JP2017032567A - モータの監視装置および方法 - Google Patents

Abstract

【課題】複数のモータを一括で監視できるとともに、モータ間の相関関係に基づいて異常判定すること。【解決手段】熱間圧延ライン１内の搬送装置３が備える複数のモータＭを対象とするモータの監視装置において、各モータＭ１〜Ｍｎのデータを用いて所定期間内における各データの統計量を演算するとともに、その統計量に基づいて複数のモータＭ１〜Ｍｎ間の相関関係を示す分布を演算する解析部１２と、その分布に基づいて所定範囲から外れる統計量を異常判定し、かつ異常判定された統計量が複数のモータＭ１〜Ｍｎのうちどのモータに相当するのかを判定する判定部１２ｄとを備えていることを特徴とする。【選択図】図１

Description

本発明は、モータの監視装置および方法に関する。

例えば、熱間圧延ライン内のモータを対象とする監視装置が知られている。熱間圧延ラインは、仕上圧延機と巻取装置との間に、複数のモータを備える搬送装置（ランナウトテーブル）が設けられている。搬送装置内のモータが駆動して搬送ロールを回転させることによって、熱間圧延された金属帯が仕上圧延機から巻取装置へ搬送される。

その搬送装置内のモータで何らかの異常や不具合が発生すると、搬送ロールが正常に動作しなくなり、熱間圧延ライン全体を停止させなければならない可能性がある。そのため、搬送装置内のモータに異常が生じているのかを早期に発見することが求められる。

特許文献１には、搬送装置内の複数のモータを対象とする監視装置として、モータ毎に負荷電流値と閾値とを比較し異常判定を行う装置が記載されている。また、特許文献２には、モータの角度実績と角速度実績とトルク実績とを用いて、主成分分析を行うことにより、モータの異常を判定することが記載されている。

特開２０１３−１０４７９５号公報 特開２０１３−３３４５９号公報

しかしながら、特許文献１，２に記載された構成はいずれも、モータ単体の異常判定を行うものであった。そのため、適切な閾値の設定が容易ではなかった。また、モータ毎に閾値を設定した場合に、誤判定が頻繁に発生してしまう。

本発明は、上記の事情に鑑みてなされたものであって、複数のモータを一括で監視できるとともに、モータ間の相関関係に基づいて異常判定することができるモータの監視装置および方法を提供することを目的とする。

本発明は、熱間圧延ライン内で仕上圧延機と巻取装置との間に設けられた搬送装置が備える複数のモータを対象とするモータの監視装置において、各モータの電流値、回転数、トルクのうち少なくともいずれか一つを検出する検出手段と、前記検出手段により検出された各モータのデータを用いて所定期間内における前記各データの統計量を演算するとともに、前記統計量に基づいて前記複数のモータ間の相関関係を示す分布を演算する解析手段と、前記分布に基づいて所定範囲から外れる前記統計量を異常判定し、かつ当該異常判定された統計量が前記複数のモータのうちどのモータに相当するのかを判定する判定手段とを備えていることを特徴とする。

上記発明は、前記解析手段は、多変量統計的プロセス管理に基づく前記統計量を前記モータ毎に演算し、前記判定手段は、Ｔ^２統計量とＱ統計量とのうち少なくともいずれか一方が閾値を超える場合に、その閾値を超えた統計量に該当する前記モータを異常判定することが好ましい。

上記発明は、前記所定期間は、前記搬送装置の加速期間、定速期間、減速期間のうち少なくともいずれか一つであることが好ましい。

上記発明は、前記所定期間は、前記搬送装置の加速期間、定速期間、減速期間のうち少なくともいずれか二つであり、前記解析手段は、複数の前記所定期間のそれぞれについて前記統計量を演算するとともに、前記所定期間ごとの前記統計量に基づいて前記所定期間ごとに前記分布を演算し、前記判定手段は、前記所定期間ごとの分布に基づいて前記所定期間ごとに前記所定範囲から外れる前記統計量を異常判定し、かつ当該異常判定された統計量が前記モータのうちどのモータに相当するのかを判定し、前記所定期間ごとの前記異常判定の結果および該当するモータの判定結果に基づいて、前記異常判定された前記モータにおける異常の程度を評価する評価手段をさらに備えることが好ましい。

本発明は、熱間圧延ライン内で仕上圧延機と巻取装置との間に設けられた搬送装置が備える複数のモータを対象とするモータの監視方法において、各モータの電流値、回転数、トルクのうち少なくともいずれか一つを検出する検出ステップと、前記検出された各モータのデータを用いて所定期間内における前記各データの統計量を演算するとともに、前記統計量に基づいて前記複数のモータ間の相関関係を示す分布を演算する解析ステップと、前記分布に基づいて所定範囲から外れる前記統計量を異常判定し、かつ当該異常判定された統計量が前記複数のモータのうちどのモータに相当するのかを判定する判定ステップとを含むことを特徴とする。

上記発明は、前記解析ステップは、多変量統計的プロセス管理に基づく前記統計量を前記モータ毎に演算するステップを含み、前記判定ステップは、Ｔ^２統計量とＱ統計量とのうち少なくともいずれか一方が閾値を超える場合に、その閾値を超えた統計量に該当する前記モータを異常判定するステップを含むことが好ましい。

