CN112783935A - 分析装置 - Google Patents

分析装置 Download PDF

Info

Publication number
CN112783935A
CN112783935A CN202011233035.1A CN202011233035A CN112783935A CN 112783935 A CN112783935 A CN 112783935A CN 202011233035 A CN202011233035 A CN 202011233035A CN 112783935 A CN112783935 A CN 112783935A
Authority
CN
China
Prior art keywords
data
section
analysis
unit
sliding window
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
CN202011233035.1A
Other languages
English (en)
Inventor
上野智史
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.)
Fanuc Corp
Original Assignee
Fanuc Corp
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 Fanuc Corp filed Critical Fanuc Corp
Publication of CN112783935A publication Critical patent/CN112783935A/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
    • G05B23/0221—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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • G06F16/2474—Sequence data queries, e.g. querying versioned data
    • 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
    • G05B23/024—Quantitative history assessment, e.g. mathematical relationships between available data; Functions therefor; Principal component analysis [PCA]; Partial least square [PLS]; Statistical classifiers, e.g. Bayesian networks, linear regression or correlation analysis; Neural networks
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0218—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
    • G05B23/0256—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 injecting test signals and analyzing monitored process response, e.g. injecting the test signal while interrupting the normal operation of the monitored system; superimposing the test signal onto a control signal during normal operation of the monitored system
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • G06F16/2465—Query processing support for facilitating data mining operations in structured databases

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Mathematical Physics (AREA)
  • Theoretical Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Software Systems (AREA)
  • Probability & Statistics with Applications (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Fuzzy Systems (AREA)
  • Testing And Monitoring For Control Systems (AREA)
  • Numerical Control (AREA)
  • Debugging And Monitoring (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • General Factory Administration (AREA)

Abstract

本发明提供一种分析装置，其具备：事先分析部，其提取以规定的滑动窗宽度截取时间序列数据而得到的区间数据，并对提取出的区间数据的变化趋势的简单性进行分析；数据分割部，其以基于由事先分析部分析出的结果而设定的滑动窗宽度，将数据分割成分割数据；数据生成部，其基于分割数据，生成表示该分割数据中的变化趋势的字符串即组合数据；以及数据分析部，其对组合数据进行分析。

Description

分析装置
技术领域
本发明涉及分析装置。
背景技术
在工厂等制造现场，导入有对设置于生产线的机器人、机床等工业机械的运转状态进行监视，对工业机械的运转状态进行管理的装置。
管理工业机械的运转状态的装置例如经由网络监视由各个工业机械检测出的电动机的位置、速度、转矩等时间序列数据、表示规定时刻的信号的变化的数据、由安装于工业机械的传感器检测出的振动、声音、动态图像等时间序列数据。另外，管理工业机械的运转状态的装置根据相对于各数据的时间推移的变化状态检测表示异常的趋势(例如，日本特开2019-144931号公报、日本特开2019-012473号公报)。
工业机械的运转状态不是基于规定的单独的数据进行判定的，有时必须基于各个数据之间的关系进行判定。例如，有时分析工业机械所具备的2个驱动***在相同的时刻上升/下降、或者完全没有关系、或者某个部分处于特定的状态时规定的信号是接通/断开等数据间的关系来判定运转状态。在该情况下，需要在预先掌握各个数据的关系性的基础上创建用于判定的算法、条件。
在从工业机械取得的数据数少的情况下，并且，在取得数据的期间比较短的情况下等，使时间一致地将各个数据在图表上进行显示，作业者能够目视该显示来掌握数据间的关系性。然而，在从工业机械取得的数据数多的情况下，并且在所取得的数据历经比较长的期间的情况下，人难以判断数据间的关系性。
因此，需要分析数据间的关系性的方法。通常，时间序列的数值型的数据彼此的类似度能够通过欧几里得距离、CCF(Cross-Correlation Function：互相关函数)、DTW(Dynamic Time Warping：动态时间伸缩法)等来计算。然而，即使使用这些方法，也难以关注历经长时间取得的数据的特征性部分，来同时掌握各部分中的多个数据间的关系性。
因此，对于多个时间序列数据，需要一种能够容易地分析各数据间的关系性的方法。
发明内容
本发明通过能够将作为公知的数据分析方法的关联分析的技术应用于包含时间序列数据的多个数据的关系性的掌握中，来解决上述课题。一般而言，关联分析无法应用于时间序列数据，但本发明的一个方式的分析装置通过从能够取得的时间序列数据中找出其关系性具有特征的区间并进行提取，而能够应用关联分析。
并且，本发明的一个方式是一种分析装置，其对包含从工业机械取得的时间序列数据的数据进行分析，该分析装置具备：事先分析部，其提取以规定的滑动窗宽度截取数据中包含的时间序列数据而得到的区间数据，并对提取出的区间数据的变化趋势的简单性(simplicity)进行分析；数据分割部，其以基于由事先分析部分析出的结果而设定的滑动窗宽度，将数据分割成分割数据；数据生成部，其基于分割数据，生成表示该分割数据中的变化趋势的字符串即组合数据；以及数据分析部，其对组合数据进行分析。
本发明的另一方式是一种分析方法，对包含从工业机械取得的时间序列数据的数据进行分析，其执行如下步骤：第1步骤，提取以规定的滑动窗宽度截取数据中包含的时间序列数据而得到的区间数据，并分析提取出的区间数据的变化趋势的简单性；第2步骤，根据在第1步骤中分析出的结果设定滑动窗宽度，以设定的滑动窗宽度将数据分割为分割数据；第3步骤，基于分割数据，生成表示该分割数据中的变化趋势的字符串即组合数据；以及第4步骤，对组合数据进行分析。
根据本发明的一个方式，能够掌握包含时间序列数据的多个数据间的关系性，更容易进行数据的灵活使用。
附图说明
参照附图根据以下实施例的说明能够明确本发明的目的及特征。这些实施例的附图中：
图1是一实施方式的分析装置的概略硬件结构图。
图2是第1实施方式的分析装置的概略功能框图。
图3是表示存储在取得数据存储部中的数据的例子的图。
图4是对单调性的判定进行说明的图。
图5是表示非单调性区间数以及状态数的显示例的图。
图6是第2实施方式的分析装置的概略功能框图。
图7是第3实施方式的分析装置的概略功能框图。
具体实施方式
以下,对本发明的实施方式及附图进行说明。
图1是表示本发明的一个实施方式的分析装置的概略硬件结构图。分析装置1例如能够安装于控制工业机械的控制装置。另外，分析装置1能够安装于与控制工业机械的控制装置并列设置的个人计算机、经由有线/无线的网络与控制装置连接的个人计算机、单元计算机、雾计算机、云服务器。在本实施方式中，示出了在经由网络与控制工业机械的控制装置连接的个人计算机上安装分析装置1的例子。
本实施方式的分析装置1所具备的CPU(Central Processing Unit)11是整体控制分析装置1的处理器。CPU11经由总线22读出存储在ROM(Read Only Memory：只读存储器)12中的***程序。CPU11按照该***程序来控制分析装置1整体。在RAM(Random AccessMemory：随机存取存储器)13中暂时存储计算数据、显示数据、以及从外部输入的各种数据等。
非易失性存储器14例如由通过未图示的电池备份的存储器或SSD(Solid StateDrive：固态驱动器)等构成。即使分析装置1的电源断开，非易失性存储器14也保持存储状态。在非易失性存储器14中存储经由接口15从外部设备72读入的数据、经由输入装置71输入的数据、经由接口20从控制装置3取得的数据等。非易失性存储器14中存储的数据也可以在执行时/利用时在RAM13中展开。另外，在ROM12中预先写入有公知的分析程序等各种***程序。
接口15是用于与分析装置1的CPU11和USB(Universal Serial Bus：通用串行总线)装置等外部设备72连接的接口。从外部设备72侧，能够读入例如由其他工业机械等取得的数据等。另外，在分析装置1内处理后的数据等能够经由外部设备72存储于外部存储单元。
接口20是用于连接分析装置1的CPU11与有线或者无线的网络5的接口。网络5与控制装置3、雾计算机、云服务器等连接，与分析装置1之间相互进行数据的交换。
在显示装置70中，经由接口17输出并显示在存储器上读入的各数据、以及作为执行了程序等的结果而得到的数据等。另外，由键盘、指示设备等构成的输入装置71经由接口18将基于作业者的操作的指令、以及数据等传递给CPU11。
图2是将第1实施方式的分析装置1所具备的功能表示为概略框图的图。本实施方式的分析装置1所具备的各功能通过图1所示的分析装置1所具备的CPU11执行***程序并控制分析装置1的各部的动作来实现。
分析装置1具备数据取得部100、事先分析部110、显示部120、预处理部130以及数据分析部140。另外，在分析装置1的RAM13或者非易失性存储器14中，预先准备有作为用于存储从输入装置71、外部设备72、控制装置3等取得的数据的区域的取得数据存储部200。另外，在RAM13或者非易失性存储器14中预先准备有作为存储数据的分析条件的区域的分析条件存储部210、和作为存储对数据进行预处理的结果的区域的组合数据存储部220。
数据取得部100通过CPU11执行从ROM12读出的***程序，并主要进行由CPU11进行的使用了RAM13、非易失性存储器14的运算处理和由接口15、18或20进行的输入控制处理来实现。数据取得部100取得在工业机械4的动作时检测出的时间序列数据、表示规定的时刻的信号的变化的数据等。表示该规定的时刻的信号的变化的数据能够通过在时间轴上表示信号的变化来作为时间序列数据进行处理。数据取得部100取得工业机械4的电动机的位置数据、速度数据、加速度数据、转矩数据。另外，数据取得部100取得安装于工业机械4的传感器6检测出的振动数据、声音数据、图像数据。另外，数据取得部100取得控制工业机械4的控制装置3存储的各种数据等。数据取得部100也可以经由网络5从控制装置3直接取得与工业机械4相关的数据。数据取得部100也可以取得外部设备72、未图示的雾计算机、云服务器等已经取得并存储的数据。数据取得部100取得的数据被存储在取得数据存储部200中。
事先分析部110通过CPU11执行从ROM12读出的***程序，并主要进行由CPU11进行的使用了RAM13、非易失性存储器14的运算处理来实现。事先分析部110对存储在取得数据存储部200中的数据进行事先分析。事先分析部110将其分析结果输出到显示部120。预先分析是针对存储在取得数据存储部200中的数据，为了向作业者示出如何确定区间才能提取表示简单的变化趋势的区间数据而进行的。即，事先分析是为了事先分析在规定的区间划分数据的情况下的区间数据的变化趋势的简单性而进行的。事先分析部110具备区间提取部112、非单调性区间数计算部114以及状态数计算部116。
区间提取部112基于存储在分析条件存储部210中的滑动窗宽度Sw的值，从存储在取得数据存储部200中的数据中提取分别用滑动窗宽度Sw的滑动窗S1～Si截取的区间数据。区间提取部112在时间t＝0的位置配置滑动窗S1的左端。区间提取部112以使后面的滑动窗的左端到达前面的滑动窗的右端位置的方式进行配置。区间提取部112通过滑动窗截取时间序列数据而提取区间数据。关于滑动窗宽度Sw，只要作业者对输入装置71进行操作而将其设定为分析条件即可。图3示出了存储在取得数据存储部200中的数据的示例。在图3的例子中，示出了在作为工业机械4的机床中对加工部件进行加工时取得的数据。例如在取得数据存储部中存储有由机床加工的加工部件数、机床的伺服电动机温度、主轴电动机温度等时间序列数据。另外，作为机床的信号状态，设为在取得数据存储部中存储有M01解码信号的信号状态、切削进给信号的信号状态、单块确认信号的信号状态。此时，区间提取部112将各个数据排列在时间轴上，提取以预先设定的滑动窗宽度Sw分割时间轴的情况下的各滑动窗内的数据作为区间数据。图3例示的数据与滑动窗宽度Sw的关系也可以通过显示部120显示于显示装置70。由此，作业者能够一边在画面上确认各数据与滑动窗宽度Sw的关系，一边进行滑动窗宽度Sw的调整。另外，以使滑动窗S1的左端的时间成为0的方式进行区间数据的切出，但也可以调整该位置。在该情况下，位置的调整量ew也与滑动窗宽度Sw一起存储于分析条件存储部210。
非单调性区间数计算部114针对区间提取部112提取出的区间数据中的数值型的数据即区间数据，求出其数值的变化表示非单调性(不表示单调性)的区间数据的数量。非单调性区间数计算部114针对作为数值型的数据的区间数据，在该区间数据不表示单调增加或单调减少的趋势的情况下，判定为表示非单调性。此时的判定可以具有一定程度的富余。例如，如图4所例示的那样，针对某个区间数据D，求出连结起点值Ds和终点值De的直线。在具有该区间数据D的各时刻的值与该时刻的该直线取的值的差超过预先决定的规定的阈值的部分的情况下，非单调性区间数计算部114也可以判定为该区间数据D表示非单调性。另外，在同样的情况下，在具有区间数据D的各时刻的值与该时刻的该直线取的值的比率超过预先决定的规定的阈值的部分的情况下，非单调性区间数计算部114也可以判定为该区间数据D表示非单调性。进而，在某个区间数据D内同时存在预先决定的规定的宽度(例如，区间数据D的宽度的30％的宽度等)的、规定的正阈值以上的正的斜率连续的区间和规定的负阈值以下的负的斜率连续的区间的情况下，非单调性区间数计算部114也可以判定为该区间数据D表示非单调性。此外，在根据数据的特性判断为一般表示非单调性的情况下，非单调性区间数计算部114也可以判定为该区间数据表示非单调性。非单调性区间数计算部114求出的值能够作为测量数值型的数据中的区间数据的变化趋势的简单性的尺度来使用。
状态数计算部116针对区间提取部112提取出的区间数据中的信号等不是数值型的数据即区间数据，在各个区间数据内计算该数据取得的状态数。状态数计算部116求出所计算出的每个状态数的区间数据的数量。例如在区间数据在该区间内保持开启(ON)或切断(OFF)的值不变的情况下，状态数计算部116将该区间数据的状态数计算为1。例如在区间数据在该区间从ON向OFF或者从OFF向ON变化1次的情况下，状态数计算部116将该区间数据的状态数计算为2。例如在区间数据在该区间从ON变化为OFF，然后从OFF变化为ON的情况下，或者从OFF变化为ON，然后从ON变化为OFF的情况下，即，在区间数据变化2次的情况下，状态数计算部116将该区间数据的状态数计算为3。状态数计算部116求出的值能够作为测量数值型以外的数据中的区间数据的变化趋势的简单性的尺度来使用。
显示部120通过CPU11执行从ROM12读出的***程序，并主要进行由CPU11进行的使用了RAM13、非易失性存储器14的运算处理、和由接口17进行的输出控制处理来实现。显示部120将事先分析部110得到的事先分析的结果、数据分析部140得到的数据分析的结果显示在显示装置70上。显示部120例如显示图3所例示的数据与滑动窗宽度Sw的关系。另外，显示部120显示非单调性区间数计算部114求出的表示非单调的区间数据的数量，作为由作业者设定的滑动窗宽度Sw中的事先分析部110进行的事先分析的结果。另外，显示部120显示状态数计算部116求出的每个状态数的区间数据的数量。
图5示出了显示单元120的显示的示例。在图5的例子中，与取得数据存储部200中存储的各数据与滑动窗宽度Sw的关系一起，显示非单调性区间数计算部114求出的表示非单调的区间数据的数量、以及状态数计算部116求出的每个状态数的区间数据的数量。通过观察这样的显示，作业者能够对设定的滑动窗宽度Sw的妥当性进行研究。作业者观察图5所例示的显示，能够进一步研究非单调性区间数减少，并且状态数大的区间减少的滑动窗宽度Sw的值。
预处理部130通过CPU11执行从ROM12读出的***程序，并主要由CPU11进行使用了RAM13、非易失性存储器14的运算处理来实现。预处理部130对存储在取得数据存储部200中的数据进行预处理。预处理部130将作为预处理的结果而生成的组合数据存储于组合数据存储部220。预处理部130执行的预处理是以通过事先分析判断为妥当的滑动窗宽度Sw对存储于取得数据存储部200的数据进行分割，生成转换为表示该分割后的分割数据的变化趋势的规定的字符串的组合数据的处理。预处理单元130具备数据分割部132和数据生成部134。
数据分割部132根据分析条件存储部210中存储的滑动窗宽度Sw的值，制作利用滑动窗宽度Sw的滑动窗S1～Si对存储在取得数据存储部200中的数据进行分割而得到的分割数据。存储于分析条件存储部210的滑动窗宽度Sw是通过使用了事先分析部110的事先分析，作业者判断为妥当的值。用于制作分割数据的滑动窗宽度Sw可以是作业者判断为最妥当的1个值，也可以分别使用由作业者决定的多个值。另外，滑动窗以时间0为基准位置进行区间数据的切出，但也可以调整该基准位置。另外，也可以调整滑动窗S1～Si的位置。在这样的情况下，使用与滑动窗宽度Sw一起存储于分析条件存储部210的位置的调整量ew来调整滑动窗的位置。
数据生成部134针对数据分割部132生成的分割数据，生成表示该分割数据的变化趋势的规定形式的字符串即组合数据。在分割数据为数值型的数据的情况下，数据生成部134变换为表示从该分割数据的起点值向终点值的增减值的字符串。数据生成部134生成包含变换后的字符串的组合数据。例如在分割数据为伺服电动机温度的数据，且在从该区间的起点到终点的期间的值增加了5℃的情况下，数据生成部134根据该分割数据生成组合数据“伺服电动机温度(+5℃)”。另外，例如在分割数据为主轴电动机温度的数据，且在从该区间的起点到终点的期间的值下降8℃的情况下，数据生成部134根据该分割数据生成组合数据“主轴电动机温度(-8℃)”。
另外，数据生成部134在分割数据为数值型以外的数据的情况下，变换为表示该分割数据的状态的变化的流程(flow)的字符串。数据生成部134生成包含变换后的字符串的组合数据。例如，在分割数据为切削进给信号的数据，在其区间中保持ON的值不变的情况下，数据生成部134根据该分割数据生成组合数据“切削进给信号ON”。另外，例如在分割数据为单块确认信号的数据，在其区间从OFF变化为ON，之后从ON变化为OFF的情况下，数据生成部134根据该分割数据生成组合数据“单块确认信号OFF→ON→OFF”。
数据分析部140通过CPU11执行从ROM12读出的***程序，并主要进行由CPU11进行的使用了RAM13、非易失性存储器14的运算处理来实现。数据分析部140进行基于组合数据存储部220中存储的组合数据的公知的关联分析。关联分析是从数据的集合中发现规定的模式(相关规则)的分析方法。例如，在关联分析中，发现“伺服电动机温度增加”和“主轴电动机温度增加”具有相关性等相关规则。由于数据取得部100取得的数据中包含时间序列数据，所以难以对该数据应用一般的关联分析。然而，在本申请发明的分析装置1中，在进行了由预处理部130进行的预处理的阶段，生成表示数据种类及其数据的变化趋势的字符串即组合数据。因此，通过对该组合数据应用关联分析的方法，例如能够分析数值数据的变化与信号值的状态变化之间的相关性。数据分析部140在进行关联分析时，将基于在相同时间检测出的数据而生成的组合数据视为同时发生的(存在共现性的)组合数据。需要说明的是，关于关联分析的详细情况，在本申请的申请以前已经充分被公知，因此在本说明书中省略其说明。
数据分析部140也可以对组合数据直接进行关联分析，但例如也可以在根据规定的条件将多个组合数据视为相同值的基础上进行关联分析。在该情况下，数据分析部140也可以根据分析条件存储部210中存储的等价条件，将多个组合数据视为相同值。例如，作为等价条件，在设定了将数值型的数据即温度舍去小数点以下这样的等价条件的情况下，数据分析部140将组合数据“伺服电动机温度：+5.2℃”和“伺服电动机温度：+5.8℃”视为与“伺服电动机温度：+5.0℃”相同的值，进行关联分析。另外，例如作为等价条件，也可以设定如下的等价条件：在作为数值型以外的数据的单块(single block)确认信号取3以上的状态的情况下，将状态变化视为与“其他”相同的值。在该情况下，数据分析部140将组合数据“单块确认信号：OFF→ON→OFF”或组合数据“单块确认信号：ON→OFF→ON”等这样的状态数为3以上的单块确认信号的数据视为与“单块确认信号：其他”相同的值，进行关联分析。等价条件也可以根据数据的特性等以成为适当的大小的方式确定作业者视为相同值的范围。另外，等价条件也可以如数据的最大值与最小值之差的X％等那样，基于各自的数据能够取得的范围来决定视为相同值的范围。
