CN114625101B - 异常诊断***、异常诊断方法及计算机可读介质 - Google Patents
异常诊断***、异常诊断方法及计算机可读介质 Download PDFInfo
- Publication number
- CN114625101B CN114625101B CN202111509025.0A CN202111509025A CN114625101B CN 114625101 B CN114625101 B CN 114625101B CN 202111509025 A CN202111509025 A CN 202111509025A CN 114625101 B CN114625101 B CN 114625101B
- Authority
- CN
- China
- Prior art keywords
- circuit
- abnormality
- image
- control device
- circuit image
- 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.)
- Active
Links
- 230000005856 abnormality Effects 0.000 title claims abstract description 303
- 238000003745 diagnosis Methods 0.000 title claims abstract description 212
- 238000000034 method Methods 0.000 title claims description 34
- 238000010586 diagram Methods 0.000 claims description 19
- 238000012545 processing Methods 0.000 description 32
- 230000002159 abnormal effect Effects 0.000 description 19
- 238000001514 detection method Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 9
- 230000008569 process Effects 0.000 description 7
- 230000015654 memory Effects 0.000 description 6
- 238000003860 storage Methods 0.000 description 6
- 230000000052 comparative effect Effects 0.000 description 5
- 238000012423 maintenance Methods 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 101100521334 Mus musculus Prom1 gene Proteins 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 239000003550 marker Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000004397 blinking Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000012447 hatching Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000003754 machining Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000010422 painting Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000005728 strengthening Methods 0.000 description 1
- 238000003466 welding Methods 0.000 description 1
- 238000004804 winding Methods 0.000 description 1
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
- 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]
- G05B19/41875—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 quality surveillance of production
-
- 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]
- G05B19/4184—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 fault tolerance, reliability of production system
-
- 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
- G05B23/0208—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the configuration of the monitoring system
- G05B23/0213—Modular or universal configuration of the monitoring system, e.g. monitoring system having modules that may be combined to build monitoring program; monitoring system that can be applied to legacy systems; adaptable monitoring system; using different communication protocols
-
- 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]
- G05B19/4183—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 data acquisition, e.g. workpiece identification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
- G06T7/001—Industrial image inspection using an image reference approach
-
- 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
- G05B2219/20—Pc systems
- G05B2219/24—Pc safety
- G05B2219/24065—Real time diagnostics
-
- 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
- G05B2219/31448—Display at central computer, slave displays for each machine unit
-
- 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
- G05B2219/31467—Display of operating conditions of machines, workcells, selected programs
