JP2008226006A

JP2008226006A - Facility equipment diagnostic device and program

Info

Publication number: JP2008226006A
Application number: JP2007065237A
Authority: JP
Inventors: Kosuke Tsuruta; 浩輔鶴田; Masamichi Sato; 正道佐藤; Hiromoto Tanino; 博基谷埜
Original assignee: Omron Corp; Omron Tateisi Electronics Co
Current assignee: Omron Corp
Priority date: 2007-03-14
Filing date: 2007-03-14
Publication date: 2008-09-25

Abstract

<P>PROBLEM TO BE SOLVED: To provide a facility equipment diagnostic device, capable of providing information for performing diagnosis of failure (abnormality) of facility equipment or the presence/absence thereof even if a feature quantity extracted in a normal state varies. <P>SOLUTION: The device includes a feature extraction part 2 which extracts a feature quantity based on a state change of input signal or output signal of a programmable controller, acquired by a measurement part 1; a statistic quantity calculation part 3 which determines a statistic quantity for a fixed period for the extracted feature quantity; a comparison part 5 which determines the degree of slippage of a current statistic quantity from the calculated past statistic quantity; and a variable information collation part 6 which forms diagnostic result obtained by associating the degree of slippage determined by the comparison part with facility equipment, and outputs it to a display part 8 or stores it in an information accumulation part 9. <P>COPYRIGHT: (C)2008,JPO&INPIT

Description

この発明は、プログラマブルコントローラにより制御される設備機器についての診断を行なうための設備機器診断装置およびプログラムに関するものである。 The present invention relates to an equipment diagnosis apparatus and program for making a diagnosis on equipment controlled by a programmable controller.

従来、ＰＬＣの入出力信号を用いて、そのＰＬＣにより動作が制御される設備機器について異常の有無の診断を行なう設備故障診断装置がある。この設備故障診断装置の一例として、特許文献１に開示された発明がある。この発明は、各種の生産工程では、各設備機器がそれぞれ独立したタイミングで動作を開始し、一連の動作を繰り返す生産システムを前提としている。このような生産システムにおいて、係る設備故障診断装置は、センサや接点の状態変化を時系列的に記録しておき、これを基に異常診断（故障診断）を行なうものである。つまり、予め、従来の故障診断は、正常時における時系列の状態変化の基準パターンを作成しておき、これとの比較によって設備機器の正常・異常を判別している。 2. Description of the Related Art Conventionally, there is an equipment failure diagnosis device that uses a PLC input / output signal to diagnose whether there is an abnormality in an equipment whose operation is controlled by the PLC. As an example of this equipment failure diagnosis apparatus, there is an invention disclosed in Patent Document 1. The present invention is premised on a production system in which various equipments start operation at independent timings and repeat a series of operations in various production processes. In such a production system, the equipment failure diagnosis apparatus records state changes of sensors and contacts in time series, and performs abnormality diagnosis (failure diagnosis) based on this. That is, in the conventional failure diagnosis, a reference pattern of time-series state changes at normal time is created in advance, and normality / abnormality of the equipment is determined by comparison with this.

特許３２７７２４７号Japanese Patent No. 3277247

特許文献１などに開示された従来の故障判断は、生産システムが正常に動作しているときに特徴抽出処理をして時系列の状態変化の基準パターンを作成し、実際の異常診断時には、基準パターン作成時と同様の特徴抽出処理をし、基準パターンに対して予め設定したしきい値を越えた場合に故障（異常）ありと判定するようにしている。このように、正常と異常を明確に定義・分別し、異常が発生したときに通知し、生産システムを停止するようにしているため、以下に示す各種の問題を生じる。 The conventional failure determination disclosed in Patent Literature 1 and the like is performed by generating a reference pattern of time-series state change by performing feature extraction processing when the production system is operating normally, and at the time of actual abnormality diagnosis, A feature extraction process similar to that at the time of pattern creation is performed, and it is determined that there is a failure (abnormality) when a preset threshold value with respect to the reference pattern is exceeded. As described above, since normality and abnormality are clearly defined and separated, notification is made when an abnormality occurs, and the production system is stopped, the following problems occur.

すなわち、状態変化が規則正しく一定時間ごとに発生するものと、正常動作時でも状態変化のタイミングにばらつきのあるものがある。従って、正常／異常の判定を行なうに際し、一律にしきい値処理をすると誤判定を生じるおそれがある。また、状態変化のタイミングのばらつきが小さいものに基づいて正常／異常の判定をするようにした場合、ばらつきの大きいものにのみ関連する設備機器についての異常診断が行なえない。さらに、ばらつきの程度に応じて個々にしきい値を設定したとしても、基準パターンから大きくずれた場合にそれが正常範囲のばらつきに基づくものか、故障等に基づいて大きくずれたのかの判定が行なえない。よって、特に正常であってもばらつきを生じるようなものについて正確な故障（異常）診断を行なうことができない。 In other words, there are cases where state changes occur regularly at regular intervals, and cases where state change timing varies even during normal operation. Therefore, when the normal / abnormal determination is performed, if the threshold value processing is uniformly performed, there is a risk of erroneous determination. In addition, when the normal / abnormal determination is made based on the one having the small variation in the timing of the state change, the abnormality diagnosis cannot be performed on the equipment related only to the one having the large variation. In addition, even if threshold values are individually set according to the degree of variation, it is possible to determine whether a deviation from the reference pattern is due to variations in the normal range or due to a failure or the like. Absent. Therefore, accurate failure (abnormality) diagnosis cannot be performed for items that cause variations even if they are normal.

この発明は、正常状態で抽出した特徴量にばらつきがある場合でも設備機器の故障（異常）あるはそのおそれの有無等の診断を行なうための情報を提供することができる設備機器診断装置およびプログラムを提供することを目的とする。 The present invention relates to a facility equipment diagnosis apparatus and program capable of providing information for diagnosing whether there is a failure (abnormality) of equipment equipment or the possibility of the presence or absence of the equipment equipment even when there are variations in the feature values extracted in the normal state The purpose is to provide.

