非稳态检测系统、非稳态检测方法及非稳态检测程序

摘要

非稳态检测装置(100)将各时刻的大于或等于1个多值信号各自的多值信号值转换为二值信号值组。所述非稳态检测装置通过将各过去时刻的大于或等于1个二值信号各自的二值信号值与各过去时刻的所述大于或等于1个多值信号各自的二值信号值组的集合即过去信号值组设为输入而对预测模型进行运算，从而对所述对象时刻的预测信号值组进行计算。所述非稳态检测装置将所述对象时刻的所述大于或等于1个二值信号各自的二值信号值与所述对象时刻的所述大于或等于1个多值信号各自的二值信号值组的集合即对象信号值组与所述预测信号值组进行比较，对所述对象时刻的对象系统(220)的状态进行判定。

说明书

技术领域

本发明涉及对监视对象的非稳态进行检测的技术。

背景技术

在当前的工厂中，在发生生产线的停止等故障时，工厂的维护员基于知识和经验对故障的要因进行确定，进行适当的处理。

但是，从庞大的运转数据和复杂的程序之中确定故障的要因而及早地解决故障大多是困难的。

另外，难以通过实际上来说现实的工时来创建能够包罗性地对故障的要因进行确定的条件设定及程序。

专利文献1公开了用于无需进行包罗性的条件设定即可得到线索的系统，该线索用于由维护员对成为故障的要因的传感器或程序进行确定。

该系统自动地检测表示传感器的接通状态和断开状态的二值信号的非稳态的历时变化。

专利文献1：国际公开第2019/003404号

发明内容

为了对设备的运转状况进行监视，不仅需要针对二值信号，有时还需要针对多值信号进行非稳态的历时变化的检测。

在多值信号的非稳态的历时变化中，不仅存在多值信号的值自身成为非稳态的值的情况，还存在虽然多值信号的值自身是稳定的值，但多值信号的值并不与其它信号的变化对应的情况。关于后者，需要考虑二值信号与多值信号这两个信号的关联性而进行判别。

专利文献1的系统能够检测二值信号的非稳态的变化。但是，多值信号的非稳态的变化被从对象之中排除，因此不被检测。

本发明的目的在于能够考虑多值信号而对监视对象的非稳态进行检测。

本发明的非稳态检测系统用于基于大于或等于1个二值信号各自的二值信号值和大于或等于1个多值信号各自的多值信号值而对对象系统的非稳态进行检测，所述非稳态检测系统具有：

转换部，其将各时刻的所述大于或等于1个多值信号各自的多值信号值转换为大于或等于1个二值信号值即二值信号值组；

预测部，其通过将对象时刻之前的各时刻的所述大于或等于1个二值信号各自的二值信号值与所述对象时刻之前的各时刻的所述大于或等于1个多值信号各自的二值信号值组的集合即过去信号值组设为输入而对预测模型进行运算，从而对所述对象时刻的预测信号值组进行计算；以及

判定部，其将所述对象时刻的所述大于或等于1个二值信号各自的二值信号值与所述对象时刻的所述大于或等于1个多值信号各自的二值信号值组的集合即对象信号值组与所述预测信号值组进行比较，基于比较结果而对所述对象时刻的所述对象系统的状态是否是稳态进行判定。

发明的效果

根据本发明，能够考虑多值信号而对监视对象(对象系统)的非稳态进行检测。

附图说明

图1是实施方式1中的非稳态检测系统200的结构图。

图2是实施方式1中的非稳态检测装置100的结构图。

图3是实施方式1中的模型生成部110的结构图。

图4是实施方式1中的非稳态检测部120的结构图。

图5是实施方式1中的模型生成处理(S100)的概要图。

图6是实施方式1中的模型生成处理(S100)的流程图。

图7是实施方式1中的阈值组计算处理(S130)的流程图。

图8是实施方式1中的阈值组计算处理(S130)的概要图。

图9是实施方式1中的转换处理(S140)的流程图。

图10是实施方式1中的步骤S145的流程图。

图11是实施方式1中的转换处理(S140)的概要图。

图12是实施方式1中的非稳态检测处理(S200)的概要图。

图13是实施方式1中的非稳态检测处理(S200)的流程图。

图14是实施方式1中的转换处理(S220)的流程图。

图15是实施方式2中的模型生成部110的结构图。

图16是实施方式2中的模型生成处理(S100B)的流程图。

图17是实施方式2中的转换处理(S130B)的流程图。

图18是实施方式2中的步骤S135B的流程图。

图19是实施方式2中的转换处理(S130B)的概要图。

图20是实施方式2中的非稳态检测处理(S200B)的流程图。

图21是实施方式2中的转换处理(S220B)的流程图。

图22是实施方式中的非稳态检测装置100的硬件结构图。

具体实施方式

在实施方式及附图中，对相同的要素或相应的要素标注相同的标号。适当地省略或简化标注有与说明过的要素相同的标号的要素的说明。图中的箭头主要示出数据的流转或处理的流转。

实施方式1

基于图1至图14对非稳态检测系统200进行说明。

***结构的说明***

基于图1对非稳态检测系统200的结构进行说明。

非稳态检测系统200具有非稳态检测装置100、数据收集服务器210和对象系统220。

非稳态检测装置100经由网络201而与数据收集服务器210进行通信。

数据收集服务器210经由网络202而与对象系统220进行通信。

对象系统220是成为监视对象的系统。例如，对象系统220是工厂生产线。

对象系统220具有大于或等于1个设备221。在图1中，对象系统220具有5个设备(221A～221E)。

各设备221具有大于或等于1个仪器。例如，各设备221具有传感器及机器人等。

各设备221输出表示各时刻的运转状况的数据。将表示各时刻的运转状况的数据称为“运转数据”。运转数据也称为收集数据、信号数据或状态信号数据。

运转数据包含大于或等于1个二值信号值和大于或等于1个多值信号值。

二值信号值是二值信号所示的值。例如，从传感器输出的信号是通过接通和断开这两个值来表示传感器的状态的二值信号。

多值信号值是多值信号所示的值。例如，从机器臂输出的信号是通过比二值多的值来表示机器臂的扭矩的多值信号。

在不区分二值信号和多值信号的情况下，都称为“状态信号”。

在不区分二值信号值和多值信号值的情况下，都称为“状态信号值”或“信号值”。

数据收集服务器210是具有处理器、存储装置及通信装置等的计算机。“服务器”也称为“服务器装置”。

数据收集服务器210从各设备221收集各时刻的运转数据，对收集到的运转数据进行积蓄。

基于图2，对非稳态检测装置100的结构进行说明。

非稳态检测装置100是具有处理器101、存储器102、贮存装置103、通信装置104和输入输出接口105这些硬件的计算机。这些硬件经由信号线而彼此连接。

处理器101是进行运算处理的IC，对其它硬件进行控制。例如，处理器101是CPU。

IC是Integrated Circuit的缩写。

CPU是Central Processing Unit的缩写。

存储器102是易失性或非易失性的存储装置。存储器102也被称为主存储装置或主存储器。例如，存储器102是RAM。在存储器102存储的数据根据需要而被保存于贮存装置103。

RAM是Random Access Memory的缩写。

贮存装置103是非易失性的存储装置。贮存装置103也被称为辅助存储装置。例如，贮存装置103是HDD。在贮存装置103存储的数据根据需要而被加载于存储器102。

HDD是Hard Disk Drive的缩写。

通信装置104作为接收器及发送器起作用。例如，通信装置104是通信板。

输入输出接口105是与输入装置及输出装置连接的端口。例如，输入输出接口105是USB端子，输入装置是键盘及鼠标，输出装置是显示器。

USB是Universal Serial Bus的缩写。

非稳态检测装置100具有模型生成部110和非稳态检测部120这些要素。这些要素由软件实现。

在贮存装置103中存储有用于使计算机作为模型生成部110和非稳态检测部120起作用的非稳态检测程序。非稳态检测程序被加载于存储器102，由处理器101执行。

在贮存装置103中还存储有OS。OS的至少一部分被加载于存储器102，由处理器101执行。

处理器101一边执行OS一边执行非稳态检测程序。

OS是Operating System的缩写。

非稳态检测程序的输入输出数据被存储于存储部190。

贮存装置103作为存储部190起作用。但是，也可以是存储器102、处理器101内的寄存器及处理器101内的缓存器等存储装置取代贮存装置103作为存储部190起作用，或者与贮存装置103一起作为存储部190起作用。

非稳态检测装置100也可以具有代替处理器101的多个处理器。多个处理器分担处理器101的功能。

非稳态检测程序能够以计算机可读取的方式记录(储存)于光盘或闪存等非易失性的记录介质。

基于图3，对模型生成部110的结构进行说明。

模型生成部110具有取得部111、阈值组计算部112、转换部113和学习部114这些要素。关于各要素的功能，会在后面叙述。

基于图4，对非稳态检测部120的结构进行说明。

非稳态检测部120具有取得部121、转换部122、预测部123、判定部124、确定部125和显示部126。关于各要素的功能，会在后面叙述。

***动作的说明***

非稳态检测系统200的动作(特别是非稳态检测装置100的动作)的流程相当于非稳态检测方法。另外，非稳态检测装置100的动作的流程相当于由非稳态检测程序实现的处理的流程。

基于图5及图6，对模型生成处理(S100)进行说明。

在图5中，实线箭头表示要素间的调用关系，虚线箭头表示相对于要素的数据的流转。

模型生成处理(S100)是用于生成预测模型191的处理。

预测模型191是用于对各状态信号的信号值进行预测的训练好的模型。预测模型191也称为正常模型。通过将对象时刻以前的各状态信号的信号值设为输入而对预测模型191进行运算，从而计算出对象时刻的下一时刻的各状态信号的预测信号值。预测信号值是预测出的信号值。

在步骤S110中，取得部111取得稳态时的运转数据，将取得的运转数据存储于存储部190。

稳态时的运转数据是在对象系统220处于稳定状态时收集的运转数据。

稳态时的运转数据是如下所述取得的。

对象系统220的状态是稳定状态。

数据收集服务器210在各时刻从各设备221收集运转数据，对收集到的运转数据进行存储。所存储的运转数据是稳态时的运转数据。

取得部111在各时刻从数据收集服务器210接收稳态时的新运转数据，将接收到的运转数据存储于存储部190。换言之，取得部111将稳态时的新运转数据从数据收集服务器210向存储部190进行复制。

通过反复进行步骤S110，从而稳态时的运转数据被积蓄于存储部190。将所积蓄的稳态时的运转数据即稳态时的运转数据的集合称为“运转数据库198”。

在步骤S120中，取得部111对是否积蓄了一定期间的稳态时的运转数据进行判定。

例如，取得部111从运转数据库198选择最早的运转数据和最新的运转数据，对从最早的运转数据的时刻至最新的运转数据的时刻为止的时间长度进行计算。然后，取得部111将计算出的时间长度与阈值进行比较。在计算出的时间长度大于或等于阈值的情况下，取得部111判定为已积蓄了一定期间的运转数据。阈值是预先确定的时间长度。成为阈值的时间长度根据对象系统220的性质而不同，为数小时至数周程度。

在积蓄了一定时间的运转数据的情况下，处理进入步骤S130。

在未积蓄一定时间的运转数据的情况下，处理进入步骤S110。

运转数据库198包含各时刻的运转数据。即，运转数据库198包含各状态信号的各时刻的信号值。

将表示二值信号的各时刻的信号值的数据即二值信号的时序数据称为“二值信号数据”。

将表示多值信号的各时刻的信号值的数据即多值信号的时序数据称为“多值信号数据”。

在不区分二值信号数据和多值信号数据的情况下，都称为“状态信号数据”。

在步骤S130中，学习部114读出运转数据库198，调用阈值组计算部112。

阈值组计算部112针对运转数据库198所包含的每个多值信号数据而对阈值组进行计算。

阈值组是为了将多值信号数据中的各多值信号值转换为大于或等于1个二值信号值(二值信号值组)所使用的大于或等于1个阈值。

阈值组计算部112将各多值信号用的阈值组保存于存储部190。

将所保存的阈值组即阈值组的集合称为“阈值组数据库192”。

基于图7，对阈值组计算处理(S130)的流程进行说明。

在步骤S131中，阈值组计算部112从运转数据库198选择1个未选择的状态信号数据。将所选择的状态信号数据称为“对象信号数据”。

在步骤S132中，阈值组计算部112对对象信号数据的种类进行判定。

例如，对各状态信号数据附加种类标识符。种类标识符对状态信号数据的种类进行识别。阈值组计算部112参照附加于对象信号数据的种类标识符而对对象信号数据的种类进行判定。

在对象信号数据是二值信号数据的情况下，处理进入步骤S136。

在对象信号数据是多值信号数据的情况下，处理进入步骤S133。

在步骤S133中，阈值组计算部112从对象信号数据提取大于或等于1个状态变化点各自的信号值。

状态变化点是多值信号的变化倾向改变的时间点即设备221的状态发生变化的时间点。例如，直至状态变化点为止处于上升倾向的多值信号在状态变化点及之后下降或恒定。另外，直至状态变化点为止处于下降倾向的多值信号在状态变化点及之后上升或恒定。

图8示出多值信号的具体例。

对多值信号的各峰值标注圆形标记。标注有各圆形标记的部分的信号值是状态变化点的信号值。

返回图7，从步骤S134起继续进行说明。

在步骤S134中，阈值组计算部112生成提取出的信号值的频度分布。

例如，阈值组计算部112生成图8所示这样的频度分布图。“区间”是指信号值的范围。

在步骤S135中，阈值组计算部112基于所生成的频度分布而对对象信号用的阈值组进行计算。

具体地说，阈值组计算部112从频度分布选择各峰值，确定与各峰值对应的信号值。然后，阈值组计算部112针对每组峰值之间而计算对应于一个峰值的信号值与对应于另一个峰值的信号值之间的值。计算出的各值成为阈值。例如，在与第1峰值对应的信号值是“2”，与第2峰值对应的信号值是“4”的情况下，“3”(＝(2+4)/2)成为阈值。

阈值组计算部112将计算出的阈值组存储于存储部190。

图8示出频度分布图的具体例。

对频度分布图的各峰值标注有圆形标记。

阈值组计算部112针对图8的频度分布图而计算将5个峰值划分开的4个阈值。

返回图7，从步骤S136起继续进行说明。

在步骤S136中，阈值组计算部112对在运转数据库198之中是否具有未选择的状态信号数据进行判定。

在具有未选择的状态信号数据的情况下，处理进入步骤S131。

在没有未选择的状态信号数据的情况下，处理结束。

对阈值计算处理(S130)进行补充说明。

频度分布也可以是对各多值信号值进行微分而得到的值(微分值)的频度分布。在这种情况下，阈值组计算部112如下所示进行动作。

在步骤S133中，阈值组计算部112对多值信号数据中的各多值信号值进行微分，从微分后的多值信号数据提取各状态变化点的微分值。所执行的微分是多少阶的微分均可。

在步骤S134中，阈值组计算部112生成提取出的微分值的频度分布。

返回图6，从步骤S140起继续进行说明。

在步骤S140中，学习部114调用转换部113。

转换部113针对每个多值信号数据，使用阈值组将多值信号数据中的各多值信号值转换为二值信号值。即，转换部113将各多值信号数据转换为二值信号数据。

基于图9，对转换处理(S140)的流程进行说明。

在步骤S141中，转换部113从运转数据库198选择1个未选择的状态信号数据。将所选择的状态信号数据称为“对象信号数据”。将与对象信号数据对应的状态信号称为“对象信号”。

在步骤S142中，转换部113对对象信号数据的种类进行判定。判定方法与步骤S132(参照图7)中的方法相同。

在对象信号数据是二值信号数据的情况下，处理进入步骤S147。

在对象信号数据是多值信号数据的情况下，处理进入步骤S143。

在步骤S143中，转换部113从阈值组数据库192选择对象信号用的阈值组。将所选择的阈值组称为“对象阈值组”。

在步骤S144中，转换部113从对象信号数据选择1个未选择的多值信号值。将所选择的多值信号值称为“对象信号值”。

在步骤S145中，转换部113使用对象阈值组将对象信号值转换为二值信号值组。二值信号值组是大于或等于1个的二值信号值。

具体地说，转换部113针对对象阈值组中的每个阈值，将对象信号值转换为表示对象信号值与阈值之间的大小关系的二值信号值。

关于步骤S145的详情，会在后面叙述。

在步骤S146中，转换部113对在对象信号数据之中是否具有未选择的多值信号值进行判定。

在具有未选择的多值信号值的情况下，处理进入步骤S144。

在没有未选择的多值信号值的情况下，处理进入步骤S147。

在步骤S147中，转换部113对在运转数据库198之中是否具有未选择的状态信号数据进行判定。

在具有未选择的状态信号数据的情况下，处理进入步骤S141。

在没有未选择的状态信号数据的情况下，处理结束。

基于图10，对步骤S145的流程进行说明。

在步骤S1451中，转换部113从对象阈值组选择1个未选择的阈值。将所选择的阈值称为“对象阈值”。

在步骤S1452中，转换部113将对象信号值与对象阈值进行比较。

在步骤S1453中，转换部113基于比较结果将对象信号值转换为二值信号值。通过转换而得到的二值信号值通过二值来表示对象信号值与对象阈值之间的大小关系。

在步骤S1454中，转换部113对在对象阈值组之中是否具有未选择的阈值进行判定。

在具有未选择的阈值的情况下，处理进入步骤S1451。

在没有未选择的阈值的情况下，处理结束。

基于图11，对步骤S145中的转换方法进行说明。

在图11中，对象阈值组是第1阈值与第2阈值的组。即，第1阈值和第2阈值各自成为对象阈值。另外，多值信号的各时刻的信号值成为对象信号值。

在第1二值信号中，各时刻的二值信号值通过二值而示出对象信号值与第1阈值之间的大小关系。

在第2二值信号中，各时刻的二值信号值通过二值而示出对象信号值与第2阈值之间的大小关系。

在对象信号值大于或等于对象阈值的情况下，转换部113将对象信号值转换为“1”。在对象信号值小于对象阈值的情况下，转换部113将对象信号值转换为“0”。

返回图6，从步骤S150起继续进行说明。

将在步骤S110中积蓄的各二值信号数据称为“收集二值信号数据”。将收集二值信号数据中的各二值信号值称为“收集二值信号值”。

将在步骤S140中得到的各二值信号数据称为“转换二值信号数据”。将转换二值信号数据中的各二值信号值称为“转换二值信号值”。

将收集二值信号数据与转换二值信号数据的集合称为“稳态二值信号数据组”。将收集二值信号值与转换二值信号值的集合称为“稳态二值信号值组”。

在步骤S150中，学习部114将稳态二值信号数据组设为输入，对各状态信号的稳态二值信号值的历时变化进行学习而生成训练好的模型。学习也称为机器学习。

稳态二值信号值的历时变化是指与时间的经过相伴的稳态二值信号值的变化。稳态二值信号值的历时变化也称为稳态信号模式(pattern)。各状态信号的稳态二值信号值的历时变化相当于对象系统220的稳态时的状态变化。

学习方法不受限制。例如，学习部114使用神经网络或隐马尔可夫模型进行学习。通过学习而决定训练好的模型的参数。在使用了神经网络的学习中，决定中间层的数量、各中间层的权重及各中间层的偏置值等参数。

在步骤S160中，学习部114将生成的训练好的模型保存于存储部190。所保存的训练好的模型是“预测模型191”。

基于图12及图13，对非稳态检测处理(S200)进行说明。

在图12中，实线箭头表示要素间的调用关系，虚线箭头表示相对于要素的数据的流转。

非稳态检测处理(S200)是用于对对象系统220的非稳定状态进行检测的处理。

在步骤S210中，取得部121取得运转数据，将取得的运转数据存储于存储部190。

运转数据是以与步骤S110(参照图6)相同的方式取得的。但是，所取得的运转数据不限于稳态时的运转数据。即，有时取得非稳态时的运转数据。

非稳态时的运转数据是在对象系统220处于非稳定状态时收集的运转数据。

通过反复进行步骤S210，从而各时刻的运转数据被保存于存储部190。将所保存的运转数据即运转数据的集合称为“运转数据库199”。

将在步骤S210中取得的运转数据称为“对象时刻的运转数据”。

对象时刻的运转数据包含对象时刻的各状态信号的信号值。

在步骤S220中，预测部123从运转数据库199读出对象时刻的运转数据，调用转换部122。

转换部122将对象时刻的运转数据中的各多值信号值转换为二值信号值组。

基于图14，对转换处理(S220)的流程进行说明。

在步骤S221中，转换部122从对象时刻的运转数据选择1个未选择的状态信号值。将所选择的状态信号值称为“对象信号值”。将与对象信号值对应的状态信号称为“对象信号”。

在步骤S222中，转换部122对对象信号值的种类进行判定。

例如，对各状态信号值附加种类标识符。种类标识符对状态信号值的种类进行识别。转换部122参照附加于对象信号值的种类标识符而对对象信号值的种类进行判定。

在对象信号值是二值信号值的情况下，处理进入步骤S225。

在对象信号值是多值信号值的情况下，处理进入步骤S223。

在步骤S223中，转换部122从阈值组数据库192选择对象信号用的阈值组。将所选择的阈值组称为“对象阈值组”。

在步骤S224中，转换部122使用对象阈值组将对象信号值转换为二值信号值组。

转换方法与步骤S145(参照图9)中的方法相同。

在步骤S225中，转换部122对在对象时刻的运转数据之中是否具有未选择的状态信号值进行判定。

在具有未选择的状态信号值的情况下，处理进入步骤S221。

在没有未选择的状态信号值的情况下，处理结束。

返回图13，从步骤S230起继续进行说明。

运转数据库199包含对象时刻以前的各二值信号的二值信号值和对象时刻以前的各多值信号的二值信号值组。

将对象时刻的各二值信号的二值信号值与对象时刻的各多值信号的二值信号值组的集合称为“对象信号值组”。

将对象时刻之前的各时刻称为“过去时刻”。

将各过去时刻的各二值信号的二值信号值与各过去时刻的各多值信号的二值信号值组的集合称为“过去信号值组”。

在步骤S230中，预测部123从运转数据库199读出过去信号值组。

预测部123将过去信号值组设为输入而对预测模型191进行运算。由此，计算出对象时刻的预测信号值组。预测信号值组是预测出的对象信号值组。

在步骤S240中，预测部123调用判定部124。

判定部124从运转数据库199读出对象信号值组，将对象信号值组与预测信号值组进行比较。

在步骤S250中，判定部124基于比较结果对对象时刻的对象系统220的状态是否是稳态进行判定。

具体地说，判定部124基于比较结果而对异常度进行计算，将异常度与阈值进行比较。阈值是预先确定的。对象信号值组与预测信号值组的差值越大则异常度越大。例如，判定部124针对每个状态信号而对对象信号值与预测信号值的差值进行计算，对计算出的差值的合计值进行计算。计算出的合计值成为异常度。在异常度大于阈值的情况下，判定部124判定为对象时刻的对象系统220的状态为非稳态。

在对象时刻的对象系统220的状态为稳态的情况下，处理进入步骤S270。

在对象时刻的对象系统220的状态为非稳态的情况下，处理进入步骤S260。

在步骤S260中，判定部124调用确定部125。

确定部125对非稳态的状态信号进行确定。

例如，确定部125针对每个状态信号对对象信号值与预测信号值的差值进行计算。将计算出的差值称为“误差”。确定部125将各状态信号的误差与阈值进行比较。阈值是预先确定的。然后，确定部125基于比较结果而对非稳态的状态信号进行确定。与大于阈值的误差对应的状态信号是非稳态的状态信号。

在步骤S270中，显示部126基于步骤S250的判定结果和步骤S260的确定结果而生成检测结果，将检测结果显示于显示器。

检测结果示出对象系统220的状态。另外，在对象系统220的状态为非稳态的情况下，检测结果示出非稳态的状态信号。例如，检测结果示出非稳态的状态信号的信号值的时序和非稳态的状态信号的预测信号值。

针对从多值信号向二值信号的转换进行补充说明。

认为在设备的仪器的动作或状态发生变化时，信号大多从恒定状态、增加(上升)状态或减少(下降)状态向其它状态切换。通过以在阈值之间包含状态变化点的方式设定各阈值，从而能够以信号的状态根据设备的动作的转变及设备的状态的转变而变化的方式将多值信号转换为二值信号。

***实施方式1的效果***

能够考虑包含二值信号和多值信号在内的多个信号的关联性而判定设备中的非稳态动作的有无。另外，由于多值信号被转换为二值信号，因此，能够在二值信号和多值信号中通过共通的方式而计算出非稳态的程度。

利用根据正常的时序的信号数据而预测下一个信号值的训练好的模型。由此，能够构建仅输入工厂生产线的正常的运转数据的非稳态检测装置。并且，能够对多种多样且未知的非稳态进行检测。另外，多值信号被转换为二值信号，该二值信号被与其它二值信号组合而进行学习。由此，能够考虑多个信号的关联性而对非稳态进行检测。

实施方式2

关于不使用阈值组就将多值信号值转换为二值信号值的方式，基于图15至图21，主要对与实施方式1的不同点进行说明。

***结构的说明***

非稳态检测系统200的结构与实施方式1中的结构(参照图1)相同。

非稳态检测装置100的结构与实施方式1中的结构(参照图2)相同。

基于图15，对模型生成部110的结构进行说明。

模型生成部110具有取得部111、转换部113和学习部114。不需要阈值组计算部112。

非稳态检测部120的结构与实施方式1中的结构(参照图4)相同。

***动作的说明***

基于图16，对模型生成处理(S100B)进行说明。

模型生成处理(S100B)相当于实施方式1中的模型生成处理(S100)。

在步骤S110B中，取得部111取得稳态时的运转数据，将取得的运转数据存储于存储部190。

步骤S110B与步骤S110(参照图6)相同。

在步骤S120B中，取得部111对是否积蓄了一定期间的稳态时的运转数据进行判定。

步骤S120B与步骤S120(参照图6)相同。

在积蓄了一定时间的运转数据的情况下，处理进入步骤S130B。

在未积蓄一定时间的运转数据的情况下，处理进入步骤S110B。

在步骤S130B中，转换部113将各多值信号数据转换为二值信号数据。

基于图17，对转换处理(S130B)的流程进行说明。

在步骤S131B中，转换部113从运转数据库198选择1个未选择的状态信号数据。将所选择的状态信号数据称为“对象信号数据”。将与对象信号数据对应的状态信号称为“对象信号”。

在步骤S132B中，转换部113对对象信号数据的种类进行判定。判定方法与步骤S132(参照图7)中的方法相同。

在对象信号数据是二值信号数据的情况下，处理进入步骤S137B。

在对象信号数据是多值信号数据的情况下，处理进入步骤S133B。

在步骤S133B中，转换部113从对象信号数据选择1个未选择的多值信号值。

将所选择的多值信号值称为“对象信号值”。将与对象信号值对应的时刻称为“对象时刻”。对象信号值是对象时刻的多值信号值。

在步骤S134B中，转换部113从对象信号数据提取对象时刻之前的时刻的多值信号值。对象时刻之前的时刻的多值信号值为在对象信号数据中残存的信号值。将所提取的多值信号值称为“前信号值”。

转换部113将对象信号值与前信号值进行比较。

在步骤S135B中，转换部113基于比较结果而将对象信号值转换为二值信号值组。但是，在对象信号值被转换为二值信号值组之后，原来的对象信号值也残留在对象信号数据中。

具体地说，转换部113基于比较结果而对对象信号的变化倾向进行判定，基于判定结果而将对象信号值转换为二值信号值组。即，转换部113将对象信号值转换为表示对象信号的变化倾向的二值信号值组。

关于步骤S135B的详情，会在后面叙述。

在步骤S136B中，转换部113对在对象信号数据之中是否具有未选择的多值信号值进行判定。

在具有未选择的多值信号值的情况下，处理进入步骤S133B。

在没有未选择的多值信号值的情况下，处理进入步骤S137B。

在步骤S137B中，转换部113对在运转数据库198之中是否具有未选择的状态信号数据进行判定。

在具有未选择的状态信号数据的情况下，处理进入步骤S131B。

在没有未选择的状态信号数据的情况下，处理结束。

基于图18，说明将对象信号值转换为2个二值信号值的情况下的步骤S135B的流程。

在步骤S1351中，转换部113基于比较结果对对象信号的变化倾向进行判定。

在对象信号值大于前信号值且对象信号值与前信号值的差值的绝对值大于阈值的情况下，对象信号处于上升倾向。

在对象信号值小于前信号值且对象信号值与前信号值的差值的绝对值大于阈值的情况下，对象信号处于下降倾向。

在对象信号处于上升倾向的情况下，处理进入步骤S1352。

在对象信号不处于上升倾向的情况下，处理进入步骤S1353。

转换部113也可以对对象信号值进行微分，基于微分值对对象信号的变化倾向进行判定。所执行的微分是多少阶的微分均可。

在微分值的符号为正的情况下，对象信号处于上升倾向。

在微分值的符号为负的情况下，对象信号处于下降倾向。

在步骤S1352中，转换部113将第1二值信号值决定为“1”。

在步骤S1352之后，处理进入步骤S1355。

在步骤S1353中，转换部113将第1二值信号值决定为“0”。

在对象信号处于下降倾向的情况下，处理进入步骤S1354。

在对象信号不处于下降倾向的情况下，处理进入步骤S1355。

在步骤S1354中，转换部113将第2二值信号值决定为“1”。

在步骤S1354之后，处理结束。

在步骤S1355中，转换部113将第2二值信号值决定为“0”。

在步骤S1355之后，处理结束。

基于图19，对步骤S135B中的转换方法进行说明。

多值信号为对象信号，多值信号的各时刻的信号值成为对象信号值。

在第1二值信号中，各时刻的二值信号值通过二值而示出在各时刻对象信号是否处于上升倾向。

在第2二值信号中，各时刻的二值信号值通过二值而示出在各时刻对象信号是否处于下降倾向。

在对象信号处于上升倾向的情况下，转换部113将与对象信号值对应的第1二值信号值决定为“1”。在对象信号不处于上升倾向的情况下，转换部113将与对象信号值对应的第1二值信号值决定为“0”。

在对象信号处于下降倾向的情况下，转换部113将与对象信号值对应的第2二值信号值决定为“1”。在对象信号不处于下降倾向的情况下，转换部113将与对象信号值对应的第2二值信号值决定为“0”。

在第1二值信号值和第2二值信号值都为“0”时，对象信号处于信号值恒定这一倾向。

返回图16，从步骤S140B起继续进行说明。

将在步骤S110B中积蓄的各二值信号数据称为“收集二值信号数据”。将收集二值信号数据中的各二值信号值称为“收集二值信号值”。

将在步骤S130B中得到的各二值信号数据称为“转换二值信号数据”。将转换二值信号数据中的各二值信号值称为“转换二值信号值”。

将收集二值信号数据与转换二值信号数据的集合称为“稳态二值信号数据组”。将收集二值信号值与转换二值信号值的集合称为“稳态二值信号值组”。

在步骤S140B中，学习部114将稳态二值信号数据组设为输入，对各状态信号的稳态二值信号值的历时变化进行学习而生成训练好的模型。

步骤S140B与步骤S150(参照图16)相同。

在步骤S150B中，学习部114将生成的训练好的模型保存于存储部190。所保存的训练好的模型是“预测模型191”。

基于图20，对非稳态检测处理(S200B)进行说明。

除步骤S220B以外的各步骤中的处理与实施方式1(参照图13)中的处理相同。

在步骤S220B中，预测部123从运转数据库199读出对象时刻的运转数据，调用转换部122。

转换部122将对象时刻的运转数据中的各多值信号值转换为二值信号值组。

在步骤S221B中，转换部122从对象时刻的运转数据选择1个未选择的状态信号值。将所选择的状态信号值称为“对象信号值”。将与对象信号值对应的状态信号数据称为“对象信号数据”。

在步骤S222B中，转换部122对对象信号值的种类进行判定。判定方法与步骤S222(参照图14)中的方法相同。

在对象信号值是二值信号值的情况下，处理进入步骤S225B。

在对象信号值是多值信号值的情况下，处理进入步骤S223B。

在步骤S223B中，转换部122从运转数据库199中的对象信号数据提取对象时刻之前的时刻的多值信号值。对象时刻之前的时刻的多值信号值为在对象信号数据中残留的信号值。

在步骤S224B中，转换部122基于比较结果而将对象信号值转换为二值信号值组。但是，在对象信号值被转换为二值信号值组之后，原来的对象信号值也残留在对象信号数据中。

转换方法与步骤S135B(参照图17)中的方法相同。

在步骤S225B中，转换部122对在对象时刻的运转数据之中是否具有未选择的状态信号值进行判定。

在具有未选择的状态信号值的情况下，处理进入步骤S221B。

在没有未选择的状态信号值的情况下，处理结束。

针对从多值信号向二值信号的转换进行补充说明。

通常的输出二值信号的仪器被设定为，信号值根据设备的动作的转变或设备的状态的转变而变化。例如，对工件进行检测的传感器被设定为，在完成了工件的移动的情况下接通。在多值信号被转换为二值信号的情况下，也应该以状态根据设备的动作的转变或设备的状态的转变而变化的方式将多值信号转换为二值信号。

认为在设备的动作或状态发生变化时，多值信号大多从恒定状态、增加(上升)状态或减少(下降)状态向其它状态切换。通过将多值信号转换为增加二值信号(第1二值信号)和减少二值信号(第2二值信号)，从而在多值信号的状态变化点处二值信号的信号值发生变化。即，能够以状态根据设备的动作的转变及设备的状态的转变而变化的方式将多值信号转换为二值信号。

另外，不仅转换为多值信号的信号值的增加二值信号的信号值和减少二值信号的信号值，也可以将多值信号的信号值的微分值转换为增加二值信号的信号值和减少二值信号的信号值。认为在设备的动作或状态发生变化时信号值的微分值发生增减。能够通过将信号值的微分值转换为增加二值信号的信号值和减少二值信号的信号值，从而可知设备的动作的变化及设备的状态的变化。

***实施方式2的效果***

能够不使用阈值组就将多值信号值转换为二值信号值，得到与实施方式1相同的效果。

***实施方式的补充说明***

基于图22，对非稳态检测装置100的硬件结构进行说明。

非稳态检测装置100具有处理电路109。

处理电路109是实现模型生成部110和非稳态检测部120的硬件。

处理电路109可以是专用的硬件，也可以是执行在存储器102储存的程序的处理器101。

在处理电路109是专用的硬件的情况下，处理电路109例如是单一电路、复合电路、程序化的处理器、并行程序化的处理器、ASIC、FPGA或它们的组合。

ASIC是Application Specific Integrated Circuit的缩写。

FPGA是Field Programmable Gate Array的缩写。

非稳态检测装置100也可以具有代替处理电路109的多个处理电路。多个处理电路分担处理电路109的功能。

在处理电路109中，也可以一部分的功能由专用的硬件实现，剩余的功能由软件或固件实现。

这样，非稳态检测装置100的功能能够由硬件、软件、固件或它们的组合实现。

各实施方式是优选的方式的例示，并不意在限制本发明的技术范围。各实施方式也可以局部地实施，也可以与其它方式组合而实施。使用流程图等说明过的流程也可以适当地进行变更。

作为非稳态检测装置100的要素的“部”也可以替换为“处理”或“工序”。

标号的说明

100非稳态检测装置，101处理器，102存储器，103贮存装置，104通信装置，105输入输出接口，109处理电路，110模型生成部，111取得部，112阈值组计算部，113转换部，114学习部，120非稳态检测部，121取得部，122转换部，123预测部，124判定部，125确定部，126显示部，190存储部，191预测模型，192阈值组数据库，198运转数据库，199运转数据库，200非稳态检测系统，201网络，202网络，210数据收集服务器，220对象系统，221设备。