WO2022209057A1 - 情報処理装置、情報処理方法および情報処理プログラム - Google Patents

情報処理装置、情報処理方法および情報処理プログラム Download PDF

Info

Publication number
WO2022209057A1
WO2022209057A1 PCT/JP2021/047193 JP2021047193W WO2022209057A1 WO 2022209057 A1 WO2022209057 A1 WO 2022209057A1 JP 2021047193 W JP2021047193 W JP 2021047193W WO 2022209057 A1 WO2022209057 A1 WO 2022209057A1
Authority
WO
WIPO (PCT)
Prior art keywords
event
data
mechanisms
relationship
causal relationship
Prior art date
Application number
PCT/JP2021/047193
Other languages
English (en)
French (fr)
Inventor
幸太 宮本
康浩 宇治田
Original Assignee
オムロン株式会社
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 オムロン株式会社 filed Critical オムロン株式会社
Publication of WO2022209057A1 publication Critical patent/WO2022209057A1/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

Definitions

  • the present disclosure relates to an information processing device, an information processing method, and an information processing program.
  • Manufacturing lines in factories, etc. consist of multiple mechanisms such as conveyors and robot arms. If an abnormality occurs in any mechanism of this production line, the production of the product will be stopped, possibly causing great damage. For this reason, in factories and the like, maintenance personnel regularly patrol the production line to check for the occurrence of anomalies or signs of such anomalies.
  • Patent Document 1 a technique for visualizing detection of anomalies by easily modeling the relationship between devices in a manufacturing line is presented.
  • the present disclosure has been made to solve the above problems, and is to provide an information processing device, an information processing method, and an information processing program that can incorporate events that cannot be sensed as data into causal relationships. .
  • an information processing device includes: a relationship identifying unit that identifies causal relationships between multiple mechanisms or multiple events related to multiple mechanisms in a process performed on a manufacturing line; an event causality generator for generating an event causality based on the event data when the event occurred; and an event causal relationship updating unit for updating the relationship.
  • An event causal relationship includes multiple nodes set for multiple mechanisms or events, and edge information indicating connections between multiple nodes.
  • the event causal relationship updating unit adds edge information indicating connections between nodes corresponding to events related to a plurality of mechanisms and nodes serving as factor candidates extracted by the event causal relationship. With this configuration, it is possible to easily identify the causal relationship based on the edge information.
  • the information processing device further includes an event relation registration unit that registers an event list corresponding to the event using the updated event causal relation.
  • the event list includes an event overview, event data when the event occurred, factor candidate positions based on the updated event causality, confirmed events related to multiple mechanisms, and event work details. With this configuration, it is possible to easily manage various types of event information using the event list.
  • the information processing device further comprises an event estimation unit that acquires event data and extracts an event list containing the same event data as the acquired event data from the event list registered by the event relationship registration unit. With this configuration, it is possible to easily extract the event list.
  • An information processing method includes a step of identifying a causal relationship between multiple mechanisms or multiple events related to multiple mechanisms in a process performed on a manufacturing line; Generating an event causal relationship based on data; and updating the event causal relationship based on the event relationship and events associated with multiple mechanisms identified when the event occurred.
  • An information processing program causes a computer to specify a causal relationship between multiple mechanisms or multiple events related to multiple mechanisms in a process performed on a manufacturing line; generating an event causality based on the event data when the event occurred; and updating the event causality based on the event relationship and events associated with multiple mechanisms identified when the event occurred.
  • FIG. 4 is a diagram schematically explaining the operation of a first analysis unit 113; FIG.
  • FIG. 5 is a diagram illustrating an example of directed graph information created according to the embodiment
  • FIG. 4 is a diagram illustrating FTAs according to an embodiment
  • FIG. 10 is a diagram illustrating a flow of amending an FTA according to an embodiment
  • FIG. 11 is a flow diagram illustrating a subroutine of processing for analyzing and editing node events in the second relationship identifying unit 118 according to the embodiment
  • FIG. 11 is a conceptual diagram illustrating setting of node attribute information in the second relationship identifying unit 118 according to the embodiment
  • FIG. 4 is a diagram illustrating node integration according to the embodiment
  • FIG. 10 is a diagram schematically illustrating integration processing of an event causal relationship generation unit 116 according to the embodiment
  • FIG. 11 is a diagram describing the flow of integration processing of the event causal relationship generation unit 116 according to the embodiment; It is a figure explaining the specific example of the data causal model according to embodiment. It is a figure explaining an example of normal data and abnormal data as an example according to an embodiment. It is a figure explaining the data causal model in the normal time and the abnormal time according to the embodiment.
  • FIG. 4 is a diagram illustrating an event causal model according to an embodiment; It is a figure explaining the usage form using the event causal model according to embodiment. It is a figure explaining the structure of the manufacturing line of the packaging machine according to embodiment.
  • FIG. 4 illustrates an updated event causal model according to an embodiment; FIG.
  • 11 is a flow diagram illustrating update processing of an event causal relationship update unit 119 according to the embodiment; It is a figure explaining the event list of the event relationship registration part 120 according to embodiment. It is a figure explaining the event estimation process of the event estimation part 117 according to embodiment.
  • FIG. 1 is a diagram schematically illustrating an example of a usage scene of a process analysis device 1, which is one form of an information processing device according to an embodiment.
  • the process analysis apparatus 1 acquires a plurality of status data 222 and log data 223 regarding the status of a plurality of mechanisms 31 forming the manufacturing line 3 .
  • the manufacturing line 3 may be composed of a plurality of devices as long as it can manufacture any product, or may be composed of a single device such as a packaging machine.
  • each mechanism 31 may be configured by one or a plurality of devices, or may be configured by a part of a device, as long as it can perform some processing in the manufacturing process.
  • the plurality of mechanisms 31 may be one device. Also, when the same device performs a plurality of processes, each may be regarded as a separate mechanism 31 . For example, when the same device performs the first process and the second process, the device that performs the first process is regarded as the first mechanism 31, and the device that performs the second process is regarded as the second mechanism. may be regarded as the mechanism 31 of Furthermore, the status data 222 may include any kind of data regarding the status of each mechanism 31 making up the production line 3 .
  • the process analysis device 1 acquires the control program 221 for controlling the operation of the production line 3.
  • the control program 221 may include any kind of program that controls the operation of each mechanism 31 that makes up the production line 3 .
  • the control program 221 may consist of one program, or may consist of a plurality of programs.
  • the operation of the production line 3 is controlled by a PLC (programmable logic controller) 2 . Therefore, the process analysis device 1 acquires a plurality of status data 222 , log data 223 and control program 221 from the PLC 2 .
  • the process analysis device 1 identifies the strength of the relationship between the multiple mechanisms 31 in the production line 3 by statistically analyzing the acquired multiple status data 222 .
  • the strength of the relationship is an example of the "connection state" of this disclosure.
  • the process analysis apparatus 1 according to the embodiment identifies the order relationship of the multiple mechanisms 31 in the production line 3 by analyzing the acquired control program 221 and log data 223 . Then, the process analysis apparatus 1 according to the embodiment determines the causal relationship (first causal relationship) between the plurality of mechanisms 31 in the process executed on the production line 3 based on the strength and order of the specified relationships. Identify.
  • control program 221 is used to specify the order relationship between the multiple mechanisms 31 in the process of analyzing the causal relationship (first causal relationship) between the multiple mechanisms 31 . Since the control program 221 defines the operation of each mechanism 31 , the order relationship of each mechanism 31 can be specified more accurately by using the control program 221 .
  • the process analysis device 1 identifies causal relationships (second causal relationships) between a plurality of events related to a plurality of mechanisms 31 in a process performed on the manufacturing line 3 according to user settings.
  • the second causal relationship corresponds to the causal relationship between multiple events based on the failure mechanisms of the multiple mechanisms 31 in the process performed on the manufacturing line 3 .
  • it corresponds to FTA (Fault Tree Analysis) created by experts.
  • the process analysis device 1 integrates the second causal relationships and generates an event causal relationship for the first causal relationship using normal data and abnormal data (event data). According to the embodiment, by generating an event causal relationship, it is possible to accurately model the causal relationship between the multiple mechanisms 31 that make up the steps performed in the manufacturing line 3 with higher accuracy.
  • the process analysis device 1 extracts factor candidates based on event causality.
  • the user identifies the event in which the event related to the plurality of mechanisms 31 in the process performed on the production line 3 has occurred according to the extracted factor candidates.
  • the process analysis device 1 updates the event causal relationship based on the event causal relationship and the events related to the plurality of mechanisms 31 confirmed when the specified event occurred.
  • FIG. 2 is a diagram schematically illustrating an example of the hardware configuration of the process analysis device 1 according to the embodiment.
  • the process analysis apparatus 1 according to the embodiment is a computer to which a control unit 11, a storage unit 12, a communication interface 13, an input device 14, an output device 15, and a drive 16 are electrically connected.
  • the communication interface is described as "communication I/F.”
  • the control unit 11 includes a CPU (Central Processing Unit), which is a hardware processor, RAM (Random Access Memory), ROM (Read Only Memory), etc., and controls each component according to information processing.
  • the storage unit 12 is, for example, an auxiliary storage device such as a hard disk drive or solid state drive, and stores a process analysis program 121 and the like executed by the control unit 11 .
  • the process analysis program 121 utilizes a plurality of state data 222, log data 223, and control program 221 to analyze the causal relationship between the plurality of mechanisms 31 in the manufacturing process performed by the manufacturing line 3. It is a program for the device 1 to execute.
  • the communication interface 13 is, for example, a wired LAN (Local Area Network) module, a wireless LAN module, or the like, and is an interface for performing wired or wireless communication via a network.
  • the process analysis device 1 can perform data communication with the PLC 2 via the network by using the communication interface 13 .
  • the type of network may be appropriately selected from, for example, the Internet, wireless communication network, mobile communication network, telephone network, dedicated network, and the like.
  • the input device 14 is, for example, a device for performing input such as a mouse and keyboard.
  • the output device 15 is, for example, a device for outputting such as a display and a speaker. An operator can operate the process analysis apparatus 1 via the input device 14 and the output device 15 .
  • the drive 16 is, for example, a CD drive, a DVD drive, etc., and is a drive device for reading programs stored in the storage medium 91 .
  • the type of drive 16 may be appropriately selected according to the type of storage medium 91 .
  • the process analysis program 121 may be stored in this storage medium 91 .
  • the storage medium 91 stores information such as programs by electrical, magnetic, optical, mechanical or chemical action so that computers, other devices, machines, etc. can read information such as programs. It is a medium to The process analysis device 1 may acquire the process analysis program 121 from this storage medium 91 .
  • a disk-type storage medium such as a CD or DVD is illustrated.
  • the type of storage medium 91 is not limited to the disc type, and may be other than the disc type.
  • a storage medium other than the disk type for example, a semiconductor memory such as a flash memory can be cited.
  • the control unit 11 may include multiple processors.
  • the process analysis device 1 may be composed of a plurality of information processing devices.
  • the process analysis device 1 may be an information processing device designed exclusively for the service provided, or may be a general-purpose server device, a PC (Personal Computer), or the like.
  • FIG. 3 is a figure which illustrates typically an example of the hardware constitutions of PLC2 which concerns on embodiment.
  • the PLC 2 is a computer to which a control section 21, a storage section 22, an input/output interface 23, and a communication interface 24 are electrically connected. Thereby, the PLC 2 is configured to control the operation of each mechanism 31 of the production line 3 .
  • the input/output interface and the communication interface are indicated as "input/output I/F" and "communication I/F", respectively.
  • the control unit 21 includes a CPU, RAM, ROM, etc., and is configured to execute various types of information processing based on programs and data.
  • the storage unit 22 is configured by, for example, RAM, ROM, etc., and stores a control program 221, state data 222, log data 223, and the like.
  • the control program 221 is a program for controlling the operation of the manufacturing line 3 .
  • the state data 222 is data regarding the state of each mechanism 31 .
  • the log data 223 is data indicating an operation log of the manufacturing line 3 .
  • the input/output interface 23 is an interface for connecting with an external device, and is appropriately configured according to the external device to be connected.
  • PLC 2 is connected to production line 3 via input/output interface 23 .
  • the single target device may be regarded as a plurality of mechanisms 31 or may be regarded as a single mechanism 31 . Therefore, the number of input/output interfaces 23 may be the same as the number of mechanisms 31 constituting the manufacturing line 3 or may be different from the number of mechanisms 31 constituting the manufacturing line 3 .
  • the communication interface 24 is, for example, a wired LAN module, a wireless LAN module, etc., and is an interface for performing wired or wireless communication.
  • the PLC 2 can perform data communication with the process analysis apparatus 1 through the communication interface 24 .
  • the controller 21 may include multiple processors.
  • the storage unit 22 may be configured by RAM and ROM included in the control unit 21 .
  • the storage unit 22 may be composed of an auxiliary storage device such as a hard disk drive or solid state drive.
  • the PLC 2 may be replaced with a general-purpose desktop PC, tablet PC, or the like, depending on the object to be controlled, in addition to an information processing device designed exclusively for the service provided.
  • FIG. 4 is a diagram schematically illustrating an example of the software configuration of the process analysis device 1 according to the embodiment.
  • the control unit 11 of the process analysis device 1 expands the process analysis program 121 stored in the storage unit 12 into RAM. Then, the control unit 11 interprets and executes the process analysis program 121 developed in the RAM by the CPU to control each component.
  • the process analysis apparatus 1 includes a first acquisition unit 111, a second acquisition unit 112, a first analysis unit 113, and a second analysis unit 114 as software modules.
  • a first relationship identifying unit 115 an event causal relationship generating unit 116 , a second relationship identifying unit 118 , an event causal relationship updating unit 119 , an event relationship registering unit 120 , and an event estimating unit 117 .
  • the first acquisition unit 111 acquires multiple items of state data 222 regarding the states of multiple mechanisms 31 that make up the manufacturing line 3 .
  • the second acquisition unit 112 acquires the control program 221 for controlling the operation of the manufacturing line 3 .
  • the first analysis unit 113 identifies the strength of the relationship between the plurality of mechanisms 31 by statistically analyzing the obtained plurality of status data 222 .
  • the second analysis unit 114 identifies the order relationship of the multiple mechanisms 31 by analyzing the acquired control program 221 . In the embodiment, the second analysis unit 114 uses log data 223 obtained by executing the control program 221 to identify the order relationship of the multiple mechanisms 31 . Then, the first relationship identifying unit 115 identifies a causal relationship (first causal relationship) between the plurality of mechanisms 31 in the process performed in the production line 3 based on the strength and order of the relationships that have been specified. .
  • the second relationship identifying unit 118 identifies causal relationships (second causal relationships) between multiple events related to multiple mechanisms 31 in processes performed on the manufacturing line 3 according to user settings.
  • the event causal relationship generation unit 116 integrates the second causal relationships and generates an event causal relationship for the first causal relationship using the normal data 224 and the abnormal data 225 (event data).
  • the event causal relationship generation unit 116 extracts event factor candidates based on the event causal relationship.
  • the user identifies an event in which an event related to a plurality of mechanisms 31 in a process performed on the production line 3 occurs according to extracted factor candidates based on the event causal relationship.
  • the event causal relationship update unit 119 updates the event causal relationship based on the event causal relationship and the events related to the plurality of mechanisms 31 confirmed when the specified event occurred.
  • the event relation registration unit 120 registers an event list corresponding to an event.
  • the event list includes an event overview, event data when the event occurred, factor candidate positions according to the updated event causality, confirmed events related to a plurality of mechanisms, and event work content.
  • the event estimation unit 117 acquires event data and extracts an event list containing the same event data as the acquired event data from the event lists registered by the event relationship registration unit 120 . By outputting the extracted event list, the event estimating unit 117 enables the user to easily identify factor candidates for the event, check the details of the event work, and quickly execute recovery work. .
