JP2021131241A - 診断装置、診断方法、及び診断プログラム - Google Patents

Abstract

【課題】本発明は、発停を繰り返す装置であっても、装置の経年変化を診断可能にすることを解決課題とする。【解決手段】本発明は、発動及び停止を繰り返す発停装置の状態を診断する診断装置であって、発停装置の状態を示す状態量のデータが記憶される記憶部と、データが示す状態量から発停装置の状態変化を判定する処理部と、を備え、処理部は、過去の状態量の時系列データに基づいて用意された、発停装置の運転状態毎に分類された複数の状態量群がそれぞれ示す過去の状態量と、記憶部に記憶されているデータが示す状態量との相対関係に基づいて、発停装置の状態変化を判定する。【選択図】図１４

Description

本発明は、診断装置、診断方法、及び診断プログラムに関する。

近年、各種装置類の経年変化を診断する技術が普及している（例えば、特許文献１−２を参照）。

特許第６４９７９１９号公報 特開２０１７−１９４３７１号公報

装置の経年変化を診断する技術の多くは、装置が連続的に作動していることを前提としている。例えば、装置の振動で当該装置の状態を監視する技術の場合、振幅や振動周波数の増加といった振動状態の変化が生ずると、装置が経年変化したと判定する。

ところが、工業製品を製造する製造装置やその他各種の装置類の中には、前工程或いは次工程を担う装置の都合により、発動及び停止（以下、「発停」という）を繰り返すものが存在する。例えば、薬の錠剤をＰＴＰ（Press through pack）で包装する包装装置の場合、包装状態を検査する検査装置や、包装された錠剤を箱に梱包する梱包装置の都合で、錠剤をＰＴＰで包装する動作を一時停止せざるを得ない場合がある。よって、このように発停を繰り返す装置では、装置の振動状態が発停により変化するため、装置の振動で当該装置の経年変化を診断することは難しい。

そこで、本発明は、発停を繰り返す装置であっても、装置の経年変化を診断可能にすることを解決課題とする。

上記課題を解決するため、本発明では、発停装置の状態を示す過去の状態量の時系列データに基づいて用意された、発停装置の運転状態毎に分類された複数の状態量群がそれぞれ示す過去の状態量と、発停装置の状態を示す状態量のデータが示す状態量との相対関係に基づいて、発停装置の状態変化を判定することにした。

詳細には、本発明は、発動及び停止を繰り返す発停装置の状態を診断する診断装置であって、発停装置の状態を示す状態量のデータが記憶される記憶部と、データが示す状態量から発停装置の状態変化を判定する処理部と、を備え、処理部は、過去の状態量の時系列データに基づいて用意された、発停装置の運転状態毎に分類された複数の状態量群がそれぞれ示す過去の状態量と、記憶部に記憶されているデータが示す状態量との相対関係に基づいて、発停装置の状態変化を判定する。

ここで、状態量とは、発停装置の診断に有効な値であり、例えば、発停装置の振動を示す測定値、プロセス値、制御量、その他各種の値が挙げられる。

上記の診断装置であれば、運転状態毎に分類された複数の状態量群がそれぞれ示す過去の状態量を使って判定しているので、発停装置の運転状態、すなわち、例えば、発停装置
が運転状態と停止状態の何れであるかを考慮した状態変化の判定を行うことが可能となる。これにより、例えば、発停前後の不安定な状態の頻度の高まりや、過去に経験の無い未経験な状態の発生を把握し、現地における確認やメンテナンス等の作業の実施を開始するトリガーにすることが可能となる。

なお、処理部は、時系列データを所定の時間間隔で分割するデータ分割処理と、データ分割処理によって得られた複数の分割データを、各分割データが示す振動の測定値に応じてグループ分けするグルーピング処理と、グルーピング処理によってグループ分けされた複数のグループを、発停装置の運転状態に応じて分類するカテゴライズ処理と、を実行して用意した複数の状態量群を用いて、発停装置の状態変化を判定するものであってもよい。このような分割データを用いることにより、発停装置の状態変化が何れの運転状態によるものであるかを捉えることが可能となる。

