特開 2024-121510 解析装置、情報処理方法および情報処理プログラム

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】公開特許公報(A)

(11)【公開番号】P2024121510

(43)【公開日】2024-09-06

(54)【発明の名称】解析装置、情報処理方法および情報処理プログラム

(51)【国際特許分類】

   G05B 23/02 20060101AFI20240830BHJP

【ＦＩ】

G05B23/02 301Y

【審査請求】未請求

【請求項の数】10

【出願形態】ＯＬ

(21)【出願番号】P 2023028655

(22)【出願日】2023-02-27

(71)【出願人】

【識別番号】000002945

【氏名又は名称】オムロン株式会社

(74)【代理人】

【識別番号】110001195

【氏名又は名称】弁理士法人深見特許事務所

(72)【発明者】

【氏名】川ノ上 真輔

【テーマコード（参考）】

3C223

【Ｆターム（参考）】

3C223AA11

3C223BA03

3C223CC02

3C223DD03

3C223EB01

3C223FF13

3C223FF22

3C223FF24

3C223FF35

3C223GG01

3C223HH02

3C223HH03

3C223HH05

3C223HH08

(57)【要約】

【課題】製造設備に生じ得る事象に対する対策の効果をより簡単に推定できる技術を提供する。
【解決手段】解析装置は、製造設備に関する第１の時系列データに基づいて、製造設備に存在する１または複数の要因と製造設備において異常と評価される事象との因果関係を示す因果関係グラフを生成する生成部と、因果関係グラフに含まれる１つの要因に対応する第１のノードの選択、および、第１の時系列データに対する対象区間の設定に応じて、第１の時系列データのうち対象区間の値を、第１のノードに対応する要因に対する対策の効果を反映した値に更新した第２の時系列データを生成する更新部と、第１の時系列データに基づく第１の評価指標と、第２の時系列データに基づく第２の評価指標とを算出する算出部とを含む。第１の評価指標および第２の評価指標の各々は、製造設備の理想的な状態への近さを示す。
【選択図】図１４

【特許請求の範囲】

【請求項1】

製造設備に関する第１の時系列データに基づいて、前記製造設備に存在する１または複数の要因と前記製造設備において異常と評価される事象との因果関係を示す因果関係グラフを生成する生成部と、
前記因果関係グラフに含まれる１つの要因に対応する第１のノードの選択、および、前記第１の時系列データに対する対象区間の設定に応じて、前記第１の時系列データのうち前記対象区間の値を、前記第１のノードに対応する要因に対する対策の効果を反映した値に更新した第２の時系列データを生成する更新部と、
前記第１の時系列データに基づく第１の評価指標と、前記第２の時系列データに基づく第２の評価指標とを算出する算出部とを備え、前記第１の評価指標および前記第２の評価指標の各々は、前記製造設備の理想的な状態への近さを示す、解析装置。

【請求項2】

前記更新部は、前記第１のノードに加えて、前記因果関係グラフにおいて、前記第１のノードから前記事象を示すノードまでの経路に存在する別の要因に対応する第２のノードについて、前記対象区間の値を更新する、請求項１に記載の解析装置。

【請求項3】

前記更新部は、前記第１のノードに対応する変数を目的変数および説明変数とする回帰モデルを用いて、前記対象区間の前記第１のノードに対応する値を補間する、請求項２に記載の解析装置。

【請求項4】

前記更新部は、前記第２のノードに対応する変数を目的変数とし、前記因果関係グラフにおいて前記第２のノードの要因になるノードに対応する変数を説明変数とする回帰モデルを用いて、前記対象区間の前記第２のノードに対応する値を補間する、請求項２に記載の解析装置。

【請求項5】

前記更新部は、前記回帰モデルが予め定められた精度を有していなければ、前記回帰モデルに代えて、平均値代入法を用いて、前記対象区間の値を算出する、請求項３または４に記載の解析装置。

【請求項6】

前記算出部は、
前記第１の時系列データに基づいて生成された評価モデルを用いて、前記第１の評価指標を算出し、
前記第２の時系列データおよび前記評価モデルを用いて、前記第２の評価指標を算出する、請求項１～４のいずれか１項に記載の解析装置。

【請求項7】

前記第１のノードに対応する変数の時間波形、および、前記第１のノードに対する対策の効果を反映した値、を表示出力する表示出力部をさらに備える、請求項１～４のいずれか１項に記載の解析装置。

【請求項8】

前記表示出力部は、前記事象に対する対策の効果が最も高いと予想されるノードを他のノードとは異なる態様で表示出力する、請求項７に記載の解析装置。

【請求項9】

コンピュータが実行する情報処理方法であって、
製造設備に関する第１の時系列データに基づいて、前記製造設備の理想的な状態への近さを示す第１の評価指標を算出することと、
前記第１の時系列データに基づいて、前記製造設備に存在する１または複数の要因と前記製造設備において異常と評価される事象との因果関係を示す因果関係グラフを生成することと、
前記因果関係グラフに含まれる１つの要因に対応する第１のノードの選択を受け付けることと、
前記第１の時系列データに対する対象区間の設定を受け付けることと、
前記第１の時系列データのうち前記対象区間の値を、前記第１のノードに対応する要因に対する対策の効果を反映した値に更新した第２の時系列データを生成することと、
前記第２の時系列データに基づいて、前記製造設備の理想的な状態への近さを示す第２の評価指標を算出することとを備える、情報処理方法。

【請求項10】

情報処理プログラムであって、コンピュータに、
製造設備に関する第１の時系列データに基づいて、前記製造設備の理想的な状態への近さを示す第１の評価指標を算出することと、
前記第１の時系列データに基づいて、前記製造設備に存在する１または複数の要因と前記製造設備において異常と評価される事象との因果関係を示す因果関係グラフを生成することと、
前記因果関係グラフに含まれる１つの要因に対応する第１のノードの選択を受け付けることと、
前記第１の時系列データに対する対象区間の設定を受け付けることと、
前記第１の時系列データのうち前記対象区間の値を、前記第１のノードに対応する要因に対する対策の効果を反映した値に更新した第２の時系列データを生成することと、
前記第２の時系列データに基づいて、前記製造設備の理想的な状態への近さを示す第２の評価指標を算出することとを実行させる、情報処理プログラム。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、解析装置、情報処理方法および情報処理プログラムに関する。

【背景技術】

【0002】

従来より、実験データおよび観測データなどの不完全な情報に基づいて、製造設備に存在する１または複数の要因と製造設備において異常と評価される事象との因果関係を統計的に推定する技術が公知である。このような技術を産業オートメーション（industrial automation）に適用することで、製造現場で生じる異常の要因の特定を容易化できる。

【0003】

一例として、センサなどのフィールドデバイスから収集する情報に基づいて生成された因果関係グラフを参照することで、品質不良および装置停止などの異常の要因をより容易に特定できるようになる。

【0004】

例えば、特開２００９－１０４５２３号公報（特許文献１）は、検査工程の検査結果に基づいて、製造プロセスでの不良要因を抽出する不良要因抽出方法を開示する。

【先行技術文献】

【特許文献】

【0005】

【特許文献1】特開２００９－１０４５２３号公報

【発明の概要】

【発明が解決しようとする課題】

【0006】

上述した技術を用いて異常の要因を特定した後に、特定された要因に対してとり得る対策の効果を確認することが難しい。例えば、異常の要因を特定するために、データ解析に機械学習を利用する場合には、モデルを更新しなければ、対策の効果を評価できない。また、実際の装置に対して対策をとる場合には、装置の調整などが必要となる。

【0007】

本発明は、製造設備に生じ得る事象に対する対策の効果をより簡単に推定できる技術を提供することを一つの目的とする。

【課題を解決するための手段】

【0008】

本発明の一例に従う解析装置は、製造設備に関する第１の時系列データに基づいて、製造設備に存在する１または複数の要因と製造設備において異常と評価される事象との因果関係を示す因果関係グラフを生成する生成部と、因果関係グラフに含まれる１つの要因に対応する第１のノードの選択、および、第１の時系列データに対する対象区間の設定に応じて、第１の時系列データのうち対象区間の値を、第１のノードに対応する要因に対する対策の効果を反映した値に更新した第２の時系列データを生成する更新部と、第１の時系列データに基づく第１の評価指標と、第２の時系列データに基づく第２の評価指標とを算出する算出部とを含む。第１の評価指標および第２の評価指標の各々は、製造設備の理想的な状態への近さを示す。

【0009】

この構成によれば、評価指標に基づいて、因果関係グラフに含まれる任意のノードに対する対策をとった場合の効果を客観的に判断できる。これによって、因果関係グラフに含まれるノードのうち、いずれのノードに対する対策が有効であるかを容易に推定できる。

【0010】

更新部は、第１のノードに加えて、因果関係グラフにおいて、第１のノードから事象を示すノードまでの経路に存在する別の要因に対応する第２のノードについて、対象区間の値を更新してもよい。この構成によれば、第１のノードに対して対策をとった場合に、第１のノードが影響を与える他のノードの値も更新することで、対策の効果をより正確に推定できる。

【0011】

更新部は、第１のノードに対応する変数を目的変数および説明変数とする回帰モデルを用いて、対象区間の第１のノードに対応する値を補間してもよい。この構成によれば、第１のノードに対応する変数の傾向に応じて、対象区間の値を補間できる。

【0012】

更新部は、第２のノードに対応する変数を目的変数とし、因果関係グラフにおいて第２のノードの要因になるノードに対応する変数を説明変数とする回帰モデルを用いて、対象区間の第２のノードに対応する値を補間してもよい。この構成によれば、第２のノードに対応する変数に影響を与える他のノードに対応する変数の傾向に応じて、対象区間の値を補間できる。

【0013】

更新部は、回帰モデルが予め定められた精度を有していなければ、回帰モデルに代えて、平均値代入法を用いて、対象区間の値を算出してもよい。この構成によれば、生成された回帰モデルの精度が低くても、対象区間の値を適切に補間できる。

【0014】

算出部は、第１の時系列データに基づいて生成された評価モデルを用いて、第１の評価指標を算出し、第２の時系列データおよび評価モデルを用いて、第２の評価指標を算出してもよい。この構成によれば、同一の評価モデルを用いて第１の評価指標および第２の評価指標を算出するので、対策の効果をより適切に評価できる。

【0015】

解析装置は、第１のノードに対応する変数の時間波形、および、第１のノードに対する対策の効果を反映した値、を表示出力する表示出力部をさらに含んでもよい。この構成によれば、時間波形および対策の効果を反映した値を参照することで、対象区間をより適切に設定できる。

【0016】

表示出力部は、事象に対する対策の効果が最も高いと予想されるノードを他のノードとは異なる態様で表示出力してもよい。この構成によれば、より少ない手間で、対策をとるべきノードを決定できる。

【0017】

本発明の別の一例に従うコンピュータが実行する情報処理方法は、製造設備に関する第１の時系列データに基づいて、製造設備の理想的な状態への近さを示す第１の評価指標を算出することと、第１の時系列データに基づいて、製造設備に存在する１または複数の要因と製造設備において異常と評価される事象との因果関係を示す因果関係グラフを生成することと、因果関係グラフに含まれる１つの要因に対応する第１のノードの選択を受け付けることと、第１の時系列データに対する対象区間の設定を受け付けることと、第１の時系列データのうち対象区間の値を、第１のノードに対応する要因に対する対策の効果を反映した値に更新した第２の時系列データを生成することと、第２の時系列データに基づいて、製造設備の理想的な状態への近さを示す第２の評価指標を算出することとを含む。

【0018】

本発明のさらに別の一例に従う情報処理プログラムは、コンピュータに、製造設備に関する第１の時系列データに基づいて、製造設備の理想的な状態への近さを示す第１の評価指標を算出することと、第１の時系列データに基づいて、製造設備に存在する１または複数の要因と製造設備において異常と評価される事象との因果関係を示す因果関係グラフを生成することと、因果関係グラフに含まれる１つの要因に対応する第１のノードの選択を受け付けることと、第１の時系列データに対する対象区間の設定を受け付けることと、第１の時系列データのうち対象区間の値を、第１のノードに対応する要因に対する対策の効果を反映した値に更新した第２の時系列データを生成することと、第２の時系列データに基づいて、製造設備の理想的な状態への近さを示す第２の評価指標を算出することとを実行させる。

【発明の効果】

【0019】

本発明によれば、本発明は、製造設備に生じ得る事象に対する対策の効果をより簡単に推定できる。

【図面の簡単な説明】

【0020】

【図1】本実施の形態に従う情報処理システムの解析装置が提供する表示画面の一例を示す模式図である。

【図2】本実施の形態に従う情報処理システムの解析装置が提供する表示画面の一例を示す模式図である。

【図3】本実施の形態に従う情報処理システムの解析装置が提供する表示画面の一例を示す模式図である。

【図4】本実施の形態に従う情報処理システムの制御装置のハードウェア構成例を示すブロック図である。

【図5】本実施の形態に従う情報処理システムの解析装置のハードウェア構成例を示すブロック図である。

【図6】本実施の形態に従う情報処理システムの機能構成を示す模式図である。

【図7】本実施の形態に従う情報処理システムが処理する時系列データの一例を示す模式図である。

【図8】本実施の形態に従う解析装置が実行する解析処理の処理手順を示すフローチャートである。

【図9】異常検知モデルの生成処理および評価指標の算出処理に係る処理手順を示すフローチャートである。

【図10】回帰モデルの生成処理および評価指標の算出処理に係る処理手順を示すフローチャートである。

【図11】因果関係グラフの生成に係る処理手順を示すフローチャートである。

【図12】変数更新処理における値の推定方法を説明するための図である。

【図13】変数更新処理に係る処理手順を示すフローチャートである。

【図14】本実施の形態に従う解析装置における解析処理の内容を説明するための模式図である。

【発明を実施するための形態】

【0021】

本発明の実施の形態について、図面を参照しながら詳細に説明する。なお、図中の同一または相当部分については、同一符号を付してその説明は繰り返さない。

【0022】

本明細書において、「または」との用語は、「または」に加えて、「および」の意味も包含する。

【0023】

＜Ａ．適用例＞
本発明が適用される場面の一例について説明する。以下では、製造設備から収集される情報に基づいて、因果関係グラフを生成する例について説明する。

【0024】

本明細書において、「製造設備」は、製品または半製品するための任意の１または複数の装置に加えて、製品または半製品の検査といった付帯処理を行うための任意の１または複数の装置を含み得る。

【0025】

本明細書において、「因果関係グラフ」は、製造設備に存在する１または複数の要因と製造設備において異常と評価される事象との因果関係を示す。

【0026】

本実施の形態に従う情報処理システム１は、一例として、製造設備を制御する１または複数の制御装置１００と、制御装置１００などを介して取得されたデータに基づいて、図１～図３に示すような情報を提供する解析装置２００とを含む。

【0027】

制御装置１００は、予め用意されたユーザプログラムに従って、製造設備を稼動するために必要な制御演算をサイクリックに実行する。

【0028】

解析装置２００は、制御装置１００からの時系列データ５０を解析する。時系列データ５０は、解析対象の製造設備に関する第１の時系列データに相当する。時系列データ５０は、例えば、制御装置１００が取り扱うプロセスデータを含む。プロセスデータは、センサによるセンシングデータなどを含む入力データと、制御演算により算出される指令値を含む出力データと、制御装置１００の内部で保持される変数値などを含む内部データとを含み得る。

【0029】

時系列データ５０は、複数の制御装置１００からそれぞれ収集された時系列データの集合であってもよい。

【0030】

制御装置１００は、製造設備に存在する１または複数の要因と製造設備において異常と評価される事象との因果関係を示す因果関係グラフを用いて、目的の事象の要因をユーザに視覚的に提示する。制御装置１００は、特定された事象の要因に対して何らかの対策をとったときに得られるであろう効果をユーザに提示する。

【0031】

図１～図３は、本実施の形態に従う情報処理システム１の解析装置２００が提供する表示画面の一例を示す模式図である。

【0032】

図１を参照して、表示画面３００は、因果関係グラフ３１０を含む。図１に示す因果関係グラフ３１０は、事象を示すノード３１６と、事象を示すノード３１６に関係するノード３１１，３１２，３１３，３１４，３１５とを含む。ノード３１１，３１２，３１３，３１４，３１５の各々が事象に関係する要因を示す。

【0033】

因果関係グラフ３１０は、事象毎に動的または静的に生成される。図１に示す例では、事象１についての因果関係グラフ３１０を示すが、別の事象が選択されると、因果関係グラフ３１０のグラフ構造は更新される。

【0034】

本実施の形態においては、典型的には、「異常」と評価される事象を想定する。そのため、事象としては、例えば、製造設備を構成するいずれかの装置の故障、製造設備を構成するいずれかの装置の動作不要、および、製造設備により製造される製品の品質不良などが挙げられる。

【0035】

因果関係グラフ３１０は、因果関係グラフ３１０に含まれる要因のうち１つの要因に対応する、対策を行うノード（以下、「対象ノード」とも称す。）を選択し、対策の効果を算出した結果を示す対策効果表示エリア３２０と、算出された対策の効果を順次格納する履歴表示エリア３３０とを含む。

【0036】

図２を参照して、解析装置２００は、因果関係グラフ３１０に含まれる１つの要因に対応するノードを対象ノードとして選択するためのユーザ指示を受け付ける。

【0037】

なお、因果関係グラフ３１０において、対象の事象に対する対策の効果が最も高いと予想されるノード（要因）が予め選択されていてもよい。対策の効果が最も高いと予想されるノードは、対応する特徴量の貢献度（図１１など参照）に基づいて選択されてもよい。このように、解析装置２００（後述するＧＵＩモジュール２８０）は、事象に対する対策の効果が最も高いと予想されるノードを他のノードとは異なる態様で表示出力してもよい。

【0038】

対象ノードが選択されると、選択された対象ノードが示す変数の時間波形３４０（時系列データ）が表示される。また、表示変数ラベル３４２には、表示されている時間波形３４０に対応する変数名が表示される。

【0039】

時間波形３４０に含まれる各値には、「正常」または「異常」のラベルが付与されている。「正常」または「異常」のラベルを付与する処理は、ユーザが行ってもよいし、解析装置２００が行ってもよい。時間波形３４０において、「正常」のデータにはＯＫラベル１０が付加されており、「異常」のデータにはＮＧラベル１２が付加されている。なお、時間波形３４０に含まれる値のうち外れ値については、無効なデータとして「除去」のラベルが付与されてもよい。

【0040】

ユーザは、表示画面３００の因果関係グラフ３１０を参照して、対象ノードの変数の値が示す傾向を確認する。解析装置２００は、ユーザから、因果関係グラフ３１０の任意の区間（以下、「対象区間３４４」とも称す。）の設定を受け付けるとともに、対策ボタン３４８の押下を受け付ける。解析装置２００は、対象区間３４４の値を対策の効果を反映した値に更新する。因果関係グラフ３１０の対象区間３４４には、更新後の値からなる更新後波形３４６が表示される。図２に示す例では、正常のラベルが付与される範囲の値に更新されている。

【0041】

解析装置２００は、対象ノードの変数だけではなく、対象ノードから事象を示すノードまでの経路に存在する、別の要因に対応するすべてのノード（以下、「関係ノード」とも称す。）の変数についても、対策の効果を反映した値に更新する。詳細な処理については後述する。

【0042】

さらに、解析装置２００は、元の時間波形３４０のうち、対象区間３４４を更新後波形３４６に変更した時間波形を用いて、対策の効果の度合いを算出する。対策の効果の度合いとしては、評価モデルを用いて算出される評価指標が用いられる。

【0043】

本明細書において、「評価指標」は、製造設備の理想的な状態（あるいは、設計上の理想値）への近さを示す指標である。「評価指標」として、製品または半製品の「良品率」、ならびに、製造設備の「稼働率」などが採用される場合には、対策により、より高い値を示すようになれば効果があると判断できる。一方、「評価指標」として、製品または半製品の「不良率」、ならびに、製造設備の「停止時間」などが採用される場合には、対策により、より低い値を示すようになれば効果があると判断できる。

【0044】

対策効果表示エリア３２０には、評価指標として「良品率」が採用されている例を示す。図２に示す例において、対策効果表示エリア３２０は、元の時間波形３４０に基づく評価指標（良品率）が「９７．３％」であり、対象区間３４４を更新後波形３４６に変更した場合の評価指標（良品率）が「９９．８％」であることを示す。

【0045】

図３を参照して、解析装置２００は、対策リセットボタン３５０の押下を受け付けると、対象ノードおよび対象区間３４４の設定を解除する。

【0046】

対策ボタン３４８が押下されて実行された処理の結果は、履歴表示エリア３３０に順次格納される。履歴表示エリア３３０には、算出される対策の効果（評価指標）に加えて、選択された対象ノードおよび対応する関係ノードも併せて表示される。

【0047】

ユーザは、履歴表示エリア３３０の表示内容を参照して、いずれのノードに対する対策が最も有効であるかを探ることができる。

【0048】

以下、図１～図３に示す機能を提供するための構成および処理について説明する。
＜Ｂ．ハードウェア構成例＞
まず、本実施の形態に従う情報処理システム１のハードウェア構成例について説明する。

【0049】

（ｂ１：制御装置１００）
図４は、本実施の形態に従う情報処理システム１の制御装置１００のハードウェア構成例を示すブロック図である。図４を参照して、制御装置１００は、ＰＬＣ（プログラマブルロジックコントローラ）などの、一種のコンピュータとして具現化されてもよい。

【0050】

一例として、制御装置１００は、プロセッサ１０２と、チップセット１０４と、主記憶装置１０６と、二次記憶装置１０８と、フィールドバスコントローラ１１０と、ＵＳＢ（Universal Serial Bus）コントローラ１１２と、メモリカードインターフェイス１１４とを含む。

【0051】

プロセッサ１０２は、二次記憶装置１０８に格納された各種プログラムを読み出して、主記憶装置１０６に展開して実行することで、制御対象を制御するための処理を実現する。チップセット１０４は、プロセッサ１０２と各コンポーネントとの間のデータ伝送などを制御する。

【0052】

二次記憶装置１０８には、制御演算を実行するためのＰＬＣエンジン１５０を提供するためのシステムプログラム１３１に加えて、制御演算に係る処理を定義したユーザプログラム１３２が格納される。

【0053】

フィールドバスコントローラ１１０は、フィールドバスを介してフィールドデバイス４０との間でデータをやり取りする。フィールドバスは、産業用の通信プロトコルを採用することが好ましい。このような通信プロトコルとしては、ＥｔｈｅｒＣＡＴ（登録商標）、ＥｔｈｅｒＮｅｔ／ＩＰ（登録商標）、ＤｅｖｉｃｅＮｅｔ（登録商標）、または、ＣｏｍｐｏＮｅｔ（登録商標）などが知られている。

【0054】

ＵＳＢコントローラ１１２は、ＵＳＢ接続を介して解析装置２００との間でデータをやり取りする。

【0055】

メモリカードインターフェイス１１４は、メモリカード１１６を着脱可能に構成されており、メモリカード１１６に対してデータを書込み、メモリカード１１６から各種データ（ユーザプログラム１３２およびトレースデータなど）を読み出すことが可能になっている。

【0056】

図４には、プロセッサ１０２がプログラムを実行することで必要な機能が提供される構成例を示したが、これらの提供される機能の一部または全部を、専用のハードウェア回路（例えば、ＡＳＩＣ（Application Specific Integrated Circuit）またはＦＰＧＡ（Field-Programmable Gate Array）など）を用いて実装してもよい。あるいは、制御装置１００の主要部を、汎用的なアーキテクチャに従うハードウェア（例えば、汎用パソコンをベースとした産業用パソコン）を用いて実現してもよい。この場合には、仮想化技術を用いて、用途の異なる複数のＯＳ（Operating System）を並列的に実行させるとともに、各ＯＳ上で必要なアプリケーションを実行させるようにしてもよい。

【0057】

（ｂ２：解析装置２００）
本実施の形態に従う解析装置２００は、一例として、汎用的なアーキテクチャに従うハードウェア（例えば、汎用パソコン）を用いてプログラムを実行することで実現される。

【0058】

図５は、本実施の形態に従う情報処理システム１の解析装置２００のハードウェア構成例を示すブロック図である。図５を参照して、解析装置２００は、プロセッサ２０２と、光学ドライブ２０４と、主記憶装置２０６と、二次記憶装置２０８と、ＵＳＢコントローラ２１２と、ネットワークコントローラ２１４と、入力部２１６と、表示部２１８とを含む。これらのコンポーネントはバス２２０を介して接続される。

【0059】

プロセッサ２０２は、二次記憶装置２０８に格納されたプログラムを読み出して、主記憶装置２０６に展開して実行することで、後述するような各種処理を実現する。

【0060】

二次記憶装置２０８は、例えば、ＨＤＤ（Hard Disk Drive）またはＳＳＤ（Solid State Drive）などで構成される。二次記憶装置２０８には、例えば、ＯＳ２２２と、制御装置１００との間で必要なデータをやり取りするためのＰＬＣインターフェイスプログラム２２４と、因果関係グラフ３１０を生成するための解析プログラム２２６と、ＧＵＩ（Graphical User Interface）に係る処理を実行するＧＵＩプログラム２２８とが格納される。これらのプログラムの一部または全部が情報処理プログラムに相当する。二次記憶装置２０８には、図５に示すプログラム以外の必要なプログラムが格納されてもよい。

【0061】

解析装置２００は、光学ドライブ２０４を有しており、コンピュータ可読なプログラムを非一時的に格納するコンピュータ可読媒体２０５（例えば、ＤＶＤ（Digital Versatile Disc）などの光学記録媒体）から、その中に格納されたプログラムが読み取られて二次記憶装置２０８などにインストールされる。

【0062】

解析装置２００で実行されるプログラムは、コンピュータ可読媒体２０５を介してインストールされてもよいが、ネットワーク上のサーバ装置などからダウンロードする形でインストールするようにしてもよい。また、本実施の形態に従う解析装置２００が提供する機能は、ＯＳ２２２が提供するモジュールの一部を利用する形で実現される場合もある。

【0063】

ＵＳＢコントローラ２１２は、ＵＳＢ接続を介して制御装置１００との間のデータのやり取りを制御する。ネットワークコントローラ２１４は、任意のネットワークを介した他の装置との間のデータのやり取りを制御する。

【0064】

入力部２１６は、キーボードおよびマウスなどで構成され、ユーザ操作を受け付ける。表示部２１８は、ディスプレイ、各種インジケータ、プリンタなどで構成され、プロセッサ２０２からの処理結果などを出力する。

【0065】

図５には、プロセッサ２０２がプログラムを実行することで必要な機能が提供される構成例を示したが、これらの提供される機能の一部または全部を、専用のハードウェア回路（例えば、ＡＳＩＣおよびＦＰＧＡなど）を用いて実装してもよい。

【0066】

＜Ｃ．機能構成例＞
次に、本実施の形態に従う情報処理システム１の機能構成例について説明する。

【0067】

図６は、本実施の形態に従う情報処理システム１の機能構成を示す模式図である。図６を参照して、情報処理システム１は、１または複数の制御装置１００と、解析装置２００とを含む。

【0068】

図６を参照して、制御装置１００は、機能構成として、ＰＬＣエンジン１５０と、変数マネジャ１５２と、インターフェイス１５４と、ＴＳＤＢ（Time Series Data Base）１５６とを含む。

【0069】

制御装置１００は、センサ４２およびアクチュエータ４４を含むフィールドデバイス４０と接続される。制御装置１００は、フィールドデバイス４０（センサ４２）からセンシングデータ（入力データ）を収集するとともに、ＰＬＣエンジン１５０による制御演算の結果に従って、フィールドデバイス４０（アクチュエータ４４）に指令値（出力データ）を出力する。

【0070】

ＰＬＣエンジン１５０は、ユーザプログラム１３２に従って、製造設備を構成する装置を制御するための制御演算を実行する。制御演算は、シーケンス制御またはモーション制御を含む。

【0071】

変数マネジャ１５２は、ＰＬＣエンジン１５０がユーザプログラム１３２を実行するにあたって参照可能な変数（変数が示す値）を管理する。変数マネジャ１５２は、予め登録された変数の値をＴＳＤＢ１５６に周期的またはイベント的に書込む。

【0072】

インターフェイス１５４は、フィールドデバイス４０との間で周期的にデータ（入力データおよび出力データ）をやり取りする。このような周期的なデータのやり取りは、「Ｉ／Ｏリフレッシュ処理」と称されることもある。

【0073】

ＴＳＤＢ１５６は、予め登録された変数の値を時系列に格納する。そのため、ＴＳＤＢ１５６には、時系列データ５０が格納されることになる。

【0074】

図７は、本実施の形態に従う情報処理システム１が処理する時系列データ５０の一例を示す模式図である。図７を参照して、時系列データ５０の各レコードは、タイムスタンプ５１と、１または複数のプロセスデータ５２と、フレーム変数５３とを含む。

【0075】

タイムスタンプ５１は、制御装置１００または解析装置２００が管理するタイマにより付与される時刻情報である。プロセスデータ５２は、入力データ、出力データ、および、内部データなどを含む。フレーム変数５３は、解析処理における処理単位であるフレームを規定するための情報である。

【0076】

再度図６を参照して、解析装置２００は、制御装置１００のＴＳＤＢ１５６に格納される時系列データ５０を任意の方法で取得する。例えば、制御装置１００と解析装置２００とを電気的に接続して、制御装置１００から解析装置２００に時系列データ５０を送信してもよい。あるいは、制御装置１００が時系列データ５０をメモリカード１１６に書込み、解析装置２００がメモリカード１１６から時系列データ５０を読出してもよい。

【0077】

解析装置２００は、機能構成として、因果関係グラフ生成モジュール２５０と、変数更新モジュール２６０と、評価モジュール２７０と、ＧＵＩモジュール２８０とを含む。解析装置２００の各モジュールは、例えば、解析装置２００のプロセッサ２０２が情報処理プログラム（図５に示すＰＬＣインターフェイスプログラム２２４、解析プログラム２２６、および、ＧＵＩプログラム２２８など）を実行することで実現される。

【0078】

因果関係グラフ生成モジュール２５０は、生成部に相当し、製造設備に関する第１の時系列データである時系列データ５０に基づいて、製造設備に存在する１または複数の要因と製造設備において異常と評価される事象との因果関係を示す因果関係グラフ３１０を生成する。一例として、因果関係グラフ生成モジュール２５０は、ノード生成モジュール２５２と、因果関係探索モジュール２５４とを含む。

【0079】

ノード生成モジュール２５２は、取得した時系列データ５０から特徴量（各ノードが示す値）を算出する。また、因果関係グラフ生成モジュール２５０は、各特徴量の貢献度および特徴量の偏相関を算出する。

【0080】

因果関係探索モジュール２５４は、各特徴量の貢献度と、特徴量間の偏相関とに基づいて、目的の事象（異常）に関係するノードを探索する。因果関係探索モジュール２５４は、目的の事象に至る因果関係を統計的に推定してもよいし、演繹的に決定してもよい。

【0081】

因果関係グラフ生成モジュール２５０は、対象の事象（異常）が選択または更新されるたびに、因果関係グラフ３１０を都度生成してもよい。

【0082】

変数更新モジュール２６０は、更新部に相当し、因果関係グラフ３１０に含まれる１つの要因に対応する対象ノード（第１のノード）の選択、および、時系列データ５０に対する対象区間３４４の設定に応じて、時系列データ５０のうち対象区間３４４の値を、対象ノードに対する対策の効果を反映した値に更新した時系列データ５５（第２の時系列データ）を生成する。一例として、変数更新モジュール２６０は、回帰モデル生成モジュール２６２と、データ補間モジュール２６４とを含む。

【0083】

回帰モデル生成モジュール２６２は、対象ノードを補間するための自己回帰モデル、および、関係ノードを補間するための回帰モデルを生成する。

【0084】

データ補間モジュール２６４は、自己回帰モデルまたは回帰モデルに基づいて、対象区間３４４の値を補間する。

【0085】

評価モジュール２７０は、算出部に相当し、時系列データ５０に基づく現在の評価指標２７６（第１の評価指標）と、時系列データ５５に基づく対策後の評価指標２７８（第２の評価指標）とを算出する。一例として、評価モジュール２７０は、モデル生成モジュール２７２と、評価指標算出モジュール２７４とを含む。

【0086】

モデル生成モジュール２７２は、評価指標２７６を算出するための評価モデルを生成する。

【0087】

評価指標算出モジュール２７４は、生成された評価モデルに基づいて、現在の評価指標２７６および対策後の評価指標２７８を算出する。

【0088】

ＧＵＩモジュール２８０は、表示出力部に相当し、時系列データ５０と、因果関係グラフ生成モジュール２５０が生成する因果関係グラフ３１０と、変数更新モジュール２６０が生成する時系列データ５５と、評価モジュール２７０が算出する現在の評価指標２７６および対策後の評価指標２７８とを含む表示画面を表示出力する。

【0089】

例えば、ＧＵＩモジュール２８０は、対象ノードに対応する変数の時間波形（図２に示す時間波形３４０）、および、対象ノードに対する対策の効果を反映した値（図２に示す更新後波形３４６）を表示出力する。

【0090】

ここで、「表示出力」は、解析装置２００が有している表示部２１８または解析装置２００の外部に存在する表示部に対して、表示画面を表示するためのデータまたは信号を出力することを意味する。

【0091】

図６には、制御装置１００と解析装置２００とを別体の装置として例示するが、制御装置１００と解析装置２００とを一体の装置として構成してもよい。また、解析装置２００に含まれる機能（因果関係グラフ生成モジュール２５０、変数更新モジュール２６０、評価モジュール２７０、および、ＧＵＩモジュール２８０）の一部をクラウド上のリソースで実行するようにしてもよい。すなわち、本実施の形態に従う解析装置２００は、単一の装置として実装してもよいし、複数の装置を用いて実装してもよい。

【0092】

＜Ｄ．解析処理＞
次に、本実施の形態に従う解析装置２００が実行する情報処理の一例である解析処理について説明する。

【0093】

（ｄ１：全体処理）
図８は、本実施の形態に従う解析装置２００が実行する解析処理の処理手順を示すフローチャートである。図８に示す各ステップは、例えば、解析装置２００のプロセッサ２０２が情報処理プログラム（図５に示すＰＬＣインターフェイスプログラム２２４、解析プログラム２２６、および、ＧＵＩプログラム２２８など）を実行することで実現される。

【0094】

図８を参照して、解析装置２００は、解析対象に関係する時系列データ５０を取得する（ステップＳ１）。解析装置２００は、制御装置１００から時系列データ５０を直接取得してもよいし、メモリカード１１６を媒介として時系列データ５０を取得してもよい。

【0095】

解析装置２００は、時系列データ５０に基づいて評価モデルを生成し、生成した評価モデルに基づいて評価指標を算出する（ステップＳ２）。このように、解析装置２００（評価モジュール２７０）は、製造設備に関する時系列データ５０に基づいて生成された評価モデルを用いて、現在の評価指標２７６（第１の評価指標）を算出する。

【0096】

生成される評価モデルは、対策の効果を評価するための評価指標の算出に用いられる。例えば、評価モデルとしては、異常を検知するための異常検知モデル、および、将来の値を推定する回帰モデルなどを用いることができる。異常検知モデルを用いた場合の評価指標としては、良品率および設備利用効率などが挙げられる。回帰モデルを用いた場合の評価指標としては、予測精度などが挙げられる。

【0097】

解析装置２００は、時系列データ５０から因果関係グラフ３１０を生成し（ステップＳ３）、生成された因果関係グラフ３１０を表示する（ステップＳ４）。

【0098】

解析装置２００は、表示された因果関係グラフ３１０に対して、対象ノードが選択されたか否かを判断する（ステップＳ５）。すなわち、解析装置２００は、因果関係グラフ３１０に含まれる対象ノード（第１のノード）の選択を受け付ける。

【0099】

対象ノードが選択されると（ステップＳ５においてＹＥＳ）、解析装置２００は、対象ノードに対応する時間波形を表示する（ステップＳ６）。表示される時間波形は、対象ノードに対応する変数の時系列データである。

【0100】

解析装置２００は、表示された時間波形に対して、いずれかの対象区間３４４が設定されたか否かを判断する（ステップＳ７）。すなわち、解析装置２００は、時系列データ５０に対する対象区間３４４の設定を受け付ける。

【0101】

いずれかの対象区間３４４が設定されると（ステップＳ７においてＹＥＳ）、解析装置２００は、設定された対象区間３４４に対応する開始時刻および終了時刻を特定する（ステップＳ８）。

【0102】

解析装置２００は、対策ボタン３４８が押下されたか否かを判断する（ステップＳ９）。対策ボタン３４８が押下されると（ステップＳ９においてＹＥＳ）、解析装置２００は、設定された対象区間３４４の値を対策の効果を反映した値に更新する処理を実行する（ステップＳ１０）。対策の効果を反映した値に更新する処理（以下、「変数更新処理」とも称す。）は、何らかの対策がとられたことで変化するであろう値を推定する。このように、解析装置２００は、時系列データ５０のうち対象区間３４４の値を、対象ノードに対する対策の効果を反映した値に更新した時系列データ５５を生成する。

【0103】

解析装置２００は、生成した評価モデルに更新後の時系列データ５５を入力して、対策後の評価指標を算出し（ステップＳ１１）、算出した対策後の評価指標を表示する（ステップＳ１２）。このように、解析装置２００は、更新後の時系列データ５５に基づいて、対策後の評価指標２７８（第２の評価指標）を算出する。より具体的には、解析装置２００（評価モジュール２７０）は、更新後の時系列データ５５および評価モデルを用いて、対策後の評価指標２７８（第２の評価指標）を算出する。

【0104】

（ｄ２：評価モデル生成）
次に、図８に示す評価モデルの生成処理および評価指標の算出処理（ステップＳ２）について説明する。生成される評価モデルとしては、異常検知モデルであってもよいし、回帰モデルであってもよい。

【0105】

図９は、異常検知モデルの生成処理および評価指標の算出処理に係る処理手順を示すフローチャートである。なお、時系列データ５０に含まれるフレーム毎に、正常ラベルまたは異常ラベルが付与されているとする。

【0106】

図９を参照して、解析装置２００は、時系列データ５０に含まれる正常ラベルが付与されたデータから暫定の異常検知モデルを生成する（ステップＳ２１）。続いて、解析装置２００は、正常ラベルが付与されているデータに異常ラベルが付与されたデータを追加した集合に基づいて、異常検知モデルの正答率が最大化するように、異常検知モデルを定義するハイパーパラメータを最適化する（ステップＳ２２）。解析装置２００は、ハイパーパラメータが最適化された異常検知モデルを出力する（ステップＳ２３）。

【0107】

解析装置２００は、出力された異常検知モデルの正答率に基づいて、設備利用効率および良品率などの評価指標を算出する（ステップＳ２４）。

【0108】

図１０は、回帰モデルの生成処理および評価指標の算出処理に係る処理手順を示すフローチャートである。時系列データ５０は、複数の変数の時系列データを含んでいる。回帰モデルは、時系列データ５０に含まれる１または複数の変数（説明変数）の入力に対して、１つの変数（目的変数）の値を算出する。

【0109】

図１０を参照して、解析装置２００は、目的変数と同じ変数を説明変数に選択して、暫定の回帰モデルを生成する（ステップＳ２５）。生成される暫定の回帰モデルは、目的変数についての自己回帰モデルとなる。続いて、解析装置２００は、回帰モデルのＲＭＳＥ（Root Mean Squared Error：二乗平均平方根誤差）が最小化するように、目的変数として、時系列データ５０に含まれる他の１または複数の変数の時系列データを追加して、回帰モデルを再生成する（ステップＳ２６）。

【0110】

ステップＳ２６において、説明変数として最適な１または複数の変数が決定されると、当該決定された説明変数を用いる回帰モデルを出力する（ステップＳ２７）。

【0111】

解析装置２００は、出力された回帰モデルのＲＭＳＥに基づいて、予測精度などの評価指標を算出する（ステップＳ２８）。そして、処理はリターンする。

【0112】

（ｄ３：因果関係グラフ生成）
次に、図８に示す因果関係グラフ生成処理（ステップＳ３）について説明する。

【0113】

図１１は、因果関係グラフ生成処理に係る処理手順を示すフローチャートである。図１１を参照して、解析装置２００は、時系列データ５０をフレーム毎に分割し（ステップＳ３１）、フレーム毎に各変数の特徴量を算出する（ステップＳ３２）。特徴量は、各変数について、各フレームにおける平均値、最小値、最大値といった、各フレームを代表する任意の値である。特徴量の各々は、因果関係グラフを構成するノードとなる。

【0114】

解析装置２００は、何らかの異常が発生したフレーム（異常ラベルが付与されたフレーム）に着目して、各特徴量の貢献度を算出する（ステップＳ３３）とともに、特徴量間の偏相関を算出する（ステップＳ３４）。各特徴量の貢献度は、着目しているフレームに各特徴量（変数）がどのような影響を与えたかを示すＳＨＡＰ（SHapley Additive exPlanations）値などを用いることができる。

【0115】

解析装置２００は、各特徴量の貢献度と、特徴量間の偏相関とに基づいて、因果関係グラフを生成する（ステップＳ３５）。このように、解析装置２００は、取得された時系列データ５０から算出された、各特徴量の貢献度と、特徴量の偏相関とに基づいて、因果関係グラフを生成する。そして、処理はリターンする。

【0116】

このように、解析装置２００は、特徴量（ノード）間の結合関係（エッジ）を決定する。決定される結合関係（エッジ）は、無向性であってもよいし、有向性であってもよい。

【0117】

（ｄ４：変数更新処理）
次に、図８に示す変数更新処理（ステップＳ１０）について説明する。

【0118】

図１２は、変数更新処理における値の推定方法を説明するための図である。
図１２を参照して、因果関係グラフ３１０は、製造設備において異常と評価される事象を示すノード３１６に至る因果関係を示す。一例として、因果関係グラフ３１０は、製造設備に存在する１または複数の要因を示すノード３１１，３１２，３１３，３１４，３１５を含む。

【0119】

例えば、対象ノードとしてノード３１３が選択された場合を想定する。ノード３１３に対して何らかの対策がとられると、ノード３１３が示す変数の値が更新されるとともに、対象ノード（ノード３１３）から事象を示すノード３１６の方向（以下、「ターゲット方向」とも称す。）に存在するノード３１４およびノード３１５がそれぞれ示す変数の値も更新される。

【0120】

解析装置２００（変数更新モジュール２６０）は、対象ノード（第１のノード；ノード３１３）に対応する変数を目的変数および説明変数とする回帰モデル（すなわち、自己回帰モデル）を用いて、対象区間３４４の対象ノードに対応する値を補間する。そのため、ノード３１３が示す変数の値については、自己回帰モデルを用いた補間により値が更新される。

【0121】

一方、解析装置２００（変数更新モジュール２６０）は、関係ノード（第２のノード；ノード３１４，３１５）に対応する変数を目的変数とし、因果関係グラフ３１０において関係ノードの要因になるノードに対応する変数を説明変数とする回帰モデルを用いて、対象区間３４４の関係ノードに対応する値を補間する。

【0122】

例えば、ノード３１４が示す変数の値については、ノード３１４の要因になるノード３１３が示す値を説明変数とする回帰モデル（Ｄ＝ｆ_１（Ｃ））を用いた補間により値が更新される。また、ノード３１５が示す変数の値については、ノード３１４の要因になるノード３１３およびノード３１２が示す値を説明変数とする回帰モデル（Ｅ＝ｆ_２（Ｂ，Ｃ））を用いた補間により値が更新される。

【0123】

説明の便宜上で、図１１に示す因果関係グラフ３１０においては、対象ノードから事象を示すノード３１６までに２つのノード３１４，３１５のみが存在する例を示すが、変数更新処理は、対象ノードから事象を示すノード３１６までの経路に存在する、別の要因に対応するすべての関係ノードに対して実行される。

【0124】

このように、変数更新モジュール２６０は、対象ノード（第１のノード）に加えて、因果関係グラフ３１０において、対象ノードから事象を示すノード３１６までの経路に存在する関係ノード（第２のノード）について、対象区間３４４の値を更新する。

【0125】

図１３は、変数更新処理に係る処理手順を示すフローチャートである。図１３を参照して、解析装置２００は、対象ノードに対応する変数の自己回帰モデルを生成し、生成した自己回帰モデルを評価する（ステップＳ１００１～Ｓ１００５）。その上で、解析装置２００は、対象区間３４４の値を更新する（ステップＳ１００６およびＳ１００７）。

【0126】

一例として、解析装置２００は、対象ノードに対応する変数の時系列データから対象区間３４４の時系列データを除外し（ステップＳ１００１）、除外後の時系列データを学習用データと評価用データとに分離する（ステップＳ１００２）。例えば、解析装置２００は、除外後の時系列データのうち互いに重複しない２つの区間を設定し、一方の区間の時系列データを学習用データとして決定し、他方の区間の時系列データを評価データとして決定する。

【0127】

解析装置２００は、学習用データに基づいて自己回帰モデルを生成する（ステップＳ１００３）。そして、解析装置２００は、評価データを用いて、生成した自己回帰モデルの精度指標を算出する（ステップＳ１００４）。

【0128】

例えば、自己回帰モデルとして、ＡＲＩＭＡ（Auto Regressive Integrated Moving Average）モデルを用いる場合には、評価データを用いて算出されるＭＡＥ（Mean Absolute Error：平均絶対誤差）を精度指標としてもよい。

【0129】

解析装置２００は、算出された精度指標が予め定められたしきい値を超えているか否かを判断する（ステップＳ１００５）。

【0130】

精度指標が予め定められたしきい値を超えていれば、解析装置２００は、生成した自己回帰モデルを用いて、対象区間３４４の値（時系列データ）を算出する（ステップＳ１００６）。すなわち、解析装置２００は、生成した自己回帰モデルが予め定められた推定精度を有していると判断できる場合に、自己回帰モデルを用いた補間を行う。

【0131】

一方、精度指標が予め定められたしきい値を超えていなければ、解析装置２００は、平均値代入法を用いて、対象区間３４４の値（時系列データ）を算出する（ステップＳ１００７）。このように、解析装置２００（変数更新モジュール２６０）は、自己回帰モデルが予め定められた精度を有していなければ、自己回帰モデルに代えて、平均値代入法を用いて、対象区間３４４の値を算出する。

【0132】

続いて、解析装置２００は、関係ノードの値を更新する（ステップＳ１００８～Ｓ１０１５）。

【0133】

解析装置２００は、対象ノードのターゲット方向に存在する１つの関係ノードを選択し（ステップＳ１００８）、選択した関係ノードに対応する変数を目的変数として決定し、選択した関係ノードと依存関係にある１または複数のノードに対応する変数を説明変数として決定する（ステップＳ１００９）。

【0134】

目的変数および１または複数の説明変数の時系列データから対象区間３４４の時系列データを除外し（ステップＳ１０１０）、除外後の時系列データを学習用データと評価用データとに分離する（ステップＳ１０１１）。

【0135】

例えば、解析装置２００は、除外後の時系列データのうち互いに重複しない２つの区間を設定し、一方の区間の時系列データを学習用データとして決定し、他方の区間の時系列データを評価データとして決定する。学習データおよび評価データは、いずれも目的変数および１または複数の説明変数の時系列データを含む。

【0136】

解析装置２００は、学習用データに基づいて回帰モデルを生成する（ステップＳ１０１２）。生成される回帰モデルは、１または複数の説明変数を入力とし、目的変数を出力とするものである。そして、解析装置２００は、評価データを用いて、生成した回帰モデルの精度指標を算出する（ステップＳ１０１３）。

【0137】

例えば、ＸＧＢｏｏｓｔ（eXtreme Gradient Boosting：勾配ブースティング回帰木）を用いて回帰モデルを生成する場合には、評価データを用いて算出されるＲＭＳＥ（二乗平均平方根誤差）を精度指標としてもよい。

【0138】

解析装置２００は、算出された精度指標が予め定められたしきい値を超えているか否かを判断する（ステップＳ１０１４）。

【0139】

精度指標が予め定められたしきい値を超えていれば、解析装置２００は、生成した回帰モデルを用いて、目的変数の対象区間３４４の値（時系列データ）を算出する（ステップＳ１０１５）。すなわち、解析装置２００は、生成した回帰モデルが予め定められた推定精度を有していると判断できる場合に、回帰モデルを用いた補間を行う。

【0140】

一方、精度指標が予め定められたしきい値を超えていなければ、解析装置２００は、平均値代入法を用いて、目的変数の対象区間３４４の値（時系列データ）を算出する（ステップＳ１０１６）。このように、解析装置２００（変数更新モジュール２６０）は、自己回帰モデルが予め定められた精度を有していなければ、自己回帰モデルに代えて、平均値代入法を用いて、対象区間３４４の値を算出する。

【0141】

解析装置２００は、対象ノードのターゲット方向に存在するすべての関係ノードを選択済であるか否かを判断する（ステップＳ１０１７）。対象ノードのターゲット方向に存在するすべての関係ノードを選択済でなければ（ステップＳ１０１７においてＮＯ）、ステップＳ１００８以下の処理が繰り返される。

【0142】

対象ノードのターゲット方向に存在するすべての関係ノードを選択済であれば（ステップＳ１０１７においてＹＥＳ）、処理はリターンする。

【0143】

（ｄ５：解析装置の機能構成）
上述の解析装置２００が実行する解析処理を図６に示す解析装置２００の機能構成と対応付けて説明する。

【0144】

図１４は、本実施の形態に従う解析装置２００における解析処理の内容を説明するための模式図である。図１４を参照して、因果関係グラフ生成モジュール２５０は、時系列データ５０から因果関係グラフ３１０を生成する。

【0145】

変数更新モジュール２６０は、対象ノードの選択および対象区間の設定に応じて、時系列データ５０の対象区間３４４の値を対策の効果を反映した値に更新する。そして、変数更新モジュール２６０は、対象区間３４４の値を更新した時系列データ５５を出力する。

【0146】

対象区間３４４の値の更新にあたって、変数更新モジュール２６０は、対象ノードの値を補間するための自己回帰モデル２６６を生成し、関係ノードを補間するための回帰モデル２６８を生成する。

【0147】

評価モジュール２７０は、時系列データ５０に基づいて、現在の評価指標２７６を算出するとともに、対象区間３４４の値を更新した時系列データ５５に基づいて、対策後の評価指標２７８を算出する。

【0148】

評価指標２７６および評価指標２７８の算出にあたって、評価モジュール２７０は、時系列データ５０に基づいて評価モデル２９０（異常検知モデルまたは回帰モデル）を生成する。

【0149】

＜Ｅ．付記＞
上述したような本実施の形態は、以下のような技術思想を含む。

【0150】

［構成１］
製造設備に関する第１の時系列データ（５０）に基づいて、前記製造設備に存在する１または複数の要因と前記製造設備において異常と評価される事象との因果関係を示す因果関係グラフ（３１０）を生成する生成部（２５０）と、
前記因果関係グラフに含まれる１つの要因に対応する第１のノードの選択、および、前記第１の時系列データに対する対象区間（３４４）の設定に応じて、前記第１の時系列データ（５５）のうち前記対象区間の値を、前記第１のノードに対応する要因に対する対策の効果を反映した値に更新した第２の時系列データを生成する更新部（２６０）と、
前記第１の時系列データに基づく第１の評価指標（２７６）と、前記第２の時系列データに基づく第２の評価指標（２７８）とを算出する算出部（２７０）とを備え、前記第１の評価指標および前記第２の評価指標の各々は、前記製造設備の理想的な状態への近さを示す、解析装置。

【0151】

［構成２］
前記更新部は、前記第１のノードに加えて、前記因果関係グラフにおいて、前記第１のノードから前記事象を示すノードまでの経路に存在する別の要因に対応する第２のノードについて、前記対象区間の値を更新する、構成１に記載の解析装置。

【0152】

［構成３］
前記更新部は、前記第１のノードに対応する変数を目的変数および説明変数とする回帰モデル（２６６）を用いて、前記対象区間の前記第１のノードに対応する値を補間する、構成１または２に記載の解析装置。

【0153】

［構成４］
前記更新部は、前記第２のノードに対応する変数を目的変数とし、前記因果関係グラフにおいて前記第２のノードの要因になるノードに対応する変数を説明変数とする回帰モデル（２６８）を用いて、前記対象区間の前記第２のノードに対応する値を補間する、構成１～３のいずれか１項に記載の解析装置。

【0154】

［構成５］
前記更新部は、前記回帰モデルが予め定められた精度を有していなければ、前記回帰モデルに代えて、平均値代入法を用いて、前記対象区間の値を算出する、構成３または４に記載の解析装置。

【0155】

［構成６］
前記算出部は、
前記第１の時系列データに基づいて生成された評価モデル（２９０）を用いて、前記第１の評価指標を算出し、
前記第２の時系列データおよび前記評価モデルを用いて、前記第２の評価指標を算出する、構成１～５のいずれか１項に記載の解析装置。

【0156】

［構成７］
前記第１のノードに対応する変数の時間波形（３４０）、および、前記第１のノードに対する対策の効果を反映した値（３４６）、を表示出力する表示出力部（２８０）をさらに備える、構成１～６のいずれか１項に記載の解析装置。

【0157】

［構成８］
前記表示出力部は、前記事象に対する対策の効果が最も高いと予想されるノードを他のノードとは異なる態様で表示出力する、構成７に記載の解析装置。

【0158】

［構成９］
コンピュータ（１００）が実行する情報処理方法であって、
製造設備に関する第１の時系列データ（５０）に基づいて、前記製造設備の理想的な状態への近さを示す第１の評価指標（２７６）を算出すること（Ｓ２）と、
前記第１の時系列データに基づいて、前記製造設備に存在する１または複数の要因と前記製造設備において異常と評価される事象との因果関係を示す因果関係グラフを生成すること（Ｓ３）と、
前記因果関係グラフに含まれる１つの要因に対応する第１のノードの選択を受け付けること（Ｓ５）と、
前記第１の時系列データに対する対象区間（３４４）の設定を受け付けること（Ｓ７）と、
前記第１の時系列データのうち前記対象区間の値を、前記第１のノードに対応する要因に対する対策の効果を反映した値に更新した第２の時系列データ（５５）を生成すること（Ｓ１０）と、
前記第２の時系列データに基づいて、前記製造設備の理想的な状態への近さを示す第２の評価指標（２７８）を算出すること（Ｓ１１）とを備える、情報処理方法。

【0159】

［構成１０］
情報処理プログラム（２２４，２２６，２２８）であって、コンピュータ（２００）に、
製造設備に関する第１の時系列データ（５０）に基づいて、前記製造設備の理想的な状態への近さを示す第１の評価指標（２７６）を算出すること（Ｓ２）と、
前記第１の時系列データに基づいて、前記製造設備に存在する１または複数の要因と前記製造設備において異常と評価される事象との因果関係を示す因果関係グラフを生成すること（Ｓ３）と、
前記因果関係グラフに含まれる１つの要因に対応する第１のノードの選択を受け付けること（Ｓ５）と、
前記第１の時系列データに対する対象区間（３４４）の設定を受け付けること（Ｓ７）と、
前記第１の時系列データのうち前記対象区間の値を、前記第１のノードに対応する要因に対する対策の効果を反映した値に更新した第２の時系列データ（５５）を生成すること（Ｓ１０）と、
前記第２の時系列データに基づいて、前記製造設備の理想的な状態への近さを示す第２の評価指標（２７８）を算出すること（Ｓ１１）とを実行させる、情報処理プログラム。

【0160】

本実施の形態に係る発明は、上記の情報処理プログラムを格納した非一時的なコンピュータ可読媒体としても実現可能である。

【0161】

＜Ｆ．利点＞
本実施の形態によれば、因果関係グラフに含まれる任意のノードに対する対策をとった場合の効果を客観的に判断できる。これによって、因果関係グラフに含まれるノードのうち、いずれのノードに対する対策が有効であるかを推定できるとともに、対策による効果の度合いも推定できる。

【0162】

今回開示された実施の形態はすべての点で例示であって制限的なものではないと考えられるべきである。本発明の範囲は、上記した説明ではなく、特許請求の範囲によって示され、特許請求の範囲と均等の意味および範囲内でのすべての変更が含まれることが意図される。

【符号の説明】

【0163】

１ 情報処理システム、４０ フィールドデバイス、４２ センサ、４４ アクチュエータ、５０，５５ 時系列データ、５１ タイムスタンプ、５２ プロセスデータ、５３ フレーム変数、１００ 制御装置、１０２，２０２ プロセッサ、１０４ チップセット、１０６，２０６ 主記憶装置、１０８，２０８ 二次記憶装置、１１０ フィールドバスコントローラ、１１２，２１２ ＵＳＢコントローラ、１１４ メモリカードインターフェイス、１１６ メモリカード、１３１ システムプログラム、１３２ ユーザプログラム、１５０ ＰＬＣエンジン、１５２ 変数マネジャ、１５４ インターフェイス、１５６ ＴＳＤＢ、２００ 解析装置、２０４ 光学ドライブ、２０５ コンピュータ可読媒体、２１４ ネットワークコントローラ、２１６ 入力部、２１８ 表示部、２２０ バス、２２２ ＯＳ、２２４ インターフェイスプログラム、２２６ 解析プログラム、２２８ ＧＵＩプログラム、２５０ 因果関係グラフ生成モジュール、２５２ ノード生成モジュール、２５４ 因果関係探索モジュール、２６０ 変数更新モジュール、２６２ 回帰モデル生成モジュール、２６４ データ補間モジュール、２６６ 自己回帰モデル、２６８ 回帰モデル、２７０ 評価モジュール、２７２ モデル生成モジュール、２７４ 評価指標算出モジュール、２７６，２７８ 評価指標、２８０ モジュール、２９０ 評価モデル、３００ 表示画面、３１０ 因果関係グラフ、３１１，３１２，３１３，３１４，３１５，３１６ ノード、３２０ 対策効果表示エリア、３３０ 履歴表示エリア、３４０ 時間波形、３４２ 表示変数ラベル、３４４ 対象区間、３４６ 更新後波形、３４８ 対策ボタン、３５０ 対策リセットボタン。

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】

【図9】

【図10】

【図11】

【図12】

【図13】

【図14】