JPWO2019064322A1 - 機器制御システム - Google Patents

Abstract

モータや機器の特性が変化した場合でも、モータや機器の状態を推定し、制御装置内部のパラメータやモデルを自動的に最適化することでモータや機器を最適条件で駆動することが可能な機器制御システムを提供する。このため、機器を駆動するモータと、該モータの演算モデルを保持し、該演算モデルに基づいて前記モータの制御指令を生成するモータ制御装置と、該モータ制御装置が保持する前記モータの演算モデルを更新する演算装置と、を備えた機器制御システムであって、前記演算装置は、前記機器の状態情報に基づき前記モータまたは前記機器の実状態を推定する推定部と、該推定部の推定結果に基づき前記モータ制御装置が保持する前記演算モデルを更新する更新部と、を具備する機器制御システムとした。

Description

本発明は、機器制御システムに関する。

機器を制御する機器制御システムの一態様であるモータ制御システムは、ポンプや空気圧縮機などの産業機器や、電気自動車や鉄道などの輸送機械に幅広く適用されている。

これらの用途において、生産性を向上させたり、消費電力を低減したりするには、産業機器や輸送機械の状態に応じてモータを最適駆動することが重要となる。この課題の解決手段としては、特許文献１や特許文献２で下記の提案がされている。

例えば、特許文献１の要約書には、「空調システムを制御するコントローラに、決定部（14）の操作量で空調装置を制御した場合における空調装置の消費電力量の実測値を推定モデル（14a）にフィードバックして、その推定モデル（14a）の消費電力値が実測値に近づくように補正する補正部（11）を設ける。」と述べられており、同文献の段落0040では、「上記補正部（11）は、上記推定モデル（14a）で推定した上記空調装置（5）の消費電力量と上記電力計（17）で測定した消費電力量の実測値とを比較する。そして、上記推定モデル（14a）で推定した消費電力量が上記実測値に近づくように、上記推定モデル（14a）を補正する補正動作を行うものである。」と述べられている。

また、特許文献２の要約書には、「モータおよび機構部を駆動するモータ制御部を有する実機部と、モータを模擬したモータモデルと、機構部を模擬した機構モデル部と、モータ制御部を模擬した制御モデル部とを有するシミュレーション部と、実機部とシミュレーション部の同一状態量の比較結果を作業者に提示する提示部と、作業者が機構モデル部のパラメータを変更するモデルパラメータ変更部とを備えた制御装置とする。」と述べられている。

特開２０１０−２４３００２号公報 特開２００６−３４０４８０号公報

しかしながら、特許文献１や特許文献２は、モータ制御装置に初期設定された推定モデルに基づいてモータを制御したり、モータの消費電力のみに基づいてモータの推定モデルを更新したりするものであり、消費電力に変化は無いがモータの特性が変化した場合（例えば、経年劣化によりモータの出力が悪化）や、モータが駆動する産業機器や輸送機械等の機器が経年劣化したり、機器の負荷が交換等された場合であっても、既存の推定モデル内で特性の近い推定モデルを近似的に用いるため、モータを産業機器や輸送機械等の動力源としての最適条件で駆動することが困難という問題があった。

そこで、本発明では、最終的な制御対象である産業機器や輸送機械等の出力に基づいてモータの推定モデルを更新することで、モータの経年劣化や、産業機器、輸送機械等の経年劣化、負荷の変化に応じた、最適なモータ推定モデルを構成し、それに基づいてモータ等を制御することで、産業機器の効率の最大化や、輸送機械の省エネの最大化を図ることができる機器制御システムを提供することを目的とする。

上記の目的を達成するために、本発明の機器制御システムでは、機器を駆動するモータと、該モータの演算モデルを保持し、該演算モデルに基づいて前記モータの制御指令を生成するモータ制御装置と、該モータ制御装置が保持する前記モータの演算モデルを更新する演算装置と、を備えた機器制御システムであって、前記演算装置は、前記機器の状態情報に基づき前記モータまたは前記機器の実状態を推定する推定部と、該推定部の推定結果に基づき前記モータ制御装置が保持する前記演算モデルを更新する更新部と、を具備するものとした。

本発明によれば、モータが経年劣化等で特性が変化した場合や、モータが駆動する産業機器や輸送機械等の機器の経年劣化や負荷交換が発生した場合でも、モータ制御装置内部の推定モデルを最適化することで、モータを産業機器や輸送機械等の動力源としての最適条件で駆動することが可能となる。

