CN102576227A - 设备诊断装置 - Google Patents
设备诊断装置 Download PDFInfo
- Publication number
- CN102576227A CN102576227A CN2009801616963A CN200980161696A CN102576227A CN 102576227 A CN102576227 A CN 102576227A CN 2009801616963 A CN2009801616963 A CN 2009801616963A CN 200980161696 A CN200980161696 A CN 200980161696A CN 102576227 A CN102576227 A CN 102576227A
- Authority
- CN
- China
- Prior art keywords
- data
- classification
- database
- deal
- diagnosis
- 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.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
- G05B23/0221—Preprocessing measurements, e.g. data collection rate adjustment; Standardization of measurements; Time series or signal analysis, e.g. frequency analysis or wavelets; Trustworthiness of measurements; Indexes therefor; Measurements using easily measured parameters to estimate parameters difficult to measure; Virtual sensor creation; De-noising; Sensor fusion; Unconventional preprocessing inherently present in specific fault detection methods like PCA-based methods
Abstract
本发明提供一种设备诊断装置,该诊断装置基于操作人员的操作历史信息选定诊断中使用的数据项目。为此,设备诊断装置输入设备的计测信号和操作人员利用外部输入装置进行了操作时的操作信号,并将设备的状态作为显示信息而显示在图像显示装置上,所述设备诊断装置具有:计测信号数据库,其保存设备的计测信号;操作历史数据库,其存储操作人员利用外部输入装置进行了操作时的操作信号;和学习单元,其在设备发生异常时,从根据操作人员利用所述外部输入装置进行的操作而显示在所述图像显示装置上的显示信息之中,提取设备的诊断所使用的数据项目。
Description
技术领域
本发明涉及检测设备的异常的设备诊断装置。
背景技术
以往,设备的诊断装置在设备发生了异常的过渡现象或事故等时,基于来自设备的计测数据来检测该异常或事故的发生。
在专利文献1中公开了利用自适应共振理论(Adaptive ResonanceTheory:ART)的诊断装置。在ART中,具有将多维数据根据其类似度分类成类别(category)的功能。在专利文献1的技术中,首先利用ART将正常时的计测数据分类成多个类别。接着,利用ART将当前的计测数据分类成类别,并在该类别不同于正常时生成的多个类别的情况下诊断为异常。
(现有技术文献)
(专利文献)
专利文献1:日本特开2005-165375号公报
发明内容
(发明要解决的课题)
一般情况下,设备中安装有多个传感器。若设备的规模变大,则传感器的个数有时会达到数千个。将数千个计测数据实时地分类成类别需要庞大的计算成本,因此通常选择几个数据来用于诊断。
然而,因为设备具有固有的特性,所以难以事前选定诊断中使用的所有数据项目。另外,根据诊断中使用的数据项目的选定,有可能即便在异常发生后选定的计测值也不变化因而不发生警告。
另外,即便设备的运转状态正常,若以往未曾经历过的计测值被输入ART,则也有可能产生新类别而产生警报。在正常状态下产生警报的情况是不期望发生的。
这样,为了解决尽管异常却不产生警报、或者尽管正常却产生警报的问题,虽然“事前选定诊断中使用的所有数据项目”是有效的,但是作为实际问题而存在着如何获得有效的数据项目或其组合的问题。
在这方面,虽然设备的操作人员通过常年累积的经验可掌握较多的有效认知,但是却残留着如何使下意识的这些认知明显化,从而作为“诊断中使用的数据项目”进行提取的问题。
鉴于此,本发明的目的在于,提供一种能够事前适当选定诊断中使用的数据项目,进而抑制在正常状态下产生警报的设备诊断装置。
(用于解决课题的手段)
为了解决上述课题,本发明的诊断装置具有以下特征。
在本发明中,设备诊断装置输入设备的计测信号和操作人员利用外部输入装置进行了操作时的操作信号,并将设备的状态作为显示信息而显示在图像显示装置上,所述设备诊断装置具有:计测信号数据库,其保存设备的计测信号;操作历史数据库,其存储操作人员利用所述外部输入装置进行了操作时的操作信号;和学习单元,其在所述设备发生异常时,从根据操作人员利用所述外部输入装置进行的操作而显示在所述图像显示装置上的显示信息之中,提取设备的诊断所使用的数据项目。
另外,设备诊断装置的学习单元也可具备处理数据项目决定部,该处理数据项目决定部在设备发生异常时,根据图像显示装置所显示的显示画面的显示时间,进行该画面中显示的显示信息的加权,来提取设备的诊断所使用的数据项目。
另外,设备诊断装置也可将提取出的数据项目显示在所述图像显示装置上,以供判别是否追加到设备诊断的监视项目中。
另外,设备诊断装置也可具备保存设备的控制逻辑的控制逻辑数据库和保存设计信息的设计信息数据库,并且作为显示信息而在图像显示装置上显示这些数据库的保存信息。
在本发明中,设备诊断装置具备:计测信号数据库,其保存设备的计测信号;处理数据提取单元,其从计测信号数据库中提取诊断设备的状态所使用的诊断信号;基准信号数据库,其保存由处理数据提取单元提取出的诊断信号;分类单元,其将基准信号数据库中保存的数据分类成类别;分类结果数据库,其保存由分类单元分类的结果;诊断单元,其在由处理数据提取单元提取出的最新的诊断信号不属于分类结果数据库中保存的类别的情况下,产生新的类别来分类;诊断结果数据库,其保存诊断单元中的分类结果;和警报产生单元,其利用诊断结果数据库和分类结果数据库中保存的类别的信息,在某一定期间内的新类别的生成频度超过一定值(阈值)时产生警报;设备诊断装置还具备:操作历史数据库,其保存来自由鼠标、键盘构成的外部输入装置的外部输入信号;和学习单元,其具有处理数据项目决定部,该处理数据项目决定部基于操作历史数据库中保存的操作历史信息来决定由处理数据提取单元提取的数据项目。
