CN112673326A - 控制装置及控制程序 - Google Patents
控制装置及控制程序 Download PDFInfo
- Publication number
- CN112673326A CN112673326A CN201980058302.5A CN201980058302A CN112673326A CN 112673326 A CN112673326 A CN 112673326A CN 201980058302 A CN201980058302 A CN 201980058302A CN 112673326 A CN112673326 A CN 112673326A
- Authority
- CN
- China
- Prior art keywords
- value
- internal state
- unit
- control device
- feature
- 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
Links
- 230000005856 abnormality Effects 0.000 claims abstract description 198
- 238000001514 detection method Methods 0.000 claims abstract description 193
- 238000000605 extraction Methods 0.000 claims abstract description 90
- 230000008859 change Effects 0.000 claims abstract description 19
- 238000012544 monitoring process Methods 0.000 claims description 35
- 238000003860 storage Methods 0.000 claims description 30
- 238000004364 calculation method Methods 0.000 claims description 22
- 239000000284 extract Substances 0.000 claims 1
- 238000012545 processing Methods 0.000 abstract description 100
- 230000007246 mechanism Effects 0.000 abstract description 3
- 238000000034 method Methods 0.000 description 44
- 230000008569 process Effects 0.000 description 32
- 238000010586 diagram Methods 0.000 description 18
- 230000006870 function Effects 0.000 description 18
- 238000005070 sampling Methods 0.000 description 13
- 238000007418 data mining Methods 0.000 description 9
- 238000012423 maintenance Methods 0.000 description 8
- 239000000523 sample Substances 0.000 description 7
- 238000004891 communication Methods 0.000 description 5
- 238000012546 transfer Methods 0.000 description 5
- 230000002159 abnormal effect Effects 0.000 description 4
- 230000000737 periodic effect Effects 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 230000002123 temporal effect Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000001427 coherent effect Effects 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
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
- G05B23/0259—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
- 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
- G05B23/0221—Preprocessing measurements, e.g. data collection rate adjustment; Standardization of measurements; Time series or signal analysis, e.g. frequency analysis or wavelets; Trustworthiness of measurements; Indexes therefor; Measurements using easily measured parameters to estimate parameters difficult to measure; Virtual sensor creation; De-noising; Sensor fusion; Unconventional preprocessing inherently present in specific fault detection methods like PCA-based methods
-
- 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
- G05B19/04—Programme control other than numerical control, i.e. in sequence controllers or logic controllers
- G05B19/042—Programme control other than numerical control, i.e. in sequence controllers or logic controllers using digital processors
- G05B19/0426—Programming the control sequence
-
- 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
- G05B23/0264—Control of logging system, e.g. decision on which data to store; time-stamping measurements
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明提供一种机构,用于在控制装置中从自控制对象收集状态值起到异常探测处理为止连贯地进行处理。控制装置包含:管理部,在每个控制周期以控制对象产生的状态值将内部状态值更新;特征量提取部,针对根据第一内部状态值的值所决定的每个单位区间,根据第二内部状态值的变化而算出特征量;以及异常探测部,基于特征量而生成表示控制对象所含的监测对象是否产生某些异常的探测结果。特征量提取部及异常探测部将决定对应的单位区间的、第一内部状态值的值对应地输出。
Description
技术领域
本发明涉及一种能够探测监测对象可能产生的某些异常的控制装置、及用于实现所述控制装置的控制程序。
背景技术
在各种生产现场,有欲通过对机器或装置进行预知性维护(predictivemaintenance)从而提高设备运行率等需求。所谓预知性维护,是指如下保养形态,即:探测机器或装置可能产生的某些异常,在成为必须停止设备的状态之前,进行修整或更换等保养作业。
为了实现预知性维护,需要如下结构,即:收集机器或装置的状态值,并且基于所收集的状态值来判断所述机器或装置是否产生某些异常。
为了实现这种预知性维护,需要对从机器或装置所得的多个时序数据进行处理。以往的通常结构中,例如像日本专利特开2012-243192号公报(专利文献1)所示那样,以往的结构中,多个时序数据汇集至上位的数据采集器(data logger)等,并基于时刻信息等而综合。
这种数据采集器***中,数据收集循环相对较长,且实际上收集数据后到汇集为止需要相对较长的时间。若使用这种结构来进行异常监测,则无法缩短直到探测监测对象的机器或装置产生的某些异常为止的、延迟时间。
现有技术文献
专利文献
专利文献1:日本专利特开2012-243192号公报
发明内容
发明所要解决的问题
因此,存在下述可能性,即:通过利用对机器或装置等控制对象进行控制的控制装置来实现异常探测处理,从而可缩短用于探测异常的延迟时间,但为了实现异常探测,需要使用多个控制循环的数据,并且也产生控制装置中的处理延迟等。
因此,需要下述机构,即:用于在控制装置中,从自控制对象收集状态值起到异常探测处理为止连贯地进行处理。本发明的一个目的在于满足这种要求。
解决问题的技术手段
本发明的一例的控制装置包括:管理部,在每个预定的控制周期获取控制对象产生的状态值,并将内部保持的内部状态值更新;以及特征量提取部,针对根据预定的第一内部状态值的值所决定的每个单位区间,根据所述单位区间内产生的预定的第二内部状态值的变化而算出特征量。特征量提取部针对所算出的特征量,将决定对应的单位区间的、第一内部状态值的值对应地输出。控制装置还包括:异常探测部,基于由特征量提取部所算出的特征量,生成表示控制对象所含的监测对象是否产生某些异常的探测结果。异常探测部针对所生成的探测结果,将与用于生成所述探测结果的特征量对应的、第一内部状态值的值对应地输出。
根据所述结构,针对由特征量提取部所算出的特征量、及由异常探测部所生成的探测结果的任一个,使第一内部状态值的值进行对应,所述第一内部状态值的值用于确定成为对象的第二内部状态值的单位区间,因而可在内部状态值的输入、特征量的算出、及探测结果的输出为止之间确保连贯性。
也可在异常探测部,输入特征量提取部输出的第一内部状态值的值。根据所述结构,通过确保特征量提取部的输出与异常探测部的输入的连续性,从而能可靠地确保处理的连贯性。
特征量提取部也可受理任意的内部状态值的指定作为第一内部状态值。根据所述结构,用户可使用与控制对象所含的监测对象相应的第一内部状态值,任意地设定最优的单位区间。
特征量提取部也可将第一内部状态值显示相同值的区间决定为单位区间。根据所述结构,可将第一内部状态值不变化的区间容易地设定为单位区间。
特征量提取部也可针对每个单位区间,根据所述单位区间中预定的第三内部状态值显示预定的值的部分区间的、第二内部状态值的变化,来算出特征量。根据所述结构,可根据与第一内部状态值的值相应地决定的单位区间中部分的区间来算出特征量,执行异常探测处理。
异常探测部也可参照预先准备的学习数据,根据特征量来算出表示监测对象产生某些异常的可能性的值。根据所述结构,可定量地评价监测对象产生异常的可能性。
异常探测部也可根据表示监测对象产生某些异常的可能性的值是否为预定的临界范围内,而生成表示监测对象是否产生异常的探测结果。根据所述结构,可定量地判定监测对象是否产生异常。
学习数据也可包含在正常情况下获得的特征量的群,异常探测部基于相对于学习数据所含的特征量群的、特征量的偏差程度,来算出表示监测对象产生某些异常的可能性的值。根据所述结构,可根据自正常状态的偏离程度来定量地评价监测对象产生异常的可能性。
控制装置也可还包括:保存部,保存对应了第一内部状态值的值的特征量的时序数据、及对应了第一内部状态值的值的探测结果的时序数据中的至少一者。根据所述结构,可使控制装置的内部中算出的各种信息的保存、及向外部装置等的输出变得容易。
管理部也可还将特征量提取部及异常探测部中的运算结果作为控制装置所执行的程序可参照的内部状态值进行内部保持。根据所述结构,通过在控制装置所执行的程序中参照特征量提取部及异常探测部中的运算结果,从而可适当地执行与异常探测关联的处理。
根据本发明的另一例,提供一种控制程序,由控制装置所执行。控制程序使控制装置执行下述步骤:在每个预定的控制周期获取控制对象产生的状态值,并将内部保持的内部状态值更新;针对根据预定的第一内部状态值的值所决定的每个单位区间,根据所述单位区间内产生的预定的第二内部状态值的变化而算出特征量;针对所算出的特征量,将决定对应的单位区间的、第一内部状态值的值对应地输出;基于所算出的特征量,生成表示控制对象所含的监测对象是否产生某些异常的探测结果;以及针对所生成的探测结果,将与用于生成所述探测结果的特征量对应的、第一内部状态值的值对应地输出。
根据所述结构,针对所算出的特征量、及所生成的探测结果的任一个,使第一内部状态值的值进行对应,所述第一内部状态值的值用于确定成为对象的第二内部状态值的单位区间,因而可在内部状态值的输入、特征量的算出及探测结果的输出为止之间确保连贯性。
发明的效果
根据本发明,可从自控制对象获取状态值起到异常探测处理为止连贯地进行处理。
附图说明
图1为表示本实施方式的异常探测***的总体结构例的示意图。
图2为表示本实施方式的异常探测***的控制装置的异常探测处理的主要部分的示意图。
图3为表示构成本实施方式的异常探测***的控制装置的硬件结构例的框图。
图4为表示构成本实施方式的异常探测***的支持装置的硬件结构例的框图。
图5为表示本实施方式的异常探测***的软件结构例的框图。
图6为表示本实施方式的异常探测***的控制装置的控制处理的执行时机的示意图。
图7为表示本实施方式的异常探测***的异常探测处理所用的变量的关系的示意图。
图8为用于对本实施方式的异常探测***的控制装置的帧管理的处理进行说明的时间图。
图9为用于对图8所示的子帧进行说明的时间图。
图10为用于对本实施方式的异常探测***的控制装置的内部数据库(database,DB)所保存的数据结构的一例进行说明的图。
图11为表示将图10所示的各时序数据结合的时序数据的一例的图。
图12为表示本实施方式的异常探测***的处理次序的流程图。
具体实施方式
一方面参照附图一方面对本发明的实施方式进行详细说明。另外,对图中的相同或相应部分标注相同符号,不重复进行其说明。
<A.适用例>
首先,对适用本发明的场景的一例进行说明。
对本实施方式的可执行异常探测处理的控制***的功能结构例进行说明。以下的说明中,主要着眼于控制***所具有的异常探测处理进行说明,因而将控制***总体也称为“异常探测***”。
首先,对本实施方式的异常探测***1的总体结构例进行说明。
图1为表示本实施方式的异常探测***1的总体结构例的示意图。参照图1,异常探测***1包含对控制对象进行控制的控制装置100、及可连接于控制装置100的支持装置200作为主要的结构元件。异常探测***1也可还包含上位服务器500及显示装置400作为可选(optional)的结构。
控制装置100生成表示控制对象所含的监测对象是否产生某些异常的探测结果。控制装置100也可作为可编程逻辑控制器(Programmable Logic Controller,PLC)等一种计算机而具现化。
更具体而言,控制装置100经由第一现场总线2而与现场装置群10连接,并且经由第二现场总线4而与一个或多个显示装置400连接。进而,控制装置100经由本地网络6而连接于上位服务器500。控制装置100经由各网络在与所连接的装置之间交接数据。
控制装置100具有控制运算执行引擎,此控制运算执行引擎执行用于控制设备或机器的各种运算。除了控制运算执行引擎以外,控制装置100具有下述获取功能:获取由现场装置群10所获取并向控制装置100传输的数据(以下也称为“输入值”)。进而,控制装置100也具有下述监测功能:基于所获取的输入值等,判断控制对象是否产生异常。通过将这些功能安装于控制装置100,从而能以更短的周期监测控制对象产生的异常。
关于这种异常探测的功能,安装于控制装置100的异常探测引擎140提供监测功能,安装于控制装置100内的内部数据库(以下也记作“内部DB”)130提供各种数据的保存功能。关于内部DB 130及异常探测引擎140的详细,将于后述。
本说明书中,“状态值”为包含任意的控制对象(包含:监测对象)中可观测的值的术语,例如可包含:可由任意的传感器测定的物理值,或者继电器或开关等的通/断(ON/OFF)状态,PLC对伺服驱动器给予的位置、速度、扭矩等的指令值,PLC用于运算的变量值等。
作为第一现场总线2及第二现场总线4,优选使用保证数据的到达时间的、进行定周期通信的网络。作为这种进行定周期通信的网络,已知有以太网(EtherCAT,注册商标)等。
现场装置群10包含收集控制对象或者与控制关联的制造装置或生产线等(以下也统称为“现场”)的状态值作为输入值的装置。作为这种获取状态值的装置,设想输入继电器或各种传感器等。现场装置群10还包含基于控制装置100中生成的指令值(以下也称为“输出值”)而对现场给予某些作用的装置。作为这种对现场给予某些作用的装置,设想输出继电器、接触器(contactor)、伺服驱动器及伺服马达、其他任意的致动器。这些现场装置群10经由第一现场总线2,在与控制装置100之间交接包含输入值及输出值的数据。
图1所示的结构例中,现场装置群10包含远程输入/输出(Input/Output,I/O)装置12、继电器群14、图像传感器18及摄像机20、以及伺服驱动器22及伺服马达24。
远程I/O装置12包含经由第一现场总线2进行通信的通信部、以及用于进行输入值的获取及输出值的输出的输入输出部(以下也称为“I/O单元”)。经由这种I/O单元在控制装置100与现场之间交接输入值及输出值。图1中表示经由继电器群14交接数字信号作为输入值及输出值的示例。
I/O单元也可直接连接于现场总线。图1中表示I/O单元16直接连接于第一现场总线2的示例。
图像传感器18针对由摄像机20所拍摄的图像数据,进行图案匹配等图像测量处理,并将其处理结果发送至控制装置100。
伺服驱动器22按照来自控制装置100的输出值(例如位置指令等)来驱动伺服马达24。
如上文所述,经由第一现场总线2在控制装置100与现场装置群10之间交接数据,但这些交接的数据以几百微秒(μsec)级~几十毫秒(msec)级的极短周期更新。另外,也有时将这些交接的数据的更新处理称为“I/O刷新处理”。
支持装置200为支持控制装置100对控制对象进行控制所需要的准备的装置。具体而言,支持装置200提供:由控制装置100所执行的程序的开发环境(程序制作编辑工具、分析器(parser)、编译器(compile)等),用于设定控制装置100及连接于控制装置100的各种器件的参数(配置(configuration))的设定环境,向控制装置100发送所生成的用户程序的功能,在线修正、变更控制装置100上执行的用户程序等的功能等。
进而,支持装置200也提供设定参数256及学习数据252(详细将于后述)的功能等,所述参数256定义安装于控制装置100的异常探测引擎140进行的异常探测处理。
显示装置400经由第二现场总线4与控制装置100连接,受理来自用户的操作,向控制装置100发送与用户操作相应的命令等,并且以图解方式(graphical)显示控制装置100中的处理结果等。
上位服务器500经由本地网络6与控制装置100连接,在与控制装置100之间交接必要的数据。上位服务器500例如具有数据库功能,定期地或每当发生事件时收集控制装置100的内部DB 130所保存的数据。在本地网络6也可安装有以太网(注册商标)等通用协议。
接下来,实施方式的异常探测处理中,作为判断控制对象所含的监测对象是否产生某些异常的单位区间,导入“帧”的概念。这样,本说明书中,“帧”意指判断监测对象是否产生某些异常的单位区间。即,监测对象是否产生某些异常的判断在每个“帧”进行。本实施方式中,“帧”也可基于用户任意设定的状态值而决定。
图2为表示本实施方式的异常探测***1的控制装置100的异常探测处理的主要部分的示意图。参照图2,控制装置100包含相当于管理部的变量管理部150、特征量提取部142、及相当于异常探测部的异常探测引擎140。
变量管理部150在每个预定的控制周期获取机器或装置等控制对象产生的状态值,并将内部保持的内部状态值更新。
本实施方式的控制装置100中,针对从控制对象获取的状态值(输入值)、向控制对象给予的指令值(输出值)、以及控制装置100中的运算处理或控制装置100的状态管理所用的数据或值(全部包含于“内部状态值”),均采用以“变量”的形式参照的形态。因此,以下的说明中,也有时将控制装置100中可利用的“内部状态值”表现为“变量值”。另外,将表示机器或装置等控制对象产生的状态值的、内部状态值的集合表现为“器件变量”。即,变量管理部150在每个预定的控制周期获取机器或装置等控制对象产生的状态值,并将器件变量154的值更新。
另外,本发明不限于使用“变量”来参照值的形态,也可适用于直接指定保存各值的存储器的物理地址等并进行参照那样的形态等。
特征量提取部142根据预定的帧变量(器件变量154所含的任一变量;相当于“第一内部状态值”)的值来决定单位区间(帧)。另外,特征量提取部142针对所决定的每个单位区间(帧),根据此单位区间内产生的预定的采样变量(器件变量154所含的任一变量;相当于“第二内部状态值”)的变化而算出特征量。特征量提取部142根据预定的采样变量的每个帧的变化,按照预定的处理来依次算出特征量(例如,规定时间内的平均值、最大值、最小值等)。
这样,特征量提取部142针对根据预定的帧变量(第一内部状态值)的值所决定的每个单位区间(帧),根据此单位区间内产生的预定的采样变量(第二内部状态值)的变化而算出特征量。
异常探测引擎140基于由特征量提取部142所算出的特征量,生成表示控制对象所含的监测对象是否产生某些异常的探测结果。
通过采用以上那样的结构,从而可探测控制对象所含的任意的监测对象可能产生的某些异常。
特征量提取部142针对所算出的特征量,将决定对应的单位区间(帧)的、帧变量(第一内部状态值)的值对应地向异常探测引擎140输出。而且,特征量提取部142针对所生成的探测结果,将与用于生成此探测结果的特征量对应的、帧变量(第一内部状态值)的值对应地输出。这样,通过使帧变量(第一内部状态值)的值与从特征量提取部142输出的特征量、及从异常探测引擎140输出的探测结果对应,从而可维持器件变量154的值、由特征量提取部142所算出的特征量、及由异常探测引擎140所生成的探测结果之间的连贯性。
<B.各装置的硬件结构例>
接下来,对构成本实施方式的异常探测***1的主要装置的硬件结构例进行说明。
(b1:控制装置100的硬件结构例)
图3为表示构成本实施方式的异常探测***1的控制装置100的硬件结构例的框图。参照图3,控制装置100包含中央处理器(Central Processing Unit,CPU)或微处理器(Micro-Processing Unit,MPU)等处理器102、芯片组104、主存储装置106、二次存储装置108、本地网络控制器110、通用串行总线(Universal Serial Bus,USB)控制器112、存储卡接口114、内部总线控制器122、现场总线控制器118、现场总线控制器120以及I/O单元124-1、I/O单元124-2、……。
处理器102读出保存于二次存储装置108的各种程序,在主存储装置106展开并执行,由此实现与控制对象相应的控制、及后述那样的各种处理。芯片组104与处理器102一起控制各组件,由此实现控制装置100总体的处理。
在二次存储装置108,除了保存用于实现控制装置100提供的功能的***程序126(相当于控制程序)以外,还保存利用***程序126提供的执行环境而执行的用户程序。***程序126也保存用于实现内部DB 130及异常探测引擎140的程序。
本地网络控制器110控制经由本地网络6的与其他装置之间的数据交接。USB控制器112控制经由USB连接与支持装置200之间的数据交接。
存储卡接口114构成为可装卸存储卡116,可对存储卡116写入数据,且从存储卡116读出各种数据(用户程序或跟踪数据等)。
内部总线控制器122为与搭载于控制装置100的I/O单元124-1、I/O单元124-2、……之间交接数据的接口。
现场总线控制器118控制经由第一现场总线2的与其他装置之间的数据交接。同样地,现场总线控制器120控制经由第二现场总线4的与其他装置之间的数据交接。
图3中表示了通过处理器102执行程序从而提供必要功能的结构例,但也可使用专用的硬件电路(例如特殊应用集成电路(Application Specific Integrated Circuit,ASIC)或现场可编程门阵列(Field-Programmable Gate Array,FPGA)等)来安装这些所提供的功能的一部分或全部。或者,也可使用通用架构的硬件(例如以通用个人计算机为基础的工业个人计算机)来实现控制装置100的主要部分。此时,也可使用虚拟技术,并列执行用途不同的多个操作***(Operating System,OS),并且在各OS上执行必要的应用。
(b2:支持装置200的硬件结构例)
接下来,作为一例,本实施方式的支持装置200是通过使用通用架构的硬件(例如通用个人计算机)执行程序从而实现。
图4为表示构成本实施方式的异常探测***1的支持装置200的硬件结构例的框图。参照图4,支持装置200包含CPU或MPU等处理器202、驱动器204、主存储装置206、二次存储装置208、USB控制器212、本地网络控制器214、输入部216及显示部218。这些组件经由总线220而连接。
处理器202读出保存于二次存储装置208的各种程序,在主存储装置206展开并执行,由此实现后述那样的各种处理。
二次存储装置208例如包含硬盘驱动器(Hard Disk Drive,HDD)或固态驱动器(Solid State Drive,SSD)等。在二次存储装置208,典型而言保存各种程序,此各种程序包含:用于进行支持装置200中执行的用户程序的制作、所制作的程序的除错(debug)、***结构的定义、各种参数的设定等的未图示的开发程序;数据挖掘工具(data mining tool)250;以及设定工具260。在二次存储装置208也可保存OS及其他必要的程序。
驱动器204可对存储介质205写入数据,且从存储介质205读出各种数据(用户程序、跟踪数据或时序数据等)。存储介质205例如包含非暂时性地保存计算机可读取的程序的存储介质205(例如数字多功能光盘(Digital Versatile Disc,DVD)等光学存储介质)。从存储卡116或存储介质205读取其中所保存的程序或数据,安装于二次存储装置208等的内部的存储区域。
由支持装置200执行的各种程序可经由计算机可读取的存储卡116或存储介质205而安装,也能以从网络上的服务器装置等下载的形式安装。而且,本实施方式的支持装置200所提供的功能也有时以利用OS所提供的模块的一部分的形式实现。
USB控制器212控制经由USB连接与控制装置100之间的数据交接。本地网络控制器214控制经由任意网络的与其他装置之间的数据交接。
输入部216包含键盘或鼠标等,受理用户操作。显示部218包含显示器、各种指示器等,输出来自处理器202的处理结果等。在支持装置200也可连接打印机。
图4中表示了通过处理器202执行程序从而提供必要功能的结构例,但也可使用专用的硬件电路(例如ASIC或FPGA等)来安装这些所提供的功能的一部分或全部。
<C.软件结构例/功能结构例>
接下来,对构成本实施方式的异常探测***1的主要装置的软件结构例及功能结构例进行说明。
图5为表示本实施方式的异常探测***1的软件结构例的框图。
参照图5,异常探测***1的异常探测处理是通过与控制装置100及支持装置200的协作而实现。控制装置100基于在每个预定的控制周期从控制对象获取的状态值,判断有无异常。
更具体而言,控制装置100包含内部DB 130、异常探测引擎140、特征量提取部142、时序数据库管理器144及变量管理部150作为主要的功能结构。
异常探测引擎140为主要执行异常探测处理的部分,按照由支持装置200所设定的参数256,基于从特征量提取部142给予的特征量(通常可使用多种特征量)及由支持装置200所设定的学***及损坏(damage)水平)。异常探测引擎140向时序数据库管理器144输出表示监测对象是否产生异常的探测结果。而且,包含异常探测引擎140得出的表示监测对象是否产生异常的探测结果的处理结果152向变量管理部150输出,作为内部状态值而周期性地更新。参数256包含用于异常探测处理的对象变量的设定、及确定后述的帧ID等的帧定义。
特征量提取部142按照由支持装置200所设定的参数256,根据所指定的对象的器件变量(采样变量)所示的值,按照预定的处理循环地算出特征量(例如,规定时间内的平均值、最大值、最小值等)。特征量提取部142将所算出的特征量向异常探测引擎140及时序数据库管理器144输出。
时序数据库管理器144将由变量管理部150在每个控制周期更新的器件变量154的值(原始数据)、由特征量提取部142在每个控制周期算出的特征量、以及从异常探测引擎140输出的探测结果,在每个控制周期写入内部DB 130。
内部DB 130相当于保存部,包含用于按时间顺序保存原始数据的原始数据时序DB132、用于按时间顺序保存特征量的特征量时序DB 134、及用于按时间顺序保存探测结果的探测结果时序DB 136。
“原始数据”基本上意指从控制对象或监测对象直接获取的状态值(另外,也包含对物理量进行了单位转换等的情况)。
学习数据252为用于异常探测引擎140算出表示监测对象产生某些异常的可能性的值(得分)的数据集,基本上包含基于“正常”情况的状态值所算出的特征量、和/或基于“异常”情况的状态值所算出的特征量。异常探测引擎140参照预先准备的学习数据252,根据由特征量提取部142所算出的特征量,算出作为表示监测对象产生某些异常的可能性的值的得分。
作为一例,作为异常探测引擎140中的异常探测的算法,采用下述方法:基于相对于超空间上的正常值群的、输入值的偏差程度,算出与所述输入值对应的得分。此时,学习数据252表示超空间上的正常值群,其相当于表示监测对象的“模型”。
作为这种基于偏差程度的异常探测的方法,已知有基于各点到正常值群的最短距离来探测异常的方法(k邻近法)、包括包含正常值群的群集(cluster)来评价距离的局部异常因子(local outlier factor,LoF)法、使用由路径长度所算出的得分的孤立森林(isolation forest,iForest)法等。
在采用基于偏差程度的异常探测的方法的情况下,学习数据252包含在正常情况下获得的特征量的群,异常探测引擎140基于相对于学习数据252所含的特征量群的、对象的特征量的偏差程度,算出作为表示监测对象产生某些异常的可能性的值的得分。
除了器件变量154以外,变量管理部150还将来自异常探测引擎140的处理结果152的值在每个控制周期更新为最新的值。即,变量管理部150执行I/O刷新处理的至少一部分处理,在每个控制周期,将从控制对象获取的输入值及向控制对象给予的输出值更新。
另一方面,支持装置200将用于实现控制装置100的异常探测处理的参数256及学习数据252提供给控制装置100。
更具体而言,支持装置200包含数据挖掘工具250及设定工具260作为主要的功能结构。
数据挖掘工具250获取控制装置100的内部DB 130(主要是原始数据时序DB 132)所保存的原始数据254(时序数据),支持适于监测对象中的异常探测的、器件变量及特征量等的检索。即,用户使用数据挖掘工具250,对作为与监测对象关联的器件变量的时序数据的原始数据254分析,由此决定适于所述监测对象中的异常探测的、器件变量及其特征量。另外,数据挖掘工具250根据所决定的器件变量及其特征量,由原始数据254生成学习数据252,并且决定对应的参数256。
设定工具260作为与控制装置100的接口发挥功能,从控制装置100获取原始数据254,并且向控制装置100设定由数据挖掘工具250所生成的学习数据252及参数256。
<D.控制装置100中的实时处理>
本实施方式的异常探测***1中,控制装置100通过在周期地执行的控制运算中包含异常探测处理,从而实时判断是否产生异常。
本实施方式的异常探测处理主要包含:(1)变量管理部150中执行的I/O刷新处理、(2)特征量提取部142进行的特征量提取处理、(3)异常探测引擎140进行的得分算出及阈值判断的处理。
另一方面,控制装置100中,(1)~(3)的处理均以不同的控制时机执行,因而需要维持各处理中处理的数据的连贯性。
本实施方式的异常探测***1的控制装置100中,按照时间排程(timescheduling)方式来执行处理。
图6为表示本实施方式的异常探测***1的控制装置100的控制处理的执行时机的示意图。参照图6,控制装置100中,以作为预定的控制周期的任务周期180的单位来管理处理的执行。
各任务周期180中,主要执行I/O刷新处理184、控制处理186及***服务188。
I/O刷新处理184相当于变量管理部150(图5)中执行的I/O刷新处理。
控制处理186包含控制装置100的***的处理及用户程序(典型而言为包含顺序命令的组合的顺序程序、或包含动作命令的组合的动作程序等)。特征量提取部142进行的特征量提取处理包含于控制处理186。
***服务188为在各任务周期180中,在不执行I/O刷新处理184及控制处理186的期间中执行的程序的统称,包含控制装置100与外部装置之间的通信处理、或向存储卡116的文件访问(file access)等处理。异常探测引擎140进行的得分算出及阈值判断的处理包含于***服务188。
I/O刷新处理184及控制处理186是作为执行的优先级最高的首要定周期任务而注册,在各任务周期180中最优先地执行。在各任务周期180中,执行I/O刷新处理184及控制处理186的所有处理。在各任务周期180中,将执行I/O刷新处理184及控制处理186所需要的时间称为任务执行时间182。
另一方面,***服务188在各任务周期180中以空余时间执行,因而也有时无法完成所有处理。而且,***服务188中,包含在各任务周期180中完成所有处理的执行的必要性低的处理。
因此,***服务188所含的处理(包含异常探测引擎140进行的得分算出及阈值判断的处理)若在某个任务周期180中正执行时,下一任务周期180的开始时期到来,则处理暂时中断。另外,在任一任务周期180中若有空余时间便执行。这样,***服务188的执行取决于任务周期180的空余时间。
如图6所示,(1)变量管理部150中执行的I/O刷新处理、及(2)特征量提取部142进行的特征量提取处理在每个任务周期180循环地执行。但是,I/O刷新处理及特征量提取处理的执行时机不同。
而且,(3)异常探测引擎140进行的得分算出及阈值判断的处理是跨多个任务周期180而执行。因此,需要使数据在(1)~(3)的处理之间同步的结构。
而且,控制处理中,可能存在值跨多个任务周期180变化的数据。需要跨多个任务周期180可靠地收集数据,并且对值进行加工并保存。尤其异常探测引擎140进行的得分算出及阈值判断的处理是跨多个任务周期180执行,因而无法使处理间同步。
在控制装置100中实时执行异常探测处理的情况下,需要考虑如上文所述的数据的整合性或数据的连贯性。
<E.数据的连贯性的维持>
接下来,在本实施方式的异常探测***1中,导入用于维持数据的连贯性的识别信息。以下将此识别信息也称为“帧ID”。帧ID为用于确定异常探测处理所用的数据单位的识别信息。
通过导入作为这种识别信息的帧ID,从而可确定异常探测处理当作对象的单位区间,并且可探测异常探测处理因某些原因而遗漏(脱落)等。
作为帧ID,可使用控制装置100所执行的用户程序可参照的任意的变量。关于用作帧ID的变量,设想用户侧任意地设定而非在控制装置100侧设定。即,控制装置100的异常探测引擎140受理任意的器件变量154(内部状态值)的指定作为帧变量(第一内部状态值)。
用作帧ID的变量优选根据作为控制对象的机器或装置的动作而随时变化。作为帧ID,可使用如下信息。
(1)控制对象处理的工件的序列号
(2)控制对象的机器或装置的电源投入后处理的工件的总数
(3)控制对象所含的动作机构的动作循环累计数或动作循环号(例如,辊每转100圈时计数1那样的装置中其所计数的数)
通过使用这种帧ID,从而可减少数据的同步处理及排他处理、以及文件管理的处理时间等,使处理高速化。
另外,也设想下述形态:不使用本实施方式的异常探测***1中所用的帧ID,而每隔规定时间(例如每隔1秒)将数据分割进行处理。但是,对于控制对象所含的机器或装置来说,不保证高精度地进行时刻分割而运行(例如,材料的投入时机偏差或由摩擦所致的位置偏差),需要探测因时间偏差而产生的异常,或者即便时间偏差自身并非异常,也未必能将控制对象的周期性的单位区间的数据用于高精度的异常探测。
图7为表示本实施方式的异常探测***1的异常探测处理所用的变量的关系的示意图。参照图7,在控制装置100安装异常探测引擎140及特征量提取部142。由支持装置200的数据挖掘工具250所生成的学习数据252经由设定工具260而提供给控制装置100。
