TWI616392B - Machine sorting device - Google Patents
Machine sorting device Download PDFInfo
- Publication number
- TWI616392B TWI616392B TW105119271A TW105119271A TWI616392B TW I616392 B TWI616392 B TW I616392B TW 105119271 A TW105119271 A TW 105119271A TW 105119271 A TW105119271 A TW 105119271A TW I616392 B TWI616392 B TW I616392B
- Authority
- TW
- Taiwan
- Prior art keywords
- machine
- data
- classification
- machine classification
- unit
- Prior art date
Links
- 238000006243 chemical reaction Methods 0.000 claims abstract description 19
- 238000012423 maintenance Methods 0.000 claims description 43
- 238000012544 monitoring process Methods 0.000 claims description 32
- 238000004364 calculation method Methods 0.000 claims description 7
- 238000009434 installation Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 description 21
- 238000000034 method Methods 0.000 description 20
- 238000013480 data collection Methods 0.000 description 19
- 238000007726 management method Methods 0.000 description 19
- 238000010586 diagram Methods 0.000 description 18
- 230000005856 abnormality Effects 0.000 description 13
- 230000015654 memory Effects 0.000 description 12
- 238000004458 analytical method Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 7
- 238000004891 communication Methods 0.000 description 5
- 238000000491 multivariate analysis Methods 0.000 description 4
- 230000002159 abnormal effect Effects 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 230000006866 deterioration Effects 0.000 description 3
- 238000007417 hierarchical cluster analysis Methods 0.000 description 3
- 239000000470 constituent Substances 0.000 description 2
- 238000007796 conventional method Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 230000007257 malfunction Effects 0.000 description 2
- 238000000513 principal component analysis Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000000611 regression analysis Methods 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 238000004378 air conditioning Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000007621 cluster analysis Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000007429 general method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000003936 working memory Effects 0.000 description 1
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
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- Automation & Control Theory (AREA)
- Strategic Management (AREA)
- Water Supply & Treatment (AREA)
- Primary Health Care (AREA)
- Human Resources & Organizations (AREA)
- Tourism & Hospitality (AREA)
- General Health & Medical Sciences (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- Public Health (AREA)
- General Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Quality & Reliability (AREA)
- Testing And Monitoring For Control Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
資料取得部(101)，從機器分類指標資料庫(201)取得機器分類指標資料。特徵量轉換部(102)，將機器分類指標資料轉換為表示機器之特徵的特徵量。機器分類部(103)，使用特徵量的值以依照機器單位分類設備。
Description
本發明係關於以構成設備之機器為單位分類設備的機器分類裝置。
在升降機、空調等同種物品於多樣環境複數存在的設備中，按持有相同特徵者進行分類是有用的。例如，專利文獻1所記載之習知系統，建物設備內目的為節能之照明．空調控制中，按持有相同特徵者分類升降機。專利文獻1所記載之系統，利用升降機運作資訊，每週某日或每時間區間地模式化共用部分之人流量、或廂室的室內人數、存在率，計畫控制排程。在此，對於無法取得升降機運作資訊之建物，為移用持有相同特徵之類似建物的解析結果，進行建物的分類。
專利文獻1 日本特開2005-104635號公報
當針對構成升降機、空調等設備之機器進行故障或異常等的解析時，依照同種、同特徵之機器對複數個設備．機器進行分類與解析，相較於僅依照單一設備的解析，有望提
升故障或異常的檢出精確度。儘管如此，習知方法中，由於是依照升降機之類的設備單位進行分類，即使是持有不同特徵的機器，若以設備單位而言為同種、同特徵，則作為機器會有無法分類的問題。舉例而言，在構成升降機A之門機器與構成升降機B之門機器為同型但特徵不同的情況下，習知上當升降機A與升降機B作為稱作升降機之設備係判定為同特徵時，兩者的門機器也會被分類為同特徵。因此，例如在機器之故障或異常等的解析中，會有將持有某特定條件下為異常之特徵的機器與持有同一條件下沒有異常之特徵的機器視為相同分類來處理等，與異常原因解析之障礙或異常檢出精確度降低等有關的問題。
本發明係為用於解決上述問題者，其目的為提供能夠高精確度地進行機器之故障或異常等的解析的機器分類裝置。
根據本發明之機器分類裝置，包括：資料取得部，取得機器分類指標資料，其相當於從各個由單數或複數個機器構成之複數個設備中的各機器的監視資料得到的各機器所固有的資訊；以及機器分類部，使用機器分類指標資料以依照機器單位分類設備。
根據本發明之機器分類裝置，使用相當於各機器所固有之資訊的機器分類指標資料，按機器分類設備。藉此，可高精確度地進行機器之故障或異常等的解析。
11‧‧‧處理器
12‧‧‧記憶體
13‧‧‧通訊I/F裝置
14‧‧‧存儲器
15‧‧‧輸出裝置
100、100a、100b、100c‧‧‧機器分類裝置
101、101a‧‧‧資料取得部
102‧‧‧特徵量轉換部
103、103a‧‧‧機器分類部
200、200a、200b‧‧‧資料收集管理裝置
201、201a‧‧‧機器分類指標資料庫
202‧‧‧機器分類指標資料庫群
202a‧‧‧感測器資料庫
202b‧‧‧保養性能資料庫
300‧‧‧網路
400‧‧‧監視對象
500‧‧‧故障風險算出部
600‧‧‧輸入裝置
701、702、703‧‧‧特徵量值
704、705‧‧‧分類
901、902‧‧‧設備特徵量
第1圖係本發明實施型態1之機器分類裝置的構成圖。
第2圖係例示本發明實施型態1之機器分類裝置所使用的感測器資料的說明圖。
第3圖係例示本發明實施型態1之機器分類裝置所使用的保養性能資料的說明圖。
第4圖係本發明實施型態1之機器分類裝置的硬體構成圖。
第5圖係表示本發明實施型態1之機器分類裝置的機器分類處理的流程圖。
第6圖係例示本發明實施型態1之機器分類裝置所使用的特徵表的說明圖。
第7圖係例示本發明實施型態1之機器分類裝置的特徵量之分類的說明圖。