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30141—Printed circuit board [PCB]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- Automation & Control Theory (AREA)
- General Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明的异常诊断***具有图像取得部和异常判断部。图像取得部取得作为异常诊断的对象的诊断对象电路图像,所述诊断对象电路图像为在视觉上表示在设施中对装置进行控制的控制装置中的逻辑电路和逻辑电路中的控制状态的电路图像。异常判断部判断由图像取得部取得的诊断对象电路图像、和与该诊断对象电路图像对应的控制装置相关的设施为正常状态的情况下的电路图像即正常电路图像之间是否存在偏差。异常判断部在判断为存在偏差的情况下,判断为在设施中发生了异常。
Description
技术领域
本发明涉及一种异常诊断***、异常诊断方法及计算机可读介质。
背景技术
使用工业用机器人等设施在车身等加工工厂中实施焊接及涂装等预定的作业。设施使用电机、制动器及减速器等设施实施规定的动作。在这样的设施中,为了防止设施在运转中非目的性的停止这样的故障的发生,优选对设施的异常进行诊断。
与上述的技术相关地,日本特开2020-101904号公报公开了一种对配置在生产工序中的控制对象进行控制的控制装置。日本特开2020-101904号公报的控制装置根据从在控制对象中包含的监视对象取得的一个或多个状态值而计算一个或多个特征量。日本特开2020-101904号公报的控制装置执行根据计算的特征量而计算表示在监视对象中发生了某种异常的可能性的值即评分的多种算法中的一种。
日本特开2020-101904号公报的控制装置根据计算的评分,生成表示在监视对象中是否发生了某种异常的判断结果。
发明内容
在加工工厂中存在很多的设施,有时针对每个设施而控制电路不同。因此,在诊断设施的异常时,需要针对每个设施而设定不同的算法。因此,在日本特开2020-101904号公报的技术中,在诊断设施的异常时,需要针对每个设施而以不同的方法诊断异常。
本发明提供一种能够无需针对每个设施使用不同的方法地对设施的异常进行诊断的异常诊断***、异常诊断方法以及计算机可读介质。
本发明的异常诊断***具有:图像取得部,其取得作为异常诊断的对象的第一电路图像,所述第一电路图像为在视觉上表示在设施中对装置进行控制的控制装置中用于控制的逻辑电路和所述电路中的控制状态的电路图像;异常判断部,其判断由所述图像取得部取得的所述第一电路图像、和与该第一电路图像对应的所述控制装置相关的设施为正常状态的情况下的所述电路图像即正常电路图像之间是否存在偏差,在判断为存在偏差的情况下,判断为在设施中发生了异常。
此外,在本发明的异常诊断方法中,取得作为异常诊断的对象的第一电路图像,所述第一电路图像为在视觉上表示在设施中对装置进行控制的控制装置中用于控制的逻辑电路和所述电路中的控制状态的电路图像,判断取得的所述第一电路图像、和与该第一电路图像对应的所述控制装置相关的设施为正常状态的情况下的所述电路图像即正常电路图像之间是否存在偏差,在判断为存在偏差的情况下,判断为在设施中发生了异常。
此外,本发明的程序使计算机执行以下步骤:取得作为异常诊断的对象的第一电路图像,所述第一电路图像为在视觉上表示在设施中对装置进行控制的控制装置中用于控制的逻辑电路和所述电路中的控制状态的电路图像的步骤;判断取得的所述第一电路图像、和与该第一电路图像对应的所述控制装置相关的设施为正常状态的情况下的所述电路图像即正常电路图像之间是否存在偏差,在判断为存在偏差的情况下,判断为在设施中发生了异常的步骤。
在本发明中,由于能够通过图像的比较来实施异常诊断,所以能够无需针对每个控制装置设定不同的算法地诊断各设施的异常。因此,本发明能够无需针对每个设施使用不同的方法地对设施的异常进行诊断。
此外,优选的是,所述异常判断部在判断为在所述设施中发生了异常的情况下,对所述第一电路图像中的所述电路与所述正常电路图像中的所述电路是否不同进行判断,在判断为所述第一电路图像中的所述电路与所述正常电路图像中的所述电路为不同的情况下,判断为在所述控制装置中所述电路被篡改。
电路通常在控制装置的控制中不改变。尽管如此,电路与正常状态的情况不同被认为是电路被篡改的可能性极高。因此,本发明通过上述结构,能够诊断电路的篡改这样的异常内容。
此外,优选的是,所述异常判断部在判断为在所述设施中发生了异常的情况下,并且在判断为所述第一电路图像中的所述电路与所述正常电路图像中的所述电路没有不同时,判断为在所述电路中发生了基于动作条件未被满足的异常。
第一电路图像与正常电路图像不同,相互电路不同的情况指的是第一电路图像中的控制状态与正常电路图像中的控制状态不同的情况。因此,本发明通过上述结构,能够恰当地检测基于在电路中动作条件未被满足的异常。
此外,优选的是,所述电路图像为在视觉上表示所述电路和穿过了所述电路的信号的轨迹的图像。
本发明通过这样的结构,作业者能够容易地掌握控制装置的控制状态。
根据本发明,提供一种能够无需针对每个设施使用不同的方法地对设施的异常进行诊断的异常诊断***、异常诊断方法以及计算机可读介质。
根据下文记载的详细说明和以说明方式记载的附图,本公开的上述及其他目的、特征、优点将变得更充分地被理解,附图仅以图示的方式示出,因此不应被认为是针对本发明的限制。
附图说明
图1是表示实施方式1的异常诊断***的图。
图2是例示在实施方式1的控制装置中能够显示的电路图像的图。
图3是例示在实施方式1的控制装置中能够显示的电路图像的图。
图4是表示实施方式1的异常诊断装置的结构的图。
图5是表示由实施方式1的异常诊断***1执行的异常诊断方法的流程图。
图6是用于说明实施方式1的异常诊断方法的图。
图7是用于说明实施方式1的异常诊断方法的图。
图8是用于说明实施方式1的异常诊断方法的图。
图9是用于说明实施方式1的异常诊断方法的图。
图10是用于说明比较例的异常诊断方法的图。
具体实施方式
(实施方式1)
以下,参照附图,说明本发明的实施方式。为了说明的明确化,以下的记载和附图被恰当地省略和简化。此外,在各附图中,对于相同的要素标示相同的标号,根据需要省略重复说明。
图1是表示实施方式1的异常诊断***1的图。异常诊断***1具有多个设施10、异常诊断装置200。异常诊断***1例如设置在实施多个加工作业的工厂中。在图1中,异常诊断***1具有设施10A~10C这三个设施10,但设施10的数量是任意的。
设施10具有装置20、控制装置100。在图1中,设施10A具有装置20A、控制装置100A。设施10B具有装置20B、控制装置100B。设施10C具有装置20C、控制装置100C。装置20例如包含传感器等检测器以及工业用机器人等加工装置等。装置20例如设置在车辆的制造生产线的附近等。
控制装置100在设施10中对装置20进行控制。控制装置100使用由作为检测器的装置20检测的检测信息,对作为加工装置的装置20的动作进行控制。控制装置100例如设置在各设施10的装置20的附近。各控制装置100分别经由有线或无线的网络2与异常诊断装置200可通信地连接。
异常诊断装置200构成为诊断各设施10的异常。异常诊断装置200具有例如计算机的功能。异常诊断装置200例如可以设置在设置有异常诊断***1的工厂的中央监视室等。对于异常诊断装置200在后面叙述。
此外,可以针对每个设施10而执行相互不同的加工作业。此外,每个设施10具有相互不同的装置20,具有相互不同种类的控制装置100。因此,装置20A至20C可以相互不同。此外,控制装置100A~100C可以是相互不同的种类。例如,控制装置100A~100C可以由相互不同的制造商制造。此外,多个设施10可以不配置在一个工厂中,也可以分别配置在物理上分开的多个工厂中。
控制装置100例如具有作为计算机的功能。控制装置100例如是PLC(ProgrammableLogic Controller)。控制装置100也可以组装在设置于装置20附近的控制盘或操作盘上。控制装置100作为硬件具有CPU(Central Processing Unit)101、ROM(Read Only Memory)102、RAM(Random Access Memory)103、I/O(Input/Output)104以及UI(User Interface)105。
CPU101具有作为实施控制处理及运算处理等的处理设备(处理器)的功能。ROM102具有作为存储由CPU101执行的控制程序及运算程序等的存储器的功能。RAM103具有作为暂时存储处理数据等的存储器的功能。I/O104是输入输出装置,从装置20或异常诊断装置200等外部输入数据及信号,并向外部输出数据及信号。UI105例如由键盘等输入设备、例如显示器等输出设备构成。此外,UI 105也可以构成为输入设备和输出设备成为一体的触摸面板。此外,UI105也可以在物理上独立于由控制盘等构成的控制装置100。此外,ROM102能够存储用于对装置20进行控制的动作程序。
在此,控制装置100通过由存储在ROM102中的动作程序实现的逻辑电路而控制装置20。逻辑电路例如是梯形电路,但不限于此。此外,可以通过改变程序代码来改变逻辑电路。但是,当改变逻辑电路时,控制装置100的控制内容被改变,因此通常逻辑电路如果不是有意改变控制装置100的控制内容,则不会被改变。此外,控制装置100能够使用UI105显示在视觉上表示逻辑电路和逻辑电路中的控制状态的电路图像。在电路图像中,控制状态重叠在逻辑电路上。由此,作业者(维护责任者)能够在视觉上确认与控制装置100相关的设施10的控制状态。电路图像例如是梯形图,但不限于此。此外,控制状态指的是表示控制装置100实施了怎样的控制。
图2及图3是例示在实施方式1的控制装置100中能够显示的电路图像的图。图2例示表示逻辑电路的电路图像50,图3例示在逻辑电路上重叠表示控制状态的电路图像50。各电路图像50在视觉上表示各控制装置100中的逻辑电路60。电路图像50A表示控制装置100A中的逻辑电路60A。电路图像50B表示控制装置100B中的逻辑电路60B。电路图像50C表示控制装置100C中的逻辑电路60C。此外,图3例示了各设施10为正常状态的情况下的电路图像50。“正常状态”指的是未发生异常的状态。此外,“异常”指的是,包含需要设施10的维护、维护或停止等的状态、以及发生了需要这些的预兆的状态。“异常”也可以由作业管理者(维护责任者)恰当地确定。此外,以下,用语“图像”也意味着作为信息处理中的处理对象的“表示图像的图像数据”。
逻辑电路60由多个电路元件(母线、梯级、接点、输出线圈等)构成。母线以逻辑电路60的左右端的纵线表示。梯级以母线间的横线表示。接点由梯级上的相向的一组纵线表示。仅以相向的一组纵线表示的接点为a接点。此外,以相向的一组纵线和斜线表示的接点为b接点。输出线圈(负载)以梯级上的圆形表示。此外,在图3中,各电路图像50在视觉上表示穿过了逻辑电路60(梯级)的信号的轨迹即信号轨迹52。此外,各电路图像50在表示输出线圈的电路元件上在视觉上表示正常符号54。正常符号54表示在信号轨迹52(梯级)中输出线圈恰当地动作。信号轨迹52及正常符号54表示逻辑电路60中的控制状态。
例如,在电路图像50的背景为白色的情况下,在电路图像50中,逻辑电路60以细的黑色的线这样的显示方式来表示。此外,在电路图像50中,信号轨迹52及正常符号54例如以绿色等表示正常的显示方式来表示。此外,表示为正常的显示方式不限于绿色。信号轨迹52及正常符号54也可以在视觉上明显不同于逻辑电路60的显示方式的显示方式来表示。如图3所示,也可以以粗实线表示信号轨迹52,以规定的阴影线表示正常符号54。
图4是表示实施方式1的异常诊断装置200的结构的图。异常诊断装置200作为硬件结构具有CPU201、ROM202、RAM203、I/O204以及UI205。
CPU201具有作为实施控制处理及运算处理等的处理设备(处理器)的功能。ROM202具有作为存储由CPU201执行的控制程序及运算程序等的存储器的功能。RAM203具有作为暂时存储处理数据等的存储器的功能。I/O204是输入输出装置,从控制装置100等的外部输入数据及信号,并向外部输出数据及信号。UI205由例如键盘等输入设备和例如显示器等输出设备构成。此外,UI205也可以构成为输入设备和输出设备成为一体的触摸面板。
此外,异常诊断装置200作为构成要素,具有图像存储部210、图像取得部212、异常判断部220以及诊断结果输出部230。此外,异常诊断装置200的各构成要素的一个以上也可以通过与异常诊断装置200不同的装置(例如控制装置100)来实现。异常诊断装置200的各构成要素不限于物理上地由一个装置实现,例如也可以通过云计算等由多个装置实现。异常诊断装置200的各构成要素的功能的说明在后面叙述。
此外,这些构成要素能够通过CPU201执行存储在ROM202中的程序来实现。此外,异常诊断装置200也可以将必要的程序记录在任意的非易失性记录介质中,并根据需要安装该程序。此外,异常诊断装置200的各构成要素不限于如上所述地由软件来实现,也可以由某种电路元件等硬件来实现。此外,异常诊断装置200的各构成要素也可以使用例如FPGA(field-programmable gate array)或微型计算机等用户可编程的集成电路来实现。在这种情况下,也可以使用该集成电路来实现由上述各构成要素构成的程序。
图像存储部210针对各控制装置100,将与各控制装置100对应的设施10为正常状态情况下的电路图像50作为正常电路图像(正常电路图像数据)进行存储。在此,正常电路图像针对每个控制装置100而不同。正常电路图像针对每个控制装置100而进行准备,并针对每个控制装置100而进行存储。
正常电路图像例如也可以通过预先存储设施10(控制装置100)为正常状态的情况下的电路图像50的图案而取得。例如,正常电路图像也可以通过预先存储设施10(控制装置100)为正常状态的情况下的电路图像50的全部图案而取得。此外,正常电路图像例如也可以通过预先由机器学习等对设施10为正常状态的情况下的电路图像50进行学习而取得。在这种情况下,正常电路图像对应于学习数据。此外,各设施10(各控制装置100)执行多个加工工序,在各加工工序中正常状态的电路图像50为不同的情况下,正常电路图像可以针对与各加工工序对应的每个控制工序而存在多个。此外,在这种情况下,在针对某个控制装置100的多个正常电路图像中,信号轨迹52和正常符号54(控制状态)可以相互不同,但逻辑电路60可以相同。
图像取得部212从各控制装置100取得作为异常诊断的对象的电路图像50的诊断对象电路图像(第一电路图像)。具体而言,图像取得部212控制I/O104,从控制装置100经由网络2接收诊断对象电路图像(诊断对象电路图像数据)。在这种情况下,控制装置100也可以每次都使用I/O104经由网络2向异常诊断装置200发送电路图像。
此外,图像取得部212也可以取得在控制装置100中当前显示的电路图像50作为诊断对象电路图像。此外,图像取得部212也可以始终取得诊断对象电路图像。或者,图像取得部212也可以在预定的时刻或每隔预定的期间,取得诊断对象电路图像。
异常判断部220使用诊断对象电路图像和正常电路图像,对在设施10(控制装置100)中是否发生了异常进行判断。具体而言,异常判断部220对与某个控制装置100相关的诊断对象电路图像和与该控制装置100相关的正常电路图像之间是否存在偏差进行判断。然后,异常判断部220在判断为存在偏差的情况下,判断为在与该控制装置100相关的设施10中发生了异常。
此外,异常判断部220在判断为在设施10中发生了异常的情况下,判断诊断对象电路图像中的逻辑电路60是否与正常电路图像中的逻辑电路60不同。然后,异常判断部220在判断为诊断对象电路图像中的逻辑电路60与正常电路图像中的逻辑电路60不同的情况下,判断为在控制装置100中逻辑电路60被篡改。另一方面,异常判断部220在判断为诊断对象电路图像中的逻辑电路60与正常电路图像中的逻辑电路60没有不同的情况下,判断为发生了基于设施的动作异常的异常。换言之,异常判断部220判断为由于设施的动作异常而发生了在逻辑电路60中基于动作条件未被满足的异常。
诊断结果输出部230输出作为异常判断部220的判断结果的诊断结果(异常诊断的结果)。具体而言,诊断结果输出部230使UI205显示诊断结果。或者,诊断结果输出部230也可以控制I/O204而将表示诊断结果的数据输出到诊断对象的控制装置100。由此,也可以在控制装置100的UI105中显示诊断结果。
图5是表示由实施方式1的异常诊断***1执行的异常诊断方法的流程图。图5的处理主要由异常诊断装置200执行。此外,图5所示的处理(异常诊断处理)可以针对各控制装置100分别独立执行。图5所示的处理也可以针对各控制装置100分别并行执行。在以下的说明中,适当地将诊断对象作为设施10A(控制装置100A),并针对关于控制装置100A的异常诊断处理进行说明,但对于其他的控制装置100为相同。
首先,图像存储部210存储正常电路图像(步骤S100)。此外,如上所述,图像存储部210针对各个控制装置100A~100C分别地存储正常电路图像。该处理在异常诊断的前阶段实施。
图像取得部212从控制装置100取得诊断对象电路图像(步骤S102)。例如,在异常诊断装置200实施针对控制装置100A(设施10A)的异常诊断的情况下,图像取得部212从控制装置100A接收在控制装置100A中显示的电路图像50,作为诊断对象电路图像。对于其他控制装置100为相同。
异常判断部220比较诊断对象电路图像和正常电路图像(步骤S104)。例如,在异常诊断装置200对控制装置100A(设施10A)进行异常诊断的情况下,异常判断部220从图像存储部210中提取与控制装置100A相关的正常电路图像。然后,异常判断部220比较所提取的与控制装置100A相关的正常电路图像和从控制装置100A取得的诊断对象电路图像。
异常判断部220判断在诊断对象电路图像与正常电路图像之间是否存在偏差(步骤S106)。也就是说,异常判断部220判断诊断对象电路图像与正常电路图像是否一致。异常判断部220在诊断对象电路图像与正常电路图像一致的情况下,判断为在诊断对象电路图像与正常电路图像之间没有偏差。另一方面,异常判断部220在诊断对象电路图像与正常电路图像不一致的情况下,判断为在诊断对象电路图像与正常电路图像之间存在偏差。此外,在正常电路图像存在多个的情况下,异常判断部220也可以判断诊断对象电路图像与对应于取得该诊断对象电路图像时的加工工序(控制工序)的正常电路图像是否一致。或者,异常判断部220也可以判断诊断对象电路图像是否与多个正常电路图像中的某个一致,在诊断对象电路图像与多个正常电路图像中的某个一致的情况下,判断为诊断对象电路图像与正常电路图像一致。
此外,关于诊断对象电路图像与正常电路图像是否一致的判断方法,例如也可以使用以下的方法。例如,异常判断部220也可以在两者的电路图像50(诊断对象电路图像以及正常电路图像)中对应的坐标(相同坐标)的像素值相对于全部的坐标(像素)相互一致的情况下,判断为诊断对象电路图像与正常电路图像一致。或者,异常判断部220也可以在两者的电路图像50中相同坐标的像素值不一致的像素的数量为预定的阈值以下的情况下,判断为诊断对象电路图像与正常电路图像一致。或者,异常判断部220也可以计算在两者的电路图像50中相同坐标的像素值的差分,在对于全部的坐标(像素)差分在预先确定的阈值以下的情况下,判断为诊断对象电路图像与正常电路图像一致。或者,异常判断部220也可以计算在两者的电路图像50中相同坐标的像素值的差分,在差分为预定的阈值以下的像素的数量为预定的阈值以下的情况下,判断为诊断对象电路图像与正常电路图像一致。或者,异常判断部220也可以计算在两者的电路图像50中相同坐标的像素值的差分,在差分的绝对值之和(差分的均方根)为预定的阈值以下的情况下,判断为诊断对象电路图像与正常电路图像一致。此外,上述的“阈值”被设定为在诊断对象电路图像与正常电路图像之差仅为噪声电平的误差的情况下也为实质上一致,因此这些阈值非常小。也就是说,在两者的电路图像50的逻辑电路及控制状态相互相同的情况下,上述的差分或像素数这样的参数不会超过阈值。反而言之,上述的阈值被设定为,在两者的电路图像50的逻辑电路及控制状态相互不同的情况下参数超过该阈值。
在判断为诊断对象电路图像与正常电路图像之间没有偏差的情况下(步骤S106的否),异常判断部220判断为诊断对象的设施10(控制装置100)为正常状态(步骤S108)。然后,处理流程返回S102,针对诊断对象的设施10(控制装置100)反复进行异常诊断处理。
另一方面,在判断为在诊断对象电路图像与正常电路图像之间存在偏差的情况下(S106的是),控制装置100实施了与正常状态不同的控制的可能性极高。因此,异常判断部220针对作为诊断对象的设施10(控制装置100)而判断为发生了异常(步骤S110)。然后,通过以下的处理,异常判断部220判断异常的种类(逻辑电路60被篡改或设施10的动作异常)。
异常判断部220对诊断对象电路图像中的逻辑电路60与正常电路图像中的逻辑电路60是否不同进行判断(步骤S112)。具体而言,在诊断对象为设施10A(控制装置100A)的情况下,异常判断部220对从控制装置100A取得的诊断对象电路图像中的逻辑电路60、和与控制装置100A对应的正常电路图像中的逻辑电路60进行比较。然后,异常判断部220判断两者的逻辑电路60的图像是否相互不同。也就是说,在S112的处理中,将信号轨迹52及正常符号54从比较对象中去除。此外,逻辑电路60的图像是否为相互不同的判断方法也可以与S106中使用的方法实质上相同。
在判断为诊断对象电路图像中的逻辑电路60与正常电路图像中的逻辑电路60不同时(S112的是),异常判断部220判断为在控制装置100中逻辑电路60被篡改(步骤S114)。即,通常地,对于某个控制装置100,只要不改变控制内容,逻辑电路60就不改变。尽管如此,诊断对象电路图像的逻辑电路60与正常电路图像的逻辑电路60不同指的是,该控制装置100的逻辑电路60被篡改的可能性极高。逻辑电路60的篡改例如可以由恶意的第三者通过篡改存储在控制装置100中实现逻辑电路60的程序代码而执行。此外,逻辑电路60的篡改例如可以通过经由网络的黑客(网络攻击)来执行。
此外,异常判断部220将诊断对象电路图像的逻辑电路60中与正常电路图像的逻辑电路60不同的部位判断为发生了异常的异常发生部位。异常判断部220将诊断结果(判断结果)输出到诊断结果输出部230。此外,在诊断结果中,包含表示异常发生部位的信息。
诊断结果输出部230提示异常发生部位,并输出发生了异常的警告(步骤S116)。具体而言,在诊断对象为设施10A(控制装置100A)的情况下,诊断结果输出部230使UI205输出表示在设施10A(控制装置100A)中发生了异常的警告。诊断结果输出部230也可以将表示警告的图像显示在作为显示器的UI205上。或者,诊断结果输出部230也可以将表示警告的声音输出到作为扬声器的UI205中。此外,诊断结果输出部230也可以使控制装置100A的UI105输出警告(对于后述的异常发生部位也为相同)。
此外,诊断结果输出部230使UI205输出警告及异常发生部位。例如,诊断结果输出部230将在诊断对象电路图像中与正常电路图像的逻辑电路60不同的部位以与信号轨迹52及正常符号54不同的显示方式进行显示,以此方式实施控制。例如,诊断结果输出部230也可以在诊断对象电路图像中以红色等警告色显示与正常电路图像的逻辑电路60不同的部位。
通过以此方式输出诊断结果,作业者能够容易地掌握在某个控制装置100中发生了逻辑电路60的篡改、以及逻辑电路60的哪个部位被篡改。因此,作业者能够修正被篡改的逻辑电路60,并采取强化安全性等防止篡改的对策。
然后,处理流程返回S102,针对诊断对象的设施10(控制装置100)反复进行异常诊断处理。
另一方面,在判断为诊断对象电路图像中的逻辑电路60与正常电路图像中的逻辑电路60没有不同的情况下(S112的否),异常判断部220判断为发生了基于设施10的动作异常的异常(步骤S124)。也就是说,异常判断部220判断为由于设施的动作异常而发生了在逻辑电路60中基于动作条件未被满足的异常。在这种情况下,在诊断对象电路图像中与正常电路图像不同的部位为控制状态、即信号轨迹52(以及正常符号54)的可能性极高。信号轨迹52(以及正常符号54)与正常电路图像不同指的是,在正常状态下应该满足的动作条件未被满足。而且,动作条件取决于设施10(传感器等)的动作。因此,异常判断部220在诊断对象电路图像中与正常电路图像不同的部位为信号轨迹52(以及正常符号54)的情况下,判断为由于设施的动作异常而发生了在逻辑电路60中基于动作条件未被满足的异常。动作异常例如可能由于作为传感器的装置20的检测信息的异常、装置20的故障、作为输送装置的装置20的输送物的下落、或装置20与控制装置100之间的配线的断线等而发生。
此外,异常判断部220将在诊断对象电路图像中与正常电路图像不同的部位判断为发生了异常的异常发生部位。异常判断部220将诊断结果(判断结果)输出到诊断结果输出部230。此外,在诊断结果中,包含表示异常发生部位的信息。
诊断结果输出部230提示异常发生部位,并输出发生了异常的警告(步骤S126)。具体而言,与S116的处理相同地,在诊断对象为设施10A(控制装置100A)的情况下,诊断结果输出部230使UI205输出表示在设施10A(控制装置100A)中发生了异常的警告。此外,诊断结果输出部230使UI205输出警告及异常发生部位。例如,诊断结果输出部230将在诊断对象电路图像中与与正常电路图像的信号轨迹52及正常符号54不同的部位以与信号轨迹52及正常符号54不同的显示方式进行显示,以此方式进行控制。例如,诊断结果输出部230也可以在诊断对象电路图像中以红色等警告色显示与正常电路图像不同的部位。
通过以此方式输出诊断结果,作业者能够容易地掌握发生了与某个控制装置100相关的设施异常、以及发生了与哪个装置20相关的动作异常。因此,作业者能够针对动作异常而采取恰当的对策。
然后,处理流程返回S102,针对诊断对象的设施10(控制装置100)反复进行异常诊断处理。
图6至图9是用于说明实施方式1的异常诊断方法的图。使用图6至图9,说明正常电路图像与诊断对象电路图像的比较。在图6至图8中,对控制装置100A中的异常诊断进行说明。
图6表示控制装置100A中的正常电路图像50Ax、控制装置100A的某个时刻的诊断对象电路图像50Aa。在正常电路图像50Ax中,示出了逻辑电路60Ax、信号轨迹52Ax、52Bx、正常符号54Ax、54Bx。此外,在诊断对象电路图像50Aa中,示出了逻辑电路60Aa、信号轨迹52Aa、52Ba、正常符号54Aa、异常符号56Aa、56Ba。异常符号56表示逻辑电路60中的控制状态。
在此,异常符号56表示逻辑电路60上的异常。例如,异常符号56表示与信号的输入输出相关的异常。例如,在表示a接点的电路元件上表示异常符号56的情况下,异常符号56表示虽然应该得到与该接点对应的输入但却没有得到而因此成为未接通的异常。此外,例如,在表示b接点的电路元件上表示异常符号56的情况下,异常符号56表示虽然不应该得到与该接点对应的输入但却得到的而因此成为未接通的异常。此外,例如,在表示输出线圈的电路元件上表示异常符号56的情况下,异常符号56表示尽管该输出线圈应该动作但没有动作的异常。异常符号56例如以红色等表示为异常的显示方式来表示。此外,表示为异常的显示方式不限于红色。异常符号56也可以与信号轨迹52及正常符号54的显示方式的差异在视觉上明显的显示方式来表示。
在图6的例子中,异常判断部220比较正常电路图像50Ax与诊断对象电路图像50Aa(图5的S104),由于在两者中存在偏差,所以判断为在设施10A中发生了异常(S106的是,S110)。此外,异常判断部220比较正常电路图像50Ax的逻辑电路60Ax与诊断对象电路图像50Aa的逻辑电路60Aa,判断为两者一致(S112的否)。因此,异常判断部220判断不为逻辑电路60A的篡改异常,而是发生了基于动作异常的异常(S124)。
在此,异常判断部220比较正常电路图像50Ax中的控制状态和诊断对象电路图像50Aa中的控制状态。具体而言,异常判断部220比较正常电路图像50Ax的信号轨迹52Ax、52Bx以及正常符号54Ax、54Bx、和诊断对象电路图像50Aa的信号轨迹52Aa、52Ba、正常符号54Aa以及异常符号56Aa、56Ba。然后,异常判断部220判断为信号轨迹52Ax与信号轨迹52Aa一致,但信号轨迹52Ba与信号轨迹52Bx不一致。此外,异常判断部220判断为正常符号54Ax与正常符号54Aa一致,但在诊断对象电路图像50Aa中不存在与正常符号54Bx一致的符号。此外,异常判断部220判断为在正常电路图像50Ax中与异常符号56Aa、56Ba对应的符号不存在。
异常判断部220将上述的正常电路图像50Ax与诊断对象电路图像50Aa的差分作为异常发生部位,将诊断结果输出到诊断结果输出部230。诊断结果输出部230也可以在诊断对象电路图像50Aa中与正常电路图像50Ax不同的部位的至少一部分上显示表示异常发生部位的异常发生部位标记70Aa、70Ba(S126)。异常发生部位标记70Aa、70Ba例如也可以用红色等表示。
图7表示控制装置100A中的正常电路图像50Ax与控制装置100A的某个时刻的诊断对象电路图像50Ab。正常电路图像50Ax与图6所示的相同。在诊断对象电路图像50Ab中,示出了逻辑电路60Ab、信号轨迹52Ab、52Bb、正常符号54Ab、异常符号56Ab、56Bb。
在图7的例子中,异常判断部220比较正常电路图像50Ax与诊断对象电路图像50Ab(图5的S104),由于在两者中存在偏差,所以判断为在设施10A中发生了异常(S106的是,S110)。此外,异常判断部220比较正常电路图像50Ax的逻辑电路60Ax与诊断对象电路图像50Ab的逻辑电路60Ab,判断为两者不一致(S112的是)。因此,异常判断部220判断为发生了逻辑电路60A的篡改异常(S114)。
在此,异常判断部220判断在逻辑电路60Ab中存在在逻辑电路60Ax中不存在的电路元件62Ab。电路元件62Ab是通过篡改而附加的电路元件。此外,在图7的例子中,由于与接点对应的电路元件62Ab未接通,所以在该电路元件62Ab上重叠异常符号56Ab,并示出了信号轨迹52Bb被电路元件62Ab中断的状态。此外,与图6的情况相同地,在与电路元件62Ab相同的梯级的输出线圈上重叠了异常符号56Bb。也就是说,在图7的例子中,除了逻辑电路60的篡改之外,还发生了基于动作条件未被满足的异常。
异常判断部220将上述的正常电路图像50Ax的逻辑电路60Ax与诊断对象电路图像50Ab的逻辑电路60Ab的差分作为异常发生部位,将诊断结果输出到诊断结果输出部230。诊断结果输出部230也可以在电路元件62Ab上显示表示异常发生部位的异常发生部位标记70Ab(S116)。异常发生部位标记70Ab例如也可以用红色等表示。进一步地,在图7的例子中发生了的异常的种类(逻辑电路的篡改)与在图6的例子中发生了的异常的种类(动作异常)不同。因此,异常发生部位标记70Ab也可以与图6所示的异常发生部位标记70Aa、70Ba不同的显示方式进行显示。例如,从存在恶意的第三者的介入的观点出发,也可以认为基于篡改的异常是比基于动作异常的异常更严重的事态。因此,异常发生部位标记70Ab也可以比图6所示的异常发生部位标记70Aa、70Ba更显眼的显示方式进行显示。例如,异常发生部位标记70Ab也可以闪烁地显示。
图8表示控制装置100A中的正常电路图像50Ax与控制装置100A的某个时刻的诊断对象电路图像50Ac。正常电路图像50Ax与图6所示的相同。在诊断对象电路图像50Ac中,示出了逻辑电路60Ac、信号轨迹52Ac、52Bc、正常符号54Ac、54Bc。
在图8的例子中,异常判断部220比较正常电路图像50Ax与诊断对象电路图像50Ac(图5的S104),由于在两者中存在偏差,所以判断为在设施10A中发生了异常(S106的是,S110)。此外,异常判断部220比较正常电路图像50Ax的逻辑电路60Ax与诊断对象电路图像50Ac的逻辑电路60Ac,判断为两者不一致(S112的是)。因此,异常判断部220判断为发生了逻辑电路60A的篡改异常(S114)。
在此,异常判断部220比较正常电路图像50Ax的逻辑电路60Ax与诊断对象电路图像50Ac的逻辑电路60Ac。然后,异常判断部220判断在逻辑电路60Ac中存在在逻辑电路60Ax中不存在的电路元件62Ac。电路元件62Ac是通过篡改而附加的电路元件。此外,在图8的例子中,由于与接点对应的电路元件62Ac导通,所以示出信号轨迹52Bc穿过了该电路元件62Ac的状态。因此,在与电路元件62Ac相同的梯级的输出线圈上重叠了正常符号54Bc。也就是说,在图8的例子中,与图7的例子不同地,未发生基于动作条件未被满足的异常。因此,诊断对象电路图像50Ac的控制状态与正常电路图像50Ax的控制状态一致。
异常判断部220将上述的正常电路图像50Ax的逻辑电路60Ax与诊断对象电路图像50Ac的逻辑电路60Ac的差分作为异常发生部位,将诊断结果输出到诊断结果输出部230。诊断结果输出部230也可以在电路元件62Ac上显示表示异常发生部位的异常发生部位标记70Ac(S116)。异常发生部位标记70Ac例如也可以红色等表示。此外,与图7的情况相同地,异常发生部位标记70Ac也可以与图6所示的异常发生部位标记70Aa、70Ba不同的显示方式进行显示。
在图8的例子中,发生了逻辑电路60的篡改,但未发生基于动作条件未被满足的异常。在实施方式1中,在这样的情况下,也能够恰当地诊断设施10(控制装置100)的异常。因此,即使控制装置100看起来正常地动作,作业者也能够掌握发生了逻辑电路60的篡改。
图9是例示异常诊断装置200分别针对控制装置100A~100C实施异常诊断的情况的图。关于控制装置100A(设施10A),由于与图6所例示的情况相同,所以省略说明。对于控制装置100B(设施10B),异常判断部220比较正常电路图像50Bx与诊断对象电路图像50Ba(图5的S104),由于在两者中没有偏差,所以判断为设施10B为正常状态(S106的否,S108)。
对于控制装置100C(设施10C),异常判断部220比较正常电路图像50Cx与诊断对象电路图像50Ca(图5的S104),由于在两者中存在偏差,所以判断为在设施10C中发生了异常(S106的是,S110)。此外,异常判断部220比较正常电路图像50Cx的逻辑电路60Cx与诊断对象电路图像50Ca的逻辑电路60Ca,判断为两者不一致(S112的是)。因此,异常判断部220判断为发生了逻辑电路60C的篡改异常(S114)。具体而言,异常判断部220判断为在诊断对象电路图像50Ca的逻辑电路60Ca中不存在在正常电路图像50Cx的逻辑电路60Cx中存在的电路元件62Cx。电路元件62Cx是通过篡改而被删除的电路元件。在这种情况下,诊断结果输出部230也可以在删除了诊断对象电路图像50Ca(逻辑电路60Ca)的电路元件62Cx的部位上显示表示异常发生部位的异常发生部位标记70Ca(S116)。
(比较例)
图10是用于说明比较例的异常诊断方法的图。在比较例中,为了在各控制装置100中检测异常,需要针对每个控制装置100在逻辑电路60中组装异常检测电路90。如图10所示,在与控制装置100A相关的逻辑电路60A中组装了异常检测电路90A。同样地,在与控制装置100B相关的逻辑电路60B中组装了异常检测电路90B。在与控制装置100C相关的逻辑电路60C中组装了异常检测电路90C。
在此,逻辑电路60针对每个控制装置100而不同。而且,针以每个控制装置100而记述逻辑电路60的编程语言也可能不同。因此,异常检测电路90A~90C可能相互不同。换言之,在比较例中,在由各控制装置100实施异常诊断的情况下,需要针对每个控制装置100而以不同的算法生成异常检测电路90。而且,针对每个控制装置100准备不同的异常检测电路90是非常烦杂的。
与此相对,实施方式1的异常诊断***1取得各控制装置100的诊断对象电路图像,比较诊断对象电路图像与该控制装置100的正常电路图像。并且,异常诊断***1被配置为,在诊断对象电路图像与正常电路图像之间存在偏差的情况下,判断为发生了异常。在实施方式1中,以此方式,由于能够通过图像的比较来实施异常诊断,所以能够无需针对每个控制装置100(设施10)设定不同的算法地诊断各控制装置100(设施10)的异常。换言之,针对每个控制装置100预先准备正常电路图像,通过比较从各控制装置100取得的诊断对象电路图像和对应的控制装置100的正常电路图像,能够对异常进行诊断。因此,实施方式1的异常诊断***1能够无需针对每个设施10使用不同的方法地诊断设施10的异常。
此外,实施方式1的异常诊断***1具有作为与控制装置100不同的装置的异常诊断装置200。然后,异常诊断装置200从各控制装置100取得诊断对象电路图像,比较诊断对象电路图像与正常电路图像,判断是否发生了异常。在此,异常诊断装置200可以设置在远离工厂的作业现场的中央监视室等。因此,将异常诊断装置200设为处理能力高的计算机比较容易。因此,根据上述结构,在控制装置100为PLC那样的处理能力比较低的装置的情况下,也能够恰当地诊断异常。
此外,实施方式1的异常诊断***1构成为,在判断为在设施10中发生了异常的情况下,判断诊断对象电路图像中的逻辑电路与正常电路图像中的逻辑电路是否不同。然后,异常诊断***1在判断为诊断对象电路图像中的逻辑电路与正常电路图像中的逻辑电路为不同的情况下,判断为在控制装置100中逻辑电路被篡改。如上所述,逻辑电路通常在控制装置100的控制中不改变。尽管如此,逻辑电路与正常状态的情况不同即从正常状态的逻辑电路被改变这一情况被认为,逻辑电路被篡改的可能性极高。因此,根据上述结构,能够诊断逻辑电路的篡改这样的异常内容。进一步地,在逻辑电路被篡改而在电路图像上没有发生异常(未显示异常符号)的情况下,也能够检测逻辑电路的篡改这样的异常。
此外,实施方式1的异常诊断***1被配置为,在判断为在设施10中发生了异常的情况下,在判断为诊断对象电路图像中的逻辑电路与正常电路图像中的逻辑电路没有不同时,判断为发生了在逻辑电路中基于动作条件未被满足的异常。诊断对象电路图像与正常电路图像不同但逻辑电路相互不同的情况指的是,诊断对象电路图像中的控制状态与正常电路图像中的控制状态不同的情况。因此,根据上述结构,能够恰当地检测在逻辑电路中基于动作条件未被满足的异常,也就是说,基于设施10的动作异常的异常。
此外,在实施方式1的异常诊断***1中,电路图像是在视觉上表示逻辑电路和作为穿过了逻辑电路的信号的轨迹的信号轨迹的图像。根据这样的结构,作业者能够容易地掌握控制装置100的控制状态。
(变形例)
此外,本发明不限于上述实施方式,在不脱离主旨的范围内能够适当地改变。例如,上述流程图的各步骤的顺序可以适当地改变。此外,流程图的各步骤的一个以上也可以省略。例如,在图5的流程图中,可以省略S116及S126的处理。此外,在不是判断异常的内容(逻辑电路的篡改或设施异常)而仅判断是否发生了异常的情况下,也可以不进行S112以后的处理。
此外,在上述实施方式1中,异常诊断装置200实施了图5所示的异常诊断方法,但不限于这样的结构。各控制装置100也可以针对各控制装置100(设施10)实施异常诊断。但是,PLC等控制装置100的处理能力多数情况下比异常诊断装置200的处理能力低。因此,通过异常诊断装置200针对各控制装置100实施异常诊断,能够更有效地实施异常诊断。
此外,在上述实施方式中,正常电路图像由逻辑电路、与控制状态对应的信号轨迹以及正常符号构成,但不限于这样的结构。在正常电路图像中包含的控制状态也可以表示异常。也就是说,也可以在正常电路图像中表示异常符号。
此外,在上述示例中,能够使用各种类型的非临时性计算机可读介质(non-transitory computer readable medium)来存储程序,并提供给计算机。非临时性计算机可读介质包含各种类型的实体记录介质(tangible storage medium)。非临时性计算机可读介质的例子包含磁记录介质(例如软盘、磁带、硬盘驱动器)、磁光记录介质(例如磁光盘)、CD-ROM、CD-R、CD-R/W、半导体存储器(例如掩模ROM、PROM(Programmable ROM)、EPROM(Erasable PROM)、闪存ROM、RAM)。此外,程序可以由各种类型的临时性计算机可读介质(transitory computer readable medium)提供给计算机。临时性计算机可读介质的示例包含电信号、光信号和电磁波。临时性计算机可读介质可以经由电线和光纤等的有线通信路径或无线通信路径向计算机提供程序。
根据上述记载的公开内容,能够以多种方式改变本公开内容的实施方式是显而易见的。这些改变不应被认为是偏离本公开的精神和范围,并且对于本领域技术人员而言,全部的这些改变都旨在包含在所附权利要求的范围内是显而易见的。
Claims (6)
1.一种异常诊断***,具有:
图像取得部,其从在设施中通过逻辑电路对装置进行控制的控制装置取得作为异常诊断的对象的第一电路图像,所述第一电路图像为在视觉上表示所述控制装置中的所述逻辑电路和所述电路中的控制状态的电路图像;
异常判断部,其判断由所述图像取得部取得的所述第一电路图像、和与该第一电路图像对应的所述控制装置相关的设施为正常状态的情况下的所述电路图像即正常电路图像之间是否存在偏差,在判断为存在偏差的情况下,判断为在设施中发生了异常,
所述逻辑电路是梯形电路,在所述控制装置中通过动作程序而实现,通过改变程序代码而被改变,
所述第一电路图像以及所述正常电路图像是表示所述梯形电路的梯形图。
2.根据权利要求1所述的异常诊断***,其中,
所述异常判断部在判断为在所述设施中发生了异常的情况下,对所述第一电路图像中的所述电路与所述正常电路图像中的所述电路是否不同进行判断,
在判断为所述第一电路图像中的所述电路与所述正常电路图像中的所述电路为不同的情况下,判断为在所述控制装置中所述电路被篡改。
3.根据权利要求2所述的异常诊断***,其中,
所述异常判断部在判断为在所述设施中发生了异常的情况下,并且在判断为所述第一电路图像中的所述电路与所述正常电路图像中的所述电路没有不同时,判断为在所述电路中发生了基于动作条件未被满足的异常。
4.根据权利要求1至3中任一项所述的异常诊断***,其中,
所述电路图像为在视觉上表示所述电路和穿过了所述电路的信号的轨迹的图像。
5.一种异常诊断方法,
从在设施中对装置进行控制的控制装置取得作为异常诊断的对象的第一电路图像,所述第一电路图像为在视觉上表示所述控制装置中的逻辑电路和所述电路中的控制状态的电路图像,
判断取得的所述第一电路图像、和与该第一电路图像对应的所述控制装置相关的设施为正常状态的情况下的所述电路图像即正常电路图像之间是否存在偏差,在判断为存在偏差的情况下,判断为在设施中发生了异常,
所述逻辑电路是梯形电路,在所述控制装置中通过动作程序而实现,通过改变程序代码而被改变,
所述第一电路图像以及所述正常电路图像是表示所述梯形电路的梯形图。
6.一种计算机可读介质,其存储程序,所述程序使计算机执行以下步骤:
从在设施中对装置进行控制的控制装置取得作为异常诊断的对象的第一电路图像,所述第一电路图像为在视觉上表示所述控制装置中的逻辑电路和所述电路中的控制状态的电路图像的步骤,
判断取得的所述第一电路图像、和与该第一电路图像对应的所述控制装置相关的设施为正常状态的情况下的所述电路图像即正常电路图像之间是否存在偏差,在判断为存在偏差的情况下,判断为在设施中发生了异常的步骤,
所述逻辑电路是梯形电路,在所述控制装置中通过动作程序而实现,通过改变程序代码而被改变,
所述第一电路图像以及所述正常电路图像是表示所述梯形电路的梯形图。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020-206729 | 2020-12-14 | ||
JP2020206729A JP2022093970A (ja) | 2020-12-14 | 2020-12-14 | 異常診断システム、異常診断方法及びプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114625101A CN114625101A (zh) | 2022-06-14 |
CN114625101B true CN114625101B (zh) | 2024-02-13 |
Family
ID=81898120
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111509025.0A Active CN114625101B (zh) | 2020-12-14 | 2021-12-10 | 异常诊断***、异常诊断方法及计算机可读介质 |
Country Status (3)
Country | Link |
---|---|
US (1) | US20220187811A1 (zh) |
JP (1) | JP2022093970A (zh) |
CN (1) | CN114625101B (zh) |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH06314117A (ja) * | 1993-04-30 | 1994-11-08 | Omron Corp | 故障診断方法および装置 |
CN1263270A (zh) * | 2000-03-14 | 2000-08-16 | 武原庆 | 印刷线路板上电子元器件异常测试方法及测试仪 |
CN1763553A (zh) * | 2004-10-20 | 2006-04-26 | 国际商业机器公司 | 在线测量集成电路芯片参数弥散度和缺陷的方法和装置 |
CN101349664A (zh) * | 2007-06-29 | 2009-01-21 | 恩益禧电子股份有限公司 | 检查故障解析方法及检查故障解析装置 |
CN102169156A (zh) * | 2011-05-18 | 2011-08-31 | 西安电子科技大学 | 应用EMScan技术对高密度电子电路故障的检测方法 |
CN103399248A (zh) * | 2013-07-18 | 2013-11-20 | 江苏物联网研究发展中心 | Pcb电路板缺陷批量检测***和方法 |
CN105717830A (zh) * | 2014-12-19 | 2016-06-29 | 发那科株式会社 | 可根据运算条件检索梯形电路的梯形程序检索装置 |
CN106501708A (zh) * | 2016-12-24 | 2017-03-15 | 大连日佳电子有限公司 | 在线检测电路板上器件漏插、插偏的方法 |
CN106973286A (zh) * | 2017-03-20 | 2017-07-21 | 上海与德科技有限公司 | 摄像头硬件电路的检测方法、装置及*** |
CN107025648A (zh) * | 2017-03-20 | 2017-08-08 | 中国人民解放军空军工程大学 | 一种电路板故障红外图像自动检测方法 |
CN107907820A (zh) * | 2017-10-19 | 2018-04-13 | 青岛海信电器股份有限公司 | 一种印制电路板的检测方法、装置及检测*** |
CN109946319A (zh) * | 2017-12-21 | 2019-06-28 | 株式会社高永科技 | 印刷电路板检查装置、决定丝网印刷机的缺陷类型的方法及计算机可判读记录介质 |
CN110866290A (zh) * | 2018-11-21 | 2020-03-06 | 哈尔滨安天科技集团股份有限公司 | 芯片恶意篡改检测方法、装置、电子设备及存储介质 |
CN111757033A (zh) * | 2020-06-30 | 2020-10-09 | 西安微电子技术研究所 | 一种用于cmos图像传感器的列读出电路校准***及方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
FR2785992B1 (fr) * | 1998-11-13 | 2000-12-22 | Centre Nat Etd Spatiales | Procede et installation de localisation rapide d'un defaut dans un circuit integre |
CN102854454B (zh) * | 2012-08-23 | 2014-07-30 | 天津大学 | 在集成电路测试中用于缩短硬件木马的验证时间的方法 |
US10282833B2 (en) * | 2015-11-30 | 2019-05-07 | Trustees Of Boston University | Gate-level mapping of integrated circuits using multi-spectral imaging |
JP6729814B2 (ja) * | 2017-10-12 | 2020-07-22 | 株式会社村田製作所 | 高周波電源装置 |
CN211375030U (zh) * | 2019-09-26 | 2020-08-28 | 中核检修有限公司 | 一种应用于电厂控制室的仪表校验电路 |
-
2020
- 2020-12-14 JP JP2020206729A patent/JP2022093970A/ja active Pending
-
2021
- 2021-11-10 US US17/523,512 patent/US20220187811A1/en active Pending
- 2021-12-10 CN CN202111509025.0A patent/CN114625101B/zh active Active
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH06314117A (ja) * | 1993-04-30 | 1994-11-08 | Omron Corp | 故障診断方法および装置 |
CN1263270A (zh) * | 2000-03-14 | 2000-08-16 | 武原庆 | 印刷线路板上电子元器件异常测试方法及测试仪 |
CN1763553A (zh) * | 2004-10-20 | 2006-04-26 | 国际商业机器公司 | 在线测量集成电路芯片参数弥散度和缺陷的方法和装置 |
CN101349664A (zh) * | 2007-06-29 | 2009-01-21 | 恩益禧电子股份有限公司 | 检查故障解析方法及检查故障解析装置 |
CN102169156A (zh) * | 2011-05-18 | 2011-08-31 | 西安电子科技大学 | 应用EMScan技术对高密度电子电路故障的检测方法 |
CN103399248A (zh) * | 2013-07-18 | 2013-11-20 | 江苏物联网研究发展中心 | Pcb电路板缺陷批量检测***和方法 |
CN105717830A (zh) * | 2014-12-19 | 2016-06-29 | 发那科株式会社 | 可根据运算条件检索梯形电路的梯形程序检索装置 |
CN106501708A (zh) * | 2016-12-24 | 2017-03-15 | 大连日佳电子有限公司 | 在线检测电路板上器件漏插、插偏的方法 |
CN106973286A (zh) * | 2017-03-20 | 2017-07-21 | 上海与德科技有限公司 | 摄像头硬件电路的检测方法、装置及*** |
CN107025648A (zh) * | 2017-03-20 | 2017-08-08 | 中国人民解放军空军工程大学 | 一种电路板故障红外图像自动检测方法 |
CN107907820A (zh) * | 2017-10-19 | 2018-04-13 | 青岛海信电器股份有限公司 | 一种印制电路板的检测方法、装置及检测*** |
CN109946319A (zh) * | 2017-12-21 | 2019-06-28 | 株式会社高永科技 | 印刷电路板检查装置、决定丝网印刷机的缺陷类型的方法及计算机可判读记录介质 |
CN110866290A (zh) * | 2018-11-21 | 2020-03-06 | 哈尔滨安天科技集团股份有限公司 | 芯片恶意篡改检测方法、装置、电子设备及存储介质 |
CN111757033A (zh) * | 2020-06-30 | 2020-10-09 | 西安微电子技术研究所 | 一种用于cmos图像传感器的列读出电路校准***及方法 |
Non-Patent Citations (2)
Title |
---|
冯洋洋 ; .基于网络爬虫的教学***恶意篡改检测***设计.数字通信世界.2020,(04),全文. * |
基于网络爬虫的教学***恶意篡改检测***设计;冯洋洋;;数字通信世界(04);全文 * |
Also Published As
Publication number | Publication date |
---|---|
JP2022093970A (ja) | 2022-06-24 |
CN114625101A (zh) | 2022-06-14 |
US20220187811A1 (en) | 2022-06-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108638128B (zh) | 一种工业机器人的实时异常监测方法及其*** | |
CN110832416B (zh) | 自动化***中的完整性监控 | |
US20150346066A1 (en) | Asset Condition Monitoring | |
KR101178186B1 (ko) | Pc 기반 시스템에서 피엘씨 신호 패턴을 이용하여 다수의 설비로 구성된 자동화 라인의 비정상 상태 알람 방법. | |
CN105320854A (zh) | 通过签名平衡防止自动化组件受到程序篡改 | |
DE102006011807A1 (de) | Verfahren zur Fehlererkennung an einem Aktuator | |
CN115077617B (zh) | 一种低压电气火灾监控*** | |
CN110991074B (zh) | 一种位移传感器测量数据有效性的判定方法 | |
CN114625101B (zh) | 异常诊断***、异常诊断方法及计算机可读介质 | |
KR101915236B1 (ko) | 스마트 팩토리를 위한 통합 보안 관리 시스템 | |
US20080258906A1 (en) | Integration System, System Integration Method and Computer Readable Medium Having System Integration Program | |
CN105074833B (zh) | 用于识别对控制和调节单元的***状态的未授权操控的装置以及具有该装置的核设施 | |
CN111289036A (zh) | 设备故障预警方法、装置、设备及*** | |
CN116310521A (zh) | 异常检测方法、装置、存储介质、电子设备及*** | |
KR102303406B1 (ko) | 산업설비의 이상유무 진단장치 및 방법 | |
CN115468648A (zh) | 安装状态检测方法、装置及计算机可读存储介质 | |
CN113704066A (zh) | 机房设备监控管理方法、存储介质及*** | |
JP2016151086A (ja) | ショベル支援装置 | |
JPWO2020204043A1 (ja) | 高炉の異常判定装置、高炉の異常判定方法、及び高炉の操業方法 | |
US20230115520A1 (en) | Method for landmark-based localisation of a vehicle | |
Ždánsky et al. | Performing safety functions to monitor the protected area using a light curtain | |
CN114391093A (zh) | 异常判定装置以及异常判定方法 | |
KR102654240B1 (ko) | 딥러닝, 머신러닝 및 통계 모델을 이용한 산업설비 이상 감지 장치 및 시스템 | |
CN114637645B (zh) | 一种传感器量测数据的校验方法 | |
JP3211957B2 (ja) | 機器の診断方法および診断装置 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |