WO2023189022A1 - 診断装置、診断方法、及び診断プログラム - Google Patents

診断装置、診断方法、及び診断プログラム Download PDF

Info

Publication number
WO2023189022A1
WO2023189022A1 PCT/JP2023/006266 JP2023006266W WO2023189022A1 WO 2023189022 A1 WO2023189022 A1 WO 2023189022A1 JP 2023006266 W JP2023006266 W JP 2023006266W WO 2023189022 A1 WO2023189022 A1 WO 2023189022A1
Authority
WO
WIPO (PCT)
Prior art keywords
equipment
state
measurement data
individual
state quantity
Prior art date
Application number
PCT/JP2023/006266
Other languages
English (en)
French (fr)
Inventor
浩司 河野
章洋 松木
勇貴 熊埜御堂
俊二 清原
Original Assignee
三菱ケミカルエンジニアリング株式会社
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 三菱ケミカルエンジニアリング株式会社 filed Critical 三菱ケミカルエンジニアリング株式会社
Publication of WO2023189022A1 publication Critical patent/WO2023189022A1/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 invention relates to a diagnostic device, a diagnostic method, and a diagnostic program.
  • Manufacturing equipment, power generation equipment, and other types of equipment that manufacture various products such as pharmaceuticals, chemical products, and foods are basically processes in which various process values such as raw material temperature and flow rate meet predetermined target values. control is in place.
  • state changes can occur due to various causes such as the quality of input raw materials and changes in equipment.
  • Such state changes may appear noticeably in the form of changes in process values, or may appear not in the form of changes in process values but in the form of changes in sound or temperature. For example, even if there is a change in the condition of equipment such as equipment malfunction or wear and tear of regularly replaced parts, if process control is performed normally, there will often be no change in process values. .
  • an object of the present invention is to make it possible to easily detect not only state changes associated with changes in process values but also unusual changes in the state of equipment.
  • the present invention provides individual past state quantities, which are various state quantities of equipment, calculated by processing past measurement data of sensors, and individual past state quantities, which are calculated by processing new measurement data.
  • the present invention is a diagnostic device for diagnosing the state of equipment, which includes a storage unit that stores measurement data from sensors provided in each part of the equipment, and a processing unit that diagnoses the state of the equipment from the measurement data.
  • the processing unit reads the measurement data of the sensor from the storage unit
  • the processing unit reads individual past state quantities, which are various state quantities of the equipment calculated by processing past measurement data of the sensor, and new measurement data.
  • a first process that derives individual new state quantities that are various state quantities of the equipment calculated by processing data, and a comprehensive past state that is the overall state quantity of the equipment that combines various individual past state quantities.
  • the state quantity is a value that is effective for diagnosing the equipment, and includes, for example, a value related to the sound emitted by the equipment, a value related to the temperature of the equipment, and various other values.
  • the diagnostic device it is possible to diagnose equipment not only using individual state quantities such as the acoustic state, but also using the overall state quantity of the equipment, which is a combination of various state quantities. can. Therefore, even if a change in the state of the equipment occurs that cannot be detected only by changes in individual state quantities, this can be detected by a change in the overall state quantity.
  • the processing unit may execute a third process of notifying a change in the state of the equipment when the total new state quantity does not match the total past state quantity in the second process.
  • a third process of notifying a change in the state of the equipment when the total new state quantity does not match the total past state quantity in the second process.
  • the measurement data includes process values in process control and measurement values regarding the state of the equipment itself, and in the first process, process values and measurement values are treated as separate types, so that The individual past state quantities and the individual new state quantities may be derived separately based on process values and measured values. According to this, it becomes possible to detect a change in the state of the equipment with higher accuracy.
  • the present invention can also be understood from the aspect of a method or a program.
  • the present invention provides a diagnosis method for diagnosing the state of equipment, and when a computer reads sensor measurement data from a storage unit that stores measurement data of sensors installed in each part of the equipment, Deriving individual past state quantities, which are various state quantities of the equipment calculated by processing measurement data, and individual new state quantities, which are various state quantities of the equipment, calculated by processing new measurement data.
  • the first process a total past state quantity that is the total state quantity of the equipment that is a combination of various individual past state quantities, and a comprehensive new state quantity that is the total state quantity of the equipment that is a combination of various individual new state quantities. and a second process for deriving .
  • diagnostic device diagnostic method, and diagnostic program, it is possible to easily detect not only state changes associated with changes in process values, but also unusual changes in the state of equipment.
  • FIG. 1 is a diagram showing an example of the hardware configuration of a diagnostic device according to an embodiment.
  • FIG. 2 is a diagram showing an example of a processing flow realized by the diagnostic device.
  • FIG. 3 is a diagram showing a data set in case 1.
  • FIG. 4 is a diagram visually representing the individual state quantities in Case 1 using a two-dimensional map.
  • FIG. 5 is a diagram visually representing the overall state quantity in case 1 using a two-dimensional map.
  • FIG. 6 is a diagram showing changes in comprehensive state quantities over time in case 1.
  • FIG. 7 is a diagram showing changes in the total state quantity in case 1.
  • FIG. 8 is a diagram showing changes in the data set when an inexperienced state occurs in case 1.
  • FIG. 9 is a diagram showing a data set in case 2.
  • FIG. 10 is a diagram visually representing the individual state quantities in case 2 using a two-dimensional map.
  • FIG. 11 is a diagram visually representing the overall state quantity in case 2 using a two-dimensional map.
  • FIG. 12 is a diagram showing changes in the total state quantity in case 2.
  • FIG. 13 is a diagram showing changes in the data set when an inexperienced state occurs in case 2.
  • FIG. 1 is a diagram showing an example of the hardware configuration of a diagnostic device according to an embodiment.
  • the diagnostic device 1 is an electronic computer having a CPU 11, a memory 12, a storage 13, and a communication interface 14, and executes a computer program read from the storage 13 and expanded into the memory 12. This executes various processes that will be described later.
  • the diagnostic device 1 diagnoses manufacturing equipment that manufactures various products such as pharmaceuticals, chemical products, and foods, power generation equipment, and other various equipment. If the equipment to be diagnosed performs process control, the diagnostic device 1 processes measurement data related to process values obtained from sensors of the equipment, measurement data of sensors attached to the equipment for diagnosis, etc. Diagnose the equipment concerned. Furthermore, if the equipment to be diagnosed does not perform process control, the diagnostic device 1 diagnoses the equipment by processing measurement data from a sensor attached to the equipment for diagnosis. Examples of sensors attached for diagnosis include vibration sensors, temperature sensors, acoustic sensors, thermo cameras, near-infrared sensors, and other various sensors.
  • FIG. 2 is a diagram showing an example of a processing flow realized by the diagnostic device 2. As shown in FIG. In the diagnostic device 2, the CPU 11 executes a computer program to realize a series of processing flows from step S101 to step S103 shown in FIG.
  • the CPU 11 reads out the measurement data stored in the storage 13, and preprocesses the data as necessary (S101).
  • Pre-processing of data includes, for example, performing processing such as Fourier transformation, low-pass filtering, and inverse Fourier transformation on vibration data that includes minute vibration waveforms. Then, in the diagnostic device 1, a process of creating a map representing the individual state quantities (S102) and a process of creating a map representing the overall state quantity (S103) are performed.
  • the individual past state quantity (individual state quantity), which is the state quantity of the equipment calculated by processing the past measurement data obtained by the sensor individually for each type of sensor, and the new measurement
  • An individual new state quantity (individual state quantity), which is a state quantity of the equipment calculated by processing data individually for each sensor type, is derived.
  • the total past state quantity (total state quantity) is the total state quantity of the equipment that is a combination of individual past state quantities, and the total state quantity of the equipment that is a combination of individual new state quantities.
  • a certain total new state quantity (total state quantity) is derived.
  • step S102 and step S103 details of the processing in step S102 and step S103 will be explained using specific examples of several cases.
  • FIG. 3 is a diagram showing a data set in case 1.
  • the variables making up the data set include, for example, process values themselves such as temperature, flow rate, and pressure, and values representing types of conditions such as acoustics, equipment, and temperature distribution. These variables constituting the data set are arranged in chronological order at appropriate predetermined time intervals (lot units), for example, as shown in FIG. Therefore, as for process values, for example, as shown in FIG. 3, the state in which various elements such as temperature, flow rate, and pressure change from moment to moment is expressed as numerical data.
  • the values (state quantities) representing the types of equipment states for example, as shown in Figure 3, numerical values represent how individual state quantities representing the states of various elements such as acoustics and equipment change from moment to moment. Represented as data.
  • measurement data may be incorporated into the data set as is, representative values such as the average value or maximum value of measurement data over a predetermined time interval may be incorporated into the data set, or the above-mentioned values may be incorporated into the data set. Values converted through various preprocessing in step S101 may be incorporated into the data set.
  • step S102 for example, measurement data related to the sound emitted by the equipment, data related to the operating state of the equipment, measurement data related to the temperature distribution on the equipment surface, etc.
  • Data analysis is performed for each type of each of several elements, and the states of each element are grouped at predetermined time intervals. Specifically, the state quantity is specified by the following processing.
  • measurement data related to the state of equipment is standardized and converted into intermediate variables. Specifically, the diagnostic device 1 calculates based on Equation 1.
  • a correlation coefficient matrix for intermediate variables is created, and eigenvalues and eigenvectors of the correlation coefficient matrix are derived.
  • the first principal component PC1 is expressed as shown in Equation 2.
  • the Nth principal component PCn is expressed as shown in Equation 3.
  • a correlation coefficient matrix is formed by using coefficients a11, a12, a13, . . . as elements in the first row, and coefficients an1, an2, an3, . . . as elements in the n-th row.
  • the contribution rate of each principal component is determined from the eigenvalues of the correlation coefficient matrix.
  • the contribution rate of the principal component is obtained by dividing the eigenvalue by the sum of the eigenvalues.
  • the first principal component, second principal component, . . . Nth principal component are determined in descending order of the eigenvalue.
  • the diagnostic device 1 determines the values of the first principal component PC1, the second principal component PC2, etc. based on the intermediate variables x1, x2, x3 of each lot and each coefficient of the correlation coefficient matrix, i.e. , calculate the principal component scores.
  • Cluster analysis is a method of classifying data to be analyzed (clusters) into a plurality of groups by focusing on similarity, and hierarchical clustering, classification optimization clustering, etc. are known.
  • the "similarity” that the cluster analysis focuses on in this embodiment refers to the distance between the principal component scores of each lot.
  • agglomerative hierarchical clustering which is one type of hierarchical clustering, is used.
  • Ward's method as a method for calculating distances between clusters, we used Ward's method, which can provide stable solutions.
  • the "Ward method” selects a cluster that minimizes the amount of increase in the sum of squared deviations when two clusters are merged. For example, when cluster C is generated by merging clusters A and B, the sums of squared deviations Sa, Sb, and Sc in clusters A, B, and C are expressed as shown in Equations 4 to 6, respectively.
  • ⁇ Sab in Equation 7 means the increment of the sum of squared deviations when cluster C is generated by merging clusters A and B. Therefore, clustering is proceeded by selecting and merging clusters such that ⁇ Sab is minimized at each merging step. Then, each measurement data is divided into an appropriate number of groups.
  • FIG. 4 is a diagram visually representing the individual state quantities in Case 1 using a two-dimensional map.
