KR102168736B1 - 비정상 검출 장치, 비정상 검출 시스템, 및 비정상 검출 방법 - Google Patents

비정상 검출 장치, 비정상 검출 시스템, 및 비정상 검출 방법 Download PDF

Info

Publication number
KR102168736B1
KR102168736B1 KR1020197037657A KR20197037657A KR102168736B1 KR 102168736 B1 KR102168736 B1 KR 102168736B1 KR 1020197037657 A KR1020197037657 A KR 1020197037657A KR 20197037657 A KR20197037657 A KR 20197037657A KR 102168736 B1 KR102168736 B1 KR 102168736B1
Authority
KR
South Korea
Prior art keywords
operation data
abnormality detection
facility
abnormality
abnormal
Prior art date
Application number
KR1020197037657A
Other languages
English (en)
Other versions
KR20200009077A (ko
Inventor
마사히코 시바타
겐고 시라키
다이키 나카하라
Original Assignee
미쓰비시덴키 가부시키가이샤
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 미쓰비시덴키 가부시키가이샤 filed Critical 미쓰비시덴키 가부시키가이샤
Publication of KR20200009077A publication Critical patent/KR20200009077A/ko
Application granted granted Critical
Publication of KR102168736B1 publication Critical patent/KR102168736B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
    • G05B23/0243—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults model based detection method, e.g. first-principles knowledge model
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/30—Monitoring
    • G06F11/3003—Monitoring arrangements specially adapted to the computing system or computing system component being monitored
    • G06F11/3013—Monitoring arrangements specially adapted to the computing system or computing system component being monitored where the computing system is an embedded system, i.e. a combination of hardware and software dedicated to perform a certain function in mobile devices, printers, automotive or aircraft systems
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
    • G05B19/4184—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by fault tolerance, reliability of production system
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
    • G05B23/0224—Process history based detection method, e.g. whereby history implies the availability of large amounts of data
    • G05B23/024—Quantitative history assessment, e.g. mathematical relationships between available data; Functions therefor; Principal component analysis [PCA]; Partial least square [PLS]; Statistical classifiers, e.g. Bayesian networks, linear regression or correlation analysis; Neural networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/30—Monitoring
    • G06F11/3055—Monitoring arrangements for monitoring the status of the computing system or of the computing system component, e.g. monitoring if the computing system is on, off, available, not available
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/30—Monitoring
    • G06F11/34—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment
    • G06F11/3447—Performance evaluation by modeling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/30—Monitoring
    • G06F11/34—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment
    • G06F11/3452—Performance evaluation by statistical analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Quality & Reliability (AREA)
  • Computing Systems (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Informatics (AREA)
  • Mathematical Physics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Computer Hardware Design (AREA)
  • Health & Medical Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Manufacturing & Machinery (AREA)
  • Probability & Statistics with Applications (AREA)
  • Testing And Monitoring For Control Systems (AREA)
  • Feedback Control In General (AREA)

Abstract

가동 상황이 정상(定常) 상태인 복수의 설비(11)의 이진 디지털 신호인 가동 데이터에 근거하여 설비(11)의 가동 상황을 판정하기 위한 정상(正常) 모델을 생성하는 모델 생성부(313)와, 정상(正常) 모델을 이용하여 설비(11)의 과거의 가동 데이터로부터 출력되는 가동 데이터의 기대치를 산출하는 기대치 산출부(315)와, 가동 데이터의 기대치와 가동 데이터의 실측치를 비교하고, 설비(11)의 가동 상황이 비정상(非定常) 상태인지 여부를 검출하는 비정상(非定常) 검출부(316)를 구비함으로써 이진 디지털 신호를 이용하는 설비의 가동 상황을 검출할 수 있는 비정상(非定常) 검출 장치(30)를 제공한다.

Description

비정상 검출 장치, 비정상 검출 시스템, 및 비정상 검출 방법
본 발명은, 팩토리 오토메이션(Factory Automation, 이하 FA) 시스템에 있어서 접속된 설비의 비정상(非定常) 상태를 검출하는 비정상(非定常) 검출 시스템에 관한 것이다.
종래, 제품의 생산 현장인 공장 등에 있어서 설비가 정상(正常)으로 가동되고 있는 상태인 정상(定常) 상태로부터 벗어나서 비정상(非定常) 상태가 되었을 때, 예컨대 생산 라인 정지 등의 경우에는, 생산 라인에 종사하고 있는 설비의 보전원(maintenance worker)이 트러블의 요인을 특정하고, 부품 교환 등의 대처를 행하여 이상을 해소하고, 설비의 가동 상황을 비정상(非定常) 상태로부터 정상(定常) 상태로 복귀시킨다.
그러나, FA 시스템의 도입 등 공장의 설비가 복잡해짐에 따라, 보전원에게 요구되는 지식과 노하우는 매우 많아져, 경험이 부족한 보전원에게는 비정상(非定常) 상태가 된 요인의 특정이 곤란한 경우가 많이 있다. 또한, 비정상(非定常) 상태가 된 요인을 완전히 특정하기 위한 설정이나 프로그램의 작성은, 공정의 수가 방대해져 현실적이지 않다.
상술한 문제를 해결하기 위해 특허문헌 1에서는, 시스템 중의 복수의 센서로부터 취득한 정상(定常) 상태 때의 시계열의 센서 데이터로부터 구하여진 시스템의 가동 상황이 정상(定常) 상태인 것을 나타내는 경험적 추이 확률 행렬과, 최신의 소정의 기간 축적한 시계열의 센서 데이터로부터 구하여진 현재의 추이 확률 행렬의 차분인 편차 행렬을 이용하여 시스템의 가동 상황을 검출하는 시스템의 감시 방법이 제안되어 있다.
특허문헌 1 : 일본 특허 공개 2002-215231호 공보(도 3, 도 4, 도 5)
특허문헌 1의 가동 상황을 검출하는 방법에서는, 다중 값의 센서 데이터에 대하여 다루고 있다. 그렇지만, FA 분야에서 많이 이용되는, 센서의 ON과 OFF 등을 표현하는 이진 디지털 신호는 다중 값의 신호와는 특성이 상이하기 때문에, 이진 디지털 신호를 이용하는 설비의 가동 상황을 검출하는 경우에는, 특허문헌 1의 감시 방법과 같이 다중 값의 신호를 대상으로 하는 방법의 적용이 어렵다고 하는 문제가 있었다.
본 발명은 상술한 문제를 해결하기 위해 이루어진 것으로, 이진 디지털 신호를 이용하는 설비의 가동 상황을 검출할 수 있는 비정상(非定常) 검출 장치를 실현하는 것을 목적으로 한다.
상술한 과제를 해결하고, 목적을 달성하기 위해, 본 발명의 비정상(非定常) 검출 장치는, 가동 상황이 정상(定常) 상태인 복수의 설비의 이진 디지털 신호인 가동 데이터에 근거하여 설비의 가동 상황을 판정하기 위한 정상(正常) 모델을 생성하는 모델 생성부와, 정상(正常) 모델을 이용하여 설비의 과거의 가동 데이터로부터 출력되는 가동 데이터의 기대치를 산출하는 기대치 산출부와, 가동 데이터의 기대치와 가동 데이터의 실측치를 비교하고, 설비의 가동 상황이 비정상(非定常) 상태인지 여부를 검출하는 비정상(非定常) 검출부를 구비하는 것이다.
본 발명에 따른 비정상(非定常) 검출 장치에 의하면, 상술한 구성을 구비하기 때문에, 이진 디지털 신호를 이용하는 설비의 가동 상황을 검출할 수 있다.
도 1은 본 발명의 실시의 형태 1에 있어서의 비정상(非定常) 검출 시스템의 일례를 나타내는 구성도이다.
도 2는 본 발명의 실시의 형태 1에 있어서의 비정상(非定常) 검출 장치의 일례를 나타내는 구조도이다.
도 3은 본 발명의 실시의 형태 1에 있어서의 제어 장치의 기능 구성의 일례를 나타내는 구성도이다.
도 4는 본 발명의 실시의 형태 1에 있어서의 정상(正常) 모델 생성 처리를 실행하기 위한 기능 구성의 일례를 나타내는 구성도이다.
도 5는 본 발명의 실시의 형태 1에 있어서의 수집 데이터베이스의 일례를 나타내는 데이터베이스 구성도이다.
도 6은 본 발명의 실시의 형태 1에 있어서의 정상(正常) 모델 생성 처리의 흐름의 일례를 나타내는 플로차트이다.
도 7은 본 발명의 실시의 형태 1에 있어서의 비정상(非定常) 검출 처리를 실행하기 위한 기능 구성의 일례를 나타내는 구성도이다.
도 8은 본 발명의 실시의 형태 1에 있어서의 가동 데이터의 기대치와 실측치의 차분치와 이상도(異常度)의 관계를 나타낸 설명도이다.
도 9는 본 발명의 실시의 형태 1에 있어서의 표시 장치의 표시 화면의 일례를 나타내는 설명도이다.
도 10은 본 발명의 실시의 형태 1에 있어서의 비정상(非定常) 검출 처리의 흐름의 일례를 나타내는 플로차트이다.
도 11은 본 발명의 실시의 형태 1에 있어서의 이상도의 산출 처리의 흐름의 일례를 나타내는 플로차트이다.
도 12는 본 발명의 실시의 형태 2에 있어서의 비정상(非定常) 검출 처리를 실행하기 위한 기능 구성의 일례를 나타내는 구성도이다.
도 13은 본 발명의 실시의 형태 2에 있어서의 표시 장치의 비정상(非定常) 상태를 나타내는 표시 화면의 일례를 나타내는 설명도이다.
도 14는 본 발명의 실시의 형태 2에 있어서의 비정상(非定常) 검출 처리의 흐름의 일례를 나타내는 플로차트이다.
이하에, 본 발명에 따른 비정상 검출 장치의 실시의 형태를 도면에 근거하여 상세하게 설명한다. 이하에서 참조하는 도면에 있어서는, 동일한 또는 상당하는 부분에 동일한 부호를 부여하고 있다. 또, 이 실시의 형태에 의해 본 발명이 한정되는 것이 아니다.
실시의 형태 1.
도 1은 본 발명의 실시의 형태 1에 있어서의 비정상(非定常) 검출 시스템의 일례를 나타내는 구성도이다. 도 1에 나타내는 바와 같이, 비정상(非定常) 검출 시스템(100)은, 5개의 설비(11)(11a~11e)로 구성되는 공장 라인(10), 수집 데이터 서버(20), 비정상(非定常) 검출 장치(30), 네트워크(40)를 구비하고 있다.
설비(11)는, 예컨대, 사출 성형기, 압출 성형기, 선반, 및 연삭반 등의 가공 장치, 혹은 서보 앰프 및 PLC(Programmable Logic Controller) 등의 제어 장치이고, 스위치, 릴레이, 센서, 혹은 디지털 회로 등의 이진 디지털 신호를 출력하는 구성 부품을 구비하고, 이진 디지털 신호로 제어되는 설비이다.
수집 데이터 서버(20)는, 기억부를 구비하고, 접속하는 공장 라인(10)의 5개의 설비(11)로부터 스위치 혹은 릴레이의 개폐 정보, 센서의 검지 정보, 및 디지털 회로의 출력치 등의 가동 데이터를 이진 디지털 신호로서 취득하고, 기억부에 축적한다. 또, 가동 데이터는 각 설비(11)를 구성하는 이진 디지털 신호를 출력하는 구성 부품마다 구별되는 데이터이고, 1개의 설비(11)에 복수 종류의 가동 데이터가 있더라도 좋다.
비정상(非定常) 검출 장치(30)는, 수집 데이터 서버(20)로부터 설비(11)의 가동 데이터인 이진 디지털 신호를 취득하고, 취득한 이진 디지털 신호에 근거하여 설비(11)의 가동 상황이 비정상(非定常) 상태인지 여부를 검출한다. 여기서, 설비(11)가 정상(正常)으로 가동하고 있는 상태를 설비(11)의 가동 상황이 정상(定常) 상태라고 하고, 설비(11)가 정상(正常) 상태로부터 벗어나 있는 가동 상황인 것을 비정상(非定常) 상태라고 한다. 또, 비정상(非定常) 검출 장치(30)에 있어서의 비정상(非定常) 검출 방법의 상세는 후술한다.
네트워크(40)는, 공장 라인(10)과 수집 데이터 서버(20), 및 수집 데이터 서버(20)와 비정상(非定常) 검출 장치(30)를 접속하는 네트워크이고, 예컨대, 동축 케이블 혹은 광 케이블 등의 전송선으로 구성되는 유선 네트워크, 혹은 Wi-Fi(등록상표) 등의 무선 LAN으로 구성되는 무선 네트워크이다. 네트워크를 통해서 접속된 장치는, 서로 데이터의 송수신을 행할 수 있다.
도 2는 본 발명의 실시의 형태 1에 있어서의 비정상(非定常) 검출 장치의 일례를 나타내는 구조도이다. 도 2에 나타내는 바와 같이, 비정상(非定常) 검출 장치(30)는, 제어 장치(31), 스토리지(32), 메모리(33), 표시 장치(34), 입력 장치(35), 통신 장치(36), 및 버스(37)를 구비하고 있다.
제어 장치(31)는, 비정상(非定常) 검출 장치(30)를 제어하는 장치이고, 스토리지(32), 메모리(33), 표시 장치(34), 입력 장치(35), 및 통신 장치(36)를 제어하여 설비(11)의 가동 상황이 비정상(非定常) 상태인지 여부를 검출한다. 또, 제어 장치(31)가 설비(11)의 비정상(非定常) 상태를 검출하는 방법의 상세는 후술한다. 제어 장치(31)는, CPU(Central Processing Unit) 등의 프로세서이더라도, FPGA(Field Programmable Gate Array), 혹은 LSI(Large Scale Integration) 등의 1개의 집적 회로이더라도, 혹은 그들의 조합이더라도 좋다.
스토리지(32)는, 제어 장치(31)가 실행하는 각종 프로그램, 제어 장치(31)가 각 프로그램을 실행할 때에 참조하는 데이터, 및 제어 장치(31)가 각 프로그램을 실행한 결과로서 생성되는 데이터 등이 기억되는 기억 장치이다. 본 발명의 실시의 형태 1에서는, 프로그램으로서 제어 장치(31)가 설비(11)의 가동 상황을 판정하기 위한 정상(正常) 모델을 생성하는 정상(正常) 모델 생성 프로그램(321)과, 제어 장치(31)가 설비(11)의 가동 상황이 비정상(非定常) 상태인지를 검출하는 비정상(非定常) 검출 프로그램(322)이 기억되어 있다. 스토리지(32)는, 예컨대 플래시 메모리, ROM(Read Only Memory), 자기 디스크, 혹은 광 디스크 등의 비휘발성 메모리를 이용하면 된다.
메모리(33)는, 제어 장치(31)가 프로그램의 처리를 실행할 때에 직접 액세스하는 기억 장치이고, 스토리지(32)에 기억된 각종 프로그램과 데이터가 카피되어 일시적으로 기억된다. 메모리(33)는, 예컨대 RAM(Random Access Memory) 등의 휘발성 메모리를 이용하면 된다.
표시 장치(34)는, 제어 장치(31)로부터의 지시에 의해 화상 혹은 동영상을 표시하는 장치이다. 표시 장치(34)는, 예컨대 액정 디스플레이(liquid crystal display) 혹은 유기 EL 디스플레이(organic electroluminescence display)이다.
입력 장치(35)는, 유저로부터의 입력을 접수하는 장치이고, 예컨대 키보드, 마우스, 혹은 터치 패드 등이다.
또, 표시 장치(34)와 입력 장치(35)를 별체로서 설명하고 있지만, 표시 장치(34)와 입력 장치(35)는 별체인 것으로 한정되지 않고, 표시 장치(34)와 입력 장치(35)가 일체가 된 장치, 예컨대 터치 패널이더라도 좋다.
통신 장치(36)는, 데이터를 수신하는 수신기와 데이터를 송신하는 송신기를 구비하고, 외부와 통신하는 장치이고, 제어 장치(31)는 통신 장치(36)를 통해서 수집 데이터 서버(20)로부터 설비(11)의 가동 데이터를 취득한다. 통신 장치(36)는, 예컨대 통신 칩 혹은 NIC(Network Interface Card)이다.
버스(37)는, 제어 장치(31), 스토리지(32), 메모리(33), 표시 장치(34), 입력 장치(35), 및 통신 장치(36) 사이에서 서로 데이터의 송수신을 가능하게 하는 데이터 전송로이고, 예컨대, PCI(Peripheral Component Interconnect) 버스 혹은 PCI Express(등록상표) 등이다.
다음으로, 제어 장치(31)가 설비(11)의 비정상(非定常) 상태를 검출하는 방법에 대하여 설명한다. 여기서, 설비(11)의 비정상(非定常) 상태를 검출하기 위해, 제어 장치(31)는, 2개의 처리를 행한다. 하나는 정상(正常) 모델 생성 처리이고, 다른 하나는 비정상(非定常) 검출 처리이다. 정상(正常) 모델 생성 처리에서는, 설비(11)가 정상(正常)으로 가동되고 있는 때인 정상(定常) 상태 중에 있어서의 설비(11)의 가동 데이터에 근거하여 설비(11)의 가동 상황을 판정하기 위한 정상(正常) 모델을 생성한다. 비정상(非定常) 검출 처리에서는, 생성된 정상(正常) 모델(이 나타내는 가동 데이터의 기대치)과 설비(11)의 (지금 현재의 실제의) 가동 데이터를 비교하는 것에 의해 설비(11)의 가동 상황이 비정상(非定常) 상태인지 여부를 판정한다. 또, 각각의 처리는 스토리지(32)에 기억되어 있는 정상(正常) 모델 생성 프로그램(321)과 비정상(非定常) 검출 프로그램(322)을 제어 장치(31)가 실행하는 것에 의해 실행된다.
도 3은 본 발명의 실시의 형태 1에 있어서의 제어 장치의 기능 구성의 일례를 나타내는 구성도이다. 도 3에서는, 제어 장치(31)에 의해 실행되는 정상(正常) 모델 생성 프로그램(321)과 비정상(非定常) 검출 프로그램(322)의 각 기능이 기능 블록으로 나타나 있다. 정상(正常) 모델 생성 프로그램(321)의 실행 때에 있어서, 제어 장치(31)는 통신 제어부(311), 데이터 양 판정부(312), 및 모델 생성부(313)를 갖는다. 또한, 비정상(非定常) 검출 프로그램(322)의 실행 때에 있어서, 제어 장치(31)는 통신 제어부(314), 기대치 산출부(315), 비정상(非定常) 검출부(316), 및 표시 제어부(317)를 갖는다. 또, 제어 장치(31)의 기능 블록인 통신 제어부(311), 데이터 판정부(312), 모델 생성부(313), 통신 제어부(314), 기대치 산출부(315), 비정상(非定常) 검출부(316), 및 표시 제어부(317)의 상세는 후술한다.
우선, 정상(正常) 모델 생성 처리에 대하여 설명한다. 정상(正常) 모델 생성 처리는, 비정상(非定常) 검출 시스템(100)의 도입 때, 비정상(非定常) 검출 시스템(100)의 공장 라인(10)에 새로운 설비(11)가 추가되었을 때, 혹은 기존의 설비(11)의 제어 조건의 변경 때 등 설비(11)의 가동 상황이 정상(定常) 상태이고, 또한 정상(正常) 모델의 생성이 필요하게 되는 경우에 실행된다.
도 4는 본 발명의 실시의 형태 1에 있어서의 정상(正常) 모델 생성 처리를 실행하기 위한 기능 구성의 일례를 나타내는 구성도이다. 도 4에서는, 제어 장치(31)에 의해 실행되는 정상(正常) 모델 생성 프로그램(321)의 각 기능이 기능 블록으로 나타나고, 호출 관계가 실선 화살표로 나타나고, 그리고 데이터의 흐름이 파선의 화살표로 나타나 있다.
도 4에 나타내는 바와 같이, 제어 장치(31)는 통신 제어부(311), 데이터 판정부(312), 및 모델 생성부(313)를 갖는다. 또한, 도 4에는 설명을 위해 스토리지(32), 메모리(33), 및 통신 장치(36)를 도시하고 있고, 스토리지(32)는 제어 장치(31)가 정상(正常) 모델 생성 처리를 실행하는 과정에서 생성되는 데이터베이스인 정상(正常) 데이터베이스(332)를, 메모리(33)는 제어 장치(31)가 정상(正常) 모델 생성 처리를 실행하는 과정에서 생성되는 데이터베이스인 수집 데이터베이스(331)와 정상(正常) 데이터베이스(332)를 갖고 있다.
통신 제어부(311)는, 통신 장치(36)를 통해서 수집 데이터 서버(20)로부터 이진 디지털 데이터인 설비(11)의 가동 데이터를 취득하고, 취득한 가동 데이터를 메모리(33)에 수집 데이터베이스(331)로서 기억한다. 여기서, 수집 데이터베이스(331)에 있어서, 설비(11)의 가동 데이터는 시계열의 이진 디지털 신호로서 기억된다. 또, 통신 제어부(311)에 있어서의 일련의 가동 데이터의 처리는, 취득하는 대상이 되는 설비(11)의 가동 데이터가 수집 데이터 서버(20)에 추가될 때마다 실행되는 것으로 하더라도, 일정 기간마다 정기적으로 실행되는 것으로 하더라도 좋다.
도 5는 본 발명의 실시의 형태 1에 있어서의 수집 데이터베이스의 일례를 나타내는 데이터베이스 구성도이다. 도 5에 나타내는 바와 같이, 수집 데이터베이스(331)에 있어서, 각 설비(11)에는 가동 데이터로서 신호 1과 신호 2의 2종류가 있고, 신호 1과 신호 2의 신호치는, 설비(11)마다 시각 정보와 관련지어 기억되어 있다. 또, 도 5에 있어서, 각 설비(11)의 가동 데이터를 신호 1과 신호 2의 2종류로 하고 있지만, 가동 데이터는 2종류로 한정되는 일 없이, 1종류이더라도 3종류 이상이더라도 좋다. 또한, 도 5에 있어서, 가동 데이터는 신호의 명칭과 관련지어 기억되어 있지만, 기억되는 것은 신호의 명칭만으로 한정되지 않고, 스위치, 릴레이, 혹은 센서 등의 신호를 출력하고 있는 설비(11)의 구성 부품의 명칭 혹은 유저가 입력 장치(35)를 통해서 입력한 유저 지정의 명칭이더라도 좋다.
도 4로 돌아가서, 데이터 판정부(312)는, 메모리(33)의 수집 데이터베이스(331)에 기억된 가동 데이터가 필요량인지 여부를 판정한다. 데이터 판정부(312)가 필요량을 판정하는 방법으로서는, 예컨대 데이터 판정부(312)가 수집 데이터베이스(331)에 기억된 데이터의 양을 측정하고, 임계치 이상이면 필요량이라고 판정하는 방법, 혹은 수집 데이터베이스(331)에 기억을 개시한 시각으로부터 시간을 측정하고, 측정 시간이 일정 기간을 넘으면 필요량이라고 판정하는 방법 등 임의의 방법이더라도 좋다. 또, 수집 데이터베이스(331)에 기억된 데이터의 필요량은, 설비(11)에 의해 구성되는 공장 라인(10)에 따라 상이하고, 수 시간으로부터 수 주 정도 수집한 데이터의 양에 상당한다.
모델 생성부(313)는, 데이터 판정부(312)로부터 수집 데이터베이스(331)에 기억된 데이터가 필요량이라는 판정 결과를 취득한 경우, 수집 데이터베이스(331)로부터 가동 데이터인 시계열의 이진 디지털 신호를 취득하고, 취득한 시계열의 이진 디지털 신호로부터 정상(正常) 모델을 생성한다. 모델 생성부(313)는, 가동 데이터마다 취득한 시계열의 이진 디지털 신호를 해당하는 가동 데이터의 시계열의 정상(正常)의 신호 패턴으로서 기계 학습하고, 다음에 출력될 가동 데이터의 신호의 기대치를 산출하는 정상(正常) 모델이 되는 학습 모델을 생성한다. 모델 생성부(313)에 있어서의 기계 학습의 수법으로서는, 시계열 데이터를 다룰 수 있는 기계 학습 수법, 예컨대, 참고 특허문헌(일본 특허 공개 2012-48405호 공보)에 나타내는 은닉 마르코프 모델, 타임 딜레이 뉴럴 네트워크(Time Delay Neural Network), 혹은 리커런트 뉴럴 네트워크(Recurrent Neural Network) 등을 이용하면 된다.
또, 각 설비(11)는 공장 라인(10)을 구성하고 있고, 예컨대, 설비(11a)의 전원이 OFF가 되면 설비(11b)의 전원이 ON이 되는 등, 각 설비(11)의 가동 상황은 다른 설비(11)의 가동 상황에 영향을 주게 된다. 또한, 예컨대, 설비(11a)의 신호 1이 OFF가 되면 설비(11a)의 신호 2도 OFF가 되는 등, 설비(11)의 각 구성 부품의 가동 상황도 다른 구성 부품의 가동 상황에 영향을 주게 된다. 이와 같이, 설비(11)끼리 또한 설비(11)의 각 구성 부품끼리의 가동 상황이 서로 영향을 주는 것에 의해, 설비(11)의 각 구성 부품의 가동 상황이 결정되게 된다. 따라서, 각 구성 부품의 가동 상황을 나타낸 시계열의 가동 데이터에 공장 라인(10)의 가동 상황이 반영되게 되고, 모델 생성부(313)는 각 가동 데이터의 정상(正常)의 신호 패턴을 기계 학습함으로써 적절한 정상(正常) 모델을 생성할 수 있다.
또, 모델 생성부(313)가 가동 데이터마다 개별적으로 기계 학습하여 정상(正常) 모델을 생성하는 방법을 설명하고 있지만, 정상(正常) 모델을 생성하는 방법은 모델 생성부(313)가 가동 데이터마다 개별적으로 기계 학습하여 생성하는 방법으로 한정되지 않고, 모델 생성부(313)가 설비(11)마다, 혹은 공장 라인(10)마다의 가동 데이터를 관련지어 기계 학습하여 정상(正常) 모델을 생성하더라도 좋다. 모델 생성부(313)가 설비(11)마다, 혹은 공장 라인(10)마다의 가동 데이터를 관련지어 생성한 정상(正常) 모델에서는, 설비(11)마다, 혹은 공장 라인(10)마다 가동 데이터의 기대치를 일괄하여 산출할 수 있다.
여기서, 종래의 학습 모델에서는, 설비(11)로부터 다음에 출력될 가동 데이터의 신호치가, 실측치로서 취할 수 있는 이진 디지털 신호치, 0 혹은 1 중 어느 것인지를 구하게 되지만, 본 발명의 실시의 형태 1에 있어서의 정상(正常) 모델에서는, 실측치가 취할 수 있는 기대치를 구하게 된다. 본 발명의 실시의 형태 1과 같이 기대치를 구함으로써, 종래의 학습 모델과는 달리, 설비(11)로부터 다음에 출력될 가동 데이터의 신호치가 실측치로서는 취할 수 없는, 0 혹은 1 이외의 값이 되는 일이 있고, 이진 디지털 신호인 가동 데이터를 가상적으로 삼진 이상의 데이터로서 다룰 수 있어, 후술하는 제어 장치(31)에서의 비정상(非定常) 검출 처리에 있어서 세세한 처리를 실행할 수 있다.
또한, 모델 생성부(313)는, 생성한 정상(正常) 모델 및 정상(正常) 모델을 결정하는 파라미터, 예컨대 리커런트 뉴럴 네트워크의 경우, 중간층의 수, 가중치, 혹은 바이어스 값 등을 메모리(33)에 정상(正常) 데이터베이스(332)로서 기억한다.
또, 메모리(33) 내의 정상(正常) 데이터베이스(332)는, 정상(正常) 모델 생성 처리 종료 후 혹은 비정상(非定常) 검출 장치(30)의 전원 절단 때에 스토리지(32)에 카피되어 기억된다.
다음으로, 제어 장치(31)의 정상(正常) 모델 생성 처리의 흐름에 대하여 설명한다. 도 6은 본 발명의 실시의 형태 1에 있어서의 정상(正常) 모델 생성 처리의 흐름의 일례를 나타내는 플로차트이다.
우선, 유저가 정상(正常) 모델 생성 처리의 개시를 요구하거나, 혹은 제어 장치(31)가 자동으로 정상(正常) 모델 생성 처리의 개시를 요구함으로써 처리를 개시한다. 유저가 처리의 개시를 요구하는 방법으로서는, 예컨대 비정상(非定常) 검출 장치(30)가 입력 장치(35)로서 정상(正常) 모델 생성 처리의 개시 버튼을 구비하고, 유저가 해당하는 버튼을 누르는 방법, 혹은 비정상(非定常) 검출 장치(30)가 표시 장치(34)에 표시되는 화면 안에 입력 장치(35)로서 정상(正常) 모델 생성 처리의 개시 버튼을 갖고, 유저가 해당하는 버튼을 선택하는 방법 등 임의의 방법이더라도 좋다. 제어 장치(31)가 자동으로 처리의 개시를 요구하는 방법으로서는, 비정상(非定常) 검출 시스템(100)의 도입 때, 비정상(非定常) 검출 시스템(100)의 공장 라인(10)에 새로운 설비(11)가 추가되었을 때, 혹은 기존의 설비(11)의 제어 조건의 변경 때 등에 처리를 개시하는 방법 등 임의의 방법이더라도 좋다.
스텝 S101에서는, 통신 제어부(311)가 통신 장치(36)를 통해서 수집 데이터 서버(20)로부터 설비(11)의 가동 데이터를 취득한다.
스텝 S102에서는, 통신 제어부(311)가 스텝 S101에서 취득한 설비(11)의 가동 데이터를 메모리(33)의 수집 데이터베이스(331)에 기억한다. 스텝 S101과 스텝 S102에 의해, 통신 제어부(311)는, 수집 데이터 서버(20)의 설비(11)의 가동 데이터를 수집 데이터베이스(331)에 카피한다.
다음으로, 스텝 S103에서는, 데이터 판정부(312)가 메모리(33)의 수집 데이터베이스(331)에 기억된 가동 데이터가 필요량인지를 판정하고, 스텝 S104로 이행한다.
스텝 S104에서는, 데이터 판정부(312)가 스텝 S103에서의 판정 결과에 따라, 가동 데이터가 필요량이 아닌 경우(아니오)이면 스텝 S101로 이행하고, 가동 데이터가 필요한 경우(예)이면, 스텝 S105로 이행한다.
스텝 S105에서는, 모델 생성부(313)가 수집 데이터베이스(331)에 기억된 설비(11)의 가동 데이터로부터 정상(正常) 모델을 생성한다.
스텝 S106에서는, 모델 생성부(313)가 스텝 S105에서의 생성 결과인 생성 모델 및 생성 모델을 결정하는 파라미터를 메모리(33)의 정상(正常) 데이터베이스(332)에 기억하고, 그 후 처리를 종료한다. 또, 메모리(33) 내의 정상(正常) 데이터베이스(332)는, 정상(正常) 모델 생성 처리 종료 후 혹은 비정상(非定常) 검출 장치(30)의 전원 절단 때에 스토리지(32)에 카피되어 기억된다.
다음으로, 비정상(非定常) 검출 처리에 대하여 설명한다. 비정상(非定常) 검출 처리는, 제어 장치(31)에서의 정상(正常) 모델 생성 후, 비정상(非定常) 검출 시스템(100)의 공장 라인(10)에 새로운 설비(11)가 추가되었을 때, 혹은 기존의 설비(11)의 제어 조건의 변경 때 등 새롭게 정상(正常) 모델의 생성이 필요하게 되는 경우를 제외하고 비정상(非定常) 검출 장치(30)가 가동 중이면 원칙적으로 항상 실행된다.
도 7은 본 발명의 실시의 형태 1에 있어서의 비정상(非定常) 검출 처리를 실행하기 위한 기능 구성의 일례를 나타내는 구성도이다. 도 7에서는, 제어 장치(31)에 의해 실행되는 비정상(非定常) 검출 프로그램(322)의 각 기능이 기능 블록으로 나타나고, 호출 관계가 실선 화살표로 나타나고, 그리고 데이터의 흐름이 파선의 화살표로 나타나 있다.
도 7에 나타내는 바와 같이, 제어 장치(31)는 통신 제어부(314), 기대치 산출부(315), 비정상(非定常) 검출부(316), 및 표시 제어부(317)를 갖는다. 또한, 도 7에는 설명을 위해 스토리지(32), 메모리(33), 표시 장치(34), 및 통신 장치(36)를 도시하고 있고, 메모리(33)는 제어 장치(31)가 정상(正常) 모델 생성 처리를 실행한 과정에서 생성된 데이터베이스인 수집 데이터베이스(331)를 갖고, 스토리지(32) 및 메모리(33)는 제어 장치(31)가 정상(正常) 모델 생성 처리를 실행한 것에 의해 생성된 정상(正常) 데이터베이스(332)를 갖고 있다.
통신 제어부(314)는, 정상(正常) 모델 생성 처리에 있어서의 통신 제어부(311)와 마찬가지로 통신 장치(36)를 통해서 수집 데이터 서버(20)로부터 이진 디지털 데이터인 설비(11)의 가동 데이터를 취득하고, 취득한 가동 데이터를 메모리(33)의 수집 데이터베이스(331)에 기억한다. 여기서, 통신 제어부(314)가 취득하는 설비(11)의 가동 데이터는 정상(正常) 모델 생성 처리에 있어서의 통신 제어부(311)와 달리 현재의 설비(11)의 가동 데이터의 실측치뿐만 아니라, 정상(正常) 모델을 이용하여 출력되는 신호의 기대치를 산출하기 위해 필요한 과거의 설비(11)의 가동 데이터도 취득한다.
또, 통신 제어부(314)가 취득하는 과거의 설비(11)의 가동 데이터의 양은 신호의 기대치의 산출에 이용되는 정상(正常) 모델에 따라 상이하게 된다. 또한, 통신 제어부(314)에 있어서의 현재의 설비(11)의 가동 데이터를 취득하는 처리는, 취득하는 대상이 되는 설비(11)의 가동 데이터가 수집 데이터 서버(20)에 추가될 때마다 실행되는 것으로 하더라도, 일정 기간마다 정기적으로 실행되는 것으로 하더라도 좋다.
기대치 산출부(315)는, 메모리(33)의 수집 데이터베이스(331)로부터 과거의 설비(11)의 가동 데이터를 취득하고, 정상(正常) 데이터베이스(332)로부터 정상(正常) 모델을 취득하고, 취득한 가동 데이터와 정상(正常) 모델에 근거하여 설비(11)로부터 다음에 출력될 가동 데이터인 신호치의 기대치를 산출한다. 또, 메모리(33)의 정상(正常) 데이터베이스(332)는 제어 장치(31)에서 비정상(非定常) 검출 처리를 개시할 때에, 스토리지(32)로부터 메모리(33)에 카피되어 기억된다.
여기서, 설비(11)의 가동 데이터는 이진 디지털 신호이지만, 정상(正常) 모델은 이진 신호치의 기대치를 산출하는 학습 모델이기 때문에, 기대치 산출부(315)가 산출하는 가동 데이터의 기대치는 0과 1뿐만 아니라, 0으로부터 1의 사이, 예컨대 0.03, 0.50, 및 0.99 등의 소수가 되는 일이 있다.
또, 가동 데이터는 이진 디지털 신호이기 때문에, 수식 1에서 나타내는 바와 같이 가동 데이터의 기대치는 가동 데이터의 실측치가 1이 될 확률(P1)로 간주할 수 있다. 또한, 1로부터 확률 P1을 뺀 값(1-P1)은 가동 데이터의 신호치가 0이 될 확률(P0)이 된다.
[수학식 1]
기대치=0×P0+1×P1=P1 (수식 1)
P0 : 가동 데이터의 신호치가 0인 경우의 확률
P1 : 가동 데이터의 신호치가 1인 경우의 확률
비정상(非定常) 검출부(316)는, 기대치 산출부(315)가 산출한 가동 데이터의 기대치를 취득하고, 수집 데이터베이스(331)로부터 설비(11)의 가동 데이터인 실측치를 취득하고, 취득한 기대치와 실측치를 비교하여 설비(11)의 이상도를 산출한다. 그 후, 비정상(非定常) 검출부(316)는, 산출한 이상도를 기초로 설비(11)가 비정상(非定常) 상태인지 여부를 검출한다. 이하에 비정상(非定常) 검출부(316)의 구체적인 처리를 설명한다.
우선, 비정상(非定常) 검출부(316)는, 개개의 가동 데이터의 이상도를 산출한다. 비정상(非定常) 검출부(316)가 취득한 가동 데이터의 실측치가 1인 경우, 비정상(非定常) 검출부(316)는 가동 데이터의 실측치가 1이 될 확률 P1의 자연로그에 마이너스를 붙인 값(-ln(P1))을 이상도로 한다.
한편, 비정상(非定常) 검출부(316)가 취득한 가동 데이터의 실측치가 0인 경우, 비정상(非定常) 검출부(316)는 가동 데이터의 실측치가 0이 될 확률 1-P1의 자연로그에 마이너스를 붙인 값(-ln(1-P1))을 이상도로 한다.
도 8은 본 발명의 실시의 형태 1에 있어서의 가동 데이터의 기대치와 실측치의 차분치와 이상도의 관계를 나타낸 설명도이다.
도 8에 나타내는 바와 같이, 가동 데이터의 기대치와 실측치의 차분치, 다시 말해 괴리가 커짐에 따라 현저하게 높은 이상도가 된다. 따라서, 예컨대, 가동 데이터의 기대치가 0이고 실측치가 1인 경우 등, 기대치와 실측치에 큰 괴리가 있는 경우에 높은 이상도가 된다.
다음으로, 비정상(非定常) 검출부(316)는, 설비(11) 전체의 이상도를 산출한다. 비정상(非定常) 검출부(316)는, 각(하나의) 설비(11) 중 이상도를 산출하는 대상이 되는 각각의 가동 데이터(각각의 신호)에 대하여 이상을 산출한 후, 산출한 이상도를 합계하고, 합계치를 각(그 하나의) 설비(11)의 이상도로서 산출한다.
그리고, 비정상(非定常) 검출부(316)는, 산출한 각 설비(11)의 이상도의 합계치가 임계치 이상인지 여부를 판정하고, 이상도의 합계치가 임계치 이상인 설비(11)를 가동 상황이 비정상(非定常) 상태라고 검출한다.
이와 같이, 각 가동 데이터로부터 산출된 각 가동 데이터의 이상도의 합계치로 설비(11)의 가동 상황이 비정상(非定常) 상태인지 여부를 판정함으로써, 각 가동 데이터 개별로는 이상도가 높지 않은 경우에도 설비(11) 전체에서는 이상도가 높은 경우를 판정할 수 있어, 설비(11)의 가동 상황이 비정상(非定常) 상태인 경우를 적절히 판정할 수 있다고 하는 효과를 얻을 수 있다.
또, 비정상(非定常) 검출부(316)에 있어서의 개개의 가동 데이터의 이상도의 산출 방법으로서, 음의 자연로그를 이용하는 방법을 설명하고 있지만, 자연로그를 이용하는 방법으로 한정되지 않고, 예컨대 상용로그를 이용하는 방법, 아크탄젠트 등의 역삼각함수를 이용하는 방법, 혹은 10 등의 값을 밑으로 하는 지수함수를 이용하는 방법 등, 가동 데이터의 기대치와 실측치의 차분치가 커짐에 따라 이상도가 현저하게 커지는 방법이면 된다.
또한, 비정상(非定常) 검출부(316)에 있어서의 이상도의 산출 방법으로서, 각 설비(11)의 이상도를 산출하는 방법에 대하여 설명하고 있지만, 각 설비(11)의 이상도를 산출하는 방법으로 한정되지 않고, 예컨대, 각 설비(11)의 기능마다 혹은 관련하는 부품마다 유저가 그룹을 설정하고, 설정한 그룹마다 이상도를 산출하는 방법이더라도, 공장 라인(10)과 같이 복수의 설비(11)가 포함되는 그룹마다 이상도를 산출하는 방법이더라도 좋다.
도 7로 돌아가서, 표시 제어부(317)는, 비정상(非定常) 검출부(316)로부터 취득한 설비(11)의 가동 상황의 검출 결과에 따라 표시 장치(34)의 표시를 제어한다. 표시 제어부(317)는, 비정상(非定常) 검출부(316)에서 설비(11)의 가동 상황이 비정상(非定常) 상태가 아니라고 검출된 경우는 설비(11)가 정상(定常) 상태인 취지를 나타내는 표시를, 비정상(非定常) 검출부(316)에서 설비(11)의 가동 상황이 비정상(非定常) 상태라고 검출된 경우는 설비(11)가 비정상(非定常) 상태인 취지를 나타내는 표시를 표시 장치(34)에 표시한다.
도 9는 본 발명의 실시의 형태 1에 있어서의 표시 장치의 표시 화면의 일례를 나타내는 설명도이다. 도 9(a)는 설비(11)의 가동 상황이 정상(定常) 상태인 것을 나타내는 정상(定常) 상태 화면이고, 도 9(b)는 설비(11)의 가동 상황이 비정상(非定常) 상태인 것을 나타내는 비정상(非定常) 상태 화면이다.
도 9(a)에 나타내는 바와 같이, 비정상(非定常) 검출부(316)에서 설비(11)의 가동 상황이 비정상(非定常) 상황이 아니라고 검출된 경우는 좌측 위에 설비(11)의 명칭과 중앙에 가동 상황이 정상(定常) 상태인 취지가 문자로 표시되는 표시 화면이 된다.
한편, 도 9(b)에 나타내는 바와 같이, 비정상(非定常) 검출부(316)에서 설비(11)의 가동 상황이 비정상(非定常) 상황이라고 검출된 경우는 좌측 위에 설비(11)의 명칭과 중앙 상부에 가동 상황이 비정상(非定常) 상태인 취지가 표시되고, 또한 가동 상황이 비정상(非定常) 상태가 된 설비(11)의 가동 데이터의 명칭과, 정상(定常) 상태 때와 비정상(非定常) 상태가 검출된 실측치의 가동 데이터의 시간 변화를 나타내는 그래프가 표시되는 표시 화면이 된다. 여기서, 정상(定常) 상태 때로서 표시되는 설비(11)의 가동 데이터는, 기대치 산출부(315)에서 산출된 기대치가 0.5 이상인 경우를 1로 하고, 0.5보다 작은 경우를 0으로 하여 표시 제어부(317)가 생성한 가동 데이터이다.
도 9에 나타내는 바와 같이 표시 장치(34)에 비정상(非定常) 검출부(316)의 검출 결과에 따른 표시를 행함으로써, 유저에게 설비(11)의 가동 상황으로서 비정상(非定常) 상태를 검출한 것을 통지할 수 있다고 하는 효과를 얻을 수 있다.
또한, 설비(11)의 가동 상황이 비정상(非定常) 상태라고 검출된 경우에 정상(定常) 상태 때와 실측치의 가동 데이터의 시간 변화를 나타내는 그래프를 표시함으로써, 설비(11)의 가동 데이터가 비정상(非定常) 상태가 된 것을 유저가 용이하게 인식할 수 있다고 하는 효과를 얻을 수 있다.
또, 도 9에 있어서 각 설비(11)의 가동 상황을 나타내는 표시 화면을 예시하고 있지만, 표시 화면은 각 설비(11)의 표시로 한정되지 않고, 모든 설비(11)의 가동 상황을 일괄하여 나타내는 표시 화면이더라도 좋다. 또한, 도 9에 있어서 각 설비(11)의 가동 상황을 문자 혹은 그래프에 의해 나타내는 표시 화면을 예시하고 있지만, 가동 상황을 나타내는 표현은 문자 혹은 그래프로 한정되지 않고, 예컨대 ○ 혹은 × 등의 좋고 나쁨을 나타내는 기호로 나타내는 등, 정상(定常) 상태와 비정상(非定常) 상태를 구별하여 표현할 수 있는 표시이면 된다.
또한, 도 9에 있어서 설비(11)의 가동 데이터를 특정하기 위해, 가동 데이터의 명칭을 문자로 나타내는 표시 화면을 예시하고 있지만, 표시 화면에 있어서 가동 데이터를 특정하는 표현은 설비(11)의 가동 데이터의 명칭을 문자로 표시하는 것으로 한정되지 않고, 설비(11)의 가동 데이터를 출력한 설비(11)의 구성 부품을 문자 혹은 일러스트 등으로 나타내는 표시 화면이더라도 좋다.
다음으로, 제어 장치(31)의 비정상(非定常) 검출 처리의 흐름에 대하여 설명한다. 도 10은 본 발명의 실시의 형태 1에 있어서의 비정상(非定常) 검출 처리의 흐름의 일례를 나타내는 플로차트이다.
우선, 제어 장치(31)는 정상(正常) 모델 생성 처리 종료 후, 자동으로 비정상(非定常) 검출 처리를 개시한다. 또, 비정상(非定常) 검출 처리는, 제어 장치(31)에서의 정상(正常) 모델 생성 후, 비정상(非定常) 검출 시스템(100)에 새로운 설비(11)가 추가되었을 때, 혹은 기존의 설비(11)의 제어 조건의 변경 때 등 새롭게 정상(正常) 모델의 생성이 필요하게 되는 경우를 제외하고 비정상(非定常) 검출 장치(30)가 가동 중이면 원칙적으로 항상 실행된다.
스텝 S201에서는, 통신 제어부(314)가 통신 장치(36)를 통해서 수집 데이터 서버(20)로부터 설비(11)의 가동 데이터를 취득한다. 여기서, 통신 제어부(314)가 취득하는 가동 데이터는 설비(11)의 과거의 가동 데이터와 현재의 가동 데이터의 실측치를 포함한다.
스텝 S202에서는, 통신 제어부(314)가 스텝 S201에서 취득한 설비(11)의 가동 데이터를 메모리(33)의 수집 데이터베이스(331)에 기억한다. 스텝 S201과 스텝 S202에 의해, 통신 제어부(314)는, 수집 데이터 서버(20)의 설비(11)의 가동 데이터를 수집 데이터베이스(331)에 카피한다.
다음으로, 스텝 S203에서는, 기대치 산출부(315)가 메모리(33)의 수집 데이터베이스(331)에 기억된 설비(11)의 과거의 가동 데이터와 정상(正常) 데이터베이스(332)에 기억된 정상(正常) 모델에 근거하여 설비(11)로부터 다음에 출력될 가동 데이터의 기대치를 산출한다.
스텝 S204에서는, 비정상(非定常) 검출부(316)가 스텝 S203에서 기대치 산출부(315)가 산출한 가동 데이터의 기대치와 메모리(33)의 수집 데이터베이스(331)에 기억된 설비(11)의 가동 데이터의 실측치에 근거하여 설비(11)의 이상도를 산출한다. 비정상(非定常) 검출부(316)가 설비(11)의 이상도를 산출하는 처리의 흐름의 상세를, 도 11을 이용하여 설명한다.
도 11은 본 발명의 실시의 형태 1에 있어서의 이상도의 산출 처리의 흐름의 일례를 나타내는 플로차트이다. 또, 도 11에 나타내는 이상도의 산출 처리는 모두 비정상(非定常) 검출부(316)에 의해 실행된다.
스텝 S301에서는, 비정상(非定常) 검출부(316)는 메모리(33)의 수집 데이터베이스(331)에 기억된 설비(11)의 가동 데이터의 실측치의 값이 0인지 1인지를 판정하고, 실측치의 값이 0인 경우는 스텝 S302로, 실측치의 값이 1인 경우는 스텝 S303으로 이행한다.
스텝 S302에서는, 비정상(非定常) 검출부(316)는 실측치가 0이 될 확률 1-P1의 자연로그에 마이너스를 붙인 값(-ln(1-P1))을 계산하여 이상도를 산출하고, 스텝 S304로 이행한다.
스텝 S303에서는, 비정상(非定常) 검출부(316)는 실측치가 1이 될 확률 P1의 자연로그에 마이너스를 붙인 값(-ln(P1))을 계산하여 이상도를 산출하고, 스텝 S304로 이행한다.
스텝 S304에서는, 비정상(非定常) 검출부(316)는 설비(11)의 이상도를 산출하는 대상이 되는 모든 가동 데이터에 대하여 이상도를 산출했는지를 판정하고, 모든 대상에 대하여 산출한 경우(예)는 스텝 S305로 이행하고, 모든 대상에 대하여 산출하지 않은 경우(아니오)는 스텝 S301로 돌아가 처리를 계속한다.
스텝 S305에서는, 비정상(非定常) 검출부(316)는 산출한 이상도를 합계하여, 설비(11)의 이상도를 산출하고, 이상도의 산출 처리를 종료한다.
도 10으로 돌아가서, 스텝 S205에서는, 비정상(非定常) 검출부(316)는 스텝 S204에서 비정상(非定常) 검출부(316)가 산출한 설비(11)의 이상도가 임계치 이상인지를 판정하여, 설비(11)가 비정상(非定常) 상태인지 여부를 검출한다.
스텝 S206에서는, 표시 제어부(317)가 스텝 S205에서 비정상(非定常) 검출부(316)가 검출한 검출 결과에 따라 표시 장치(34)의 표시를 제어하고, 그 후 스텝 S201로 돌아가서 비정상(非定常) 검출 처리를 계속한다.
이상과 같이, 실시의 형태 1의 비정상(非定常) 검출 장치(30)에 의하면, 이진 디지털 신호인 설비(11)의 과거의 가동 데이터로부터 다음에 출력될 가동 데이터의 신호의 기대치를 산출하고, 산출한 기대치와 가동 데이터의 실측치로부터 설비(11)의 가동 상황의 이상도를 산출함으로써, 이진 디지털 신호를 이용하는 설비(11)의 가동 상황이 비정상(非定常) 상태인지 여부를 검출할 수 있어, 적은 처리량으로 리얼타임의 비정상(非定常) 상태의 검출을 할 수 있다고 하는 효과를 얻을 수 있다.
또, 제어 장치(31)에서의 비정상(非定常) 검출 처리로서, 설비(11)의 가동 상황이 비정상(非定常) 상태라고 판단된 경우도 비정상(非定常) 검출 처리를 계속하는 처리 방법에 대하여 설명하고 있지만, 처리 방법은 설비(11)의 가동 상황이 비정상(非定常) 상태라고 판단된 경우도 비정상(非定常) 검출 처리를 계속하는 방법으로 한정되지 않고, 예컨대, 비정상(非定常) 검출 장치(30)가 공장 라인(10)을 정지하는 기능을 구비하고 있고, 비정상(非定常) 검출부(316)에서 설비(11)의 가동 상황이 비정상(非定常) 상태라고 판단된 경우에 공장 라인(10)을 정지하고 비정상(非定常) 검출 처리를 종료하는 것으로 하더라도 좋다.
실시의 형태 2.
실시의 형태 1에서는, 이진 디지털 신호를 이용하는 설비(11)의 가동 상황을 검출하는 방법에 대하여 설명했다. 실시의 형태 2에서는, 설비(11)의 가동 상황을 검출하고, 가동 상황이 비정상(非定常) 상태인 경우에 비정상(非定常) 상태가 된 요인을 유저에게 통지하는 실시의 형태에 대하여 설명한다. 또, 비정상(非定常) 검출 시스템(100)의 구성, 비정상(非定常) 검출 장치(30)의 구조, 비정상(非定常) 검출 장치(30)의 제어 장치(31)의 구조, 및 제어 장치(31)가 실행하는 정상(正常) 모델 생성 처리에 대해서는 실시의 형태 1과 마찬가지이기 때문에 설명을 생략한다.
도 12는 본 발명의 실시의 형태 2에 있어서의 비정상(非定常) 검출 처리를 실행하기 위한 기능 구성의 일례를 나타내는 구성도이다. 여기서 도 7에 나타내는 실시의 형태 1에 있어서의 비정상(非定常) 검출 처리를 실행하기 위한 기능 구성과의 차이점은, 제어 장치(31)가 비정상(非定常) 특정부(318)를 구비하고 있는 점이다.
비정상(非定常) 특정부(318)는, 설비(11)의 가동 상황이 비정상(非定常) 상태인 경우에 비정상(非定常) 상태가 된 요인을 특정한다. 비정상(非定常) 특정부(318)는, 비정상(非定常) 검출부(316)로부터 설비(11)의 가동 상황의 검출 결과와, 설비(11)의 가동 상황이 비정상(非定常) 상태인 경우는 산출된 개개의 가동 데이터의 이상도를 취득한다.
취득한 설비(11)의 가동 상황의 검출 결과가 비정상(非定常) 상태가 아닌 경우, 비정상(非定常) 특정부(318)는 취득한 설비(11)의 가동 상황의 검출 결과를 표시 제어부(317)에 송신한다.
한편, 취득한 설비(11)의 가동 상황의 검출 결과가 비정상(非定常) 상태인 경우, 비정상(非定常) 특정부(318)는 취득한 개개의 가동 데이터의 이상도에 근거하여 설비(11)의 가동 상황이 비정상(非定常) 상태가 된 요인을 특정하고, 취득한 설비(11)의 가동 상황의 검출 결과와 특정한 요인을 표시 제어부(317)에 송신한다. 여기서, 비정상(非定常) 특정부(318)가 비정상(非定常) 상태가 된 요인을 특정하는 방법은, 비정상(非定常) 특정부(318)가 취득한 이상도의 값이 가장 큰 가동 데이터를 비정상(非定常) 상태가 된 요인으로 특정하는 방법이더라도, 취득한 가동 데이터 중 이상도가 상위인 가동 데이터를 비정상(非定常) 상태가 된 요인으로 특정하는 방법이더라도, 혹은 취득한 이상도의 값이 임계치 이상인 가동 데이터를 비정상(非定常) 상태가 된 요인으로 판정하는 방법이더라도 좋다.
도 12로 돌아가서, 표시 제어부(317)는, 비정상(非定常) 특정부(318)로부터 취득한 설비(11)의 가동 상황의 검출 결과와 설비(11)의 가동 상황이 비정상(非定常) 상태가 된 요인에 따라 표시 장치(34)의 표시를 제어한다. 표시 제어부(317)는, 취득한 설비(11)의 가동 상황의 검출 결과가 비정상(非定常) 상태가 아닌 경우는 설비(11)가 정상(定常) 상태인 취지를 나타내는 표시를, 취득한 설비(11)의 가동 상황의 검출 결과가 비정상(非定常) 상태인 경우는 설비(11)가 비정상(非定常) 상태인 취지를 나타내는 표시를 표시 장치(34)에 표시한다.
도 13은 본 발명의 실시의 형태 2에 있어서의 표시 장치의 비정상(非定常) 상태를 나타내는 표시 화면의 일례를 나타내는 설명도이다. 또, 설비(11)의 가동 상황이 정상(定常) 상태인 것을 나타내는 정상(定常) 상태 화면은, 도 9(a)에 나타내는 실시의 형태 1에 있어서의 정상(定常) 상태 화면과 마찬가지이기 때문에 설명을 생략한다.
도 13(a)에 나타내는 바와 같이, 실시의 형태 2에 있어서의 표시 장치의 비정상(非定常) 상태를 나타내는 비정상(非定常) 상태 화면의 일례는, 좌측 위에 설비(11)의 명칭과 중앙 상부에 설비(11)의 가동 상황이 비정상(非定常) 상태인 취지가 표시되고, 또한 비정상(非定常) 상태가 된 요인이라고 특정된 설비(11)의 가동 데이터의 명칭과, 정상(定常) 상태 때와 비정상(非定常) 상태가 검출된 실측치의 가동 데이터의 시간 변화를 나타내는 그래프가 표시되는 표시 화면이 된다. 여기서, 도 9(b)에 나타내는 실시의 형태 1의 비정상(非定常) 상태 화면과 상이한 점은, 표시되는 가동 데이터가 비정상(非定常) 상태가 된 요인이라고 특정된 가동 데이터뿐인 점이다.
이와 같이, 설비(11)의 가동 상황이 비정상(非定常) 상태라고 검출된 경우에 정상(定常) 상태 때와 비정상(非定常) 상태가 검출된 실측치의 가동 데이터의 시간 변화를 나타내는 그래프를 표시함으로써, 설비(11)의 가동 데이터가 비정상(非定常) 상태가 된 것을 유저가 용이하게 인식할 수 있다고 하는 효과를 얻을 수 있다.
한편, 도 13(b)에 나타내는 바와 같이, 실시의 형태 2에 있어서의 표시 장치의 비정상(非定常) 상태를 나타내는 비정상(非定常) 상태 화면의 다른 예는, 좌측 위에 설비(11)의 명칭과 중앙 상부에 가동 상황이 비정상(非定常) 상태인 취지가 표시되고, 또한 비정상(非定常) 상태가 된 요인이라고 특정된 설비(11)의 가동 데이터의 명칭이 그래프가 아닌 문자로 표시되는 화면이다.
이와 같이, 설비(11)의 가동 상황이 비정상(非定常) 상황이라고 검출된 경우에 비정상(非定常) 상태가 된 요인이라고 특정된 설비(11)의 가동 데이터의 명칭만을 표시함으로써, 설비(11)의 가동 상황이 비정상(非定常) 상태가 된 요인을 유저가 용이하게 인식할 수 있다고 하는 효과를 얻을 수 있다.
도 13에 나타내는 바와 같이 표시 장치(34)에 비정상(非定常) 검출부(316)의 검출 결과에 따른 표시를 행함으로써, 유저에게 설비(11)의 가동 상황으로서 비정상(非定常) 상태를 검출한 것을 통지할 수 있다고 하는 효과를 얻을 수 있다.
또, 도 13에 있어서 설비(11)의 가동 상황이 비정상(非定常) 상태가 된 요인이라고 특정된 설비(11)의 가동 데이터만을 나타내는 표시 화면을 예시하고 있지만, 표시 화면은 요인이라고 특정된 설비(11)의 가동 데이터만의 표시로 한정되지 않고, 모든 설비(11)의 가동 데이터를 나타내고, 각각의 가동 데이터가 요인이라고 특정된 가동 데이터인지 여부를 나타내는 표시 화면이더라도 좋다.
또한, 도 13에 있어서 설비(11)의 가동 상황이 비정상(非定常) 상태가 된 요인이라고 특정된 설비(11)의 가동 데이터를 특정하기 위해, 가동 데이터의 명칭을 문자로 나타내는 표시 화면을 예시하고 있지만, 표시 화면에 있어서 가동 데이터를 특정하는 표현은 요인이라고 특정된 설비(11)의 가동 데이터의 명칭을 문자로 표시하는 것으로 한정되지 않고, 요인이라고 특정된 설비(11)의 가동 데이터를 출력한 설비(11)의 구성 부품을 문자 혹은 일러스트 등으로 나타내는 표시 화면이더라도 좋다.
다음으로, 제어 장치(31)의 비정상(非定常) 검출 처리의 흐름에 대하여 설명한다. 도 14는 본 발명의 실시의 형태 2에 있어서의 비정상(非定常) 검출 처리의 흐름의 일례를 나타내는 플로차트이다.
우선, 제어 장치(31)에 있어서의 정상(正常) 모델 생성 처리 종료 후, 자동으로 비정상(非定常) 검출 처리를 개시한다. 또, 비정상(非定常) 검출 처리는, 제어 장치(31)에서의 정상(正常) 모델 생성 후, 비정상(非定常) 검출 시스템(100)에 새로운 설비(11)가 추가되었을 때, 혹은 기존의 설비(11)의 제어 조건의 변경 때 등 새롭게 정상(正常) 모델의 생성이 필요하게 되는 경우를 제외하고 비정상(非定常) 검출 장치(30)가 가동 중이면 원칙적으로 항상 실행된다.
스텝 S401로부터 스텝 S405는, 도 10에 나타내는 실시의 형태 1에 있어서의 비정상(非定常) 검출 처리의 흐름의 스텝 S201로부터 스텝 S205와 마찬가지이기 때문에 설명을 생략한다.
스텝 S406에서는, 비정상(非定常) 특정부(318)가 S405에서 비정상(非定常) 검출부(316)가 검출한 검출 결과에 따라 처리를 행한다. S405에서 비정상(非定常) 검출부(316)가 검출한 검출 결과가 설비(11)의 가동 상황이 비정상(非定常) 상태가 아닌 경우(아니오), 비정상(非定常) 특정부(318)는 S405에서 비정상(非定常) 검출부(316)가 검출한 검출 결과를 표시 제어부(317)에 송신하고, 스텝 S408로 이행한다. S405에서 비정상(非定常) 검출부(316)가 검출한 검출 결과가 설비(11)의 가동 상황이 비정상(非定常) 상태인 경우(예), 비정상(非定常) 특정부(318)는 스텝 S407로 이행한다.
스텝 S407에서는, 비정상(非定常) 특정부(318)가 스텝 S404에서 비정상(非定常) 검출부(316)가 산출한 설비(11)의 이상도와 S405에서 비정상(非定常) 검출부(316)가 검출한 검출 결과에 근거하여 설비(11)가 비정상(非定常) 상태가 된 요인을 특정하고, S405에서 비정상(非定常) 검출부(316)가 검출한 검출 결과와 특정한 설비(11)가 비정상(非定常) 상태가 된 요인을 표시 제어부(317)에 송신하고, 스텝 S408로 이행한다.
스텝 S408에서는, 표시 제어부(317)가 스텝 S405에서 비정상(非定常) 검출부(316)가 검출한 검출 결과와 스텝 S407에서 비정상(非定常) 특정부(318)가 특정한 설비(11)가 비정상(非定常) 상태가 된 요인에 따라 표시 장치(34)의 표시를 제어하고, 그 후 스텝 S401로 돌아가 비정상(非定常) 검출 처리를 계속한다.
이상과 같이, 실시의 형태 2의 비정상(非定常) 검출 장치(30)에 의하면, 설비(11)의 가동 상황이 비정상(非定常) 상태가 된 경우에, 비정상(非定常) 상태가 된 요인을 특정하고, 특정한 요인을 유저에게 통지할 수 있어, 유저가 설비(11)의 비정상(非定常) 상태가 된 요인을 용이하게 인식할 수 있고, 설비(11)의 보수를 신속히 실행할 수 있다고 하는 효과를 얻을 수 있다.
또, 제어 장치(31)에서의 비정상(非定常) 검출 처리로서, 설비(11)의 가동 상황이 비정상(非定常) 상태라고 판단된 경우도 비정상(非定常) 검출 처리를 계속하는 처리 방법에 대하여 설명하고 있지만, 처리 방법은 설비(11)의 가동 상황이 비정상(非定常) 상태라고 판단된 경우도 비정상(非定常) 검출 처리를 계속하는 방법으로 한정되지 않고, 예컨대, 비정상(非定常) 검출 장치(30)가 공장 라인(10)을 정지하는 기능을 구비하고 있고, 비정상(非定常) 검출부(316)에서 설비(11)의 가동 상황이 비정상(非定常) 상태라고 판단된 경우에 공장 라인(10)을 정지하고 비정상(非定常) 검출 처리를 종료하는 것으로 하더라도 좋다.
10 : 공장 라인
11 : 설비
20 : 수집 데이터 서버
30 : 비정상(非定常) 검출 장치
31 : 제어 장치
311, 314 : 통신 제어부
312 : 데이터 판정부
313 : 모델 생성부
315 : 기대치 산출부
316 : 비정상(非定常) 검출부
317 : 표시 제어부
318 : 비정상(非定常) 특정부
32 : 스토리지
321 : 정상(正常) 모델 생성 프로그램
322 : 비정상(非定常) 검출 프로그램
33 : 메모리
331 : 수집 데이터베이스
332 : 정상(正常) 데이터베이스
34 : 표시 장치
35 : 입력 장치
36 : 통신 장치
37 : 버스
40 : 네트워크
100 : 비정상(非定常) 검출 시스템

Claims (21)

  1. 가동 상황이 정상(定常) 상태인 복수의 설비의 이진 디지털 신호인 가동 데이터에 근거하여 상기 설비의 가동 상황을 판정하기 위한 정상(正常) 모델을 생성하는 모델 생성부와,
    상기 정상(正常) 모델을 이용하여 상기 설비의 과거의 가동 데이터로부터 출력되는 가동 데이터의 기대치를 산출하는 기대치 산출부와,
    상기 가동 데이터의 기대치와 가동 데이터의 실측치를 비교하고, 상기 설비의 가동 상황이 비정상(非定常) 상태인지 여부를 검출하는 비정상(非定常) 검출부
    를 구비하고,
    상기 비정상(非定常) 검출부는 상기 가동 데이터의 기대치와 가동 데이터의 실측치로부터, 상기 가동 데이터의 기대치와 상기 가동 데이터의 실측치의 차분치가 커짐에 따라 현저하게 값이 커지는 이상도(異常度)를 산출하고, 상기 이상도에 근거하여 상기 설비의 가동 상황이 비정상(非定常) 상태인지 여부를 검출하고,
    상기 비정상(非定常) 검출부는 상기 가동 데이터의 실측치가 1인 경우에 상기 가동 데이터의 기대치의 음의 자연로그를 취한 값으로부터 상기 이상도를 산출하고, 상기 가동 데이터의 실측치가 0인 경우에 1로부터 상기 가동 데이터의 기대치를 뺀 값의 음의 자연로그를 취한 값으로부터 상기 이상도를 산출하는
    비정상(非定常) 검출 장치.
  2. 삭제
  3. 삭제
  4. 제 1 항에 있어서,
    상기 비정상(非定常) 검출부에 있어서의 검출 결과와 상기 이상도에 근거하여 설비의 가동 상황이 비정상(非定常) 상태가 된 요인을 특정하는 비정상(非定常) 특정부를 구비하는 것을 특징으로 하는 비정상(非定常) 검출 장치.
  5. 삭제
  6. 제 1 항에 있어서,
    상기 가동 데이터는 시계열 데이터이고,
    상기 모델 생성부는 상기 가동 데이터를 기초로 시계열 데이터를 다룰 수 있는 기계 학습 수법에 의해 기계 학습을 행함으로써 상기 정상(正常) 모델을 생성하는 것을 특징으로 하는 비정상(非定常) 검출 장치.
  7. 삭제
  8. 삭제
  9. 삭제
  10. 삭제
  11. 제 6 항에 있어서,
    상기 시계열 데이터를 다룰 수 있는 기계 학습 수법은 은닉 마르코프 모델, 타임 딜레이 뉴럴 네트워크, 혹은 리커런트 뉴럴 네트워크인 것을 특징으로 하는 비정상(非定常) 검출 장치.
  12. 삭제
  13. 삭제
  14. 삭제
  15. 삭제
  16. 제 1 항, 제 4 항, 제 6 항, 제 11 항 중 어느 한 항에 있어서,
    상기 비정상(非定常) 검출부에 있어서의 검출 결과를 표시하는 표시 장치를 구비하는 것을 특징으로 하는 비정상(非定常) 검출 장치.
  17. 제 4 항에 있어서,
    상기 비정상(非定常) 특정부에 있어서 특정된 상기 비정상(非定常) 상태가 된 요인을 표시하는 표시 장치를 구비하는 것을 특징으로 하는 비정상(非定常) 검출 장치.
  18. 청구항 1, 4, 6, 11 중 어느 한 항에 기재된 비정상(非定常) 검출 장치와,
    복수의 설비와,
    상기 복수의 설비의 가동 데이터를 기억하는 수집 데이터 서버
    를 구비하는 비정상(非定常) 검출 시스템.
  19. 청구항 16에 기재된 비정상(非定常) 검출 장치와,
    복수의 설비와,
    상기 복수의 설비의 가동 데이터를 기억하는 수집 데이터 서버
    를 구비하는 비정상(非定常) 검출 시스템.
  20. 청구항 17에 기재된 비정상(非定常) 검출 장치와,
    복수의 설비와,
    상기 복수의 설비의 가동 데이터를 기억하는 수집 데이터 서버
    를 구비하는 비정상(非定常) 검출 시스템.
  21. 가동 상황이 정상(定常) 상태인 복수의 설비의 이진 디지털 신호인 가동 데이터에 근거하여 상기 설비의 가동 상황을 판별하기 위한 정상(正常) 모델을 생성하고, 상기 정상(正常) 모델을 이용하여 상기 설비의 과거의 가동 데이터로부터 출력되는 가동 데이터의 기대치를 산출하고, 상기 가동 데이터의 기대치와 가동 데이터의 실측치를 비교하고, 상기 설비의 가동 상황이 비정상(非定常) 상태인지 여부를 검출하고,
    상기 설비의 가동 상황이 비정상(非定常) 상태인지 여부를 검출하는 것은 상기 가동 데이터의 기대치와 가동 데이터의 실측치로부터, 상기 가동 데이터의 기대치와 상기 가동 데이터의 실측치의 차분치가 커짐에 따라 현저하게 값이 커지는 이상도(異常度)를 산출하고, 상기 이상도에 근거하여 상기 설비의 가동 상황이 비정상(非定常) 상태인지 여부를 검출하고,
    상기 가동 데이터의 실측치가 1인 경우에 상기 가동 데이터의 기대치의 음의 자연로그를 취한 값으로부터 상기 이상도를 산출하고, 상기 가동 데이터의 실측치가 0인 경우에 1로부터 상기 가동 데이터의 기대치를 뺀 값의 음의 자연로그를 취한 값으로부터 상기 이상도를 산출하는
    비정상(非定常) 검출 방법.
KR1020197037657A 2017-06-30 2017-06-30 비정상 검출 장치, 비정상 검출 시스템, 및 비정상 검출 방법 KR102168736B1 (ko)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2017/024075 WO2019003404A1 (ja) 2017-06-30 2017-06-30 非定常検出装置、非定常検出システム、および非定常検出方法

Publications (2)

Publication Number Publication Date
KR20200009077A KR20200009077A (ko) 2020-01-29
KR102168736B1 true KR102168736B1 (ko) 2020-10-22

Family

ID=64740458

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020197037657A KR102168736B1 (ko) 2017-06-30 2017-06-30 비정상 검출 장치, 비정상 검출 시스템, 및 비정상 검출 방법

Country Status (7)

Country Link
US (1) US11493912B2 (ko)
JP (1) JP6678824B2 (ko)
KR (1) KR102168736B1 (ko)
CN (1) CN110785716B (ko)
DE (1) DE112017007606T5 (ko)
TW (1) TWI673228B (ko)
WO (1) WO2019003404A1 (ko)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP7452990B2 (ja) * 2019-11-29 2024-03-19 東京エレクトロン株式会社 異常検知装置、異常検知方法及び異常検知プログラム
JP7412150B2 (ja) * 2019-11-29 2024-01-12 東京エレクトロン株式会社 予測装置、予測方法及び予測プログラム
JP6790311B1 (ja) 2020-03-03 2020-11-25 三菱電機株式会社 非定常検出システム、非定常検出方法および非定常検出プログラム
US20210405631A1 (en) * 2020-06-29 2021-12-30 Honeywell International Inc. Machine Learning Based Direct Method of Determining Status of Facility Control Loop Components
CA3206975A1 (en) * 2020-12-31 2022-07-07 Schneider Electric Systems Usa, Inc. Systems and methods for providing operator variation analysis for transient operation of continuous or batch wise continuous processes
WO2023002614A1 (ja) * 2021-07-21 2023-01-26 三菱電機株式会社 定常範囲決定システム、定常範囲決定方法、および、定常範囲決定プログラム
KR20240047487A (ko) * 2021-10-15 2024-04-12 미쓰비시덴키 가부시키가이샤 상태 검지 시스템, 상태 검지 방법 및 기록 매체에 저장된 상태 검지 프로그램

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006343063A (ja) * 2005-06-10 2006-12-21 Daikin Ind Ltd 設備機器の異常予知システム、設備機器の異常予知装置および設備機器の異常予知方法
JP2007102561A (ja) * 2005-10-05 2007-04-19 Sharp Corp 生産装置および生産装置管理システム
JP2017033526A (ja) * 2015-07-31 2017-02-09 ファナック株式会社 故障条件を学習する機械学習方法及び機械学習装置、並びに該機械学習装置を備えた故障予知装置及び故障予知システム

Family Cites Families (30)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH04140803A (ja) * 1990-10-02 1992-05-14 Nec Corp 期待値データ生成方式
GB9208704D0 (en) 1992-04-22 1992-06-10 Foxboro Ltd Improvements in and relating to sensor units
US5774378A (en) 1993-04-21 1998-06-30 The Foxboro Company Self-validating sensors
JPH09280900A (ja) 1996-04-16 1997-10-31 Hitachi Ltd プロセス量の計測方法、計測装置およびプラント監視装置
JP3766208B2 (ja) 1998-07-09 2006-04-12 株式会社東芝 プロセスデータ監視装置
US6477485B1 (en) 2000-10-27 2002-11-05 Otis Elevator Company Monitoring system behavior using empirical distributions and cumulative distribution norms
JP2005301582A (ja) 2004-04-09 2005-10-27 Toshiba Corp プロセス管理装置
US7567887B2 (en) 2004-09-10 2009-07-28 Exxonmobil Research And Engineering Company Application of abnormal event detection technology to fluidized catalytic cracking unit
JP2008226006A (ja) 2007-03-14 2008-09-25 Omron Corp 設備機器診断装置およびプログラム
TWM334411U (en) * 2007-12-19 2008-06-11 Hsiuping Inst Technology Automatic test and efficiency real-time monitoring apparatus of production line
JP2009223416A (ja) 2008-03-13 2009-10-01 Omron Corp リモート装置及び監視システム
CN102255673A (zh) * 2010-05-19 2011-11-23 希姆通信息技术（上海）有限公司 基于修改sscom配置文件的无线模块测试方法
JP2012048405A (ja) * 2010-08-25 2012-03-08 Toyota Motor Corp 制御装置、電子制御ユニット、異常検出方法
RU2607237C2 (ru) 2011-01-24 2017-01-10 Абб Инк. Способ анализа и диагностики крупномасштабных автоматизированных систем управления производственными процессами
JP5991042B2 (ja) 2011-06-29 2016-09-14 Ｊｆｅスチール株式会社 異常監視システムおよび異常監視方法
JP2013025367A (ja) * 2011-07-15 2013-02-04 Wakayama Univ 設備状態監視方法およびその装置
EP2752722B1 (en) * 2011-08-31 2019-11-06 Hitachi Power Solutions Co., Ltd. Facility state monitoring method and device for same
JP5777483B2 (ja) 2011-10-21 2015-09-09 株式会社東芝 プログラマブルコントローラシステム
US20150277416A1 (en) 2014-03-31 2015-10-01 Mitsubishi Electric Research Laboratories, Inc. Method for Anomaly Detection in Discrete Manufacturing Processes
JP6387707B2 (ja) * 2014-07-01 2018-09-12 富士通株式会社 異常検出システム、表示装置、異常検出方法及び異常検出プログラム
JP5943357B2 (ja) * 2014-09-17 2016-07-05 インターナショナル・ビジネス・マシーンズ・コーポレーションＩｎｔｅｒｎａｔｉｏｎａｌ Ｂｕｓｉｎｅｓｓ Ｍａｃｈｉｎｅｓ Ｃｏｒｐｏｒａｔｉｏｎ 検出装置、検出方法、およびプログラム
KR101659989B1 (ko) 2014-12-10 2016-09-27 부산대학교 산학협력단 다차원 특징을 이용한 이상신호 분석장치 및 방법
JP6733164B2 (ja) * 2015-02-26 2020-07-29 富士電機株式会社 プロセス監視装置、プロセス監視方法及びプログラム
CN104598114A (zh) * 2015-02-28 2015-05-06 苏州路之遥科技股份有限公司 线束智能测试机微电脑测试工艺编辑方法
US10617363B2 (en) 2015-04-02 2020-04-14 Roche Diabetes Care, Inc. Methods and systems for analyzing glucose data measured from a person having diabetes
DE102016008987B4 (de) 2015-07-31 2021-09-16 Fanuc Corporation Maschinenlernverfahren und Maschinenlernvorrichtung zum Lernen von Fehlerbedingungen, und Fehlervorhersagevorrichtung und Fehlervorhersagesystem, das die Maschinenlernvorrichtung einschließt
JP5946573B1 (ja) * 2015-08-05 2016-07-06 株式会社日立パワーソリューションズ 異常予兆診断システム及び異常予兆診断方法
TWI569231B (zh) 2015-10-22 2017-02-01 Widax Tech Corp Detection Method of Industrial Safety Early Warning System
CN105787587A (zh) 2016-02-26 2016-07-20 海南电网有限责任公司 一种基于多元回归的电网系统应急物资需求预测方法
ES2940314T3 (es) 2017-02-15 2023-05-05 Nippon Telegraph & Telephone Dispositivo de entrenamiento de detección de sonido anormal y método y programa para el mismo

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006343063A (ja) * 2005-06-10 2006-12-21 Daikin Ind Ltd 設備機器の異常予知システム、設備機器の異常予知装置および設備機器の異常予知方法
JP2007102561A (ja) * 2005-10-05 2007-04-19 Sharp Corp 生産装置および生産装置管理システム
JP2017033526A (ja) * 2015-07-31 2017-02-09 ファナック株式会社 故障条件を学習する機械学習方法及び機械学習装置、並びに該機械学習装置を備えた故障予知装置及び故障予知システム

Also Published As

Publication number Publication date
CN110785716B (zh) 2023-03-31
US20200264595A1 (en) 2020-08-20
KR20200009077A (ko) 2020-01-29
TWI673228B (zh) 2019-10-01
WO2019003404A1 (ja) 2019-01-03
US11493912B2 (en) 2022-11-08
JP6678824B2 (ja) 2020-04-08
TW201904852A (zh) 2019-02-01
JPWO2019003404A1 (ja) 2019-11-07
DE112017007606T5 (de) 2020-02-27
CN110785716A (zh) 2020-02-11

Similar Documents

Publication Publication Date Title
KR102168736B1 (ko) 비정상 검출 장치, 비정상 검출 시스템, 및 비정상 검출 방법
KR101917006B1 (ko) 머신 러닝 기반 반도체 제조 수율 예측 시스템 및 방법
US11687058B2 (en) Information processing method and information processing apparatus used for detecting a sign of malfunction of mechanical equipment
JP2022519228A (ja) 工業プロセスで使用されるコンポーネントから発生する信号の異常を検出及び測定するためのシステムと方法
CN111542791B (zh) 使用设施诊断系统的设施诊断方法
JP2019079160A (ja) 状態判定装置
CN111867806A (zh) 用于基于件的过程（批量制造）、特别是注射成型过程的自动的过程监控和过程诊断的方法和实施所述过程的机器或实施所述过程的机器总成
US20210191375A1 (en) Method for carrying out measurements on a virtual basis, device, and computer readable medium
TW201926041A (zh) 設備保養預測系統及其操作方法
JP2019016039A (ja) プロセスの異常状態診断方法および異常状態診断装置
US11900223B2 (en) Device and method for monitoring a system
EP2998814A1 (en) System for predicting abnormality occurrence using plc log data
TWI710873B (zh) 支援裝置、學習裝置以及廠房運轉條件設定支援系統
WO2020175084A1 (ja) 運営評価装置、運営評価方法、およびプログラム
US11940357B2 (en) System for predicting anomalies of machining
JP7124321B2 (ja) 情報処理装置、データ管理システム、データ管理方法及びプログラム
EP4152016A1 (en) Evolving faults in a power grid
CN111258863A (zh) 数据异常检测方法、装置、服务器和计算机可读存储介质
KR101494217B1 (ko) 계장 시스템 및 제어방법
JP2019113914A (ja) データ識別装置およびデータ識別方法
JP2020154849A (ja) コントローラ、システム、方法及びプログラム
US20230367927A1 (en) Non-transitory computer readable storage medium storing operation improvement assistance program, operation improvement assistance device, and operation improvement assistance method
CN112543944B (zh) 信息管理装置以及信息管理方法
WO2024116560A1 (ja) 異常判定装置及び異常判定方法
US20210232113A1 (en) Method and apparatus to identify connected device types on an i/o channel based on current characteristics

Legal Events

Date Code Title Description
A201 Request for examination
AMND Amendment
A302 Request for accelerated examination
E902 Notification of reason for refusal
E601 Decision to refuse application
AMND Amendment
X701 Decision to grant (after re-examination)