JP6572979B2 - Manufacturing facility diagnosis support apparatus and manufacturing facility diagnosis support method - Google Patents

Manufacturing facility diagnosis support apparatus and manufacturing facility diagnosis support method Download PDF

Info

Publication number
JP6572979B2
JP6572979B2 JP2017565020A JP2017565020A JP6572979B2 JP 6572979 B2 JP6572979 B2 JP 6572979B2 JP 2017565020 A JP2017565020 A JP 2017565020A JP 2017565020 A JP2017565020 A JP 2017565020A JP 6572979 B2 JP6572979 B2 JP 6572979B2
Authority
JP
Japan
Prior art keywords
data
feature
manufacturing facility
feature amount
abnormality detection
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.)
Active
Application number
JP2017565020A
Other languages
Japanese (ja)
Other versions
JPWO2017134772A1 (en
Inventor
手塚　知幸
知幸 手塚
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Toshiba Mitsubishi Electric Industrial Systems Corp
Original Assignee
Toshiba Mitsubishi Electric Industrial Systems Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Toshiba Mitsubishi Electric Industrial Systems Corp filed Critical Toshiba Mitsubishi Electric Industrial Systems Corp
Publication of JPWO2017134772A1 publication Critical patent/JPWO2017134772A1/en
Application granted granted Critical
Publication of JP6572979B2 publication Critical patent/JP6572979B2/en
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
    • G05B23/0221—Preprocessing measurements, e.g. data collection rate adjustment; Standardization of measurements; Time series or signal analysis, e.g. frequency analysis or wavelets; Trustworthiness of measurements; Indexes therefor; Measurements using easily measured parameters to estimate parameters difficult to measure; Virtual sensor creation; De-noising; Sensor fusion; Unconventional preprocessing inherently present in specific fault detection methods like PCA-based methods
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
    • G05B23/0224—Process history based detection method, e.g. whereby history implies the availability of large amounts of data
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/20—Pc systems
    • G05B2219/24—Pc safety
    • G05B2219/24063—Select signals as function of priority, importance for diagnostic

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Testing And Monitoring For Control Systems (AREA)
  • General Factory Administration (AREA)

Description

本発明は、金属材料を圧延する圧延ラインや焼きなましをする焼鈍ラインなど、少なくとも２つ以上の類似した装置が設置される製造設備の診断を支援するための装置及び方法に関する。   The present invention relates to an apparatus and method for supporting diagnosis of a manufacturing facility in which at least two or more similar apparatuses are installed, such as a rolling line for rolling a metal material and an annealing line for annealing.

圧延ラインや焼鈍ラインなどの製造設備は複数の装置で構成されている。製造設備を構成する装置に故障があると、製品の品質の低下やライン停止による生産効率の低下を招くことがある。さらには、一つの装置の故障の枠にとどまらず、これを発端として重大なトラブルが引き起こされ、他の装置にもダメージを与えてしまうおそれもある。そのため、故障が起きる前に対処できるよう、製造設備の的確な診断が求められている。   Manufacturing equipment such as a rolling line and an annealing line is composed of a plurality of apparatuses. If there is a failure in the equipment constituting the manufacturing facility, the quality of the product may be lowered or the production efficiency may be lowered due to the line stop. Furthermore, it is not limited to the failure frame of one device, but this may be used as a starting point, causing a serious trouble and possibly damaging other devices. Therefore, accurate diagnosis of manufacturing equipment is required so that it can be dealt with before a failure occurs.

このような背景から、近年、製造設備の診断の支援に関する種々の手法が提案されている。その代表的なものが、故障が起きる前に対処できるよう、製造設備を構成する装置の異常を把握する技術である。その多くは、過去に起こった異常現象を既知の情報として蓄えておき、それを利用して現在の状態が異常であるかどうか判断するものである。しかし、もちろん過去の知見は有用であるものの、過去に異常が起きたことが既知でないと適用できないし、全く新しい異常が起こったときには対処することができない。   Against this background, in recent years, various methods for assisting diagnosis of manufacturing facilities have been proposed. A typical example is a technique for grasping the abnormality of the devices constituting the manufacturing facility so that it can be dealt with before a failure occurs. In many cases, abnormal phenomena that occurred in the past are stored as known information and are used to determine whether the current state is abnormal. However, although past knowledge is useful, it cannot be applied unless it is known that an abnormality has occurred in the past, and it cannot be dealt with when a completely new abnormality occurs.

一方、国際公開第２０１５/１７７８７０号には製造設備の診断の支援に関する新たな技術が開示されている。同公報に開示された技術は、製造設備を構成する装置に少なくとも２つ以上の類似した装置が含まれる場合、対象とする期間において類似する各装置から採取したデータに基づいて特徴量を計算し、類似する装置間での特徴量の比較に基づいて異常を検知するというものである。この技術によれば、過去に起こった異常現象に関する知見を必要としない。   On the other hand, International Publication No. 2015/177870 discloses a new technology related to diagnosis support for manufacturing equipment. The technique disclosed in the publication calculates feature amounts based on data collected from similar devices in a target period when at least two or more similar devices are included in the devices constituting the manufacturing facility. An abnormality is detected based on a comparison of feature amounts between similar devices. According to this technology, knowledge about abnormal phenomena that have occurred in the past is not required.

国際公開第２０１５/１７７８７０号International Publication No. 2015/177870

国際公開第２０１５/１７７８７０号において計算されている特徴量は、装置の状態以外の要因、具体的には、製造している製品の原材料や製造条件などに依存する場合がある。特徴量の比較に基づいて異常を検知するのであれば、装置の状態以外の要因による特徴量の違いを考慮することが望ましい。しかし、国際公開第２０１５/１７７８７０号に開示された技術では、比較に用いる特徴量は、所定期間に類似する各装置で採取されたデータに基づいて計算されたものに限られている。このため、異常検知の判定において、製造している製品の原材料や製造条件など、装置の状態以外の要因に依存する特徴量の違いを考慮することは困難であった。   The feature amount calculated in International Publication No. 2015/177870 may depend on factors other than the state of the apparatus, specifically, the raw materials and manufacturing conditions of the product being manufactured. If an abnormality is detected based on the comparison of feature amounts, it is desirable to consider differences in feature amounts due to factors other than the state of the device. However, in the technique disclosed in International Publication No. 2015/177870, the feature amount used for comparison is limited to that calculated based on data collected by each device similar to a predetermined period. For this reason, it has been difficult to take into account differences in feature quantities that depend on factors other than the state of the apparatus, such as raw materials and manufacturing conditions of the manufactured product, in the determination of abnormality detection.

本発明は、上述のような課題に鑑みなされたもので、少なくとも２つ以上の類似した装置が設置される製造設備の診断において、装置の状態以外の要因が診断に及ぼす影響を抑えることができる装置及び方法を提供するものである。   The present invention has been made in view of the above-described problems, and in the diagnosis of a manufacturing facility in which at least two or more similar apparatuses are installed, the influence of factors other than the state of the apparatus on the diagnosis can be suppressed. An apparatus and method are provided.

本発明に係る製造設備診断支援装置は、少なくとも２つ以上の類似した装置が設置される製造設備内の各装置の運転データを常時または間欠的に収集し記録するデータ収集装置に接続され、データ収集装置に記録されたデータを解析することにより製造設備の診断を支援する製造設備診断支援装置であって、以下のように構成される。   The manufacturing facility diagnosis support device according to the present invention is connected to a data collection device that collects and records operation data of each device in a manufacturing facility in which at least two or more similar devices are installed constantly or intermittently. A manufacturing facility diagnosis support apparatus that supports diagnosis of a manufacturing facility by analyzing data recorded in a collection device, and is configured as follows.

すなわち、本発明に係る製造設備診断支援装置は、データ収集装置に記録されたデータから診断に用いるデータを抽出する手段と、抽出されたデータを類似した装置の同種のデータごとにグループ分けする手段と、グループ分けされたデータのグループごとの特徴量を演算する手段と、演算された特徴量を記憶する手段と、演算された特徴量と記憶された過去の特徴量とをグループ単位で比較し、その比較結果に基づいて異常を検知する手段とを備える。   That is, the manufacturing facility diagnosis support apparatus according to the present invention includes means for extracting data used for diagnosis from data recorded in the data collection apparatus, and means for grouping the extracted data into similar data of similar apparatuses. And means for calculating the feature quantity for each group of the grouped data, means for storing the calculated feature quantity, and comparing the calculated feature quantity and the stored past feature quantity in groups. And means for detecting an abnormality based on the comparison result.

上記の各手段の処理は、製造設備診断支援装置を構成するコンピュータに実行させてもよい。つまり、製造設備診断支援装置を、少なくとも一つのプロセッサと、少なくとも一つのプログラムを含む少なくとも一つのメモリとを備えるコンピュータで構成し、少なくとも一つのメモリと少なくとも一つのプログラムは、少なくとも一つのプロセッサとともに、コンピュータを少なくとも上記の各手段として動作させてもよい。   The processing of each means described above may be executed by a computer constituting the manufacturing facility diagnosis support apparatus. That is, the manufacturing facility diagnosis support apparatus is configured by a computer including at least one processor and at least one memory including at least one program, and the at least one memory and at least one program together with at least one processor, A computer may be operated as at least each of the above means.

データ収集装置に記録されたデータには、製造設備内の各装置が稼働中であることを示す稼働信号が含まれてもよい。この場合、データ抽出手段は、データ収集装置に記録されたデータに含まれる稼働信号に基づいて、各装置の稼働中に収集されたデータを抽出するように構成されてもよい。抽出するデータを装置の稼働中のデータに限定することで、特徴量の計算に用いるデータの有用性を高めることができる。   The data recorded in the data collection device may include an operation signal indicating that each device in the manufacturing facility is operating. In this case, the data extraction unit may be configured to extract data collected during operation of each device based on an operation signal included in data recorded in the data collection device. By limiting the data to be extracted to data during operation of the apparatus, it is possible to increase the usefulness of the data used for calculating the feature amount.

異常検知手段は、特徴量記憶手段に記憶された特徴量のうち、予め設定された時間だけ遡った過去の特徴量を用いて、あるいは、予め設定した製品の数だけ遡った過去の特徴量を用いて、異常検知を行うように構成されてもよい。   The anomaly detection means uses a past feature quantity that has been traced back by a preset time among the feature quantities stored in the feature quantity storage means, or a past feature quantity that has been traced by the preset number of products. And may be configured to detect anomalies.

データ収集装置に記録されたデータには、同データの収集時に製造設備が製造していた製品の原材料あるいは製造条件に関連する製品関連情報が含まれ、データ抽出手段により抽出されるデータには、特徴量演算手段により特徴量の演算に用いられるデータとともに製品関連情報が含まれてもよい。この場合、特徴量記憶手段は、特徴量の演算に用いたデータに関係する製品関連情報を同特徴量に紐付けて記憶するように構成されてもよい。さらに、この場合、異常検知手段は、特徴量記憶手段に記憶された特徴量のうち、特徴量演算手段で演算された特徴量と同じ、あるいは一部が同じである製品関連情報が紐付けされた過去の製品製造時の特徴量を用いて、異常検知を行うように構成されてもよい。同様の製品を製造したときの特徴量を比較に用いることで、異常検知の精度を向上させることができる。   The data recorded in the data collection device includes product related information related to the raw materials or production conditions of the products manufactured by the manufacturing equipment at the time of collecting the data, and the data extracted by the data extraction means includes: Product-related information may be included together with data used for calculating feature values by the feature value calculating means. In this case, the feature quantity storage means may be configured to store product related information related to data used for calculating the feature quantity in association with the feature quantity. Furthermore, in this case, the abnormality detection means is associated with product-related information that is the same as or partially the same as the feature quantity calculated by the feature quantity calculation means among the feature quantities stored in the feature quantity storage means. Alternatively, the abnormality detection may be performed by using the feature amount at the time of past product manufacture. The accuracy of abnormality detection can be improved by using the feature amount when the similar product is manufactured for comparison.

さらに、異常検知手段は、特徴量演算手段で演算された複数個の特徴量の代表値と、特徴量記憶手段に記憶された複数個の過去の特徴量の代表値とを用いて、異常検知を行うように構成されてもよい。単一の特徴量ではなく複数個の特徴量の代表値を用いて異常検知を行うことで、突発的なデータの変動などが診断に影響することを抑えることができる。   Further, the abnormality detection means detects an abnormality using the representative values of the plurality of feature amounts calculated by the feature amount calculation means and the representative values of the plurality of past feature amounts stored in the feature amount storage means. May be configured. By performing abnormality detection using a representative value of a plurality of feature values instead of a single feature value, it is possible to suppress sudden changes in data and the like from affecting the diagnosis.

特徴量記憶手段は、異常検知手段により異常が検知された場合、異常が検知された特徴量を検知結果に紐付けて記憶するように構成されてもよい。この場合、異常検知手段は、特徴量記憶手段に記憶された特徴量のうち、異常が検知されていない過去の特徴量を用いて、異常検知を行うように構成されてもよい。異常が検知された特徴量を以降の判断から除外することで、特徴量に基づく異常検知の精度を高めることができる。   The feature amount storage unit may be configured to store the feature amount in which the abnormality is detected in association with the detection result when an abnormality is detected by the abnormality detection unit. In this case, the abnormality detection unit may be configured to perform abnormality detection using a past feature amount in which no abnormality is detected among the feature amounts stored in the feature amount storage unit. By excluding the feature amount in which the abnormality is detected from the subsequent determination, it is possible to improve the accuracy of abnormality detection based on the feature amount.

さらに、本発明に係る製造設備診断支援装置は、入力装置を介して指定された条件に従い、特徴量記憶手段に記憶された特徴量を抽出または加工して、表示装置に出力すべき監視用のデータを作成する監視データ作成手段を備えてもよい。ユーザが所望する監視用のデータが表示装置に表示されることで、製造設備の診断のための支援の程度が向上する。   Furthermore, the manufacturing facility diagnosis support apparatus according to the present invention extracts or processes the feature quantity stored in the feature quantity storage means in accordance with the conditions specified via the input device, and outputs it to the display device for monitoring. Monitoring data creation means for creating data may be provided. By displaying the monitoring data desired by the user on the display device, the degree of support for the diagnosis of the manufacturing facility is improved.

また、本発明に係る製造設備診断支援方法は、少なくとも２つ以上の類似した装置が設置される製造設備内の各装置の運転データを、データ収集装置により常時または間欠的に収集して記録し、データ収集装置に記録されたデータを解析することにより製造設備の診断を支援する製造設備診断支援方法であって、以下のステップを有する。   In addition, the manufacturing facility diagnosis support method according to the present invention collects and records the operation data of each device in the manufacturing facility in which at least two or more similar devices are installed, continuously or intermittently by the data collection device. A manufacturing facility diagnosis support method for supporting diagnosis of a manufacturing facility by analyzing data recorded in the data collection device, and includes the following steps.

すなわち、本発明に係る製造設備診断支援方法は、データ収集装置に記録されたデータから診断に用いるデータを抽出するステップと、抽出されたデータを類似した装置の同種のデータごとにグループ分けするステップと、グループ分けされたデータのグループごとの特徴量を演算するステップと、演算された特徴量を記憶装置に記憶するステップと、新たに演算された特徴量と記憶装置に記憶された過去の特徴量とをグループ単位で比較し、その比較結果に基づいて異常を検知するステップとを有する。   That is, the manufacturing facility diagnosis support method according to the present invention includes a step of extracting data used for diagnosis from data recorded in the data collection device, and a step of grouping the extracted data into similar data of similar devices. Calculating a feature amount for each group of grouped data, storing the calculated feature amount in a storage device, newly calculated feature amounts and past features stored in the storage device Comparing the quantity in units of groups and detecting an abnormality based on the comparison result.

データ収集装置に記録されたデータには、製造設備内の各装置が稼働中であることを示す稼働信号が含まれてもよい。この場合、データ抽出ステップは、データ収集装置に記録されたデータに含まれる稼働信号に基づいて、各装置の稼働中に収集されたデータを抽出するステップであってもよい。   The data recorded in the data collection device may include an operation signal indicating that each device in the manufacturing facility is operating. In this case, the data extraction step may be a step of extracting data collected during operation of each device based on an operation signal included in data recorded in the data collection device.

異常検知ステップは、記憶装置に記憶された特徴量のうち、予め設定された時間だけ遡った過去の特徴量を用いて、あるいは、予め設定した製品の数だけ遡った過去の特徴量を用いて、異常検知を行うステップであってもよい。   The anomaly detection step uses a past feature quantity that is traced back by a preset time among feature quantities stored in the storage device, or a past feature quantity that is traced by a preset number of products. It may be a step of performing abnormality detection.

データ収集装置に記録されたデータには、同データの収集時に製造設備が製造していた製品の原材料あるいは製造条件に関連する製品関連情報が含まれ、データ抽出ステップで抽出されるデータには、特徴量演算ステップで特徴量の演算に用いられるデータとともに製品関連情報が含まれてもよい。この場合、特徴量記憶ステップは、特徴量の演算に用いたデータに関係する製品関連情報を同特徴量に紐付けて記憶装置に記憶するステップであってもよい。さらに、この場合、異常検知ステップは、記憶装置に記憶された特徴量のうち、新たに演算された特徴量と同じ、あるいは一部が同じである製品関連情報が紐付けされた過去の製品製造時の特徴量を用いて、異常検知を行うステップであってもよい。   The data recorded in the data collection device includes product related information related to the raw materials or production conditions of the products manufactured by the manufacturing equipment at the time of collecting the data, and the data extracted in the data extraction step includes: The product related information may be included together with the data used for the feature amount calculation in the feature amount calculation step. In this case, the feature amount storing step may be a step of storing the product related information related to the data used for calculating the feature amount in association with the feature amount in the storage device. Furthermore, in this case, the abnormality detection step is a past product manufacturing in which product-related information that is the same as or partially the same as the newly calculated feature amount among the feature amounts stored in the storage device is linked. It may be a step of performing abnormality detection using the time feature amount.

さらに、異常検知ステップは、新たに演算された複数個の特徴量の代表値と、記憶装置に記憶された複数個の過去の特徴量の代表値とを用いて、異常検知を行うステップであってもよい。   Furthermore, the abnormality detection step is a step of performing abnormality detection using the representative values of a plurality of newly calculated feature quantities and the representative values of a plurality of past feature quantities stored in the storage device. May be.

特徴量記憶ステップは、新たに演算された特徴量に異常が検知された場合、異常が検知された特徴量を検知結果に紐付けて記憶装置に記憶するステップであってもよい。この場合、異常検知ステップは、記憶装置に記憶された特徴量のうち、異常が検知されていない過去の特徴量を用いて、異常検知を行うステップであってもよい。   The feature amount storing step may be a step of storing the feature amount in which the abnormality is detected in the storage device in association with the detection result when an abnormality is detected in the newly calculated feature amount. In this case, the abnormality detection step may be a step of performing abnormality detection using a past feature amount in which no abnormality is detected among the feature amounts stored in the storage device.

さらに、本発明に係る製造設備診断支援方法は、入力装置を介して指定された条件に従い、記憶装置に記憶された特徴量を抽出または加工して、表示装置に出力すべき監視用のデータを作成する監視データ作成ステップを有してもよい。   Further, the manufacturing facility diagnosis support method according to the present invention extracts or processes the feature amount stored in the storage device according to the condition specified via the input device, and outputs the monitoring data to be output to the display device. You may have the monitoring data creation step to create.

なお、本発明によれば、上記の製造設備診断支援方法における各ステップの処理をコンピュータに実行させるためのプログラムと、そのプログラムを格納した記憶媒体も提供される。   In addition, according to this invention, the program for making a computer perform the process of each step in said manufacturing equipment diagnosis assistance method, and the storage medium which stored the program are also provided.

本発明によれば、データ収集装置に記録されたデータ、すなわち、製造設備内の各装置の運転データから診断に用いるデータが抽出される。抽出されたデータは類似した装置の同種のデータごとにグループ分けされ、グループ分けされたデータに対して、グループ内で診断するための特徴量が演算される。演算された特徴量は記憶装置に記憶される。そして、新たに演算された特徴量と記憶装置に記憶された過去の特徴量とが比較され、その比較結果に基づいて異常検知が行われる。この異常検知の結果がユーザに提供されることで、ユーザは、製造設備を構成する装置に異常が起きていないかどうか容易に判断することができる。   According to the present invention, data used for diagnosis is extracted from data recorded in the data collection device, that is, operation data of each device in the manufacturing facility. The extracted data is grouped for the same kind of data of similar devices, and feature quantities for diagnosis within the group are calculated for the grouped data. The calculated feature amount is stored in the storage device. Then, the newly calculated feature value and the past feature value stored in the storage device are compared, and abnormality detection is performed based on the comparison result. By providing the user with the result of the abnormality detection, the user can easily determine whether or not an abnormality has occurred in the apparatus constituting the manufacturing facility.

そして、本発明に係る製造設備診断支援装置及び製造設備診断支援方法によれば、演算した特徴量の比較の対象を、同期間に演算される他の装置に係る特徴量ではなく、記憶装置に記憶された当該装置に係る過去の特徴量としているので、比較の対象を広い範囲から選択することができる。よって、製造している製品の原材料や製造条件などに特徴量が依存するとしても、比較対象とする過去の特徴量を適切に選択することにより、装置の状態以外の要因が診断に及ぼす影響を抑えることができる。   Then, according to the manufacturing facility diagnosis support apparatus and the manufacturing facility diagnosis support method according to the present invention, the comparison target of the calculated feature amount is not stored in the storage device, but in the feature amount related to another device calculated during the same period Since the stored feature values of the device are the past feature values, the comparison target can be selected from a wide range. Therefore, even if the feature quantity depends on the raw material, production conditions, etc. of the product being manufactured, the influence of factors other than the state of the device on the diagnosis can be achieved by appropriately selecting the past feature quantity to be compared. Can be suppressed.

本発明の実施の形態のシステムの構成を示す図である。It is a figure which shows the structure of the system of embodiment of this invention. 本発明の実施の形態の製造設備診断支援装置の構成を示す図である。It is a figure which shows the structure of the manufacturing equipment diagnosis assistance apparatus of embodiment of this invention. 本発明の実施の形態におけるデータ抽出の一例を説明する図である。It is a figure explaining an example of the data extraction in embodiment of this invention. 本発明の実施の形態における異常検知の一例を説明する図である。It is a figure explaining an example of abnormality detection in an embodiment of the invention. 本発明の実施の形態における異常検知の一例を説明する図である。It is a figure explaining an example of abnormality detection in an embodiment of the invention.

図面を参照して、本発明の実施の形態を説明する。ただし、以下に示す実施の形態は、本発明の技術的思想を具体化するための装置や方法を例示するものであって、特に明示する場合を除き、構成部品の構造や配置、処理の順序などを下記のものに限定する意図はない。本発明は以下に示す実施の形態に限定されるものではなく、本発明の趣旨を逸脱しない範囲で種々変形して実施することができる。   Embodiments of the present invention will be described with reference to the drawings. However, the following embodiments exemplify apparatuses and methods for embodying the technical idea of the present invention, and unless otherwise specified, the structure and arrangement of components and the order of processing. Etc. are not intended to be limited to the following. The present invention is not limited to the embodiments described below, and various modifications can be made without departing from the spirit of the present invention.

図１は、本発明の実施の形態のシステムの構成を示す図である。本実施の形態の製造設備診断支援装置（以下、単に診断支援装置という）１０による診断支援の対象となる製造設備は、熱間薄板圧延ライン２０である。図１に示す熱間薄板圧延ライン２０は、加熱炉２１、粗圧延機２２，２３、バーヒータ２４、仕上圧延機２５、ランアウトテーブル２６、巻き取り機２７などの各種の装置を備えている。加熱炉２１で熱せられた圧延材１００は、２式の粗圧延機２２，２３により圧延される。粗圧延機２２，２３で圧延された圧延材１００は、バーヒータ２４を経て、仕上圧延機２５へ搬送される。仕上圧延機２５は、直列に並べられた７台の圧延スタンドＦ１〜Ｆ７を有し、圧延材１００を所望の板厚まで圧延する。仕上圧延機２５で圧延された圧延材１００は、ランアウトテーブル２６で冷却された後、巻き取り機２７によってコイル状に巻き取られる。圧延材１００を薄く圧延してできたコイル状の薄板が最終的な製品である。また、熱間薄板圧延ライン２０には、仕上圧延機２５の入側の温度を計測するための温度計３０、板厚及び板幅を計測するためのセンサ３１、仕上圧延機２５の出側の温度を計測するための温度計３２、巻き取り機２７の入側の温度を計測するための温度計３３などの種々のセンサ類が配置されている。   FIG. 1 is a diagram showing the configuration of a system according to an embodiment of the present invention. A manufacturing facility that is a target of diagnosis support by the manufacturing facility diagnosis support apparatus (hereinafter simply referred to as a diagnosis support apparatus) 10 according to the present embodiment is a hot sheet rolling line 20. A hot sheet rolling line 20 shown in FIG. 1 includes various apparatuses such as a heating furnace 21, rough rolling mills 22 and 23, a bar heater 24, a finish rolling mill 25, a runout table 26, and a winder 27. The rolled material 100 heated in the heating furnace 21 is rolled by two types of rough rolling mills 22 and 23. The rolled material 100 rolled by the rough rolling mills 22 and 23 is conveyed to the finishing rolling mill 25 through the bar heater 24. The finish rolling mill 25 has seven rolling stands F1 to F7 arranged in series, and rolls the rolled material 100 to a desired plate thickness. The rolled material 100 rolled by the finish rolling mill 25 is cooled by the run-out table 26 and then wound in a coil shape by the winder 27. A coil-shaped thin plate made by rolling the rolled material 100 thinly is the final product. Further, in the hot sheet rolling line 20, a thermometer 30 for measuring the temperature on the entry side of the finishing mill 25, a sensor 31 for measuring the plate thickness and the sheet width, and the exit side of the finishing mill 25. Various sensors such as a thermometer 32 for measuring the temperature and a thermometer 33 for measuring the temperature on the entry side of the winder 27 are arranged.

熱間薄板圧延ライン２０には、データ収集装置２８が設けられている。データ収集装置２８は、製品の品質を担保、あるいは管理するため、熱間薄板圧延ライン２０を構成する各装置に対する設定値や実績値、センサによる測定値、さらに装置を適正に動作させるための操作量などの各種の運転データを常時または間欠的に収集し、ハードディスクなどの記録装置に記録している。データ収集装置２８は、単一のコンピュータで構成してもよいし、ネットワークに接続された複数のコンピュータで構成してもよい。   The hot sheet rolling line 20 is provided with a data collection device 28. In order to guarantee or manage the quality of the product, the data collection device 28 is a set value or actual value for each device constituting the hot sheet rolling line 20, a measured value by the sensor, and an operation for operating the device properly. Various operation data such as quantity are collected constantly or intermittently and recorded in a recording device such as a hard disk. The data collection device 28 may be composed of a single computer or a plurality of computers connected to a network.

データ収集装置２８によって運転データが収集される装置には、仕上圧延機２５の圧延スタンドＦ１〜Ｆ７が含まれる。７台の圧延スタンドＦ１〜Ｆ７は、上下の圧延ロールを駆動するための大容量電動機、ロールと電動機を結ぶシャフト、ロールを上下に動かす圧下装置など、細かい仕様は異なるものの、その基本的な構成は共通する。ゆえに、圧延スタンドＦ１〜Ｆ７は、類似した装置、詳しくは、共通の基本的な構成を有し、且つ、仕様及び使用条件が類似した装置に該当する。   The devices from which the operation data is collected by the data collection device 28 include rolling stands F1 to F7 of the finishing mill 25. The seven rolling stands F1 to F7 have different basic specifications, such as a large-capacity electric motor for driving the upper and lower rolling rolls, a shaft connecting the rolls and the electric motor, and a reduction device for moving the roll up and down. Are common. Therefore, the rolling stands F1 to F7 correspond to similar apparatuses, specifically, apparatuses having a common basic configuration and similar specifications and use conditions.

診断支援装置１０は、ＬＡＮによってデータ収集装置２８に接続されている。診断支援装置１０は、熱間薄板圧延ライン２０を診断した結果を提示する装置ではなく、ユーザによる熱間薄板圧延ライン２０の診断を支援する装置である。より詳しくは、診断支援装置１０は、熱間薄板圧延ライン２０の診断に用いるデータをデータ収集装置２８に記録されたデータから抽出し、解析し、その解析結果をユーザに対して提供することにより、ユーザが行う診断を支援する装置である。診断支援装置１０は、少なくとも１つのメモリと少なくとも１つのプロセッサとを有するコンピュータである。メモリには、診断支援に用いる各種のプログラムや各種のデータが記憶される。また、診断支援装置１０には、解析結果を表示するための表示装置１８と、ユーザの指令を入力するためのキーボード、マウスタッチパネルなどの入力装置１９とが接続されている。   The diagnosis support apparatus 10 is connected to the data collection apparatus 28 via a LAN. The diagnosis support apparatus 10 is not an apparatus that presents a result of diagnosing the hot sheet rolling line 20 but an apparatus that supports a diagnosis of the hot sheet rolling line 20 by a user. More specifically, the diagnosis support apparatus 10 extracts and analyzes data used for diagnosis of the hot sheet rolling line 20 from data recorded in the data collection apparatus 28, and provides the analysis result to the user. This is a device that supports diagnosis performed by the user. The diagnosis support apparatus 10 is a computer having at least one memory and at least one processor. The memory stores various programs and various data used for diagnosis support. The diagnosis support apparatus 10 is connected to a display device 18 for displaying the analysis result and an input device 19 such as a keyboard and a mouse touch panel for inputting a user command.

図２は、診断支援装置１０の構成を示す図であって、診断支援装置１０が有する機能がブロックで表されている。診断支援装置１０は、データ抽出部１１、データグループ化部１２、特徴量演算部１３、特徴量記憶部１４、異常検知部１５、及び、監視データ作成部１６を備えている。これらの機能部１１〜１６で行われる処理は、本発明に係る製造設備診断支援方法における各ステップの処理に対応している。診断支援装置１０のメモリから読みだされたプログラムがプロセッサで実行されることによって、これらの機能部１１〜１６の機能、つまり、診断支援装置１０としての機能がコンピュータにて実現される。なお、コンピュータを診断支援装置１０として機能させる上記プログラムは、ネットワーク又はコンピュータで読み取り可能な記憶媒体（例えばＣＤ−ＲＯＭ、ＤＶＤ、ＵＳＢメモリ等）を介して提供される。以下、診断支援装置１０を構成する機能部１１〜１６の機能について説明する。   FIG. 2 is a diagram illustrating the configuration of the diagnosis support apparatus 10, and the functions of the diagnosis support apparatus 10 are represented by blocks. The diagnosis support apparatus 10 includes a data extraction unit 11, a data grouping unit 12, a feature amount calculation unit 13, a feature amount storage unit 14, an abnormality detection unit 15, and a monitoring data creation unit 16. The processing performed by these functional units 11 to 16 corresponds to the processing of each step in the manufacturing facility diagnosis support method according to the present invention. When the program read from the memory of the diagnosis support apparatus 10 is executed by the processor, the functions of these functional units 11 to 16, that is, the functions as the diagnosis support apparatus 10 are realized by the computer. Note that the program that causes the computer to function as the diagnosis support apparatus 10 is provided via a network or a computer-readable storage medium (for example, a CD-ROM, a DVD, or a USB memory). Hereinafter, functions of the function units 11 to 16 constituting the diagnosis support apparatus 10 will be described.

データ抽出部１１は、類似した装置の運転データをデータ収集装置２８から抽出する機能（データ抽出手段としての機能）を有する。類似した装置の例である圧延スタンドＦ１〜Ｆ７の場合、データ抽出部１１が抽出する運転データには、各圧延スタンドＦ１〜Ｆ７の圧延荷重、電動機電流、速度、圧下位置などが含まれる。好ましくは、圧延スタンドＦ１〜Ｆ７の運転データのうち、圧延スタンドＦ１〜Ｆ７の稼働中に収集されたデータ、すなわち、圧延中のデータが抽出される。圧延中かどうかは、データ自身の大きさやその変化などから判断することができる。例えば、抽出されるデータが圧延荷重であれば、図３に示すように、圧延中と非圧延中で圧延荷重の大きさが変わるため、ある閾値を設定することで、圧延中と非圧延中のどちらであるか圧延荷重の大きさから判断することができる。圧延中であることを示す稼働中信号は、圧延スタンドＦ１〜Ｆ７を制御している図示しない制御装置において作成され、圧延荷重のデータとともにデータ収集装置２８に収集され、圧延荷重のデータに紐付けして記録されている。或いは、データ抽出部１１が、データ収集装置２８からデータ（圧延荷重のデータには限定されない）を抽出する際、データ収集装置２８に記録されている圧延荷重のデータをチェックし、圧延荷重が閾値を超えていたらそのデータをデータ収集装置２８から読み込むようにしてもよい。なお、図３に示す例では、圧延荷重のデータ自身の大きさに基づいて稼働中信号を作成しているが、圧延中と非圧延中とで変化する特定の現象に関連付けて稼働中信号を作成してもよい。また、抽出対象となるデータが異なれば、稼働中信号をそれぞれの対象にあわせて作成してもよい。   The data extraction unit 11 has a function of extracting operation data of a similar device from the data collection device 28 (function as a data extraction unit). In the case of rolling stands F1 to F7 which are examples of similar apparatuses, the operation data extracted by the data extraction unit 11 includes rolling load, motor current, speed, reduction position, and the like of each rolling stand F1 to F7. Preferably, among the operation data of the rolling stands F1 to F7, data collected during operation of the rolling stands F1 to F7, that is, data during rolling is extracted. Whether rolling is in progress can be determined from the size of the data itself and its change. For example, if the extracted data is a rolling load, as shown in FIG. 3, the magnitude of the rolling load changes during rolling and non-rolling, so by setting a certain threshold value, during rolling and non-rolling It can be judged from the magnitude of the rolling load. An in-operation signal indicating that the rolling is in progress is created by a control device (not shown) that controls the rolling stands F1 to F7, collected together with the rolling load data in the data collecting device 28, and linked to the rolling load data. It is recorded as. Alternatively, when the data extraction unit 11 extracts data (not limited to rolling load data) from the data collection device 28, the data extraction unit 11 checks the rolling load data recorded in the data collection device 28, and the rolling load is a threshold value. If it exceeds, the data may be read from the data collection device 28. In the example shown in FIG. 3, the operating signal is created based on the size of the rolling load data itself, but the operating signal is associated with a specific phenomenon that changes between rolling and non-rolling. You may create it. In addition, if the data to be extracted is different, the operating signal may be created for each target.

データグループ化部１２は、データ抽出部１１により抽出されたデータを類似した装置の同種のデータごとにグループ化する機能（データグループ化手段としての機能）を有する。圧延スタンドＦ１〜Ｆ７の場合、圧延荷重、電動機電流、速度、圧下位置などは、それぞれ同種のデータとして取り扱うことができる。ただし、必ずしも圧延スタンドＦ１〜Ｆ７のすべてに同種のデータがあるとは限らない。例えば、圧延スタンドＦ１〜Ｆ４にはあるが、圧延スタンドＦ５〜Ｆ７にはないデータもある。この場合、圧延スタンドＦ５〜Ｆ７は除外して、圧延スタンドＦ１〜Ｆ４の間で共通するデータに関してグループ化すれば良い。   The data grouping unit 12 has a function of grouping the data extracted by the data extracting unit 11 for each similar data of similar devices (function as a data grouping unit). In the case of the rolling stands F1 to F7, the rolling load, the motor current, the speed, the reduction position, etc. can be handled as the same kind of data. However, not all of the rolling stands F1 to F7 have the same type of data. For example, there is data that is in the rolling stands F1 to F4 but not in the rolling stands F5 to F7. In this case, the rolling stands F5 to F7 may be excluded and the data common to the rolling stands F1 to F4 may be grouped.

特徴量演算部１３は、データグループ化部１２でグループ化されたデータの特徴量を演算する機能（特徴量演算手段としての機能）を有する。特徴量とは、データが有する特徴を容易に顕在化させる量と定義することができる。特徴量の演算方法の一例としては、平均値、標準偏差、最大値／最小値などの統計的な処理や主成分分析などを用いることができる。ほかにもフーリエ解析やウエーブレット変換などの方法で特徴量を求めても良い。また、グループ内のデータ間の相関係数やユークリッド距離などの距離を特徴量として用いることも可能である。なお、ここに挙げた方法はあくまでも一例であるので、ここに挙げた以外の方法で特徴量を求めることに問題はない。さらに、特徴量を演算するデータの内容によっては、特徴量の演算を行う前に、抽出したデータにフィルタ処理を施すことや、抽出したデータとフィルタ処理したデータとの差分を求めることなども有効である。   The feature quantity computing unit 13 has a function (function as a feature quantity computing unit) that computes feature quantities of the data grouped by the data grouping unit 12. The feature amount can be defined as an amount that easily reveals the feature of the data. As an example of the feature amount calculation method, statistical processing such as average value, standard deviation, maximum value / minimum value, principal component analysis, or the like can be used. In addition, the feature amount may be obtained by a method such as Fourier analysis or wavelet transform. It is also possible to use a distance such as a correlation coefficient or Euclidean distance between data in the group as a feature amount. Note that the method described here is merely an example, and there is no problem in obtaining the feature amount by a method other than the method described here. Furthermore, depending on the content of the data for calculating the feature value, it is also effective to perform filtering on the extracted data or to obtain the difference between the extracted data and the filtered data before calculating the feature value. It is.

特徴量記憶部１４は、特徴量演算部１３による演算で得られた特徴量をグループごとに記憶装置に記憶する機能（特徴量記憶手段としての機能）を有する。特徴量を記憶する記憶装置は、データの更新が可能なものであればその種類に限定はない。例えば、半導体メモリでもよいしハードディスクでもよいしＤＶＤでもよい。好ましくは、特徴量を記憶装置に記憶する際に、特徴量に関係する製品関連情報を特徴量に紐付けて記憶する。製品関連情報とは、特徴量の基礎となったデータがデータ収集装置２８に収集されたときに圧延されていた圧延材１００の原材料（例えば鋼種）や圧延条件（例えば素材厚、製品厚、幅、温度など）に関連する情報である。製品関連情報は、データ収集装置２８によって収集され記録されたデータに含まれている。特徴量は圧延材１００の原材料や製造条件に依存するので、特徴量に製品関連情報を紐付けておくことにより、特徴量に対する評価を正しく行うことができるようになる。   The feature amount storage unit 14 has a function (function as a feature amount storage unit) that stores the feature amount obtained by the calculation by the feature amount calculation unit 13 in a storage device for each group. The type of the storage device that stores the feature amount is not limited as long as the data can be updated. For example, a semiconductor memory, a hard disk, or a DVD may be used. Preferably, when storing the feature amount in the storage device, product related information related to the feature amount is stored in association with the feature amount. Product-related information refers to the raw material (for example, steel type) and rolling conditions (for example, material thickness, product thickness, width) of the rolled material 100 that has been rolled when the data that is the basis of the feature value is collected by the data collection device 28. , Temperature, etc.). The product related information is included in the data collected and recorded by the data collection device 28. Since the feature amount depends on the raw material and manufacturing conditions of the rolled material 100, it is possible to correctly evaluate the feature amount by associating the product related information with the feature amount.

異常検知部１５は、特徴量演算部１３で新たに演算された特徴量と、特徴量記憶部１４に記憶された過去の特徴量とをグループ単位で比較し、その比較結果に基づいて異常を検知する機能（異常検知手段としての機能）を有する。詳しくは、新たに演算された特徴量が過去の特徴量に対して大きく変化していることが分かった場合、異常検知部１５はこれを異常として検知する。比較に用いる過去の特徴量としては、直近の圧延で得られた特徴量でもよい。直近の圧延とは、前回の圧延、あるいは、数本前に行った圧延を意味する。一方、異常が発生しているにも拘わらず、それによる特徴量の変化が小さい場合、近い過去の特徴量と比較してもその変化量から異常を捉えるのは困難である。このような場合、より遠い過去、例えば、１ヵ月前の特徴量と比較すれば、特徴量の変化が大きくなり、特徴量の変化量から異常を検知できるようになる。比較対象として選定する過去の特徴量は、遡る時間、若しくは、遡る製品の数の設定によって任意に変えることができる。設定の変更は入力装置１９を用いて行うことができる。異常検知部１５には、異常を検知した場合に、それをユーザに知らせる機能、例えば、表示装置１８に警報を出力するか、あるいは、ユーザ（ここでは保守員）にメールで連絡する機能が持たされている。   The abnormality detection unit 15 compares the feature amount newly calculated by the feature amount calculation unit 13 with the past feature amount stored in the feature amount storage unit 14 in units of groups, and detects an abnormality based on the comparison result. It has a function to detect (function as an abnormality detection means). Specifically, when it is found that the newly calculated feature amount has changed significantly with respect to the past feature amount, the abnormality detection unit 15 detects this as an abnormality. The past feature value used for comparison may be a feature value obtained by the latest rolling. The latest rolling means the previous rolling or rolling performed several times before. On the other hand, even if an abnormality has occurred, if the change in the feature amount due to the change is small, it is difficult to detect the abnormality from the change amount even when compared with a feature value in the past. In such a case, a change in the feature amount becomes larger than that of the feature amount in the past, for example, one month before, and an abnormality can be detected from the change amount of the feature amount. The past feature quantity selected as the comparison target can be arbitrarily changed by setting the retroactive time or the number of retroactive products. The setting can be changed using the input device 19. The abnormality detection unit 15 has a function of notifying the user when an abnormality is detected, for example, outputting a warning to the display device 18 or a function of contacting the user (maintenance staff here) by e-mail. Has been.

特徴量に製品関連情報が紐付けされているのであれば、製品関連情報を利用して、比較対象とする過去の特徴量を選別することができる。好ましくは、特徴量記憶部１４に記憶された過去の特徴量のうち、今回新たに演算された特徴量と同じ製品関連情報が紐付けされた過去の製品製造時の特徴量を比較対象として選択する。そうすることで、圧延材の原材料の違いや圧延条件の違いといった装置の状態以外の要因の影響で、異常を検知できなかったり誤って検知したりすることを抑えることができる。なお、選択する過去の特徴量は、今回新たに演算された特徴量と製品関連情報の全てが同じでなくてもよい。例えば、圧延条件の違いよりも原材料の違いのほうが特徴量への影響が大きい場合、原材料のみが同一の製品関連情報が紐付けされた過去の特徴量を選択してもよい。このように、比較対象とする過去の特徴量に対して絞り込みを行うことで、異常検知の精度を向上させることができる。   If product-related information is associated with the feature quantity, the past feature quantity to be compared can be selected using the product-related information. Preferably, out of past feature amounts stored in the feature amount storage unit 14, a feature amount at the time of manufacturing a past product linked with the same product related information as the feature amount newly calculated this time is selected as a comparison target. To do. By doing so, it is possible to prevent the abnormality from being detected or erroneously detected due to the influence of factors other than the state of the apparatus such as the difference in the raw materials of the rolled material and the difference in the rolling conditions. Note that the past feature quantity to be selected does not have to be the same between the feature quantity newly calculated this time and the product related information. For example, when the difference in the raw material has a larger influence on the characteristic amount than the difference in the rolling conditions, a past characteristic amount in which product-related information that is the same for only the raw material is linked may be selected. In this way, by narrowing down past feature amounts to be compared, the accuracy of abnormality detection can be improved.

次に、具体的な異常検知の方法について説明する。図４及び図５は、圧延スタンドＦ１〜Ｆ７のそれぞれについて今回の特徴量と過去の特徴量とを比較した例を示す図である。特徴量は圧延スタンドＦ１〜Ｆ７間で同一であり、例えば、圧延荷重である。異常検知の方法の一つの案としては、過去の特徴量との比較において、今回の特徴量が、例えば、３０％以上変化していれば、それを異常として検知することが考えられる。   Next, a specific abnormality detection method will be described. 4 and 5 are diagrams illustrating an example in which the current feature value and the past feature value are compared for each of the rolling stands F1 to F7. The feature amount is the same between the rolling stands F1 to F7, for example, a rolling load. As one proposal for an abnormality detection method, if the current feature value changes by, for example, 30% or more in comparison with the past feature value, it may be detected as an abnormality.

図４に示す例では、圧延スタンドＦ１〜Ｆ７の特徴量のうち、Ｆ５の今回の特徴量のみが過去の特徴量に対して大きく変化している。上記の案によれば、Ｆ５にのみ異常があると判断されることになるが、図４に示す例に対しては妥当な判断であると言える。しかし、図５に示す例のように、全体的に過去の特徴量が今回の特徴量に比べて大きくなっていることも考えられる。この場合、上記の案に従って異常検知を行うと、Ｆ５以外の全てに異常があると判断してしまうことになる。これは明らかに誤った判断であると言える。このような誤った判断がなされるのは、上記の案は、すべての製品製造において、特徴量の大きさが同程度になることを前提としているのに対し、実際には、図５に示すように全体的に特徴量が大きくなっていたり、逆に小さくなっていたりすることも考えられるからでる。   In the example shown in FIG. 4, only the current feature value of F5 among the feature values of the rolling stands F1 to F7 is greatly changed with respect to the past feature value. According to the above plan, it is determined that there is an abnormality only in F5, but it can be said that this is a reasonable determination for the example shown in FIG. However, as in the example shown in FIG. 5, it is conceivable that the past feature amount is generally larger than the current feature amount. In this case, if abnormality detection is performed according to the above plan, it is determined that there is an abnormality in all but F5. This is clearly an erroneous judgment. The reason why such an erroneous determination is made is that the above-mentioned proposal assumes that the size of the feature quantity is almost the same in all product manufacturing, but in fact, it is shown in FIG. This is because, as a whole, the feature amount may be large, or conversely, it may be small.

このような誤判断を防ぐため、異常検知部１５による特徴量の比較は、圧延スタンドごとではなく、圧延スタンドＦ１〜Ｆ７を一つのグループとするグループ単位で行われる。具体的には、今回の特徴量と過去の特徴量のそれぞれについて、圧延スタンドＦ１〜Ｆ７間で特徴量の比をとる。具体的には、圧延スタンドＦ１〜Ｆ７の特徴量うちの最小値、あるいは最大値を基準値に設定し、その基準値に対する特徴量の比を圧延スタンドＦ１〜Ｆ７のそれぞれについて計算する。そして、圧延スタンドＦ１〜Ｆ７のそれぞれについて、過去の特徴量の基準値に対する比と、今回の特徴量の基準値に対する比との間の変化率を計算し、圧延スタンドＦ１〜Ｆ７の間で変化率の比較を行う。このとき、各変化率を正規化してから比較しても良い。異常検知部１５は、変化率が他とは大きく異なっている圧延スタンドがないか調べ、変化率が他とは大きく異なっている圧延スタンドがあれば、それを異常として検知する。図５に示す例では、Ｆ５のみ変化率が他とは大きく異なっているので、異常検知部１５は、Ｆ５にのみ異常があると判断する。図４に示す例でも、異常検知部１５は、変化率が他とは大きく異なっているＦ５にのみ異常があると判断する。このように、本実施の形態で採用されている異常検知の方法によれば、圧延スタンドＦ１〜Ｆ７の何れかに異常が発生した場合、その異常を的確に検知することができる。ただし、ここで説明した異常検知の方法は一例であるので、他の方法を採ることはもちろん可能である。   In order to prevent such an erroneous determination, the feature amount comparison by the abnormality detection unit 15 is performed not for each rolling stand but for each group of the rolling stands F1 to F7. Specifically, for each of the current feature value and the past feature value, the ratio of the feature values is taken between the rolling stands F1 to F7. Specifically, the minimum value or the maximum value among the feature values of the rolling stands F1 to F7 is set as a reference value, and the ratio of the feature value to the reference value is calculated for each of the rolling stands F1 to F7. And about each of the rolling stands F1-F7, the change rate between the ratio with respect to the reference value of the past feature-value and the ratio with respect to the reference value of this feature-value is calculated, and changes between rolling stands F1-F7. Compare rates. At this time, each change rate may be normalized and then compared. The abnormality detection unit 15 checks whether there is a rolling stand whose rate of change is significantly different from the others, and if there is a rolling stand whose rate of change is significantly different from the others, it detects it as an abnormality. In the example shown in FIG. 5, since the change rate of F5 is significantly different from the others, the abnormality detection unit 15 determines that only F5 has an abnormality. Also in the example illustrated in FIG. 4, the abnormality detection unit 15 determines that there is an abnormality only in F5 whose rate of change is significantly different from the others. Thus, according to the abnormality detection method employed in the present embodiment, when an abnormality occurs in any of the rolling stands F1 to F7, the abnormality can be accurately detected. However, the abnormality detection method described here is an example, and other methods can of course be employed.

なお、例えば、圧延材１００の品質が低い場合、データ収集装置２８に収集されるデータには突発的な変動が発生する場合がある。収集されたデータが変動を含むものであれば、それに基づき算出される特徴量にも想定以上の変動が発生することがある。このような突発的な変動の影響が異常検知の精度に及ぶことを避けるため、複数個（例えば圧延材にして３本分）の特徴量の代表値（例えば平均値や中央値など）を求めて、今回の特徴量の代表値と過去の特徴量の代表値との比較に基づいて異常検知を行ってもよい。そうすることで、突発的なデータの変動が診断に影響することを抑えることができる。   For example, when the quality of the rolled material 100 is low, sudden fluctuation may occur in the data collected by the data collection device 28. If the collected data includes fluctuations, fluctuations more than expected may occur in the feature amount calculated based on the fluctuations. In order to avoid the influence of such sudden fluctuations on the accuracy of abnormality detection, a representative value (for example, an average value or a median value) of a plurality of feature values (for example, three rolls) is obtained. Thus, the abnormality detection may be performed based on a comparison between the representative value of the current feature value and the representative value of the past feature value. By doing so, it is possible to suppress sudden changes in data from affecting the diagnosis.

また、好ましくは、異常検知部１５は、異常を検知した場合にはその旨を特徴量記憶部１４に通知し、特徴量記憶部１４は、異常が検知された特徴量を検知結果に紐付けて記憶する。そして、異常検知部１５は、特徴量記憶部１４に記憶された特徴量のうち、異常が検知されていない特徴量を異常検知における比較の対象として使用する。つまり、異常が検知された特徴量は以降の判断からは除外する。そうすることで、特徴量に基づく異常検知の精度を高めることができる。   Preferably, when the abnormality detection unit 15 detects an abnormality, the abnormality detection unit 15 notifies the feature amount storage unit 14 to that effect, and the feature amount storage unit 14 associates the feature amount in which the abnormality is detected with the detection result. Remember. And the abnormality detection part 15 uses the feature-value whose abnormality is not detected among the feature-values memorize | stored in the feature-value memory | storage part 14 as a comparison object in abnormality detection. That is, the feature amount in which an abnormality is detected is excluded from the subsequent determination. By doing so, the accuracy of abnormality detection based on the feature amount can be increased.

最後に、監視データ作成部１６について説明する。監視データ作成部１６は、ユーザが特徴量の変化の傾向などを容易に監視するための監視用データを作成する機能（監視データ作成手段としての機能）を有する。例えば、１本ごとの特徴量の時系列データを表示装置１８に出力したり、１日ごとの特徴量の平均値や標準偏差、最大値／最小値などを演算し、その時系列データを表示装置１８に出力したりする。これにより、長期の特徴量の変化の傾向を監視することができる。また、ユーザが入力装置１９を介して指定した鋼種、あるいは板厚や板幅などの条件で特徴量を取り出し、表示装置１８に出力することもできる。ここで、鋼種などの指定はユーザが表示装置から自由に設定できる。これにより、製品ごとの監視も可能である。   Finally, the monitoring data creation unit 16 will be described. The monitoring data creation unit 16 has a function of creating monitoring data (a function as monitoring data creation means) that allows the user to easily monitor the tendency of changes in feature quantities. For example, the time-series data of each feature amount is output to the display device 18, the average value, standard deviation, maximum value / minimum value, etc. of the feature amount for each day is calculated, and the time-series data is displayed on the display device. Or output to 18. As a result, it is possible to monitor the tendency of long-term feature amount changes. Further, it is possible to take out the feature value under the conditions such as the steel type designated by the user via the input device 19 or the plate thickness or the plate width, and output the feature amount to the display device 18. Here, the designation of the steel type and the like can be freely set by the user from the display device. Thereby, it is possible to monitor each product.

なお、上述の実施の形態では、仕上圧延機２５の圧延スタンドＦ１〜Ｆ７を類似した装置の例に挙げ、同種のデータとして圧延荷重を用いて説明したが、本発明はこれによって限定されるものではない。本発明は、焼鈍しをする焼鈍しラインにも適用することができるし、連続冷間圧延機にも適用することができる。   In the above-described embodiment, the rolling stands F1 to F7 of the finish rolling mill 25 are given as examples of similar devices and described using the rolling load as the same kind of data, but the present invention is limited thereto. is not. The present invention can be applied to an annealing line for annealing, and can also be applied to a continuous cold rolling mill.

１０：診断支援装置
１１：データ抽出部
１２：データグループ化部
１３：特徴量演算部
１４：特徴量記憶部
１５：異常検知部
１６：監視データ作成部
１８：表示装置
１９：入力装置
２０：熱間薄板圧延ライン（製造設備）
２５：仕上圧延機
２８：データ収集装置
１００：圧延材
Ｆ１〜Ｆ７：圧延スタンド（類似した装置）10: Diagnosis support device 11: Data extraction unit 12: Data grouping unit 13: Feature amount calculation unit 14: Feature amount storage unit 15: Abnormality detection unit 16: Monitoring data creation unit 18: Display device 19: Input device 20: Heat Thin sheet rolling line (production equipment)
25: Finishing mill 28: Data collection device 100: Rolled material F1 to F7: Rolling stand (similar device)

Claims (16)

少なくとも２つ以上の類似した装置が設置される製造設備内の各装置の運転データを常時または間欠的に収集し記録するデータ収集装置に接続され、前記データ収集装置に記録されたデータを解析することにより前記製造設備の診断を支援する製造設備診断支援装置であって、
前記データ収集装置に記録されたデータから診断に用いるデータを抽出するデータ抽出手段と、
前記データ抽出手段によって抽出されたデータを、前記類似した装置の同種のデータごとにグループ分けするデータグループ化手段と、
前記データグループ化手段によりグループ分けされたデータの特徴量を演算する特徴量演算手段と、
前記特徴量演算手段で演算された特徴量を記憶する特徴量記憶手段と、
前記特徴量記憶手段に記憶された過去の特徴量の基準値に対する比と、前記特徴量演算手段で今回新たに演算された特徴量の基準値に対する比との間の変化率をグループ単位で比較し、その比較結果に基づいて異常を検知する異常検知手段と、
を備えたことを特徴とする製造設備診断支援装置。 Connected to a data collection device that collects and records the operation data of each device in a manufacturing facility where at least two or more similar devices are installed, and analyzes the data recorded in the data collection device A manufacturing facility diagnosis support apparatus that supports diagnosis of the manufacturing facility by
Data extraction means for extracting data used for diagnosis from data recorded in the data collection device;
Data grouping means for grouping the data extracted by the data extraction means for the same kind of data of the similar devices;
Feature quantity computing means for computing the feature quantities of the data grouped by the data grouping means;
Feature quantity storage means for storing the feature quantity computed by the feature quantity computation means;
The rate of change between the ratio of the past feature quantity stored in the feature quantity storage means to the reference value and the ratio of the feature quantity newly calculated by the feature quantity calculation means this time to the reference value is compared in groups. An anomaly detecting means for detecting an anomaly based on the comparison result;
A manufacturing facility diagnosis support apparatus comprising: 前記データ収集装置に記録されたデータには、前記製造設備内の各装置が稼働中であることを示す稼働信号が含まれ、
前記データ抽出手段は、前記データ収集装置に記録されたデータに含まれる稼働信号に基づいて、各装置の稼働中に収集されたデータを抽出することを特徴とする請求項１に記載の製造設備診断支援装置。 The data recorded in the data collection device includes an operation signal indicating that each device in the manufacturing facility is in operation,
2. The manufacturing facility according to claim 1, wherein the data extraction unit extracts data collected during operation of each device based on an operation signal included in data recorded in the data collection device. Diagnosis support device. 前記異常検知手段は、前記特徴量記憶手段に記憶された特徴量のうち、予め設定された時間だけ遡った過去の特徴量を用いて、異常検知を行うことを特徴とする請求項１又は２に記載の製造設備診断支援装置。   3. The abnormality detection unit performs abnormality detection using a past feature amount that is traced back by a preset time among the feature amounts stored in the feature amount storage unit. The manufacturing facility diagnosis support apparatus according to 1. 前記異常検知手段は、前記特徴量記憶手段に記憶された特徴量のうち、予め設定した製品の数だけ遡った過去の特徴量を用いて、異常検知を行うことを特徴とする請求項１又は２に記載の製造設備診断支援装置。   The abnormality detection unit performs abnormality detection using a past feature amount that is traced back by a preset number of products among the feature amounts stored in the feature amount storage unit. 2. The manufacturing facility diagnosis support apparatus according to 2. 前記データ収集装置に記録されたデータには、同データの収集時に前記製造設備が製造していた製品の原材料あるいは製造条件に関連する製品関連情報が含まれ、
前記データ抽出手段により抽出されるデータには、前記特徴量演算手段により特徴量の演算に用いられるデータとともに製品関連情報が含まれ、
前記特徴量記憶手段は、特徴量の演算に用いたデータに関係する製品関連情報を同特徴量に紐付けて記憶し、
前記異常検知手段は、前記特徴量記憶手段に記憶された特徴量のうち、前記特徴量演算手段で演算された特徴量と同じ、あるいは一部が同じである製品関連情報が紐付けされた過去の製品製造時の特徴量を用いて、異常検知を行うことを特徴とする請求項１又は２に記載の製造設備診断支援装置。 The data recorded in the data collection device includes product-related information related to raw materials or production conditions of the product manufactured by the manufacturing facility at the time of collecting the data,
The data extracted by the data extraction means includes product related information together with the data used for the feature quantity calculation by the feature quantity calculation means,
The feature amount storage means stores product related information related to data used for calculating the feature amount in association with the feature amount,
The abnormality detecting means is a past in which product related information that is the same as or part of the same as the feature quantity calculated by the feature quantity calculation means among the feature quantities stored in the feature quantity storage means is linked. The manufacturing facility diagnosis support apparatus according to claim 1, wherein abnormality detection is performed using a feature amount at the time of product manufacture. 前記異常検知手段は、前記特徴量演算手段で演算された複数個の特徴量の代表値と、前記特徴量記憶手段に記憶された複数個の過去の特徴量の代表値とを用いて、異常検知を行うことを特徴とする請求項１乃至５の何れか１項に記載の製造設備診断支援装置。   The abnormality detection means uses the representative values of the plurality of feature quantities calculated by the feature quantity calculation means and the representative values of a plurality of past feature quantities stored in the feature quantity storage means, 6. The manufacturing facility diagnosis support apparatus according to claim 1, wherein detection is performed. 前記特徴量記憶手段は、前記異常検知手段により異常が検知された場合、異常が検知された特徴量を検知結果に紐付けて記憶し、
前記異常検知手段は、前記特徴量記憶手段に記憶された特徴量のうち、異常が検知されていない過去の特徴量を用いて、異常検知を行うことを特徴とする請求項１乃至６の何れか１項に記載の製造設備診断支援装置。 When the abnormality is detected by the abnormality detection unit, the feature amount storage unit stores the feature amount in which the abnormality is detected in association with the detection result,
7. The abnormality detection unit according to claim 1, wherein the abnormality detection unit performs abnormality detection using a past feature amount in which no abnormality is detected among the feature amounts stored in the feature amount storage unit. The manufacturing facility diagnosis support apparatus according to claim 1. 入力装置を介して指定された条件に従い、前記特徴量記憶手段に記憶された特徴量を抽出または加工して、表示装置に出力すべき監視用のデータを作成する監視データ作成手段、
をさらに備えたことを特徴とする請求項１乃至７の何れか１項に記載の製造設備診断支援装置。 Monitoring data creating means for extracting or processing the feature quantity stored in the feature quantity storage means in accordance with a condition designated via the input device, and creating monitoring data to be output to the display device;
The manufacturing facility diagnosis support apparatus according to claim 1, further comprising: 少なくとも２つ以上の類似した装置が設置される製造設備内の各装置の運転データを、データ収集装置により常時または間欠的に収集して記録し、前記データ収集装置に記録されたデータを解析することにより前記製造設備の診断を支援する製造設備診断支援方法であって、
前記データ収集装置に記録されたデータから診断に用いるデータを抽出するデータ抽出ステップと、
前記抽出されたデータを、前記類似した装置の同種のデータごとにグループ分けするデータグループ化ステップと、
前記グループ分けされたデータの特徴量を演算する特徴量演算ステップと、
前記演算された特徴量を記憶装置に記憶する特徴量記憶ステップと、
前記記憶装置に記憶された過去の特徴量の基準値に対する比と、今回新たに演算された特徴量の基準値に対する比との間の変化率をグループ単位で比較し、その比較結果に基づいて異常を検知する異常検知ステップと、
を有することを特徴とする製造設備診断支援方法。 The operation data of each device in a manufacturing facility where at least two or more similar devices are installed is collected or recorded constantly or intermittently by a data collecting device, and the data recorded in the data collecting device is analyzed. A manufacturing facility diagnosis support method for supporting diagnosis of the manufacturing facility by
A data extraction step of extracting data used for diagnosis from the data recorded in the data collection device;
A data grouping step for grouping the extracted data into similar data of the similar devices;
A feature amount calculating step for calculating a feature amount of the grouped data;
A feature amount storing step of storing the calculated feature amount in a storage device;
The rate of change between the ratio of the past feature quantity stored in the storage device to the reference value and the ratio of the feature quantity newly calculated this time to the reference value is compared in group units, and based on the comparison result An anomaly detection step for detecting an anomaly;
A manufacturing facility diagnosis support method comprising: 前記データ収集装置に記録されたデータには、前記製造設備内の各装置が稼働中であることを示す稼働信号が含まれ、
前記データ抽出ステップは、前記データ収集装置に記録されたデータに含まれる稼働信号に基づいて、各装置の稼働中に収集されたデータを抽出するステップであることを特徴とする請求項９に記載の製造設備診断支援方法。 The data recorded in the data collection device includes an operation signal indicating that each device in the manufacturing facility is in operation,
10. The data extraction step is a step of extracting data collected during operation of each device based on an operation signal included in data recorded in the data collection device. Manufacturing equipment diagnosis support method. 前記異常検知ステップは、前記記憶装置に記憶された特徴量のうち、予め設定された時間だけ遡った過去の特徴量を用いて、異常検知を行うステップであることを特徴とする請求項９又は１０に記載の製造設備診断支援方法。   10. The abnormality detection step is a step of performing abnormality detection using a past feature value that is traced back by a preset time among feature values stored in the storage device. 10. The manufacturing facility diagnosis support method according to 10. 前記異常検知ステップは、前記記憶装置に記憶された特徴量のうち、予め設定した製品の数だけ遡った過去の特徴量を用いて、異常検知を行うステップであることを特徴とする請求項９又は１０に記載の製造設備診断支援方法。   The abnormality detection step is a step of performing abnormality detection using a past feature amount that is traced back by a preset number of features among the feature amounts stored in the storage device. Or the manufacturing facility diagnosis support method according to 10. 前記データ収集装置に記録されたデータには、同データの収集時に前記製造設備が製造していた製品の原材料あるいは製造条件に関連する製品関連情報が含まれ、
前記データ抽出ステップで抽出されるデータには、前記特徴量演算ステップで特徴量の演算に用いられるデータとともに製品関連情報が含まれ、
前記特徴量記憶ステップは、特徴量の演算に用いたデータに関係する製品関連情報を同特徴量に紐付けて前記記憶装置に記憶するステップであり、
前記異常検知ステップは、前記記憶装置に記憶された特徴量のうち、新たに演算された特徴量と同じ、あるいは一部が同じである製品関連情報が紐付けされた過去の製品製造時の特徴量を用いて、異常検知を行うステップであることを特徴とする請求項９又は１０に記載の製造設備診断支援方法。 The data recorded in the data collection device includes product-related information related to raw materials or production conditions of the product manufactured by the manufacturing facility at the time of collecting the data,
The data extracted in the data extraction step includes product-related information together with data used for the feature amount calculation in the feature amount calculation step.
The feature amount storing step is a step of storing product related information related to data used for calculating the feature amount in the storage device in association with the feature amount;
The abnormality detection step includes features at the time of past product manufacturing in which product related information that is the same as or partially the same as the newly calculated feature amount among the feature amounts stored in the storage device is linked. The manufacturing facility diagnosis support method according to claim 9, wherein the abnormality detection step is performed using the amount. 前記異常検知ステップは、新たに演算された複数個の特徴量の代表値と、前記記憶装置に記憶された複数個の過去の特徴量の代表値とを用いて、異常検知を行うステップであることを特徴とする請求項９乃至１３の何れか１項に記載の製造設備診断支援方法。   The abnormality detection step is a step of performing abnormality detection using a representative value of a plurality of newly calculated feature quantities and a representative value of a plurality of past feature quantities stored in the storage device. The manufacturing facility diagnosis support method according to any one of claims 9 to 13, characterized in that: 前記特徴量記憶ステップは、新たに演算された特徴量に異常が検知された場合、異常が検知された特徴量を検知結果に紐付けて前記記憶装置に記憶するステップであり、
前記異常検知ステップは、前記記憶装置に記憶された特徴量のうち、異常が検知されていない過去の特徴量を用いて、異常検知を行うステップであることを特徴とする請求項９乃至１４の何れか１項に記載の製造設備診断支援方法。 The feature amount storing step is a step of storing the feature amount in which the abnormality is detected in the storage device in association with the detection result when an abnormality is detected in the newly calculated feature amount,
15. The abnormality detection step is a step of performing abnormality detection using a past feature quantity in which no abnormality is detected among the feature quantities stored in the storage device. The manufacturing facility diagnosis support method according to any one of the preceding claims. 入力装置を介して指定された条件に従い、前記記憶装置に記憶された特徴量を抽出または加工して、表示装置に出力すべき監視用のデータを作成する監視データ作成ステップ、
をさらに有することを特徴とする請求項９乃至１５の何れか１項に記載の製造設備診断支援方法。 A monitoring data creation step for creating or monitoring data to be output to the display device by extracting or processing the feature quantity stored in the storage device according to the condition specified via the input device;
The manufacturing facility diagnosis support method according to claim 9, further comprising:
JP2017565020A 2016-02-03 2016-02-03 Manufacturing facility diagnosis support apparatus and manufacturing facility diagnosis support method Active JP6572979B2 (en)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2016/053233 WO2017134772A1 (en) 2016-02-03 2016-02-03 Manufacturing facility diagnosis assistance device and manufacturing facility diagnosis assistance method

Publications (2)

Publication Number Publication Date
JPWO2017134772A1 JPWO2017134772A1 (en) 2018-05-17
JP6572979B2 true JP6572979B2 (en) 2019-09-11

Family

ID=59499678

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2017565020A Active JP6572979B2 (en) 2016-02-03 2016-02-03 Manufacturing facility diagnosis support apparatus and manufacturing facility diagnosis support method

Country Status (5)

Country Link
JP (1) JP6572979B2 (en)
KR (1) KR102042368B1 (en)
CN (1) CN107949813B (en)
TW (1) TWI615694B (en)
WO (1) WO2017134772A1 (en)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20220018553A (en) 2020-07-01 2022-02-15 도시바 미쓰비시덴키 산교시스템 가부시키가이샤 Diagnostic support devices in manufacturing facilities

Families Citing this family (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP7091743B2 (en) * 2018-03-16 2022-06-28 株式会社リコー Information processing equipment, information processing methods, programs, and mechanical equipment
JP6777686B2 (en) * 2018-05-29 2020-10-28 ファナック株式会社 Diagnostic equipment, diagnostic methods and diagnostic programs
KR102194352B1 (en) * 2018-08-31 2020-12-23 도시바 미쓰비시덴키 산교시스템 가부시키가이샤 Manufacturing process monitoring device
JP7226103B2 (en) * 2019-05-29 2023-02-21 オムロン株式会社 Control systems, support equipment and support programs
WO2021220323A1 (en) * 2020-04-27 2021-11-04 三菱電機株式会社 State determination device
US20230297644A1 (en) * 2020-09-03 2023-09-21 Mitsubishi Electric Corporation Device analysis apparatus, device analysis method, and storage medium
JP7468376B2 (en) * 2021-01-21 2024-04-19 株式会社Tmeic Roll Management Device
CN114789200B (en) * 2021-10-14 2024-02-09 天津市新宇彩板有限公司 Method and system for fault self-diagnosis and recording of cold rolling unit
CN114265390B (en) * 2021-12-22 2024-02-20 苏州华星光电技术有限公司 Equipment data acquisition diagnosis method, device, server and storage medium

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4458349B2 (en) * 2004-08-27 2010-04-28 日立アプライアンス株式会社 Device diagnostic device, operation program thereof, device diagnostic method
US7622308B2 (en) * 2008-03-07 2009-11-24 Mks Instruments, Inc. Process control using process data and yield data
JP5156452B2 (en) * 2008-03-27 2013-03-06 東京エレクトロン株式会社 Defect classification method, program, computer storage medium, and defect classification apparatus
TWI385492B (en) * 2008-12-16 2013-02-11 Ind Tech Res Inst A system for maintaining and analyzing manufacturing equipment and method therefor
JP5427107B2 (en) * 2010-05-20 2014-02-26 株式会社日立製作所 Monitoring and diagnosis apparatus and monitoring diagnosis method
CN101937207B (en) * 2010-08-27 2012-09-05 上海交通大学 Intelligent visualized monitoring and diagnosing method of mechanical equipment state
JP5565357B2 (en) * 2011-03-24 2014-08-06 新日鐵住金株式会社 Equipment diagnostic device, equipment diagnostic method, equipment diagnostic program, and computer-readable recording medium recording the same
JP5821363B2 (en) * 2011-07-27 2015-11-24 東芝三菱電機産業システム株式会社 Product defect factor analyzer
US10996662B2 (en) * 2014-05-20 2021-05-04 Toshiba Mitsubishi-Electric Industrial Systems Corporation Manufacturing equipment diagnosis support system

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20220018553A (en) 2020-07-01 2022-02-15 도시바 미쓰비시덴키 산교시스템 가부시키가이샤 Diagnostic support devices in manufacturing facilities
TWI789699B (en) * 2020-07-01 2023-01-11 日商東芝三菱電機產業系統股份有限公司 Manufacturing facility diagnosis support apparatus

Also Published As

Publication number Publication date
CN107949813B (en) 2020-06-30
JPWO2017134772A1 (en) 2018-05-17
KR102042368B1 (en) 2019-11-07
TW201732475A (en) 2017-09-16
KR20180026495A (en) 2018-03-12
WO2017134772A1 (en) 2017-08-10
TWI615694B (en) 2018-02-21
CN107949813A (en) 2018-04-20

Similar Documents

Publication Publication Date Title
JP6572979B2 (en) Manufacturing facility diagnosis support apparatus and manufacturing facility diagnosis support method
JP6791261B2 (en) Method and equipment for abnormal diagnosis of rolling equipment
JP7044175B2 (en) Abnormality judgment support device
JP6252675B2 (en) Manufacturing equipment diagnosis support device
JP6116445B2 (en) Quality abnormality cause estimation support system
WO2021241580A1 (en) Abnormality/irregularity cause identifying apparatus, abnormality/irregularity cause identifying method, and abnormality/irregularity cause identifying program
JP5821363B2 (en) Product defect factor analyzer
WO2021241578A1 (en) Abnormal modulation cause identifying device, abnormal modulation cause identifying method, and abnormal modulation cause identifying program
JP6658462B2 (en) Plant equipment deterioration diagnosis device
CN112862284A (en) Method and system for evaluating rigidity precision of hot-rolled strip mill
Haapamäki et al. Data Mining Methods in Hot Steel Rolling for Scale Defect Prediction.
US20230393113A1 (en) Construction method of abnormality diagnosis model, abnormality diagnosis method, construction device of abnormality diagnosis model, and abnormality diagnosis device
JP7461798B2 (en) Equipment monitoring support device, method, and program
WO2021241579A1 (en) Abnormal modulation cause identifying device, abnormal modulation cause identifying method, and abnormal modulation cause identifying program
JP6760503B2 (en) Manufacturing process monitoring device
JP2540727B2 (en) Plant parameter abnormal amount search method and apparatus
JPH03258410A (en) Abnormality diagnostic method for plate thickness on tandem rolling machine

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20180123

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20181002

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20181101

A02 Decision of refusal

Free format text: JAPANESE INTERMEDIATE CODE: A02

Effective date: 20190409

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20190524

A911 Transfer to examiner for re-examination before appeal (zenchi)

Free format text: JAPANESE INTERMEDIATE CODE: A911

Effective date: 20190605

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: 20190716

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20190729

R150 Certificate of patent or registration of utility model

Ref document number: 6572979

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250