WO2020044533A1 - 製造プロセス監視装置 - Google Patents

製造プロセス監視装置 Download PDF

Info

Publication number
WO2020044533A1
WO2020044533A1 PCT/JP2018/032347 JP2018032347W WO2020044533A1 WO 2020044533 A1 WO2020044533 A1 WO 2020044533A1 JP 2018032347 W JP2018032347 W JP 2018032347W WO 2020044533 A1 WO2020044533 A1 WO 2020044533A1
Authority
WO
WIPO (PCT)
Prior art keywords
category
unit
data
manufacturing process
feature amount
Prior art date
Legal status (The legal status 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 status listed.)
Ceased
Application number
PCT/JP2018/032347
Other languages
English (en)
French (fr)
Inventor
手塚　知幸
治樹 井波
亀山　渉
睦 菅沼
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Toshiba Mitsubishi Electric Industrial Systems Corp
Original Assignee
Toshiba Mitsubishi Electric Industrial Systems Corp
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 Toshiba Mitsubishi Electric Industrial Systems Corp filed Critical Toshiba Mitsubishi Electric Industrial Systems Corp
Priority to PCT/JP2018/032347 priority Critical patent/WO2020044533A1/ja
Priority to JP2019530117A priority patent/JP6760503B2/ja
Priority to CN201880004009.6A priority patent/CN112567306A/zh
Priority to KR1020197015133A priority patent/KR102194352B1/ko
Priority to US16/476,780 priority patent/US11567482B2/en
Priority to TW107137542A priority patent/TWI675270B/zh
Publication of WO2020044533A1 publication Critical patent/WO2020044533A1/ja
Anticipated expiration legal-status Critical
Ceased legal-status Critical Current

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
    • G05B19/00—Program-control systems
    • G05B19/02—Program-control systems electric
    • G05B19/18—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of program data in numerical form
    • G05B19/406—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of program data in numerical form characterised by monitoring or safety
    • 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—Program-control systems
    • G05B19/02—Program-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]
    • G05B19/41875—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] characterised by quality surveillance of production
    • 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—Program-control systems
    • G05B19/02—Program-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]
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B21—MECHANICAL METAL-WORKING WITHOUT ESSENTIALLY REMOVING MATERIAL; PUNCHING METAL
    • B21B—ROLLING OF METAL
    • B21B38/00—Methods or devices for measuring, detecting or monitoring specially adapted for metal-rolling mills, e.g. position detection, inspection of the product
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B21—MECHANICAL METAL-WORKING WITHOUT ESSENTIALLY REMOVING MATERIAL; PUNCHING METAL
    • B21C—MANUFACTURE OF METAL SHEETS, WIRE, RODS, TUBES, PROFILES OR LIKE SEMI-MANUFACTURED PRODUCTS OTHERWISE THAN BY ROLLING; AUXILIARY OPERATIONS USED IN CONNECTION WITH METAL-WORKING WITHOUT ESSENTIALLY REMOVING MATERIAL
    • B21C51/00—Measuring, gauging, indicating, counting, or marking devices specially adapted for use in the production or manipulation of material in accordance with subclasses B21B - B21F
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M13/00—Testing of machine parts
    • 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 OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • 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
    • G05B2219/30—Nc systems
    • G05B2219/31—From computer integrated manufacturing till monitoring
    • G05B2219/31433—Diagnostic unit per zone of manufacturing
    • 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
    • G05B2219/30—Nc systems
    • G05B2219/33—Director till display
    • G05B2219/33285—Diagnostic
    • 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
    • G05B2219/30—Nc systems
    • G05B2219/34—Director, elements to supervisory
    • G05B2219/34465—Safety, control of correct operation, abnormal states
    • 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]

