JP2020107001A - Monitoring model updating method, monitoring system, and monitoring apparatus - Google Patents
Monitoring model updating method, monitoring system, and monitoring apparatus Download PDFInfo
- Publication number
- JP2020107001A JP2020107001A JP2018243776A JP2018243776A JP2020107001A JP 2020107001 A JP2020107001 A JP 2020107001A JP 2018243776 A JP2018243776 A JP 2018243776A JP 2018243776 A JP2018243776 A JP 2018243776A JP 2020107001 A JP2020107001 A JP 2020107001A
- Authority
- JP
- Japan
- Prior art keywords
- monitoring
- model
- data
- unit
- update
- 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.)
- Granted
Links
Images
Landscapes
- Testing And Monitoring For Control Systems (AREA)
Abstract
Description
本発明は、監視モデル更新方法、監視システム、および監視装置に関する。 The present invention relates to a monitoring model updating method, a monitoring system, and a monitoring device.
近年、例えば、製造現場の機械に設けられたＩｏＴ（Internet of Things）センサーでＩｏＴデータを収集し、ＩｏＴデータと監視モデルとに基づいて、この機械で製造される製品の不良品発生をリアルタイム監視するニーズが高まってきている。かかるリアルタイム監視は、現場の状況変化（製品仕様変更や設備変更、季節変化など）に追随することが求められる。例えば特許文献１には、ＩｏＴデータと診断モデルとに基づいて現場の機械異常を診断する状態監視装置において、現場の状況変化に追随するための監視モデルの更新などの際に、この作業を支援する技術が開示されている。
In recent years, for example, IoT (Internet of Things) sensors provided on machines at manufacturing sites collect IoT data, and based on the IoT data and monitoring models, real-time monitoring of defective products produced by the machines is performed. The needs to do are increasing. Such real-time monitoring is required to follow changes in the situation at the site (changes in product specifications, changes in equipment, seasonal changes, etc.). For example, in
しかしながら、上述の従来技術は、監視モデルの更新を行う際に、ユーザが入力した監視モデルの変更を受け付け、変更された監視モデルの性能評価を行い、性能が十分であると判断された監視モデルでモデル更新を行うものである。このように、従来技術では、リアルタイム監視における監視モデルの更新に際して、現場の状況変化に迅速に追随してモデル更新を行い得るものではないという問題がある。 However, in the above-described conventional technique, when updating the monitoring model, the monitoring model input by the user is accepted, the performance of the modified monitoring model is evaluated, and the monitoring model determined to have sufficient performance is received. The model is updated with. As described above, the conventional technique has a problem in that when the monitoring model is updated in real-time monitoring, the model cannot be updated quickly by following changes in the situation at the site.
本願は、上述の問題に鑑みてなされたものであり、リアルタイム監視における監視モデルの更新に際し、現場の状況変化に迅速に追随してモデル更新を行い得る監視モデル更新方法、監視システム、および監視装置を提供することを目的とする。 The present application has been made in view of the above problems, and when updating a monitoring model in real-time monitoring, a monitoring model updating method, a monitoring system, and a monitoring device capable of quickly following a change in the situation at the site and updating the model. The purpose is to provide.
かかる課題を解決するため本発明においては、例えば、監視システムが実行する監視モデル更新方法において、センサーで収集された監視対象に関するデータと、前記監視対象の異常の判断を行うために予め設定された監視モデルとに基づいて、前記監視対象の異常をリアルタイムで判定する監視ステップと、所定の生成ルールに基づいて、前記データをおよび前記監視ステップによる該データに対応する判定結果を含む時系列データがまとめられたモデル生成用データをもとに、前記監視モデルの更新候補を定期的に生成する監視モデル生成ステップと、前記監視モデル生成部により生成された前記更新候補を記憶部に記憶させる監視モデル記憶ステップと、を有する。 In order to solve such a problem, in the present invention, for example, in a monitoring model updating method executed by a monitoring system, data relating to a monitoring target collected by a sensor and preset to determine an abnormality of the monitoring target are set. A monitoring step of determining an abnormality of the monitoring target in real time based on a monitoring model, and time series data including the data and a determination result corresponding to the data by the monitoring step based on a predetermined generation rule. A monitoring model generation step of regularly generating update candidates for the monitoring model based on the collected model generation data, and a monitoring model for storing the update candidates generated by the monitoring model generation unit in a storage unit And a storing step.
本発明によれば、リアルタイム監視における監視モデルの更新に際し、現場の状況変化に迅速に追随してモデル更新を行い得る監視モデル更新方法、監視システム、および監視装置を提供することができる。 According to the present invention, it is possible to provide a monitoring model updating method, a monitoring system, and a monitoring device capable of quickly following a change in the situation at the site and updating the model when updating the monitoring model in real-time monitoring.
以下図面に基づき、本発明の実施例を詳述する。以下の実施例は、本発明を限定するものではない。以下の実施例では、製造現場の機械に設けられたＩｏＴセンサーで取得したセンサーデータをもとに、この機械で製造された製品の不良品発生をリアルタイム監視する監視システムを例として挙げる。しかし、本発明は、不良品監視に限られず、センサーデータが監視モデルに定められた条件に該当するか否かを監視する監視システムに広く適用できる。 Embodiments of the present invention will be described in detail below with reference to the drawings. The following examples do not limit the invention. In the following embodiments, based on sensor data acquired by an IoT sensor provided in a machine at a manufacturing site, a monitoring system that monitors in real time the occurrence of defective products in products manufactured by this machine will be described as an example. However, the present invention is not limited to defective product monitoring, but can be widely applied to a monitoring system that monitors whether or not sensor data corresponds to a condition defined in a monitoring model.
なお、以下の実施例を説明するための各図面において、同一あるいは類似の機能を備えた構成要件を同一の参照番号で示し、後出の説明を省略する。また、実施例および変形例は、本発明の技術思想の範囲内および整合する範囲内でその一部または全部を組合せることができる。 In each of the drawings for explaining the following embodiments, constituent elements having the same or similar functions are designated by the same reference numerals, and the description below is omitted. In addition, the embodiments and modified examples can be partly or wholly combined within the range of the technical idea of the present invention and within the range of matching.
