状态监测系统的制作方法

状态监测系统
1.相关申请
2.本技术要求2021年3月9日申请的jp特愿2021-037688的优先权，通过参照将其整体作为构成本技术的一部分的内容进行引用。
技术领域
3.本发明涉及一种用于监测设备的状态的状态监测系统。


背景技术：

4.已知一种状态监测系统，该状态监测系统对使用设置在工业用等的设备中的传感器收集的测量数据，执行诸如有效值的计算和频率分析等的处理，并且基于该处理的结果来监测和诊断设备的状态。
5.作为现有技术，已知有如下生产环境的数据系统：使用iot(internet of things：物联网)技术，针对多个传感器数据的输入，鉴于传感器的输入值、网络吞吐量，来对传感器的采样周期、缩放值等的各种参数进行调整(专利文献1)。另外，已知如下技术：在连续地监测多个机械的系统的，多个装置能够双向动作的装置结合体中，实时地取得多个测量出的过程参数，根据该过程参数而决定导出量，基于该导出量或过程参数，对装置运转建议变更(专利文献2)。并且，在使用设置于设备中的传感器收集测量数据并进行分析，基于该分析结果来监测设备状态的状态监测系统中，已知有如下技术：为了确保实时性，基于振动分析所花费的时间、通信所花费的时间而调整振动分析的测量条件和计算参数，谋求计算时间的调整(jp特愿2020-163942号)
6.现有技术文献
7.专利文献
8.专利文献1：jp特表2020-530159号公报
9.专利文献2：jp第5295482号发明专利公报


技术实现要素：

10.发明要解决的课题
11.监测设备状态的状态监测系统有时要求实时状态监测。例如，在生产现场等处，在对设备的测量数据(振动数据等)进行频率解析等的分析处理，并基于分析处理的结果进行设备的诊断的情况下，若诊断结果不具有快速响应性，则设备的异常检测以及针对异常的应对会延迟。在这种情况下，要求测量数据的分析处理以及基于分析结果的诊断处理等的实时性。
12.近年来，作为在生产现场侧等处进行实时处理的方式，存在使用了工业用iot平台的系统方式，该工业用iot平台将上述测量数据的分析处理以及基于分析结果的诊断处理等的功能仅提供给边缘(iot技术领域等中的针对云(cloud)的，将在终端、终端侧的网络以及它们的附近收集到的数据送出到线路的点)侧。但是，在仅向该边缘侧提供的工业用iot
平台中的数据收集/发送功能为着眼于例如温度、压力等的与振动加速度数据相比采样频率低的数据(几hz左右)的功能的情况下，不能说适合于采样频率高(几万hz以上)的振动加速度的数据收集。另外，工业用iot平台所包含的数据收集软件一般是与生产设备侧的通信标准相匹配的软件，并不是专注于从边缘侧的传感器收集的数据类别、状态监测对象或异常检测方法而制作的。
13.本发明是为了解决上述问题而提出的，本发明的目的在于提供一种状态监测系统，该状态监测系统能够在边缘侧进行调整，以确保处理的实时性。
14.用于解决课题的技术方案
15.为了实现上述目的，本发明的状态监测系统为一种用于监测设备的状态的状态监测系统，该状态监测系统包括：
16.传感器，该传感器安装于上述设备上；
17.数据测量装置，该数据测量装置接收上述传感器的检测信号，以按照规定的测量条件从上述检测信号获取测量数据；以及
18.数据诊断装置，该数据诊断装置从上述数据测量装置接收上述测量数据，并基于上述测量数据，执行诊断上述设备的状态的诊断处理；
19.上述数据诊断装置具有边缘应用程序和工业用iot平台；
20.该边缘应用程序具有数据收集/分析部，该数据收集/分析部计算来自上述数据测量装置的上述测量数据的特征量，并将该特征量发送给上述工业用iot平台。
21.另外，在上述方案中，上述传感器还可包括振动传感器、温度传感器、压力传感器、应变传感器、载荷传感器、ae(acoustic emission，声发射)传感器中的至少一个。
22.按照上述方案，本发明的状态监测系统具有边缘侧等的上述传感器、上述数据测量装置和上述数据诊断装置，并且还可以包括例如工业iot平台可以应用的各装置间的网络。其中，数据诊断装置具有工业用iot平台和边缘应用程序(例如，可包含振动数据等的数据收集功能、分析处理功能、诊断功能等)。边缘应用程序所包含的上述数据收集/分析部被编入到数据测量装置与工业用iot平台间的处理中，例如，即使输入振动加速度数据等的采样频率高的数据，仍计算诊断所需的特征量，并将该特征量发送给上述工业用iot平台。由此，能够大幅削减工业用iot平台的数据收集量/发送量，能够在边缘侧进行调整，以确保处理的实时性。
23.在上述方案中，上述边缘应用程序还可具有上述数据收集/分析部、数据诊断部、管理/控制部以及数据显示部。另外，在上述方案中，上述边缘应用程序中的上述数据收集/分析部还可计算与上述传感器的种类相对应的上述特征量。由此，能够在边缘侧调整参数等。
24.在上述方案中，上述边缘应用程序中的上述数据收集/分析部也可针对每一个传感器，就一次测量来计算单一的标量。由此，在安装有种类不同的传感器时，无论各传感器的采样频率如何，都能够调整向上述工业用iot平台的数据发送量。
25.在上述方案中，在上述传感器的种类是振动传感器的情况下，上述边缘应用程序中的上述数据收集/分析部也可计算有效值、综合值、峰值、波峰因数、峰度和偏斜度中的至少一个。由此，能够简单地进行高精度的诊断。
26.还有，在上述方案中，在上述传感器的种类为ae传感器的情况下，上述边缘应用程
序中的上述数据收集/分析部也可计算有效值、峰值、累积峰值数、能量换算值中的至少一个。
27.由此，在使用ae传感器的情况下，能够简单地进行高精度的诊断。
28.权利要求书和/或说明书和/或附图所公开的至少两个方案的任意组合也包含在本发明中。特别是，权利要求书中的各项权利要求的两个以上的任意组合也包含在本发明中。
附图说明
29.根据参考附图的以下的优选的实施方式的说明，能够更清楚地理解本发明。然而，实施方式和附图仅用于图示和说明，不应该用于限制本发明的范围。本发明的范围由权利要求书确定。在附图中，多个附图中的相同的附图标记表示相同或相当的部分。
30.图1为表示本发明的一个实施方式的状态监测系统的结构的方框图；
31.图2为说明上述图示状态监测系统的操作的流程图。
具体实施方式
32.下面参照附图而对本发明的实施方式进行详细的说明。此外，对图中相同或相当的部分标注相同的附图标记，并省略其详细的说明。
33.图1表示一个实施方式的状态监测系统的概要的结构图。本实施方式的状态监测系统是监测设备的状态的系统，该状态监测系统包括工业iot平台和在工业iot平台上操作的边缘应用程序，并且可以用于该边缘应用程序。该边缘应用程序在工业用iot平台上进行分析(例如振动分析)时，在输入到工业用iot平台之前，实施振动加速度数据等的收集、分析以及特征量的输出。边缘应用程序包括在本实施方式中如后所述那样的，实施上述特征量的输出等的数据收集/分析部和基于从工业用iot平台发送的数据来进行诊断的数据诊断部，并且包括管理/控制部，该管理/控制部通过管理/控制这些处理，在将采样频率高(例如数万hz以上)的振动加速度数据作为输入数据的情况下，能够进行轴承异常检测等的实时诊断(快速响应性高的诊断)。
34.通过这样的方案，本实施方式的状态监测系统不需要改变工业用iot平台，仅通过边缘应用程序中的定制就能够进行调整，在将采样频率高的振动加速度数据作为输入的情况下，能够进行快速响应性良好的实时振动分析。另外，由于是在边缘侧计算在边缘应用程序中进行的诊断所需的特征量，因此省去处理的浪费和文件的传送量的浪费，从而能够确保处理的实时性。
35.图1所示的状态监测系统100包括传感器10、数据测量装置20和数据诊断装置(以下也简称为诊断装置)da。
36.传感器10包括安装于设备等上的振动传感器等的各种传感器。此外，传感器10所包含的传感器并不限定于振动传感器，也可以是温度传感器、压力传感器、应变传感器、载荷传感器、ae传感器(acoustic emission：声发射)等。传感器10连接到数据测量装置20。在传感器10是振动传感器的情况下，将模拟信号传送到数据测量装置20。在传感器10是载荷传感器，角度传感器等的输出数字值的传感器的情况下，将数字信号传送到数据测量装置20。以下，说明传感器10包含振动传感器，进行对工业设备中的旋转机的轴等进行旋转支承
的轴承的异常检测(振动检测等)的情况。
37.数据测量装置20从传感器10接收检测信号(模拟信号或数字信号)。数据测量装置20例如是设置在生产现场等处的数据记录器、plc(programmable logic controller：可编程逻辑控制器)等。数据测量装置20根据单独设定的规定的测量条件，从传感器的检测信号获取测量数据。测量条件例如是测量数据的测量间隔、测量时间以及采样频率。
38.例如，测量间隔相当于从数据测量装置20向诊断装置da(具体而言，例如后述的边缘应用程序40的数据收集/分析部43)发送测量数据的发送间隔。另外，在诊断装置da中，例如，对每个测量间隔的一组测量数据执行分析处理，使用该分析处理的结果来执行诊断处理。测量时间是数据测量装置20在测量间隔内实际执行测量的时间，并且可以是测量间隔＝测量时间。采样频率是对来自传感器10的检测信号(模拟信号)进行采样的频率。在输出数字信号的传感器的情况下，是指数据的输出速率。
39.数据诊断装置da按照包括cpu(central processing unit：中央处理器)、rom(read only memory：只读存储器)、ram(random access memory：随机存取存储器)等(均在图中未示出)的方式构成。cpu将存储于rom中的程序在ram等中展开并执行。存储于rom的程序是记载有数据诊断装置da的处理步骤的程序。数据诊断装置da例如在生产现场等的管理系统上运用。
40.数据诊断装置da包括上述工业用iot平台60和与该工业用iot平台60协作地动作的边缘应用程序40。工业用iot平台60通常是安装于生产现场等处的管理系统所包含的工业用计算机中的软件。本平台参照预先设定的、储存来自传感器10的检测信号的数据的监测目录收集数据(例如后述的边缘应用程序的特征量数据)。本平台按照预先设定的加工条件对上述采集到的数据进行加工。本平台按照预先设定的送发条件，将加工后的数据发送给后述的边缘应用程序40的数据诊断部。
41.与工业用iot平台60相同，边缘应用程序40通常是安装于工业用计算机中的软件。但是，边缘应用程序40是与工业用iot平台60分离的独立的软件，通过文件的授受，与工业用iot平台60进行数据协作。
42.图1更详细地表示包括在状态监视系统100中的数据诊断装置da的结构。按照图1，数据诊断装置da的边缘应用程序40包括数据收集/分析部(前端)43、数据显示部45、管理/控制部47以及数据诊断部(后端)49。此外，数据收集/分析部43也可以分为数据收集部和数据分析部。另外，数据显示部45以及数据诊断部49例如也可以安装到位于与工业用iot平台60不同的外部系统上、wan、lan、因特网等网络上的其他计算机中。
43.数据收集和分析部43(例如上述数据收集单元)从数据测量装置20接收在数据测量装置20中按照测量条件获取的测量数据。另外，数据收集/分析部43(例如上述数据分析部)对测量数据执行分析处理。分析处理例如包括计算测量数据的有效值(rms(root mean square，均方根))的处理、通过对测量数据执行快速傅里叶变换(fft(fast fourier transform))而进行频率分析的处理、计算总值的处理等。此外，在fft执行前，也可以对输入数据施加低通滤波器以及高通滤波器。
44.另外，数据收集/分析部43(例如上述数据分析部)针对检测信号(测量数据)，将分析处理的结果(以下有时称为“特征量”)输出并保存到工业用iot平台60所监测的指定区域(上述监视目录等)。优选的是，在测量数据为振动加速度数据的情况下，作为特征量，将通
过一次测量获得的振动加速度数据计算为有效值、综合值、峰值、波峰因数、峰度、偏斜度等的单一的标量。此外，例如在测量数据是来自ae(acoustic emission：声发射)传感器的数据的情况下，同样地计算有效值、峰值、峰值检测频度、累积峰值数、能量换算值等的单一的标量作为特征量。此外，上述特征量与传感器的种类相对应。在本实施方式中，关于该特征量，也可以将最近n次数据的平均值作为评价值。像这样，当将大幅削减了数据量的评价值保存于工业用iot平台60侧的上述监测目录时，工业用iot平台60的输入数据削减量为“数据采样频率[hz]
×
测量间隔[sec]”的倒数。
[0045]
工业用iot平台60包括数据收集部/数据加工部/数据发送部61。如所述那样，工业用iot平台60的数据收集部参照预先设定的上述监测目录，收集边缘应用程序的特征量数据。数据加工部按照预先设定的加工条件，对收集到的数据的特征量数据进行加工。数据发送部仅在对于收集到的特征量数据为预先设定的范围的值的情况下，向边缘应用程序40的数据诊断部发送。优选的是，在加工条件下，仅将收集到的边缘应用程序40的特征量数据中的，该值有效的范围发送给边缘应用程序40的数据诊断部49。设定范围预先设定于工业用iot平台60。
[0046]
数据诊断部49与工业用iot平台60连接，将从工业用iot平台60发送的已加工特征量作为输入数据进行诊断。在本边缘应用程序40中，作为动作模式具有“学习模式”和“诊断模式”的功能。在动作模式为“学习模式”时，为了求出用于计算上述诊断中参照的阈值的基准值，保存从测量开始起指定次数的特征量。在指定次数结束时，将特征量的统计值(例如平均值等)设定为基准值并保存。根据在学习模式中取得的特征量，将对偏差的大小进行数值化得到的值(例如标准偏差等)乘以系数而得到的值与基准值相加，得到阈值。在该情况下，例如，如果准备三个上述系数，则能够得到阈值1、阈值2、阈值3这三个阈值。此外，阈值并不限定于三个，只要是一个以上即可。例如，系数参照由管理/控制部47输入/设定的值，基准值和阈值传递到后述的管理/控制部47并保存。
[0047]
另外，数据诊断部49中的上述诊断在动作模式为“诊断模式”时实施。诊断例如，按照以下的1)～3)来实施。1)将从工业用iot平台60发送的已加工数据的最近n次数据的平均值作为评价值。2)将该评价值与在管理/控制部47中保存的各阈值进行对照，决定相应区分(等级)。3)将该相应区分和评价值作为诊断结果。该诊断结果传送至管理/控制部47，并将诊断结果保存至在工业用iot平台60侧指定的目录。另外，诊断的设定(平均分数等)由管理/控制部47设定。在数据诊断部49未与工业用iot平台60配置在同一壳体内的情况下，经由互联网、lan等的通信网、外部系统来执行上述工序。
[0048]
管理/控制部47进行边缘应用程序40内的管理/控制。将显示用的数据传递给位于边缘应用程序40内的数据显示部45，获取由数据显示部45输入的数据。管理/控制部47将由数据显示部45输入的分析设定传递给数据收集/分析部43，并且接收并保存由数据收集/分析部43输出的基准值和阈值。管理/控制部47将由数据显示部45输入的诊断设定传递给数据诊断部49，并且接收从数据诊断部49输出的诊断结果，并传递给数据显示部45。
[0049]
数据显示部45在本实施方式中是输入输出用的用户接口，与管理/控制部47连接，接收显示数据并进行显示。数据显示部45还具有输入部，并将以输入数据的形式输入的信息传递给管理/控制部47。
[0050]
接着，使用图2的流程图来说明诊断装置da中直至诊断为止的流程。此外，该图中
的s101～s109由数据收集/分析部43执行，接下来的s201～s207由工业用iot平台60执行，接下来的s301～s329(s313除外)由数据诊断部49执行。s313由管理/控制部47执行。
[0051]
当执行该流程(start，开始)时，在本实施方式中，数据收集/分析部43从数据测量装置20读取振动(加速度)数据dt(s101)，计算特征值(s103)，并保存特征值的最近数据(s105)。接着，计算评价值[分析](s107)并保存(s109)。
[0052]
之后，工业用iot平台60从上述监测目录读取来自数据收集/分析部43的上述评价值，若仅收集到规定量(s201)，则判断是否满足加工条件(s203)。在不满足加工条件的情况下，结束该流程的处理(end，结束)，在满足加工条件的情况下，进行评价值的加工(s205)，保存加工完毕的评价值(加工数据)(s207)。
[0053]
接着，数据诊断部49从工业用iot平台60读取评价值(加工数据)(s301)，判断当前的模式是否为学习模式(s303)。在学习模式的情况下，转移至s305，在不是学习模式的情况下(诊断模式的情况下)，转移至s317。当前的模式由管理/控制部47从学习模式/诊断模式中适当设定。
[0054]
在s305中，收集并保存学习用数据(s307)。在s309中，判断是否仅收集了规定量的学习数据。在判断为仅收集了指定次数的学习数据的情况下，如上述那样使用管理/控制部47的系数、基准值进行阈值的计算(s311)，在未判断为仅收集了规定量的学习数据的情况下，结束该流程的处理(end，结束)。
[0055]
另外，此处所计算的阈值或上述基准值等保存在管理/控制部47中(s313)。
[0056]
接着，在s315中，读取并设定保存在管理/控制部47中的阈值(第1阈值～第3阈值，模式变更为诊断模式，在诊断模式中，决定上述相应区分(等级)，如上述那样决定并保存诊断结果。在s317中，例如，在第1阈值～第3阈值为第1阈值＜第2阈值＜第3阈值的情况下，进行上述已读取的评价值(加工数据的平均值等)与第1阈值的比较，在评价值小于第1阈值的情况下，判断为等级0(s319)，在评价值不小于第1阈值的情况下(第1阈值以上)，转移至s321。
[0057]
在s321中，进行上述已读取的评价值(加工数据)与第2阈值的比较，在评价值小于第2阈值的情况下(即，评价值为第1阈值以上且小于第2阈值)，判断为等级1(s323)，在评价值不小于第2阈值的情况下(第2阈值以上)，转移至s325。在s325中，进行上述已读取的评价值(加工数据)和第三阈值的比较，在评价值小于第三阈值的情况下(即，评价值大于等于第二阈值且小于第三阈值)，判断为等级2(s327)，在评价值不小于第三阈值的情况下(大于等于第三阈值)，判断为等级3(s329)，结束该流程处理。
[0058]
按照上述实施方式，本实施方式的状态监测系统不需要改变工业用iot平台，仅通过边缘应用程序中的定制，就能够进行调整，能够进行将采样频率高(例如数万hz以上)的振动加速度数据作为输入的快速响应性良好的实时振动分析。另外，由于是在边缘侧计算在边缘应用程序中进行的诊断所需的特征量，因此省去处理的浪费和文件的传送量的浪费，从而能够确保处理的实时性。
[0059]
如上所述，参照附图而对优选的实施方式进行了说明，但在不脱离本发明的主旨的范围内，可进行各种追加、变更、删除。因此，这样的技术方案也包含在本发明的范围内。
[0060]
标号的说明：
[0061]
标号10表示传感器；
[0062]
标号20表示数据测量装置；
[0063]
标号40表示边缘应用程序；
[0064]
标号43表示数据收集/分析部；
[0065]
标号45表示数据显示部；
[0066]
标号47表示管理/控制部；
[0067]
标号49表示数据诊断部；
[0068]
标号60表示工业用iot平台；
[0069]
标号100表示状态监测系统；
[0070]
标号da表示数据诊断装置。