WO2021044500A1 - 異常に対する処理の支援装置 - Google Patents

異常に対する処理の支援装置 Download PDF

Info

Publication number
WO2021044500A1
WO2021044500A1 PCT/JP2019/034487 JP2019034487W WO2021044500A1 WO 2021044500 A1 WO2021044500 A1 WO 2021044500A1 JP 2019034487 W JP2019034487 W JP 2019034487W WO 2021044500 A1 WO2021044500 A1 WO 2021044500A1
Authority
WO
WIPO (PCT)
Prior art keywords
causal
causal relationship
relationship model
event
coping
Prior art date
Application number
PCT/JP2019/034487
Other languages
English (en)
French (fr)
Inventor
真実 宮本
玲子 服部
雄也 太田
一貴 西田
Original Assignee
オムロン株式会社
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 オムロン株式会社 filed Critical オムロン株式会社
Priority to PCT/JP2019/034487 priority Critical patent/WO2021044500A1/ja
Publication of WO2021044500A1 publication Critical patent/WO2021044500A1/ja

Links

Images

Classifications

    • 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

Definitions

  • the present invention relates to a support device, a support method, and a support program for processing an abnormality.
  • the causative element corresponds to, for example, a driving means such as a servomotor in a manufacturing facility and a monitoring means such as a sensor.
  • a driving means such as a servomotor in a manufacturing facility
  • a monitoring means such as a sensor.
  • a causal relationship model is constructed by representing it with an arrow.
  • Patent Document 1 in addition to the above-mentioned causal relationship model, a coping method for an abnormality that occurs is determined for each causal element. Then, when an abnormality occurs in a certain causal element, it is disclosed that the abnormality is resolved by executing a countermeasure for the upstream causal element that causes the abnormality of the causal element.
  • Patent Document 1 a plurality of coping methods are prioritized and presented by a predetermined method. However, if there is an error in this priority, an inappropriate coping method may be indicated as a high-priority coping method, and there is a possibility that the problem cannot be solved. It should be noted that such a problem is a problem that can occur not only in the abnormality that occurs in the production equipment but also in the coping method for the fluctuation and the displacement within the normal range.
  • the present invention has been made to solve the above problems, and can propose an appropriate coping method for an event that may occur in a production facility, a support device for processing an event, a support method, and a support program.
  • the purpose is to provide.
  • the support device is a production facility for producing a product, and is provided in a production facility having at least one driving means for driving the production facility and at least one monitoring means for monitoring the production. It is a processing support device for an event occurring in the production equipment, and includes a control unit and a storage unit, and the storage unit transmits a causal element related to an event that can occur in the production equipment to the driving means and the storage unit. It has a first causal relationship model that selects at least one of the monitoring means and shows the relationship between the causative elements, and a coping method corresponding to the event related to the first causal relationship model.
  • a plurality of data are stored, and when an event occurs in the production equipment, the control unit selects at least one causal element related to the event from the driving means and the monitoring means, and causes the cause.
  • the coping data including the first step of generating the second causal relationship model showing the relationship between the elements and the first causal relationship model related to the second causal relationship model is stored in the storage unit. It is configured to perform a second step of searching.
  • At least one causal element related to an event that may occur in the production equipment is selected from the driving means and the monitoring means, and the relationship between the causal elements is shown in the first causal relationship model.
  • a plurality of coping data having a coping method corresponding to the event related to the first causal relationship model and a coping method are stored. Therefore, when an event occurs in the production equipment, at least one causal element related to the event is selected from the driving means and the monitoring means, and the relationship between the causal elements is shown.
  • a relational model is generated, and coping data including the first causal relational model related to the second causal relational model is searched in the storage unit. Therefore, by finding the first causal relationship model that is highly related to the second causal relationship model, it is possible to adopt the coping method.
  • the search method in the second step can be in various modes.
  • the control unit may use an adjacency matrix based on the causal element included in the second causal relational model and an adjacency matrix based on the causal element included in the first causal relational model. It can be configured to search for the adjacency matrix related to the second causal relationship model and the first causal relationship model showing the adjacency matrix having the shortest distance.
  • control unit is configured to search the storage unit for the coping data including the first causal relationship model that completely or partially matches the second causal relationship model. be able to.
  • the support device may further include a display unit, and the control unit displays at least the countermeasure method on the display unit among the countermeasure data output as a result of the search in the second step.
  • the three steps can be configured to be performed further.
  • control unit further executes a step of storing the coping method generated for responding to the event related to the second causal relationship model in the storage unit together with the second causal relationship model. It can be configured as follows.
  • the support method according to the present invention is provided in a production facility for producing a product, which has at least one driving means for driving the production facility and at least one monitoring means for monitoring the production. It is a method of supporting processing for an event occurring in the production equipment, and at least one causal element related to an event that can occur in the production equipment is selected from the driving means and the monitoring means, and the causal element is selected.
  • At least one causal element related to the event is selected from the driving means and the monitoring means, and a second causal relationship model showing the relationship between the causal elements is generated.
  • the support program according to the present invention is provided in a production facility that produces a product and has at least one driving means for driving the production facility and at least one monitoring means for monitoring the production. It is a processing support program for an event occurring in the production equipment, and the computer selects at least one causal element related to the event that can occur in the production equipment from the driving means and the monitoring means, and the said A step of storing a plurality of coping data having a first causal relationship model showing a relationship between causative elements and a coping method corresponding to an event related to the first causal relationship model, and an event in the production facility.
  • a second causal relationship model showing the relationship between the causal elements is generated.
  • the step of searching for the coping data including the first causal relationship model related to the second causal relationship model.
  • FIG. 1 An example of a situation in which the present invention is applied is schematically illustrated. It is a block diagram which shows the hardware structure of the support device which concerns on one Embodiment of this invention. It is the schematic of the production equipment which concerns on one Embodiment of this invention. It is the figure which superposed the node of the causal relation model on the schematic diagram of a packaging machine. It is a block diagram which shows the functional structure of the support device. It is a flowchart which shows an example of construction of a causal relational model. This is an example of the relationship between the control signal and the takt time. This is an example of a causal relationship model. This is an example of a causal relationship model. This is an example of a causal relationship model. This is an example of coping data.
  • This is an example of an adjacency matrix. This is an example of an adjacency matrix.
  • the present embodiment an embodiment according to one aspect of the present invention (hereinafter, also referred to as “the present embodiment”) will be described with reference to the drawings.
  • the embodiments described below are merely examples of the present invention in all respects. Needless to say, various improvements and modifications can be made without departing from the scope of the present invention. That is, in carrying out the present invention, a specific configuration according to the embodiment may be appropriately adopted.
  • the data appearing in the present embodiment is described in natural language, more specifically, it is specified in a pseudo language, a command, a parameter, a machine language, etc. that can be recognized by a computer.
  • FIG. 1 schematically illustrates an example of an application scene of the production system according to the present embodiment.
  • the production system according to the present embodiment includes a packaging machine 3, a support device 1, and a display device 2, which are examples of production equipment.
  • the support device 1 is a computer configured to build and display a causal relationship between a servomotor (driving means) and various sensors (monitoring means) provided in the packaging machine 3.
  • driving means such as a servomotor and monitoring means such as various sensors will be collectively referred to as a mechanism.
  • the causative element according to the present invention corresponds to a mechanism that causes an abnormality among the mechanisms.
  • the support device 1 builds a causal relationship model between the mechanisms for the abnormality that occurs in the packaging machine 3.
  • a causal relationship model constructed when the wear of the leather belt for the brake of the film roll 30 (see FIG. 3) described later occurs as an abnormality is represented by a graph. That is, among the plurality of servomotors provided in the packaging machine 3, servos 1, 3 and 4 are represented as nodes, and these are connected by edges. And the direction of the edge shows a causal relationship. That is, it is shown that when the leather belt is worn, the servo 1 affects the servo 3, and the servo 3 further affects the servo 4, resulting in the wear of the leather belt.
  • the operator of the packaging machine 3 may check the servos 4, 3 and 1.
  • the order in which the servos 4, 3 and 1 are confirmed is not particularly limited, and for example, the order in which the abnormality occurs is confirmed from the root of the causal cause (servo 1 in this example). Confirmation can be performed in various orders, such as checking in order or checking from the mechanism with the highest degree of abnormality.
  • each servomotor has a plurality of controllable feature amounts such as torque and position, and any of the feature amounts of the servomotor establishes the above-mentioned causal relationship.
  • the causal relationship model constructed in this way is stored in the database as coping data together with the coping method for the abnormality. Then, when an abnormality occurs in the packaging machine 3, a causal relationship model for the abnormality is constructed, and a causal relationship model having a high relevance to the constructed causal relationship model is selected from the database by searching the database. Then, the coping method associated with the selected causal relationship model is displayed on the display device 2 as a coping method for the abnormalities that have occurred. Therefore, when an abnormality occurs, the coping method is determined based on the causal relationship model, so that the coping method can be determined accurately.
  • each mechanism may be, for example, a conveyor, a robot arm, a servomotor, a cylinder (molding machine or the like), a suction pad, a cutter device, a sealing device, or the like.
  • each mechanism may be a composite device such as a printing machine, a mounting machine, a reflow furnace, or a substrate inspection device.
  • each mechanism includes, for example, a device that detects some information by various sensors, a device that acquires data from various sensors, and some device from the acquired data, in addition to the device that involves some physical operation as described above. It may include a device that performs internal processing such as a device that detects information and a device that processes acquired data.
  • One mechanism may be composed of one or more devices, or may be composed of a part of the devices.
  • One device may be configured by a plurality of mechanisms. Further, when the same device executes a plurality of processes, each may be regarded as a different mechanism. For example, when the same device executes the first process and the second process, the device that executes the first process is regarded as the first mechanism, and the device that executes the second process is the first. It may be regarded as the mechanism of 2.
  • FIG. 2 is a block diagram showing an example of the hardware configuration of the support device 1 according to the present embodiment
  • FIG. 3 is a diagram showing a schematic configuration of the packaging machine.
  • the support device 1 is a computer to which the control unit 11, the storage unit 12, the communication interface 13, the external interface 14, the input device 15, and the drive 16 are electrically connected.
  • the control unit 11 includes a CPU (Central Processing Unit), a RAM (Random Access Memory), a ROM (Read Only Memory), and the like, and controls each component according to information processing.
  • the storage unit 12 is, for example, an auxiliary storage device such as a hard disk drive or a solid state drive, and stores a program 121 executed by the control unit 11, coping data 122, operation state data 123, and the like.
  • the program 121 is a program for constructing a causal relationship model between an abnormality occurring in the packaging machine 3 and a mechanism, searching for a coping method for an abnormality based on the constructed causal relationship model, displaying the coping method on the display device 2, and the like. is there.
  • the coping data 122 is data including a plurality of causal relationship models 124 and coping methods 125 thereof.
  • the causal relationship model 124 is data showing the causal relationship of abnormal occurrence constructed by the feature amount of each mechanism extracted from the packaging machine 3. That is, it is data showing a causal relationship between the mechanisms when an abnormality occurs in the packaging machine 3 in the past.
  • the causal relationship model 124 is generated by the feature amount extracted from the packaging machine 3, but the causal relationship model 124 generated in advance in the external device is stored. You can also.
  • the coping method 125 is a coping method for the abnormality specified by the causal relational model 124, that is, a coping method for solving the abnormality that has occurred in the past.
  • the coping data 122 includes a plurality of combinations of the causal relationship model 124 for the abnormalities that have occurred in the past and the coping method 125.
  • the operating state data 123 is data indicating the operating state of the packaging machine 3. Details will be described later, but for example, it can be data that can occur in driving each mechanism described above, for example, measurement data such as torque, speed, acceleration, temperature, and pressure. Further, when the mechanism is a sensor, the detection result can be, for example, detection data indicating whether or not the content WA exists by "on” and "off".
  • the communication interface 13 is, for example, a wired LAN (Local Area Network) module, a wireless LAN module, or the like, and is an interface for performing wired or wireless communication. That is, the communication interface 13 is an example of a communication unit configured to communicate with another device.
  • the support device 1 of the present embodiment is connected to the packaging machine 3 via the communication interface 13.
  • the external interface 14 is an interface for connecting to an external device, and is appropriately configured according to the external device to be connected.
  • the external interface 14 is connected to the display device 2.
  • the display device 2 a known liquid crystal display, touch panel display, or the like may be used.
  • the input device 15 is, for example, a device for inputting a mouse, a keyboard, or the like.
  • the drive 16 is, for example, a CD (Compact Disk) drive, a DVD (Digital Versatile Disk) drive, or the like, and is a device for reading a program stored in the storage medium 17.
  • the type of the drive 16 may be appropriately selected according to the type of the storage medium 17. At least a part of various data 122 to 125 including the program 121 stored in the storage unit may be stored in the storage medium 17.
  • the storage medium 17 stores the information of the program or the like by electrical, magnetic, optical, mechanical or chemical action so that the information of the program or the like recorded by the computer or other device, the machine or the like can be read. It is a medium to do.
  • a disc-type storage medium such as a CD or DVD is illustrated.
  • the type of the storage medium 17 is not limited to the disc type, and may be other than the disc type. Examples of storage media other than the disk type include semiconductor memories such as flash memories.
  • the components can be omitted, replaced, or added as appropriate according to the embodiment.
  • the control unit 11 may include a plurality of processors.
  • the support device 1 may be composed of a plurality of information processing devices. Further, as the support device 1, a general-purpose server device or the like may be used in addition to the information processing device designed exclusively for the provided service.
  • FIG. 3 schematically illustrates an example of the hardware configuration of the packaging machine 3 according to the present embodiment.
  • the wrapping machine 3 is a so-called horizontal pillow wrapping machine, which is a device for wrapping contents WA such as food (dried noodles, etc.) and stationery (eraser, etc.).
  • the type of the content WA can be appropriately selected according to the embodiment, and is not particularly limited.
  • the wrapping machine 3 broadcasts the film roll 30 on which the wrapping film is wound, the film transport unit 31 for transporting the wrapping film, the content transport unit 32 for transporting the content WA, and the content on the wrapping film. It is provided with a bag making portion 33.
  • the packaging film can be, for example, a resin film such as a polyethylene film.
  • the film roll 30 includes a winding core, and the packaging film is wound around the winding core.
  • the winding core is rotatably supported around the axis, whereby the film roll 30 is configured so that the packaging film can be unwound while rotating.
  • the film transport unit 31 includes a drive roller driven by a servomotor (servo 1) 311, a passive roller 312 to which a rotational force is applied from the drive roller, and a plurality of pulleys 313 that guide the packaging film while applying tension. , Is equipped.
  • the film transport section 31 is configured to feed the packaging film from the film roll 30 and transport the delivered packaging film to the bag making section 33 without loosening it.
  • the content transfer unit 32 includes a conveyor 321 that conveys the content WA to be packaged, and a servomotor (servo 2) 322 that drives the conveyor 321.
  • the content transporting section 32 is connected to the bag making section 33 via the lower part of the film transporting section 31.
  • the content WA transported by the content transport unit 32 is supplied to the bag making unit 33 and packaged by the packaging film supplied from the film transport unit 31.
  • a fiber sensor (sensor 1) 324 for detecting the position of the content WA is provided in the information downstream of the conveyor 321.
  • a fiber sensor (sensor 2) 325 for detecting the riding of the contents WA and the like.
  • the bag making section 33 cuts the conveyor 331, the servo motor (servo 3) 332 that drives the conveyor 331, the center seal section 333 that seals the packaging film in the transport direction, and the packaging film on both ends in the transport direction. It includes an end seal portion 334 that seals at each end portion.
  • the conveyor 331 conveys the content WA conveyed from the content transfer unit 32 and the packaging film supplied from the film transfer unit 31.
  • the packaging film supplied from the film transport unit 31 is supplied to the center seal unit 333 while being appropriately bent so that both side edge portions in the width direction overlap each other.
  • the center seal portion 333 is composed of, for example, a pair of left and right heating rollers (heaters 1 and 2), and seals both side edge portions of the bent packaging film along the transport direction by heating.
  • the packaging film is formed in a tubular shape.
  • the content WA is put into the packaging film formed in this tubular shape.
  • a fiber sensor (sensor 3) 336 that detects the position of the content WA is provided above the conveyor 331.
  • the end seal portion 334 includes, for example, a roller driven by a servomotor (servo 4) 335, a pair of cutters that open and close by rotation of the rollers, and heaters (heaters 3) provided on both sides of each cutter.
  • a servomotor servo 4
  • the end seal portion 334 is configured so that the tubular packaging film can be cut in the direction orthogonal to the transport direction and can be sealed by heating at the cut portion.
  • the tip portion of the packaging film formed in a tubular shape is sealed on both sides in the transport direction and separated from the subsequent portion to become a packaging body WB containing the contents WA.
  • the above-mentioned packaging machine 3 can wrap the contents WA in the following steps. That is, the film transport unit 31 feeds out the packaging film from the film roll 30. In addition, the content transport unit 32 transports the content WA to be packaged. Next, the center seal portion 333 of the bag making portion 33 forms the unwound packaging film into a tubular shape. Then, after the content WA is put into the formed tubular packaging film, the tubular packaging film is cut in the direction orthogonal to the transport direction by the end seal portion 334, and both sides of the cut portion in the transport direction are cut. Seal by heating with. As a result, a horizontal pillow type package WB containing the content WA is formed. That is, the packaging of the contents WA is completed.
  • the drive of the packaging machine 3 can be controlled by a PLC or the like provided separately from the packaging machine 3.
  • the above-mentioned operating state data 123 can be acquired from the PLC.
  • 10 mechanisms are set in order to establish a causal relationship of abnormalities. That is, the above-mentioned servos 1 to 4, heaters 1 to 3, and sensors 1 to 3 are set as mechanisms, and a causal relationship between these mechanisms when an abnormality occurs is constructed as a causal relationship model. Details will be described later.
  • FIG. 5 is an example of the functional configuration of the support device 1 according to the present embodiment.
  • the control unit 11 of the support device 1 expands the program 8 stored in the storage unit 12 into the RAM. Then, the control unit 11 interprets and executes the program 8 expanded in the RAM by the CPU to control each component.
  • the support device 1 according to the present embodiment functions as a computer including a feature amount acquisition unit 111, a model construction unit 112, a search unit 113, and a display control unit 114.
  • the feature amount acquisition unit 111 is an operating state data indicating the operating state of the packaging machine 3 at the time when the packaging machine 3 normally forms the packaging body WB and at the time when an abnormality occurs in the formed packaging body WB.
  • the values of a plurality of types of feature quantities calculated from 123 are acquired.
  • the model building unit 112 uses the acquired values of the features of each type during normal and abnormal times to derive a degree of association between the abnormalities occurring in the formed package WB and the features of each type. Based on this, a feature amount effective for predicting anomalies is selected from the acquired multiple types of feature amounts. Then, using the selected features, a causal relationship model showing the causal relationship between the mechanisms when an abnormality occurs is constructed. Details of the construction of the causal relationship model will be described later.
  • the search unit 113 searches in the coping data 122 in order to search for the causal relationship model 124 related to the constructed causal relationship model. Then, the coping data 122 including the relevant causal relationship model 124 found as a result of the search is selected.
  • the search method will be described later.
  • the display control unit 114 has a function of displaying the coping method 125 included in the coping data 122 selected by the search unit 113 on the screen of the display device 2. In addition, the display control unit 114 controls for displaying various information on the screen of the display device 2.
  • Each function of the support device 1 will be described in detail in an operation example described later.
  • an example in which all of the above functions are realized by a general-purpose CPU is described.
  • some or all of the above functions may be realized by one or more dedicated processors.
  • the functions may be omitted, replaced, or added as appropriate according to the embodiment.
  • FIG. 6 illustrates an example of the processing procedure of the support device when creating the causal relationship model.
  • Step S101 In the first step S101, the control unit 11 of the support device 1 functions as the feature amount acquisition unit 111, and an abnormality occurs in the normal time when the packaging machine 3 normally forms the package WB and in the formed package WB. For each of the abnormal cases, the values of a plurality of types of features calculated from the operating state data 123 indicating the operating state of the packaging machine 3 are acquired.
  • the control unit 11 classifies the normal time and the abnormal time, and collects the operation state data 123.
  • the type of operating state data 123 to be collected is not particularly limited as long as it is data indicating the state of the packaging machine 3, but in the present embodiment, data that can occur in driving each mechanism described above, for example, torque, speed, and so on. It can be measured data such as acceleration, temperature, and pressure.
  • measurement data such as ON time, OFF time, turn ON time, and turn OFF time can be used as operation state data 123.
  • the ON time and the OFF time are the total times during which the control signal in the target frame is ON or OFF, and the turn ON time and the turn OFF time are the targets. This is the time until the control signal is turned ON or OFF for the first time in the frame.
  • the control unit 11 can acquire the detection result of each sensor, for example, the detection data indicating whether or not the content WA exists as “on” and “off” as the operation state data 123.
  • the collected operation state data 123 may be stored in the storage unit 12 or may be stored in an external storage device.
  • the control unit 11 divides the collected operation state data 123 for each frame in order to define the processing range for calculating the feature amount. For example, the control unit 11 may divide the operation state data 123 into frames having a fixed time length. However, the packaging machine 3 does not always operate at regular time intervals. Therefore, if the operation state data 123 is divided into frames having a fixed time length, the operation of the packaging machine 3 reflected in each frame may be deviated.
  • the control unit 11 divides the operation state data 123 into frames for each tact time.
  • the tact time is the time required to produce a predetermined number of products, that is, to form a predetermined number of packages WB.
  • This takt time can be specified based on a signal that controls the packaging machine 3, for example, a control signal that controls the operation of each servomotor of the packaging machine 3.
  • FIG. 7 schematically illustrates the relationship between the control signal and the takt time.
  • the control signal for the production equipment that repeats the production of products such as the packaging machine 3 is a pulse signal in which "on" and "off” appear periodically according to the production of a predetermined number of products. It has become.
  • control unit 11 can acquire this control signal from the packaging machine 3, and set the time from the rise (“on”) of the acquired control signal to the next rise (“on”) as the takt time. Then, as shown in FIG. 7, the control unit 11 can divide the operation state data 123 into frames for each takt time.
  • control signal is not particularly limited as long as it is a signal that can be used to control the packaging machine 3.
  • the output signal of this sensor is used. May be used as a control signal.
  • control unit 11 calculates the value of the feature amount from each frame of the operation state data 123.
  • the type of feature quantity is not particularly limited as long as it indicates the characteristics of the production equipment.
  • the control unit 11 controls the amplitude, maximum value, minimum value, average value, and variance value in the frame.
  • Standard deviation, autocorrelation coefficient, maximum value of power spectrum obtained by Fourier transform, skewness, kurtosis, etc. may be calculated as feature quantities.
  • the control unit 11 has an “on” time, an “off” time, in each frame.
  • the duty ratio, the number of “on” times, the number of “off” times, and the like may be calculated as feature quantities.
  • the feature amount may be derived not only from a single operating state data 123 but also from a plurality of operating state data 123.
  • the control unit 11 may calculate the mutual correlation coefficient, ratio, difference, synchronization deviation amount, distance, and the like between the corresponding frames of the two types of operation state data 123 as feature quantities.
  • the control unit 11 calculates a plurality of types of features as described above from the operation state data 123. As a result, the control unit 11 can acquire the values of a plurality of types of features calculated from the operation state data 123 for each of the normal state and the abnormal time.
  • the processing from the collection of the operation state data 123 to the calculation of the value of the feature amount may be performed not by the support device 1 but by the packaging machine 3 or various devices that control the packaging machine 3. Further, even if the control unit 11 discretizes the value of each type of feature amount, for example, a state higher than the threshold value is "1" or "high", and a state lower than the threshold value is "0" or "low”. Good.
  • Step S102 In the next step S102, the control unit 11 functions as the model construction unit 112, and the abnormality that occurs in the package WB formed from the values of the feature amounts of each type at the normal time and the abnormal time acquired in the step S101. Based on a predetermined algorithm that specifies the degree of association with each type of feature amount, a feature amount effective for predicting anomalies is selected from a plurality of types of acquired feature amounts.
  • the predetermined algorithm may be configured using, for example, a Bayesian network.
  • the Bayesian network is one of the graphical modeling in which the causal relationship between a plurality of random variables is expressed by a directed acyclic graph structure and the causal relationship between each random variable is expressed by a conditional probability.
  • the control unit 11 treats each acquired feature amount and the state of the package WB as a random variable, that is, sets each acquired feature amount and the state of the package WB in each node to construct a Bayesian network. Therefore, the causal relationship between each feature amount and the state of the package WB can be derived.
  • a known method may be used to construct the Bayesian network. For example, a structural learning algorithm such as a Greedy Search algorithm, a Stingy Search algorithm, or a total search method can be used to construct a Bayesian network.
  • AIC Alkaike's. Information Criterion
  • C4.5 C4.5
  • CHM Channel Herskovits Measurement
  • MDL Minimum Description Length
  • ML Maximum Likelihood
  • FIG. 8A shows a causal model when leather belt wear occurs as an abnormality. That is, the torque average value and the standard deviation of the position, which are the feature amounts of the servo 1 (servo motor 311), affect the speed average value and the torque maximum value, which are the feature amounts of the servo 2 (servo motor 322).
  • a causal relationship model is constructed in which is affected by the torque average value of the servo 4 (servo motor 335).
  • FIG. 8B shows a causal relationship model when the chain of the conveyor 321 of the content transporting unit 32 becomes loose as an abnormality. That is, the ON time, which is the feature amount of the sensor 2 (fiber sensor 325), affects the turn ON time, which is the feature amount of the sensor 3 (fiber sensor 336), which further affects the torque average value of the servo 4. , A causal relationship model is constructed.
  • FIG. 8C shows a causal relationship model when a sealing defect of the packaging film occurs as an abnormality.
  • a causal relationship model is constructed in which only the average torque value of the servo 4 is the cause of this abnormality, and the abnormality is stored in the storage unit 12.
  • the method of handling each acquired feature amount and the state of the package WB as a random variable can be appropriately set according to the embodiment.
  • the state of the package WB is probable by associating the probability with each event by setting the event that the package WB is normal as "0" and the event that the package WB is abnormal as "1". It can be regarded as a variable.
  • an event in which the value of each feature amount is equal to or less than the threshold value is set to "0”
  • an event in which the value of each feature amount exceeds the threshold value is set to "1".
  • the state of the feature can be regarded as a random variable.
  • the number of states set for each feature amount is not limited to two, and may be three or more.
  • FIG. 9A is coping data 122 including the causal relationship model shown in FIG. 8A, and specifies replacement of parts of the servo 1 as a coping method for eliminating abnormal wear of the leather belt.
  • FIG. 9B is coping data including the causal relationship model shown in FIG. 8B, and specifies replacement of parts of the sensor 2 as a coping method for eliminating the abnormal loosening of the chain.
  • 9C is coping data including the causal relationship model shown in FIG. 8C, and specifies replacement of parts of the servo 4 as a coping method for eliminating an abnormal sealing defect of the packaging film.
  • the causal relationship model constructed in this way is sequentially stored in the storage unit 12 together with the coping method, and is utilized as a database as described later.
  • a causal relationship model is constructed as described above.
  • the database in which the coping data 122 is stored is searched. That is, by searching the database, the constructed causal relationship model and the highly relevant causal relationship model 124 are selected, and the coping method of the causal relationship model is extracted as the coping method of the generated abnormality.
  • Such a database search is performed by the search unit 113 described above, but there are various methods for searching the highly relevant causal relationship model 124. Some of them will be described below.
  • the adjacency matrix shown in FIGS. 12A to 12C is calculated for the target causal relationship model and the causal relationship models 1 and 2 in the database.
  • the Hamming distance between the adjacency matrix of each causal relational model 1 and 2 and the adjacency matrix of the target causal relational model is calculated.
  • the humming distance between the causal relationship model 1 and the adjacency matrix of the target causal relationship model is 3
  • the humming distance between the causal relationship model 2 and the adjacency matrix of the target causal relationship model is 1. Therefore, it is determined that the causal relationship model 2 is similar to the target causal relationship model. Therefore, it is determined that the abnormality of the target causal relational model is solved by adopting the coping method in the causal relational model 2.
  • the similarity can be determined by calculating the inner product and the Euclidean distance.
  • the Hamming distances between a plurality of adjacent matrices are equal, the following can be performed. For example, from the past history, a causal relationship model with a high frequency of occurrence can be adopted, or a causal relationship model associated with a coping method with a low cost can be adopted. Furthermore, for example, when a target causal relationship model as shown in FIG. 13 is constructed, the Hamming distance between the adjacency matrix of the target causal relationship model and the adjacency matrix of the two causal relationship models 1 and 2 is the same. .. In this case, in the target causal relationship model, a causal relationship model including the mechanism Y considered to be the true cause of the abnormality can be adopted as a similar causal relationship model. That is, it is possible to adopt a causal relationship model in which the target causal relationship model and the most upstream node are common.
  • the causal relational model is displayed as a graph and then the graph is represented by an adjacency matrix, but the graph display method is not particularly limited.
  • Various display methods can be used. For example, when the nodes of the causal relationship model are weighted as shown in FIG. 14A, for example, as shown in FIG. 14B, the presence or absence of the nodes can be represented by a matrix indicated by 0 or 1. Alternatively, as shown in FIG. 14C, it can be represented by weighting according to the weighting of each node.
  • edges are weighted as shown in FIG. 15A, for example, as shown in FIG. 15B, the presence or absence of edges can be represented by an adjacency matrix indicated by 0 or 1.
  • the components of the adjacency matrix can be weighted according to the weighting of each edge. It is also possible to use the diagonal components of the adjacency matrix to indicate the presence or absence of nodes.
  • the strength of the relationship between the nodes can be defined, and as shown in FIG. 16B, the adjacency matrix can be defined using this as a weight.
  • the degree of abnormality indicated by the mechanism corresponding to the node that is, the degree of deviation from the normal state is defined, and as shown in FIG. 17B, the adjacency matrix is defined with this degree of abnormality as the weight of each node. You can also do it.
  • a model in advance and add it as an edge weight based on the knowledge and foresight knowledge such as a control program of the device.
  • a graph of a causal relationship model is created in which the strength of the connection between the mechanisms obtained from the knowledge and the control program is weighted to the mechanical connection between the mechanisms.
  • the final causal relationship model is generated by multiplying this with the graph of the causal relationship model having the same node created from the data at the time of device abnormality.
  • the weights of the corresponding edges are multiplied to determine the final weighting of the causal relationship model.
  • the edge weight can be added as follows. (1) Weights are added to the parts that are connected by the contents WA, the packaging film, etc. (For example, the servo 1 and the servo 2 are connected via the packaging film, so the weight is added). (2) Weighting is performed based on the context of the mechanism that can be seen from the information on the manufacturing process. (3) Weighting is performed based on the physical relationship (for example, when the temperature rises, the mechanism thermally expands and the torque increases, etc.). (4) Weighting is based on experimentally known relationships.
  • a causal relationship model is constructed as described above (step S202).
  • the causal relationship model 124 related to the constructed causal relationship model is searched in the database (step S203).
  • the search method is as described above, and the most relevant causal relationship model is selected from the database (step S204).
  • the display control unit 114 sets the coping method 125. It is displayed on the display device 2 (step S205). After that, the constructed causal relationship model and its coping method are stored in the database as coping data (step S206).
  • a causal relationship model related to this causal relationship model is searched in the database. Then, the coping method associated with the highly relevant causal relationship model found as a result of the search can be selected as the coping method for the abnormality related to the constructed causal relationship model.
  • causal relational model similar to the causal relational model constructed for the anomaly can be selected, and some coping method associated with the causal relational model can be determined.
  • the causal relationship model is constructed when an abnormality occurs, but it is also possible to construct a causal relationship model for fluctuations and displacements that occur in a normal range when it is not abnormal, and thus it is constructed. It is also possible to store the created causal relationship model in a database and use it for searching. Such fluctuations, displacements, and anomalies correspond to the events of the present invention.
  • the construction of the causal relationship model shown in the above embodiment is an example, and may be another method. Further, the causal relationship model 124 constructed by another device can be sequentially stored in the storage unit 12.
  • ⁇ 5-3> It can also be applied to production equipment other than the packaging machine 3, and in that case, a mechanism for constructing a causal relationship model can be appropriately selected according to the production equipment. Further, it is also possible to store schematic data relating to a plurality of production facilities in the storage unit 12 and display them on the display device 2 for each corresponding production facility.
  • the display device 2 is connected to the support device 1, but a support device 1 having a built-in display (display unit) can also be used.
  • the control unit 11 and the storage unit 12 of the support device 1 correspond to the control unit and the storage unit of the present invention.
  • the control unit, the storage unit, and the display unit according to the present invention may be configured by a tablet PC or the like.

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Factory Administration (AREA)

Abstract

本発明に係る支援装置は、製品を生産する生産設備であって、当該生産設備の駆動を行う少なくとも１つの駆動手段及び前記生産の監視を行う少なくとも１つの監視手段を有する生産設備に設けられ、当該生産設備で生じる事象に対する処理の支援装置であって、制御部と、記憶部と、を備え、前記記憶部は、前記生産設備に生じ得る事象に関連する原因要素を、前記駆動手段及び前記監視手段の中から少なくとも１つ選択するとともに、当該原因要素の間の関係を示した、第１因果関係モデルと、前記第１因果関係モデルに係る事象に対応する対処法と、を有する、対処データを複数、記憶し、前記制御部は、前記生産設備に事象が生じたとき、当該事象に関連する原因要素を、前記駆動手段及び前記監視手段の中から少なくとも１つ選択するとともに、当該原因要素の間の関係を示した、第２因果関係モデルを生成する第１ステップと、前記第２因果関係モデルと関連のある前記第１因果関係モデルを含む、前記対処データを、前記記憶部において検索する第２ステップと、を実行するように構成されている。

Description

異常に対する処理の支援装置
　本発明は、異常に対する処理の支援装置、支援方法、及び支援プログラムに関する。
　生産設備に異常が発生したとき、その異常の原因要素を特定し、さらに原因要素間の関係を特定した因果関係モデルを構築することが提案されている。原因要素とは、例えば、製造設備におけるサーボモータ等の駆動手段、センサ等の監視手段が該当し、例えば、サーボモータの異常がセンサの異常の原因になっている場合には、この因果関係を矢印で表すことで、因果関係モデルを構築する。これにより、異常が生じたときの原因の特定を迅速に行うことができる。
　例えば、特許文献１では、上記のような因果関係モデルに加え、さらに原因要素ごとに、発生する異常に対する対処方法を決定している。そして、ある原因要素で異常が生じたときには、その原因要素の異常の原因となる上流側の原因要素の対処法を実行することで、異常を解消することが開示されている。
特許第６０８５９２７号公報
　ところで、ある原因要素の異常の原因となる上流側の原因要素が複数存在する場合には、対処法も複数存在することになる。この場合、特許文献１では、所定の方法で、複数の対処法に優先順位を付けて提示するようにしている。しかしながら、この優先順位に誤りがあると、不適切な対処法が優先順位の高い対処法として示されることがあり、不具合を解消できない可能性があった。なお、このような問題は、生産設備に生じる異常のみならず、正常範囲内での変動や変位に対する対処法についても生じ得る問題である。
　本発明は、上記問題を解決するためになされたものであり、生産設備において生じ得る事象に対し、適切な対処法を提案することができる、事象に対する処理の支援装置、支援方法、及び支援プログラムを提供することを目的とする。
　本発明に係る支援装置は、製品を生産する生産設備であって、当該生産設備の駆動を行う少なくとも１つの駆動手段及び前記生産の監視を行う少なくとも１つの監視手段を有する生産設備に設けられ、当該生産設備で生じる事象に対する処理の支援装置であって、制御部と、記憶部と、を備え、前記記憶部は、前記生産設備に生じ得る事象に関連する原因要素を、前記駆動手段及び前記監視手段の中から少なくとも１つ選択するとともに、当該原因要素の間の関係を示した、第１因果関係モデルと、前記第１因果関係モデルに係る事象に対応する対処法と、を有する、対処データを複数、記憶し、前記制御部は、前記生産設備に事象が生じたとき、当該事象に関連する原因要素を、前記駆動手段及び前記監視手段の中から少なくとも１つ選択するとともに、当該原因要素の間の関係を示した、第２因果関係モデルを生成する第１ステップと、前記第２因果関係モデルと関連のある前記第１因果関係モデルを含む、前記対処データを、前記記憶部において検索する第２ステップと、を実行するように構成されている。
　この構成によれば、生産設備に生じ得る事象に関連する原因要素を、駆動手段及び監視手段の中から少なくとも１つ選択するとともに、当該原因要素の間の関係を示した、第１因果関係モデルと、この第１因果関係モデルに係る事象に対応する対処法と、を有する、対処データを複数、記憶している。そのため、生産設備にある事象が生じたとき、当該事象に関連する原因要素を、駆動手段及び監視手段の中から少なくとも１つ選択するとともに、この原因要素の間の関係を示した、第２因果関係モデルを生成し、さらに、この第２因果関係モデルと関連のある第１因果関係モデルを含む、対処データを、記憶部において検索するように構成している。そのため、第２因果関係モデルと関連性の高い第１因果関係モデルを見つけることで、その対処法を採用することができる。
　したがって、単に発生した事象のみに基づいて対処法を決定するのではなく、発生した事象に関する因果関係モデルを用いて対処法を決定することができるため、より適切な対処法を決定することができる。
　第２ステップにおける検索の方法は、種々の態様が可能である。例えば、前記制御部は、前記第２ステップにおいて、前記第２因果関係モデルに含まれる前記原因要素に基づく隣接行列、及び前記第１因果関係モデルに含まれる前記原因要素に基づく隣接行列から、前記第２因果関係モデルに係る隣接行列と、最も距離が短い隣接行列を示す前記第１因果関係モデルを検索するように構成することができる。
　あるいは、前記制御部は、前記第２ステップにおいて、前記第２因果関係モデルと完全一致または部分一致する前記第１因果関係モデルを含む、前記対処データを、前記記憶部から検索するように構成することができる。
　上記の支援装置においては、表示部をさらに備えることができ、前記制御部は、前記第２ステップの検索の結果出力された前記対処データのうち、少なくとも前記対処法を前記表示部に表示する第３ステップを、さらに実行するように構成することができる。
　上記支援装置において、前記制御部は、前記第２因果関係モデルに係る事象に対応するために生成された対処法を、前記第２因果関係モデルとともに、前記記憶部に記憶するステップをさらに実行するように構成することができる。
　本発明に係る支援方法は、製品を生産する生産設備であって、当該生産設備の駆動を行う少なくとも１つの駆動手段及び前記生産の監視を行う少なくとも１つの監視手段を有する生産設備に設けられ、当該生産設備で生じる事象に対する処理の支援方法であって、前記生産設備に生じ得る事象に関連する原因要素を、前記駆動手段及び前記監視手段の中から少なくとも１つ選択するとともに、当該原因要素の間の関係を示した、第１因果関係モデルと、前記第１因果関係モデルに係る事象に対応する対処法と、を有する、対処データを複数記憶するステップと、前記生産設備に事象が生じたとき、当該事象に関連する原因要素を、前記駆動手段及び前記監視手段の中から少なくとも１つ選択するとともに、当該原因要素の間の関係を示した、第２因果関係モデルを生成する、ステップと、前記第２因果関係モデルと関連のある前記第１因果関係モデルを含む、前記対処データを、検索する、ステップと、を備えている。
　本発明に係る支援プログラムは、製品を生産する生産設備であって、当該生産設備の駆動を行う少なくとも１つの駆動手段及び前記生産の監視を行う少なくとも１つの監視手段を有する生産設備に設けられ、当該生産設備で生じる事象に対する処理の支援プログラムであって、コンピュータに、前記生産設備に生じ得る事象に関連する原因要素を、前記駆動手段及び前記監視手段の中から少なくとも１つ選択するとともに、当該原因要素の間の関係を示した、第１因果関係モデルと、前記第１因果関係モデルに係る事象に対応する対処法と、を有する、対処データを複数記憶するステップと、前記生産設備に事象が生じたとき、当該事象に関連する原因要素を、前記駆動手段及び前記監視手段の中から少なくとも１つ選択するとともに、当該原因要素の間の関係を示した、第２因果関係モデルを生成する、ステップと、前記第２因果関係モデルと関連のある前記第１因果関係モデルを含む、前記対処データを、検索する、ステップと、を実行させる。
　本発明によれば、生産設備において生じ得る事象に対し、適切な対処法を提案することができる。
本発明が適用される場面の一例を模式的に例示する。 本発明の一実施形態に係る支援装置のハードウェア構成を示すブロック図である。 本発明の一実施形態に係る生産設備の概略図である。 包装機の概略図に因果関係モデルのノードを重ねた図である。 支援装置の機能構成を示すブロック図である。 因果関係モデルの構築の例を示すフローチャートである。 制御信号とタクト時間との関係の例である。 因果関係モデルの例である。 因果関係モデルの例である。 因果関係モデルの例である。 対処データの例である。 対処データの例である。 対処データの例である。 因果関係モデルの例である。 因果関係モデルの例である。 因果関係モデルの検索の例を説明する図である。 隣接行列の例である。 隣接行列の例である。 隣接行列の例である。 因果関係モデルの検索の例を説明する図である。 因果関係モデルの例である。 隣接行列の例である。 隣接行列の例である。 因果関係モデルの例である。 隣接行列の例である。 隣接行列の例である。 因果関係モデルの例である。 隣接行列の例である。 因果関係モデルの例である。 隣接行列の例である。 因果関係モデルのグラフの作成を示す図である。 支援方法のフローチャートである。
　以下、本発明の一側面に係る実施の形態（以下、「本実施形態」とも表記する）を、図面に基づいて説明する。ただし、以下で説明する本実施形態は、あらゆる点において本発明の例示に過ぎない。本発明の範囲を逸脱することなく種々の改良や変形を行うことができることは言うまでもない。つまり、本発明の実施にあたって、実施形態に応じた具体的構成が適宜採用されてもよい。なお、本実施形態において登場するデータを自然言語により説明しているが、より具体的には、コンピュータが認識可能な疑似言語、コマンド、パラメータ、マシン語等で指定される。
　＜１．適用例＞
　まず、図１を用いて、本発明が適用される場面の一例について説明する。図１は、本実施形態に係る生産システムの適用場面の一例を模式的に例示する。本実施形態に係る生産システムは、生産設備の一例である包装機３と、支援装置１と、表示装置２と、を備えている。支援装置１は、包装機３に設けられたサーボモータ（駆動手段）や各種センサ（監視手段）間の因果関係を構築し、これを表示するように構成されたコンピュータである。なお、以下では、サーボモータ等の駆動手段や各種センサ等の監視手段を合わせて機構と称することとする。また、本発明に係る原因要素とは、機構のうち、異常が生じる際の原因となる機構に相当する。
　支援装置１は、包装機３に生じる異常について、機構間の因果関係モデルを構築する。例えば、図１の例では、後述するフィルムロール３０（図３参照）のブレーキ用の革ベルトの摩耗が異常として生じるときに構築された因果関係モデルをグラフによって表している。すなわち、包装機３に設けられた複数のサーボモータのうち、サーボ１，３，４がノードとして表され、これらがエッジにより連結されている。そして、エッジの向きが因果関係を示している。つまり、革ベルトの摩耗が生じたるときには、サーボ１がサーボ３に影響を及ぼし、さらにサーボ３がサーボ４に影響を及ぼすことで、結果として革ベルトの摩耗が生じることを示している。したがって、包装機３の作業者は、サーボ４，３，１を確認すればよい。このとき、サーボ４，３，１を確認する順序は特には限定されず、例えば、異常が発生した箇所に近い順序で確認する、真因と考えられる因果の根本（この例ではサーボ１）から順に確認する、異常度が高い機構から確認するなど、種々の順序で確認を行うことができる。但し、詳細は後述するが、各サーボモータには、トルク、位置などの制御可能な複数の特徴量があり、サーボモータの特徴量のいずれかが上記因果関係を構築する。
　このようして構築された因果関係モデルは、異常の対処法とともに対処データとして、データベースに記憶される。そして、包装機３に異常が生じたときには、その異常に対する因果関係モデルを構築するとともに、データベースを検索することで、構築された因果関係モデルと関連性の高い因果関係モデルをデータベースから選択する。そして、選択された因果関係モデルと紐付けされた対処法を、発生した異常の対処法として表示装置２に表示する。したがって、異常が発生したときに、その因果関係モデルに基づいて、対処法を決定するため、精度よく対処法を決定することができる。
　なお、上記の説明では、生産設備の例として包装機３を示しているが、何らかの物を生産可能であればよく、その種類は、特に限定されなくてもよい。各機構の種類は、特に限定されなくてもよく、実施の形態に応じて適宜選択されてよい。各機構は、例えば、コンベア、ロボットアーム、サーボモータ、シリンダ（成形機等）、吸着パッド、カッター装置、シール装置等であってよい。また、各機構は、上述した包装機３のほか、例えば、印刷機、実装機、リフロー炉、基板検査装置等の複合装置であってもよい。更に、各機構は、例えば、上記のような何らかの物理的な動作を伴う装置の他に、例えば、各種センサにより何らかの情報を検知する装置、各種センサからデータを取得する装置、取得したデータから何らかの情報を検知する装置、取得したデータを情報処理する装置等の内部処理を行う装置を含んでもよい。１つの機構は、１又は複数の装置で構成されてもよいし、装置の一部で構成されてもよい。複数の機構により１つの装置が構成されてもよい。また、同一の装置が複数の処理を実行する場合には、それぞれを別の機構とみなしてもよい。例えば、同一の装置が第１の処理と第２の処理とを実行する場合に、第１の処理を実行する当該装置を第１の機構とみなし、第２の処理を実行する当該装置を第２の機構とみなしてもよい。
　＜２．構成例＞
　＜２－１．ハードウェア構成＞
　次に、本実施形態に係る生産システムのハードウェア構成の一例について説明する。図２は、本実施形態に係る支援装置１のハードウェア構成の一例を示すブロック図であり、図３は包装機の概略構成を示す図である。
　＜２－１－１．支援装置＞
　まず、図２を用いて、本実施形態に係る支援装置１のハードウェア構成の一例を説明する。図２に示すように、この支援装置１は、制御部１１、記憶部１２、通信インタフェース１３、外部インタフェース１４、入力装置１５、及びドライブ１６が電気的に接続されたコンピュータである。
　制御部１１は、ＣＰＵ（Central Processing Unit）、ＲＡＭ（Random Access Memory）、ＲＯＭ（Read Only Memory）等を含み、情報処理に応じて各構成要素の制御を行う。記憶部１２は、例えば、ハードディスクドライブ、ソリッドステートドライブ等の補助記憶装置であり、制御部１１で実行されるプログラム１２１、対処データ１２２、及び動作状態データ１２３等を記憶する。
　プログラム１２１は、包装機３に生じる異常と機構との因果関係モデルの構築、構築した因果関係モデルに基づく異常に対する対処法の検索、対処法の表示装置２での表示等を行うためのプログラムである。対処データ１２２は、因果関係モデル１２４とその対処法１２５が複数含まれたデータである。
　因果関係モデル１２４は、包装機３から抽出される各機構の特徴量によって構築された異常発生の因果関係を示すデータである。すなわち、過去に、この包装機３において異常が発生したときの、機構間の因果関係を示すデータである。なお、この支援装置１では、後述するように、包装機３から抽出される特徴量等によって因果関係モデル１２４が生成されるが、外部の装置において予め生成された因果関係モデル１２４を記憶することもできる。また、対処法１２５とは、因果関係モデル１２４で特定された異常に対する対処法、つまり過去に発生した異常を解決するための対処法である。このように、対処データ１２２は、過去に発生した異常に対する因果関係モデル１２４とその対処法１２５との組合せが複数含まれている。
　動作状態データ１２３は、包装機３の動作状態を示すデータである。詳細は、後述するが、例えば、上述した各機構の駆動において生じ得るデータ、例えば、トルク、速度、加速度、温度、圧力等の計測データとすることができる。また、機構がセンサの場合には、検出される結果、例えば、内容物ＷＡが存在するか否かを「on」と「off」とで示す検出データとすることができる。
　通信インタフェース１３は、例えば、有線ＬＡＮ（Local Area Network）モジュール、無線ＬＡＮモジュール等であり、有線又は無線通信を行うためのインタフェースである。すなわち、通信インタフェース１３は、他の装置と通信を行うように構成された通信部の一例である。本実施形態の支援装置１は、通信インタフェース１３を介して包装機３と接続されている。
　外部インタフェース１４は、外部装置と接続するためのインタフェースであり、接続する外部装置に応じて適宜構成される。本実施形態では、外部インタフェース１４が、表示装置２に接続されている。なお、表示装置２は、公知の液晶ディスプレイ、タッチパネルディスプレイ等が用いられてよい。
　入力装置１５は、例えば、マウス、キーボード等の入力を行うための装置である。
　ドライブ１６は、例えば、ＣＤ（Compact Disk）ドライブ、ＤＶＤ（Digital Versatile Disk）ドライブ等であり、記憶媒体１７に記憶されたプログラムを読み込むための装置である。ドライブ１６の種類は、記憶媒体１７の種類に応じて適宜選択されてよい。なお、記憶部に記憶されている、プログラム１２１を含む各種のデータ１２２～１２５の少なくとも一部は、この記憶媒体１７に記憶されていてもよい。
　記憶媒体１７は、コンピュータその他装置、機械等が記録されたプログラム等の情報を読み取り可能なように、このプログラム等の情報を、電気的、磁気的、光学的、機械的又は化学的作用によって蓄積する媒体である。図２では、記憶媒体１７の一例として、ＣＤ、ＤＶＤ等のディスク型の記憶媒体を例示している。しかしながら、記憶媒体１７の種類は、ディスク型に限定される訳ではなく、ディスク型以外であってもよい。ディスク型以外の記憶媒体として、例えば、フラッシュメモリ等の半導体メモリを挙げることができる。
　なお、支援装置１の具体的なハードウェア構成に関して、実施形態に応じて、適宜、構成要素の省略、置換及び追加が可能である。例えば、制御部１１は、複数のプロセッサを含んでもよい。支援装置１は、複数台の情報処理装置で構成されてもよい。また、支援装置１には、提供されるサービス専用に設計された情報処理装置の他、汎用のサーバ装置等が用いられてよい。
　＜２－１－２．包装機＞
　次に、図３を用いて、本実施形態に係る包装機３のハードウェア構成の一例を説明する。図３は、本実施形態に係る包装機３のハードウェア構成の一例を模式的に例示する。包装機３は、いわゆる横ピロー包装機であり、食品（乾燥麺等）、文房具（消しゴム等）等の内容物ＷＡを包装する装置である。但し、内容物ＷＡの種類は、実施の形態に応じて適宜選択可能であり、特には限定されない。この包装機３は、包装フィルムが巻き取られたフィルムロール３０と、包装フィルムを搬送するフィルム搬送部３１と、内容物ＷＡを搬送する内容物搬送部３２と、内容物を包装フィルムで放送する製袋部３３と、を備えている。
　包装フィルムは、例えば、ポリエチレンフィルム等の樹脂フィルムとすることができる。フィルムロール３０は巻き芯を備えており、包装フィルムはその巻き芯に巻き取られている。巻き芯は軸周りに回転可能に支持されており、これにより、フィルムロール３０は、回転しながら包装フィルムを繰り出すことができるように構成されている。
　フィルム搬送部３１は、サーボモータ（サーボ１）３１１により駆動される駆動ローラと、この駆動ローラから回転力を付与される受動ローラ３１２と、包装フィルムにテンションをかけながらガイドする複数のプーリ３１３と、を備えている。これにより、フィルム搬送部３１は、フィルムロール３０から包装フィルムを繰り出し、繰り出した包装フィルムを弛ませることなく製袋部３３に搬送するように構成されている。
　内容物搬送部３２は、包装対象となる内容物ＷＡを搬送するコンベア３２１と、コンベア３２１を駆動するサーボモータ（サーボ２）３２２と、を備えている。図３に例示されるように、内容物搬送部３２は、フィルム搬送部３１の下方を経て、製袋部３３に連結している。これにより、内容物搬送部３２により搬送される内容物ＷＡは、製袋部３３に供給されるとともに、フィルム搬送部３１から供給された包装フィルムにより包装される。また、コンベア３２１の下流の情報には、内容物ＷＡの位置を検知するファイバセンサ（センサ１）３２４が設けられている。さらに、コンベア３２１の下方には、内容物ＷＡの乗り上げ等を検知するファイバセンサ（センサ２）３２５が設けられている。これらセンサ１，２により、内容物ＷＡが正しく包装されるために、正しい位置で搬送されているか否かを検知する。
　製袋部３３は、コンベア３３１と、コンベア３３１を駆動するサーボモータ（サーボ３）３３２と、包装フィルムを搬送方向にシールするセンターシール部３３３と、包装フィルムを搬送方向の両端側で切断し、各端部でシールするエンドシール部３３４と、を備えている。
　コンベア３３１は、内容物搬送部３２から搬送された内容物ＷＡとフィルム搬送部３１から供給された包装フィルムとを搬送する。フィルム搬送部３１から供給された包装フィルムは、幅方向の両側端縁部同士が重なるように適宜折り曲げられつつ、センターシール部３３３に供給される。センターシール部３３３は、例えば、左右一対の加熱ローラ（ヒータ１，２）により構成されており、折り曲げられた包装フィルムの両側端縁部を加熱により搬送方向に沿ってシールする。これにより、包装フィルムは、筒状に形成される。内容物ＷＡは、この筒状に形成された包装フィルム内に投入される。また、エンドシール部３３４の上流側には、コンベア３３１の上方に、内容物ＷＡの位置を検知するファイバセンサ（センサ３）３３６が設けられている。
　一方、エンドシール部３３４は、例えば、サーボモータ（サーボ４）３３５により駆動されるローラと、ローラの回転によって開閉する一対のカッタと、各カッタの両側に設けられるヒータ（ヒータ３）と、を有している。これらにより、エンドシール部３３４は、搬送方向に直交する方向に筒状の包装フィルムをカットするとともに、カットした部分で加熱によりシールすることができるように構成されている。このエンドシール部３３４を通過すると、筒状に形成された包装フィルムの先端部分は、搬送方向の両側でシールされ、後続から分離されて、内容物ＷＡを内包する包装体ＷＢとなる。
　＜２－１－３．包装工程＞
　以上の包装機３は、次のような工程で、内容物ＷＡの包装を行うことができる。すなわち、フィルム搬送部３１によって、フィルムロール３０から包装フィルムを繰り出す。また、内容物搬送部３２によって、包装対象となる内容物ＷＡを搬送する。次に、製袋部３３のセンターシール部３３３によって、繰り出された包装フィルムを筒状に形成する。そして、形成した筒状の包装フィルムに内容物ＷＡを投入した上で、エンドシール部３３４によって、搬送方向に直交する方向に筒状の包装フィルムをカットすると共に、カットした部分の搬送方向の両側で加熱によりシールする。これにより、内容物ＷＡを内包する横ピロー型の包装体ＷＢが形成される。すなわち、内容物ＷＡの包装が完了する。
　なお、包装機３の駆動の制御は、包装機３とは別個に設けたＰＬＣなどで行うこともできる。この場合、上述した動作状態データ１２３は、ＰＬＣから取得することができる。また、上記のように構成された包装機３では、一例として、図４に示すように、異常の因果関係を構築するために、１０個の機構が設定されている。すなわち、上述したサーボ１～４，ヒータ１～３，及びセンサ１～３が機構として設定され、異常が発生するときの、これら機構間の因果関係が因果関係モデルとして構築される。詳細は後述する。
　＜２－２．機能構成＞
　次に、支援装置１の機能構成（ソフトウエア構成）を説明する。図５は、本実施形態に係る支援装置１の機能構成の一例である。支援装置１の制御部１１は、記憶部１２に記憶されたプログラム８をＲＡＭに展開する。そして、制御部１１は、ＲＡＭに展開されたプログラム８をＣＰＵにより解釈及び実行して、各構成要素を制御する。これによって、図４に示すように、本実施形態に係る支援装置１は、特徴量取得部１１１、モデル構築部１１２、検索部１１３、及び表示制御部１１４を備えるコンピュータとして機能する。
　特徴量取得部１１１は、包装機３が包装体ＷＢを正常に形成した正常時、及び形成される包装体ＷＢに異常が生じた異常時それぞれについて、包装機３の動作状態を示す動作状態データ１２３から算出される複数種類の特徴量の値を取得する。モデル構築部１１２は、取得した正常時及び異常時それぞれの各種類の特徴量の値から、形成される包装体ＷＢに生じる異常と各種類の特徴量との関連度を導出する所定のアルゴリズムに基づいて、取得した複数種類の特徴量の中から異常の予測に有効な特徴量を選択する。そして、選択した特徴量を用いて、異常が生じるときの、機構間の因果関係を示す因果関係モデルを構築する。因果関係モデルの構築の詳細については、後述する。
　検索部１１３は、構築された因果関係モデルと関連のある因果関係モデル１２４を探索するため、対処データ１２２内で検索する。そして、検索の結果見つかった関連のある因果関係モデル１２４を含む対処データ１２２を選択する。検索の方法については、後述する。
　表示制御部１１４は、検索部１１３によって選択された対処データ１２２に含まれる対処法１２５を、表示装置２の画面に表示する機能を有する。その他、表示制御部１１４は、表示装置２の画面に各種の情報を表示するための制御を行う。
　支援装置１の各機能に関しては後述する動作例で詳細に説明する。なお、本実施形態では、以上の機能がいずれも汎用のＣＰＵによって実現される例について説明している。しかしながら、以上の機能の一部又は全部が、１又は複数の専用のプロセッサにより実現されてもよい。また、支援装置１の機能構成に関しては、実施形態に応じて、適宜、機能の省略、置換及び追加が行われてもよい。
　＜２－３．因果関係モデルの構築＞
　次に、図６を用いて、支援装置が因果関係モデルを構築する手順について説明する。図６は、因果関係モデルを作成する際の支援装置の処理手順の一例を例示する。
　（ステップＳ１０１）
　最初のステップＳ１０１では、支援装置１の制御部１１は、特徴量取得部１１１として機能し、包装機３が包装体ＷＢを正常に形成した正常時、及び形成される包装体ＷＢに異常が生じた異常時それぞれについて、包装機３の動作状態を示す動作状態データ１２３から算出される複数種類の特徴量の値を取得する。
　具体的には、まず、制御部１１は、正常時と異常時とに分類して、動作状態データ１２３を収集する。収集する動作状態データ１２３の種類は、包装機３の状態を示すデータであれば、特に限定されないが、本実施形態においては、上述した各機構の駆動において生じ得るデータ、例えば、トルク、速度、加速度、温度、圧力等の計測データとすることができる。
　機構がセンサの場合には、ＯＮ時間、ＯＦＦ時間、ターンＯＮ時間、ターンＯＦＦ時間などの計測データを動作状態データ１２３とすることができる。ＯＮ時間及びＯＦＦ時間は、後述する図７に示すように、対象とするフレーム内での制御信号がＯＮまたはＯＦＦとなっている総時間であり、ターンＯＮ時間及びターンＯＦＦ時間は、対象とするフレーム内で制御信号が初めてＯＮまたはＯＦＦになるまでの時間である。その他、制御部１１は、各センサの検出結果、例えば、内容物ＷＡが存在するか否かを「on」と「off」とで示す検出データを動作状態データ１２３として取得することができる。なお、収集した動作状態データ１２３は、記憶部１２に蓄積してもよいし、外部の記憶装置に蓄積してもよい。
　次に、制御部１１は、特徴量を算出する処理範囲を規定するため、収集した動作状態データ１２３をフレーム毎に分割する。例えば、制御部１１は、動作状態データ１２３を一定時間長のフレーム毎に分割してもよい。ただし、包装機３は、必ずしも一定時間間隔で動作しているとは限らない。そのため、動作状態データ１２３を一定時間長のフレーム毎に分割すると、各フレームに反映される包装機３の動作がずれてしまう可能性がある。
　そこで、本実施形態では、制御部１１は、動作状態データ１２３をタクト時間毎にフレーム分割する。タクト時間は、製品を所定個数分生産する、すなわち、包装体ＷＢを所定個数分形成するのにかかる時間である。このタクト時間は、包装機３を制御する信号、例えば、包装機３の各サーボモータ等の動作を制御する制御信号に基づいて特定することができる。
　図７を用いて、制御信号とタクト時間との関係について説明する。図７は、制御信号とタクト時間との関係を模式的に例示する。図７に示すように、包装機３のような製品の生産を繰り返す生産設備に対する制御信号は、所定個数分の製品の生産に応じて「on」と「off」とが周期的に表れるパルス信号になっている。
　例えば、図７に示す制御信号では、１つの包装体ＷＢを形成する間に、「on」と「off」とが１回ずつ表れている。そこで、制御部１１は、この制御信号を包装機３から取得し、取得した制御信号の立ち上がり（「on」）から次の立ち上がり（「on」）までの時間をタクト時間とすることができる。そして、制御部１１は、図７に示すように、タクト時間毎に動作状態データ１２３をフレームに分割することができる。
　なお、制御信号の種類は、包装機３を制御するのに利用可能な信号であれば、特に限定されなくてもよい。例えば、包装機３が、包装フィルムに付されたマークを検知するためのセンサを備えており、このセンサの出力信号を包装フィルムの送り量の調節に利用する場合には、このセンサの出力信号を制御信号として利用してもよい。
　次に、制御部１１は、動作状態データ１２３の各フレームから特徴量の値を算出する。特徴量の種類は、生産設備の特徴を示すものであれば、特に限定されなくてもよい。
　例えば、動作状態データ１２３が上記計測データのような量的データ（図７の物理量データ）である場合には、制御部１１は、フレーム内の振幅、最大値、最小値、平均値、分散値、標準偏差、自己相関係数、フーリエ変換により得られるパワースペクトルの最大値、歪度、尖度等を特徴量として算出してもよい。
　また、例えば、動作状態データ１２３が上記検出データのような質的データ（図７のパルスデータ）である場合には、制御部１１は、各フレーム内の「on」時間、「off」時間、Ｄｕｔｙ比、「on」回数、「off」回数、等を特徴量として算出してもよい。
　さらに、特徴量は、単一の動作状態データ１２３からだけではなく、複数件の動作状態データ１２３から導出してもよい。例えば、制御部１１は、２種類の動作状態データ１２３の対応するフレーム同士の相互相関係数、比率、差分、同期のずれ量、距離、等を特徴量として算出してもよい。
　制御部１１は、動作状態データ１２３から上記のような特徴量を複数種類算出する。これにより、制御部１１は、正常時及び異常時それぞれについて、動作状態データ１２３から算出される複数種類の特徴量の値を取得することができる。なお、動作状態データ１２３の収集から特徴量の値の算出までの処理は、支援装置１ではなく、包装機３またはそれを制御する各種の装置で行うようにしてもよい。また、制御部１１は、各種類の特徴量の値を、例えば、閾値より高い状態を「１」又は「high」、閾値を低い状態を「０」又は「low」というように離散化してもよい。
　（ステップＳ１０２）
　次のステップＳ１０２では、制御部１１は、モデル構築部１１２として機能し、ステップＳ１０１で取得した正常時及び異常時それぞれの各種類の特徴量の値から、形成される包装体ＷＢに生じる異常と各種類の特徴量との関連度を特定する所定のアルゴリズムに基づいて、取得した複数種類の特徴量の中から異常の予測に有効な特徴量を選択する。
　所定のアルゴリズムは、例えば、ベイジアンネットワークを利用して構成されてもよい。ベイジアンネットワークは、複数の確率変数間の因果関係を有向非巡回グラフ構造で表現すると共に、各確率変数間の因果関係を条件付確率で表現するグラフィカルモデリングの１つである。
　制御部１１は、取得した各特徴量及び包装体ＷＢの状態を確率変数として扱って、すなわち、取得した各特徴量及び包装体ＷＢの状態を各ノードに設定して、ベイジアンネットワークを構築することで、各特徴量と包装体ＷＢの状態との因果関係を導出することができる。ベイジアンネットワークの構築には、公知の方法が用いられてよい。例えば、ベイジアンネットワークの構築には、Greedy Search アルゴリズム、Stingy Search アルゴリズム、全探索法等の構造学習アルゴリズムを用いることができる。また、構築されるベイジアンネットワークの評価基準には、ＡＩＣ（Akaike ' s. Information Criterion）、Ｃ４．５、ＣＨＭ（Cooper Herskovits Measure）、ＭＤＬ（Minimum Description Length）、ＭＬ（Maximum Likelihood）等を用いることができる。また、ベイジアンネットワークの構築に利用する学習データ（動作状態データ１２３）に欠損値が含まれる場合の処理方法として、ペアワイズ法、リストワイズ法等を用いることができる。
　以上の過程を経ることで、次のような因果関係モデルが構築される。例えば、図８Ａは、異常として、革ベルトの摩耗が発生したときの因果関係モデルを示している。すなわち、サーボ１（サーボモータ３１１）の特徴量であるトルク平均値と位置の標準偏差が、サーボ２（サーボモータ３２２）の特徴量である速度平均値とトルク最大値に影響を与え、さらにこれらがサーボ４（サーボモータ３３５）のトルク平均値に影響を与える、という因果関係モデルが構築される。
　図８Ｂは、異常として、内容物搬送部３２のコンベア３２１のチェーンの緩みが発生したときの因果関係モデルを示している。すなわち、センサ２（ファイバセンサ３２５）の特徴量であるＯＮ時間が、センサ３（ファイバセンサ３３６）の特徴量であるターンＯＮ時間に影響を与え、さらにこれがサーボ４のトルク平均値に影響を与える、という因果関係モデルが構築される。
　図８Ｃは、異常として、包装フィルムのシール不良が発生したときの因果関係モデルを示している。この異常については、サーボ４のトルク平均値のみが原因であるという因果関係モデルが構築され、記憶部１２に記憶される。
　なお、取得した各特徴量及び包装体ＷＢの状態を確率変数として取り扱う方法は、実施の形態に応じて適宜設定可能である。例えば、包装体ＷＢが正常である事象を「０」、包装体ＷＢに異常が発生している事象を「１」として、それぞれの事象に確率を対応させることにより、包装体ＷＢの状態を確率変数とみなすことができる。また、例えば、各特徴量の値が閾値以下である事象を「０」、各特徴量の値が閾値を超えている事象を「１」として、それぞれの事象に確率を対応させることにより、各特徴量の状態を確率変数とみなすことができる。ただし、各特徴量に対して設定する状態数は、２つに限定されなくてもよく、３つ以上であってもよい。
　＜２－４．対処データ＞
　上記のように因果関係モデルが構築されたときには、異常を解消するための対処法を検討し、構築された因果関係モデルとその対処法を、対処データ１２２として記憶部１２に記憶する。例えば、図９Ａは、図８Ａで示す因果関係モデルを含む対処データ１２２であり、異常である革ベルトの摩耗を解消するための対処法として、サーボ１の部品交換を規定している。このような対処法は、構築された因果関係モデル、及び包装機３による検証等に基づいて、適宜決定することができる。また、図９Ｂは、図８Ｂで示す因果関係モデルを含む対処データであり、異常であるチェーンの緩みを解消するための対処法として、センサ２の部品交換を規定している。さらに、図９Ｃは、図８Ｃで示す因果関係モデルを含む対処データであり、異常である包装フィルムのシール不良を解消するための対処法として、サーボ４の部品交換を規定している。このように、構築された因果関係モデルは、対処法とともに、逐次、記憶部１２に記憶され、後述するように、データベースとして活用される。
　＜２－５．対処データの検索＞
　次に、対処データ１２２の検索について説明する。まず、包装機３において、異常が発生したときには、上記のように、因果関係モデルを構築する。そして、構築された因果関係モデルと関連性の高い因果関係モデル１２４を探すために、対処データ１２２が記憶されたデータベースを検索する。すなわち、データベースを検索することで、構築された因果関係モデルと、関連性の高い因果関係モデル１２４を選択し、その因果関係モデルの対処法を、発生した異常の対処法として抽出する。このようなデータベースの検索は、上述した検索部１１３によって行われるが、関連性の高い因果関係モデル１２４を検索するための方法については、種々の方法がある。以下、そのうちのいくつかについて説明する。
　＜２－５－１．完全一致、または部分一致＞
　例えば、図１０Ａのような因果関係モデルが構築された場合、この因果関係モデルと完全一致する因果関係モデル１２４をデータベース内で検索する。そして、完全一致する因果関係モデルが見つかった場合には、それと対応する対処法を採用することができる。あるいは、図１０Ｂのような因果関係モデルが構築された場合には、この因果関係モデルと部分一致する因果関係モデル１２４を検索することもできる。この場合、例えば、図９Ａに示す対処データが部分一致する因果関係モデルを含むため、その対処法を採用することができる。なお、完全一致または部分一致する因果関係モデル１２４が見つからなかった場合には、初めて発生した異常と見なされることがあり、その時点では対処法がないため、新たな対処法を検討する必要がある。
　＜２－５－２．類似＞
　データベースから類似する因果関係モデルを検索する。例えば、隣接行列間の距離等を算出し、距離が小さいほど因果関係モデルが類似していると判断する。ここでは、説明を簡素化するため、機構をＸ，Ｙ，Ｚとした図１１に示す例を用いて説明する。まず、発生した異常に対し、上記のように因果関係モデルを構築する。これを対象因果関係モデルと称することとする。
　次に、対象因果関係モデル、データベース内の因果関係モデル１，２について、図１２Ａ～図１２Ｃに示す隣接行列を算出する。次に、各因果関係モデル１，２の隣接行列と、対象因果関係モデルの隣接行列との間のハミング距離を算出する。その結果、図１２Ｂに示すように、因果関係モデル１と対象因果関係モデルの隣接行列間のハミング距離は３であり、因果関係モデル２と対象因果関係モデルの隣接行列間のハミング距離は１であることが分かるため、因果関係モデル２が、対象因果関係モデルと類似していると判断される。したがって、対象因果関係モデルの異常は、因果関係モデル２における対処法を採用して解決するものと決定する。また、ハミング距離のほか、内積、ユークリッド距離を算出することにより、類似度を判断することもできる。
　ここで、複数の隣接行列間のハミング距離が等しい場合には、次のようにすることができる。例えば、過去の履歴から、発生頻度の高い因果関係モデルを採用したり、あるいはコストが安い対処法と紐付けられた因果関係モデルを採用することができる。さらには、例えば、図１３に示すような対象因果関係モデルが構築されたとき、この対象因果関係モデルの隣接行列と、２つの因果関係モデル１，２の隣接行列とのハミング距離は同じである。この場合、対象因果関係モデルにおいて、異常の真因と考えられる機構Ｙを含む因果関係モデルを、類似する因果関係モデルとして採用することができる。すなわち、対象因果関係モデルと最も上流側のノードが共通している因果関係モデルを採用することができる。
　上記のように、因果関係モデルの類似度を算出する場合には、因果関係モデルをグラフで表示した上で、そのグラフを隣接行列で表しているが、グラフの表示方法は特には限定されず、種々の表示方法にすることができる。例えば、図１４Ａに示すように、因果関係モデルのノードに重み付けをした場合には、例えば、図１４Ｂに示すように、ノードの有無を０，１で示した行列で表すことができる。あるいは、図１４Ｃに示すように、各ノードの重み付けにしたがって、重み付きで表すことができる。
　また、図１５Ａに示すように、エッジに重み付けをした場合には、例えば、図１５Ｂに示すように、エッジの有無を０，１で示した隣接行列で表すことができる。あるいは、図１５Ｃに示すように、各エッジの重み付けにしたがって、隣接行列の成分を重み付きで表すことができる。また、隣接行列の対角成分を使って、ノードの有無を表すこともできる。
　また、図１６Ａに示すように、ノード間の関係の強さを規定し、図１６Ｂに示すように、これを重みとして隣接行列を規定することもできる。
　また、図１７Ａに示すように、ノードに対応する機構が示す異常度、つまり正常状態からの乖離度を規定し、図１７Ｂに示すように、この異常度を各ノードの重みとして隣接行列を規定することもできる。
　さらに、図１８に示すように、知見や装置の制御プログラムなどの先見知識により、事前にモデルを生成し、エッジの重みとして付加することもできる。図１８の例では、機構間のメカ的な繋がりに、知見や制御プログラムから得た機構間の繋がりの強さを重み付けした因果関係モデルのグラフを作成している。さらに、これを、装置異常時のデータから作成した、同じノードを有する因果関係モデルのグラフと掛け合わせることで、最終的な因果関係モデルを生成している。この例では、対応するエッジの重み同士を掛け合わせて、最終的な因果関係モデルの重み付けを決定している。なお、異常時のグラフでは、フィルム搬送軸とシール軸との間のエッジがないため、掛け合わせの結果、最終的な因果関係モデルでは、このエッジがなくなっている。その他、エッジの重みは、以下のように付けることもできる。
(1) 内容物ＷＡや包装フィルムなどによって繋がりがある部分に重みを付ける（例えば、サーボ１とサーボ２は、包装フィルムを介して繋がっているので重みを付加する）。
(2) 製造工程の情報からわかる機構の前後関係に基づいて重みを付ける。
(3) 物理的な関係に基づいて、重みを付ける（例えば、温度が上がると機構が熱膨張しトルクが上がること等）。
(4) 実験的に分かっている関係性をもとに重みを付ける。
　＜３．動作例＞
　次に、上記のように構成された支援装置の動作例について、図１９を参照しつつ説明する。まず、包装機３の動作中に異常が発生した場合には（ステップＳ２０１のＹＥＳ）、上記のように因果関係モデルを構築する（ステップＳ２０２）。次に、データベース内において、構築された因果関係モデルと関連のある因果関係モデル１２４を検索する（ステップＳ２０３）。検索の方法は、上述したとおりであり、最も関連性の高い因果関係モデルを、データベース内から選択する（ステップＳ２０４）。そして、選択された因果関係モデル１２４が含まれている対処データ１２２の対処法１２５が、構築された因果関係モデルに係る異常の対処法となるため、表示制御部１１４が、この対処法１２５を表示装置２に表示する（ステップＳ２０５）。その後、構築された因果関係モデルとその対処法とを対処データとして、データベースに記憶する（ステップＳ２０６）。
　＜４．特徴＞
　本実施形態によれば、包装機３で生じる異常に対する因果関係モデルを構築した後、この因果関係モデルと関連のある因果関係モデルをデータベース内で検索するように構成されている。そして、検索の結果見つかった関連性の高い因果関係モデルと紐付けされた対処法を、構築された因果関係モデルに係る異常の対処法として選択することができる。
　したがって、単に発生した異常のみに基づいて対処法を決定するのではなく、発生した異常に関する因果関係モデルを用いて対処法を決定することができるため、より適切な対処法を決定することができる。
　特に、因果関係モデルの検索においては、完全一致や部分一致のみならず、類似する因果関係モデルを研削できるようになっている。そのため、初めて発生した異常であっても、これに対して構築した因果関係モデルと類似する因果関係モデルを選択できるため、これに紐付いた何らかの対処法を決定することができる。
　＜５．変形例＞
　以上、本発明の実施の形態を詳細に説明してきたが、前述までの説明はあらゆる点において本発明の例示に過ぎない。本発明の範囲を逸脱することなく種々の改良や変形を行うことができることは言うまでもない。例えば、以下のような変更が可能である。なお、以下では、上記実施形態と同様の構成要素に関しては同様の符号を用い、上記実施形態と同様の点については、適宜説明を省略した。以下の変形例は適宜組み合わせ可能である。
　＜５－１＞
　上記実施形態では、異常が発生したときに因果関係モデルを構築しているが、異常ではない場合、つまり正常範囲で生じた変動や変位に対する因果関係モデルを構築することもでき、また、こうして構築された因果関係モデルをデータベースに記憶し、検索に用いることもできる。このような変動、変位、及び異常が、本発明の事象に相当する。
　＜５－２＞
　上記実施形態で示した因果関係モデルの構築は、一例であり、その他の方法であってもよい。また、他の装置で構築した因果関係モデル１２４を記憶部１２に逐次記憶することもできる。
　＜５－３＞
　包装機３以外の生産設備においても適用可能であり、その場合には、因果関係モデルを構築するための機構も、生産設備に応じて適宜選択することができる。また、複数の生産設備に係る概略図データを記憶部１２に記憶しておき、対応する生産設備ごとに、表示装置２に表示することもできる。
　＜５－４＞
　上記実施形態では、支援装置１に表示装置２を接続しているが、ディスプレイ（表示部）が内蔵された支援装置１を用いることもできる。また、支援装置１の制御部１１及び記憶部１２が、本発明の制御部及び記憶部に相当する。例えば、本発明に係る制御部、記憶部、及び表示部をタブレットＰＣなどで構成することもできる。
　１…支援装置、
　１１…制御部
　１２…記憶部、
　３…包装機（生産設備）

Claims (7)

  1. 　製品を生産する生産設備であって、当該生産設備の駆動を行う少なくとも１つの駆動手段及び前記生産の監視を行う少なくとも１つの監視手段を有する生産設備に設けられ、当該生産設備で生じる事象に対する処理の支援装置であって、
    　制御部と、
    　記憶部と、
    を備え、
    　前記記憶部は、
    　前記生産設備に生じ得る事象に関連する原因要素を、前記駆動手段及び前記監視手段の中から少なくとも１つ選択するとともに、当該原因要素の間の関係を示した、第１因果関係モデルと、前記第１因果関係モデルに係る事象に対応する対処法と、を有する、対処データを複数、記憶し、
    　前記制御部は、
    　前記生産設備に事象が生じたとき、当該事象に関連する原因要素を、前記駆動手段及び前記監視手段の中から少なくとも１つ選択するとともに、当該原因要素の間の関係を示した、第２因果関係モデルを生成する第１ステップと、
    　前記第２因果関係モデルと関連のある前記第１因果関係モデルを含む、前記対処データを、前記記憶部において検索する第２ステップと、
    を実行するように構成されている、支援装置。
  2. 　前記制御部は、前記第２ステップにおいて、
    　前記第２因果関係モデルに含まれる前記原因要素に基づく隣接行列、及び前記第１因果関係モデルに含まれる前記原因要素に基づく隣接行列から、
    　前記第２因果関係モデルに係る隣接行列と、最も距離が短い隣接行列を示す前記第１因果関係モデルを検索する、請求項１に記載の支援装置。
  3. 　前記制御部は、前記第２ステップにおいて、前記第２因果関係モデルと完全一致または部分一致する前記第１因果関係モデルを含む、前記対処データを、前記記憶部から検索する、請求項１に記載の支援装置。
  4. 　表示部をさらに備え、
    　前記制御部は、前記第２ステップの検索の結果出力された前記対処データのうち、少なくとも前記対処法を前記表示部に表示する第３ステップを、さらに実行するように構成されている、請求項１から３のいずれかに記載の支援装置。
  5. 　前記制御部は、前記第２因果関係モデルに係る事象に対応するために生成された対処法を、前記第２因果関係モデルとともに、前記記憶部に記憶するステップをさらに実行するように構成されている、請求項１から４のいずれかに記載の支援装置。
  6. 　製品を生産する生産設備であって、当該生産設備の駆動を行う少なくとも１つの駆動手段及び前記生産の監視を行う少なくとも１つの監視手段を有する生産設備に設けられ、当該生産設備で生じる事象に対する処理の支援方法であって、
    　前記生産設備に生じ得る事象に関連する原因要素を、前記駆動手段及び前記監視手段の中から少なくとも１つ選択するとともに、当該原因要素の間の関係を示した、第１因果関係モデルと、前記第１因果関係モデルに係る事象に対応する対処法と、を有する、対処データを複数記憶するステップと、
    　前記生産設備に事象が生じたとき、当該事象に関連する原因要素を、前記駆動手段及び前記監視手段の中から少なくとも１つ選択するとともに、当該原因要素の間の関係を示した、第２因果関係モデルを生成する、ステップと、
    　前記第２因果関係モデルと関連のある前記第１因果関係モデルを含む、前記対処データを、検索する、ステップと、
    を備えている、支援方法。
  7. 　製品を生産する生産設備であって、当該生産設備の駆動を行う少なくとも１つの駆動手段及び前記生産の監視を行う少なくとも１つの監視手段を有する生産設備に設けられ、当該生産設備で生じる事象に対する処理の支援プログラムであって、
    　コンピュータに、
    　前記生産設備に生じ得る事象に関連する原因要素を、前記駆動手段及び前記監視手段の中から少なくとも１つ選択するとともに、当該原因要素の間の関係を示した、第１因果関係モデルと、前記第１因果関係モデルに係る事象に対応する対処法と、を有する、対処データを複数記憶するステップと、
    　前記生産設備に事象が生じたとき、当該事象に関連する原因要素を、前記駆動手段及び前記監視手段の中から少なくとも１つ選択するとともに、当該原因要素の間の関係を示した、第２因果関係モデルを生成する、ステップと、
    　前記第２因果関係モデルと関連のある前記第１因果関係モデルを含む、前記対処データを、検索する、ステップと、
    を実行させる、支援プログラム。
PCT/JP2019/034487 2019-09-02 2019-09-02 異常に対する処理の支援装置 WO2021044500A1 (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
PCT/JP2019/034487 WO2021044500A1 (ja) 2019-09-02 2019-09-02 異常に対する処理の支援装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2019/034487 WO2021044500A1 (ja) 2019-09-02 2019-09-02 異常に対する処理の支援装置

Publications (1)

Publication Number Publication Date
WO2021044500A1 true WO2021044500A1 (ja) 2021-03-11

Family

ID=74852594

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2019/034487 WO2021044500A1 (ja) 2019-09-02 2019-09-02 異常に対する処理の支援装置

Country Status (1)

Country Link
WO (1) WO2021044500A1 (ja)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2007055222A1 (ja) * 2005-11-08 2007-05-18 Tohoku University ネットワーク異常検知方法およびネットワーク異常検知システム
JP2014092799A (ja) * 2012-10-31 2014-05-19 Sumitomo Heavy Ind Ltd 異常原因特定システム
JP2018055551A (ja) * 2016-09-30 2018-04-05 富士通株式会社 データ変換プログラム、データ変換方法、およびデータ変換装置
JP2018116545A (ja) * 2017-01-19 2018-07-26 オムロン株式会社 予測モデル作成装置、生産設備監視システム、及び生産設備監視方法
JP2018128855A (ja) * 2017-02-08 2018-08-16 横河電機株式会社 イベント解析装置、イベント解析システム、イベント解析方法、イベント解析プログラム、および記録媒体

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2007055222A1 (ja) * 2005-11-08 2007-05-18 Tohoku University ネットワーク異常検知方法およびネットワーク異常検知システム
JP2014092799A (ja) * 2012-10-31 2014-05-19 Sumitomo Heavy Ind Ltd 異常原因特定システム
JP2018055551A (ja) * 2016-09-30 2018-04-05 富士通株式会社 データ変換プログラム、データ変換方法、およびデータ変換装置
JP2018116545A (ja) * 2017-01-19 2018-07-26 オムロン株式会社 予測モデル作成装置、生産設備監視システム、及び生産設備監視方法
JP2018128855A (ja) * 2017-02-08 2018-08-16 横河電機株式会社 イベント解析装置、イベント解析システム、イベント解析方法、イベント解析プログラム、および記録媒体

Similar Documents

Publication Publication Date Title
WO2020183973A1 (ja) 表示システム、表示方法、及び表示プログラム
US11106197B2 (en) Prediction model creation apparatus, production facility monitoring system, and production facility monitoring method
WO2020183975A1 (ja) 表示システム
WO2022030567A1 (ja) 表示システム、表示方法、及び表示プログラム
WO2022030568A1 (ja) 表示システム、表示方法、及び表示プログラム
WO2020183974A1 (ja) 表示システム
EP3982225B1 (en) Method and system for regime-based process optimization of industrial assets
WO2021044500A1 (ja) 異常に対する処理の支援装置
JP7006640B2 (ja) 制御装置、制御方法、及び制御プログラム
JP6459686B2 (ja) 制御装置、システム、およびライブラリプログラム
CN112534373B (zh) 显示***、显示方法及显示程序的记录介质
WO2022176760A1 (ja) モデル生成装置、モデル生成方法、モデル生成プログラム、推定装置、推定方法、及び推定プログラム
WO2021053782A1 (ja) 生産設備に生じ得る事象の解析装置
EP4286822A1 (en) Virtual sensing system for condition monitoring of a container packaging machine
JP2021039529A (ja) 学習済みモデルの製造方法、生産システム、異常判定装置、及び異常判定方法

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 19943909

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 19943909

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: JP