在本发明中,设备诊断装置具备:计测信号数据库,其保存设备的计测信号;处理数据提取单元,其从计测信号数据库中提取诊断设备的状态所使用的基准信号;基准信号数据库,其保存由处理数据提取单元提取出的基准信号;分类单元,其将基准信号数据库中保存的数据分类成类别;分类结果数据库,其保存由分类单元分类的结果;诊断单元,其在由处理数据提取单元提取出的最新的诊断信号不属于分类结果数据库中保存的类别的情况下,产生新的类别来分类;诊断结果数据库,其保存诊断单元中的分类结果;类别属性数据库,其将诊断结果数据库和分类结果数据库中保存的类别的属性定义为正常或异常,并保存类别的属性;和警报产生单元,其利用诊断结果数据库、分类结果数据库、类别属性数据库中保存的信息,在某一定期间内的异常属性的类别的生成频度超过一定值(阈值)时产生警报;设备诊断装置还具备:操作历史数据库,其保存来自由鼠标、键盘构成的外部输入装置的外部输入信号;和学习单元,其具有处理数据项目决定部和类别属性决定部中的至少一个决定部,处理数据项目决定部基于操作历史数据库中保存的操作历史信息来决定由处理数据提取单元提取的数据项目,类别属性决定部将类别的属性决定为正常或异常。
另外,设备诊断装置也可具备保存有用于控制设备的控制逻辑信息的控制逻辑数据库、和保存有设备的设计信息的设计信息数据库;在学习单元中,还一并处理控制逻辑数据库中保存的控制逻辑信息和设计信息数据库中保存的设计信息。
另外,优选设备诊断装置具有显示诊断装置内的数据库中保存的信息的图像显示装置;在操作历史数据库中,至少保存有实施了操作的时刻与图像显示装置所显示的画面的关系。
另外,优选设备诊断装置在处理数据项目决定部中具有下述功能:至少基于与图像显示装置所显示的画面相关的数据项目和画面被显示的期间,计算数据项目的重要度,并提取重要度高的数据项目的功能;在处理数据提取单元中,从计测信号数据库中提取由处理数据项目决定部提取出的重要度高的数据项目的数据。
另外,设备诊断装置也可在处理数据项目决定部中具有下述功能:至少基于与图像显示装置所显示的画面相关的数据项目和画面被显示的期间,计算数据项目的重要度,并提取重要度高的数据项目的功能;在图像显示装置上显示由处理数据项目决定部提取出的重要度高的数据项目的数据,并通过来自外部输入装置的操作对数据项目进行追加、删除来决定数据项目;在处理数据提取单元中,从计测信号数据库中提取通过来自外部输入装置的操作而决定的数据项目的数据。
另外,优选设备诊断装置在类别属性决定部中具有下述功能:按每个类别保持画面被显示的期间的比例的数据,并基于被显示的期间的比例的数据的类似性将类别的属性从异常变更为正常的功能;在警报产生单元中,在具有异常的属性的类别的产生比例超过了一定值时产生警报。
另外,优选设备诊断装置在类别属性决定部中具有下述功能:按每个类别保持画面被显示的期间的比例的数据,并基于被显示的期间的比例的数据的类似性将类别的属性从异常变更为正常的功能;和基于从外部输入装置输入的外部输入信号,来修正在图像显示装置上显示的类别的属性的功能。
(发明效果)
能够事前适当设定诊断中使用的数据项目,从而提高诊断性能。另外,能够抑制不必要的警报的产生。
附图说明
图1是表示本发明的诊断装置的框图。
图2是说明诊断装置的正常状态学习模式下的基本动作的流程图。
图3是说明诊断装置的诊断模式下的基本动作的流程图。
图4是说明分类单元500及诊断单元600的一实施例的框图。
图5是说明图4中的分类结果的一例的图。
图6是说明在计测信号数据库、基准信号数据库、分类结果数据库中保存的数据的样式的图。
图7是表示作为本发明所应用的设备的火力发电设备的图。
图8是横轴取时间经过来表示从图7的设备获得的计测信号因异常发生而变化时的一例的图。
图9是表示异常时未产生警报的事例的图。
图10是表示异常时产生警报的事例的图。
图11是表示正常时产生警报的事例的图。
图12是说明学习单元800的动作的流程图。
图13是表示设备100的操作人员使图像显示装置950显示的画面的例子的图。
图14a是表示作为在操作历史数据库350中保存的数据的样式的时刻与画面显示时机的图。
图14b是表示作为在操作历史数据库350中保存的数据的样式的显示时间与数据项目的图。
图15是表示处理数据项目决定部810的动作结果的图。
图16是表示在步骤S1220中图像显示装置950显示的数据项目追加画面的例子的图。
图17是说明数据项目被追加之前的分类单元500及诊断单元600的图。
图18是说明对数据项目追加一个ART模块时的分类单元500及诊断单元600的图。
图19是说明将输入于一个ART模块的数据项目从2变更为4时的分类单元500及诊断单元600的图。
图20是说明在类别属性数据库830中保存的数据的样式和在步骤S1240中图像显示装置显示的类别属性修正画面的例子的图。
图21是说明修正了类别属性的结果的动作例的图。
具体实施方式
参照附图,对本发明的诊断装置进行说明。
[实施例]
图1是表示本发明的设备诊断装置的框图,通过设备诊断装置200对设备100进行诊断。
在诊断装置200中,作为运算装置而具备处理数据提取单元400、分类单元500、诊断单元600、警报产生单元700以及学习单元800。
另外,在诊断装置200中,作为数据库而具备计测信号数据库310、基准信号数据库320、分类结果数据库330、诊断结果数据库340、操作历史数据库350、控制逻辑数据库360、设计信息数据库370以及类别属性数据库380。
这些数据库是为了各种目的而准备的,尤其为了“事前适当设定诊断中使用的数据项目”这一目的而设置了操作历史数据库350。即,本发明的前提是:异常发生时的操作人员的行为(面向图像显示装置950进行的利用了键盘910或鼠标920的各种操作)反映出操作人员长期累积的认知。因此,通过将此时的操作历史蓄积在操作历史数据库350中进行解析,从而得到诊断中使用的数据项目。
另外,诊断装置200作为与外部的接口而具备外部输入接口210和外部输出接口220。
并且,在诊断装置200中,经由外部输入接口210而输入由设备100对该设备的各种状态量进行计测而得到的计测信号1、以及通过由键盘910、鼠标920构成的外部输入装置900的操作而生成的外部输入信号2。另外,从诊断装置200经由外部输出接口220向图像显示装置950输出图像显示数据14。
经由外部输入接口210输入的计测信号3被保存至计测信号数据库310。
在处理数据提取单元400中,从计测信号数据库310中保存的计测信号5中提取诊断用的诊断信号6,并保存至基准信号数据库320。
分类单元500将基准信号7分类成类别。分类结果8保存至分类结果数据库330。分类单元500的处理内容利用图4在后面进行叙述。
在诊断单元600中,在由处理数据提取单元400提取出的最新的诊断信号6属于分类结果数据库330的情况下,将诊断信号6分类成该类别。另一方面,在由处理数据提取单元400提取出的最新的诊断信号6不属于分类结果数据库330中保存的类别的情况下,产生新类别,来对诊断信号6进行分类。由诊断单元600生成的分类结果即诊断结果10保存至诊断结果数据库340。诊断单元600的处理内容利用图4在后面叙述。
在类别属性数据库380中保存了分类结果数据库330、诊断结果数据库340所保存的类别的属性。类别的属性有正常和异常。分类结果数据库330中保存的类别的属性为正常。另外,诊断结果数据库340所保存的类别中由诊断单元600产生的新类别的初始属性为异常。这些类别的属性能够利用学习单元800进行修正。学习单元800中的该修正方法利用图12在后面叙述。
在警报产生单元700中,利用诊断结果数据库340中保存的诊断结果11、分类结果数据库330中保存的分类结果12、类别属性数据库380中保存的类别属性信息25、计测信号数据库310中保存的最新的时刻的计测信号4,判定是否产生警报。
警报产生单元700具有以下3种产生警报的判定基准,并任意组合这些判定基准来决定是否产生警报(例如,条件1和条件2双方均成立时产生警报,条件1和条件2中的其中一个成立时产生警报等)。
条件1:最新的时刻的计测信号4脱离规定的范围(阈值)。
条件2:某一定期间内的新类别的生成频度超过一定值(阈值)。
条件3:某一定期间内的异常属性的类别的生成频度超过一定值(阈值)。
在决定为由警报产生单元700产生警报的判定的情况下,警报产生单元700将警报信号13发送至外部输出接口220。警报信号13被外部输出接口220变换成图像显示信息14,并显示于图像显示装置950。
另外,外部输入信号20保存至操作历史数据库350。
学习单元800由处理数据项目决定部810和类别属性决定部820构成。此外,在本实施例中,学习单元800中包含处理数据项目决定部810和类别属性决定部820这2个部分,但是也可仅包含其中一个部分。
在处理数据项目决定部810中,至少利用操作历史数据库350中保存的信息,决定由处理数据提取单元400提取的数据项目。该处理数据项目信息24被发送至处理数据提取单元400。
另外,在类别属性决定部820中,至少利用操作历史数据库350中保存的信息,将类别的属性决定为正常或异常。类别属性信息30被保存至类别属性数据库380。
此外,处理数据项目决定部810及类别属性决定部820也能根据需要而使用保存了设备100的控制逻辑的控制逻辑数据库360、及保存了设备100的设计信息的设计信息数据库370、分类结果数据库330、诊断结果数据库340中的信息。
另外,计测信号数据库310、基准信号数据库320、分类结果数据库330、诊断结果数据库340、操作历史数据库350、控制逻辑数据库360、设计信息数据库370中保存的诊断装置信息50,能够显示于图像显示装置950。另外,这些信息根据需要也能利用外部输入装置900进行修正。
此外,在本实施例中,虽然处理数据提取单元400、分类单元500、诊断单元600、警报产生单元700、学习单元800、计测信号数据库310、基准信号数据库320、分类结果数据库330、诊断结果数据库340、操作历史数据库350、控制逻辑数据库360、设计信息数据库370、类别属性数据库380全部位于诊断装置200的内部,但是也可将其中一部分配置于诊断装置200的外部,而仅对数据进行通信。
另外,在本实施例中,虽然成为诊断对象的设备1为1个,但是也可由诊断装置200诊断多个设备。
图2和图3是说明诊断装置200的基本动作的流程图。在诊断装置200中具有:基于基准信号数据库320中保存的信息来将正常时的数据分类成类别的正常状态学习模式、和对设备100的状态进行诊断的诊断模式这两个基本动作。正常状态学习模式和诊断模式,按计测信号的采样周期或者操作人员预先设定的周期,分别独立地动作。其中,图2是说明正常状态学习模式的流程图,图3是说明诊断模式的动作的流程图。
其中,在正常状态学习模式下,如图2所示,组合执行步骤S1000和S1010。首先,在步骤S1000中,使处理数据提取单元400动作,从计测信号数据库310的计测信号5中提取诊断信号6。诊断信号6保存至基准信号数据库320。基准信号数据库320中保存的数据是操作人员将设备的运转状态判定为正常的期间的数据。
接着,在步骤S1010中,使分类单元500动作,将基准信号数据库320中保存的基准信号7进行分类,并将分类结果8保存至分类结果数据库330。
在诊断模式下,如图3所示,组合执行步骤S1100、S1110、S1120和S1130。
首先,在步骤S1100中,经由外部输入接口210将来自设备100的计测信号1取入到诊断装置200,并将计测信号3保存至计测信号数据库310。接着,使处理数据提取单元400动作,从计测信号数据库310中提取计测信号5,并将时刻最新的诊断信号6发送至诊断单元600。
在步骤S1010中,使诊断单元600动作,并将诊断结果10发送至诊断结果数据库340。
在步骤S1020中,使警报产生单元700动作,判定可否产生警报。在步骤S1020中判定为可产生警报的情况下进入步骤S1030,在判定为不可产生警报的情况下返回步骤S1100。
在步骤S1030中,通过外部输出接口220将警报产生单元700输出的警报信号13变换成图像显示信息14,并输出至图像显示装置950。由此,向设备操作人员通知警报。
图4是说明分类单元500及诊断单元600的一实施例的框图。其中,描述对分类单元500及诊断单元600应用了自适应共振理论(AdaptiveResonance Theory:ART)时的情况,但是也能利用其他分组(clustering)方法(向量量化等)。
分类单元500和诊断单元600分别执行由图4所示的数据前处理装置610和ART模块620构成的流程。在数据前处理装置610中,将运转数据变换为ART模块620的输入数据。以下说明其步骤。
首先,按计测项目计算最大值及最小值。利用计算出的最大值及最小值使数据标准化。
关于标准化的方法,以设备的工序量xi为例进行说明。设xi的数据数为N个,设第n个计测值为xi(n)。另外,设N个数据中的最大值及最小值分别为Max_i、Min_i,则标准化后的数据Nxi(n)利用(1)式求解。
Nxi(n)=α+(1-α)×(xi(n)-Min_i)/(Max_i-
Min_i)…(1)
其中,α(0≤α<0.5)为常数,根据(1)式而数据被标准化到[α,1-α]的范围。接着,计算标准化后的数据的补数,并将该补数相加到输入数据上。
利用(2)式计算标准化数据Nxi(n)的补数CNxi(n)。
CNxi(n)=1-Nxi(n)…(2)
接着,将由数据Nxi(n)及CNxi(n)组成的数据作为输入数据而输入至ART模块620。以上是数据前处理装置610中的运转数据向ART模块620输入的输入数据变换处理。
在ART模块620中,将输入数据分类成多个类别。ART模块620具备:F0层621、F1层622、F2层623、存储器624以及选择子系统625,这些部分相互结合。F1层622和F2层623经由权重系数进行结合,权重系数表示输入数据被分类的类别的原型(prototype)。
接着,说明ART模块620的算法。向ART模块620输入了输入数据时的算法的概要如下述的处理1~处理5所示。
处理1:由F0层621使输入向量标准化,并去除噪声。
处理2:通过比较被输入于F1层622的输入数据和权重系数,选择相符类别的候选。
处理3:选择子系统625选择的类别的妥当性通过与参数ρ之比进行评价。若判断为妥当则输入数据被分类成该类别,进入处理4。若未判断为妥当则该类别被复位,从其他类别中选择相符类别的候选(反复进行处理2的处理)。若增大参数ρ的值则类别的分类更加细致,若减小ρ则分别更粗略。将该参数ρ称作警戒(vigilance)参数。
处理4:在处理2中若所有已有的类别被复位则判断为新类别,并生成表示新类别的原型的新权重系数。
处理5:若输入数据被分类成类别J,则类别J所对应的权重系数WJ(new),根据之前的权重系数WJ(old)和输入数据p(或从输入数据派生出的数据)并利用(3)式进行更新。
WJ(new)=Kw·p+(1-Kw)·WJ(old)…(3)
其中,Kw为学习率参数,决定使新权重系数反映输入向量的程度。
ART模块620的数据分类算法的特征在于处理4的处理。通过处理4,在输入了不同于存储的模型的输入数据的情况下,能够在不变更存储的模型的情况下存储新模型。由此,能够在存储以往学习的模型的同时存储新模型。
这样,在给予了作为输入数据而预先给予的运转数据时,ART模块620学习所给予的模型。因此,在向已学习完毕的ART模块620中输入新输入数据时,利用上述算法能够判定接近以往的哪个模型。另外,如果是以往未曾经历过的模型,则被分类成新类别。
