨の情報を保全のために表示装置に出力する手順と、
    前記第１供給リールを保全する前後の前記第１データ及び前記第２データに基づき、前記第１供給リールを保全した後の前記巻回体の第５不良率が所定値以上と判断された場合、前記第１供給リールを保全した前に読み取られた前記第１データ及び前記第２データは前記学習済みモデルを生成するためには用いず、一方、前記第５不良率が前記所定値未満と判断された場合、前記第１供給リールを保全した前に読み取られた前記第１データ及び前記第２データを用いて前記学習済みモデルを生成する手順と、
    を前記コンピュータに実行させるプログラム。
  23. 第１電極シートを供給する第１供給リールと、
    第２電極シートを供給する第２供給リールと、
    前記第１電極シート側に設けられた第１貼合ローラと、
    前記第２電極シート側に設けられ、前記第１貼合ローラと対となって前記第１電極シートと前記第２電極シートとを貼り合わせる第２貼合ローラと、
    前記貼り合わせられた前記第１電極シート及び前記第２電極シートが巻き付けられる巻芯と、
    前記巻芯に巻き付けられた前記第１電極シート及び前記第２電極シートの巻回体の半径方向に沿って前記第１電極シートの第１端面及び前記第２電極シートの第２端面を読み取るセンサと、を備えた生産装置の保全のための学習済みモデルを生成するコンピュータが実行するプログラムであって、
    前記半径方向に沿って読み取られた前記第１端面の位置を表す第１データ、前記半径方向に沿って読み取られた前記第２端面の位置を表す第２データを前記センサから取得する手順と、
    前記第１データ及び前記第２データに基づき、前記第１データが示す前記第１端面の位置の連続が、前記第２データが示す前記第２端面の位置の連続に交差していると判断された場合、前記巻回体の不良原因は前記第１供給リール又は前記第１貼合ローラにある旨を判断するための学習済みモデルを生成する手順と、
    前記学習済みモデルを用いた判断に基づき、前記不良原因が前記第１供給リール又は前記第１貼合ローラにある旨の情報を保全のために表示装置に出力する手順と、
    前記第１供給リールを保全した前の前記第１データ及び前記第２データを前記学習済みモデルに入力して得られる前記巻回体の不良が改善される第１確率と前記第１供給リールを保全した後の前記第１データ及び前記第２データを前記学習済みモデルに入力して得られる前記巻回体の不良が改善される第２確率との第１差分が所定値未満と判断された場合、前記第１供給リールを保全した前に読み取られた前記第１データ及び前記第２データは前記学習済みモデルを更新するためには用いず、一方、前記第１差分が前記所定値以上と判断された場合、前記第１供給リールを保全した前の前記第１データ及び前記第２データを用いて前記学習済みモデルを更新する手順と、
    を前記コンピュータに実行させるプログラム。
  24. 第１電極シートを供給する第１供給リールと、
    第２電極シートを供給する第２供給リールと、
    前記第１電極シート側に設けられた第１貼合ローラと、
    前記第２電極シート側に設けられ、前記第１貼合ローラと対となって前記第１電極シートと前記第２電極シートとを貼り合わせる第２貼合ローラと、
    前記貼り合わせられた前記第１電極シート及び前記第２電極シートが巻き付けられる巻芯と、
    前記巻芯に巻き付けられた前記第１電極シート及び前記第２電極シートの巻回体の半径方向に沿って前記第１電極シートの第１端面及び前記第２電極シートの第２端面を読み取るセンサと、を備えた生産装置の保全のための学習済みモデルを生成するコンピュータが実行するプログラムであって、
    前記半径方向に沿って読み取られた前記第１端面の位置を表す第１データ、前記半径方向に沿って読み取られた前記第２端面の位置を表す第２データを前記センサから取得する手順と、
    前記第１データ及び前記第２データに基づき、前記第１データが示す前記第１端面の位置の連続が、前記第２データが示す前記第２端面の位置の連続に交差していると判断された場合、前記巻回体の不良原因は前記第１供給リール又は前記第１貼合ローラにある旨を判断するための学習済みモデルを生成する手順と、
    前記学習済みモデルを用いた判断に基づき、前記不良原因が前記第１供給リール又は前記第１貼合ローラにある旨の情報を保全のために表示装置に出力する手順と、
    前記第１供給リールを保全した後の前記第１データ及び前記第２データを前記学習済みモデルに入力して得られる前記巻回体の不良が改善される第５確率が所定値以上と判断された場合、前記第１供給リールを保全した前に読み取られた前記第１データ及び前記第２データは前記学習済みモデルを更新するためには用いず、一方、前記第５確率が前記所定値未満と判断された場合、前記第１供給リールを保全した前の前記第１データ及び前記第２データを用いて前記学習済みモデルを更新する手順と、
    を前記コンピュータに実行させるプログラム。
JP2021515807A 2019-04-22 2020-02-06 学習済みモデルの生成方法、保全表示装置、及びプログラム Active JP7437784B2 (ja)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JP2019081115 2019-04-22
JP2019081115 2019-04-22
PCT/JP2020/004605 WO2020217644A1 (ja) 2019-04-22 2020-02-06 学習済みモデルの生成方法、保全表示装置、及びプログラム

Publications (2)

Publication Number Publication Date
JPWO2020217644A1 JPWO2020217644A1 (ja) 2020-10-29
JP7437784B2 true JP7437784B2 (ja) 2024-02-26

Family

ID=72942329

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2021515807A Active JP7437784B2 (ja) 2019-04-22 2020-02-06 学習済みモデルの生成方法、保全表示装置、及びプログラム

Country Status (4)

Country Link
US (1) US11782433B2 (ja)
JP (1) JP7437784B2 (ja)
CN (1) CN113711149B (ja)
WO (1) WO2020217644A1 (ja)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2011070635A (ja) 2009-08-28 2011-04-07 Hitachi Ltd 設備状態監視方法およびその装置
WO2017191428A1 (en) 2016-05-04 2017-11-09 Interactive Coventry Limited A method for monitoring the operational state of a system

Family Cites Families (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3749028B2 (ja) * 1998-12-11 2006-02-22 株式会社デジタル 表示装置
KR100305350B1 (ko) * 1999-07-01 2001-11-01 이계안 Ｎｉ-ＭＨ 전지의 음극판 조립장치 및 그 공정
JP2003345188A (ja) * 2002-05-24 2003-12-03 Hitachi Printing Solutions Ltd 電子写真装置およびその制御方法
JP4443460B2 (ja) * 2005-04-18 2010-03-31 京セラミタ株式会社 温度管理システム及び温度管理システムを備えた機器
JP5780308B2 (ja) * 2011-09-27 2015-09-16 トヨタ自動車株式会社 電池
JP5492351B1 (ja) * 2012-05-11 2014-05-14 パナソニック株式会社 巻回装置、巻回方法、検査装置及び構造物製造方法
JP6264072B2 (ja) * 2014-02-10 2018-01-24 オムロン株式会社 品質管理装置及びその制御方法
CN106338935A (zh) * 2015-04-23 2017-01-18 恒爱高科(北京)科技有限公司 一种机器人情感识别方法和系统
JP2017167708A (ja) 2016-03-15 2017-09-21 三菱電機株式会社 保全システムおよび保全方法
JP6475181B2 (ja) * 2016-03-17 2019-02-27 富士フイルム株式会社 搬送装置、インクジェット記録装置、及びプログラム
JP2018077757A (ja) * 2016-11-11 2018-05-17 横河電機株式会社 情報処理装置、情報処理方法、情報処理プログラム及び記録媒体
JP6443461B2 (ja) * 2017-01-10 2018-12-26 トヨタ自動車株式会社 発電装置の異常検出装置
JP6670769B2 (ja) * 2017-01-13 2020-03-25 Ckd株式会社 検査装置及び巻回装置
JP7010641B2 (ja) * 2017-09-27 2022-01-26 パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカ 異常診断方法および異常診断装置
CN107703272B (zh) * 2017-11-09 2023-10-03 哈尔滨跃渊环保智能装备有限责任公司 一种污水池巡检机器人及其检测方法
JP6984370B2 (ja) * 2017-12-06 2021-12-17 横河電機株式会社 生産支援システム、生産支援方法及びプログラム

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2011070635A (ja) 2009-08-28 2011-04-07 Hitachi Ltd 設備状態監視方法およびその装置
WO2017191428A1 (en) 2016-05-04 2017-11-09 Interactive Coventry Limited A method for monitoring the operational state of a system

Also Published As

Publication number Publication date
US20220035362A1 (en) 2022-02-03
JPWO2020217644A1 (ja) 2020-10-29
CN113711149B (zh) 2024-05-28
CN113711149A (zh) 2021-11-26
US11782433B2 (en) 2023-10-10
WO2020217644A1 (ja) 2020-10-29

Similar Documents

Publication Publication Date Title
JP7457968B2 (ja) 情報処理方法、学習済みモデルの生成方法、装置、及びプログラム
US11500361B2 (en) Learned model generation method
JP7390617B2 (ja) 学習済みモデルの生成方法、装置、及びプログラム
CN111209131B (zh) 一种基于机器学习确定异构系统的故障的方法和系统
US11764391B2 (en) Display method and learned model generation method
JP7462158B2 (ja) 学習済みモデルの生成方法、装置、及びプログラム
TWI721358B (zh) 設備檢修裝置、方法及電腦可讀取存儲介質
CN105531680A (zh) 远程监视系统、远程监视方法以及程序
CN114239734B (zh) 一种分布式车载健康管理系统
JP7437784B2 (ja) 学習済みモデルの生成方法、保全表示装置、及びプログラム
RU2687848C1 (ru) Способ и система вибромониторинга промышленной безопасности динамического оборудования опасных производственных объектов
TW202006536A (zh) 設備異常告警系統、方法及可讀存儲介質
CN117391675A (zh) 一种数据中心基础设施运维管理方法
JP2019061500A (ja) 予兆診断システム
US11568336B2 (en) Information-technology-utilization evaluation device, information-technology-utilization evaluation system, and information-technology-utilization evaluation method
CN113159342A (zh) 一种基于模糊综合评判的地铁信号系统维修方法
JP2005071200A (ja) 製造情報管理プログラム
CN115659188B (zh) 一种基于事件关联的装备健康管理异常定位方法
JP2023023555A (ja) モデル生成装置、モデル生成方法、異常予兆検知装置、異常予兆検知方法及び異常予兆検知システム
CN104808652A (zh) 化工装置运行状态评分方法
CN115834353A (zh) 故障自愈方法、装置、设备、存储介质和计算机程序产品
CN116381419A (zh) 输电线路故障处理方法、装置、计算机设备和存储介质
CN115801606A (zh) 一种业务驱动的it全景运维监控系统及构建方法
CN117873007A (zh) 基于工业物联网的制造流程管理方法、系统、设备及介质
JP2013201609A (ja) 訪問発生解析装置および訪問発生解析プログラム

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20221220

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20230919

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20231108

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: 20240130

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20240205

R151 Written notification of patent or utility model registration

Ref document number: 7437784

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R151