TWI621951B

TWI621951B - Machine sorting device

Info

Publication number: TWI621951B
Application number: TW105124046A
Authority: TW
Inventors: Yasuhiro Toyama
Original assignee: Mitsubishi Electric Corp
Priority date: 2016-02-29
Filing date: 2016-07-29
Publication date: 2018-04-21
Also published as: TW201732638A; CN108700872A; CN108700872B; JPWO2017149598A1; JP6366852B2; WO2017149598A1

Abstract

資料取得部(101)係從機器分類指標資料庫(201)取得機器分類指標資料。分類指標定量化部(102)係將機器分類指標資料所含的定性性資料變換成表示定性性資料間之類似度的定量性資料。機器分類部(103)係使用定量性資料，按照機器單位進行設備分類。

Description

機器分類裝置

本發明係有關於一種按照構成設備之機器單位進行設備分類的機器分類裝置。

在升降機、空調等同種類者在多元之環境存在複數台的設備，分類成具有相同之特徵的各個係有用。在例如專利文獻1所記載之以往的系統，在建築物設備之以節能為目的的照明、空調的控制，將升降機分類成具有相同之特徵的各個。在專利文獻1所記載之系統，利用升降機運轉資訊，根據星期幾、各時間帶等將共用部之人流量、房間之房內人數、在房內率進行型樣化，規劃控制時程表。此處，在無法取得升降機運轉資訊之建築物，為了沿用具有相同之特徵的類似建築物的分析結果，進行建築物的分類。

【先行專利文獻】【專利文獻】

專利文獻1：日本特開2005-104635號公報

在對構成升降機、空調等之設備的機器分析故障或異常的情況，藉由按照同種類、同特徵之機器進行複數台設備、機器的分類並分析，與僅在一種設備的分析相比，預期故障或異常之檢測精度的提高。

可是，在以往之手法，因為按照升降機之設備單位進行分類，所以即使是具有相異之特徵的機器，亦若按照設備單位是同種類、同特徵時，具有作為機器無法分類的問題。例如，是構成升降機A之門機器與構成升降機B之門機器係同型式但是特徵相異之機器的情況，亦在以往升降機A與升降機B係當作升降機之設備而被判定同特徵時，任一方之門機器都被分類成同特徵。

又，在以往之手法，分類所利用之指標係升降機運轉資訊、升降機之用途、規模，但是在分析故障或異常等的情況，藉由在考慮過去之故障履歷、設備、機器之設置環境、機器更換資訊等很多的資訊下進行分類，預期分類精度之提高。這些資訊係未必是由數值所構成的定量性資料，亦有的是含有文字資訊的定性性資料。可是，在以往之手法，在根據定性性資料進行分類的情況，相異之定性性資料彼此之類似程度的評估係未考慮。結果，無法充分地分析異常的原因，而具有導致異常檢測精度之降低等的問題。

本發明係為了解決該問題而開發的，其目的在於提供一種可高精度地進行機器之故障或異常等之分析的機器分類裝置。

本發明之機器分類裝置係包括：資料取得部，係取得是在各機器固有之資訊的機器分類指標資料，該固有之資訊係從在各個由一台或複數台機器所構成之複數台設備的各機器之監視資料所得；分類指標定量化部，係將機器分類指標資料所含的定性性資料變換成表示定性性資料間之類似度的定量性資料；以及機器分類部，係使用定量性資料，按照機器單位進行設備分類。

本發明之機器分類裝置係作成將機器分類指標資料所含的定性性資料變換成表示定性性資料間之類似度的定量性資料，再使用定量性資料，按照機器單位進行設備分類。藉此，可高精度地進行機器之故障或異常等的分析。

100、100a‧‧‧機器分類裝置

101‧‧‧資料取得部

102‧‧‧分類指標定量化部

103、103a‧‧‧機器分類部

104‧‧‧特徵量變換部

200‧‧‧資料收集管理裝置

201‧‧‧機器分類指標資料庫

300‧‧‧網路

400‧‧‧監視對象

第1圖係本發明之第1實施形態之機器分類裝置的構成圖。

第2圖係表示使用本發明之第1實施形態的機器分類裝置之保養實績資料例的說明圖。

第3圖係本發明之第1實施形態之機器分類裝置的硬體構成圖。

第4圖係表示本發明之第1實施形態的機器分類裝置之機器分類處理的流程圖。

第5圖係表示使用本發明之第1實施形態的機器分類裝置之定量性資料例的說明圖。

第6圖係表示本發明之第1實施形態的機器分類裝置之有定性性資料類似度之事前資訊的情況之機器分類處理的流程圖。

第7A圖、第7B圖、第7C圖係表示使用本發明之第1實施形態的機器分類裝置之事前資訊例的說明圖。

第8圖係表示本發明之第1實施形態的機器分類裝置之定量性資料之分類例的說明圖。

第9圖係表示使用本發明之第1實施形態的機器分類裝置之各機器之特徵量的說明圖。

第10圖係本發明之第2實施形態之機器分類裝置的構成圖。

以下，為了更詳細地說明本發明，參照附加之圖面，說明本發明之實施形態。

第1實施形態

第1圖係包含本實施形態之機器分類裝置100之監視系統的構成圖。

在圖示之監視系統，機器分類裝置100係與資料收集管理裝置200連接，而資料收集管理裝置200係經由網路300與監視對象400連接。

機器分類裝置100包括資料取得部101、分類指標定量化部102以及機器分類部103。資料取得部101係從資料收集管理裝置200所管理之機器分類指標資料庫201取得機器分類指標資料的處理部。分類指標定量化部102係將機器分類指標資料所含之定性性資料變換成定量性資料的處理部。機器分類部103係使用在分類指標定量化部102所產生之定量性資料，按照機器單位進行設備分類的處理部。

資料收集管理裝置200係收集來自監視對象400之監視資料並作為機器分類指標資料庫201來儲存並管理的裝置。機器分類指標資料庫201所儲存之監視資料意指根據對監視對象400之保養者的檢查或設備資訊所製作的資料(例如保養實績資料)等從監視對象400直接或間接地得到的資料。作為機器分類指標資料庫201所儲存之機器分類指標資料，在第2圖表示以升降機為例之保養實績資料的例子。

在第2圖，表示從對一台設備的一台機器之保養者的檢查或設備資訊所得之保養實績資料例。在保養實績資料例，作為資料項目之例子，記載設備ID、機型ID、機器ID、設置區域、作業員姓名、保養作業內容、異常之有無等。這些資料項目之值係一例。資料項目係為了儲存從實際之設備、機器所收集之保養實績資料的項目而可變更。又，若可區別設備、機器，亦可將複數台設備、機器的資料集中成一張表。進而，若可將設備、機器賦與對應，亦可將一台設備之一台機器的資料分別成複數張表。又，亦可分割平常時之保養作業、發生故障、異常之情況的保養作業等形態相異之保養作業的保養實績資料來管理。即，作為機器分類指標資料庫201所儲存之機器分類指標資料，係只要是機器固有的資訊，任何資訊都可。

監視對象400係例如是升降機或空調之由一台或複數台機器所構成的設備。監視對象400係設想由相同之機器所構成的設備存在2台以上。亦可是不與網路300連接，而將監視對象400與資料收集管理裝置200直接連接的構成。亦可是不論監視對象400與資料收集管理裝置200之連接方法，都對資料收集管理裝置200與機器分類裝置100進行網路連接的構成。

第3圖係用以實現本實施形態的機器分類裝置之硬體構成的方塊圖。在第3圖，表示在一台硬體上構成第1圖之機器分類裝置100與資料收集管理裝置200的例子。機器分類裝置100及資料收集管理裝置200包括處理器11、記憶體12、通訊I/F(介面)裝置13、記憶裝置14以及輸出裝置15。處理器11係用以實現機器分類裝置100及資料收集管理裝置200之功能的處理器。記憶體12係機器分類裝置100及資料收集管理裝置200之功能對應之各種程式的程式記憶體，是作為在處理器11進行資料處理時所使用之工作記憶體及將信號資料展開之記憶體等所使用之ROM及RAM等的記憶部。通訊I/F裝置13係與網路300等之外部的通訊介面。記憶裝置14係用以儲存各種資料或程式的記憶裝置。輸出裝置15係用以向外部輸出處理結果的裝置。

第1圖中之資料取得部101、分類指標定量化部102以及機器分類部103所進行的處理係處理器11讀出並執行記憶體12所記憶之程式。機器分類指標資料庫201所儲存之資料係從監視對象400經過網路300，透過通訊I/F裝置13，被儲存於記憶裝置14。機器分類部103之處理結果係因應於需要被儲存於記憶裝置14，再藉輸出裝置15輸出至外部。此外，亦可在相異的硬體上構成機器分類裝置100與資料收集管理裝置200。

其次，說明本實施形態之機器分類裝置100的動作。

資料收集管理裝置200係向機器分類指標資料庫201持續地或斷續地輸入從監視對象400所得之機器分類指標資料。機器分類裝置100係從機器分類指標資料庫201取得機器分類指標資料並進行處理。第4圖係表示機器分類裝置100之處理的流程圖。

首先，資料取得部101係自機器分類指標資料庫201取得機器分類指標資料(步驟ST1)。此外，在機器分類指標資料包含複數種資料項目的情況，對各資料項目執行第4圖之流程圖。例如，作為機器分類指標資料的指標，被輸入機器ID的情況，輸出所分類之機器ID的列表。列表的形式係不拘，例如，有對各分類分配分類ID，並將符合各機器ID的分類ID儲存於一列之表形式的輸出。又，作為其他的列表的例子，亦有對各分類製作一個檔案，並將屬於該分類之機器ID儲存於檔案內的方法。

在分類指標定量化部102，將從各機器所取得之機器分類指標資料所含的定性性資料變換成作為可判定類似性的形式之由數值所構成的定量性資料。在步驟ST2，根據所輸入之機器分類指標資料是否是數值來判斷是否是定量性資料，並將以後之處理進行分支。在步驟ST2是定量性資料的情況(在步驟ST2：YES)，分類指標定量化部102係結束該處理。即，將分類指標定量化部102所輸入之機器分類指標資料直接輸出至機器分類部103。另一方面，在步驟ST2不是定量性資料的情況(在步驟ST2：NO)，執行步驟ST3的處理。在步驟ST3，作為定性性資料彼此的類似度，算出定性性資料間的距離，並對各資料分配因應於距離的值，藉此，作為定量性資料。定性性資料間的距離係根據n-gram之階層性群集分析等文字串分析手法所算出，並將因應於距離的值作為定量性資料。此處，在定性性資料因為表示愈前方之文字愈大束之分類而對距離的影響愈大，因為愈後方之文字愈小束之分類而對距離的影響愈小等文字之位置與對距離之影響的關係已知的情況，亦可在算出距離時對距離之影響大的文字進行加權等的處理。例如，在機器ID之文字串，若是前半表示主要變更版本編號、後半表示次要變更版本編號的情況等，有愈前面的文字串對距離之影響愈大的情況。

在第5圖，表示已變換定性性資料之定量性資料例。在第5圖，作為簡單的例子，機器ID的名稱表示以連字號記號“-”連接機器之主要變更版本編號與次要變更版本編號來記述的情況之定量性資料例。在此定量性資料例，機器ID為AAA-01、AAA-02、AAA-03者係因為主要變更版本編號相同，而僅次要變更版本編號相異，所以分配近的值。機器ID為BBB-01、BBB-02、AAA-01、AAA-02、AAA-03者係因為主要變更版本編號相異，所以分配遠的值。

在步驟ST2機器分類指標資料是定量性資料的情況或在進行步驟ST3之處理後，機器分類部103係根據多變量分析手法或機械學習手法等所輸入之值，即分類成在多變量分析等之特徵量近的各機器(步驟ST4)。關於具體之分類例將後述。

另一方面，在作為事前資訊已知定性性資料彼此之類似度的情況，亦可應用事前資訊之類似度。在事前資訊，亦可僅對定性性資料之一部分分配。例如，在機器ID之中，僅分配主要變更版本編號之類似度等。又，在事前資訊，亦可分配定性性資料之各文字位置的加權規則。例如，在事前資訊，分配主要變更版本編號與次要變更版本編號之加權的百分比等。又，亦可提供不變換成定量性資料的定性性資料，作為事前資訊。

在第6圖表示有事前資訊之情況的分類指標定量化流程。與第4圖相同之處理，係附加相同的步驟編號。分類指標定量化部102係首先，在步驟ST2之是否是定量性資料的判斷步驟，在不是定量性資料的情況(在步驟ST2：NO)，判斷是否有關於所輸入之機器分類指標資料之類似度的事前資訊，並將以後之處理進行分支(步驟ST5)。在步驟ST5，無類似度之事前資訊的情況(在步驟ST5：NO)，與第4圖一樣地實施步驟ST3的處理。在有類似度之事前資訊的情況(在步驟ST5：YES)，在步驟ST6的處理，分配因應於所提供之事前資訊之類似度的數值。此處，在事前資訊之類似度不是定量性資料而是定性性資料的情況，與步驟ST3一樣，作為定性性資料彼此之類似度，算出定性性資料間的距離，並對各資料分配因應於距離的值，藉此，作為定量性資料。定性性資料間的距離係根據n-gram之階層性分析等算出詞間之距離的手法所算出，並將因應於距離的值作為定量性資料。亦可算出定性性資料間的距離的方法係使用與步驟ST3相異的方法。

在第7圖表示事前資訊之例子。在第7A圖表示指定定性性資料之類似度的例子。第7A圖係指定機器ID之前方3個文字之類似度的例子，表示機器ID為AAA與BBB的機器係類似度比較高，機器ID為CCC之機器係類似度比機器ID為AAA與BBB的機器比較低。又，在第7B圖表示指定定性性資料之各文字位置之加權規則的例子。第7B圖係機器ID之各文字位置的加權規則的例子，係為了加重機器ID之第1~第3文字的加權而設定為10，為了使第5~第6文字的加權比第1~第3文字輕而設定為1之情況的例子。此外，因為第4字是連字號而從加權規則除外。又，在第7C圖表示指定不變換成定量性資料的定性性資料的例子。在第7C圖表示不將設備ID進行定量化的情況。第7A圖、第7B圖、第7C圖係指定之資訊之例，資訊之提供方法係亦可變更。

作為別的例子，亦可將作為機器之保養作業的結果所記載的自由本文利用為機器分類指標資料。例如，藉語素分析抽出保養作業之結果所記載的自由本文所含之“有異常”、“已處置”、“原因是事件A”等的單字，並對類似之語素多的本文分配近的數值等。

在機器分類部103，因為將各機器分類成特徵類似的各機器，所以輸入複數台機器份量之在分類指標定量化部102所變換的定量性資料，並分類成定量性資料近之值的各機器。定量性資料係亦可僅一個資料項目輸入，亦可將複數個資料項目一起輸入。在第4圖或第6圖的步驟ST4，亦可利用系統樹圖等之階層性群集分析或k-means法等之非階層性群集分析等的一般性多變量分析手法、或支持向量機等之一般性機械學習手法。在第8圖表示分類的例子。

第8圖係作為定量性資料之分類例，輸入複數種資料項目份量之三台機器的定量性資料，並作為執行主成分分析等之多變量分析手法時的特徵量空間，在二維散佈圖在模式上表示特徵量1與特徵量2。在第8圖，特徵量值801與特徵量值802係因為在散佈圖上的距離近，所以表示集中成一種分類804。特徵量值803係因為與特徵量值801及特徵量值802在散佈圖上的距離遠，所以表示作成與分類804不同的分類805。作為依此方式所分類的方法，亦可利用算出特徵量值801、802、803各自之間的距離，並根據距離之臨限值分類的最近鄰法、或預先決定分類之個數的k-means法等一般之群集分析法。

作為本發明的一種用途，有機器之故障、異常分析。例如，在為了制定機器之保養計劃而預測未來發生故障之時期的情況，有從自機器所得之資料，從統計性故障發生頻率或劣化傾向預測未來發生故障之機率(故障風險)，並推測需要保養之時間的手法。

此處，具有類似之特徵的機器係因為發生故障之前頻率或劣化傾向亦類似的可能性高，所以對類似之各特徵進行機器分類，這在用以預測故障風險上亦有用。分類成更類似之各機器，這導致故障風險之預測精度提高。為了算出故障風險所使用之資料係亦可與在本實施形態之機器分類裝置100所使用的資料相同，亦可使用其他的資料。在推測故障風險時，可按照機器單位預測故障風險，但是亦可綜合性地判斷構成該設備之複數台機器的相關關係等複數台機器的故障風險，並預測按照設備單位之故障風險。

其次，說明第1實施形態之效果。第9圖係作為各機器之特徵量的例子，對機器1、機器2之2台機器，從設備a、設備b、設備c之3台設備收集資料，並算出特徵量，再表達於分別從2個特徵量所製作的二維散佈圖上。以901表示機器1之設備特徵量，並以902表示機器2之設備特徵量。

在習知法，因為是設備單位之分類，在設備a、設備b、設備c被分類成具有相同之特徵之設備的情況，不論機器1、機器2之特徵，都作成相同的分類。另一方面，在第1實施形態，例如在機器1之設備特徵量901，在將設備a與設備b設定成一種分類，並將設備c設定成別的分類的情況，亦可在機器2之設備特徵量902，將設備a與設備c設定成一種分類，並將設備b設定成別的分類等按照機器單位分類。

藉由分類成具有相同之特徵的各機器，可期待機器之故障風險的預測精度、故障、異常檢測之精度等的提高。又，藉由分類成類似的各機器，在某機器發現故障、異常等的情況，抽出具有相同之特徵的機器，並進行保養，藉此，可預防在其他的機器之故障、異常，而可期待根據各機器之保養作業的時程表的保養高效率化。例如，在因升降機A之門開閉馬達的扭矩降低而發生關在門內的情況，對具有相同之特徵之其他的升降機的門開閉馬達檢查是否有扭矩降低徵兆並進行保養，藉此，可期待減少故障或事故。作為別的例子，在檢測出升降機A之門開閉馬達之扭矩降低的情況，雖然在具有相同之特徵之其他的升降機的門開閉馬達亦有發生扭矩降低的可能性，但是若不必馬上處理，將保養作業適當地排入時程，藉此，可期待作業的高效率化。

如以上之說明所示，若依據第1實施形態之機器分類裝置，因為包括：資料取得部，係取得是在各機器固有之資訊的機器分類指標資料，該固有之資訊係從在各個由一台或複數台機器所構成之複數台設備的各機器之監視資料所得；分類指標定量化部，係將機器分類指標資料所含的定性性資料變換成表示定性性資料間之類似度的定量性資料；以及機器分類部，係使用定量性資料，按照機器單位進行設備分類；所以可高精度地進行機器之故障或異常等的分析。

第2實施形態

在第1實施形態作成根據在分類指標定量化部102所定量化之機器分類指標資料，機器分類部103進行各機器的分類。相對地，亦可作成在向機器分類部103輸入在分類指標定量化部102所定量化之機器分類指標資料之前，為了強調各機器之特徵的差異而變換成特徵量，機器分類部103根據此特徵量對各機器進行分類，以第2實施形態說明之。

變換成特徵量的目的係在從複數個機器分類指標資料進行機器分類的情況，使各機器的差異變得明確。在僅從一個機器分類指標資料進行機器分類的情況，因為在變換成定量性資料時對類似之機器分類指標資料分配近的值，所以可僅根據機器分類指標資料之值來分類。可是，在從複數個機器分類指標資料進行機器分類的情況，即使某機器分類指標資料是近的值的機器，亦有別的機器分類指標資料具有遠的值的情況。在這種情況，因為機器分類指標資料之值原封不動時無法明確地得知各機器的差異，而無法正確地進行機器分類。因此，藉由從複數個機器分類指標資料求得使各機器之差異變得明確的特徵量，而具有更正確地進行機器分類的可能性。例如，有從機型ID、設置區域等複數個機器分類指標資料，利用根據MT法的距離，作為特徵量的方法。亦可是作為特徵量，例如主成分分析的各主成分、在回歸分析之回歸係數與誤差、根據型樣匹配法之類似度等的多變量分析手法等一般的手法。

第10圖係應用第2實施形態之機器分類裝置100a之監視系統的構成圖。第2實施形態之機器分類裝置100a包括資料取得部101、分類指標定量化部102、機器分類部103a以及特徵量變換部104。此處，資料取得部101及分類指標定量化部102係與第1實施形態一樣。特徵量變換部104係將在分類指標定量化部102所定量化之機器分類指標資料變換成特徵量的處理部。機器分類部103a係使用在特徵量變換部104所變換之特徵量，進行機器分類的處理部。此外，在第10圖，資料收集管理裝置200、網路300以及監視對象400係與第1圖所示之第1實施形態一樣。

在依此方式所構成之機器分類裝置100a，在向機器分類部103a輸入在分類指標定量化部102所產生之定量性資料之前，特徵量變換部104將定量性資料變換成特徵量。機器分類部103a係從特徵量變換部104取得特徵量，再將特徵量之值類似的機器分類成特徵類似的機器。此外，亦可特徵量變換部104不是將在分類指標定量化部102所產生之定量性資料全部變換成特徵量，而僅將一部分變換的構成。在僅將一部分變換的情況，機器分類部103a係使用所變換之特徵量與定量性資料的雙方進行分類。

如以上之說明所示，若依據第2實施形態之機器分類裝置，因為包括：資料取得部，係取得是在各機器固有之資訊的機器分類指標資料，該固有之資訊係從在各個由一台或複數台機器所構成之複數台設備的各機器之監視資料所得；分類指標定量化部，係將機器分類指標資料所含的定性性資料變換成表示定性性資料間之類似度的定量性資料；特徵量變換部，係將定量性資料變換成表示各機器之特徵的差異之特徵量；以及機器分類部，係將特徵量接近之機器作為特徵量類似的機器，按照機器單位進行設備分類；所以可更高精度地進行機器之故障或異常等的分析。

此外，本發明係在其發明的範圍內，可進行各實施形態之任意的組合、或各實施形態之任意之構成元件的變形，或者在各實施形態省略任意之構成元件。

【工業上的可應用性】

如以上所示，本發明之機器分類裝置係對複數台設備，對這些設備所具有之各機器將各設備進行分類，適合利用於升降機或空調等同種類者在相異之環境存在複數台的設備。

Claims

一種機器分類裝置，其特徵為包括：資料取得部，係取得是在各機器固有之資訊的機器分類指標資料，該固有之資訊係從在各個由一台或複數台機器所構成之複數台設備的該各機器之監視資料所得；分類指標定量化部，係將該機器分類指標資料所含的定性性資料變換成表示定性性資料間之類似度的定量性資料；以及機器分類部，係使用該定量性資料，按照機器單位進行設備分類。
一種機器分類裝置，其特徵為包括：資料取得部，係取得是在各機器固有之資訊的機器分類指標資料，該固有之資訊係從在各個由一台或複數台機器所構成之複數台設備的該各機器之監視資料所得；分類指標定量化部，係將該機器分類指標資料所含的定性性資料變換成表示定性性資料間之類似度的定量性資料；特徵量變換部，係將該定量性資料變換成表示該各機器之特徵的差異之特徵量；以及機器分類部，係將該特徵量接近之機器作為特徵量類似的機器，按照機器單位進行設備分類。