  • the second relationship identifying unit 118 is used to identify the second causal relationship in the process analysis device 1 . you don't have to.
  • the event causal relationship generation unit 116 will describe a method of integrating the first causal relationship and the second causal relationship, but is not limited to this. A causal relationship may be generated.
  • each software module of the process analysis device 1 will be explained in detail in an operation example described later.
  • an example in which each software module of the process analysis apparatus 1 is implemented by a general-purpose CPU is described.
  • some or all of the above software modules may be implemented by one or more dedicated hardware processors.
  • the software configuration of the process analysis device 1 omission, replacement, and addition of software modules may be performed as appropriate according to the embodiment.
  • FIG. 5 is a flow diagram illustrating an example of a processing procedure of the process analysis device 1 according to the embodiment.
  • the processing procedure described below is merely an example, and each processing may be changed as much as possible. Further, in the processing procedures described below, steps can be omitted, replaced, and added as appropriate according to the embodiment.
  • each mechanism 31 may be composed of, for example, a conveyor, a robot arm, a servomotor, a cylinder (molding machine, etc.), a suction pad, a cutter device, a sealing device, or a part of the device. Also, each mechanism 31 may be a composite device such as a printer, a mounting machine, a reflow furnace, or a substrate inspection device.
  • each mechanism 31 includes, in addition to the above-described devices that involve some physical action, devices that detect some information by various sensors, devices that acquire data from various sensors, devices that acquire some information from the acquired data, and so on. It may include a device for performing internal processing such as a device for detecting and a device for processing the acquired data. As a specific example, in a production line equipped with an optical sensor that detects marks given to objects flowing on a conveyor, the optical sensor and a device that uses information detected by the optical sensor may be treated as each mechanism 31.
  • the state data 222 of each case includes at least one of torque, speed, acceleration, temperature, current, voltage, air pressure, pressure, flow rate, position, dimensions (height, length, width) and area, for example. It may be the data shown. Such state data 222 can be obtained by known measuring devices such as sensors and cameras. For example, flow rate can be obtained by a float sensor. Also, the position, size and area can be obtained with an image sensor.
  • the state data 222 may be composed of data obtained from one or more measuring devices.
  • the state data 222 may be data obtained from the measuring device as it is, or can be obtained by applying some processing to data obtained from the measuring device, such as position data obtained from image data. data.
  • the status data 222 for each case is acquired corresponding to each mechanism 31 .
  • Each measuring device is appropriately arranged so that each mechanism 31 of the production line 3 can be monitored.
  • the PLC 2 operates the production line 3 and collects status data 222 for each case from each measuring device.
  • the control unit 11 acquires from the PLC 2 the state data 222 regarding the state of each mechanism 31 when the production line 3 is operated normally. Thereby, the control unit 11 can acquire a plurality of status data 222 .
  • the control unit 11 advances the process to the next step S102.
  • control section 11 operates as the second acquisition section 112 and acquires the control program 221 from the PLC2.
  • the control program 221 can be executed by the PLC 2, for example, at least one of ladder diagram language, function block diagram language, structured text language, instruction list language, sequential function chart language, and C language. It may be described using
  • step S102 may be executed in parallel with step S101, or may be executed before step S101.
  • step S103 the control unit 11 operates as the first analysis unit 113, and statistically analyzes the plurality of status data 222 acquired in step S101 to determine the relationship between the plurality of mechanisms 31 in the manufacturing line 3. identify the strength of the relationship between
  • step S103 may be executed at any timing after step S101. For example, step S103 may be performed before step S102 above.
  • the production line 3 includes four mechanisms (for example, four servo motors) F1 to F4 as the plurality of mechanisms 31, and in step S101, the control unit 11 , has obtained the status data 222 of each mechanism F1-F4.
  • FIG. 6 is a diagram schematically explaining the operation of the first analysis unit 113.
  • the control unit 11 calculates a feature amount 2221 from the state data 222 of each case acquired in step S101.
  • the type of the feature quantity 2221 may not be particularly limited, and may be appropriately selected according to the embodiment.
  • the method for calculating the feature amount 2221 can be determined as appropriate according to the embodiment.
  • the control unit 11 calculates the feature quantity 2221 from the state data 222 by the following method. First, the control unit 11 divides the obtained status data 222 for each frame in order to define the processing range for calculating the feature amount 2221 . The length of each frame may be set as appropriate according to the embodiment.
  • the control unit 11 may, for example, divide the state data 222 of each case into frames of a certain length of time.
  • the control unit 11 calculates the value of the feature amount 2221 from each frame of the state data 222. If the state data 222 is continuous value data such as measurement data, the control unit 11 can, for example, calculate amplitude, maximum value, minimum value, average value, variance value, standard deviation, instantaneous value (1 point samples) or the like may be calculated as the feature amount 2221 . In addition, when the state data 222 is discrete value data such as detection data, the control unit 11, for example, "on" time in each frame, "off” time, duty ratio, "on” number of times, The number of “off” times or the like may be calculated as the feature amount 2221 .
  • the control section 11 calculates a correlation coefficient or a partial correlation coefficient between each feature amount 2221 .
  • a correlation coefficient can be calculated by the following formula (1).
  • the partial correlation coefficient can be calculated by the following equation (2).
  • r ij indicates the element of the i-th row and j-th column of the matrix 2222 .
  • x i and x j correspond to data indicating the feature quantity 2221 calculated from the state data 222 of each case.
  • X i and X j denote sample means of x i and x j respectively.
  • n indicates the number of each feature quantity 2221 used for correlation calculation.
  • the inverse matrix of the matrix R(r ij ) is expressed as R ⁇ 1 (r ij ), where r ij indicates the i-th row and j-th column element of the inverse matrix of the matrix 2222 .
  • the control unit 11 can obtain a matrix 2222 whose elements are correlation coefficients or partial correlation coefficients.
  • the correlation coefficient and partial correlation coefficient between each feature quantity 2221 indicate the strength of the relationship between the corresponding mechanisms 31 . That is, each element of matrix 2222 specifies the strength of the relationship between corresponding mechanisms 31 .
  • the control unit 11 calculates the relationship between the corresponding mechanisms 31 based on the correlation coefficients or partial correlation coefficients between the feature quantities 2221. builds undirected graph information 2223 that indicates the strength of
  • the control unit 11 creates a node corresponding to each mechanism 31. Then, when the value of the correlation coefficient or the partial correlation coefficient calculated between the two mechanisms 31 is equal to or greater than the threshold value, the control unit 11 connects the two corresponding nodes with an edge. On the other hand, if the value of the correlation coefficient or partial correlation coefficient calculated between the two mechanisms 31 is less than the threshold value, the control unit 11 does not connect the two corresponding nodes with an edge.
  • the threshold value may be a fixed value defined within the process analysis program 121, or may be a set value that can be changed by an operator or the like. Also, the thickness of the edge may be determined according to the value of the corresponding correlation coefficient or partial correlation coefficient.
  • undirected graph information 2223 as exemplified can be created.
  • four nodes are created corresponding to four mechanisms F1-F4.
  • Edges are formed between the nodes of the mechanisms F1 and F2, between the nodes of the mechanisms F1 and F3, between the nodes of the mechanisms F2 and F3, and between the nodes of the mechanisms F3 and F4.
  • the edges between the nodes of features F1 and F3 and between the nodes of features F3 and F4 is thicker than other edges.
  • the undirected graph information 2223 expresses the formed undirected graph as an image.
  • the output format of the undirected graph information 2223 need not be limited to images, and may be represented by text or the like.
  • edges are not formed between weakly related nodes (mechanism 31) by comparing the correlation coefficient or the partial correlation coefficient with the threshold.
  • the method of removing edges between weakly related nodes need not be limited to this example. For example, after forming a graph in which all nodes are connected by edges, the control unit 11 sets the correlation coefficient or partial correlation coefficient Edges of the formed graph may be deleted in order from the edge with the smallest .
  • step S104 the control unit 11 operates as the second analysis unit 114 and analyzes the control program 221 acquired in step S102 to determine the order of the plurality of mechanisms 31 in the manufacturing line 3. Identify relationships.
  • the control unit 11 identifies the order relationship of the multiple mechanisms 31 based on the log data 223 obtained by operating the production line 3 using the control program 221 .
  • the control unit 11 advances the process to the next step S105.
  • step S104 may be executed at any timing after step S102. For example, if step S102 is performed before step S101, step S104 may be performed before step S101.
  • the manufacturing line 3 includes four mechanisms F1 to F4 as the plurality of mechanisms 31 in the same manner as described above. Assume that we have obtained a control program 221 in which variables v1-v4 corresponding to features F1-F4 are used.
  • the control unit 11 uses the control program 221 to acquire from the PLC 2 the log data 223 indicating the execution results when the manufacturing line 3 is normally operated.
  • the PLC 2 may also create log data 223 indicating execution results of the control program 221.
  • FIG. the log data 223 records time stamps, values of variables used, and the like.
  • the control program 221 may be provided with a debug mode for collecting information such as how often each line of code is executed, which lines of code are executed, the computation time consumed by each section of code, and so on. .
  • the PLC 2 can create log data 223 that records each piece of information by executing the control program 221 in debug mode.
  • the control unit 11 may acquire the log data 223 created in this way from the PLC 2 .
  • the control unit 11 refers to the acquired log data 223 and orders the above variables (v1 to v4) to determine the order of the mechanisms 31 in the production line 3. Identify relationships.
  • control unit 11 operates as the first relationship identification unit 115. That is, the control unit 11 controls the plurality of mechanisms in the process performed in the production line 3 based on the strength of the relationship and the order relationship between the plurality of mechanisms 31 in the production line 3 specified in steps S103 and S104, respectively. Identify causal relationships between 31.
  • control unit 11 creates directed graph information indicating the causal relationship between the mechanisms 31 by applying the order relationship of the identified mechanisms 31 to the constructed undirected graph information 2223 .
  • FIG. 7 is a diagram illustrating an example of directed graph information created according to the embodiment;
  • the directed graph 122 in FIG. 7 shows the following causal relationships (a) to (d).
  • Mechanisms "F1" and “F2" are followed by mechanism “F3”.
  • mechanism "F4" is used.
  • the thickness of each edge of the directed graph 122 is set corresponding to the thickness of each edge of the undirected graph information 2223 .
  • the directed graph information expresses the directed graph (directed graph 122) as an image.
  • the output format of directed graph information need not be limited to images, and may be represented by text or the like.
  • the strength of the relationship between nodes (mechanisms 31) is represented by the edge thickness.
  • the method of expressing the strength of the relationship between nodes need not be limited to such examples.
  • the strength of the relationship between each node may be expressed by attaching a number near each edge.
  • the control unit 11 outputs the directed graph information (first causal relationship) created in step S105. Specifically, the first relationship identifying unit 115 outputs effective graph information indicating the generated causal relationship to the event causal relationship generating unit 116 . With the above, the control unit 11 ends the process of generating the first causal relationship according to this operation example.
  • the order relationship between the multiple mechanisms 31 in the manufacturing line 3 is specified. Then, by applying the sequence relationship specified from the control program 221 to the undirected graph information indicating the strength of the relationship derived from the state data 222 in step S103, a plurality of mechanisms in the process performed on the production line 3 Creates directed graph information indicating the causal relationship between 31.
  • the control program 221 prescribes the operation of each mechanism 31 . Therefore, by using the control program 221 in the process of analyzing the causal relationship between the multiple mechanisms 31, the order relationship between the multiple mechanisms 31 can be appropriately specified. Therefore, according to the embodiment, it is possible to accurately model the causal relationship between the multiple mechanisms 31 that configure the production line 3 .
  • FIG. 8 is a diagram illustrating an FTA according to an embodiment.
  • FIG. 8 shows, as an example, FTA (Fault Tree Analysis) created by an expert for the manufacturing line 3 of the packaging machine.
  • the FTA corresponds to effective graph information indicating causal relationships between multiple events that occur in the production line 3 of the packaging machine.
  • each event is shown in the form of a node, and nodes N0 to N15 (also collectively referred to as node N) are provided.
  • a node N0 ("Unsealable") and a node N1 (“Weak Adhesion") corresponding to the final two events are provided.
  • Nodes N2 to N8 corresponding to other events up to the nodes N0 and N1 are provided based on causal relationships.
  • node N0 node N2 ("temperature measurement is inaccurate"), node N3 ("seal pressure is weak"), node N4 ("sealer surface is not warm enough”), node N5 ("temperature cannot be measured”). No"), node N6 ("inappropriate temperature (main/sub film conveying speed and seal temperature do not match)"), node N7 (“inappropriate temperature (film thickness and seal temperature do not match)”), node N8 (“The seal temperature does not rise”) is provided as an event having a causal relationship.
  • a node N6 ("unsuitable temperature (main/sub film transport speed and seal temperature do not match)" is provided for node N1.
  • nodes N9 to N15 corresponding to other events up to nodes N2 to N8 are provided based on causal relationships.
  • a node N9 (“thermocouple deterioration”) is provided for the node N2.
  • a node N10 (“press roller wear”) and a node N11 (“press spring deterioration”) are provided for the node N3.
  • a node N11 (“ignore warm-up procedure/no procedure”) is provided for node N4.
  • a node N12 (“thermocouple break”) is provided for the node N5.
  • a node N13 (“set temperature, conveying speed setting error”) is provided for the node N6.
  • a node N14 (“setting temperature, film thickness setting error”) is provided for the node N7.
  • a node N15 (“heater deterioration”) is provided for the node N8.
  • FIG. 9 is a diagram explaining the flow of modifying the FTA according to the embodiment.
  • the processing in FIG. 9 is the processing in the second relationship identification unit 118 .
  • the second relationship identifying unit 118 analyzes and edits the event of the node (step S2).
  • the second relationship identification unit 118 has a user interface that receives input from the user, and may execute processing based on user input as necessary.
  • step S4 the second relationship identifying unit 118 integrates the edited nodes. Then, the processing is terminated (END).
  • FIG. 10 is a flowchart describing a subroutine of processing for analyzing and editing node events in the second relationship identifying unit 118 according to the embodiment.
  • second relationship identifying unit 118 selects a node (step S10). For example, one of the nodes (N0) described in FIG. 8 is selected.
  • the second relationship identifying unit 118 extracts physical quantities or states from the event corresponding to the selected node (step S12).
  • the second relationship identifying unit 118 extracts a physical quantity ("seal adhesive strength") based on the event "sealing is not possible" at node N0. Similarly, the second relationship identifying unit 118 extracts a physical quantity (“seal adhesive strength”) based on the “weak adhesive” event of the node N1.
  • a physical quantity/state correspondence table in which a physical quantity or state is associated with an event is provided in advance, and the physical quantity or state is extracted by referring to the physical quantity/state correspondence table. shall be If the corresponding physical quantity or state does not exist in the physical quantity/state correspondence table, the user may input it via the user interface. Note that the physical quantity/state correspondence table may be updated at any time by user input via the user interface. It should be noted that it is not necessary to have a one-to-one correspondence between the event and the physical quantity or state, and the physical quantity or state may be extracted from the degree of association with the event.
  • the second relationship identifying unit 118 identifies variables from the extracted physical quantities or states (step S14). For example, the second relationship identifying unit 118 identifies a variable ("Current Temperature Center Seal") from the physical quantity ("seal temperature"). To specify variables from the extracted physical quantities or states, it is assumed that a variable correspondence table in which variables are associated with physical quantities or states is provided in advance, and the variables are specified by referring to the variable correspondence table. do. If the corresponding variable does not exist in the variable correspondence table, the user may input it via the user interface. A method of user input through the user interface will be described later.
  • variable correspondence table may be updated at any time by the user's input via the user interface.
  • the second relationship identifying unit 118 determines whether or not multiple variables have been identified from the extracted physical quantity or state (step S16).
  • step S16 When the second relationship identifying unit 118 determines in step S16 that a plurality of variables are not identified (NO in step S16), it sets node attribute information (step S18).
  • step S16 determines in step S16 that multiple variables have been identified (YES in step S16)
  • step S20 divides the node (step S20).
  • step S18 node attribute information is set.
