[发明专利]不良状况要因推定装置及不良状况要因推定方法

说明书

本发明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。

技术领域

本发明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。

背景技术

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

发明内容

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。

本发明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(category data)，从而检测在现有技术中不能检测出的不良状况。

本发明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。

发明的效果

根据本发明，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是表示本发明的实施方式1涉及的不良状况要因推定装置1的结构的图。

图2是本发明的实施方式1涉及的类别数据的数据项目的例子。

图3是本发明的实施方式1涉及的传感器数据的数据项目的例子。

图4是本发明的实施方式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是表示本发明的实施方式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是本发明的实施方式1涉及的不良状况要因推定装置1的硬件结构例。

图7是本发明的实施方式2中的不良状况要因推定装置1的结构例。