CN114868364A - 数据收集分析***、数据收集分析装置、机器学习装置及数据收集分析方法 - Google Patents
数据收集分析***、数据收集分析装置、机器学习装置及数据收集分析方法 Download PDFInfo
- Publication number
- CN114868364A CN114868364A CN201980103197.2A CN201980103197A CN114868364A CN 114868364 A CN114868364 A CN 114868364A CN 201980103197 A CN201980103197 A CN 201980103197A CN 114868364 A CN114868364 A CN 114868364A
- Authority
- CN
- China
- Prior art keywords
- data
- unit
- acquired
- group
- timing
- 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
- 238000007405 data analysis Methods 0.000 title claims abstract description 110
- 238000013480 data collection Methods 0.000 title claims abstract description 103
- 238000010801 machine learning Methods 0.000 title claims description 35
- 238000004458 analytical method Methods 0.000 title claims description 14
- 238000004891 communication Methods 0.000 claims abstract description 37
- 230000001360 synchronised effect Effects 0.000 claims abstract description 12
- 238000005259 measurement Methods 0.000 claims description 79
- 230000006870 function Effects 0.000 claims description 23
- 238000012937 correction Methods 0.000 claims description 22
- 238000013500 data storage Methods 0.000 claims description 19
- 238000004364 calculation method Methods 0.000 claims description 8
- 238000000034 method Methods 0.000 description 40
- 238000003745 diagnosis Methods 0.000 description 38
- 230000009471 action Effects 0.000 description 22
- 238000012544 monitoring process Methods 0.000 description 15
- 238000010586 diagram Methods 0.000 description 14
- 230000008901 benefit Effects 0.000 description 12
- 238000012423 maintenance Methods 0.000 description 12
- 230000008569 process Effects 0.000 description 9
- 230000005856 abnormality Effects 0.000 description 7
- 238000012545 processing Methods 0.000 description 6
- 230000002787 reinforcement Effects 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 5
- 230000002159 abnormal effect Effects 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000013135 deep learning Methods 0.000 description 2
- 238000002405 diagnostic procedure Methods 0.000 description 2
- 230000010365 information processing Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000007429 general method Methods 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 230000002123 temporal 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
- 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
- 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
- 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
- G05B23/0264—Control of logging system, e.g. decision on which data to store; time-stamping measurements
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L12/00—Data switching networks
- H04L12/28—Data switching networks characterised by path configuration, e.g. LAN [Local Area Networks] or WAN [Wide Area Networks]
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L47/00—Traffic control in data switching 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
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/31—From computer integrated manufacturing till monitoring
- G05B2219/31282—Data acquisition, BDE MDE
-
- 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
- G05B2219/31437—Monitoring, global and local alarms
-
- 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
- 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]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- General Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Quality & Reliability (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Testing And Monitoring For Control Systems (AREA)