この発明による設備機器診断装置は、（１）プログラマブルコントローラにより制御される設備機器の診断装置であって、プログラマブルコントローラの入力信号及びまたは出力信号の状態変化に基づく特徴量を抽出する特徴抽出手段と、その特徴抽出手段で抽出された特徴量についての一定期間の統計量を求める統計量算出手段と、その統計量算出手段で算出された過去の統計量と、現在の統計量とを比較する比較手段と、その比較手段により比較し、得られた診断結果情報を出力する手段と、を備えるようにした。 A facility equipment diagnosis apparatus according to the present invention is (1) a facility equipment diagnosis apparatus controlled by a programmable controller, and a feature extraction means for extracting a feature quantity based on a state change of an input signal and / or an output signal of the programmable controller; , A statistic calculating means for obtaining a statistic for a certain period of the feature amount extracted by the feature extracting means, and a comparison comparing the past statistic calculated by the statistic calculating means with the current statistic Means and means for outputting the obtained diagnosis result information by comparing with the comparing means.

入力信号や出力信号は、プログラマブルコントローラに入力／出力される信号を監視し取得しても良いし、プログラマブルコントローラのＩＯメモリをアクセスして取得してもよく、その取得方法は任意である。要は、信号の状態変化を検出することができるものであればよい。また、診断結果は、具体的な異常の有無を判定するものに限ることはなく、判定するための情報を提供するものも含む。 Input signals and output signals may be acquired by monitoring signals input / output to the programmable controller, or may be acquired by accessing the IO memory of the programmable controller, and the acquisition method is arbitrary. In short, any device that can detect a change in the state of a signal may be used. In addition, the diagnosis result is not limited to that for determining the presence or absence of a specific abnormality, but also includes information that provides information for determination.

また、出力する手段は、実施形態では、比較部で求めたはずれ度合いと設備機器とを関連づけて得られた診断結果情報を作成し、表示部８に出力したり情報蓄積部９に格納したりする「変数情報照合部６」に対応する。そして、「出力」は、「表示」したり、「記憶」したり、「プリントアウト」したりするなど、各種の対応がとれる。 In the embodiment, the output means creates diagnostic result information obtained by associating the degree of detachment obtained by the comparison unit with the equipment and outputs it to the display unit 8 or stores it in the information storage unit 9. Corresponds to the “variable information matching unit 6”. The “output” can be variously displayed, such as “displayed”, “stored”, and “printed out”.

本発明では、従来のように抽出した特徴量に対してしきい値処理をして明確に正常／異常を判定するのではなく、特徴量の統計量（平均、分散など）を用い、それがある計測時期とどれだけずれているか（変化が大きいか）を求め、それに基づく情報を提示するようにしたので、正常状態で得られる特徴量に一定の範囲内でばらつきがあるものであっても、統計量同士を比較することで精度良く判定することができる。 In the present invention, instead of performing the threshold processing on the extracted feature value as in the prior art and clearly determining normal / abnormal, the feature value statistics (average, variance, etc.) are used. Since the amount of deviation from a certain measurement time (the change is large) was obtained and information based on it was presented, even if the feature value obtained in the normal state varies within a certain range It can be determined with high accuracy by comparing the statistics.

（２）特徴量は、１つの信号の状態変化から別の信号の状態変化までの時間と、個々の信号の状態変化に基づいて算出する時間と、の少なくとも一方を含むことができる。前者は、実施形態における特徴Ａに対応し、後者は、実施形態における特徴Ｂに対応する。 (2) The feature amount can include at least one of a time from a state change of one signal to a state change of another signal and a time calculated based on a state change of each signal. The former corresponds to the feature A in the embodiment, and the latter corresponds to the feature B in the embodiment.

（３）診断結果情報は、過去の統計量からの変化（ずれ）が大きい統計量に関連する設備診断機器を特定する情報（機器名）とすることができる。 (3) The diagnosis result information can be information (device name) that identifies a facility diagnosis device related to a statistic having a large change (deviation) from a past statistic.

（４）前記過去の統計量を算出する際に用いた過去の特徴量の分布と、前記現在の統計量を算出する際に用いた現在の特徴量の分布と、を求め、それぞれの分布を対比して出力する手段を備えるとよい。 (4) Obtaining the distribution of past feature values used in calculating the past statistics and the distribution of current feature values used in calculating the current statistics, and calculating each distribution It is preferable to provide means for outputting in contrast.

また、本発明に係るプログラムは、コンピュータを、プログラマブルコントローラの入力信号及びまたは出力信号の状態変化に基づく特徴量を抽出する特徴抽出手段、その特徴抽出手段で抽出された特徴量についての一定期間の統計量を求める統計量算出手段、その統計量算出手段で算出された過去の統計量と、現在の統計量とを比較する比較手段、その比較手段により比較し、得られた診断結果情報を出力する手段、として機能させるものとした。 In addition, the program according to the present invention includes a feature extraction unit that extracts a feature amount based on a change in state of an input signal and / or an output signal of a programmable controller, and a fixed period of time for the feature amount extracted by the feature extraction unit. Statistics calculation means for obtaining statistics, past statistics calculated by the statistics calculation means, comparison means for comparing the current statistics, and comparison by the comparison means, and output of diagnostic result information obtained To function as a means to

本発明は、特徴量の統計量同士を対比するようにしたため、正常状態で抽出した特徴量にばらつきがある場合でも設備機器の故障（異常）あるいはそのおそれの有無等の診断を行なうための情報を提供することができる。 In the present invention, since the statistical quantities of the feature quantities are compared with each other, information for diagnosing whether there is a failure (abnormality) of the equipment or whether there is a possibility of the malfunction or the like even when the feature quantities extracted in the normal state vary. Can be provided.

図１は、設備機器診断装置の好適な一実施形態を示している。ＦＡ（ＦａｃｔｏｒｙＡｕｔｏｍａｔｉｏｎ）におけるネットワークシステムは、生産設備の制御を司るＰＬＣ（プログラマブルコントローラ）と、そのＰＬＣにより動作が制御される機器とが、制御系のネットワークに接続される。それらＰＬＣと機器は、その制御系のネットワークを介してサイクリックに通信を行なうことで、ＩＯデータの送受を行ない、生産設備を制御する。 FIG. 1 shows a preferred embodiment of a facility equipment diagnostic apparatus. In a network system in FA (Factory Automation), a PLC (programmable controller) that controls production facilities and a device whose operation is controlled by the PLC are connected to a network of a control system. These PLCs and devices communicate with each other cyclically via the network of the control system, thereby transmitting / receiving IO data and controlling production facilities.

ＰＬＣは、制御プログラムに基づいて演算実行するＣＰＵユニット、センサやスイッチなどの入力機器を接続してそれらのオン・オフ信号を入力信号として取り込む入力ユニット、アクチュエータやリレーなどの出力機器を接続してそれらに対して出力信号を送り出す出力ユニット、ネットワークに接続された他の装置とデータの送受を行なう通信ユニット、各ユニットに電源を供給する電源ユニット、などの複数のユニットを組み合わせることにより構成されている。それら入力機器や出力機器についてのＩＯデータは、ＣＰＵユニットのＩＯメモリに格納される。このＩＯメモリに格納されるＩＯデータは、１サイクルごとに更新される。 The PLC connects a CPU unit that executes calculations based on a control program, an input device such as a sensor or a switch and inputs an on / off signal as an input signal, and an output device such as an actuator or a relay. It is composed by combining multiple units such as an output unit that sends output signals to them, a communication unit that sends and receives data to and from other devices connected to the network, and a power supply unit that supplies power to each unit. Yes. The IO data for these input devices and output devices is stored in the IO memory of the CPU unit. The IO data stored in the IO memory is updated every cycle.

本実施形態の設備診断装置は、ＰＬＣのＣＰＵユニットに格納されるＩＯデータに基づいて、ネットワークシステムを構成する機器（設備）の診断を行なう。この設備診断装置は、計測部１と、特徴抽出部２と、統計量算出部３と、過去値記憶部４と、比較部５と、変数情報照合部６と、設備機器設定情報データベース７と、表示部８と、情報蓄積部９と、を備えている。 The equipment diagnosis apparatus of the present embodiment diagnoses equipment (equipment) constituting the network system based on IO data stored in the CPU unit of the PLC. This equipment diagnostic apparatus includes a measuring unit 1, a feature extracting unit 2, a statistic calculating unit 3, a past value storage unit 4, a comparing unit 5, a variable information collating unit 6, and an equipment setting information database 7. The display unit 8 and the information storage unit 9 are provided.

計測部１は、ＰＬＣを構成するデータ収集ユニットにより実現する。データ収集ユニットは、ＰＬＣを構成する１つのユニットで、他のユニットとともにＰＬＣバスに接続され、そのＰＬＣバスを介して伝送されるＩＯデータを収集し、格納する。収集周期は、サイクリックに動作するＣＰＵユニットの１サイクルに合わせている。これにより、１サイクルごとのＩＯデータの履歴が、データ収集にユニットに保存される。 The measurement part 1 is implement | achieved by the data collection unit which comprises PLC. The data collection unit is one unit constituting the PLC, and is connected to the PLC bus together with the other units, and collects and stores IO data transmitted through the PLC bus. The collection period is set to one cycle of the CPU unit that operates cyclically. Thus, the history of IO data for each cycle is stored in the unit for data collection.

図２，図３は、計測部１におけるデータ収集処理の概念を示している。本実施形態のＰＬＣ１０は、ＣＰＵ１１と、データ収集ユニット（計測部１）と、その他各種のユニットと、を連結して構成される。ＣＰＵユニット１１がユーザプログラムを演算実行した結果に基づく制御命令（ＯＵＴデータ）が、出力機器であるアクチュエータ１２に与えられる。そのアクチュエータ１２の動作は、センサ・スイッチ等の入力機器にて検出され、制御結果（ＩＮデータ）としてＣＰＵユニット１１に取り込まれる。上記のＯＵＴデータやＩＮデータからなるＩＯデータが、ＣＰＵユニット１１のＩＯメモリに格納されているため、そのＩＯデータはデータ収集ユニット１にて取り込まれ、図３に示すように、各アドレスごとに履歴データとして記録される。なお、本実施形態では、データ収集ユニット１を用いてＩＯデータの履歴情報を記録したが、他の方法としては、例えば、多くのＩＯデータがフィールドネットワークを伝送されることから、そのフィールドネットワーク上を伝送されるデータを監視し、必要な情報を取得するデータ収集装置を用いたりするなど、計測器で計測し、データロガーで記録するという形式であれば、何でもよい。 2 and 3 show the concept of data collection processing in the measurement unit 1. The PLC 10 of the present embodiment is configured by connecting a CPU 11, a data collection unit (measurement unit 1), and various other units. A control command (OUT data) based on the result of the CPU unit 11 calculating and executing the user program is given to the actuator 12 which is an output device. The operation of the actuator 12 is detected by an input device such as a sensor / switch and is taken into the CPU unit 11 as a control result (IN data). Since the IO data composed of the OUT data and the IN data is stored in the IO memory of the CPU unit 11, the IO data is taken in by the data collection unit 1, and as shown in FIG. Recorded as historical data. In the present embodiment, the history information of the IO data is recorded using the data collection unit 1. However, as another method, for example, a lot of IO data is transmitted through the field network. Any data may be used as long as it is measured by a measuring instrument and recorded by a data logger, such as using a data collection device that monitors data transmitted and acquires necessary information.

特徴抽出部２は、計測部１で記録した各ＩＯデータの履歴情報を読み出し、それぞれ時系列のパルス信号（各ＩＯデータのＯＮ／ＯＦＦのパルス信号）とし、複数のパルス信号から特徴抽出を行なう。本実施形態で抽出する特徴は、複数の信号の関係性を用いて、信号群の状態を見るために用いる特徴Ａと、個々の信号の状態を見るために用いる特徴Ｂの２種類を用意した。 The feature extraction unit 2 reads out the history information of each IO data recorded by the measurement unit 1 and uses each as a time-series pulse signal (ON / OFF pulse signal of each IO data), and performs feature extraction from a plurality of pulse signals. . Features extracted in this embodiment are prepared in two types: feature A used for viewing the state of a signal group and feature B used for viewing the state of each signal, using the relationship between a plurality of signals. .

前提として、ＰＬＣの制御対象の設備機器が同じ動きを繰り返し行なうものであるため、特徴抽出の対象となる信号は、ＯＮとＯＦＦの切り替えタイミングがほぼ一定で繰り返し行なわれる。 As a premise, since the equipment to be controlled by the PLC repeatedly performs the same movement, the signal to be subjected to feature extraction is repeatedly performed with the ON and OFF switching timings being substantially constant.

つまり、１つの信号に着目すると、基準点（例えば動作開始）からｍ番目のＯＮになっている時間をＴON（ｍ）とし、基準点（例えば動作開始）からｍ番目のＯＦＦになっている時間をＴOFF （ｍ）とすると、ＴON（ｍ）は、ｍ＝１〜Ｍまでの各値がほぼ一定の値を示し、ＴON（ｍ）は、ｍ＝１〜Ｍまでの各値がほぼ一定の値を示す。もちろん、ＴON（ｍ）とＴOFF （ｍ）とは、同一の値（デューティ比：１／２）を示す場合もあれば、異なる値を示す場合もある。更に、ＯＮ／ＯＦＦの１サイクルの時間も、ほぼ一定の値となる。そして、各信号によって、上記の“ほぼ一定の値”をとる“ばらつきの範囲”が異なる。 That is, focusing on one signal, the time when the m-th ON from the reference point (for example, operation start) is TON (m), and the time when the m-th OFF is from the reference point (for example, operation start). Is TOFF (m), TON (m) is substantially constant for each value from m = 1 to M, and TON (m) is substantially constant for each value from m = 1 to M. Indicates the value. Of course, TON (m) and TOFF (m) may indicate the same value (duty ratio: 1/2) or different values. Furthermore, the time of one cycle of ON / OFF also becomes a substantially constant value. The “variation range” that takes the “substantially constant value” varies depending on each signal.

また、各信号は、機器の制御信号や、機器の動作の検出信号等であるため、各信号相互間での発生タイミングも固定となる。よって、各信号がＯＮになる（立ち上がる）順番或いは各信号がＯＦＦになる（立ち下がる）順番は、各サイクルで同じとなる。換言すると、所定のタイミングでＯＮ／ＯＦＦを繰り返し動作しない信号や、出現順番が異なるような場合には、本実施形態の特徴抽出の対象とならない。 Since each signal is a device control signal, a device operation detection signal, or the like, the generation timing between the signals is also fixed. Therefore, the order in which each signal is turned on (rises) or the order in which each signal is turned off (falls) is the same in each cycle. In other words, if the signal does not repeat ON / OFF at a predetermined timing or the appearance order is different, it is not a target for feature extraction of this embodiment.

特徴Ａの一例としては、各信号の立ち上がりの発生順番が同一で繰り返される信号群において、発生順番が連続する２つの信号間の時間差がある。すなわち、図４に示すように、ロジック信号Ｓｊ,ｊ＝１，２，…，Ｊにおいて、各信号の立ち上がりが連続する２つのロジック信号間の時間差（状態変化時刻間の差）をＤｎ（ｍ），ｍ＝１，２，…，Ｍ，ｎ＝１，２，…，Ｎとする。ここで、ｍは、特徴抽出処理を開始してからのｍ番目のサイクルであることを意味する。１サイクルは、基準信号（ここでは、Ｓ１）が１回ＯＮ／ＯＦＦする期間である。また、各信号の１サイクルの期間と、基準信号の１サイクルは必ずしも等しくなくても良い。つまり、例えば、基準信号が１回ＯＮ／ＯＦＦする間にＯＮ／ＯＦＦを複数回繰り返す信号があっても良い。基準信号の１サイクル中に全てのロジック信号Ｓｊが１回ＯＮ／ＯＦＦする場合、Ｎ＝Ｊとなる。 As an example of the feature A, there is a time difference between two signals in which the generation order is continuous in a signal group in which the generation order of each signal is the same and repeated. That is, as shown in FIG. 4, in the logic signals Sj, j = 1, 2,..., J, the time difference (difference between the state change times) between two logic signals in which the rise of each signal continues is represented by Dn (m , M = 1, 2,..., M, n = 1, 2,. Here, m means the m-th cycle after starting the feature extraction process. One cycle is a period in which the reference signal (here, S1) is turned ON / OFF once. Further, one cycle period of each signal and one cycle of the reference signal are not necessarily equal. That is, for example, there may be a signal that repeats ON / OFF a plurality of times while the reference signal is turned ON / OFF once. When all the logic signals Sj are turned ON / OFF once during one cycle of the reference signal, N = J.

特徴Ａの別の例としては、基準信号がＯＮしてから各信号がＯＮするまでのそれぞれ時間としても良い。すなわち、図５に示すように、基準信号Ｓ１の立ち上がりと、各信号の立ち上がりまでのそれぞれの時間差を（状態変化時刻間の差）をＤｎ（ｍ），ｍ＝１，２，…，Ｍ，ｎ＝１，２，…，Ｎとする。ここで、Ｍは、特徴抽出処理を開始してからのＭ番目のサイクルであることを意味する。１サイクルは、基準信号（ここでは、Ｓ１）が１回ＯＮ／ＯＦＦする期間である。上記の例では、いずれも２つの信号の立ち上がり同士の時間差を特徴としたが、各信号の立ち下がり同士の時間差を特徴としても良い。 As another example of the feature A, each time from when the reference signal is turned on to when each signal is turned on may be used. That is, as shown in FIG. 5, the time difference between the rising edge of the reference signal S1 and the rising edge of each signal (difference between state change times) is expressed as Dn (m), m = 1, 2,. n = 1, 2,... Here, M means the Mth cycle after the feature extraction process is started. One cycle is a period in which the reference signal (here, S1) is turned ON / OFF once. In each of the above examples, the time difference between the rising edges of the two signals is characterized. However, the time difference between the falling edges of each signal may be characterized.

特徴Ｂの一例としては、図６に示すように、各信号が立ち上がっている時間や、図７に示すように各信号が立ち上がっていない時間や、図８に示すように、各信号の周期など、がある。これらの場合、基準信号の１サイクル中に全てのロジック信号Ｓｊが１回ＯＮ／ＯＦＦする場合、Ｎ＝Ｊとなる。 As an example of the feature B, as shown in FIG. 6, the time when each signal rises, the time when each signal does not rise as shown in FIG. 7, the period of each signal as shown in FIG. There is. In these cases, if all the logic signals Sj are turned ON / OFF once during one cycle of the reference signal, N = J.

特徴抽出部２における実際の特徴抽出処理は、図１９，図２０に示すフローチャートのＳ１からＳ１１までの処理ステップを実行するものである。具体的には、特徴抽出部２は、複数の信号の関係性を見る特徴と（特徴Ａ）を抽出する処理か否かを判断し（Ｓ１）、その分岐判断がＹｅｓの場合、信号の設定情報決定のためのロジック信号のサンプリングを行なう（Ｓ２）。次いで、特徴抽出部２は、サンプリングした各信号について、ＯＮ状態の時間抽出をする（Ｓ３）。このＯＮ状態の抽出は、例えば信号の立ち上がりに着目し、任意の周期分についてのＯＮの発生間隔（１サイクルの時間）を算出する。もちろん信号の立ち下がりを基準としても良い。 The actual feature extraction processing in the feature extraction unit 2 executes the processing steps from S1 to S11 in the flowcharts shown in FIGS. Specifically, the feature extraction unit 2 determines whether or not the process is to extract a feature that looks at the relationship between a plurality of signals and (feature A) (S1). If the branch determination is Yes, signal setting is performed. A logic signal for determining information is sampled (S2). Next, the feature extraction unit 2 extracts the time of the ON state for each sampled signal (S3). In the extraction of the ON state, for example, focusing on the rise of the signal, the ON generation interval (time of one cycle) for an arbitrary period is calculated. Of course, the falling edge of the signal may be used as a reference.

特徴抽出部２は、求めた各信号の複数周期分のＯＮ状態の時間に基づき、各信号におけるばらつき（分散）を算出する（Ｓ４）。上記の処理ステップＳ３における任意の周期分は、この分散を算出するのに十分な値とする。 The feature extraction unit 2 calculates the variation (variance) in each signal based on the obtained ON-state time for a plurality of cycles of each signal (S4). An arbitrary period in the processing step S3 is set to a value sufficient to calculate this variance.

処理ステップＳ４でも求めたばらつきが最も小さい信号を基準信号とし、その信号の立ち上がりをトリガとする。そして、トリガとなった信号の立ち上がりを基準として、早く立ち上がる順に信号にラベルを付ける。 A signal having the smallest variation obtained in the processing step S4 is used as a reference signal, and the rise of the signal is used as a trigger. Then, with reference to the rising edge of the trigger signal, the signals are labeled in the order of their rising speed.

そして、各信号に対してラベル付けをしたならば、特徴抽出部２は、トリガとなった信号の情報、及び各信号とラベルを関係づけた情報を設定情報として記憶手段に格納する（Ｓ６）。トリガ並びにラベルと信号との関係づけは、各信号の値が格納されるアドレスとラベルとを関連付けたテーブル構造とする（図９参照）。また記憶手段は、揮発性メモリ或いは不揮発性メモリのいずれでもよい。この記憶手段に格納された設定情報は、その後処理ステップＳ８の実行によりサンプリングされた信号からの特徴Ａ抽出処理（Ｓ１１）に利用される。つまり、複数の信号の関係性として、予め設定された２つのラベルの信号間（一方の信号の立ち上がりから他方の信号立ち上がりまで等）の時間を求めるなどの処理を行なう。関係性を見る信号の組み合わせは、予め設定しておく。 If each signal is labeled, the feature extraction unit 2 stores the information of the trigger signal and the information that associates each signal with the label as setting information in the storage means (S6). . The relation between the trigger and the label and the signal is a table structure in which the address and the label in which the value of each signal is stored are associated (see FIG. 9). The storage means may be either a volatile memory or a nonvolatile memory. The setting information stored in this storage means is then used for the feature A extraction process (S11) from the signal sampled by the execution of the processing step S8. That is, as a relationship between a plurality of signals, processing such as obtaining a time between signals of two preset labels (from the rise of one signal to the rise of the other signal, etc.) is performed. A combination of signals for checking the relationship is set in advance.

また、特徴Ｂのように個々の信号単独の特徴量を抽出する場合には、分岐判断の処理ステップがＮｏとなるので、処理ステップＳ７に飛び、信号がサンプリングされる（Ｓ７）。 Further, when extracting the feature amount of each individual signal like the feature B, since the branch determination processing step is No, the processing jumps to the processing step S7 and the signal is sampled (S7).

そして、特徴抽出部２は、サンプリングしたデータに基づいて、動作時間を算出する。つまり特徴抽出部２は、特徴Ａ，Ｂを抽出する（Ｓ１０，Ｓ１１）もので、具体的には、図４から図８に例示したように、複数の信号の関係（時間差）並びに個々の信号の動作時間（ＯＮ時間等）を抽出する。各信号（単独，相互）の動作時間（特徴抽出後）のデータは、図１０に示すように、周期（ｍ）ごとに時系列に蓄積される。この時系列での蓄積は、図１にて図示省略した各種の記憶手段を用いて行なってもよいし、特徴量算出部３内に設けたバッファメモリ等に一時的に格納するようにしても良い。もちろん、他の記憶方式を採ることもできる。 Then, the feature extraction unit 2 calculates the operation time based on the sampled data. That is, the feature extraction unit 2 extracts the features A and B (S10, S11). Specifically, as illustrated in FIGS. 4 to 8, the relationship (time difference) between the plurality of signals and the individual signals. The operation time (ON time, etc.) is extracted. As shown in FIG. 10, the data of the operation time (after feature extraction) of each signal (single and mutual) is accumulated in time series for each period (m). This time-series accumulation may be performed using various storage means not shown in FIG. 1 or may be temporarily stored in a buffer memory or the like provided in the feature amount calculation unit 3. good. Of course, other storage methods can be used.

特徴抽出部２で抽出された各特徴は、次段の統計量算出部３に与えられる。統計量算出部３は、各特徴についての時間的なデータの変化である過去値を統計量として算出する（図２０のＳ１２，Ｓ１３，Ｓ１４）。この算出された各統計量は、過去値記憶部４に格納される（図２０のＳ１５）。ここで算出する統計量は、各特徴ごとの平均，分散，分布としている。 Each feature extracted by the feature extraction unit 2 is given to the statistic calculation unit 3 at the next stage. The statistic calculator 3 calculates a past value, which is a temporal data change for each feature, as a statistic (S12, S13, S14 in FIG. 20). Each calculated statistic is stored in the past value storage unit 4 (S15 in FIG. 20). The statistics calculated here are the mean, variance, and distribution for each feature.

比較部５は、特徴量算出部３で算出された今回の統計量と、過去記憶部４に格納された過去の統計量とを取得し（図２０のＳ１６，Ｓ２０）、変数ごとにはずれ度合いを計算し（図２０のＳ１７）、過去値からのはずれ度合いを変数間で比較する（図２０のＳ１８）。 The comparison unit 5 acquires the current statistical amount calculated by the feature amount calculation unit 3 and the past statistical amount stored in the past storage unit 4 (S16 and S20 in FIG. 20), and the degree of deviation for each variable. (S17 in FIG. 20) and the degree of deviation from the past value is compared between the variables (S18 in FIG. 20).

具体的には、
μ：新しく計測したデータから得られた平均
μ′：過去に計測したデータから得られた平均
σ２：新しく計測したデータから得られた分散
σ′２：過去に計測したデータから得られた分散
とした場合、
μ／μ′
σ２／σ′２
より、過去値からのはずれ度合いを求めることができる。この場合、新しく計測したデータが過去に計測したデータの統計量とほぼ同じ（はずれ度合いが小さい）であれば、これらの値はおよそ１になる。 In particular,
μ: Average obtained from newly measured data μ ′: Average obtained from previously measured data σ2: Variance obtained from newly measured data σ′2: Variance obtained from previously measured data if you did this,
μ / μ ′
σ2 / σ'2
Thus, the degree of deviation from the past value can be obtained. In this case, if the newly measured data is almost the same as the statistical amount of the data measured in the past (the degree of deviation is small), these values are approximately 1.

また、
（μ−μ′）／μ′
（σ−σ′）２／σ′２
によっても過去値からのはずれ度合いを求めることができる。この場合、新しく計測したデータが過去に計測したデータの統計量とほぼ同じ（はずれ度合いが小さい）であれば、これらの値はおよそ０になる。 Also,
(Μ−μ ′) / μ ′
(Σ−σ ′) 2 / σ′2
The degree of deviation from the past value can also be obtained. In this case, if the newly measured data is almost the same as the statistical amount of the data measured in the past (the degree of deviation is small), these values are approximately zero.

統計量算出布部３は、例えば、一定期間として５分ごとに計測、記録し、統計量（平均、分散、分布など）を算出してデータベース（過去値記憶部４）に蓄積しておく。比較部５は、過去値記憶部４から任意の過去のデータを抜き出して、はずれ度合いを比較することができる。これらを例えば、１時間ごとや、１日後，１週間，１ヶ月ごとなどの各種の期間ごとに求め、記憶する（図１１，図１２等参照）。 The statistic calculation cloth section 3 measures and records, for example, every 5 minutes as a fixed period, calculates a statistic (average, variance, distribution, etc.) and stores it in the database (past value storage section 4). The comparison unit 5 can extract arbitrary past data from the past value storage unit 4 and compare the degree of deviation. These are obtained and stored for every period such as every hour, every day, every week, every month, etc. (see FIGS. 11, 12, etc.).

変数情報照合部６は、比較部５が求めた平均、分散、その他の統計量に関して、過去値からのはずれ度合いが大きい設備機器を順番に並べ、その結果を表示部８に表示したり、情報蓄積部９に格納したりする。どの変数がどの設備機器と関連しているかは、設備機器設定情報データベース７に予め登録されたものを読みだし、利用する。 The variable information matching unit 6 sequentially arranges the equipment devices having a large degree of deviation from the past values with respect to the average, variance, and other statistics obtained by the comparing unit 5 and displays the result on the display unit 8 or information Or stored in the storage unit 9. Which variable is associated with which equipment is read out from the equipment setting information database 7 in advance and used.

一例としては、比較部５による過去値からのはずれ度合いを算出すると、例えば図１３（ａ）に示すように、横軸が変数で縦軸がはずれ度合いとしたグラフを描画した場合、標準レベルである１付近で上下するグラフになる。変数情報照合部６が、このグラフを、はずれ度合いの大きさの順に並べ替えると、図１３（ｂ）のように置き換えられる。すると、標準レベルである“１”からはずれる両端（１より小さい／１より大きい）付近に位置する変数が、はずれ度合いが大きく、その変数に関連する機器がメンテナンス候補機器となる。変数情報照合部６は、係るグラフを表示部８に出力したり、情報蓄積部９に格納したりする。このグラフは、μ／μ′の演算式によりはずれ度合いを求めたものであるが、他の演算式を用いたものも同様となる。 As an example, when the degree of deviation from the past value is calculated by the comparison unit 5, for example, as shown in FIG. 13A, when a graph is drawn with the horizontal axis as a variable and the vertical axis as the degree of deviation, The graph goes up and down around a certain one. When the variable information matching unit 6 rearranges this graph in the order of the degree of deviation, the graph is replaced as shown in FIG. Then, a variable located near both ends (less than 1 / greater than 1) deviating from the standard level “1” has a large degree of deviation, and a device related to the variable becomes a maintenance candidate device. The variable information matching unit 6 outputs the graph to the display unit 8 or stores it in the information storage unit 9. In this graph, the degree of deviation is obtained by an arithmetic expression of μ / μ ′, but the same applies to those using other arithmetic expressions.

各変数の値（時間の長さ）は、基準信号のようにばらつきが小さいものと、元々ばらつきが大きいものがある。従って、ある一瞬における変数の値のみに着目すると、その変数の標準となる値から大きくはずれているような場合も、元々ばらつきが大きい変数の場合には正常の範囲内のことがある。逆に、ある一瞬における変数の値がその変数の標準となる値からさほど大きくずれていない場合であっても、元々ばらつきが小さい変数の場合には異常な場合がある。 The value (length of time) of each variable has a small variation such as a reference signal and a large variation originally. Therefore, if attention is paid only to the value of a variable at a certain moment, even if the value is largely deviated from the standard value of the variable, the variable may be within the normal range when the variable is originally large. Conversely, even when the value of a variable at a certain moment does not deviate so much from the standard value of that variable, it may be abnormal if the variable is originally small in variation.

そこで本実施形態では、上述したように基準となる過去値と判定対象となる値のいずれも統計量を求め、統計量同士のはずれ度合いを求めることで、良否の有無等について正しい判定を行なうようにした。 Therefore, in the present embodiment, as described above, the statistic is obtained for both the reference past value and the value to be judged, and the degree of deviation between the statistics is obtained, so that it is possible to correctly determine whether or not the product is acceptable. I made it.

つまり、例えば統計量として平均値を用いた場合、ある一瞬における変数の値が標準となる値（過去値の平均値）と大きく異なっていても、それが通常の（正常の）ばらつきの範囲内の場合には一定期間の平均をとることで標準となる値と近くなる。よって、はずれ量は標準レベル（１あるいは０）に近い値となり、正常であると判定できる。 In other words, for example, when an average value is used as a statistic, even if the value of a variable at a certain moment is significantly different from a standard value (average value of past values), it is within the range of normal (normal) variation. In the case of, it becomes close to the standard value by taking an average over a certain period. Therefore, the deviation amount becomes a value close to the standard level (1 or 0) and can be determined to be normal.

逆に、ある一瞬における変数の値が標準となる値（過去値の平均値）との差があまりなくても、それが通常の（正常の）ばらつきの範囲外の場合には一定期間の平均をとることで標準となる値に近くならない。よって、はずれ量は、標準レベル（１あるいは０）から離れた値となり、異常あるいは異常に近づいている判定できる。 Conversely, even if there is not much difference between the value of the variable at a moment and the standard value (average value of past values), if it is outside the range of normal (normal) variation, the average over a certain period By taking, it will not be close to the standard value. Therefore, the deviation amount becomes a value far from the standard level (1 or 0), and it can be determined that the abnormality is approaching or is abnormal.

このことは、１次の統計量である平均に限ることはなく、２次の統計量である分散、さらには、３次，４次などの他の統計量についても同様である。また、良否判定を行なうに適した一定の期間は、各変数や使用する統計量によっても異なる。よって、ユーザが予めそれぞれに適した期間を設定し、その設定された期間について統計量を求めるようにしたり、各種の期間についての統計量を求め、必要な期間についてはずれ量を求めて判定するようにしたりすることができる。 This is not limited to the average that is the first-order statistic, and the same applies to the variance that is the second-order statistic, and also to other statistics such as the third-order and fourth-order statistics. In addition, the certain period suitable for the pass / fail judgment varies depending on each variable and the statistic to be used. Therefore, the user sets a suitable period in advance, and obtains statistics for the set period, obtains statistics for various periods, and obtains and determines deviations for necessary periods. Can be.

そして、図１４に示すように、時系列で過去の統計量と比較することで、はずれ量が大きくなってくる変数を抽出することができ、完全なる異常が発生する前に、つまり、正常の範囲内であるがそのまま放置すると近い将来異常になる変数を検出することができる。また、この図１４では、１週間単位で比較するようにしているが、この比較する期間（周期）は任意に設定できる。なお、良否判定のために求めた統計量は、それ以降に算出する統計量と比較するための過去値にも利用される。 Then, as shown in FIG. 14, by comparing with the past statistics in a time series, it is possible to extract a variable whose amount of deviation is large, and before a complete abnormality occurs, that is, normal It is possible to detect a variable that is within the range but becomes abnormal in the near future if left as it is. Further, in FIG. 14, the comparison is made in units of one week, but this comparison period (cycle) can be arbitrarily set. Note that the statistic obtained for the pass / fail judgment is also used as a past value for comparison with a statistic calculated thereafter.

また、図１５に示すように、監視対象の中で特に気になるものは、統計量を算出した期間における分布を表示し、どれくらい基準とする時期の分布からはずれているかを確認することもできる。係る処理も、ユーザからの分布を表示する変数（設備機器）の指定に基づき、変数情報照合部６が行なう（図２０のＳ２１）。 Also, as shown in FIG. 15, those that are particularly worrisome among the monitoring targets can be displayed by displaying the distribution in the period for which the statistics are calculated, and confirming how far the distribution is from the reference time distribution. . Such processing is also performed by the variable information matching unit 6 based on the designation of the variable (facility equipment) for displaying the distribution from the user (S21 in FIG. 20).

また、変数情報照合部６は、各変数について算出したはずれ量が大きいもの（変化率が設定値以上のもの）に関係する設備機器名を設備機器設定情報データベース７から取得し（図２０のＳ１９）、変数のアドレスと関連づけて表示部８に表示したり（図２０のＳ２２）、情報蓄積部９に格納したりする（図２０のＳ２３）。この表示及び又は格納する情報（メンテナンス候補機器リスト）は、例えば図１６に示すようになり、特に表示する場合には、図示するように変化率の大きいものから昇順で表示するようにすると、ユーザは緊急にメンテナンスすべき設備機器を容易に認識することができる。 Further, the variable information collating unit 6 acquires the equipment name related to the equipment with the large amount of deviation calculated for each variable (the rate of change is greater than or equal to the set value) from the equipment information setting information database 7 (S19 in FIG. 20). ), It is displayed on the display unit 8 in association with the address of the variable (S22 in FIG. 20), or stored in the information storage unit 9 (S23 in FIG. 20). The information to be displayed and / or stored (maintenance candidate device list) is as shown in FIG. 16, for example. In particular, when the information is displayed in ascending order from the one with the largest change rate as shown in FIG. Can easily recognize equipment to be urgently maintained.

図１７，図１８は、表示部８に対する実際の表示レイアウトの一例を示している。この例では、統計量として平均と分散を用いて評価する例を示しており、それぞれについて別のウインドウで同一画面に表示している。図１７に示すように分散についてのウインドウが前に表示している状態において、後側のウインドウを選択することで図１８に示すように平均についてのウインドウが前方に表示されるように切り替わることを示している。 17 and 18 show an example of an actual display layout for the display unit 8. In this example, an example is shown in which evaluation is performed using the average and variance as statistics, and each is displayed on the same screen in a separate window. As shown in FIG. 17, in the state where the window for dispersion is displayed in front, by selecting the rear window, the window for average is switched to be displayed in front as shown in FIG. Show.

各表示ウインドウＷの表示レイアウトは、以下のようになっている。まず、表示ウインドウＷの左上に使用する統計量の種類をプルダウンメニューから選択して指定するためのエリアＷ１を設けている。また、表示ウインドウＷの右下には、抽出する特徴量を指定するためのエリアＷ２と、比較対象の過去値を特定する比較時期指定エリアＷ３を設けている。これらの両エリアＷ２，Ｗ３における指定方法も、プルダウンメニュー方式としている。 The display layout of each display window W is as follows. First, an area W1 for selecting and specifying the type of statistic used from the pull-down menu is provided at the upper left of the display window W. In addition, an area W2 for designating the feature quantity to be extracted and a comparison time designation area W3 for specifying the past value to be compared are provided at the lower right of the display window W. The designation method in both these areas W2 and W3 is also a pull-down menu method.

これらの入力された条件に従い、特徴抽出部２が抽出した特徴に基づき統計量算出部３が統計量を求め、比較部５にて過去値記憶部４に格納された過去の統計量からのはずれ度合いを求め、変数情報照合部６にて各変数のはずれ度合いをソートし、はずれ度合い結果表示エリアＷ４にソートしたグラフを出力する。 In accordance with these input conditions, the statistic calculation unit 3 obtains the statistic based on the feature extracted by the feature extraction unit 2, and the comparison unit 5 deviates from the past statistic stored in the past value storage unit 4. The degree is obtained, and the variable information collation unit 6 sorts out the degree of deviation of each variable, and outputs the sorted graph in the degree-of-offset result display area W4.

また、変数情報照合部６は、変化率の大きい上位Ｘ個の設備機器名についての情報を、メンテナンス候補機器リスト表示エリアＷ６に出力する。このＸは、変化率上位表示数指定エリアＷ５で指定された数（プルダウンメニュー方式）である。 Further, the variable information matching unit 6 outputs information about the top X equipment names having a large change rate to the maintenance candidate equipment list display area W6. This X is the number (pull-down menu method) designated in the change rate upper display number designation area W5.

さらに、変数情報照合部６は、分布表示数指定エリアＷ７並びに分布表示数指定エリアＷ８により特定された設備機器についての現在並びに過去値の分布のグラフを分婦表示エリアＷ９に出力する。 Further, the variable information collating unit 6 outputs a distribution graph of current and past values for the equipment specified by the distribution display number designation area W7 and the distribution display number designation area W8 to the departure display area W9.

本発明の設備診断装置の好適な一実施形態を示すブロック図である。It is a block diagram which shows suitable one Embodiment of the equipment diagnostic apparatus of this invention. 作用を説明する図である。It is a figure explaining an effect | action. データ収集ユニットで収集・記憶する状態変化の時系列のデータのデータ構造の一例を示す図である。It is a figure which shows an example of the data structure of the time series data of the state change collected and memorize | stored in a data collection unit. 特徴Ｂを説明する図である。It is a figure explaining the feature B. FIG. 特徴Ｂを説明する図である。It is a figure explaining the feature B. FIG. 特徴Ａを説明する図である。It is a figure explaining the feature A. 特徴Ａを説明する図である。It is a figure explaining the feature A. 特徴Ａを説明する図である。It is a figure explaining the feature A. 設定情報（信号とその信号の値が格納されるアドレスの関係）の一例を示す図である。It is a figure which shows an example of setting information (The relationship between the signal and the address in which the value of the signal is stored). 特徴抽出されたデータを記憶する記憶手段におけるデータ構造の一例を示す図である。It is a figure which shows an example of the data structure in the memory | storage means which memorize | stores the data by which the feature extraction was carried out. 作用（機能）を説明する図である。It is a figure explaining an effect | action (function). 作用（機能）を説明する図である。It is a figure explaining an effect | action (function). 作用（機能）を説明する図である。It is a figure explaining an effect | action (function). 作用（機能）を説明する図である。It is a figure explaining an effect | action (function). 作用（機能）を説明する図である。It is a figure explaining an effect | action (function). 作用（機能）を説明する図である。It is a figure explaining an effect | action (function). 表示部が表示する表示レイアウトの一例を示す図である。It is a figure which shows an example of the display layout which a display part displays. 表示部が表示する表示レイアウトの一例を示す図である。It is a figure which shows an example of the display layout which a display part displays. 設備診断装置の機能を示すフローチャートである。It is a flowchart which shows the function of an equipment diagnostic apparatus. 設備診断装置の機能を示すフローチャートである。It is a flowchart which shows the function of an equipment diagnostic apparatus.

符号の説明Explanation of symbols

１計測部
２特徴抽出部
３統計量算出部
４過去値記憶部
５比較部
６変数情報照合部
７設備機器設定情報データベース
８表示部
９情報蓄積部 DESCRIPTION OF SYMBOLS 1 Measurement part 2 Feature extraction part 3 Statistics calculation part 4 Past value storage part 5 Comparison part 6 Variable information collation part 7 Equipment apparatus setting information database 8 Display part 9 Information storage part

Claims

プログラマブルコントローラにより制御される設備機器の診断装置であって、
プログラマブルコントローラの入力信号及びまたは出力信号の状態変化に基づく特徴量を抽出する特徴抽出手段と、
その特徴抽出手段で抽出された特徴量についての一定期間の統計量を求める統計量算出手段と、
その統計量算出手段で算出された過去の統計量と、現在の統計量とを比較する比較手段と、
その比較手段により比較し、得られた診断結果情報を出力する手段と、
を備えたことを特徴とする設備機器診断装置。 A diagnostic device for equipment controlled by a programmable controller,
Feature extraction means for extracting a feature quantity based on a change in state of an input signal and / or an output signal of the programmable controller;
Statistic calculation means for obtaining a statistic for a certain period of the feature quantity extracted by the feature extraction means;
A comparison means for comparing a past statistic calculated by the statistic calculation means with a current statistic;
Means for comparing by the comparison means and outputting the obtained diagnosis result information;
A facility equipment diagnostic apparatus comprising:

前記特徴量は、１つの信号の状態変化から別の信号の状態変化までの時間と、個々の信号の状態変化に基づいて算出する時間と、の少なくとも一方を含むことを特徴とする請求項１に記載の設備機器診断装置。 The feature amount includes at least one of a time from a state change of one signal to a state change of another signal and a time calculated based on a state change of each signal. Equipment equipment diagnostic device according to.

前記診断結果情報は、過去の統計量からの変化が大きい統計量に関連する設備診断機器を特定する情報であることを特徴とする請求項１または２に記載の設備機器診断装置。 The equipment diagnosis apparatus according to claim 1, wherein the diagnosis result information is information for identifying equipment diagnosis equipment related to a statistic having a large change from a past statistic.

前記過去の統計量を算出する際に用いた過去の特徴量の分布と、前記現在の統計量を算出する際に用いた現在の特徴量の分布と、を求め、
それぞれの分布を対比して出力する手段を備えたことを特徴とする請求項１から３のいずれか１項に記載の設備機器診断装置。 Obtaining a distribution of past feature values used in calculating the past statistics and a distribution of current feature values used in calculating the current statistics;
The equipment diagnosis apparatus according to any one of claims 1 to 3, further comprising means for comparing and outputting the respective distributions.

コンピュータを、
プログラマブルコントローラの入力信号及びまたは出力信号の状態変化に基づく特徴量を抽出する特徴抽出手段、
その特徴抽出手段で抽出された特徴量についての一定期間の統計量を求める統計量算出手段、
その統計量算出手段で算出された過去の統計量と、現在の統計量とを比較する比較手段、
その比較手段により比較し、得られた診断結果情報を出力する手段、
として機能させるためのプログラム。 Computer
Feature extraction means for extracting a feature quantity based on a change in state of an input signal and / or an output signal of a programmable controller;
Statistic calculation means for obtaining a statistic for a certain period of the feature quantity extracted by the feature extraction means;
A comparison means for comparing a past statistic calculated by the statistic calculation means with a current statistic;
Means for comparing with the comparison means and outputting the obtained diagnosis result information;
Program to function as.