CN114365125A - 信息处理装置、运转辅助系统、信息处理方法、以及信息处理程序 - Google Patents

信息处理装置、运转辅助系统、信息处理方法、以及信息处理程序 Download PDF

Info

Publication number
CN114365125A
CN114365125A CN202080063731.4A CN202080063731A CN114365125A CN 114365125 A CN114365125 A CN 114365125A CN 202080063731 A CN202080063731 A CN 202080063731A CN 114365125 A CN114365125 A CN 114365125A
Authority
CN
China
Prior art keywords
information processing
sensor data
sensors
state
unit
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
CN202080063731.4A
Other languages
English (en)
Inventor
马野元秀
伊濑显史
小东清孝
小浦洋平
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.)
Hitachi Zosen Corp
Original Assignee
Hitachi Zosen Corp
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 Hitachi Zosen Corp filed Critical Hitachi Zosen Corp
Publication of CN114365125A publication Critical patent/CN114365125A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/904—Browsing; Visualisation therefor
    • 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
    • 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
    • G05B23/0275—Fault isolation and identification, e.g. classify fault; estimate cause or root of failure
    • G05B23/0281—Quantitative, e.g. mathematical distance; Clustering; Neural networks; Statistical analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N7/00—Computing arrangements based on specific mathematical models
    • G06N7/02—Computing arrangements based on specific mathematical models using fuzzy logic
    • G06N7/023—Learning or tuning the parameters of a fuzzy system

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Theoretical Computer Science (AREA)
  • Software Systems (AREA)
  • Evolutionary Computation (AREA)
  • Mathematical Physics (AREA)
  • Artificial Intelligence (AREA)
  • General Engineering & Computer Science (AREA)
  • Algebra (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Fuzzy Systems (AREA)
  • Mathematical Analysis (AREA)
  • Biomedical Technology (AREA)
  • Computational Mathematics (AREA)
  • Computing Systems (AREA)
  • Molecular Biology (AREA)
  • General Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Probability & Statistics with Applications (AREA)
  • Testing And Monitoring For Control Systems (AREA)
  • Testing Or Calibration Of Command Recording Devices (AREA)

Abstract

提供一种具有能够用于机械设备的运转辅助的通用性的装置。信息处理装置(1A)具备：数据获取部(101)，其从设置于机械设备的多个传感器获取传感器数据；关系指标计算部(103)，其基于对上述传感器的组获取的各传感器数据的分布状况来计算表示该组的相关性的关系指标；以及映射生成部(104)，其使用上述关系指标来生成表示上述机械设备的状态的映射。

Description

信息处理装置、运转辅助系统、信息处理方法、以及信息处理 程序
技术领域
本发明涉及一种信息处理装置等，其生成能够用于机械设备的运转辅助的信息。
背景技术
使机械设备运转的操作员根据设置于机械设备的传感器的输出值等来掌握机械设备的状态，并对机械设备进行操作。一直以来进行着对这样的机械设备的运转进行辅助的系统的开发。例如，在下述的专利文献1中，公开了一种工厂辅助装置，(1)其基于包含流量、压力、温度等测量数据的工艺数据输出工厂的推测值，(2)其基于该推测值预测工厂的未来状态从而输出工厂的预测值。
现有技术文献
专利文献
专利文献1：日本公开专利公报“特开2018-112903号公报”
发明内容
(一)要解决的技术问题
在上述那样的以往技术中，使用由物理/化学模型公式构成的模拟模型来获得工厂的推测值。这样的模拟模型需要设定多个参数，制作成本较高。另外，这样的模拟模型存在的技术问题为，由于需要专门用于工厂而导致通用性较低。
本发明的一个方式的目的在于，实现一种信息处理装置等，其能够生成可用于机械设备的运转辅助的信息，并且容易通用化。
(二)技术方案
为了解决上述技术问题，本发明的一个方式的信息处理装置具备：数据获取部，其获取传感器数据，所述传感器数据是设置于机械设备的多个传感器在规定期间的输出值、或者使用该输出值计算的数值；关系指标计算部，其基于对由多个上述传感器中的两个构成的传感器的组的传感器获取的各传感器数据的分布状况来计算表示该组的相关性的关系指标；以及状态信息生成部，其使用对多个上述传感器的各组计算的上述关系指标来生成表示上述规定期间的上述机械设备的状态的信息。
另外，为了解决上述技术问题，本发明的一个方式的运转辅助系统辅助机械设备的运转，该运转辅助系统包含：信息处理装置；以及多个传感器，其设置于上述机械设备；上述信息处理装置获取传感器数据，所述传感器数据是上述多个传感器在规定期间的输出值、或者使用该输出值计算的数值即传感器数据，上述信息处理装置基于对由多个上述传感器中的两个构成的传感器的组的传感器获取的各传感器数据的分布状况来计算表示该组的相关性的关系指标，并使用对多个上述传感器的各组计算的上述关系指标来生成表示上述规定期间的上述机械设备的状态的信息并输出。
另外，为了解决上述技术问题，本发明的一个方式的信息处理方法由信息处理装置执行，该信息处理方法包含：数据获取步骤，获取传感器数据，所述传感器数据是设置于机械设备的多个传感器在规定期间的输出值、或者使用该输出值计算的数值；关系指标计算步骤，基于对由多个上述传感器中的两个构成的传感器的组的传感器获取的各传感器数据的分布状况来计算表示该组的相关性的关系指标；以及状态信息生成步骤，使用对多个上述传感器的各组计算的上述关系指标来生成表示上述规定期间的上述机械设备的状态的信息。
(三)有益效果
根据本发明的一个方式，能够生成表示机械设备的状态的信息这种对机械设备的运转辅助有用的信息。另外，根据本发明的一个方式，如果获取其他机械设备的传感器数据，则能够生成表示该机械设备的状态的信息，因此容易通用化。
附图说明
图1是本发明实施方式1的信息处理装置的主要部位结构的一例的框图。
图2是用于说明包含上述信息处理装置的运转辅助系统的概要的图。
图3是表示传感器数据的划分例和关系指标的计算例的图。
图4是表示两个传感器分别输出的传感器数据的值的划分结果的例子的图。
图5示出了表示垃圾焚烧工厂的状态的相关映射的例子。
图6是表示权重的设定例的图。
图7是表示相关映射的变化的例子的图。
图8是表示上述信息处理装置执行的处理的一例的流程图。
图9是表示本发明的实施方式2的信息处理装置的结构和该信息处理装置执行的处理的流程的图。
图10是表示稳定指数的计算例的图。
图11是表示本发明的实施方式3的信息处理装置的结构和传感器数据的值的预测方法的概要的图。
图12是表示本发明的实施方式4的信息处理装置的结构例的框图。
具体实施方式
(实施方式1)
(系统概要)
基于图2对本发明的一个实施方式的运转辅助系统100的概要进行说明。图2是用于说明运转辅助系统100的概要的图。运转辅助系统100是用于辅助各种机械设备的运转的系统，如图示那样包含传感器S1～Sn和信息处理装置1A。此外，在不需要区分传感器S1～Sn时，仅记载为传感器S。
在本实施方式中，对利用运转辅助系统100辅助垃圾焚烧工厂P的运转的例子进行说明。垃圾焚烧工厂P具备焚烧垃圾的焚烧炉，并且具备利用在焚烧炉中产生的热量来发电的发电设备。此外，运转辅助系统100的辅助对象只要是能够利用传感器等掌握其动作状态且由人或者自动进行动作控制(运转)的机械设备即可，不限于垃圾焚烧工厂P。例如，运转辅助系统100也能够辅助风力发电设备等的运转。
传感器S检测与工厂状态相关的规定的物理量或者其变化量，并向信息处理装置1A输出表示其检测结果的传感器数据。传感器S1～Sn的检测对象分别不同。如上述那样，在本实施方式中，为了辅助垃圾焚烧工厂P的运转，传感器S设置于垃圾焚烧工厂P内的各处。例如，在传感器S中可以包含表示焚烧炉内的温度的温度传感器、检测废气中的一氧化碳浓度的传感器等。
另外，传感器S可以针对垃圾焚烧工厂P的一部分机械设备设置。例如，如果对焚烧炉设置多个传感器S，则能够使信息处理装置1A输出表示焚烧炉的状态的信息。更具体而言，在使其输出表示燃烧状态的信息的情况下，也可以使用温度计、空气流量计、炉排速度的测量器等配置于焚烧炉周围的传感器S。另外，如果对机械设备的一部分设置多个传感器S，则能够使信息处理装置1A输出与该部分相关的信息。例如，如果设置与来自焚烧炉的废气相关的多个传感器S(例如，炉内温度计、垃圾层的厚度的测量器、CO浓度计等)，则能够使信息处理装置1A输出与废气相关的信息。
在以下说明详细情况，信息处理装置1A获取多个传感器S的在规定期间的输出值即传感器数据。接着，信息处理装置1A基于对由多个传感器S中的两个构成的传感器S的组的传感器S获取的各传感器数据的分布状况(各传感器数据是如何分布的)来计算表示该组的相关性的关系指标。然后，信息处理装置1A使用对多个传感器S的各组计算的关系指标来生成表示上述规定期间的机械设备的状态的信息并输出。由此，能够生成表示机械设备的状态的信息这种对机械设备的运转辅助有用的信息。另外，信息处理装置1A如果获取其他机械设备的传感器数据，则能够生成表示该机械设备的状态的信息，因此容易通用化。
此外，本申请发明人通过实验确认了：传感器S的组中的传感器数据的分布方式的关系反映出机械设备的状态。此外，根据上述的结构，也确认了能够掌握具有非线性的相关性，该非线性的相关性是在专利文献1等的通常分析方法中难以处理的。
在图2的例子中，表示机械设备的状态的信息是表示垃圾焚烧工厂P的状态的映射M111～M113。映射M111是使用垃圾焚烧工厂P处于稳定的运转状态即稳定期间的传感器数据而生成的。映射M113是使用垃圾焚烧工厂P的运转状态不稳定的不稳定期间的传感器数据而生成的。另外，映射M112是使用不稳定期间紧前的期间即不稳定紧前期间的传感器数据生成的。此外，稳定～不稳定的基准任意设定即可，例如，也可以将用于发电的蒸气量在正常范围内的期间设定为稳定期间，将蒸气量超过正常范围的期间设定为不稳定期间。
如图示那样，映射M111～M113反映出从稳定期间到不稳定期间的垃圾焚烧工厂P的状态。更详细而言，根据映射M111～M112可知，从稳定期间到不稳定紧前期间，映射整体的颜色变淡。另外，根据映射M112～M113可知，从不稳定紧前期间到不稳定期间，映射整体的颜色进一步变淡。
因而，垃圾焚烧工厂P的操作员等能够根据映射整体的颜色的浓度、颜色的分布来判断垃圾焚烧工厂P的状态是否从稳定期间接近不稳定期间的任何期间的状态。也就是说，如果基于最新的传感器数据生成的映射的整体颜色的浓度、颜色的分布接近映射M111，则操作员等能够判断为是稳定期间，如果接近映射M113，则操作员等能够判断为是不稳定期间。
另外，不稳定紧前期间的映射M112与稳定期间的映射M111能够通过外观识别。也就是说，在信息处理装置1A生成的映射中表现出不稳定化的预兆。因而，操作员等通过参照信息处理装置1A生成的映射，从而能够在不稳定期间之前的阶段采取使垃圾焚烧工厂P稳定化的对应。由此，能够预先防止垃圾焚烧工厂P成为不稳定的状态。
(装置结构)
基于图1对信息处理装置1A的更详细的结构进行说明。图1是表示信息处理装置1A的主要部件结构的一例的框图。如图示那样，信息处理装置1A具备：统一控制信息处理装置1A的各部的控制部10A、以及存储信息处理装置1A使用的各种数据的存储部11。另外，在控制部10A中包含：数据获取部101、划分部102、关系指标计算部103、以及映射生成部104。
而且，信息处理装置1A具备：接受针对信息处理装置1A的信息输入的输入部12、以及用于信息处理装置1A输出信息的输出部13。输入部12和输出部13也可以是外置于信息处理装置1A的、信息处理装置1A的外部装置。在本实施方式说明的例子中，输入部12是输入接口部，其接受传感器S输出的传感器数据的输入，输出部13是显示输出图像的显示装置。此外，输入部12和输出部13只要具有信息的输入输出功能即可，并不限于这些例子。
数据获取部101获取上述的传感器S的输出值即传感器数据。此外，数据获取部101也可以获取使用传感器S的输出值计算的数值(例如将输出值标准化后的值、从输出值中除去了噪声成分后的值等)作为传感器数据。传感器数据也能够称为工艺数据。另外，除了传感器数据之外，数据获取部101也可以获取垃圾焚烧工厂P中包括的各种机械设备的动作设定值(例如动作速度的设定值等)。这样的动作设定值也能够与传感器数据同样地进行处理。
划分部102对数据获取部101获取的传感器数据按照其值的大小划分到多个集合。后面基于图3等对集合的设定方法及划分方法的详细情况进行说明。
关系指标计算部103基于对由多个传感器S中的两个构成的传感器S的组的传感器S获取的各传感器数据是如何分布的来计算表示该组的相关性的关系指标。具体而言，关系指标计算部103根据划分到多个集合的每个集合中的传感器数据的次数计算关系指标。由此，能够用简单的处理将各传感器间的关系数值化。后面基于图3等对关系指标的计算方法的详细情况进行说明。
映射生成部104使用关系指标计算部103对传感器S的各组计算的关系指标来生成表示规定期间的机械设备(在本实施方式中是垃圾焚烧工厂P)的状态的信息即映射。后面将会详细说明的是：映射生成部104生成的映射是将与对传感器S的各组计算的关系指标的值对应的图案描绘到在图像平面上规定的与各组对应的各区段的图像。映射生成部104通过生成这样的映射并显示输出到输出部13等，从而能够使垃圾焚烧工厂P的操作员等在视觉上识别该垃圾焚烧工厂P的状态。上述映射是表示垃圾焚烧工厂P的状态的信息，因此也能够将映射生成部104称为状态信息生成部。
(传感器数据的划分和关系指标的计算)
基于图3对划分部102进行的传感器数据的划分、和关系指标计算部103进行的关系指标的计算进行说明。图3是表示传感器数据的划分例和关系指标的计算例的图。
在图3的121中示出传感器S1～Sn中的一个即传感器SA输出的传感器数据的值与传感器S1～Sn中的另一个即传感器SB输出的传感器数据的值的关系。更详细而言，在图3的121中，将传感器SA的输出的传感器数据的值与传感器SB输出的传感器数据的值设为组的座标描绘到座标平面上。该座标平面将左右方向设定为表示传感器SA的输出值的大小的轴，将上下方向设定为表示传感器SB的输出值的大小的轴。例如，在垃圾焚烧工厂P运转过程中的规定期间由传感器SA输出的传感器数据为a1～a20，在相同期间由传感器SB输出的传感器数据为b1～b20的情况下，描绘的点为(a1，b1)～(a20，b20)。
另外，在图3的121中，将座标平面划分到九个区段。这些区段是基于传感器SA和传感器SB输出的传感器数据的值的大小的划分(Small、Middle、Large的三个阶段)而设定的。具体而言，设定了从传感器SA和传感器SB输出的传感器数据的值都是“Small”的区段(Small-Small)到传感器SA和传感器SB输出的传感器数据的值都是“Large”的区段(Large-Large)的九个区段。
划分部102也可以基于这样的区段来划分传感器数据。在这样的情况下，对各传感器S预先设定划分传感器数据的大小的阈值。例如，在如图3的例子那样划分到三个集合的情况下，事先设定好划分“Small”与“Middle”的阈值、以及划分“Middle”与“Large”的阈值。由此，划分部102能够将传感器数据按照其值的大小而划分到“Small”、“Middle”、以及“Large”的其中一个。此外，阈值的设定方法没有特别限定，例如也可以基于表示传感器数据的分布的信息(例如，平均值、最大值、最小值等)来设定。
划分部102也可以对传感器S1～Sn的各组合进行这样的划分。此外，划分传感器数据的集合也可以在传感器S1～Sn的每一个中不同。例如，也可以是，传感器S1输出的传感器数据划分到两个集合，传感器S2输出的传感器数据划分到四个以上的集合。
另外，划分部102也可以通过向多个模糊集合分配传感器数据来划分该传感器数据。由此，能够适当分配某一个集合与其他集合的边界附近的传感器数据。例如，划分部102也可以使用图3的123所示的隶属函数将传感器数据分配到“Small”、“Middle”、以及“Large”的三个模糊集合中。隶属函数既可以手动制作，也可以自动制作。在自动制作的情况下，划分部102也可以例如计算传感器数据的平均值和标准差σ，并将收敛于从平均值起±3σ的范围的传感器数据的最大值、最小值、平均值作为基准来制作隶属函数。
关系指标计算部103对传感器S1～Sn的每个组合根据划分到各集合的传感器数据的次数来计算关系指标。在图3的121的例子中，图示的20点中的9点包含于“Middle”-“Middle”的划分，6点包含于“Middle”-“Small”的划分，2点包含于“Small”-“Large”的划分。另外，在“Small”-“Small”、“Large”-“Small”、以及“Large”-“Middle”的各划分中包含1点，在其它的划分中不包含点。
在这样的情况下，关系指标计算部103也可以将各划分的关系指标设定为例如图3的122所示的值。在图3的122的例子中，包含描绘的点最多的“Middle”-“Middle”的划分的关系指标是0.405，包含描绘的点第二多的“Middle”-“Small”的划分的关系指标是0.225。另外，包含描绘的点第三多的“Small”-“Large”的划分的关系指标是0.1。关于仅包含一个点的划分，由于关系指标比规定的阈值低，因此与不包含点的划分相同，关系指标是0。这样，在图3的例子中，越是传感器数据的次数多的划分，关系指标的值越大。以下基于图4对这样的关系指标的计算方法进行说明。
(关系指标的计算方法的例子)
图4是表示两个传感器S分别输出的传感器数据的值的划分结果的例子的图。具体而言，在图4的124的例子中，传感器S1输出的传感器数据中的30个划分到“Small”，其中10个划分到传感器S2输出的传感器数据为“Middle”，其中20个划分到传感器S2输出的传感器数据为“Large”。另外，传感器S2输出的传感器数据合计是120个，其中30个划分到“Small”，40个划分到“Middle”，50个划分到“Large”。
另一方面，在图4的125的例子中，传感器S1输出的传感器数据的划分与124的例子相同，但在传感器S2输出的传感器数据的个数合计为450个的方面与124的例子不同。传感器S2输出的传感器数据中的150个划分到“Small”，250个划分到“Middle”，50个划分到“Large”。
关系指标计算部103也可以利用下述的数学式(1)来计算各划分的关系指标。
(关系指标)＝(占有率P)×(覆盖率C)×(比例R)…数学式(1)
上述占有率P是对传感器S1而言属于“Small”的传感器数据中的、传感器S2的传感器数据属于“Large”的部分的比例。例如，在图4的124的例子中，占有率P＝20/30。
另外，上述覆盖率C是相对于属于传感器S2的“Large”的传感器数据的数量的、属于传感器S1的“Small”的传感器数据中的、传感器S2的传感器数据属于“Large”的部分的比例。例如，在图4的124的例子中，覆盖率C＝20/50。
而且，上述比例R是相对于传感器S1的传感器数据的总数的、属于“Large”的传感器数据的比例。例如，在图4的124的例子中，比例R＝50/120。
根据以上情况，在图4的124的例子中，占有率P＝20/30，覆盖率C＝20/50，比例R＝50/120，因此关系指标为1/9。另一方面，在图4的125的例子中，占有率P＝20/30，覆盖率C＝20/50，比例R＝50/450，因此关系指标为4/135。
此外，在关系指标的计算式中乘以比例R不是必须的，但通过乘以比例R，如125的例子那样，即使在第二划分的数据数量与其它的划分的数据数量的差较大的情况下，由于能够使关系指标的值变得妥当，因此优选。另外，在上述数学式(1)中，也可以对占有率P、覆盖率C、以及比例R的至少任意一个乘以权重。例如，通过将占有率P的权重设定成比覆盖率C及比例R的权重大的值，或者使覆盖率C及比例R的权重比占有率P的权重小，从而也能够计算出重视了占有率P的关系指标。
另外，例如，在数学式(1)中，也可以将覆盖率C的权重设定为零来计算关系指标。在这样的情况下，对于相反视点的组合(例如，相对于传感器S1和S2的组合是传感器S2和S1的组合)，也可以将占有率P的权重设定为零来计算关系指标。而且，在这样的情况下，数学式(1)中的其它项目的权重也可以设定为1。这样，对相同传感器S中的两种视点的组合(例如，如果是传感器S1和S2，则是S1-S2和S2-S1的组合)也可以用分别不同的权重(或者不同的计算式)来计算关系指标。即使是这样的结构，也能够生成表示垃圾焚烧工厂P的状态的相关映射。
(相关映射的生成)
映射生成部104使用上述关系指标生成表示垃圾焚烧工厂P的状态的信息即相关映射。基于图5对相关映射的生成进行说明。图5是示出了表示垃圾焚烧工厂P的状态的相关映射的例子的图。此外，在图5中示出了通常版的相关映射M114和简单版的相关映射M115。
相关映射M114是对传感器S1～Sn的所有的组合用颜色表示每一个划分的组合的关系指标的值的映射。此外，在图5中，表示传感器S1～Sn的所有组合中的、与传感器S14～S19和传感器S14～S19的组合(需要说明的是，相同的传感器S的组合除外)对应的部分。另外，在图5中存在分别将Small、Middle、Large简记为S、M、L的位置。
在相关映射M114中，针对传感器S的组合的每一个设定一个区段，一个区段还分割成九个小区段。九个小区段对应传感器S的组合中的、传感器数据的值为Small、Middle、Large的划分。例如，传感器S14的列与传感器S15的行交叉的位置成为与传感器S14-S15的组合对应的区段。而且，包含于该区段的九个小区段中的左上的小区段对应传感器S14的传感器数据和传感器S15的传感器数据都是“Small”的组合。其它的小区段也同样地对应传感器数据的划分的组合。
图5的相关映射M114按如下方式生成：在关系指标小于预先设定的阈值的小区段不着色，关系指标越接近1越接近黑色，关系指标越接近0越接近白色。也就是说，相关映射M114是用灰度中的像素值表示关系指标的。此外，在相关映射M114中，用什么样的图案表现关系指标是任意的，不限于图5的例子。例如，也可以用彩度、色调、亮度、或者它们的组合来表现。如果预先确定将关系指标转换成颜色的规则，则映射生成部104能够按照该规则确定相关映射M114的各划分的显示颜色。
另一方面，相关映射M115是在一个区段描绘了一个图案的图像后得到的图像。各区段的图案使用与该区段对应的最大九个关系指标来决定。具体而言，映射生成部104计算包含在一个区段中的关系指标的加权和，并将其平均值设定为该区段的关系指标的值。而且，映射生成部104将与区段的关系指标的值对应的图案(例如用与关系指标的值对应的像素值将区段的全面均匀涂满后的图像)决定为在该区段中描绘的图案。
此外，权重只要设定为传感器S的每个组合的传感器数据的分布状况反映于加权和那样的值即可。基于图6对权重的设定例进行说明。在图6的131中，示出了对传感器S1和S2的组合计算的关系指标的例子，在该图的132中，示出了传感器S1和S2的组合中的权重的设定例。
在图6的132的例子中，将“Middle”-“Middle”的组合的权重设定为最大的值(具体而言是1.00)。另外，将“Middle”-“Small”、“Middle”-“Large”、“Small”-“Middle”、“Large”-“Middle”的组合的权重设定为中间的值(具体是0.50)。而且，将其它组合的权重设定为较小的值(具体是0.25)。
在适用了这些权重的情况下，关于图6的131所示的传感器S1和S2的组合的关系指标，加权和的平均值为(0.35×1.00+0.80×0.25)/2＝0.275。同样，对传感器S的所有的组合，计算关系指标的加权和的平均值，并在与传感器S的各组合对应的区段上描绘与计算出的关系指标的值对应的图案。通过这样的处理，能够描绘图5所示那样的简单版的相关映射M115。此外，权重也可以设为在传感器S的所有的组合中共用的值，优选针对传感器S的每个组合调整为最佳的值。
(相关映射的变化的例子)
图7是表示如上述那样生成的相关映射的变化的例子的图。此外，在图7中，与图5同样地，将相关映射的一部分进行选取并示出。图7所示的相关映射M116是基于在垃圾焚烧工厂P的稳定期间获取的传感器数据而生成的。根据相关映射M116可知，稳定期间的传感器S14～S19的传感器数据集中于“Middle”。
另一方面，图7所示的相关映射M118是基于在垃圾焚烧工厂P的不稳定期间获取的传感器数据而生成的。另外，相关映射M117是基于在不稳定紧前期间获取的传感器数据而生成的。根据相关映射M116～M118可知，在稳定期间到不稳定期间的期间，传感器数据的值的大小的相关性逐渐破坏。
更详细而言，在相关映射M116中，“Middle”-“Middle”的小区段的颜色接近黑色，在其它的小区段未着色，在相关映射M117中，在“Middle”-“Middle”以外的小区段也着色，也出现了“Middle”-“Middle”的小区段未着色的区段。在相关映射M118中，该倾向进一步发展，在“Middle”-“Middle”的小区段着色的区段更少。
如在相关映射M116及相关映射M118中所示，从相关映射中能够知晓垃圾焚烧工厂P是在稳定期间还是在不稳定期间。另外，如相关映射M117所示，也能够从相关映射中知晓不稳定期间的前兆。
因此，映射生成部104也可以基于在稳定期间获取的传感器数据来生成基准映射，该基准映射成为使用运转辅助系统100的操作员等判断垃圾焚烧工厂P的稳定状态的基准。而且，映射生成部104也可以基于在垃圾焚烧工厂P运转时实时获取的传感器数据随时生成相关映射，并使输出部13将所生成的相关映射与基准映射一起显示输出。由此，操作员等将基准映射与当前的相关映射进行比较，能够判断垃圾焚烧工厂P是否处于稳定状态，或者是否处于不稳定的前兆。
此外，映射生成部104也可以基于在不稳定期间获取的传感器数据来生成基准映射。在这样的情况下，操作员等对基准映射与当前的相关映射进行比较，如果当前的相关映射接近基准映射，则判断为存在不稳定的前兆。
(处理的流程)
基于图8来说明信息处理装置1A执行的处理(信息处理方法)的流程。图8是表示信息处理装置1A执行的处理的一例的流程图。此外，以下说明生成相关映射的例子，在ST11中，如果获取在正常运转的垃圾焚烧工厂P中测量的传感器数据，则图8是制作基准映射的处理的流程图。另外，“正常运转”表示未产生异常的状态。例如，在不进行手动操作的介入的情况下通过自动控制能够使垃圾焚烧工厂P继续运转的状态、按照预先确定的运转计划能够使垃圾焚烧工厂P继续运转的状态、发电量在规定范围内稳定的状态等是“正常运转”的状态。这样的状态也能够称为稳定状态。
在ST11(数据获取步骤)中，数据获取部101从所有的传感器S获取传感器数据。更详细而言，数据获取部101经由输入部12获取在规定期间(例如最近三分钟)输出的规定数量的传感器数据。
在ST12中，划分部102对在ST11中获取的传感器数据按照其值的大小进行划分。例如，划分部102可以以Small、Middle、Large的三个阶段划分，也可以以两个阶段或者四个阶段以上划分。另外，划分部102既可以例如基于阈值等划分传感器数据，也可以使用模糊集合划分传感器数据。
在ST13(关系指标计算步骤)中，关系指标计算部103基于在ST11中获取的传感器数据的分布状况来计算各划分的关系指标。如上述那样，关系指标计算部103对划分与划分的各个组合计算与包含于这些划分的数据的个数对应的关系指标。例如，关系指标计算部103也可以使用上述的数学式(1)计算关系指标。
在ST14(状态信息生成步骤)中，映射生成部104使用在ST13中计算的关系指标来生成表示垃圾焚烧工厂P的状态的相关映射。具体而言，映射生成部104通过针对传感器S的每个组合的区段中的、Small、Middle、Large的划分的每个组合来决定与该组合的关系指标对应的描绘的图案，从而生成相关映射。
在ST15中，映射生成部104使输出部13显示输出在ST14中生成的相关映射。此外，在输出部13中已经显示相关映射的情况下，映射生成部104也可以将已经显示的相关映射更新为新生成的相关映射。由此，能够将显示的相关映射的内容始终设定为表示垃圾焚烧工厂P的最新的状态的内容。
在ST16中，判定数据获取部101是否结束处理。在判定为数据获取部101结束处理的情况下(在ST16中为是)，图8的处理结束。另一方面，在判定为数据获取部101继续处理的情况下(在ST16中为否)，返回至ST11的处理。只要预先适当设定ST16的判定条件即可，例如，数据获取部101也可以在垃圾焚烧工厂P运转停止的情况下判定为结束处理。由此，能够在垃圾焚烧工厂P运转停止之前的期间，通过显示相关映射来进行运转辅助。
(实施方式2)
以下对本发明的另一个实施方式进行说明。此外，为了方便说明，对于具有与在上述实施方式中说明的部件相同的功能的部件赋予相同的附图标记并不重复其说明。在实施方式3之后也同样如此。
本实施方式的信息处理装置1B在自动检测在垃圾焚烧工厂P中产生了异常、或者存在其预兆的方面与上述实施方式的信息处理装置1A不同。以下基于图9对信息处理装置1B进行说明。图9是表示信息处理装置1B的结构和该信息处理装置1B执行的处理的流程的图。此外，在信息处理装置1B中，控制部10B以外的结构与信息处理装置1A(参照图1)相同，因此在图9中示出控制部10B的结构。
如图9所示，信息处理装置1B在取代映射生成部104而具备稳定指数计算部201和异常检测部202方面与信息处理装置1A不同。此外，控制部10B也可以包含映射生成部104。
稳定指数计算部201使用数据获取部101获取的传感器数据来计算稳定指数。稳定指数是表示垃圾焚烧工厂P处于稳定的运转状态时的传感器数据的分布状况与数据获取部101获取的传感器数据的分布状况的相似度的指标。此外，稳定指数是表示垃圾焚烧工厂P的状态的信息，因此也能够将稳定指数计算部201称为状态信息生成部。
通过具备稳定指数计算部201，信息处理装置1B能够用数值表示垃圾焚烧工厂P的运转状态是接近稳定状态还是远离稳定状态(也就是说是否不稳定)。稳定指数既能够与相关映射同样地显示输出而向操作员等提示，也能够如以下说明那样用于异常的检测等。
稳定指数例如可以按如下方式来计算。此外，在稳定指数计算部201计算稳定指数之前，关系指标计算部103使用垃圾焚烧工厂P处于稳定的运转状态时的传感器数据来计算关系指标。在以下的说明中，将使用垃圾焚烧工厂P处于稳定的运转状态时的传感器数据计算出的关系指标称为稳定时关系指标。此外，上述的基准映射也能够使用稳定时关系指标来制作。
首先，稳定指数计算部201计算数据获取部101获取的传感器数据的值与基于传感器数据的值的大小的各划分的适合度。该传感器数据是表示作为稳定指数的计算对象的垃圾焚烧工厂P的状态的数据。接着，稳定指数计算部201基于各划分的稳定时关系指标、以及对该划分计算的上述适合度，计算各划分的稳定指数。然后，稳定指数计算部201根据各划分的稳定指数来计算传感器S的每个组合的稳定指数，并将对各组合计算的稳定指数的和设为最终的稳定指数。
以下基于图10来说明作为传感器S1和传感器S2的组合的稳定时关系指标而计算出图6的131所示的关系指标的情况下的稳定指数的计算例。图10是表示稳定指数的计算例的图。此外，将稳定时关系指标的计算后的时刻t的传感器S1、S2的传感器数据的值分别设为v1、v2。
在这样的情况下，如图10的141所示，稳定指数计算部201计算表示v1适合于传感器S1中的值的大小的各划分(Small、Middle、Large)的程度的适合度。在适合度的计算中，使用传感器S1中的值的大小的每个划分的隶属函数即可。在图10的141的例子中，v1与“Small”、“Middle”、“Large”的各划分的适合度分别被计算为0.0、0.7、0.3。
另外，稳定指数计算部201与上述同样地计算传感器S2的传感器数据的值即v2与传感器S2中的值的大小的各划分(Small、Middle、Large)的适合度。在图10的141的例子中，v2与“Small”、“Middle”、“Large”的各划分的适合度分别被计算为0.4、0.6、0.0。
然后，稳定指数计算部201通过在v1的适合度上乘以v2的适合度，从而对值的大小的组合的各个划分计算适合度。在图10的141的例子中，“Middle”-“Small”的划分的适合度是0.7×0.4＝0.28，“Middle”-“Middle”的划分的适合度是0.7×0.6＝0.42。另外，“Large”-“Small”的划分的适合度是0.3×0.4＝0.12，“Large”-“Middle”的划分的适合度是0.3×0.6＝0.18。其它划分的适合度是0.0。
接着，稳定指数计算部201针对值的大小的组合的各划分，在稳定时关系指标上乘以对该划分计算出的适合度从而计算该划分的稳定指数。在图6的131的例子中，“Middle”-“Middle”的划分的关系指标是0.35，“Large”-“Small”的划分的关系指标是0.8，其它的划分的关系指标是0.0。因而，“Middle”-“Middle”的划分的稳定指数是0.35×0.42＝0.147，“Large”-“Small”的划分的稳定指数是0.12×0.8＝0.096。
然后，稳定指数计算部201将各划分的稳定指数继续合计来作为测量v1、v2的传感器数据时的稳定指数。也就是说，图10的142的例子中的稳定指数是0.147+0.096＝0.243。稳定指数计算部201对所有的传感器S的组合进行以上的处理，并将对各组合计算出的稳定指数的和设定为时刻t下的稳定指数。
关于按照这样的方式计算出的稳定指数，当数据获取部101获取的传感器数据的分布状况越类似于垃圾焚烧工厂P处于稳定的运转状态时的传感器数据的分布状况，其值越大。因而，可以说稳定指数表示垃圾焚烧工厂P处于稳定的运转状态时的传感器数据的分布状况与数据获取部101获取的传感器数据的分布状况的相似度。
另外，稳定指数计算部201也能够考虑传感器数据的时序变化来计算稳定指数。例如，稳定指数计算部201也可以计算时序的传感器数据的重心位置，并使用该重心位置来计算稳定指数。对此，基于图10的143进行说明。在图10的143的例子中，假定在时刻t1、t2、t3下利用传感器S1、S2测量了传感器数据(v11，v21)、(v12，v22)、(v13，v23)。
在这样的情况下，稳定指数计算部201计算(v11，v21)、(v12，v22)、(v13，v23)的重心(v1’，v2’)。之后，稳定指数计算部201能够通过与使用v1和v2而计算出稳定指数的上述例子相同的运算来计算时刻t1～t3的稳定指数。
这样，稳定指数计算部201也可以(1)使用在规定期间测量的多个传感器数据来计算表示该期间的垃圾焚烧工厂P的状态的数据(在上述的例子中是重心位置的座标)，(2)使用该数据计算稳定指数。由此，稳定指数计算部201能够考虑该期间传感器数据的时序变化来计算稳定指数。
此外，也可以成为如下的结构：取代稳定指数，计算表示数据获取部101获取的传感器数据的分布状况与垃圾焚烧工厂P处于不稳定的运转状态时的传感器数据的分布状况在整体上类似到何种程度的不稳定指数。另外，也可以将表示数据获取部101获取的传感器数据的分布状况与垃圾焚烧工厂P处于不稳定的运转状态时的传感器数据的分布状况的背离度的信息作为稳定指数。这样，在计算稳定指数或者不稳定指数时，作为基准的运转状态既可以是稳定状态，也可以是不稳定状态。
异常检测部202基于稳定指数计算部201计算的稳定指数来检测垃圾焚烧工厂P的异常。此外，在异常检测部202设为检测对象的异常中，除了垃圾焚烧工厂P的不稳定状态之外，还包括表现出垃圾焚烧工厂P的状态不稳定化的倾向的状态。
异常检测部202也可以在稳定指数是规定的阈值以下时判定为产生了异常。另外，异常检测部202也可以基于稳定指数的变化率来判定有无异常。例如，异常检测部202既可以在稳定指数短时间急剧降低时判定为产生了异常，也可以在稳定指数在规定期间持续降低时判定为产生了异常。
而且，异常检测部202在判定为有可能产生异常的情况下，向操作员等通知该意思。通知的方式没有特别限定，例如，异常检测部202可以通过使输出部13显示表示检测出了异常的信息来进行通知。此外，也可以成为用其它的处理模块来执行有无异常的判定和通知的结构。
接着，对信息处理装置1B执行的处理(信息处理方法)的流程进行说明。此外，由于ST21和ST26的处理与图8的ST11和ST16的处理相同，因此以下对ST22～ST25的处理进行说明。
在ST22中，稳定指数计算部201计算相对于在ST21中获取的传感器数据的各划分的适合度。具体而言，如基于图10所说明那样，稳定指数计算部201对传感器S的各组合分别计算在ST21中获取的传感器数据与“Small”、“Middle”、“Large”的三个划分的适合度。然后，稳定指数计算部201将计算出的适合度相乘，并分别计算在ST21中获取的传感器数据与“Small”-“Small”～“Large”-“Large”的九个划分的适合度。
在ST23(状态信息生成步骤)中，稳定指数计算部201使用在ST22中计算出的适合度来计算表示垃圾焚烧工厂P的状态的稳定指数。具体而言，如基于图10说明的那样，稳定指数计算部201利用将在ST22中计算的适合度乘以稳定时关系指标的运算来计算稳定指数。
然后，在ST24中，异常检测部202基于在ST23中计算出的稳定指数来判定有无异常。在ST24中判定为有异常的情况下(在ST24中为是)，进入ST25的处理，在ST25中向操作员等通知异常检测部202检测到了异常。另一方面，在ST24中判定为没有异常的情况下(在ST24中为否)，进入ST26的处理。
此外，在ST23中，除了整体的稳定指数之外，稳定指数计算部201还可以计算关于一部分传感器S的组合的稳定指数。在这样的情况下，在ST24中，异常检测部202在根据整体的稳定指数判断为没有异常的情况下，也可以根据关于一部分传感器S的组合的稳定指数来重新判定有无异常。由此，在难以根据整体知晓异常的征兆，但在一部分传感器S的输出值中表现出异常的征兆的情况下，也能够进行异常检测。
(关于机械学习)
异常检测部202也可以使用通过对关系指标计算部103计算出的关系指标与垃圾焚烧工厂P的状态的关系进行机械学习而构筑的已学习模型来检测垃圾焚烧工厂P的异常。在这样的情况下，省略稳定指数计算部201，向上述已学习模型输入关系指标，输出表示垃圾焚烧工厂P是否异常的信息的异常检测部202作为状态信息生成部发挥功能。
在上述机械学习中，例如，也可以将根据在垃圾焚烧工厂P正常运转时获取的传感器数据而计算出的关系指标和根据在垃圾焚烧工厂P产生异常的规定时间前获取的传感器数据而计算出的关系指标作为教师数据。如果向通过这样的机械学习构筑的已学习模型输入由关系指标计算部103计算出的关系指标，则能够获得表示垃圾焚烧工厂P正在正常运转的可能性的输出值、以及表示在规定时间后产生异常的可能性的输出值。
在这样的情况下，异常检测部202例如在表示正在正常运转的可能性的输出值小于规定的阈值的情况下，能够检测为运转状态异常。另外，异常检测部202例如在表示在规定时间后产生异常的可能性的输出值是阈值以上的情况下，能够检测为存在产生异常的预兆。
(实施方式3)
在本实施方式中，对以下例子进行说明：根据获取的传感器数据的值的推移来预测之后的传感器数据的值，并基于所预测的传感器数据的值来进行异常检测。基于图11对本实施方式的信息处理装置1C进行说明。图11是表示信息处理装置1C的结构和传感器数据的值的预测方法的概要的图。此外，在信息处理装置1C中，控制部10C以外的结构与信息处理装置1A(参照图1)相同，因此在图11中示出控制部10C的结构。
信息处理装置1C与实施方式2的信息处理装置1B(参照图9)相比，不同之处在于具备数据预测部301。数据预测部301基于数据获取部101获取的传感器数据的值的推移来计算之后的传感器数据的值的预测值。然后，划分部102对上述预测值进行划分，关系指标计算部103基于该划分计算关系指标，因此稳定指数计算部201能够基于上述预测值计算表示垃圾焚烧工厂P的未来状态的稳定指数。通过使用该稳定指数，能够在垃圾焚烧工厂P的运转状态不稳定化之前的阶段采取措施来防止不稳定化。
在图11所示的相关映射M311的S1-S4的区段中，描绘了传感器S1输出的传感器数据的值和传感器S4输出的传感器数据的值组合后的座标。而且，如该图中箭头所示，描绘的点越与在时序顺序中靠后的数据对应，越位于该区段的右下侧的位置。因而，数据预测部301能够基于该倾向预测未来的点的位置(传感器S1和S4输出的传感器数据的值的组)。例如，数据预测部301也可以根据到当前时刻为止的时序的描绘点的座标求出近似曲线，并根据该近似曲线来计算未来的描绘点的座标。
另外，例如，数据预测部301也可以根据到当前时刻为止的时序的传感器数据(表示传感器数据的时序变化的倾向的趋势数据)来计算未来的传感器数据的值的预测值。在这样的情况下，只要使用例如在最近的规定时间(例如30分钟)测量的传感器数据即可。
预测值计算后的处理与实施方式2相同。此外，信息处理装置1C的控制部10C也可以包含在实施方式1中说明的映射生成部104。在这样的情况下，能够基于数据预测部301计算的预测值制作表示垃圾焚烧工厂P的未来状态的相关映射。
(实施方式4)
在本实施方式中，对具备检测传感器S的故障的功能、和当检测出垃圾焚烧工厂P的异常时判定其原因的功能的信息处理装置1D进行说明。图12是表示信息处理装置1D的结构例的框图。此外，在信息处理装置1D中，控制部10D以外的结构与信息处理装置1A(参照图1)相同，因此在图12中示出控制部10D的结构。
信息处理装置1D与实施方式2的信息处理装置1B(参照图9)相比，不同之处在于具备传感器故障检测部401、原因判定部402、工厂控制部403。此外，由于传感器故障检测部401、原因判定部402以及工厂控制部403不进行协作，因此也可以省略任一个。另外，也可以设置原因判定部402而省略工厂控制部403。另外，传感器故障检测部401也能够包含在实施方式1的信息处理装置1A中。
传感器故障检测部401基于对多个传感器S的各组计算出的各关系指标来检测产生了故障的传感器S。当在多个传感器S中包含故障的传感器S时，只要通过从正常范围排除使用故障的传感器S输出的传感器数据而计算出的关系指标来进行该检测即可。例如，传感器故障检测部401也可以使稳定指数计算部201计算每个传感器S的稳定指数，并将计算出的稳定指数为阈值以下的传感器S当作产生了故障的传感器S从而进行检测。
原因判定部402基于对多个传感器S的各组计算处的各关系指标，判定垃圾焚烧工厂P成为由稳定指数计算部201计算出的稳定指数所示的状态的原因。由此，能够采取与原因对应的适当的措施，使垃圾焚烧工厂P的状态更好。
更详细而言，原因判定部402在异常检测部202判定为有异常时判定不稳定化的原因。然后，通过工厂控制部403进行与原因判定部402的判定结果对应的控制，能够使垃圾焚烧工厂P的状态稳定化。此外，原因判定部402也可以显示输出判定结果等而向操作员等进行通知，在这样的情况下，通过操作员的手动操作使垃圾焚烧工厂P的状态稳定化。
在原因的判定中，利用关系指标与原因的相关关系。例如，在垃圾焚烧工厂P的状态不稳定化的情况下，如果由关系指标所示的后燃烧炉排温度与一次燃烧空气流量的关系是“Small”和“Large”，则可以考虑原因有可能是垃圾向焚烧炉的供给不足。因而，在表示后燃烧炉排温度的传感器S输出的传感器数据与表示一次燃烧空气流量的传感器S输出的传感器数据是“Small”与“Large”的关系的情况下，原因判定部402能够判定为原因是垃圾向焚烧炉的供给不足。这样，关系指标能够作为在整体上表示垃圾焚烧工厂P的状态的信息来使用，并且关系指标的各部分的解析结果也能够用于确定不稳定化的原因等。
工厂控制部403控制垃圾焚烧工厂P的动作。例如，工厂控制部403也可以通过对控制包含于垃圾焚烧工厂P的各种装置的动作的控制装置进行控制，从而对垃圾焚烧工厂P的动作进行控制。
另外，在对多个传感器S的各组计算出的各关系指标满足规定条件的情况下，工厂控制部403作为使垃圾焚烧工厂P执行用于使垃圾焚烧工厂P迁移到正常状态的动作的设备控制部发挥功能。由此，能够自动地使垃圾焚烧工厂P的状态稳定化。
具体而言，如上述所述，工厂控制部403通过进行与原因判定部402的判定结果对应的控制，从而使垃圾焚烧工厂P的状态稳定化。由于原因判定部402是在对多个传感器S的各组计算出的各关系指标满足规定的条件的情况下确定与该条件对应的原因，因此工厂控制部403在满足上述条件的情况下进行控制。只要预先确定每个原因的控制内容即可。例如，在原因是垃圾向焚烧炉的供给不足的情况下，工厂控制部403只要进行向焚烧炉供给垃圾的控制即可。此外，也可以省略原因判定部402，工厂控制部403进行是否满足规定条件的判定。
(变形例)
在上述各实施方式中说明的各处理的执行主体能够适当变更。例如，也可以使信息处理装置1A以外的一个或者多个装置执行图8的ST14以外的处理。例如，也可以使另一信息处理装置执行ST11和ST12的处理，使再另一信息处理装置执行ST13的处理。在这样的情况下，信息处理装置1A获取再另一信息处理装置计算出的关系指标从而生成映射。图9的流程图也同样如此，各处理的执行主体能够适当变更。
另外，将传感器数据划分到Large、Middle、Small等集合的结构是用于表现传感器数据的分布方式的一种方法，也能够置换成可表现传感器数据的分布方式的其他方法。
(基于软件的实现例)
信息处理装置1A～1D的控制模块(尤其是控制部10A～10D所包含的各部)可以通过形成于集成电路(IC芯片)等的逻辑电路(硬件)来实现，也可以通过软件来实现。
在后者的情况下，信息处理装置1A～1D具备执行实现各功能的软件即程序(信息处理程序)的命令的计算机。该计算机具备例如一个以上的处理器，并且具备存储了上述程序的计算机可读取的存储介质。而且，在上述计算机中，上述处理器从上述存储介质读取上述程序并执行，从而实现本发明的目的。作为上述处理器，例如可以使用CPU(CentralProcessing Unit：中央处理单元)。作为上述存储介质，可以使用“非暂时性的有形的介质”，例如除了ROM(Read Only Memory：只读存储器)等之外，还可以使用磁带、光盘、卡、半导体存储器、可编程的逻辑电路等。另外，也可以具备展开上述程序的RAM(Random AccessMemory：随机访问存储器)等。另外，上述程序也可以经由能够传输该程序的任意的传输介质(通信网络、广播波等)向上述计算机提供。此外，本发明的一个方式也可以采用通过对上述程序进行电子传输而具体化的、嵌入载波的数据信号的方式来实现。
本发明不限于上述的各实施方式，可以在权利要求所示的范围内进行各种变更，将分别公开于不同的实施方式的技术方案进行适当组合而获得的实施方式也包含在本发明的技术范围内。
附图标记说明
1A～1D-信息处理装置；101-数据获取部；102-划分部；103-关系指标计算部；104-映射生成部(状态信息生成部)；201-稳定指数计算部(状态信息生成部)；301-数据预测部；401-传感器故障检测部；402-原因判定部；403-工厂控制部(设备控制部)；P-垃圾焚烧工厂(机械设备)；S-传感器。