- Small-Scale Networks (AREA)
Abstract
数据收集分析***(1)具有通信部(20)和数据取得部(32)。通信部(20)收集表示设备仪器(210a、210b、210c)的内部状况或动作状况的数据。数据取得部(32)针对向从设备仪器(210a、210b、210c)取得的数据分配的信道,按照设定信息,以组为单位从通信部(20)取得同步的数据,在该设定信息中设定有整合了多个信道的组、从通信部(20)取得数据的定时即数据取得定时、数据的存储目标。
Description
技术领域
本发明涉及使用从设备仪器收集到的维护数据对设备的状态进行分析的数据收集分析***、数据收集分析装置、机器学习装置及数据收集分析方法。
背景技术
近年来,提供了能够在用户侧对设备仪器的运转状况进行解析的设备仪器诊断***。在设备仪器诊断***中进行以下动作,即,例如使用从安装于设备仪器的多个传感器取得的数据进行设备仪器的预测维护,对预测维护的结果成体系地进行管理。
在专利文献1中公开了对预测维护的结果成体系地进行管理的过程监视***。在专利文献1所记载的过程监视***中,构成作为监视对象的过程的多个检测器即计量仪器与监视员的作业形式相匹配地按照过程区分而分组。另外,在属于同一组的计量仪器连接同步用的配线。并且,同步地取得来自组内的全部计量仪器的图像、振动信息及测量信息的数据,将取得的数据显示于同一画面上。
专利文献1:日本特开平9-230927号公报
发明内容
但是,在专利文献1所记载的技术中,在从多个仪器同步地取得图像、振动信息及测量信息的数据的情况下,必须向进行同步的计量仪器预先连接同步用的配线。另外,为了进行设备仪器的预测维护,如果没有从组内的全部检测器即计量仪器取得同步的数据,则无法进行设备仪器的预测维护。在一个例子中,当从事后任意地分组的计量仪器取得的数据不是同步的数据的情况下,即使某数据存在异常,在未取得同步的数据的情况下,也无法对数据的异常进行诊断。但是,在专利文献1所记载的技术中,未考虑针对从事后任意地分组的检测器即计量仪器取得的数据而取得同步的方法。
本发明就是鉴于上述课题而提出的,其目的在于得到能够确保从事后任意地分组的检测器取得的数据之间的同步的数据收集分析***。
为了解决上述课题,达成目的,本发明的数据收集分析***具有通信部和数据取得部。通信部收集表示设备仪器的内部状况或动作状况的数据。数据取得部针对向从设备仪器取得的数据分配的信道,按照设定信息,以组为单位从通信部取得同步的数据,在该设定信息中设定有整合了多个信道的组、从通信部取得数据的定时即数据取得定时、数据的存储目标。
发明的效果
本发明涉及的数据收集分析***取得能够确保从事后任意地分组的检测器取得的数据之间的同步这一效果。
附图说明
图1是示意性地表示实施方式1涉及的数据收集分析***的结构的一个例子的框图。
图2是表示实施方式1涉及的设定信息的一个例子的图。
图3是示意性地表示设备仪器诊断***的结构的一个例子的框图,其中,该设备仪器诊断***使用了实施方式1涉及的数据收集分析***。
图4是表示在实施方式1涉及的数据收集分析***中进行的数据收集分析的动作设定的流程的一个例子的流程图。
图5是表示实施方式1涉及的组设定处理的流程的一个例子的流程图。
图6是示意性地表示实施方式2涉及的数据收集分析***的结构的一个例子的框图。
图7是表示实施方式2涉及的设定信息的一个例子的图。
图8是表示实施方式3涉及的设定信息的一个例子的图。
图9是示意性地表示实施方式4涉及的数据收集分析***中的PLC的结构的一个例子的框图。
具体实施方式
以下,基于附图,对本发明的实施方式涉及的数据收集分析***、数据收集分析装置、机器学习装置及数据收集分析方法详细地进行说明。此外,本发明不限定于本实施方式。
实施方式1
图1是示意性地表示实施方式1涉及的数据收集分析***的结构的一个例子的框图。数据收集分析***1是从在设备仪器210a、210b、210c设置的检测器220a、220b、220c取得进行诊断对象设备200的预测维护所需的数据而进行分析的装置。诊断对象设备200在一个例子中具有多个设备仪器210a、210b、210c和对设备仪器210a、210b、210c的内部状况或动作状况进行检测的检测器220a、220b、220c。检测器220a、220b、220c是测量用的检测器,在一个例子中,是振动传感器、温度传感器或电压传感器等传感器。
检测器220a、220b、220c将检测到的数据即表示设备仪器210a、210b、210c的内部状况或动作状况的数据输出至数据收集分析***1。此外,就表示设备仪器210a、210b、210c的内部状况或动作状况的数据而言,除了由检测器220a、220b、220c检测出的数据以外,也可以是设备仪器210a、210b、210c的内部的电流或电压波形等以无传感器的方式输出的数据。设备仪器210a、210b、210c可以存在于在物理层面上距离数据收集分析***1近的位置,也可以存在于在物理层面上距离数据收集分析***1远的位置。这里,设为设备仪器210a、210b
存在于在物理层面上距离数据收集分析***1近的位置,设备仪器210c存在于与设备仪器210a、210b相比在物理层面上距离数据收集分析***1远的位置。
数据收集分析***1具有输入部10、通信单元20、可编程控制器
(Programmable Logic Controller:PLC)30、CPU(Central Processing Unit)单元40和显示部60。输入部10、通信单元20、PLC 30、CPU单元40、显示部60经由总线70而连接。另外,PLC 30和CPU单元40构成数据收集分析装置50。
输入部10接收由用户进行的输入操作。输入部10在一个例子中是键盘、按钮、鼠标。输入部10接收后述的由用户进行的检测器数据设定、信道设定、组设定、数据取得间隔设定的输入内容。
通信单元20是经由配线或网络250从诊断对象设备200收集进行预测维护所需的数据的通信部。通信单元20具有经由配线而收集来自设备仪器210a、210b的数据的功能和经由远程主机单元232而收集来自设备仪器210c的数据的功能,该远程主机单元232将来自设备仪器210c的数据经由网络250发送至通信单元20。通信单元20具有测量单元21和外部测量单元22。测量单元21将从设置于设备仪器210a的检测器220a取得的数据输出至PLC 30内的数据取得部32,该设备仪器210a存在于在物理层面上距离数据收集分析***1近的位置。外部测量单元22将从设置于设备仪器210b的检测器220b取得的数据输出至PLC 30内的数据取得部32,该设备仪器210b存在于在物理层面上距离数据收集分析***1近的位置。
外部测量单元22用于取得在测量单元中无法连接的特殊的传感器或未与数据收集分析***1连接的外部的设备仪器210b所连接的检测器220b的数据。
另外,通信单元20具有测量单元231、远程主机单元232和网络单元23。测量单元231从在相对于数据收集分析***1而存在于远处的设备仪器210c设置的检测器220c取得数据。远程主机单元232是在设备仪器210c相对于数据收集分析***1而存在于远处的情况下使用的设备。测量单元231将从设置于设备仪器210c的检测器220c取得的数据经由远程主机单元232而输出至PLC 30。这里,测量单元231与检测器220a、220b、220c之间无法通过配线进行连接而是经由网络250连接的情况为在物理层面上处于远处。
远程主机单元232是将测量单元231与网络单元23经由网络250而连接的远程站。在这种情况下,在设备仪器210c安装检测器220c,在检测器220c经由配线而连接测量单元231,在测量单元231连接远程主机单元232。网络250可以是有线网络也可以是无线网络。