  • step S103 the process of step S103 described above is performed on the data set created through the above process. That is, in step S102 described above, data analysis was performed for each type of element, and state quantities were identified for each element at predetermined time intervals, but in step S103, these elements are Analyze the data in the integrated state and further identify the overall state quantity of the equipment.
  • FIG. 5 is a diagram visually representing the overall state quantity in case 1 using a two-dimensional map.
  • FIG. 6 is a diagram showing changes over time in the comprehensive state quantities in case 1.
  • FIG. 7 is a diagram showing changes in the total state quantity in case 1.
  • several elements such as temperature distribution and sound emitted by equipment belong to different systems such as temperature and sound that cannot be treated in common with each other, so it is thought that they should not be treated in the same data set. It's natural.
  • changes in the status of equipment can also affect each other between different systems. Therefore, in this embodiment, the process of step S103 as described above is performed, and the comprehensive state quantity is used for diagnosis of the equipment.
  • the total state quantity is displayed in a two-dimensional diagram as shown in Figure 7. The occurrence of the unexperienced state appears visually.
  • the user of the diagnostic device 1 is able to grasp the occurrence of an unexperienced state in the equipment to be diagnosed by the notification through the screen display of the diagnostic device 1.
  • the user of the diagnostic device 1 can identify the cause of a change in the state of the equipment to some extent by checking the individual state quantities as necessary.
  • FIG. 8 is a diagram showing changes in the data set when an inexperienced state occurs in case 1.
  • the example shown in FIG. 8 illustrates a case where the state quantity indicating the acoustic state, which is normally "1", has become “2". It is difficult to determine whether or not this is a previously unexperienced state by simply monitoring the state quantities of the elements related to the state of the equipment.
  • diagnosis can be performed using a comprehensive state quantity that integrates each element related to the state of the equipment, so that an inexperienced state that has not been experienced in the past occurs in the equipment. This makes it possible to easily detect that the
  • FIG. 9 is a diagram showing a data set in case 2.
  • the variables constituting the data set include, for example, values (individual state quantities) representing the types of states of acoustics, equipment, temperature distribution, and the like. These variables constituting the data set are arranged in chronological order at appropriate predetermined time intervals (in lot units), as in case 1 above. Therefore, in terms of the types of states constituting the data set, for example, as shown in FIG. 3, how the individual state quantities change from moment to moment is expressed as numerical data.
  • the individual state quantities constituting the data set are, for example, measured data related to the sound emitted by the equipment, data related to the operating state of the equipment, temperature distribution on the equipment surface, etc. Data analysis is performed for each type of several elements, such as measurement data related to, and individual state quantities are identified for each element at predetermined time intervals.
  • FIG. 10 is a diagram visually representing the individual state quantities in case 2 using a two-dimensional map.
  • step S103 the process of step S103 described above is performed on the data set created through the above processes. That is, data analysis is performed with the elements integrated, and the overall state quantity of the equipment is further specified.
  • FIG. 11 is a diagram visually representing the overall state quantity in case 2 using a two-dimensional map.
  • step S103 By performing the process of step S103, as shown in FIG. 11, it becomes possible to quantitatively represent the overall state that integrates each element related to the state of the equipment as a state quantity. Note that since FIG. 11 shows an example in which the overall state is classified into six groups, the group number of the overall state quantity is expressed in six levels from 1 to 6.
  • FIG. 12 is a diagram showing changes in the total state quantity in case 2.
  • Case 2 as in Case 1, for example, when an inexperienced state that has not been experienced in the past occurs in the equipment to be diagnosed, the total state quantity is calculated as shown in Fig. 12. The occurrence of the inexperienced state appears visually in the two-dimensional diagram. Therefore, the user of the diagnostic device 1 can understand that an unexperienced state is occurring in the equipment to be diagnosed. The user of the diagnostic device 1 can identify the cause of a change in the state of the equipment to some extent by checking the individual state quantities as necessary.
  • FIG. 13 is a diagram showing changes in the data set when an inexperienced state occurs in case 2.
  • the example shown in FIG. 13 illustrates a case where the state quantity indicating the acoustic state, which is normally "1", has become “2". It is difficult to determine whether or not this is a previously unexperienced state by simply monitoring the state quantities of the elements related to the state of the equipment.
  • diagnosis can be performed using a comprehensive state quantity that integrates each element related to the state of the equipment. It becomes possible to easily detect that this is occurring in the equipment.
  • the individual state quantities were represented by three or more types of state quantities (10 types in Case 1, 6 types in Case 2), but they are not limited to these forms. .
  • the individual state quantity may be of two types, 1 (applicable) and 0 (not applicable), for example. Even if the individual state quantity is composed of two types of values, based on this, the overall state quantity can be specified in the same way as in Case 1 and Case 2 above, and the occurrence of an unexperienced state can be detected. I can do it.
  • the data set processed in step S103 may include not the process value itself but a state quantity representing the process value.
  • the diagnostic device 1 is not limited to the above embodiment.
  • the diagnostic device 1 may be configured to execute part or all of the processing on the cloud.
  • the above cases and modifications may be combined.
  • Computer-readable recording medium A program that causes a computer or other machine or device (hereinafter referred to as a computer or the like) to realize any of the above functions can be recorded on a computer-readable recording medium. Then, by causing a computer or the like to read and execute the program on this recording medium, the function can be provided.
  • a computer-readable recording medium is a recording medium that stores information such as data and programs through electrical, magnetic, optical, mechanical, or chemical action and can be read by a computer, etc. means.
  • these recording media those that can be removed from computers etc. include flexible disks, magneto-optical disks, CD-ROMs, CD-R/Ws, DVDs, Blu-ray discs (Blu-ray is a registered trademark), DAT, and 8mm tapes. , memory cards such as flash memory, etc.
  • hard disks, ROMs (read only memories), and the like as recording media fixed in computers and the like.

