CN112262353A - 异常解析装置、制造***、异常解析方法以及程序 - Google Patents

异常解析装置、制造***、异常解析方法以及程序 Download PDF

Info

Publication number
CN112262353A
CN112262353A CN201980038823.4A CN201980038823A CN112262353A CN 112262353 A CN112262353 A CN 112262353A CN 201980038823 A CN201980038823 A CN 201980038823A CN 112262353 A CN112262353 A CN 112262353A
Authority
CN
China
Prior art keywords
abnormality
degree
individual
overall
manufacturing
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201980038823.4A
Other languages
English (en)
Inventor
天野博史
厚田鸣海
浜田规照
多鹿阳介
川口信贵
樋口裕一
清水太一
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Panasonic Intellectual Property Management Co Ltd
Original Assignee
Panasonic Intellectual Property Management Co Ltd
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 Panasonic Intellectual Property Management Co Ltd filed Critical Panasonic Intellectual Property Management Co Ltd
Publication of CN112262353A publication Critical patent/CN112262353A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • 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
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M99/00—Subject matter not provided for in other groups of this subclass
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
    • G05B19/4185—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by the network communication
    • 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
    • G05B23/0275—Fault isolation and identification, e.g. classify fault; estimate cause or root of failure
    • G05B23/0281—Quantitative, e.g. mathematical distance; Clustering; Neural networks; Statistical analysis
    • 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
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L63/00—Network architectures or network communication protocols for network security
    • H04L63/14—Network architectures or network communication protocols for network security for detecting or protecting against malicious traffic
    • H04L63/1408—Network architectures or network communication protocols for network security for detecting or protecting against malicious traffic by monitoring network traffic
    • H04L63/1425—Traffic logging, e.g. anomaly detection
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/31—From computer integrated manufacturing till monitoring
    • G05B2219/31244—Safety, reconnect network automatically if broken
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L63/00—Network architectures or network communication protocols for network security
    • H04L63/14—Network architectures or network communication protocols for network security for detecting or protecting against malicious traffic
    • H04L63/1433—Vulnerability analysis
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]

Landscapes

  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • General Engineering & Computer Science (AREA)
  • Manufacturing & Machinery (AREA)
  • Quality & Reliability (AREA)
  • Business, Economics & Management (AREA)
  • Computer Security & Cryptography (AREA)
  • Mathematical Analysis (AREA)
  • Human Computer Interaction (AREA)
  • Pure & Applied Mathematics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Mathematical Physics (AREA)
  • Mathematical Optimization (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Algebra (AREA)
  • Human Resources & Organizations (AREA)
  • Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Marketing (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Strategic Management (AREA)
  • Primary Health Care (AREA)
  • General Factory Administration (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Testing And Monitoring For Control Systems (AREA)
  • Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)

Abstract

本公开的一个方式的异常解析装置(100)是对通过多个构成要素进行动作来制造制造物的制造***(10)的异常进行解析的异常解析装置，其具备：整体信息获取部(110)，其获取表示制造***(10)的整体的特征量的整体信息；整体异常度计算部(140)，其通过对整体信息进行统计处理，来计算制造***(10)的整体的异常度即整体异常度；个体信息获取部(120)，其获取表示多个构成要素各自的特征量的个体信息；个体异常度计算部(160)，其通过对个体信息进行统计处理，来计算多个构成要素各自的异常度即个体异常度；以及判定部(150)，其判定整体异常度是否超过阈值，其中，在由判定部(150)判定为整体异常度超过了阈值的情况下，个体异常度计算部(160)计算个体异常度。

