WO2023002614A1 - 定常範囲決定システム、定常範囲決定方法、および、定常範囲決定プログラム - Google Patents

定常範囲決定システム、定常範囲決定方法、および、定常範囲決定プログラム Download PDF

Info

Publication number
WO2023002614A1
WO2023002614A1 PCT/JP2021/027357 JP2021027357W WO2023002614A1 WO 2023002614 A1 WO2023002614 A1 WO 2023002614A1 JP 2021027357 W JP2021027357 W JP 2021027357W WO 2023002614 A1 WO2023002614 A1 WO 2023002614A1
Authority
WO
WIPO (PCT)
Prior art keywords
range
steady
signal
value
probability
Prior art date
Application number
PCT/JP2021/027357
Other languages
English (en)
French (fr)
Inventor
聖陽 青木
昌彦 柴田
Original Assignee
三菱電機株式会社
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 三菱電機株式会社 filed Critical 三菱電機株式会社
Priority to JP2023534415A priority Critical patent/JP7353539B2/ja
Priority to PCT/JP2021/027357 priority patent/WO2023002614A1/ja
Priority to KR1020247001132A priority patent/KR20240011247A/ko
Priority to DE112021007666.3T priority patent/DE112021007666T5/de
Priority to CN202180100547.7A priority patent/CN117651957A/zh
Priority to TW110142181A priority patent/TW202305532A/zh
Publication of WO2023002614A1 publication Critical patent/WO2023002614A1/ja
Priority to US18/524,446 priority patent/US20240095559A1/en

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
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
    • G05B23/0224—Process history based detection method, e.g. whereby history implies the availability of large amounts of data
    • G05B23/0227—Qualitative history assessment, whereby the type of data acted upon, e.g. waveforms, images or patterns, is not relevant, e.g. rule based assessment; if-then decisions
    • G05B23/0235—Qualitative history assessment, whereby the type of data acted upon, e.g. waveforms, images or patterns, is not relevant, e.g. rule based assessment; if-then decisions based on a comparison with predetermined threshold or range, e.g. "classical methods", carried out during normal operation; threshold adaptation or choice; when or how to compare with the threshold
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N7/00—Computing arrangements based on specific mathematical models
    • G06N7/01—Probabilistic graphical models, e.g. probabilistic networks
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0259—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
    • G05B23/0267—Fault communication, e.g. human machine interface [HMI]
    • G05B23/0272—Presentation of monitored results, e.g. selection of status reports to be displayed; Filtering information to the user
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0259—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
    • G05B23/0283—Predictive maintenance, e.g. involving the monitoring of a system and, based on the monitoring results, taking decisions on the maintenance schedule of the monitored system; Estimating remaining useful life [RUL]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/04—Manufacturing

