JP2024025095A - トレンド算出装置、トレンド算出システム、及び、トレンド算出方法 - Google Patents
トレンド算出装置、トレンド算出システム、及び、トレンド算出方法 Download PDFInfo
- Publication number
- JP2024025095A JP2024025095A JP2022128255A JP2022128255A JP2024025095A JP 2024025095 A JP2024025095 A JP 2024025095A JP 2022128255 A JP2022128255 A JP 2022128255A JP 2022128255 A JP2022128255 A JP 2022128255A JP 2024025095 A JP2024025095 A JP 2024025095A
- Authority
- JP
- Japan
- Prior art keywords
- trend
- time point
- current value
- drive source
- change
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000004364 calculation method Methods 0.000 title claims abstract description 109
- 238000005259 measurement Methods 0.000 claims abstract description 88
- 230000008859 change Effects 0.000 claims abstract description 62
- 230000007423 decrease Effects 0.000 claims abstract description 9
- 238000003745 diagnosis Methods 0.000 claims description 11
- 230000002159 abnormal effect Effects 0.000 claims description 9
- 230000035945 sensitivity Effects 0.000 claims description 6
- 230000004044 response Effects 0.000 claims description 2
- 238000012545 processing Methods 0.000 abstract description 25
- 238000004891 communication Methods 0.000 abstract description 21
- 238000007689 inspection Methods 0.000 abstract description 8
- 230000002123 temporal effect Effects 0.000 abstract 1
- 230000006870 function Effects 0.000 description 16
- 230000005856 abnormality Effects 0.000 description 13
- 238000010586 diagram Methods 0.000 description 13
- 238000000034 method Methods 0.000 description 10
- 230000008569 process Effects 0.000 description 10
- 238000006243 chemical reaction Methods 0.000 description 6
- 230000007246 mechanism Effects 0.000 description 6
- 238000011156 evaluation Methods 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000004590 computer program Methods 0.000 description 3
- 239000000470 constituent Substances 0.000 description 3
- 238000001228 spectrum Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000032683 aging Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 239000011248 coating agent Substances 0.000 description 1
- 238000000576 coating method Methods 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 230000004907 flux Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Images
Landscapes
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
【課題】適切なタイミングでの点検を行うための情報を得ることが可能なトレンド算出装置等を提供する。【解決手段】トレンド算出装置は、供給された電力によって駆動する駆動源に対して、供給される電力の電流値を計測した計測結果を取得する取得部(サーバ通信部)と、過去の第1時点及び第1時点よりも後の第2時点の間に取得した計測結果に基づいて、取得したそれぞれの計測結果に示される電流値に基づく入力と、駆動源が正常に駆動しているときにあらかじめ計測された電力の電流値に基づく基準との差の大きさに対応する変化度が経時的に増減した際の、第1時点から第2時点の間における変化傾向を示すトレンドを算出して出力する算出部(サーバ処理部の一機能)と、を備える。【選択図】図7
