[go: up one dir, main page]

JP7036261B1 - 異常検知装置、プログラム、異常検知方法、及び製造方法 - Google Patents

異常検知装置、プログラム、異常検知方法、及び製造方法 Download PDF

Info

Publication number
JP7036261B1
JP7036261B1 JP2021074361A JP2021074361A JP7036261B1 JP 7036261 B1 JP7036261 B1 JP 7036261B1 JP 2021074361 A JP2021074361 A JP 2021074361A JP 2021074361 A JP2021074361 A JP 2021074361A JP 7036261 B1 JP7036261 B1 JP 7036261B1
Authority
JP
Japan
Prior art keywords
data
target data
movable device
unit
related data
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
JP2021074361A
Other languages
English (en)
Other versions
JP2022168706A (ja
Inventor
良平 鈴木
麻梨乃 樫山
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Yaskawa Electric Corp
Original Assignee
Yaskawa Electric Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Yaskawa Electric Corp filed Critical Yaskawa Electric Corp
Priority to JP2021074361A priority Critical patent/JP7036261B1/ja
Application granted granted Critical
Publication of JP7036261B1 publication Critical patent/JP7036261B1/ja
Priority to US17/714,997 priority patent/US20220342405A1/en
Priority to EP22167157.1A priority patent/EP4083732A1/en
Priority to CN202210427651.3A priority patent/CN115329796A/zh
Publication of JP2022168706A publication Critical patent/JP2022168706A/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
    • G01D21/00—Measuring or testing not otherwise provided for
    • G01D21/02—Measuring two or more variables by means not covered by a single other subclass
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
    • G05B23/0224—Process history based detection method, e.g. whereby history implies the availability of large amounts of data
    • G05B23/0227—Qualitative history assessment, whereby the type of data acted upon, e.g. waveforms, images or patterns, is not relevant, e.g. rule based assessment; if-then decisions
    • G05B23/0232—Qualitative history assessment, whereby the type of data acted upon, e.g. waveforms, images or patterns, is not relevant, e.g. rule based assessment; if-then decisions based on qualitative trend analysis, e.g. system evolution
    • 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
    • G05B23/0267—Fault communication, e.g. human machine interface [HMI]
    • G05B23/027—Alarm generation, e.g. communication protocol; Forms of alarm
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
    • G05B23/0221—Preprocessing measurements, e.g. data collection rate adjustment; Standardization of measurements; Time series or signal analysis, e.g. frequency analysis or wavelets; Trustworthiness of measurements; Indexes therefor; Measurements using easily measured parameters to estimate parameters difficult to measure; Virtual sensor creation; De-noising; Sensor fusion; Unconventional preprocessing inherently present in specific fault detection methods like PCA-based methods
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
    • G05B23/0243—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults model based detection method, e.g. first-principles knowledge model
    • G05B23/0254—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults model based detection method, e.g. first-principles knowledge model based on a quantitative model, e.g. mathematical relationships between inputs and outputs; functions: observer, Kalman filter, residual calculation, Neural Networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Mathematical Physics (AREA)
  • Human Computer Interaction (AREA)
  • Testing And Monitoring For Control Systems (AREA)
  • Image Analysis (AREA)
  • Manipulator (AREA)
  • Testing Or Calibration Of Command Recording Devices (AREA)

Abstract

Figure 0007036261000001
【課題】可動装置の動作に起因する動作関連データに基づいて、異常を検知できる装置を提供する。
【解決手段】可動装置の動作に起因する動作関連データに基づいて、時間的に離間した複数の対象データを生成する対象データ生成部と、複数の対象データに対して、変化検知処理を実行する検知処理実行部とを備え、コンピュータによって実行される、可動装置の異常を検知する異常検知方法であって、可動装置の動作に起因する動作関連データに基づいて、時間的に離間した複数の対象データを生成する対象データ生成段階と、複数の対象データに対して変化検知処理を実行する検知処理実行段階とを備える異常検知方法である。
【選択図】図１