上記発明は、前記所定期間は、前記搬送装置の加速期間、定速期間、減速期間のうち少なくともいずれか一つであることが好ましい。

上記発明は、前記所定期間は、前記搬送装置の加速期間、定速期間、減速期間のうち少なくともいずれか二つであり、前記解析ステップは、複数の前記所定期間のそれぞれについて前記統計量を演算するとともに、前記所定期間ごとの前記統計量に基づいて前記所定期間ごとに前記分布を演算し、前記判定ステップは、前記所定期間ごとの分布に基づいて前記所定期間ごとに前記所定範囲から外れる前記統計量を異常判定し、かつ当該異常判定された統計量が前記モータのうちどのモータに相当するのかを判定し、前記所定期間ごとの前記異常判定の結果および該当するモータの判定結果に基づいて、前記異常判定された前記モータにおける異常の程度を評価する評価ステップをさらに含むことが好ましい。

本発明によれば、複数のモータを一括で監視できるとともに、モータ間の相関関係に基づいて異常判定することができる。

図１は、本実施形態のモータの監視装置および方法を熱間圧延ラインに適用した場合の一例を示す模式図である。 図２は、多変量統計的プロセス管理による統計量概念を示す分布図である。 図３は、モータの監視制御フローの一例を示すフローチャートである。 図４は、各モータの電流値の時系列データ例を示す説明図である。 図５は、多変量統計的プロセス管理の解析結果を示す説明図である。 図６は、外れ量と外れ頻度が大きいモータに特定された例を示す説明図である。 図７は、各モータの電流値の時系列データにおける加速期間と定速期間と減速期間とを説明するための説明図である。 図８は、実施例１における多変量統計的プロセス管理の解析結果を示す説明図である。 図９は、実施例２における多変量統計的プロセス管理の解析結果を示す説明図である。

以下、図面を参照して、本発明の実施形態におけるモータの監視装置および方法について説明する。

［１．熱間圧延ライン］
図１は、本実施形態におけるモータの監視装置および方法を熱間圧延ラインに適用した場合の一例を示す模式図である。

熱間圧延ライン１は、仕上圧延機２と、搬送装置（ランナウトテーブル）３と、巻取装置４とを備える。熱間圧延ライン１で製造される鋼帯（金属帯）５は、搬送装置３によって仕上圧延機２から巻取装置４へ搬送される。その搬送中に、搬送装置３上で鋼帯５が冷却される。そして、巻取装置４によって、熱間圧延処理後の鋼帯５がコイル状に巻き取られる。

搬送装置３は、複数の搬送ロール３Ｒ_１〜３Ｒ_ｎが回転することによって鋼帯５を搬送するように構成されている。各搬送ロール３Ｒ_１〜３Ｒ_ｎには、それぞれに駆動用のモータＭ_１〜Ｍ_ｎが接続されている。搬送装置３には搬送ロール３Ｒの本数ｎと同数のモータＭが設けられている。モータＭから出力された動力が回転軸を介して搬送ロール３Ｒに伝達されることにより、搬送ロール３Ｒは回転する。図１に示す例では、ライン上流側から下流側へ向けて、ｎ本の搬送ロール３Ｒ_１〜３Ｒ_ｎと、これに対応するｎ個のモータＭ_１〜Ｍ_ｎとが設けられている。つまり、搬送装置３には、一つの搬送ロール３Ｒと一つのモータＭとからなる搬送ユニットがｎ個設けられている。各搬送ロール３Ｒ_１〜３Ｒ_ｎはいずれも、同一の構造に形成されている。各モータＭ_１〜Ｍ_ｎはいずれも、同一の性能および体格に構成されている。なお、複数の搬送ロール３Ｒ_１〜３Ｒ_ｎを区別する必要がない場合には、単に搬送ロール３Ｒと記載する。複数のモータＭ_１〜Ｍ_ｎについても単にモータＭと記載する場合がある。

最上流側の第１ユニットを例に説明する。第１搬送ロール３Ｒ_１は、その回転中心軸線が第１モータＭ_１の出力軸（ロータ軸）と同一軸線上となるように配置されている。第１搬送ロール３Ｒ_１の回転数と第１モータＭ_１の回転数とが一致する。その下流側に配置された第ｎユニットまで、搬送ロール３ＲとモータＭとの組み合わせは、上述した第１ユニットと同様に構成されている。

モータＭは、ドライブ装置６から供給される電流によって駆動する。ドライブ装置６は、各モータＭ_１〜Ｍ_ｎと電気的に接続されている。ドライブ装置６には、いずれも図示しないバッテリとインバータと制御部とが含まれる。各モータＭ_１〜Ｍ_ｎはインバータを介してバッテリと電気的に接続されている。また、搬送装置３では全ての搬送ロール３Ｒ_１〜３Ｒ_ｎが同一の動作を行うように制御される。すなわち、搬送装置３内の全てのモータＭ_１〜Ｍ_ｎが同一の挙動（電流値、回転数、トルク）となるように制御される。例えば、モータＭ毎にインバータが設けられている場合、制御部から各インバータへ出力される指令信号（電流指令値、回転数指令値、トルク指令値）は同じ値となる。

