TWI824681B - 裝置管理系統、裝置的障礙原因推測方法以及非暫時性地記憶程式的記憶媒體 - Google Patents
裝置管理系統、裝置的障礙原因推測方法以及非暫時性地記憶程式的記憶媒體 Download PDFInfo
- Publication number
- TWI824681B TWI824681B TW111132172A TW111132172A TWI824681B TW I824681 B TWI824681 B TW I824681B TW 111132172 A TW111132172 A TW 111132172A TW 111132172 A TW111132172 A TW 111132172A TW I824681 B TWI824681 B TW I824681B
- Authority
- TW
- Taiwan
- Prior art keywords
- information
- cluster
- inter
- management system
- transition information
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims description 64
- 230000007704 transition Effects 0.000 claims abstract description 127
- 230000005856 abnormality Effects 0.000 claims abstract description 65
- 238000000605 extraction Methods 0.000 claims abstract description 31
- 238000004364 calculation method Methods 0.000 claims abstract description 30
- 230000007246 mechanism Effects 0.000 claims abstract description 30
- 230000009471 action Effects 0.000 claims abstract description 9
- 238000012545 processing Methods 0.000 claims description 39
- 238000011156 evaluation Methods 0.000 claims description 18
- 238000005516 engineering process Methods 0.000 abstract description 4
- 238000007689 inspection Methods 0.000 description 41
- 230000008569 process Effects 0.000 description 36
- 239000011159 matrix material Substances 0.000 description 30
- 238000010586 diagram Methods 0.000 description 26
- 230000008859 change Effects 0.000 description 15
- 230000010365 information processing Effects 0.000 description 14
- 238000011179 visual inspection Methods 0.000 description 11
- 238000012423 maintenance Methods 0.000 description 9
- 230000004048 modification Effects 0.000 description 9
- 238000012986 modification Methods 0.000 description 9
- 239000006185 dispersion Substances 0.000 description 7
- 239000000284 extract Substances 0.000 description 7
- 238000004519 manufacturing process Methods 0.000 description 5
- 230000007257 malfunction Effects 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 229940079593 drug Drugs 0.000 description 3
- 239000003814 drug Substances 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 238000007796 conventional method Methods 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000000926 separation method Methods 0.000 description 2
- 239000000758 substrate Substances 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 230000006399 behavior Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000008719 thickening Effects 0.000 description 1
- 230000032258 transport Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/07—Responding to the occurrence of a fault, e.g. fault tolerance
- G06F11/0703—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation
- G06F11/079—Root cause analysis, i.e. error or fault diagnosis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/34—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/34—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment
- G06F11/3466—Performance evaluation by tracing or monitoring
- G06F11/3476—Data logging
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Hardware Design (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Debugging And Monitoring (AREA)
- Exchange Systems With Centralized Control (AREA)
Abstract
本發明提供一種可高精度地進行與電腦組合使用的裝置的障礙原因的推測的技術。本發明的裝置管理系統為裝置的管理系統，其特徵在於包括：日誌資料獲取機構，獲取日誌，所述日誌為和所述裝置的控制有關的、軟體的動作記錄；叢集資訊提取機構，自所述獲取的日誌的集合中提取叢集資訊及叢集間過渡資訊，所述叢集資訊為表示所述裝置的運轉的各步驟的內容的資訊，所述叢集間過渡資訊為和一個所述步驟與另一個所述步驟之間的過渡有關的資訊；異常度計算機構，算出所述提取的各個所述叢集間過渡資訊的異常度；以及障礙原因推測機構，基於由所述異常度計算機構所算出的所述異常度來推測所述裝置的障礙原因。
Description
本發明是有關於一種裝置管理系統、裝置的障礙原因推測方法以及程式。
關於產業用途的裝置（或設備）的保養業務，於產生了裝置動作的停止、性能的降低等障礙的情形時，進行其原因分析。另外，此種障礙原因的分析通常是由操作員（operator）一方面相互參照軟體（software）的動作記錄（日誌）、裝置的機械零件的運轉狀態（各種感測器測量值、馬達轉速等）、控制裝置（電腦）的運轉狀態（中央處理單元（Central Processing Unit，CPU）使用率、記憶體使用量、網路收發量、基板溫度等）等多樣的資訊，一方面進行分析。
然而，根據如此般對照多樣的資訊進行分析的方法，有操作員的負擔大，分析結果大幅度地受到個人的經驗、知識影響等問題。
針對此種問題，近年來提出了包含自動化在內的和保養業務的效率化有關的各種方法。例如，正致力於蓄積與裝置的狀態有關的資料，以有助於故障對策的自動化。尤其於反覆進行一定的簡單動作般的裝置中，有效的是藉由學習自感測器獲得的訊號資料從而檢測異常值或變化點（所謂偏離值），提出有使用該些資訊來進行障礙原因的推測或故障的預測（例如非專利文獻1等）。
然而，對於檢查裝置或加工機器等與控制裝置（電腦）組合而進行複雜動作般的裝置而言，使用簡單資料的先前技術難以獲得充分的結果。鑒於所述方面，近年來亦進行了下述研究，即：使用深層學習等方法來靈活運用自多數的感測器獲取的大量的資料（例如非專利文獻2等）。
而且，亦提出有代替感測器資料而靈活運用控制裝置的軟體日誌或維護記錄等文本資料，以這些作為對象進行學習，推測維護的最適時機（例如非專利文獻3等）。
[現有技術文獻]
[非專利文獻]
[非專利文獻1]費雷羅.S（Ferreiro, S.）、孔德.E（Konde, E.）、費爾南德.S（Fernandez, S.）及皮拉多.A（Prado, A.），2016，工業4.0：生產設備的預測性智能維護（Industry 4.0 : predictive intelligent maintenance for production equipment），歐洲預後與健康管理學會會議（European Conference of the Prognostics and Health Management Society），no（pp.1-8），researchgate.net.
[非專利文獻2]埃德姆吉米.T.T（Ademujimi, T.T.）、布倫代奇.M.P（Brundage, M.P.）及帕布.V.V（Prabhu,V.V.），2017，當前機器學習技術於製造診斷中的應用綜述（A Review of Current Machine Learning Techniques Used in Manufacturing Diagnosis），生產管理系統的進步（Advances in Production Management Systems），智能、協作及可持續製造之路（The Path to Intelligent, Collaborative and Sustainable Manufacturing）（pp.407-415），施普林格國際出版公司（Springer International Publishing.）
[非專利文獻3]帕蒂爾.R.B（Patil,R.B.）、帕蒂爾.M.A（Patil, M.A.）、拉維.V.（Ravi, V.）及內克.S（Naik, S.），2017，用於自機器日誌對成像設備進行糾正性維護的預測建模（Predictive modeling for corrective maintenance of imaging devices from machine logs），會議論文集：...IEEE醫學和生物學工程年度國際會議（Conference proceedings : ...Annual International Conference of the IEEE Engineering in Medicine and Biology Society），IEEE醫學和生物學工程學會（IEEE Engineering in Medicine and Biology Society），會議（Conference），2017，1676-1679，ieeexplore.ieee.org.
[發明所欲解決之課題]
然而，為了推測與電腦組合的相對較複雜的裝置的障礙原因，僅使用感測器資料的先前方法有下述問題，即：無法應對與軟體的動作連動地產生的不良狀況等。而且，即便為學習軟體日誌或維護記錄等文本資料進行分析的方法，亦有下述問題，即：雖可記錄、學習已知的障礙或劣化的狀態來進行分析，但關於未知或預料之外的障礙則難以學習，無法應對此種障礙等。
本發明是鑒於所述般的實際情況而成，其目的在於提供一種可高精度地進行與電腦組合使用的裝置的障礙原因的推測的技術。
[解決課題之手段]
為了達成所述目的，本發明採用以下的結構。即，
一種裝置管理系統，為裝置的管理系統，其特徵在於包括：
日誌資料獲取機構，獲取日誌，所述日誌為和所述裝置的控制有關的、軟體的動作記錄；
叢集資訊提取機構，自所述獲取的日誌的集合中提取叢集資訊及叢集間過渡資訊，所述叢集資訊為表示所述裝置的運轉的各步驟的內容的資訊，所述叢集間過渡資訊為和一個所述步驟與另一個所述步驟之間的過渡有關的資訊；
異常度計算機構，算出所述提取的各個所述叢集間過渡資訊的異常度；以及
障礙原因推測機構，基於由所述異常度計算機構所算出的所述異常度來推測所述裝置的障礙原因。
根據此種結構，關於產生了障礙的裝置，可針對和裝置的運轉有關的各個細小行為算出異常度，並基於所述異常度來進行障礙原因的推測，因而即便對於未知（或預料之外的）障礙原因，亦可推測其為障礙的原因。
而且，所述異常度計算機構亦可基於所述裝置的正常時的所述叢集間過渡資訊，來算出所述提取的各個所述叢集間過渡資訊的異常度。若為此種結構，則可不使用裝置有障礙時的學習資料，而僅基於裝置的正常運轉時的資料來算出障礙產生時的異常度，因而可自簡單結構的裝置至複雜的裝置而對各種對象適用。
而且，亦可於所述叢集間過渡資訊中，包含和所述裝置的多個所述步驟間的過渡的產生頻率有關的資訊，且所述裝置管理系統更包括：叢集間過渡資訊評價機構，基於所述產生頻率來進行所述提取的各個所述叢集間過渡資訊的加權，所述異常度計算機構使用進行了所述加權的資訊來算出所述異常度。藉由如此般包括基於步驟間的過渡的產生頻率來進行加權的機構，從而可有效率且高精度地算出異常度。
而且，亦可更包括：硬體資訊獲取機構，獲取和所述裝置的硬體的狀態有關的硬體資訊，所述叢集間過渡資訊評價機構基於所述硬體資訊獲取機構獲取的所述硬體資訊，進一步進行所述提取的各個所述叢集間過渡資訊的加權。
此處，所謂硬體資訊，為各種感測器資料及自所述感測器資料獲得的和裝置的硬體方面的動作、狀態有關的資訊。如此，藉由使用硬體資訊進一步進行加權，從而可更高精度地算出異常度。
而且，所述障礙原因推測機構亦可推測為，於由所述異常度計算機構所算出的所述異常度滿足既定條件的所述叢集間過渡資訊所指定的所述步驟中，存在所述裝置的障礙原因。所謂既定條件，具體而言，例如可設為超過既定的臨限值的情形等。於該情形時，臨限值可由用戶預先設定，亦可藉由根據裝置的運轉實績進行學習從而自動設定。藉由如此設定，從而可有效率地推測裝置的障礙原因。
而且，所述裝置管理系統亦可更包括：顯示機構，可顯示表示由所述異常度計算機構所算出的所述異常度、及/或由所述障礙原因推測機構所推測的所述障礙原因的資訊。根據此種結構，用戶可容易地確認所推測出的障礙原因。
而且，所述裝置管理系統亦可更包括：有向圖生成機構，以所述叢集資訊作為節點，以所述叢集間過渡資訊作為邊緣，生成表示所述叢集資訊及所述叢集間過渡資訊的關係的有向圖，所述顯示機構可顯示所述有向圖。
根據此種結構，用戶能以有向圖的態樣來確認和裝置的控制有關的軟體的動作，可將所述資訊靈活運用於裝置的管理、保養。
而且，所述叢集間過渡資訊亦可藉由既定的方法進行了增加重要度的評價的加權，所述有向圖生成機構生成可視認各個所述叢集間過渡資訊的所述加權的、所述有向圖。再者，此處的加權的方法並無特別限定，例如可如上所述，設為基於叢集間過渡的產生頻率、對應的硬體資訊（感測器資料）等的加權。根據此種結構，用戶可確認反映出加權的有向圖，故而可自有向圖獲取更詳細的資訊。
而且，所述有向圖生成機構亦可藉由將表示所述叢集間過渡資訊的所述加權的數值顯示於所述邊緣的附近，從而生成以可視認的方式表現所述加權的有向圖。
而且，所述有向圖生成機構亦可藉由對表示各個所述叢集間過渡資訊的所述邊緣的清晰度設置差異來進行顯示，從而生成以可視認的方式表現所述加權的有向圖。此處，所謂對清晰度設置差異，例如可想到將邊緣的線的粗細度對應權重而增粗，或者將邊緣的線的亮度或明度對應權重而提高等。
而且，亦可於所述叢集資訊中包含作為自所述日誌提取的文本資訊的單詞，所述有向圖生成機構將各個所述叢集資訊所含的所述單詞以出現次數由多到少的順序提取既定數，並且生成使用所述提取的單詞作為表示所述叢集資訊的內容的資訊的、所述有向圖。若為此種結構，則用戶可基於單詞容易地掌握有向圖的各節點的內容。
而且，所述裝置管理系統亦可更包括：提取日誌顯示圖像生成機構，自所述日誌的集合中，提取與滿足既定條件的所述叢集間過渡資訊對應的日誌，作為表示所述滿足既定條件的所述叢集間過渡資訊的內容的資訊，並且生成表示所述提取的日誌的內容的、提取日誌顯示圖像，所述顯示機構可顯示所述提取日誌顯示圖像。
再者，所謂此處提及的「滿足既定條件」，可設為異常度超過既定值的情形、用戶選擇了所述有向圖的與所述叢集間過渡資訊對應的邊緣的情形等。若為此種結構，則用戶可迅速確認與所述叢集間過渡資訊對應的日誌。
而且，所述提取日誌顯示圖像亦可彈出顯示於表示與所述顯示圖像所示的提取日誌對應的所述叢集間過渡資訊的、所述邊緣的附近。若為此種顯示，則可容易地掌握彈出顯示的所述提取日誌顯示圖像、與表示對應的所述叢集間過渡資訊的所述邊緣的關係。再者，提取日誌顯示圖像的顯示部位並無特別限定，亦可無關乎所述彈出顯示而設置特定的顯示區域。
而且，本發明亦可作為裝置的障礙原因推測方法而適用，所述裝置的障礙原因推測方法為推測裝置的障礙原因的方法，且包含：
日誌資料獲取步驟，獲取日誌，所述日誌為和所述裝置的控制有關的、軟體的動作歷程資訊；
叢集資訊提取步驟，自所獲取的所述日誌的集合中提取叢集資訊及叢集間過渡資訊，所述叢集資訊為表示由所述裝置進行的處理的各步驟的內容的資訊，所述叢集間過渡資訊為和所述裝置的多個所述步驟間的過渡有關的資訊；
異常度計算步驟，算出所述提取的各個所述叢集間過渡資訊的異常度；以及
障礙原因推測步驟，基於所述異常度計算步驟中算出的所述異常度來推測所述裝置的障礙原因。
而且，本發明亦可理解為用以使電腦執行所述方法的程式、及非暫時性地記錄有此種程式的電腦可讀取的記錄媒體。
再者，所述結構及處理各自只要不產生技術上的矛盾，則可相互組合而構成本發明。
[發明的效果]
根據本發明，可提供一種可高精度地進行與資訊處理裝置組合使用的裝置的障礙原因的推測的技術。
以下，基於圖式對本發明的實施例加以說明。然而，以下的各例所記載的結構要素的尺寸、材質、形狀、其相對配置等只要無特別記載，則並非意指將本發明的範圍僅限定於該些。
＜適用例＞
（適用例的結構）
本發明例如可適用作外觀檢查裝置的管理系統，所述外觀檢查裝置藉由對利用攝像機構拍攝檢查對象物所得的圖像進行處理，從而對檢查對象物進行檢查。圖1為表示本適用例的裝置管理系統1的概略的示意圖。
裝置管理系統1包含資訊處理終端100及外觀檢查裝置120。資訊處理終端100可與外觀檢查裝置120一體地構成，亦可為與外觀檢查裝置120可通訊地連接的分立的裝置，例如可包含通用的電腦。再者，資訊處理終端100可包含單一的電腦，亦可包含互相協作的多台電腦。外觀檢查裝置120例如為藉由拍攝零件搭載基板等檢查對象物並進行圖像處理從而自動進行檢查對象物的檢查的裝置。
資訊處理終端100包括日誌資料獲取部101、叢集資訊提取部102、叢集間過渡資訊評價部103、有向圖生成部104、基準資料生成部105、異常度計算部106、障礙原因推測部107、顯示部108、記憶部109的各功能部。除此以外，雖未圖示，但亦可包括滑鼠或鍵盤等各種輸入機構、通訊機構等。
外觀檢查裝置120成為包括下述部分的結構：輸送機124，將檢查對象物O搬送至拍攝位置；相機121，拍攝檢查對象物O；以及X平台122及Y平台123，使相機121沿水平方向移動。而且，外觀檢查裝置120雖未圖示，但包括對所拍攝的圖像進行處理的圖像處理部、基於圖像進行檢查的檢查處理部、及輸出檢查結果的輸出處理部等。
（障礙原因推測的方法）
本適用例的裝置管理系統1事先準備使用外觀檢查裝置120的正常動作時的多個資料進行學習（模型化）而得的基準資料，於外觀檢查裝置120產生了障礙的情形時，基於所述基準資料來推測障礙原因。
具體而言，首先由日誌資料獲取部101獲取和外觀檢查裝置120的正常動作時的控制有關的軟體日誌（以下亦簡稱為日誌）。日誌如圖2所示以文本資訊的形式構成，藉由利用叢集資訊提取部102對所述文本資訊進行處理，從而提取表示外觀檢查裝置120的運轉的各步驟的內容的、叢集資訊。進而，提取叢集間過渡資訊，此叢集間過渡資訊為和外觀檢查裝置120的運轉的一個步驟與另一個步驟之間的過渡有關的資訊。
進而，由有向圖生成部104製作表示所提取的各個叢集資訊及叢集間過渡資訊的關係的有向圖。將所述處理以製作基準資料所需要的程度重覆多次，獲取多個有向圖。進而，由基準資料生成部105將所獲取的多個有向圖替換為矩陣表現，並且對矩陣的各要素算出平均、分散，將其作為基準資料進行保存。
另外，於外觀檢查裝置120產生了障礙的情形時，獲取和障礙產生時的控制有關的日誌，藉由與基準資料的製作時相同的處理來製作有向圖，將其變換為矩陣表現。繼而，由異常度計算部106將所獲取的障礙產生時的矩陣資料的各要素與基準資料的矩陣的各要素進行比對，針對各要素算出表示與基準資料的偏離的大小的異常度。繼而，障礙原因推測部107認為與異常度為既定的臨限值以上的要素對應的步驟（或步驟間的過渡）為障礙的原因的可能性高，將所述步驟推測為障礙原因。
如以上般，本適用例的裝置管理系統1可僅基於正常動作時的資料來製作基準資料，藉由進行障礙產生時的資料與基準資料的比對從而推測障礙的產生原因。藉此，對於未知的障礙原因亦可高精度地進行推測。
＜實施形態1＞
繼而，基於圖1至圖9對本發明的實施形態加以更詳細說明。首先，對本實施形態的裝置管理系統1的資訊處理終端100包括的功能部加以說明。
（資訊處理終端的功能）
日誌資料獲取部101獲取日誌，所述日誌為和外觀檢查裝置120的控制有關的、軟體的動作記錄。叢集資訊提取部102自所獲取的日誌的集合中提取叢集資訊及叢集間過渡資訊，所述叢集資訊為表示外觀檢查裝置120的運轉的各步驟的內容的資訊，所述叢集間過渡資訊為和一個步驟與另一步驟之間的過渡有關的資訊。
再者，所述叢集間過渡資訊中，包含和外觀檢查裝置120的多個步驟間的過渡的產生頻率有關的資訊，叢集間過渡資訊評價部103至少使用所述產生頻率的資訊來進行所提取的各個叢集間過渡資訊的加權。
而且，有向圖生成部104以所提取的叢集資訊作為節點，以叢集間過渡資訊作為邊緣，生成表示各個叢集資訊及叢集間過渡資訊的關係的有向圖。基準資料生成部105生成基準資料，此基準資料成為用以推測障礙原因的基準。具體而言，將對外觀檢查裝置120的正常運轉時的多個日誌資料進行採樣所獲取的多個有向圖替換為矩陣表現，並且對矩陣的各要素算出平均、分散，將其作為基準資料保存於記憶部109。
異常度計算部106將根據障礙產生時的日誌資料所生成的有向圖替換為矩陣表現，並且將矩陣的各要素與所述基準資料進行比對，藉此針對各要素算出表示與基準資料的偏離的大小的異常度。矩陣的各要素分別與自日誌提取的各個叢集間過渡資訊對應，故而矩陣的各要素的異常度成為對應的各個叢集間過渡資訊的異常度。
障礙原因推測部107認為與所算出的異常度為既定的臨限值以上的叢集間過渡資訊對應的軟體日誌所示的步驟為障礙的原因的可能性高，將所述步驟推測為障礙原因。
顯示部108為液晶顯示器等圖像顯示裝置，顯示包含所述有向圖、所推測的障礙原因、叢集間過渡資訊的異常度等的各種資訊。記憶部109例如可包含讀入專用記憶體（Read Only Memory，ROM）、隨機存取記憶體（Random Access Memory，RAM）等主記憶部與可抹除可程式唯讀記憶體（Erasable Programmable Read Only Memory，EPROM）、硬碟驅動器（Hard Disc Drive，HDD）、可移動媒體（removable media）等輔助記憶部。