网络单元23按照预先确定的协议与远程主机单元232之间进行通信,测量单元231将从检测器220c取得的数据输出至PLC 30内的数据取得部32。在以下的实施方式中,测量单元21或外部测量单元22和网络单元23成为通信单元20,该测量单元21或外部测量单元22可经由配线与检测器220a、220b连接,该网络单元23经由远程主机单元232及网络250与连接于检测器220c的测量单元231连接。即,在图1的例子中,测量单元231及远程主机单元232设置于诊断对象设备200侧,但它们构成数据收集分析***1的通信单元20。这样,在数据收集分析***1中,从检测器220a、220b、220c取得数据的测量单元21、231或外部测量单元22与设置的位置无关地构成通信单元20。此外,在图1中,示出了在远程主机单元232连接测量单元231的情况,但除了测量单元231以外,也可以连接外部测量单元。
外部测量单元22及远程主机单元232在一个例子中是在与事后成为分组的对象的检测器220b、220c连接时使用的。
PLC 30取得由通信单元20收集到的数据。PLC 30具有动作设定部31、数据取得部32、设定信息存储部33、数据类别判别部34和数据存储部35。
动作设定部31将在进行与检测器220a、220b、220c相关的设定的画面即动作设定画面中由用户经由输入部10而设定的内容反映至通信单元20、PLC 30及CPU单元40。
数据取得部32具有数据收集用的多个信道,参照后述的设定信息,经由信道从测量单元21、外部测量单元22及远程主机单元232收集数据。信道在一个例子中是数据输入输出端子。在1个信道对应有与测量单元21、231或外部测量单元22连接的1个检测器220a、220b、220c。
设定信息存储部33在由数据取得部32取得数据时对设定于信道的设定信息进行存储。图2是表示实施方式1涉及的设定信息的一个例子的图。设定信息330包含对信道进行识别的信道编号331、组332、数据取得定时(timing)333、取得间隔334和存储目标335。组332是对由信道编号331表示的信道所属的组进行识别的信息。数据取得定时333示出数据的取得定时。数据取得定时333在一个例子中是由取得数据的计数值确定的,但不限于此,只要是在多个信道之间取得数据的同步的定时即可,也可以是数据的取得时刻或触发定时。取得间隔334示出数据取得的间隔。在一个例子中,当在设定于数据取得定时333的定时取得了数据之后,以被设定为取得间隔334的时间间隔进行下一个数据的取得。存储目标335示出取得的数据的数据存储部35的存储目标。存储目标335在一个例子中是数据地址。
如图2所示,在设定信息330中设定了数据取得部32所具有的各个信道属于哪个组。即,组将多个信道整合起来。另外,各组中的数据的取得时期由数据取得定时333和取得间隔334规定,取得的数据的存储位置由存储目标335规定。此外,对于属于相同的组的信道,数据取得定时333被设定为相同。
数据取得部32按照设定信息330以组为单位从测量单元21、231及外部测量单元22取得数据。在一个例子中,数据取得部32按照设定信息330对测量单元21、231及外部测量单元22设定数据取得定时333,以组为单位从测量单元21、231及外部测量单元22取得数据。数据取得部32对设定信息330的组332进行确认,选定属于相同的组例如“组A”的信道。数据取得部32针对相同的组的信道而设定相同的数据取得定时333。接下来,数据取得部32基于设定信息330的取得间隔334中设定的间隔而从测量单元21、231及外部测量单元22取得数据,将取得的数据输出至数据类别判别部34。此外,数据取得部32也可以通过按照设定信息330在组间对数据的取得时刻进行校正而取得同步。
数据类别判别部34参照设定信息330,针对经由远程主机单元232而取得的信道的数据,对同步定时的偏差进行调整,将调整后的数据存储于数据存储部35。数据类别判别部34针对不经由远程主机单元232地取得的信道的数据,直接将数据存储于数据存储部35。其原因在于,在未与远程主机单元232连接的测量单元21及外部测量单元22和与远程主机单元232连接的测量单元231中,由于来自远程主机单元232的数据的中断的定时等的影响而使同步定时产生偏差。
此外,在数据类别判别部34中,能够通过任意的方法对同步定时的偏差进行调整。在一个例子中,数据类别判别部34直接对数据的同步定时的偏差进行测量,对与偏差相当的取得时间差进行校正。取得时间差是在属于相同的组的信道中经由远程主机单元232而取得的数据的取得时刻与不经由远程主机单元232地取得的数据的取得时刻之间的差值。另外,在其它例子中,数据类别判别部34也可以具有与同步定时的偏差相当的校正值,使用与同步定时的偏差相当的校正值对从远程主机单元232取得的数据的时刻进行校正。
数据存储部35针对从测量单元21及外部测量单元22取得的数据或经由远程主机单元232而取得的数据,对同步定时的偏差被校正后的数据进行存储。另外,数据存储部35对由后述的CPU单元40的数据分析部41分析后的数据进行存储。
PLC 30具有CPU 301和存储器302。CPU 301与存储器302经由总线303而连接。动作设定部31、数据取得部32及数据类别判别部34是通过执行在存储器302存储的未图示的程序而实现的。设定信息存储部33及数据存储部35由存储器302构成。
CPU单元40是以执行比PLC 30更高级的数据处理为目的的单元。CPU单元40的一个例子是C语言可编程单元。另外,CPU单元40对应于运算单元。CPU单元40具有对从PLC 30取得的数据进行分析的数据分析部41。数据分析部41针对数据存储部35的数据,以组为单位应用有效的诊断方法,进行诊断对象设备200的诊断。数据分析部41将诊断结果保存于PLC30的数据存储部35。在对设备仪器210a、210b、210c的异常进行诊断时使用各种传感器,但由利用振动传感器的振动测定实现的方法是通常的方法。振动测定具有2个优点。第1,在压电式的振动传感器的情况下,廉价耐用且精度高。因此,用于处于高温多湿等严酷的环境下的生产设备的异常诊断。第2,振动分析法即振动诊断法已被成体系地建立。作为振动诊断法,存在简易诊断及精密诊断。
简易诊断是指将设备的振动状态水平与被判断为正常时的基准值进行比较,在测定值超过了基准值的情况下,判断为异常。在简易诊断中存在绝对值判定法及相对值判定法。
绝对值判定法是与由ISO(International Organization for Standardization)或JIS(Japanese Industrial Standards)规定的判定基准值进行比较,对设备的状态是否良好进行判定的方法。另外,相对值判定法是在收集了振动数据之后,基于振动数据而生成被判断为正常时的基准值,乘以某个倍率而设定阈值。是在测定值超过了阈值的情况下,判定为异常的方法。另外,精密诊断是事先计算出轴承或齿轮等机械部件的故障频率而进行监视、诊断的方法。
另外,在振动诊断法以外,在对设定于组的多个检测器数据的特征量进行提取、解析、诊断的方法中还存在马氏田口法(Mahalanobis Taguchi Method:MT法)。在MT法中,收集从正常状态的***得到的数据,基于该数据而生成被称为单位空间的正常状态的***的总集。然后,在单位空间所处的坐标空间中绘制新取得的数据,计算相对于单位空间的偏离度即马氏距离。然后,通过将计算出的马氏距离与预先设定的马氏距离的阈值进行比较,从而判定***是正常还是异常。
另外,通过复合地使用上述的振动分析方法及MT法这样的统计分析方法,从而数据收集分析***1能够准确且迅速地对异常的检测进行诊断。
数据分析部41在利用上述方法而以组为单位对数据进行了诊断之后,将诊断结果与诊断后的数据所属的组关联地存储于数据存储部35。在一个例子中,数据分析部41在针对“组A”而对数据进行了诊断的情况下,将诊断结果与“组A”关联地存储于数据存储部35。
CPU单元40具有CPU 401和存储器402。CPU 401与存储器402经由总线403而连接。数据分析部41是通过执行在存储器402存储的未图示的程序而实现的。
显示部60进行诊断对象设备200中的预测维护时的设定信息330的设定,或对由CPU单元40分析出的诊断结果进行显示。显示部60具有信道设定部61、组设定部62、数据取得间隔设定部63、数据显示部64和警报显示部65。
信道设定部61将在进行与设定信息330相关的设定的画面即设定画面中由用户经由输入部10而设定的内容中的与信道相关的设定内容反映至设定信息存储部33的设定信息330。能够针对数据收集分析***1的每个信道而设定信道名,基于该设定的信道名,对所取得的检测器数据以信道为单位而分配信道。设定画面被存储于显示部60内的未图示的存储器。
组设定部62将在设定画面中由用户经由输入部10而设定的内容中的与组相关的设定内容反映至设定信息存储部33的设定信息330。因此,数据收集分析***1能够以组为单位对在信道中取得的检测器数据进行管理。组能够以装置为单位、以部位为单位或以生产线为单位。通过以组为单位对检测器数据进行管理,从而能够集中地管理在预测维护中所需的数据,通过针对该组进行数据解析,从而能够实现基于所需的数据的预测维护。
设定于同一组的信道能够全部以相同的定时取得检测器数据。即,组设定部62针对在设定信息330中被设定为相同的组的信道,将数据取得定时333设定为相同的值。因此,数据收集分析***1仅通过对信道进行组的设定,就能够取得确保了同一组内的信道之间的同步的检测器数据。另外,检测器数据在被存储于数据存储部35时能够被分组、关联。
数据取得间隔设定部63将在设定画面中由用户经由输入部10而设定的内容中的与数据取得间隔相关的设定内容反映至设定信息存储部33的设定信息330。数据取得间隔的设定包含周期监视或触发监视。
数据显示部64使用图形化操作终端即显示器向数据收集分析***1的用户提示在数据存储部35存储的诊断数据或由数据取得部32取得的检测器数据。
警报显示部65将由数据分析部41得到的诊断结果通知给用户。另外,警报显示部65在将诊断结果分类成正常、注意及异常这3个层次的情况下,在注意或异常的情况下,将警报的内容通知给用户。作为警报的内容,能够使用表示在哪个诊断中产生了警报的文本消息。在一个例子中,警报显示部65可以将在显示部60内的未图示的存储器存储的诊断结果数据或警报显示数据作为诊断结果或警报而显示于图形化操作终端,也可以通过邮件等手段向用户进行通知。
此外,上述数据收集分析***1不仅是将单元组装而成的***,也可以是将单元的功能搭载于装置的***。
如上所述,在实施方式1涉及的数据收集分析***1中,数据取得部32基于设定有以组为单位取得数据的条件的设定信息330的设定值而取得数据。由此,即使是事后任意地设定的组,不连接特别的配线也能够同步地取得以组为单位的数据。
另外,实施方式1涉及的数据收集分析***1能够针对信道自由地进行组332的设定,针对如上所述设定的组332的组名而设定数据取得定时333。因此,针对用户自由地设定的组332内的全部取得数据,能够容易地实现同步的数据取得。
此外,在上述说明中,示出了动作设定部31设置于PLC 30的情况,但动作设定部31也可以设置于CPU单元40。
图3是示意性地表示设备仪器诊断***的结构的一个例子的框图,该设备仪器诊断***使用了实施方式1涉及的数据收集分析***。设备仪器诊断***100具有实施方式1涉及的数据收集分析***1、网关单元110、数据库服务器120、网络单元130、电子邮件发送用单元140和工厂内网络150。此外,在该图中,为了便于说明,数据收集分析***1省略了除了数据取得部32及警报显示部65以外的结构要素的图示。
工厂内网络150是具有诊断对象设备200的工厂内的网络。数据库服务器120是对由数据收集分析***1收集到的数据和诊断结果以数据库的形式进行储存的信息处理装置。电子邮件发送用单元140是按照来自数据收集分析***1的指示将诊断结果通知给用户的信息处理装置。
在这样的设备仪器诊断***100中,数据收集分析***1使用网关单元110,经由工厂内网络150将从诊断对象设备200的设备仪器210a、210b、210c收集的测量数据及数据收集分析***1中的诊断结果传输至数据库服务器120。
另外,数据收集分析***1中的数据取得部32使用网络单元130,经由工厂内网络150从诊断对象设备200的设备仪器210a、210b、210c收集测量数据。另外,警报显示部65经由网络单元130及工厂内网络150向电子邮件发送用单元140作出指示,从电子邮件发送用单元140将诊断结果通过电子邮件通知给用户。
接下来,对数据收集分析***1中的动作进行说明。图4是表示在实施方式1涉及的数据收集分析***中进行的数据收集分析的动作设定的流程的一个例子的流程图。显示部60对进行数据收集分析的动作设定的动作设定画面进行显示(步骤S11)。
用户通过配线或网络250将在诊断对象设备200的设备仪器210a、210b、210c设置的检测器220a、220b、220c与测量单元21、231或外部测量单元22进行连接。用户将遵循于该连接结果的内容经由输入部10而输入至动作设定画面。在一个例子中,用户对向测量单元21、231或外部测量单元22的检测器220a、220b、220c的分配、已分配的检测器220a、220b、220c的类别及向已分配的检测器220a、220b、220c赋予的名称进行设定。另外,用户进行检测器220a、220b、220c的规格的设定,在检测器220a、220b、220c是振动传感器的情况下,进行将取得的数据变换为频率数据的高速傅里叶变换(Fast Fourier Transform:FFT)、成为诊断对象的机械部件及其规格值以及监视频率及电动机容量的设定。
如果由用户进行的向动作设定画面的设定内容的输入结束,接收到设定内容的反映的指示,则PLC 30的动作设定部31根据设定内容而选择1个测量单元21、231或外部测量单元22(步骤S12)。
动作设定部31针对按照设定内容而选择出的测量单元21、231或外部测量单元22,对检测器220a、220b、220c的分配、检测器220a、220b、220c的类别及名称进行设定(步骤S13)。
然后,动作设定部31对是否针对设定内容中的全部测量单元21、231或外部测量单元22都完成了设定进行判定(步骤S14)。在尚未针对设定内容中的全部测量单元21、231或外部测量单元22完成设定的情况下(在步骤S14中为No的情况下),处理返回步骤S12,动作设定部31在直至针对设定内容中的全部测量单元21、231或外部测量单元22都完成设定之前反复执行步骤S12至S13的处理。
另外,在针对设定内容中的全部测量单元21、231或外部测量单元22都完成了设定的情况下(在步骤S14中为Yes的情况下),动作设定部31按照设定内容对CPU单元40的数据分析部41设定传感器规格(步骤S15)。然后,动作设定部31对检测器220a、220b、220c是否为振动传感器进行判定(步骤S16)。
在检测器220a、220b、220c是振动传感器的情况下(在步骤S16中为Yes的情况下),动作设定部31按照设定内容对数据分析部41进行FFT的设定(步骤S17)。FFT的设定包含通过FFT对来自振动传感器的数据进行频率变换时的条件。接下来,动作设定部31按照设定内容,针对数据分析部41而选择成为诊断对象的机械部件(步骤S18),对选择出的机械部件的规格值进行设定(步骤S19)。另外,动作设定部31按照设定内容,针对PLC 30设定监视频率及电动机容量(步骤S20)。并且,或者,在步骤S16中,在检测器220a、220b、220c不是振动传感器的情况下(在步骤S16中为No的情况下),结束数据收集分析的动作设定处理。
在上述说明中,PLC 30的动作设定部31进行数据收集分析的动作设定,但也可以通过其它方法进行数据收集分析的动作设定。在一个例子中,也可以使用未图示的工程工具,对通信单元20、PLC 30及CPU单元40设定上述的内容。
图5是表示实施方式1涉及的组设定处理的流程的一个例子的流程图。显示部60对设定信息设定画面进行显示(步骤S31)。用户在设定信息设定画面中进行向由PLC 30管理的信道的检测器220a、220b、220c的分配、信道的分组的设定和用于由组所下辖的成员(member)即检测器220a、220b、220c通过相同的数据取得方法取得数据的设定。另外,用户在检测器220a、220b、220c是振动传感器的情况下,在设定信息设定画面中进行针对成员的FFT的设定。另外,用户在设定信息设定画面中进行成员的初始值的设定、监视模式的设定、向倾向监视画面的成员的登记。监视模式的设定在一个例子中是确定由精密诊断、简易诊断及MT法诊断的哪个方法进行诊断的设定。倾向监视是对取得的数据的时序变动即取得数据的倾向进行监视的功能。向倾向监视画面的成员登记是对在数据显示部64将数据的倾向进行图形显示的对象即成员进行确定。
信道设定部61按照设定信息设定画面的设定内容对由PLC 30管理的信道分配检测器220a、220b、220c(步骤S32)。在一个例子中,信道设定部61将与信道的分配相关的设定内容反映至PLC 30的设定信息存储部33中的设定信息330。
接下来,组设定部62根据设定内容而选择1个信道(步骤S33),针对选择出的信道,按照设定内容向构成组的成员分配信道即检测器220a、220b、220c(步骤S34)。然后,组设定部62对是否已将设定于组的全部信道都分配给成员进行判定(步骤S35)。即,组设定部62对是否已将与组连接的全部检测器220a、220b、220c都分配给成员进行判定。在尚未将设定于组的全部信道分配给成员的情况下(在步骤S35中为No的情况下),处理返回至步骤S33。
另外,在已将设定于组的全部信道都分配给成员的情况下(在步骤S35中为Yes的情况下),组设定部62对检测器220a、220b、220c是否为振动传感器进行判定(步骤S36)。在检测器220a、220b、220c是振动传感器的情况下(在步骤S36中为Yes的情况下),PLC 30的动作设定部31针对组的成员进行FFT的设定(步骤S37)。
然后,或者,在步骤S36中,在检测器220a、220b、220c不是振动传感器的情况下(在步骤S36中为No的情况下),动作设定部31针对组所下辖的成员进行初始值的设定(步骤S38)。另外,动作设定部31进行监视模式的设定和向倾向监视画面的成员的登记(步骤S39)。然后,数据取得间隔设定部63按照设定内容,针对组所下辖的成员对数据取得定时333、取得间隔334及存储目标335进行设定(步骤S40)。在一个例子中,数据取得间隔设定部63将数据取得定时333、取得间隔334及存储目标335反映至设定信息存储部33中的设定信息330。由此,处理结束。
这样,在进行了数据收集分析的动作设定处理及组设定处理之后,由数据收集分析***1执行数据收集分析方法。在数据收集分析方法中,首先,PLC 30按照针对向从设备仪器210a、210b、210c取得的数据分配的信道而设定的设定信息330,以组为单位从通信单元20取得同步的数据。接下来,CPU单元40以组为单位对取得的数据进行分析。由此,数据收集分析方法结束。
实施方式1的数据收集分析***1对由PLC 30管理的信道进行分组,按照以组为单位而设定了数据取得间隔的设定信息330,从与诊断对象设备200的设备仪器210a、210b、210c连接的检测器220a、220b、220c收集数据。由此,多个检测器220a、220b、220c的数据收集时的同时性和同步性得到解决,因此备齐了进行预测维护的环境。因此,实际运用之前的用于条件设定或建设的工作量及时间能够缩短。另外,在事后追加了检测器220a、220b、220c的情况下,通过在设定信息330中对被分配给追加的检测器220a、220b、220c的信道进行组的设定,从而能够从组内的全部检测器220a、220b、220c取得同步的数据。在事后将检测器220a、220b、220c任意地分组的情况下也是相同的。即,能够确保从事后任意地分组的检测器取得的数据之间的同步。并且,通过将振动分析法及MT法进行组合起来对取得的数据进行诊断,从而能够准确且迅速地进行设备的异常的确定。
实施方式2
图6是示意性地表示实施方式2涉及的数据收集分析***的结构的一个例子的框图。此外,以下对与实施方式1不同的部分进行说明,对与实施方式1相同的结构要素标注相同的标号而省略其说明。在实施方式2的数据收集分析***1a中,数据取得部32a具有实施方式1涉及的数据类别判别部34的功能。因此,从PLC 30将数据类别判别部34去除。
图7是表示实施方式2涉及的设定信息的一个例子的图。在图7的设定信息330a中,与图2的设定信息330相比,追加了表示在由信道编号331示出的信道中取得的数据的类别的数据类别336这一项目。数据类别336是表示由信道取得的数据是从测量单元21或外部测量单元22直接取得的数据还是经由远程主机单元232而取得的数据的信息。在图7的例子中,将不经由远程主机单元232地从测量单元21或外部测量单元22直接取得数据的情况记述为“直接”,将经由远程主机单元232而取得数据的情况记述为“间接”。
数据取得部32a对设定信息330a的组332进行确认,选定属于相同的组的信道。数据取得部32a对与由设定信息330a选定的信道对应的数据类别336进行确认,对各个选定的信道的数据类别336进行判断。并且,数据取得部32a针对属于相同的组的信道而设定数据取得定时。
这里,在由数据取得部32a判断出的数据类别336是“间接”的情况下,由于经由远程主机单元232,因此与数据类别336为“直接”的情况即不经由远程主机单元232的情况相比,产生延迟。因此,数据取得部32a考虑到由于数据类别336为“间接”及“直接”的差异而产生的取得时间差,针对各个信道而设定数据取得定时。并且,数据取得部32a基于由设定信息330的取得间隔334规定的间隔而取得数据,将取得的数据存储于由设定信息330a规定的存储目标335所示的数据存储部35的存储目标处。即,在设定信息330a中,对属于同一组的信道设定有相同的数据取得定时333,但将与数据类别336对应地考虑到取得时间差而对数据取得定时333进行校正后的值设定于各信道。
在实施方式2中,在设定信息330a中设置表示由信道取得的数据是否经由了远程主机单元232的数据类别336,使数据取得部32a具有数据类别判别部34的功能。数据取得部32a考虑到不经由远程主机单元232的数据与经由远程主机单元232的数据之间的延迟,针对测量单元21、231或外部测量单元22分别设定数据取得定时。由此,也能够得到与实施方式1相同的效果。
实施方式3
在实施方式3中,对1个信道属于多个组的情况进行说明。在实施方式3中,举出具有与实施方式2相同的结构的数据收集分析***1a的例子而进行说明。
图8是表示实施方式3涉及的设定信息的一个例子的图。设定信息330b与实施方式2的设定信息330a相比,能够对1个信道编号331的信道关联多个组332。在图8所示的设定信息330b的例子中,针对信道编号331为“4”、“7”的信道而设定有多个组。与信道连接的测量单元21、231或外部测量单元22是共通的,与组332无关,所以数据类别336在各个组332中成为相同的设定值。另外,关于取得间隔334,也与组332无关地成为相同的设定值。另一方面,数据取得定时333及存储目标335是以组332为单位而变更的,因此,以组332为单位进行设定。此外,属于1个信道的组数不特别受到限定。另外,其它结构与在实施方式1、2中说明过的结构相同,因而省略说明。
数据取得部32a在1个信道属于多个组332的情况下,确定任意的1个组332,在确定出的组332中的数据取得定时333取得数据。数据取得部32a将取得的数据存储于确定出的组332所示的数据存储部35的存储目标335。在组332的确定时,数据取得部32a例如能够确定设定信息330b的上级的组332。并且,当在1个信道所关联的多个组332中数据取得定时333不同的情况下,数据取得部32a在各个组332的数据取得定时333取得数据,将取得的数据与组332关联地存储于各个组332的存储目标335所示的数据存储部35。在这种情况下,数据取得部32a也按照数据类别336以信道为单位而变更数据取得定时。
此外,这里,在实施方式2的数据收集分析***1a的情况下,说明了1个信道与多个组332相关联的情况,但在实施方式1的数据收集分析***1的情况下也是相同的。在这种情况下,在图2的设定信息330中,能够针对1个信道编号331的信道而关联多个组332。并且,数据取得部32参照该设定信息330而选定组332,设定针对测量单元21、231及外部测量单元22的数据取得定时333。
在实施方式3中,在设定信息330b中,将1个信道与多个组332相关联。数据取得部32a参照设定信息330b在各个组332的数据取得定时333取得数据,将取得的数据与组332关联地存储于各个组332的存储目标335处。由此,能够从1个信道取得属于多个组332的数据。其结果,当在不同的组332中从相同的设备仪器取得相同的数据的情况下,不需要设置多个检测器,能够由多个组332共享取得数据的检测器。即,具有能够实现信道的物理上的有效利用的效果。
实施方式4
例如,在实施方式1中,在使用预测出的取得时间差而由数据类别判别部34对数据的同步定时的偏差进行校正的情况下,优选预测出的取得时间差与实测到的取得时间差之间的差异接近0。在实施方式4中,说明以下情况,即,对根据中断的定时等的影响而变化的取得时间差进行机器学习,基于学习结果对数据的取得时刻进行校正。
在实施方式4中,PLC 30的数据类别判别部34还具有对经由远程主机单元232的数据及不经由远程主机单元232的数据的实际的取得时刻进行测量而存储于存储器302的功能。另外,CPU单元40的数据分析部41还具有对经由远程主机单元232的数据及不经由远程主机单元232的数据的取得时间差进行预测的功能。数据分析部41使用过去取得的数据,使用最小二乘平均等统计方法对经由远程主机单元232的数据及不经由远程主机单元232的数据的取得时间差进行预测。数据分析部41将预测出的数据的取得时间差输出至数据类别判别部34。数据类别判别部34使用预测出的数据的取得时间差对经由了远程主机单元232的数据的取得时刻进行校正。
图9是示意性地表示实施方式4涉及的数据收集分析***中的PLC的结构的一个例子的框图。实施方式4涉及的数据取得部32具有机器学习部90。机器学习部90对由于数据类别为“间接”及“直接”的差异而产生的取得时间差进行机器学习,数据取得部32基于机器学习部90的学习结果而对数据取得定时333进行设定。机器学习部90具有状态观测部91和学习部92。
状态观测部91将从CPU单元40的数据分析部41得到的由于与取得的数据是否经由远程主机单元232对应的“间接”及“直接”的差异而产生的取得时间差的预测值、从数据类别判别部34得到的由于“间接”及“直接”的差异而产生的取得时间差的实测值、从设定信息存储部33的设定信息330得到的中断定时等相关信息作为状态变量而进行观测。以下,取得时间差的预测值被称为预测取得时间差,取得时间差的实测值被称为实测取得时间差。中断定时等相关信息是成为由于中断而从远程主机单元232发送数据时的中断定时等数据的同步的偏差的原因的信息。在一个例子中,中断定时等相关信息是设定信息330的数据取得定时333。
学习部92按照基于预测取得时间差、实测取得时间差及中断的定时等相关信息的状态变量而创建的数据集,对弥补由“间接”及“直接”的差异而产生的取得时间差的校正值进行机器学习。以下,对取得时间差进行弥补的校正值被称为校正值。
学习部92所使用的学习算法可以使用任意的算法。作为一个例子,对应用了强化学习(Reinforcement Learning)的情况进行说明。强化学习是某个环境内的智能体(行动主体)对当前的状态进行观测而决定应采取的行动。智能体通过对行动进行选择而从环境取得收益,对通过一系列的行动而得到最多收益这样的策略进行学习。作为强化学习的代表性方法,已知有Q学习(Q-learning)及TD学习(TD-learning)。例如,在Q学习的情况下,行动价值函数Q(s,a)的通常的更新式(行动价值表)通过下式(1)表示。
【式1】
在(1)式中,st表示时刻t时的环境,at表示时刻t时的行动。通过行动at,环境变化为st+1。rt+1表示由于该环境的变化而得到的收益,γ表示折扣率,α表示学习系数。此外,γ设为0<γ≤1的范围,α设为0<α≤1的范围。在应用了Q学习的情况下,对预测取得时间差进行计算成为行动at。
就由(1)式表示的更新式而言,如果时刻t+1时的最佳的行动a的行动价值比在时刻t执行的行动a的行动价值Q大,则使行动价值Q变大,在相反的情况下,使行动价值Q变小。换言之,以使时刻t时的行动a的行动价值Q接近时刻t+1时的最佳的行动价值的方式对行动价值函数Q(s,a)进行更新。由此,某个环境下的最佳的行动价值向该某个环境之前的环境下的行动价值依次传播。
学习部92还具有收益计算部921和函数更新部922。
收益计算部921基于状态变量而对收益进行计算。收益计算部921对预测取得时间差与实测取得时间差之间的差值进行计算,基于计算出的差值与基准值之间的比较结果而对收益r进行计算。例如,在针对某个中断定时等相关信息的预测取得时间差进行计算后的结果是预测取得时间差与实测取得时间差之间的差值小于或等于基准值的情况下,收益计算部921使收益r增大(例如赋予“1”的收益)。另一方面,在针对某个中断定时等相关信息的预测取得时间差进行计算后的结果是预测取得时间差与实测取得时间差之间的差值大于基准值的情况下,收益计算部921使收益r减小(例如赋予“-1”的收益)。此外,基准值是在预测取得时间差的计算时用于对在与实测取得时间差之间的比较中是否为可容许的误差进行判断的指标,是预先设定的。
函数更新部922按照由收益计算部921计算的收益,在输入了中断的定时等相关信息时,对用于针对该状态而决定最佳的校正值的函数进行更新。例如在Q学习的情况下,由(1)式表示的行动价值函数Q(st,at)被用作用于对预测取得时间差进行计算的函数。
如果向数据类别判别部34输入中断的定时等相关信息,则数据取得部32利用由机器学习部90进行机器学习得到的结果而向数据类别判别部34输出最佳的校正值。然后,数据类别判别部34使用该校正值对经由远程主机单元232取得的数据的取得时刻进行校正。
此外,在实施方式4中,对向学习部92所使用的学习算法应用了强化学习的情况进行了说明,但不限于此。关于学习算法,除了强化学习以外,也能够应用有教师学习、无教师学习或半有教师学习等。
另外,作为上述学习算法,也能够使用对特征量自身的提取进行学习的深层学习(Deep Learning),也可以按照其它公知的方法例如神经网络、遗传编程、功能逻辑编程、支持向量机等而执行机器学习。
机器学习部90即机器学习装置是为了对数据收集分析***1的校正值进行机器学习而使用的,但例如也可以是以经由网络与数据收集分析***1、1a连接的方式独立于数据收集分析***1、1a的装置。另外,机器学习装置也可以内置于数据收集分析***1、1a。并且,机器学习装置也可以存在于云服务器上。
在机器学习装置是独立于数据收集分析***1、1a的装置,设置于数据收集分析***1、1a的外部的情况下,数据类别判别部34只要具有由机器学习装置进行机器学习后的训练好的模型或作为函数的学习结果即可。并且,数据类别判别部34如果向学习结果输入了与数据的中断的定时相关的信息,则对校正值进行计算,基于计算出的校正值对经由远程主机单元232而收集到的数据的取得时刻进行校正。
另外,学习部92也可以按照针对多个数据收集分析***1、1a而创建的数据集,对校正值进行机器学习。此外,学习部92也可以从在相同的现场中使用的多个数据收集分析***1、1a取得数据集,或者,也可以利用从在不同的现场中独立地运转的多个设备仪器210a、210b、210c收集的数据集而对校正值进行机器学习。并且,也能够在中途将收集数据集的数据收集分析***1、1a追加至对象中,或者,相反地,将数据收集分析***1、1a从对象去除。并且,也可以将针对某个数据收集分析***1、1a而对校正值进行了机器学习的机器学习装置安装于与其不同的数据收集分析***1、1a,针对该不同的数据收集分析***1、1a对校正值进行再学习而更新。
另外,在实施方式4中,对弥补由于数据类别336为“间接”及“直接”的差异而产生的取得时间差的校正值进行机器学习,但不限定于此。例如,在实施方式3中,当多个组属于1个信道且在多个组之间数据取得定时不同的情况下,对同一组的多个信道的数据取得定时的偏差的校正值进行机器学习。在这种情况下,状态观测部91将属于同一组的多个信道间的取得时间差的预测值即预测取得时间差、属于同一组的多个信道间的取得时间差的实测值即实测取得时间差作为状态变量而进行观测。
机器学习部90不限于设置于PLC 30。机器学习部90也可以是PLC 30的外部的装置。机器学习部90也可以是能够经由网络而与PLC 30连接的装置。机器学习部90也可以是存在于云服务器上的装置。在这种情况下,通过外部的机器学习装置的机器学习而输出的校正值被输出至PLC 30的数据类别判别部34。PLC 30的数据类别判别部34能够通过使用从机器学习装置输出的校正值而对经由远程主机单元232取得的数据的取得时刻进行校正。
以上的实施方式所示的结构表示的是一个例子,也能够与其它的公知技术进行组合,也能够对实施方式彼此进行组合,在不脱离主旨的范围也能够省略、变更结构的一部分。
标号的说明
1、1a数据收集分析***,10输入部,20通信单元,21、231测量单元,22外部测量单元,23网络单元,30PLC,31动作设定部,32、32a数据取得部,33设定信息存储部,34数据类别判别部,35数据存储部,40CPU单元,41数据分析部,60显示部,61信道设定部,62组设定部,63数据取得间隔设定部,64数据显示部,65警报显示部,70总线,90机器学习部,91状态观测部,92学习部,200诊断对象设备,210a、210b、210c设备仪器,220a、220b、220c检测器,232远程主机单元,250网络,921收益计算部,922函数更新部。