＜監視システムの機能構成＞
図１は、実施例１の監視システムの機能構成例を示す図である。図１に示すように、実施例１の監視システム１Ｓは、例えば、製造現場の機械に設けられたＩｏＴセンサーで取得したセンサーデータをもとに、この機械で製造された監視対象である製品の不良品発生をリアルタイム監視するシステムである。図１に示すように、監視システム１Ｓは、監視装置１０と、検査装置２０とを含む。
<Functional configuration of monitoring system>
FIG. 1 is a diagram illustrating a functional configuration example of the monitoring system according to the first embodiment. As illustrated in FIG. 1, the
監視装置１０は、リアルタイム監視部１２ａと、監視モデル生成部１２ｂと、監視モデル評価部１２ｃと、監視モデル削除部１２ｄと、モデル更新要求部１２ｅと、監視モデル更新部１２ｆと、モデル生成パラメータチューニング部１２ｇとを有する。また、監視装置１０は、監視モデル評価用ＤＢ（Data Base）１１−１と、モデル情報格納ＤＢ１１−２とを有する。なお、監視モデル評価用ＤＢ１１−１と、モデル情報格納ＤＢ１１−２とは、同一の記憶装置上に構築されてもよいし、異なる記憶装置上に構築されてもよい。
The
監視装置１０のリアルタイム監視部１２ａは、リアルタイム監視部１２ａに予め設定されている監視モデル１２ａ１に従って、センサー１（図２参照）で収集された時系列のセンサーデータ１１ａをデータごとにリアルタイムで監視および分析する。センサーデータ１１ａは、監視モデル評価用ＤＢ１１−１に格納される。
The real-
例えば、リアルタイム監視部１２ａは、センサーデータ１１ａの１レコードに対応する製品の製造条件を監視モデル１２ａ１に照し合せた結果、この製品が良品である場合は“ＯＫ”と判定し、不良品である場合は“ＮＧ”と判定するリアルタイム監視を行う。リアルタイム監視部１２ａは、この監視結果２１ａを検査装置２０に送信する。
For example, the real-
検査装置２０は、検査ログ生成部２２ａと、監視結果表示部２５とを有する。
The
検査装置２０は、監視装置１０から受信した監視結果２１ａを、記憶部２１（図２参照）に記憶させるとともに、監視結果表示部２５に表示する。監視結果表示部２５は、出力画面上のＧＵＩ（Graphical User Interface）などである。検査者は、監視結果表示部２５に表示された監視結果を確認し、“ＮＧ”と判定された製品に対して、この製品が“ＯＫ”か“ＮＧ”かを判定する再度の不良品判定を行う。検査者は、検査装置２０のキーボード、マウス、タッチパネルなどの入力部２６（図２参照）を操作し、再度の不良品判定結果を入力する。
The
検査装置２０の検査ログ生成部２２ａは、入力部２６から入力された再度の不良品判定結果を監視結果２１ａに反映した検査ログ２１ｂを生成する。また、検査ログ生成部２２ａは、入力部２６から入力された再度の不良品判定結果を、監視結果表示部２５に表示中の監視結果２１ａにも反映させる。
The inspection
検査ログ生成部２２ａにより生成された検査ログ２１ｂは、監視装置１０に送信される。監視装置１０のリアルタイム監視部１２ａは、リアルタイム監視部１２ａに予め設定されているデータ送信ルール１２ａ３に従って、検査装置２０から受信した検査ログ２１ｂおよびセンサーデータ１１ａを一定範囲のレコード数または期間でまとめたモデル生成用データ１１ａｂを生成する。検査ログ２１ｂは、監視モデル評価用ＤＢ１１−１に格納される。
The
監視モデル生成部１２ｂは、リアルタイム監視部１２ａで生成されたモデル生成用データ１１ａｂを分析し、モデル生成用データ１１ａｂごとに不良品発生条件を計算する。監視モデル生成部１２ｂは、不良品発生条件、モデル情報の作成日時、および、モデル生成用データ１１ａｂをまとめた期間などを含むモデル情報１１ｃを生成してモデル情報格納ＤＢ１１−２に格納する。
The monitoring
監視モデル評価部１２ｃは、定期的（例えば１か月に１回）にモデル情報格納ＤＢ１１−２に格納されている各モデル情報１１ｃを読み込み、監視モデル評価用ＤＢ１１−１に格納されているセンサーデータ１１ａおよび検査ログ２１ｂをもとに、監視モデルとしての各モデル情報１１ｃの評価を実施する。監視モデル評価部１２ｃは、監視モデルとしての各モデル情報１１ｃの評価結果を各モデル情報１１ｃに追加する。
The monitoring
監視モデル削除部１２ｄは、定期的にモデル情報格納ＤＢ１１−２から各モデル情報１１ｃを読み込む。監視モデル削除部１２ｄは、予め設定されている削除ルール（例えば、モデルの精度が一定値より低い、モデル作成日時が一定期間を超えて古いなど）に従い、読み込んだ各モデル情報１１ｃのうち削除ルールに該当するモデル情報１１ｃをモデル情報格納ＤＢ１１−２から削除する。
The monitoring
モデル更新要求部１２ｅは、リアルタイム監視部１２ａに予め設定されている監視モデル更新ルール１２ａ２に従って、リアルタイム監視部１２ａに予め設定されている監視モデル１２ａ１が更新ルールに該当するか否かを判定する。モデル更新要求部１２ｅは、リアルタイム監視部１２ａに予め設定されている監視モデル１２ａ１が更新ルールに該当すると判定した場合、監視モデル更新部１２ｆに対して監視モデル１２ａ１の更新を要求する。
The model
監視モデル更新部１２ｆは、モデル更新要求部１２ｅからの更新要求に応じて、予め設定されている監視モデル更新ルールに従い、監視モデル評価部１２ｃによるモデル情報１１ｃの評価結果に基づいて、モデル情報１１ｃから監視モデルを選択する。そして、監視モデル更新部１２ｆは、選択した監視モデルをリアルタイム監視部１２ａに設定する。監視モデル更新部１２ｆは、リアルタイム監視部１２ａに新たな監視モデル１２ａ１を設定した際、対応するモデル情報１１ｃのレコードの「モデル適用回数」を＋１する。監視モデル更新ルールは、例えば、モデル更新要求部１２ｅによる更新要求が発生した同月でモデル精度が最良のモデル情報１１ｃを選択するなどである。
In response to the update request from the model
モデル生成パラメータチューニング部１２ｇは、リアルタイム監視部１２ａに設定されているデータ送信ルール１２ａ３を読み込み、モデル情報格納ＤＢ１１−２に格納されている各モデル情報１１ｃの更新プロセス（モデル適用回数またはモデル精度）に基づいて、最適なデータ送信ルールを分析する。モデル生成パラメータチューニング部１２ｇは、分析した最適なデータ送信ルールをもとに新たなデータ送信ルールを作成し、リアルタイム監視部１２ａに設定する。
The model generation
＜監視システムの機能構成＞
図２は、実施例１の監視システムのハードウェア構成例を示す図である。監視装置１０および検査装置２０は、コンピュータ上で所定のプログラムが実行されることで実現される。図２は、図１に機能構成例を示した監視システム１Ｓ、監視装置１０、および検査装置２０を、ハードウェア構成の側面から図示した例である。
<Functional configuration of monitoring system>
FIG. 2 is a diagram illustrating a hardware configuration example of the monitoring system according to the first embodiment. The
監視装置１０は、監視モデル評価用ＤＢ１１−１と、モデル情報格納ＤＢと、メモリ１２と、ＣＰＵ（Central Processing Unit）１３と、通信ＩＦ（Inter Face）１４−１，１４−２とを有し、これらがバスを介して接続されている。
The
監視モデル評価用ＤＢ１１−１およびモデル情報格納ＤＢ１１−２は、記憶装置の記憶領域に構築されたデータベースである。監視モデル評価用ＤＢ１１−１は、センサーデータ１１ａと、検査ログ２１ｂとを格納する。モデル情報格納ＤＢ１１−２は、モデル情報１１ｃを格納する。
The monitoring model evaluation DB 11-1 and the model information storage DB 11-2 are databases built in the storage area of the storage device. The monitoring model evaluation DB 11-1 stores the
監視装置１０は、ＣＰＵ１３により所定のプログラムがメモリ１２にロードされて実行されることで各処理機能を実現する各部を有する。監視装置１０は、リアルタイム監視部１２ａと、監視モデル生成部１２ｂと、監視モデル評価部１２ｃと、監視モデル削除部１２ｄと、モデル更新要求部１２ｅと、監視モデル更新部１２ｆと、モデル生成パラメータチューニング部１２ｇとを有する。
The
通信ＩＦ１４−１は、監視装置１０をネットワーク３０ａに接続するためのインターフェースである。監視装置１０は、ネットワーク３０ａを介してセンサー１で発生する時系列のセンサーデータ１１ａを受信する。通信ＩＦ１４−２は、監視装置１０をネットワーク３０ｂに接続するためのインターフェースである。監視装置１０は、ネットワーク３０ｂを介して検査装置２０と通信を行う。ネットワーク３０ａおよびネットワーク３０ｂは、同一ネットワークであっても異なるネットワークであっても何れでもよい。
The communication IF 14-1 is an interface for connecting the
検査装置２０は、記憶部２１と、メモリ２２と、ＣＰＵ２３と、通信ＩＦ２４と、監視結果表示部２５と、入力部２６とを有し、これらがバスを介して接続されている。
The
記憶部２１は、不揮発性の記憶装置であり、監視結果２１ａと、検査ログ２１ｂとを格納する。
The
検査装置２０は、ＣＰＵ２３により所定のプログラムがメモリ２２にロードされて実行されることで各処理機能を実現する各部を有する。検査装置２０は、検査ログ生成部２２ａを有する。
The
通信ＩＦ２４は、検査装置２０をネットワーク３０ｂに接続するためのインターフェースである。検査装置２０は、ネットワーク３０ｂを介して監視装置１０と通信を行う。
The communication IF 24 is an interface for connecting the
＜実施例１の監視装置における処理＞
図３は、実施例１の監視システムにおける全体処理例を示すフローチャートである。実施例１の監視システムにおける全体処理は、定期的に繰り返される処理である。
<Processing in Monitoring Device of Example 1>
FIG. 3 is a flowchart illustrating an example of overall processing in the monitoring system according to the first embodiment. The entire process in the monitoring system of the first embodiment is a process that is periodically repeated.
図３に示すように、ステップＳ１では、監視システム１Ｓは、リアルタイム監視処理を実行する。リアルタイム監視処理の詳細は、図４を参照して後述する。続いて、ステップＳ２では、監視システム１Ｓは、監視モデル生成処理を実行する。監視モデル生成処理の詳細は、図７を参照して後述する。
As shown in FIG. 3, in step S1, the
続いて、ステップＳ３では、監視システム１Ｓは、監視モデル評価処理を実行する。監視モデル評価処理の詳細は、図８を参照して後述する。続いて、ステップＳ４では、監視システム１Ｓは、監視モデル更新処理を実行する。監視モデル更新処理の詳細は、図１２を参照して後述する。
Subsequently, in step S3, the
続いて、ステップＳ５では、監視システム１Ｓは、モデル生成パラメータのチューニング処理を実行する。モデル生成パラメータのチューニング処理の詳細は、図１４を参照して後述する。続いて、ステップＳ６では、監視システム１Ｓは、監視モデル削除処理を実行する。監視モデル削除処理の詳細は、図１７を参照して後述する。監視モデル削除処理が終了すると、監視システム１Ｓは、監視装置における全体処理を終了する。
Subsequently, in step S5, the
＜実施例１のリアルタイム監視処理＞
