JPWO2017081984A1 - 制御装置及び診断システム - Google Patents

Abstract

本発明は、ルール型診断と学習型診断のそれぞれの特徴を活かしつつ、より信頼性の高い診断が可能な制御装置及び診断システムを提供することを目的とする。
本発明は、予め定められたルールに従って、制御機能からの出力データを用いて前記制御機能の診断を行う第１診断部と、前記出力データに基づいて機械学習されるルールに従って、前記出力データを用いて前記制御機能の診断を行う第２診断部と、前記第１及び第２診断部の診断結果を照合する照合部と、を備える。

Description

制御装置とその制御対象の異常を検出するための診断システムに関する。

電子制御装置により制御されるシステムは、プラント、自動車など多数存在している。制御装置は制御対象及び制御装置自身の異常および異常の予兆を検出する診断をしている。その目的は、故障の検出による安全の確保、性能低下を検出しての対処、または故障や性能低下の予兆把握による事前対処である。

診断は従来、予め定められた判定基準に沿って実施されてきた。例えばセンサで計測される値に上下限を設定し、この範囲を逸脱する値が計測されたときに、異常として警報を発する。本書ではこのように事前に決められた判定基準を用いる診断方法を「ルール型診断」と呼ぶ。しかしこの方法だと、制御システムの個体差や利用方法、環境条件の差異、経時変化に対応できない。つまり、異常でないのに異常と判定したり（偽陽性）、異常を見逃したり（偽陰性）する可能性がある。

上記の課題に対して近年では、観測されるデータから判定基準を更新し、即ち学習を通じて、制御対象の特性に即して診断する方法が利用されている場合がある。学習に対応した判定基準としては、物理的なモデルのパラメータ更新、統計モデルの利用、クラスタリング、サポートベクタマシンなどのパターン認識、などが診断対象の特性に応じて選択される。本書ではこのように学習により対象に応じて判定基準を変更する診断方法を「学習型診断」と呼ぶ。

学習を用いる診断方法は、個体差や利用方法、環境条件の差異、経時変化に対応可能である。しかし、必ずしも学習が成功する場合ばかりではない。学習に失敗すると、偽陽性や偽陰性の確率は高まる。学習結果が保障されていないので、事前の検討が十分なルール型診断より、信頼性が高いとは言えない。

上記の特徴を持つルール型診断と学習型診断を使い分けすることにより、それぞれの特徴を活かした診断を行おうとする先行技術がある。特許文献１では、複数のセンサから取得されたデータについて正常データから乖離が大きい組を異常と判定する第１の診断手段と、所定範囲から逸脱しているセンサ値から異常を判定する第２の診断手段とを有する。第１の診断手段が学習型であり、第２の診断手段がルール型である。この構成により、データが保守作業の影響を受けて第１の診断手段の判定結果が偽陽性を示す場合でも、学習期間が不足している場合には第１の診断手段は出力を行わず、第２の診断手段が出力することにより、誤った診断結果を避けることができる。

特許５０８１９９８号公報

しかし学習型診断が誤った判定を行うのは、保守作業のような明確な事象のある場合とは限らない。例えば学習に関わるパラメータの値によっては適切な学習がなされない場合もある。このため、ルール型診断と学習型診断のそれぞれの特徴を活かしつつ、より信頼性の高い診断方法が求められる。

本発明は、ルール型診断と学習型診断のそれぞれの特徴を活かしつつ、より信頼性の高い診断が可能な制御装置及び診断システムを提供することを目的とする。

本発明は、予め定められたルールに従って、制御機能からの出力データを用いて前記制御機能の診断を行う第１診断部と、前記出力データに基づいて機械学習されるルールに従って、前記出力データを用いて前記制御機能の診断を行う第２診断部と、前記第１及び第２診断部の診断結果を照合する照合部と、を備える。

