CN112639431A - 异常预测系统和异常预测方法 - Google Patents

异常预测系统和异常预测方法 Download PDF

Info

Publication number
CN112639431A
CN112639431A CN201980057955.1A CN201980057955A CN112639431A CN 112639431 A CN112639431 A CN 112639431A CN 201980057955 A CN201980057955 A CN 201980057955A CN 112639431 A CN112639431 A CN 112639431A
Authority
CN
China
Prior art keywords
abnormality
data
processing
unit
display
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.)
Pending
Application number
CN201980057955.1A
Other languages
English (en)
Inventor
沟渕翔平
藤井亮太
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Panasonic Intellectual Property Management Co Ltd
Original Assignee
Panasonic Intellectual Property Management Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Panasonic Intellectual Property Management Co Ltd filed Critical Panasonic Intellectual Property Management Co Ltd
Publication of CN112639431A publication Critical patent/CN112639431A/zh
Pending legal-status Critical Current

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
    • G05B23/0259—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
    • G05B23/0283—Predictive maintenance, e.g. involving the monitoring of a system and, based on the monitoring results, taking decisions on the maintenance schedule of the monitored system; Estimating remaining useful life [RUL]
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
    • G01H17/00—Measuring mechanical vibrations or ultrasonic, sonic or infrasonic waves, not provided for in the preceding groups
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
    • G01H3/00—Measuring characteristics of vibrations by using a detector in a fluid
    • G01H3/04—Frequency
    • G01H3/08—Analysing frequencies present in complex vibrations, e.g. comparing harmonics present
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M99/00—Subject matter not provided for in other groups of this subclass
    • 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
    • G05B23/0224—Process history based detection method, e.g. whereby history implies the availability of large amounts of data
    • G05B23/024—Quantitative history assessment, e.g. mathematical relationships between available data; Functions therefor; Principal component analysis [PCA]; Partial least square [PLS]; Statistical classifiers, e.g. Bayesian networks, linear regression or correlation analysis; Neural networks

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Mathematical Physics (AREA)
  • Testing And Monitoring For Control Systems (AREA)
  • Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
  • Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)

Abstract

具有：数据输入部(11)，其被输入从对象装置获取到的包含声音数据和振动数据中的至少一方的处理对象数据；存储部(12)，其存储与处理对象数据的异常预测有关的信息；异常度计算部(112)，其计算处理对象数据的异常度；评价部(13)，其使用处理对象数据的最近的异常度转变和过去的异常度转变，来执行与包括故障发生预测在内的异常预测有关的处理；显示处理部(14)，其生成用于显示处理结果的显示画面，该处理结果包含异常度转变和故障发生预测的结果；以及作为显示部的监视器(62)，其显示出显示画面。

Description

异常预测系统和异常预测方法
技术领域
本公开涉及一种获取对象的测量数据来预测异常状态的异常预测系统和异常预测方法。
背景技术
以往以来，在各种设施等中一直使用如下的系统：测量对象物或对象空间等的声音、振动，对获取到的声音数据或振动数据进行解析来进行对异常的探测、对设备的运行状况的监视、产品是否良好的判定等。作为在这种解析中使用的装置，例如在专利文献1中公开了能够稳定地判定具有振动部的产品的各种正常、异常的异常判定方法和装置。专利文献1执行根据测量数据求出时间轴波形并对该时间轴波形进行解析的时间轴波形解析、以及根据测量数据求出频率轴波形并对该频率轴波形进行解析的频率轴波形解析，根据时间轴波形解析和频率轴波形解析的综合判定结果来判定产品的异常。
现有技术文献
专利文献
专利文献1：日本特开平11-173909号公报
发明内容
发明要解决的问题
例如，还假定如下情况：在对各种设施的设备或机器的检查、保养中，获取对象装置的测量数据并进行解析，利用过去的测量数据来进行异常的判定及预测等。在该情况下，对于实施异常状态的判定和预测的用户而言，存在很多测量数据的特性、传感器的特性、异常状态的倾向等需要丰富的专业知识和技术的部分。对于不熟练的用户而言，有时难以适当地判断测量数据的处理结果。另外，还期望能够在对象装置的异常状态变得显著而发生故障之前容易地掌握故障的预兆。
本公开是鉴于上述以往的状况而提出的，其目的在于提供一种能够容易地实施对象装置的异常状态的判定和预测并进行确认的异常预测系统和异常预测方法。
用于解决问题的方案
本公开提供一种异常预测系统，具有：数据输入部，其被输入从对象装置获取到的包含声音数据和振动数据中的至少一方的处理对象数据；存储部，其存储与所述处理对象数据的异常预测有关的信息；异常度计算部，其计算所述处理对象数据的异常度；评价部，其使用所述处理对象数据的最近的异常度转变和过去的异常度转变，来执行与包括故障发生预测在内的异常预测有关的处理；显示处理部，其生成用于显示处理结果的显示画面，该处理结果包含所述异常度转变和所述故障发生预测的结果；以及显示部，其显示所述显示画面。
另外，本公开提供一种异常预测方法，包括：输入从对象装置获取到的包含声音数据和振动数据中的至少一方的处理对象数据，存储与所述处理对象数据的异常预测有关的信息，计算所述处理对象数据的异常度，使用所述处理对象数据的最近的异常度转变和过去的异常度转变，来执行与包括故障发生预测在内的异常预测有关的处理，生成用于显示处理结果的显示画面，该处理结果包含所述异常度转变和所述故障发生预测的结果，将所述显示画面显示于显示部。
发明的效果
根据本公开，能够容易地实施对象装置的异常状态的判定和预测并进行确认。
附图说明
图1是示出实施方式1所涉及的异常预测系统的概要结构的一例的图。
图2是示出实施方式1所涉及的异常预测系统的功能性结构的一例的框图。
图3是示出本实施方式所涉及的异常预测系统中的监视器显示画面的第1例的图。
图4是示出本实施方式所涉及的异常预测系统中的监视器显示画面的第2例的图。
图5是示出本实施方式所涉及的异常预测系统中的监视器显示画面的第3例的图。
图6是示出本实施方式所涉及的异常预测系统中的监视器显示画面的第4例的图。
图7是示出本实施方式所涉及的异常预测系统中的监视器显示画面的第5例的图。
图8是示出本实施方式所涉及的事件输入处理的过程的一例的流程图。
图9是示出本实施方式所涉及的异常度计算处理的过程的一例的流程图。
图10是示出本实施方式所涉及的异常评价处理的过程的一例的流程图。
图11是示出实施方式1所涉及的异常预测系统的动作的序列图。
图12是示出实施方式2所涉及的异常预测系统的概要结构的一例的图。
图13是示出实施方式2所涉及的异常预测系统的功能性结构的一例的框图。
图14是示出实施方式2所涉及的异常预测系统的动作的序列图。
图15是示出实施方式3所涉及的异常预测系统的概要结构的一例的图。
图16是示出实施方式3所涉及的异常预测系统中的终端装置的显示画面的一例的图。
图17是示出实施方式4所涉及的异常预测系统的功能性结构的一例的框图。
图18是示出实施方式4所涉及的异常预测系统中的监视器显示画面的第1例的图。
图19是示出实施方式4所涉及的异常预测系统中的监视器显示画面的第2例的图。
图20是示出在图19的监视器显示画面中显示多个可视化数据的情况的图。
图21是示出实施方式4所涉及的异常预测系统中的监视器显示画面的第3例的图。
图22是示出在图21的监视器显示画面中显示多个可视化数据的情况的一例的图。
图23是示出在图21的监视器显示画面中显示多个可视化数据的情况的其它例的图。
图24是示出实施方式4所涉及的声音数据再现处理的过程的一例的流程图。
图25是示出实施方式4所涉及的声音数据可视化处理的过程的一例的流程图。
图26是示出实施方式4所涉及的异常预测系统的动作的序列图。
图27是示出实施方式5所涉及的异常预测系统的功能性结构的一例的框图。
图28是示出实施方式5所涉及的异常预测系统的动作的序列图。
具体实施方式
下面，适当地参照附图来详细地说明具体公开了本公开所涉及的结构的各实施方式。但是，有时省略过于详细的说明。例如，有时省略已被熟知的事项的详细说明、针对实质上相同的结构的重复说明。这是为了避免下面的说明过分冗长，从而易于使本领域技术人员理解。此外，附图和下面的说明是为了本领域技术人员充分地理解本公开而提供的，并非意图通过这些来限定权利要求书中记载的主题。
在本实施方式中，作为获取对象的测量数据来预测异常状态的系统的结构例，示出获取成为对象装置的设备或机器的声音数据或振动数据并进行解析来进行异常判定、故障发生预测等与异常预测有关的处理的异常预测系统和异常预测方法的一例。在此，作为异常预测系统的功能的一例，例示如下情况：将计算机的冷却风扇设为对象装置，将冷却风扇的声音数据或振动数据作为处理对象数据进行解析来进行异常预测，在装置检查时的判定等中利用该数据。
(实施方式1)
图1是示出实施方式1所涉及的异常预测系统的概要结构的一例的图。异常预测系统由具有处理器和存储器的信息处理装置(计算机)构成，构成为具有对作为处理对象数据而获取到的声音数据或振动数据执行各种处理的数据处理装置10。
数据处理装置10分别连接有作为数据输入设备(声音收集部)的一例的麦克风61、作为显示设备(显示部)的一例的监视器62以及作为操作输入设备的一例的键盘63来作为用户接口。数据处理装置10与麦克风61、监视器62、键盘63通过有线或无线的接口进行连接。数据处理装置10获取由作为被进行异常判定、故障发生预测等与异常预测有关的处理的对象装置的、计算机的冷却风扇50产生的声音数据或振动数据，对处理对象数据执行解析。而且，数据处理装置10通过针对处理对象数据进行后述的异常度的计算、异常度转变的一致判定、故障发生的预测等，来执行与异常预测有关的处理。
麦克风61例如构成为具有电容式麦克风等，配置在作为对象装置的计算机的冷却风扇50附近，收集冷却风扇50的声音并将获取到的声音数据输入到数据处理装置10。监视器62由液晶显示器、有机EL(Electro-Luminescence：电致发光)显示器等显示装置构成，显示由数据处理装置10输出的处理结果的显示画面。键盘63用于受理通过用户操作进行的输入，将装置事件、显示内容指示等各种输入信息输入到数据处理装置10。作为操作输入设备，不限定于键盘，也可以使用鼠标、触摸板、触摸面板等各种输入设备。
此外，还能够构成如下的异常预测系统：通过使用振动传感器代替麦克风61，并使用能够对该振动传感器的输出进行处理的输入接口，来对所获取到的振动数据进行解析，以进行异常判定、故障发生预测等与异常预测有关的处理。在该情况下，处理对象数据成为振动数据而非声音数据。由于声音是空气的振动，因此能够应用同样的处理。下面，代表包含声音数据或振动数据的处理对象数据而记载为声音数据，说明对声音数据进行处理的结构例。
图2是示出实施方式1所涉及的异常预测系统的功能性结构的一例的框图，示出图1所示的数据处理装置10的功能性结构。数据处理装置10的各功能通过由包括CPU(CentralProcessing Unit：中央处理单元)、DSP(Digital Signal Processor：数字信号处理器)等处理器、以及RAM(Random Access Memory：随机存取存储器)、ROM(Read Only Memory：只读存储器)等存储器的计算机按照规定的程序执行处理来实现。数据处理装置10包括数据输入部11、存储部12、评价部13、显示处理部14以及用户操作输入部15。
数据输入部11具有用于连接麦克风61的音频接口，包括声学解析部111和异常度计算部112，数据输入部11被输入作为处理对象数据的声音数据并对声音数据进行处理。声学解析部111对所获取到的声音数据执行模拟-数字变换处理、基于FFT(Fast FourierTransform：快速傅立叶变换)等的频率变换处理、以及基于MFCC(Mel-Frequency CepstrumCoefficients：美尔频率倒谱系数)、振幅值的包络成分提取等的特征量提取处理等预处理。通过由声学解析部111实施预处理，能够提高后级的异常度计算部112进行的异常度计算处理等的处理结果的精度。异常度计算部112通过规定的算法来计算表示声音数据的异常状态的程度的异常度。异常度计算部112还能够基于计算出的异常度来进行声音数据是否接近故障声音的异常判定。异常度计算部112能够计算各异常原因的异常度。例如，在对象装置为冷却风扇的情况下，作为异常原因，能够列举风扇的扇叶碎裂、堵塞、皮带松动等多个异常原因。异常度计算部112还能够使用以深度学习(Deep Learning)为首的机器学习处理来执行处理。此外，获取到的声音数据的判定目的不只是探测故障时、不良发生时的异常声音，也可以是收集用于进行声音的分类、语音识别的学习用声音数据。
在声学解析部111中，频率变换处理和特征量提取处理可以根据被设为监视对象的装置的特性而使用一个以上的方法。例如，在对象装置为冷却风扇的情况下，能够列举在基于FFT(Fast Fourier Transform：快速傅立叶变换)的时间-频率变换之后应用基于LPC(Linear Predictive Coding：线性预测编码)和MFCC进行的特征量提取处理的方法等。上述LPC和MFCC作为对人的声音进行解析的解析方法而被熟知为是有用的方法，并且作为信息压缩、语音识别的预处理而被使用，但是在装置运行声音中的共振频率提取、频谱包络提取等中也可以说是有用的方法。或者，还能够使用不进行时间-频率变换而对运行声音直接应用希尔伯特变换(Hilbert Transform)来获得运行声音的振幅信号中的包络成分的特征量提取处理等。另外，在想要监视冷却风扇中周期性地产生的突发声音的情况下，能够应用如下方法。在该情况下，例如从冷却风扇的运行声音的振幅值等中提取突发声音的开始定时。而且，列举如下方法等：通过应用使用适合于突发声音的母小波进行的小波变换来实施时间-频率变换，实施针对各分析帧提取第3位为止的最大频率峰值的特征量提取处理。但是，所使用的频率变换处理或特征量提取处理不限定于这些。
在异常度计算部112中，在计算异常度的情况下，能够使用由声学解析部111计算出的时间-频率变换完成数据或特征量提取处理完成数据的全部或一部分来执行计算。此时，基于由声学解析部111计算出的多维的数据，将异常度表现为与对象装置的异常原因对应的一维的参数。另外，也可以使用与对象装置的多个异常原因对应的异常度来计算表示对象装置整体的异常度的参数。
在异常度计算部112中使用机器学习处理的情况下，机器学习处理可以使用一个以上的统计分类技术来进行。作为统计分类技术，例如能够列举线性分类器(linearclassifiers)、支持向量机(support vector machines)、二次分类器(quadraticclassifiers)、核密度估计(kernel estimation)、决策树(decision trees)、人工神经网络(artificial neural networks)、贝叶斯技术和/或网络(Bayesian techniques and/ornetworks)、隐马尔可夫模型(hidden Markov models)、二进制分类器(binaryclassifiers)、多类分类器(multi-class classifiers)、聚类(aclustering technique)、随机森林(a random forest technique)、逻辑回归(a logistic regressiontechnique)、线性回归(a linear regression technique)、梯度提升(a gradientboosting technique)等。但是，所使用的统计分类技术不限定于这些。
存储部12具有由RAM、ROM等形成的半导体存储器、由SSD(Solid State Drive：固态硬盘)、HDD(Hard Disk Drive：硬盘驱动器)等形成的储存设备等中的至少任一者的存储设备。存储部12包括声音数据存储部121、异常度存储部122、事件标签存储部123以及评价结果存储部124。声音数据存储部121保存由数据输入部11获取到的声音数据。异常度存储部122保存由异常度计算部112计算出的异常度的数据。事件标签存储部123保存由用户输入的表示装置故障、维修、检查等的实际状况的装置事件的事件标签。评价结果存储部124保存由评价部13得到的异常度解析及故障发生预测等异常预测的评价结果。
评价部13包括异常度转变匹配部131和故障发生预测部132。作为异常度解析处理，异常度转变匹配部131执行将与所获取到的声音数据有关的、当前的异常度转变与从故障实际发生起的前1周左右的过去的异常度转变进行比较的匹配处理，计算异常度转变的一致率(一致度)。作为故障发生预测处理，故障发生预测部132基于异常度转变匹配部131的处理结果，来预测对象装置在不久的将来发生故障的可能性，并作为异常预测结果进行输出。基于该异常预测结果，能够进行过去、当前、未来的异常判定、故障发生预测等。上述的异常度转变的一致率和故障发生预测的处理结果作为异常预测的评价结果而被存储到评价结果存储部124中。评价部13还能够使用以深度学习为首的机器学习处理来执行处理。在评价部13中使用机器学习处理的情况下，可以使用之前例示的一个以上的统计分类技术来进行机器学习处理。
显示处理部14具有用于连接监视器62的视频接口，包括异常度转变显示部141和异常预测结果显示部142，显示处理部14进行监视器显示用的图像处理。异常度转变显示部141生成通过曲线图显示等来表现所计算出的异常度的转变而得到的解析结果显示的显示画面。异常度转变显示部141基于异常度解析处理的结果，在异常度转变的一致率为规定值以上的情况下，显示表示一致率的文本、图标、图像等。异常预测结果显示部142基于故障发生预测处理的结果，在不久的将来存在故障发生的可能性的情况下，生成用于向用户通知故障可能性的预测结果显示的显示画面。用于通知故障可能性的消息通过文本、图标、图像等来进行显示。另外，异常度转变显示部141和异常预测结果显示部142基于故障发生预测处理的结果，在不久的将来存在故障发生的可能性的情况下，显示将来的预测结果的异常度转变。显示处理部14将上述的包含异常度转变和异常预测结果的显示画面输出到监视器62并在监视器62上进行显示。
用户操作输入部15具有用于连接键盘63的输入接口，包括装置事件输入部151和显示内容指示输入部152。装置事件输入部151受理通过用户操作而输入的表示装置故障、维修、检查等的实际状况的装置事件，将其作为事件标签输入到事件标签存储部123。显示内容指示输入部152受理通过用户操作而输入的显示内容指示，将用于变更显示区间的范围、显示项目、显示方式等显示内容等的指示信息输入到显示处理部14。
接着，示出在本实施方式的异常预测系统中在监视器62上显示的显示画面的几个例子。
图3是示出本实施方式所涉及的异常预测系统中的监视器显示画面的第1例的图。关于图示例的监视器显示画面，通过显示处理部14生成监视器显示用的图像数据，将监视器显示用的图像数据输出到监视器62并在监视器62上进行显示。
在监视器显示画面601中显示表示异常度转变的曲线图来作为评价部13的处理结果。在图示例中，针对每天被进行检查的对象装置，示出针对各检查日的异常度转变的曲线图。在曲线图显示中，数据处理装置10基于异常度解析处理的结果来显示由当前获取到的最近的观测数据形成的当前的异常度转变611，进行当前的观测数据与过去的观测数据的匹配来计算异常度转变的一致率。然后，数据处理装置10基于故障发生预测处理的结果，在异常度转变的一致率为规定值以上的情况下，将相应的过去的观测数据的异常度转变作为将来的预测的异常度转变613进行显示。该将来的预测的异常度转变613是所累积的大量过去的实际数据中的、一致度高至基于规定条件得到的判定基准以上的异常度转变，相当于针对当前的异常度转变611预测的在不久的将来的预测结果。关于将来的预测的异常度转变613，既可以示出过去的观测数据的一个样本，也可以示出类似的多个样本的代表值。另外，数据处理装置10显示将来的预测的异常度转变613，并且显示同与当前的异常度转变有关的过去数据的一致率612。异常度转变的一致率612不仅可以用○○％等文本进行显示，也可以使用图标、图像等进行显示。
在第1例中，将从当前时间点起回溯过去8天得到的观测数据的异常度作为当前的异常度转变611进行显示，使用一致度高的过去的异常度转变来将过去2天前至8天后的异常度作为将来的预测的异常度转变613进行显示。此外，关于显示异常度转变的显示期间，能够根据通过用户操作发出的显示内容指示来变更显示区间的范围。另外，还能够根据通过用户操作发出的显示内容指示来变更异常度转变、一致率等显示项目、曲线图的显示方式等各种显示内容。
将来的预测的异常度转变613用于向用户示出不久的将来的异常度的转变的倾向，用户能够通过曲线图显示直观地掌握异常度转变的方式。另外，还能够基于将来的预测的异常度转变613，来进行转变为故障状态的可能性的预测、故障发生的预测判定等。此外，关于将来的预测的异常度转变613，在存在多个一致度高的过去的异常度转变的情况下，可以使用各种显示方法，例如将多个异常度转变一起进行显示、根据规定的判定条件来选择最准确的异常度转变并进行显示、或者为了确保安全裕度而显示异常度更高的异常度转变等。另外，关于将来的预测的异常度转变613，也可以使用规定的算法或机器学习处理来显示针对当前的异常度转变611进行预测而得到的预测结果的异常度转变。
在图3的显示例中，将来的预测的异常度转变613的异常度逐渐变大，示出了在8天后发生了故障的情况的异常度转变。数据处理装置10基于故障发生预测处理的结果，根据将来的预测的异常度转变613判定发生故障的可能性，在如图示例那样在不久的将来发生故障的可能性为规定值以上从而存在故障可能性的情况下，显示用于通知存在故障可能性的消息614。存在故障可能性的消息614不仅可以是“○天后有可能发生故障”等包含发生预测日期时间的文本，还可以使用图标、图像等进行显示。另外，作为故障发生预测处理的结果，也可以使用规定的算法或机器学习处理来预测并计算故障的发生概率，并且显示“1周内发生故障的概率为○○％”等包含发生概率的消息。
图4是示出本实施方式所涉及的异常预测系统中的监视器显示画面的第2例的图。第2例是第1例的变形例，是变更了将来的预测的异常度转变的显示方式的例子。在此，主要说明与第1例不同的部分。
在第2例的监视器显示画面602中，与第1例同样地显示当前的异常度转变611、异常度转变的一致率612、将来的预测的异常度转变613、存在故障可能性的消息614。在第2例中，数据处理装置10在异常度转变的一致率为规定值以上的情况下，显示从当前时间点至8天后的异常度转变来作为将来的预测的异常度转变613。即，以使当前时间点的异常度的值在当前的异常度转变611和将来的预测的异常度转变613中一致的状态进行显示。此外，关于显示异常度转变的显示期间，能够根据通过用户操作发出的显示内容指示来变更显示区间的范围。另外，还能够根据通过用户操作发出的显示内容指示来变更异常度转变、一致率等显示项目、曲线图的显示方式等各种显示内容。通过这样的显示画面，用户能够确认从当前至不久的将来连续地推移的异常度的转变。
图5是示出本实施方式所涉及的异常预测系统中的监视器显示画面的第3例的图。第3例是示出第1例中异常度转变的一致率小于规定值的情况的例子。在此，主要说明与第1例不同的部分。
在第3例的监视器显示画面603中，与第1例同样地显示当前的异常度转变611。在第3例中，数据处理装置10基于异常度解析处理的结果，在异常度转变的一致率小于规定值从而不存在与过去的观测数据的异常度转变一致的异常度转变的情况下，不显示将来的预测的异常度转变613而将其设为非显示。此外，数据处理装置10基于故障发生预测处理的结果，在不久的将来发生故障的可能性小于规定值而故障可能性小的情况下，可以使将来的预测的异常度转变613为非显示，仅显示当前的异常度转变611。此时，数据处理装置10显示用于通知不存在故障可能性的消息615。不存在故障可能性的消息615不仅可以是“不存在发生故障的可能性”等文本，也可以使用图标、图像等进行显示。另外，作为故障发生预测处理的结果，也可以使用规定的算法或机器学习处理来预测并计算故障的发生概率，并显示包含发生概率的消息。此外，关于显示异常度转变的显示期间，能够根据通过用户操作发出的显示内容指示来变更显示区间的范围。另外，还能够根据通过用户操作发出的显示内容指示来变更异常度转变等显示项目、曲线图的显示方式等各种显示内容。
图6是示出本实施方式所涉及的异常预测系统中的监视器显示画面的第4例的图。第4例是显示各异常原因的将来的预测的异常度的例子。
在第4例的监视器显示画面607中，与第1例同样地显示当前的异常度转变611、异常度转变的一致率612、将来的预测的异常度转变613，还显示各异常原因的异常度比例616和存在故障可能性的消息617。在第4例中，数据处理装置10在评价部13中针对获取到的一个声音数据根据声音数据中包含的信息来按异常原因进行分类并计算异常度，执行过去、当前、未来的各异常原因的异常判定、故障发生预测。各异常原因的异常度能够通过声音数据的特性的推移来进行计算。例如，在对象装置为冷却风扇的情况下，作为异常原因，能够列举风扇的扇叶碎裂、堵塞、皮带松动等多个异常原因。
数据处理装置10利用显示处理部14基于异常度解析处理和故障发生预测处理的结果，用柱状图等显示各异常原因的异常度比例616。各异常原因的异常度比例616例如以“○○故障：xx％、××故障：yy％、△△故障：zz％”的方式包含相对于声音数据而言的各异常原因的比例显示。各异常原因的异常度比例616如图示例那样针对一个对象装置将各异常原因的结果汇总起来通过一个图表进行显示则可视性好，是优选的。另外，数据处理装置10基于故障发生预测处理的结果，在不久的将来由于为规定值以上而存在故障可能性的情况下，显示与相应的异常原因有关的存在故障可能性的消息617。由此，不是进行对象装置中的部件、构件、单元等构成单位的异常估计，而是能够实施由于何种原因产生故障可能性等按原因或现象发生的异常的估计。通过进行各异常原因的异常估计并显示于显示画面，用户能够进行与异常原因相应的适当的处置，如能够根据原因而仅通过维护进行应对、需要修理或更换等。
图7是示出本实施方式所涉及的异常预测系统中的监视器显示画面的第5例的图。第5例是第4例的变形例，是变更了存在故障可能性的消息的显示方式的例子。在此，主要说明与第1例不同的部分。
在第5例的监视器显示画面608中，与第4例同样地显示当前的异常度转变611、异常度转变的一致率612、将来的预测的异常度转变613、各异常原因的异常度比例616、存在故障可能性的消息618。在第5例中，数据处理装置10基于计算出的各异常原因的异常度比例，按各异常原因显示发生故障的可能性的比例来作为存在故障可能性的消息618。存在故障可能性的消息618例如以“○○故障：xx％、××故障：yy％、△△故障：zz％”的方式包含相对于声音数据而言的由于各异常原因发生故障的可能性的比例显示。通过这样的显示画面，用户能够确认各异常原因的异常度的比例以及各异常原因的故障发生的可能性。
接着，示出本实施方式的异常预测系统中的与异常预测方法有关的处理过程的一例。
图8是示出本实施方式所涉及的事件输入处理的过程的一例的流程图。在异常预测系统中，用户在进行对象装置的检查或维修时等，输入表示装置故障、维修、检查等的实际状况的装置事件，记录过去发生过的事件的历史记录。数据处理装置10在用户操作输入部15中执行与用户的装置事件输入对应的事件输入处理。
数据处理装置10在用户操作输入部15的装置事件输入部151中受理通过用户操作而从键盘63等输入的表示装置故障、维修、检查等的实际状况的装置事件(S11)。在装置事件中包含对象装置的装置名或型号、由序列号等形成的装置识别信息、日期或时间等时间信息、所发生的事件名称等事件类型信息等。然后，数据处理装置10将装置事件的信息作为事件标签保存并登记到存储部12的事件标签存储部123中(S12)。表示装置事件的事件标签的信息能够在评价部13的故障发生预测处理中被利用于基于异常度转变进行的故障可能性的有无判定等。例如，通过将过去的检查结果、维修实际状况等使用于故障发生预测的参数，能够提高预测精度。
图9是示出本实施方式所涉及的异常度计算处理的过程的一例的流程图。数据处理装置10在数据输入部11中执行与从麦克风61输入的对象装置的声音数据有关的异常度计算处理。
数据处理装置10在数据输入部11的声学解析部111中获取由麦克风61收集到的冷却风扇50的声音数据(或振动数据)(S21)，实施频率变换处理等预处理并对声音数据的信号进行解析(S22)。由此，获取声音数据的频率特性等特征要素。此时，数据处理装置10将获取到的声音数据保存到存储部12的声音数据存储部121中。然后，在数据输入部11的异常度计算部112中计算所获取到的声音数据的异常度(S23)。
在此，示出异常度计算方法的一例。能够使用作为声学解析结果的声音数据的频率特性基于对象的当前的测定数据与过去的测定结果的在各频率的距离的总和来计算异常度A，例如通过各频率的声压的超过最大值或最小值的量的总和来求出异常度A。即，通过各频率的声压超过最大值或最小值的情况下的、其测定值与最大值或最小值的距离的总和来计算异常度A。当将异常度A用数式表示时，如下面的式(1)。
A＝∑(1/n)di…(1)
其中，Σ为在i＝0～n-1、声学频带的0Hz到24kHz中的1024步长(n＝1024)的范围内将(1/n)di相加，
在将某频率的声压值设为xi时，在Smax＜xi的情况下di＝|Smax-xi|，在Smin＞xi的情况下di＝|Smin-xi|，在Smin≤xi≤Smax的情况下di＝0。
使用式(1)，在0Hz到24kHz中的任一频率时声压值xi超过最大值或最小值的情况下，计算声压值xi与最大值或最小值的距离di，对于0Hz到24kHz的全部频率将距离di相加求出总和，由此计算异常度A。此外，异常度A也可以根据处理对象的频率特性、周围环境、声音收集条件等而使用规定的系数进行计算，如根据频率进行规定的加权等。
接着，数据处理装置10将由异常度计算部112计算出的异常度的数据保存到存储部12的异常度存储部122中，来更新最近的异常度的值(S24)。另外，数据处理装置10在显示处理部14的异常度转变显示部141中生成使用更新后的最近的异常度得到的异常度转变的图像，来更新监视器显示画面的异常度转变的曲线图(S25)。由此，在显示于监视器62的监视器显示画面中，表示当前的异常度转变的曲线图显示被更新。
图10是示出本实施方式所涉及的异常评价处理的过程的一例的流程图。数据处理装置10在评价部13中基于对象装置的观测数据的异常度推移来执行异常评价处理。
数据处理装置10在评价部13的异常度转变匹配部131中参照异常度存储部122中保存的最近的异常度转变数据702和过去的故障时的异常度转变数据701，进行过去的故障时的异常度转变与最近的异常度转变的匹配处理(S31)。然后，在评价部13的故障发生预测部132中，基于根据匹配处理的结果而一致度高的过去的故障时的异常度转变，来判定是否存在对象装置在不久的将来发生故障的可能性，并作为异常预测结果进行输出(S32)。作为一致率的计算方法，采用以下等方法即可：例如针对各样本(例如各检查日的异常度值)将过去的异常度转变与最近的异常度转变进行比较，计算差为规定值以下从而异常度转变一致的样本数的比例，并用百分比表示该比例。另外，也可以使用寇恩(Cohen)的一致系数等规定的系数或评价式来计算一致率。
在此，在不久的将来的故障发生的可能性低的情况下，在显示处理部14的异常度转变显示部141和异常预测结果显示部142中生成进行正常判定的显示的监视器显示画面，并在监视器62上进行显示(S33)。在该情况下，例如显示图5所示的第3例的监视器显示画面。另外，在存在不久的将来的故障发生的可能性的情况下，在显示处理部14的异常度转变显示部141和异常预测结果显示部142中生成显示将来存在可能性的异常度转变的监视器显示画面，并在监视器62上进行显示(S34)。在该情况下，例如显示图3所示的第1例或图4所示的第2例的监视器显示画面。由此，在显示于监视器62的监视器显示画面中，显示表示当前的异常度转变的曲线图显示和表示故障发生可能性等异常预测结果的消息显示。
另外，数据处理装置10将包含由故障发生预测部132得到的故障发生可能性等异常预测结果的异常预测数据保存到存储部12的评价结果存储部124中，来更新异常预测结果(故障发生预测)(S35)。
图11是示出实施方式1所涉及的异常预测系统的动作的序列图。在图11中，示出实施方式1的异常预测系统中的数据处理装置10以及作为用户接口的麦克风61、监视器62中的处理流程。
由麦克风61收集并获取作为对象装置的冷却风扇50的声音数据(或振动数据)(S41)，数据处理装置10被输入所获取到的声音数据并存储到声音数据存储部121中，来更新声音数据(S51)。然后，数据处理装置10对声音数据的信号进行解析(S52)，计算异常度(S53)。接着，数据处理装置10用计算出的异常度来更新最近的异常度的值(S54)，在监视器62上进行异常度转变的曲线图的显示输出(S42)，将计算出的异常度的数据存储到异常度存储部122中，来更新异常度数据(S55)。由此，在监视器62中显示直到当前为止的异常度转变的曲线图显示等。
接着，数据处理装置10进行过去的故障时的异常度转变与最近的异常度转变的匹配处理(S56)，基于匹配处理的结果来判定对象装置中是否存在不久的将来可能发生的异常、故障可能性(S57)。另外，数据处理装置10更新向监视器62输出的异常度转变的预测曲线图，并输出表示是否存在故障可能性的消息显示(S43)。由此，在监视器62的显示画面中，异常度转变的预测曲线图的曲线图显示被更新，显示表示是否存在故障可能性的消息显示。然后，数据处理装置10将包含故障发生可能性等异常预测结果的异常预测数据存储到评价结果存储部124中，来更新异常预测数据(S58)。
如上所述，在本实施方式中，获取对象装置的声音数据或振动数据的处理对象数据并计算异常度，保存并累积异常度数据。而且，针对当前的处理对象数据的最近的异常度推移，进行与过去的异常度推移的匹配处理，来提取一致率为规定值以上的一致度高的异常度推移，通过一致度高的异常度推移来判定在不久的将来是否存在故障可能性。另外，作为处理结果，显示最近的异常度推移，在存在一致度高的异常度推移的情况下，将该一致度高的异常度推移作为将来的预测的异常度推移进行显示，来显示表示故障可能性的预测结果。由此，用户不需要与对象装置和传感器、以及测定结果有关的专业知识和技术，而能够通过目视确认来容易地掌握现状的异常度推移和将来的预测的异常度推移，能够容易地实施异常状态的判定和预测。另外，由于能够向用户提供不久的将来的异常度推移的预测结果和故障可能性的预测结果，因此用户能够确认异常度的动向，能够在对象装置发生故障之前容易地掌握故障的预兆。因此，能够对对象装置实施高度的维护。
(实施方式2)
图12是示出实施方式2所涉及的异常预测系统的概要结构的一例的图。实施方式2的异常预测系统是将数据处理装置的处理分散在身边的终端装置20和网络上的云计算机30中来执行的结构例。
终端装置20是由具有处理器和存储器的信息处理装置构成的本地计算机，与作为用户接口的麦克风61、监视器62、键盘63连接。终端装置20能够使用台式PC或笔记本式PC(Personal Computer：个人计算机)、平板终端、智能手机等各种信息处理装置。云计算机30经由有线或无线的网络或者通信线路等通信路径80来与终端装置20连接，由包括设置于网络上的服务器装置的远距离的信息处理装置(远程计算机)构成。异常预测系统整体的功能与图1所示的实施方式1相同，在此以与实施方式1不同的部分为中心进行说明。
图13是示出实施方式2所涉及的异常预测系统的功能性结构的一例的框图，示出图12所示的终端装置20和云计算机30的服务器装置40中的功能性结构。终端装置20、服务器装置40的各功能通过由包括CPU、DSP等处理器以及RAM、ROM等存储器的计算机按照规定的程序执行处理来实现。
终端装置20由具有处理器和存储器的信息处理装置构成，包括数据输入部21、显示处理部24、用户操作输入部25以及通信部26。数据输入部21具有与实施方式1的声学解析部111同样的声学解析部211。此外，也可以是，在服务器装置40中具有声学解析部211的功能。显示处理部24具有与实施方式1的异常度转变显示部141和异常预测结果显示部142同样的异常度转变显示部241和异常预测结果显示部242。用户操作输入部25具有与实施方式1的装置事件输入部151和显示内容指示输入部152同样的装置事件输入部251和显示内容指示输入部252。通信部26具有有线或无线的通信接口，经由通信路径80来与服务器装置40进行通信。
服务器装置40由具有处理器和存储器的信息处理装置构成，包括异常度计算部412、存储部42、评价部43、用户操作输入部45以及通信部46。异常度计算部412具有与实施方式1的异常度计算部112同样的功能。存储部42具有与实施方式1的声音数据存储部121、异常度存储部122、事件标签存储部123以及评价结果存储部124同样的声音数据存储部421、异常度存储部422、事件标签存储部423以及评价结果存储部424。评价部43具有与实施方式1的异常度转变匹配部131和故障发生预测部132同样的异常度转变匹配部431和故障发生预测部432。用户操作输入部45具有与实施方式1的装置事件输入部151同样的装置事件输入部451，在服务器装置40中也能够进行装置事件的输入处理。通信部46经由通信路径80来与终端装置20进行通信，与终端装置20之间发送接收声音数据、解析处理后的声音数据、异常度数据、事件标签、异常预测的评价结果数据等。
在实施方式2中，在终端装置20中进行对象装置的声音数据的获取、异常度转变及故障发生预测等的处理结果的显示，在服务器装置40中执行异常度的计算、故障发生预测等处理负荷比较大的处理。
图14是示出实施方式2所涉及的异常预测系统的动作的序列图。在图14中，示出实施方式2的异常预测系统中的终端装置20、服务器装置40、以及作为用户接口的麦克风61、监视器62、键盘63中的处理流程。
由麦克风61收集并获取作为对象装置的冷却风扇50的声音数据(或振动数据)(S61)，终端装置20被输入所获取到的声音数据并对声音数据的信号进行解析(S71)。然后，终端装置20将解析处理后的声音数据发送到服务器装置40。服务器装置40被输入从终端装置20接收到的声音数据并存储到声音数据存储部421中，来更新声音数据(S81)，针对声音数据进行异常度的计算(S82)。接着，服务器装置40用计算出的异常度更新最近的异常度的值(S83)，将计算出的异常度的数据存储到异常度存储部422中，来更新异常度数据(S84)。另外，服务器装置40对终端装置20发送所计算出的与异常度转变有关的数据。
终端装置20接收来自服务器装置40的与异常度转变有关的处理结果，并暂时保存到由存储器或储存设备形成的存储部中(S72)。然后，终端装置20在监视器62中进行异常度转变的曲线图的显示输出(S62)。由此，在监视器62中显示直到当前为止的异常度转变的曲线图显示等。
接着，服务器装置40进行过去的故障时的异常度转变与最近的异常度转变的匹配处理(S85)，基于匹配处理的结果来判定对象装置中是否存在不久的将来可能发生的异常、故障可能性(S86)。另外，服务器装置40对终端装置20发送与故障发生预测有关的数据。然后，服务器装置40将包含故障发生可能性等异常预测结果的异常预测数据存储到评价结果存储部124中，来更新异常预测数据(S87)。
终端装置20接收来自服务器装置40的与故障发生预测有关的处理结果，并暂时保存到存储部中(S73)。然后，服务器装置20更新向监视器62输出的异常度转变的预测曲线图，并输出表示是否存在故障可能性的消息显示(S63)。由此，在监视器62的显示画面中，异常度转变的预测曲线图的曲线图显示被更新，显示表示是否存在故障可能性的消息显示。
另外，终端装置20接受来自键盘63的显示内容的变更指示(S64)，基于存储部中暂时保存的处理结果的数据，按照变更指示生成监视器显示画面，变更显示内容(S74)。作为显示内容，能够变更异常度转变的显示区间的范围、曲线图的显示方式、对象装置的识别信息、测定条件等各种信息的显示项目等各种显示信息。然后，终端装置20向监视器62输出显示内容变更后的显示画面，进行异常度转变的曲线图等的重新显示(S65)。由此，在监视器62中显示与用户操作相应的显示内容的处理结果的监视器显示画面。
根据本实施方式，用户不需要专业知识和技术，而能够通过目视确认来容易地掌握现状的异常度推移和将来的预测的异常度推移，能够容易地实施异常状态的判定和预测。另外，用户容易地确认不久的将来的异常度推移的预测结果和故障可能性的预测结果，能够在对象装置发生故障之前掌握故障的预兆。
在本实施方式中，构成为将与异常预测有关的处理分散在经由网络或通信线路等连接的多个信息处理装置中来执行。特别是，对于异常度的计算处理、异常度推移的匹配处理、故障发生的预测处理，通过使用具有高处理能力的服务器装置等信息处理装置来执行，来容易地应对复杂的算法运算、高速处理等。此外，关于与异常预测有关的各处理，可以在经由通信路径而与具有数据输入部的本地的终端装置连接的远程的服务器装置等多个信息处理装置中按各处理适当地分配执行。例如，能够根据系统结构、使用环境、数据处理的算法、数据量、数据特性、输出方式等各种条件，来在适当的信息处理装置中执行本实施方式所涉及的各处理。像这样，通过根据异常预测系统的系统结构来分散地执行处理，能够高效且高速地获得异常度解析及故障发生预测等异常预测的评价结果。
(实施方式3)
图15是示出实施方式3所涉及的异常预测系统的概要结构的一例的图。实施方式3的异常预测系统是实施方式2的变形例，是将具有麦克风(声音收集部的一例)、监视器(显示部的一例)以及摄像机(摄像部的一例)的智能手机等便携式通信终端20A用作终端装置的结构例。便携式通信终端20A连接于移动网络、无线LAN等无线通信形成的网络，经由有线或无线的网络或者通信线路等通信路径80来与包括服务器装置的云计算机30连接。便携式通信终端20A具有与实施方式2的终端装置20同样的功能。在此，对与实施方式2不同的部分进行说明。
在作为对象装置的计算机的冷却风扇50中设置有包含对象装置的识别信息的识别标记55。识别标记55可以设置于对象装置的周围等附近，在能够规定与对象装置之间的测定距离、测定位置的范围内适当地配置识别标记55即可。识别标记55能够使用QR码(注册商标)等二维码、条形码、色码等形成为规定大小的各种码或图像。便携式通信终端20A利用本装置的摄像机拍摄识别标记55，由此获取对象装置的识别信息，并且能够通过拍摄到的识别标记55的大小来确保从本装置的麦克风到对象装置的规定的测定距离。
图16是示出实施方式3所涉及的异常预测系统中的终端装置的显示画面的一例的图。在收集并获取冷却风扇50的声音数据时，用户利用便携式通信终端20A的摄像机拍摄识别标记55。便携式通信终端20A在显示器62A显示的显示画面604中显示识别标记的摄像图像显示部605和包含异常度转变的处理结果显示部606。在摄像图像显示部605显示作为表示识别标记的大小的上限和下限的引导显示的引导框621、622，并显示拍摄到的识别标记图像623。通过用户以识别标记图像623的外形被收进外侧的引导框621与内侧的引导框622之间的方式保持便携式通信终端20A，能够确保对象装置(冷却风扇50)的测定位置、测定距离。由此，在持续地获取异常度转变来执行故障判定时，能够获取始终以适当的相同的测定位置、测定距离进行测定所得到的声音数据。在识别标记图像623被收进引导框621、622的范围内的情况下，便携式通信终端20A被输入由麦克风收集到的冷却风扇50的声音数据并执行之后的处理。
便携式通信终端20A在摄像图像显示部605中识别标记图像623处于引导框621、622之间的状态下通过本装置的麦克风收集冷却风扇50的声音，来获取声音数据。此时，在用户开启了录音按钮的状态下，在识别标记图像623处于引导框621、622的范围内的情况下，便携式通信终端20A开始通过麦克风收集声音。或者，也可以是，在识别标记图像623处于引导框621、622的范围内的情况下，将录音按钮设为有效，之后用户操作录音按钮，由此开始收集声音。之后的处理与实施方式2相同。
根据本实施方式，用户不需要专业知识和技术，而能够通过目视确认来容易地掌握现状的异常度推移和将来的预测的异常度推移，能够容易地实施异常状态的判定和预测。另外，用户容易地确认不久的将来的异常度推移的预测结果和故障可能性的预测结果，能够在对象装置发生故障之前掌握故障的预兆。
通过如本实施方式那样使用便携式通信终端进行基于摄像机摄像图像对测定位置和测定距离的设定、声音数据的获取以及处理结果的显示，能够简单地实施异常度推移的掌握、异常状态的判定、故障可能性的预测等。另外，通过对执行与异常预测有关的处理的服务器装置连接具有对应的应用程序软件的便携式通信终端，能够构成系统，因此能够在各种环境中容易地实现异常预测系统。
(实施方式4)
图17是示出实施方式4所涉及的异常预测系统的功能性结构的一例的框图。实施方式4的异常预测系统是除了具有实施方式1的结构以外还具有声音数据的再现功能和声音数据的可视化功能的结构例。在此，以与实施方式1不同的部分为中心进行说明，省略关于同样的结构和功能的说明。
数据处理装置10B由具有处理器和存储器的信息处理装置构成，包括数据输入部11、存储部12、评价部13、输出处理部14B、用户操作输入部15B以及数据可视化部17。
数据可视化部17包括谱图解析部171和振幅值计算部172，执行声音数据的谱图的生成处理、声音数据的随着时间经过的振幅值的计算处理等生成声音物理量的可视化数据的可视化处理。谱图解析部171参照与被指定的检查信息相关联的声音数据，通过谱图解析处理计算声音数据的频谱，生成将各频率成分的时间变化的特性图像化所得到的谱图。检查信息包含与获取到的声音数据有关的获取时的日期、时间、对象装置或部位等各种检查属性。谱图解析部171在谱图的生成处理中对声音数据进行傅立叶变换、小波变换等来计算时间-频率特性。此外，在生成谱图时，也可以施加通过规定频带的代表值进行压缩的处理。数据可视化部17将由所生成的谱图形成的可视化数据输出到可视化数据显示部143。
振幅值计算部172参照与被指定的检查信息相关联的声音数据，计算各规定时间的声音数据的振幅值来生成表示音量的时间转变的时间转变曲线图。数据可视化部17将由所生成的音量的时间转变曲线图形成的可视化数据输出到可视化数据显示部143。此外，数据可视化部17不限于生成谱图、音量的时间转变，也可以生成其它声音物理量的可视化数据。
输出处理部14B具有用于连接监视器62的视频接口以及用于连接扬声器64的音频接口，包括异常度转变显示部141、异常预测结果显示部142、可视化数据显示部143以及声音再现部144。输出处理部14B执行监视器显示用的图像处理以及声音数据的再现处理。可视化数据显示部143基于由数据可视化部17对声音数据进行的可视化处理，生成用于显示声音的谱图、音量的时间转变曲线图等可视化数据的显示画面。声音再现部144对声音数据进行解码、信号放大等，将再现用的声音信号输出到扬声器64。
用户操作输入部15B具有用于连接键盘63、未图示的鼠标等指示设备的输入接口，包括装置事件输入部151、显示内容指示输入部152、可视化数据显示操作部153以及声音再现操作部154。可视化数据显示操作部153受理通过用户操作而输入的针对作为可视化对象的声音数据的选择指示，向数据可视化部17和存储部12输入用于指定作为可视化对象的声音数据的可视化对象声音的检查信息。另外，可视化数据显示操作部153向输出处理部14B输入包含可视化数据的显示方式等的可视化显示信息。声音再现操作部154受理通过用户操作而输入的针对作为再现对象的声音数据的选择指示，向输出处理部14B和存储部12输入用于指定作为再现对象的声音数据的再现对象声音的检查信息。
接着，示出在实施方式4的异常预测系统中在监视器62上显示的显示画面的几个例子。
图18是示出实施方式4所涉及的异常预测系统中的监视器显示画面的第1例的图。关于图示例的监视器显示画面，通过输出处理部14B生成监视器显示用的图像数据，将监视器显示用的图像数据输出到监视器62并在监视器62上进行显示。
实施方式4的第1例是将声音数据进行再现输出的情况下的监视器显示画面的一例。在监视器显示画面631中，与实施方式1同样地显示当前的异常度转变611、异常度转变的一致率612、将来的预测的异常度转变613、存在故障可能性的消息614。另外，在监视器显示画面631中，还显示用于指定作为进行声音再现的对象的声音数据的光标641。在实施方式4的第1例中，数据处理装置10B根据用光标641指示监视器显示画面的异常度转变611、613上的表示各声音数据的点中的规定的声音数据并进行点击操作等用户操作而受理针对作为再现对象的声音数据的选择指示。数据处理装置10B输入被指示选择的再现对象声音的检查信息，再现输出与被指定的检查信息相关联的声音数据，将声音信号从扬声器64输出来进行再现。关于再现的声音数据，能够再现过去、当前、将来的预测的各个声音数据，如存储有过去的观测数据的声音数据(测量数据)、通过基于过去的观测数据得到的将来的异常度转变的预测结果而被预测为故障可能性高(异常度高)的声音数据(推测数据)等。
另外，数据处理装置10B根据用光标641指示监视器显示画面的异常度转变611、613上的多个声音数据并进行点击操作等用户操作而受理针对多个作为再现对象的声音数据的选择指示。在该情况下，数据处理装置10B生成将被选择的多个声音数据的再现数据进行一览显示的再现语音列表642，在监视器显示画面631中显示再现语音列表642和用于输入再现指示的再现按钮643。在图示例中，示出将3月4日的测量数据、3月8日的测量数据以及3月16日的推测数据选择为再现数据的情况。当用户确认再现语音列表642的声音数据并通过对再现按钮643的点击操作等进行再现指示操作时，数据处理装置10B连续地再现被选择的再现语音列表642的多个声音数据。在图示例的情况下，连续地再现出3月4日的测量数据、3月8日的测量数据以及3月16日的推测数据。例如，在随着时间经过而异常度上升的情况下，通过选择多个声音数据并连续地再现该多个声音数据，用户能够确认与异常度对应的声音的变化。由此，能够向用户反馈声音数据的异常度与再现声音的关联性。
图19是示出实施方式4所涉及的异常预测系统中的监视器显示画面的第2例的图。实施方式4的第2例是将声音数据通过谱图进行可视化显示的情况下的监视器显示画面的一例。
在监视器显示画面632中，与实施方式1同样地显示当前的异常度转变和将来的预测的异常度转变，还显示用于指定作为被进行可视化显示的对象的声音数据的光标641。在实施方式4的第2例中，数据处理装置10B根据用光标641指示监视器显示画面的异常度转变上的表示各声音数据的点中的规定的声音数据并进行点击操作等用户操作而受理针对作为可视化对象的声音数据的选择指示。数据处理装置10B输入被指示选择的可视化对象声音的检查信息，生成与被指定的检查信息相关联的声音数据的可视化数据，将谱图的可视化数据651显示于监视器显示画面632。在图示例中，作为可视化数据，示出与3月8日的声音数据对应的谱图，横轴表示时间，纵轴表示频率。通过谱图能够掌握异常时的频率特性的峰值的变化、峰值的增加或减少等。关于被进行可视化显示的声音数据，能够显示过去、当前、将来的预测的各个声音数据的可视化信息，如存储有过去的观测数据的声音数据(测量数据)、通过基于过去的观测数据得到的将来的异常度转变的预测结果而被预测为故障可能性高(异常度高)的声音数据(推测数据)等。
图20是示出在图19的监视器显示画面中显示多个可视化数据的情况的图。在图20中，示出了将多个谱图并列显示的例子。
数据处理装置10B根据用光标641指示监视器显示画面632的异常度转变上的多个声音数据并进行点击操作等用户操作而受理针对多个作为可视化对象的声音数据的选择指示。在该情况下，数据处理装置10B生成将被选择的多个声音数据的显示数据进行一览显示的显示语音列表652，在监视器显示画面632中显示出显示语音列表652和用于输入显示指示的显示按钮653。在图示例中，示出将3月4日的测量数据、3月8日的测量数据以及3月16日的推测数据选择为显示数据的情况。当用户确认显示语音列表652的声音数据并通过对显示按钮653的点击操作等进行可视化指示操作时，数据处理装置10B生成被选择的显示语音列表652的多个声音数据的可视化数据。而且，数据处理装置10B将连结多个谱图而得到的可视化数据654显示于监视器显示画面632。在图示例的情况下，将3月4日的测量数据、3月8日的测量数据以及3月16日的推测数据的各谱图并列显示。例如，在随着时间经过而异常度上升的情况下，通过选择多个声音数据并进行可视化显示，用户能够通过可视化数据容易地确认与异常度对应的频率特性的变化。由此，能够向用户反馈声音数据的异常度与声音特性的关联性。
图21是示出实施方式4所涉及的异常预测系统中的监视器显示画面的第3例的图。实施方式4的第3例是将声音数据通过音量的时间转变曲线图进行可视化显示的情况下的监视器显示画面的一例。
在监视器显示画面633中，与实施方式1同样地显示当前的异常度转变和将来的预测的异常度转变，还显示用于指定作为被进行可视化显示的对象的声音数据的光标641。在实施方式4的第3例中，数据处理装置10B根据用光标641指示异常度转变上的规定的声音数据等用户操作而受理针对作为可视化对象的声音数据的选择指示。数据处理装置10B输入被指示选择的可视化对象声音的检查信息，生成与被指定的检查信息相关联的声音数据的可视化数据，将音量的时间转变曲线图的可视化数据655显示于监视器显示画面633。在图示例中，作为可视化数据，示出了表示与3月8日的声音数据对应的音量的时间转变的时间转变曲线图，横轴表示时间，纵轴表示音量的声压等级。通过音量的时间转变曲线图，能够掌握异常时的音量的等级变化、音量的增加等。与谱图同样地，对于音量的时间转变，也能够显示过去的测量数据、基于将来的预测结果的推测数据等过去、当前、将来的预测的各个声音数据的可视化信息。
图22是示出在图21的监视器显示画面中显示多个可视化数据的情况的一例的图。在图22中，示出了将多个音量的时间转变曲线图并列显示的一个例子。
数据处理装置10B根据用光标641指示监视器显示画面633的异常度转变上的多个声音数据并进行点击操作等用户操作而受理针对多个作为可视化对象的声音数据的选择指示。在该情况下，数据处理装置10B与图20所示的谱图的例子同样地在监视器显示画面633中显示出显示语音列表652和显示按钮653。当用户确认显示语音列表652的声音数据并通过对显示按钮653的点击操作等进行可视化指示操作时，数据处理装置10B生成被选择的显示语音列表652的多个声音数据的可视化数据。而且，数据处理装置10B使将多个音量的时间转变曲线图在横向上连结而得到的可视化数据656显示于监视器显示画面633。在图示例的情况下，3月4日的测量数据、3月8日的测量数据以及3月16日的推测数据各自的音量的时间转变曲线图被以将纵轴的音量共通化的状态并列显示。由此，能够比较音量的等级变化、时间转变。像这样，通过将多个音量的时间转变曲线图并列显示，用户能够通过可视化数据容易地确认随着异常度的变化而产生的音量的时间转变。
图23是示出在图21的监视器显示画面中显示多个可视化数据的情况的其它例的图。在图23中，示出了将多个音量的时间转变曲线图并列显示的其它例子。在此，对与图22不同的部分进行说明。
数据处理装置10B当受理通过对显示按钮653的点击操作等进行的可视化指示操作时，生成被选择的显示语音列表652的声音数据的多个可视化数据。而且，数据处理装置10B使将多个音量的时间转变曲线图在纵向上连结而得到的可视化数据657显示于监视器显示画面633。在图示例的情况下，3月4日的测量数据、3月8日的测量数据以及3月16日的推测数据各自的音量的时间转变曲线图被以将横轴的时间共通化的状态并列显示。由此，能够比较音量的时间单位的变化。像这样，通过将多个音量的时间转变曲线图并列显示，用户能够通过可视化数据容易地确认各日期的音量的时间转变。
接着，示出实施方式4的异常预测系统中的与声音数据的再现及可视化有关的处理过程的一例。
图24是示出实施方式4所涉及的声音数据再现处理的过程的一例的流程图。数据处理装置10B在用户操作输入部15B的声音再现操作部154中接受通过用户操作而从键盘63等输入的针对作为再现对象的声音数据的选择指示，受理与用户选择的一个或多个声音数据对应的检查信息(S111)。然后，数据处理装置10B在输出处理部14B的声音再现部144中从声音数据存储部121获取与被指定的检查信息相关联的声音数据(S112)。接着，数据处理装置10B在输出处理部14B的声音再现部144中对所获取到的声音数据进行再现处理后输出到扬声器64进行再现(S113)。由此，用户选择的规定的声音数据被进行再现，用户能够收听期望的声音数据来进行确认。
图25是示出实施方式4所涉及的声音数据可视化处理的过程的一例的流程图。数据处理装置10B在用户操作输入部15B的声音再现操作部154中接受通过用户操作而从键盘63等输入的针对作为可视化显示对象的声音数据的选择指示，受理与用户选择的一个或多个声音数据对应的检查信息(S121)。然后，数据处理装置10B在数据可视化部17中从声音数据存储部121获取与被指定的检查信息相关联的声音数据(S122)。接着，数据处理装置10B在数据可视化部17中执行声音数据的可视化处理，生成被选择的声音数据的谱图、音量的时间转变曲线图等可视化数据(S123)。然后，数据处理装置10B在输出处理部14B的可视化数据显示部143中生成用于显示可视化处理结果的可视化数据的显示画面，将该显示画面输出到监视器62并进行显示(S124)。由此，显示用户所选择的规定的声音数据的可视化信息，用户能够在视觉上确认期望的声音数据的特征。
图26是示出实施方式4所涉及的异常预测系统的动作的序列图。在图26中，示出了实施方式4的异常预测系统中的数据处理装置10B、以及作为用户接口的监视器62、键盘63、扬声器64中的处理流程。
在进行声音数据的再现处理的情况下，基于来自键盘63等的用户操作，输入与用户所选择的检查信息相关联的声音的再现指示(S131)。数据处理装置10B在用户操作输入部15B中输入被选择的检查信息。然后，数据处理装置10B参照存储于存储部12的声音数据中的与被选择的检查信息相关联的声音数据，由输出处理部14B进行声音数据的再现处理并输出(S141)。由此，从扬声器64再现输出与被选择的检查信息相关联的声音(S132)。
在进行声音数据的可视化处理的情况下，基于来自键盘63等的用户操作，输入与用户所选择的检查信息相关联的声音的可视化指示(S136)。数据处理装置10B在用户操作输入部15B中输入被选择的检查信息，参照存储于存储部12的声音数据中的与被选择的检查信息相关联的声音数据(S146)。然后，数据处理装置10B通过数据可视化部17对声音数据实施可视化处理，通过输出处理部14B输出可视化数据(S147)。由此，在监视器62中通过谱图、音量的时间转变曲线图等来显示输出与被选择的检查信息相关联的声音的可视化数据(S137)。
如上所述，在本实施方式中，使用异常度转变的预测结果和故障可能性的预测结果来对由用户选择的声音数据进行再现或可视化显示。由此，用户能够将在对象装置中获取到的声音数据以及与该声音数据有关的预测结果的异常度或故障可能性相关联地进行识别。例如，通过指定期望的声音数据进行再现，能够容易地确认异常度与再现声音的关联性。另外，通过指定期望的声音数据并使声音的物理量可视化，能够容易地确认异常度与声音特性的关联性。
(实施方式5)
图27是示出实施方式5所涉及的异常预测系统的功能性结构的一例的框图。实施方式5的异常预测系统是除了具有实施方式2的结构以外还与实施方式4同样地具有声音数据的再现功能和声音数据的可视化功能的结构例。在此，以与实施方式2及实施方式4不同的部分为中心进行说明，省略关于同样的结构和功能的说明。
终端装置20C由具有处理器和存储器的信息处理装置构成，包括数据输入部21、输出处理部24C、用户操作输入部25C以及通信部26。输出处理部24C具有与实施方式4的输出处理部14B同样的异常度转变显示部241、异常预测结果显示部242、可视化数据显示部243以及声音再现部244。用户操作输入部25C具有与实施方式4的用户操作输入部15B同样的装置事件输入部251、显示内容指示输入部252、可视化数据显示操作部253以及声音再现操作部254。通信部26具有有线或无线的通信接口，经由通信路径80来与云计算机30C的服务器装置40C进行通信。
服务器装置40C由具有处理器和存储器的信息处理装置构成，包括异常度计算部412、存储部42、评价部43、用户操作输入部45、通信部46以及数据可视化部47。数据可视化部47具有与实施方式4的数据可视化部17同样的谱图解析部471和振幅值计算部472。通信部46经由通信路径80来与终端装置20C进行通信，与终端装置20C之间发送接收声音数据、解析处理后的声音数据、异常度数据、事件标签、异常预测的评价结果数据、可视化数据等。
在实施方式5中，在终端装置20C中进行对象装置的声音数据的获取、异常度转变及故障发生预测等的处理结果的显示、声音数据的再现输出、声音的可视化数据的显示。另外，在服务器装置40C中执行异常度的计算、故障发生预测、可视化数据的生成等处理负荷比较大的处理。此外，服务器装置40C能够由一个或多个服务器(信息处理装置)构成。例如，也可以由包括存储各种数据的存储服务器和执行各种处理的处理服务器的多个服务器构成。另外，也可以将服务器装置40C中的一部分的功能设置于其它服务器。
图28是示出实施方式5所涉及的异常预测系统的动作的序列图。在图28中，示出实施方式5的异常预测系统中的、终端装置20C、服务器装置40C以及作为用户接口的监视器62、键盘63、扬声器64中的处理流程。
在进行声音数据的再现处理的情况下，基于来自键盘63等的用户操作，输入与用户所选择的检查信息相关联的声音的再现指示(S151)。终端装置20C在用户操作输入部25C中受理并暂时保管被选择的检查信息，并将检查信息从通信部26发送到服务器装置40C(S161)。服务器装置40C参照存储于存储部42的声音数据中的与被选择的检查信息相关联的声音数据，并将声音数据发送到终端装置20C(S171)。终端装置20C暂时保管从服务器装置40C接收到的声音数据，通过输出处理部24C对声音数据进行再现处理后输出(S162)。由此，从扬声器64再现输出与被选择的检查信息相关联的声音(S152)。
在进行声音数据的可视化处理的情况下，基于来自键盘63等的用户操作，输入与用户所选择的检查信息相关联的声音的可视化指示(S156)。终端装置20C在用户操作输入部25C中受理并暂时保管被选择的检查信息，并将检查信息从通信部26发送到服务器装置40C(S166)。服务器装置40C参照存储于存储部42的声音数据中的与被选择的检查信息相关联的声音数据(S176)。然后，服务器装置40C通过数据可视化部47对声音数据实施可视化处理，向终端装置20C发送可视化数据(S177)。终端装置20C暂时保管从服务器装置40C接收到的可视化数据，并通过输出处理部24C输出可视化数据(S167)。由此，在监视器62中通过谱图、音量的时间转变曲线图等来显示输出与被选择的检查信息相关联的声音的可视化数据(S157)。
在本实施方式中，通过根据异常预测系统的系统结构分散地执行处理，能够高效且高速地进行规定的声音数据的再现或可视化显示，用户能够容易地确认声音数据与异常度或故障可能性的关联性。
如以上那样，本实施方式的异常预测系统具有：数据输入部11，其被输入从对象装置获取到的包含声音数据和振动数据中的至少一方的处理对象数据；存储部12，其存储与处理对象数据的异常预测有关的信息；异常度计算部112，其计算处理对象数据的异常度；评价部13，其使用处理对象数据的最近的异常度转变和过去的异常度转变，来执行与包括故障发生预测在内的异常预测有关的处理；显示处理部14，其生成用于显示处理结果的显示画面，该处理结果包含异常度转变和故障发生预测的结果；以及作为显示部的监视器62，其用于显示出显示画面。由此，用户能够容易地确认显示画面来掌握异常度转变和故障发生预测的结果，能够容易地实施异常状态的判定和预测。另外，用户能够确认异常度的动向，能够在对象装置发生故障之前容易地掌握故障的预兆。
另外，在异常预测系统中，评价部13将处理对象数据的最近的异常度转变与过去的异常度转变进行比较，基于具有规定值以上的一致率的一致度高的过去的异常度转变来预测对象装置的在不久的将来的故障可能性，并将该故障可能性作为故障发生预测结果进行输出。例如，通过将一致度高的过去的异常度转变直接用作将来的预测的异常度转变、或者使用一致度高的过去的异常度转变实施规定的运算处理来生成将来的预测的异常度转变、或者通过利用一致度高的过去的异常度转变进行的机器学习处理来预测异常度转变等处理，来进行不久的将来的异常度转变的预测。由此，能够使用相对于当前的异常度转变而言一致度高的过去的异常度转变，来预测不久的将来的故障可能性，并将该故障可能性作为故障发生预测结果来提供。
另外，在异常预测系统中，显示处理部14将最近的异常度转变作为当前的异常度转变进行显示，在存在一致度高的过去的异常度转变的情况下，生成用于显示使用该过去的异常度转变所得到的将来的预测的异常度转变的显示画面。由此，通过显示将来的预测的异常度转变作为使用一致度高的过去的异常度转变所得到的预测结果，用户能够容易地掌握从当前到不久的将来的异常度转变的预测结果。
另外，在异常预测系统中，在存在一致度高的过去的异常度转变的情况下，显示处理部14将异常度转变的一致率显示于显示画面。由此，用户能够掌握与将来的预测的异常度转变有关的一致度的程度，能够有效利用于故障可能性的判断等中。
另外，在异常预测系统中，显示处理部14将表示故障发生预测结果的消息显示于显示画面。例如，显示有无发生故障的可能性、存在故障发生可能性的日期时间等预测结果。由此，用户能够掌握在不久的将来可能发生的故障可能性的预测结果。
另外，在异常预测系统中，在对象装置的在不久的将来的故障可能性为规定值以上的情况下，显示处理部14将用于通知存在故障可能性的消息显示于显示画面。由此，用户能够掌握在不久的将来存在发生故障的可能性、以及存在故障发生可能性的日期时间等。
另外，在异常预测系统中，评价部13计算与处理对象数据有关的各异常原因的异常度，来执行与异常预测有关的处理，显示处理部14将各异常原因的异常度的比例显示于显示画面。由此，能够掌握各异常原因的异常度，能够进行与异常原因相应的适当的处置。
另外，在异常预测系统中，还具有数据可视化部17，该数据可视化部17生成用于将基于显示画面的异常度转变指定的规定的处理对象数据的物理量可视化的可视化数据，作为显示处理部的输出处理部14B的可视化数据显示部143将可视化数据显示于显示画面。由此，通过可视化信息能够容易地掌握声音数据的异常度与声音特性的关联性。
另外，在异常预测系统中，可视化数据显示部143将与一个或多个处理对象数据有关的谱图或音量的时间转变作为可视化数据显示于显示画面。由此，通过谱图或音量的时间转变能够容易地掌握声音数据的异常度与声音特性的关联性。
另外，在异常预测系统中，还具有声音再现部144，该声音再现部144将基于显示画面的异常度转变指定的规定的处理对象数据以。由此，能够容易地掌握声音数据的异常度与再现声音的关联性。
另外，在异常预测系统中，评价部13使用一个以上的统计分类技术，来预测对象装置的在不久的将来的故障可能性。由此，能够预测与获取到的处理对象数据相应的适当的故障可能性。
另外，在异常预测系统中，异常度计算部112使用一个以上的统计分类技术，来计算处理对象数据的异常度。由此，能够计算与获取到的处理对象数据相应的适当的异常度。
另外，在异常预测系统中，具备作为信息处理装置的数据处理装置10，该数据处理装置10具有存储部12、异常度计算部112、评价部13以及显示处理部14。由此，在数据处理装置10中，进行异常度的计算、与包括故障发生预测在内的异常预测有关的处理、用于显示包含异常度转变和故障发生预测的结果的处理结果的显示画面的生成，能够向用户提供异常度推移、故障发生预测的结果等。
另外，在异常预测系统中，具备：终端装置20，其具有数据输入部21和显示处理部24；以及服务器装置40，其具有存储部42、异常度计算部412以及评价部43。由此，在终端装置20和服务器装置40中分散地执行处理，进行与异常度的计算、与包括故障发生预测在内的异常预测有关的处理、用于显示包含异常度转变和故障发生预测的结果的处理结果的显示画面的生成，能够向用户提供异常度推移、故障发生预测的结果等。
另外，在异常预测系统中，作为终端装置的便携式通信终端20A具有：获取对象装置的处理对象数据的作为声音收集部的麦克风；拍摄与对象装置对应的识别标记55的作为摄像部的摄像机；以及显示识别标记的摄像图像的作为显示部的显示器62A。显示处理部将作为用于规定识别标记55的摄像图像的大小的引导显示的引导框621、622以及作为由摄像部拍摄识别标记55所得到的摄像图像的识别标记图像623显示于显示部的显示画面，在摄像图像被收进引导显示的范围内的情况下，数据输入部被输入对象装置的处理对象数据。由此，通过使用便携式通信终端20A进行基于摄像图像对测定位置和测定距离的设定、声音数据的获取以及处理结果的显示，能够简单地实施异常度推移的掌握、异常状态的判定、故障可能性的预测等。
本实施方式的异常预测方法包括：输入从对象装置获取到的包含声音数据和振动数据中的至少一方的处理对象数据，存储与处理对象数据的异常预测有关的信息，计算处理对象数据的异常度，使用处理对象数据的最近的异常度转变和过去的异常度转变，来执行与包括故障发生预测在内的异常预测有关的处理，生成用于显示处理结果的显示画面，该处理结果包含异常度转变和故障发生预测的结果，将显示画面显示于显示部。由此，用户能够容易地确认显示画面来掌握异常度转变和故障发生预测的结果，能够容易地实施异常状态的判定和预测。另外，用户能够确认异常度的动向，能够在对象装置发生故障之前容易地掌握故障的预兆。
以上参照附图说明了各种实施方式，但是本发明不限定于所述例子，这是不言而喻的。只要是本领域技术人员，则能够明确在权利要求书所记载的范畴内能够想到各种变更例或修正例，应当了解这些各种变更例或修正例当然也属于本发明的技术范围。另外，在不脱离发明的宗旨的范围内，可以将上述实施方式中的各构成要素任意地组合。
此外，本申请是以2018年7月6日申请的日本专利申请(特愿2018-129168)为基础的申请，其内容通过参照被引用到本申请中。
产业上的可利用性
本公开作为能够容易地实施对象装置的异常状态的判定和预测并进行确认的异常预测系统和异常预测方法是有用的。
附图标记说明
10：数据处理装置；11、21：数据输入部；12、42：存储部；13、43：评价部；14、24：显示处理部；15、25：用户操作输入部；20：终端装置；20A：便携式通信终端；26、46：通信部；30：云计算机；40：服务器装置；50：冷却风扇(对象装置)；55：识别标记；61：麦克风；62：监视器；63：键盘；64：扬声器；80：通信路径；111、211：声学解析部；112、412：异常度计算部；121、421：声音数据存储部；122、422：异常度存储部；123、423：事件标签存储部；124、424：评价结果存储部；131、431：异常度转变匹配部；132、432：故障发生预测部；141、241：异常度转变显示部；142、242：异常预测结果显示部；151、251、451：装置事件输入部；152、252：显示内容指示输入部。

Claims (17)

1.一种异常预测系统，具有：
数据输入部，其被输入从对象装置获取到的包含声音数据和振动数据中的至少一方的处理对象数据；
存储部，其存储与所述处理对象数据的异常预测有关的信息；
异常度计算部，其计算所述处理对象数据的异常度；
评价部，其使用所述处理对象数据的最近的异常度转变和过去的异常度转变，来执行与包括故障发生预测在内的异常预测有关的处理；
显示处理部，其生成用于显示处理结果的显示画面，该处理结果包含所述异常度转变和所述故障发生预测的结果；以及
显示部，其显示所述显示画面。
2.根据权利要求1所述的异常预测系统，其中，
所述评价部将所述处理对象数据的最近的异常度转变与过去的异常度转变进行比较，基于具有规定值以上的一致率的一致度高的过去的异常度转变来预测所述对象装置的在不久的将来的故障可能性，并将该故障可能性作为故障发生预测结果进行输出。
3.根据权利要求2所述的异常预测系统，其中，
所述显示处理部将所述最近的异常度转变作为当前的异常度转变进行显示，在存在所述一致度高的过去的异常度转变的情况下，生成用于显示使用该过去的异常度转变所得到的将来的预测的异常度转变的显示画面。
4.根据权利要求3所述的异常预测系统，其中，
在存在所述一致度高的过去的异常度转变的情况下，所述显示处理部将所述异常度转变的一致率显示于所述显示画面。
5.根据权利要求3或4所述的异常预测系统，其中，
所述显示处理部将表示所述故障发生预测结果的消息显示于所述显示画面。
6.根据权利要求5所述的异常预测系统，其中，
在所述对象装置的在不久的将来的故障可能性为规定值以上的情况下，所述显示处理部将用于通知存在故障可能性的消息显示于所述显示画面。
7.根据权利要求1至6中的任一项所述的异常预测系统，其中，
所述异常度计算部针对所述处理对象数据执行时间-频率变换处理和特征量提取处理中的至少一个预处理，使用所述时间-频率变换处理后的时间-频率变换处理完成数据或所述特征量提取处理后的特征量提取处理完成数据的全部或一部分来计算异常度。
8.根据权利要求1至7中的任一项所述的异常预测系统，其中，
所述评价部计算与所述处理对象数据有关的各异常原因的异常度，来执行与所述异常预测有关的处理，
所述显示处理部将各所述异常原因的异常度的比例显示于所述显示画面。
9.根据权利要求1所述的异常预测系统，其中，
还具有数据可视化部，该数据可视化部生成用于将基于所述显示画面的异常度转变而指定的规定的所述处理对象数据的物理量可视化的可视化数据，
所述显示处理部将所述可视化数据显示于所述显示画面。
10.根据权利要求9所述的异常预测系统，其中，
所述显示处理部将与一个或多个所述处理对象数据有关的谱图或音量的时间转变作为所述可视化数据显示于所述显示画面。
11.根据权利要求1所述的异常预测系统，其中，
还具有声音再现部，该声音再现部将基于所述显示画面的异常度转变而指定的规定的所述处理对象数据以声音信号进行再现。
12.根据权利要求1或2所述的异常预测系统，其中，
所述评价部使用一个以上的统计分类技术，来预测所述对象装置的在不久的将来的故障可能性。
13.根据权利要求1或2所述的异常预测系统，其中，
所述异常度计算部使用一个以上的统计分类技术，来计算所述处理对象数据的异常度。
14.根据权利要求1所述的异常预测系统，
具备信息处理装置，该信息处理装置具有所述存储部、所述异常度计算部、所述评价部以及所述显示处理部。
15.根据权利要求1所述的异常预测系统，具备：
终端装置，其具有所述数据输入部和所述显示处理部；以及
服务器装置，其具有所述存储部、所述异常度计算部以及所述评价部。
16.根据权利要求15所述的异常预测系统，其中，
所述终端装置具有：
获取所述对象装置的处理对象数据的声音收集部；
拍摄与所述对象装置对应的识别标记的摄像部；以及
显示所述识别标记的摄像图像的显示部，
其中，所述显示处理部将用于规定所述识别标记的摄像图像的大小的引导显示和所述摄像部拍摄所述识别标记所得到的摄像图像显示于所述显示部的显示画面，
在所述摄像图像被收进所述引导显示的范围内的情况下，所述数据输入部被输入所述对象装置的处理对象数据。
17.一种异常预测方法，包括：
输入从对象装置获取到的包含声音数据和振动数据中的至少一方的处理对象数据，
存储与所述处理对象数据的异常预测有关的信息，
计算所述处理对象数据的异常度，
使用所述处理对象数据的最近的异常度转变和过去的异常度转变，来执行与包括故障发生预测在内的异常预测有关的处理，
生成用于显示处理结果的显示画面，该处理结果包含所述异常度转变和所述故障发生预测的结果，
将所述显示画面显示于显示部。
CN201980057955.1A 2018-07-06 2019-07-04 异常预测系统和异常预测方法 Pending CN112639431A (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JP2018-129168 2018-07-06
JP2018129168 2018-07-06
PCT/JP2019/026752 WO2020009210A1 (ja) 2018-07-06 2019-07-04 異常予測システム及び異常予測方法

Publications (1)

Publication Number Publication Date
CN112639431A true CN112639431A (zh) 2021-04-09

Family

ID=69059220

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201980057955.1A Pending CN112639431A (zh) 2018-07-06 2019-07-04 异常预测系统和异常预测方法

Country Status (4)

Country Link
US (1) US11703845B2 (zh)
JP (1) JP7304545B2 (zh)
CN (1) CN112639431A (zh)
WO (1) WO2020009210A1 (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP4083732A1 (en) * 2021-04-26 2022-11-02 Kabushiki Kaisha Yaskawa Denki Abnormality detection apparatus, program, and abnormality detection method

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11455203B2 (en) * 2016-09-14 2022-09-27 Nec Corporation Abnormality detection support device, abnormality detection support method, and program
JP7017488B2 (ja) * 2018-09-14 2022-02-08 株式会社日立製作所 音点検システムおよび音点検方法
US11106191B2 (en) * 2018-09-19 2021-08-31 Hypertherm, Inc. Multi-sensor analysis and data point correlation for predictive monitoring and maintenance of a pressurized fluid cutting system
CN111783591B (zh) * 2020-06-23 2024-04-26 北京百度网讯科技有限公司 异常检测方法、装置、设备和存储介质
TWI760904B (zh) * 2020-10-28 2022-04-11 恩波信息科技股份有限公司 基於聲音的機械監測系統及方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4885707A (en) * 1987-02-19 1989-12-05 Dli Corporation Vibration data collecting and processing apparatus and method
JP2004117092A (ja) * 2002-09-25 2004-04-15 Omron Corp 波形データ再生装置及び波形データ再生方法並びにプログラム製品並びに波形データ再生システム
JP2008289084A (ja) * 2007-05-21 2008-11-27 Funai Electric Co Ltd 監視システムおよび監視装置
US20110170787A1 (en) * 2010-01-12 2011-07-14 Qualcomm Incorporated Using a display to select a target object for communication
US20150134271A1 (en) * 2013-11-08 2015-05-14 Seiko Epson Corporation Life expiration predicting method, life expiration predicting apparatus, life expiration predicting system, life expiration calculating apparatus, and rotary machine
US20160058394A1 (en) * 2014-08-27 2016-03-03 Seiko Epson Corporation Abnormality prediction device, abnormality prediction system, abnormality prediction method, biological information measuring device, biological information measuring system, and warning notification method
JP2017194341A (ja) * 2016-04-20 2017-10-26 株式会社Ihi 異常診断方法、異常診断装置、及び異常診断プログラム

Family Cites Families (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH01216218A (ja) * 1988-02-25 1989-08-30 Toshiba Corp 軸振動異常診断装置
JP3449194B2 (ja) 1997-01-28 2003-09-22 松下電工株式会社 回転機器の異常診断方法およびその装置
JP3484665B2 (ja) 1997-12-15 2004-01-06 オムロン株式会社 異常判定方法および装置
JP4265982B2 (ja) 2004-02-25 2009-05-20 三菱電機株式会社 機器診断装置、冷凍サイクル装置、冷凍サイクル監視システム
KR20100069736A (ko) * 2008-12-17 2010-06-25 삼성전자주식회사 휴대 단말기의 컨텐츠 재생 장치 및 재생 방법
JP5460160B2 (ja) * 2009-07-22 2014-04-02 Ｊｆｅメカニカル株式会社 設備機器の診断装置
US9170982B2 (en) * 2012-02-09 2015-10-27 Vehcon, Inc. Machinery fingerprinting
US20140188402A1 (en) 2013-01-03 2014-07-03 Dexcom, Inc. Outlier detection for analyte sensors
US10533920B2 (en) * 2014-08-05 2020-01-14 Acoem France Automatic rotating-machine fault diagnosis with confidence level indication
JP6183346B2 (ja) * 2014-12-10 2017-08-23 日本精工株式会社 異常診断装置、軸受、回転装置、産業機械及び車両
DE102016008987B4 (de) * 2015-07-31 2021-09-16 Fanuc Corporation Maschinenlernverfahren und Maschinenlernvorrichtung zum Lernen von Fehlerbedingungen, und Fehlervorhersagevorrichtung und Fehlervorhersagesystem, das die Maschinenlernvorrichtung einschließt
US10082878B2 (en) * 2015-11-11 2018-09-25 Swan Solutions, Inc. Method for controlling and calibrating a device with a gesture
US20170178311A1 (en) * 2015-12-20 2017-06-22 Prophecy Sensors, Llc Machine fault detection based on a combination of sound capture and on spot feedback

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4885707A (en) * 1987-02-19 1989-12-05 Dli Corporation Vibration data collecting and processing apparatus and method
JP2004117092A (ja) * 2002-09-25 2004-04-15 Omron Corp 波形データ再生装置及び波形データ再生方法並びにプログラム製品並びに波形データ再生システム
JP2008289084A (ja) * 2007-05-21 2008-11-27 Funai Electric Co Ltd 監視システムおよび監視装置
US20110170787A1 (en) * 2010-01-12 2011-07-14 Qualcomm Incorporated Using a display to select a target object for communication
US20150134271A1 (en) * 2013-11-08 2015-05-14 Seiko Epson Corporation Life expiration predicting method, life expiration predicting apparatus, life expiration predicting system, life expiration calculating apparatus, and rotary machine
US20160058394A1 (en) * 2014-08-27 2016-03-03 Seiko Epson Corporation Abnormality prediction device, abnormality prediction system, abnormality prediction method, biological information measuring device, biological information measuring system, and warning notification method
JP2017194341A (ja) * 2016-04-20 2017-10-26 株式会社Ihi 異常診断方法、異常診断装置、及び異常診断プログラム

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
MINORU KONDO;岳阳;: "用倍频带振动分析检测牵引柴油机的异常" *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP4083732A1 (en) * 2021-04-26 2022-11-02 Kabushiki Kaisha Yaskawa Denki Abnormality detection apparatus, program, and abnormality detection method

Also Published As

Publication number Publication date
JPWO2020009210A1 (ja) 2021-07-15
US11703845B2 (en) 2023-07-18
WO2020009210A1 (ja) 2020-01-09
US20210255613A1 (en) 2021-08-19
JP7304545B2 (ja) 2023-07-07

Similar Documents

Publication Publication Date Title
US11703845B2 (en) Abnormality predicting system and abnormality predicting method
US10228994B2 (en) Information processing system, information processing method, and program
WO2019104890A1 (zh) 结合音频分析和视频分析的欺诈识别方法、装置及存储介质
CN108228428B (zh) 用于输出信息的方法和装置
EP3333757B1 (en) Predictive anomaly detection
EP3759558B1 (en) Intelligent audio analytic apparatus (iaaa) and method for space system
JP2020042519A (ja) 異常検知装置、異常検知方法、及び異常検知プログラム
WO2020206487A1 (en) Methods and apparatus for displaying, compressing and/or indexing information relating to a meeting
CN113518011A (zh) 异常检测方法和装置、电子设备及计算机可读存储介质
CN106991425B (zh) 商品交易质量的检测方法和装置
EP3469434B1 (en) Automatic visual and acoustic analytics for event detection
JP4661267B2 (ja) 原因調査装置、原因調査システム、原因調査方法、原因調査プログラム、および、原因調査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
CN116415931A (zh) 一种基于大数据的电力设备运行状态监控方法和系统
JP2019105871A (ja) 異常候補抽出プログラム、異常候補抽出方法および異常候補抽出装置
CN115917458A (zh) 数据处理装置、数据处理方法及数据处理程序
JP5447831B2 (ja) 診断装置および診断方法
US11775512B2 (en) Data analysis apparatus, method and system
CN115376692A (zh) 一种健康数据的处理方法、装置、电子设备及存储介质
JP4162204B2 (ja) センサ情報のデータベース化方法および点検支援システム並びに点検支援用プログラム
JP6771705B2 (ja) 情報処理装置、プログラム及び情報処理方法
JP7117573B2 (ja) 音状態表示方法、音状態表示装置および音状態表示システム
KR102500140B1 (ko) 초음파 대역의 음향 신호를 이용한 설비 고장 예측 시스템 및 그 방법
EP4160344A1 (en) Monitoring apparatus, monitoring method, and monitoring program
KR101367418B1 (ko) 특징 벡터 생성 알고리즘을 적용한 가축의 발정기 소리 탐지 장치 및 방법
US20230367927A1 (en) Non-transitory computer readable storage medium storing operation improvement assistance program, operation improvement assistance device, and operation improvement assistance method

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20210409

WD01 Invention patent application deemed withdrawn after publication