KR20210107844A

KR20210107844A - 분석 장치, 분석 방법, 및 프로그램

Info

Publication number: KR20210107844A
Application number: KR1020217024139A
Authority: KR
Inventors: 야스하루 오니시; 야스유키 후쿠타
Original assignee: 닛본 덴끼 가부시끼가이샤
Priority date: 2019-02-05
Filing date: 2020-02-04
Publication date: 2021-09-01
Also published as: WO2020162425A1; JP7188463B2; TW202045898A; JPWO2020162425A1; CN113383216A

Abstract

분석 장치(100)에는: 생산 설비(10)에 제공된 진동 센서에 의한 검출 결과를 이미지로 변환하는 이미지 처리 유닛(102); 이미지화된 데이터에 머신 러닝 프로세스가 실시되는 것에 의해 판별기(110)를 생성하는 생성 유닛(104); 및 판별기(110)를 사용하여 생산 설비(10)의 상태 분석 프로세스를 수행하는 분석 유닛(106)이 제공된다.

Description

분석 장치, 분석 방법, 및 프로그램

본 발명은 분석 장치, 분석 방법 및 프로그램에 관한 것으로, 특히, 설비의 상태를 모니터링하는 센서의 데이터를 분석하기 위한 분석 장치, 분석 방법, 및 프로그램에 관한 것이다.

기계적 설비를 사용하여 생산 재료를 제조하는 품질 제어에 진동 또는 음향 센서를 사용함으로써 상태 모니터링을 수행하는 방법이 존재한다. 본 방법은, 예를 들어, 이상적인 진동(abnormal vibration)을 검출하면 생산 재료의 처리를 정지함으로써 생산 손실을 방지하기 위해 생산 재료의 처리 동안 프로세서에서 생성되는 진동 데이터를 취득하는 것, 생산 설비의 효율적인 유지 보수 및 수명 연장을 위한 최적의 동작 조건을 찾기 위해 진동에 의해 생산 설비의 동작 상태를 모니터링하는 것 등에 의해, 제조시 생산 효율을 향상시키는 기술로서 주목을 받고 있다.

특허 문헌 1은 감시될 설비에 센서를 부착하고, 센서에 의해 측정된 시계열(time-series) 데이터에 기초하여 설비를 감시하는 방법을 개시한다.

관련 문헌

특허 문헌

[특허 문헌 1] 일본 특허 출원 공개 제2009-270843호 공보

위에서 설명된 특허 문헌 1에 설명된 시스템에서와 같이, 센서에 의해 수집된 데이터에 기초하여 설비의 이상(abnormality) 등이 검출되려고 할 때, 분석될 데이터의 양이 증가될 수 있다. 또한, 딥 러닝과 같은 머신 러닝에 의해 정상/이상 상태 모델을 구축하는 것도 생각될 수 있지만, 그 방법은 단지 이상으로 간주되는 상태의 추출을 허용할 뿐이고, 동작을 정지하는 것과 같은 액션에만 적용가능하다.

본 발명은 전술된 상황을 감안하여 이루어진 것이며, 본 발명의 목적은 생산 설비의 상태 모니터링을 효율적이고 정밀하게 수행하기 위한 기술을 제공하는 것이다.

본 발명의 각각의 양태에서, 전술된 문제를 해결하기 위해 이하의 구성들이 이용된다.

제1 양태는 분석 장치에 관한 것이다.

제1 양태에 따른 제1 분석 장치는:

생산 설비에 제공된 진동 센서의 검출 결과를 이미지로 변환하는 이미지 처리 유닛;

이미지로 변환된 데이터를 머신-러닝 처리를 위한 타겟으로서 사용하여 판별기를 생성하는 생성 유닛; 및

판별기를 사용하여 생산 설비에 대한 상태 분석 처리를 수행하는 분석 유닛을 포함한다.

제1 양태에 따른 제2 분석 장치는:

생산 설비에 제공된 진동 센서의 검출 결과에 기초하여, 제1 판별기를 사용하여 생산 설비에 대한 이상 판정 처리를 수행하는 판정 유닛;

제1 판별기에 의해 정상 또는 이상으로 판별될 수 없는 검출 결과를 이미지로 변환하는 이미지 처리 유닛;

이미지로 변환된 데이터를 머신-러닝 처리를 위한 타겟으로서 사용하여 제2 판별기를 생성하는 생성 유닛; 및

제2 판별기를 사용하여 생산 설비에 대한 상태 분석 처리를 수행하는 분석 유닛을 포함한다.

제2 양태는 적어도 하나의 컴퓨터에 의해 실행되는 분석 방법에 관한 것이다.

제2 양태에 따른 제1 분석 방법은:

분석 장치에 의해,

생산 설비에 제공된 진동 센서의 검출 결과를 이미지로 변환하는 단계;

이미지로 변환된 데이터를 머신-러닝 처리를 위한 타겟으로서 사용하여 판별기를 생성하는 단계; 및

판별기를 사용하여 생산 설비에 대한 상태 분석 처리를 수행하는 단계를 포함한다.

제2 양태에 따른 제2 분석 방법은:

분석 장치에 의해,

생산 설비에 제공된 진동 센서의 검출 결과에 기초하여, 제1 판별기를 사용하여 생산 설비에 대한 이상 판정 처리를 수행하는 단계;

제1 판별기에 의해 정상 또는 이상으로 판별될 수 없는 검출 결과를 이미지로 변환하는 단계;

이미지로 변환된 데이터를 머신-러닝 처리를 위한 타겟으로서 사용하여 제2 판별기를 생성하는 단계; 및

제2 판별기를 사용하여 생산 설비에 대한 상태 분석 처리를 수행하는 단계를 포함한다.

본 발명의 또 다른 양태는, 적어도 하나의 컴퓨터로 하여금 제2 양태에 따른 전술된 방법을 실행하게 하는 프로그램이거나, 또는 이러한 프로그램이 기록된 컴퓨터 판독가능 저장 매체일 수 있다는 점에 유의한다. 저장 매체는 비일시적(non-transitory) 유형 매체(tangible medium)를 포함한다.

컴퓨터 프로그램은, 컴퓨터에 의해 실행될 때, 컴퓨터로 하여금, 분석 장치 상에서 그 분석 방법을 실행하게 하는 컴퓨터 프로그램 코드를 포함한다.

방법, 장치, 시스템, 저장 매체, 컴퓨터 프로그램 등 중에서 본 발명의 표현의 변환들 및 위의 컴포넌트들의 임의의 조합들이 또한 본 발명의 한 형태로서 유효하다는 점에 유의한다.

또한, 본 발명의 다양한 컴포넌트들은 반드시 개별적으로 및 독립적으로 존재할 필요는 없고, 복수의 컴포넌트는 하나의 부재로서 형성될 수 있고, 하나의 컴포넌트는 복수의 부재에 의해 형성될 수 있고, 특정 컴포넌트는 다른 컴포넌트의 일부일 수 있고, 특정 컴포넌트의 일부는 다른 컴포넌트의 일부 등과 중첩할 수 있다.

또한, 본 발명에 따른 방법 및 컴퓨터 프로그램에서는 복수의 절차가 순서대로 설명되지만, 복수의 절차의 실행 순서는 설명된 순서로 제한되지 않는다. 따라서, 본 발명에 따른 방법 및 컴퓨터 프로그램이 수행될 때, 변경이 내용을 손상시키지 않는 한, 복수의 절차의 순서가 변경될 수 있다.

또한, 본 발명에 따른 방법 및 컴퓨터 프로그램에 대한 복수의 절차는 상이한 타이밍들에서 개별적으로 실행되는 것으로 제한되지 않는다. 따라서, 특정 절차의 실행 동안 다른 절차가 발생할 수 있거나, 특정 절차의 실행 타이밍이 다른 절차의 실행 타이밍 등과 부분적으로 또는 전체적으로 중첩될 수 있다.

위에서 설명된 양태들 각각에 따르면, 생산 설비의 상태 모니터링을 효율적이고 정밀하게 수행하기 위한 기법이 제공될 수 있다.

전술된 목적 및 다른 목적들, 특징들, 및 유리한 효과들은 아래에 설명된 바람직한 예시적인 실시예들 및 이하의 첨부 도면들로부터 더 명백해진다.
도 1은 본 발명의 예시적인 실시예에 따른 분석 장치를 사용하는 설비 모니터링 시스템의 시스템 구성을 개략적으로 예시하는 도면이다.
도 2는 본 예시적인 실시예에 따른 저장 장치에 저장되는 진동 데이터 및 설비 정보의 데이터 구조의 일례를 예시하는 도면이다.
도 3은 본 예시적인 실시예에 따른 각 장치의 하드웨어 구성을 예시하는 블록도이다.
도 4는 본 예시적인 실시예에 따른 분석 장치의 논리적인 구성을 예시하는 기능 블록도이다.
도 5는 이미지로의 변환 이전의 측정 데이터의 시계열 데이터를 예시하는 도면이다.
도 6은 이미지 처리 유닛에 의해 변환된 이미지 데이터를 예시하는 도면이다.
도 7은 본 예시적인 실시예에 따른 분석 장치의 동작의 일례를 예시하는 흐름도이다.
도 8은 도 7의 단계 S101의 이미지화 처리의 상세한 흐름의 일례를 예시하는 흐름도이다.
도 9는 본 예시적인 실시예에 따른 분석 장치의 논리적인 구성을 예시하는 기능 블록도이다.
도 10은 본 예시적인 실시예에 따른 분석 장치의 동작의 일례를 예시하는 흐름도이다.
도 11은 본 예시적인 실시예에 따른 분석 장치의 이상 판정 처리의 절차의 일례를 예시하는 흐름도이다.
도 12는 본 예시적인 실시예에 따른 분석 장치의 이미지 처리 유닛의 논리적인 구성을 예시하는 기능 블록도이다.
도 13은 본 예시적인 실시예에 따른 분석 장치의 이미지 처리 유닛의 동작의 일례를 예시하는 흐름도이다.
도 14는 본 예시적인 실시예에 따른 분석 장치의 논리적인 구성을 예시하는 기능 블록도이다.
도 15는 보정 정보(30)의 데이터 구조의 일례를 예시하는 도면이다.
도 16은 분석 유닛에 의한 판별 처리의 상세한 흐름의 일례를 예시하는 흐름도이다.
도 17은 도 16의 단계 S406에서 추출된 데이터를 사용하는 판별기의 업데이트 처리 절차의 일례를 예시하는 흐름도이다.
도 18은 도 16의 상태 분석 처리의 단계 S401에서 정상으로 판별되었을 때의 처리 절차의 일례를 예시하는 흐름도이다.
도 19는 분석 장치의 장애 모델 구축 처리의 절차의 일례를 예시하는 흐름도이다.
도 20은 예 1에 따른 분석 장치를 설명하기 위한 흐름도이다.
도 21은 실시예 2에 따른 분석 장치를 설명하기 위한 흐름도이다.

