JPWO2017134772A1 - 製造設備診断支援装置及び製造設備診断支援方法 - Google Patents

Abstract

本発明に係る製造設備診断支援装置は、少なくとも２つ以上の類似した装置が設置される製造設備内の各装置の運転データを常時または間欠的に収集し記録するデータ収集装置に接続され、データ収集装置に記録されたデータを解析することにより製造設備の診断を支援する。この製造設備診断支援装置は、データ収集装置に記録されたデータから診断に用いるデータを抽出する機能、抽出されたデータを類似した装置の同種のデータごとにグループ分けする機能、グループ分けされたデータに対してグループ内で診断するための特徴量を演算する機能、演算された特徴量を記憶装置に記憶する機能、及び、新たに演算された特徴量と記憶装置に記憶された過去の特徴量とをグループ単位で比較し、その比較結果に基づいて異常を検知する機能を備える。

Description

本発明は、金属材料を圧延する圧延ラインや焼きなましをする焼鈍ラインなど、少なくとも２つ以上の類似した装置が設置される製造設備の診断を支援するための装置及び方法に関する。

圧延ラインや焼鈍ラインなどの製造設備は複数の装置で構成されている。製造設備を構成する装置に故障があると、製品の品質の低下やライン停止による生産効率の低下を招くことがある。さらには、一つの装置の故障の枠にとどまらず、これを発端として重大なトラブルが引き起こされ、他の装置にもダメージを与えてしまうおそれもある。そのため、故障が起きる前に対処できるよう、製造設備の的確な診断が求められている。

このような背景から、近年、製造設備の診断の支援に関する種々の手法が提案されている。その代表的なものが、故障が起きる前に対処できるよう、製造設備を構成する装置の異常を把握する技術である。その多くは、過去に起こった異常現象を既知の情報として蓄えておき、それを利用して現在の状態が異常であるかどうか判断するものである。しかし、もちろん過去の知見は有用であるものの、過去に異常が起きたことが既知でないと適用できないし、全く新しい異常が起こったときには対処することができない。

一方、国際公開第２０１５/１７７８７０号には製造設備の診断の支援に関する新たな技術が開示されている。同公報に開示された技術は、製造設備を構成する装置に少なくとも２つ以上の類似した装置が含まれる場合、対象とする期間において類似する各装置から採取したデータに基づいて特徴量を計算し、類似する装置間での特徴量の比較に基づいて異常を検知するというものである。この技術によれば、過去に起こった異常現象に関する知見を必要としない。

国際公開第２０１５/１７７８７０号

国際公開第２０１５/１７７８７０号において計算されている特徴量は、装置の状態以外の要因、具体的には、製造している製品の原材料や製造条件などに依存する場合がある。特徴量の比較に基づいて異常を検知するのであれば、装置の状態以外の要因による特徴量の違いを考慮することが望ましい。しかし、国際公開第２０１５/１７７８７０号に開示された技術では、比較に用いる特徴量は、所定期間に類似する各装置で採取されたデータに基づいて計算されたものに限られている。このため、異常検知の判定において、製造している製品の原材料や製造条件など、装置の状態以外の要因に依存する特徴量の違いを考慮することは困難であった。

本発明は、上述のような課題に鑑みなされたもので、少なくとも２つ以上の類似した装置が設置される製造設備の診断において、装置の状態以外の要因が診断に及ぼす影響を抑えることができる装置及び方法を提供するものである。

本発明に係る製造設備診断支援装置は、少なくとも２つ以上の類似した装置が設置される製造設備内の各装置の運転データを常時または間欠的に収集し記録するデータ収集装置に接続され、データ収集装置に記録されたデータを解析することにより製造設備の診断を支援する製造設備診断支援装置であって、以下のように構成される。

すなわち、本発明に係る製造設備診断支援装置は、データ収集装置に記録されたデータから診断に用いるデータを抽出する手段と、抽出されたデータを類似した装置の同種のデータごとにグループ分けする手段と、グループ分けされたデータのグループごとの特徴量を演算する手段と、演算された特徴量を記憶する手段と、演算された特徴量と記憶された過去の特徴量とをグループ単位で比較し、その比較結果に基づいて異常を検知する手段とを備える。

上記の各手段の処理は、製造設備診断支援装置を構成するコンピュータに実行させてもよい。つまり、製造設備診断支援装置を、少なくとも一つのプロセッサと、少なくとも一つのプログラムを含む少なくとも一つのメモリとを備えるコンピュータで構成し、少なくとも一つのメモリと少なくとも一つのプログラムは、少なくとも一つのプロセッサとともに、コンピュータを少なくとも上記の各手段として動作させてもよい。

データ収集装置に記録されたデータには、製造設備内の各装置が稼働中であることを示す稼働信号が含まれてもよい。この場合、データ抽出手段は、データ収集装置に記録されたデータに含まれる稼働信号に基づいて、各装置の稼働中に収集されたデータを抽出するように構成されてもよい。抽出するデータを装置の稼働中のデータに限定することで、特徴量の計算に用いるデータの有用性を高めることができる。

異常検知手段は、特徴量記憶手段に記憶された特徴量のうち、予め設定された時間だけ遡った過去の特徴量を用いて、あるいは、予め設定した製品の数だけ遡った過去の特徴量を用いて、異常検知を行うように構成されてもよい。

データ収集装置に記録されたデータには、同データの収集時に製造設備が製造していた製品の原材料あるいは製造条件に関連する製品関連情報が含まれ、データ抽出手段により抽出されるデータには、特徴量演算手段により特徴量の演算に用いられるデータとともに製品関連情報が含まれてもよい。この場合、特徴量記憶手段は、特徴量の演算に用いたデータに関係する製品関連情報を同特徴量に紐付けて記憶するように構成されてもよい。さらに、この場合、異常検知手段は、特徴量記憶手段に記憶された特徴量のうち、特徴量演算手段で演算された特徴量と同じ、あるいは一部が同じである製品関連情報が紐付けされた過去の製品製造時の特徴量を用いて、異常検知を行うように構成されてもよい。同様の製品を製造したときの特徴量を比較に用いることで、異常検知の精度を向上させることができる。

さらに、異常検知手段は、特徴量演算手段で演算された複数個の特徴量の代表値と、特徴量記憶手段に記憶された複数個の過去の特徴量の代表値とを用いて、異常検知を行うように構成されてもよい。単一の特徴量ではなく複数個の特徴量の代表値を用いて異常検知を行うことで、突発的なデータの変動などが診断に影響することを抑えることができる。

特徴量記憶手段は、異常検知手段により異常が検知された場合、異常が検知された特徴量を検知結果に紐付けて記憶するように構成されてもよい。この場合、異常検知手段は、特徴量記憶手段に記憶された特徴量のうち、異常が検知されていない過去の特徴量を用いて、異常検知を行うように構成されてもよい。異常が検知された特徴量を以降の判断から除外することで、特徴量に基づく異常検知の精度を高めることができる。

さらに、本発明に係る製造設備診断支援装置は、入力装置を介して指定された条件に従い、特徴量記憶手段に記憶された特徴量を抽出または加工して、表示装置に出力すべき監視用のデータを作成する監視データ作成手段を備えてもよい。ユーザが所望する監視用のデータが表示装置に表示されることで、製造設備の診断のための支援の程度が向上する。

また、本発明に係る製造設備診断支援方法は、少なくとも２つ以上の類似した装置が設置される製造設備内の各装置の運転データを、データ収集装置により常時または間欠的に収集して記録し、データ収集装置に記録されたデータを解析することにより製造設備の診断を支援する製造設備診断支援方法であって、以下のステップを有する。

すなわち、本発明に係る製造設備診断支援方法は、データ収集装置に記録されたデータから診断に用いるデータを抽出するステップと、抽出されたデータを類似した装置の同種のデータごとにグループ分けするステップと、グループ分けされたデータのグループごとの特徴量を演算するステップと、演算された特徴量を記憶装置に記憶するステップと、新たに演算された特徴量と記憶装置に記憶された過去の特徴量とをグループ単位で比較し、その比較結果に基づいて異常を検知するステップとを有する。

データ収集装置に記録されたデータには、製造設備内の各装置が稼働中であることを示す稼働信号が含まれてもよい。この場合、データ抽出ステップは、データ収集装置に記録されたデータに含まれる稼働信号に基づいて、各装置の稼働中に収集されたデータを抽出するステップであってもよい。

異常検知ステップは、記憶装置に記憶された特徴量のうち、予め設定された時間だけ遡った過去の特徴量を用いて、あるいは、予め設定した製品の数だけ遡った過去の特徴量を用いて、異常検知を行うステップであってもよい。