Definitions

  • the present invention relates to a manufacturing process monitoring device.
  • Patent Document 1 discloses an abnormality diagnosis device for a manufacturing facility.
  • the abnormality diagnosis device analyzes and restores the collected process data based on the feature amount extracted from the normal data.
  • the abnormality diagnostic device calculates the degree of abnormality based on the original process data used for the analysis and the restored process data. If the abnormality degree exceeds a preset threshold, the abnormality diagnosis device determines that the abnormality is abnormal.
  • An object of the present invention is to provide a manufacturing process monitoring apparatus capable of determining an abnormality in a manufacturing process without requiring a threshold value for determining an abnormality.
  • a manufacturing process monitoring apparatus includes: a feature amount storage unit that stores information of a feature amount that captures an operation state of a manufacturing facility for each of a plurality of categories that have been classified in advance; operating data of the manufacturing facility or the manufacturing facility; A data conversion unit that converts process data including measurement data of a measurement device provided in the storage unit; and a feature that analyzes the data converted by the data conversion unit based on feature amount information stored in the feature amount storage unit.
  • a quantity analysis unit a data restoration unit that restores data for each of the plurality of categories based on information of the feature amount stored in the feature amount storage unit and information of a result analyzed by the feature amount analysis unit, Similarity between each of the plurality of categories based on data used when analyzed by the feature amount analysis unit and data restored by the data restoration unit
  • a category determining unit that determines the category of the data based on the similarity with each of the plurality of categories calculated by the similarity calculating unit; and a category to which the process data belongs.
  • a category classification unit for classifying; and a process state diagnosis unit for diagnosing a state of the manufacturing process based on a comparison result between the category determined by the category determination unit and the category classified by the category classification unit.
  • the state of the manufacturing process is diagnosed based on the result of comparison between the category determined by the category determination unit and the category classified by the category classification unit. For this reason, an abnormality in the manufacturing process can be determined without requiring a threshold value for determining the abnormality.
  • FIG. 2 is a configuration diagram of a hot sheet rolling line to which the manufacturing process monitoring device according to the first embodiment is applied.
  • FIG. 6 is a diagram for describing an example of a similarity for each category by the manufacturing process monitoring apparatus according to the first embodiment.
  • FIG. 5 is a diagram for describing a monitoring method by the manufacturing process monitoring device in the first embodiment. 5 is a flowchart for describing an outline of an operation of the manufacturing process monitoring apparatus according to the first embodiment.
  • FIG. 2 is a hardware configuration diagram of a manufacturing process monitoring device according to the first embodiment.
  • FIG. 1 is a configuration diagram of a hot sheet rolling line to which the manufacturing process monitoring device according to the first embodiment is applied.
  • the hot strip rolling line 1 is schematically shown.
  • the hot strip rolling line 1 includes seven rolling mills 1a.
  • a measuring device including sensors such as a thickness gauge and a shape gauge is not shown.
  • the rolled material flows in the illustrated rolling direction.
  • the rolled material is rolled to a desired thickness by the seven rolling mills 1a.
  • the data collection device 2 periodically transmits operation data of the hot strip rolling line 1, measurement data of a measuring device provided in the hot strip rolling line 1, and process data including rolled material information necessary for manufacturing a product. Or collect intermittently.
  • the data collection device 2 collects data of set values for each device of the hot sheet rolling line 1.
  • the data collection device 2 collects actual value data for each device of the hot thin plate rolling line 1.
  • the data collection device 2 collects data of a measurement value by a sensor.
  • the data collection device 2 collects data of an operation amount by a control system for obtaining a desired product.
  • the data collection device 2 collects data on the steel type, size, and temperature of the rolled material on the entrance side and the exit side of the hot sheet rolling line 1.
  • the manufacturing process monitoring device 3 includes a feature amount storage unit 4, a data conversion unit 5, a feature amount analysis unit 6, a data restoration unit 7, a similarity calculation unit 8, a category determination unit 9, a category classification unit 10, a process state diagnosis unit 11, and the like. And
  • the feature amount storage unit 4 extracts and stores feature amount information that captures the normal operation state of the manufacturing equipment for each of a plurality of categories that have been classified in advance. For example, categories are classified by steel type, product thickness, product width, temperature, and the like.
  • the feature amount is extracted by a method based on principal component analysis. According to the method based on the principal component analysis, the principal component is extracted as a feature amount.
  • the feature amount is extracted by a method using sparse coding. For example, according to a method using sparse coding, a set of bases is extracted as a feature amount.
  • the magnitude of the value may vary between data used for extracting the feature amount. If the variation is large, the extraction of the feature amount is biased. For this reason, before extracting a feature value, a normalization process is performed on the collected data.
  • the normalization processing is represented by the following equation (1) based on the average value and the standard deviation of the data used for extracting the feature amount.
  • a filtering process using a low-pass filter or the like may be performed before normalization is performed. In this case, noise is removed.
  • L2 normalization processing may be executed so that the data size for each sample time becomes uniform.
  • the processing of the following equation (2) is performed for each sample time.
  • the data conversion unit 5 converts the data sent from the data collection device 2. For example, the data conversion unit 5 corrects the data sent from the data collection device 2 based on the average value and the standard deviation used when extracting the feature amount information stored in the feature amount storage unit 4. And L2 normalization processing.
  • the feature amount analysis unit 6 receives the data converted by the data conversion unit 5.
  • the feature amount analysis unit 6 analyzes the data converted by the data conversion unit 5 based on the feature amount information stored in the feature amount storage unit 4.
  • the analysis is performed in the same manner as when the feature amount is extracted.
  • the analysis result is a coefficient when expressed by the principal component. In the case of sparse coding, a sparse coefficient corresponds to the analysis result.
  • the data restoring unit 7 restores data based on the feature amount information stored in the feature amount storage unit 4 and the result analyzed by the feature amount analyzing unit 6. Data restoration is performed for each of a plurality of categories. Specifically, the data restoring unit 7 extracts components corresponding to each of the plurality of categories from the analyzed result, and sequentially restores the components. As a result, the same number of pieces of restored data as the number of categories are generated.
  • the similarity calculation unit 8 performs similarity for each of a plurality of categories based on the data restored for each of the plurality of categories by the data restoration unit 7 and the data subjected to the normalization processing and the L2 normalization processing by the data conversion unit 5. Calculate the degree.
  • the similarity is an absolute value of the difference between the data.
  • the similarity is the square of the difference between the data.
  • the category determining unit 9 determines the category of the data used for the analysis based on the similarity for each of the plurality of categories calculated by the similarity calculating unit 8.
  • the category determining unit 9 determines the category having the smallest similarity value as the corresponding category.
  • the category classification unit 10 classifies the category to which the process data collected by the data collection device 2 belongs.
  • the process state diagnosis unit 11 diagnoses the state of the manufacturing process in the hot strip rolling line 1 based on the comparison result between the category determined by the category determination unit 9 and the category classified by the category classification unit 10.
  • FIG. 2 is a diagram for explaining an example of similarity for each of a plurality of categories calculated by the manufacturing process monitoring apparatus according to the first embodiment.
  • the category determination unit 9 determines that the category of the data used for the analysis is the 33rd category.
  • FIG. 3 is a diagram for explaining a monitoring method by the manufacturing process monitoring apparatus according to the first embodiment.
  • Category classification is not always performed on discontinuous data. For example, when the product thickness is selected as one of the indicators of the category classification, there is no significant difference in the process state between the adjacent categories regarding the product. For this reason, if there is some variation in the data to be analyzed, in particular, in the data of the product thickness in the vicinity of the section, it can be determined to be the category corresponding to the adjacent section.
  • an allowable range of the determined category is set in advance in consideration of the properties of the index used for the classification. If the determined category exceeds the allowable range of the category to which the collected process data belongs, the process state diagnostic unit 11 determines that there is a possibility that an abnormality of the manufacturing process has occurred. judge.
  • product thickness or product width is set as an allowable range up to the category corresponding to the next category.
  • the process state diagnosis unit 11 determines that the manufacturing process is normal. Is determined.
  • FIG. 4 is a flowchart for explaining an outline of the operation of the manufacturing process monitoring apparatus according to the first embodiment.
  • step S1 the manufacturing process monitoring apparatus 3 performs normalization processing and L2 normalization processing on the process data in the data conversion unit 5. Thereafter, the manufacturing process monitoring device 3 performs the operation of step S2.
  • step S2 the manufacturing process monitoring device 3 analyzes the data converted by the data conversion unit 5 in the feature amount analysis unit 6 based on the feature amount information stored in the feature amount storage unit 4.
  • step S3 the manufacturing process monitoring device 3 causes the data restoring unit 7 to divide the data into a plurality of categories based on the feature amount information stored in the feature amount storage unit 4 and the information of the result analyzed by the feature amount analysis unit 6. Restore data every time. Thereafter, the manufacturing process monitoring device 3 performs the operation of step S4.
  • step S 4 the manufacturing process monitoring device 3 uses the similarity calculation unit 8 to determine a plurality of categories based on the data used for the analysis by the feature analysis unit 6 and the data restored by the data restoration unit 7. Calculate the degree of similarity for each.
  • step S5 the manufacturing process monitoring apparatus 3 determines the category of the data based on the similarity for each of the plurality of categories calculated by the similarity calculator 8 in the category determiner 9. Thereafter, the manufacturing process monitoring device 3 performs the operation of step S6. In step S6, the manufacturing process monitoring device 3 causes the category classification unit 10 to classify the category to which the process data belongs.
  • step S7 the manufacturing process monitoring device 3 diagnoses the state of the manufacturing process based on the comparison result between the category determined by the category determination unit 9 and the category classified by the category classification unit 10 in the process state diagnosis unit 11. I do. Thereafter, the manufacturing process monitoring device 3 ends the operation.
  • the state of the manufacturing process is diagnosed based on the comparison result between the category determined by the category determination unit 9 and the category classified by the category classification unit 10. For this reason, an abnormality in the manufacturing process can be determined without requiring a threshold value for determining the abnormality.
  • the determination unit 9 and the category classified by the category classification unit 10 are different, it is determined that the manufacturing process is abnormal. For this reason, the determination can be made under more severe conditions of the manufacturing process.
  • the category determined by the category determination unit 9 and the category classified by the category classification unit 10 differ by a preset number of times within a preset period, it is determined that the manufacturing process is abnormal. You may. In this case, the state of the manufacturing process can be correctly determined even if there is a sudden change in data or the like.
  • the manufacturing process is stopped. You may determine that it is abnormal. In this case, the state of the manufacturing process can be correctly determined even if there is a sudden change in data or the like.
  • the category may be appropriately classified according to the manufacturing process to be monitored.
  • the temperature of the rolled material may be used as the category.
  • the category may be the thickness at the entry side when entering a rolling mill.
  • the manufacturing process monitoring device 3 of the first embodiment may be applied to a manufacturing facility different from the hot sheet rolling line 1.
  • the manufacturing process monitoring device 3 of the first embodiment may be applied to a continuous cold rolling mill.
  • the manufacturing process monitoring device 3 of the first embodiment may be applied to an annealing line.
  • the manufacturing process monitoring device 3 of the first embodiment may be applied to a plating process line.
  • FIG. 5 is a hardware configuration diagram of the manufacturing process monitoring apparatus according to the first embodiment.
  • Each function of the manufacturing process monitoring device 3 can be realized by a processing circuit.
  • the processing circuit includes at least one processor 12a and at least one memory 12b.
  • the processing circuit includes at least one dedicated hardware 13.
  • each function of the manufacturing process monitoring device 3 is realized by software, firmware, or a combination of software and firmware. At least one of software and firmware is described as a program. At least one of software and firmware is stored in at least one memory 12b. At least one processor 12a realizes each function of the manufacturing process monitoring device 3 by reading and executing a program stored in at least one memory 12b.
  • the at least one processor 12a is also called a central processing unit, a processing unit, an arithmetic unit, a microprocessor, a microcomputer, or a DSP.
  • the at least one memory 12b is a non-volatile or volatile semiconductor memory such as a RAM, a ROM, a flash memory, an EPROM, an EEPROM, a magnetic disk, a flexible disk, an optical disk, a compact disk, a mini disk, a DVD, and the like.
  • a non-volatile or volatile semiconductor memory such as a RAM, a ROM, a flash memory, an EPROM, an EEPROM, a magnetic disk, a flexible disk, an optical disk, a compact disk, a mini disk, a DVD, and the like.
  • the processing circuit comprises at least one dedicated hardware 13
  • the processing circuit is implemented, for example, as a single circuit, a composite circuit, a programmed processor, a parallel programmed processor, an ASIC, an FPGA, or a combination thereof.
  • each function of the manufacturing process monitoring device 3 is realized by a processing circuit.
  • each function of the manufacturing process monitoring device 3 is realized by a processing circuit collectively.
  • a part may be realized by dedicated hardware 13, and the other part may be realized by software or firmware.
  • the function of the feature amount storage unit 4 is realized by a processing circuit as dedicated hardware 13, and for functions other than the function of the feature amount storage unit 4, at least one processor 12a is stored in at least one memory 12b.
  • the program may be realized by reading and executing the program.
  • the processing circuit realizes each function of the manufacturing process monitoring device 3 by the hardware 13, software, firmware, or a combination thereof.
  • the manufacturing process monitoring apparatus according to the present invention can be used for manufacturing equipment.

