産業用オートメーションシステムの DeviceNet トポロジー構造が複雑化し、工業機器とプロセスの信頼性要件が厳しさを増していることから、ネットワーク自体の障害診断方法がますます重要になっています。DeviceNet システムでは断続的な接続（IC）障害が頻繁に発生し、生産性能に深刻な影響を及ぼす場合もあり、運行安全を脅かすことさえあります。しかし、既存の DeviceNet の IC 障害診断方法 - 特に複雑なトポロジ・ネットワークに関する方法 - は、複数の障害状況を直接処理することができず、包括的な診断のためには人為的介入が必要です。複雑なトポロジ DeviceNet ネットワークに対して、本論文ではシステムが正常に稼働している状態でネットワーク内のすべての IC 障害を正確かつ効率的に特定できる、ベイズ推論に基づく新しいデータ駆動型 IC 障害診断方法を提案します。まず、IC 障害によって中断されたデータフレームを分析し、観測症状を定義し、観測症状をネットワークトポロジ情報と統合して疑わしい IC 障害を緻密に導きます。次に、観測症状の数量情報と疑わしい IC 障害との因果関係を活用してベイズ推論に基づく推定方法を提案し、各疑わしい IC 障害がネットワークで発生する事後確率を推定します。最後に、最大尤度に基づく高速診断アルゴリズムを開発し、さまざまな複雑な障害シーンで IC 障害位置を素早く特定します。実験環境を構築し、さまざまなネットワークトポロジと障害シーンでケーススタディを行い、提案手法の有効性と優位性を確認します。実験結果は、本論文で提案された方法が実験設定と一致する IC 障害位置を診断したことを示しています。

DeviceNet、フィールドバス、複雑なトポロジ、障害診断、断続的接続、ベイズ推論