Description
本発明は、トレンド算出装置、トレンド算出システム、及び、トレンド算出方法に関する。
近年、ロボットの制御技術の向上に伴って、機械学習を利用して人が操作した時と同じような移動の制御をロボットに自動的に行わせる技術が開発されている。このような、ロボットなどの機器においては、機器の異常(トラブル)の有無を判定して、結果に応じて点検等を行う必要がある。例えば、機器の駆動装置(駆動源)としての、例えばモータなどの回転数が一定に維持される期間がない場合でも、機器の異常の度合いの判定の精度を向上できる診断システムが知られている(特許文献1参照)。
ところで、機器の各駆動源がトラブルを生じた後に点検を行い、トラブルが解消された状態に回復させる場合、当該機器を停止させる必要があり、機器を利用したサービス自体も停止してしまうという課題がある。一方で、機器がトラブルを生じるよりも十分前に点検を行うには、トラブルがほぼ確実に発生しない高頻度な点検が必要であり煩雑である。
そこで本開示は、機器の動作に用いられる駆動源に対して、適切なタイミングでの点検を行うための情報を得ることが可能なトレンド算出装置等を提供する。
本発明の一態様に係るトレンド算出装置は、供給された電力によって駆動する駆動源に対して、供給される前記電力の電流値を計測した計測結果を取得する取得部と、過去の第1時点及び前記第1時点よりも後の第2時点の間に取得した前記計測結果に基づいて、取得したそれぞれの前記計測結果に示される電流値に基づく入力と、前記駆動源が正常に駆動しているときにあらかじめ計測された前記電力の電流値に基づく基準との差の大きさに対応する変化度が経時的に増減した際の、前記第1時点から前記第2時点の間における変化傾向を示すトレンドを算出して出力する算出部と、を備える。
また、本発明の一態様に係るトレンド算出システムは、上記に記載のトレンド算出装置と、前記取得部が前記計測結果として取得する電流値の計測に用いられる電流センサと、を備え、前記電流センサは、前記駆動源と前記駆動源に電力を供給する電力供給源とを接続する電力線の外側から、当該電力線を介して供給される電力の電流値を計測する。
また、本発明の一態様に係るトレンド算出方法は、供給された電力によって駆動する駆動源に対して、供給される前記電力の電流値を計測した計測結果を取得し、過去の第1時点及び前記第1時点よりも後の第2時点の間に取得した前記計測結果に基づいて、取得したそれぞれの前記計測結果に示される電流値と、前記駆動源が正常に駆動しているときの前記電力の電流値との差の大きさに対応する変化度が経時的に増減した際の、前記第1時点から前記第2時点の間における変化傾向を示すトレンドを算出する。
なお、これらの包括的または具体的な態様は、システム、装置、集積回路、コンピュータプログラムまたはコンピュータ読み取り可能なCD-ROMなどの記録媒体で実現されてもよく、システム、装置、集積回路、コンピュータプログラムおよび記録媒体の任意な組み合わせで実現されてもよい。
本開示のトレンド算出装置などによれば、駆動源に対して、適切なタイミングでの点検を行うための情報を得ることができる。
(開示の概要)
本開示の第1態様に係るトレンド算出装置は、供給された電力によって駆動する駆動源に対して、供給される電力の電流値を計測した計測結果を取得する取得部と、過去の第1時点及び第1時点よりも後の第2時点の間に取得した計測結果に基づいて、取得したそれぞれの計測結果に示される電流値に基づく入力と、駆動源が正常に駆動しているときにあらかじめ計測された電力の電流値に基づく基準との差の大きさに対応する変化度が経時的に増減した際の、第1時点から第2時点の間における変化傾向を示すトレンドを算出して出力する算出部と、を備える。
本開示の第1態様に係るトレンド算出装置は、供給された電力によって駆動する駆動源に対して、供給される電力の電流値を計測した計測結果を取得する取得部と、過去の第1時点及び第1時点よりも後の第2時点の間に取得した計測結果に基づいて、取得したそれぞれの計測結果に示される電流値に基づく入力と、駆動源が正常に駆動しているときにあらかじめ計測された電力の電流値に基づく基準との差の大きさに対応する変化度が経時的に増減した際の、第1時点から第2時点の間における変化傾向を示すトレンドを算出して出力する算出部と、を備える。
このようなトレンド算出装置は、計測結果に示される電流値に基づく入力と、正常に駆動しているときの電流値に基づく基準との差の大きさに対応する変化度から、第1時点から第2時点の間における変化度の増減の変化傾向を示すトレンドを算出して出力することができる。計測結果に示される電流値に基づく入力と、正常に駆動しているときの電流値に基づく基準との差の大きさには、その電流値においてどの程度正常な状態とかけ離れているか、すなわち、どの程度異常な状態であるかの情報が含まれるので、駆動源の異常の発生を推定するために利用することができる。ここで、一時点での変化度には、実際に異常が発生している場合と、外部要因等による、異常のように見える正常な場合とが含まれる。これに対して、第1時点から第2時点の間における変化傾向を示すトレンドを算出することによって、そのトレンドを用いて、複数時点での変化度の増減の傾向から駆動源の異常の発生を推定することが可能となる。つまり、上記の態様によれば、駆動源に対して、適切なタイミングでの点検を行うために利用可能なトレンドを得ることができる。
また、例えば、第2態様に係るトレンド算出装置では、算出部は、第1時点から第2時点の間において取得した計測結果の入力に応じて、トレンドを出力する学習済みのトレンド算出モデルを有する、第1態様に記載のトレンド算出装置であってもよい。
これによれば、学習済みのトレンド算出モデルによって、計測結果の入力に応じた出力としてトレンドの算出を行うことができる。
また、例えば、第3態様に係るトレンド算出装置では、算出部は、取得した計測結果の入力に応じて、変化度を出力する学習済みの変化度算出モデルを有し、第1時点から第2時点の間において取得したそれぞれの計測結果を、変化度算出モデルに入力したときに出力されたそれぞれの変化度を時間領域において近似した近似式に基づいて、トレンドを算出する、第1態様に記載のトレンド算出装置であってもよい。
これによれば、学習済みの変化度算出モデルによって、計測結果の入力に応じた出力として変化度の算出を行うことができる。そして、算出された変化度を時間領域において近似した近似式に基づいて、トレンドを算出することができる。
また、例えば、第4態様に係るトレンド算出装置では、取得部は、電流センサが計測した電流値を計測結果として取得し、電流センサは、電流値の周波数領域において、周波数が高いほど感度が高い計測特性を有する、第1態様~第3態様のいずれか一態様に記載のトレンド算出装置であってもよい。
これによれば、駆動源の異常の発生において、正常に駆動しているときの電流値に基づく基準との差がより顕著となりやすい高調波の周波数領域を高感度に計測することができるので、より、駆動源の異常の発生を顕著に推定できる。
また、例えば、第5態様に係るトレンド算出装置では、算出したトレンドが、第1時点から第2時点の間における変化度の変化傾向が所定の閾値以上に大きくなる上昇トレンドを示す場合に、駆動源の動作が異常であると診断し、診断結果を出力する診断部をさらに備える、第1態様~第4態様のいずれか一態様に記載のトレンド算出装置であってもよい。
これによれば、トレンドに基づいて、駆動源の診断を行い、診断結果を出力することができる。
また、例えば、第6態様に係るトレンド算出装置では、診断結果は、上昇トレンドが示された際の算出されたトレンドと、計測対象の駆動源の動作が異常であることを示すメッセージと、の少なくとも一方を含む、第5態様に記載のトレンド算出装置であってもよい。
これによれば、上昇トレンドが示された際の算出されたトレンドと、計測対象の駆動源の動作が異常であることを示すメッセージと、の少なくとも一方を診断結果として出力することができる。
また、本開示の第7態様に係るトレンド算出システムは、第1態様~第6態様のいずれか一態様に記載のトレンド算出装置と、取得部が計測結果として取得する電流値の計測に用いられる電流センサと、を備え、電流センサは、駆動源と駆動源に電力を供給する電力供給源とを接続する電力線の外側から、当該電力線を介して供給される電力の電流値を計測する。
これによれば、トレンド算出装置と、電流センサと、を備えるトレンド算出システムを実現できる。トレンド算出システムにおける電流センサは、駆動源と駆動源に電力を供給する電力供給源とを接続する電力線の外側から、当該電力線を介して供給される電力の電流値を計測する構成であるため、駆動源と電力供給源とを接続する電力線を取り外すことなく、駆動源と電力供給源と電力線とを設置した後、すなわち、後付けでトレンド算出システムを導入することができる。
また、本開示の第8態様に係るトレンド算出方法は、供給された電力によって駆動する駆動源に対して、供給される電力の電流値を計測した計測結果を取得し、過去の第1時点及び第1時点よりも後の第2時点の間に取得した計測結果に基づいて、取得したそれぞれの計測結果に示される電流値と、駆動源が正常に駆動しているときの電力の電流値との差の大きさに対応する変化度が経時的に増減した際の、第1時点から第2時点の間における変化傾向を示すトレンドを算出する。
これによれば、上記に記載のトレンド算出装置と同様の効果を奏することができる。
なお、これらの包括的又は具体的な態様は、システム、装置、集積回路、コンピュータプログラム又はコンピュータ読み取り可能なCD-ROMなどの記録媒体で実現されてもよく、システム、装置、集積回路、コンピュータプログラム又は記録媒体の任意な組み合わせで実現されてもよい。
以下、実施の形態について、図面を参照しながら具体的に説明する。
なお、以下で説明する実施の形態は、いずれも包括的又は具体的な例を示すものである。以下の実施の形態で示される数値、形状、材料、構成要素、構成要素の配置位置及び接続形態、ステップ、ステップの順序などは、一例であり、本発明を限定する主旨ではない。また、以下の実施の形態における構成要素のうち、最上位概念を示す独立請求項に記載されていない構成要素については、任意の構成要素として説明される。
(実施の形態)
まず、本実施の形態におけるトレンド算出システムの構成について説明する。
まず、本実施の形態におけるトレンド算出システムの構成について説明する。
図1は、本実施の形態に係るトレンド算出システムの概要を模式的に示す図である。図2は、本実施の形態に係るトレンド算出システムの機能構成を模式的に示すブロック図である。
本実施の形態では、トレンド算出システムは、駆動源99の駆動に異常が生じるよりも前に、駆動源を駆動させるために供給される電力の電流値を計測して、異常が発生する予兆を、トレンドの算出によって把握することができるように構成される。つまり、異常が発生する前に、その予兆をトレンドによって知ることができるので、点検のタイミングを決めることができる。そのため、計画的に駆動源99を停止させて点検することや、代替品である駆動源を駆動源99と入れ替えて使用しながら、その間に、駆動源99の点検をすることなどができる。トレンドとは、予め計測された駆動源99が正常に動作しているときの、供給される電力の電流値(正常値)に基づく基準と、トレンド算出に際して計測された電流値に基づく入力との差の大きさに対応する変化度の経時的な変化傾向を示す指標である。なお、正常値に基づく基準とは、正常値そのもの、正常値の電流を時間で微分した微分値、又は、上記の正常値もしくは微分値にさらに別の演算処理を行った数値等であってもよく、例えば、正常値の周波数領域における各周波数のパワーである。また、電流値に基づく入力とは、電流値そのもの、電流を時間で微分した微分値、又は、上記の電流値もしくは微分値にさらに別の演算処理を行った数値等であってもよく、例えば、電流値の周波数領域における各周波数のパワーである。
