(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】2024-09-20
(45)【発行日】2024-10-01
(54)【発明の名称】プログラマブルロジックコントローラ、及び分析装置
(51)【国際特許分類】
G05B 19/05 20060101AFI20240924BHJP
【ＦＩ】
G05B19/05 D
【請求項の数】
19
(21)【出願番号】P 2020161926
(22)【出願日】2020-09-28
(65)【公開番号】P2021125218
(43)【公開日】2021-08-30
【審査請求日】2023-06-15
(31)【優先権主張番号】P 2020014970
(32)【優先日】2020-01-31
(33)【優先権主張国・地域又は機関】JP
(73)【特許権者】
【識別番号】000129253
【氏名又は名称】株式会社キーエンス
(74)【代理人】
【識別番号】110003281
【氏名又は名称】弁理士法人大塚国際特許事務所
(74)【代理人】
【識別番号】100076428
【弁理士】
【氏名又は名称】大塚 康徳
(74)【代理人】
【識別番号】100115071
【弁理士】
【氏名又は名称】大塚 康弘
(74)【代理人】
【識別番号】100112508
【弁理士】
【氏名又は名称】高柳 司郎
(74)【代理人】
【識別番号】100116894
【弁理士】
【氏名又は名称】木村 秀二
(74)【代理人】
【識別番号】100131886
【弁理士】
【氏名又は名称】坂本 隆志
(72)【発明者】
【氏名】宮坂 哲也
【審査官】影山 直洋
(56)【参考文献】
【文献】特開２０１８－１８０７５９（ＪＰ，Ａ）
【文献】特開２０１９－１５９６９７（ＪＰ，Ａ）
(58)【調査した分野】(Int.Cl.，ＤＢ名)
Ｇ０５Ｂ １９／０５
(57)【特許請求の範囲】
【請求項1】
プログラマブルロジックコントローラであって、
ユーザプログラムを繰り返し実行する実行エンジンと、
前記ユーザプログラムに従って前記実行エンジンによりアクセスされるデータを記憶する記憶領域である複数のデバイスを有するデバイスメモリと、
前記ユーザプログラムの実行周期ごとに所定の収集設定に従って前記複数のデバイスのうち収集対象のデバイスで保持されているデータを収集する収集手段と、
前記収集手段によって収集された各デバイスの時系列データの特徴に基づいて、各デバイスを複数の類型のいずれかにそれぞれ分類する分類手段と、
各デバイスについて前記収集手段によって収集されたデバイスの時系列データ及び前記分類手段により当該デバイスが分類された類型に従って、当該デバイスを異常デバイスとして特定する際の検知アルゴリズムを決定する決定手段と、
前記収集手段によって収集されたデバイスの時系列データを、前記分類手段によって当該デバイスが分類された類型に従い、当該デバイスに対して前記決定手段によって決定された検知アルゴリズムを用いて分析することで異常デバイスを特定する特定手段とを備え、
前記類型は、一定の値をとるビットデバイスの類型と、前記プログラマブルロジックコントローラの動作サイクルに同期して値が定常的なパターンで変化するビットデバイスの類型と、前記動作サイクルとは異なる周期に同期して値が定常的なパターンで変化するビットデバイスの類型と、不定期でビットデバイスの値が変化するビットデバイスの類型と、アナログ値の類型と、値が単調増加又は単調減少する類型とのうち、少なくとも２つの類型を含むことを特徴とするプログラマブルロジックコントローラ。
【請求項2】
前記特定手段は、さらに、ユーザ指示に応じて、又は定期的に、前記決定手段によって決定された検知アルゴリズムを用いて、前記収集手段によって収集された各デバイスの時系列データと正常時の時系列データとの乖離を分析することで異常デバイスを特定することを特徴とする請求項１に記載のプログラマブルロジックコントローラ。
【請求項3】
前記分類手段は、前記収集手段によって所定数のスキャン周期の時系列データが蓄積されると、該時系列データの特徴に基づいて、それぞれの時系列データを分類し、前記決定手段は、前記分類手段によって分類された前記時系列データに従って、異常を特定する際の前記検知アルゴリズムを決定して更新することを特徴とする請求項１又は２に記載のプログラマブルロジックコントローラ。
【請求項4】
前記分類手段は、任意のデバイスに対しユーザ指示を受け付けると、当該ユーザ指示に応じて当該デバイスを分類することを特徴とする請求項１乃至３の何れか１項に記載のプログラマブルロジックコントローラ。
【請求項5】
前記収集手段は、１以上のデバイスのグループにおいて、前回のスキャン周期において収集した値と、今回のスキャン周期において収集した値とが収集対象の前記グループの全てのデバイスで変化していなければ、前記今回のスキャン周期において収集した値を削除して、収集する時系列データを圧縮することを特徴とする請求項１乃至４の何れか１項に記載のプログラマブルロジックコントローラ。【請求項6】
前記決定手段は、前記分類手段によって不定期で値が変化するデバイスと分類された時系列データを除外して、異常を特定する際の検知アルゴリズムを決定することを特徴とする請求項５に記載のプログラマブルロジックコントローラ。
【請求項7】
前記特定手段は、前記検知アルゴリズムとして、前記分類手段によって分類された前記時系列データの類型に基づき、前記異常デバイスの分析に用いる評価変数と当該評価変数に応じたパラメータを用いて分析することで異常デバイスを特定することを特徴とする請求項１乃至６の何れか１項に記載のプログラマブルロジックコントローラ。
【請求項8】
追加学習の条件が満たされたか否かを判定する追加学習判定手段をさらに備え、前記追加学習判定手段により追加学習の条件が満たされたと判定すると、前記分類手段は、現在の各デバイスの前記類型と、前記収集手段よって追加学習の対象期間に収集された各デバイスの時系列データの特徴とに基づいて、各デバイスを複数の類型のいずれかにそれぞれ再分類し、前記決定手段は、各デバイスについて前記収集手段によって追加学習の対象期間に収集されたデバイスの時系列データと、前記分類手段により当該デバイスが再分類された類型又は現在の各デバイスの検知アルゴリズムとに従って、当該デバイスを異常デバイスとして特定する際の検知アルゴリズムを再決定することを特徴とする請求項７に記載のプログラマブルロジックコントローラ。
【請求項9】
前記特定手段は、前記決定手段によって決定された検知アルゴリズムと、該検知アルゴリズムに対応する時系列データの特徴とを比較して、差分が所定のしきい値を超える場合に、異常デバイスとして特定することを特徴とする請求項１乃至８の何れか１項に記載のプログラマブルロジックコントローラ。
【請求項10】
前記決定手段は、２つの時系列データにおけるそれぞれの値の変化点の時間差を、異常を特定する際の検知アルゴリズムとして決定し、前記特定手段は、前記２つの時系列データにおける前記時間差が所定の範囲内にない場合に、前記２つの時系列データに対応する２つのデバイスを、異常デバイスとして特定することを特徴とする請求項１乃至９の何れか１項に記載のプログラマブルロジックコントローラ。
【請求項11】
特定結果として、異常の可能性が高い候補デバイスが識別可能に出力する出力手段をさらに備えることを特徴とする請求項１乃至１０の何れか１項に記載のプログラマブルロジックコントローラ。
【請求項12】
前記出力手段は、前記特定結果として、異常の大きさを示す異常度の大きい順で、又は、異常の発生時刻の早い順で、各デバイスを表示部に表示することを特徴とする請求項１１に記載のプログラマブルロジックコントローラ。
【請求項13】
前記出力手段は、前記特定結果として、異常デバイスであると特定されたデバイスの正常時の時系列データと、異常時の時系列データが比較可能に表示部に表示することを特徴とする請求項１１又は１２に記載のプログラマブルロジックコントローラ。
【請求項14】
前記収集手段によって収集される時系列データには、画像データが含まれることを特徴とする請求項１乃至１３の何れか１項に記載のプログラマブルロジックコントローラ。
【請求項15】
前記時系列データの特徴は、周期性又は連続性に関する特徴であることを特徴とする請求項１乃至１４の何れか１項に記載のプログラマブルロジックコントローラ。
【請求項16】
基本ユニットと、当該基本ユニットに接続された拡張ユニットとをさらに備え、前記基本ユニットは、
前記実行エンジンと、前記デバイスメモリと、前記収集手段とを含み、
前記拡張ユニットは、
前記分類手段と、前記決定手段と、前記特定手段とを含むことを特徴とする請求項１乃至１５の何れか１項に記載のプログラマブルロジックコントローラ。
【請求項17】
前記デバイスの監視周期を設定する設定手段と、前記設定手段により設定された前記監視周期ごとに、監視を開始する監視開始信号を生成する生成手段と、
前記生成手段により生成された前記監視開始信号に応じて、前記収集手段により収集された各デバイスのうち分析対象となる時系列データ、及び、前記決定手段によって決定された前記検知アルゴリズムを用いて、前記分析対象となる時系列データを分析し、分析結果を表示部に出力する分析手段とを備えることを特徴とする請求項１乃至１６の何れか１項に記載のプログラマブルロジックコントローラ。
【請求項18】
前記収集手段により収集されたデバイスの時系列データを、前記分類手段及び前記特定手段によって用いられる前に、一旦保持するメモリカードをさらに備えることを特徴とする請求項１乃至１７の何れか１項に記載のプログラマブルロジックコントローラ。
【請求項19】
ユーザプログラムを繰り返し実行する実行エンジンと、前記ユーザプログラムに従って前記実行エンジンによりアクセスされるデータを記憶する記憶領域である複数のデバイスを有するデバイスメモリと、前記ユーザプログラムのスキャン周期ごとに所定の収集設定に従って前記複数のデバイスのうち収集対象のデバイスで保持されているデータを収集する収集手段とを備えるプログラマブルロジックコントローラと通信可能に接続された分析装置であって、前記収集手段によって収集された各デバイスの時系列データを前記プログラマブルロジックコントローラから取得する取得手段と、
前記収集手段によって取得された各デバイスの時系列データの特徴に基づいて、各デバイスを複数の類型のいずれかにそれぞれ分類する分類手段と、
各デバイスについて前記収集手段によって収集されたデバイスの時系列データ及び前記分類手段により当該デバイスが分類された類型に従って、当該デバイスを異常デバイスとして特定する際の検知アルゴリズムを決定する決定手段と、
前記収集手段によって収集されたデバイスの時系列データを、前記分類手段によって当該デバイスが分類された類型に従い、当該デバイスに対して前記決定手段によって決定された検知アルゴリズムを用いて分析することで異常デバイスを特定する特定手段と、
前記特定手段による特定結果を出力する出力手段と
を備え、
前記類型は、一定の値をとるビットデバイスの類型と、前記プログラマブルロジックコントローラの動作サイクルに同期して値が定常的なパターンで変化するビットデバイスの類型と、前記動作サイクルとは異なる周期に同期して値が定常的なパターンで変化するビットデバイスの類型と、不定期でビットデバイスの値が変化するビットデバイスの類型と、アナログ値の類型と、値が単調増加又は単調減少する類型とのうち、少なくとも２つの類型を含むことを特徴とする分析装置。
【発明の詳細な説明】
【技術分野】
【0001】
本発明はプログラマブルロジックコントローラ、及び分析装置に関する。
【背景技術】
【0002】
プログラマブル・ロジック・コントローラ（ＰＬＣ）はファクトリーオートメーションにおいて製造機器や搬送装置、検査装置などの産業機械を制御するコントローラである（特許文献１、２）。ＰＬＣはプログラマーによって作成されるラダープログラムなどのユーザプログラムを実行することで様々な拡張ユニットや被制御機器などを制御する。
【先行技術文献】
【特許文献】
【0003】
【文献】特許第５６６１２２２号公報
【文献】特開２０１８－０９７６６２号公報
【発明の概要】
【発明が解決しようとする課題】
【0004】
ところで、ＰＬＣの動作やＰＬＣによって制御される産業機械の動作を監視するために、ＰＬＣが保持しているデータを収集して活用することが望まれている。ＰＬＣは、基本ユニット（ＣＰＵユニット）とそれに接続される拡張ユニットとを有している。基本ユニットは、ラダープログラムなどのユーザプログラムを実行することで拡張ユニットを制御する。拡張ユニットは基本ユニットからの命令にしたがって産業機械を制御し、制御結果を基本ユニットに返す。
【0005】
また、これらの制御結果等のデータはトラブル解析や品質管理のために使用される。従って、これらのデータを蓄積して分析し、復旧のために早期に解析結果を得ることが要求されている。しかし、ＰＬＣに関連する全てのデバイスのデータを記録する場合は膨大なデータを記憶することになり、さらに異常デバイスを特定するためにはこれらの膨大なデータ（全デバイス）を解析する必要があるため時間を要する作業となる。 なお、従来では、特定のデバイスを分析対象として分析して自動的に異常判定を行い、使用する分析手法も予めデータに合った分析手法を用意して判定を行っていた。特定のデバイスを選択したり、分析手法を決定するには経験や知識も必要となる。従って、膨大なデータを好適に記憶することに加えて、十分な専門的な知識や経験を必要とすることなく、各デバイスに関連する膨大なデータの中から効率よく異常デバイスを特定する仕組みが望まれている。
【0006】
そこで、本発明は上記問題に鑑み、各デバイスに関連するデータの周期性や連続性などの特徴を分析して分類し、効率よく異常デバイスを特定することを目的とする。
【課題を解決するための手段】
【0007】
本発明は、例えば、プログラマブルロジックコントローラであって、
ユーザプログラムを繰り返し実行する実行エンジンと、
前記ユーザプログラムに従って前記実行エンジンによりアクセスされるデータを記憶する記憶領域である複数のデバイスを有するデバイスメモリと、
前記ユーザプログラムの実行周期ごとに所定の収集設定に従って前記複数のデバイスのうち収集対象のデバイスで保持されているデータを収集する収集手段と、
前記収集手段によって収集された各デバイスの時系列データの特徴に基づいて、各デバイスを複数の類型のいずれかにそれぞれ分類する分類手段と、
各デバイスについて前記収集手段によって収集されたデバイスの時系列データ及び前記分類手段により当該デバイスが分類された類型に従って、当該デバイスを異常デバイスとして特定する際の検知アルゴリズムを決定する決定手段と、
前記収集手段によって収集されたデバイスの時系列データを、前記分類手段によって当該デバイスが分類された類型に従い、当該デバイスに対して前記決定手段によって決定された検知アルゴリズムを用いて分析することで異常デバイスを特定する特定手段とを備え、
前記類型は、一定の値をとるビットデバイスの類型と、前記プログラマブルロジックコントローラの動作サイクルに同期して値が定常的なパターンで変化するビットデバイスの類型と、前記動作サイクルとは異なる周期に同期して値が定常的なパターンで変化するビットデバイスの類型と、不定期でビットデバイスの値が変化するビットデバイスの類型と、アナログ値の類型と、値が単調増加又は単調減少する類型とのうち、少なくとも２つの類型を含むことを特徴とする。
ユーザプログラムを繰り返し実行する実行エンジンと、
前記ユーザプログラムに従って前記実行エンジンによりアクセスされるデータを記憶する記憶領域である複数のデバイスを有するデバイスメモリと、
前記ユーザプログラムの実行周期ごとに所定の収集設定に従って前記複数のデバイスのうち収集対象のデバイスで保持されているデータを収集する収集手段と、
前記収集手段によって収集された各デバイスの時系列データの特徴に基づいて、各デバイスを複数の類型のいずれかにそれぞれ分類する分類手段と、
各デバイスについて前記収集手段によって収集されたデバイスの時系列データ及び前記分類手段により当該デバイスが分類された類型に従って、当該デバイスを異常デバイスとして特定する際の検知アルゴリズムを決定する決定手段と、
前記収集手段によって収集されたデバイスの時系列データを、前記分類手段によって当該デバイスが分類された類型に従い、当該デバイスに対して前記決定手段によって決定された検知アルゴリズムを用いて分析することで異常デバイスを特定する特定手段とを備え、
前記類型は、一定の値をとるビットデバイスの類型と、前記プログラマブルロジックコントローラの動作サイクルに同期して値が定常的なパターンで変化するビットデバイスの類型と、前記動作サイクルとは異なる周期に同期して値が定常的なパターンで変化するビットデバイスの類型と、不定期でビットデバイスの値が変化するビットデバイスの類型と、アナログ値の類型と、値が単調増加又は単調減少する類型とのうち、少なくとも２つの類型を含むことを特徴とする。
【0008】
また、本発明は、例えば、ユーザプログラムを繰り返し実行する実行エンジンと、前記ユーザプログラムに従って前記実行エンジンによりアクセスされるデータを記憶する記憶領域である複数のデバイスを有するデバイスメモリと、前記ユーザプログラムのスキャン周期ごとに所定の収集設定に従って前記複数のデバイスのうち収集対象のデバイスで保持されているデータを収集する収集手段とを備えるプログラマブルロジックコントローラと通信可能に接続された分析装置であって、
前記収集手段によって収集された各デバイスの時系列データを前記プログラマブルロジックコントローラから取得する取得手段と、
前記収集手段によって取得された各デバイスの時系列データの特徴に基づいて、各デバイスを複数の類型のいずれかにそれぞれ分類する分類手段と、
各デバイスについて前記収集手段によって収集されたデバイスの時系列データ及び前記分類手段により当該デバイスが分類された類型に従って、当該デバイスを異常デバイスとして特定する際の検知アルゴリズムを決定する決定手段と、
前記収集手段によって収集されたデバイスの時系列データを、前記分類手段によって当該デバイスが分類された類型に従い、当該デバイスに対して前記決定手段によって決定された検知アルゴリズムを用いて分析することで異常デバイスを特定する特定手段と、
前記特定手段による特定結果を出力する出力手段と
を備え、
前記類型は、一定の値をとるビットデバイスの類型と、前記プログラマブルロジックコントローラの動作サイクルに同期して値が定常的なパターンで変化するビットデバイスの類型と、前記動作サイクルとは異なる周期に同期して値が定常的なパターンで変化するビットデバイスの類型と、不定期でビットデバイスの値が変化するビットデバイスの類型と、アナログ値の類型と、値が単調増加又は単調減少する類型とのうち、少なくとも２つの類型を含むことを特徴とする。
前記収集手段によって収集された各デバイスの時系列データを前記プログラマブルロジックコントローラから取得する取得手段と、
前記収集手段によって取得された各デバイスの時系列データの特徴に基づいて、各デバイスを複数の類型のいずれかにそれぞれ分類する分類手段と、
各デバイスについて前記収集手段によって収集されたデバイスの時系列データ及び前記分類手段により当該デバイスが分類された類型に従って、当該デバイスを異常デバイスとして特定する際の検知アルゴリズムを決定する決定手段と、
前記収集手段によって収集されたデバイスの時系列データを、前記分類手段によって当該デバイスが分類された類型に従い、当該デバイスに対して前記決定手段によって決定された検知アルゴリズムを用いて分析することで異常デバイスを特定する特定手段と、
前記特定手段による特定結果を出力する出力手段と
を備え、
前記類型は、一定の値をとるビットデバイスの類型と、前記プログラマブルロジックコントローラの動作サイクルに同期して値が定常的なパターンで変化するビットデバイスの類型と、前記動作サイクルとは異なる周期に同期して値が定常的なパターンで変化するビットデバイスの類型と、不定期でビットデバイスの値が変化するビットデバイスの類型と、アナログ値の類型と、値が単調増加又は単調減少する類型とのうち、少なくとも２つの類型を含むことを特徴とする。
【発明の効果】
【0009】
本発明によれば、各デバイスに関連するデータの周期性や連続性などの特徴を分析して分類し、効率よく異常デバイスを特定することができる。
【図面の簡単な説明】
【0010】
【図1】ＰＬＣシステムを示す図
【図2】ＰＣを説明する図
【図3】ＰＣを説明する図
【図4】ＰＬＣを説明する図
【図5】基本ユニットを説明する図
【図6】データ活用ユニットを説明する図
【図7】拡張ユニットを説明する図
【図8】データレコードのフォーマットを説明する図
【図9】転送タイミングを説明する図
【図10】情報圧縮を説明する図
【図11】全体フローを示すフローチャート
【図12】収集データの分類を示す図
【図13A】分類の処理手順を示すフローチャート
【図13B】分類の処理手順を示すフローチャート
【図14】データの型を示す図
【図15】学習フェーズの処理手順を示すフローチャート
【図16】推定フェーズの処理手順を示すフローチャート
【図17】異常の判断手法を説明する図
【図18】特定結果の表示例を示す図
【図19】収集データの変形例を示す図
【図20】監視開始信号を出力する処理手順を示すフローチャート
【図21】追加学習の処理手順を示すフローチャート
【発明を実施するための形態】
【0011】
以下、添付図面を参照して実施形態が詳しく説明される。尚、以下の実施形態は特許請求の範囲に係る発明を限定するものではなく、また実施形態で説明されている特徴の組み合わせの全てが発明に必須のものとは限らない。実施形態で説明されている複数の特徴のうち二つ以上の特徴が任意に組み合わされてもよい。また、同一又は同様の構成には同一の参照番号が付され、重複した説明は省略される。同一又は類似の要素を示す参照符号の末尾には小文字のアルファベットが付与されることがある。複数の要素に共通する事項が説明される場合、小文字のアルファベットが省略される。
【0012】
＜第１の実施形態＞
＜システム構成＞
以下では、本発明の第１の実施形態について説明する。はじめにプログラマブルロジックコントローラ（ＰＬＣ、単にプログラマブルコントローラと呼ばれてもよい）を当業者にとってよりよく理解できるようにするために、一般的なＰＬＣの構成とその動作について説明する。
＜システム構成＞
以下では、本発明の第１の実施形態について説明する。はじめにプログラマブルロジックコントローラ（ＰＬＣ、単にプログラマブルコントローラと呼ばれてもよい）を当業者にとってよりよく理解できるようにするために、一般的なＰＬＣの構成とその動作について説明する。
【0013】
図１は、本発明の実施の形態によるプログラマブル・ロジック・コントローラシステムの一構成例を示す概念図である。図１が示すように、このシステムは、ラダープログラムなどのユーザプログラムの編集を行うためのＰＣ２ａと、工場等に設置される各種制御装置を統括的に制御するためのＰＬＣ（プログラマブルロジックコントローラ）１とを備えている。ＰＣはパーソナルコンピュータの略称である。ユーザプログラムは、ラダー言語やＳＦＣ（シーケンシャルファンクションチャート）などのフローチャート形式のモーションプログラムなどのグラフィカルプログラミング言語を用いて作成されてもよいし、Ｃ言語などの高級プログラミング言語を用いて作成されてもよい。以下では、説明の便宜上、ユーザプログラムはラダープログラムとする。ＰＬＣ１は、ＣＰＵが内蔵された基本ユニット３と、１つ乃至複数の拡張ユニット４を備えている。基本ユニット３に対して１つ乃至複数の拡張ユニット４が着脱可能となっている。
【0014】
基本ユニット（ＣＰＵユニットとも称する）３は、表示部５及び操作部６を備えている。表示部５は、基本ユニット３に取り付けられている各拡張ユニット４の動作状況などを表示することができる。操作部６の操作内容に応じて表示部５は表示内容を切り替える。表示部５は、通常、ＰＬＣ１内のデバイスの現在値（デバイス値）やＰＬＣ１内で生じたエラー情報などを表示する。ここでデバイスとは、基本ユニット３や拡張ユニット４に含まれる種々のデバイス（リレー、タイマー、カウンタなど）を含むものであり、デバイス値（デバイスデータ）を格納するために設けられたメモリ上の領域を指すものでもあり、デバイスメモリと呼ばれてもよい。なお、当該デバイスメモリは不揮発性メモリであり、書き換え可能な不揮発性ＲＯＭで構成されてもよく、揮発性ＲＡＭ等をバッテリーバックアップ等により不揮発性を実現してもよい。ＲＯＭはリードオンリーメモリの略称である。ＲＡＭはランダムアクセスメモリの略称である。デバイス値とは、入力機器からの入力状態、出力機器への出力状態及びユーザプログラム上で設定される内部リレー（補助リレー）、タイマー、カウンタ、データメモリ等の状態を示す情報である。デバイス値の型にはビット型とワード型等がある。ビットデバイスは１ビットのデバイス値、例えば、０／１、ＯＮ／ＯＦＦ、Ｈ／Ｌ等を記憶する。ワードデバイスは１ワードのデバイス値を記憶する。以下で詳細に説明されるデータ活用プログラムの収集対象としては、デバイスとして変数が指定されてもよい。変数も情報を保持する保持手段であり、ユーザプログラムに従って実行エンジンによりアクセスされるものである。したがって、以下の説明においてデバイスは変数も指すものである。なお、デバイスを保持するメモリはデバイスメモリと呼ばれてもよい。また、収集されたデータを保持するメモリはデータメモリと呼ばれてもよい。
【0015】
拡張ユニット４は、ＰＬＣ１の機能を拡張するために用意されている。各拡張ユニット４には、その拡張ユニット４の機能に対応するフィールドデバイス（被制御装置）１０が接続されることがあり、これにより、各フィールドデバイス１０が拡張ユニット４を介して基本ユニット３に接続される。フィールドデバイス１０は、センサやカメラなどの入力機器であってもよいし、アクチュエータなどの出力機器であってもよい。また、一つの拡張ユニット４に対して複数のフィールドデバイスが接続されてもよい。
【0016】
例えば、拡張ユニット４ｂはモータ（フィールドデバイス１０）を駆動してワークの位置決めを行う位置決めユニットであってもよいし、カウンタユニットであってもよい。カウンタユニットは手動パルサなどのエンコーダ（フィールドデバイス１０）からの信号をカウントする。
【0017】
拡張ユニット４ａは、例えば、基本ユニット３や拡張ユニット４ｂから収集対象データを収集し、フローなどのユーザプログラム（データ活用プログラム）を実行することで収集対象データにデータ処理を施して表示対象データを作成し、ダッシュボードを表示部７又はＰＣ２に表示するための表示データ（ソースデータ）を作成するデータ活用ユニットである。本実施形態では、拡張ユニット４ａが各デバイスのデータを収集する例について説明するが、当該収集部については基本ユニット３に設けられてもよく、或いは、他の拡張ユニットに設けられてもよい。また、拡張ユニット４ａは、収集したデータを基本ユニット３からの指示や所定のタイミングに従って分析を行う分析装置として機能することも可能である。なお、本実施形態では、拡張ユニット４ａが分析装置として動作する例について説明するが、本発明を限定する意図はなく、基本ユニット３が分析装置として機能してもよく、ＰＣ２ａ、２ｂなどの外部装置が分析装置として機能してもよい。以下で説明されるフロー（フロープログラム）はデータ活用プログラムの一例に過ぎない。基本ユニット３はＣＰＵユニットと呼ばれることもある。なお、ＰＬＣ１とＰＣ２とを含むシステムはプログラマブルロジックコントローラシステムと呼ばれてもよい。
【0018】
ＰＣ２ａは主にプログラマーによって操作されるコンピュータである。一方、ＰＣ２ｂは主に現場担当者によって操作されるコンピュータである。ＰＣ２ａはプログラム作成支援装置（設定装置）と呼ばれてもよい。ＰＣ２は、例えば、携帯可能なノートタイプやタブレットタイプのパーソナルコンピュータ又はスマートフォンであって、表示部７及び操作部８を備えている外部コンピュータである。外部コンピュータとは、ＰＬＣ１の外部にあるコンピュータである。ＰＬＣ１を制御するためのユーザプログラムの一例であるラダープログラムは、ＰＣ２ａを用いて作成される。その作成されたラダープログラムは、ＰＣ２ａ内でニモニックコードに変換される。ＰＣ２は、ＵＳＢ（Ｕｎｉｖｅｒｓａｌ Ｓｅｒｉａｌ Ｂｕｓ）ケーブルなどの通信ケーブル９を介してＰＬＣ１の基本ユニット３に接続される。例えば、ＰＣ２ａは、ニモニックコードに変換されたラダープログラムを基本ユニット３に送る。基本ユニット３はラダープログラムをマシンコードに変換し、基本ユニット３に備えられたメモリ内に記憶する。なお、ここではニモニックコードが基本ユニット３に送信されているが、本発明はこれに限られない。例えば、ＰＣ２ａは、ニモニックコードを中間コードに変換し、中間コードを基本ユニット３に送信してもよい。
【0019】
なお、図１には示していないが、ＰＣ２の操作部８には、ＰＣ２に接続されたマウスなどのポインティングデバイスが含まれていてもよい。また、ＰＣ２は、ＵＳＢケーブル以外の他の通信ケーブル９を介して、ＰＬＣ１の基本ユニット３に対して着脱可能に接続されるような構成であってもよい。また、ＰＣ２は、通信ケーブル９を介さず、ＰＬＣ１の基本ユニット３に対して無線通信によって接続されてもよい。
【0020】
＜プログラム作成支援装置＞
図２はＰＣ２ａの電気的構成について説明するためのブロック図である。図２が示すように、ＰＣ２ａは、ＣＰＵ１１ａ、表示部７ａ、操作部８ａ、記憶装置１２ａ及び通信部１３ａを備えている。表示部７ａ、操作部８ａ、記憶装置１２ａ及び通信部１３ａは、それぞれＣＰＵ１１ａに対して電気的に接続されている。記憶装置１２ａはＲＡＭやＲＯＭ、ＨＤＤ、ＳＳＤを含み、さらに着脱可能なメモリカードを含んでもよい。ＣＰＵは中央演算処理装置の略称である。ＨＤＤはハードディスクドライブの略称である。ＳＳＤはソリッドステートドライブの略称である。
図２はＰＣ２ａの電気的構成について説明するためのブロック図である。図２が示すように、ＰＣ２ａは、ＣＰＵ１１ａ、表示部７ａ、操作部８ａ、記憶装置１２ａ及び通信部１３ａを備えている。表示部７ａ、操作部８ａ、記憶装置１２ａ及び通信部１３ａは、それぞれＣＰＵ１１ａに対して電気的に接続されている。記憶装置１２ａはＲＡＭやＲＯＭ、ＨＤＤ、ＳＳＤを含み、さらに着脱可能なメモリカードを含んでもよい。ＣＰＵは中央演算処理装置の略称である。ＨＤＤはハードディスクドライブの略称である。ＳＳＤはソリッドステートドライブの略称である。
【0021】
ＰＣ２ａのユーザは記憶装置１２ａに記憶されているプロジェクト編集プログラム１４ａをＣＰＵ１１ａに実行させて、操作部８ａを通じてプロジェクトデータ１５を編集する。ＣＰＵ１１ａがプロジェクト編集プログラム１４ａを実行することで、プロジェクト作成部１６とプロジェクト転送部１７が実現される。プロジェクト作成部１６はユーザ入力にしたがってプロジェクトデータ１５を作成する。プロジェクト転送部１７はプロジェクトデータ１５をＰＬＣ１に転送する。プロジェクトデータ１５は、一つ以上のユーザプログラム（例：ラダープログラム、制御プログラム、モーションプログラム、データ活用プログラム）と、基本ユニット３や拡張ユニット４の構成情報、基本ユニット３や拡張ユニット４に備えられた特定機能の設定情報などを含む。構成情報は、基本ユニット３に対する複数の拡張ユニット４の接続位置やデバイスの割り当て情報を含む。基本ユニット３に備えられた機能（例：データ収集機能、通信機能、位置決め機能）を示す情報、拡張ユニット４の機能（例：通信機能、位置決め機能、撮影機能）などを示す情報を含んでいてもよい。特定機能の設定情報は、基本ユニット３に備えられた機能（例：データ収集機能、通信機能、位置決め機能）に関する設定情報、例えば、データ収集機能であれば、データ収集条件やデータ収集対象の設定情報を含み、拡張ユニット４の機能（例：通信機能、位置決め機能、データ活用機能、撮影機能）に関する設定情報等を含む。ここで、プロジェクトデータ１５の編集には、プロジェクトデータ１５の作成及び変更（再編集）が含まれる。ユーザは、必要に応じて記憶装置１２ａに記憶されているプロジェクトデータ１５を読み出し、そのプロジェクトデータ１５を、プロジェクト編集プログラム１４ａを用いて変更することができる。通信部１３ａは、通信ケーブル９ａを介して基本ユニット３と通信する。プロジェクト転送部１７は通信部１３ａを介してプロジェクトデータを基本ユニット３に転送する。通信部１３ａは、通信ケーブル９ｂを介して拡張ユニット４ａと通信する。
【0022】
＜ダッシュボードの表示に使用されるＰＣ＞
図３はＰＣ２ｂの電気的構成について説明するためのブロック図である。図３が示すように、ＰＣ２ｂは、ＣＰＵ１１ｂ、表示部７ｂ、操作部８ｂ、記憶装置１２ｂ及び通信部１３ｂを備えている。表示部７ｂ、操作部８ｂ、記憶装置１２ｂ及び通信部１３ｂは、それぞれＣＰＵ１１ｂに対して電気的に接続されている。記憶装置１２ｂはＲＡＭやＲＯＭ、ＨＤＤ、ＳＳＤを含み、さらに着脱可能なメモリカードを含んでもよい。
図３はＰＣ２ｂの電気的構成について説明するためのブロック図である。図３が示すように、ＰＣ２ｂは、ＣＰＵ１１ｂ、表示部７ｂ、操作部８ｂ、記憶装置１２ｂ及び通信部１３ｂを備えている。表示部７ｂ、操作部８ｂ、記憶装置１２ｂ及び通信部１３ｂは、それぞれＣＰＵ１１ｂに対して電気的に接続されている。記憶装置１２ｂはＲＡＭやＲＯＭ、ＨＤＤ、ＳＳＤを含み、さらに着脱可能なメモリカードを含んでもよい。
【0023】
ＣＰＵ１１ｂはＷｅｂブラウザプログラム１４ｄを実行することでＷｅｂブラウザ１８を実現する。Ｗｅｂブラウザ１８は、通信部１３ｂを介して、拡張ユニット４ａによって提供されるデータ活用アプリケーションの設定ページにアクセスしたり、ダッシュボードのページにアクセスしたりする。またＣＰＵ１１ｂは、拡張ユニット４ａから送信された異常発生時の特定結果（判定結果）を示す画面情報に従って、当該特定結果を表示部７ｂに表示する。
【0024】
＜ＰＬＣ＞
図４はＰＬＣ１の電気的構成について説明するためのブロック図である。図４が示すように、基本ユニット３は、ＣＰＵ３１、表示部５、操作部６、記憶装置３２、通信部３３、及びメモリカード４４を備えている。表示部５、操作部６、記憶装置３２、及び通信部３３は、それぞれＣＰＵ３１に電気的に接続されている。記憶装置３２は、ＲＡＭやＲＯＭ などを含んでもよい。記憶装置３２はデバイス部３４やプロジェクト記憶部３５、第一バッファ３７ａなどの複数の記憶領域を有している。デバイス部３４はビットデバイスやワードデバイスなどを有し、各デバイスはデバイス値を記憶するもので、デバイスメモリに相当する。プロジェクト記憶部３５は、ＰＣ２ａから入力されたプロジェクトデータを記憶する。第一バッファ３７ａには、スキャン周期ごとにデバイス部３４から収集対象のデバイス値（時系列データ）が格納される。第一バッファについての詳細は図５を用いて後述する。メモリカード４４には保存条件が成立した場合に、第一バッファ３７ａに格納された各デバイスからの制御データである時系列データが記憶される。このように時系列データがメモリカード４４へ一旦保持されることにより、例えば分類対象や特定対象のデータを後に外部装置等で検証することも可能であり、重要な最新データをログ情報として保持することができる。また、本発明においては基本的にＰＬＣ１に関わる全デバイスのデータを収集するため、収集データは膨大であり、処理対象のデータを別メモリへ保持することにより処理負荷を低減する効果も期待でき、更には、収集処理と収集データに関する処理（分類処理や特定処理）とを並行して実行することを容易にすることもできる。ここで、保存条件とは、ＰＬＣに異常が発生した場合や、ユーザにより予め保存トリガとなるデバイスを指定しておき当該デバイスに所定の変化があった場合や、ユーザによる分析命令があった場合、定期的に監視する監視周期が経過した場合、基本ユニット３に接続される拡張ユニットから分析命令が発せられた場合などに成立するものである。保存条件は、ユーザにより予め設定され、プロジェクトデータの一部として基本ユニット３の記憶装置３２に記憶されていてもよい。保存条件が成立したことをＣＰＵ３１が検知すると、ＣＰＵ３１が第一バッファ３７ａに格納されているデバイス値をＳＤカード等のメモリカード４４へ保存するように命令を発するとともに、拡張ユニット４ａに対して、分析対象となるデータが保存されたことを通知する。基本ユニット３用の制御プログラムは、プロジェクトデータの一部としてプロジェクト記憶部３５に記憶される。基本ユニット３用の制御プログラムはプロジェクト記憶部３５とは別に、または、プロジェクト記憶部３５に加え、記憶装置３２に記憶されてもよい。図４が示すように基本ユニット３と拡張ユニット４とは通信バスの一種である拡張バス９０を介して接続されている。なお、図４では拡張バス９０に関する通信回路がＣＰＵ３１に実装されているが、通信部３３の一部として実装されてもよい。通信部３３はネットワーク通信回路を有してもよい。ＣＰＵ３１は通信部３３を介してプロジェクトデータをＰＣ２ａから受信する。
図４はＰＬＣ１の電気的構成について説明するためのブロック図である。図４が示すように、基本ユニット３は、ＣＰＵ３１、表示部５、操作部６、記憶装置３２、通信部３３、及びメモリカード４４を備えている。表示部５、操作部６、記憶装置３２、及び通信部３３は、それぞれＣＰＵ３１に電気的に接続されている。記憶装置３２は、ＲＡＭやＲＯＭ などを含んでもよい。記憶装置３２はデバイス部３４やプロジェクト記憶部３５、第一バッファ３７ａなどの複数の記憶領域を有している。デバイス部３４はビットデバイスやワードデバイスなどを有し、各デバイスはデバイス値を記憶するもので、デバイスメモリに相当する。プロジェクト記憶部３５は、ＰＣ２ａから入力されたプロジェクトデータを記憶する。第一バッファ３７ａには、スキャン周期ごとにデバイス部３４から収集対象のデバイス値（時系列データ）が格納される。第一バッファについての詳細は図５を用いて後述する。メモリカード４４には保存条件が成立した場合に、第一バッファ３７ａに格納された各デバイスからの制御データである時系列データが記憶される。このように時系列データがメモリカード４４へ一旦保持されることにより、例えば分類対象や特定対象のデータを後に外部装置等で検証することも可能であり、重要な最新データをログ情報として保持することができる。また、本発明においては基本的にＰＬＣ１に関わる全デバイスのデータを収集するため、収集データは膨大であり、処理対象のデータを別メモリへ保持することにより処理負荷を低減する効果も期待でき、更には、収集処理と収集データに関する処理（分類処理や特定処理）とを並行して実行することを容易にすることもできる。ここで、保存条件とは、ＰＬＣに異常が発生した場合や、ユーザにより予め保存トリガとなるデバイスを指定しておき当該デバイスに所定の変化があった場合や、ユーザによる分析命令があった場合、定期的に監視する監視周期が経過した場合、基本ユニット３に接続される拡張ユニットから分析命令が発せられた場合などに成立するものである。保存条件は、ユーザにより予め設定され、プロジェクトデータの一部として基本ユニット３の記憶装置３２に記憶されていてもよい。保存条件が成立したことをＣＰＵ３１が検知すると、ＣＰＵ３１が第一バッファ３７ａに格納されているデバイス値をＳＤカード等のメモリカード４４へ保存するように命令を発するとともに、拡張ユニット４ａに対して、分析対象となるデータが保存されたことを通知する。基本ユニット３用の制御プログラムは、プロジェクトデータの一部としてプロジェクト記憶部３５に記憶される。基本ユニット３用の制御プログラムはプロジェクト記憶部３５とは別に、または、プロジェクト記憶部３５に加え、記憶装置３２に記憶されてもよい。図４が示すように基本ユニット３と拡張ユニット４とは通信バスの一種である拡張バス９０を介して接続されている。なお、図４では拡張バス９０に関する通信回路がＣＰＵ３１に実装されているが、通信部３３の一部として実装されてもよい。通信部３３はネットワーク通信回路を有してもよい。ＣＰＵ３１は通信部３３を介してプロジェクトデータをＰＣ２ａから受信する。
【0025】
ここで、拡張バス９０について、補足説明する。この拡張バス９０は、入出力リフレッシュに使用される通信バスである。入出力リフレッシュとは、ラダープログラムを繰り返し実行する際に、各一回の実行前に入出力の値を取り込み、取り込んだ入出力の値に基づいてラダープログラムを実行するもので、一回の実行中は入出力の値が変化しても取り込まないための処理である。入出力リフレッシュにより取り込まれた値は、各入出力に対応するデバイスのデバイス値としてデバイスメモリに記憶される。入出力リフレッシュにより、基本ユニット３と拡張ユニット４との間でデバイス値の送受がなされ、デバイスメモリの対応するデバイスのデバイス値が更新される。入出力リフレッシュは、ラダープログラムが一回実行されるスキャン周期ごとに（つまり、一スキャンごとに）、実行される。なお、一つのスキャン周期は、入出力リフレッシュの実行期間と、ラダープログラムの実行期間と、エンド処理の実行期間とを含む。
【0026】
拡張ユニット４はＣＰＵ４１とメモリ４２を備えている。さらに、拡張ユニット４ａには、当該拡張ユニット４ａに着脱可能な、各デバイスからの制御データである時系列データを格納するメモリカード（例えば、ＳＤカード）を備えていてもよい。 拡張ユニット４ｂのＣＰＵ４１ｂは、デバイスに格納された基本ユニット３からの指示（デバイス値）にしたがってフィールドデバイス１０を制御する。また、ＣＰＵ４１ｂは、フィールドデバイス１０の制御結果をバッファメモリとよばれるデバイスに格納する。デバイスに格納された制御結果は入出力リフレッシュによって基本ユニット３に転送される。また、デバイスに格納されている制御結果は、基本ユニット３からの読み出し命令にしたがって、入出力リフレッシュとは異なるタイミングであっても、基本ユニット３に転送される。メモリ４２はＲＡＭやＲＯＭなどを含む。とりわけ、ＲＡＭにはバッファメモリとして使用される記憶領域が確保されている。メモリ４２は、フィールドデバイス１０によって取得されたデータ（例：デバイス値や静止画データ、動画データ）を一時的に保持するバッファを有してもよい。
【0027】
データ活用ユニットとして機能する拡張ユニット４ａのＣＰＵ４１ａは、通信部４３とケーブル９ｂを介してＰＣ２ｂと通信する。データ活用ユニットは、データ活用アプリケーションを実行する拡張ユニットである。データ活用アプリケーションは、基本ユニット３備えられたメモリカード４４または拡張ユニット４ａに備えられたメモリカードに保存された制御データ（時系列データ）を収集したり、データ処理したりするフローと、収集されたデータに関連する処理を行うフローと、それらフローの実行結果を表示するダッシュボードや、それらフローの結果を外部に送信する送信部とを含む。なお、データ活用アプリケーションは、異常デバイス分析時においてメモリカード４４への保存命令を発することなく、上述したような保存条件が満たされた場合に保存されるデータを参照し、メモリカード４４に保存されているデータを使って分析を行う。
【0028】
なお、制御データを収集する機能は、データ活用アプリケーション以外のユーザプログラムによって実現されてもよい。また、収集されたデータに関連する処理を行う機能には、プログラマブルロジックコントローラの異常時において異常デバイスを特定する特定機能や、正常時の時系列データとの乖離を分析し、いつもと違うデバイス値を検証する分析機能、定期的に上記分析を行う監視機能が含まれる。フローはデータを収集する演算ブロック、データ処理を実行する演算ブロック、及び、表示データを作成する演算ブロックなどを有してもよい。ダッシュボードは、グラフ表示部品や数値表示部品などを有する。これらの表示部品は、ＨＴＭＬデータ、ＣＳＳデータ及びＪａｖａＳｃｒｉｐｔ（登録商標）コードなどにより実現されてもよい。なお、ＨＴＭＬデータ、ＣＳＳデータ及びＪａｖａＳｃｒｉｐｔ（登録商標）コードの集合体はＷｅｂアプリケーションと呼ばれてもよい。本実施形態で、フローはフローテンプレートにより実現される。フローテンプレートは予めアプリケーションごとに用意されており、ユーザにより指定されたフローテンプレートパラメータが設定される一つ以上の演算ブロックを有している。ダッシュボードもテンプレートにより実現される。ダッシュボードテンプレートは、ユーザにより指定されたダッシュボードテンプレートパラメータが設定される一つ以上の表示部品を有している。ダッシュボードテンプレートパラメータは、例えば、ダッシュボードの名称、デバイス名、数値、ユニット変数名など多種多様な情報である。ユニット変数とは、拡張ユニット４ａがフローの実行結果を保持するための変数である。
【0029】
＜基本ユニットのＣＰＵにより実現される機能＞
図５はデータ活用に関してＣＰＵ３１により実現される機能を示している。実行エンジン５１は、実行周期であるスキャン周期ごとにユーザプログラムを繰り返し実行する。実行エンジン５１は、ＣＰＵ３１の外部に設けられたＡＳＩＣ又はＦＰＧＡなどにより実現されてもよい。ＡＳＩＣは特定用途集積回路の略称である。ＦＰＧＡはフィールドプログラマブルゲートアレイの略称である。これらの専用回路は、ＣＰＵとプログラムとの組み合わせよりも、特定のデータ処理を高速に実行できることが多い。収集部５２ａは、実行周期であるスキャン周期ごとにデバイス部３４から収集対象のデバイス値を収集してデータレコードを作成して第一バッファ３７ａに格納する。なお、実行エンジンがユーザプログラムとしてラダープログラムを実行する場合は、ラダープログラムのスキャン周期が実行周期に相当し、実行エンジンがユーザプログラムとしてモーションプログラムを実行する場合は、モーションプログラムの制御周期が実行周期に相当する。ラダープログラムのスキャン周期ごとにデバイス値を収集する場合は、スキャン周期のうちエンド処理の期間においてデバイス部３４から収集対象のデバイス値を収集してデータレコードを作成して第一バッファ３７ａに格納してもよい。なお、エンド処理の期間でデータを収集することは必須ではなく、実行エンジン５１で実行されるユーザプログラムにデータを収集するための記述（トリガ命令などのプログラムコード）が含まれていてもよい。ただし、エンド処理によってデータを収集するケースでは、ユーザプログラムの変更が不要であるといったメリットがある。収集周期は、ユーザにより設定され、プロジェクトデータの一部として転送され、基本ユニット３の記憶装置３２に収集設定３６ａとして記憶されている。収集設定３６ａには、収集周期の他に、収集対象となるデバイスなどが含まれる。なお、収集周期は実行周期であるスキャン周期やモーションプログラムの制御周期とは異なる周期であってもよい。この場合、収集設定３６ａにより指定された収集周期毎に、デバイス部から収集対象のデバイス値を収集してデータレコードを作成して第一バッファ３７ａに格納してもよい。ここで、基本ユニット３は、データの収集時において、自デバイスによって又は拡張ユニット４ａによって各デバイス値の周期性や連続性などの特徴を分析し、分析結果に応じてデバイスを分類してもよい。一方、データの収集時においてはこのような分析を行うことなく、所定数のスキャン周期の時系列データが収集されたタイミングや異常発生時等にデータを分析する必要があるタイミングで自デバイスによって又は拡張ユニット４ａによって行ってもよい。
図５はデータ活用に関してＣＰＵ３１により実現される機能を示している。実行エンジン５１は、実行周期であるスキャン周期ごとにユーザプログラムを繰り返し実行する。実行エンジン５１は、ＣＰＵ３１の外部に設けられたＡＳＩＣ又はＦＰＧＡなどにより実現されてもよい。ＡＳＩＣは特定用途集積回路の略称である。ＦＰＧＡはフィールドプログラマブルゲートアレイの略称である。これらの専用回路は、ＣＰＵとプログラムとの組み合わせよりも、特定のデータ処理を高速に実行できることが多い。収集部５２ａは、実行周期であるスキャン周期ごとにデバイス部３４から収集対象のデバイス値を収集してデータレコードを作成して第一バッファ３７ａに格納する。なお、実行エンジンがユーザプログラムとしてラダープログラムを実行する場合は、ラダープログラムのスキャン周期が実行周期に相当し、実行エンジンがユーザプログラムとしてモーションプログラムを実行する場合は、モーションプログラムの制御周期が実行周期に相当する。ラダープログラムのスキャン周期ごとにデバイス値を収集する場合は、スキャン周期のうちエンド処理の期間においてデバイス部３４から収集対象のデバイス値を収集してデータレコードを作成して第一バッファ３７ａに格納してもよい。なお、エンド処理の期間でデータを収集することは必須ではなく、実行エンジン５１で実行されるユーザプログラムにデータを収集するための記述（トリガ命令などのプログラムコード）が含まれていてもよい。ただし、エンド処理によってデータを収集するケースでは、ユーザプログラムの変更が不要であるといったメリットがある。収集周期は、ユーザにより設定され、プロジェクトデータの一部として転送され、基本ユニット３の記憶装置３２に収集設定３６ａとして記憶されている。収集設定３６ａには、収集周期の他に、収集対象となるデバイスなどが含まれる。なお、収集周期は実行周期であるスキャン周期やモーションプログラムの制御周期とは異なる周期であってもよい。この場合、収集設定３６ａにより指定された収集周期毎に、デバイス部から収集対象のデバイス値を収集してデータレコードを作成して第一バッファ３７ａに格納してもよい。ここで、基本ユニット３は、データの収集時において、自デバイスによって又は拡張ユニット４ａによって各デバイス値の周期性や連続性などの特徴を分析し、分析結果に応じてデバイスを分類してもよい。一方、データの収集時においてはこのような分析を行うことなく、所定数のスキャン周期の時系列データが収集されたタイミングや異常発生時等にデータを分析する必要があるタイミングで自デバイスによって又は拡張ユニット４ａによって行ってもよい。
【0030】
第一バッファ３７ａを設けることで、実行エンジン５１は、収集や転送処理によるスキャンタイムの伸びなどの影響を受けにくくなる。収集対象のデバイス値は、収集設定３６ａにより指定されている。収集設定３６ａは、ＰＣ２ａ又は拡張ユニット４ａによって基本ユニット３に格納されうる。転送部５３ａは、第一バッファ３７ａに格納された一つ以上のデータレコードを、基本ユニット３に設けられたメモリカード４４に記憶させ、メモリカード４４に保存されたデータレコードを拡張ユニット４ａに転送する。なお、転送部５３ａは、拡張バス９０における通信トラフィックが空いているときに、転送処理を実行するが、データレコードを拡張ユニット４ａに送信するための専用の拡張バスが設けられていてもよい。
【0031】
或いは転送部５３ａは、第一バッファ３７ａに格納された一つ以上のデータレコードを拡張バス９０を介して、拡張ユニット４ａに転送し、転送されたデータはその後拡張ユニット４ａに設けられたメモリカードに格納されてもよい。この場合、データレコードを拡張ユニット４ａに送信するための専用の拡張バスが設けられるのが好ましい。上述したように、メモリカード４４には保存条件が成立した場合にのみデータレコードが保存される。従って、不要なデータを拡張ユニット４ａへ転送する必要がないため、通信トラフィックの軽量化を実現することができる。
【0032】
実行エンジン５１ａが入出力リフレッシュを実行している期間や、ユーザプログラムに記述された読み出し命令にしたがって拡張ユニット４のバッファメモリからデータを読み出している期間を避けて、転送処理が実行されてもよい。なお、拡張バス９０の通信トラフィックは監視部５４ａによって監視されている。データレコードの転送時間を短縮するために、圧縮エンジン５５ａが複数のデータレコードを圧縮してもよい。なお、圧縮エンジン５５ａはＣＰＵ３１により実現される必要は無く、ＡＳＩＣ又はＦＰＧＡなどにより実現されてもよい。このように、第一バッファ３７ａを採用することで、転送処理とユーザプログラムを非同期で実行することが可能となる。
【0033】
＜データ活用ユニットの機能＞
図６は拡張ユニット４ａのＣＰＵ４１ａによって実現される機能を説明する図である。
図６は拡張ユニット４ａのＣＰＵ４１ａによって実現される機能を説明する図である。
【0034】
収集部５２ｃは、収集設定３９に従って基本ユニット３の第一バッファからデータを収集（取得）する機能である。収集設定３９は、ユーザにより設定され、プロジェクトデータの一部として転送され、拡張ユニット４ａのメモリ４２ａに記憶される。収集部５２ｃは、ＣＰＵ４１ａがユーザプログラムなどの制御プログラムを実行することで実現されうる。収集部５２ｃは、収集設定３９により指定されたデバイス値を基本ユニット３が収集して拡張ユニット４ａの第二バッファ３７ｂに転送するよう基本ユニット３を設定する。なお、収集部５２ｃは、収集設定３９に含まれている基本ユニット３の収集設定３６ａを基本ユニット３の記憶装置３２に書き込んでもよい。収集部５２ｃとデータ処理部７３とは基本的に非同期で動作できることが望ましい。これを実現するためにバッファが設けられてもよい。なお、ここでは、基本ユニット３がデバイス値を収集して一旦バッファに格納し、その後、所定のタイミングで拡張ユニット４ａの収集部５２ｃが収集する実施例について説明している。しかし、本発明はこれに限定されず、拡張ユニット４ａ等の分析ユニットがデバイス値を直接取得し、拡張ユニット４ａに設けられたメモリに当該デバイス値を保存してもよい。
【0035】
収集部５２ｃは、収集設定３９により指定されたデバイス値を拡張ユニット４ｂが収集して拡張ユニット４ａの第三バッファ３７ｃに転送するよう拡張ユニット４ｂを設定してもよい。第二バッファ３７ｂ及び第三バッファ３７ｃを設けることで、データ処理部７３の処理負荷が変動しても、データを取りこぼさず収集できるようになる。収集部５２ｃは、収集設定３９に含まれている拡張ユニット４ｂの収集設定３６ｂ（図７）を拡張ユニット４ｂのメモリ４２ｂに書き込んでもよい。なお、これらの設定機能は設定部７１によって実現されてもよい。設定部７１は、ＰＣ２ａ又はＰＣ２ｂから収集設定３９、処理設定６１、表示設定６２を受信してメモリ４２ａに書き込む。処理設定６１は、データ処理部７３により収集データに対して実行されるデータ処理を定義する情報とフロー（プログラム）を含む。表示設定６２は、Ｗｅｂサーバ７０を通じてＷｅｂブラウザ１８にデータ処理結果を提供するダッシュボードのテンプレート（ＨＴＭＬデータ、ＣＳＳ、ＪａｖａＳｃｒｉｐｔ（登録商標）のコードなど）を含む。
【0036】
さらに、拡張ユニット４ａのＣＰＵ４１ａは、分類部７６、決定部７７、特定部７８、及び送信部７９を機能構成として実現する。分類部７６は、収集部５２ｃによって基本ユニット３の第一バッファから収集（取得）された各デバイスの時系列データの特徴を分析し、当該特徴に基づいて時系列データを分類する。分類の手法については、図１２を用いて後述する。なお、分類部７６は、任意のタイミングで分類処理を実行するものであるが、基本的にはシステムの運用が開始されたタイミングやユーザからの指示を受け付けたタイミングで分類処理を実行する。決定部７７は、分類部７６によって分類された時系列データに従って、異常デバイスを特定する際のパラメータを決定し、メモリ４２ａに格納する。パラメータの決定処理については後述する。決定部７７は、分類部７６によって分類処理が実行されると、パラメータの決定処理を行い、同一のデバイスについて既にパラメータが決定されている場合には当該パラメータを更新する。更新する際には、上書きにより更新してもよいし、平均値をとるなど２つのパラメータから新たなパラメータを決定するようにしてもよい。また、デバイスごとに更新時の処理を決定するようにしてもよい。このように、分類部７６及び決定部７７は、収集したデータを分析して正常時のデータがどのようなものであるかを学習する学習フェーズにおいて機能する処理部であり、異常デバイスを推定する際のパラメータを決定する。一方、特定部７８は、異常デバイスを推定する推定フェーズで機能する処理部である。特定部７８は、決定されたパラメータを用いて、収集部５２ｃによって収集された各デバイスの時系列データから異常デバイスを特定する。特定処理の詳細については後述する。ここで、異常デバイスとは、正常時とは異なるデータが保持されているデバイスメモリの記憶領域を示す。特定部７８による異常デバイスの推定は、プログラマブルロジックコントローラの運用中に異常が発生した場合や、定期的に、或いはユーザからの監視指示に基づいて開始してもよい。また、ユーザにより予め設定された保存条件が満たされた場合に、開始してもよい。
【0037】
生成部７４は、ダッシュボードの表示部品を定義する表示設定６２にしたがって、ダッシュボードのテンプレートにデータ処理結果を代入することで、ダッシュボードの表示データを作成する。また、生成部７４は、特定部７８による異常デバイスの特定結果に基づいて、当該特定結果を表示するための表示データ（画面情報）を作成する。表示データは、例えば、ＨＴＭＬデータや画像データ、ＣＳＳ（カスケーディングスタイルシート）、ＪａｖａＳｃｒｉｐｔ（登録商標）のコードなどであってもよい。表示部品としては、例えば、円グラフ部品、棒グラフ部品、折れ線グラフ部品、数値表示部品などが含まれる。Ｗｅｂサーバ７０は、Ｗｅｂブラウザ１８によりダッシュボードのＷｅｂページにアクセスがあると、ダッシュボードの表示データをＷｅｂブラウザ１８に送信する。Ｗｅｂブラウザ１８が表示データを受信してダッシュボードを表示する。また、送信部７９は、生成部７４によって生成された表示データを外部装置に送信する。送信する際の通信回線、通信手法については特に限定はしない。また、無線接続であっても、有線接続であってもよい。
【0038】
なお、複数のデータ活用アプリケーションが提供されることがある。この場合、データ活用アプリケーションごとに必要とするデータと読み出しタイミングが異なることがあり、データ活用アプリケーションごとにサブバッファがメモリ４２ａに確保されてもよい。収集部５２ｃは、第二バッファ３７ｂに格納されたデータレコードを読み出し、第一データ活用アプリケーション用のデータを第一サブバッファ３８ａに格納する。収集部５２ｃは、第二バッファ３７ｂに格納されたデータレコードを読み出し、第二データ活用アプリケーション用のデータを第二サブバッファ３８ｂに格納する。なお、収集部５２ｃは、第三バッファ３７ｃに格納されたデータレコードを読み出し、第一データ活用アプリケーション用のデータを第一サブバッファ３８ａに格納してもよい。収集部５２ｃは、第三バッファ３７ｃに格納されたデータレコードを読み出し、第二データ活用アプリケーション用のデータを第二サブバッファ３８ｂに格納してもよい。データ処理部７３は、第一データ活用アプリケーションにしたがってデータを第一サブバッファ３８ａから読み出してデータ処理を実行し、処理結果を生成する。データ処理部７３は、第二データ活用アプリケーションにしたがってデータを第二サブバッファ３８ｂから読み出してデータ処理を実行し、処理結果を生成する。解凍エンジン７５は、基本ユニット３の圧縮エンジン５５ａ及び拡張ユニット４ｂの圧縮エンジン５５ｂと対を成す機能である。解凍エンジン７５は、基本ユニット３により圧縮されて転送されてきたデータを解凍して第二バッファ３７ｂに格納する。解凍エンジン７５は、拡張ユニット４ｂにより圧縮されて転送されてきたデータを解凍して第三バッファ３７ｃに格納する。これにより拡張バス９０の通信トラフィックの混雑が緩和されるようになろう。解凍エンジン７５はＡＳＩＣ又はＦＰＧＡなどにより実現されてもよい。このように基本ユニット３及び拡張ユニット４ａ、４ｂとの間のデータの伝送は拡張バス９０を介して実行される。
【0039】
データ活用アプリケーションごとに必要となるデータが複数である場合がある。その場合、各スキャンで収集されたデータの塊をバッファに維持したままサブバッファに必要な複数のデータを格納することもある。さらに、サブバッファにデータを分配する場合にも、各レコードにタイムスタンプ等が付与されもよい。図１６が示すように、第二バッファ３７ｂ（第三バッファ３７ｃであってもよい）は、収集されたデータの塊を保持している。一つのレコードはスキャン番号と、タイマーの値（タイムスタンプ）と、収集されたデータを含む。この例で、収集されたデータは、リレーＲＬ１～ＲＬ３、デバイスＤｅｖ１、Ｄｅｖ２を含む。第一データ活用アプリケーション１６０１は、収集されたデータのうち、リレーＲＬ１～ＲＬ３を必要とする。したがって、スキャン番号、タイマーの値、リレーＲＬ１～ＲＬ３が第二バッファ３７ｂから読み出されて、第一サブバッファ３８ａに格納される。第一データ活用アプリケーション１６０１は、第一サブバッファ３８ａからスキャン番号、タイマーの値、リレーＲＬ１～ＲＬ３を読み出して表示画面（ソースデータ）を作成する。第二データ活用アプリケーション１６０２は、収集されたデータのうち、リレーＲＬ３、デバイスＤｅｖ１、Ｄｅｖ２を必要とする。したがって、スキャン番号、タイマーの値、リレーＲＬ３、デバイスＤｅｖ１、Ｄｅｖ２が第二バッファ３７ｂから読み出されて、第二サブバッファ３８ｂに格納される。第二データ活用アプリケーション１６０２は、第二サブバッファ３８ｂからスキャン番号、タイマーの値、リレーＲＬ３、デバイスＤｅｖ１、Ｄｅｖ２を読み出して表示画面（ソースデータ）を作成する。このようにサブバッファを活用することで、元のデータを変更することなくバッファ内に維持することが可能となる。バッファ内に保持された元のデータは他の目的で利用可能となる。
【0040】
＜データ活用に関連する拡張ユニット４ｂの機能＞
図７は拡張ユニット４ｂのＣＰＵ４１ｂによって実現される機能を説明する図である。
図７は拡張ユニット４ｂのＣＰＵ４１ｂによって実現される機能を説明する図である。
【0041】
実行エンジン５１ｂは拡張ユニット４ｂの基本機能（モーションユニットであればモーションフローの実行など）を実行する。収集部５２ｂは、収集設定３６により指定されたデータを、収集設定３６により指定されたタイミングでデバイス部３４ｂから収集して第四バッファ３７ｄに格納する。転送部５３ｂは、収集設定３６により指定されたタイミング、又は、拡張ユニット４ａにより転送要求が受信されたタイミングで、第四バッファ３７ｄに格納されているデータレコードを読み出して、拡張バス９０を介して、拡張ユニット４ａの第三バッファ３７ｃに転送する。なお、監視部５４により監視される拡張バス９０の通信トラフィックが少ないタイミングに、転送部５３ｂがデータレコードの転送を実行してもよい。圧縮エンジン５５ｂは、収集設定３６にしたがってデータレコードを圧縮する。つまり、転送部５３ｂは、圧縮エンジン５５ｂにより情報圧縮されたデータレコードを拡張ユニット４ａに転送してもよい。圧縮エンジン５５ｂは、ＣＰＵ４１ｂにより実現されてもよいが、高速処理の観点やＣＰＵ４１ｂの処理負荷の軽減の観点から、ＡＳＩＣ又はＦＰＧＡにより実現されてもよい。
【0042】
＜データレコードの例＞
図８は収集部５２ａによって第一バッファ３７ａに書き込まれるデータレコード９１を示している。複数のデータレコード９１は時系列データの一例である。この例で、収集部５２ａは一スキャン周期ごとに、Ｄｅｖ０、Ｄｅｖ１、Ｄｅｖ１０というデバイス名のデバイス値をデバイス部３４ａから収集し、収集カウント及びタイマーから取得された時刻情報を付加して一つのデータレコードを作成し、第一バッファ３７ａに格納する。なお、収集対象は、拡張ユニット４ｂに割り当てられたバッファメモリ又はデバイスに格納されたデータであってもよい。この例で第一バッファ３７ａはＦＩＦＯ（先入先出）タイプのバッファである。収集カウントは、一つのデータレコードを収集するたびに１ずつカウントアップされるカウンタのカウント値である。収集カウントはシーケンシャルに付与される番号であるため、データレコードの抜けや圧縮を検出することに役立つ。
図８は収集部５２ａによって第一バッファ３７ａに書き込まれるデータレコード９１を示している。複数のデータレコード９１は時系列データの一例である。この例で、収集部５２ａは一スキャン周期ごとに、Ｄｅｖ０、Ｄｅｖ１、Ｄｅｖ１０というデバイス名のデバイス値をデバイス部３４ａから収集し、収集カウント及びタイマーから取得された時刻情報を付加して一つのデータレコードを作成し、第一バッファ３７ａに格納する。なお、収集対象は、拡張ユニット４ｂに割り当てられたバッファメモリ又はデバイスに格納されたデータであってもよい。この例で第一バッファ３７ａはＦＩＦＯ（先入先出）タイプのバッファである。収集カウントは、一つのデータレコードを収集するたびに１ずつカウントアップされるカウンタのカウント値である。収集カウントはシーケンシャルに付与される番号であるため、データレコードの抜けや圧縮を検出することに役立つ。
【0043】
タイムスタンプなどの時刻情報は、例えば、基本ユニット３で取得されたデータと、拡張ユニット４ｂで取得されたデータとを対比可能にダッシュボードに表示する際に役立つ。一般に、基本ユニット３における収集タイミングと拡張ユニット４ｂにおける収集タイミングとは一致しない。そのため、基本ユニット３の動作と拡張ユニット４ｂの動作とを比較するためには、基本ユニット３のデータと、拡張ユニット４ｂのデータとを紐付けるための情報が必要となる。一般に、基本ユニット３と、拡張ユニット４ａ、４ｂとはユニット間同期などによって時刻情報を同期できる。したがって、基本ユニット３と拡張ユニット４ｂはそれぞれデータレコードを収集したときの時刻情報をデータレコードに付与することで、データ処理部７３は、異なるユニットで取得された複数のデータレコードを時間軸上で整列させることができる。
【0044】
＜転送のタイミング＞
図９はデータレコードの転送タイミングを説明する図である。図９が示すようにＰＬＣ１は、入出力のリフレッシュ、ユーザプログラムの実行及びエンド処理を繰り返し実行する。スキャン周期の伸びを低減するために、転送処理は、入出力のリフレッシュの期間を避けて実行される。同様に、スキャン周期の伸びを低減するために、転送処理は、ＵＲＥＡＤ及びＵＷＲＩＴの実行期間を避けて実行される。ＵＲＥＡＤは拡張ユニット４に割り当てられているバッファメモリからデータを読み出す命令であり、ユーザプログラム中に記述される。そのため、基本ユニット３は、ユーザプログラムの実行期間中に、ＵＲＥＡＤにしたがって拡張ユニット４にアクセスしてバッファメモリからデータを取得する。ＵＷＲＩＴは、拡張ユニット４に割り当てられているバッファメモリにデータを書き込む命令であり、ユーザプログラム中に記述される。基本ユニット３は、ユーザプログラムの実行期間中に、ＵＷＲＩＴにしたがって拡張ユニット４にアクセスしてバッファメモリにデータを書き込む。
図９はデータレコードの転送タイミングを説明する図である。図９が示すようにＰＬＣ１は、入出力のリフレッシュ、ユーザプログラムの実行及びエンド処理を繰り返し実行する。スキャン周期の伸びを低減するために、転送処理は、入出力のリフレッシュの期間を避けて実行される。同様に、スキャン周期の伸びを低減するために、転送処理は、ＵＲＥＡＤ及びＵＷＲＩＴの実行期間を避けて実行される。ＵＲＥＡＤは拡張ユニット４に割り当てられているバッファメモリからデータを読み出す命令であり、ユーザプログラム中に記述される。そのため、基本ユニット３は、ユーザプログラムの実行期間中に、ＵＲＥＡＤにしたがって拡張ユニット４にアクセスしてバッファメモリからデータを取得する。ＵＷＲＩＴは、拡張ユニット４に割り当てられているバッファメモリにデータを書き込む命令であり、ユーザプログラム中に記述される。基本ユニット３は、ユーザプログラムの実行期間中に、ＵＷＲＩＴにしたがって拡張ユニット４にアクセスしてバッファメモリにデータを書き込む。
【0045】
図９が示すように、入出力のリフレッシュ、ＵＲＥＡＤ及びＵＷＲＩＴを除いた残りの転送可能期間において、転送処理は、拡張バス９０で実行される。例えば、収集設定３６ａによって５個のデータレコードずつ転送処理を実行することが設定されていたと仮定する。この場合、転送部５３ａは、第一バッファ３７ａに５個のデータレコードの蓄積が完了した後であって、最初の転送可能期間又は拡張ユニット４ａによって転送要求を受信したタイミングで、転送処理を実行する。
【0046】
＜情報の圧縮＞
図１０はデータレコードの情報圧縮を説明する図である。データレコード群９２ａは情報圧縮前のデータレコードを示している。なお、前回のスキャン周期から変化があった値は網掛け表示している。ここでは収集対象として四つのリレーデバイスＲＬ１，ＲＬ２，ＲＬ３，ＲＬ４が指定されている。また、収集カウントとしてスキャン番号が採用されている。カウンタは、タイマーなどにより取得される時刻情報（例：あるリレーがＯＮになってからＯＦＦになるまでの時間間隔を示す数値）であってもよい。データレコード群９２ａにおいてスキャン番号"１"のデータレコードと、スキャン番号"２"のデータレコードとの間ではリレーデバイスの変化点が存在しない。つまり、スキャン番号"２"のデータレコードは圧縮（廃棄または削除）可能である。しかし、スキャン番号"３"のデータレコードのリレーデバイスＲＬ１とスキャン番号"１"のデータレコードのリレーデバイスＲＬ１とが異なっている。このように、スキャン番号"３"は変化点を有しているため、スキャン番号"３"のデータレコードは圧縮されない。スキャン番号"３"のデータレコードと、スキャン番号"４"のデータレコードとの間ではリレーデバイスの変化点が存在しないため、スキャン番号"４"のデータレコードは圧縮可能である。同様に、スキャン番号"５"のデータレコードと、スキャン番号"６"のデータレコードとの間ではリレーデバイスの変化点が存在しないため、スキャン番号"６"のデータレコードは圧縮可能である。このような変化点に着目した情報圧縮を実行することで、圧縮されたデータレコード群９２ｂが実現される。圧縮されたデータレコード群９２ｂを構成する各データレコードは変化点を有している。このように、本実施形態では、１以上のデバイスのグループ（ＲＬ１～ＲＬ４）において、前回のスキャン周期において収集した値と、今回のスキャン周期において収集した値とが収集対象のグループの全てのデバイスで変化していなければ、今回のスキャン周期において収集した値を削除して、収集する時系列データを圧縮する。なお、ここでは、一群で管理する実施例について説明したが、本発明を限定する意図はなく、グルーピングせずに、個々のデバイスに関してＯＮ／ＯＦＦを判定してデータを圧縮してもよい。また、ＯＮ／ＯＦＦのビット形式ではないデータ（アナログ値）の場合は、デバイス毎に前回とのデバイス値の変化を検知し、変化を検知した場合に残すように制御してもよい。
図１０はデータレコードの情報圧縮を説明する図である。データレコード群９２ａは情報圧縮前のデータレコードを示している。なお、前回のスキャン周期から変化があった値は網掛け表示している。ここでは収集対象として四つのリレーデバイスＲＬ１，ＲＬ２，ＲＬ３，ＲＬ４が指定されている。また、収集カウントとしてスキャン番号が採用されている。カウンタは、タイマーなどにより取得される時刻情報（例：あるリレーがＯＮになってからＯＦＦになるまでの時間間隔を示す数値）であってもよい。データレコード群９２ａにおいてスキャン番号"１"のデータレコードと、スキャン番号"２"のデータレコードとの間ではリレーデバイスの変化点が存在しない。つまり、スキャン番号"２"のデータレコードは圧縮（廃棄または削除）可能である。しかし、スキャン番号"３"のデータレコードのリレーデバイスＲＬ１とスキャン番号"１"のデータレコードのリレーデバイスＲＬ１とが異なっている。このように、スキャン番号"３"は変化点を有しているため、スキャン番号"３"のデータレコードは圧縮されない。スキャン番号"３"のデータレコードと、スキャン番号"４"のデータレコードとの間ではリレーデバイスの変化点が存在しないため、スキャン番号"４"のデータレコードは圧縮可能である。同様に、スキャン番号"５"のデータレコードと、スキャン番号"６"のデータレコードとの間ではリレーデバイスの変化点が存在しないため、スキャン番号"６"のデータレコードは圧縮可能である。このような変化点に着目した情報圧縮を実行することで、圧縮されたデータレコード群９２ｂが実現される。圧縮されたデータレコード群９２ｂを構成する各データレコードは変化点を有している。このように、本実施形態では、１以上のデバイスのグループ（ＲＬ１～ＲＬ４）において、前回のスキャン周期において収集した値と、今回のスキャン周期において収集した値とが収集対象のグループの全てのデバイスで変化していなければ、今回のスキャン周期において収集した値を削除して、収集する時系列データを圧縮する。なお、ここでは、一群で管理する実施例について説明したが、本発明を限定する意図はなく、グルーピングせずに、個々のデバイスに関してＯＮ／ＯＦＦを判定してデータを圧縮してもよい。また、ＯＮ／ＯＦＦのビット形式ではないデータ（アナログ値）の場合は、デバイス毎に前回とのデバイス値の変化を検知し、変化を検知した場合に残すように制御してもよい。
【0047】
＜全体フロー＞
図１１は、本実施形態に係るプログラマブルロジックコントローラにおいてデータ収集から異常デバイスの特定処理までの全体フローを示す。以下で説明する処理は、拡張ユニット４ａのＣＰＵ４１ａによって実行される処理として説明する。しかし、本発明を限定する意図はなく、それらの処理の一部が基本ユニット３や他の拡張ユニット４ｂで実行されてもよいし、或いはプログラマブルロジックコントローラに通信可能に接続された外部装置（分析装置）によって実行されてもよい。
図１１は、本実施形態に係るプログラマブルロジックコントローラにおいてデータ収集から異常デバイスの特定処理までの全体フローを示す。以下で説明する処理は、拡張ユニット４ａのＣＰＵ４１ａによって実行される処理として説明する。しかし、本発明を限定する意図はなく、それらの処理の一部が基本ユニット３や他の拡張ユニット４ｂで実行されてもよいし、或いはプログラマブルロジックコントローラに通信可能に接続された外部装置（分析装置）によって実行されてもよい。
【0048】
Ｓ１でＣＰＵ４１ａ（設定部７１）は基本ユニット３と拡張ユニット４ｂを設定する。例えば、ＣＰＵ４１ａは基本ユニット３のための収集設定３６ａを基本ユニット３に転送する。基本ユニット３は、収集設定３６ａを記憶装置３２に格納する。ＣＰＵ４１ａは基本ユニット３のための収集設定３６ｂを拡張ユニット４ｂに転送する。拡張ユニット４ｂは、収集設定３６ｂをメモリ４２ｂに格納する。
【0049】
Ｓ２でＣＰＵ４１ａ（収集部５２ｃ）は設定された収集設定に従って、収集対象となるデバイスの時系列データを収集する。ここでは、所定量の収集データが格納された場合に次の処理に進むようにしてもよい。つまり、ここでは、学習フェーズへ移行するタイミングを判定し、学習するのに十分なデータ量（所定数のスキャン周期の時系列データ）がバッファやメモリカードなどの記憶部に蓄積されると次の処理へ進む。
【0050】
Ｓ３でＣＰＵ４１ａ（分類部７６及び決定部７７）はＳ２で収集されたデータを分析して、異常デバイスを特定するための学習モデル（本実施形態では、パラメータ）を作成する。学習フェーズの処理については、図１５を用いて後述する。
【0051】
Ｓ４でＣＰＵ４１ａ（収集部５２ｃ）は設定された収集設定に従って、収集対象となるデバイスの時系列データを収集する。Ｓ４以降の処理は、実際にシステムの運用時の処理となる。ここでのデータの収集は、基本的には上記Ｓ２と同様のデータ収集が行われる。なお、学習フェーズについてはシステムの運用開始時に行われてもよいし、ユーザからの指示を受け付けたタイミングで開始されてもよい。また、定期的に行うようにしてもよい。つまり、システム運用時においては常にデータ収集が行われ、定期的に学習フェーズが行われ、保存条件が成立したタイミングで推定フェーズが行われる。例えばプログラマブルロジックコントローラの運用中に異常が発生し、基本ユニット３が保存条件の成立を検知した場合に、基本ユニット３の第一バッファ３７ａに収集された時系列データがメモリカード４４に保存させる。Ｓ５でＣＰＵ４１ａ（特定部７８）は、メモリカード４４に保存された時系列データを取得してＳ３で決定されたパラメータを適用することによって、異常デバイスを特定する。即ち、ここでは推定フェーズにおける処理が行われるが、詳細については図１６を用いて後述する。また、ＣＰＵ４１ａは、特定部７８によって特定された特定結果に基づいて、生成部７４によって当該特定結果を示す表示データを生成し、基本ユニット３の表示部５に表示するか、或いは、送信部７９によって通信部４３を介して生成した表示データ又は特定結果を外部装置へ送信する。この場合、外部装置において特定結果がオペレータに対して表示される。Ｓ５の運用は、上述したようなプログラマブルロジックコントローラの運用中に異常が発生した場合に、基本ユニット３が保存条件の成立を検知し、異常デバイスを特定する以外にも、デバイス値を常時収集し、当該デバイス値に異常がないかを分析する方法や、ユーザにより予め定められたデバイス値が所定の変化をした場合に、基本ユニットにより収集されているデバイス値を分析する方法、定期的に、或いはユーザからの監視指示に基づいて、デバイス値に異常がないかを分析する方法であってもよい。これらの場合、「異常」とは、分析対象のデバイス値が、正常時のデバイス値と異なっている、すなわち、正常時のデータと乖離していることを表し、必ずしも、プログラマブルロジックコントローラに発生している異常を示すものではない。なお、これらの収集タイミングを考慮したデータ収集から異常デバイスを特定する推定フェーズの処理手順については図１６を用いて詳細に後述する。
【0052】
＜収集データの分類＞
図１２は、収集される時系列データの類型の一例を示す。１２０１～１２０６は各類型のデバイス信号（時系列データ）を示す。デバイス信号には外部信号が含まれてもよい。なお、以下で説明する類型は一例であり、本発明を限定する意図はなくその他の類型にも本発明が適用されてもよい。また、本発明においては分類される類型は、分類効果を向上させるべく、これら複数の類型のうちの少なくとも２つの類型を含むことが望ましい。なお、学習時における時系列データの分類は、ユーザが分類のための周期（動作サイクル）を決定するデバイスを選択することで、当該デバイスの繰り返し性に基づいて実行される。
図１２は、収集される時系列データの類型の一例を示す。１２０１～１２０６は各類型のデバイス信号（時系列データ）を示す。デバイス信号には外部信号が含まれてもよい。なお、以下で説明する類型は一例であり、本発明を限定する意図はなくその他の類型にも本発明が適用されてもよい。また、本発明においては分類される類型は、分類効果を向上させるべく、これら複数の類型のうちの少なくとも２つの類型を含むことが望ましい。なお、学習時における時系列データの分類は、ユーザが分類のための周期（動作サイクル）を決定するデバイスを選択することで、当該デバイスの繰り返し性に基づいて実行される。
【0053】
１２０１は、装置の動作サイクルに同期して動作するデバイスのデバイス信号を示す。１２１０は装置の動作サイクルを示す。１２０１の類型は、装置の動作サイクルごとに同様の変化パターン（定常的な変化パターン）が発生する。この類型では、たとえば、正常状態とみなせる期間において取得された時系列データから定常的な変化パターンを特定し、新たに取得された時系列データについて特定した定常的な変化パターンからの乖離に基づいて異常デバイス（いつもと違うデバイス）を特定するといった検知手法が割り当てられる。具体的には、正常状態とみなせる複数周期の時系列データの変化パターンについて、変化点に関する時間のばらつきを測定し、測定されたばらつきに応じてしきい値を設定する。その後に取得された時系列データの変化点が変化点に対応して設定されたしきい値の範囲を超えるか否かに基づいて異常デバイスを検知する検知アルゴリズムが割り当てられる。例えば、装置の動作サイクルごとの複数の波形を重ね合わせ、デバイスがＯＦＦからＯＮに変化した点のばらつきに基づき、当該変化点の基準値としきい値とを設定し、これらのパラメータを用いて異常デバイスを特定することができる。また、１２０１の各周期において、１回目の信号の立ち上がりタイミングを示す相対時刻や各周期における位相を評価変数とし、当該評価変数のばらつきに基づいて評価変数に対応するパラメータを決定してもよい。たとえば、各周期における位相を評価変数とした場合は、位相の上限しきい値と下限しきい値をそれぞれパラメータとしてもよい。
【0054】
一方、１２０２は、スキャン周期には同期せず、当該装置の動作サイクル以外の周期に同期して動作するデバイスのデバイス信号を示す。この類型についても、たとえば、正常状態とみなせる期間において取得された時系列データから定常的な変化パターンを特定し、新たに取得された時系列データについて特定した定常的な変化パターンからの乖離に基づいて異常デバイス（いつもと違うデバイス）を特定するといった検知手法が割り当てられる。具体的には、正常状態とみなせる複数周期の時系列データの変化パターンについて、変化点に関する時間のばらつきを測定し、測定されたばらつきに応じてしきい値を設定する。その後に取得された時系列データの変化点が変化点に対応して設定されたしきい値の範囲を超えるか否かに基づいて異常デバイスを検知する検知アルゴリズムが割り当てられる。また、１２０２の各周期において、２回目の信号の立ち上がりタイミングを示す相対時刻や各周期における位相を評価変数とし、当該評価変数のばらつきに基づいて評価変数に対応するパラメータを決定してもよい。たとえば、各周期における相対時刻を評価変数とした場合は、相対時刻の上限しきい値と下限しきい値をそれぞれパラメータとしてもよい。
【0055】
１２０３は、一定した値をとるデバイスのデバイス信号を示す。この類型では、たとえば、正常状態とみなせる期間において取得された時系列データから、正常時の値を特定し、新たに取得された時系列データについて、特定した正常時の値と異なるものを異常デバイス（いつもと違うデバイス）として特定するといった検知手法が割り当てられる。具体的には、正常状態とみなせる時系列データにおけるデバイスの値を検出基準値として設定し、その後に取得された時系列データの値が、正常時の値に対応して設定された検出基準値と異なるか否かに基づいて異常デバイスを検知する検知アルゴリズムが割り当てられる。つまり、値（一定値）が変化した場合に異常と判断することができる。１２０４は、不定期に動作するデバイスのデバイス信号を示す。この類型については、異常デバイスを特定する際に用いるデータからは除外される。１２０５は、アナログ値をとるデバイスのデバイス信号を示す。アナログ値をとるデバイスでは、後述するように、ビットデバイスのデバイス値ではないので、図１３ＡでＳ２１のＮｏ（図１３ＢのＳ２７）へ進み、図１３Ｂで示すように、データの変化方法に応じてそれぞれで推定フェーズにおけるアルゴリズムが異なる。アナログ値を取るデバイスの推定フェーズにおけるアルゴリズムとしては、動的時間伸縮法や自己回帰モデルなど種々の方法を利用することができる。１２０６は、単調増加、単調減少するデバイスのデバイス信号を示す。この類型では、微分値や積算値を用いて異常デバイスを特定する。また、単調増加または単調減少するタイミングを示す相対時刻や各周期における位相を評価変数として用いてもよい。なお、ここで説明した類型は一例であり、他の類型に分類されるデバイスも想定され、例えば、（階段状のデバイス信号など）複数の状態をとりうるものなどがある。複数の状態をとるものについては、正常時の状態と異なる状態に変化した場合に異常と判断することもできる。
【0056】
ここで、図１４を参照して、デバイスの型について説明する。図１４に示すように、各デバイスは０、１のビット型のデバイスと、アナログ値をとる、ワード型のデバイスや浮動小数点数型のデバイスがある。なお、ワードデバイスには、さらに、１ワード符号なし整数（０～６５５３５）、１ワード符号あり整数（－３２７６８～３２７６７）、２ワード符号なし整数（０～４２９４９６７２９５）、及び２ワード符号あり整数（－２１４７８３６４８～２１４７８３６４７）がある。このような型を考慮すると、例えば、スキャン周期あたりの変化率が所定値以上で、型がビット以外であればアナログ値をとるデバイスであると判断することができる。
【0057】
＜分類＞
図１３Ａ及び図１３Ｂは、収集されたデータを分類する際の処理手順を示すフローチャートである。以下で説明する処理は、拡張ユニット４ａのＣＰＵ４１ａによって実現される。しかし、本発明を限定する意図はなく、それらの処理の一部が基本ユニット３や他の拡張ユニット４ｂで実行されてもよいし、或いはプログラマブルロジックコントローラに通信可能に接続された外部装置（分析装置）によって実行されてもよい。
図１３Ａ及び図１３Ｂは、収集されたデータを分類する際の処理手順を示すフローチャートである。以下で説明する処理は、拡張ユニット４ａのＣＰＵ４１ａによって実現される。しかし、本発明を限定する意図はなく、それらの処理の一部が基本ユニット３や他の拡張ユニット４ｂで実行されてもよいし、或いはプログラマブルロジックコントローラに通信可能に接続された外部装置（分析装置）によって実行されてもよい。
【0058】
Ｓ２１でＣＰＵ４１ａは、分類対象の時系列データがビットデバイスのデバイス値であるか否かを判断する。ビットデバイスのデバイス値であればＳ２２に進み、そうでなければ、図１３ＢのＳ２７に進む。
【0059】
Ｓ２２でＣＰＵ４１ａは、分類対象の時系列データの値に変化があるか否かを判断する。変化があればＳ２４へ進み、変化がなく一定値をとるものであればＳ２３に進む。Ｓ２３でＣＰＵ４１ａは分類対象の時系列データを一定値をとるデバイス（１２０３）であると分類し、処理を終了する。ここで分類情報として、当該時系列データに紐づく情報、例えば分類された類型を示すフラグ情報が当該時系列データまたは当該時系列データに対応するデバイスを示す識別情報に紐づけて格納される。このように、学習フェーズの分類時において分類した類型のフラグ情報とデバイスの識別情報とを紐づけて格納しておくことにより、推定フェーズにおいては、検証対象の時系列データが何れのデバイスからのデータであるかに従って、当該デバイスの識別情報に紐づく類型に応じて、異常デバイスの検知アルゴリズムである評価変数やパラメータを容易に選択することができる。つまり、推定フェーズにおいては、検証対象の時系列データが何れの類型に対応するかを特定する処理を省略することができる。なお、分類情報としては、分類された類型を示すフラグ情報を例として示したが、フラグ情報に代えて異常デバイス特定のアルゴリズムを示すアルゴリズム情報であってもよい。また、分類情報として格納される識別情報は、時系列データに対応するデバイスが変数である場合は、当該変数を示す識別情報となることはいうまでもない。
【0060】
Ｓ２４でＣＰＵ４１ａは、時系列データの値に変化がある場合に、当該変化が各周期において定常的な変化パターンであるかを判断する。定常的な変化パターンであると判断した場合にはＳ２５に進み、定常的な変化パターンではないと判断した場合にはＳ２６に進む。ここで、定常的な変化パターンとは、各周期において同様のパターンで変化するものを示す。このように、定常的な変化パターンは、各周期内において時系列データの値に変化があるパターンであり、各周期間において固定的な同様のパターンであることから、固定の変化パターンとも称する。Ｓ２５でＣＰＵ４１ａは、所定の周期で動作するデバイスと分類し、処理を終了する。なお、所定の周期で動作するデバイスには、上述したように、装置の動作サイクルに同期して動作するデバイス（１２０１）と、装置の動作サイクル以外の周期に同期して動作するデバイス（１２０２）とがあり、ＣＰＵ４１ａは、それぞれへの分類を行う。一方、Ｓ２６でＣＰＵ４１ａは、不定期で動作するデバイス（１２０４）に分類し、処理を終了する。
【0061】
なお、ＣＰＵ４１ａは、特定のデバイスに関する時系列データの値の変化に基づいて、装置の動作サイクルや装置の動作サイクル以外の周期を特定してもよい。たとえば、特定のデバイスのデバイス値は、装置の各動作サイクル内で一つのパルスを有し、各動作サイクルの開始タイミングを規定する変化点を有する時系列データとして収集される。つまり、特定のデバイスの値は、装置の動作サイクルと同期して変化するもので、その変化点は動作サイクルを規定するものである。このような特定のデバイスは、オペレータの選択により設定されてもよい。同様にして、動作サイクル以外の周期を規定するデバイスも、オペレータの選択により設定されてもよい。もちろん、収集した時系列データから当該デバイスの動作サイクルを自動的に特定するようにしてもよいし、特定後においてオペレータにより調整可能にしてもよい。これによりオペレータをより支援することができ、経験の浅いオペレータに対しても使い勝手の良い操作体系を提供することができる。また、動作サイクル以外の周期で動作するデバイスは、動作サイクルを基準とすると不定期で動作するデバイスと定義してもよく、たとえば、動作サイクル以外の周期を規定するデバイスを設定しない場合、ＣＰＵ４１ａは、動作サイクル以外の周期で動作するデバイスを不定期で動作するデバイス（１２０４）に分類する。
【0062】
一方、Ｓ２１でビットデバイスでないと判断されると、図１３Ｂに示すＳ２７に進み、ＣＰＵ４１ａは、分類対象の時系列データにおいて所定値以上の変化があるか否かを判断する。ここでは、変化している信号の極値が所定値以上であるか否かを判断する。変化がある場合はＳ２８に進み、そうでない場合はＳ２１２に進む。
【0063】
Ｓ２８でＣＰＵ４１ａは、所定の周期で変化しているか否かを判断し、所定の周期で変化していなければＳ２９に進み、変化していればＳ２１０に進む。Ｓ２１０でＣＰＵ４１ａは、変化している値が単調増加又は単調減少しているか否かを判断する。単調増加又は単調減少していればＳ２１１に進み、そうでなければＳ２９に進む。
【0064】
Ｓ２９でＣＰＵ４１ａは、アナログ値のデバイス（１２０５）に分類し、処理を終了する。アナログ値のデバイスにおいては種々の類型が存在し、分類対象のデバイスの種別に応じてそれぞれ個別の対応が行われる。一方、Ｓ２１１でＣＰＵ４１ａは、単調増加又は単調減少のデバイス（１２０６）であると分類し、処理を終了する。また、Ｓ２１２でＣＰＵ４１ａは、その他のデバイスであると分類し、処理を終了する。その他のデバイスであると判断した場合には当該分類対象の時系列データの特徴が抽出できないものであり、正常時の特徴のある動作を特定できないため、異常デバイスを特定する際には用いない。
【0065】
以上のように、ＣＰＵ４１ａは、分類対象の時系列データに基づいて、分類対象のデバイスを自動的に分類するが、これに加え、分類対象のデバイスに対する類型の設定をオペレータから受け付けるようにしてもよい。ＣＰＵ４１ａは、オペレータの指定に応じて、分類対象のデバイスに対する類型の設定を受け付ける。そして、ＣＰＵ４１ａは、分類された類型を示すフラグ情報を当該分類対象のデバイスを示す識別情報に紐づけて格納する。分類対象のデバイスに対する類型の設定は、ＣＰＵ４１ａによる分類前に実行されてもよい。たとえば、複数の分類対象のデバイスのうち特定のデバイスについて、オペレータの指定に基づいて類型の設定が実行された場合、ＣＰＵ４１ａは、予め類型が設定されたデバイスに対して、分類対象の時系列データに基づく分類を実行しなくてもよい。一方、ＣＰＵ４１ａは、複数の分類対象のデバイスのうちオペレータの指定が行われなかった他のデバイスに対して、分類対象の時系列データに基づく分類を実行してもよい。特に、前回までの学習によってデバイスの類型が決定していて、さらに追加の学習を実施する場合には、オペレータの指定に基づいて前回までの学習によってデバイスの類型に固定してもよく、変更が必要なデバイスについてはオペレータの指定に基づいて前回までの学習によってデバイスの類型と異なる類型を決定してもよい。たとえば、異常デバイスを特定する際に使用されない類型を決定してもよい。
【0066】
また、分類対象のデバイスに対する類型の設定は、ＣＰＵ４１ａによる分類後に実行されてもよい。たとえば、複数の分類対象デバイスについて、ＣＰＵ４１ａは、分類対象の時系列データに基づいて、分類対象のデバイスを自動的に分類する。その後、ＣＰＵ４１ａは、オペレータの指定により類型の設定がされたデバイスについて、自動的に分類した類型を、オペレータの指定に応じて分類対象のデバイスに対して設定された類型に更新してもよい。これにより、自動分類するために使用する時系列データの期間が短い場合や期間に偏りがある場合であっても、オペレータによる既知の情報と組み合わせることで、分類対象のデバイスについて、効率よく所望の分類に近づけることができる。
【0067】
＜学習フェーズ＞
図１５は、収集された時系列データを分析して各デバイスの特徴に基づいて分類し、検知アルゴリズムを決定する際の処理手順を示す。以下で説明する処理は、拡張ユニット４ａのＣＰＵ４１ａによって実現される。しかし、本発明を限定する意図はなく、それらの処理の一部が基本ユニット３や他の拡張ユニット４ｂで実行されてもよいし、或いはプログラマブルロジックコントローラに通信可能に接続された外部装置（分析装置）によって実行されてもよい。
図１５は、収集された時系列データを分析して各デバイスの特徴に基づいて分類し、検知アルゴリズムを決定する際の処理手順を示す。以下で説明する処理は、拡張ユニット４ａのＣＰＵ４１ａによって実現される。しかし、本発明を限定する意図はなく、それらの処理の一部が基本ユニット３や他の拡張ユニット４ｂで実行されてもよいし、或いはプログラマブルロジックコントローラに通信可能に接続された外部装置（分析装置）によって実行されてもよい。
【0068】
学習フェーズ開始のタイミングとしては、例えば前回の学習処理から所定期間が経過したタイミングや所定量の時系列データが収集されたタイミング、ユーザからの指示を受け付けた場合である。学習フェーズが開始されると、ＣＰＵ４１ａ（収集部５２ｃ）は設定された収集設定に従って、収集対象となるデバイスの時系列データを収集する（Ｓ２）。
【0069】
Ｓ３１でＣＰＵ４１ａは、分類処理を実行する。分類処理は、例えば、所定量の収集データが基本ユニット３のメモリカード４４に格納された場合に、基本ユニット３からの指示に応じて拡張ユニット４ａで行われる。基本ユニット３は、メモリカード４４に所定量の収集データが保存されたことを検知して、拡張ユニットに対して分類開始の指示を送ってもよい。また、学習するのに十分なデータ量（所定数のスキャン周期の時系列データ）がバッファメモリやメモリカードなどの記憶部に蓄積されたことを拡張ユニットが検知して開始してもよい。分類処理の詳細については図１３Ａ及び図１３Ｂを用いて既に説明しているため、ここでは割愛する。
【0070】
続いて、Ｓ３２でＣＰＵ４１ａは、Ｓ３１で分類された時系列データに従って、異常デバイスを特定する際のパラメータを決定し、処理を終了する。ここでの処理は分類された類型ごとに行われ、時系列データに対応するデバイスの類型とパラメータとが関連付けて記憶される。また、既に決定されたパラメータが存在する場合には、既に決定されたパラメータに代えて今回決定したパラメータに更新するか、或いは、既に決定されたパラメータと今回決定したパラメータとを用いて新たなパラメータを算出し更新してもよい。算出方法については平均値など様々な手法が適用され得るが、それぞれの時系列データに適した手法が選択される。また、これら決定されたパラメータについては、オペレータによって変更可能としてもよい。これにより、学習期間が短い場合に極端なパラメータが決定されたとしても調整可能とすることができる。
【0071】
ここで、Ｓ３２で決定されるパラメータについて説明する。図１２の１２０１、１２０２の類型（所定の周期に同期して値が定常的なパターンで変化するデバイス）については、ＣＰＵ４１ａは、例えば装置の動作サイクル内の波形の変化パターンから、装置の動作サイクルごとの波形の任意の変化点間の時間を算出し、当該変化点間の時間の分布に基づき、変化点間の時間のしきい値を、パラメータとして決定する。さらに、この場合のパラメータには、正常時の時系列データのデバイス値が変化するタイミングを含んでもよい。また、上記パラメータである変化点間の時間のしきい値は、学習時のばらつきから、例えば標準偏差と平均値を計算し、平均値＋３×標準偏差を上限のしきい値とし、平均値－３×標準偏差を下限のしきい値として決定してもよい。また、１２０３の類型（一定の値をとるデバイス）については、ＣＰＵ４１ａは、当該一定値をパラメータとする。このように、所定の周期に同期して値が定常的なパターンで変化するデバイスについては、変化点間の時間間隔や、変化点のタイミング、これらに関わるしきい値がパラメータとして用いられる。
【0072】
１２０５の類型（アナログ値）については、例えば学習時の時系列データの値と、学習時の時系列データとの距離に関するしきい値とをパラメータとしてもよい。距離の算出方法は、例えば、点ごとの差の和を求める方法でもよい。この場合、推定時には、学習時の時系列データと、推定時の時系列データとの距離を計算し、当該距離がしきい値の範囲内かを判定する。また、１２０６の類型（単調増加、単調減少）については、例えば正常時における単調増加する際の増加値や、単調減少する際の減少値がパラメータとして決定される。
【0073】
このように、本実施形態によれば、各デバイスの時系列データの周期性に関する特徴に基づいて、各デバイスを予め定められた複数の類型のいずれかにそれぞれ分類し、さらに、分類されたそれぞれの類型に適切な異常（いつもと違う変化）の検知アルゴリズムを適用する。つまり、本実施形態では、学習フェーズにおいて、正常時（学習時）の時系列データからデバイスを予め定められた複数の類型のいずれかに分類する。さらに、それぞれの類型に応じて検知アルゴリズムを決定するとともに、それぞれの検知アルゴリズムに応じた評価変数やパラメータを設定する。一方、推定フェーズにおいては、学習フェーズにおいて検知アルゴリズムが決定された各デバイスについて、決定された推定対象のデバイスの類型に従い、当該類型に応じて決まる検知アルゴリズムをデバイスの時系列データに適用する。このように、学習フェーズにおいて決定されたデバイスの類型や、デバイスの類型に対応し、異常デバイスの検知アルゴリズムを用いてデバイスの時系列データを分析することによって、異常デバイスを特定する。なお、学習時において所定の類型に分類されなかったデバイスについては、評価変数やパタメータも設定されないため、推定時においては収集対象とされないことが望ましい。つまり、このようなデータを収集したとしても異常デバイスであるか否かを特定するための検知アルゴリズムが設定されていないため、処理負荷やメモリ資源の消費を無駄に増大させることとなり、これを予防するためである。
【0074】
＜推定フェーズ＞
図１６は、異常デバイスを特定する際の処理手順を示すフローチャートである。以下で説明する処理は、基本ユニット３のＣＰＵ３１及び拡張ユニット４ａのＣＰＵ４１ａによって実現される。しかし、本発明を限定する意図はなく、それらの処理の一部が基本ユニット３や拡張ユニット４ａ、４ｂなどの他のユニットで実行されてもよいし、或いはプログラマブルロジックコントローラに通信可能に接続された外部装置（分析装置）によって実行されてもよい。ここでは、一連の処理として、デバイス値を取得して保存条件が成立するとバッファメモリからメモリカード４４に保存して特定処理を実行する処理を一連の処理として説明する。従って、デバイス値を取得してメモリカード４４に保存する基本ユニット３の処理と基本ユニット３によってメモリカード４４に保存されたデバイス値を取得して特定処理を実行する拡張ユニット４ａの処理を一連の処理で示す。つまり、保存条件が成立してデバイス値を保存する処理（下記Ｓ４１乃至Ｓ４６）については、基本ユニット３のＣＰＵ３１（収集部５２ａ）で行い、メモリカード４４に保存されたデバイス値を用いて異常を特定する処理（Ｓ４７及びＳ４８）が拡張ユニット４ａのＣＰＵ４１ａで実行される。もちろん、Ｓ４１乃至Ｓ４８の処理又はその一部については他のユニットで実行するようにしてもよい。
図１６は、異常デバイスを特定する際の処理手順を示すフローチャートである。以下で説明する処理は、基本ユニット３のＣＰＵ３１及び拡張ユニット４ａのＣＰＵ４１ａによって実現される。しかし、本発明を限定する意図はなく、それらの処理の一部が基本ユニット３や拡張ユニット４ａ、４ｂなどの他のユニットで実行されてもよいし、或いはプログラマブルロジックコントローラに通信可能に接続された外部装置（分析装置）によって実行されてもよい。ここでは、一連の処理として、デバイス値を取得して保存条件が成立するとバッファメモリからメモリカード４４に保存して特定処理を実行する処理を一連の処理として説明する。従って、デバイス値を取得してメモリカード４４に保存する基本ユニット３の処理と基本ユニット３によってメモリカード４４に保存されたデバイス値を取得して特定処理を実行する拡張ユニット４ａの処理を一連の処理で示す。つまり、保存条件が成立してデバイス値を保存する処理（下記Ｓ４１乃至Ｓ４６）については、基本ユニット３のＣＰＵ３１（収集部５２ａ）で行い、メモリカード４４に保存されたデバイス値を用いて異常を特定する処理（Ｓ４７及びＳ４８）が拡張ユニット４ａのＣＰＵ４１ａで実行される。もちろん、Ｓ４１乃至Ｓ４８の処理又はその一部については他のユニットで実行するようにしてもよい。
【0075】
ここで、基本ユニット３のバッファメモリ（第一バッファ３７ａ）に保存されているデバイス値をメモリカード４４へ記憶させるための保存条件について説明する。例えば、保存条件とは、ＰＬＣに異常が発生した場合や、ユーザにより予め保存トリガとなるデバイスを指定しておき、当該デバイスのデバイス値に所定の変化があった場合、ユーザによる分析命令があった場合、定期的に監視する監視周期が経過した場合、基本ユニット３に接続される拡張ユニットから分析命令が発せられた場合などに満たされる条件である。これらの保存条件は、ユーザにより設定され、プロジェクトデータとして転送され記憶されているものや、ＰＬＣの動作中にユーザにより入力されるもの、拡張ユニット４から生成される情報に基づくものなどがある。
【0076】
Ｓ４１でＣＰＵ３１は、収集条件が成立したか否かを判断する。収集条件とは、例えば予め定められた収集周期が経過したタイミングや各スキャンのエンド処理のタイミングで満足される条件である。
【0077】
Ｓ４２で基本ユニット３のＣＰＵ３１は、図１１の上記Ｓ４で収集されたデバイス値を取得して、Ｓ４３で、取得したデバイス値が第一バッファ３７ａに前回保存されたデバイス値と同じ値であるか否かを判断する。同じ値であれば、次のデバイス値の処理に移るため、処理をＳ４１に戻す。一方、前回格納されたデバイス値と異なる場合にはＳ４４に進む。
【0078】
Ｓ４４でＣＰＵ３１は、取得したデバイス値を第一バッファ３７ａに保存し、Ｓ４５に進む。このように、収集部５２ａは、収集設定３６ａによって設定された収集周期（例えば、スキャン周期）ごとにデバイス値（及び、時刻情報）を取得して、第一バッファ３７ａに格納する。なお、第一バッファ３７ａにはリングバッファが採用されることが望ましい。これは、メモリ資源を考慮して、第一バッファ３７ａに記憶されている全てのデータがログデータ（収集データ）として収集されるわけではないからである。
【0079】
Ｓ４５でＣＰＵ３１は、第一バッファ３７ａに格納されたデバイス値を基本ユニット３のメモリカード４４に保存する保存条件が成立したか否かを判断する。ここでの保存条件は、例えばプログラマブルロジックコントローラの運用中に異常が発生した異常時に成立するように設定される。なお、上述したように、ＰＬＣの異常時以外にも保存条件が成立するように設定し、デバイス値が異常かどうかを特定する処理を実行してもよい。つまり、「デバイス値の異常」とは、必ずしもＰＬＣの異常を示すものではなく、単にいつものデバイス値と違う値を示すものであってもよい。従って、ＰＬＣの異常時以外にも、保存条件が成立する例としては、いつもと違うデバイス値が発生したタイミングや、ユーザからの監視指示を受け付けたタイミング、ユーザからの監視指示を受け付けた後、さらに所定の実行周期経過後、又は定期的に異常を判定するための指定されたタイミングなどが想定されうる。これらの詳細な説明については第２及び第３の実施形態で後述する。なお、第１乃至第３の実施形態で説明する機能は、少なくとも１つが設けられるようにすることができる。
【0080】
保存条件が成立すると、Ｓ４６で基本ユニット３のＣＰＵ３１は、異常デバイスを特定すべく推定対象の時系列データを基本ユニット３の第一バッファ３７ａから取得し、メモリカード４４に保存する。推定対象のデータは、デフォルトでは全デバイスのデータとし、オペレータの指定に応じて選択されてもよいし、異常の種類に応じて選択されてもよい。また、これらの時系列データについては、異常発生時の所定期間前から、異常発生時の所定時間経過後までの間の時系列データを含むようにしてもよい。或いは、異常発生後から所定期間内のデータとしてもよい。
【0081】
次に、Ｓ４７で拡張ユニット４ａのＣＰＵ４１ａは、Ｓ４６でメモリカード４４に保存された時系列データについてそれぞれ、学習時に決定された当該時系列データに対応するデバイスの類型に基づいて、それぞれの類型に最適な検知手法と、検知手法に応じた評価変数やパラメータを用いて異常デバイスを特定する。上述したように、本実施形態によれば、学習時にデバイス値の変化の特徴を抽出して各デバイス値を予め定められた類型に分類し、分類されたデバイスそれぞれの類型に適切な異常（いつもと違う変化）の検知手法を適用する。つまり、本実施形態では、学習フェーズにおいて、正常時の時系列データからデバイス値を分類し、それぞれの類型に応じて検知手法を決定するとともに、それぞれの検知手法に応じた評価変数やパラメータを設定する。一方、推定フェーズの上記Ｓ４７においては、学習フェーズにおいて分類された各デバイスの類型に応じて決まる検知アルゴリズムである評価変数及びパラメータを当該デバイスの時系列データに適用して分析することによって、異常を特定する。なお、時系列データの類型については、上述したように、分類時においては、類型のフラグ情報と、当該時系列データに対応するデバイスの識別情報とが紐づけて格納されている。従って、Ｓ４７ではＣＰＵ４１ａは、推定対象の時系列データの取得先であるデバイスの識別情報から対応する類型を判別し、当該類型に応じた検知アルゴリズムである評価変数やパラメータを用いて異常デバイスを特定する。判定手法については、それぞれのパラメータに応じて上述した方法により行う。
【0082】
ここで、図１７を参照して、異常デバイスとして特定する際の判定手法について説明する。１７０１、１７０２は、１２０１、１２０２の類型（所定の周期に同期して値が定常的なパターンで変化するデバイス）における異常デバイスのデータを示す。１７１１、１７１２が異常箇所を示す。このように、正常時と比較して、変化するはずの信号が変化しない場合や変化点がずれた場合、パルス幅が異なる場合などが発生したデバイスが存在すると当該デバイスを異常デバイスと特定することができる。ＣＰＵ４１ａは、決定された検知アルゴリズムを用いることによって、正常時の変化から異なるデータを判別することができる。また、１７０３は、１２０３の類型（一定の値をとるデバイス）における異常デバイスのデータを示す。１７１３に示すように、一定値をとるはずの信号が変化しているため、異常デバイスと特定することができる。
【0083】
１７０４は、１２０１、１２０２の類型（所定の周期に同期して値が定常的なパターンで変化するデバイス）など、同じ類型に分類された２つのデバイスの時系列データを用いて異常デバイスを特定するアルゴリズムを示す。当該アルゴリズムにおいて、所定周期に同期して変化するデバイスにおいて、２つのデバイスのそれぞれの値の変化点の時間間隔をチェックする。例えば、一方のデバイスでは１周期において２つの変化点（ａ１、ａ２）があり、他方のデバイスでは１周期において４つの変化点（ｂ１、ｂ２、ｂ３、ｂ４）があるとする。この場合において、各変化点の時間差がしきい値以内の値であるか否かを判定してもよい。詳細には、変化点ａ１と変化点ｂ１～ｂ４それぞれとの時間差と、変化点ａ２と変化点ｂ１～ｂ４のそれぞれとの時間差をそれぞれのしきい値と判定することにより異常デバイスかどうかを判断してもよい。この場合のパラメータは、変化点間の時間差それぞれのしきい値と、各変化点のタイミングと、各変化点のタイミングのしきい値となる。なお、この判定手法を利用して異常デバイスを特定する場合、２つのデバイスが異常デバイスとして特定される。
【0084】
図１６の説明に戻る。次に、Ｓ４９でＣＰＵ４１ａは、Ｓ４８の特定結果を出力し、処理を終了する。ここでは、まず生成部７４が特定結果を表示するための表示データを生成し、当該表示データを基本ユニット３の表示部５や、外部装置に送信してその表示部に表示させる。ここで、表示データに基づく表示画面については図１８を用いて後述する。
【0085】
図１８は、特定結果の表示例を示す。
【0086】
画面１８００は、横軸に時間を示し、縦軸に異常デバイスの発生数を示す。生成部７４は、特定結果に従って異常デバイスとして特定したデバイスと、その際の時系列データとから画面１８００の表示データを生成する。プログラマブルロジックコントローラに異常が発生すると、設備が停止し、異常デバイスが増える傾向にある。従って、画面１８００のような所定期間ごと（例えば、５分間隔など）の時間間隔ごとに異常デバイス発生数の累計を表示することで、オペレータはいつから異常が発生しているかを容易に認識することができる。
【0087】
画面１８１０は、異常デバイスとして特定された各デバイスの状況を示す表示である。デバイスごとに異常が発生した時刻や異常の内容を表示する。異常の内容としては、異常と判断するに至った情報を表示する。例えば、デバイスＡでは、一定値をとるデバイスにおいて、正常時の値が１２３であったのに対し、値が１２７に変化したために異常と判断していることが分かる。また、デバイスＢでは、所定周期に同期して変化するデバイスにおいて、変化の間隔異常が発生したことを示す。
【0088】
画面１８２０は、推定対象のデバイスの異常度を示す表示である。生成部７４は、特定結果から、推定されたデバイスについてデバイスの異常度をランキング表示する表示データを生成する。つまり、画面１８２０では、異常の可能性が高い候補デバイスがデバイス名等で識別可能に表示される。なお、表示については、異常度に加えて、その異常内容や、デバイスの分類を表示してもよい。ここで、異常度とは、例えば発生した異常回数や所定のしきい値との差分の大きさにより決定される。つまり、異常度とは異常の大きさを示すものである。画面１８２０では、異常度の大きい順に表示している例を示しているが、発生時刻順などの条件でソートして表示してもよい。また、デバイスの分類手法に従ってソートしてもよいし、予めユーザによって選択された分類手法に係る異常の内容のみを表示するようにしてもよい。例えば、異常度は所定のしきい値を用いて以下の式により求めてもよい。
異常度＝（現在値－平均値）／（しきい値－平均値）
つまり、現在値に従って次のように定義される。現在値が上限しきい値を上回っている場合は異常度が１以上となる。現在値が上限しきい値と等しい場合は異常度が１となる。現在値が平均値と等しい場合には異常度が０となる。現在値が下限しきい値と等しい場合には異常度が－１となる。現在値が下限しきい値を下回っている場合には－１となる。異常度については絶対値をとるようにしてもよい。また、比較対象の所定値と不一致である場合には一律に異常度１としてもよい。
異常度＝（現在値－平均値）／（しきい値－平均値）
つまり、現在値に従って次のように定義される。現在値が上限しきい値を上回っている場合は異常度が１以上となる。現在値が上限しきい値と等しい場合は異常度が１となる。現在値が平均値と等しい場合には異常度が０となる。現在値が下限しきい値と等しい場合には異常度が－１となる。現在値が下限しきい値を下回っている場合には－１となる。異常度については絶対値をとるようにしてもよい。また、比較対象の所定値と不一致である場合には一律に異常度１としてもよい。
【0089】
画面１８３０は、正常時と異常時のデバイスの信号を比較可能に表示した例である。画面１８３０に示すように、異常箇所を強調表示するようにすることが望ましい。図１８の例では、異常箇所の信号付近を点線の枠で囲むように表示しているが、当該部分の信号を他の色と異なる色で表示してもよいし、当該部分を点滅表示してもよい。
【0090】
＜追加学習＞
図２１は、追加学習をする際の処理手順を示すフローチャートである。ここで、追加学習とは、図１５を用いて説明した学習フェーズにおける学習とは異なるタイミングで、かつ追加的に行う学習処理である。そのタイミングについては、種々のタイミングが想定されるが、後述するように、推定フェーズにおいて所定のデバイスが正常であるにも関わらず異常と特定 された場合や、オペレータから指定されたタイミング、システムの経時変化に対応するための定期的なタイミングなどである。つまり、追加学習とは、Ｓ３２で決定した異常デバイスを特定するためのパラメータ等の学習モデルを更新する必要のあるタイミングにおいて追加的に実施される学習である。以下で説明する処理は、拡張ユニット４ａのＣＰＵ４１ａによって実現される。しかし、本発明を限定する意図はなく、それらの処理の一部が基本ユニット３や他の拡張ユニット４ｂで実行されてもよいし、或いはプログラマブルロジックコントローラに通信可能に接続された外部装置（分析装置）によって実行されてもよい。
図２１は、追加学習をする際の処理手順を示すフローチャートである。ここで、追加学習とは、図１５を用いて説明した学習フェーズにおける学習とは異なるタイミングで、かつ追加的に行う学習処理である。そのタイミングについては、種々のタイミングが想定されるが、後述するように、推定フェーズにおいて所定のデバイスが正常であるにも関わらず異常と特定 された場合や、オペレータから指定されたタイミング、システムの経時変化に対応するための定期的なタイミングなどである。つまり、追加学習とは、Ｓ３２で決定した異常デバイスを特定するためのパラメータ等の学習モデルを更新する必要のあるタイミングにおいて追加的に実施される学習である。以下で説明する処理は、拡張ユニット４ａのＣＰＵ４１ａによって実現される。しかし、本発明を限定する意図はなく、それらの処理の一部が基本ユニット３や他の拡張ユニット４ｂで実行されてもよいし、或いはプログラマブルロジックコントローラに通信可能に接続された外部装置（分析装置）によって実行されてもよい。
【0091】
Ｓ２０１でＣＰＵ４１ａ（収集部５２ｃ）は設定された収集設定に従って、装置が正常動作している時の収集対象となるデバイスの時系列データを収集する。収集対象のデバイスには、推定フェーズにおいて判定対象となる複数のデバイスが含まれる。また、推定フェーズにおいて判定対象とならないデバイスは収集対象のデバイスから除外されてもよい。たとえば、不定期で動作するデバイス（１２０４）に分類されたデバイスは、収集対象のデバイスから除外されてもよい。
【0092】
ここで装置が正常動作している時の収集対象となるデバイスの時系列データとは、推定フェーズにおける判定結果が正常と判断するべきであるにもかかわらず異常と判断してしまうデバイスの時系列データである。たとえば学習フェーズにおいて学習が不十分であると、推定フェーズにおける判定結果が異常となり得る。したがって、ＣＰＵ４１ａは、装置が正常動作しているにもかかわらず、収集対象となる時系列データの判定結果が異常となった場合に追加学習を実施してもよい。また、推定フェーズにおける判定結果が異常となり、異常発生時（いつもと違う状態）の時系列データが収集された場合であっても、その時系列データの中に正常動作している期間に対応する時系列データが含まれている場合には、そのような正常動作している期間に対応する時系列データもまた装置が正常動作している時の収集対象となるデバイスの時系列データに相当する。このとき、正常動作している期間に対応する時系列データに対する判定結果が異常となった場合にはその部分を用いて追加学習をするようにしてもよい。
【0093】
次に、Ｓ２０２でＣＰＵ４１ａは、追加学習の条件を満たされているかを判定する、つまり、追加学習のタイミングが到来したかを判定する。追加学習開始のタイミングとしては、例えば前回の学習処理から所定期間が経過したタイミングや所定量の時系列データが収集されたタイミング、オペレータからの指示を受け付けたタイミングである。また、追加学習開始のタイミングとしては、推定フェーズにおいて装置が正常動作中であると推定している所定のタイミングでもよく、推定フェーズにおいて装置が異常動作したと推定したタイミングでもよい。たとえば、装置の動作がたまに遅くなるが、その動作の遅さは正常範囲である場合や、装置の電源を再投入したときに、エアーの圧力が変わって動作時間が変わった場合（経時変化）など、１回の学習ではなく、時間を空けて更新（追加学習）することが、精度を上げるために有効な場合がある。
【0094】
Ｓ３１１でＣＰＵ４１ａは、収集対象に設定された複数のデバイスについて、各デバイスが推定フェーズにおいて判定対象であるか否かを判定する。ＣＰＵ４１ａは、デバイスが判定対象であると判定するとそのデバイスについて追加学習を実施するためステップＳ３１２に移行し、デバイスが判定対象でないと判定するとそのデバイスについて追加学習を実施せずにステップＳ３４１に移行する。たとえば、ＣＰＵ４１ａは、不定期で動作するデバイス（１２０４）に分類されたデバイスは判定対象でないと判定し、追加学習を実施せずにステップＳ３４１に移行する。
【0095】
Ｓ３１２でＣＰＵ４１ａは、分類処理を実行する。分類処理は、例えば、電源を再投入した後、所定量の収集データが基本ユニット３のメモリカード４４に格納された場合に、基本ユニット３からの指示に応じて拡張ユニット４ａで行われる。格納された上記所定量の収集データは、追加学習の対象期間に収集された各デバイスの時系列データとなる。基本ユニット３は、メモリカード４４に所定量の収集データが保存されたことを検知して、拡張ユニットに対して分類開始の指示を送ってもよい。また、電源を再投入した後、学習するのに十分なデータ量（所定数のスキャン周期の時系列データ）がバッファメモリ（第一バッファ３７ａ）やメモリカード４４などの記憶部に蓄積されたことを拡張ユニット４ａが検知して開始してもよい。
【0096】
具体的には、Ｓ３１２でＣＰＵ４１ａは、前回までに決定された類型と、そのデバイスについての時系列データの特徴量と、今回収集された分類対象の時系列データとに基づいて、分類対象のデバイスを自動的に分類する。たとえば、ＣＰＵ４１ａは、前回までの学習により一定値をとるデバイス（１２０３）の類型に分類されていて、そのデバイスについて今回収集された正常動作時における時系列データがその一定値とは異なる値を含む場合には、不定期で動作するデバイス（１２０４）に分類を更新する。ここで、一定値をとるデバイス（１２０３）の特徴量は、その一定値が相当する。同様に、ＣＰＵ４１ａは、前回までの学習により装置の動作サイクルに同期して動作するデバイス（１２０１）に分類されていて、そのデバイスについて今回収集された正常動作時における時系列データが前回学習時のものと異なるパターンを含む場合には、不定期で動作するデバイス（１２０４）に分類を更新する。ここで、装置の動作サイクルに同期して動作するデバイス（１２０１）の特徴量は、装置の動作サイクル内の波形の変化パターン、つまり、時系列データの変化パターンが相当する。なお 、分類が更新されるということは、更新された類型に応じて決まる検知アルゴリズムも更新されることとなる。また、更新された検知アルゴリズムに応じて、後述するＳ３２４やＳ３３４で対応するパラメータも更新される。
【0097】
なお、ＣＰＵ４１ａは、分類対象の時系列データに基づいて、分類対象のデバイスを自動的に分類するが、これに加え、分類対象のデバイスに対する類型の設定を受け付けるようにしてもよい。分類対象のデバイスのうち、多くのデバイスは類型の変更は不要であり、また、変更が必要な類型についても、どのデバイスをどの類型に変更すべきかをオペレータが認識していることもあり得る。したがって、ＣＰＵ４１ａは、オペレータの指定に応じて、分類対象のデバイスに対する類型の設定を受け付け、分類された類型を示すフラグ情報を当該分類対象のデバイスを示す識別情報に紐づけて格納する。あるいは、オペレータの指定に応じて、不定期で動作するデバイス（１２０４）に分類し、推定フェーズにおける判定対象外としてもよい。分類対象のデバイスに対する類型の設定は、ＣＰＵ４１ａによる分類前に実行されてもよい。たとえば、複数の分類対象のデバイスのうち特定のデバイスについて、オペレータの指定に基づいて類型の設定が実行された場合は、予め類型が設定されたデバイスに対して、ＣＰＵ４１ａによる分類対象の時系列データに基づく分類は実行されない。一方、複数の分類対象のデバイスうち上記特定のデバイスとは異なる他のデバイスに対して、ＣＰＵ４１ａは、分類対象の時系列データに基づく分類を実行する。特に、前回までの学習によってデバイスの類型が決定していて、さらに追加の学習を実施する場合には、オペレータの指定に基づいて前回までの学習によってデバイスの類型に固定してもよく、変更が必要なデバイスについてオペレータの指定に基づいて前回までの学習によってデバイスの類型と異なる類型を決定してもよい。たとえば、異常デバイスを特定する際に使用されない類型を決定してもよい。
【0098】
Ｓ３２１でＣＰＵ４１ａは、Ｓ３１２による再分類の中で前回までの学習により決定されたデバイスの類型が維持されたか否かを判定する。ＣＰＵ４１ａは、前回までの学習により決定されたデバイスの類型が維持されたと判定すると、パラメータを決定するためにＳ３２２に移行する。一方、前回までの学習により決定されたデバイスの類型が維持されていない判定すると、即ちデバイスの類型が再分類されて更新されたと判定すると、Ｓ３２３に移行して、ＣＰＵ４１ａは、分類処理の更新結果に基づいて、デバイスが推定フェーズにおいて判定対象か否かを判定する。ＣＰＵ４１ａは、デバイスが判定対象であると判定するとそのデバイスについてパラメータを決定するためＳ３２４に移行し、デバイスが判定対象でないと判定するとＳ３４１に移行する。たとえば、ＣＰＵ４１ａは、不定期で動作するデバイス（１２０４）に分類されたデバイスは判定対象でないと判定し、追加学習を中断してＳ３４１に移行する。
【0099】
Ｓ３２２でＣＰＵ４１ａは、対象のデバイスについて既に決定されたパラメータと、対象のデバイスについて今回収集した正常動作時の時系列データとを用いて新たなパラメータを算出し更新し、Ｓ３３１に移行する。たとえば、前回までの学習により装置の動作サイクルに同期して動作するデバイス（１２０１）が決定され、そのデバイスの類型が維持された場合、ＣＰＵ４１ａは、前回までの学習により決定された時系列データの任意の変化点間の時間のばらつきを示す上限のしきい値及び下限のしきい値と、今回収集した正常動作時の時系列データとに基づいて、新たな上限のしきい値及び下限のしきい値を算出して更新する。このように、今回収集した正常動作時の時系列データの任意の変化点間の時間と、上限のしきい値及び下限のしきい値とに基づいて、新たな上限のしきい値及び下限のしきい値が算出されて更新されることにより、今回収集した正常動作時の時系列データの任意の変化点間の時間のばらつきやしきい値からの乖離度合いに応じて更新後のしきい値の幅が広がったり狭まったりする。
【0100】
Ｓ３２４でＣＰＵ４１ａは、今回収集した正常動作時の時系列データを用いて更新後の類型に対応するパラメータを算出して更新し、Ｓ３３１に移行する。ここで算出し決定されるパラメータは、図１５のＳ３２で決定されるパラメータと同じ算出方法であってもよい。たとえば、算出方法については平均値など様々な手法が適用され得るが、それぞれの時系列データに適した手法が選択される。また、これら決定されたパラメータについては、オペレータによって変更可能としてもよい。これにより、学習期間が短い場合に極端なパラメータが決定されたとしても調整可能とすることができる。
【0101】
Ｓ３３１でＣＰＵ４１ａは、オペレータから各デバイスについて分類に対する修正入力を受け付けたか否かを判定する。たとえば、ＣＰＵ４１ａは、オペレータの指定に応じて、分類対象のデバイスに対する類型の設定を受け付けて、分類された類型を修正することができ、ＣＰＵ４１ａは、そのようなオペレータからの修正入力に基づく分類の修正があったか否かを判定する。ＣＰＵ４１ａは、オペレータから各デバイスについて分類に対する修正入力を受付けていないと判断するとＳ３３３に移行する。
【0102】
一方、オペレータから分類に対する修正入力を受け付けたと判断するとＳ３３２に進み、ＣＰＵ４１ａは、オペレータの指定に応じて、設定した分類対象のデバイスに対する類型に対し、修正の適否を判定し、適すると判定すると、オペレータの指定に応じて設定された分類の類型への修正を反映する。つまり、ＣＰＵ４１ａは、設定された分類の類型に対し、今回収集された正常動作時における時系列データが適合するか否かを判定する。また、ＣＰＵ４１ａは、オペレータの指定に応じて設定された分類の類型が適さないと判定すると、適さない旨を報知するようにしてもよく、適さない旨を報知するとともに分類の再指定を促すようにしてもよい。たとえば、ＣＰＵ４１ａは、オペレータの指定に応じて、一定値をとるデバイス（１２０３）の類型に分類されていて、今回収集された正常動作時における時系列データが一定値とは異なる値を含む場合には、オペレータが設定した類型は適合しないことを報知してもよく、当該デバイスを不定期で動作するデバイス（１２０４）に再分類してもよい。同様に、ＣＰＵ４１ａは、オペレータの指定に応じて、装置の動作サイクルに同期して動作するデバイス（１２０１）に分類されていて、今回収集された正常動作時における時系列データが異なるパターンを含む場合には、オペレータが設定した類型は適合しないことを報知してもよく、当該デバイスを不定期で動作するデバイス（１２０４）に再分類してもよい。ＣＰＵ４１ａは、Ｓ３３２の処理が終わると、修正後の分類に従うパラメータを決定するため再びＳ３２１に処理を戻す。
【0103】
Ｓ３３３で、ＣＰＵ４１ａは、オペレータから各デバイスについてのパラメータの修正入力があったか否かを判定する。たとえば、ＣＰＵ４１ａは、オペレータの修正入力に応じて、Ｓ３２２又はＳ３２４で更新されたパラメータを更に調整することができる。オペレータによるパラメータの修正指示を受け付けていないと判断した場合は、処理をＳ３４１に進める。一方、オペレータによるパラメータの修正指示があった場合は、Ｓ３３４でＣＰＵ４１ａは、オペレータの指定に応じて、設定した分類対象のデバイスに対するパラメータに対し、今回収集された正常動作時における時系列データが適合するか否かを判定する。ＣＰＵ４１ａは、適すると判定すると、オペレータの指定に応じて設定されたパラメータへの修正を反映する。また、ＣＰＵ４１ａは、オペレータの指定に応じて設定されたパラメータの修正が適さないと判定すると、適さない旨を報知するようにしてもよく、適さない旨を報知するとともにパラメータの再指定を促すようにしてもよい。なお、ＣＰＵ４１ａは、Ｓ３２と同様の算出手法でパラメータを算出してもよい。
【0104】
続いて、Ｓ３４１でＣＰＵ４１ａは、学習対象の全てのデバイスに対して追加学習処理が完了したか否かを判定する。ＣＰＵ４１ａは、学習対象のいずれかのデバイスに対して追加学習処理が完了していない場合は、未完了のデバイスについて追加学習処理をするためにＳ３１１に処理を戻す。一方、ＣＰＵ４１ａは、学習対象の全てのデバイスに対して追加学習処理が完了すると、追加学習処理を終了する。
【0105】
＜変形例＞
本発明は上記実施形態に限らず様々な変形が可能である。例えば、上記実施形態ではビットデバイスやワードデバイスの収集データについて分析して分類する例について説明したが、本発明はこのようなデバイス値のみ限定されない。例えば、収集データとしては、上記実施形態で説明した例に限らず、カメラ映像やイベントログなどの情報でもよい。
本発明は上記実施形態に限らず様々な変形が可能である。例えば、上記実施形態ではビットデバイスやワードデバイスの収集データについて分析して分類する例について説明したが、本発明はこのようなデバイス値のみ限定されない。例えば、収集データとしては、上記実施形態で説明した例に限らず、カメラ映像やイベントログなどの情報でもよい。
【0106】
図１９は、収集データの変形例を示す。ここでは、収集データがカメラ映像（動画像）である場合について説明する。１９０１は、収集されるカメラ映像を示す。工場施設内の所定箇所を撮影した映像である。例えば、ＣＰＵ４１ａは、これらのカメラ映像１９０１を複数の領域に分割し、当該領域内の輝度値を特徴量としてパラメータを決定してもよい。カメラ映像１９０１は、ベルトコンベア１９０４で複数の製品１９０５が等間隔で搬送される様子を示す。このような場合に、１９０２に示すように、所定領域１９０３内の輝度値が時間とともに変化することを利用して正常に動作しているか否かを判断することができる。例えば、カメラ映像１９０１の網掛け部分では、所定の時間間隔で製品が通過するため、当該製品の画像（輝度値）が定期的に割り込むことになる。そのような輝度値の変化を利用して、正常に製品が流れているか、或いは、複数の領域を監視することにより、製品がベルトコンベア上で斜行していないかを確認することができる。また、図１９では製品の搬送経路を例に説明したが、例えばロボットが駆動している箇所を撮影し、当該ロボットのアームの動作に合わせて所定の画像領域に定期的にアーム部分の画像が割り込む場合などにもロボットが正常に動作しているかチェックすることができる。なお、カメラ映像についてはアナログ値をとるデバイスとして分類してもよい。
【0107】
＜第２の実施形態＞
以下では、本発明の第２の実施形態について説明する。上記第１の実施形態では、基本的にＰＬＣが異常を示す場合、即ち、上記保存条件がプログラマブルロジックコントローラの異常時である場合の処理の流れについて主に説明した。しかし、既に記載しているように、本発明はＰＬＣの異常発生をトリガにして異常デバイスを特定する特定機能に限らず、正常時の時系列データとの差分を分析する処理（分析機能）にも適用することができる。従って、本実施形態では、収集したデバイス値が正常時の時系列データから乖離した値（いつもと違うデバイス値）であるかを分析、検証する処理について説明する。なお、以下では、上記第１の実施形態と異なる部分についてのみ説明を記載する。
以下では、本発明の第２の実施形態について説明する。上記第１の実施形態では、基本的にＰＬＣが異常を示す場合、即ち、上記保存条件がプログラマブルロジックコントローラの異常時である場合の処理の流れについて主に説明した。しかし、既に記載しているように、本発明はＰＬＣの異常発生をトリガにして異常デバイスを特定する特定機能に限らず、正常時の時系列データとの差分を分析する処理（分析機能）にも適用することができる。従って、本実施形態では、収集したデバイス値が正常時の時系列データから乖離した値（いつもと違うデバイス値）であるかを分析、検証する処理について説明する。なお、以下では、上記第１の実施形態と異なる部分についてのみ説明を記載する。
【0108】
本実施形態においても、デバイス値の変化の特徴を抽出して分類し、分類したそれぞれの特徴に適切な異常（いつもと違う変化）の検知アルゴリズムを適用する。つまり、本実施形態においても、上記第１の実施形態と同様に、学習フェーズにおいて、正常時の時系列データからデバイス値を分類し、それぞれの類型に応じて検知アルゴリズムを決定するとともに、それぞれの検知アルゴリズムに応じた評価変数やパラメータを設定する。本実施形態においても、これらの学習フェーズは推定フェーズが実行される前に予め行われ、分類した類型を示すフラグ情報と、時系列データに対応するデバイスの識別情報が格納される。また、推定フェーズにおいては、推定対象の時系列データの類型に応じて決まる検知アルゴリズムを適用して分析することによって、いつもと違うデバイス値であるかを分析して検証する。 即ち、推定フェーズにおいて再度の分類処理は行われない。この場合、運用時における分類処理の処理不可や意図しない学習データの更新を避けることができる。なお、推定フェーズにおいても分類処理を行うようにしてもよい。この場合、すでに学習している正常時のデータに基づいて、新たに得られた時系列データのうち、正常とみなせるものを抽出し、新たに抽出された時系列データと、すでに学習している時系列データに基づき経時的な変化に対応して学習データを更新するようにしてもよい。たとえば、所定の周期に同期して値が定常的なパターンで変化するデバイスについて、新たに抽出された時系列データと、すでに学習している時系列データのばらつきに基づきパラメータに含まれるしきい値を更新してもよい。
【0109】
図１６を参照して、デバイス値がいつもと違うデバイス値であるか否か、すなわち、正常時のデバイス値と乖離しているか否かを検証する際の処理手順について説明する。以下で説明する処理は、基本ユニット３のＣＰＵ３１及び拡張ユニット４ａのＣＰＵ４１ａによって実現される。なお、上記第１の実施形態と異なる処理（Ｓ４５）についてのみ説明を記載し、その他処理については説明を省略する。
【0110】
Ｓ４５でＣＰＵ３１は、第一バッファ３７ａに格納されたデバイス値を基本ユニット３のメモリカード４４に保存する 保存条件が成立したか否かを判断する。ここで、上記第１の実施形態では当該保存条件がプログラマブルロジックコントローラで異常が発生した場合に成立する旨を説明した。しかし、本実施形態では、ユーザにより予め保存トリガとなるデバイスを指定しておき、当該デバイスに所定の変化があった場合、ユーザによる分析命令があった場合、定期的に監視する監視周期が経過した場合、基本ユニット３に接続される拡張ユニットから分析命令が発せられた場合、収集したデバイス値がいつもと違うデバイス値である場合など、当該保存条件が成立するように制御される。例えば、Ｓ４３で前回と異なるデバイス値が発生した場合にＳ４５で保存条件が成立したと判断し、特定処理へ進んでもよい。また、前回のデバイス値との差分（乖離程度）や正常時と異なるデバイス値の発生個数に応じて保存条件が成立するように制御してもよい。ユーザからの分析指示については、リアルタイムで特定のデバイスを分析、検証するように指示することが可能であるが、特定のデバイスの過去のデータを検証するように指示するものであってもよい。また、Ｓ４７では、異常デバイスを特定するのではなく、正常時の時系列データからの乖離する異常状態を分析、検証することになる。
【0111】
次に、図１８を参照して、本実施形態に係る分析結果の表示例について説明する。形式的には上記第１の実施形態の特定結果と同様の表示となるが、本実施形態では異常デバイスを特定するのではなく、正常時の時系列データとの乖離が発生している状態（異常状態）を特定するものであり、それに応じて表示内容が変更される。
【0112】
従って、例えば画面１８００では、デバイスの異常数ではなく、正常時の時系列データとの乖離が発生した回数を示す。異常度についても、デバイス異常が発生した回数を用いて求めるのではなく、上記本実施形態における異常状態が発生した回数、すなわち、正常時の時系列データとの乖離が発生した回数を用いて求めることが望ましい。
【0113】
＜第３の実施形態＞
以下では、本発明の第３の実施形態について説明する。上記第１及び第２の実施形態では、それぞれ特定機能、分析機能について説明した。本実施形態では、さらに、定期的にデバイス値を収集して監視する監視機能について説明する。なお、以下では、上記第１及び第２の実施形態と異なる部分についてのみ説明を記載する。
以下では、本発明の第３の実施形態について説明する。上記第１及び第２の実施形態では、それぞれ特定機能、分析機能について説明した。本実施形態では、さらに、定期的にデバイス値を収集して監視する監視機能について説明する。なお、以下では、上記第１及び第２の実施形態と異なる部分についてのみ説明を記載する。
【0114】
図２０は、本実施形態に係る監視を開始するための監視開始信号を出力する処理手順を示すフローチャートを示す。以下で説明する処理は、基本ユニット３のＣＰＵ３１によって実行される。しかし、本発明を限定する意図はなく、拡張ユニット４ａのＣＰＵ４１ａによって実行されてもよい。
【0115】
Ｓ５１でＣＰＵ３１は、監視周期が経過したか否かを判断する。監視周期は、プログラマブルロジックコントローラのオペレータ（管理者）が設定可能な値であり、任意の周期を設定することができる。設定された値については、例えば、記憶装置３２の収集設定３６ａに設定される。監視周期が経過した場合はＳ５３に進み、そうでない場合はＳ５２に進む。
【0116】
Ｓ５２でＣＰＵ３１は、ユーザから監視指示を受け付けたか否かを判断する。当該監視指示については、ＰＣ２ａや基本ユニット３の操作部６を介したユーザ入力を通じて受け付けることができる。ユーザからの監視指示を受け付けた場合にはＳ５３に進み、そうでない場合は処理をＳ５１に戻す。
【0117】
Ｓ５３でＣＰＵ３１は、監視開始信号を生成し、基本ユニット３へ出力して、処理を終了する。基本ユニット３は、当該監視開始信号を受信すると、図１６のＳ４６で保存条件が成立したと判断して、Ｓ４７以降の処理を実行し、分析処理を実行する。ここで、Ｓ４６の保存条件は監視開始信号を受信した直後に成立し、所定期間前から現在までにメモリカード４４に保存されている時系列データを収集する。また、Ｓ４６の保存条件は監視開始信号の受信後、所定の実行周期を経過した後に成立し、監視開始信号を受信してから所定期間の間にメモリカード４４に保存されている時系列データを収集してもよい。あるいは、Ｓ４６の保存条件は監視開始信号の受信後、所定の実行周期を経過した後に成立し、監視開始信号の受信前後の所定期間の間にメモリカード４４に保存されている時系列データを収集してもよい。
【0118】
これらの監視対象のデータについてはユーザ設定により選択することができる。なお、上記第２の実施形態と同様に、Ｓ４８においては、異常デバイスを特定するのではなく、正常時の時系列データからの乖離する異常状態を分析、検証することになる。また、分析結果については、上記第２の実施形態と同様の表示が出力される。
【0119】
＜まとめ＞
以上説明したように本実施形態に係るプログラマブルロジックコントローラは、ユーザプログラムを繰り返し実行する実行エンジンと、ユーザプログラムに従って実行エンジンによりアクセスされるデータを記憶する記憶領域である複数のデバイスを有するデバイスメモリとを備える。また、プログラマブルロジックコントローラは、ユーザプログラムのスキャン周期ごとに所定の収集設定に従って複数のデバイスのうち収集対象のデバイスで保持されているデータを収集し、収集された各デバイスの時系列データの特徴に基づいて、各デバイスを複数の類型のいずれかにそれぞれ分類し、各デバイスについて前記収集手段によって収集されたデバイスの時系列データ及び前記分類手段により当該デバイスが分類された類型に従って、異常デバイスを特定する際の検知アルゴリズムを決定する。また、前記収集手段によって収集されたデバイスの時系列データを、前記分類手段によって当該デバイスが分類された類型に従い、当該デバイスに対して前記決定手段によって決定された検知アルゴリズムを用いて分析することで異常デバイスを特定する。このように、本実施形態に係るプログラマブルロジックコントローラによれば、各デバイスに関連するデータの周期性や連続性などの特徴を分析して分類し、効率よく異常デバイスを特定することができる。
以上説明したように本実施形態に係るプログラマブルロジックコントローラは、ユーザプログラムを繰り返し実行する実行エンジンと、ユーザプログラムに従って実行エンジンによりアクセスされるデータを記憶する記憶領域である複数のデバイスを有するデバイスメモリとを備える。また、プログラマブルロジックコントローラは、ユーザプログラムのスキャン周期ごとに所定の収集設定に従って複数のデバイスのうち収集対象のデバイスで保持されているデータを収集し、収集された各デバイスの時系列データの特徴に基づいて、各デバイスを複数の類型のいずれかにそれぞれ分類し、各デバイスについて前記収集手段によって収集されたデバイスの時系列データ及び前記分類手段により当該デバイスが分類された類型に従って、異常デバイスを特定する際の検知アルゴリズムを決定する。また、前記収集手段によって収集されたデバイスの時系列データを、前記分類手段によって当該デバイスが分類された類型に従い、当該デバイスに対して前記決定手段によって決定された検知アルゴリズムを用いて分析することで異常デバイスを特定する。このように、本実施形態に係るプログラマブルロジックコントローラによれば、各デバイスに関連するデータの周期性や連続性などの特徴を分析して分類し、効率よく異常デバイスを特定することができる。
【0120】
また、本プログラムコントローラは、さらに、ユーザ指示に応じて、決定された検知アルゴリズムを用いて、収集された各デバイスの時系列データを正常時の時系列データとの乖離を分析して異常が発生していないかを検証する。なお、このような分析機能については、所定の周期で定期的に行うようにしてもよい（監視機能）。
【0121】
また、本プログラマブルロジックコントローラは、所定数のスキャン周期の時系列データが蓄積されると、時系列データの特徴に基づいて、それぞれの時系列データを分類し、検知アルゴリズムを決定して更新する。このように、本発明によれば、プログラマブルロジックコントローラの動作中において定期的に学習フェーズに対応する機能が実行され、異常時の特定処理における精度を向上させることができる。
【0122】
また、本プログラマブルロジックコントローラは、１以上のデバイスのグループにおいて、前回のスキャン周期において収集した値と、今回のスキャン周期において収集した値とが収集対象の前記グループの全てのデバイスで変化していなければ、今回のスキャン周期において収集した値を削除して、収集する時系列データを圧縮する。これによりメモリ資源を有効に活用することができる。
【0123】
また、本プログラマブルロジックコントローラは、複数のデバイスのうち、少なくとも、一定の値をとるデバイスと、装置の動作サイクルに同期して値が定常的なパターンで変化するデバイスと、装置の動作サイクルは異なる周期に同期して値が定常的なパターンで変化するデバイスと、不定期で値が変化するデバイスと、アナログ値のデバイスと、値が単調増加又は単調減少するデバイスとに分類する。さらに、これらの分類に基づいて、特徴に基づく検知アルゴリズムを決定することにより、異常時において、効率よく異常デバイスを特定することができる。なお、不定期で値が変化するデバイスは特徴を抽出できないため、異常の特定には用いない。
【0124】
また、本プログラマブルロジックコントローラは、異常デバイスを特定する際に、決定された検知アルゴリズムと、該検知アルゴリズムに対応する時系列データの特徴とを比較して、差分が所定のしきい値を超える場合に、異常デバイスとして特定する。また、本プログラマブルロジックコントローラは、２つの時系列データにおけるそれぞれの値の変化点の時間差を、異常を特定する際の検知アルゴリズムとして決定し、２つの時系列データにおける時間差が所定の範囲内にない場合に、２つの時系列データに対応する２つのデバイスを、異常デバイスとして特定するようにしてもよい。このように、本発明によれば、分類した各類型に応じて、検知アルゴリズムを決定し、異常時においては、当該検知アルゴリズムを用いてそれぞれの類型にあった手法で異常デバイスを特定する。
【0125】
また、本プログラマブルロジックコントローラは、特定結果を示す表示データを作成し、当該プログラマブルロジックコントローラの表示装置に表示するか、又は、外部装置に送信する。表示画面としては、種々の表示画面により特定結果を表示することができる（図１８）。
【0126】
また、上記実施形態では、プログラマブルロジックコントローラに含まれる拡張ユニット４ａが時系列データを収集して分類し、分類に従って検知アルゴリズムを決定し、異常時においては異常デバイスを特定する例について説明した。しかし、本発明はこれに限定されず、基本ユニットや他の拡張ユニットによって上述した機能の少なくとも一部が実現されてもよい。さらに、プログラマブルロジックコントローラと通信可能に接続された分析装置（外部装置）が上述した機能を実現してもよい。
【0127】
発明は上記の実施形態に制限されるものではなく、発明の要旨の範囲内で、種々の変形・変更が可能である。
【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13A】
【図13B】
【図14】
【図15】
【図16】
【図17】
【図18】
【図19】
【図20】
【図21】