特許ウォッチ

公開番号2025084788
公報種別公開特許公報(A)
公開日2025-06-03
出願番号2025020763,2020158691
出願日2025-02-12,2020-09-23
発明の名称情報処理方法、情報処理装置、表示方法、表示装置、プログラム、記録媒体、物品の製造方法、学習用データの取得方法
出願人キヤノン株式会社
代理人弁理士法人近島国際特許事務所
主分類G05B 23/02 20060101AFI20250527BHJP(制御;調整)
要約【課題】作業者が、長期にわたり高サンプリングレートで収集された時系列データの中から任意の部分データを複数抽出し、確認や比較等をするデータ分析作業を行う際に、作業が容易になる情報処理方法や情報処理装置が求められていた。
【解決手段】情報処理装置が、機械装置の状態に係る物理量の時系列データと、前記機械装置に発生するイベントに係るイベントデータと、を取得し、前記イベントデータに含まれる所定イベントに関して、前記時系列データの中から部分時系列データを複数抽出し、抽出された複数の前記部分時系列データの各々に係る情報が、時間を指標とするリニアスケール上に配置された場合よりも互いの距離が小さくなるように配置された画像を作成する情報処理方法である。
【選択図】図1
特許請求の範囲【請求項１】
機械装置の状態に係る複数種類の物理量の複数の時系列データを取得し、
前記時系列データから前記物理量に対応する複数の部分時系列データを抽出し、
前記時系列データの時間軸に基づいて表示する場合における、前記部分時系列データに対応する表示領域間の距離、よりも小さくなるように前記部分時系列データを配置した画像を表示し、
前記複数の部分時系列データのうち、前記機械装置に発生したイベントに対応した第１の部分時系列データを抽出し、
抽出された前記第１の部分時系列データに対応した第２の部分時系列データを抽出し、
前記第１の部分時系列データと、前記第２の部分時系列データと対応させて並べた前記画像を表示する、
ことを特徴とする情報処理方法。
続きを表示（約 940 文字）【請求項２】
前記イベントに係るイベントデータに基づいて、複数の前記部分時系列データが抽出される、
ことを特徴とする請求項１に記載の情報処理方法。
【請求項３】
前記イベントデータとして前記機械装置に発生する複数種類の前記イベントに関するイベントデータを取得し、複数種類の前記イベントから選定された複数種類の所定イベントに関して複数の前記部分時系列データを抽出し、前記複数種類の所定イベントについての複数の前記部分時系列データに係る情報が配置された前記画像を表示する、
ことを特徴とする請求項２に記載の情報処理方法。
【請求項４】
前記画像には、前記イベントに係る情報が含まれている、
ことを特徴とする請求項２または３に記載の情報処理方法。
【請求項５】
前記イベントは、前記物理量のピークに基づいて設定されている、
ことを特徴とする請求項２から４のいずれか１項に記載の情報処理方法。
【請求項６】
前記イベントにおいて、
前記ピークの値が所定閾値以上となった場合、前記ピークの回数が所定回数以上となった場合、の少なくとも１つが設定されている、
ことを特徴とする請求項５に記載の情報処理方法。
【請求項７】
前記イベントデータは、前記イベントが発生した日時データである、
ことを特徴とする請求項２から６のいずれか１項に記載の情報処理方法。
【請求項８】
前記部分時系列データを抽出する前の前記時系列データは、時間を指標とするリニアスケール上に配置されている、
ことを特徴とする請求項１から７のいずれか１項に記載の情報処理方法。
【請求項９】
前記画像を、表示部に表示する、
ことを特徴とする請求項１から８のいずれか１項に記載の情報処理方法。
【請求項１０】
前記画像には、抽出された複数の前記部分時系列データに係る前記物理量のグラフが連結された画像が含まれている、
ことを特徴とする請求項１から９のいずれか１項に記載の情報処理方法。
（【請求項１１】以降は省略されています）
発明の詳細な説明【技術分野】
【０００１】
本発明は、情報処理方法、情報処理装置等に関する。
続きを表示（約 2,000 文字）【背景技術】
【０００２】
機械装置は、構成部品の状態変化等により動作状態が時々刻々と変化し得る。その機械装置の使用目的に照らして動作状態が許容範囲内の場合を正常状態、許容範囲外の場合を故障状態と呼ぶとすれば、例えば生産機械であれば、故障状態になると不良品を製造したり、生産ラインを停止させるなどの不具合を発生させてしまうことになる。
【０００３】
生産機械等では、故障状態をなるべく発生させないようにするため、同一の作業を反復継続して行う場合であっても、定期あるいは不定期に保守作業を実施するのが一般的である。予防安全性を高くするには、保守作業の実施インターバルを短くするのが有効だが、保守作業中は生産機械等を停止させるため、保守作業の頻度を過度に高めると生産機械等の稼働率が低下してしまう。そこで、機械等がまだ正常状態ではあるが故障状態の発生が近くなった時にこれを検知できるのが望ましい。故障状態の発生が近づいたことを検知（故障の発生を予測）できれば、その時点で機械等の保守作業を実施すればよいので、稼働率が必要以上に低下するのを抑制することができるからである。
【０００４】
故障の発生を予測するための手法として、機械装置の状態を機械学習した学習済モデルを予め作成しておき、学習済モデルを用いて評価時の機械装置の状態を評価する手法が知られている。予測精度を高めるには、故障の予測に適した学習済モデルを構築することが重要であるが、そのためには機械学習により機械装置の故障予知モデルを生成する際に用いる学習用データ（教師データ）の準備が重要である。抽出したデータが学習用データとして適するか否かを判断するには、波形の確認・比較等の詳細なデータ分析が必要である。
【０００５】
例えば、特許文献１に記載されたデータ分析方法では、生産機器の物理量と計測時刻とが対応付けられた時系列データから部分時系列データを複数抽出し、部分時系列データ毎に所定の基準時刻からの経過時間を軸とする単一のグラフ上にプロットする。そして、プロットした各部分時系列データを、ユーザの操作により経過時間軸方向にシフトし、基準点を合わせることで時系列データの比較を行っている。
【先行技術文献】
【特許文献】
【０００６】
特開２０１３－８２３４号公報
【発明の概要】
【発明が解決しようとする課題】
【０００７】
一般に、機械装置においては、その運転状態を管理するために、様々なパラメータ（物理量）についての計測が行われ、膨大な時系列データが取得されている。機械装置の故障の予測に適した学習済みモデルを構築するためには、取得した膨大な時系列データの中から適宜データを抽出し、学習用データに適するか否かを判断するため、波形の確認・比較などの詳細なデータ分析作業が必要である。
【０００８】
しかし、例えば生産ラインに設置されている工業用ロボットのような機械装置の場合には、一般的に故障の発生頻度が大きくはないので、長期間にわたり時系列データを収集する必要がある。さらに、収集する時系列データは、機械装置の運転状態を管理するデータであるため計測パラメータの数が多く、波形などを詳細に分析するためにはサンプリングレートを高くする必要があり、収集されるデータ量が膨大になる。このように、長期間にわたり高サンプリングレートで収集されたデータの中から、不定期に発生する故障に係るデータを抽出して比較等の作業をする場合、従来のデータ表示方法では作業者に大きな負担が生じ、作業能率や正確性に支障が生じていた。
【０００９】
最も基本的な方法として、横軸を計測時間とした単一グラフ上に時系列データを表示する場合には、長大な時間軸方向の中に故障に係る部分データが不定期に散在することになり、故障に係る複数の部分データが同一画面中に表示されるとは限らない。また、同一画面中に表示するため時間軸方向に圧縮した場合には、高サンプリングレートで計測したにもかかわらずグラフ波形が潰れてしまい、波形の確認や比較が困難になる。詳細検討のためには、操作者自身によるデータの部分拡大等の作業が必要となり、データ分析作業に多大な時間を要することになる。
【００１０】
また、特許文献１では、取得した膨大な時系列データから、まず比較グラフに追加する時系列データを選択し、部分時系列データを抽出する。そして、抽出した部分時系列データ毎に経過時間を付与し、比較グラフ上で複数の部分時系列データの経過時間の位相が同相となるように位置合わせをして、重なり合うように表示する。比較グラフ上で複数の部分時系列データの経過時間の位相が一致するように位置合わせすることにより、部分時系列データ同士の比較は可能となるものの、作業者の操作は煩雑であった。
（【００１１】以降は省略されています）

関連特許