KR20220166179A - 진단 장치, 진단 방법 및 진단 프로그램 - Google Patents

진단 장치, 진단 방법 및 진단 프로그램 Download PDF

Info

Publication number
KR20220166179A
KR20220166179A KR1020220050308A KR20220050308A KR20220166179A KR 20220166179 A KR20220166179 A KR 20220166179A KR 1020220050308 A KR1020220050308 A KR 1020220050308A KR 20220050308 A KR20220050308 A KR 20220050308A KR 20220166179 A KR20220166179 A KR 20220166179A
Authority
KR
South Korea
Prior art keywords
unit
diagnosis
normal
normal model
model
Prior art date
Application number
KR1020220050308A
Other languages
English (en)
Inventor
사토시 야마시타
아키오 시마무라
Original Assignee
후지 덴키 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 후지 덴키 가부시키가이샤 filed Critical 후지 덴키 가부시키가이샤
Publication of KR20220166179A publication Critical patent/KR20220166179A/ko

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
    • G05B23/0243—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults model based detection method, e.g. first-principles knowledge model
    • G—PHYSICS
    • 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
    • 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
    • G05B2219/24065—Real time diagnostics

Landscapes

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

Abstract

기기나 설비의 가동 상태의 정상 범위 변화에 따라 적절하게 기기나 설비의 이상 진단을 실시할 수 있는 기술을 제공하는 바, 본 개시 내용의 일 실시형태에 따른 감시 장치(30)는, 사전에 취득되며 기기(10)의 소정 기간마다의 시계열적 가동 상태를 나타내는 가동 데이터(배치 데이터)에 기초하여, 기기(10)의 정상 가동 상태를 나타내는 정상 모델을 생성하는 모델 생성부(3034)와, 정상 모델과, 사후에 취득되며 기기(10)의 소정 기간의 가동 데이터(배치 데이터)에 기초하여, 기기(10)의 가동 상태 이상에 관한 진단을 실시하는 진단부(3054)를 포함하고, 모델 생성부(3034)는 진단부(3054)에서 사용되는 정상 모델을 자동으로 갱신한다.

Description

진단 장치, 진단 방법 및 진단 프로그램{DIAGNOSTIC APPARATUS, DIAGNOSTIC METHOD, AND DIAGNOSTIC PROGRAM}
본 발명은 진단 장치 등에 관한 것이다.
예를 들어, 정상(正常) 상태에 상당하는 기기나 설비의 가동 상태 데이터로부터 정상인 가동 상태를 나타내는 정상 모델을 생성하고, 생성된 정상 모델 및 기기나 설비의 가동 상태 데이터에 기초하여 가동 상태의 이상 진단을 행하는 기술이 알려져 있다(특허문헌 1).
일본국 특허공보 제6733164호
그러나, 기기나 설비의 가동 상태의 정상 범위는 변할 수 있다. 예를 들어, 기기나 설비의 가동 상태의 정상 범위는 기온, 습도 등과 같이 기기나 설비가 놓인 환경 조건의 변화에 따라 변할 수 있다. 그러므로, 기기나 설비의 가동 상태의 정상 범위가 변화하면, 기존의 정상 모델은 변화 후 가동 상태의 정상 범위로부터 괴리가 생겨 적절한 이상 진단을 행할 수 없을 가능성이 있다.
이에 상기 과제를 고려하여, 기기나 설비의 가동 상태의 정상 범위 변화에 따라 적절하게 기기나 설비의 이상 진단을 실시할 수 있는 기술의 제공을 목적으로 한다.
상기 목적을 달성하기 위해, 본 개시 내용의 일 실시형태에서는, 사전에 취득되며 기기 또는 설비의 소정 기간마다의 시계열적 가동 상태를 나타내는 가동 데이터에 기초하여, 상기 기기 또는 설비의 정상 가동 상태를 나타내는 정상 모델을 생성하는 생성부와, 상기 정상 모델과, 사후에 취득되며 상기 기기 또는 설비의 상기 소정 기간의 상기 가동 데이터에 기초하여, 상기 기기 또는 설비의 가동 상태 이상에 관한 진단을 실시하는 진단부를 포함하며, 상기 생성부는 상기 진단부에서 사용되는 상기 정상 모델을 자동으로 갱신하는 것인 진단 장치가 제공된다.
또한, 본 개시 내용의 다른 실시형태에서는, 진단 장치가, 사전에 취득되며 기기 또는 설비의 소정 기간마다의 시계열적 가동 상태를 나타내는 가동 데이터에 기초하여, 상기 기기 또는 설비의 정상 가동 상태를 나타내는 정상 모델을 생성하는 생성 단계와, 상기 진단 장치가, 상기 정상 모델과, 사후에 취득되며 상기 기기 또는 설비의 상기 소정 기간의 상기 가동 데이터에 기초하여, 상기 기기 또는 설비의 가동 상태 이상에 관한 진단을 실시하는 진단 단계를 포함하며, 상기 생성 단계에서는 상기 진단 단계에서 사용되는 상기 정상 모델이 자동으로 갱신되는 것인 진단 방법이 제공된다.
또한, 본 개시 내용의 또 다른 실시형태에서는, 진단 장치로 하여금, 사전에 취득되며 기기 또는 설비의 소정 기간마다의 시계열적 가동 상태를 나타내는 가동 데이터에 기초하여, 상기 기기 또는 설비의 정상 가동 상태를 나타내는 정상 모델을 생성하는 생성 단계와, 상기 정상 모델과, 사후에 취득되며 상기 기기 또는 설비의 상기 소정 기간의 상기 가동 데이터에 기초하여, 상기 기기 또는 설비의 가동 상태 이상에 관한 진단을 실시하는 진단 단계를 실행시키며, 상기 생성 단계에서는 상기 진단 단계에서 사용되는 상기 정상 모델이 자동으로 갱신되는 것인 진단 프로그램이 제공된다.
전술한 실시형태에 의하면, 기기나 설비의 가동 상태의 정상 범위 변화에 따라 적절하게 기기나 설비의 이상 진단을 실시할 수 있다.
도 1은 감시 시스템의 일 예를 나타내는 도면이다.
도 2는 감시 장치의 하드웨어 구성의 일 예를 나타내는 블록도이다.
도 3은 감시 장치의 기능 구성의 일 예를 나타내는 기능 블록도이다.
도 4는 배치 프로세스별로 나타낸 가동 데이터의 일 예를 나타내는 도면이다.
도 5는 배치 데이터의 일 예를 나타내는 모식도이다.
도 6은 데이터 변환 방법의 일 예를 나타내는 모식도이다.
도 7은 배치 프로세스에 있어 기기 가동 데이터의 정상 상태 변화의 제1 예를 나타내는 도면이다.
도 8은 배치 프로세스에 있어 기기 가동 데이터의 정상 상태 변화의 제2 예를 나타내는 도면이다.
도 9는 배치 프로세스에 있어 기기 가동 데이터의 정상 상태 변화의 제3 예를 나타내는 도면이다.
도 10은 정상 모델 갱신 조건의 일 예를 설명하는 도면이다.
도 11은 정상 모델 생성 처리의 일 예를 개략적으로 나타내는 플로우 챠트이다.
도 12는 기기 가동 상태의 이상에 관한 진단 처리의 일 예를 개략적으로 나타내는 플로우 챠트이다.
도 13은 배치 데이터 축적 처리의 일 예를 개략적으로 나타내는 플로우 챠트이다.
도 14는 정상 모델 변경 처리의 일 예를 개략적으로 나타내는 플로우 챠트이다.
이하에서는, 실시형태에 대해 도면을 참조하여 설명한다.
[감시 시스템의 개요]
도 1을 참조하여 본 실시형태에 따른 감시 시스템(1)의 개요에 대해 설명한다.
도 1은 감시 시스템(1)의 일 예를 나타내는 도면이다.
감시 시스템(1)은 기기(10)의 가동 상태를 감시한다. 감시 시스템(1)은 기기(10), 제어 장치(20), 감시 장치(30), 단말 장치(40)를 포함한다.
기기(10)는 배치(batch) 프로세스(배치 처리)에 의해 처리된다. 기기(10)는, 예를 들어 공장 등에 배치되어 생산 공정에서 사용되는 기기이다. 예를 들어, 기기(10)는 제지 공장, 인쇄 공장 등에 설치되는 종이 이송 기계, 금속 프레스 공장 등에 설치되는 로터리 전단기(전단 기계), 프레스 기계 등을 포함한다.
감시 시스템(1)에 포함되는 기기(10)는 하나일 수도 있고 복수 개일 수도 있다.
한편, 감시 시스템(1)은, 기기(10) 대신에, 공장의 생산 라인 등에 설치되는 복수 개의 기기가 전체로서 배치 프로세스(batch process)를 행하는 설비(생산기기 군)를 대상으로 하여 가동 상태를 감시할 수도 있다.
제어 장치(20)는 기기(10)의 동작을 제어한다. 구체적으로, 제어 장치(20)는 기기(10)로부터 기기(10)의 가동 상태를 나타내는 각종 측정 데이터를 취득하고, 취득한 측정 데이터에 기초하여, 소정의 가동 조건(예를 들어, 소정의 시퀀스)에 적합하도록 기기(10)의 동작을 제어할 수 있다. 제어 장치(20)는, 예를 들어, 일대일 통신선, 공장 내 필드 네트워크 등과 같은 통신 회선을 통해 기기(10)와 통신 가능하도록 접속된다. 제어 장치(20)는, 예를 들어, PLC(Programmable Logic Controller), 에지 컨트롤러 등이다.
제어 장치(20)는 제어 대상인 기기(10)에 하나 구비될 수도 있고, 제어 대상인 복수 개의 기기마다 하나씩 구비될 수도 있다. 즉, 감시 시스템(1)에 포함되는 제어 장치(20)는 하나일 수도 있고, 감시 시스템(1)에 복수 개의 기기(10)가 포함되는 경우에는 복수 개일 수도 있다.
감시 장치(30, 진단 장치의 일 예)는 기기(10)의 가동 상태에 관한 감시를 행한다. 구체적으로, 감시 장치(30)는 기기(10)의 가동 상태 이상(異常)에 관한 진단을 할 수도 있다.
기기(10)의 가동 상태 이상에 관한 진단에는, 예를 들어, 기기(10)의 가동 상태 이상 유무의 진단이 포함된다. 또한, 기기(10)의 가동 상태 이상에 관한 진단에는, 예를 들어, 기기의 가동 상태 이상에 해당되는 정도(이하, "이상도")의 진단이 포함된다.
감시 장치(30)는 감시 대상인 하나의 기기(10)에 하나 구비될 수도 있고, 감시 대상인 복수 개의 기기(10)마다 하나씩 구비될 수도 있다. 즉, 감시 시스템(1)에 포함되는 감시 장치(30)은 하나일 수도 있고, 감시 시스템(1)에 복수 개의 기기(10)가 포함되는 경우에는 복수 개일 수도 있다.
감시 장치(30)는 소정의 통신 회선을 통해 소정의 샘플링 주기마다 제어 장치(20)로부터 기기(10)의 가동 상태를 나타내는 각종 데이터(이하, "가동 데이터")를 취득하고, 취득한 가동 데이터를 감시함으로써 기기(10)의 이상에 관한 진단을 행한다. 샘플링 주기는, 예를 들어, 수백 마이크로초~수십초의 범위로 규정된다.
가동 데이터는, 예를 들어, 제어 장치(20)에 의해 기기(10)로부터 취득된다. 기기(10)의 가동 상태를 나타내는 각종의 측정 데이터가 포함된다. 또한, 가동 데이터에는, 예를 들어, 기기(10)의 제어를 위해 제어 장치(20)에 의해 생성되는 제어 지령 등과 같은 제어 데이터가 포함된다. 가동 데이터는, 예를 들어 기기(10)의 소정 부위의 온도, 압력, 토크, 유량 등과 같이, 기기(10)에 있어 복수 개의 종류의 상태 변수(이하, "프로세스 변수")를 나타내는 데이터를 포함한다. 그리하여, 가동 데이터는, 예를 들어, 복수 개 종류의 상태(프로세스 변수)를 나타내는 벡터 데이터로서 나타내어진다.
소정의 통신 회선은, 예를 들어, 일대일 통신선을 포함한다. 또한, 소정의 통신 회선은, 예를 들어, 기기(10) 및 제어 장치(20)가 설치되는 공장 등의 시설에 구비되는 필드 네트워크 등과 같은 로컬 네트워크(LAN: Local Area Network)를 포함한다. 소정의 통신 회선은, 예를 들어, 광역 네트워크(WAN: Wide Area Network)를 포함한다. 광역 네트워크는, 예를 들어, 기지국을 말단으로 하는 이동체 통신망, 통신 위성을 이용하는 위성 통신망, 인터넷망 등을 포함한다. 또한, 소정의 통신 회선은, 예를 들어, 소정의 무선 통신 방식을 이용하는 근거리 통신 회선을 포함한다. 근거리 통신 회선은, 예를 들어, WiFi, 블루투스(등록상표) 등과 같은 통신 방식에 준거하는 무선 통신 회선을 포함한다.
감시 장치(30)는, 예를 들어, 기기(10) 및 제어 장치(20)가 설치되는 공장 등의 시설과 같은 시설이나 부지 내에 설치되는 단말 장치이다. 단말 장치는, 예를 들어, PLC, 데스크톱형 PC(Personal Computer) 등과 같은 정치(定置)형 단말 장치이다. 또한, 단말 장치는, 예를 들어, 스마트폰, 태블릿 단말, 랩톱형 PC 등과 같은 운반 가능한 단말 장치(휴대 단말)일 수도 있다. 또한, 감시 장치(30)는, 예를 들어, 서버 장치이다. 서버 장치는, 예를 들어, 기기(10) 및 제어 장치(20)가 설치되는 공장 등의 시설 부지 외부에 설치되는 온 프레미스(on-premises) 서버, 클라우드 서버 등이다. 또한, 서버 장치는, 예를 들어, 기기(10) 및 제어 장치(20)가 설치되는 공장 등의 시설 부지 안이나 근처에 설치되는 에지 서버일 수도 있다.
또한, 감시 장치(30)는 기기(10)로부터 직접 가동 데이터를 취득할 수도 있다.
단말 장치(40)는 소정의 통신 회선을 통해 감시 장치(30)와 통신 가능하도록 접속되며, 감시 장치(30)에 의한 감시 결과에 관한 정보를 유저에게 제공하는 유저 단말이다.
단말 장치(40)는, 예를 들어, 데스크톱형 PC 등과 같은 정치형 단말 장치일 수도 있고, 스마트폰, 태블릿 단말, 랩톱형 PC 등과 같은 휴대 단말일 수도 있다.
[감시 장치의 하드웨어 구성]
이어서, 본 실시형태에 따른 감시 장치(30)의 하드웨어 구성에 대해 도 2를 참조하여 설명한다.
도 2는 감시 장치(30)의 하드웨어 구성의 일 예를 나타내는 도면이다.
감시 장치(30)의 기능은 임의의 하드웨어 또는 임의의 하드웨어와 소프트웨어의 조합 등에 의해 실현된다. 예를 들어, 도 2에 나타내는 바와 같이, 감시 장치(30)는 버스(B)에 의해 접속된다. 외부 인터페이스(31), 보조 기억 장치(32), 메모리 장치(33), CPU(34, Central Processing Unit), 통신 인터페이스(35), 입력 장치(36) 및 표시 장치(37)를 포함한다.
외부 인터페이스(31)는 기록 매체(31A)로부터 데이터를 읽어들이고 기록 매체(31A)에 데이터를 기록하기 위한 인터페이스로서 기능한다. 기록 매체(31A)에는, 예를 들어, 플랙시블 디스크, CD(Compac Disc), DVD(Digital Versatile Disc), BD(Blu-ray(등록상표) Disc), SD 메모리 카드, USB(Universal Serial Bus) 메모리 등이 포함된다. 이로써, 감시 장치(30)는 기록 매체(31A)를 통해 처리에서 사용할 각종 데이터를 읽어들이고 보조 기억 장치(32)에 저장시키고, 각종 기능을 실현할 프로그램을 인스톨할 수 있다.
한편, 감시 장치(30)는 통신 인터페이스(35)를 통해 외부 장치로부터 각종 데이터, 프로그램을 취득할 수도 있다.
보조 기억 장치(32)는 인스톨된 각종 프로그램을 저장하고, 각종 처리에 필요한 파일, 데이터 등을 저장한다. 보조 기억 장치(32)는, 예를 들어, HDD(Hard Disc Drive), SSD(Solid State Drive) 등을 포함한다.
메모리 장치(33)는 프로그램 작동 지시가 있으면 보조 기억 장치(32)로부터 프로그램을 읽어들여 저장한다. 메모리 장치(33)는, 예를 들어, DRAM(Dynamic Random Access Memory), SRAM(Static Random Access Memory) 등을 포함한다.
CPU(34)는 보조 기억 장치(32)로부터 메모리 장치(33)에 로딩된 각종 프로그램을 실행하고, 프로그램에 따라 감시 장치(30)에 관한 각종 기능을 실현한다.
통신 인터페이스(35)는 외부 기기와 통신 가능하도록 접속되기 위한 인터페이스로서 사용된다. 이로써 감시 장치(30)는 통신 인터페이스(35)를 통해, 예를 들어, 제어 장치(20) 및 단말 장치(40) 등과 같은 외부 기기와 통신 가능하도록 접속된다. 또한, 통신 인터페이스(35)는 접속되는 기기와의 통신 방식 등에 따라 복수 개 종류의 통신 인터페이스를 가질 수도 있다.
입력 장치(36)는 유저로부터 각종 입력을 접수한다.
입력 장치(36)는, 예를 들어, 유저로부터의 기계적 조작 입력을 접수하는 조작 입력 장치를 포함한다. 조작 입력 장치는, 예를 들어, 버튼(button), 토글(toggle), 레버(lever) 등을 포함한다. 또한 조작 입력 장치는, 예를 들어, 표시 장치(37)에 실장되는 터치 패널, 표시 장치(37)와는 별도로 구비되는 터치 패드 등을 포함한다.
또한 입력 장치(36)는, 예를 들어, 유저로부터 음성 입력을 접수할 수 있는 음성 입력 장치를 포함한다. 음성 입력 장치는, 예를 들어, 유저의 음성을 취할 수 있는 마이크로폰을 포함한다.
또한, 입력 장치(36)는, 예를 들어, 유저로부터 제스처 입력을 접수할 수 있는 제스처 입력 장치를 포함한다. 제스처 입력 장치는, 예를 들어, 유저의 제스처 모습을 촬상(撮像)할 수 있는 카메라를 포함한다.
또한, 입력 장치(36)는, 예를 들어, 유저로부터 생체 입력을 접수할 수 있는 생체 입력 장치를 포함한다. 생체 입력 장치는, 예를 들어, 유저의 지문, 홍채 등에 관한 정보를 내포하는 화상 데이터를 취득할 수 있는 카메라를 포함한다.
표시 장치(37)는 감시 장치(30)의 제어에 의해 정보 화면, 조작 화면 등을 유저 쪽으로 표시한다. 표시 화면(37)은, 예를 들어, 액정 디스플레이, 유기 EL(Electroluminescence) 디스플레이 등을 포함한다.
[감시 장치의 기능 구성]
이어서, 본 실시형태에 따른 감시 장치(30)의 기능 구성에 대해 도 3~도10을 참조하여 설명한다.
도 3은 감시 장치(30)의 기능 구성의 일 예를 나타내는 기능 블록도이다. 도 4는 배치 프로세스마다의 가동 데이터의 일 예를 나타내는 도면이다. 도 5는 배치 데이터의 일 예를 나타내는 모식도이다. 도 6은 데이터 변환 방법의 일 예를 나타내는 모식도이다. 도7~도9는 배치 프로세스에 있어 기기(10)의 가동 데이터 정상 상태 변화의 제1예~제3예를 나타내는 도면이다. 도 10은 정상 모델 갱신 조건의 일 예를 설명하는 도면이다.
도 3에 나타내는 바와 같이, 감시 대상(30)은 배치 데이터 기억부(301), 데이터 축적부(302), 모델 생성 처리부(303), 정상 모델 기억부(304), 진단 처리부(305), 모델 변경 처리부(306)를 포함한다. 배치 데이터 기억부(301) 및 정상 모델 기억부(304)의 기능은, 예를 들어, 보조 기억 장치(32)에 규정되는 기억 영역에 의해 실현된다. 또한, 데이터 축적부(302), 모델 생성 처리부(303), 진단 처리부(305) 및 모델 변경 처리부(306)의 기능은, 예를 들어, 보조 기억 장치(32)에 인스톨되는 프로그램이 메모리 장치(33)에 로딩되어 CPU(34) 상에서 실행됨으로써 실현된다.
배치 데이터 기억부(301)에는, 제어 장치(20)로부터 수신되는, 기기(10)의 배치 프로세스마다의 시계열적 가동 데이터(이하, "배치 데이터")가 기억된다.
예를 들어, 도 4에 나타내는 바와 같이, 가동 데이터에는, 예를 들어, 온도, 압력, 토크, 유량 등과 같은 프로세스 변수별로 그리고 샘플링 주기별로 상태 데이터가 포함된다. 그리고, 배치 프로세스에 있어 같은 종류(변수)의 상태 데이터는 각 배치에서 유사한 파형(프로파일)을 나타낸다.
예를 들어, 도 5에 나타내는 바와 같이, 배치 데이터(batch data)는, 배치 i별로, 배치 i에서 배치 개시로부터 경과된 시간 k별로, 그리고 프로세스 변수 j별로 하여 3차원 데이터로서 나타내어진다. 배치 i는 1이상이면서 축적된 배치 갯수 I 이하의 정수를, 시간 k는 1 이상이면서 배치 내에서의 샘플링 횟수 K 이하의 정수를, 그리고 프로세스 변수 j는 1 이상이면서 프로세스 변수의 종류 갯수 J 이하의 정수를 각각 나타낸다. 이하에서, 배치 데이터에 대해 배치 프로세스 i, 시간 k, 프로세스 변수 j를 이용하여 x(i,j,k)로 나타내는 경우가 있다.
도 3으로 돌아가서, 데이터 축적부(302)는 배치 데이터를 배치 데이터 기억부(301)에 축적시킨다. 구체적으로, 데이터 축적부(302)는 기기(10)의 가동 상태가 정상 범위에 있는 경우의 배치 데이터를 배치 데이터 기억부(301)에 축적시킨다.
모델 생성 처리부(303)는 기기(10)의 정상 가동 상태를 나타내는 정상 모델을 생성하기 위한 처리를 실시한다. 모델 생성 처리부(303)는 모델 취득부(3031), 전처리부(3032), 데이터 변환부(3033), 모델 생성부(3034)를 포함한다.
데이터 취득부(3031)는, 정상 모델을 생성하기 위한 베이스 데이터로서, 기기(10)의 가동 상태가 정상 상태에 상당하는 배치 데이터를 배체 데이터 기억부(301)로부터 취득한다.
전처리부(3032)는 데이터 취득부(3031)에 의해 취득된 배치 데이터 x(i,j,k)에 대해 소정의 전처리를 하여 전처리 완료 배치 데이터 xs(i,j,k)를 출력한다.
전처리부(3032)는, 예를 들어, 데이터 취득부(3031)에 의해 취득된 배치 데이터에 대해 정규화 처리를 한다. 구체적으로, 전처리부(3032)는 데이터 취득부(3031)에 의해 취득된 배치 데이터 x(i,j,k)의 복수 개의 배치 i 간 평균 μj,k, 표준 편차 σj,k 등을 이용하여 배치 데이터 x(i,j,k)를 정규화 처리할 수 있다.
데이터 변환부(3033)는, 3차원 형식으로 나타내어지는, 전처리부(3032)에 의한 전처리 완료 배치 데이터 xs(i,j,k)를 2차원 형식의 배치 데이터 Xs(j,k)로 변환한다.
예를 들어, 도 6에 나타내는 바와 같이, 데이터 변환부(3033)는 배치 데이터 xs(i,j,k)를 배치 i별로 배치 갯수 I개의 배치 데이터군 xs(1,j,k), xs(2,j,k), ···, xs(I,j,k)로 분해한다. 그리고, 데이터 변환부(3033)는 분해된 배치 데이터군을 시간 k의 축방향으로 결합함으로써 J행 I·K열의 행렬 데이터에 상당하는 배치 데이터 Xs(j,k)를 생성한다.
도 3으로 돌아가서, 모델 생성부(3034, 생성부의 일 예)는, 데이터 취득부(3031)에 의해 취득되는, 기기(10)의 정상 상태를 나타내는 배치 데이터 xs(i,j,k)에 기초하여, 기계 학습을 행함으로써, 기기(10)의 정상 상태를 나타내는 정상 모델을 생성한다.
모델 생성부(3034)는, 정상 모델로서, 예를 들어, 주성분 분석(PCA: Principal Component Analysis)에 의해 얻어지는 부하량 행렬(Loading Matrix)을 생성한다.
또한, 감시 시스템(1)에 복수 개의 기기(10)가 포함되는 경우, 복수 개의 기기(10)마다 정상 모델이 생성된다. 한편, 모델 생성부(3034)는 임의의 방법에 의해 정상 모델을 생성할 수 있다. 예를 들어, 모델 생성부(3034)는 주성분 분석 대신에 독립 성분 분석(ICA: Independent Component Analysis)을 이용하여 정상 모델을 생성할 수도 있다. 또한, 예를 들어, 모델 생성부(3034)는 서포트 벡터 머신(SVM: Support Vector Machine), 딥 뉴럴 네트워크(DNN: Deep Neural Network) 등을 적용하여 정상 모델을 생성할 수도 있다.
정상 모델 기억부(304)에는, 모델 생성부(3034)에 의해 생성되는 정상 모델이 기억된다. 또한, 후술하는 바와 같이, 모델 생성부(3034)에 의해 정상 모델이 갱신되는 경우, 정상 모델 기억부(304)에는 갱신 후의 정상 모델이 기억되며, 갱신 전 정상 모델도 그대로 기억되어 있다. 구체적으로는, 정상 모델 기억부(304)에서는, 진단 처리부(305)에 의한 기기(10)의 가동 상태 이상에 관한 진단에 사용되는 정상 모델이 기억되는 영역(어드레스)과, 갱신 전 정상 모델이 기억되는 영역(어드레스)이 구별되어 있다.
진단 처리부(305)는 기기(10)의 가동 상태 이상에 관한 진단을 위한 처리를 실시한다. 진단 처리부(305)는 데이터 취득부(3051), 전처리부(3052), 지표값 연산부(3053), 진단부(3054), 통지부(3055)를 포함한다.
데이터 취득부(3051)는 제어 장치(20)로부터 제공되는 진단 대상인 기기(10)의 가동 데이터를 취득한다.
전처리부(3052)는 데이터 취득부(3051)에 의해 취득된 가동 데이터에 대해 전처리부(3032)의 경우와 마찬가지의 전처리를 실시한다.
지표값 연산부(3053)는, 전처리부(3052)에 의한 전처리 완료 기기(10)의 가동 데이터와, 정상 모델 기억부(304)에 의해 기억되는 최신 정상 모델에 기초하여, 기기(10)의 가동 상태 이상에 관한 진단을 실시하기 위한 소정의 지표값을 연산한다.
지표값 연산부(3053)는, 예를 들어, 전처리 완료 기기(10)의 가동 데이터와, 정상 모델로서의 부하량 행렬에 기초하여, Q 통계량 및 T2 통계량을 소정의 지표값으로서 산출한다. 또한, 지표값 연산부(3053)는, 예를 들어, 기기(10)의 해당 회의 배치 프로세스 개시되고 나서 배치 프로세스 전체의 Q 통계량 및 T2 통계량 각각에 기초한 함수값을 소정의 지표값으로서 산출할 수도 있다.
진단부(3054)는 지표값 연산부(3053)에 의해 산출되는 지표값에 기초하여 기기(10)의 가동 상태 이상에 관한 진단을 실시한다.
진단부(3054)는, 예를 들어, 지표값으로서의 Q 통계량 및 T2 통계량 중 적어도 한쪽이 소정 기준(이하, "이상 징후 기준") IVth1을 초과한 경우, 기기(10)의 가동 상태 이상 징후가 있다고 진단한다. 또한, 진단부(3054)는, 예를 들어, 지표값으로서의 Q 통계량 및 T2 통계량 중 적어도 한쪽이 이상 징후 기준 IVth1보다 큰 소정 기준(이하, "이상 발생 기준") IVth2를 초과한 경우, 기기(10)의 가동 상태에 이상이 있다고 진단한다. 이 경우, 이상 징후 기준 IVth1, 이상 발생 기준 IVth2는 Q 통계량의 경우와 T2 통계량의 경우에 있어 같을 수도 있고 다를 수도 있다. 또한, 진단부(3054)는, 예를 들어, 지표값으로서의 Q 통계량 및 T2 통계량이 클수록 기기(10)의 가동 상태 이상도(異常度)가 높게 되게끔 기기(10)의 가동 상태 이상도를 진단할 수도 있다.
또한, 진단부(3054)는, 예를 들어, 지표값으로서 해당 회의 배치 프로세스 전체의 Q 통계량에 기초한 함수값과, T2 통계량에 기초한 함수값 중 적어도 한쪽이 이상 징후 기준 IVth1을 초과한 경우, 기기(10)의 가동 상태가 이상에 빠질 징후가 있다고 진단한다. 또한, 진단부(3054)는, 예를 들어, 지표값으로서 해당 회의 배치 프로세스 전체의 Q 통계량에 기초한 함수값과, T2 통계량에 기초한 함수값 중 적어도 한쪽이 이상 발생 기준 IVth2를 초과한 경우, 기기(10)의 가동 상태에 이상이 있다고 판정한다. 이 경우, 이상 징후 기준 IVth1, 이상 발생 기준 IVth2은 해당 회의 배치 프로세스 전체의 Q 통계량에 기초한 함수값의 경우와, T2 통계량에 기초한 함수값의 경우에 있어 같을 수도 있고 다를 수도 있다. 또한, 진단부(3054)는, 예를 들어, 지표값으로서 해당 회의 배치 프로세스 전체의 Q 통계량, T2 통계량에 기초한 함수값이 클수록 기기(10)의 가동 상태 이상도가 높게 되게끔 기기(10)의 가동 상태 이상도를 진단한다.
통지부(3055)는 진단부(3054)에 의한 진단 결과를 유저에게 통지한다. 통지부(3055)는, 예를 들어, 표시 장치(37)를 통해 유저에게 진단 결과를 통지한다. 또한, 통지부(3055)는, 예를 들어, 통신 인터페이스(35)를 통해 진단 결과를 단말 장치(40)로 송신하고 단말 장치(40)의 디스플레이에 진단 결과를 표시시킴으로써 유저에게 진단 결과를 통지할 수도 있다.
모델 변경 처리부(306)는 진단 처리부(305)에 의한 기기(10)의 가동 상태 이상에 관한 진단에 사용되는 정상 모델을 변경하기 위한 처리를 실시한다. 모델 변경 처리부(306)는 변경 지령부(3061)와 설정부(3062)를 포함한다.
변경 지령부(3061)는 진단 처리부(305)에서 사용되는 정상 모델을 변경하기 위한 지령을 생성하여 출력한다. 변경 지령부(3061)는 변경 지령부(3061A,3061B)를 포함한다.
변경 지령부(3061A)는 진단 처리부(305)에서 사용되는 정상 모델을 자동으로 갱신하는 지령(이하, 편의상 "모델 갱신 지령"이라 함)을 생성하여 모델 생성 처리부(303)로 출력한다.
예를 들어, 도 7에 나타내는 바와 같이, 기기(10)로서의 로터리 전단기는, 주변의 기온이 낮은 경우에 기온이 높은 경우보다 상대적으로 토크가 커진다. 이는 사용하는 그리스(grease)의 점도가 온도에 의해 변화하기 때문이다. 그리하여, 시간의 경과에 따라 로터리 전단기 주변의 기온이 변화하면 토크의 정상 범위도 변한다.
또한, 예를 들어 도 8에 나타내는 바와 같이, 기기(10)로서의 종이 이송 기계는, 주변의 습도가 높은 경우에 습도가 낮은 경우보다 상대적으로 토크가 크다. 이는 습도의 변화에 따라 종이의 흡습 정도가 변하고 그 결과 반송 대상인 종이의 중량이 변화하기 때문이다. 그리하여, 시간의 경과에 의해 종이 이송 기계 주변의 습도가 변화하면 토크의 정상 범위도 변한다.
또한, 예를 들어, 도 9에 나타내는 바와 같이, 기기(10)로서의 프레스 기계는, 주변 기온이 높은 경우에 기온이 낮은 경우보다 상대적으로 토크가 크다. 이는 기온 변화에 따라 금형이 팽창 또는 수축하며 그 결과 금형에 의한 샤프한 처리가 변화하기 때문이다. 그리하여, 시간의 경과에 의해 프레스 기계 주변의 기온이 변화하면 토크의 정상 범위도 변한다.
따라서, 변경 지령부(3061A)는 기기(10)의 가동 상태의 정상 범위 변화에 맞추어 모델 갱신 지령을 모델 생성 처리부(303)로 출력함으로써 모델 생성 처리부(303)로 하여금 정상 모델을 갱신하도록 할 수 있다.
구체적으로, 변경 지령부(3061A)는, 기기(10)의 가동 상태의 정상 범위가 현재 사용되고 있는 정상 모델로부터 소정 기준을 넘어 괴리가 생겼다고 판단할 수 있는 소정의 조건(제1 조건의 일 예)(이하, "모델 갱신 조건")이 성립하면, 모델 갱신 지령을 출력할 수 있다. 모델 갱신 조건은 하나일 수도 있고 복수 개일 수도 있는데, 복수 개의 모델 갱신 조건이 규정되는 경우, 변경 지령부(3061A)는, 복수 개의 모델 갱신 조건 중 어느 하나가 성립하면 모델 갱신 지령을 생성하여 모델 생성 처리부(303)로 출력할 수 있다.
모델 갱신 조건은, 예를 들어, "현재의 정상 모델에 대해 사후에 취득된 기기(10)의 배치 데이터가 상대적으로 크게 괴리되어 있을 것"이다. 사후에 취득된 기기(10)의 배치 데이터라 함은, 진단 처리부(305)에 의해 현재 사용되고 있는 정상 모델의 생성을 위해 사용된 배치 데이터보다 나중의 타이밍에 취득된 기기(10)의 배치 데이터를 의미한다.
구체적으로, 모델 갱신 조건은 "지표값이 상대적으로 클 것"일 수 있다. 보다 구체적으로는, 예를 들어, 도 10에 나타내는 바와 같이, 모델 갱신 조건은 "지표값이 소정 기준(이하, "모델 갱신 기준") IVth3을 초과할 것"일 수 있다(도면에서 파선으로 둘러싸인 부분 참조). 또한, 모델 갱신 조건은 "지표값의 이동 평균이 모델 갱신 기준 IVth3을 초과할 것"일 수도 있다. 또한, 모델 갱신 조건은 "해당 회의 배치 프로세스 내에서 지표값이 모델 갱신 기준 IVth3을 초과한 비율 RT가 소정 기준(이하, "모델 갱신 기준") RTth를 초과할 것"일 수도 있다. 또한, 모델 갱신 조건은, 예를 들어, "지표값이 모델 갱신 기준 IVth3을 초과한 상태의 연속 횟수 CN이 소정 기준(이하, "모델 갱신 기준") CNth를 초과할 것"일 수도 있다. 모델 갱신 기준 IVth3는, 예를 들어, 이상 징후 기준 IVth1 및 이상 발생 기준 IVth2보다 작거나, 또는 이상 징후 기준 IVth1과 이상 발생 기준 IVth2 사이에서 규정될 수 있다. 또한, 도 10에 나타내는 바와 같이, 모델 갱신 기준 IVth3는 이상 징후 기준 IVth1과 같을 수도 있다.
또한, 모델 갱신 조건은, 예를 들어, "소정의 기산점부터 기기(10)에 의해 생산되는 물품의 생산 갯수 PN이 소정 기준(이하, "모델 갱신 기준") PNth를 초과할 것"일 수도 있다. 기기(10)에 의한 물품의 생산 갯수 PN에 관한 정보는 제어 장치(20)로부터 취득할 수 있다. 이 경우, 생산 갯수 PN의 기산점은, 예를 들어, 현재 사용되고 있는 정상 모델의 사용 개시시일 수도 있고, 현재 사용되고 있는 정상 모델의 생성에 사용된 배치 데이터의 취득 종료시일 수도 있다.
또한, 모델 갱신 조건은, 예를 들어, "소정의 기산점으로부터의 경과 시간 Tm이 소정 기준(이하, "모델 갱신 기준") Tm_th를 초과할 것"을 포함한다. 경과 시간 Tm의 기산점은, 예를 들어, 현재 사용되고 있는 정상 모델의 사용 개시시일 수도 있고, 현재 사용되고 있는 정상 모델의 생성에 사용된 배치 데이터의 취득 종료시일 수도 있다.
또한, 모델 갱신 조건은, 예를 들어, "기기(10) 설치 장소의 환경 조건 변화가 소정 기준(이하, "모델 갱신 기준")을 초과할 것"을 포함한다. 구체적으로, 모델 갱신 조건은 "기기(10) 주변의 온도 Tp의 변화량 ΔTp가 소정 기준(이하, "모델 갱신 기준") ΔTp_th를 초과할 것"을 포함할 수 있다. 또한, 모델 갱신 조건은 "기기(10) 주변의 습도 H의 변화량 ΔH가 소정 기준(이하, "모델 갱신 기준") ΔHth를 초과할 것"을 포함할 수도 있다. 기기(10) 주변의 온도 Tp, 습도 H 등과 같이 기기(10) 설치 장소의 환경 조건은, 예를 들어, 기기(10)나 기기(10) 주변에 설치되는 센서에 의해 측정되어, 기기(10) 설치 장소의 환경 조건에 관한 정보가 제어 장치(20)를 통해 감시 장치(30)로 제공된다. 기기(10) 주변의 온도 Tp의 변화량 ΔTp, 습도 H의 변화량 ΔH 등과 같이 기기(10) 설치 장소의 환경 조건 변화의 기산점은, 예를 들어, 현재 사용되고 있는 정상 모델의 사용 개시시일 수도 있고, 현재 사용되고 있는 정상 모델의 생성에 사용된 배치 데이터의 취득 종료시일 수도 있다.
또한, 모델 갱신 지령에는 정상 모델 갱신 방법에 관한 지령 내용이 포함될 수 있다.
예를 들어, 모델 갱신 방법으로서 복수 개의 선택지가 제공되며, 복수 개의 선택지 중에서 설정된 갱신 방법에 의해 정상 모델이 갱신될 수 있다.
모델 갱신 방법에는, 예를 들어, 직전의 소정 갯수 BN개(예를 들어, 20개)의 기기(10)가 정상 상태일 때의 배치 데이터를 이용하여 정상 모델을 갱신하는 방법이 포함될 수 있다. 기기(10)가 정상 상태일 때의 배치 데이터라 함은, 진단부(3054)에 의해 기기(10)의 가동 상태가 정상이라고 진단된 배치 데이터를 의미한다. 구체적으로는, 모델 생성 처리부(303)는, 기기(10)의 가동 상태에 이상이 있다고 진단된 배치 데이터를 제외하고, 모델 갱신 조건 성립시로부터 거슬러올라가서 직전의 소정 갯수 BN개의 기기(10)가 정상 상태일 때의 배치 데이터를 이용하여 새로운 정상 모델을 생성한다.
한편, 모델 생성 처리부(303)는, 기기(10)의 가동 상태가 정상인 상황이 계속되고 있다는 전제에서, 배치 프로세스(batch process)가 종료할 때마다 직전의 소정 갯수의 배치 데이터(batch data)를 이용하여 새로운 정상 모델을 생성함으로써, 진단 처리부(305)에서 사용되는 정상 모델을 갱신할 수 있다. 구체적으로는, 이전 회의 정상 모델 생성을 위해 사용했던 소정 갯수 BN개의 배치 데이터 중 가장 오래된 배치 데이터 대신에, 최신의 배치 데이터를 포함한 새로운 소정 갯수 BN개의 배치 데이터를 사용할 수 있기 때문에 정상 모델이 갱신될 수 있다. 이 경우의 모델 갱신 조건은 "기기(10)의 배치 프로세스가 갱신될 것"이다.
또한, 모델 갱신 방법에는, 예를 들어, 현재 사용되고 있는 정상 모델의 생성에 사용한 배치 데이터 중 일정 갯수 또는 일정 비율을, 사후에 취득된, 기기(10)가 정상인 상태에서의 배치 데이터로 치환함으로써, 정상 모델을 갱신하는 방법이 포함될 수 있다. 사후에 취득된 배치 데이터라 함은, 현재 사용되고 있는 정상 모델의 생성에 사용한 배치 데이터가 취득된 시점보다 나중에 취득된 배치 데이터를 의미한다. 구체적으로, 모델 생성 처리부(303)는, 현재 사용되고 있는 정상 모델의 생성에 사용한 소정 갯수 BN개의 배치 데이터 중 일정 갯수 또는 일정 비율의 배치 데이터를, 사후에 취득된, 기기(10)가 정상인 가동 상태에서의 배치 데이터로 치환한 새로운 소정 갯수 BN개의 배치 데이터를 이용하여, 새로운 정상 모델을 생성한다. 이 경우, 새롭게 추가되는 배치 데이터(군)은 최신의 배치 데이터로부터 거슬러올라가서 선택되는 직전의 배치 데이터(군)일 수도 있고, 이 이외의 어떠한 조건에 따라 선택되는 배치 데이터(군)일 수도 있다.
변경 지령부(3061B)는 진단 처리부(305)에 의해 현재 사용되고 있는 정상 모델을 파기하고, 직전 갱신 이전의 정상 모델로 되돌리는 지령(이하, 편의상 "구 모델 부활 지령"이라 함)을 생성하여 정상 모델 기억부(304)로 출력한다. 구체적으로, 변경 지령부(3061B)는 구 모델 부활 지령에 의해 정상 모델 기억부(304)의 최신 정상 모델을 소거(파기)하고, 직전 갱신 이전의 정상 모델을 진단 처리부(305)에서 사용되는 정상 모델의 어드레스로 이동시킨다. 이로써, 진단 처리부(305)는 갱신 전 정상 모델에 액세스하게 되므로, 갱신 전 정상 모델을 이용하여 기기(10)의 가동 상태 이상에 관한 진단이 이루어지게 된다.
예를 들어, 변경 지령부(3061B)는 현재 사용되고 있는 정상 모델과, 실제 기기(10)의 가동 상태가 정상인 범위 간 괴리가 소정 기준(이하, "구 모델 부활 기준")을 넘은 경우, 구 모델 부활 지령을 정상 모델 기억부(304)로 출력한다. 구체적으로, 변경 지령부(3061B)는, 현재 사용되고 있는 정상 모델과, 실제 기기(10)의 가동 상태가 정상인 범위 간 괴리가 구 모델 부활 기준을 넘었다고 판단할 수 있는 소정의 조건(이하, "구 모델 부활 조건")(제2 조건의 일 예)이 성립하면, 구 모델 부활 지령을 출력할 수 있다. 구 모델 부활 조건은 하나일 수도 있고 복수 개일 수도 있으며, 복수 개의 구 모델 부활 조건이 규정되는 경우에, 변경 지령부(3061B)는 복수 개의 구 모델 부활 조건 중 어느 하나가 성립하면 구 모델 부활 지령을 생성하여 정상 모델 기억부(304)로 출력할 수 있다.
구 모델 부활 조건은, 예를 들어, "직전 정상 모델의 갱신 전후에 있어 진단부(3054)에 의해 기기(10)의 가동 상태에 이상이 있다고 진단되는 빈도 Fq가 소정 기준(이하, "구 모델 부활 기준") Fq_th를 초과할 것"이다.
또한, 구 모델 부활 조건은, 예를 들어, "직전 정상 모델의 갱신 전후에 있어 진단부(3054)에 의한 진단 결과가 기기(10)의 가동 상태가 정상인 범위로부터 괴리되는 방향으로의 소정 기준(이하, "구 모델 부활 기준")을 넘은 변화를 나타낼 것"일 수도 있다. 구체적으로, 구 모델 부활 조건은 "직전 정상 모델의 갱신 전후에 있어 지표값의 이동 평균 IVm의 증가량 ΔIVm이 소정 기준(이하, "구 모델 부활 기준") ΔIVm_th를 초과할 것"일 수 있다.
설정부(3062)는 유저로부터의 입력에 따라 정상 모델의 변경(갱신 또는 부활)에 관한 설정을 행한다. 유저로부터의 입력은, 예를 들어, 입력 장치(36)에 의해 접수된다. 또한, 유저로부터의 입력은, 예를 들어, 단말 장치(40)에서 행해지는데, 단말 장치(40)로부터의 유저 입력을 나타내는 신호가 수신됨으로써 통신 인터페이스(35)(제1 입력부, 제2 입력부, 제3 입력부의 일 예)를 통해 접수될 수도 있다. 설정부(3062)는 설정부(3062A~3062C)를 포함한다.
설정부(3062A)(제1 설정부의 일 예)는 유저로부터의 소정의 입력에 따라 모델 갱신 조건에 관한 설정을 행한다. 예를 들어, 유저는 표시 장치(37)나 단말 장치(40)의 디스플레이에 표시되는 소정의 GUI(Graphical User Interface)를 통해 모델 갱신 조건에 관한 설정 입력을 행할 수 있다.
설정부(3062A)는, 예를 들어, 유저로부터의 소정의 입력에 따라 모델 갱신 기준 IVth3, RTth, CNth, PNth, Tm_th, ΔTp_th, ΔHth 등을 설정한다. 유저는 설정부(3062A)를 통해 모델 갱신 기준 IVth3, RTth, CNth, PNth, Tm_th, ΔTp_th, ΔHth 등을 직접적으로 설정 가능할 수도 있고, 간접적으로 설정 가능할 수도 있다. 직접적으로 설정 가능하다는 것은, 모델 갱신 기준 IV_th3, RTth, CNth, PNth, Tm_th, ΔTp_th, ΔHth 등에 상당하는 값을 유저가 설정 입력함으로써 지정 가능한 상태임을 의미한다. 간접적으로 설정 가능하다는 것은, 모델 갱신 기준 IVth3, RTth, CNth, PNth, Tm_th, ΔTp_th, ΔHth 등에 상당하는 값을 결정하기 위한 관계식 중의 변수 등을 유저가 설정 입력함으로써 지정 가능한 상태임을 의미한다.
설정부(3062B)(제2 설정부의 일 예)는 유저로부터의 소정의 입력에 따라 정상 모델 갱신 방법에 관한 설정을 행한다. 예를 들어, 유저는 표시 장치(37)나 단말 장치(40)의 디스플레이에 표시되는 소정의 GUI를 통해 정상 모델 갱신 방법에 관한 설정 입력을 행할 수 있다.
설정부(3062B)는, 예를 들어, 유저로부터의 소정의 입력에 따라, 복수 개의 모델 갱신 방법 중 하나의 모델 갱신 방법을 선택적으로 설정할 수 있다. 또한, 설정부(3062B)는, 예를 들어, 유저로부터의 소정의 입력에 따라, 정상 모델의 갱신에 사용되는 배치 데이터의 갯수(소정 갯수 BN)를 설정할 수 있다. 또한, 설정부(3062B)는 정상 모델의 갱신에 사용되는 배치 데이터 중에서 사후에 취득된 배치 데이터의 갯수나 비율 등을 설정할 수도 있다.
설정부(3062C)(제3 설정부의 일 예)는 유저로부터의 소정의 입력에 따라 구 모델 부활 조건에 관한 설정을 행한다. 예를 들어, 유저는 표시 장치(37)나 단말 장치(40)의 디스플레이에 표시되는 소정의 GUI를 통해 구 모델 부활 조건에 관한 설정 입력을 행할 수 있다.
설정부(3062C)는, 예를 들어, 유저로부터의 소정의 입력에 따라 구 모델 부활 기준 Fq_th, ΔIVm_th 등을 설정한다. 유저는 설정부(3062C)를 통해 구 모델 부활 기준 Fq_th, ΔIvm_th 등을 직접적으로 설정 가능할 수도 있고 간접적으로 설정 가능할 수도 있다.
[정상 모델 생성 처리]
이어서, 감시 장치(30)(모델 생성 처리부(303))에 의한 정상 모델 생성 처리에 대해, 도 11을 참조하여 설명한다.
도 11은 모델 생성 처리부(303)에 의한 정상 모델 생성 처리의 일 예를 개략적으로 나타내는 플로우 챠트이다.
본 플로우 챠트는, 예를 들어, 유저로부터 소정의 입력(요구)에 따라 실행된다. 또한, 본 플로우 챠트는, 예를 들어, 모델 변경 처리부(306)(변경 지령부(3061A))로부터 모델 갱신 지령이 출력되면 실행된다.
도 11에 나타낸 바와 같이, 단계 S102에서 데이터 취득부(3031)는 정상 모델을 생성하기 위한 기기(10)의 정상 상태에 상당하는 배치 데이터(교사 데이터)를 배치 데이터 기억부(301)로부터 취득한다.
모델 생성 처리부(303)는 단계 S102의 처리가 완료되면 단계 S104로 나아간다.
단계 S104에서 전처리부(3032)는 단계 S102에서 취득된 배치 데이터에 대해 소정의 처리를 실시한다.
모델 생성 처리부(303)는 단계 S104의 처리가 완료되면 단계 S106으로 나아간다.
단계 S106에서, 데이터 변환부(3033)는 단계 S104에서 전처리가 완료된 배치 데이터를 2차원 형식의 배치 데이터로 변환한다.
모델 생성 처리부(303)는 단계 S106의 처리가 완료되면 단계 S108로 나아간다.
단계 S108에서, 모델 생성부(3034)는 단계 S106에서 2차원 형식으로 변환된 배치 데이터에 기초하여 정상 모델을 생성한다. 생성된 정상 모델은 전술한 바와 같이 정상 모델 기억부(304)에 기억된다.
모델 생성 처리부(303)는 단계 S108의 처리가 완료되면 해당 회의 플로우 챠트의 처리를 종료한다.
이와 같이, 감시 장치(30)는 기기(10)의 정상 가동 상태에 상당하는 배치 데이터에 기초하여 정상 모델을 생성할 수 있다. 또한, 감시 장치(30)는 진단 처리부(305)에서 사용되는 정상 모델의 갱신이 필요한 타이밍에서 모델 갱신 지령에 따라 정상 모델을 갱신할 수 있다.
[기기의 가동 상태 이상에 관한 진단 처리]
이어서, 감시 장치(30)(진단 처리부(305))에 의한 기기(10)의 가동 상태 이상에 관한 진단 처리에 대해, 도 12를 참조하여 설명한다.
도 12는 진단 처리부(305)에 의한 기기(10)의 가동 상태 이상에 관한 진단 처리의 일 예를 개략적으로 나타내는 플로우 챠트이다.
본 플로우 챠트는, 예를 들어, 기기(10)의 배치 프로세스(batch process)의 개시부터 종료까지의 동안에 소정 처리 주기마다 반복 실행된다. 배치 프로세스의 개시, 종료는, 예를 들어, 제어 장치(20)로부터 송신되고 감시 장치(30)에 의해 수신되는, 기기(10)의 배치 프로세스의 개시, 종료를 나타내는 신호에 의해 파악된다.
본 예에서는 기기(10)의 가동 상태 이상의 유무를 나타내는 플래그 F가 사용된다. 플래그 F는 기기(10)의 배치 프로세스를 시작할 때에 이상이 없는 상태를 나타내는 "0"으로 초기화된다.
도 12에 나타내는 바와 같이, 단계 S202에서, 데이터 취득부(3051)는 감시 장치(30)에 제공된 기기(10)의 최신 가동 데이터를 취득한다.
진단 처리부(305)는 단계 S202의 처리가 완료되면 단계 S204로 진행한다.
단계 S204에서 전처리부(3052)는, 단계 S202에서 취득된 가동 데이터에 대해 소정의 전처리를 실시한다.
진단 처리부(305)는 단계 S204의 처리가 완료되면 단계 S206으로 나아간다.
단계 S206에서 지표값 연산부(3053)는, 단계 S204에서 전처리가 완료된 최신 가동 데이터 및 정상 모델에 기초하여 지표값을 산출한다.
진단 처리부(305)는 단계 S206의 처리가 완료되면 단계 S208로 나아간다.
단계 S208에서 진단부(3054)는, 단계 S206에서 산출된 지표값에 기초하여 기기(10)의 가동 상태에 관한 진단을 행한다.
진단 처리부(305)는 단계 S208의 처리가 완료되면 단계 S210으로 나아간다.
단계 S210에서 진단부(3054)는, 단계 S208의 진단 결과가 이상 있음인지 여부를 판정한다. 진단부(3054)는 진단 결과가 이상 있음인 경우에는 단계 S212로 나아가고, 이상 없음인 경우에는 단계 S216으로 나아간다.
단계 S212에서 통지부(3055)는 기기(10)의 가동 상태에 이상이 있음을 나타내는 진단 결과를 유저에게 통지한다.
진단 결과에 관한 통지 내용은, 예를 들어, 기기(10)의 가동 상태에 이상이 있다는 취지의 사실만 통지할 수도 있고, 그 사실에 더해 그 사실(진단 결과)의 근거가 되는 정보가 포함될 수도 있다. 진단 결과의 근거가 되는 정보에는, 예를 들어, 지표값의 시계열적 변화를 나타내는 그래프 등과 같은 정보 등이 포함된다. 이하에서 후술하는 단계 S216의 통지 내용에 있어서도 마찬가지일 수 있다.
진단 처리부(305)는 단계 S212의 처리가 완료되면 단계 S214로 나아간다.
단계 S214에서, 진단 처리부(305)는 플래그 F를 기기(10)의 가동 상태에 이상이 있음을 나타내는 "1"로 설정한다(F＝1). 이로써, 감시 장치(30)(후술하는 데이터 축적부(302))는 플래그 F를 확인함으로써, 특정의 배치 프로세스의 배치 데이터가 기기(10)의 정상 상태를 나타내는지 여부를 판정할 수 있다(도 13 참조).
진단 처리부(305)는 단계 S214의 처리가 완료되면 해당 회의 플로우 차트의 처리를 종료한다.
한편으로, 단계 S216에서 통지부(3055)는 기기(10)의 가동 상태에 관한 진단 결과를 유저에게 통지한다. 구체적으로, 통지부(3055)는 기기(10)의 가동 상태에 이상이 없음 또는 이상의 징후가 있음 등을 나타내는 진단 결과를 유저에게 통지한다.
진단 처리부(305)는 단계 S216의 처리가 완료되면 해당 회의 플로우 챠트의 처리를 종료한다.
이와 같이, 감시 장치(30)는 기기(10)의 정상 가동 상태를 나타내는 정상 모델을 이용하여 기기(10)의 가동 상태를 온라인으로 진단하고 진단 결과를 유저에게 통지할 수 있다.
[배치 데이터의 축적 처리]
이어서, 감시 장치(30)(데이터 축적부(302))에 의한, 기기(10)의 정상 가동 상태를 나타내는 배치 데이터의 축적 처리에 대해, 도 13을 참조하여 설명한다.
도 13은 데이터 축적부(302)에 의한 배치 데이터 축적 처리의 일 예를 개략적으로 나타내는 플로우 챠트이다.
본 플로우 챠트는, 예를 들어, 기기(10)의 배치 프로세스가 종료하면 실행된다.
도 13에 나타내는 바와 같이, 데이터 축적부(302)는 플래그 F가 기기(10)의 가동 상태에 이상이 없음을 나타내는 "0"인지 여부를 판정한다. 데이터 축적부(302)는, 플래그 F가 "0" 경우에는 단계 S304로 나아가고, 플래그 F가 "0"이 아닌, 즉, 기기(10)의 가동 상태에 이상이 있음을 나타내는 "1"인 경우에는 해당 회의 플로우 챠트의 처리를 종료한다.
단계 S304에서 데이터 축적부(302)는, 예를 들어, 메모리 장치(33) 등에 포함(버퍼링)되어 있는, 해당 회의 배치 프로세스의 개시부터 종료까지의 시계열적 가동 데이터를 배치 데이터로 하여 배치 데이터 기억부(301)에 저장한다.
데이터 축적부(302)는 단계 S304의 처리가 완료되면 해당 회의 플로우 챠트의 처리를 종료한다.
이와 같이, 감시 장치(30)는 제어 장치(20)로부터 제공된 기기(10)의 배치 데이터 중에서 진단 처리부(305)에 의해 가동 상태에 이상이 없다고 진단된 기기(10)의 배치 데이터만을 축적시킬 수 있다. 그리하여, 감시 장치(30)는 현재 사용되고 있는 정상 모델의 생성에 사용된 배치 데이터의 취득 완료 후에 축적된 배치 데이터를 이용하여 정상 모델을 갱신시킬 수가 있다.
[정상 모델의 변경 처리]
이어서, 감시 장치(30)(모델 변경 처리부(306))에 의한, 진단 처리부(305)에서 사용되는 정상 모델의 변경 처리에 대해, 도 14를 참조하여 설명한다.
도 14는 모델 변경 처리부(306)(변경 지령부(3061))에 의한 정상 모델 변경 처리의 일 예를 개략적으로 나타내는 플로우 챠트이다.
본 플로우 챠트는, 예를 들어, 기기(10)의 배치 프로세스(batch process)가 종료하면 실행된다.
도 14에 나타내는 바와 같이, 변경 지령부(3061)는 현재 사용되고 있는 정상 모델의 변경이 필요한지 여부, 즉, 모델 갱신 조건, 구 모델 부활 조건이 성립되었는지 여부를 판정하기 위한 최신 데이터를 취득한다.
변경 지령부(3061)는 단계 S402의 처리가 완료되면 단계 S404로 나아간다.
단계 S404에서, 변경 지령부(3061A)는 모델 변경 조건이 성립했는지 여부를 판정한다. 변경 지령부(3061)는 모델 갱신 조건이 성립한 경우에 단계 S406으로 나아가고, 모델 갱신 조건이 성립하지 않은 경우에는 단계 S408로 나아간다.
단계 S406에서, 변경 지령부(3061A)는 모델 갱신 지령을 모델 생성 처리부(303)로 보내어 모델 생성 처리부(303)를 통해 진단 처리부(305)에서 사용되는 정상 모델을 갱신한다.
변경 지령부(3061)는 단계 S406이 완료되면 해당 회의 처리를 종료한다.
한편으로, 단계 S408에서 변경 지령부(3061B)는 구 모델 부활 조건이 성립했는지 여부를 판정한다. 변경 지령부(3061B)는 구 모델 부활 조건이 성립한 경우에는 단계 S410으로 나아가고, 구 모델 부활 조건이 성립하지 않은 경우에는 해당 회의 플로우 챠트의 처리를 종료한다.
단계 S410에서 변경 지령부(3061B)는 구 모델 부활 지령을 정상 모델 기억부(304)로 출력한다. 구체적으로, 변경 지령부(3061B)는 정상 모델 기억부(304)의 현재의 정상 모델을 파기(소거)시키고, 갱신 이전의 정상 모델을 진단 처리부(305)에서 사용되는 정상 모델의 어드레스로 되돌린다.
변경 지령부(3061)는 단계 S410의 처리가 완료되면 해당 회의 플로우 챠트의 처리를 종료한다.
이와 같이 감시 장치(30)는, 현재 사용되고 있는 정상 모델과, 기기(10)의 정상 가동 상태 간 괴리가 소정 기준을 넘었다고 판정할 수 있는 모델 갱신 조건이 성립하면, 사후에 취득된 배치 데이터를 이용하여 정상 모델을 갱신할 수 있다. 그리하여, 감시 장치(30)는 기기(10)의 정상 범위 변화에 따라 정상 모델을 갱신할 수가 있다. 따라서, 감시 장치(30)는 기기(10)의 가동 상태의 정상 범위 변화에 따라 기기(10)의 가동 상태 이상에 관한 진단을 적절하게 행할 수 있다.
또한, 감시 장치(30)는, 갱신 후의 정상 모델과, 기기(10)의 정상 가동 상태 간 괴리가 소정 기준을 넘었다고 판단할 수 있는 모델 부활 조건이 성립하면, 진단 처리부(305)에서 사용되는 정상 모델을 갱신 전 정상 모델로 되돌릴 수 있다. 그리하여, 감시 장치(30)는, 정상 모델의 갱신이 이루어지는 했으나 갱신 후 정상 모델이 기기(10)의 정상 가동 상태에 대해 적절하지 않은 상황에서 진단 처리부(305)에서 사용되는 정상 모델을 갱신 전 정상 모델로 되돌릴 수가 있다. 따라서, 감시 장치(30)는 기기(10)의 가동 상태 이상에 관한 진단을 보다 적절하게 행할 수 있다.
[작용]
이어서, 본 실시형태에 따른 감시 장치(30)의 작용에 대해 설명한다.
본 실시형태에서 감시 장치(30)는 모델 생성부(3034)와 진단부(3054)를 구비한다. 구체적으로, 모델 생성부(3034)는, 사전에 취득되며 기기(10) 또는 설비(이하, "기기(10) 등")의 소정 기간마다의 시계열적 가동 상태를 나타내는 가동 데이터(예를 들어, 배치 프로세스마다의 배치 데이터)에 기초하여, 기기(10) 등의 정상 가동 상태를 나타내는 정상 모델을 생성한다. 또한, 진단부(3054)는, 정상 모델과, 사후에 취득되며 기기(10) 등의 소정 기간 가동 데이터에 기초하여, 기기(10) 등의 가동 상태 이상에 관한 진단을 실시한다. 그리고, 모델 생성부(3034)는 진단부(3054)에서 사용되는 정상 모델을 자동으로 갱신한다.
이로써 감시 장치(30)는, 예를 들어, 기기(10) 등의 가동 상태의 정상 범위가 변화한 경우, 그 변화에 따라 정상 모델을 갱신할 수 있다. 그리하여, 감시 장치(30)는 기기(10) 등의 가동 상태의 정상 범위 변화에 따라 기기(10) 등의 이상에 관한 진단을 적절하게 행할 수 있다.
또한, 본 실시형태에서 모델 생성부(3034)는, 기기(10) 등의 가동 상태의 정상 범위의 경시 변화에 따라 진단부(3054)에서 사용되는 정상 모델을 자동으로 갱신할 수 있다.
이로써 감시 장치(30)는 기기(10) 등의 가동 상태의 정상 범위의 경시 변화에 따라 기기(10) 등의 이상에 관한 진단을 적절하게 행할 수 있다.
또한, 본 실시형태에 모델 생성부(3034)는, 모델 갱신 조건이 성립하면 진단부(3054)에서 사용되는 정상 모델을 자동으로 갱신할 수도 있다.
이로써 감시 장치(30)는, 기기(10) 등의 가동 상태의 정상 범위의 변화를 나타내는 모델 갱신 조건이 적절하게 설정됨으로써 그 성립 여부에 따라 정상 모델을 갱신할 수 있다.
또한, 본 실시형태에서 모델 갱신 조건은, 진단부(3054)에 의해 정상이라고 진단되는 범위 내에서 기기(10) 등의 소정 기간의 가동 데이터가 정상 모델에 대해 상대적으로 크게 괴리되어 있는 것일 수 있다. 또한, 모델 갱신 조건은, 진단부(3054)에서 사용되는 정상 모델의 사용 개시시 또는 모델 생성부(3034)에 의한 정상 모델의 생성에 사용된 소정 기간마다의 가동 데이터의 취득 종료시를 기준으로 하여, 기기(10) 등에 의해 생산되는 물품의 생산 갯수 PN이 모델 갱신 기준 PNth를 초과하는 것일 수도 있다. 또한, 모델 갱신 조건은, 진단부(3054)에서 사용되는 정상 모델의 사용 개시시 또는 모델 생성부(3034)에 의한 정상 모델의 생성에 사용된 소정 기간마다의 가동 데이터의 취득 종료시를 기준으로 하여, 경과 시간 Tm이 모델 갱신 기준 Tm_th를 초과하는 것일 수도 있다. 또한, 모델 갱신 조건은, 진단부(3054)에서 사용되는 정상 모델의 사용 개시시 또는 모델 생성부(3034)에 의한 정상 모델의 생성에 사용된 소정 기간마다의 가동 데이터의 취득 종료시를 기준으로 하여, 기기(10) 등의 주변 환경 조건에 상대적으로 큰 변화가 발생한 것일 수도 있다.
이와 같이 감시 장치(30)는 기기(10) 등의 가동 상태의 정상 범위 변화를 나타내는 모델 갱신 조건을 다양하게 규정할 수 있다. 그리하여, 감시 장치(30)는 정상 모델의 자동 갱신 타이밍의 자유도를 높일 수가 있다.
또한, 본 실시형태에서 감시 장치(30)는 제1 입력부(예를 들어, 입력 장치(36), 통신 인터페이스(35) 등)와 설정부(3062A)를 구비할 수 있다. 구체적으로, 제1 입력부는 유저로부터의 입력을 접수할 수 있다. 그리고, 설정부(3062A)는 제1 입력부에 의해 접수되는 소정의 입력에 따라 모델 갱신 조건에 관한 설정을 행할 수 있다.
이로써 감시 장치(30)는 정상 모델의 자동 갱신 타이밍을 유저로 하여금 결정(설정)하게 할 수 있다.
또한, 본 실시형태에서 모델 생성부(3034)는, 진단부(3054)에 의한 진단에 사용된 소정 기간마다의 가동 데이터에 기초하여, 진단부(3054)에서 사용되는 정상 모델을 자동으로 갱신할 수 있다.
이로써 감시 장치(30)는 진단부(3054)의 진단 결과에 기초하여 정상 가동 상태에 상당하는 소정 기간마다의 가동 데이터를 선택적으로 사용함으로써 정상 모델을 적절하게 갱신할 수가 있다.
또한, 본 실시형태에서 모델 생성부(3034)는, 갱신 전 정상 모델을 생성하기 위해 사용한 복수 개의 소정 기간마다의 가동 데이터 중 일정 갯수 또는 일정 비율을, 진단부(3054)에 의해 갱신 전 정상 모델에 기초한 진단에 사용한 소정 기간마다의 가동 데이터로 치환한 복수 개의 소정 기간마다의 가동 데이터에 기초하여, 진단부(3054)에서 사용되는 정상 모델을 자동으로 갱신할 수도 있다.
이로써 감시 장치(30)는, 구체적으로는, 직전의 기기(10) 가동 상태의 정상 범위를 정상 모델에 반영시킬 수 있다.
또한, 본 실시형태에서는, 모델 생성부(3034)는, 진단부(3054)에 의해 갱신 전 정상 모델에 기초한 진단에 사용된, 직전 소정 갯수(예를 들어, 소정 갯수 BN개)의 소정 기간마다의 가동 데이터에 기초하여, 진단부(3054)에서 사용되는 정상 모델을 자동으로 갱신할 수도 있다.
이로써 감시 장치(30)는, 구체적으로는, 직전의 기기(10) 가동 상태의 정상 범위를 정상 모델에 반영시킬 수 있다.
또한, 본 실시형태에서 감시 장치(30)는 제2 입력부(예를 들어, 입력 장치(36), 통신 인터페이스(35) 등)와 설정부(3062B)를 구비할 수 있다. 구체적으로, 제2 입력부는 유저로부터의 입력을 접수할 수 있다. 그리고, 설정부(3062B)는, 제2 입력부에 의해 접수되는 소정의 입력에 따라, 모델 생성부(3034)가 진단부(3054)에 의한 진단에 사용된 소정 기간마다의 가동 데이터에 기초하여 진단부(3054)에서 사용되는 정상 모델을 자동으로 갱신하는 방법에 관한 설정을 행할 수 있다.
이로써 감시 장치(30)는 정상 모델 갱신 방법을 유저에게 결정(설정)하도록 하는 것이 가능하다.
또한, 본 실시형태에서 진단부(3054)는, 모델 생성부(3034)에 의해 갱신된 정상 모델이 기기(10) 등의 가동 상태의 정상 범위에 대해 소정 기준을 넘어 괴리되어 있는 경우, 진단에 사용할 정상 모델을 갱신 전 정상 모델로 되돌릴 수도 있다.
이로써 감시 장치(30)는, 갱신 후 정상 모델이 기기(10) 등의 가동 상태의 정상 범위를 적절하게 표현할 수 없는 경우에도, 갱신 전 정상 모델로 되돌림으로써 기기(10) 등의 이상에 관한 진단을 적절하게 계속할 수 있다.
또한, 본 실시형태에서 진단부(3054)는, 모델 생성부(3034)에 의해 갱신된 정상 모델이 기기(10) 등의 가동 상태의 정상 범위에 대해 소정 기준을 넘어 괴리되어 있다고 판단할 수 있는 구 모델 부활 조건이 성립하는 경우, 진단에 사용할 정상 모델을 갱신 전 정상 모델로 되돌릴 수 있다. 그리고, 구 모델 부활 조건은, 정상 모델 갱신의 전후에 있어 진단부(3054)에 의해 기기(10) 등의 가동 상태에 이상이 있다고 진단되는 빈도가 소정 기준을 넘어 증가하는 것일 수도 있다. 또한, 구 모델 부활 조건은, 정상 모델 갱신의 전후에 있어 진단부(3054)에 의한 진단 결과가 기기(10) 등의 가동 상태의 정상 범위로부터 괴리되는 방향으로 소정 기준을 넘은 변화를 나타내는 것일 수도 있다.
이로써 감시 장치(30)는, 갱신 후 정상 모델이 기기(10) 등의 가동 상태의 정상 범위를 적절하게 표현하지 못하는 경우에, 구체적으로는 갱신 전 정상 모델로 되돌릴 수 있다.
또한, 본 실시형태에서 감시 장치(30)는 제3 입력부(예를 들어, 입력 장치(36), 통신 인터페이스(35) 등)와 설정부(3062C)를 구비할 수 있다. 구체적으로, 제3 입력부는 유저로부터의 입력을 접수할 수 있다. 그리고, 설정부(3062C)는 제3 입력부에 의해 접수되는 소정의 입력에 따라 구 모델 부활 조건에 관한 설정을 행할 수 있다.
이로써 감시 장치(30)는 정상 모델을 갱신 전 상태로 되돌리는 타이밍을 유저에게 결정(설정)시킬 수 있다.
이상에서 실시형태에 대해 상세하게 설명하였으나, 본 개시 내용이 이러한 특정의 실시형태로 한정되는 것은 아니며, 청구범위에 기재된 요지의 범위를 일탈하지 않으면서 다양한 변형, 변경이 가능하다.
본원은 일본 특허청에 2021년 6월 9일에 출원된 기초 출원 2021-096300호의 우선권을 주장하는 것이며, 그 전체 내용을 참조로써 여기에 원용한다.
1 감시 시스템
10 기기
20 제어 장치
30 감시 장치(진단 장치)
31 외부 인터페이스
31A 기록 매체
32 보조 기억 장치
33 메모리 장치
34 CPU
35 통신 인터페이스
36 입력 장치
37 표시 장치
40 단말 장치
301 배치 데이터 기억부
302 데이터 축적부
303 모델 생성 처리부
304 정상 모델 기억부
305 진단 처리부
306 모델 변경 처리부
3031 데이터 취득부
3032 전처리부
3033 데이터 변환부
3034 모델 생성부(생성부)
3051 데이터 취득부
3052 전처리부
3053 지표값 연산부
3054 진단부
3055 통지부
3061 변경 지령부
3061A 변경 지령부
3061B 변경 지령부
3062 설정부
3062A 설정부(제1 설정부)
3062B 설정부(제2 설정부)
3062C 설정부(제3 설정부)

Claims (14)

  1. 사전에 취득되며 기기 또는 설비의 소정 기간마다의 시계열적 가동 상태를 나타내는 가동 데이터에 기초하여, 상기 기기 또는 설비의 정상 가동 상태를 나타내는 정상 모델을 생성하는 생성부와,
    상기 정상 모델과, 사후에 취득되며 상기 기기 또는 설비의 상기 소정 기간마다의 상기 가동 데이터에 기초하여, 상기 기기 또는 설비의 가동 상태 이상에 관한 진단을 실시하는 진단부를 포함하며,
    상기 생성부는 상기 진단부에서 사용되는 상기 정상 모델을 자동으로 갱신하는 것인 진단 장치.
  2. 제1항에 있어서,
    상기 생성부는 상기 기기 또는 설비의 가동 상태의 정상 범위의 경시 변화에 따라 상기 진단부에서 사용되는 상기 정상 모델을 자동으로 갱신하는 것인 진단 장치.
  3. 제1항 또는 제2항에 있어서,
    상기 생성부는 제1 조건이 성립하면 상기 진단부에서 사용되는 상기 정상 모델을 자동으로 갱신하는 것인 진단 장치.
  4. 제3항에 있어서,
    상기 제1 조건은, 상기 진단부에 의해 정상이라고 진단되는 범위 내에서 상기 기기 또는 설비의 상기 소정 기간의 상기 가동 데이터가 상기 정상 모델에 대해 상대적으로 크게 괴리되어 있을 것, 상기 진단부에서 사용되는 상기 정상 모델의 사용 개시시 또는 상기 생성부에 의해 상기 정상 모델의 생성에 사용된 상기 소정 기간마다의 상기 가동 데이터의 취득 종료시를 기준으로 상기 기기 또는 설비에 의해 생산되는 물품의 생산 갯수가 소정 기준을 초과할 것, 상기 진단부에서 사용되는 상기 정상 모델의 사용 개시시 또는 상기 생성부에 의해 상기 정상 모델의 생성에 사용된 상기 소정 기간마다의 상기 가동 데이터의 취득 종료시를 기준으로 경과 시간이 소정 기준을 초과할 것, 또는 상기 진단부에서 사용되는 상기 정상 모델의 사용 개시시 또는 상기 생성부에 의해 상기 정상 모델의 생성에 사용된 상기 소정 기간마다의 상기 가동 데이터의 취득 종료시를 기준으로 상기 기기 또는 설비의 주변 환경 조건에 상대적으로 큰 변화가 생겼을 것인 진단 장치.
  5. 제3항에 있어서,
    유저로부터 입력을 접수하는 제1 입력부와,
    상기 제1 입력부에 의해 접수되는 소정의 입력에 따라 상기 제1 조건에 관한 설정을 행하는 제1 설정부를 포함하는 진단 장치.
  6. 제1항 또는 제2항에 있어서,
    상기 생성부는 상기 진단부에 의한 상기 진단에 사용된 상기 소정 기간마다의 상기 가동 데이터에 기초하여 상기 진단부에서 사용되는 상기 정상 모델을 자동으로 갱신하는 것인 진단 장치.
  7. 제6항에 있어서,
    상기 생성부는, 갱신 전의 상기 정상 모델을 생성하기 위해 사용한 복수 개의 상기 소정 기간마다의 상기 가동 데이터 중 일정 갯수 또는 일정 비율을 상기 진단부에 의해 갱신 전의 상기 정상 모델에 기초한 상기 진단에 사용된 상기 소정 기간마다의 상기 가동 데이터로 치환한 복수 개의 상기 소정 기간마다의 상기 가동 데이터에 기초하여, 상기 진단부에서 사용되는 상기 정상 모델을 자동으로 갱신하는 것인 진단 장치.
  8. 제6항에 있어서,
    상기 생성부는, 상기 진단부에 의해 갱신 전의 상기 정상 모델에 기초한 상기 진단에 사용된 직전 소정 갯수의 상기 소정 기간마다의 상기 가동 데이터에 기초하여, 상기 진단부에서 사용되는 상기 정상 모델을 자동으로 갱신하는 것인 진단 장치.
  9. 제6항에 있어서,
    유저로부터 입력을 접수하는 제2 입력부와,
    상기 제2 입력부에 의해 접수되는 소정의 입력에 따라, 상기 생성부가, 상기 진단부에 의해 상기 진단에 사용된 상기 소정 기간마다의 상기 가동 데이터에 기초하여, 상기 진단부에서 사용되는 상기 정상 모델을 자동으로 갱신하는 방법에 관한 설정을 행하는 제2 설정부를 포함하는 진단 장치.
  10. 제1항 또는 제2항에 있어서,
    상기 진단부는, 상기 생성부에 의해 갱신된 상기 정상 모델이 상기 기기 또는 설비의 가동 상태의 정상 범위에 대해 소정 기준을 초과하여 괴리된 경우에, 상기 진단에 사용되는 상기 정상 모델을 갱신 전의 상기 정상 모델로 되돌리는 것인 진단 장치.
  11. 제10항에 있어서,
    상기 진단부는, 상기 생성부에 의해 갱신된 상기 정상 모델이 상기 기기 또는 설비의 가동 상태의 정상 범위에 대해 소정 기준을 초과하여 괴리되었다고 판단할 수 있는 제2 조건이 성립하는 경우에, 상기 진단에 사용되는 상기 정상 모델을 갱신 전의 상기 정상 모델로 되돌리며,
    상기 제2 조건은, 상기 정상 모델의 갱신 전후에 있어 상기 진단부에 의해 상기 기기 또는 설비의 가동 상태에 이상이 있다고 진단되는 빈도가 소정 기준을 초과하여 증가했을 것, 또는 상기 정상 모델의 갱신 전후에 있어 상기 진단부에 의한 진단 결과가 상기 기기 또는 설비의 가동 상태의 정상 범위로부터 괴리되는 방향으로의 소정 기준을 초과한 변화를 나타내는 것인 진단 장치.
  12. 제11항에 있어서,
    유저로부터의 입력을 접수하는 제3 입력부와,
    상기 제3 입력부에 의해 접수되는 소정의 입력에 따라 상기 제2 조건에 관한 설정을 행하는 제3 설정부를 포함하는 진단 장치.
  13. 진단 장치가, 사전에 취득되며 기기 또는 설비의 소정 기간마다의 시계열적 가동 상태를 나타내는 가동 데이터에 기초하여, 상기 기기 또는 설비의 정상 가동 상태를 나타내는 정상 모델을 생성하는 생성 단계와,
    상기 진단 장치가, 상기 정상 모델과, 사후에 취득되며 상기 기기 또는 설비의 상기 소정 기간마다의 상기 가동 데이터에 기초하여, 상기 기기 또는 설비의 가동 상태 이상에 관한 진단을 실시하는 진단 단계를 포함하며,
    상기 생성 단계에서는 상기 진단 단계에서 사용되는 상기 정상 모델이 자동으로 갱신되는 것인 진단 방법.
  14. 진단 장치로 하여금,
    사전에 취득되며 기기 또는 설비의 소정 기간마다의 시계열적 가동 상태를 나타내는 가동 데이터에 기초하여, 상기 기기 또는 설비의 정상 가동 상태를 나타내는 정상 모델을 생성하는 생성 단계와,
    상기 정상 모델과, 사후에 취득되며 상기 기기 또는 설비의 상기 소정 기간마다의 상기 가동 데이터에 기초하여, 상기 기기 또는 설비의 가동 상태 이상에 관한 진단을 실시하는 진단 단계를 실행시키며,
    상기 생성 단계에서는 상기 진단 단계에서 사용되는 상기 정상 모델이 자동으로 갱신되는 것인 진단 프로그램으로서, 기록 매체에 저장된 진단 프로그램.
KR1020220050308A 2021-06-09 2022-04-22 진단 장치, 진단 방법 및 진단 프로그램 KR20220166179A (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JPJP-P-2021-096300 2021-06-09
JP2021096300A JP2022188345A (ja) 2021-06-09 2021-06-09 診断装置、診断方法、診断プログラム

Publications (1)

Publication Number Publication Date
KR20220166179A true KR20220166179A (ko) 2022-12-16

Family

ID=84296030

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020220050308A KR20220166179A (ko) 2021-06-09 2022-04-22 진단 장치, 진단 방법 및 진단 프로그램

Country Status (4)

Country Link
JP (1) JP2022188345A (ko)
KR (1) KR20220166179A (ko)
CN (1) CN115454012A (ko)
TW (1) TWI831186B (ko)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6733164B2 (ja) 2015-02-26 2020-07-29 富士電機株式会社 プロセス監視装置、プロセス監視方法及びプログラム

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5369246B1 (ja) * 2013-07-10 2013-12-18 株式会社日立パワーソリューションズ 異常予兆診断装置及び異常予兆診断方法
JP6606003B2 (ja) * 2016-03-31 2019-11-13 株式会社東芝 プロセス診断装置、プロセス診断方法及びコンピュータプログラム
JP6723669B2 (ja) * 2016-09-27 2020-07-15 東京エレクトロン株式会社 異常検知プログラム、異常検知方法および異常検知装置
JP6869755B2 (ja) * 2017-03-07 2021-05-12 オークマ株式会社 状態診断装置
JP7082461B2 (ja) * 2017-07-26 2022-06-08 株式会社Ye Digital 故障予知方法、故障予知装置および故障予知プログラム
CN108731923B (zh) * 2018-03-28 2020-11-03 中控技术（西安）有限公司 一种旋转机械设备的故障检测方法及装置
JP7229861B2 (ja) * 2019-06-20 2023-02-28 株式会社日立製作所 故障予兆診断装置およびその方法
KR20210041724A (ko) * 2019-10-08 2021-04-16 엘지전자 주식회사 전기차 충전기의 고장 예측 장치 및 방법
JP2021082384A (ja) * 2019-11-14 2021-05-27 パナソニックＩｐマネジメント株式会社 学習済みモデルの生成方法、装置、およびプログラム
CN112329183A (zh) * 2020-11-06 2021-02-05 北京三一智造科技有限公司 设备状态数据获取方法、装置、电子设备及存储介质

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6733164B2 (ja) 2015-02-26 2020-07-29 富士電機株式会社 プロセス監視装置、プロセス監視方法及びプログラム

Also Published As

Publication number Publication date
TWI831186B (zh) 2024-02-01
JP2022188345A (ja) 2022-12-21
TW202248779A (zh) 2022-12-16
CN115454012A (zh) 2022-12-09

Similar Documents

Publication Publication Date Title
US10671503B2 (en) Mobile application interactive user interface for a remote computing device monitoring a test device
EP3742358A1 (en) Cloud and edge integrated energy optimizer
RU2720753C1 (ru) Способ эксплуатации системы контроля состояния вибрационной машины и система контроля состояния
WO2020008760A1 (ja) 異常検知システム
CN106575282A (zh) 用于先进过程控制的云计算系统和方法
Cachada et al. Using internet of things technologies for an efficient data collection in maintenance 4.0
US20230161337A1 (en) Diagnostic device, server, and diagnostic method
WO2019125976A1 (en) Switching from calendar-based to predictive maintenance: a leaner and faster software-based solution orchestrating data driven forecasting models
JP2019144716A (ja) 非定常状態検出システム、及び非定常状態検出方法
JP2023106444A (ja) 情報処理システム、情報処理方法及び情報処理装置
US20190310311A1 (en) Flexible and scalable monitoring systems for industrial machines
US20210406705A1 (en) System and method for collecting training data
WO2020085084A1 (ja) 制御システムおよび制御方法
KR20220166179A (ko) 진단 장치, 진단 방법 및 진단 프로그램
CN110650188B (zh) 一种hmi设备的远程控制方法、系统及计算机设备
US20220011764A1 (en) Predictive maintenance device, method, and system for industrial machine
JP2018156373A (ja) 設備保全情報管理システム及び設備保全情報管理方法
CN114371076A (zh) 工件应力值的测试方法、系统、电子设备及存储介质
JP2023031722A (ja) ログ情報分析支援装置、分析システム、ログ情報分析支援方法、及びプログラム
US20220113347A1 (en) Monitoring systems for industrial machines having dynamically adjustable computational units
JP2017076164A (ja) 機器監視装置およびアラート情報管理方法
CN116201741A (zh) 一种基于物联网的渣浆泵健康监控系统
JP2023102512A (ja) 予兆診断処理生成装置、予兆診断システム、及びプログラム
CN112835334A (zh) 工业数据平台测试方法、装置、计算机设备和存储介质
JP2021086220A (ja) 制御方法、制御装置、機械設備、制御プログラム、記録媒体