DE102021206751A1

DE102021206751A1 - Anomaliefaktorschätzverfahren, Anomaliefaktorschätzvorrichtung und Programm

Info

Publication number: DE102021206751A1
Application number: DE102021206751.4A
Authority: DE
Inventors: Masato Shida; Takashi Sonoda; Shintaro Kumano
Original assignee: Mitsubishi Heavy Industries Ltd
Current assignee: Mitsubishi Heavy Industries Ltd
Priority date: 2020-07-22
Filing date: 2021-06-29
Publication date: 2022-01-27
Also published as: JP7449803B2; CN113971263A; JP2022021495A; US20220027436A1

Abstract

Ein Anomaliefaktorschätzverfahren und dergleichen, das in der Lage ist, die Schätzgenauigkeit für Anomaliefaktoren zu verbessern, wird bereitgestellt.Das Anomaliefaktorschätzverfahren schließt die folgenden Schritte ein: Berechnen, basierend auf einer Faktorentabelle, die eine Eintrittshäufigkeit jedes der Faktoren für jedes der Ereignisse angibt, einer A-priori-Wahrscheinlichkeit, die eine Wahrscheinlichkeit für das Eintreten jedes Faktors ist; Berechnen einer A-posteriori-Wahrscheinlichkeit, die eine Wahrscheinlichkeit dafür ist, dass ein bestimmtes Ereignis durch einen bestimmten Faktor verursacht wird; und Multiplizieren der A-posteriori-Wahrscheinlichkeit mit einem Gewichtungskoeffizienten, der sich auf einen Signal-Rausch-Verhältnis-Verstärkungswert eines Sensormesswerts bezieht, und Berechnen eines Index, der eine Eintrittswahrscheinlichkeit für jede Kombination der Faktoren und der Ereignisse angibt.

Description

Technisches Gebiet
Die vorliegende Offenbarung bezieht sich auf ein Anomaliefaktorschätzverfahren, eine Anomaliefaktorschätzvorrichtung und ein Programm.
Stand der Technik
Es werden verschiedene Apparate in Stromerzeugungsanlagen, Kesseln, Gasturbinen, chemischen Anlagen und dergleichen verwendet. Es besteht ein Bedarf, eine Anomalie (d. h. Fehler oder Fehlervorläufer) dieser Apparate zu erkennen und die Faktoren für die Anomalie zu schätzen.
Zum Beispiel offenbart Patentliteratur 1 ein Apparatfehlerdiagnoseverfahren (Schätzverfahren) zum Schätzen eines Fehlerfaktors und einer Fehlerstelle unter Verwendung eines Fehlerbaumdiagramms (FT-Diagramm), das eine Mehrzahl von Faktoren und einen Gewichtungspunkt für jeden Faktor einschließt, basierend auf Knowhow eines Technikers. Außerdem ist ein Schätzverfahren bekannt, bei dem eine Anomalie eines Apparats unter Verwendung des Mahalanobis-Taguchi-Verfahrens erfasst wird und ein Eintrittsereignis und ein Faktor der Anomalie unter Bezugnahme auf den Signal-Rausch-Verhältnis-Verstärkungswert des Sensormesswerts geschätzt werden, der zu einer Vergrößerung des Mahalanobis-Abstands beigetragen hat.
Liste der Entgegenhaltungen
Patentliteratur
Patentliteratur 1: JP 2006-99298 A
Kurzdarstellung der Erfindung
Technisches Problem
Die vorstehend beschriebenen Schätzverfahren des Stand der Technik sind Verfahren zum Schätzen eines Anomaliefaktors durch Bestimmen der Zuverlässigkeit jedes Faktors und Auswählen eines zuverlässigen Faktors aus den Faktoren. In der Praxis kann jedoch eine Anomalie des Apparats aufgrund einer Wechselwirkung zwischen einer Mehrzahl von Faktoren auftreten, und eine Mehrzahl von Faktoren kann als Faktoren für eine Anomalie koexistieren. Daher kann das Schätzen von Anomaliefaktoren basierend auf Berechnungsergebnissen für jeden Faktor (absolute Bewertung) die Schätzgenauigkeit für Anomaliefaktoren verringern.
Angesichts des Vorstehenden besteht eine Aufgabe der vorliegenden Offenbarung darin, ein Anomaliefaktorschätzverfahren und dergleichen bereitzustellen, das in der Lage ist, die Schätzgenauigkeit für Anomaliefaktoren zu verbessern.
Lösung des Problems
Ein Anomaliefaktorschätzverfahren gemäß der vorliegenden Offenbarung schließt die folgenden Schritte ein: Berechnen, basierend auf einer Faktorentabelle, die eine Eintrittshäufigkeit jedes der Faktoren für jedes der Ereignisse angibt, einer A-priori-Wahrscheinlichkeit, die eine Wahrscheinlichkeit für das Auftreten jedes Faktors ist;
Berechnen einer A-posteriori-Wahrscheinlichkeit, die eine Wahrscheinlichkeit dafür ist, dass ein bestimmtes Ereignis durch einen bestimmten Faktor verursacht wird; und Multiplizieren der A-posteriori-Wahrscheinlichkeit mit einem Gewichtungskoeffizienten, der sich auf einen Signal-Rausch-Verhältnis-Verstärkungswert eines Sensormesswerts bezieht, und Berechnen eines Index, der eine Eintrittswahrscheinlichkeit für jede Kombination der Faktoren und der Ereignisse angibt.
Eine Anomaliefaktorschätzvorrichtung gemäß der vorliegenden Offenbarung schließt ein: eine A-priori-Wahrscheinlichkeitsberechnungseinheit, die konfiguriert ist, um basierend auf einer Faktorentabelle, die eine Eintrittshäufigkeit jedes der Faktoren für jedes der Ereignisse angibt, eine A-priori-Wahrscheinlichkeit zu berechnen, die eine Wahrscheinlichkeit für das Eintreten jedes Faktors ist; eine A-posteriori-Wahrscheinlichkeitsberechnungseinheit, die konfiguriert ist, um eine A-posteriori-Wahrscheinlichkeit zu berechnen, die eine Wahrscheinlichkeit dafür ist, dass ein bestimmtes Ereignis durch einen bestimmten Faktor verursacht wird; und eine Indexberechnungseinheit, die konfiguriert ist, um die A-posteriori-Wahrscheinlichkeit mit einem Gewichtungskoeffizienten zu multiplizieren, der sich auf einen Signal-Rausch-Verhältnis-Verstärkungswert eines Sensormesswerts bezieht, und einen Index zu berechnen, der eine Eintrittswahrscheinlichkeit für jede Kombination der Faktoren und der Ereignisse angibt.
Ein Programm gemäß der vorliegenden Offenbarung bewirkt, dass ein Computer die folgenden Vorgänge ausführt: Berechnen, basierend auf einer Faktorentabelle, die eine Häufigkeit des Eintretens jedes der Faktoren für jedes der Ereignisse angibt, einer A-priori-Wahrscheinlichkeit, die eine Wahrscheinlichkeit für das Eintreten jedes Faktors ist; Berechnen einer A-posteriori-Wahrscheinlichkeit, die eine Wahrscheinlichkeit dafür ist, dass ein bestimmtes Ereignis durch einen bestimmten Faktor verursacht wird; und Multiplizieren der A-posteriori-Wahrscheinlichkeit mit einem Gewichtungskoeffizienten, der sich auf einen Signal-Rausch-Verhältnis-Verstärkungswert eines Sensormesswerts bezieht, und Berechnen eines Index, der eine Eintrittswahrscheinlichkeit für jede Kombination der Faktoren und der Ereignisse angibt.
Vorteilhafte Wirkungen der Erfindung
Gemäß der vorliegenden Offenbarung kann ein Anomaliefaktorschätzverfahren und dergleichen bereitgestellt werden, das in der Lage ist, die Schätzgenauigkeit für Anomaliefaktoren zu verbessern.
Figurenliste

1 ist ein Blockdiagramm, das eine Hardwarekonfiguration einer Anomaliefaktorschätzvorrichtung gemäß einer Ausführungsform veranschaulicht.
2 ist ein Blockdiagramm, das eine funktionelle Konfiguration einer Anomaliefaktorschätzvorrichtung gemäß einer Ausführungsform veranschaulicht.
3 ist ein Flussdiagramm zum Erläutern eines Beispiels einer Verarbeitung, die durch eine Anomaliefaktorschätzvorrichtung gemäß einer Ausführungsform durchgeführt wird.
4 ist ein Diagramm, das ein Beispiel von Signal-Rausch-Verhältnis-Verstärkungswerten veranschaulicht, die von einer Anomaliefaktorschätzvorrichtung gemäß einer Ausführungsform erfasst werden.
5 ist ein Diagramm, das ein Beispiel einer Sensortabelle veranschaulicht, die von einer Anomaliefaktorschätzvorrichtung gemäß einer Ausführungsform verwendet wird.
6 ist ein Diagramm, das ein Beispiel von Berechnungsergebnissen von einer Anomaliefaktorschätzvorrichtung gemäß einer Ausführungsform veranschaulicht.
7 ist ein Diagramm, das ein Beispiel für Berechnungsergebnisse (Gewichtungskoeffizienten) von einer Anomaliefaktorschätzvorrichtung gemäß einer Ausführungsform veranschaulicht.
8 ist ein Diagramm, das ein Beispiel für Extraktionsergebnisse basierend auf einer Faktorentabelle von einer Anomaliefaktorschätzvorrichtung gemäß einer Ausführungsform veranschaulicht.
9 ist ein Diagramm, das ein Beispiel für Berechnungsergebnisse von A-priori-Wahrscheinlichkeiten von einer Anomaliefaktorschätzvorrichtung gemäß einer Ausführungsform veranschaulicht.
10 ist ein Diagramm, das ein Beispiel von Berechnungsergebnissen von Likelihoods von einer Anomaliefaktorschätzvorrichtung gemäß einer Ausführungsform veranschaulicht.
11 ist ein Diagramm, das ein Beispiel für Berechnungsergebnisse von A-posteriori-Wahrscheinlichkeiten von einer Anomaliefaktorschätzvorrichtung gemäß einer Ausführungsform veranschaulicht.
12 ist ein Diagramm, das ein Beispiel von Berechnungsergebnissen von einer Anomaliefaktorschätzvorrichtung gemäß einer Ausführungsform veranschaulicht.
13 ist ein Diagramm, das ein Beispiel von Informationen veranschaulicht, die von einer Anomaliefaktorschätzvorrichtung gemäß einer Ausführungsform ausgegeben werden.

Beschreibung von Ausführungsformen
Eine Ausführungsform wird nachstehend in Bezug auf die beiliegenden Zeichnungen ausführlich beschrieben. Abmessungen, Materialien, Formen, relative Positionen und dergleichen von Komponenten, die in den Ausführungsformen beschrieben oder in den Zeichnungen veranschaulicht sind, sind nur als erläuternd zu interpretieren und sollen den Schutzumfang der vorliegenden Erfindung nicht einschränken.
Zum Beispiel soll ein Ausdruck einer relativen oder absoluten Anordnung wie „in einer Richtung“, „entlang einer Richtung“, „parallel“, „senkrecht“, „mittig“, „konzentrisch“ und „koaxial“ nicht so ausgelegt werden, dass er nur die Anordnung in einem strengen wörtlichen Sinne angibt, sondern schließt auch einen Zustand ein, in dem die Anordnung um eine Toleranz oder um einen Winkel oder einen Abstand relativ innerhalb eines Bereichs verschoben ist, in dem die gleiche Funktion erzielt werden kann.
Zum Beispiel soll ein Ausdruck eines gleichen Zustands wie „selb(er, -e, -es)“, „gleich“ und „einheitlich“ nicht so ausgelegt werden, dass er nur den Zustand angibt, in dem das Merkmal streng gleich ist, sondern schließt auch einen Zustand ein, in dem eine Toleranz oder eine Differenz innerhalb eines Bereichs besteht, in dem die gleiche Funktion erzielt werden kann.
Ferner soll beispielsweise ein Ausdruck einer Form wie einer rechteckigen Form, einer zylindrischen Form oder dergleichen nicht nur als die geometrisch strenge Form ausgelegt werden, sondern so, dass er auch eine Form mit Unebenheit, abgeschrägten Ecken oder dergleichen innerhalb des Bereichs einschließt, in dem die gleiche Wirkung erzielt werden kann.
Andererseits soll ein Ausdruck wie „umfassen“, „einschließen“, „aufweisen“, „enthalten“ und „bilden“ andere Bestandteile nicht ausschließen.
Konfiguration einer Anomaliefaktorschätzvorrichtung
Eine Gesamtkonfiguration einer Anomaliefaktorschätzvorrichtung 100 gemäß einer Ausführungsform wird beschrieben. 1 ist ein Blockdiagramm, das eine Hardwarekonfiguration der Anomaliefaktorschätzvorrichtung 100 gemäß einer Ausführungsform veranschaulicht. Zum Beispiel ist die Anomaliefaktorschätzvorrichtung 100 eine Vorrichtung zum Erfassen von Sensormesswerten von einem Sensor (nicht veranschaulicht), der eine Messung in Bezug auf einen Apparat durchführt, einer Servervorrichtung (nicht veranschaulicht), die Sensormesswerte speichert, und dergleichen und zum Schätzen eines Faktors für ein anormales Ereignis, das an dem Apparat Eintritt.
Zum Beispiel ist, wie in 1 veranschaulicht, die Anomaliefaktorschätzvorrichtung 100 unter Verwendung eines Computers konfiguriert, wobei der Computer einen Prozessor 72, wie beispielsweise eine Zentraleinheit (CPU) oder eine Grafikverarbeitungseinheit (GPU), einen Direktzugriffsspeicher (RAM) 74, einen Festwertspeicher (ROM) 76, ein Festplattenlaufwerk (HDD) 78, eine Eingangsschnittstelle 80 und eine Ausgangsschnittstelle 82 aufweist und diese Komponenten über einen Bus 84 miteinander verbunden sind. Der Prozessor 72 der Anomaliefaktorschätzvorrichtung 100 führt ein Programm aus, das in einem Speicher wie ROM oder RAM gespeichert ist, wodurch verschiedene Arten von Funktionen realisiert werden, die nachstehend beschrieben werden.
2 ist ein Blockdiagramm, das eine funktionelle Konfiguration der Anomaliefaktorschätzvorrichtung 100 gemäß einer Ausführungsform veranschaulicht. Wie in 2 veranschaulicht, schließt die Anomaliefaktorschätzvorrichtung 100 funktionell eine Verstärkungserfassungseinheit 101, die konfiguriert ist, um Signal-Rausch-Verhältnis-Verstärkungswerte zu erfassen, eine Gewichtungskoeffizientenerfassungseinheit 102, die konfiguriert ist, um Gewichtungskoeffizienten zu erfassen, eine A-priori-Wahrscheinlichkeitsberechnungseinheit 103, die konfiguriert ist, um A-priori-Wahrscheinlichkeiten zu berechnen, eine A-posteriori-Wahrscheinlichkeitsberechnungseinheit 104, die konfiguriert ist, um A-posteriori-Wahrscheinlichkeiten zu berechnen, eine Indexberechnungseinheit 105, die konfiguriert ist, um Indizes zu berechnen, und eine Ausgabeeinheit 106 ein, die konfiguriert ist, um verschiedene Arten von Informationen (einschließlich Schätzergebnissen) auszugeben.
Verarbeitungsfluss
Nachstehend wird der Verarbeitungsfluss, der von der Anomaliefaktorschätzvorrichtung 100 gemäß einer Ausführungsform durchgeführt wird, beschrieben. 3 ist ein Flussdiagramm zum Erläutern eines Beispiels der Verarbeitung, die durch eine Anomaliefaktorschätzvorrichtung 100 gemäß einer Ausführungsform durchgeführt wird.
Wie in 3 veranschaulicht, erfasst die Verstärkungserfassungseinheit 101 einen Signal-Rausch-Verhältnis-Verstärkungswert eines Sensormesswerts (Schritt S1). Es ist zu beachten, dass die Verstärkungserfassungseinheit 101 konfiguriert sein kann, um einen Mahalanobis-Abstand zu überwachen, der auf Sensormesswerten basiert, und einen Signal-Rausch-Verhältnis-Verstärkungswert in Fällen zu erhalten, in denen ein anormales Ereignis basierend auf dem Mahalanobis-Abstand erkannt wird. Da in diesem Fall eine Anomaliefaktorschätzung in Fällen durchgeführt wird, in denen ein anormales Ereignis erfasst wird, kann die Rechenverarbeitung, die mit der Anomaliefaktorschätzung einhergeht, reduziert werden.