また、各モータＭ_１〜Ｍ_ｎとドライブ装置６との間の電流値を検出する電流センサＤ_１〜Ｄ_ｎが複数設けられている。電流センサＤはモータＭの個数分だけ設けられている。各電流センサＤ_１〜Ｄ_ｎから出力される信号は、診断装置１０に入力される。なお、複数の電流センサＤ_１〜Ｄ_ｎを区別する必要がない場合には、単に電流センサＤと記載する。

［２．監視装置］
本実施形態のモータの監視装置は、電子制御装置により構成された診断装置１０を含む。診断装置１０は、マイクロコンピュータなどのＣＰＵを主体に構成され、各種センサからの入力信号および予め記憶されているデータを用いて各種の演算を実行し、その演算結果に応じた指令信号を出力する。診断装置１０は、電流センサＤからの信号に基づいて、各モータＭ_１〜Ｍ_ｎの異常診断を行う。その診断装置１０は、記憶部１１と、解析部１２とを備えている。

記憶部１１は、各電流センサＤ_１〜Ｄ_ｎから入力されるモータＭの電流値を記憶する。その電流値はモータＭ_１〜Ｍ_ｎ毎に、時系列データとして記憶される。

解析部１２は、統計量（Ｔ^２統計量，Ｑ統計量）を用いて各モータＭ_１〜Ｍ_ｎを一括で診断を行う解析手段を構成している。具体的には、解析部１２は、記憶部１１に記憶されている時系列データを用いて所定期間内の統計量を演算し、その統計量に基づいて各モータＭ_１〜Ｍ_ｎの相関関係に応じた異常診断を行う。解析部１２は、多変量統計的プロセス管理（以下「ＭＳＰＣ」という）に基づいて統計量をモータＭ_１〜Ｍ_ｎ毎に演算するように構成されている。解析部１２は、解析対象決定部１２ａと、データ長決定部１２ｂと、閾値決定部１２ｃと、判定部１２ｄとを備える。

解析対象決定部１２ａは、記憶部１１の時系列データのうち解析対象とするデータ（解析対象データ）を決定する。データ長決定部１２ｂは、解析対象データに基づいて、ＭＳＰＣでのデータ長（データ単位）を決定する。閾値決定部１２ｃは、ＭＳＰＣで用いる閾値を決定する。判定部１２ｄは、ＭＳＰＣより、複数のモータのデータのなかから他のモータに相当するデータ群から外れるデータの有無を判定する。

診断装置１０は、解析部１２による解析結果を出力装置１３へ出力する。出力装置１３は、監視用モニタなどの表示部であって、解析結果を画面表示する。

［３．多変量統計的プロセス管理（ＭＳＰＣ）］
ＭＳＰＣとは、管理したい変数間の相関関係を考慮した周知の解析方法である。ＭＳＰＣでは、平均的挙動を示す指標であるＴ^２統計量と、外れ度を示す指標であるＱ統計量とを同時に監視する。例えば、Ｔ^２統計量とＱ統計量のうちいずれか一方が管理限界（閾値）を超えた場合に異常と判定する。

また、ＭＳＰＣでは、主成分分析（以下「ＰＣＡ」という）などの多変量解析が利用される。ＰＣＡとは、データの特徴抽出および次元圧縮を目的とする多変量解析である。ＰＣＡでは、データを最もよく表現できる方向に第１主成分を設定し、その第１主成分と直交する空間内で、第１主成分では表現できないデータの変動を最もよく表現できる方向に第２主成分を設定する。この手順で次々と主成分を設定していく。データを最もよく表現できる方向とは、主成分得点の分散が最大となる方向である。主成分得点とは、主成分軸上の座標、すなわち主成分が張る空間（直線）へデータを射影した値である。すなわち、ＰＣＡとは、複数の要因を総合的に取扱い、主成分を用いて総合的指標を表現する手法といえる。

ＭＳＰＣとＰＣＡとは、数式で表現できる。ＰＣＡは、下記の式（１）〜（４）のように表現できる。ＭＳＰＣは、下記の式（５），（６）のように表現できる。

ＰＣＡについて説明すると、まず、データ行列Ｘを次式（１）とする。

ただし、Ｒは採用する主成分の数、Ｎはサンプル数、Ｐは変数の数である。

データ行列Ｘの特異値分解を、次式（２）のように表すこととする。

ただし、Ｕは直交行列、Ｓは対角行列、Ｖは直交行列である。

対角行列Ｓの対角要素には、特異値ｓ_ｒが降順に並んでいる。また、第ｒ主成分は、負荷量行列Ｖ_Ｒの第ｒ列ｖ_ｒで与えられる。このとき、第Ｒ主成分得点Ｔ_Ｒは、次式（３）のように表される。

また、主成分と直交する残差は、次式（４）のように表される。

ＭＳＰＣでは、上記式（３），（４）に基づいて、平均的挙動を示す指標としてのＴ^２統計量は、次式（５）のように表される。

ただし、ｔ_ｒは第ｒ主成分得点である。Ｔ^２統計量は原点からの距離に対応している。

また、外れ度を示す指標としてのＱ統計量は、次式（６）のように表される。

図２は、ＭＳＰＣの統計量概念を説明するために、変数が二つの場合の分布を示す説明図である。変数が二つの場合とは、二台のモータＭを対象とした場合であって、二次元の分布になる。モータＭがｎ個の場合、変数がｎ個となり、ｎ次元の分布となる。その分布において、ＭＳＰＣにより算出されるＴ^２統計量とＱ統計量との関係は、図２に示す通りである。Ｔ^２統計量は分布最大となる軸（第１主成分軸）方向に表せる。Ｔ^２統計量は、熱間圧延ライン１における平均的な操業状態からのずれとなる。Ｑ統計量は、分布においてＴ^２統計量に直交する方向の統計量である。図２では、Ｑ統計量は第１主成分軸からの距離に相当する。Ｑ統計量は、通常は変化しない変数が変化することを表す。また、図２に示す楕円が管理限界（閾値）を表す。この管理限界内のデータが正常データとなり、管理限界から外れるデータが異常データとなるように判定される。その異常データのうち、Ｑ統計量が管理限界を超える場合には、モータ故障などの発生を事前に予測でき、あるいは実際にモータ故障が発生したと判断できる。

［４．監視方法］
図３は、監視装置が実行する監視制御フローの一例を示すフローチャートである。

各電流センサＤ_１〜Ｄ_ｎはドライブ装置６から各モータＭ_１〜Ｍ_ｎへ通電される電流値を検出する（ステップＳ１）。各電流センサＤ_１〜Ｄ_ｎで検出した電流値はリアルタイムで診断装置１０に入力される。ステップＳ１において、診断装置１０は各電流センサＤ_１〜Ｄ_ｎからの信号に基づいて各モータＭ_１〜Ｍ_ｎへ印加される電流値を検出する。また、診断装置１０は、各モータＭ_１〜Ｍ_ｎの電流値を時系列データとして記憶部１１に記憶する（ステップＳ２）。つまり、同一期間内の電流値データがモータＭ_１〜Ｍ_ｎ毎に保存される。

例えば、熱間圧延ライン１が操業中（オンライン中）、診断装置１０にはリアルタイムで各モータＭ_１〜Ｍ_ｎへ実際に通電される電流値のデータが入力される。そのため、診断装置１０は実際の電流値をリアルタイムで取得できる。例えば、ステップＳ１で検出された時系列データは、ステップＳ２で三ヶ月単位に一つのファイルにまとめられて記憶部１１に保存される。

解析対象決定部１２ａは、記憶部１１に記憶されているデータのうちＭＳＰＣの対象となるデータ（解析対象データ）を決定する（ステップＳ３）。ステップＳ３では、時系列データを取得した期間のうち、ＭＳＰＣの対象期間（解析対象期間）を決めることにより解析対象データが決定される。要は、一日や一週間や一ヶ月などの解析対象期間を指定することにより、解析対象データは決まる。あるいは、解析対象データを決定する別の方法として、図示しない入力装置から入力された期間に基づいて解析対象データを決めてもよい。この場合には、人が入力装置を操作して解析対象期間を指定できる。なお、予め定められた対象期間毎（一週間毎や一ヶ月毎など）に解析対象決定部１２ａが自動で解析対象データを決めてもよい。

例えば、ステップＳ２で記憶部１１に三ヶ月毎のデータが一つのファイルで保存されている場合、ステップＳ３で解析対象決定部１２ａが一つのファイルを指定することにより、三ヶ月分の電流値データが解析対象データとなる。この場合には、その三ヶ月間に取得した電流値データが解析対象となる。

データ長決定部１２ｂは、解析対象データから解析単位となるデータ長を決定する（ステップＳ４）。データ長決定部１２ｂでは、ＭＳＰＣの結果作成される分布において一つのプロットとなるデータ長（データ単位）を決定する。ステップＳ４では、ステップＳ３で決定された解析対象データのうち、ＭＳＰＣのデータ単位となる期間を決めることによりデータ長が決定される。要は、解析対象期間内であれば所定の時間幅（単位期間）、例えば数分単位や一時間単位や一日単位など、を任意に指定することによりデータ長は決まる。データ長の決定方法は、上述した解析対象データの特定方法と同様であってよい。データ長決定部１２ｂは予め定められた単位期間に自動でデータ長を決めてもよい。

例えば、ステップＳ３で解析対象決定部１２ａが三ヶ月分の電流値データを解析対象データに決めた場合、ステップＳ４でデータ長決定部１２ｂが単位期間を任意の時間に指定することにより、解析対象データからデータ長を生成する。図４に示すデータは、鋼帯５を搬送中の加速・一定速・減速が分かる電流値データをピックアップしたものである。データ長として任意の時間の電流値データが生成される場合、搬送ロール３Ｒの加速時や定速回転時や減速時の電流値が含まれる。

閾値決定部１２ｃは、ＭＳＰＣにおける閾値（正常分布の限界）を決定する（ステップＳ５）。例えば、時系列データのうち、正常範囲となるデータを任意に指定し、その指定されたデータにおける分布で境界となる部分を閾値に設定する。あるいは、予め任意の期間を指定してＭＳＰＣを行い、図２に示すような複数のプロット（二次元の場合）を有する分布を演算結果として得る。図２の分布図上でデータ（プロット）が集中する任意の範囲の境界（楕円のような管理限界）を閾値に設定してもよい。ステップＳ５では、予め行ったＭＳＰＣの演算結果の分布を用いて、閾値を決めてもよい。

判定部１２ｄは、ステップＳ５の閾値とＭＳＰＣの結果得られる分布とに基づいて、閾値の範囲外となるデータの有無を判定する（ステップＳ６）。要は、ステップＳ６において、ステップＳ３〜Ｓ５で決定した条件に基づいてＭＳＰＣを行う。そのＭＳＰＣを行った結果得られるデータと、ステップＳ５の閾値とを用いて、閾値を超える電流値（正常範囲外の電流値）の有無を判定する。さらに、判定部１２ｄは、ステップＳ６において、異常判定された統計量に該当するモータＭ_ｘを複数のモータＭ_１〜Ｍ_ｎのなかから特定し、そのモータＭ_ｘを異常モータと判定する。

ステップＳ６による判定結果について、図５，６を参照して具体的に説明する。対象とする搬送装置３内には３００本の搬送ロール３Ｒが設けられている場合である。図５は、Ｑ統計量の外れ量とＱ統計量の外れ頻度とで表される解析結果を示す説明図である。図６は、Ｑ統計量の外れ量と外れ量が大きいと判定されたモータＮｏ．を示す説明図である。外れ頻度とは、一定時間内でＱ統計量が閾値を超えた（外れた）回数の積算値である。外れ量とは、閾値を超えたＱ統計量における閾値からＱ統計量までの距離の積算値である。ここでは、図５に６月の一ヶ月分の解析結果を示し、図６に三ヶ月分（６〜８月分）のデータを判定した結果を示す。まず、図５に示すように、Ｑ統計量の外れ量と外れ頻度が大きくなると異常モータの可能性が高くなる。モータＮｏ．１８８，１９８，１９９はＱ統計量の外れ量が大きい。さらに、その三つのモータは外れ頻度も大きい。図５に示すマップにおいて、右上に位置するモータＭほど異常モータである可能性が高い。図６に示すように、６月分のデータからＱ統計量の外れ量と外れ頻度が大きいと判定されたモータＭとしてモータＮｏ．１８８，１９８，１９９が異常判定される。図示しないが、７，８月分の解析結果は図５に示すマップにより表すことが可能である。７月分の解析結果から、モータＮｏ．１８２，１９７，１９９はＱ統計量の外れ量と外れ頻度が大きくなり、異常判定される。また、８月分の解析結果から、モータＮｏ．１８２，１８８はＱ統計量の外れ量と外れ頻度が大きくなり、異常判定される。そして、図６に示すように、６〜８月分の三ヶ月分の解析結果から、三ヶ月間のうちいずれか二月で異常判定されたモータを異常モータとする場合には、モータＮｏ．１８２，１８８，１９９は対象期間内の二月においてＱ統計量の外れ量と外れ頻度が大きく異常判定されるため異常モータとして特定される。

以上説明した通り、本実施形態のモータの監視装置および方法によれば、複数のモータから検出した大量データを用いて、モータ間の相関関係に応じて外れ量と外れ頻度が大きいデータの有無を判定できる。これにより、他のモータに対して異なる挙動をしているモータを特定できる。したがって、複数のモータの相関関係に基づいて相対的に挙動が不自然なモータを判定することにより、モータが故障する前に異常なモータを判定可能になる。つまり、相関関係に応じた異常判定であるため、対象となるモータの台数が多い装置に適用する場合に好適である。モータの台数が増えるほど、変数となるモータのデータ数が増えるため、ＭＳＰＣによる解析精度が向上するためである。要するに、複数のモータが通常に動作している状態からの外れ具合による異常判定を行うことにより、個体差（機差、経年劣化）を判定可能になる。これにより、モータの異常を早期に発見することが可能になる。

さらに、データ長を決定する際に、時系列データを任意の時間で区切ったデータをベクトルデータとすることが可能である。操業データ（時系列データ）を所定時間で区切ることによって、様々な状況が所定時間のベクトルに含まれることになり、様々な状況（タイミング）での正常データが保存されることになる。そのため、様々な操業状態の正常データを得ることが可能にある。つまり、バッチ的な操業単位のデータに限定されないので、様々な操業状態の異常判定が可能になる。このように、大量データ（ビッグデータ）を扱うことで汎用性が高まり、様々な操業状態に適用可能となる。

なお、上述したモータの監視装置および方法は、熱間圧延ライン内の搬送装置に限定されず、同一の動作が要求されるモータが複数設けられている装置に適用可能である。

また、上述した実施形態では、電流センサＤを用いる構成について説明したが、本発明はこれに限定されない。要は、複数のモータのなかから相対的に不自然な動作をするモータＭを特定できればよいため、各種のセンサ値を用いてよい。具体的には、電流センサＤの代わりに、各モータＭ_１〜Ｍ_ｎの回転数を検出するセンサ（モータ回転数センサ）を設けてもよい。モータ回転数センサによって、各モータＭ_１〜Ｍ_ｎの出力軸（ロータ軸）の回転数を検出する。この場合の診断装置１０はモータ回転数センサから入力されるモータ回転数データに基づいてＭＳＰＣを行い、異常モータの有無を判定する。あるいは、電流センサＤやモータ回転数センサの代わりに、モータＭ_１〜Ｍ_ｎ毎にトルクを検出するセンサ（モータトルクセンサ）を設けてもよい。モータトルクセンサによって、各モータＭ_１〜Ｍ_ｎから出力されるモータトルクを検出する。この場合の診断装置１０はモータトルクセンサから入力されるモータトルクデータに基づいてＭＳＰＣを行い、異常モータの有無を判定する。よって、本発明では、モータＭへ通電される電流値、モータ回転数、モータトルクのうち少なくともいずれか一つを検出できるように構成されていればよい。つまり、電流センタ、モータ回転数センサ、モータトルクセンサのうち少なくとも一種類のセンサが設けられていればよい。

さらに、診断装置１０は、統計量を演算する所定期間を、搬送装置３の加速期間、定速期間、減速期間の三つの期間に分離することができる。この場合、診断装置１０は、搬送装置３の加速期間、定速期間、減速期間のそれぞれについての統計量を演算し、各期間における統計量に基づいて各モータＭ_１〜Ｍ_ｎの相関関係に応じた異常診断を行う。すなわち、解析部１２は、加速期間、定速期間、減速期間のうち少なくともいずれか一つの期間について統計量を演算する。詳細には、診断装置１０は、モータ監視時に、複数のモータＭが稼働中の搬送装置３に関するデータを収集し、複数の期間ごとにＱ統計量の外れ量とＱ統計量の外れ頻度を求めるとともに、それら外れ量および外れ頻度に基づいて各モータＭ_１〜Ｍ_ｎの異常可能性を評価し、各期間における異常モータ候補を決定する。これにより、モータＭの運転パターン（加速時、一定速時、減速時）ごとに限定したデータ中での統計処理となるため、正常稼働中の複数のモータＭ間の相関が強く求まることになる。したがって、それだけ異常時には正常時の統計量から外れる現象が顕著に現れるので、感度の高い異常診断（判定）が可能となる。

具体的には、解析部１２のデータ長決定部１２ｂは、搬送装置３の加速期間、定速期間、減速期間を分離して、それぞれを解析対象となるデータ長（単位期間）に決定する。その分離される期間の一例を図７に示す。図７は、各モータＭ_１〜Ｍ_ｎの電流値の時系列データにおける加速期間と定速期間と減速期間とを説明するための説明図である。図７に示すように、加速期間はモータＭ（搬送ロール３Ｒ）が加速している期間、定速期間はモータＭが一定速である期間、減速期間はモータＭが減速している期間である。そして、解析部１２は、複数の所定期間（加速期間、定速期間、減速期間）ごとに上述したＰＣＡを用いてＴ^２統計量およびＱ統計量を求める。また、判定部１２ｄは、複数の期間ごとでそれぞれに設定された閾値を用いて、各期間についての異常判定を行う。なお、異常判定のための閾値は、予めそれぞれの期間ごとに正常時のデータを収集して定められている。また、モータＭの実績データとしては、各モータＭ_１〜Ｍ_ｎの電流値、回転数、トルクなどのデータを収集する。

加えて、本発明らによって、モータＭの異常現象は加速期間および減速期間のようにモータＭに対する負荷が大きい時に発生しやすいということが知見された。この知見に基づくと、複数の所定期間（加速期間、定速期間、減速期間）に分割する場合、解析対象となる所定期間には、加速期間と減速期間とのうち少なくともいずれか一つが含まれることが好ましい。そこで、例えば所定期間を加速期間のみとしてもよく、あるいは所定期間を加速期間と減速期間の両期間を含むようにしてもよい。

［実施例１］
実施例１は、解析対象となる所定期間を、上述した複数の所定期間（加速期間、定速期間、減速期間）のうちいずれか一つに設定して、その期間内での異常判定を行う。ここでは、所定期間を加速期間とした場合の実施例１について説明する。また、実施例１には上述した実施形態の監視方法が適用される。つまり、診断装置１０は、加速期間についての異常診断を行う際、搬送装置３のモータＭの電流値を加速期間について統計処理を施し、ＰＣＡを経て、Ｑ統計量の外れ量を演算する。そして、加速期間についての実際の解析結果を図８に示す。

図８は、加速期間における多変量統計的プロセス管理の解析結果を示す説明図である。図８に示す解析結果は、上述した図５と同様に、Ｑ統計量の外れ量とＱ統計量の外れ頻度とで表されている。図８に示すように、加速期間においてモータＮｏ．１８８とモータＮｏ．２２８の外れ量と外れ頻度が大きくなり、それらのモータＭが診断装置１０によって異常と判定された。その異常判定結果は、熱間圧延ライン１が設けられている熱延工場のオペレータに対して出力装置１３（例えば警報用モニタ）への表示を通じて報知される。そして、異常が報知されたモータＭを点検することができる。これにより、実際のトラブルが顕在化していない段階であっても、点検すべきモータＭを特定することができる。

図８に示す解析結果に基づいて、モータＮｏ．１８８とモータＮｏ．２２８とを実際に点検したところ、モータＮｏ．１８８ではベアリング系統に緊急的異常が確認され、モータＮｏ．２２８ではアライメント調整ずれによる比較的軽度の異常が確認された。そこで、モータＮｏ．１８８については、対応として部品交換を実施した。モータＮｏ．２２８については、対策として機械的な調整を実施した。一方、その他の外れ量と外れ頻度が小さなモータＭ（例えば図８に示すモータＮｏ．２０２など）については、現状を維持し、傾向管理を継続している。このように、実施例１によれば、異常が顕在化する前にモータＮｏ．１８８とモータＮｏ．２２８の二つのモータＭについて異常可能性があると判定され、それらを点検した結果、実際にモータ異常が確認された。これにより、適切な補修を大事故の発生する前に実施することが可能であるという有効性が示された。

なお、実施例１は、所定期間を加速期間のみとする場合に限らず、所定期間を減速期間のみとする場合や、所定期間を定速期間のみとする場合を含む。

また、複数のモータＭ_１〜Ｍ_ｎ間で異常の有無を判定することは、多数のモータ回転を群制御する圧延ライン（熱間圧延ライン１）独特の発想である。その群制御をしている複数のモータＭ_１〜Ｍ_ｎのうち、１台でも異常な挙動（相対的に特異な挙動）を示しているモータＭがある場合には、その１台の異常モータの動作によって、鋼帯５の表面（圧延鋼板表面）に傷が発生するなど、操業への影響が大きくなってしまう。そのため、通常は同じ動きを実施する多数の群の中から異常なものを検出すること、しかもその異常検知が実害のあるトラブルが発生してからでなく、日常操業中における傾向値管理として事前に異常可能性を含むモータＭを検出可能であることは、現実的に大きな効果をもたらす。

［実施例２］
実施例２では、解析対象となる所定期間を、上述した複数の所定期間（加速期間、定速期間、減速期間）のうち少なくともいずれか二つに設定して、各所定期間について異常判定を行う。実施例２の診断装置１０は、複数の所定期間ごとの異常判定結果に基づいて、少なくとも一つの所定期間で異常判定されたモータＭを複数の所定期間で総合的に評価する評価処理部（評価手段）を備えている。この診断装置１０は、評価処理部が異常モータを評価することにより、モータＭの異常の程度が把握できるように構成されている。つまり、異常判定された異常モータ候補が、多くの所定期間に共通して発生すればするほど、そのモータＭは異常の程度が深刻（重度）と評価する。これにより、例えば異常の程度が大きいモータから優先的に点検および補修することが可能になり、効率的なモータ監視を実現可能にする。

ここでは、所定期間を加速期間および減速期間とした場合の実施例２について説明する。この実施例２では、解析部１２は、加速期間および減速期間のそれぞれについて統計量を演算するとともに、所定期間ごとの統計量に基づいて所定期間ごとに分布を演算する。つまり、解析部１２は、加速期間における統計量に基づいて加速期間についての分布（図８に示す）を演算し、かつ減速期間における統計量に基づいて減速期間についての分布（図９に示す）を演算する。また、判定部１２ｄは、所定期間ごとの分布に基づいて所定期間ごとに閾値を超える統計量を異常と判定し、かつ異常と判定された統計量に該当するモータＭを異常モータと判定する。すなわち、判定部１２ｄは加速期間と減速期間のそれぞれについて個別に異常モータの有無を判定する。図９は、減速期間における多変量統計的プロセス管理の解析結果を示す説明図である。図９に示す解析結果は、上述した図５と同様に、Ｑ統計量の外れ量とＱ統計量の外れ頻度とで表されている。図９に示すように、減速期間において、モータＮｏ．１８８は、Ｑ統計量の外れ量と外れ頻度が大きく、異常と判定された。また、図８に示すように、モータＮｏ．１８８は加速期間においてもＱ統計量の外れ量が大きく、異常と判定された。

そして、解析部１２の評価処理部は、所定期間ごとの異常判定結果および該当するモータの判定結果に基づいて、すなわち各期間の判定結果を総合して、異常判定されたモータＭにおける異常の程度を評価する。具体的には、診断装置１０は、図８に示す解析結果を用いて加速期間を評価し、図９に示す解析結果を用いて減速期間を評価する。また、評価処理部は、異常の程度を二段階で評価する。例えば、加速期間および減速期間の両期間で異常と判定された場合、その異常の程度が重度と評価され、いずれか一方の期間のみで異常と判定された場合には、その異常の程度は軽度と評価される。図８および図９に示すように、モータＮｏ．１８８は、加速期間とともに減速期間でも異常と判定されたことから、評価処理部によって異常の程度が深刻（重度）と評価される。実際、モータＮｏ．１８８は緊急的な異常が確認されており、実施例２の有効性が示されたことになる。一方、モータＮｏ．２２８については、図８に示すように加速期間でのＱ統計量の外れ量と外れ頻度は大きかったものの、図９に示すように減速期間でのＱ統計量の外れ量と外れ頻度は比較的小さかったので、診断装置１０によって異常の程度は軽度と評価された。実際、モータＮｏ．２２８を点検した結果、比較的軽度な異常であったことから、実施例２の有効性が確認された。

なお、実施例２は、上述した所定期間の組み合わせ（加速期間および減速期間）に限らず、一方の所定期間に定速期間が設定される場合を含む。また、モータＭの異常現象は加速期間および減速期間で発生しやすいため、実施例２における複数の所定期間には加速期間および減速期間のうち少なくともどちらか一方が含まれることが好ましい。さらに、評価処理部は解析部１２に含まれる処理部である。

［実施例３］
実施例３は、解析対象となる所定期間を、上述した複数の所定期間（加速期間、定速期間、減速期間）の全てに設定して、各期間内での異常判定をそれぞれに行う。つまり、実施例３の診断装置１０は、三つの期間について統計量をそれぞれに演算し、それらの統計量に基づいて総合的に異常モータを評価するように構成されている。

実施例３の診断装置１０によれば、所定期間が加速期間、定速期間、減速期間に分離されているので、それぞれのモータＭの運転パターンごとに限定したデータ中での統計処理ができ、単に加速期間と定速期間と減速期間とが一連のデータとなっているデータ長（単位期間）で解析を行った場合よりも、正常稼働中の複数のモータＭ間の相関が強く求まるデータに基づいて異常診断できる。したがって、それだけ異常時には正常時の統計量から外れる現象が顕著に現れるので、感度の高い判定が可能となる。

１ 熱間圧延ライン
３ 搬送装置（ランナウトテーブル）
３Ｒ_１〜３Ｒ_ｎ 搬送ロール
１０ 診断装置
１２ 解析部
１２ａ 解析対象決定部
１２ｂ データ長決定部
１２ｃ 閾値決定部
１２ｄ 判定部
Ｍ_１〜Ｍ_ｎ モータ
Ｄ_１〜Ｄ_ｎ 電流センサ

Claims (8)

1. 熱間圧延ライン内で仕上圧延機と巻取装置との間に設けられた搬送装置が備える複数のモータを対象とするモータの監視装置において、
   各モータの電流値、回転数、トルクのうち少なくともいずれか一つを検出する検出手段と、
   前記検出手段により検出された各モータのデータを用いて所定期間内における前記各データの統計量を演算するとともに、前記統計量に基づいて前記複数のモータ間の相関関係を示す分布を演算する解析手段と、
   前記分布に基づいて所定範囲から外れる前記統計量を異常判定し、かつ当該異常判定された統計量が前記複数のモータのうちどのモータに相当するのかを判定する判定手段とを備えている
   ことを特徴とするモータの監視装置。
2. 前記解析手段は、多変量統計的プロセス管理に基づく前記統計量を前記モータ毎に演算し、
   前記判定手段は、Ｔ^２統計量とＱ統計量とのうち少なくともいずれか一方が閾値を超える場合に、その閾値を超えた統計量に該当する前記モータを異常判定する
   ことを特徴とする請求項１に記載のモータの監視装置。
3. 前記所定期間は、前記搬送装置の加速期間、定速期間、減速期間のうち少なくともいずれか一つであることを特徴とする請求項１または２に記載のモータの監視装置。
4. 前記所定期間は、前記搬送装置の加速期間、定速期間、減速期間のうち少なくともいずれか二つであり、
   前記解析手段は、複数の前記所定期間のそれぞれについて前記統計量を演算するとともに、前記所定期間ごとの前記統計量に基づいて前記所定期間ごとに前記分布を演算し、
   前記判定手段は、前記所定期間ごとの分布に基づいて前記所定期間ごとに前記所定範囲から外れる前記統計量を異常判定し、かつ当該異常判定された統計量が前記モータのうちどのモータに相当するのかを判定し、
   前記所定期間ごとの前記異常判定の結果および該当するモータの判定結果に基づいて、前記異常判定された前記モータにおける異常の程度を評価する評価手段をさらに備える
   ことを特徴とする請求項１から３のいずれか１項に記載のモータの監視装置。
5. 熱間圧延ライン内で仕上圧延機と巻取装置との間に設けられた搬送装置が備える複数のモータを対象とするモータの監視方法において、
   各モータの電流値、回転数、トルクのうち少なくともいずれか一つを検出する検出ステップと、
   前記検出された各モータのデータを用いて所定期間内における前記各データの統計量を演算するとともに、前記統計量に基づいて前記複数のモータ間の相関関係を示す分布を演算する解析ステップと、
   前記分布に基づいて所定範囲から外れる前記統計量を異常判定し、かつ当該異常判定された統計量が前記複数のモータのうちどのモータに相当するのかを判定する判定ステップとを含む
   ことを特徴とするモータの監視方法。
6. 前記解析ステップは、多変量統計的プロセス管理に基づく前記統計量を前記モータ毎に演算するステップを含み、
   前記判定ステップは、Ｔ^２統計量とＱ統計量とのうち少なくともいずれか一方が閾値を超える場合に、その閾値を超えた統計量に該当する前記モータを異常判定するステップを含む
   ことを特徴とする請求項５に記載のモータの監視方法。
7. 前記所定期間は、前記搬送装置の加速期間、定速期間、減速期間のうち少なくともいずれか一つであることを特徴とする請求項５または６に記載のモータの監視方法。
8. 前記所定期間は、前記搬送装置の加速期間、定速期間、減速期間のうち少なくともいずれか二つであり、
   前記解析ステップは、複数の前記所定期間のそれぞれについて前記統計量を演算するとともに、前記所定期間ごとの前記統計量に基づいて前記所定期間ごとに前記分布を演算し、
   前記判定ステップは、前記所定期間ごとの分布に基づいて前記所定期間ごとに前記所定範囲から外れる前記統計量を異常判定し、かつ当該異常判定された統計量が前記モータのうちどのモータに相当するのかを判定し、
   前記所定期間ごとの前記異常判定の結果および該当するモータの判定結果に基づいて、前記異常判定された前記モータにおける異常の程度を評価する評価ステップをさらに含む
   ことを特徴とする請求項５から７のいずれか１項に記載のモータの監視方法。