データ収集装置に記録されたデータには、同データの収集時に製造設備が製造していた製品の原材料あるいは製造条件に関連する製品関連情報が含まれ、データ抽出ステップで抽出されるデータには、特徴量演算ステップで特徴量の演算に用いられるデータとともに製品関連情報が含まれてもよい。この場合、特徴量記憶ステップは、特徴量の演算に用いたデータに関係する製品関連情報を同特徴量に紐付けて記憶装置に記憶するステップであってもよい。さらに、この場合、異常検知ステップは、記憶装置に記憶された特徴量のうち、新たに演算された特徴量と同じ、あるいは一部が同じである製品関連情報が紐付けされた過去の製品製造時の特徴量を用いて、異常検知を行うステップであってもよい。

さらに、異常検知ステップは、新たに演算された複数個の特徴量の代表値と、記憶装置に記憶された複数個の過去の特徴量の代表値とを用いて、異常検知を行うステップであってもよい。

特徴量記憶ステップは、新たに演算された特徴量に異常が検知された場合、異常が検知された特徴量を検知結果に紐付けて記憶装置に記憶するステップであってもよい。この場合、異常検知ステップは、記憶装置に記憶された特徴量のうち、異常が検知されていない過去の特徴量を用いて、異常検知を行うステップであってもよい。

さらに、本発明に係る製造設備診断支援方法は、入力装置を介して指定された条件に従い、記憶装置に記憶された特徴量を抽出または加工して、表示装置に出力すべき監視用のデータを作成する監視データ作成ステップを有してもよい。

なお、本発明によれば、上記の製造設備診断支援方法における各ステップの処理をコンピュータに実行させるためのプログラムと、そのプログラムを格納した記憶媒体も提供される。

本発明によれば、データ収集装置に記録されたデータ、すなわち、製造設備内の各装置の運転データから診断に用いるデータが抽出される。抽出されたデータは類似した装置の同種のデータごとにグループ分けされ、グループ分けされたデータに対して、グループ内で診断するための特徴量が演算される。演算された特徴量は記憶装置に記憶される。そして、新たに演算された特徴量と記憶装置に記憶された過去の特徴量とが比較され、その比較結果に基づいて異常検知が行われる。この異常検知の結果がユーザに提供されることで、ユーザは、製造設備を構成する装置に異常が起きていないかどうか容易に判断することができる。

そして、本発明に係る製造設備診断支援装置及び製造設備診断支援方法によれば、演算した特徴量の比較の対象を、同期間に演算される他の装置に係る特徴量ではなく、記憶装置に記憶された当該装置に係る過去の特徴量としているので、比較の対象を広い範囲から選択することができる。よって、製造している製品の原材料や製造条件などに特徴量が依存するとしても、比較対象とする過去の特徴量を適切に選択することにより、装置の状態以外の要因が診断に及ぼす影響を抑えることができる。

本発明の実施の形態のシステムの構成を示す図である。 本発明の実施の形態の製造設備診断支援装置の構成を示す図である。 本発明の実施の形態におけるデータ抽出の一例を説明する図である。 本発明の実施の形態における異常検知の一例を説明する図である。 本発明の実施の形態における異常検知の一例を説明する図である。

図面を参照して、本発明の実施の形態を説明する。ただし、以下に示す実施の形態は、本発明の技術的思想を具体化するための装置や方法を例示するものであって、特に明示する場合を除き、構成部品の構造や配置、処理の順序などを下記のものに限定する意図はない。本発明は以下に示す実施の形態に限定されるものではなく、本発明の趣旨を逸脱しない範囲で種々変形して実施することができる。

図１は、本発明の実施の形態のシステムの構成を示す図である。本実施の形態の製造設備診断支援装置（以下、単に診断支援装置という）１０による診断支援の対象となる製造設備は、熱間薄板圧延ライン２０である。図１に示す熱間薄板圧延ライン２０は、加熱炉２１、粗圧延機２２，２３、バーヒータ２４、仕上圧延機２５、ランアウトテーブル２６、巻き取り機２７などの各種の装置を備えている。加熱炉２１で熱せられた圧延材１００は、２式の粗圧延機２２，２３により圧延される。粗圧延機２２，２３で圧延された圧延材１００は、バーヒータ２４を経て、仕上圧延機２５へ搬送される。仕上圧延機２５は、直列に並べられた７台の圧延スタンドＦ１〜Ｆ７を有し、圧延材１００を所望の板厚まで圧延する。仕上圧延機２５で圧延された圧延材１００は、ランアウトテーブル２６で冷却された後、巻き取り機２７によってコイル状に巻き取られる。圧延材１００を薄く圧延してできたコイル状の薄板が最終的な製品である。また、熱間薄板圧延ライン２０には、仕上圧延機２５の入側の温度を計測するための温度計３０、板厚及び板幅を計測するためのセンサ３１、仕上圧延機２５の出側の温度を計測するための温度計３２、巻き取り機２７の入側の温度を計測するための温度計３３などの種々のセンサ類が配置されている。

