JP7632966B2 - 異常検知システム、異常検知方法及び異常検知プログラム - Google Patents

Description

本発明は、異常検知システム、異常検知方法及び異常検知プログラムに関する。

従来より、製造ラインから取得した各種センサデータ（例えば、製造時の温度データ、圧力データ、流量データ等のプロセスデータ等）に基づいて、異常（設備の異常、製造物の異常等）を検知する異常検知システムが知られている。

当該異常検知システムでは、異常が発生した際の各種センサデータ（異常データ）と、異常が発生していない状態での各種センサデータ（正常データ）とを取得して学習を行い、生成した学習済みモデルを用いて、異常の検知が行われる。

特開２００８－２９９６４０号公報

しかしながら、上記異常検知システムの場合、製造ラインに導入された後、時間の経過とともに、検知性能が低下する場合がある。例えば、学習されていない新たな異常が発生した場合に、異常を適切に検知することができないからである。

このようなことから、異常検知システムにおいては、製造ラインに導入された後に発生する新たな異常に適応した自律型のシステムを構築することが求められる。

一つの側面では、自律型の異常検知システムを提供することを目的としている。

一態様によれば、異常検知システムは、
製造ラインから取得したセンサデータから、特徴量を抽出する抽出部と、
特徴量空間において予め定められた分布領域であって、異常が発生していない状態でのセンサデータから抽出された特徴量が分布する分布領域を特定する特定部と、
前記分布領域に、前記抽出部により抽出された特徴量が含まれるか否かを判定することで、前記取得したセンサデータが正常データか否かを判定する判定部と、
前記判定部による判定結果を前記製造ラインにおいて報知する報知部と、
前記判定結果が報知されたことに応じて、前記製造ラインより前記判定結果の正否に関する情報がフィードバックされた場合に、前記分布領域を変更する変更部と、を有し、
前記特定部は、
異常が発生していない状態で取得されたセンサデータを、変分オートエンコーダに入力することで該変分オートエンコーダから出力されるデータが、該異常が発生していない状態で取得されたセンサデータに近づくように学習処理された、該変分オートエンコーダであって、前記学習処理が完了した変分オートエンコーダを構成するエンコーダに、該異常が発生していない状態で取得されたセンサデータを入力することで、前記学習処理が完了した変分エンコーダを構成するエンコーダから出力される特徴量に基づいて、前記分布領域を特定する。

自律型の異常検知システムを提供することができる。

学習フェーズにおける異常検知システムのシステム構成の一例を示す図である。 学習装置のハードウェア構成の一例を示す図である。 学習装置の各部の詳細を示す図である。 検査フェーズにおける異常検知システムのシステム構成の一例を示す図である。 検査装置のハードウェア構成の一例を示す図である。 検査装置の各部の詳細を示す図である。 学習処理の流れを示すフローチャートである。 検査及び自律化処理の流れを示すフローチャートである。

以下、各実施形態について添付の図面を参照しながら説明する。なお、本明細書及び図面において、実質的に同一の機能構成を有する構成要素については、同一の符号を付することにより重複した説明を省略する。

［第１の実施形態］
＜学習フェーズにおける異常検知システムのシステム構成＞
はじめに、第１の実施形態に係る異常検知システムの、学習フェーズにおけるシステム構成について説明する。図１は、学習フェーズにおける異常検知システムのシステム構成の一例を示す図である。

図１に示すように、学習フェーズにおける異常検知システム１００は、製造ライン１１０、検査ライン１２０、学習装置１４０を有する。

製造ライン１１０は、所定の製造物を製造するための設備であり、当該製造ライン１１０では、オペレータ等の作業者１１１によって製造工程に関わる各種作業が行われる。また、製造ライン１１０には、各種センサ（不図示）が配されており、学習フェーズでは、製造ライン１１０における製造中に、各種センサにおいて検出された時系列のセンサデータのセットであるセンサデータ群１３０が、学習装置１４０に送信される。

第１の実施形態において、センサデータ群１３０には、製造ライン１１０に配された任意のセンサにより検出された各種プロセスデータが含まれる。例えば、製造ライン１１０がローラを備える設備であった場合には、ローラの回転速度データ、トルクデータが含まれ、製造物がローラ間に張架されながら搬送される設備であった場合には、製造物にかかる張力データが含まれる。また、例えば、製造ライン１１０が処理炉を備える設備であった場合には、炉内の温度データ、圧力データ、炉内に供給される気体の流量データ等が含まれる。

なお、作業者１１１は、製造ライン１１０の設備が正常か否かを監視し、監視結果を学習装置１４０に通知する。これにより、学習装置１４０では、センサデータ群１３０が、
・異常が発生した際のセンサデータ群（異常データ）であるか、
・異常が発生していない状態でのセンサデータ群（正常データ）であるか、
を区分けすることができる。

第１の実施形態において、作業者１１１が監視する異常には、例えば、製造ライン１１０において異音が発生している、振動が発生している等の異常や、治具が正しく設置されていないといった異常が含まれる。

検査ライン１２０は、製造ライン１１０において製造された製造物の品質を検査する設備であり、例えば、検査員等の作業者１２１によって検査が行われる。作業者１２１は、製造物が異常か（所定の品質を有しているか）否か検査し、検査結果を学習装置１４０に通知する。これにより、学習装置１４０では、センサデータ群１３０が、
・異常が発生した際（製造物が所定の品質を有していない場合）のセンサデータ群（異常データ）であるか、
・異常が発生していない状態（製造物が所定の品質を有している場合）のセンサデータ群（正常データ）であるか、
を区分けすることができる。

第１の実施形態において、作業者１２１が検査する異常には、例えば、製造物の膜厚が基準値以上あるいは基準値以下であるといった異常や、製造物に欠陥が含まれているといった異常が含まれる。

学習装置１４０には、学習プログラムがインストールされており、学習装置１４０は、当該プログラムを実行することで、選択部１４１、学習部１４２、特徴量空間生成部１４３として機能する。

選択部１４１は、センサデータ群１３０を取得し、正常データを抽出したうえで（異常データを除外したうえで）、学習用データとして、学習用データ格納部１４４に格納する。

学習部１４２は、ＶＡＥ（Variational-Autoencoder：変分オートエンコーダ）を有する。学習部１４２は、学習用データをＶＡＥに入力することでＶＡＥより出力されるデータが、ＶＡＥに入力した学習用データに近づくように、ＶＡＥに対して学習処理を行う。

また、学習部１４２は、学習処理が完了したＶＡＥを構成するエンコーダに、学習用データを入力することでエンコーダより出力される特徴量（潜在変数ともいう）を取得し、特徴量空間生成部１４３に通知する。

特徴量空間生成部１４３は特定部の一例であり、学習部１４２より通知された特徴量が分布する、特徴量空間（潜在空間ともいう）における領域（分布領域）を特定する。特徴量空間生成部１４３によって特定される分布領域は、正常データに対応する（つまり、異常が発生していない状態でのセンサデータ群から抽出された特徴量が分布する）分布領域である。

なお、分布領域の特定方法は任意であり、例えば、特徴量空間にプロットされた全特徴量の重心位置を算出し、重心位置から３σの距離を境界位置として、分布領域を特定してもよい。

＜学習装置のハードウェア構成＞
次に、学習装置１４０のハードウェア構成について説明する。図２は、学習装置のハードウェア構成の一例を示す図である。図２に示すように、学習装置１４０は、プロセッサ２０１、メモリ２０２、補助記憶装置２０３、Ｉ／Ｆ（Interface）装置２０４、通信装置２０５、ドライブ装置２０６を有する。なお、学習装置１４０の各ハードウェアは、バス２０７を介して相互に接続されている。

プロセッサ２０１は、ＣＰＵ（Central Processing Unit）、ＧＰＵ（Graphics Processing Unit）等の各種演算デバイスを有する。プロセッサ２０１は、各種プログラム（例えば、学習プログラム等）をメモリ２０２上に読み出して実行する。

メモリ２０２は、ＲＯＭ（Read Only Memory）、ＲＡＭ（Random Access Memory）等の主記憶デバイスを有する。プロセッサ２０１とメモリ２０２とは、いわゆるコンピュータを形成し、プロセッサ２０１が、メモリ２０２上に読み出した各種プログラムを実行することで、当該コンピュータは、例えば上記各機能（選択部１４１～特徴量空間生成部１４３）を実現する。

補助記憶装置２０３は、各種プログラムや、各種プログラムがプロセッサ２０１によって実行される際に用いられる各種データを格納する。例えば、学習用データ格納部１４４は、補助記憶装置２０３において実現される。

Ｉ／Ｆ装置２０４は、外部装置の一例である操作装置２１０、表示装置２１１と、学習装置１４０とを接続する接続デバイスである。Ｉ／Ｆ装置２０４は、学習装置１４０に対する操作（例えば、作業者１１１、１２１による監視結果または検査結果の入力操作あるいは、学習装置１４０の管理者（不図示）による学習操作）を、操作装置２１０を介して受け付ける。また、Ｉ／Ｆ装置２０４は、学習装置１４０による処理の結果を出力し、表示装置２１１を介して、学習装置１４０の管理者に表示する。

通信装置２０５は、他の装置（本実施形態では、製造ライン１１０に配された各種センサにより検出されたセンサデータ群１３０を送信するゲートウェイ装置（不図示））と通信するための通信デバイスである。

ドライブ装置２０６は記録媒体２１２をセットするためのデバイスである。ここでいう記録媒体２１２には、ＣＤ－ＲＯＭ、フレキシブルディスク、光磁気ディスク等のように情報を光学的、電気的あるいは磁気的に記録する媒体が含まれる。また、記録媒体２１２には、ＲＯＭ、フラッシュメモリ等のように情報を電気的に記録する半導体メモリ等が含まれていてもよい。

なお、補助記憶装置２０３にインストールされる各種プログラムは、例えば、配布された記録媒体２１２がドライブ装置２０６にセットされ、該記録媒体２１２に記録された各種プログラムがドライブ装置２０６により読み出されることでインストールされる。あるいは、補助記憶装置２０３にインストールされる各種プログラムは、通信装置２０５を介してネットワークからダウンロードされることで、インストールされてもよい。

＜学習装置の各部の詳細＞
次に、学習装置１４０の各部（ここでは、学習部１４２、特徴量空間生成部１４３）の詳細について説明する。図３は、学習装置の各部の詳細を示す図である。

図３に示すように、学習部１４２は、ＶＡＥを構成するエンコーダ３０１及びデコーダ３０２と、比較／変更部３０３とを有する。

エンコーダ３０１は、学習用データ３１０が入力されることで、正常データの次元圧縮を行い、特徴量を出力する。なお、図３に示すように、エンコーダ３０１に入力される学習用データ３１０の正常データは、多変量の時系列データである。

デコーダ３０２は、エンコーダ３０１により次元圧縮された正常データから、元の正常データを再現する。

比較／変更部３０３は、デコーダ３０２により再現された正常データと、エンコーダ３０１に入力された学習用データ３１０の正常データとを比較し、両者が一致するように、エンコーダ３０１及びデコーダ３０２のモデルパラメータを更新する。これにより、エンコーダ３０１及びデコーダ３０２に対する学習処理が完了する。

このように、ＶＡＥを用いる構成とすることで、学習装置１４０では、教師なしの学習処理を行うことができる。

なお、学習処理が完了したエンコーダ３０１に対して、学習部１４２は、再度、学習用データ３１０の正常データを入力し、エンコーダ３０１より出力された特徴量を、特徴量空間生成部１４３に通知する。

特徴量空間生成部１４３は、学習部１４２より通知された特徴量を、特徴量空間にプロットする。図３において、特徴量空間３２１は説明を簡略化するために、２次元で表現した特徴量空間であり、横軸は特徴量Ａを、縦軸は特徴量Ｂをそれぞれ表している。また、×印は、学習部１４２より通知された特徴量の特徴量空間３２１における位置を示している。

また、特徴量空間生成部１４３は、特徴量空間３２１において、学習部１４２より通知された特徴量が分布する分布領域３３０を特定する。図３において、分布領域３３０は、正常データに対応する（つまり、異常が発生していない状態でのセンサデータ群から抽出された特徴量が分布する）分布領域である。

このように、正常データに対応する分布領域を特定する構成とすることで、検査フェーズにおいて新たな異常が発生した場合でも、当該分布領域を変更して対応することが可能となり、当該新たな異常に適用しやすくなる。

なお、図３の例では、２種類の特徴量からなる２次元の特徴量空間について例示したが、特徴量空間は２次元に限定されず、学習部１４２により通知された特徴量の種類に応じた次元数の特徴量空間が形成されるものとする。

＜検査フェーズにおける異常検知システムのシステム構成＞
次に、第１の実施形態に係る異常検知システムの、検査フェーズにおけるシステム構成について説明する。図４は、検査フェーズにおける異常検知システムのシステム構成の一例を示す図である。

図４に示すように、検査フェーズにおける異常検知システム４００は、製造ライン１１０、検査ライン１２０、報知装置４３０、４４０、検査装置４２０を有する。

このうち、製造ライン１１０、検査ライン１２０については、図１を用いて説明済みであるため、ここでは説明を省略する。

検査装置４２０には、異常検知プログラムがインストールされており、検査装置４２０は、当該プログラムを実行することで、特徴量抽出部４２１、判定部４２２、自律化部４２３として機能する。

特徴量抽出部４２１は抽出部の一例であり、検査フェーズでは、製造ライン１１０における製造中に検出されたセンサデータ群４１０を取得する。また、特徴量抽出部４２１は、学習処理が完了したエンコーダを有しており、取得したセンサデータ群４１０を入力することで、当該エンコーダより出力される特徴量を取得し、判定部４２２に通知する。

判定部４２２は、特徴量抽出部４２１により通知された特徴量に基づいて、センサデータ群４１０が、異常データであるか正常データであるかを判定する。具体的には、判定部４２２は、特徴量抽出部４２１により通知された特徴量が、特徴量空間において、正常データに対応する分布領域に含まれるか否かを判定する。

そして、判定部４２２は、正常データに対応する分布領域に含まれると判定した場合、センサデータ群４１０が正常データであると判定する。また、判定部４２２は、正常データに対応する分布領域に含まれないと判定した場合、センサデータ群４１０が異常データであると判定する。なお、判定部４２２は、特徴量空間における分布領域を、特徴量空間格納部４２４から読み出して判定を行う。特徴量空間格納部４２４には、学習フェーズにおいて特定された正常データに対応する分布領域が格納されている。

また、判定部４２２は、判定結果を報知装置４３０、４４０（報知部の一例）に出力する。これにより、報知装置４３０、４４０は、作業者１１１、１２１に判定結果を報知することができる。

自律化部４２３は、判定部４２２が判定結果を報知装置４３０、４４０に出力し、報知装置４３０、４４０が作業者１１１、１１２に報知したことに応じて、作業者１１１、１２１が報知装置４３０、４４０に入力した監視結果または検査結果を取得する。

なお、判定部４２２が出力した判定結果と、作業者１１１、１２１の監視結果または検査結果との対応関係は、テーブル４５０に示すとおりである。テーブル４５０の"判定結果"において、"ＯＫ"とは、判定部４２２により、センサデータ群４１０が正常データであると判定されたことを示す。また、テーブル４５０の"判定結果"において、"ＮＧ"とは、判定部４２２により、センサデータ群４１０が異常データであると判定されたことを示す。

一方、テーブル４５０の"監視結果ｏｒ検査結果"において、"ＯＫ"とは、
・作業者１１１による監視の結果、製造ライン１１０の設備が正常であることが、報知装置４３０に入力され、かつ、
・作業者１２１による検査の結果、製造物が正常である（所定の品質を有している）ことが、報知装置４４０に入力されたこと、
を示す。

また、テーブル４５０の"監視結果ｏｒ検査結果"において、"ＮＧ"とは、
・作業者１１１による監視の結果、製造ライン１１０の設備において異常が発生したことが、報知装置４３０に入力された、または、
・作業者１２１による検査の結果、製造物が異常である（所定の品質を有していない）ことが、報知装置４４０に入力されたこと、
を示す。

つまり、"監視結果ｏｒ検査結果"は、判定結果の正否に関する情報ということできる。"監視結果ｏｒ検査結果"が"判定結果"と同じであれば、"監視結果ｏｒ検査結果"は、"判定結果"が正しいことを示す情報となる。また、"監視結果ｏｒ検査結果"が"判定結果"と異なっていれば、"監視結果ｏｒ検査結果"は、"判定結果"が正しくないことを示す情報となる。

自律化部４２３は変更部の一例であり、作業者１１１、１２１が報知装置４３０、４４０に入力した監視結果または検査結果のうち、判定部４２２による判定結果と異なる監視結果または検査結果を抽出する。また、自律化部４２３は、抽出した監視結果または検査結果に対応する特徴量を、特徴量抽出部４２１より取得する。

また、自律化部４２３は、特徴量空間格納部４２４より読み出した、特徴量空間における分布領域に、特徴量抽出部４２１より取得した特徴量をプロットし、分布領域との位置関係から、分布領域を変更する。

例えば、自律化部４２３は、判定結果＝"ＯＫ"で、監視結果または検査結果＝"ＮＧ"の場合、プロットした特徴量が、分布領域外となるように、分布領域を変更する。また、自律化部４２３は、判定結果＝"ＮＧ"で、監視結果または検査結果＝"ＯＫ"の場合、プロットした特徴量が、分布領域に含まれるように、分布領域を変更する。

報知装置４３０は、検査装置４２０の判定部４２２より出力された判定結果を、作業者１１１に報知する。また、報知装置４３０は、判定結果を報知したことに応じて、作業者１１１により入力された監視結果を受け付け、判定結果と対応付けて、検査装置４２０に送信する。

報知装置４４０は、検査装置４２０の判定部４２２より出力された判定結果を、作業者１２１に報知する。また、報知装置４４０は、判定結果を報知したことに応じて、作業者１２１により入力された検査結果を受け付け、判定結果と対応付けて、検査装置４２０に送信する。

このように、異常検知システム４００では、検査装置４２０と作業者１１１、１２１との対話（検査装置４２０による判定結果の報知と、作業者１１１、１２１による監視結果または検査結果のフィードバック）とを繰り返すことで、分布領域を変更する。これにより、第１の実施形態によれば、製造ライン１１０に導入された後に発生する新たな異常に適応した自律型の異常検知システム４００を実現することが可能になる。

＜検査装置のハードウェア構成＞
次に、検査装置４２０のハードウェア構成について説明する。図５は、検査装置のハードウェア構成の一例を示す図である。なお、図５に示すように、検査装置４２０のハードウェア構成は、学習装置１４０のハードウェア構成と概ね同じであることから、ここでは、学習装置１４０のハードウェア構成との相違点を中心に説明する。

プロセッサ５０１は、各種プログラム（例えば、異常検知プログラム等）をメモリ５０２上に読み出して実行する。プロセッサ５０１が、メモリ５０２上に読み出した各種プログラムを実行することで、プロセッサ５０１とメモリ２０２とにより形成されるコンピュータは、例えば上記各機能（特徴量抽出部４２１、判定部４２２、自律化部４２３）を実現する。

補助記憶装置５０３は、例えば、特徴量空間格納部４２４を実現する。

Ｉ／Ｆ装置２０４は、外部装置の一例である報知装置４３０、４４０と、検査装置４２０とを接続する接続デバイスである。

通信装置５０５は、他の装置（本実施形態では、製造ライン１１０に配された各種センサにより検出されたセンサデータ群４１０を送信するゲートウェイ装置（不図示））と通信するための通信デバイスである。

＜検査装置の各部の詳細＞
次に、検査装置４２０の各部（特徴量抽出部４２１、判定部４２２、自律化部４２３）の詳細について説明する。図６は、検査装置の各部の詳細を示す図である。

図６に示すように、特徴量抽出部４２１は、学習処理が完了したエンコーダ６１０を有する。特徴量抽出部４２１は、検査フェーズにおいて時刻Ｔ１、Ｔ２においてそれぞれ検出されたセンサデータ群４１０、４１１を入力することで、エンコーダ６１０より出力される特徴量を取得し、判定部４２２に通知する。

図６の例は、時刻Ｔ１におけるセンサデータ群４１０と、時刻Ｔ２におけるセンサデータ群４１１とを、それぞれ、エンコーダに入力し、
・特徴量６２１＿Ｔ１（時刻Ｔ１における特徴量Ａ、特徴量Ｂ）、
・特徴量６２２＿Ｔ１（時刻Ｔ１における特徴量Ｃ、特徴量Ｄ）、
・特徴量６２１＿Ｔ２（時刻Ｔ２における特徴量Ａ、特徴量Ｂ）、
・特徴量６２２＿Ｔ２（時刻Ｔ２における特徴量Ｃ、特徴量Ｄ）、
を取得し、判定部４２２に通知した様子を示している。

判定部４２２は、特徴量空間格納部４２４から読み出した、特徴量空間における分布領域を有する。図６の例は、判定部４２２が、特徴量Ａと特徴量Ｂとにより形成される特徴量空間における分布領域３３０と、特徴量Ｃと特徴量Ｄとにより形成される特徴量空間における分布領域６３０とを有することを示している。

なお、図６の例では、説明の簡略化のため、２次元の特徴量空間を示しているが、特徴量空間は２次元に限定されない。また、図６の例では、説明の簡略化のため、複数（２つ）の特徴量空間に分けて分布領域を特定しているが、特徴量空間は分けずに１つの分布領域を特定してもよい。あるいは、複数（３つ以上）の特徴量空間に分けて、分布領域を特定してもよい。

判定部４２２は、特徴量抽出部４２１より通知された特徴量を、それぞれの特徴量空間にプロットすることで、分布領域３３０、６３０に含まれるか否かを判定する。図６の例は、時刻Ｔ１の特徴量について、
・特徴量６２１＿Ｔ１は分布領域３３０に含まれないため、時刻Ｔ１におけるセンサデータ群４１０は異常データであると判定し、
・特徴量６２２＿Ｔ１は分布領域６３０に含まれるため、時刻Ｔ１におけるセンサデータ群４１０は正常データであると判定した、
様子を示している。

また、図６の例は、時刻Ｔ２の特徴量について、
・特徴量６２１＿Ｔ２は分布領域３３０に含まれないため、時刻Ｔ２におけるセンサデータ群４１１は異常データであると判定し、
・特徴量６２２＿Ｔ２は分布領域６３０に含まれるため、時刻Ｔ２におけるセンサデータ群４１１は正常データであると判定した、
様子を示している。

テーブル６４１は、時刻Ｔ１における判定部４２２による判定結果と、作業者１１１または１２１による監視結果または検査結果との対応関係を示している。図６の例では、時刻Ｔ１のセンサデータ群４１０に対しては、分布領域６３０に基づく判定結果は、監視結果または検査結果と一致するが、分布領域３３０に基づく判定結果は、監視結果または検査結果と異なっている。

また、テーブル６４２は、時刻Ｔ２における判定部４２２による判定結果と、作業者１１１または１２１による監視結果または検査結果との対応関係を示している。図６の例では、時刻Ｔ２のセンサデータ群４１１に対しては、分布領域３３０に基づく判定結果は、監視結果または検査結果と一致するが、分布領域６３０に基づく判定結果は、監視結果または検査結果と異なっている。

自律化部４２３は、テーブル６４１、６４２から、判定部４２２による判定結果と異なる監視結果または検査結果を、特徴量空間ごとに抽出する。また、自律化部４２３は、抽出した監視結果または検査結果に対応する特徴量を、判定部４２２より取得する。

また、自律化部４２３は、特徴量空間格納部４２４より読み出した、特徴量空間（特徴量Ａと特徴量Ｂとにより形成される特徴量空間）における分布領域３３０に、判定部４２２より取得した特徴量（特徴量６２１＿Ｔ１）をプロットする。更に、自律化部４２３は、分布領域３３０と、特徴量６２１＿Ｔ１との位置関係から分布領域３３０を変更し、分布領域６５１を生成する。これにより、以降は、特徴量６２１＿Ｔ１と同じ特徴量が算出された際に、正常データを異常データとして過検知することを回避することができる。

同様に、自律化部４２３は、特徴量空間格納部４２４より読み出した、特徴量空間（特徴量Ｃと特徴量Ｄとにより形成される特徴量空間）における分布領域６３０に、判定部４２２より取得した特徴量（特徴量６２２＿Ｔ２）をプロットする。更に、自律化部４２３は、分布領域６３０と、特徴量６２２＿Ｔ２との位置関係から分布領域６３０を変更し、分布領域６５２を生成する。これにより、以降は、特徴量６２２＿Ｔ２と同じ特徴量が算出された際に、異常データが未検知となることを回避することができる。

なお、自律化部４２３は、変更後の分布領域６５１を、特徴量Ａと特徴量Ｂとにより形成される特徴量空間の新たな分布領域として、特徴量空間格納部４２４に格納する。また、自律化部４２３は、変更後の分布領域６５２を、特徴量Ｃと特徴量Ｄとにより形成される特徴量空間の新たな分布領域として、特徴量空間格納部４２４に格納する。

このように、自律化部４２３では、作業者１１１、１２１による監視結果または判定結果がフィードバックされた場合に、分布領域を適宜変更するため、新たな異常に適応することが可能となり、異常データの検知精度を向上させることができる。

＜学習処理の流れ＞
次に、学習装置１４０による学習処理の流れについて説明する。図７は、学習処理の流れを示すフローチャートである。

ステップＳ７０１において、学習装置１４０は、製造ライン１１０における製造中に検出されたセンサデータ群を取得する。

ステップＳ７０２において、学習装置１４０は、取得したセンサデータ群の中から、正常データを抽出し、学習用データ格納部１４４に、学習用データとして格納する。

ステップＳ７０３において、学習装置１４０は、学習用データを用いて、ＶＡＥに対して学習処理を行う。

ステップＳ７０４において、学習装置１４０は、学習処理が完了したＶＡＥを構成するエンコーダに、学習用データを入力することで特徴量を抽出する。

ステップＳ７０５において、学習装置１４０は、抽出した特徴量を、特徴量空間にプロットし、分布領域を特定する。

ステップＳ７０６において、学習装置１４０は、学習フェーズを終了するか否かを判定し、学習フェーズを終了しないと判定した場合には（ステップＳ７０６においてＮｏの場合には）、ステップＳ７０１に戻る。

一方、ステップＳ７０６において学習フェーズを終了すると判定した場合には、学習処理を終了する。

＜検査及び自律化処理の流れ＞
次に、検査装置４２０による検査及び自律化処理の流れについて説明する。図８は、検査及び自律化処理の流れを示すフローチャートである。

ステップＳ８０１において、検査装置４２０は、製造ライン１１０における製造中に検出された、所定の時刻におけるセンサデータ群を取得する。

ステップＳ８０２において、検査装置４２０は、取得したセンサデータ群を、学習処理が完了したＶＡＥを構成するエンコーダに入力することで、特徴量を抽出する。

ステップＳ８０３において、検査装置４２０は、取得した特徴量が分布領域に含まれるか否かに基づいて、所定の時刻におけるセンサデータ群が正常データであるか異常データであるかを判定する。

ステップＳ８０４において、検査装置４２０は、報知装置を介して判定結果を報知する。

ステップＳ８０５において、検査装置４２０は、判定結果を報知したことに応じて作業者により入力された監視結果または検査結果を取得する。

ステップＳ８０６において、検査装置４２０は、分布領域の変更が必要か否かを判定する。ステップＳ８０６において、判定結果と監視結果及び検査結果とが一致した場合には、分布領域の変更が必要でないと判定し（ステップＳ８０６においてＮｏと判定し）、ステップＳ８０８に進む。

一方、ステップＳ８０６において、判定結果と監視結果または検査結果とが一致しない場合には、分布領域の変更が必要であると判定し（ステップＳ８０６においてＹｅｓと判定し）、ステップＳ８０７に進む。

ステップＳ８０７において、検査装置４２０は、分布領域を変更する。

ステップＳ８０８において、検査装置４２０は、検査及び自律化処理を終了するか否かを判定する。ステップＳ８０８において、検査及び自律化処理を終了しないと判定した場合には（ステップＳ８０８においてＮｏの場合には）、ステップＳ８０１に戻る。

一方、ステップＳ８０８において検査及び自律化処理を終了すると判定した場合には、検査及び自律化処理を終了する。

＜まとめ＞
以上の説明から明らかなように、第１の実施形態に係る異常検知システムは、
・製造ラインから取得したセンサデータから、特徴量を抽出する。
・特徴量空間において予め定められた分布領域であって、正常データから抽出された特徴が分布する分布領域に、センサデータから抽出された特徴量が含まれるか否かを判定することで、センサデータが正常データか否かを判定する。
・判定結果を製造ラインにおいて報知する。
・判定結果が報知されたことに応じて、製造ラインより判定結果の正否に関する情報がフィードバックされた場合に、分布領域を変更する。

このように、製造ラインからのフィードバックに基づいて、分布領域を変更する構成とすることで、第１の実施形態によれば、製造ラインに導入された後に発生する新たな異常に適応した自律型の異常検知システムを実現することができる。

［第２の実施形態］
上記第１の実施形態では、時刻Ｔ１、Ｔ２における所定の時間範囲のセンサデータ群を取得するごとに、自律化部４２３が、分布領域を変更するものとして説明した。しかしながら、自律化部４２３による分布領域の変更タイミングは任意であり、所定の時間範囲ごとに算出された特徴量であって、分布領域の変更に必要な特徴量が一定数蓄積されたタイミングで、分布領域を変更するように構成してもよい。

また、上記第１の実施形態では、自律化部４２３が分布領域を変更することで、自律型の異常検知システムを実現する場合について説明した。しかしながら、自律型の異常検知システムの実現方法は、これに限定されない。例えば、自律化部４２３が分布領域を逐次変更することに加えて、
・特徴量が分布領域の境界位置の近くに分布するセンサデータ、または、
・特徴量が分布領域の変更に用いられたセンサデータ、
が一定数蓄積された場合には、当該センサデータ（ただし、正常データ）を用いて学習部１４２がＶＡＥに対して再学習処理を行い、特徴量空間生成部１４３が分布領域を再特定するように構成してもよい。

また、上記第１の実施形態では、監視結果または検査結果をフィードバックする場合について説明した。しかしながら、判定結果の正否に関する情報はこれに限定されない。例えば、判定結果の正否を直接示す情報（例えば、判定結果が正しい場合には、"０"、判定結果が正しくない場合には、"１"）をフィードバックしてもよい。

また、上記第１の実施形態において、学習装置１４０と検査装置４２０とは別体として構成されるものとして説明したが、学習装置１４０と検査装置４２０とは、一体として構成されてもよい。

なお、上記実施形態に挙げた構成等に、その他の要素との組み合わせ等、ここで示した構成に本発明が限定されるものではない。これらの点に関しては、本発明の趣旨を逸脱しない範囲で変更することが可能であり、その応用形態に応じて適切に定めることができる。

１００ ：異常検知システム
１１０ ：製造ライン
１２０ ：検査ライン
１３０ ：センサデータ群
１４０ ：学習装置
１４１ ：選択部
１４２ ：学習部
１４３ ：特徴量空間生成部
３０１ ：エンコーダ
３０２ ：デコーダ
３２１ ：特徴量空間
３３０ ：分布領域
４１０、４１１ ：センサデータ群
４２０ ：検査装置
４２１ ：特徴量抽出部
４２２ ：判定部
４２３ ：自律化部
４３０ ：報知装置
４４０ ：報知装置

Claims (8)

1. 製造ラインから取得したセンサデータから、特徴量を抽出する抽出部と、
   特徴量空間において予め定められた分布領域であって、異常が発生していない状態でのセンサデータから抽出された特徴量が分布する分布領域を特定する特定部と、
   前記分布領域に、前記抽出部により抽出された特徴量が含まれるか否かを判定することで、前記取得したセンサデータが正常データか否かを判定する判定部と、
   前記判定部による判定結果を前記製造ラインにおいて報知する報知部と、
   前記判定結果が報知されたことに応じて、前記製造ラインより前記判定結果の正否に関する情報がフィードバックされた場合に、前記分布領域を変更する変更部と、を有し、
   前記特定部は、
   異常が発生していない状態で取得されたセンサデータを、変分オートエンコーダに入力することで該変分オートエンコーダから出力されるデータが、該異常が発生していない状態で取得されたセンサデータに近づくように学習処理された、該変分オートエンコーダであって、前記学習処理が完了した変分オートエンコーダを構成するエンコーダに、該異常が発生していない状態で取得されたセンサデータを入力することで、前記学習処理が完了した変分エンコーダを構成するエンコーダから出力される特徴量に基づいて、前記分布領域を特定する、
   異常検知システム。
2. 前記変更部は、
   前記判定結果が正しくないことがフィードバックされた場合に、前記判定結果が正しくなるように分布領域を変更する、請求項１に記載の異常検知システム。
3. 前記変更部は、
   前記抽出部により抽出された特徴量が、前記分布領域に含まれていない場合には、前記抽出部により抽出された特徴量が、前記分布領域に含まれるように変更し、
   前記抽出部により抽出された特徴量が、前記分布領域に含まれている場合には、前記抽出部により抽出された特徴量が、前記分布領域に含まれないように変更する、請求項２に記載の異常検知システム。
4. 前記判定部は、
   前記変更部により前記分布領域が変更された場合、変更後の前記分布領域に、前記抽出部により抽出された特徴量が含まれるか否かを判定することで、前記取得したセンサデータが正常データか否かを判定する、請求項１に記載の異常検知システム。
5. 前記報知部は、前記判定結果を報知したことに応じて、前記製造ラインの作業者により入力された前記判定結果の正否に関する情報を受け付け、前記変更部に送信する、請求項１に記載の異常検知システム。
6. 前記判定部により正常か否かが判定されたセンサデータであって、特徴量が前記分布領域の境界位置の近くに分布するセンサデータ、または、特徴量が分布領域の変更に用いられたセンサデータが蓄積された場合、該蓄積されたセンサデータを用いて、前記変分オートエンコーダに対して再学習処理が行われ、
   前記特定部は、前記再学習処理が完了した変分オートエンコーダを構成するエンコーダに、前記蓄積されたセンサデータを入力することで、前記再学習処理が完了した変分オートエンコーダを構成するエンコーダから出力される特徴量に基づいて、前記分布領域を再特定する、請求項５に記載の異常検知システム。
7. 製造ラインから取得したセンサデータから、特徴量を抽出する抽出工程と、
   特徴量空間において予め定められた分布領域であって、異常が発生していない状態でのセンサデータから抽出された特徴量が分布する分布領域を特定する特定工程と、
   前記分布領域に、前記抽出工程において抽出された特徴量が含まれるか否かを判定することで、前記取得したセンサデータが正常データか否かを判定する判定工程と、
   前記判定工程における判定結果を前記製造ラインにおいて報知する報知工程と、
   前記判定結果が報知されたことに応じて、前記製造ラインより前記判定結果の正否に関する情報がフィードバックされた場合に、前記分布領域を変更する変更工程と、を有し、
   前記特定工程は、
   異常が発生していない状態で取得されたセンサデータを、変分オートエンコーダに入力することで該変分オートエンコーダから出力されるデータが、該異常が発生していない状態で取得されたセンサデータに近づくように学習処理された、該変分オートエンコーダであって、前記学習処理が完了した変分オートエンコーダを構成するエンコーダに、該異常が発生していない状態で取得されたセンサデータを入力することで、前記学習処理が完了した変分エンコーダを構成するエンコーダから出力される特徴量に基づいて、前記分布領域を特定する、
   異常検知方法。
8. 製造ラインから取得したセンサデータから、特徴量を抽出する抽出工程と、
   特徴量空間において予め定められた分布領域であって、異常が発生していない状態でのセンサデータから抽出された特徴量が分布する分布領域を特定する特定工程と、
   前記分布領域に、前記抽出工程において抽出された特徴量が含まれるか否かを判定することで、前記取得したセンサデータが正常データか否かを判定する判定工程と、
   前記判定工程における判定結果を前記製造ラインにおいて報知する報知工程と、
   前記判定結果が報知されたことに応じて、前記製造ラインより前記判定結果の正否に関する情報がフィードバックされた場合に、前記分布領域を変更する変更工程と、をコンピュータに実行させ、
   前記特定工程は、
   異常が発生していない状態で取得されたセンサデータを、変分オートエンコーダに入力することで該変分オートエンコーダから出力されるデータが、該異常が発生していない状態で取得されたセンサデータに近づくように学習処理された、該変分オートエンコーダであって、前記学習処理が完了した変分オートエンコーダを構成するエンコーダに、該異常が発生していない状態で取得されたセンサデータを入力することで、前記学習処理が完了した変分エンコーダを構成するエンコーダから出力される特徴量に基づいて、前記分布領域を特定する、
   異常検知プログラム。

Images