また、処理部は、時系列データから所定の高周波成分を除去したものを使ってデータ分割処理を実行するものであってもよい。このようなデータを使えば、比較的マクロ的な傾向の変化を把握することが可能となる。

また、処理部は、カテゴライズ処理において、複数のグループを、少なくとも発停装置が運転状態におけるものと停止状態におけるものと発停前後の過渡状態におけるものとに分類するものであってもよい。このようなカテゴリーに分類すれば、各運転状態の比率の変化による発停装置の状態変化を捉えることが可能となる。

また、本発明は、方法の側面から捉えることもできる。例えば、本発明は、発動及び停止を繰り返す発停装置の状態を診断する診断方法であって、コンピュータが、発停装置の状態を示す過去の状態量の時系列データに基づいて用意された、発停装置の運転状態毎に分類された複数の状態量群がそれぞれ示す過去の状態量と、発停装置の状態を示す状態量のデータが示す状態量との相対関係に基づいて、発停装置の状態変化を判定する処理を実行するものであってもよい。

また、本発明は、プログラムの側面から捉えることもできる。例えば、本発明は、発動及び停止を繰り返す発停装置の状態を診断する診断プログラムであって、コンピュータに、発停装置の状態を示す過去の状態量の時系列データに基づいて用意された、発停装置の運転状態毎に分類された複数の状態量群がそれぞれ示す過去の状態量と、発停装置の状態を示す状態量のデータが示す状態量との相対関係に基づいて、発停装置の状態変化を判定する処理を実行させるものであってもよい。

上記の診断装置、診断方法、及び診断プログラムであれば、発停を繰り返す装置であっても、装置の経年変化を診断することが可能である。よって、例えば、設備の異常ではないが、稼働状態が正常であるか疑わしいといった設備の雰囲気を把握することができる。

図１は、実施形態に係る診断システムのシステム構成の一例を示した図である。 図２は、コンピュータが実現する処理フローの一例を示した図である。 図３は、ノイズ除去前後の振動データのグラフの一例を示した図である。 図４は、振動データを所定の時間毎に分割する処理を解説した図である。 図５は、振動データについて、第１主成分を横軸、第２主成分を縦軸とする座標系に主成分得点をプロットしたグラフである。 図６は、振動データをグループ化したグラフである。 図７は、振動データの各グループと振動の時系列データとの対応関係の一例を示した図である。 図８は、各グループと振動の波形との対応関係の一例を示した第１の図である。 図９は、各グループと振動の波形との対応関係の一例を示した第２の図である。 図１０は、振動データの各グループと包装装置４の状態との対応関係の一例を示した第１の図である。 図１１は、グループ毎にセンサーの振動の平均値を算出し、グラフに表したものである。 図１２は、グループ１，２，４のみを表したグラフである。 図１３は、グループ３，５，６のみを表したグラフである。 図１４は、振動データの各グループと包装装置の状態との対応関係の一例を示した第２の図である。

以下、実施形態について説明する。以下に示す実施形態は、単なる例示であり、本開示の技術的範囲を以下の態様に限定するものではない。

＜ハードウェア構成＞
図１は、実施形態に係る診断システム１のシステム構成の一例を示した図である。診断システム１は、図１に示されるように、コンピュータ２（本願でいう「診断装置」の一例である）と、コンピュータ２と有線または無線で接続される振動センサー３とを備える。コンピュータ２は、ＣＰＵ２１、メモリ２２、ストレージ２３、通信インターフェース２４を有する電子計算機であり、ストレージ２３から読み出されてメモリ２２に展開されたコンピュータプログラムを実行することにより、後述する各種の処理を実行する。また、振動センサー３は、ＭＥＭＳ（Micro Electro Mechanical Systems）の振動センサーであり、振動を電気信号に変換する。

