JP6798825B2 - データ解析装置、制御装置、データ解析装置の制御方法、制御プログラム、および記録媒体 - Google Patents
データ解析装置、制御装置、データ解析装置の制御方法、制御プログラム、および記録媒体 Download PDFInfo
- Publication number
- JP6798825B2 JP6798825B2 JP2016167252A JP2016167252A JP6798825B2 JP 6798825 B2 JP6798825 B2 JP 6798825B2 JP 2016167252 A JP2016167252 A JP 2016167252A JP 2016167252 A JP2016167252 A JP 2016167252A JP 6798825 B2 JP6798825 B2 JP 6798825B2
- Authority
- JP
- Japan
- Prior art keywords
- cluster
- time series
- series data
- data
- clusters
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Landscapes
- Testing And Monitoring For Control Systems (AREA)
Description
図1を参照して解析装置1について説明する。図1は、解析装置1の要部構成を示すブロック図である。図1に示すように、本実施形態に係る解析装置1は、制御部10、記憶部20、言語化パラメータ設定部30、データ入力部(データ取得部)40、および出力部50を含む。
本実施形態に係る解析装置1の出力結果は、フィードバック制御に用いることができる。そこで、解析装置1の出力結果をPID(Proportional-Integral-Differential)制御に用いた場合の例を図2に示す。図2は、PID制御装置(制御装置)100の要部構成を示すブロック図である。PID制御装置100は、解析装置1の出力結果を用いて、PIDパラメータを変更することによってPID制御を行い、制御結果を制御対象に出力する装置である。
次に、図3を参照して、解析装置1における処理の流れを説明する。図3は、解析装置1における処理の流れを示すフローチャート図である。
図4を参照して、PID制御装置100による制御の流れを説明する。図4は、PID制御装置100による制御の流れを示すフローチャート図である。
次に、図5〜10を参照して、クラスタ処理部11における処理の詳細について説明する。まず、図5を参照して、クラスタ間の類似度を判定するための判定値を算出する方法について説明する。判定値は、クラスタの値、クラスタの変化量、およびクラスタの振動具合の3つの要素を用いて算出する。図5は、判定値を算出する方法を説明するための図であり、(a)はクラスタの値を説明するための図であり、(b)はクラスタの変化量を説明するための図であり、(c)はクラスタの振動具合を説明するための図である。
図5の(a)に示すように、時系列データが、中間クラスタC501、C502、およびC503に分割されている場合を考える。中間クラスタC501における時系列データの値が(60,61,53,70)となっている場合、平均値は(60+61+53+70)/4=61となる。本実施形態では、この場合の中間クラスタC501の値を平均値である「61」とする。同様に算出することにより、中間クラスタC502の値が「80」、中間クラスタC503の値が「72」となる。
クラスタの変化量は、クラスタ内の時系列データの傾きθ(c)から算出する。具体的には、クラスタ内の時系列方向で最初の値を(ti,x(ti))、最後の値を(tk,x(tk))としたとき、以下の計算式(1)で求める。
θ(c)=arctan((x(tk)−x(ti))/(tk−ti))…(1)
具体的に、中間クラスタC501、C502、およびC503に当てはめると、変化量はそれぞれ、「52」、「−20」、「−14」となる(図5の(b))。
クラスタの振動具合とは、クラスタ内における時系列データの値の散らばり具合である。具体的には、以下のように算出する。以下の計算式は、値の標準偏差を用いて計算している。
dσ(c,c’)=|σ(c)−σ(c’)|
これは、上述したクラスタの値、およびクラスタの変化量からクラスタ間の類似度を算出した方法と同様に、クラスタそれぞれの振動具合の差の絶対値を用いて類似度を算出していることになる。
次に、クラスタ間の値の差、変化量の差、および振動具合の差に重み付けを行い、判定値を求める方法について説明する。本実施形態では、重みW1、W2、W3を用いて、以下の計算式を用いて判定値を求める。なお、W1+W2+W3=1である。
判定値=W1×値の差+W2×変化量の差+W3×振動具合の差
そして、判定値の値が小さいほど、類似度判定部116は、当該クラスタ間の類似度は高いと判定する。
上述した方法で、クラスタの統合を進めていくと、図7に示すようなクラスタ幅の小さいクラスタが作成されてしまう可能性がある。本実施形態では、クラスタ幅の小さいクラスタを統合しやすくするため、以下の計算式(4)により判定値を修正する。
dALL(ci,ci+1)=dall(ci,ci+1)×(1+k×l/(tn―t1))…(4)
ここで、kはパラメータであり、正の値である。 また、tn−t1は時系列データの全期間の長さである。また、lは、クラスタciの幅l(ci)とクラスタci+1の幅l(ci+1)のうち小さい方の幅である。なお、lの代わりに、大きい方の幅Lを用いてもよい。
dAll(ci,ci+1)=dall(ci,ci+1)
となる。
dAll(ci,ci+1)=dall(ci,ci+1)×(1+k)
となる。これにより、クラスタ幅が大きいクラスタは、小さいクラスタより修正判定値dAllの値が大きくなるので、クラスタ幅の小さいクラスタがまとまりやすくなる。なお、kの値を大きくすると、クラスタは幅の小さいクラスタがよりまとまりやすくなる。kの例としては、k=5が挙げられる。
また、クラスタの統合と進めていくと、図8に示すようなクラスタが作成されることがある。図8は、クラスタ例を示す図である。図8に示すクラスタでは、隣接するクラスタC801とクラスタC802とは類似していないが、クラスタC802を挟んだクラスタC801とクラスタC803とは類似している。このような場合、クラスタC801からクラスタC803までを1つのクラスタとして統合したい。
dALL(ci, ci+2)=dALL(ci,ci+2)×(1+l(ci+1)/min(l(ci),l(ci+2)))…(5)
なお、挟まれたクラスタci+1がクラスタciおよびクラスタciと比較して小さい場合に、3つのクラスタを統合すべきであるので、上記の計算式(5)では、クラスタci+1の幅l(ci+1)を用いて補正を行っている。
上述した方法でクラスタ化された時系列データは、特徴表現部13で言語化される。本実施形態において言語化される、クラスタ化された時系列データは、縦横比がクラスタ化された状態のままである。この点について、図9、10を参照して説明する。図9は、クラスタ化の問題点を説明するための図である。図10は、本実施形態に係るクラスタ化を説明するための図である。
A=((Y/Y’)/(X/X’))×A’…(6)
例えば、図10に示す時系列データの例で言えば、時系列データのクラスタC1001における傾きAb、クラスタC1002の傾きAc、以下同様に、Ad〜Ahを計算する。そして、傾きAb〜Ahから横軸と縦軸との比を計算することにより、時系列データの縦横比を維持して言語化を行う。
次に、図11〜14を参照して、解析装置1の解析結果をPID制御装置100に用いる例について説明する。PID制御では、クラスタ化された時系列データの特徴を用いて制御すべき時点(傾向変更点)を発見する。そして、pv(Process Variable)値(測定値)の傾向が変わったと判断したときに、あらかじめ設定していたPID制御の調整を行う。なお、クラスタ化された時系列データを言語化した結果を用いて傾向を判断し、PID制御の調整を行ってもよい。
図13は、上述したクラスタ化した時系列データの言語化の結果とPIDの比率とが対応付けられた例を示す図である。このように、予め言語化の結果と調整内容としてのPIDの比率とを対応付けたテーブルを用意することにより、PID制御の自動調整が可能となる。なお、以下においてP比、I比、D比とはPID制御における比例動作(P)、積分動作(I)、および微分動作(D)の割合である。
パラメータは、ユーザが指定、設定することができる。例えば、ユーザは、パラメータとして次のような値を設定することができる。
グラフの縦軸の最大値= 50.0
グラフの縦軸の最小値= 0.0
graoph_r:時系列データを表示する際の縦横比
グラフの縦横比率(固定)= 4.89361702
クラスタの大きさを表すファジィ集合のパラメータa= 0.1
クラスタの大きさを表すファジィ集合のパラメータb= 0.2
クラスタの大きさで補正をかけるパラメータk= 100.0
w1(平均が似ていてクラスタが小さいとき)= 1.00 w1(平均が似ていてクラスタが大きいとき)= 0.2
w2(平均が似ていてクラスタが小さいとき)= 0.00 w2(平均が似ていてクラスタが大きいとき)= 0.5
w3(平均が似ていてクラスタが小さいとき)= 0.00 w3(平均が似ていてクラスタが大きいとき)= 0.3
w1(角度が似ていてクラスタが小さいとき)= 0.00 w1(角度が似ていてクラスタが大きいとき)= 0.2
w2(角度が似ていてクラスタが小さいとき)= 1.00 w2(角度が似ていてクラスタが大きいとき)= 0.5
w3(角度が似ていてクラスタが小さいとき)= 0.00 w3(角度が似ていてクラスタが大きいとき)= 0.3
最終的なクラスタの幅の最小値=60
〔適用例〕
図15は、本実施形態を適用したクラスタ化された時系列データの例、および言語化の結果の例を示す図である。
全体的傾向:クラスタ化した区間の時系列データ(グラフ)の全体的な傾向。
局所時刻:各クラスタ間をファジィ的に三分割して、全体的な傾向のグラフから最も離れている点が区間のどの位置にあるかを示す。
局所値:局所時刻にある値に関して、全体的に見てどのような傾向であるかを示す。
位置:表示されているグラフがどの位置にあるかを示す。
振動前期:区間を単純に三分割し、前期部分でどれだけ振動しているかを示す。
振動中期:区間を単純に三分割し、中期部分でどれだけ振動しているかを示す。
振動後期:区間を単純に三分割し、後期部分でどれだけ振動しているかを示す。
ごみ焼却施設等のセンサから得られた時系列データはとても複雑であるため、現状、時系列データの分析は目視で行っていることが多い。しかし、目視では時系列データの表現や、傾向が変わったところを判断する基準が、確認するたびに変わってしまう可能性がある。人間は基準を維持することが難しく、また、正しい判断基準も誤った判断基準も忘却してしまう可能性があるためである。
時系列データの傾向が変わった部分を判定し、PID制御に用いることができる。これにより、傾向が変わった部分以降について、適切にPID制御により調整することができる。
また、測定値が設定値から一定以上離れた場合にのみ制御調整を行うことにより、制御が不安定になる恐れがなくなる。さらに、複雑な時系列データでも、時系列データの形状の傾向と制御ルールとを対応付けて記憶させているため、人間が考える制御に近づけて制御することが期待できる。
解析装置1およびPID制御装置100の制御ブロック(特にクラスタ処理部11(初期クラスタ作成部113、クラスタ値算出部114、重み付け部115、類似度判定部116、クラスタ統合部117、クラスタ数判定部118)、特徴抽出部12、特徴表現部13、およびPIDパラメータ変更部130)は、集積回路(ICチップ)等に形成された論理回路(ハードウェア)によって実現してもよいし、CPU(Central Processing Unit)を用いてソフトウェアによって実現してもよい。
10 制御部
11 クラスタ処理部(クラスタ分割部)
12 特徴抽出部
13 特徴表現部
20、120 記憶部
21 言語化データ
30 言語化パラメータ設定部
40 データ入力部(データ取得部)
50 出力部
100 PID制御装置(制御装置)
110 データ取得部(送信部)
113 初期クラスタ作成部
114 クラスタ値算出部
116 類似度判定部
117 クラスタ統合部
118 クラスタ数判定部
130 PIDパラメータ変更部(フィードバック制御部)
Claims (8)
- プロセス制御に用いられる時系列データを解析するデータ解析装置であって、
前記時系列データを取得するデータ取得部と、
前記時系列データを時系列に沿って分割した中間クラスタの特徴を示す複数種類の指標を重み付けして、前記重み付けの割合を前記中間クラスタの時系列方向の長さに応じて異ならせて算出した判定値から求めた前記中間クラスタ同士の類似度を用いて前記中間クラスタを統合することにより、前記時系列データを所定数の最終クラスタに分割するクラスタ分割部と、
分割した結果を出力する出力部と、を備えていることを特徴とするデータ解析装置。 - プロセス制御に用いられる時系列データを解析するデータ解析装置であって、
前記時系列データを取得するデータ取得部と、
前記時系列データを時系列に沿って分割した中間クラスタの特徴を示す複数種類の指標から算出した判定値から求めた前記中間クラスタ同士の類似度を用いて前記中間クラスタを統合することにより、前記時系列データを所定数の最終クラスタに分割するクラスタ分割部と、
分割した結果を出力する出力部と、を備え、前記指標は、前記中間クラスタにおける前記時系列データの代表値、前記中間クラスタにおける前記時系列データの変化の傾向を示す変化状態指標、および前記中間クラスタにおける前記時系列データの振動の傾向を示す振動状態指標の少なくとも何れかであることを特徴とするデータ解析装置。 - 前記クラスタ分割部は、
前記中間クラスタの時系列方向の長さが所定の長さよりも長い場合、前記指標のうち前記変化状態指標の重みを前記代表値の重みよりも大きくして前記判定値を算出し、
前記中間クラスタの時系列方向の長さが所定の長さよりも短い場合、前記指標のうち前記代表値の重みを前記変化状態指標の重みより大きくして前記判定値を算出することを特徴とする請求項2に記載のデータ解析装置。 - 外部装置から収集された時系列データに基づいて制御対象を制御する制御装置であって、
前記時系列データを請求項1〜3のいずれか1項に記載されたデータ解析装置に送信する送信部と、
前記データ解析装置から出力された前記時系列データの分割結果である前記最終クラスタにおける前記時系列データの形状の特徴を用いて、フィードバック制御を行うフィードバック制御部と、を備えていることを特徴とする制御装置。 - プロセス制御に用いられる時系列データを解析するデータ解析装置の制御方法であって、
前記時系列データを取得するデータ取得ステップと、
前記時系列データを時系列に沿って分割した中間クラスタの特徴を示す複数種類の指標から算出した判定値から求めた前記中間クラスタ同士の類似度を用いて前記中間クラスタを統合することにより、前記時系列データを所定数の最終クラスタに分割するクラスタ分割ステップと、
分割した結果を出力する出力ステップと、を含み、
前記指標は、前記中間クラスタにおける前記時系列データの代表値、前記中間クラスタにおける前記時系列データの変化の傾向を示す変化状態指標、および前記中間クラスタにおける前記時系列データの振動の傾向を示す振動状態指標の少なくとも何れかであることを特徴とするデータ解析装置の制御方法。 - プロセス制御に用いられる時系列データを解析するデータ解析装置の制御方法であって、
前記時系列データを取得するデータ取得ステップと、
前記時系列データを時系列に沿って分割した中間クラスタの特徴を示す複数種類の指標を重み付けして、前記重み付けの割合を前記中間クラスタの時系列方向の長さに応じて異ならせて算出した判定値から求めた前記中間クラスタ同士の類似度を用いて前記中間クラスタを統合することにより、前記時系列データを所定数の最終クラスタに分割するクラスタ分割ステップと、
分割した結果を出力する出力ステップと、を含むことを特徴とするデータ解析装置の制御方法。 - 請求項1または2に記載のデータ解析装置としてコンピュータを機能させるための制御プログラムであって、上記クラスタ分割部としてコンピュータを機能させるための制御プログラム。
- 請求項7に記載の制御プログラムを記録したコンピュータ読み取り可能な記録媒体。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2016167252A JP6798825B2 (ja) | 2016-08-29 | 2016-08-29 | データ解析装置、制御装置、データ解析装置の制御方法、制御プログラム、および記録媒体 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2016167252A JP6798825B2 (ja) | 2016-08-29 | 2016-08-29 | データ解析装置、制御装置、データ解析装置の制御方法、制御プログラム、および記録媒体 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2018036726A JP2018036726A (ja) | 2018-03-08 |
JP6798825B2 true JP6798825B2 (ja) | 2020-12-09 |
Family
ID=61564844
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2016167252A Active JP6798825B2 (ja) | 2016-08-29 | 2016-08-29 | データ解析装置、制御装置、データ解析装置の制御方法、制御プログラム、および記録媒体 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6798825B2 (ja) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023166576A1 (ja) * | 2022-03-02 | 2023-09-07 | 日本電気株式会社 | 情報処理装置、情報処理方法、およびプログラム |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5075009B2 (ja) * | 2008-05-16 | 2012-11-14 | 三菱電機株式会社 | 類似度分析評価システム |
JP5048625B2 (ja) * | 2008-10-09 | 2012-10-17 | 株式会社日立製作所 | 異常検知方法及びシステム |
AU2012209207B2 (en) * | 2011-01-24 | 2016-03-31 | Abb Inc. | Method for analyzing and diagnosing large scale process automation control systems |
JP5868216B2 (ja) * | 2012-02-27 | 2016-02-24 | 三菱電機株式会社 | クラスタリング装置及びクラスタリングプログラム |
JP6390388B2 (ja) * | 2014-12-01 | 2018-09-19 | トヨタ自動車株式会社 | データ近似装置およびデータ近似方法 |
-
2016
- 2016-08-29 JP JP2016167252A patent/JP6798825B2/ja active Active
Also Published As
Publication number | Publication date |
---|---|
JP2018036726A (ja) | 2018-03-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5015369B2 (ja) | ロバスト性マップからのプロセスコントローラのためのチューニングパラメータの決定方法 | |
US20160116892A1 (en) | Method and system of cause analysis and correction for manufacturing data | |
US20200150159A1 (en) | Anomaly detection device, anomaly detection method, and storage medium | |
CN103293953A (zh) | 具有用来补偿模型失配的调节的鲁棒的自适应模型预测控制器 | |
JP2019521444A (ja) | 予測分析用の動作中心型第一原理プロセスモデルの動的構築及びオンライン配備のためのコンピュータシステム及び方法 | |
US20160357162A1 (en) | Method and apparatus for robust tuning of model-based process controllers used with uncertain multiple-input, multiple-output (mimo) processes | |
EP3296822B1 (en) | Model-plant mismatch detection using model parameter data clustering for paper machines or other systems | |
CN107831737B (zh) | 用于测量和控制的装置、方法和非瞬时计算机可读介质 | |
US20160371412A1 (en) | System for processing data and modelling for analysis of the energy consumption of a site | |
DE102012108760A1 (de) | Inferentielle Prozessmodellierung, Qualitätsprognose und Fehlererkennung unter Verwendung von mehrstufiger Datensegregation | |
US11215363B2 (en) | Apparatus and method for two-stage detection of furnace flooding or other conditions | |
US10359742B2 (en) | Learning model construction device, and control information optimization device | |
CN112204581A (zh) | 学习装置、推演装置、方法及程序 | |
EP2891932A2 (en) | Controller system for variable parameter and related program product | |
JP6798825B2 (ja) | データ解析装置、制御装置、データ解析装置の制御方法、制御プログラム、および記録媒体 | |
US20210089005A1 (en) | Control device, control system, control method, and computer-readable storage medium | |
US6745169B1 (en) | Learning process for a neural network | |
WO2020232220A1 (en) | Autonomous burner | |
US3543010A (en) | Coefficient tuning methods for process control systems | |
JP2005538462A (ja) | ヒステリシスを決定するための方法と機器 | |
US11687772B2 (en) | Optimization of cyber-physical systems | |
Seki et al. | Retuning oscillatory PID control loops based on plant operation data | |
US11710066B2 (en) | Time-series feature extraction apparatus, time-series feature extraction method and recording medium | |
US6768972B1 (en) | Method and device for reducing a number of measured values of a technical system | |
Lin et al. | Implementation and test of an automated control hunting fault correction algorithm in a fault detection and diagnostics tool |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20190819 |
|
A711 | Notification of change in applicant |
Free format text: JAPANESE INTERMEDIATE CODE: A712 Effective date: 20190920 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20200707 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20200708 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20200902 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20201104 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20201119 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6798825 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |