TWI646414B - 不良原因推定裝置以及不良原因推定方法 - Google Patents
不良原因推定裝置以及不良原因推定方法 Download PDFInfo
- Publication number
- TWI646414B TWI646414B TW106105860A TW106105860A TWI646414B TW I646414 B TWI646414 B TW I646414B TW 106105860 A TW106105860 A TW 106105860A TW 106105860 A TW106105860 A TW 106105860A TW I646414 B TWI646414 B TW I646414B
- Authority
- TW
- Taiwan
- Prior art keywords
- data
- cause
- bad
- defect
- classification
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims description 24
- 230000007547 defect Effects 0.000 claims abstract description 75
- 238000004364 calculation method Methods 0.000 claims abstract description 31
- 238000013480 data collection Methods 0.000 claims abstract description 29
- 239000000284 extract Substances 0.000 claims abstract description 10
- 238000013075 data extraction Methods 0.000 claims abstract description 5
- 238000004519 manufacturing process Methods 0.000 claims description 14
- 238000004378 air conditioning Methods 0.000 claims description 4
- 230000007613 environmental effect Effects 0.000 claims description 3
- 239000000463 material Substances 0.000 claims 2
- 238000007796 conventional method Methods 0.000 abstract description 13
- 230000002950 deficient Effects 0.000 description 30
- 238000000605 extraction Methods 0.000 description 25
- 238000012545 processing Methods 0.000 description 12
- 238000010219 correlation analysis Methods 0.000 description 10
- 238000003646 Spearman's rank correlation coefficient Methods 0.000 description 6
- 230000001364 causal effect Effects 0.000 description 5
- 238000004891 communication Methods 0.000 description 5
- 230000000875 corresponding effect Effects 0.000 description 5
- 239000000203 mixture Substances 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 230000005856 abnormality Effects 0.000 description 2
- 230000002411 adverse Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
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
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0259—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
- G05B23/0275—Fault isolation and identification, e.g. classify fault; estimate cause or root of failure
- G05B23/0281—Quantitative, e.g. mathematical distance; Clustering; Neural networks; Statistical analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/04—Inference or reasoning models
-
- 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
- G05B23/0259—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
- G05B23/0283—Predictive maintenance, e.g. involving the monitoring of a system and, based on the monitoring results, taking decisions on the maintenance schedule of the monitored system; Estimating remaining useful life [RUL]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/22—Indexing; Data structures therefor; Storage structures
- G06F16/2228—Indexing structures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/284—Relational databases
- G06F16/285—Clustering or classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/20—Administration of product repair or maintenance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/04—Manufacturing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Databases & Information Systems (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Primary Health Care (AREA)
- Health & Medical Sciences (AREA)
- Quality & Reliability (AREA)
- Manufacturing & Machinery (AREA)
- Operations Research (AREA)
- Entrepreneurship & Innovation (AREA)
- General Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- Computing Systems (AREA)
- Algebra (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Probability & Statistics with Applications (AREA)
- Pure & Applied Mathematics (AREA)
- Testing And Monitoring For Control Systems (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本發明之不良原因推定裝置係特徵為包括:資料收集部,係收集構成設備之機器的分類資料;相關算出部,係算出含有以該資料收集部所收集之分類資料的資料之相關的指標;資料抽出部,係根據以該相關算出部所算出之相關之指標的變化,抽出該含有分類資料之資料的組合,作為關於不良之資料;以及因果關係推定部,係從與該關於不良之資料關聯的資料中,抽出被推定為不良原因的資料。根據這種構成,可偵測以習知技術無法偵測的不良。
Description
本發明係有關於一種根據資料之相關分析來推定不良原因的不良原因推定裝置。
在製造裝置、升降機、空調機器、發電廠裝置等的機器,為了故障、異常等之發生不良時之維修作業的效率化,特定不良原因,並預測不良之發生係有用。例如,專利文獻1係表示在預測影印機等之故障時,在檢測出從複數個感測器所得之時間序列資料(以下稱為感測器資料),作為異常的情況,用以特定不良原因之參數(以下稱為資料項目)的手法。在專利文獻1,在正常時具有關聯之資料項目組的相關係數低於臨限值的情況檢測為異常,並將表示與所檢測出之資料項目類似之傾向的資料項目一併地特定為原因資料項目。在特定原因資料項目時,預先將全資料項目分類成具有關聯之資料項目群,並僅在所檢測出之資料項目所屬的群內檢索,藉此,使原因資料項目之特定高速化、高精度化。
[專利文獻1]特開2013-41173號公報
在對製造裝置、升降機、空調機器、發電廠裝置等的機器特定不良原因時,在以往的手法,對感測器資料應用相關分析。在機器,除了感測器資料以外,還具有機器之設定值、機器種類或型號等之機器資訊、機器是否正確地動作之OK/NG判定等之資訊的分類資料。不良具有僅在分類資料出現的可能性,但是因為在以往的手法是相關分析的對象外,所以具有僅在分類資料出現之不良係無法偵測的課題。例如,在空調機器,在室溫大為偏離設定溫度之不良的情況,在從感測器資料所測量之值(使用電力與室溫等)的相關關係係無法得知,但是根據設定溫度與室溫之相關關係係具有可易於偵測不良的可能性。
本發明係為了解決上述之課題而開發的,其目的在於藉由應用分類資料,偵測以習知技術無法偵測的不良。
本發明之不良原因推定裝置係特徵為包括:資料收集部,係收集構成設備之機器的分類資料;相關算出部,係算出含有以該資料收集部所收集之分類資料的資料之相關的指標;資料抽出部,係根據以該相關算出部所算出之相關之指標的變化,抽出該含有分類資料之資料的組合,作為關於不良之資料項目;以及因果關係推定部,係從與該關於不良之資料關聯的資料項目中,抽出被推定為不良原因的資料項目。
若依據本發明,藉由應用分類資料,可偵測以習 知技術無法偵測的不良。
1‧‧‧不良原因推定裝置
101‧‧‧資料收集部
102‧‧‧關聯資料項目分類部
103‧‧‧資料項目組抽出部
104‧‧‧資料項目組儲存部
105‧‧‧相關算出部
106‧‧‧不良關鍵資料項目抽出部
107‧‧‧因果關係推定部
601‧‧‧處理器
602‧‧‧記憶體
603‧‧‧通訊I/F裝置
604‧‧‧儲存裝置
605‧‧‧輸出裝置
701‧‧‧不良發生預測部
801‧‧‧資料種類分類部
第1圖係表示本發明之第1實施形態的不良原因推定裝置1之構成的圖。
第2圖係本發明之第1實施形態的分類資料之資料項目的例子。
第3圖係本發明之第1實施形態的感測器資料之資料項目的例子。
第4圖係藉本發明之第1實施形態的不良原因推定裝置1之資料的處理例。
第5圖表示藉本發明之第1實施形態的不良原因推定裝置1之處理的流程圖。
第6圖係本發明之第1實施形態的不良原因推定裝置1之硬體構成例。
第7圖係本發明之第2實施形態的不良原因推定裝置1之構成例。
第8圖係本發明之第3實施形態的不良原因推定裝置1之構成例。
第9圖係本發明之第4實施形態的不良原因推定裝置1之構成例。
以下,說明本發明之實施形態。
在本實施形態及以後的實施形態,說明應用分類資料之不良原因推定裝置以及不良原因推定方法。
第1圖係在本發明所使用之不良原因推定裝置1的構成例。不良原因推定裝置1係由資料收集部101、關聯資料項目分類部102、資料項目組抽出部103、資料項目組儲存部104、相關算出部105、不良關鍵資料項目抽出部106以及因果關係推定部107所構成。在以後的各圖,同一符號表示相同或相當部分。
在資料收集部101,收集並儲存機器之設定值、機器種類或型號等之機器資訊、機器是否正確地動作之OK/NG判定等的分類資料資訊。在機器設置感測器,在亦可收集感測器資料的情況,亦可一併地收集並儲存感測器資料。機器是否正確地動作之OK/NG判定等係亦有從感測器資料與設定值判定,但是亦可在資料收集部101,收集並儲存此感測器資料與設定值之一方或雙方。
以製造裝置為例,在第2圖表示分類資料之例子,在第3圖表示感測器資料之例子。此處,在分類資料,包含只是為了分類而作為整理編號(例如機器種類ID(Identifier))指定數值的名義尺度、在順序具有意義而對其間隔指定無意義之數值的順序尺度。
在第2圖,作為在資料收集部101所收集之分類資料之資料項目的例子,表示設備ID、機器種類ID、機器ID、製造日期時間、製造元件ID、設定列表ID、OK/NG判定等。第2圖之值係一例。資料項目係因為儲存從實際之設備、機器 所收集之分類資料的項目而可變更。只要可區別設備、機器,亦可將複數台設備、機器之資料集中,作為一個表。只要可進行設備、機器之賦與對應,亦可將一台設備、機器之資料分割成複數個表。
在第3圖,作為感測器資料之資料項目的例子,表示氣溫、振動、轉速、接點1電流、接點1電壓、接點2電流、接點2電壓等。第3圖之值係一例。資料項目係因為儲存從實際之設備、機器所收集之感測器資料的項目而可變更。只要可區別設備、機器,亦可將複數台設備、機器之資料集中,作為一個表。只要可進行設備、機器之賦與對應,亦可將一台設備、機器之資料分割成複數個表。亦可以各機器之資料以外的表管理氣溫、濕度等之各機器共同的資料項目。
在關聯資料項目分類部102,將在資料收集部101所收集之資料項目分類成具有關聯之各資料項目。亦可資料項目間的分類係最鄰近法或k-means法等之一般的分類手法。亦可是藉Spearman秩相關係數、或Cramer關聯係數等之一般的相關分析手法將相關高者彼此當作相同之分類的分類方法。亦可對具有關聯之資料項目從機器的構成或資料項目所具有之意義賦與分類的指標。藉由將資料項目分類成具有關聯之各資料項目,在相關關係之算出,可望減輕偽相關的影響。
在資料項目組抽出部103,對在關聯資料項目分類部102所分類之各分類,抽出具有關聯之資料項目的組合(以下稱為資料項目組)。作為關聯之指標,亦可使用Spearman秩相關係數、或Cramer關聯係數等之一般的相關分析手法,抽 出相關係數或關聯係數大的資料項目組。亦可從機器的構成或資料項目所具有之意義抽出具有關聯之資料項目組,亦可對資料項目是組、單體之任一方的指定。
在資料項目組儲存部104,對在資料項目組抽出部103所抽出之各資料項目組,儲存可識別資料項目之名稱、ID等、或可識別關聯資料項目分類部102之分類的名稱、ID等。亦可一併儲存在資料項目組抽出部103所算出之相關之指標的值。
藉從關聯資料項目分類部102至資料項目組儲存部104的處理,可從很多的組合之中抽出具有關聯之資料項目的組合。又,在相關算出部105,藉由僅對此抽出之資料項目算出相關,可高效率地分析相關關係。
在相關算出部105,對以固定時間寬度(以下稱為時間窗)劃分在資料收集部101所收集之分類資料的資料(以下稱為時間窗資料),對資料項目組儲存部104所儲存之各資料項目組算出相關關係之指標。作為相關關係之指標(以下稱為相關指標),使用Spearman秩相關係數、或Cramer關聯係數等之一般的相關分析手法。此處,因應於資料項目組之尺度,變更相關指標時,預料可提高表係相關關係之精度。分類資料之尺度係作為一般性定義,有順序尺度與名義尺度。作為因應於分類資料的尺度之相關指標的選擇例,在資料項目組之資料項目雙方都是順序尺度的情況係Spearman秩相關係數,在雙方都是名義尺度的情況係Cramer關聯係數,在順序尺度與名義尺度之組合的情況係秩相關比等。亦可使用上述以外之表示 一般之相關關係的指標。亦可不區分使用而將一種相關指標應用於全資料項目。在第4圖表示從分類資料算出相關關係之時間窗資料的抽出方法的例子。
在第4圖,表示逐列地滑動從分類資料所抽出之時間窗,並當作時間窗資料抽出的例子。亦可滑動寬度、時間窗寬度係任意地設定。又,亦可時間窗係未重複。亦可以未發生不良之期間、與想推定不良原因之期間等劃分等,不是將時間窗作成固定寬度。
在不良關鍵資料項目抽出部106,檢測出在相關算出部105所算出之相關指標值發生變化的資料項目,作為成為不良之關鍵的資料項目(以下稱為不良關鍵資料項目)。基本上,相關指標值在時間上變化,這是由於發生某種問題,而檢測出該不良。此處之一個目的係檢測出平常係具有強相關之資料項目組之相關變弱。作為滿足此目的的方法,檢測出相關指標值因時間經過而變小。判定變小之臨限值係可對各資料項目組、或全資料項目組集體設定任意值。別的目的係在資料項目組抽出部103,從機器的構成或資料項目所具有之意義抽出具有關聯之資料項目組等,在平常未必具有強相關的情況,係檢測出與平常相比相關發生變化。作為滿足此目的之方法,檢測出相關指標值因時間經過而變大或變小。判定變大或變小之臨限值係可對各資料項目組、或全資料項目組集體設定任意值。在檢測出複數組資料項目組的情況,係採用最初所檢測出之資料項目組,作為不良關鍵資料項目。
在因果關係推定部107,檢索與在不良關鍵資料項 目抽出部106所抽出之不良關鍵資料項目具有關聯的資料項目(以下稱為關聯資料項目),作為具有不良原因之可能性的資料項目(以下稱為不良原因資料項目)。檢索的範圍係採用在關聯資料項目分類部102所分類的分類中與不良關鍵資料項目相同的分類內。但,亦可其他的分類亦包含於檢索範圍。作為與不良關鍵資料項目之關聯,雖未達到在不良關鍵資料項目抽出部106抽出,但是檢測出資料項目組之相關指標值因時間經過而變化的資料項目,作為關聯資料項目。判定相關指標值發生變化之臨限值係可對各資料項目組、或全資料項目組集體設定任意值。但,因為未達到在不良關鍵資料項目抽出部106抽出,所以檢測出相關指標值變小之臨限值係比在不良關鍵資料項目抽出部106之臨限值大,檢測出相關指標值變大之臨限值係比在不良關鍵資料項目抽出部106之臨限值小。作為因果關係之推定,亦可將不良關鍵資料項目當作結果、將關聯資料項目當作原因來處理。在檢測出複數個關聯資料項目的情況,亦可從所檢測出之順序,將在後面所檢測出之關聯資料項目當作結果、將在前面所檢測出之關聯資料項目當作原因,並使因果關係繼續。亦可從機器的構成或資料項目所具有之意義將因果關係列表化,並引用與不良關鍵資料項目對應之因果關係的列表。將不良關鍵資料項目與所抽出之關聯資料項目作為不良原因資料項目。亦可從不良原因資料項目之因果關係,對作為整體之原因所檢測出之不良原因資料項目,推定為不良原因的可能性最高。亦可對各不良原因資料項目定義相關指標值的變化率,對變化率最大的不良原因資料項目推定為不良原因的可能 性最高。
在第5圖,表示不良原因推定裝置1之處理流程的例子。首先,在資料收集部101收集資料(500)後,在關聯資料項目分類部102,選擇將資料項目分類的方法(501)。在從機器的構成或資料項目所具有之意義分類的情況,根據所預先準備的規則將資料項目分類(502)。在不使用規則的情況,係利用分類手法、相關分析手法等,將資料項目分類(503)。502或503結束時,在資料項目組抽出部103,選擇抽出資料項目組之方法(504)。在從機器的構成或資料項目所具有之意義抽出的情況,係根據所預先準備的規則抽出資料項目(505)。在不使用規則的情況,係根據所預先準備的規則抽出資料項目組(506)。在相關算出部105的處理,使用相關分析手法從時間窗資料算出相關指標值(507)。在不良關鍵資料項目抽出部106的處理,判定是否超過抽出不良關鍵資料項目之臨限值(508)。在超過的情況,係抽出不良關鍵資料項目(509)。在未超過的情況,係在508實施下一個相關指標值的判定。509結束時,在因果關係推定部107,抽出與不良關鍵資料項目關聯的關聯資料項目,並抽出不良原因資料項目(510)。
此外,利用從關聯資料項目分類部102至資料項目組儲存部104的處理,從很多組合之中抽出具有關聯之資料項目的組合,但是在預定以相關算出部105算出相關的情況,亦可不利用從關聯資料項目分類部102至資料項目組儲存部104的處理來抽出資料項目。在此情況,對預定之資料項目,以相關算出部105算出相關關係。
作為本發明之一種用途,有針對製造裝置之利用。在製造裝置,即使利用相同之設備,亦可能根據所製造之製品、設定值、外部環境等,而不良品之比例變化。例如,在製造元件1時,至某時期T1係以設定1、設定2之任一方製造,不良率都是約0.1%。在一年後之T2,有以設定1製造時,是不良率約0.1%,而以設定2製造時,不良率增加至約1%的情況等。在此情況,在一年後之生產條件,因為設定1之不良率比設定2的低,所以可說設定1比較適合元件1之製造。此處,藉由應用本發明,在對元件1之製造資料,作為資料項目組應用設定與良品/不良品的情況,在某時期T1在資料項目組之間係無相關,但是因為在一年後之T2相關變強,所以可抽出設定,作為不良原因。
此外,在習知技術,因為使用感測器資料,進行相關分析,所以無法檢測出僅在將是分類資料之特定的機器種類或機器組合的設定時發生不良。相對地,在本發明,可掌握在將特定的機器種類或機器組合的設定時發生不良,而可偵測以習知技術無法檢測出的不良。
又,在第1實施形態,例如在製造裝置製品的不良率變化的情況,可檢測出具有不良原因之可能性的資料項目,進而在所抽出之中可抽出原因之可能性高的資料項目。又,即使在應注重哪一個資料項目不清楚的情況,亦可從原來之資料項目的相關自動地抽出資料項目。
在第6圖表示第1圖之不良原因推定裝置1的情況之硬體構成例。在資料收集部101所收集之資料及在資料項 目組儲存部104所儲存之資料、因果關係推定部107的算出結果係儲存於儲存裝置604。亦可在關聯資料項目分類部102、相關算出部105以及不良關鍵資料項目抽出部106所算出之結果亦儲存於儲存裝置604。關聯資料項目分類部102、資料項目組抽出部103、相關算出部105、不良關鍵資料項目抽出部106以及因果關係推定部107所進行之處理係處理器601讀出記憶體602所記憶之程式並執行。關聯資料項目分類部102、資料項目組抽出部103所參照之資料項目的規則係亦可讀入儲存裝置604所記憶之的資料,亦可透過通訊I/F(Interface)裝置603取得。因果關係推定部107之輸出結果係因應於需要以輸出裝置605輸出。此外,亦可是在相異之硬體上構成資料收集部101、相關算出部105、不良關鍵資料項目抽出部106、因果關係推定部107、與關聯資料項目分類部102、資料項目組抽出部103、資料項目組儲存部104,並因應於以通訊I/F裝置603進行通訊的方法。
依此方式,在第1實施形態之不良原因推定裝置1,特徵為包括:資料收集部101,係收集構成設備之機器的分類資料;相關算出部105,係算出含有以該資料收集部101所收集之分類資料的資料之相關的指標;是資料抽出部之不良關鍵資料項目抽出部106,係根據以該相關算出部105所算出之相關之指標的變化,抽出該含有分類資料之資料的組合,作為關於不良之資料;以及因果關係推定部107,係從與該關於不良之資料關聯的資料中,抽出被推定為不良原因的資料。根據本構成,藉由應用分類資料,可偵測以習知技術無法偵測的不 良。
又,在第1實施形態之不良原因推定裝置1,特徵為:該含有分類資料之資料係含有分類資料之資料項目,該關於不良之資料係關於不良之資料項目,該關聯之資料係關聯之資料項目,該被推定為不良原因的資料係被推定為不良原因的資料項目。根據本構成,藉由按照資料項目的單位進行相關分析,可一面進行高效率之資料處理,一面偵測以習知技術無法偵測的不良。
又,在第1實施形態之不良原因推定裝置1,特徵為:該資料收集部101係與該機器之分類資料同時地收集以設置於該機器之感測器所測量的感測器資料,該相關算出部105係算出包含以該資料收集部所收集之分類資料及感測器資料的資料之相關的指標。根據本構成,可偵測以習知技術無法偵測的不良,同可比習知技術更提高不良偵測、原因推定的精度。
又,在第1實施形態之不良原因推定裝置1,特徵為:該設備係包含製造裝置或升降機或空調機器或發電廠裝置。根據本構成,在製造裝置或升降機或空調機器或發電廠裝置,可偵測以習知技術無法偵測的不良。
又,在第1實施形態之不良原因推定裝置1,特徵為:該分類資料係包含該機器之動作的設定值、或該機器之環境資料、或該機器之動作的OK/NG判定等的動作判定結果。根據本構成,可偵測與該機器之動作的設定值、或該機器之環境資料、或該機器之動作的OK/NG判定等的動作判定結果關聯地發生的不良。
第2實施形態
在第2實施形態,說明對第1實施形態的構成更附加不良發生預測部的構成。
在第7圖表示第2實施形態之不良原因推定裝置1的構成例。在本實施形態,在第1實施形態的因果關係推定部107之後,在不良發生預測部701實施不良發生預測的處理。在不良發生預測,係從不良原因資料項目之過去的不良發生率,預測下次發生不良或不良增加的時期(以下稱為不良時期)。亦可是不僅預測不良時期,而且預測今後之每隔經過時間的不良率之方法。
作為具體的一例,在根據過去之資料,以因果關係推定部107抽出設定2,作為不良原因資料項目時,預先記錄從該抽出之時間點至時期T1所發生的不良發生率是0.1%、至時期T2所發生的不良發生率是1%,作為統計性資料。在這次以因果關係推定部107抽出設定2,作為不良原因資料項目時,根據該統計性資料,預測至時期T1所發生的不良發生率是0.1%、至時期T2所發生的不良發生率是1%。又,亦可預測不良似乎增加的時間是從時期T1至時期T2之間。
此外,僅在不良關鍵資料項目實施不良發生預測的情況,亦可因果關係推定部107係不存在。根據第2實施形態,因為不僅得知不良原因,而且得知不良時期,所以可對不良原因採取計劃性的對策。
本實施形態之不良原因推定裝置1的情況之硬體構成係與第5圖相同的構成。此處,因果關係推定部107之預
測結果係儲存於儲存裝置604。又,不良發生預測部701所進行之處理係處理器601讀出記憶體602所記憶之程式並執行。
依此方式,在第2實施形態之不良原因推定裝置1,特徵為:具備不良發生預測部701,該不良發生預測部701係根據該關於不良之資料項目或該被推定為不良原因之資料項目之過去的不良發生資訊,推定現在或未來之發生不良的狀態。根據本構成,可推定以習知技術無法偵測之現在或未來之發生不良的狀態。
又,在第2實施形態之不良原因推定裝置1,特徵為:該不良發生預測部701係根據該關於不良之資料項目或該被推定為不良原因之資料項目之過去的不良發生資訊,預測不良之發生時期、或推定現狀旳不良發生率。根據本構成,可預測以習知技術無法偵測之不良的發生時期。或,可推定以習知技術無法偵測之不良之現狀的不良發生率。
第3實施形態
在第3實施形態,表示對第1實施形態裡的感測器資料亦一併地進行相關分析的形態。
在第8圖表示本實施形態之不良原因推定裝置1的構成例。在第8圖,在資料收集部101之後追加資料種類分類部801。這是為了在以相關算出部105算出相關指標時,因應於分類資料、感測器資料之組合型式來變更相關指標的情況,對資料項目附加標籤者。亦可標籤是分類資料、感測器資料之2種標籤。亦可標籤是名義尺度、順序尺度、間隔尺度、比例尺度之4種標籤。若設想分類資料係名義尺度或順序尺度、感測器資料是間隔尺度或比例尺度,亦可是分類資料、間隔尺度、比例尺度之3種標籤,亦可是名義尺度、順序尺度、感測器資料之3種標籤。
作為變更在相關算出部105之對資料項目的各標籤算出相關之方法的例子,因應於資料項目之標籤,在以下表示3種型式。第1種型式,資料項目組雙方都是分類資料的情況,作為相關指標,利用Spearman秩相關係數、或Cramer關聯係數等。第2種型式,資料項目組雙方都是感測器資料的情況,利用皮爾遜積差相關係數等。第3種型式,資料項目組是分類資料與感測器資料之組合的情況,利用Spearman秩相關係數、相關比等。亦可不變更對各標籤算出相關的方法,而以相同的方法算出。亦可在資料之分類利用分類資料,並以感測器資料算出相關。作為在資料之分類利用分類資料的方法,有成層分析、共變異數分析等。
根據第3實施形態,因為可檢測出分類資料、感測器資料之組合之相關的變化,所以可應付僅在分類資料出現的不良、僅在感測器資料出現的不良、比較分類資料與感測器資料所出現的不良等多種的不良。
本實施形態之不良原因推定裝置1的情況之硬體構成成為與第5圖相同的構成。此處,在資料種類分類部801所算出之結果係儲存於儲存裝置604。又,資料種類分類部801所進行之處理係處理器601讀出記憶體602所記憶之程式並執行。資料種類分類部801所參照之資料項目的規則係亦可讀入儲存裝置604所記憶的資料,亦可透過通訊I/F(Interface)裝置 603取得。
依此方式,在第3實施形態之不良原因推定裝置1,特徵為:具備資料種類分類部801,該資料種類分類部801係對包含以該資料收集部101所收集之分類資料及感測器資料的資料,附加因應於資料之種類的標籤,該相關算出部105係根據因應於對該資料所附加之標籤的算出方法算出包含以該資料收集部101所收集之分類資料及感測器資料的資料之相關的指標。根據本構成,可應付僅在分類資料出現的不良、僅在感測器資料出現的不良、比較分類資料與感測器資料所出現的不良等多種的不良。
在第4實施形態,表示在第3實施形態,實施在第2實施形態所實施之不良發生預測的形態。
在第9圖表示本實施形態之不良原因推定裝置1的構成例。與第7圖、第8圖相同的元件係附加相同的編號。根據第4實施形態,能以與僅在感測器資料出現的不良、比較分類資料與感測器資料所出現的不良等多種之不良的方式,進行不良時期之預測、不良率之推定。
Claims (10)
- 一種不良原因推定裝置,其特徵為包括:資料收集部,係收集含有表示構成設備之機器的狀態之資料項目的分類資料;相關算出部,係算出含有以該資料收集部所收集之分類資料的資料之相關的指標;資料抽出部,係根據以該相關算出部所算出之相關之指標的時間之變化,抽出該含有分類資料之資料的組合,作為關於不良之資料;以及因果關係推定部,係從與該關於不良之資料關聯的資料中,抽出被推定為不良原因的資料。
- 如申請專利範圍第1項之不良原因推定裝置,其中該含有分類資料之資料係含有分類資料之資料項目;該關於不良之資料係關於不良之資料項目;該關聯之資料係關聯之資料項目;該被推定為不良原因的資料係被推定為不良原因的資料項目。
- 如申請專利範圍第1或2項之不良原因推定裝置,其中該資料收集部係與該機器之分類資料同時地收集以設置於該機器之感測器所測量的感測器資料;該相關算出部係算出包含以該資料收集部所收集之分類資料及感測器資料的資料之相關的指標。
- 如申請專利範圍第1或2項之不良原因推定裝置,其中該設備係包含製造裝置或升降機或空調機器或發電廠裝置。
- 如申請專利範圍第1或2項之不良原因推定裝置,其中該分類資料係包含該機器之動作的設定值、或該機器之環境資料、或該機器的動作判定結果。
- 如申請專利範圍第1或2項之不良原因推定裝置,其中具備不良發生預測部,該不良發生預測部係根據該關於不良之資料或該被推定為不良原因之資料之過去的不良發生資訊,推定現在或未來之發生不良的狀態。
- 如申請專利範圍第6項之不良原因推定裝置,其中該不良發生預測部係根據該關於不良之資料或該被推定為不良原因之資料之過去的不良發生資訊,預測不良之發生時期、或推定現狀旳不良發生率。
- 如申請專利範圍第1或2項之不良原因推定裝置,其中具備資料種類分類部,該資料種類分類部係對包含以該資料收集部所收集之分類資料及感測器資料的資料,附加因應於資料之種類的標籤;該相關算出部係根據因應於對該資料所附加之標籤的算出方法算出包含以該資料收集部所收集之分類資料及感測器資料的資料之相關的指標。
- 一種不良原因推定方法,其特徵為包括:資料收集步驟,係收集含有表示構成設備之機器的狀態之資料項目的分類資料;相關算出步驟,係算出含有以該資料收集步驟所收集之分類資料的資料之相關的指標;資料抽出步驟,係根據以該相關算出步驟所算出之相關之指標的時間之變化,抽出該含有分類資料之資料的組合,作為關於不良之資料;以及因果關係推定步驟,係從與該關於不良之資料關聯的資料中,抽出被推定為不良原因的資料。
- 如申請專利範圍第9項之不良原因推定方法,其中該含有分類資料之資料係含有分類資料之資料項目;該關於不良之資料係關於不良之資料項目;該關聯之資料係關聯之資料項目;該被推定為不良原因的資料係被推定為不良原因的資料項目。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP2017/004731 WO2018146768A1 (ja) | 2017-02-09 | 2017-02-09 | 不良要因推定装置および不良要因推定方法 |
??PCT/JP2017/004731 | 2017-02-09 |
Publications (2)
Publication Number | Publication Date |
---|---|
TW201830186A TW201830186A (zh) | 2018-08-16 |
TWI646414B true TWI646414B (zh) | 2019-01-01 |
Family
ID=63108011
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW106105860A TWI646414B (zh) | 2017-02-09 | 2017-02-22 | 不良原因推定裝置以及不良原因推定方法 |
Country Status (7)
Country | Link |
---|---|
US (1) | US20200125970A1 (zh) |
JP (1) | JPWO2018146768A1 (zh) |
KR (1) | KR20190098254A (zh) |
CN (1) | CN110249276A (zh) |
DE (1) | DE112017006733T5 (zh) |
TW (1) | TWI646414B (zh) |
WO (1) | WO2018146768A1 (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101867605B1 (ko) * | 2017-11-13 | 2018-07-18 | (주)아이티공간 | 엘리베이터 분석을 통한 예지 보전 및 고효율 운행방법 |
JP7060535B2 (ja) * | 2019-02-27 | 2022-04-26 | ファナック株式会社 | 工作機械の加工不良発生予測システム |
TWI744909B (zh) * | 2019-06-28 | 2021-11-01 | 日商住友重機械工業股份有限公司 | 用於預測對象裝置的運轉狀態之預測系統、其之預測、其之預測程式、以及用於掌握對象裝置的運轉狀態之顯示裝置 |
JP7483341B2 (ja) * | 2019-09-26 | 2024-05-15 | キヤノン株式会社 | 情報処理方法、情報処理装置、機械設備、物品の製造方法、プログラム、記録媒体 |
KR102566084B1 (ko) * | 2020-12-08 | 2023-08-10 | 미쓰비시덴키 가부시키가이샤 | 학습 장치, 불량 검지 장치, 및 불량 검지 방법 |
WO2024053030A1 (ja) * | 2022-09-08 | 2024-03-14 | 三菱電機株式会社 | 異常要因推定装置、学習装置、精密診断システム、および、異常要因推定方法 |
CN115292392B (zh) * | 2022-10-10 | 2022-12-16 | 南通海隼信息科技有限公司 | 用于智能仓储的数据管理方法 |
CN116993327B (zh) * | 2023-09-26 | 2023-12-15 | 国网安徽省电力有限公司经济技术研究院 | 用于变电站的缺陷定位***及其方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWM333609U (en) * | 2007-11-26 | 2008-06-01 | You-Teng Cai | Remote maintenance and troubleshooting device |
TWM413113U (en) * | 2011-02-16 | 2011-10-01 | De Lin Inst Technology | A device of on-line measuring and quality control |
TWI421706B (zh) * | 2008-01-21 | 2014-01-01 | Canon Kk | 資訊處理裝置、資訊處理方法和記憶媒體 |
TWI427722B (zh) * | 2010-08-02 | 2014-02-21 | Univ Nat Cheng Kung | 使用具有信心指標之虛擬量測的先進製程控制系統與方法及其電腦程式產品 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5427107B2 (ja) * | 2010-05-20 | 2014-02-26 | 株式会社日立製作所 | 監視診断装置および監視診断方法 |
JP5794034B2 (ja) * | 2011-08-18 | 2015-10-14 | 富士ゼロックス株式会社 | 障害予測システム及びプログラム |
-
2017
- 2017-02-09 JP JP2018566705A patent/JPWO2018146768A1/ja active Pending
- 2017-02-09 KR KR1020197022656A patent/KR20190098254A/ko active Search and Examination
- 2017-02-09 CN CN201780085513.9A patent/CN110249276A/zh not_active Withdrawn
- 2017-02-09 US US16/474,260 patent/US20200125970A1/en not_active Abandoned
- 2017-02-09 DE DE112017006733.2T patent/DE112017006733T5/de not_active Withdrawn
- 2017-02-09 WO PCT/JP2017/004731 patent/WO2018146768A1/ja active Application Filing
- 2017-02-22 TW TW106105860A patent/TWI646414B/zh not_active IP Right Cessation
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWM333609U (en) * | 2007-11-26 | 2008-06-01 | You-Teng Cai | Remote maintenance and troubleshooting device |
TWI421706B (zh) * | 2008-01-21 | 2014-01-01 | Canon Kk | 資訊處理裝置、資訊處理方法和記憶媒體 |
TWI427722B (zh) * | 2010-08-02 | 2014-02-21 | Univ Nat Cheng Kung | 使用具有信心指標之虛擬量測的先進製程控制系統與方法及其電腦程式產品 |
TWM413113U (en) * | 2011-02-16 | 2011-10-01 | De Lin Inst Technology | A device of on-line measuring and quality control |
Also Published As
Publication number | Publication date |
---|---|
JPWO2018146768A1 (ja) | 2019-04-25 |
KR20190098254A (ko) | 2019-08-21 |
CN110249276A (zh) | 2019-09-17 |
DE112017006733T5 (de) | 2019-10-31 |
WO2018146768A1 (ja) | 2018-08-16 |
US20200125970A1 (en) | 2020-04-23 |
TW201830186A (zh) | 2018-08-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
TWI646414B (zh) | 不良原因推定裝置以及不良原因推定方法 | |
WO2023071217A1 (zh) | 基于深度迁移学习的多工况流程工业故障检测诊断方法 | |
JP6351862B2 (ja) | 運転状態分類装置 | |
US8682616B2 (en) | Identifying failures in an aeroengine | |
KR101948604B1 (ko) | 센서 군집화 기반의 설비 건강 모니터링 방법 및 장치 | |
TW201802626A (zh) | 異常資料的重要度判定裝置以及異常資料的重要度判定方法 | |
JP5014500B1 (ja) | 異常要因特定方法および装置、上記異常要因特定方法をコンピュータに実行させるためのプログラム、並びに上記プログラムを記録したコンピュータ読み取り可能な記録媒体 | |
CN108573368B (zh) | 管理装置以及可读取记录介质 | |
JP2013018482A5 (zh) | ||
CN108268689B (zh) | 加热元件的状态诊断与评估方法及其应用 | |
JP6521096B2 (ja) | 表示方法、表示装置、および、プログラム | |
JP7260292B2 (ja) | 異常診断装置及び異常診断方法 | |
KR102073810B1 (ko) | 머신러닝을 이용하여 함정 추진 장비의 고장을 예측하는 방법 및 시스템 | |
CN111964909A (zh) | 滚动轴承运行状态检测方法、故障诊断方法及*** | |
CN106672722A (zh) | 机器诊断装置、机器诊断方法以及机器诊断*** | |
JP4723544B2 (ja) | 基板分類方法および装置、基板分類方法をコンピュータに実行させるためのプログラム、並びに上記プログラムを記録したコンピュータ読み取り可能な記録媒体 | |
KR20230125116A (ko) | 머신러닝 클러스터링 알고리즘과 통계적 기법을 이용해 고장 데이터가 부재한 시스템의 결함 탐지 및 고장 진단 예측 방법 | |
WO2019030945A1 (ja) | 原因推定方法およびプログラム | |
JP6135192B2 (ja) | 時系列データの異常監視装置、異常監視方法及びプログラム | |
CN117763432A (zh) | 通讯故障预测方法、装置、设备及存储介质 | |
JP6885321B2 (ja) | プロセスの状態診断方法及び状態診断装置 | |
JP6697766B2 (ja) | 劣化推定方法及び劣化推定装置 | |
WO2017149597A1 (ja) | 機器分類装置 | |
CN109716251A (zh) | 运转状态分类装置 | |
Hsieh et al. | An Intelligent Factory Automation System with Multivariate Time Series Algorithm for Chip Probing Process |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
MM4A | Annulment or lapse of patent due to non-payment of fees |