Claims (12)

1.一种信息处理装置，其特征在于，
具备：
数据获取部，其获取传感器数据，所述传感器数据是设置于机械设备的多个传感器在规定期间的输出值、或者使用该输出值计算的数值；
关系指标计算部，其基于对由多个上述传感器中的两个构成的传感器的组的传感器获取的各传感器数据的分布状况来计算表示该组的相关性的关系指标；以及
状态信息生成部，其使用对多个上述传感器的各组计算的上述关系指标来生成表示上述规定期间的上述机械设备的状态的信息。
2.根据权利要求1所述的信息处理装置，其特征在于，
所述信息处理装置具备划分部，其将上述传感器数据按照其值的大小划分到多个集合，
上述关系指标计算部根据划分到多个上述集合的每个集合的上述传感器数据的次数来计算上述关系指标。
3.根据权利要求2所述的信息处理装置，其特征在于，
上述划分部通过将上述传感器数据分配到多个模糊集合中，从而划分该传感器数据。
4.根据权利要求1至3任一项所述的信息处理装置，其特征在于，
在上述状态信息生成部中，作为表示上述机械设备的状态的信息而生成将与对多个上述传感器的各组计算的上述关系指标的值对应的图案描绘到在图像平面上规定的与上述各组对应的各区段的图像。
5.根据权利要求1至3任一项所述的信息处理装置，其特征在于，
在上述状态信息生成部中，作为表示上述机械设备的状态的信息而生成表示上述数据获取部获取的传感器数据的分布状况与上述机械设备处于基准的运转状态时的上述传感器数据的分布状况的相似度的信息。
6.根据权利要求1至5任一项所述的信息处理装置，其特征在于，
所述信息处理装置具备数据预测部，其基于上述数据获取部获取的传感器数据的值的推移来计算之后的传感器数据的值的预测值，
上述状态信息生成部基于上述预测值来生成表示上述机械设备的未来状态的信息。
7.根据权利要求1至6任一项所述的信息处理装置，其特征在于，
具备原因判定部，该原因判定部基于对多个上述传感器的各组计算的各关系指标来判定上述机械设备成为上述状态信息生成部生成的信息所示的状态的原因。
8.根据权利要求1至6任一项所述的信息处理装置，其特征在于，
具备设备控制部，该设备控制部在对多个上述传感器的各组计算的各关系指标满足规定条件的情况下，使上述机械设备执行用于使上述机械设备迁移到正常状态的动作。
9.根据权利要求1至6任一项所述的信息处理装置，其特征在于，
具备传感器故障检测部，该传感器故障检测部基于对多个上述传感器的各组计算的各关系指标来检测产生了故障的传感器。
10.一种运转辅助系统，其辅助机械设备的运转，其特征在于，
所述运转辅助系统包含：
信息处理装置；以及
多个传感器，其设置于上述机械设备，
上述信息处理装置获取传感器数据，所述传感器数据是上述多个传感器在规定期间的输出值、或者使用该输出值计算的数值，上述信息处理装置基于对由多个上述传感器中的两个构成的传感器的组的传感器获取的各传感器数据的分布状况来计算表示该组的相关性的关系指标，并使用对多个上述传感器的各组计算的上述关系指标来生成表示上述规定期间的上述机械设备的状态的信息并输出。
11.一种信息处理方法，其由信息处理装置执行，其特征在于，
所述信息处理方法包含：
数据获取步骤，获取传感器数据，所述传感器数据是设置于机械设备的多个传感器在规定期间的输出值、或者使用该输出值计算的数值；
关系指标计算步骤，基于对由多个上述传感器中的两个构成的传感器的组的传感器获取的各传感器数据的分布状况来计算表示该组的相关性的关系指标；以及
状态信息生成步骤，使用对多个上述传感器的各组计算的上述关系指标来生成表示上述规定期间的上述机械设备的状态的信息。
12.一种信息处理程序，其使计算机作为权利要求1所述的信息处理装置发挥功能，
用于使计算机作为上述数据获取部、上述关系指标计算部、以及上述状态信息生成部发挥功能。
CN202080063731.4A 2019-09-11 2020-09-09 信息处理装置、运转辅助系统、信息处理方法、以及信息处理程序 Pending CN114365125A (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JP2019-165382 2019-09-11
JP2019165382A JP7183131B2 (ja) 2019-09-11 2019-09-11 情報処理装置、運転支援システム、情報処理方法、および情報処理プログラム
PCT/JP2020/034025 WO2021049506A1 (ja) 2019-09-11 2020-09-09 情報処理装置、運転支援システム、情報処理方法、および情報処理プログラム

Publications (1)

Publication Number Publication Date
CN114365125A true CN114365125A (zh) 2022-04-15

Family

ID=74862340

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202080063731.4A Pending CN114365125A (zh) 2019-09-11 2020-09-09 信息处理装置、运转辅助系统、信息处理方法、以及信息处理程序

Country Status (4)

Country Link
EP (1) EP4030249A4 (zh)
JP (1) JP7183131B2 (zh)
CN (1) CN114365125A (zh)
WO (1) WO2021049506A1 (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2022053847A (ja) * 2020-09-25 2022-04-06 株式会社東芝 プラント監視支援装置
TW202238301A (zh) * 2021-03-30 2022-10-01 日商住友重機械工業股份有限公司 顯示裝置、控制裝置、控制方法及程式
JP7278343B2 (ja) * 2021-08-27 2023-05-19 東芝プラントシステム株式会社 発電プラントの運転管理装置、方法及びプログラム
US20230341827A1 (en) * 2022-04-26 2023-10-26 Transportation Ip Holdings, Llc Shift detection system and method for a power supply system

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5097739B2 (ja) * 2009-03-31 2012-12-12 株式会社日立製作所 プラントの異常診断装置及び異常診断方法
JP2011145846A (ja) * 2010-01-14 2011-07-28 Hitachi Ltd 異常検知方法、異常検知システム、及び異常検知プログラム
JP4832609B1 (ja) * 2011-06-22 2011-12-07 株式会社日立エンジニアリング・アンド・サービス 異常予兆診断装置および異常予兆診断方法
JP5284433B2 (ja) * 2011-09-14 2013-09-11 株式会社東芝 プロセス監視・診断・支援装置
JP5530020B1 (ja) * 2013-11-01 2014-06-25 株式会社日立パワーソリューションズ 異常診断システム及び異常診断方法
JP6933899B2 (ja) 2017-01-12 2021-09-08 横河電機株式会社 プラント運転支援装置、プラント運転支援方法、及びプラント運転支援プログラム
JP6927770B2 (ja) * 2017-07-07 2021-09-01 株式会社日立製作所 プラント操作支援装置、および、プラント操作支援方法
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

Also Published As

Publication number Publication date
EP4030249A1 (en) 2022-07-20
EP4030249A4 (en) 2023-10-04
JP2021043706A (ja) 2021-03-18
JP7183131B2 (ja) 2022-12-05
WO2021049506A1 (ja) 2021-03-18

Similar Documents

Publication Publication Date Title
CN114365125A (zh) 信息处理装置、运转辅助系统、信息处理方法、以及信息处理程序
EP3859455A1 (en) Learning apparatus, learning method, learning program, determination apparatus, determination method, determination program, and computer readable medium
CN102713777A (zh) 诊断装置及诊断方法
Tadić et al. Particle filtering for sensor fault diagnosis and identification in nonlinear plants
US8401813B2 (en) Test table creation system and test table creation method
US20170299472A9 (en) Method for predicting a plant health status, system for predicting a plant health status, and a computer-readable storage medium in which a program for performing the method is stored
JPH04264566A (ja) 画像形成装置のための自己診断システム
JP2021167791A (ja) 故障予兆システム
Oyama et al. On-line process physics tests via Lyapunov-based economic model predictive control and simulation-based testing of image-based process control
US20220188570A1 (en) Learning apparatus, learning method, computer program and recording medium
Bialkowski Application of Kalman filters to the regulation of dead time processes
CN107958089A (zh) 构建模型的方法和装置以及异常数据的检测方法和装置
JP2022025861A (ja) 漏水検出装置及び漏水検出方法
WO2024009667A1 (ja) 情報処理装置、推論モデルの生成方法、教師データの生成方法、推論モデル生成プログラム、および教師データ生成プログラム
US20240231353A9 (en) Anomaly sign detection system, anomaly sign detection model generation method, and anomaly sign detection model generation program
EP4357865A1 (en) Anomaly sign detection system, anomaly sign detection model generation method, and anomaly sign detection model generation program
KR102380460B1 (ko) 지능형 상황 인지 모델을 이용한 위험 상황 회피 방법 및 이를 실행하는 장치
US20240192095A1 (en) State detection system, state detection method, and computer readable medium
KR102376900B1 (ko) 정압기 조기 진단 방법
WO2021124861A1 (ja) 情報処理装置、情報処理方法、および情報処理プログラム
JPH0535768A (ja) フラクタル次元を応用した情報処理装置
Abdelrahman et al. An intelligent signal validation system for a cupola furnace. I. Methodology
WO2018029393A1 (en) A method, system, computer program product and computer data-base for controlling an industrial process or machine
SE9903592D0 (sv) A computer based method and a system for controlling an industrial process
JP2023103096A (ja) 補修推定装置、補修推定方法

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