TW201732475A - 製造設備診斷支援裝置及製造設備診斷支援方法 - Google Patents

Abstract

本發明之製造設備診斷支援裝置係連接在經常或間歇性地收集且記錄設置有至少2個以上類似的裝置之製造設備內的各裝置的運轉資料之資料收集裝置，且藉由解析已記錄在資料收集裝置之資料來支援製造設備的診斷。本製造設備診斷支援裝置具備：從已記錄在資料收集裝置之資料抽出使用於診斷的資料之功能；按各個類似的裝置之同種類的資料將所抽出之資料予以分組之功能；對被分組之資料演算用以在群組內進行診斷之特徵量之功能；將所演算的特徵量記憶到記憶裝置之功能；以及以群組單位將新演算出之特徵量與記憶裝置所記憶之過去的特徵量予以比較，且根據其比較結果來檢測異常之功能。

Description

製造設備診斷支援裝置及製造設備診斷支援方法

本發明係有關將金屬材料予以輥軋之輥軋線與施行退火之退火線等之至少設置2個以上類似的裝置之用以支援製造設備的診斷之裝置及方法。

輥軋線與退火線等之製造設備係由複數個裝置所構成。構成製造設備之裝置發生故障時，因產品的品質之降低與生產線停止而可能導致生產效率的降低。並且，不只停留在一個裝置的故障之範圍內，以此作為開端而引起重大的事故，而可能對其他的裝置亦造成損壞。因此，故障發生前必須以可因應之方式，進行製造設備之確切的診斷。

從此種背景來看，近幾年，提出有關製造設備的診斷支援之種種手法的建議案。以該代表性的技術而言，有一種技術，即故障發生前以可因應之方式，來把握構成製造設備之裝置的異常。其大部分係將過去發生過的異常現象作為既知的資訊而事先儲備，且利用該等資訊來判斷現在的狀態是否異常。但是，當然過去的知識有用， 然而過去異常發生過的事非為既知時便無法適用，且全新的異常現象發生時無法因應。

另一方面，於國際公開第2015/177870號揭示有有關製造設備的診斷支援之新的技術。同公報所揭示之技術係在構成製造設備的裝置包含至少2個以上類似的裝置時，在作為對象的期間根據從類似之各裝置採取之資料來計算特徵量，根據在類似之裝置間的特徵量之比較來檢測異常。依據此技術，不需有關過去發生之異常現象之知識。

[先前技術文獻] [專利文獻]

[專利文獻1]國際公開第2015/177870號

在國際公開第2015/177870號中所計算之特徵量有時取決於裝置之狀態以外的要因，具體而言，取決於所製造之產品的原材料與製造條件等。只要為根據特徵量的比較檢測異常者，最好考慮裝置的狀態以外的要因之特徵量的差異。但是，於揭示在國際公開第2015/177870號之技術中，使用於比較之特徵量係限於根據在預定期間於類似之各裝置中所採取之資料而計算者。因此，在異常檢測之判定中，所製造之產品的原材料與製造條件等，難以考慮取決於裝置的狀態以外的要因之特徵量的差異。

本發明係鑑於上述之類的課題而研創者，其目的係在提供一種裝置及方法，其係在設置至少2個以上類似的裝置之製造設備的診斷中，可抑制裝置之狀態以外的要因對診斷造成之影響。

本發明之製造設備診斷支援裝置係連接在設置有經常或間歇性地收集且記錄至少2個以上類似的裝置之製造設備內的各裝置的運轉資料之資料收集裝置，且藉由解析已記錄在資料收集裝置之資料來支援製造設備的診斷，其係以以下的方式所構成。

亦即，本發明之製造設備診斷支援裝置具備：從已記錄在資料收集裝置之資料抽出使用於診斷的資料之手段；按各個類似的裝置之同種類的資料將所抽出之資料予以分組之手段；將被分組之資料的每個群組之特徵量予以演算之手段；記憶所演算的特徵量之手段；以及以群組單位將所演算之特徵量與所記憶之過去的特徵量予以比較，且根據該比較結果來檢測異常之手段。

上述各手段的處理亦可由構成製造設備診斷支援裝置之電腦來執行。亦即，亦可由具備至少一個處理器與包含至少一個程式之至少一個記憶體的電腦來構成製造設備診斷支援裝置，而至少一個記憶體與至少一個程式亦可與至少一個處理器一起，將電腦設為至少上述各手段而使之進行動作。

於被記錄在資料收集裝置之資料中，亦可 包含顯示製造設備內之各裝置為運作中之運作信號。此時，資料抽出手段亦可構成為根據被包含在被記錄在資料收集裝置的資料之運作信號，而將被收集在各裝置的運作中之資料予以抽出。藉由將抽出之資料限定於裝置的運作中之資料，而可提高使用在特徵量的計算之資料的可用性。

異常檢測手段亦可構成為，於被記憶在特徵量記憶手段之特徵量中，使用追溯達事先設定的時間之過去的特徵量，或使用追溯達事先設定之產品的數目之程度的過去之特徵量，來進行異常檢測。

於被記錄在資料收集裝置之資料中，包含有於同資料的收集時製造設備所製造的產品之原材料或製造條件所相關之產品相關資訊，而於利用資料抽出手段所抽出之資料中，亦可包含有被特徵量演算手段使用於特徵量的演算之資料、以及產品相關資訊。此時，特徵量記憶手段亦可構成為將與使用在特徵量的演算之資料有關之產品相關資訊與同特徵量建立相關關係來記憶。並且，此時，異常檢測手段係於被記憶在特徵量記憶手段之特徵量中，亦可構成為使用與利用特徵量演算手段所演算之特徵量相同、或一部分相同之產品相關資訊所被建立有相關關係之過去的產品製造時之特徵量，來進行異常檢測。藉由將製造相同的產品時之特徵量使用於比較，可提高異常檢測的精確度。

並且，異常檢測手段亦可構成為使用藉由特徵量演算手段所演算之複數個特徵量的代表值以及被記 憶在特徵量記憶手段之複數個過去的特徵量之代表值，來進行異常檢測。藉由不使用單獨的特徵量而使用複數個特徵量之代表值來進行異常檢測，可抑制突發性的資料之變動等影響到診斷。

特徵量記憶手段亦可構成為利用異常檢測手段檢測異常時，將檢測到異常之特徵量與檢測結果建立相關關係來記憶。此時，異常檢測手段亦可構成為於被記憶在特徵量記憶手段之特徵量中，使用沒檢測到異常之過去的特徵量，來進行異常檢測。藉由將檢測到異常之特徵量從之後的判斷之外排除，可提高根據特徵量之異常檢測的精確度。

並且，本發明之製造設備診斷支援裝置亦可具備一監視資料製作手段，其係依照經由輸入裝置所指定的條件，將被記憶在特徵量記憶手段之特徵量予以抽出或加工，來製作該輸出到顯示裝置之監視用的資料。藉由使用者所欲之監視用的資料被顯示在顯示裝置，而使用以進行製造設備的診斷之支援的程度提高。

此外，本發明之製造設備診斷支援方法係藉由利用資料收集裝置經常或間歇性地收集且記錄設置有至少2個以上類似的裝置之製造設備內的各裝置之運轉資料，且將被記錄在資料收集裝置之資料予以解析來支援製造設備的診斷，其具有以下的步驟。

亦即，本發明之製造設備診斷支援方法具有：將從被記錄在資料收集裝置之資料抽出使用於診斷的 資料之步驟；按各個類似之裝置的同種類的資料將被抽出之資料予以分組之步驟；將被分組的資料之每個群組的特徵量予以演算之步驟；將所演算之特徵量記憶到記憶裝置之步驟；以及依群組單位比較新演算的特徵量與被記憶在記憶裝置之過去的特徵量，且根據其比較結果來檢測異常之步驟。

在被記錄在資料收集裝置之資料中，亦可包含有表示製造設備內的各裝置為運作中之運作信號。此時，資料抽出步驟亦可為根據包含在被記錄在資料收集裝置之資料的運作信號，抽出各裝置的運作中被收集的資料之步驟。

異常檢測步驟亦可為如下步驟：在被記憶在記憶裝置之特徵量中，使用追溯達事先設定的時間的過去之特徵量，或使用追溯達事先設定之產品的數目之過去的特徵量，來進行異常檢測之步驟。

於被記錄在資料收集裝置之資料中，亦可包含有於同資料之收集時製造設備所製造之產品的原材料或製造條件所相關之產品相關資訊，且在資料抽出步驟所抽出之資料中，亦可包含有在特徵量演算步驟使用於特徵量的演算之資料以及產品相關資訊。此時，特徵量記憶步驟亦可為如下步驟：將與使用於特徵量的演算之資料有關之產品相關資訊與同特徵量建立相關關係且將之記憶在記憶裝置。並且，此時，異常檢測步驟亦可為如下步驟：被記憶在記憶裝置之特徵量中，使用與新演算出之特徵量相 同、或一部分相同之產品相關資訊所被建立有相關關係之過去的產品製造時之特徵量，來進行異常檢測。

並且，異常檢測步驟亦可為使用新演算出之複數個特徵量的代表值以及被記憶在記憶裝置之複數個過去的特徵量之代表值，來進行異常檢測之步驟。

特徵量記憶步驟亦可為在新演算出之特徵量檢測到異常時，將檢測到異常之特徵量與檢測結果建立相關關係且將之記憶在記憶裝置之步驟。此時，異常檢測步驟亦可為在被記憶在記憶裝置之特徵量中，使用沒檢測有異常之過去的特徵量，來進行異常檢測之步驟。

並且，本發明之製造設備診斷支援方法亦可為如下步驟：依照經介由輸入裝置所指定的條件，將被記憶在記憶裝置之特徵量予以抽出或加工，且製作該輸出到顯示裝置之監視用的資料。

再者，依據本發明，亦提供用以使上述製造設備診斷支援方法之各步驟的處理在電腦執行之程式以及儲存有該程式之記憶媒體。

依據本發明，從被記錄在資料收集裝置之資料，亦即，從製造設備內之各裝置的運轉資料抽出使用於診斷之資料。所抽出之資料按各個類似之裝置的同種資料被分組，且針對被分組之資料，演算在群組內用以診斷之特徵量。被演算之特徵量被記憶在記憶裝置。然後，將新演算出之特徵量與被記憶在記憶裝置之過去的特徵量進 行比較，且根據其比較結果進行異常檢測。藉由將此異常檢測的結果提供給使用者，使用者可容易判斷在構成製造設備之裝置是否產生異常。

如以上所述，依據本發明之製造設備診斷支援裝置及製造設備診斷支援方法，不是將所演算之特徵量的比較之對象，設為在同期間所演算之其他裝置之特徵量，而是設為被記憶在記憶裝置的該裝置之過去的特徵量，因此可從廣的範圍來選擇比較的對象。所以，即使特徵量依存於所製造之產品的原材料與製造條件等，藉由適當地選擇作為比較對象之過去的特徵量，仍可抑制裝置的狀態以外之要因對診斷造成之影響。

10‧‧‧診斷支援裝置

11‧‧‧資料抽出部

12‧‧‧資料分組部

13‧‧‧特徵量演算部

14‧‧‧特徵量記憶部

15‧‧‧異常檢測部

16‧‧‧監視資料製作部

18‧‧‧顯示裝置

19‧‧‧輸入裝置

20‧‧‧板條熱軋機(製造設備)

21‧‧‧加熱爐

22、23‧‧‧粗軋機

24‧‧‧板帶加熱器

25‧‧‧精軋機

26‧‧‧輸出台

27‧‧‧捲繞機

28‧‧‧資料收集裝置

30、32、33‧‧‧溫度計

31‧‧‧感測器

100‧‧‧輥軋材料

F1至F7‧‧‧輥軋機架(類似之裝置)

第1圖係表示本發明之實施形態之系統的構成之圖。

第2圖係表示本發明之實施形態之製造設備診斷支援裝置的構成之圖。

第3圖係說明本發明之實施形態之資料抽出的一例之圖。

第4圖係說明本發明之實施形態之異常檢測的一例之圖。

第5圖係說明本發明之實施形態之異常檢測的一例之圖。

參照圖示，說明本發明的實施形態。但是， 以下所示之實施形態係例示用以將本發明之技術的思想予以具體化的裝置與方法者，除了特別明示之情況外，不將構成零件的結構與配置、處理的順序等限定於下述者。本發明不限定於以下所示之實施形態，在不脫離本發明的宗旨之範圍內可作種種替代來實施。

第1圖係表示本發明之實施形態之系統的構成之圖。成為本實施形態的製造設備診斷支援裝置(以下，僅稱為診斷支援裝置)10之診斷支援的對象之製造設備係板條熱軋機(hot strip mill)20。第1圖所示之板條熱軋機20具備有加熱爐21、粗軋機22,23、板帶加熱器(bar heater)24、精軋機25、輸出台26、捲繞機27等之各種裝置。利用加熱爐21所加熱之輥軋材料100係利用2式粗軋機22,23而被輥軋。利用粗軋機22,23被輥軋之輥軋材料100經過板帶加熱器24，被搬送到精軋機25。精軋機25具有以串聯方式而排列之7台輥軋機架F1至F7，而將輥軋材料100輥軋成所希望的板厚度。以精軋機25所輥軋之輥軋材料100在輸出台26被冷卻後，透過捲繞機27被捲繞成線圈狀。將輥軋材料100予以輥軋使之變薄之線圈狀的薄板為最終產品。再者，於板條熱軋機20配置有用以測量精軋機25之進入側的溫度之溫度計30、用以測量板厚度及板寬度的感測器31，用以測量精軋機25之出口側的溫度之溫度計32、用以測量捲繞機27之進入側的溫度之溫度計33等種種感測器類。

於板條熱軋機20設置有資料收集裝置28。 資料收集裝置28係為了保證或管理產品的品質，經常或間歇性地收集針對構成板條熱軋機20的各裝置之設定值與實際值、感測器之測定值、以及用以使裝置適當地進行動作之操作量等的各種運轉資料，且將之記錄在硬碟等之記錄裝置。資料收集裝置28亦可透過單獨的電腦來構成，或亦可透過被連接在網路之複數個電腦來構成。

於利用資料收集裝置28收集運轉資料之裝置，包含精軋機25之輥軋機架F1至F7。7台輥軋機架F1至F7係用以驅動上下輥軋輥之大容量電動機、連結滾輪與電動機之軸、使滾輪移動於上下之壓下裝置等，雖然細節的規格不同，惟其基本的構成為共同。所以，輥軋機架F1至F7為類似之裝置，詳細而言，具有共同之基本的構成，且符合規格及使用條件類似之裝置。

診斷支援裝置10透過LAN(Local Area Network，區域網路)被連接在資料收集裝置28。診斷支援裝置10不是提示診斷板條熱軋機20之結果的裝置，而是支援使用者對板條熱軋機20的診斷之裝置。更詳細而言，診斷支援裝置10係藉由從被記錄在資料收集裝置28之資料將使用於板條熱軋機20的診斷之資料予以抽出且進行解析，且將該解析結果提供給使用者，來支援使用者進行之診斷的裝置。診斷支援裝置10係具有至少1個記憶體以及至少1個處理器之電腦。於記憶體，記憶使用於診斷支援之各種程式與各種資料。再者，於診斷支援裝置10，連接有用以顯示解析結果之顯示裝置18與用以輸入使用者 的指令之鍵盤以及滑鼠觸控面板等之輸入裝置19。

第2圖係表示診斷支援裝置10的構成之圖，而以區塊表示診斷支援裝置10具有之功能。診斷支援裝置10具備有資料抽出部11、資料分組部12、特徵量演算部13、特徵量記憶部14、異常檢測部15，以及監視資料製作部16。在上述功能部11至16進行之處理與本發明之製造設備診斷支援方法的各步驟之處理對應。藉由透過處理器執行從診斷支援裝置10的記憶體所讀出之程式，上述功能部11至16的功能，亦即，利用電腦執行診斷支援裝置10具有之功能。此外，使電腦執行診斷支援裝置10具有的功能之上述程式係介由透過網路或電腦可讀取之記憶媒體(例如CD-ROM(Compact Disc Read-Only Memory，唯讀記憶光碟)、DVD(Digital Versatile Disc，數位多功能光碟)、USB(Universal Serial Bus，通用序列匯流排)記憶體等)來提供。以下，就構成診斷支援裝置10之功能部11至16的功能加以說明。

資料抽出部11具有從資料收集裝置28抽出類似之裝置的運轉資料之功能(作為資料抽出手段之功能)。在類似之裝置的例之輥軋機架F1至F7之情況，於資料抽出部11抽出之運轉資料中，包含各輥軋機架F1至F7之輥軋荷重、電動機電流、速度、壓下位置等。最好是在輥軋機架F1至F7之運轉資料中，將於輥軋機架F1至F7之運作中所收集之資料，亦即，輥軋中的資料予以抽出。是否在輥軋中，可由資料本身的大小與該變化等來判斷。 例如，所抽出之資料若為輥軋荷重，如第3圖所示，依輥軋中與非輥軋中因輥軋荷重的大小產生變化，故藉由設定某臨限值，而從輥軋荷重的大小可判斷為輥軋中與非輥軋中的哪個。表示為輥軋中之運作中信號係以在控制輥軋機架F1至F7之未圖示的控制裝置中被製作，而與輥軋荷重的資料一起被收集在資料收集裝置28，且與輥軋荷重的資料建立相關關係之方式而被記錄。或者，亦可設為資料抽出部11從資料收集裝置28抽出資料(不限定於輥軋荷重的資料)時，檢查被記錄在資料收集裝置28之輥軋荷重的資料，若輥軋荷重超過臨限值時，從資料收集裝置28讀入該資料。此外，在第3圖所示之例中，根據輥軋荷重之資料本身的大小製作運作中信號，而亦可與在輥軋中與非輥軋中產生變化之特定的現象建立相關關係來製作運作中信號。此外，成為抽出對象之資料若不同，亦可配合各別的對象來製作運作中信號。

資料分組部12具有按各個類似的裝置之同種資料將利用資料抽出部11所抽出的資料予以分組之功能(作為資料分組手段之功能)。輥軋機架F1至F7的情況，如輥軋荷重、電動機電流、速度、壓下位置等，可各別作為同種資料來處理。但是，並非所有的輥軋機架F1至F7皆有同種資料。例如，亦有一些資料係在輥軋機架F1至F4有的，而在輥軋機架F5至F7沒有的資料。此時，除了輥軋機架F5至F7，於輥軋機架F1至F4之間可將共同的資料予以分組。

特徵量演算部13具有演算在資料分組部12被分組之資料的特徵量之功能(作為特徵量演算手段之功能)。所謂特徵量可定義為容易使資料具有之特徵顯露之量。作為特徵量之演算方法的一例而言，可使用平均值、標準偏差、最大值/最小值等之統計的處理與主成分分析等。其他亦可以傅立葉解析與小波轉換等之方法求得特徵量。再者，亦可將群組內之資料間的相關係數與歐幾里德距離等之距離作為特徵量來使用。此外，在此所舉之方法僅為一例，故亦可以在此所舉之方法以外的方法來求取特徵量。並且，依演算特徵量的資料之內容，於進行特徵量的演算前，在所抽出的資料施行過濾器處理，或求取所抽出之資料與進行過過濾器處理的資料之差分等皆有效。

特徵量記憶部14具有按各個群組將透過特徵量演算部13之演算得到之特徵量記憶在記憶裝置的功能(作為特徵量記憶手段之功能)。記憶特徵量之記憶裝置係只要可進行資料的更新即可，不限定於該種類。例如，亦可為半導體記憶體或亦可為硬碟或亦可為DVD。最好於將特徵量記憶在記憶裝置時，以將與特徵量有關之產品相關資訊與特徵量建立相關關係之方式予以記憶。所謂產品相關資訊係指成為特徵量的基礎之資料被收集到資料收集裝置28時與被輥軋之輥軋材料100的原材料(例如鋼種)與輥軋條件(例如素材厚度、產品厚度、寬度、溫度等)相關之資訊。產品相關資訊被包含在透過資料收集裝置28被收集且被記錄之資料。特徵量取決於輥軋材料100的原材料 與製造條件，故藉由事先將產品相關資訊與特徵量建立相關關係，而可正確地進行對特徵量之評估。

異常檢測部15具有以群組單位比較在特徵量演算部13新演算出之特徵量以及被記憶在特徵量記憶部14之過去的特徵量，且根據該比較結果檢查異常之功能(作為異常檢測手段之功能)。詳細而言，知道新演算出之特徵量相對於過去的特徵量大幅變化時，異常檢測部15將此設為異常並進行檢測。作為使用於比較之過去的特徵量而言，亦可為透過最近的輥軋所得到之特徵量。所謂最近的輥軋，係指上一次的輥軋，或表示在數片板材前進行之輥軋。另一方面，即使發生異常，但因此而產生之特徵量的變化小時，與最近的過去之特徵量比較亦難以從該變化量發覺異常。在此種情況下，與更遠的過去，例如，與1個月前的特徵量比較，特徵量的變化變大，而可從特徵量的變化量檢測異常。作為比較對象選定之過去的特徵量依追遡之時間，或依追遡之產品的數目之設定可任意改變。設定之變更可使用輸入裝置19來進行。於異常檢測部15上，檢測到異常時，持有將之告訴使用者之功能，例如，輸出警報到顯示裝置18或以郵件連絡使用者(在此為維修人員)之功能。

若將產品相關資訊與特徵量建立有相關關係，可利用產品相關資訊，來篩選作為比較對象之過去的特徵量。最好在被記憶在特徵量記憶部14之過去的特徵量中，將與和此次新被演算之特徵量相同之產品相關資訊建 立有相關關係之過去的產品製造時之特徵量設為比較對象予以選擇。藉此方式，可抑制因受到輥軋材料的原材料之差異與輥軋條件的差異之裝置的狀態以外的要因之影響，而無法檢測異常或錯誤地檢測。此外，選擇之過去的特徵量係此次新被演算之特徵量與產品相關資訊的所有資訊亦可不為相同。例如，原材料的差異相較於輥軋條件的差異，對特徵量之影響更大時，亦可選擇與僅原材料相同的產品相關資訊建立有相關關係之過去的特徵量。如此，藉由集中在作為比較對象之過去的特徵量，可提高異常檢測的精確度。

其次，就具體的異常檢測之方法加以說明。第4圖及第5圖係表示就各個輥軋機架F1至F7來比較此次的特徵量與過去的特徵量的例子之圖。特徵量在輥軋機架F1至F7間為相同，例如輥軋荷重。作為異常檢測的方法之一個案例而言，在與過去的特徵量之比較上，此次的特徵量例如若產生30%以上的變化，可將之視為異常來檢測。

在第4圖所示之例中，輥軋機架F1至F7的特徵量中，僅F5之此次的特徵量比過去的特徵量產生大的變化。依據上述案例，判斷僅在F5有異常，而可說對第4圖所示之案例作了妥當的判斷。但是，如第5圖所示之例子，整體而言亦可說過去的特徵量比此次的特徵量變大。此時，依照上述案例進行異常檢測時，判斷F5以外之一切案例都有異常。這可說是明顯錯誤的判斷。產生此種 錯誤的判斷係在上述案例之所有的產品製造中，以特徵量的大小成為相同程度作為前提，而實際上，如第5圖所示整體而言亦可能因特徵量變大，或相反地變小之故。

為了防範此種錯誤判斷，異常檢測部15之特徵量的比較非按各個輥軋機架，而以將輥軋機架F1至F7設為一個群組之群組單位進行。具體而言，針對各個此次的特徵量與過去的特徵量，在輥軋機架F1至F7間取特徵量的比。具體而言，將輥軋機架F1至F7的特徵量中之最小值或最大值設定為基準值，且就各個輥軋機架F1至F7計算對該基準值之特徵量的比。然後，針對各個輥軋機架F1至F7，計算過去的特徵量之對基準值的比與此次的特徵量之對基準值的比之間的變化率，且進行在輥軋機架F1至F7之間變化率的比較。此時，亦可將各變化率予以正規化後將之予以比較。異常檢測部15係調查有無任何變化率與其他大不相同之輥軋機架，若有變化率與其他大不相同之輥軋機架，將之設為異常來檢測。在第5圖所示之例中，僅F5的變化率與其他大不相同，故異常檢測部15判斷僅F5有異常。在如第4圖所示之例中，異常檢測部15判斷僅變化率與其他大不相同之F5有異常。如此，依據在本實施形態所採用之異常檢測的方法，在輥軋機架F1至F7之任一者發生異常時，可準確地檢測該異常。但是，在此說明之異常檢測的方法為一例，故當然可採用其他的方法。

此外，例如，輥軋材料100的品質低時，於 被收集在資料收集裝置28之資料上可能發生突發性的變動。所收集的資料若為包含變動者，根據該資料所算出的特徵量上亦可能產生設想以上之變動。為了避免此種突發性的變動影響到異常檢測的精確度，亦可求取複數個(例如作為輥軋材料為3份)特徵量之代表值(例如平均值與中央值等)，且根據此次之特徵量的代表值與過去的特徵量之代表值的比較來進行異常檢測。藉此方式，可抑制突發性的資料之變動影響到診斷。

再者，最好是異常檢測部15於檢測到異常時將該旨意通知給特徵量記憶部14，且特徵量記憶部14將檢測到異常之特徵量以與檢測結果建立相關關係之方式予以記憶。接者，異常檢測部15係在被記憶在特徵量記憶部14之特徵量中，將沒檢測到異常之特徵量，設為異常檢測之比較的對象來使用。亦即，從之後的判斷去除檢測到異常之特徵量。如此一來，可提高根據特徵量之異常檢測的精確度。

最後，就監視資料製作部16加以說明。監視資料製作部16具有製作使用者用以容易監視特徵量之變化的傾向等之監視用資料的功能(作為監視資料製作手段之功能)。例如，將各1個特徵量的時系列資料輸出到顯示裝置18，或演算每日之特徵量的平均值與標準偏差、最大值/最小值等，且將該時系列資料輸出到顯示裝置18。據此，可監視長期的特徵量之變化的傾向。此外，使用者亦可介由輸入裝置19且依所指定之鋼種或板厚度與板寬 度等的條件取出特徵量，且將之輸出到顯示裝置18。在此，鋼種等之指定係使用者可從顯示裝置自由設定。藉此方式，亦可監視各個產品。

再者，在上述實施形態中，舉精軋機25之輥軋機架F1至F7作為類似之裝置的例子，且作為同種資料使用輥軋荷重作了說明，本發明不限定於此。本發明亦可適用於進行退火之退火線，或亦可適用於連續冷軋機。

10‧‧‧診斷支援裝置

11‧‧‧資料抽出部

12‧‧‧資料分組部

13‧‧‧特徵量演算部

14‧‧‧特徵量記憶部

15‧‧‧異常檢測部

16‧‧‧監視資料製作部

18‧‧‧顯示裝置

19‧‧‧輸入裝置

28‧‧‧資料收集裝置

Claims (16)

1. 一種製造設備診斷支援裝置，其係連接在經常或間歇性地收集且記錄設置有至少2個以上類似的裝置之製造設備內的各裝置的運轉資料之資料收集裝置，且藉由解析已記錄在前述資料收集裝置之資料來支援前述製造設備的診斷，該製造設備診斷支援裝置具備：資料抽出手段，係從已記錄在前述資料收集裝置之資料抽出使用於診斷的資料；資料分組手段，係按各個前述類似的裝置之同種類的資料將藉由前述資料抽出手段所抽出之資料予以分組；特徵量演算手段，係將藉由前述資料分組手段所分組之資料的每個群組之特徵量予以演算；特徵量記憶手段，係將藉由前述特徵量演算手段所演算之特徵量予以記億；以及異常檢測手段，係以群組單位將藉由前述特徵量演算手段所演算之特徵量與已記憶在前述特徵量記憶手段之過去的特徵量予以比較，且根據其比較結果來檢測異常。
2. 如申請專利範圍第1項所述之製造設備診斷支援裝置，其中，於已記錄在前述資料收集裝置之資料中，包含有顯示前述製造設備內之各裝置為運作中之運作信號，且前述資料抽出手段根據包含在已記錄在前述資 料收集裝置的資料之運作信號，將已收集在各裝置的運作中之資料予以抽出。
3. 如申請專利範圍第1項或第2項所述之製造設備診斷支援裝置，其中，前述異常檢測手段係於已記憶在前述特徵量記憶手段之特徵量中，使用追溯達事先設定的時間之過去的特徵量，來進行異常檢測。
4. 如申請專利範圍第1項或第2項所述之製造設備診斷支援裝置，其中，前述異常檢測手段係於已記憶在前述特徵量記憶手段之特徵量中，使用追溯達事先設定之產品的數目的過去之特徵量，來進行異常檢測。
5. 如申請專利範圍第1項或第2項所述之製造設備診斷支援裝置，其中，於已記錄在前述資料收集裝置之資料中，包含有於同資料的收集時前述製造設備所製造的產品之原材料或製造條件所相關之產品相關資訊，於利用前述資料抽出手段所抽出之資料中，包含有被前述特徵量演算手段使用於特徵量的演算之資料以及產品相關資訊，前述特徵量記憶手段係將與使用在特徵量的演算之資料有關之產品相關資訊與同特徵量建立相關關係來記憶，且前述異常檢測手段係於已記憶在前述特徵量記 憶手段之特徵量中，使用與利用特徵量演算手段所演算之特徵量相同、或一部分相同之產品相關資訊所被建立有相關關係之過去的產品製造時之特徵量，來進行異常檢測。
6. 如申請專利範圍第1項至第5項中任一項所述之製造設備診斷支援裝置，其中，前述異常檢測手段係使用藉由前述特徵量演算手段所演算之複數個特徵量的代表值以及已記憶在前述特徵量記憶手段之複數個過去的特徵量之代表值，來進行異常檢測。
7. 如申請專利範圍第1項至第6項中任一項所述之製造設備診斷支援裝置，其中，在藉由前述異常檢測到手段檢測異常時，前述特徵量記憶手段係將檢測到異常之特徵量與檢測結果建立相關關係來記憶，前述異常檢測手段於已記憶在前述特徵量記憶手段之特徵量中，使用沒檢測到異常之過去的特徵量，來進行異常檢測。
8. 如申請專利範圍第1項至第7項中任一項所述之製造設備診斷支援裝置，其中，更具備監視資料製作手段，係依照經由輸入裝置所指定的條件，將已記憶在前述特徵量記憶手段之特徵量予以抽出或加工，來製作欲輸出到顯示裝置之監視用的資料。
9. 一種製造設備診斷支援方法，係藉由利用資料收集裝置經常或間歇性地收集且記錄設置有至少2個以上類似的裝置之製造設備內的各裝置之運轉資料，且藉由將已記錄在前述資料收集裝置之資料予以解析來支援前述製造設備的診斷，該製造設備診斷支援方法包含：資料抽出步驟，係將從已記錄在前述資料收集裝置之資料抽出使用於診斷的資料；資料分組步驟，係按各個前述類似之裝置的同種類的資料將前述已抽出之資料予以分組；特徵量演算步驟，係將前述被分組的資料之每個群組的特徵量予以演算；特徵量記憶步驟，係將前述所演算之特徵量記憶到記憶裝置；以及異常檢測步驟，係依群組單位比較新演算出的特徵量與已記憶在前述記憶裝置之過去的特徵量，且根據其比較結果來檢測異常。
10. 如申請專利範圍第9項所述之製造設備診斷支援方法，其中，在已記錄在前述資料收集裝置之資料中，包含有表示前述製造設備內的各裝置為運作中之運作信號，前述資料抽出步驟係根據已記錄在前述資料收集裝置之資料中所包含的運作信號，抽出各裝置的運作中所收集的資料之步驟。
11. 如申請專利範圍第9項或第10項所述之製造設備診斷 支援方法，其中，前述異常檢測步驟為在係被記憶在前述記憶裝置之特徵量中，使用追溯達事先設定的時間的過去之特徵量，來進行異常檢測之步驟。
12. 如申請專利範圍第9項或第10項所述之製造設備診斷支援方法，其中，前述異常檢測步驟為在已記憶在前述記憶裝置之特徵量中，使用追溯達事先設定之產品的數目之過去的特徵量，來進行異常檢測之步驟。
13. 如申請專利範圍第9項或第10項所述之製造設備診斷支援方法，其中，於已記錄在前述資料收集裝置之資料中，包含有同資料之收集時前述製造設備所製造之產品的原材料或製造條件所相關之產品相關資訊，且在前述資料抽出步驟所抽出之資料中，包含有在前述特徵量演算步驟被使用於特徵量的演算之資料以及產品相關資訊，前述特徵量記憶步驟為將與使用於特徵量的演算之資料有關之產品相關資訊與同特徵量建立相關關係而將之記憶在前述記憶裝置之步驟，前述異常檢測步驟為在已記憶在前述記憶裝置之特徵量中，使用與新演算出之特徵量相同、或一部分相同之產品相關資訊所被建立有相關關係之過去的產品製造時之特徵量，來進行異常檢測之步驟。
14. 如申請專利範圍第9項至第13項中任一項所述之製造設備診斷支援方法，其中，前述異常檢測步驟為使用新演算出之複數個特徵量的代表值以及已記憶在前述記憶裝置之複數個過去的特徵量之代表值，來進行異常檢測之步驟。
15. 如申請專利範圍第9項至第14項中任一項所述之製造設備診斷支援方法，其中，前述特徵量記憶步驟為在新演算出之特徵量有被檢測到異常時，將檢測到異常之特徵量與檢測結果建立相關關係且將之記憶在前述記憶裝置之步驟，前述異常檢測步驟為在已記憶在前述記憶裝置之特徵量中，使用未檢測有異常之過去的特徵量，來進行異常檢測之步驟。
16. 如申請專利範圍第9項至第15項中任一項所述之製造設備診斷支援方法，其中，更具備監視資料製作步驟，係依照經由輸入裝置所指定的條件，將已記憶在前述記憶裝置之特徵量予以抽出或加工，而製作欲輸出到顯示裝置之監視用的資料。