Landscapes

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

Abstract

本発明は、プロセス値の変化に伴う状態変化だけでなく通常ではない設備の状態変化を容易に捉えることを可能にすることを解決課題とする。本発明は、設備の状態を診断する診断装置であって、設備の各部に設けられたセンサーの計測データが記憶される記憶部と、計測データから設備の状態を診断する処理部と、を備え、処理部は、記憶部からセンサーの計測データを読み出すと、センサーの過去の計測データを処理することによって算出される設備の各種状態量である個別過去状態量と、新たな計測データを処理することによって算出される設備の各種状態量である個別新状態量とを導出する第１の処理と、各種の個別過去状態量を組み合わせた設備の総合の状態量である総合過去状態量と、各種の個別新状態量を組み合わせた設備の総合の状態量である総合新状態量と、を導出する第２の処理と、を実行する。

Description

診断装置、診断方法、及び診断プログラム
　本発明は、診断装置、診断方法、及び診断プログラムに関する。
　近年、設備の状態を診断するための様々な技術が開発されている（例えば、特許文献１を参照）。
特許６８０１１３１号公報
　医薬品、化学製品、食品等の各種製品を製造する製造設備、発電設備、その他各種の設備においては、基本的に、原材料の温度や流量といった各種のプロセス値が所定の目標値となるようなプロセス制御が行われている。このような設備では、投入する原材料の品質や機器の変調といった様々な原因に起因する状態変化が生じ得る。このような状態変化は、プロセス値の変化という形で顕著に現れる場合もあれば、プロセス値の変化という形では現れずに音や温度の変化という形で現れる場合もある。例えば、機器の不調や定期交換部品の損耗といった設備の状態変化が生じている場合であっても、プロセス制御が正常に行われていれば、プロセス値には何らの変化も現れないことが多い。
　また、設備の状態変化は、外気温や原材料の温度変化によっても生じ得る。よって、プロセス値に何らの影響も及ぼしていないような設備の状態変化は、通常の変化であるのか否かの判別が難しい。したがって、設備を取り扱う現場においては、プロセス制御における制御量が普段に比べて少々異なるような場合であっても、それが通常の変化であるのか否かが不明なまま運転を継続せざるを得ないのが実情である。
　そこで、本発明は、プロセス値の変化に伴う状態変化だけでなく通常ではない設備の状態変化を容易に捉えることを可能にすることを解決課題とする。
　上記課題を解決するため、本発明では、センサーの過去の計測データを処理することによって算出される設備の各種状態量である個別過去状態量と、新たな計測データを処理することによって算出される設備の各種状態量である個別新状態量とを導出する第１の処理と、各種の個別過去状態量を組み合わせた設備の総合の状態量である総合過去状態量と、各種の個別新状態量を組み合わせた設備の総合の状態量である総合新状態量と、を導出することにした。
　詳細には、本発明は、設備の状態を診断する診断装置であって、設備の各部に設けられたセンサーの計測データが記憶される記憶部と、計測データから設備の状態を診断する処理部と、を備え、処理部は、記憶部からセンサーの計測データを読み出すと、センサーの過去の計測データを処理することによって算出される設備の各種状態量である個別過去状態量と、新たな計測データを処理することによって算出される設備の各種状態量である個別新状態量とを導出する第１の処理と、各種の個別過去状態量を組み合わせた設備の総合の状態量である総合過去状態量と、各種の個別新状態量を組み合わせた設備の総合の状態量である総合新状態量と、を導出する第２の処理と、を実行する。
　ここで、状態量とは、設備の診断に有効な値であり、例えば、設備が発する音響に関する値、設備の温度に関する値、その他各種の値が挙げられる。
　上記の診断装置であれば、設備の診断を、例えば、音響の状態といった個別の状態量を使って行うのみならず、各種の状態量を組み合わせた設備の総合の状態量を使って行うことができる。よって、個別の状態量の変化だけでは捉えることができない設備の状態変化が生じたであっても、これを総合の状態量の変化により検知することが可能となる。
　なお、処理部は、第２の処理において総合新状態量が総合過去状態量と一致しない場合に、設備の状態変化を報知する第３の処理を実行してもよい。このような報知が診断装置で行われると、設備の状態変化をより容易に検知することが可能となる。
　また、計測データには、プロセス制御におけるプロセス値、及び、設備自体の状態に関する計測値が含まれており、第１の処理では、プロセス値と計測値とが別々の種類として取り扱われることにより、個別過去状態量と個別新状態量がプロセス値に基づくものと計測値に基づくものと別々に導出されてもよい。これによれば、設備の状態変化をより精度よく検知することが可能となる。
　また、本発明は、方法又はプログラムの側面から捉えることもできる。例えば、本発明は、設備の状態を診断する診断方法であって、コンピュータが、設備の各部に設けられたセンサーの計測データを記憶する記憶部からセンサーの計測データを読み出すと、センサーの過去の計測データを処理することによって算出される設備の各種状態量である個別過去状態量と、新たな計測データを処理することによって算出される設備の各種状態量である個別新状態量とを導出する第１の処理と、各種の個別過去状態量を組み合わせた設備の総合の状態量である総合過去状態量と、各種の個別新状態量を組み合わせた設備の総合の状態量である総合新状態量と、を導出する第２の処理と、を実行する、診断方法であってもよい。
　上記の診断装置、診断方法、及び診断プログラムであれば、プロセス値の変化に伴う状態変化だけでなく通常ではない設備の状態変化を容易に捉えることが可能となる。