第8圖係附加故障風險預測裝置於本發明實施型態1之機器分類裝置的情況下的構成圖。
第9圖係表示本發明實施型態1之機器分類裝置的各機器之特徵量的說明圖。
第10圖係表示本發明實施型態2之機器分類裝置的構成圖。
第11圖係表示本發明實施型態2之機器分類裝置的構成圖。
以下，為更詳細說明本發明，關於用於實施本發明之型態，係根據所附圖式說明。
實施型態1
第1圖為包括根據本實施型態之機器分類裝置100的監視系統的構成圖。圖示之監視系統中，機器分類裝置100與資料收集管理裝置200連接，資料收集管理裝置200透過網路300與監視對象400連接。
機器分類裝置100包括資料取得部101、特徵量轉換部102與機器分類部103。資料取得部101，係自資料收集管理裝置200管理之機器分類指標資料庫201取得機器分類指標資料的處理部。特徵量轉換部102，係將機器分類指標資料轉換為表示機器之特徵的特徵量的處理部。機器分類部103，係使用由特徵量轉換部102轉換之特徵量的值以按機器分類設備的處理部。
資料收集管理裝置200，係收集來自監視對象400的監視資料、將此監視資料作為機器分類指標資料累積於機器分類指標資料庫201並管理的裝置。累積於機器分類指標資料庫201的機器分類指標資料，指示自監視對象400之感測器得到的資料(感測器資料)、根據保養員之檢查或設備資料作成之資料(保養性能資料)等從監視對象400直接或間接得到的監視資料。作為累積於機器分類指標資料庫201的機器分類指標資料，以升降機為例，感測器資料的例子係表示於第2圖，保養性能資料的例子係表示於第3圖。
第2圖中，作為自一個設備的一個機器的感測器
得到的資料的例子，例示感測器資料。圖示的感測器資料中，作為資料項目的例子，表示氣溫、震動、旋轉速度、接點1電流、接點1電壓、接點2電流、接點2電壓等。感測器資料的資料項目例的值為一例。資料項目為了儲存自實際的設備、機器收集的感測器資料的項目而可變更。另外，若可區別設備、機器，也可以收集複數個設備、機器的資料，作成一個表。若機器的相聯為可能的，也可以一個設備的一個機器的資料分割為複數個表。氣溫、濕度等各機器共通的資料項目也可以用各機器資料以外的表管理。
第3圖中，作為對於一個設備的一個機器自保養員之檢查或設備資料得到的資料的例子，例示保養性能資料。保養性能資料例中，作為資料項目的例子，記載設備ID、機種ID、機器ID、作業者名、保養作業內容、有無異常等。這些資料項目的值為一例。資料項目為了儲存自實際的設備、機器收集的保養性能資料的項目而可變更。另外，若可區別設備、機器，也可以收集複數個設備、機器的資料，作成一個表。再者，若設備機器的相聯為可能的，也可以一個設備的一個機器的資料分割為複數個表。此外，也可以將平常時候的保養作業與故障、異常發生時的保養作業等型態不同的保養作業的保養性能資料分割管理。另外，也可以結合第2圖所示的感測器資料例與第3圖所示的保養性能資料例，以作為一個表來管理。意即，作為儲存於機器分類指標資料庫201的機器分類指標資料，若是機器所固有的資訊，則可以是任何資訊。
監視對象400，舉例而言，係如升降機或空調之類
的由單一或複數個機器組成的設備。監視對象400假定為存在二個以上的由相同機器組成的設備。也可以構成為沒有連接至網路300而直接連接監視對象400與資料收集管理裝置200。不論監視對象400與資料收集管理裝置200的連接方式為何，也可以構成為網路連接資料收集管理裝置200與機器分類裝置100。
第4圖係表示用於實現本實施型態之機器分類裝置的硬體構成的區塊圖。第4圖中，例示將第1圖之機器分類裝置100與資料收集管理裝置200構成於一個硬體上。機器分類裝置100及資料收集管理裝置200包括處理器11、記憶體12、通訊I/F(介面)裝置13、存儲器14、輸出裝置15。處理器11為用於實現機器分類裝置100及資料收集管理裝置200之功能的處理器。記憶體12為作為儲存對應於機器分類裝置100及資料收集管理裝置200之功能的各種程式的程式記憶體、處理器11進行資料處理時所使用的工作記憶體、及展開訊號資料的記憶體等使用的ROM及RAM等記憶部。通訊I/F裝置13為與網路300等外部的通訊介面。存儲器14為用於累積各種資料和程式的記憶裝置。輸出裝置15為用於輸出處理結果至外部的裝置。
第1圖中的資料取得部101、特徵量轉換部102及機器分類部103進行的處理，由處理器11讀出儲存於記憶體12的程式而執行。機器分類指標資料庫201累積的資料，自監視對象400經由網路300以通過通訊I/F裝置13儲存於存儲器14。機器分類部103的處理結果，必要時儲存於存儲器
14，並由輸出裝置15輸出至外部。此外，也可以將機器分類裝置100與資料收集管理裝置200構成於不同硬體上。
接著，說明本實施型態之機器分類裝置100的操作。資料收集管理裝置200，將自監視對象400得到的機器分類指標資料連續或間歇地累積至機器分類指標資料庫201。機器分類裝置100，進行自機器分類指標資料庫201取得機器分類指標資料的處理。第5圖係表示機器分類裝置100的處理的流程圖。首先，資料取得部101從機器分類指標資料庫201取得機器分類指標資料(步驟ST1)。另外，在機器分類指標資料中包含複數個資料項目的情況下，對每個資料項目執行第5圖的流程。舉例而言，若輸入機器ID作為機器分類指標資料的索引，則輸出分類後的機器ID的清單。清單的形式並無限制，作為一例，分配分類ID給各分類，各機器ID與所對應的分類ID係儲存於1行的表形式的輸出。另外，作為其他清單的例子，有對每分類準備一個位址，並在位址內儲存屬於對應之分類的機器ID的方法。
特徵量轉換部102，為了數值化各機器的特徵，將所輸入的機器分類指標資料轉換為特徵量。首先，特徵量轉換部102，判斷所輸入的機器分類指標資料為數值的資料或數值以外的資料，並分別進行其後的處理(步驟ST2)。在結合第2圖的感測器資料與第3圖的保養性能資料之類的於一個表中混合數值的資料與數值以外的資料的情況下，則分割為數值的資料的資料項目與數值以外的資料項目，並分別對已分割者執行接下來的處理。
特徵量轉換部102，若所輸入的機器分類指標資料為感測器資料等的數值資料(步驟ST2：是)，則執行步驟ST3的處理。在步驟ST3中，將數值資料轉換為特徵量。作為特徵量，可為例如主成份分析的各主成份、MT法下的距離、回歸分析下的回歸係數與誤差、圖樣比對(Pattern matching)法下的類似度等的多變量解析方法等一般的方法。特徵量係例示於第6圖。
第6圖中，作為對於複數個設備的一個機器所得到的特徵量，例示特徵量表。特徵量表中，作為各設備之機器1的特徵量的例子，記載特徵量1~4。特徵量表的各項目資料的值為一例。特徵量，為了儲存自實際資料算出的特徵量而可變更。另外，若可區別設備、機器，也可以收集複數個設備、機器的資料，作成一個表。再者，若機器的相聯為可能的，也可以一個設備的一個機器的資料分割為複數個表。
此外，特徵量轉換部102，若所輸入的機器分類指標資料不是感測器資料等的數值資料(步驟ST2：否)，則執行步驟ST4的處理。意即，習知上，分類中所使用的指標，僅為例如升降機的運作資訊、升降機的用途、規模之類的資訊，在故障或異常等的解析的情況下，由於將感測器資料或過去的故障履歷等許多資訊作為解析對象，藉由在特徵的分類中也將這些資訊組合成為分類的指標，有望提升故障或異常等的解析精確度。因此，本實施型態中，若所輸入的機器分類指標資料為文字資料等的數值以外的資料，則特徵量轉換部102執行步驟ST4的處理。作為數值以外的資料，例如為文字列資料。以文
字列為例在步驟ST4中，將文字資料數值化後，轉換為特徵量。作為特徵量，與數值資料的情況相同，可為例如主成份分析的各主成份、MT法下的距離、回歸分析下的回歸係數與誤差、圖樣比對法下的類似度等的多變量解析方法等一般的方法。或者，也可將文字資料直接轉換為特徵量。轉換方法，可為例如分配相同數字資料給機種等的相同文字資料的方法、將分割文字列而得之語素的類似度數值化的方法、利用N-gram模型從重合頻率數值化類似度的方法等一般的文字列解析方法。特徵量，以與第6圖之特徵量表一樣的形式儲存。
接著，機器分類部103中，為了按特徵類似之機器分類各機器，輸入複數個機器份量的由特徵量轉換部102轉換的特徵量，按特徵量為近似值之機器進行分類(步驟ST5)。步驟ST5之分類處理中，可利用樹狀圖(dendrogram)等的階層式群集(cluster)分析或k-means法等的非階層式群集分析等一般的多變量解析方法，或支持向量機(support vector machine)等一般的機器學習方法。分類的例子係表示於第7圖。
第7圖係將第6圖之特徵量表所示之第2~4列資料當中的特徵量1與特徵量2圖表式地表示於2維散佈圖上。第7圖之特徵量值701表示第6圖之特徵量表的第1列資料，特徵量值702表示特徵量表的第2列資料，特徵量值703表示特徵量表的第3列資料。以分類704、705作為根據各資料間之距離圖表式地分類的例子。特徵量值701與特徵量值702，由於在散佈圖上的距離較近，表示其組合成為一個分類704。特徵量值703，由於離特徵量值701與特徵量值702在散佈圖
上的距離較遠，表示其為與分類704不同的分類705。
作為本發明其中一用途，係機器的故障．異常解析。例如，在預測將來故障時間以制定機器的保養計畫的情況下，根據自機器得到的資料，從統計上的故障發生頻率與劣化傾向預測將來故障發生的機率(故障風險)，推測必須進行保養的時間的方法。
追加上述預測故障風險之功能的機器分類裝置100a的構成係表示於第8圖。圖示的監視系統，係附加故障風險算出部500於第1圖所示之構成。故障風險算出部500，為使用由機器分類部103分類的結果以預測故障風險的處理部。作為算出故障風險的一個方法，利用故障發生頻率，算出對於自保養作業日之經過天數的累積故障率。以函數近似此算出結果，將欲預測的自保養作業日之經過天數輸入至近似的函數所得到的值，係作為將來的故障風險。作為近似的函數，可利用韋伯(Weibull)分佈等的可靠度工程中所利用的一般的危險函數。另外，可對應機器的劣化度修正故障風險。在此，具有類似特徵的機器，由於故障發生的機率或劣化傾向也類似的可能性為高，按類似特徵分類機器對於預測故障風險也是有用的。按更類似之機器進行分類會導致故障風險的預設精確度提升。
故障風險算出部500中使用的資料，可與資料取得部101~機器分類部103中使用的資料相同，另外，也可包含其他資料而使用。故障風險預估時，雖然可以依照機器單位預測故障風險，但也可以綜合地判斷構成同設備之複數個機器的相關關係等複數個機器的故障風險，預測設備單位下的故障
風險。作為其他用途，在一個機器中發生的故障於相同分類的其他機器中也發生的可能性為存在的情況下，可利用於實施早期保養作業等保養計畫的制定、變更。作為其他用途，可利用於將相同分類之複數個機器的保養作業分配給相同保養員等保養作業的編制。作為其他用途，可利用於機器的遠端監視等狀態監視中按相同分類之機器進行指示。
接著，說明實施型態1的效果。第9圖，作為各機器之特徵量的例子，對於機器1、機器2二個機器，從設備a、設備b、設備c三個設備收集資料，並算出特徵量，分別表現於從二個特徵量作成的2維散佈圖上。機器1的設備特徵量係表示於901，機器2的設備特徵量係表示為902。習知方法中，由於是設備單位的分類，在設備a、設備b、設備c係分類為持有相同特徵之設備的情況下，無論機器1、機器2的特徵，係為相同分類。另一方面，實施型態1中，例如機器1的設備特徵量901中，即使在設備a與設備b為一個分類而設備c為別的分類的情況下，機器2的設備特徵量902中設備a與設備c為一個分類而設備b為別的分類等機器單位下的分類為可能的。
藉由按持有相同特徵之機器進行分類，可預期機器的故障風險的預測精確度、故障．異常檢出的精確度等的提升。另外，藉由按類似機器進行分類，在某機器中發現故障．異常等的情況下，藉由抽出持有相同特徵之機器並進行保養可預期防範其他機器中的故障．異常於未然以及排程各機器的保養作業造成的保養效率化。例如，在因為升降機A的門開關馬
達的扭矩低下而發生關閉的情況下，藉由持有相同特徵的其他升降機的門開關馬達在沒有扭矩低下之跡象時進行檢查、保養，可預期減少故障或事故。作為其他的例子，在檢出升降機A的門開關馬達的扭矩低下的情況下，若持有相同特徵的其他升降機的門開關馬達中也有發生扭矩低下的可能性但不必要馬上處理，藉由適當地排程保養作業可預期作業的效率化。另外，關於特定的設備中所包含的機器，在從過去的資料預測將來的故障風險的情況下，從此機器得到的過去的資料較少，推測無法算出故障風險。若使用根據實施型態1的機器分類裝置，從與預測故障風險之機器持有相同特徵的其他設備的機器取得資料，並使用所取得的資料，則可預測過去的資料較少的機器的故障風險。
如以上說明，根據實施型態1的機器分類裝置，由於包括取得相當於從各個由單數或複數個機器構成之複數個設備中各機器的監視資料得到的各機器所固有的資訊的機器分類指標資料的資料取得部、將機器分類指標資料轉換為表示機器之特徵的特徵量的特徵量轉換部、將特徵量接近之機器作為特徵類似之機器以依照機器單位對設備分類的機器分類部，而可精確度高地進行機器之故障或異常等的解析。
此外，根據實施型態1的機器分類裝置，由於包括使用各機器的故障發生頻率以預測由機器分類部判定為類似之機器的故障風險的故障風險算出部，而可確實進行各設備之機器的保養作業。
實施型態2
實施型態1下，機器分類指標資料庫201中，儲存例如第2圖所示的感測器資料或第3圖所示的保養性能資料，但也可以按資料類別形成複數個資料庫，此種情況係作為實施型態2說明。第10圖係表示適用實施型態2之機器分類裝置的監視系統的構成圖。實施型態2的資料收集管理裝置200a，包括作為機器分類指標資料庫群202的感測器資料庫202a與保養性能資料庫202b。感測器資料庫202a，為用於累積監視對象400之感測器資料的資料庫，資料收集管理裝置200a透過網路300從監視對象400取得。保養性能資料庫202b，為用於累積監視對象400之保養性能資料的資料庫。此保養性能資料庫202b，由資料收集管理裝置200a透過網路300取得用於輸入進行監視對象400之保養而得之結果的輸入裝置600的保養性能數據所構成。此外，輸入裝置600由個人電腦等組成，為監視對象400之保養員輸入保養性能資料的裝置。
實施型態2的機器分類裝置100b，由資料取得部101a、特徵量轉換部102及機器分類部103組成。在此，資料取得部101a係構成為自感測器資料庫202a取得感測器資料，並自保養性能資料庫202b取得保養性能資料。由於特徵量轉換部102及機器分類部103的構成及操作與實施型態1相同，在此省略說明。
此外，在上述例子中，作為資料類別說明感測器資料與保養性能資料的例子，但資料類別並不限定於此，自監視對象400得到的監視資料可依照任何類別分割。另外，也可以是根據負荷分散的觀點而於複數個資料庫分散管理的構
成，或，並非資料庫形式而是以檔案管理機器作為分類指標資料的構成。另外，第10圖所示的機器分類指標資料庫群202，為概念上的群體，也可以例如各資料庫分散配置於不同的裝置上。
如此一來，實施型態2之機器分類裝置中，藉由分割機器分類指標資料庫以作為機器分類指標資料庫群202，可減少各資料庫的資料量。因此，可預期提升從機器分類裝置100b至機器分類指標資料群202的存取速度。另外，藉由將各資料庫構成為分散配置於不同裝置上，可減輕每一個裝置的負荷。
如以上說明，根據實施型態2的機器分類裝置，機器分類指標資料，由於提供為按資料類別的資料庫，可更快速地進行至機器分類指標資料的存取。
實施型態3
實施型態1中，對資料取得部101所取得的機器分類指標資料由特徵量轉換部102轉換為特徵量之後，機器分類部103進行分類，但也可以根據機器分類指標資料的內容，機器分類部103從機器分類指標資料直接進行分類處理。此種例子係作為實施型態3說明。
第11圖為包含實施型態3之機器分類裝置的監視系統的構成圖。圖示的機器分類裝置100c包括資料取得部101與機器分類部103a。作為資料收集管理裝置200b管理的機器分類指標資料庫201a的資料，例如，有監視對象400中機器的使用頻率、地域等的設置環境、氣溫、操作溫度等。機器分
類部103a，係構成為從此種機器分類指標資料直接抽出每機器的特徵，並按機器分類設備。關於分類處理，與實施型態1相同，可利用樹狀圖等的階層式群集分析或k-means法等的非階層式群集分析等的一般的多變量解析方法，或支持向量機等的一般的機器學習方法。
如以上說明，根據實施型態3的機器分類裝置，由於包括取得相當於從各個由單數或複數個機器構成之複數個設備中各機器的監視資料得到的各機器所固有的資訊的機器分類指標資料的資料取得部、使用機器分類指標資料以依照機器單位分類設備的機器分類部，而可精確度高地進行機器之故障或異常等的解析。另外，由於沒有算出特徵量的處理而可縮短處理時間。
另外，根據實施型態3的機器分類裝置，機器分類指標資料，由於設各機器的使用頻率為各機器所固有的資訊，機器分類部可直接使用機器分類指標資料以進行分類處理。
另外，根據實施型態3的機器分類裝置，機器分類指標資料，由於設各機器的設置環境資訊為各機器所固有的資訊，機器分類部可直接使用機器分類指標資料以進行分類處理。
此外，本發明，在此發明範圍內，各實施型態的任意組合，或各實施型態的任何構成部件的變形，或各實施型態中任何構成部件的省略皆為可能的。
產業上的利用可能性
如上所述，根據本發明之機器分類裝置，係針對複數個設備，按這些設備所持有的機器分類各設備，適合對升降機或空調等同種物品於不同環境複數存在的設備使用。
100‧‧‧機器分類裝置
101‧‧‧資料取得部
102‧‧‧特徵量轉換部
103‧‧‧機器分類部
200‧‧‧資料收集管理裝置
201‧‧‧機器分類指標資料庫
300‧‧‧網路
400‧‧‧監視對象
Claims (6)
- 一種機器分類裝置，其特徵為包括：資料取得部，取得機器分類指標資料，其相當於從各個由單數或複數個機器構成之複數個設備中的上述各機器的監視資料得到的該各機器所固有的資訊；以及機器分類部，使用上述機器分類指標資料以依照機器單位分類設備；上述機器分類指標資料包含保養性能資料。
- 一種機器分類裝置，其特徵為包括：資料取得部，取得機器分類指標資料，其相當於從各個由單數或複數個機器構成之複數個設備中的上述各機器的監視資料得到的該各機器所固有的資訊；特徵量轉換部，將上述機器分類指標資料轉換為表示上述機器之特徵的特徵量；以及機器分類部，將上述特徵量接近之機器作為特徵類似之機器以依照該機器單位分類設備；上述機器分類指標資料包含保養性能資料。
- 如申請專利範圍第2項所述之機器分類裝置，其中，上述機器分類指標資料，係提供為按資料類別的資料庫。
- 如申請專利範圍第1項所述之機器分類裝置，其中，上述機器分類指標資料，設各機器的使用頻率為該各機器所固有的資訊。
- 如申請專利範圍第1項所述之機器分類裝置，其中，上述機器分類指標資料，設各機器的設置環境資訊為該各機器 所固有的資訊。
- 如申請專利範圍第2項所述之機器分類裝置，更包括：故障風險算出部，使用上述各機器的故障發生頻率，以預測由上述機器分類部判定為類似之機器的故障風險。
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| PCT/JP2016/056046 WO2017149597A1 (ja) | 2016-02-29 | 2016-02-29 | 機器分類装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| TW201730085A TW201730085A (zh) | 2017-09-01 |
| TWI616392B true TWI616392B (zh) | 2018-03-01 |
Family
ID=59742554
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| TW105119271A TWI616392B (zh) | 2016-02-29 | 2016-06-20 | Machine sorting device |
Country Status (3)
| Country | Link |
|---|---|
| JP (1) | JPWO2017149597A1 (zh) |
| TW (1) | TWI616392B (zh) |
| WO (1) | WO2017149597A1 (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP7475128B2 (ja) * | 2019-11-19 | 2024-04-26 | 三菱電機株式会社 | 省エネ効果推定装置、省エネ効果推定システム、省エネ効果推定方法及びプログラム |
| WO2024202441A1 (ja) * | 2023-03-24 | 2024-10-03 | 株式会社天地人 | 漏水調査計画支援システム及び方法 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH09167008A (ja) * | 1995-12-15 | 1997-06-24 | Toshiba Corp | プラントデータ管理装置 |
| CN1852428A (zh) * | 2006-05-25 | 2006-10-25 | 浙江工业大学 | 基于全方位计算机视觉的智能隧道安全监控装置 |
| CN102004874A (zh) * | 2010-11-05 | 2011-04-06 | 王义海 | 基于综合特征的数字资源监测预警方法 |
| WO2011122610A1 (ja) * | 2010-03-30 | 2011-10-06 | 新日鉄ソリューションズ株式会社 | 情報処理装置、情報処理方法及びプログラム |
| US20120133497A1 (en) * | 2010-11-29 | 2012-05-31 | Denso Corporation | Object appearance frequency estimating apparatus |
| TWI490496B (zh) * | 2010-09-27 | 2015-07-01 | Univ Kanagawa | 車輛動作分析裝置、車輛動作分析程式以及行車記錄器 |
| WO2015104953A1 (ja) * | 2014-01-10 | 2015-07-16 | 株式会社日立製作所 | 計算機システムおよび画像データ送信方法 |
| WO2015151155A1 (ja) * | 2014-03-31 | 2015-10-08 | 株式会社日立国際電気 | 安否確認システム及び秘匿化データの類似検索方法 |
Family Cites Families (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS63208716A (ja) * | 1987-02-26 | 1988-08-30 | Nippon Atom Ind Group Co Ltd | 機器保守管理支援装置 |
| JPH049716A (ja) * | 1990-04-27 | 1992-01-14 | Toshiba Corp | プラント状態量計測基準信号作成装置 |
| JP2011138251A (ja) * | 2009-12-28 | 2011-07-14 | Fujitsu Telecom Networks Ltd | 監視制御ネットワークシステム |
| JP5629237B2 (ja) * | 2011-05-17 | 2014-11-19 | 日立オムロンターミナルソリューションズ株式会社 | 部品寿命管理システム |
| JP5767754B2 (ja) * | 2012-09-27 | 2015-08-19 | 富士機械製造株式会社 | 基板作業機用の認識装置 |
| JP5855036B2 (ja) * | 2013-02-28 | 2016-02-09 | 三菱電機株式会社 | 設備点検順位設定装置 |
-
2016
- 2016-02-29 JP JP2017541412A patent/JPWO2017149597A1/ja active Pending
- 2016-02-29 WO PCT/JP2016/056046 patent/WO2017149597A1/ja active Application Filing
- 2016-06-20 TW TW105119271A patent/TWI616392B/zh not_active IP Right Cessation
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH09167008A (ja) * | 1995-12-15 | 1997-06-24 | Toshiba Corp | プラントデータ管理装置 |
| CN1852428A (zh) * | 2006-05-25 | 2006-10-25 | 浙江工业大学 | 基于全方位计算机视觉的智能隧道安全监控装置 |
| WO2011122610A1 (ja) * | 2010-03-30 | 2011-10-06 | 新日鉄ソリューションズ株式会社 | 情報処理装置、情報処理方法及びプログラム |
| TWI490496B (zh) * | 2010-09-27 | 2015-07-01 | Univ Kanagawa | 車輛動作分析裝置、車輛動作分析程式以及行車記錄器 |
| CN102004874A (zh) * | 2010-11-05 | 2011-04-06 | 王义海 | 基于综合特征的数字资源监测预警方法 |
| US20120133497A1 (en) * | 2010-11-29 | 2012-05-31 | Denso Corporation | Object appearance frequency estimating apparatus |
| WO2015104953A1 (ja) * | 2014-01-10 | 2015-07-16 | 株式会社日立製作所 | 計算機システムおよび画像データ送信方法 |
| WO2015151155A1 (ja) * | 2014-03-31 | 2015-10-08 | 株式会社日立国際電気 | 安否確認システム及び秘匿化データの類似検索方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| JPWO2017149597A1 (ja) | 2018-03-08 |
| WO2017149597A1 (ja) | 2017-09-08 |
| TW201730085A (zh) | 2017-09-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102011620B1 (ko) | 이상 데이터의 중요도 판정 장치 및 이상 데이터의 중요도 판정 방법 | |
| Xie et al. | Visualised inspection system for monitoring environmental anomalies during daily operation and maintenance | |
| JP5753286B1 (ja) | 情報処理装置、診断方法、およびプログラム | |
| JP5945350B2 (ja) | 設備状態監視方法およびその装置 | |
| JP5431235B2 (ja) | 設備状態監視方法およびその装置 | |
| US9483049B2 (en) | Anomaly detection and diagnosis/prognosis method, anomaly detection and diagnosis/prognosis system, and anomaly detection and diagnosis/prognosis program | |
| JP5855036B2 (ja) | 設備点検順位設定装置 | |
| JP6851558B1 (ja) | 異常診断方法、異常診断装置および異常診断プログラム | |
| US20200125970A1 (en) | Defect factor estimation device and defect factor estimation method | |
| JP2011145846A (ja) | 異常検知方法、異常検知システム、及び異常検知プログラム | |
| JP2015181072A (ja) | 設備状態監視方法およびその装置 | |
| JP2016058010A (ja) | 異常傾向検出方法およびシステム | |
| KR102073810B1 (ko) | 머신러닝을 이용하여 함정 추진 장비의 고장을 예측하는 방법 및 시스템 | |
| JP2019028834A (ja) | 異常値診断装置、異常値診断方法、およびプログラム | |
| TWI621951B (zh) | Machine sorting device | |
| CN116823227A (zh) | 一种基于物联网的智能设备管理系统及方法 | |
| TWI616392B (zh) | Machine sorting device | |
| KR101960755B1 (ko) | 미취득 전력 데이터 생성 방법 및 장치 | |
| CN117076869B (zh) | 旋转机械时频域融合故障诊断方法及系统 | |
| Amorós et al. | Statistical methods for detecting the onset of influenza outbreaks: a review | |
| JP2004202624A (ja) | ロボット用情報利用統合方法及び装置 | |
| JP6903089B2 (ja) | 機器制御支援装置、プログラム及び制御支援方法 | |
| JP6556297B1 (ja) | データ分析支援装置およびデータ分析支援プログラム | |
| CN118229036B (zh) | 一种用于智慧城市的运维管理系统及其方法 | |
| WO2024053030A1 (ja) | 異常要因推定装置、学習装置、精密診断システム、および、異常要因推定方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| MM4A | Annulment or lapse of patent due to non-payment of fees |