熱間薄板圧延ライン２０には、データ収集装置２８が設けられている。データ収集装置２８は、製品の品質を担保、あるいは管理するため、熱間薄板圧延ライン２０を構成する各装置に対する設定値や実績値、センサによる測定値、さらに装置を適正に動作させるための操作量などの各種の運転データを常時または間欠的に収集し、ハードディスクなどの記録装置に記録している。データ収集装置２８は、単一のコンピュータで構成してもよいし、ネットワークに接続された複数のコンピュータで構成してもよい。

データ収集装置２８によって運転データが収集される装置には、仕上圧延機２５の圧延スタンドＦ１〜Ｆ７が含まれる。７台の圧延スタンドＦ１〜Ｆ７は、上下の圧延ロールを駆動するための大容量電動機、ロールと電動機を結ぶシャフト、ロールを上下に動かす圧下装置など、細かい仕様は異なるものの、その基本的な構成は共通する。ゆえに、圧延スタンドＦ１〜Ｆ７は、類似した装置、詳しくは、共通の基本的な構成を有し、且つ、仕様及び使用条件が類似した装置に該当する。

診断支援装置１０は、ＬＡＮによってデータ収集装置２８に接続されている。診断支援装置１０は、熱間薄板圧延ライン２０を診断した結果を提示する装置ではなく、ユーザによる熱間薄板圧延ライン２０の診断を支援する装置である。より詳しくは、診断支援装置１０は、熱間薄板圧延ライン２０の診断に用いるデータをデータ収集装置２８に記録されたデータから抽出し、解析し、その解析結果をユーザに対して提供することにより、ユーザが行う診断を支援する装置である。診断支援装置１０は、少なくとも１つのメモリと少なくとも１つのプロセッサとを有するコンピュータである。メモリには、診断支援に用いる各種のプログラムや各種のデータが記憶される。また、診断支援装置１０には、解析結果を表示するための表示装置１８と、ユーザの指令を入力するためのキーボード、マウスタッチパネルなどの入力装置１９とが接続されている。

図２は、診断支援装置１０の構成を示す図であって、診断支援装置１０が有する機能がブロックで表されている。診断支援装置１０は、データ抽出部１１、データグループ化部１２、特徴量演算部１３、特徴量記憶部１４、異常検知部１５、及び、監視データ作成部１６を備えている。これらの機能部１１〜１６で行われる処理は、本発明に係る製造設備診断支援方法における各ステップの処理に対応している。診断支援装置１０のメモリから読みだされたプログラムがプロセッサで実行されることによって、これらの機能部１１〜１６の機能、つまり、診断支援装置１０としての機能がコンピュータにて実現される。なお、コンピュータを診断支援装置１０として機能させる上記プログラムは、ネットワーク又はコンピュータで読み取り可能な記憶媒体（例えばＣＤ−ＲＯＭ、ＤＶＤ、ＵＳＢメモリ等）を介して提供される。以下、診断支援装置１０を構成する機能部１１〜１６の機能について説明する。

データ抽出部１１は、類似した装置の運転データをデータ収集装置２８から抽出する機能（データ抽出手段としての機能）を有する。類似した装置の例である圧延スタンドＦ１〜Ｆ７の場合、データ抽出部１１が抽出する運転データには、各圧延スタンドＦ１〜Ｆ７の圧延荷重、電動機電流、速度、圧下位置などが含まれる。好ましくは、圧延スタンドＦ１〜Ｆ７の運転データのうち、圧延スタンドＦ１〜Ｆ７の稼働中に収集されたデータ、すなわち、圧延中のデータが抽出される。圧延中かどうかは、データ自身の大きさやその変化などから判断することができる。例えば、抽出されるデータが圧延荷重であれば、図３に示すように、圧延中と非圧延中で圧延荷重の大きさが変わるため、ある閾値を設定することで、圧延中と非圧延中のどちらであるか圧延荷重の大きさから判断することができる。圧延中であることを示す稼働中信号は、圧延スタンドＦ１〜Ｆ７を制御している図示しない制御装置において作成され、圧延荷重のデータとともにデータ収集装置２８に収集され、圧延荷重のデータに紐付けして記録されている。或いは、データ抽出部１１が、データ収集装置２８からデータ（圧延荷重のデータには限定されない）を抽出する際、データ収集装置２８に記録されている圧延荷重のデータをチェックし、圧延荷重が閾値を超えていたらそのデータをデータ収集装置２８から読み込むようにしてもよい。なお、図３に示す例では、圧延荷重のデータ自身の大きさに基づいて稼働中信号を作成しているが、圧延中と非圧延中とで変化する特定の現象に関連付けて稼働中信号を作成してもよい。また、抽出対象となるデータが異なれば、稼働中信号をそれぞれの対象にあわせて作成してもよい。