図１は、実施形態に係る診断装置のハードウェア構成の一例を示した図である。 図２は、診断装置で実現される処理フローの一例を示した図である。 図３は、ケース１におけるデータセットを示した図である。 図４は、ケース１における個別の状態量を二次元のマップで視覚的に表した図である。 図５は、ケース１における総合の状態量を二次元のマップで視覚的に表した図である。 図６は、ケース１における総合上の状態量の経時変化を表した図である。 図７は、ケース１における総合状態量の変化を表した図である。 図８は、ケース１における未経験状態が発生した際のデータセットの変化を表した図である。 図９は、ケース２におけるデータセットを示した図である。 図１０は、ケース２における個別の状態量を二次元のマップで視覚的に表した図である。 図１１は、ケース２における総合の状態量を二次元のマップで視覚的に表した図である。 図１２は、ケース２における総合状態量の変化を表した図である。 図１３は、ケース２における未経験状態が発生した際のデータセットの変化を表した図である。
　以下、実施形態について説明する。以下に示す実施形態は、単なる例示であり、本開示の技術的範囲を以下の態様に限定するものではない。
＜ハードウェア構成＞
　図１は、実施形態に係る診断装置のハードウェア構成の一例を示した図である。診断装置１は、図１に示されるように、ＣＰＵ１１、メモリ１２、ストレージ１３、通信インターフェース１４を有する電子計算機であり、ストレージ１３から読み出されてメモリ１２に展開されたコンピュータプログラムを実行することにより、後述する各種の処理を実行する。
　診断装置１は、医薬品、化学製品、食品等の各種製品を製造する製造設備、発電設備、その他各種の設備の診断を行う。診断装置１は、診断対象の設備がプロセス制御を行うものであれば、当該設備のセンサーから得られるプロセス値に関する計測データや、当該設備に診断用に取り付けたセンサーの計測データ等を処理して当該設備の診断を行う。また、診断装置１は、診断対象の設備がプロセス制御を行わないものであれば、当該設備に診断用に取り付けたセンサーの計測データ等を処理して当該設備の診断を行う。診断用に取り付けるセンサーとしては、例えば、振動センサー、温度センサー、音響センサー、サーモカメラ、近赤外線センサー、その他各種のものが挙げられる。
　診断装置２では、ＣＰＵ１１がコンピュータプログラムを実行することにより、以下の処理が実現される。図２は、診断装置２で実現される処理フローの一例を示した図である。診断装置２では、ＣＰＵ１１がコンピュータプログラムを実行することにより、図２に示すステップＳ１０１からステップＳ１０３までの一連の処理フローが実現される。
　すなわち、診断装置２では、ストレージ１３に格納された計測データをＣＰＵ１１が読み出し、必要に応じてデータの前処理が行われる（Ｓ１０１）。データの前処理とは、例えば、微細な振動の波形が含まれる振動データについて、フーリエ変換やローパスフィルタ、逆フーリエ変換等の処理を行うこと等が挙げられる。そして、診断装置１では、個別の状態量を表すマップを作成する処理（Ｓ１０２）、及び、総合の状態量を表すマップを作成する処理（Ｓ１０３）が行われる。
　ステップＳ１０２における処理では、センサーによって得られる過去の計測データをセンサーの種類別等で個別に処理することによって算出される設備の状態量である個別過去状態量（個別状態量）と、新たな計測データをセンサーの種類別等で個別に処理することによって算出される設備の状態量である個別新状態量（個別状態量）とを導出する。また、ステップＳ１０３における処理では、個別過去状態量同士を組み合わせた設備の総合の状態量である総合過去状態量（総合状態量）と、個別新状態量同士を組み合わせた設備の総合の状態量である総合新状態量（総合状態量）とを導出する。過去の計測データに基づく個別過去状態量及び総合過去状態量の算出と、新たな計測データに基づく個別新状態量及び総合新状態量の算出は、明確に区別して別々に算出されるものではない。特定のタイミングで個別状態量及び総合状態量の算出が行われた後に、設備の稼働によって新たな計測データが加わった場合に、過去の計測データと新たな計測データを一纏めにして個別状態量及び総合状態量の算出を行えば、それは実質的に、過去の計測データに基づく個別過去状態量及び総合過去状態量の算出と、新たな計測データに基づく個別新状態量及び総合新状態量の算出とを行った状態になる。
　以下、ステップＳ１０２とステップＳ１０３の処理の詳細について、幾つかのケースの具体例を使って説明する。
＜ケース１＞
　図３は、ケース１におけるデータセットを示した図である。図３に示すように、データセットを構成する変数としては、例えば、温度、流量、圧力等のプロセス値そのもの、及び、音響、設備、温度分布等の状態の種類を表す値が挙げられる。データセットを構成するこれらの変数は、例えば、図３に示すように、適当な所定時間間隔（ロット単位）で時系列に整理される。よって、プロセス値については、例えば、図３に示されるように、温度や流量、圧力といった各種の要素が時々刻々と変化する様子が数値データとして表される。また、設備の状態の種類を表す値（状態量）については、例えば、図３に示されるように、音響や設備といった各種の要素の状態を表す個別状態量が時々刻々と変化する様子が数値データとして表される。
　データセットを構成するプロセス値については、計測データをそのままデータセットに組み込んでもよいし、所定時間間隔における計測データの平均値或いは最大値といった代表値をデータセットに組み込んでもよいし、或いは、上記のステップＳ１０１における各種の前処理を経て変換した値をデータセットに組み込んでもよい。
　データセットを構成する個別状態量については、上記のステップＳ１０２において、例えば、設備が発する音響に関係する計測データや、設備の作動状態に関係するデータ、設備表面の温度分布に関係する計測データといった幾つかの要素のそれぞれについて種類毎にデータ解析を行い、各要素について所定時間間隔毎に状態のグループ分けを行う。具体的には、以下のような処理により、状態量の特定を行う。
　すなわち、設備の状態に関係する計測データを標準化して中間変数に変換する。具体的には、数式１に基づいて診断装置１が演算する。
　次に、上記で求めた中間変数に基づいてベクトル化を行う。ここでは、まず、中間変数における相関係数行列を作成し、相関係数行列の固有値と固有ベクトルを導出する。相関係数行列は、中間変数がｘ１、ｘ２、ｘ３・・のときに、第１主成分ＰＣ１は、数式２で示すように表される。また、第Ｎ主成分ＰＣｎは、数式３で示すように表される。そして、係数ａ１１、ａ１２、ａ１３・・を１行目の要素、係数ａｎ１、ａｎ２、ａｎ３・・をｎ行目の要素に用いることにより、相関係数行列が形成される。

　次に、相関係数行列の固有ベクトルから主成分得点を求める。また、相関係数行列の固有値から各主成分の寄与率を求める。主成分の寄与率は、固有値を固有値の総和で割ることで得られる。ここで、固有値の大きい方から、第１主成分、第２主成分・・第Ｎ主成分を決定する。
　具体的には、診断装置１が、各ロットの中間変数ｘ１、ｘ２、ｘ３と相関係数行列の各係数とに基づいて、第１主成分ＰＣ１、第２主成分ＰＣ２・・の値、即ち、主成分得点を算出する。
　次に、診断装置１は、主成分得点にクラスター分析を適用して、各計測データを複数のグループに区分する。「クラスター分析」とは、解析対象データ（クラスター）を類似性に着目して複数のグループに分類する方法であり、階層的クラスタリングや分類最適化クラスタリング等が知られている。本実施形態におけるクラスター分析が着目する「類似性」とは、各ロットの主成分得点同士の距離をいう。本実施形態では、階層的クラスタリングの一つである凝集型階層的クラスタリングを用いた。また、クラスター間の距離算出方法として、安定して解を得られるウォード法を用いた。「ウォード法」とは、２つのクラスターを併合した際の偏差平方和の増加量が最小になるクラスターを選択するものである。例えば、クラスターＡ、Ｂを併合してクラスターＣを生成する場合、クラスターＡ、Ｂ、Ｃ内の偏差平方和Ｓａ、Ｓｂ、Ｓｃは、それぞれ数式４～６のように表される。


　数式４～６により、クラスターＣ内の偏差平方和Ｓｃは、以下のようになる。
　数式７のΔＳａｂは、クラスターＡ、Ｂを併合してクラスターＣを生成した際の偏差平方和の増分であることを意味する。したがって、各併合段階でΔＳａｂが最小になるようにクラスターを選択して併合することにより、クラスタリングを進めていく。そして、各計測データを適当なグループ数の各グループに区分する。
　上記のような方法により、音響、設備、温度分布といった各種の設備の状態に関する状態量が特定され、データセットに組み込まれる。図４は、ケース１における個別の状態量を二次元のマップで視覚的に表した図である。ステップＳ１０２の処理が行われることにより、音響、設備、温度分布等といった設備そのものの状態に関する状態を、温度、流量、圧力等のプロセス値と同様に状態量として定量的に表すことが可能になる。
　以上のような処理を経て作成されたデータセットに対し、次に、上述したステップＳ１０３の処理を行う。すなわち、上記のステップＳ１０２においては、幾つかの要素の種類毎にデータ解析を行い、各要素について所定時間間隔毎に状態量の特定を行ったが、本ステップＳ１０３においては、これらの要素同士を統合した状態でデータ解析を行い、設備の総合の状態量の特定を更に行う。
　より詳細には、図３に示すデータセットにおける各列に示される計測データ及び個別状態量全体について、上述したステップＳ１０２における状態量の特定と同様、数式１に基づく中間変数への変換や、中間変数に基づくベクトル化、主成分得点の算出、クラスタリング等を行い、各要素を統合した総合の状態量の特定をデータセットの各行について行う。図５は、ケース１における総合の状態量を二次元のマップで視覚的に表した図である。また、図６は、ケース１における総合上の状態量の経時変化を表した図である。ステップＳ１０３の処理が行われることにより、図６に示されるように、設備の状態に関係する各要素を統合した総合の状態を状態量として定量的に表すことが可能になる。なお、図５及び図６では、総合の状態を１０グループに分類した例を示しているため、総合の状態量のグループＮｏが１から１０までの１０段階で表されている。そして、図６においては、総合の状態量のグループＮｏが時間経過と共に変化していく様子が表されている。
　以上のような処理が、過去の計測データ、及び、新たな計測データについて行われることにより、設備に何らかの状態変化が生じると、過去の計測データに基づく総合状態量と、新たな計測データに基づく総合状態量との間で以下のような差異が出現する。
　図７は、ケース１における総合状態量の変化を表した図である。通常、設備が発する温度の分布や音響といった幾つかの要素は、何れも温度や音といった互いに共通では取り扱い得ない異なる系に属するものであるから、同一のデータセットで取り扱うべきでないと考えるのが自然である。しかし、設備の状態変化は、異なる系間で相互に影響し合うこともあり得る。そこで、本実施形態においては、上述したようなステップＳ１０３の処理を行い、総合状態量を設備の診断に用いる。これにより、例えば、診断対象の設備において過去に経験したことの無い未経験状態の発生が新たなに発生したような場合、図７に示されるように、総合状態量を２次元で表した図に当該未経験状態の発生が視覚的に現れる。したがって、診断装置１の利用者は、診断装置１の画面表示を通じた報知により、診断対象の設備において未経験状態が発生していることを把握することが可能になる。そして、診断装置１の利用者は、必要に応じて個別の状態量を確認することにより、設備の状態変化の原因をある程度特定することが可能となる。
　図８は、ケース１における未経験状態が発生した際のデータセットの変化を表した図である。図８に示す例では、音響状態を示す状態量が普段は「１」であったところが「２」となっている場合を例示している。設備の状態に関係する要素の状態量を個別に監視するだけでは、これが過去に未経験の状態であるのか否かを判別することは難しい。しかし、本実施形態の診断装置１であれば、設備の状態に関係する各要素を統合した総合状態量を使って診断を行うことができるため、過去に経験の無い未経験状態が設備に発生していることを容易に検出することが可能となる。
＜ケース２＞
　上記のケース１では、プロセス値と個別状態量を組み合わせたデータセットを用いた場合を例に説明したが、上記実施形態は、このようなデータセットに適用する場合に限定されるものではない。上記実施形態は、例えば、個別状態量のみで構成したデータセットに適用してもよい。図９は、ケース２におけるデータセットを示した図である。本ケース２では、図９に示すように、データセットを構成する変数として、例えば、音響、設備、温度分布等のそれぞれについての状態の種類を表す値（個別状態量）が挙げられる。データセットを構成するこれらの変数は、上記のケース１と同様、適当な所定時間間隔（ロット単位）で時系列に整理される。よって、データセットを構成する状態の種類においては、例えば、図３に示されるように、個別状態量が時々刻々と変化する様子が数値データとして表される。
　データセットを構成する個別状態量については、ケース１でも説明したように、ステップＳ１０２において、例えば、設備が発する音響に関係する計測データや、設備の作動状態に関係するデータ、設備表面の温度分布に関係する計測データといった幾つかの要素の種類毎にデータ解析を行い、各要素について所定時間間隔毎に個別状態量が特定される。図１０は、ケース２における個別の状態量を二次元のマップで視覚的に表した図である。ステップＳ１０２の処理が行われることにより、音響、設備、温度分布等といった設備そのものの状態に関する状態を、個別状態量として定量的に表すことが可能になる。
　以上のような処理を経て作成されたデータセットに対し、次に、ケース１と同様、上述したステップＳ１０３の処理を行う。すなわち、要素同士を統合した状態でデータ解析を行い、設備の総合の状態量の特定を更に行う。
　より詳細には、図９に示すデータセットにおける各列に示される個別状態量全体について、上述したステップＳ１０２における状態量の特定と同様、数式１に基づく中間変数への変換や、中間変数に基づくベクトル化、主成分得点の算出、クラスタリング等を行い、各要素を統合した総合の状態量の特定をデータセットの各行について行う。図１１は、ケース２における総合の状態量を二次元のマップで視覚的に表した図である。ステップＳ１０３の処理が行われることにより、図１１に示されるように、設備の状態に関係する各要素を統合した総合の状態を状態量として定量的に表すことが可能になる。なお、図１１では、総合の状態を６グループに分類した例を示しているため、総合の状態量のグループＮｏが１から６までの６段階で表されている。
　以上のような処理が、過去の計測データ、及び、新たな計測データについて行われることにより、設備に何らかの状態変化が生じると、過去の計測データに基づく総合状態量と、新たな計測データに基づく総合状態量との間で以下のような差異が出現する。
　図１２は、ケース２における総合状態量の変化を表した図である。ケース２においても、ケース１と同様、例えば、診断対象の設備において過去に経験したことの無い未経験状態の発生が新たなに発生したような場合、図１２に示されるように、総合状態量を２次元で表した図に当該未経験状態の発生が視覚的に現れる。したがって、診断装置１の利用者は、診断対象の設備において未経験状態が発生していることを把握することが可能になる。そして、診断装置１の利用者は、必要に応じて個別の状態量を確認することにより、設備の状態変化の原因をある程度特定することが可能となる。
　図１３は、ケース２における未経験状態が発生した際のデータセットの変化を表した図である。図１３に示す例では、音響状態を示す状態量が普段は「１」であったところが「２」となっている場合を例示している。設備の状態に関係する要素の状態量を個別に監視するだけでは、これが過去に未経験の状態であるのか否かを判別することは難しい。しかし、本実施形態の診断装置１であれば、ケース１と同様、設備の状態に関係する各要素を統合した総合状態量を使って診断を行うことができるため、過去に経験の無い未経験状態が設備に発生していることを容易に検出することが可能となる。
＜その他のケース＞
　上記のケース１やケース２においては、個別状態量を３種類以上の状態量（ケース１では１０種、ケース２では６種）で表していたが、このような形態に限定されるものではない。個別状態量は、例えば、１（該当）と０（非該当）の２種類であってもよい。個別状態量が２種類の値で構成されている場合であっても、これを基にして上記のケース１やケース２と同様に総合状態量を特定し、未経験状態発生の検知等を行うことができる。また、ステップＳ１０３で処理するデータセットは、プロセス値そのものではなく、プロセス値を状態量で表したものを含んでいてもよい。
　また、上記のケース１やケース２においては、未経験状態の検出原因として音響状態の状態量が過去と異なる場合を例に説明していたが、音響状態以外の状態量が過去と異なる場合や、或いは、プロセス値が過去と異なる場合においても、同様に未経験状態として検出可能である。例えば、設備に投入される原材料の品質の変化や、外気温の変化等に起因する原材料の物性の変化等があったような場合、プロセス制御が正常に機能していない場合、プロセス制御が行われていないといった場合には、プロセス値が過去と異なる状態になり得る。上記実施形態では、プロセス値にこのような変化が生じた場合においても総合状態量が変化するので、未経験状態の発生を捉えることが可能である。
＜変形例＞
　なお、診断装置１は、上記の形態に限定されるものではない。診断装置１は、例えば、処理の一部又は全部をクラウド上で実行する形態であってもよい。また、上記の各ケース同士や変形例を組み合わせてもよい。
＜コンピュータが読み取り可能な記録媒体＞
　コンピュータその他の機械、装置（以下、コンピュータ等）に上記いずれかの機能を実現させるプログラムをコンピュータ等が読み取り可能な記録媒体に記録することができる。そして、コンピュータ等に、この記録媒体のプログラムを読み込ませて実行させることにより、その機能を提供させることができる。
　ここで、コンピュータ等が読み取り可能な記録媒体とは、データやプログラム等の情報を電気的、磁気的、光学的、機械的、または化学的作用によって蓄積し、コンピュータ等から読み取ることができる記録媒体をいう。このような記録媒体のうちコンピュータ等から取り外し可能なものとしては、例えばフレキシブルディスク、光磁気ディスク、ＣＤ－ＲＯＭ、ＣＤ－Ｒ／Ｗ、ＤＶＤ、ブルーレイディスク（ブルーレイは登録商標）、ＤＡＴ、８ｍｍテープ、フラッシュメモリなどのメモリカード等がある。また、コンピュータ等に固定された記録媒体としてハードディスクやＲＯＭ（リードオンリーメモリ）等がある。
１・・診断装置
１１・・ＣＰＵ
１２・・メモリ
１３・・ストレージ
１４・・通信インターフェース 

Claims (5)

  1. 　設備の状態を診断する診断装置であって、
    　前記設備の各部に設けられたセンサーの計測データが記憶される記憶部と、
    　前記計測データから前記設備の状態を診断する処理部と、を備え、
    　前記処理部は、前記記憶部から前記センサーの計測データを読み出すと、
    　　前記センサーの過去の計測データを処理することによって算出される前記設備の各種状態量である個別過去状態量と、新たな計測データを処理することによって算出される前記設備の各種状態量である個別新状態量とを導出する第１の処理と、
    　　各種の前記個別過去状態量を組み合わせた前記設備の総合の状態量である総合過去状態量と、各種の前記個別新状態量を組み合わせた前記設備の総合の状態量である総合新状態量と、を導出する第２の処理と、を実行する、
    　診断装置。
  2. 　前記処理部は、前記第２の処理において前記総合新状態量が前記総合過去状態量と一致しない場合に、前記設備の状態変化を報知する第３の処理を実行する、
    　請求項１に記載の診断装置。
  3. 　前記計測データには、プロセス制御におけるプロセス値、及び、前記設備自体の状態に関する計測値が含まれており、
    　前記第１の処理では、前記プロセス値と前記計測値とが別々の種類として取り扱われることにより、前記個別過去状態量と前記個別新状態量が前記プロセス値に基づくものと前記計測値に基づくものと別々に導出される、
    　請求項１又は２に記載の診断装置。
  4. 　設備の状態を診断する診断方法であって、
    　コンピュータが、前記設備の各部に設けられたセンサーの計測データを記憶する記憶部から前記センサーの計測データを読み出すと、
    　　前記センサーの過去の計測データを処理することによって算出される前記設備の各種状態量である個別過去状態量と、新たな計測データを処理することによって算出される前記設備の各種状態量である個別新状態量とを導出する第１の処理と、
    　　各種の前記個別過去状態量を組み合わせた前記設備の総合の状態量である総合過去状態量と、各種の前記個別新状態量を組み合わせた前記設備の総合の状態量である総合新状態量と、を導出する第２の処理と、を実行する、
    　診断方法。
  5. 　設備の状態を診断する診断プログラムであって、
    　コンピュータに、前記設備の各部に設けられたセンサーの計測データを記憶する記憶部から前記センサーの計測データを読み出すと、
    　　前記センサーの過去の計測データを処理することによって算出される前記設備の各種状態量である個別過去状態量と、新たな計測データを処理することによって算出される前記設備の各種状態量である個別新状態量とを導出する第１の処理と、
    　　各種の前記個別過去状態量を組み合わせた前記設備の総合の状態量である総合過去状態量と、各種の前記個別新状態量を組み合わせた前記設備の総合の状態量である総合新状態量と、を導出する第２の処理と、を実行させる、
    　診断プログラム。
PCT/JP2023/006266 2022-03-29 2023-02-21 診断装置、診断方法、及び診断プログラム WO2023189022A1 (ja)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2022-053597 2022-03-29
JP2022053597 2022-03-29

Publications (1)

Publication Number Publication Date
WO2023189022A1 true WO2023189022A1 (ja) 2023-10-05

Family

ID=88200478

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2023/006266 WO2023189022A1 (ja) 2022-03-29 2023-02-21 診断装置、診断方法、及び診断プログラム

Country Status (1)

Country Link
WO (1) WO2023189022A1 (ja)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2000099130A (ja) * 1998-09-24 2000-04-07 Ffc:Kk プラント状態総合診断装置
JP2003167623A (ja) * 2001-11-30 2003-06-13 Toshiba Corp 振動監視装置と方法、およびそのためのプログラム
JP2004252875A (ja) * 2003-02-21 2004-09-09 Mitsubishi Electric Corp プラント監視方式およびプラント監視装置
JP2016018526A (ja) * 2014-07-11 2016-02-01 株式会社荏原製作所 故障診断システム及び故障診断方法
JP2016206784A (ja) * 2015-04-17 2016-12-08 株式会社Ihi データ分析装置及びデータ分析方法
WO2020090770A1 (ja) * 2018-10-30 2020-05-07 国立研究開発法人宇宙航空研究開発機構 異常検出装置、異常検出方法、およびプログラム

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2000099130A (ja) * 1998-09-24 2000-04-07 Ffc:Kk プラント状態総合診断装置
JP2003167623A (ja) * 2001-11-30 2003-06-13 Toshiba Corp 振動監視装置と方法、およびそのためのプログラム
JP2004252875A (ja) * 2003-02-21 2004-09-09 Mitsubishi Electric Corp プラント監視方式およびプラント監視装置
JP2016018526A (ja) * 2014-07-11 2016-02-01 株式会社荏原製作所 故障診断システム及び故障診断方法
JP2016206784A (ja) * 2015-04-17 2016-12-08 株式会社Ihi データ分析装置及びデータ分析方法
WO2020090770A1 (ja) * 2018-10-30 2020-05-07 国立研究開発法人宇宙航空研究開発機構 異常検出装置、異常検出方法、およびプログラム

Similar Documents

Publication Publication Date Title
Stender et al. Deep learning for brake squeal: Brake noise detection, characterization and prediction
TWI632443B (zh) 異常資料的重要度判定裝置以及異常資料的重要度判定方法
CN108228377B (zh) 一种面向磁盘故障检测的smart阈值优化方法
US8682824B2 (en) Method and device for monitoring the state of a facility
JP5538597B2 (ja) 異常検知方法及び異常検知システム
JP5301310B2 (ja) 異常検知方法及び異常検知システム
JP5284503B2 (ja) 予測的状態監視のための診断システムおよび方法
CN102265227B (zh) 用于在机器状况监视中创建状态估计模型的方法和设备
JP2015172945A (ja) 設備状態監視方法およびその装置
KR102501883B1 (ko) 기계 학습 기반의 설비 이상 분류 시스템 및 방법
KR102501884B1 (ko) 기계 학습 기반의 설비 이상 진단 시스템 및 방법
JP6521096B2 (ja) 表示方法、表示装置、および、プログラム
US11740592B2 (en) Control method, control apparatus, mechanical equipment, and recording medium
JP6489235B2 (ja) システム分析方法、システム分析装置、および、プログラム
JP4723544B2 (ja) 基板分類方法および装置、基板分類方法をコンピュータに実行させるためのプログラム、並びに上記プログラムを記録したコンピュータ読み取り可能な記録媒体
JP6898607B2 (ja) 異常予兆検出システムおよび異常予兆検出方法
WO2023189022A1 (ja) 診断装置、診断方法、及び診断プログラム
JP6845703B2 (ja) プラント状況情報提示システム及びプラント状況情報提示方法
JP6904331B2 (ja) 要因分析装置、要因分析方法、およびプログラム
WO2019073512A1 (ja) システム分析方法、システム分析装置、および、プログラム
JP6640765B2 (ja) 状態分析装置、状態分析方法及び状態分析プログラム
TWI735010B (zh) 資訊處理裝置、電腦可讀取記錄媒體、程式產品及資訊處理方法
JP6951202B2 (ja) データ分類装置
WO2020183781A1 (ja) 異常診断装置
JP2007226639A (ja) 多変量データ判別装置

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: 23779052

Country of ref document: EP

Kind code of ref document: A1

WWE Wipo information: entry into national phase

Ref document number: 2024511448

Country of ref document: JP