図４は、実施例１のリアルタイム監視処理例を示すフローチャートである。図４は、図３のステップＳ１を詳細化したフローチャートを示す。図４に示すように、先ず、ステップＳ１１では、監視システム１Ｓは、監視装置１０のリアルタイム監視部１２ａにおいて、センサー１が収集したセンサーデータ１１ａを読み込む。
<Real-time monitoring process of the first embodiment>
FIG. 4 is a flowchart illustrating an example of real-time monitoring processing according to the first embodiment. FIG. 4 shows a detailed flowchart of step S1 of FIG. As shown in FIG. 4, first, in step S11, the
続いて、ステップＳ１２では、監視システム１Ｓは、リアルタイム監視部１２ａにおいて、予め設定された監視モデル１２ａ１に従い、ステップＳ１１で読み込んだセンサーデータ１１ａを分析する。ステップＳ１２では、リアルタイム監視部１２ａは、センサーデータ１１ａの値がリアルタイム監視部１２ａに予め設定されている不良品発生条件に該当するかを監視する。リアルタイム監視部１２ａは、センサーデータ１１ａの値がリアルタイム監視部１２ａに予め設定されている不良品発生条件に該当しない場合、このセンサーデータ１１ａに対応する監視結果２１ａを“ＯＫ”とし、不良品発生条件に該当する場合、このセンサーデータ１１ａに対応する監視結果２１ａを“ＮＧ”とする。
Subsequently, in step S12, the
続いて、ステップＳ１３では、監視システム１Ｓは、検査装置２０の監視結果表示部２５において、ステップＳ１２でのリアルタイム監視部１２ａによる監視結果２１ａを表示する。
Subsequently, in step S13, the
ステップＳ１２での監視結果が“ＯＫ”である場合（ステップＳ１４：ＹＥＳ）、監視システム１Ｓは、リアルタイム監視処理を終了し、図３のステップＳ２に処理を移す。一方、ステップＳ１２での監視結果が“ＮＧ”である場合（ステップＳ１４：ＮＯ）、監視システム１Ｓは、ステップＳ１５に処理を移す。
When the monitoring result in step S12 is “OK” (step S14: YES), the
ステップＳ１５では、監視システム１Ｓは、検査装置２０の検査ログ生成部２２ａにおいて、ステップＳ１２でのリアルタイム監視部１２ａによる監視結果２１ａを読み込む。続いて、ステップＳ１６では、監視システム１Ｓは、検査ログ生成部２２ａにおいて、検査者により入力された再度の不良品判定結果を監視結果２１ａに反映した検査ログ２１ｂを生成する。また、ステップＳ１６では、監視システム１Ｓは、検査ログ生成部２２ａにおいて、入力部２６から入力された再度の不良品判定結果を、監視結果表示部２５に表示中の監視結果２１ａにも反映させる。ステップＳ１６が終了すると、監視システム１Ｓは、リアルタイム監視処理を終了し、図３のステップＳ２に処理を移す。
In step S15, the
＜監視ログの生成過程＞
図５は、実施例１において監視ログが生成される過程例を説明するための図である。図５は、図４に示すリアルタイム監視処理で、センサーデータ１１ａから監視結果２１ａを経て検査ログ２１ｂが生成されることを示すデータ図である。
<Process of generating monitoring log>
FIG. 5 is a diagram for explaining an example of a process of generating the monitoring log in the first embodiment. FIG. 5 is a data diagram showing that the
センサー１は、監視装置１０のリアルタイム監視部１２ａへ、データ発生ごとにセンサーデータ１１ａを送信する。リアルタイム監視部１２ａは、受信したセンサーデータ１１ａを読み込むと、即座に分析する。リアルタイム監視部１２ａは、センサーデータ１１ａを分析した結果として、監視結果２１ａを生成する。
The
図５の例示では、センサーデータ１１ａは、「データ取得日時」と「製品ＩＤ」と「重量」と「加工速度」とを少なくとも含む。リアルタイム監視部１２ａは、「製品ＩＤ」で識別される製品に対応するセンサーデータ１１ａごとに、「重量」および「加工速度」の製造条件が、監視モデル１２ａ１で定められた製品の不良品発生条件に該当するか否かを分析するリアルタイム監視を行う。「重量」および「加工速度」の製造条件が、監視モデル１２ａ１で定められた製品の不良品条件に該当する場合に“ＮＧ”とし、該当しない場合に“ＯＫ”とする。そして、リアルタイム監視部１２ａは、リアルタイム監視の結果として、「データ取得日時」と「製品ＩＤ」と「システム判定結果」とを含む監視結果２１ａを出力する。
In the example of FIG. 5, the
また、検査ログ生成部２２ａは、リアルタイム監視部１２ａから出力された監視結果２１ａを監視結果表示部２５に表示する。検査者は、監視結果表示部２５に表示された監視結果２１ａを確認する。検査者は、監視結果２１ａのうち「システム判定結果」“ＮＧ”と判定された「製品ＩＤ」の製品について再検査を実施し、その結果を入力部２６から入力する。検査ログ生成部２２ａは、監視結果２１ａに、「検査者」および「検査結果」の列を追加し、検査者により入力された再検査の結果を追記した検査ログ２１ｂを生成する。
Further, the inspection
図５の例示では、検査ログ２１ｂは、「データ取得日時」と「製品ＩＤ」と「システム判定結果」と「検査者」と「検査結果」とを含む。「データ取得日時」と「製品ＩＤ」とは、対応する監視結果２１ａのレコードと同様である。
In the example of FIG. 5, the
図５の例示では、監視結果２１ａのうち「システム判定結果」“ＮＧ”である「製品ＩＤ」“Ａ０１２”の製品が、検査者（「検査者」“Ｓａｔｏ”）により再検査された結果、「検査結果」“ＯＫ”である。よって、検査ログ生成部２２ａは、「製品ＩＤ」“Ａ０１２”のレコードの「検査者」“Ｓａｔｏ”および「検査結果」“ＯＫ”を追記した検査ログ２１ｂを生成し、監視装置１０へ出力する。
In the example of FIG. 5, the result of reinspection by the inspector (“inspector” “Sato”) of the product “Product ID” “A012” that is “System determination result” “NG” in the
＜監視結果の確認画面＞
図６は、実施例１の監視結果の表示画面例を示す図である。図６に示すように、検査装置２０の監視結果表示部２５の画面上のＧＵＩ５１ａは、監視結果２１ａに含まれる各レコードの「製品ＩＤ」と「データ取得日時」と「システム判定結果」とを表示する。さらに、ＧＵＩ５１ａは、検査者による製品の再検査結果の入力および表示を行い得るように、監視結果２１ａに含まれる各レコードに対応付けられる「検査者」と「検査結果」とを表示する。また、ＧＵＩ５１ａは、最新の監視結果２１ａの「製品ＩＤ」と「データ取得日時」と「判定結果」と、これらを含むレコードとを容易に識別できるように表示する。
<Monitoring result confirmation screen>
FIG. 6 is a diagram illustrating a display screen example of the monitoring result of the first embodiment. As shown in FIG. 6, the
検査者は、ＧＵＩ５１ａに表示される監視結果２１ａの「システム判定結果」を確認し、“ＮＧ”と判定された製品に対して再度の不良品判定を行った結果を、対応する行の「検査者」および「検査結果」に入力する。ＧＵＩ５１ａから入力された「検査者」および「検査結果」の情報が、監視結果２１ａに反映されることで、検査ログ２１ｂが生成される。
The inspector confirms the “system determination result” of the
＜実施例１の監視モデル生成処理＞
図７は、実施例１の監視モデル生成処理例を示すフローチャートである。図７は、図３のステップＳ２を詳細化したフローチャートを示す。監視モデル生成処理は、監視モデルの更新候補を予め生成しておく処理である。
<Monitoring model generation processing of the first embodiment>
FIG. 7 is a flowchart illustrating a monitoring model generation process example of the first embodiment. FIG. 7 shows a detailed flowchart of step S2 of FIG. The monitoring model generation process is a process of generating monitoring model update candidates in advance.
図７に示すように、先ず、ステップＳ２１では、監視システム１Ｓは、監視装置１０のリアルタイム監視部１２ａにおいて、センサー１から受信したセンサーデータ１１ａおよび検査装置２０から受信した検査ログ２１ｂを読み込む。リアルタイム監視部１２ａは、読み込んだセンサーデータ１１ａおよび検査ログ２１ｂのそれぞれを、予めリアルタイム監視部１２ａに設定されたデータ送信ルール１２ａ３に従ってまとめた単位で、監視モデル生成部１２ｂに送信する。
As shown in FIG. 7, first, in step S21, the
続いて、ステップＳ２２では、監視システム１Ｓは、監視モデル生成部１２ｂにおいて、データ送信ルール１２ａ３に従ってリアルタイム監視部１２ａから送信されるセンサーデータ１１ａおよび検査ログ２１ｂ（以下、モデル生成用データ１１ａｂという）を読み込む。モデル生成用データ１１ａｂの詳細は、後述する。
Subsequently, in step S22, the
続いて、ステップＳ２３では、監視システム１Ｓは、監視モデル生成部１２ｂにおいて、リアルタイム監視部１２ａから受信したモデル生成用データ１１ａｂを分析し、不良品発生条件などを計算する。そして、監視システム１Ｓは、監視モデル生成部１２ｂにおいて、不良品発生条件などの分析結果とモデル生成用データ１１ａｂの対象期間などとを含むモデル情報１１ｃのレコードを、当該レコードの作成日時を付加して生成する。
Subsequently, in step S23, the
続いて、ステップＳ２４では、監視システム１Ｓは、監視モデル生成部１２ｂにおいて、ステップＳ２３で作成したモデル情報１１ｃのレコードをモデル情報格納ＤＢ１１−２に格納する。ステップＳ２４が終了すると、監視システム１Ｓは、監視モデル生成処理を終了し、図３のステップＳ３に処理を移す。
Subsequently, in step S24, the
＜モデル情報の生成過程＞
図８は、実施例１においてモデル情報が作成される過程例を説明するための図である。図８は、図７に示す監視モデル生成処理で、センサーデータ１１ａおよび検査ログ２１ｂからモデル生成用データ１１ａｂを経てモデル情報１１ｃが生成されることを示すデータ図である。
<Model information generation process>
FIG. 8 is a diagram for explaining an example of a process of creating model information in the first embodiment. FIG. 8 is a data diagram showing that the
監視装置１０のリアルタイム監視部１２ａは、センサー１から受信したセンサーデータ１１ａ、および検査装置２０から定期的（例えば検査ログ２１ｂが生成されるごと）に受信した検査ログ２１ｂを、リアルタイム監視部１２ａに予め設定されているデータ送信ルール１２ａ３に従ったデータの範囲に調整してまとめる。そして、リアルタイム監視部１２ａは、このデータの範囲でまとめたモデル生成用データ１１ａｂを生成する。このデータの範囲としては、例えば直近Ｍ時間、・・・、直近Ｎ時間のデータなどのデータ期間、あるいは、直近Ｘ個、・・・、直近Ｙ個のデータなどのデータ個数がある。
The real-