データグループ化部１２は、データ抽出部１１により抽出されたデータを類似した装置の同種のデータごとにグループ化する機能（データグループ化手段としての機能）を有する。圧延スタンドＦ１〜Ｆ７の場合、圧延荷重、電動機電流、速度、圧下位置などは、それぞれ同種のデータとして取り扱うことができる。ただし、必ずしも圧延スタンドＦ１〜Ｆ７のすべてに同種のデータがあるとは限らない。例えば、圧延スタンドＦ１〜Ｆ４にはあるが、圧延スタンドＦ５〜Ｆ７にはないデータもある。この場合、圧延スタンドＦ５〜Ｆ７は除外して、圧延スタンドＦ１〜Ｆ４の間で共通するデータに関してグループ化すれば良い。

特徴量演算部１３は、データグループ化部１２でグループ化されたデータの特徴量を演算する機能（特徴量演算手段としての機能）を有する。特徴量とは、データが有する特徴を容易に顕在化させる量と定義することができる。特徴量の演算方法の一例としては、平均値、標準偏差、最大値／最小値などの統計的な処理や主成分分析などを用いることができる。ほかにもフーリエ解析やウエーブレット変換などの方法で特徴量を求めても良い。また、グループ内のデータ間の相関係数やユークリッド距離などの距離を特徴量として用いることも可能である。なお、ここに挙げた方法はあくまでも一例であるので、ここに挙げた以外の方法で特徴量を求めることに問題はない。さらに、特徴量を演算するデータの内容によっては、特徴量の演算を行う前に、抽出したデータにフィルタ処理を施すことや、抽出したデータとフィルタ処理したデータとの差分を求めることなども有効である。

特徴量記憶部１４は、特徴量演算部１３による演算で得られた特徴量をグループごとに記憶装置に記憶する機能（特徴量記憶手段としての機能）を有する。特徴量を記憶する記憶装置は、データの更新が可能なものであればその種類に限定はない。例えば、半導体メモリでもよいしハードディスクでもよいしＤＶＤでもよい。好ましくは、特徴量を記憶装置に記憶する際に、特徴量に関係する製品関連情報を特徴量に紐付けて記憶する。製品関連情報とは、特徴量の基礎となったデータがデータ収集装置２８に収集されたときに圧延されていた圧延材１００の原材料（例えば鋼種）や圧延条件（例えば素材厚、製品厚、幅、温度など）に関連する情報である。製品関連情報は、データ収集装置２８によって収集され記録されたデータに含まれている。特徴量は圧延材１００の原材料や製造条件に依存するので、特徴量に製品関連情報を紐付けておくことにより、特徴量に対する評価を正しく行うことができるようになる。

異常検知部１５は、特徴量演算部１３で新たに演算された特徴量と、特徴量記憶部１４に記憶された過去の特徴量とをグループ単位で比較し、その比較結果に基づいて異常を検知する機能（異常検知手段としての機能）を有する。詳しくは、新たに演算された特徴量が過去の特徴量に対して大きく変化していることが分かった場合、異常検知部１５はこれを異常として検知する。比較に用いる過去の特徴量としては、直近の圧延で得られた特徴量でもよい。直近の圧延とは、前回の圧延、あるいは、数本前に行った圧延を意味する。一方、異常が発生しているにも拘わらず、それによる特徴量の変化が小さい場合、近い過去の特徴量と比較してもその変化量から異常を捉えるのは困難である。このような場合、より遠い過去、例えば、１ヵ月前の特徴量と比較すれば、特徴量の変化が大きくなり、特徴量の変化量から異常を検知できるようになる。比較対象として選定する過去の特徴量は、遡る時間、若しくは、遡る製品の数の設定によって任意に変えることができる。設定の変更は入力装置１９を用いて行うことができる。異常検知部１５には、異常を検知した場合に、それをユーザに知らせる機能、例えば、表示装置１８に警報を出力するか、あるいは、ユーザ（ここでは保守員）にメールで連絡する機能が持たされている。

特徴量に製品関連情報が紐付けされているのであれば、製品関連情報を利用して、比較対象とする過去の特徴量を選別することができる。好ましくは、特徴量記憶部１４に記憶された過去の特徴量のうち、今回新たに演算された特徴量と同じ製品関連情報が紐付けされた過去の製品製造時の特徴量を比較対象として選択する。そうすることで、圧延材の原材料の違いや圧延条件の違いといった装置の状態以外の要因の影響で、異常を検知できなかったり誤って検知したりすることを抑えることができる。なお、選択する過去の特徴量は、今回新たに演算された特徴量と製品関連情報の全てが同じでなくてもよい。例えば、圧延条件の違いよりも原材料の違いのほうが特徴量への影響が大きい場合、原材料のみが同一の製品関連情報が紐付けされた過去の特徴量を選択してもよい。このように、比較対象とする過去の特徴量に対して絞り込みを行うことで、異常検知の精度を向上させることができる。

次に、具体的な異常検知の方法について説明する。図４及び図５は、圧延スタンドＦ１〜Ｆ７のそれぞれについて今回の特徴量と過去の特徴量とを比較した例を示す図である。特徴量は圧延スタンドＦ１〜Ｆ７間で同一であり、例えば、圧延荷重である。異常検知の方法の一つの案としては、過去の特徴量との比較において、今回の特徴量が、例えば、３０％以上変化していれば、それを異常として検知することが考えられる。

図４に示す例では、圧延スタンドＦ１〜Ｆ７の特徴量のうち、Ｆ５の今回の特徴量のみが過去の特徴量に対して大きく変化している。上記の案によれば、Ｆ５にのみ異常があると判断されることになるが、図４に示す例に対しては妥当な判断であると言える。しかし、図５に示す例のように、全体的に過去の特徴量が今回の特徴量に比べて大きくなっていることも考えられる。この場合、上記の案に従って異常検知を行うと、Ｆ５以外の全てに異常があると判断してしまうことになる。これは明らかに誤った判断であると言える。このような誤った判断がなされるのは、上記の案は、すべての製品製造において、特徴量の大きさが同程度になることを前提としているのに対し、実際には、図５に示すように全体的に特徴量が大きくなっていたり、逆に小さくなっていたりすることも考えられるからでる。

このような誤判断を防ぐため、異常検知部１５による特徴量の比較は、圧延スタンドごとではなく、圧延スタンドＦ１〜Ｆ７を一つのグループとするグループ単位で行われる。具体的には、今回の特徴量と過去の特徴量のそれぞれについて、圧延スタンドＦ１〜Ｆ７間で特徴量の比をとる。具体的には、圧延スタンドＦ１〜Ｆ７の特徴量うちの最小値、あるいは最大値を基準値に設定し、その基準値に対する特徴量の比を圧延スタンドＦ１〜Ｆ７のそれぞれについて計算する。そして、圧延スタンドＦ１〜Ｆ７のそれぞれについて、過去の特徴量の基準値に対する比と、今回の特徴量の基準値に対する比との間の変化率を計算し、圧延スタンドＦ１〜Ｆ７の間で変化率の比較を行う。このとき、各変化率を正規化してから比較しても良い。異常検知部１５は、変化率が他とは大きく異なっている圧延スタンドがないか調べ、変化率が他とは大きく異なっている圧延スタンドがあれば、それを異常として検知する。図５に示す例では、Ｆ５のみ変化率が他とは大きく異なっているので、異常検知部１５は、Ｆ５にのみ異常があると判断する。図４に示す例でも、異常検知部１５は、変化率が他とは大きく異なっているＦ５にのみ異常があると判断する。このように、本実施の形態で採用されている異常検知の方法によれば、圧延スタンドＦ１〜Ｆ７の何れかに異常が発生した場合、その異常を的確に検知することができる。ただし、ここで説明した異常検知の方法は一例であるので、他の方法を採ることはもちろん可能である。

なお、例えば、圧延材１００の品質が低い場合、データ収集装置２８に収集されるデータには突発的な変動が発生する場合がある。収集されたデータが変動を含むものであれば、それに基づき算出される特徴量にも想定以上の変動が発生することがある。このような突発的な変動の影響が異常検知の精度に及ぶことを避けるため、複数個（例えば圧延材にして３本分）の特徴量の代表値（例えば平均値や中央値など）を求めて、今回の特徴量の代表値と過去の特徴量の代表値との比較に基づいて異常検知を行ってもよい。そうすることで、突発的なデータの変動が診断に影響することを抑えることができる。

また、好ましくは、異常検知部１５は、異常を検知した場合にはその旨を特徴量記憶部１４に通知し、特徴量記憶部１４は、異常が検知された特徴量を検知結果に紐付けて記憶する。そして、異常検知部１５は、特徴量記憶部１４に記憶された特徴量のうち、異常が検知されていない特徴量を異常検知における比較の対象として使用する。つまり、異常が検知された特徴量は以降の判断からは除外する。そうすることで、特徴量に基づく異常検知の精度を高めることができる。