Description

异常解析装置、制造***、异常解析方法以及程序
技术领域
本公开涉及一种异常解析装置、异常解析方法以及制造***。
背景技术
近年来，在工厂等制造现场进行多个制造装置间的通信。因此，要求提高通信的安全性。
例如，在专利文献1中公开了一种用于检测不正当访问的通信的解析装置。专利文献1所记载的解析装置针对在多个信息处理装置间进行的不正当访问提取多个序列候选，基于能够根据第二通信历史记录恢复的事务的正常性，来计算表示各序列候选是不正当访问的准确度的评价值，该第二通信历史记录去除了与提取出的各序列候选相对应的第一通信历史记录。
现有技术文献
专利文献
专利文献1：日本特开2011-253355号公报
发明内容
发明要解决的问题
然而，在制造***中利用了上述现有的解析装置的情况下，有时无法高精度地检测不正当访问。例如，在序列候选中存在多个不正当访问的情况下，即使提取出作为不正当访问的序列候选，除了所提取出的该序列候选以外，还存在相当于不正当访问的序列候选。因此，能够根据第二通信历史记录恢复的事务变得不正常。因而，无法判定所提取出的序列候选是否为不正当访问。
因此，本公开提供一种能够以少的运算量高精度地检测制造***的异常的异常解析装置、异常解析方法以及制造***。
用于解决问题的方案
为了解决上述课题，本公开的一个方式所涉及的异常解析装置对通过多个构成要素进行动作来制造制造物的制造***的异常进行解析，所述异常解析装置具备：整体信息获取部，其获取表示所述制造***的整体的特征量的整体信息；整体异常度计算部，其通过对所述整体信息进行统计处理，来计算所述制造***的整体的异常度即整体异常度；个体信息获取部，其获取表示所述多个构成要素各自的特征量的个体信息；个体异常度计算部，其通过对所述个体信息进行统计处理，来计算所述多个构成要素各自的异常度即个体异常度；以及判定部，其判定所述整体异常度是否超过阈值，其中，在由所述判定部判定为所述整体异常度超过了所述阈值的情况下，所述个体异常度计算部计算所述个体异常度。
另外，本公开的一个方式所涉及的制造***是通过多个构成要素进行动作来制造制造物的制造***，具备上述异常解析装置。
另外，本公开的一个方式所涉及的异常解析方法用于对通过多个构成要素进行动作来制造制造物的制造***的异常进行解析，所述异常解析方法包括以下步骤：获取表示所述制造***的整体的特征量的整体信息；通过对所述整体信息进行统计处理，来计算所述制造***的整体的异常度即整体异常度；获取表示所述多个构成要素各自的特征量的个体信息；通过对所述个体信息进行统计处理，来计算所述多个构成要素各自的异常度即个体异常度；以及判定所述整体异常度是否超过阈值，其中，在所述个体异常度的计算中，在判定为所述整体异常度超过了所述阈值的情况下，计算所述个体异常度。
另外，本公开的一个方式能够作为一种用于使计算机执行上述异常解析方法的程序来实现。或者，也能够作为一种存储有该程序的计算机可读记录介质来实现。
发明的效果
根据本公开，能够以少的运算量高精度地检测制造***的异常。
附图说明
图1是示出实施方式所涉及的制造***的结构的框图。
图2是示出实施方式所涉及的异常解析装置的结构的框图。
图3是示出实施方式所涉及的异常解析装置进行的异常解析处理的流程图。
图4是示出实施方式所涉及的异常解析装置计算出的整体异常度以及个体异常度的一例的图。
图5是示出实施方式所涉及的异常解析装置进行的用于决定发生了异常的制造装置的处理的具体例的图。
图6是示出实施方式所涉及的异常解析装置进行的用于决定发生了异常的通信的处理的具体例的图。
具体实施方式
(本公开的概要)
如上所述，在工厂等制造现场，通过多个制造装置相互进行通信来相互协作地制造出制造物。因此，在该通信受到来自外部的恶意攻击等的情况下，有可能引起对各制造装置的负荷的增加或制造装置的故障等，因此制造物的生产率有可能降低。因而，要求提高经由制造***的内部网络的通信的安全性。例如，要求采取防止对内部网络的不正当访问等对策。
具体地说，考虑在进入内部网络的入口处导入防火墙的对策。由此，能够抑制来自外部的恶意的连接。然而，例如在防火墙处发现了安全上的威胁、即脆弱性的情况下，无法应对进行该脆弱性的应对之前的攻击(所谓的零日攻击)。
另外，即使在防火墙正常地发挥功能的情况下，也无法防止由制造装置的操作者或管理者等人为因素引起的来自内部的不正当操作。例如，在已感染了病毒的计算机设备或存储器设备连接于内部网络的情况下，无论操作者有无恶意，感染都会在各制造装置中扩大。
这样，应对进入内部网络的入口处的不正当访问的处理并不是万全的。
另外，考虑以下对策：通过对多个制造装置分别导入安全软件，来针对每个制造装置探测不正当的处理。然而，由于制造装置是多种多样的，因此未必能够对所有的制造装置导入安全软件。在哪怕存在一台没有采取对策的制造装置的情况下，也有可能被进行经由该制造装置的不正当访问等。
如上所述，难以提高针对制造***的通信安全性，在制造***内发生了异常的情况下，期望高精度地检测异常。
因此，为了解决上述课题，本发明的一个方式所涉及的异常解析装置对通过多个构成要素进行动作来制造制造物的制造***的异常进行解析，所述异常解析装置具备：整体信息获取部，其获取表示所述制造***的整体的特征量的整体信息；整体异常度计算部，其通过对所述整体信息进行统计处理，来计算所述制造***的整体的异常度即整体异常度；个体信息获取部，其获取表示所述多个构成要素各自的特征量的个体信息；个体异常度计算部，其通过对所述个体信息进行统计处理，来计算所述多个构成要素各自的异常度即个体异常度；以及判定部，其判定所述整体异常度是否超过阈值，其中，在由所述判定部判定为所述整体异常度超过了所述阈值的情况下，所述个体异常度计算部计算所述个体异常度。
由此，在判定为整体异常度超过了阈值的情况下计算个体异常度，因此例如在没有判定为整体异常度超过了阈值的情况下，也可以不计算个体异常度，能够减少运算量。另外，在判定为整体异常度超过了阈值的情况下，计算多个构成要素各自的个体异常度，因此能够容易地决定多个构成要素中的异常构成要素。即使在存在多个异常构成要素的情况下，由于计算多个构成要素各自的个体异常度，因此也能够决定多个异常构成要素。这样，根据本方式，能够以少的运算量高精度地检测制造***的异常。
另外，例如也可以是，本公开的一个方式所涉及的异常解析装置还具备决定部，所述决定部将与由所述个体异常度计算部计算出的多个个体异常度中的最大的个体异常度相对应的构成要素决定为异常构成要素。
难以准确地确定每个构成要素的阈值，且难以高精度地判定各构成要素是否异常。与此相对地，在本方式中，由于进行多个个体异常度的相对比较，因此不需要用于针对多个构成要素的各个构成要素判定是否异常的阈值。在本方式中，由于整体异常度超过了阈值，因此可知多个构成要素中的至少一个构成要素是异常构成要素。在此基础上，将多个构成要素中的与最大的个体异常度相对应的构成要素决定为异常构成要素，因此能够高精度地决定异常构成要素。另外，不需要确保用于存储阈值的存储器区域，能够有效地利用存储器资源。
另外，例如，也可以是，在判定为所述整体异常度超过了所述阈值的情况下，所述整体异常度计算部还通过对从所述整体信息中去除了所述异常构成要素的特征量后的部分信息进行统计处理，来计算从所述制造***中去除了所述异常构成要素后的部分***的异常度即部分异常度，所述判定部还判定所述部分异常度是否超过所述阈值，所述决定部还在判定为所述部分异常度超过了所述阈值的情况下，将与从所述多个个体异常度中去除了同所述异常构成要素相对应的个体异常度后剩余的个体异常度中的最大的个体异常度相对应的构成要素决定为所述异常构成要素。
由此，不需要阈值等，能够容易地决定两个异常构成要素。
另外，例如也可以是，所述整体异常度计算部以及所述决定部重复进行所述部分异常度的计算以及所述异常构成要素的决定，直到不被所述判定部判定为所述部分异常度超过所述阈值为止。
由此，能够容易地决定多个构成要素中包括的所有异常构成要素。
另外，例如也可以是，本发明的一个方式所涉及的异常解析装置还具备输出部，该输出部输出用于确定所述异常构成要素的信息。
由此，能够利用所输出的信息容易地确定异常构成要素。因此，例如能够迅速地进行异常构成要素的修理以及更换等维护作业，因此能够缩短维护所需的期间，并能够提高生产效率。
另外，例如也可以是，所述整体异常度计算部针对每个规定期间计算所述整体异常度，所述判定部判定每个所述规定期间的所述整体异常度是否超过所述阈值，所述个体异常度计算部仅计算被所述判定部判定为所述整体异常度超过了所述阈值的期间的所述个体异常度，而不计算没有被所述判定部判定为所述整体异常度超过了所述阈值的期间的所述个体异常度。
由此，不计算没有被判定为整体异常度超过了阈值的期间的个体异常度，因此能够充分减少运算量。
另外，例如也可以是，所述制造***具备：用于制造所述制造物的一个以上的制造装置；以及控制装置，其与所述一个以上的制造装置进行通信，来控制所述一个以上的制造装置，其中，所述多个构成要素中的一个构成要素是所述一个以上的制造装置中的一个制造装置与所述控制装置之间的通信。
由此，能够高精度地检测不正当访问等通信的异常。
