CN114286931B - 异常部分检测装置、异常部分检测方法及计算机可读取的记录介质 - Google Patents

Abstract

异常部分检测装置(10)具有：判定部(101)，其对接收到的数据是否存在异常进行判定；诊断对象数据发送部(102)，其将诊断对象数据发送至判定部(101)；加工对象部分决定部(103)，其决定由判定部(101)判定为存在异常的诊断对象数据的加工对象部分；加工部(104)，其对诊断对象数据的加工对象部分进行加工而创建加工后数据；加工后数据发送部(105)，其将加工后数据发送至判定部(101)；以及异常部分检测部(106)，其在由判定部(101)判定为加工后数据没有异常时，将由加工对象部分决定部(103)决定的加工对象部分检测为诊断对象数据的异常部分。

Description

异常部分检测装置、异常部分检测方法及计算机可读取的记 录介质

技术领域

本发明涉及异常部分检测装置、异常部分检测方法及计算机可读取的记录介质。

背景技术

已知取得与设备相关的数据而进行分析，判定该数据是否存在异常的技术。该技术对与设备相关的数据进行诊断，因此，下面将该数据称为“诊断对象数据”。通过对诊断对象数据是否存在异常进行判定，从而能够例如检测该设备是否发生了异常。

例如，在专利文献1中公开了以下技术，即，通过对从在模具振动装置设置的加速度传感器取得的诊断对象数据进行频率分析，从而对诊断对象数据进行诊断，对模具是否发生了异常振动进行检测。

专利文献1：日本特开平07-214265号公报

发明内容

另外，如果不仅能够对诊断对象数据是否存在异常进行判定，还能够检测出诊断对象数据中的成为异常的原因的部分(以下，称为异常部分)是哪个部分，则能够期待异常的产生原因的确定变得更加容易。

但是，专利文献1所公开的技术是在对诊断对象数据进行了频率分析之后，使用神经网络将诊断对象数据的判定结果输出，该判定结果成为在预先进行的学习时作为输入而提供的值(适当值、高的值、低的值)的任一者。这里，虽然能够确认神经网络内的运算内容，但难以将哪个输入值会对判定结果带来大幅影响这一情况定式化。因此，在专利文献1所公开的技术中，即使能够检测出异常的有无，在判定为异常的情况下，也难以检测出诊断对象数据中的哪个部分是异常部分。

本发明就是鉴于上述实际情况而提出的，其目的在于提供能够对诊断对象数据的异常部分进行检测的异常部分检测装置等。

为了达成上述目的，本发明涉及的异常部分检测装置具有：

判定单元，其对接收到的数据是否存在异常进行判定；

诊断对象数据发送单元，其将诊断对象数据发送至所述判定单元；

加工对象部分决定单元，其决定由所述判定单元判定为存在异常的诊断对象数据的加工对象部分；

加工单元，其对所述诊断对象数据的所述加工对象部分进行加工而创建加工后数据；

加工后数据发送单元，其将所述加工后数据发送至所述判定单元；以及

异常部分检测单元，其在由所述判定单元判定为所述加工后数据没有异常时，将由所述加工对象部分决定单元决定的所述加工对象部分检测为所述诊断对象数据的异常部分。

发明的效果

根据本发明，在判断为诊断对象数据存在异常并且判断为加工后数据没有异常时，将加工对象部分检测为诊断对象数据的异常部分。因此，根据本发明，能够对诊断对象数据的异常部分进行检测。

附图说明

图1是表示本发明的实施方式1涉及的异常部分检测装置的功能结构的图。

图2是表示本发明的实施方式1中的诊断对象数据的一个例子的图。

图3是表示本发明的实施方式1中的正常数据模型的构建的图。

图4是表示本发明的实施方式1中的掩蔽处理的一个例子的图。

图5是表示本发明的实施方式1中的掩蔽处理的另一个例子的图。

图6是表示本发明的实施方式1涉及的异常部分检测装置的硬件结构的一个例子的图。

图7是表示本发明的实施方式1涉及的数据诊断的动作的一个例子的流程图。

图8是表示本发明的实施方式1涉及的异常部分检测的动作的一个例子的流程图。

图9是表示本发明的实施方式2涉及的异常部分检测装置的功能结构的图。

图10是表示本发明的实施方式2中的置换处理的一个例子的图。

图11是表示本发明的实施方式2中的正常数据模型及置换数据模型的构建的图。

图12是表示本发明的实施方式2中的置换对象部分与并非置换对象的部分的组合的一个例子的图。

图13是表示本发明的实施方式3涉及的异常部分检测装置的功能结构的图。

图14是表示本发明的实施方式3涉及的数据诊断的动作的一个例子的流程图。

图15是表示本发明的实施方式的变形例中的针对热图像数据的掩蔽处理的一个例子的图。

图16是表示本发明的实施方式的变形例中的掩蔽处理的一个例子的图。

图17是表示本发明的实施方式的变形例中的掩蔽处理的另一个例子的图。

图18是表示本发明的实施方式1中的掩蔽处理部分的宽度比异常部分的宽度窄的情况下的一个例子的图。

具体实施方式

以下，一边参照附图一边对本发明的实施方式涉及的异常部分检测装置进行说明。在各附图中，对相同或者等同的部分标注相同的标号。

(实施方式1)

一边参照图1一边对实施方式1涉及的异常部分检测装置10进行说明。异常部分检测装置10将从传感器20取得的数据作为诊断对象数据进行诊断。在诊断对象数据存在异常时，异常部分检测装置10通过将表示诊断对象数据存在异常的信息和表示诊断对象数据中的哪个部分是成为异常的原因的部分(以下，称为异常部分)的信息显示于显示装置30而通知给用户。异常部分检测装置10是本发明涉及的异常部分检测装置的一个例子。

传感器20例如是温度传感器、电压传感器、加速度传感器等传感器。传感器20例如设置于在生产现场设置的工作机械。传感器20将表示检测到的温度、电压、加速度等的数据持续地发送至异常部分检测装置10。

通常，工作机械持续地执行预先确定的动作。因此，在工作机械没有发生异常时，能够期待在该工作机械设置的传感器20所发送的数据进行有规则的变化。另一方面，在工作机械发生了异常时，传感器20所发送的数据中发生异常变化的可能性高。

例如，考虑传感器20所发送的数据成为图2所示的时序数据的情况。此外，虚线部分表示后述的异常部分的正常时的情况下的变化。在图2中，关于由“正常部分”示出的部分，振幅不会太大，进行周期性的变化。另一方面，关于由“异常部分”示出的部分，与“正常部分”相比，振幅大幅度地变化，并且变化也是突发性的。因此，该数据由于由“异常部分”示出的部分而应被诊断为异常。在以下说明中，除非另有说明，都设为图2所示的数据是诊断对象数据而进行说明。

再次参照图1。显示装置30例如是具有液晶显示器的显示装置。显示装置30从异常部分检测装置10接收影像信号，基于影像信号对影像进行显示。

接下来，对异常部分检测装置10的功能结构进行说明。异常部分检测装置10具有控制部100、存储部110和通信部120。

控制部100对异常部分检测装置10进行集中控制。控制部100具有判定部101、诊断对象数据发送部102、加工对象部分决定部103、加工部104、加工后数据发送部105、异常部分检测部106和通知执行部107。

判定部101从诊断对象数据发送部102及加工后数据发送部105接收数据，对接收到的数据是否存在异常进行判定。判定部101基于在存储部110保存的后述的正常数据模型D111而对接收到的数据是否存在异常进行判定。关于正常数据模型D111的详情及判定的详情，会在后面叙述。判定部101是本发明涉及的判定单元的一个例子。

诊断对象数据发送部102经由通信部120从传感器20持续地取得数据而进行积蓄，将一定时间积蓄下来的数据作为诊断对象数据而发送至判定部101。“一定时间”例如是10秒钟、1分钟等。诊断对象数据发送部102是本发明涉及的诊断对象数据发送单元的一个例子。

加工对象部分决定部103在由判定部101判定为诊断对象数据存在异常时，决定诊断对象数据中的被加工的部分即加工对象部分。关于如何决定加工对象部分，会在后面叙述。另外，详情会在后面叙述，但加工对象部分被多次决定。加工对象部分决定部103是本发明涉及的加工对象部分决定单元的一个例子。

加工部104对诊断对象数据中的由加工对象部分决定部103决定的加工对象部分进行加工而创建加工后数据。在实施方式1中，通过对加工对象部分进行后述的掩蔽处理，从而对加工对象部分进行加工。关于加工的详情，会在后面叙述。加工部104是本发明涉及的加工单元的一个例子。

加工后数据发送部105将由加工部104创建的加工后数据发送至判定部101。加工后数据发送部105是本发明涉及的加工后数据发送单元的一个例子。

异常部分检测部106在由判定部101判定为加工后数据没有异常时，将由加工对象部分决定部103决定的加工对象部分检测为诊断对象数据的异常部分。在加工前的诊断对象数据存在异常、加工后数据没有异常时，可以说通过加工而去除了异常部分。因此，加工对象部分是异常部分。异常部分检测部106是本发明涉及的异常部分检测单元的一个例子。

通知执行部107将表示诊断对象数据存在异常的信息和表示诊断对象数据中的哪个部分是异常部分的信息通知给用户。具体地说，通知执行部107通过经由通信部120向显示装置30发送影像信号而通知给用户。

存储部110对正常数据模型D111进行存储。正常数据模型D111如图3所示是通过学习装置40对正常数据进行学习而构建的训练好的模型。正常数据例如是传感器20所发送的数据中的工作机械没有任何异常地持续进行动作时的数据。在图3中示出了通过仅输入正常数据的无教师学习而构建正常数据模型D111的例子。也可以通过输入正常数据和异常数据的有教师学习而构建正常数据模型D111。在任一种情况下，正常数据模型D111都是对正常数据进行学习而构建的训练好的模型。判定部101例如通过基于正常数据模型D111对关于接收到的数据的得分进行计算，从而判定接收到的数据是否存在异常。

学习装置40可以是与异常部分检测装置10分体的装置，也可以与异常部分检测装置10是一体的。在学习装置40是与异常部分检测装置10分体的装置的情况下，需要通过某种手段而与异常部分检测装置10共享由学习装置40构建的正常数据模型D111。例如，通过将学习装置40与异常部分检测装置10可通信地连接，从学习装置40向异常部分检测装置10发送正常数据模型D111，从而能够共享正常数据模型D111。

再次参照图1。通信部120与传感器20及显示装置30进行通信。特别地，通信部120接收传感器20所发送的数据，将用于通知的影像信号发送至显示装置30。

接下来，一边参照图4一边说明由加工对象部分决定部103进行的加工对象部分的决定及由加工部104进行的加工。此外，如上所述，在实施方式1中，加工是指掩蔽处理。因此，在实施方式1中，加工对象部分的决定是指掩蔽对象部分的决定。图4示出针对图2所示的诊断对象数据，由加工对象部分决定部103依次决定加工对象部分即掩蔽对象部分的情况。

针对诊断对象数据，加工对象部分决定部103反复决定加工对象部分，直到诊断对象数据全部成为加工对象部分为止。例如，在图4所示的例子中，针对诊断对象数据，加工对象部分决定部103将具有1个波长量的宽度的掩蔽对象部分从左端至右端以1个波长量为单位地移位。但是，在图4中，为了容易理解而将掩蔽对象部分的宽度设为1个波长量，将向下一个掩蔽对象部分的移位宽度也设为1个波长量，但掩蔽对象部分的宽度及移位宽度不限于此。例如，也可以如图5所示，将掩蔽对象部分的宽度设为1个波长，并且将移位宽度设为半个波长。即，在每次反复的各加工对象部分中也可以存在重复部分。

加工部104针对由加工对象部分决定部103决定的诊断对象数据的掩蔽对象部分而进行用于使其不成为判定部101的评价对象的掩蔽处理。例如，考虑判定部101通过如上所述对关于接收到的数据的得分进行计算而判定异常的有无的情况。在这种情况下，判定部101以在计算时不使用接收到的数据中的掩蔽对象部分的值的方式判定异常的有无。即，判定部101判定异常的有无，不对掩蔽对象部分的数据进行评价。

接下来，一边参照图6一边对异常部分检测装置10的硬件结构的一个例子进行说明。图6所示的异常部分检测装置10例如由个人计算机、微控制器等计算机实现。

异常部分检测装置10具有经由总线1000而彼此连接的处理器1001、存储器1002、接口1003和次级存储装置1004。

处理器1001例如是CPU(Central Processing Unit：中央运算装置)。处理器1001通过将在次级存储装置1004存储的动作程序读入至存储器1002而执行，从而实现异常部分检测装置10的各功能。另外，处理器1001也可以包含GPU(Graphics Processing Unit)，由该GPU实现判定部101的功能。其原因在于，判定部101进行使用了训练好的模型即正常数据模型D111的处理，因此利用GPU可以高速地进行处理。

存储器1002例如是由RAM(Random Access Memory)构成的主存储装置。存储器1002对由处理器1001从次级存储装置1004读入的动作程序进行存储。另外，存储器1002作为由处理器1001执行动作程序时的工作存储器起作用。

接口1003例如是串行端口、USB(Universal Serial Bus)端口、网络接口等I/O(Input/Output)接口。由接口1003实现通信部120的功能。

次级存储装置1004例如是闪存、HDD(Hard Disk Drive)、SSD(Solid StateDrive)。次级存储装置1004对处理器1001所执行的动作程序进行存储。另外，由次级存储装置1004实现存储部110的功能。

此外，对于后述的其它实施方式及变形例涉及的异常部分检测装置，也能够采用相同的硬件结构。

接下来，一边参照图7一边对由异常部分检测装置10进行的数据诊断的动作的一个例子进行说明。

异常部分检测装置10的控制部100的诊断对象数据发送部102将诊断对象数据发送至控制部100的判定部101(步骤S101)。如上所述，诊断对象数据发送部102例如从传感器20持续地取得数据而进行积蓄，将一定时间积蓄下来的数据作为诊断对象数据而发送至判定部101。

判定部101对接收到的诊断对象数据是否存在异常进行判定(步骤S102)。在诊断对象数据没有异常时(步骤S102：No)，控制部100反复进行从步骤S101开始的动作。

在诊断对象数据存在异常时(步骤S102：Yes)，控制部100执行后述的异常部分检测的动作(步骤S103)。

控制部100的通知执行部107将诊断对象数据存在异常这一内容和通过步骤S103检测出的异常部分通知给用户(步骤S104)。并且，控制部100反复进行从步骤S101开始的动作。

接下来，一边参照图8一边对图7所示的步骤S103的异常部分检测的动作的一个例子进行说明。

控制部100的加工对象部分决定部103决定诊断对象数据的加工对象部分(步骤S1031)。在第一次执行步骤S1031时，加工对象部分决定部103将包含诊断对象数据的开头的部分决定为加工对象部分。在第2次及之后执行步骤S1031时，加工对象部分决定部103决定出与上次不同的加工对象部分。其结果，例如如上述的图4所示，决定加工对象部分即掩蔽对象部分。

控制部100的加工部104对在步骤S1031中决定的诊断对象数据的加工对象部分进行加工而创建加工后数据(步骤S1032)。如上所述，在实施方式1中，加工部104通过对加工对象部分进行掩蔽处理而对加工对象部分进行加工。

控制部100的加工后数据发送部105将在步骤S1032中创建的加工后数据发送至判定部101(步骤S1033)。

判定部101对接收到的加工后数据是否存在异常进行判定(步骤S1034)。在加工后数据存在异常时(步骤S1034：Yes)，控制部100不执行步骤S1035的动作而是执行步骤S1036的动作。

在加工后数据没有异常时(步骤S1034：No)，控制部100的异常部分检测部106将加工对象部分检测为诊断对象数据的异常部分(步骤S1035)。然后，控制部100执行步骤S1036的动作。

控制部100对诊断对象数据的所有部分是否都已成为加工对象部分进行判定(步骤S1036)。在诊断对象数据的所有部分都已成为加工对象部分时(步骤S1036：Yes)，控制部100结束异常部分检测的动作。在诊断对象数据存在未成为加工对象部分的部分时(步骤S1036：No)，控制部100反复进行从步骤S1031开始的动作。

上面，对实施方式1涉及的异常部分检测装置10进行了说明。根据异常部分检测装置10，在判断为诊断对象数据存在异常并且判断为加工后数据没有异常时，将加工对象部分检测为诊断对象数据的异常部分。因此，根据异常部分检测装置10，能够对诊断对象数据的异常部分进行检测。

(实施方式2)

一边参照图9一边对实施方式2涉及的异常部分检测装置10A进行说明。异常部分检测装置10A具有与实施方式1涉及的异常部分检测装置10大致相同的结构，但控制部100A及存储部110A与实施方式1涉及的控制部100及存储部110不同。

控制部100A在取代加工部104而具有加工部104A这一方面与实施方式1不同。存储部110A在还存储置换数据模型D112A这一方面与实施方式1不同。

加工部104A在不通过掩蔽处理而是通过置换处理对诊断对象数据进行加工这一方面与实施方式1不同。如图10所示，加工部104A将加工对象部分即置换对象部分置换为正常数据。在图10所示的例子中，示出了将存在于诊断对象数据的中央的异常部分置换为正常数据的情况。图10所示的虚线是置换对象部分的加工前的数据。此外，对正常部分也进行置换处理，但可想到的是即使通过正常数据对正常部分进行置换，数据也几乎不变，因而，在图10中从外观上无法区分。

加工部104A基于诊断对象数据中的并非置换对象的部分的数据和置换数据模型D112A而决定置换所使用的正常数据。

一边参照图11及图12一边对置换数据模型D112A的构建进行说明。如图11所示，置换数据模型D112A与正常数据模型D111同样地是通过向学习装置40A输入正常数据而构建的。学习装置40A如图12所示，针对每个置换对象部分，对并非置换对象的部分的数据和置换对象部分的数据的组合进行学习。例如，在置换对象部分有5处的情况下，学习装置40A针对1个正常数据而对5个数据的组合进行学习。图12所示的被点划线包围并由实线示出的数据是学习对象数据，由虚线示出的数据是并非学习对象的数据。

通过如上所述构建置换数据模型D112A，从而能够针对正常数据对并非置换对象的部分的数据与置换对象部分的数据之间的关联性进行学习，因此加工部104A能够基于诊断对象数据中的并非置换对象的部分的数据和置换数据模型D112A而决定置换所使用的正常数据。这里，即使诊断对象数据中的并非置换对象的部分的数据与在学习时输入的并非置换对象的部分的数据完全不同，加工部104A也能够基于通过学习而构建的置换数据模型D112A，决定最合适的数据而作为置换所使用的正常数据。

关于由异常部分检测装置10A进行的数据诊断的动作，除了不进行掩蔽处理而是进行置换处理这一方面以外都与实施方式1完全相同，因此省略说明。

上面，对实施方式2涉及的异常部分检测装置10A进行了说明。根据异常部分检测装置10A，在得到与实施方式1涉及的异常部分检测装置10相同的效果的基础上，由于不进行掩蔽处理而是进行基于正常数据的置换处理，因此，还能够期待由判定部101进行的判定的精度提高。

(实施方式3)

一边参照图13一边对实施方式3涉及的异常部分检测装置10B进行说明。在实施方式1中，默认为存在于诊断对象数据的异常部分为1个。但是，当存在多个异常部分的情况下，仅对其中1个部分由加工部104进行加工。因此，在针对加工后数据的异常判定中，由于始终存在大于或等于1个异常部分，所以始终判定为异常，有可能无法检测出异常部分。实施方式3应对该问题。

异常部分检测装置10B具有与实施方式1涉及的异常部分检测装置10大致相同的结构，但控制部100B与实施方式1涉及的控制部100不同。

控制部100B在取代判定部101而具有判定部101B这一方面和还具有灵敏度调整部108B这一方面与实施方式1不同。

判定部101B在能够通过灵敏度调整部108B对异常判定的灵敏度进行调整这一方面与实施方式1的判定部101不同。异常判定的灵敏度是表示针对数据判定为异常的容易程度的指标。例如，当判定部101B在通过得分计算而得到的得分大于或等于阈值时判定为异常的情况下，提高该阈值相当于降低灵敏度，降低该阈值相当于提高灵敏度。相反地，当判定部101B在得分小于或等于阈值时判定为异常的情况下，提高该阈值相当于提高灵敏度，降低该阈值相当于降低灵敏度。

灵敏度调整部108B以使得判定部101B对加工后数据进行判定时的灵敏度比对诊断对象数据进行判定时的灵敏度低的方式调整判定部101B的灵敏度。灵敏度调整部108B是本发明涉及的灵敏度调整单元的一个例子。

接下来，一边参照图14一边对由异常部分检测装置10B进行的数据诊断的动作的一个例子中的与图7所示的实施方式1的情况不同的方面进行说明。

图14所示的动作在步骤S102与S103之间具有步骤S301的动作，在步骤S104之后具有步骤S302的动作，除此以外与实施方式1的情况相同。

异常部分检测装置10B的控制部100B的灵敏度调整部108B在执行步骤S103的异常部分检测的动作之前降低判定部101B的灵敏度(步骤S301)。通过该动作，加工后数据的异常判定时的判定部101B的灵敏度比步骤S102中的诊断对象数据的异常判定时的判定部101B的灵敏度低。

灵敏度调整部108B在步骤S104的通知的动作之后，使在步骤S301中下降的判定部101B的灵敏度复原(步骤S302)。然后，控制部100B反复进行从步骤S101开始的动作。如果没有该动作，则再次进行诊断对象数据的异常判定时的灵敏度依然是下降后的状态。此外，步骤S302的动作也可以处于步骤S103与步骤S104之间。

上面，对实施方式3涉及的异常部分检测装置10B进行了说明。根据异常部分检测装置10B，在得到与实施方式1相同的效果的基础上，如以下所说明的那样，即使在存在多个异常部分的情况下，也能够对异常部分进行检测。根据异常部分检测装置10B，使对加工后数据进行判定时的灵敏度比对诊断对象数据进行判定时的灵敏度低。因此，在诊断对象数据存在多个异常部分的情况下，在针对异常部分之一已被加工的加工后数据的异常判定中，无论是否存在其它异常部分，都判定为没有异常。因此，根据异常部分检测装置10B，能够检测为加工对象部分是异常部分。

(变形例)

上述的实施方式3是对实施方式1进行变形而得到的，也能够将同样的变形应用于实施方式2。

在上述的各实施方式的说明中，将关于从传感器20取得的1种值的时序数据设为诊断对象数据。但是，诊断对象数据的形式不限于此。例如，也可以将关于从在工作机械设置的多个传感器取得的多种值的组合的时序数据设为诊断对象数据。作为其一个例子，举出将关于电压、电流及转速的组合的时序数据设为诊断对象数据。另外，也可以将时序数据以外的数据设为诊断对象数据。例如，也可以将从热图像传感器取得的热图像数据设为诊断对象数据。在这种情况下，如图15所示，加工对象部分决定部103将热图像分割为数个区域，将由斜线示出的区域依次决定为加工对象部分。

在上述各实施方式中，设为在诊断对象数据存在异常时，将表示诊断对象数据存在异常的信息和表示诊断对象数据中的哪个部分是异常部分的信息显示于显示装置30。但是，在诊断对象数据存在异常时所执行的处理不限于此。例如，也可以将表示诊断对象数据存在异常及诊断对象数据中的哪个部分是异常部分的日志文件保存于存储部110。

在上述各实施方式中，如图4、图5、图10等所示，作为由加工对象部分决定部103决定的加工对象部分(实施方式1中的掩蔽对象部分、实施方式2中的置换对象部分)而示出1个区域，但也可以将大于或等于2个区域设为加工对象部分。例如，作为实施方式1的变形例，如图16所示，加工对象部分决定部103也可以将2个区域决定为掩蔽对象部分，将这些区域以1个波长量为单位地移位。在这种情况下，即使异常部分检测部106检测出掩蔽对象部分存在异常，也无法通过1个检测结果来明确2个掩蔽对象部分中的哪一个是异常部分。但是，例如在图16所示的第1者及第3者的情况下，可知2个掩蔽对象部分的某一者存在异常部分，因而如果将这些结果结合起来，就能够检测出诊断对象数据的中央部分是异常部分。

另外，2个区域可以彼此单独地移位，另外，也可以暂时地相邻。例如，也可以如图17所示，起初为左侧的区域与右侧的区域相邻的状态，加工对象部分决定部103通过反复进行将右侧的区域移位，然后将左侧的区域移位这一动作，从而决定加工对象部分。

另外，不限于此，为了收罗所有形式的加工对象部分，也可以反复进行将任意2个区域决定为加工对象部分的操作。例如，在根据诊断对象数据的特性而预先知晓异常部分的数量为2个的情况下，优选收罗所有形式的加工对象部分。这是因为在2个异常部分存在于诊断对象数据的情况下，例如想到即使如图16所示决定加工对象部分，也无法将2个异常部分同时决定为加工对象部分的情况。另外，从效率性的观点来看，优选基于诊断对象数据的特性而确定成为异常部分的可能性高的部分，将该部分优先决定为加工对象部分。

另外，在异常部分的数量未知的情况下，异常部分检测装置10也可以最初将加工对象部分的数量设为1个而尝试异常部分的检测，在异常部分的检测失败时增加加工对象部分的数量。此时，与上述的情况同样地，优选收罗所有形式的加工对象部分。由此，即使异常部分的数量未知，异常部分检测装置10也能够对全部异常部分进行检测。

在上述各实施方式中，使加工对象部分的宽度为恒定的，但也可以使加工对象部分的宽度可变。例如，在实施方式1中，如图18所示，在掩蔽对象部分的宽度比异常部分的宽度窄的情况下，无法充分地对异常部分进行掩蔽处理，因此，异常部分检测装置10对异常部分的检测失败的可能性高。因此，异常部分检测装置10通过在异常部分的检测失败时增加加工对象部分的宽度，从而无论异常部分的宽度如何，都能够对异常部分进行检测。

在上述各实施方式中，判定部101及判定部101B基于对正常数据进行学习而构建的训练好的模型即正常数据模型D111来判定数据是否存在异常。但是，判定部101及判定部101B也可以通过不依赖训练好的模型的方法而判定数据是否存在异常。例如，判定部101及判定部101B也可以基于是否满足异常部分检测装置10的制造者设定的条件而判定数据是否存在异常。

在上述实施方式2中，加工部104A基于对并非置换对象的部分的数据和置换对象部分的数据之间的组合进行学习而构建的训练好的模型即置换数据模型D112A来决定置换所使用的数据。但是，加工部104A也可以通过不依赖于训练好的模型的方法而决定置换所使用的数据。例如，加工部104A也可以基于并非置换对象的部分的数据而推导出表示数据的变化的近似式，基于该近似式而决定置换所使用的数据。

在图6所示的硬件结构中，异常部分检测装置10具有次级存储装置1004。但不限于此，也可以设为将次级存储装置1004设置于异常部分检测装置10的外部，经由接口1003而将异常部分检测装置10与次级存储装置1004连接的形态。在该形态中，USB闪存盘、存储卡等可移动介质也能够用作次级存储装置1004。

另外，也可以取代图6所示的硬件结构，而由使用了ASIC(Application SpecificIntegrated Circuit：专用集成电路)、FPGA(Field Programmable Gate Array)等的专用电路构成异常部分检测装置10。另外，在图6所示的硬件结构中，也可以使异常部分检测装置10的功能的一部分例如由与接口1003连接的专用电路实现。

在异常部分检测装置10中使用的程序能够储存于CD-ROM(Compact Disc ReadOnly Memory)、DVD(Digital Versatile Disc)、USB闪存盘、存储卡、HDD等计算机可读取记录介质中而发布。并且，通过将该程序安装于特定的或者通用的计算机，从而能够使该计算机作为异常部分检测装置10而起作用。

另外，也可以将上述程序预先储存于互联网上的其它服务器所具有的存储装置，从该服务器下载上述程序。

本发明能够在不脱离本发明的广义的精神和范围的情况下进行各种实施方式以及变形。另外，上述实施方式用于对本发明进行说明，不限定本发明的范围。即，本发明的范围不是由实施方式而是由权利要求书表示的。并且，在权利要求书的范围内及与其等同的发明的意义的范围内实施的各种变形被视为落在本发明的范围内。

标号的说明

10、10A、10B异常部分检测装置，20传感器，30显示装置，40、40A学习装置，100、100A、100B控制部，101、101B判定部，102诊断对象数据发送部，103加工对象部分决定部，104加工部，105加工后数据发送部，106异常部分检测部，107通知执行部，108B灵敏度调整部，110、110A存储部，1000总线，1001处理器，1002存储器，1003接口，1004次级存储装置，D111正常数据模型，D112A置换数据模型。

Claims (8)

1.一种异常部分检测装置，其具有：

判定单元，其对接收到的数据是否存在异常进行判定；

诊断对象数据发送单元，其将诊断对象数据发送至所述判定单元；

加工对象部分决定单元，其决定由所述判定单元判定为存在异常的诊断对象数据的加工对象部分；

加工单元，其对所述诊断对象数据的所述加工对象部分进行加工而创建加工后数据；

加工后数据发送单元，其将所述加工后数据发送至所述判定单元；以及

异常部分检测单元，其在由所述判定单元判定为所述加工后数据没有异常时，将由所述加工对象部分决定单元决定的所述加工对象部分检测为所述诊断对象数据的异常部分。

2.根据权利要求1所述的异常部分检测装置，其中，

所述判定单元基于对正常数据进行学习而构建的训练好的模型而判定接收到的数据是否存在异常。

3.根据权利要求1或2所述的异常部分检测装置，其中，

所述加工单元通过进行用于将所述加工对象部分从所述判定单元的评价对象之中排除的掩蔽处理而对所述诊断对象数据进行加工。

4.根据权利要求1或2所述的异常部分检测装置，其中，

所述加工单元通过将所述加工对象部分置换为正常数据而对所述诊断对象数据进行加工。

5.根据权利要求4所述的异常部分检测装置，其中，

所述加工单元基于对将正常数据中的相当于所述加工对象部分的部分去除后的数据与该正常数据中的相当于所述加工对象部分的部分的数据之间的组合进行学习而构建的训练好的模型，将所述加工对象部分置换为正常数据。

6.根据权利要求1或2所述的异常部分检测装置，其中，

还具有灵敏度调整单元，该灵敏度调整单元对由所述判定单元进行的异常判定的灵敏度进行调整，

所述灵敏度调整单元使对所述加工后数据进行判定时的灵敏度比对所述诊断对象数据进行判定时的灵敏度低。

7.一种异常部分检测方法，

判定诊断对象数据是否存在异常，

在判定为所述诊断对象数据存在异常时，决定所述诊断对象数据的加工对象部分，

对所述诊断对象数据的所述加工对象部分进行加工而创建加工后数据，

判定所述加工后数据是否存在异常，

在判定为所述加工后数据没有异常时，将所述诊断对象数据的所述加工对象部分检测为所述诊断对象数据的异常部分。

8.一种储存有程序的计算机可读取的记录介质，该程序使计算机作为以下单元起作用：

判定单元，其对接收到的数据是否存在异常进行判定；

诊断对象数据发送单元，其将诊断对象数据发送至所述判定单元；

加工对象部分决定单元，其决定由所述判定单元判定为存在异常的诊断对象数据的加工对象部分；

加工单元，其对所述诊断对象数据的所述加工对象部分进行加工而创建加工后数据；

加工后数据发送单元，其将所述加工后数据发送至所述判定单元；以及

异常部分检测单元，其在由所述判定单元判定为所述加工后数据没有异常时，将由所述加工对象部分决定单元决定的所述加工对象部分检测为所述诊断对象数据的异常部分。

Images