JP2018032262A - セルコントロールシステム - Google Patents

Abstract

【課題】複数の機械におけるノイズの影響を推定することでアラームの要因の推定が可能なセルコントロールシステムを提供すること。
【解決手段】本発明のセルコントロールシステムは、管理下にある製造機械に対して稼働指示を送信する機械稼働指示部と、検出されたノイズ情報を収集するノイズ値収集部と、製造機械の稼働情報を収集する稼働情報収集部と、収集された稼働情報を入力信号とし、検出されたノイズ情報を教師信号とする機械学習を行い、学習モデルを作成する学習部と、学習モデルを解析してノイズ要因となる稼働情報を推定する推定部と、ノイズ要因となる稼働情報に基づいて、機械稼働指示部に対して指示内容の変更を指令する稼働指示変更部と、を備える。
【選択図】図１

Description

本発明は、セルコントロールシステムに関し、特に複数の機械におけるノイズの影響を
推定するセルコントロールシステムに関する。

図７は、複数の製造機械で構成される製造セルを管理するセルコントロールシステム（製造管理システム）を示す図である。セルコントロールシステムは、製造機械の使用状況を管理したり、どの製造機械を使用するかを判断したりしながら、生産計画装置から指示される製造計画に基づいて各製造セルに対して稼働指示をすることで、製造セル全体の稼働率を向上させている。
製造計画に従って製造セルを稼働させている際に、稼働している製造セルが備える製造機械にアラームが発生して動作を停止すると、当該製造セルにおける生産性が低下し、結果として製造セル全体の稼働率が低下してしまう。

製造機械でのアラーム発生に対応するための従来技術として、例えば特許文献１には、監視対象装置内の複数の部品を監視対象とし、取り付けられたセンサの時系列物理量を収集し、異常検知とその原因診断を行い、センサデータ間の相関係数から因果関係の有無を決定して行う監視診断装置が開示されている。また、特許文献２には、複数の制御対象から取り込んだ信号について相関のあるペアについて解析し、正常時の相関情報と比較することで異常の有無を分析して異常の有無情報から故障箇所の結論を出力する診断・解析装置が開示されている。

特許第５４２７１０７号公報 特許第３４７０４５７号公報

一般に、アラームの発生を予防するためには製造機械に対するノイズ（電気な外乱や物理的な振動）の対策を行っている。このような対策は、以下の手順で行っている。
●手順ａ１）各機械のノイズの状態を測定する
●手順ａ２）手順ａ１での測定結果からアラームが発生する可能性を分析する
●手順ａ３）分析結果からアラームの原因を特定し、該原因を遮断するノイズ対策を行う

しかしながら、工場などのような複数の製造機械が稼働し続けている環境においては、製造機械の配置や配線あるいは動作パターンなど、複数の条件が複合的に関連してノイズの影響が変化するため、上記手順を行ったとしてもアラームの原因の特定が困難であることが多い。このような状況においては、ノイズと稼働状況の両方を同時に分析する必要があるが、実際には複数の製造機械が同時に稼働しているため、全体としての動作パターンが複雑となり、原因の分析そのものが困難となっている。

これに対して、特許文献１に開示される技術では、単一の装置内のセンサだけで診断しているため、複数の機械が同時に稼働する製造セルには適用しても効果が望めない。また、特許文献２に開示される技術では、複数の制御装置を含んだ機械システムに対する異常診断が可能ではあるものの、あらかじめデータベースに登録されている状況についてしか異常原因が推定できない。

そこで、本発明の目的は、複数の機械におけるノイズの影響を推定することで、アラーム要因の推定が可能なセルコントロールシステムを提供することである。

本発明では、製造セルに含まれる機械の制御装置を、セルコントローラに接続する。各セルコントローラは、各製造機械について以下の状況を監視し収集する。
１．各測定箇所（制御装置本体、アンプ、電源、信号線など）におけるノイズの値
２．製造セルの各機械の稼働情報（各軸の速度、加速度、負荷、実行中行番号など）

そして、セルコントローラは、収集した情報を以下の手順で分析する。
●手順ｂ１）ノイズの値と稼働情報の相関関係を機械学習により計算する
●手順ｂ２）相関関係から、ノイズを生じ易い状況（＝稼働情報の組み合わせ）を
推定する
●手順ｂ３）相関関係から、ノイズレベルが高くなりやすい機械やその部位を検出する

セルコントローラは、推定した結果を製造機械のオペレータや上位サーバに通知する。この推定結果を元にして、オペレータは製造機械の特定部位に集中してノイズの対策を行うことが出来る。そのため少ない工数で効率的に製造セルの稼働率を向上させる対策を行うことができる。

そして、本発明の請求項１に係る発明は、少なくとも１つの製造機械を備える少なくとも１つの製造セルと、生産計画装置から受信した製造計画に基づいて前記製造機械に対して稼働指示を送信するセルコントローラとを備えたセルコントロールシステムにおいて、前記セルコントローラは、前記製造計画に基づいて前記製造機械に対して稼働指示を送信する機械稼働指示部と、検出されるノイズ情報を収集するノイズ値収集部と、前記製造機械の稼働情報を収集する稼働情報収集部と、前記稼働情報収集部が収集した稼働情報を入力信号とし、前記ノイズ値収集部が収集したノイズ情報を教師信号とする機械学習を行い、学習モデルを作成する学習部と、前記学習部が作成した学習モデルを解析し、前記製造機械で検出されるノイズの要因となる稼働情報を推定する推定部と、前記推定部が推定したノイズ要因となる稼働情報に基づいて、前記機械稼働指示部に対して指示内容の変更を指令する稼働指示変更部と、を備えるセルコントロールシステムである。

本発明の請求項２に係る発明は、前記推定部は、前記学習部が作成した学習モデルを用いた予測を行い、前記製造機械の内のノイズ耐性が低い製造機械を推定し、前記稼働指示変更部は、前記推定部が推定したノイズ耐性の情報に基づいて通信内容を変更するように前記機械稼働指示部に対して指令する、ことを特徴とする請求項１に記載のセルコントロールシステムである。

本発明の請求項３に係る発明は、前記稼働指示変更部は、前記推定部が推定したノイズ耐性が低い製造機械に影響を与える稼働指示を変更するように前記機械稼働指示部に対して指令する、ことを特徴とする請求項２に記載のセルコントロールシステムである。

本発明によれば、各製造機械について、ノイズとの相関関係が大きな稼働情報を推定できる。推定結果を元にノイズ対策を行うことでアラームの発生を予防できる。これにより、製造機械の稼働率を向上させることが出来る。また、製造機械間におけるノイズの相関関係を検出することが出来ると共に、継続的に監視することで製造機械自体のノイズ耐性の劣化を検出することも可能となる。

本発明の一実施形態によるセルコントロールシステムの概略構成図を示している。 多層ニューラルネットワークを用いた学習部３５の例を示す図である。 推定部３６によるノイズ原因となる稼働情報の推定の手順を説明する図（１）である。 推定部３６によるノイズ原因となる稼働情報の推定の手順を説明する図（２）である。 推定部３６によるノイズ原因となる稼働情報の推定の手順を説明する図（３）である。 推定部３６によるノイズ耐性が低い製造機械の推定の手順を説明する図である。 複数の製造機械で構成される製造セルを管理するセルコントロールシステム（製造管理システム）を示す図である。

以下、本発明の実施形態を図面と共に説明する。
図１は、本発明の一実施形態によるセルコントロールシステムの概略構成図を示している。なお、図１において点線矢印は従来技術における情報の流れを、実線矢印は本発明で導入された情報の流れを示している。本実施形態のセルコントロールシステム１は、生産計画装置２、セルコントローラ３、および少なくとも１つの製造セル４が、ネットワークなどを介して接続されて構成される。

生産計画装置２は、少なくとも１つの各製造セル４において行われる全体的な製造作業を計画し、計画した製造作業を製造計画としてそれぞれの製造セル４を管理するセルコントローラ３へと送信する。

セルコントローラ３は、生産計画装置２から指示された製造計画に基づいて、管理下にある製造セル４が備える製造機械４１の使用状況を管理したり、どの製造機械４１を使用するかを判断したりしながら各製造セルに対して稼働指示を行う。図１に示すセルコントローラ３は、少なくとも１つの製造セル４を管理している。セルコントローラ３は、製造計画受信部３０、機械稼働指示部３１、通信部３２、ノイズ値収集部３３、稼働情報収集部３４、学習部３５、推定部３６、稼働指示変更部３７を備える。

製造計画受信部３０は、生産計画装置２から指示される製造計画を受信し、受信した製造計画を機械稼働指示部３１へと出力する。
機械稼働指示部３１は、製造計画受信部３０から入力された製造計画に基づいて、セルコントローラ３の管理下にある製造セル４が備える少なくとも１以上の製造機械４１に対して稼働指示を通信部３２を介して送信する。機械稼働指示部３１は、製造計画に基づいて管理下にある製造セル４が備える製造機械４１ごとの稼働スケジュールを作成する機能を備えている。

ノイズ値収集部３３は、管理下にある製造セル４が備える製造機械４１から、当該製造機械４１で検出されたノイズに係る値を収集し、時刻情報等と共に稼働情報データベース３８に記憶する。ノイズ値収集部３３が収集するノイズ値は、製造機械４１が備えるノイズ検出部４２で検出されたノイズ値以外にも、工場や外部に設けられた図示しないセンサなどで検出されたノイズ値を収集するようにしてもよく、セルコントロールシステム１で取得可能なあらゆるノイズ値を収集するようにしてもよい。
稼働情報収集部３４は、管理下にある製造セル４が備える製造機械４１から、当該製造機械４１の稼働状態を示す稼働情報を収集し、時刻情報等と共に製造機械４１毎に稼働情報データベース３８に記憶する。稼働情報収集部３４は、製造機械４１の稼働状態を示す情報以外にも、例えば、時刻や工場の電力状態など、セルコントロールシステム１で取得可能なあらゆる情報を稼働情報として収集するようにしてもよい。

学習部３５は、稼働情報データベース３８に記憶されたノイズ値と稼働情報とに基づいて、各製造機械から収集された稼働情報と各製造機械４１から検出されたノイズ値との関係を機械学習する。そして、学習部３５が学習したモデルを後述する推定部３６による推定に利用する。学習部３５が行う学習に用いるモデルは、ある稼働情報の変化によるノイズ値の変化傾向を推定することができるモデルであればどのようなものを用いてもよい。例えば、後述する多層ニューラルネットや、ベイジアンネットワークなどを用いることができる。
一例として、例えば図２に示すような多層ニューラルネットを学習部３５として用いる場合には、入力信号として各製造機械４１の稼働情報を、教師信号として各製造機械４１のノイズ値を与えるようにし、中間層１では各製造機械４１の稼働情報のうち、同じ製造機械の稼働情報を相互に学習させ、全結合層では、各製造機械４１の稼動情報と各製造機械のノイズとの相関関係を学習させるようにしてもよい。

推定部３６では、学習部３５が学習したモデルを用いて、ノイズに対して大きく影響を与えるノイズ要因を稼働情報の中から推定する。ノイズ要因となる稼働情報は、例えば以下の手順で推定することができる。
●手順ｃ１）対象とするノイズ情報をノイズＡとする
●手順ｃ２）収集した稼働情報から複数の時刻の稼働情報をランダムに選択
●手順ｃ３）選んだ各稼働情報について、学習したモデルを用いてノイズＡの値に対する
入力値の勾配を計算する
●手順ｃ４）勾配の平均値を計算し、勾配が特に大きい入力信号をノイズ要因の稼働情報
であると推定する。ただし他の入力信号と比べて勾配の差が小さい場合には
、ノイズ要因と推定しない

図３，４は、上記したノイズ要因を推定する手順のイメージを示す図である。図３，４では、例えば、要因推定の対象とするノイズ値をＡ、ｗ₁を稼働情報の送り速度値、ｗ₂を稼働情報の主軸速度値とし、Ｘ₁は送り速度とノイズ値Ａ（ｗ）との相関係数、Ｘ₂は主軸速度とノイズ値Ａ（ｗ）との相関係数、上付きの（ｎ）は上記した手順ｃ２で選択した複数の稼働情報に付けた通し番号ｎを表している。機械学習によりモデル化されたノイズ値Ａは稼働情報ｗの関数とみなせるため、図中ではＡ（ｗ）と表記している。
図３（ａ−１）に示すように、学習部３５が学習したモデルを解析して、特定の稼働情報ｗ⁽¹⁾における送り速度とノイズ値Ａ（ｗ）の相関係数Ｘ₁ ⁽¹⁾を算出する。同様に、図３（ａ−２）に示すように、学習部３５が学習したモデルを解析して、特定の稼働情報ｗ⁽²⁾における送り速度とノイズ値Ａ（ｗ）の相関係数Ｘ₁ ⁽²⁾を算出する。このようにして、図４（ｂ−１）に例示するように、ランダムに抽出した稼働情報ｗ⁽¹⁾〜ｗ⁽ⁿ⁾のそれぞれにおける送り速度ｗ₁について、学習部３５が学習したモデルを解析して各相関係数Ｘ₁ ⁽¹⁾〜Ｘ₁ ⁽ⁿ⁾を求め、これらを平均した値を算出する。このようにして算出された相関係数の平均値（図４（ｂ−１）では０．５）が、あらかじめ定めた所定の閾値（例えば閾値０．１）よりも大きい場合に、当該稼働情報（図４（ｂ−１）では送り速度ｗ₁）の変動は、ノイズ値Ａ（ｗ）に対して大きな影響を与えるものであるから、送り速度ｗ₁はノイズ値Ａのノイズ要因であると推定できる。なお、図４（ｂ−２）に示す例では、主軸速度ｗ₂の各相関係数のＸ₁ ⁽¹⁾〜Ｘ₁ ⁽ⁿ⁾の平均値（０．０２５）は小さい値となるため、主軸速度ｗ₂の変動は、ノイズ値Ａ（ｗ）に対して大きな影響を与えるものではないので、主軸速度ｗ₂はノイズ値Ａのノイズ要因ではないと推定できる。

なお、上記した図３，４では簡単に説明するために、各稼働情報をノイズ値との２次元グラフで示した上で勾配値を相関係数として求めるようにしているが、実際には図５に示すように稼働情報の入力数に応じた多次元関数における各点での方向毎の勾配値を相関係数として算出する。

推定部３６では、学習部３５が学習したモデルを用いて、ノイズ耐性の低い機械を推定することも可能である。ノイズ耐性の低い機械は、例えば以下の手順で推定することができる。
●手順ｄ１）収集した稼働情報から適当な時刻のデータ１件を選ぶ
●手順ｄ２）選んだ稼働情報を学習部３５が学習したモデルに対して入力値として入力し
、各出力値が増加するような入力値の勾配を計算する
●手順ｄ３）計算した勾配方向に各入力値を増減させる
●手順ｄ４）いずれかの出力があらかじめ定めた閾値を超えるか、収束するまで手順ｄ２
〜ｄ３を繰り返す
●手順ｄ５）手順ｄ４で閾値を超えた出力信号の製造機械は、ノイズ耐性が低いと推定

図６は、上記した低ノイズ耐性機械を推定する手順のイメージを示す図である。図６（ｃ−１）に示すように、手順ｄ３で入力値を増減させた際にノイズ値Ａ（ｗ）があらかじめ閾値を超えた場合、稼働中にノイズが発生し得る製造機械であると推定でき、当該製造機械はノイズ耐性が低いと推定できる。また、図６（ｃ−２）に示すように、手順ｄ３で入力値を増減させた際にノイズ値Ａ（ｗ）があらかじめ閾値を超えることなく収束（ノイズ値Ａ（ｗ）が下降する）場合、稼働中に問題となるレベルのノイズ値Ａが発生しない製造機械であると推定でき、当該製造機械のノイズ耐性に問題はないと推定できる。

稼働指示変更部３７は、推定部３６によるノイズ要因となる稼働情報の推定結果、または推定部によるノイズ耐性の低い製造機械の推定結果に基づいて、機械稼働指示部３１に対して各製造機械４１へ送信する指示内容を変更するように指令する。稼働指示変更部３７が機械稼働指示部３１に送信する指示の変更の例としては、例えば、実際にノイズ要因として推定された稼働情報の原因となる製造機械や、ノイズ耐性が低いと推定された製造機械を稼働させる際に、当該製造機械の操作盤の画面などにノイズ要因として推定された稼働情報に関連するノイズ対策をするように促すメッセージを表示したり、ノイズ要因として推定された稼働情報をノイズが発生しない程度の値に変更するよう警告する（例えば、製造機械の送り速度を落とすことを推奨するなど）、などが挙げられる。さらに、稼働指示変更部３７は、生産計画装置２などの上位サーバに対して、ノイズ要因として推定された稼働情報や、ノイズ耐性が低いと推定された製造機械に関する情報を通知するようにしてもよい。

稼働指示変更部３７は、推定部３６によるノイズ要因となる稼働情報の推定結果、またはノイズ耐性の低い製造機械の推定結果に基づいて、ノイズによる機械の異常が発生しないように、機械稼働指示部３１に対して各製造機械４１へ送信する稼働指示内容を変更するように指令してもよい。製造機械の稼働指示内容の変更の例としては、ノイズ要因として推定された稼働情報の原因となる製造機械について、そのような稼働状態にならない方法で運転を行うように用いるプログラムを変更したり、または、ノイズ耐性が低いと推定された製造機械を稼働する間は、当該製造機械に対するノイズ要因となるような製造機械の稼働を指示しないように順番を変更したりする。その他に、ノイズ要因として推定された稼働情報をノイズが発生しない程度の値に低下させるように変更する（例えば、製造機械の送り速度を落とすように稼働指示を自動的に変更するなど）、などが考えられる。

製造セル４は、少なくとも１つの製造機械４１を備える。また、各製造機械４１は、ノイズ検出部４２と、稼働情報送信部４３を備える。
ノイズ検出部４２は、製造機械４１の各部に設置された図示しないセンサなどを用いて発生したノイズを検出し、検出したノイズ値をセルコントローラ３へと送信する。また、稼働情報送信部４３は、図示しない製造機械４１の制御部が製造機械４１の各部から収集した情報を稼働情報としてセルコントローラ３へと送信する。

以上、ここまで本発明の実施の形態について説明したが、本発明は上記した実施の形態の例にのみ限定されるものでなく、適宜の変更を加えることにより様々な態様で実施することができる。

１ セルコントロールシステム
２ 生産計画装置
３ セルコントローラ
４ 製造セル
３０ 製造計画受信部
３１ 機械稼働指示部
３２ 通信部
３３ ノイズ値収集部
３４ 稼働情報収集部
３５ 学習部
３６ 推定部
３７ 稼働指示変更部
３８ 稼働情報データベース
４１ 製造機械
４２ ノイズ検出部
４３ 稼働情報送信部

Claims (3)

1. 少なくとも１つの製造機械を備える少なくとも１つの製造セルと、生産計画装置から受信した製造計画に基づいて前記製造機械に対して稼働指示を送信するセルコントローラとを備えたセルコントロールシステムにおいて、
   前記セルコントローラは、
   前記製造計画に基づいて前記製造機械に対して稼働指示を送信する機械稼働指示部と、
   検出されるノイズ情報を収集するノイズ値収集部と、
   前記製造機械の稼働情報を収集する稼働情報収集部と、
   前記稼働情報収集部が収集した稼働情報を入力信号とし、前記ノイズ値収集部が収集したノイズ情報を教師信号とする機械学習を行い、学習モデルを作成する学習部と、
   前記学習部が作成した学習モデルを解析し、前記製造機械で検出されるノイズの要因となる稼働情報を推定する推定部と、
   前記推定部が推定したノイズ要因となる稼働情報に基づいて、前記機械稼働指示部に対して指示内容の変更を指令する稼働指示変更部と、
   を備えるセルコントロールシステム。
2. 前記推定部は、前記学習部が作成した学習モデルを用いた予測を行い、前記製造機械の内のノイズ耐性が低い製造機械を推定し、
   前記稼働指示変更部は、前記推定部が推定したノイズ耐性の情報に基づいて通信内容を変更するように前記機械稼働指示部に対して指令する、
   ことを特徴とする請求項１に記載のセルコントロールシステム。
3. 前記稼働指示変更部は、前記推定部が推定したノイズ耐性が低い製造機械に対して影響を与えると推定される稼働指示を変更するように、前記機械稼働指示部に対して指令する、
   ことを特徴とする請求項２に記載のセルコントロールシステム。