最後に、監視データ作成部１６について説明する。監視データ作成部１６は、ユーザが特徴量の変化の傾向などを容易に監視するための監視用データを作成する機能（監視データ作成手段としての機能）を有する。例えば、１本ごとの特徴量の時系列データを表示装置１８に出力したり、１日ごとの特徴量の平均値や標準偏差、最大値／最小値などを演算し、その時系列データを表示装置１８に出力したりする。これにより、長期の特徴量の変化の傾向を監視することができる。また、ユーザが入力装置１９を介して指定した鋼種、あるいは板厚や板幅などの条件で特徴量を取り出し、表示装置１８に出力することもできる。ここで、鋼種などの指定はユーザが表示装置から自由に設定できる。これにより、製品ごとの監視も可能である。

なお、上述の実施の形態では、仕上圧延機２５の圧延スタンドＦ１〜Ｆ７を類似した装置の例に挙げ、同種のデータとして圧延荷重を用いて説明したが、本発明はこれによって限定されるものではない。本発明は、焼鈍しをする焼鈍しラインにも適用することができるし、連続冷間圧延機にも適用することができる。

１０：診断支援装置
１１：データ抽出部
１２：データグループ化部
１３：特徴量演算部
１４：特徴量記憶部
１５：異常検知部
１６：監視データ作成部
１８：表示装置
１９：入力装置
２０：熱間薄板圧延ライン（製造設備）
２５：仕上圧延機
２８：データ収集装置
１００：圧延材
Ｆ１〜Ｆ７：圧延スタンド（類似した装置）

Claims (16)

1. 少なくとも２つ以上の類似した装置が設置される製造設備内の各装置の運転データを常時または間欠的に収集し記録するデータ収集装置に接続され、前記データ収集装置に記録されたデータを解析することにより前記製造設備の診断を支援する製造設備診断支援装置であって、
   前記データ収集装置に記録されたデータから診断に用いるデータを抽出するデータ抽出手段と、
   前記データ抽出手段によって抽出されたデータを、前記類似した装置の同種のデータごとにグループ分けするデータグループ化手段と、
   前記データグループ化手段によりグループ分けされたデータのグループごとの特徴量を演算する特徴量演算手段と、
   前記特徴量演算手段で演算された特徴量を記憶する特徴量記憶手段と、
   前記特徴量演算手段で演算された特徴量と、前記特徴量記憶手段に記憶された過去の特徴量とをグループ単位で比較し、その比較結果に基づいて異常を検知する異常検知手段と、
   を備えたことを特徴とする製造設備診断支援装置。
2. 前記データ収集装置に記録されたデータには、前記製造設備内の各装置が稼働中であることを示す稼働信号が含まれ、
   前記データ抽出手段は、前記データ収集装置に記録されたデータに含まれる稼働信号に基づいて、各装置の稼働中に収集されたデータを抽出することを特徴とする請求項１に記載の製造設備診断支援装置。
3. 前記異常検知手段は、前記特徴量記憶手段に記憶された特徴量のうち、予め設定された時間だけ遡った過去の特徴量を用いて、異常検知を行うことを特徴とする請求項１又は２に記載の製造設備診断支援装置。
4. 前記異常検知手段は、前記特徴量記憶手段に記憶された特徴量のうち、予め設定した製品の数だけ遡った過去の特徴量を用いて、異常検知を行うことを特徴とする請求項１又は２に記載の製造設備診断支援装置。
5. 前記データ収集装置に記録されたデータには、同データの収集時に前記製造設備が製造していた製品の原材料あるいは製造条件に関連する製品関連情報が含まれ、
   前記データ抽出手段により抽出されるデータには、前記特徴量演算手段により特徴量の演算に用いられるデータとともに製品関連情報が含まれ、
   前記特徴量記憶手段は、特徴量の演算に用いたデータに関係する製品関連情報を同特徴量に紐付けて記憶し、
   前記異常検知手段は、前記特徴量記憶手段に記憶された特徴量のうち、前記特徴量演算手段で演算された特徴量と同じ、あるいは一部が同じである製品関連情報が紐付けされた過去の製品製造時の特徴量を用いて、異常検知を行うことを特徴とする請求項１又は２に記載の製造設備診断支援装置。
6. 前記異常検知手段は、前記特徴量演算手段で演算された複数個の特徴量の代表値と、前記特徴量記憶手段に記憶された複数個の過去の特徴量の代表値とを用いて、異常検知を行うことを特徴とする請求項１乃至５の何れか１項に記載の製造設備診断支援装置。
7. 前記特徴量記憶手段は、前記異常検知手段により異常が検知された場合、異常が検知された特徴量を検知結果に紐付けて記憶し、
   前記異常検知手段は、前記特徴量記憶手段に記憶された特徴量のうち、異常が検知されていない過去の特徴量を用いて、異常検知を行うことを特徴とする請求項１乃至６の何れか１項に記載の製造設備診断支援装置。
8. 入力装置を介して指定された条件に従い、前記特徴量記憶手段に記憶された特徴量を抽出または加工して、表示装置に出力すべき監視用のデータを作成する監視データ作成手段、
   をさらに備えたことを特徴とする請求項１乃至７の何れか１項に記載の製造設備診断支援装置。
9. 少なくとも２つ以上の類似した装置が設置される製造設備内の各装置の運転データを、データ収集装置により常時または間欠的に収集して記録し、前記データ収集装置に記録されたデータを解析することにより前記製造設備の診断を支援する製造設備診断支援方法であって、
   前記データ収集装置に記録されたデータから診断に用いるデータを抽出するデータ抽出ステップと、
   前記抽出されたデータを、前記類似した装置の同種のデータごとにグループ分けするデータグループ化ステップと、
   前記グループ分けされたデータのグループごとの特徴量を演算する特徴量演算ステップと、
   前記演算された特徴量を記憶装置に記憶する特徴量記憶ステップと、
   新たに演算された特徴量と、前記記憶装置に記憶された過去の特徴量とをグループ単位で比較し、その比較結果に基づいて異常を検知する異常検知ステップと、
   を有することを特徴とする製造設備診断支援方法。
10. 前記データ収集装置に記録されたデータには、前記製造設備内の各装置が稼働中であることを示す稼働信号が含まれ、
    前記データ抽出ステップは、前記データ収集装置に記録されたデータに含まれる稼働信号に基づいて、各装置の稼働中に収集されたデータを抽出するステップであることを特徴とする請求項９に記載の製造設備診断支援方法。
11. 前記異常検知ステップは、前記記憶装置に記憶された特徴量のうち、予め設定された時間だけ遡った過去の特徴量を用いて、異常検知を行うステップであることを特徴とする請求項９又は１０に記載の製造設備診断支援方法。
12. 前記異常検知ステップは、前記記憶装置に記憶された特徴量のうち、予め設定した製品の数だけ遡った過去の特徴量を用いて、異常検知を行うステップであることを特徴とする請求項９又は１０に記載の製造設備診断支援方法。
13. 前記データ収集装置に記録されたデータには、同データの収集時に前記製造設備が製造していた製品の原材料あるいは製造条件に関連する製品関連情報が含まれ、
    前記データ抽出ステップで抽出されるデータには、前記特徴量演算ステップで特徴量の演算に用いられるデータとともに製品関連情報が含まれ、
    前記特徴量記憶ステップは、特徴量の演算に用いたデータに関係する製品関連情報を同特徴量に紐付けて前記記憶装置に記憶するステップであり、
    前記異常検知ステップは、前記記憶装置に記憶された特徴量のうち、新たに演算された特徴量と同じ、あるいは一部が同じである製品関連情報が紐付けされた過去の製品製造時の特徴量を用いて、異常検知を行うステップであることを特徴とする請求項９又は１０に記載の製造設備診断支援方法。
14. 前記異常検知ステップは、新たに演算された複数個の特徴量の代表値と、前記記憶装置に記憶された複数個の過去の特徴量の代表値とを用いて、異常検知を行うステップであることを特徴とする請求項９乃至１３の何れか１項に記載の製造設備診断支援方法。
15. 前記特徴量記憶ステップは、新たに演算された特徴量に異常が検知された場合、異常が検知された特徴量を検知結果に紐付けて前記記憶装置に記憶するステップであり、
    前記異常検知ステップは、前記記憶装置に記憶された特徴量のうち、異常が検知されていない過去の特徴量を用いて、異常検知を行うステップであることを特徴とする請求項９乃至１４の何れか１項に記載の製造設備診断支援方法。
16. 入力装置を介して指定された条件に従い、前記記憶装置に記憶された特徴量を抽出または加工して、表示装置に出力すべき監視用のデータを作成する監視データ作成ステップ、
    をさらに有することを特徴とする請求項９乃至１５の何れか１項に記載の製造設備診断支援方法。

Images