  • the second relationship identifying unit 118 determines whether analysis of all nodes has been completed (step S22).
  • step S22 when the second relationship identifying unit 118 determines that the analysis of all nodes has been completed (YES in step S22), the process ends (return).
  • step S22 determines in step S22 that the analysis of all nodes has not been completed (NO in step S22)
  • the process proceeds to step S24.
  • step S24 the second relationship identifying unit 118 selects another node. Then, the process returns to step S12 and the above processing is repeated.
  • FIG. 11 is a conceptual diagram illustrating setting of node attribute information in the second relationship identifying unit 118 according to the embodiment.
  • the data structure of attribute information provided corresponding to each node is shown.
  • three-layer structured data D1 to D3 are provided as attribute information corresponding to each node.
  • extracted physical quantity or state information is set in the first layer data D1 as attribute information corresponding to each node.
  • Event information is set in the second layer data D2.
  • a variable is set in the data D3 of the third layer. Note that the data structure is an example, and any order may be used.
  • FIG. 11(D) shows a case where attribute information is set for each of nodes N6, N16, and N17.
  • data D1 (“main film transport speed”), data D2 (“unsuitable temperature”), and data D3 (“FilmFeedMain”) are set as attribute information corresponding to node N6.
  • Data D1 (“film feed sub-speed”) and data D3 (“FilmFeedSub”) are set as attribute information corresponding to node N16.
  • Data D1 (“seal temperature”), data D2 (“unsuitable temperature”), and data D3 (“Current Temperature Center Seal”) are set as attribute information corresponding to the node N17.
  • FIG. 12 is a diagram illustrating node integration according to the embodiment.
  • FIG. 12 is a diagram for describing a case where edited nodes are integrated, with reference to FIG.
  • integration is based on physical quantity or state information included in the attribute information corresponding to each node N. That is, if the physical quantity or state information included in the attribute information corresponding to each node N is the same, the nodes are integrated. For example, node N0 and node N1 in FIG. 8 are provided as integrated node N20 because the same physical quantity (“seal adhesive strength") is extracted. As the attribute information of the node N20, data D1 (“seal adhesive strength”), data D2 (“cannot be sealed, weak adhesive”), and data D3 (“none”) are set. Edge information (arrow information) of causal relationships is also integrated.
  • integrated nodes N21 to N32 are provided.
  • the attribute information of each node is common to data D1 and D3, but information is added to D2 and set.
  • Data D1 serum temperature
  • data D2 (measurement is inaccurate, temperature does not rise, temperature is not suitable, temperature cannot be measured)
  • data D3 Current Temperature Center Seal
  • Data D1 seal pressure
  • data D2 weak seal pressure
  • data D3 noone
  • Data D1 film transport main speed
  • data D2 unsuitable temperature
  • data D3 FinilmFeedMain
  • Data D1 film transport sub-speed
  • data D2 unsuitable temperature
  • data D3 FinilmFeedSub
  • Data D1 film thickness
  • data D2 unsuitable temperature
  • data D3 node
  • data D1 thermocouple state
  • data D2 connection, deterioration
  • data D3 node
  • Data D1 warming procedure state
  • data D2 ignore, no procedure
  • data D3 no procedure
  • Data D1 (heater state)
  • data D2 ("deterioration")
  • data D3 (none") are set as the attribute information of the node N28.
  • Data D1 (“sealer setting temperature”), data D2 ("setting error”), and data D3 (“CenterHeaterDPC_MV”) are set as the attribute information of the node N29.
  • Data D1 press roller state
  • data D2 press roller wear
  • data D3 node N30.
  • data D1 press spring state
  • data D2 press spring deterioration
  • data D3 noone
  • Data D1 film transport speed setting
  • data D2 setting error
  • data D3 FinmFeed_MV
  • nodes N21 to N25 are provided as nodes having a causal relationship with respect to node N20. Further, nodes N26 to N29 are provided as nodes having a causal relationship with respect to the node N21. Nodes N30 and N31 are provided as nodes having a causal relationship with respect to node N22. The node N23 is provided as a node having a causal relationship with the node N32.
  • the control unit 11 outputs effective graph information (second causal relationship) corrected based on the effective graph information of the FTA.
  • the second relationship identifying unit 118 collects valid graph information (second causal relationship) indicating causal relationships between multiple events related to multiple mechanisms 31 in processes performed in the manufacturing line 3 according to user settings. identify.
  • the event causal relationship generation unit 116 acquires valid graph information (second causal relationship) indicating causal relationships between a plurality of events from the second relationship identifying unit 118 .
  • FIG. 13 is a diagram schematically explaining the integration processing of the event causal relationship generation unit 116 according to the embodiment.
  • valid graph information (first causal relationship) output from first relationship identifying unit 115 and valid graph information output from second relationship identifying unit 118 A scheme for integrating information (second causal relationship) is shown.
  • an event causal relationship is generated based on the valid graph information (first causal relationship) output from the first relationship identifying unit 115 and the normal data 224 and abnormal data 225 .
  • the event causal relationship generation unit 116 generates an event causal model by integrating the generated event causal model and the FTA causal model, which is the effective graph information (second causal relationship) output from the second relationship identification unit 118. .
  • the event causal model is provided with nodes A1 to A5.
  • the FTA causal model is provided with nodes B1 to B4 and a node A2.
  • nodes having the same variable are grouped into one node.
  • node A2 is consolidated into one.
  • FIG. 13(C) shows a case where the edge information of the FTA causal model is added to the event causal model to which the nodes of the FTA causal model are added. This makes it possible to integrate the FTA causal model with the event causal model.
  • FIG. 14 is a diagram explaining the flow of integration processing of the event causal relationship generation unit 116 according to the embodiment.
  • event causal relationship generation unit 116 adds the node of FTA causal model to the node of event causal model (step S30).
  • the event causal relationship generation unit 116 combines nodes having the same variable into one node (step S32).
  • the event causal relationship generation unit 116 adds the edge information of the FTA causal model to the event causal model to which the nodes of the FTA causal model are added (step S34).
  • the event causal relationship generation unit 116 registers the data origin information in the node and edge attribute information (step S36). Specifically, data origin information indicating the origin of the data causal model, the origin of the FTA causal model, or both origins is registered.
  • the event causal relationship generation unit 116 ends the processing (END).
  • END the processing
  • ⁇ 6 A specific example of the event causal model generated by the event causal relationship generation unit 116 will be described below.
  • FIG. 15 is a diagram illustrating a specific example of a data causal model according to the embodiment.
  • the data causal model output from first relationship identification unit 115 is shown.
  • it is specified based on the strength of the relationship between the plurality of mechanisms 31 and the order relationship of the plurality of mechanisms 31 obtained by analyzing the control program 221. It is a causal model.
  • nodes N40 to N56 are provided, and edge information between nodes is shown. Also, each node N is associated with a variable used in the control program 221 .
  • FIG. 15(B) shows an example of graph structure data of the data causal model.
  • the graph structure data describes edge information between nodes together with information on each node.
  • a case is shown in which a variable is assigned as an example (node ID) of node attribute information.
  • node ID an example of node attribute information.
  • FIG. 16 is a diagram illustrating an example of normal data and abnormal data as an example according to the embodiment.
  • FIG. 16 shows normal data and abnormal data at each node.
  • a normal data causal model is generated based on the data causal model described above and normal data.
  • a data causal model at the time of abnormality is generated based on the data causal model described above and the abnormal data.
  • FIG. 17 is a diagram explaining the data causal model during normal and abnormal times according to the embodiment.
  • FIG. 17(A) is a data causal model during normal operation.
  • FIG. 17B is a data causal model at the time of abnormality.
  • normal data for the data causal model causal relationships between nodes in normal times are identified.
  • the causal relationship between nodes at the time of abnormality is specified using the abnormal data for the data causal model.
  • a numerical value between nodes is a numerical value indicating the strength of the relationship.
  • FIG. 18 is a diagram explaining the event causal model according to the embodiment.
  • event causal relationship generation unit 116 calculates the degree of divergence using the normal data causal model and the abnormal data causal model described with reference to FIG.
  • An event causal model is generated by estimating nodes that are factor candidates based on the degree of divergence.
  • the FTA causal model is integrated into the event causal model according to the method described in the flow of FIGS. 13 and 14 .
  • a case is shown in which the FTA causal model node is added to the event causal model node, and the edge information of the FTA causal model is added to the event causal model to which the FTA causal model node is added.
  • nodes having the same variable are grouped into one node.
  • the variable (“FilmFeedMain”) included in the attribute information of the node N23 is the same as that of the node N45, so they are combined into one.
  • the variable (“FilmFeedSub”) included in the attribute information of node N24 is the same as that of node N50, so it is combined into one.
  • CenterHeaterDPC_MV" included in the attribute information of the node N29 is the same as that of the node N53, so they are combined into one.
  • a variable (“FilmFeed_MV”) included in the attribute information of the node N32 is newly added because there is no same variable.
  • the event causal relationship generation unit 116 can generate an event causal model that integrates the FTA causal models.
  • FIG. 19 is a diagram illustrating a usage pattern using an event causal model according to the embodiment.
  • Edge terminal nodes are extracted by using the event causal model.
  • nodes N25-N28, N30-N31 and N50, N51 are extracted.
  • the user can easily predict the cause of the abnormality based on the information of the node.
  • FIG. 20 is a diagram illustrating the mechanism of the production line of the packaging machine according to the embodiment.
  • the production line includes mechanisms such as work position displacement sensor 300, film transport shaft 302, work run-on sensor 303, work detection sensor 304, work transport shaft 306, film transport shaft 307, top seal shaft 310, and the like. .
  • Each mechanism is assigned a variable.
  • Variables are also assigned to the data related to the mechanism. For example, film remaining amount 301 (“Room Humidity”), drive time 305 (“Chapter”), center seal temperature 308 ("Current Temperature Center Seal”), center seal temperature manipulated variable 309 (“CenterHeaterDPC_MV”), top seal lower temperature (“ CurrentTemperatureLowerTopSeal”), top seal lower temperature manipulated variable (“TopSealLowHeaterDPC_MC”), top seal upper temperature 314 (“CurrentTemperatureUpperTopSeal”), and top seal upper temperature manipulated variable 313 (“TopSealUpHeaterDPC_MC”) are assigned.
  • the user physically confirms the locations related to the nodes extracted by the event causal model.
  • the user confirms wear of the press roller as an event when there is an abnormality in the seal bond strength.
  • the event causal relationship updater 119 updates the event causal relationship based on the event causal relationship and the events associated with the plurality of mechanisms 31 identified when the identified event occurred.
  • FIG. 21 is a diagram explaining an updated event causal model according to the embodiment.
  • FIG. 21 shows the updated event causal model.
  • the event causal relationship updating unit 119 receives an input from the user that the degree of wear of the press roller is an event of poor seal adhesive strength.
  • the event causal relationship updating unit 119 identifies that the node N30 corresponding to the degree of wear of the press roller is the event in which the failure occurred in accordance with the user's input. Update causality with extracted nodes. Specifically, edges from node N30 to nodes N50 and N51 are added.
  • FIG. 22 is a flowchart describing update processing of the event causal relationship update unit 119 according to the embodiment. Referring to FIG. 22, event causal relation updating unit 119 determines whether or not there is an input for the identified event (step S40).
  • step S40 When the event causal relationship updating unit 119 determines in step S40 that there is an input for the specified event (YES in step S40), it determines whether or not there is a corresponding node (step S42).
  • step S48 When the event causal relationship updating unit 119 determines in step S42 that there is no corresponding node (NO in step S42), it creates a node (step S48).
  • the event causal relationship updating unit 119 adds an edge between the factor candidate and the node (step S44).
  • the event causal relationship updating unit 119 updates the model (step S46). Then, the processing is terminated (END).
  • step S42 determines in step S42 that there is a corresponding node (YES in step S42), it skips step S48 and proceeds to step S44. Subsequent processing is the same.
  • the event causal relationship updating unit 119 receives an input from the user that the degree of wear of the press roller is an event of poor seal adhesive strength.
  • the event causal relationship updating unit 119 determines that there is a node N30 for the wear degree of the press roller, skips step S48, and adds edges to nodes N50 and N51 in step S44. Then, the event causal relationship updating unit 119 updates the event causal model in step S46.
  • FIG. 23 is a diagram illustrating an event list of the event relation registration unit 120 according to the embodiment. Referring to FIG. 23, there is shown an event list in which multiple events have been registered by the user.
  • the event relationship registration unit 120 includes, as an event list, information on event outlines, event data, causal models, actual physical phenomena, and restoration work details.
  • event data and a causal model are registered corresponding to "seal bond strength failure", and "press roller wear” is registered as an actual physical phenomenon, and “press roller replacement” is described as recovery work. A registered case is shown.
  • event data and a causal model corresponding to "defective seal adhesion strength" are registered, as well as “leather belt wear” as an actual physical phenomenon and “leather belt replacement” as recovery work. is registered.
  • event data and a causal model are registered corresponding to "seal bond strength failure", as well as “current collector ring contact failure” as an actual physical phenomenon, and “current collector ring replacement” as recovery work. ” is registered.
  • event data and a causal model are registered corresponding to "defective seal adhesion strength", as well as “film meandering” as an actual physical phenomenon, and “distortion of the film transport axis” as recovery work. Correction" is registered.
  • FIG. 24 is a diagram illustrating event estimation processing by the event estimation unit 117 according to the embodiment. Referring to FIG. 24 , event estimation unit 117 performs event estimation using the event list registered by event relation registration unit 120 .
  • the event estimation unit 117 acquires event data and refers to an event list having event data that matches the event data.
  • the event estimation unit 117 shows a case where the top event list matches the event data as the matching event list.
  • the user is presented with "wear of the press roller" as an estimated location of the abnormality, and replacement of the press roller, which is the content of the restoration work. It is possible.
  • the event estimating unit 117 calculates the degree of matching (similarity) for example, and if the degree of matching (similarity) is equal to or greater than a predetermined value, the event data does not necessarily match completely. You can judge that there is
  • the present embodiment includes the following disclosures.
  • a relationship identification unit (115, 118) for identifying a causal relationship between multiple mechanisms or multiple events related to the multiple mechanisms in a process performed on a manufacturing line; an event causal relationship generator (116) that generates an event causal relationship based on the causal relationship and event data when the event occurs; an event causal relationship updating unit (119) for updating the event causal relationship based on the event causal relationship and an event related to the plurality of mechanisms confirmed when the event occurs.
  • the event causality is a plurality of nodes configured with respect to the plurality of mechanisms or events; and edge information indicating connections between the plurality of nodes,
  • the event causal relationship updating unit adds edge information indicating a connection between a node corresponding to an event related to the plurality of mechanisms and a node serving as a factor candidate extracted from the event causal relationship.
  • composition 3 2.
  • the event list includes an event overview, event data when the event occurred, the position of the factor candidate according to the updated event causality, confirmed events related to the plurality of mechanisms, and event work contents. 4.
  • the information processing apparatus comprising:
  • Composition 5 (Composition 5) 5.
  • An event estimating unit (121) that acquires event data and extracts an event list containing the same event data as the acquired event data from the event list registered by the event relationship registration unit (121). The information processing device described.
  • Composition 6 identifying a causal relationship between a plurality of mechanisms or a plurality of events associated with the plurality of mechanisms in a process performed on a manufacturing line; generating event causality based on the event data when the event occurred; and updating said event causal relationship based on said event relationship and events associated with said plurality of mechanisms identified when said event occurred.
  • Composition 7 to the computer, identifying a causal relationship between a plurality of mechanisms or a plurality of events associated with the plurality of mechanisms in a process performed on a manufacturing line; generating event causality based on the event data when the event occurred; and updating the event causal relationship based on the event relationship and an event associated with the plurality of mechanisms identified when the event occurred.
  • 1 process analysis device 3 production line, 11, 21 control unit, 12, 22 storage unit, 13, 24 communication interface, 14 input device, 15 output device, 16 drive, 23 input/output interface, 31 mechanism, 91 storage medium, 111 first acquisition unit, 112 second acquisition unit, 113 first analysis unit, 114 second analysis unit, 115 first relationship identification unit, 116 event causal relationship generation unit, 117 event estimation unit, 118 second relationship identification unit, 119 event causal relationship update unit, 120 event relationship registration unit, 121 process analysis program, 221 control program, 222 status data, 223 log data.

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Testing And Monitoring For Control Systems (AREA)
  • General Factory Administration (AREA)

Abstract

情報処理装置は、製造ラインで実施される工程における複数の機構あるいは複数の機構に関連する複数の事象間の因果関係を特定する関係特定部と、因果関係とイベントが生じた際のイベントデータとに基づいてイベント因果関係を生成するイベント因果関係生成部と、イベント因果関係およびイベントが生じた際に確認された複数の機構に関連する事象に基づいて、イベント因果関係を更新するイベント因果関係更新部とを備える。

Description

情報処理装置、情報処理方法および情報処理プログラム
　本開示は、情報処理装置、情報処理方法および情報処理プログラムに関する。
　工場等における製造ラインは、コンベア、ロボットアーム等の複数の機構で構成されている。この製造ラインのいずれかの機構で異常が発生すると、製品の製造が停止してしまい、大きな損害をもたらす可能性がある。そのため、工場等では、保全員が、製造ラインを定期的に巡回して、異常の発生又はその予兆の有無の確認を行っている。
　製造ライン内で異常の発生又はその予兆を検知したとき、異常が検知された機構よりも前の機構に真の異常の原因が存在する場合がある。したがって、真の異常の原因を特定するためには、製造ライン内の各機構の因果関係を把握することが重要である。しかしながら、製造ラインを構成する機構の数が多くなり、かつ各機構の動作条件が日々変化し得ることから、全ての機構の因果関係を正確に把握するのは困難である。
　そのため、従来、熟練の保全員が、自身の経験及び勘に基づいて、製造ラインを構成する複数の機構間の因果関係を把握して、製造ライン内で生じた異常又はその予兆の検知を行っていた。このような保全業務を非熟練の保全員が行うことができるようにするため、製造ラインを構成する複数の機構の因果関係を可視化する技術の開発が望まれていた。
　例えば、特許文献１に開示されている装置では、製造ライン内の装置間の関係を容易にモデル化することにより、異常の検知を可視化する技術が示されている。
特開２００９－６４４０７号公報
　一方で、異常の種類としては、データとしてセンシングできない物理現象や状態等の事象も存在し、当該異常の場合には上記モデルを用いた場合であっても異常特定することができなかった。
　本開示は、上記の課題を解決するためになされたものであって、データとしてセンシングできない事象も因果関係に取り込むことが可能な情報処理装置、情報処理方法および情報処理プログラムを提供することである。
　本開示の一例によれば、情報処理装置は、製造ラインで実施される工程における複数の機構あるいは複数の機構に関連する複数の事象間の因果関係を特定する関係特定部と、因果関係とイベントが生じた際のイベントデータとに基づいてイベント因果関係を生成するイベント因果関係生成部と、イベント因果関係およびイベントが生じた際に確認された複数の機構に関連する事象に基づいて、イベント因果関係を更新するイベント因果関係更新部とを備える。この構成であれば、データとしてセンシングできない事象も因果関係に取り込むことが可能である。
　イベント因果関係は、複数の機構あるいは事象に関して設定されている複数のノードと、複数のノード間の接続を示すエッジ情報とを含む。イベント因果関係更新部は、複数の機構に関連する事象に対応するノードと、イベント因果関係により抽出された要因候補となるノードとの間の接続を示すエッジ情報を追加する。この構成であれば、エッジ情報に基づいて因果関係を容易に特定することが可能である。
　情報処理装置は、更新されたイベント因果関係を用いて、イベントに対応するイベントリストを登録するイベント関係登録部をさらに備える。この構成であれば、イベントリストによりイベントの管理を容易に行うことが可能である。
　イベントリストは、イベント概要と、イベントが生じた際のイベントデータと、更新されたイベント因果関係による要因候補位置と、確認された複数の機構に関連する事象と、イベント作業内容とを含む。この構成であれば、イベントリストによりイベントの種々の情報を容易に管理することが可能である。
　情報処理装置は、イベントデータを取得して、イベント関係登録部により登録されたイベントリストの中から、取得したイベントデータと同じイベントデータを含むイベントリストを抽出するイベント推定部をさらに備える。この構成であれば、イベントリストを容易に抽出することが可能である。
　本開示の別の一例に従う情報処理方法は、製造ラインで実施される工程における複数の機構あるいは複数の機構に関連する複数の事象間の因果関係を特定するステップと、イベントが生じた際のイベントデータに基づいてイベント因果関係を生成するステップと、イベント関係およびイベントが生じた際に確認された複数の機構に関連する事象に基づいて、イベント因果関係を更新するステップとを備えた、情報処理方法。この構成であれば、データとしてセンシングできない事象も因果関係に取り込むことが可能である。
　本開示のさらに別の一例に従う情報処理プログラムは、コンピュータに、製造ラインで実施される工程における複数の機構あるいは複数の機構に関連する複数の事象間の因果関係を特定するステップと、イベントが生じた際のイベントデータに基づいてイベント因果関係を生成するステップと、イベント関係およびイベントが生じた際に確認された複数の機構に関連する事象に基づいて、イベント因果関係を更新するステップとを実行させる。この構成であれば、データとしてセンシングできない事象も因果関係に取り込むことが可能である。
　本開示によれば、データとしてセンシングできない事象も因果関係に取り込むことが可能である。
実施形態に係る情報処理装置の一形態である工程解析装置１の利用場面の一例を模式的に例示する図である。 実施形態に係る工程解析装置１のハードウェア構成の一例を模式的に例示する図である。 実施形態に係るＰＬＣ２のハードウェア構成の一例を模式的に例示する図である。 実施形態に係る工程解析装置１のソフトウェア構成の一例を模式的に例示する図である。 実施形態に従う工程解析装置１の処理手順の一例を例示するフロー図である。 第１解析部１１３の動作について模式的に説明する図である。 実施形態に従う作成される有向グラフ情報の一例を例示する図である。 実施形態に従うＦＴＡを説明する図である。 実施形態に従うＦＴＡを修正するフローを説明する図である。 実施形態に従う第２関係特定部１１８におけるノードの事象を解析および編集する処理のサブルーチンについて説明するフロー図である。 実施形態に従う第２関係特定部１１８におけるノードの属性情報の設定について説明する概念図である。 実施形態に従うノードの統合について説明する図である。 実施形態に従うイベント因果関係生成部１１６の統合処理について模式的に説明する図である。 実施形態に従うイベント因果関係生成部１１６の統合処理のフローについて説明する図である。 実施形態に従うデータ因果モデルの具体例について説明する図である。 実施形態に従う一例として正常データおよび異常データの一例について説明する図である。 実施形態に従う正常時および異常時のデータ因果モデルについて説明する図である。 実施形態に従うイベント因果モデルについて説明する図である。 実施形態に従うイベント因果モデルを用いた利用形態について説明する図である。 実施形態に従う包装機の製造ラインの機構について説明する図である。 実施形態に従う更新したイベント因果モデルを説明する図である。 実施形態に従うイベント因果関係更新部１１９の更新処理について説明するフロー図である。 実施形態に従うイベント関係登録部１２０のイベントリストについて説明する図である。 実施形態に従うイベント推定部１１７のイベント推定処理について説明する図である。
　実施の形態について、図面を参照しながら詳細に説明する。なお、図中の同一または相当部分については、同一符号を付してその説明は繰返さない。以下で説明される各変形例は、適宜選択的に組み合わされてもよい。
　以下、情報処理装置の一形態である工程解析装置の一実施形態について、図面を参照しつつ説明する。
　＜１．適用例＞
　図１は、実施形態に係る情報処理装置の一形態である工程解析装置１の利用場面の一例を模式的に例示する図である。図１に示すように、実施形態に係る工程解析装置１は、製造ライン３を構成する複数の機構３１の状態に関する複数件の状態データ２２２及びログデータ２２３を取得する。製造ライン３は、何らかの物を製造可能であればよく、複数の装置で構成されてもよいし、包装機等の１つの装置で構成されてもよい。また、各機構３１は、製造工程の何らかの処理を実施可能であればよく、１又は複数の装置で構成されてもよいし、装置の一部で構成されてもよい。１つの機構３１が装置の一部で構成される場合、複数の機構３１は、１つの装置で構成されてもよい。また、同一の装置が複数の処理を実施する場合には、それぞれを別の機構３１とみなしてもよい。例えば、同一の装置が第１の処理と第２の処理とを実施する場合に、第１の処理をする当該装置を第１の機構３１とみなし、第２の処理をする当該装置を第２の機構３１とみなしてもよい。更に、状態データ２２２は、製造ライン３を構成する各機構３１の状態に関するあらゆる種類のデータを含んでよい。
　また、実施形態に係る工程解析装置１は、製造ライン３の動作を制御するための制御プログラム２２１を取得する。制御プログラム２２１は、製造ライン３を構成する各機構３１の動作を制御するあらゆる種類のプログラムを含んでよい。制御プログラム２２１は、１件のプログラムで構成されてもよいし、複数件のプログラムで構成されてもよい。なお、実施形態では、製造ライン３の動作は、ＰＬＣ（programmable　logic　controller）２によって制御される。そのため、工程解析装置１は、複数件の状態データ２２２、ログデータ２２３、及び制御プログラム２２１をＰＬＣ２から取得する。
　次に、実施形態に係る工程解析装置１は、取得した複数件の状態データ２２２を統計的に解析することにより、製造ライン３内における複数の機構３１間の関係の強さを特定する。関係の強さは、本開示の「接続状態」の一例である。また、実施形態に係る工程解析装置１は、取得した制御プログラム２２１及びログデータ２２３を解析することにより、製造ライン３内における複数の機構３１の順序関係を特定する。そして、実施形態に係る工程解析装置１は、それぞれ特定した関係の強さ及び順序関係に基づいて、製造ライン３で実行される工程における複数の機構３１間の因果関係（第１因果関係）を特定する。実施形態では、複数の機構３１間の因果関係（第１因果関係）を解析する過程において、複数の機構３１間の順序関係を特定するために、制御プログラム２２１を利用している。制御プログラム２２１は各機構３１の動作を規定しているため、制御プログラム２２１を利用することで、各機構３１の順序関係をより正確に特定可能である。
　実施形態に係る工程解析装置１は、ユーザ設定に従う製造ライン３で実施される工程における複数の機構３１に関連する複数の事象間の因果関係（第２因果関係）を特定する。
　第２因果関係は、製造ライン３で実施される工程における複数の機構３１の故障のメカニズムに基づく複数の事象間の因果関係に相当する。例えば、一例として専門家が作成するＦＴＡ（Fault　Tree　Analysis）に相当する。
　実施形態に係る工程解析装置１は、第２因果関係を統合するとともに、正常データおよび異常データ（イベントデータ）を用いて第１因果関係に対するイベント因果関係を生成する。実施形態によれば、イベント因果関係を生成することにより、より精度の高い製造ライン３で実施される工程を構成する複数の機構３１間の因果関係を正確にモデル化することができる。
　実施形態に係る工程解析装置１は、イベント因果関係に基づいて要因候補を抽出する。ユーザは、抽出された要因候補に従って製造ライン３で実施される工程における複数の機構３１に関連するイベントが生じた事象を特定する。
　実施形態に係る工程解析装置１は、イベント因果関係および特定されたイベントが生じた際に確認された複数の機構３１に関連する事象に基づいて、イベント因果関係を更新する。
　これにより、イベント因果関係が更新されるためイベントが生じた際の要因候補の抽出の精度が高くなる。データとしてセンシングできない事象も因果関係に取り込むことが可能である。
　＜２．工程解析装置のハードウェア構成＞
　図２は、実施形態に係る工程解析装置１のハードウェア構成の一例を模式的に例示する図である。図２に示されるとおり、実施形態に係る工程解析装置１は、制御部１１、記憶部１２、通信インタフェース１３、入力装置１４、出力装置１５、及びドライブ１６が電気的に接続されたコンピュータである。なお、図２では、通信インタフェースを「通信Ｉ／Ｆ」と記載している。
　制御部１１は、ハードウェアプロセッサであるＣＰＵ（Central　Processing　Unit）、ＲＡＭ（Random　Access　Memory）、ＲＯＭ（Read　Only　Memory）等を含み、情報処理に応じて各構成要素の制御を行う。記憶部１２は、例えば、ハードディスクドライブ、ソリッドステートドライブ等の補助記憶装置であり、制御部１１で実行される工程解析プログラム１２１等を記憶する。
　工程解析プログラム１２１は、複数件の状態データ２２２、ログデータ２２３、及び制御プログラム２２１を利用して、製造ライン３の実施する製造工程における複数の機構３１間の因果関係を解析する処理を工程解析装置１に実行させるためのプログラムである。
　通信インタフェース１３は、例えば、有線ＬＡＮ（Local　Area　Network）モジュール、無線ＬＡＮモジュール等であり、ネットワークを介した有線又は無線通信を行うためのインタフェースである。工程解析装置１は、この通信インタフェース１３により、ＰＬＣ２との間でネットワークを介したデータ通信を行うことができる。なお、ネットワークの種類は、例えば、インターネット、無線通信網、移動通信網、電話網、専用網等から適宜選択されてよい。
　入力装置１４は、例えば、マウス、キーボード等の入力を行うための装置である。また、出力装置１５は、例えば、ディスプレイ、スピーカ等の出力を行うための装置である。オペレータは、入力装置１４及び出力装置１５を介して、工程解析装置１を操作することができる。
　ドライブ１６は、例えば、ＣＤドライブ、ＤＶＤドライブ等であり、記憶媒体９１に記憶されたプログラムを読み込むためのドライブ装置である。ドライブ１６の種類は、記憶媒体９１の種類に応じて適宜選択されてよい。上記工程解析プログラム１２１は、この記憶媒体９１に記憶されていてもよい。
　記憶媒体９１は、コンピュータその他装置、機械等が記録されたプログラム等の情報を読み取り可能なように、当該プログラム等の情報を、電気的、磁気的、光学的、機械的又は化学的作用によって蓄積する媒体である。工程解析装置１は、この記憶媒体９１から、上記工程解析プログラム１２１を取得してもよい。
　ここで、図２では、記憶媒体９１の一例として、ＣＤ、ＤＶＤ等のディスク型の記憶媒体を例示している。しかしながら、記憶媒体９１の種類は、ディスク型に限定される訳ではなく、ディスク型以外であってもよい。ディスク型以外の記憶媒体として、例えば、フラッシュメモリ等の半導体メモリを挙げることができる。
　なお、工程解析装置１の具体的なハードウェア構成に関して、実施形態に応じて、適宜、構成要素の省略、置換及び追加が可能である。例えば、制御部１１は、複数のプロセッサを含んでもよい。工程解析装置１は、複数台の情報処理装置で構成されてもよい。また、工程解析装置１は、提供されるサービス専用に設計された情報処理装置の他、汎用のサーバ装置、ＰＣ（Personal　Computer）等であってもよい。
　＜３．ＰＬＣ＞
　図３は、実施形態に係るＰＬＣ２のハードウェア構成の一例を模式的に例示する図である。図３に示されるとおり、ＰＬＣ２は、制御部２１、記憶部２２、入出力インタフェース２３、及び通信インタフェース２４が電気的に接続されたコンピュータである。これにより、ＰＬＣ２は、製造ライン３の各機構３１の動作を制御するように構成される。なお、図３では、入出力インタフェース及び通信インタフェースをそれぞれ「入出力Ｉ／Ｆ」及び「通信Ｉ／Ｆ」と記載している。