特征量提取部142是通过执行作为首要定周期任务而执行的、针对特征量提取执行部1420所规定的命令从而实现。在特征量提取执行部1420,输入特征量提取用户变量1422及***定义变量1424。特征量提取执行部1420针对特征量提取用户变量1422所含的采样变量(器件变量),通过由参数256所含的特征量提取设定2562所定义的算出方法,算出一个或多个特征量。
特征量提取用户变量1422包含用于算出特征量的一个或多个采样变量。针对各采样变量,使子帧变量分别对应,所述子帧变量用来确定用于算出特征量的部分区间。即,特征量提取用户变量1422包含一个或多个子帧变量与采样变量的组。另外,关于使用子帧变量的处理方法等,将于后述。
特征量提取用户变量1422还包含用作帧ID的帧变量。帧变量所示的值被用作用于识别输入至特征量提取执行部1420的数据单位(时序数据的特定区间)的信息。
保存于***定义变量1424的值被用作用于特征量提取执行部1420开始处理的触发或条件。
特征量提取执行部1420中的运算结果作为特征量提取用户变量1426及***定义变量1428而输出。
特征量提取用户变量1426将与下述帧变量(作为帧ID而表示的值)相同的值作为输出帧变量而保存,所述帧变量用来确定用于由特征量提取执行部1420中进行特征量的算出处理的、数据单位。保存为输出帧变量的值将在后述的异常探测引擎140的处理中参照。
关于***定义变量1428,保存作为特征量提取执行部1420中的运算结果的特征量。典型而言,***定义变量1428可使用排列或结构体,在算出了多个特征量的情况下,以多维的数据结构的形式保存各特征量。
如图7所示,特征量提取部142中的运算结果(特征量提取用户变量1426***定义变量1428)作为变量管理部150管理的内部状态值(变量值)而进行内部保持。另外,关于特征量提取部142参照的特征量提取用户变量1422及***定义变量1424,也作为变量管理部150管理的内部状态值(变量值)而进行内部保持。这些变量管理部150管理的内部状态值(变量值)可由控制装置100执行的用户程序等任意参照。
异常探测引擎140是通过执行作为***服务而执行的、针对异常探测引擎执行部1400所规定的命令从而实现。在异常探测引擎执行部1400,输入异常探测用户变量1402、***定义变量1428及***定义变量1404。
关于异常探测用户变量1402,保存特征量提取执行部1420中的运算结果,异常探测引擎执行部1400可参照由特征量提取执行部1420所算出的特征量。
关于异常探测用户变量1402,保存下述帧变量,此帧变量用来确定用于算出异常探测引擎执行部1400中的处理所用的特征量、的数据单位。保存于异常探测用户变量1402的帧变量与保存于特征量提取用户变量1426的输出帧变量为相同的值。即,可将与从特征量提取执行部1420输出的帧变量所示的值相同的值,作为异常探测引擎执行部1400的帧变量而赋予。这样,在异常探测引擎140,输入特征量提取部142所输出的帧变量(第一内部状态值)的值。
保存为***定义变量1404的值被用作用于异常探测引擎执行部1400开始处理的触发或条件。
异常探测引擎执行部1400中的运算结果作为异常探测用户变量1406及***定义变量1408而输出。
异常探测用户变量1406将与下述帧变量(作为帧ID而表示的值)相同的值作为输出帧变量而保存,所述帧变量用于确定异常探测引擎执行部1400中的处理所用的数据单位。
关于***定义变量1408,保存作为异常探测引擎执行部1400中的运算结果的特征量。典型而言,***定义变量1408可使用排列或结构体。关于***定义变量1408,保存异常探测引擎执行部1400中基于学习数据252及特征量而算出的得分、以及通过所述算出的得分与参数256所含的阈值设定2564的比较而决定的表示有无异常的探测结果。
如图7所示,异常探测引擎140中的运算结果(异常探测用户变量1406及***定义变量1408)作为变量管理部150管理的内部状态值(变量值)而进行内部保持。另外,关于异常探测引擎140参照的异常探测用户变量1402、***定义变量1428及***定义变量1404,也作为变量管理部150管理的内部状态值(变量值)而进行内部保持。这些变量管理部150管理的内部状态值(变量值)可由控制装置100执行的用户程序等任意参照。
如以上那样,通过在特征量提取部142与异常探测引擎140之间共享相同的帧ID(帧变量),从而可维持数据的连贯性。
<F.帧及子帧>
接下来,对本实施方式的异常探测***1的帧及子帧、以及用于维持使用帧变量的数据的连贯性的处理进行说明。
图8为对本实施方式的异常探测***1的控制装置100的帧管理的处理进行说明的时间图。
参照图8,异常探测处理是以帧的单位执行。帧大多情况下定义为跨多个控制周期。即,帧也可定义为将多个控制周期汇总而管理的单位。
更具体而言,帧300可使用由用户任意设定的帧变量302来设定。图8所示的示例中,设定有变量Var_A作为帧变量302。例如,用作帧变量302的变量Var_A表示处理对象的工件的批次号等。
控制装置100的特征量提取部142将帧变量(第一内部状态值)显示相同值的区间决定为帧(单位区间)。
作为特征量提取部142的处理,针对由帧变量302所设定的每个帧300,根据一个或多个时序数据(即,被指定为采样变量的值的时间变化)来算出一个或多个特征量。图8所示的示例表示下述示例:根据与各帧对应的单位区间的时序数据306(时序数据A)来依次算出特征量308(特征量A),并且根据与各帧对应的单位区间的时序数据310(时序数据B)来依次算出特征量312(特征量B)。
针对分别算出的特征量308及312,使输出帧变量304进行对应。图8所示的示例中,设定有变量Var_B作为输出帧变量304,对变量Var_B设定作为帧变量302的变量Var_A的值。
这样,针对依次算出的特征量,赋予与对用于算出此特征量的时序数据所赋予的“帧ID”(作为帧变量302的变量Var_A)相同的“帧ID”(作为输出帧变量304的变量Var_B)。即,特征量的算出以至少一帧而延迟,但即便存在这种时间延迟的情况下,也通过使用“帧ID”,从而可维持数据的连贯性。
进而,异常探测引擎140中,将通过特征量提取部142中的处理而输出的输出帧变量304直接用作帧变量320(本例中,为变量Var_B)。
针对被赋予有与帧变量320所示的值相同的值的、特征量集326(本例中,包含特征量A及特征量B),执行异常探测处理,算出得分等运算结果324。针对各运算结果324,使输出帧变量322进行对应。图8所示的示例中,设定有变量Var_C作为输出帧变量322,对变量Var_C设定作为帧变量320的变量Var_B的值。
另外,输入特征量集326后到算出得分等运算结果324为止,可能以规定的异常探测判定时间而产生延迟。即便存在异常探测判定时间的延迟,也通过使用帧ID从而可维持数据的连贯性。
如以上那样,针对作为帧ID而以用户任意设定的变量(基本上为控制装置100执行的用户程序可参照的任一变量)作为关键字(key)跨多个控制周期生成或算出、并且生成或算出的时机也不同的数据,可维持其连贯性(换言之,数据的溯源性(traceability))。
接下来,对在帧内可设定的子帧进行说明。如上文所述,根据各帧的时序数据来算出特征量,但也有时欲仅根据各帧内的特定区间的时序数据来算出特征量。
例如,在将表示对象的工件批次号的变量设定为帧变量的情况下,也有时对各工件通过多个工序执行处理。此种情况下,也大多欲基于特定工序中出现的状态值的变化来算出特征量。
因此,本实施方式中,可对各帧设定子帧,可基于所设定的子帧的区间的时序数据来算出特征量。子帧也可为可针对每个特征量进行设定。
图9为用于对图8所示的子帧进行说明的时间图。参照图9,设想将表示批次号等的变量设定为帧330的情况。在各帧330的结束时机,输出各帧330中的运算结果。图8所示的示例中,各帧330包含三个工序,可参照表示处于哪一工序的状态332。
状态332可设定为用于确定算出特征量的对象的子帧。例如,作为特征量的算出对象,设想时序数据306及310(时序数据A及B)。关于时序数据306,根据第二个工序(状态332的值为“2”)的部分区间来算出特征量,关于时序数据310,根据第三个工序(状态332的值为“3”)的部分区间来算出特征量。
此时,作为时序数据A的子帧336(时序数据A的子帧),只要设定状态332的值显示“2”的部分区间即可,作为时序数据B的子帧340(时序数据B的子帧),只要设定状态332的值显示“3”的部分区间即可。
这样,控制装置100的特征量提取部142针对每个帧变量(单位区间),根据此帧中预定的子帧变量(第三内部状态值)显示预定的值的部分区间的、采样变量(第二内部状态值)的变化,来算出特征量。
如图8所示,通过将算出特征量的对象的区间限定于帧内的一部分区间,从而可实现精度更高的异常探测处理。
<G.数据结构>
接下来,对包含如上所述的帧ID而输出的数据结构进行说明。
图10为用于对本实施方式的异常探测***1的控制装置100的内部DB 130所保存的数据结构的一例进行说明的图。图10(a)中表示内部DB 130的原始数据时序DB 132所保存的时序数据的一例,图10(b)中表示内部DB 130的特征量时序DB 134所保存的时序数据的一例,图10(c)中表示内部DB 130的探测结果时序DB 136所保存的时序数据的一例。作为一例,图10所示的时序数据将作为监测对象的变量Var_1的最大值设为特征量。
另外,在内部DB 130,也可不保存图10(a)~图10(c)所示的所有时序数据,也可仅保存其一部分时序数据。
图10(a)所示的原始数据时序DB 132所保存的时序数据的各记录包含时刻信息1320、变量值1322及帧ID 1324。图10(a)所示的特征量时序DB 134所保存的时序数据的各记录包含时刻信息1340、帧ID 1342及特征量1344。图10(c)所示的探测结果时序DB 136所保存的时序数据的各记录包含时刻信息1360、帧ID 1362及得分1364。
这样,控制装置100的内部DB 130保存对应了帧变量(第一内部状态值)的值的特征量的时序数据、及对应了帧变量(第一内部状态值)的值的探测结果的时序数据中的至少一者。
如图10(a)~图10(c)所示,通过使用共同的帧ID,从而可在不同时刻生成或算出的数据之间维持连贯性。通过这样使用帧ID,从而也可容易地实现控制装置100所执行的处理及数据的连贯性、以及内部DB 130所保存的数据所含的记录间的对应。而且,通过使用按照单调增加或单调减少(递增或递减)等预定的规则性变化的值作为帧ID,从而可探测异常探测处理的遗漏(脱落)等。
图11为表示将图10所示的各时序数据结合的时序数据的一例的图。参照图11,经结合的时序数据的各记录包含帧ID 1324(1342、1362)、时刻信息1320(1340、1360)、变量值1322、特征量1344及得分1364。
如图11所示,通过以帧ID作为关键字使三种时序数据结合,从而可按时间顺序来确认或分析从监测对象获取的原始数据、根据原始数据算出的特征量、根据特征量算出的得分等。
<H.处理次序>
接下来,对本实施方式的异常探测***1的处理次序进行说明。
图12为表示本实施方式的异常探测***1的处理次序的流程图。图12中,表示由变量管理部150、特征量提取部142、及异常探测引擎140执行的处理次序。图12所示的各步骤典型而言是通过控制装置100的处理器102执行相当于控制程序的***程序126(参照图3)从而实现。
首先,作为由变量管理部150执行的处理,控制装置100判断控制周期是否到来(步骤S100)。若控制周期未到来(步骤S100中为否(NO)),则重复步骤S100的处理。
若控制周期到来(步骤S100中为是(YES)),则控制装置100从控制对象获取状态值(步骤S102),并以所述获取的状态值将器件变量154的值更新(步骤S104)。接下来,重复步骤S100以后的处理。
这样,变量管理部150中执行下述处理:在每个预定的控制周期获取控制对象所产生的状态值,并将内部保持的器件变量154(内部状态值)更新。
接下来,作为由特征量提取部142所执行的处理,控制装置100判断所指定的帧变量的值是否变化(步骤S200)。若帧变量的值未变化(步骤S200中为否(NO)),则重复步骤S200的处理。
若帧变量的值变化(步骤S200中为是(YES)),则控制装置100暂时收集所指定的采样变量的值(步骤S202)。
接下来,控制装置100判断帧变量的值是否维持于相同的值(步骤S204)。若帧变量的值维持于相同的值(步骤S204中为是(YES))。则重复步骤S202以后的处理。
若帧变量的值未维持于相同的值(步骤S204中为否(NO)),则控制装置100基于步骤S202中收集的一系列采样变量的值来算出特征量(步骤S206)。接下来,控制装置100将所算出的特征量与帧变量的值(变化前的值)对应地输出(步骤S208)。接下来,重复步骤S200以后的处理。
这样,特征量提取部142中执行下述处理:针对根据预定的帧变量(第一内部状态值)的值而决定的每个帧(单位区间),根据所述帧内产生的预定的采样变量(第二内部状态值)的变化而算出特征量。另外,特征量提取部142中也执行下述处理:针对所算出的特征量,将决定对应的帧(单位区间)的、帧变量的值对应地输出。
接下来,作为由异常探测引擎140执行的处理,控制装置100判断是否由特征量提取部142算出新的特征量(步骤S300)。若未算出新的特征量(步骤S300中为否(NO)),则重复步骤S300的处理。
若算出新的特征量(步骤S300中为是(YES)),则控制装置100生成探测结果,此探测结果包含与参照学习数据252所算出的特征量有关的得分(步骤S302)。另外,针对从特征量提取部142输出的新的特征量,使帧变量的值进行对应。
接下来,控制装置100将所生成的探测结果与帧变量的值对应地输出(步骤S304)。接下来,重复步骤S300以后的处理。
这样,异常探测引擎140中执行下述处理:基于由特征量提取部142所算出的特征量,生成表示控制对象所含的监测对象是否产生某些异常的探测结果的处理;以及针对所述生成的探测结果,将与用于生成所述探测结果的特征量对应的、帧变量(第一内部状态值)的值对应地输出。
<I.附注>
如上所述的本实施方式包含如下技术思想。
[结构1]
一种控制装置,包括:
管理部(150),在每个预定的控制周期获取控制对象产生的状态值,并将内部保持的内部状态值(154)更新;以及
特征量提取部(142),针对根据预定的第一内部状态值(302)的值所决定的每个单位区间(300),根据所述单位区间内产生的预定的第二内部状态值(306、310)的变化而算出特征量(308、312),且所述特征量提取部针对所述算出的特征量,将决定对应的单位区间的、所述第一内部状态值的值对应地输出,且
所述控制装置包括:异常探测部(140),基于由所述特征量提取部所算出的所述特征量,生成表示所述控制对象所含的监测对象是否产生某些异常的探测结果(324),且所述异常探测部针对所生成的探测结果,将与用于生成所述探测结果的特征量对应的、所述第一内部状态值的值对应地输出。
[结构2]
根据结构1所记载的控制装置,其中,
在所述异常探测部,输入所述特征量提取部所输出的所述第一内部状态值的值。
[结构3]
根据结构1或2所记载的控制装置,其中,
所述特征量提取部受理任意的内部状态值的指定作为所述第一内部状态值。
[结构4]
根据结构1至3中任一项所记载的控制装置,其中,
所述特征量提取部将所述第一内部状态值显示相同值的区间决定为所述单位区间。
[结构5]
根据结构1至4中任一项所记载的控制装置,其中,
所述特征量提取部针对每个单位区间,根据所述单位区间中预定的第三内部状态值(332)显示预定的值的部分区间的、所述第二内部状态值的变化,来算出所述特征量。
[结构6]
根据结构1至5中任一项所记载的控制装置,其中,
所述异常探测部参照预先准备的学习数据(252),根据所述特征量而算出表示所述监测对象产生某些异常的可能性的值(1364)。
[结构7]
根据结构6所记载的控制装置,其中,
所述学习数据包含在正常情况下获得的特征量的群,
所述异常探测部基于相对于所述学习数据所含的特征量群的、所述特征量的偏差程度,算出表示所述监测对象产生某些异常的可能性的值。
[结构8]
根据结构6或7所记载的控制装置,其中,
所述异常探测部基于表示所述监测对象产生某些异常的可能性的值是否为预定的临界范围内,而生成表示所述监测对象是否产生异常的探测结果。
[结构9]
根据结构1至8中任一项所记载的控制装置,还包括:
保存部(130),保存对应了所述第一内部状态值的值的特征量的时序数据、及对应了所述第一内部状态值的值的探测结果的时序数据中的至少一者。
[结构10]
根据结构1至9中任一项所记载的控制装置,其中,
所述管理部还将所述特征量提取部及所述异常探测部中的运算结果作为所述控制装置所执行的程序可参照的内部状态值而进行内部保持。
[结构11]
一种控制程序(126),是由控制装置所执行,且所述控制程序使所述控制装置(100)执行:
在每个预定的控制周期获取控制对象产生的状态值,并将内部保持的内部状态值更新的步骤(S100、S102、S104);
针对根据预定的第一内部状态值(302)的值所决定的每个单位区间(300),根据所述单位区间内产生的预定的第二内部状态值(306、310)的变化而算出特征量(308、312)的步骤(S200、S202、S204、S206);
针对所述算出的特征量,将决定对应的单位区间的、所述第一内部状态值的值对应地输出的步骤(S208);
基于由所述特征量提取部所算出的所述特征量,生成表示所述控制对象所含的监测对象是否产生某些异常的探测结果(324)的步骤(S302);以及
针对所述生成的探测结果,将与用于生成所述探测结果的特征量对应的、所述第一内部状态值的值对应地输出的步骤(S304)。
<J.优点>
本实施方式的异常探测***中,可在从控制对象获取状态值,基于所获取的状态值的时间变化而算出特征量,到所算出的特征量判断有无异常的处理为止的期间中,对数据连贯地进行处理。
本实施方式的异常探测***中,定义作为由预定的状态值的值所规定的单位区间的帧,使用所述帧来判断有无监测对象可能产生的异常,因而监测对象的区间等的管理变容易。
本实施方式的异常探测***中,可针对作为单位区间的帧而规定任意的子帧。可在所述规定的子帧中算出特征量,并基于所算出的特征量来执行异常探测处理,因而可实现精度更高的异常探测。
应认为本次公开的实施方式在所有方面为例示而非限制性。本发明的范围是由权利要求而非所述说明来表示,意指包含与权利要求均等的含意及范围内的所有变更。
符号的说明
1:异常探测***
2:第一现场总线
4:第二现场总线
6:本地网络
10:现场装置群
12:远程I/O装置
14:继电器群
16、124:I/O单元
18:图像传感器
20:摄像机
22:伺服驱动器
24:伺服马达
100:控制装置
102、202:处理器
104:芯片组
106、206:主存储装置
108、208:二次存储装置
110、214:本地网络控制器
112、212:USB控制器
114:存储卡接口
116:存储卡
118、120:现场总线控制器
122:内部总线控制器
126:***程序
130:内部DB
132:原始数据时序DB
134:特征量时序DB
136:探测结果时序DB
140:异常探测引擎
142:特征量提取部
144:时序数据库管理器
150:变量管理部
152:处理结果
154:器件变量
180:任务周期
182:任务执行时间
184:I/O刷新处理
186:控制处理
188:***服务
200:支持装置
204:驱动器
205:存储介质
216:输入部
218:显示部
220:总线
250:数据挖掘工具
252:学习数据
254:原始数据
256:参数
260:设定工具
300、330:帧
302、320:帧变量
304、322:输出帧变量
306、310、A、B:时序数据
308、312、1344:特征量
324:运算结果
326:特征量集
332:状态
336、340:子帧
400:显示装置
500:上位服务器
1320、1340、1360:时刻信息
1322:变量值
1324、1342、1362:帧ID
1364:得分
1400:异常探测引擎执行部
1402、1406:异常探测用户变量
1404、1408、1424、1428:***定义变量
1420:特征量提取执行部
1422、1426:特征量提取用户变量
2562:特征量提取设定
2564:阈值设定
Claims (11)
1.一种控制装置,包括:
管理部,在每个预定的控制周期获取控制对象产生的状态值,并将内部保持的内部状态值更新;以及
特征量提取部,针对根据预定的第一内部状态值的值所决定的每个单位区间,根据所述单位区间内产生的预定的第二内部状态值的变化而算出特征量,且所述特征量提取部针对所述算出的特征量,将决定对应的单位区间的、所述第一内部状态值的值对应地输出,且
所述控制装置包括:异常探测部,基于由所述特征量提取部所算出的所述特征量,生成表示所述控制对象所含的监测对象是否产生某些异常的探测结果,且所述异常探测部针对所生成的探测结果,将与用于生成所述探测结果的特征量对应的、所述第一内部状态值的值对应地输出。
2.根据权利要求1所述的控制装置,其中,
在所述异常探测部,输入所述特征量提取部输出的所述第一内部状态值的值。
3.根据权利要求1或2所述的控制装置,其中,
所述特征量提取部受理任意的内部状态值的指定作为所述第一内部状态值。
4.根据权利要求1至3中任一项所述的控制装置,其中,
所述特征量提取部将所述第一内部状态值显示相同值的区间决定为所述单位区间。
5.根据权利要求1至4中任一项所述的控制装置,其中,
所述特征量提取部针对每个单位区间,根据所述单位区间中预定的第三内部状态值显示预定的值的部分区间的、所述第二内部状态值的变化,来算出所述特征量。
6.根据权利要求1至5中任一项所述的控制装置,其中,
所述异常探测部参照预先准备的学习数据,根据所述特征量而算出表示所述监测对象产生某些异常的可能性的值。
7.根据权利要求6所述的控制装置,其中,
所述学习数据包含正常情况下获得的特征量的群,
所述异常探测部基于相对于所述学习数据所含的特征量群的、所述特征量的偏差程度,算出表示所述监测对象产生某些异常的可能性的值。
8.根据权利要求6或7所述的控制装置,其中,
所述异常探测部基于表示所述监测对象产生某些异常的可能性的值是否为预定的临界范围内,而生成表示所述监测对象是否产生异常的探测结果。
9.根据权利要求1至8中任一项所述的控制装置,还包括:
保存部,保存对应了所述第一内部状态值的值的特征量的时序数据、及对应了所述第一内部状态值的值的探测结果的时序数据中的至少一者。
10.根据权利要求1至9中任一项所述的控制装置,其中,
所述管理部还将所述特征量提取部及所述异常探测部中的运算结果作为所述控制装置执行的程序能够参照的内部状态值而进行内部保持。
11.一种控制程序,由控制装置所执行,且所述控制程序使所述控制装置执行下述步骤:
在每个预定的控制周期获取控制对象产生的状态值,并将内部保持的内部状态值更新;
针对根据预定的第一内部状态值的值所决定的每个单位区间,根据所述单位区间内产生的预定的第二内部状态值的变化而算出特征量;
针对所述算出的特征量,将决定对应的单位区间的、所述第一内部状态值的值对应地输出;
基于所述算出的特征量,生成表示所述控制对象所含的监测对象是否产生某些异常的探测结果;以及
针对所述生成的探测结果,将与用于生成所述探测结果的特征量对应的、所述第一内部状态值的值对应地输出。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018-199664 | 2018-10-24 | ||
JP2018199664A JP7063229B2 (ja) | 2018-10-24 | 2018-10-24 | 制御装置および制御プログラム |
PCT/JP2019/039603 WO2020085077A1 (ja) | 2018-10-24 | 2019-10-08 | 制御装置および制御プログラム |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112673326A true CN112673326A (zh) | 2021-04-16 |
Family
ID=70331030
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201980058302.5A Pending CN112673326A (zh) | 2018-10-24 | 2019-10-08 | 控制装置及控制程序 |
Country Status (5)
Country | Link |
---|---|
US (1) | US11829130B2 (zh) |
EP (1) | EP3872593A4 (zh) |
JP (1) | JP7063229B2 (zh) |
CN (1) | CN112673326A (zh) |
WO (1) | WO2020085077A1 (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7294895B2 (ja) * | 2019-06-05 | 2023-06-20 | ファナック株式会社 | 制御装置 |
KR102553397B1 (ko) * | 2020-07-03 | 2023-07-07 | 미쓰비시덴키 가부시키가이샤 | 데이터 처리 장치 |
JP2023051402A (ja) * | 2021-09-30 | 2023-04-11 | オムロン株式会社 | 制御システム、情報処理方法および情報処理装置 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106104497A (zh) * | 2014-03-20 | 2016-11-09 | 日本电气株式会社 | 信息处理装置和异常检测方法 |
CN107491038A (zh) * | 2016-06-09 | 2017-12-19 | 发那科株式会社 | 学习异常负载检测的阈值的机械学习机、数控装置以及机械学习方法 |
WO2018047804A1 (ja) * | 2016-09-08 | 2018-03-15 | 日本電気株式会社 | 異常検出装置、異常検出方法、及び記録媒体 |
US20180164768A1 (en) * | 2016-12-14 | 2018-06-14 | Omron Corporation | Control system, control program, and control method |
JP2018097839A (ja) * | 2017-06-08 | 2018-06-21 | オムロン株式会社 | 制御装置、制御プログラムおよび制御方法 |
CN108227641A (zh) * | 2016-12-14 | 2018-06-29 | 欧姆龙株式会社 | 控制装置、控制方法及计算机可读存储介质 |
CN108572613A (zh) * | 2017-03-14 | 2018-09-25 | 欧姆龙株式会社 | 控制装置、信息处理方法 |
US20180275631A1 (en) * | 2017-03-22 | 2018-09-27 | Omron Corporation | Control system, control device, and control method |
JP2018160078A (ja) * | 2017-03-22 | 2018-10-11 | パナソニックIpマネジメント株式会社 | 異常検知装置及び異常検知方法 |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6199018B1 (en) * | 1998-03-04 | 2001-03-06 | Emerson Electric Co. | Distributed diagnostic system |
AU2002322109A1 (en) * | 2001-06-13 | 2002-12-23 | Intruvert Networks, Inc. | Method and apparatus for distributed network security |
US20070088550A1 (en) * | 2005-10-13 | 2007-04-19 | Dimitar Filev | Method for predictive maintenance of a machine |
JP2008072047A (ja) * | 2006-09-15 | 2008-03-27 | Omron Corp | モデル作成装置並びにプロセス異常分析装置およびそれらの方法並びにプログラム |
JP2012243192A (ja) | 2011-05-23 | 2012-12-10 | Mitsubishi Electric Engineering Co Ltd | データロガーシステムおよびデータロギング方法 |
JP5954338B2 (ja) * | 2014-01-14 | 2016-07-20 | 横河電機株式会社 | 計装システム及びその保守方法 |
US9638762B2 (en) * | 2014-02-24 | 2017-05-02 | Infineon Technologies Ag | Highly efficient diagnostic methods for monolithic sensor systems |
US9912733B2 (en) * | 2014-07-31 | 2018-03-06 | General Electric Company | System and method for maintaining the health of a control system |
US10739764B2 (en) * | 2016-07-15 | 2020-08-11 | Ricoh Company, Ltd. | Diagnostic apparatus, diagnostic system, diagnostic method, and recording medium |
JP2018133037A (ja) * | 2017-02-17 | 2018-08-23 | オムロン株式会社 | 制御装置 |
JP2018151917A (ja) * | 2017-03-14 | 2018-09-27 | オムロン株式会社 | 制御装置 |
-
2018
- 2018-10-24 JP JP2018199664A patent/JP7063229B2/ja active Active
-
2019
- 2019-10-08 US US17/279,080 patent/US11829130B2/en active Active
- 2019-10-08 EP EP19875494.7A patent/EP3872593A4/en active Pending
- 2019-10-08 WO PCT/JP2019/039603 patent/WO2020085077A1/ja unknown
- 2019-10-08 CN CN201980058302.5A patent/CN112673326A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106104497A (zh) * | 2014-03-20 | 2016-11-09 | 日本电气株式会社 | 信息处理装置和异常检测方法 |
CN107491038A (zh) * | 2016-06-09 | 2017-12-19 | 发那科株式会社 | 学习异常负载检测的阈值的机械学习机、数控装置以及机械学习方法 |
WO2018047804A1 (ja) * | 2016-09-08 | 2018-03-15 | 日本電気株式会社 | 異常検出装置、異常検出方法、及び記録媒体 |
US20180164768A1 (en) * | 2016-12-14 | 2018-06-14 | Omron Corporation | Control system, control program, and control method |
CN108227641A (zh) * | 2016-12-14 | 2018-06-29 | 欧姆龙株式会社 | 控制装置、控制方法及计算机可读存储介质 |
CN108572613A (zh) * | 2017-03-14 | 2018-09-25 | 欧姆龙株式会社 | 控制装置、信息处理方法 |
US20180275631A1 (en) * | 2017-03-22 | 2018-09-27 | Omron Corporation | Control system, control device, and control method |
CN108628263A (zh) * | 2017-03-22 | 2018-10-09 | 欧姆龙株式会社 | 控制***、控制装置、计算机可读存储介质以及控制方法 |
JP2018160078A (ja) * | 2017-03-22 | 2018-10-11 | パナソニックIpマネジメント株式会社 | 異常検知装置及び異常検知方法 |
JP2018097839A (ja) * | 2017-06-08 | 2018-06-21 | オムロン株式会社 | 制御装置、制御プログラムおよび制御方法 |
Also Published As
Publication number | Publication date |
---|---|
EP3872593A1 (en) | 2021-09-01 |
EP3872593A4 (en) | 2022-07-13 |
US20220050448A1 (en) | 2022-02-17 |
JP2020067786A (ja) | 2020-04-30 |
JP7063229B2 (ja) | 2022-05-09 |
WO2020085077A1 (ja) | 2020-04-30 |
US11829130B2 (en) | 2023-11-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10591886B2 (en) | Control system, control program, and control method for device switching responsive to abnormality detection | |
US10990084B2 (en) | Control apparatus, data structure, and information processing method | |
JP6965798B2 (ja) | 制御システムおよび制御方法 | |
US10503146B2 (en) | Control system, control device, and control method | |
US10901398B2 (en) | Controller, control program, control system, and control method | |
CN112673327B (zh) | 控制装置及计算机可读取的存储介质 | |
CN112673326A (zh) | 控制装置及控制程序 | |
US12008072B2 (en) | Control system and control method | |
US10890889B2 (en) | Method of monitoring and assessing the operation of an industrial installation driven by a programmable controller and equipment implementing said method | |
US20220004155A1 (en) | Control system and control device | |
JP7102801B2 (ja) | 制御システム、制御装置および表示装置 | |
EP4361742A1 (en) | Prediction system, information processing device, and information processing program | |
US20240095589A1 (en) | Information processing device, information processing program, and information processing method | |
WO2023053511A1 (ja) | 制御システム、情報処理方法および情報処理装置 | |
WO2022162957A1 (ja) | 情報処理装置、制御システムおよびレポート出力方法 | |
JP2023006304A (ja) | 制御システム、モデル生成方法およびモデル生成プログラム | |
JP2023002962A (ja) | 情報処理装置、モデル生成プログラムおよびモデル生成方法 | |
CN116894544A (zh) | 数据收集装置、记录介质以及方法 |
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 |