TW200819723A - Method and system for diagnosing equipment, and recording medium thereof - Google Patents
Method and system for diagnosing equipment, and recording medium thereof Download PDFInfo
- Publication number
- TW200819723A TW200819723A TW96124175A TW96124175A TW200819723A TW 200819723 A TW200819723 A TW 200819723A TW 96124175 A TW96124175 A TW 96124175A TW 96124175 A TW96124175 A TW 96124175A TW 200819723 A TW200819723 A TW 200819723A
- Authority
- TW
- Taiwan
- Prior art keywords
- series data
- time
- state
- calculated
- time series
- Prior art date
Links
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
- G05B23/0227—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
Description
200819723 九、發明說明: 【發明所屬之技術領域】 本發明係關於一種診斷設備狀態之設備診斷方法、設備 診斷系統及電腦程式。 【先前技術】 Γ- c 在大規模工廠等地,會設置製造設備及空調設備等多數 之機械設備。以往為察覺該等設備之異常狀況,都是由訓 練有素之維修保養人員巡視,以耳辨音或以視認、觸診的 方式檢查振動規律等,來診斷設備之狀態。 對此,舉例而言,業界已提出一種非接觸式之設備診斷 方法(專利文獻1),其係藉由聲響法而精確檢測空調用之風 扇或泵浦之各種異常,以預防設備因故障而停止運作。專 利文獻1之技術係於比較預先測定之正常時之聲壓訊號與 /則疋時之聲壓訊號以檢測異常訊號方面,首先,將訊號分 離成對應於疑轉頻率之低頻率域及對應於構件之固有振動 數之高頻率域。接著,使用運用線性預測法之AR模型 (A咖Regressive自動迴歸模型)之濾波器,藉由從測定時 之聲壓訊號中除去正堂主 吊寻之聲壓訊號之特性而得之値,以 檢測風扇及泵浦之異常。 以 例 物 非::::’有—種使用近年來之混洗時間序列分析 非線性力學理論為装# 如,專利… 時間序列資料之分析方法 如 导利文獻2之目的Α 流量等各種時間序列資之夕供一種耗電量、耗氣量、物 適用於短期預測等」=多面性且综合性之分析,例如 夺間序列資料非線性分析系統。專利 122323.doc 200819723 文獻2之時間序列資料非線性分析系统,係根據藉由時間 序列資料之嵌入處理而重新組態之狀態空間内之執道資 料,進仃軌道顯示分析、維度分析、李昂普諾夫 (Lyapunov)頻譜分析、熵分析及決定論非線性預測分析等 之多面性分析。然後一面相互使用各分析結果,一面進行 系示合性處理。 此外,業界已提出一種輸出精確反映有機體等之複雜且 微妙之組織狀態之診斷資訊之超音波診斷裝置之技術(專 利文獻3)專利文獻3之技術係將從吸引子上隨機選擇之 基準點之位置向量作為對象向量,搜尋對象向量之κ個附 近點而設定該等之位置向量。然後,針對各基準點及K個 附近點,檢測τ步驟後(τ時間經過後)之位置向量。接著, 針對各基準點及κ個附近點,計算出表示於T步驟後之移 動i之並進向量,而從基準點之並進向量及κ個附近點之 並進向量中,算出平移誤差(向量離散)。 … 專利文獻1:曰本特開平10-133740號公報 專利文獻2 :日本特開平6-96055號公報 專利文獻3 :日本特開2005-95327號公報 【發明内容】 (發明所欲解決之問題) 先則之設備診斷方法由於是藉由維修保養人員之巡視來 進仃診斷,故難以實現維修保養之自動化、省力化。再 者,為進行振動檢測,必須依每種設備配備為數眾多之减 測器此外,其多半是以設備廠商所建議之週期而判定之 122323.doc 200819723 維修時期為準進行定期保養,而非根據設備之狀態事前預 測維修時期或檢測異常。 以專利文獻1之技術而言,必須因應每種設備之特性差 八凋正異曰之頻率及檢測值。此外,當無法看出正常時 之聲音與異常時之聲音之頻譜分佈之特性差異之情形時, 則難以檢測異常。 Ο
/專利文獻2之技術係關於一種時間序列資料非線性分析 系、先然而就如何根據時間序列資料進行短期預測方面並 ^提出具㈣明。此外’在專利文獻2中,並未揭示進行 f /斷之n專利文獻3之技術係關於一種有機體等 之超9波0斷裝置’然而在專利文獻2中,並未揭示設備 之時間序列資料與設備狀態之關係。 本發明係有鑑於上述情形而完成者,其目的在於提供一 種無需各設備具備許多感測器且高精度之設 設備診斷系統。 久 (解決問題之技術手段) 树明之第1觀點之設備診斷方法,其特徵在於包含: 貝料取得步驟,其係取得表 之變數,且隨時間而變動之時間序成;;料斷者對象之設備狀態 決定論性算出步驟,1你Λ ‘ .a /、係由在前述資料取得步驟取彳 時間序列資料,算出成為前 二驟取件之 決定論或解論之指標之表干㈣資料為 级i 之表不決定論性之値者,·及 警=定㈣,錢當在前料定純 表…論性之值超過特定臨限值而有所變化之情二之 122323.doc 200819723 判定前述設備為應警告之狀態者。 本發明之第2觀點之設備診斷系統, 貧料取得部,其係取彳 ,、特被在於包含·· 變數,且隨時間@ 為沴斷對象之設備狀態之 丨通f間而變動之時間序列資料 決定論性算㈣,其係由在前 序列資料,算出杰盔义+ 、枓取仔部取得之時間 論或機率論之指^达時間序列資料為決定 毯& 4之表^七切之値者;及 ^判定部,其係在前料定論 定論性之值超過特定臨限值 出=异出之表不決 述設備為應警告之狀態者。 滑形時判疋則 本發明之第3觀點之電腦程式, 部發揮功能: 彳又隹於彳乍為以下各 資料取得部,其係取得表示 „炫士 風马%斷對象之設備狀態之 …且隨時間而變動之時間序列資料者; 決定論性算出部,並在士 — 1 序列資料,算::則述資料取得部取得之時間 4 +前料料列資料為決定 挪或機率紅指標之表示衫論性之値者·及 —If列疋部、,其係在前述決定論性算出部算出之表示決 疋生之值超過特定臨限值而有所變化之情形時,判定前 述设備為應警告之狀態者。 本發月中之所謂設備為警告狀態,是指該設備處於需要 檢查/維護之狀態、基於預防維護而需要更換零件或元件 』之狀I、或者已發生某種障礙或故障之狀態等。 【實施方式】 122323.doc 200819723 (實施形態1) 以下參照圖式,详細說明本發明之實施形態。此外,對 於圖中相同或相當部分均標註相同符號,而不重複贅述該 部分之說明。以下舉出以半導體製造裝置等之壓縮機作為 診斷對象之設備診斷系統為例進行說明。 圖1係表示本發明之實施形態i之設備診斷系統丨之邏輯 構造之區塊圖。没備診斷系統i包含以下而構成··資料取 得部21、嵌入向篁產生部22、近接向量擷取部23、平移誤 差運异部24、中央値運算/平均處理部25、資料保持部5、 故障判定部26、顯示處理部27、顯示裝置7及印表機裝置8 等。在資料保持部5中,記憶與保持表示作為故障診斷之 對象之設備狀態之收集時間序列資料5丨、嵌入向量資料 52、最近接向量資料53及平移誤差資料54。 在此說明作為平移誤差及表示其為決定論性之指標。使 用Wayland等之時間序列分析演算法(R· Wayland,D.
Bromley, D. Pickett, and A. Passamante, Physical Review Letters,V〇l· 7〇,pp· 580-582,1993 ),可於複雜變動中定 量化評估可認定之決定論層面之程度。 根據時間序列資料{r(ti)}(i=0、…、N_l),產生某時刻ti 之嵌入向量:
r(ti)={r(ti)}、r(ti-At)、…、r(ti-(n-l)At))T 上標字1'表示轉置矩陣。η為適當之嵌入維數。At係例如 從相互資訊量中選擇之適當時差。 從嵌入向量之集合中,擷取某喪入向量r(t〇)之K個最近 122323.doc -10- 200819723 接向里向里間距離係以歐幾里德(Euclidean)距離測量。 K個最近接向量寫作r⑹㈣、··.、κ)。對於各船⑹,經 過㈣t?後之向量為r(tj + TAt)。此時,伴隨時間經過 之肷入向置之執道變化,係藉由下式而決定近似值: v(tj)=r(tj+TAt)-r(tj) (1)
若夺間& Sf月形看似$決定論,則近似於近接向量之各 執道群之部分,應會於TAt移轉至近接部分。因此,v⑹ 之方向離散’即為所觀測之時間發展看似為決定論之程度 之定量化評估指標。v(tj)之方向離散係以下式決定。 〔數式1〕
Etrans K + 1 J=〇 llvll (2)
_ 1 K v=— y v(tj) κ + ιρ〇 (3)
Etrans稱作平移誤差(transiati〇ll err〇r)。為控制從r⑴o之 選擇中產生之Etrans誤差,故重複Q次求出隨機選取的“個 之與r(t〇)相關之Etl:ans之中央値之操作,以Q個中央値之平 均値來評估Etrans。隨著時間序列資料之決定論層面增 加,Etrans將成為〇。若時間序列資料為白色雜訊,則微分 向篁v(tj)成同樣等向分佈,故作為中央値之以以旧為接近i 之値。若為時間序列資料具有明顯線性相關性之隨機過 程’因其自我相關性故近接執道群之方向會成某種程度之 收歛,故Etrans會成為小於1之値。 根據數値實驗,得知Etrans>0_5。在〇.l<Etrans<〇.5之 122323.doc 200819723 範圍内,有可能出現隨機過程之情形,亦或有可能成為失 雜觀測雜訊之決定論時間序歹,】。若Etrans<〇 l,則無法解 釋為隨機過程,而完全認定為決定論層面。 在本實施形態中,係以平移誤差表示作為指示於 斷對象之設備狀態之時間序列資料之決定論性為指禪 利用該指標診斷設備之故障。若設備在正常狀態下之時間 序列資料為機率論,亦即平移誤差為較大値之情形時,备 平移誤差超過特定臨限值而變成較小値時,即判斷設備: 障。例如,以保持一定之溫度及旋轉速度等而進行控制之 設備而言’作為時間序列資料之溫度或旋轉速度會因各種 干擾而不規則變動’此為機率論。當溫度或旋轉速度之變 動之決定論層面增加時,即可判定為發生某種^性要因 (故障)。 反之’若設備在正常狀態下之時間序列資料為決定論, 亦即平移誤差為較小値之情形時,當平移誤差超過特定臨 限值而變成較大値(接近1)0夺,即判斷設備故障。例如,當 加工用機台升降時’由於聲響、振動、位移等之時間序: 資料受到升降控制動作所支配,故視作決定論。由此,, 聲響、振動、位移等之時間序列資料中的機率論層面增二 時,即可判斷發生控制以外之外因(障礙)。 由於平移誤差為連續變化之値,只要將臨限值設定成適 當之値,即可區料斷對象設備之各種㈣。例如, 區別需要進行清潔或加注㈣油等之檢查/維護之狀離、 雖不至於出現障礙但已有磨耗等情形而最好更換零件等以 122323.doc -12- 200819723 =預防維護之狀態,或者已發生障礙之狀態等。在本發 —將該等狀態統稱作警告狀態。實際上應在何種狀態 、丁 ^ 口(如何设疋臨限值),係考量作為診斷對象之設 用途、障礙之影響或經濟特性等而進行選擇。 立回到圖1’說明設備診斷系統i之各部之作用。資料取得 部21係收集指示珍斷對象之設備狀態之時間序列資料,並 =憶於資料保持部5作為收集時間序列資料51。時間序列 資料例如有溫度、流量、液面高度、壓力、旋轉速度、位 移、聲響、振動等。時間序列資料係從各種感測器(未圖 示)依適當週期進行取樣並輸入。 嵌入向量產生部22係根據收集時間序列資料51而產生前 述之嵌入向量r(ti)。嵌入向量之維數11及時差&,係配合時 間序列資料之特性而預先設定。嵌入向量產生部22係將所 產生之嵌入向量之集合記憶於資料保持部5(嵌入向量資料 52) 〇 ' 近接向量擷取部23係從嵌入向量之集合中選擇任意之嵌 入向量r(t〇),並擷取最接近從嵌入向量之集合中選擇之嵌 入向量r(t〇)之K個嵌入向量(最近接向量)r(tj)(j=:〇、i、…、 K)。近接向量擷取部23係針對隨機選擇之M個嵌入向量, 擷取最近接向量,並將其記憶於資料保持部5(最近接向量 資料53)。近接向量之個數Κ及選擇數Μ,係用以控制平移 誤差運算之統計誤差,配合時間序列資料之性質而預先設 定。再者’近接向量擷取部23係重複Q次進行撾個欲入向 量之隨機選擇,及該等之最近接向量擷取。 122323.doc •13- 200819723 平移誤差運算部24係根據最近接向量之組,計算作為該 專之方向離散之平移誤差Etrans。此外,平移誤差運算部 24係針對卩现機選擇之μ個傲入向量之最近接向量而計算平 移誤差Etrans。再者,平移誤差運算部24係針對Q次之乂個 嵌入向量之最近接向量之組,計算平移誤差Etrans,並將 該等之値記憶於資料保持部5(平移誤差資料54)。 中央値運算/平均處理部25係求出每1次之Μ個平移誤差 之中央値,重複進行此動作q次,而算出各個中央値之平 均。平移誤差之平均値係輸入到故障判定部26。故障判定 部26係比較特定臨限值與平移誤差之平均値,當平移誤差 之平均値超過臨限值而有所變化之情形時,即判定對象設 備處於警告狀態。 & 如前所述,若正常狀態下之平移誤差為機率論之情形 時,當平移誤差之平均値變成小於臨限值時,判定為尊止 狀態二此外,若正常狀態下之平移誤差為決定論之情: 時,S平移誤差之平均値變成大於臨限值時,判定邀主 狀態。 吕σ 顯示處理部27係於顯示裝置7中,顯示例如平移誤差之 平均値之推移,及故障判定部26所做之故障判…, 外声:並同時將該等資料透過印表機裝置8列印輪出二 不處理部27亦可將時間序列資料、平移誤差一 ,,、 ^顯示處理部27亦可在故障判定部26判斷為^之^ 時’以閃爍燈號或鳴響警告器等方式進行警告輸 月/ 圖2係表示設備診斷系統!之物理構造之1 =區_。 122323.doc -14- 200819723 圖1所不之本發明之設備診斷系統1,其硬體如圖2所示係 包含以下而構成:控制部u、主記憶部12、外部記憶部 13、操作部14、畫面顯示部15、列印輸出部16、收發部 17、顯示裝置7及印表機裝置8。主記憶部12、外部記憶部 13、操作部14、畫面顯示部15、列印輸出部16及收發部p 皆經由内部匯流排1 〇而連接於控制部丨j。 控制部 11 由 CPU(Central Processing Unit:中央處理器) 等而構成,其係依據記憶於外部記憶部丨3中之程式,執行 資料取得部21、嵌入向量產生部22、近接向量擷取部、 平移誤差運算部24、中央値運算/平均處理部25、故障判 定部26及顯示處理部27之處理。資料取得部21、嵌入向量 產生部22、近接向量擷取部23、平移誤差運算部24、中央 値運算/平均處理部25、故障判定部26及顯示處理部27, 係藉由控制部11及在其上執行之程式而實現。 主。己'丨思部12係由RAM(Random-Access Memory :隨機存 取記憶體)等而構成,作為控制部11之作業區域之用。資 料保持部5係記憶保持於主記憶部12之一部分中作為記憶 區域之構造體。 外部記憶部13係由快閃記憶體、硬碟、DVD(Digital
Versatile Disc :數位多用途光碟)、DVD-RAM(Digital Versatile Disc Random-Access Memory :數位多用途光碟 k 機存取記憶體)、DVD_RW(Digital Versatile Disc Re Writable :可讀寫式數位多用途光碟)等非揮發性記憶體 而構成。外部記憶部13係預先記憶用以使控制部丨1進行前 122323.doc -15- 200819723 述處理,程式。此外,外部記憶部13會依據控制部u之指 :提:该程式之資料提供給控制部11,並記憶由控制部11 記憶部=資料。例如,時間序列資料有可能會收納於外部 知作部14具備操作人員用以對設備診斷系統1下達指令 =開關、撥盤、鍵盤及滑鼠等之指向裝置等,及將該等 二=部匯流排10之介面裝置。由操作人員所輸入之故 早判疋條件、時間序列資料、故障料之開始等之指令, 均經由操作部14輸入,並提供給控制部u。其他尚有喪入 、·數η時差Δί、近接向量之個數尺、嵌人向量之選擇數Μ 及重複運算次數Q等,會由操作人員經由操作部叫 設定。 顯示裝置7係由CRT(Cathode Ray Tube:陰極射線管)或 = D(LlquidCrystalDisplay :液晶顯示器)等而構成。顯示 :置7依據因應由操作人員輸入的指令之控制部u之命 令々’而顯示時間序列資料、平移誤差之推移、故障診斷結 果等。畫面顯不部15係將顯示於顯示裝置7之晝面上之資 料’轉換成驅動顯示裝置7之訊號。 、 、列印輸出部16係包含與印表機裝置8連接之序列介面、 並列介面或LAN(L〇cal Area Network :區域網路)介面等而 構成。控制部iH系經由列印輸出部16,向印表機裝㈣ 出所要列印之顯示資料。 收發部17係包含數據機或網路終端裝置,及與該等連接 之序列介面或LAN(L〇cal Area Network :區域網路)介面而 122323.doc • 16 - 200819723 之時門痒 卜經由收發部17而輸人來自各感鄉器 間序列資料。時間序列資料有可能收納於未圖示之盆 他飼服器等。該情形時,控制仙係經由收發部17,透過 網路(未圖示)而從祠服器等接收時間序列資料。 圖3係表示將麼縮機3作為診斷對象的情形之設備診斷系 統1:構造例之圖。輸入壓縮機3之聲音之麥克風2連接於 叹備珍斷系統1。設備診斷系統i係依某種週期取樣並收集 =麥克風Μ聲響感測器)輸入之聲響訊號,作為時間序列資 ^ 1壓縮機3定常運轉時,聲響訊號之時間序列資料在正 :情況:視為機率論。因此’當根據聲響訊號之時間序列 育料所算出之平移誤差小於某個臨限值時’可判斷壓縮機 3處於警告狀態。 其次針對設備診斷系統i之動作進行說明。又如上述, 設備診斷系統丨之動作,係由控制部u與主
Lj 部記憶-、操作部14、晝面顯示部15、列印 收發部17協同進行。 圖4係表示使用平移誤差之設備診斷動作之一例之潘^ 圖。首先,輸入表示診斷對象設備之狀態之時間序列資= (步驟A1)。以圖3之壓縮機3之例而言,其係依某種週期取 樣並收集從麥克風2輸入之聲響訊號,作 料。 〗間序列資 根據收集到之時間序列資料,以所設定之嵌入維數11及 時差ΔΡ產生嵌入向量r(ti)(步驟A2)。從嵌入向量之集人 122323.doc -17- 200819723 中選擇任意之嵌入向量r(tG),並擷取最近接向量 (j)(j 〇 ···、κ)(步驟A3)。針對隨機選擇之μ個嵌入向量 擷取最近接向量,再者,重複進行Q&M個嵌入向量之隨 機選擇,及該等之最近接向量之擷取。 針對隨機選擇之M個嵌入向量之最近接向量計算平移誤 差Etrans,再者,針對Q次之M個嵌入向量之最近接向量之 組,計算平移誤差(步驟A4)。然後,針對μ個嵌入向量之 最近接向量求出平移誤差Etrans之中央値,並針對μ個平 移誤差之組之中央値求出Q次之平均値(步驟Α5)。 根據平移誤差之平均値判定故障(步驟Α6)。圖5係表示 故障判定之動作之一例之流程圖。依據正常狀態之判定値 (在此情形中為平移誤差)是否為機率論(亦即大於臨限值) 或決定論(亦即小於臨限值),而變更故障判定之基準(步驟 Β1) 〇 若正常狀態之判定値大於臨限值之情形時(步驟Β 1 ; > 臨限值)’當目前之判定値(平移誤差之平均値)低於臨限值 時(步驟Β2 ; Yes),判定為故障(步驟Β3)。另一方面,當判 定値大於臨限值時(步驟Β2 ; No),則不判定為故障。 若正常狀態之判定値小於臨限值之情形時(步驟B 1 ; < 臨限值),當目前之判定値(平移誤差之平均値)高於臨限值 時(步驟B4 ; Yes),判定為故障(步驟B5)。另一方面,當判 定値小於臨限值時(步驟B4 ; No),則不判定為故障。 又於步驟B2、B3、B4、B5中,如前所述,亦可設定複 數個臨限值,以區別需要檢查/維護之狀態、需要更換零 122323.doc •18- 200819723 件以進行預防維護之狀態,及故障狀態。 回到,’若故障判定之結果為 形時(步驟A7 ; Yes),於顯 陣之情 Δ . '裝置上不設備故障(步驟 間。此外’亦可同時列印輸出到印表料置I若未(= 為故障之情形時(步驟Α7; Ν〇),則不顯示故障。 疋 可改為當判定値傾向於從正常値變成接近故障判定之臨^ 值之情形時’輸出要求進行檢查/維護之警告。 限 (實施例1) Ο ϋ 圖6係表示壓縮機3之聲響訊號之時間序列資料之例 表。圖6⑷係處於故障模式中之轴承更換前之聲 圖 圖6⑻係轴承更換後之正常狀態之聲響訊號。從二= 率頻谱中,看不出例如某種頻率之頻譜較大或較小之類的 特徵上之差異。以功率頻譜進行分析,難明確識別 或正常。 + 圖7係表示壓縮機3之音聲資料之平移誤差之例之圖表。 其中設橫轴為巍人維數、縱軸為平移誤差,顯示改變鼓入 維數並針對®6之軸承更換前與軸承更換後之聲響訊號而 計算平移誤差之結果"斤有的時差Μ皆為1〇個取樣週期。 圖7之八係針對軸承更換後⑽㈣之聲響訊號之平移誤差, B係針對軸承更換前(Bef—之聲響訊號之平移誤差。 在嵌入維數較小之範圍内,人與8之差異較小,作是备 拔入維數在5以上時則之差異明顯。設定適當之臨二 值,當平移誤差大於臨限值之情形時為正常,平移誤差低 於臨限值之情形時即可判斷為故障。在本例中,最好㈣ 122323.doc -19- 200819723 入維數設為6以上。 本發明之設備診斷方法及設備診斷系統 列資料之背後之衫論構歧量化,# ^時間序 換而根據時間序列資料重$ 遲座標轉 J斤幻貝科重新組恶相位空間之軌道。 :如:較是乍看之下不同之時間序列資料但功率_趨 皮相:之貝枓’亦可定量化表現出正常時與故障時之時間 列貝料之差異。由此’即使是較少之資料數亦可進行言 精度之故障診斷。 ^
(實施形態2) 其次說明使用排列熵作為表示決定論性之値的情形之設 備診斷系統i。圖8係表示本發明之實施形態2之設備診^ 系統1之邏輯構造之區塊圖。 ,備診斷系統1包含以下而構成:資料取得部21、嵌入 向畺產生22、實現頻度運算部28、排列熵運算部平 均處理部30、資料保持部5、故障判定部26、顯示處理部 27、顯示裝置7、印表機裝置8等。在資料保持料,記 憶並保持表示故障診斷對象設備之狀態之收集時間序列資 料5 1、欣入向篁資料52、排列實現頻度資料乃及排列熵資 料56。 在此說明作為排列熵及表示其為決定論性之指標。由
Bandt與 Pompe所導入之排列熵(c· Bandt anci Β. Pompe, Physical Review Letters,Vol· 88,pp.174102-1 〜174102-4, 2002·),係於無限長之時間序列中與K〇lm〇g〇r〇v_sinai熵 漸近等價之量,但在此將排列熵定義如下。 122323.doc -20- 200819723 根據特定時間内之日本„ ^ μ & 右…” 時間序列資料,產生某個維數η之所 有欣入向置Γ⑻。針對各嵌入向量,依嵌入向量之要素之 =小關係依升羃或降羃對要素標註㈣ _ !:編號之排:,係要素之數分鐘之編號之排列。= 疋時間之所有肷入向量, 喪入向量之個數。所叶數有相同升羃或降羃排列之 個數所汁數之個數即為具有該順 =。將相對於所有嵌入向量之個數之實現頻度設為: 對實現頻度。相對實現頻度之和為卜又栽入向量之時差 △t亦可^。例之情形時,嵌入向量⑽係由時間序列資 料之連績η個要素構成。 、 钱入向量之要素之大小關係之順序,係包含嵌入向量之 維數個數之順序之排列。至於嵌入向量之維數之個數η, 係將從In之η個個數之排列之集合設作π,將排列之华人 之要素(某種㈣)設作π。若將特定時間之㈣序列資料之 個數η又作Ν’將嵌入維數設作11、將時差設作^,則根據特
(J 定時間之時間序列眘+iL @ i ^ u 、枓所產生之敗入向量之個數為N_(n_ 1)△卜若將某種排狀實現頻度寫作mW,則某種排列π 之相對實現頻度Ρ(π)以下式(4)表示。 〔數式2] #-〇2 - 1)Δ, (4) 、相對實現頻度Ρ⑷等同於將時間變動之複雜性粗視化而 分類賴樣。转相對實現頻度Ρ⑻視為排列π之實現機率 而-十算貝Λ熵,可定量化評估原本之時間序列之複雜性 122323.doc -21 · 200819723 (决疋娜〖生)。將嵌入向量之維數個數之排列冗設為機率變 數,將相對實現頻度ρ(π)設為機率分佈之熵值即稱作排列 熵。排列熵係以下式(5)定義。 〔數式3〕 惟Ρ(π)==〇之項不予計算。 Ο
動係元全隨機過程。在此情況下, 藉由排列熵可定量化評估原本之時間序列之複雜性(決 定論性)。最單純之舉動係單調過程。在單調增加過程或 單調減少過程中’排列熵為最小。另一方面,最複雜之舉 由於可實現所有可能之 圖樣,故排列熵為最大。 π係嵌入維數η之排列,且排列之集合11包含η!個要素(排 列)’故依據數式(5)之定義,〇$Η⑷。下限對應 於單調增加過程或單調減少過程。上限表示完全隨機過 程。
Bandt與P〇mpe在對H(n)&n方面著眼於線性增加,而導 入由下式(6)定義之量。 〔數式4〕 κ♦继 /7-1 只要將h(n)以log2n!標準化 值即相當方便。 〔數式5〕 (6) 再使用由下式⑺定義之熵 122323.doc -22- 200819723 h^(n) h(n) 1〇g2n ! (7) (n)$ 1 成立。 i ^ 思者時間序列資料之決定論層面增 加,h*(n)將成為〇。 从上 f間序列資料為白色雜訊,則h* (η) 為接近1之值。 在本實施形態中,係 1糸使用將排列熵Η(η)或Η(η)標準化之 h (η)作為表示診斷對 斷對象设備之狀態之時間序列資料之決 疋論性之指標,以誇齡 ❼斷自又備之故障。若設備在正常狀態下 o u 之時間序列資料為機率从 機早哪 亦即排列熵為較大値之情形 時,當排列熵超過特 ▲ 、 限值而變成較小値時,即判斷設 備故障。例如,以彳 保持一疋之溫度及旋轉速度等而進行控 制之設備而言,作兔± 作為時間序列資料之溫度或旋轉速度會因 *干擾而不規則變動,此為機率論。當溫度或旋轉速度 =動之衫論層面增加(排列熵減少)時,即可判定為發 生某種固定性要因(故障)。 設備在正常狀態下之時間序列資料為決定論, 亦:排列熵為較小値之情形時,當排列滴超過特定臨限值 而變成#又大値(h (n)接近υ時’則判斷設備故障。例如, 當加工用機台升降時,由於聲響、振動、位移等之時間序 料受到升降控制動作所支配,故視作決定論。由此, 备聲響、振動、位移等之時間序列資料中之機率論層面辦 加(排列熵增大)车 曰 曰穴)時,可判斷為發生控制以外之外因(障 礙)。 由於排列熵係連續變化之値,故如同實施形態i之平移 122323.doc -23- 200819723 誤差’,、要將臨限值設定為適當之値,即可區別作為診斷 對象之α又備之各種狀態。例如,能夠區別需要進行檢杳/ 維蒦之n §1不至於出現障礙但最好更換零件等以進行 預防維濩之狀態,或者已發生障礙之狀態等。實際上應在 何種狀悲下進行警告(如何設定排列熵之臨限值),係考量 作為診斷對象之設備用途、障礙之影響或經濟特性等而: 行選擇。 回到圖8,說明設備診斷系統丨之各部之作用。資料取得 邛2 1係收集指示診斷對象之設備狀態之時間序列資料,並 記憶於資料保持部5作為收集時間序列資料51。時間序列 資料例如有溫度、流量、液面高度、壓力、旋轉速度、位 移、聲響、振動等。時間序列資料係從各種感測器(未圖 示)依適當週期進行取樣並輸入。 嵌入向量產生部22係根據時間序列資料而產生前述之嵌 入向ir(U)。嵌入向量之維數11及時差At,係配合時間序列 資料之特性而預先設定。嵌入向量產生部22係將所產生之 甘欠入向里之集合記憶於資料保持部5(嵌入向量資料U)。 實現頻度運算部28依搬人向量之要素之大小關係排定要 素之順序,針對特定時間内之所有嵌入向量,計數具 同順序之嵌入向量之個數。然後,實現頻度運算部28將所 汁數之排列之實現頻度記憶於資料保持部排列實現頻度 資料55)。 排列熵運算部29從排列實現頻度55轉換成相對實現頻 度,以計算排列熵。再者,言十算數式⑺之h*(n)。排列熵 122323.doc -24- 200819723 料保持部5(排列熵 運算部29將排列熵H(n)或h* (…記憶於資 資料56)。 平均處理部30將根據複數個特定時 丁「1之時間序列資料計 算而得之排列熵H(n)或h* (n)算出平均值。 丁 J值亦可未出排列熵 Η(η)或h (η)之移動平均。若特定時 丁间 < 時間序列資料長度 充分之情形時,亦可不進行平均處理。 排列熵Η⑻或h*⑷之平均値係輸入到故障判定部%。
在故障判定部26中,比較特定之臨限值與排列熵η⑻或h* (η)之平均値’當#列熵η⑻sW(n)之平均値超過臨限值 而有所變化之情形時,判定對象設備為警告狀態。 如前所述,若正常狀態下之排列滴為機率論:情形時, 當排列熵H(n)或h* (η)之平均値小於臨限值時,判定為警告 狀態。此外,若正常狀態下之排列熵為決定論之情形時, 當排列熵Η(η)或h* (η)之平均値大於臨限值時,判定為警告 狀態。 顯示處理部27係將例如排列熵Η(η)或h * (η)之平均値之 推移,及故障判定部26所做之故障判定結果顯示於顯示裝 置7。此外’其並同時將該等資料透過印表機裝置8列印輸 出。顯示處理部27亦可將時間序列資料、排列熵Η(η)或h* (η)—併輸出。此外’顯示處理部27亦可在故障判定部26判 斷為警告狀態之情形時,以閃爍燈號或鳴響警告器等方式 進行警告輸出。 在實施形態2中,設備診斷系統1之物理構造亦與實施形 態1相同。設備診斷系統1例如圖2之物理構造之區塊圖所 122323.doc -25- 200819723 示。資料取得部2 1、嵌入向量產生部22、實現頻度運算部 28、排列熵運算部29、平均處理部3〇、故障判定部26及顯 示處理部27,係藉由控制部U及在其上執行之程式而實 現。 實施形悲2之設備診斷系統1,例如在將圖3之壓縮機3作 為診斷對象之情形中,亦如設備診斷系統丨之構造所示。 輸入壓縮機3之聲音之麥克風2連接於設備診斷系統丨。設 備診斷系統1係依某種週期取樣並收集從麥克風2輸入之聲 ' 響訊號作為時間序列資料。 當壓縮機3定常運轉時,聲響訊號之時間序列資料在正 常情況下視為機率論。因此,當根據聲響訊號之時間序列 資料而算出之縱列熵小於某個臨限值時,可判斷壓縮機3 為警告狀怨’例如判斷為故障。 其次說明使用排列熵作為表示決定論性之値的情形之設 備診斷系統1之動作。又如前述,設備診斷系統丨之動作, U 係由控制部11與主記憶部12、外部記憶部13、操作部14、 畫面顯不部15、列印輸出部16及收發部17協同進行。 圖9係表示使用排列熵之設備診斷之動作之一例之流程 目。首1,輸入表示診斷對象設備之狀態之時間序列資料 ,(步驟C1)。以圖3之壓縮機3之例而言,其係依某種週期取 樣並收集從麥克風2輸入之聲響訊號,作為時間序列資 根據收集到之時間序列資料,以所設定之喪入維數η及 時差Δί,產生嵌入向量r(t)(步驟C2)。依嵌入向量之要素 122323.doc -26- 200819723 之=小關係排定要素之川貝序,針對特定時間内之所有嵌入 °里4 H相同順序之散人向量之個數作為實現頻度 (步驟C3)。 攸排列之實現頻度轉換成相對實現頻度,而計算排列熵 • (步驟C4)。再者,計算數式⑺之h*⑻。然後,將根據複 *個特&時間t時間序列資料計算而得之排列熵Η⑻或h* (η)算出平均值(步驟C5)。如前所述,平均處理亦可省略。 ζ : 根據排列熵叫…或11、11)之平均値判定故障(步驟C6)。至 &故障判定之動作與實施形態"目$ &,如目5之流程圖之 例所不。在實施之形態2中,由於僅將平移誤差改為排 列熵Η(η)或h*⑷,故省略故障判定動作之說明。 回到圖9之流程圖,若故障判定之結果為判定故障之情 形時(步驟C7,Yes),即於顯示裝置7上顯示設備故障(步驟 C8)。此外,亦可同時列印輸出到印表機裝置8。若未判定 為故障之情形時(步驟C7; No),則不顯示故障。此外,亦 1/ 可改為當判定値傾向於從正常値變成接近故障判定之臨限 值之情形時,輸出要求進行檢查/維護之警告。 (實施例2) 圖10係表示壓縮機3之音聲資料之排列熵之例之圖表。 其中設橫軸為嵌入維數,縱軸為標準化之排列熵h* (n), 顯示改變嵌入維數並針對圖6之軸承更換前與轴承更換後 之聲響訊號而計算排列熵之結果。所有的時差At皆為5個 取樣週期。圖7之A係針對軸承更換後(After)之聲響訊號予 以標準化之排列熵h*(n),B係針對軸承更換前(Bef〇re)之 122323.doc -27- 200819723 聲響訊號予以標準化之排列熵h* 。 在嵌入維數較小之範圍内,A與B之差異較小,但是當 嵌入維數在6至8之範圍時則A與B之差異明顯。設定適當 之臨限值,當排列熵H(n)或h*(n)大於臨限值之情形時判斷 為正常,當排列熵H(n)或h*(n)低於臨限值之情形時即可判 • 斷為故障。在本例中,最好將嵌入維數設為ό或7。 在圖1〇中,嵌入維數在9以上之範圍時八與6之差異變 小,且兩者皆為較小之値。這是因為嵌入維數相對於特定 時間之時間序列資料較大,故無法充分取得嵌入向量之個 數之緣故。當嵌入維數或時差變大之情形時,所產生之嵌 入向量之數會相對變少,故可能發生之排列個數(η丨)會變 多。因此,在此情況下,必須拉長特定時間以充分增大時 間序列資料之個數。 本發明之設備診斷方法及設備診斷系統丨,係將時間序 列貝料之为後之決定論構造定量化,藉由時間延遲座標轉 i......) 換而根據時間序列資料重新組態相位空間之執道。藉此, 例如即使疋乍看之下不同之時間序列資料但功率頻譜趨 於相同之資料,亦可定量化表現出正常時與故障時之時間 4列資料之差異。由此,即使是較少之資料數亦可進行高 精度之故障診斷。 (實施形態之應用) _係表示將半導體製造裝置作為診斷對㈣情形之設 備診斷系統1之構造之例。圖u之半導體製造裝置係包含 半導體基板之洗淨裝置之電鍍處理裳置4。 122323.doc -28 - 200819723 電鍍處理裝置4係包含匣盒載置台41及處理台“而構 成。匣盒載置台41係將從外部以晶圓匣為單位所提供之晶 圓從E盒43中運人電錢處理裝置4,或是將電錄處理後之 晶圓從電鏟處理裝置4中運出到匣盒43中。 E盒載置台41中設有E盒戴置台44,從外部提供收納有 要進行電鍍處理的晶圓之晶圓匣盒43。此外,在匣合戴置 台44中,已進行電鍍處理之晶圓會收納在運出用之匣盒 中。 1 在上述匣盒戴置台44上之晶圓運送,係藉由運送機構45 進行。運送機構45係能夠於X軸方向(垂直於紙面之方向) 移動,以便能夠存取載置於g盒戴置台44上之複數個晶圓 匣盒43,且能夠於z軸方向升降。此外,運送機構45能夠 以Z軸為中心進行旋轉,以便能夠從將晶圓處理台〇運送 到匣盒戴置台44。運送機構45具備檢測X軸方向及z軸方向 的位移之位移感測器及加速度感測器。此外並具備檢測z 軸周圍之旋轉角度之旋轉感測器及加速度感測器。 又於匣盒載置台4 1及處理台42中,藉由清淨空氣之降流 以保持内部環境氣體之清淨。電鍍處理裝置4為使環境氣 體之狀態保持穩定,而具備溫濕度感測器及風速感測器。 處理台42係於特定位置,具備各複數台之逐一進行晶圓 之電鍍處理之電鍍處理器46,及進行電鍍處理後之洗淨與 乾燥之洗淨乾燥器47。 在電鍍處理器46中,對已形成籽晶層之晶圓施加電鍍處 理,例如於晶圓上形成Cu薄膜。電鍍處理裝置4中具備檢 122323.doc •29- 200819723 测’合液溫度之溫度感測器,及用以控制藥液流量之液體流 量感測器。此外並具備用以感測溶液液面之光纖感測器, 及藥液泵浦用之壓力感測器或加速度感測器。 在洗淨乾燥器47中,以藥液、純水等之洗淨液洗淨電鍵 處理後的晶圓之表面、背面及周緣,洗淨後,在Ν2沖洗下 使晶圓高速旋轉,進行晶圓乾燥。洗淨乾燥器47中具備藥 液之溫度調整用之溫度感測器、液體流量感測器、液面感 測用之光纖感測器、藥液泵浦用之壓力感測器,及作為檢 測aa圓方疋轉速度之旋轉感測器之編碼器等。 前述之位移感測器、旋轉感測H、加速度感測器、溫濕 度感測器、風速感測器、溫度感測器、液體流量感測器、 光纖感測器及壓力感測器,為控制作為半導體製造裝置之 電鍍處理裝置4,而各自連接於未圖示之控制裝置。並同 時使該等之各感測器之輸出分化,而輸入到設備診斷系統 1 ° 亦可使用傳送各感測器之輸出之裝置,經由網路而連接 設備診斷系統1。藉由經由網路而連接設備診斷系 月b 夠以1台之設備診斷系統丨進行複數台設備之故障診斷。此 外,亦可從遠端進行設備之故障診斷。 設備診斷系統1將從各感測器輸入之訊號作為時間序列 資料,计异表示決定論性之値之平移誤差或排列熵,當該 等之値超過臨限值而有所變化之情形時,即判斷作為對象 之裝置為警告狀態。 例如,在溫度感測器、溫濕度感測器、風速感测器、光 122323.doc -30 - 200819723 纖感測器、晶圓之高速旋轉用之旋轉感測器等中,由於以 在保持一疋之値的方式加以控制,故將其輸出之變動視為 機率論。當該等時間序列資料變成決定論時,亦即當平移 誤差或排列熵低於臨限值時,可判斷為警告狀態。 (
'此外,例如在運送機構之位移感測器、旋轉感測器及加 速度感測器、藥液泵浦用之壓力感測器等中,由於是檢測 動作中之動量,故將該情況下之時間序列資料視為決定 論。當該等時間序列資料出現機率論之趨勢時,亦即平移 誤差或排_高於臨限值時,可判斷運送機構或藥液果浦 為警告狀態。 =“以上說明,根據本發明之設備診斷系統丨,例如圖 u之半導體製造裝置等,其係根據設備控制所制之感測 :之輸二而輸入並分析時間序列資料,而能夠進行設備診 立換口之’本發明之設備診斷系统j無需設置用以進行 I障之特別之感測器。此外,能夠在設備之動作狀態 中4斷其是否為警告狀態。 除此之外’前述之硬體構造係為其中_例 變更及修正。 me “包:二制部U、主記憶部12、外部記憶部13、操作部 排10等而部15、列印輸出部16、收發部17、内部匯流 專而構成之進行設備診斷處理之核心部分,益 專用之系、絶,可使用一般之電腦系統而實現:而二 將用以執行前述動作之電腦程式 二 ,’、可 之記錄婢俨… 飞1’並刀配於電腦可讀取 體㈣、⑶函、軸奶Μ等)巾,並將該電 122323.doc -31- 200819723 月自%式安裝於電腦上,而構成執行前述處理之設備診斷系 、,先1此外,亦可預先將該電腦程式收納於在網際網路等 之通訊網路上具有伺服裝置之記憶裝置,再透過一般之電 腦系統進行下載等而構成設備診斷系統i。 . 此外,在將設備診斷系統1之功能藉由OS(作業系統)及 應用私式之分擔,或0s與應用程式之協同運作而實現之情 形等中,亦可僅將應用程式部分收納於記錄媒體或記憶裝 置。 " Γ、 此外亦可使電腦程式與運送波重疊,而經由通訊網路 進行傳訊。例如,亦可於通訊網路上之電子佈告欄系統 (BS BuUetin Board System)中揭示前述電腦程式,再經 由網路傳送前述電腦程式。然後,啟動該電腦程式,在OS 之控制下’以與其他應用程式相同之方式執行,藉此實現 可執行前述處理之構造亦可。 本申明案係以2006年7月3曰提出之曰本專利申請書特願 u 2006-183887為基礎。在本說明書中,係將該案之說明 書、專利申請範圍、圖面之整體内容在此併入當成參考。 (產業上之可利用性) 本發明不分領域,皆可應用於大規模工廠等地中之製造 设備 '空調設備等之狀態診斷。 【圖式簡單說明】 圖1係表示本發明之實施形態〗之設備診斷系統之邏輯構 造之區塊圖。 圖2係表示設備診斷系統之物理構造之一例之區塊圖。 122323.doc -32- 200819723 象之情形之設備診斷系 圖3係表示將壓縮機作為診斷對 統之構造例之圖。 圖4係表 程圖。 示使用平移誤差之設備診斷 之動作之一例之流
圖5係表示故障判定動作之一例之流程圖。 圖6(a)、(b)係表示壓縮機之聲響訊號之時間序列資料之 例之圖表。 ^ 7係表示壓縮機之音聲資料之平移誤差之例之圖表。 圖8係表示本發明之實施形態2之設備診斷系統之邏輯構 造之區塊圖。 圖9係表示使用排列熵之設備診斷之動作之一例之流程
^係表示壓縮機之音聲資料之排列熵之例之圖表 圖1 1係表示將半導體製造裝置作為診斷對象之 備診斷系統之構造例之圖。 V 【主要元件符號說明】 設備診斷系統 麥克風 壓縮機 電鍍處理裝置(半導體製造裝置) 資料保持部 顯示裝置 印表機裝置 内部匯流排 122323.doc 之設 -33- 200819723 Γ、 11 控制部 12 主記憶部 13 外部記憶部 14 操作部 15 晝面顯示部 16 列印輸出部 17 收發部 21 資料取得部 22 後入向量產生部 23 近接向量擷取部 24 平移誤差運算部 25 中央値運算/平均處理部 26 故障判定部 27 顯示處理部 28 實現頻度運算部 29 排列熵運算部 30 平均處理部 51 收集時間序列資料 52 嵌入向量資料 53 最近接向量資料 54 平移誤差資料 55 排列實現頻度資料 56 排列熵資料 122323.doc 34-
Claims (1)
- 200819723 十、申請專利範園·· l 設備診斷方法’其特徵在於包含: 料取付步驟,其係取得表示成為 態之變數,且隨時間而變動之時間序列資料者備狀 決定論性算出步驟,i俜ά 之眸„产 八係由在别述資料取得步驟取得 夺二❹料,算出成為前述設備中前述時間序列資 '或機率論之指標之表示岐論性之俊者.及 之^収步驟,其係當在前述決定論性^步驟算出 之表不決定論性之值超過特 時,+ 、衧疋l限值而有所變化之情形 時判疋别述設備為應警告之狀態者。 2·如請求項1之設備診斷方法,其中 表:前述決定論性之値係由前述時間序列資料算出之 平移誤差(translation error); 、 月,J述決定論性算出步驟包含: 甘欠入步驟,其係由前述時間 U 後入向量者; 斤歹J貝枓异出某個維數之 最近接向量擷取步驟,其係於 則迷嵌入步驟算出之 甘入入向置中,針對某個嵌 之向量者;及 里褐取特定個數之最近接 平移誤差算出步驟,其係算出尤< 牛驟柄免 仔异出在前述最近接向量擷取 者; <向®的離散之平移誤差 移誤差為大於前述特 前述警告判定步驟係 於前述設備之正常狀態下前述平 122323.doc 200819723 定臨限值之情形,當在前述平移誤差算出步驟算出之平 移誤差小於前述特定臨限值時,判定前述設備為應警主 之狀態,或者 σ 於前述設備之正常狀態下前述平移誤差為小於前述特 定臨限值之情形,當在前述平移誤差算出步驟算出之平 移誤差大^前述教臨限值時,判定前述設備:應警主 之狀態。表示前述決定論性之値係由前述時間序列資料算出之 排列熵(permutation entropy); 前述決定論性算出步驟包含·· 其係由前述時間序列資料算出某個維數之 甘欠入向ϊ:者; 實現頻度算出步驟,盆传 乂 ^ ^ ^ ,、糸針對在别述嵌入步驟算出之 特疋時間中由前述時間序 詈,累w + 斤歹J貝枓异出之所有前述嵌入向 里,累计與前述嵌入向量之 相同順序之頻度,算出作^素之大小關係具有的順序 前述時間㈣轉以m目料在前料定時間内由 對實現頻度者,·及 所有前述嵌人向量之個數之相 排列嫡算出步驟,其係以包含 數的順序之所有排列為機率變數:入:::::數個 度算出步驟算出之俞 异出以在别述實現頻 排列熵者; 、貫見頻度為機率分佈之熵的 前述警告判定步騾係 122323.doc 200819723 於前述設備之正常狀態下前述排列熵為大於前述特定 臨限值之情形,當在前述排列熵算出步驟算出之排列熵 小於前述特定臨限值時,判定前述設備為應警告之狀 態,或者 於則述設備之正常狀態下前述排列熵為小於前述特定 臨限值之情形,當在前述排列熵算出步驟算出之排列熵 大於前述特定臨限值時,判定前述設備為應警告之狀 態。 4·如請求項1之設備診斷方法,其中 表示成為前述診斷對象之設備狀態之變數包含溫度感 測器、溫濕度感測器、風速感測器、液體流量感測器、 光纖感測器、壓力感測器、旋轉感測器、加速度感測 器、聲響感測器或振動感測器之時間序列資料中至少1 者。 ' 5 ·如請求項1之設備診斷方法,其中 成為前述診斷對象之設備具備旋轉機; 前述資料取得步驟係以聲響感測器從前述設備取得聲 響訊號作為時間序列資料; 前述警告判定步驟係判定前述旋轉機應警告之狀態。 6. —種設備診斷系統,其特徵在於包含: 貝料取得部,其係取得表示成為診斷對象之設備狀態 之變數,且隨時間而變動之時間序列資料者; 决疋㈣性算出#,其係由在前述資料取得部取得之時 間序列資料’算出成為前述設傷中前述時間序列資料為 122323.doc 200819723 決定論或機率論之指標之表示決定論性之値者及 ^判定部’其係在前述決定論性算出部算出之 決疋淪性之值超過特定臨 v、 一+、 孖仏限值而有所變化之情形時,判 疋則述设備為應警告之狀態者。 如請求項6之設備診斷系統,其中 平==述決定論性之値係由前述時間序列資料算出之 Γ、 u 前述決定論性算出部包含·· 欲入部,其係由前述時間序列資料算 入向量者; 乍数之甘欠 =接向量擷取部,其係於在前述嵌人部算出之嵌入 針對m人向㈣取特定個數之最近接之向 里首,及 出部’其係算出在前述最近接向量梅取部 操取之特疋個數最近接之向量的離散之平移誤差者; 前述警告判定部係 於前述設備之正常狀態下前述平移誤差為大 定臨限值之情形,當在前述平移誤差算㈣算出之平移 以差小於㈣特定臨限值時,判定前述設 狀態,或者 “ 3 口之 於前述設備之正常狀態下前述平移誤差為小於 定臨限值之情形’當在前述平移誤差算出部算出之平移 誤差大於前述特定臨限值時’判定前述 狀態。 s Ό疋 122323.doc 200819723 8. 如請求項6之設備診斷系統,其中 表示前述決定論性之値 排列熵; ,、由則述時間序列資料算出之 前述決定論性算出部包含·· 人入口P,其係由前述時欠 入向量者; 】賁料算出某個維數之嵌 時=頻度算出部’其係針對在前述嵌入部算出之牲 時間中由前述時間序列資料算二二:之特定 累計與前述嵌入向量之要去夕之所有則述欣入向量, 順序之頻度,算出作為相對於在1:係具有的順序相同 時間序列資料算出之所有前述嵌間内由前述 頻度者;及 疋队入向1個數之相對實現 排列網算出部,其係以包含前述嵌入向 的順序之所有排列為機率變數,算出:、’’個數 算出部算出之〜 异出以在前述實現頻度 痛者;别迷相對實現頻度為機率分佈之網的排列 前述警告判定部係 臨::::備之正常狀態τ前述排列熵為大於前述特定 於前述特定臨职说± ^出之排列熵小 或者 限值時,判定前述設傷為應警告之狀態, ,前述設前賴_為小 臨限值之情形,當在前述排列熵算出 於前述特定臨限值時,邦定前述設傷為應警告之^腐大 122323.doc 200819723 9.如请求項6之設備診斷系統,其中 測Ϊ不Ϊ為前述診斷對象之設備狀態之變數包含溫度感 〇 '现濕度感測器、風速感測器、液體流量成測5|、 =測器、壓力感測器、旋轉感測器、加速度]感測 ^聲響感測器或振動感測器之時間序列資料中至少i 者。 月求項6之設備診斷系統,其中 成為前述診斷對象之設備具備旋轉機; 前述資料取得部係以聲響感測器從前述設備取得聲響 訊就作為時間序列資料; 前述警告判定部係判定前述旋轉機應警告之狀態。 u·:種記錄電腦程式之記錄媒體,其特徵在於:該程式為 #斷設備之狀態而使電腦作為以下各部發揮功能: 資料取得部,其係取得表示成為診斷對象之設備狀態 之變數,且隨時間而變動之時間序列資料者; 决疋娜欧算出部,其係由在前述資料取得部取得之 間序列資料,算出成為前述設備中前述時間序列資料為 決定論或機率論之指標之表示決定論性之値者;及 警告利定部’其係在前述決定論性算出部算出之表_ 決定論性之值超過特定臨限μ有所變化之情形時= 定前述設備為應警告之狀態者。 122323.doc
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2006183887A JP2008014679A (ja) | 2006-07-03 | 2006-07-03 | 設備診断方法、設備診断システム及びコンピュータプログラム |
Publications (1)
Publication Number | Publication Date |
---|---|
TW200819723A true TW200819723A (en) | 2008-05-01 |
Family
ID=38894428
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW96124175A TW200819723A (en) | 2006-07-03 | 2007-07-03 | Method and system for diagnosing equipment, and recording medium thereof |
Country Status (3)
Country | Link |
---|---|
JP (1) | JP2008014679A (zh) |
TW (1) | TW200819723A (zh) |
WO (1) | WO2008004457A1 (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI447371B (zh) * | 2010-11-18 | 2014-08-01 | Univ Nat Taiwan Science Tech | 即時檢測系統和方法 |
TWI645275B (zh) * | 2016-02-25 | 2018-12-21 | 日商東芝三菱電機產業系統股份有限公司 | 製造設備之異常診斷裝置 |
CN113298278A (zh) * | 2020-02-19 | 2021-08-24 | 硕天科技股份有限公司 | 具有自我健康状态预测功能的电力设备及其自我健康状态预测方法以及云端服务器 |
CN114935357A (zh) * | 2022-03-14 | 2022-08-23 | 浙江倍时信息科技有限公司 | 一种基于熵值计算的设备健康监测系统 |
Families Citing this family (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5595193B2 (ja) * | 2010-09-09 | 2014-09-24 | 日鉄住金テックスエンジ株式会社 | 回転機械の異常診断方法 |
JP6004392B2 (ja) * | 2012-05-16 | 2016-10-05 | 学校法人東京理科大学 | 燃焼器への燃料供給を制御する装置及び方法、並びに観測装置及び観測方法 |
US20200126829A1 (en) * | 2016-04-19 | 2020-04-23 | Tokyo Electron Limited | Maintenance control method of controlling maintenance of processing device and control device |
KR101829134B1 (ko) * | 2016-08-05 | 2018-03-29 | 한국항공대학교산학협력단 | 진동을 이용한 회전체 고장 예측 시스템 및 방법 |
JP6874345B2 (ja) * | 2016-11-28 | 2021-05-19 | 富士通株式会社 | 情報システム、情報処理装置、情報処理方法、およびプログラム |
US10662959B2 (en) * | 2017-03-30 | 2020-05-26 | General Electric Company | Systems and methods for compressor anomaly prediction |
US10872793B2 (en) * | 2017-11-10 | 2020-12-22 | Taiwan Semiconductor Manufacturing Co., Ltd. | System and method for monitoring operation conditions of semiconductor manufacturing apparatus |
CN107906375B (zh) * | 2017-11-22 | 2024-04-05 | 浙江理工大学 | 基于加权排列熵的管道泄漏检测方法及系统 |
JP7140323B2 (ja) * | 2018-04-17 | 2022-09-21 | 国立研究開発法人宇宙航空研究開発機構 | 観測装置、観測方法及びプログラム |
KR102113543B1 (ko) * | 2019-04-19 | 2020-05-21 | 고려대학교 산학협력단 | 측정 정보 기반의 비선형 진동 검출 방법, 이를 수행하기 위한 기록매체 및 장치 |
CN110286292A (zh) * | 2019-07-18 | 2019-09-27 | 广东石油化工学院 | 一种基于排列模式的变压器运行状态振声检测方法和系统 |
KR102303406B1 (ko) * | 2019-11-18 | 2021-09-16 | 울산대학교 산학협력단 | 산업설비의 이상유무 진단장치 및 방법 |
CN111738309A (zh) * | 2020-06-03 | 2020-10-02 | 哈尔滨工业大学 | 多尺度分析和集成学习的气敏传感器故障模式识别方法 |
CN111680786B (zh) * | 2020-06-10 | 2023-12-05 | 中国地质大学(武汉) | 一种基于改进权重门控单元的时序预测方法 |
CN114742786B (zh) * | 2022-03-31 | 2023-08-29 | 山东西岳智能科技有限公司 | 基于人工智能的齿面磨粒磨损程度评估方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3785703B2 (ja) * | 1996-10-31 | 2006-06-14 | 株式会社明電舎 | 時系列データの識別方法およびその識別装置 |
JP2005125480A (ja) * | 2003-09-30 | 2005-05-19 | Allied Material Corp | 工具寿命の診断機能を有する切削加工方法 |
-
2006
- 2006-07-03 JP JP2006183887A patent/JP2008014679A/ja active Pending
-
2007
- 2007-06-25 WO PCT/JP2007/062726 patent/WO2008004457A1/ja active Application Filing
- 2007-07-03 TW TW96124175A patent/TW200819723A/zh unknown
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI447371B (zh) * | 2010-11-18 | 2014-08-01 | Univ Nat Taiwan Science Tech | 即時檢測系統和方法 |
US8942939B2 (en) | 2010-11-18 | 2015-01-27 | National Taiwan University Of Science And Technology | Real-time detection system and the method thereof |
TWI645275B (zh) * | 2016-02-25 | 2018-12-21 | 日商東芝三菱電機產業系統股份有限公司 | 製造設備之異常診斷裝置 |
CN113298278A (zh) * | 2020-02-19 | 2021-08-24 | 硕天科技股份有限公司 | 具有自我健康状态预测功能的电力设备及其自我健康状态预测方法以及云端服务器 |
TWI753397B (zh) * | 2020-02-19 | 2022-01-21 | 碩天科技股份有限公司 | 具有自我健康狀態預測功能的電力設備及其自我健康狀態預測方法以及適用於多個電力設備的雲端伺服器 |
CN113298278B (zh) * | 2020-02-19 | 2023-12-05 | 硕天科技股份有限公司 | 具有自我健康状态预测功能的电力设备及其自我健康状态预测方法以及云端服务器 |
CN114935357A (zh) * | 2022-03-14 | 2022-08-23 | 浙江倍时信息科技有限公司 | 一种基于熵值计算的设备健康监测系统 |
Also Published As
Publication number | Publication date |
---|---|
WO2008004457A1 (fr) | 2008-01-10 |
JP2008014679A (ja) | 2008-01-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
TW200819723A (en) | Method and system for diagnosing equipment, and recording medium thereof | |
CN109298697B (zh) | 基于动态基线模型的火电厂系统各部件工作状态评估方法 | |
US10977568B2 (en) | Information processing apparatus, diagnosis method, and program | |
Samanta et al. | Artificial neural networks and genetic algorithm for bearing fault detection | |
JP2022500745A (ja) | 異常検出および/または予知保全のためのコンピュータ実装方法、コンピュータプログラム製品およびシステム | |
KR100990845B1 (ko) | 플라즈마 이상 방전 진단 방법, 플라즈마 이상 방전 진단 시스템 및, 컴퓨터 프로그램이 수록된 컴퓨터 판독가능 기록매체 | |
Wang et al. | A generic probabilistic framework for structural health prognostics and uncertainty management | |
JP5946573B1 (ja) | 異常予兆診断システム及び異常予兆診断方法 | |
JP5301717B1 (ja) | 設備状態監視方法およびその装置 | |
Liu et al. | Similarity based method for manufacturing process performance prediction and diagnosis | |
JP2013140135A (ja) | 周期的駆動系の異常検知装置、周期的駆動系を有する処理装置、周期的駆動系の異常検知方法、およびコンピュータプログラム | |
JP7340265B2 (ja) | 異常検出装置、異常検出方法、およびプログラム | |
JP2014032657A (ja) | 異常検知方法及びその装置 | |
CN101241359A (zh) | 用来监视工业机器人的状况的方法和控制系统 | |
JP2015162140A (ja) | プラントと制御装置の診断装置 | |
WO2006046251A2 (en) | Detection system for rare situation in processes | |
JP2020536380A (ja) | 異常の検出及び類別 | |
JP7012888B2 (ja) | 異常要因推定装置、異常要因推定方法、及びプログラム | |
Kumar et al. | Fault diagnosis of bearings through vibration signal using Bayes classifiers | |
JP4417318B2 (ja) | 設備診断装置 | |
JP6674033B2 (ja) | プラント異常診断装置及びプラント異常診断システム | |
Liao et al. | Nonparametric and semi-parametric sensor recovery in multichannel condition monitoring systems | |
Zheng et al. | TCM in milling processes based on attention mechanism-combined long short-term memory using a sound sensor under different working conditions | |
JP2007327885A (ja) | 異常判定方法および異常判定装置 | |
Xie et al. | Internal defect inspection in magnetic tile by using acoustic resonance technology |