実施例１の機器制御システムのブロック図。 実施例１の機器状態推定部および更新部のブロック図。 実施例１の演算モデル更新の具体例。 実施例２の機器制御システムのブロック図。 本発明を流体機械に適用した実施例３のブロック図。 本発明を車両駆動に適用した実施例４のブロック図。 本発明を昇降機に適用した実施例５のブロック図。 本発明を工作機械に適用した実施例６のブロック図。 本発明を射出成形機に適用した実施例７のブロック図。

以下、本発明の実施例について図面を用いて説明する。

図１に実施例１の機器制御システムの機能ブロック図を示す。ここに示すように、本実施例の機器制御システムは、機械エネルギー１０５を生む動力源としてモータ４１を備え、これを制御することで産業機器や輸送機械等の機器５０に所望の動作を実行させるシステムであり、モータ４１と機器５０の他に、演算装置１０、モータ制御装置２１、インバータ４２を備えている。なお、機器５０と演算装置１０の間の通信には産業系ネットワークなどが使用される。また、ここでは、モータ４１を用いる構成を例示しているが、動力源としてエンジンを用いても良く、その場合は、モータ制御装置２１、インバータ４２に代え、エンジン制御装置を用いれば良い。

モータ４１を制御するモータ制御装置２１は、所定の入力を与えたときの機器動作を推定する演算モデル３を保持しており、これを用いることで、機器５０に所望の動作をさせたい場合にモータ４１に入力する電力エネルギー１０４を求め、その電力エネルギーに相当する制御指令１０３をインバータ４２に出力する。インバータ４２は、制御指令１０３に応じた電力エネルギー１０４でモータ４１を制御することで、機器５０には適切な機械エネルギー１０５が与えられ、所望の動作が実行される。

ここで、モータ制御装置２１には、元々、機器５０やモータ４１の標準状態を想定した演算モデル３が記憶されているが、機器５０やモータ４１に経年劣化が生じたり、機器５０の負荷が変化したりすると、モータ４１の出力と機器５０の出力の関係にずれが生じ、演算モデル３で求めた電力エネルギー１０４をモータ４１に与えても、機器５０の動作が所望のものにならない場合が生じる。

そこで、本実施例では、機器５０やモータ４１で実際に検出された状態情報１００に基づいて、現在の演算モデル３の継続使用の可否を判断し、現在の演算モデル３による推定結果と機器５０やモータ４１の実際の出力の乖離が大きくなる前に、演算モデル３を更新できるようにした。このように、演算装置１０で生成された更新指令１０２に従って、モータ制御装置２１の演算モデル３を更新することで、モータ４１や機器５０に経年劣化が生じたり、機器５０が扱う負荷が変化したりした場合であっても、最適な制御指令１０３をインバータ４２に出力でき、機器５０に常に所望の動作を実行させることができる。

これを実現するため、本実施例の演算装置１０は、状態情報１００に基づいて、機器５０とモータ４１の関係の実状態を推定する機器状態推定部２と、機器状態推定部２の出力である推定結果１０１に基づいて、モータ制御装置２１内の演算モデル３を更新する更新部１を有するものとした。なお、演算装置１０は、例えばプログラマブルロジックコントローラなどの小型コンピュータなどを使用することが考えられる。

次に、図２を用いて、演算装置１０の機器状態推定部２と更新部１を詳細に説明する。

機器状態推定部２は、機器５０やモータ４１から入力される複数の状態情報１００（Ｘ_１、Ｘ_２、…、Ｘ_ｎ）の時系列データをもとに、機器５０の実状態を推定し、機器５０の実状態を表す推定結果１０１（Ｙ_１、Ｙ_２、…、Ｙ_ｍ）を出力する。ここで、機器５０の状態情報Ｘ_１は、例えば、機器５０が流体機械であれば流量、車両や昇降機であれば速度、工作機械であれば変位等であり、モータ４１の状態情報Ｘ_２は、例えば、モータ４１で観測される機械的な情報（トルク、回転数、振動など）や、電気的な情報（電流値、電圧値、電流位相、電圧位相など）であり、推定結果１０１は、例えば、モータ４１の状態情報Ｘ_２と機器５０の状態情報Ｘ_１に比例関係が成立していれば、それらの関係を示す傾き等である。

なお、機器状態推定部２では、状態情報１００をもとに、数理式を用いた機器の連続的な状態（例えば、機器５０の次回整備予定日までの日数）や、閾値比較やクラスタリングを用いた離散的な状態（例えば、機器５０の整備不要の場合は「０」、整備要の場合は「１」）を推定することとしても良い。

更新部１は、推定結果１０１をもとに、現在のモータ制御装置２１内の演算モデル３が最適であるかを判定し、最適でない場合には更新部１内で最適な演算モデルを演算し、演算結果に基づいてモータ制御装置２１内の演算モデル３に更新指令１０２を出力する。

ここで、図３を用いて、演算モデル３の一例を説明する。例えば、モータ制御装置２１の初期の演算モデル３が式１である場合、経年劣化前は、機器５０で実測される状態情報Ｘ_１と、モータ４１で実測される状態情報Ｘ_２の間にも、式１の関係が成立するため、モータ制御装置２１は、式１を変形した式２に基づいて機器５０の状態情報Ｘ_１に対応するモータ４１の状態情報Ｘ_２を求め、状態情報Ｘ_２に相当する制御指令１０３を出力することで、機器５０に所望の動作を実行させることができる。

Ｘ_１＝Ｙ_１×Ｘ_２ … （式１）
Ｘ_２＝Ｘ_１／Ｙ_１ … （式２）
ところが、経年劣化等の発生後は、実測された状態情報Ｘ_１と状態情報Ｘ_２の関係が、式３に変化する場合がある。

Ｘ_１＝Ｙ_２×Ｘ_２ … （式３）
このような場合、式１の演算モデル３に基づいて制御指令１０３を生成したのでは、機器５０に所望の動作をさせることができないため、式２の演算モデル３に基づいて制御指令１０３を生成できるように、演算モデル３を更新するような制御指令１０３を、モータ制御装置２１に与える。なお、演算モデル３の頻繁な更新を避けたい場合は、Ｙ_１とＹ_２の差が所定の閾値を超えた時に、演算モデル３を更新するようにしても良い。

以上に示す構成によれば、従来はモータ制御装置２１内の既存の演算モデル３に基づいて駆動装置４０を駆動していたのに対して、本発明を用いた場合には、機器５０またはモータ４１の実状態に応じてモータ制御装置２１内の演算モデル３自体を書き換えるため、機器５０の駆動状態が変化した場合であっても、常に最適な駆動状態で機器５０を駆動することが可能となる。

なお、機器状態推定部２での推定手法は、上述の数理式や閾値比較、クラスタリングに限定されるものではなく、状態情報１００の内容に応じて適切なものを選択すれば良い。

図４に実施例２の機器制御システムの構成を表すブロック図を示す。同図に示すように、本実施例の機器制御システムは、実施例１の演算装置１０に相当する第一演算装置１１に加えて、第二演算装置１２を有している。そして、この第二演算装置１２は、第一演算装置１１の機器状態推定部２内の演算モデル（状態情報１００に基づいて機器状態の推定結果１０１を出力するための演算モデル）と、更新部１内の演算モデル（推定結果１０１に基づいてモータ制御装置２１内の演算モデル３を最適化するための演算モデル）の両者を更新する統計処理部１２１を備えている。

機器状態推定部２の演算モデルと更新部１内の演算モデルの更新について図４を用いて以下で説明する。なお、第二演算装置１２は、クラウドなどの上位システムに位置する大型コンピュータなどのサーバーを使用することが考えられ、第一演算装置１１と第二演算装置１２の間の通信にはインターネット等の情報系ネットワークが使用されることが考えられる。

機器状態推定部２は、前述したとおり、入力される状態情報１００をもとに、演算モデル（数理式や閾値比較など）により機器の実状態を推定するための演算を行い、機器状態の推定結果１０１を出力する。しかしながら、機器状態推定部２の演算モデルが固定されている場合、機器５０や駆動装置４０の特性が長期劣化等で大きく変化したときに推定結果１０１の機器５０の実状態の誤差が大きくなる。

そこで、上位システムである第二演算装置１２の統計処理部１２１で長期的な機器５０の劣化状態を演算し、機器状態推定部２の現在の演算モデル情報１１１ｂと統計処理部１２１で演算した推定部演算モデルを比較し、統計処理部１２１で演算した結果が最適な場合には、機器状態推定部の演算モデル更新情報１１２ｂによって機器状態推定部２の演算モデルを更新する。これにより、機器状態推定部２は常に最新の演算モデルに基づいて推定結果１０１を出力することができるため、推定結果と実状態との間に発生する誤差を常に最小にすることが可能となる。

更新部１についても同様であり、更新部１内の演算モデルが固定されている場合、推定結果１０１に基づいて演算したモータ制御装置２１内の演算モデル３が機器５０や駆動装置４０の特性変化によって最適ではない状態となる可能性がある。そこで、更新部１の現在の演算モデル情報１１１ａと統計処理部１２１で演算した更新部演算モデルを比較し、統計処理部１２１で演算した結果が最適な場合には、更新部の演算モデル更新情報１１２ａによって更新部１の演算モデルを更新する。これにより、長期劣化などの影響を考慮した演算モデルに更新することが可能となり、機器５０や駆動装置４０の特性変化の影響を受けずにモータ制御装置２１内の演算モデル３を最適なものに更新することが可能となる。

なお、本実施例に記載の第二演算装置１２の演算周期ｔ２と第一演算装置１１の演算周期ｔ１との間にはｔ１＜ｔ２の関係があり、かつ、第二演算装置１２の演算に使用するために蓄積されるデータ量ｖ２と第一演算装置１１の演算に使用するために蓄積されるデータ量ｖ１との間にはｖ１＜ｖ２の関係がある。つまり、第二演算装置１２よりも長期的な特性の変化（例えば、季節や天気などの使用環境による特性変化や、経年劣化による特性変化）に基づいた負荷の高い演算を行い、第一演算装置１１ではよりリアルタイムな特性の変化（例えば、製造毎のバラつきや、同一製造ラインの他の製造設備の影響）に基づいた負荷の低い演算を行うことを意味する。

以上に示した構成によれば、演算周期や演算負荷の異なる計算を、第一演算装置１１と第二演算装置１２で分担して行うため、各々の演算装置の演算能力を最大限に使用することが出来るとともに、各演算装置や機器システムが大型化することを抑制することが可能となる。

図５に本発明の機器制御システムを流体機械に適用した実施例３のシステム構成を表すブロック図を示す。同図に示す流体機械の例として、ポンプなどの液体を扱う機械、圧縮機やファンなどの気体を扱う機械、タービンなどの蒸気を扱う機械などがある。また、同図内の第一演算装置１１および第二演算装置１２は、実施例２に記載の構成と同一であり、説明は省略する。

従来の流体機械システムは、流体機械５１と、流体機械５１を駆動するためのモータ４１、モータ４１を駆動するためのインバータ４２、インバータの出力電力エネルギーを制御するためのモータ制御装置２１、流体機械５１の駆動状態を制御するためにモータ制御装置２１に指令を与えるための機器制御装置４４で構成されていた。

本実施例では、従来の構成に加えて、流体機械５１の状態情報１００をもとにモータ制御装置２１内および機器制御装置４４内の演算モデル３を更新するための第一演算装置１１と、流体機械５１の状態情報１００をもとに第一演算装置１１内の機器状態推定部２および更新部１の演算モデルを更新するための第二演算装置１２を有している。

第二演算装置１２には、第一演算装置の現在の演算モデル情報１１１（機器状態推定部２の演算モデル、更新部の演算モデルなど）と流体機械５１の状態情報１００が入力され、入力された情報（状態情報１００および現在の演算モデル情報１１１）に基づいて第二演算装置１２内の機器状態推定部２および更新部のモデルが最適かどうかを演算する。モデルが最適でない場合には、演算モデル更新情報１１２により第一演算装置１１内の演算モデルを更新する。

第一演算装置は、入力された流体機械５１の状態情報１００に基づいて流体機械５１の状態を推定し、機器制御装置４４およびモータ制御装置２１内の最適な演算モデル３を演算する。現在の演算モデル（１３０および１４０）と第一演算装置で演算した最適な演算モデルを比較して、更新が必要な場合には機器制御装置４４の演算モデル更新情報１３１およびモータ制御装置２１の演算モデル更新情報１４１を用いてそれぞれの演算モデルを更新する。

本実施例に記載の流体機械システムの場合、流体機械５１から出力される状態情報１００は、例えば、流体の吸気量や吐出量、吸気圧力や吐出圧力などがある。

以上に示した本実施例によれば、流体機械５１の長期的な特性の変化（使用環境による特性の変化、長期劣化による特性の変化など）やリアルタイムな特性の変化（例えば、製造毎のバラつきや、同一製造ラインの他の製造設備との関係）の影響を考慮して、常に最適な状態で流体機械システムを駆動することが可能となる。

図６に本発明の機器制御システムを車両駆動に適用した実施例４のシステム構成を表すブロック図を示す。同図に示す車輪の例として、鉄道車両、自動車車両、建設車両、農業車両などの車輪がある。その他のシステム構成や効果については実施例３と同一であり、説明は省略する。

同図に示すように、本実施例の構成では、車両の車輪５２の状態情報１００をもとに第一演算装置１１および第二演算装置１２で演算を行う。車両の車輪５２から出力される状態情報１００は、例えば、車輪回転数、車両速度、走行する路面の情報などがある。

以上に示した実施形態によれば、車輪５２の情報をもとに演算を行うことで、車両の長期的な特性の変化（走行環境による特性の変化、長期劣化による特性の変化など）やリアルタイムな特性の変化（例えば、走行毎のバラつきや、路面状態）の影響を考慮して、常に最適な状態で車両を駆動することが可能となる。

図７に本発明の機器制御システムを昇降機に適用した実施例５のシステム構成を表すブロック図を示す。同図に示す昇降機の例として、エレベータやエスカレータ、ホイストなどがある。その他のシステム構成や効果については実施例３と同一であり、説明は省略する。

同図に示すように、本実施例の構成では、昇降機５３の状態情報１００をもとに第一演算装置１１および第二演算装置１２で演算を行う。昇降機５３から出力される状態情報１００は、例えば、運搬する荷重、速度、位置情報、騒音や振動、点検・整備状態の情報などがある。

以上に示した実施形態によれば、昇降機５３の情報をもとに演算を行うことで、昇降機５３の長期的な特性の変化（運搬環境による特性の変化、長期劣化による特性の変化など）やリアルタイムな特性の変化（例えば、運搬毎のバラつきや、荷重の違い）の影響を考慮して、常に最適な状態で昇降機５３を駆動することが可能となる。

図８に本発明の機器制御システムを工作機械に適用した場合のシステム構成を表すブロック図を示す。同図に示す工作機械の例として、旋盤、ボール盤、フライス盤、研削盤や、これらが複合されたマシニングセンタやターニングセンタなどがある。その他にも、放電やレーザー、ウォータージェットを用いた加工機などもある。その他のシステム構成や効果については実施例３と同一であり、説明は省略する。

同図に示すように、本実施例の構成では、工作機械５４の状態情報１００や、工作機械５４によって加工処理１０６された製造物５５の品質を示す状態情報Ｘ_３（２００）をもとに第一演算装置１１および第二演算装置１２で演算を行う。工作機械５４から出力される状態情報１００は、例えば、加工条件、加工材料の種類、ＮＣ指令コード、工具びびり（振動や騒音）、潤滑材の種類や量などがある。また、製造物５５から検出される状態情報２００は、例えば、加工品のバリ、表面粗さ、つまりの情報などがある。

以上に示した実施形態によれば、工作機械５４の情報をもとに演算を行うことで、工作機械５４の長期的な特性の変化（加工環境による特性の変化、長期劣化による特性の変化など）やリアルタイムな特性の変化（例えば、加工バラつき）の影響を考慮して、常に最適な状態で工作機械５４を駆動することが可能となる。加えて、製造物５５の状態情報２００をもとに演算を行うことで、工作機械５４の最適な加工条件に自動的に変更することが可能となり、生産性向上や歩留向上に寄与することができる。

図９に本発明の機器制御システムを射出成形機に適用した実施例７のシステム構成を表すブロック図を示す。同図に示すように、射出成形機５６は、複数台のモータ（４１ａおよび４１ｂ）、各モータを駆動するためのインバータ（４２ａおよび４２ｂ）を有している。モータは例えば、材料を計量するための計量モータ、材料を射出するための射出モータ、金型を開閉するための型締モータなどがある。その他のシステム構成や効果については実施例３と同一であり、説明は省略する。

同図に示すように、本実施例の構成では、射出成形機５６の状態情報１００や、射出成形機５６によって成形された成形物５７の状態情報Ｘ_３（２００）をもとに第一演算装置１１および第二演算装置１２で演算を行う。射出成形機５６から出力される状態情報１００は、例えば、射出速度、保圧、保圧時間、冷却時間、材料の計量結果などがある。また、成形物５７から出力される状態情報２００は、例えば、成形品のバリ、充填量、ヒケやボイド、反りや変形、フローマークなどがある。

以上に示した実施形態によれば、射出成形機５６の情報をもとに演算を行うことで、射出成形機５６の長期的な特性の変化（成形環境による特性の変化、長期劣化による特性の変化など）やリアルタイムな特性の変化（例えば、成形バラつき）の影響を考慮して、常に最適な状態で射出成形機５６を駆動することが可能となる。加えて、製造物５５の状態情報２００をもとに演算を行うことで、射出成形機５６の最適な成形条件に自動的に変更することが可能となり、生産性向上や歩留向上に寄与することができる。

１ 更新部、２ 機器状態推定部、３ 演算モデル、１０ 演算装置、１１ 第一演算装置、１２ 第二演算装置、２１ モータ制御装置、４０ 駆動装置、４１ モータ、４２ インバータ、４４ 機器制御装置、５０ 機器、５１ 流体機械、５２ 車輪、５３ 昇降機、５４ 工作機械、５５ 製造物、５６ 射出成形機、５７ 成形物、１００、２００、Ｘ_１、Ｘ_２、Ｘ_３ 状態情報、１０１ 推定結果、１０２ 更新指令、１０３ 制御指令、１０４ 電力エネルギー、１０５ 機械エネルギー、１０６ 加工処理、１１１ 現在の演算モデル情報、１１２ 演算モデル更新情報、１１１ａ 更新部の現在の演算モデル情報、１１１ｂ 機器状態推定部の現在の演算モデル情報、１１２ａ 更新部の演算モデル更新情報、１１２ｂ 機器状態推定部の演算モデル更新情報、１２１ 統計処理部、１３０ 機器制御装置の現在の演算モデル情報、１３１ 機器制御装置の演算モデル更新情報、１４０ モータ制御装置の現在の演算モデル情報、１４１ モータ制御装置の演算モデル更新情報、

Claims (8)

1. 機器を駆動するモータと、
   該モータの演算モデルを保持し、該演算モデルに基づいて前記モータの制御指令を生成するモータ制御装置と、
   該モータ制御装置が保持する前記モータの演算モデルを更新する演算装置と、
   を備えた機器制御システムであって、
   前記演算装置は、
   前記機器の状態情報に基づき前記モータまたは前記機器の実状態を推定する推定部と、
   該推定部の推定結果に基づき前記モータ制御装置が保持する前記演算モデルを更新する更新部と、
   を具備することを特徴とする機器制御システム。
2. 機器を駆動するエンジンと、
   該エンジンの演算モデルを保持し、該演算モデルに基づいて前記エンジンの制御指令を生成するエンジン制御装置と、
   該エンジン制御装置が保持する前記エンジンの演算モデルを更新する演算装置と、
   を備えた機器制御システムであって、
   前記演算装置は、
   前記機器の状態情報に基づき前記エンジンまたは前記機器の実状態を推定する推定部と、
   該推定部の推定結果に基づき前記エンジン制御装置が保持する前記演算モデルを更新する更新部と、
   を具備することを特徴とする機器制御システム。
3. 請求項１または２に記載の機器制御システムおいて、
   前記推定部および前記更新部の情報を収集し、かつ、収集した情報に基づき前記推定部のモデルおよび前記更新部のモデルを更新するための演算を行い、前記推定部および前記演算装置のモデルを更新する統計処理部をさらに備えることを特徴とする機器制御システム。
4. 請求項３に記載の機器制御システムにおいて、
   前記推定部および前記更新部は第一演算装置に配置され、
   前記統計処理部は第二演算装置に配置されることを特徴とする機器制御システム。
5. 請求項４に記載の機器制御システムにおいて、
   前記第一演算装置の演算周期ｔ_１と前記第二演算装置の演算周期ｔ_２の関係がｔ_１＜ｔ_２であり、かつ、
   前記第一演算装置に蓄積されるデータ量ｖ_１と前記第二演算装置に蓄積されるデータ量Ｖ_２の関係がｖ_１＜ｖ_２であり、
   第一演算装置の演算能力よりも第二演算装置の演算能力が高いことを特徴とする機器制御システム。
6. 請求項４に記載の機器制御システムにおいて、
   前記第二演算装置に蓄積されたデータをもとに前記機器の劣化状態を推定し、推定した劣化状態に基づき前記第一演算装置内の前記推定部および前記更新部のモデルを演算して更新することを特徴とする機器制御システム。
7. 請求項４に記載の機器制御システムにおいて、
   前記第一演算装置はプログラマブルロジックコントローラで構成され、
   前記第二演算装置はクラウド上のサーバーであることを特徴とする機器制御システム。
8. 請求項１から７の何れか一項に記載の機器制御システムにおいて、
   前記推定部は、前記機器に取り付けられたセンサの情報をもとに演算を行い前記機器の状態を推定することを特徴とする機器制御システム。

Images