WO2017134772A1 - 製造設備診断支援装置及び製造設備診断支援方法 - Google Patents

製造設備診断支援装置及び製造設備診断支援方法 Download PDF

Info

Publication number
WO2017134772A1
WO2017134772A1 PCT/JP2016/053233 JP2016053233W WO2017134772A1 WO 2017134772 A1 WO2017134772 A1 WO 2017134772A1 JP 2016053233 W JP2016053233 W JP 2016053233W WO 2017134772 A1 WO2017134772 A1 WO 2017134772A1
Authority
WO
WIPO (PCT)
Prior art keywords
data
feature amount
feature
manufacturing facility
abnormality detection
Prior art date
Application number
PCT/JP2016/053233
Other languages
English (en)
French (fr)
Inventor
手塚　知幸
Original Assignee
東芝三菱電機産業システム株式会社
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 東芝三菱電機産業システム株式会社 filed Critical 東芝三菱電機産業システム株式会社
Priority to PCT/JP2016/053233 priority Critical patent/WO2017134772A1/ja
Priority to JP2017565020A priority patent/JP6572979B2/ja
Priority to CN201680049620.1A priority patent/CN107949813B/zh
Priority to KR1020187003229A priority patent/KR102042368B1/ko
Priority to TW105117535A priority patent/TWI615694B/zh
Publication of WO2017134772A1 publication Critical patent/WO2017134772A1/ja

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
    • 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
    • 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
    • G05B2219/24063—Select signals as function of priority, importance for diagnostic