另外，例如也可以是，所述制造***具备用于制造所述制造物的一个以上的制造装置，所述多个构成要素的至少一个构成要素是所述一个以上的制造装置。
由此，能够高精度地检测故障等制造装置的异常。
另外，例如，本公开的一个方式所涉及的制造***是通过多个构成要素进行动作来制造制造物的制造***，具备上述异常解析装置。
由此，与上述异常解析装置同样地，能够以少的运算量高精度地检测异常，因此能够迅速地进行对检测出的异常的维护等。因而，能够实现生产率高的制造***。
另外，例如，本公开的一个方式所涉及的异常解析方法用于对通过多个构成要素进行动作来制造制造物的制造***的异常进行解析，所述异常解析方法包括以下步骤：获取表示所述制造***的整体的特征量的整体信息；通过对所述整体信息进行统计处理，来计算所述制造***的整体的异常度即整体异常度；获取表示所述多个构成要素各自的特征量的个体信息；通过对所述个体信息进行统计处理，来计算所述多个构成要素各自的异常度即个体异常度；以及判定所述整体异常度是否超过阈值，其中，在所述个体异常度的计算中，在判定为所述整体异常度超过了所述阈值的情况下，计算所述个体异常度。另外，例如，本公开的一个方式所涉及的程序是用于使计算机执行上述异常解析方法的程序。
由此，与上述异常解析装置同样地，能够以少的运算量高精度地检测制造***的异常。
以下，参照附图来具体地说明实施方式。
此外，以下说明的实施方式均表示总括性或具体的例子。以下的实施方式中示出的数值、形状、材料、构成要素、构成要素的配置位置及连接方式、步骤以及步骤的顺序等是一例，而并非用于限定本公开。另外，以下实施方式的构成要素中的在独立权利要求中没有记载的构成要素作为任意的构成要素来进行说明。
另外，各图是示意图，并不一定严格地进行了图示。因而，例如在各图中比例尺等未必一致。另外，在各图中，对实质上相同的结构标注相同的附图标记，省略或简化重复的说明。
(实施方式)
首先，使用图1来说明实施方式所涉及的制造***的概要。图1是示出本实施方式所涉及的制造***10的结构的框图。
如图1所示，制造***10具备控制装置20、制造装置30、32及34以及异常解析装置100。控制装置20与制造装置30、32及34各制造装置以能够经由网络通信的方式进行连接。
在本实施方式中，制造***10通过多个构成要素进行动作来制造制造物。构成要素是与制造物的制造相关联的要素，是有可能发生异常的要素。多个构成要素分别是要由异常解析装置100检测异常的检测对象。
例如，在多个构成要素中包括装置间的通信。具体地说，控制装置20与制造装置30、32及34各制造装置的通信以及制造装置30与制造装置32之间的通信等制造装置间的通信分别是制造***10的构成要素。另外，在多个构成要素中也可以包括控制装置20以及制造装置30、32及34各制造装置。此外，多个构成要素也可以是一个制造装置的内部部件(例如，吸嘴、供料器等)。
控制装置20控制制造装置30、32及34。控制装置20例如通过计算机设备等来实现。控制装置20通过存储有程序的非易失性存储器、作为用于执行程序的临时性存储区域的易失性存储器、输入输出端口、执行程序的处理器等来实现。控制装置20所具有的各功能既可以分别通过由处理器执行的软件来实现，也可以通过包括多个电路元件的电子电路等硬件来实现。
制造装置30、32及34制造制造物。例如，制造装置30、32及34沿生产线并排地配置。制造装置30、32及34例如执行用于制造一个制造物的互不相同的工序。制造装置30、32及34分别是例如部件安装机。或者，制造装置30、32及34中的至少一个也可以是基板输送装置或部件供给装置等。
此外，制造***10的结构不限于图1所示的例子。例如，在图1中示出了制造***10所具备的制造装置的个数为三台的例子，但既可以仅为一台，也可以为两台，还可以为四台以上。另外，制造***10也可以不具备控制装置20，也可以通过使多个制造装置30、32及34相互通信来协作地制造制造物。
异常解析装置100对制造***10的异常进行解析。异常解析装置100例如通过计算机设备等来实现。异常解析装置100通过存储有程序的非易失性存储器、作为用于执行程序的临时性存储区域的易失性存储器、输入输出端口、执行程序的处理器等来实现。异常解析装置100所具有的各功能既可以分别通过由处理器执行的软件来实现，也可以通过包括多个电路元件的电子电路等硬件来实现。
图2是示出本实施方式所涉及的异常解析装置100的结构的框图。如图2所示，异常解析装置100具备整体信息获取部110、个体信息获取部120、存储部130、整体异常度计算部140、判定部150、个体异常度计算部160、决定部170以及输出部180。
整体信息获取部110获取表示制造***10的整体的特征量的整体信息。整体信息相当于制造***10的整体的动作信息。具体地说，整体信息所示的特征量是在发生了故障等异常的情况下成为与正常时不同的值的物理量。特征量例如是制造***10的整体的制造时间、错误数量、生产数量以及消耗电量中的至少一个。制造***10的整体的制造时间是制造***10的整体进行了动作的时间，也就是制造***10的构成要素中的至少一个构成要素进行了动作的时间。制造***10的整体的错误数量是在制造***10的动作中发生的错误的总数。制造***10的整体的生产数量是在制造***10的动作中制造出的制造物的总数。制造***10的整体的消耗电力是在制造***10的动作中消耗的电量。
整体信息例如示出了每个规定期间的特征量。也就是说，整体信息示出了每个规定期间的制造时间、错误数量、生产数量以及消耗电力中的至少一个。规定期间是异常度的计算单位，例如是一秒等，但不限于此。
整体信息也可以是与制造***10的整体的内部网络的通信有关的信息。例如，整体信息所示的特征量是在发生了不正当访问等异常的情况下成为与正常时不同的值的物理量。特征量例如也可以是制造***10的整体的数据包数、数据包的最大尺寸以及数据包的到达间隔的最大值或平均值中的至少一个。
个体信息获取部120获取表示制造***10的多个构成要素各自的特征量的个体信息。个体信息相当于各构成要素的动作信息。具体地说，个体信息示出了与整体信息相同的特征量。例如，个体信息所示的特征量是所对应的构成要素参与的制造时间、错误数量、生产数量以及消耗电量中的至少一个。这里的构成要素是控制装置20以及制造装置30、32及34中的任一个。例如，与制造装置30相对应的个体信息针对每个规定期间示出了制造装置30进行了动作的时间(即，制造时间)、由于制造装置30进行动作而产生的错误的数量(错误数量)、通过制造装置30进行动作而制造出的制造物的个数(生产数量)以及制造装置30所消耗的电量(消耗电量)中的至少一个。或者，在构成要素是通信的情况下，个体信息所示的特征量也可以是所对应的通信的数据包数、数据包的最大尺寸以及数据包的到达间隔的最大值或平均值中的至少一个。
整体信息获取部110以及个体信息获取部120例如通过从控制装置20以及制造装置30、32及34各制造装置获取制造日志信息，来获取表示制造时间等特征量的整体信息以及个体信息。制造日志信息例如是表示时刻以及在该时刻进行的动作的信息。另外，整体信息获取部110以及个体信息获取部120例如也可以通过镜像地接收各装置间的通信，来获取表示数据包数等特征量的整体信息和个体信息。
存储部130是用于存储整体信息以及多个构成要素各自的个体信息的存储器。存储部130例如通过HDD(Hard Disk Drive：硬盘驱动器)或半导体存储器等非易失性存储元件来实现。整体信息以及多个个体信息分别与时刻信息相关联地存储在存储部130中。
整体异常度计算部140通过对整体信息进行统计处理，来计算制造***10的整体的异常度即整体异常度。具体地说，整体异常度计算部140针对每个规定期间计算整体异常度。如上所述，规定期间例如是一秒。
异常度是表示发生装置的故障以及通信的不正当访问等而无法正常地制造制造物的异常状态的程度的指数。具体地说，异常度是从表示能够正常地制造制造物的状态的正常模型偏离的偏离值。例如，异常度越高，制造物的生产效率越低，或者能量单位消耗量越高。异常度越低，制造物的生产效率越高，能量单位消耗量越低。
具体地说，整体异常度计算部140制作表示制造***10的整体的动作正常的情况的整体正常模型。例如，整体异常度计算部140通过对制造***10以正常状态进行动作的期间的特征量进行统计处理，来制作整体正常模型。整体异常度计算部140计算整体异常度，来作为从制作出的整体正常模型偏离的偏离值。整体正常模型的制作以及整体异常度的计算的算法例如是局部离群因子(LOF：Local Outlier Factor)法、支持向量机(SVM：SupportVector Machine)法或者k附近(kNN：k-Nearest Neighbor)法等。
另外，在被判定部150判定为整体异常度超过了阈值Th的情况下，整体异常度计算部140通过对从整体信息中去除了异常构成要素的特征量后的部分信息进行统计处理，来计算从制造***10中去除了异常构成要素后的部分***的异常度即部分异常度。部分信息是表示从整个制造***10中去除了异常构成要素后的部分***的整体的特征量的信息。部分异常度是部分***的整体的异常度。在本实施方式中，整体异常度计算部140重复进行部分异常度的计算，直到不被判定部150判定为部分异常度超过了阈值Th为止。
异常构成要素是制造***10的多个构成要素中的与最大的个体异常度相对应的构成要素。在被判定部150判定为整体异常度超过了阈值Th的情况下，整体异常度计算部140针对部分***制作部分正常模型，并计算部分异常度，来作为从所制作出的部分正常模型偏离的偏离值。部分异常度的计算的算法例如是与整体异常度的计算相同的算法，但也可以是不同的算法。
判定部150判定整体异常度是否超过阈值Th。具体地说，判定部150判定每个规定期间的整体异常度是否超过阈值Th。并且，在计算出部分异常度的情况下，判定部150判定部分异常度是否超过阈值Th。在此，阈值Th是在制作整体正常模型时决定的固定值，但也可以在每次制作整体正常模型或部分正常模型时进行更新。也就是说，用于整体异常度的比较的阈值Th与用于部分异常度的比较的阈值Th既可以相同的值，也可以是不同的值。
个体异常度计算部160通过对个体信息进行统计处理，来计算多个构成要素各自的异常度即个体异常度。在被判定部150判定为整体异常度超过了阈值Th的情况下，个体异常度计算部160计算个体异常度。具体地说，个体异常度计算部160仅计算被判定部150判定为整体异常度超过了阈值Th的期间的个体异常度，而不计算没有被判定部150判定为整体异常度超过了阈值Th的期间的个体异常度。
更为具体地说，个体异常度计算部160针对每个构成要素制作表示所对应的构成要素的动作正常的情况的个体正常模型。例如，个体异常度计算部160针对每个构成要素对所对应的构成要素以正常状态进行动作的期间的特征量进行统计处理，由此制作个体正常模型。个体异常度计算部160计算个体异常度，来作为从制作出的个体正常模型偏离的偏离值。个体正常模型的制作以及个体异常度的计算的算法例如是LOF法、SVM法或kNN法等。
决定部170将与由个体异常度计算部160计算出的多个个体异常度中的最大的个体异常度相对应的构成要素决定为异常构成要素。在判定为部分异常度超过了阈值Th的情况下，决定部170还将与从多个个体异常度中去除了同异常构成要素相对应的个体异常度后剩余的个体异常度中的最大的个体异常度相对应的构成要素决定为异常构成要素。即，在判定为部分异常度超过了阈值Th的情况下，决定部170整体上将个体异常度第二高的构成要素决定为第二个异常构成要素。
决定部170重复进行异常构成要素的决定，直到不被判定部150判定为部分异常度超过阈值Th为止。每当部分异常度超过阈值Th时，从成为运算对象的部分***中排除构成要素，因此在没有被排除的剩余的构成要素全部正常的情况下，部分异常度小于阈值Th。由此，能够决定整个制造***10中包括的所有异常构成要素。
输出部180输出用于确定异常构成要素的信息。输出部180例如包括显示图像的显示部、输出声音的声音输出部以及输出数据的数据输出部中的至少一个部件。显示部例如通过液晶显示装置等实现。声音输出部例如通过扬声器等实现。数据输出部例如通过进行无线通信或有线通信的通信接口等实现。数据输出部例如通过进行无线通信，来向制造***10的管理者或进行维护的人的管理服务器等外部服务器装置输出用于确定异常构成要素的信息。
在异常构成要素是装置的情况下，用于确定异常构成要素的信息例如是该装置的名称或设置位置等。另外，在异常构成要素是通信的情况下，用于确定异常构成要素的信息例如是进行了该通信的两个以上的装置的名称或设置位置等。
接着，使用图3～图6来说明由本实施方式所涉及的异常解析装置100进行的异常解析处理。
图3是示出本实施方式所涉及的异常解析装置100进行的异常解析处理的流程图。例如针对每个规定的制造单位执行图3所示的异常解析处理。制造单位例如是批次或一小时或一天等时间。或者，也可以与制造***10的制造动作相应地在实质上实时地执行异常解析处理。
此外，在异常解析装置100中，作为预处理，预先制作正常模型。具体地说，整体异常度计算部140制作制造***10的整体的正常模型(整体正常模型)。个体异常度计算部160制作多个构成要素各自的个体的正常模型(个体正常模型)。例如使用确认了制造***10及各构成要素正常地动作的数据来进行正常模型的制作。
如图3所示，首先，整体信息获取部110获取整体信息(S10)。接着，个体信息获取部120获取多个构成要素各自的个体信息(S12)。例如，整体信息获取部110以及个体信息获取部120获取成为异常的解析对象的规定的制造单位(例如一天)的整体信息以及个体信息。此外，整体信息获取部110以及个体信息获取部120也可以获取作为异常度的计算单位的规定期间(例如一秒)的整体信息以及个体信息。
另外，整体信息的获取以及个体信息的获取也可以同时进行。或者，整体信息获取部110也可以基于由个体信息获取部120获取到的多个个体信息来获取整体信息。另外，也可以在后述的步骤S16中判定为整体异常度超过了阈值Th之后、进行个体异常度的计算之前进行个体信息的获取。
接着，整体异常度计算部140基于制造***10的整体的正常模型和整体信息来计算整体异常度(S14)。具体地说，整体异常度计算部140计算规定期间的整体异常度。在计算出整体异常度之后，判定部150将计算出的整体异常度与阈值Th进行比较(S16)。
在判定为整体异常度为阈值Th以下的情况下(在S16中为“否”)，返回到步骤S14，进行下一期间的整体异常度的计算。此外，在步骤S10和S12中获取到的整体信息以及个体信息是规定期间的信息的情况下，返回到步骤S10，从下一期间的整体信息的获取起重复进行动作。
在判定为整体异常度大于阈值Th的情况下(在S16中为“是”)，个体异常度计算部160基于个体的正常模型和个体信息来计算各构成要素的个体异常度(S18)。个体异常度计算部160针对构成制造***10的所有构成要素计算所对应的个体异常度。在计算出所有的个体异常度之后，决定部170将与计算出的个体异常度中的最大的个体异常度相对应的构成要素决定为异常构成要素(S20)。
接着，整体异常度计算部140通过从整体信息中删除异常构成要素的特征量来生成部分信息。(S22)。由此，虚拟地生成从制造***10中排除了异常构成要素后的部分***。部分信息示出了部分***的整体的特征量。
进而，整体异常度计算部140制作部分***的正常模型(S24)。例如，整体异常度计算部140使用与在制作制造***10的整体的正常模型中使用的算法相同的算法，来制作部分***的正常模型。接着，整体异常度计算部140基于制作出的部分***的正常模型和部分信息来计算部分异常度(S26)。在计算出部分异常度之后，判定部150将计算出的部分异常度与阈值Th进行比较(S28)。
在判定为部分异常度大于阈值Th的情况下(在S28中为“是”)，返回到步骤S20，重复进行以下处理：异常构成要素的决定(S20)、从部分***中删除异常构成要素(S22)、部分异常度的计算(S26)以及与阈值Th的比较(S28)。重复进行这些处理，直到没有判定为部分异常度超过阈值Th为止。
在判定为部分异常度为阈值Th以下的情况下(在S28中为“否”)，输出部180将所决定的一个以上的异常构成要素作为异常的主要原因进行输出(S30)。具体地说，输出部180输出用于确定已决定的一个以上的异常构成要素的信息。之后，返回到步骤S14，重复进行上述处理。
这样，在本实施方式中，仅在判定为整体异常度大于阈值Th的情况下(在S16中为“是”)进行个体异常度的计算(S18)。
图4是示出本实施方式所涉及的异常解析装置100计算出的整体异常度以及个体异常度的一例的图。具体地说，图4的(a)示出了整体异常度的随时间变化。图4的(b)示出了三个构成要素(在此为通信A～C)各自的个体异常度的随时间变化。在图4的(a)和(b)中，横轴表示时间，纵轴表示异常度。
如上所述，在成为异常的解析对象的制造单位(例如一天)内，针对每个规定期间(例如一秒)计算整体异常度。因此，如图4的(a)所示，整体异常度的计算结果被表示为示出整体异常度的随时间变化的图表。
在图4的(a)中，在从时刻t1到时刻t2的期间，整体异常度超过了阈值Th。因此，如图4的(b)所示，仅在从时刻t1到时刻t2的期间计算个体异常度，在时刻t1之前以及时刻t2之后的期间不计算个体异常度。在从时刻t1到时刻t2的期间，针对所有通信A～通信C计算个体异常度。
这样，计算个体异常度的期间充分地变少，因此能够削减异常的解析所需的运算量。
以下，使用图5和图6对决定异常构成要素的处理的具体例进行说明。图5是示出本实施方式所涉及的异常解析装置100进行的用于决定发生了异常的制造装置的处理的具体例的图。图5示出了作为异常度的计算单位的规定期间(例如一秒)的处理。另外，示出了制造***10具备制造装置A～C来作为构成要素的例子。以下，按照图3所示的流程图来说明处理的具体流程。
如图5所示，首先，作为第一阶段，基于制造***10的整体的特征量来计算整体异常度(图3的S14)。在此，作为特征量，使用了制造时间、错误数量、生产数量以及电量。计算的结果是，计算出整体异常度为“15”。在阈值Th为“10”的情况下，由于整体异常度超过了阈值Th(在S16中为“是”)，因此计算制造装置A～C各自的个体异常度(S18)。具体地说，基于制造装置A～C各自的特征量来计算所对应的个体异常度。在此，用于计算个体异常度的特征量与用于计算整体异常度的特征量相同。计算的结果是，计算出制造装置A的个体异常度为“4”、制造装置B的个体异常度为“3”、制造装置C的个体异常度为“2”。此外，如根据该结果所明确的那样，整体异常度未必是个体异常度的合计值。
将具有计算出的三个个体异常度中的最大的个体异常度“4”的制造装置A决定为异常构成要素，从整体信息中删除制造装置A的特征量(S20、S22)。在此，并非将三个个体异常度与阈值分别进行比较，而是进行三个个体异常度之间的相对比较，来决定最大的个体异常度。
接着，作为第二阶段，制作排除了制造装置A后的部分***的正常模型(S24)，基于部分***的特征量来计算该部分***的整体的异常度即部分异常度(S26)。与在整体异常度的计算中使用的特征量同样地，部分***的特征量是制造时间、错误数量、生产数量以及电量。例如，通过从整体的制造时间中减去制造装置A进行了动作的制造时间，来计算部分***的制造时间。同样地，通过从整体的错误数量中减去在制造装置A中发生的错误数量，来计算部分***的错误数量。同样地，通过从整体的生产数量中减去制造装置A参与了制造的制造物的生产数量，来计算部分***的错误数量。通过从整体的电量中减去在制造装置A中消耗的电量，来计算部分***的电量。通过对像这样计算出的部分***的各特征量进行统计处理，来计算部分异常度。在图5所示的例子中，计算出部分异常度为“13”。由于阈值Th为“10”，因此部分异常度超过阈值Th(在S28中为“是”)。因而，将具有剩余的个体异常度中的最大的个体异常度“3”的制造装置B决定为异常构成要素，制造装置B的特征量被删除(S20、S22)。此外，即使构成要素被排除，制造装置A～C各自的个体异常度也不变化，因此不需要重新计算。
之后，重复进行部分异常度的计算以及异常构成要素的决定，直到部分异常度小于阈值Th为止。具体地说，作为第三阶段，制作排除了制造装置A和B后的部分***的正常模型(S24)，基于部分***的特征量，来计算该部分***的整体的异常度即部分异常度(S26)。在此，计算出部分异常度为“9”，小于阈值Th(在S28中为“否”)，因此不进行异常构成要素的决定。即，制造装置C未被决定为异常构成要素。
由于判定为部分异常度为阈值Th以下，因此将从整个制造***10中删除的制造装置A和B这两个装置决定为异常构成要素。
接着，使用图6来说明与图5不同的具体例。图6是示出本实施方式所涉及的异常解析装置100进行的用于决定发生了异常的通信的处理的具体例的图。图6示出了作为异常度的计算单位的规定期间(例如一秒)的处理。另外，示出了制造***10具备通信A～C来作为构成要素的例子。以下，按照图3所示的流程图来说明处理的具体流程。
如图6所示，首先基于制造***10的整体的特征量来计算整体异常度(图3的S14)。在此，作为特征量，使用数据包数、数据包的最大尺寸以及数据包到达间隔的最大值。计算的结果是，计算出整体异常度为“15”。在阈值Th为“10”的情况下，由于整体异常度超过阈值Th(在S16中为“是”)，因此计算通信A～C各自的个体异常度(S18)。具体地说，基于通信A～C各自的特征量来计算所对应的个体异常度。在此，用于计算个体异常度的特征量与用于计算整体异常度的特征量相同。计算的结果是，计算出通信A的个体异常度为“4”、通信B的个体异常度为“3”、通信C的个体异常度为“2”。
将具有计算出的三个个体异常度中的最大的个体异常度“4”的通信A决定为异常构成要素，从整体信息中删除通信A的特征量(S20、S22)。在此，并不是将三个个体异常度与阈值分别进行比较，而是进行三个个体异常度之间的相对比较，来决定最大的个体异常度。
接着，制作排除了通信A后的部分***的正常模型(S24)，基于部分***的特征量来计算该部分***整体的异常度即部分异常度(S26)。与用于计算整体异常度的特征量同样地，部分***的特征量是数据包数、数据包的最大尺寸以及数据包到达间隔的最大值。例如，通过从整体的数据包数中减去通信A的数据包数，来计算部分***的数据包数。同样地，以从整体的数据包中去除了通信A的数据包后剩余的数据包为对象，来计算部分***的数据包的最大尺寸以及到达间隔的最大值。通过对像这样计算出的部分***的各特征量进行统计处理，来计算部分异常度。在图6所示的例子中，计算出部分异常度为“9”。由于部分异常度小于阈值Th(在S28中为“否”)，因此不进行异常构成要素的决定。即，剩余的通信B和通信C均未被决定为异常构成要素。
由于判定为部分异常度为阈值Th以下，因此将从整个制造***10删除的通信A决定为异常构成要素。
如上所述，在本实施方式中，在整体异常度超过了阈值Th的情况下，由于多个构成要素中的至少一个构成要素发生了异常，因此将多个构成要素中的与最大的个体异常度相对应的构成要素决定为异常构成要素。进而，对从***中排除了异常构成要素后的部分***重复进行同样的处理，由此即使在存在多个异常构成要素的情况下，也能够决定多个异常构成要素。另外，在多个构成要素中包括的异常构成要素仅为一个的情况下，最先排除该异常构成要素，因此部分***的部分异常度比阈值Th小。由此，仅决定一个异常构成要素。
(其它实施方式)
以上，基于实施方式对一个或多个方式所涉及的异常解析装置、异常解析方法以及制造***等进行了说明，但本公开不限定于这些实施方式。只要不脱离本公开的主旨，对本实施方式实施了本领域技术人员想到的各种变形而得到的方式以及将不同的实施方式中的构成要素进行组合而构建的方式也包含在本公开的范围内。
例如，在上述实施方式中说明的装置间的通信方法没有被特别地限定。在装置间进行无线通信的情况下，无线通信的方式(通信标准)例如是ZigBee(注册商标)、Bluetooth(注册商标)或者无线LAN(Local Area Network：局域网)等近距离无线通信。或者，无线通信的方式(通信标准)也可以是经由因特网等广域通信网络的通信。另外，在装置间，也可以代替无线通信而进行有线通信。具体地说，有线通信是电力线输送通信(PLC：Power LineCommunication)或使用了有线LAN的通信等。
另外，在上述实施方式中，也可以由其它处理部执行特定的处理部所执行的处理。另外，既可以变更多个处理的顺序，或者也可以并行地执行多个处理。另外，制造***所具备的构成要素向多个装置的分配是一例。例如，一个装置所具备的构成要素也可以由其它装置具备。另外，制造***也可以实现为单个的装置。
例如，在上述实施方式中说明的处理既可以通过使用单个的装置(***)进行集中处理来实现，或者也可以通过使用多个装置进行分散处理来实现。另外，执行上述程序的处理器既可以是一个，也可以是多个。即，既可以进行集中处理，或者也可以进行分散处理。
另外，在上述实施方式中，控制部等构成要素的全部或一部分既可以由专用的硬件来构成，或者也可以通过执行适于各构成要素的软件程序来实现。也可以通过由CPU(Central Processing Unit：中央处理单元)或处理器等程序执行部读出并执行在HDD(Hard Disk Drive：硬盘驱动器)或半导体存储器等记录介质中记录的软件程序来实现各构成要素。
另外，控制部等构成要素也可以由一个或多个电子电路构成。一个或多个电子电路各自既可以是通用的电路，也可以是专用的电路。
在一个或多个电子电路中也可以包括例如半导体装置、IC(integrated circuit：集成电路)、LSI(Large Scale Integration：大规模集成电路)等。IC或LSI既可以集成在一个芯片上，也可以集成在多个芯片上。在此，称为IC或LSI，但称呼方法根据集成的程度不同而发生变化，也可能被称为***LSI、VLSI(Very Large Scale Integration：超大规模集成电路)或ULSI(Ultra Large Scale Integration：甚超大规模集成电路)。另外，在制造LSI后被编程的FPGA(Field Programmable Gate Array：现场可编程门阵列)也能够用于相同的目的。
另外，本公开的总体或具体的方式也可以通过***、装置、方法、集成电路或计算机程序来实现。或者，也可以通过存储有该计算机程序的光盘、HDD或半导体存储器等计算机能够读取的非临时性记录介质来实现。另外，也可以通过***、装置、方法、集成电路、计算机程序以及记录介质的任意组合来实现。
另外，上述各实施方式在权利要求或其等同的范围内能够进行各种变更、置换、附加、省略等。
产业上的可利用性
本公开能够利用于能够以少的运算量高精度地检测制造***的异常的异常解析装置等，例如能够利用于制造***的管理装置等。
附图标记说明
10：制造***；20：控制装置；30、32、34：制造装置；100：异常解析装置；110：整体信息获取部；120：个体信息获取部；130：存储部；140：整体异常度计算部；150：判定部；160：个体异常度计算部；170：决定部；180：输出部。

Claims (11)

1.一种异常解析装置，对通过多个构成要素进行动作来制造制造物的制造***的异常进行解析，所述异常解析装置具备：
整体信息获取部，其获取表示所述制造***的整体的特征量的整体信息；
整体异常度计算部，其通过对所述整体信息进行统计处理，来计算所述制造***的整体的异常度即整体异常度；
个体信息获取部，其获取表示所述多个构成要素各自的特征量的个体信息；
个体异常度计算部，其通过对所述个体信息进行统计处理，来计算所述多个构成要素各自的异常度即个体异常度；以及
判定部，其判定所述整体异常度是否超过阈值，
其中，在由所述判定部判定为所述整体异常度超过了所述阈值的情况下，所述个体异常度计算部计算所述个体异常度。
2.根据权利要求1所述的异常解析装置，其特征在于，
还具备决定部，所述决定部将与由所述个体异常度计算部计算出的多个个体异常度中的最大的个体异常度相对应的构成要素决定为异常构成要素。
3.根据权利要求2所述的异常解析装置，其特征在于，
在判定为所述整体异常度超过了所述阈值的情况下，所述整体异常度计算部还通过对从所述整体信息中去除了所述异常构成要素的特征量后的部分信息进行统计处理，来计算从所述制造***中去除了所述异常构成要素后的部分***的异常度即部分异常度，
所述判定部还判定所述部分异常度是否超过所述阈值，
所述决定部还在判定为所述部分异常度超过了所述阈值的情况下，将与从所述多个个体异常度中去除了同所述异常构成要素相对应的个体异常度后剩余的个体异常度中的最大的个体异常度相对应的构成要素决定为所述异常构成要素。
4.根据权利要求3所述的异常解析装置，其特征在于，
所述整体异常度计算部以及所述决定部重复进行所述部分异常度的计算以及所述异常构成要素的决定，直到不被所述判定部判定为所述部分异常度超过所述阈值为止。
5.根据权利要求2～4中的任一项所述的异常解析装置，其特征在于，
还具备输出部，所述输出部输出用于确定所述异常构成要素的信息。
6.根据权利要求1～5中的任一项所述的异常解析装置，其特征在于，
所述整体异常度计算部针对每个规定期间计算所述整体异常度，
所述判定部判定每个所述规定期间的所述整体异常度是否超过所述阈值，
所述个体异常度计算部仅计算被所述判定部判定为所述整体异常度超过了所述阈值的期间的所述个体异常度，而不计算没有被所述判定部判定为所述整体异常度超过了所述阈值的期间的所述个体异常度。
7.根据权利要求1～6中的任一项所述的异常解析装置，其特征在于，
所述制造***具备：
用于制造所述制造物的一个以上的制造装置；以及
控制装置，其与所述一个以上的制造装置进行通信，来控制所述一个以上的制造装置，
其中，所述多个构成要素中的一个构成要素是所述一个以上的制造装置中的一个制造装置与所述控制装置之间的通信。
8.根据权利要求1～6中的任一项所述的异常解析装置，其特征在于，
所述制造***具备用于制造所述制造物的一个以上的制造装置，
所述多个构成要素中的至少一个构成要素是所述一个以上的制造装置。
9.一种制造***，通过多个构成要素进行动作来制造制造物，
所述制造***具备根据权利要求1～8中的任一项所述的异常解析装置。
10.一种异常解析方法，用于对通过多个构成要素进行动作来制造制造物的制造***的异常进行解析，所述异常解析方法包括以下步骤：
获取表示所述制造***的整体的特征量的整体信息；
通过对所述整体信息进行统计处理，来计算所述制造***的整体的异常度即整体异常度；
获取表示所述多个构成要素各自的特征量的个体信息；
通过对所述个体信息进行统计处理，来计算所述多个构成要素各自的异常度即个体异常度；以及
判定所述整体异常度是否超过阈值，
其中，在所述个体异常度的计算中，在判定为所述整体异常度超过了所述阈值的情况下，计算所述个体异常度。
11.一种程序，用于使计算机执行根据权利要求10所述的异常解析方法。
CN201980038823.4A 2018-06-11 2019-06-07 异常解析装置、制造***、异常解析方法以及程序 Pending CN112262353A (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JP2018-111048 2018-06-11
JP2018111048 2018-06-11
PCT/JP2019/022667 WO2019240019A1 (ja) 2018-06-11 2019-06-07 異常解析装置、製造システム、異常解析方法及びプログラム

Publications (1)

Publication Number Publication Date
CN112262353A true CN112262353A (zh) 2021-01-22

Family

ID=68841955

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201980038823.4A Pending CN112262353A (zh) 2018-06-11 2019-06-07 异常解析装置、制造***、异常解析方法以及程序

Country Status (4)

Country Link
US (1) US11698630B2 (zh)
JP (1) JP7466197B2 (zh)
CN (1) CN112262353A (zh)
WO (1) WO2019240019A1 (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023042374A1 (ja) * 2021-09-17 2023-03-23 ファナック株式会社 閾値算出装置、及び記憶媒体
WO2023233927A1 (ja) * 2022-06-03 2023-12-07 オムロン株式会社 異常検知装置、異常検知方法およびプログラム
WO2024033971A1 (ja) * 2022-08-08 2024-02-15 三菱電機株式会社 プログラマブルコントローラ、プログラマブルコントローラシステム、アクセス情報共有方法及びプログラム

Citations (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH10283015A (ja) * 1997-04-01 1998-10-23 Mitsubishi Electric Corp プラント監視制御システム
JP2002259236A (ja) * 2001-02-28 2002-09-13 Hitachi Ltd 分散型制御システムと、かかるシステムにおける異常時データ収集方法
JP2005142467A (ja) * 2003-11-10 2005-06-02 Renesas Technology Corp 半導体デバイスの製造方法および半導体製造システム
JP2005203992A (ja) * 2004-01-14 2005-07-28 Intelligent Cosmos Research Institute ネットワーク異常検出装置、ネットワーク異常検出方法およびネットワーク異常検出プログラム
US20060167659A1 (en) * 2002-08-30 2006-07-27 Nsk Ltd. Method and device for monitoring status of mechanical equipment and abnormality diagnosing device
JP2009205388A (ja) * 2008-02-27 2009-09-10 Hitachi Ltd 分析検査支援装置、プログラム及び分析検査支援方法
JP2010128673A (ja) * 2008-11-26 2010-06-10 Nec Corp コンピュータネットワーク、異常検出特定装置、異常検出特定方法およびそのプログラム
US20120041575A1 (en) * 2009-02-17 2012-02-16 Hitachi, Ltd. Anomaly Detection Method and Anomaly Detection System
CN102630151A (zh) * 2010-11-12 2012-08-08 株式会社东芝 图像诊断装置
US20130051248A1 (en) * 2011-08-30 2013-02-28 Dan Pei Hierarchical anomaly localization and prioritization
WO2013105164A1 (ja) * 2012-01-13 2013-07-18 日本電気株式会社 異常信号判定装置、異常信号判定方法、および異常信号判定プログラム
JP2013218725A (ja) * 2013-06-19 2013-10-24 Hitachi Ltd 異常検知方法及び異常検知システム
JP2014059910A (ja) * 2009-08-28 2014-04-03 Hitachi Ltd 設備状態監視方法
CN105404895A (zh) * 2015-11-03 2016-03-16 中国联合网络通信集团有限公司 一种异常状态的识别方法和识别***
JP2016189062A (ja) * 2015-03-30 2016-11-04 有限責任監査法人トーマツ 異常検出装置、異常検出方法及びネットワーク異常検出システム
WO2017002673A1 (ja) * 2015-07-01 2017-01-05 三菱電機株式会社 分散型機器異常検出システム
JP2017102765A (ja) * 2015-12-03 2017-06-08 株式会社明電舎 異常予兆検出システムおよび異常予兆検出方法
JP2017116424A (ja) * 2015-12-24 2017-06-29 横河電機株式会社 分析システム異常検知装置、分析システム異常検知方法及び分析システム異常検知プログラム
JP2017192315A (ja) * 2016-04-18 2017-10-26 パナソニックＩｐマネジメント株式会社 異常判定システム、異常判定装置、及び、異常判定方法
US10169135B1 (en) * 2018-03-02 2019-01-01 Uptake Technologies, Inc. Computer system and method of detecting manufacturing network anomalies

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH09282022A (ja) * 1996-04-18 1997-10-31 Kanegafuchi Chem Ind Co Ltd プラント運転異常防止システム
JP3871054B2 (ja) * 2003-06-26 2007-01-24 日本精工株式会社 機械設備の状態監視方法及び装置
JP4604987B2 (ja) 2005-12-01 2011-01-05 栗田工業株式会社 水処理プラントの運転管理方法および装置
JP5454363B2 (ja) 2010-06-02 2014-03-26 富士通株式会社 解析プログラム、解析装置および解析方法
JP5088403B2 (ja) 2010-08-02 2012-12-05 横河電機株式会社 不正通信検出システム

Patent Citations (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH10283015A (ja) * 1997-04-01 1998-10-23 Mitsubishi Electric Corp プラント監視制御システム
JP2002259236A (ja) * 2001-02-28 2002-09-13 Hitachi Ltd 分散型制御システムと、かかるシステムにおける異常時データ収集方法
US20060167659A1 (en) * 2002-08-30 2006-07-27 Nsk Ltd. Method and device for monitoring status of mechanical equipment and abnormality diagnosing device
JP2005142467A (ja) * 2003-11-10 2005-06-02 Renesas Technology Corp 半導体デバイスの製造方法および半導体製造システム
JP2005203992A (ja) * 2004-01-14 2005-07-28 Intelligent Cosmos Research Institute ネットワーク異常検出装置、ネットワーク異常検出方法およびネットワーク異常検出プログラム
JP2009205388A (ja) * 2008-02-27 2009-09-10 Hitachi Ltd 分析検査支援装置、プログラム及び分析検査支援方法
JP2010128673A (ja) * 2008-11-26 2010-06-10 Nec Corp コンピュータネットワーク、異常検出特定装置、異常検出特定方法およびそのプログラム
US20120041575A1 (en) * 2009-02-17 2012-02-16 Hitachi, Ltd. Anomaly Detection Method and Anomaly Detection System
JP2014059910A (ja) * 2009-08-28 2014-04-03 Hitachi Ltd 設備状態監視方法
CN102630151A (zh) * 2010-11-12 2012-08-08 株式会社东芝 图像诊断装置
US20130051248A1 (en) * 2011-08-30 2013-02-28 Dan Pei Hierarchical anomaly localization and prioritization
WO2013105164A1 (ja) * 2012-01-13 2013-07-18 日本電気株式会社 異常信号判定装置、異常信号判定方法、および異常信号判定プログラム
JP2013218725A (ja) * 2013-06-19 2013-10-24 Hitachi Ltd 異常検知方法及び異常検知システム
JP2016189062A (ja) * 2015-03-30 2016-11-04 有限責任監査法人トーマツ 異常検出装置、異常検出方法及びネットワーク異常検出システム
WO2017002673A1 (ja) * 2015-07-01 2017-01-05 三菱電機株式会社 分散型機器異常検出システム
CN105404895A (zh) * 2015-11-03 2016-03-16 中国联合网络通信集团有限公司 一种异常状态的识别方法和识别***
JP2017102765A (ja) * 2015-12-03 2017-06-08 株式会社明電舎 異常予兆検出システムおよび異常予兆検出方法
JP2017116424A (ja) * 2015-12-24 2017-06-29 横河電機株式会社 分析システム異常検知装置、分析システム異常検知方法及び分析システム異常検知プログラム
JP2017192315A (ja) * 2016-04-18 2017-10-26 パナソニックＩｐマネジメント株式会社 異常判定システム、異常判定装置、及び、異常判定方法
US10169135B1 (en) * 2018-03-02 2019-01-01 Uptake Technologies, Inc. Computer system and method of detecting manufacturing network anomalies

Also Published As

Publication number Publication date
JP7466197B2 (ja) 2024-04-12
US20210208578A1 (en) 2021-07-08
US11698630B2 (en) 2023-07-11
JPWO2019240019A1 (ja) 2021-07-26
WO2019240019A1 (ja) 2019-12-19

Similar Documents

Publication Publication Date Title
US11720821B2 (en) Automated and customized post-production release review of a model
US8989888B2 (en) Automatic fault detection and classification in a plasma processing system and methods thereof
Foumani et al. Stochastic optimization of two-machine flow shop robotic cells with controllable inspection times: From theory toward practice
CN112262353A (zh) 异常解析装置、制造***、异常解析方法以及程序
US20070192064A1 (en) Process fault analyzer and system, program and method thereof
TWI628553B (zh) 基於ｋ近鄰演算法的方法與系統以對工具處理資料提供多變數分析
JP7378089B2 (ja) 不正通信検知装置、不正通信検知方法及び製造システム
CN112070180A (zh) 基于信息物理双侧数据的电网设备状态判断方法及装置
US20220083039A1 (en) Abnormality detection apparatus, abnormality detection system, and learning apparatus, and methods for the same and nontemporary computer-readable medium storing the same
Lee et al. Yield prediction through the event sequence analysis of the die attach process
WO2021178649A1 (en) An algorithmic learning engine for dynamically generating predictive analytics from high volume, high velocity streaming data
US20190234972A1 (en) Monitoring a product build process via a smart tray
JP6967721B2 (ja) リスク分析装置及びリスク分析方法
US11140186B2 (en) Identification of deviant engineering modifications to programmable logic controllers
US11187992B2 (en) Predictive modeling of metrology in semiconductor processes
US8594821B2 (en) Detecting combined tool incompatibilities and defects in semiconductor manufacturing
US11526162B2 (en) Method for detecting abnormal event and apparatus implementing the same method
CN111651503B (zh) 一种配电网数据异常识别方法、***及终端设备
JP2005235130A (ja) 製造・開発情報のデータトレースシステム
US11088039B2 (en) Data management and mining to correlate wafer alignment, design, defect, process, tool, and metrology data
WO2023188914A1 (ja) 情報処理方法及び情報処理装置
US20240184284A1 (en) Information processing device and information processing method
CN115422555A (zh) 后门程序检测方法、装置、电子设备及存储介质
CN111880986A (zh) 一种数据检测方法及装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination