不良状况要因推定装置及不良状况要因推定方法制造方法及图纸

本发明专利技术的不良状况要因推定装置的特征在于，具备：数据收集部，其对构成设备的仪器的类别数据进行收集；相关性计算部，其对包含通过所述数据收集部收集到的类别数据在内的数据的相关性的指标进行计算；数据提取部，其基于通过所述相关性计算部计算出的相关性的指标的变化，将包含所述类别数据的数据的组合提取为与不良状况相关的数据；以及因果关系推定部，其从与所述与不良状况相关的数据关联的数据中，提取被推定为不良状况要因的数据。通过这样的结构，能够检测在现有技术中不能检测出的不良状况。

The inference device and the inference method of the inference of the inference of the inference of the inference of the inference of the inference device and the inference of the inference of the inference of the inference of the inference of the inference of the inferior condition

【技术实现步骤摘要】
【国外来华专利技术】不良状况要因推定装置及不良状况要因推定方法
本专利技术涉及通过数据的相关性分析而推定不良状况要因的不良状况要因推定装置。
技术介绍
在制造装置、升降机、空调机、发电站装置等仪器中，为了发生故障、异常等不良状况时的维护作业高效化，确定不良状况的要因、预测不良状况的发生是有效的。例如，专利文献1示出了用于在进行复印机等的故障预测时，作为异常而检测到从多个传感器得到的时序数据(下面，记作传感器数据)的情况下，对作为不良状况原因的参数(下面，记作数据项目)进行确定的方法。在专利文献1中，在正常时具有相关性的数据项目组的相关系数低于阈值的情况下检测为异常，与表示出同检测到的数据项目类似的倾向的数据项目一并确定为原因数据项目。在确定原因数据项目时，预先将全部的数据项目分类为具有关联性的数据项目组，仅在检测出的数据项目所属的组内进行检索，由此使得原因数据项目的确定高速化、高精度化。专利文献1：日本特开2013-41173号公报
技术实现思路
在对制造装置、升降机、空调机、发电站装置等仪器确定不良状况要因时，在现有方法中，对传感器数据应用相关性分析。在仪器中除了传感器数据以外还存在仪器的设定值、机型、型号等仪器信息、仪器是否正确地进行了动作的OK/NG判定等信息即类别数据。虽然不良状况有可能仅出现在类别数据中，但在现有方法中类别数据不是相关性分析的对象，因此存在无法检测仅出现在类别数据中的不良状况的课题。例如，就空调机而言，在室温相对于设定温度大幅偏离的不良状况的情况下，有可能通过根据传感器数据测量出的值(使用电力和室温等)的相关关系无法获知，但通过设定温度和室温的相关关系则能够容易地检测出不良状况。本专利技术是为了解决上述课题而提出的，目的在于通过有效使用类别数据(categorydata)，从而检测在现有技术中不能检测出的不良状况。本专利技术涉及的不良状况要因推定装置的特征在于，具备：数据收集部，其对构成设备的仪器的类别数据进行收集；相关性计算部，其对包含通过所述数据收集部收集到的类别数据在内的数据的相关性的指标进行计算；数据提取部，其基于通过所述相关性计算部计算出的相关性的指标的变化，将包含所述类别数据的数据的组合提取为与不良状况相关的数据项目；以及因果关系推定部，其从与所述与不良状况相关的数据项目关联的数据项目中提取被推定为不良状况要因的数据项目。专利技术的效果根据本专利技术，通过有效使用类别数据，从而能够检测在现有技术中不能检测出的不良状况。附图说明图1是表示本专利技术的实施方式1涉及的不良状况要因推定装置1的结构的图。图2是本专利技术的实施方式1涉及的类别数据的数据项目的例子。图3是本专利技术的实施方式1涉及的传感器数据的数据项目的例子。图4是本专利技术的实施方式1涉及的不良状况要因推定装置1中的数据的处理例。图5是表示本专利技术的实施方式1涉及的不良状况要因推定装置1中的处理的流程图。图6是本专利技术的实施方式1涉及的不良状况要因推定装置1的硬件结构例。图7是本专利技术的实施方式2中的不良状况要因推定装置1的结构例。图8是本专利技术的实施方式3中的不良状况要因推定装置1的结构例。图9是本专利技术的实施方式4中的不良状况要因推定装置1的结构例。具体实施方式实施方式1下面，说明本专利技术的实施方式。在本实施方式以及之后的实施方式中，说明有效使用了类别数据的不良状况要因推定装置以及不良状况要因推定方法。图1是在本专利技术中使用的不良状况要因推定装置1的结构例。不良状况要因推定装置1由数据收集部101、关联数据项目分类部102、数据项目组提取部103、数据项目组储存部104、相关性计算部105、不良状况关键数据项目提取部106、因果关系推定部107构成。在之后的各图中，同一标号表示相同或相当部分。在数据收集部101中，对仪器的设定值、机型、型号等仪器信息、仪器是否正确地进行了动作的OK/NG判定等类别数据信息进行收集、累积。在仪器中设置有传感器，传感器数据也能够收集的情况下，也可以对传感器数据一并进行收集、累积。仪器是否正确地进行了动作的OK/NG判定等有时是根据传感器数据和设定值来判定的，在数据收集部101中，也可以是对该传感器数据和设定值的一方或两方进行收集、累积。以制造装置为例，在图2中示出类别数据的例子，在图3中示出传感器数据的例子。这里，类别数据包含单纯为了分类而将数值分配作为整理编号(例如，机型ID(Identifier))的名义尺度、分配了在顺序上有意义但其间隔无意义的数值的顺序尺度。在图2中，作为通过数据收集部101收集到的类别数据的数据项目的例子，示出设备ID、机型ID、仪器ID、制造日期、制造部件ID、设定列表ID、OK/NG判定等。图2的值是一个例子。数据项目由于是对从实际的设备、仪器收集到的类别数据的项目进行储存，所以能够变更。只要能够对设备、仪器进行区分，也可以将多个设备、仪器的数据进行汇总作为1个表。只要能够进行设备、仪器的关联，也可以将1个设备、仪器的数据分割为多个表。在图3中，作为传感器数据的数据项目的例子，示出气温、振动、旋转速度、触点1电流、触点1电压、触点2电流、触点2电压等。图3的值是一个例子。数据项目由于是对从实际的设备、仪器收集到的传感器数据的项目进行储存，所以能够变更。只要能够对设备、仪器进行区分，也可以将多个设备、仪器的数据汇总作为1个表。只要能够进行仪器的关联，也可以将1个设备、仪器的数据分割为多个表。也可以通过各仪器的数据以外的表而管理气温、湿度等各仪器共通的数据项目。在关联数据项目分类部102中，对通过数据收集部101收集到的数据项目以具有关联性的数据项目为单位进行分类。数据项目间的分类也可以是最近邻算法、k-means法等通常的聚类方法。也可以是通过斯皮尔曼等级相关系数、克莱姆关联系数等通常的相关性分析方法，将相关性高的数据项目彼此设为相同的分类的分类方法。也可以根据仪器的结构、数据项目所具有的意义对具有关联性的数据项目赋予分类的指标。通过以具有关联性的数据项目为单位对数据项目进行分类，从而有望在相关关系的计算中减轻伪相关性的影响。在数据项目组提取部103中，以通过关联数据项目分类部102分类后的分类为单位，提取具有相关性的数据项目的组合(下面，记作数据项目组)。作为相关性的指标，也可以使用斯皮尔曼等级相关系数、克莱姆关联系数等通常的相关性分析方法，对相关系数、关联系数大的数据项目组进行提取。也可以根据仪器的结构、数据项目所具有的意义提取具有关联性的数据项目组，以组、单体中的哪种形式进行数据项目的指定均可。在数据项目组储存部104中，以通过数据项目组提取部103提取出的数据项目组为单位，储存能够对数据项目进行识别的名称、ID等、能够对关联数据项目分类部102的分类进行识别的名称、ID等。也可以将通过数据项目组提取部103计算出的相关性指标的值一并储存。通过从关联数据项目分类部102至数据项目组储存部104的处理，能够从大量组合中提取具有相关性的数据项目的组合。另外，通过在相关性计算部105中仅对该提取出的数据项目计算相关性，能够高效地进行相关关系的分析。在相关性计算部105中，针对将通过数据收集部101收集到的类别数据以固定时间宽度(下面，记作时间窗)进行了划分的数据(下面，记作时间窗数据)，以在数据项目组储本文档来自技高网...

【技术保护点】
1.一种不良状况要因推定装置，其特征在于，具备：数据收集部，其对构成设备的仪器的类别数据进行收集；相关性计算部，其对包含通过所述数据收集部收集到的类别数据在内的数据的相关性的指标进行计算；数据提取部，其基于通过所述相关性计算部计算出的相关性的指标的变化，将包含所述类别数据的数据的组合提取为与不良状况相关的数据；以及因果关系推定部，其从与所述与不良状况相关的数据关联的数据中提取被推定为不良状况要因的数据。

【技术特征摘要】
【国外来华专利技术】1.一种不良状况要因推定装置，其特征在于，具备：数据收集部，其对构成设备的仪器的类别数据进行收集；相关性计算部，其对包含通过所述数据收集部收集到的类别数据在内的数据的相关性的指标进行计算；数据提取部，其基于通过所述相关性计算部计算出的相关性的指标的变化，将包含所述类别数据的数据的组合提取为与不良状况相关的数据；以及因果关系推定部，其从与所述与不良状况相关的数据关联的数据中提取被推定为不良状况要因的数据。2.根据权利要求1所述的不良状况要因推定装置，其特征在于，包含所述类别数据的数据是包含类别数据的数据项目，所述与不良状况相关的数据是与不良状况相关的数据项目，所述关联的数据是关联的数据项目，所述被推定为不良状况要因的数据是被推定为不良状况要因的数据项目。3.根据权利要求1或2所述的不良状况要因推定装置，其特征在于，所述数据收集部对所述仪器的类别数据和通过设置于所述仪器的传感器测量出的传感器数据进行收集，所述相关性计算部对包含通过所述数据收集部收集到的类别数据以及传感器数据在内的数据的相关性的指标进行计算。4.根据权利要求1至3中任一项所述的不良状况要因推定装置，其特征在于，所述设备包含制造装置、或升降机、或空调机、或发电站装置。5.根据权利要求1至4中任一项所述的不良状况要因推定装置，其特征在于，所述类别数据包含所述仪器的动作的设定值、或所述仪器的环境数据、或所述仪器的动作判定结果。6.根据权利要求1至5中任一项所述的不良状况要因推定装置，其特征在于，具备不良状况发生预测部，该不良状况发生预测部基于所述与不良状...

【专利技术属性】
技术研发人员：远山泰弘，
申请(专利权)人：三菱电机株式会社，
类型：发明
国别省市：日本,JP