Definitions

  • the present invention relates to an apparatus and method for supporting diagnosis of a manufacturing facility in which at least two or more similar apparatuses are installed, such as a rolling line for rolling a metal material and an annealing line for annealing.
  • Manufacturing equipment such as rolling lines and annealing lines consists of multiple devices. If there is a failure in the equipment constituting the manufacturing facility, the quality of the product may be lowered or the production efficiency may be lowered due to the line being stopped. Furthermore, it is not limited to the failure frame of one device, but this may be used as a starting point, causing a serious trouble and possibly damaging other devices. Therefore, accurate diagnosis of manufacturing equipment is required so that it can be dealt with before a failure occurs.
  • a typical example is a technique for grasping the abnormality of the devices constituting the manufacturing facility so that it can be dealt with before a failure occurs.
  • abnormal phenomena that occurred in the past are stored as known information and are used to determine whether the current state is abnormal.
  • past knowledge is useful, it cannot be applied unless it is known that an abnormality has occurred in the past, and it cannot be dealt with when a completely new abnormality occurs.
  • International Publication No. 2015/177870 discloses a new technology relating to diagnosis support for manufacturing equipment.
  • the technique disclosed in the publication calculates feature amounts based on data collected from similar devices in a target period when at least two or more similar devices are included in the devices constituting the manufacturing facility. An abnormality is detected based on a comparison of feature amounts between similar devices. According to this technology, knowledge about abnormal phenomena that have occurred in the past is not required.
  • the feature amount calculated in International Publication No. 2015/177870 may depend on factors other than the state of the apparatus, specifically, the raw materials and manufacturing conditions of the product being manufactured. If an abnormality is detected based on the comparison of feature amounts, it is desirable to consider differences in feature amounts due to factors other than the state of the device. However, in the technique disclosed in International Publication No. 2015/177870, the feature amount used for comparison is limited to that calculated based on data collected by each device similar to a predetermined period. For this reason, it has been difficult to take into account differences in feature quantities that depend on factors other than the state of the apparatus, such as raw materials and manufacturing conditions of the manufactured product, in the determination of abnormality detection.
  • the present invention has been made in view of the above-described problems, and in the diagnosis of a manufacturing facility in which at least two or more similar apparatuses are installed, the influence of factors other than the state of the apparatus on the diagnosis can be suppressed.
  • An apparatus and method are provided.
  • the manufacturing facility diagnosis support device is connected to a data collection device that collects and records operation data of each device in a manufacturing facility in which at least two or more similar devices are installed constantly or intermittently.
  • a manufacturing facility diagnosis support apparatus that supports diagnosis of a manufacturing facility by analyzing data recorded in a collection device, and is configured as follows.
  • the manufacturing facility diagnosis support apparatus includes means for extracting data used for diagnosis from data recorded in the data collection apparatus, and means for grouping the extracted data into similar data of similar apparatuses. And means for calculating the feature quantity for each group of the grouped data, means for storing the calculated feature quantity, and comparing the calculated feature quantity and the stored past feature quantity in groups. And means for detecting an abnormality based on the comparison result.
  • each means described above may be executed by a computer constituting the manufacturing facility diagnosis support apparatus. That is, the manufacturing facility diagnosis support apparatus is configured by a computer including at least one processor and at least one memory including at least one program, and the at least one memory and at least one program together with at least one processor, A computer may be operated as at least each of the above means.
  • the data recorded in the data collection device may include an operation signal indicating that each device in the manufacturing facility is in operation.
  • the data extraction unit may be configured to extract data collected during operation of each device based on an operation signal included in data recorded in the data collection device.
  • the anomaly detection means uses a past feature quantity that has been traced back by a preset time among the feature quantities stored in the feature quantity storage means, or a past feature quantity that has been traced by the preset number of products. And may be configured to detect anomalies.
  • the data recorded in the data collection device includes product related information related to the raw materials or production conditions of the products manufactured by the manufacturing equipment at the time of collecting the data
  • the data extracted by the data extraction means includes:
  • Product-related information may be included together with data used for calculating feature values by the feature value calculating means.
  • the feature quantity storage means may be configured to store product related information related to data used for calculating the feature quantity in association with the feature quantity.
  • the abnormality detection means is associated with product-related information that is the same as or partially the same as the feature quantity calculated by the feature quantity calculation means among the feature quantities stored in the feature quantity storage means.
  • the abnormality detection may be performed by using the feature amount at the time of past product manufacture. The accuracy of abnormality detection can be improved by using the feature amount when the similar product is manufactured for comparison.
  • the abnormality detection means detects an abnormality using the representative values of the plurality of feature amounts calculated by the feature amount calculation means and the representative values of the plurality of past feature amounts stored in the feature amount storage means. May be configured. By performing abnormality detection using a representative value of a plurality of feature values instead of a single feature value, it is possible to suppress sudden changes in data and the like from affecting the diagnosis.
  • the feature amount storage unit may be configured to store the feature amount in which the abnormality is detected in association with the detection result when an abnormality is detected by the abnormality detection unit.
  • the abnormality detection unit may be configured to perform abnormality detection using a past feature amount in which no abnormality is detected among the feature amounts stored in the feature amount storage unit. By excluding the feature amount in which the abnormality is detected from the subsequent determination, it is possible to improve the accuracy of abnormality detection based on the feature amount.
  • the manufacturing facility diagnosis support apparatus extracts or processes the feature quantity stored in the feature quantity storage means in accordance with the conditions specified via the input device, and outputs it to the display device for monitoring.
  • Monitoring data creation means for creating data may be provided. By displaying the monitoring data desired by the user on the display device, the degree of support for the diagnosis of the manufacturing facility is improved.
  • the manufacturing facility diagnosis support method collects and records the operation data of each device in the manufacturing facility in which at least two or more similar devices are installed, continuously or intermittently by the data collection device.
  • a manufacturing facility diagnosis support method for supporting diagnosis of a manufacturing facility by analyzing data recorded in the data collection device includes the following steps.
  • the manufacturing facility diagnosis support method includes a step of extracting data used for diagnosis from data recorded in the data collection device, and a step of grouping the extracted data into similar data of similar devices. Calculating a feature amount for each group of grouped data, storing the calculated feature amount in a storage device, newly calculated feature amounts and past features stored in the storage device Comparing the quantity in units of groups and detecting an abnormality based on the comparison result.
  • the data recorded in the data collection device may include an operation signal indicating that each device in the manufacturing facility is in operation.
  • the data extraction step may be a step of extracting data collected during operation of each device based on an operation signal included in data recorded in the data collection device.
  • the anomaly detection step uses a past feature quantity that is traced back by a preset time among feature quantities stored in the storage device, or a past feature quantity that is traced by a preset number of products. It may be a step of performing abnormality detection.
  • the data recorded in the data collection device includes product related information related to the raw materials or production conditions of the products manufactured by the manufacturing equipment at the time of collecting the data
  • the data extracted in the data extraction step includes:
  • the product related information may be included together with the data used for the feature amount calculation in the feature amount calculation step.
  • the feature amount storing step may be a step of storing the product related information related to the data used for calculating the feature amount in association with the feature amount in the storage device.
  • the abnormality detection step is a past product manufacturing in which product-related information that is the same as or partially the same as the newly calculated feature amount among the feature amounts stored in the storage device is linked. It may be a step of performing abnormality detection using the time feature amount.
  • the abnormality detection step is a step of performing abnormality detection using the representative values of a plurality of newly calculated feature quantities and the representative values of a plurality of past feature quantities stored in the storage device. May be.
  • the feature amount storing step may be a step of storing the feature amount in which the abnormality is detected in the storage device in association with the detection result when an abnormality is detected in the newly calculated feature amount.
  • the abnormality detection step may be a step of performing abnormality detection using a past feature amount in which no abnormality is detected among the feature amounts stored in the storage device.
  • the manufacturing facility diagnosis support method extracts or processes the feature amount stored in the storage device according to the condition specified via the input device, and outputs the monitoring data to be output to the display device. You may have the monitoring data creation step to create.
  • data used for diagnosis is extracted from data recorded in the data collection device, that is, operation data of each device in the manufacturing facility.
  • the extracted data is grouped for the same kind of data of similar devices, and feature quantities for diagnosis within the group are calculated for the grouped data.
  • the calculated feature amount is stored in the storage device.
  • the newly calculated feature value and the past feature value stored in the storage device are compared, and abnormality detection is performed based on the comparison result.
  • the comparison target of the calculated feature amount is not stored in the storage device, but in the feature amount related to another device calculated during the same period. Since the stored feature values of the device are the past feature values, the comparison target can be selected from a wide range. Therefore, even if the feature quantity depends on the raw material, production conditions, etc. of the product being manufactured, the influence of factors other than the state of the device on the diagnosis can be achieved by appropriately selecting the past feature quantity to be compared. Can be suppressed.
  • FIG. 1 is a diagram showing a system configuration according to an embodiment of the present invention.
  • a manufacturing facility that is a target of diagnosis support by the manufacturing facility diagnosis support apparatus (hereinafter simply referred to as a diagnosis support apparatus) 10 according to the present embodiment is a hot sheet rolling line 20.
  • a hot sheet rolling line 20 shown in FIG. 1 includes various apparatuses such as a heating furnace 21, rough rolling mills 22 and 23, a bar heater 24, a finish rolling mill 25, a runout table 26, and a winder 27.
  • the rolled material 100 heated in the heating furnace 21 is rolled by two types of rough rolling mills 22 and 23.
  • the rolled material 100 rolled by the rough rolling mills 22 and 23 is conveyed to the finishing rolling mill 25 through the bar heater 24.
  • the finish rolling mill 25 has seven rolling stands F1 to F7 arranged in series, and rolls the rolled material 100 to a desired plate thickness.
  • the rolled material 100 rolled by the finish rolling mill 25 is cooled by the run-out table 26 and then wound in a coil shape by the winder 27.
  • a coil-shaped thin plate made by rolling the rolled material 100 thinly is the final product.
  • a thermometer 30 for measuring the temperature on the entry side of the finishing mill 25 a sensor 31 for measuring the plate thickness and the sheet width, and the exit side of the finishing mill 25.
  • Various sensors such as a thermometer 32 for measuring the temperature and a thermometer 33 for measuring the temperature on the entry side of the winder 27 are arranged.
  • the hot sheet rolling line 20 is provided with a data collection device 28.
  • the data collection device 28 is a set value or actual value for each device constituting the hot sheet rolling line 20, a measured value by the sensor, and an operation for operating the device properly.
  • Various operation data such as quantity are collected constantly or intermittently and recorded in a recording device such as a hard disk.
  • the data collection device 28 may be composed of a single computer or a plurality of computers connected to a network.
  • the apparatus from which the operation data is collected by the data collecting apparatus 28 includes rolling stands F1 to F7 of the finishing mill 25.
  • the seven rolling stands F1 to F7 have different basic specifications, such as a large-capacity motor for driving the upper and lower rolling rolls, a shaft connecting the rolls to the motor, and a reduction device for moving the rolls up and down, but its basic configuration Are common. Therefore, the rolling stands F1 to F7 correspond to similar apparatuses, specifically, apparatuses having a common basic configuration and similar specifications and use conditions.
  • the diagnosis support apparatus 10 is connected to the data collection apparatus 28 via a LAN.
  • the diagnosis support apparatus 10 is not an apparatus that presents a result of diagnosing the hot sheet rolling line 20 but an apparatus that supports a diagnosis of the hot sheet rolling line 20 by a user. More specifically, the diagnosis support apparatus 10 extracts and analyzes data used for diagnosis of the hot sheet rolling line 20 from data recorded in the data collection apparatus 28, and provides the analysis result to the user. This is a device that supports diagnosis performed by the user.
  • the diagnosis support apparatus 10 is a computer having at least one memory and at least one processor. The memory stores various programs and various data used for diagnosis support.
  • the diagnosis support apparatus 10 is connected to a display device 18 for displaying the analysis result and an input device 19 such as a keyboard and a mouse touch panel for inputting a user command.
  • FIG. 2 is a diagram showing the configuration of the diagnosis support apparatus 10, and the functions of the diagnosis support apparatus 10 are represented by blocks.
  • the diagnosis support apparatus 10 includes a data extraction unit 11, a data grouping unit 12, a feature amount calculation unit 13, a feature amount storage unit 14, an abnormality detection unit 15, and a monitoring data creation unit 16.
  • the processing performed by these functional units 11 to 16 corresponds to the processing of each step in the manufacturing facility diagnosis support method according to the present invention.
  • the program read from the memory of the diagnosis support apparatus 10 is executed by the processor, the functions of these functional units 11 to 16, that is, the functions as the diagnosis support apparatus 10 are realized by the computer.
  • the program that causes the computer to function as the diagnosis support apparatus 10 is provided via a network or a computer-readable storage medium (for example, CD-ROM, DVD, USB memory, etc.).
  • a network or a computer-readable storage medium for example, CD-ROM, DVD, USB memory, etc.
  • the data extraction unit 11 has a function (function as a data extraction unit) for extracting operation data of a similar device from the data collection device 28.
  • the operation data extracted by the data extraction unit 11 includes the rolling load, motor current, speed, reduction position, etc. of each rolling stand F1 to F7.
  • data collected during operation of the rolling stands F1 to F7 that is, data during rolling is extracted.
  • Whether rolling is in progress can be determined from the size of the data itself and its change. For example, if the extracted data is a rolling load, as shown in FIG.
  • the magnitude of the rolling load changes during rolling and non-rolling, so by setting a certain threshold value, during rolling and non-rolling It can be judged from the magnitude of the rolling load.
  • An in-operation signal indicating that rolling is in progress is created by a control device (not shown) that controls the rolling stands F1 to F7, collected together with the rolling load data in the data collecting device 28, and linked to the rolling load data. It is recorded as.
  • the data extraction unit 11 extracts data (not limited to rolling load data) from the data collection device 28, the data extraction unit 11 checks the rolling load data recorded in the data collection device 28, and the rolling load is a threshold value. If it exceeds, the data may be read from the data collection device 28. In the example shown in FIG.
  • the operating signal is created based on the size of the rolling load data itself, but the operating signal is associated with a specific phenomenon that changes between rolling and non-rolling. You may create it. In addition, if the data to be extracted is different, the operating signal may be created for each target.
  • the data grouping unit 12 has a function of grouping the data extracted by the data extracting unit 11 for each kind of similar device data (function as a data grouping unit).
  • the rolling loads, motor current, speed, reduction position, etc. can be handled as the same kind of data.
  • not all of the rolling stands F1 to F7 have the same kind of data.
  • the rolling stands F5 to F7 may be excluded and the data common to the rolling stands F1 to F4 may be grouped.
  • the feature amount calculation unit 13 has a function of calculating the feature amount of the data grouped by the data grouping unit 12 (function as a feature amount calculation means).
  • the feature amount can be defined as an amount that easily reveals the feature of the data.
  • statistical processing such as average value, standard deviation, maximum value / minimum value, principal component analysis, or the like can be used.
  • the feature amount may be obtained by a method such as Fourier analysis or wavelet transform. It is also possible to use a distance such as a correlation coefficient or Euclidean distance between data in the group as a feature amount. Note that the method described here is merely an example, and there is no problem in obtaining the feature amount by a method other than the method described here.
  • it is also effective to perform filtering on the extracted data or to obtain the difference between the extracted data and the filtered data before calculating the feature value. It is.
  • the feature amount storage unit 14 has a function (function as a feature amount storage unit) that stores the feature amount obtained by the calculation by the feature amount calculation unit 13 in a storage device for each group.
  • the type of the storage device that stores the feature amount is not limited as long as the data can be updated.
  • a semiconductor memory, a hard disk, or a DVD may be used.
  • product related information related to the feature amount is stored in association with the feature amount.
  • Product-related information refers to the raw material (for example, steel type) and rolling conditions (for example, material thickness, product thickness, width) of the rolled material 100 that has been rolled when the data that is the basis of the feature value is collected by the data collection device 28. , Temperature, etc.).
  • the product related information is included in the data collected and recorded by the data collection device 28. Since the feature amount depends on the raw material and manufacturing conditions of the rolled material 100, it is possible to correctly evaluate the feature amount by associating the product related information with the feature amount.
  • the abnormality detection unit 15 compares the feature amount newly calculated by the feature amount calculation unit 13 with the past feature amount stored in the feature amount storage unit 14 in units of groups, and detects an abnormality based on the comparison result. It has a function to detect (function as an abnormality detection means). Specifically, when it is found that the newly calculated feature amount has changed significantly with respect to the past feature amount, the abnormality detection unit 15 detects this as an abnormality.
  • the past feature value used for comparison may be a feature value obtained by the latest rolling. The latest rolling means the previous rolling or rolling performed several times before. On the other hand, even if an abnormality has occurred, if the change in the feature amount due to the change is small, it is difficult to detect the abnormality from the change amount even when compared with a feature value in the past.
  • a change in the feature amount becomes larger than that of the feature amount in the past, for example, one month before, and an abnormality can be detected from the change amount of the feature amount.
  • the past feature quantity selected as the comparison target can be arbitrarily changed by setting the retroactive time or the number of retroactive products.
  • the setting can be changed using the input device 19.
  • the abnormality detection unit 15 has a function of notifying the user when an abnormality is detected, for example, outputting a warning to the display device 18 or a function of contacting the user (maintenance staff here) by e-mail. Has been.
  • past feature quantities to be compared can be selected using product-related information.
  • a feature amount at the time of manufacturing a past product linked with the same product related information as the feature amount newly calculated this time is selected as a comparison target. To do. By doing so, it is possible to prevent the abnormality from being detected or erroneously detected due to the influence of factors other than the state of the apparatus such as the difference in the raw materials of the rolled material and the difference in the rolling conditions. Note that the past feature quantity to be selected does not have to be the same between the feature quantity newly calculated this time and the product related information.
  • a past characteristic amount in which product-related information that is the same for only the raw material is linked may be selected. In this way, by narrowing down past feature amounts to be compared, the accuracy of abnormality detection can be improved.
  • 4 and 5 are diagrams showing an example in which the current feature value and the past feature value are compared for each of the rolling stands F1 to F7.
  • the feature amount is the same between the rolling stands F1 to F7, for example, the rolling load.
  • an abnormality detection method if the current feature value changes by, for example, 30% or more in comparison with the past feature value, it may be detected as an abnormality.
  • the feature amount comparison by the abnormality detection unit 15 is not performed for each rolling stand but for each group of the rolling stands F1 to F7. Specifically, for each of the current feature value and the past feature value, the ratio of the feature values is taken between the rolling stands F1 to F7. Specifically, the minimum value or the maximum value among the feature values of the rolling stands F1 to F7 is set as the reference value, and the ratio of the feature value to the reference value is calculated for each of the rolling stands F1 to F7. Then, for each of the rolling stands F1 to F7, the rate of change between the ratio of the past feature quantity to the reference value and the ratio of the current feature quantity to the reference value is calculated, and changes between the rolling stands F1 to F7.
  • each change rate may be normalized and then compared.
  • the abnormality detection unit 15 checks whether there is a rolling stand whose rate of change is significantly different from the others, and if there is a rolling stand whose rate of change is significantly different from the others, it detects it as an abnormality. In the example shown in FIG. 5, since the change rate of F5 is significantly different from the others, the abnormality detection unit 15 determines that only F5 has an abnormality. Also in the example illustrated in FIG. 4, the abnormality detection unit 15 determines that there is an abnormality only in F5 whose rate of change is significantly different from the others.
  • the abnormality detection method described here is an example, and other methods can of course be employed.
  • the quality of the rolled material 100 is low, sudden fluctuation may occur in the data collected by the data collection device 28. If the collected data includes fluctuations, fluctuations more than expected may occur in the feature amount calculated based on the fluctuations. In order to avoid the influence of such sudden fluctuations on the accuracy of abnormality detection, a representative value (for example, an average value or a median value) of a plurality of feature values (for example, three rolls) is obtained. Thus, the abnormality detection may be performed based on a comparison between the representative value of the current feature value and the representative value of the past feature value. By doing so, it is possible to suppress sudden changes in data from affecting the diagnosis.
  • a representative value for example, an average value or a median value
  • the abnormality detection unit 15 detects an abnormality
  • the abnormality detection unit 15 notifies the feature amount storage unit 14 to that effect, and the feature amount storage unit 14 associates the feature amount in which the abnormality is detected with the detection result.
  • the abnormality detection part 15 uses the feature-value whose abnormality is not detected among the feature-values memorize
  • the monitoring data creation unit 16 has a function of creating monitoring data (a function as monitoring data creation means) that allows the user to easily monitor the tendency of changes in feature quantities. For example, the time-series data of each feature amount is output to the display device 18, the average value, standard deviation, maximum value / minimum value, etc. of the feature amount for each day is calculated, and the time-series data is displayed on the display device. Or output to 18. As a result, it is possible to monitor the tendency of long-term feature amount changes. Further, it is possible to take out the feature value under the conditions such as the steel type designated by the user via the input device 19 or the plate thickness or the plate width, and output the feature amount to the display device 18. Here, the designation of the steel type and the like can be freely set by the user from the display device. Thereby, it is possible to monitor each product.
  • the time-series data of each feature amount is output to the display device 18, the average value, standard deviation, maximum value / minimum value, etc. of the feature amount for each day is calculated, and the time-series
  • the rolling stands F1 to F7 of the finishing mill 25 are given as examples of similar devices, and the rolling load is used as the same type of data.
  • the present invention is limited thereto. is not.
  • the present invention can be applied to an annealing line for annealing, and can also be applied to a continuous cold rolling mill.
  • Diagnosis support device 11 Data extraction unit 12: Data grouping unit 13: Feature amount calculation unit 14: Feature amount storage unit 15: Abnormality detection unit 16: Monitoring data creation unit 18: Display device 19: Input device 20: Heat Thin sheet rolling line (production equipment) 25: Finishing mill 28: Data collection device 100: Rolled material F1 to F7: Rolling stand (similar device)

Abstract

本発明に係る製造設備診断支援装置は、少なくとも２つ以上の類似した装置が設置される製造設備内の各装置の運転データを常時または間欠的に収集し記録するデータ収集装置に接続され、データ収集装置に記録されたデータを解析することにより製造設備の診断を支援する。この製造設備診断支援装置は、データ収集装置に記録されたデータから診断に用いるデータを抽出する機能、抽出されたデータを類似した装置の同種のデータごとにグループ分けする機能、グループ分けされたデータに対してグループ内で診断するための特徴量を演算する機能、演算された特徴量を記憶装置に記憶する機能、及び、新たに演算された特徴量と記憶装置に記憶された過去の特徴量とをグループ単位で比較し、その比較結果に基づいて異常を検知する機能を備える。

Description

製造設備診断支援装置及び製造設備診断支援方法
　本発明は、金属材料を圧延する圧延ラインや焼きなましをする焼鈍ラインなど、少なくとも２つ以上の類似した装置が設置される製造設備の診断を支援するための装置及び方法に関する。
　圧延ラインや焼鈍ラインなどの製造設備は複数の装置で構成されている。製造設備を構成する装置に故障があると、製品の品質の低下やライン停止による生産効率の低下を招くことがある。さらには、一つの装置の故障の枠にとどまらず、これを発端として重大なトラブルが引き起こされ、他の装置にもダメージを与えてしまうおそれもある。そのため、故障が起きる前に対処できるよう、製造設備の的確な診断が求められている。
　このような背景から、近年、製造設備の診断の支援に関する種々の手法が提案されている。その代表的なものが、故障が起きる前に対処できるよう、製造設備を構成する装置の異常を把握する技術である。その多くは、過去に起こった異常現象を既知の情報として蓄えておき、それを利用して現在の状態が異常であるかどうか判断するものである。しかし、もちろん過去の知見は有用であるものの、過去に異常が起きたことが既知でないと適用できないし、全く新しい異常が起こったときには対処することができない。
　一方、国際公開第２０１５/１７７８７０号には製造設備の診断の支援に関する新たな技術が開示されている。同公報に開示された技術は、製造設備を構成する装置に少なくとも２つ以上の類似した装置が含まれる場合、対象とする期間において類似する各装置から採取したデータに基づいて特徴量を計算し、類似する装置間での特徴量の比較に基づいて異常を検知するというものである。この技術によれば、過去に起こった異常現象に関する知見を必要としない。
国際公開第２０１５/１７７８７０号
　国際公開第２０１５/１７７８７０号において計算されている特徴量は、装置の状態以外の要因、具体的には、製造している製品の原材料や製造条件などに依存する場合がある。特徴量の比較に基づいて異常を検知するのであれば、装置の状態以外の要因による特徴量の違いを考慮することが望ましい。しかし、国際公開第２０１５/１７７８７０号に開示された技術では、比較に用いる特徴量は、所定期間に類似する各装置で採取されたデータに基づいて計算されたものに限られている。このため、異常検知の判定において、製造している製品の原材料や製造条件など、装置の状態以外の要因に依存する特徴量の違いを考慮することは困難であった。
　本発明は、上述のような課題に鑑みなされたもので、少なくとも２つ以上の類似した装置が設置される製造設備の診断において、装置の状態以外の要因が診断に及ぼす影響を抑えることができる装置及び方法を提供するものである。
　本発明に係る製造設備診断支援装置は、少なくとも２つ以上の類似した装置が設置される製造設備内の各装置の運転データを常時または間欠的に収集し記録するデータ収集装置に接続され、データ収集装置に記録されたデータを解析することにより製造設備の診断を支援する製造設備診断支援装置であって、以下のように構成される。
　すなわち、本発明に係る製造設備診断支援装置は、データ収集装置に記録されたデータから診断に用いるデータを抽出する手段と、抽出されたデータを類似した装置の同種のデータごとにグループ分けする手段と、グループ分けされたデータのグループごとの特徴量を演算する手段と、演算された特徴量を記憶する手段と、演算された特徴量と記憶された過去の特徴量とをグループ単位で比較し、その比較結果に基づいて異常を検知する手段とを備える。
　上記の各手段の処理は、製造設備診断支援装置を構成するコンピュータに実行させてもよい。つまり、製造設備診断支援装置を、少なくとも一つのプロセッサと、少なくとも一つのプログラムを含む少なくとも一つのメモリとを備えるコンピュータで構成し、少なくとも一つのメモリと少なくとも一つのプログラムは、少なくとも一つのプロセッサとともに、コンピュータを少なくとも上記の各手段として動作させてもよい。
　データ収集装置に記録されたデータには、製造設備内の各装置が稼働中であることを示す稼働信号が含まれてもよい。この場合、データ抽出手段は、データ収集装置に記録されたデータに含まれる稼働信号に基づいて、各装置の稼働中に収集されたデータを抽出するように構成されてもよい。抽出するデータを装置の稼働中のデータに限定することで、特徴量の計算に用いるデータの有用性を高めることができる。
　異常検知手段は、特徴量記憶手段に記憶された特徴量のうち、予め設定された時間だけ遡った過去の特徴量を用いて、あるいは、予め設定した製品の数だけ遡った過去の特徴量を用いて、異常検知を行うように構成されてもよい。
　データ収集装置に記録されたデータには、同データの収集時に製造設備が製造していた製品の原材料あるいは製造条件に関連する製品関連情報が含まれ、データ抽出手段により抽出されるデータには、特徴量演算手段により特徴量の演算に用いられるデータとともに製品関連情報が含まれてもよい。この場合、特徴量記憶手段は、特徴量の演算に用いたデータに関係する製品関連情報を同特徴量に紐付けて記憶するように構成されてもよい。さらに、この場合、異常検知手段は、特徴量記憶手段に記憶された特徴量のうち、特徴量演算手段で演算された特徴量と同じ、あるいは一部が同じである製品関連情報が紐付けされた過去の製品製造時の特徴量を用いて、異常検知を行うように構成されてもよい。同様の製品を製造したときの特徴量を比較に用いることで、異常検知の精度を向上させることができる。
　さらに、異常検知手段は、特徴量演算手段で演算された複数個の特徴量の代表値と、特徴量記憶手段に記憶された複数個の過去の特徴量の代表値とを用いて、異常検知を行うように構成されてもよい。単一の特徴量ではなく複数個の特徴量の代表値を用いて異常検知を行うことで、突発的なデータの変動などが診断に影響することを抑えることができる。
　特徴量記憶手段は、異常検知手段により異常が検知された場合、異常が検知された特徴量を検知結果に紐付けて記憶するように構成されてもよい。この場合、異常検知手段は、特徴量記憶手段に記憶された特徴量のうち、異常が検知されていない過去の特徴量を用いて、異常検知を行うように構成されてもよい。異常が検知された特徴量を以降の判断から除外することで、特徴量に基づく異常検知の精度を高めることができる。
　さらに、本発明に係る製造設備診断支援装置は、入力装置を介して指定された条件に従い、特徴量記憶手段に記憶された特徴量を抽出または加工して、表示装置に出力すべき監視用のデータを作成する監視データ作成手段を備えてもよい。ユーザが所望する監視用のデータが表示装置に表示されることで、製造設備の診断のための支援の程度が向上する。
　また、本発明に係る製造設備診断支援方法は、少なくとも２つ以上の類似した装置が設置される製造設備内の各装置の運転データを、データ収集装置により常時または間欠的に収集して記録し、データ収集装置に記録されたデータを解析することにより製造設備の診断を支援する製造設備診断支援方法であって、以下のステップを有する。
　すなわち、本発明に係る製造設備診断支援方法は、データ収集装置に記録されたデータから診断に用いるデータを抽出するステップと、抽出されたデータを類似した装置の同種のデータごとにグループ分けするステップと、グループ分けされたデータのグループごとの特徴量を演算するステップと、演算された特徴量を記憶装置に記憶するステップと、新たに演算された特徴量と記憶装置に記憶された過去の特徴量とをグループ単位で比較し、その比較結果に基づいて異常を検知するステップとを有する。
　データ収集装置に記録されたデータには、製造設備内の各装置が稼働中であることを示す稼働信号が含まれてもよい。この場合、データ抽出ステップは、データ収集装置に記録されたデータに含まれる稼働信号に基づいて、各装置の稼働中に収集されたデータを抽出するステップであってもよい。
　異常検知ステップは、記憶装置に記憶された特徴量のうち、予め設定された時間だけ遡った過去の特徴量を用いて、あるいは、予め設定した製品の数だけ遡った過去の特徴量を用いて、異常検知を行うステップであってもよい。
　データ収集装置に記録されたデータには、同データの収集時に製造設備が製造していた製品の原材料あるいは製造条件に関連する製品関連情報が含まれ、データ抽出ステップで抽出されるデータには、特徴量演算ステップで特徴量の演算に用いられるデータとともに製品関連情報が含まれてもよい。この場合、特徴量記憶ステップは、特徴量の演算に用いたデータに関係する製品関連情報を同特徴量に紐付けて記憶装置に記憶するステップであってもよい。さらに、この場合、異常検知ステップは、記憶装置に記憶された特徴量のうち、新たに演算された特徴量と同じ、あるいは一部が同じである製品関連情報が紐付けされた過去の製品製造時の特徴量を用いて、異常検知を行うステップであってもよい。
　さらに、異常検知ステップは、新たに演算された複数個の特徴量の代表値と、記憶装置に記憶された複数個の過去の特徴量の代表値とを用いて、異常検知を行うステップであってもよい。
　特徴量記憶ステップは、新たに演算された特徴量に異常が検知された場合、異常が検知された特徴量を検知結果に紐付けて記憶装置に記憶するステップであってもよい。この場合、異常検知ステップは、記憶装置に記憶された特徴量のうち、異常が検知されていない過去の特徴量を用いて、異常検知を行うステップであってもよい。
　さらに、本発明に係る製造設備診断支援方法は、入力装置を介して指定された条件に従い、記憶装置に記憶された特徴量を抽出または加工して、表示装置に出力すべき監視用のデータを作成する監視データ作成ステップを有してもよい。
　なお、本発明によれば、上記の製造設備診断支援方法における各ステップの処理をコンピュータに実行させるためのプログラムと、そのプログラムを格納した記憶媒体も提供される。
　本発明によれば、データ収集装置に記録されたデータ、すなわち、製造設備内の各装置の運転データから診断に用いるデータが抽出される。抽出されたデータは類似した装置の同種のデータごとにグループ分けされ、グループ分けされたデータに対して、グループ内で診断するための特徴量が演算される。演算された特徴量は記憶装置に記憶される。そして、新たに演算された特徴量と記憶装置に記憶された過去の特徴量とが比較され、その比較結果に基づいて異常検知が行われる。この異常検知の結果がユーザに提供されることで、ユーザは、製造設備を構成する装置に異常が起きていないかどうか容易に判断することができる。
　そして、本発明に係る製造設備診断支援装置及び製造設備診断支援方法によれば、演算した特徴量の比較の対象を、同期間に演算される他の装置に係る特徴量ではなく、記憶装置に記憶された当該装置に係る過去の特徴量としているので、比較の対象を広い範囲から選択することができる。よって、製造している製品の原材料や製造条件などに特徴量が依存するとしても、比較対象とする過去の特徴量を適切に選択することにより、装置の状態以外の要因が診断に及ぼす影響を抑えることができる。
本発明の実施の形態のシステムの構成を示す図である。 本発明の実施の形態の製造設備診断支援装置の構成を示す図である。 本発明の実施の形態におけるデータ抽出の一例を説明する図である。 本発明の実施の形態における異常検知の一例を説明する図である。 本発明の実施の形態における異常検知の一例を説明する図である。
　図面を参照して、本発明の実施の形態を説明する。ただし、以下に示す実施の形態は、本発明の技術的思想を具体化するための装置や方法を例示するものであって、特に明示する場合を除き、構成部品の構造や配置、処理の順序などを下記のものに限定する意図はない。本発明は以下に示す実施の形態に限定されるものではなく、本発明の趣旨を逸脱しない範囲で種々変形して実施することができる。
　図１は、本発明の実施の形態のシステムの構成を示す図である。本実施の形態の製造設備診断支援装置（以下、単に診断支援装置という）１０による診断支援の対象となる製造設備は、熱間薄板圧延ライン２０である。図１に示す熱間薄板圧延ライン２０は、加熱炉２１、粗圧延機２２，２３、バーヒータ２４、仕上圧延機２５、ランアウトテーブル２６、巻き取り機２７などの各種の装置を備えている。加熱炉２１で熱せられた圧延材１００は、２式の粗圧延機２２，２３により圧延される。粗圧延機２２，２３で圧延された圧延材１００は、バーヒータ２４を経て、仕上圧延機２５へ搬送される。仕上圧延機２５は、直列に並べられた７台の圧延スタンドＦ１～Ｆ７を有し、圧延材１００を所望の板厚まで圧延する。仕上圧延機２５で圧延された圧延材１００は、ランアウトテーブル２６で冷却された後、巻き取り機２７によってコイル状に巻き取られる。圧延材１００を薄く圧延してできたコイル状の薄板が最終的な製品である。また、熱間薄板圧延ライン２０には、仕上圧延機２５の入側の温度を計測するための温度計３０、板厚及び板幅を計測するためのセンサ３１、仕上圧延機２５の出側の温度を計測するための温度計３２、巻き取り機２７の入側の温度を計測するための温度計３３などの種々のセンサ類が配置されている。
　熱間薄板圧延ライン２０には、データ収集装置２８が設けられている。データ収集装置２８は、製品の品質を担保、あるいは管理するため、熱間薄板圧延ライン２０を構成する各装置に対する設定値や実績値、センサによる測定値、さらに装置を適正に動作させるための操作量などの各種の運転データを常時または間欠的に収集し、ハードディスクなどの記録装置に記録している。データ収集装置２８は、単一のコンピュータで構成してもよいし、ネットワークに接続された複数のコンピュータで構成してもよい。
　データ収集装置２８によって運転データが収集される装置には、仕上圧延機２５の圧延スタンドＦ１～Ｆ７が含まれる。７台の圧延スタンドＦ１～Ｆ７は、上下の圧延ロールを駆動するための大容量電動機、ロールと電動機を結ぶシャフト、ロールを上下に動かす圧下装置など、細かい仕様は異なるものの、その基本的な構成は共通する。ゆえに、圧延スタンドＦ１～Ｆ７は、類似した装置、詳しくは、共通の基本的な構成を有し、且つ、仕様及び使用条件が類似した装置に該当する。
　診断支援装置１０は、ＬＡＮによってデータ収集装置２８に接続されている。診断支援装置１０は、熱間薄板圧延ライン２０を診断した結果を提示する装置ではなく、ユーザによる熱間薄板圧延ライン２０の診断を支援する装置である。より詳しくは、診断支援装置１０は、熱間薄板圧延ライン２０の診断に用いるデータをデータ収集装置２８に記録されたデータから抽出し、解析し、その解析結果をユーザに対して提供することにより、ユーザが行う診断を支援する装置である。診断支援装置１０は、少なくとも１つのメモリと少なくとも１つのプロセッサとを有するコンピュータである。メモリには、診断支援に用いる各種のプログラムや各種のデータが記憶される。また、診断支援装置１０には、解析結果を表示するための表示装置１８と、ユーザの指令を入力するためのキーボード、マウスタッチパネルなどの入力装置１９とが接続されている。
　図２は、診断支援装置１０の構成を示す図であって、診断支援装置１０が有する機能がブロックで表されている。診断支援装置１０は、データ抽出部１１、データグループ化部１２、特徴量演算部１３、特徴量記憶部１４、異常検知部１５、及び、監視データ作成部１６を備えている。これらの機能部１１～１６で行われる処理は、本発明に係る製造設備診断支援方法における各ステップの処理に対応している。診断支援装置１０のメモリから読みだされたプログラムがプロセッサで実行されることによって、これらの機能部１１～１６の機能、つまり、診断支援装置１０としての機能がコンピュータにて実現される。なお、コンピュータを診断支援装置１０として機能させる上記プログラムは、ネットワーク又はコンピュータで読み取り可能な記憶媒体（例えばＣＤ－ＲＯＭ、ＤＶＤ、ＵＳＢメモリ等）を介して提供される。以下、診断支援装置１０を構成する機能部１１～１６の機能について説明する。
　データ抽出部１１は、類似した装置の運転データをデータ収集装置２８から抽出する機能（データ抽出手段としての機能）を有する。類似した装置の例である圧延スタンドＦ１～Ｆ７の場合、データ抽出部１１が抽出する運転データには、各圧延スタンドＦ１～Ｆ７の圧延荷重、電動機電流、速度、圧下位置などが含まれる。好ましくは、圧延スタンドＦ１～Ｆ７の運転データのうち、圧延スタンドＦ１～Ｆ７の稼働中に収集されたデータ、すなわち、圧延中のデータが抽出される。圧延中かどうかは、データ自身の大きさやその変化などから判断することができる。例えば、抽出されるデータが圧延荷重であれば、図３に示すように、圧延中と非圧延中で圧延荷重の大きさが変わるため、ある閾値を設定することで、圧延中と非圧延中のどちらであるか圧延荷重の大きさから判断することができる。圧延中であることを示す稼働中信号は、圧延スタンドＦ１～Ｆ７を制御している図示しない制御装置において作成され、圧延荷重のデータとともにデータ収集装置２８に収集され、圧延荷重のデータに紐付けして記録されている。或いは、データ抽出部１１が、データ収集装置２８からデータ（圧延荷重のデータには限定されない）を抽出する際、データ収集装置２８に記録されている圧延荷重のデータをチェックし、圧延荷重が閾値を超えていたらそのデータをデータ収集装置２８から読み込むようにしてもよい。なお、図３に示す例では、圧延荷重のデータ自身の大きさに基づいて稼働中信号を作成しているが、圧延中と非圧延中とで変化する特定の現象に関連付けて稼働中信号を作成してもよい。また、抽出対象となるデータが異なれば、稼働中信号をそれぞれの対象にあわせて作成してもよい。
　データグループ化部１２は、データ抽出部１１により抽出されたデータを類似した装置の同種のデータごとにグループ化する機能（データグループ化手段としての機能）を有する。圧延スタンドＦ１～Ｆ７の場合、圧延荷重、電動機電流、速度、圧下位置などは、それぞれ同種のデータとして取り扱うことができる。ただし、必ずしも圧延スタンドＦ１～Ｆ７のすべてに同種のデータがあるとは限らない。例えば、圧延スタンドＦ１～Ｆ４にはあるが、圧延スタンドＦ５～Ｆ７にはないデータもある。この場合、圧延スタンドＦ５～Ｆ７は除外して、圧延スタンドＦ１～Ｆ４の間で共通するデータに関してグループ化すれば良い。
　特徴量演算部１３は、データグループ化部１２でグループ化されたデータの特徴量を演算する機能（特徴量演算手段としての機能）を有する。特徴量とは、データが有する特徴を容易に顕在化させる量と定義することができる。特徴量の演算方法の一例としては、平均値、標準偏差、最大値／最小値などの統計的な処理や主成分分析などを用いることができる。ほかにもフーリエ解析やウエーブレット変換などの方法で特徴量を求めても良い。また、グループ内のデータ間の相関係数やユークリッド距離などの距離を特徴量として用いることも可能である。なお、ここに挙げた方法はあくまでも一例であるので、ここに挙げた以外の方法で特徴量を求めることに問題はない。さらに、特徴量を演算するデータの内容によっては、特徴量の演算を行う前に、抽出したデータにフィルタ処理を施すことや、抽出したデータとフィルタ処理したデータとの差分を求めることなども有効である。
　特徴量記憶部１４は、特徴量演算部１３による演算で得られた特徴量をグループごとに記憶装置に記憶する機能（特徴量記憶手段としての機能）を有する。特徴量を記憶する記憶装置は、データの更新が可能なものであればその種類に限定はない。例えば、半導体メモリでもよいしハードディスクでもよいしＤＶＤでもよい。好ましくは、特徴量を記憶装置に記憶する際に、特徴量に関係する製品関連情報を特徴量に紐付けて記憶する。製品関連情報とは、特徴量の基礎となったデータがデータ収集装置２８に収集されたときに圧延されていた圧延材１００の原材料（例えば鋼種）や圧延条件（例えば素材厚、製品厚、幅、温度など）に関連する情報である。製品関連情報は、データ収集装置２８によって収集され記録されたデータに含まれている。特徴量は圧延材１００の原材料や製造条件に依存するので、特徴量に製品関連情報を紐付けておくことにより、特徴量に対する評価を正しく行うことができるようになる。
　異常検知部１５は、特徴量演算部１３で新たに演算された特徴量と、特徴量記憶部１４に記憶された過去の特徴量とをグループ単位で比較し、その比較結果に基づいて異常を検知する機能（異常検知手段としての機能）を有する。詳しくは、新たに演算された特徴量が過去の特徴量に対して大きく変化していることが分かった場合、異常検知部１５はこれを異常として検知する。比較に用いる過去の特徴量としては、直近の圧延で得られた特徴量でもよい。直近の圧延とは、前回の圧延、あるいは、数本前に行った圧延を意味する。一方、異常が発生しているにも拘わらず、それによる特徴量の変化が小さい場合、近い過去の特徴量と比較してもその変化量から異常を捉えるのは困難である。このような場合、より遠い過去、例えば、１ヵ月前の特徴量と比較すれば、特徴量の変化が大きくなり、特徴量の変化量から異常を検知できるようになる。比較対象として選定する過去の特徴量は、遡る時間、若しくは、遡る製品の数の設定によって任意に変えることができる。設定の変更は入力装置１９を用いて行うことができる。異常検知部１５には、異常を検知した場合に、それをユーザに知らせる機能、例えば、表示装置１８に警報を出力するか、あるいは、ユーザ（ここでは保守員）にメールで連絡する機能が持たされている。
　特徴量に製品関連情報が紐付けされているのであれば、製品関連情報を利用して、比較対象とする過去の特徴量を選別することができる。好ましくは、特徴量記憶部１４に記憶された過去の特徴量のうち、今回新たに演算された特徴量と同じ製品関連情報が紐付けされた過去の製品製造時の特徴量を比較対象として選択する。そうすることで、圧延材の原材料の違いや圧延条件の違いといった装置の状態以外の要因の影響で、異常を検知できなかったり誤って検知したりすることを抑えることができる。なお、選択する過去の特徴量は、今回新たに演算された特徴量と製品関連情報の全てが同じでなくてもよい。例えば、圧延条件の違いよりも原材料の違いのほうが特徴量への影響が大きい場合、原材料のみが同一の製品関連情報が紐付けされた過去の特徴量を選択してもよい。このように、比較対象とする過去の特徴量に対して絞り込みを行うことで、異常検知の精度を向上させることができる。
　次に、具体的な異常検知の方法について説明する。図４及び図５は、圧延スタンドＦ１～Ｆ７のそれぞれについて今回の特徴量と過去の特徴量とを比較した例を示す図である。特徴量は圧延スタンドＦ１～Ｆ７間で同一であり、例えば、圧延荷重である。異常検知の方法の一つの案としては、過去の特徴量との比較において、今回の特徴量が、例えば、３０％以上変化していれば、それを異常として検知することが考えられる。
　図４に示す例では、圧延スタンドＦ１～Ｆ７の特徴量のうち、Ｆ５の今回の特徴量のみが過去の特徴量に対して大きく変化している。上記の案によれば、Ｆ５にのみ異常があると判断されることになるが、図４に示す例に対しては妥当な判断であると言える。しかし、図５に示す例のように、全体的に過去の特徴量が今回の特徴量に比べて大きくなっていることも考えられる。この場合、上記の案に従って異常検知を行うと、Ｆ５以外の全てに異常があると判断してしまうことになる。これは明らかに誤った判断であると言える。このような誤った判断がなされるのは、上記の案は、すべての製品製造において、特徴量の大きさが同程度になることを前提としているのに対し、実際には、図５に示すように全体的に特徴量が大きくなっていたり、逆に小さくなっていたりすることも考えられるからでる。
　このような誤判断を防ぐため、異常検知部１５による特徴量の比較は、圧延スタンドごとではなく、圧延スタンドＦ１～Ｆ７を一つのグループとするグループ単位で行われる。具体的には、今回の特徴量と過去の特徴量のそれぞれについて、圧延スタンドＦ１～Ｆ７間で特徴量の比をとる。具体的には、圧延スタンドＦ１～Ｆ７の特徴量うちの最小値、あるいは最大値を基準値に設定し、その基準値に対する特徴量の比を圧延スタンドＦ１～Ｆ７のそれぞれについて計算する。そして、圧延スタンドＦ１～Ｆ７のそれぞれについて、過去の特徴量の基準値に対する比と、今回の特徴量の基準値に対する比との間の変化率を計算し、圧延スタンドＦ１～Ｆ７の間で変化率の比較を行う。このとき、各変化率を正規化してから比較しても良い。異常検知部１５は、変化率が他とは大きく異なっている圧延スタンドがないか調べ、変化率が他とは大きく異なっている圧延スタンドがあれば、それを異常として検知する。図５に示す例では、Ｆ５のみ変化率が他とは大きく異なっているので、異常検知部１５は、Ｆ５にのみ異常があると判断する。図４に示す例でも、異常検知部１５は、変化率が他とは大きく異なっているＦ５にのみ異常があると判断する。このように、本実施の形態で採用されている異常検知の方法によれば、圧延スタンドＦ１～Ｆ７の何れかに異常が発生した場合、その異常を的確に検知することができる。ただし、ここで説明した異常検知の方法は一例であるので、他の方法を採ることはもちろん可能である。
　なお、例えば、圧延材１００の品質が低い場合、データ収集装置２８に収集されるデータには突発的な変動が発生する場合がある。収集されたデータが変動を含むものであれば、それに基づき算出される特徴量にも想定以上の変動が発生することがある。このような突発的な変動の影響が異常検知の精度に及ぶことを避けるため、複数個（例えば圧延材にして３本分）の特徴量の代表値（例えば平均値や中央値など）を求めて、今回の特徴量の代表値と過去の特徴量の代表値との比較に基づいて異常検知を行ってもよい。そうすることで、突発的なデータの変動が診断に影響することを抑えることができる。
　また、好ましくは、異常検知部１５は、異常を検知した場合にはその旨を特徴量記憶部１４に通知し、特徴量記憶部１４は、異常が検知された特徴量を検知結果に紐付けて記憶する。そして、異常検知部１５は、特徴量記憶部１４に記憶された特徴量のうち、異常が検知されていない特徴量を異常検知における比較の対象として使用する。つまり、異常が検知された特徴量は以降の判断からは除外する。そうすることで、特徴量に基づく異常検知の精度を高めることができる。
　最後に、監視データ作成部１６について説明する。監視データ作成部１６は、ユーザが特徴量の変化の傾向などを容易に監視するための監視用データを作成する機能（監視データ作成手段としての機能）を有する。例えば、１本ごとの特徴量の時系列データを表示装置１８に出力したり、１日ごとの特徴量の平均値や標準偏差、最大値／最小値などを演算し、その時系列データを表示装置１８に出力したりする。これにより、長期の特徴量の変化の傾向を監視することができる。また、ユーザが入力装置１９を介して指定した鋼種、あるいは板厚や板幅などの条件で特徴量を取り出し、表示装置１８に出力することもできる。ここで、鋼種などの指定はユーザが表示装置から自由に設定できる。これにより、製品ごとの監視も可能である。
　なお、上述の実施の形態では、仕上圧延機２５の圧延スタンドＦ１～Ｆ７を類似した装置の例に挙げ、同種のデータとして圧延荷重を用いて説明したが、本発明はこれによって限定されるものではない。本発明は、焼鈍しをする焼鈍しラインにも適用することができるし、連続冷間圧延機にも適用することができる。
１０：診断支援装置
１１：データ抽出部
１２：データグループ化部
１３：特徴量演算部
１４：特徴量記憶部
１５：異常検知部
１６：監視データ作成部
１８：表示装置
１９：入力装置
２０：熱間薄板圧延ライン（製造設備）
２５：仕上圧延機
２８：データ収集装置
１００：圧延材
Ｆ１～Ｆ７：圧延スタンド（類似した装置）

Claims (16)

  1. 　少なくとも２つ以上の類似した装置が設置される製造設備内の各装置の運転データを常時または間欠的に収集し記録するデータ収集装置に接続され、前記データ収集装置に記録されたデータを解析することにより前記製造設備の診断を支援する製造設備診断支援装置であって、
    　前記データ収集装置に記録されたデータから診断に用いるデータを抽出するデータ抽出手段と、
    　前記データ抽出手段によって抽出されたデータを、前記類似した装置の同種のデータごとにグループ分けするデータグループ化手段と、
    　前記データグループ化手段によりグループ分けされたデータのグループごとの特徴量を演算する特徴量演算手段と、
    　前記特徴量演算手段で演算された特徴量を記憶する特徴量記憶手段と、
    　前記特徴量演算手段で演算された特徴量と、前記特徴量記憶手段に記憶された過去の特徴量とをグループ単位で比較し、その比較結果に基づいて異常を検知する異常検知手段と、
    を備えたことを特徴とする製造設備診断支援装置。
  2. 　前記データ収集装置に記録されたデータには、前記製造設備内の各装置が稼働中であることを示す稼働信号が含まれ、
    　前記データ抽出手段は、前記データ収集装置に記録されたデータに含まれる稼働信号に基づいて、各装置の稼働中に収集されたデータを抽出することを特徴とする請求項１に記載の製造設備診断支援装置。
  3. 　前記異常検知手段は、前記特徴量記憶手段に記憶された特徴量のうち、予め設定された時間だけ遡った過去の特徴量を用いて、異常検知を行うことを特徴とする請求項１又は２に記載の製造設備診断支援装置。
  4. 　前記異常検知手段は、前記特徴量記憶手段に記憶された特徴量のうち、予め設定した製品の数だけ遡った過去の特徴量を用いて、異常検知を行うことを特徴とする請求項１又は２に記載の製造設備診断支援装置。
  5. 　前記データ収集装置に記録されたデータには、同データの収集時に前記製造設備が製造していた製品の原材料あるいは製造条件に関連する製品関連情報が含まれ、
    　前記データ抽出手段により抽出されるデータには、前記特徴量演算手段により特徴量の演算に用いられるデータとともに製品関連情報が含まれ、
    　前記特徴量記憶手段は、特徴量の演算に用いたデータに関係する製品関連情報を同特徴量に紐付けて記憶し、
    　前記異常検知手段は、前記特徴量記憶手段に記憶された特徴量のうち、前記特徴量演算手段で演算された特徴量と同じ、あるいは一部が同じである製品関連情報が紐付けされた過去の製品製造時の特徴量を用いて、異常検知を行うことを特徴とする請求項１又は２に記載の製造設備診断支援装置。
  6. 　前記異常検知手段は、前記特徴量演算手段で演算された複数個の特徴量の代表値と、前記特徴量記憶手段に記憶された複数個の過去の特徴量の代表値とを用いて、異常検知を行うことを特徴とする請求項１乃至５の何れか１項に記載の製造設備診断支援装置。
  7. 　前記特徴量記憶手段は、前記異常検知手段により異常が検知された場合、異常が検知された特徴量を検知結果に紐付けて記憶し、
    　前記異常検知手段は、前記特徴量記憶手段に記憶された特徴量のうち、異常が検知されていない過去の特徴量を用いて、異常検知を行うことを特徴とする請求項１乃至６の何れか１項に記載の製造設備診断支援装置。
  8. 　入力装置を介して指定された条件に従い、前記特徴量記憶手段に記憶された特徴量を抽出または加工して、表示装置に出力すべき監視用のデータを作成する監視データ作成手段、
    をさらに備えたことを特徴とする請求項１乃至７の何れか１項に記載の製造設備診断支援装置。
  9. 　少なくとも２つ以上の類似した装置が設置される製造設備内の各装置の運転データを、データ収集装置により常時または間欠的に収集して記録し、前記データ収集装置に記録されたデータを解析することにより前記製造設備の診断を支援する製造設備診断支援方法であって、
    　前記データ収集装置に記録されたデータから診断に用いるデータを抽出するデータ抽出ステップと、
    　前記抽出されたデータを、前記類似した装置の同種のデータごとにグループ分けするデータグループ化ステップと、
    　前記グループ分けされたデータのグループごとの特徴量を演算する特徴量演算ステップと、
    　前記演算された特徴量を記憶装置に記憶する特徴量記憶ステップと、
    　新たに演算された特徴量と、前記記憶装置に記憶された過去の特徴量とをグループ単位で比較し、その比較結果に基づいて異常を検知する異常検知ステップと、
    を有することを特徴とする製造設備診断支援方法。
  10. 　前記データ収集装置に記録されたデータには、前記製造設備内の各装置が稼働中であることを示す稼働信号が含まれ、
    　前記データ抽出ステップは、前記データ収集装置に記録されたデータに含まれる稼働信号に基づいて、各装置の稼働中に収集されたデータを抽出するステップであることを特徴とする請求項９に記載の製造設備診断支援方法。
  11. 　前記異常検知ステップは、前記記憶装置に記憶された特徴量のうち、予め設定された時間だけ遡った過去の特徴量を用いて、異常検知を行うステップであることを特徴とする請求項９又は１０に記載の製造設備診断支援方法。
  12. 　前記異常検知ステップは、前記記憶装置に記憶された特徴量のうち、予め設定した製品の数だけ遡った過去の特徴量を用いて、異常検知を行うステップであることを特徴とする請求項９又は１０に記載の製造設備診断支援方法。
  13. 　前記データ収集装置に記録されたデータには、同データの収集時に前記製造設備が製造していた製品の原材料あるいは製造条件に関連する製品関連情報が含まれ、
    　前記データ抽出ステップで抽出されるデータには、前記特徴量演算ステップで特徴量の演算に用いられるデータとともに製品関連情報が含まれ、
    　前記特徴量記憶ステップは、特徴量の演算に用いたデータに関係する製品関連情報を同特徴量に紐付けて前記記憶装置に記憶するステップであり、
    　前記異常検知ステップは、前記記憶装置に記憶された特徴量のうち、新たに演算された特徴量と同じ、あるいは一部が同じである製品関連情報が紐付けされた過去の製品製造時の特徴量を用いて、異常検知を行うステップであることを特徴とする請求項９又は１０に記載の製造設備診断支援方法。
  14. 　前記異常検知ステップは、新たに演算された複数個の特徴量の代表値と、前記記憶装置に記憶された複数個の過去の特徴量の代表値とを用いて、異常検知を行うステップであることを特徴とする請求項９乃至１３の何れか１項に記載の製造設備診断支援方法。
  15. 　前記特徴量記憶ステップは、新たに演算された特徴量に異常が検知された場合、異常が検知された特徴量を検知結果に紐付けて前記記憶装置に記憶するステップであり、
    　前記異常検知ステップは、前記記憶装置に記憶された特徴量のうち、異常が検知されていない過去の特徴量を用いて、異常検知を行うステップであることを特徴とする請求項９乃至１４の何れか１項に記載の製造設備診断支援方法。
  16. 　入力装置を介して指定された条件に従い、前記記憶装置に記憶された特徴量を抽出または加工して、表示装置に出力すべき監視用のデータを作成する監視データ作成ステップ、
    をさらに有することを特徴とする請求項９乃至１５の何れか１項に記載の製造設備診断支援方法。
PCT/JP2016/053233 2016-02-03 2016-02-03 製造設備診断支援装置及び製造設備診断支援方法 WO2017134772A1 (ja)

Priority Applications (5)

Application Number Priority Date Filing Date Title
PCT/JP2016/053233 WO2017134772A1 (ja) 2016-02-03 2016-02-03 製造設備診断支援装置及び製造設備診断支援方法
JP2017565020A JP6572979B2 (ja) 2016-02-03 2016-02-03 製造設備診断支援装置及び製造設備診断支援方法
CN201680049620.1A CN107949813B (zh) 2016-02-03 2016-02-03 制造设备诊断辅助装置及制造设备诊断辅助方法
KR1020187003229A KR102042368B1 (ko) 2016-02-03 2016-02-03 제조 설비 진단 지원 장치 및 제조 설비 진단 지원 방법
TW105117535A TWI615694B (zh) 2016-02-03 2016-06-03 製造設備診斷支援裝置及製造設備診斷支援方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2016/053233 WO2017134772A1 (ja) 2016-02-03 2016-02-03 製造設備診断支援装置及び製造設備診断支援方法

Publications (1)

Publication Number Publication Date
WO2017134772A1 true WO2017134772A1 (ja) 2017-08-10

Family

ID=59499678

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2016/053233 WO2017134772A1 (ja) 2016-02-03 2016-02-03 製造設備診断支援装置及び製造設備診断支援方法

Country Status (5)

Country Link
JP (1) JP6572979B2 (ja)
KR (1) KR102042368B1 (ja)
CN (1) CN107949813B (ja)
TW (1) TWI615694B (ja)
WO (1) WO2017134772A1 (ja)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2019160250A (ja) * 2018-03-16 2019-09-19 株式会社リコー 情報処理装置、情報処理方法、プログラム、および機械装置
JP2019206056A (ja) * 2018-05-29 2019-12-05 ファナック株式会社 診断装置、診断方法及び診断プログラム
WO2020044533A1 (ja) * 2018-08-31 2020-03-05 東芝三菱電機産業システム株式会社 製造プロセス監視装置
JP2020194435A (ja) * 2019-05-29 2020-12-03 オムロン株式会社 制御システム、サポート装置およびサポートプログラム
WO2021220323A1 (ja) * 2020-04-27 2021-11-04 三菱電機株式会社 状態判定装置
JPWO2022049701A1 (ja) * 2020-09-03 2022-03-10
CN114265390A (zh) * 2021-12-22 2022-04-01 苏州华星光电技术有限公司 设备数据采集诊断方法、装置、服务器及存储介质
TWI789699B (zh) * 2020-07-01 2023-01-11 日商東芝三菱電機產業系統股份有限公司 製造設備的診斷支援裝置

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP7468376B2 (ja) * 2021-01-21 2024-04-19 株式会社Tmeic ロール管理装置
CN114789200B (zh) * 2021-10-14 2024-02-09 天津市新宇彩板有限公司 冷轧机组故障自诊断并记录的方法及系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2011243118A (ja) * 2010-05-20 2011-12-01 Hitachi Ltd 監視診断装置および監視診断方法
JP2012203564A (ja) * 2011-03-24 2012-10-22 Nippon Steel Corp 設備診断装置、設備診断方法、設備診断プログラムおよびこれを記録したコンピュータ読み取り可能な記録媒体
JP2013029916A (ja) * 2011-07-27 2013-02-07 Toshiba Mitsubishi-Electric Industrial System Corp 製品欠陥要因分析装置
WO2015177870A1 (ja) * 2014-05-20 2015-11-26 東芝三菱電機産業システム株式会社 製造設備診断支援装置

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4458349B2 (ja) * 2004-08-27 2010-04-28 日立アプライアンス株式会社 機器診断装置、その動作プログラム、機器診断方法
US7622308B2 (en) * 2008-03-07 2009-11-24 Mks Instruments, Inc. Process control using process data and yield data
JP5156452B2 (ja) * 2008-03-27 2013-03-06 東京エレクトロン株式会社 欠陥分類方法、プログラム、コンピュータ記憶媒体及び欠陥分類装置
TWI385492B (zh) * 2008-12-16 2013-02-11 Ind Tech Res Inst 機台設備的維護分析系統及其方法
CN101937207B (zh) * 2010-08-27 2012-09-05 上海交通大学 机械设备状态的智能可视化监测与诊断方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2011243118A (ja) * 2010-05-20 2011-12-01 Hitachi Ltd 監視診断装置および監視診断方法
JP2012203564A (ja) * 2011-03-24 2012-10-22 Nippon Steel Corp 設備診断装置、設備診断方法、設備診断プログラムおよびこれを記録したコンピュータ読み取り可能な記録媒体
JP2013029916A (ja) * 2011-07-27 2013-02-07 Toshiba Mitsubishi-Electric Industrial System Corp 製品欠陥要因分析装置
WO2015177870A1 (ja) * 2014-05-20 2015-11-26 東芝三菱電機産業システム株式会社 製造設備診断支援装置

Cited By (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2019160250A (ja) * 2018-03-16 2019-09-19 株式会社リコー 情報処理装置、情報処理方法、プログラム、および機械装置
JP7091743B2 (ja) 2018-03-16 2022-06-28 株式会社リコー 情報処理装置、情報処理方法、プログラム、および機械装置
JP2019206056A (ja) * 2018-05-29 2019-12-05 ファナック株式会社 診断装置、診断方法及び診断プログラム
CN110543141A (zh) * 2018-05-29 2019-12-06 发那科株式会社 诊断装置、诊断方法以及诊断程序
JPWO2020044533A1 (ja) * 2018-08-31 2020-09-24 東芝三菱電機産業システム株式会社 製造プロセス監視装置
WO2020044533A1 (ja) * 2018-08-31 2020-03-05 東芝三菱電機産業システム株式会社 製造プロセス監視装置
WO2020240944A1 (ja) * 2019-05-29 2020-12-03 オムロン株式会社 制御システム、サポート装置およびサポートプログラム
CN113748387A (zh) * 2019-05-29 2021-12-03 欧姆龙株式会社 控制系统、支持装置以及支持程序
JP7226103B2 (ja) 2019-05-29 2023-02-21 オムロン株式会社 制御システム、サポート装置およびサポートプログラム
JP2020194435A (ja) * 2019-05-29 2020-12-03 オムロン株式会社 制御システム、サポート装置およびサポートプログラム
JP7118313B2 (ja) 2020-04-27 2022-08-15 三菱電機株式会社 状態判定装置
WO2021220323A1 (ja) * 2020-04-27 2021-11-04 三菱電機株式会社 状態判定装置
JPWO2021220323A1 (ja) * 2020-04-27 2021-11-04
TWI789699B (zh) * 2020-07-01 2023-01-11 日商東芝三菱電機產業系統股份有限公司 製造設備的診斷支援裝置
JP7214054B2 (ja) 2020-09-03 2023-01-27 三菱電機株式会社 機器分析装置、機器分析方法および機器分析プログラム
JPWO2022049701A1 (ja) * 2020-09-03 2022-03-10
CN114265390A (zh) * 2021-12-22 2022-04-01 苏州华星光电技术有限公司 设备数据采集诊断方法、装置、服务器及存储介质
CN114265390B (zh) * 2021-12-22 2024-02-20 苏州华星光电技术有限公司 设备数据采集诊断方法、装置、服务器及存储介质

Also Published As

Publication number Publication date
KR102042368B1 (ko) 2019-11-07
JP6572979B2 (ja) 2019-09-11
CN107949813A (zh) 2018-04-20
KR20180026495A (ko) 2018-03-12
JPWO2017134772A1 (ja) 2018-05-17
CN107949813B (zh) 2020-06-30
TW201732475A (zh) 2017-09-16
TWI615694B (zh) 2018-02-21

Similar Documents

Publication Publication Date Title
JP6572979B2 (ja) 製造設備診断支援装置及び製造設備診断支援方法
JP6791261B2 (ja) 圧延設備の異常診断の方法及び装置
JP6252675B2 (ja) 製造設備診断支援装置
JP7044175B2 (ja) 異常判定支援装置
JP6116445B2 (ja) 品質異常の原因推定支援システム
WO2021241580A1 (ja) 異常変調原因特定装置、異常変調原因特定方法及び異常変調原因特定プログラム
WO2021241576A1 (ja) 異常変調原因特定装置、異常変調原因特定方法及び異常変調原因特定プログラム
JP5821363B2 (ja) 製品欠陥要因分析装置
WO2021241578A1 (ja) 異常変調原因特定装置、異常変調原因特定方法及び異常変調原因特定プログラム
JP6658462B2 (ja) プラント設備劣化診断装置
Haapamäki et al. Data Mining Methods in Hot Steel Rolling for Scale Defect Prediction.
CN112862284A (zh) 一种热轧带钢轧机刚度的精度评价方法及系统
US20230393113A1 (en) Construction method of abnormality diagnosis model, abnormality diagnosis method, construction device of abnormality diagnosis model, and abnormality diagnosis device
WO2021241579A1 (ja) 異常変調原因特定装置、異常変調原因特定方法及び異常変調原因特定プログラム
JP7461798B2 (ja) 設備監視支援装置、方法及びプログラム
JP2540727B2 (ja) プラントパラメ―タ異常量検索方法及びその装置
JPH03258410A (ja) タンデム圧延機における板厚異常の診断方法

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 16889262

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2017565020

Country of ref document: JP

Kind code of ref document: A

ENP Entry into the national phase

Ref document number: 20187003229

Country of ref document: KR

Kind code of ref document: A

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 16889262

Country of ref document: EP

Kind code of ref document: A1