JP7481976B2 - 異常スコア算出装置、異常スコア算出方法およびプログラム - Google Patents

異常スコア算出装置、異常スコア算出方法およびプログラム Download PDF

Info

Publication number
JP7481976B2
JP7481976B2 JP2020155587A JP2020155587A JP7481976B2 JP 7481976 B2 JP7481976 B2 JP 7481976B2 JP 2020155587 A JP2020155587 A JP 2020155587A JP 2020155587 A JP2020155587 A JP 2020155587A JP 7481976 B2 JP7481976 B2 JP 7481976B2
Authority
JP
Japan
Prior art keywords
data
abnormality
anomaly
score
scores
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
JP2020155587A
Other languages
English (en)
Other versions
JP2022049395A (ja
Inventor
純平 安藤
航 渡邉
孝幸 伊東
利幸 小野
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.)
Toshiba Corp
Original Assignee
Toshiba Corp
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 Toshiba Corp filed Critical Toshiba Corp
Priority to JP2020155587A priority Critical patent/JP7481976B2/ja
Priority to US17/186,656 priority patent/US11782426B2/en
Priority to CN202110219165.8A priority patent/CN114265840A/zh
Publication of JP2022049395A publication Critical patent/JP2022049395A/ja
Application granted granted Critical
Publication of JP7481976B2 publication Critical patent/JP7481976B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • 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]
    • G05B19/41875—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 quality surveillance of production
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/0078—Testing material properties on manufactured objects
    • 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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/28—Databases characterised by their database models, e.g. relational or object models
    • G06F16/284—Relational databases
    • G06F16/285—Clustering or classification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06395—Quality analysis or management
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/04—Manufacturing
    • 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
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/32—Operator till task planning
    • G05B2219/32191—Real time statistical process 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
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/34—Director, elements to supervisory
    • G05B2219/34475—Detect abnormality of control system without inverted model, using input command
    • 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
    • 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
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
    • 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
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Immunology (AREA)
  • Automation & Control Theory (AREA)
  • Biochemistry (AREA)
  • Analytical Chemistry (AREA)
  • Pathology (AREA)
  • Manufacturing & Machinery (AREA)
  • Quality & Reliability (AREA)
  • Medicinal Chemistry (AREA)
  • Food Science & Technology (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Tourism & Hospitality (AREA)
  • Educational Administration (AREA)
  • Development Economics (AREA)
  • Data Mining & Analysis (AREA)
  • Artificial Intelligence (AREA)
  • Game Theory and Decision Science (AREA)
  • Primary Health Care (AREA)
  • Evolutionary Computation (AREA)
  • Mathematical Physics (AREA)
  • Operations Research (AREA)
  • Testing And Monitoring For Control Systems (AREA)

Description

本発明の実施形態は、異常スコア算出装置、方法およびプログラムに関する。
製造業において、製品不良や製造装置の故障を早期に検知して対策することは、歩留まり改善に繋がるため非常に重要である。そのために、製品の製造過程の製造データを取得し、データの可視化、製品や製造装置の異常検知やその原因推定を行う取り組みが、なされている。
異常検知や異常の原因推定には、製品の寸法や電気的な特性などの製品に関するデータ、使用した材料や使用した製造装置などの製造条件に関するデータ、製造装置の稼働実績などの製造装置に関するデータなどの様々なデータが用いられる。そのため、異常検知や異常の原因推定に用いられるデータには、センサーの出力値や、どの製造条件で製造されたかを表すフラグなどの多様なデータが混在している。また、異常検知や異常の原因推定に用いられるデータには、連続値データ、離散値データ、テキストデータなどの様々な性質のデータが存在する。連続値データの精度は、観測するセンサーの性能や品質管理指標に基づき決まるため、データごとに小数点精度が異なることがある。また、製造ＩｏＴ(Internet of Things)技術の発達により、製造に関する様々なデータが容易に取得可能になり、製造データの項目数が増加している。それに伴い、データの種類や性質も多種多様に増加している。
異常検知や異常の原因推定では、データの種類に応じた様々な処理がなされている。一般に、製品に関するデータや製造条件に関するデータに対して、統計処理が用いられることが多い。しかし、膨大な数のデータを人手で解析する方法は、作業者の負担が大きいため、極めて困難である。そのため、近年は、製造装置ごと、または、製造装置等に設置されたセンサーごとにデータを集計し、得られたデータに計算機上で統計処理を行い、統計処理の結果に対する集計と解析を人手で行う試みが広く行われている。
例えば、製造装置の故障予知を目的として、製造装置の稼働実績を表す指標を複数組み合わせた値を用いて時系列解析を行い、特異的な変化点を検知する方法が提案されている。この方法では、複数の指標を組み合わせた値を時系列解析に用いることで、個々の指標を監視しているだけでは判定することが難しい異常を検知することができる。加えて、センサーデータ（センサーの出力値）のようにセンサーごとに性質の異なるデータを使わず、製造装置の稼働実績のようなデータ間の性質が似ているデータを用いることにより、センサーの構成やセンシングに関する専門知識を用いずに、簡便な構成で実施できる利点もある。
国際公開第２０１５／１１８９４６号公報
製造ＩｏＴ技術の発達に伴い、異常検知や異常の原因推定の対象となるデータが増大しており、人手によるデータ解析は作業者の負担が大きく困難である。そのため、製造装置ごと、または、センサーごとにデータを集計し、得られたデータに対して計算機上で統計処理を行い、その結果を人手で解析する試みが広く行われている。しかし、製造装置やセンサーの数が膨大な場合、計算機上で統計処理した結果を人手で解析するのにも負担が大きい。そのため、どの製造装置でどのような異常が発生しているかを人手で確認するのにも時間がかかってしまい、異常に対する対応が遅れる可能性がある。
本発明が解決しようとする課題は、多様な製造データに基づいて算出された異常に関する複数の値を比較可能な形へ変換することができる異常スコア算出装置、方法およびプログラムを提供することである。
このような課題を解決するため、実施形態の異常スコア算出装置は、データ取得部と、第１処理部と、第２処理部と、を備える。データ取得部は、製造物または製造工程の状態に関する第１データを取得する。第１処理部は、前記第１データに基づいて複数の異常モードのそれぞれについて異常スコアを算出するか、あるいは、種類の異なる複数の前記第１データのそれぞれについて異常スコアを算出する。第２処理部は、前記異常スコアの発生の希少度合いが略同一になるように複数の前記異常スコアのそれぞれをスケール変換する。
図１は、本実施形態に係る異常スコア算出装置とその周辺装置を含むシステムの構成の一例を示す図である。 図２は、本実施形態に係る製造データベースに記録されているデータの一例を示す図である。 図３は、本実施形態に係る異常スコア算出装置が取得した第１データの一例を示す図である。 図４は、本実施形態に係る異常スコア算出装置が取得した特徴量の一例を示す図である。 図５は、本実施形態に係る異常スコア算出装置による異常スコア算出処理の処理手順を例示するフローチャートである。 図６は、本実施形態に係る異常スコア算出装置によるスケール変換処理の処理手順を例示するフローチャートである。 図７は、本実施形態に係る異常スコア算出装置によるスケール変換処理において異常スコアをスケール変換する方法の一例を説明するための図である。 図８は、本実施形態に係る異常スコア算出装置によるスケール変換処理において異常スコアをスケール変換する方法の一例を説明するための図である。 図９は、本実施形態に係る異常スコア算出装置により算出された異常スコアを表示する表示用画面の一例を示す図である。 図１０は、本実施形態に係る異常スコア算出装置により算出された異常スコアを表示する表示用画面の一例を示す図である。 図１１は、本実施形態に係る異常スコア算出装置により算出された異常スコアを表示する表示用画面の一例を示す図である。
以下、図面を参照しながら、異常スコア算出装置、方法およびプログラムの実施形態について詳細に説明する。以下の説明において、略同一の機能及び構成を有する構成要素については、同一符号を付し、重複説明は必要な場合にのみ行う。
図１は、本実施形態に係る異常スコア算出装置１０とその周辺装置を含むシステムの構成を示す図である。本実施形態の異常スコア算出装置１０は、ネットワークを介して、製造データベース２０と、特徴量データベース３０と、スケール情報データベース４０と、表示データ生成装置５０と、表示装置６０とに接続されている。ネットワークは、例えば、ＬＡＮ（Local Area Network）である。なお、ネットワークへの接続は、有線接続、及び無線接続を問わない。また、接続される回線はＬＡＮに限定されない。インターネット等、公衆の通信回線に接続するようにしても構わない。
製造データベース２０には、製造物または製造工程の状態に関するデータ（以下、製造データと呼ぶ）が記録されている。製造データは、連続値、整数値、カテゴリデータなど多種多様な種類のデータを含む。製造データは、例えば、製造物や製造装置などに設置されたセンサーから取得されたセンサー値や、不良品率等を含む。
また、製造データベース２０には、製造データとともに、製造物の個体を識別するためのＩＤ、製造装置の識別番号、センサーの識別番号、製造日時を示すタイムスタンプ、同じ製造条件で製造されたことを表す製造管理単位、不良品率、製造条件などが、製造データごとに記録されている。製造管理単位は、例えば、ロットである。ここで、製造データベース２０は、一般的な関係データベース管理システム（ＲＤＢＭＳ）であるものとして説明する。なお、製造データベース２０は、ＮｏＳＱＬ系のデータベースや、ＸＭＬ等の知識構造化したデータベースであってもよい。また、製造データベース２０に記録されるデータは、ＣＳＶやＪｓｏｎ等のフォーマットのファイルであってもよく、製造装置から出力されるＲａｗデータであってもよい。
図２は、製造データベース２０に記録されているデータの一例を示す図である。図２において、「データ１」の列のデータは、識別番号が「１」の製造装置から取得した製造データを表し、「データ２」の列のデータは、識別番号が「２」の製造装置から取得した製造データを表し、「データ３」の列のデータは、識別番号が「３」の製造装置から取得した製造データを表す。図２に示すように、製造データは、小数点以下の桁数が多い連続値であってもよく、小数点以下の桁数が少ない連続値であってもよく、整数値であってもよい。また、「データ４」の列のデータは、製造管理単位を表す。製造管理単位は、整数値であってもよく、カテゴリデータであってもよい。「データＮ－１」の列のデータは、カテゴリデータを表す。カテゴリデータは、例えば、製造条件である。「データＮ」の列のデータは、タイムスタンプを表す。「ＩＤ」の列のデータは、製造物のＩＤを表す。「データ１」の列のデータは、識別番号が「１」のセンサーの計測値であってもよい。図２に示すデータに加えて、製造条件、不良率等などが製造データベース２０に記録されていてもよい。
特徴量データベース３０には、製造データの特徴量が記録されている。特徴量は、製造データの特性を数値化したものである。特徴量については、後述する。特徴量データベース３０は、製造データベース２０と同じく、関係データベース管理システム（ＲＤＢＭＳ）やＮｏＳＱＬ系のデータベースや、ＸＭＬ等の知識構造化したデータベースであってもよい。また、特徴量データベース３０に記録されるデータは、ＣＳＶやＪｓｏｎ等のフォーマットのファイルであってもよい。
スケール情報データベース４０には、スケール算出情報が記録されている。スケール算出情報は、過去の異常スコアを含む。異常スコアは、製造データの異常度合い（変化の度合い）を表す数値である。異常スコアについては、後述する。
異常スコア算出装置１０は、製造データベース２０から第１データを取得する。第１データは、製造データを含む。異常スコア算出装置１０は、取得した第１データに基づいて、複数の異常スコアを算出する実行する。異常スコアは、第１データの変化の程度を表す値である。異常スコア算出装置１０は、スケール情報データベース４０からスケール算出情報を取得し、スケール算出情報に基づいて、異常スコアの発生の度合いが略同一になるように複数の異常スコアのそれぞれをスケール変換する。異常スコア算出装置１０は、スケール変換された異常スコアを表示データ生成装置５０に出力する。異常スコアの発生の度合いが略同一になるように複数の異常スコアのそれぞれをスケール変換することは、異常スコアを発生確率に基づく値に変換することや、異常スコアを正規化することを含む。異常スコアの発生の度合いは、異常スコアの発生の希少度合いと呼ばれてもよい。
次に、異常スコア算出装置１０の構成について説明する。異常スコア算出装置１０は、異常スコア算出装置１０全体を制御する処理回路と、記憶媒体（メモリ）と、を備える。処理回路は、記憶媒体内のプログラムを呼び出し実行することにより、データ取得部１１、スケール算出部１２および異常スコア算出部１３の機能を実行するプロセッサである。処理回路は、ＣＰＵ（Central Processing Unit）、ＡＳＩＣ（Application Specific Integrated Circuit）又はＦＰＧＡ（Field Programmable Gate Array）等を含む集積回路から形成される。プロセッサは、１つの集積回路から形成されてもよく、複数の集積回路から形成されてもよい。
記憶媒体には、プロセッサで用いられる処理プログラム、及び、プロセッサでの演算で用いられるパラメータ及びテーブル等が記憶される。記憶媒体は、種々の情報を記憶するＨＤＤ（Hard Disk Drive）やＳＳＤ（Solid State Drive）、集積回路等の記憶装置である。また、記憶装置は、ＨＤＤやＳＳＤ等以外にも、ＣＤ（Compact Disc）、ＤＶＤ（Digital Versatile Disc）、フラッシュメモリ等の可搬性記憶媒体であってもよく、フラッシュメモリ、ＲＡＭ（Random Access Memory）等の半導体メモリ素子等との間で種々の情報を読み書きする駆動装置であってもよい。
なお、データ取得部１１、スケール算出部１２および異常スコア算出部１３が有する各機能は、単一の処理回路にて実現されてもよく、複数の独立したプロセッサを組み合わせて処理回路を構成し、各プロセッサがプログラムを実行することにより各機能を実現するものとしても構わない。また、データ取得部１１、スケール算出部１２および異常スコア算出部１３が有する各機能は、個別のハードウェア回路として実装してもよい。
データ取得部１１は、製造データベース２０から第１データを取得する。第１データは、製造データを含む。製造データは、主に、連続値や整数値などの数値データである。製造データがカテゴリデータである場合、データ取得部１１は、カテゴリデータを数値データに変換して取得する。この場合、データ取得部１１は、例えば、カテゴリごとに対応する数値に変換する手法を用いて、カテゴリデータを数値データに変換する。カテゴリ値ごとに対応する数値に変換する手法には、例えば、ラベル変換、頻度変換等がある。
データ取得部１１は、第１データとともに、各製造データのＩＤ、タイムスタンプ、製造管理単位などを、製造データベース２０から取得する。ただし、ＣＳＶフォーマットなどの製造データを第１データとして取得する場合、製造データベース２０にＩＤ、タイムスタンプ、製造管理単位などが記録されていないことがある。この場合、データ取得部１１は、第１データの各製造データに通し番号などを付与する。
また、データ取得部１１は、第１データに基づいて、あらかじめ定めた条件に基づき、２つのサブデータ（第１サブデータ及び第２サブデータ）を取得する。例えば、データ取得部１１は、サブデータごとに設定されたデータの範囲に基づいて、第１データから第１サブデータ及び第２サブデータを取得する。第１サブデータ及び第２サブデータは、異常スコアを算出する処理において、統計的手法等に基づいて比較することにより一方のサブデータの異常スコアを算出する処理に用いられる。第１サブデータ及び第２サブデータのデータの範囲は、時系列解析の窓サイズに該当する。
サブデータのデータの範囲は、解析したい異常の種類に応じた範囲に設定される。これにより、異常の種類に適した解析を行うことができる。例えば、異常の種類によっては、短い期間に変化するものと、長い期間を掛けて変化するものが存在する。短期的なデータの変化を解析したい場合には、データの範囲として短い期間が設定され、中長期的なデータの変化を解析したい場合には、データの範囲として長い期間が設定される。また、解析を行いたい期間（比較したい期間）が決まっている場合、その期間をデータの範囲として指定することもできる。
例えば、サブデータのデータの範囲として任意のＩＤが設定された場合、データ取得部１１は、ＩＤを参照し、第１データに含まれる製造データのうち設定されたＩＤに該当するデータを、当該サブデータのデータとして取得する。また、例えば、取得するデータの範囲として任意の期間が設定された場合、データ取得部１１は、タイムスタンプを参照し、第１データに含まれる製造データのうち任意の期間に含まれるデータを当該サブデータのデータとして取得する。例えば、データ取得部１１は、第１の期間に含まれるデータを第１サブデータのデータとして取得し、第１の期間とは異なる第２の期間に含まれるデータを第２サブデータのデータとして取得する。また、取得するデータの範囲として任意の製造管理単位が設定された場合、データ取得部１１は、製造管理単位を参照し、第１データに含まれる製造データのうち任意の製造管理単位のデータを当該サブデータのデータとして取得する。
なお、各サブデータに含まれる製造データは、重複していてもよい。また、第１サブデータに含まれるデータの個数と、第２サブデータに含まれるデータの個数は異なっていてもよい。第１サブデータに含まれる製造データと第２サブデータに含まれる製造データが全て一致しなければよい。
本実施形態では、製造データと、製造装置の識別番号と、各製造データの製造管理単位とを取得し、サブデータのデータの範囲として製造管理単位を設定する例について説明する。図３は、データ取得部１１により取得された製造データと製造管理単位とを示す図である。図３において、表の横軸（第１データの列）は、製造装置の識別番号を示し、表の縦軸は、製造管理単位を示す。例えば、第１サブデータのデータの範囲（以下、第１範囲と呼ぶ）として製造管理単位「１」が設定され、第２サブデータのデータの範囲（以下、第２範囲と呼ぶ）として製造管理単位「２」が設定された場合、データ取得部１１は、第１データに含まれる製造データのうち、製造管理単位が「１」である全ての製造データを第１サブデータとして取得する。また、データ取得部１１は、第１データに含まれる製造データのうち、製造管理単位が「２」である全ての製造データを第２サブデータとして取得する。
また、データ取得部１１は、第１データに含まれる製造データの特徴量を取得する。特徴量は、第１データに含まれる製造データの特性を数値化したものである。特徴量は、第１データに含まれる製造データに基づいて、第１データの列ごとに算出される。また、特徴量は、第１データに含まれる製造データに基づいて、サブデータごとに算出される。特徴量は、平均、分散、中央値、最頻値といった基本統計量や、分位数、データの個数などである。特徴量は、分散、標準偏差などであってもよい。また、特徴量は、異常スコア算出の際に生成される中間生成データであってもよい。また、特徴量は、データ量削減のためサンプリングされたベクトルや、確率密度関数や、深層特徴量であってもよい。また、特徴量は、上記数値を次元圧縮したベクトルであってもよい。
データ取得部１１は、第１サブデータ及び第２サブデータのそれぞれの特徴量を特徴量データベース３０から取得する。特徴量が特徴量データベース３０に存在しない場合、データ取得部１１は、第１データを用いて、特徴量を算出する。図４は、特徴量の一例を示す図である。算出された特徴量は、特徴量データベース３０に格納され、異常スコアを算出する処理に用いられる。
本実施形態では、特徴量を用いて異常スコアを算出することにより、特徴量を用いずに第１データから異常スコアを算出する場合に比べて、異常スコアの算出時において、データの取得や異常スコアの算出に関する処理にかかる時間が削減される。
次に、異常スコア算出部１３について説明する。異常スコア算出部１３は、第１処理部と第２処理部とを含む。第１処理部は、第１データに基づいて、複数の異常スコアを算出する処理を実行する。第２処理部は、スケール算出部１２から受けとったスケール算出情報を用いて、算出した異常スコアの値を変換する処理を実行する。
異常スコア算出部１３の第１処理部は、２種以上の異常モードのそれぞれについて異常スコアを算出する。あるいは、異常スコア算出部１３は、２種以上の製造データのそれぞれについて、異常スコアを算出する。
異常モードは、異常スコアの算出に用いるパラメータの種類を表している。本実施形態では、異常モードは、第１範囲と第２範囲との変化（異なり方）の種類を表している。異常モードには、例えば、平均モード、ばらつきモード、分布形状モードなどがある。平均モードは、第１サブデータの平均値と第２サブデータの平均値が大きく異なる場合に用いられる。ばらつきモードは、例えば、第１サブデータの分散と第２サブデータの分散が大きく異なる場合に用いられる。分布形状モードは、分布形状の変化を捉えるモードである。その他、異常モードとして、第１サブデータに含まれる異常数と第２サブデータに含まれる異常数の変化を表すモードが用いられてもよい。この場合、各サブデータに含まれる異常数は、閾値判定等により事前に算出される。
なお、異常スコア算出部１３は、同一の変化の種類に対して複数の異常スコアを算出してもよい。すなわち、異常スコア算出部１３は、１つの異常モードに対して複数の種類の異常スコアを算出してもよい。この場合、１つの異常モードにおいて、変化に関する感度を変えて、複数の異なる感度に対する異常スコアを算出する。例えば、平均モードにおいて、平均の変化と外れ値が存在する場合に、第１サブデータと第２サブデータの平均値の変化に関する異常スコアと、第１サブデータと第２サブデータの頑強な中央値の変化に関する異常スコアが用いられる。
以下、本実施形態では、２種以上の異常モードのそれぞれについて異常スコアを算出する例について説明する。複数の異常モードで異常スコアを算出することにより、データの変化を多角的に捉えることができる。
異常スコアは、異常モードに対応したアルゴリズムで算出される。異常スコアは、例えば、第１範囲と第２範囲の特徴量間の差や比である。例えば、異常モードが平均モードである場合、異常スコア算出部１３は、第１範囲の平均と第２範囲の平均との差や比を、異常スコアとして算出する。例えば、異常スコアが第１範囲の平均と第２範囲の平均との差である場合、異常スコアSμは、式（１）を用いて求められる。ここで、μ1は第１範囲の平均値であり、μ２は第２範囲の平均値である。あるいは、異常スコアが正の値となるように、式（２）を用いて異常スコアSμを算出してもよい。また、平均値の代わりに、中央値などの平均の変化を捉えることができる特徴量を用いて異常スコアを算出してもよい。
異常モードが平均モード以外のモードである場合、異常スコア算出部１３は、異常モードに適した特徴量やアルゴリズムを適用して、異常スコアを算出する。例えば、異常モードがばらつきモードである場合、異常スコア算出部１３は、第１範囲の標準偏差と第２範囲の標準偏差を特徴量として用いて異常スコアを算出する。
なお、特徴量を用いずに異常スコアを算出することもできる。この場合、例えば、データ間の差や比の代わりに、データ間の距離や類似度を用いて異常スコアが算出される。例えば、第１範囲と第２範囲の分位点間のカルバック・ライブラー情報量やジェンセン・シャノン情報量を異常スコアとして算出してもよい。その他、第１範囲と第２範囲のコサイン距離や相関係数などが異常スコアとして用いられてもよい。
また、サブデータを用いずに異常スコアを算出することもできる。例えば、異常検知アルゴリズムを用いて異常スコアを算出することができる。この場合、第１のデータに含まれる製造データに対して、第１データの列ごとに閾値処理やOne Class SVMなどの異常検知アルゴリズムを適用し、異常検知アルゴリズムの結果から得られる異常数などの比率を異常スコアとする。具体的には、例えば、異常検知アルゴリズムを適用したデータ全数に対する検知された件数の比率（推定異常発生率）が、異常スコアとして算出される。なお、異常検知アルゴリズムにおいて、パラメータによって異常検知の感度が変わる場合がある。その場合、パラメータを変更することにより、複数の異常スコアを算出してもよい。
次に、スケール算出部１２について説明する。スケール算出部１２は、スケール情報データベース４０からスケール算出情報を取得する。スケール算出情報は、過去に算出された異常スコアを含む。スケール算出部１２は、統計モデリング手法を用いて、過去の異常スコアの分布を統計モデル化する。このとき、第１データの列のそれぞれについて、異常モードごとに、過去の異常スコアの分布が統計モデル化される。統計モデルとしては、例えば、ガンマ分布、カイ二乗分布、正規分布などの統計分布が用いられる。スケール算出部１２は、統計モデル化された異常スコアの分布を、スケール算出情報として、異常スコア算出部１３へ出力する。
次に、異常スコア算出部１３の第２処理部による処理について説明する。異常スコア算出部１３は、まず、スケール算出情報として、統計モデル化された異常スコアの分布をスケール算出部１２から取得する。次に、異常スコア算出部１３は、スケール算出情報に基づき、複数の異常スコアの発生の希少度合いが略同一になるように、異常スコアのそれぞれをスケール変換する。具体的には、異常スコア算出部１３は、過去の異常スコアの分布の統計モデルを異常スコアの分布にフィッティングし、フィッティング後の統計モデルにおける異常スコアに対応する確率を、スケール変換後の異常スコアとして算出する。スケール変換された異常スコアは、表示データ生成装置５０に出力される。異常スコアの分布を統計モデル化することにより、分布の異なる複数の異常スコアを、発生頻度に基づく確率値として扱うことができる。これにより、異なる列間での異常スコアの比較や、異なる異常モード間での異常スコアの比較を容易に行うことができる。
図７及び図８を用いて、統計モデリング手法を用いて異常スコアをスケール変換する方法の一例を説明する。図７は、スケール算出部１２により過去の異常スコアの分布を統計モデル化する方法を説明するための図である。図７では、統計モデルとしてガンマ分布が用いられている。ガンマ分布は、最尤推定により２つのパラメータを推定することで、正の連続値をとる値の統計モデリングを行う際に用いられる。図７の横軸は、異常スコアの値を示す。図７の縦軸は、異常スコアの頻度を示す。図７では、過去の異常スコアの分布を示すヒストグラム７１が示されている。また、図７では、過去の異常スコアの分布に基づいてスケール算出部１２により生成された統計モデル化された統計モデル７２が示されている。ここでは、製造データが異常であるほど値が小さくなる異常スコアについて説明する。
図８は、統計モデルを用いて異常スコアをスケール変換する処理を説明するための図である。この一例では、異常スコア算出部１３は、まず、異常スコア算出部１３の第１処理部により算出された異常スコアSμと、統計モデル７２とを用いて、異常スコアSμをパーセント点とした際の、パーセント点を基準にした下側確率を算出する。下側確率は、図８の斜線部７３に含まれる面積に相当する。次に、異常スコア算出部１３は、算出した下側確率を、スケール変換された異常スコアとして、表示データ生成装置５０に出力する。スケール変換された異常スコアは、０以上で、かつ１以下の数値となる。スケール変換された異常スコアは、数値が１に近いほど、発生確率が小さいことを示す。
なお、製造データが異常であるほど値が小さくなる異常スコアについては、異常スコア算出部１３は、異常スコアSμをパーセント点とした際の、パーセント点を基準にした上側確率を算出し、算出した下側確率をスケール変換された異常スコアとする。
なお、統計モデリング手法を用いずに、異常スコアをスケール変換してもよい。例えば、データの正規化と呼ばれる手法やデータの標準化と呼ばれる手法を用いて、異常スコアをスケール変換してもよい。データの正規化を用いて異常スコアの値を変換する場合、スケール算出部１２は、スケール情報データベース４０から過去の異常スコアをスケール算出情報として取得し、スケール算出情報に基づいて異常スコアの最大値Ｘｍａｘと最小値Ｘｍｉｎを抽出する。異常スコア算出部１３の第２処理部は、異常スコアの最大値Ｘｍａｘと最小値Ｘｍｉｎをスケール算出情報として取得する。異常スコア算出部１３は、式（３）を用いて、異常スコアを正規化する。ここで、Ｘｎｏｒｍは正規化された異常スコアであり、Ｘｍａｘは異常スコアの最大値であり、Ｘｍｉｎは異常スコアの最小値であり、Ｘは正規化を適用する異常スコアである。
また、製造データの計測値に対して製造管理基準が定められている場合、製造管理基準を用いて異常スコアをスケール変換してもよい。製造管理基準は、製造データの計測値の上限値と下限値を含む。上限値以下で、かつ、下限値以上の計測値に対応する製品は、良品として取り扱われる。一方、上限値より大きい計測値、又は、下限値より小さい計測値に対応する製品は、不良品として取り扱われる。この場合、上限値と下限値に基づいて、製造管理基準内でありうる最大の変化が異常スコアの最大値になるように、異常スコアのスケールが変換される。
例えば、スケール算出部１２は、製造管理基準を満たす範囲で計測値が変化した際に異常スコアが取り得る値の範囲を算出し、異常スコアの最大値と最小値を決定する。スケール算出部１２は、異常スコアの最大値と最小値を、スケール算出情報として異常スコア算出部１３に出力する。異常スコア算出部１３の第２処理部は、異常スコアの最大値と最小値を式（３）と同様の式に適用することにより、異常スコアをスケール変換する。このように、異常スコアのスケールを製造管理基準に合わせることで、異常スコアの異常度合いを製造管理基準と照らし合わせて判断することができる。
なお、製造管理基準を用いて、異常スコアの発生確率に基づく数値に異常スコアをスケール変換してもよい。この場合、まず、スケール算出部１２は、製造管理基準の上限値以下で、かつ、下限値以上の計測値に基づいて異常スコアを算出することにより、製造管理基準を満たす異常スコアが取り得る値域を推定する。そして、異常スコアの値域に基づいて、製造管理基準を満たす計測値に基づいて算出される異常スコアの最大値（推定値）を推定する。次に、スケール算出部１２は、最大値よりも大きい値の異常スコアを取り除いた分布を統計モデルにフィッティングすることにより、統計モデル（スケール変換モデル）を生成する。このとき、製造管理基準の上限値より大きい計測値、または、下限値より小さい計測値の異常スコアは、異常スコアが取りうる値域において最大値になるように変換（クリッピング）される。具体的には、スケール算出部１２は、最大値よりも大きい異常スコアを最大値に変換した後に、変換後の異常スコアの分布を用いて統計モデルを生成する。異常スコア算出部１３の第２処理部は、生成した統計モデルを用いて、異常スコアをスケール変換する。この場合でも、異常スコアのスケールを製造管理基準に基づいて算出するとで、異常スコアの異常度合いを製造管理基準と照らし合わせて判断することができる。
表示データ生成装置５０は、スケール変換された異常スコアを異常スコア算出装置１０から取得し、スケール変換された異常スコアを表示する表示用データを生成する。表示データ生成装置５０は、生成した表示用データを表示装置６０に出力する。
表示装置６０は、スケール変換された異常スコアを表示する表示用データを表示データ生成装置５０から取得し、取得した表示用データを表示する。表示装置６０は、例えば、液晶ディスプレイである。
次に、異常スコア算出装置１０により実行される処理の動作について説明する。図５は、異常スコア算出処理の手順の一例を示すフローチャートである。異常スコア算出処理は、異常スコアの算出に用いるデータを取得し、異常スコアを算出する処理である。なお、以下で説明する各処理における処理手順は一例に過ぎず、各処理は可能な限り適宜変更可能である。また、以下で説明する処理手順について、実施の形態に応じて、適宜、ステップの省略、置換、及び追加が可能である。
図５に示すように、まず、データ取得部１１は、製造データを含む第１データと、各製造データの製造管理単位を取得する（ステップＳ１０１）。ここで、製造データの列の総数をＮとし、製造データの列番号をｉ（１≦ｉ≦Ｎ）とする。例えば、列ｉのデータは、識別番号が「１」の製造装置から取得した製造データである。次に、データ取得部１１は、第１データの列ｉについて、第１範囲の製造データを含む第１サブデータと第２範囲の製造データを含む第２サブデータとを用いて、第１範囲の特徴量と第２範囲の特徴量を算出し、取得する（ステップＳ１０２）。次に、異常スコア算出部１３は、第１データの列ｉにおける第１範囲の特徴量と第２範囲の特徴量とを、統計処理によって比較することにより、異常モードｊにおける異常スコアを算出する（ステップＳ１０３）。ここで、異常モードの総数をＭとし、異常モードの通し番号をｊ（１≦ｊ≦Ｍ）とする。異常スコア算出部１３は、全ての異常モードについてステップＳ１０３の処理を繰り返すことにより、第１データの列ｉについてＭ個の異常スコアを算出する（ステップＳ１０３－Ｓ１０４）。また、異常スコア算出部１３は、第１データの全ての列についてステップＳ１０２－Ｓ１０４の処理を繰り返すことにより、Ｎ個の列のそれぞれについて、Ｍ個の異常スコアを算出する（ステップＳ１０２－Ｓ１０５）。
図６は、スケール変換処理の手順の一例を示すフローチャートである。スケール変換処理は、異常スコアのスケール変換に用いるスケール算出情報を取得し、スケール算出情報に基づいて異常スコアをスケール変換する処理である。
図６に示すように、まず、スケール算出部１２は、スケール算出情報として、過去の異常スコアを取得し、過去の発生度合いに基づいて異常スコアを統計モデル化する（ステップＳ２０１）。次に、スケール算出部１２、スケール算出情報として、異常スコアの統計モデルを異常スコア算出部１３の第２処理部へ出力する。次に、異常スコア算出部１３は、第１データの列iを選択する（ステップＳ２０２）。次に、第１データの列iについて、異常モードｊにおける異常スコアをスケール算出情報に基づき変換する（ステップＳ２０３）。異常スコア算出部１３は、全ての異常モードについてステップＳ２０３の処理を繰り返すことにより、第１データの列ｉのＭ個の異常モードについて、異常スコアを変換する（ステップＳ２０３－Ｓ２０４）。また、異常スコア算出部１３は、第１データの全ての列についてステップＳ２０２－Ｓ２０４の処理を繰り返すことにより、Ｎ個の列のそれぞれについて、Ｍ個の異常モードの異常スコアのそれぞれを変換する（ステップＳ２０２－Ｓ２０５）。これにより、算出された複数の異常スコアは、列間、および、異常モード間で過去の発生度合いに基づく略同一のスケールに変換される。
スケール変換された異常スコアは、異常スコア算出装置１０から表示データ生成装置５０に出力される。表示データ生成装置５０は、スケール変換された異常スコアが表示された表示用画面を生成し、表示装置６０は、表示用画面を表示する。
図９は、表示装置６０に表示される表示用画面の一例を示す図である。図９に示す表示用画面では、スケール変換された複数の異常スコアが大きさ順にランキング形式で表示されている。図９に示す表示用画面では、値が大きい順に、スケール変換された複数の異常スコアが表示されている。スケール変換された異常スコアは、数値が１に近いほど、発生確率が小さいことを示す。このため、上部に表示された異常スコアほど、発生確率が小さい異常が生じていることを示す。作業者は、表示用画面を確認することにより、異なる異常モード間で、かつ、異なる項目（例えば製造装置）間で、異常スコアの比較を行うことができる。
図１０は、表示装置６０に表示される表示用画面の他の一例を示す図である。図１０に示す表示用画面では、異常モード別に、スケール変換された異常スコアが大きさ順にランキング形式で表示されている。作業者は、表示用画面を確認することにより、同一の異常モードで算出された異常スコアについて、異なる項目間（例えば異なる製造装置間）で、異常スコアの比較を行うことができる。
図１１は、表示装置６０に表示される表示用画面の他の一例を示す図である。図１１に示す表示用画面では、スケール変換された異常スコアが時系列順にタイムライン表示されている。図１１に示す表示用画面では、異常スコアが算出された日付ごとに、値の大きさ順に上位数件の異常スコアが抽出され、ランキング形式で表示されている。これにより、確認するべき異常に関するデータのみが表示される。作業者は、表示用画面を確認することにより、異常スコアの経時的な変化を把握することができる。また、異常スコアが算出された日付ごとに、所定の閾値以上の異常スコアのみが表示されてもよい。
以下、本実施形態に係る異常スコア算出装置１０の効果について説明する。
本実施形態に係る異常スコア算出装置１０は、製造物または製造工程の状態に関する第１データを取得し、第１データに基づいて複数の異常モードのそれぞれについて異常スコアを算出するか、あるいは、第１データに基づいて第１データの複数の項目のそれぞれについて異常スコアを算出し、異常スコアの発生の希少度合いが略同一になるように複数の異常スコアのそれぞれをスケール変換する。
スケール変換された異常スコアは、異常スコア算出装置１０から表示データ生成装置５０に出力される。表示データ生成装置５０は、スケール変換された異常スコアが表示された表示用画面を生成し、表示装置６０は、表示用画面を表示する。
上記構成により、本実施形態に係る異常スコア算出装置１０によれば、複数の製造装置や複数のセンサーから得られる多様な製造データに基づいて算出された複数の異常に関する値を、比較可能な形へ変換することができる。作業者は、変換された値に基づいて、どの製造装置や製造条件において異常が発生したかを直感的に判断することができる。また、作業者は、どの程度の異常でどのような異常が発生したのかを直感的に判断することができる。また、作業者は、複数の異常が同時に発生した場合に、比較可能な形へ変換された値に基づいて、発生した異常の優先順位を判断することができる。また、作業者は、類似した異常に関する過去の事例や異常対応マニュアルを参照して、適切な対応を直ちに取ることができる。すなわち、製造データの異常に対して、略同一的な異常スコアを算出することにより、異常の解析負担を軽減することができる。
また、本実施形態では、製造データとして、同じ製造装置に設置された複数のセンサーの検出値（センサーデータ）を用いて、異常スコアを算出することができる。作業者は、同じ製造装置に設置された複数のセンサーデータを用いて算出された異常スコアを確認することにより、異常の状況を詳細に確認することができる。
また、本実施形態に係る異常スコア算出装置１０は、過去の異常スコアの発生分布に基づいて、異常スコアの発生確率に基づく数値に異常スコアを変換することにより、異常スコアをスケール変換する。例えば、過去の異常スコアの分布の統計モデルを用いて発生確率に基づく数値に異常スコアを変換することにより、分布の異なる複数の異常スコアを発生頻度に基づく確率値として扱うことができる。これにより、異なる製造装置や異なるセンサー間での異常スコアの比較や、異なる異常モード間での異常スコアの比較を容易に行うことが可能になる。
また、本実施形態に係る異常スコア算出装置１０は、第１範囲の特徴量と第２範囲の特徴量とを比較することにより、異常スコアを算出する。特徴量を用いて異常スコアを算出することにより、特徴量を用いずに第１データから異常スコアを算出する場合に比べて、異常スコアの算出時において、データの取得や異常スコアの算出に関する処理時間を削減することができる。
なお、本実施形態では、異常スコア算出装置１０とは別体の表示データ生成装置５０が設けられる例について説明したが、異常スコア算出装置１０は表示データ生成装置５０の機能と同様の機能を有してもよい。この場合、異常スコア算出装置１０は、スケール変換された異常スコアを取得し、スケール変換された異常スコアを表示する表示データを生成する生成部をさらに備える。表示データ生成装置５０及び、生成部を備える異常スコア算出装置１０は可視化装置と呼ばれてもよい。
かくして、本実施形態によれば、多様な製造データに基づいて算出された異常に関する複数の値を比較可能な形へ変換することができる異常スコア算出装置、方法およびプログラムを提供することができる。
本発明のいくつかの実施形態を説明したが、これらの実施形態は、例として提示したものであり、発明の範囲を限定することは意図していない。これら実施形態は、その他の様々な形態で実施されることが可能であり、発明の要旨を逸脱しない範囲で、種々の省略、置き換え、変更を行うことができる。これら実施形態やその変形は、発明の範囲や要旨に含まれると同様に、特許請求の範囲に記載された発明とその均等の範囲に含まれるものである。
１０…異常スコア算出装置、１１…データ取得部、１２…スケール算出部、１３…異常スコア算出部、２０…製造データベース、３０…特徴量データベース、４０…スケール情報データベース、５０…表示データ生成装置、６０…表示装置、７１…ヒストグラム、７２…統計モデル、７３…斜線部。

Claims (12)

  1. 製造物または製造工程の状態に関する第１データを取得するデータ取得部と、
    前記第１データに基づいて複数の異常モードのそれぞれについて異常スコアを算出するか、あるいは、前記第１データの項目ごとに前記第１データの異常スコアを算出する第１処理部と、
    前記異常スコアの発生の度合いが略同一になるように、異なる異常モードで算出された複数の前記異常スコア、または、前記第１データの項目ごとに算出された複数の前記異常スコアのそれぞれをスケール変換する第２処理部と、
    を備え、
    前記第２処理部は、過去の異常スコアの分布の統計モデルを前記異常スコアの分布にフィッティングし、フィッティング後の統計モデルにおける前記異常スコアに対応する確率を、スケール変換後の異常スコアとして算出する、
    異常スコア算出装置。
  2. 前記データ取得部は、第１範囲の前記第１データと第２範囲の前記第１データとを取得し、
    前記第１処理部は、前記第１範囲の前記第１データと前記第２範囲の前記第１データとを比較することにより、前記異常スコアを算出する、
    請求項１に記載の異常スコア算出装置。
  3. 前記第１範囲は、第１の期間であり、
    前記第２範囲は、前記第１の期間とは異なる第２の期間である、
    請求項２に記載の異常スコア算出装置。
  4. 前記第１範囲は、前記製造物の製造管理単位に基づいて決定される範囲であり、
    前記第２範囲は、前記第１範囲の製造管理単位とは異なる製造管理単位に基づいて決定される範囲である、
    請求項２に記載の異常スコア算出装置。
  5. 前記第２処理部は、過去の異常スコアの発生分布に基づいて、前記異常スコアの発生確率に基づく数値に前記異常スコアを変換することにより、前記異常スコアをスケール変換する、
    請求項１から４までのいずれか１項に記載の異常スコア算出装置。
  6. 前記第２処理部は、前記第１データの製造管理基準に基づいて、前記異常スコアの発生確率に基づく数値に前記異常スコアを変換することにより、前記異常スコアをスケール変換する、
    請求項１から５までのいずれか１項に記載の異常スコア算出装置。
  7. 前記データ取得部は、前記第１範囲の特徴量を算出し、算出した特徴量を出力する、
    請求項２に記載の異常スコア算出装置。
  8. 前記データ取得部は、前記第１範囲の特徴量と前記第２範囲の特徴量とをさらに取得し、
    前記第１処理部は、前記第１範囲の特徴量と前記第２範囲の特徴量とを比較することにより、前記異常スコアを算出する、
    請求項２に記載の異常スコア算出装置。
  9. スケール変換された異常スコアを取得し、前記スケール変換された異常スコアを表示する表示データを生成する生成部をさらに備える、
    請求項１から８までのいずれか１項に記載の異常スコア算出装置。
  10. 前記第１データは、製造装置に設置されたセンサーの検出値を含む、
    請求項１から９までのいずれか１項に記載の異常スコア算出装置。
  11. 製造物または製造工程の状態に関する第１データを取得することと、
    前記第１データに基づいて複数の異常モードのそれぞれについて異常スコアを算出するか、あるいは、前記第１データの項目ごとに前記第１データの複数の異常スコアを算出することと、
    前記異常スコアの発生の度合いが略同一になるように、異なる異常モードで算出された複数の前記異常スコア、または、前記第１データの項目ごとに算出された複数の前記異常スコアのそれぞれをスケール変換することと、
    を備え、
    前記スケール変換することは、過去の異常スコアの分布の統計モデルを前記異常スコアの分布にフィッティングし、フィッティング後の統計モデルにおける前記異常スコアに対応する確率を、スケール変換後の異常スコアとして算出することを含む、
    方法。
  12. コンピュータに、
    製造物または製造工程の状態に関する第１データを取得する機能と、
    前記第１データに基づいて複数の異常モードのそれぞれについて異常スコアを算出するか、あるいは、前記第１データの項目ごとに前記第１データの異常スコアを算出する機能と、
    前記異常スコアの発生の度合いが略同一になるように、異なる異常モードで算出された複数の前記異常スコア、または、前記第１データの項目ごとに算出された複数の前記異常スコアのそれぞれをスケール変換する機能と、
    を実現させるためのプログラムであって、
    前記スケール変換する機能は、過去の異常スコアの分布の統計モデルを前記異常スコアの分布にフィッティングし、フィッティング後の統計モデルにおける前記異常スコアに対応する確率を、スケール変換後の異常スコアとして算出する機能を含む、
    プログラム。
JP2020155587A 2020-09-16 2020-09-16 異常スコア算出装置、異常スコア算出方法およびプログラム Active JP7481976B2 (ja)

Priority Applications (3)

Application Number Priority Date Filing Date Title
JP2020155587A JP7481976B2 (ja) 2020-09-16 2020-09-16 異常スコア算出装置、異常スコア算出方法およびプログラム
US17/186,656 US11782426B2 (en) 2020-09-16 2021-02-26 Abnormality score calculation apparatus, method, and medium
CN202110219165.8A CN114265840A (zh) 2020-09-16 2021-02-26 异常得分计算装置、方法以及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2020155587A JP7481976B2 (ja) 2020-09-16 2020-09-16 異常スコア算出装置、異常スコア算出方法およびプログラム

Publications (2)

Publication Number Publication Date
JP2022049395A JP2022049395A (ja) 2022-03-29
JP7481976B2 true JP7481976B2 (ja) 2024-05-13

Family

ID=80626579

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2020155587A Active JP7481976B2 (ja) 2020-09-16 2020-09-16 異常スコア算出装置、異常スコア算出方法およびプログラム

Country Status (3)

Country Link
US (1) US11782426B2 (ja)
JP (1) JP7481976B2 (ja)
CN (1) CN114265840A (ja)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11630718B2 (en) * 2020-05-14 2023-04-18 At&T Intellectual Property I, L.P. Using user equipment data clusters and spatial temporal graphs of abnormalities for root cause analysis
KR20230018121A (ko) 2021-07-29 2023-02-07 주식회사 엘지에너지솔루션 실린더 고장 예측시스템 및 고장 예측방법, 실린더 고장 검사시스템 및 검사방법
JP7524145B2 (ja) 2021-08-19 2024-07-29 株式会社東芝 データ処理装置、方法及びプログラム

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009076056A (ja) 2007-07-27 2009-04-09 General Electric Co <Ge> 異常集約方法
WO2015118946A1 (ja) 2014-02-10 2015-08-13 オムロン株式会社 監視装置及び監視方法
JP2019125206A (ja) 2018-01-17 2019-07-25 株式会社東芝 情報処理装置、情報処理方法及びプログラム

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5753286B1 (ja) * 2014-02-05 2015-07-22 株式会社日立パワーソリューションズ 情報処理装置、診断方法、およびプログラム
US11137323B2 (en) * 2018-11-12 2021-10-05 Kabushiki Kaisha Toshiba Method of detecting anomalies in waveforms, and system thereof
JP7446771B2 (ja) 2019-10-30 2024-03-11 株式会社東芝 可視化データ生成装置、可視化データ生成システム、及び可視化データ生成方法
JP7291061B2 (ja) * 2019-11-14 2023-06-14 株式会社日立製作所 分析システムおよび分析方法
JP7524045B2 (ja) 2020-12-10 2024-07-29 株式会社東芝 データ解析装置、方法およびシステム

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009076056A (ja) 2007-07-27 2009-04-09 General Electric Co <Ge> 異常集約方法
WO2015118946A1 (ja) 2014-02-10 2015-08-13 オムロン株式会社 監視装置及び監視方法
JP2019125206A (ja) 2018-01-17 2019-07-25 株式会社東芝 情報処理装置、情報処理方法及びプログラム

Also Published As

Publication number Publication date
US20220083033A1 (en) 2022-03-17
JP2022049395A (ja) 2022-03-29
CN114265840A (zh) 2022-04-01
US11782426B2 (en) 2023-10-10

Similar Documents

Publication Publication Date Title
JP7481976B2 (ja) 異常スコア算出装置、異常スコア算出方法およびプログラム
TWI620046B (zh) 時間序列資料處理方法、記錄有時間序列資料處理程式之電腦可讀取之記錄媒體、及時間序列資料處理裝置
JP5735499B2 (ja) 基板処理中に自動的に障害状態を検出及び分類するための方法及び装置
JP5753286B1 (ja) 情報処理装置、診断方法、およびプログラム
US10373065B2 (en) Generating database cluster health alerts using machine learning
US8090676B2 (en) Systems and methods for real time classification and performance monitoring of batch processes
JP7126256B2 (ja) 異常診断装置、異常診断方法、及びプログラム
JP6540531B2 (ja) 監視装置及び監視装置の制御方法
JP5827426B1 (ja) 予兆診断システム及び予兆診断方法
JP2011175540A (ja) 予測・診断モデルの構築装置
CN112180230A (zh) 芯片测试参数异常的侦测方法、存储介质、终端
WO2017126585A1 (ja) 情報処理装置、情報処理方法、及び、記録媒体
JP7524045B2 (ja) データ解析装置、方法およびシステム
CN110490486A (zh) 一种企业大数据管理系统
KR101998972B1 (ko) 변수 구간별 불량 발생 지수를 도출하여 공정 불량 원인을 파악하고 시각화하는 방법
WO2020166236A1 (ja) 作業効率評価方法、作業効率評価装置、及びプログラム
JP5771317B1 (ja) 異常診断装置及び異常診断方法
CN115994327A (zh) 基于边缘计算的设备故障诊断方法及装置
JP5532782B2 (ja) トレーサビリティシステムおよび製造工程異常検出方法
JPWO2019026193A1 (ja) 情報処理装置、情報処理システム、情報処理方法、及び、プログラム
JP6540532B2 (ja) 監視装置及び監視装置の制御方法
CN117235650B (zh) 一种高空作业状态检测方法、装置、设备及介质
CN114202256A (zh) 架构升级预警方法、装置、智能终端及可读存储介质
JP6885321B2 (ja) プロセスの状態診断方法及び状態診断装置
JPWO2019016892A1 (ja) 品質分析装置及び品質分析方法

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20220826

RD01 Notification of change of attorney

Free format text: JAPANESE INTERMEDIATE CODE: A7421

Effective date: 20230105

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20230630

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20230704

A601 Written request for extension of time

Free format text: JAPANESE INTERMEDIATE CODE: A601

Effective date: 20230904

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20231102

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20240123

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20240319

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: 20240402

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20240426

R150 Certificate of patent or registration of utility model

Ref document number: 7481976

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150