Definitions

  • the present disclosure relates to a steady range determination system, a steady range determination method, and a steady range determination program.
  • the present invention relates to a steady range determination system, a steady range determination method, and a steady range determination program for determining a steady range of a multilevel signal in operating data.
  • Patent Document 1 discloses a system that allows maintenance personnel to obtain clues for identifying sensors or programs that cause trouble without setting exhaustive conditions.
  • unsteady temporal changes are automatically detected in a binary signal that expresses binary values such as ON and OFF of a sensor, and a multi-value signal that takes values other than 0 and 1 such as a current value or a pressure value.
  • a multilevel signal is converted into a binary signal, a normal value of the binary signal is predicted, and an unsteady change in the signal is detected.
  • a non-stationary change is detected in the multilevel signal, the non-stationary portion of the converted binary signal is specified, and what value should be taken if the signal is stationary is obtained as a predicted value.
  • a trouble such as a stoppage of a production line occurs, it is necessary to check how the value of the multi-valued signal differs from normal in order to identify the cause.
  • the stationary range of the multilevel signal is determined based on the probability that the signal value of the multilevel signal exists within the range determined based on the threshold. Accordingly, it is an object of the present invention to display in an easy-to-understand manner for the operator what kind of signal value the multilevel signal has compared with the steady range.
  • a steady range determination system is a steady range determination system that determines a steady range of a multilevel signal in operational data including the multilevel signal, a conversion unit that sets one or more thresholds for a multilevel signal included in the operation data and converts the multilevel signal into one or more binary signals using the thresholds;
  • the binary signal converted by the conversion unit is input to a prediction model for predicting the signal value of the operating data in a steady state, and the predicted value of the binary signal converted by the conversion unit is converted into a predicted value of the binary signal.
  • a prediction unit that calculates as Based on the converted binary signal predicted value and the threshold, calculate a probability that the signal value of the multilevel signal included in the operation data exists within a range determined based on the threshold, and calculate the operation based on the probability.
  • a range determination unit that determines a stationary range of the multilevel signal included in the data.
  • the steady-state range determination system determines the steady-state range of the multilevel signal based on the probability that the signal value of the multilevel signal exists in the range determined based on the threshold. Therefore, according to the steady-state range determination system according to the present disclosure, the steady-state range of the multi-level signal can be determined appropriately, and the signal value of the multi-level signal compared with the steady range can be determined. It can be displayed in an easy-to-understand manner.
  • FIG. 1 is a diagram showing a configuration example of a stationary range determination system according to Embodiment 1;
  • FIG. 1 is a diagram showing a configuration example of a steady range determination device according to Embodiment 1;
  • FIG. 4 is a diagram showing an example of the functional configuration of a model generation unit according to Embodiment 1;
  • FIG. 4 is a diagram showing a functional configuration example of a determining unit according to Embodiment 1;
  • FIG. FIG. 4 is an overall flowchart of steady range determination processing by the steady range determination device according to Embodiment 1;
  • 4A and 4B are diagrams showing a specific example of conversion processing according to the first embodiment;
  • FIG. 4 is a diagram showing an example of inputs and outputs of a prediction model according to Embodiment 1;
  • FIG. 4 is a diagram showing an example in which predicted values for one signal are output in time series in the prediction process according to Embodiment 1;
  • FIG. 4 is a diagram showing an example in which predicted values for three signals are output in time series in the prediction process according to Embodiment 1;
  • FIG. 5 is a diagram showing an example of calculating the probability that the signal value of the multilevel signal exists within the range according to the first embodiment;
  • FIG. 4 is a detailed flowchart of processing for calculating a probability within a range of signal values of a multilevel signal according to the first embodiment;
  • FIG. 5 shows a specific example of a first determination method of the steady range determination process according to the first embodiment;
  • FIG. 8 is a flowchart showing an example of a second determination method of the steady range determination process according to the first embodiment
  • FIG. FIG. 11 is a flowchart showing another example of the second determination method of the steady range determination process according to Embodiment 1
  • FIG. 7 shows a specific example of a third determination method of the steady range determination process according to the first embodiment
  • FIG. 10 is a diagram showing a specific example of a fifth determination method of the steady-state range determination process according to Embodiment 1
  • FIG. FIG. 4 is a diagram showing a configuration example of a steady-state range determination device according to a modification of Embodiment 1;
  • FIG. 1 is a diagram showing a configuration example of a stationary range determination system 500 according to this embodiment.
  • a steady range determination system 500 includes a steady range determination device 100 , a data collection server 200 , and a target system 300 .
  • the steady range determination device 100 monitors a target system 300 such as a factory line. Equipment 301 to equipment 305 exist in the target system 300 . Although the number of facilities is five in FIG. 1, there is no restriction on the number of facilities. Each facility consists of multiple devices such as sensors and robots. Each facility is connected to a network 401 , and facility operation data 31 is accumulated in the data collection server 200 .
  • the operating data 31 includes binary signals and multilevel signals.
  • a binary signal is, for example, a signal representing ON and OFF of a sensor.
  • a multilevel signal is, for example, a signal representing a torque value of a robot hand.
  • Data collection server 200 is connected to stationary range determination device 100 via network 402 .
  • the steady-state range determination device 100 determines the steady-state range of the multilevel signal in the operation data 31 of the facility. Also, the steady range determination device 100 detects non-steady state of the operation data 31 . Also, the steady state range determination device 100 displays whether the operation data 31 is steady state or non-steady state.
  • the steady range determination device 100 is also called a non-stationary detection device or a non-stationary display device.
  • FIG. 2 is a diagram showing a configuration example of steady-state range determination device 100 according to the present embodiment.
  • Stationary range determination device 100 is a computer.
  • Stationary range determination device 100 includes processor 910 and other hardware such as memory 921 , auxiliary storage device 922 , input interface 930 , output interface 940 and communication device 950 .
  • the processor 910 is connected to other hardware via signal lines and controls these other hardware.
  • the steady-state range determination device 100 includes a model generation unit 110, a determination unit 120, and a storage unit 130 as functional elements.
  • the storage unit 130 stores an operation database 131 , a threshold group database 132 and a prediction model 133 .
  • Storage unit 130 is provided in memory 921 . Note that the storage unit 130 may be provided in the auxiliary storage device 922 or may be distributed between the memory 921 and the auxiliary storage device 922 .
  • Processor 910 is a device that executes a steady range determination program.
  • the steady range determination program is a program that implements the functions of the model generator 110 and the determiner 120 .
  • the processor 910 is an IC (Integrated Circuit) that performs arithmetic processing. Specific examples of the processor 910 are a CPU (Central Processing Unit), a DSP (Digital Signal Processor), and a GPU (Graphics Processing Unit).
  • the memory 921 is a storage device that temporarily stores data.
  • a specific example of the memory 921 is SRAM (Static Random Access Memory) or DRAM (Dynamic Random Access Memory).
  • Auxiliary storage device 922 is a storage device that stores data.
  • a specific example of the auxiliary storage device 922 is an HDD.
  • the auxiliary storage device 922 may be a portable storage medium such as an SD (registered trademark) memory card, CF, NAND flash, flexible disk, optical disk, compact disk, Blu-ray (registered trademark) disk, or DVD.
  • SD registered trademark
  • SD® is an abbreviation for Secure Digital
  • CF is an abbreviation for CompactFlash®.
  • DVD is an abbreviation for Digital Versatile Disk.
  • the input interface 930 is a port connected to an input device such as a mouse, keyboard, or touch panel.
  • the input interface 930 is specifically a USB (Universal Serial Bus) terminal.
  • the input interface 930 may be a port connected to a LAN (Local Area Network).
  • the output interface 940 is a port to which a display device cable such as a display is connected.
  • the output interface 940 is specifically a USB terminal or an HDMI (registered trademark) (High Definition Multimedia Interface) terminal.
  • the display is specifically an LCD (Liquid Crystal Display).
  • Output interface 940 is also referred to as a display interface.
  • the communication device 950 has a receiver and a transmitter.
  • a communication device 950 is connected to a communication network such as a LAN, the Internet, or a telephone line.
  • the communication device 950 is specifically a communication chip or NIC (Network Interface Card).
  • the steady range determination program is executed in the steady range determination device 100.
  • the steady range determination program is loaded into processor 910 and executed by processor 910 .
  • the memory 921 stores not only the regular range determination program but also an OS (Operating System).
  • Processor 910 executes the steady-state range determination program while executing the OS.
  • the steady range determination program and OS may be stored in the auxiliary storage device 922 .
  • the steady-state range determination program and OS stored in auxiliary storage device 922 are loaded into memory 921 and executed by processor 910 . Note that part or all of the steady-state range determination program may be incorporated in the OS.
  • the steady range determination device 100 may include multiple processors that replace the processor 910 . These multiple processors share the execution of the steady range determination program. Each processor, like processor 910, is a device that executes a stationary range determination program.
  • the data, information, signal values and variable values used, processed or output by the steady range determination program are stored in the memory 921, the auxiliary storage device 922, or the register or cache memory within the processor 910.
  • the "parts" of each part of the model generating part 110 and the determining part 120 may be read as “circuit”, “process”, “procedure”, “processing”, or “circuitry”.
  • the steady range determination program causes the computer to execute model generation processing and determination processing.
  • "Processing" in model generation processing and determination processing may be read as “program”, “program product”, “computer-readable storage medium storing program”, or “computer-readable recording medium storing program”. good.
  • the steady range determination method is a method performed by the steady range determination device 100 executing a steady range determination program.
  • the steady range determination program may be stored in a computer-readable recording medium and provided. Also, the steady-state range determination program may be provided as a program product.
  • FIG. 3 is a diagram showing a functional configuration example of the model generation unit 110 according to this embodiment.
  • the solid arrows in FIG. 3 represent the calling relationships between the functional elements, and the broken arrows represent the data flow between the functional elements and the database.
  • the model generation unit 110 generates a prediction model 133 for predicting the next signal value of the operation data during normal operation of the facility. In other words, the model generation unit 110 generates the prediction model 133 for predicting the signal value of the operation data in steady state.
  • the model generation unit 110 includes an acquisition unit 111 , a threshold group calculation unit 112 , a conversion unit 113 and a learning unit 114 .
  • the acquisition unit 111 receives operation data from the data collection server 200 via the communication device 950 and stores the operation data in the operation database 131 .
  • the operation data is, for example, data such as a binary signal representing ON and OFF of the sensor, or a multilevel signal representing the torque value of the robot hand. It should be noted that the process of receiving and storing necessary data is executed in real time as much as possible every time the data collection server 200 receives more data.
  • the threshold value group calculation unit 112 acquires operation data from the operation database 131 , calculates threshold values for converting multilevel signals in the operation data into binary signals, and stores the threshold values in the threshold value group database 132 .
  • the conversion unit 113 acquires threshold values from the threshold group database 132 and converts the multilevel signal into a binary signal based on the threshold values.
  • the learning unit 114 acquires operation data from the operation database 131, calls the conversion unit 113, and converts the multi-level signal of the operation data acquired by the conversion unit 113 into a binary signal.
  • the learning unit 114 learns the normal signal pattern of the signal included in the operation data from the binary signal included in the operation data and the binary signal obtained by converting the multi-level signal included in the operation data by the conversion unit 113. . After that, the learning unit 114 stores the learned model for predicting a normal signal pattern as the prediction model 133 .
  • the threshold value group calculation unit 112 sets threshold values so that, for example, the signal values of the multilevel signal are converted into binary signals that switch at points where the tendency of the values, such as increasing, decreasing, or constant, changes.
  • An arbitrary value and an arbitrary number of thresholds can be set for converting a multilevel signal into a binary signal, and the calculation method is not limited.
  • FIG. 4 is a diagram showing a functional configuration example of the determination unit 120 according to this embodiment.
  • the solid arrows in FIG. 4 represent the calling relationships between the functional elements, and the broken arrows represent the data flow between the functional elements and the database.
  • the determination unit 120 predicts the next signal value of the signal during normal operation from the operation data, determines the presence or absence of unsteady state, identifies the unsteady point, determines the steady state range, and displays it together with the operation data.
  • the determination unit 120 includes an acquisition unit 121 , a conversion unit 122 , a prediction unit 123 , a determination unit 124 , a specification unit 125 , a range determination unit 126 and a display unit 127 .
  • the acquisition unit 121 receives operation data from the data collection server 200 via the communication device 950 and stores the operation data in the operation database 131 .
  • the conversion unit 122 acquires threshold values from the threshold value group database 132 and converts the multilevel signal into a binary signal based on the threshold values.
  • the prediction unit 123 uses the prediction model 133 to calculate a prediction value, which is a stationary value of the signal value to be output next, for the binary signal converted by the conversion unit 122 and the operation data of the binary signal. All inputs to the predictive model 133 are binary signals.
  • the binary signal obtained by converting the multilevel signal in the operating data by the conversion unit 122 that is, the binary signal output by the conversion unit 122, may be referred to as a converted binary signal.
  • the determination unit 124 acquires operation data from the operation database 131, calls the conversion unit 122 and the prediction unit 123, and executes conversion processing by the conversion unit 122 and prediction processing by the prediction unit 123.
  • the determination unit 124 compares the measured values of the binary signal and converted binary signal in the operation data with the predicted values output by the prediction unit 123 . Based on the comparison result, determination unit 124 determines whether or not the operation data is steady, that is, whether or not it matches the learned normal signal pattern. The determination unit 124 outputs the determination result as unsteady determination information. When it is determined that the operation data is non-steady, the determination unit 124 calls the identification unit 125, and the identification unit 125 identifies the non-steady part. The determination unit 124 also calls the display unit 127 and displays the determination result on the display device by the display unit 127 .
  • the identifying unit 125 identifies which signal was non-stationary and when based on the binary signal and converted binary signal in the operation data and their predicted values.
  • the identifying unit 125 outputs the identified information as unsteady identification information.
  • the range determination unit 126 determines the stationary range of the signal values in the multilevel signal before being converted into the transformed binary signal, based on the predicted value of the transformed binary signal.
  • the display unit 127 may determine the stationary range of the multilevel signal by calling the range determination unit 126 .
  • the display unit 127 uses the steady range of the multilevel signal to display the measured values of the operation data, the predicted values output from the prediction unit 123, the unsteady determination information output from the determination unit 124, and the output from the identification unit 125.
  • Information such as non-stationary specific information received is visualized and displayed on a display device in an easy-to-understand manner.
  • the operating procedure of the steady range determination system 500 corresponds to the steady range determination method.
  • a program that realizes the operation of the steady range determination system 500 corresponds to a steady range determination program that causes a computer to execute the steady range determination process.
  • the operation of the steady range determination system 500 is the operation of each device of the steady range determination system 500 .
  • FIG. 5 is an overall flowchart of steady range determination processing by steady range determination device 100 according to the present embodiment.
  • step S107 calculation processing of existence probability of signal value of multi-level signal
  • step S108 processing of determining stationary range of signal value of multi-level signal
  • step S ⁇ b>101 the acquisition unit 121 copies the operation data from the data collection server 200 to the operation database 131 via the communication device 950 .
  • the operation database 131 stores the binary signal as the operation data. Both signals and multilevel signals are stored.
  • the prediction process by the prediction unit 123 requires past operation data for a certain period of time. Therefore, the operation database 131 holds operation data for a certain past period of time necessary for prediction processing. Note that the acquisition unit 121 copies the operation data from the data collection server 200 to the operation database 131 in real time as much as possible.
  • step S ⁇ b>102 the conversion unit 122 converts the signal data of the multilevel signal among the operation data stored in the operation database 131 into the signal data of the binary signal.
  • the conversion unit 122 sets one or more thresholds for the multilevel signal included in the operation data, and uses the thresholds to convert the multilevel signal into one or more binary signals. Specifically, the conversion unit 122 acquires thresholds from the threshold group database 132 .
  • the conversion unit 122 converts the signal data of the multilevel signal among the operation data stored in the operation database 131 into the signal data of the binary signal based on the threshold value. Details of the conversion process will be described later.
  • step S103 the prediction unit 123 predicts the next signal value from the past binary signal held in the operation database 131 and the converted binary signal obtained by converting the past multilevel signal held in the operation database 131.
  • a prediction model 133 generated in advance by the model generation unit 110 is used for prediction.
  • the prediction unit 123 inputs the binary signal originally included in the operation data and the converted binary signal to the prediction model 133, and outputs a predicted value, which is the steady-state signal value of the signal included in the operation data.
  • the prediction unit 123 inputs the transformed binary signal to the prediction model 133, converts the predicted value of the transformed binary signal into the transformed binary signal Output as predicted value.
  • step S104 the determination unit 124 compares the predicted value of the operation data signal calculated in step S103 with the actual measurement value of the operation data signal stored in the operation database 131, and calculates the degree of abnormality.
  • step S105 the determination unit 124 determines whether the operation data is steady or non-steady based on the degree of abnormality calculated in step S104. If it is determined not to be steady, the process proceeds to step S106. If it is determined to be steady, the process proceeds to step S107.
  • the identifying unit 125 identifies which signal was non-stationary and when. Specifically, the identifying unit 125 can identify an unsteady point by extracting a signal and a time at which the predicted value and the measured value differ by a predetermined value or more.
  • step S107 the range determining unit 126 calculates the probability that the signal value of the multilevel signal exists within the range from the predicted signal value of the operation data calculated in step S103. Specifically, the range determining unit 126 calculates the probability that the signal value of the multilevel signal included in the operation data exists within the range determined based on the threshold based on the converted binary signal predicted value and the threshold.
  • the transformed binary signal predicted value is a predicted value of the transformed binary signal obtained by inputting the binary signal transformed by the transformation unit 122 into the prediction model 133 .
  • a threshold is a threshold used when converting a multilevel signal into a binary signal.
  • step S108 the range determination unit 126 determines the stationary range of the multilevel signal included in the operation data based on the probability that the signal value of the multilevel signal calculated in step S107 exists within the range.
  • step S109 the display unit 127 presents to the user the determination result of the binary signal or multilevel signal included in the operation data.
  • the display unit 127 presents to the user the determination result of the binary signal or multilevel signal included in the operation data.
  • an example of presentation to the user by displaying on a display device is shown.
  • it may be presented to the user by other methods such as outputting to a printer or outputting as electronic data.
  • the display unit 127 displays the movement of the signal in time series, and if it is a binary signal, displays the predicted value of the binary signal as normal operation.
  • the display unit 127 displays the signal values of the multi-level signal superimposed on a range determined based on the threshold including the steady range. For example, the display unit 127 sets the background color of the steady range determined in step S108 to a first color (eg, green), changes the background color to a second color (eg, yellow) according to the degree of deviation from the steady range, and It may be displayed in a third color (for example, red) and the signal value of the multilevel signal may be superimposed. Furthermore, the display unit 127 may display the line color of the signal value outside the normal range in a second color (eg, yellow) or a third color (eg, red) according to the degree of deviation.
  • FIG. 6 is a diagram showing a specific example of conversion processing according to this embodiment.
  • the conversion unit 122 converts the multilevel signal into one or more binary signals using one or more thresholds. It is not always necessary to convert to a binary signal with multiple thresholds.
  • the multilevel signal is converted into binary signals for the number of thresholds. When two thresholds are set for a multilevel signal as shown in FIG. 6, it is converted into two binary signals. Specifically, the conversion unit 122 converts the multilevel signal into a binary signal that takes 1 if the signal value at each time exceeds the threshold and takes 0 otherwise.
  • FIG. 7 is a diagram showing an example of inputs and outputs of the prediction model 133 according to this embodiment.
  • the prediction model 133 learns the signal pattern of normal binary signals and outputs the predicted value of the signal. As shown in FIG. 6, the predicted value is a real number between 0 and 1, and corresponds to the probability that the signal value will be 1 at the next time.
  • the output is not the time-varying pattern of the binary signal, but the predicted value of only one next point in time for each binary signal.
  • the signal A value of 0.8 is output as the predicted value of signal 1, and a value of 0.2 is output as the predicted value of signal 2.
  • the probability that the value of signal 1 will be 1 at the next time is 0.8
  • the probability that the value of signal 2 will be 1 at the next time is 0.2.
  • FIG. 8 is a diagram showing an example in which predicted values for one signal are output in time series in the prediction processing according to the present embodiment.
  • the prediction is repeated and the predicted values at each time are arranged in chronological order.
  • the input/output is one signal, ie, a binary signal obtained from one threshold.
  • FIG. 9 is a diagram showing an example in which predicted values for three signals are output in time series in the prediction process according to the present embodiment.
  • predicted values for three signals are arranged in time series. Multiple signal values at the same time are collectively output from the prediction model. That is, each of predicted values 1 to 4 in FIG. 9 is collectively output from the prediction model.
  • FIG. 10 is a diagram showing an example of calculating the probability that the signal value of the multilevel signal exists within the range according to the present embodiment.
  • the predicted value output from the prediction unit 123 is a real number between 0 and 1, and corresponds to the probability that the signal value is 1 at each time. Therefore, the predicted value of the binary signal obtained by transforming the multi-level signal so that it becomes 1 if the signal value exceeds the threshold and becomes 0 otherwise, corresponds to the probability that the signal value will exceed the threshold.
  • the probability that the signal value exists in the range between the two thresholds is obtained by the following equation (1).
  • the probability that the signal value of the multilevel signal exists within the range is calculated from the predicted value of the binary signal converted by setting the threshold value for the multilevel signal.
  • the probability is a real number between 0 and 1 inclusive.
  • the conversion unit 122 may set a plurality of thresholds for the multilevel signal and convert it into a binary signal that takes 0 if the signal value exceeds the threshold and 1 otherwise.
  • the predicted value of the binary signal corresponds to the probability that the signal value at each instant is below the threshold.
  • the probability that the signal value exists in the range between two thresholds, the probability that the signal value exists in the range above the maximum threshold value, and the probability that the signal value exists in the range below the minimum value are given by equation (4) and equation ( 5) and from equation (6).
  • FIG. 11 is a detailed flowchart of processing for calculating the probability within the range of the signal values of the multilevel signal according to the present embodiment.
  • the range determination unit 126 selects one unselected threshold from the plurality of thresholds used when converting the multilevel signal into the binary signal.
  • the range determination unit 126 determines whether or not there is a threshold smaller than the selected threshold. If it exists, the process proceeds to step S203. If not, the process proceeds to step S204.
  • step S203 the range determining unit 126 determines the probability that the signal value exists in the range between the selected threshold value and the lower threshold value adjacent to the selected threshold value. Calculate If there is no threshold value smaller than the selected threshold value, in step S204, the range determining unit 126 calculates the probability that the signal value exists in the range below the minimum threshold value.
  • the range determination unit 126 determines whether or not there is an unselected threshold. If there are unselected thresholds, the process returns to step S201 and repeats the process until there are no unselected thresholds. If there is no unselected threshold, in step S207 the range determining unit 126 calculates the probability that the signal value exists in a range above the maximum threshold.
  • FIG. 12 is a diagram showing a specific example of the first determination method of the steady range determination process according to the present embodiment.
  • the range determining unit 126 determines, as the stationary range, a range in which the probability is equal to or greater than the determined value in the range determined based on the threshold.
  • a predetermined value is a predetermined constant value.
  • the range determining unit 126 defines a range in which the probability of the signal value at the same time is equal to or greater than a certain value as the steady range.
  • FIG. 12 shows an example in which a range in which the probability is 0.5 or more is determined as the steady range.
  • the range determination unit 126 determines the range with the maximum probability among the ranges determined based on the threshold as the steady range. Specifically, the range determination unit 126 sets the range in which the probability of the signal value at the same time is the maximum as the stationary range.
  • FIG. 13 is a flowchart showing an example of the second determination method of the steady range determination process according to this embodiment.
  • FIG. 13 shows a determination method based on range selection in descending order of probability.
  • the range determination unit 126 selects a range in descending order of probability from the range determined based on the threshold, and the range until the total value of the probabilities of the selected range is equal to or greater than the determined value. is determined as the steady-state range.
  • the range determining unit 126 selects ranges in descending order of probability at the same point in time, and determines the steady range until the sum of the probabilities of the selected ranges reaches a certain value or more.
  • step S301 the range determination unit 126 selects an unselected range with the maximum value probability.
  • step S302 the range determination unit 126 repeats step S301 until the sum of the probabilities of the selected range reaches or exceeds a certain value.
  • step S303 when the sum of the probabilities of the selected range is equal to or greater than a certain value, the range determination unit 126 determines the selected range as the stationary range.
  • FIG. 14 is a flow chart showing another example of the second determination method of the steady range determination process according to the present embodiment.
  • FIG. 14 shows a determination method by selection of adjacent maximum probability range.
  • the range determination unit 126 selects a range with the maximum probability from among the ranges determined based on the threshold, and selects the range with the higher probability from among the ranges adjacent to the selected range. Repeat choosing.
  • the range determination unit 126 determines the range until the total value of the probabilities of the selected range is equal to or greater than a predetermined value as the steady range.
  • the range determination unit 126 selects a range with the maximum probability at the same time, selects a range with a high probability among ranges adjacent to the selected range, and repeats the selection of the selected range.
  • the stationary range is defined as the period until the sum of the probabilities reaches or exceeds a certain value.
  • step S401 the range determination unit 126 determines the range in which the probability of the value is maximum as the steady range.
  • step S402 range determination unit 126 proceeds to step S403 if the sum of the probabilities in the steady range is not equal to or greater than a certain value. If the sum of the probabilities in the stationary range is greater than or equal to the given value, the process is terminated.
  • step S402 the range determining unit 126 determines a range having a high probability among the ranges adjacent to the steady range as the steady range, and repeats steps S402 and S403 until the sum of the probabilities of the steady range reaches or exceeds a certain value.
  • FIG. 15 is a diagram showing a specific example of the third determination method of the steady range determination process according to the present embodiment.
  • the range determination unit 126 determines, as the stationary range, a range in which the probability density, which is the value obtained by dividing the probability by the width of the range, is equal to or greater than a predetermined value, among the ranges determined based on the threshold.
  • the range determination unit 126 defines a range in which the probability density of the signal values at the same time is equal to or greater than a certain value as the steady range.
  • FIG. 15 shows an example in which the probability density is calculated and the range in which the probability density is 0.0100 or more is determined as the steady range.
  • the range determining unit 126 may determine a range in which the probability density is maximum among the ranges determined based on the threshold as the steady range. Specifically, the range determination unit 126 sets the range in which the probability density at the same time is the maximum as the steady range.
  • the range determination unit 126 selects a range in descending order of probability density from the range determined based on the threshold, and the range until the total value of the probability density of the selected range is equal to or greater than a predetermined value is set as a steady range. may decide. Specifically, the range determining unit 126 selects ranges in descending order of probability density at the same point in time, and determines the steady range until the sum of the probability densities of the selected ranges reaches a certain value or more.
  • the range determination unit 126 selects a range having the maximum probability density from among the ranges determined based on the threshold, and selects a range having a higher probability density from among the ranges adjacent to the selected range. . Then, the range determination unit 126 may determine the range until the total value of the probability densities of the selected range is equal to or greater than a predetermined value as the steady range. Specifically, the range determination unit 126 selects a range having the maximum probability density at the same time, and selects a range having a high probability density among ranges adjacent to the selected range. The steady range is defined as the sum of the probability densities in the specified range exceeding a certain value.
  • the range determination unit 126 may determine the non-stationary range step by step when determining the steady range of the multilevel signal.
  • the range determining unit 126 determines the unsteady degree of the unsteady range according to the probability for the range determined based on the threshold. Specifically, the range determining unit 126 determines the non-stationary degree of the range according to the probability of values at the same time. For example, when the probability is in the range of 0.5 or more to be steady, the probability is 0.2 or more and less than 0.5 is mild non-stationary, and the probability is less than 0.2 is severe non-stationary. Three or more unsteady degrees may be defined. Further, the range determination unit 126 may determine the non-stationary degree of the non-stationary range according to the probability density instead of the probability for the range determined based on the threshold value.
  • FIG. 16 is a diagram showing a specific example of the second stepwise unsteady range determination method of the steady range determination process according to the present embodiment.
  • FIG. 16 shows an example of stepwise determination of the steady range according to the degree of separation from the steady range.
  • the range determination unit 126 determines the unsteady degree of the range determined based on the threshold according to the degree of deviation of the range from the steady range.
  • the range determination unit 126 determines the degree of unsteadyness based on the degree of deviation of the range from the steady range. Ranges adjacent to the stationary range are determined to be mildly nonstationary, and ranges two or more away from the stationary range are determined to be severely nonstationary.
  • the functions of the model generation unit 110 and the determination unit 120 are realized by software.
  • the functions of the model generation unit 110 and the determination unit 120 may be realized by hardware.
  • steady range determination device 100 includes electronic circuit 909 in place of processor 910 .
  • FIG. 17 is a diagram showing a configuration example of steady-state range determination device 100 according to a modification of the present embodiment.
  • the electronic circuit 909 is a dedicated electronic circuit that implements the functions of the model generation unit 110 and the determination unit 120 .
  • Electronic circuit 909 is specifically a single circuit, a composite circuit, a programmed processor, a parallel programmed processor, a logic IC, GA, ASIC, or FPGA.
  • GA is an abbreviation for Gate Array.
  • ASIC is an abbreviation for Application Specific Integrated Circuit.
  • FPGA is an abbreviation for Field-Programmable Gate Array.
  • the functions of the model generation unit 110 and the determination unit 120 may be realized by one electronic circuit, or may be distributed and realized by a plurality of electronic circuits.
  • part of the functions of the model generating unit 110 and the determining unit 120 may be implemented by electronic circuits, and the remaining functions may be implemented by software. Also, part or all of the functions of the model generation unit 110 and the determination unit 120 may be realized by firmware.
  • Each processor and electronic circuit is also called processing circuitry.
  • the functions of the model generation unit 110 and the determination unit 120 are realized by processing circuitry.
  • the steady-state range determining apparatus 100 calculates the steady-state range of the signal value of the multi-level signal based on the probability that the signal value of the multi-level signal exists between two threshold values. Therefore, according to the steady-state range determination device 100 according to the present embodiment, it is possible to clearly display to the operator how the signal values of the multilevel signal differ from the steady-state range.
  • the steady-state range determining apparatus 100 can also calculate the steady-state range of the signal value of the multilevel signal based on the probability density in the range. It is conceivable that the probability that the signal values of the multilevel signal exist in the range increases as the range width increases. Therefore, according to the steady range determination device 100 according to the present embodiment, by determining the steady range based on the probability density, the degree of steady state in the range where the probability is low due to the small width is appropriately evaluated. be able to.
  • each part of the steady-state range determination device is described as an independent functional block.
  • the configuration of the steady-state range determination device does not have to be the configuration of the embodiment described above.
  • the functional blocks of the steady-state range determination device may have any configuration as long as they can implement the functions described in the above embodiments.
  • the stationary range determining device may be a system composed of a plurality of devices instead of a single device.
  • this embodiment may be implemented as a whole or partially in any combination. That is, in Embodiment 1, it is possible to freely combine each embodiment, modify any component of each embodiment, or omit any component from each embodiment.
  • Operation data 100 Stationary range determination device, 110 Model generation unit, 111, 121 Acquisition unit, 112 Threshold group calculation unit, 113, 122 Conversion unit, 114 Learning unit, 120 Determination unit, 123 Prediction unit, 124 Judgment unit, 125 Identification unit 126 Range determination unit 127 Display unit 130 Storage unit 131 Operation database 132 Threshold group database 133 Prediction model 200 Data collection server 300 Target system 301, 302, 303, 304, 305 Equipment 401 , 402 network, 500 stationary range determination system, 909 electronic circuit, 910 processor, 921 memory, 922 auxiliary storage device, 930 input interface, 940 output interface, 950 communication device.

