JPWO2021130983A1

JPWO2021130983A1 - データ収集分析システム、データ収集分析装置およびデータ収集分析方法

Info

Publication number: JPWO2021130983A1
Application number: JP2020532075A
Authority: JP
Inventors: 正隆橋下; 和己飯田; 英松林
Original assignee: Mitsubishi Electric Corp
Current assignee: Mitsubishi Electric Corp
Priority date: 2019-12-26
Filing date: 2019-12-26
Publication date: 2021-12-23
Anticipated expiration: 2039-12-26
Also published as: WO2021130983A1; CN114868364A; US11687061B2; JP6749529B1; US20220365515A1

Abstract

データ収集分析システム（１）は、通信部（２０）と、データ取得部（３２）と、を備える。通信部（２０）は、設備機器（２１０ａ，２１０ｂ，２１０ｃ）の内部状況または動作状況を示すデータを収集する。データ取得部（３２）は、設備機器（２１０ａ，２１０ｂ，２１０ｃ）から取得するデータに対して割り当てられるチャンネルに対して、複数のチャンネルを統合するグループと、通信部（２０）からデータを取得するタイミングであるデータ取得タイミングと、データの記憶先と、が設定された設定情報にしたがって、グループごとに通信部（２０）から同期したデータを取得する。

Description

本開示は、設備機器から収集した保全データを用いて、設備の状態を分析するデータ収集分析システム、データ収集分析装置、機械学習装置およびデータ収集分析方法に関する。

近年、設備機器の運転状況をユーザ側で解析可能な設備機器診断システムが提供されている。設備機器診断システムでは、例えば、設備機器に取り付けられた複数のセンサから取得したデータを用いて設備機器の予知保全を行い、予知保全の結果を体系的に管理することが行われている。

特許文献１には、予知保全の結果を体系的に管理するプロセス監視システムが開示されている。特許文献１に記載のプロセス監視システムでは、監視対象のプロセスを構成している複数の検知器である計器が、監視員の作業形式に合わせて、プロセス区分であるグループに分けられる。また、同一のグループに属する計器には同期用の配線が接続される。そして、グループ内の全計器からの画像、振動情報および計測情報のデータが同期して取得され、取得されたデータが同一画面上に表示される。

特開平９−２３０９２７号公報

しかしながら、特許文献１に記載の技術では、複数の計器から同期して画像、振動情報および計測情報のデータを取得する場合には、同期させる計器に同期用の配線を予め接続しておかなければならない。また、設備機器の予知保全を行うためには、グループ内のすべての検知器である計器から同期したデータを取得しないと、設備機器の予知保全を行うことができない。一例では、事後的に任意にグループ化した計器から取得したデータが同期されたデータではない場合で、いずれかのデータに異常があったとしても、同期がとれていないデータでは、データの異常を診断することができない。しかし、特許文献１に記載の技術では、事後的に任意にグループ化した検知器である計器から取得したデータについて同期を取る方法については考慮されていない。

本開示は、上記に鑑みてなされたものであって、事後的に任意にグループ化した検知器から取得したデータ間の同期を確保することができるデータ収集分析システムを得ることを目的とする。

上述した課題を解決し、目的を達成するために、本開示のデータ収集分析システムは、通信部と、データ取得部と、を備える。通信部は、設備機器の内部状況または動作状況を示すデータを収集する。データ取得部は、設備機器から取得するデータに対して割り当てられるチャンネルに対して、複数のチャンネルを統合するグループと、通信部からデータを取得するタイミングであるデータ取得タイミングと、データの記憶先と、が設定された設定情報にしたがって、グループごとに通信部から同期したデータを取得する。

本開示にかかるデータ収集分析システムは、事後的に任意にグループ化した検知器から取得したデータ間の同期を確保することができるという効果を奏する。

実施の形態１によるデータ収集分析システムの構成の一例を模式的に示すブロック図実施の形態１による設定情報の一例を示す図実施の形態１によるデータ収集分析システムを用いた設備機器診断システムの構成の一例を模式的に示すブロック図実施の形態１によるデータ収集分析システムで行われるデータ収集分析の動作設定の手順の一例を示すフローチャート実施の形態１によるグループ設定処理の手順の一例を示すフローチャート実施の形態２によるデータ収集分析システムの構成の一例を模式的に示すブロック図実施の形態２による設定情報の一例を示す図実施の形態３による設定情報の一例を示す図実施の形態４によるデータ収集分析システムにおけるＰＬＣの構成の一例を模式的に示すブロック図

以下に、本開示の実施の形態にかかるデータ収集分析システム、データ収集分析装置、機械学習装置およびデータ収集分析方法を図面に基づいて詳細に説明する。なお、この実施の形態によりこの開示が限定されるものではない。

実施の形態１．
図１は、実施の形態１によるデータ収集分析システムの構成の一例を模式的に示すブロック図である。データ収集分析システム１は、診断対象設備２００の予知保全を行うために必要なデータを設備機器２１０ａ，２１０ｂ，２１０ｃに設けられる検知器２２０ａ，２２０ｂ，２２０ｃから取得し、分析する装置である。診断対象設備２００は、一例では複数の設備機器２１０ａ，２１０ｂ，２１０ｃと、設備機器２１０ａ，２１０ｂ，２１０ｃの内部状況または動作状況を検知する検知器２２０ａ，２２０ｂ，２２０ｃと、を備える。検知器２２０ａ，２２０ｂ，２２０ｃは、計測用の検知器であり、一例では、振動センサ、温度センサまたは電圧センサ等のセンサである。

検知器２２０ａ，２２０ｂ，２２０ｃは、検知したデータ、すなわち設備機器２１０ａ，２１０ｂ，２１０ｃの内部状況または動作状況を示すデータをデータ収集分析システム１に出力する。なお、設備機器２１０ａ，２１０ｂ，２１０ｃの内部状況または動作状況を示すデータは、検知器２２０ａ，２２０ｂ，２２０ｃによって検出されたもの以外に、設備機器２１０ａ，２１０ｂ，２１０ｃの内部の電流または電圧波形などのセンサレスで出力されたデータでもよい。設備機器２１０ａ，２１０ｂ，２１０ｃは、データ収集分析システム１と物理的に近い位置に存在してもよいし、物理的に遠い位置に存在してもよい。ここでは、設備機器２１０ａ，２１０ｂは、データ収集分析システム１から物理的に近い位置に存在し、設備機器２１０ｃは、設備機器２１０ａ，２１０ｂと比較してデータ収集分析システム１から物理的に遠い位置に存在するものとする。

データ収集分析システム１は、入力部１０と、通信ユニット２０と、プログラマブルコントローラ（Programmable Logic Controller：ＰＬＣ）３０と、ＣＰＵ（Central Processing Unit）ユニット４０と、表示部６０と、を備える。入力部１０と、通信ユニット２０と、ＰＬＣ３０と、ＣＰＵユニット４０と、表示部６０と、は、バスライン７０を介して接続される。また、ＰＬＣ３０とＣＰＵユニット４０とは、データ収集分析装置５０を構成する。

入力部１０は、ユーザによる入力操作を受け付ける。入力部１０は、一例では、キーボード、ボタン、マウスである。入力部１０は、後述する検知器データ設定、チャンネル設定、グループ設定、データ取得間隔設定のユーザによる入力内容を受け付ける。

通信ユニット２０は、診断対象設備２００から配線またはネットワーク２５０を介して予知保全を行うために必要なデータを収集する通信部である。通信ユニット２０は、配線を介して設備機器２１０ａ，２１０ｂからのデータを収集する機能と、設備機器２１０ｃからのデータを通信ユニット２０にネットワーク２５０を介して送信するリモートヘッドユニット２３２を経由して設備機器２１０ｃからのデータを収集する機能と、を有する。通信ユニット２０は、計測ユニット２１と、外部計測ユニット２２と、を有する。計測ユニット２１は、データ収集分析システム１に対して物理的に近い位置に存在する設備機器２１０ａに設けられる検知器２２０ａから取得したデータをＰＬＣ３０内のデータ取得部３２に出力する。外部計測ユニット２２は、データ収集分析システム１に対して物理的に近い位置に存在する設備機器２１０ｂに設けられる検知器２２０ｂから取得したデータをＰＬＣ３０内のデータ取得部３２に出力する。

外部計測ユニット２２は、計測ユニットでは接続できない特殊なセンサ、あるいはデータ収集分析システム１に接続されていない外部の設備機器２１０ｂに接続されている検知器２２０ｂのデータを取得するために用いられる。

また、通信ユニット２０は、計測ユニット２３１と、リモートヘッドユニット２３２と、ネットワークユニット２３と、を有する。計測ユニット２３１は、データ収集分析システム１に対して遠方に存在する設備機器２１０ｃに設けられる検知器２２０ｃからデータを取得する。リモートヘッドユニット２３２は、データ収集分析システム１に対して設備機器２１０ｃが遠方に存在する場合に使用される機器である。計測ユニット２３１は、設備機器２１０ｃに設けられる検知器２２０ｃから取得したデータを、リモートヘッドユニット２３２を介してＰＬＣ３０に出力する。ここで、計測ユニット２３１と検知器２２０ａ，２２０ｂ，２２０ｃとの間が、配線で接続することができず、ネットワーク２５０を介して接続される場合が物理的に遠方であるとされる。

リモートヘッドユニット２３２は、計測ユニット２３１とネットワークユニット２３とを、ネットワーク２５０を介して接続するリモート局である。この場合、設備機器２１０ｃに検知器２２０ｃが取り付けられ、検知器２２０ｃに計測ユニット２３１が配線を介して接続され、計測ユニット２３１にリモートヘッドユニット２３２が接続される。ネットワーク２５０は、有線ネットワークでも無線ネットワークでもよい。

ネットワークユニット２３は、予め定められたプロトコルにしたがってリモートヘッドユニット２３２との間で通信を行い、計測ユニット２３１が検知器２２０ｃから取得したデータをＰＬＣ３０内のデータ取得部３２に出力する。以下の実施の形態では、配線を介して検知器２２０ａ，２２０ｂと接続可能な計測ユニット２１または外部計測ユニット２２と、検知器２２０ｃに接続される計測ユニット２３１にリモートヘッドユニット２３２およびネットワーク２５０を介して接続されるネットワークユニット２３と、が通信ユニット２０となる。つまり、図１の例では、計測ユニット２３１およびリモートヘッドユニット２３２は、診断対象設備２００側に設けられるが、これらはデータ収集分析システム１の通信ユニット２０を構成する。このように、データ収集分析システム１においては、検知器２２０ａ，２２０ｂ，２２０ｃからデータを取得する計測ユニット２１，２３１または外部計測ユニット２２は、設置される位置にかかわらず通信ユニット２０を構成する。なお、図１では、リモートヘッドユニット２３２には、計測ユニット２３１が接続される場合が示されているが、計測ユニット２３１のほかに、外部計測ユニットが接続されてもよい。

外部計測ユニット２２およびリモートヘッドユニット２３２は、一例では、事後的にグループ化の対象となった検知器２２０ｂ，２２０ｃと接続する際に使用される。

ＰＬＣ３０は、通信ユニット２０で収集したデータを取得する。ＰＬＣ３０は、動作設定部３１と、データ取得部３２と、設定情報記憶部３３と、データ種別判別部３４と、データ記憶部３５と、を有する。

動作設定部３１は、検知器２２０ａ，２２０ｂ，２２０ｃに関する設定を行う画面である動作設定画面に、ユーザが入力部１０を介して設定した内容を、通信ユニット２０、ＰＬＣ３０およびＣＰＵユニット４０に反映させる。

データ取得部３２は、データ収集用の複数のチャンネルを有しており、後述する設定情報を参照して、チャンネルを介して計測ユニット２１、外部計測ユニット２２およびリモートヘッドユニット２３２からデータを収集する。チャンネルは、一例では、データ入出力端子である。１つのチャンネルには、計測ユニット２１，２３１または外部計測ユニット２２に接続される１つの検知器２２０ａ，２２０ｂ，２２０ｃが対応する。

設定情報記憶部３３は、データ取得部３２でデータを取得する際に、チャンネルに設定する設定情報を記憶する。図２は、実施の形態１による設定情報の一例を示す図である。設定情報３３０は、チャンネルを識別するチャンネル番号３３１と、グループ３３２と、データ取得タイミング３３３と、取得間隔３３４と、記憶先３３５と、を含む。グループ３３２は、チャンネル番号３３１で示されるチャンネルが属するグループを識別する情報である。データ取得タイミング３３３は、データを取得するタイミングを示す。データ取得タイミング３３３は、一例では、データを取得するカウンタ値によって定められるが、これに限らず、複数のチャンネル間でデータの同期を取れるものであればよく、データを取得する時刻またはトリガタイミングでもよい。取得間隔３３４は、データ取得の間隔を示す。一例では、データ取得タイミング３３３に設定されたタイミングでデータを取得した後、取得間隔３３４に設定された時間間隔でつぎのデータの取得が行われる。記憶先３３５は、取得したデータのデータ記憶部３５の記憶先を示す。記憶先３３５は、一例では、データアドレスである。

図２に示されるように、設定情報３３０では、データ取得部３２が有するそれぞれのチャンネルがどのグループに属するかが設定される。すなわち、グループは、複数のチャンネルを統合する。また、各グループにおけるデータの取得時期がデータ取得タイミング３３３と取得間隔３３４で規定され、取得したデータの記憶位置が記憶先３３５で規定される。なお、同じグループに属するチャンネルでは、データ取得タイミング３３３は同一に設定される。

データ取得部３２は、設定情報３３０にしたがって、グループごとに計測ユニット２１，２３１および外部計測ユニット２２からデータを取得する。一例では、データ取得部３２は、設定情報３３０にしたがって、計測ユニット２１，２３１および外部計測ユニット２２にデータ取得タイミング３３３を設定し、グループごとに計測ユニット２１，２３１および外部計測ユニット２２からデータを取得する。データ取得部３２は、設定情報３３０のグループ３３２を確認し、同じグループ、例えば「グループＡ」に属するチャンネルを選定する。データ取得部３２は、同じグループのチャンネルに対して同じデータ取得タイミング３３３を設定する。続けて、データ取得部３２は、設定情報３３０の取得間隔３３４に設定された間隔に基づいてデータを計測ユニット２１，２３１および外部計測ユニット２２から取得し、取得したデータをデータ種別判別部３４に出力する。なお、データ取得部３２は、設定情報３３０にしたがって、グループ間でデータを取得した時刻を補正することによって同期させてもよい。

データ種別判別部３４は、設定情報３３０を参照し、リモートヘッドユニット２３２を介して取得したチャンネルのデータについて、同期タイミングのずれを調整し、調整したデータをデータ記憶部３５に記憶する。データ種別判別部３４は、リモートヘッドユニット２３２を介さないで取得したチャンネルのデータについては、直接、データをデータ記憶部３５に記憶する。これは、リモートヘッドユニット２３２に接続されていない計測ユニット２１および外部計測ユニット２２と、リモートヘッドユニット２３２に接続されている計測ユニット２３１と、では、リモートヘッドユニット２３２からのデータの割り込みのタイミング等の影響によって同期タイミングがずれるためである。

なお、データ種別判別部３４では、任意の方法によって、同期タイミングのずれを調整することができる。一例では、データ種別判別部３４は、データの同期タイミングのずれを直接計測し、ずれに相当する取得時間差を補正する。取得時間差は、同じグループに属するチャンネルにおいて、リモートヘッドユニット２３２を介して取得したデータの取得時刻と、リモートヘッドユニット２３２を介さずに取得したデータの取得時刻と、の差である。また、他の例では、データ種別判別部３４は、同期タイミングのずれに相当する補正値を有しており、リモートヘッドユニット２３２から取得したデータの時刻を同期タイミングのずれに相当する補正値を用いて補正してもよい。

データ記憶部３５は、計測ユニット２１および外部計測ユニット２２から取得されたデータ、あるいはリモートヘッドユニット２３２を介して取得されたデータについては同期タイミングのずれが補正されたデータを記憶する。また、データ記憶部３５は、後述するＣＰＵユニット４０のデータ分析部４１で分析されたデータを記憶する。

ＰＬＣ３０は、ＣＰＵ３０１と、メモリ３０２と、を有する。ＣＰＵ３０１とメモリ３０２とは、バスライン３０３を介して接続される。動作設定部３１、データ取得部３２およびデータ種別判別部３４は、メモリ３０２に記憶された図示しないプログラムを実行することによって実現される。設定情報記憶部３３およびデータ記憶部３５は、メモリ３０２によって構成される。

ＣＰＵユニット４０は、ＰＬＣ３０に比してより高度なデータ処理の実行を目的とするユニットである。ＣＰＵユニット４０の一例は、Ｃ言語プログラマブルユニットである。また、ＣＰＵユニット４０は、演算ユニットに対応する。ＣＰＵユニット４０は、ＰＬＣ３０から取得したデータを分析するデータ分析部４１を有する。データ分析部４１は、データ記憶部３５のデータに対し、グループごとに有効な診断手法を適用し診断対象設備２００の診断を行う。データ分析部４１は、ＰＬＣ３０のデータ記憶部３５に診断結果を保存する。設備機器２１０ａ，２１０ｂ，２１０ｃの異常を診断する際に様々なセンサが用いられるが、振動センサを利用する振動測定による手法が一般的である。振動測定は、２つの利点を有する。第１に、圧電式の振動センサの場合、安価で頑強であり精度が高いことがある。このため高温多湿等の過酷な環境下にある生産設備の異常診断に用いられる。第２に、振動分析法、すなわち振動診断法が体系的に確立されていることがある。振動診断法として、簡易診断および精密診断がある。

簡易診断とは、設備の振動状態レベルを正常時であると判断される基準値と比較し、測定値が基準値を超えた場合、異常と判定する。簡易診断には、絶対値判定法および相対値判定法がある。

絶対値判定法とは、ＩＳＯ（International Organization for Standardization）またはＪＩＳ（Japanese Industrial Standards）に規定されている判定基準値と比較し、設備の状態の良否を判定する方法である。また、相対値判定法とは、振動データを収集後、振動データを基に正常時であると判断される基準値を生成し、ある倍率をかけて閾値を設定する。測定値が閾値を超えた場合、異常と判定する手法である。また、精密診断とは、軸受または歯車等の機械部品の故障周波数を事前に算出、監視し、診断する手法である。

また、振動診断法以外に、グループに設定された複数の検知器データの特徴量を抽出、解析し、診断する手法にマハラノビス・タグチ法（Mahalanobis Taguchi Method：ＭＴ法）がある。ＭＴ法では、正常状態の系から得られるデータが収集され、そのデータを基に単位空間と呼ばれる正常状態の系の母集団が生成される。その後、単位空間が存在する座標空間に新たに取得したデータがプロットされ、単位空間からの乖離度であるマハラノビス距離が計算される。そして、計算されたマハラノビス距離と予め設定したマハラノビス距離の閾値とを比較することで、系が正常か異常かが判定される。

また、上記の振動分析手法およびＭＴ法のような統計分析方法を複合的に用いることによって、データ収集分析システム１は異常の検知を正確かつ迅速に診断可能となる。

データ分析部４１は、上記の方法を利用してグループごとにデータを診断した後、診断結果を、診断したデータが属するグループに対応づけてデータ記憶部３５に記憶する。一例では、データ分析部４１は、「グループＡ」についてデータを診断した場合には、診断結果を「グループＡ」に関連付けてデータ記憶部３５に記憶する。

ＣＰＵユニット４０は、ＣＰＵ４０１と、メモリ４０２と、を有する。ＣＰＵ４０１とメモリ４０２とは、バスライン４０３を介して接続される。データ分析部４１は、メモリ４０２に記憶された図示しないプログラムを実行することによって実現される。

表示部６０は、診断対象設備２００での予知保全にあたっての設定情報３３０の設定を行ったり、ＣＰＵユニット４０で分析した診断結果を表示したりする。表示部６０は、チャンネル設定部６１と、グループ設定部６２と、データ取得間隔設定部６３と、データ表示部６４と、アラーム表示部６５と、を有する。

チャンネル設定部６１は、設定情報３３０に関する設定を行う画面である設定画面に、ユーザが入力部１０を介して設定した内容のうち、チャンネルに関する設定内容を設定情報記憶部３３の設定情報３３０に反映させる。データ収集分析システム１のチャンネルごとにチャンネル名が設定可能であり、この設定したチャンネル名に基づいて、取得する検知器データに対してチャンネルという単位でチャンネルを割り当てる。設定画面は、表示部６０内の図示しないメモリに記憶されている。

グループ設定部６２は、設定画面に、ユーザが入力部１０を介して設定した内容のうち、グループに関する設定内容を設定情報記憶部３３の設定情報３３０に反映させる。このため、データ収集分析システム１は、チャンネルで取得した検知器データをグループ単位で管理可能となる。グループは、装置単位、部位単位またはライン単位とすることができる。グループ単位で検知器データを管理することによって、予知保全で必要なデータを一括して管理することが可能となり、このグループに対してデータ解析することによって、必要なデータに基づいた予知保全が可能となる。

同一のグループに設定されたチャンネルはすべて同一タイミングで検知器データを取得可能となる。つまり、グループ設定部６２は、設定情報３３０中で同じグループに設定されたチャンネルについて、データ取得タイミング３３３を同じ値に設定する。このため、データ収集分析システム１は、チャンネルにグループを設定するだけで、同一のグループ内のチャンネル間での同期を確保した検知器データを取得可能となる。また、検知器データは、データ記憶部３５に記憶される際に、グループ化され、紐付けが可能となる。

データ取得間隔設定部６３は、設定画面にユーザが入力部１０を介して設定した内容のうち、データ取得間隔に関する設定内容を設定情報記憶部３３の設定情報３３０に反映させる。データ取得間隔の設定は、周期監視またはトリガ監視を含む。

データ表示部６４は、データ収集分析システム１のユーザに対し、グラフィカルオペレーションターミナル、すなわち表示器を用いて、データ記憶部３５に記憶された診断データ、あるいはデータ取得部３２が取得した検知器データを提示する。

アラーム表示部６５は、データ分析部４１による診断結果をユーザに通知する。また、アラーム表示部６５は、診断結果を正常、注意および異常の３段階で分類した場合に、注意または異常である場合に、アラームの内容をユーザに通知する。アラームの内容として、どの診断でアラームが発生しているかを示すテキストメッセージを使用することができる。一例では、アラーム表示部６５は、表示部６０内の図示しないメモリに記憶されている診断結果データまたはアラーム表示データを診断結果またはアラームとしてグラフィカルオペレーションターミナルに表示してもよいし、メールなどの手段によってユーザに通知してもよい。

なお、上記したデータ収集分析システム１は、ユニットを組み立ててなるシステムのみならず、ユニットの機能を装置に搭載するものであってもよい。

以上のように、実施の形態１によるデータ収集分析システム１では、データ取得部３２は、グループごとにデータを取得する条件が設定されている設定情報３３０の設定値に基づいてデータを取得する。これによって、事後的に任意に設定したグループでも、特別な配線を接続することなく、グループごとのデータを同期して取得することが可能となる。

また、実施の形態１によるデータ収集分析システム１は、チャンネルに対してグループ３３２を自由に設定することができ、上述のように設定したグループ３３２のグループ名に対してデータ取得タイミング３３３を設定する。そのため、ユーザが自由に設定したグループ３３２内の全ての取得データに対して、同期したデータ取得を容易に実現することが可能となる。

なお、上記した説明では、動作設定部３１はＰＬＣ３０に設けられる場合を示したが、動作設定部３１は、ＣＰＵユニット４０に設けられてもよい。

図３は、実施の形態１によるデータ収集分析システムを用いた設備機器診断システムの構成の一例を模式的に示すブロック図である。設備機器診断システム１００は、実施の形態１によるデータ収集分析システム１と、ゲートウェイユニット１１０と、データベースサーバ１２０と、ネットワークユニット１３０と、電子メール送信用ユニット１４０と、工場内ネットワーク１５０と、を備える。なお、この図では、説明の便宜上、データ収集分析システム１は、データ取得部３２およびアラーム表示部６５以外の構成要素の図示を省略している。

工場内ネットワーク１５０は、診断対象設備２００を有する工場内のネットワークである。データベースサーバ１２０は、データ収集分析システム１で収集されたデータと診断結果とをデータベースの形で格納する情報処理装置である。電子メール送信用ユニット１４０は、データ収集分析システム１からの指示に従って、診断結果をユーザに通知する情報処理装置である。

このような設備機器診断システム１００では、データ収集分析システム１は、ゲートウェイユニット１１０を用いて、工場内ネットワーク１５０を介して、診断対象設備２００の設備機器２１０ａ，２１０ｂ，２１０ｃから収集される計測データ、およびデータ収集分析システム１での診断結果を、データベースサーバ１２０に転送する。

また、データ収集分析システム１におけるデータ取得部３２は、ネットワークユニット１３０を用いて、工場内ネットワーク１５０を介して、診断対象設備２００の設備機器２１０ａ，２１０ｂ，２１０ｃから計測データを収集する。また、アラーム表示部６５は、ネットワークユニット１３０および工場内ネットワーク１５０を介して電子メール送信用ユニット１４０に指示を出し、電子メール送信用ユニット１４０から診断結果を電子メールでユーザに通知する。

つぎに、データ収集分析システム１における動作について説明する。図４は、実施の形態１によるデータ収集分析システムで行われるデータ収集分析の動作設定の手順の一例を示すフローチャートである。表示部６０は、データ収集分析の動作設定を行う動作設定画面を表示する（ステップＳ１１）。

ユーザは、診断対象設備２００の設備機器２１０ａ，２１０ｂ，２１０ｃに設置された検知器２２０ａ，２２０ｂ，２２０ｃと、計測ユニット２１，２３１または外部計測ユニット２２と、を配線またはネットワーク２５０で接続する。ユーザは、その接続結果にしたがった内容を、入力部１０を介して動作設定画面に入力する。一例では、ユーザは、計測ユニット２１，２３１または外部計測ユニット２２への検知器２２０ａ，２２０ｂ，２２０ｃの割り付け、割り付けた検知器２２０ａ，２２０ｂ，２２０ｃの種別、および割り付けた検知器２２０ａ，２２０ｂ，２２０ｃに対して付する名称を設定する。この他に、ユーザは、検知器２２０ａ，２２０ｂ，２２０ｃの諸元、検知器２２０ａ，２２０ｂ，２２０ｃが振動センサである場合には、取得したデータを周波数データに変換する高速フーリエ変換（Fast Fourier Transform：ＦＦＴ）、診断対象となる機械部品およびその諸元値並びに監視周波数およびモータ容量の設定を行う。

ユーザによる動作設定画面への設定内容の入力が終了し、設定内容の反映の指示を受けると、ＰＬＣ３０の動作設定部３１は、設定内容から１つの計測ユニット２１，２３１または外部計測ユニット２２を選択する（ステップＳ１２）。

動作設定部３１は、設定内容にしたがって選択された計測ユニット２１，２３１または外部計測ユニット２２について、検知器２２０ａ，２２０ｂ，２２０ｃの割り付け、検知器２２０ａ，２２０ｂ，２２０ｃの種別および名称を設定する（ステップＳ１３）。

その後、動作設定部３１は、設定内容中のすべての計測ユニット２１，２３１または外部計測ユニット２２について設定が完了したかを判定する（ステップＳ１４）。設定内容中のすべての計測ユニット２１，２３１または外部計測ユニット２２について設定が完了していない場合（ステップＳ１４でＮｏの場合）には、ステップＳ１２へと処理が戻り、動作設定部３１は、設定内容中のすべての計測ユニット２１，２３１または外部計測ユニット２２について設定が完了するまでステップＳ１２からＳ１３の処理を繰り返し実行する。

また、設定内容中のすべての計測ユニット２１，２３１または外部計測ユニット２２について設定が完了した場合（ステップＳ１４でＹｅｓの場合）には、動作設定部３１は、設定内容にしたがって、ＣＰＵユニット４０のデータ分析部４１にセンサ諸元を設定する（ステップＳ１５）。その後、動作設定部３１は、検知器２２０ａ，２２０ｂ，２２０ｃが振動センサであるかを判定する（ステップＳ１６）。

検知器２２０ａ，２２０ｂ，２２０ｃが振動センサである場合（ステップＳ１６でＹｅｓの場合）には、動作設定部３１は、設定内容にしたがって、データ分析部４１に対してＦＦＴの設定を行う（ステップＳ１７）。ＦＦＴの設定は、振動センサからのデータをＦＦＴで周波数変換する際の条件を含む。ついで、動作設定部３１は、設定内容にしたがって、データ分析部４１に対して、診断対象となる機械部品を選択し（ステップＳ１８）、選択した機械部品の諸元値を設定する（ステップＳ１９）。また、動作設定部３１は、設定内容にしたがって、ＰＬＣ３０に対して、監視周波数およびモータ容量を設定する（ステップＳ２０）。そして、またはステップＳ１６で検知器２２０ａ，２２０ｂ，２２０ｃが振動センサでない場合（ステップＳ１６でＮｏの場合）に、データ収集分析の動作設定処理が終了する。

上記した説明では、ＰＬＣ３０の動作設定部３１が、データ収集分析の動作設定を行うようにしたが、他の方法によってデータ収集分析の動作設定が行われてもよい。一例では、図示しないエンジニアリングツールを用いて、通信ユニット２０、ＰＬＣ３０およびＣＰＵユニット４０に対して上記の内容を設定するようにしてもよい。

図５は、実施の形態１によるグループ設定処理の手順の一例を示すフローチャートである。表示部６０は、設定情報設定画面を表示する（ステップＳ３１）。ユーザは、設定情報設定画面で、ＰＬＣ３０が管理するチャンネルへの検知器２２０ａ，２２０ｂ，２２０ｃの割り付けと、チャンネルのグループ化の設定と、グループに属するメンバである検知器２２０ａ，２２０ｂ，２２０ｃが同一のデータ取得方法でデータを取得するための設定と、を行う。この他に、ユーザは、検知器２２０ａ，２２０ｂ，２２０ｃが振動センサである場合には、メンバについてのＦＦＴの設定を設定情報設定画面で行う。また、ユーザは、メンバの初期値の設定、監視モードの設定、傾向監視画面へのメンバの登録を設定情報設定画面で行う。監視モードの設定は、一例では、精密診断、簡易診断およびＭＴ法診断の何れの方法で診断するかを特定する設定である。傾向監視は、取得するデータの時系列的変動、すなわち取得データの傾向を監視する機能である。傾向監視画面へのメンバ登録は、データ表示部６４にデータの傾向をグラフ表示する対象、すなわちメンバを特定することである。

チャンネル設定部６１は、設定情報設定画面の設定内容にしたがって、ＰＬＣ３０が管理するチャンネルに検知器２２０ａ，２２０ｂ，２２０ｃを割り付ける（ステップＳ３２）。一例では、チャンネル設定部６１は、ＰＬＣ３０の設定情報記憶部３３中の設定情報３３０にチャンネルの割り付けに関する設定内容を反映させる。

次いで、グループ設定部６２は、設定内容から１つのチャンネルを選択し（ステップＳ３３）、選択したチャンネルについて、設定内容にしたがって、グループを構成するメンバにチャンネルすなわち検知器２２０ａ，２２０ｂ，２２０ｃを割り付ける（ステップＳ３４）。その後、グループ設定部６２は、グループに設定されたすべてのチャンネルをメンバに割り付けたかを判定する（ステップＳ３５）。すなわち、グループ設定部６２は、グループに接続するすべての検知器２２０ａ，２２０ｂ，２２０ｃをメンバに割り付けたかを判定する。グループに設定されたすべてのチャンネルをメンバに割り付けていない場合（ステップＳ３５でＮｏの場合）には、ステップＳ３３へと処理が戻る。

また、グループに設定されたすべてのチャンネルをメンバに割り付けた場合（ステップＳ３５でＹｅｓの場合）には、グループ設定部６２は、検知器２２０ａ，２２０ｂ，２２０ｃが振動センサであるかを判定する（ステップＳ３６）。検知器２２０ａ，２２０ｂ，２２０ｃが振動センサである場合（ステップＳ３６でＹｅｓの場合）には、ＰＬＣ３０の動作設定部３１は、グループのメンバに対してＦＦＴの設定を行う（ステップＳ３７）。

その後、またはステップＳ３６で検知器２２０ａ，２２０ｂ，２２０ｃが振動センサでない場合（ステップＳ３６でＮｏの場合）には、動作設定部３１は、グループに属するメンバについて初期値の設定を行う（ステップＳ３８）。また、動作設定部３１は、監視モードの設定と、傾向監視画面へのメンバを登録する（ステップＳ３９）。さらに、データ取得間隔設定部６３は、設定内容にしたがって、グループに属するメンバについて、データ取得タイミング３３３、取得間隔３３４および記憶先３３５を設定する（ステップＳ４０）。一例では、データ取得間隔設定部６３は、設定情報記憶部３３中の設定情報３３０にデータ取得タイミング３３３、取得間隔３３４および記憶先３３５を反映させる。以上で、処理が終了する。

このように、データ収集分析の動作設定処理およびグループ設定処理がなされた後、データ収集分析システム１で、データ収集分析方法が実行される。データ収集分析方法では、まず、ＰＬＣ３０が、設備機器２１０ａ，２１０ｂ，２１０ｃから取得するデータに対して割り当てられるチャンネルについて設定された設定情報３３０にしたがって、グループごとに通信ユニット２０から同期したデータを取得する。ついで、ＣＰＵユニット４０が、取得されたデータをグループごとに分析する。以上によって、データ収集分析方法が終了する。

実施の形態１のデータ収集分析システム１は、ＰＬＣ３０が管理するチャンネルをグループ化し、グループごとにデータ取得間隔を設定した設定情報３３０にしたがって、診断対象設備２００の設備機器２１０ａ，２１０ｂ，２１０ｃに接続される検知器２２０ａ，２２０ｂ，２２０ｃからデータを収集する。これによって、複数の検知器２２０ａ，２２０ｂ，２２０ｃのデータ収集時の同時性と同期性とが解決されるため、予知保全を行う環境が整備される。このため、実運用までの条件設定または工事のための手間および時間が短縮可能になる。また、事後的に検知器２２０ａ，２２０ｂ，２２０ｃを追加した場合には、設定情報３３０中で、追加した検知器２２０ａ，２２０ｂ，２２０ｃに割り当てられるチャンネルに対してグループを設定することで、グループ内のすべての検知器２２０ａ，２２０ｂ，２２０ｃから同期したデータを取得することが可能となる。事後的に検知器２２０ａ，２２０ｂ，２２０ｃを任意にグループ化した場合も同様である。つまり、事後的に任意にグループ化した検知器から取得したデータ間の同期を確保することができる。そして、取得したデータに振動分析法およびＭＴ法を組み合わせて診断することにより、設備の異常の特定を正確かつ迅速に行うことが可能になる。

実施の形態２．
図６は、実施の形態２によるデータ収集分析システムの構成の一例を模式的に示すブロック図である。なお、以下では、実施の形態１と異なる部分について説明し、実施の形態１と同一の構成要素には、同一の符号を付してその説明を省略する。実施の形態２のデータ収集分析システム１ａでは、データ取得部３２ａが、実施の形態１によるデータ種別判別部３４の機能を有している。そのため、ＰＬＣ３０からデータ種別判別部３４が除去されている。

図７は、実施の形態２による設定情報の一例を示す図である。図７の設定情報３３０ａでは、チャンネル番号３３１で示されるチャンネルで取得されるデータの種別を示すデータ種別３３６の項目が図２の設定情報３３０と比較して追加されている。データ種別３３６は、チャンネルが取得するデータを計測ユニット２１または外部計測ユニット２２から直接取得するものであるか、あるいはリモートヘッドユニット２３２を経由するものであるかを示す情報である。図７の例では、リモートヘッドユニット２３２を経由しないで計測ユニット２１または外部計測ユニット２２からデータを直接取得する場合を「直接」と表記し、リモートヘッドユニット２３２を経由してデータを取得する場合を「間接」と表記している。

データ取得部３２ａは、設定情報３３０ａのグループ３３２を確認し、同じグループに属するチャンネルを選定する。データ取得部３２ａは、設定情報３３０ａで選定したチャンネルに対応するデータ種別３３６を確認し、選定したチャンネルごとのデータ種別３３６を判断する。そして、データ取得部３２ａは、同じグループに属するチャンネルに対してデータ取得タイミングを設定する。

ここで、データ取得部３２ａによって判断されたデータ種別３３６が「間接」の場合、リモートヘッドユニット２３２を経由するため、データ種別３３６が「直接」の場合、すなわちリモートヘッドユニット２３２を経由しない場合に比べて遅延が発生する。そこで、データ取得部３２ａは、データ種別３３６が「間接」および「直接」の違いによって発生する取得時間差を考慮し、それぞれのチャンネルに対してデータ取得タイミングを設定する。そして、データ取得部３２ａは、設定情報３３０の取得間隔３３４に規定された間隔に基づいてデータを取得し、取得したデータを、設定情報３３０ａに規定された記憶先３３５が示すデータ記憶部３５の記憶先に記憶する。つまり、設定情報３３０ａでは、同一グループに属するチャンネルには同じデータ取得タイミング３３３が設定されているが、データ種別３３６に応じて取得時間差を考慮してデータ取得タイミング３３３を補正した値を、各チャンネルに設定する。

実施の形態２では、設定情報３３０ａに、チャンネルが取得するデータがリモートヘッドユニット２３２を経由するのか否かを示すデータ種別３３６を設け、データ種別判別部３４の機能をデータ取得部３２ａに持たせた。データ取得部３２ａは、リモートヘッドユニット２３２を経由しないデータと、リモートヘッドユニット２３２を経由したデータと、の間の遅延を考慮して、計測ユニット２１，２３１または外部計測ユニット２２のそれぞれに対してデータ取得タイミングを設定する。これによっても、実施の形態１と同様の効果を得ることができる。

実施の形態３．
実施の形態３では、１つのチャンネルが複数のグループに属する場合を説明する。実施の形態３では、実施の形態２と同一の構成を有するデータ収集分析システム１ａを例に挙げて説明する。

図８は、実施の形態３による設定情報の一例を示す図である。設定情報３３０ｂは、実施の形態２の設定情報３３０ａと比較して、１つのチャンネル番号３３１のチャンネルに対して複数のグループ３３２を紐付けることができる。図８に示される設定情報３３０ｂの例では、チャンネル番号３３１が「４」、「７」であるチャンネルに対して複数のグループが設定されている。チャンネルに接続される計測ユニット２１，２３１または外部計測ユニット２２は、グループ３３２に関わらず共通であることから、データ種別３３６はそれぞれのグループ３３２で同じ設定値となる。また、取得間隔３３４についてもグループ３３２に関わらず同じ設定値となる。一方、データ取得タイミング３３３および記憶先３３５は、グループ３３２ごとに変更されるものであるため、グループ３３２ごとに設定される。なお、１つのチャンネルに属するグループ数は、特に限定されるものではない。また、その他の構成は、実施の形態１，２で説明したものと同様であるので、説明を省略する。

データ取得部３２ａは、１つのチャンネルが複数のグループ３３２に属する場合には、いずれかの１つのグループ３３２を特定し、特定したグループ３３２におけるデータ取得タイミング３３３でデータを取得する。データ取得部３２ａは、取得したデータを、特定したグループ３３２が示すデータ記憶部３５の記憶先３３５に記憶する。グループ３３２の特定では、データ取得部３２ａは、例えば、設定情報３３０ｂの上位のグループ３３２を特定することができる。さらに、１つのチャンネルに紐づけられる複数のグループ３３２においてデータ取得タイミング３３３が異なる場合には、データ取得部３２ａは、それぞれのグループ３３２のデータ取得タイミング３３３でデータを取得し、取得したデータをそれぞれのグループ３３２の記憶先３３５が示すデータ記憶部３５にグループ３３２と紐付けて記憶する。この場合にも、データ取得部３２ａは、データ種別３３６にしたがって、チャンネルごとにデータ取得タイミングを変更する。

なお、ここでは、実施の形態２のデータ収集分析システム１ａの場合に、１つのチャネルが複数のグループ３３２に紐づけられる場合を説明したが、実施の形態１のデータ収集分析システム１の場合も同様である。この場合には、図２の設定情報３３０で、１つのチャンネル番号３３１のチャンネルに対して複数のグループ３３２を紐づけることができる。そして、この設定情報３３０を参照して、データ取得部３２は、グループ３３２を選定し、計測ユニット２１，２３１および外部計測ユニット２２へのデータ取得タイミング３３３を設定する。

実施の形態３では、設定情報３３０ｂで、１つのチャネルを複数のグループ３３２に対応付けた。データ取得部３２ａは、設定情報３３０ｂを参照して、それぞれのグループ３３２のデータ取得タイミング３３３でデータを取得し、取得したデータをそれぞれのグループ３３２の記憶先３３５にグループ３３２と紐付けて記憶した。これによって、１つのチャンネルから複数のグループ３３２に属するデータを取得することができる。その結果、異なるグループ３３２で同じ設備機器から同じデータを取得する場合に、複数の検知器を設置する必要がなく、データを取得する検知器を複数のグループ３３２で共有することができる。つまり、チャンネルの物理的な有効活用が可能となるという効果を有する。

実施の形態４．
例えば、実施の形態１で、予測した取得時間差を用いてデータ種別判別部３４がデータの同期タイミングのずれを補正する場合、予測した取得時間差と実測した取得時間差との差異が０に近いことが望ましい。実施の形態４では、割り込みのタイミング等の影響に応じて変化する取得時間差を機械学習し、学習結果に基づいてデータの取得時刻を補正する場合を説明する。

実施の形態４では、ＰＬＣ３０のデータ種別判別部３４が、リモートヘッドユニット２３２を経由したデータおよびリモートヘッドユニット２３２を経由しないデータの実際の取得時刻を計測し、メモリ３０２に記憶する機能をさらに有する。また、ＣＰＵユニット４０のデータ分析部４１は、リモートヘッドユニット２３２を経由したデータおよびリモートヘッドユニット２３２を経由しないデータの取得時間差を予測する機能をさらに有する。データ分析部４１は、過去に取得したデータを用いて、最小二乗平均などの統計的手法を用いてリモートヘッドユニット２３２を経由したデータおよび経由しないデータの取得時間差を予測する。データ分析部４１は、予測したデータの取得時間差をデータ種別判別部３４に出力する。データ種別判別部３４は、予測したデータの取得時間差を用いて、リモートヘッドユニット２３２を経由したデータの取得時刻を補正する。

図９は、実施の形態４によるデータ収集分析システムにおけるＰＬＣの構成の一例を模式的に示すブロック図である。実施の形態４によるデータ取得部３２は、機械学習部９０を備える。機械学習部９０は、データ種別が「間接」および「直接」の違いによって発生する取得時間差を機械学習し、データ取得部３２は、機械学習部９０の学習結果に基づいてデータ取得タイミング３３３を設定する。機械学習部９０は、状態観測部９１と、学習部９２と、を備える。

状態観測部９１は、ＣＰＵユニット４０のデータ分析部４１から得られる、取得したデータがリモートヘッドユニット２３２を経由するか否かに対応する「間接」および「直接」の違いによって発生する取得時間差の予測値と、データ種別判別部３４から得られる「間接」および「直接」の違いによって発生する取得時間差の実測値と、設定情報記憶部３３の設定情報３３０から得られる割り込みタイミング等の関連情報と、を状態変数として観測する。以下では、取得時間差の予測値は、予測取得時間差と称され、取得時間差の実測値は、実測取得時間差と称される。割り込みタイミング等の関連情報は、リモートヘッドユニット２３２から割り込みによってデータが送信される際の割り込みタイミングなどのデータの同期のずれの原因となる情報である。一例では、割り込みタイミング等の関連情報は、設定情報３３０のデータ取得タイミング３３３である。

学習部９２は、予測取得時間差、実測取得時間差および割り込みのタイミング等の関連情報の状態変数に基づいて作成されるデータセットに従って、「間接」および「直接」の違いによって発生する取得時間差を埋める補正値を機械学習する。以下では、取得時間差を埋める補正値は、補正値と称される。

学習部９２が用いる学習アルゴリズムはどのようなものを用いてもよい。一例として、強化学習（Reinforcement Learning）を適用した場合について説明する。強化学習は、ある環境内におけるエージェント（行動主体）が、現在の状態を観測し、取るべき行動を決定する、というものである。エージェントは行動を選択することで環境から報酬を得て、一連の行動を通じて報酬が最も多く得られるような方策を学習する。強化学習の代表的な手法として、Ｑ学習（Q-learning）およびＴＤ学習（TD-learning）が知られている。例えば、Ｑ学習の場合、行動価値関数Ｑ（ｓ，ａ）の一般的な更新式（行動価値テーブル）は次式（１）で表される。

（１）式において、ｓ_tは時刻ｔにおける環境を表し、ａ_tは時刻ｔにおける行動を表す。行動ａ_tにより、環境はｓ_t+1に変わる。ｒ_t+1はその環境の変化によってもらえる報酬を表し、γは割引率を表し、αは学習係数を表す。なお、γは０＜γ≦１、αは０＜α≦１の範囲とする。Ｑ学習を適用した場合、予測取得時間差を算出することが行動ａ_tとなる。

（１）式で表される更新式は、時刻ｔ＋１における最良の行動ａの行動価値が、時刻ｔにおいて実行された行動ａの行動価値Ｑよりも大きければ、行動価値Ｑを大きくし、逆の場合は、行動価値Ｑを小さくする。換言すれば、時刻ｔにおける行動ａの行動価値Ｑを、時刻ｔ＋１における最良の行動価値に近づけるように、行動価値関数Ｑ（ｓ，ａ）を更新する。それにより、或る環境における最良の行動価値が、それ以前の環境における行動価値に順次伝播していくようになる。

学習部９２は、報酬計算部９２１と、関数更新部９２２と、をさらに備えている。

報酬計算部９２１は、状態変数に基づいて報酬を計算する。報酬計算部９２１は、予測取得時間差と実測取得時間差との差を算出し、算出された差と基準値との比較結果に基づいて、報酬ｒを計算する。例えば、ある割り込みタイミング等の関連情報に対する予測取得時間差を算出した結果、予測取得時間差と実測取得時間差との差が基準値以下となった場合において、報酬計算部９２１は、報酬ｒを増大させる（例えば「１」の報酬を与える）。他方、ある割り込みタイミング等の関連情報に対する予測取得時間差を算出した結果、予測取得時間差と実測取得時間差との差が基準値よりも大きくなった場合において、報酬計算部９２１は、報酬ｒを低減させる（例えば「−１」の報酬を与える）。なお、基準値は、予測取得時間差の算出において、実測取得時間差との比較において許容可能な誤差であるか否かを判断するための指標であって、予め設定される。

関数更新部９２２は、報酬計算部９２１によって計算される報酬に従って、割り込みのタイミング等の関連情報が入力されたとき、その状態に対して最適な補正値を決定するための関数を更新する。例えばＱ学習の場合、（１）式で表される行動価値関数Ｑ（ｓ_t，ａ_t）が、予測取得時間差を算出するための関数として用いられる。

データ種別判別部３４に割り込みのタイミング等の関連情報が入力されると、機械学習部９０で機械学習した結果を利用して、データ取得部３２は、データ種別判別部３４に最適な補正値を出力する。そして、データ種別判別部３４は、この補正値を用いて、リモートヘッドユニット２３２を介して取得したデータの取得時刻を補正する。

なお、実施の形態４では、学習部９２が用いる学習アルゴリズムに強化学習を適用した場合について説明したが、これに限られるものではない。学習アルゴリズムについては、強化学習以外にも、教師あり学習、教師なし学習、または半教師あり学習等を適用することも可能である。

また、上述した学習アルゴリズムとしては、特徴量そのものの抽出を学習する、深層学習（Deep Learning）を用いることもでき、他の公知の方法、例えばニューラルネットワーク、遺伝的プログラミング、機能論理プログラミング、サポートベクターマシンなどに従って機械学習を実行してもよい。

機械学習部９０である機械学習装置は、データ収集分析システム１の補正値を機械学習するために使用されるが、例えば、ネットワークを介してデータ収集分析システム１，１ａに接続されるように、データ収集分析システム１，１ａとは別個の装置であってもよい。また、機械学習装置は、データ収集分析システム１，１ａに内蔵されていてもよい。さらに、機械学習装置は、クラウドサーバ上に存在していてもよい。

機械学習装置がデータ収集分析システム１，１ａとは別個の装置であり、データ収集分析システム１，１ａの外部に設けられる場合には、データ種別判別部３４が、機械学習装置で機械学習した学習済みモデルまたは関数である学習結果を有していればよい。そして、データ種別判別部３４は、学習結果にデータの割り込みのタイミングに関連する情報が入力されると補正値を算出して、算出した補正値に基づいてリモートヘッドユニット２３２を介して収集されたデータの取得時刻を補正する。

また、学習部９２は、複数のデータ収集分析システム１，１ａに対して作成されるデータセットに従って、補正値を機械学習するようにしてもよい。なお、学習部９２は、同一の現場で使用される複数のデータ収集分析システム１，１ａからデータセットを取得してもよいし、或いは、異なる現場で独立して稼働する複数の設備機器２１０ａ，２１０ｂ，２１０ｃから収集されるデータセットを利用して補正値を機械学習してもよい。さらに、データセットを収集するデータ収集分析システム１，１ａを途中で対象に追加し、或いは、逆に対象から除去することも可能である。さらに、あるデータ収集分析システム１，１ａに関して補正値を機械学習した機械学習装置を、これとは別のデータ収集分析システム１，１ａに取り付け、当該別のデータ収集分析システム１，１ａに関して補正値を再学習して更新するようにしてもよい。

また、実施の形態４では、データ種別３３６が「間接」および「直接」の違いによって発生する取得時間差を埋める補正値を機械学習しているが、これに限定されるものではない。例えば、実施の形態３において、１つのチャンネルに複数のグループが属し、複数のグループ間でデータ取得タイミングが異なる場合に、同一グループの複数のチャンネルにおけるデータ取得タイミングのずれの補正値を機械学習するようにしてもよい。この場合、状態観測部９１は、同一グループに属する複数のチャンネル間の取得時間差の予測値である予測取得時間差、同一グループに属する複数のチャンネル間の取得時間差の実測値である実測取得時間差を状態変数として観測する。

機械学習部９０は、ＰＬＣ３０に設けられるものに限られない。機械学習部９０は、ＰＬＣ３０の外部の装置であってもよい。機械学習部９０は、ネットワークを介してＰＬＣ３０に接続可能な装置であってもよい。機械学習部９０は、クラウドサーバ上に存在する装置であってもよい。この場合、外部の機械学習装置での機械学習によって出力された補正値は、ＰＬＣ３０のデータ種別判別部３４に出力される。ＰＬＣ３０のデータ種別判別部３４は、機械学習装置から出力された補正値を使用することによって、リモートヘッドユニット２３２を介して取得したデータの取得時刻を補正することができる。

以上の実施の形態に示した構成は、一例を示すものであり、別の公知の技術と組み合わせることも可能であるし、実施の形態同士を組み合わせることも可能であるし、要旨を逸脱しない範囲で、構成の一部を省略、変更することも可能である。

１，１ａデータ収集分析システム、１０入力部、２０通信ユニット、２１，２３１計測ユニット、２２外部計測ユニット、２３ネットワークユニット、３０ＰＬＣ、３１動作設定部、３２，３２ａデータ取得部、３３設定情報記憶部、３４データ種別判別部、３５データ記憶部、４０ＣＰＵユニット、４１データ分析部、６０表示部、６１チャンネル設定部、６２グループ設定部、６３データ取得間隔設定部、６４データ表示部、６５アラーム表示部、７０バスライン、９０機械学習部、９１状態観測部、９２学習部、２００診断対象設備、２１０ａ，２１０ｂ，２１０ｃ設備機器、２２０ａ，２２０ｂ，２２０ｃ検知器、２３２リモートヘッドユニット、２５０ネットワーク、９２１報酬計算部、９２２関数更新部。

Claims

設備機器の内部状況または動作状況を示すデータを収集する通信部と、
前記設備機器から取得する前記データに対して割り当てられるチャンネルに対して、複数の前記チャンネルを統合するグループと、前記通信部から前記データを取得するタイミングであるデータ取得タイミングと、前記データの記憶先と、が設定された設定情報にしたがって、前記グループごとに前記通信部から同期した前記データを取得するデータ取得部と、
を備えることを特徴とするデータ収集分析システム。
前記データ取得部は、前記設定情報にしたがって、前記通信部に前記データ取得タイミングを設定し、前記グループごとに前記通信部から同期した前記データを取得することを特徴とする請求項１に記載のデータ収集分析システム。
前記データ取得部は、前記設定情報にしたがって、前記グループ間で前記データを取得した時刻を同期させることを特徴とする請求項１に記載のデータ収集分析システム。
前記設定情報には、同じ前記グループに属する前記チャンネルには、同じ前記データ取得タイミングと、同じ前記データの記憶先と、が設定されていることを特徴とする請求項１から３のいずれか１つに記載のデータ収集分析システム。
前記通信部は、配線を介して前記設備機器からの前記データを収集する機能と、前記設備機器からの前記データを前記通信部にネットワークを介して送信するリモート局を経由して前記設備機器からのデータを収集する機能と、を有し、
前記データが前記リモート局を経由して収集されたデータであるか否かを判別し、判別結果に応じて、前記データ取得タイミングで取得したデータのうち、前記リモート局を介して収集されたデータの取得時刻を補正するデータ種別判別部をさらに備えることを特徴とする請求項１，２および４のいずれか１つに記載のデータ収集分析システム。
前記通信部は、配線を介して前記設備機器からの前記データを収集する機能と、前記設備機器からの前記データを前記通信部にネットワークを介して送信するリモート局を経由して前記設備機器からのデータを収集する機能と、を有し、
前記設定情報には、前記チャンネルに対して、前記データが前記リモート局を経由したデータであるか否かを示すデータ種別がさらに設定され、
前記データ取得部は、前記設定情報の前記グループごとに前記データを取得する際に、前記設定情報の前記データ種別に応じて、前記グループに含まれる前記チャンネルでの前記データ取得タイミングを補正することを特徴とする請求項１から４のいずれか１つに記載のデータ収集分析システム。
前記データ取得部によって取得された前記データを前記グループごとに分析するデータ分析部と、
前記データ分析部による前記データの分析結果を前記グループごとに表示するデータ表示部と、
をさらに備えることを特徴とする請求項１から６のいずれか１つに記載のデータ収集分析システム。
前記設定情報では、前記チャンネルは、複数の前記グループに対応付け可能であることを特徴とする請求項１から７のいずれか１つに記載のデータ収集分析システム。
前記データ種別判別部は、前記データの割り込みのタイミングに関連する情報が入力されると、機械学習によって学習した学習結果を利用して、前記リモート局を介して収集されたデータの取得時刻を補正することを特徴とする請求項５に記載のデータ収集分析システム。
前記リモート局を経由しないで前記データを取得した時刻と前記リモート局を経由して前記データを取得した時刻との差である取得時間差の予測値および実測値と、前記リモート局からの前記データの割り込みのタイミングに関連する情報と、を状態変数として観測する状態観測部と、
前記状態変数に基づいて作成されるデータセットに従って、前記リモート局を経由した前記データの取得時刻を補正する補正値を機械学習する学習部と、
を備えることを特徴とする請求項９に記載のデータ収集分析システム。
配線を介して設備機器から収集される前記設備機器の内部状況または動作状況を示すデータと、前記設備機器からの前記データをデータ収集分析装置にネットワークを介して送信するリモート局を経由して前記設備機器から収集される前記データと、を同期して取得する前記データ収集分析装置で、前記リモート局を経由しないで前記データを取得した時刻と、前記リモート局を経由して前記データを取得した時刻と、の差である取得時間差の予測値を機械学習する機械学習装置であって、
前記取得時間差の予測値および実測値と、前記リモート局からの前記データの割り込みのタイミングに関連する情報と、を状態変数として観測する状態観測部と、
前記状態変数に基づいて作成されるデータセットに従って、前記リモート局を経由した前記データの取得時刻を補正する補正値を機械学習する学習部と、
を備えることを特徴とする機械学習装置。
前記学習部は、
前記データの割り込みのタイミングに関連する情報に対する前記取得時間差の予測値と前記取得時間差の実測値との差と、基準値との比較結果に基づいて報酬を計算する報酬計算部と、
前記報酬に基づいて、前記データの割り込みのタイミングに関連する情報に対する前記データの取得時刻を補正する前記補正値を決定するための関数を更新する関数更新部と、
を有することを特徴とする請求項１１に記載の機械学習装置。
設備機器から取得する前記設備機器の内部状況または動作状況を示すデータに対して割り当てられるチャンネルについて、複数の前記チャンネルを統合するグループと、データを取得する通信部から前記データを取得するタイミングであるデータ取得タイミングと、前記データの記憶先と、が設定された設定情報にしたがって、前記グループごとに前記通信部から同期した前記データを取得するデータ取得部と、
前記データ取得部によって取得された前記データを前記グループごとに分析するデータ分析部と、
を備えることを特徴とするデータ収集分析装置。
プログラマブルコントローラが、設備機器から取得する前記設備機器の内部状況または動作状況を示すデータに対して割り当てられるチャンネルに対して、複数の前記チャンネルを統合するグループと、データを取得する通信部から前記データを取得するタイミングであるデータ取得タイミングと、前記データの記憶先と、が設定された設定情報にしたがって、前記グループごとに前記通信部から同期した前記データを取得する工程と、
演算ユニットが、取得された前記データを前記グループごとに分析する工程と、
を含むことを特徴とするデータ収集分析方法。