KR20210002748A - 데이터 처리 장치 및 데이터 처리 방법 - Google Patents

데이터 처리 장치 및 데이터 처리 방법 Download PDF

Info

Publication number
KR20210002748A
KR20210002748A KR1020207036750A KR20207036750A KR20210002748A KR 20210002748 A KR20210002748 A KR 20210002748A KR 1020207036750 A KR1020207036750 A KR 1020207036750A KR 20207036750 A KR20207036750 A KR 20207036750A KR 20210002748 A KR20210002748 A KR 20210002748A
Authority
KR
South Korea
Prior art keywords
time series
segment
data
similarity
unit
Prior art date
Application number
KR1020207036750A
Other languages
English (en)
Other versions
KR102238867B1 (ko
Inventor
다카아키 나카무라
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 KR20210002748A publication Critical patent/KR20210002748A/ko
Application granted granted Critical
Publication of KR102238867B1 publication Critical patent/KR102238867B1/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
    • G05B23/0224—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
    • 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
    • G05B23/0227—Qualitative history assessment, whereby the type of data acted upon, e.g. waveforms, images or patterns, is not relevant, e.g. rule based assessment; if-then decisions
    • G05B23/0235—Qualitative history assessment, whereby the type of data acted upon, e.g. waveforms, images or patterns, is not relevant, e.g. rule based assessment; if-then decisions based on a comparison with predetermined threshold or range, e.g. "classical methods", carried out during normal operation; threshold adaptation or choice; when or how to compare with the threshold
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/30—Monitoring
    • 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
    • G06F11/3006—Monitoring arrangements specially adapted to the computing system or computing system component being monitored where the computing system is distributed, e.g. networked systems, clusters, multiprocessor systems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/30—Monitoring
    • G06F11/3065—Monitoring arrangements determined by the means or processing involved in reporting the monitored data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/30—Monitoring
    • G06F11/32—Monitoring with visual or acoustical indication of the functioning of the machine
    • G06F11/324—Display of status information
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Physics (AREA)
  • General Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Quality & Reliability (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Computational Mathematics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computing Systems (AREA)
  • Mathematical Analysis (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Operations Research (AREA)
  • Probability & Statistics with Applications (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Algebra (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • Testing And Monitoring For Control Systems (AREA)
  • Debugging And Monitoring (AREA)

Abstract

기기의 상태의 변화점을 포함하는 파형 데이터, 당해 파형 데이터의 파라미터 정보, 및 기기의 천이 정보의 입력을 접수하는 추출 조건 입력부(101)와, 기기의 시계열 데이터와, 파형 데이터의 유사도를 산출하는 유사도 산출부(105)와, 기기의 천이 정보에 근거하여, 기기의 상태를 설정하는 운전 모드 판정부(107)와, 산출된 유사도, 및 판정된 기기의 상태에 근거하여, 기기의 시계열 데이터로부터, 변화점을 검출하고, 시계열 데이터의 부분열인 세그먼트의 개시 시각 및 세그먼트의 종료 시각을 설정하는 변화점 검출부(106)와, 기기의 상태, 세그먼트의 개시 시각 및 세그먼트의 종료 시각을 세그먼트 정보로서 출력하는 정보 출력부(108)를 구비한다.

Description

데이터 처리 장치 및 데이터 처리 방법
본 발명은, 시계열 데이터를 분석하는 기술에 관한 것이다.
화력, 수력 및 원자력 등의 발전 플랜트, 화학 플랜트, 철강 플랜트, 또는 상하수도 플랜트 등에서는, 플랜트의 프로세스를 제어하기 위한 제어 시스템이 도입되어 있다. 빌딩 또는 공장 등의 설비에 있어서도, 공조, 전기, 조명, 및 급배수 등을 제어하기 위한 제어 시스템이 도입되어 있다. 이들 제어 시스템에는, 장치에 설비된 센서에 의해 시간의 경과에 따라 관측된 여러 가지의 시계열 데이터가, 축적되어 있다.
마찬가지로, 경제 또는 경영 등에 관한 정보 시스템에 있어서도, 주가 또는 매상 등의 값을 시간의 경과에 따라 기록한 시계열 데이터가, 축적되어 있다.
종래, 이들 시계열 데이터의 값의 변화를 분석하는 것에 의해, 플랜트, 설비, 또는 경영의 상태 등을 분석하는 기술이 존재한다. 플랜트, 설비, 또는 경영의 상태 등을 분석하는 하나의 방법으로서, 시계열 데이터를, 예컨대 플랜트 또는 설비의 운전 모드별 부분열(이하, 세그먼트라고 한다)로 분할하고, 동일 운전 모드의 세그먼트끼리 비교하는 것에 의해, 데이터의 편차의 정도 또는 데이터의 경향을 판정하고, 설비의 이상 또는 열화 등을 판정하는 방법이 존재한다.
예컨대, 특허문헌 1에는, 복수의 제품물에 따른 각 제조 공정에서의 데이터를 분석하는 데이터 분석 장치로서, 각 제조 공정의 데이터가, 시간축을 따라 변동하는, 또는 변동할 수 있는 시계열 데이터인 경우, 당해 시계열 데이터를 발생시키는 제조 공정의 스케줄 중의 이벤트 발생 타이밍에 근거하여 시간축을 따라 분할하고, 분할된 세그먼트에 대하여 특징량을 산출하는 데이터 분석 장치가 개시되어 있다.
특허문헌 1 : 일본 특허 공개 2004-318273호 공보
상술한 특허문헌 1에 기재된 데이터 분석 장치에서는, 제조 공정을 세분화한 이벤트마다 세그먼트를 추출하기 위해, 제조 공정의 스케줄 중의 이벤트의 발생 타이밍을 나타내는 이벤트 정보를 취득할 필요가 있다. 그 때문에, 특허문헌 1에 기재된 데이터 분석 장치에서는, 이벤트 정보가 존재하지 않는 경우, 이벤트 구간의 세그먼트를 추출할 수 없다고 하는 과제가 있었다.
본 발명은, 상기와 같은 과제를 해결하기 위해 이루어진 것이고, 이벤트의 발생 타이밍을 나타내는 이벤트 정보가 존재하지 않는 경우이더라도, 운전 모드별 세그먼트를 정밀하게 추출하는 것을 목적으로 한다.
본 발명에 따른 데이터 처리 장치는, 기기의 상태의 변화점을 포함하는 파형 데이터, 당해 파형 데이터의 파라미터 정보, 및 기기의 천이 정보의 입력을 접수하는 추출 조건 입력부와, 기기의 시계열 데이터와, 추출 조건 입력부가 접수한 파형 데이터의 유사도를 산출하는 유사도 산출부와, 추출 조건 입력부가 접수한 기기의 천이 정보에 근거하여, 기기의 상태를 설정하는 운전 모드 판정부와, 유사도 산출부가 산출한 유사도, 및 운전 모드 판정부가 판정한 기기의 상태에 근거하여, 기기의 시계열 데이터로부터, 변화점을 검출하고, 시계열 데이터의 부분열인 세그먼트의 개시 시각 및 세그먼트의 종료 시각을 설정하는 변화점 검출부와, 기기의 상태, 세그먼트의 개시 시각 및 세그먼트의 종료 시각을 세그먼트 정보로서 출력하는 정보 출력부를 구비한다.
본 발명에 따르면, 이벤트의 발생 타이밍을 나타내는 이벤트 정보가 존재하지 않는 경우이더라도, 운전 모드별 세그먼트를 정밀하게 추출할 수 있다.
도 1은 실시의 형태 1에 따른 데이터 처리 장치의 구성을 나타내는 블록도이다.
도 2(a) 및 도 2(b)는 데이터 처리 장치의 하드웨어 구성의 예를 나타내는 도면이다.
도 3은 실시의 형태 1에 따른 데이터 처리 장치의 시계열 데이터의 일례를 나타내는 도면이다.
도 4는 실시의 형태 1에 따른 데이터 처리 장치의 변화점 파형 데이터를 나타내는 도면이다.
도 5는 실시의 형태 1에 따른 데이터 처리 장치의 파라미터 리스트를 나타내는 도면이다.
도 6은 실시의 형태 1에 따른 데이터 처리 장치의 운전 모드 천이 정보를 나타내는 도면이다.
도 7은 실시의 형태 1에 따른 데이터 처리 장치의 운용 처리의 동작을 나타내는 플로차트이다.
도 8은 실시의 형태 1에 따른 데이터 처리 장치의 유사도 시계열의 출력의 예를 나타내는 도면이다.
도 9는 실시의 형태 1에 따른 데이터 처리 장치의 판정부에 의한 이상 판정 처리 및 열화 판정 처리의 개념을 나타내는 도면이다.
도 10은 실시의 형태 2에 따른 데이터 처리 장치의 구성을 나타내는 블록도이다.
도 11은 실시의 형태 2에 따른 데이터 처리 장치의 GUI의 처리 동작을 나타내는 설명도이다.
도 12는 실시의 형태 2에 따른 데이터 처리 장치의 추출 조건 입력부의 동작을 나타내는 플로차트이다.
이하, 본 발명을 보다 상세하게 설명하기 위해, 본 발명을 실시하기 위한 형태에 대하여, 첨부된 도면에 따라서 설명한다.
실시의 형태 1.
도 1은 실시의 형태 1에 따른 데이터 처리 장치(100)의 구성을 나타내는 블록도이다.
데이터 처리 장치(100)는, 추출 조건 입력부(101), 추출 조건 기억부(102), 시계열 데이터 입력부(103), 세그먼트 추출부(104), 판정부(109) 및 판정 결과 출력부(110)를 구비한다. 또한, 세그먼트 추출부(104)는, 유사도 산출부(105), 변화점 검출부(106), 운전 모드 판정부(107) 및 정보 출력부(108)로 구성된다.
도 1에 있어서, 추출 조건 입력부(101) 및 추출 조건 기억부(102)는, 데이터 처리 장치(100)가 검출 처리를 개시하기 전의 준비 처리를 행하기 위한 구성이다. 또한, 시계열 데이터 입력부(103), 세그먼트 추출부(104), 판정부(109) 및 판정 결과 출력부(110)는, 시계열 데이터의 입력을 접수하면, 분석 대상인 기기의 운전 모드별 부분열(이하, 세그먼트라고 한다)을 추출하고, 분석 대상인 기기의 이상 및 열화를 판정하는 운용 처리를 행하기 위한 구성이다.
추출 조건 입력부(101)는, 세그먼트의 추출 조건의 입력을 접수한다. 추출 조건 입력부(101)는, 접수한 세그먼트의 추출 조건을 추출 조건 기억부(102)에 기억시킨다. 세그먼트의 추출 조건은, 변화점 파형 데이터(파형 데이터), 파라미터 리스트(파라미터 정보), 운전 모드 천이 정보(기기의 천이 정보)로 구성된다. 상술한 세그먼트의 추출 조건의 상세에 대해서는 후술한다. 추출 조건 기억부(102)는, 세그먼트의 추출 조건을 기억하는 기억 영역이다.
시계열 데이터 입력부(103)는, 분석 대상인 기기의 시계열 데이터의 입력을 접수한다. 시계열 데이터 입력부(103)는, 접수한 시계열 데이터를 세그먼트 추출부(104)의 유사도 산출부(105)에 출력한다.
시계열 데이터는, 시간의 경과에 따라서, 순차적으로, 분석 대상인 기기를 관측하여 얻어진 값의 열이다. 여기서는, 일례로서 분석 대상인 기기의 시계열 데이터를 들어 설명하지만, 시계열 데이터는 어떠한 것이더라도 좋다. 예컨대, 화력, 수력 또는 원자력 등의 발전 플랜트, 화학 플랜트, 철강 플랜트 또는 상하수도 플랜트 등의 프로세스를 제어하기 위한 제어 시스템에 축적되어 있는 시계열 데이터이더라도 좋다. 또한, 예컨대, 시설(예컨대, 빌딩 또는 공장)의 공조, 전기, 조명 및 급배수 등의 제어 시스템에 축적되어 있는 시계열 데이터이더라도 좋다. 또한, 예컨대, 공장의 라인의 기기, 자동차에 탑재된 기기 또는 철도 차량에 탑재된 기기 등에 축적되어 있는 시계열 데이터이더라도 좋다. 또한, 경제 또는 경영 등에 관한 정보 시스템에 축적되어 있는 시계열 데이터이더라도 좋다. 또, 시계열 데이터의 구체적인 예는 후단에서 나타낸다.
세그먼트 추출부(104)는, 추출 조건 기억부(102)에 기억된 세그먼트의 추출 조건에 따라서, 시계열 데이터 입력부(103)가 접수한 시계열 데이터로부터 세그먼트를 추출한다.
구체적으로, 유사도 산출부(105)는, 입력된 시계열 데이터와, 추출 조건 기억부(102)에 기억된 각 변화점의 파형 데이터에 대하여, 각 시각의 유사도를 산출한다. 유사도 산출부(105)는, 시계열 데이터와, 산출한 유사도를 변화점 검출부(106)에 출력한다. 변화점 검출부(106)는, 입력된 유사도에 근거하여, 시계열 데이터의 상태의 변화점을 검출한다. 변화점 검출부(106)는, 검출한 변화점의 정보와, 기기의 운전 모드의 정보를 정보 출력부(108)에 출력한다.
운전 모드 판정부(107)는, 추출 조건 기억부(102)에 기억된 운전 모드의 천이 정보를 참조하여, 기기의 현재의 운전 모드, 및 현재의 운전 모드로부터 천이 가능한 다음의 운전 모드를 설정한다. 또, 운전 모드 판정부(107)는, 다음의 운전 모드를 복수 설정하더라도 좋다. 변화점 검출부(106)는, 운전 모드 판정부(107)에 의해 설정된 기기의 현재의 운전 모드, 및 기기의 다음의 운전 모드에 근거하여, 변화점을 검출한다.
정보 출력부(108)는, 변화점 검출부(106)로부터 변화점의 정보 및 기기의 운전 모드의 정보가 입력되면, 현재의 운전 모드와, 세그먼트의 개시 시각과, 세그먼트의 종료 시각을 세그먼트 정보로서 판정부(109)에 출력한다. 판정부(109)는, 입력된 세그먼트 정보를 해석하고, 데이터의 편차의 정도, 또는 데이터의 경향 등에 근거하여, 기기의 이상 또는 기기의 열화 등을 판정한다. 판정부(109)는, 판정 결과를 판정 결과 출력부(110)에 출력한다. 판정 결과 출력부(110)는, 입력된 판정 결과를 외부에 출력한다.
다음으로, 데이터 처리 장치(100)의 하드웨어 구성의 예를 설명한다.
도 2(a) 및 도 2(b)는 데이터 처리 장치(100)의 하드웨어 구성의 예를 나타내는 도면이다.
데이터 처리 장치(100)에 있어서의 추출 조건 입력부(101), 시계열 데이터 입력부(103), 유사도 산출부(105), 변화점 검출부(106), 운전 모드 판정부(107), 정보 출력부(108), 판정부(109) 및 판정 결과 출력부(110)의 각 기능은, 처리 회로에 의해 실현된다. 즉, 데이터 처리 장치(100)는, 상기 각 기능을 실현하기 위한 처리 회로를 구비한다. 당해 처리 회로는, 도 2(a)에 나타내는 바와 같이 전용의 하드웨어인 처리 회로(100a)이더라도 좋고, 도 2(b)에 나타내는 바와 같이 메모리(100c)에 저장되어 있는 프로그램을 실행하는 프로세서(100b)이더라도 좋다.
도 2(a)에 나타내는 바와 같이, 추출 조건 입력부(101), 시계열 데이터 입력부(103), 유사도 산출부(105), 변화점 검출부(106), 운전 모드 판정부(107), 정보 출력부(108), 판정부(109) 및 판정 결과 출력부(110)가 전용의 하드웨어인 경우, 처리 회로(100a)는, 예컨대, 단일 회로, 복합 회로, 프로그램화한 프로세서, 병렬 프로그램화한 프로세서, ASIC(Application Specific Integrated Circuit), FPGA(Field-programmable Gate Array), 또는 이들을 조합한 것이 해당한다. 추출 조건 입력부(101), 시계열 데이터 입력부(103), 유사도 산출부(105), 변화점 검출부(106), 운전 모드 판정부(107), 정보 출력부(108), 판정부(109) 및 판정 결과 출력부(110)의 각 부의 기능 각각을 처리 회로로 실현하더라도 좋고, 각 부의 기능을 합쳐서 1개의 처리 회로로 실현하더라도 좋다.
도 2(b)에 나타내는 바와 같이, 추출 조건 입력부(101), 시계열 데이터 입력부(103), 유사도 산출부(105), 변화점 검출부(106), 운전 모드 판정부(107), 정보 출력부(108), 판정부(109) 및 판정 결과 출력부(110)가 프로세서(100b)인 경우, 각 부의 기능은, 소프트웨어, 펌웨어, 또는 소프트웨어와 펌웨어의 조합에 의해 실현된다. 소프트웨어 또는 펌웨어는 프로그램으로서 기술되고, 메모리(100c)에 저장된다. 프로세서(100b)는, 메모리(100c)에 기억된 프로그램을 읽어내서 실행하는 것에 의해, 추출 조건 입력부(101), 시계열 데이터 입력부(103), 유사도 산출부(105), 변화점 검출부(106), 운전 모드 판정부(107), 정보 출력부(108), 판정부(109) 및 판정 결과 출력부(110)의 각 기능을 실현한다. 즉, 추출 조건 입력부(101), 시계열 데이터 입력부(103), 유사도 산출부(105), 변화점 검출부(106), 운전 모드 판정부(107), 정보 출력부(108), 판정부(109) 및 판정 결과 출력부(110)는, 프로세서(100b)에 의해 실행될 때에, 후술하는 도 7에 나타내는 각 스텝이 결과적으로 실행되게 되는 프로그램을 저장하기 위한 메모리(100c)를 구비한다. 또한, 이들 프로그램은, 추출 조건 입력부(101), 시계열 데이터 입력부(103), 유사도 산출부(105), 변화점 검출부(106), 운전 모드 판정부(107), 정보 출력부(108), 판정부(109) 및 판정 결과 출력부(110)의 수순 또는 방법을 컴퓨터에 실행시키는 것이라고도 할 수 있다.
여기서, 프로세서(100b)란, 예컨대, CPU(Central Processing Unit), 처리 장치, 연산 장치, 프로세서, 마이크로프로세서, 마이크로컴퓨터, 또는 DSP(Digital Signal Processor) 등이다.
메모리(100c)는, 예컨대, RAM(Random Access Memory), ROM(Read Only Memory), 플래시 메모리, EPROM(Erasable Programmable ROM), EEPROM(Electrically EPROM) 등의 비휘발성 또는 휘발성의 반도체 메모리이더라도 좋고, 하드 디스크, 플렉서블 디스크 등의 자기 디스크이더라도 좋고, 미니 디스크, CD(Compact Disc), DVD(Digital Versatile Disc) 등의 광 디스크이더라도 좋다.
또, 추출 조건 입력부(101), 시계열 데이터 입력부(103), 유사도 산출부(105), 변화점 검출부(106), 운전 모드 판정부(107), 정보 출력부(108), 판정부(109) 및 판정 결과 출력부(110)의 각 기능에 대하여, 일부를 전용의 하드웨어로 실현하고, 일부를 소프트웨어 또는 펌웨어로 실현하도록 하더라도 좋다. 이와 같이, 데이터 처리 장치(100)에 있어서의 처리 회로는, 하드웨어, 소프트웨어, 펌웨어, 또는 이들의 조합에 의해, 상술한 각 기능을 실현할 수 있다.
다음으로, 시계열 데이터 입력부(103)에 입력되는 시계열 데이터의 일례를, 도 3을 참조하면서 설명한다.
도 3은 실시의 형태 1에 따른 데이터 처리 장치(100)의 시계열 데이터의 일례를 나타내는 도면이다.
소량 다품종 생산의 제품의 제조 라인에서는, 동일한 제조 라인에서 사양이 상이한 복수 종류의 제품이 생산된다. 제품의 제조 수순은 복수의 공정으로 구성되어 있고, 제품을 제조하기 위한 기기는 레시피에 따라서 동작을 전환한다. 당해 제조 라인에서 사용되는 기기에 설치된 센서로 계측되는 데이터는 공정마다 특징적인 파형을 나타낸다. 제조 수순이 변화하면, 파형 그 자체, 공정마다의 파형의 계속 시간 및 출현 순서 등이 변화한다. 기기에 설치된 센서로 계측되는 데이터의 시계열 데이터는, 이하에 나타내는 2계층의 구조를 갖는다.
제 1 계층 : 각 제품 로트에 대응한 제품 패턴(도 3에 있어서의 제 1 로트(301), 제 2 로트(302), 제 3 로트(303))
제 2 계층 : 공정에 대응한 공정 패턴(도 3에 있어서의 제 1 공정(311)으로부터 제 11 공정(321))
제 1 로트(301)와 제 2 로트(302)의 사이에 아이들링 기간(331)이 존재하고, 제 2 로트(302)와 제 3 로트(303)의 사이에 아이들링 기간(332)이 존재한다. 도 3에서는 아이들링(332)을 제 11 공정(321)으로서 나타내고 있다.
상술한 각 공정이, 각 운전 모드에 대응한다. 판정부(109)에 있어서, 예컨대 도 3에서 나타낸 시계열 데이터로부터 기기의 이상 또는 기기의 열화 등을 정밀하게 검출하기 위해서는, 시계열 데이터를 각 운전 모드에 대응한 세그먼트로 분할하여 비교하는 것이 유효하다.
다음으로, 추출 조건 기억부(102)에 기억되는 세그먼트 추출 조건을, 도 4로부터 도 6을 참조하면서 설명한다.
세그먼트 추출 조건은, 변화점 파형 데이터(도 4), 파라미터 리스트(도 5), 운전 모드 천이 정보(도 6)로 이루어진다.
세그먼트 추출의 기본적인 사고방식은, 세그먼트의 변화점의 파형을 조건으로서 등록하여 두고, 시계열 데이터 상에 당해 변화점과 유사한 패턴이 출현한 경우에, 운전 모드가 전환되었다고 판단한다. 변화점의 파형을 조건으로 하여 운전 모드의 전환을 판단하는 것에 의해, 계속 시간이 가변인 운전 모드의 경우에도 변화점에만 주목하여, 세그먼트를 추출할 수 있다. 또한, 세그먼트의 도중에서, 기기의 이상 등의 요인에 의해 통상과는 상이한 패턴이 일시적으로 출현한 경우에도, 변화점만으로 판단할 수 있고, 기기의 이상 등의 영향을 받는 일 없이, 세그먼트를 추출할 수 있다.
도 4는 실시의 형태 1에 따른 데이터 처리 장치(100)의 변화점 파형 데이터를 나타내는 도면이다.
변화점의 파형 데이터는, 기기의 메인터넌스가 행하여진 직후의 건전한 상태이고, 당해 기기가 안정적으로 가동하기 시작한 시기의 데이터로부터 선택한다. 도 4의 예에서는, 도 3으로부터 선택한 제 1 로트(301)의 시계열 데이터(401)를 선택한다. 당해 시계열 데이터(401) 내에서 각 공정의 변화점을 검출하고, 검출한 변화점의 파형 데이터(402)를 선택한다. 상술했지만, 각 공정은 운전 모드에 대응하는 것으로부터, 변화점의 파형 데이터(402)는, 각 운전 모드의 파형 데이터가 된다. 도 4에서 나타낸 파형 데이터(402) 중, 제 1 운전 모드라고 라벨이 붙은 파형 데이터는, 「제 11 운전 모드로부터 제 1 운전 모드로 변화할 때의 패턴」을 의미하고 있다. 또, 변화점의 파형 데이터는, 복수 로트분을 선택하더라도 좋다.
도 5는 실시의 형태 1에 따른 데이터 처리 장치(100)의 파라미터 리스트를 나타내는 도면이다.
파라미터 리스트는 이하의 요소를 포함한다.
ㆍ운전 모드(501) : 대응하는 운전 모드를 나타내는 정보
ㆍ변화점 파형의 수(502) : 변화점의 파형 데이터의 수를 나타내는 정보(파형 데이터의 수가 고정 가능한 경우는 생략하더라도 좋다)
ㆍ변화점 파형의 길이(503) : 변화점의 파형의 길이를 나타내는 정보(변화점의 파형 데이터로부터 판단 가능하기 때문에, 생략하더라도 좋다).
ㆍ거리 지표(504) : 유사도의 지표를 나타내는 정보(기본값이 분명한 경우는 생략하더라도 좋다)
ㆍ유사도의 임계치(505) : 유사도의 임계치를 나타내는 정보(유사도가, 당해 임계치(505)를 넘고 있는 경우에 운전 모드의 변화점이라고 판단한다)
ㆍ정규화 방법(506) : 정규화를 나타내는 정보이다(기본값이 분명한 경우는 생략하더라도 좋다)
또, 정규화 방법(506)의 상세에 대해서는 후술한다.
도 6은 실시의 형태 1에 따른 데이터 처리 장치(100)의 운전 모드 천이 정보를 나타내는 도면이다.
운전 모드 천이 정보는, 운전 모드 사이의 의존 관계를 인접 행렬의 형식으로 기록한 정보이다. 도 6에서 나타낸 표의 1행째는 전의 운전 모드의 식별 정보, 1열째는 다음의 운전 모드의 식별 정보를 나타낸다. 예컨대, 2행 3열째에 나타낸 「1」은 「제 1 운전 모드의 다음은, 제 2 운전 모드」인 것을 의미하고 있다.
또한, 표 내의 「※」의 기재는, 최초의 운전 모드인 것을 의미하고 있다. 최초의 운전 모드란, 예컨대 도 3에서 나타낸 시계열 데이터에 있어서, 아이들링 기간(331, 332)의 직후의 최초의 운전 모드이다. 한편, 표 내에 값이 나타나 있지 않은 요소는, 해당하는 운전 모드 사이에 직접적인 의존 관계가 없는 것을 의미하고 있다. 도 6에서는 운전 모드 천이 정보를 인접 행렬의 형식으로 기록한 경우를 예로 나타냈지만, 마찬가지의 정보를 기록 가능하면 형식은 묻지 않는다. 또한, 운전 모드의 의존 관계가 1종류만인 경우는, 운전 모드 천이 정보를 구비하고 있지 않더라도 좋다.
다음으로, 유사도 산출부(105)가, 시계열 데이터와 변화점의 파형 데이터의 유사도를 계산하는 방법에 대하여 설명한다.
우선, 시계열 데이터는, 이하의 식 (1)로 나타내는 순서가 있는 실수치의 열이다.
T=t1, t2, …, ti (1)
상술한 식 (1)에 있어서, ti(1≤i≤n)는 시각 i의 관측치이다. n은 시계열 데이터의 길이이다.
시계열 데이터의 일부를 잘라낸 부분열은, 이하의 식 (2)로 나타내어진다.
Ti,w=ti, ti+1, …, ti+w-1 (2)
상술한 식 (2)에 있어서, 1≤i≤(n-w+1)이다. w는 부분열의 길이를 나타낸다.
도 5에서 나타낸 거리 지표(504)의 유사도의 지표는 여러 가지 적용 가능하지만, 시계열 데이터의 형상을 엄밀하게 판정하는 경우에는, 유클리드 거리가 적용 가능하다. 변화점의 파형을 이하의 식 (3)으로 나타낸 경우, 동일한 길이 w의 세그먼트 Ti,w와 Q의 유글리드 거리 dist(Ti,w, Q)는 이하의 식 (4)에 의해 구할 수 있다.
Q=q1, q2, …, qw (3)
Figure pct00001
유사도의 지표로서 유클리드 거리를 적용한 경우, 값이 「0」에 가까울수록 두 파형이 유사한(유사도가 높은) 것을 나타내고, 값이 클수록 2개의 파형이 괴리하고 있는(유사도가 낮은) 것을 나타낸다.
유클리드 거리 외에도, 맨해턴 거리, 시간 방향의 신축을 허용하는 경우에는, 유사도의 지표로서 DTW(Dynamic Time Warping : 동적 시간 신축)도 적용 가능하다. 또한, 변화 경향의 유사성으로 판단하는 경우는, 유사도의 지표로서 상 관계 수를 이용하더라도 좋다. 또, 이하에서는, 유사도의 지표로서 유클리드 거리를 적용한 경우를 예로 설명한다.
시계열 데이터와 변화점의 파형의 유사도에 근거하여, 운전 모드의 변화를 검출하는 경우에는, 변화점 주변에서 유사도가 높고, 그 이외의 기간에서는 유사도가 낮아지는 것이 바람직하다. 그 때문에, 변화점의 파형 데이터 및 그 외의 파라미터의 선택이 중요하다.
변화점의 파형 데이터의 선택은, 변화점의 전후의 특징을 파악할 수 있도록 선택하는 것이 바람직하다. 예컨대, 도 4에서 나타낸 변화점 파형 데이터에 있어서, 제 1 운전 모드의 변화점의 파형 데이터에서는, 실제의 변화점이 X=840의 시점이다. 당해 변화점(X=840)의 직전은 거의 일정치로 추이하고 있기 때문에, 변화점의 직전의 파형 데이터를, 길이 60의 기간(X=780~840)으로 잘라내고 있다. 한편, 변화점(X=840)의 직후는 상하의 변화가 계속되기 때문에, 길이 120의 기간(X=840~960)으로 잘라내고 있다. 이와 같이 선택하는 것에 의해, 거의 일정치가 계속된 후에, 크게 급상승, 급하강하고, 최종적으로 완만하게 저하하는, 제 1 운전 모드의 변화점 특유의 파형을 잘라낼 수 있다.
운전 모드의 변화를 검출하는 경우에, 다음으로 중요하게 되는 것은 도 5에서 나타낸 정규화 방법(506)이다.
시계열 데이터와 변화점의 파형 데이터의 유사도의 계산에 있어서는, 어떠한 정규화를 적용하는 편이 바람직한 경우가 있다. 정규화의 예를 이하의 식 (5)로부터 식 (7)에 나타낸다. 식 (5)는, 부분열의 치역을 0으로부터 1로 변환하는 min-max 정규화이다.
Figure pct00002
식 (6)은, 부분열의 치역을 평균 0, 표준편차 1로 하는 변환을 행하는 z 정규화이다.
Figure pct00003
식 (7)은, 부분열의 평균을 0으로 하는 변환을 행하는 레벨 정규화이다.
Figure pct00004
상술한 식 (5)로부터 식 (7)에서는, 시계열 데이터 T를 정규화한 결과의 시계열 데이터를 TN으로 표기했다. 또한, 함수 min, 함수 max, 함수 mean 및 함수 std는, 각각 Ti,w의 최소치, 최대치, 평균치 및 표준편차를 나타낸다.
경험적으로는, 제 9 운전 모드와 같이 단순한 파형이면 정규화를 하지 않는 편이 변화점의 검출 능력이 높다. 한편으로, 제 5 운전 모드와 같이 반복하여 상하로 진동하고 있어, 그 진폭에 흔들림이 있는 경우에는 식 (5)로 나타낸 min-max 정규화, 또는 식 (6)으로 나타낸 z 정규화(6)를 적용하면 변화점의 검출 능력이 높다. 시계열 데이터가, 외기온 등의 외적 요인의 영향을 받는 경우로서, 파형에는 변화가 없지만 치역에 흔들림이 있는 경우는, 식 (7)로 나타낸 레벨 정규화를 적용하면 변화점의 검출 능력이 높다.
다음으로, 데이터 처리 장치(100)의 준비 처리와 운용 처리 중, 운용 처리의 동작에 대하여 설명한다.
도 7은 실시의 형태 1에 따른 데이터 처리 장치(100)의 운용 처리의 동작을 나타내는 플로차트이다. 또, 도 7에서는, 시계열 데이터 입력부(103)가 입력을 접수한 시계열 데이터를, 미리 설정된 기간 합쳐서 일괄하여 처리하는 것으로 하여 설명한다.
시계열 데이터 입력부(103)는, 세그먼트 추출 대상의 시계열 데이터(길이 : n)의 입력을 접수한다(스텝 ST1). 시계열 데이터 입력부(103)는, 접수한 시계열 데이터를 유사도 산출부(105)에 출력한다. 이후의 스텝은, 추출 조건 기억부(102)에 기억된 조건에 따라서 실행된다.
유사도 산출부(105)는, 입력된 시계열 데이터와, 추출 조건 기억부(102)에 기억된 각 변화점의 파형 데이터를 참조하여, 각 시각에 있어서의 시계열 데이터와 변화점의 파형 데이터의 유사도를 산출한다(스텝 ST2). 운전 모드 판정부(107)는, 현재의 운전 모드가 유저에게 있어 기지(旣知)인 경우는, 추출 조건 입력부(101) 또는 시계열 데이터 입력부(103)의 입력과 함께 현재의 운전 모드의 입력도 접수하여 초기치로 설정한다(스텝 ST3). 예컨대, 세그먼트 추출 대상의 시계열 데이터가 기기의 아이들 상태로부터 개시하고 있으면, 현재의 운전 모드로, 도 4에서 나타낸 제 11 운전 모드를 설정한다. 또한, 이미 정한 초기치로서 항상 제 1 운전 모드를 설정한다고 하더라도 좋다.
다음으로, 운전 모드 판정부(107)는, 추출 조건 기억부(102)에 기억된 운전 모드 천이 정보를 참조하여, 다음의 운전 모드로, 현재의 운전 모드로부터 천이 가능한 운전 모드를 설정한다(스텝 ST4).
도 6에서 나타낸 운전 모드 천이 정보의 예에서는, 현재의 운전 모드를 제 11 운전 모드로 하면, 다음의 운전 모드로 제 1 운전 모드를 설정한다. 다음의 운전 모드로서, 복수의 운전 모드를 설정하더라도 좋다. 운전 모드 판정부(107)는, 설정한 다음의 운전 모드를 변화점 검출부(106)에 출력한다.
변화점 검출부(106)는, 입력된 다음의 운전 모드의 변화점을 탐색한다(스텝 ST5). 변화점 검출부(106)는, 변화점을 검출했는지 아닌지 판정을 행한다(스텝 ST6). 변화점을 검출하지 않은 경우(스텝 ST6; 아니오), 변화점 검출부(106)는 처리를 종료한다. 대상이 되는 기기에 따라서는, 안정 가동 중이더라도 소정의 메인터넌스 때문에, 통상과는 상이한 거동이 시계열 데이터에 출현하는 경우가 있다. 그래서, 변화점이 검출되지 않은 경우는, 운전 모드 판정부(107)는, 다음의 운전 모드를 다시 최초의 운전 모드(도 6의 예에서는 제 1 운전 모드)로서 스텝 ST5의 처리로부터 재개하는 구성으로 하더라도 좋다.
한편, 변화점을 검출한 경우(스텝 ST6; 예), 변화점 검출부(106)는, 현재의 운전 모드, 세그먼트의 개시 시각 및 세그먼트의 종료 시각을 정보 출력부(108)에 출력하고(스텝 ST7), 운전 모드 판정부(107)에 변화점을 검출한 것을 통지한다(스텝 ST8).
정보 출력부(108)는, 세그먼트 정보로서, 현재의 운전 모드, 세그먼트의 개시 시각, 및 세그먼트의 종료 시각의 세트를 판정부(109)에 출력한다(스텝 ST9). 운전 모드 판정부(107)는, 변화점을 검출한 것을 나타내는 통지에 근거하여, 스텝 ST4에서 설정한 다음의 운전 모드를, 현재의 운전 모드로 설정한다(스텝 ST10). 그 후, 플로차트는 스텝 ST4의 처리로 돌아가고, 상술한 처리를 반복한다.
도 7의 플로차트에서 나타낸 각 스텝의 처리의 상세에 대하여 설명한다.
우선, 상술한 스텝 ST2에서 나타낸 처리의 상세에 대하여 설명한다.
유사도 산출부(105)는, 추출 조건 기억부(102)로부터, 각 운전 모드 k의 변화점의 파형 데이터 Qk, 변화점의 파형 데이터의 길이 wk(도 5에서 나타낸 변화점 파형의 길이(503)), 유사도 지표(도 5에서 나타낸 거리 지표(504)) 및 정규화 방법(도 5에서 나타낸 정규화 방법)을 취득한다. 다음으로, 이하의 식 (8)에 있어서, 시각 i를 1로부터 n-wk+1까지 변화시켜, 유사도 시계열 Sk를 취득한다.
Sk i=dist(Ti,wk, Qk) (8)
정규화 방법(506)이 지정되어 있는 경우는, 미리 Ti,wk와 Qk를, 각각 정규화하여 유사도를 계산할 필요가 있다. 하나의 운전 모드에 대하여 복수의 변화점의 파형 데이터가 선택되어 있는 경우는, 각 변화점의 파형 데이터 Qk1로부터 파형 데이터 Qkm과, 당해 파형 데이터의 길이 wk1로부터 길이 wkm에 대하여, 유사도 시계열 Sk1로부터 유사도 시계열 Skm을 계산한다. 다음으로, 이하의 식 (9)로 나타내는 바와 같이, 계산한 유사도 시계열 Sk1로부터 유사도 시계열 Skm의 각 시각 i의 최소치를, 최종적인 유사도 시계열 Sk의 값으로 한다.
Sk i=min(Sk1 i, …, Skm i) (9)
또한, dist(Ti,w, Q)가 유클리드 거리, 맨해턴 거리, 또는 DTW인 경우는, 유사도는 변화점의 파형 데이터 Q의 길이 w에 의존하기 때문에, 길이가 상이한 경우에는 단순 비교할 수 없다. 그 경우는, Sk i를 길이 w의 제곱근(유클리드 거리, DTW) 또는 길이 w(맨해턴 거리)로 나눈 후에 최소치를 구한다.
도 8은 실시의 형태 1에 따른 데이터 처리 장치(100)의 유사도 시계열의 출력의 예를 나타내는 도면이다.
도 8에서는, 도 4에서 나타낸 제 1 운전 모드로부터 제 4 운전 모드의 변화점의, 제 1 파형 데이터 Q1로부터 제 4 파형 데이터 Q4에 대하여 계산한, 유사도 시계열 S1로부터 유사도 시계열 S4의 출력의 예를 나타내고 있다. 계산된 유사도 시계열은, 운전 모드의 변화점에서 극소치를 취한다.
다음으로, 상술한 스텝 ST5에서 나타낸 처리의 상세에 대하여 설명한다.
변화점 검출부(106)는, 다음의 운전 모드 k의 유사도 시계열 Sk의 개시 시각 start로부터 탐색하여, 최초의 변화점, 즉 Sk가 극소치이고, 유사도의 임계치(도 5에서 나타낸 유사도의 임계치(505)) 이하인 시각 j를 현재의 세그먼트의 종료 시각 end로 설정한다. 다음의 운전 모드가 복수 있는 경우는, 최초로 조건을 만족시킨 운전 모드라고 판단한다. 또, 유사도 지표(도 5에서 나타낸 거리 지표(504))가 DTW인 경우는, 마찬가지로 극소치를 선택하면 되고, 상 관계 수의 경우는 반대로 극대치를 선택하면 된다.
상술한 바와 같이, 시각 j를 현재의 세그먼트의 종료 시각 end로 설정한 경우, 스텝 ST6의 처리에서는, 세그먼트 정보로서 [제 11 운전 모드, 개시 시각 start 「1」, 종료 시각 end 「j」]의 세트를 출력한다. 또한, 스텝 ST8의 처리에서는, 현재의 운전 모드를 제 1 운전 모드로 설정하고, 시각 j의 다음의 시각으로부터 탐색을 재개하기 위해, 세그먼트의 개시 시각 start에 「j+1」을 설정한다.
도 9는 실시의 형태 1에 따른 데이터 처리 장치(100)의 판정부(109)에 의한 이상 판정 처리 및 열화 판정 처리의 개념을 나타내는 도면이다.
시계열 데이터 입력부(103)가 시계열 데이터(901)의 입력을 접수하면, 세그먼트 추출부(104)에 의해 세그먼트 정보(902)가 추출된다. 또, 도 9에서는, 제 5 운전 모드의 세그먼트 추출의 예를 나타내고 있다.
이상 판정 처리(903)는, 해당하는 운전 모드에 있어서의 데이터의 정상 범위로부터의 데이터의 편차의 정도에 의해 이상을 판정한다. 우선, 판정부(109)는, 기기가 정상적으로 안정적으로 가동하고 있는 기간(예컨대, 메인터넌스 후의 1주간, 또는 제품이 100로트 생산될 때까지)의 세그먼트의 값, 또는 세그먼트의 특징량의 범위를, 해당하는 운전 모드의 정상 범위(903a)로서 설정한다. 그 후, 판정부(109)는, 세그먼트 추출부(104)가 추출한 세그먼트 정보(902)의 세그먼트의 값 또는 세그먼트 특징량이 정상 범위(903a)로부터 벗어나 있는 경우에는, 기기의 이상이라고 판정한다.
열화 판정 처리(904)는, 세그먼트의 데이터의 경향으로부터 기기의 열화를 판정한다. 판정부(109)는, 제품 로트마다의 세그먼트의 값 또는 세그먼트의 특징량을 시간순으로 플롯하고, 시간의 경과에 따라서는 편차가 확대하는 경우에는, 기기의 열화라고 판정한다.
판정부(109)에 의한 이상 판정 결과 및 열화 판정 결과는, 판정 결과 출력부(110)를 거쳐서 외부에 출력된다.
세그먼트 추출부(104)는, 이상 판정 대상 및 열화 판정 대상의 시계열 데이터로 세그먼트를 추출하는 경우, 시계열 데이터에 포함되는 이상 및 열화의 조후(兆候)의 영향에 의해, 올바르게 세그먼트 추출할 수 없는 경우가 있다. 그 경우는, 세그먼트 추출부(104)는, 이상 판정 대상 및 열화 판정 대상의 시계열 데이터와 의존 관계가 있고, 기기의 이상 및 열화의 영향을 받지 않는 시계열 데이터를 세그먼트 추출한다. 또한, 세그먼트 추출부(104)는, 추출한 세그먼트 정보를 이상 판정 대상 및 열화 판정 대상의 시계열 데이터에 적용하여 세그먼트 추출하는 구성으로 하더라도 좋다. 예컨대, 기기에 대하여 외부로부터 가하여지는 압력에 따라 모터의 토크가 변화하는 경우, 이상 및 열화의 조후가 토크의 시계열 데이터에 나타나는 것이 기지인 경우, 세그먼트 추출부(104)는, 외부로부터의 압력의 시계열 데이터로 세그먼트 추출한다. 세그먼트 추출부(104)는, 추출한 세그먼트 정보를 이용하여 토크의 세그먼트를 잘라내고, 기기의 이상 및 기기의 열화를 판정한다.
또한, 이상 판정 처리 및 열화 판정 처리의 운용의 도중이더라도, 기기의 점검 또는 청소 등의 영향에 의해, 세그먼트의 값 또는 세그먼트 특징량의 특성이 변화하고, 지금까지의 세그먼트 추출 조건으로는, 세그먼트의 추출을 할 수 없게 되는 경우가 있다. 그러나, 이와 같은 경우이더라도, 기기가 메인터넌스 후에 안정적으로 가동하고 있을 때의 데이터로부터 새롭게 운전 모드의 변화점 파형 데이터를 선택하고, 도 5에서 나타낸 파라미터를 갱신하여 추출 조건 기억부(102)에 기억시키는 것만으로, 세그먼트 추출이 가능하게 된다.
또, 상술한 설명은, 시계열 데이터를 미리 설정된 기간 합쳐서 일괄하여 처리하는 구성을 나타냈지만, 동일한 구성을 이용하여 시계열 데이터를 축차적으로 처리하는 것도 가능하다.
예컨대, 관측의 샘플링 주기마다, 시계열 데이터 입력부(103)에 시계열 데이터의 입력이 있다고 한다. 시각 j의 데이터가 입력되었을 때, 유사도 산출부(105)는, 유사도 시계열 Sk에 Tj-wk+1,wk와 Qk의 유사도를 추가한다. 변화점 검출부(106)는, 세그먼트의 개시 시각 start와 시각 j-wk+1의 사이에서, 변화점에 해당하는 시각을 탐색하면 된다.
이상과 같이, 이 실시의 형태 1에서는, 기기의 상태의 변화점을 포함하는 파형 데이터, 당해 파형 데이터의 파라미터 정보, 및 기기의 천이 정보의 입력을 접수하는 추출 조건 입력부(101)와, 기기의 시계열 데이터와, 파형 데이터의 유사도를 산출하는 유사도 산출부(105)와, 기기의 천이 정보에 근거하여, 기기의 상태를 설정하는 운전 모드 판정부(107)와, 산출된 유사도, 및 판정된 기기의 상태에 근거하여, 기기의 시계열 데이터로부터, 변화점을 검출하고, 시계열 데이터의 부분열인 세그먼트의 개시 시각 및 세그먼트의 종료 시각을 설정하는 변화점 검출부(106)와, 기기의 상태, 세그먼트의 개시 시각 및 세그먼트의 종료 시각을 세그먼트 정보로서 출력하는 정보 출력부(108)를 구비하도록 구성했다.
이것에 의해, 이벤트 발생의 타이밍을 나타내는 이벤트 정보가 존재하지 않는 경우에도, 기기의 각 운전 모드의 세그먼트를 정밀하게 추출할 수 있다. 또한, 세그먼트의 파형 데이터에 근거하여 정밀하게 운전 모드의 식별을 행할 수 있다. 또한, 변화점에 근거하여 세그먼트를 추출하는 것에 의해, 시간 방향으로 가변 길이의 세그먼트를 추출할 수 있다.
또한, 이 실시의 형태 1에 따르면, 유사도 산출부(105)는, 시계열 데이터로부터 잘라낸 부분열과, 당해 부분열과 동일한 길이의 시계열 데이터의 유글리트 거리를 이용하여, 유사도를 산출하도록 구성했으므로, 정밀도가 높은 세그먼트 정보를 생성할 수 있고, 또한 기기의 이상 또는 기기의 열화 등을 정밀하게 판정할 수 있다.
또한, 실시의 형태 1에 따르면, 변화점 검출부(106)는, 유사도 산출부(105)가 시계열 데이터의 시각마다 산출한 유사도로 이루어지는 유사도 시계열로부터, 유사도가 극소치이고, 유사도가 소정의 임계치 이하인 시각을, 변화점으로서 검출하도록 구성했으므로, 유사도를 정밀하게 판정할 수 있다.
실시의 형태 2.
이 실시의 형태 2에서는, GUI(Graphical User Interface)를 구비하는 구성을 나타낸다. 도 10은 실시의 형태 2에 따른 데이터 처리 장치(100A)의 구성을 나타내는 블록도이다.
실시의 형태 2의 데이터 처리 장치(100A)는, 실시의 형태 1에서 나타낸 데이터 처리 장치(100)의 세그먼트 추출부(104a)가 GUI(111)를 새롭게 구비하고, 추출 조건 입력부(101)를 대체한 추출 조건 입력부(101a)를 구비하여 구성하고 있다. 또, 이하에서는, 실시의 형태 1에 따른 데이터 처리 장치(100)의 구성 요소와 동일 또는 상당하는 부분에는, 실시의 형태 1에서 사용한 부호와 동일한 부호를 붙여서 설명을 생략 또는 간략화한다.
세그먼트 추출부(104a)는, 이하에 나타내는 GUI(111)를 구비하는 것에 의해, 검출 처리를 개시하기 전의 준비 처리의 부하를 경감시킨다. GUI(111)는, 시계열 데이터 입력부(103)로부터 시계열 데이터의 입력을 접수하고, 기기가 정상적으로 안정적으로 가동하고 있는 기간의 시계열 데이터(1001)를 디스플레이 등의 표시 장치(도시하지 않는다)에 표시하는 제어를 행한다. GUI(111)는, 표시한 시계열 데이터에 대하여 유저 지정한 시계열 범위의 시계열 데이터를 확대하여 표시 장치에 표시하는 제어를 행한다. 추출 조건 입력(101a)은, 유저에 의해 선택된 변화점의 파형 데이터, 당해 파형 데이터의 세그먼트 추출 조건을 추출 조건 기억부(102)에 기억시킨다.
다음으로, 데이터 처리 장치(100A)의 하드웨어 구성의 예를 설명한다. 또, 실시의 형태 1과 동일한 구성의 설명은 생략한다.
데이터 처리 장치(100A)에 있어서의 GUI(111) 및 추출 조건 입력부(101a)는, 도 2(a)에서 나타낸 처리 회로(100a), 또는 도 2(b)에서 나타낸 메모리(100c)에 저장되는 프로그램을 실행하는 프로세서(100b)이다.
다음으로, 도 11을 참조하면서, GUI(111)의 구체적인 처리 동작에 대하여 설명한다.
도 11은 실시의 형태 2에 따른 데이터 처리 장치(100A)의 GUI(111)의 처리 동작을 나타내는 설명도이다.
GUI(111)는, 기기가 정상적으로 안정적으로 가동하고 있는 기간의 시계열 데이터(1001)를 디스플레이 등의 표시 장치에 표시한다. 유저는, 표시된 시계열 데이터(1001)의 파형의 출현 패턴 등으로부터, 제품 1로트분에 상당하는 시계열 데이터의 범위(1002)를, 마우스 등의 입력 장치(도시하지 않는다)를 이용하여 선택한다. GUI(111)는, 유저에 의해 선택된 범위(1002)의 시계열 데이터(1003)를 확대하여 표시 장치에 표시시키는 제어를 행한다.
또한, 유저는 확대 표시된 시계열 데이터(1003) 중에서 운전 모드의 변화점을 특정하고, 입력 장치를 이용하여 당해 변화점을 포함하는 범위(1004)를 선택한다. GUI(111)는, 선택된 변화점을 포함하는 범위(1004)의 파형 데이터(1005)를 확대 표시시키는 제어를 행한다. 유저는, 확대 표시된 파형 데이터(1005)를 확인하고, 당해 파형 데이터(1005)에 문제가 없는 경우에는, 운전 모드의 라벨을 붙여서 추출 조건으로서 등록하기 위한 조작을 행한다. 추출 조건 입력부(101a)는, 당해 조작을 접수하면, 추출 조건 기억부(102)에 세그먼트 추출 조건을 기억시킨다.
다음으로, 추출 조건 입력부(101a)가 세그먼트 추출 조건을 추출 조건 기억부(102)에 기억시키는 처리에 대하여, 도 12를 참조하면서 설명한다.
도 12는 실시의 형태 2에 따른 데이터 처리 장치(100A)의 추출 조건 입력부(101a)의 동작을 나타내는 플로차트이다.
추출 조건 입력(101)은, 운전 모드의 라벨이 붙은 추출 조건의 등록 조작이 입력되면(스텝 ST21), 선택된 변화점의 파형 데이터(도 11에 있어서의 파형 데이터(1005))를, 추출 조건 기억부(102)에 기억시킨다(스텝 ST22).
다음으로, 추출 조건 입력(101)은, 추출 조건 기억부(102)에 기억된 파라미터 리스트(예컨대, 도 5)를 참조하여, 운전 모드(501)에 대응하는 운전 모드의 엔트리가 있는지 판정을 행한다(스텝 ST23). 운전 모드(501)에 대응하는 운전 모드의 엔트리가 존재하지 않는 경우(스텝 ST23; 아니오), 추출 조건 입력(101)은 대응하는 운전 모드(501)를 신규로 작성한다(스텝 ST24). 또한 추출 조건 입력부(101a)는, 신규로 작성한 운전 모드(501)의, 변화점 파형의 수(502)에 「1」을 설정하고, 변화점 파형의 길이(503)에 선택된 변화점의 파형 데이터의 데이터 길이를 설정한다(스텝 ST25).
한편, 운전 모드(501)에 대응하는 운전 모드의 엔트리가 존재하는 경우(스텝 ST23; 예), 추출 조건 입력부(101a)는, 해당하는 운전 모드(501)의 변화점 파형의 수(502)에 「1」을 가산하고, 변화점 파형의 길이(503)에 선택된 변화점의 파형 데이터의 데이터 길이를 추가한다(스텝 ST26). 스텝 ST25 또는 스텝 ST26의 처리가 종료하면, 스텝 ST21의 처리로 돌아가고, 상술한 처리를 반복한다.
상술한 스텝 ST26에 있어서, 변화점 파형의 길이(503)에 선택된 변화점의 파형 데이터의 데이터 길이를 추가하는 경우, 예컨대 도 5의 변화점 파형의 길이(503)에 복수의 데이터 길이가 리스트로서 기억된다.
이상과 같이, 이 실시의 형태 2에서는, 기기의 시계열 데이터에 대하여 표시 범위의 선택을 접수하고, 선택된 표시 범위의 부분열을 확대 표시시키는 제어를 행하는 GUI(111)를 구비하고, 추출 조건 입력부(101)는, 선택된 범위의 부분열의 파형 데이터 및 파라미터 정보를 설정하도록 구성했으므로, 데이터 처리 장치가 검출 처리를 개시하기 전의 준비 처리의 부담을 경감시킬 수 있다.
상기 이외에도, 본 발명은 그 발명의 범위 내에 있어서, 각 실시의 형태의 자유로운 조합, 혹은 각 실시의 형태의 임의의 구성 요소의 변형, 또는 각 실시의 형태에 있어서 임의의 구성 요소의 생략이 가능하다.
(산업상이용가능성)
본 발명에 따른 데이터 처리 장치는, 기기의 시계열 데이터를 이용하여, 프로세스를 제어하기 위한 제어 시스템에 적용하는 것이 바람직하다.
100, 100A : 데이터 처리 장치
101, 101a : 추출 조건 입력부
102 : 추출 조건 기억부
103 : 시계열 데이터 입력부
104, 104a : 세그먼트 추출부
105 : 유사도 산출부
106 : 변화점 검출부
107 : 운전 모드 판정부
108 : 정보 출력부
109 : 판정부
110 : 판정 결과 출력부
111 : GUI

Claims (7)

  1. 기기의 상태의 변화점을 포함하는 파형 데이터, 당해 파형 데이터의 파라미터 정보, 및 상기 기기의 천이 정보의 입력을 접수하는 추출 조건 입력부와,
    상기 기기의 시계열 데이터와, 상기 추출 조건 입력부가 접수한 상기 파형 데이터의 유사도를 산출하는 유사도 산출부와,
    상기 추출 조건 입력부가 접수한 상기 기기의 천이 정보에 근거하여, 상기 기기의 상태를 설정하는 운전 모드 판정부와,
    상기 유사도 산출부가 산출한 유사도, 및 상기 운전 모드 판정부가 판정한 상기 기기의 상태에 근거하여, 상기 기기의 시계열 데이터로부터, 상기 변화점을 검출하고, 상기 시계열 데이터의 부분열인 세그먼트의 개시 시각 및 상기 세그먼트의 종료 시각을 설정하는 변화점 검출부와,
    상기 기기의 상태, 상기 세그먼트의 개시 시각 및 상기 세그먼트의 종료 시각을 세그먼트 정보로서 출력하는 정보 출력부
    를 구비한 데이터 처리 장치.
  2. 제 1 항에 있어서,
    상기 정보 출력부가 출력한 상기 세그먼트 정보에 근거하여, 데이터의 편차의 정도, 또는 데이터의 경향을 판정하는 판정부를 구비한 것을 특징으로 하는 데이터 처리 장치.
  3. 제 1 항 또는 제 2 항에 있어서,
    상기 유사도 산출부는, 상기 시계열 데이터로부터 잘라낸 부분열과, 당해 부분열과 동일한 길이의 상기 시계열 데이터의 유글리트 거리를 이용하여, 상기 유사도를 산출하는 것을 특징으로 하는 데이터 처리 장치.
  4. 제 1 항 또는 제 2 항에 있어서,
    상기 유사도 산출부는, 상기 시계열 데이터로부터 잘라낸 부분열과, 당해 부분열과 동일한 길이의 상기 시계열 데이터를 정규화한 후에, 상기 유사도를 산출하는 것을 특징으로 하는 데이터 처리 장치.
  5. 제 3 항 또는 제 4 항에 있어서,
    상기 변화점 검출부는, 상기 유사도 산출부가 상기 시계열 데이터의 시각마다 산출한 유사도로 이루어지는 유사도 시계열로부터, 상기 유사도가 극소치이고, 또한 상기 유사도가 소정의 임계치 이하인 시각을, 상기 변화점으로서 검출하는 것을 특징으로 하는 데이터 처리 장치.
  6. 제 1 항 또는 제 2 항에 있어서,
    상기 기기의 시계열 데이터에 대하여 표시 범위의 선택을 접수하고, 상기 선택된 표시 범위의 부분열을 확대 표시시키는 제어를 행하는 GUI를 구비하고,
    상기 추출 조건 입력부는, 상기 선택된 범위의 부분열의 상기 파형 데이터 및 상기 파라미터 정보를 설정하는
    것을 특징으로 하는 데이터 처리 장치.
  7. 추출 조건 입력부가, 기기의 상태의 변화점을 포함하는 파형 데이터, 당해 파형 데이터의 파라미터 정보, 및 상기 기기의 천이 정보의 입력을 접수하는 스텝과,
    유사도 산출부가, 상기 기기의 시계열 데이터와, 상기 파형 데이터의 유사도를 산출하는 스텝과,
    운전 모드 판정부가, 상기 기기의 천이 정보에 근거하여, 상기 기기의 상태를 설정하는 스텝과,
    변화점 검출부가, 상기 산출된 유사도, 및 상기 설정된 상기 기기의 상태에 근거하여, 상기 기기의 시계열 데이터로부터, 상기 변화점을 검출하고, 상기 시계열 데이터의 부분열인 세그먼트의 개시 시각 및 상기 세그먼트의 종료 시각을 설정하는 스텝과,
    정보 출력부가, 상기 기기의 상태, 상기 세그먼트의 개시 시각 및 상기 세그먼트의 종료 시각을 세그먼트 정보로서 출력하는 스텝
    을 구비한 데이터 처리 방법.
KR1020207036750A 2018-07-03 2018-07-03 데이터 처리 장치 및 데이터 처리 방법 KR102238867B1 (ko)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2018/025252 WO2020008533A1 (ja) 2018-07-03 2018-07-03 データ処理装置およびデータ処理方法

Publications (2)

Publication Number Publication Date
KR20210002748A true KR20210002748A (ko) 2021-01-08
KR102238867B1 KR102238867B1 (ko) 2021-04-09

Family

ID=69060967

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020207036750A KR102238867B1 (ko) 2018-07-03 2018-07-03 데이터 처리 장치 및 데이터 처리 방법

Country Status (7)

Country Link
US (1) US11294364B2 (ko)
JP (1) JP6786016B2 (ko)
KR (1) KR102238867B1 (ko)
CN (1) CN112368683B (ko)
DE (1) DE112018007712T5 (ko)
TW (1) TWI727289B (ko)
WO (1) WO2020008533A1 (ko)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB2580950A (en) * 2019-01-31 2020-08-05 Datalytyx Ltd Data processing system
JP6869443B1 (ja) * 2020-04-18 2021-05-12 三菱電機株式会社 ロギングデータ表示プログラム、ロギングデータ表示装置およびロギングデータ表示方法
JP7114008B2 (ja) 2020-07-03 2022-08-05 三菱電機株式会社 データ処理装置
CN112098836B (zh) * 2020-08-14 2021-05-14 贵州乌江水电开发有限责任公司东风发电厂 一种基于电气畸变分析的电动机非稳数据排除方法及系统

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH11345342A (ja) * 1998-05-29 1999-12-14 Nippon Telegr & Teleph Corp <Ntt> 時系列画像検索方法、装置、および時系列画像検索プログラムを記録した記録媒体
JP2004318273A (ja) 2003-04-11 2004-11-11 Canon System Solutions Inc データ分析装置及びその制御方法、並びにコンピュータプログラム及びコンピュータ可読記憶媒体
JP2006338373A (ja) * 2005-06-02 2006-12-14 Toshiba Corp 多変数時系列データ分析装置、方法およびプログラム
JP2008084115A (ja) * 2006-09-28 2008-04-10 Toshiba Corp 情報処理装置、情報処理プログラムおよび情報処理システム
JP2011154443A (ja) * 2010-01-26 2011-08-11 Hitachi Ltd 情報処理システム及びプログラム
JP2015075821A (ja) * 2013-10-07 2015-04-20 横河電機株式会社 状態診断方法および状態診断装置
WO2016117021A1 (ja) * 2015-01-20 2016-07-28 株式会社日立製作所 機械診断装置および機械診断方法
KR20170133259A (ko) * 2016-05-25 2017-12-05 아즈빌주식회사 감시 장치, 감시 방법 및 매체에 저장된 프로그램

Family Cites Families (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH05204991A (ja) * 1992-01-30 1993-08-13 Hitachi Ltd 時系列データ検索方法およびこれを用いた検索システム
JP3995569B2 (ja) * 2002-09-20 2007-10-24 昌一 手島 波形パターンデータから設備の診断・監視のための特徴を抽出する方法及びプログラム
CN102033486B (zh) * 2009-09-25 2012-05-30 卡西欧计算机株式会社 时刻信息取得装置和电波钟表
WO2012103485A2 (en) * 2011-01-28 2012-08-02 The Board Of Regents Of The Nevada System Of Higher Education On Behalf Of The Desert Research Institute Signal identification methods and systems
JP5715261B2 (ja) 2011-10-04 2015-05-07 株式会社日立製作所 時系列データ管理システム，および方法
US10054933B2 (en) * 2012-03-27 2018-08-21 Sirqul, Inc. Controlling distributed device operations
US10282676B2 (en) * 2014-10-06 2019-05-07 Fisher-Rosemount Systems, Inc. Automatic signal processing-based learning in a process plant
WO2015159377A1 (ja) * 2014-04-16 2015-10-22 株式会社日立製作所 設計支援装置
US10401842B2 (en) * 2014-05-01 2019-09-03 Sicpa Holding Sa Dynamically configurable production and/or distribution line control system and method therefor
JP2016091512A (ja) * 2014-11-11 2016-05-23 ルネサスエレクトロニクス株式会社 接続関係検出システム、情報処理装置、及び接続関係検出方法
JP6613828B2 (ja) * 2015-11-09 2019-12-04 富士通株式会社 画像処理プログラム、画像処理装置、及び画像処理方法
US10739764B2 (en) * 2016-07-15 2020-08-11 Ricoh Company, Ltd. Diagnostic apparatus, diagnostic system, diagnostic method, and recording medium
JP6532845B2 (ja) * 2016-07-26 2019-06-19 双葉電子工業株式会社 計測装置、計測方法、プログラム
EP3279737A1 (en) * 2016-08-05 2018-02-07 ASML Netherlands B.V. Diagnostic system for an industrial process
GB2553514B (en) * 2016-08-31 2022-01-26 Green Running Ltd A utility consumption signal processing system and a method of processing a utility consumption signal

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH11345342A (ja) * 1998-05-29 1999-12-14 Nippon Telegr & Teleph Corp <Ntt> 時系列画像検索方法、装置、および時系列画像検索プログラムを記録した記録媒体
JP2004318273A (ja) 2003-04-11 2004-11-11 Canon System Solutions Inc データ分析装置及びその制御方法、並びにコンピュータプログラム及びコンピュータ可読記憶媒体
JP2006338373A (ja) * 2005-06-02 2006-12-14 Toshiba Corp 多変数時系列データ分析装置、方法およびプログラム
JP2008084115A (ja) * 2006-09-28 2008-04-10 Toshiba Corp 情報処理装置、情報処理プログラムおよび情報処理システム
JP2011154443A (ja) * 2010-01-26 2011-08-11 Hitachi Ltd 情報処理システム及びプログラム
JP2015075821A (ja) * 2013-10-07 2015-04-20 横河電機株式会社 状態診断方法および状態診断装置
WO2016117021A1 (ja) * 2015-01-20 2016-07-28 株式会社日立製作所 機械診断装置および機械診断方法
KR20170133259A (ko) * 2016-05-25 2017-12-05 아즈빌주식회사 감시 장치, 감시 방법 및 매체에 저장된 프로그램

Also Published As

Publication number Publication date
CN112368683A (zh) 2021-02-12
JPWO2020008533A1 (ja) 2020-12-17
TW202006488A (zh) 2020-02-01
US20210096556A1 (en) 2021-04-01
WO2020008533A1 (ja) 2020-01-09
TWI727289B (zh) 2021-05-11
US11294364B2 (en) 2022-04-05
CN112368683B (zh) 2024-03-26
KR102238867B1 (ko) 2021-04-09
DE112018007712T5 (de) 2021-04-08
JP6786016B2 (ja) 2020-11-18

Similar Documents

Publication Publication Date Title
KR102238867B1 (ko) 데이터 처리 장치 및 데이터 처리 방법
EP2905665B1 (en) Information processing apparatus, diagnosis method, and program
EP3508833A1 (en) Diagnostic device, diagnostic method, and diagnostic program
JP2004524609A (ja) 予測状態監視における変化状態の適応モデリング
KR102472637B1 (ko) 시계열 데이터 분석 방법, 주영향 변수 결정 방법 및 그 방법들을 지원하는 장치
JP2015075821A (ja) 状態診断方法および状態診断装置
JP2013143009A (ja) 設備状態監視方法およびその装置
EP3674827B1 (en) Monitoring target selecting device, monitoring target selecting method and program
US20220042952A1 (en) State estimation device and state estimation method
KR102408756B1 (ko) 이상 검지 장치 및 이상 검지 방법
KR20190082715A (ko) 상관도를 고려한 데이터 분류 방법 및 이 방법을 수행하기 위한 프로그램이 저장된 컴퓨터 판독가능한 저장매체
CN113330379A (zh) 异常原因推定装置、异常原因推定方法及程序
US20080255773A1 (en) Machine condition monitoring using pattern rules
JP5939439B2 (ja) 異常診断装置
JP5824959B2 (ja) 異常診断装置
KR101997580B1 (ko) 상관도를 고려한 데이터 분류 방법 및 이 방법을 수행하기 위한 프로그램이 저장된 컴퓨터 판독가능한 저장매체
WO2022054256A1 (ja) 異常検知装置
JP6648747B2 (ja) 異常原因特定方法および異常原因特定装置
US20180087489A1 (en) Method for windmill farm monitoring
JP6347771B2 (ja) 異常診断装置、異常診断方法及び異常診断プログラム
WO2019092997A1 (ja) データ分類装置
JP5817323B2 (ja) 異常診断装置
US20240110850A1 (en) Abnormality determination model generating device, abnormality determination device, abnormality determination model generating method, and abnormality determination method
EP4261641A1 (en) Anomaly determination device, method for generating anomaly determination model, and anomaly determination method
JP2021117722A (ja) プラント設備の異常兆候検知システムおよびプラント設備の異常兆候検知方法

Legal Events

Date Code Title Description
A201 Request for examination
A302 Request for accelerated examination
E701 Decision to grant or registration of patent right
GRNT Written decision to grant