或いは、本発明は、予め定められたルールに従って、制御装置に備えられる制御機能からの出力データを用いて前記制御機能の診断を行う第１診断部と、前記出力データに基づいて機械学習されるルールに従って、前記出力データを用いて前記制御機能の診断を行う第２診断部と、前記第１及び第２診断部の診断結果を照合し、不一致の診断結果を抽出する結果照合部と、前記結果照合部で抽出された前記診断結果に基づいて、前記少なくとも第１診断部のルールを更新する診断ルール更新部と、を備える。

本発明によれば、ルール型診断と学習型診断のそれぞれの特徴を活かしつつ、より信頼性の高い診断が可能となる。

診断システムのハードウェア構成 診断システムの機能構成 コントローラ側の診断処理フロー 判定基準更新のためのサーバ側の処理フロー 診断の入出力データ ルール型診断部の判定基準 学習型診断部の判定基準 ルール型診断部と学習型診断部の判定基準の差異 ルール型診断部の判定基準案の表示

図１は本発明を適用した診断システムのハードウェア構成を示している。診断システムはサーバとコントローラからなっている。

コントローラ１０１−１〜ｎは、それぞれ制御対象１０２−１〜ｎを制御している電子制御装置である。コントローラ１０１−１〜ｎはそれぞれ、中央演算装置１１１−１〜ｎ、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）１１２−１〜ｎ、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）１１３−１〜ｎ、制御対象１０２−１〜ｎとの入出力を行う入出力回路１１４−１〜ｎ、ネットワーク１５０に接続している通信コントローラ１１５−１〜ｎを有している。ネットワークの種類は、インターネット、携帯電話網、ＦＡネットワーク、またそれらの複合などがありうる。

サーバ１１０は、中央演算装置１１０１、ＲＯＭ１１０２、ＲＡＭ１１０３、通信コントローラ１１０５、大容量の記憶装置であるハードディスク１１０６を有している。大容量記憶装置はＳＳＤ（Ｓｏｌｉｄ Ｓｔａｔｅ Ｄｒｉｖｅ）などでもよい。通信コントローラ１１０５はネットワーク１５０に接続しており、コントローラ１０１−１〜ｎの通信コントローラ１１５−１〜ｎと双方向に通信が可能である。またサーバ１１０には表示装置１２０が接続されている。表示装置は液晶モニタなどの表示用画面を持つ装置である。

図２は本発明を適用した診断システムの機能構成を示している。これら機能はソフトウェア（プログラム）で実現されている。図２ではコントローラ１（１０１−１）のみが示されているが、他のコントローラ（１０１−２〜ｎ）も同様であるため図示を割愛し、本書ではコントローラ１で代表し説明を行う。

コントローラ１０１−１には、制御部２０１、データ取得部２０２、ルール型診断部２０３、学習型診断部２０４、結果照合部２０５、通信部２０６、ルール更新部２０７が配されている。これらのソフトウェアは、ＲＯＭ１１２−１に格納されており、中央演算装置１１１−１がＲＡＭ１１３−１を記憶領域として使用しながら実行するものである。

サーバ１１０には、通信部２１０、データ記録部２１１、更新ルール案作成部２１２、ルール記憶部２１３、診断方法決定入力２１４、表示部２２０からなる。これらのソフトウェアは、ＲＯＭ１１０２に格納されており、中央演算装置１１０１がＲＡＭ１１０３やハードディスク１１０６を記憶領域として使用しながら実行するものである。

以下ではコントローラ１０１−１の各機能について説明する。

制御部２０１は、入出力回路１１４−１を介して制御対象１０２−１との入出力を行い、制御を行う。

データ取得部２０２は、制御部２０１が保持している制御対象１０２−１との入出力データ、および制御部２０１の内部データのうち、診断対象であるデータを取得し記憶する。記憶にはＲＡＭ１１０３のほか、図示していないフラッシュメモリなどを用いても良い。

ルール型診断部２０３は、データ取得部２０２が得た診断用データを用いて、予めルールとして定められた判定基準に基づき診断を行う。このルールは、ルール型診断部２０３が記憶・保持している。コントローラ１０１−１における警告灯の表示、機能縮退、安全動作などには、ルール型診断部２０３の診断結果が用いられる。

