KR20180026495A - Diagnostic Support Device for Manufacturing Facility and Diagnostic Support Method for Manufacturing Facility - Google Patents

Diagnostic Support Device for Manufacturing Facility and Diagnostic Support Method for Manufacturing Facility Download PDF

Info

Publication number
KR20180026495A
KR20180026495A KR1020187003229A KR20187003229A KR20180026495A KR 20180026495 A KR20180026495 A KR 20180026495A KR 1020187003229 A KR1020187003229 A KR 1020187003229A KR 20187003229 A KR20187003229 A KR 20187003229A KR 20180026495 A KR20180026495 A KR 20180026495A
Authority
KR
South Korea
Prior art keywords
data
feature amount
abnormality
feature
manufacturing facility
Prior art date
Application number
KR1020187003229A
Other languages
Korean (ko)
Other versions
KR102042368B1 (en
Inventor
도모유키 데쯔카
Original Assignee
도시바 미쓰비시덴키 산교시스템 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 도시바 미쓰비시덴키 산교시스템 가부시키가이샤 filed Critical 도시바 미쓰비시덴키 산교시스템 가부시키가이샤
Publication of KR20180026495A publication Critical patent/KR20180026495A/en
Application granted granted Critical
Publication of KR102042368B1 publication Critical patent/KR102042368B1/en

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
    • 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
    • G05B23/0221—Preprocessing measurements, e.g. data collection rate adjustment; Standardization of measurements; Time series or signal analysis, e.g. frequency analysis or wavelets; Trustworthiness of measurements; Indexes therefor; Measurements using easily measured parameters to estimate parameters difficult to measure; Virtual sensor creation; De-noising; Sensor fusion; Unconventional preprocessing inherently present in specific fault detection methods like PCA-based methods
    • 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
    • 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
    • G05B2219/00—Program-control systems
    • G05B2219/20—Pc systems
    • G05B2219/24—Pc safety
    • G05B2219/24063—Select signals as function of priority, importance for diagnostic

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Testing And Monitoring For Control Systems (AREA)
  • General Factory Administration (AREA)

Abstract

본 발명에 따른 제조 설비 진단 지원 장치는, 적어도 2개 이상의 유사한 장치가 설치되는 제조 설비 내의 각 장치의 운전 데이터를 상시 또는 간헐적으로 수집해 기록하는 데이터 수집 장치에 접속되고, 데이터 수집 장치에 기록된 데이터를 해석함으로써 제조 설비의 진단을 지원한다. 이 제조 설비 진단 지원 장치는, 데이터 수집 장치에 기록된 데이터로부터 진단에 사용할 데이터를 추출하는 기능, 추출된 데이터를 유사한 장치의 동종의 데이터마다 그룹을 나누는 기능, 그룹 나눔된 데이터에 대하여 그룹 내에서 진단하기 위한 특징량을 연산하는 기능, 연산된 특징량을 기억 장치에 기억하는 기능, 및 새롭게 연산된 특징량과 기억 장치에 기억된 과거의 특징량을 그룹 단위로 비교하고, 그 비교 결과에 기초하여 이상을 검지하는 기능을 구비한다.The manufacturing facility diagnosis support device according to the present invention is connected to a data collection device for collecting and recording operation data of each device in the manufacturing facility where at least two or more similar devices are installed at all times or intermittently, It supports diagnosis of manufacturing facility by interpreting data. The manufacturing facility diagnosis support apparatus includes a function of extracting data to be used for diagnosis from the data recorded in the data collection apparatus, a function of dividing the extracted data into groups of the same type of data of similar apparatuses, A function of storing the calculated feature quantity in a storage device, a function of comparing the newly calculated feature quantity and the past feature quantity stored in the storage device in group units, and based on the comparison result Thereby detecting an abnormality.

Description

제조 설비 진단 지원 장치 및 제조 설비 진단 지원 방법Diagnostic Support Device for Manufacturing Facility and Diagnostic Support Method for Manufacturing Facility

본 발명은 금속 재료를 압연하는 압연 라인이나 어닐링을 하는 어닐링 라인 등, 적어도 2개 이상의 유사한 장치가 설치되는 제조 설비의 진단을 지원하기 위한 장치 및 방법에 관한 것이다.The present invention relates to an apparatus and a method for supporting diagnosis of a manufacturing facility in which at least two similar apparatuses are installed, such as a rolling line for rolling a metal material or an annealing line for annealing.

압연 라인이나 어닐링 라인 등의 제조 설비는 복수의 장치를 포함하고 있다. 제조 설비를 구성하는 장치에 고장이 있으면, 제품의 품질 저하나 라인 정지에 의한 생산 효율의 저하를 초래하는 경우가 있다. 나아가, 하나의 장치의 고장의 틀에 머물지 않고, 이것을 발단으로 하여 중대한 트러블이 야기되어, 다른 장치에도 대미지를 끼쳐버릴 우려도 있다. 그 때문에, 고장이 일어나기 전에 대처할 수 있도록, 제조 설비의 정확한 진단이 요구되고 있다.A manufacturing facility such as a rolling line or an annealing line includes a plurality of apparatuses. If there is a failure in the apparatus constituting the manufacturing facility, the quality of the product may be lowered or the production efficiency may be lowered due to the line stop. Furthermore, there is a fear that the device will not remain in the frame of the failure of one device, causing serious trouble due to the start of the device, and causing damage to other devices. Therefore, an accurate diagnosis of the manufacturing facility is required so that it can be coped with before the failure occurs.

이러한 배경에서, 근년, 제조 설비의 진단 지원에 관한 다양한 방법이 제안되어 있다. 그 대표적인 것이, 고장이 일어나기 전에 대처할 수 있도록, 제조 설비를 구성하는 장치의 이상을 파악하는 기술이다. 그 대부분은, 과거에 일어난 이상 현상을 기지의 정보로서 축적해 두고, 그것을 이용하여 현재의 상태가 이상한 것인지 여부를 판단하는 것이다. 그러나, 물론 과거의 지견은 유용하지만, 과거에 이상이 일어난 것이 기지가 아니면 적용할 수 없어, 완전히 새로운 이상이 일어났을 때에는 대처할 수 없다.In this context, in recent years, various methods for diagnosing support of manufacturing facilities have been proposed. A representative example of this is a technique for identifying an abnormality of a device constituting a manufacturing facility so that a failure can be dealt with before it occurs. Most of them are to accumulate anomalies that occurred in the past as information on the base, and use it to judge whether or not the current state is abnormal. However, of course, the past knowledge is useful, but it can not be applied if it is not known that an abnormality occurred in the past, and can not be dealt with when a completely new abnormality occurs.

한편, 국제 공개 제2015/177870호에는 제조 설비의 진단 지원에 관한 새로운 기술이 개시되어 있다. 동 공보에 개시된 기술은, 제조 설비를 구성하는 장치에 적어도 2개 이상의 유사한 장치가 포함되는 경우, 대상으로 하는 기간에 있어서 유사한 각 장치로부터 채취한 데이터에 기초하여 특징량을 계산하고, 유사한 장치 간에서의 특징량의 비교에 기초하여 이상을 검지한다는 것이다. 이 기술에 의하면, 과거에 일어난 이상 현상에 관한 지견을 필요로 하지 않는다.International Publication No. 2015/177870, on the other hand, discloses a new technique for diagnostic support of manufacturing facilities. The technique disclosed in this publication calculates a feature amount based on data sampled from each similar device in a target period when at least two or more similar devices are included in an apparatus constituting the manufacturing facility, The abnormality is detected on the basis of the comparison of the characteristic quantities. According to this technique, knowledge about anomalies that occurred in the past is not required.

국제 공개 제2015/177870호International Publication No. 2015/177870

국제 공개 제2015/177870호에서 계산되어 있는 특징량은, 장치의 상태 이외의 요인, 구체적으로는, 제조하고 있는 제품의 원재료나 제조 조건 등에 의존하는 경우가 있다. 특징량의 비교에 기초하여 이상을 검지하는 것이라면, 장치의 상태 이외의 요인에 의한 특징량의 차이를 고려하는 것이 바람직하다. 그러나, 국제 공개 제2015/177870호에 개시된 기술에서는, 비교에 사용하는 특징량은, 소정 기간에 유사한 각 장치에서 채취된 데이터에 기초하여 계산된 것에 한정되어 있다. 이 때문에, 이상 검지의 판정에 있어서, 제조하고 있는 제품의 원재료나 제조 조건 등, 장치의 상태 이외의 요인에 의존하는 특징량의 차이를 고려하는 것은 곤란했다.The feature amount calculated in International Publication No. 2015/177870 may depend on factors other than the state of the apparatus, specifically, the raw material of the manufactured product, the manufacturing conditions, and the like. It is preferable to consider the difference in the feature amount due to factors other than the state of the apparatus if the abnormality is detected based on the comparison of the feature amounts. However, in the technique disclosed in International Publication No. 2015/177870, the feature amount used for the comparison is limited to that calculated based on the data obtained from each similar device in a predetermined period. For this reason, it has been difficult to take into account differences in the characteristic quantities depending on factors other than the state of the apparatus, such as the raw materials and the manufacturing conditions of the manufactured product in the determination of the abnormal detection.

본 발명은 상술한 바와 같이 과제를 감안하여 이루어진 것으로, 적어도 2개 이상의 유사한 장치가 설치되는 제조 설비의 진단에 있어서, 장치의 상태 이외의 요인이 진단에 미치는 영향을 억제할 수 있는 장치 및 방법을 제공하는 것이다.SUMMARY OF THE INVENTION The present invention has been made in view of the above problems, and it is an object of the present invention to provide an apparatus and a method capable of suppressing the influence of factors other than the status of the apparatus on diagnosis in diagnosis of a manufacturing facility in which at least two similar apparatuses are installed .

본 발명에 따른 제조 설비 진단 지원 장치는, 적어도 2개 이상의 유사한 장치가 설치되는 제조 설비 내의 각 장치의 운전 데이터를 상시 또는 간헐적으로 수집해 기록하는 데이터 수집 장치에 접속되고, 데이터 수집 장치에 기록된 데이터를 해석함으로써 제조 설비의 진단을 지원하는 제조 설비 진단 지원 장치이며, 이하와 같이 구성된다.The manufacturing facility diagnosis support device according to the present invention is connected to a data collection device for collecting and recording operation data of each device in the manufacturing facility where at least two or more similar devices are installed at all times or intermittently, Is a manufacturing facility diagnosis support apparatus that supports diagnosis of a manufacturing facility by interpreting data, and is configured as follows.

즉, 본 발명에 따른 제조 설비 진단 지원 장치는, 데이터 수집 장치에 기록된 데이터로부터 진단에 사용할 데이터를 추출하는 수단과, 추출된 데이터를 유사한 장치의 동종의 데이터마다 그룹을 나누는 수단과, 그룹 나눔된 데이터의 그룹마다의 특징량을 연산하는 수단과, 연산된 특징량을 기억하는 수단과, 연산된 특징량과 기억된 과거의 특징량을 그룹 단위로 비교하고, 그 비교 결과에 기초하여 이상을 검지하는 수단을 구비한다.That is, the manufacturing facility diagnosis support apparatus according to the present invention comprises: means for extracting data to be used for diagnosis from data recorded in the data collection apparatus; means for dividing the extracted data into groups of the same type of data of similar apparatus; Means for calculating a feature amount for each group of data that has been calculated by the feature amount calculating means, means for storing the calculated feature amount, means for comparing the calculated feature amount and the stored past feature amount on a group basis, And detecting means for detecting the position of the object.

상기 각 수단의 처리는, 제조 설비 진단 지원 장치를 구성하는 컴퓨터에 실행시켜도 된다. 즉, 제조 설비 진단 지원 장치를, 적어도 하나의 프로세서와, 적어도 하나의 프로그램을 포함하는 적어도 하나의 메모리를 구비하는 컴퓨터로 구성하고, 적어도 하나의 메모리와 적어도 하나의 프로그램은, 적어도 하나의 프로세서와 함께, 컴퓨터를 적어도 상기 각 수단으로서 동작시켜도 된다.The processing of each of the above means may be executed by a computer constituting the manufacturing facility diagnosis support apparatus. That is, the manufacturing facility diagnosis support apparatus is constituted by a computer having at least one processor and at least one memory including at least one program, and the at least one memory and at least one program include at least one processor Together, the computer may be operated as at least each of the above means.

데이터 수집 장치에 기록된 데이터에는, 제조 설비 내의 각 장치가 가동 중인 것을 나타내는 가동 신호가 포함되어도 된다. 이 경우, 데이터 추출 수단은, 데이터 수집 장치에 기록된 데이터에 포함되는 가동 신호에 기초하여, 각 장치의 가동 중에 수집된 데이터를 추출하도록 구성되어도 된다. 추출할 데이터를 장치의 가동 중의 데이터에 한정함으로써, 특징량의 계산에 사용하는 데이터의 유용성을 높일 수 있다.The data recorded in the data collecting apparatus may include a movable signal indicating that each apparatus in the manufacturing facility is in operation. In this case, the data extracting means may be configured to extract the data collected during operation of each apparatus based on the operation signal included in the data recorded in the data collecting apparatus. By limiting the data to be extracted to the data during operation of the apparatus, the usability of the data used for the calculation of the feature amount can be enhanced.

이상 검지 수단은, 특징량 기억 수단에 기억된 특징량 중, 미리 설정된 시간만큼 거슬러 올라간 과거의 특징량을 사용하여, 또는, 미리 설정한 제품의 수만큼 거슬러 올라간 과거의 특징량을 사용하여 이상 검지를 행하도록 구성되어도 된다.The abnormality detection means may use the past feature quantities traced back by a preset time among the feature quantities stored in the feature quantity storage means or by using the past feature quantities traced as many as the preset number of products, .

데이터 수집 장치에 기록된 데이터에는, 동 데이터의 수집 시에 제조 설비가 제조하고 있던 제품의 원재료 또는 제조 조건에 관련되는 제품 관련 정보가 포함되고, 데이터 추출 수단에 의해 추출되는 데이터에는, 특징량 연산 수단에 의해 특징량의 연산에 사용되는 데이터와 함께 제품 관련 정보가 포함되어도 된다. 이 경우, 특징량 기억 수단은, 특징량의 연산에 사용한 데이터에 관계하는 제품 관련 정보를 동 특징량과 결부시켜서 기억하도록 구성되어도 된다. 또한, 이 경우, 이상 검지 수단은, 특징량 기억 수단에 기억된 특징량 중, 특징량 연산 수단에서 연산된 특징량과 동일한, 또는 일부가 동일한 제품 관련 정보가 결부된 과거의 제품 제조 시의 특징량을 사용하여 이상 검지를 행하도록 구성되어도 된다. 동일한 제품을 제조했을 때의 특징량을 비교에 사용함으로써 이상 검지의 정밀도를 향상시킬 수 있다.The data recorded in the data collecting device includes product related information related to the raw material or the manufacturing condition of the product manufactured by the manufacturing facility at the time of collecting the data, Product-related information may be included together with data used for the calculation of the feature amount by the means. In this case, the feature amount storage means may be configured to store the product-related information related to the data used for the calculation of the feature amount in association with the feature amount. Further, in this case, the abnormality detecting means may detect abnormality of the characteristic of the past product which is associated with the same or a part of the same product-related information as the characteristic quantity calculated by the characteristic quantity calculating means, The abnormality detection may be performed using the amount of the abnormality. The accuracy of the abnormality detection can be improved by using the characteristic quantity when the same product is manufactured for comparison.

또한, 이상 검지 수단은, 특징량 연산 수단에서 연산된 복수개의 특징량의 대표값과, 특징량 기억 수단에 기억된 복수개의 과거의 특징량의 대표값을 사용하여 이상 검지를 행하도록 구성되어도 된다. 단일의 특징량이 아니라 복수개의 특징량의 대표값을 사용하여 이상 검지를 행함으로써, 돌발적인 데이터의 변동 등이 진단에 영향을 미치는 것을 억제할 수 있다.The abnormality detection means may be configured to perform the abnormality detection using the representative values of the plurality of characteristic amounts calculated by the characteristic amount calculation means and the representative values of the plurality of past characteristic amounts stored in the characteristic amount storage means . It is possible to suppress an unexpected fluctuation of data or the like from affecting the diagnosis by performing abnormal detection using a representative value of a plurality of characteristic quantities rather than a single characteristic quantity.

특징량 기억 수단은, 이상 검지 수단에 의해 이상이 검지된 경우, 이상이 검지된 특징량을 검지 결과와 결부시켜서 기억하도록 구성되어도 된다. 이 경우, 이상 검지 수단은, 특징량 기억 수단에 기억된 특징량 중, 이상이 검지되지 않은 과거의 특징량을 사용하여 이상 검지를 행하도록 구성되어도 된다. 이상이 검지된 특징량을 이후의 판단으로부터 제외함으로써, 특징량에 기초하는 이상 검지의 정밀도를 높일 수 있다.The feature amount storage means may be configured to store the detected feature amount in association with the detection result when an abnormality is detected by the abnormality detection means. In this case, the abnormality detection means may be configured to perform an abnormality detection using the past feature quantities whose abnormality is not detected, among the feature amounts stored in the feature amount storage means. By excluding the detected feature amount from the following determination, it is possible to enhance the accuracy of the abnormality detection based on the feature amount.

또한, 본 발명에 따른 제조 설비 진단 지원 장치는, 입력 장치를 통하여 지정된 조건에 따라서, 특징량 기억 수단에 기억된 특징량을 추출 또는 가공하고, 표시 장치에 출력해야 할 감시용 데이터를 작성하는 감시 데이터 작성 수단을 구비해도 된다. 유저가 원하는 감시용 데이터가 표시 장치에 표시됨으로써, 제조 설비의 진단을 위한 지원 정도가 향상된다.The apparatus for diagnosing a manufacturing facility diagnosis according to the present invention is a device for diagnosing a manufacturing facility according to the present invention which extracts or processes a feature stored in a feature storage means in accordance with a specified condition through an input device, Data generating means may be provided. The monitoring data desired by the user is displayed on the display device, thereby improving the degree of support for diagnosis of the manufacturing facility.

또한, 본 발명에 따른 제조 설비 진단 지원 방법은, 적어도 2개 이상의 유사한 장치가 설치되는 제조 설비 내의 각 장치의 운전 데이터를, 데이터 수집 장치에 의해 상시 또는 간헐적으로 수집하여 기록하고, 데이터 수집 장치에 기록된 데이터를 해석함으로써 제조 설비의 진단을 지원하는 제조 설비 진단 지원 방법이며, 이하의 스텝을 갖는다.The method for supporting diagnosis of manufacturing facilities according to the present invention is a method for collecting and recording operation data of each device in a manufacturing facility in which at least two or more similar devices are installed at all times or intermittently by the data collection device, A manufacturing facility diagnosis support method for supporting the diagnosis of the manufacturing facility by interpreting the recorded data, and has the following steps.

즉, 본 발명에 따른 제조 설비 진단 지원 방법은, 데이터 수집 장치에 기록된 데이터로부터 진단에 사용할 데이터를 추출하는 스텝과, 추출된 데이터를 유사한 장치의 동종의 데이터마다 그룹을 나누는 스텝과, 그룹 나눔된 데이터의 그룹마다의 특징량을 연산하는 스텝과, 연산된 특징량을 기억 장치에 기억하는 스텝과, 새롭게 연산된 특징량과 기억 장치에 기억된 과거의 특징량을 그룹 단위로 비교하고, 그 비교 결과에 기초하여 이상을 검지하는 스텝을 갖는다.That is, the manufacturing facility diagnosis support method according to the present invention comprises the steps of: extracting data to be used for diagnosis from the data recorded in the data collection apparatus; dividing the extracted data into groups of similar types of data of similar apparatus; Calculating a feature quantity for each group of the data obtained by the feature quantity calculation step, storing the calculated feature quantity in a storage device, comparing the newly calculated feature quantity and the past feature quantity stored in the storage device, And detecting an abnormality based on the comparison result.

데이터 수집 장치에 기록된 데이터에는, 제조 설비 내의 각 장치가 가동 중인 것을 나타내는 가동 신호가 포함되어도 된다. 이 경우, 데이터 추출 스텝은, 데이터 수집 장치에 기록된 데이터에 포함되는 가동 신호에 기초하여, 각 장치의 가동 중에 수집된 데이터를 추출하는 스텝이어도 된다.The data recorded in the data collecting apparatus may include a movable signal indicating that each apparatus in the manufacturing facility is in operation. In this case, the data extracting step may be a step of extracting data collected during operation of each apparatus based on the operation signal included in the data recorded in the data collecting apparatus.

이상 검지 스텝은, 기억 장치에 기억된 특징량 중, 미리 설정된 시간만큼 거슬러 올라간 과거의 특징량을 사용하여, 또는, 미리 설정한 제품의 수만큼 거슬러 올라간 과거의 특징량을 사용하여 이상 검지를 행하는 스텝이어도 된다.The abnormality detection step may use the past feature quantities traced by a preset time among the feature quantities stored in the storage device or perform the abnormality detection using the past feature quantities traced as many as the preset number of products Step.

데이터 수집 장치에 기록된 데이터에는, 동 데이터의 수집 시에 제조 설비가 제조하고 있던 제품의 원재료 또는 제조 조건에 관련되는 제품 관련 정보가 포함되고, 데이터 추출 스텝에서 추출되는 데이터에는, 특징량 연산 스텝에서 특징량의 연산에 사용되는 데이터와 함께 제품 관련 정보가 포함되어도 된다. 이 경우, 특징량 기억 스텝은, 특징량의 연산에 사용한 데이터에 관계하는 제품 관련 정보를 동 특징량과 결부시켜서 기억 장치에 기억하는 스텝이어도 된다. 또한, 이 경우, 이상 검지 스텝은, 기억 장치에 기억된 특징량 중, 새롭게 연산된 특징량과 동일한, 또는 일부가 동일한 제품 관련 정보가 결부된 과거의 제품 제조 시의 특징량을 사용하여 이상 검지를 행하는 스텝이어도 된다.The data recorded in the data collecting device includes product related information related to the raw material or the manufacturing condition of the product manufactured by the manufacturing facility at the time of collecting the data, The product-related information may be included together with the data used for calculating the feature amount. In this case, the feature amount storage step may be a step of associating the product-related information related to the data used for calculating the feature amount with the feature amount and storing the resultant information in the storage device. Further, in this case, the abnormality detecting step may be an abnormality detecting step of detecting an abnormality in the past by using the feature quantity at the time of product manufacture, which is associated with product related information that is the same as or partially same as the newly calculated feature amount, .

또한, 이상 검지 스텝은, 새롭게 연산된 복수개의 특징량의 대표값과, 기억 장치에 기억된 복수개의 과거의 특징량의 대표값을 사용하여 이상 검지를 행하는 스텝이어도 된다.The abnormality detection step may be a step of performing abnormality detection using a representative value of a plurality of newly calculated feature amounts and a representative value of a plurality of past feature amounts stored in the storage device.

특징량 기억 스텝은, 새롭게 연산된 특징량에 이상이 검지된 경우, 이상이 검지된 특징량을 검지 결과와 결부시켜서 기억 장치에 기억하는 스텝이어도 된다. 이 경우, 이상 검지 스텝은, 기억 장치에 기억된 특징량 중, 이상이 검지되지 않은 과거의 특징량을 사용하여 이상 검지를 행하는 스텝이어도 된다.The feature amount storing step may be a step of storing an abnormality detected feature amount in the storage device in association with the detection result when an abnormality is detected in the newly calculated feature amount. In this case, the abnormality detection step may be a step of performing an abnormality detection using the past feature quantities whose abnormality is not detected among the feature amounts stored in the storage device.

또한, 본 발명에 따른 제조 설비 진단 지원 방법은, 입력 장치를 통하여 지정된 조건에 따라서, 기억 장치에 기억된 특징량을 추출 또는 가공하여, 표시 장치에 출력해야 할 감시용 데이터를 작성하는 감시 데이터 작성 스텝을 가져도 된다.The manufacturing facility diagnosis support method according to the present invention further comprises the steps of extracting or processing the feature quantity stored in the storage device according to the specified conditions through the input device and creating surveillance data for creating surveillance data to be output to the display device Step may be taken.

또한, 본 발명에 따르면, 상기 제조 설비 진단 지원 방법에 있어서의 각 스텝의 처리를 컴퓨터에 실행시키기 위한 프로그램과, 그 프로그램을 저장한 기억 매체도 제공된다.According to the present invention, there is also provided a program for causing a computer to execute processing of each step in the manufacturing facility diagnosis support method, and a storage medium storing the program.

본 발명에 따르면, 데이터 수집 장치에 기록된 데이터, 즉, 제조 설비 내의 각 장치의 운전 데이터로부터 진단에 사용할 데이터가 추출된다. 추출된 데이터는 유사한 장치의 동종의 데이터마다 그룹 나눔되고, 그룹 나눔된 데이터에 대하여 그룹 내에서 진단하기 위한 특징량이 연산된다. 연산된 특징량은 기억 장치에 기억된다. 그리고, 새롭게 연산된 특징량과 기억 장치에 기억된 과거의 특징량이 비교되고, 그 비교 결과에 기초하여 이상 검지가 행해진다. 이 이상 검지의 결과가 유저에게 제공됨으로써, 유저는, 제조 설비를 구성하는 장치에 이상이 일어났는지 여부를 용이하게 판단할 수 있다.According to the present invention, data to be used for diagnosis is extracted from the data recorded in the data collection device, that is, the operation data of each device in the manufacturing facility. The extracted data is divided into groups for each type of similar data of a similar apparatus, and a feature quantity for diagnosing the grouped data in the group is calculated. The calculated feature amount is stored in the storage device. Then, the newly calculated feature quantity is compared with the past feature quantity stored in the storage device, and anomaly detection is performed based on the comparison result. Since the result of the abnormality detection is provided to the user, the user can easily judge whether or not an abnormality has occurred in the apparatus constituting the manufacturing facility.

그리고, 본 발명에 따른 제조 설비 진단 지원 장치 및 제조 설비 진단 지원 방법에 의하면, 연산한 특징량의 비교의 대상을, 동기 간에 연산되는 다른 장치에 관한 특징량이 아니라, 기억 장치에 기억된 당해 장치에 관한 과거의 특징량으로 하고 있으므로, 비교의 대상을 넓은 범위로부터 선택할 수 있다. 따라서, 제조하고 있는 제품의 원재료나 제조 조건 등에 특징량이 의존한다고 해도, 비교 대상으로 하는 과거의 특징량을 적절하게 선택함으로써, 장치의 상태 이외의 요인이 진단에 미치는 영향을 억제할 수 있다.According to the manufacturing facility diagnosis support device and the manufacturing facility diagnosis support method according to the present invention, the object of comparison of the calculated feature quantity is not the feature quantity of the other device calculated between the synchronizations, , The object of comparison can be selected from a wide range. Therefore, even if the characteristic quantity depends on the raw material and the manufacturing condition of the manufactured product, it is possible to suppress the influence of factors other than the device status on the diagnosis by appropriately selecting the past characteristic quantity to be compared.

도 1은 본 발명의 실시 형태의 시스템의 구성을 도시하는 도면이다.
도 2는 본 발명의 실시 형태의 제조 설비 진단 지원 장치의 구성을 도시하는 도면이다.
도 3은 본 발명의 실시 형태에 있어서의 데이터 추출의 일례를 설명하는 도면이다.
도 4는 본 발명의 실시 형태에 있어서의 이상 검지의 일례를 설명하는 도면이다.
도 5는 본 발명의 실시 형태에 있어서의 이상 검지의 일례를 설명하는 도면이다.1 is a diagram showing a configuration of a system according to an embodiment of the present invention.
2 is a diagram showing a configuration of an apparatus for diagnosing facility diagnosis according to an embodiment of the present invention.
3 is a diagram for explaining an example of data extraction in the embodiment of the present invention.
4 is a view for explaining an example of anomaly detection in the embodiment of the present invention.
5 is a view for explaining an example of anomaly detection in the embodiment of the present invention.

도면을 참조하여, 본 발명의 실시 형태를 설명한다. 단, 이하에 나타내는 실시 형태는, 본 발명의 기술적 사상을 구체화하기 위한 장치나 방법을 예시하는 것으로서, 특별히 명시하는 경우를 제외하고, 구성 부품의 구조나 배치, 처리의 순서 등을 하기의 것에 한정하려는 의도는 없다. 본 발명은 이하에 나타내는 실시 형태에 한정되는 것은 아니며, 본 발명의 취지를 일탈하지 않는 범위에서 여러가지 변형하여 실시할 수 있다.Embodiments of the present invention will be described with reference to the drawings. However, the embodiments described below are intended to illustrate an apparatus and a method for embodying the technical idea of the present invention, and the structure and arrangement of constituent parts, the order of processing, and the like are limited to the following items There is no intention to do so. The present invention is not limited to the embodiments described below, and various modifications may be made without departing from the gist of the present invention.

도 1은, 본 발명의 실시 형태의 시스템의 구성을 도시하는 도면이다. 본 실시 형태의 제조 설비 진단 지원 장치(이하, 간단히 진단 지원 장치라고 한다)(10)에 의한 진단 지원의 대상으로 되는 제조 설비는, 열간 박판 압연 라인(20)이다. 도 1에 도시하는 열간 박판 압연 라인(20)은 가열로(21), 조압연기(22, 23), 바 히터(24), 마무리 압연기(25), 런아웃 테이블(26), 권취기(27) 등의 각종의 장치를 구비하고 있다. 가열로(21)에서 달궈진 압연재(100)는 2식의 조압연기(22, 23)에 의해 압연된다. 조압연기(22, 23)로 압연된 압연재(100)는 바 히터(24)를 거쳐서, 마무리 압연기(25)에 반송된다. 마무리 압연기(25)는 직렬로 배열된 7대의 압연 스탠드(F1 내지 F7)를 갖고, 압연재(100)를 원하는 판 두께까지 압연한다. 마무리 압연기(25)로 압연된 압연재(100)는 런아웃 테이블(26)로 냉각된 후, 권취기(27)에 의해 코일상으로 권취된다. 압연재(100)를 얇게 압연하여 생긴 코일상의 박판이 최종적인 제품이다. 또한, 열간 박판 압연 라인(20)에는, 마무리 압연기(25)의 입구측의 온도를 계측하기 위한 온도계(30), 판 두께 및 판 폭을 계측하기 위한 센서(31), 마무리 압연기(25)의 출구측의 온도를 계측하기 위한 온도계(32), 권취기(27)의 입구측의 온도를 계측하기 위한 온도계(33) 등의 다양한 센서류가 배치되어 있다.1 is a diagram showing a configuration of a system according to an embodiment of the present invention. The manufacturing facility to be subjected to the diagnosis support by the manufacturing facility diagnosis support apparatus (hereinafter, simply referred to as the diagnosis support apparatus) 10 of the present embodiment is the hot rolled sheet rolling line 20. 1 includes a heating furnace 21, roughing mills 22 and 23, a bar heater 24, a finish rolling mill 25, a run-out table 26, a winder 27, And the like. The rolled material 100 heated in the heating furnace 21 is rolled by two roughing mills 22 and 23. The rolled material 100 rolled by the rough rolling mills 22 and 23 is conveyed to the finish rolling mill 25 via the bar heater 24. The finishing mill 25 has seven rolling stands F1 to F7 arranged in series and rolls the rolled material 100 to a desired plate thickness. The rolled material 100 rolled by the finishing mill 25 is cooled by the run-out table 26 and wound up in a coiling manner by a winder 27. A thin sheet on the coil formed by thinly rolling the rolled material 100 is the final product. The hot strip rolling line 20 is provided with a thermometer 30 for measuring the temperature at the inlet side of the finishing mill 25, a sensor 31 for measuring the plate thickness and plate width, A thermometer 32 for measuring the temperature at the outlet side, and a thermometer 33 for measuring the temperature at the inlet side of the take-up unit 27 are arranged.

열간 박판 압연 라인(20)에는 데이터 수집 장치(28)가 설치되어 있다. 데이터 수집 장치(28)는 제품의 품질을 담보, 또는 관리하기 위해서, 열간 박판 압연 라인(20)을 구성하는 각 장치에 대한 설정값이나 실적값, 센서에 의한 측정값, 또한 장치를 적정하게 동작시키기 위한 조작량 등의 각종의 운전 데이터를 상시 또는 간헐적으로 수집하고, 하드 디스크 등의 기록 장치에 기록하고 있다. 데이터 수집 장치(28)는 단일의 컴퓨터로 구성해도 되고, 네트워크에 접속된 복수의 컴퓨터로 구성해도 된다.The hot strip rolling line (20) is provided with a data collection device (28). In order to secure or manage the quality of the product, the data collecting device 28 is provided with a set value or an actual value for each device constituting the hot rolled sheet rolling line 20, a measured value by the sensor, Or the like, is always or intermittently collected and recorded in a recording device such as a hard disk. The data collecting device 28 may be constituted by a single computer or a plurality of computers connected to a network.

데이터 수집 장치(28)에 의해 운전 데이터가 수집되는 장치에는, 마무리 압연기(25)의 압연 스탠드(F1 내지 F7)가 포함된다. 7대의 압연 스탠드(F1 내지 F7)는, 상하의 압연롤을 구동하기 위한 대용량 전동기, 롤과 전동기를 연결하는 샤프트, 롤을 상하로 움직이게 하는 압하 장치 등, 세세한 사양은 상이하지만, 그 기본적인 구성은 공통된다. 따라서, 압연 스탠드(F1 내지 F7)는, 유사한 장치, 상세하게는, 공통의 기본적인 구성을 갖고, 또한, 사양 및 사용 조건이 유사한 장치에 해당한다.The apparatus in which the operation data is collected by the data collecting device 28 includes the rolling stands F1 to F7 of the finish rolling mill 25. The seven rolling stands F1 to F7 are different from the detailed specifications such as a large-capacity electric motor for driving the upper and lower rolling rolls, a shaft connecting the rolls and the electric motor, and a rolling device for moving the rolls up and down. do. Therefore, the rolling stands F1 to F7 correspond to similar apparatuses, specifically, apparatuses having a common basic configuration and similar in terms of specifications and conditions of use.

진단 지원 장치(10)는 LAN에 의해 데이터 수집 장치(28)에 접속되어 있다. 진단 지원 장치(10)는 열간 박판 압연 라인(20)을 진단한 결과를 제시하는 장치가 아니라, 유저에 의한 열간 박판 압연 라인(20)의 진단을 지원하는 장치이다. 보다 상세하게는, 진단 지원 장치(10)는 열간 박판 압연 라인(20)의 진단에 사용할 데이터를 데이터 수집 장치(28)에 기록된 데이터로부터 추출하고, 해석하고, 그 해석 결과를 유저에 대하여 제공함으로써, 유저가 행하는 진단을 지원하는 장치이다. 진단 지원 장치(10)는 적어도 하나의 메모리와 적어도 하나의 프로세서를 갖는 컴퓨터이다. 메모리에는, 진단 지원에 사용하는 각종 프로그램이나 각종 데이터가 기억된다. 또한, 진단 지원 장치(10)에는, 해석 결과를 표시하기 위한 표시 장치(18)와, 유저의 명령을 입력하기 위한 키보드, 마우스 터치 패널 등의 입력 장치(19)가 접속되어 있다.The diagnosis support apparatus 10 is connected to the data collection apparatus 28 by LAN. The diagnosis support apparatus 10 is not a device for presenting a diagnosis result of the hot rolled thin plate rolling line 20 but a device for supporting the diagnosis of the hot rolled thin plate rolling line 20 by the user. More specifically, the diagnosis assisting apparatus 10 extracts data used for diagnosis of the hot strip rolling line 20 from the data recorded in the data collecting apparatus 28, analyzes the data, and provides the analysis result to the user Thereby supporting diagnosis performed by the user. The diagnostic support apparatus 10 is a computer having at least one memory and at least one processor. Various programs and various data used for diagnosis support are stored in the memory. A display device 18 for displaying an analysis result and an input device 19 such as a keyboard and a mouse touch panel for inputting a command of the user are connected to the diagnosis support apparatus 10. [

도 2는, 진단 지원 장치(10)의 구성을 도시하는 도면이며, 진단 지원 장치(10)가 갖는 기능이 블록으로 표현되어 있다. 진단 지원 장치(10)는 데이터 추출부(11), 데이터 그룹화부(12), 특징량 연산부(13), 특징량 기억부(14), 이상 검지부(15), 및 감시 데이터 작성부(16)를 구비하고 있다. 이들 기능부(11 내지 16)에서 행해지는 처리는, 본 발명에 따른 제조 설비 진단 지원 방법에 있어서의 각 스텝의 처리에 대응하고 있다. 진단 지원 장치(10)의 메모리로부터 판독된 프로그램이 프로세서로 실행됨으로써, 이들 기능부(11 내지 16)의 기능, 즉, 진단 지원 장치(10)로서의 기능이 컴퓨터로 실현된다. 또한, 컴퓨터를 진단 지원 장치(10)로서 기능시키는 상기 프로그램은, 네트워크 또는 컴퓨터에서 판독 가능한 기억 매체(예를 들어 CD-ROM, DVD, USB 메모리 등)를 통하여 제공된다. 이하, 진단 지원 장치(10)를 구성하는 기능부(11 내지 16)의 기능에 대하여 설명한다.2 is a diagram showing the configuration of the diagnosis assisting apparatus 10, and the functions of the diagnosis assisting apparatus 10 are represented by blocks. The diagnostic support apparatus 10 includes a data extracting unit 11, a data grouping unit 12, a feature amount calculating unit 13, a feature amount storing unit 14, an abnormality detecting unit 15, . The processing performed by these functional units 11 to 16 corresponds to the processing of each step in the manufacturing facility diagnosis support method according to the present invention. The programs read out from the memory of the diagnostic support apparatus 10 are executed by the processor so that the functions of these function units 11 to 16, that is, the functions as the diagnostic support apparatus 10, are realized by a computer. The program for making the computer function as the diagnostic support apparatus 10 is provided via a network or a computer-readable storage medium (for example, CD-ROM, DVD, USB memory, etc.). Hereinafter, functions of the functional units 11 to 16 constituting the diagnostic support apparatus 10 will be described.

데이터 추출부(11)는 유사한 장치의 운전 데이터를 데이터 수집 장치(28)로부터 추출하는 기능(데이터 추출 수단으로서의 기능)을 갖는다. 유사한 장치의 예인 압연 스탠드(F1 내지 F7)의 경우, 데이터 추출부(11)가 추출하는 운전 데이터에는, 각 압연 스탠드(F1 내지 F7)의 압연 하중, 전동기 전류, 속도, 압하 위치 등이 포함된다. 바람직하게는, 압연 스탠드(F1 내지 F7)의 운전 데이터 중, 압연 스탠드(F1 내지 F7)의 가동 중에 수집된 데이터, 즉, 압연 중의 데이터가 추출된다. 압연 중인지 여부는, 데이터 자신의 크기나 그 변화 등으로부터 판단할 수 있다. 예를 들어, 추출되는 데이터가 압연 하중이라면, 도 3에 도시한 바와 같이, 압연 중과 비압연 중에서 압연 하중의 크기가 바뀌기 때문에, 어떤 역치를 설정함으로써, 압연 중과 비압연 중의 어느 쪽인지 압연 하중의 크기로부터 판단할 수 있다. 압연 중인 것을 나타내는 가동 중 신호는, 압연 스탠드(F1 내지 F7)를 제어하고 있는 도시하지 않은 제어 장치에서 제작되고, 압연 하중의 데이터와 함께 데이터 수집 장치(28)에 수집되어, 압연 하중의 데이터와 결부되어 기록되어 있다. 또는, 데이터 추출부(11)가 데이터 수집 장치(28)로부터 데이터(압연 하중의 데이터에는 한정되지 않는다)를 추출할 때, 데이터 수집 장치(28)에 기록되어 있는 압연 하중의 데이터를 체크하고, 압연 하중이 역치를 초과하였으면 그 데이터를 데이터 수집 장치(28)로부터 읽어들이게 해도 된다. 또한, 도 3에 도시하는 예에서는, 압연 하중의 데이터 자체의 크기에 기초하여 가동 중 신호를 제작하고 있지만, 압연 중과 비압연 중이 변화하는 특정한 현상에 관련지어서 가동 중 신호를 제작해도 된다. 또한, 추출 대상으로 되는 데이터가 상이하면, 가동 중 신호를 각각의 대상에 맞추어 제작해도 된다.The data extracting unit 11 has a function of extracting operation data of a similar apparatus from the data collecting apparatus 28 (function as data extracting means). In the case of the rolling stands F1 to F7, which are examples of similar devices, the operation data extracted by the data extracting unit 11 includes the rolling load of each of the rolling stands F1 to F7, the electric motor current, the speed, . Preferably, among the operation data of the rolling stands F1 to F7, data collected during the operation of the rolling stands F1 to F7, that is, data during rolling, is extracted. Whether or not the sheet is being rolled can be judged from the size of the data itself or a change thereof. For example, if the data to be extracted is the rolling load, since the magnitude of the rolling load varies between rolling and non-rolling as shown in Fig. 3, by setting a certain threshold value, It can be judged from the size. The in-operation signal indicating that the rolling is being performed is produced by a control device (not shown) controlling the rolling stands F1 to F7 and is collected in the data collecting device 28 together with the rolling load data, Respectively. Alternatively, when the data extracting unit 11 extracts data (not limited to data of the rolling load) from the data collecting apparatus 28, it checks the data of the rolling load recorded in the data collecting apparatus 28, If the rolling load exceeds the threshold value, the data may be read from the data collection device 28. In the example shown in Fig. 3, the in-operation signal is produced based on the magnitude of the data of the rolling load. However, the in-operation signal may be produced in association with a specific phenomenon that varies during rolling and non-rolling. Further, if the data to be extracted is different, an in-operation signal may be prepared for each object.

데이터 그룹화부(12)는 데이터 추출부(11)에 의해 추출된 데이터를 유사한 장치의 동종의 데이터마다 그룹화하는 기능(데이터 그룹화 수단으로서의 기능)을 갖는다. 압연 스탠드(F1 내지 F7)의 경우, 압연 하중, 전동기 전류, 속도, 압하 위치 등은, 각각 동종의 데이터로서 취급할 수 있다. 단, 반드시 압연 스탠드(F1 내지 F7) 모두에 동종의 데이터가 있는 것만은 아니다. 예를 들어, 압연 스탠드(F1 내지 F4)에는 있지만, 압연 스탠드(F5 내지 F7)에는 없는 데이터도 있다. 이 경우, 압연 스탠드(F5 내지 F7)는 제외하고, 압연 스탠드(F1 내지 F4)의 사이에서 공통되는 데이터에 대하여 그룹화하면 된다.The data grouping unit 12 has a function (a function as data grouping means) for grouping the data extracted by the data extracting unit 11 for each similar type of data of a similar apparatus. In the case of the rolling stands F1 to F7, the rolling load, the motor current, the speed, and the pressing down position can be handled as the same kind of data. However, not all of the rolling stands F1 to F7 necessarily have the same type of data. For example, some data exist in the rolling stands F1 to F4 but not in the rolling stands F5 to F7. In this case, except for the rolling stands F5 to F7, data common to the rolling stands F1 to F4 may be grouped.

특징량 연산부(13)는 데이터 그룹화부(12)로 그룹화된 데이터의 특징량을 연산하는 기능(특징량 연산 수단으로서의 기능)을 갖는다. 특징량이란, 데이터가 갖는 특징을 용이하게 현재화시키는 양으로 정의할 수 있다. 특징량의 연산 방법의 일례로서는, 평균값, 표준 편차, 최대값/최소값 등의 통계적인 처리나 주성분 분석 등을 사용할 수 있다. 그 밖에도 푸리에 해석이나 웨이블렛 변환 등의 방법으로 특징량을 구해도 된다. 또한, 그룹 내의 데이터 간의 상관 계수나 유클리드 거리 등의 거리를 특징량으로서 사용하는 것도 가능하다. 또한, 여기에 든 방법은 어디까지나 일례이므로, 여기에 든 이외의 방법으로 특징량을 구하는 것에 문제는 없다. 또한, 특징량을 연산하는 데이터의 내용에 따라서는, 특징량의 연산을 행하기 전에, 추출한 데이터에 필터 처리를 실시하는 것이나, 추출한 데이터와 필터 처리한 데이터의 차분을 구하는 것 등도 유효하다.The feature-quantity calculating unit 13 has a function (a function as a feature-quantity calculating unit) for calculating a feature quantity of data grouped by the data grouping unit 12. [ The feature amount can be defined as an amount that easily characterizes the characteristic of the data. As an example of the calculation method of the feature amount, statistical processing such as average value, standard deviation, maximum value / minimum value, principal component analysis and the like can be used. Alternatively, the feature amount may be obtained by a method such as Fourier analysis or wavelet transform. It is also possible to use a correlation coefficient between data in a group and a distance such as Euclidean distance as a characteristic amount. In addition, since the above methods are only examples, there is no problem in obtaining the feature amount by a method other than those described herein. In addition, depending on the content of the data for calculating the feature amount, it is effective to filter the extracted data before calculation of the feature amount, or to obtain the difference between the extracted data and the filtered data.

특징량 기억부(14)는 특징량 연산부(13)에 의한 연산에서 얻어진 특징량을 그룹마다 기억 장치에 기억하는 기능(특징량 기억 수단으로서의 기능)을 갖는다. 특징량을 기억하는 기억 장치는, 데이터의 갱신이 가능한 것이라면 그 종류에 한정은 없다. 예를 들어, 반도체 메모리여도 되고 하드 디스크여도 되고 DVD여도 된다. 바람직하게는, 특징량을 기억 장치에 기억할 때에 특징량에 관계하는 제품 관련 정보를 특징량과 결부시켜서 기억한다. 제품 관련 정보란, 특징량의 기초가 된 데이터가 데이터 수집 장치(28)에 수집되었을 때에 압연되고 있던 압연재(100)의 원재료(예를 들어 강종)나 압연 조건(예를 들어 소재 두께, 제품 두께, 폭, 온도 등)에 관련되는 정보이다. 제품 관련 정보는, 데이터 수집 장치(28)에 의해 수집되어 기록된 데이터에 포함되어 있다. 특징량은 압연재(100)의 원재료나 제조 조건에 의존하므로, 특징량에 제품 관련 정보를 결부시켜 둠으로써, 특징량에 대한 평가를 정확하게 행할 수 있게 된다.The feature quantity storage unit 14 has a function (function as feature quantity storage means) for storing the feature quantity obtained by the calculation by the feature quantity calculation unit 13 in the storage device for each group. The storage device for storing the feature quantity is not limited as long as the data can be updated. For example, it may be a semiconductor memory, a hard disk, or a DVD. Preferably, when storing the feature quantity in the storage device, the product-related information related to the feature quantity is stored in association with the feature quantity. The product-related information is information related to the raw material (for example, a steel type) or the rolling conditions (for example, a material thickness, a product, or the like) of the rolled material 100 that has been rolled when the data, Thickness, width, temperature, etc.). The product-related information is included in the data collected and recorded by the data collection device 28. Since the feature quantity depends on the raw material of the rolled material 100 and the manufacturing conditions, by associating the product-related information with the feature quantity, it is possible to accurately evaluate the feature quantity.

이상 검지부(15)는 특징량 연산부(13)로 새롭게 연산된 특징량과, 특징량 기억부(14)에 기억된 과거의 특징량을 그룹 단위로 비교하고, 그 비교 결과에 기초하여 이상을 검지하는 기능(이상 검지 수단으로서의 기능)을 갖는다. 상세하게는, 새롭게 연산된 특징량이 과거의 특징량에 대하여 크게 변화하였음을 알았을 경우, 이상 검지부(15)는 이것을 이상으로서 검지한다. 비교에 사용하는 과거의 특징량으로서는, 직전의 압연에서 얻어진 특징량이어도 된다. 직전의 압연이란, 전회의 압연, 또는, 몇개 전에 행한 압연을 의미한다. 한편, 이상이 발생했음에도 불구하고, 그것에 의한 특징량의 변화가 작은 경우, 가까운 과거의 특징량과 비교해도 그 변화량으로부터 이상을 파악하는 것은 곤란하다. 이러한 경우, 더 먼 과거, 예를 들어, 1개월전의 특징량과 비교하면, 특징량의 변화가 커져서, 특징량의 변화량으로부터 이상을 검지할 수 있게 된다. 비교 대상으로서 선정하는 과거의 특징량은, 거슬러 올라가는 시간, 또는, 거슬러 올라가는 제품의 수의 설정에 따라 임의로 바꿀 수 있다. 설정의 변경은 입력 장치(19)를 사용하여 행할 수 있다. 이상 검지부(15)에는, 이상을 검지한 경우에, 그것을 유저에게 알리는 기능, 예를 들어, 표시 장치(18)에 경보를 출력하거나, 또는, 유저(여기서는 보수원)에게 메일로 연락하는 기능을 갖게 하고 있다.The abnormality detection unit 15 compares the feature quantity newly calculated by the feature quantity calculation unit 13 with the past feature quantity stored in the feature quantity storage unit 14 on a group basis and detects an abnormality based on the comparison result (A function as an abnormality detecting means). More specifically, when it is found that the newly calculated feature amount has changed significantly with respect to the past feature amount, the abnormality detection unit 15 detects this abnormality as an abnormality. The past characteristic quantity used for the comparison may be a characteristic quantity obtained in the immediately preceding rolling. Rolling just before means rolling the previous time or rolling several times ago. On the other hand, in spite of the occurrence of an abnormality, when the change of the feature amount by the change is small, it is difficult to grasp the abnormality from the change amount even in comparison with the near past feature amount. In this case, as compared with the feature amount in the farther past, for example, one month before, the change in the feature amount becomes large, and it becomes possible to detect an abnormality from the change amount of the feature amount. The past characteristic amount to be selected as the comparison object can be arbitrarily changed depending on the setting of the backward time or the number of products to be retrofitted. The setting can be changed using the input device 19. [ The abnormality detection unit 15 has a function of notifying the user of an abnormality, for example, a function of outputting an alarm to the display device 18, or a function of contacting the user .

특징량에 제품 관련 정보가 결부되어 있다면, 제품 관련 정보를 이용하여, 비교 대상으로 할 과거의 특징량을 선별할 수 있다. 바람직하게는, 특징량 기억부(14)에 기억된 과거의 특징량 중, 금회 새롭게 연산된 특징량과 동일한 제품 관련 정보가 결부된 과거의 제품 제조 시의 특징량을 비교 대상으로서 선택한다. 그렇게 함으로써, 압연재의 원재료의 차이나 압연 조건의 차이와 같은 장치의 상태 이외의 요인의 영향으로, 이상을 검지할 수 없거나 잘못 검지하거나 하는 것을 억제할 수 있다. 또한, 선택하는 과거의 특징량은, 금회 새롭게 연산된 특징량과 제품 관련 정보 모두가 동일하지 않아도 된다. 예를 들어, 압연 조건의 차이 보다도 원재료의 차이 쪽이 특징량에 대한 영향이 큰 경우, 원재료만이 동일한 제품 관련 정보가 결부된 과거의 특징량을 선택해도 된다. 이와 같이, 비교 대상으로 하는 과거의 특징량에 대하여 압축을 행함으로써, 이상 검지의 정밀도를 향상시킬 수 있다.If the feature amount is associated with the product-related information, the past feature amount to be compared can be selected using the product-related information. Preferably, the past feature quantity at the time of product manufacture, which is associated with the product-related information that is the same as the newly calculated feature quantity, is selected as a comparison target among the past feature quantities stored in the feature quantity storage section 14. By doing so, it is possible to prevent the abnormality from being detected or from being erroneously detected due to factors other than the state of the apparatus such as the difference in the raw material of the rolled material or the difference in rolling conditions. In addition, the past feature quantity to be selected does not have to be the same for both the feature quantity newly calculated this time and the product related information. For example, if the difference in raw material has a greater effect on the characteristic quantity than the difference in the rolling conditions, the past characteristic quantity in which only the raw material is associated with the same product related information may be selected. Thus, by performing compression on past feature quantities to be compared, the accuracy of the error detection can be improved.

이어서, 구체적인 이상 검지의 방법에 대하여 설명한다. 도 4 및 도 5는, 압연 스탠드(F1 내지 F7) 각각에 대하여 금회의 특징량과 과거의 특징량을 비교한 예를 도시하는 도면이다. 특징량은 압연 스탠드(F1 내지 F7) 사이에서 동일하며, 예를 들어, 압연 하중이다. 이상 검지의 방법 중 하나의 안으로서는, 과거의 특징량과의 비교에 있어서, 금회의 특징량이, 예를 들어, 30％ 이상 변화하였으면, 그것을 이상으로서 검지하는 것이 생각된다.Next, a specific method of detecting abnormality will be described. Figs. 4 and 5 are diagrams each showing an example in which the current feature amount and the past feature amount are compared with respect to each of the rolling stands F1 to F7. The feature quantity is the same between the rolling stands F1 to F7, for example, the rolling load. As one of the methods of the abnormality detection, it is conceivable to detect it as an abnormality if the current feature amount is, for example, changed by 30% or more in comparison with the past feature amount.

도 4에 도시하는 예에서는, 압연 스탠드(F1 내지 F7)의 특징량 중, F5의 금회 특징량만이 과거의 특징량에 비하여 크게 변화하였다. 상기 안에 의하면, F5에만 이상이 있다고 판단되게 되는데, 도 4에 도시하는 예에 대해서는 타당한 판단이라 할 수 있다. 그러나, 도 5에 도시하는 예와 같이, 전체적으로 과거의 특징량이 금회의 특징량에 비교하여 크게 되어 있는 경우도 생각된다. 이 경우, 상기 안에 따라서 이상 검지를 행하면, F5 이외의 모두에 이상이 있다고 판단해버리게 된다. 이것은 명백하게 잘못된 판단이라 할 수 있다. 이러한 잘못된 판단이 이루어지는 것은, 상기 안은, 모든 제품 제조에 있어서, 특징량의 크기가 동일 정도로 되는 것을 전제로 하고 있는 데 반해, 실제로는, 도 5에 도시하는 바와 같이 전체적으로 특징량이 크게 되어 있거나, 반대로 작게 되어 있거나 하는 경우도 생각되기 때문이다.In the example shown in Fig. 4, among the feature quantities of the rolling stands F1 to F7, only the current feature quantities of F5 have changed significantly compared to the past feature quantities. According to the above description, it is judged that there is an abnormality only in F5, which is a valid judgment for the example shown in Fig. However, as in the example shown in Fig. 5, it is conceivable that the past feature quantities as a whole are larger than the current feature quantities. In this case, if abnormality detection is carried out in accordance with the above, it is judged that there is abnormality in all but F5. This is clearly an erroneous judgment. The reason why such a false judgment is made is that, in the above description, it is premised that the feature amounts are the same in the size of all the products, whereas in practice, as shown in Fig. 5, It may be because it is small.

이러한 오판단을 방지하기 위해서, 이상 검지부(15)에 의한 특징량의 비교는, 압연 스탠드마다가 아니라, 압연 스탠드(F1 내지 F7)를 하나의 그룹으로 하는 그룹 단위로 행해진다. 구체적으로는, 금회의 특징량과 과거의 특징량 각각에 대해서, 압연 스탠드(F1 내지 F7) 사이에서 특징량의 비를 취한다. 구체적으로는, 압연 스탠드(F1 내지 F7)의 특징량 중의 최소값, 또는 최대값을 기준값으로 설정하고, 그 기준값에 대한 특징량의 비를 압연 스탠드(F1 내지 F7) 각각에 대하여 계산한다. 그리고, 압연 스탠드(F1 내지 F7) 각각에 대해서, 과거의 특징량의 기준값에 대한 비와, 금회의 특징량의 기준값에 대한 비 간의 변화율을 계산하고, 압연 스탠드(F1 내지 F7)의 사이에서 변화율의 비교를 행한다. 이때, 각 변화율을 정규화하고 나서 비교해도 된다. 이상 검지부(15)는 변화율이 다른 것과는 크게 상이한 압연 스탠드가 없는지 조사하고, 변화율이 다른 것과는 크게 상이한 압연 스탠드가 있으면, 그것을 이상으로서 검지한다. 도 5에 도시하는 예에서는, F5만 변화율이 다른 것과는 크게 상이하므로, 이상 검지부(15)는 F5에만 이상이 있다고 판단한다. 도 4에 도시하는 예에서도, 이상 검지부(15)는 변화율이 다른 것과는 크게 상이한 F5에만 이상이 있다고 판단한다. 이와 같이, 본 실시 형태에서 채용되어 있는 이상 검지의 방법에 의하면, 압연 스탠드(F1 내지 F7) 중 어느 것에 이상이 발생한 경우, 그 이상을 적확하게 검지할 수 있다. 단, 여기서 설명한 이상 검지의 방법은 일례이므로, 다른 방법을 채용하는 것은 물론 가능하다.In order to prevent such erroneous judgment, the comparison of the feature quantities by the abnormality detection unit 15 is performed not by the rolling stand but by the group of the rolling stands F1 to F7 as one group. More specifically, the ratio of the feature quantities between the rolling stands F1 to F7 is taken for each of the current feature amount and the past feature amount. Specifically, the minimum value or the maximum value among the feature quantities of the rolling stands F1 to F7 is set as the reference value, and the ratio of the feature quantity to the reference value is calculated for each of the rolling stands F1 to F7. Then, for each of the rolling stands F1 to F7, the ratio of the past feature quantity to the reference value and the rate of change of the ratio of the current feature quantity to the reference value are calculated, and the change rate between the rolling stands F1 to F7 . At this time, the rate of change may be normalized and then compared. The abnormality detecting unit 15 checks whether there is a rolling stand which is significantly different from the other rate of change, and if there is a rolling stand which is significantly different from the other rate of change, it detects abnormality. In the example shown in Fig. 5, since only the change rate F5 differs greatly from the other change rates, the abnormality detection section 15 judges that there is abnormality only in F5. In the example shown in Fig. 4, the abnormality detecting unit 15 judges that there is abnormality only in F5, which is largely different from the other rate of change. As described above, according to the abnormality detection method employed in the present embodiment, when an abnormality occurs in any of the rolling stands F1 to F7, the abnormality detection can be accurately detected. However, since the method of abnormality detection described herein is an example, it is of course possible to employ other methods.

또한, 예를 들어, 압연재(100)의 품질이 낮은 경우, 데이터 수집 장치(28)에 수집되는 데이터에는 돌발적인 변동이 발생하는 경우가 있다. 수집된 데이터가 변동을 포함하는 것이라면, 그것에 기초하여 산출되는 특징량에도 상정 이상의 변동이 발생하는 경우가 있다. 이러한 돌발적인 변동의 영향이 이상 검지의 정밀도에 미치는 것을 피하기 위해서, 복수개(예를 들어 압연재로서 3개분)의 특징량의 대표값(예를 들어 평균값이나 중앙값 등)을 구하고, 금회의 특징량의 대표값과 과거의 특징량의 대표값의 비교에 기초하여 이상 검지를 행해도 된다. 그렇게 함으로써, 돌발적인 데이터의 변동이 진단에 영향을 미치는 것을 억제할 수 있다.Further, for example, when the quality of the rolled material 100 is low, unexpected fluctuations may occur in the data collected in the data collection device 28. [ If the collected data includes fluctuations, there may be a case in which fluctuations more than the estimated value occur in the characteristic amounts calculated based thereon. In order to avoid the influence of such sudden fluctuations on the accuracy of the abnormality detection, a representative value (for example, an average value or a median value) of a plurality of (for example, three as rolled materials) characteristic quantities is obtained, The abnormality detection may be performed on the basis of the comparison between the representative value of the past feature quantity and the representative value of the past feature quantity. By doing so, it is possible to suppress the unexpected fluctuation of the data from affecting the diagnosis.

또한, 바람직하게는, 이상 검지부(15)는 이상을 검지한 경우에는 그 취지를 특징량 기억부(14)에 통지하고, 특징량 기억부(14)는 이상이 검지된 특징량을 검지 결과와 결부시켜서 기억한다. 그리고, 이상 검지부(15)는 특징량 기억부(14)에 기억된 특징량 중, 이상이 검지되지 않은 특징량을 이상 검지에 있어서의 비교의 대상으로서 사용한다. 즉, 이상이 검지된 특징량은 이후의 판단으로부터는 제외한다. 그렇게 함으로써, 특징량에 기초하는 이상 검지의 정밀도를 높일 수 있다.Preferably, when the abnormality detecting unit 15 detects an abnormality, the abnormality detecting unit 15 notifies the feature quantity storing unit 14 of the fact, and the feature quantity storing unit 14 stores the feature quantity, We associate and remember. Then, the abnormality detection unit 15 uses, as an object of comparison in the abnormality detection, a feature amount that is not detected abnormality, among the feature amounts stored in the feature amount storage unit 14. [ In other words, the feature amount in which the abnormality is detected is excluded from the subsequent determination. By doing so, the accuracy of the abnormality detection based on the feature amount can be enhanced.

마지막으로, 감시 데이터 작성부(16)에 대하여 설명한다. 감시 데이터 작성부(16)는 유저가 특징량의 변화의 경향 등을 용이하게 감시하기 위한 감시용 데이터를 작성하는 기능(감시 데이터 작성 수단으로서의 기능)을 갖는다. 예를 들어, 1개마다의 특징량의 시계열 데이터를 표시 장치(18)에 출력하거나, 1일마다의 특징량의 평균값이나 표준 편차, 최대값/최소값 등을 연산하고, 그 시계열 데이터를 표시 장치(18)에 출력하거나 한다. 이에 의해, 장기의 특징량의 변화의 경향을 감시할 수 있다. 또한, 유저가 입력 장치(19)를 통하여 지정한 강종, 또는 판 두께나 판 폭 등의 조건에서 특징량을 취출하고, 표시 장치(18)에 출력할 수도 있다. 여기서, 강종 등의 지정은 유저가 표시 장치로부터 자유롭게 설정할 수 있다. 이에 의해, 제품마다의 감시도 가능하다.Lastly, the supervisory data creation unit 16 will be described. The supervisory data creation section 16 has a function (a function as surveillance data creation means) for creating surveillance data for allowing the user to easily monitor the tendency of the change in the feature quantity and the like. For example, it is possible to output the time series data of each feature amount to the display device 18, to calculate the average value, the standard deviation, the maximum value / the minimum value of the feature amount every day, (18). Thus, it is possible to monitor the tendency of the change in the characteristic amount of the organ. It is also possible for the user to take out the characteristic quantity under the conditions such as the type of the steel specified by the user through the input device 19 or the plate thickness or the plate width and output the same to the display device 18. Here, designation of a steel type or the like can be freely set by the user from the display device. Thus, monitoring for each product is also possible.

또한, 상술한 실시 형태에서는, 마무리 압연기(25)의 압연 스탠드(F1 내지 F7)를 유사한 장치의 예로 들고, 동종의 데이터로서 압연 하중을 사용하여 설명했지만, 본 발명은 이에 의해 한정되는 것은 아니다. 본 발명은 어닐링을 하는 어닐링 라인에도 적용할 수 있고, 연속 냉간 압연기에도 적용할 수 있다.In the above-described embodiments, the rolling stands F1 to F7 of the finish rolling mill 25 are described as similar apparatuses and the rolling load is used as the same kind of data, but the present invention is not limited thereto. The present invention can be applied to an annealing line for annealing, and can also be applied to a continuous cold rolling mill.

10: 진단 지원 장치
11: 데이터 추출부
12: 데이터 그룹화부
13: 특징량 연산부
14: 특징량 기억부
15: 이상 검지부
16: 감시 데이터 작성부
18: 표시 장치
19: 입력 장치
20: 열간 박판 압연 라인(제조 설비)
25: 마무리 압연기
28: 데이터 수집 장치
100: 압연재
F1 내지 F7: 압연 스탠드(유사한 장치)10: Diagnostic support device
11: Data extracting unit
12: Data grouping unit
13:
14: Feature amount storage unit
15: abnormality detection section
16:
18: Display device
19: Input device
20: Hot Rolled Sheet Rolling Line (Manufacturing Facility)
25: Finishing mill
28: Data collection device
100: rolled material
F1 to F7: Rolling stand (similar device)

Claims (16)

적어도 2개 이상의 유사한 장치가 설치되는 제조 설비 내의 각 장치의 운전 데이터를 상시 또는 간헐적으로 수집해 기록하는 데이터 수집 장치에 접속되고, 상기 데이터 수집 장치에 기록된 데이터를 해석함으로써 상기 제조 설비의 진단을 지원하는 제조 설비 진단 지원 장치이며,
상기 데이터 수집 장치에 기록된 데이터로부터 진단에 사용할 데이터를 추출하는 데이터 추출 수단과,
상기 데이터 추출 수단에 의해 추출된 데이터를, 상기 유사한 장치의 동종의 데이터마다 그룹을 나누는 데이터 그룹화 수단과,
상기 데이터 그룹화 수단에 의해 그룹 나눔된 데이터의 그룹마다의 특징량을 연산하는 특징량 연산 수단과,
상기 특징량 연산 수단에서 연산된 특징량을 기억하는 특징량 기억 수단과,
상기 특징량 연산 수단에서 연산된 특징량과, 상기 특징량 기억 수단에 기억된 과거의 특징량을 그룹 단위로 비교하고, 그 비교 결과에 기초하여 이상을 검지하는 이상 검지 수단
을 구비한 것을 특징으로 하는 제조 설비 진단 지원 장치.Connected to a data collecting apparatus for collecting and recording operational data of each apparatus in a manufacturing facility in which at least two or more similar apparatuses are installed at all times or intermittently and analyzing the data recorded in the data collecting apparatus, It is a manufacturing facility diagnosis support device which supports,
Data extracting means for extracting data to be used for diagnosis from data recorded in the data collecting apparatus,
Data grouping means for dividing the data extracted by the data extracting means into groups for each type of similar data of the similar device;
A feature quantity calculating means for calculating a feature quantity for each group of data grouped by said data grouping means;
Characteristic amount storage means for storing the characteristic amount calculated by the characteristic amount calculation means;
An abnormality detecting means for comparing the feature quantity calculated by the feature quantity calculating means with the past feature quantity stored in the feature quantity storing means on a group basis and detecting an abnormality based on the comparison result,
And a diagnosis device for diagnosing the manufacturing facility. 제1항에 있어서, 상기 데이터 수집 장치에 기록된 데이터에는, 상기 제조 설비 내의 각 장치가 가동 중인 것을 나타내는 가동 신호가 포함되고,
상기 데이터 추출 수단은, 상기 데이터 수집 장치에 기록된 데이터에 포함되는 가동 신호에 기초하여, 각 장치의 가동 중에 수집된 데이터를 추출하는 것을 특징으로 하는 제조 설비 진단 지원 장치.The data collecting apparatus according to claim 1, wherein the data recorded in the data collecting apparatus includes a movable signal indicating that each apparatus in the manufacturing facility is in operation,
Wherein said data extracting means extracts data collected during operation of each apparatus based on a move signal included in data recorded in said data collecting apparatus. 제1항 또는 제2항에 있어서, 상기 이상 검지 수단은, 상기 특징량 기억 수단에 기억된 특징량 중, 미리 설정된 시간만큼 거슬러 올라간 과거의 특징량을 사용하여 이상 검지를 행하는 것을 특징으로 하는 제조 설비 진단 지원 장치.The abnormality detection device according to claim 1 or 2, wherein the abnormality detection means performs an abnormality detection using a past feature amount of a feature amount stored in the feature amount storage means, Facility diagnosis support device. 제1항 또는 제2항에 있어서, 상기 이상 검지 수단은, 상기 특징량 기억 수단에 기억된 특징량 중, 미리 설정한 제품의 수만큼 거슬러 올라간 과거의 특징량을 사용하여 이상 검지를 행하는 것을 특징으로 하는 제조 설비 진단 지원 장치.The abnormality detection device according to claim 1 or 2, characterized in that the abnormality detection means performs an abnormality detection using a past feature amount that is retrograde as many as the preset number of products among the feature amounts stored in the feature amount storage means A manufacturing facility diagnosis support device. 제1항 또는 제2항에 있어서, 상기 데이터 수집 장치에 기록된 데이터에는, 동 데이터의 수집 시에 상기 제조 설비가 제조하고 있던 제품의 원재료 또는 제조 조건에 관련되는 제품 관련 정보가 포함되고,
상기 데이터 추출 수단에 의해 추출되는 데이터에는, 상기 특징량 연산 수단에 의해 특징량의 연산에 사용되는 데이터와 함께 제품 관련 정보가 포함되고,
상기 특징량 기억 수단은, 특징량의 연산에 사용한 데이터에 관계하는 제품 관련 정보를 동 특징량과 결부시켜서 기억하고,
상기 이상 검지 수단은, 상기 특징량 기억 수단에 기억된 특징량 중, 상기 특징량 연산 수단에서 연산된 특징량과 동일한, 또는 일부가 동일한 제품 관련 정보가 결부된 과거의 제품 제조 시의 특징량을 사용하여 이상 검지를 행하는 것을 특징으로 하는 제조 설비 진단 지원 장치.The data recording apparatus according to claim 1 or 2, wherein the data recorded in the data collecting apparatus includes product related information related to a raw material or a manufacturing condition of the product manufactured by the manufacturing facility at the time of collecting the data,
Wherein the data extracted by the data extracting means includes product related information together with data used for calculating a feature amount by the feature calculating means,
Wherein the feature amount storage means stores product related information related to data used for calculating a feature amount in association with the feature amount,
Wherein the abnormality detecting means detects a characteristic quantity at the time of manufacturing a past product which is associated with the same or a part of the same product related information as the characteristic quantity calculated by the characteristic quantity calculating means among the characteristic quantities stored in the characteristic quantity storing means And the abnormality detection is performed by using the abnormality detection unit. 제1항 내지 제5항 중 어느 한 항에 있어서, 상기 이상 검지 수단은, 상기 특징량 연산 수단에서 연산된 복수개의 특징량의 대표값과, 상기 특징량 기억 수단에 기억된 복수개의 과거의 특징량의 대표값을 사용하여 이상 검지를 행하는 것을 특징으로 하는 제조 설비 진단 지원 장치.6. The image processing apparatus according to any one of claims 1 to 5, wherein the abnormality detecting means comprises: a representative value calculating means for calculating representative values of a plurality of characteristic amounts calculated by the characteristic amount calculating means, The abnormality detection is performed by using the representative value of the amount of the abnormality. 제1항 내지 제6항 중 어느 한 항에 있어서, 상기 특징량 기억 수단은, 상기 이상 검지 수단에 의해 이상이 검지된 경우, 이상이 검지된 특징량을 검지 결과와 결부시켜서 기억하고,
상기 이상 검지 수단은, 상기 특징량 기억 수단에 기억된 특징량 중, 이상이 검지되지 않은 과거의 특징량을 사용하여 이상 검지를 행하는 것을 특징으로 하는 제조 설비 진단 지원 장치.7. The image processing apparatus according to any one of claims 1 to 6, wherein the feature quantity storing means stores the feature quantity detected with an abnormality in association with the detection result when an abnormality is detected by the abnormality detecting means,
Wherein the abnormality detection means performs an abnormality detection using a past feature amount of the feature amount stored in the feature amount storage means that the abnormality is not detected. 제1항 내지 제7항 중 어느 한 항에 있어서, 입력 장치를 통하여 지정된 조건에 따라서, 상기 특징량 기억 수단에 기억된 특징량을 추출 또는 가공하고, 표시 장치에 출력해야 할 감시용 데이터를 작성하는 감시 데이터 작성 수단
을 더 구비한 것을 특징으로 하는 제조 설비 진단 지원 장치.8. The apparatus according to any one of claims 1 to 7, characterized in that the feature quantity stored in the feature quantity storage means is extracted or processed in accordance with the conditions specified through the input device, and the surveillance data to be output to the display device is created Monitoring data creating means
Further comprising: a diagnosis device for diagnosing a manufacturing facility; 적어도 2개 이상의 유사한 장치가 설치되는 제조 설비 내의 각 장치의 운전 데이터를, 데이터 수집 장치에 의해 상시 또는 간헐적으로 수집하여 기록하고, 상기 데이터 수집 장치에 기록된 데이터를 해석함으로써 상기 제조 설비의 진단을 지원하는 제조 설비 진단 지원 방법이며,
상기 데이터 수집 장치에 기록된 데이터로부터 진단에 사용할 데이터를 추출하는 데이터 추출 스텝과,
상기 추출된 데이터를, 상기 유사한 장치의 동종의 데이터마다 그룹을 나누는 데이터 그룹화 스텝과,
상기 그룹 나눔된 데이터의 그룹마다의 특징량을 연산하는 특징량 연산 스텝과,
상기 연산된 특징량을 기억 장치에 기억하는 특징량 기억 스텝과,
새롭게 연산된 특징량과, 상기 기억 장치에 기억된 과거의 특징량을 그룹 단위로 비교하고, 그 비교 결과에 기초하여 이상을 검지하는 이상 검지 스텝
을 갖는 것을 특징으로 하는 제조 설비 진단 지원 방법.The operation data of each device in the manufacturing facility where at least two or more similar devices are installed is always or intermittently collected and recorded by the data collection device and the data recorded in the data collection device is interpreted to diagnose the production facility Supporting manufacturing facility diagnosis support method,
A data extracting step of extracting data to be used for diagnosis from data recorded in the data collecting apparatus;
A data grouping step of dividing the extracted data into groups of the same type of data of the similar apparatus;
A feature amount calculating step of calculating a feature amount of each group of the grouped data;
A characteristic amount storage step of storing the calculated characteristic amount in a storage device;
An abnormality detecting step of comparing a newly calculated feature amount with a past feature amount stored in the storage device on a group basis and detecting an abnormality based on the comparison result,
Wherein the manufacturing facility diagnosis support method comprises: 제9항에 있어서, 상기 데이터 수집 장치에 기록된 데이터에는, 상기 제조 설비 내의 각 장치가 가동 중인 것을 나타내는 가동 신호가 포함되고,
상기 데이터 추출 스텝은, 상기 데이터 수집 장치에 기록된 데이터에 포함되는 가동 신호에 기초하여, 각 장치의 가동 중에 수집된 데이터를 추출하는 스텝인 것을 특징으로 하는 제조 설비 진단 지원 방법.The data recording apparatus according to claim 9, wherein the data recorded in the data collecting apparatus includes a move signal indicating that each apparatus in the manufacturing facility is in operation,
Wherein said data extracting step is a step of extracting data collected during operation of each apparatus based on a move signal included in data recorded in said data collecting apparatus. 제9항 또는 제10항에 있어서, 상기 이상 검지 스텝은, 상기 기억 장치에 기억된 특징량 중, 미리 설정된 시간만큼 거슬러 올라간 과거의 특징량을 사용하여 이상 검지를 행하는 스텝인 것을 특징으로 하는 제조 설비 진단 지원 방법.11. The manufacturing method according to any one of claims 9 to 10, wherein the abnormality detection step is a step of performing an abnormality detection using a past feature amount of the feature amount stored in the storage device, How to support facility diagnostics. 제9항 또는 제10항에 있어서, 상기 이상 검지 스텝은, 상기 기억 장치에 기억된 특징량 중, 미리 설정한 제품의 수만큼 거슬러 올라간 과거의 특징량을 사용하여 이상 검지를 행하는 스텝인 것을 특징으로 하는 제조 설비 진단 지원 방법.11. The method according to claim 9 or 10, characterized in that the abnormality detection step is a step of performing an abnormality detection using a past feature amount of the feature amount stored in the storage device as far as the number of previously set products Of the manufacturing facility. 제9항 또는 제10항에 있어서, 상기 데이터 수집 장치에 기록된 데이터에는, 동 데이터의 수집 시에 상기 제조 설비가 제조하고 있던 제품의 원재료 또는 제조 조건에 관련되는 제품 관련 정보가 포함되고,
상기 데이터 추출 스텝에서 추출되는 데이터에는, 상기 특징량 연산 스텝에서 특징량의 연산에 사용되는 데이터와 함께 제품 관련 정보가 포함되고,
상기 특징량 기억 스텝은, 특징량의 연산에 사용한 데이터에 관계하는 제품 관련 정보를 동 특징량과 결부시켜서 상기 기억 장치에 기억하는 스텝이며,
상기 이상 검지 스텝은, 상기 기억 장치에 기억된 특징량 중, 새롭게 연산된 특징량과 동일한, 또는 일부가 동일한 제품 관련 정보가 결부된 과거의 제품 제조 시의 특징량을 사용하여 이상 검지를 행하는 스텝인 것을 특징으로 하는 제조 설비 진단 지원 방법.The information processing apparatus according to claim 9 or 10, wherein the data recorded in the data collecting apparatus includes product related information related to raw materials or manufacturing conditions of the product manufactured by the manufacturing facility at the time of collecting the data,
The data extracted in the data extracting step includes product related information together with data used for calculating the feature quantity in the feature quantity calculating step,
Wherein the feature quantity storing step is a step of storing product related information relating to data used for calculating a feature quantity in the storage device in association with the feature quantity,
Wherein the abnormality detecting step includes the steps of performing abnormality detection using a feature quantity at the time of manufacturing a past product which is associated with product related information that is the same as or partially identical to a newly calculated feature quantity among the feature quantity stored in the storage device Wherein the manufacturing facility diagnosis support method comprises: 제9항 내지 제13항 중 어느 한 항에 있어서, 상기 이상 검지 스텝은, 새롭게 연산된 복수개의 특징량의 대표값과, 상기 기억 장치에 기억된 복수개의 과거의 특징량의 대표값을 사용하여 이상 검지를 행하는 스텝인 것을 특징으로 하는 제조 설비 진단 지원 방법.14. The method according to any one of claims 9 to 13, wherein the abnormality detection step uses a representative value of a plurality of newly calculated feature amounts and a representative value of a plurality of past feature amounts stored in the storage device Wherein the abnormality detecting step is a step of performing abnormality detection. 제9항 내지 제14항 중 어느 한 항에 있어서, 상기 특징량 기억 스텝은, 새롭게 연산된 특징량에 이상이 검지된 경우, 이상이 검지된 특징량을 검지 결과와 결부시켜서 상기 기억 장치에 기억하는 스텝이며,
상기 이상 검지 스텝은, 상기 기억 장치에 기억된 특징량 중, 이상이 검지되지 않은 과거의 특징량을 사용하여 이상 검지를 행하는 스텝인 것을 특징으로 하는 제조 설비 진단 지원 방법.The method according to any one of claims 9 to 14, wherein, in the case where an abnormality is detected in the newly calculated feature amount, the feature amount storing step stores the detected feature amount in the storage device , ≪ / RTI &
Wherein the abnormality detection step is a step of performing abnormality detection using a past feature amount of the feature amount stored in the storage device and the abnormality is not detected. 제9항 내지 제15항 중 어느 한 항에 있어서, 입력 장치를 통하여 지정된 조건에 따라서, 상기 기억 장치에 기억된 특징량을 추출 또는 가공하고, 표시 장치에 출력해야 할 감시용 데이터를 작성하는 감시 데이터 작성 스텝
을 더 갖는 것을 특징으로 하는 제조 설비 진단 지원 방법.The apparatus according to any one of claims 9 to 15, further comprising: a monitoring unit for extracting or processing the feature quantity stored in the storage device in accordance with the condition specified through the input device and generating monitoring data to be output to the display device Data creation step
Further comprising the steps of:
KR1020187003229A 2016-02-03 2016-02-03 Manufacturing equipment diagnostic support device and manufacturing equipment diagnostic support method KR102042368B1 (en)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2016/053233 WO2017134772A1 (en) 2016-02-03 2016-02-03 Manufacturing facility diagnosis assistance device and manufacturing facility diagnosis assistance method

Publications (2)

Publication Number Publication Date
KR20180026495A true KR20180026495A (en) 2018-03-12
KR102042368B1 KR102042368B1 (en) 2019-11-07

Family

ID=59499678

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020187003229A KR102042368B1 (en) 2016-02-03 2016-02-03 Manufacturing equipment diagnostic support device and manufacturing equipment diagnostic support method

Country Status (5)

Country Link
JP (1) JP6572979B2 (en)
KR (1) KR102042368B1 (en)
CN (1) CN107949813B (en)
TW (1) TWI615694B (en)
WO (1) WO2017134772A1 (en)

Families Citing this family (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP7091743B2 (en) * 2018-03-16 2022-06-28 株式会社リコー Information processing equipment, information processing methods, programs, and mechanical equipment
JP6777686B2 (en) * 2018-05-29 2020-10-28 ファナック株式会社 Diagnostic equipment, diagnostic methods and diagnostic programs
KR102194352B1 (en) * 2018-08-31 2020-12-23 도시바 미쓰비시덴키 산교시스템 가부시키가이샤 Manufacturing process monitoring device
JP7226103B2 (en) * 2019-05-29 2023-02-21 オムロン株式会社 Control systems, support equipment and support programs
WO2021220323A1 (en) * 2020-04-27 2021-11-04 三菱電機株式会社 State determination device
WO2022003871A1 (en) * 2020-07-01 2022-01-06 東芝三菱電機産業システム株式会社 Diagnosis assistance device for manufacturing equipment
US20230297644A1 (en) * 2020-09-03 2023-09-21 Mitsubishi Electric Corporation Device analysis apparatus, device analysis method, and storage medium
JP7468376B2 (en) * 2021-01-21 2024-04-19 株式会社Tmeic Roll Management Device
CN114789200B (en) * 2021-10-14 2024-02-09 天津市新宇彩板有限公司 Method and system for fault self-diagnosis and recording of cold rolling unit
CN114265390B (en) * 2021-12-22 2024-02-20 苏州华星光电技术有限公司 Equipment data acquisition diagnosis method, device, server and storage medium

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2011243118A (en) * 2010-05-20 2011-12-01 Hitachi Ltd Monitoring diagnosis device and monitoring diagnosis method
JP2012203564A (en) * 2011-03-24 2012-10-22 Nippon Steel Corp Facility diagnosis device, facility diagnosis method, facility diagnosis program, and computer-readable recording medium recording the program
WO2015177870A1 (en) 2014-05-20 2015-11-26 東芝三菱電機産業システム株式会社 Manufacturing equipment diagnosis support system

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4458349B2 (en) * 2004-08-27 2010-04-28 日立アプライアンス株式会社 Device diagnostic device, operation program thereof, device diagnostic method
US7622308B2 (en) * 2008-03-07 2009-11-24 Mks Instruments, Inc. Process control using process data and yield data
JP5156452B2 (en) * 2008-03-27 2013-03-06 東京エレクトロン株式会社 Defect classification method, program, computer storage medium, and defect classification apparatus
TWI385492B (en) * 2008-12-16 2013-02-11 Ind Tech Res Inst A system for maintaining and analyzing manufacturing equipment and method therefor
CN101937207B (en) * 2010-08-27 2012-09-05 上海交通大学 Intelligent visualized monitoring and diagnosing method of mechanical equipment state
JP5821363B2 (en) * 2011-07-27 2015-11-24 東芝三菱電機産業システム株式会社 Product defect factor analyzer

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2011243118A (en) * 2010-05-20 2011-12-01 Hitachi Ltd Monitoring diagnosis device and monitoring diagnosis method
JP2012203564A (en) * 2011-03-24 2012-10-22 Nippon Steel Corp Facility diagnosis device, facility diagnosis method, facility diagnosis program, and computer-readable recording medium recording the program
WO2015177870A1 (en) 2014-05-20 2015-11-26 東芝三菱電機産業システム株式会社 Manufacturing equipment diagnosis support system

Also Published As

Publication number Publication date
CN107949813B (en) 2020-06-30
JPWO2017134772A1 (en) 2018-05-17
KR102042368B1 (en) 2019-11-07
TW201732475A (en) 2017-09-16
WO2017134772A1 (en) 2017-08-10
TWI615694B (en) 2018-02-21
CN107949813A (en) 2018-04-20
JP6572979B2 (en) 2019-09-11

Similar Documents

Publication Publication Date Title
KR102042368B1 (en) Manufacturing equipment diagnostic support device and manufacturing equipment diagnostic support method
JP6791261B2 (en) Method and equipment for abnormal diagnosis of rolling equipment
JP6252675B2 (en) Manufacturing equipment diagnosis support device
KR102398307B1 (en) Abnormality judgment support device
JP6116445B2 (en) Quality abnormality cause estimation support system
US20190018402A1 (en) Plant-abnormality-monitoring method and computer program for plant abnormality monitoring
JP5441824B2 (en) Manufacturing condition determination system for metal strip materials
KR102426172B1 (en) Tightening Occurrence Prediction System
JP5821363B2 (en) Product defect factor analyzer
JP5924490B2 (en) Abnormality detection method and cold rolling method in cold rolling
Haapamäki et al. Data Mining Methods in Hot Steel Rolling for Scale Defect Prediction.
CN112862284A (en) Method and system for evaluating rigidity precision of hot-rolled strip mill
JP7461798B2 (en) Equipment monitoring support device, method, and program
US20230393113A1 (en) Construction method of abnormality diagnosis model, abnormality diagnosis method, construction device of abnormality diagnosis model, and abnormality diagnosis device
JP6760503B2 (en) Manufacturing process monitoring device
WO2023218619A1 (en) Rolling productivity improvement assistance device
JPH03258410A (en) Abnormality diagnostic method for plate thickness on tandem rolling machine

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right