4 ist ein Diagramm, das ein Beispiel von Signal-Rausch-Verhältnis-Verstärkungswerten veranschaulicht, die von der Anomaliefaktorschätzvorrichtung 100 gemäß einer Ausführungsform erfasst werden. Wie beispielsweise in 4 veranschaulicht, erfasst die Verstärkungserfassungseinheit 101 für jedes Signal aus einer Mehrzahl von Sensormesswerten (Signale A bis F), die in Zeitreihen erfassbar sind, einen Signal-Rausch-Verhältnis-Verstärkungswert. Es ist zu beachten, dass, obwohl 4 einen Fall veranschaulicht, in dem Signal-Rausch-Verhältnis-Verstärkungswerte eines Zeitpunkts erfasst werden, die Verstärkungserfassungseinheit 101 einen Signal-Rausch-Verhältnis-Verstärkungswert jedes Zeitpunkts zu einer Mehrzahl von Zeitpunkten erfassen kann.
Wie in 3 veranschaulicht, erfasst die Gewichtungskoeffizientenerfassungseinheit 102 einen Gewichtungskoeffizienten, der sich auf einen Signal-Rausch-Verhältnis-Verstärkungswert eines Sensormesswerts bezieht (Schritt S2). Ein Gewichtungskoeffizient kann ein Signal-Rausch-Verhältnis-Verstärkungswert sein oder kann ein Wert sein, der erhalten wird, nachdem eine Schwellenwertverarbeitung an dem Signal-Rausch-Verhältnis-Verstärkungswert durchgeführt wurde, wie in dem folgenden Beispiel veranschaulicht.
Hier wird ein Beispiel beschrieben, in dem ein Gewichtungskoeffizient durch Schwellenwertverarbeitung erfasst wird. 5 ist ein Diagramm, das ein Beispiel einer Sensortabelle veranschaulicht, die von der Anomaliefaktorschätzvorrichtung 100 gemäß einer Ausführungsform verwendet wird. 6 ist ein Diagramm, das ein Beispiel für Berechnungsergebnisse der Anomaliefaktorschätzvorrichtung 100 gemäß einer Ausführungsform veranschaulicht. 7 ist ein Diagramm, das ein Beispiel für Berechnungsergebnisse (Gewichtungskoeffizienten) der Anomaliefaktorschätzvorrichtung 100 gemäß einer Ausführungsform veranschaulicht.
Die Gewichtungskoeffizientenerfassungseinheit 102 kann die in 5 veranschaulichte Sensortabelle zur Berechnung von Gewichtungskoeffizienten verwenden. Bei der Sensortabelle handelt es sich um Informationen, die angeben, welches Signal welchem Eintrittsereignis zugeordnet ist. In der Sensortabelle nimmt beispielsweise das Signal A für die Eintrittsereignisse 2, 4 und 8 den Wert 1 an, weil das Signal A damit in Beziehung steht, während das Signal A für die anderen Eintrittsereignisse den Wert 0 annimmt, weil das Signal A nicht damit in Beziehung steht. Auf diese Weise ist der Zusammenhang in Binärwerten von 1 und 0 angegeben. Es ist zu beachten, dass die Gewichtungskoeffizientenerfassungseinheit 102 nicht auf Konfigurationen beschränkt ist, in denen eine Sensortabelle verwendet wird. Die Gewichtungskoeffizientenerfassungseinheit 102 kann konfiguriert sein, um Eintrittsereignisse in Bezug auf jedes Signal zu extrahieren, ohne eine Sensortabelle zu verwenden.
Ereignisse des Eintretens schließen zum Beispiel eine axiale Vibration einer Gasturbine und eine anormale Erhöhung einer Abgastemperatur ein. Faktoren schließen z. B. bei Vorliegen eines Anstiegs der Abgastemperatur, Kühlluftmangel und Sensorfehlfunktion ein. Die Einengung auf diese Weise ist vorteilhaft, da einige Ereignisse und Faktoren zwar in einer offensichtlichen Eins-zu-Eins-Übereinstimmung sind, es aber auch Ereignisse gibt, die aufgrund kombinierter Faktoren eintreten.
Die Gewichtungskoeffizientenerfassungseinheit 102 kann die in 6 gezeigten Berechnungsergebnisse durch Multiplizieren der in 5 gezeigten Werte der Sensortabelle mit den in 4 gezeigten Signal-Rausch-Verhältnis-Verstärkungswerten erfassen. Beispielsweise nimmt bei den in 6 gezeigten Berechnungsergebnissen das Signal A für die Eintrittsereignisse 1, 3 und 5 bis 7 den Wert null an, weil sein Wert durch das Produkt aus 0 und 5,1 gegeben ist, während das Signal A für die Eintrittsereignisse 2, 4 und 8 den Wert 5,1 annimmt, weil sein Wert durch das Produkt aus 1 und 5,1 gegeben ist. Eine ähnliche Berechnung erfolgt auch für die Signale B bis F durch die Produkte aus den in 4 gezeigten Signal-Rausch-Verhältnis-Verstärkungswerten und den Werten 1 oder 0 in der in 5 gezeigten Sensortabelle.
Die Gewichtungskoeffizientenerfassungseinheit 102 kann Werte aus den in 6 gezeigten Berechnungsergebnissen erfassen. Der A-Wert ist der Maximalwert der Signal-Rausch-Verhältnis-Verstärkungswerte für jedes Eintrittsereignis. Zum Beispiel ist in dem in 6 veranschaulichten Eintrittsereignis 1 der berechnete Wert, der dem Signal B entspricht, 2,2, der berechnete Wert, der dem Signal F entspricht, 1,8 und die berechneten Werte, die den anderen Signalen entsprechen, sind 0. In diesem Fall beträgt, wie in 7 gezeigt, der A-Wert des Eintrittsereignisses 1 2,2. In gleicher Weise werden auch die A-Werte der anderen Eintrittsereignisse erfasst.
Wie in 7 veranschaulicht, kann die Gewichtungskoeffizientenerfassungseinheit 102 B-Werte erfassen, die den A-Werten entsprechen, indem sie einen Schwellenwert für Signal-Rausch-Verhältnis-Verstärkungswerte verwendet. In dem in 7 gezeigten Beispiel beträgt der Schwellenwert für Signal-Rausch-Verhältnis-Verstärkungswerte 3. Der Schwellenwert für Signal-Rausch-Verhältnis-Verstärkungswerte wird auf einen Wert eingestellt, der als Unterscheidungsreferenz zum Schätzen dient, dass ein Signal-Rausch-Verhältnis-Verstärkungswert zu einer Zunahme des Mahalanobis-Abstands beigetragen hat. Der Schwellenwert für Signal-Rausch-Verhältnis-Verstärkungswerte kann ein Wert sein, der manuell durch einen Benutzer basierend auf Wissen eingegeben wird, oder kann ein Wert sein, der automatisch durch einen statistischen Ansatz berechnet wird. In dem in 7 gezeigten Beispiel ist für alle Ereignisse derselbe Schwellenwert von 3 eingestellt. Es kann jedoch für jedes Ereignis ein anderer Schwellenwert eingestellt werden.
Der B-Wert ist ein Wert, der durch Filtern des A-Werts durch einen Schwellenwert für Signal-Rausch-Verhältnis-Verstärkungswerte erhalten wird. Insbesondere ist der B-Wert ein Wert, der erhalten wird, indem der A-Wert auf 0 gesetzt wird, wenn der A-Wert gleich oder kleiner als der Schwellenwert für Signal-Rausch-Verhältnis-Verstärkungswerte ist, und indem der A-Wert so verwendet wird, wie er ist, wenn der A-Wert größer als der Schwellenwert für Signal-Rausch-Verhältnis-Verstärkungswerte ist. Zum Beispiel weist das Eintrittsereignis 1 einen B-Wert von 0 auf, da der A-Wert 2,2 ist, was gleich oder kleiner als 3 ist; und das Eintrittsereignis 2 einen B-Wert von 5,1 aufweist, da der A-Wert 5,1 ist, was größer als 3 ist.
Die Gewichtungskoeffizienten-Erfassungseinheit 102 kann einen C-Wert jedes Eintrittsereignisses unter Verwendung des B-Werts erfassen, wie in 7 gezeigt. Der C-Wert ist ein Gewichtungskoeffizient. Als Gewichtungskoeffizienten kann der C-Wert ein Koeffizient sein, der auf einem Überschussbetrag eines Signal-Rausch-Verhältnis-Verstärkungswerts relativ zu einem Schwellenwert basiert. Zum Beispiel werden in dem veranschaulichten Beispiel die C-Werte durch Subtrahieren des Schwellenwerts für Signal-Rausch-Verhältnis-Verstärkungswerte von den B-Werten und Multiplizieren der subtrahierten Werte mit 2 berechnet. Die Berechnungsformel für C-Werte ist jedoch nicht darauf beschränkt und kann je nach Bedarf geändert werden.
Oben wurde ein Beispiel beschrieben, bei dem ein Gewichtungskoeffizient durch Schwellenwertverarbeitung erfasst wird. Das Verfahren zum Erfassen des Gewichtungskoeffizienten durch Schwellenwertverarbeitung ist jedoch nicht auf das vorstehend beschriebene Beispiel beschränkt. Zum Beispiel kann die Gewichtungskoeffizientenerfassungseinheit 102 eine Schwellenwertverarbeitung an den in 4 gezeigten Signal-Rausch-Verhältnis-Verstärkungswerten durchführen, bevor die verarbeiteten Werte mit den Werten in der in 5 gezeigten Sensortabelle multipliziert werden. Ferner muss die Gewichtungskoeffizientenerfassungseinheit 102 nicht konfiguriert sein, um die B-Werte aus den A-Werten zu berechnen und dann die C-Werte aus den B-Werten zu berechnen, wie in 7 gezeigt, sondern kann konfiguriert sein, um die C-Werte direkt aus den A-Werten zu berechnen und, wenn die Berechnung einen negativen Wert ergibt, den C-Wert auf 0 zu setzen. Auf diese Weise ist es möglich, auch bei geändertem Verfahren die gleichen Ergebnisse zu erhalten.
Das Verwenden solcher Gewichtungskoeffizienten bei der Berechnung des nachstehend beschriebenen Index kann nicht nur erlauben, dass eine Berechnung nur für jedes Ereignis und jeden Faktor durchgeführt werden kann, die einen Signal-Rausch-Verhältnis-Verstärkungswert aufweisen, der größer als ein Referenzwert ist, sondern auch, dass das Größenverhältnis der Größe der Signal-Rausch-Verhältnis-Verstärkungswerte in den Gewichtungskoeffizienten widergespiegelt und diese Gewichtungskoeffizienten zur Berechnung verwendet werden. Daher kann das Größenverhältnis der Größe der Verstärkungswerte des Signal-Rausch-Verhältnisses auffällig gemacht werden.
Wie in 3 veranschaulicht, berechnet die A-priori-Wahrscheinlichkeitsberechnungseinheit 103 eine A-priori-Wahrscheinlichkeit, die eine Wahrscheinlichkeit dafür ist, dass jeder Faktor Eintritt (Schritt S3). Die A-priori-Wahrscheinlichkeitsberechnungseinheit 103 berechnet die A-priori-Wahrscheinlichkeiten basierend auf einer Faktorentabelle, die die Eintrittshäufigkeit jedes der Faktoren für jedes der Ereignisse angibt.
Informationen, die in der Faktorentabelle enthalten sind, schließen auch Informationen wie Ereignisse, die selten auftreten, spezielle Ereignisse und Ereignisse, deren Eintrittsfaktoren unbekannt sind, ein. Wenn solche Informationen beim Schätzen von Anomaliefaktoren verwendet werden, besteht ein Risiko, dass die Genauigkeit abnimmt. Daher kann die A-priori-Wahrscheinlichkeitsberechnungseinheit 103 konfiguriert sein, um aus den in der Faktorentabelle enthaltenen Informationen Informationen über jedes Ereignis und jeden Faktor zu extrahieren und zu verwenden, die einem Sensormesswert zugeordnet sind, der einen größeren Signal-Rausch-Verhältnis-Verstärkungswert als ein Referenzwert aufweist. In diesem Fall wird eine hohe Genauigkeit erreicht, da A-priori-Wahrscheinlichkeiten und A-posteriori-Wahrscheinlichkeiten berechnet werden können, indem die in der Faktorentabelle enthaltenen Informationen auf Informationen über jedes Ereignis und jeden Faktor beschränkt werden, die einem Sensormesswert zugeordnet sind, der einen größeren Signal-Rausch-Verhältnis-Verstärkungswert als der Referenzwert aufweist. Es ist zu beachten, dass die A-priori-Wahrscheinlichkeitsberechnungseinheit 103 konfiguriert sein kann, um A-priori-Wahrscheinlichkeiten direkt aus der Faktorentabelle zu berechnen, ohne eine solche Extraktion durchzuführen.
8 ist ein Diagramm, das ein Beispiel für Extraktionsergebnisse von der Anomaliefaktorschätzvorrichtung 100 basierend auf einer Faktorentabelle gemäß einer Ausführungsform veranschaulicht. In diesem Beispiel weisen sechs Sensoren (Signale) eine Signal-Rausch-Verhältnis-Verstärkung auf, wie in 4 gezeigt, und die Eintrittsereignisse, die sich auf diese sechs Signale (Signale A bis F) beziehen, sind die acht Eintrittsereignisse 1 bis 8, wie in 5 gezeigt. Diese acht Ereignisse werden zusammen mit ihren jeweiligen Faktoren aus der Faktorentabelle extrahiert, um 8 zu bilden. Auf diese Weise extrahiert die A-priori-Wahrscheinlichkeitsberechnungseinheit 103 eine Anzahl von Eintrittsereignissen und deren jeweilige Faktoren aus der Faktorentabelle, die Eintrittsereignisse den Faktoren zuordnet. In 8 trat zum Beispiel das Eintrittsereignis 1 zweimal aufgrund des Faktors 7, dreimal aufgrund des Faktors 8 und kein Mal aufgrund der Faktoren 1 bis 6 ein. Auf diese Weise geben die in 8 gezeigten Extraktionsergebnisse die Anzahl des Eintretens jedes Eintrittsereignisses auf Faktor-für-Faktor-Basis an und geben auch Zwischensummenwerte für jeden dieser Faktoren (zum Beispiel ist die Anzahl der Eintritte des Faktors 7 27) und den Gesamtwert an, der durch Summieren der Zwischensummenwerte erhalten wird.
9 ist ein Diagramm, das ein Beispiel für Berechnungsergebnisse von A-priori-Wahrscheinlichkeiten von einer Anomaliefaktorschätzvorrichtung 100 gemäß einer Ausführungsform zeigt. Die in 9 gezeigten R1 bis R8 entsprechen den Faktoren 1 bis 8, die in 8 gezeigt sind. P steht für Wahrscheinlichkeit. Beispielsweise steht P(R1) für die Wahrscheinlichkeit für das Eintreten des Faktors 1 (die A-priori-Wahrscheinlichkeit des Faktors 1). Eine A-priori-Wahrscheinlichkeit wird berechnet, indem der Zwischensummenwert für jeden Faktor, der in den in 8 gezeigten Extraktionsergebnissen angegeben ist, durch den Gesamtwert dividiert wird. Zum Beispiel ist die A-priori-Wahrscheinlichkeit P (R8) für den Faktor 8 ein Wert, der durch Teilen eines Zwischengesamtwerts von 22 durch einen Gesamtwert von 288 erhalten wird, was 0,076389 ergibt. Die A-priori-Wahrscheinlichkeitsberechnungseinheit 103 führt eine solche Berechnung für jeden Faktor durch.
Wie in 3 veranschaulicht, berechnet die A-posteriori-Wahrscheinlichkeitsberechnungseinheit 104 eine A-posteriori-Wahrscheinlichkeit, die eine Wahrscheinlichkeit dafür ist, dass ein bestimmtes Ereignis durch einen bestimmten Faktor verursacht wird (Schritt S4). Die A-posteriori-Wahrscheinlichkeitsberechnungseinheit 104 kann die A-posteriori-Wahrscheinlichkeit P (Rj | Fi) unter Verwendung der priori-Wahrscheinlichkeit für jeden Faktor und der Likelihood P (Fi | Rj) berechnen, die die Wahrscheinlichkeit für jedes Ereignis Fi ist, das aufgrund jedes Faktors Rj eintritt. In diesem Fall können A-posteriori-Wahrscheinlichkeiten leicht unter Verwendung von A-priori-Wahrscheinlichkeiten und Likelihoods berechnet werden.