图5是说明分类结果的一例的图。在图5中,显示了计测数据的2个项目,用二维图进行表示。计测数据通过ART模块620被分割成多个类别630(图5中的圆圈)。
图6是说明在计测信号数据库310、基准信号数据库320、分类结果数据库330中保存的数据的样式的图。该图6也可认为是在图1的图像显示装置950上显示时的显示画面。因此,在图6的例如计测信号数据库310中,通过纵横画面上的滑块301能够滑动显示更宽范围的数据。另外,在基准信号数据库320中,通过选择基准的标记302,能够仅汇总显示该基准中被分类的项目。此外,在诊断结果数据库340和分类结果数据库330中保存的数据的样式相同。另外,这些数据库的数据被加工成图6、以及后述的图13、图14、图15、图16、图20所示的各种样式,并被变换成显示信息而显示于图像显示装置。
图6的上部分是说明计测信号数据库310中保存的数据的样式的图。如图6的上部分所示,在计测信号数据库310中,按采样周期(纵轴的时刻)保存了由设备100计测的多个数据项目(项目A、B、C等)的值。
图6的中间部分是说明基准信号数据库320中保存的数据的样式的图。在图1的处理数据提取单元400中,从图6的上部分的计测信号数据库310提取设备100的诊断中使用的数据组。例如,在图6的中间部分,基准信号的数据组为三个(“基准1”、“基准2”、“基准3”),作为基准的标记302选择了“基准1”时的数据组由项目A、项目C、项目D构成。
这样,在计测信号数据库310中,全部数据项目的计测值作为1个数据组而按时间序列保存,相对于此,在基准信号数据库320中,根据基准选择并限定的数据项目的计测值作为多个数据组而按时间序列保存。
图6的下部分是说明分类结果数据库330中保存的数据的样式的图。在分类结果数据库330中,保存了时刻和该时刻的数据被分类的类别编号之间的关系(图6的左下部分)、以及类别编号与权重系数之间的关系(图6的右下部分)。在分类结果数据库330中,保存了基准信号数据库320所保存的每个数据组的分类结果。
图7中作为本发明所应用的设备而表示了火力发电设备。如图7所示,火力发电设备100由燃气涡轮发电机110、控制装置120、数据发送装置130构成。燃气涡轮发电机110由发电机111、压缩机112、燃烧器113、涡轮114构成。将由压缩机112生成的压缩空气送至燃烧器113,在燃烧器113中与燃料混合进行燃烧。由于燃烧产生的高压气体,使得涡轮114旋转,在发电机111中发电。
在控制装置120中,根据电力需求控制燃气涡轮发电机110的输出。另外,控制装置120输入由在燃气涡轮发电机110中设置的传感器(未图示)计测出的运转数据102。运转数据102为吸气温度、燃料投入量、涡轮排气温度、涡轮转速、发电机发电量、涡轮轴振动等状态量,按采样周期进行计测。另外,也计测大气温度等气象信息。在控制装置120中,利用这些运转数据102,算出用于控制燃气涡轮发电机110的控制信号101。信号数据发送装置130将计测信号1发送至诊断装置200,其中计测信号1由控制装置120所计测出的运转数据102以及控制装置120所算出的控制信号101构成。
图8是横轴取时间经过来表示从图7的设备获得的计测信号因异常发生而变化时的一例的图。如图8所示,在诊断装置200内的诊断单元600中,例如作为项目A而输入了发电机输出以及作为项目B而输入了大气温度的计测信号。在该例子中呈如下变动:最初,项目A和B大致以一定值稳定,但是之后在时刻t1项目A减少,接着项目B先增加后减少,最终两个项目都增加。
在该计测信号变化时,在图2的正常状态学习模式下将基准数据输入至分类单元500而分类成类别的结果为:在到达图8的时刻t1之前的状态下,项目A和项目B的类别分类被分类成第1~第4类别(基准时类别)。
然后,若通过诊断单元600将当前的计测数据逐次分类成类别,则在图8的异常发生之前的时间段内,计测信号4属于类别编号1~4的其中一个,在异常发生后属于正常时没有的类别(新类别5、6、7)。
在图8中,以某一定期间内发生的新类别数的移动平均来计算的新类别的发生比例,从异常发生后上升。在警报产生单元700中,若新类别的发生比例超过预先设定的阈值,则产生警报。
如图8的例子所示,若伴随异常发生而诊断中使用的数据项目的计测值发生变化从而能产生警报,则能以警报的方式将异常发生传递给操作人员。另外,由于异常发生前的所有类别被分类成基准时的类别,所以在本例中在正常状态下不产生警报。
一般情况下,在设备中安装了多个传感器,因此计测数据的项目数也会达到数千个。因而在将数千个计测数据实时地分类成类别的过程中需要庞大的计算成本,因此通常选择几个数据项目用于诊断。
然而,因为设备具有固有的特性,所以难以事前选定诊断中使用的所有数据项目。另外,根据诊断中使用的数据项目的选定,有可能即便在异常发生后所选定的计测值也不变化因而不发生警告。
另外,即便设备的运转状态正常,若以往未曾经历过的计测值被输入到ART,则也有可能产生新类别而产生警报。在正常状态下产生警报的情况是不期望发生的。
基于以上情况,对通常会发生的几个事项进行说明,设想了图9所示的异常时未产生警报的事例、图10所示的异常时产生警报的事例、以及图11所示的正常时产生警报的事例。
在本发明的诊断装置200中,为了防止在异常时不产生警报以及在正常时产生警报的情况,而搭载了学习单元800。关于学习单元800的动作利用图12在后面进行说明。
图9是诊断了项目A及项目B的数据时的结果,图10是诊断了以与图9相同时刻输入的项目C及项目D的数据时的结果。另外,在图9、图10中都设正常时的基准类别编号为1。
在图9中,即便在异常发生后,项目A及项目B的计测值也都未变化。因此,即便在诊断单元600中将计测值分类,在异常发生前后被分类的类别都相同。这种情况下,在警报产生单元700中不产生警报。
图10是诊断了与图9相同时间段的项目C及项目D的计测值后的结果。项目C及项目D的计测值在异常发生后有较大变化,从而生成新类别(类别编号2~4),也产生了警报。
这样,为了使发生异常时产生警报,需要适当选定诊断中使用的数据项目。因此,需要利用在项目A及项目B中未体现异常的影响而在项目C及项目D中明显体现了异常的影响这样的关系,选定在诊断中使用哪个项目。在本发明的学习单元800内的处理数据项目决定部810中,具有从计测信号数据库310中保存的数据项目中选定诊断中使用的数据项目的功能。
图11是说明在正常时产生警报的事例的图。在图11中,设正常时的基准类别的编号为1,设设备状态处于正常。如图11所示,项目E的数据发生微小变化,通过诊断单元600将计测值分类的结果,生成了新类别(类别编号2)。结果,即便是正常状态也产生警报。
用于将设备的异常通知给操作人员的警报,在正常状态下发生是不期望的。因此,需要使得即便发生了第2个类别也不产生警报。在本发明的类别属性决定部820中,具有将类别的属性区别为异常和正常的功能。
以下,描述由处理数据项目决定部810及类别属性决定部820构成的学习单元800的动作内容。
图12是说明学习单元800的动作的流程图。如图12所示,本流程组合执行步骤S1200、S1210、S1220、S1230、S1240和S1250。其中,作为说明的前提,在图1的操作历史数据库350中保存了设备100的操作人员利用外部输入装置900进行了操作的结果(例如图像显示装置950显示的画面的信息、控制参数的调整等)。
此外,关于何时以什么样的时机起动并使用图12的流程,并非在实际上发生了异常但尚未收集事态的阶段进行,而是在之后稳定的状态下重新认识当时的异常是什么异常的阶段执行为好。
首先,在步骤S1200中,学习单元800从操作历史数据库350中取得操作历史信息21。
在步骤S1210中,使构成学习单元800的图1的处理数据项目决定部810和类别属性决定部820动作。在处理数据项目决定部810中,决定由处理数据提取单元400提取的数据项目。另外,在类别属性决定部820中决定类别的属性。
在步骤S1220中,将由处理数据项目决定部810决定的数据项目显示于图像显示装置950。设备100的操作人员确认所显示的数据项目,决定是否追加数据项目。在追加数据项目的情况下进入步骤S1230,追加由处理数据提取单元400提取的数据项目。在不追加数据项目的情况下进入步骤S1240。
在步骤S1240中,将由类别属性决定部820决定的类别属性显示于图像显示装置950。设备100的操作人员确认被显示的类别属性,决定是否变更在类别属性数据库380中保存的类别属性。在变更类别属性的情况下进入步骤S1250,变更类别属性。在不变更类别属性的情况下结束处理。
此外,在本实施例中,在步骤S1220、S1240中向操作人员询问可否追加数据项目以及可否变更类别属性,但是也可省略该询问,自动执行数据项目的追加及类别属性的变更。另外,也可从本流程中移除步骤S1220和S1230、或者步骤S1240和S1250的其中一组,从而仅使处理数据项目决定部810或类别属性决定部820的其中一个动作。
以下,利用图13说明设备100的操作人员使图像显示装置950显示的画面的例子,利用图14说明在操作历史数据库350中保存的数据的样式,利用图15说明处理数据项目决定部810的动作,利用图16说明在步骤S1220中图像显示装置950显示的数据项目追加画面的例子,利用图17~图19说明在步骤S1230中追加了数据项目时的分类单元500及诊断单元600的变化,利用图20说明在类别属性数据库830中保存的数据的样式和在步骤S1240中图像显示装置显示的类别属性修正画面的例子,利用图21说明修正了类别属性的结果的动作例。
图13是设备100的操作人员使图像显示装置950显示的画面的例子的图,图13的上部分是利用图1的计测信号数据库310中保存的信息作为显示信息而在图像显示装置950上进行显示时的画面的例子。在计测信号数据库310中,如图6的上部分所述那样保存了时刻与数据项目的计测值的关系。该信息在本例中如图13的上部分的项目A和项目B所示那样,作为以时间轴为横轴的趋势图进行显示。从该画面中能视觉确认各计测信号的随时间变化。
图13的中间部分是将图1的控制逻辑数据库360中保存的信息作为显示信息而在图像显示装置950上进行显示时的画面的例子。在控制逻辑数据库360中,保存了图7的控制装置120中用于根据运转数据102计算控制信号101的逻辑图。在图13的中间部分,示出广泛用于设备控制的比例/积分控制的逻辑图的例子。在该画面中,能够视觉确认将项目C作为运转数据1,并将其与设定值之间的误差进行比例积分运算后作为控制信号1(项目D)这样的运转数据与控制数据之间的关系。
图13的下部分是将图1的设计信息数据库370中保存的信息作为显示信息而在图像显示装置950上进行显示时的画面的例子。在设计信息数据库370中保存了图7的燃气涡轮发电机110的设计信息,例如保存了表示流体的路径与传感器的配置位置(T:温度传感器,P:压力传感器)之间关系的系统图。
设备100的操作人员在正常时使图1的图像显示装置950显示图13所示的信息,时常监视设备100的运转状态。
然而,在发生异常时,操作人员为了确定异常的原因,进而使异常收敛而稳定化,应该利用键盘910、鼠标920适当选择认为与异常有关的趋势图、控制逻辑图、系统图等,一边进行显示一边来对应。
因此,此时操作人员进行的图像显示装置950的操作应该是基于操作人员有意识的认知而进行的。如果是目前正在发生的异常状态,则操作人员应该一边依次调查与其经验中注意到的其他工序量等之间的关系如何,一边进行确认。认为其中包含尚未明确认识到的“诊断中使用的数据项目”的可能性高。
在本发明的处理数据项目决定部810中,基于操作人员使图像显示装置950显示的信息,决定与异常有关的数据项目。另外,在操作历史数据库350中保存了:在正常时和异常时操作人员使图像显示装置950显示的画面的信息。在类别属性决定部中基于该信息,判定类别的属性是正常还是异常。
图14是说明在操作历史数据库350中保存的数据的样式的图。如图14(a)所示,在图1的操作历史数据库350中,时刻、画面被显示的时机(显示ON)、和画面被消去的时机(显示OFF)的信息相关联地保存。例如,画面1在7月1日的10:00~当天的11:30的期间进行了显示。画面2在当天的10:13~10:45的期间进行了显示。
另外,如图14(b)所示,按每个画面保存了显示时间和与被显示的画面相关联的数据项目的信息。显示时间如图14(a)所示那样能够通过从显示OFF的时刻减去显示ON的时刻而求出。对于画面1,作为相关的数据项目而显示A和B,显示了1小时30分钟。另外,对于画面2,作为相关的数据项目而显示C和D,显示了32分钟。
此外,相关联的数据项目是在图13所示的图上显示的数据项目。例如,关于图13的画面950显示的相关联的数据项目,在图13的上部分画面的趋势图中为项目A和B,图13的中间部分的控制逻辑所关联的数据项目为项目C和D,图13的下部分的系统图所关联的数据项目为项目E、F、G、H、I、J。
此外,在本实施例中,虽然将画面被显示的时机和画面被消去的时机保存到了操作历史数据库350中,但是也可以保存点击鼠标的次数、确认设定值的值的次数等与利用外部输入装置900的操作相关的所有信息。
另外,也可在多位操作人员操作设备100的情况下,对每个操作人员赋予ID,在操作历史数据库350中保存每个操作人员的操作内容。
图15是表示处理数据项目决定部810的动作结果的图。在处理数据项目决定部中,利用操作历史数据库350中保存的信息,计算某一定期间的数据项目的重要度。
数据项目的重要度例如由下述(4)式进行计算。
S=α×T …(4)
其中,S为数据项目的重要度,α为权重系数,T为与数据项目有关的画面的显示时间。另外,也可利用下述(5)式计算数据项目的重要度。
S=α×T+β×C …(5)
其中,β为权重系数,C为在与数据项目有关的画面上鼠标被点击的次数。
作为该运算结果,在图15中,项目A和B的重要度分别为54和43,项目C和D的重要度为32。在数据项目决定部810中,判断“重要度高的数据项目是在检测异常发生中有效的数据项目”,按照重要度从高到低的顺序提取一定数量(例如10个)的数据项目。
图16是表示在步骤S1220中图像显示装置950显示的数据项目追加画面的例子的图。在图16的上半部分,按照重要度从高到低的顺序显示由处理数据项目决定部810提取的数据项目,并让操作人员确认是否追加到诊断所使用的数据中。
具体而言,在画面950的区域Z1,显示表明是与2009年7月1日0时0分的泵异常相关联的报告这一内容,在区域2中进行主要内容说明“为了检测与上述异常同类的异常,建议追加下述数据项目”。在区域Z3中,数据项目及其名称一起显示,而且一并表示出由处理数据项目决定部810计算的数据项目的重要度。操作人员在观看这些显示的数据的同时,若要进行追加,则确认复选框1223的复选标记,点击“追加”按钮1221,若不进行追加则点击“取消”按钮1222。
另外,在图16的上半部分的画面上,也能删除由处理数据项目决定部810提取的数据项目、以及追加数据项目。在要删除数据项目时,从复选框1223中将复选标记移除。另外,在追加数据项目的情况下点击按钮1224,能够追加在计测信号数据库310中保存的任意数据项目。
图16的下半部分是在不利用处理数据项目决定部810的情况下,手动设定诊断中使用的所有数据项目时的画面。由设备100计测的数据项目的个数根据设备的规模的不同而不同,但是若为大规模的设备则存在数千个数据项目。从这些数据项目之中一个一个选定诊断中使用的数据项目,需要大量的时间。而通过利用本发明的处理数据项目决定部810,能够缩短选定诊断中使用的数据项目的时间。
图17~图19是说明在图12的步骤S1230中数据项目被追加时的分类单元500及诊断单元600的变化的图。图17是说明数据项目被追加之前的分类单元500及诊断单元600的图。输入数据的数量为2。在本实施例中,说明在步骤S1230中追加2个数据项目,从而输入数据数量达到4时的分类单元500及诊断单元600的变化。
在图18中,追加1个ART模块,输入在该ART模块中追加的2个输入数据,生成类别。在图19中,将输入于1个ART模块的数据项目从2变更为4。
这样,在本发明中可以采用追加ART模块来追加诊断中使用的数据项目的方式、以及增加输入于1个ART模块的数据项目来追加诊断中使用的数据项目的方式的其中一种方式。
图20是说明在类别属性数据库830中保存的数据的样式和在步骤S1240中图像显示装置显示的类别属性修正画面的例子的图。
如图20的上半部分所示,在类别属性数据库830中与数据项目A、B、C一起保存了类别编号(1~6)、类别属性(正常、异常)、画面显示时间比例(%)的关系。
如前述,在使诊断单元600动作时产生的新类别的初始属性为异常。类别属性决定部820,具有基于画面显示时间比例的信息而将类别属性为异常的类别变更成正常的类别的功能。在类别属性决定部820中,利用以下的(6)式计算正常类别与异常类别的类似度。在该类似度为阈值以下的情况下,将类别的属性从异常修正成正常。
SI=(TA1-TA2)2+(TB1-TB2)2+(TC1-TC2)2…(6)
其中,SI为类似度,TA1为发生正常类别时的画面1的显示时间,TA2为发生异常类别时的画面1的显示时间,TB1为发生正常类别时的画面2的显示时间,TB2为发生异常类别时的画面2的显示时间,TC1为发生正常类别时的画面3的显示时间,TC2为发生异常类别时的画面3的显示时间。
如在图11中叙述的那样,即便在发生了属性为异常的类别的情况下,有时设备的运转状态也正常。这种情况下,即便产生了警报,操作人员也不会判断为异常,因此图像显示装置950显示的画面与类别属性为正常时相同。因此,通过将类别的属性从异常修正成正常,从而能够抑制连续产生不必要的警报。
图20的下半部分的显示是在步骤S1240中图像显示装置显示的类别属性修正画面的例子的图。在画面上显示该画面中的期望事项“可以将下述类别追加为正常类别吗?”,并与图11时的计测信号一起显示此时的类别编号。在图中的例子中,确认将被分类成类别编号2的3点的信息修正成类别1的正确与否。在修正的情况下操作人员点击“是”按钮1241,在不修正的情况下操作人员点击“否”按钮1243。
图21是说明修正了类别属性的结果的动作例的图。在时刻t1,产生了新类别(类别编号2),且产生了警报。然后,使类别属性决定部820动作,使类别编号2的属性变化成正常。其结果,在时刻t2不会产生警报。在时刻t3,发生了相当于将属性重新分类为正常的类别2以上的类别3的事项。因而,在时刻t3产生了警报。
另外,在警报产生单元700中,除了具有基于类别信息产生警报的功能之外,还具有在计测值超过阈值时产生警报的功能。将计测值超过阈值时产生警报的功能和基于类别信息产生警报的功能相结合,也能够使得在时刻t2不产生警报。
如上述,本发明的学习单元800基于操作人员的操作历史信息,自动地实施诊断中使用的数据项目的选定及警报产生的条件决定。由此,能够提高诊断精度,并且能排除不必要的警报。
(产业上的可利用性)
由于消除了正常时的误警报,在异常时能够可靠地进行警报,所以能够提高作为设备的诊断装置的可靠度,因此能广泛应用于各种设备。
符号说明
100设备
200诊断装置
210外部输入接口
220外部输出接口
310计测信号数据库
320基准信号数据库
330分类结果数据库
340诊断结果数据库
350操作历史数据库
360控制逻辑数据库
370设计信息数据库
380类别属性数据库
400处理数据提取单元
500分类单元
600诊断单元
700警报产生单元
800学习单元
810处理数据项目决定部
820类别属性决定部
900外部输入装置
910键盘
920鼠标
950图像显示装置
Claims (12)
1.一种设备诊断装置,其输入设备的计测信号和操作人员利用外部输入装置进行了操作时的操作信号,并将设备的状态作为显示信息而显示在图像显示装置上,
所述设备诊断装置具有:
计测信号数据库,其保存所述设备的计测信号;
操作历史数据库,其存储操作人员利用所述外部输入装置进行了操作时的操作信号;和
学习单元,其在所述设备发生异常时,从根据操作人员利用所述外部输入装置进行的操作而显示在所述图像显示装置上的显示信息之中,提取设备的诊断所使用的数据项目。
2.根据权利要求1所述的设备诊断装置,其特征在于,
所述学习单元具备处理数据项目决定部,该处理数据项目决定部在所述设备发生异常时,根据所述图像显示装置所显示的显示画面的显示时间,进行该画面中显示的显示信息的加权,来提取设备的诊断所使用的数据项目。
3.根据权利要求1或2所述的设备诊断装置,其特征在于,
将提取出的所述数据项目显示在所述图像显示装置上,以供判别是否追加到设备诊断的监视项目中。
4.根据权利要求1~3中任一项所述的设备诊断装置,其特征在于,
设备诊断装置具备保存所述设备的控制逻辑的控制逻辑数据库和保存设计信息的设计信息数据库,这些数据库的保存信息被作为显示信息而显示在所述图像显示装置上。
5.一种设备诊断装置,具备:
计测信号数据库,其保存设备的计测信号;
处理数据提取单元,其从该计测信号数据库中提取诊断设备的状态所使用的诊断信号;
基准信号数据库,其保存由该处理数据提取单元提取出的诊断信号;
分类单元,其将该基准信号数据库中保存的数据分类成类别;
分类结果数据库,其保存由该分类单元分类的结果;
诊断单元,其在由所述处理数据提取单元提取出的最新的诊断信号不属于所述分类结果数据库中保存的类别的情况下,产生新的类别来分类;
诊断结果数据库,其保存该诊断单元中的分类结果;和
警报产生单元,其利用该诊断结果数据库和所述分类结果数据库中保存的类别的信息,在某一定期间内的新类别的生成频度超过一定值即阈值时产生警报;
所述设备诊断装置还具备:
操作历史数据库,其保存来自由鼠标、键盘构成的外部输入装置的外部输入信号;和
学习单元,其具有处理数据项目决定部,该处理数据项目决定部基于所述操作历史数据库中保存的操作历史信息来决定由所述处理数据提取单元提取的数据项目。
6.一种设备诊断装置,具备:
计测信号数据库,其保存设备的计测信号;
处理数据提取单元,其从该计测信号数据库中提取诊断设备的状态所使用的基准信号;
基准信号数据库,其保存由该处理数据提取单元提取出的基准信号;
分类单元,其将该基准信号数据库中保存的数据分类成类别;
分类结果数据库,其保存由该分类单元分类的结果;
诊断单元,其在由所述处理数据提取单元提取出的最新的诊断信号不属于所述分类结果数据库中保存的类别的情况下,产生新的类别来分类;
诊断结果数据库,其保存该诊断单元中的分类结果;
类别属性数据库,其将该诊断结果数据库和所述分类结果数据库中保存的类别的属性定义为正常或异常,并保存所述类别的属性;和
警报产生单元,其利用所述诊断结果数据库、所述分类结果数据库、所述类别属性数据库中保存的信息,在某一定期间内的异常属性的类别的生成频度超过一定值即阈值时产生警报;
所述设备诊断装置还具备:
操作历史数据库,其保存来自由鼠标、键盘构成的外部输入装置的外部输入信号;和
学习单元,其具有处理数据项目决定部和类别属性决定部中的至少一个决定部,所述处理数据项目决定部基于所述操作历史数据库中保存的操作历史信息来决定由所述处理数据提取单元提取的数据项目,所述类别属性决定部将类别的属性决定为正常或异常。
7.根据权利要求5或6所述的设备诊断装置,其特征在于,
所述设备诊断装置具备保存有用于控制所述设备的控制逻辑信息的控制逻辑数据库、和保存有所述设备的设计信息的设计信息数据库;
在所述学习单元中,还一并处理所述控制逻辑数据库中保存的控制逻辑信息和所述设计信息数据库中保存的设计信息。
8.根据权利要求5或6所述的设备诊断装置,其特征在于,
所述设备诊断装置具有显示所述诊断装置内的数据库中保存的信息的图像显示装置;
在所述操作历史数据库中,至少保存有实施了操作的时刻与所述图像显示装置所显示的画面的关系。
9.根据权利要求7所述的设备诊断装置,其特征在于,
在所述处理数据项目决定部中具有下述功能:至少基于与所述图像显示装置所显示的画面相关的数据项目和画面被显示的期间,计算数据项目的重要度,并提取重要度高的数据项目的功能;
在所述处理数据提取单元中,从计测信号数据库中提取由处理数据项目决定部提取出的重要度高的数据项目的数据。
10.根据权利要求7所述的设备诊断装置,其特征在于,
在所述处理数据项目决定部中具有下述功能:至少基于与所述图像显示装置所显示的画面相关的数据项目和画面被显示的期间,计算数据项目的重要度,并提取重要度高的数据项目的功能;
在图像显示装置上显示由所述处理数据项目决定部提取出的重要度高的数据项目的数据,并通过来自所述外部输入装置的操作对数据项目进行追加、删除来决定数据项目;
在所述处理数据提取单元中,从计测信号数据库中提取通过来自所述外部输入装置的操作而决定的数据项目的数据。
11.根据权利要求7所述的设备诊断装置,其特征在于,
在所述类别属性决定部中具有下述功能:按每个类别保持画面被显示的期间的比例的数据,并基于被显示的期间的比例的数据的类似性将类别的属性从异常变更为正常的功能;
在所述警报产生单元中,在具有异常的属性的类别的产生比例超过了一定值时产生警报。
12.根据权利要求7所述的设备诊断装置,其特征在于,
在所述类别属性决定部中具有下述功能:
按每个类别保持画面被显示的期间的比例的数据,并基于被显示的期间的比例的数据的类似性将类别的属性从异常变更为正常的功能;和
基于从所述外部输入装置输入的外部输入信号,来修正在图像显示装置上显示的类别的属性的功能。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP2009/005123 WO2011039823A1 (ja) | 2009-10-02 | 2009-10-02 | プラント診断装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102576227A true CN102576227A (zh) | 2012-07-11 |
CN102576227B CN102576227B (zh) | 2014-06-25 |
Family
ID=43825680
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN200980161696.3A Active CN102576227B (zh) | 2009-10-02 | 2009-10-02 | 设备诊断装置 |
Country Status (4)
Country | Link |
---|---|
JP (1) | JP5199478B2 (zh) |
CN (1) | CN102576227B (zh) |
IN (1) | IN2012DN02779A (zh) |
WO (1) | WO2011039823A1 (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104977922A (zh) * | 2014-04-02 | 2015-10-14 | 三菱电机大楼技术服务株式会社 | 设备监视装置和方法 |
CN108241360A (zh) * | 2016-12-27 | 2018-07-03 | 株式会社日立制作所 | 在线监视装置以及在线监视方法 |
CN108604094A (zh) * | 2016-03-31 | 2018-09-28 | 三菱日立电力系统株式会社 | 设备的异常诊断方法及设备的异常诊断装置 |
CN109074528A (zh) * | 2016-06-29 | 2018-12-21 | 株式会社日立制作所 | 运行维护知识信息的制定辅助系统及制定辅助方法 |
CN109885951A (zh) * | 2019-02-28 | 2019-06-14 | 中科云创(厦门)科技有限公司 | 设备故障诊断方法及装置 |
CN110023862A (zh) * | 2016-12-28 | 2019-07-16 | 三菱日立电力系统株式会社 | 诊断装置、诊断方法及程序 |
CN110785717A (zh) * | 2017-06-19 | 2020-02-11 | 杰富意钢铁株式会社 | 工艺的异常状态诊断装置和异常状态诊断方法 |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103454515B (zh) * | 2012-05-31 | 2017-06-23 | Ge医疗系统环球技术有限公司 | 图形化自诊断系统和方法 |
JP6685124B2 (ja) * | 2015-12-22 | 2020-04-22 | 株式会社日立製作所 | 診断装置及び診断方法 |
US10838413B2 (en) * | 2017-10-02 | 2020-11-17 | Fisher-Rosemount Systems, Inc. | Systems and methods for multi-site performance monitoring of process control systems |
JP6861653B2 (ja) * | 2018-01-10 | 2021-04-21 | 三菱電機株式会社 | 監視制御支援装置 |
JP7180985B2 (ja) * | 2018-03-01 | 2022-11-30 | 株式会社日立製作所 | 診断装置および診断方法 |
CN112512762B (zh) * | 2018-07-31 | 2023-10-20 | 日产自动车株式会社 | 异常判定装置和异常判定方法 |
WO2020027207A1 (ja) * | 2018-08-03 | 2020-02-06 | パナソニックIpマネジメント株式会社 | 異常検出方法、情報処理装置及び異常検出システム |
JP7184636B2 (ja) * | 2018-12-27 | 2022-12-06 | 三菱重工業株式会社 | データ選別装置及び方法、ならびに監視診断装置 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004206583A (ja) * | 2002-12-26 | 2004-07-22 | Nisshin Flour Milling Inc | 学習型異常通知装置及びその方法 |
JP4676149B2 (ja) * | 2004-03-10 | 2011-04-27 | 株式会社日立製作所 | データ分類装置 |
JP4922597B2 (ja) * | 2005-10-27 | 2012-04-25 | 株式会社日立製作所 | 燃料電池システムの診断方法および診断装置 |
JP4641537B2 (ja) * | 2007-08-08 | 2011-03-02 | 株式会社日立製作所 | データ分類方法および装置 |
-
2009
- 2009-10-02 CN CN200980161696.3A patent/CN102576227B/zh active Active
- 2009-10-02 IN IN2779DEN2012 patent/IN2012DN02779A/en unknown
- 2009-10-02 WO PCT/JP2009/005123 patent/WO2011039823A1/ja active Application Filing
- 2009-10-02 JP JP2011533967A patent/JP5199478B2/ja active Active
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104977922A (zh) * | 2014-04-02 | 2015-10-14 | 三菱电机大楼技术服务株式会社 | 设备监视装置和方法 |
CN104977922B (zh) * | 2014-04-02 | 2019-03-26 | 三菱电机大楼技术服务株式会社 | 设备监视装置和方法 |
CN108604094A (zh) * | 2016-03-31 | 2018-09-28 | 三菱日立电力系统株式会社 | 设备的异常诊断方法及设备的异常诊断装置 |
CN109074528A (zh) * | 2016-06-29 | 2018-12-21 | 株式会社日立制作所 | 运行维护知识信息的制定辅助系统及制定辅助方法 |
CN109074528B (zh) * | 2016-06-29 | 2021-12-28 | 株式会社日立制作所 | 运行维护知识信息的制定辅助系统及制定辅助方法 |
CN108241360A (zh) * | 2016-12-27 | 2018-07-03 | 株式会社日立制作所 | 在线监视装置以及在线监视方法 |
CN108241360B (zh) * | 2016-12-27 | 2021-03-26 | 株式会社日立制作所 | 在线监视装置以及在线监视方法 |
CN110023862A (zh) * | 2016-12-28 | 2019-07-16 | 三菱日立电力系统株式会社 | 诊断装置、诊断方法及程序 |
CN110023862B (zh) * | 2016-12-28 | 2022-01-14 | 三菱动力株式会社 | 诊断装置、诊断方法及计算机可读取的记录介质 |
CN110785717A (zh) * | 2017-06-19 | 2020-02-11 | 杰富意钢铁株式会社 | 工艺的异常状态诊断装置和异常状态诊断方法 |
CN109885951A (zh) * | 2019-02-28 | 2019-06-14 | 中科云创(厦门)科技有限公司 | 设备故障诊断方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
JP5199478B2 (ja) | 2013-05-15 |
IN2012DN02779A (zh) | 2015-09-18 |
JPWO2011039823A1 (ja) | 2013-02-21 |
CN102576227B (zh) | 2014-06-25 |
WO2011039823A1 (ja) | 2011-04-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102576227B (zh) | 设备诊断装置 | |
CN102713777B (zh) | 诊断装置及诊断方法 | |
JP5129725B2 (ja) | 装置異常診断方法及びシステム | |
CN102870057A (zh) | 机械设备的诊断装置、诊断方法及诊断程序 | |
JP6326321B2 (ja) | データ表示システム | |
CN102999038B (zh) | 发电设备的诊断装置、以及发电设备的诊断方法 | |
JP6088131B2 (ja) | タービン性能診断システム及び方法 | |
JP2013025367A (ja) | 設備状態監視方法およびその装置 | |
JP7469991B2 (ja) | 診断装置及びパラメータ調整方法 | |
EP1178380A1 (en) | Method and system for monitoring an industrial process | |
TWI653530B (zh) | 運轉資訊分析裝置 | |
JP4430384B2 (ja) | 設備の診断装置及び診断方法 | |
Radja et al. | Performance evaluation of supervised machine learning algorithms using different data set sizes for diabetes prediction | |
Garcia et al. | Sensor data analysis for equipment monitoring | |
CA2784371A1 (en) | Method and system for diagnosing compressors | |
JP5824959B2 (ja) | 異常診断装置 | |
US20180239666A1 (en) | Methods and systems for problem-alert aggregation | |
JPWO2018051568A1 (ja) | プラント異常診断装置及びプラント異常診断システム | |
WO2019012654A1 (ja) | 分析システム、分析方法及び記憶媒体 | |
JP6830414B2 (ja) | 診断装置及び診断方法 | |
Surjandari et al. | Fault detection system using machine learning on geothermal power plant | |
JP5447831B2 (ja) | 診断装置および診断方法 | |
JP2013041492A (ja) | 異常診断装置 | |
JP2015228269A (ja) | 異常診断装置 | |
Wang et al. | Enhanced process fault diagnosis through integrating neural networks and Andrews plot |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |