[發明專利]數據解析裝置、系統、方法及程序

有效

• 申請號: 201880096176.8
• 申請日: 2018-08-03
• 公開（公告）號: CN112513893B
• 公開（公告）日: 2022-09-23
• 發明（設計）人: 那須督
• 申請（專利權）人: 三菱電機株式會社
• 主分類號: G06N20/00
• 分類號: G06N20/00
• 代理公司: 北京天昊聯合知識產權代理有限公司 11112
• 代理人: 何立波;張天舒

本發明所涉及的數據解析裝置(1)具有數據收集部(131)和數據整理部(135)。數據收集部(131)對從與數據解析裝置(1)連接的儀器輸入的輸入信號進行收集。數據整理部(135)去除由數據收集部(131)收集到的輸入信號所包含的波形中出現頻度低于基準的波形。數據整理部(135)收集輸入信號所包含的波形中出現頻率高于基準的波形而生成學習用數據。

技術領域

本發明涉及數據解析裝置、系統、方法及程序。

背景技術

在工廠中，使用工業用機器人、傳感器、定序器等FA(Factory Automation)儀器來推進生產工序的自動化。要求FA儀器穩定且正常地運轉。因此，開發了對FA儀器是正常還是故障進行診斷、在診斷為故障的情況下迅速告知該情況的診斷裝置。

例如，在專利文獻1中公開了一種診斷系統，其在機械設備的運轉時，通過判定從傳感器輸出的信號的波形是否正常，從而對機械設備是否正常進行診斷。該診斷系統對機械設備的傳感器的輸出信號的波形的正常模型進行學習，基于學習到的正常模型，判定從傳感器輸出的信號的波形是否正常。

專利文獻1：日本特開2017-033470號公報

發明內容

在專利文獻1中公開的診斷系統將由傳感器檢測出的信號的檢測值歸一化，通過非分層聚類分析法對歸一化后的檢測值進行分析，生成波形的正常模型。非分層群集分析法將作為分析對象的數據分類至任意數量的聚類。因此，根據向聚類的分類方法，有時分析結果會出現偏差。因此，在專利文獻1所公開的診斷系統中，是基于有可能出現偏差的分析結果來生成正常模型。因此，存在難以將正常模型的精度保持得高的問題。

另外，專利文獻1所公開的診斷系統對由機械設備上的傳感器檢測的波形的檢測值進行歸一化處理，通過非分層聚類分析法對歸一化后的檢測值進行分析，基于分析結果生成波形的正常模型。因此，存在用于生成波形的正常模型的處理耗費工夫的問題。

如上所述，在專利文獻1所公開的診斷系統中，存在難以將波形的正常模型的精度保持得高，另外，用于生成波形的正常模型的處理耗費工夫的問題。因此，存在難以基于波形的正常模型簡易地生成高精度的學習用數據的課題。

本發明解決該課題，其目的在于提供一種能夠簡易地生成高精度的學習用數據的數據解析裝置、系統、方法以及程序。

為了實現上述目的，本發明所涉及的數據解析裝置具有數據收集部和數據整理部。數據收集部對從與數據解析裝置連接的儀器輸入的輸入信號進行收集。數據整理部去除由數據收集部收集到的輸入信號所包含的波形中出現頻率低于基準的波形。數據整理部對輸入信號所包含的波形中出現頻率高于基準的波形進行收集而生成學習用數據。

發明的效果

根據本發明，通過從輸入信號所包含的波形去除出現頻率低于基準的波形，能夠簡易地生成高精度的學習用數據。

附圖說明

圖1是實施方式中的數據解析裝置的概要圖。

圖2是表示實施方式中的數據解析裝置的硬件結構的一個例子的框圖。

圖3A是表示實施方式中的從輸入信號剪切波形的方法的概要的圖。

圖3B是用于說明實施方式中的剪切出的波形數據的分組的方法的一個例子的圖。

圖3C是表示實施方式中的剪切出的波形數據的分組的一個例子的圖。

圖3D是用于說明實施方式中的波形數據的刪除的圖。

圖4是實施方式中的學習模式處理的流程圖。

圖5是實施方式中的診斷模式處理的流程圖。

具體實施方式