於輔助記憶部，除了操作系統（Operating System，OS）、各種程式以外，可保存所述基準資料、管理對象裝置的運轉實績或維護記錄等各種資訊。再者，藉由將保存於輔助記憶部的程式下載至主記憶部的作業區域並執行，藉由程式的執行來控制各結構部等，從而可實現達成所述般的既定目的之功能部。再者，一部分或全部的功能部亦可藉由特殊應用積體電路（Application Specific Integrated Circuit，ASIC）或現場可程式閘陣列（Field Programmable Gate Array，FPGA）般的硬體電路來實現。
（障礙原因推測處理的流程）
繼而，對本實施形態的裝置管理系統1的外觀檢查裝置120的障礙原因推測處理的流程加以說明。圖3為表示裝置管理系統1的障礙原因推測處理的一例的流程圖。如圖3所示，裝置管理系統1首先基於自正常運轉時的外觀檢查裝置120獲取的資料來生成基準資料（S101）。
此處，參照圖4，對步驟S101的基準資料生成處理加以詳細說明。圖4為表示本實施形態的基準資料生成處理的子路徑的流程的流程圖。如圖4所示，首先日誌資料獲取部101獲取正常運轉時的日誌資料（S201）。繼而，叢集資訊提取部102進行基於既定的規則將日誌資訊分離的處理（S202）。圖5中表示與此種日誌資訊的分離處理有關的說明圖。如圖5所示，日誌資料的各行包含表示時刻的時刻資料部分及消息字符串，叢集資訊提取部102將日誌以1行為單位分解為時刻資料與消息字符串。此處，對於消息字符串，進行進一步刪除數字及符號而分解為單詞單位的處理。
繼而，叢集資訊提取部102例如進行使用TF-IDF的方法將日誌各行的單詞集合進行向量化的處理。TF-IDF為公知的方法，故而省略詳細的說明，為基於單詞的出現頻率（Term Frequency，TF）及逆文檔頻率（Inverse Document Frequency，IDF）此兩個指標來求出單詞的重要度的方法。
叢集資訊提取部102進而使用例如K-平均法，如圖6所示，將所有行的向量集合叢集化為例如200個叢集（S203）。圖6為對叢集化的日誌線加以說明的說明圖。再者，K-平均法為廣為人知的叢集化方法，故而省略詳細的說明。
繼而，叢集資訊提取部102如圖7所示，基於輸出各日誌線的時刻而生成使叢集編號連號的日誌叢集序列。藉由如此以時序排列叢集編號，從而可獲取和叢集間的過渡有關的資訊。即，可提取如此自日誌的文本消息（單詞）獲得的表示外觀檢查裝置120的運轉的各步驟的內容的叢集資訊、及作為和一個叢集（步驟）與另一個叢集的過渡有關的資訊的叢集間過渡資訊。即，本實施形態中，步驟S202、步驟S203的處理相當於叢集資訊提取步驟。
繼而，有向圖生成部104製作以各叢集資訊作為節點且以叢集間過渡資訊作為邊緣的有向圖（S204）。此時，亦可於各節點顯示對應的叢集的叢集編號。
繼而，叢集間過渡資訊評價部103基於有向圖的節點間（即對應的叢集間）的過渡頻率，進行有向圖的各邊緣的加權（S205）。圖8A及圖8B中，表示對S205中進行的加權加以說明的說明圖。圖8A為基於輸出日誌線的時刻將與各日誌線對應的叢集的叢集編號以時序自左向右排列的圖。圖8B為表示反映出加權的有向圖的圖。於圖8B的有向圖的邊緣附近，記載有數值，此數字表示所述邊緣（即叢集間的過渡）的產生頻率。若參照圖8A，則自叢集編號2向叢集編號2的過渡產生兩次，自叢集編號2向叢集編號0的過渡產生兩次，自叢集編號0向叢集編號6的過渡產生三次，自叢集編號6向叢集編號0的過渡產生一次，自叢集編號6向叢集編號2的過渡產生一次。另外，於圖8B的有向圖中，將所述過渡的次數顯示於邊緣附近，並且將邊緣的粗細度對應過渡的產生頻率而顯示得粗。
藉由如此般進行步驟S201至步驟S205的處理，從而對一個正常運轉時的日誌資料的一系列處理結束。圖9中表示對一個正常運轉時的日誌資料的一系列處理結束時生成的有向圖的一例。
繼而，基準資料生成部105進行下述處理，即：判定是否以生成基準資料所需要的既定數（例如100件）獲取了如所述般經加權的有向圖（S206）。此處，於未獲取既定數的有向圖資料的情形時，回到步驟S201，獲取新的正常運轉時的日誌資料，重覆以後的處理。
另一方面，於步驟S206中判定為既定數的有向圖資料獲取完畢的情形時，進入步驟S207，基準資料生成部105進行將所獲取的所有的有向圖變換為矩陣表現的處理。具體而言，如下述式（1）所示，進行變換為邊緣權重矩陣W的處理，所述邊緣權重矩陣W將有向圖的自一個節點向另一節點過渡的邊緣的權重設為矩陣的各要素。如所述示例般將叢集的個數設為200個的情形時，邊緣權重矩陣W成為200×200的矩陣。
[數1]
此處，矩陣的要素W
00表示自表示叢集編號0的節點0（以下亦以簡稱為節點0的方式記載）向節點0過渡的邊緣（即叢集間過渡資訊）的權重，W
n0表示自節點n向節點0過渡的邊緣的權重。即，W
ij表示自節點i向節點j過渡的邊緣的權重。
基準資料生成部105若對所有的有向圖完成替換為所述矩陣表現的處理，則進行對矩陣的各要素算出平均及分散的處理（S208）。例如，於使用100件的正常運轉時的資料的情形時，作為將100件矩陣資料綜合的結果，分別算出表示100件的平均的一個平均權重矩陣、及表示100件的分散的一個分散權重矩陣作為基準資料（S209）。再者，以下關於平均權重矩陣的各要素，記載為表示100件的W
ij的平均的μ
ij，關於分散權重矩陣的各要素，記載為表示100件的W
ij的分散的σ
ij。
如此，若步驟S209的處理結束，則基準資料生成處理（S101）的一系列子路徑結束。使說明回到圖3的表示障礙原因推測處理的流程圖，若步驟S101的處理結束，則基準資料生成部105將所生成的基準資料保存於記憶部109（S102）。
繼而，於外觀檢查裝置120產生了障礙時，日誌資料獲取部101獲取所述障礙產生時的日誌資料（S103）。繼而，執行下述一系列處理，即：自障礙產生時的日誌資料中進行叢集資訊的提取，基於其而生成經加權的有向圖，獲得將有向圖進行矩陣變換而得的資料（S104）。步驟S104中進行的具體的處理內容與所述步驟S202至步驟S205及步驟S207中進行的處理相同。因此，省略此處的說明。
繼而，異常度計算部106將步驟S104中獲取的障礙產生時的矩陣資料與基準資料進行比對，藉此針對障礙產生時的各矩陣要素算出異常度a
ij（S105）。具體而言，基於下述式（2）算出異常度。
[數2]
繼而，障礙原因推測部107將滿足既定條件（例如超過臨限值等）的異常度的矩陣要素推測為障礙的原因（S106）。繼而，例如於推測為矩陣要素W
ij為障礙的原因的情形時，由於矩陣要素W
ij具有節點i的叢集資訊及節點j的叢集資訊，故而將該些叢集資訊（或者對應的日誌線）作為表示所推測的障礙原因的資訊而顯示於顯示部108（S107）。
如以上般，障礙原因推測處理的一系列流程結束。再者，步驟S101及步驟S102的處理無需於每次進行障礙原因的推測時執行，亦可一次製作基準資料並保存後，自步驟S103的處理開始障礙原因推測處理。當然，亦可適當執行步驟S101及步驟S102的處理，視需要更新基準資料。
根據以上般的裝置管理系統1，僅基於正常動作時的資料來製作基準資料，藉由進行障礙產生時的資料與基準資料的比對，從而可算出表示各步驟的要素的異常度，推測障礙的產生原因。藉此，對於未知的障礙原因亦可高精度地推測。而且，藉由利用叢集間的過渡的產生頻率進行加權，從而對於重要度高的事項可適當算出異常度。
（變形例1）
再者，所述實施形態1中，說明了將作為表示所推測的障礙原因的資訊的叢集資訊顯示於顯示部108，但可於顯示部108顯示各種資訊。圖10A及圖10B為表示作為顯示於顯示部108的資訊的一例的有向圖的圖。圖10A表示於各節點顯示有對應的叢集編號的、通常的有向圖。圖10B為表示有向圖的變形顯示例的圖。有向圖生成部104亦可將與各節點對應的叢集資訊所含的單詞按出現次數由多到少的順序提取，並且生成使用所述提取的單詞作為表示與各個節點對應的叢集的內容的資訊的、有向圖（參照圖10B），將其顯示於顯示部108。由此，用戶可基於單詞容易地掌握有向圖的各節點的內容。
（變形例2）
圖11為表示本實施形態1的進而另一變形例的裝置管理系統2的概略結構的概略圖。再者，以下對於與所述實施例中所說明相同的結構、處理，標註相同的符號，省略重覆的說明。如圖11所示，本變形例的裝置管理系統2於資訊處理終端200中包括提取日誌顯示圖像生成部201，僅此方面與實施形態1的裝置管理系統1不同，其他方面相同。
提取日誌顯示圖像生成部201自日誌的集合中，提取與滿足既定條件的邊緣對應的日誌，作為表示滿足所述既定條件的邊緣（叢集間過渡資訊）的內容的資訊，並且生成表示所述提取的日誌的內容的、提取日誌顯示圖像，顯示於顯示部108。圖12中表示使和所述邊緣的內容有關的提取日誌顯示圖像於有向圖的邊緣附近彈出顯示的狀態的顯示畫面例。
再者，所謂此處提及的「滿足既定條件」，可設為異常度超過既定值的情形、用戶藉由滑鼠操作等選擇了所述有向圖的與所述叢集間過渡資訊對應的邊緣的情形等。而且，提取日誌顯示圖像不限於有向圖的邊緣附近，能以任意的態樣顯示，亦可設為於畫面上具有專用的顯示區域的用戶介面。若為此種本變形例的結構，則用戶可迅速確認與叢集間過渡資訊對應的日誌。
＜實施形態2＞
繼而，基於圖13至圖17對本發明的另一實施形態加以說明。圖13為表示本實施形態的裝置管理系統3的概略結構的概略圖。如圖13所示，本實施形態的裝置管理系統3與裝置管理系統1相比，於資訊處理終端300中包括感測器資料獲取部301的方面不同。而且，本實施形態的叢集間過渡資訊評價部303如後述，於進行一部分不同處理的方面與實施形態1的叢集間過渡資訊評價部103不同。其他方面與實施形態1的裝置管理系統1相同。
感測器資料獲取部301獲取探測外觀檢查裝置120的硬體（例如輸送機124、相機121、X平台122、Y平台123、輸出裝置等）的狀態的資訊的、感測器資料。感測器資料為記錄硬體的狀態的、時序的數值資料，自外觀檢查裝置120所包括的各種感測器、馬達、位置控制系統等器件獲取。感測器資料以文本形式、二進制形式的哪一種記錄取決於裝置的規格，則只要可獲取時間與數值的對應關係，則可為任何形式。再者，本實施形態中，各種感測器、感測器資料獲取部301等相當於硬體資訊獲取機構。
關於由外觀檢查裝置120進行的自動檢查處理，針對一個檢查對象的處理大致包含六個進程。具體而言，進程分為檢查對象物O的搬入、檢查對象物O的拍攝、圖像處理、良好與否判定、檢查結果輸出、檢查對象物O的搬出。另外，各進程中硬體的動作不同，各進程的長度或重覆次數亦不一定。因此，記錄硬體的狀態的感測器資料亦視對象物而大幅度地變動。即，可謂藉由對硬體的動作（表示所述動作的感測器資料）進行學習從而推測裝置的故障原因並不容易。
繼而，對本實施形態的裝置管理系統3的外觀檢查裝置120的障礙原因推測處理的流程加以說明。圖14為表示裝置管理系統3的障礙原因推測處理的一例的流程圖。如圖14所示，作為總體的流程，與實施形態1的情形的處理大致相同。
本實施形態的裝置管理系統3首先基於自正常運轉時的外觀檢查裝置120獲取的資料來生成基準資料（S301）。此處，基於圖15對步驟S301的子路徑加以說明。圖15為表示本實施形態的基準資料生成處理的子路徑的流程的流程圖。
如圖15所示，本實施形態的基準資料生成時的子路徑亦大致與實施形態1相同，自步驟S201至步驟S205為止進行與實施形態1相同的處理。即，獲取正常運轉時的日誌資料（S201），進行將所述日誌資訊分離的處理（S202），進行所分離的日誌資訊的叢集化（S203），使用叢集化的資料生成有向圖（S204），進行基於叢集間的過渡的產生頻率的、邊緣的加權（S205）。
本實施形態中，作為其後續步驟，感測器資料獲取部301獲取外觀檢查裝置120的正常運轉時的感測器資料（S401）。進而，叢集間過渡資訊評價部303進行基於步驟S401中獲取的感測器資料將有向圖的邊緣進一步加權的處理（S402）。
具體而言，叢集間過渡資訊評價部303使用變化點檢測（Change-Finder）算法，將自硬體獲取的感測器資料（時序數值資料）變換為以時序表示各時刻的變化的大小的資料（變化得分）。圖16中表示說明感測器資料與變化得分的關係的說明圖。再者，關於Change-Finder算法，為公知的方法，故而省略詳細的說明。
此時，如圖16所示，成為變化得分的基礎的感測器資料的數值範圍視成為對象的硬體等而不同，故而變化得分亦反映出此種差異，數值範圍不均一。因此，將所有的變化得分於0～1之間歸一化。
繼而，叢集間過渡資訊評價部303對叢集資訊提取部102所生成的日誌叢集序列（參照圖7）映射變化得分，使哪個叢集間的過渡時變化得分大進行對應。圖17中表示映射有變化得分的日誌叢集序列的示例。
繼而，叢集間過渡資訊評價部303藉由反映出有向圖的各邊緣（各叢集間過渡）的、變化得分的大小，從而對有向圖的各邊緣進行基於硬體資訊的加權。
如此，若步驟S402的處理結束，則進入步驟S206，基準資料生成處理（S301）的子路徑的以後的處理與實施形態1中所說明相同，故而省略此處的說明。
使說明回到圖14的表示障礙原因推測處理的流程圖，若步驟S301的處理結束，則基準資料生成部105將所生成的基準資料保存於記憶部109（S102）。繼而，於外觀檢查裝置120產生障礙時，日誌資料獲取部101獲取障礙產生時的日誌資料（S103），感測器資料獲取部301獲取表示障礙產生時的硬體狀態的感測器資料（S302）。
繼而，於資訊處理終端300中執行下述一系列處理，即：自障礙產生時的日誌資料中進行叢集資訊的提取，基於其而生成經加權的有向圖，進而對所述有向圖進行基於感測器資料的加權，獲取將有向圖進行矩陣變換而得的資料（S303）。再者，步驟S303中進行的具體的處理內容與所述步驟S301的子路徑的步驟S202至步驟S205、步驟S402及步驟S207中進行的處理相同。因此，省略重覆的說明。
而且，本實施形態的步驟S105以後的處理亦與實施形態1的內容相同，故而省略此處的說明。
根據本實施形態的裝置管理系統3，可使用表示外觀檢查裝置120的硬體狀態的感測器資料，進一步進行有向圖的邊緣（即叢集間過渡資訊）的加權。僅以叢集間的過渡的產生頻率進行了加權的有向圖有下述可能性，即：將與外觀檢查裝置120的進程的切換、或硬體狀態的變化對應的（頻率低的）重要的叢集間過渡資訊評價得過低。相對於此，本實施形態的裝置管理系統3中，檢測感測器資料的重要的變化點，基於其來進一步進行邊緣的加權，故而可抑制將重要的叢集間過渡資訊評價得過低，獲得更高精度的障礙原因的推測結果。
＜其他＞
所述各實施形態僅對本發明進行例示性說明，本發明不限定於所述具體形態。本發明可於其技術思想的範圍內進行各種變形及組合。例如，所述實施形態中，說明了以外觀檢查裝置作為對象的管理系統，但裝置管理系統的管理對象的裝置不限於此。如上文所述，不使用障礙產生時的異常的資料，而使用僅利用正常運作時的資料進行學習而得的基準資料來進行障礙的產生原因的推測，故而可僅使用裝置的實際運用線可收集的資料來進行運用，因而可將本發明適用於各種裝置。
而且，作為正常運轉時的資料，可不將裝置所處理的對象物（檢查或加工的對象）限定於一個，而收集對多個對象物進行處理時的資料後，將該些混合而生成基準資料。於該情形時，亦不需要對象物於哪個時機如何變更等資料，可僅由軟體日誌及感測器資料來生成基準資料。
而且，所述實施形態中設為包含管理對象的裝置的系統，但亦可僅將所述實施形態的資訊處理終端理解為本發明的管理系統。即，本發明亦可理解為包含與管理對象的裝置分立地構成的資訊處理終端的、裝置管理終端。
＜附註1＞
一種裝置管理系統，為裝置的管理系統（1、2、3），其特徵在於包括：
日誌資料獲取機構（101），獲取日誌，所述日誌為和所述裝置的控制有關的、軟體的動作記錄；
叢集資訊提取機構（102），自所述獲取的日誌的集合中提取叢集資訊及叢集間過渡資訊，所述叢集資訊為表示所述裝置的運轉的各步驟的內容的資訊，所述叢集間過渡資訊為和一個所述步驟與另一個所述步驟之間的過渡有關的資訊；
異常度計算機構（106），算出所述提取的各個所述叢集間過渡資訊的異常度；以及
障礙原因推測機構（107），基於由所述異常度計算機構所算出的所述異常度來推測所述裝置的障礙原因。
＜附註2＞
一種裝置的障礙原因推測方法，推測裝置的障礙原因，且包含：
日誌資料獲取步驟（S201、S103），獲取日誌，所述日誌為和所述裝置的控制有關的、軟體的動作歷程資訊；
叢集資訊提取步驟（S202、S203），自所獲取的所述日誌的集合中提取叢集資訊及叢集間過渡資訊，所述叢集資訊為表示由所述裝置進行的處理的各步驟的內容的資訊，所述叢集間過渡資訊為和所述裝置的多個所述步驟間的過渡有關的資訊；
異常度計算步驟（S105），算出所述提取的各個所述叢集間過渡資訊的異常度；以及
障礙原因推測步驟（S106），基於由所述異常度計算機構所算出的所述異常度來推測所述裝置的障礙原因。
1、2、3:裝置管理系統
100、200、300:資訊處理終端
101:日誌資料獲取部
102:叢集資訊提取部
103:叢集間過渡資訊評價部
104:有向圖生成部
105:基準資料生成部
106:異常度計算部
107:障礙原因推測部
108:顯示部
109:記憶部
120:外觀檢查裝置
121:相機
122:X平台
123:Y平台
124:輸送機
201:提取日誌顯示圖像生成部
301:感測器資料獲取部
O:檢查對象物
S101～S107、S201～S209、S301～S303、S401、S402:步驟
圖1為表示實施形態1的裝置管理系統的概略的示意圖。
圖2為表示軟體日誌的示例的說明圖。
圖3為表示由實施形態1的裝置管理系統進行的處理的流程的流程圖。
圖4為表示實施形態1的裝置管理系統的處理的子路徑的流程圖。
圖5為對軟體日誌的分離處理加以說明的說明圖。
圖6為對叢集化的日誌線（logline）加以說明的說明圖。
圖7為對由實施形態1的裝置管理系統所生成的日誌叢集序列加以說明的說明圖。
圖8A為對由實施形態1的裝置管理系統所生成的有向圖加以說明的第一圖。圖8B為對由實施形態1的裝置管理系統所生成的有向圖加以說明的第二圖。
圖9為表示由實施形態1的裝置管理系統所生成的有向圖的一例的圖。
圖10A為表示實施形態1的變形例中畫面顯示的有向圖的一例的圖。圖10B為表示實施形態1的變形例中畫面顯示的有向圖的另一例的圖。
圖11為表示實施形態1的另一變形例的裝置管理系統的概略的示意圖。
圖12為對由實施形態1的另一變形例的裝置管理系統所顯示的畫面的一例加以說明的圖。
圖13為表示實施形態2的裝置管理系統的概略的示意圖
圖14為表示由實施形態2的裝置管理系統所進行的處理的流程的流程圖。
圖15為表示實施形態2的裝置管理系統的處理的子路徑的流程圖。
圖16為表示感測器資料與變化得分的關係的說明圖。
圖17為表示由實施形態2的裝置管理系統所生成的、映射有變化得分的日誌叢集序列的示例的說明圖。
1:裝置管理系統
100:資訊處理終端
101:日誌資料獲取部
102:叢集資訊提取部
103:叢集間過渡資訊評價部
104:有向圖生成部
105:基準資料生成部
106:異常度計算部
107:障礙原因推測部
108:顯示部
109:記憶部
120:外觀檢查裝置
121:相機
122:X平台
123:Y平台
124:輸送機
O:檢查對象物
Claims (14)
- 一種裝置管理系統，為裝置的管理系統，其特徵在於包括：日誌資料獲取機構，獲取日誌，所述日誌為和所述裝置的控制有關的、軟體的動作記錄；叢集資訊提取機構，自獲取的所述日誌的集合中提取叢集資訊及叢集間過渡資訊，所述叢集資訊為表示所述裝置的運轉的各步驟的內容的資訊，所述叢集間過渡資訊為和一個所述步驟與另一個所述步驟之間的過渡有關的資訊；異常度計算機構，算出提取的各個所述叢集間過渡資訊的異常度；以及障礙原因推測機構，基於由所述異常度計算機構所算出的所述異常度來推測所述裝置的障礙原因，其中所述叢集間過渡資訊中，包含和所述裝置的多個所述步驟間的過渡的產生頻率有關的資訊，所述裝置管理系統更包括：叢集間過渡資訊評價機構，基於所述產生頻率來進行提取的各個所述叢集間過渡資訊的加權，所述異常度計算機構使用進行了所述加權的資訊來算出所述異常度。
- 如請求項1所述的裝置管理系統，其中所述異常度計算機構基於所述裝置的正常時的所述叢集間過渡資訊，來算出提取的各個所述叢集間過渡資訊的異常度。
- 如請求項1或請求項2所述的裝置管理系統，更包括：硬體資訊獲取機構，獲取和所述裝置的硬體的狀態有關的硬體資訊，所述叢集間過渡資訊評價機構基於所述硬體資訊獲取機構所獲取的所述硬體資訊，進一步進行提取的各個所述叢集間過渡資訊的加權。
- 如請求項1或請求項2所述的裝置管理系統，其中所述障礙原因推測機構推測為，於由所述異常度計算機構所算出的所述異常度滿足既定條件的所述叢集間過渡資訊所指定的步驟中，存在所述裝置的障礙原因。
- 如請求項1或請求項2所述的裝置管理系統，更包括：顯示機構，能夠顯示表示由所述異常度計算機構所算出的所述異常度、及/或由所述障礙原因推測機構所推測的所述障礙原因的資訊。
- 如請求項5所述的裝置管理系統，更包括：有向圖生成機構，以所述叢集資訊作為節點，以所述叢集間過渡資訊作為邊緣，生成表示各個所述叢集資訊及所述叢集間過渡資訊的關係的有向圖，所述顯示機構能夠顯示所述有向圖。
- 如請求項6所述的裝置管理系統，其中所述叢集間 過渡資訊藉由既定的方法進行了增加重要度的評價的加權，所述有向圖生成機構生成能夠視認各個所述叢集間過渡資訊的所述加權的、所述有向圖。
- 如請求項7所述的裝置管理系統，其中所述有向圖生成機構藉由將表示所述叢集間過渡資訊的所述加權的數值顯示於所述邊緣的附近，從而生成以能夠視認的方式表現所述加權的有向圖。
- 如請求項7所述的裝置管理系統，其中所述有向圖生成機構藉由對表示各個所述叢集間過渡資訊的所述邊緣的清晰度設置差異進行顯示，從而生成以能夠視認的方式表現所述加權的有向圖。
- 如請求項6所述的裝置管理系統，其中所述叢集資訊中包含作為自所述日誌提取的文本資訊的單詞，所述有向圖生成機構將各個所述叢集資訊所含的所述單詞按出現次數由多到少的順序進行提取，並且生成使用提取的所述單詞作為表示所述叢集資訊的內容的資訊的、所述有向圖。
- 如請求項6所述的裝置管理系統，更包括：提取日誌顯示圖像生成機構，自所述日誌的集合中，提取與滿足既定條件的所述叢集間過渡資訊對應的日誌，作為表示滿足所述既定條件的所述叢集間過渡資訊的內容的資訊，並且生成表示提取的所述日誌的內容的、提取日誌顯示圖像，所述顯示機構能夠顯示所述提取日誌顯示圖像。
- 如請求項11所述的裝置管理系統，其中所述提取日誌顯示圖像彈出顯示於表示與所述提取日誌顯示圖像所示的提取日誌對應的所述叢集間過渡資訊的、所述邊緣的附近。
- 一種裝置的障礙原因推測方法，推測裝置的障礙原因，且包括：日誌資料獲取步驟，獲取日誌，所述日誌為和所述裝置的控制有關的、軟體的動作歷程資訊；叢集資訊提取步驟，自所獲取的所述日誌的集合中提取叢集資訊及叢集間過渡資訊，所述叢集資訊為表示由所述裝置進行的處理的各步驟的內容的資訊，所述叢集間過渡資訊為和所述裝置的多個所述步驟間的過渡有關的資訊；異常度計算步驟，算出提取的各個所述叢集間過渡資訊的異常度；以及障礙原因推測步驟，基於所述異常度計算步驟中算出的所述異常度來推測所述裝置的障礙原因，其中所述叢集間過渡資訊中，包含和所述裝置的多個所述步驟間的過渡的產生頻率有關的資訊，所述裝置的障礙原因推測方法更包括：叢集間過渡資訊評價步驟，基於所述產生頻率來進行提取的各個所述叢集間過渡資訊的加權，所述異常度計算步驟使用進行了所述加權的資訊來算出所述異常度。
- 一種記憶媒體，非暫時性地記憶用以使電腦執行如請求項13所述的方法的各步驟的程式。
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2021145011A JP2023038095A (ja) | 2021-09-06 | 2021-09-06 | 装置管理システム、装置の障害原因推定方法、及びプログラム |
| JP2021-145011 | 2021-09-06 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| TW202311879A TW202311879A (zh) | 2023-03-16 |
| TWI824681B true TWI824681B (zh) | 2023-12-01 |
Family
ID=85226567
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| TW111132172A TWI824681B (zh) | 2021-09-06 | 2022-08-26 | 裝置管理系統、裝置的障礙原因推測方法以及非暫時性地記憶程式的記憶媒體 |
Country Status (4)
| Country | Link |
|---|---|
| JP (1) | JP2023038095A (zh) |
| CN (1) | CN115774656A (zh) |
| DE (1) | DE102022208921A1 (zh) |
| TW (1) | TWI824681B (zh) |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| TW200413973A (en) * | 2002-12-26 | 2004-08-01 | Japan Tobacco Inc | Analysis system, analysis method in the system and system for collecting investigation result for analysis |
| TW202016805A (zh) * | 2018-10-16 | 2020-05-01 | 中華電信股份有限公司 | 基於自動學習的基地台異常之預測的系統與方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP7467168B2 (ja) | 2020-03-11 | 2024-04-15 | キヤノン株式会社 | 撮像素子ユニット及び撮像装置 |
-
2021
- 2021-09-06 JP JP2021145011A patent/JP2023038095A/ja active Pending
-
2022
- 2022-08-24 CN CN202211016320.7A patent/CN115774656A/zh active Pending
- 2022-08-26 TW TW111132172A patent/TWI824681B/zh active
- 2022-08-29 DE DE102022208921.9A patent/DE102022208921A1/de active Pending
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| TW200413973A (en) * | 2002-12-26 | 2004-08-01 | Japan Tobacco Inc | Analysis system, analysis method in the system and system for collecting investigation result for analysis |
| TW202016805A (zh) * | 2018-10-16 | 2020-05-01 | 中華電信股份有限公司 | 基於自動學習的基地台異常之預測的系統與方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115774656A (zh) | 2023-03-10 |
| DE102022208921A1 (de) | 2023-03-09 |
| JP2023038095A (ja) | 2023-03-16 |
| TW202311879A (zh) | 2023-03-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP6723669B2 (ja) | 異常検知プログラム、異常検知方法および異常検知装置 | |
| US10373065B2 (en) | Generating database cluster health alerts using machine learning | |
| US20170097863A1 (en) | Detection method and information processing device | |
| KR102440335B1 (ko) | 이상 감지 관리 방법 및 그 장치 | |
| JP6871877B2 (ja) | 情報処理装置、情報処理方法及びコンピュータプログラム | |
| JPWO2017154844A1 (ja) | 分析装置、分析方法および分析プログラム | |
| US8560279B2 (en) | Method of determining the influence of a variable in a phenomenon | |
| JP5768983B2 (ja) | 契約違反予測システム、契約違反予測方法および契約違反予測プログラム | |
| US9524223B2 (en) | Performance metrics of a computer system | |
| JP6183449B2 (ja) | システム分析装置、及び、システム分析方法 | |
| CN102265227A (zh) | 用于在机器状况监视中创建状态估计模型的方法和设备 | |
| JP6521096B2 (ja) | 表示方法、表示装置、および、プログラム | |
| JP6711323B2 (ja) | プロセスの異常状態診断方法および異常状態診断装置 | |
| JP2015028700A (ja) | 障害検知装置、障害検知方法、障害検知プログラム及び記録媒体 | |
| JPWO2014132612A1 (ja) | システム分析装置、及び、システム分析方法 | |
| JP6950504B2 (ja) | 異常候補抽出プログラム、異常候補抽出方法および異常候補抽出装置 | |
| JP2019179400A (ja) | 監視装置、監視方法および監視プログラム | |
| CN111814557A (zh) | 动作流检测方法、装置、设备及存储介质 | |
| JP7019364B2 (ja) | 監視装置、監視方法、監視プログラム、表示装置、表示方法および表示プログラム | |
| KR102024829B1 (ko) | Ｃａｒｔ 기반의 입력변수 랭킹을 이용한 산업공정의 고장변수 식별을 위한 장치 및 방법 | |
| TWI824681B (zh) | 裝置管理系統、裝置的障礙原因推測方法以及非暫時性地記憶程式的記憶媒體 | |
| US20200393799A1 (en) | Information processing apparatus, information processing method, and non-transitory computer readable medium | |
| JP6579163B2 (ja) | プロセスの状態診断方法及び状態診断装置 | |
| JP6247777B2 (ja) | 異常診断装置および異常診断方法 | |
| JP6627258B2 (ja) | システムモデル生成支援装置、システムモデル生成支援方法、及び、プログラム |