具体的には、データ送信ルール１２ａ３に、直近Ｍ時間および直近Ｎ時間でデータをまとめて送信するというデータ送信ルール１２ａ３が予め設定されているとする。この場合、リアルタイム監視部１２ａは、データ取得日時が直近Ｍ時間のセンサーデータ１１ａを直近Ｍ時間のセンサーデータ群としてまとめ、データ取得日時が直近Ｍ時間の検査ログ２１ｂのレコードを直近Ｍ時間の検査ログレコード群としてまとめる。そして、リアルタイム監視部１２ａは、直近Ｍ時間のセンサーデータ群および直近Ｍ時間の検査ログレコード群を組とする。
Specifically, it is assumed that the data transmission rule 12a3 is preset with the data transmission rule 12a3 that data is collectively transmitted in the latest M hours and the latest N hours. In this case, the real-
同様にして、リアルタイム監視部１２ａは、直近Ｎ時間のセンサーデータ群および直近Ｎ時間の検査ログレコード群を組とする。このようにして、リアルタイム監視部１２ａは、直近Ｍ時間のセンサーデータ群および直近Ｍ時間の検査ログレコード群の組と、直近Ｎ時間のセンサーデータ群および直近Ｎ時間の検査ログレコード群の組とを含むモデル生成用データ１１ａｂを生成し、監視モデル生成部１２ｂに送信する。
Similarly, the real-
そして、監視モデル生成部１２ｂは、受信したモデル生成用データ１１ａｂのうち、直近Ｍ時間のセンサーデータ群および直近Ｍ時間の検査ログレコード群の組について不良品発生条件などを計算する。そして、監視モデル生成部１２ｂは、不良品発生条件などの分析結果と、“直近Ｍ時間”というデータの期間を含むモデル情報１１ｃのレコードを、当該レコードの作成日時および当該レコードのＩＤ“Ａ”を付加して生成し、モデル情報格納ＤＢ１１−２に格納する。
Then, the monitoring
監視モデル生成部１２ｂは、直近Ｎ時間のセンサーデータ群および直近Ｎ時間の検査ログレコード群の組についても、直近Ｍ時間のセンサーデータ群および直近Ｍ時間の検査ログレコード群の組と同様に処理してモデル情報１１ｃのレコード（レコードのＩＤ“Ｂ”）を生成し、モデル情報格納ＤＢ１１−２に格納する。このように、監視モデル生成部１２ｂは、定期的に（例えば１日に１回など）、モデル情報１１ｃのレコードを生成する。モデル情報１１ｃの各レコードの「ＩＤ」、「モデル作成日時」、「データの期間」、「不良品発生条件」の各列の値の組は、監視モデル１２ａ１の更新候補となる。
The monitoring
＜実施例１の監視モデル評価処理＞
図９は、実施例１の監視モデル評価処理例を示すフローチャートである。図９は、図３のステップＳ３を詳細化したフローチャートを示す。図９に示すように、先ず、ステップＳ３１では、監視システム１Ｓは、監視装置１０の監視モデル評価部１２ｃにおいて、センサー１からセンサーデータ１１ａを読み込み、検査装置２０から検査ログ２１ｂを読み込む。
<Monitoring model evaluation process of the first embodiment>
FIG. 9 is a flowchart illustrating an example of monitoring model evaluation processing according to the first embodiment. FIG. 9 shows a detailed flowchart of step S3 of FIG. As shown in FIG. 9, first, in step S31, the
続いて、ステップＳ３２では、監視システム１Ｓは、監視モデル評価部１２ｃにおいて、ステップＳ３１で読み込んだセンサーデータ１１ａおよび検査ログ２１ｂを監視モデル評価用ＤＢ１１−１に格納する。例えば、監視モデル評価部１２ｃは、一定期間（例えば１か月間など）のセンサーデータ１１ａおよび検査ログ２１ｂを読み込んで監視モデル評価用ＤＢ１１−１に格納する。
Subsequently, in step S32, the monitoring
続いて、ステップＳ３３−１およびステップＳ３３−２では、監視システム１Ｓは、監視モデル評価部１２ｃにおいて、定期的（例えば１か月に１回など）に、監視モデル評価用ＤＢ１１−１からセンサーデータ１１ａおよび検査ログ２１ｂを読み込む。
Subsequently, in step S33-1 and step S33-2, the
続いて、ステップＳ３４において、監視システム１Ｓは、監視モデル評価部１２ｃにおいて、モデル情報格納ＤＢ１１−２に格納されている全ての監視モデルを読み込み、読み込んだ監視モデルの精度を計算し、計算した精度をモデル情報格納ＤＢ１１−２の該当するモデル情報１１ｃのレコードに書き込む。監視モデルの精度の計算の詳細については、後述する。ステップＳ３４が終了すると、監視システム１Ｓは、監視モデル評価処理を終了し、図３のステップＳ４に処理を移す。
Subsequently, in step S34, in the
図１０は、実施例１の監視モデル評価処理例を説明するための図である。図１１は、実施例１の監視モデルのモデル精度算出例を説明するための図である。図１０を参照して、図９に示した実施例１の監視モデル評価処理における監視モデルのモデル精度算出の具体例を説明する。 FIG. 10 is a schematic diagram illustrating an example of the monitoring model evaluation process according to the first embodiment. FIG. 11 is a diagram for explaining a model accuracy calculation example of the monitoring model of the first embodiment. With reference to FIG. 10, a specific example of calculating the model accuracy of the monitoring model in the monitoring model evaluation process of the first embodiment shown in FIG. 9 will be described.
図１０に示すように、監視モデル評価部１２ｃは、一定期間ごとにセンサーデータ１１ａおよび検査ログ２１ｂを監視モデル評価用ＤＢ１１−１に格納する。そして、監視モデル評価部１２ｃは、定期的に、モデル情報格納ＤＢ１１−２に格納されている全ての監視モデルを読み込む。
As illustrated in FIG. 10, the monitoring
そして、監視モデル評価部１２ｃは、モデル情報格納ＤＢ１１−２から読み込んだ全ての監視モデルの精度を、監視モデル評価用ＤＢ１１−１に格納されている前述の一定期間のセンサーデータ１１ａおよび検査ログ２１ｂを用いて評価する。
Then, the monitoring
図１１を参照して、監視モデルの精度評価について説明する。図１１に示すように、「データ取得日時」“2017/11/15 16:58:42”、「製品ＩＤ」“Ａ０１１”、「重量」“４９０”、「加工速度」“１０”のセンサーデータ１１ａは、「ＩＤ」“Ａ”の監視モデル（不良品発生条件：重量＞５００＆加工速度＞３５）に従えば、“非不良”（ＯＫ）と判定される。また、対応する「データ取得日時」“2017/11/15 16:58:42”、「製品ＩＤ」“Ａ０１１”の検査ログ２１ｂのレコードでは、「システム判定結果」“ＯＫ”である。よって、監視モデルＡに従った判定結果と、検査ログ２１ｂに記録されている「システム判定結果」とが、ともに“非不良”（ＯＫ）で一致する。
The accuracy evaluation of the monitoring model will be described with reference to FIG. As shown in Fig. 11, sensor data of "data acquisition date" "2017/11/15 16:58:42", "product ID" "A011", "weight" "490", "processing speed" "10" 11a is determined as "non-defective" (OK) according to the monitoring model of "ID" "A" (defective product generation condition: weight>500 & processing speed>35). Further, in the record of the
なお、「データ取得日時」“2017/11/15 16:58:42”、「製品ＩＤ」“Ａ０１１”の検査ログ２１ｂのレコードでは、「検査者」および「検査結果」に情報が格納されていないので、「システム判定結果」が用いられる。
In addition, in the record of the
他方、「データ取得日時」“2017/11/15 17:10:00”、「製品ＩＤ」“Ａ０１２”、「重量」“５１０”、「加工速度」“４５”のセンサーデータ１１ａは、「ＩＤ」“Ａ”の監視モデルに従えば、“不良”（ＮＧ）と判定される。その一方、対応する「データ取得日時」“2017/11/15 17:10:00”、「製品ＩＤ」“Ａ０１２”の検査ログ２１ｂのレコードでは、「検査結果」“ＯＫ”である。よって、監視モデルＡに従った判定結果と、検査ログ２１ｂに記録されている「検査結果」とが不一致となる。
On the other hand, the
なお、「データ取得日時」“2017/11/15 17:10:00”、「製品ＩＤ」“Ａ０１２”の検査ログ２１ｂのレコードでは、「検査者」および「検査結果」に情報が格納されているので、「検査結果」が「システム判定結果」に優先して用いられる。
In addition, in the record of the
このように、監視モデルごとに、一定期間の複数のセンサーデータ１１ａをこの監視モデルに従って判定した結果と、対応する検査ログ２１ｂのレコードに格納されている「システム判定結果」または「検査結果」（「検査結果」がある場合は「検査結果」を優先）とが比較される。そして、両者の比較結果が一致する百分率が算出される。この算出された百分率が、図１０に示すように、評価対象の監視モデルに対応するモデル情報１１ｃのレコードの「モデル精度（正答率）」に「モデル評価日時」とともに記録される。
In this way, for each monitoring model, the result of determination of a plurality of
例えば、監視モデルＡについて、１００件のセンサーデータ１１ａと、対応する検査ログ２１ｂとを比較して、８５件が一致する場合には、「モデル精度（正答率）」“８５％”となる。なお、監視モデルの評価が新たに行われるごとに、追加モデル情報１１ｃのレコードに、「モデル評価日時」および「モデル精度（正答率）」が追加記録される。
For example, for the monitoring model A, 100 pieces of
＜実施例１の監視モデル更新処理＞
図１２は、実施例１の監視モデル更新処理例を示すフローチャートである。図１２は、図３のステップＳ４を詳細化したフローチャートを示す。図１２に示すように、先ず、ステップＳ４１において、監視システム１Ｓは、リアルタイム監視部１２ａにおいて、センサー１からセンサーデータ１１ａを読み込む。
<Monitoring model update processing of the first embodiment>
FIG. 12 is a flowchart illustrating an example of monitoring model update processing according to the first embodiment. FIG. 12 shows a detailed flowchart of step S4 of FIG. As shown in FIG. 12, first, in step S41, the
続いて、ステップＳ４２では、監視システム１Ｓは、リアルタイム監視部１２ａにおいて、予めリアルタイム監視部１２ａに設定されている監視モデル更新ルール１２ａ２にあてはまるかを判定する。リアルタイム監視部１２ａに設定されている監視モデル更新ルール１２ａ２にあてはまる場合（ステップＳ４２：ＹＥＳ）、監視システム１Ｓは、ステップＳ４３に処理を移す。一方、リアルタイム監視部１２ａに設定されている監視モデル更新ルール１２ａ２にあてはまらない場合（ステップＳ４２：ＮＯ）、監視システム１Ｓは、監視モデル更新処理を終了し、図３のステップＳ５に処理を移す。
Subsequently, in step S42, the
ステップＳ４３では、監視システム１Ｓは、モデル更新要求部１２ｅにおいて、監視モデル更新部１２ｆに対して監視モデルの更新を要求する。続いて、ステップＳ４４では、監視システム１Ｓは、監視モデル更新部１２ｆにおいて、モデル情報格納ＤＢ１１−２から全てのモデル情報１１ｃを読み込む。
In step S43, in the
続いて、ステップＳ４５では、監視システム１Ｓは、監視モデル更新部１２ｆにおいて、監視モデルの評価結果（「モデル評価日時」および「モデル精度」）に従い、更新する監視モデルを選択する。続いて、ステップＳ４６では、監視システム１Ｓは、監視モデル更新部１２ｆにおいて、ステップＳ４５で選択された監視モデルを、リアルタイム監視部１２ａに設定できる形式に変換する。
Subsequently, in step S45, the
続いて、ステップＳ４７では、監視システム１Ｓは、監視モデル更新部１２ｆにおいて、ステップＳ４６で形式変換した新たな監視モデル１２ａ１を、リアルタイム監視部１２ａに設定する。監視システム１Ｓは、ステップＳ４７が終了すると、監視モデル更新処理を終了し、図３のステップＳ５に処理を移す。
Subsequently, in step S47, the
図１３は、実施例１の監視モデル更新処理例を説明するための図である。図１３を参照して、具体例を用いて、図１２の監視モデル更新処理を説明する。例えば、図１３に示すように、リアルタイム監視部１２ａには、“ＩＤ＝Ａ、不良品発生条件：重量＞５００＆加工速度＞３５”の監視モデル１２ａ１が設定されているとする。また、リアルタイム監視部１２ａには、“不良発生頻度＞１０件／１時間”の監視モデル更新ルール１２ａ２が設定されているとする。
FIG. 13 is a diagram for explaining a monitoring model update processing example of the first embodiment. The monitoring model update process of FIG. 12 will be described using a specific example with reference to FIG. For example, as shown in FIG. 13, it is assumed that the real-
リアルタイム監視部１２ａは、直近１時間の不良発生回数を計数する。モデル更新要求部１２ｅは、例えば“不良発生頻度＞１０件／１時間”の監視モデル更新ルール１２ａ２に従って、不良発生回数が“１０件／１時間”という閾値を超えた場合に、監視モデル更新部１２ｆに対して、監視モデル１２ａ１の更新を要求する。不良発生回数が監視モデル更新ルール１２ａ２の閾値を超えた場合は、監視モデル１２ａ１の精度が低下し、現場の状況変化に追随していないと考えられる。
The real-
監視モデル更新部１２ｆは、モデル更新要求部１２ｅから監視モデル１２ａ１の更新の要求を受け付けると、モデル情報格納ＤＢ１１−２に格納されているモデル情報１１ｃの各レコードの「モデル評価日時」および「モデル精度（正答率）」の組を参照し、予め設定されている更新用監視モデルの選択ルールに該当する監視モデルを選択して読み込む。予め設定されている更新用監視モデルの選択ルールとは、例えば、更新要求時と同月で最も「モデル精度（正答率）」が高い監視モデルを選択する、などである。
When the monitoring
図１３の例では、モデル更新要求部１２ｅが監視モデル更新部１２ｆに対して監視モデル１２ａ１の更新を要求したのが“１１月”であるとすると、監視モデル更新部１２ｆは、「モデル評価日時」が“１１月”である「ＩＤ」が“Ａ”から“Ｄ”までのモデル情報１１ｃのレコードのうち、「モデル精度（正答率）」が最良の“９０％”である「ＩＤ」“Ｄ”のレコードに該当する監視モデルを選択する。
In the example of FIG. 13, when it is “November” that the model
そして、監視モデル更新部１２ｆは、選択した監視モデルに対応するモデル情報１１ｃのレコードの「モデル適用回数」を＋１する。これにより、「モデル適用回数」は、該当の監視モデルが実際に適用された実績回数を示すことになる。そして、監視モデル更新部１２ｆは、選択した「ＩＤ」“Ｄ”の監視モデルを、リアルタイム監視部１２ａに設定されている「ＩＤ」“Ａ”の監視モデル１２ａ１に代わる新たな監視モデル１２ａ１１として、リアルタイム監視部１２ａに設定する。新たな監視モデル１２ａ１１をリアルタイム監視部１２ａに設定することで、リアルタイム監視部１２ａにおいて本来「システム判定」“ＯＫ”と判定されるべきものが“ＮＧ”と誤判定される頻度を低減し、リアルタイム監視部１２ａによるリアルタイム監視の精度を向上させることができる。
Then, the monitoring
＜実施例１の監視モデル更新処理の変形例＞
実施例１では、上述のように、監視システム１Ｓは、リアルタイム監視部１２ａに予め設定されている監視モデル更新ルール１２ａ２の条件に該当する場合に、監視モデル１２ａ１を自動的に更新するとした。これに限られず、監視モデル更新ルール１２ａ２に関わらず、定期的（例えば監視モデルの評価処理が実行されるごと）に、「モデル精度」が最良の監視モデルで、リアルタイム監視部１２ａに設定される監視モデル１２ａ１を自動的に更新するとしてもよい。
<Modification of the monitoring model update process of the first embodiment>
In the first embodiment, as described above, the
あるいは、オペレータが、モデル情報格納ＤＢ１１−２に格納されるモデル情報１１ｃの画面表示の確認結果から、「モデル評価日時」、「モデル精度（正答率）」などの情報に基づいて選択した適切な監視モデルで、リアルタイム監視部１２ａに設定される監視モデル１２ａ１を更新するとしてもよい。
Alternatively, an appropriate operator selected from the confirmation result of the screen display of the
＜実施例１のモデル生成パラメータのチューニング処理＞
図１４は、実施例１のモデル生成パラメータのチューニング処理例を示すフローチャートである。図１４は、図３のステップＳ５を詳細化したフローチャートを示す。図１４に示すように、先ず、ステップＳ５１−１およびステップＳ５１−２では、監視システム１Ｓは、モデル生成パラメータチューニング部１２ｇにおいて、リアルタイム監視部１２ａに設定されているデータ送信ルール１２ａ３およびモデル情報格納ＤＢ１１−２に格納されている全てのモデル情報１１ｃを読み込む。
<Tuning process of the model generation parameter of the first embodiment>
FIG. 14 is a flowchart illustrating an example of tuning processing of model generation parameters according to the first embodiment. FIG. 14 shows a detailed flowchart of step S5 of FIG. As shown in FIG. 14, first, in step S51-1 and step S51-2, the
続いて、ステップＳ５２では、監視システム１Ｓは、モデル生成パラメータチューニング部１２ｇにおいて、最適なデータ送信ルールを分析し、分析結果に基づいて新しいデータ送信ルールを作成する。続いて、ステップＳ５３では、監視システム１Ｓは、モデル生成パラメータチューニング部１２ｇにおいて、ステップＳ５２で作成した新たなデータ送信ルール１２ａ３１を、リアルタイム監視部１２ａに設定する。監視システム１Ｓは、ステップＳ５３が終了すると、モデル生成パラメータのチューニング処理を終了し、図３のステップＳ６に処理を移す。
Subsequently, in step S52, the
図１５は、実施例１のモデル生成パラメータのチューニング処理例を説明するための図である。図１６は、実施例１のデータ送信ルールの更新例を説明するための図である。図１５および図１６を参照して、具体例を用いて、図１４のモデル生成パラメータのチューニング処理を説明する。 FIG. 15 is a diagram for explaining an example of tuning processing of the model generation parameter according to the first embodiment. FIG. 16 is a diagram illustrating an example of updating the data transmission rule according to the first embodiment. The tuning process of the model generation parameter of FIG. 14 will be described using a specific example with reference to FIGS. 15 and 16.
図１５に示すように、モデル生成パラメータチューニング部１２ｇは、先ず、リアルタイム監視部１２ａに設定されているデータ送信ルール１２ａ３およびモデル情報格納ＤＢ１１−２に格納されているモデル情報１１ｃを読み込む。次に、モデル生成パラメータチューニング部１２ｇは、モデル情報１１ｃに記録されている更新プロセス（例えば「モデル適用回数」または「モデル精度（正答率）」）に基づいて、最適なデータ送信ルールを分析する。図１５の例では、「モデル適用回数」が“１”で最多かつ「モデル精度（正答率）」が最良の“９０％”である「ＩＤ」“Ｄ”の「データの期間」“６ ｈｕｏｒ”（６時間）が最適なモデル作成のデータ範囲であると分析される。
As shown in FIG. 15, the model generation
この場合、図１６（ａ）に示すように、更新前のデータ送信ルール１２ａ３が「直近４時間のデータ、直近６時間のデータ、直近８時間のデータ」のように、直近４時間、６時間、および８時間の３つのデータ期間でまとめられたセンサーデータ１１ａおよび検査ログ２１ｂを送信するものであったとする。最適なモデル作成のデータ範囲と分析された“６時間”は、図１６（ａ）の更新前のデータ送信ルール１２ａ３において、３つのデータ期間のうちの中央の値“直近６時間のデータ”に該当する。すなわち、モデル作成のデータ範囲が、中央の値“直近６時間のデータ”としてデータ送信ルール１２ａ３に設定されている。
In this case, as shown in FIG. 16(a), the data transmission rule 12a3 before update is the latest 4 hours, 6 hours, as in "the latest 4 hours data, the latest 6 hours data, the latest 8 hours data". It is assumed that the
よって、この“直近６時間のデータ”を中央の値として維持しつつ、“直近４時間のデータ”および“直近８時間のデータ”を、“直近６時間のデータ”との間のそれぞれの中央値である“直近５時間のデータ”および“直近７時間のデータ”で更新する。つまり、図１６（ａ）に示すように、更新後のデータ送信ルール１２ａ３を、「直近５時間のデータ、直近６時間のデータ、直近７時間のデータ」と更新する。 Therefore, while maintaining the "data for the last 6 hours" as the central value, the "data for the last 4 hours" and the "data for the last 8 hours" are respectively set to the central values between the "data for the last 6 hours". Update with the values "data for the last 5 hours" and "data for the last 7 hours". That is, as shown in FIG. 16A, the updated data transmission rule 12a3 is updated to "data for the last 5 hours, data for the last 6 hours, data for the last 7 hours".