10 ist ein Diagramm, das ein Beispiel für Berechnungsergebnisse der Likelihood P (Fi| Rj) durch die Anomaliefaktorschätzvorrichtung 100 gemäß einer Ausführungsform veranschaulicht. Das in 10 gezeigte Fi steht für jedes Eintrittsereignis i aus den Eintrittsereignissen 1 bis 8. Beispielsweise steht P (Fi | R1) für die Likelihood, dass das Ereignis Fi aufgrund des Faktors R1 eintritt. Zum Beispiel beträgt die Likelihood für das Eintreten des Ereignisses F2 (Eintrittsereignis 2) aufgrund des Faktors R1 0,30303.
Die Likelihood wird in den Extraktionsergebnissen der in 8 gezeigten Faktorentabelle berechnet, indem die Häufigkeit der Eintritte des bestimmten Ereignisses Fi aufgrund des bestimmten Faktors Ri durch einen Zwischengesamtwert für jeden Faktor dividiert wird. Beispielsweise ist die Likelihood P (F1|R7) ein Wert, der durch Teilen der Anzahl von Eintritten, in denen das Ereignis F1 aufgrund des Faktors R7, der 2 ist, eingetreten ist, durch einen Zwischengesamtwert von 27 erhalten wird, was 0,074074 ergibt, wie in 10 gezeigt. Die A-posteriori-Wahrscheinlichkeitsberechnungseinheit 104 kann eine solche Likelihood für jede Kombination der Ereignisse und der Faktoren berechnen, wie in 10 gezeigt.
Die A-posteriori-Wahrscheinlichkeitsberechnungseinheit 104 kann A-posteriori-Wahrscheinlichkeiten unter Verwendung solcher Likelihoods berechnen. 11 ist ein Diagramm, das ein Beispiel für Berechnungsergebnisse der A-posteriori-Wahrscheinlichkeit P (Rj | Fi) von der Anomaliefaktorschätzvorrichtung 100 gemäß einer Ausführungsform zeigt. Die A-posteriori-Wahrscheinlichkeit (Rj |Fi), die die Wahrscheinlichkeit dafür angibt, dass das bestimmte Ereignis Fi durch den bestimmten Faktor Rj verursacht wird, wird durch Dividieren des Produkts der bestimmten Likelihood P (Fi|Rj) und der bestimmten A-priori-Wahrscheinlichkeit P (Rj) durch die Summe der Produkte jeder Likelihood und jeder A-priori-Wahrscheinlichkeit, die dem Faktor Rj entsprechen, berechnet.
Die A-posteriori-Wahrscheinlichkeit P (Rj|Fi) wird in Fällen, in denen es n Faktoren gibt, anhand der folgenden Formel berechnet: P(Rj|Fi) = P(Fi|Rj) · P(Rj)/(P(Fi|R1) · P(R1) + P(Fi|R2) · P(R2) + ... + P(Fi| Rn) . P(Rn)). Auf diese Weise werden A-posteriori-Wahrscheinlichkeiten durch eine mathematische Formel berechnet, die auch Fälle berücksichtigt, in denen ein bestimmtes Ereignis aufgrund einer Mehrzahl von Faktoren eintritt (R1 bis Rn).
So wird zum Beispiel in 11 die A-posteriori-Wahrscheinlichkeit P (R1|F2), dass das Eintrittsereignis 2 durch den Faktor 1 verursacht wird, anhand der folgenden Formel bestimmt:
P(R1|F2)=P(F2|R1)·P(R1)/(P(F2|R1)·P(R1)+P(F2|R2)·P(R2)+
P(F2|R3)·P(R3)+P(F2|R4)·P(R4)+P(F2|R5)·P(R5)+P(F2|R6)·
P(R6)+P(F2|R7)·P(R7)+P(F2| R8)·P(R8))=0,357143. In 11 ergibt dabei das Zwischensummieren von A-posteriori-Wahrscheinlichkeiten für jeden Faktor oder jedes Ereignis und das Summieren dieser Zwischensummenwerte einen Gesamtwert von 8, der derselbe Wert wie die Anzahl der Eintritte ist, wie in der Figur unten rechts gezeigt.
Wie in 3 veranschaulicht, berechnet die Indexberechnungseinheit 105 Indizes, die Eintrittswahrscheinlichkeiten angeben (Schritt S5). Die Indexberechnungseinheit 105 multipliziert die A-posteriori-Wahrscheinlichkeit, die von der A-posteriori-Wahrscheinlichkeitsberechnungseinheit 104 berechnet wird, mit einem Gewichtungskoeffizienten (C-Wert), der von der Gewichtungskoeffizientenerfassungseinheit 102 erfasst wird, und berechnet einen Index, der eine Eintrittswahrscheinlichkeit für jede Kombination der Faktoren und der Eintrittsereignisse angibt. Ein Index, der eine Eintrittswahrscheinlichkeit angibt, kann ein vorläufiger numerischer Wert vor der Normierung sein, oder kann eine Eintrittswahrscheinlichkeit nach der Normierung sein.
Zunächst werden konkrete Beispiele für ersteren beschrieben. 12 ist ein Diagramm, das ein Beispiel für Berechnungsergebnisse von der Anomaliefaktorschätzvorrichtung 100 gemäß einer Ausführungsform veranschaulicht. Für jede Kombination der Faktoren und der Eintrittsereignisse wird ein Index gezeigt, der eine Eintrittswahrscheinlichkeit angibt, die ein Wert ist, der durch Multiplizieren der A-posteriori-Wahrscheinlichkeit, die von der A-posteriori-Wahrscheinlichkeitsberechnungseinheit 104 berechnet wird, mit dem Gewichtungskoeffizienten (C-Wert), der von der Gewichtungskoeffizientenerfassungseinheit 102 erfasst wird, erhalten wird.
Zum Beispiel ist ein Index, der die Eintrittswahrscheinlichkeit für das Eintrittsereignis 1 aufgrund des Faktors 2 angibt, 0, da er das Produkt ist aus der A-posteriori-Wahrscheinlichkeit, die 0 ist, und dem C-Wert, der 0 ist. Ein Index, der die Eintrittswahrscheinlichkeit für das Eintrittsereignis 2 aufgrund des Faktors 2 angibt, ist 2,25, da er das Produkt ist aus der A-posteriori-Wahrscheinlichkeit, die 0,53714 ist, und dem C-Wert, der 4,2 ist. Auf diese Weise wird ein Index, der jede der Eintrittswahrscheinlichkeiten angibt, durch Multiplizieren des C-Werts, der jedem Eintrittsereignis entspricht, das in 7 gezeigt ist, mit dem Wert in der Tabelle der A-posteriori-Wahrscheinlichkeit, die in 11 gezeigt ist, berechnet.
Dabei ergibt in 12 das Zwischensummieren des Index, der eine Eintrittswahrscheinlichkeit für jeden Faktor oder jedes Ereignis angibt, und das Summieren dieser Zwischensummenwerte einen Gesamtwert von 13,2, wie in der Figur rechts unten gezeigt. Dieser Gesamtwert wird durch den Gewichtungskoeffizienten beeinflusst, kann also ein von der Anzahl der Eintrittsereignisse abweichender Wert sein. Auch in diesem Beispiel beträgt der Gesamtwert nicht 8, sondern 13,2.
Als Nächstes werden spezifische Beispiele für letzteren beschrieben. 13 ist ein Diagramm, das ein Beispiel von Informationen veranschaulicht, die von der Anomaliefaktorschätzvorrichtung 100 gemäß einer Ausführungsform ausgegeben werden. Die in 13 gezeigten Eintrittswahrscheinlichkeiten geben die Eintrittswahrscheinlichkeiten an, die normiert wurden, indem jeder der in 12 gezeigten Werte durch einen Gesamtwert von 13,2 dividiert wurde. Beispielsweise ergibt in 13 die Summierung der Zwischensummenwerte der Eintrittswahrscheinlichkeiten für jeden Faktor 1, also 100 %, wie unten rechts in der Figur in der Eintrittswahrscheinlichkeitstabelle gezeigt. Auf diese Weise ist ein Index, der eine Eintrittswahrscheinlichkeit angibt, die Eintrittswahrscheinlichkeit jedes Faktors, wenn ein bestimmtes Ereignis eingetreten ist, und die Eintrittswahrscheinlichkeit jedes Faktors kann berechnet werden, indem ein Zwischengesamtwert, der durch Zwischensummieren multiplizierter Werte zwischen den A-posteriori-Wahrscheinlichkeiten und den Gewichtungskoeffizienten für jeden Faktor erhalten wird, durch einen Gesamtwert dividiert wird, der ein Wert ist, der durch Summieren dieser Zwischengesamtwerte für alle Faktoren erhalten wird. Dabei kann die Eintrittswahrscheinlichkeit jedes Faktors ermittelt werden.