学習型診断部２０４は、データ取得部２０２が得た診断用データを用いて、学習と診断を行う。つまり、まず学習判定基準となる診断モデルを構築し、その後で診断を実施する。診断モデルの構築方法としては、例えば稼動開始後から一定期間のデータのうち、ルール型診断部２０３が正常と判定したデータを用いる。また診断モデル構築後も、ルール型診断部２０３と学習型診断部２０４が正常と判断したデータを用いて、診断モデルを更新する。

結果照合部２０５は、同一のデータに対するルール型診断部２０３と学習型診断部２０４の診断結果を付き合せて、差異の有無を判定する。

通信部２０６は、データ取得部２０２が得た診断用データと、そのデータに対するルール型診断部２０３および学習型診断部２０４の診断結果を組にして、全ての組または取捨選択した組をサーバ１１０に送信する。通信部２０６は、通信コントローラ１１５−１を介して、少なくとも結果照合部２０５が診断結果に差異ありと判定した診断用データ、ルール型診断部２０３および学習型診断部２０４の診断結果を送信する。

ルール更新部２０７は、サーバ１１０から送信され通信部２０６が受信した判定基準を示すデータを用いて、ルール型診断部２０２の判定基準を更新する。

学習型診断部２０４の診断モデルが、物理モデルや統計モデルの場合で、ルール型診断と同様に正常範囲を明確に示せる（図５のように）のであれば、その正常範囲または異常範囲を、通信部２０６を介してサーバ１１０に送信してもよい。

以下ではサーバ１１０の各機能について説明する。

通信部２１０は、通信コントローラ１１０５を介して、コントローラ１１０−１〜ｎから送信された診断用データ、そのデータに対するルール型診断部２０３および学習型診断部２０４の診断結果を受信する。

データ記録部２１１は、通信部２１０が受信した診断用データと診断結果を組にして、ＲＡＭ１１３やハードディスク１１０６に記録する。

更新ルール案作成部２１２は、データ記録部２１１が記録している診断用データと診断結果とから、ルール型診断部２０３の新しい判定基準の案を作成する。

判定基準決定入力部２１３は、更新ルール案作成部２１２が作成した新しい判定基準案について、採用可能か否かを、判定基準の管理者から入力を受け付ける。また、判定基準案の修正案についても、入力を受け付ける。

ルール記憶部２１４は、更新ルール案作成部２１２にて採用可能と入力された判定基準を、ハードディスク１１０６に記録する。通信部２１０は、更新ルール案作成部２１２にて採用可能と入力された判定基準を、通信コントローラ１１０５を介して、コントローラ１１０−１〜ｎに送信する。更新ルール案作成部２１２は、新しい判定基準案を作成する際に、ルール記憶部２１４に記録された現行の判定基準を参照することがある。表示部２２０は、表示装置１２０に、更新ルール案作成部２１２が作成した判定基準案や、ルール記憶部２１４に記録された現行の判定基準や、データ記録部２１１が記録している診断用データ、診断結果などを表示する。この表示は判定基準の管理者が閲覧する。また表示部２２０は、判定基準決定入力部２１３が入力を受け付けるための表示も行う。

なおサーバ１１０の機能は、診断対象データを取得するコントローラ（１１０−１）と同じコントローラ内に配置してもよい。また診断対象データを取得するコントローラとネットワークで通信可能な別のコントローラが担ってもよい。例えばコントローラ１１０−１と同じ車両に搭載され、表示装置を持つコントローラでも良い。

図３は本発明のコントローラ側の診断プログラムの処理フローを示す。この処理フローは、ルール型診断部２０３と学習型診断部２０４とで診断結果に差異がある場合のみデータをサーバ１１０に送信する場合のフローである。
ステップ３０１：データ取得部２０２は、制御部２０１から診断対象データ（診断の入力データ）を取得し記憶する。
ステップ３０２：ルール型診断部２０３と学習型診断部２０４は、ステップ３０１にてデータ取得部２０２が得た診断用データを用いて診断を行う。
ステップ３０３：結果照合部２０５は、ステップ３０２で得られた、同一のデータに対するルール型診断部２０３と学習型診断部２０４の診断結果について照合し、差異の有無を判定する。
ステップ３０４：ステップ３０３における結果照合部２０５の照合結果から、差異があればステップ３０５に、なければステップ３０６に進む。
ステップ３０５：通信部２０６は、ステップ３０２における診断用データおよび診断結果をサーバ１１０に送信する。
ステップ３０６：結果照合部２０５は、ステップ３０２における診断用データおよび診断結果を破棄する。

以上をもって１回の処理を終了する。この処理はデータ取得部２０２にてデータが得られたときや、周期的に実行される。

図４は本発明のサーバ側のプログラムの処理フローを示す。
ステップ４０１：通信部２１０は、コントローラ１１０−１〜ｎから送信された診断用データ、そのデータに対するルール型診断部２０３および学習型診断部２０４の診断結果を受信し、データ記録部２１１が、送信元のコントローラのＩＤと紐付けて、それらデータを記録する。
ステップ４０２：更新ルール案作成部２１２は、ステップ４１０で取得し記録されたデータをもとに、ルール型診断部２０３の新しい判定基準の案を作成する。ここでは判定基準はコントローラ１１０−１〜ｎそれぞれに作成される。作成方法は後述する。
ステップ４０３：ステップ４０２にて更新ルール案の作成に成功したか否かを判定する。成功していればステップ４０４に移り、成功していなければ処理を終了する。
ステップ４０４：表示部２２０が表示装置１２０に、ステップ４０２で作成された更新ルール案と対象コントローラのＩＤとを表示する。また表示２２０は、現行の判定基準をルール記憶部２１４から取得し、表示装置１２０に表示する。
ステップ４０５：判定基準決定入力部２１３は、ステップ４０２にて作成された判定基準案について、採用可能か否かの入力を受け付ける。可と入力されたらステップ４０６に移り、否と入力されたら処理を終了する。
ステップ４０６：通信部２１０は、ステップ４０２にて作成された判定基準を、コントローラ１１０−１〜ｎに送信する。
ステップ４０７：ルール記憶部２１４は、ステップ４０６にて送信された判定基準を、新しい現行の判定基準としてハードディスク１１０６に記録する。現行の判定基準は、コントローラ１１０−１〜ｎそれぞれに記録する。

以上をもって１回の処理を終了する。この処理は通信部２１０にてデータが得られたときや、周期的に実行される。

ステップ４０６にて送信された判定基準を示すデータは、コントローラ１１０−１〜ｎの通信部２０６により受信され、ルール更新部２０７により、ルール型診断部２０３の判定基準の更新に利用される。ルール更新部２０７は、判定基準ルールをエラーなく受信した際や、判定基準の更新が完了した際に、通信部２０６を介してサーバ１１０に通知を行ってもよい。またこの通知を持って、ルール記憶部２１４は送信した判定基準を記録してもよい。これにより現行の判定基準について、サーバ１１０の記録とコントローラ１１０−１〜ｎの実際との乖離を防止できる。

図５はデータ取得部２０２が診断対象から得るデータとその診断結果との組のデータ構成を示している。このデータ構成は、サーバ１１０にてデータ記録部２１１が記録するデータでも同様である。本書では診断の入力データと出力データ（結果）との組を診断データと呼ぶことにする。

診断データテーブル５０１は、診断データが時系列順に並んでいる。診断データは、コントローラに固有のＩＤ、データ計測日時、診断対象から得られたデータ（本実施例ではあるデータＡ，Ｂ）、ルール型診断部２０３の診断結果である診断結果１、学習型診断部の診断結果である診断結果２、とからなっている。データ計測日時は、コントローラに備えられた時計機能により計測する。診断結果１・２は、正常を示すＯＫ，異常を示すＮＧ，診断不可を示すＮＡの３つの値を取る。

図６はルール型診断部２０３が保持する判定基準のデータを示している。判定ルールテーブル６０１は、診断対象であるデータＡとデータＢについてそれぞれ範囲（上下限）を設定している。例えば、データＡの値が５００以上１５００未満のときには、データＢの値は１００以上４０００以下であるべき、とされていて、データＡの各領域についてデータＢの範囲が設定されている形となっている。

ルール型診断部２０３が診断を行うときには、まず診断対象であるデータＡの値を用いて、判定ルールテーブル６０１からデータＡの上下限に当てはまる行を検索する。次にデータＡと組になっているデータＢについて、判定ルールテーブル６０１にて検索された行に示されているデータＢの上下限と比較する。データＢが上下限に収まっていれば診断結果は正常（ＯＫ）、収まっていなければ異常（ＮＧ）とされる。

診断データテーブル５０１のデータでは、Ｎｏ．１，２のデータが判定ルールテーブル６０１の範囲に収まっており、診断結果１がＯＫとなっている。それに対し、Ｎｏ．３のデータは判定ルールテーブル６０１の範囲に収まっておらず、診断結果がＮＧとなっている。

図７は学習型診断部２０４の学習の様子を示している。本実施例では診断モデルとして、機械学習ｋ−ｍｅａｎｓ法を用いたクラスタリングを起点にして得られる範囲情報を用いる。この範囲情報の生成方法は次の通りである。まず診断対象データとなる複数のデータセットに対し、ｋ−ｍｅａｎｓ法を用いたクラスタリングを実施し、分割情報を用いる。ここで分割情報とは、
・ｋ−ｍｅａｎｓ法によって分割されたデータが属するクラスタ番号
・各クラスタに属するデータの平均値（中心ベクトル）
を指す。なお、ｋ−ｍｅａｎｓ法の詳細については、多くの文献で述べられており、ここでは詳述しない。次に、上述の分割情報を用いて、分割されたデータ集合（クラスタ）毎に、値の範囲を設定し、範囲情報とする。範囲は具体的には、各クラスタ（中心ベクトル）に対応する範囲を規定する各次元の下限値と上限値を指す。範囲情報の設定方法は次の通りである。・各クラスタに属するデータの各次元の最小値を、各クラスタに対応する範囲の各次元の下限とする。・各クラスタに属するデータの各次元の最大値を、各クラスタに対応する範囲の各次元の上限とする。

上述の範囲設定方法により、診断対象データの次元数が２であれば範囲情報は矩形となり、次元数が３であれば範囲情報は直方体を形成する。図７では、縦軸をデータＡ、横軸をデータＢとして診断対象データがプロットされている。これに対してｋ−ｍｅａｎｓ法を用いてクラスタ数４で診断対象データがクラスタ１〜４に分割されている。この各クラスタの分割情報から、範囲情報として範囲１〜４が設定されている。

学習型診断部２０４が実施する診断では、これら範囲１〜４の内部に納まるデータは正常（ＯＫ）と診断される。例として診断対象データ７１０は、学習時には観測されなかったデータであり、範囲１〜４に対して外れ値となるため、異常（ＮＧ）と判定される。

図８はルール型診断部２０３と学習型診断部２０４の判定基準を、診断対象データと共に重ねて表示したものであり、判定基準の違いを示している。プロットされた診断対象データと、学習型診断部２０４の範囲情報は、図７と同じである。範囲８０１と８０２は、ルール型診断部２０３の判定基準であり、図６の判定ルールテーブル６０１の内容と同じである。図８から判明することは、診断対象データ８１０はルール型診断部２０３では異常（ＮＧ）と判定され、学習型診断部２０４では正常（ＯＫ）と判定されることである。このため、診断対象データと同じデータが観測された場合、結果照合部２０５は判定結果に差異があるデータとして抽出し、このデータはサーバ１１０に送信される。このようなデータは、機器の個体差や環境要因などにより生じうる。

サーバ１１０に送信された診断対象データ８１０と、ルール型診断部２０３の現行の判定基準、すなわちルール記憶部２１４に記録された判定ルールテーブル６０１とから、更新ルール案作成部２１２は、新しい判定基準を作成する。以下ではその作成方法の例をいくつか説明する。これらの作成方法に限定するものではない。

１つめの方法として、判定ルールテーブル６０１において正常とされる範囲を拡大するように値を書き換える。診断対象データ８１０を（データＡ，データＢ）＝（２２５０，１０５００）とすると、判定ルールテーブル６０１にてデータＡが５００以上３０００未満の行に該当する。このため、当該行のデータＢの上限を１０５００にする。マージンを入れて、例えば１１０００としてもよい。診断対象データ８１０について、ルール型判定部２０３が正常（ＯＫ）と判定し、学習型診断部２０４が異常（ＮＧ）と判定しているのであれば、逆に現行より範囲を狭めることになる。これは２つ目の方法でも同様である。

２つめの方法として、学習型診断部２０４の範囲情報がサーバ１１０に送信されている場合、その範囲情報に対応する部分だけ、判定ルールテーブル６０１において正常とされる範囲を拡大する。例えば診断対象データ８１０が含まれる範囲情報８０２の範囲は、データＡが１７００以上２８００未満、データＢが４８００以上１０５００以下であるとする。この場合、データＡが１７００以上２８００未満の部分だけ、データＢの正常範囲を更新する。すると、データＢの下限は３００で変わらず、上限が１０５００に拡大される。

３つめの方法として、学習型診断部２０４の範囲情報がサーバ１１０に送信されている場合、その範囲情報を判定ルールテーブル６０１に置き換わる判定基準案とする。

図９は、表示装置２１０に描画された、更新ルール案作成部２１２による判定基準案と、判定基準決定入力部２１３による入力受付を示している。判定ルールテーブル９０１と９０２は、それぞれ変更前と変更後（更新案）の判定基準を示している。判定ルールテーブル６０１の全体ではなく、変更が発生する部分のみの表示となっている。更新案は上述の２つめの方法に沿っている。判定ルールテーブル９０２は、判定基準の管理者がサーバ１１０に接続されたキーボードなどの入力装置を用いて、値を書き換えることができる。これは判定基準決定入力部２１３による判定基準の修正案の入力受付に相当する。

管理者がボタン９１０「採用」を押すと、判定基準決定入力部２１３により判定基準案は採用可として扱われる。管理者がボタン９２０「却下」を押すと、判定基準決定入力部２１３により判定基準案は棄却される。

ボタン９１０が押され、ルール型診断部２０３の判定基準が更新されると、以降は診断対象データ８１０と同じデータが観測されても、異常（ＮＧ）と判定されなくなる。同様に、ルール型診断部２０３で正常（ＯＫ）と判定され、学習型診断部２０４で異常（ＮＧ）と判定されたデータがあったときに、ルール型診断部２０３の判定基準を更新して、当該データが異常（ＮＧ）と判定されるようにすることも本発明で可能である。

本実施形態にかかる制御装置及び診断システムによれば、ルール型診断と学習型診断のそれぞれの特徴を活かしつつ、より信頼性の高い診断が可能となる。具体的には、診断の確定には信頼性の高いルール型診断を用いるが、ルール型診断では対応していない、つまり偽陽性や偽陰性の判定を行いうる事象を学習型診断で抽出し、ルール型診断の判定基準を更新することができる。またルール型診断の判定基準の更新案を人間が検討する作業を容易にする。これにより、制御システムの個体差や利用方法、環境条件の差異、経時変化に対応し、診断の精度と信頼性を高く保つことができる。

以上により、ルール型診断の判断基準を更新する判断は知見者が行うことで、学習型診断で誤った判定を行うケースを排除しつつ、制御システムの個体差や利用方法、環境条件の差異、経時変化に対応した診断が可能となる。

また近年ではソフトウェアの更新がネットワーク経由で為されるが、制御アルゴリズムの改良や修正を伴うソフトウェアの更新後に、診断方法も併せて更新を行う必要がある。この診断方法の更新が十分でなかった場合の検出も可能となる。

本実施例では、ルール型診断部２０３と学習型診断部２０４とで診断結果に差異がある診断データを結果照合部２０５が抽出してサーバ１１０に送信することで、全ての診断データを送信する場合よりも、通信帯域やデータ保持領域を小さくしている。しかし本発明は、診断結果に差異がない診断データを送信したり、表示装置１２０に図８のように表示したり、更新ルール案作成部２１２が利用したりすることを制限するものではない。

上記の実施例では、結果照合部２０５はコントローラ１１０−１〜ｎに配置されているが、診断データを選別せずにサーバ１１０に送信し、サーバ１１０の通信部２１０の次段に結果照合部２０５を配置してもよい。

また上記の実施例では、学習型診断部２０４の学習をコントローラ１１０−１〜ｎにて行っているが、診断対象データを選別せずにサーバ１１０に送信し、サーバ１１０側で学習を実施してもよい。コントローラ１１０−１〜ｎはその学習結果（本実施例では範囲情報）をサーバ１１０からダウンロードして、判定だけ実施する。この場合、ルール型診断部２０３に対するルール更新部２０７と同様の、学習型診断部２０４の学習結果を更新する機能をコントローラ１１０−１〜ｎに配置し、通信部２０６から学習結果を取得して学習型診断部２０４の判定基準を更新させる。この方式のメリットは、処理負荷の重い学習をサーバで行うことにより、コントローラの処理負荷を下げることができる点である。

本実施例では制御対象ごとに学習型診断のモデルを構築しているが、学習をサーバで行う場合には、複数の制御対象のデータから１つの学習型診断のモデルを構築してもよい。このときの複数の制御対象は同型の装置、例えば全て同じ型のエンジンとする。この方式のメリットは、少数の制御対象のみで得られ、特定の使用環境・使用方法でしか発生しない条件で得られるデータ、およびそのデータから判明するルール型診断の判定基準の不十分な点を、それ以外の制御対象の診断でも共有でき、誤診断を未然に防げる点である。また、判定基準決定入力部２１３における入力回数を減らすこともできる。

Claims (7)

1. 予め定められたルールに従って、制御機能からの出力データを用いて前記制御機能の診断を行う第１診断部と、
   前記出力データに基づいて機械学習されるルールに従って、前記出力データを用いて前記制御機能の診断を行う第２診断部と、
   前記第１及び第２診断部の診断結果を照合する照合部と、を備える、制御装置。
2. 前記結果照合部は、前記第１診断部の診断結果と前記第２診断部の診断結果とが相違する場合を抽出するように構成される、請求項１に記載の制御装置。
3. 前記結果照合部は、前記第１診断部の診断結果が正常を示すものであり且つ前記第２診断部の診断結果が異常を示すものである場合を抽出するように構成される、請求項１に記載の制御装置。
4. 請求項１に記載の制御装置と、該制御装置が接続されるセンタとによって構成される診断システムであって、
   前記センタは、前記で抽出された出力データを収集するデータ収集部と、収集された前記出力データに基づいて前記第１診断部で用いられるルールを更新する診断ルール更新部と、更新されたルールを前記制御装置に送信するルール送信部と、を備える診断システム。
5. 予め定められたルールに従って、制御装置に備えられる制御機能からの出力データを用いて前記制御機能の診断を行う第１診断部と、
   前記出力データに基づいて機械学習されるルールに従って、前記出力データを用いて前記制御機能の診断を行う第２診断部と、
   前記第１及び第２診断部の診断結果を照合し、不一致の診断結果を抽出する結果照合部と、
   前記結果照合部で抽出された前記診断結果に基づいて、前記少なくとも第１診断部のルールを更新する診断ルール更新部と、を備える診断システム。
6. 前記出力データと前記診断結果とから新たな判定基準案を作成する更新ルール案作成部を備える、請求項５に記載の診断システム。
7. 前記更新ルール案作成部が作成した新たな判定基準案が採用可能であるか否かに関する入力を受け付ける判定基準決定入力部を備える、請求項６に記載の診断システム。

Images