　制御部２１は、ＣＰＵ、ＲＡＭ、ＲＯＭ等を含み、プログラム及びデータに基づいて各種情報処理を実行するように構成される。記憶部２２は、例えば、ＲＡＭ、ＲＯＭ等で構成され、制御プログラム２２１、状態データ２２２、及びログデータ２２３等を記憶する。制御プログラム２２１は、製造ライン３の動作を制御するためのプログラムである。状態データ２２２は、各機構３１の状態に関するデータである。ログデータ２２３は、製造ライン３の動作のログを示すデータである。
　入出力インタフェース２３は、外部装置と接続するためのインタフェースであり、接続する外部装置に応じて適宜構成される。実施形態では、ＰＬＣ２は、入出力インタフェース２３を介して、製造ライン３に接続される。なお、単一の装置について異なる状態データを取得可能な場合、当該対象の単一の装置は、複数の機構３１とみなされてもよいし、単一の機構３１とみなされてもよい。そのため、入出力インタフェース２３の数は、製造ライン３を構成する機構３１の数と同じであってもよいし、製造ライン３を構成する機構３１の数と相違していてもよい。
　通信インタフェース２４は、例えば、有線ＬＡＮモジュール、無線ＬＡＮモジュール等であり、有線又は無線通信を行うためのインタフェースである。ＰＬＣ２は、通信インタフェース２４により、工程解析装置１との間でデータ通信を行うことができる。
　なお、ＰＬＣ２の具体的なハードウェア構成に関して、実施の形態に応じて、適宜、構成要素の省略、置換、及び追加が可能である。例えば、制御部２１は、複数のプロセッサを含んでもよい。記憶部２２は、制御部２１に含まれるＲＡＭ及びＲＯＭにより構成されてもよい。記憶部２２は、ハードディスクドライブ、ソリッドステートドライブ等の補助記憶装置で構成されてもよい。また、ＰＬＣ２は、提供されるサービス専用に設計された情報処理装置の他、制御する対象に応じて、汎用のデスクトップＰＣ、タブレットＰＣ等に置き換えられてもよい。
　＜４．工程解析装置のソフトウェア構成＞
　図４は、実施形態に係る工程解析装置１のソフトウェア構成の一例を模式的に例示する図である。図４に示されるように、工程解析装置１の制御部１１は、記憶部１２に記憶された工程解析プログラム１２１をＲＡＭに展開する。そして、制御部１１は、ＲＡＭに展開された工程解析プログラム１２１をＣＰＵにより解釈及び実行して、各構成要素を制御する。これによって、図４に示されるとおり、実施形態に係る工程解析装置１は、ソフトウェアモジュールとして、第１取得部１１１と、第２取得部１１２と、第１解析部１１３と、第２解析部１１４と、第１関係特定部１１５と、イベント因果関係生成部１１６と、第２関係特定部１１８と、イベント因果関係更新部１１９と、イベント関係登録部１２０と、イベント推定部１１７とを含む。
　第１取得部１１１は、製造ライン３を構成する複数の機構３１の状態に関する複数件の状態データ２２２を取得する。第２取得部１１２は、製造ライン３の動作を制御するための制御プログラム２２１を取得する。第１解析部１１３は、取得した複数件の状態データ２２２を統計的に解析することにより、複数の機構３１間の関係の強さを特定する。第２解析部１１４は、取得した制御プログラム２２１を解析することにより、複数の機構３１の順序関係を特定する。実施形態では、第２解析部１１４は、制御プログラム２２１を実行して得られるログデータ２２３を利用して、複数の機構３１の順序関係を特定する。そして、第１関係特定部１１５は、それぞれ特定した関係の強さ及び順序関係に基づいて、製造ライン３で実施される工程における複数の機構３１間の因果関係（第１因果関係）を特定する。
　第２関係特定部１１８は、ユーザ設定に従う製造ライン３で実施される工程における複数の機構３１に関連する複数の事象間の因果関係（第２因果関係）を特定する。
　イベント因果関係生成部１１６は、第２因果関係を統合するとともに、正常データ２２４および異常データ２２５（イベントデータ）を用いて第１因果関係に対するイベント因果関係を生成する。
　イベント因果関係生成部１１６は、イベント因果関係に基づいてイベントの要因候補を抽出する。ユーザは、イベント因果関係に基づく抽出された要因候補に従って製造ライン３で実施される工程における複数の機構３１に関連するイベントが生じた事象を特定する。
　イベント因果関係更新部１１９は、イベント因果関係および特定されたイベントが生じた際に確認された複数の機構３１に関連する事象に基づいて、イベント因果関係を更新する。
　イベント関係登録部１２０は、イベントに対応するイベントリストを登録する。イベントリストは、イベント概要と、イベントが生じた際のイベントデータと、更新されたイベント因果関係による要因候補位置と、確認された複数の機構に関連する事象と、イベント作業内容とを含む。
　イベント推定部１１７は、イベントデータを取得して、イベント関係登録部１２０により登録されたイベントリストの中から、取得したイベントデータと同じイベントデータを含むイベントリストを抽出する。イベント推定部１１７は、抽出したイベントリストを出力することにより、ユーザは、イベントに対する要因候補を容易に特定するとともに、イベント作業内容を確認して、復旧作業を早期に実行することが可能である。
　本例においては、工程解析装置１において、第２関係特定部１１８を用いて第２因果関係を特定する場合の構成について説明するが、当該第２関係特定部１１８は、必ずしも工程解析装置１が有する必要はない。また、イベント因果関係生成部１１６は、第１因果関係と第２因果関係とを統合する方式について説明するが、これに限られず、第１因果関係あるいは第２因果関係の一方のみに基づいてイベント因果関係を生成するようにしてもよい。
　工程解析装置１の各ソフトウェアモジュールに関しては後述する動作例で詳細に説明する。なお、実施形態では、工程解析装置１の各ソフトウェアモジュールがいずれも汎用のＣＰＵにより実現される例について説明している。しかしながら、以上のソフトウェアモジュールの一部又は全部が、１又は複数の専用のハードウェアプロセッサにより実現されてもよい。また、工程解析装置１のソフトウェア構成に関して、実施形態に応じて、適宜、ソフトウェアモジュールの省略、置換及び追加が行われてもよい。
　＜５．１　第１因果関係＞
　図５は、実施形態に従う工程解析装置１の処理手順の一例を例示するフロー図である。ただし、以下で説明する処理手順は一例に過ぎず、各処理は可能な限り変更されてもよい。また、以下で説明する処理手順について、実施の形態に応じて、適宜、ステップの省略、置換、及び追加が可能である。
　まず、ステップＳ１０１では、制御部１１は、第１取得部１１１として動作し、各機構３１の状態に関する複数件の状態データ２２２をＰＬＣ２から取得する。各機構３１は、例えば、コンベア、ロボットアーム、サーボモータ、シリンダ（成形機等）、吸着パッド、カッター装置、シール装置等の装置又はその装置の一部で構成されてよい。また、各機構３１は、例えば、印刷機、実装機、リフロー炉、基板検査装置等の複合装置であってもよい。更に、各機構３１は、上記のような何らかの物理的な動作を伴う装置の他に、例えば、各種センサにより何らかの情報を検知する装置、各種センサからデータを取得する装置、取得したデータから何らかの情報を検知する装置、取得したデータを情報処理する装置等の内部処理を行う装置を含んでもよい。具体例として、コンベアを流れる対象物に付与されたマークを検知する光学センサを備える製造ラインにおいて、当該光学センサ及び光学センサにより検知した情報を利用する装置が各機構３１として取り扱われてよい。また、各件の状態データ２２２は、例えば、トルク、速度、加速度、温度、電流、電圧、空圧、圧力、流量、位置、寸法（高さ、長さ、幅）及び面積の少なくともいずれかを示すデータであってよい。このような状態データ２２２は、公知のセンサ、カメラ等の計測装置によって得ることができる。例えば、流量は、フロートセンサにより得ることができる。また、位置、寸法、及び面積は、画像センサにより得ることができる。
　なお、状態データ２２２は、１又は複数の計測装置から得られるデータで構成されてもよい。また、状態データ２２２は、計測装置から得られるデータそのままであってもよいし、画像データから取得される位置データ等のように計測装置から得られたデータに何らかの処理を適用することで取得可能なデータであってもよい。各件の状態データ２２２は、各機構３１に対応して取得される。
　各計測装置は、製造ライン３の各機構３１を監視可能に適宜配置される。ＰＬＣ２は、製造ライン３を稼働させて、各計測装置から各件の状態データ２２２を収集する。制御部１１は、ＰＬＣ２から、製造ライン３を正常に稼働させたときの各機構３１の状態に関する状態データ２２２を取得する。これにより、制御部１１は、複数件の状態データ２２２を取得することができる。複数件の状態データ２２２の取得が完了すると、制御部１１は、次のステップＳ１０２に処理を進める。
　次のステップＳ１０２では、制御部１１は、第２取得部１１２として動作し、制御プログラム２２１をＰＬＣ２から取得する。制御プログラム２２１は、ＰＬＣ２で実行可能なように、例えば、ラダー・ダイアグラム言語、ファンクション・ブロック・ダイアグラム言語、ストラクチャード・テキスト言語、インストラクション・リスト言語、及びシーケンシャル・ファンクション・チャート言語、Ｃ言語の少なくともいずれかを利用して記述されていてもよい。制御プログラム２２１の取得が完了すると、制御部１１は、次のステップＳ１０３に処理を進める。なお、ステップＳ１０２は、上記ステップＳ１０１と並列に実行されてもよいし、上記ステップＳ１０１の前に実行されてもよい。
　次のステップＳ１０３では、制御部１１は、第１解析部１１３として動作し、ステップＳ１０１で取得した複数件の状態データ２２２を統計的に解析することにより、製造ライン３内における複数の機構３１間の関係の強さを特定する。複数件の状態データ２２２の解析処理が完了すると、制御部１１は、次のステップＳ１０４に処理を進める。なお、ステップＳ１０３は、上記ステップＳ１０１の後であれば、いかなるタイミングに実行されてもよい。例えば、ステップＳ１０３は、上記ステップＳ１０２の前に実行されてもよい。
　以下の説明では、説明の便宜のため、製造ライン３は、複数の機構３１として、４つの機構（例えば、４つのサーボモータ）Ｆ１～Ｆ４を備えており、上記ステップＳ１０１では、制御部１１は、各機構Ｆ１～Ｆ４の状態データ２２２を取得したものと仮定する。
　図６は、第１解析部１１３の動作について模式的に説明する図である。図６に示されるように、制御部１１は、ステップＳ１０１で取得した各件の状態データ２２２から特徴量２２２１を算出する。特徴量２２２１の種類は、特に限定されなくてもよく、実施の形態に応じて適宜選択されてもよい。また、特徴量２２２１を算出する方法は、実施の形態に応じて適宜決定可能である。具体例として、実施形態では、制御部１１は、次のような方法で、状態データ２２２から特徴量２２２１を算出する。まず、制御部１１は、特徴量２２２１を算出する処理範囲を規定するため、取得した各件の状態データ２２２をフレーム毎に分割する。各フレームの長さは、実施の形態に応じて適宜設定されてよい。
　制御部１１は、例えば、各件の状態データ２２２を一定時間長のフレーム毎に分割してもよい。
　次に、制御部１１は、状態データ２２２の各フレームから特徴量２２２１の値を算出する。状態データ２２２が計測データ等のような連続値データである場合には、制御部１１は、例えば、フレーム内の振幅、最大値、最小値、平均値、分散値、標準偏差、瞬時値（１点サンプル）等を特徴量２２２１として算出してもよい。また、状態データ２２２が検出データ等のような離散値データである場合には、制御部１１は、例えば、各フレーム内の「on」時間、「off」時間、Ｄｕｔｙ比、「on」回数、「off」回数等を特徴量２２２１として算出してもよい。これにより、各特徴量２２２１の算出が完了すると、制御部１１は、各特徴量２２２１間の相関係数又は偏相関係数を算出する。相関係数は、以下の数１の計算式により算出することができる。また、偏相関係数は、以下の数２の計算式により算出することができる。
Figure JPOXMLDOC01-appb-M000001
　なお、ｒijは、行列２２２２のｉ行目ｊ列目の要素を示す。ｘi及びｘjは、各件の状態データ２２２から算出された特徴量２２２１を示すデータに対応する。Ｘi及びＸjはそれぞれ、ｘi及びｘjの標本平均を示す。ｎは、相関の計算に利用する各特徴量２２２１の数を示す。
Figure JPOXMLDOC01-appb-M000002
　なお、行列Ｒ（ｒij）の逆行列をＲ-1（ｒij）と表現し、ｒijは行列２２２２の逆行列のｉ行目ｊ列目の要素を示す。
　これにより、制御部１１は、相関係数又は偏相関係数を各要素とする行列２２２２を得ることができる。各特徴量２２２１間の相関係数及び偏相関係数は、対応する機構３１間の関係の強さを示す。すなわち、行列２２２２の各要素により、対応する機構３１間の関係の強さが特定される。各特徴量２２２１間の相関係数又は偏相関係数の算出が完了すると、制御部１１は、各特徴量２２２１間の相関係数又は偏相関係数に基づいて、対応する機構３１間の関係の強さを示す無向グラフ情報２２２３を構築する。
　例えば、制御部１１は、各機構３１に対応するノードを作成する。そして、２つの機構３１間に対して算出した相関係数又は偏相関係数の値が閾値以上である場合に、制御部１１は、対応する両ノード間をエッジで連結する。一方、２つの機構３１間に対して算出した相関係数又は偏相関係数の値が閾値未満である場合には、制御部１１は、対応する両ノード間をエッジで連結しない。なお、閾値は、工程解析プログラム１２１内で規定された固定値であってもよいし、オペレータ等により変更可能な設定値であってもよい。また、エッジの太さは、対応する相関係数又は偏相関係数の値の大きさに対応して決定されてもよい。
　これにより、例示するような無向グラフ情報２２２３を作成することができる。例では、４つの機構Ｆ１～Ｆ４に対応する４つのノードが作成されている。そして、機構Ｆ１及びＦ２のノード間、機構Ｆ１及びＦ３のノード間、機構Ｆ２及びＦ３のノード間、並びに機構Ｆ３及びＦ４のノード間にそれぞれエッジが形成されている。また、機構Ｆ１及びＦ３の間並びに機構Ｆ３及びＦ４の間の相関が他の機構間の相関よりも大きいことに対応して、機構Ｆ１及びＦ３のノード間並びに機構Ｆ３及びＦ４のノード間のエッジが他のエッジに比べて太く形成されている。以上により、複数の機構３１間の関係の強さを示す無向グラフ情報２２２３の構築が完了すると、実施形態に係る状態データ２２２の解析処理は完了し、制御部１１は、次のステップＳ１０４に処理を進める。
　なお、例では、無向グラフ情報２２２３は、形成された無向グラフを画像により表現している。しかしながら、無向グラフ情報２２２３の出力形式は、画像に限定されなくてもよく、テキスト等により表現されてもよい。また、上記の例では、相関係数又は偏相関係数と閾値との比較により、関係の弱いノード（機構３１）間にエッジを形成しないようにしている。しかしながら、関係の弱いノード間のエッジを除去する方法は、このような例に限られなくてもよい。例えば、全てのノードをエッジで連結したグラフを形成した後、制御部１１は、逸脱度を表わす適合度指標（ＧＦＩ、ＳＲＭＲ等）が閾値を超えないように、相関係数又は偏相関係数の小さいエッジから順に、形成したグラフのエッジを削除してもよい。
　図５に戻り、次のステップＳ１０４では、制御部１１は、第２解析部１１４として動作し、ステップＳ１０２で取得した制御プログラム２２１を解析することにより、製造ライン３内における複数の機構３１の順序関係を特定する。実施形態では、制御部１１は、制御プログラム２２１を利用して製造ライン３を稼働させることで得られるログデータ２２３に基づいて、複数の機構３１の順序関係を特定する。制御プログラム２２１の解析処理が完了すると、制御部１１は、次のステップＳ１０５に処理を進める。なお、ステップＳ１０４は、上記ステップＳ１０２の後であれば、いかなるタイミングに実行されてもよい。例えば、上記ステップＳ１０２が上記ステップＳ１０１よりも先に実行される場合には、ステップＳ１０４は、上記ステップＳ１０１の前に実行されてもよい。
　制御プログラム２２１を解析する処理について詳細に説明する。以下の説明では、説明の便宜のため、上記と同様に、製造ライン３は、複数の機構３１として、４つの機構Ｆ１～Ｆ４を備えており、上記ステップＳ１０２では、制御部１１は、４つの機構Ｆ１～Ｆ４に対応する変数ｖ１～ｖ４が使用された制御プログラム２２１を取得したものと仮定する。
　制御部１１は、制御プログラム２２１を利用して製造ライン３を正常に稼働させたときの実行結果を示すログデータ２２３をＰＬＣ２から取得する。ＰＬＣ２は、例えば、上記状態データ２２２を収集する際に、併せて制御プログラム２２１の実行結果を示すログデータ２２３を作成してもよい。この場合、ログデータ２２３には、タイムスタンプ、利用された変数の値等が記録される。また、例えば、制御プログラム２２１には、各コード行が実行される頻度、実行されたコード行、コードの各セクションが消費する計算時間等の情報を収集するためのデバッグモードが設けられてもよい。この場合、ＰＬＣ２は、制御プログラム２２１をデバッグモードで実行することで、各情報を記録したログデータ２２３を作成することができる。制御部１１は、このように作成されたログデータ２２３をＰＬＣ２から取得してもよい。ログデータ２２３の取得が完了すると、制御部１１は、取得したログデータ２２３を参照して、上記各変数（ｖ１～ｖ４）の順番付けを行うことで、製造ライン３内における各機構３１の順序関係を特定する。
　以上により、複数の機構３１の順序関係の特定が完了すると、実施形態に係る制御プログラム２２１の解析処理は完了し、制御部１１は、次のステップＳ１０５に処理を進める。
　図５に戻り、次のステップＳ１０５では、制御部１１は、第１関係特定部１１５として動作する。すなわち、制御部１１は、ステップＳ１０３及びＳ１０４それぞれにより特定した製造ライン３内における複数の機構３１間の関係の強さ及び順序関係に基づいて、当該製造ライン３で実施される工程における複数の機構３１間の因果関係を特定する。
　実施形態では、制御部１１は、構築した無向グラフ情報２２２３に特定した各機構３１の順序関係を適用することにより、各機構３１間の因果関係を示す有向グラフ情報を作成する。
　図７は、実施形態に従う作成される有向グラフ情報の一例を例示する図である。図７の有向グラフ１２２には、以下の（ａ）～（ｄ）の因果関係が示される。
（ａ）機構「Ｆ１」～「Ｆ４」のうち、機構「Ｆ１」又は「Ｆ２」が最初に利用される。（ｂ）機構「Ｆ１」及び「Ｆ２」の次には、機構「Ｆ３」が利用される。
（ｃ）機構「Ｆ３」の次には、機構「Ｆ４」が利用される。
（ｄ）機構「Ｆ１」～「Ｆ４」のうち、機構「Ｆ４」が最後に利用される。
　また、有向グラフ１２２の各エッジの太さは、無向グラフ情報２２２３の各エッジの太さに対応して設定されている。以上により、有向グラフ情報の作成が完了すると、制御部１１は、次のステップＳ１０６に処理を進める。
　なお、図７の例では、有向グラフ情報は、有向グラフ（有向グラフ１２２）を画像により表現している。しかしながら、有向グラフ情報の出力形式は、画像に限定されなくてもよく、テキスト等により表現されてもよい。また、上記の例では、ノード（機構３１）間の関係の強さをエッジの太さで表現している。しかしながら、ノード間の関係の強さを表現する方法は、このような例に限定されなくてもよい。各エッジの近傍に数字を付すことにより、各ノード間の関係の強さを表現してもよい。
　次のステップＳ１０６では、制御部１１は、ステップＳ１０５で作成した有向グラフ情報（第１因果関係）を出力する。具体的には、第１関係特定部１１５は、イベント因果関係生成部１１６に生成した因果関係を示す有効グラフ情報を出力する。以上により、制御部１１は、本動作例に係る第１因果関係を生成する処理を終了する。
　以上のように、実施形態では、上記ステップＳ１０４により、制御プログラム２２１を解析することで、製造ライン３内における複数の機構３１間の順序関係を特定する。そして、上記ステップＳ１０３により状態データ２２２から導出した関係の強さを示す無向グラフ情報に、制御プログラム２２１から特定した順序関係を適用することで、製造ライン３で実施される工程における複数の機構３１間の因果関係を示す有向グラフ情報を作成する。ここで、制御プログラム２２１は、各機構３１の動作を規定する。そのため、複数の機構３１間の因果関係を解析する過程で、制御プログラム２２１を利用することで、当該複数の機構３１間の順序関係を適切に特定することができる。したがって、実施形態によれば、製造ライン３を構成する複数の機構３１間の因果関係を正確にモデル化することができる。
　＜５．２　第２因果関係＞
　図８は、実施形態に従うＦＴＡを説明する図である。図８には、一例として包装機の製造ライン３に対して専門家が作成したＦＴＡ（Fault　Tree　Analysis）が示されている。ＦＴＡは、包装機の製造ライン３で生じる複数の事象間の因果関係を示す有効グラフ情報に相当する。
　具体的には、各事象がノードの形式で示されており、ノードＮ０～Ｎ１５（総称してノードＮとも称する）が設けられている。最終的な２つの事象に対応するノードＮ０（「シール出来ない」）、ノードＮ１（「接着弱い」）が設けられている。そして、当該ノードＮ０，Ｎ１に至るまでの他の事象に対応するノードＮ２～Ｎ８が因果関係に基づいて設けられている。
　ノードＮ０に対して、ノードＮ２（「温度計測が不正確」）、ノードＮ３（「シール圧が弱い」）、ノードＮ４（「シーラ表面が十分温まっていない」）、ノードＮ５（「温度が測れない」）、ノードＮ６（「温度不適（フィルム搬送メイン／サブ速度とシール温度が合っていない）」）、ノードＮ７（「温度不適（フィルム厚とシール温度が合っていない）」）、ノードＮ８（「シール温度が上がらない」）が因果関係がある事象として設けられている。
　ノードＮ１に対して、ノードＮ６（「温度不適（フィルム搬送メイン／サブ速度とシール温度が合っていない）」）が設けられている。
　そして、ノードＮ２～Ｎ８に至るまでの他の事象に対応するノードＮ９～Ｎ１５が因果関係に基づいて設けられている。
　ノードＮ２に対してノードＮ９（「熱電対劣化」）が設けられている。ノードＮ３に対してノードＮ１０（「プレスローラ摩耗」）およびノードＮ１１（「プレス用ばね劣化」）が設けられている。ノードＮ４に対して、ノードＮ１１（「暖気手順無視／手順無し」）が設けられている。ノードＮ５に対して、ノードＮ１２（「熱電対断線」）が設けられている。ノードＮ６に対して、ノードＮ１３（「設定温度、搬送速度設定ミス」）が設けられている。ノードＮ７に対して、ノードＮ１４（「設定温度、フィルム厚設定ミス」）が設けられている。ノードＮ８に対してノードＮ１５（「ヒータ劣化」）が設けられている。
　図９は、実施形態に従うＦＴＡを修正するフローを説明する図である。図９における処理は、第２関係特定部１１８における処理である。第２関係特定部１１８は、ノードの事象を解析および編集する（ステップＳ２）。第２関係特定部１１８は、ユーザからの入力を受け付けるユーザインタフェースを有しており、必要に応じてユーザ入力に基づいて処理を実行してもよい。
　次に、第２関係特定部１１８は、編集後のノードを統合する（ステップＳ４）。
　そして、処理を終了する（エンド）。
　図１０は、実施形態に従う第２関係特定部１１８におけるノードの事象を解析および編集する処理のサブルーチンについて説明するフロー図である。図１０を参照して、第２関係特定部１１８は、ノードを選択する（ステップＳ１０）。例えば、図８で説明したノード（Ｎ０）の１つを選択する。次に、第２関係特定部１１８は、選択したノードの対応する事象から物理量または状態を抽出する（ステップＳ１２）。
　例えば、第２関係特定部１１８は、ノードＮ０の「シール出来ない」の事象に基づいて物理量（「シール接着強度」）を抽出する。同様に、第２関係特定部１１８は、ノードＮ１の「接着弱い」の事象に基づいて物理量（「シール接着強度」）を抽出する。当該事象に対する物理量あるいは、状態の抽出は、事象に対応して物理量あるいは状態が関連付けられた物理量／状態対応テーブルが予め設けられており、当該物理量／状態対応テーブルを参照して物理量あるいは状態が抽出されるものとする。なお、当該物理量／状態対応テーブルに該当する物理量あるいは状態が存在しない場合には、ユーザインタフェースを介してユーザが入力するようにしても良い。なお、当該ユーザインタフェースを介してユーザが入力することにより物理量／状態対応テーブルが随時更新されるようにしても良い。なお、事象と、物理量あるいは状態が１対１に対応付けられている必要はなく、事象に関連する関連度合いから物理量あるいは状態が抽出されるようにしても良い。
　次に、第２関係特定部１１８は、抽出した物理量あるいは状態から変数を特定する（ステップＳ１４）。例えば、第２関係特定部１１８は、物理量（「シール温度」）から変数（「CurrentTemperature　CenterSeal」）を特定する。当該抽出した物理量あるいは状態から変数への特定は、物理量あるいは状態に対応して変数が関連付けられた変数対応テーブルが予め設けられており、当該変数対応テーブルを参照して変数が特定されるものとする。なお、当該変数対応テーブルに該当する変数が存在しない場合には、ユーザインタフェースを介してユーザが入力するようにしても良い。ユーザインタフェースを介してユーザが入力する方式については後述する。
　なお、当該ユーザインタフェースを介してユーザが入力することにより変数対応テーブルが随時更新されるようにしても良い。
　次に、第２関係特定部１１８は、抽出した物理量あるいは状態から複数の変数が特定されたか否かを判断する（ステップＳ１６）。
　ステップＳ１６において、第２関係特定部１１８は、複数の変数が特定されないと判断した場合（ステップＳ１６においてＮＯ）には、ノードの属性情報を設定する（ステップＳ１８）。
　一方で、ステップＳ１６において、第２関係特定部１１８は、複数の変数が特定されたと判断した場合（ステップＳ１６においてＹＥＳ）には、ノードを分割する（ステップＳ２０）。次に、ステップＳ１８に進み、ノードの属性情報を設定する。
　次に、第２関係特定部１１８は、全てのノードの解析が終了したか否かを判断する（ステップＳ２２）。
　ステップＳ２２において、第２関係特定部１１８は、全てのノードの解析が終了したと判断した場合（ステップＳ２２においてＹＥＳ）には、処理を終了する（リターン）。
　一方、ステップＳ２２において、第２関係特定部１１８は、全てのノードの解析が終了しないと判断した場合（ステップＳ２２においてＮＯ）には、ステップＳ２４に進む。
　ステップＳ２４において、第２関係特定部１１８は、別のノードを選択する。そして、ステップＳ１２に戻り、上記処理を繰り返す。
　図１１は、実施形態に従う第２関係特定部１１８におけるノードの属性情報の設定について説明する概念図である。図１１（Ａ）を参照して、各ノードに対応して設けられる属性情報のデータ構造が示されている。一例として各ノードに対応する属性情報として３層構造のデータＤ１～Ｄ３が設けられている。本例においては、各ノードに対応する属性情報として１層目のデータＤ１には、抽出した物理量あるいは状態の情報が設定される。２層目のデータＤ２には、事象の情報が設定される。３層目のデータＤ３には、変数が設定される。なお、当該データ構造は一例であり、どのような順番であってもよい。
　図１１（Ｂ）を参照して、ノードＮ６に対して物理量（「フィルム搬送メイン／サブ速度とシール温度」）が抽出された場合が示されている。
　図１１（Ｃ）を参照して、ノードＮ７に対して物理量（「フィルム搬送メイン速度」）と、物理量（「フィルム搬送サブ速度」）、物理量（「シール温度」）とはそれぞれ別々の変数があるため複数の変数が特定されたと判断した場合が示されている。本例においては、物理量（「フィルム搬送メイン速度」）に対して変数（「FilmFeedMain」）が特定され、物理量（「フィルム搬送サブ速度」）に対して変数（「FilmFeedSub」）が特定され、物理量（「シール温度」）に対して変数（「CurrentTemperature　CenterSeal」）が特定された場合が示されている。
　したがって、当該場合には、ノードを分割する。分割されたノードとしてノードＮ１６,　Ｎ１７が設けられた場合が示されている。
　図１１（Ｄ）を参照して、それぞれのノードＮ６およびＮ１６，Ｎ１７に属性情報が設定された場合が示されている。具体的には、ノードＮ６に対応する属性情報として、データＤ１（「フィルム搬送メイン速度」）、データＤ２（「温度不適」）、データＤ３（「FilmFeedMain」）が設定される。ノードＮ１６に対応する属性情報として、データＤ１（「フィルム搬送サブ速度」）、データＤ３（「FilmFeedSub」）が設定される。ノードＮ１７に対応する属性情報として、データＤ１（「シール温度」）、データＤ２（「温度不適」）、データＤ３（「CurrentTemperature　CenterSeal」）が設定される。
　上記処理を各ノードに対して順次実行する。
　図１２は、実施形態に従うノードの統合について説明する図である。図１２を参照して、編集後のノードを統合した場合を説明する図である。
　統合の方法は、種々があるが、一例として、各ノードＮに対応する属性情報に含まれる物理量あるいは状態の情報に基づいて統合する。すなわち、各ノードＮに対応する属性情報に含まれる物理量あるいは状態の情報が同じであれば当該ノードを統合する。例えば、図８のノードＮ０と、ノードＮ１は、共に同じ物理量（「シール接着強度」）が抽出されるため統合されたノードＮ２０として設けられる。ノードＮ２０の属性情報として、データＤ１（「シール接着強度」）、データＤ２（「シール出来ない、接着弱い」）、データＤ３（「無し」）が設定される。また、因果関係のエッジ情報（矢印情報）も統合される。
　同様にして、統合されたノードＮ２１～Ｎ３２が設けられる。統合された場合には、各ノードの属性情報は、データＤ１およびＤ３は共通となるが、Ｄ２は情報が追加されて設定される。
　ノードＮ２１の属性情報として、データＤ１（「シール温度」）、データＤ２（「計測が不正確、温度が上がらない、温度不適、温度が測れない」）、データＤ３（「CurrentTemperature　CenterSeal」）が設定される。
　ノードＮ２２の属性情報として、データＤ１（「シール圧力」）、データＤ２（「シール圧が弱い」）、データＤ３（「無し」）が設定される。
　ノードＮ２３の属性情報として、データＤ１（「フィルム搬送メイン速度」）、データＤ２（「温度不適」）、データＤ３（「FilmFeedMain」）が設定される。
　ノードＮ２４の属性情報として、データＤ１（「フィルム搬送サブ速度」）、データＤ２（「温度不適」）、データＤ３（「FilmFeedSub」）が設定される。
　ノードＮ２５の属性情報として、データＤ１（「フィルム厚」）、データＤ２（「温度不適」）、データＤ３（「無し」）が設定される。
　ノードＮ２６の属性情報として、データＤ１（「熱電対状態」）、データＤ２（「断線、劣化」）、データＤ３（「無し」）が設定される。
　ノードＮ２７の属性情報として、データＤ１（「暖気手順状態」）、データＤ２（「無視、手順無し」）、データＤ３（「無し」）が設定される。
　ノードＮ２８の属性情報として、データＤ１（「ヒータ状態」）、データＤ２（「劣化」）、データＤ３（「無し」）が設定される。
　ノードＮ２９の属性情報として、データＤ１（「シーラ設定温度」）、データＤ２（「設定ミス」）、データＤ３（「CenterHeaterDPC_MV」）が設定される。
　ノードＮ３０の属性情報として、データＤ１（「プレスローラ状態」）、データＤ２（「プレスローラ摩耗」）、データＤ３（「無し」）が設定される。
　ノードＮ３１の属性情報として、データＤ１（「プレス用ばね状態」）、データＤ２（「プレス用ばね劣化」）、データＤ３（「無し」）が設定される。
　ノードＮ３１の属性情報として、データＤ１（「フィルム搬送速度設定」）、データＤ２（「設定ミス」）、データＤ３（「FilmFeed_MV」）が設定される。
　上記処理により、ノードＮ２０に対して、ノードＮ２１～Ｎ２５が因果関係があるノードとして設けられる。また、ノードＮ２１に対して、ノードＮ２６～Ｎ２９が因果関係があるノードとして設けられる。ノードＮ２２に対して、ノードＮ３０，Ｎ３１が因果関係があるノードとして設けられる。ノードＮ２３は、ノードＮ３２が因果関係があるノードとして設けられる。
　制御部１１は、ＦＴＡの有効グラフ情報に基づいて修正した有効グラフ情報（第２因果関係）を出力する。具体的には、第２関係特定部１１８は、ユーザ設定に従う製造ライン３で実施される工程における複数の機構３１に関連する複数の事象間の因果関係を示す有効グラフ情報（第２因果関係）を特定する。イベント因果関係生成部１１６は、第２関係特定部１１８から複数の事象間の因果関係を示す有効グラフ情報（第２因果関係）を取得する。
　＜５．３　統合処理＞
　図１３は、実施形態に従うイベント因果関係生成部１１６の統合処理について模式的に説明する図である。図１３（Ａ）を参照して、本例においては、一例として第１関係特定部１１５から出力された有効グラフ情報（第１因果関係）と、第２関係特定部１１８から出力された有効グラフ情報（第２因果関係）とを統合する方式が示されている。