Description

本発明は、異常検知装置、プログラム、異常検知方法、及び製造方法に関する。
特許文献１には、モータ駆動機械の動作異常を判定する異常判定システムが記載されている。
［先行技術文献］
［特許文献］
［特許文献１］特開２０１９－０７９４５２号公報
本発明の一実施態様によれば、異常検知装置が提供される。異常検知装置は、可動装置の動作に起因する動作関連データに基づいて、時間的に離間した複数の対象データを生成する対象データ生成部を備えてよい。異常検知装置は、複数の対象データに対して、変化検知処理を実行する検知処理実行部を備えてよい。
上記異常検知装置は、上記変化検知処理の処理結果に基づいて生成した出力データの出力を制御する出力制御部を更に備えてよい。上記異常検知装置は、予め参照データを記憶する参照データ記憶部を更に備えてよく、上記検知処理実行部は、上記参照データを上記複数の対象データに含め、当該複数の対象データに対して、上記変化検知処理を実行してよい。上記異常検知装置は、上記複数の対象データを連結した連結データを生成する連結データ生成部を更に備えてよく、上記検知処理実行部は、上記連結データに対して上記変化検知処理を実行してよい。上記異常検知装置は、上記動作関連データの部分に基づいて上記参照データを生成し、上記参照データ記憶部に記憶させる参照データ生成部を更に備えてよく、上記検知処理実行部は、上記動作関連データの上記参照データの生成に用いられた部分よりも後の部分に基づいて上記対象データ生成部によって生成された上記複数の対象データに、上記参照データを含めて、上記変化検知処理を実行してよい。上記参照データ生成部は、上記動作関連データに基づいて生成した複数の中間データに対して平均化処理を施して上記参照データを生成し、上記参照データ記憶部に記憶させてよい。上記参照データ生成部は、上記可動装置が導入された後、上記可動装置の累積動作期間が予め定められた期間より長くなった後、又は上記可動装置の累積動作回数が予め定められた回数より多くなった後の上記可動装置の動作に起因する上記動作関連データの部分に基づいて上記参照データを生成してよい。上記参照データ生成部は、上記可動装置が導入された後、上記可動装置の累積動作期間が予め定められた期間より長くなった後、又は上記可動装置の累積動作回数が予め定められた回数より多くなった後の、上記可動装置の動作が安定した後の正常動作期間の上記可動装置の動作に起因する上記動作関連データの部分に基づいて上記参照データを生成してよい。
上記参照データ生成部は、上記可動装置による第１の動作パターンに従った動作に起因する上記動作関連データの部分に基づいて上記参照データを生成してよく、上記異常検知装置は、上記可動装置に、上記第１の動作パターンと同一又は類似の第２の動作パターンを実行させる可動装置制御部を更に備えてよく、上記検知処理実行部は、上記可動装置が上記第２の動作パターンに従った動作を実行している間の上記動作関連データに基づいて生成された上記複数の対象データに、上記参照データを含めて、上記変化検知処理を実行してよい。上記参照データ記憶部は、上記可動装置の動作モード毎に上記参照データを記憶してよく、上記異常検知装置は、上記可動装置の動作モードに応じて上記参照データを選択する参照データ選択部を更に備えてよく、上記検知処理実行部は、上記参照データ選択部によって選択された上記参照データを、上記対象データ生成部が生成した上記複数の対象データに含め、当該複数の対象データに対して、上記変化検知処理を実行してよい。上記対象データ生成部は、上記動作関連データの複数の部分を、時間と異なる軸上の波形に変換した上記複数の対象データを生成してよい。上記対象データ生成部は、上記動作関連データの上記複数の部分を周波数軸上の波形に変換した上記複数の対象データを生成してよい。上記対象データ生成部は、上記動作関連データの上記複数の部分を、複数のモデリングパラメータによる波形に変換した上記複数の対象データを生成してよい。上記対象データ生成部は、更新される上記動作関連データに対して、上記複数の対象データの少なくとも１つの対象データを更新してよく、上記検知処理実行部は、更新される毎に、更新された上記複数の対象データに変化検知処理を実行してよい。
上記異常検知装置は、上記変化検知処理の処理結果の時間変化に基づいて、上記可動装置の異常を検知する異常検知部を更に備えてよい。上記異常検知部は、それぞれの上記変化検知処理の処理結果に基づいて異常度を判定してよく、上記異常検知装置は、上記異常度の時系列の変化に基づいて、上記可動装置の故障時期を推定する故障時期推定部を更に備えてよい。上記故障時期推定部は、上記異常度の時系列の変化と、上記可動装置と同種の他の可動装置における上記異常度の時系列の変化及び上記他の可動装置の故障のタイミングとに基づいて、上記可動装置の故障時期を推定してよい。上記可動装置は、可動部と、上記可動部を可動させるモータと、上記モータを制御する制御装置とを含んでよく、上記動作関連データは、少なくとも上記制御装置における電流指令および測定電流の少なくとも一方を含んでよい。上記異常検知装置は、上記動作関連データの対象の動作の種類又は上記動作関連データの解析結果に基づいて、上記動作関連データから上記複数の対象データを生成する生成方法を決定する生成方法決定部を更に備えてよく、上記対象データ生成部は、上記生成方法決定部によって決定された上記生成方法によって、上記動作関連データに基づいて上記複数の対象データを生成してよい。上記対象データ生成部は、上記動作関連データから上記複数の対象データを生成する複数種類の生成方法のそれぞれによって、上記動作関連データから上記複数の対象データを生成してよく、上記検知処理実行部は、上記複数種類の生成方法のそれぞれによって生成された上記複数の対象データのそれぞれに対して、上記変化検知処理を実行してよい。
本発明の一実施態様によれば、コンピュータを、上記異常検知装置として機能させるためのプログラムが提供される。
本発明の一実施態様によれば、コンピュータによって実行される、可動装置の異常を検知する異常検知方法が提供される。異常検知方法は、可動装置の動作に起因する動作関連データに基づいて、時間的に離間した複数の対象データを生成する対象データ生成段階を備えてよい。異常検知方法は、複数の対象データに対して変化検知処理を実行する検知処理実行段階を備えてよい。
本発明の一実施態様によれば、可動装置によって被製造物を製造する製造方法が提供される。製造方法は、可動装置の動作に起因する動作関連データに基づいて、時間的に離間した複数の対象データを生成する対象データ生成段階を備えてよい。製造方法は、複数の対象データに対して変化検知処理を実行する検知処理実行段階を備えてよい。
なお、上記の発明の概要は、本発明の必要な特徴のすべてを列挙したものではない。また、これらの特徴群のサブコンビネーションもまた、発明となりうる。
システム１０の一例を概略的に示す。 異常検知装置２００による処理内容について説明するための説明図である。 異常検知装置２００による処理内容について説明するための説明図である。 異常度推移グラフ２８０の一例を概略的に示す。 異常検知装置２００の機能構成の一例を概略的に示す。 異常検知装置２００による処理の流れの一例を概略的に示す。 複数種類の動作関連データ同士の相関関係２６０の一例を概略的に示す。 システム１０による被製造物を製造する方法の流れの一例を概略的に示す。 異常検知装置２００として機能するコンピュータ１２００のハードウェア構成の一例を概略的に示す。
以下、発明の実施の形態を通じて本発明を説明するが、以下の実施形態は特許請求の範囲にかかる発明を限定するものではない。また、実施形態の中で説明されている特徴の組み合わせのすべてが発明の解決手段に必須であるとは限らない。
図１は、システム１０の一例を概略的に示す。システム１０は、可動装置１００及び異常検知装置２００を備える。システム１０は、センサ１８０を備えてよい。システム１０は、センサ１８０を備えなくてもよい。
可動装置１００は、可動部を有する任意の装置であってよい。可動装置１００は、例えば、産業機械である。可動装置１００は、可動部を可動させるモータを備えてよい。可動装置１００は、モータを制御する制御装置を備えてよい。制御装置は、インバータであってよい。モータがサーボモータであり、制御装置がサーボモータのコントローラであってもよい。可動部の例として、ボールねじ、ロボット、ロボットアーム、ベルト駆動装置、コンベヤ、エアコンディショナ、及びファン等が挙げられるが、これらに限られない。
可動装置１００は、被製造物を製造する装置であってもよい。例えば、可動装置１００は、ワークに対して加工を施したり、ワークを組み立てたりすることによって、被製造物を製造する。例えば、可動装置１００が、可動部としてロボットアームを備え、ロボットアームによって、ワークに対して、加工及び組立等の任意の作業を行う。ワークは、単品の部品、複数の部品が組み合わされた半製品、又は複数の部品が組み合わされた製品であってよい。被製造物として、可動装置１００による加工を受けるあらゆる物品が該当し得る。
異常検知装置２００は、可動装置１００の異常を検知することに関連する処理を実行する。異常検知装置２００は、可動装置１００の異常を検知することに関連する処理を実行して、可動装置１００の異常を検知してよい。異常検知装置２００が可動装置１００の異常を検知することは必須ではなく、異常検知装置２００が実行する処理は、可動装置１００の異常を検知することに関連する処理に留まってもよい。異常検知装置２００は、可動装置１００の動作に起因する動作関連データに基づいて、可動装置１００の異常を検知することに関連する処理を実行したり、可動装置１００の異常を検知したりしてよい。
動作関連データは、例えば、可動装置１００が備えるモータの動作に起因するデータである。動作関連データは、例えば、可動装置１００が備える可動部の動作に起因するデータである。
異常検知装置２００は、可動装置１００から動作関連データを受信してよい。動作関連データは、可動装置１００における測定値であってよい。動作関連データは、例えば、可動装置１００の制御装置における測定電流である。動作関連データは、可動装置１００における指令値であってもよい。動作関連データは、例えば、可動装置１００の制御装置における電流指令であってよい。動作関連データの例として、トルク、ｑ軸電流、モータ速度、モータ位置情報、出力電圧、消費電力、及びＰＮ間電圧等が挙げられるが、これらに限られない。
異常検知装置２００は、センサ１８０から、可動装置１００の動作関連データを受信してもよい。センサ１８０は、可動装置１００に対して設置され、可動装置１００の動作に起因する動作関連データを出力する。センサ１８０は、例えば、可動装置１００のモータに設置される。センサ１８０は、例えば、可動装置１００の可動部に設置される。センサ１８０の例として、振動センサ、集音センサ、力覚センサ、加速度センサ、歪センサ、圧力センサ、ジャイロセンサ、距離センサ、撮像センサ、温度センサ、湿度センサ、光量センサ、粘度センサ、流量センサ、光量センサ、及び臭気センサ等が挙げられるが、これらに限られない。
動作関連データは、時間的に連続するデータであってよい。動作関連データは、例えば、可動装置１００において時間的に連続して測定された測定値である。動作関連データは、例えば、可動装置１００における時間的に連続する指令値である。
動作関連データは、時間的に連続しないデータであってもよい。動作関連データは、例えば、定期的に又は不定期に取得された可動装置１００の内部の複数種類の設定値である。動作関連データは、例えば、定期的に又は不定期に取得された、フィードバック制御に用いられる情報である。例えば、可動装置１００がインバータやサーボモータを有する場合において、フィードバック制御に用いられる情報の例として、位置情報、速度情報、及び電流情報等が挙げられる。
動作関連データは、可動装置１００を検査した検査結果を示すデータであってもよい。動作関連データは、例えば、定期的に又は不定期に実行される複数種類の検査の検査結果を示すデータである。複数種類の検査は、可動装置１００の複数の部位に対する検査であってよい。複数種類の検査は、可動装置１００に対する複数の項目の検査であってもよい。複数の項目の例として、振動、音、加速度、歪、圧力、温度、及び湿度等が挙げられ、可動装置１００がロボット等である場合には、各軸に起動トルク及びリップル等が挙げられるが、これらに限られず、結果として数値が得られる項目であれば、どのような項目であってもよい。可動装置１００の検査は、例えば、センサ１８０によって実行される。可動装置１００の検査は、検査用の検査装置によって実行されてもよい。
動作関連データは、可動装置１００の動作によって製造された被製造物に関連するデータであってもよい。動作関連データは、例えば、可動装置１００の動作によって継続的に製造される被製造物に対して、定期的に又は不定期に実行される複数種類の検査の検査結果を示すデータである。複数種類の検査は、被製造物の複数の部位に対する検査であってよい。例えば、可動装置１００が複数のワークを組み立てることによって被製造物を製造している場合、複数種類の検査は、複数のワークのそれぞれの組立誤差等である。複数種類の検査は、被製造物に対する複数の項目の検査であってもよい。複数の項目の例として、振動、音、加速度、歪、圧力、温度、及び湿度等が挙げられ、被製造物がロボット等である場合には、各軸の起動トルク及びリップル等が挙げられるが、これらに限られず、結果として数値が得られる項目であれば、どのような項目であってもよい。被製造物の検査は、例えば、センサ１８０によって実行される。被製造物の検査は、検査用の検査装置によって実行されてもよい。
例えば、ボールねじやモータ内のベアリングの故障点検方法として、現状は、人が音を聞いて判断したり、振動計及び騒音計等のセンサ情報で判断したりする等の方法がある。しかし、人による評価のバラツキやセンサ設置のコストがかかる等の問題がある。モータ及びインバータ等から取得できる内部データのみでも異常検知可能な技術を提供できることが望ましい。
モータ及びインバータ等から得られる内部データには、個体差がみられる。また、正常データは多数取得することができるが、故障データについては、故障データが「少ない」又は「ない」状況が大半であり、故障モードも複数存在する。さらに、ボールねじの作業の往復運動のように周期的なデータもあれば、エアコンディショナのインバータのように一定速度で回転し続けるようなデータもある。ボールねじのように決まった動作（例：加速、定速、減速を繰り返す）の場合、内部データは周期性を示し、時間毎にデータを収集すれば同じような波形を得ることができ、経年劣化による故障で波形が乱れていく特徴を抽出することは可能であると考えられる。一方、周期的でないデータは特徴抽出が困難な場合がある。
故障検知アルゴリズムについては、機械学習手法の深層学習が考えられるが、データに個体差がある場合や、故障データが少なかったりなかったりする場合に、深層学習モデルを学習させることが困難であると考えられる。
本実施形態に係る異常検知装置２００は、動作関連データが周期的でないデータである場合に、動作関連データを周期的なデータに変換する機能を備えてよい。また、異常検知装置２００は、可動装置１００の故障具合を異常度として算出するアルゴリズムを実行する機能を備えてよい。
異常検知装置２００と可動装置１００とは、直接接続されてよい。例えば、異常検知装置２００と可動装置１００とは、有線接続される。例えば、異常検知装置２００と可動装置１００とは、無線接続される。異常検知装置２００及び可動装置１００が用いる無線通信方式の例として、Ｂｌｕｅｔｏｏｔｈ（登録商標）、ＺｉｇＢｅｅ（登録商標）、Ｗｉ－Ｆｉ（登録商標）（Ｗｉｒｅｌｅｓｓ Ｆｉｄｅｌｉｔｙ）、ＥｎＯｃｅａｎ（登録商標）、及びＷｉ－ＳＵＮ（登録商標）等が挙げられるが、これらに限られない。異常検知装置２００とセンサ１８０も同様に、直接接続されてよい。
可動装置１００と異常検知装置２００とは、ネットワークを介して接続されてもよい。可動装置１００及び異常検知装置２００が用いるネットワークの例として、ＬＡＮ（Ｌｏｃａｌ Ａｒｅａ Ｎｅｔｗｏｒｋ）、ＷＡＮ（Ｗｉｄｅ Ａｒｅａ Ｎｅｔｗｏｒｋ）、及びインターネットが挙げられる。異常検知装置２００とセンサ１８０も同様に、ネットワークを介して接続されてもよい。
図２は、異常検知装置２００による処理内容について説明するための説明図である。ここでは、動作関連データ３００が、時間的に連続する周期的でないデータである場合について説明する。
異常検知装置２００は、動作関連データ３００の時間的に離間した部分３１０に変換処理を施して、時間的に離間した複数の対象データ３２０を生成してよい。異常検知装置２００は、例えば、ＦＦＴ（Ｆａｓｔ Ｆｏｕｒｉｅｒ Ｔｒａｎｓｆｏｒｍ）によって、動作関連データ３００の時間的に離間した部分３１０を、時間的に離間した複数の対象データ３２０に変換する。
動作関連データ３００の時間的に離間した部分同士の間隔は、例えば、動作関連データ３００の種類等に応じて決定されてよい。図２では、３つの対象データ３２０を生成した場合を例示しているが、対象データ３２０の数はこれに限らず、４つ以上であってもよい。
異常検知装置２００は、複数の対象データ３２０を連結した連結データ３３０を生成してよい。これにより、周期的な波形を得ることができる。
異常検知装置２００は、連結データ３３０に対して、変化検知処理を実行してよい。可動装置１００が正常に動作している間は、動作関連データ３００が変化しない、又は、変化が少ないので、連結データ３３０に変化は検知されない。一方、可動装置１００の動作に異常が発生している場合には、動作関連データ３００が変化することになり、連結データ３３０に変化が検知されることになる。このように、異常検知装置２００によれば、周期的でないデータに対して、異常の検知精度を向上することができる。
なお、図２では、動作関連データ３００の時間的に離間した部分３１０に変換処理を施す場合を例示したが、これに限らない。異常検知装置２００は、動作関連データ３００の種類や、動作関連データ３００の特徴によって、動作関連データ３００の時間的に離間した部分３１０を連結した連結データを生成してもよい。
図３は、異常検知装置２００による処理内容について説明するための説明図である。ここでは、動作関連データ３００が、時間的に連続する周期的でないデータである場合について説明する。
異常検知装置２００は、例えば、正常動作期間１２４の動作関連データの部分３１０に対して変換処理を施して、複数の中間データ３４０を生成する。正常動作期間１２４は、可動装置１００が正常に動作している蓋然性が高い期間であってよい。正常動作期間１２４は、可動装置１００が導入された後、可動装置１００の累積動作期間が予め定められた期間１２２より長くなった後の、可動装置１００の動作が安定した後の期間であってよい。
異常検知装置２００は、複数の中間データ３４０に対して平均化処理を施して参照データ３４２を生成する。異常検知装置２００は、生成した参照データ３４２を記憶しておく。
異常検知装置２００は、異常検知を実行するタイミングにおける現在時刻の動作関連データの部分３１０と、過去の複数の時刻の動作関連データの部分３１０とに変換処理を施して、時間的に離間した複数の対象データ３２０を生成する。異常検知装置２００は、参照データを生成したときに用いた変換処理と同じ変換処理を、動作関連データの部分３１０に施してよい。図３では、３つの対象データ３２０を生成した場合を例示しているが、対象データ３２０の数はこれに限らず、４つ以上であってもよい。
異常検知装置２００は、複数の対象データ３２０と参照データ３４２とを連結して、連結データ３３０を生成する。異常検知装置２００は、連結データ３３０に対して変化検知処理を実行し、変化検知結果３５０を取得する。
複数の対象データ３２０のみを連結して変化検知処理を実行した場合、直近の変化のみに着目することになるので、全体のトレンドの変化をとらえることが難しい。動作関連データは、可動装置１００が経年劣化等するにつれて徐々に変化する場合が多い。例えば、ベアリングや摺動部等は継続的に使用されることによって劣化が進み、振動等が徐々に増えて、故障に至ることになる。しかし、複数の対象データ３２０のみを対象とした場合、このような変化を検知することが難しい場合がある。現時刻から遡る時間を増やし、対象データ３２０の数を増加することによって、このような変化を検知できる場合もあるが、対象データ３２０の数が増えるほど、処理負荷が増加してしまう。それに対して、正常動作期間１２４における動作関連データの部分３１０から生成した参照データ３４２をさらに連結することによって、直近データが、参照データ３４２からどの程度離れたデータになったのかをとらえることが可能になる。
異常検知装置２００は、変化検知結果３５０の波形から特徴量を計算することによって、１つの数値（異常度と記載する場合がある。）を特定してよい。異常検知装置２００は、例えば、変化検知結果３５０の波形の最大値を計算する。異常検知装置２００は、例えば、変化検知結果３５０の波形の平均値を計算する。異常検知装置２００は、例えば、変化検知結果３５０の波形の標準偏差を計算する。
異常検知装置２００は、定期的に上記処理を実行して、定期的に異常度を特定してよい。例えば、異常検知装置２００は、移動窓を用いて、毎時、複数の対象データ３２０を生成し、参照データ３４２を連結して連結データ３３０を生成し、変化検知結果３５０を取得して、異常度を特定する。そして、異常検知装置２００は、異常度の推移に基づいて、可動装置１００の故障時期を推定してよい。
図４は、異常度推移グラフ２８０の一例を概略的に示す。Ａ０は、現在時刻ｔ０における異常度を示す。異常検知装置２００は、異常度の時系列の変化から、異常度の変化を予測してよい。異常検知装置２００は、例えば、異常度の時系列の変化に対して、予め登録された指数関数モデルを適用することによって、異常度の変化を予測する。
異常検知装置２００は、異常度の変化の予測結果に基づいて、可動装置１００の故障時期を推定してよい。異常検知装置２００は、例えば、予測した異常度が、予め登録された異常度の閾値Ａｔｈを超える時刻ｔｂを、推定故障時期として特定する。異常検知装置２００は、例えば、特定した推定故障時期を、可動装置１００の管理者等に通知する。これにより、可動装置１００の管理者等に対して、故障に対する対応をとる余裕時間を提供することができる。
図５は、システム１０の機能構成の一例を概略的に示す。図５に例示する可動装置１００は、可動部１０２、モータ１０４、制御装置１０６、及び通信部１０８を備える。可動装置１００は、可動部１０２及びモータ１０４を複数備えてもよい。ここでは、制御装置１０６がインバータである場合を主に例に挙げて説明する。図５では、可動装置１００に対してセンサ１８０が設置されている場合を例示しているが、センサ１８０は設置されていなくてもよい。
制御装置１０６は、モータ１０４を制御するとともに、通信部１０８を介して、動作関連データを異常検知装置２００に送信する。ここでは、制御装置１０６が、動作関連データとして、トルク、ｑ軸電流、モータ速度、及び出力電流の少なくともいずれかを可動装置１００に送信する場合を主に例に挙げて説明する。
センサ１８０は、可動装置１００に対する測定を実行して、可動装置１００の動作関連データを可動装置１００に送信する。ここでは、センサ１８０が、振動センサである場合を主に例に挙げて説明する。
図５に例示する異常検知装置２００は、通信部２０２、動作関連データ記憶部２０４、参照データ記憶部２０６、参照データ生成部２０８、対象データ生成部２１０、連結データ生成部２１２、検知処理実行部２１４、出力制御部２１６、異常検知部２１８、故障時期推定部２２０、推定用データ記憶部２２２、参照データ選択部２２４、設定受付部２２６、可動装置制御部２２８、及び生成方法決定部２３０を備える。なお、異常検知装置２００がこれらの全てを備えることは必須とは限らない。異常検知装置２００には、表示部２４０が接続されてよい。異常検知装置２００が、表示部２４０を備えてもよい。
通信部２０２は、通信部１０８と通信する。通信部２０２は、例えば、通信部１０８から動作関連データを受信する。また、通信部２０２は、センサ１８０から動作関連データを受信してよい。動作関連データ記憶部２０４は、通信部２０２が受信した動作関連データを記憶する。
参照データ記憶部２０６は、参照データを記憶する。参照データ記憶部２０６は、異常検知を実行する前に、予め参照データを記憶してよい。参照データ記憶部２０６は、参照データ生成部２０８によって生成された参照データを記憶してよい。
［参照データの生成］
参照データ生成部２０８は、参照データを生成して、参照データ記憶部２０６に記憶させる。参照データ生成部２０８は、動作関連データ記憶部２０４に記憶されている動作関連データの部分に基づいて参照データを生成してよい。
可動装置１００は、任意の対象物を取り扱うことができるが、可動装置１００がどのような対象物を取り扱うかは、事前にわからない場合がある。また、可動装置１００がどのような環境に設置されるかも、事前にわからない場合がある。本実施形態に係る異常検知装置２００によれば、例えば、可動装置１００が実際の使用環境に設置され、実際に取り扱う対象物を取り扱っているときの動作関連データに基づいて参照データを生成することができる。これにより、異常検知精度の向上に貢献することができる。
参照データ生成部２０８は、例えば、可動装置１００が導入された後、可動装置１００の累積動作期間が予め定められた期間より長くなった後の、可動装置１００の動作に起因する動作関連データの部分に基づいて参照データを生成する。参照データ生成部２０８は、例えば、可動装置１００が導入された後、可動装置１００の累積動作回数が予め定められた回数より多くなった後の可動装置１００の動作に起因する動作関連データの部分に基づいて参照データを生成する。これにより、例えば、可動装置１００が導入された直後の、可動装置１００の動作が安定していないときの動作関連データに基づいて参照データを生成してしまうことにより、異常検知精度が低下してしまうことを防止できる。
参照データ生成部２０８は、例えば、可動装置１００が導入された後、可動装置１００の累積動作期間が予め定められた期間より長くなった後の、可動装置１００の動作が安定した後の正常動作期間の可動装置１００の動作に起因する動作関連データの部分に基づいて参照データを生成する。参照データ生成部２０８は、例えば、可動装置１００が導入された後、可動装置１００の累積動作回数が予め定められた回数より多くなった後の、可動装置１００の動作が安定した後の正常動作期間の可動装置１００の動作に起因する動作関連データの部分に基づいて参照データを生成する。正常動作期間は、可動装置１００が正常に動作している蓋然性が高い期間であってよい。例えば、正常動作期間は、可動装置１００が正常に動作していることが確認されている期間である。例えば、正常動作期間は、可動装置１００の管理者等によって設定された期間である。例えば、正常動作期間は、動作関連データに有意な差が生じない期間である。正常動作期間の動作関連データの部分に基づいて参照データを生成することによって、正常な状態の可動装置１００に対する変化を検知可能にできる。
［動作関連データの一部を用いた参照データの生成］
参照データ生成部２０８は、動作関連データの一部に基づいて、参照データを生成してよい。例えば、参照データ生成部２０８は、動作関連データの一部に対して変換処理を施すことによって、参照データを生成する。
参照データ生成部２０８は、動作関連データの一部を、時間と異なる軸上の波形に変換した参照データを生成してよい。例えば、参照データ生成部２０８は、動作関連データの一部を周波数軸上の波形に変換した参照データを生成する。具体例として、参照データ生成部２０８は、動作関連データの一部にＦＦＴを実行することによって参照データを生成してよい。例えば、参照データ生成部２０８は、動作関連データの一部を複数のモデリングパラメータによる波形に変換した参照データを生成する。具体例として、参照データ生成部２０８は、動作関連データの一部をＡＲ（Ａｕｔｏ Ｒｅｇｒｅｓｓｉｖｅ）モデルでモデル化して複数の係数を特定し、複数の係数によって表される波形を生成する。
なお、参照データ生成部２０８は、動作関連データの一部に対して変換処理を施すことなく、動作関連データの一部を参照データとしてもよい。参照データを生成するとは、このように、動作関連データの一部を参照データとすることを含んでよい。例えば、参照データ生成部２０８は、可動装置１００の動作の種類が、変換処理を施さないものとして予め登録された種類であったり、動作関連データが周期的な特徴を示したりした場合に、動作関連データの一部を参照データとする。また、例えば、参照データ生成部２０８は、動作関連データが時間的に連続しないデータである場合に、動作関連データの一部を参照データとする。具体例として、参照データ生成部２０８は、動作関連データが、定期的に又は不定期に取得された、可動装置１００の内部の複数種類の設定値、フィードバック制御に用いられる情報、複数種類の検査の検査結果を示すデータ、可動装置１００による被製造物に関連するデータ等である場合、動作関連データの一部を参照データとする。
［動作関連データの複数の部分を用いた参照データの生成］
参照データ生成部２０８は、動作関連データの複数の部分から生成した複数の中間データに対して平均化処理を施して、参照データを生成してもよい。例えば、参照データ生成部２０８は、動作関連データの複数の部分に対して変換処理を施すことによって複数の中間データを生成し、複数の中間データに対して平均化処理を施して参照データを生成してもよい。
参照データ生成部２０８は、動作関連データの複数の部分を、時間と異なる軸上の波形に変換した複数の中間データを生成し、複数の中間データに対して平均化処理を施して参照データを生成してよい。例えば、参照データ生成部２０８は、動作関連データの複数の部分を周波数軸上の波形に変換した複数の中間データを生成する。具体例として、参照データ生成部２０８は、動作関連データの複数の部分にＦＦＴを実行することによって複数の中間データを生成する。例えば、参照データ生成部２０８は、動作関連データの複数の部分について、複数のモデリングパラメータによる波形に変換した複数の中間データを生成する。具体例として、参照データ生成部２０８は、動作関連データの複数の部分について、ＡＲ（Ａｕｔｏ Ｒｅｇｒｅｓｓｉｖｅ）モデルでモデル化して複数の係数を特定し、複数の係数によって表される波形を生成する。
なお、参照データ生成部２０８は、動作関連データの複数の部分に対して平均化処理を施した後に、変換処理を施すことによって、参照データを生成してもよい。
また、参照データ生成部２０８は、動作関連データの複数の部分に対して変換処理を施すことなく、動作関連データの複数の部分に対して平均化処理を施すことによって、参照データを生成してもよい。例えば、参照データ生成部２０８は、可動装置１００の動作の種類が、変換処理を施さないものとして予め登録された種類であったり、動作関連データが周期的な特徴を示したりした場合に、動作関連データの複数の部分に対して平均化処理を施すことによって、参照データを生成する。また、例えば、参照データ生成部２０８は、動作関連データが時間的に連続しないデータである場合に、動作関連データの複数の部分に対して平均化処理を施すことによって、参照データを生成する。
動作関連データの一部のみを用いて参照データを生成した場合、その一部で突発的な波形の乱れが生じていた場合に、変化検知精度が低下し得るが、動作関連データの複数の部分を用いることによって、そのような精度の低下を防止することができる。
［対象データの生成］
対象データ生成部２１０は、動作関連データ記憶部２０４に記憶されている動作関連データに基づいて、時間的に離間した複数の対象データを生成する。対象データ生成部２１０は、動作関連データの複数の部分に基づいて、時間的に離間した複数の対象データを生成してよい。
対象データ生成部２１０は、動作関連データの複数の部分に変換処理を施して、複数の対象データを生成してよい。対象データ生成部２１０は、動作関連データの複数の部分に対して、参照データ生成部２０８が参照データを生成するときに用いた変換処理と同じ変換処理を施して、複数の対象データを生成してよい。
例えば、対象データ生成部２１０は、動作関連データの複数の部分を、時間と異なる軸上の波形に変換した複数の対象データを生成する。対象データ生成部２１０は、動作関連データの複数の部分を周波数軸上の波形に変換した複数の対象データを生成してよい。具体例として、対象データ生成部２１０は、動作関連データの複数の部分にＦＦＴを実行することによって複数の対象データを生成する。対象データ生成部２１０は、動作関連データの複数の部分を、複数のモデリングパラメータによる波形に変換した複数の対象データを生成してもよい。具体例として、対象データ生成部２１０は、動作関連データの複数の部分について、ＡＲ（Ａｕｔｏ Ｒｅｇｒｅｓｓｉｖｅ）モデルでモデル化して複数の係数を特定し、複数の係数によって表される波形を生成する。
なお、対象データ生成部２１０は、動作関連データに対して変換処理を施すことなく、動作関連データの複数の部分を、複数の対象データとしてもよい。複数の対象データを生成するとは、このように、動作関連データの複数の部分を複数の対象データとすることを含んでよい。例えば、対象データ生成部２１０は、可動装置１００の動作の種類が、変換処理を施さないものとして予め登録された種類であったり、動作関連データが周期的な特徴を示したりした場合に、動作関連データの複数の部分を、複数の対象データとする。また、例えば、対象データ生成部２１０は、動作関連データが時間的に連続しないデータである場合に、動作関連データの複数の部分を、複数の対象データとする。具体例として、対象データ生成部２１０は、動作関連データが、定期的に又は不定期に取得された、可動装置１００の内部の複数種類の設定値、フィードバック制御に用いられる情報、複数種類の検査の検査結果を示すデータ、可動装置１００による被製造物に関連するデータ等である場合、動作関連データの複数の部分を、複数の対象データとする。
［連結データの生成］
連結データ生成部２１２は、例えば、対象データ生成部２１０によって生成された複数の対象データを連結した連結データを生成する。連結データ生成部２１２は、対象データ生成部２１０によって生成された複数の対象データに、参照データ記憶部２０６に記憶されている参照データを含めて連結することによって、連結データを生成してもよい。
［変化検知処理］
検知処理実行部２１４は、連結データ生成部２１２によって生成された連結データに対して変化検知処理を実行してよい。検知処理実行部２１４は、対象データ生成部２１０が生成した複数の対象データに対して、変化検知処理を実行してもよい。検知処理実行部２１４は、複数の対象データが連続しているものとみなして、変化検知処理を実行してよい。検知処理実行部２１４は、対象データ生成部２１０が生成した複数の対象データに、参照データ記憶部２０６に記憶されている参照データを含め、当該複数の対象データに対して、変化検知処理を実行してよい。検知処理実行部２１４は、参照データ及び複数の対象データが連続しているものとみなして、変化検知処理を実行してよい。
検知処理実行部２１４は、動作関連データの参照データの生成に用いられた部分よりも後の部分に基づいて対象データ生成部２１０によって生成された複数の対象データに、当該参照データを含めて、変化検知処理を実行してよい。検知処理実行部２１４は、正常動作期間１２４の動作関連データの部分に基づいて生成された参照データを、対象データ生成部２１０が正常動作期間１２４よりも後の動作関連データに基づいて生成した複数の対象データに含めて、変化検知処理を実行してよい。
検知処理実行部２１４は、既知の任意のアルゴリズムを用いた変化検知処理を実行してよい。検知処理実行部２１４は、例えば、マトリックスプロファイルを用いた変化検知処理を実行する。検知処理実行部２１４は、例えば、自己回帰型モデルを用いた変化検知処理を実行する。検知処理実行部２１４は、例えば、状態空間モデルを用いた変化検知処理を実行する。
［継続的な異常検知］
対象データ生成部２１０は、更新される動作関連データに対して、複数の対象データの少なくとも１つの対象データを更新してよい。検知処理実行部２１４は、更新される毎に、更新された複数の対象データに変化検知処理を実行してよい。
例えば、Ｎ時に、対象データ生成部２１０が、Ｎ時に対応する対象データ、Ｎ－１時に対応する対象データ、及びＮ－２時に対応する対象データを生成し、連結データ生成部２１２が、当該３つの対象データと、参照データとを連結した連結データを生成する。Ｎ＋１時に、対象データ生成部２１０が、Ｎ－２時に対応する対象データを、Ｎ＋１時に対応する対象データに更新し、連結データ生成部２１２が、Ｎ－１時に対応する対象データ、Ｎ時に対応する対象データ、Ｎ＋１時に対応する対象データ、及び参照データを連結した連結データを生成する。Ｎ＋２時に、対象データ生成部２１０が、Ｎ－１時に対応する対象データを、Ｎ＋２時に対応する対象データに更新し、連結データ生成部２１２が、Ｎ時に対応する対象データ、Ｎ＋１時に対応する対象データ、Ｎ＋２時に対応する対象データ、及び参照データを連結した連結データを生成する。検知処理実行部２１４は、当該更新毎に、生成された連結データに対して変化検知処理を実行する。
出力制御部２１６は、検知処理実行部２１４の処理結果に基づいて生成した出力データの出力を制御する。出力制御部２１６は、例えば、生成した出力データを表示部２４０に表示させる。出力制御部２１６は、生成した出力データを、他の装置に表示させるべく、出力データを他の装置に送信してもよい。
出力制御部２１６は、例えば、検知処理実行部２１４によって変化検知処理が実行される毎に、変化検知処理結果を通知する通知データを表示部２４０に表示させる。これにより、変化検知の時系列的な変化を、閲覧者に知得させることができる。
［異常検知］
異常検知部２１８は、検知処理実行部２１４による変化検知処理の処理結果の時間変化に基づいて、可動装置１００の異常を検出する。異常検知部２１８は、例えば、それぞれの変化検知処理の処理結果に基づいて異常度を判定する。異常検知部２１８は、例えば、変化検知処理の処理結果の波形の最大値を異常度とする。異常検知部２１８は、例えば、変化検知処理の処理結果の波形の平均値を異常度とする。異常検知部２１８は、例えば、変化検知処理の処理結果の波形の標準偏差を異常度とする。
そして、異常検知部２１８は、異常度の時系列の変化に基づいて、可動装置１００の異常を検出する。異常検知部２１８は、例えば、異常度の時系列の変化を示す波形に対して、外れ値検知を実行して、外れ値を検知した場合に、可動装置１００に何らかの異常が発生していると判定する。また、異常検知部２１８は、例えば、異常度の時系列の変化を示す波形に対して、異常部位検出を実行して、異常部位を検出した場合に、可動装置１００に何らかの異常が発生していると判定する。また、異常検知部２１８は、例えば、異常度の時系列の変化を示す波形に対して、変化点検知を実行して、変化点を検知した場合に、可動装置１００に何らかの異常が発生していると判定する。
出力制御部２１６は、異常検知部２１８によって、可動装置１００の異常が検出された場合に、可動装置１００に異常が発生している可能性があることを通知する通知データの出力を制御する。出力制御部２１６は、例えば、通知データを表示部２４０に表示させる。
［故障時期推定］
故障時期推定部２２０は、異常検知部２１８によって判定された異常度の時系列の変化に基づいて、可動装置１００の故障時期を推定する。故障時期推定部２２０は、例えば、異常度の時系列の変化が、指数関数的な変化を示した場合に、異常度の推移に対して、予め登録された指数関数モデルを適用することによって、異常度の変化を予測する。故障時期推定部２２０は、異常度の変化の予測結果に基づいて、可動装置１００の故障時期を推定してよい。故障時期推定部２２０は、例えば、予測した異常度が、予め登録された異常度の閾値を超える時期を、推定故障時期として特定する。
出力制御部２１６は、故障時期推定部２２０によって推定された故障時期を通知する通知データを出力させる。出力制御部２１６は、例えば、通知データを表示部２４０に表示させる。また、出力制御部２１６は、故障時期推定部２２０によって推定された故障時期から予め定められた期間遡った時点で、警告データを出力させる。出力制御部２１６は、例えば、警告データを表示部２４０に表示させる。これにより、故障に対応する猶予期間を、可動装置１００の管理者等に提供することができる。
［同種の可動装置の故障データを用いた故障時期推定］
推定用データ記憶部２２２は、故障時期推定部２２０が故障時期を推定するために用いる推定用データを格納する。推定用データは、可動装置１００と同種の他の可動装置における異常度の時系列の変化と、当該他の可動装置の故障のタイミングとを含んでよい。推定用データ記憶部２２２は、他の装置によって生成された推定用データを記憶してよい。推定用データ記憶部２２２は、故障時期推定部２２０によって生成された推定用データを記憶してもよい。
故障時期推定部２２０は、例えば、可動装置１００と同種の、故障した他の可動装置から、異常度の時系列の変化と、故障のタイミングとを示すデータを受信する。故障時期推定部２２０は、複数の他の可動装置から受信したデータを用いて、異常度の時系列の変化と、故障のタイミングとを含む推定用データを生成し、推定用データ記憶部２２２に記憶させてよい。
故障時期推定部２２０は、推定用データ記憶部２２２に記憶されている推定用データを用いて、可動装置１００の故障時期を推定してもよい。故障時期推定部２２０は、異常検知部２１８によって特定された異常度の時系列の変化に対して、推定用データに含まれる異常度の時系列の変化を適用することによって、異常度の変化を予測する。そして、故障時期推定部２２０は、推定用データに含まれる故障のタイミングによって、可動装置１００の推定故障時期を特定する。このように、可動装置１００と同種の可動装置が故障したときのデータを利用することによって、故障時期の推定精度を向上させることができる。
［複数種類の参照データ］
参照データ記憶部２０６は、複数種類の参照データを記憶してもよい。例えば、参照データ記憶部２０６は、可動装置１００の動作モード毎に参照データを記憶する。
参照データ選択部２２４は、参照データ記憶部２０６に記憶されている複数種類の参照データから、一の参照データを選択する。例えば、参照データ選択部２２４は、可動装置１００の動作モードに応じて、参照データを選択する。参照データ選択部２２４は、参照データ記憶部２０６に記憶された、可動装置１００の動作モード毎の参照データから、可動装置１００の動作モードに対応する参照データを選択してよい。
検知処理実行部２１４は、参照データ選択部２２４によって選択された参照データを、対象データ生成部２１０が生成した複数の対象データに含めて、当該複数の対象データに対して変化検知処理を実行してよい。連結データ生成部２１２は、参照データ選択部２２４によって選択された参照データと、対象データ生成部２１０が生成した複数の対象データとを連結した連結データを生成してよい。
可動装置１００の動作モードが変わった場合、動作関連データの傾向も変化する可能性が高い。そのため、異なる動作モードのときに生成した参照データを用いると、変化検知の精度が低下する可能性がある。それに対して、参照データ生成部２０８は、複数の動作モード毎に、参照データを生成してよい。参照データ生成部２０８は、可動装置１００が複数の動作モードのそれぞれに設定されているときに、受信した動作関連データに基づいて、参照データを生成して、参照データ記憶部２０６に記憶させてよい。可動装置１００の動作モードに応じた参照データを用いることによって、異なる動作モードの時に生成した参照データを用いる場合と比較して、異常検知の精度を向上させることができる。
動作モードは、動作内容毎のモードであってよい。動作モードは、動作対象毎のモードで合ってよい。例えば、可動部１０２がロボットアームである場合、動作モードは、ロボットアームが取り扱う対象毎のモードである。例えば、可動部１０２がコンベアである場合、動作モードは、コンベアが搬送する対象毎のモードである。動作モードは、動作環境毎のモードであってよい。例えば、動作モードは、可動装置１００が設置される場所毎のモードであってよい。
［異常検知モード］
設定受付部２２６は、異常検知モードの設定を受け付ける。設定受付部２２６は、可動装置１００の管理者等による異常検知モードの設定を受け付けてよい。設定受付部２２６は、例えば、異常検知装置２００が備える入力デバイスを介して、異常検知モードの設定を受け付ける。
参照データ生成部２０８は、異常検知用の第１の動作パターンに従った可動装置１００による動作に起因する動作関連データの部分に基づいて参照データを生成して、参照データ記憶部２０６に記憶させてよい。第１の動作パターンは、例えば、異常検知しやすい動作パターンとして、可動装置１００の管理者等によって決定された動作パターンである。第１の動作パターンは、可動装置１００が主に実行する動作パターンであってもよい。
可動装置制御部２２８は、設定受付部２２６が異常検知モードの設定を受け付けた場合に、可動装置１００に、第１の動作パターンと同一又は類似の第２の動作パターンを実行させる。可動装置制御部２２８は、通信部２０２を介して、第２の動作パターンを実行する指示を可動装置１００に送信することによって、可動装置１００に第２の動作パターンを実行させてよい。第１の動作パターンに類似するとは、例えば、第１の動作パターンと一部のみが異なることである。
検知処理実行部２１４は、可動装置１００が第２の動作パターンに従った動作を実行している間の動作関連データに基づいて生成された複数の対象データに、第１の動作パターンに従った可動装置１００による動作に起因する動作関連データの部分に基づいて生成された参照データを含めて、変化検知処理を実行する。異常検知モードの導入によって、参照データを生成したときと同一又は類似の動作パターンを可動装置１００に実行させて、異常検知を行うことができ、異常検知の精度向上に貢献することができる。
［対象データ生成方法の選択］
生成方法決定部２３０は、動作関連データから複数の対象データを生成する生成方法を決定する。生成方法決定部２３０は、例えば、動作関連データの対象の動作の種類に基づいて、動作関連データから複数の対象データを生成する生成方法を決定する。
生成方法決定部２３０は、例えば、異常検知を行う対象となる可動装置１００が決まったタイミングで、可動装置１００又はセンサ１８０から受信する動作関連データの対象の動作の種類を特定する。生成方法決定部２３０は、例えば、可動装置１００の管理者等の入力を受け付けることによって、動作の種類を特定する。
例えば、可動装置１００の管理者等は、異常検知のために異常検知装置２００に入力する動作関連データの対象の動作の種類を指定する。可動装置１００の可動部１０２がコンベアの場合、例えば、コンベアの一動作のような機械系の大きな動作と、モータ１０４のベアリングのような個々の要素の動作と、コンベアの振動のようなセンサ１８０によって測定できる動作とがあり得る。可動装置１００の可動部１０２がロボットアームである場合、例えば、アーム全体の動作のような機械系の大きな動作と、モータ１０４のベアリングのような個々の要素の動作と、ロボットアームの振動のようなセンサ１８０によって測定できる動作とがあり得る。
生成方法決定部２３０は、例えば、機械系の大きな動作を特定した場合、動作関連データから複数の対象データを切り取る生成方法（第１の生成方法と記載する場合がある。）を選択する。生成方法決定部２３０は、例えば、個々の要素の動作を特定した場合、動作関連データの複数の部分を周波数軸上の波形に変換することによって、複数の対象データを生成する生成方法（第２の生成方法と記載する場合がある。）を選択する。生成方法決定部２３０は、例えば、振動のようなセンサ１８０によって測定できる動作を特定した場合、動作関連データの複数の部分を、複数のモデリングパラメータによる波形に変換することによって複数の対象データを生成する生成方法（第３の生成方法と記載する場合がある。）を選択する。
動作関連データの対象の動作の種類によって、動作関連データの特性は異なり得る。動作関連データの対象の動作の種類に応じた生成方法を用いることによって、異常検知の精度向上の貢献することができる。
生成方法決定部２３０は、例えば、動作関連データの解析結果に基づいて、当該生成方法を決定する。生成方法決定部２３０は、動作関連データ記憶部２０４に記憶されている動作関連データを解析して、解析結果に基づいて、動作関連データから複数の対象データを生成する生成方法を決定してよい。例えば、動作関連データが周期性を有する場合、生成方法決定部２３０は、第１の生成方法を選択する。例えば、動作関連データが周期性を有しない場合、生成方法決定部２３０は、第２の生成方法又は第３の生成方法を選択する。これにより、動作関連データの特性に適した生成方法を用いることができ、異常検知の精度向上に貢献することができる。
［複数の生成方法を用いた対象データの生成］
対象データ生成部２１０は、動作関連データから複数の対象データを生成する複数種類の生成方法のそれぞれによって、動作関連データから複数の対象データを生成してもよい。検知処理実行部２１４は、複数種類の生成方法のそれぞれによって生成された複数の対象データのそれぞれに対して、変化検知処理を実行してよい。
対象データ生成部２１０は、例えば、動作関連データ記憶部２０４に記憶されている動作関連データに対して、第１の生成方法、第２の生成方法、及び第３の生成方法のそれぞれを用いて、複数の対象データを生成する。また、参照データ生成部２０８は、動作関連データ記憶部２０４に記憶されている動作関連データに対して、動作関連データの複数の部分に平均化処理を施す方法と、動作関連データの複数の部分を周波数軸上の波形に変換して平均化処理を施す方法と、動作関連データの複数の部分を、複数のモデリングパラメータによる波形に変換して平均化処理を施す方法とのそれぞれを用いて、複数の参照データを生成する。
そして、連結データ生成部２１２が、複数の生成方法のそれぞれについて、複数の対象データと参照データとを連結した連結データを生成し、検知処理実行部２１４が、変化検知処理を実行する。異常検知部２１８は、複数の生成方法のそれぞれについての変化検知処理の結果に基づいて、可動装置１００の異常を検知してよい。異常検知部２１８は、例えば、複数の生成方法のうち少なくとも１つにおいて、変化が検知された場合に、可動装置１００に異常が発生していると判定する。これにより、例えば、動作関連データの特性等によって、可動装置１００に異常が発生しているにもかかわらず、複数の生成方法のいずれかでは異常が検知されないという状況になった場合でも、可動装置１００に異常が発生していると判定することができ得る。なお、異常検知部２１８は、例えば、複数の生成方法のうち、半分以上で変化が検知された場合に、可動装置１００に異常が発生していると判定してもよい。また、異常検知部２１８は、例えば、複数の生成方法のすべてにおいて、変化が検知された場合に、可動装置１００に異常が発生していると判定してもよい。
上述したように、異常検知装置２００が可動装置１００の異常を検知することは必須ではなく、異常検知装置２００が実行する処理は、可動装置１００の異常を検知することに関連する処理に留まってもよい。この場合、異常検知装置２００は、異常検知部２１８、故障時期推定部２２０、及び推定用データ記憶部２２２を備えなくてもよい。
図６は、異常検知装置２００による処理の流れの一例を概略的に示す。ここでは、参照データ記憶部２０６が参照データを既に記憶しており、異常検知装置２００が可動装置１００から継続的に動作関連データを受信している状況を前提として説明する。
ステップ（ステップをＳと省略して記載する場合がある。）１０２では、異常検知装置２００の制御部が、異常検知の実行タイミングが訪れるまで、異常検知の実行を待機する。異常検知装置２００は、例えば、１時間毎の異常検知を実行するように設定されている場合に、まず、開始時刻が訪れるまで待機する。
Ｓ１０４では、対象データ生成部２１０が、動作関連データ記憶部２０４から動作関連データを読み出す。対象データ生成部２１０は、現在時刻と、現在時刻から予め定められた期間遡った時刻との間の動作関連データを読み出してよい。
Ｓ１０６では、対象データ生成部２１０が、Ｓ１０４において読み出した動作関連データに基づいて、複数の対象データを生成する。Ｓ１０８では、連結データ生成部２１２が、参照データ記憶部２０６から参照データを読み出す。Ｓ１１０では、連結データ生成部２１２が、Ｓ１０６において生成された複数の対象データと、Ｓ１０８において読み出した参照データとを連結した連結データを生成する。
Ｓ１１２では、検知処理実行部２１４が、Ｓ１１０において生成された連結データに対して変化検知処理を実行する。Ｓ１１４では、異常検知部２１８が、Ｓ１１２における変化検知処理の処理結果に基づいて、異常度を特定する。
Ｓ１１６では、故障時期推定部２２０が、Ｓ１１４において特定された異常度に基づいて、可動装置１００に故障の予兆があるか否かを判定する。故障時期推定部２２０は、例えば、異常度の時系列の変化が、指数関数的な変化を示した場合に、故障の予兆があると判定する。故障時期推定部２２０は、指数関数モデルを用いたり、推定用データを用いたりすることによって、故障時期を推定してもよい。
Ｓ１１８では、出力制御部２１６が警告データを出力させる。警告データは、可動装置１００に故障の予兆があることを示してよい。警告データは、故障時期推定部２２０によって推定された故障時期を含んでもよい。
Ｓ１２０では、異常検知装置２００の制御部が、異常検知処理を継続するか否かを判定する。異常検知装置２００の制御部は、例えば、可動装置１００の管理者等による終了指示を受領していたり、予め設定されていた異常検知処理の実行期間が満了していたりした場合に、処理を継続しないと判定し、それ以外の場合に、処理を継続すると判定する。処理を継続すると判定した場合、Ｓ１０２に戻る。
図７は、複数種類の動作関連データ同士の相関関係２６０の一例を概略的に示す。異常検知装置２００は、可動装置１００から複数種類の動作関連データを受信して、複数種類の動作関連データ同士の相関関係を用いた異常検知処理を実行してもよい。
対象データ生成部２１０は、複数種類の動作関連データから、同時刻の動作に起因する部分を切り出して、それぞれの部分同士の相関関係を計算してよい。対象データ生成部２１０は、例えば、複数種類の動作関連データから切り出した同時刻の部分をそのまま用いて、それぞれの部分同士の相関関係を計算する。対象データ生成部２１０は、複数種類の動作関連データから切り出した同時刻の部分に変換処理を施して、それぞれの部分同士の相関関係を計算してもよい。
図７は、４種類の動作関連データのそれぞれから切り出した部分同士の相関関係の一例を示す。可動装置１００の制御装置１０６がインバータである場合、４種類の動作関連データは、例えば、トルク、ｑ軸電流、モータ速度、出力電流であってよい。
図７に示す例において、部分Ａと部分Ｂとの相関関係が０．６、部分Ａと部分Ｃとの相関関係が－０．２、部分Ａと部分Ｄとの相関関係が０．４、部分Ｂと部分Ｃとの相関関係が０．２、部分Ｂと部分Ｄとの相関関係が１．２、部分Ｃと部分Ｄとの相関関係が０．３となっている。対象データ生成部２１０は、例えば、複数の相関関係によって表される波形を生成して、対象データとする。対象データ生成部２１０は、同様に、複数の時刻に対応する対象データを生成してよい。
参照データ生成部２０８は、複数種類の動作関連データから、参照データを生成してよい。参照データ生成部２０８は、例えば、複数種類の動作関連データについて、正常動作期間１２４内の同時刻の部分同士の相関関係を計算する。参照データ生成部２０８は、例えば、複数種類の動作関連データから切り出した同時刻の部分をそのまま用いて、それぞれの部分同士の相関関係を計算する。参照データ生成部２０８は、複数種類の動作関連データから切り出した同時刻の部分に変換処理を施して、それぞれの部分同士の相関関係を計算してもよい。参照データ生成部２０８は、例えば、複数の相関関係によって表される波形を生成して、参照データとする。参照データ生成部２０８は、複数種類の動作関連データについて、正常動作期間１２４内の複数時刻の部分を切り出して、時刻毎に相関関係を計算し、平均化処理を施すことによって、参照データを生成してもよい。
連結データ生成部２１２は、対象データ生成部２１０が生成した複数の対象データと、参照データ生成部２０８が生成した参照データとを連結した連結データを生成する。検知処理実行部２１４は、当該連結データに対して、変化検知処理を実行する。異常検知部２１８は、当該変化検知処理の処理結果に基づいて異常度を特定する。故障時期推定部２２０は、異常度の時系列の変化に基づいて、可動装置１００の故障時期を推定する。
可動装置１００が正常に動作している間、複数種類の動作関連データの相関関係は変化しない蓋然性が高い。一方、可動装置１００に故障の予兆がみられるころには、複数種類の動作関連データがそれぞれ別々に変化することによって、複数種類に動作関連データの相関関係が変化する蓋然性が高い。そのため、複数種類の動作関連データの相関関係を用いることによって、可動装置１００の異常や、可動装置１００の故障を比較的高い精度で推定し得る。
図８は、システム１０による被製造物の製造方法の一例を概略的に示す。システム１０は、ワークに対して加工を施すことによって、被製造物を製造してよい。例えば、可動装置１００が、可動部としてロボットアームを備え、ロボットアームによって、ワークに対して、加工及び組立等の任意の作業を行う。
Ｓ２０２では、可動装置１００が、加工対象のワークを取得する。可動装置１００は、加工対象のワークが複数の場合、複数のワークを取得する。Ｓ２０４では、可動装置１００が、Ｓ２０２において取得したワークを加工する。
Ｓ２０６では、異常検知装置２００の制御部が、異常検知の実行タイミングが訪れているか否かを判定する。訪れていると判定した場合、Ｓ２０８に進み、訪れていないと判定した場合、Ｓ２２６に進む。
Ｓ２０８からＳ２１８は、Ｓ１０４からＳ１１４と同様であってよい。Ｓ２２０では、故障時期推定部２２０が、Ｓ２１８において特定された異常度に基づいて、可動装置１００に故障の予兆が有るか否かを判定する。故障時期推定部２２０は、例えば、異常度の時系列の変化が、指数関数的な変化を示した場合に、故障の予兆があると判定する。故障時期推定部２２０は、指数関数モデルを用いたり、推定用データを用いたりすることによって、故障時期を推定してもよい。故障の予兆があると判定した場合、Ｓ２２２に進み、無いと判定した場合、Ｓ２２６に進む。
Ｓ２２２では、出力制御部２１６が警告データを出力させる。警告データは、可動装置１００に故障の予兆があることを示してよい。警告データは、故障時期推定部２２０によって推定された故障時期を含んでもよい。
Ｓ２２４では、異常検知装置２００の制御部が、可動装置１００による製造を継続するか否かを判定する。異常検知装置２００は、可動装置１００の管理者等による指示に従って、製造を継続するか否かを判定してよい。製造を継続すると判定した場合、Ｓ２２６に進み、製造を継続しないと判定した場合、製造処理を終了する。
Ｓ２２６では、可動装置１００が、ワークの加工が終了したか否かを判定する。Ｓ２０２において複数のワークを取得していた場合、可動装置１００は、複数のワークのすべてについて加工が終了したか否かを判定する。加工の終了によって、被製造物の製造が完了する。終了していないと判定した場合、Ｓ２０４に戻り、終了したと判定した場合、処理を終了する。
図９は、異常検知装置２００として機能するコンピュータ１２００のハードウェア構成の一例を概略的に示す。コンピュータ１２００にインストールされたプログラムは、コンピュータ１２００を、本実施形態に係る装置の１又は複数の「部」として機能させ、又はコンピュータ１２００に、本実施形態に係る装置に関連付けられるオペレーション又は当該１又は複数の「部」を実行させることができ、及び／又はコンピュータ１２００に、本実施形態に係るプロセス又は当該プロセスの段階を実行させることができる。そのようなプログラムは、コンピュータ１２００に、本明細書に記載のフローチャート及びブロック図のブロックのうちのいくつか又はすべてに関連付けられた特定のオペレーションを実行させるべく、ＣＰＵ１２１２によって実行されてよい。
本実施形態によるコンピュータ１２００は、ＣＰＵ１２１２、ＲＡＭ１２１４、及びグラフィックコントローラ１２１６を含み、それらはホストコントローラ１２１０によって相互に接続されている。コンピュータ１２００はまた、通信インタフェース１２２２、記憶装置１２２４、ＤＶＤドライブ、及びＩＣカードドライブのような入出力ユニットを含み、それらは入出力コントローラ１２２０を介してホストコントローラ１２１０に接続されている。ＤＶＤドライブは、ＤＶＤ－ＲＯＭドライブ及びＤＶＤ－ＲＡＭドライブ等であってよい。記憶装置１２２４は、ハードディスクドライブ及びソリッドステートドライブ等であってよい。コンピュータ１２００はまた、ＲＯＭ１２３０及びキーボードのようなレガシの入出力ユニットを含み、それらは入出力チップ１２４０を介して入出力コントローラ１２２０に接続されている。
ＣＰＵ１２１２は、ＲＯＭ１２３０及びＲＡＭ１２１４内に格納されたプログラムに従い動作し、それにより各ユニットを制御する。グラフィックコントローラ１２１６は、ＲＡＭ１２１４内に提供されるフレームバッファ等又はそれ自体の中に、ＣＰＵ１２１２によって生成されるイメージデータを取得し、イメージデータがディスプレイデバイス１２１８上に表示されるようにする。
通信インタフェース１２２２は、ネットワークを介して他の電子デバイスと通信する。記憶装置１２２４は、コンピュータ１２００内のＣＰＵ１２１２によって使用されるプログラム及びデータを格納する。ＤＶＤドライブは、プログラム又はデータをＤＶＤ－ＲＯＭ等から読み取り、記憶装置１２２４に提供する。ＩＣカードドライブは、プログラム及びデータをＩＣカードから読み取り、及び／又はプログラム及びデータをＩＣカードに書き込む。
ＲＯＭ１２３０はその中に、アクティブ化時にコンピュータ１２００によって実行されるブートプログラム等、及び／又はコンピュータ１２００のハードウェアに依存するプログラムを格納する。入出力チップ１２４０はまた、様々な入出力ユニットをＵＳＢポート、パラレルポート、シリアルポート、キーボードポート、マウスポート等を介して、入出力コントローラ１２２０に接続してよい。
プログラムは、ＤＶＤ－ＲＯＭ又はＩＣカードのようなコンピュータ可読記憶媒体によって提供される。プログラムは、コンピュータ可読記憶媒体から読み取られ、コンピュータ可読記憶媒体の例でもある記憶装置１２２４、ＲＡＭ１２１４、又はＲＯＭ１２３０にインストールされ、ＣＰＵ１２１２によって実行される。これらのプログラム内に記述される情報処理は、コンピュータ１２００に読み取られ、プログラムと、上記様々なタイプのハードウェアリソースとの間の連携をもたらす。装置又は方法が、コンピュータ１２００の使用に従い情報のオペレーション又は処理を実現することによって構成されてよい。
例えば、通信がコンピュータ１２００及び外部デバイス間で実行される場合、ＣＰＵ１２１２は、ＲＡＭ１２１４にロードされた通信プログラムを実行し、通信プログラムに記述された処理に基づいて、通信インタフェース１２２２に対し、通信処理を命令してよい。通信インタフェース１２２２は、ＣＰＵ１２１２の制御の下、ＲＡＭ１２１４、記憶装置１２２４、ＤＶＤ－ＲＯＭ、又はＩＣカードのような記録媒体内に提供される送信バッファ領域に格納された送信データを読み取り、読み取られた送信データをネットワークに送信し、又はネットワークから受信した受信データを記録媒体上に提供される受信バッファ領域等に書き込む。
また、ＣＰＵ１２１２は、記憶装置１２２４、ＤＶＤドライブ（ＤＶＤ－ＲＯＭ）、ＩＣカード等のような外部記録媒体に格納されたファイル又はデータベースの全部又は必要な部分がＲＡＭ１２１４に読み取られるようにし、ＲＡＭ１２１４上のデータに対し様々なタイプの処理を実行してよい。ＣＰＵ１２１２は次に、処理されたデータを外部記録媒体にライトバックしてよい。
様々なタイプのプログラム、データ、テーブル、及びデータベースのような様々なタイプの情報が記録媒体に格納され、情報処理を受けてよい。ＣＰＵ１２１２は、ＲＡＭ１２１４から読み取られたデータに対し、本開示の随所に記載され、プログラムの命令シーケンスによって指定される様々なタイプのオペレーション、情報処理、条件判断、条件分岐、無条件分岐、情報の検索／置換等を含む、様々なタイプの処理を実行してよく、結果をＲＡＭ１２１４に対しライトバックする。また、ＣＰＵ１２１２は、記録媒体内のファイル、データベース等における情報を検索してよい。例えば、各々が第２の属性の属性値に関連付けられた第１の属性の属性値を有する複数のエントリが記録媒体内に格納される場合、ＣＰＵ１２１２は、当該複数のエントリの中から、第１の属性の属性値が指定されている条件に一致するエントリを検索し、当該エントリ内に格納された第２の属性の属性値を読み取り、それにより予め定められた条件を満たす第１の属性に関連付けられた第２の属性の属性値を取得してよい。
上で説明したプログラム又はソフトウエアモジュールは、コンピュータ１２００上又はコンピュータ１２００近傍のコンピュータ可読記憶媒体に格納されてよい。また、専用通信ネットワーク又はインターネットに接続されたサーバシステム内に提供されるハードディスク又はＲＡＭのような記録媒体が、コンピュータ可読記憶媒体として使用可能であり、それによりプログラムを、ネットワークを介してコンピュータ１２００に提供する。
本実施形態におけるフローチャート及びブロック図におけるブロックは、オペレーションが実行されるプロセスの段階又はオペレーションを実行する役割を持つ装置の「部」を表わしてよい。特定の段階及び「部」が、専用回路、コンピュータ可読記憶媒体上に格納されるコンピュータ可読命令と共に供給されるプログラマブル回路、及び／又はコンピュータ可読記憶媒体上に格納されるコンピュータ可読命令と共に供給されるプロセッサによって実装されてよい。専用回路は、デジタル及び／又はアナログハードウェア回路を含んでよく、集積回路（ＩＣ）及び／又はディスクリート回路を含んでよい。プログラマブル回路は、例えば、フィールドプログラマブルゲートアレイ（ＦＰＧＡ）、及びプログラマブルロジックアレイ（ＰＬＡ）等のような、論理積、論理和、排他的論理和、否定論理積、否定論理和、及び他の論理演算、フリップフロップ、レジスタ、並びにメモリエレメントを含む、再構成可能なハードウェア回路を含んでよい。
コンピュータ可読記憶媒体は、適切なデバイスによって実行される命令を格納可能な任意の有形なデバイスを含んでよく、その結果、そこに格納される命令を有するコンピュータ可読記憶媒体は、フローチャート又はブロック図で指定されたオペレーションを実行するための手段を作成すべく実行され得る命令を含む、製品を備えることになる。コンピュータ可読記憶媒体の例としては、電子記憶媒体、磁気記憶媒体、光記憶媒体、電磁記憶媒体、半導体記憶媒体等が含まれてよい。コンピュータ可読記憶媒体のより具体的な例としては、フロッピー（登録商標）ディスク、ディスケット、ハードディスク、ランダムアクセスメモリ（ＲＡＭ）、リードオンリメモリ（ＲＯＭ）、消去可能プログラマブルリードオンリメモリ（ＥＰＲＯＭ又はフラッシュメモリ）、電気的消去可能プログラマブルリードオンリメモリ（ＥＥＰＲＯＭ）、静的ランダムアクセスメモリ（ＳＲＡＭ）、コンパクトディスクリードオンリメモリ（ＣＤ－ＲＯＭ）、デジタル多用途ディスク（ＤＶＤ）、ブルーレイ（登録商標）ディスク、メモリスティック、集積回路カード等が含まれてよい。
コンピュータ可読命令は、アセンブラ命令、命令セットアーキテクチャ（ＩＳＡ）命令、マシン命令、マシン依存命令、マイクロコード、ファームウェア命令、状態設定データ、又はＳｍａｌｌｔａｌｋ（登録商標）、ＪＡＶＡ（登録商標）、Ｃ＋＋等のようなオブジェクト指向プログラミング言語、及び「Ｃ」プログラミング言語又は同様のプログラミング言語のような従来の手続型プログラミング言語を含む、１又は複数のプログラミング言語の任意の組み合わせで記述されたソースコード又はオブジェクトコードのいずれかを含んでよい。
コンピュータ可読命令は、汎用コンピュータ、特殊目的のコンピュータ、若しくは他のプログラム可能なデータ処理装置のプロセッサ、又はプログラマブル回路が、フローチャート又はブロック図で指定されたオペレーションを実行するための手段を生成するために当該コンピュータ可読命令を実行すべく、ローカルに又はローカルエリアネットワーク（ＬＡＮ）、インターネット等のようなワイドエリアネットワーク（ＷＡＮ）を介して、汎用コンピュータ、特殊目的のコンピュータ、若しくは他のプログラム可能なデータ処理装置のプロセッサ、又はプログラマブル回路に提供されてよい。プロセッサの例としては、コンピュータプロセッサ、処理ユニット、マイクロプロセッサ、デジタル信号プロセッサ、コントローラ、マイクロコントローラ等を含む。
以上、本発明を実施の形態を用いて説明したが、本発明の技術的範囲は上記実施の形態に記載の範囲には限定されない。上記実施の形態に、多様な変更又は改良を加えることが可能であることが当業者に明らかである。その様な変更又は改良を加えた形態も本発明の技術的範囲に含まれ得ることが、特許請求の範囲の記載から明らかである。
特許請求の範囲、明細書、及び図面中において示した装置、システム、プログラム、及び方法における動作、手順、ステップ、及び段階などの各処理の実行順序は、特段「より前に」、「先立って」などと明示しておらず、また、前の処理の出力を後の処理で用いるのでない限り、任意の順序で実現しうることに留意すべきである。特許請求の範囲、明細書、及び図面中の動作フローに関して、便宜上「まず、」、「次に、」などを用いて説明したとしても、この順で実施することが必須であることを意味するものではない。
１０ システム、１００ 可動装置、１０２ 可動部、１０４ モータ、１０６ 制御装置、１０８ 通信部、１２２ 期間、１２４ 正常動作期間、１８０ センサ、２００ 異常検知装置、２０２ 通信部、２０４ 動作関連データ記憶部、２０６ 参照データ記憶部、２０８ 参照データ生成部、２１０ 対象データ生成部、２１２ 連結データ生成部、２１４ 検知処理実行部、２１６ 出力制御部、２１８ 異常検知部、２２０ 故障時期推定部、２２２ 推定用データ記憶部、２２４ 参照データ選択部、２２６ 設定受付部、２２８ 可動装置制御部、２３０ 生成方法決定部、２４０ 表示部、２６０ 相関関係、２８０ 異常度推移グラフ、３００ 動作関連データ、３１０ 部分、３２０ 対象データ、３３０ 連結データ、３４０ 中間データ、３４２ 参照データ、３５０ 変化検知結果、１２００ コンピュータ、１２１０ ホストコントローラ、１２１２ ＣＰＵ、１２１４ ＲＡＭ、１２１６ グラフィックコントローラ、１２１８ ディスプレイデバイス、１２２０ 入出力コントローラ、１２２２ 通信インタフェース、１２２４ 記憶装置、１２３０ ＲＯＭ、１２４０ 入出力チップ

Claims (20)

  1. 可動装置の動作に起因する動作関連データに基づいて、それぞれ複数の値を含み、相互に時間的に離間した複数の対象データを生成する対象データ生成部と、
    前記複数の対象データを連結した連結データを生成する連結データ生成部と、
    前記連結データに対して、変化検知処理を実行する検知処理実行部と、
    を備える異常検知装置。
  2. 前記変化検知処理の処理結果に基づいて生成した出力データの出力を制御する出力制御部
    を更に備える、請求項１に記載の異常検知装置。
  3. 前記対象データ生成部は、前記動作関連データの種類に応じた間隔で、相互に時間的に離間した前記複数の対象データを生成する、請求項１に記載の異常検知装置。
  4. 予め参照データを記憶する参照データ記憶部を更に備え、
    前記連結データ生成部は、前記参照データを前記複数の対象データに含めて連結した前記連結データを生成する、請求項１から３のいずれか一項に記載の異常検知装置。
  5. 前記動作関連データの部分に基づいて前記参照データを生成し、前記参照データ記憶部に記憶させる参照データ生成部を更に備え、
    前記連結データ生成部は、前記動作関連データの前記参照データの生成に用いられた部分よりも後の部分に基づいて前記対象データ生成部によって生成された前記複数の対象データに、前記参照データを含めて連結した前記連結データを生成する、請求項４に記載の異常検知装置。
  6. 前記参照データ生成部は、前記動作関連データに基づいて生成した複数の中間データに対して平均化処理を施して前記参照データを生成し、前記参照データ記憶部に記憶させる、請求項５に記載の異常検知装置。
  7. 前記参照データ生成部は、前記可動装置が導入された後、前記可動装置の累積動作期間が予め定められた期間より長くなった後、又は前記可動装置の累積動作回数が予め定められた回数より多くなった後の前記可動装置の動作に起因する前記動作関連データの部分に基づいて前記参照データを生成する、請求項５又は６に記載の異常検知装置。
  8. 前記参照データ生成部は、前記可動装置が導入された後、前記可動装置の累積動作期間が予め定められた期間より長くなった後、又は前記可動装置の累積動作回数が予め定められた回数より多くなった後の、前記可動装置の動作が安定した後の正常動作期間の前記可動装置の動作に起因する前記動作関連データの部分に基づいて前記参照データを生成する、請求項７に記載の異常検知装置。
  9. 前記参照データ生成部は、前記可動装置による第１の動作パターンに従った動作に起因する前記動作関連データの部分に基づいて前記参照データを生成し、
    前記異常検知装置は、前記可動装置に、前記第１の動作パターンと同一又は類似の第２の動作パターンを実行させる可動装置制御部を更に備え、
    前記検知処理実行部は、前記可動装置が前記第２の動作パターンに従った動作を実行している間の前記動作関連データに基づいて生成された前記複数の対象データに、前記参照データを含めて、前記変化検知処理を実行する、請求項５から８のいずれか一項に記載の異常検知装置。
  10. 前記可動装置は、可動部と、前記可動部を可動させるモータと、前記モータを制御する制御装置とを含み、
    前記動作関連データは、少なくとも前記制御装置における電流指令および測定電流の少なくとも一方を含む、請求項１から９のいずれか一項に記載の異常検知装置。
  11. 前記動作関連データの対象の動作の種類又は前記動作関連データの解析結果に基づいて、前記動作関連データから前記複数の対象データを生成する生成方法を決定する生成方法決定部
    を更に備え、
    前記対象データ生成部は、前記生成方法決定部によって決定された前記生成方法によって、前記動作関連データに基づいて前記複数の対象データを生成する、請求項１から１０のいずれか一項に記載の異常検知装置。
  12. 前記対象データ生成部は、前記動作関連データから前記複数の対象データを生成する複数種類の生成方法のそれぞれによって、前記動作関連データから前記複数の対象データを生成し、
    前記検知処理実行部は、前記複数種類の生成方法のそれぞれによって生成された前記複数の対象データのそれぞれに対して、前記変化検知処理を実行する、請求項１から１１のいずれか一項に記載の異常検知装置。
  13. 可動装置の動作に起因する動作関連データに基づいて、時間的に離間した複数の対象データを生成する対象データ生成部と、
    前記可動装置の動作モード毎に参照データを記憶する参照データ記憶部と、
    前記可動装置の動作モードに応じて前記参照データを選択する参照データ選択部と、
    前記参照データ選択部によって選択された前記参照データを、前記対象データ生成部が生成した前記複数の対象データに含め、当該複数の対象データに対して、変化検知処理を実行する検知処理実行部と、
    を備える異常検知装置。
  14. 可動装置の動作に起因する動作関連データの複数の部分を、時間と異なる軸上の波形に変換した、時間的に離間した複数の対象データを生成する対象データ生成部と、
    前記複数の対象データに対して、変化検知処理を実行する検知処理実行部と、
    を備える異常検知装置。
  15. 前記対象データ生成部は、前記動作関連データの前記複数の部分を周波数軸上の波形に変換した前記複数の対象データを生成する、請求項１４に記載の異常検知装置。
  16. 前記対象データ生成部は、前記動作関連データの前記複数の部分を、複数のモデリングパラメータによる波形に変換した前記複数の対象データを生成する、請求項１４に記載の異常検知装置。
  17. 可動装置の動作に起因する動作関連データに基づいて、時間的に離間した複数の対象データを生成する対象データ生成部であって、更新される前記動作関連データに対して、前記複数の対象データの少なくとも１つの対象データを更新する、対象データ生成部と、
    前記複数の対象データに対して、変化検知処理を実行する検知処理実行部であって、更新される毎に、更新された前記複数の対象データに変化検知処理を実行する、検知処理実行部と、
    前記変化検知処理の処理結果の時間変化に基づいて、前記可動装置の異常を検知する異常検知部であって、それぞれの前記変化検知処理の処理結果に基づいて異常度を判定する、異常検知部と、
    前記異常度の時系列の変化と、前記可動装置と同種の他の可動装置における前記異常度の時系列の変化及び前記他の可動装置の故障のタイミングとに基づいて、前記可動装置の故障時期を推定する故障時期推定部と、
    を備える異常検知装置。
  18. コンピュータを、請求項１から１７のいずれか一項に記載の異常検知装置として機能させるためのプログラム。
  19. コンピュータによって実行される、可動装置の異常を検知する異常検知方法であって、
    前記可動装置の動作に起因する動作関連データに基づいて、それぞれ複数の値を含み、相互に時間的に離間した複数の対象データを生成する対象データ生成段階と、
    前記複数の対象データを連結した連結データを生成する連結データ生成段階と、
    前記連結データに対して変化検知処理を実行する検知処理実行段階と、
    を備える異常検知方法。
  20. 可動装置によって被製造物を製造する製造方法であって、
    前記可動装置の動作に起因する動作関連データに基づいて、それぞれ複数の値を含み、相互に時間的に離間した複数の対象データを生成する対象データ生成段階と、
    前記複数の対象データを連結した連結データを生成する連結データ生成段階と、
    前記連結データに対して変化検知処理を実行する検知処理実行段階と、
    を備える製造方法。
JP2021074361A 2021-04-26 2021-04-26 異常検知装置、プログラム、異常検知方法、及び製造方法 Active JP7036261B1 (ja)

Priority Applications (4)

Application Number Priority Date Filing Date Title
JP2021074361A JP7036261B1 (ja) 2021-04-26 2021-04-26 異常検知装置、プログラム、異常検知方法、及び製造方法
US17/714,997 US20220342405A1 (en) 2021-04-26 2022-04-06 Abnormality detection apparatus, computer-readable storage medium, and abnormality detection method
EP22167157.1A EP4083732A1 (en) 2021-04-26 2022-04-07 Abnormality detection apparatus, program, and abnormality detection method
CN202210427651.3A CN115329796A (zh) 2021-04-26 2022-04-22 异常检测装置、计算机可读存储介质以及异常检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2021074361A JP7036261B1 (ja) 2021-04-26 2021-04-26 異常検知装置、プログラム、異常検知方法、及び製造方法

Publications (2)

Publication Number Publication Date
JP7036261B1 true JP7036261B1 (ja) 2022-03-15
JP2022168706A JP2022168706A (ja) 2022-11-08

Family

ID=81213517

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2021074361A Active JP7036261B1 (ja) 2021-04-26 2021-04-26 異常検知装置、プログラム、異常検知方法、及び製造方法

Country Status (4)

Country Link
US (1) US20220342405A1 (ja)
EP (1) EP4083732A1 (ja)
JP (1) JP7036261B1 (ja)
CN (1) CN115329796A (ja)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115098970A (zh) * 2022-06-30 2022-09-23 惠州市海葵信息技术有限公司 丝杆传动结构故障预测方法、装置、存储介质及电子设备
EP4296813A3 (de) * 2022-05-30 2024-03-13 E.ON Digital Technology GmbH Überwachungsverfahren und /-vorrichtung für eine industrieanlage
WO2024053421A1 (ja) * 2022-09-07 2024-03-14 東京エレクトロン株式会社 異常管理方法、管理装置、及び記憶媒体

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2025057468A1 (ja) * 2023-09-14 2025-03-20 日本精工株式会社 システム、および工作機械の制御方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2016201011A (ja) 2015-04-13 2016-12-01 三菱電機株式会社 プラントデータの要約表示装置
JP2020520014A (ja) 2018-03-14 2020-07-02 アイティーエス カンパニー リミテッドＩｔｓ Ｃｏ．，Ｌｔｄ． 駆動部の精密予知保全方法
WO2020234961A1 (ja) 2019-05-20 2020-11-26 三菱電機株式会社 状態推定装置および状態推定方法

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7027953B2 (en) * 2002-12-30 2006-04-11 Rsl Electronics Ltd. Method and system for diagnostics and prognostics of a mechanical system
JP2008076292A (ja) * 2006-09-22 2008-04-03 Fuji Xerox Co Ltd 動作状況検知装置及び動作状況検知プログラム
JP6169473B2 (ja) * 2013-10-25 2017-07-26 住友重機械工業株式会社 作業機械の管理装置及び作業機械の異常判定方法
JP2017204017A (ja) * 2016-05-09 2017-11-16 公益財団法人鉄道総合技術研究所 プログラム、生成装置及び予兆検知装置
JP6593715B2 (ja) 2017-10-27 2019-10-23 株式会社安川電機 異常判定システム、モータ制御装置
US11675641B2 (en) * 2018-07-02 2023-06-13 Nec Corporation Failure prediction
JP7304545B2 (ja) * 2018-07-06 2023-07-07 パナソニックＩｐマネジメント株式会社 異常予測システム及び異常予測方法
JP7303436B2 (ja) * 2019-08-30 2023-07-05 シンフォニアテクノロジー株式会社 異常検知装置及び機械学習用入力データの作成方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2016201011A (ja) 2015-04-13 2016-12-01 三菱電機株式会社 プラントデータの要約表示装置
JP2020520014A (ja) 2018-03-14 2020-07-02 アイティーエス カンパニー リミテッドＩｔｓ Ｃｏ．，Ｌｔｄ． 駆動部の精密予知保全方法
WO2020234961A1 (ja) 2019-05-20 2020-11-26 三菱電機株式会社 状態推定装置および状態推定方法

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP4296813A3 (de) * 2022-05-30 2024-03-13 E.ON Digital Technology GmbH Überwachungsverfahren und /-vorrichtung für eine industrieanlage
CN115098970A (zh) * 2022-06-30 2022-09-23 惠州市海葵信息技术有限公司 丝杆传动结构故障预测方法、装置、存储介质及电子设备
CN115098970B (zh) * 2022-06-30 2025-02-11 惠州市海葵信息技术有限公司 丝杆传动结构故障预测方法、装置、存储介质及电子设备
WO2024053421A1 (ja) * 2022-09-07 2024-03-14 東京エレクトロン株式会社 異常管理方法、管理装置、及び記憶媒体

Also Published As

Publication number Publication date
US20220342405A1 (en) 2022-10-27
JP2022168706A (ja) 2022-11-08
CN115329796A (zh) 2022-11-11
EP4083732A1 (en) 2022-11-02

Similar Documents

Publication Publication Date Title
JP7036261B1 (ja) 異常検知装置、プログラム、異常検知方法、及び製造方法
CN107272586B (zh) 机械学习装置、机械学习方法、故障预知装置及系统
JP6851558B1 (ja) 異常診断方法、異常診断装置および異常診断プログラム
JP5943357B2 (ja) 検出装置、検出方法、およびプログラム
JP6810097B2 (ja) 異常検出器
CN113574358B (zh) 异常检测装置及异常检测方法
JP6148316B2 (ja) 故障条件を学習する機械学習方法及び機械学習装置、並びに該機械学習装置を備えた故障予知装置及び故障予知システム
EP3508833A1 (en) Diagnostic device, diagnostic method, and diagnostic program
CN118412864B (zh) 一种电力负荷分钟级柔性控制方法、系统及设备
JP5858839B2 (ja) 作業機械の異常診断装置
CN103649858B (zh) 用于预测组件或系统状况的方法和设备
EP3382485B1 (en) Controller, control program, control system, and control method
US10684608B2 (en) Abnormality detection apparatus and machine learning device
CN112987682B (zh) 控制方法、控制装置和机械设备
US20120296605A1 (en) Method, computer program, and system for performing interpolation on sensor data for high system availability
JP2021015573A (ja) 異常判定装置及び異常判定システム
JP2020024139A (ja) 製品検査装置
CN113252371A (zh) 状态估计装置、系统和制造方法
KR102278744B1 (ko) 로봇의 이상 상태에 대한 알람을 출력하는 방법 및 장치
WO2022091421A1 (ja) 産業システム、異常検知システム及び異常検知方法
CN119937323B (zh) 一种电机节能优化与智能调控平台
JP2024093865A (ja) 異常検知装置及び異常検知方法
CN118068775B (zh) 机床回参考点控制方法、设备和可读存储介质
US20250238020A1 (en) Abnormality diagnostic device, abnormality diagnostic system, and storage medium
WO2024171364A1 (ja) 学習装置、予測装置、診断装置、診断システム、モデル生成方法、予測方法、診断方法及びプログラム

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20210519

A871 Explanation of circumstances concerning accelerated examination

Free format text: JAPANESE INTERMEDIATE CODE: A871

Effective date: 20210701

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20210928

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20211126

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20220201

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20220214

R150 Certificate of patent or registration of utility model

Ref document number: 7036261

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250