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • General Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Manufacturing & Machinery (AREA)
  • Mechanical Engineering (AREA)
  • Software Systems (AREA)
  • Mathematical Physics (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Human Computer Interaction (AREA)
  • Testing And Monitoring For Control Systems (AREA)
  • General Factory Administration (AREA)

Abstract

異常を判定するための閾値を要することなく、製造プロセスの異常を判定することができる製造プロセス監視装置を提供する。製造プロセス監視装置は、製造設備のプロセスデータを変換するデータ変換部と、変換されたデータを特徴量の情報に基づいて分析する特徴量分析部と、特徴量の情報と分析された結果の情報とに基づいて複数のカテゴリーごとにデータを復元するデータ復元部と、分析される際に用いられたデータと復元されたデータとに基づいて複数のカテゴリーごとの類似度を演算する類似度演算部と、複数のカテゴリーごとの類似度に基づいてデータのカテゴリーを判定するカテゴリー判定部と、プロセスデータが属するカテゴリーを分類するカテゴリー分類部と、判定されたカテゴリーと分類されたカテゴリーとの比較結果に基づいて製造プロセスの状態を診断するプロセス状態診断部と、を備えた。

Description

製造プロセス監視装置
　この発明は、製造プロセス監視装置に関する。
　特許文献１は、製造設備の異常診断装置を開示する。当該異常診断装置は、正常データから抽出した特徴量に基づいて、収集したプロセスデータの分析と復元とを行う。当該異常診断装置は、分析に用いた元のプロセスデータと復元したプロセスデータとに基づいて異常度を演算する。当該異常度が予め設定された閾値を超えている場合、当該異常診断装置は、異常であると判定する。
国際公開第２０１７／１４５３１８号
　しかしながら、特許文献１に記載の異常診断装置において、閾値の設定は、特徴量を抽出した際に用いられたデータに依存する。このため、閾値の設定は、容易でない。
　この発明は、上述の課題を解決するためになされた。この発明の目的は、異常を判定するための閾値を要することなく、製造プロセスの異常を判定することができる製造プロセス監視装置を提供することである。
　この発明に係る製造プロセス監視装置は、予め分類された複数のカテゴリーごとに製造設備の操業状態を捉えた特徴量の情報を記憶した特徴量記憶部と、前記製造設備の運転データまたは前記製造設備に設けられた測定装置の測定データを含むプロセスデータを変換するデータ変換部と、前記データ変換部により変換されたデータを前記特徴量記憶部に記憶された特徴量の情報に基づいて分析する特徴量分析部と、前記特徴量記憶部に記憶された特徴量の情報と前記特徴量分析部により分析された結果の情報とに基づいて前記複数のカテゴリーごとにデータを復元するデータ復元部と、前記特徴量分析部により分析される際に用いられたデータと前記データ復元部により復元されたデータとに基づいて前記複数のカテゴリーの各々との類似度を演算する類似度演算部と、前記類似度演算部により演算された前記複数のカテゴリーの各々との類似度に基づいて前記データのカテゴリーを判定するカテゴリー判定部と、前記プロセスデータが属するカテゴリーを分類するカテゴリー分類部と、前記カテゴリー判定部により判定されたカテゴリーと前記カテゴリー分類部により分類されたカテゴリーとの比較結果に基づいて製造プロセスの状態を診断するプロセス状態診断部と、を備えた。
　この発明によれば、製造プロセスの状態は、カテゴリー判定部により判定されたカテゴリーとカテゴリー分類部により分類されたカテゴリーとの比較結果に基づいて診断される。このため、異常を判定するための閾値を要することなく、製造プロセスの異常を判定することができる。
実施の形態１における製造プロセス監視装置が適用される熱間薄板圧延ラインの構成図である。 実施の形態１における製造プロセス監視装置によるカテゴリーごとの類似度の例を説明するための図である。 実施の形態１における製造プロセス監視装置による監視方法を説明するための図である。 実施の形態１における製造プロセス監視装置の動作の概要を説明するためのフローチャートである。 実施の形態１における製造プロセス監視装置のハードウェア構成図である。
　この発明を実施するための形態について添付の図面に従って説明する。なお、各図中、同一または相当する部分には同一の符号が付される。当該部分の重複説明は適宜に簡略化ないし省略される。
実施の形態１．
　図１は実施の形態１における製造プロセス監視装置が適用される熱間薄板圧延ラインの構成図である。
　図１において、熱間薄板圧延ライン１は、模式的に示される。例えば、熱間薄板圧延ライン１は、７台の圧延機１ａを備える。板厚計、形状計等のセンサを含む測定装置は図示されない。圧延材は、図示の圧延方向に流れる。その結果、圧延材は、７台の圧延機１ａにより所望の厚さに圧延される。
　データ収集装置２は、熱間薄板圧延ライン１の運転データまたは熱間薄板圧延ライン１に設けられた測定装置の測定データ、製品を製造するために必要な圧延材情報を含むプロセスデータを定期的または間欠的に収集する。例えば、データ収集装置２は、熱間薄板圧延ライン１の各装置に対する設定値のデータを収集する。例えば、データ収集装置２は、熱間薄板圧延ライン１の各装置に対する実績値のデータを収集する。例えば、データ収集装置２は、センサによる測定値のデータを収集する。例えば、データ収集装置２は、所望の製品を得るための制御システムによる操作量のデータを収集する。例えば、データ収集装置２は、熱間薄板圧延ライン１の入側および出側での圧延材の鋼種、サイズ、温度のデータを収集する。
　製造プロセス監視装置３は、特徴量記憶部４とデータ変換部５と特徴量分析部６とデータ復元部７と類似度演算部８とカテゴリー判定部９とカテゴリー分類部１０とプロセス状態診断部１１とを備える。
　特徴量記憶部４は、予め分類された複数のカテゴリーごとに製造設備の正常な操業状態を捉えた特徴量の情報を抽出した上で記憶する。例えば、カテゴリーは、鋼種、製品厚、製品幅、温度等で分類される。例えば、特徴量は、主成分分析による方法により抽出される。主成分分析による方法によれば、主成分が特徴量として抽出される。例えば、特徴量は、スパースコーディングを利用した方法により抽出される。例えば、スパースコーディングを利用した方法によれば、基底の集合が特徴量として抽出される。
　特徴量の抽出に用いられるデータ間においては、値の大きさがばらつき得る。ばらつきが大きいと、特徴量の抽出に偏りが発生する。このため、特徴量を抽出する前に、収集されたデータに対し、正規化処理が実施される。例えば、正規化処理は、特徴量の抽出に用いられるデータの平均値と標準偏差とに基づいて次の（１）式で表される。
Figure JPOXMLDOC01-appb-M000001
Figure JPOXMLDOC01-appb-I000002
　また、正規化が実行される前に、ローパスフィルタ等を用いたフィルタ処理が実行されることもある。この場合、ノイズが除去される。
　さらに、サンプル時間ごとのデータの大きさが揃うように、Ｌ２正規化処理が実行されることもある。例えば、Ｌ２正規化処理においては、サンプル時間ごとに次の（２）式の処理がなされる。
Figure JPOXMLDOC01-appb-M000003
　データ変換部５は、データ収集装置２から送られてくるデータを変換する。例えば、データ変換部５は、特徴量記憶部４に記憶された特徴量の情報を抽出した際に用いられた平均値と標準偏差とに基づいてデータ収集装置２から送られてくるデータに正規化処理およびＬ２正規化処理を施す。
　特徴量分析部６は、データ変換部５により変換されたデータを受け取る。特徴量分析部６は、データ変換部５により変換されたデータを特徴量記憶部４に記憶された特徴量の情報に基づいて分析する。当該分析は、特徴量を抽出したときと同様の方法で行われる。主成分分析により特徴量が抽出された場合、分析結果は、主成分により書き表したときの係数である。スパースコーディングの場合は、スパース係数が分析結果に対応する。
　データ復元部７は、特徴量記憶部４に記憶された特徴量の情報と特徴量分析部６により分析された結果とに基づいてデータを復元する。データの復元は、複数のカテゴリーごとに行う。具体的には、データ復元部７は、分析された結果から複数のカテゴリーの各々に対応する成分を取り出して順々に復元する。その結果、複数のカテゴリーの数と同等の数の復元データが生成される。
　類似度演算部８は、データ復元部７により複数のカテゴリーごとに復元されたデータとデータ変換部５により正規化処理およびＬ２正規化処理が施されたデータとに基づいて複数のカテゴリーごとに類似度を演算する。例えば、類似度は、各データの差の絶対値とされる。例えば、類似度は、各データの差の２乗とされる。
　カテゴリー判定部９は、類似度演算部８により演算された複数のカテゴリーごとの類似度に基づいて分析に用いられたデータのカテゴリーを判定する。類似度演算部８において類似度がデータの差の絶対値または各データの差の２乗とされた場合、カテゴリー判定部９は、類似度の値が最も小さいカテゴリーを該当するカテゴリーと判定する。
　カテゴリー分類部１０は、データ収集装置２により収集されたプロセスデータが属するカテゴリーを分類する。
　プロセス状態診断部１１は、カテゴリー判定部９により判定されたカテゴリーとカテゴリー分類部１０により分類されたカテゴリーとの比較結果に基づいて熱間薄板圧延ライン１における製造プロセスの状態を診断する。
　次に、図２を用いて、複数のカテゴリーごとの類似度の例を説明する。
　図２は実施の形態１における製造プロセス監視装置により演算された複数のカテゴリーごとの類似度の例を説明するための図である。
　図２においては、第１カテゴリーから第４０カテゴリーに分類される。第３３カテゴリーの類似の値が最も小さい。この場合、カテゴリー判定部９は、分析に用いられたデータのカテゴリーは第３３カテゴリーであると判定する。
　次に、図３を用いて、製品の鋼種、製品厚、製品幅でカテゴリーを分類した場合における監視方法を説明する。
　図３は実施の形態１における製造プロセス監視装置による監視方法を説明するための図である。
　カテゴリーの分類は、必ずしも非連続データで行われるわけではない。例えば、カテゴリーの分類の指標のひとつとして製品厚が選ばれている場合、製品に関して隣り合う区分においてはプロセスの状態に大きな差はない。このため、分析するデータにおいて多少の変動があると、特に区分近傍の製品厚のデータにおいては、隣の区分に該当するカテゴリーに判定され得る。
　このような状況を避けるため、カテゴリーが予め分類される際、分類に用いられた指標の性質を考慮し、判定されたカテゴリーの許容範囲が予め設定される。プロセス状態診断部１１は、判定されたカテゴリーが収集されたプロセスデータが属するカテゴリーの許容範囲を超えている場合、プロセス状態診断部１１は、製造プロセスの異常が発生している可能性があると判定する。
　カテゴリーが予め分類される際、製品厚または製品幅に関しては、隣の区分に対応するカテゴリーまでが許容範囲として設定される。
　図３において、収集されたプロセスデータが属するカテゴリーが星印で示すカテゴリーである場合、判定されたカテゴリーが星印あるいは丸印で示すカテゴリーであれば、プロセス状態診断部１１は、製造プロセスが正常であると判定する。
　次に、図４を用いて、製造プロセス監視装置３の動作の概要を説明する。
　図４は実施の形態１における製造プロセス監視装置の動作の概要を説明するためのフローチャートである。
　ステップＳ１では、製造プロセス監視装置３は、データ変換部５において、プロセスデータに正規化処理およびＬ２正規化処理を施す。その後、製造プロセス監視装置３は、ステップＳ２の動作を行う。ステップＳ２では、製造プロセス監視装置３は、特徴量分析部６において、データ変換部５により変換されたデータを特徴量記憶部４に記憶された特徴量の情報に基づいて分析する。
　その後、製造プロセス監視装置３は、ステップＳ３の動作を行う。ステップＳ３では、製造プロセス監視装置３は、データ復元部７において、特徴量記憶部４に記憶された特徴量の情報と特徴量分析部６により分析された結果の情報とに基づいて複数のカテゴリーごとにデータを復元する。その後、製造プロセス監視装置３は、ステップＳ４の動作を行う。ステップＳ４では、製造プロセス監視装置３は、類似度演算部８において、特徴量分析部６により分析される際に用いられたデータとデータ復元部７により復元されたデータとに基づいて複数のカテゴリーごとの類似度を演算する。
　その後、製造プロセス監視装置３は、ステップＳ５の動作を行う。ステップＳ５では、製造プロセス監視装置３は、カテゴリー判定部９において、類似度演算部８により演算された複数のカテゴリーごとの類似度に基づいてデータのカテゴリーを判定する。その後、製造プロセス監視装置３は、ステップＳ６の動作を行う。ステップＳ６では、製造プロセス監視装置３は、カテゴリー分類部１０において、プロセスデータが属するカテゴリーを分類する。
　その後、製造プロセス監視装置３は、ステップＳ７の動作を行う。ステップＳ７では、製造プロセス監視装置３は、プロセス状態診断部１１において、カテゴリー判定部９により判定されたカテゴリーとカテゴリー分類部１０により分類されたカテゴリーとの比較結果に基づいて製造プロセスの状態を診断する。その後、製造プロセス監視装置３は、動作を終了する。
　以上で説明した実施の形態１によれば、製造プロセスの状態は、カテゴリー判定部９により判定されたカテゴリーとカテゴリー分類部１０により分類されたカテゴリーとの比較結果に基づいて診断される。このため、異常を判定するための閾値を要することなく、製造プロセスの異常を判定することができる。
　例えば、カテゴリー判定部９により判定されたカテゴリーとカテゴリー分類部１０により分類されたカテゴリーとが異なった場合は、製造プロセスが異常であると判定される。このため、製造プロセスのより厳しい条件で判定することができる。
　なお、予め設定された期間内に予め設定された回数だけカテゴリー判定部９により判定されたカテゴリーとカテゴリー分類部１０により分類されたカテゴリーとが異なった場合に、製造プロセスが異常であると判定してもよい。この場合、突発的なデータの変化等があったとしても、製造プロセスの状態を正しく判定することができる。
　例えば、図３に示されるように、カテゴリー判定部９により判定されたカテゴリーとカテゴリー分類部１０により分類されたカテゴリーとが予め設定された関係を満たさない場合は、製造プロセスが異常であると判定される。このため、製造プロセスの状態をより正しく判定することができる。
　なお、予め設定された期間内に予め設定された回数だけカテゴリー判定部９により判定されたカテゴリーとカテゴリー分類部１０により分類されたカテゴリーとが予め設定された関係を満たさない場合に、製造プロセスが異常であると判定してもよい。この場合、突発的なデータの変化等があったとしても、製造プロセスの状態を正しく判定することができる。
　なお、カテゴリーは、監視する製造プロセスに応じて適宜分類すればよい。例えば、圧延材の温度をカテゴリーとすればよい。例えば、圧延機に侵入する際の入側板厚をカテゴリーとすればよい。
　また、製造プロセスが異常と判定された場合、保守員にアラームを通知してもよい。この場合、保守員による常時監視が不要となる。その結果、保守員の負荷を軽減することができるだけなく、重大な故障が発生する前にメンテナンスを行うことができる。
　また、製造プロセスが異常と判定された場合、オペレータにアラームを通知してもよい。この場合、オペレータによる介入を促すことができる。その結果、製造プロセスを適切な状態に迅速に変化させることで、不具合の発生を未然に防ぎ、製品の品質を安定して確保することができる。
　なお、実施の形態１の製造プロセス監視装置３を熱間薄板圧延ライン１とは異なる製造設備に適用してもよい。例えば、実施の形態１の製造プロセス監視装置３を連続冷間圧延機に適用してもよい。例えば、実施の形態１の製造プロセス監視装置３を焼鈍ラインに適用してもよい。例えば、実施の形態１の製造プロセス監視装置３をメッキのプロセスラインに適用してもよい。
　次に、図５を用いて、製造プロセス監視装置３の例を説明する。
　図５は実施の形態１における製造プロセス監視装置のハードウェア構成図である。
　製造プロセス監視装置３の各機能は、処理回路により実現し得る。例えば、処理回路は、少なくとも１つのプロセッサ１２ａと少なくとも１つのメモリ１２ｂとを備える。例えば、処理回路は、少なくとも１つの専用のハードウェア１３を備える。
　処理回路が少なくとも１つのプロセッサ１２ａと少なくとも１つのメモリ１２ｂとを備える場合、製造プロセス監視装置３の各機能は、ソフトウェア、ファームウェア、またはソフトウェアとファームウェアとの組み合わせで実現される。ソフトウェアおよびファームウェアの少なくとも一方は、プログラムとして記述される。ソフトウェアおよびファームウェアの少なくとも一方は、少なくとも１つのメモリ１２ｂに格納される。少なくとも１つのプロセッサ１２ａは、少なくとも１つのメモリ１２ｂに記憶されたプログラムを読み出して実行することにより、製造プロセス監視装置３の各機能を実現する。少なくとも１つのプロセッサ１２ａは、中央処理装置、処理装置、演算装置、マイクロプロセッサ、マイクロコンピュータ、ＤＳＰともいう。例えば、少なくとも１つのメモリ１２ｂは、ＲＡＭ、ＲＯＭ、フラッシュメモリ、ＥＰＲＯＭ、ＥＥＰＲＯＭ等の、不揮発性または揮発性の半導体メモリ、磁気ディスク、フレキシブルディスク、光ディスク、コンパクトディスク、ミニディスク、ＤＶＤ等である。
　処理回路が少なくとも１つの専用のハードウェア１３を備える場合、処理回路は、例えば、単一回路、複合回路、プログラム化したプロセッサ、並列プログラム化したプロセッサ、ＡＳＩＣ、ＦＰＧＡ、またはこれらの組み合わせで実現される。例えば、製造プロセス監視装置３の各機能は、それぞれ処理回路で実現される。例えば、製造プロセス監視装置３の各機能は、まとめて処理回路で実現される。
　製造プロセス監視装置３の各機能について、一部を専用のハードウェア１３で実現し、他部をソフトウェアまたはファームウェアで実現してもよい。例えば、特徴量記憶部４の機能については専用のハードウェア１３としての処理回路で実現し、特徴量記憶部４の機能以外の機能については少なくとも１つのプロセッサ１２ａが少なくとも１つのメモリ１２ｂに格納されたプログラムを読み出して実行することにより実現してもよい。
　このように、処理回路は、ハードウェア１３、ソフトウェア、ファームウェア、またはこれらの組み合わせで製造プロセス監視装置３の各機能を実現する。
　以上のように、この発明に係る製造プロセス監視装置は、製造設備に利用できる。
　１　熱間薄板圧延ライン、　２　データ収集装置、　３　製造プロセス監視装置、　４　特徴量記憶部、　５　データ変換部、　６　特徴量分析部、　７　データ復元部、　８　類似度演算部、　９　カテゴリー判定部、　１０　カテゴリー分類部、　１１　プロセス状態診断部、　１２ａ　プロセッサ、　１２ｂ　メモリ、　１３　ハードウェア　

Claims (3)

  1. 　予め分類された複数のカテゴリーごとに製造設備の操業状態を捉えた特徴量の情報を記憶した特徴量記憶部と、
    　前記製造設備の運転データまたは前記製造設備に設けられた測定装置の測定データを含むプロセスデータを変換するデータ変換部と、
    　前記データ変換部により変換されたデータを前記特徴量記憶部に記憶された特徴量の情報に基づいて分析する特徴量分析部と、
    　前記特徴量記憶部に記憶された特徴量の情報と前記特徴量分析部により分析された結果の情報とに基づいて前記複数のカテゴリーごとにデータを復元するデータ復元部と、
    　前記特徴量分析部により分析される際に用いられたデータと前記データ復元部により復元されたデータとに基づいて前記複数のカテゴリーごとに類似度を演算する類似度演算部と、
    　前記類似度演算部により演算された前記複数のカテゴリーごとの類似度に基づいて前記データのカテゴリーを判定するカテゴリー判定部と、
    　前記プロセスデータが属するカテゴリーを分類するカテゴリー分類部と、
    　前記カテゴリー判定部により判定されたカテゴリーと前記カテゴリー分類部により分類されたカテゴリーとの比較結果に基づいて製造プロセスの状態を診断するプロセス状態診断部と、
    を備えたことを特徴とする製造プロセス監視装置。
  2. 　前記プロセス状態診断部は、前記カテゴリー判定部により判定されたカテゴリーと前記カテゴリー分類部により分類されたカテゴリーとが異なった場合または予め設定された期間内に予め設定された回数だけ前記カテゴリー判定部により判定されたカテゴリーと前記カテゴリー分類部により分類されたカテゴリーとが異なった場合に、製造プロセスが異常であると判定する請求項１に記載の製造プロセス監視装置。
  3. 　前記プロセス状態診断部は、前記カテゴリー判定部により判定されたカテゴリーと前記カテゴリー分類部により分類されたカテゴリーとが予め設定された関係を満たさない場合または予め設定された期間内に予め設定された回数だけ前記カテゴリー判定部により判定されたカテゴリーと前記カテゴリー分類部により分類されたカテゴリーとが予め設定された関係を満たさない場合に、製造プロセスが異常であると判定する請求項１に記載の製造プロセス監視装置。
PCT/JP2018/032347 2018-08-31 2018-08-31 製造プロセス監視装置 Ceased WO2020044533A1 (ja)

Priority Applications (6)

Application Number Priority Date Filing Date Title
PCT/JP2018/032347 WO2020044533A1 (ja) 2018-08-31 2018-08-31 製造プロセス監視装置
JP2019530117A JP6760503B2 (ja) 2018-08-31 2018-08-31 製造プロセス監視装置
CN201880004009.6A CN112567306A (zh) 2018-08-31 2018-08-31 制造过程监视装置
KR1020197015133A KR102194352B1 (ko) 2018-08-31 2018-08-31 제조 프로세스 감시 장치
US16/476,780 US11567482B2 (en) 2018-08-31 2018-08-31 Manufacturing process monitoring apparatus
TW107137542A TWI675270B (zh) 2018-08-31 2018-10-24 製造程序監視裝置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2018/032347 WO2020044533A1 (ja) 2018-08-31 2018-08-31 製造プロセス監視装置

Publications (1)

Publication Number Publication Date
WO2020044533A1 true WO2020044533A1 (ja) 2020-03-05

Family

ID=69023970

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2018/032347 Ceased WO2020044533A1 (ja) 2018-08-31 2018-08-31 製造プロセス監視装置

Country Status (6)

Country Link
US (1) US11567482B2 (ja)
JP (1) JP6760503B2 (ja)
KR (1) KR102194352B1 (ja)
CN (1) CN112567306A (ja)
TW (1) TWI675270B (ja)
WO (1) WO2020044533A1 (ja)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2023141260A (ja) * 2022-03-23 2023-10-05 横河電機株式会社 プロセスデータをグループ化する装置、方法、およびプログラム

Citations (5)

* 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
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
WO2017134772A1 (ja) * 2016-02-03 2017-08-10 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及び製造設備診断支援方法
WO2017145318A1 (ja) * 2016-02-25 2017-08-31 東芝三菱電機産業システム株式会社 製造設備の異常診断装置
WO2018096682A1 (ja) * 2016-11-28 2018-05-31 東芝三菱電機産業システム株式会社 圧延設備の異常診断の方法及び装置

Family Cites Families (29)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2728492B2 (ja) * 1989-03-17 1998-03-18 株式会社日立製作所 ニューラルネットを用いた制御方法および装置
US6499114B1 (en) * 1999-02-17 2002-12-24 General Electric Company Remote diagnostic system and method collecting sensor data according to two storage techniques
US6591199B2 (en) * 2000-04-11 2003-07-08 Recherche 2000 Inc. Method and system for acquisition, monitoring, display and diagnosis of operational parameters of electrolyzers
JP4652741B2 (ja) * 2004-08-02 2011-03-16 インターナショナル・ビジネス・マシーンズ・コーポレーション 異常検出装置、異常検出方法、異常検出プログラム、及び記録媒体
US7818276B2 (en) * 2006-02-03 2010-10-19 Recherche 2000 Inc. Intelligent monitoring system and method for building predictive models and detecting anomalies
US7533070B2 (en) * 2006-05-30 2009-05-12 Honeywell International Inc. Automatic fault classification for model-based process monitoring
JP4920608B2 (ja) * 2008-01-23 2012-04-18 新日本製鐵株式会社 異常検出装置及び異常検出方法
JP4995134B2 (ja) * 2008-03-31 2012-08-08 三菱重工業株式会社 風車の監視装置及び方法並びにプログラム
JP4761276B2 (ja) * 2008-07-10 2011-08-31 東芝エレベータ株式会社 乗客コンベアの異常診断システム
JP5431235B2 (ja) * 2009-08-28 2014-03-05 株式会社日立製作所 設備状態監視方法およびその装置
TWI381139B (zh) * 2009-11-19 2013-01-01 Ind Tech Res Inst 基於影像之燃燒製程監控與診斷方法及其相關之電腦可讀取媒體
CN102741676B (zh) * 2010-01-28 2016-01-20 日立建机株式会社 作业机械的监视诊断装置
CN102870057B (zh) * 2010-04-08 2015-01-28 株式会社日立制作所 机械设备的诊断装置、诊断方法及诊断程序
JP5901140B2 (ja) * 2011-05-17 2016-04-06 インターナショナル・ビジネス・マシーンズ・コーポレーションＩｎｔｅｒｎａｔｉｏｎａｌ Ｂｕｓｉｎｅｓｓ Ｍａｃｈｉｎｅｓ Ｃｏｒｐｏｒａｔｉｏｎ システムの高い可用性のためにセンサデータを補間する方法、コンピュータプログラム、システム。
JP5808605B2 (ja) * 2011-08-17 2015-11-10 株式会社日立製作所 異常検知・診断方法、および異常検知・診断システム
US9659250B2 (en) * 2011-08-31 2017-05-23 Hitachi Power Solutions Co., Ltd. Facility state monitoring method and device for same
KR101268586B1 (ko) * 2011-11-01 2013-05-28 주식회사 에스원 얼굴 인식 장치 및 방법
JP5996384B2 (ja) * 2012-11-09 2016-09-21 株式会社東芝 プロセス監視診断装置、プロセス監視診断プログラム
JP6076751B2 (ja) * 2013-01-22 2017-02-08 株式会社日立製作所 異常診断方法およびその装置
JP5530020B1 (ja) * 2013-11-01 2014-06-25 株式会社日立パワーソリューションズ 異常診断システム及び異常診断方法
JP6216242B2 (ja) * 2013-12-13 2017-10-18 株式会社日立ハイテクノロジーズ 異常検知方法およびその装置
US20150276557A1 (en) * 2014-03-28 2015-10-01 Hitachi High-Technologies Corporation State monitoring system, state monitoring method and medium
CN104595170B (zh) * 2014-12-18 2016-08-17 中国矿业大学 一种自适应核高斯混合模型的空压机监控诊断系统及方法
EP3239839A4 (en) * 2014-12-22 2018-08-22 Nec Corporation Operation management device, operation management method, and recording medium in which operation management program is recorded
WO2016116961A1 (ja) * 2015-01-21 2016-07-28 三菱電機株式会社 情報処理装置および情報処理方法
WO2017149598A1 (ja) * 2016-02-29 2017-09-08 三菱電機株式会社 機器分類装置
EP3279737A1 (en) * 2016-08-05 2018-02-07 ASML Netherlands B.V. Diagnostic system for an industrial process
JP6241576B1 (ja) 2016-12-06 2017-12-06 三菱電機株式会社 検査装置及び検査方法
US11256238B1 (en) * 2020-09-10 2022-02-22 Fisher-Rosemount Systems, Inc. Network resource management in a communication network for control and automation systems

Patent Citations (5)

* 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
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
WO2017134772A1 (ja) * 2016-02-03 2017-08-10 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及び製造設備診断支援方法
WO2017145318A1 (ja) * 2016-02-25 2017-08-31 東芝三菱電機産業システム株式会社 製造設備の異常診断装置
WO2018096682A1 (ja) * 2016-11-28 2018-05-31 東芝三菱電機産業システム株式会社 圧延設備の異常診断の方法及び装置

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2023141260A (ja) * 2022-03-23 2023-10-05 横河電機株式会社 プロセスデータをグループ化する装置、方法、およびプログラム
JP7687251B2 (ja) 2022-03-23 2025-06-03 横河電機株式会社 プロセスデータをグループ化する装置、方法、およびプログラム

Also Published As

Publication number Publication date
KR102194352B1 (ko) 2020-12-23
US20200159196A1 (en) 2020-05-21
KR20200026784A (ko) 2020-03-11
TW202011130A (zh) 2020-03-16
JP6760503B2 (ja) 2020-09-23
TWI675270B (zh) 2019-10-21
US11567482B2 (en) 2023-01-31
JPWO2020044533A1 (ja) 2020-09-24
CN112567306A (zh) 2021-03-26

Similar Documents

Publication Publication Date Title
EP3764184B1 (en) Abnormality determination assistance device
TWI645275B (zh) 製造設備之異常診斷裝置
CN107949813B (zh) 制造设备诊断辅助装置及制造设备诊断辅助方法
JP6714498B2 (ja) 設備診断装置及び設備診断方法
KR101960755B1 (ko) 미취득 전력 데이터 생성 방법 및 장치
WO2020204043A1 (ja) 高炉の異常判定装置、高炉の異常判定方法、及び高炉の操業方法
CN109960232A (zh) 领先辅助参数的选择方法和设备维护预诊断的方法
EP4700344A1 (en) Acoustic diagnosis device and acoustic diagnosis method
CN118395284A (zh) 一种基于半监督的火电机组智慧巡检系统及方法
CN114398800A (zh) 破碎机系统故障诊断方法及装置
CN115905341A (zh) 数据质量异常的检测方法、装置、电子设备及存储介质
JP6760503B2 (ja) 製造プロセス監視装置
CN114871278B (zh) 辊管理装置
JP7827233B1 (ja) 音響診断装置及び音響診断方法
JP7708318B2 (ja) 圧延設備機器の劣化診断装置
CN120452167B (zh) 传感监测下的屋面管桁架钢结构吊装安全预警方法及装置
JP7677454B2 (ja) 時系列データ処理方法
KR102867332B1 (ko) 반도체 제조용 시계열 데이터 처리 방법 및 이를 수행하기 위한 장치
EP4700345A1 (en) Acoustic diagnostic device and acoustic diagnostic method
EP4700355A1 (en) Abnormality diagnosis device and abnormality diagnosis method
WO2026083670A1 (ja) 音響診断装置及び音響診断方法
CN119294275A (zh) 机械密封故障预警方法、装置、电子设备及程序产品

Legal Events

Date Code Title Description
ENP Entry into the national phase

Ref document number: 20197015133

Country of ref document: KR

Kind code of ref document: A

ENP Entry into the national phase

Ref document number: 2019530117

Country of ref document: JP

Kind code of ref document: A

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

Ref document number: 18931831

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 18931831

Country of ref document: EP

Kind code of ref document: A1