　後述するが、第１関係特定部１１５から出力された有効グラフ情報（第１因果関係）と、正常データ２２４および異常データ２２５に基づいてイベント因果関係（イベント因果モデル）が生成される。
　イベント因果関係生成部１１６は、生成されたイベント因果モデルと、第２関係特定部１１８から出力された有効グラフ情報（第２因果関係）であるＦＴＡ因果モデルとを統合したイベント因果モデルを生成する。
　説明を簡略化するためにイベント因果モデルには、ノードＡ１～Ａ５が設けられている。ＦＴＡ因果モデルには、ノードＢ１～Ｂ４と、ノードＡ２とが設けられている。
　図１３（Ｂ）を参照して、イベント因果モデルのノードにＦＴＡ因果モデルのノードを加える。また、同じ変数を有するノードを１つのノードに纏める。ここでは、ノードＡ２が１つに纏められた場合が示されている。
　図１３（Ｃ）を参照して、ＦＴＡ因果モデルのノードを加えたイベント因果モデルにＦＴＡ因果モデルのエッジ情報を追加した場合が示されている。これにより、イベント因果モデルにＦＴＡ因果モデルを統合することが可能となる。
　図１４は、実施形態に従うイベント因果関係生成部１１６の統合処理のフローについて説明する図である。図１４を参照して、イベント因果関係生成部１１６は、イベント因果モデルのノードにＦＴＡ因果モデルのノードを加える（ステップＳ３０）。次に、イベント因果関係生成部１１６は、同じ変数を有するノードを１つのノードに纏める（ステップＳ３２）。次に、イベント因果関係生成部１１６は、ＦＴＡ因果モデルのノードを加えたイベント因果モデルにＦＴＡ因果モデルのエッジ情報を追加する（ステップＳ３４）。次に、イベント因果関係生成部１１６は、ノードおよびエッジの属性情報にデータ起源情報を登録する（ステップＳ３６）。具体的には、データ因果モデルの起源か、ＦＴＡ因果モデルの起源か、両方の起源かをそれぞれ示すデータ起源情報を登録する。
　そして、イベント因果関係生成部１１６は処理を終了する（エンド）。
　＜６．具体例＞
　以下、イベント因果関係生成部１１６で生成するイベント因果モデルの具体例について説明する。
　図１５は、実施形態に従うデータ因果モデルの具体例について説明する図である。
　図１５（Ａ）を参照して、第１関係特定部１１５から出力されたデータ因果モデルが示されている。具体的には、一例として、包装機の製造ライン３に対して複数の機構３１間の関係の強さおよび制御プログラム２２１を解析して得られた複数の機構３１の順序関係に基づいて特定された因果モデルである。
　具体的には、ノードＮ４０～Ｎ５６が設けられており、ノード間のエッジ情報が示されている。また、各ノードＮに対応して制御プログラム２２１で用いられる変数が対応付けられている。
　図１５（Ｂ）は、データ因果モデルのグラフ構造データの一例を示すものである。図１５（Ｂ）に示されるように、グラフ構造データは、各ノードの情報とともに、各ノード間のエッジ情報が記述されている。一例として、ノードの属性情報の一例（ノードＩＤ）として変数が割り当てられている場合が示されている。なお、上記グラフ構造データは一例であり、当該記述に限定されるものではない。
　図１６は、実施形態に従う一例として正常データおよび異常データの一例について説明する図である。図１６には、各ノードにおける正常データおよび異常データが示されている。
　上記で説明したデータ因果モデルと、正常データとに基づいて正常時のデータ因果モデルが生成される。
　また、上記で説明したデータ因果モデルと、異常データとに基づいて異常時のデータ因果モデルが生成される。
　図１７は、実施形態に従う正常時および異常時のデータ因果モデルについて説明する図である。図１７（Ａ）は、正常時のデータ因果モデルである。図１７（Ｂ）は、異常時のデータ因果モデルである。データ因果モデルに対して正常データを用いることにより正常時のノード間の因果関係を特定する。また、データ因果モデルに対して異常データを用いて異常時のノード間の因果関係を特定する。ノード間の数値は関係の強さを示す数値である。
　図１８は、実施形態に従うイベント因果モデルについて説明する図である。図１８を参照して、イベント因果関係生成部１１６は、図１７で説明した正常時のデータ因果モデルと、異常時のデータ因果モデルとを用いて、乖離度合いを算出する。乖離度合いの大きさから要因候補となるノードを推定したイベント因果モデルを生成する。また、図１３および図１４のフローで説明した方式に従ってイベント因果モデルにＦＴＡ因果モデルを統合する。イベント因果モデルのノードにＦＴＡ因果モデルのノードを加えて、ＦＴＡ因果モデルのノードを加えたイベント因果モデルにＦＴＡ因果モデルのエッジ情報を追加した場合が示されている。上記したように、同じ変数を有するノードを１つのノードに纏めた場合が示されている。
　具体的には、図１２で説明したノードＮ２１の属性情報に含まれる変数（「CurrentTemperature　CenterSeal」）は、ノードＮ５４と同じであるため１つに纏められる。ノードＮ２３の属性情報に含まれる変数（「FilmFeedMain」）は、ノードＮ４５と同じであるため１つに纏められる。ノードＮ２４の属性情報に含まれる変数（「FilmFeedSub」）は、ノードＮ５０と同じであるため１つに纏められる。ノードＮ２９の属性情報に含まれる（「CenterHeaterDPC_MV」）は、ノードＮ５３と同じであるため１つに纏められる。ノードＮ３２の属性情報に含まれる変数（「FilmFeed_MV」）は、同じ変数が無いため新たに追加される。
　当該処理により、イベント因果関係生成部１１６は、ＦＴＡ因果モデルを統合したイベント因果モデルを生成することが可能となる。
　＜７．利用形態＞
　図１９は、実施形態に従うイベント因果モデルを用いた利用形態について説明する図である。
　図１９を参照して、一例としてシール接着強度に異常があった場合について考える。イベント因果モデルを用いることによりエッジの末端のノードを抽出する。本例においては、ノードＮ２５～Ｎ２８，Ｎ３０～Ｎ３１およびＮ５０，Ｎ５１が抽出される。
　したがって、当該抽出されたノードの情報を表示することにより、ユーザは、当該ノードの情報に基づいて異常の原因を容易に予測することが可能である。
　図２０は、実施形態に従う包装機の製造ラインの機構について説明する図である。
　図２０を参照して、製造ラインは、ワーク位置ズレセンサ３００、フィルム搬送軸３０２、ワーク乗り上げセンサ３０３、ワーク検知センサ３０４、ワーク搬送軸３０６、フィルム搬送軸３０７、トップシール軸３１０等の機構を含む。当該機構には、それぞれ変数が割り当てられている。
　また、機構に関連するデータについても変数が割り当てられている。例えば、フィルム残量３０１（「RoomHumidity」）、駆動時間３０５（「Chapter」）、センターシール温度３０８（「CurrentTemperature　CenterSeal」）、センターシール温度操作量３０９（「CenterHeaterDPC_MV」）、トップシール下温度（「CurrentTemperatureLowerTopSeal」）、やトップシール下温度操作量（「TopSealLowHeaterDPC_MC」）、トップシール上温度３１４（「CurrentTemperatureUpperTopSeal」）、トップシール上温度操作量３１３（「TopSealUpHeaterDPC_MC」）が割り当てられている。
　ユーザは、イベント因果モデルにより抽出されたノードに関連する箇所を現物確認する。本例においては、ユーザは、シール接着強度に異常があった場合に事象としてプレスローラの摩耗を確認した場合について説明する。
　＜８．モデル更新＞
　イベント因果関係更新部１１９は、イベント因果関係および特定されたイベントが生じた際に確認された複数の機構３１に関連する事象に基づいて、イベント因果関係を更新する。
　本例においては、ユーザは、シール接着強度不良の現物確認によりプレスローラの摩耗を確認したものとする。
　図２１は、実施形態に従う更新したイベント因果モデルを説明する図である。図２１には、更新したイベント因果モデルが示されている。
　イベント因果関係更新部１１９は、ユーザによりプレスローラの摩耗度合がシール接着強度不良が生じた事象であるとして入力を受け付ける。
　イベント因果関係更新部１１９は、ユーザの入力に従ってプレスローラの摩耗度合に対応するノードＮ３０が不良が生じた事象であることを特定するとともに、当該ノードと、抽出されたイベント因果モデルで要因候補として抽出されたノードとの因果関係を更新する。具体的には、ノードＮ３０からノードＮ５０，Ｎ５１へのエッジを追加する。
　これにより、イベント因果モデルを更新することが可能である。
　図２２は、実施形態に従うイベント因果関係更新部１１９の更新処理について説明するフロー図である。図２２を参照して、イベント因果関係更新部１１９は、特定した事象に対する入力が有るか否かを判断する（ステップＳ４０）。
　ステップＳ４０において、イベント因果関係更新部１１９は、特定した事象に対する入力が有ると判断した場合（ステップＳ４０においてＹＥＳ）には、対応するノードが有るか否かを判断する（ステップＳ４２）。
　ステップＳ４２において、イベント因果関係更新部１１９は、対応するノードがないと判断した場合（ステップＳ４２においてＮＯ）には、ノードを作成する（ステップＳ４８）。
　そして、イベント因果関係更新部１１９は、要因候補とノードとの間にエッジを追加する（ステップＳ４４）。
　そして、イベント因果関係更新部１１９は、モデルを更新する（ステップＳ４６）。
　そして、処理を終了する（エンド）。
　一方、ステップＳ４２において、イベント因果関係更新部１１９は、対応するノードがあると判断した場合（ステップＳ４２においてＹＥＳ）には、ステップＳ４８をスキップして、ステップＳ４４に進む。以降の処理は同様である。
　図２１で説明した例によれば、イベント因果関係更新部１１９は、ユーザによりプレスローラの摩耗度合がシール接着強度不良が生じた事象であるとして入力を受け付ける。イベント因果関係更新部１１９は、プレスローラの摩耗度合のノードＮ３０が有ると判断して、ステップＳ４８をスキップして、ステップＳ４４においてノードＮ５０およびノードＮ５１へのエッジを追加する。そして、イベント因果関係更新部１１９は、ステップＳ４６においてイベント因果モデルを更新する。
　＜９．イベントリスト＞
　図２３は、実施形態に従うイベント関係登録部１２０のイベントリストについて説明する図である。図２３を参照して、ユーザにより複数のイベントが登録されたイベントリストが示されている。
　具体的には、イベント関係登録部１２０は、イベントリストとして、イベント概要、イベントデータ、因果モデル、実際の物理現象および復旧作業内容の情報を含む。
　イベント概要として、「シール接着強度不良」に対応して、イベントデータと、因果モデルが登録されるとともに、実際の物理現象として「プレスローラ摩耗」と、復旧作業内容として「プレスローラの交換」が登録されている場合が示されている。
　また、イベント概要として、「シール接着強度不良」に対応して、イベントデータと、因果モデルが登録されるとともに、実際の物理現象として「革ベルト摩耗」と、復旧作業内容として「革ベルト交換」が登録されている場合が示されている。
　イベント概要として、「シール接着強度不良」に対応して、イベントデータと、因果モデルが登録されるとともに、実際の物理現象として「集電リング接触不良」と、復旧作業内容として「集電リング交換」が登録されている場合が示されている。
　また、イベント概要として、「シール接着強度不良」に対応して、イベントデータと、因果モデルが登録されるとともに、実際の物理現象として「フィルム蛇行」と、復旧作業内容として「フィルム搬送軸の歪み補正」が登録されている場合が示されている。
　＜１０．イベント推定＞
　図２４は、実施形態に従うイベント推定部１１７のイベント推定処理について説明する図である。図２４を参照して、イベント推定部１１７は、イベント関係登録部１２０で登録したイベントリストを用いてイベント推定を行う。
　具体的には、イベント推定部１１７は、イベントデータを取得して、当該イベントデータと一致するイベントデータを有するイベントリストを参照する。
　本例においては、イベント推定部１１７は、イベントデータと一致するイベントリストとして、最上段のイベントリストが一致した場合が示されている。
　具体的には、イベント概要が「シール接着強度不良」、因果モデル、実際の物理現象「プレスローラ摩耗」、復旧作業内容「プレスローラの交換」が登録されているイベントリストである。
　したがって、当該内容に基づいて、ユーザに異常の推定箇所として「プレスローラ摩耗」を提示するとともに、その復旧作業内容であるプレスローラの交換を提示することにより、早期にイベントに対する復旧作業を実行することが可能である。
　なお、イベント推定部１１７は、イベントデータは、完全に一致する場合に限られず、例えば一致度（類似度）を算出して、当該一致度（類似度）が所定値以上の場合に一致していると判断してもよい。
　＜１１．付記＞
　以上のように、本実施の形態は以下のような開示を含む。
　（構成１）
　製造ラインで実施される工程における複数の機構あるいは前記複数の機構に関連する複数の事象間の因果関係を特定する関係特定部（１１５，１１８）と、
　前記因果関係とイベントが生じた際のイベントデータとに基づいてイベント因果関係を生成するイベント因果関係生成部（１１６）と、
　前記イベント因果関係および前記イベントが生じた際に確認された前記複数の機構に関連する事象に基づいて、前記イベント因果関係を更新するイベント因果関係更新部（１１９）とを備える、情報処理装置。
　（構成２）
　前記イベント因果関係は、
　前記複数の機構あるいは事象に関して設定されている複数のノードと、
　前記複数のノード間の接続を示すエッジ情報とを含み、
　前記イベント因果関係更新部は、前記複数の機構に関連する事象に対応するノードと、前記イベント因果関係により抽出された要因候補となるノードとの間の接続を示すエッジ情報を追加する、請求項１記載の情報処理装置。
　（構成３）
　更新された前記イベント因果関係を用いて、前記イベントに対応するイベントリストを登録するイベント関係登録部（１２０）をさらに備える、請求項１記載の情報処理装置。
　（構成４）
　前記イベントリストは、イベント概要と、前記イベントが生じた際のイベントデータと、前記更新された前記イベント因果関係による要因候補位置と、確認された前記複数の機構に関連する事象と、イベント作業内容とを含む、請求項３記載の情報処理装置。
　（構成５）
　イベントデータを取得して、前記イベント関係登録部により登録されたイベントリストの中から、取得したイベントデータと同じイベントデータを含むイベントリストを抽出するイベント推定部（１２１）をさらに備える、請求項４記載の情報処理装置。
　（構成６）
　製造ラインで実施される工程における複数の機構あるいは前記複数の機構に関連する複数の事象間の因果関係を特定するステップと、
　イベントが生じた際のイベントデータに基づいてイベント因果関係を生成するステップと、
　前記イベント関係および前記イベントが生じた際に確認された前記複数の機構に関連する事象に基づいて、前記イベント因果関係を更新するステップとを備えた、情報処理方法。
　（構成７）
　コンピュータに、
　製造ラインで実施される工程における複数の機構あるいは前記複数の機構に関連する複数の事象間の因果関係を特定するステップと、
　イベントが生じた際のイベントデータに基づいてイベント因果関係を生成するステップと、
　前記イベント関係および前記イベントが生じた際に確認された前記複数の機構に関連する事象に基づいて、前記イベント因果関係を更新するステップとを実行させる、情報処理プログラム。
　本開示の実施の形態について説明したが、今回開示された実施の形態はすべての点で例示であって制限的なものではないと考えられるべきである。本開示の範囲は請求の範囲によって示され、請求の範囲と均等の意味および範囲内でのすべての変更が含まれることが意図される。
　１　工程解析装置、３　製造ライン、１１，２１　制御部、１２，２２　記憶部、１３，２４　通信インタフェース、１４　入力装置、１５　出力装置、１６　ドライブ、２３　入出力インタフェース、３１　機構、９１　記憶媒体、１１１　第１取得部、１１２　第２取得部、１１３　第１解析部、１１４　第２解析部、１１５　第１関係特定部、１１６　イベント因果関係生成部、１１７　イベント推定部、１１８　第２関係特定部、１１９　イベント因果関係更新部、１２０　イベント関係登録部、１２１　工程解析プログラム、２２１　制御プログラム、２２２　状態データ、２２３　ログデータ。

Claims (7)

  1. 　製造ラインで実施される工程における複数の機構あるいは前記複数の機構に関連する複数の事象間の因果関係を特定する関係特定部と、
    　前記因果関係とイベントが生じた際のイベントデータとに基づいてイベント因果関係を生成するイベント因果関係生成部と、
    　前記イベント因果関係および前記イベントが生じた際に確認された前記複数の機構に関連する事象に基づいて、前記イベント因果関係を更新するイベント因果関係更新部とを備える、情報処理装置。
  2. 　前記イベント因果関係は、
    　前記複数の機構あるいは事象に関して設定されている複数のノードと、
    　前記複数のノード間の接続を示すエッジ情報とを含み、
    　前記イベント因果関係更新部は、前記複数の機構に関連する事象に対応するノードと、前記イベント因果関係により抽出された要因候補となるノードとの間の接続を示すエッジ情報を追加する、請求項１記載の情報処理装置。
  3. 　更新された前記イベント因果関係を用いて、前記イベントに対応するイベントリストを登録するイベント関係登録部をさらに備える、請求項１記載の情報処理装置。
  4. 　前記イベントリストは、イベント概要と、前記イベントが生じた際のイベントデータと、前記更新された前記イベント因果関係による要因候補位置と、確認された前記複数の機構に関連する事象と、イベント作業内容とを含む、請求項３記載の情報処理装置。
  5. 　イベントデータを取得して、前記イベント関係登録部により登録されたイベントリストの中から、取得したイベントデータと同じイベントデータを含むイベントリストを抽出するイベント推定部をさらに備える、請求項４記載の情報処理装置。
  6. 　製造ラインで実施される工程における複数の機構あるいは前記複数の機構に関連する複数の事象間の因果関係を特定するステップと、
    　イベントが生じた際のイベントデータに基づいてイベント因果関係を生成するステップと、
    　前記イベント関係および前記イベントが生じた際に確認された前記複数の機構に関連する事象に基づいて、前記イベント因果関係を更新するステップとを備えた、情報処理方法。
  7. 　コンピュータに、
    　製造ラインで実施される工程における複数の機構あるいは前記複数の機構に関連する複数の事象間の因果関係を特定するステップと、
    　イベントが生じた際のイベントデータに基づいてイベント因果関係を生成するステップと、
    　前記イベント関係および前記イベントが生じた際に確認された前記複数の機構に関連する事象に基づいて、前記イベント因果関係を更新するステップとを実行させる、情報処理プログラム。
PCT/JP2021/047193 2021-03-31 2021-12-21 情報処理装置、情報処理方法および情報処理プログラム WO2022209057A1 (ja)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2021059850A JP2022156257A (ja) 2021-03-31 2021-03-31 情報処理装置、情報処理方法および情報処理プログラム
JP2021-059850 2021-03-31

Publications (1)

Publication Number Publication Date
WO2022209057A1 true WO2022209057A1 (ja) 2022-10-06

Family

ID=83455750

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2021/047193 WO2022209057A1 (ja) 2021-03-31 2021-12-21 情報処理装置、情報処理方法および情報処理プログラム

Country Status (2)

Country Link
JP (1) JP2022156257A (ja)
WO (1) WO2022209057A1 (ja)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4870575A (en) * 1987-10-01 1989-09-26 Itt Corporation System integrated fault-tree analysis methods (SIFTAN)
JP2009064407A (ja) * 2007-08-10 2009-03-26 Omron Corp 工程解析装置、工程解析方法および工程解析プログラム
JP2009301134A (ja) * 2008-06-10 2009-12-24 Omron Corp Ｆｔ図作成プログラム、ｆｔ図作成装置、記録媒体及びｆｔ図作成方法
JP2016099930A (ja) * 2014-11-26 2016-05-30 横河電機株式会社 イベント解析装置、イベント解析方法およびコンピュータプログラム
JP2020115311A (ja) * 2019-01-18 2020-07-30 オムロン株式会社 モデル統合装置、モデル統合方法、モデル統合プログラム、推論システム、検査システム、及び制御システム

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4870575A (en) * 1987-10-01 1989-09-26 Itt Corporation System integrated fault-tree analysis methods (SIFTAN)
JP2009064407A (ja) * 2007-08-10 2009-03-26 Omron Corp 工程解析装置、工程解析方法および工程解析プログラム
JP2009301134A (ja) * 2008-06-10 2009-12-24 Omron Corp Ｆｔ図作成プログラム、ｆｔ図作成装置、記録媒体及びｆｔ図作成方法
JP2016099930A (ja) * 2014-11-26 2016-05-30 横河電機株式会社 イベント解析装置、イベント解析方法およびコンピュータプログラム
JP2020115311A (ja) * 2019-01-18 2020-07-30 オムロン株式会社 モデル統合装置、モデル統合方法、モデル統合プログラム、推論システム、検査システム、及び制御システム

Also Published As

Publication number Publication date
JP2022156257A (ja) 2022-10-14

Similar Documents

Publication Publication Date Title
CN110442936B (zh) 基于数字孪生模型的设备故障诊断方法、装置及系统
JP6551565B2 (ja) 工程解析装置、工程解析方法、及び工程解析プログラム
US20180348728A1 (en) Process analysis apparatus, process analysis method, and process analysis program
CN109816624B (zh) 外观检查装置
JP2015011722A (ja) プロセス制御システムにおける非侵入的データ分析
US11257001B2 (en) Prediction model enhancement
TWI584134B (zh) 製程異因分析方法與製程異因分析系統
JP7151547B2 (ja) 予測制御開発装置、予測制御開発方法、及び予測制御開発プログラム
JP2020024139A (ja) 製品検査装置
WO2022209057A1 (ja) 情報処理装置、情報処理方法および情報処理プログラム
WO2022190552A1 (ja) 情報処理装置、情報処理方法および情報処理プログラム
US20230400831A1 (en) Process analysis device, process analysis method, and process analysis recording medium
JP7070478B2 (ja) 解析装置、解析方法、及び解析プログラム
US20230027840A1 (en) Anomaly detecting method in sequence of control segment of automation equipment using graph autoencoder
CN116339145A (zh) 机台参数调控方法、设备及存储介质
JP2020147405A (ja) 制御装置、制御方法、及び制御プログラム
TWI801820B (zh) 用於製造流程之系統及方法
WO2021256215A1 (ja) 制御装置、上位コントローラ、制御方法、及び制御プログラム
JP2023092184A (ja) 情報処理装置、情報処理方法および情報処理プログラム
TWI830193B (zh) 預測系統、資訊處理裝置以及資訊處理程式
JP2007251136A (ja) 推定パターン生成方法、製造管理方法、演算装置及び製造管理システム
KR102471829B1 (ko) 실시간 이상 탐지를 위한 gnn 기반의 마스터 상태 생성 방법
Tatipala et al. Towards Improving Process Control in Sheet Metal Forming: A Hybrid Data-and Model-Based Approach
US20240160202A1 (en) Information processing device, information processing method, and non-transitory storage medium encoded with computer-readable information processing program
JP2019160176A (ja) 部品供給量推定装置及び機械学習装置

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: 21935206

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: 21935206

Country of ref document: EP

Kind code of ref document: A1