Claims (14)
1.一种数据收集分析***,其特征在于,具有:
通信部,其收集表示设备仪器的内部状况或动作状况的数据;以及
数据取得部,其针对向从所述设备仪器取得的所述数据分配的信道,按照设定信息,以组为单位从所述通信部取得同步的所述数据,在该设定信息中设定有整合了多个所述信道的所述组、从所述通信部取得所述数据的定时即数据取得定时、所述数据的存储目标。
2.根据权利要求1所述的数据收集分析***,其特征在于,
所述数据取得部按照所述设定信息对所述通信部设定所述数据取得定时,以所述组为单位从所述通信部取得同步的所述数据。
3.根据权利要求1所述的数据收集分析***,其特征在于,
所述数据取得部按照所述设定信息在所述组之间使取得所述数据的时刻同步。
4.根据权利要求1至3中任一项所述的数据收集分析***,其特征在于,
在所述设定信息中,对属于相同的所述组的所述信道设定有相同的所述数据取得定时和相同的所述数据的存储目标。
5.根据权利要求1、2及4中任一项所述的数据收集分析***,其特征在于,
所述通信部具有经由配线而收集来自所述设备仪器的所述数据的功能以及经由远程站而收集来自所述设备仪器的数据的功能,该远程站经由网络将来自所述设备仪器的所述数据发送至所述通信部,
所述数据收集分析***还具有数据类别判别部,该数据类别判别部对所述数据是否为经由所述远程站而收集到的数据进行判别,根据判别结果,对在所述数据取得定时取得的数据中的经由所述远程站而收集到的数据的取得时刻进行校正。
6.根据权利要求1至4中任一项所述的数据收集分析***,其特征在于,
所述通信部具有经由配线而收集来自所述设备仪器的所述数据的功能以及经由远程站而收集来自所述设备仪器的数据的功能,该远程站经由网络将来自所述设备仪器的所述数据发送至所述通信部,
在所述设定信息中,针对所述信道还设定有表示所述数据是否为经由所述远程站的数据的数据类别,
所述数据取得部在以所述设定信息的所述组为单位取得所述数据时,根据所述设定信息的所述数据类别对所述组所包含的所述信道中的所述数据取得定时进行校正。
7.根据权利要求1至6中任一项所述的数据收集分析***,其特征在于,
还具有:
数据分析部,其以所述组为单位对由所述数据取得部取得的所述数据进行分析;以及
数据显示部,其以所述组为单位对由所述数据分析部得到的所述数据的分析结果进行显示。
8.根据权利要求1至7中任一项所述的数据收集分析***,其特征在于,
在所述设定信息中,所述信道能够与多个所述组关联。
9.根据权利要求5所述的数据收集分析***,其特征在于,
所述数据类别判别部如果被输入与所述数据的中断的定时相关的信息,则利用通过机器学习进行学习得到的学习结果而对经由所述远程站收集到的数据的取得时刻进行校正。
10.根据权利要求9所述的数据收集分析***,其特征在于,
具有:
状态观测部,其将不经由所述远程站地取得所述数据的时刻与经由所述远程站取得所述数据的时刻之间的差值即取得时间差的预测值及实测值、与来自所述远程站的所述数据的中断的定时相关的信息作为状态变量而进行观测;以及
学习部,其按照基于所述状态变量而创建的数据集,对校正经由所述远程站的所述数据的取得时刻的校正值进行机器学习。
11.一种机器学习装置,其在同步地取得经由配线从设备仪器收集的表示所述设备仪器的内部状况或动作状况的数据和经由远程站从所述设备仪器收集的所述数据的数据收集分析装置中,对不经由所述远程站地取得所述数据的时刻与经由所述远程站取得所述数据的时刻之间的差值即取得时间差的预测值进行机器学习,其中,该远程站经由网络将来自所述设备仪器的所述数据发送至所述数据收集分析装置,
所述机器学习装置的特征在于,具有:
状态观测部,其将所述取得时间差的预测值及实测值、与来自所述远程站的所述数据的中断的定时相关的信息作为状态变量而进行观测;以及
学习部,其按照基于所述状态变量而创建的数据集,对校正经由所述远程站的所述数据的取得时刻的校正值进行机器学习。
12.根据权利要求11所述的机器学习装置,其特征在于,
所述学习部具有:
收益计算部,其基于针对与所述数据的中断的定时相关的信息的所述取得时间差的预测值和所述取得时间差的实测值之间的差值与基准值之间的比较结果而对收益进行计算;以及
函数更新部,其基于所述收益而更新用于决定进行以下校正的所述校正值的函数,即,对针对与所述数据的中断的定时相关的信息的所述数据的取得时刻进行校正。
13.一种数据收集分析装置,其特征在于,具有:
数据取得部,其针对向从设备仪器取得的表示所述设备仪器的内部状况或动作状况的数据分配的信道,按照设定信息,以组为单位从所述通信部取得同步的所述数据,在该设定信息中设定有整合了多个所述信道的所述组、从取得数据的通信部取得所述数据的定时即数据取得定时、所述数据的存储目标;以及
数据分析部,其以所述组为单位对由所述数据取得部取得的所述数据进行分析。
14.一种数据收集分析方法,其特征在于,包含以下工序:
可编程控制器针对向从设备仪器取得的表示所述设备仪器的内部状况或动作状况的数据分配的信道,按照设定信息,以组为单位从所述通信部取得同步的所述数据,在该设定信息中设定有整合了多个所述信道的所述组、从取得数据的通信部取得所述数据的定时即数据取得定时、所述数据的存储目标;以及
运算单元以所述组为单位对取得的所述数据进行分析。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP2019/051222 WO2021130983A1 (ja) | 2019-12-26 | 2019-12-26 | データ収集分析システム、データ収集分析装置、機械学習装置およびデータ収集分析方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114868364A true CN114868364A (zh) | 2022-08-05 |
Family
ID=72240841
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201980103197.2A Pending CN114868364A (zh) | 2019-12-26 | 2019-12-26 | 数据收集分析***、数据收集分析装置、机器学习装置及数据收集分析方法 |
Country Status (4)
Country | Link |
---|---|
US (1) | US11687061B2 (zh) |
JP (1) | JP6749529B1 (zh) |
CN (1) | CN114868364A (zh) |
WO (1) | WO2021130983A1 (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20230108341A (ko) * | 2021-06-03 | 2023-07-18 | 미쓰비시덴키 가부시키가이샤 | 데이터 수집 분석 모듈, 데이터 수집 분석 모듈의 동작 방법 및 프로그래머블 로직 컨트롤러 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101917736A (zh) * | 2010-08-17 | 2010-12-15 | 中国科学院计算技术研究所 | 传感器网络试验床***及其测试方法 |
CN103533584A (zh) * | 2013-10-24 | 2014-01-22 | 厦门大学 | 一种水声传感器网络多信道媒介访问控制方法 |
CN203825819U (zh) * | 2014-01-03 | 2014-09-10 | 南京信息工程大学 | 车辆安全的实时远程监测装置、服务器及其*** |
CN107967801A (zh) * | 2017-12-25 | 2018-04-27 | 东华理工大学 | 一种能源计量数据在线采集与监控方法及*** |
CN108803502A (zh) * | 2017-04-27 | 2018-11-13 | 横河电机株式会社 | 数据收集装置及***、数据服务器、数据收集方法及计算机可读取的非易失性的记录介质 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS53120550A (en) * | 1977-03-30 | 1978-10-21 | Hitachi Ltd | Plant monitoring apparatus |
JPH09230927A (ja) | 1996-02-23 | 1997-09-05 | Toshiba Corp | プロセス監視システム |
JP4490578B2 (ja) * | 2000-11-22 | 2010-06-30 | 横河電機株式会社 | データ収集装置 |
JP5195521B2 (ja) * | 2009-03-02 | 2013-05-08 | 沖電気工業株式会社 | センサデータ統合装置 |
JP6237103B2 (ja) * | 2013-10-17 | 2017-11-29 | 富士通株式会社 | 情報収集装置、情報収集方法、及び情報収集プログラム |
JP6962099B2 (ja) * | 2017-09-25 | 2021-11-05 | オムロン株式会社 | 制御システムおよび制御装置 |
JP7069944B2 (ja) * | 2018-03-28 | 2022-05-18 | 住友電気工業株式会社 | 環境検出装置、環境検出システム、環境検出方法、及びコンピュータプログラム |
JP7143697B2 (ja) * | 2018-09-14 | 2022-09-29 | オムロン株式会社 | 制御システムおよび制御装置 |
JP7063292B2 (ja) * | 2019-03-15 | 2022-05-09 | オムロン株式会社 | 制御システム、設定装置、および設定プログラム |
-
2019
- 2019-12-26 JP JP2020532075A patent/JP6749529B1/ja active Active
- 2019-12-26 CN CN201980103197.2A patent/CN114868364A/zh active Pending
- 2019-12-26 WO PCT/JP2019/051222 patent/WO2021130983A1/ja active Application Filing
- 2019-12-26 US US17/771,839 patent/US11687061B2/en active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101917736A (zh) * | 2010-08-17 | 2010-12-15 | 中国科学院计算技术研究所 | 传感器网络试验床***及其测试方法 |
CN103533584A (zh) * | 2013-10-24 | 2014-01-22 | 厦门大学 | 一种水声传感器网络多信道媒介访问控制方法 |
CN203825819U (zh) * | 2014-01-03 | 2014-09-10 | 南京信息工程大学 | 车辆安全的实时远程监测装置、服务器及其*** |
CN108803502A (zh) * | 2017-04-27 | 2018-11-13 | 横河电机株式会社 | 数据收集装置及***、数据服务器、数据收集方法及计算机可读取的非易失性的记录介质 |
CN107967801A (zh) * | 2017-12-25 | 2018-04-27 | 东华理工大学 | 一种能源计量数据在线采集与监控方法及*** |
Also Published As
Publication number | Publication date |
---|---|
US11687061B2 (en) | 2023-06-27 |
WO2021130983A1 (ja) | 2021-07-01 |
JP6749529B1 (ja) | 2020-09-02 |
JPWO2021130983A1 (ja) | 2021-12-23 |
US20220365515A1 (en) | 2022-11-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110515351B (zh) | 异常检测器 | |
US9053468B2 (en) | Methods and systems for monitoring operation of equipment | |
US8676553B2 (en) | Apparatus abnormality diagnosis method and system | |
JP5297272B2 (ja) | 装置異常監視方法及びシステム | |
EP2492771B1 (en) | Apparatus, system and method for correcting measurement data | |
EP3413154B1 (en) | Equipment diagnostic device, equipment diagnostic method, and equipment diagnostic program | |
US20170131705A1 (en) | Field device, field device system, and diagnostic method | |
JP4046309B2 (ja) | プラント監視装置 | |
CN111867806A (zh) | 用于基于件的过程(批量制造)、特别是注射成型过程的自动的过程监控和过程诊断的方法和实施所述过程的机器或实施所述过程的机器总成 | |
US20220035356A1 (en) | Equipment failure diagnosis support system and equipment failure diagnosis support method | |
KR102483811B1 (ko) | 자동화 공정 이상상태 모니터링 및 제어 시스템 및 방법 | |
CN115640860B (zh) | 一种工业云服务的机电设备远程维护方法及*** | |
JP6880560B2 (ja) | 故障予測装置、故障予測方法及び故障予測プログラム | |
JP6381122B2 (ja) | 故障推定装置、故障推定データベース装置、故障推定プログラム、故障推定データベースプログラム、および故障推定システム | |
JP6749529B1 (ja) | データ収集分析システム、データ収集分析装置およびデータ収集分析方法 | |
JP4170843B2 (ja) | 計器校正支援システム | |
EP2618231A2 (en) | System and method for monitoring, diagnostics, and prognostics | |
JP7026012B2 (ja) | 機器状態監視システム及び機器状態監視方法 | |
WO2020129818A1 (ja) | 機械設備診断システム、機械設備診断方法、および機械設備診断プログラム | |
CN118013468B (zh) | 一种风电机组部件健康度监测方法、装置、设备及介质 | |
EP4258070A1 (en) | Abnormality diagnosis system and abnormality diagnosis method | |
KR20180093351A (ko) | 설비의 열효율 계측점의 계측불량 검출 장치 및 검출 방법 | |
EP3955707A1 (en) | Method and system for predicting a failure probability of a component of an x-ray system | |
CN115563999A (zh) | 传感器组件和用于运行传感器组件的方法 | |
KR101234775B1 (ko) | 장비진단 모델링 장치, 장비진단 모델링 방법, 장비진단장치, 장비진단방법 및 기록매체 |
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 |