あるいは、図１６（ｂ）に示すように、更新前のデータ送信ルール１２ａ３が「直近２時間のデータ、直近４時間のデータ、直近６時間のデータ」のように、直近２時間、４時間、および６時間のデータ期間でまとめられたセンサーデータ１１ａおよび検査ログ２１ｂを送信するものであったとする。モデル作成のデータ範囲と分析された“６時間”は、図１６（ｂ）の更新前のデータ送信ルール１２ａ３において、３つのデータ期間のうちの最大の値“直近６時間のデータ”に該当する。すなわち、最適なモデル送信ルールが、最大の値“直近６時間のデータ”としてデータ送信ルール１２ａ３に設定されている。
Alternatively, as shown in FIG. 16B, the pre-update data transmission rule 12a3 may be the latest 2 hours, 4 hours, such as “last 2 hours data, last 4 hours data, last 6 hours data”. Further, it is assumed that the
よって、この“直近６時間のデータ”が中央の値となるように変更し、かつ、“直近２時間のデータ”および“直近４時間のデータ”を、前後するデータ期間の差分値である“２時間”に基づいて“直近４時間のデータ”および“直近８時間のデータ”でそれぞれ更新する。つまり、図１６（ａ）に示すように、更新後のデータ送信ルール１２ａ３を、「直近４時間のデータ、直近６時間のデータ、直近８時間のデータ」と更新する。 Therefore, this "data for the last 6 hours" is changed so as to have a central value, and "data for the last 2 hours" and "data for the last 4 hours" are the difference values of the preceding and following data periods. Based on "2 hours", "data for the last 4 hours" and "data for the last 8 hours" are updated. That is, as shown in FIG. 16A, the updated data transmission rule 12a3 is updated to "data for the last 4 hours, data for the last 6 hours, data for the last 8 hours".
なお、分析された最適なモデル作成のデータ範囲が、更新前のデータ送信ルール１２ａ３において最小の値として設定されている場合は、最小の値が中央の値となるように変更し、以降は上述の“最適なモデル作成のデータ範囲が最大の値としてデータ送信ルール１２ａ３に設定されている場合”と同様である。 When the analyzed optimum data range for model creation is set as the minimum value in the pre-update data transmission rule 12a3, the minimum value is changed to the central value, and the above-mentioned steps are performed thereafter. “When the optimum data range for model creation is set in the data transmission rule 12a3 as the maximum value”.
このように、データ送信ルール１２ａ３が更新されることで、データ送信ルール１２ａ３が、更新ごとに、最適なモデル送信ルールに近付いていくので、より精度が高い監視モデルが生成されるようになる。 As described above, by updating the data transmission rule 12a3, the data transmission rule 12a3 approaches the optimum model transmission rule each time the data is updated, so that a more accurate monitoring model is generated.
上記はあくまでデータ送信ルール１２ａ３の更新例を示すに過ぎず、データ送信ルール１２ａ３に含まれるデータをまとめるデータ期間（あるいはデータ個数）は、上述の“３つ”に限られず、適宜変更可能である。 The above is merely an example of updating the data transmission rule 12a3, and the data period (or the number of data) for collecting the data included in the data transmission rule 12a3 is not limited to the above-mentioned “three”, and can be changed as appropriate. ..
＜実施例１の監視モデル削除処理＞
図１７は、実施例１の監視モデル削除処理例を示すフローチャートである。図１７は、図３のステップＳ６を詳細化したフローチャートを示す。図１７に示すように、先ず、ステップＳ６１において、監視システム１Ｓは、監視モデル削除部１２ｄにおいて、モデル情報格納ＤＢ１１−２から、全てのモデル情報１１ｃのレコードを読み込む。続いて、ステップＳ６２では、監視システム１Ｓは、監視モデル削除部１２ｄにおいて、予め設定された削除ルールに従い、モデル情報格納ＤＢ１１−２に格納されているモデル情報１１ｃのレコードのうち、削除ルールに該当するレコードを削除する。監視システム１Ｓは、ステップＳ６２が終了すると、監視モデル削除処理を終了し、図３に処理を戻し、監視システム１Ｓにおける全体処理を終了する。
<Monitoring model deletion processing of the first embodiment>
FIG. 17 is a flowchart illustrating an example of monitoring model deletion processing according to the first embodiment. FIG. 17 shows a detailed flowchart of step S6 of FIG. As shown in FIG. 17, first, in step S61, the
図１８は、実施例１の監視モデル削除処理例を説明するための図である。図１８を参照して、図１７に示した実施例１の監視モデル削除処理の具体例を説明する。 FIG. 18 is a schematic diagram illustrating an example of the monitoring model deletion process according to the first embodiment. A specific example of the monitoring model deletion processing according to the first embodiment illustrated in FIG. 17 will be described with reference to FIG.
図１８に示すように、先ず、監視モデル削除部１２ｄは、定期的にモデル情報格納ＤＢ１１−２からモデル情報１１ｃの全レコードを読み込む。監視モデル削除部１２ｄには、予め監視モデル削除ルールが設定されているものとする。監視モデル削除ルールとしては、モデル情報１１ｃのレコードの「モデル精度（正答率）」が一定値以下である、「モデル作成日時」が一定期間以上古い、などである。あるいは、監視モデル削除ルールとして、「モデル作成日時」が一定期間以上古い、かつ、「モデル適用回数」が一定回数以上である、を採用してもよい。
As shown in FIG. 18, first, the monitoring
監視モデル削除部１２ｄは、モデル情報格納ＤＢ１１−２から読み込んだモデル情報１１ｃのレコードのうち、監視モデル削除ルールに該当するレコードを削除する。図１８に示す例では、監視モデル削除ルールとして“「モデル精度（正答率）」が８０％以下である”が設定されているとする。監視モデル削除部１２ｄは、図１８に示す「ＩＤ」“Ａ”から“Ｄ”のモデル情報１１ｃのレコードを読み込んだとすると、「ＩＤ」“Ａ”および“Ｃ”のレコードが監視モデル削除ルールに該当するため、削除する。
The monitoring
このように、監視モデル削除ルールに該当するモデル情報１１ｃのレコードをモデル情報格納ＤＢ１１−２から削除することで、モデル情報格納ＤＢ１１−２の容量を有効利用して、有効性が高い更新候補の監視モデルを多く準備しておくことができる。
In this way, by deleting the record of the
＜実施例１のモデル情報の確認画面＞
図１９は、実施例１のモデル情報の確認画面例を示す図である。図１９に示す例では、監視装置１０に接続された表示装置（不図示）の画面上のＧＵＩ５２ａは、モデル情報格納ＤＢ１１−２に格納されているモデル情報１１ｃに含まれる各レコードの「ＩＤ」と「モデル作成日時」と「モデル作成期間」と「モデル評価日時」と「モデル精度」とのそれぞれの値を監視モデルおよびその評価情報として表示する。また、ＧＵＩ５２ａは、最新のモデル情報１１ｃのレコードに対応する最新の監視モデルの「ＩＤ」と「モデル作成日時」と「モデル精度」と、これらを含むレコードとを容易に識別できるように表示する。
<Confirmation screen of model information of Example 1>
FIG. 19 is a diagram illustrating an example of a model information confirmation screen according to the first embodiment. In the example shown in FIG. 19, the
監視装置１０のオペレータは、ＧＵＩ５２ａを参照することで、監視モデル生成処理（図７参照）、監視モデル評価処理（図９参照）、監視モデル削除処理（図１７参照）などの実行により、モデル情報１１ｃ、およびレコード追加、モデル精度の情報追加、レコード削除などを含むモデル情報１１ｃの変化を確認することができる。
By referring to the
また、ＧＵＩ５２ａの表示に「不良品発生条件」を含めることで、監視装置１０のオペレータが、監視モデルの更新候補の詳細を確認できるようにしてもよい。
In addition, the operator of the
＜実施例１の効果＞
以上の実施例１によれば、リアルタイム監視部に設定する監視モデル１２ａ１の更新候補を予め作成しておくことで、製品仕様変更や設備変更、季節変化などを含む現場の状況変化に迅速に追随して監視モデル１２ａ１を短時間で更新することができる。
<Effect of Example 1>
According to the first embodiment described above, by creating the update candidates of the monitoring model 12a1 set in the real-time monitoring unit in advance, it is possible to quickly follow the situation changes in the field including the product specification change, the equipment change, and the seasonal change. Thus, the monitoring model 12a1 can be updated in a short time.
また、作成した監視モデル１２ａ１の更新候補について、監視モデルとしての精度を予め評価しておき、監視モデル１２ａ１を更新する際に、精度に基づいて監視モデルの更新候補を選択するので、より精度が高い監視モデルへと更新することができる。 In addition, the accuracy of the created monitoring model 12a1 as a monitoring model is evaluated in advance, and when updating the monitoring model 12a1, the updating candidate of the monitoring model is selected based on the accuracy. Can be upgraded to a higher surveillance model.
また、データ送信ルール１２ａ３など、監視モデルの更新候補を生成する際の生成ルールが、適時更新されることで最適なルールに近付くので、より精度が高い監視モデルの更新候補を生成するようにできる。 Further, since the generation rule for generating the update candidate of the monitoring model, such as the data transmission rule 12a3, approaches the optimum rule by being updated in a timely manner, it is possible to generate a more accurate update candidate of the monitoring model. ..
図２０は、実施例２の監視システムの構成例を示すハードウェア図である。実施例２の監視システム２Ｓでは、実施例１の監視装置１０（図２参照）を、監視装置１０Ｂとモデル更新装置４０とに分離した点が異なる。実施例２の監視システム２Ｓは、それぞれが各拠点に配置される複数の監視装置１０Ｂを含んでもよい。また、実施例２の監視システム２Ｓは、それぞれが各拠点に配置される複数の検査装置２０Ｂを含んでもよい。なお、図２０において、実施例１と同一の構成には同一符号を付与して説明を省略する。
FIG. 20 is a hardware diagram illustrating a configuration example of the monitoring system according to the second embodiment. The
図２０に示すように、実施例２の監視システム２Ｓは、１または複数の監視装置１０Ｂと、検査装置２０Ｂと、モデル更新装置４０とを含む。
As illustrated in FIG. 20, the
監視装置１０Ｂは、記憶部１１と、メモリ１２と、ＣＰＵ１３と、通信ＩＦ１４−１，１４−２，１４−３とを有し、これらがバスを介して接続されている。通信ＩＦ１４−３は、監視装置１０Ｂをネットワーク３０ｃに接続するためのインターフェースである。監視装置１０Ｂは、ネットワーク３０ｃを介してモデル更新装置４０と通信を行う。
The
記憶部１１には、センサー１から受信したセンサーデータ１１ａと、検査装置２０Ｂから受信した検査ログ２１ｂとが格納される。監視装置１０Ｂは、メモリ１２上に、リアルタイム監視部１２ａを有する。
The
検査装置２０Ｂは、記憶部２１と、メモリ２２と、ＣＰＵ２３と、通信ＩＦ２４，２４−２と、監視結果表示部２５と、入力部２６とを有し、これらがバスを介して接続されている。通信ＩＦ２４−２は、検査装置２０Ｂをネットワーク３０ｄに接続するためのインターフェースである。検査装置２０Ｂは、ネットワーク３０ｄを介してモデル更新装置４０と通信を行う。
The
なお、ネットワーク３０ｂ，３０ｃ，３０ｄは、同一ネットワークでも、何れか２つが同一ネットワークであり他の１つが異なるネットワークであっても、全てが異なるネットワークであっても何れでもよい。
Note that the
記憶部２１には、監視結果２１ａと、検査ログ２１ｂとが格納される。検査装置２０Ｂは、メモリ２２上に、検査ログ生成部２２ａを有する。
The
モデル更新装置４０は、監視モデル評価用ＤＢ１１−１と、モデル情報格納ＤＢ１１−２と、メモリ４２と、ＣＰＵ４３と、通信ＩＦ４４−１，４４−２，４４−３とを有し、これらがバスを介して接続されている。
The
通信ＩＦ４４−１は、モデル更新装置４０をネットワーク３０ａに接続するためのインターフェースである。モデル更新装置４０は、ネットワーク３０ａを介してセンサー１からセンサーデータ１１ａを受信する。また、通信ＩＦ４４−２は、モデル更新装置４０をネットワーク３０ｃに接続するためのインターフェースである。モデル更新装置４０は、ネットワーク３０ｃを介して監視装置１０Ｂと通信を行う。また、通信ＩＦ４４−３は、モデル更新装置４０をネットワーク３０ｄに接続するためのインターフェースである。モデル更新装置４０は、ネットワーク３０ｄを介して検査装置２０Ｂと通信を行う。
The communication IF 44-1 is an interface for connecting the
監視モデル評価用ＤＢ１１−１には、センサー１から受信したセンサーデータ１１ａと、検査装置２０Ｂから受信した検査ログ２１ｂとが格納される。モデル情報格納ＤＢ１１−２には、モデル情報１１ｃが格納される。モデル更新装置４０は、メモリ４２上に、監視モデル生成部１２ｂと、監視モデル評価部１２ｃと、監視モデル削除部１２ｄと、モデル更新要求部１２ｅと、監視モデル更新部１２ｆと、モデル生成パラメータチューニング部１２ｇとを有する。
The monitoring model evaluation DB 11-1 stores the
なお、モデル更新装置４０がメモリ４２上に有する各部は、異なる装置に適宜分散実装されてもよい。
It should be noted that the respective units included in the memory 42 of the
実施例２では、例えば、各地に分散する工場などの事業所のそれぞれに監視装置１０Ｂを配置して製品の不良品検査をリアルタイムで行わせるとともに、センサーデータ１１ａおよび検査ログ２１ｂをモデル更新装置４０に集約し、集約したセンサーデータ１１ａおよび検査ログ２１ｂからモデル情報１１ｃを生成する。そして、拠点ごとのモデル情報１１ｃに基づいて、モデル更新装置４０で生成された監視モデルで、拠点ごとに監視装置１０Ｂに設定される監視モデル１２ａ１を更新する。
In the second embodiment, for example, the
＜実施例２の効果＞
以上の実施例２によれば、リアルタイム監視を行う拠点が分散しており、拠点ごとに現場の状況変化に差異がある場合でも、拠点ごとの状況変化に迅速に追随して監視モデルを更新することができる。
<Effect of Example 2>
According to the above-described second embodiment, the bases that perform real-time monitoring are dispersed, and even if there is a difference in the situation at the site from site to site, the monitoring model is quickly updated to follow the situation changes at each site. be able to.
本発明は上記した実施例に限定されるものではなく、様々な変形例を含む。例えば、上記した実施例は本発明を分かりやすく説明するために詳細に説明したものであり、必ずしも説明した構成を備えるものに限定されない。また、矛盾しない限りにおいて、ある実施例の構成の一部を他の実施例の構成で置き換えたり、ある実施例の構成に他の実施例の構成を加えたりすることも可能である。また、各実施例の構成の一部について、追加、削除、置換、統合、及び分割をすることが可能である。 The present invention is not limited to the above-mentioned embodiments, but includes various modifications. For example, the above-described embodiments have been described in detail in order to explain the present invention in an easy-to-understand manner, and are not necessarily limited to those having the configuration described. Further, as long as there is no contradiction, it is possible to replace a part of the configuration of one embodiment with the configuration of another embodiment or add the configuration of another embodiment to the configuration of one embodiment. Further, it is possible to add, delete, replace, integrate, and divide a part of the configuration of each embodiment.
１：センサー、１Ｓ，２Ｓ：監視システム、１０，１０Ｂ：監視装置、１１ａ：センサーデータ、１１ａｂ：モデル生成用データ、１１ｃ：モデル情報、１２ａ：リアルタイム監視部、１２ａ１：監視モデル、１２ａ２：監視モデル更新ルール、１２ａ３：データ送信ルール、１２ｂ：監視モデル生成部、１２ｃ：監視モデル評価部、１２ｄ：監視モデル削除部、１２ｅ：モデル更新要求部、１２ｆ：監視モデル更新部、１２ｇ：モデル生成パラメータチューニング部、２０，２０Ｂ：検査装置、２１ａ：監視結果、２１ｂ：検査ログ、２２ａ：検査ログ生成部、４０：モデル更新装置、５１ａ，５２ａ：ＧＵＩ 1: Sensor, 1S, 2S: Monitoring system, 10, 10B: Monitoring device, 11a: Sensor data, 11ab: Model generation data, 11c: Model information, 12a: Real-time monitoring unit, 12a1: Monitoring model, 12a2: Monitoring model Update rule, 12a3: data transmission rule, 12b: monitoring model generating unit, 12c: monitoring model evaluating unit, 12d: monitoring model deleting unit, 12e: model updating requesting unit, 12f: monitoring model updating unit, 12g: model generation parameter tuning Parts, 20 and 20B: inspection device, 21a: monitoring result, 21b: inspection log, 22a: inspection log generation unit, 40: model updating device, 51a, 52a: GUI
Claims (12)
センサーで収集された監視対象に関するデータと、前記監視対象の異常の判断を行うために予め設定された監視モデルとに基づいて、前記監視対象の異常をリアルタイムで判定する監視ステップと、
所定の生成ルールに基づいて、前記データおよび前記監視ステップによる該データに対応する判定結果を含む時系列データがまとめられたモデル生成用データから、前記監視モデルの更新候補を定期的に生成する監視モデル生成ステップと、
前記監視モデル生成ステップにより生成された前記更新候補を監視モデル記憶部に記憶させる監視モデル記憶ステップと、
を有することを特徴とする監視モデル更新方法。 A monitoring model updating method executed by a monitoring system, comprising:
Based on the data about the monitoring target collected by the sensor and a monitoring model preset to determine the abnormality of the monitoring target, a monitoring step of determining the abnormality of the monitoring target in real time,
Monitoring for regularly generating update candidates of the monitoring model from model generation data in which time series data including the data and the determination result corresponding to the data by the monitoring step are collected based on a predetermined generation rule. A model generation step,
A monitoring model storage step of storing the update candidate generated by the monitoring model generation step in a monitoring model storage unit;
A method of updating a monitoring model, comprising:
をさらに有することを特徴とする請求項１に記載の監視モデル更新方法。 When the determination result by the monitoring step corresponds to the update condition for updating the monitoring model, the monitoring model is selected from the update candidates stored in the monitoring model storage unit based on a predetermined selection condition. The monitoring model updating method according to claim 1, further comprising: an updating step of updating.
をさらに有し、
前記監視モデル生成ステップにおいて、前記時系列データが前記調整されたデータ範囲でまとめられた前記モデル生成用データをもとに前記更新候補を生成する
ことを特徴とする請求項１に記載の監視モデル更新方法。 Further comprising the step of adjusting the data range of the time series data,
The monitoring model according to claim 1, wherein in the monitoring model generation step, the update candidate is generated based on the model generation data in which the time-series data is collected in the adjusted data range. How to update.
ことを特徴とする請求項３に記載の監視モデル更新方法。 The monitoring model update method according to claim 3, wherein the data range is a data period of the time-series data.
ことを特徴とする請求項３に記載の監視モデル更新方法。 The monitoring model updating method according to claim 3, wherein the data range is the number of data of the time series data.
をさらに有することを特徴とする請求項１に記載の監視モデル更新方法。 The deletion step of deleting, from the update model storage unit, update candidates that satisfy a predetermined deletion condition among the update candidates stored in the monitoring model storage unit. Monitoring model update method.
前記監視モデル記憶部に記憶される前記更新候補が前記監視モデルとして設定された場合に、前記監視ステップにおいて前記監視対象の異常を判定する判定精度に基づいて決定される
ことを特徴とする請求項１に記載の監視モデル更新方法。 The predetermined generation rule is
When the update candidate stored in the monitoring model storage unit is set as the monitoring model, it is determined based on a determination accuracy for determining an abnormality of the monitoring target in the monitoring step. The monitoring model updating method described in 1.
前記監視モデル記憶部に記憶される前記更新候補が前記監視モデルとして過去に設定された実績回数に基づいて決定される
ことを特徴とする請求項１に記載の監視モデル更新方法。 The predetermined generation rule is
The monitoring model updating method according to claim 1, wherein the update candidate stored in the monitoring model storage unit is determined based on a past record number of times set as the monitoring model.
をさらに有することを特徴とする請求項１に記載の監視モデル更新方法。 The monitoring model updating method according to claim 1, further comprising a display step of displaying the update candidate generated by the monitoring model generating step.
所定の生成ルールに基づいて、前記データおよび前記監視部による該データに対応する判定結果を含む時系列データがまとめられたモデル生成用データから、前記監視モデルの更新候補を定期的に生成する監視モデル生成部と、
前記監視モデル生成部により生成された前記更新候補を記憶する監視モデル記憶部と
を有することを特徴とする監視システム。 One or a plurality of monitoring units for determining the abnormality of the monitoring target in real time based on the data about the monitoring target collected by the sensor and the monitoring model preset for determining the abnormality of the monitoring target; ,
Monitoring for regularly generating update candidates of the monitoring model from model generation data in which time series data including the data and a determination result corresponding to the data by the monitoring unit is collected based on a predetermined generation rule. A model generator,
A monitoring model storage unit that stores the update candidate generated by the monitoring model generation unit.
をさらに有することを特徴とする請求項１０に記載の監視システム。 When the determination result by the monitoring unit corresponds to the update condition for updating the monitoring model, the monitoring model is selected from the update candidates stored in the monitoring model storage unit on the basis of a predetermined selection condition. The monitoring system according to claim 10, further comprising an updating unit for updating.
所定の生成ルールに基づいて、前記データおよび前記監視部による該データに対応する判定結果を含む時系列データがまとめられたモデル生成用データから、前記監視モデルの更新候補を定期的に生成する監視モデル生成部と、
前記監視モデル生成部により生成された前記更新候補を記憶する監視モデル記憶部と
を有することを特徴とする監視装置。 Time-series data regarding the monitoring target collected by the sensor, and a monitoring unit that determines the abnormality of the monitoring target in real time, based on a monitoring model that is set in advance to determine the abnormality of the monitoring target,
Monitoring for regularly generating update candidates of the monitoring model from model generation data in which time series data including the data and a determination result corresponding to the data by the monitoring unit is collected based on a predetermined generation rule. A model generator,
A monitoring model storage unit that stores the update candidate generated by the monitoring model generation unit.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2018243776A JP6911004B2 (en) | 2018-12-26 | 2018-12-26 | Monitoring model update method, monitoring system, and monitoring device |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2018243776A JP6911004B2 (en) | 2018-12-26 | 2018-12-26 | Monitoring model update method, monitoring system, and monitoring device |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2020107001A true JP2020107001A (en) | 2020-07-09 |
| JP6911004B2 JP6911004B2 (en) | 2021-07-28 |
Family
ID=71450814
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2018243776A Active JP6911004B2 (en) | 2018-12-26 | 2018-12-26 | Monitoring model update method, monitoring system, and monitoring device |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP6911004B2 (en) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2015203936A (en) * | 2014-04-14 | 2015-11-16 | 株式会社日立製作所 | State monitoring device |
| JP2017187820A (en) * | 2016-03-31 | 2017-10-12 | 株式会社東芝 | Process diagnostic device, process diagnostic method, and computer program |
| JP2017207904A (en) * | 2016-05-18 | 2017-11-24 | エヌ・ティ・ティ・コミュニケーションズ株式会社 | Abnormality detection system, model generation device, abnormality detection device, abnormality detection method, model generation program, and abnormality detection program |
| US20180024511A1 (en) * | 2016-07-21 | 2018-01-25 | Siemens Aktiengesellschaft | Model generating method and apparatus |
| JP2018526712A (en) * | 2015-06-05 | 2018-09-13 | シエル・インターナシヨネイル・リサーチ・マーチヤツピイ・ベー・ウイＳｈｅｌｌ Ｉｎｔｅｒｎａｔｉｏｎａｌｅ Ｒｅｓｅａｒｃｈ Ｍａａｔｓｃｈａｐｐｉｊ Ｂｅｓｌｏｔｅｎ Ｖｅｎｎｏｏｔｓｈａｐ | System and method for switching model background elements in model predictive estimation and control applications |
| JP2018156415A (en) * | 2017-03-17 | 2018-10-04 | 株式会社リコー | Diagnosis device, diagnosis system, diagnosis method and program |
-
2018
- 2018-12-26 JP JP2018243776A patent/JP6911004B2/en active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2015203936A (en) * | 2014-04-14 | 2015-11-16 | 株式会社日立製作所 | State monitoring device |
| JP2018526712A (en) * | 2015-06-05 | 2018-09-13 | シエル・インターナシヨネイル・リサーチ・マーチヤツピイ・ベー・ウイＳｈｅｌｌ Ｉｎｔｅｒｎａｔｉｏｎａｌｅ Ｒｅｓｅａｒｃｈ Ｍａａｔｓｃｈａｐｐｉｊ Ｂｅｓｌｏｔｅｎ Ｖｅｎｎｏｏｔｓｈａｐ | System and method for switching model background elements in model predictive estimation and control applications |
| JP2017187820A (en) * | 2016-03-31 | 2017-10-12 | 株式会社東芝 | Process diagnostic device, process diagnostic method, and computer program |
| JP2017207904A (en) * | 2016-05-18 | 2017-11-24 | エヌ・ティ・ティ・コミュニケーションズ株式会社 | Abnormality detection system, model generation device, abnormality detection device, abnormality detection method, model generation program, and abnormality detection program |
| US20180024511A1 (en) * | 2016-07-21 | 2018-01-25 | Siemens Aktiengesellschaft | Model generating method and apparatus |
| JP2018156415A (en) * | 2017-03-17 | 2018-10-04 | 株式会社リコー | Diagnosis device, diagnosis system, diagnosis method and program |
Also Published As
| Publication number | Publication date |
|---|---|
| JP6911004B2 (en) | 2021-07-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP6904638B2 (en) | Big data management in process control systems | |
| JP4980581B2 (en) | Performance monitoring device, performance monitoring method and program | |
| US6622221B1 (en) | Workload analyzer and optimizer integration | |
| WO2011046228A1 (en) | System operation management device, system operation management method, and program storage medium | |
| US20080243912A1 (en) | Method of providing business intelligence | |
| US8688729B2 (en) | Efficiently collecting transaction-separated metrics in a distributed enviroment | |
| US20090158189A1 (en) | Predictive monitoring dashboard | |
| US20170322120A1 (en) | Fault detection using event-based predictive models | |
| JP2009509263A (en) | Total asset usage index in process plant | |
| US9299051B2 (en) | Methods and systems for evaluating the performance of building processes | |
| US20190114041A1 (en) | Sequential data | |
| US20040102928A1 (en) | Method, system, and storage medium for building and maintaining a remote monitoring and diagnostics knowledge base | |
| JP2012208664A (en) | Integrated management system for software design/operation | |
| JP2017182414A (en) | Failure prediction device, failure prediction method, and failure prediction program | |
| EP1220097A2 (en) | Apparatus management method, apparatus management system, and apparatus management program product | |
| US20180216960A1 (en) | Monitoring a sensor array | |
| US20220309474A1 (en) | Maintenance history visualizer to facilitate solving intermittent problems | |
| EP3367241B1 (en) | Method, computer program and system for providing a control signal for a software development environment | |
| JP6911004B2 (en) | Monitoring model update method, monitoring system, and monitoring device | |
| JP2017072910A (en) | Schedule generation apparatus and schedule generation method | |
| JP7460233B2 (en) | Information processing device, information processing method, program, and data structure | |
| KR101262289B1 (en) | Method for analyzing failure rate and computer readable record-midium on which program for excuting method thereof | |
| JP5255796B2 (en) | Operation management support system, program | |
| JP6887941B2 (en) | Data analysis system and data analysis method | |
| EP3664057B1 (en) | Sensor management unit, sensing data distribution system, sensing data evaluation method, and sensing data evaluation program |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20190814 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20200811 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20201006 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20201215 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210209 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20210615 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20210707 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 6911004 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |