JPWO2019244203A1 - 診断装置、診断方法及びプログラム - Google Patents

Abstract

診断装置（１０）は、取得部（１０１）と診断部（１４０）とを備える。取得部（１０１）は、異常の有無の診断対象となる対象信号を含む複数の入力信号を取得する。診断部（１４０）は、対象信号に関する第１指標値と、複数の入力信号に関する第２指標値と、から複数の入力信号間の相関関係に基づいて異常の有無を診断する。第１指標値は、対象信号の波形が予め定められた基準波形に類似する度合いを示す。第２指標値は、対象信号と予め定められたパターンとの比較に基づく値であって、複数の入力信号の値から算出される。

Description

本発明は、診断装置、診断方法及びプログラムに関する。

工場における生産システム及び制御システムのように、センサから出力される時系列データを利用する種々の処理システムが知られている。この種の処理システムでは、収集した時系列データから異常の有無を診断することが広く行われている。

複数の時系列データのうち、単一の系列のデータから異常の診断をすることが比較的単純な第１の手法として考えられる。具体的には、監視対象のデータが正常時に入力されるべきデータと類似するか否かを判別することで異常の診断をすることができる。このような第１の手法によれば、１つのセンサのセンシング結果により示される細かな不具合を早急に検出することができる。

また、複数の時系列データをまとめて分析することで異常の診断をすることが第２の手法として考えられる。例えば、複数の時系列データから抽出される特徴量に応じて異常を検知する技術を採用することができる（例えば、特許文献１を参照）。第２の手法によれば、個々のデータについては明確に異常と判別することができないときにも総合的には異常であるような状態を検出することができる。

特開２０１４−１４９８４０号公報

しかしながら、上述のような２つの手法いずれについても、誤検出が完全になくなるとはいえず、異常の有無の診断精度を向上させる余地があった。

本発明は、上記の事情に鑑みてなされたものであり、異常の有無の診断精度を向上させることを目的とする。

上記目的を達成するため、本発明の診断装置は、異常の有無の診断対象となる対象信号を含む複数の入力信号を取得する取得手段と、対象信号に関する第１指標値と、複数の入力信号に関する第２指標値と、から複数の入力信号間の相関関係に基づいて異常の有無を診断する診断手段と、を備え、第１指標値は、対象信号の波形が予め定められた基準波形に類似する度合い又は乖離する度合いを示し、第２指標値は、対象信号と予め定められたパターンとの比較に基づく値であって、複数の入力信号の値から算出される。

本発明によれば、対象信号に関する第１指標値と、複数の入力信号に関する第２指標値と、から複数の入力信号間の相関関係に基づいて異常の有無が診断される。入力信号の相関する度合いが比較的低い場合には、個々の入力信号に着目した第１指標値が異常の有無の診断に有効な指標になり、入力信号の相関する度合いが高い場合には、複数の入力信号に関する第２指標値が異常の有無の診断に有効な指標になると考えられる。このため、２つの指標値から入力信号の相関関係に基づいて異常の有無を診断することで、異常の有無の診断精度を向上させることができる。

本発明の実施の形態１に係る診断システムの構成を示すブロック図 実施の形態１に係る診断装置のハードウェア構成を示す図 実施の形態１に係る異常の診断の概要を説明するための第１の図 実施の形態１に係る異常の診断の概要を説明するための第２の図 実施の形態１に係る診断装置の機能的な構成を示す図 実施の形態１に係る第１指標値の算出と集約の概要について説明するための図 実施の形態１に係る第２算出部による第２指標値の算出の概要について説明するための図 実施の形態１に係る重み係数を示す図 実施の形態１に係る診断処理を示すフローチャート 実施の形態１に係る第１算出処理を示すフローチャート 実施の形態１の変形例に係る重み係数を示す図 実施の形態２に係る診断装置の機能的な構成を示す図 実施の形態２に係る診断装置の機能の詳細を示す図 実施の形態２に係る診断処理を示すフローチャート 実施の形態２に係る学習処理を示すフローチャート 実施の形態２に係る診断実行処理を示すフローチャート 実施の形態２に係る第１算出処理を示すフローチャート 実施の形態２に係る第２算出処理を示すフローチャート 実施の形態３に係る学習処理を示すフローチャート 実施の形態３に係るグループの作成例を示す図 実施の形態３に係る第２算出処理を示すフローチャート

以下、本発明の実施の形態に係る診断システム１００について、図面を参照しつつ詳細に説明する。

実施の形態１．
本実施の形態に係る診断システム１００は、工場に形成される生産システムの一部に相当する。診断システム１００は、生産システムからデータを収集して、当該生産システムにおける異常の有無を診断する。異常は、例えば、生産ラインに流れるワークの仕様が規格外であること、生産ラインを構成する装置の不具合、及びこの装置の稼働中に生じたエラーを含む。異常は、生産システムの運営者が想定するものとして予め定められる正常な状態とは異なる状態であって、通常は、生産システムによる製品の生産を停止させ、又は歩留まりを低下させる。そして、診断システム１００は、診断の結果を示す情報をユーザに提供する。診断システム１００は、図１に示されるように、異常の有無を診断する診断装置１０と、診断装置１０に信号を送信する複数の機器２１と、を有している。

診断装置１０と機器２１とは、ネットワーク２０を介して互いに通信可能となるように接続される。ネットワーク２０は、産業用のＦＡネットワークである。ただし、ネットワーク２０は、これに限定されず、広域通信のための通信ネットワークであってもよいし、専用線であってもよい。

機器２１は、例えば、センサ装置、アクチュエータ又はロボットである。機器２１は、信号源２１１としてのセンサを有する。機器２１は、このセンサによるセンシング結果を、ネットワーク２０を介して繰り返し診断装置１０に通知することにより、センシング結果の推移を示すデジタル信号を診断装置１０に送信する。センサは、例えば、圧力センサ、照度センサ、超音波センサ又はその他のセンサである。機器２１それぞれから送信される信号は、スカラー値の時系列信号であって、そのサンプリング周期は、例えば１０ｍｓ、１００ｍｓ、又は１ｓｅｃである。

ただし、機器２１は、複数の信号源２１１を有する場合に、複数の系列の信号を送信してもよい。また、機器２１から送信される信号は、スカラー値に限らず、ベクトル値の信号であってもよい。機器２１は、センサのサンプリング周期とは異なる周期で診断装置１０にデータを送信してもよい。例えば、機器２１は、センサによるサンプリング値がバッファにある程度蓄積されたときに、蓄積されたサンプリング値を含むデータを診断装置１０に送信してもよい。信号源２１１は、センサの他、例えば、生産システムにおける機器２１の動作を同期させるための同期信号を生成する発振器、又は、遠隔の対向機器と通信する受信機若しくはアンテナであってもよい。

