知財求人 - 知財ポータルサイト「IP Force」
(19)【発行国】日本国特許庁(JP)
(12)【公報種別】特許公報(B2)
(11)【特許番号】
(24)【登録日】2024-07-08
(45)【発行日】2024-07-17
(54)【発明の名称】診断装置、サーバ、及び診断方法
(51)【国際特許分類】
G05B 23/02 20060101AFI20240709BHJP
【ＦＩ】
G05B23/02 302S
【請求項の数】
11
(21)【出願番号】P 2022526911
(86)(22)【出願日】2021-05-18
(86)【国際出願番号】 JP2021018740
(87)【国際公開番号】W WO2021241315
(87)【国際公開日】2021-12-02
【審査請求日】2022-12-19
(31)【優先権主張番号】P 2020090733
(32)【優先日】2020-05-25
(33)【優先権主張国・地域又は機関】JP
(73)【特許権者】
【識別番号】390008235
【氏名又は名称】ファナック株式会社
(74)【代理人】
【識別番号】100106002
【弁理士】
【氏名又は名称】正林 真之
(74)【代理人】
【識別番号】100165157
【弁理士】
【氏名又は名称】芝 哲央
(74)【代理人】
【識別番号】100160794
【弁理士】
【氏名又は名称】星野 寛明
(72)【発明者】
【氏名】佐藤 和宏
(72)【発明者】
【氏名】小泉 和弘
【審査官】今井 貞雄
(56)【参考文献】
【文献】特開２０１８－１５９９９１（ＪＰ，Ａ）
【文献】国際公開第２０１３／０５１１０１（ＷＯ，Ａ１）
【文献】特開２０２０－０６７７３０（ＪＰ，Ａ）
【文献】特開２０１９－１８５４２２（ＪＰ，Ａ）
(58)【調査した分野】(Int.Cl.，ＤＢ名)
Ｇ０５Ｂ ２３／０２
(57)【特許請求の範囲】
【請求項1】
産業機器の異常を学習して前記異常の分類学習モデルを生成するサーバと、通信可能に接続される診断装置であって、前記産業機器に配置された少なくとも１つのセンサにより測定された測定値を含むセンサ信号を取得するセンサ信号取得部と、
取得された前記センサ信号に基づいて前記産業機器が正常か異常かを診断する機器診断部と、
前記機器診断部により前記産業機器が異常と診断された場合、前記センサ信号と前記分類学習モデルとに基づいて前記産業機器の異常の分類を行う分類部と、
前記分類部の分類結果に基づいて、前記センサ信号に対する前記産業機器の異常の内容を示すラベルの生成タイミングを判断し、前記ラベルを生成するラベル情報生成部と、
前記機器診断部の診断結果、及び前記分類部の分類結果の少なくとも１つに基づいて、前記サーバに前記センサ信号の送信可否を判断し、送信可と判断した場合、前記センサ信号を前記サーバに送信する送信部と、を備え、
前記分類部は、前記センサ信号に基づいて少なくとも前記産業機器の異常が分類付けできない、又は予め設定されたサンプル数より少ない異常の場合、前記センサ信号を未知のデータと分類し、
前記ラベル情報生成部は、前記センサ信号が未知のデータと判定されたタイミングで、前記センサ信号に対するラベルを生成し、
前記送信部は、未知のデータと分類された前記センサ信号及び前記センサ信号に対する前記産業機器の異常の内容を示すラベルのみを前記サーバに送信する
診断装置。
【請求項2】
前記機器診断部は、予め正常時のセンサ信号の特徴を学習し、正常時の特徴からの乖離の度合いに基づいて前記産業機器の異常を検知する１クラス分類器である、請求項１に記載の診断装置。
【請求項3】
前記分類部は、前記送信部により送信された前記センサ信号及び前記ラベルに基づいて前記サーバにより生成された前記分類学習モデルを前記サーバから取得する、請求項１又は請求項２に記載の診断装置。
【請求項4】
前記分類学習モデルは、前記サーバが前記診断装置から新たなセンサ信号を受信する度に更新され、前記分類部は、更新された前記分類学習モデルを用いて、前記産業機器の異常の分類を行う、請求項３に記載の診断装置。
【請求項5】
前記送信部が前記センサ信号を送信する場合、前記センサ信号の送信を促すユーザインタフェースを表示部に表示する表示制御部をさらに備える、請求項１から請求項４のいずれか１項に記載の診断装置。
【請求項6】
前記表示制御部は、前記機器診断部の診断結果、及び前記分類部の分類結果の少なくとも１つを前記表示部に表示する、請求項５に記載の診断装置。
【請求項7】
産業機器から取得される異常を示すセンサ信号を入力することで前記異常を分類する分類学習モデルを備えるとともに分類付けできない前記異常を示すセンサ信号の分類を学習して前記分類学習モデルを更新するサーバと、通信可能に接続される診断装置であって、前記産業機器に配置された少なくとも１つのセンサにより測定された測定値を含むセンサ信号を取得するセンサ信号取得部と、
取得された前記センサ信号に基づいて前記産業機器が正常か異常かを診断する機器診断部と、
前記機器診断部により前記産業機器が異常と診断された場合、前記サーバに前記センサ信号のみを送信する送信部と、
前記サーバから取得された前記センサ信号に対する分類結果に基づいて、前記センサ信号に対する前記産業機器の異常の内容を示すラベルの生成タイミングを判断し、前記ラベルを生成するラベル情報生成部と、を備え、
前記ラベル情報生成部は、前記送信部により前記サーバに送信された前記センサ信号が少なくとも前記産業機器の異常が分類付けできない、又は予め設定されたサンプル数より少ない異常の場合に、未知のデータと判定された分類結果を前記サーバから受信したタイミングで、前記センサ信号に対するラベルを生成し、
前記送信部は、生成された前記センサ信号に対するラベルを前記サーバに送信する、診断装置。
【請求項8】
請求項１から請求項６のいずれか１項に記載の診断装置と通信可能に接続されるサーバであって、前記診断装置から受信されたセンサ信号を用いて前記産業機器の異常を学習して前記分類学習モデルを生成し、生成した前記分類学習モデルを前記診断装置に送信する分類モデル学習部
を備えるサーバ。
【請求項9】
請求項７に記載の診断装置と通信可能に接続されるサーバであって、前記診断装置から受信されたセンサ信号を用いて前記産業機器の異常を学習して前記分類学習モデルを生成する分類モデル学習部と、
前記センサ信号と前記分類学習モデルとに基づいて前記産業機器の異常の分類を行う分類部と、
を備えるサーバ。
【請求項10】
産業機器の異常を学習して前記異常の分類学習モデルを生成するサーバと、通信可能に接続される診断装置による診断方法であって、産業機器に配置された少なくとも１つのセンサにより測定された測定値を含むセンサ信号を取得するセンサ信号取得ステップと、
取得された前記センサ信号に基づいて前記産業機器が正常か異常かを診断する機器診断ステップと、
前記産業機器が異常と診断された場合、前記センサ信号と前記分類学習モデルとに基づいて前記産業機器の異常の分類を行う分類ステップと、
前記分類ステップの分類結果に基づいて、前記センサ信号に対する前記産業機器の異常の内容を示すラベルの生成タイミングを判断し、前記ラベルを生成するラベル情報生成ステップと、
前記機器診断ステップの診断結果、及び前記分類ステップの分類結果の少なくとも１つに基づいて、前記サーバに前記センサ信号の送信可否を判断し、送信可と判断した場合、前記センサ信号を前記サーバに送信する送信ステップと、を備え、
前記分類ステップは、前記センサ信号に基づいて少なくとも前記産業機器の異常が分類付けできない、又は予め設定されたサンプル数より少ない異常の場合、前記センサ信号を未知のデータと分類し、
前記ラベル情報生成ステップは、前記センサ信号が未知のデータと判定されたタイミングで、前記センサ信号に対するラベルを生成し、
前記送信ステップは、未知のデータと分類された前記センサ信号及び前記センサ信号に対する前記産業機器の異常の内容を示すラベルのみを前記サーバに送信する
診断方法。
【請求項11】
産業機器から取得される異常を示すセンサ信号を入力することで前記異常を分類する分類学習モデルを備えるとともに分類付けできない前記異常を示すセンサ信号の分類を学習して前記分類学習モデルを更新するサーバと、通信可能に接続される診断装置による診断方法であって、産業機器に配置された少なくとも１つのセンサにより測定された測定値を含むセンサ信号を取得するセンサ信号取得ステップと、
取得された前記センサ信号に基づいて前記産業機器が正常か異常かを診断する機器診断ステップと、
前記産業機器が異常と診断された場合、前記サーバに前記センサ信号のみを送信する送信ステップと、
前記サーバから取得された前記センサ信号に対する分類結果に基づいて、前記センサ信号に対する前記産業機器の異常の内容を示すラベルの生成タイミングを判断し、前記ラベルを生成するラベル情報生成ステップと、を備え、
前記ラベル情報生成ステップは、前記サーバに送信された前記センサ信号が少なくとも前記産業機器の異常が分類付けできない、又は予め設定されたサンプル数より少ない異常の場合に、未知のデータと判定された分類結果を前記サーバから受信したタイミングで、前記センサ信号に対するラベルを生成し、
前記送信ステップは、生成された前記センサ信号に対するラベルを前記サーバに送信する、診断方法。
【発明の詳細な説明】
【技術分野】
【0001】
本発明は、診断装置、サーバ、及び診断方法に関する。
【背景技術】
【0002】
工作機械やロボット等の産業機器の診断（故障の予知や検知等）を行う診断装置がある。当該診断装置では、診断精度向上等の機能改善のためにユーザの産業機器に配置されたセンサが測定した測定値のセンサデータを、産業機器の製造元や販売元等のベンダが回収する必要がある。
この点、対象装置の現在の動作に対応するコンテキスト情報と、当該動作において検知された音響データ等の検知情報と、を学習装置に送信し、同一又は類似であるコンテキスト情報にそれぞれ対応する検知情報から生成されたモデルを結合する学習装置から、送信したコンテキスト情報に対応するモデルを取得し、検知された検知情報と、取得されたモデルと、を用いて、対象装置の動作が正常か否かを判定する技術が知られている。例えば、特許文献１参照。
この点、対象装置の現在の動作に対応するコンテキスト情報と、当該動作において検知された音響データ等の検知情報と、を学習装置に送信し、同一又は類似であるコンテキスト情報にそれぞれ対応する検知情報から生成されたモデルを結合する学習装置から、送信したコンテキスト情報に対応するモデルを取得し、検知された検知情報と、取得されたモデルと、を用いて、対象装置の動作が正常か否かを判定する技術が知られている。例えば、特許文献１参照。
【先行技術文献】
【特許文献】
【0003】
【文献】特開２０１８－２５９４５号公報
【発明の概要】
【発明が解決しようとする課題】
【0004】
しかしながら、例えば、産業機器のセンサデータをベンダのサーバ等に常時アップロードすることは困難である。すなわち、産業機器のセンサデータの容量は一般的に大きく、全データをアップロードするとネットワーク帯域を圧迫してしまう。また、セキュリティの観点から産業機器は、外部ネットワークに常時接続されていないケースが多い。
また、センサデータに対するラベル付（アノテーション）が必要な場合、対象データ数が多いとユーザの負荷が増えるという問題もある。
また、センサデータに対するラベル付（アノテーション）が必要な場合、対象データ数が多いとユーザの負荷が増えるという問題もある。
【0005】
そこで、ベンダでの機能改善に影響が大きいデータのみを選別し、選別されたデータをサーバにアップロードすることが望まれている。
【課題を解決するための手段】
【0006】
（１）本開示の診断装置の一態様は、産業機器の異常を学習して前記異常の分類学習モデルを生成するサーバと、通信可能に接続される診断装置であって、前記産業機器に配置された少なくとも１つのセンサにより測定された測定値を含むセンサ信号を取得するセンサ信号取得部と、取得された前記センサ信号に基づいて前記産業機器が正常か異常かを診断する機器診断部と、前記機器診断部により前記産業機器が異常と診断された場合、前記センサ信号と前記分類学習モデルとに基づいて前記産業機器の異常の分類を行う分類部と、前記機器診断部の診断結果、及び前記分類部の分類結果の少なくとも１つに基づいて、前記サーバに前記センサ信号の送信可否を判断し、送信可と判断した場合、前記センサ信号を前記サーバに送信する送信部と、を備える。
【0007】
（２）本開示の診断装置の一態様は、産業機器から取得される異常を示すセンサ信号を入力することで前記異常を分類する分類学習モデルを備えるとともに分類付けできない前記センサ信号の分類を学習して前記分類学習モデルを更新するサーバと、通信可能に接続される診断装置であって、前記産業機器に配置された少なくとも１つのセンサにより測定された測定値を含むセンサ信号を取得するセンサ信号取得部と、取得された前記センサ信号に基づいて前記産業機器が正常か異常かを診断する機器診断部と、前記機器診断部により前記産業機器が異常と診断された場合、前記サーバに前記センサ信号を送信する送信部と、前記サーバから取得された前記センサ信号に対する分類結果に基づいて、前記センサ信号に対する前記産業機器の異常の内容を示すラベルの生成タイミングを判断し、前記ラベルを生成するラベル情報生成部と、を備え、前記送信部は、前記ラベルを前記サーバに送信する。
【0008】
（３）本開示のサーバの一態様は、（１）の診断装置と通信可能に接続されるサーバであって、前記診断装置から受信されたセンサ信号を用いて前記産業機器の異常を学習して前記分類学習モデルを生成し、生成した前記分類学習モデルを前記診断装置に送信する分類モデル学習部を備える。
【0009】
（４）本開示のサーバの一態様は、（２）の診断装置と通信可能に接続されるサーバであって、前記診断装置から受信されたセンサ信号を用いて前記産業機器の異常を学習して前記分類学習モデルを生成する分類モデル学習部と、前記センサ信号と前記分類学習モデルとに基づいて前記産業機器の異常の分類を行う分類部と、を備える。
【0010】
（５）本開示の診断方法の一態様は、産業機器の異常を学習して前記異常の分類学習モデルを生成するサーバと、通信可能に接続される診断装置による診断方法であって、産業機器に配置された少なくとも１つのセンサにより測定された測定値を含むセンサ信号を取得するセンサ信号取得ステップと、取得された前記センサ信号に基づいて前記産業機器が正常か異常かを診断する機器診断ステップと、前記産業機器が異常と診断された場合、前記センサ信号と前記分類学習モデルとに基づいて前記産業機器の異常の分類を行う分類ステップと、前記機器診断ステップの診断結果、及び前記分類ステップの分類結果の少なくとも１つに基づいて、前記サーバに前記センサ信号の送信可否を判断し、送信可と判断した場合、前記センサ信号を前記サーバに送信する送信ステップと、を備える。
【0011】
（６）本開示の診断方法の一態様は、産業機器から取得される異常を示すセンサ信号を入力することで前記異常を分類する分類学習モデルを備えるとともに分類付けできない前記センサ信号の分類を学習して前記分類学習モデルを更新するサーバと、通信可能に接続される診断装置による診断方法であって、産業機器に配置された少なくとも１つのセンサにより測定された測定値を含むセンサ信号を取得するセンサ信号取得ステップと、取得された前記センサ信号に基づいて前記産業機器が正常か異常かを診断する機器診断ステップと、前記産業機器が異常と診断された場合、前記サーバに前記センサ信号を送信する送信ステップと、前記サーバから取得された前記センサ信号に対する分類結果に基づいて、前記センサ信号に対する前記産業機器の異常の内容を示すラベルの生成タイミングを判断し、前記ラベルを生成するラベル情報生成ステップと、を備え、前記送信ステップは、前記ラベルを前記サーバに送信する。
【発明の効果】
【0012】
一態様によれば、ベンダでの機能改善に影響が大きいデータのみを選別し、選別されたデータをサーバにアップロードすることができる。
【図面の簡単な説明】
【0013】
【図1】第１実施形態に係る診断システムの機能的構成例を示す機能ブロック図である。
【図2】診断装置の診断処理、及びサーバの収集処理について説明するフローチャートである。
【図3】診断装置の取得処理、及びサーバの学習処理について説明するフローチャートである。
【図4】第２実施形態に係る診断システムの機能的構成例を示す機能ブロック図である。
【図5】診断装置の診断処理、及びサーバの収集処理について説明するフローチャートである。
【図6】サーバの学習処理について説明するフローチャートである。
【図7】診断システムの構成の一例を示す図である。
【発明を実施するための形態】
【0014】
以下、本開示の第１実施形態について、図面を用いて説明する。
＜第１実施形態＞
図１は、第１実施形態に係る診断システムの機能的構成例を示す機能ブロック図である。図１に示すように、診断システム１は、産業機器１０、診断装置２０、及びサーバ３０を有する。
＜第１実施形態＞
図１は、第１実施形態に係る診断システムの機能的構成例を示す機能ブロック図である。図１に示すように、診断システム１は、産業機器１０、診断装置２０、及びサーバ３０を有する。
【0015】
産業機器１０、診断装置２０、及びサーバ３０は、ＬＡＮ（Ｌｏｃａｌ Ａｒｅａ Ｎｅｔｗｏｒｋ）やインターネット等の図示しないネットワークを介して相互に接続されていてもよい。この場合、産業機器１０、診断装置２０、及びサーバ３０は、かかる接続によって相互に通信を行うための図示しない通信部を備えている。また、産業機器１０、診断装置２０、及びサーバ３０は、図示しない接続インタフェースを介して互いに直接接続されてもよい。
【0016】
産業機器１０は、当業者にとって公知の工作機械や産業用ロボット等であり、センサ１１を含む。産業機器１０は、図示しない制御装置からの動作指示に基づいて動作する。なお、図示しない制御装置は、産業機器１０が工作機械の場合、数値制御装置であり、産業機器１０がロボットの場合、ロボット制御装置である。また、図示しない制御装置は、産業機器１０に含まれてもよい。
【0017】
センサ１１は、産業機器１０に含まれるモータ、当該モータに取り付けられた主軸やアーム等の可動部（図示しない）の可動に関する状態を測定する。センサ１１は、測定した測定値であるセンサデータを含むセンサ信号を、診断用データとして利用されるために診断装置２０に出力する。センサ１１は、任意のセンサにより実現できるが、例えば、加速度センサ、ＡＥ（Ａｃｏｕｓｔｉｃ Ｅｍｉｓｓｉｏｎ）センサ、温度センサ、電流計、電圧計等のセンサにより実現することができる。
また、センサ１１により測定されるセンサデータには、サーボ制御のフィードバックのデータ（速度フィードバック、及びそこから計算されるトルクコマンド）を含んでもよい。
なお、図１では、センサ１１は１つとしたが、これに限定されない。例えば、産業機器１０には、同じ種類のセンサデータを測定する複数のセンサ１１が配置されてもよく、互いに異なる種類のセンサデータを測定する複数のセンサ１１が配置されてもよい。
また、センサ１１により測定されるセンサデータには、サーボ制御のフィードバックのデータ（速度フィードバック、及びそこから計算されるトルクコマンド）を含んでもよい。
なお、図１では、センサ１１は１つとしたが、これに限定されない。例えば、産業機器１０には、同じ種類のセンサデータを測定する複数のセンサ１１が配置されてもよく、互いに異なる種類のセンサデータを測定する複数のセンサ１１が配置されてもよい。
【0018】
＜診断装置２０＞
診断装置２０は、制御部２１、及び表示部２２を含んで構成される。また、制御部２１は、センサ信号取得部２１１、機器診断部２１２、分類部２１３、送信部２１４、表示制御部２１５、及びラベル情報生成部２１６を含む。
診断装置２０は、制御部２１、及び表示部２２を含んで構成される。また、制御部２１は、センサ信号取得部２１１、機器診断部２１２、分類部２１３、送信部２１４、表示制御部２１５、及びラベル情報生成部２１６を含む。
【0019】
表示部２２は、ＬＣＤ（Ｌｉｑｕｉｄ Ｃｒｙｓｔａｌ Ｄｉｓｐｌａｙ）等の表示装置である。表示部２２は、後述する表示制御部２１５の制御指示に基づいて、後述する機器診断部２１２により診断された産業機器１０の診断結果、及び後述する分類部２１３により分類された産業機器１０の異常の分類結果を表示する。また、表示部２２は、表示制御部２１５の制御指示に基づいて、診断装置２０に含まれるキーボードやタッチパネル等の入力装置（図示しない）を介して、後述する送信部２１４によるセンサデータの送信の指示をユーザから受け付けるユーザインタフェースを表示してもよい。
【0020】
＜制御部２１＞
制御部２１は、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）、ＲＡＭ、ＣＭＯＳ（Ｃｏｍｐｌｅｍｅｎｔａｒｙ Ｍｅｔａｌ－Ｏｘｉｄｅ－Ｓｅｍｉｃｏｎｄｕｃｔｏｒ）メモリ等を有し、これらはバスを介して相互に通信可能に構成される、当業者にとって公知のものである。
ＣＰＵは診断装置２０を全体的に制御するプロセッサである。ＣＰＵは、ＲＯＭに格納されたシステムプログラム及びアプリケーションプログラムを、バスを介して読み出し、前記システムプログラム及びアプリケーションプログラムに従って診断装置２０全体を制御する。これにより、図１に示すように、制御部２１が、センサ信号取得部２１１、機器診断部２１２、分類部２１３、送信部２１４、表示制御部２１５、及びラベル情報生成部２１６の機能を実現するように構成される。ＲＡＭには一時的な計算データや表示データ等の各種データが格納される。また、ＣＭＯＳメモリは図示しないバッテリでバックアップされ、診断装置２０の電源がオフされても記憶状態が保持される不揮発性メモリとして構成される。
制御部２１は、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）、ＲＡＭ、ＣＭＯＳ（Ｃｏｍｐｌｅｍｅｎｔａｒｙ Ｍｅｔａｌ－Ｏｘｉｄｅ－Ｓｅｍｉｃｏｎｄｕｃｔｏｒ）メモリ等を有し、これらはバスを介して相互に通信可能に構成される、当業者にとって公知のものである。
ＣＰＵは診断装置２０を全体的に制御するプロセッサである。ＣＰＵは、ＲＯＭに格納されたシステムプログラム及びアプリケーションプログラムを、バスを介して読み出し、前記システムプログラム及びアプリケーションプログラムに従って診断装置２０全体を制御する。これにより、図１に示すように、制御部２１が、センサ信号取得部２１１、機器診断部２１２、分類部２１３、送信部２１４、表示制御部２１５、及びラベル情報生成部２１６の機能を実現するように構成される。ＲＡＭには一時的な計算データや表示データ等の各種データが格納される。また、ＣＭＯＳメモリは図示しないバッテリでバックアップされ、診断装置２０の電源がオフされても記憶状態が保持される不揮発性メモリとして構成される。
【0021】
センサ信号取得部２１１は、産業機器１０に配置される少なくとも１つのセンサ１１により測定された測定値（センサデータ）を含むセンサ信号を取得する。センサ信号取得部２１１は、取得したセンサ信号を機器診断部２１２、分類部２１３、及び送信部２１４に出力する。
【0022】
機器診断部２１２は、取得されたセンサ信号に基づいて産業機器１０が正常か異常かを診断する。
機器診断部２１２は、例えば、Ｏｎｅ Ｃｌａｓｓ ＳＶＭ（Ｓｕｐｐｏｒｔ Ｖｅｃｔｏｒ Ｍａｃｈｉｎｅ）（以下、「１クラスＳＶＭ」ともいう）、ガウス混合モデル等の１クラス分類器である。機器診断部２１２は、例えば、産業機器１０の稼動状態が同一又は類似における産業機器１０の正常時のセンサデータの分布を学習し、正常時のセンサデータの分布からのずれ（すなわち、乖離の度合い）をもって異常と判断する。
なお、以下では、産業機器１０の稼動状態に関する説明を省略するが、実際は、産業機器１０の稼動状態（コンテキスト情報）別に１クラス分類器が生成され、産業機器１０の稼動状態（コンテキスト情報）別に産業機器１０に対する診断が行われてもよい。
機器診断部２１２は、例えば、Ｏｎｅ Ｃｌａｓｓ ＳＶＭ（Ｓｕｐｐｏｒｔ Ｖｅｃｔｏｒ Ｍａｃｈｉｎｅ）（以下、「１クラスＳＶＭ」ともいう）、ガウス混合モデル等の１クラス分類器である。機器診断部２１２は、例えば、産業機器１０の稼動状態が同一又は類似における産業機器１０の正常時のセンサデータの分布を学習し、正常時のセンサデータの分布からのずれ（すなわち、乖離の度合い）をもって異常と判断する。
なお、以下では、産業機器１０の稼動状態に関する説明を省略するが、実際は、産業機器１０の稼動状態（コンテキスト情報）別に１クラス分類器が生成され、産業機器１０の稼動状態（コンテキスト情報）別に産業機器１０に対する診断が行われてもよい。
【0023】
具体的には、１クラスＳＶＭの手法による１クラス分類器は、センサデータを２つのクラス（集団）に分類する分類学習モデルであるＳＶＭを応用した手法である。ＳＶＭは、２クラスのデータ間の距離（マージン）が最大となるようにクラスが定められた学習データを分類する超平面を求め、前記超平面を利用して、判定対象のセンサデータをどちらかのクラスに分類する。そして、１クラス分類器は、学習データとして正常データの１クラスのみを用い、学習データのクラスとそれ以外とを分類する超平面を求め、求めた超平面を利用してセンサデータを分類する。その結果、１クラス分類器は、センサデータの空間で、学習データの幾つかを通って学習データの大半を囲むことができる識別境界を作成して、前記識別境界によって、判定対象のセンサデータを正常か異常かのどちらかに分類する。
換言すれば、正常時の学習データに基づく１クラス分類器である機器診断部２１２は、センサデータが学習データの正常のクラスに分類されるか否か、すなわち、診断対象の産業機器１０が正常か異常かを診断することができる。機器診断部２１２は、診断結果を後述する分類部２１３、送信部２１４、及び表示制御部２１５に出力する。
換言すれば、正常時の学習データに基づく１クラス分類器である機器診断部２１２は、センサデータが学習データの正常のクラスに分類されるか否か、すなわち、診断対象の産業機器１０が正常か異常かを診断することができる。機器診断部２１２は、診断結果を後述する分類部２１３、送信部２１４、及び表示制御部２１５に出力する。
【0024】
分類部２１３は、機器診断部２１２により産業機器１０が異常と診断された場合、センサ信号と後述する分類学習モデルとに基づいて産業機器１０の異常の分類を行う。
具体的には、分類部２１３は、後述するように、例えば、異常Ａｉの学習データに基づく分類学習モデルとしての１クラス分類器をサーバ３０から取得（ダウンロード）し、取得した１クラス分類器を追加する。分類部２１３は、追加した１クラス分類器とセンサデータとを用いて、センサデータが異常Ａｉの学習データのクラスに分類されるか否か、すなわち産業機器１０の異常が異常Ａｉか否かを判定する。なお、ｉは１からｎの整数であり、ｎは１以上の整数である。
すなわち、分類部２１３は、機器診断部２１２により異常と診断された産業機器１０のセンサデータに基づいて、診断対象の産業機器１０の異常を分類する。例えば、分類部２１３は、後述するサーバ３０により生成された既知の異常Ａｉそれぞれの学習データに基づく１クラス分類器を用いて、センサデータが異常Ａｉの学習データに適合するか否かを判定することで、産業機器１０の異常が異常Ａｉか否かを判定する。一方、分類部２１３は、異常Ａ１から異常Ａｎのいずれでもないと判定した場合、当該センサデータを未知のデータと判定してもよい。
そして、分類部２１３は、分類結果を送信部２１４、表示制御部２１５、及びラベル情報生成部２１６に出力する。
具体的には、分類部２１３は、後述するように、例えば、異常Ａｉの学習データに基づく分類学習モデルとしての１クラス分類器をサーバ３０から取得（ダウンロード）し、取得した１クラス分類器を追加する。分類部２１３は、追加した１クラス分類器とセンサデータとを用いて、センサデータが異常Ａｉの学習データのクラスに分類されるか否か、すなわち産業機器１０の異常が異常Ａｉか否かを判定する。なお、ｉは１からｎの整数であり、ｎは１以上の整数である。
すなわち、分類部２１３は、機器診断部２１２により異常と診断された産業機器１０のセンサデータに基づいて、診断対象の産業機器１０の異常を分類する。例えば、分類部２１３は、後述するサーバ３０により生成された既知の異常Ａｉそれぞれの学習データに基づく１クラス分類器を用いて、センサデータが異常Ａｉの学習データに適合するか否かを判定することで、産業機器１０の異常が異常Ａｉか否かを判定する。一方、分類部２１３は、異常Ａ１から異常Ａｎのいずれでもないと判定した場合、当該センサデータを未知のデータと判定してもよい。
そして、分類部２１３は、分類結果を送信部２１４、表示制御部２１５、及びラベル情報生成部２１６に出力する。
【0025】
なお、分類部２１３は、異常Ａｉと判定した場合でも、判定された異常Ａｉに対応するセンサデータの数が予め設定されたサンプル数より少ない場合、当該センサデータを未知のデータと判定してもよい。
また、分類学習モデルがニューラルネットワークの学習済みモデルの場合、分類部２１３は、ニューラルネットワークの出力層（ソフトマックス関数）の値が全てのクラスに対して予め設定された所定値以下の場合に、未知のデータと判定してもよい。
また、分類学習モデルが既知の異常Ａ１から異常Ａｎの全クラスのデータを入力として学習された１クラス分類器の場合、分類部２１３は、当該１クラス分類器の出力が予め設定された閾値に対して大きい、又は小さい場合に、未知のデータと判定してもよい。
また、分類学習モデルがニューラルネットワークの学習済みモデルの場合、分類部２１３は、ニューラルネットワークの出力層（ソフトマックス関数）の値が全てのクラスに対して予め設定された所定値以下の場合に、未知のデータと判定してもよい。
また、分類学習モデルが既知の異常Ａ１から異常Ａｎの全クラスのデータを入力として学習された１クラス分類器の場合、分類部２１３は、当該１クラス分類器の出力が予め設定された閾値に対して大きい、又は小さい場合に、未知のデータと判定してもよい。
【0026】
また、分類部２１３は、既知の異常Ａｉそれぞれの学習データに基づく１クラス分類器をサーバ３０から取得し、取得した１クラス分類器とセンサデータとを用いて、産業機器１０の異常を分類したが、これに限定されない。例えば、分類部２１３は、後述するサーバ３０における機械学習により生成された、例えば、ＳＶＭや決定木等の分類器をサーバ３０から取得し、取得したＳＶＭや決定木等の分類器とセンサデータとを用いて、産業機器１０の異常の分類を行ってもよい。
また、分類部２１３は、後述するサーバ３０にとって既知の異常Ａ１から異常Ａｎのデータか、未知のデータか、に分類する１クラス分類器でもよい。
また、分類部２１３は、後述するサーバ３０にとって既知の異常Ａ１から異常Ａｎのデータか、未知のデータか、に分類する１クラス分類器でもよい。
【0027】
送信部２１４は、機器診断部２１２の診断結果、又は分類部２１３の分類結果、若しくは両方の結果に基づいて、サーバ３０にセンサ信号の送信可否を判断し、送信可と判断した場合、センサ信号をサーバ３０に送信する。
具体的には、送信部２１４は、機器診断部２１２により産業機器１０が異常と診断され、分類部２１３によりセンサ信号のセンサデータが未知のデータと分類された場合、当該センサデータを含むセンサ信号をサーバ３０に送信すると判断する。そして、送信部２１４は、センサ信号をサーバ３０に送信する。
すなわち、送信部２１４は、分類部２１３によりサーバ３０にとって未知のデータと判定されたセンサデータのセンサ信号のみをサーバ３０に送信することで、ネットワークの負荷や、ユーザの負荷を低減することができる。
具体的には、送信部２１４は、機器診断部２１２により産業機器１０が異常と診断され、分類部２１３によりセンサ信号のセンサデータが未知のデータと分類された場合、当該センサデータを含むセンサ信号をサーバ３０に送信すると判断する。そして、送信部２１４は、センサ信号をサーバ３０に送信する。
すなわち、送信部２１４は、分類部２１３によりサーバ３０にとって未知のデータと判定されたセンサデータのセンサ信号のみをサーバ３０に送信することで、ネットワークの負荷や、ユーザの負荷を低減することができる。
【0028】
表示制御部２１５は、送信部２１４がセンサ信号を送信する場合、データ送信が必要なタイミングで、センサ信号の送信をユーザに対して促すユーザインタフェースを表示部２２に表示する。
具体的には、表示制御部２１５は、例えば、送信部２１４がセンサ信号を送信するタイミングで、「データをサーバ３０へ送信してください」等のメッセージと、「送信」ボタンと、を含むユーザインタフェースを表示部２２に表示してもよい。
また、表示制御部２１５は、機器診断部２１２の診断結果、分類部２１３の分類結果、又は両方の結果を表示部２２に表示してもよい。
具体的には、表示制御部２１５は、例えば、送信部２１４がセンサ信号を送信するタイミングで、「データをサーバ３０へ送信してください」等のメッセージと、「送信」ボタンと、を含むユーザインタフェースを表示部２２に表示してもよい。
また、表示制御部２１５は、機器診断部２１２の診断結果、分類部２１３の分類結果、又は両方の結果を表示部２２に表示してもよい。
【0029】
ラベル情報生成部２１６は、分類部２１３の分類結果に基づいて、センサ信号に対する産業機器１０の異常の内容を示すラベルの生成タイミングを判断し、送信するセンサ信号に対するラベルを生成する。
具体的には、ラベル情報生成部２１６は、例えば、分類部２１３により未知のデータと判定されたセンサデータを送信部２１４が送信するタイミングで、「主軸ベアリングの破損」、「ガイド摺動面の劣化」、又は「工具破損」等の異常部位と異常現象とを組み合わせた形式で産業機器１０の異常の内容を示すラベルを生成する。
また、ラベル情報生成部２１６は、例えば、診断装置２０の入力装置（図示しない）を介し、産業機器１０が異常となった時刻に発生した異音、振動等のユーザの入力に基づいて、ラベルを生成してもよい。
また、ラベル情報生成部２１６は、ユーザにラベル入力を促す画面を表示部２２に表示し、ラベルを入力させてもよい。
また、ラベル情報生成部２１６は、ラベル付加対象のデータの取得時刻の、（他の）センサ信号、機器動作状況、環境状況等を基にラベルを生成してもよい。
なお、ラベルの形式は、異常部位と異常現象とを組み合わせた形式に限定されず、他の形式でもよい。
具体的には、ラベル情報生成部２１６は、例えば、分類部２１３により未知のデータと判定されたセンサデータを送信部２１４が送信するタイミングで、「主軸ベアリングの破損」、「ガイド摺動面の劣化」、又は「工具破損」等の異常部位と異常現象とを組み合わせた形式で産業機器１０の異常の内容を示すラベルを生成する。
また、ラベル情報生成部２１６は、例えば、診断装置２０の入力装置（図示しない）を介し、産業機器１０が異常となった時刻に発生した異音、振動等のユーザの入力に基づいて、ラベルを生成してもよい。
また、ラベル情報生成部２１６は、ユーザにラベル入力を促す画面を表示部２２に表示し、ラベルを入力させてもよい。
また、ラベル情報生成部２１６は、ラベル付加対象のデータの取得時刻の、（他の）センサ信号、機器動作状況、環境状況等を基にラベルを生成してもよい。
なお、ラベルの形式は、異常部位と異常現象とを組み合わせた形式に限定されず、他の形式でもよい。
【0030】
＜サーバ３０＞
サーバ３０は、例えば、コンピュータ装置であり、図示しないネットワークを介して、診断装置２０との間で通信を行う。図１に示すように、サーバ３０は、分類モデル学習部３１を有する。
サーバ３０は、分類モデル学習部３１の機能ブロックを実現するために、ＣＰＵ等の演算処理装置を備える。また、サーバ３０は、アプリケーションソフトウェアやＯＳ（Ｏｐｅｒａｔｉｎｇ Ｓｙｓｔｅｍ）等の各種の制御用プログラムを格納したＨＤＤ等の補助記憶装置や、演算処理装置がプログラムを実行する上で一時的に必要とされるデータを格納するためのＲＡＭといった主記憶装置も備える。
サーバ３０は、例えば、コンピュータ装置であり、図示しないネットワークを介して、診断装置２０との間で通信を行う。図１に示すように、サーバ３０は、分類モデル学習部３１を有する。
サーバ３０は、分類モデル学習部３１の機能ブロックを実現するために、ＣＰＵ等の演算処理装置を備える。また、サーバ３０は、アプリケーションソフトウェアやＯＳ（Ｏｐｅｒａｔｉｎｇ Ｓｙｓｔｅｍ）等の各種の制御用プログラムを格納したＨＤＤ等の補助記憶装置や、演算処理装置がプログラムを実行する上で一時的に必要とされるデータを格納するためのＲＡＭといった主記憶装置も備える。
【0031】
そして、サーバ３０において、演算処理装置が補助記憶装置からアプリケーションソフトウェアやＯＳを読み込み、読み込んだアプリケーションソフトウェアやＯＳを主記憶装置に展開させながら、これらのアプリケーションソフトウェアやＯＳに基づいた演算処理を行なう。また、この演算結果に基づいて、サーバ３０が備える各種のハードウェアを制御する。これにより、本実施形態の機能ブロックは実現される。つまり、本実施形態は、ハードウェアとソフトウェアが協働することにより実現することができる。
なお、クラウド上で仮想サーバ機能等を利用して、サーバ３０の各機能が実現されてもよい。
なお、クラウド上で仮想サーバ機能等を利用して、サーバ３０の各機能が実現されてもよい。
【0032】
分類モデル学習部３１は、例えば、診断装置２０により未知のデータと判定されたセンサデータ及びラベルを診断装置２０から受信する。分類モデル学習部３１は、受信したセンサデータ及びラベルを、サーバ３０に含まれるＨＤＤ等の記憶部（図示しない）の記憶領域のうちラベルの内容に対応した記憶領域に記憶する。
そして、分類モデル学習部３１は、例えば、ラベル毎の記憶領域のうちセンサデータの数が予め設定された所定のデータ数以上となった場合、学習データとして当該記憶領域のセンサデータの１クラスのみを用い、新たな異常Ａｎ＋１としてのクラスとそれ以外とを分類する超平面を求める、求めた超平面を利用してセンサデータを分類する１クラス分類器の分類学習モデルを新たに生成する。そして、分類モデル学習部３１は、新たに生成した異常Ａｎ＋１を分類する分類学習モデルを診断装置２０に送信する。
なお、分類モデル学習部３１は、異常Ａｎ＋１のセンサデータとラベルとの組を訓練データとして受け付け、受け付けた訓練データを用いて、教師あり学習を行うことにより、入力層におけるセンサデータの入力に対して、出力層で異常Ａｎ＋１である確率（ソフトマックス関数）を予測するニューラルネットワークの学習済みモデルを構築してもよい。
また、分類モデル学習部３１は、例えば、ＳＶＭや決定木等の分類器を生成してもよく、サーバ３０にとって既知の異常Ａ１から異常Ａｎのデータか、未知のデータか、に分類する１クラス分類器を生成してもよい。
そして、分類モデル学習部３１は、例えば、ラベル毎の記憶領域のうちセンサデータの数が予め設定された所定のデータ数以上となった場合、学習データとして当該記憶領域のセンサデータの１クラスのみを用い、新たな異常Ａｎ＋１としてのクラスとそれ以外とを分類する超平面を求める、求めた超平面を利用してセンサデータを分類する１クラス分類器の分類学習モデルを新たに生成する。そして、分類モデル学習部３１は、新たに生成した異常Ａｎ＋１を分類する分類学習モデルを診断装置２０に送信する。
なお、分類モデル学習部３１は、異常Ａｎ＋１のセンサデータとラベルとの組を訓練データとして受け付け、受け付けた訓練データを用いて、教師あり学習を行うことにより、入力層におけるセンサデータの入力に対して、出力層で異常Ａｎ＋１である確率（ソフトマックス関数）を予測するニューラルネットワークの学習済みモデルを構築してもよい。
また、分類モデル学習部３１は、例えば、ＳＶＭや決定木等の分類器を生成してもよく、サーバ３０にとって既知の異常Ａ１から異常Ａｎのデータか、未知のデータか、に分類する１クラス分類器を生成してもよい。
【0033】
＜診断装置２０の診断処理、及びサーバ３０の収集処理＞
次に、診断装置２０の診断処理、及びサーバ３０の収集処理に係る動作について説明する。
図２は、診断装置２０の診断処理、及びサーバ３０の収集処理について説明するフローチャートである。
次に、診断装置２０の診断処理、及びサーバ３０の収集処理に係る動作について説明する。
図２は、診断装置２０の診断処理、及びサーバ３０の収集処理について説明するフローチャートである。
【0034】
ステップＳ１１において、センサ信号取得部２１１は、産業機器１０のセンサ１１により測定されたセンサデータを含むセンサ信号を取得する。
【0035】
ステップＳ１２において、機器診断部２１２は、ステップＳ１１で取得されたセンサ信号のセンサデータに基づいて産業機器１０が正常か異常かを診断する。
【0036】
ステップＳ１３において、分類部２１３は、ステップＳ１２で産業機器１０が異常と診断された場合、センサデータに基づき産業機器１０の異常を分類する。
【0037】
ステップＳ１４において、表示制御部２１５は、診断結果及び分類結果を表示部２２に表示する。
【0038】
ステップＳ１５において、送信部２１４は、ステップＳ１２の診断結果、又はステップＳ１３での分類結果、若しくは両方の結果に基づいて、センサ信号の送信可否を判断する。センサ信号を送信すると判断した場合、処理はステップＳ１６に進む。一方、センサ信号を送信しないと判断した場合、処理はステップＳ１１に戻る。
【0039】
ステップＳ１６において、ラベル情報生成部２１６は、ステップＳ１３で未知のデータと判定されたセンサデータに対するラベルの生成タイミングを判断し、センサデータに対するラベルを生成する。
【0040】
ステップＳ１７において、送信部２１４は、表示部２２に表示されるユーザインタフェースの「送信」ボタンがユーザにより押下されると、ラベルが付加された未知のデータのセンサデータのセンサ信号をサーバ３０に送信する。そして、処理はステップＳ１１に戻る。
【0041】
ステップＳ３１において、サーバ３０の分類モデル学習部３１は、ステップＳ１７で送信されたラベルが付加された未知のデータのセンサデータのセンサ信号を、診断装置２０から受信し、受信したセンサデータ及びラベルをサーバ３０の記憶部（図示しない）の記憶領域のうちラベルの内容に対応した記憶領域に記憶する。
【0042】
なお、診断装置２０は、センサ信号の取得に係る処理と、未知のデータのラベル生成及び送信に係る処理とを、順序に沿って時系列的に行ったが、並列的あるいは個別に実行してもよい。
【0043】
＜診断装置２０の取得処理、及びサーバ３０の学習処理＞
次に、診断装置２０の取得処理、及びサーバ３０の学習処理に係る動作について説明する。
図３は、診断装置２０の取得処理、及びサーバ３０の学習処理について説明するフローチャートである。
次に、診断装置２０の取得処理、及びサーバ３０の学習処理に係る動作について説明する。
図３は、診断装置２０の取得処理、及びサーバ３０の学習処理について説明するフローチャートである。
【0044】
ステップＳ５１において、分類モデル学習部３１は、図２の収集処理により収集されたセンサデータが予め設定された所定のデータ数以上か否かを判定する。収集したセンサデータが所定のデータ数以上の場合、処理はステップＳ５２に進む。一方、収集したセンサデータが所定のデータ数より少ない場合、処理はセンサデータが所定のデータ数以上となるまでステップＳ５１に待機する。
【0045】
ステップＳ５２において、分類モデル学習部３１は、所定のデータ数以上収集されたセンサデータ及びラベルを用いて機械学習を行うことで、新たな異常Ａｎ＋１として分類する分類学習モデルを生成する。
【0046】
ステップＳ５３において、サーバ３０の分類モデル学習部３１は、新たな異常Ａｎ＋１を分類する分類学習モデルが生成された旨のメッセージを診断装置２０に送信する。
【0047】
ステップＳ４１において、診断装置２０の分類部２１３は、新たな異常Ａｎ＋１を分類する分類学習モデルが生成された旨のメッセージを、サーバ３０から受信したか否かを判定する。メッセージを受信した場合、処理はステップＳ４２に進む。一方、メッセージを受信していない場合、処理はメッセージを受信するまでステップＳ４１に待機する。
【0048】
ステップＳ４２において、分類部２１３は、サーバ３０から生成された分類学習モデルをダウンロードし取得する。
【0049】
なお、サーバ３０の学習処理はミニバッチ処理を例示しているが、ミニバッチ処理に替えてバッチ処理又はリアルタイム処理に置き換えてもよい。
【0050】
以上により、第１実施形態に係る診断装置２０は、産業機器１０のセンサ１１により測定されたセンサデータを含むセンサ信号を取得し、取得したセンサデータに基づいて産業機器１０が正常か異常かを診断する。診断装置２０は、産業機器１０が異常と診断した場合、センサデータに基づいて産業機器１０の異常を分類する。診断装置２０は、分類によりセンサデータが未知のデータと判定された場合、前記センサデータをサーバ３０に送信可と判断し、サーバ３０に送信する。
これにより、診断装置２０は、ベンダでの機能改善に影響が大きい未知のデータのみを選別し、選別された未知のデータをサーバ３０にアップロードすることができる。そうすることで、診断装置２０は、ネットワークの負荷を低減することができる。
また、診断装置２０は、選別されたサーバ３０にアップロードする未知のデータに対するラベル付け（アノテーション）を行うことで、ユーザ負荷を低減することができる。
以上、第１実施形態について説明した。
これにより、診断装置２０は、ベンダでの機能改善に影響が大きい未知のデータのみを選別し、選別された未知のデータをサーバ３０にアップロードすることができる。そうすることで、診断装置２０は、ネットワークの負荷を低減することができる。
また、診断装置２０は、選別されたサーバ３０にアップロードする未知のデータに対するラベル付け（アノテーション）を行うことで、ユーザ負荷を低減することができる。
以上、第１実施形態について説明した。
【0051】
＜第２実施形態＞
次に、第２実施形態について説明する。
第１実施形態では、診断装置２０は、センサ１１からのセンサ信号に含まれるセンサデータを用いて産業機器１０が正常か異常かを診断し、産業機器１０が異常と診断された場合、サーバ３０によって生成された分類学習モデルとセンサデータとを用いて産業機器１０の異常を分類し、センサデータが未知のデータと判定された場合に、当該センサデータをサーバ３０に送信した。これに対して、第２実施形態では、診断装置２０Ａは、センサ１１からのセンサ信号に含まれるセンサデータを用いて産業機器１０が正常か異常かを診断し、産業機器１０が異常と診断した全てのセンサデータをサーバ３０Ａに送信し、送信したセンサデータのうちサーバ３０Ａにより未知のデータと判定されたセンサデータに対するラベルを生成してサーバ３０Ａに送信する。
すなわち、第２実施形態では、診断装置２０Ａは、取得したセンサ信号に基づいて産業機器１０が正常か異常かを診断して、産業機器が異常と診断された場合、センサ信号をサーバ３０Ａに送信し、サーバ３０Ａから取得した産業機器１０の異常に対する分類結果に基づいて、センサ信号に対するラベルの生成タイミングを判断してラベルを生成し、生成したラベルをサーバ３０Ａに送信する点が、第１実施形態と異なる。
こうすることで、診断装置２０Ａは、ベンダでの機能改善に影響が大きい産業機器１０が異常と診断したデータのみを選別し、選別されたデータをサーバ３０Ａにアップロードすることができる。
以下に、第２実施形態について説明する。
次に、第２実施形態について説明する。
第１実施形態では、診断装置２０は、センサ１１からのセンサ信号に含まれるセンサデータを用いて産業機器１０が正常か異常かを診断し、産業機器１０が異常と診断された場合、サーバ３０によって生成された分類学習モデルとセンサデータとを用いて産業機器１０の異常を分類し、センサデータが未知のデータと判定された場合に、当該センサデータをサーバ３０に送信した。これに対して、第２実施形態では、診断装置２０Ａは、センサ１１からのセンサ信号に含まれるセンサデータを用いて産業機器１０が正常か異常かを診断し、産業機器１０が異常と診断した全てのセンサデータをサーバ３０Ａに送信し、送信したセンサデータのうちサーバ３０Ａにより未知のデータと判定されたセンサデータに対するラベルを生成してサーバ３０Ａに送信する。
すなわち、第２実施形態では、診断装置２０Ａは、取得したセンサ信号に基づいて産業機器１０が正常か異常かを診断して、産業機器が異常と診断された場合、センサ信号をサーバ３０Ａに送信し、サーバ３０Ａから取得した産業機器１０の異常に対する分類結果に基づいて、センサ信号に対するラベルの生成タイミングを判断してラベルを生成し、生成したラベルをサーバ３０Ａに送信する点が、第１実施形態と異なる。
こうすることで、診断装置２０Ａは、ベンダでの機能改善に影響が大きい産業機器１０が異常と診断したデータのみを選別し、選別されたデータをサーバ３０Ａにアップロードすることができる。
以下に、第２実施形態について説明する。
【0052】
図４は、第２実施形態に係る診断システムの機能的構成例を示す機能ブロック図である。なお、図１の診断システム１の要素と同様の機能を有する要素については、同じ符号を付し、詳細な説明は省略する。
図４に示すように、第２実施形態に係る診断システム１は、産業機器１０、診断装置２０Ａ、及びサーバ３０Ａを有する。
図４に示すように、第２実施形態に係る診断システム１は、産業機器１０、診断装置２０Ａ、及びサーバ３０Ａを有する。
【0053】
産業機器１０は、第１実施形態の場合と同様に、当業者にとって公知の工作機械や産業用ロボット等であり、センサ１１を含む。産業機器１０は、図示しない制御装置からの動作指示に基づいて動作する。
【0054】
センサ１１は、第１実施形態の場合と同様に、産業機器１０に含まれるモータ、当該モータに取り付けられた主軸やアーム等の可動部（図示しない）の可動に関する状態を測定する。センサ１１は、測定した測定値であるセンサデータを診断装置２０に出力する。
【0055】
＜診断装置２０Ａ＞
診断装置２０Ａは、制御部２１ａ、及び表示部２２を含んで構成される。また、制御部２１ａは、センサ信号取得部２１１、機器診断部２１２、送信部２１４ａ、表示制御部２１５、及びラベル情報生成部２１６ａを含む。
なお、第２実施形態では、第１実施形態の分類部２１３に対応する機能は、後述するサーバ３０Ａの分類部３２として実現される。すなわち、第２実施形態に係る診断装置２０Ａは、センサ１１により測定されたセンサデータを用いて産業機器１０に発生した異常の分類を行わない。
また、表示部２２は、第１実施形態における表示部２２と同等の機能を有する。
診断装置２０Ａは、制御部２１ａ、及び表示部２２を含んで構成される。また、制御部２１ａは、センサ信号取得部２１１、機器診断部２１２、送信部２１４ａ、表示制御部２１５、及びラベル情報生成部２１６ａを含む。
なお、第２実施形態では、第１実施形態の分類部２１３に対応する機能は、後述するサーバ３０Ａの分類部３２として実現される。すなわち、第２実施形態に係る診断装置２０Ａは、センサ１１により測定されたセンサデータを用いて産業機器１０に発生した異常の分類を行わない。
また、表示部２２は、第１実施形態における表示部２２と同等の機能を有する。
【0056】
＜制御部２１ａ＞
制御部２１ａは、第１実施形態の制御部２１と同様に、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）、ＲＡＭ、ＣＭＯＳ（Ｃｏｍｐｌｅｍｅｎｔａｒｙ Ｍｅｔａｌ－Ｏｘｉｄｅ－Ｓｅｍｉｃｏｎｄｕｃｔｏｒ）メモリ等を有し、これらはバスを介して相互に通信可能に構成される、当業者にとって公知のものである。
ＣＰＵは診断装置２０Ａを全体的に制御するプロセッサである。ＣＰＵは、ＲＯＭに格納されたシステムプログラム及びアプリケーションプログラムを、バスを介して読み出し、前記システムプログラム及びアプリケーションプログラムに従って診断装置２０全体を制御する。これにより、図４に示すように、制御部２１ａが、センサ信号取得部２１１、機器診断部２１２、送信部２１４ａ、表示制御部２１５、及びラベル情報生成部２１６ａの機能を実現するように構成される。
制御部２１ａは、第１実施形態の制御部２１と同様に、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）、ＲＡＭ、ＣＭＯＳ（Ｃｏｍｐｌｅｍｅｎｔａｒｙ Ｍｅｔａｌ－Ｏｘｉｄｅ－Ｓｅｍｉｃｏｎｄｕｃｔｏｒ）メモリ等を有し、これらはバスを介して相互に通信可能に構成される、当業者にとって公知のものである。
ＣＰＵは診断装置２０Ａを全体的に制御するプロセッサである。ＣＰＵは、ＲＯＭに格納されたシステムプログラム及びアプリケーションプログラムを、バスを介して読み出し、前記システムプログラム及びアプリケーションプログラムに従って診断装置２０全体を制御する。これにより、図４に示すように、制御部２１ａが、センサ信号取得部２１１、機器診断部２１２、送信部２１４ａ、表示制御部２１５、及びラベル情報生成部２１６ａの機能を実現するように構成される。
【0057】
センサ信号取得部２１１、機器診断部２１２、及び表示制御部２１５は、第１実施形態におけるセンサ信号取得部２１１、機器診断部２１２、及び表示制御部２１５と同等の機能を有する。
【0058】
送信部２１４ａは、機器診断部２１２により産業機器１０が異常と診断された場合、サーバ３０Ａにセンサ信号を送信する。
すなわち、送信部２１４ａは、機器診断部２１２により産業機器１０が異常と診断されたセンサデータのセンサ信号のみをサーバ３０Ａに送信することで、ネットワークの負荷や、ユーザの負荷を低減することができる。
そして、送信部２１４ａは、後述するように、送信したセンサデータが未知のデータとサーバ３０Ａにより分類された場合、後述のラベル情報生成部２１６ａにより当該センサデータに対して生成されたラベルをサーバ３０Ａに送信してもよい。
すなわち、送信部２１４ａは、機器診断部２１２により産業機器１０が異常と診断されたセンサデータのセンサ信号のみをサーバ３０Ａに送信することで、ネットワークの負荷や、ユーザの負荷を低減することができる。
そして、送信部２１４ａは、後述するように、送信したセンサデータが未知のデータとサーバ３０Ａにより分類された場合、後述のラベル情報生成部２１６ａにより当該センサデータに対して生成されたラベルをサーバ３０Ａに送信してもよい。
【0059】
ラベル情報生成部２１６ａは、送信部２１４ａが送信したセンサ信号に対する分類結果を後述するサーバ３０Ａから受信した場合、受信した分類結果に基づいて、センサ信号に対する産業機器１０の異常の内容を示すラベルの生成タイミングを判断し、ラベルを生成する。送信部２１４ａは、生成されたラベルをサーバ３０Ａに送信する。
具体的には、ラベル情報生成部２１６ａは、送信部２１４ａが送信したセンサ信号のセンサデータが未知のデータと判定された分類結果をサーバ３０Ａから受信したタイミングで、「主軸ベアリングの破損」、「ガイド摺動面の劣化」、又は「工具破損」等の異常部位と異常現象とを組み合わせた形式で産業機器１０の異常の内容を示すラベルを生成する。
また、ラベル情報生成部２１６ａは、例えば、診断装置２０の入力装置（図示しない）を介し、産業機器１０が異常となった時刻に発生した異音、振動等のユーザの入力に基づいて、ラベルを生成してもよい。
また、ラベル情報生成部２１６ａは、ユーザにラベル入力を促す画面を表示部２２に表示し、ラベルを入力させてもよい。
また、ラベル情報生成部２１６ａは、ラベル付加対象のデータの取得時刻の、（他の）センサ信号、機器動作状況、環境状況等を基にラベルを生成してもよい。
なお、ラベルの形式は、異常部位と異常現象とを組み合わせた形式に限定されず、他の形式でもよい。
具体的には、ラベル情報生成部２１６ａは、送信部２１４ａが送信したセンサ信号のセンサデータが未知のデータと判定された分類結果をサーバ３０Ａから受信したタイミングで、「主軸ベアリングの破損」、「ガイド摺動面の劣化」、又は「工具破損」等の異常部位と異常現象とを組み合わせた形式で産業機器１０の異常の内容を示すラベルを生成する。
また、ラベル情報生成部２１６ａは、例えば、診断装置２０の入力装置（図示しない）を介し、産業機器１０が異常となった時刻に発生した異音、振動等のユーザの入力に基づいて、ラベルを生成してもよい。
また、ラベル情報生成部２１６ａは、ユーザにラベル入力を促す画面を表示部２２に表示し、ラベルを入力させてもよい。
また、ラベル情報生成部２１６ａは、ラベル付加対象のデータの取得時刻の、（他の）センサ信号、機器動作状況、環境状況等を基にラベルを生成してもよい。
なお、ラベルの形式は、異常部位と異常現象とを組み合わせた形式に限定されず、他の形式でもよい。
【0060】
＜サーバ３０Ａ＞
サーバ３０Ａは、第１実施形態のサーバ３０と同様に、コンピュータ装置であり、図示しないネットワークを介して、診断装置２０Ａとの間で通信を行う。図４に示すように、サーバ３０Ａは、分類モデル学習部３１及び分類部３２を有する。
サーバ３０Ａは、分類モデル学習部３１及び分類部３２の機能ブロックを実現するために、ＣＰＵ等の演算処理装置を備える。また、サーバ３０Ａは、アプリケーションソフトウェアやＯＳ等の各種の制御用プログラムを格納したＨＤＤ等の補助記憶装置や、演算処理装置がプログラムを実行する上で一時的に必要とされるデータを格納するためのＲＡＭといった主記憶装置も備える。
サーバ３０Ａは、第１実施形態のサーバ３０と同様に、コンピュータ装置であり、図示しないネットワークを介して、診断装置２０Ａとの間で通信を行う。図４に示すように、サーバ３０Ａは、分類モデル学習部３１及び分類部３２を有する。
サーバ３０Ａは、分類モデル学習部３１及び分類部３２の機能ブロックを実現するために、ＣＰＵ等の演算処理装置を備える。また、サーバ３０Ａは、アプリケーションソフトウェアやＯＳ等の各種の制御用プログラムを格納したＨＤＤ等の補助記憶装置や、演算処理装置がプログラムを実行する上で一時的に必要とされるデータを格納するためのＲＡＭといった主記憶装置も備える。
【0061】
そして、サーバ３０Ａにおいて、演算処理装置が補助記憶装置からアプリケーションソフトウェアやＯＳを読み込み、読み込んだアプリケーションソフトウェアやＯＳを主記憶装置に展開させながら、これらのアプリケーションソフトウェアやＯＳに基づいた演算処理を行なう。また、この演算結果に基づいて、サーバ３０が備える各種のハードウェアを制御する。これにより、第２実施形態の機能ブロックは実現される。つまり、第２実施形態は、ハードウェアとソフトウェアが協働することにより実現することができる。
なお、クラウド上で仮想サーバ機能等を利用して、サーバ３０Ａの各機能が実現されてもよい。
なお、クラウド上で仮想サーバ機能等を利用して、サーバ３０Ａの各機能が実現されてもよい。
【0062】
分類モデル学習部３１は、第１実施形態の分類モデル学習部３１と同等の機能を有する。ただし、第２実施形態に係る分類モデル学習部３１は、生成した分類学習モデルを後述する分類部３２に出力する。
【0063】
分類部３２は、産業機器１０が異常と診断され診断装置２０Ａから受信したセンサ信号のセンサデータと、分類モデル学習部３１により生成された分類学習モデルと、を用いて、産業機器１０の異常の分類を行う。
具体的には、分類部３２は、第１実施形態の分類部２１３と同様に、例えば、分類モデル学習部３１により生成された異常Ａｉの学習データに基づく１クラス分類器と、受信したセンサデータと、を用いて、受信したセンサデータが異常Ａｉの学習データのクラスに分類されるか否か、すなわち産業機器１０の異常が異常Ａｉか否かを分類する。
すなわち、分類部３２は、診断装置２０Ａにより異常と診断された産業機器１０のセンサデータに基づいて、産業機器１０の異常を分類する。例えば、分類部３２は、分類モデル学習部３１により生成された既知の異常Ａｉそれぞれの学習データに基づく１クラス分類器を用いて、受信したセンサデータが異常Ａｉの学習データに適合するか否かを判定することで、産業機器１０の異常が異常Ａｉか否かを判定する。一方、分類部２１３は、異常Ａ１から異常Ａｎのいずれでもないと判定した場合、対応するセンサデータを未知のデータと判定する。
そして、分類部３２は、分類結果を診断装置２０Ａに送信する。
具体的には、分類部３２は、第１実施形態の分類部２１３と同様に、例えば、分類モデル学習部３１により生成された異常Ａｉの学習データに基づく１クラス分類器と、受信したセンサデータと、を用いて、受信したセンサデータが異常Ａｉの学習データのクラスに分類されるか否か、すなわち産業機器１０の異常が異常Ａｉか否かを分類する。
すなわち、分類部３２は、診断装置２０Ａにより異常と診断された産業機器１０のセンサデータに基づいて、産業機器１０の異常を分類する。例えば、分類部３２は、分類モデル学習部３１により生成された既知の異常Ａｉそれぞれの学習データに基づく１クラス分類器を用いて、受信したセンサデータが異常Ａｉの学習データに適合するか否かを判定することで、産業機器１０の異常が異常Ａｉか否かを判定する。一方、分類部２１３は、異常Ａ１から異常Ａｎのいずれでもないと判定した場合、対応するセンサデータを未知のデータと判定する。
そして、分類部３２は、分類結果を診断装置２０Ａに送信する。
【0064】
なお、分類部３２は、いずれかの異常Ａｉと判定した場合でも、判定された異常Ａｉに対応するセンサデータの数が予め定めたサンプル数より少ない場合、当該センサデータを未知のデータと判定してもよい。
また、分類学習モデルがニューラルネットワークの学習済みモデルの場合、分類部３２は、ニューラルネットワークの出力層（ソフトマックス関数）の値が全てのクラスに対して予め設定された所定値以下の場合に、未知のデータと判定してもよい。
また、分類学習モデルが既知の全クラスのデータを入力として学習された１クラス分類器の場合、分類部３２は、当該１クラス分類器の出力が予め設定された閾値に対して大きい、又は小さい場合に、未知のデータと判定してもよい。
また、分類学習モデルがニューラルネットワークの学習済みモデルの場合、分類部３２は、ニューラルネットワークの出力層（ソフトマックス関数）の値が全てのクラスに対して予め設定された所定値以下の場合に、未知のデータと判定してもよい。
また、分類学習モデルが既知の全クラスのデータを入力として学習された１クラス分類器の場合、分類部３２は、当該１クラス分類器の出力が予め設定された閾値に対して大きい、又は小さい場合に、未知のデータと判定してもよい。
【0065】
＜診断装置２０Ａの診断処理、及びサーバ３０Ａの収集処理＞
次に、診断装置２０Ａの診断処理、及びサーバ３０Ａの収集処理に係る動作について説明する。
図５は、診断装置２０Ａの診断処理、及びサーバ３０Ａの収集処理について説明するフローチャートである。
次に、診断装置２０Ａの診断処理、及びサーバ３０Ａの収集処理に係る動作について説明する。
図５は、診断装置２０Ａの診断処理、及びサーバ３０Ａの収集処理について説明するフローチャートである。
【0066】
ステップＳ６１において、センサ信号取得部２１１は、第１実施形態におけるステップ１１と同様の処理を行い、産業機器１０のセンサ１１により測定されたセンサデータを含むセンサ信号を取得する。
【0067】
ステップＳ６２において、機器診断部２１２は、ステップＳ６１で取得されたセンサ信号のセンサデータに基づいて産業機器１０が異常か否かを診断する。産業機器１０が異常の場合、処理はステップＳ６３に進む。一方、産業機器１０が正常の場合、処理はステップＳ６１に戻る。
【0068】
ステップＳ６３において、送信部２１４ａは、ステップＳ６２で産業機器１０が異常と診断されたセンサデータをサーバ３０Ａに送信する。
【0069】
ステップＳ７１において、サーバ３０Ａの分類部３２は、ステップＳ６３で送信されたセンサデータを診断装置２０Ａから受信する。
【0070】
ステップＳ７２において、分類部３２は、ステップＳ７１で受信したセンサデータに基づき産業機器１０の異常を分類する。
【0071】
ステップＳ７３において、分類部３２は、ステップＳ７２で分類した分類結果を診断装置２０Ａに送信する。
【0072】
ステップＳ６４において、診断装置２０Ａの表示制御部２１５は、分類結果をサーバ３０Ａから受信する。
【0073】
ステップＳ６５において、表示制御部２１５は、第１実施形態におけるステップ１４と同様の処理を行い、診断結果及び分類結果を表示部２２に表示する。
【0074】
ステップＳ６６において、ラベル情報生成部２１６ａは、ステップＳ６４で受信した分類結果に基づいて、ステップＳ６３で送信されたセンサデータが未知のデータとサーバ３０Ａにより分類されたか否かを判定する。センサデータが未知のデータと分類された場合、処理はステップＳ６７に進む。一方、センサデータが未知のデータでない、すなわち異常Ａ１から異常Ａｎのいずれかのデータと分類された場合、処理はステップＳ６１に戻る。
【0075】
ステップＳ６７において、ラベル情報生成部２１６ａは、サーバ３０Ａにより未知のデータと分類されたセンサデータに対するラベルの生成タイミングを判断し、センサデータに対するラベルを生成する。
【0076】
ステップＳ６８において、送信部２１４ａは、表示部２２に表示されるユーザインタフェースの「送信」ボタンがユーザにより押下された場合、ステップＳ６７で生成されたラベルをサーバ３０Ａに送信する。そして、処理はステップＳ６１に戻る。
【0077】
ステップＳ７４において、分類モデル学習部３１は、ステップＳ７２で未知のデータと分類されたセンサデータのラベルを診断装置２０Ａから受信し、受信したセンサデータ及びラベルをサーバ３０Ａの記憶部（図示しない）の記憶領域のうちラベルの内容に対応した記憶領域に記憶する。
【0078】
なお、診断装置２０Ａは、センサ信号の取得に係る処理と、未知のデータのラベル生成及び送信に係る処理とを、順序に沿って時系列的に行ったが、並列的あるいは個別に実行してもよい。
また、サーバ３０Ａは、ステップＳ７１からステップＳ７３の処理と、ステップＳ７４の処理とを、順序に沿って時系列的に行ったが、並列的あるいは個別に実行してもよい。
また、サーバ３０Ａは、ステップＳ７１からステップＳ７３の処理と、ステップＳ７４の処理とを、順序に沿って時系列的に行ったが、並列的あるいは個別に実行してもよい。
【0079】
【0080】
ステップＳ８１において、分類モデル学習部３１は、第１実施形態におけるステップ５１と同様の処理を行い、図５の収集処理により収集されたセンサデータが予め設定された所定のデータ数以上か否かを判定する。収集したセンサデータが所定のデータ数以上の場合、処理はステップＳ８２に進む。一方、収集したセンサデータが所定のデータ数より少ない場合、処理はセンサデータが所定のデータ数以上となるまでステップＳ８１に待機する。
【0081】
ステップＳ８２において、分類モデル学習部３１は、第１実施形態におけるステップ５２と同様の処理を行い、所定のデータ数以上収集されたセンサデータ及びラベルを用いて機械学習を行うことで、新たな異常Ａｎ＋１として分類する分類学習モデルを生成し、生成した分類学習モデルを分類部３２に出力する。
【0082】
なお、サーバ３０Ａの学習処理はミニバッチ処理を例示しているが、ミニバッチ処理に替えてバッチ処理又はリアルタイム処理に置き換えてもよい。
【0083】
以上により、第２実施形態に係る診断装置２０Ａは、産業機器１０のセンサ１１により測定されたセンサデータを含むセンサ信号を取得し、取得したセンサデータに基づいて産業機器１０が正常か異常かを診断する。診断装置２０Ａは、産業機器１０が異常と診断した場合、取得したセンサ信号をサーバ３０Ａに送信する。診断装置２０Ａは、サーバ３０Ａにより送信したセンサデータに対して未知のデータと判定された場合、センサデータに対するラベルを生成し、生成したラベルをサーバ３０Ａに送信する。
これにより、診断装置２０Ａは、ベンダでの機能改善に影響が大きい産業機器１０の異常と診断したデータのみを選別し、選別されたデータをサーバ３０Ａにアップロードすることができる。そうすることで、診断装置２０Ａは、ネットワークの負荷を低減することができる。
また、診断装置２０Ａは、送信した産業機器１０の異常と診断したデータのうち、サーバ３０Ａにより未知のデータと判定されたデータに対するラベル付け（アノテーション）を行うことで、ユーザ負荷を低減することができる。
以上、第２実施形態について説明した。
これにより、診断装置２０Ａは、ベンダでの機能改善に影響が大きい産業機器１０の異常と診断したデータのみを選別し、選別されたデータをサーバ３０Ａにアップロードすることができる。そうすることで、診断装置２０Ａは、ネットワークの負荷を低減することができる。
また、診断装置２０Ａは、送信した産業機器１０の異常と診断したデータのうち、サーバ３０Ａにより未知のデータと判定されたデータに対するラベル付け（アノテーション）を行うことで、ユーザ負荷を低減することができる。
以上、第２実施形態について説明した。
【0084】
以上、第１実施形態及び第２実施形態について説明したが、診断装置２０、２０Ａ、及びサーバ３０、３０Ａは、上述の実施形態に限定されるものではなく、目的を達成できる範囲での変形、改良等を含む。
【0085】
＜変形例１＞
第１実施形態及び第２実施形態では、診断装置２０、２０Ａは、産業機器１０と異なる装置として例示したが、診断装置２０、２０Ａの一部又は全部の機能を、産業機器１０が備えるようにしてもよい。
あるいは、診断装置２０のセンサ信号取得部２１１、機器診断部２１２、分類部２１３、送信部２１４、表示制御部２１５、及びラベル情報生成部２１６の一部又は全部、又は診断装置２０のセンサ信号取得部２１１、機器診断部２１２、送信部２１４ａ、表示制御部２１５、及びラベル情報生成部２１６ａの一部又は全部を、例えば、サーバが備えるようにしてもよい。また、クラウド上で仮想サーバ機能等を利用して、診断装置２０、２０Ａの各機能を実現してもよい。
さらに、診断装置２０、２０Ａは、診断装置２０、２０Ａの各機能を適宜複数のサーバに分散される、分散処理システムとしてもよい。
第１実施形態及び第２実施形態では、診断装置２０、２０Ａは、産業機器１０と異なる装置として例示したが、診断装置２０、２０Ａの一部又は全部の機能を、産業機器１０が備えるようにしてもよい。
あるいは、診断装置２０のセンサ信号取得部２１１、機器診断部２１２、分類部２１３、送信部２１４、表示制御部２１５、及びラベル情報生成部２１６の一部又は全部、又は診断装置２０のセンサ信号取得部２１１、機器診断部２１２、送信部２１４ａ、表示制御部２１５、及びラベル情報生成部２１６ａの一部又は全部を、例えば、サーバが備えるようにしてもよい。また、クラウド上で仮想サーバ機能等を利用して、診断装置２０、２０Ａの各機能を実現してもよい。
さらに、診断装置２０、２０Ａは、診断装置２０、２０Ａの各機能を適宜複数のサーバに分散される、分散処理システムとしてもよい。
【0086】
＜変形例２＞
また例えば、上述の第１実施形態及び第２実施形態では、診断装置２０、２０Ａは、１つの産業機器１０と接続されたが、これに限定されず、複数の産業機器１０と接続されてもよい。
また例えば、上述の第１実施形態及び第２実施形態では、診断装置２０、２０Ａは、１つの産業機器１０と接続されたが、これに限定されず、複数の産業機器１０と接続されてもよい。
【0087】
＜変形例３＞
また例えば、上述の第１実施形態及び第２実施形態では、サーバ３０、３０Ａは、１つの診断装置２０、２０Ａと接続されたが、これに限定されない。例えば、図７に示すように、サーバ３０Ｂは、産業機器１０Ａ（１）－１０Ａ（ｍ）毎にサーバ３０Ｂの分類モデル学習部３１により生成された分類学習モデルを記憶し、ネットワーク６０に接続されたｍ個の診断装置２０Ｂ（１）－２０Ｂ（ｍ）と分類学習モデルを共有してもよい（ｍは２以上の整数）。これにより、新たな産業機器、及び診断装置が配置されても分類学習モデルを適用することができる。
なお、診断装置２０Ｂ（１）－２０Ｂ（ｍ）の各々は、産業機器１０Ａ（１）－１０Ａ（ｍ）の各々と接続される。
また、産業機器１０Ａ（１）－１０Ａ（ｍ）の各々は、第１実施形態及び第２実施形態の産業機器１０に対応し、互いに同じ機種でもよく、互いに異なる機種でもよい。診断装置２０Ｂ（１）－２０Ｂ（ｍ）の各々は、第１実施形態の診断装置２０、又は第２実施形態の診断装置２０Ａに対応する。サーバ３０Ｂは、第１実施形態のサーバ３０、又は第２実施形態のサーバ３０Ａに対応する。
また例えば、上述の第１実施形態及び第２実施形態では、サーバ３０、３０Ａは、１つの診断装置２０、２０Ａと接続されたが、これに限定されない。例えば、図７に示すように、サーバ３０Ｂは、産業機器１０Ａ（１）－１０Ａ（ｍ）毎にサーバ３０Ｂの分類モデル学習部３１により生成された分類学習モデルを記憶し、ネットワーク６０に接続されたｍ個の診断装置２０Ｂ（１）－２０Ｂ（ｍ）と分類学習モデルを共有してもよい（ｍは２以上の整数）。これにより、新たな産業機器、及び診断装置が配置されても分類学習モデルを適用することができる。
なお、診断装置２０Ｂ（１）－２０Ｂ（ｍ）の各々は、産業機器１０Ａ（１）－１０Ａ（ｍ）の各々と接続される。
また、産業機器１０Ａ（１）－１０Ａ（ｍ）の各々は、第１実施形態及び第２実施形態の産業機器１０に対応し、互いに同じ機種でもよく、互いに異なる機種でもよい。診断装置２０Ｂ（１）－２０Ｂ（ｍ）の各々は、第１実施形態の診断装置２０、又は第２実施形態の診断装置２０Ａに対応する。サーバ３０Ｂは、第１実施形態のサーバ３０、又は第２実施形態のサーバ３０Ａに対応する。
【0088】
なお、第１実施形態及び第２実施形態における、診断装置２０、２０Ａ及びサーバ３０、３０Ａに含まれる各機能は、ハードウェア、ソフトウェア又はこれらの組み合わせによりそれぞれ実現することができる。ここで、ソフトウェアによって実現されるとは、コンピュータがプログラムを読み込んで実行することにより実現されることを意味する。
【0089】
プログラムは、様々なタイプの非一時的なコンピュータ可読媒体（Ｎｏｎ－ｔｒａｎｓｉｔｏｒｙ ｃｏｍｐｕｔｅｒ ｒｅａｄａｂｌｅ ｍｅｄｉｕｍ）を用いて格納され、コンピュータに供給することができる。非一時的なコンピュータ可読媒体は、様々なタイプの実体のある記録媒体（Ｔａｎｇｉｂｌｅ ｓｔｏｒａｇｅ ｍｅｄｉｕｍ）を含む。非一時的なコンピュータ可読媒体の例は、磁気記録媒体（例えば、フレキシブルディスク、磁気テープ、ハードディスクドライブ）、光磁気記録媒体（例えば、光磁気ディスク）、ＣＤ－ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）、ＣＤ－Ｒ、ＣＤ－Ｒ／Ｗ、半導体メモリ（例えば、マスクＲＯＭ、ＰＲＯＭ（Ｐｒｏｇｒａｍｍａｂｌｅ ＲＯＭ）、ＥＰＲＯＭ（Ｅｒａｓａｂｌｅ ＰＲＯＭ）、フラッシュＲＯＭ、ＲＡＭ）を含む。また、プログラムは、様々なタイプの一時的なコンピュータ可読媒体（Ｔｒａｎｓｉｔｏｒｙ ｃｏｍｐｕｔｅｒ ｒｅａｄａｂｌｅ ｍｅｄｉｕｍ）によってコンピュータに供給されてもよい。一時的なコンピュータ可読媒体の例は、電気信号、光信号、及び電磁波を含む。一時的なコンピュータ可読媒体は、電線及び光ファイバ等の有線通信路、又は、無線通信路を介して、プログラムをコンピュータに供給できる。
【0090】
なお、記録媒体に記録されるプログラムを記述するステップは、その順序に沿って時系列的に行われる処理はもちろん、必ずしも時系列的に処理されなくとも、並列的あるいは個別に実行される処理をも含むものである。
【0091】
以上を換言すると、本開示の診断装置、サーバ、及び診断方法は、次のような構成を有する各種各様の実施形態を取ることができる。
【0092】
（１）本開示の診断装置２０の一態様は、産業機器１０の異常を学習して異常の分類学習モデルを生成するサーバ３０と、通信可能に接続される診断装置であって、産業機器１０に配置された少なくとも１つのセンサ１１により測定された測定値を含むセンサ信号を取得するセンサ信号取得部２１１と、取得されたセンサ信号に基づいて産業機器１０が正常か異常かを診断する機器診断部２１２と、機器診断部２１２により産業機器１０が異常と診断された場合、センサ信号と分類学習モデルとに基づいて産業機器の異常の分類を行う分類部２１３と、機器診断部２１２の診断結果、及び分類部２１３の分類結果の少なくとも１つに基づいて、サーバ３０にセンサ信号の送信可否を判断し、送信可と判断した場合、センサ信号をサーバ３０に送信する送信部２１４と、を備える。
この診断装置２０によれば、ベンダでの機能改善に影響が大きいデータのみを選別し、選別されたデータをサーバにアップロードすることができる。
この診断装置２０によれば、ベンダでの機能改善に影響が大きいデータのみを選別し、選別されたデータをサーバにアップロードすることができる。
【0093】
（２） （１）に記載の診断装置２０において、分類部２１３は、センサ信号に基づいて少なくとも産業機器１０の異常が分類できない、又は予め設定されたサンプル数より少ない異常の場合、センサ信号を未知のデータと分類し、送信部２１４は、未知のデータと分類されたセンサ信号をサーバ３０に送信してもよい。
そうすることで、診断装置２０は、サーバ３０にとって未知のデータと判定されたセンサデータのセンサ信号のみをサーバ３０に送信することで、ネットワークの負荷を低減することができる。
そうすることで、診断装置２０は、サーバ３０にとって未知のデータと判定されたセンサデータのセンサ信号のみをサーバ３０に送信することで、ネットワークの負荷を低減することができる。
【0094】
（３） （１）又は（２）に記載の診断装置２０において、機器診断部２１２は、予め正常時のセンサ信号の特徴を学習し、正常時の特徴からの乖離の度合いに基づいて産業機器１０の異常を検知する１クラス分類器であってもよい。
そうすることで、診断装置２０は、センサデータに基づいて産業機器１０の異常を容易に診断することができる。
そうすることで、診断装置２０は、センサデータに基づいて産業機器１０の異常を容易に診断することができる。
【0095】
（４） （１）から（３）のいずれか記載の診断装置２０において、分類部２１３の分類結果に基づいて、センサ信号に対する産業機器１０の異常の内容を示すラベルの生成タイミングを判断し、ラベルを生成するラベル情報生成部２１６をさらに備え、送信部２１４は、センサ信号及びラベルをサーバ３０に送信してもよい。
そうすることで、診断装置２０は、サーバ３０にとって未知のデータと判定されたセンサデータのセンサ信号のみに対してラベル付けことで、ユーザの負荷を低減することができる。
そうすることで、診断装置２０は、サーバ３０にとって未知のデータと判定されたセンサデータのセンサ信号のみに対してラベル付けことで、ユーザの負荷を低減することができる。
【0096】
（５） （４）に記載の診断装置２０において、分類部２１３は、送信部２１４により送信されたセンサ信号及びラベルに基づいてサーバ３０により生成された分類学習モデルをサーバ３０から取得してもよい。
そうすることで、診断装置２０は、センサデータに基づいて産業機器１０の異常を容易に診断することができる。
そうすることで、診断装置２０は、センサデータに基づいて産業機器１０の異常を容易に診断することができる。
【0097】
（６） （５）に記載の診断装置２０において、分類学習モデルは、サーバ３０が診断装置２０から新たなセンサ信号を受信する度に更新され、分類部２１３は、更新された分類学習モデルを用いて、産業機器１０の異常の分類を行ってもよい。
そうすることで、診断装置２０は、分類の精度を向上させることができる。
そうすることで、診断装置２０は、分類の精度を向上させることができる。
【0098】
（７） （１）から（６）のいずれか記載の診断装置２０において、送信部２１４がセンサ信号を送信する場合、センサ信号の送信を促すユーザインタフェースを表示部２２に表示する表示制御部２１５をさらに備えてもよい。
そうすることで、診断装置２０は、ユーザの所望のタイミングでセンサ信号をサーバ３０に送信することができる。
そうすることで、診断装置２０は、ユーザの所望のタイミングでセンサ信号をサーバ３０に送信することができる。
【0099】
（８） （７）に記載の診断装置２０において、表示制御部２１５は、機器診断部２１２の診断結果、及び分類部２１３の分類結果の少なくとも１つを表示部２２に表示してもよい。
そうすることで、ユーザは産業機器１０に異常が発生したか否か、及び発生した異常を確認することができる。
そうすることで、ユーザは産業機器１０に異常が発生したか否か、及び発生した異常を確認することができる。
【0100】
（９）本開示の診断装置２０Ａの一態様は、産業機器１０から取得される異常を示すセンサ信号を入力することで異常を分類する分類学習モデルを備えるとともに分類付けできないセンサ信号の分類を学習して分類学習モデルを更新するサーバ３０Ａと、通信可能に接続される診断装置であって、産業機器１０に配置された少なくとも１つのセンサ１１により測定された測定値を含むセンサ信号を取得するセンサ信号取得部２１１と、取得されたセンサ信号に基づいて産業機器１０が正常か異常かを診断する機器診断部２１２と、機器診断部２１２により産業機器１０が異常と診断された場合、サーバ３０Ａにセンサ信号を送信する送信部２１４ａと、サーバ３０Ａから取得されたセンサ信号に対する分類結果に基づいて、センサ信号に対する産業機器１０の異常の内容を示すラベルの生成タイミングを判断し、ラベルを生成するラベル情報生成部２１６ａと、を備え、送信部２１４ａは、ラベルをサーバ３０Ａに送信する。
この診断装置２０Ａによれば、（１）と同様の効果を奏することができる。
この診断装置２０Ａによれば、（１）と同様の効果を奏することができる。
【0101】
（１０）本開示のサーバ３０の一態様は、（１）から（８）のいずれかに記載の診断装置２０と通信可能に接続されるサーバであって、診断装置２０から受信されたセンサ信号を用いて産業機器１０の異常を学習して分類学習モデルを生成し、生成した分類学習モデルを診断装置２０に送信する分類モデル学習部３１を備える。
このサーバ３０によれば、ベンダでの機能改善に影響が大きいデータのみを受信することができる。
このサーバ３０によれば、ベンダでの機能改善に影響が大きいデータのみを受信することができる。
【0102】
（１１）本開示のサーバ３０Ａの一態様は、（９）に記載の診断装置２０Ａと通信可能に接続されるサーバであって、診断装置２０Ａから受信されたセンサ信号を用いて産業機器１０の異常を学習して分類学習モデルを生成する分類モデル学習部３１と、センサ信号と分類学習モデルとに基づいて産業機器１０の異常の分類を行う分類部３２と、を備える。
このサーバ３０Ａによれば、ベンダでの機能改善に影響が大きいデータのみを受信することができる。
このサーバ３０Ａによれば、ベンダでの機能改善に影響が大きいデータのみを受信することができる。
【0103】
（１２）本開示の診断方法の一態様は、産業機器１０の異常を学習して異常の分類学習モデルを生成するサーバ３０と、通信可能に接続される診断装置２０による診断方法であって、産業機器１０に配置された少なくとも１つのセンサ１１により測定された測定値を含むセンサ信号を取得するセンサ信号取得ステップと、取得されたセンサ信号に基づいて産業機器１０が正常か異常かを診断する機器診断ステップと、産業機器１０が異常と診断された場合、センサ信号と分類学習モデルとに基づいて産業機器１０の異常の分類を行う分類ステップと、機器診断ステップの診断結果、及び分類ステップの分類結果の少なくとも１つに基づいて、サーバ３０にセンサ信号の送信可否を判断し、送信可と判断した場合、センサ信号をサーバ３０に送信する送信ステップと、を備える。
この診断方法によれば、（１）と同様の効果を奏することができる。
この診断方法によれば、（１）と同様の効果を奏することができる。
【0104】
（１３）本開示の診断方法の一態様は、産業機器１０から取得される異常を示すセンサ信号を入力することで異常を分類する分類学習モデルを備えるとともに分類付けできないセンサ信号の分類を学習して分類学習モデルを更新するサーバ３０Ａと、通信可能に接続される診断装置２０Ａによる診断方法であって、産業機器１０に配置された少なくとも１つのセンサ１１により測定された測定値を含むセンサ信号を取得するセンサ信号取得ステップと、取得されたセンサ信号に基づいて産業機器１０が正常か異常かを診断する機器診断ステップと、産業機器１０が異常と診断された場合、サーバ３０Ａにセンサ信号を送信する送信ステップと、サーバ３０Ａから取得されたセンサ信号に対する分類結果に基づいて、センサ信号に対する産業機器１０の異常の内容を示すラベルの生成タイミングを判断し、ラベルを生成するラベル情報生成ステップと、を備え、送信ステップは、ラベルをサーバ３０Ａに送信する。
この診断方法によれば、（１）と同様の効果を奏することができる。
この診断方法によれば、（１）と同様の効果を奏することができる。
【符号の説明】
【0105】
１ 診断システム
１０ 産業機器
１１ センサ
２０、２０Ａ 診断装置
２１、２１ａ 制御部
２１１ センサ信号取得部
２１２ 機器診断部
２１３ 分類部
２１４、２１４ａ 送信部
２１５ 表示制御部
２１６、２１６ａ ラベル情報生成部
２２ 表示部
３０、３０Ａ サーバ
３１ 分類モデル学習部
３２ 分類部
１０ 産業機器
１１ センサ
２０、２０Ａ 診断装置
２１、２１ａ 制御部
２１１ センサ信号取得部
２１２ 機器診断部
２１３ 分類部
２１４、２１４ａ 送信部
２１５ 表示制御部
２１６、２１６ａ ラベル情報生成部
２２ 表示部
３０、３０Ａ サーバ
３１ 分類モデル学習部
３２ 分類部
【図1】
【図2】
【図3】
【図4】
【図5】
【図6】
【図7】