이하, 본 발명의 예시적인 실시예들이 도면들을 사용하여 설명될 것이다. 모든 도면들에 걸쳐 유사한 컴포넌트에는 유사한 참조 부호가 부여되고, 그에 대한 설명은 적절히 생략될 것이라는 점에 유의한다.

(제1 실시예)

도 1은 본 발명의 예시적인 실시예에 따른 분석 장치를 사용하는 설비 모니터링 시스템(1)의 시스템 구성을 개략적으로 예시하는 도면이다.

설비 모니터링 시스템(1)에 의해 모니터링될 설비는 생산 설비(10)이고, 본 예시적인 실시예에서는, 컨베이어 벨트를 예로서 사용하여 설명이 주어질 것이다. 도 1의 예에서, 컨베이어 벨트를 모니터링하기 위한 복수의 센서(12)가 컨베이어 벨트의 이동 방향을 따라 복수의 위치에 배치된다. 센서들(12) 각각은, 예를 들어, 진동 센서이다. 또한, 단방향 진동을 검출하는 진동 센서의 경우에, 다방향 진동을 검출하기 위해 하나의 위치에 복수의 진동 센서가 배치될 수 있다.

진동 센서로부터 출력된 측정 데이터는 진동 파형을 표시하는 시계열 데이터이다.

진동 센서는 모니터링될 생산 설비(10)에서 생성된 진동을 측정한다. 진동 센서는 하나의 축 방향으로 가속도를 측정하는 1축 가속도 센서이거나, 3개의 축 방향으로 가속도를 측정하는 3축 가속도 센서이거나, 기타의 것일 수 있다. 유의할 점은, 복수의 진동 센서가 동일한 유형의 진동 센서들일 수 있거나, 복수의 유형의 진동 센서가 혼합될 수 있다는 것이다.

분석 장치(100)는 네트워크(3)를 통해 게이트웨이(GW)(5)와 접속되고, 생산 설비(10)에 제공된 복수의 센서(12)로부터 검출 결과를 수신한다. 분석 장치(100)는 저장 장치(20)와 접속된다. 저장 장치(20)는 분석 장치(100)에 의해 분석된 진동 데이터를 저장한다. 저장 장치(20)는 분석 장치(100)로부터 분리된 장치일 수 있거나, 분석 장치(100)에 포함된 장치일 수 있거나, 이들의 조합일 수 있다.

예시적인 실시예의 도면들 각각에서, 본 발명의 본질과 무관한 부분의 구성은 생략되고 예시되지 않는다.

도 2는 본 예시적인 실시예에 따른 저장 장치(20)에 저장된 진동 데이터(22) 및 설비 정보(24)의 데이터 구조의 일례를 예시하는 도면이다.

진동 데이터(22)는 진동 센서를 식별하는 각각의 센서 ID와 연관된 시간 정보 및 측정 데이터를 포함한다. 설비 정보(24)는 설비를 식별하는 각각의 설비 ID와 연관된 적어도 하나의 진동 센서의 센서 ID를 포함한다.

도 3은 본 예시적인 실시예에 따른 각 장치의 하드웨어 구성을 예시하는 블록도이다. 각각의 장치는 프로세서(50), 메모리(52), 입력/출력 인터페이스(I/F)(54), 주변 회로(56), 및 버스(58)를 포함한다. 주변 회로(56)는 다양한 모듈들을 포함한다. 처리 장치는 주변 회로(56)를 포함하지 않을 수 있다.

버스(58)는 프로세서(50), 메모리(52), 주변 회로(56), 및 입/출력 인터페이스(54)가 서로 데이터를 송신하는 데이터 송신 경로이다. 프로세서(50)는, 예를 들어, 중앙 처리 장치(CPU) 및 그래픽 처리 장치(GPU) 등의 산술 처리 장치이다. 메모리(52)는 예를 들어, 랜덤 액세스 메모리(RAM) 및 판독 전용 메모리(ROM)와 같은 메모리이다. 입력/출력 인터페이스(54)는 입력 장치, 외부 장치, 외부 서버, 센서 등으로부터 정보를 취득하기 위한 인터페이스, 출력 장치, 외부 장치, 외부 서버 등에 정보를 출력하기 위한 인터페이스 등을 포함한다. 입력 장치는 예를 들어, 키보드, 마우스, 마이크로폰 등이다. 출력 장치는 예를 들어, 디스플레이, 스피커, 프린터, 메일러(mailer) 등이다. 프로세서(50)는 각 모듈에 명령을 발행할 수 있고, 그 산술 연산 결과에 기초하여 산술 연산을 수행할 수 있다.

후술하는 도 4의 본 예시적인 실시예에 따른 분석 장치(100)의 각각의 컴포넌트는, 도 3에 예시된 컴퓨터의 하드웨어와 소프트웨어의 임의의 조합에 의해 달성된다. 그 다음, 본 기술분야의 통상의 기술자라면, 분석 장치(100)를 달성하기 위한 방법 및 장치에서 다양한 변형 예들이 이루어질 수 있다는 것을 이해할 것이다. 후술하는 예시적인 실시예들 각각에 따른 분석 장치를 예시하는 기능 블록도는, 하드웨어 기반의 구성이 아니라, 논리적인 기능 기반의 블록을 표시한다.

도 4의 분석 장치(100)의 각각의 유닛의 각각의 기능은 프로세서(50)가 메모리(52)에 프로그램을 판독하고 프로그램을 실행함으로써 달성될 수 있다.

본 예시적인 실시예에 따른 컴퓨터 프로그램은, 분석 장치(100)를 달성하기 위한 컴퓨터(도 3의 프로세서(50))로 하여금: 생산 설비(10)에 제공된 진동 센서(12)의 검출 결과를 이미지로 변환하는 절차; 이미지로 변환된 데이터를 머신-러닝 처리를 위한 타겟으로서 사용하여 판별기를 생성하는 절차; 및 판별기를 사용하여 생산 설비(10)에 대한 이상 판정 처리를 수행하는 절차를 실행하게 한다.

본 예시적인 실시예에 따른 컴퓨터 프로그램은 컴퓨터 판독가능 저장 매체에 기록될 수 있다. 저장 매체는 특별히 제한되지 않고, 다양한 형태들의 저장 매체가 생각될 수 있다. 또한, 프로그램은 저장 매체로부터 컴퓨터의 메모리(52)(도 3)에 로드될 수 있거나, 네트워크를 통해 컴퓨터에 다운로드되어 메모리(52)에 로드될 수 있다.

컴퓨터 프로그램을 기록하기 위한 저장 매체는 비일시적 유형의 컴퓨터 사용가능 매체를 포함하고, 컴퓨터 판독가능 프로그램 코드가 매체에 내장된다. 컴퓨터 프로그램이 컴퓨터 상에서 실행될 때, 컴퓨터 프로그램은 컴퓨터로 하여금 분석 장치(100)를 달성하기 위한 본 예시적인 실시예에 따른 분석 방법을 실행하게 한다.

도 4는 본 예시적인 실시예에 따른 분석 장치(100)의 논리적인 구성을 예시하는 기능 블록도이다. 분석 장치(100)는 이미지 처리 유닛(102), 생성 유닛(104), 및 분석 유닛(106)을 포함한다.

이미지 처리 유닛(102)은 생산 설비(10)에 제공된 진동 센서의 검출 결과를 이미지로 변환한다. 생성 유닛(104)은 이미지로 변환된 데이터를 머신-러닝 처리를 위한 타겟으로서 사용하여 판별기(110)를 생성한다. 분석 유닛(106)은 판별기(110)를 사용하여 생산 설비(10)에 대한 상태 분석 처리를 수행한다.

진동은 3가지 요소: 진폭, 주파수, 및 위상으로 구성되고, 측정 데이터는 3개의 파라미터: 변위, 속도, 및 가속도에 의해 표시될 수 있다. 진동 센서의 측정 데이터는 복수의 파라미터에 의해 표시된 복수의 진동 파형을 포함하는 시계열 데이터이기 때문에, 측정 데이터에 대해 머신 러닝이 그대로 수행될 때에도 특징을 캡처하기가 어렵고, 적절한 러닝 모델이 생성될 수 없다. 이러한 관점에서, 본 예시적인 실시예에 따르면, 측정 데이터는 이미지 처리 유닛(102)에 의해 이미지로 변환된다. 도 5는 이미지로의 변환 전의 측정 데이터의 시계열 데이터를 예시하는 도면이다. 도 6은 이미지 처리 유닛(102)에 의해 이미지로 변환된 이미지 데이터를 예시하는 도면이다.

이미지 처리 유닛(102)은 생산 설비(10)에서 센서(12)의 검출 결과(이하, 또한 진동 데이터라고 지칭됨)를 취득한다. 그 다음, 이미지 처리 유닛(102)는 취득된 진동 데이터에 FFT 처리를 수행한 다음 주파수 분할을 수행하고, 취득된 진동 스펙트럼 데이터를 이미지로 변환하여 이미지 데이터를 취득한다. 위의 처리는 데이터 용량을 압축할 수 있고, 머신-러닝 처리 및 판별 처리의 속도가 증가될 수 있다.

예시적인 실시예에서의 "취득"은, 자신의 장치에 의해, 다른 장치 또는 저장 매체에 저장된 데이터 또는 정보를 페치(능동 취득)하는 것, 및 자신의 장치에, 다른 장치로부터 출력된 데이터 또는 정보를 입력(수동 취득)하는 것 중 적어도 하나를 포함한다. 능동 취득의 예들은 그로부터 응답을 수신하기 위해 다른 장치에 데이터 또는 정보를 요청하거나 문의하는 것, 그로부터 데이터 또는 정보를 판독하기 위해 다른 장치 또는 저장 매체에 액세스하는 것 등을 포함한다. 또한, 수동적 취득의 예들은 전달(송신, 푸시-통지 등)된 정보를 수신하는 것 등을 포함한다. 또한, "취득"은 데이터 또는 정보를 선택적으로 수신하는 것일 수 있거나, 전달된 데이터 또는 정보를 선택적으로 수신하는 것일 수 있다.

판별기(110)는, 생성 유닛(104)에 의해, 이미지로 변환된 데이터를 머신-러닝 처리를 위한 타겟으로서 사용하여 생성된다. 분석 유닛(106)은 판별기(110)를 사용하여 생산 설비(10)에 대한 상태 분석 처리를 수행한다.

머신 학습을 위해, 예를 들어, 딥 러닝이 사용될 수 있지만, 이에 제한되지 않는다. 판별기(110)에 의해 판별되는 생산 설비(10)의 상태는, 예를 들어, 정상 상태 또는 정상 상태 이외의 상태이다. 이하, 정상 상태 이외의 상태를 "Unknown" 이라고도 한다. 본 예시적인 실시예에 따르면, 판별기(110)는 이상 상태의 판별을 수행하지 않는다. 판별기(110)의 머신-러닝 처리는 후술하는 예시적인 실시예에서 상세하게 설명될 것이다.

조작자가 판별 결과를 참조할 수 있도록 판별기(110)의 판별 결과가 출력될 수 있다. 출력 방법은, 예를 들어, 분석 장치(100)의 디스플레이에 판별 결과를 표시하는 것일 수 있거나, 분석 장치(100)로부터 프린터에 판별 결과를 인쇄하는 것일 수 있거나, 또는 통신 회선을 통해 다른 장치(예를 들어, 조작 단말 등)에 판별 결과를 송신하는 것일 수 있다.

위와 같이 구성된 본 예시적인 실시예에 따른 분석 장치(100)의 동작이 설명될 것이다. 도 7은 본 예시적인 실시예에 따른 분석 장치(100)의 동작의 일례를 예시하는 흐름도이다.

먼저, 이미지 처리 유닛(102)은 생산 설비(10)에 제공된 진동 센서의 검출 결과를 이미지로 변환한다(단계 S101). 그 다음, 생성 유닛(104)은, 이미지로 변환된 데이터를 머신-러닝 처리를 위한 타겟으로서 사용하여 판별기(110)를 생성한다(단계 S103). 그 다음, 분석 유닛(106)은 판별기(110)를 사용하여 생산 설비(10)에 대한 상태 분석 처리를 수행한다(단계 S105).

도 8은 도 7의 단계 S101의 이미지화 처리의 상세한 흐름의 일례를 예시하는 흐름도이다. 우선, 이미지 처리 유닛(102)은 센서(12)의 측정 데이터에 FFT 처리 후 주파수 분할을 수행하고(단계 S113), 취득된 진동 스펙트럼 데이터를 이미지로 변환하여, 이미지 데이터를 출력한다(단계 S115). 단계 S115에서 취득된 이미지 데이터는, 분석 유닛(106)에 의해, 도 7의 단계 S103에서 판별기(110)를 사용하여 생산 설비(10)에 대한 상태 분석 처리가 실시된다.

위에서 설명된 바와 같이, 본 예시적인 실시예에 따르면, 이미지 처리 유닛(102), 센서(12)의 측정 데이터를 이미지로 변환하고, 후속해서 생성 유닛(104)은 이미지로 변환된 이미지 데이터를 머신-러닝 처리를 위한 타겟으로서 사용하여 판별기(110)를 생성하고, 그 후 분석 유닛(106)은 판별기(110)를 사용하여 생산 설비(10)에 대한 상태 분석 처리를 수행한다. 이러한 방식으로, 본 예시적인 실시예에 따르면, 진동 센서의 검출 결과의 머신-러닝이 수행될 때, 머신-러닝 처리를 위한 타겟이 되는 진동 파형 데이터가 이미지로 변환된다. 이것은 데이터량을 압축할 수 있고, 따라서 처리 부하가 감소되고 처리 속도가 증가될 수 있다.

(제2 예시적인 실시예)

도 9는 본 예시적인 실시예에 따른 분석 장치(100)의 논리적인 구성을 예시하는 기능 블록도이다. 분석 장치(100)는 도 4의 분석 장치(100)와 유사한 이미지 처리 유닛(102), 생성 유닛(104), 및 분석 유닛(106)을 포함하고, 이상 판정 유닛(120)을 추가로 포함한다.

이상 판정 유닛(120)은, 생산 설비(10)에 제공된 진동 센서의 검출 결과에 기초하여, 제1 판별기(124)를 사용하여 생산 설비(10)에 대한 이상 판정 처리를 수행한다. 이상 판정 유닛(120)은 제1 판별기(124)를 사용하여 이상 판정 처리의 결과를 출력한다. 출력 결과는 설비 모니터링 시스템(1)에서 생산 설비(10)에 대한 모니터링 처리에 사용될 수 있다.

또한, 본 예시적인 실시예에 따른 이미지 처리 유닛(102)는 이미지로 변환될 검출 결과가 제1 판별기(124)에 의해 정상 또는 이상으로 판별될 수 없는 검출 결과라는 점에서 전술된 예시적인 실시예에 따른 이미지 처리 유닛(102)과 상이하다. 생성 유닛(104)은 위와 같이 임계값 분석에 의해 정상 또는 이상으로 판별될 수 없는 측정 데이터에 대해 머신-러닝 처리를 수행하기 위한 제2 판별기(126)를 생성한다.

진동 센서에 의해 측정된 진동은 복수의 인자에 의해 형성된 복수의 진동 파형을 포함한다. 일반적으로, 진동 센서로부터 검출된 측정 데이터는 고속 푸리에 변환(FFT) 처리를 수행함으로써 주파수 분석으로 수행된다. 측정 데이터에 대해 FFT 처리를 수행함으로써, 키포인트형(keypoint-like) 주파수(피크(peak))가 검출되고, 임계값을 사용하여 검출된 피크 레벨을 정상 또는 이상으로 판별함으로써 이상 진단이 수행될 수 있다.

그러나, 일부 경우들에서 임계값 분석에 의해 정상 또는 이상으로의 판별이 수행될 수 없다. 생성 유닛(104)은 머신-러닝 처리를 위한 타겟으로서, 위와 같은 임계값 분석에 의해 정상 또는 이상으로 판별될 수 없는 측정 데이터를 사용하여 제2 판별기(126)를 생성한다. 제2 판별기(126)는 도 4의 판별기(110)와 등가이다.

"제1 판별기(124)에 의해 판별이 수행될 수 없는" 경우들은, 예를 들어, 제1 판별 모델(128)에 등록된 진동 파형 패턴이 검출 결과와 일치하지 않는 경우, 매칭 결과의 미리 결정된 값 또는 그 이상의 가능성이 취득될 수 없고 설비 진단을 위해 요구된 기준 레벨 이상(예를 들어, 90% 이상의 검출률)의 신뢰성을 취득할 수 없는 경우 등을 포함한다.

분석 유닛(106)은 제2 판별기(126)를 사용하여 생산 설비(10)에 대한 상태 분석 처리를 수행한다. 분석 유닛(106)은 제1 판별기(124)에 의해 정상 또는 이상으로 판별될 수 없고 이미지로 변환되는 검출 결과의 데이터에 관하여, 제2 판별기(126)를 사용하여 생산 설비(10)에 대한 상태 분석 처리를 수행한다.

제1 판별기(124)는 제1 판별 모델(128)을 사용하여 정상 또는 이상으로 판별한다. 제1 판별 모델(128)은, 예를 들어, 진동 스펙트럼의 패턴 매칭 및 임계값 판정을 사용하는 모델이다.

일례로서, 제1 판별기(124)는 진동 센서의 측정 데이터에 FFT 처리를 수행함으로써 취득된 주파수 분포로부터, 특정 주파수의 피크 레벨, 최대 피크 레벨 및 평균 피크 레벨의 비율, 신호 대 노이즈(S/N) 비율, 및 특정 주파수들의 범위 내의 피크 레벨들의 적분값 중 적어도 어느 하나를 계산하고, 산출된 값에 대한 임계값을 설정하고, 그 값이 임계값의 범위 내에 있는지에 기초하여, 이상 판정 처리를 수행한다. 그 다음, 그것은 값이 임계값 범위 내에 있을 때 정상으로 판별하고, 값이 임계값 범위 밖에 있을 때 이상으로 판별한다.

제1 판별기(124)는 복수의 특정 주파수를 사용하여 전술된 판정 처리를 수행할 수 있다. 그 경우, 제1 판별기(124)는 각각의 특정 주파수에 대한 판정 결과를 출력할 수 있다. 또한, 제1 판별기(124)는 임계값으로부터 벗어난 복수의 특정 주파수의 계산된 값 중 하나만이 있을 때 이상으로 판정할 수 있거나, 복수의 특정 주파수 중 임계값으로부터 벗어난 특정 주파수들의 계산된 값의 미리 결정된 수 또는 그 이상이 있을 때 이상으로 판정할 수 있거나, 복수의 특정 주파수의 계산된 값들 모두가 임계값으로부터 벗어날 때 이상으로 판정할 수 있거나, 또는 복수의 특정 주파수의 계산된 값들 모두가 임계값 범위 내에 있을 때 정상으로 판정할 수 있다. 또한, 복수의 특정 주파수의 값들은 각각의 장애 이벤트에 대한 모델로 결합되고 제1 판별 모델(128)에 등록될 수 있고, 제1 판별기(124)는 제1 판별 모델(128)과 패턴 매칭을 수행함으로써 장애 이벤트를 판별할 수 있다. 이상 판정 유닛(120)은 판별된 장애 이벤트에 관련된 장애 이벤트 항목을 조작자에게 통지할 수 있다.

임계값은 자동으로 설정될 수 있거나, 또는 조작자에 의해 수동으로 설정될 수 있다. 자동 설정의 경우에, 생성 유닛(104)은 제1 판별 모델(128)에 등록된 진동 특성 패턴(주파수 분포)에 대해, 특정 주파수의 피크 레벨, 최대 피크 레벨 및 평균 피크 레벨의 비율, 신호 대 노이즈(S/N) 비율, 및 특정 주파수 범위에서의 피크 레벨들의 적분값 중 적어도 어느 하나를 계산할 수 있고, 정상 시간과 이상 시간 사이의 경계 범위를 검출함으로써 임계값을 설정할 수 있다.

수동 설정의 경우에, 생성 유닛(104)은 제1 판별 모델(128)에 등록된 진동 특성 패턴(주파수 분포)에 대해, 특정 주파수의 피크 레벨, 최대 및 평균 피크 레벨들의 비율, 신호 대 노이즈(S/N) 비율, 및 특정 주파수들의 범위 내의 피크 레벨들의 적분값 중 적어도 어느 하나를 계산한 결과를 조작자에게 제공할 수 있고, 조작자 동작에 의해 제1 판별기(124)에 대한 임계값의 설정을 접수할 수 있다. 조작자에게 결과를 제공하는 다양한 방법들이 생각될 수 있지만, 결과는 예로서, 분석 장치(100)의 디스플레이 상에 표시될 수 있거나, 분석 장치(100)로부터 프린터로 인쇄될 수 있거나, 통신 라인을 통해 또 다른 장치(예를 들어, 조작 단말 등)로 송신될 수 있다.

제2 판별기(126)는 생성 유닛(104)에 의해 생성되고, 전술된 예시적인 실시예에 따른 생성 유닛(104)에 의해 생성된 판별기(110)에 상당한다. 생성 유닛(104)은 제2 판별기(126)에 의해 정상으로 판별된 데이터만이 머신 러닝에 사용되게 하고, 정상 상태를 정규화함으로써 제2 판별 모델(130)을 업데이트한다. 여기서, 정규화는 진동 센서의 측정 데이터를 정상 시간에 이미지로 변환함으로써 취득된 데이터의 패턴을 모델링하는 것을 의미한다. 제2 판별기(126)는 제2 판별 모델(130)의 범위로부터 벗어난 데이터를, 예를 들어, "unknown"으로 추출한다. 즉, 분석 유닛(106)은 제2 판별기(126)를 사용하여, 제1 판별기(124)에 의해 판별될 수 없는 검출 결과에 대해, 제2 판별 모델(130)에 기초하여, 생산 설비(10)의 상태가 정상인지 또는 "unknown"인지를 추가로 판별한다. 제2 판별기(126)는 생산 설비(10)의 이상 상태를 판별하지 않고, 정상 이외의 상태를 "unknown"으로 판별한다.

판별기(110)에 의해 "unknown"으로 판별된 데이터는 조작자에 의해 참조되고 분석될 수 있다. 조작자에 의한 분석의 결과는 검출 결과에 대한 이상 판정 처리에서의 임계값에 반영될 수 있다. "unknown"으로 판별된 데이터를 사용하는 방법은 후술하는 예시적인 실시예에서 상세히 설명될 것이다.

위과 같이 구성된 본 예시적인 실시예에 따른 분석 장치(100)의 동작이 설명될 것이다. 도 10은 본 예시적인 실시예에 따른 분석 장치(100)의 동작의 일례를 예시하는 흐름도이다.

먼저, 이상 판정 유닛(120)은, 생산 설비(10)에 제공된 진동 센서의 검출 결과에 기초하여, 제1 판별기(124)를 사용하여 생산 설비(10)에 대한 이상 판정 처리를 수행한다(단계 S121). 그 다음, 이미지 처리 유닛(102)은 제1 판별기(124)에 의해 정상 또는 이상으로 판별할 수 없는 검출 결과를 이미지로 변환한다(단계 S123에서 아니오). 검출 결과가 판별될 수 있을 때(단계 S123에서 예), 본 처리를 종료한다.

그 다음, 생성 유닛(104)은, 이미지로 변환된 데이터를 머신-러닝 처리를 위한 타겟으로서 사용하여 제2 판별기(126)를 생성한다(단계 S127). 그 다음, 분석 유닛(106)은 제2 판별기(126)를 사용하여 생산 설비(10)에 대한 상태 분석 처리를 수행한다(단계 S129).

또한, 본 예시적인 실시예에 따른 컴퓨터 프로그램은, 분석 장치(100)를 달성하기 위한 컴퓨터(도 3의 프로세서(50))로 하여금: 생산 설비(10)에 제공된 진동 센서(12)의 검출 결과에 기초하여, 제1 판별기(124)를 사용하여 생산 설비(10)에 대한 이상 판정 처리를 수행하는 절차; 제1 판별기(124)에 의해 정상 또는 이상으로 판별될 수 없는 검출 결과를 이미지로 변환하는 절차; 머신-러닝 처리를 위한 타겟으로서 이미지로 변환된 데이터를 사용하여 제2 판별기(126)를 생성하는 절차; 및 제2 판별기(126)를 사용하여 생산 설비(10)에 대한 상태 분석 처리를 수행하는 절차를 실행하게 한다.

전술된 바와 같이, 본 예시적인 실시예에 따르면, 이상 판정 유닛(120)이 제1 판별기(124)를 사용하여 진동 센서의 검출 결과에 기초한 이상 판정 처리의 판별 결과를 취득할 수 없을 때, 이미지 처리 유닛(102)은 그 때의 진동 센서의 검출 결과를 이미지로 변환하고, 제2 판별기(126)는 정상 또는 "unknown"으로의 판별을 수행한다. 이와 같이, 본 예시적인 실시예에 따르면, 제2 판별기(126)는 정상 상태에 관련된 진동 센서의 검출 결과만의 머신 러닝을 수행하게 되고, 정상 상태가 정규화된다. 따라서, 제조 조건이 항상 유동적이고 저용량 및 고혼합 생산, 다양하고 변동하는 생산 등으로 인해 장애 이벤트에 대한 정보가 거의 축적될 수 없을 때에도, 판별의 정밀도가 개선될 수 있다.

또한, 전술된 예시적인 실시예와 유사하게, 진동 센서의 검출 결과의 머신-러닝이 수행될 때, 머신-러닝 처리를 위한 타겟이 되는 진동 파형 데이터가 이미지로 변환된다. 이것은 데이터량을 압축할 수 있고, 따라서 처리 부하가 감소되고 처리 속도가 증가될 수 있다.

(제3 예시적인 실시예)

도 11은 본 예시적인 실시예에 따른 분석 장치(100)의 이상 판정 처리의 절차의 일례를 예시하는 흐름도이다. 본 예시적인 실시예는 제1 판별기(124)를 사용하여 생산 설비(10)에 대한 이상 판정 처리의 결과를 출력하는 것의 구성이 포함되는 점을 제외하고는 도 9의 분석 장치(100)와 유사하다.

먼저, 이상 판정 유닛(120)은 생산 설비(10)에 제공된 진동 센서로부터 진동 데이터를 취득한다(단계 S301). 그 다음, 이상 판정 유닛(120)은 제1 판별기(124)를 사용하여 취득된 진동 데이터에 대한 이상 판정 처리를 실행한다(단계 S303). 여기서, 진동 데이터는 FFT 처리가 실시되고, 후속해서 이상 판정 유닛(120)의 제1 판별 모델(128)에 의해 정상 또는 이상으로 판별된다(단계 S305).

이상 판정 유닛(120)은 FFT 처리를 수행함으로써 취득된 주파수 분포로부터, 특정 주파수의 피크 레벨, 최대 및 평균 피크 레벨들의 비율, 신호 대 노이즈(S/N) 비율, 및 특정 주파수 범위에서의 피크 레벨들의 적분값 중 적어도 어느 하나를 계산하고, 계산된 값이 정상인지 또는 이상인지를 임계값을 사용하여 판별한다(단계 S305). 값이 임계값의 범위 내에 있는 경우(단계 S305에서 아니오), 제1 판별기(124)는 생산 설비(10)가 정상이라고 판정하고(단계 S307), 이상 판정 유닛(120)은 생산 설비(10)가 정상임을 표시하는 판정 결과를 출력한다(단계 S311).

값이 임계값의 범위 밖에 있는 경우(단계 S305에서 예), 제1 판별기(124)는 생산 설비(10)가 이상 상태에 있다고 판정하고(단계 S309), 생산 설비(10)가 이상 상태에 있음을 표시하는 판정 결과가 출력된다(단계 S311).

또한, 제1 판별기(124)에 의한 정상 또는 이상으로의 판별이 수행될 수 없는 경우(단계 S305에서 판별 불가능), 이상 판정 유닛(120)은 이미지 처리 유닛(102)에 진동 데이터를 출력하고(단계 S313), 처리는 도 10의 단계 S125로 진행한다.

본 예시적인 실시예에 따르면, 제1 판별기(124)는 생산 설비(10)에 대한 이상 판정 처리에서 사용되고, 제2 판별기(126)는 이상 판정 처리에서 사용되지 않는다. 또한, 제2 판별기(126)의 판별 결과가 제1 판별기(124)의 제2 판별 모델(130)을 업데이트하기 위해 사용되지만, 그 구성은 후술하는 예시적인 실시예에서 설명될 것이다.

위에 설명된 바와 같이, 본 예시적인 실시예에 따르면, 이상 판정 유닛(120)은 제1 판별기(124)를 사용하여 생산 설비(10)에 대한 이상 판정 처리를 수행하고, 이상 판정 유닛(120)은 생산 설비(10)에 대한 이상 판정 처리에서 제2 판별기(126)를 사용하지 않는다. 제1 판별기(124)는 생성 유닛(104)에 의해 업데이트된 제2 판별기(126)의 판별 결과를 사용하여 업데이트될 수 있다. 이 구성에 의해, 제2 판별기(126)의 판별 결과를 반영하는 제1 판별기(124)를 사용하여 이상 판정 처리를 수행할 수 있으므로, 판정 결과의 정밀도가 개선될 수 있다.

(제4 예시적인 실시예)

도 12는 본 예시적인 실시예에 따른 분석 장치(100)의 이미지 처리 유닛(102)의 논리적인 구성을 예시하는 기능 블록도이다. 본 예시적인 실시예에 따른 분석 장치(100)는 측정 데이터로부터 노이즈를 제거하는 처리를 수행한 후에 이미지화 처리를 수행하는 구성이 이미지 처리 유닛(102)에 포함된다는 점을 제외하고는 전술된 예시적인 실시예와 유사하다. 본 예시적인 실시예의 구성은 임의의 다른 예시적인 실시예의 구성과 결합될 수 있다.

이미지 처리 유닛(102)은 노이즈 제거 유닛(112) 및 이미지화 처리 유닛(114)을 포함한다. 노이즈 제거 유닛(112)은 검출 결과에 노이즈 제거 처리를 수행한다. 이미지화 처리 유닛(114)은 노이즈 제거 유닛(112)에 의해 노이즈 제거 처리가 수행된 후의 검출 결과를 이미지로 변환한다. 측정 데이터의 진동 파형은 노이즈 제거로 인해 명확해진다.

노이즈 제거 처리는, 예를 들어, 복수의 배열된 진동 센서로부터 환경 노이즈을 미리 측정하는 것과 측정된 환경 노이즈을 저장하는 것, 및 노이즈 데이터에 기초하여 감산(subtraction) 처리를 수행하는 것을 포함한다. 그러나, 노이즈 제거 처리는 다른 방법을 사용하여 수행될 수 있다.

도 13은, 본 예시적인 실시예에 따른 분석 장치(100)의 이미지 처리 유닛(102)의 동작의 일례를 예시하는 흐름도이다. 도 13의 흐름도는 전술된 예시적인 실시예에서 설명한 도 8의 흐름도의 단계 S113 및 S115에 더하여, 단계 S111을 추가로 포함한다.

단계 S111에서, 노이즈 제거 유닛(112)은 측정 데이터에 대해 노이즈 제거 처리를 수행한다. 그 다음, 이미지화 처리 유닛(114)은 단계 S111에서 노이즈 제거 처리가 실시된 데이터에 대해 FFT 처리를 수행한 다음, 주파수 분할 처리를 수행하고(단계 S113), 취득된 진동 스펙트럼 데이터를 이미지로 변환하여 이미지 데이터를 출력한다(단계 S115). 단계 S115에서 취득된 이미지 데이터는, 분석 유닛(106)에 의해, 도 7의 단계 S103에서 판별기(110)를 사용하여 생산 설비(10)에 대한 상태 분석 처리가 실시된다.

위에서 설명된 바와 같이, 본 예시적인 실시예에 따르면, 노이즈 제거 유닛(112)에 의해 노이즈 제거 처리가 실시된 센서(12)의 측정 데이터는 이미지화 처리 유닛(114)에 의해 이미지로 변환된다. 이 구성에 의해, 본 예시적인 실시예에 따르면, 머신-러닝 처리 또는 판별 처리의 속도가 전술된 예시적인 실시예와 유사하게 증가될 수 있고, 추가로, 노이즈 제거로 인해 측정 데이터의 진동 파형이 명확해지고, FFT 처리 및 이미지화 처리의 정밀도가 개선되고, 측정 데이터의 분석 결과의 정밀도 및 신뢰도가 개선된다.

(제5 예시적인 실시예)

도 14는 본 예시적인 실시예에 따른 분석 장치(100)의 논리적인 구성을 예시하는 기능 블록도이다. 본 예시적인 실시예에 따른 분석 장치(100)는, 전술된 예시적인 실시예와 비교하여, 생산 설비(10)에 대한 상태 분석 처리가 정상이 아니라고 판별된 데이터를 추출하고, 그 데이터에 기초하여, 제1 판별기(124)의 제1 판별 모델(128)을 업데이트하는 구성이 포함된다는 점을 제외하고는, 전술된 예시적인 실시예와 유사하다.

분석 장치(100)는 도 9의 분석 장치(100)와 유사한 이미지 처리 유닛(102), 생성 유닛(104), 분석 유닛(106), 및 이상 판정 유닛(120)을 포함하고, 추출 유닛(140)을 추가로 포함한다.

추출 유닛(140)은 제2 판별기(126)를 사용하여 상태 분석 처리에서 정상이 아니라고("unknown") 판정된 데이터를 추출한다. 생성 유닛(104)은 추출된 데이터에 기초하여 보정 정보를 접수하고, 제1 판별기(124)의 제1 판별 모델(128)을 업데이트한다. 본 명세서에서, 보정 정보는 서로 연관된 장애 이벤트 및 진동 특성을 포함하는 정보를 포함한다.

추출된 데이터는 이미지 처리 유닛(102)에 의해 이미지화 처리가 수행되기 전에 진동 센서로부터 수신되는 원시 진동 파형 데이터를 포함하고, 이미지로 변환되고 "unknown"으로 구별되는 데이터, 및 원시 진동 파형 데이터에 대한 시간 정보와 관련된다. "unknown"으로 구별된 진동 데이터에 의해 표시된 진동은 생산 설비(10)의 아직 판정되지 않은 장애 이벤트에 의해 야기될 수 있다.

위에 비추어, 조작자는 설비 모니터링 시스템(1)에 포함된 생산 설비(10)의 동작 정보, 상태 정보, 작업물 정보 등을 사용하여, 시간 정보와 함께 추출된 진동 데이터를 수동으로 분석하고, 진동의 원인인 장애 이벤트를 판정한다.

따라서, 분석 장치(100)는 추출 유닛(140)에 의해 추출된 데이터를 출력하고, 그 데이터를 조작자에게 제공한다. 조작자에게 데이터를 제공하는 다양한 방법들이 생각될 수 있지만, 데이터는 예로서, 분석 장치(100)의 디스플레이 상에 표시될 수 있거나, 분석 장치(100)로부터 프린터로 인쇄될 수 있거나, 통신 회선을 통해 다른 장치(예를 들어, 조작 단말 등)로 송신될 수 있다.

조작자는, 조작자에 의해 결정된 서로 연관된 장애 정보 및 관련 진동에 관한 진동 특성 정보를 포함하는 도 15의 보정 정보(30)를 조작 화면 등을 사용하여 분석 장치(100)에 입력한다. 생성 유닛(104)은 입력된 보정 정보(30)를 접수하고, 제1 판별기(124)의 제1 판별 모델(128)을 업데이트한다.

도 16은 분석 유닛(106)에 의한 판별 처리의 상세한 흐름의 일례를 예시하는 흐름도이다. 분석 유닛(106)은 도 13의 단계 S115에서 출력된 이미지 데이터를 제2 판별기(126)에 넣고, 생산 설비(10)에 대한 상태 분석 처리를 수행한다(단계 S401). 제2 판별기(126)에 의해 정상(단계 S401에서 "정상")으로 판별된 데이터를 생성 유닛(104)에 보내고, 정상 데이터로서 머신-러닝 처리가 실시된다(단계 S403). 한편, 분석 유닛(106)은 제2 판별기(126)에 의한 정규화 범위로부터 벗어난 데이터(단계 S401의 "unknown")를 추출한다(단계 S405).

도 8의 단계 S115에서 출력된 이미지 데이터 또한 도 16의 플로우를 사용하여 유사하게 처리될 수 있다는 점에 유의한다.

도 17은 도 16의 단계 S405에서 추출된 데이터를 사용한 판별기의 업데이트 처리 절차의 일례를 예시하는 흐름도이다.

우선, 추출 유닛(140)은 단계 S405에서 추출된 데이터(진동 데이터 및 시간 정보)를 출력한다(단계 S411). 여기서, 예를 들어, 데이터는 분석 장치(100)의 디스플레이 상에 표시된다. 그 다음, 조작자는, 설비 모니터링 시스템(1)에 포함된 생산 설비(10)의 동작 정보, 상태 정보, 작업물 정보 등을 사용하여, 시간 정보와 함께 단계 S411에서 표시된 진동 데이터를 분석하고, 진동의 원인이 되는 장애 이벤트를 판정한다. 조작자는 판정된 서로 연관된 장애 이벤트 및 관련 진동 특성 정보를 포함하는 정보를 준비하고, 분석 장치(100)의 조작 화면에 따라, 준비된 정보를 제1 판별기(124)의 임계값에 대한 보정 정보로서 입력한다.

생성 유닛(104)은 입력된 보정 정보를 접수하고(단계 S413), 접수된 보정 정보를 사용하여 제1 판별기(124)를 업데이트한다(단계 S415).

구체적으로, 제1 판별 모델(128)에는, 수락된 보정 정보에 포함되는 진동 특성 정보 및 장애 이벤트가 등록되어, 특정 주파수의 피크 레벨, 최대 피크 레벨 및 평균 피크 레벨의 비율, 신호 대 노이즈(S/N) 비율, 및 특정 주파수 범위에서의 피크 레벨들의 적분값 중 적어도 어느 하나가 산출되고, 정상 시간과 이상 시간 사이의 경계 범위를 검출함으로써 임계값이 설정된다. 대안적으로, 조작자는 판정된 장애 이벤트에 관련된 진동 특성 정보로부터 계산된 각각의 값에 기초하여 임계값을 설정할 수 있고, 조작 화면을 사용하여 임계값을 입력할 수 있다.

위에서 설명된 바와 같이, 본 예시적인 실시예에 따르면, 추출 유닛(140)은 제2 판별기(126)의 "unknown" 데이터를 추출하고, 그 데이터를 조작자에게 제공하고, 생성 유닛(104) 조작자에 의해 분석된 서로 연관된 장애 이벤트 및 진동 특성 정보를 포함하는 보정 정보를 접수하고, 보정 정보에 기초하여 제1 판별기(124)를 업데이트한다. 이와 같이, 본 예시적인 실시예에 따르면, 제1 판별기(124)에 의해 판별될 수 없는 측정 데이터는 제2 판별기(126)에 의한 판별 처리가 추가로 실시되고, "unknown"으로 판별된 데이터는 조작자에 의해 추출 및 분석되고, 그 결과는 제1 판별기(124)에 반영된다. 따라서, 이상 판정 처리의 정밀도가 개선될 수 있다.

또한, 제2 판별기(126)는 정상 시간에 정보만의 머신 러닝을 수행하게 하고, 따라서 제조 조건이 항상 유동적이고, 저용량 및 고혼합 생산, 각종 변동하는 생산 등으로 인해, 장애 이벤트에 대한 정보가 거의 축적될 수 없을 때에도, 제1 판별 모델(128)이 업데이트될 수 있다. 따라서, 생산 설비(10)의 이상적인 상태의 판정의 정밀도가 개선될 수 있다.

(제5 예시적인 실시예의 변형 형태)

도 14의 분석 장치(100)는 도 9의 분석 장치(100)의 구성에 추출 유닛(140)이 제공되는 구성을 갖는다. 그 변형 형태는 추출 유닛(140)이 도 4의 분석 장치(100)에 제공되는 구성을 가질 수 있다.

분석 장치(100)는 이상 판정 유닛(120) 및 추출 유닛(140)을 추가로 포함한다. 이상 판정 유닛(120)은 검출 결과에 의해 표시된 진동 센서의 진동에 대한 특성 분석 처리를 수행하고, 임계값을 사용하여 생산 설비(10)에 대한 이상 판정 처리를 수행한다. 추출 유닛(140)은 상태 분석 처리에서 정상 상태에 있지 않은 것으로 판정된 생산 설비(10)의 데이터를 추출한다. 생성 유닛(104)은 추출된 데이터에 기초하여 보정 정보를 접수하고 임계값을 업데이트한다. 보정 정보는, 서로 연관된 장애 이벤트 및 진동 특성을 포함하는 정보를 포함한다.

본 발명의 예시적인 실시예들이 도면을 참조하여 설명되었지만, 예시적인 실시예들은 본 발명을 예시하고, 위에서 언급된 것들 이외의 다양한 구성들이 이용될 수 있다.

예를 들어, 도 18은 도 16의 상태 분석 처리의 단계 S401에서 정상으로 판별될 때의 처리 절차의 일례를 예시하는 흐름도이다. 본 예시적인 실시예는 제2 판별기(126)에 의해 정상으로 판별된 검출 결과를 제2 판별기(126)에 대한 훈련 데이터로서 사용하는 구성이 포함된다는 점을 제외하고는 전술된 예시적인 실시예와 유사하다.

생성 유닛(104)은 제2 판별기(126)를 사용한 상태 분석 처리에서 정상(도 16의 단계 S401에서 정상)이라고 판정된 검출 결과를, 생산 설비(10)의 정상 상태에 대한 훈련 데이터로서 사용하여, 제2 판별기(126)의 제2 판별 모델(130)을 업데이트한다(단계 S501).

이 구성에 의해, 제2 판별 모델(130)은 생산 설비(10)의 정상 상태에 대한 훈련 데이터로서, 제2 판별기(126)를 사용하여 상태 분석 처리에서 정상으로 판정된 검출 결과를 사용하여 생성 유닛(104)에 의해 업데이트된다. 이러한 방식으로, 정상 상태에 대한 훈련 데이터가 제1 판별기(124)에 의한 이상 판정 처리에서 판별될 수 없는 측정 데이터로부터 생성될 수 있고, 제2 판별 모델(130)이 업데이트될 수 있고, 제2 판별기(126)의 판별 정밀도가 개선될 수 있다.

또한, 분석 장치(100) 전술된 예시적인 실시예에 따른 제1 판별기(124) 및 제2 판별기(126)에 더하여 제3 판별기(예시되지 않음)를 포함할 수 있다. 도 19는 분석 장치(100)가 제3 판별기를 사용하여 장애 모델을 구축하고 장애 이벤트를 식별하는 처리 절차의 일례를 예시하는 흐름도이다. 제3 판별기는 제1 판별기(124)에 의해 정상으로 판별된 측정 데이터를 취득한다(단계 S601). 또한, 제3 판별기는 제2 판별기(126)에 의해 unknown으로 판별된 측정 데이터를 취득한다(단계 S603). 그 다음, 제3 판별기는 데이터 피스들(pieces of data)의 머신 러닝을 수행하고, 장애 이벤트가 분류된 모델을 구축한다(단계 S605). 위에서 설명된 예시적인 실시예에서 설명된 노이즈 제거 처리 및 이미지화 처리는 또한 제3 판별기에 의해 머신 러닝이 실시된 측정 데이터의 각각의 피스에 대해 수행될 수 있다는 점에 유의한다.

또한, 제3 판별기를 사용하여 생산 설비(10)의 센서(12)의 측정 데이터가 정상인지 또는 이상인지를 판정하고, 추가로 이상의 경우에 장애 이벤트를 식별한다(단계 S607).

또한, 복수의 센서(12)의 위치 정보의 각각의 피스는 설비 정보(24)에 저장될 수 있고, 진동 데이터와 위치 정보 사이의 관계는 추가로 머신 러닝이 실시되고, 분류 모델(202), 제1 판별 모델(128) 및 제2 판별 모델(130) 중 적어도 어느 하나에 반영될 수 있다.

또한, 복수의 센서(12)의 측정 데이터의 측정 조건(설비 유형, 환경(온도, 습도) 등) 등에 대한 정보가 설비 정보(24)에 저장될 수 있다. 측정 조건으로부터 가까운 조건을 갖는 측정 데이터, 생산 설비(10)의 동작 정보에 포함되는 동작 상태 및 동작 조건 등이 그룹화되고, 측정 데이터는 각각의 그룹에 대해 머신 러닝이 실시되고, 분류 모델(202), 제1 판별 모델(128), 및 제2 판별 모델(130) 중 적어도 어느 하나에 반영될 수 있다.

[예]

(예 1)

도 20은 예 1에 따른 분석 장치를 설명하기 위한 흐름도이다.

먼저, 생산 설비(10) 내의 센서(12)로부터 진동 데이터가 입력되면, 이상 판정 유닛(120)은 제1 판별기(124)에서 FFT 처리를 수행한다(단계 S11). 이때, 제1 판별 모델(128)을 사용하여 진동 특성을 판정함으로써 패턴 매칭 처리가 수행된다. 그 다음, 제1 판별기(124)는 진동 특성이 임계값의 범위 내에 있는 경우에는 정상으로 판정하고, 진동 특성이 임계값(210)의 범위에서 벗어난 경우에는 이상으로 판정한다. 이상 판정 유닛(120)은 그 결과를 생산 설비(10)에 대한 이상 판정 결과로서 설비 모니터링 시스템(1)에 출력한다(예시되지 않음).

또한, 이상 판정 유닛(120)은 단계 S11에서 제1 판별기(124)에 의해 정상으로 판별될 수 없는 데이터를 추출하고(단계 S13), 이 데이터를 제2 판별기(126)의 머신-러닝 처리를 위한 타겟으로서 분석 유닛(106)에 전달한다.

분석 유닛(106)은 제1 판별기(124)에 의해 판별될 수 없는 센서(12)의 측정 데이터에 대해 노이즈 제거 처리를 수행하고(단계 S15), 측정 데이터를 주파수-분석하고, 측정 데이터를 이미지로 변환한다(단계 S17). 분석 유닛(106)은 제2 판별기(126)를 사용하여 이미지로 변환된 데이터를 판별하고(단계 S19), 생산 설비(10)의 상태가 정상인지 또는 정상이 아닌지를 판별한다(단계 S21). 상태가 정상으로 판별되면(단계 S21에서 예), 생성 유닛(104)은 정상으로 판별된 측정 데이터의 머신 러닝을 수행하고, 제2 판별기(126)의 제2 판별 모델(130)을 업데이트한다(단계 S23).

한편, 상태가 정상으로 판별되지 않은 경우("unknown")(단계 S21의 아니오), 추출 유닛(140)은 미지로 판별된 측정 데이터를 추출해서 출력한다(단계 S31). 조작자는 추출된 unknown 데이터를 참조하고, 생산 설비(10)의 작업 정보 등과 함께 unknown 데이터를 분석하고, 장애 이벤트를 판정한다. 그 다음, 서로 연관된 장애 이벤트 및 진동 특성을 포함하는 보정 정보가 분석 장치(100)에 입력된다(단계 S33).

생성 유닛(104)은 입력된 보정 정보를 접수하고, 접수된 보정 정보에 기초하여, 제1 판별 모델(128) 및 임계값을 업데이트한다(단계 S35).

이 방식으로, 분석 장치(100)에 따르면, 제2 판별기(126)에 의해, 제1 판별기(124)에 의해 이상으로 판정될 수 없는 측정 데이터의 머신 러닝을 수행함으로써 정상이 아닌 unknown 데이터가 추출되고, 장애 이벤트는, 조작자에 의해, unknown 데이터를 생산 설비(10)의 동작 정보와 함께 분석하는 것에 의해 판정되고, 서로 연관된 진동 특성 및 장애 이벤트를 포함하는 보정 정보가 분석 장치(100)에 입력됨으로써, 보정 정보에 기초하여 제1 판별 모델(128) 및 제1 판별기(124)의 임계값이 업데이트될 수 있다.

(예 2)

도 21은 예 2에 따른 분석 장치를 설명하기 위한 흐름도이다.

이 예에 따른 분석 장치(100)는 제1 판별기(124) 및 제2 판별기(126)에 더하여 제3 판별기(200)를 추가로 포함한다.

제3 판별기(200)는, 제1 판별기(124)에 의해 정상적으로 판별된 측정 데이터 및 제2 판별기(126)에 의해 unknown으로 판별된 측정 데이터를 사용하여 머신 러닝을 수행한다(단계 S41). 제2 판별기(126)는 머신 러닝에 의해 정상 및 이상에 대한 분류 모델(202)을 구축한다. 분류 모델(202)은 장애 이벤트를 분류한다.

제3 판별기(200)는 분류 모델(202)을 사용하여 측정 데이터가 정상인지 또는 이상인지를 판별할 수 있고, 추가로 장애 이벤트를 식별하고 판정할 수 있다.

예시적인 실시예들 및 예들을 참조하여 본 발명이 설명되었지만, 본 발명은 전술된 예시적인 실시예들 및 예들에 제한되지 않는다. 본 기술분야의 통상의 기술자에 의해 이해될 수 있는 다양한 변형들이 본 발명의 범위 내에서 본 발명의 구성들 및 상세사항들에 대해 이루어질 수 있다.

본 발명에서 사용자에 관한 정보가 취득되고 사용될 때, 이것은 법적으로 수행될 것이라는 점에 유의한다.

전술된 실시예의 일부 또는 전부는 이하의 부기와 같이 설명될 수 있으나, 이에 제한되지 않는다.

1. 분석 장치는:

2. 부기 1에 따른 분석 장치로서,

검출 결과에 의해 표시된 진동 센서의 진동에 대한 특성 분석 처리를 수행하고 임계값을 사용하여 생산 설비에 대한 이상 판정 처리를 수행하는 판정 유닛; 및

상태 분석 처리에서 생산 설비를 정상 상태에 있지 않은 것으로 판정하는 데이터를 추출하는 추출 유닛을 추가로 포함하고,

생성 유닛은 추출된 데이터에 기초하여 보정 정보를 접수하고 임계값을 업데이트하고,

보정 정보는 서로 연관된 장애 이벤트 및 진동 특성을 포함하는 정보를 포함한다.

3. 분석 장치는:

4. 부기 3에 따른 분석 장치로서,

생성 유닛은 추출된 데이터에 기초하여 보정 정보를 접수하고 제1 판별기를 업데이트하고,

5. 부기 1 내지 부기 4 중 어느 하나에 따른 분석 장치로서,

생성 유닛은, 상태 분석 처리에서 정상으로 판정되는 데이터를, 머신-러닝 처리를 위한 훈련 데이터로서 사용한다.

6. 부기 1 내지 부기 5 중 어느 하나에 따른 분석 장치로서,

검출 결과에 대해 노이즈 제거 처리를 수행하는 처리 유닛을 추가로 포함하고,

이미지 처리 유닛은 처리 유닛에 의한 노이즈 제거 처리가 수행된 후의 검출 결과를 이미지로 변환한다.

7. 부기 1 내지 부기 6 중 어느 하나에 따른 분석 장치로서,

생산 설비는 컨베이어 벨트이고,

진동 센서는 컨베이어 벨트 상에 제공된 복수의 진동 센서이다.

8. 분석 장치에 의해 실행되는 분석 방법은:

9. 부기 8에 따른 분석 장치에 의해 실행되는 분석 방법으로서,

검출 결과에 의해 표시되는 진동 센서의 진동에 대한 특성 분석 처리를 수행하고 임계값을 사용하여 생산 설비에 대한 이상 판정 처리를 수행하는 단계;

상태 분석 처리에서 생산 설비를 정상 상태에 있지 않은 것으로 판정하는 데이터를 추출하는 단계; 및

추출된 데이터에 기초하여 보정 정보를 접수하고 임계값을 업데이트하는 단계를 추가로 포함하고,

10. 분석 장치에 의해 실행되는 분석 방법은:

11. 부기 10에 따른 분석 장치에 의해 실행되는 분석 방법으로서,

추출된 데이터에 기초하여 보정 정보를 접수하고 제1 판별기를 업데이트하는 단계를 추가로 포함하고,

12. 부기 8 내지 부기 11 중 어느 하나에 따른 분석 장치에 의해 실행되는 분석 방법으로서,

상태 분석 처리에서 정상으로 판정되는 데이터를, 머신-러닝 처리를 위한 훈련 데이터로서 사용하는 단계를 추가로 포함한다.

13. 부기 8 내지 부기 12 중 어느 하나에 따른 분석 장치에 의해 실행되는 분석 방법으로서,

검출 결과에 대해 노이즈 제거 처리를 수행하는 단계; 및

노이즈 제거 처리가 수행된 후의 검출 결과를 이미지로 변환하는 단계를 추가로 포함한다.

14. 부기 8 내지 부기 13 중 어느 하나에 따른 분석 방법으로서,

생산 설비는 컨베이어 벨트이고,

15. 프로그램은 컴퓨터로 하여금:

생산 설비에 제공된 진동 센서의 검출 결과를 이미지로 변환하는 절차;

이미지로 변환된 데이터를 머신-러닝 처리 타겟으로서 사용하여 판별기를 생성하는 절차; 및

판별기를 사용하여 생산 설비에 대한 이상 판정 처리를 수행하는 절차를 실행하게 한다.

16. 부기 15에 따른 프로그램으로서, 컴퓨터로 하여금:

검출 결과에 의해 표시된 진동 센서의 진동에 대한 특성 분석 처리를 수행하고 임계값을 사용하여 생산 설비에 대한 이상 판정 처리를 수행하는 절차;

상태 분석 처리에서 생산 설비가 정상 상태에 있지 않은 것으로 판정하는 데이터를 추출하는 절차; 및,

생성하는 절차에서, 추출된 데이터에 기초하여 보정 정보를 접수하고 임계값을 업데이트하는 절차를 추가로 실행하게 하고,

17. 프로그램은 컴퓨터로 하여금:

생산 설비에 제공된 진동 센서의 검출 결과에 기초하여, 제1 판별기를 사용하여 생산 설비에 대한 이상 판정 처리를 수행하는 절차;

제1 판별기에 의해 정상 또는 이상으로 판별될 수 없는 검출 결과를 이미지로 변환하는 절차;

이미지로 변환된 데이터를 머신-러닝 처리 타겟으로서 사용하여 제2 판별기를 생성하는 절차; 및

제2 판별기를 사용하여 생산 설비에 대한 상태 분석 처리를 수행하는 절차를 실행하게 한다.

18. 부기 17에 따른 프로그램으로서, 컴퓨터로 하여금:

상태 분석 처리에서 생산 설비가 정상 상태에 있지 않은 것으로 결정하는 데이터를 추출하는 절차; 및,

생성하는 절차에서, 추출된 데이터에 기초하여 보정 정보를 접수하고 제1 판별기를 업데이트하는 절차를 추가로 실행하게 하고,

19. 부기 15 내지 18 중 어느 하나에 따른 프로그램으로서, 컴퓨터로 하여금:

생성하는 절차에서, 상태 분석 처리에서 정상으로 판정되는 데이터를, 머신-러닝 처리를 위한 훈련 데이터로서 사용하는 절차를 추가로 실행하게 한다.

20. 부기 15 내지 19 중 어느 하나에 따른 프로그램으로서, 컴퓨터로 하여금:

검출 결과에 대해 노이즈 제거 처리를 수행하는 절차; 및

이미지로 변환하는 절차에서, 노이즈 제거 처리가 수행된 후의 검출 결과를 이미지로 변환하는 절차를 추가로 실행하게 한다.

21. 부기 15 내지 20 중 어느 하나에 따른 프로그램으로서,

생산 설비는 컨베이어 벨트이고,

본 출원은 2019년 2월 5일 출원된 일본 특허 출원 제2019-019068호의 우선권을 기초로 하고 그 우선권의 이익을 주장하며, 이 출원의 개시내용은 본 명세서에서 그 전체가 참조로 포함된다.

Claims

분석 장치로서,
생산 설비에 제공된 진동 센서의 검출 결과를 이미지로 변환하는 이미지 처리 유닛;
상기 이미지로 변환된 데이터를 머신-러닝 처리를 위한 타겟으로서 사용하여 판별기를 생성하는 생성 유닛; 및
상기 판별기를 사용하여 생산 설비에 대한 상태 분석 처리를 수행하는 분석 유닛을 포함하는 분석 장치.
제1항에 있어서,
상기 검출 결과에 의해 표시된 상기 진동 센서의 진동에 대한 특성 분석 처리를 수행하고 임계값을 사용하여 상기 생산 설비에 대한 이상 판정 처리를 수행하는 판정 유닛; 및
상기 상태 분석 처리에서 상기 생산 설비를 정상 상태에 있지 않은 것으로 판정하는 데이터를 추출하는 추출 유닛을 추가로 포함하고,
상기 생성 유닛은 상기 추출된 데이터에 기초하여 보정 정보를 접수하고 상기 임계값을 업데이트하고,
상기 보정 정보는 서로 연관된 장애 이벤트 및 진동 특성을 포함하는 정보를 포함하는 분석 장치.
분석 장치로서,
생산 설비에 제공된 진동 센서의 검출 결과에 기초하여, 제1 판별기를 사용하여 상기 생산 설비에 대한 이상 판정 처리를 수행하는 판정 유닛;
상기 제1 판별기에 의해 정상 또는 이상으로 판별될 수 없는 상기 검출 결과를 이미지로 변환하는 이미지 처리 유닛;
상기 이미지로 변환된 데이터를 머신-러닝 처리를 위한 타겟으로서 사용하여 제2 판별기를 생성하는 생성 유닛; 및
상기 제2 판별기를 사용하여 상기 생산 설비에 대한 상태 분석 처리를 수행하는 분석 유닛을 포함하는 분석 장치.
제3항에 있어서,
상기 상태 분석 처리에서 상기 생산 설비를 정상 상태에 있지 않은 것으로 판정하는 데이터를 추출하는 추출 유닛을 추가로 포함하고,
상기 생성 유닛은 상기 추출된 데이터에 기초하여 보정 정보를 접수하고 상기 제1 판별기를 업데이트하고,
상기 보정 정보는 서로 연관된 장애 이벤트 및 진동 특성을 포함하는 정보를 포함하는 분석 장치.
제1항 내지 제4항 중 어느 한 항에 있어서,
상기 생성 유닛은, 상기 상태 분석 처리에서 정상으로 판정되는 상기 데이터를, 상기 머신-러닝 처리를 위한 훈련 데이터로서 사용하는 분석 장치.
제1항 내지 제5항 중 어느 한 항에 있어서,
상기 검출 결과에 대해 노이즈 제거 처리를 수행하는 처리 유닛을 추가로 포함하고,
상기 이미지 처리 유닛은 상기 처리 유닛에 의한 상기 노이즈 제거 처리가 수행된 후의 상기 검출 결과를 이미지로 변환하는 분석 장치.
제1항 내지 제6항 중 어느 한 항에 있어서,
상기 생산 설비는 컨베이어 벨트이고,
상기 진동 센서는 상기 컨베이어 벨트 상에 제공된 복수의 진동 센서인 분석 장치.
분석 장치에 의해 실행되는 분석 방법으로서,
생산 설비에 제공된 진동 센서의 검출 결과를 이미지로 변환하는 단계;
상기 이미지로 변환된 데이터를 머신-러닝 처리를 위한 타겟으로서 사용하여 판별기를 생성하는 단계; 및
상기 판별기를 사용하여 상기 생산 설비에 대한 상태 분석 처리를 수행하는 단계를 포함하는 분석 장치에 의해 실행되는 분석 방법.
제8항에 있어서, 상기 방법은,
상기 검출 결과에 의해 표시되는 상기 진동 센서의 진동에 대한 특성 분석 처리를 수행하고 임계값을 사용하여 상기 생산 설비에 대한 이상 판정 처리를 수행하는 단계;
상기 상태 분석 처리에서 상기 생산 설비를 정상 상태에 있지 않은 것으로 판정하는 데이터를 추출하는 단계; 및
상기 추출된 데이터에 기초하여 보정 정보를 접수하고 상기 임계값을 업데이트하는 단계를 추가로 포함하고,
상기 보정 정보는 서로 연관된 장애 이벤트 및 진동 특성을 포함하는 정보를 포함하는 상기 분석 장치에 의해 실행되는 분석 방법.
분석 장치에 의해 실행되는 분석 방법으로서,
생산 설비에 제공된 진동 센서의 검출 결과에 기초하여, 제1 판별기를 사용하여 상기 생산 설비에 대한 이상 판정 처리를 수행하는 단계;
상기 제1 판별기에 의해 정상 또는 이상으로 판별될 수 없는 상기 검출 결과를 이미지로 변환하는 단계;
상기 이미지로 변환된 데이터를 머신-러닝 처리를 위한 타겟으로 사용하여 제2 판별기를 생성하는 단계; 및
상기 제2 판별기를 사용하여 상기 생산 설비에 대한 상태 분석 처리를 수행하는 단계를 포함하는 분석 장치에 의해 실행되는 분석 방법.
제10항에 있어서, 상기 방법은,
상기 상태 분석 처리에서 상기 생산 설비를 정상 상태에 있지 않은 것으로 판정하는 데이터를 추출하는 단계; 및
상기 추출된 데이터에 기초하여 보정 정보를 접수하고 상기 제1 판별기를 업데이트하는 단계를 추가로 포함하고,
상기 보정 정보는 서로 연관된 장애 이벤트 및 진동 특성을 포함하는 정보를 포함하는 상기 분석 장치에 의해 실행되는 분석 방법.
제8항 내지 제11항 중 어느 한 항에 있어서, 상기 방법은,
상기 상태 분석 처리에서 정상으로 판정되는 상기 데이터를, 상기 머신-러닝 처리를 위한 훈련 데이터로서 사용하는 단계를 추가로 포함하는 상기 분석 장치에 의해 실행되는 분석 방법.
제8항 내지 제12항 중 어느 한 항에 있어서, 상기 방법은,
상기 검출 결과에 대해 노이즈 제거 처리를 수행하는 단계; 및
상기 노이즈 제거 처리가 수행된 후의 상기 검출 결과를 이미지로 변환하는 단계를 추가로 포함하는 상기 분석 장치에 의해 실행되는 분석 방법.
제8항 내지 제13항 중 어느 한 항에 있어서,
상기 생산 설비는 컨베이어 벨트이고,
상기 진동 센서는 상기 컨베이어 벨트 상에 제공된 복수의 진동 센서인 분석 방법.
프로그램으로서, 컴퓨터로 하여금:
생산 설비에 제공된 진동 센서의 검출 결과를 이미지로 변환하는 절차;
상기 이미지로 변환된 데이터를 머신-러닝 처리를 위한 타겟으로서 사용하여 판별기를 생성하는 절차; 및
상기 판별기를 사용하여 상기 생산 설비에 대한 이상 판정 처리를 수행하는 절차를 실행하게 하는 프로그램.
제15항에 있어서, 컴퓨터로 하여금:
상기 검출 결과에 의해 표시된 상기 진동 센서의 진동에 대한 특성 분석 처리를 수행하고 임계값을 사용하여 상기 생산 설비에 대한 이상 판정 처리를 수행하는 절차;
상기 상태 분석 처리에서 상기 생산 설비가 정상 상태에 있지 않은 것으로 판정하는 데이터를 추출하는 절차; 및,
상기 생성하는 절차에서, 상기 추출된 데이터에 기초하여 보정 정보를 접수하고 상기 임계값을 업데이트하는 절차를 추가로 실행하게 하고,
상기 보정 정보는 서로 연관된 장애 이벤트 및 진동 특성을 포함하는 정보를 포함하는 프로그램.
프로그램으로서, 컴퓨터로 하여금:
생산 설비에 제공된 진동 센서의 검출 결과에 기초하여, 제1 판별기를 사용하여 상기 생산 설비에 대한 이상 판정 처리를 수행하는 절차;
상기 제1 판별기에 의해 정상 또는 이상으로 판별될 수 없는 상기 검출 결과를 이미지로 변환하는 절차;
상기 이미지로 변환된 상기 데이터를 머신-러닝 처리를 위한 타겟으로서 사용하여 제2 판별기를 생성하는 절차; 및
상기 제2 판별기를 사용하여 상기 생산 설비에 대한 상태 분석 처리를 수행하는 절차를 실행하게 하는 프로그램.
제17항에 있어서, 컴퓨터로 하여금:
상기 상태 분석 처리에서 상기 생산 설비가 정상 상태에 있지 않은 것으로 판정하는 데이터를 추출하는 절차; 및,
상기 생성하는 절차에서, 상기 추출된 데이터에 기초하여 보정 정보를 접수하고 상기 제1 판별기를 업데이트하는 절차를 추가로 실행하게 하고,
상기 보정 정보는 서로 연관된 장애 이벤트 및 진동 특성을 포함하는 정보를 포함하는 프로그램.
제15항 내지 제18항 중 어느 한 항에 있어서, 컴퓨터로 하여금:
상기 생성하는 절차에서, 상기 상태 분석 처리에서 정상으로 판정되는 상기 데이터를, 상기 머신-러닝 처리를 위한 훈련 데이터로서 사용하는 절차를 추가로 실행하게 하는 프로그램.
제15항 내지 제19항 중 어느 한 항에 있어서, 컴퓨터로 하여금:
상기 검출 결과에 대해 노이즈 제거 처리를 수행하는 절차; 및
상기 이미지로 변환하는 절차에서, 상기 노이즈 제거 처리가 수행된 후의 상기 검출 결과를 이미지로 변환하는 절차를 추가로 실행하게 하는 프로그램.
제15항 내지 제20항 중 어느 한 항에 있어서,
상기 생산 설비는 컨베이어 벨트이고,
상기 진동 센서는 상기 컨베이어 벨트 상에 제공된 복수의 진동 센서인 프로그램.