正常値に基づく基準、及び、電流値に基づく入力には、別のシステムにおいて計測値を処理した数値が用いられてもよい。この別のシステムとして、オートエンコーダを用いてもよい。オートエンコーダは、ニューラルネットワークを用いた、次元圧縮のアルゴリズムである。オートエンコーダを用いた例を説明すると、あらかじめ複数の正常値を入力と出力に用いた教師なし学習を行わせて、学習済みモデルを構築する。この学習済みモデルに正常値が入力されると、出力値は入力値と同じとなるが、正常値ではない値が入力されると、出力値は入力値と異なる値となる。
正常値に基づく基準は、上記の別システムのモデルに正常値を入力したときの(つまり学習フェーズにおける)入力値と出力値との差を用いればよい。この場合、正常値が別システムのモデルに入力されても、入力値と出力値との差は0となる。電流値に基づく入力としては、上記の別システムのモデルに計測された電流値を入力したときの(つまり推論フェーズにおける)入力値と出力値との差を用いればよい。この場合、正常値ではない数値が別システムのモデルに入力されると、入力値と出力値との差は0ではない所定の数値となる。そして、正常値に基づく基準と、電流値に基づく入力との差として、0と所定の数値との差(つまり、所定の数値そのもの)が変化度として算出される。なお、別のシステムとしては、例えば、マハラノビス距離を用いたものであってもよく、その他の教師なし学習を用いるものであってもよい。
電流値に基づく入力が正常値に基づく基準から外れるほど変化度が大きくなる。トレンドが、経時的に変化度が大きくなるような上昇トレンドを示す場合、その計測対象である駆動源99に故障などのトラブルが生じる予兆が出ていると推定することができる。ところで、変化度自体にも、電流値に基づく入力の、正常値に基づく基準との差の大きさという性質の情報が含まれているので、変化度を用いて直接的にトラブルの予兆を推定するということも考えられる。しかしながら、このような時間領域における1時点のみの変化度だけで推定すると、ノイズなどによる、実際のトラブルの予兆がない場合にも、「疑似的な」予兆が推定されてしまう。このような疑似的な予兆は、必要のない点検を行わせ、煩雑であるばかりか、点検コストを増大させる要因にもなる。そのため、本実施の形態における、時間領域における複数の時点の変化度を用いて、トレンドを算出することで、このような疑似的な予兆の推定を抑制して、煩雑さ及びコストを低減させることが可能となる。
本実施の形態では、駆動源99は、モータ99aとモータ99aに接続された回転変換機構99bとを含む。モータ99aにトラブルの予兆が生じれば、物理的な駆動抵抗が発生し、供給される電力の電流値に異常が発生する。回転変換機構99bは、モータ99aによる回転駆動の駆動軸の方向や、駆動軸の位置、駆動量、駆動形態などを変換する機構である。例えば図中では、ベルトドライブによって、駆動軸の位置及び駆動量を変換するベルトが示されている。回転変換機構99bとしては、他に、ボールねじ、ギヤボックス、ラック等、モータ99aの回転駆動を変換する構成であれば適用可能である。
回転変換機構99bについてもその駆動(駆動の変換)にトラブルの予兆が生じれば、モータ99aの物理的な駆動抵抗となって、供給される電力の電流値に異常が発生する。そのため、モータ99aに供給される電力の電流値を計測すれば、トレンドの算出によって駆動源99全体のトラブルの予兆の発生を推定することが可能となる。
駆動源99に供給される電力の電流値の計測は、電流センサ98によって行われる。電流センサ98は、駆動源99と駆動源99に電力を供給する電力供給源99cとを接続する電力線99dの外側から、当該電力線99dを介して供給される電力の電流値を計測する。具体的には、電流センサ98は、電力線99dの絶縁被覆の外側を、電力線99dに交差する交差面において周回する磁気コアを有する。そして、磁気コアの内側を電流が流れることによって発生する磁束を磁気コアに巻回されたコイル素子によって電圧値として計測する。このような原理によって電力の電流値が計測される。
ところで、上記のように、電流センサ98が電力線99dの外側に設置されるように構成すれば、電力供給源99cと駆動源99と電力線99dとの接続のいずれも取り外すことなく、電流センサ98を設置することができる。つまり、電流センサ98を、既設の設備に後付けで適用することができるので、トレンド算出システムの導入障壁をより低減させることが可能となる。電流センサ98によって計測された計測結果は、エッジデバイス200へと送信される。エッジデバイス200は、親機200a及び子機200bからなり、子機200bには、1個以上の電流センサ98が接続される。
子機200bは、いくつかの電流センサ98(例えば、1つのロボットアームの複数の関節のそれぞれの駆動源99について計測を行うための複数の電流センサ98)から計測結果を集約して親機200aへと送信する。親機200aは、そのようにして集められた電流値の計測結果をサーバ装置100へと送信する。駆動源99等と、電流センサ98と、エッジデバイス200とは、駆動源99が設置された建物内に配置される。一方で、サーバ装置100は、例えば、ネットワーク150(図2参照)上に構築されたクラウドサーバとして実現される。
なお、サーバ装置100の機能は、駆動源99から取得される計測結果ごとに最適化されるため、駆動源99ごと、又は、エッジデバイス200ごと等の単位で個別に設けられてもよい。こうすることで、例えば、トレンド算出システムの利用者ごとの処理リソースの利用率を可視化しやすく、利用率に応じたシステム利用料などを算出しやすいメリットがある。他にも、トレンド算出システムの利用者間でのデータへのアクセスを規制しやすく、セキュリティの観点でもメリットがある。また、サーバ装置100は、エッジサーバとして駆動源99駆動源99が設置された建物内に配置されてもよい。この場合、サーバ装置100が、親機200aなどの他の一部の構成と一体化されてもよい。
図2に示すように、トレンド算出システムは、サーバ装置100、エッジデバイス200,電流センサ98、及び、端末装置300を含んで構成される。なお、トレンド算出システムは、少なくともサーバ装置100の一部の機能と、電流センサ98とを含んでいれば、その他の構成は備えなくてもよい。
サーバ装置100は、サーバ制御部110、サーバ処理部120、サーバ蓄積部130、及び、サーバ通信部140を有する。
サーバ制御部110は、サーバ装置100の各種機能を制御するための機能部である。サーバ制御部110は、プロセッサ及びメモリを有し、所定のプログラムを実行することで、サーバ装置100の各種機能の制御を行う。
サーバ処理部120は、計測結果からトレンドの算出を行うトレンド算出部の機能と、算出したトレンドに基づいて駆動源99の動作が異常であるか否かを診断し、診断結果を出力する診断部の機能とを含む。サーバ処理部120は、プロセッサとメモリとによって各機能に対応するプログラムを実行することで実現される。
サーバ蓄積部130は、取得した計測結果、及び、サーバ装置100の各機能に係るプログラム等を記憶する記憶モジュールである。サーバ蓄積部130は、非一時的なコンピュータ読み取り可能な記録媒体等によって実現される。
サーバ通信部140は、ネットワーク150を介してエッジデバイス200及び端末装置300と通信する通信モジュールである。サーバ通信部140は、エッジデバイス200から計測結果を受信して、サーバ蓄積部130及びサーバ処理部120に出力する。サーバ通信部140は、取得部の一例である。
エッジデバイス200は、制御部210、通信部220、蓄積部230、及び、計測部240を有する。
制御部210は、エッジデバイス200の各種機能を制御するための機能部である。制御部210は、プロセッサ及びメモリを有し、所定のプログラムを実行することで、エッジデバイス200の各種機能の制御を行う。
通信部220は、ネットワーク150を介してサーバ装置100と通信する通信モジュールである。通信部220は、電流センサ98から取得した計測結果をサーバ装置100へと送信する。
蓄積部230は、電流センサ98から取得した計測結果、及び、サーバ装置100の各機能に係るプログラム等を記憶する記憶モジュールである。蓄積部230は、電流センサ98から取得した計測結果を一時的に記憶しておき、一定量の計測結果が蓄積されるごとに計測結果をサーバ装置100に送信するために一定量の計測結果をまとめたデータセットとして出力する。蓄積部230は、非一時的なコンピュータ読み取り可能な記録媒体等によって実現される。
電流センサ98及び駆動源99の基本構成については、上記したとおりのため、ここでの説明を省略する。
ところで、電流センサ98は、電流値の計測を行うが、計測結果が示す電流値は、駆動源99のトラブルの予兆の推定に用いられる。そのため、トラブルの予兆の推定という観点で、適切な電流センサ98が用いられるとよい。例えば、本実施の形態では、高調波センサとも呼ばれる電流センサ98が用いられる。高調波センサと、一般の電流センサとの違いについて、図3を参照して説明する。図3は、本実施の形態に係る電流センサの計測特性を説明するための図である。図3では、上段に高調波センサで計測した電流値の計測結果に対して、周波数成分ごとのパワーとして示されるようにフーリエ変換を行った際のスペクトルを示しており、下段に一般の電流センサで計測した電流値の計測結果に対してフーリエ変換を行った際のスペクトルを示している。なお、図3では、いずれも同じ計測対象の計測結果を示している。
ここでの高調波センサとしては、電流値の周波数領域において、周波数が高いほど感度が高い計測特性を有する電流センサを用いている。より詳しくは、高調波センサとして、周波数に比例して感度が高くなる電流センサが用いられている。そのため、一般の電流センサに比べて、高周波領域(紙面右側)におけるスペクトルのパワーが高く計測されている。通常、駆動源99のトラブルにおいては、比較的高周波側の領域に電流値の変化が現れることが知られており、上記のような計測特性を有する高調波センサを用いることで、トラブルの予兆に対する検出精度を向上することが可能となる。また、上記では、高調波センサとして、周波数に比例して感度が高くなる電流センサが用いられる例をたが、高調波センサとして、電流を時間で微分した値を直接的に計測することで、同様の効果を奏する電流センサが用いられてもよい。なお、このような高調波センサを用いることは必須ではなく、例えば、下段に示す一般の電流センサのような計測特性であっても、検出精度が低いものの同様の機能を実現することができる。
図2の説明に戻り、端末装置300は、画面生成部310、端末表示部320、端末制御部330、及び、端末通信部340を有する。
画面生成部310は、端末表示部320において表示するための画像信号を、画像情報から生成するための処理部である。画面生成部310は、プロセッサとメモリとによって実現される。特に画面生成部310のプロセッサには、画像処理などの単純計算に特化したプロセッサ、いわゆる、グラフィクスプロセシングユニット等が用いられる。
端末表示部320は、液晶、有機EL又はマイクロLED等の表示素子を有するディスプレイモジュールである。端末表示部320には、画面生成部310によって生成された画像信号に応じて、画面(表示面)上に画像が表示される。
端末制御部330は、端末装置300の各種機能を制御するための機能部である。端末制御部330は、プロセッサ及びメモリを有し、所定のプログラムを実行することで、端末装置300の各種機能の制御を行う。
端末通信部340は、ネットワーク150を介してサーバ装置100と通信する通信モジュールである。端末通信部340は、サーバ装置100から受信した情報を端末表示部320に表示させるために、画面生成部310に出力する、及び、入力部(不図示)を介したユーザからの入力をサーバ装置100へと送信する等の機能を有する。
次に図4~図7を参照して、トレンド算出システムの動作について説明する。図4及び図5は、本実施の形態に係るトレンド算出システムにおいて算出されるトレンドを説明するための図である。特に、図4は、トレンド算出システムが備えるトレンド算出モデルを学習させるフェーズの動作を示し、図5は、学習済みのトレンド算出モデルを用いた推論のフェーズの動作を示している。
トレンド算出システムを導入した際に、まず、図4に示すように、トレンド算出モデルを学習させるための動作が実行される。初めに、電流センサ98が、駆動源99に供給される電力の電流値を計測する(S101)。計測結果は、逐次、エッジデバイス200に送信されて、蓄積部230に蓄積される(S102)。電流センサ98が計測し(S101)、蓄積部230に蓄積する(S102)ことが繰り返し行われた後に、計測結果がトレンド算出モデルの学習に必要な量(データ個数)蓄積されると、これらの計測結果がサーバ装置100へと送信される(S103)。サーバ通信部140は、計測結果を受信(取得)する(S104)。サーバ蓄積部130は、受信した計測結果を蓄積し(S105)、必要な量(データセット数)の計測結果が蓄積されると、これらの計測結果のデータセットをサーバ処理部120へと出力する。
サーバ処理部120は、出力された計測結果のデータセットを用いて、トレンド算出モデルを学習させる(S106)。トレンド算出モデルは、計測結果からトレンドを算出するように構成されているので、各データセットに対応するトレンドの正解データ等が学習に用いられる。なお、トレンド算出モデルの構成は、計測結果からトレンドを算出する構成に限らず、計測結果から変化度を算出する構成であってもよいし、単に、正常値の標準的なデータを算出するのみでもよい。
トレンド算出モデルが計測結果から変化度を算出する構成(つまり、変化度算出モデル)である場合、複数の変化度からトレンドを算出する動作は、所定のアルゴリズムによって行われる。また、トレンド算出モデルが単に、正常値の標準的なデータを算出するのみである場合、生成された標準的なデータから変化度を算出する動作、及び、複数の変化度からトレンドを算出する動作は、それぞれ所定のアルゴリズムによって行われる。
続いて、サーバ処理部120は、蓄積された計測結果により、学習結果に対応するトレンド算出モデルの評価を行う(S107)。この評価結果と紐づけられた状態で、サーバ蓄積部130に学習結果が蓄積される(S108)。サーバ処理部120は、推論に用いる学習結果に対応するトレンド算出モデルを決定するため、学習結果に紐づけられた評価結果が良好であるか否かを判定する(S109)。評価結果が良好でなければ(S109でNo)、ステップS101に戻り、電流値の計測から同様の処理を繰り返す。
評価結果が良好であれば(S109でYes)、ステップS110に進み、サーバ処理部120は、学習結果に対応するトレンド算出モデルを推論でのトレンド算出用にセットする。
次に、図5に示すように、トレンド算出モデルを用いた推論の動作が実行される。初めに、電流センサ98が、駆動源99に供給される電力の電流値を計測する(S201)。計測結果は、逐次、エッジデバイス200に送信されて、蓄積部230に蓄積される(S202)。電流センサ98が計測し(S201)、蓄積部230に蓄積する(S202)ことが繰り返し行われた後に、計測結果がトレンド算出に必要な量(データ個数)蓄積されると、これらの計測結果がサーバ装置100へと送信される(S203)。サーバ通信部140は、計測結果を受信(取得)する(S204)。
サーバ蓄積部130は、受信した計測結果を蓄積し(S205)、必要な量(データ個数)の計測結果が蓄積されると、これらの計測結果のデータセットをサーバ処理部120へと出力する。ここでの必要なデータ個数は、トレンド算出モデルの学習時の1つのデータセットに対応する個数であるが、異なる個数でもよい。ただし、トレンドの算出によって、長期的な、電流値の変化傾向を評価するという観点で、異なる2つの時点(つまり、過去の第1時点及び前記第1時点よりも後の第2時点)の間を補完する計測結果が蓄積されている必要がある。第1時点と第2時点との間の期間は、どの程度のスパンで安定期(安定動作する期間)から故障期(経年劣化による故障の可能性が上昇する期間)に移行するかによって異なり、例えば、数日、数週間、又は、数か月などの期間が適用される。また、トレンドの算出は、過去、全ての期間に対して行われてもよい。この場合、第1時点は、トレンド算出システムの推論フェーズを開始した最初の時点であり、第2時点は、直近に計測結果が取得された時点である。
過去の第1時点及び前記第1時点よりも後の第2時点の間の所定期間内における計測結果を蓄積した後、サーバ処理部120は、算出部としての機能を用いて、それらの計測結果をトレンド算出モデルに入力して、トレンドを出力(算出)させる(S206)。このとき、まず、トレンド算出システムとして、後続するステップS208以降のトレンドによる判定をすると設定されているか否かを判定する(S207)。例えば、ユーザがトレンドによる判定をするか否かを設定した設定情報がサーバ蓄積部130などに記憶されており、サーバ処理部120が、その設定情報を読み出してトレンドによる判定をすると設定されているか否かを判定する。このトレンドによる判定をするか否の判定は必須ではなく、必ずトレンドによる判定をするようにトレンド判定システムが設定されている場合などには、ステップS207は省略されてもよい。
設定情報において、トレンドによる判定をしないと設定されていた場合(S207でNo)、トレンドによる判定の処理には進まない。その場合、例えば、図示するように処理が終了されてもよいし、変化度自体に含まれる、電流値に基づく入力の、正常値に基づく基準との差の大きさという性質の情報を用いて直接的にトラブルの予兆を推定する処理(不図示)が開始されてもよい。設定情報において、トレンドによる判定をすると設定されていた場合(S207でYes)、サーバ処理部120は、診断部の機能を用いて、出力されたトレンドが、第1時点から第2時点の間における変化度の変化傾向が所定の閾値以上に大きくなる上昇トレンドを示すか否かを判定する(S208)。この判定結果に応じて、サーバ処理部120は、駆動源99の動作が異常であるか否か診断し診断結果を出力(報知)する。
ここで、図6は、本実施の形態に係るトレンド算出システムにおいて算出されるトレンドを説明するための図である。図6では、(仮に変化度を算出したとした場合に)時間に対する変化度のプロット(白抜き丸印)のグラフが示されている。図6の上段には、単に変化度に対する閾値判定をした際の報知タイミングが示されており、図6の下段には、上昇トレンドを示すか否かを判定した際の報知タイミングが示されている。図6の上段に示すように、単に変化度に対する閾値判定をした際、グラフ中の左側における変化度が急立ち上がりする3つの時点において、報知が行われるが、これらは、ノイズによる誤報知であるため、不適切な報知である。一方で、図6の下段に示すように、上昇トレンドを示すか否かを判定した場合、変化度が急立ち上がりする3つの時点を含む左側の矩形内の期間では、トレンドが上昇傾向を示していないので上記のような誤報知が発生しない。上昇トレンドを示すか否かを判定した場合は、右側の矩形内の期間に入ってからトレンドが上昇傾向を示すことが分かる。このように、本実施の形態では、適切なタイミングでの点検を行うための情報としてのトレンドを算出することが可能となる。
図5に戻り、サーバ処理部120が上昇トレンドを示さない(上昇トレンドを検出しない)と判定した場合(S208でNo)、ステップS201に戻り、次の期間についての計測を開始する。一方で、サーバ処理部120が上昇トレンドを示す(上昇トレンドを検出した)と判定した場合(S208でYes)、ステップS208に進み、サーバ処理部120は、報知情報を生成する。なお、トレンドが、上昇トレンドであるか否かの閾値は、経験的又は実験的に設定されればよい。
生成した報知情報は、サーバ通信部140によって端末装置300に送信される(S2010)。端末通信部340は、報知情報を受信すると(S211)、画面生成部310へと出力する。画面生成部310は、報知情報の内容を示す画像情報を生成し、端末表示部320に表示させる(S212)。
図7は、本実施の形態に係るトレンド算出システムにおいて出力される報知情報を説明するための図である。図7に示すように、端末装置300では、報知情報の内容を示す画像が表示される。具体的には、表示される画像には、上昇トレンドが示された際の、算出されたトレンド(破線の曲線及び曲線に接する実線の接線)、当該トレンドの算出に用いられた変化度等のプロット、トレンドの算出が行われた期間を示す情報(矩形枠)、及び、計測対象の駆動源99を特定する情報(あらかじめ登録された名称など)、駆動源99の動作が異常であることを示すメッセージなどが表示されている。
以上のようにして、駆動源99に供給される電力の電流値から、変化度の経時的な変化傾向を示すトレンドを算出し、そのトレンドが上昇トレンドを示すか否かによって、当該駆動源99のトラブルの予兆を適切に推定することが可能となる。
以上、一つまたは複数の態様に係るトレンド算出装置などについて、実施の形態に基づいて説明したが、本開示は、この実施の形態に限定されるものではない。本開示の趣旨を逸脱しない限り、当業者が思いつく各種変形を上記実施の形態に施したものや、異なる実施の形態における構成要素を組み合わせて構築される形態も、一つまたは複数の態様の範囲内に含まれてもよい。
例えば、上記実施の形態において、各構成要素は、専用のハードウェアで構成されるが、各構成要素に適したソフトウェアプログラムを実行することによって実現されてもよい。各構成要素は、CPUまたはプロセッサなどのプログラム実行部が、ハードディスクまたは半導体メモリなどの記録媒体に記録されたソフトウェアプログラムを読み出して実行することによって実現されてもよい。ここで、上記実施の形態の情報装置などを実現するソフトウェアは、次のようなプログラムである。
すなわち、このプログラムは、コンピュータに、トレンド算出方法を実行させるプログラムである。
本開示は、駆動源の点検タイミングを決定する際に利用可能である。
98 電流センサ
99 駆動源
99a モータ
99b 回転変換機構
99c 電力供給源
99d 電力線
100 サーバ装置
110 サーバ制御部
120 サーバ処理部
130 サーバ蓄積部
140 サーバ通信部
150 ネットワーク
200 エッジデバイス
200a 親機
200b 子機
210 制御部
220 通信部
230 蓄積部
240 計測部
300 端末装置
310 画面生成部
320 端末表示部
330 端末制御部
340 端末通信部
99 駆動源
99a モータ
99b 回転変換機構
99c 電力供給源
99d 電力線
100 サーバ装置
110 サーバ制御部
120 サーバ処理部
130 サーバ蓄積部
140 サーバ通信部
150 ネットワーク
200 エッジデバイス
200a 親機
200b 子機
210 制御部
220 通信部
230 蓄積部
240 計測部
300 端末装置
310 画面生成部
320 端末表示部
330 端末制御部
340 端末通信部
Claims (8)
- 供給された電力によって駆動する駆動源に対して、供給される前記電力の電流値を計測した計測結果を取得する取得部と、
過去の第1時点及び前記第1時点よりも後の第2時点の間に取得した前記計測結果に基づいて、取得したそれぞれの前記計測結果に示される電流値に基づく入力と、前記駆動源が正常に駆動しているときにあらかじめ計測された前記電力の電流値に基づく基準との差の大きさに対応する変化度が経時的に増減した際の、前記第1時点から前記第2時点の間における変化傾向を示すトレンドを算出して出力する算出部と、を備える
トレンド算出装置。 - 前記算出部は、前記第1時点から前記第2時点の間において取得した前記計測結果の入力に応じて、前記トレンドを出力する学習済みのトレンド算出モデルを有する
請求項1に記載のトレンド算出装置。 - 前記算出部は、
取得した前記計測結果の入力に応じて、前記変化度を出力する学習済みの変化度算出モデルを有し、
前記第1時点から前記第2時点の間において取得したそれぞれの前記計測結果を、前記変化度算出モデルに入力したときに出力されたそれぞれの前記変化度を時間領域において近似した近似式に基づいて、前記トレンドを算出する
請求項1に記載のトレンド算出装置。 - 前記取得部は、電流センサが計測した電流値を前記計測結果として取得し、
前記電流センサは、電流値の周波数領域において、周波数が高いほど感度が高い計測特性を有する
請求項1に記載のトレンド算出装置。 - 算出した前記トレンドが、前記第1時点から前記第2時点の間における前記変化度の変化傾向が所定の閾値以上に大きくなる上昇トレンドを示す場合に、前記駆動源の動作が異常であると診断し、診断結果を出力する診断部をさらに備える
請求項1~4のいずれか1項に記載のトレンド算出装置。 - 前記診断結果は、
前記上昇トレンドが示された際の算出された前記トレンドと、
計測対象の前記駆動源の動作が異常であることを示すメッセージと、の少なくとも一方を含む
請求項5に記載のトレンド算出装置。 - 請求項1に記載のトレンド算出装置と、
前記取得部が前記計測結果として取得する電流値の計測に用いられる電流センサと、を備え、
前記電流センサは、前記駆動源と前記駆動源に電力を供給する電力供給源とを接続する電力線の外側から、当該電力線を介して供給される電力の電流値を計測する
トレンド算出システム。 - 供給された電力によって駆動する駆動源に対して、供給される前記電力の電流値を計測した計測結果を取得し、
過去の第1時点及び前記第1時点よりも後の第2時点の間に取得した前記計測結果に基づいて、取得したそれぞれの前記計測結果に示される電流値と、前記駆動源が正常に駆動しているときの前記電力の電流値との差の大きさに対応する変化度が経時的に増減した際の、前記第1時点から前記第2時点の間における変化傾向を示すトレンドを算出する
トレンド算出方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2022128255A JP2024025095A (ja) | 2022-08-10 | 2022-08-10 | トレンド算出装置、トレンド算出システム、及び、トレンド算出方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2022128255A JP2024025095A (ja) | 2022-08-10 | 2022-08-10 | トレンド算出装置、トレンド算出システム、及び、トレンド算出方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2024025095A true JP2024025095A (ja) | 2024-02-26 |
Family
ID=90010658
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022128255A Pending JP2024025095A (ja) | 2022-08-10 | 2022-08-10 | トレンド算出装置、トレンド算出システム、及び、トレンド算出方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2024025095A (ja) |
-
2022
- 2022-08-10 JP JP2022128255A patent/JP2024025095A/ja active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9823308B2 (en) | Method for monitoring demagnetization | |
TWI698586B (zh) | 風扇運作狀態診斷裝置及其方法 | |
CN116879662B (zh) | 基于数据分析的变压器故障检测方法 | |
JP4767148B2 (ja) | 正常データベースを用いた転がり軸受の余寿命診断方法、余寿命診断システム及び余寿命診断に用いるコンピュータプログラム | |
JP6223461B2 (ja) | インピーダンス解析に基づく電気機械システムの診断方法 | |
TWI533589B (zh) | 電動機控制裝置 | |
KR101748559B1 (ko) | 회전체 진단 장치 및 방법 | |
JP2017083985A (ja) | 時系列データ処理方法、時系列データ処理プログラム、および、時系列データ処理装置 | |
JPH1047313A (ja) | スティックスリップ検出方法および検出装置 | |
EP2284552B1 (en) | Method of inspecting linear motor condition | |
JP5164954B2 (ja) | 機器診断方法及び機器診断装置 | |
JP2004156616A (ja) | 高温計信号と関連させてニューラルネットワーク利用診断技法を使用してタービンブレード(バケット)の健康状態を監視し、予後を診断する方法 | |
US7949497B2 (en) | Machine condition monitoring using discontinuity detection | |
US20110166799A1 (en) | Trending of vibration data taking into account torque effect | |
JP2009060767A (ja) | 回転機の絶縁劣化診断システム | |
JP2010266327A (ja) | 設備診断装置及び設備診断方法 | |
JP2024025095A (ja) | トレンド算出装置、トレンド算出システム、及び、トレンド算出方法 | |
CN117662510A (zh) | 一种风机故障诊断***及其方法 | |
JP2014222150A (ja) | 電動部品監視装置及び電動部品監視方法 | |
JP6619908B1 (ja) | 診断装置、診断方法および診断プログラム | |
JP2021011371A (ja) | 診断装置、診断システムおよび診断方法 | |
CN109211156A (zh) | 监测基于向量的位置传感器的方法 | |
KR102385534B1 (ko) | 데이터 간 상호 유사도에 기반한 가상수명데이터 생성장치 및 방법 | |
WO2023209774A1 (ja) | 異常診断方法、異常診断装置、および、異常診断プログラム | |
WO2023100543A1 (ja) | 診断システム、診断方法、及びプログラム |