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Automation & Control Theory (AREA)
  • Game Theory and Decision Science (AREA)
  • Development Economics (AREA)
  • Probability & Statistics with Applications (AREA)
  • General Engineering & Computer Science (AREA)
  • Algebra (AREA)
  • Artificial Intelligence (AREA)
  • Computational Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computing Systems (AREA)
  • Primary Health Care (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Manufacturing & Machinery (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Computer Interaction (AREA)
  • Testing And Monitoring For Control Systems (AREA)
  • Logic Circuits (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

定常範囲決定装置（１００）は、多値信号を含む稼働データにおける多値信号の定常範囲を決定する。変換部（１２２）は、閾値を用いて多値信号を１つ以上の２値信号に変換する。予測部（１２３）は、予測モデル（１３３）に、変換部（１２２）により変換された２値信号を入力し、変換２値信号予測値として算出する。範囲決定部（１２６）は、変換２値信号予測値と閾値とに基づいて稼働データに含まれる多値信号の信号値が閾値に基づき定められる範囲に存在する確率を算出する。範囲決定部（１２６）は、確率に基づいて稼働データに含まれる多値信号の定常範囲を決定する。

Description

定常範囲決定システム、定常範囲決定方法、および、定常範囲決定プログラム
　本開示は、定常範囲決定システム、定常範囲決定方法、および、定常範囲決定プログラムに関する。特に、稼働データにおける多値信号の定常範囲を決定する定常範囲決定システム、定常範囲決定方法、および、定常範囲決定プログラムに関する。
　従来の工場では、製造ラインの停止といったトラブル発生時、工場の保全員が知識あるいは経験に基づいてトラブルの要因を特定し、適切な対処を行う。しかし、膨大な稼働データと複雑なプログラムの中から要因を特定し、早期にトラブルを解決することは困難な場合が多い。また、トラブル要因を網羅的に特定するための設定あるいはプログラムの作成は、現実的な工数での実現が難しい。
　特許文献１では、保全員が、網羅的な条件設定をすることなく、トラブル要因となるセンサあるいはプログラムを特定する手がかりを得るためのシステムが開示されている。特許文献１では、センサのＯＮとＯＦＦといった２値を表現する２値信号と、電流値あるいは圧力値といった０および１以外の値をとる多値信号との、非定常な時間変化を自動で検出するシステムが開示されている。
特許６７９０３１１号公報
　特許文献１の方式では、多値信号を２値信号に変換し、２値信号の正常な値を予測して信号の非定常な変化を検出する。多値信号に非定常な変化が検出された際、変換された２値信号の非定常箇所を特定し、定常であればどのような値をとるべきかが予測値として得られる。しかし、２値信号に変換する前の多値信号がどのように非定常な値をとっているかをひと目で判別することはできない。製造ライン停止といったトラブル発生時、その原因を特定するために、多値信号の値が正常時と比較してどう異なるかを確認する必要がある。
　本開示では、閾値に基づき定められる範囲に多値信号の信号値が存在する確率に基づいて、多値信号の定常範囲を決定する。これにより、多値信号が定常範囲と比較してどのような信号値をとっているかを作業者にわかりやすく表示することを目的とする。
　本開示に係る定常範囲決定システムは、多値信号を含む稼働データにおける多値信号の定常範囲を決定する定常範囲決定システムにおいて、
　前記稼働データに含まれる多値信号に１つ以上の閾値を設定し、前記閾値を用いて前記多値信号を１つ以上の２値信号に変換する変換部と、
　前記稼働データの定常時の信号値を予測する予測モデルに、前記変換部により変換された２値信号を入力し、前記変換部により変換された２値信号の予測値を変換２値信号予測値として算出する予測部と、
　前記変換２値信号予測値と前記閾値とに基づいて、前記稼働データに含まれる多値信号の信号値が前記閾値に基づき定められる範囲に存在する確率を算出し、前記確率に基づいて前記稼働データに含まれる多値信号の定常範囲を決定する範囲決定部と
を備えた。
　本開示に係る定常範囲決定システムでは、閾値に基づき定められる範囲に多値信号の信号値が存在する確率に基づいて、多値信号の定常範囲を決定する。よって、本開示に係る定常範囲決定システムによれば、多値信号の定常範囲を適切に決定することができ、多値信号が定常範囲と比較してどのような信号値をとっているかを作業者にわかりやすく表示することができる。
実施の形態１に係る定常範囲決定システムの構成例を示す図。 実施の形態１に係る定常範囲決定装置の構成例を示す図。 実施の形態１に係るモデル生成部の機能構成例を示す図。 実施の形態１に係る決定部の機能構成例を示す図。 実施の形態１に係る定常範囲決定装置による定常範囲決定処理の全体フロー図。 実施の形態１に係る変換処理の具体例を示す図。 実施の形態１に係る予測モデルの入出力の例を示す図。 実施の形態１に係る予測処理において１信号における予測値が時系列に出力される例を示す図。 実施の形態１に係る予測処理において３信号における予測値が時系列に出力される例を示す図。 実施の形態１に係る多値信号の信号値が範囲内に存在する確率を算出する例を示す図。 実施の形態１に係る多値信号の信号値における範囲内の確率を算出する処理の詳細フロー図。 実施の形態１に係る定常範囲決定処理の第１の決定方法の具体例を示す図。 実施の形態１に係る定常範囲決定処理の第２の決定方法の一例を示すフロー図。 実施の形態１に係る定常範囲決定処理の第２の決定方法の別例を示すフロー図。 実施の形態１に係る定常範囲決定処理の第３の決定方法の具体例を示す図。 実施の形態１に係る定常範囲決定処理の第５の決定方法の具体例を示す図。 実施の形態１の変形例に係る定常範囲決定装置の構成例を示す図。
　以下、本実施の形態について、図を用いて説明する。各図中、同一または相当する部分には、同一符号を付している。実施の形態の説明において、同一または相当する部分については、説明を適宜省略または簡略化する。また、以下の図では各構成部材の大きさの関係が実際のものとは異なる場合がある。また、実施の形態の説明において、上、下、左、右、前、後、表、裏といった向きあるいは位置が示されている場合がある。これらの表記は、説明の便宜上の記載であり、装置、器具、あるいは部品等の配置、方向および向きを限定するものではない。
　実施の形態１．
＊＊＊構成の説明＊＊＊
　図１は、本実施の形態に係る定常範囲決定システム５００の構成例を示す図である。
　定常範囲決定システム５００は、定常範囲決定装置１００、データ収集サーバ２００、および対象システム３００を備える。
　定常範囲決定装置１００は、工場ラインといった対象システム３００を監視する。対象システム３００には、設備３０１から設備３０５が存在する。なお、図１では設備を５個としているが、設備の数に制約は存在しない。各設備はセンサおよびロボットといった複数の機器から構成される。各設備はネットワーク４０１に接続されており、設備の稼働データ３１がデータ収集サーバ２００に蓄積される。稼働データ３１は、２値信号と多値信号とを含む。２値信号は、例えば、センサのＯＮとＯＦＦを表す信号である。多値信号は、例えば、ロボットハンドのトルク値を表す信号である。
　データ収集サーバ２００は、ネットワーク４０２を介して定常範囲決定装置１００と接続される。
　定常範囲決定装置１００は、設備の稼働データ３１における多値信号の定常範囲を決定する。また、定常範囲決定装置１００は、稼働データ３１の非定常を検出する。また、定常範囲決定装置１００は、稼働データ３１の定常、あるいは、非定常を表示する。定常範囲決定装置１００は、非定常検出装置、あるいは、非定常表示装置ともいう。
　図２は、本実施の形態に係る定常範囲決定装置１００の構成例を示す図である。
　定常範囲決定装置１００は、コンピュータである。定常範囲決定装置１００は、プロセッサ９１０を備えるとともに、メモリ９２１、補助記憶装置９２２、入力インタフェース９３０、出力インタフェース９４０、および通信装置９５０といった他のハードウェアを備える。プロセッサ９１０は、信号線を介して他のハードウェアと接続され、これら他のハードウェアを制御する。
　定常範囲決定装置１００は、機能要素として、モデル生成部１１０と決定部１２０と記憶部１３０とを備える。記憶部１３０には、稼働データベース１３１と閾値群データベース１３２と予測モデル１３３が記憶される。
　モデル生成部１１０と決定部１２０の機能は、ソフトウェアにより実現される。記憶部１３０は、メモリ９２１に備えられる。なお、記憶部１３０は、補助記憶装置９２２に備えられていてもよいし、メモリ９２１と補助記憶装置９２２に分散して備えられていてもよい。
　プロセッサ９１０は、定常範囲決定プログラムを実行する装置である。定常範囲決定プログラムは、モデル生成部１１０と決定部１２０の機能を実現するプログラムである。
プロセッサ９１０は、演算処理を行うＩＣ（Ｉｎｔｅｇｒａｔｅｄ　Ｃｉｒｃｕｉｔ）である。プロセッサ９１０の具体例は、ＣＰＵ（Ｃｅｎｔｒａｌ　Ｐｒｏｃｅｓｓｉｎｇ　Ｕｎｉｔ）、ＤＳＰ（Ｄｉｇｉｔａｌ　Ｓｉｇｎａｌ　Ｐｒｏｃｅｓｓｏｒ）、ＧＰＵ（Ｇｒａｐｈｉｃｓ　Ｐｒｏｃｅｓｓｉｎｇ　Ｕｎｉｔ）である。
　メモリ９２１は、データを一時的に記憶する記憶装置である。メモリ９２１の具体例は、ＳＲＡＭ（Ｓｔａｔｉｃ　Ｒａｎｄｏｍ　Ａｃｃｅｓｓ　Ｍｅｍｏｒｙ）、あるいはＤＲＡＭ（Ｄｙｎａｍｉｃ　Ｒａｎｄｏｍ　Ａｃｃｅｓｓ　Ｍｅｍｏｒｙ）である。
　補助記憶装置９２２は、データを保管する記憶装置である。補助記憶装置９２２の具体例は、ＨＤＤである。また、補助記憶装置９２２は、ＳＤ（登録商標）メモリカード、ＣＦ、ＮＡＮＤフラッシュ、フレキシブルディスク、光ディスク、コンパクトディスク、ブルーレイ（登録商標）ディスク、ＤＶＤといった可搬の記憶媒体であってもよい。なお、ＨＤＤは、Ｈａｒｄ　Ｄｉｓｋ　Ｄｒｉｖｅの略語である。ＳＤ（登録商標）は、Ｓｅｃｕｒｅ　Ｄｉｇｉｔａｌの略語である。ＣＦは、ＣｏｍｐａｃｔＦｌａｓｈ（登録商標）の略語である。ＤＶＤは、Ｄｉｇｉｔａｌ　Ｖｅｒｓａｔｉｌｅ　Ｄｉｓｋの略語である。
　入力インタフェース９３０は、マウス、キーボード、あるいはタッチパネルといった入力装置と接続されるポートである。入力インタフェース９３０は、具体的には、ＵＳＢ（Ｕｎｉｖｅｒｓａｌ　Ｓｅｒｉａｌ　Ｂｕｓ）端子である。なお、入力インタフェース９３０は、ＬＡＮ（Ｌｏｃａｌ　Ａｒｅａ　Ｎｅｔｗｏｒｋ）と接続されるポートであってもよい。
　出力インタフェース９４０は、ディスプレイといった表示機器のケーブルが接続されるポートである。出力インタフェース９４０は、具体的には、ＵＳＢ端子またはＨＤＭＩ（登録商標）（Ｈｉｇｈ　Ｄｅｆｉｎｉｔｉｏｎ　Ｍｕｌｔｉｍｅｄｉａ　Ｉｎｔｅｒｆａｃｅ）端子である。ディスプレイは、具体的には、ＬＣＤ（Ｌｉｑｕｉｄ　Ｃｒｙｓｔａｌ　Ｄｉｓｐｌａｙ）である。出力インタフェース９４０は、表示器インタフェースともいう。
　通信装置９５０は、レシーバとトランスミッタを有する。通信装置９５０は、ＬＡＮ、インターネット、あるいは電話回線といった通信網に接続している。通信装置９５０は、具体的には、通信チップまたはＮＩＣ（Ｎｅｔｗｏｒｋ　Ｉｎｔｅｒｆａｃｅ　Ｃａｒｄ）である。
　定常範囲決定プログラムは、定常範囲決定装置１００において実行される。定常範囲決定プログラムは、プロセッサ９１０に読み込まれ、プロセッサ９１０によって実行される。メモリ９２１には、定常範囲決定プログラムだけでなく、ＯＳ（Ｏｐｅｒａｔｉｎｇ　Ｓｙｓｔｅｍ）も記憶されている。プロセッサ９１０は、ＯＳを実行しながら、定常範囲決定プログラムを実行する。定常範囲決定プログラムおよびＯＳは、補助記憶装置９２２に記憶されていてもよい。補助記憶装置９２２に記憶されている定常範囲決定プログラムおよびＯＳは、メモリ９２１にロードされ、プロセッサ９１０によって実行される。なお、定常範囲決定プログラムの一部または全部がＯＳに組み込まれていてもよい。
　定常範囲決定装置１００は、プロセッサ９１０を代替する複数のプロセッサを備えていてもよい。これら複数のプロセッサは、定常範囲決定プログラムの実行を分担する。それぞれのプロセッサは、プロセッサ９１０と同じように、定常範囲決定プログラムを実行する装置である。
　定常範囲決定プログラムにより利用、処理または出力されるデータ、情報、信号値および変数値は、メモリ９２１、補助記憶装置９２２、または、プロセッサ９１０内のレジスタあるいはキャッシュメモリに記憶される。
　モデル生成部１１０と決定部１２０の各部の「部」を「回路」、「工程」、「手順」、「処理」、あるいは「サーキットリー」に読み替えてもよい。定常範囲決定プログラムは、モデル生成処理と決定処理を、コンピュータに実行させる。モデル生成処理と決定処理の「処理」を「プログラム」、「プログラムプロダクト」、「プログラムを記憶したコンピュータ読取可能な記憶媒体」、または「プログラムを記録したコンピュータ読取可能な記録媒体」に読み替えてもよい。また、定常範囲決定方法は、定常範囲決定装置１００が定常範囲決定プログラムを実行することにより行われる方法である。
　定常範囲決定プログラムは、コンピュータ読取可能な記録媒体に格納されて提供されてもよい。また、定常範囲決定プログラムは、プログラムプロダクトとして提供されてもよい。
　図３は、本実施の形態に係るモデル生成部１１０の機能構成例を示す図である。
　なお、図３の矢印の実線は機能要素同士の呼び出し関係を表し、破線の矢印は機能要素とデータベースとのデータの流れを表している。
　モデル生成部１１０は、設備の正常稼働時における稼働データの次の信号値を予測するための予測モデル１３３を生成する。言い換えると、モデル生成部１１０は、稼働データの定常時の信号値を予測するための予測モデル１３３を生成する。
　モデル生成部１１０は、取得部１１１と閾値群算出部１１２と変換部１１３と学習部１１４を備える。
　取得部１１１は、通信装置９５０により、データ収集サーバ２００から稼働データを受信し、その稼働データを稼働データベース１３１に格納する。稼働データは、例えば、センサのＯＮとＯＦＦを表す２値信号、あるいは、ロボットハンドのトルク値を表す多値信号といったデータである。なお、受信して格納する処理については、必要なデータを対象としてデータ収集サーバ２００にデータが増える度に可能な限りリアルタイムで実行する。
　閾値群算出部１１２は、稼働データベース１３１から稼働データを取得し、稼働データのうちの多値信号を２値信号に変換するための閾値を算出し、その閾値を閾値群データベース１３２に格納する。
　変換部１１３は、閾値群データベース１３２から閾値を取得し、閾値を基に多値信号を２値信号に変換する。
　学習部１１４は、稼働データベース１３１から稼働データを取得し、変換部１１３を呼び出し、変換部１１３により取得した稼働データのうち多値信号を２値信号に変換する。学習部１１４は、稼働データに含まれる２値信号と、稼働データに含まれる多値信号を変換部１１３により変換した２値信号とから、稼働データに含まれる信号の正常な信号パターンを学習する。その後、学習部１１４は、学習した正常な信号パターンを予測する学習済みモデルを予測モデル１３３として保存する。
　閾値群算出部１１２は、例えば、多値信号の信号値が、増加、減少、あるいは一定といった値の傾向が変化する点で切り替わる２値信号に変換されるよう閾値を設定する。なお、多値信号を２値信号に変換するための閾値は、任意の値および任意の個数設定可能であり、算出方法は限定されないものとする。
　図４は、本実施の形態に係る決定部１２０の機能構成例を示す図である。
　なお、図４の矢印の実線は機能要素同士の呼び出し関係を表し、破線の矢印は機能要素とデータベースとのデータの流れを表している。
　決定部１２０は、稼働データから正常稼働時の信号の次の信号値を予測し、非定常の有無を判定し、非定常箇所を特定し、定常範囲を決定して稼働データとともに表示する。
　決定部１２０は、取得部１２１と変換部１２２と予測部１２３と判定部１２４と特定部１２５と範囲決定部１２６と表示部１２７を備える。
　取得部１２１は、モデル生成部１１０における取得部１１１と同様に、通信装置９５０により、データ収集サーバ２００から稼働データを受信し、その稼働データを稼働データベース１３１格納する。
　変換部１２２は、モデル生成部１１０における変換部１１３と同様に、閾値群データベース１３２から閾値を取得し、閾値を基に多値信号を２値信号に変換する。
　予測部１２３は、予測モデル１３３を用いて、２値信号の稼働データおよび変換部１２２により変換された２値信号について、次に出力される信号値の定常な値である予測値を算出する。予測モデル１３３の入力はすべて２値信号となる。以下において、稼働データにおける多値信号が変換部１２２により変換された２値信号、すなわち、変換部１２２が出力する２値信号を、変換２値信号と呼ぶ場合がある。
　なお、判定部１２４は、稼働データベース１３１から稼働データを取得し、変換部１２２および予測部１２３を呼び出して、変換部１２２による変換処理および予測部１２３による予測処理を実行する。
　判定部１２４は、稼働データにおける２値信号および変換２値信号の実測値と、予測部１２３が出力する予測値とを比較する。判定部１２４は、比較結果より、稼働データが定常であるか否か、すなわち、学習した正常な信号パターンと合致するか否か、を判定する。判定部１２４は、判定結果を非定常判定情報として出力する。稼働データが非定常であると判定された場合、判定部１２４は、特定部１２５を呼び出し、特定部１２５により非定常部分を特定する。また、判定部１２４は、表示部１２７を呼び出し、表示部１２７により判定の結果を表示機器に表示する。
　特定部１２５は、稼働データにおける２値信号および変換２値信号と、それらの予測値に基づいて、どの信号がいつ非定常であったかを特定する。特定部１２５は、特定した情報を非定常特定情報として出力する。
　範囲決定部１２６は、変換２値信号の予測値に基づいて、変換２値信号に変換される前の多値信号における信号値の定常範囲を決定する。
　表示部１２７は、範囲決定部１２６を呼び出すことにより、多値信号における定常範囲を決定してもよい。
　表示部１２７は、多値信号における定常範囲を用いて、稼働データの実測値、予測部１２３から出力される予測値、判定部１２４から出力される非定常判定情報、および、特定部１２５から出力される非定常特定情報といった情報を、表示機器にわかりやすく可視化して表示する。
＊＊＊動作の説明＊＊＊
　次に、本実施の形態に係る定常範囲決定システム５００の動作について説明する。定常範囲決定システム５００の動作手順は、定常範囲決定方法に相当する。また、定常範囲決定システム５００の動作を実現するプログラムは、定常範囲決定処理をコンピュータに実行させる定常範囲決定プログラムに相当する。定常範囲決定システム５００の動作とは、定常範囲決定システム５００の各装置の動作である。
＜定常範囲決定処理＞
　図５は、本実施の形態に係る定常範囲決定装置１００による定常範囲決定処理の全体フロー図である。
　なお、図５において、ステップＳ１０７「多値信号の信号値の存在確率の算出処理」およびステップＳ１０８の「多値信号の信号値の定常範囲の決定処理」についての詳細は後述する。
＜＜取得処理＞＞
　ステップＳ１０１において、取得部１２１は、通信装置９５０を介して、データ収集サーバ２００から稼働データを稼働データベース１３１へコピーする。例えば、データ収集サーバ２００から出力された稼働データが、センサのＯＮとＯＦＦを表す２値信号と、ロボットハンドのトルク値を表す多値信号を含む場合、稼働データベース１３１には稼働データとして２値信号と多値信号の両方が格納される。
　予測部１２３による予測処理では、過去の一定時間分の稼働データが必要になる。よって、稼働データベース１３１には、予測処理に必要な過去一定時間分の稼働データが保持される。
　なお、取得部１２１は、可能な限りリアルタイムでデータ収集サーバ２００から稼働データを稼働データベース１３１へコピーするものとする。
＜＜変換処理＞＞
　ステップＳ１０２において、変換部１２２は、稼働データベース１３１に格納された稼働データのうち、多値信号の信号データを２値信号の信号データに変換する。変換部１２２は、稼働データに含まれる多値信号に１つ以上の閾値を設定し、その閾値を用いて多値信号を１つ以上の２値信号に変換する。
　具体的には、変換部１２２は、閾値群データベース１３２から閾値を取得する。変換部１２２は、閾値を基に、稼働データベース１３１に格納された稼働データのうち、多値信号の信号データを２値信号の信号データに変換する。変換処理の詳細については後述する。
＜＜予測処理＞＞
　ステップＳ１０３において、予測部１２３は、稼働データベース１３１において保持された過去の２値信号と、稼働データベース１３１において保持された過去の多値信号を変換した変換２値信号から、次の信号値の予測を行う。予測には、あらかじめモデル生成部１１０によって生成された予測モデル１３３が利用される。
　予測部１２３は、予測モデル１３３に、稼働データに元から含まれる２値信号と変換２値信号とを入力し、稼働データに含まれる信号の定常時の信号値である予測値を出力する。特に、変換部１２２により変換された２値信号（変換２値信号）については、予測部１２３は、予測モデル１３３に変換２値信号を入力し、変換２値信号の予測値を変換２値信号予測値として出力する。
＜＜判定処理＞＞
　ステップＳ１０４において、判定部１２４は、ステップＳ１０３で算出した稼働データの信号の予測値と、稼働データベース１３１に格納される稼働データの信号の実測値とを比較し、異常度を算出する。
　ステップＳ１０５において、判定部１２４は、ステップＳ１０４で算出した異常度を基に、稼働データが定常であるか非定常であるかを判定する。
　定常ではないと判定された場合、ステップＳ１０６に進む。定常であると判定された場合、ステップＳ１０７に進む。
＜＜特定処理＞＞
　ステップＳ１０６において、特定部１２５は、どの信号がいつ非定常であったかを特定する。具体的には、特定部１２５は、予測値と実測値が一定値以上異なっていた信号と時刻を抽出することで、非定常箇所を特定することができる。
＜＜範囲決定処理＞＞
　次に、ステップＳ１０７およびステップＳ１０８において、範囲決定部１２６による範囲決定処理について説明する。
　ステップＳ１０７において、範囲決定部１２６は、ステップＳ１０３で算出した稼働データの信号の予測値から、多値信号の信号値が範囲内に存在する確率を算出する。具体的には、範囲決定部１２６は、変換２値信号予測値と閾値とに基づいて、稼働データに含まれる多値信号の信号値が閾値に基づき定められる範囲に存在する確率を算出する。
　ここで、変換２値信号予測値とは、変換部１２２により変換された２値信号を予測モデル１３３に入力することにより得られる、変換２値信号の予測値である。また、閾値とは、多値信号を２値信号に変換する際に用いられた閾値である。
　ステップＳ１０８において、範囲決定部１２６は、ステップＳ１０７で算出した多値信号の信号値が範囲内に存在する確率に基づいて、稼働データに含まれる多値信号の定常範囲を決定する。
　ステップＳ１０９において、表示部１２７は、稼働データに含まれる２値信号あるいは多値信号における判定結果をユーザに提示する。本実施の形態では、表示機器に表示することによりユーザに提示する例を示している。しかし、プリンタに出力する、あるいは、電子データとして出力するといった他の方法でユーザに提示してもよい。
　表示部１２７は、信号の動きを時系列で示し、２値信号であれば２値信号の予測値を正常な動作として示す。
　多値信号の場合は、表示部１２７は、多値信号の信号値を、定常範囲を含む閾値に基づき定められる範囲に重畳して表示する。例えば、表示部１２７は、ステップＳ１０８で決定した定常範囲の背景色を第１の色（例えば緑）、定常範囲からの外れ度合いに応じて背景色を第２の色（例えば黄）、および、第３の色（例えば赤）で表示し、多値信号の信号値を重畳してもよい。さらに、表示部１２７は、定常範囲から外れている信号値の線色を外れ度合いに応じて第２の色（例えば黄）、第３の色（例えば赤）で表示してもよい。
　次に、各処理について詳細に説明する。
　図６は、本実施の形態に係る変換処理の具体例を示す図である。
　変換部１２２では、多値信号を、１つ以上の閾値を使って、１つ以上の２値信号に変換する。必ずしも複数の閾値によって２値信号に変換する必要はない。多値信号は、閾値の個数分の２値信号に変換される。図６のように多値信号に閾値を２個設定した場合、２つの２値信号に変換される。
　具体的には、変換部１２２は、多値信号の各時刻における信号値が閾値を超えれば１、そうでなければ０をとる２値信号に変換する。
　図７は、本実施の形態に係る予測モデル１３３の入出力の例を示す図である。
　予測モデル１３３は、正常な２値信号の信号パターンを学習して、信号の予測値を出力する。予測値は、図６に示すように、０以上１以下の実数値であり、次の時刻で信号値が１になる確率に相当する。出力は２値信号の時間変化パターンではなく、各２値信号の次の時刻一点のみの予測値となる。
　過去の信号データとして、信号１が０，０，１，１，１という値をとり、信号２が１，１，１，１，０という値をとるとき、それらを予測モデルに入力すると、信号１の予測値として０．８、信号２の予測値として０．２という値が出力される。このとき、信号１の値が次の時刻で１になる確率が０．８、信号２の値が次の時刻で１になる確率が０．２であるということになる。
　図８は、本実施の形態に係る予測処理において１信号における予測値が時系列に出力される例を示す図である。
　図８では、予測を繰り返し行い、各時刻の予測値を時系列に並べたものを示している。なお、図８では、簡単のために入出力は１信号、すなわち１つの閾値から得られる２値信号としている。
　図９は、本実施の形態に係る予測処理において３信号における予測値が時系列に出力される例を示す図である。
　図９では、３信号についての予測値を時系列に並べたものである。同時刻での複数の信号値は予測モデルから一括で出力される。すなわち、図９における予測値１から予測値４のそれぞれは、予測モデルから一括で出力される。
　図１０は、本実施の形態に係る多値信号の信号値が範囲内に存在する確率を算出する例を示す図である。
　上述したように、予測部１２３で出力される予測値は、０以上１以下の実数値で、各時刻において信号値が１になる確率に相当する。よって、信号値が閾値を超えれば１、そうでなければ０となるように多値信号を変換した２値信号の予測値は、信号値がその閾値を超える確率に相当する。信号値が２閾値間の範囲に存在する確率は、以下の式（１）によって求められる。
＜式（１）＞
（信号値が２閾値間の範囲に存在する確率）＝（信号値が下側の閾値を超える確率）－（信号値が上側の閾値を超える確率）
　そして、信号値が最大の閾値より上の範囲に存在する確率と、信号値が最小の閾値より下の範囲に存在する確率は、それぞれ式（２）、および、式（３）によって求められる。
＜式（２）＞
（信号値が最大の閾値より上の範囲に存在する確率）＝（信号値が最大の閾値を超える確率）
＜式（３）＞
（信号値が最小値より下の範囲に存在する確率）＝１－（信号値が最小の閾値を超える確率）
　以上のように、多値信号に閾値を設定して変換される２値信号の予測値から、多値信号の信号値が範囲内に存在する確率を算出する。確率は０以上１以下の実数値となる。
　なお、変換部１２２で、多値信号に複数の閾値を設定し、信号値が閾値を超えれば０、そうでなければ１をとる２値信号に変換してもよい。その場合、２値信号の予測値は各時刻における信号値がその閾値を下回る確率に相当する。信号値が２閾値間の範囲に存在する確率、信号値が最大の閾値より上の範囲に存在する確率、信号値が最小値より下の範囲に存在する確率はそれぞれ式（４）、式（５）、および、式（６）から求められる。
＜式（４）＞
（信号値が２閾値間の範囲に存在する確率）＝（信号値が上側の閾値を下回る確率）－（信号値が下側の閾値を下回る確率）
＜式（５）＞
（信号値が最大の閾値より上の範囲に存在する確率）＝１－（信号値が最大の閾値を下回る確率）
＜式（６）＞
（信号値が最小値より下の範囲に存在する確率）＝（信号値が最小の閾値を下回る確率）
　図１１は、本実施の形態に係る多値信号の信号値における範囲内の確率を算出する処理の詳細フロー図である。
　ステップＳ２０１において、範囲決定部１２６は、多値信号を２値信号に変換する際に用いた複数の閾値のうち、未選択の閾値を１つ選択する。
　ステップＳ２０２において、範囲決定部１２６は、選択した閾値より値の小さい閾値が存在するか否かを判定する。存在する場合はステップＳ２０３に進む。存在しない場合はステップＳ２０４に進む。
　選択した閾値より値の小さい閾値が存在する場合、ステップＳ２０３において、範囲決定部１２６は、選択した閾値と、選択した閾値に隣り合う下側の閾値との間の範囲に信号値が存在する確率を算出する。
　選択した閾値より値の小さい閾値が存在しない場合、ステップＳ２０４において、範囲決定部１２６は、信号値が最小の閾値より下の範囲に存在する確率を算出する。
　ステップＳ２０５およびステップＳ２０６において、範囲決定部１２６は、未選択の閾値があるか否かを判定する。未選択の閾値がある場合、ステップＳ２０１に戻り、未選択の閾値がなくなるまで処理を繰り返す。
　未選択の閾値がない場合、ステップＳ２０７において、範囲決定部１２６は、信号値が最大の閾値より上の範囲に存在する確率を算出する。
　次に、多値信号の定常範囲を決定する方法について説明する。
＜定常範囲決定処理の第１の決定方法＞
　図１２は、本実施の形態に係る定常範囲決定処理の第１の決定方法の具体例を示す図である。
　第１の決定方法では、範囲決定部１２６は、閾値に基づき定められる範囲のうち確率が定められた値以上の範囲を定常範囲として決定する。定められた値とは、予め定められた一定値である。
　具体的には、範囲決定部１２６は、同時刻における信号値の確率が一定値以上の範囲を定常範囲とする。図１２では、確率が０．５以上の範囲を定常範囲として決定した例を示している。
＜定常範囲決定処理の第２の決定方法＞
　第２の決定方法では、範囲決定部１２６は、閾値に基づき定められる範囲のうち確率が最大となる範囲を定常範囲として決定する。
　具体的には、範囲決定部１２６は、同時刻における信号値の確率が最大となる範囲を定常範囲とする。
　図１３は、本実施の形態に係る定常範囲決定処理の第２の決定方法の一例を示すフロー図である。
　図１３では、確率降順範囲選択による決定方法を示している。
　確率降順範囲選択による決定方法では、範囲決定部１２６は、閾値に基づき定められる範囲から確率が大きい順に範囲を選択し、選択した範囲の確率の合計値が定められた値以上になるまでの範囲を定常範囲として決定する。
　具体的には、範囲決定部１２６は、同時刻における確率が大きい順に範囲を選択し、選択した範囲の確率の合計が一定値以上になるまでを定常範囲とする。
　ステップＳ３０１において、範囲決定部１２６は、値の確率が最大となる未選択の範囲を選択する。
　ステップＳ３０２において、範囲決定部１２６は、選択した範囲の確率の合計が一定値以上になるまでステップＳ３０１を繰り返す。
　ステップＳ３０３において、範囲決定部１２６は、選択した範囲の確率の合計が一定値以上の場合、選択した範囲を定常範囲に決定する。
　図１４は、本実施の形態に係る定常範囲決定処理の第２の決定方法の別例を示すフロー図である。
　図１４では、隣接最大確率範囲選択による決定方法を示している。
　隣接最大確率範囲選択による決定方法では、範囲決定部１２６は、閾値に基づき定められる範囲のうち確率が最大となる範囲を選択し、選択した範囲に隣接する範囲のうち確率が大きい方の範囲を選択することを繰り返す。範囲決定部１２６は、選択した範囲の確率の合計値が定められた値以上になるまでの範囲を定常範囲として決定する。
　具体的には、範囲決定部１２６は、同時刻における確率が最大となる範囲を選択し、選択された範囲に隣接する範囲のうち確率が大きい範囲を選択することを繰り返し、選択された範囲の確率の合計が一定値以上になるまでを定常範囲とする。
　ステップＳ４０１において、範囲決定部１２６は、値の確率が最大となる範囲を定常範囲に決定する。
　ステップＳ４０２において、範囲決定部１２６は、定常範囲の確率の合計が一定値以上でなければ、ステップＳ４０３に進む。定常範囲の確率の合計が一定値以上であれば、処理を終了する。
　ステップＳ４０２において、範囲決定部１２６は、定常範囲に隣接する範囲のうち確率が高い範囲を定常範囲に決定し、定常範囲の確率の合計が一定値以上になるまでステップＳ４０２およびステップＳ４０３を繰り返す。
＜定常範囲決定処理の第３の決定方法＞
　図１５は、本実施の形態に係る定常範囲決定処理の第３の決定方法の具体例を示す図である。
　第３の決定方法では、範囲決定部１２６は、閾値に基づき定められる範囲のうち、確率を範囲の幅で割った値である確率密度が定められた値以上の範囲を定常範囲として決定する。
　具体的には、範囲決定部１２６は、同時刻における信号値の確率密度が一定値以上の範囲を定常範囲とする。図１５では、確率密度を算出し、確率密度が０．０１００以上の範囲を定常範囲として決定した例を示す。
　定常範囲を決定する際、範囲の幅が広いほど値の確率が高くなることが考えられる。そこで、確率密度を基に定常範囲を決定することで、幅が小さいために確率が低くなってしまう範囲の定常度合いを高く評価することができる。
＜定常範囲決定処理の第４の決定方法＞
　第４の決定方法では、確率密度を用いた決定方法のバリエーションについて説明する。
　範囲決定部１２６は、閾値に基づき定められる範囲のうち、確率密度が最大となる範囲を定常範囲として決定してもよい。
　具体的には、範囲決定部１２６は、同時刻における確率密度が最大となる範囲を定常範囲とする。
　あるいは、範囲決定部１２６は、閾値に基づき定められる範囲から、確率密度が大きい順に範囲を選択し、選択した範囲の確率密度の合計値が定められた値以上になるまでの範囲を定常範囲として決定してもよい。
　具体的には、範囲決定部１２６は、同時刻における確率密度が大きい順に範囲を選択し、選択した範囲の確率の密度の合計が一定値以上になるまでを定常範囲とする。
　あるいは、範囲決定部１２６は、閾値に基づき定められる範囲のうち、確率密度が最大となる範囲を選択し、選択した範囲に隣接する範囲のうち確率密度が大きい方の範囲を選択することを繰り返す。そして、範囲決定部１２６は、選択した範囲の確率密度の合計値が定められた値以上になるまでの範囲を定常範囲として決定してもよい。
　具体的には、範囲決定部１２６は、同時刻における確率密度が最大となる範囲を選択し、選択された範囲に隣接する範囲のうち確率の密度が大きい範囲を選択することを繰り返し、選択された範囲の確率の密度の合計が一定値以上になるまでを定常範囲とする。
＜定常範囲決定処理の第５の決定方法＞
　定常範囲決定処理の第５の決定方法として、範囲決定部１２６は、多値信号の定常範囲を決定する際、段階的に非定常範囲を決定してもよい。
　第１の段階的な非定常範囲決定方法としては、範囲決定部１２６は、閾値に基づき定められる範囲について、確率に応じて定常でない範囲の非定常度合いを決定する。
　具体的には、範囲決定部１２６は、同時刻における値の確率に応じて範囲の非定常度合いを決定する。例えば、確率が０．５以上の範囲を定常とする場合、確率が０．２以上０．５未満の場合に軽度非定常、確率が０．２未満の場合に重度非定常とする。３段階以上の非定常度合いを定義してもよい。
　また、記範囲決定部１２６は、閾値に基づき定められる範囲について、確率ではなく、確率密度に応じて定常でない範囲の非定常度合いを決定してもよい。
　図１６は、本実施の形態に係る定常範囲決定処理の第２の段階的な非定常範囲決定方法の具体例を示す図である。
　図１６では、定常範囲からの離れ度合いに応じた段階的な定常範囲の決定例を示している。
　第２の段階的な非定常範囲決定方法としては、範囲決定部１２６は、閾値に基づき定められる範囲について、定常範囲からの範囲の離れ度合いに応じて定常でない範囲の非定常度合いを決定する。
　図１６では、範囲決定部１２６は、定常範囲からの範囲の離れ度合いによって非定常度合いを決定する。定常範囲に隣接する範囲を軽度非定常、定常範囲から２つ以上離れている範囲を重度非定常と決定する。
　＊＊＊他の構成＊＊＊
　本実施の形態では、モデル生成部１１０と決定部１２０の機能がソフトウェアで実現される。変形例として、モデル生成部１１０と決定部１２０の機能がハードウェアで実現されてもよい。
　具体的には、定常範囲決定装置１００は、プロセッサ９１０に替えて電子回路９０９を備える。
　図１７は、本実施の形態の変形例に係る定常範囲決定装置１００の構成例を示す図である。
　電子回路９０９は、モデル生成部１１０と決定部１２０の機能を実現する専用の電子回路である。電子回路９０９は、具体的には、単一回路、複合回路、プログラム化したプロセッサ、並列プログラム化したプロセッサ、ロジックＩＣ、ＧＡ、ＡＳＩＣ、または、ＦＰＧＡである。ＧＡは、Ｇａｔｅ　Ａｒｒａｙの略語である。ＡＳＩＣは、Ａｐｐｌｉｃａｔｉｏｎ　Ｓｐｅｃｉｆｉｃ　Ｉｎｔｅｇｒａｔｅｄ　Ｃｉｒｃｕｉｔの略語である。ＦＰＧＡは、Ｆｉｅｌｄ－Ｐｒｏｇｒａｍｍａｂｌｅ　Ｇａｔｅ　Ａｒｒａｙの略語である。
　モデル生成部１１０と決定部１２０の機能は、１つの電子回路で実現されてもよいし、複数の電子回路に分散して実現されてもよい。
　別の変形例として、モデル生成部１１０と決定部１２０の一部の機能が電子回路で実現され、残りの機能がソフトウェアで実現されてもよい。また、モデル生成部１１０と決定部１２０の一部またはすべての機能がファームウェアで実現されてもよい。
　プロセッサと電子回路の各々は、プロセッシングサーキットリとも呼ばれる。つまり、モデル生成部１１０と決定部１２０の機能は、プロセッシングサーキットリにより実現される。
＊＊＊本実施の形態の効果の説明＊＊＊
　以上のように、本実施の形態に係る定常範囲決定装置１００では、多値信号の信号値が２閾値間に存在する確率を基に多値信号の信号値の定常範囲を算出する。よって、本実施の形態に係る定常範囲決定装置１００によれば、多値信号の信号値が定常範囲と比較してどのような違いがあるかを作業者にわかりやすく表示することができる。
　また、本実施の形態に係る定常範囲決定装置１００では、範囲における確率密度を基に多値信号の信号値の定常範囲を算出することもできる。
　多値信号の信号値が範囲に存在する確率は、範囲の幅が広いほど高くなることが考えられる。よって、本実施の形態に係る定常範囲決定装置１００によれば、確率密度を基に定常範囲を決定することで、幅が小さいために確率が低くなってしまう範囲の定常度合いを適切に評価することができる。
　以上の実施の形態１では、定常範囲決定装置の各部を独立した機能ブロックとして説明した。しかし、定常範囲決定装置の構成は、上述した実施の形態のような構成でなくてもよい。定常範囲決定装置の機能ブロックは、上述した実施の形態で説明した機能を実現することができれば、どのような構成でもよい。また、定常範囲決定装置は、１つの装置でなく、複数の装置から構成されたシステムでもよい。
　また、実施の形態１のうち、複数の部分を組み合わせて実施しても構わない。あるいは、この実施の形態のうち、１つの部分を実施しても構わない。その他、この実施の形態を、全体としてあるいは部分的に、どのように組み合わせて実施しても構わない。
　すなわち、実施の形態１では、各実施の形態の自由な組み合わせ、あるいは各実施の形態の任意の構成要素の変形、もしくは各実施の形態において任意の構成要素の省略が可能である。
　なお、上述した実施の形態は、本質的に好ましい例示であって、本開示の範囲、本開示の適用物の範囲、および本開示の用途の範囲を制限することを意図するものではない。上述した実施の形態は、必要に応じて種々の変更が可能である。
　３１　稼働データ、１００　定常範囲決定装置、１１０　モデル生成部、１１１，１２１　取得部、１１２　閾値群算出部、１１３，１２２　変換部、１１４　学習部、１２０　決定部、１２３　予測部、１２４　判定部、１２５　特定部、１２６　範囲決定部、１２７　表示部、１３０　記憶部、１３１　稼働データベース、１３２　閾値群データベース、１３３　予測モデル、２００　データ収集サーバ、３００　対象システム、３０１，３０２，３０３，３０４，３０５　設備、４０１，４０２　ネットワーク、５００　定常範囲決定システム、９０９　電子回路、９１０　プロセッサ、９２１　メモリ、９２２　補助記憶装置、９３０　入力インタフェース、９４０　出力インタフェース、９５０　通信装置。

Claims (15)

  1. 　多値信号を含む稼働データにおける多値信号の定常範囲を決定する定常範囲決定システムにおいて、
    　前記稼働データに含まれる多値信号に１つ以上の閾値を設定し、前記閾値を用いて前記多値信号を１つ以上の２値信号に変換する変換部と、
    　前記稼働データの定常時の信号値を予測する予測モデルに、前記変換部により変換された２値信号を入力し、前記変換部により変換された２値信号の予測値を変換２値信号予測値として算出する予測部と、
    　前記変換２値信号予測値と前記閾値とに基づいて、前記稼働データに含まれる多値信号の信号値が前記閾値に基づき定められる範囲に存在する確率を算出し、前記確率に基づいて前記稼働データに含まれる多値信号の定常範囲を決定する範囲決定部と
    を備えた定常範囲決定システム。
  2. 　前記定常範囲決定システムは、
    　前記稼働データに含まれる多値信号の信号値を、前記定常範囲を含む前記閾値に基づき定められる範囲に重畳して表示する表示部を備える請求項１に記載の定常範囲決定システム。
  3. 　前記範囲決定部は、
    　前記閾値に基づき定められる範囲のうち確率が定められた値以上の範囲を前記定常範囲として決定する請求項１または請求項２に記載の定常範囲決定システム。
  4. 　前記範囲決定部は、
    　前記閾値に基づき定められる範囲のうち確率が最大となる範囲を前記定常範囲として決定する請求項１または請求項２に記載の定常範囲決定システム。
  5. 　前記範囲決定部は、
    　前記閾値に基づき定められる範囲から確率が大きい順に範囲を選択し、選択した範囲の確率の合計値が定められた値以上になるまでの範囲を前記定常範囲として決定する請求項４に記載の定常範囲決定システム。
  6. 　前記範囲決定部は、
    　前記閾値に基づき定められる範囲のうち確率が最大となる範囲を選択し、選択した範囲に隣接する範囲のうち確率が大きい方の範囲を選択することを繰り返し、選択した範囲の確率の合計値が定められた値以上になるまでの範囲を前記定常範囲として決定する請求項４に記載の定常範囲決定システム。
  7. 　前記範囲決定部は、
    　前記閾値に基づき定められる範囲のうち、確率を範囲の幅で割った値である確率密度が定められた値以上の範囲を前記定常範囲として決定する請求項１または請求項２に記載の定常範囲決定システム。
  8. 　前記範囲決定部は、
    　前記閾値に基づき定められる範囲のうち、確率を範囲の幅で割った値である確率密度が最大となる範囲を前記定常範囲として決定する請求項１または請求項２に記載の定常範囲決定システム。
  9. 　前記範囲決定部は、
    　前記閾値に基づき定められる範囲から、確率を範囲の幅で割った値である確率密度が大きい順に範囲を選択し、選択した範囲の確率密度の合計値が定められた値以上になるまでの範囲を前記定常範囲として決定する請求項８に記載の定常範囲決定システム。
  10. 　前記範囲決定部は、
    　前記閾値に基づき定められる範囲のうち、確率を範囲の幅で割った値である確率密度が最大となる範囲を選択し、選択した範囲に隣接する範囲のうち確率密度が大きい方の範囲を選択することを繰り返し、選択した範囲の確率密度の合計値が定められた値以上になるまでの範囲を前記定常範囲として決定する請求項８に記載の定常範囲決定システム。
  11. 　前記範囲決定部は、
    　前記閾値に基づき定められる範囲について、確率に応じて定常でない範囲の非定常度合いを決定する請求項３に記載の定常範囲決定システム。
  12. 　前記範囲決定部は、
    　前記閾値に基づき定められる範囲について、確率を範囲の幅で割った値である確率密度に応じて定常でない範囲の非定常度合いを決定する請求項７に記載の定常範囲決定システム。
  13. 　前記範囲決定部は、
    　前記閾値に基づき定められる範囲について、前記定常範囲からの範囲の離れ度合いに応じて定常でない範囲の非定常度合いを決定する請求項１または請求項２に記載の定常範囲決定システム。
  14. 　多値信号を含む稼働データにおける多値信号の定常範囲を決定する定常範囲決定システムに用いられる定常範囲決定方法において、
    　コンピュータが、前記稼働データに含まれる多値信号に１つ以上の閾値を設定し、前記閾値を用いて前記多値信号を１つ以上の２値信号に変換し、
    　コンピュータが、前記稼働データの定常時の信号値を予測する予測モデルに、変換された２値信号を入力し、前記変換された２値信号の予測値を変換２値信号予測値として算出し、
    　コンピュータが、前記変換２値信号予測値と前記閾値とに基づいて、前記稼働データに含まれる多値信号の信号値が前記閾値に基づき定められる範囲に存在する確率を算出し、前記確率に基づいて前記稼働データに含まれる多値信号の定常範囲を決定する定常範囲決定方法。
  15. 　多値信号を含む稼働データにおける多値信号の定常範囲を決定する定常範囲決定システムに用いられる定常範囲決定プログラムにおいて、
    　前記稼働データに含まれる多値信号に１つ以上の閾値を設定し、前記閾値を用いて前記多値信号を１つ以上の２値信号に変換する変換処理と、
    　前記稼働データの定常時の信号値を予測する予測モデルに、前記変換処理により変換された２値信号を入力し、前記変換処理により変換された２値信号の予測値を変換２値信号予測値として算出する予測処理と、
    　前記変換２値信号予測値と前記閾値とに基づいて、前記稼働データに含まれる多値信号の信号値が前記閾値に基づき定められる範囲に存在する確率を算出し、前記確率に基づいて前記稼働データに含まれる多値信号の定常範囲を決定する範囲決定処理と
    をコンピュータに実行させる定常範囲決定プログラム。
PCT/JP2021/027357 2021-07-21 2021-07-21 定常範囲決定システム、定常範囲決定方法、および、定常範囲決定プログラム WO2023002614A1 (ja)

Priority Applications (7)

Application Number Priority Date Filing Date Title
JP2023534415A JP7353539B2 (ja) 2021-07-21 2021-07-21 定常範囲決定システム、定常範囲決定方法、および、定常範囲決定プログラム
PCT/JP2021/027357 WO2023002614A1 (ja) 2021-07-21 2021-07-21 定常範囲決定システム、定常範囲決定方法、および、定常範囲決定プログラム
KR1020247001132A KR20240011247A (ko) 2021-07-21 2021-07-21 정상 범위 결정 시스템, 정상 범위 결정 방법, 및, 기억 매체에 저장된 정상 범위 결정 프로그램
DE112021007666.3T DE112021007666T5 (de) 2021-07-21 2021-07-21 System zur bestimmung eines stabilen bereichs, verfahren zur bestimmung eines stabilen bereichs und programm zur bestimmung eines stabilen bereichs
CN202180100547.7A CN117651957A (zh) 2021-07-21 2021-07-21 稳定范围决定系统、稳定范围决定方法以及稳定范围决定程序
TW110142181A TW202305532A (zh) 2021-07-21 2021-11-12 常態範圍決定系統、常態範圍決定方法以及常態範圍決定程式產品
US18/524,446 US20240095559A1 (en) 2021-07-21 2023-11-30 Steady range determination system, steady range determination method, and computer readable medium

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2021/027357 WO2023002614A1 (ja) 2021-07-21 2021-07-21 定常範囲決定システム、定常範囲決定方法、および、定常範囲決定プログラム

Related Child Applications (1)

Application Number Title Priority Date Filing Date
US18/524,446 Continuation US20240095559A1 (en) 2021-07-21 2023-11-30 Steady range determination system, steady range determination method, and computer readable medium

Publications (1)

Publication Number Publication Date
WO2023002614A1 true WO2023002614A1 (ja) 2023-01-26

Family

ID=84979065

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2021/027357 WO2023002614A1 (ja) 2021-07-21 2021-07-21 定常範囲決定システム、定常範囲決定方法、および、定常範囲決定プログラム

Country Status (7)

Country Link
US (1) US20240095559A1 (ja)
JP (1) JP7353539B2 (ja)
KR (1) KR20240011247A (ja)
CN (1) CN117651957A (ja)
DE (1) DE112021007666T5 (ja)
TW (1) TW202305532A (ja)
WO (1) WO2023002614A1 (ja)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2018160093A (ja) * 2017-03-23 2018-10-11 株式会社日立製作所 異常検知システムおよび異常検知方法
WO2019003404A1 (ja) * 2017-06-30 2019-01-03 三菱電機株式会社 非定常検出装置、非定常検出システム、および非定常検出方法
WO2019180801A1 (ja) * 2018-03-20 2019-09-26 三菱電機株式会社 表示装置、表示システム、および表示画面生成方法
WO2020049615A1 (ja) * 2018-09-03 2020-03-12 三菱電機株式会社 信号表示制御装置および信号表示制御プログラム

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2018160093A (ja) * 2017-03-23 2018-10-11 株式会社日立製作所 異常検知システムおよび異常検知方法
WO2019003404A1 (ja) * 2017-06-30 2019-01-03 三菱電機株式会社 非定常検出装置、非定常検出システム、および非定常検出方法
WO2019180801A1 (ja) * 2018-03-20 2019-09-26 三菱電機株式会社 表示装置、表示システム、および表示画面生成方法
WO2020049615A1 (ja) * 2018-09-03 2020-03-12 三菱電機株式会社 信号表示制御装置および信号表示制御プログラム

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
AOKI, MASAAKI: "A-10-13 Anomaly Detection Method for Input-Output Signals Including Digital and Analog Signals", PROCEEDINGS OF THE 64TH ANNUAL CONFERENCE OF THE INSTITUTE OF ELECTRONICS, CONTROL AND INFORMATION ENGINEERS (IEICE); ONLINE; SEPTEMBER 15-18, 2020, IEICE, JP, vol. 64, 22 May 2020 (2020-05-22) - 18 September 2020 (2020-09-18), JP, pages 290 - 293, XP009543048 *

Also Published As

Publication number Publication date
DE112021007666T5 (de) 2024-04-04
KR20240011247A (ko) 2024-01-25
US20240095559A1 (en) 2024-03-21
CN117651957A (zh) 2024-03-05
JP7353539B2 (ja) 2023-09-29
TW202305532A (zh) 2023-02-01
JPWO2023002614A1 (ja) 2023-01-26

Similar Documents

Publication Publication Date Title
US11501163B2 (en) Abnormality detection device, abnormality detection method, and storage medium
US8549478B2 (en) Graphical user interface input element identification
US20200259725A1 (en) Methods and systems for online monitoring using a variable data
JPWO2016147656A1 (ja) 情報処理装置、情報処理方法、及び、記録媒体
JP5936240B2 (ja) データ処理装置、データ処理方法、およびプログラム
JP2015170121A (ja) 異常診断装置及びプログラム
CN107203676B (zh) 用以提升集成电路设计的时序性能的方法及数据处理系统
JP2010218492A (ja) 障害診断システム、障害診断装置および障害診断方法
EP3910437B1 (en) Monitoring apparatus, monitoring method, and computer-readable medium
JP7188979B2 (ja) 異常検知装置、異常検知方法および異常検知プログラム
JP2007102506A (ja) 故障診断システム、画像形成装置及び故障診断方法
WO2023002614A1 (ja) 定常範囲決定システム、定常範囲決定方法、および、定常範囲決定プログラム
CN111126566B (zh) 基于gan模型的异常家具布局数据检测方法
JP5969734B2 (ja) 分散モデル同定
WO2018142694A1 (ja) 特徴量生成装置、特徴量生成方法及びプログラム
JP6627258B2 (ja) システムモデル生成支援装置、システムモデル生成支援方法、及び、プログラム
JP2020173547A (ja) 画像検査システム、画像検査装置及び画像検査プログラム
WO2024042636A1 (ja) 処理装置、処理方法およびプログラム
JP2020119216A (ja) 情報処理プログラム、情報処理方法、および情報処理装置
WO2023112167A1 (ja) 要因分析装置、要因分析方法及び要因分析プログラム
JP6678843B1 (ja) 異常部分検知装置、異常部分検知方法及びプログラム
JP2008287514A (ja) 設計分析装置
JP7258253B1 (ja) 正常モデル生成プログラム、正常モデル生成装置および正常モデル生成方法
JP6147269B2 (ja) コンピュータによるコンポーネントの動作状態の検出
EP4152115A1 (en) Monitoring apparatus, method, and program

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: 21950964

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2023534415

Country of ref document: JP

Kind code of ref document: A

ENP Entry into the national phase

Ref document number: 20247001132

Country of ref document: KR

Kind code of ref document: A

WWE Wipo information: entry into national phase

Ref document number: 112021007666

Country of ref document: DE

Ref document number: 1020247001132

Country of ref document: KR

WWE Wipo information: entry into national phase

Ref document number: 202180100547.7

Country of ref document: CN