Wie in 3 veranschaulicht, gibt die Ausgabeeinheit 106 Schätzergebnisse aus (Schritt S6). Zum Beispiel kann, wie in 13 gezeigt, die Ausgabeeinheit 106 die Eintrittswahrscheinlichkeit jedes Faktors in absteigender Reihenfolge einstufen und hochrangige Faktoren ausgeben. In diesem Fall kann leicht festgestellt werden, durch welchen Faktor diese anormalen Ereignisse eintreten. Es ist beispielsweise zu erkennen, dass die Wahrscheinlichkeit für das Eintreten dieser Ereignisse aufgrund des Faktors 2 mit 24,7 % am höchsten bei liegt. Es ist zu beachten, dass die Ausgabeeinheit 106 nur einen, nämlich den höchstwertigen Faktor, ausgeben kann oder eine Mehrzahl von Faktoren ausgeben kann, die in absteigender Reihenfolge vom höchsten ausgewählt werden. Ferner kann die Ausgabeeinheit 106 Indizes, die Eintrittswahrscheinlichkeiten angeben, als Schätzergebnisse ausgeben, wie in 12 oder 13 gezeigt.
Der Verarbeitungsfluss, der von der Anomaliefaktorschätzvorrichtung 100 gemäß einer Ausführungsform durchgeführt wird, wurde vorstehend unter Bezugnahme auf 3 beschrieben. Es ist zu beachten, dass ein Teil der in 3 veranschaulichten Verarbeitung von einem Benutzer durchgeführt werden kann. Außerdem kann die in 3 veranschaulichte Verarbeitungsreihenfolge geändert werden. Zum Beispiel können die Schritte S3 und S4 vor den Schritten S1 und S2 durchgeführt werden. Da A-priori-Wahrscheinlichkeiten, Likelihoods und A-posteriori-Wahrscheinlichkeiten statt aus Sensormesswerten aus einer Faktorentabelle berechnet werden können, können Indizes, die Eintrittswahrscheinlichkeiten angeben, berechnet werden, indem A-priori-Wahrscheinlichkeiten, Likelihoods und A-posteriori-Wahrscheinlichkeiten im Voraus berechnet werden und dann Signal-Rausch-Verhältnis-Verstärkungswerte und Gewichtungskoeffizienten erfasst werden.
Ferner kann die Anomaliefaktorschätzvorrichtung 100 Indizes, die Eintrittswahrscheinlichkeiten angeben, unter Verwendung einer Tabelle berechnen, die A-posteriori-Wahrscheinlichkeiten angibt, die im Voraus erfasst wurden, ohne Verwendung einer Faktorentabelle oder Berechnen von A-priori-Wahrscheinlichkeiten, Likelihoods und A-posteriori-Wahrscheinlichkeiten. In diesem Fall können die Schritte S3 und S4 entfallen. Die Faktorentabelle und Tabellen, die A-priori-Wahrscheinlichkeiten, Likelihoods, A-posteriori-Wahrscheinlichkeiten und dergleichen angeben, werden jedoch vorzugsweise aktualisiert, um die jüngsten Informationen widerzuspiegeln. Eine solche Aktualisierungsverarbeitung kann automatisch durch die Anomaliefaktorschätzvorrichtung 100 durchgeführt werden oder kann durch die manuelle Eingabe des Benutzers durchgeführt werden. In Fällen, in denen es häufige Aktualisierungen gibt, ist es bevorzugt, A-priori-Wahrscheinlichkeiten, Likelihoods und A-posteriori-Wahrscheinlichkeiten jedes Mal zu berechnen, wenn eine Aktualisierung durchgeführt wird, wie in 3 veranschaulicht.
Die Anomaliefaktorschätzvorrichtung 100 kann konfiguriert sein, um eine Faktorentabelle zur Verwendung in der Berechnung aus einer Mehrzahl von Faktorentabellen auszuwählen, wobei jede der Mehrzahl von Faktorentabellen für einen jeweiligen Prozess gilt. Zum Beispiel können Apparate oder Systeme, die einen Apparat einschließen, ein anderes Verhalten als der normale Betriebszustand aufweisen, wenn sie sich in transienten Betriebszuständen wie Anlaufzeit und Stillstandszeit befinden, oder wenn sie sich in speziellen Betriebszuständen befinden, in denen ein Messwert wie Temperatur, Druck und Vibration um beispielsweise 2σ (Referenzdispersionswert) niedriger oder höher als das Normal ist. Dabei variieren Eintrittsereignisse und -faktoren je nach Prozess des Betriebszustandes. Daher kann es zum Beispiel möglich sein, die Schätzgenauigkeit zu verbessern, indem eine Faktorentabelle für jeden Prozess, wie beispielsweise Anlaufzeit, Betriebszeit und Stoppzeit, erstellt wird und eine Faktorentabelle ausgewählt und verwendet wird, die dem Prozess der Zeit entspricht, zu der ein anormales Ereignis eingetreten ist.
Die vorliegende Offenbarung ist nicht auf die vorstehend beschriebenen Ausführungsformen beschränkt und schließt auch Weiterbildungen der vorstehend beschriebenen Ausführungsformen sowie geeignete Kombinationen aus einer Mehrzahl der Ausführungsformen ein.
Die Inhalte, die in jeder der vorstehenden Ausführungsformen beschrieben sind, werden zum Beispiel wie folgt verstanden.
(1) Ein Anomaliefaktorschätzverfahren gemäß der vorliegenden Offenbarung schließt die folgenden Schritte ein: Berechnen, basierend auf einer Faktorentabelle, die eine Eintrittshäufigkeit jedes der Faktoren für jedes der Ereignisse angibt, einer A-priori-Wahrscheinlichkeit, die eine Wahrscheinlichkeit für das Eintreten jedes Faktors ist; Berechnen einer A-posteriori-Wahrscheinlichkeit, die eine Wahrscheinlichkeit dafür ist, dass ein bestimmtes Ereignis durch einen bestimmten Faktor verursacht wird; und Multiplizieren der A-posteriori-Wahrscheinlichkeit mit einem Gewichtungskoeffizienten, der sich auf einen Signal-Rausch-Verhältnis-Verstärkungswert eines Sensormesswerts bezieht, und Berechnen eines Index, der eine Eintrittswahrscheinlichkeit für jede Kombination der Faktoren und der Ereignisse angibt.
Gemäß dem vorstehend beschriebenen Verfahren wird ein Index, der eine Eintrittswahrscheinlichkeit angibt, für jede Kombination der Faktoren und der Ereignisse basierend auf der A-posteriori-Wahrscheinlichkeit berechnet. A-posteriori-Wahrscheinlichkeiten werden durch eine mathematische Formel berechnet, die auch Fälle berücksichtigt, in denen ein bestimmtes Ereignis aufgrund mehrerer Faktoren eintritt. Daher ist es möglich, Anomaliefaktoren basierend auf Berechnung zu schätzen, die die Interaktion zwischen einer Mehrzahl von Faktoren berücksichtigt (relative Bewertung), statt basierend auf Berechnungsergebnissen für jeden Faktor (absolute Bewertung). Dementsprechend ist es möglich, die Schätzgenauigkeit für Anomaliefaktoren zu verbessern.
(2) In einigen Ausführungsformen werden bei dem vorstehend in (1) beschriebenen Verfahren bei der Berechnung der A-priori-Wahrscheinlichkeit aus den in der Faktorentabelle enthaltenen Informationen Informationen über das Ereignis und den Faktor, die mit einem Sensormesswert verbunden sind, der einen größeren Signal-Rausch-Verhältnis-Verstärkungswert als ein Referenzwert aufweist, extrahiert und verwendet.
Informationen, die in der Faktorentabelle enthalten sind, schließen auch Informationen wie Ereignisse, die selten auftreten, spezielle Ereignisse und Ereignisse, deren Eintrittsfaktoren unbekannt sind, ein. Wenn solche Informationen beim Schätzen von Anomaliefaktoren verwendet werden, besteht ein Risiko, dass die Genauigkeit abnimmt. In dieser Hinsicht wird gemäß dem vorstehend beschriebenen Verfahren eine hohe Genauigkeit erreicht, da A-priori-Wahrscheinlichkeiten und A-posteriori-Wahrscheinlichkeiten berechnet werden können, indem die in der Faktorentabelle enthaltenen Informationen auf Informationen über jedes Ereignis und jeden Faktor beschränkt werden, die einem Sensormesswert zugeordnet sind, der einen größeren Signal-Rausch-Verhältnis-Verstärkungswert als der Referenzwert aufweist.
(3) In einigen Ausführungsformen wird bei dem vorstehend in (1) oder (2) beschriebenen Verfahren bei der Berechnung der A-posteriori-Wahrscheinlichkeit die A-posteriori-Wahrscheinlichkeit unter Verwendung der A-priori-Wahrscheinlichkeit jedes Faktors und einer Likelihood berechnet, die eine Wahrscheinlichkeit für das Eintreten jedes Ereignisses aufgrund jedes Faktors ist.
Gemäß dem vorstehend beschriebenen Verfahren können A-posteriori-Wahrscheinlichkeiten leicht unter Verwendung von A-priori-Wahrscheinlichkeiten und Likelihoods berechnet werden.
(4) In einigen Ausführungsformen ist bei dem vorstehend in (1) bis (3) beschriebenen Verfahren der Gewichtungskoeffizient ein Koeffizient, der auf der Grundlage eines Überschussbetrags des Signal-Rausch-Verhältnis-Verstärkungswerts relativ zu einem Schwellenwert festgelegt wird.
Gemäß dem vorstehend beschriebenen Verfahren wird nicht nur die Berechnung nur für jedes Ereignis und jeden Faktor durchgeführt, die einen Signal-Rausch-Verhältnis-Verstärkungswert aufweisen, der größer ist als ein Referenzwert, sondern auch das Größenverhältnis der Größe der Signal-Rausch-Verhältnis-Verstärkungswerte wird in den Gewichtungskoeffizienten widergespiegelt und diese Gewichtungskoeffizienten werden für die Berechnung verwendet. Daher kann das Größenverhältnis der Größe der Verstärkungswerte des Signal-Rausch-Verhältnisses auffällig gemacht werden.
(5) In einigen Ausführungsformen ist bei dem einen vorstehend in (1) bis (4) beschriebenen Verfahren der Index, der die Eintrittswahrscheinlichkeit angibt, eine Eintrittswahrscheinlichkeit jedes Faktors, wenn ein bestimmtes Ereignis eingetreten ist; und die Eintrittswahrscheinlichkeit jedes Faktors wird berechnet, indem ein Zwischengesamtwert, der durch Zwischensummieren eines multiplizierten Werts zwischen der A-posteriori-Wahrscheinlichkeit und dem Gewichtungskoeffizienten für jeden Faktor erhalten wird, durch einen Gesamtwert dividiert wird, der ein Wert ist, der durch Summieren der Zwischengesamtwerte für alle Faktoren erhalten wird.
Gemäß dem vorstehend beschriebenen Verfahren können Eintrittswahrscheinlichkeiten jedes Faktors festgestellt werden.
(6) In einigen Ausführungsformen schließt das vorstehend in (5) beschriebene Verfahren ferner den folgenden Schritt ein: Einstufen der Eintrittswahrscheinlichkeit jedes Faktors in absteigender Reihenfolge und Ausgeben hochrangiger Faktoren.
Gemäß dem vorstehend beschriebenen Verfahren kann leicht festgestellt werden, aufgrund welchen Faktors diese anormalen Ereignisse auftreten.
(7) In einigen Ausführungsformen schließt das in einem von (1) bis (6) beschriebene Verfahren ferner die folgenden Schritte ein: Überwachen eines Mahalanobis-Abstands, der auf dem Sensormesswert basiert; und Erfassen des Signal-Rausch-Verhältnis-Verstärkungswerts in Fällen, in denen ein anormales Ereignis basierend auf dem Mahalanobis-Abstand detektiert wird.
Da gemäß dem vorstehend beschriebenen Verfahren eine Anomaliefaktorschätzung in Fällen durchgeführt wird, in denen ein anormales Ereignis erfasst wird, kann die Rechenverarbeitung, die mit der Anomaliefaktorschätzung einhergeht, reduziert werden.
(8) In einigen Ausführungsformen schließt das in einem von (1) bis (7) oben beschriebene Verfahren ferner den folgenden Schritt ein: Auswählen der Faktorentabelle zur Verwendung in der Berechnung aus einer Mehrzahl von Faktorentabellen, wobei jede der Mehrzahl von Faktorentabellen für einen jeweiligen Prozess gilt.
Gemäß dem vorstehend beschriebenen Verfahren kann es möglich sein, die Schätzgenauigkeit zu verbessern, indem eine Faktorentabelle ausgewählt und verwendet wird, die dem Prozess der Zeit entspricht, zu der ein anormales Ereignis eingetreten ist.
(9) Eine Anomaliefaktorschätzvorrichtung (100) gemäß der vorliegenden Offenbarung schließt ein: eine Berechnungseinheit (103) für die A-priori-Wahrscheinlichkeit, die konfiguriert ist, um basierend auf einer Faktorentabelle, die eine Eintrittshäufigkeit jedes der Faktoren für jedes der Ereignisse angibt, eine A-priori-Wahrscheinlichkeit zu berechnen, die eine Wahrscheinlichkeit für das Eintreten jedes Faktors ist; eine A-posteriori-Wahrscheinlichkeitsberechnungseinheit (104), die konfiguriert ist, um eine A-posteriori-Wahrscheinlichkeit zu berechnen, die eine Wahrscheinlichkeit dafür ist, dass ein bestimmtes Ereignis durch einen bestimmten Faktor verursacht wird; und eine Indexberechnungseinheit (105), die konfiguriert ist, um die A-posteriori-Wahrscheinlichkeit mit einem Gewichtungskoeffizienten zu multiplizieren, der sich auf einen Signal-Rausch-Verhältnis-Verstärkungswert eines Sensormesswerts bezieht, und einen Index zu berechnen, der eine Eintrittswahrscheinlichkeit für jede Kombination der Faktoren und der Ereignisse angibt.
Gemäß der vorstehend beschriebenen Konfiguration berechnet die Anomaliefaktorschätzvorrichtung (100) einen Index, der eine Eintrittswahrscheinlichkeit für jede Kombination der Faktoren und der Ereignisse basierend auf der A-posteriori-Wahrscheinlichkeit angibt. A-posteriori-Wahrscheinlichkeiten werden durch eine mathematische Formel berechnet, die auch Fälle berücksichtigt, in denen ein bestimmtes Ereignis aufgrund mehrerer Faktoren eintritt. Daher ist es möglich, Anomaliefaktoren basierend auf Berechnung zu schätzen, die die Interaktion zwischen einer Mehrzahl von Faktoren berücksichtigt (relative Bewertung), statt basierend auf Berechnungsergebnissen für jeden Faktor (absolute Bewertung). Dementsprechend ist es möglich, die Schätzgenauigkeit für Anomaliefaktoren zu verbessern.
(10) Ein Programm gemäß der vorliegenden Offenbarung bewirkt, dass ein Computer die folgenden Vorgänge ausführt: Berechnen, basierend auf einer Faktorentabelle, die eine Häufigkeit des Eintretens jedes der Faktoren für jedes der Ereignisse angibt, einer A-priori-Wahrscheinlichkeit, die eine Wahrscheinlichkeit für das Eintreten jedes Faktors ist; Berechnen einer A-posteriori-Wahrscheinlichkeit, die eine Wahrscheinlichkeit dafür ist, dass ein bestimmtes Ereignis durch einen bestimmten Faktor verursacht wird; und Multiplizieren der A-posteriori-Wahrscheinlichkeit mit einem Gewichtungskoeffizienten, der sich auf einen Signal-Rausch-Verhältnis-Verstärkungswert eines Sensormesswerts bezieht, und Berechnen eines Index, der eine Eintrittswahrscheinlichkeit für jede Kombination der Faktoren und der Ereignisse angibt.
Gemäß dem vorstehend beschriebenen Programm wird ein Index, der eine Eintrittswahrscheinlichkeit angibt, für jede Kombination der Faktoren und der Ereignisse basierend auf der A-posteriori-Wahrscheinlichkeit berechnet. A-posteriori-Wahrscheinlichkeiten werden durch eine mathematische Formel berechnet, die auch Fälle berücksichtigt, in denen ein bestimmtes Ereignis aufgrund mehrerer Faktoren eintritt. Daher ist es möglich, Anomaliefaktoren basierend auf Berechnung zu schätzen, die die Interaktion zwischen einer Mehrzahl von Faktoren berücksichtigt (relative Bewertung), statt basierend auf Berechnungsergebnissen für jeden Faktor (absolute Bewertung). Dementsprechend ist es möglich, die Schätzgenauigkeit für Anomaliefaktoren zu verbessern.