なお、図１では、診断システム１の診断対象として、薬の錠剤をＰＴＰで包装する包装装置４が例示されている。包装装置４は、錠剤が凹部に入ったＰＴＰシートを切り裂いて分配する装置である。包装装置４の隣には、次工程を担う装置、すなわち、包装装置４に分配された各ＰＴＰシートを個包装する装置が併設されている。よって、包装装置４は、この次工程を担う装置の都合により、発停を繰り返す。

振動センサー３は、発停を繰り返すこのような包装装置４に取り付けられている。そして、診断システム１は、振動センサー３によって取得される包装装置４の振動データに基づき、包装装置４の状態を診断する。振動センサー３は、包装装置４の複数箇所に取り付けられている。

なお、診断システム１は、このような包装装置４の診断に限定されるものでなく、例えば、その他各種の装置の診断に適用することが可能である。

コンピュータ２は、コンピュータプログラムを実行すると、以下の処理を実現する。図２は、コンピュータ２が実現する処理フローの一例を示した図である。コンピュータ２は、コンピュータプログラムを実行すると、図２に示すステップＳ１０１からステップＳ１０９までの一連の処理フローを実現する。以下、コンピュータ２が実現する処理フローを説明する。

コンピュータ２は、まず、振動センサー３で計測された振動データの収集を行う（Ｓ１
０１）。すなわち、コンピュータ２は、振動センサー３で計測された振動データをメモリ２２に記憶する。メモリ２２に記憶される振動データは、コンピュータ２の作動中に逐次蓄積されるリアルタイムのデータであってもよいし、データロガー等の記録装置類に蓄積された過去のデータであってもよい。

振動センサー３で計測された振動データには、微細な振動の波形が含まれている。しかし、診断システム１は、包装装置４のマクロ的な傾向の変化を捉えて包装装置４の診断を行うことを目的としたシステムである。そこで、コンピュータ２は、マクロ的な傾向の変化を把握するのに不要なノイズを振動データから除去する。

すなわち、コンピュータ２は、ステップＳ１０１で収集した時系列の振動データを、フーリエ変換で周波数領域のデータに変換する（Ｓ１０２）。そして、コンピュータ２は、周波数領域のデータから所定の高周波成分のデータを取り除き、ノイズ除去を行う（Ｓ１０３）。そして、コンピュータ２は、ノイズ除去を行った周波数領域のデータを、逆フーリエ変換で時間領域のデータに復元する（Ｓ１０４）。除去すべきノイズの周波数は、振動の特性、診断したい内容、診断対象の装置の特性等に応じて適宜調整される。

図３は、ノイズ除去前後の振動データのグラフの一例を示した図である。図３（Ａ）に示されるように、ノイズ除去前の振動データのグラフでは、微細な振動の波形が示されている。一方、図３（Ｂ）に示されるように、ノイズ除去後の振動データのグラフでは、緩慢な振動の波形が示されている。コンピュータ２は、ステップＳ１０５以降の処理において、ノイズを除去した振動データを用いる。

コンピュータ２は、振動データからノイズを除去した後、振動データを所定の時間毎に分割する（Ｓ１０５）。図４は、振動データを所定の時間毎に分割する処理を解説した図である。分割を行う際の時間の間隔は、コンピュータ２の計算能力や診断精度に応じて適宜決定可能であるが、ノイズ除去後の振動データの波形が特定の時間周期に概ね一致しているような場合であれば、その周期で分割するのが合理的である。例えば、ノイズ除去後の振動データの波形が、概ね３５分周期の場合であれば、振動データを３５分毎に分割するのが合理的である。

次に、コンピュータ２は、分割した各振動データを標準化して中間変数に変換する（Ｓ１０６）。ステップＳ１０６で行うデータの標準化処理は、公知のものであり、具体的には、数式１に基づいてコンピュータ２が演算する。

次に、ステップＳ１０６で求めた中間変数に基づいてベクトル化を行う（Ｓ１０７）。本ステップＳ１０７では、まず、中間変数における相関係数行列を作成し、相関係数行列の固有値と固有ベクトルを導出する。相関係数行列は、中間変数がｘ１、ｘ２、ｘ３・・のときに、第１主成分ＰＣ１は、数式２で示すように表される。また、第Ｎ主成分ＰＣｎは、数式３で示すように表される。そして、係数ａ１１、ａ１２、ａ１３・・を１行目の要素、係数ａｎ１、ａｎ２、ａｎ３・・をｎ行目の要素に用いることにより、相関係数行列が形成される。

次に、相関係数行列の固有ベクトルから主成分得点を求める。また、相関係数行列の固有値から各主成分の寄与率を求める。主成分の寄与率は、固有値を固有値の総和で割ることで得られる。ここで、固有値の大きい方から、第１主成分、第２主成分・・第Ｎ主成分を決定する。

具体的には、コンピュータ２が、各ロットの中間変数ｘ１、ｘ２、ｘ３と相関係数行列の各係数とに基づいて、第１主成分ＰＣ１、第２主成分ＰＣ２・・の値、即ち、主成分得点を算出する。図５は、振動データについて、第１主成分を横軸、第２主成分を縦軸とする座標系に主成分得点をプロットしたグラフである。

次に、コンピュータ２は、図５に示す主成分得点にクラスター分析を適用して、各振動データを複数のグループに区分する（Ｓ１０７）。「クラスター分析」とは、解析対象データ（クラスター）を類似性に着目して複数のグループに分類する方法であり、階層的クラスタリングや分類最適化クラスタリング等が知られている。本実施形態におけるクラスター分析が着目する「類似性」とは、各ロットの主成分得点同士の距離をいう。本実施形態では、階層的クラスタリングの一つである凝集型階層的クラスタリングを用いた。また、クラスター間の距離算出方法として、安定して解を得られるウォード法を用いた。「ウォード法」とは、２つのクラスターを併合した際の偏差平方和の増加量が最小になるクラスターを選択するものである。例えば、クラスターＡ、Ｂを併合してクラスターＣを生成する場合、クラスターＡ、Ｂ、Ｃ内の偏差平方和Ｓａ、Ｓｂ、Ｓｃは、それぞれ数式４〜６のように表される。

数式４〜６により、クラスターＣ内の偏差平方和Ｓｃは、以下のようになる。

数式７のΔＳａｂは、クラスターＡ、Ｂを併合してクラスターＣを生成した際の偏差平方和の増分であることを意味する。したがって、各併合段階でΔＳａｂが最小になるようにクラスターを選択して併合することにより、クラスタリングを進めていく。

図６は、振動データをグループ化したグラフである。本実施形態では、図６に示すように、第２固有ベクトルまでの２次元空間で７つのグループに区分した。図６に示す７つの囲み線は、クラスター１〜７にそれぞれ対応する。また、グループの数は、７つに眼定されるものではなく、ハンドリングし易い数であれば６つ以下でも８つ以上であっても構わない。

同様にして、コンピュータ２は、複数ある振動センサー３のそれぞれから取得した振動データについても、複数のグループに区分する。

コンピュータ２は、次に、包装装置４の状態の可視化を行う（Ｓ１０９）。包装装置４の状態の可視化は、まず、各グループと包装装置４の運転状態との対応関係を整理する処理から始まる。すなわち、図６に示した７つのグループが、包装装置４が長時間停止している時、包装装置４が安定して運転している時、包装装置４が起動或いは停止直後で状態が安定していない時の何れに該当するかを、振動データのグラフの波形から特定する。図７は、振動データの各グループと振動の時系列データとの対応関係の一例を示した図である。図７では、対応関係の一例として、包装装置４が停止している時の振動の波形とグループとの対応関係を示している。包装装置４が停止している時、包装装置４は殆ど振動しない。よって、包装装置４が停止している時に振動センサー３が取得する振動の波形は、図７に示す振動の時系列データの波形において矩形の囲み線で示す部位が表しているように、振幅の小さい波形となる。図６と図７を見比べると判るように、包装装置４が停止している時の波形がグループ７に対応している。

図８は、各グループと振動の波形との対応関係の一例を示した第１の図である。上述したように、グループ７は、包装装置４が長時間停止している時の波形に対応しているため、図８に示すように、振幅の小さい波形の部分のグループナンバーが「７」となっている。また、包装装置４が長時間停止する前後の波形に対しては、図８に示されるように、グループナンバー「３」、「５」、「６」が付与されている。

図９は、各グループと振動の波形との対応関係の一例を示した第２の図である。包装装置４が起動し、運転状態が安定すると、振動も大きく変化することなく一定範囲の振幅で安定する。そこで、図９に示されるように、振幅が大きく変化することなく一定範囲の振幅で安定している波形に対してはグループナンバー「１」、「２」、「４」が付与されている。

図１０は、振動データの各グループと包装装置４の状態との対応関係の一例を示した第１の図である。図６と図１０を見比べると判るように、グループ１，２，４は「安定領域」、グループ３，５，６は「不安定領域」、グループ７は「長期間停止領域」としている。

なお、各グループを「安定領域」と「不安定領域」の何れに定義するかについては、包装装置４が起動してからの経過時間に基づいて決定することも考えられるが、本実施形態では、包装装置４に振動センサー３が複数設けられているため、以下のように決定している。

図１１は、グループ毎にセンサーの振動の平均値を算出し、グラフに表したものである
。各振動センサー３は、Ｘ軸方向とＹ軸方向とＺ軸方向の３軸の振動を検出できる。そして、包装装置４には、そのような振動センサー３が複数備わっている。このため、横軸を検出点名にし、縦軸を振動レベル（振幅）にしたグラフに、各グループの平均値をプロットすると、図１１に示すようなグラフができる。このグラフにおいて、グループ１，２，４に着目すると、これらのグループは振動の傾向が比較的近いことが判る。図１２は、グループ１，２，４のみを表したグラフである。図１２を見ると判るように、グループ１，２，４は、振動の傾向が比較的近いことが判る。図１３は、グループ３，５，６のみを表したグラフである。図１３を見ると判るように、グループ３，５，６は、振動の傾向がばらついていることが判る。

そこで、本実施形態では、振動の傾向が似ているグループ１，２，４を「安定領域」と定義し、振動の傾向がばらついているグループ３，５，６を「不安定領域」と定義することにした。振動の波形に着目するのみでは「安定領域」と「不安定領域」の何れに定義すべきか難しいグループであっても、このようにグループ同士の振動の傾向の比較を行えば、「安定領域」と「不安定領域」の何れに定義すべきか容易に決定することができる。

上記のステップＳ１０１からＳ１０９までの一連の処理が実行されることにより、振動データの各グループと包装装置４の状態との対応関係が、図１０に示されるように可視化される。包装装置４の状態がこのように可視化できると、例えば、包装装置４が経年変化等により状態変化した場合に、その変化を容易に捉えることができる。図１４は、振動データの各グループと包装装置４の状態との対応関係の一例を示した第２の図である。例えば、包装装置４が経年変化し、発停前後で包装装置４の運転状態が安定するのに要する時間が長くなると、図１０と図１４を見比べると判るように、不安定領域の状態が増加する。本実施形態の診断システム１では、発停を繰り返す包装装置４であっても、このように包装装置４の状態を可視化できるため、不安定領域の状態が増加した等の状態変化を捉えることができる。したがって、例えば、上記のステップＳ１０１からＳ１０９までの一連の処理を毎日繰り返し実行し、前日の不安定領域滞在率が過去の実績と比較して高い（例えば、（μ＋２σ）を超えた等）場合には、包装装置４を詳しく点検する等の判断を行うことが可能となる（μ：平均、σ：標準偏差）。なお、不安定領域滞在率とは、例えば、以下の数式８で算出することができる。

上述したように、本実施形態の診断システム１であれば、振動の時系列データを所定の時間間隔で分割してグルーピングし、各グループをカテゴライズしているため、過去の状態量と最近の状態量とを相対的に比較することにより、包装装置４の経年変化を診断することが可能となる。

なお、診断システム１は、上記の形態に限定されるものでなく、適宜変形可能である。診断システム１は、例えば、各グループのカテゴリーを「安定領域」、「不安定領域」、「長期間停止領域」の３つにカテゴライズする形態に限定されるものでなく、４つ以上のカテゴリー、または２つ以下のカテゴリーにカテゴライズするものであってもよい。また、状態変化の検出は、上記の数式８以外の方法を使って行われてもよい。

１・・診断システム
２・・コンピュータ
３・・振動センサー
４・・包装装置
２１・・ＣＰＵ
２２・・メモリ
２３・・ストレージ
２４・・通信インターフェース

次に、コンピュータ２は、分割した各振動データを標準化して中間変数に変換する（Ｓ１０６）。ステップＳ１０６で行うデータの標準化処理は、公知のものであり、具体的には、数式１に基づいて、各センサについて、取得した全ての波形データを母集団としてコンピュータ２が演算する。

Claims (7)

1. 発動及び停止を繰り返す発停装置の状態を診断する診断装置であって、
   前記発停装置の状態を示す状態量のデータが記憶される記憶部と、
   前記データが示す状態量から前記発停装置の状態変化を判定する処理部と、を備え、
   前記処理部は、過去の状態量の時系列データに基づいて用意された、前記発停装置の運転状態毎に分類された複数の状態量群がそれぞれ示す過去の状態量と、前記記憶部に記憶されているデータが示す状態量との相対関係に基づいて、前記発停装置の状態変化を判定する、
   診断装置。
2. 前記処理部は、
   前記時系列データを所定の時間間隔で分割するデータ分割処理と、
   前記データ分割処理によって得られた複数の分割データを、各分割データが示す振動の測定値に応じてグループ分けするグルーピング処理と、
   前記グルーピング処理によってグループ分けされた複数のグループを、前記発停装置の運転状態に応じて分類するカテゴライズ処理と、
   を実行して用意した前記複数の状態量群を用いて、前記発停装置の状態変化を判定する、
   請求項１に記載の診断装置。
3. 前記処理部は、前記時系列データから所定の高周波成分を除去したものを使って前記データ分割処理を実行する、
   請求項２に記載の診断装置。
4. 前記処理部は、前記カテゴライズ処理において、前記複数のグループを、少なくとも前記発停装置が運転状態におけるものと停止状態におけるものと発停前後の過渡状態におけるものとに分類する、
   請求項２または３に記載の診断装置。
5. 前記状態量とは、前記発停装置の振動を示す測定値である、
   請求項１から４の何れか一項に記載の診断装置。
6. 発動及び停止を繰り返す発停装置の状態を診断する診断方法であって、
   コンピュータが、
   前記発停装置の状態を示す過去の状態量の時系列データに基づいて用意された、前記発停装置の運転状態毎に分類された複数の状態量群がそれぞれ示す過去の状態量と、前記発停装置の状態を示す状態量のデータが示す状態量との相対関係に基づいて、前記発停装置の状態変化を判定する処理を実行する、
   診断方法。
7. 発動及び停止を繰り返す発停装置の状態を診断する診断プログラムであって、
   コンピュータに、
   前記発停装置の状態を示す過去の状態量の時系列データに基づいて用意された、前記発停装置の運転状態毎に分類された複数の状態量群がそれぞれ示す過去の状態量と、前記発停装置の状態を示す状態量のデータが示す状態量との相対関係に基づいて、前記発停装置の状態変化を判定する処理を実行させる、
   診断プログラム。

Images