另外，数据分析部140除了关联分析以外，也可以利用在时间序列数据中难以应用但能够应用于字符串等数据的其他分析方法来分析组合数据。例如，也可以进行篮子(basket)分析、因子分析、ABC分析等这样的分析事件的公知的分析方法。
具备上述结构的本实施方式的分析装置1能够通过公知的分析方法分析从工业机械取得的各种时间序列数据的关系性。因此，更容易进行数据的灵活利用。通过本实施方式的分析装置1进行关联分析而求出的各数据间的关系性能够以各种目的来灵活利用。
例如，能够利用数据间的关系性，以停止获取不需要的数据。经分析，在知道某2个以上的数据的值大致一致的情况下，并且判明了在某状态时信号必然变为接通等的情况下，这些数据能够视为重复的数据。因此，能够进行停止任一个数据的取得的研究。由此，能够对作为数据收集装置、数据收集路径而使用的网络的负荷的减轻、作为数据的收集目的地的数据库的容量的削减进行研究。
另外，也能够将数据间的关系性应用于数据的缺损时的插补。经分析判明了某2个以上的数据的关系性的情况下，即使在某个数据缺损而无法收集的情况下，也能够利用使用与该数据有关系性的其他数据的值预测得到的值进行插补。
也能够将数据间的关系性应用于加工的品质改善。经分析，在判明了加工结果(合格品/不合格品)与加工时收集到的数据的关系性的情况下，能够确定不良的原因而防止不合格品的产生。另外，在从在机械的运转中收集到的数据中检测出出现不合格品的征兆时，能够停止加工。
也能够将数据间的关系性活用于异常检测。经分析，例如在判明“如果伺服的温度上升5度，则主轴的温度也上升5度”这样的关系性的情况下，如果在伺服的温度上升5度时主轴的温度没有上升，则能够判断为发生了异常。
能够将数据间的关系性活用于故障或警报的征兆的发现。经分析，在判明了正常动作时的信号的值的关系性的情况下，例如在发生某个警报之前，在信号的值的关系性与正常时不同的情况下，能够判断为该关系性是故障或警报的征兆。
通过对数据间的关系性进行网络分析，能够使信号的关系图表化，掌握信号整体的关系性。由此，能够在视觉上掌握仅通过关联分析无法知道的信号整体的关系性。使用掌握整体而得到的关系性的见解，例如容易提取在机器学习中利用的数据的特征量。另外，通过在视觉上掌握信号整体的关系性，也能够期待容易实施其他的灵活利用方法。
图6是将本发明的第2实施方式的分析装置1所具备的功能表示为概略框图的图。本实施方式的分析装置1所具备的各功能通过图1所示的分析装置1所具备的CPU11执行***程序并控制分析装置1的各部的动作来实现。
本实施方式的分析装置1在预处理部130具备同值区间变换部136这一点上与第1实施方式的分析装置1不同。
同值区间变换部136基于分析条件存储部210中存储的等价条件，将数据生成部134生成的组合数据分类为看作相同值的集合，将分类后的组合数据存储到组合数据存储部220中。由数据分析部140分析被分类的组合数据。
图7是将本发明的第3实施方式的分析装置1所具备的功能表示为概略框图的图。本实施方式的分析装置1所具备的各功能通过图1所示的分析装置1所具备的CPU11执行***程序并控制分析装置1的各部的动作来实现。
本实施方式的分析装置1在具备滑动窗宽度调整部150这一点上与第1实施方式的分析装置1不同。
滑动窗宽度调整部150基于预先决定的规定的规则调整滑动窗宽度Sw，搜索非单调性区间数计算部114求出的表示非单调性的区间数据的数量以及状态数计算部116求出的每个状态数的区间数据的数量成为妥当的值的滑动窗宽度Sw。滑动窗宽度调整部150例如以作业者在分析条件存储部210中设定的滑动窗宽度Sw为基准，设定以预先确定的规定的调整量dw刻度进行规定步长增减后的滑动窗宽度Sw-j×dw～滑动窗宽度Sw+j×dw。滑动窗宽度调整部150也可以将设定各自的滑动窗宽度时的非单调性区间数计算部114求出的表示非单调性的区间数据的数量与状态数计算部116求出的每个状态数的区间数据的数量进行比较，搜索满足预先确定的妥当性的条件的滑动窗宽度。另外，滑动窗宽度调整部150例如将基于滑动窗的时间序列数据的分隔位置以预先设定的规定的调整量ewd刻度错开规定步长。滑动窗宽度调整部150也可以将设定各个滑动窗的位置时的非单调性区间数计算部114求出的表示非单调性的区间数据的数量与状态数计算部116求出的每个状态数的区间数据的数量进行比较，搜索满足预先确定的妥当性的条件的滑动窗的调整量。
本实施方式的分析装置1能够在某种程度上自动地求出良好的滑动窗宽度、滑动窗的位置的调整量。因此，能够在一定程度上减轻作业者对滑动窗宽度、滑动窗的位置的调整量的研究作业所需的劳力。
以上，说明了本发明的一个实施方式，但是本发明并非仅限于上述实施方式的例子，通过加以适当的变更能够以各种方式来实施。

Claims (6)

1.一种分析装置，其对包含时间序列数据的数据进行分析，其特征在于，具备：
事先分析部，其提取以规定的滑动窗宽度截取所述数据中包含的时间序列数据而得到的区间数据，并分析提取出的区间数据的变化趋势的简单性；
数据分割部，其以基于由所述事先分析部分析出的结果设定的滑动窗宽度，将所述数据分割为分割数据；
数据生成部，其基于所述分割数据，生成表示该分割数据中的变化趋势的字符串即组合数据；以及
数据分析单元，其分析所述组合数据。
2.根据权利要求1所述的分析装置，其特征在于，
所述事先分析部具备非单调性区间计算部，该非单调性区间计算部求出数值型的所述区间数据中的、该数值的变化表示非单调性的区间数据的数量。
3.根据权利要求1所述的分析装置，其特征在于，
所述事先分析部具备状态数计算部，该状态数计算部针对数值型以外的所述区间数据，计算各个区间数据取得的状态数，并求出计算出的每个状态数的区间数据的数量。
4.根据权利要求1所述的分析装置，其特征在于，
所述数据生成部基于数值型的所述分割数据，生成包含表示从所述分割数据的起点值向终点值的增减值的字符串的组合数据。
5.根据权利要求1所述的分析装置，其特征在于，
所述数据生成部基于数值型以外的所述分割数据，生成包含表示所述分割数据的状态的变化的流程的字符串的组合数据。
6.一种对包含时间序列数据的数据进行分析的分析方法，其执行如下步骤：
第1步骤，提取以规定的滑动窗宽度截取所述数据中包含的时间序列数据而得到的区间数据，对提取出的区间数据的变化趋势的简单性进行分析；
第2步骤，根据在所述第1步骤中分析的结果设定滑动窗宽度，将所述数据以设定的滑动窗宽度分割成分割数据；
第3步骤，根据所述分割数据，生成表示该分割数据中的变化趋势的字符串即组合数据；以及
对所述组合数据进行分析的第4步骤。
CN202011233035.1A 2019-11-07 2020-11-06 分析装置 Pending CN112783935A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2019202079A JP7368189B2 (ja) 2019-11-07 2019-11-07 分析装置
JP2019-202079 2019-11-07

Publications (1)

Publication Number Publication Date
CN112783935A true CN112783935A (zh) 2021-05-11

Family

ID=75584080

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011233035.1A Pending CN112783935A (zh) 2019-11-07 2020-11-06 分析装置

Country Status (4)

Country Link
US (1) US11487275B2 (zh)
JP (1) JP7368189B2 (zh)
CN (1) CN112783935A (zh)
DE (1) DE102020128648A1 (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20230341832A1 (en) 2022-04-26 2023-10-26 Hitachi, Ltd. Versatile anomaly detection system for industrial systems

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0620173A (ja) * 1991-08-23 1994-01-28 Hitachi Ltd プロセス情報表示システム
JPH08320720A (ja) * 1995-03-20 1996-12-03 Fuji Facom Corp プロセス状態認識方法、プロセス状態認識装置及びデータ蓄積装置並びに学習装置
JP2007148890A (ja) 2005-11-29 2007-06-14 Hitachi Ltd 機器診断装置
WO2015028844A1 (en) * 2013-08-29 2015-03-05 Arria Data2Text Limited Text generation from correlated alerts
EP3118750A4 (en) 2014-03-14 2017-11-08 Nec Corporation Factor analysis device, factor analysis method, and factor analysis program
US20170286841A1 (en) 2014-09-03 2017-10-05 Nec Corporation Monitoring device and monitoring method thereof, monitoring system, and recording medium in which computer program is stored
JP6917805B2 (ja) 2017-06-30 2021-08-11 日立Ｇｅニュークリア・エナジー株式会社 データフィルタリング装置および方法
JP6453504B1 (ja) 2018-02-22 2019-01-16 エヌ・ティ・ティ・コミュニケーションズ株式会社 異常監視装置、異常監視方法および異常監視プログラム
JP6919761B2 (ja) * 2018-03-14 2021-08-18 日本電気株式会社 トラヒック分析装置、方法及びプログラム

Also Published As

Publication number Publication date
JP2021076998A (ja) 2021-05-20
US11487275B2 (en) 2022-11-01
US20210141369A1 (en) 2021-05-13
DE102020128648A1 (de) 2021-05-12
JP7368189B2 (ja) 2023-10-24

Similar Documents

Publication Publication Date Title
US11112768B2 (en) Numerical controller and machine learning device
US20110209083A1 (en) Process analysis system
CN107949813B (zh) 制造设备诊断辅助装置及制造设备诊断辅助方法
US20070088454A1 (en) System and method for troubleshooting a machine
US11480941B2 (en) Analysis device, analysis method, and non-transitory computer readable medium recording an analysis program
CN109960232B (zh) 领先辅助参数的选择方法和设备维护预诊断的方法
JP4957406B2 (ja) バッチプロセス解析システムおよびバッチプロセス解析方法
CN110196573B (zh) 异常因素确定装置
JP2020128013A (ja) 状態判定装置及び状態判定方法
CN112783935A (zh) 分析装置
CN111538755A (zh) 一种基于归一化互相关与单位根检验的设备运行状态异常检测方法
JP7401280B2 (ja) 作業工程判別装置及び作業工程判別システム
JP2575323B2 (ja) データ抽出平均法による切削負荷監視方法
WO2023089773A9 (ja) 異常診断装置、異常診断システム、及び記憶媒体
CN112114578A (zh) 一种多工序多变量过程在线监控和异常源诊断的稳健方法
CN117581170A (zh) 分析装置
JP6348934B2 (ja) 異常診断システム及び異常診断方法
WO2023149059A1 (ja) タクト分割データ収集システム、及び、異常検知システム
WO2023139790A9 (ja) 診断装置及びコンピュータ読み取り可能な記録媒体
JPH06274784A (ja) プラント監視診断装置およびその異常徴候識別方法
US12032354B2 (en) Program restart assisting apparatus
JP7263185B2 (ja) 学習済みモデルの製造方法、生産システム、異常判定装置、及び異常判定方法
WO2022085350A1 (ja) 異常診断モデルの構築方法、異常診断方法、異常診断モデルの構築装置および異常診断装置
JP6840294B1 (ja) プログラマブル表示器、制御システムおよび解析方法
WO2023053511A1 (ja) 制御システム、情報処理方法および情報処理装置

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