診断装置１０は、工場に配置されるＩＰＣ（Industrial Personal Computer）である。診断装置１０は、そのハードウェア構成として、図２に示されるように、プロセッサ１１と、主記憶部１２と、補助記憶部１３と、入力部１４と、出力部１５と、通信部１６と、を有する。主記憶部１２、補助記憶部１３、入力部１４、出力部１５及び通信部１６はいずれも、内部バス１７を介してプロセッサ１１に接続される。

プロセッサ１１は、ＣＰＵ（Central Processing Unit）を含む。プロセッサ１１は、補助記憶部１３に記憶されるプログラムＰ１を実行することにより、診断装置１０の種々の機能を実現して、後述の処理を実行する。

主記憶部１２は、ＲＡＭ（Random Access Memory）を含む。主記憶部１２には、補助記憶部１３からプログラムＰ１がロードされる。そして、主記憶部１２は、プロセッサ１１の作業領域として用いられる。

補助記憶部１３は、ＥＥＰＲＯＭ（Electrically Erasable Programmable Read-Only Memory）及びＨＤＤ（Hard Disk Drive）に代表される不揮発性メモリを含む。補助記憶部１３は、プログラムＰ１の他に、プロセッサ１１の処理に用いられる種々のデータを記憶する。補助記憶部１３は、プロセッサ１１の指示に従って、プロセッサ１１によって利用されるデータをプロセッサ１１に供給し、プロセッサ１１から供給されたデータを記憶する。なお、図２では、１つのプログラムＰ１が代表的に示されているが、補助記憶部１３は、複数のプログラムを記憶してもよいし、主記憶部１２には、複数のプログラムがロードされてもよい。

入力部１４は、入力キー及びポインティングデバイスに代表される入力デバイスを含む。入力部１４は、診断装置１０のユーザによって入力された情報を取得して、取得した情報をプロセッサ１１に通知する。

出力部１５は、ＬＣＤ（Liquid Crystal Display）及びスピーカに代表される出力デバイスを含む。出力部１５は、プロセッサ１１の指示に従って、種々の情報をユーザに提示する。

通信部１６は、外部の装置と通信するためのネットワークインタフェース回路を含む。通信部１６は、外部から信号を受信して、この信号により示されるデータをプロセッサ１１へ出力する。また、通信部１６は、プロセッサ１１から出力されたデータを示す信号を外部の装置へ送信する。

図２に示されるハードウェア構成が協働することにより、診断装置１０は、異常の有無を診断して、診断結果を示す情報を出力する。詳細には、診断装置１０は、複数の信号を個別に分析した結果と、複数の信号を総合的に分析した結果と、から異常の有無を診断する。

ここで、診断装置１０による信号分析の基本的な手法について、図３，４を用いて説明する。図３には、異常の診断の概要が示されている。図３上部には、診断装置１０に入力される１つの入力信号が示されている。この入力信号は、正常時には、複数の波形パターンのいずれか１つと類似する波形を有する。このため、入力信号の波形がいずれの波形パターンからも乖離する形状である場合には、異常であると判定される。

図３における入力信号の最初の波形２３は、複数の波形パターンＡ，Ｂ，Ｃそれぞれと比較された結果、波形パターンＡと比較したときに最高の類似度である０．９９を示す。この最高類似度が閾値を超えているため、波形２３に関しては正常と判断される。類似度は、波形同士が類似する度合いを示すゼロから１までの範囲の値であって、波形が一致する場合には類似度が１になる。類似度は、波形間の自乗誤差の総和を正規化することで算出されるが、これに限定されず、他の手法により算出されてもよい。また、閾値は、例えば０．８であって、予め規定されてもよいし、ユーザによって設定されてもよい。

引き続き、入力信号の波形が波形パターンＡ，Ｃ，Ｃ，Ｃ，Ｂ，Ａに最も類似すると順に判定され、その類似度は０．９１，０．９２，０．８９，０．８５，０．９８，０．５５と順に算出される。最後の波形２４に関して、複数の波形パターンＡ，Ｂ，Ｃのうち最も類似するパターンは波形パターンＡであるが、その類似度は閾値より低い０．５５である。このため、最後の波形２４については異常であると判定される。

図４には、波形を比較するための入力信号の切り出しについて示されている。図４に示されるように、診断装置１０は、予め規定された幅のウィンドウ２６を一定のシフト幅でスライドさせる。ウィンドウ２６は、入力信号の一部を切り出すための窓であって、例えば、一部の区間の値を１として他の値をゼロとして規定される矩形の窓関数のうちの値が１である区間に相当し、この窓関数を入力信号に乗じることで入力信号の一部が切り出される。診断装置１０は、ウィンドウ２６をスライドさせる度に、ウィンドウ２６に相当する区間の部分信号を入力信号から切り出す。そして、メモリ２７に予め記憶される波形パターンから、部分信号の最近傍のパターンを抽出して、部分信号と最近傍パターンとを比較した結果としての類似度を得る。ここで、最近傍のパターンは、類似度が最高になる波形パターンを意味する。波形パターンは、正常時の入力信号の基準となる波形であって、予めメモリ２７に格納される。

なお、波形パターンに関して、図４に示されるように、入力信号から一定のシフト幅で切り出された部分信号について異常の有無を判定するために、診断装置１０は、正常時に入力されるべき波形が時間方向にシフトしたパターンを予め波形パターンとして記憶する。

診断装置１０は、上述のような波形の比較を２通りの手法で行い、それぞれの手法の結果を統合することで異常の有無を診断する。これら２通りの手法のうち、第１の手法は、信号を個別に分析する手法であって、第２の手法は、個々の信号ではなく複数の信号を総合的に分析する手法である。詳細には、第１の手法は、個々の信号について図３，４に示された手法により第１指標値を得る手法であって、第２の手法は、複数の信号を一括して分析することにより１つの第２指標値を得る手法である。

第１指標値は、個々の信号について、波形パターンと類似する度合いを示す指標となる値であって、これらの波形の類似度に相当する。また、第２指標値は、複数の信号の値が、多次元のパターンと類似する度合いを示す指標となる値であって、多次元の波形の類似度に相当する。

診断装置１０は、その機能として、図５に示されるように、複数の入力信号を取得する取得部１０１と、複数の入力信号を個別に分析して第１指標値を算出する第１算出部１１０と、第１指標値を集約する集約部１０２と、複数の入力信号を一括して分析することで第２指標値を算出する第２算出部１２０と、複数の入力信号が相関する度合いを算出する相関算出部１０３と、第１指標値と第２指標値とから入力信号間の相関関係に基づいて出力値を算出する第３算出部１３０と、出力値から異常の有無を診断する診断部１４０と、を有する。

取得部１０１は、主としてプロセッサ１１及び通信部１６によって実現される。取得部１０１は、複数の入力信号として、異常の有無の診断対象となる複数の対象信号を取得する。詳細には、取得部１０１は、機器２１からネットワーク２０を介してデータを繰り返し受信することにより、信号源２１１によって生成された対象信号を受信する。取得部１０１は、請求項の取得手段として機能する。

第１算出部１１０は、複数の対象信号を個別の対象信号に分割する分割部１１１と、分割された対象信号を個別に分析する個別分析部１１２と、個別分析部１１２による分析に用いられる波形パターンを記憶する記憶部１１３と、を有する。

例えば、取得部１０１によって複数のセンサによるセンシング結果を含むデータが受信された場合には、当該データからそれぞれのセンサに対応するセンシング結果を抽出する必要がある。分割部１１１は、このような場合に、取得部１０１によって取得された複数の対象信号を個々の対象信号に分割する。ただし、取得部１０１によって対象信号が個別に取得された場合には、分割部１１１を省略してもよい。分割部１１１は、主としてプロセッサ１１によって実現される。

個別分析部１１２は、主としてプロセッサ１１によって実現される。個別分析部１１２は、分割部１１１によって分割された個々の対象信号について、図３，４に示される手法で類似度を算出する。詳細には、個別分析部１１２は、個々の対象信号と、記憶部１１３に記憶される波形パターンと、を比較することにより、第１指標値としての類似度を算出する。

記憶部１１３は、主として補助記憶部１３によって実現される。記憶部１１３には、正常時において対象信号それぞれが有するべき波形を示す波形パターンが予め格納される。詳細には、記憶部１１３には、対象信号それぞれについて、一又は複数の波形パターンが対象信号を識別するための識別子と関連付けて記憶される。波形パターンは、診断装置１０のユーザによって記憶部１１３に格納されてもよいし、診断装置１０による学習によって生成されてもよい。

集約部１０２は、主としてプロセッサ１１によって実現される。集約部１０２は、個別分析部１１２によって対象信号それぞれについて算出された第１指標値の平均値を算出することにより、第１指標値を１つの値に集約する。なお、集約部１０２は、平均値の算出とは異なる演算により第１指標値を集約してもよい。

図６には、第１算出部１１０による第１指標値の算出、及び、集約部１０２による第１指標値の集約の概要が示されている。図６に示されるように、複数の対象信号３１が、分割部１１１によって個々の対象信号３２に分割される。そして、個別分析部１１２が、対象信号３２を個別に分析して第１指標値を算出する。図６には、第１指標値の例として「０．９９」、「０．８７」、「０．６５」が示されている。集約部１０２が、これらの第１指標値を集約して「０．７０」という平均値を算出する。

図５に戻り、第２算出部１２０は、主としてプロセッサ１１によって実現される。第２算出部１２０は、取得部１０１によって取得された複数の対象信号の波形と、記憶部１２１から読み出した多次元の波形パターンとを比較することにより、これらの波形が類似する度合いを示す第２指標値を算出する。

図７には、第２算出部１２０による第２指標値の算出の概要が示されている。図７に示されるように、記憶部１２１に記憶される複数の基準パターンＶ１〜ＶＮそれぞれと、複数の対象信号３１とを比較することで、基準パターンＶ１〜ＶＮから複数の対象信号３１の最近傍のパターンが抽出されて、第２指標値が算出される。最近傍のパターンは、基準パターンＶ１〜ＶＮのうち、複数の対象信号３１との類似度が最も高いパターンである。この最も高い類似度が、第２指標値として採用される。ここで、類似度は、ゼロから１までの範囲内の値であって、複数の信号の波形が基準パターンのいずれかと一致する場合には、類似度が１になる。類似度は、複数の対象信号３１及び基準パターンのそれぞれをベクトル値の推移とみなした場合において、ベクトル値の自乗誤差の総和を正規化することで算出される。ここで、ベクトル値の自乗誤差は、ベクトル間の距離を２乗した値である。このようにして算出される第２指標値は、通常、集約された第１指標値とは異なる値になる。

図５に戻り、相関算出部１０３は、主としてプロセッサ１１によって実現される。相関算出部１０３は、対象信号が相関する度合いを算出する。詳細には、相関算出部１０３は、対象信号間の相関係数を算出する。対象信号が３つ以上である場合には、相関算出部１０３は、対象信号の相関行列を算出して、非対角成分の平均値を算出する。すなわち、相関算出部１０３は、対象信号のすべての組み合わせについての相関係数の平均値を算出する。相関算出部１０３は、請求項の相関算出手段として機能する。

相関算出部１０３が相関の度合いを算出するための対象信号は、対象信号から図４に示されるウィンドウ２６で切り出された部分信号に相当してもよいし、診断装置１０が起動してから現在時刻までに取得されたすべての対象信号であってもよい。また、相関算出部１０３は、相関の度合いとして、相関係数とは異なる値を算出してもよい。例えば、相関算出部１０３は、相互情報量に代表される独立性の尺度を算出してもよい。

第３算出部１３０は、主としてプロセッサ１１によって実現される。第３算出部１３０は、集約部１０２によって集約された第１指標値及び第２算出部１２０によって算出された第２指標値から、複数の対象信号間の相関関係に基づいて、複数の対象信号の異常に関する出力値を算出する。詳細には、第３算出部１３０は、相関算出部１０３によって算出された相関係数に応じた重みで第１指標値と第２指標値との重み付け和を算出する。より詳細には、第３算出部１３０は、次式（１）に示される演算により出力値Ａ３を算出する。

Ａ３＝ｗ１・Ａ１＋ｗ２・Ａ２ ・・・（１）

ここで、Ａ１は、第１指標値であって、ｗ１は、第１指標値の重み係数であって、Ａ２は、第２指標値であって、ｗ２は、第２指標値の重み係数である。ｗ１，ｗ２は、相関係数に応じて予め定められる。図８には、ｗ１，ｗ２の一例が示されている。図８中の線Ｌ１は、相関係数の平均値に応じた重み係数ｗ１を示し、線Ｌ２は、相関係数の平均値に応じた重み係数ｗ２を示す。例えば、相関係数の平均値が０．７である場合においては、重み係数ｗ１が０．１７となり、重み係数ｗ２が０．８３となる。通常、ｗ１とｗ２との総和は、１．０であって、出力値は、ゼロから１までの範囲内の値になる。

診断部１４０は、主としてプロセッサ１１、出力部１５又は通信部１６によって実現される。診断部１４０は、第３算出部１３０によって算出された出力値に基づいて異常の有無を診断する。例えば、診断部１４０は、出力値が閾値を超えるか否かを判定することにより異常の有無を判定する。この閾値は、例えば０．８であって、予め規定されていてもよいし、ユーザによって変更されてもよい。診断部１４０による診断結果の情報の出力は、画面表示によるユーザへの提示であってもよいし、診断装置１０が有する信号処理回路への出力であってもよいし、ネットワーク２０を介したデータの送信であってもよい。診断部１４０は、請求項の診断手段として機能する。

続いて、診断装置１０によって実行される診断処理について、図９〜１０を用いて説明する。図９に示される診断処理は、診断装置１０の電源が投入されることで開始する。

診断処理では、診断装置１０は、複数の入力信号を取得する（ステップＳ１）。具体的には、取得部１０１が、複数の入力信号として、２以上の系列の対象信号を取得する。この対象信号は、図４に示されるウィンドウ２６によって切り出された部分信号に相当する。このステップＳ１は、請求項の取得ステップに対応する。

次に、診断装置１０は、入力信号の相関度を算出する（ステップＳ２）。具体的には、相関算出部１０３が、対象信号の相関係数を算出する。ここで、対象信号が３つ以上であれば、相関算出部１０３は、相関係数の平均値を算出する。

次に、診断装置１０は、第１算出処理を実行する（ステップＳ３）。第１算出処理は、ステップＳ１で取得された対象信号それぞれについて第１指標値を算出する処理である。この第１算出処理について、図１０を用いて説明する。

第１算出処理では、第１算出部１１０は、信号を分割する（ステップＳ３１）。具体的には、分割部１１１が、入力信号として取得された複数の系列の対象信号を、個々の系列の対象信号に分割する。

次に、第１算出部１１０は、入力信号を１つ選択する（ステップＳ３２）。具体的には、第１算出部１１０が、未だ選択されていない、いずれかの系列の対象信号を取得する。

次に、第１算出部１１０は、選択した入力信号の波形を分析して第１指標値を算出する（ステップＳ３３）。具体的には、個別分析部１１２が、選択された対象信号に対応して予め定められた波形パターンのうち、この対象信号の最近傍のパターンについて算出される類似度を、第１指標値とする。

次に、第１算出部１１０は、入力信号すべてを選択したか否かを判定する（ステップＳ３４）。入力信号すべてを選択してはいないと判定した場合（ステップＳ３４；Ｎｏ）、第１算出部１１０は、ステップＳ３２以降の処理を繰り返す。これにより、個々の系列の対象信号について第１指標値が算出される。入力信号すべてを選択したと判定された場合（ステップＳ３４；Ｙｅｓ）、第１算出処理は終了する。

図９に戻り、第１算出処理に続いて、診断装置１０は、複数の第１指標値を集約する（ステップＳ４）。具体的には、集約部１０２が、第１算出処理にて算出された第１指標値の平均値を算出する。

次に、診断装置１０は、第２算出処理を実行する（ステップＳ５）。具体的には、第２算出部１２０が、ステップＳ１で取得された複数の対象信号について、最近傍の多次元パターンを特定し、複数の対象信号と特定したパターンとが類似する度合いを第２指標値として算出する。

次に、診断装置１０は、第３算出処理を実行する（ステップＳ６）。具体的には、第３算出部１３０が、ステップＳ４で集約された第１指標値と、ステップＳ５で算出された第２指標値とを、ステップＳ２で算出された相関度に応じた重みで加算することで、出力値を算出する。

次に、診断装置１０の診断部１４０が、異常の有無を診断する（ステップＳ７）。このステップＳ７は、請求項の診断ステップに対応する。その後、診断装置１０は、ステップＳ１以降の処理を繰り返す。これにより、図４に示されるウィンドウ２６のスライディングによる類似度の順次算出と同様に、複数の入力信号から切り出される複数の部分信号について異常の有無が順次診断される。

以上、説明したように、診断装置１０によれば、対象信号に関する第１指標値と、複数の入力信号に関する第２指標値と、から複数の入力信号間の相関関係に基づいて異常の有無が診断される。入力信号の相関する度合いが比較的低い場合には、個々の入力信号に着目した第１指標値が異常の有無の診断に有効な指標になり、入力信号の相関する度合いが高い場合には、複数の入力信号に関する第２指標値が異常の有無の診断に有効な指標になると考えられる。このため、２つの指標値から入力信号の相関関係に基づいて異常の有無を診断することで、異常の有無の診断精度を向上させることができる。

また、取得部１０１は、入力信号として複数の対象信号を取得し、第１指標値はそれぞれ、対象信号の波形がこの対象信号に対応して予め定められた基準となる波形である基準波形に類似する度合いを示し、第２指標値は、複数の対象信号が多次元のパターンと類似する度合いを示す。そして、第１指標値と第２指標値とから出力値が算出される。これにより、複数の入力信号がいずれも異常の有無の診断対象とされる場合に、個々の信号波形に着目して算出される第１指標値と、複数の信号波形を総合して算出される第２指標値と、を統合した出力値に関する情報が出力される。これにより、第１指標値と第２指標値とのいずれか一方を用いて異常の診断をする場合よりも正確に異常の診断をすることが可能になる。

また、出力値は、入力信号の相関関係に応じた重みで算出される、第１指標値と第２指標値との重みづけ和に等しい。これにより、出力値を少ない計算負荷で容易に算出することができる。

また、入力信号の相関度が高くなるほど第１指標値の重み係数が小さくなり、第２指標値の重み係数が大きくなる。換言すると、入力信号が相関するほど複数の入力信号を総合して得た分析結果が重視される。入力信号が相関する場合には、単独の信号に着目するよりも複数の信号全体から異常の有無を判断することでより診断の精度を向上させることができると考えられる。

なお、第１指標値及び第２指標値の重み係数は、図８に示されたものに限られず、図１１に示される線Ｌ１，Ｌ２によって規定されてもよい。図１１のように規定される重み係数を採用する場合には、相関係数の平均値が０．５を下回る場合には、第１指標値が出力値として採用され、相関係数の平均値が０．５を超える場合には、第２指標値が出力値として採用される。すなわち、入力信号の相関する度合いに応じて第１指標値と第２指標値とのいずれか一方が切り替えて出力されることとなる。

実施の形態２．
続いて、実施の形態２について、上述の実施の形態１との相違点を中心に説明する。なお、上記実施の形態と同一又は同等の構成については、同等の符号を用いるとともに、その説明を省略又は簡略する。実施の形態１では、入力信号すべてが異常の有無の診断対象となる対象信号であった。しかしながら、対象信号とは異なる信号を用いて、対象信号に含まれる異常の診断の精度を向上させることもできると考えられる。以下では、入力信号が対象信号及び対象信号とは異なる信号を含む形態について図１２〜１８を用いて説明する。

本実施の形態に係る診断装置１０は、対象信号と、対象信号とは異なる信号と、の双方の値から第２指標値を算出する。詳細には、診断装置１０は、対象信号とは異なる信号の値に応じて、対象信号の波形と比較される基準パターンを切り替えて第２指標値を算出する。また、診断装置１０は、切り替えて使用される複数の基準パターンを予め学習する。

図１２に示されるように、診断装置１０の取得部１０１は、入力信号４０に加えて、基準パターンを学習するための学習信号５０を取得する。入力信号４０は、対象信号４１と、機器２１を制御するための制御信号４２と、を含む。この制御信号４２は、例えば、機器２１に稼働モードを指定する信号、又は、ワークの移動速度を指定する信号である。学習信号５０は、対象信号の波形を学習するための対象学習信号５１と、制御信号に対応する制御学習信号５２と、を含む。対象学習信号５１は、正常時において対象信号４１が有するべき波形を有する信号であって、ユーザによって提供される。制御学習信号５２は、正常時において制御信号４２が示すべき値を示す信号であって、ユーザによって提供される。以下では、取得部１０１が、１つの対象信号４１及び２つの制御信号４２を含む入力信号４０と、１つの対象学習信号５１及び２つの制御学習信号５２を含む学習信号５０と、を取得する例について説明する。

取得部１０１は、ネットワーク２０を介して学習信号５０を取得してもよいし、ユーザによって記憶装置に格納されたデータから学習信号５０を抽出してもよい。記憶装置から学習信号５０を読み出す場合には、取得部１０１は、主としてプロセッサ１１によって実現される。

図１２では、学習信号５０から基準パターンを学習するときのデータの流れが太い矢印で示されていて、学習の終了後に入力信号４０から異常の有無を診断するときのデータの流れが細い矢印で示されている。取得部１０１は、取得した学習信号５０を相関算出部１０３と第２算出部１２０の学習部１２２に送出する。なお、取得部１０１によって取得される学習信号５０の長さは、ユーザによって任意に定められるが、通常は基準パターンを確実に学習させるためにある程度長いことが望ましい。

第２算出部１２０は、基準パターンを記憶する記憶部１２１の他に、基準パターンを学習する学習部１２２と、入力信号を一括して分析する一括分析部１２３と、を有する。

学習部１２２は、学習信号５０の相関度を相関算出部１０３から取得して、取得した相関度に基づいて、複数の制御学習信号５２から、基準パターンの学習に適した制御学習信号５２を特定する。詳細には、学習部１２２は、対象学習信号５１に相関する制御学習信号５２を相関信号として特定する。そして、学習部１２２は、特定した相関信号の値に応じた複数の基準パターンを対象学習信号５１から学習する。学習部１２２は、学習した基準パターンを記憶部１２１に格納する。学習部１２２は、請求項の学習手段として機能する。

一括分析部１２３は、入力信号４０から第２指標値を算出する。詳細には、一括分析部１２３は、相関信号を特定するための識別子を相関算出部１０３から取得する。そして、一括分析部１２３は、対象信号４１の波形と、相関信号に対応する制御信号４２の値に対応する基準パターンと、の類似度を第２指標値として算出する。

図１３には、診断装置１０が有する機能の詳細が模式的に示されている。図１３の上側は、学習信号から基準パターンを学習するための機能を示し、図１３の下側は、入力信号から異常の有無を診断するための機能を示している。

図１３に示されるように、診断装置１０は、学習信号として制御学習信号Ａ，Ｂを取得し、対象学習信号Ｃを取得する。そして、相関算出部１０３は、モジュール１０２２にて対象学習信号Ｃから特徴量を抽出する。この特徴量は、例えば、平均値及び標準偏に代表される統計値である。相関算出部１０３は、モジュール１０２１にて、制御学習信号Ａ，Ｂと、対象学習信号Ｃから抽出した特徴量と、の相関度を算出することにより、制御学習信号Ａ，Ｂのうち対象学習信号Ｃとの相関度が最も高い信号を相関信号として特定する。図１３に示される例では、制御学習信号Ａと対象学習信号Ｃの特徴量とがより相関しているため、制御学習信号Ａが相関信号として特定される。モジュール１０２１は、制御学習信号Ａ，Ｂと、相関信号を示す識別子と、を学習部１２２に通知する。

学習部１２２は、選択器１２２１にて、制御学習信号Ａ，Ｂから相関信号として特定された制御学習信号Ａを選択する。そして、学習部１２２は、モジュール１２２２にて、相関信号の値に応じて対象学習信号を分割する。詳細には、学習部１２２は、相関信号の値をクラスタリングして、各クラスタに属する相関信号の値に対応するように対象学習信号を分割して分割信号を得る。図１３の例では、制御学習信号Ａが３つの値を示す。この３つの値を「高」、「中」及び「低」とすると、学習部１２２は、対象学習信号Ｃの分割により、制御学習信号Ａの値が「高」であるときの分割信号と、制御学習信号Ａの値が「中」であるときの分割信号と、制御学習信号Ａの値が「低」であるときの分割信号と、を得る。

学習部１２２は、モジュール１２２３にて、分割信号それぞれから基準パターンを学習する。詳細には、学習部１２２は、分割信号それぞれを代表する一又は複数の波形を基準パターンとして学習する。

基準パターンの学習後に、診断装置１０は、入力信号を取得する。相関算出部１０３は、選択器１０２３にて、制御信号ＸＡ，ＸＢから、相関信号に対応する制御信号ＸＡを選択する。選択された制御信号ＸＡの値は、一括分析部１２３に出力される。ただし、一括分析部１２３が、選択器１０２３を有してもよい。

一括分析部１２３は、選択器１２３１にて、学習された複数の基準パターンから、制御信号の値に対応するパターンを選択する。図１３に示される例では、制御信号ＸＡの値が「高」であるため、相関信号の「高」の値に対応して学習された基準パターンが選択される。

一括分析部１２３は、モジュール１２３２にて、選択器１２３１によって選択された基準パターンと対象信号ＸＣの波形とを比較することにより、第２指標値を算出する。

続いて、診断装置１０によって実行される診断処理について、図１４〜１８を用いて説明する。図１４に示されるように、診断処理では、診断装置１０は、学習処理を実行して（ステップＳ１１）、診断実行処理を実行する（ステップＳ１２）。以下、学習処理と診断実行処理について順に説明する。

図１５に示されるように、学習処理では、診断装置１０は、対象学習信号と制御学習信号とを学習信号として取得する（ステップＳ１１１）。具体的には、取得部１０１が、対象学習信号と複数の制御学習信号とを学習信号として取得する。

次に、診断装置１０は、複数の制御学習信号のうち、対象学習信号に相関する制御学習信号を相関信号として特定する（ステップＳ１１２）。具体的には、相関算出部１０３が、制御学習信号それぞれと対象学習信号との相関係数を算出して、相関係数が最も大きい制御学習信号を特定する。

次に、診断装置１０の学習部１２２は、相関信号の値に応じた複数のパターンを対象学習信号から学習する（ステップＳ１１３）。その後、学習処理が終了する。

続いて、診断実行処理について説明する。図１６に示されるように、診断実行処理では、診断装置１０は、対象信号と制御信号とを含む複数の入力信号を取得する（ステップＳ１２１）。

次に、診断装置１０は、実施の形態１に係る診断処理に対応するステップＳ２〜Ｓ７を実行する。このうち、ステップＳ３の第１算出処理と、ステップＳ４の第２算出処理の詳細について説明する。

第１算出処理では、図１７に示されるように、第１算出部１１０が、信号を分割する（ステップＳ３１）。第１算出部１１０は、未選択の対象信号を１つ選択して（ステップＳ３６）、選択した対象信号の波形を分析して第１指標値としての類似度を算出する（ステップＳ３７）。

次に、第１算出部１１０は、対象信号をすべて選択したか否かを判定する（ステップＳ３８）。対象信号をすべて選択してはいないを判定した場合（ステップＳ３８；Ｎｏ）、第１算出部１１０は、ステップＳ３６以降の処理を繰り返す。これにより、複数の対象信号が入力された場合に、それぞれの対象信号について第１指標値が算出される。対象信号をすべて選択したと判定した場合（ステップＳ３８；Ｙｅｓ）、第１算出処理が終了する。

第２算出処理では、図１８に示されるように、第２算出部１２０が、相関信号に対応する制御信号を選択し（ステップＳ５１）、選択した制御信号の値に応じたパターンを記憶部１２１から読み出す（ステップＳ５２）。次に、第２算出部１２０は、対象信号の波形と、読み出したパターンとを比較して、第２指標値を算出する（ステップＳ５３）。その後、第２算出処理が終了する。

以上、説明したように、学習部１２２は、制御学習信号の値に対応する複数の基準パターンを対象学習信号の波形から学習する。また、第２指標値は、対象信号と、複数の基準パターンのうち制御信号の値に対応する基準パターンと、の比較に基づいて算出される。これにより、より適当な基準パターンを用いて第２指標値が算出されて、異常の診断を正確にすることが期待される。

また、相関算出部１０３は、複数の制御学習信号から、対象学習信号と相関する制御学習信号を相関信号として特定し、この相関信号の値に応じて基準パターンが学習された。対象学習信号と相関する制御学習信号の値に応じて基準パターンを学習することにより、学習された基準パターンは、対象学習信号の波形を表す適当なパターンになる。これにより、異常の診断を正確にすることが期待される。

また、相関算出部１０３は、複数の制御学習信号のうち対象学習信号の特徴量と相関する相関信号を特定した。対象学習信号の波形が複雑である場合には、その特徴量を抽出してから相関度を算出することで、より適当な制御学習信号を特定することができる。

実施の形態３．
続いて、実施の形態３について、上述の実施の形態１との相違点を中心に説明する。なお、上記実施の形態と同一又は同等の構成については、同等の符号を用いるとともに、その説明を省略又は簡略する。上記実施の形態１では、複数の入力信号と多次元のパターンとの単純な比較により第２指標値が算出されたが、第２指標値は、このような単純な比較とは異なる手法で算出されてもよい。

本実施の形態に係る診断装置１０は、入力信号としての複数の対象信号に加えて、対象信号それぞれに対応する学習信号を取得する。そして、診断装置１０は、学習信号から相関度を算出する学習処理と、入力信号から異常の有無を診断する診断実行処理と、を実行する。

学習処理では、図１９に示されるように、診断装置１０は、学習信号間の相関度を算出する（ステップＳ１１５）。具体的には、相関算出部１０３が、学習信号間の相関行列を算出する。

次に、診断装置１０は、相関度に応じて学習信号のグループを作成する（ステップＳ１１６）。具体的には、相関算出部１０３が、互いに相関度の高い学習信号をクラスタリングすることで、複数のグループを作成する。例えば、相関算出部１０３が、いずれか一の学習信号を選択して、当該学習信号との相関係数が予め規定された閾値以上となる他の学習信号を特定し、これらの学習信号を１つのグループにクラスタリングする手順を繰り返すことで、複数のグループが作成される。

図２０には、学習信号６１〜６６のグループを作成した例が示されている。図２０の例では、学習信号６１，６２，６３がクラスタリングされるグループ１と、学習信号６４，６５がクラスタリングされるグループ２と、学習信号６６がクラスタリングされるグループ３と、が作成される。また、図２０中には、学習信号間の相関係数が破線の矢印とともに示されている。例えば、学習信号６１，６２間の相関係数は、０．８０である。

図１９に戻り、診断装置１０は、複数の学習信号が属するグループについて、グループ内相関度を算出する（ステップＳ１１７）。具体的には、相関算出部１０３が、各グループに属する学習信号の相関係数の平均値を、グループ内相関度として算出する。図２０の例では、グループ１のグループ内相関度が、０．８５と算出され、グループ２のグループ内相関度が０．８８と算出される。

次に、診断装置１０は、学習信号それぞれについて一又は複数の基準パターンを学習し（ステップＳ１１８）、複数の学習信号が属するグループについて多次元の基準パターンを学習する（ステップＳ１１９）。その後、学習処理が終了する。

学習処理に続いて、診断装置１０は、図９に示されるフローと同様の手順で診断処理を実行する。ここで、診断処理のうちの第２算出処理の詳細について、図２１を用いて説明する。

第２算出処理では、第２算出部１２０は、入力信号のグループを作成する（ステップＳ５０１）。具体的には、第２算出部１２０は、学習時に決めた通りにグループを作成する。このため、学習処理において作成されたグループと対応するグループに、学習信号と対応する入力信号が属することとなる。これにより、例えば、学習信号６１に対応する入力信号はグループ１にクラスタリングされ、学習信号６４に対応する入力信号はグループ２にクラスタリングされる。

次に、第２算出部１２０は、単一の入力信号を含むグループについて、個別分析を実行する（ステップＳ５０２）。この個別分析は、第１算出部による第１指標値と同等の手法で行われる。これにより、単一の入力信号が属するグループそれぞれについて、当該入力信号が基準波形パターンに類似する度合いを示す指標値が算出される。

次に、第２算出部１２０は、複数の入力信号を含むグループについて、個別分析と、一括分析と、を実行する（ステップＳ５０３）。ここで、一括分析は、複数の入力信号と多次元のパターンとの比較に基づいて第２指標値を算出する実施の形態１と同等の分析である。これにより、複数の入力信号が属するグループそれぞれについて、個々の入力信号が基準波形パターンに類似する度合いを示す指標値と、グループに属する入力信号と多次元のパターンとの比較に基づく指標値と、が算出される。

次に、第２算出部１２０は、グループ内相関度に応じてステップＳ５０３の分析結果を重み付け加算する（ステップＳ５０４）。具体的には、第２算出部１２０が、複数の入力信号が属するグループそれぞれについて、図８に示された重み係数を用いて、個別分析の結果と、一括分析の結果と、を統合する。

次に、第２算出部１２０は、すべてのグループの分析結果を統合する（ステップＳ５０５）。具体的には、第２算出部１２０は、ステップＳ５０２にて算出された指標値と、ステップＳ５０４にて統合された指標値と、の総和を、第２指標値として算出する。

以上、説明したように、診断装置１０は、学習信号及び入力信号をグループ化して、複数の信号が含まれるグループについては、多次元のパターンとの比較に基づいて指標値が算出された。このようにグループ毎に指標値を算出することにより、より正確に異常の診断をすることが期待される。

以上、本発明の実施の形態について説明したが、本発明は上記実施の形態によって限定されるものではない。

例えば、診断システム１００が、生産システムの一部である例について説明したが、これには限定されない。診断システム１００は、加工システム、検査システムに代表される処理システムの一部であってもよいし、他のシステムを構成することなく、独立したシステムであってもよい。

また、診断装置１０の取得部１０１がネットワーク２０を介して入力信号を取得する例について説明したが、これには限定されない。例えば、取得部１０１は、ユーザによって補助記憶部１３に格納されたデータから入力信号を読み出してもよい。

また、診断装置１０の集約部１０２と第３算出部１３０とを別途の構成として説明したが、第３算出部１３０が集約部１０２を含んでもよい。具体的には、第３算出部１３０が、集約部１０２による演算を実行してもよい。例えば、第３算出部１３０は、次式（２）に示される演算により出力値Ａ３を算出してもよい。

Ａ３＝ｗ１（ΣＢ１）／Ｎ＋ｗ２・Ａ２ ・・・（２）

ここで、Ｂ１は、対象信号それぞれについて算出される第１指標値であって、Ｎは、対象信号の数であって、ｗ１は、第１指標値の重み係数であって、Ａ２は、第２指標値であって、ｗ２は、第２指標値の重み係数である。ｗ１，ｗ２は、上記実施の形態１と同様に定められる。

また、上記実施の形態２において、診断装置１０は、１つの対象信号及び１つの対象学習信号を取得したが、これには限定されない。例えば、診断装置１０は、複数の対象信号及び複数の制御信号を含む入力信号と、複数の対象学習信号及び複数の制御学習信号を含む学習信号と、を取得してもよい。そして、診断装置１０は、相関信号の値に応じて、複数の対象学習信号から多次元のパターンを学習し、複数の対象信号と多次元のパターンとの比較に基づく第２指標値を算出してもよい。

また、上記実施の形態では、第１指標値と第２指標値とを統合した出力値を算出する例について説明したが、出力値を算出するために統合される指標値の数は、２つに限定されず、３つ以上であってもよい。例えば、第１指標値及び第２指標値のいずれとも異なる第３指標値を、第１指標値及び第２指標値と統合して出力値を算出してもよい。

また、上記実施の形態では、第１指標値、第２指標値及び出力値は、異常である度合いが強くなるほど小さくなる値であったが、これには限定されず、異常である度合いが強くなるほど大きくなる値であってもよい。すなわち、類似度に代えて、波形が乖離する度合いを示す乖離度に基づいて、異常の有無が診断されてもよい。乖離度は、例えば、ゼロから１の範囲内の値であって、波形が一致する場合には値がゼロとなる。乖離度は、例えば、乖離度をＫ、類似度をＪとして、Ｋ＝１−Ｊという演算式により算出される。診断部１４０は、乖離度が閾値より大きいときに異常有りと診断すればよい。

また、診断装置１０の機能は、専用のハードウェアによっても、また、通常のコンピュータシステムによっても実現することができる。

例えば、プロセッサ１１によって実行されるプログラムＰ１を、コンピュータ読み取り可能な非一時的な記録媒体に格納して配布し、そのプログラムＰ１をコンピュータにインストールすることにより、上述の処理を実行する装置を構成することができる。このような記録媒体としては、例えばフレキシブルディスク、ＣＤ−ＲＯＭ（Compact Disc Read−Only Memory）、ＤＶＤ（Digital Versatile Disc）、ＭＯ（Magneto−Optical Disc）が考えられる。

また、プログラムＰ１をインターネットに代表される通信ネットワーク上のサーバ装置が有するディスク装置に格納しておき、例えば、搬送波に重畳させて、コンピュータにダウンロードするようにしてもよい。

また、通信ネットワークを介してプログラムＰ１を転送しながら起動実行することによっても、上述の処理を達成することができる。

さらに、プログラムＰ１の全部又は一部をサーバ装置上で実行させ、その処理に関する情報をコンピュータが通信ネットワークを介して送受信しながらプログラムを実行することによっても、上述の処理を達成することができる。

なお、上述の機能を、ＯＳ（Operating System）が分担して実現する場合又はＯＳとアプリケーションとの協働により実現する場合等には、ＯＳ以外の部分のみを媒体に格納して配布してもよく、また、コンピュータにダウンロードしてもよい。

また、診断装置１０の機能を実現する手段は、ソフトウェアに限られず、その一部又は全部を、回路を含む専用のハードウェアによって実現してもよい。

本発明は、本発明の広義の精神と範囲を逸脱することなく、様々な実施の形態及び変形が可能とされるものである。また、上述した実施の形態は、本発明を説明するためのものであり、本発明の範囲を限定するものではない。つまり、本発明の範囲は、実施の形態ではなく、請求の範囲によって示される。そして、請求の範囲内及びそれと同等の発明の意義の範囲内で施される様々な変形が、本発明の範囲内とみなされる。

本発明は、信号により示される異常を診断することに適している。

１００ 診断システム、 １０ 診断装置、 １１ プロセッサ、 １２ 主記憶部、 １３ 補助記憶部、 １４ 入力部、 １５ 出力部、 １６ 通信部、 １７ 内部バス、 １０１ 取得部、 １０２ 集約部、 １０３ 相関算出部、 １１０ 第１算出部、 １１１ 分割部、 １１２ 個別分析部、 １１３ 記憶部、 １２０ 第２算出部、 １２１ 記憶部、 １２２ 学習部、 １２３ 一括分析部、 １３０ 第３算出部、 １４０ 診断部、 １０２１，１０２２，１２２２，１２２３，１２３２ モジュール、 １０２３，１２２１，１２３１ 選択器、 ２０ ネットワーク、 ２１ 機器、 ２１１ 信号源、 ２３，２４ 波形、 ２６ ウィンドウ、 ２７ メモリ、 ３１，３２，４１ 対象信号、 ４０ 入力信号、 ４２ 制御信号、 ５０ 学習信号、 ５１ 対象学習信号、 ５２ 制御学習信号、 ６１〜６６ 学習信号、 Ｌ１，Ｌ２ 線、 Ｐ１ プログラム。

上記目的を達成するため、本発明の診断装置は、異常の有無の診断対象となる対象信号を含む複数の入力信号を取得する取得手段と、対象信号に関する第１指標値と、複数の入力信号に関する第２指標値と、の重み付け和であって、複数の入力信号間の相関関係に応じた重みで算出される重み付け和から異常の有無を診断する診断手段と、を備え、第１指標値は、対象信号の波形が予め定められた基準波形に類似する度合い又は乖離する度合いを示し、第２指標値は、対象信号と予め定められたパターンとの比較に基づく値であって、複数の入力信号の値から算出され、複数の入力信号の相関する度合いが高いときに重み付け和を得るための第１指標値の重み係数は、複数の入力信号の相関する度合いが低いときの重み係数より小さい。

Claims (8)

1. 異常の有無の診断対象となる対象信号を含む複数の入力信号を取得する取得手段と、
   前記対象信号に関する第１指標値と、前記複数の入力信号に関する第２指標値と、から前記複数の入力信号間の相関関係に基づいて異常の有無を診断する診断手段と、を備え、
   前記第１指標値は、前記対象信号の波形が予め定められた基準波形に類似する度合い又は乖離する度合いを示し、
   前記第２指標値は、前記対象信号と予め定められたパターンとの比較に基づく値であって、前記複数の入力信号の値から算出される、診断装置。
2. 前記取得手段は、複数の前記対象信号を前記複数の入力信号として取得し、
   前記診断手段は、前記対象信号それぞれに関する前記第１指標値と、前記第２指標値と、から異常の有無を診断し、
   前記第１指標値はそれぞれ、前記対象信号の波形が該対象信号に対応して予め定められた前記基準波形に類似する度合いを示し、
   前記第２指標値は、複数の前記対象信号が多次元の前記パターンに類似する度合いを示す、
   請求項１に記載の診断装置。
3. 前記診断手段は、複数の前記対象信号間の相関関係に応じた重みで算出される、複数の前記第１指標値と前記第２指標値との重み付け和から異常の有無を診断する、
   請求項２に記載の診断装置。
4. 学習信号から前記パターンを学習する学習手段、をさらに備え、
   前記取得手段は、前記対象信号に対応する対象学習信号と、機器を制御するための制御信号に対応する制御学習信号と、を前記学習信号として取得して、前記対象信号と前記制御信号とを含む複数の前記入力信号を取得し、
   前記学習手段は、前記制御学習信号の値に対応する複数の前記パターンを前記対象学習信号から学習し、
   前記第２指標値は、前記対象信号と、前記学習手段によって学習された複数の前記パターンのうち前記制御信号の値に対応する前記パターンと、の比較に基づく値である、
   請求項１に記載の診断装置。
5. 一の信号が他の信号に相関する度合いを算出する相関算出手段、をさらに備え、
   前記取得手段は、複数の前記制御学習信号を取得して、複数の前記制御信号を取得し、
   前記相関算出手段は、複数の前記制御学習信号のうち前記対象学習信号と相関のある前記制御学習信号を相関信号として特定し、
   前記学習手段は、前記相関信号の値に対応する複数の前記パターンを前記対象学習信号から学習し、
   前記第２指標値は、前記対象信号と、前記相関信号に対応する前記制御信号の値に対応する前記パターンと、の比較に基づく値である、
   請求項４に記載の診断装置。
6. 前記相関算出手段は、複数の前記制御学習信号のうち前記対象学習信号の特徴量と相関のある前記相関信号を特定する、
   請求項５に記載の診断装置。
7. 異常の有無の診断対象となる対象信号を含む複数の入力信号を取得する取得ステップと、
   第１指標値と第２指標値とから前記複数の入力信号間の関係に基づいて異常の有無を診断する診断ステップと、を含み、
   前記第１指標値は、前記対象信号の波形が予め定められた基準波形に類似する度合い又は乖離する度合いを示し、
   前記第２指標値は、前記対象信号と予め定められたパターンとの比較に基づく値であって、前記複数の入力信号の値から算出される、診断方法。
8. コンピュータに、
   異常の有無の診断対象となる対象信号を含む複数の入力信号を取得し、
   第１指標値と第２指標値とから前記複数の入力信号間の関係に基づいて異常の有無を診断する、ことを実行させ、
   前記第１指標値は、前記対象信号の波形が予め定められた基準波形に類似する度合い又は乖離する度合いを示し、
   前記第２指標値は、前記対象信号と予め定められたパターンとの比較に基づく値であって、前記複数の入力信号の値から算出される、プログラム。

Images