Bezugszeichenliste

72: Prozessor
74: RAM
76: ROM
78: HDD
80: Eingabeschnittstelle
82: Ausgabeschnittstelle
84: Bus
100: Anomaliefaktorschätzvorrichtung
101: Verstärkungserfassungseinheit
102: Gewichtungskoeffizientenerfassungseinheit
103: A-priori-Wahrscheinlichkeitsberechnungseinheit
104: A-posteriori-Wahrscheinlichkeitsberechnungseinheit
105: Indexberechnungseinheit
106: Ausgabeeinheit

ZITATE ENTHALTEN IN DER BESCHREIBUNG
Diese Liste der vom Anmelder aufgeführten Dokumente wurde automatisiert erzeugt und ist ausschließlich zur besseren Information des Lesers aufgenommen. Die Liste ist nicht Bestandteil der deutschen Patent- bzw. Gebrauchsmusteranmeldung. Das DPMA übernimmt keinerlei Haftung für etwaige Fehler oder Auslassungen.
Zitierte Patentliteratur

JP 2006099298 A [0004]

Claims

Anomaliefaktorschätzverfahren, umfassend die Schritte: Berechnen, basierend auf einer Faktorentabelle, die eine individuelle Eintrittshäufigkeit einer Mehrzahl von Faktoren für eine Mehrzahl von Ereignissen angibt, einer A-priori-Wahrscheinlichkeit, die eine Wahrscheinlichkeit für das Eintreten jedes der Mehrzahl von Faktoren ist; Berechnen einer A-posteriori-Wahrscheinlichkeit, die eine Wahrscheinlichkeit dafür ist, dass ein bestimmtes Ereignis durch einen bestimmten Faktor von der Mehrzahl von Faktoren verursacht wird; und Multiplizieren der A-posteriori-Wahrscheinlichkeit mit einem Gewichtungskoeffizienten, der sich auf einen Signal-Rausch-Verhältnis-Verstärkungswert eines Sensormesswerts bezieht, und Berechnen eines Index, der eine Eintrittswahrscheinlichkeit für eine individuelle Kombination der Mehrzahl von Faktoren und der Mehrzahl von Ereignissen angibt.
Anomaliefaktorschätzverfahren gemäß Anspruch 1, wobei in dem Schritt des Berechnens der A-priori-Wahrscheinlichkeit aus den in der Faktorentabelle enthaltenen Informationen Informationen, die sich auf die Mehrzahl von Ereignissen und die Mehrzahl von Faktoren beziehen, die mit dem Sensormesswert verbunden sind, extrahiert und verwendet werden, wobei der Sensormesswert einen größeren Signal-Rausch-Verhältnis-Verstärkungswert als ein Referenzwert aufweist.
Anomaliefaktorschätzverfahren gemäß Anspruch 1 oder 2, wobei in dem Schritt des Berechnens der A-posteriori-Wahrscheinlichkeit die A-posteriori-Wahrscheinlichkeit unter Verwendung der A-priori-Wahrscheinlichkeit jedes der Mehrzahl von Faktoren und einer Likelihood berechnet wird, die eine Wahrscheinlichkeit dafür ist, dass ein jeweiliges der Mehrzahl von Ereignissen aufgrund eines jeweiligen der Mehrzahl von Faktoren eintritt.
Anomaliefaktorschätzverfahren gemäß einem der Ansprüche 1 bis 3, wobei der Gewichtungskoeffizient ein Koeffizient ist, der auf der Grundlage eines Überschussbetrags des Signal-Rausch-Verhältnis-Verstärkungswerts relativ zu einem Schwellenwert festgelegt ist.
Anomaliefaktorschätzverfahren nach einem der Ansprüche 1 bis 4, wobei der Index, der die Eintrittswahrscheinlichkeit angibt, eine Eintrittswahrscheinlichkeit jedes der Mehrzahl von Faktoren ist, wenn ein bestimmtes Ereignis eingetreten ist, und die Eintrittswahrscheinlichkeit jedes der Mehrzahl von Faktoren durch Dividieren eines Zwischengesamtwerts, der durch Zwischensummieren eines multiplizierten Werts zwischen der A-posteriori-Wahrscheinlichkeit und dem Gewichtungskoeffizienten für jeden der Mehrzahl von Faktoren erhalten wird, durch einen Gesamtwert, der ein Wert ist, der durch Summieren der Zwischengesamtwerte für alle der Mehrzahl von Faktoren erhalten wird, berechnet wird.
Anomaliefaktorschätzverfahren nach Anspruch 5, ferner umfassend den folgenden Schritt: Einstufen der Eintrittswahrscheinlichkeit jedes der Mehrzahl von Faktoren in absteigender Reihenfolge und Ausgeben eines hochrangigen Faktors aus der Mehrzahl von Faktoren.
Anomaliefaktorschätzverfahren nach einem der Ansprüche 1 bis 6, ferner umfassend die folgenden Schritte: Überwachen eines Mahalanobis-Abstands, der auf dem Sensormesswert basiert; und Erfassen des Signal-Rausch-Verhältnis-Verstärkungswerts in einem Fall, in dem ein anormales Ereignis aus der Mehrzahl von Ereignissen basierend auf dem Mahalanobis-Abstand detektiert wird.
Anomaliefaktorschätzverfahren nach einem der Ansprüche 1 bis 7, ferner umfassend den folgenden Schritt: Auswählen der Faktorentabelle zur Verwendung in der Berechnung aus einer Mehrzahl der Faktorentabellen, wobei jede der Mehrzahl von Faktorentabellen für einen individuellen Prozess gilt.
Anomaliefaktorschätzvorrichtung, umfassend: eine A-priori-Wahrscheinlichkeitsberechnungseinheit, die konfiguriert ist, um basierend auf einer Faktorentabelle, die eine individuelle Eintrittshäufigkeit einer Mehrzahl von Faktoren für eine Mehrzahl von Ereignissen angibt, eine A-priori-Wahrscheinlichkeit zu berechnen, die eine Wahrscheinlichkeit für das Eintreten jedes der Mehrzahl von Faktoren ist; eine A-posteriori-Wahrscheinlichkeitsberechnungseinheit, die konfiguriert ist, um eine A-posteriori-Wahrscheinlichkeit zu berechnen, die eine Wahrscheinlichkeit dafür ist, dass ein bestimmtes Ereignis aus der Mehrzahl von Ereignissen durch einen bestimmten Faktor aus der Mehrzahl von Faktoren verursacht wird; und eine Indexberechnungseinheit, die konfiguriert ist, um die A-posteriori-Wahrscheinlichkeit mit einem Gewichtungskoeffizienten zu multiplizieren, der sich auf einen Signal-Rausch-Verhältnis-Verstärkungswert eines Sensormesswerts bezieht, und einen Index zu berechnen, der eine Eintrittswahrscheinlichkeit für eine individuelle Kombination der Mehrzahl von Faktoren und der Mehrzahl von Ereignissen angibt.
Programm, um einen Computer zu veranlassen, die folgenden Vorgänge auszuführen: Berechnen, basierend auf einer Faktorentabelle, die eine individuelle Eintrittshäufigkeit einer Mehrzahl von Faktoren für eine Mehrzahl von Ereignissen angibt, einer A-priori-Wahrscheinlichkeit, die eine Wahrscheinlichkeit für das Eintreten jedes der Mehrzahl von Faktoren ist; Berechnen einer A-posteriori-Wahrscheinlichkeit, die eine Wahrscheinlichkeit dafür ist, dass ein bestimmtes Ereignis aus der Mehrzahl von Ereignissen durch einen bestimmten Faktor aus der Mehrzahl von Faktoren verursacht wird; und Multiplizieren der A-posteriori-Wahrscheinlichkeit mit einem Gewichtungskoeffizienten, der sich auf einen Signal-Rausch-Verhältnis-Verstärkungswert eines Sensormesswerts bezieht, und Berechnen eines Index, der eine Eintrittswahrscheinlichkeit für eine individuelle Kombination der Mehrzahl von Faktoren und der Mehrzahl von Ereignissen angibt.