DE112018008228T5

DE112018008228T5 - Fehlerdiagnoseeinrichtung, Fehlerdiagnoseverfahren, Fehlerdiagnoseprogramm und Aufzeichnungsmedium

Info

Publication number: DE112018008228T5
Application number: DE112018008228.8T
Authority: DE
Inventors: Yusuke MOTEGI; Yukihiro Kawano; Hitomi NAGASHIMA; Takumi KUSAKABE
Original assignee: IHI Corp
Current assignee: IHI Corp
Priority date: 2018-12-27
Filing date: 2018-12-27
Publication date: 2021-10-21
Also published as: JP7188453B2; WO2020136836A1; JPWO2020136836A1; US20210319368A1

Abstract

Eine Fehlerdiagnoseeinrichtung umfasst eine Beschaffungseinheit, die Diagnosezieldaten inklusive Parameterwerten einer Vielzahl von Elementen von dem Diagnosezielsystem beschafft; eine Speichereinheit, die Extrahierungsquellendaten, die eine Vielzahl von Datensätzen umfassen, speichert; eine Extrahierungseinheit, die eine Extrahierungsbedingung unter Verwendung der Diagnosezieldaten und Bedingungseinstellungsinformationen zum Bestimmen der Extrahierungsbedingung bestimmt, um Lerndaten von den Extrahierungsquellendaten zu extrahieren; eine Erzeugungseinheit zum Erzeugen von Lerninformationen, die für das Mustererkennungsverfahren verwendet werden, von den Lerndaten; und eine Diagnoseeinheit, die bestimmt, ob die Diagnosezieldaten fehlerhaft sind, basierend auf den Lerninformationen. Die Vielzahl von Datensätzen umfasst jeweils die Parameterwerte der Vielzahl von Elementen, wenn das Diagnosezielsystem in einem normalen Zustand ist. Die Extrahierungseinheit extrahiert, als die Lerndaten, eine Obergrenzanzahl von Datensätzen von einem Kopfende, wenn eine Gruppe von Datensätzen, die die Extrahierungsbedingung erfüllt, durch ein vorbestimmtes Kriterium neu angeordnet wird, unter der Vielzahl von Datensätzen, die in den Extrahierungsquellendaten umfasst ist.

Description

Technisches Gebiet
Die vorliegende Offenbarung betrifft eine Fehlerdiagnoseeinrichtung, ein Fehlerdiagnoseverfahren, ein Fehlerdiagnoseprogramm und ein Aufzeichnungsmedium.
Hintergrund
Im Allgemeinen wird in einem Maschinensystem, wie zum Beispiel einer Fabrik, in der eine Vielzahl von Einrichtungen arbeitet, der Zustand des Systems zum Beispiel unter Verwendung einer Vielzahl von Sensoren gemessen und werden die gemessenen Daten verwendet, um eine Fehlerdiagnose, wie etwa das Auftreten eines Problems in dem Maschinensystem, durchzuführen. Um eine Fehlerdiagnose in dem Maschinensystem mit hoher Genauigkeit durchzuführen, werden heutzutage Analyseverfahren unter Verwendung von Mustererkennungstechniken untersucht.
Zum Beispiel beschreibt die Patentliteratur 1 eine Fehlerdiagnoseeinrichtung zum Zweck des Durchführens einer Fehlerdiagnose entsprechend einer Änderung in dem Status eines Maschinensystems, in dem ein Datensatz, der eine Extrahierungsbedingung erfüllt, als Lerndaten von einer Vielzahl von Datensätzen, die einen Zustand des Maschinensystems in der Vergangenheit zeigen, extrahiert wird, und eine Fehlerdiagnose basierend auf Lerninformationen, die von den Lerndaten erzeugt werden, durchgeführt wird. In der Fehlerdiagnoseeinrichtung wird ein Parameterwert, der in den Diagnosezieldaten umfasst ist, mit Extrahierungsbedingungsinformationen, die die Extrahierungsbedingung für die Lerndaten bestimmen, kombiniert, um die Extrahierungsbedingung für die Lerndaten zu bestimmen, und somit werden die Lerndaten, die für die Diagnosezieldaten geeignet sind, dynamisch ausgewählt.
Liste des Stands der Technik
Patentliteratur
Patentliteratur 1: Japanische Ungeprüfte Patentveröffentlichung Nr. 2017-102826
Kurzfassung der Erfindung
Technisches Problem
In der Fehlerdiagnoseeinrichtung, die in der Patentliteratur 1 beschrieben ist, kann die Anzahl von Datensätzen, die in den Lerndaten umfasst ist, in Abhängigkeit der Extrahierungsbedingung variieren, da ein Datensatz, der die Extrahierungsbedingung erfüllt, als Lerndaten verwendet wird. Wenn die Anzahl von Datensätzen, die in den Lerndaten umfasst ist, groß ist, nimmt es viel Zeit in Anspruch, um Lerninformationen oder Ähnliches zu erzeugen, und das verursacht eine Möglichkeit, dass die Effizienz einer Fehlerdiagnose verschlechtert wird.
Die vorliegende Offenbarung beschreibt eine Fehlerdiagnoseeinrichtung, ein Fehlerdiagnoseverfahren, ein Fehlerdiagnoseprogramm und ein Aufzeichnungsmedium, die dazu in der Lage sind, eine Erhöhung einer Zeit, die für eine Diagnose notwendig ist, zu unterdrücken, während eine Fehlerdiagnose durchgeführt wird, die für den Status des Diagnosezielsystems geeignet ist.
Lösung des Problems
Eine Fehlerdiagnoseeinrichtung gemäß einem Aspekt der vorliegenden Offenbarung ist eine Einrichtung, die eine Fehlerdiagnose bezüglich eines Diagnosezielsystems unter Verwendung eines Mustererkennungsverfahrens durchführt. Die Fehlerdiagnoseeinrichtung umfasst: eine Beschaffungseinheit, die dazu konfiguriert ist, Diagnosezieldaten inklusive Parameterwerten einer Vielzahl von Elementen von dem Diagnosezielsystem zu beschaffen; eine Speichereinheit, die dazu konfiguriert ist, Extrahierungsquellendaten, die eine Vielzahl von Datensätzen umfassen, zu speichern; eine Extrahierungseinheit, die dazu konfiguriert ist, eine Extrahierungsbedingung unter Verwendung der Diagnosezieldaten und Bedingungseinstellungsinformationen zum Bestimmen der Extrahierungsbedingung zu bestimmen, um Lerndaten von den Extrahierungsquellendaten zu extrahieren; eine Erzeugungseinheit, die dazu konfiguriert ist, Lerninformationen, die für das Mustererkennungsverfahren verwendet werden, von den Lerndaten zu erzeugen; und eine Diagnoseeinheit, die dazu konfiguriert ist, zu bestimmen, ob die Diagnosezieldaten fehlerhaft sind, basierend auf den Lerninformationen. Die Vielzahl von Datensätzen umfasst jeweils die Parameterwerte der Vielzahl von Elementen, wenn das Diagnosezielsystem in einem normalen Zustand ist. Die Extrahierungseinheit extrahiert, als die Lerndaten, eine Obergrenzanzahl von Datensätzen von einem Kopfende, wenn eine Gruppe von Datensätzen, die die Extrahierungsbedingung erfüllen, unter der Vielzahl von Datensätzen, die in den Extrahierungsquellendaten umfasst sind, durch ein vorbestimmtes Kriterium neu angeordnet wird.
Vorteilhafte Effekte der Erfindung
Gemäß der vorliegenden Offenbarung ist es möglich, eine Erhöhung einer Zeit, die für eine Diagnose notwendig ist, zu unterdrücken, während eine Fehlerdiagnose durchgeführt wird, die für den Status des Diagnosezielsystems geeignet ist.
Figurenliste

1 ist ein Diagramm, das die funktionalen Blöcke einer Fehlerdiagnoseeinrichtung gemäß einem Ausführungsbeispiel zeigt.
2 ist ein Ablaufdiagramm, das eine Reihe von Prozessen eines Fehlerdiagnoseverfahrens, das durch die Fehlerdiagnoseeinrichtung in 1 durchgeführt wird, zeigt.
3 ist ein Ablaufdiagramm, das einen Aktualisierungsprozess für Extrahierungsquellendaten, der durch die Fehlerdiagnoseeinrichtung in 1 durchgeführt wird, zeigt.
4 ist ein Diagramm, das die Konfiguration eines Fehlerdiagnoseprogramms zeigt.

Beschreibung von Ausführungsbeispielen
Ein Ausführungsbeispiel gemäß der vorliegenden Offenbarung, das nachstehend beschrieben ist, ist ein Beispiel zum Beschreiben der vorliegenden Erfindung und die vorliegende Erfindung sollte nicht auf den folgenden Inhalt beschränkt werden.
Überblick über das Ausführungsbeispiel
Eine Fehlerdiagnoseeinrichtung gemäß einem Aspekt der vorliegenden Offenbarung ist eine Einrichtung, die eine Fehlerdiagnose bezüglich eines Diagnosezielsystems unter Verwendung eines Mustererkennungsverfahrens durchführt. Die Fehlerdiagnoseeinrichtung umfasst: eine Beschaffungseinheit, die dazu konfiguriert ist, Diagnosezieldaten inklusive Parameterwerten einer Vielzahl von Elementen von dem Diagnosezielsystem zu beschaffen; eine Speichereinheit, die dazu konfiguriert ist, Extrahierungsquellendaten, die eine Vielzahl von Datensätzen umfassen, zu speichern; eine Extrahierungseinheit, die dazu konfiguriert ist, eine Extrahierungsbedingung unter Verwendung der Diagnosezieldaten und Bedingungseinstellungsinformationen zum Bestimmen der Extrahierungsbedingung zu bestimmen, um Lerndaten von den Extrahierungsquellendaten zu extrahieren; eine Erzeugungseinheit, die dazu konfiguriert ist, Lerninformationen von den Lerndaten zu erzeugen, die für das Mustererkennungsverfahren verwendet werden; und eine Diagnoseeinheit, die dazu konfiguriert ist, zu bestimmen, ob die Diagnosezieldaten fehlerhaft sind, basierend auf den Lerninformationen. Die Vielzahl von Datensätzen umfasst jeweils die Parameterwerte der Vielzahl von Elementen, wenn das Diagnosezielsystem in einem normalen Zustand ist. Die Extrahierungseinheit extrahiert, als die Lerndaten, eine Obergrenzanzahl von Datensätzen von einem Kopfende, wenn eine Gruppe von Datensätzen, die die Extrahierungsbedingung erfüllen, unter der Vielzahl von Datensätzen, die in den Extrahierungsquellendaten umfasst sind, durch ein vorbestimmtes Kriterium neu angeordnet wird.
Ein Fehlerdiagnoseverfahren gemäß einem anderen Aspekt der vorliegenden Offenbarung ist ein Verfahren, das durch eine Fehlerdiagnoseeinrichtung ausgeführt wird, die eine Fehlerdiagnose bezüglich eines Diagnosezielsystems unter Verwendung eines Mustererkennungsverfahrens durchführt. Das Fehlerdiagnoseverfahren umfasst die Schritte: Beschaffen von Diagnosezieldaten inklusive Parameterwerten einer Vielzahl von Elementen von dem Diagnosezielsystem; Bestimmen einer Extrahierungsbedingung unter Verwendung der Diagnosezieldaten und Bedingungseinstellungsinformationen zum Bestimmen der Extrahierungsbedingung; Extrahieren von Lerndaten von Extrahierungsquellendaten, die eine Vielzahl von Datensätzen umfassen; Erzeugen von Lerninformationen, die für das Mustererkennungsverfahren verwendet werden, von den Lerndaten; und Bestimmen, ob die Diagnosezieldaten fehlerhaft sind, basierend auf den Lerninformationen. Die Vielzahl von Datensätzen umfasst jeweils die Parameterwerte der Vielzahl von Elementen, wenn das Diagnosezielsystem in einem normalen Zustand ist. In dem Extrahierungsschritt wird unter der Vielzahl von Datensätzen, die in den Extrahierungszieldaten umfasst sind, eine Obergrenzanzahl von Datensätzen von einem Kopfende als die Lerndaten extrahiert, wenn eine Gruppe von Datensätzen, die die Extrahierungsbedingung erfüllen, durch ein vorbestimmtes Kriterium neu angeordnet wird.
Ein Fehlerdiagnoseprogramm gemäß einem anderen Aspekt der vorliegenden Offenbarung ist ein Programm, das einen Computer veranlasst, eine Fehlerdiagnose bezüglich eines Diagnosezielsystems unter Verwendung eines Mustererkennungsverfahrens auszuführen. Das Fehlerdiagnoseprogramm veranlasst den Computer, die folgenden Schritte auszuführen: Beschaffen von Diagnosezieldaten inklusive Parameterwerten einer Vielzahl von Elementen von dem Diagnosezielsystem; Bestimmen einer Extrahierungsbedingung unter Verwendung der Diagnosezieldaten und Bedingungseinstellungsinformationen zum Bestimmen der Extrahierungsbedingung; Extrahieren von Lerndaten von Extrahierungsquellendaten, die eine Vielzahl von Datensätzen umfassen; Erzeugen von Lerninformationen, die für das Mustererkennungsverfahren verwendet werden, von den Lerndaten; und Bestimmen, ob die Diagnosezieldaten fehlerhaft sind, basierend auf den Lerninformationen. Die Vielzahl von Datensätzen umfasst jeweils die Parameterwerte der Vielzahl von Elementen, wenn das Diagnosezielsystem in einem normalen Zustand ist. In dem Extrahierungsschritt wird unter der Vielzahl von Datensätzen, die in den Extrahierungsquellendaten umfasst sind, eine Obergrenzanzahl von Datensätzen von einem Kopfende als die Lerndaten extrahiert, wenn eine Gruppe von Datensätzen, die die Extrahierungsbedingung erfüllt, durch ein vorbestimmtes Kriterium neu angeordnet wird.
Ein Aufzeichnungsmedium gemäß einem weiteren Aspekt der vorliegenden Offenbarung ist ein computerlesbares Aufzeichnungsmedium, das ein Fehlerdiagnoseprogramm aufzeichnet, um einen Computer zu veranlassen, eine Fehlerdiagnose bezüglich eines Diagnosezielsystems unter Verwendung eines Mustererkennungsverfahrens auszuführen. Das Fehlerdiagnoseprogramm veranlasst den Computer, die folgenden Schritte auszuführen: Beschaffen von Diagnosezieldaten inklusive Parameterwerten einer Vielzahl von Elementen von dem Diagnosezielsystem; Bestimmen einer Extrahierungsbedingung unter Verwendung der Diagnosezieldaten und Bedingungseinstellungsinformationen zum Bestimmen der Extrahierungsbedingung, Extrahieren von Lerndaten von Extrahierungsquellendaten, die eine Vielzahl von Datensätzen umfassen; Erzeugen von Lerninformationen, die für das Mustererkennungsverfahren verwendet werden, von den Lerndaten; und Bestimmen, ob die Diagnosezieldaten fehlerhaft sind, basierend auf den Lerninformationen. Die Vielzahl von Datensätzen umfasst jeweils die Parameterwerte der Vielzahl von Elementen, wenn das Diagnosezielsystem in einem normalen Zustand ist. In dem Extrahierungsschritt wird unter der Vielzahl von Datensätzen, die in den Extrahierungsquellendaten umfasst sind, eine Obergrenzanzahl von Datensätzen von einem Kopfende als die Lerndaten extrahiert, wenn eine Gruppe von Datensätzen, die die Extrahierungsbedingung erfüllen, durch ein vorbestimmtes Kriterium neu angeordnet wird.
In der Fehlerdiagnoseeinrichtung, dem Fehlerdiagnoseverfahren, dem Fehlerdiagnoseprogramm und dem Aufzeichnungsmedium, wird die Extrahierungsbedingung unter Verwendung der Diagnosezieldaten und der Bedingungseinstellungsinformationen zum Bestimmen der Extrahierungsbedingung bestimmt, und wird unter der Vielzahl von Datensätzen, die in den Extrahierungsquellendaten umfasst sind, eine Obergrenzanzahl von Datensätzen von einem Kopfende als die Lerndaten extrahiert, wenn eine Gruppe von Datensätzen, die die Extrahierungsbedingung erfüllen, durch ein vorbestimmtes Kriterium neu angeordnet wird. Wie vorstehend beschrieben, für die Extrahierung von Lerndaten, da die Extrahierungsbedingung, die unter Verwendung der Diagnosezieldaten bestimmt ist, verwendet wird, werden die Lerndaten, die für eine Fehlerdiagnose bezüglich der Diagnosezieldaten geeignet sind, extrahiert, und werden die Lerninformationen, die für das Mustererkennungsverfahren verwendet werden, unter Verwendung dieser Lerndaten erzeugt. Deshalb, auch in dem Fall, in dem sich der Status des Diagnosezielsystems ändert, wird eine Fehlerdiagnose unter Verwendung von Lerninformationen, die für die Diagnosezieldaten geeignet sind, durchgeführt. Dies macht es möglich, eine Fehlerdiagnose durchzuführen, die für den Status des Diagnosezielsystems geeignet ist. Da die Datensätze bis zu der Obergrenzanzahl als die Lerndaten extrahiert werden, ist die Anzahl von Datensätzen, die in den Lerndaten umfasst ist, auf die Obergrenzanzahl beschränkt. Dies ermöglicht es, eine Erhöhung einer Zeit, die zum Erzeugen von Lerninformationen oder Ähnlichem notwendig ist, zu unterdrücken. Folglich ist es möglich, eine Erhöhung einer Zeit, die für eine Diagnose notwendig ist, zu unterdrücken, während eine Fehlerdiagnose, die für den Status des Diagnosezielsystems geeignet ist, durchgeführt wird.
Die Fehlerdiagnoseeinrichtung kann weiterhin eine Aktualisierungseinheit umfassen, die dazu konfiguriert ist, die Extrahierungszieldaten, die in der Speichereinheit gespeichert sind, zu aktualisieren. Die Aktualisierungseinheit kann einen normalen Datensatz zu den Extrahierungsquellendaten hinzufügen, um die Extrahierungsquellendaten zu aktualisieren. In diesem Fall, da sich die Anzahl von Datensätzen, die in den Extrahierungsquellendaten umfasst sind, erhöht, ist es möglich, die Wahrscheinlichkeit zu erhöhen, dass die Anzahl von Datensätzen, die die Extrahierungsbedingung erfüllen, unter der Vielzahl von Datensätzen, die in den Extrahierungsquellendaten umfasst ist, gleich oder größer als die Obergrenzanzahl wird. Dies macht es möglich, ein Verringerung der Genauigkeit der Fehlerdiagnose zu unterdrücken.
Das Kriterium kann eine Reihenfolge der zeitlichen Nähe zu einem Zeitpunkt sein, an dem eine Diagnose bezüglich der Diagnosezieldaten durchgeführt wird. Der Status des Diagnosezielsystems kann sich mit einem Ablauf einer Zeit schrittweise ändern. Deshalb, in dem Fall, in dem die Vielzahl von Datensätzen, die in den Extrahierungsquellendaten umfasst ist, mit Bezug auf die Zeit, wenn die Diagnose durchgeführt wird, alt ist, gibt es ein Risiko, dass eine Diagnose als fehlerhaft durchgeführt wird, obwohl die Diagnosezieldaten normal sind. Im Gegensatz dazu, da der Datensatz nahe zu dem Zeitpunkt, wenn die Diagnose durchgeführt wird, als die Lerndaten verwendet wird, ist es möglich, eine Verringerung der Genauigkeit der Fehlerdiagnose zu unterdrücken.
Wenn sich der normale Zustand des Diagnosezielsystems ändert, kann die Extrahierungseinheit die Lerndaten von einem Datensatz, nachdem sich der normale Zustand des Diagnosezielsystems ändert, in der Vielzahl von Datensätzen, die in den Extrahierungsquellendaten umfasst sind, extrahieren. In diesem Fall wird der Datensatz, bevor sich der normale Zustand ändert, ausgeschlossen, und dann werden die Lerndaten extrahiert. Dies macht es möglich, eine Zeit, die zum Suchen nach dem Datensatz, der die Extrahierungsbedingungen erfüllt, notwendig ist, zu reduzieren.
Beispiele des Ausführungsbeispiels
Im Folgenden wird ein Ausführungsbeispiel der vorliegenden Offenbarung mit Bezug auf die Zeichnungen beschrieben. Es sollte verstanden werden, dass in der Beschreibung der Zeichnungen, die gleichen Komponenten durch die gleichen Bezugszeichen bezeichnet sind und eine redundante Beschreibung weggelassen wird.
1 ist ein Diagramm, das die funktionalen Blöcke einer Fehlerdiagnoseeinrichtung gemäß einem Ausführungsbeispiel zeigt. Eine Fehlerdiagnoseeinrichtung 1, die in 1 gezeigt ist, ist eine Einrichtung, die eine Fehlerdiagnose bezüglich eines Maschinensystems 2 unter Verwendung eines Mustererkennungsverfahrens durchführt. Die Fehlerdiagnoseeinrichtung 1 ist mit dem Maschinensystem 2 und einer externen Einrichtung 3 auf eine Weise, dass diese miteinander kommunizieren können, verbunden. Ein Mustererkennungsverfahren ist ein Verfahren, das bestimmt, ob ein Muster, das durch Diagnosezieldaten dargestellt ist, die ein Ziel für eine Fehlerdiagnose sind, normal ist, basierend auf den Lerninformationen, die durch die Lerndaten gebildet werden. Beispiele des Mustererkennungsverfahrens umfassen das Mahalanobis-Taguchi-Verfahren (MT-Verfahren), das Erkennungs-Taguchi-Verfahren bzw. Recognition-Taguchi-Verfahren (RT-Verfahren), das Variationsdruckverfahren bzw. „variation pressure method“ (standardisiertes Variationsdruckverfahren), das Rekonstruktionsfehlerverfahren bzw. „reconstruction error method“ (RE-Verfahren), „Sparse Bayesian Learning“ (SBL), eine Hauptkomponentenanalyse, eine Mehrfachregressionsanalyse, und eine Logistikregressionsanalyse (Multivariantenanalyse). Das Mustererkennungsverfahren ist nicht auf diese Verfahren beschränkt.
Das Maschinensystem 2 ist ein System, das ein Ziel für eine Diagnose ist. Beispiele des Maschinensystems 2 umfassen Maschinensysteme, wie etwa eine Gasturbine, ein Flugzeugtriebwerk und einen Vakuumofen. Eine Vielzahl von Sensoren ist an dem Maschinensystem 2 angebracht, um den Betriebszustand des Maschinensystems 2 zu überprüfen. Das Maschinensystem 2 überträgt einen Datensatz, der den Parameterwert von jedem einer Vielzahl von Elementen umfasst, als Diagnosezieldaten an die Fehlerdiagnoseeinrichtung 1. Der Datensatz wird ebenso als Probendaten bezeichnet.
Das Element ist der Merkmalswert des Maschinensystems 2. Beispiele des Elements umfassen einen Steuerungswert, einen Anweisungswert und einen Antwortwert einer Vielzahl von Arten von Einrichtungen (ein Ventil, eine Pumpe und Ähnliches), die in dem Maschinensystem 2 umfasst ist, und Sensorwerte, die durch die Vielzahl von Sensoren, die in dem Maschinensystem 2 bereitgestellt ist, erfasst werden. Die Anzahl von Elementen des Parameterwerts ist zum Beispiel ein paar Hundert oder mehr.
Es sollte angemerkt werden, dass die Probendaten (der Datensatz) Parameterwerte umfassen kann, die sich in Abhängigkeit der internen Situation des Maschinensystems 2 ändern, sowie Parameterwerte, die sich in Abhängigkeit der externen Situation des Maschinensystems 2 ändern. Die Parameterwerte, die sich in Abhängigkeit der externen Situation des Maschinensystems 2 ändern, sind Werte, die durch eine externe Einrichtung oder Ähnliches spezifiziert werden, und Werte, die Informationen über externe Umgebungen angeben, und diese Werte sind von Werten, die von einer Steuerung in dem Maschinensystem 2 hergeleitet bzw. abgeleitet werden, verschieden. Beispiele von solchen Parameterwerten umfassen die Temperaturen um das Maschinensystem 2 herum und Ausgabeeinstellungswerte bzw. eingestellte Ausgabewerte einer bestimmten Einrichtung. Andererseits ist der Parameterwert, der sich in Abhängigkeit der internen Situation des Maschinensystems 2 ändert, der Parameterwert, der sich in Abhängigkeit des Betriebs des Maschinensystems 2 ändert. Beispiele von solch einem Parameterwert umfassen Sensorwerte von Sensoren, die in dem Maschinensystem 2 bereitgestellt sind. Für die Fehlerdiagnose des Maschinensystems 2 wird zumindest der Parameterwert, der sich in Abhängigkeit der internen Situation ändert, verwendet.
Die externe Einrichtung 3 ist zum Beispiel durch eine Anzeige oder Ähnliches gebildet und umfasst eine Funktion des Ausgebens eines Diagnoseergebnisses durch die Fehlerdiagnoseeinrichtung 1.
Die Fehlerdiagnoseeinrichtung 1 umfasst physisch einen Prozessor 10 und eine Speichereinrichtung 20.
Die Speichereinrichtung 20 ist durch ein datenlesbares und beschreibbares Aufzeichnungsmedium, wie etwa einen Direktzugriffsspeicher (RAM „Random Access Memory“), einen Halbleiterspeicher, und ein Festplattenlaufwerk gebildet. Die Speichereinrichtung 20 umfasst eine Speichereinheit für gesammelte Daten 21 (Speichereinheit), eine Lerninformationsspeichereinheit 22 und ein Fehlerdiagnoseprogramm P.
Die Speichereinheit für gesammelte Daten 21 speichert Extrahierungsquellendaten, die eine Gruppe eines Datensatzes sind, die möglicherweise als Lerndaten verwendet wird. Die Extrahierungsquellendaten umfassen eine Vielzahl von Datensätzen. Die Vielzahl von Datensätzen sind jeweils Probendaten in dem Fall, in dem das Maschinensystem 2 in einem normalen Zustand ist, und umfassen Parameterwerte einer Vielzahl von Elementen in dem normalen Zustand. Jede der Vielzahl von Datensätzen sind Probendaten, die von dem Maschinensystem 2 in der Vergangenheit übertragen wurden. Jeder der Vielzahl von Datensätzen umfasst Zeitinformationen, die eine Zeit angeben, zu der der Datensatz geschafft wurde, und einen Statusmarker, der angibt, ob die Daten normal oder fehlerhaft sind, zum Beispiel.
Es sollte angemerkt werden, dass die Extrahierungsquellendaten andere Daten zusätzlich zu den Probendaten umfassen können, die von dem Maschinensystem 2 übertragen werden. Das heißt, die Extrahierungsquellendaten können zum Beispiel Daten, die von einem Maschinensystem, das von dem Maschinensystem 2 verschieden ist (zum Beispiel einer Anlage in dem gleichen System, das an einer anderen Stelle vorhanden ist), beschafft werden, und Simulationsergebnisse unter der spezifischen Umgebungsbedingung in einem System, das das Maschinensystem 2 simuliert, umfassen.
Die Lerninformationsspeichereinheit 22 hält vorübergehend Lerninformationen, die durch eine Erzeugungseinheit 13, die später beschrieben wird, erzeugt werden. Die Lerninformationen sind Informationen, die für ein Mustererkennungsverfahren verwendet werden. Obwohl Details nachstehend beschrieben wird, werden in der Fehlerdiagnoseeinrichtung 1 Lerninformationen jedes Mal erzeugt, wenn Diagnosezieldaten, die später beschrieben sind, von dem Maschinensystem 2 beschafft werden. Die Lerninformationsspeichereinheit 22 hält vorübergehend Lerninformationen, die für jede Fehlerdiagnose erzeugt werden, und nach dem Ende einer Reihe von Prozessen bezüglich einer Fehlerdiagnose löscht die Lerninformationsspeichereinheit 22 Lerninformationen, die für eine Fehlerdiagnose verwendet wurden.
Beispiele des Prozessors 10 umfassen eine zentrale Verarbeitungseinheit (CPU „Central Processing Unit“), eine Mikrosteuerung, und einen Digitalsignalprozessor (DSP „Digital Signal Processor“). Der Prozessor 10 kann ein einzelner Prozessor oder ein Multiprozessor sein. Der Prozessor 10 umfasst funktional eine Beschaffungseinheit 11, eine Extrahierungseinheit 12, eine Erzeugungseinheit 13, eine Diagnoseeinheit 14, eine Ausgabeeinheit 15 und eine Aktualisierungseinheit 16. Der Prozessor liest das Fehlerdiagnoseprogramm P, das in der Speichereinrichtung 20 gespeichert ist, aus und führt dieses aus und somit werden die Funktonen der Beschaffungseinheit 11, der Extrahierungseinheit 12, der Erzeugungseinheit 13, der Diagnoseeinheit 14, der Ausgabeeinheit 15 und der Aktualisierungseinheit 16 verwirklicht. Die spezifische Konfiguration des Fehlerdiagnoseprogramms P wird später beschrieben.
Die Beschaffungseinheit 11 beschafft die Diagnosezieldaten von dem Maschinensystem 2. Die Beschaffungseinheit 11 gibt die beschafften Diagnosezieldaten an die Extrahierungseinheit 12 und die Diagnoseeinheit 14 aus.
Die Extrahierungseinheit 12 extrahiert Lerndaten von Extrahierungsquellendaten basierend auf den Diagnosezieldaten, die von der Beschaffungseinheit 11 empfangen werden, und Bedingungseinstellungsinformationen, die im Voraus in der Extrahierungseinheit 12 eingestellt werden. Speziell bestimmt die Extrahierungseinheit 12 eine Extrahierungsbedingung für die Lerndaten unter Verwendung der Diagnosezieldaten und der Bedingungseinstellungsinformationen. Die Extrahierungseinheit 12 liest Extrahierungsquellendaten, die in der Speichereinheit für gesammelte Daten 21 gespeichert sind, von der Speichereinheit für gesammelte Daten 21 aus und extrahiert Lerndaten von den Extrahierungsquellendaten basierend auf der Extrahierungsbedingung. Die Extrahierungseinheit 12 gibt die extrahierten Lerndaten an die Erzeugungseinheit 13 aus.
Hier wird ein Verfahren zum Bestimmen der Extrahierungsbedingung detailliert beschrieben. Die Bedingungseinstellungsinformationen sind Informationen zum Bestimmen der Extrahierungsbedingung für die Lerndaten und geben die Bedingung bezüglich einem oder mehreren Elementen an, die in der Vielzahl von Elementen, die den Datensatz bilden, umfasst sind. Beispiele der Bedingungseinstellungsinformationen umfassen eine Elementkennung (ID), die dazu in der Lage ist, ein Element eindeutig zu identifizieren, und Bedingungsinformationen, die eine Bedingung für den Parameterwert des Elements, das durch die Element-ID identifiziert ist, angeben. Die Extrahierungseinheit 12 beschafft den Parameterwert des Elements, das durch die Element-ID identifiziert ist, die in den Bedingungseinstellungsinformationen umfasst ist, von den Diagnosezieldaten, und bestimmt die Extrahierungsbedingung unter Verwendung des Parameterwerts und der Bedingung, die durch die Bedingungsinformationen angegeben ist, die in den Bedingungseinstellungsinformationen umfasst ist.
Zum Beispiel wird angenommen, dass das Element, das durch die Element-ID identifiziert ist, eine „Ansauglufttemperatur“ ist, und die Bedingung, die durch die Bedingungsinformationen angegeben ist, gleich „plus oder minus 2 Grad“ ist. In dem Fall, in dem die (der Parameterwert der) Ansauglufttemperatur der Diagnosezieldaten gleich „20 Grad“ ist, wird die Extrahierungsbedingung derart bestimmt, dass „die (der Parameterwert der) Ansauglufttemperatur gleich 18 Grad oder mehr und 22 Grad oder weniger“ ist. Zum Beispiel wird angenommen, dass das Element, das durch die Element-ID identifiziert ist, gleich „eingestellte Ausgabe“ ist, und die Bedingung, die durch die Bedingungsinformationen angegeben ist, gleich „plus oder minus 1 Megawatt (MW)“ ist. In dem Fall, in dem die (der Parameterwert der) Ausgabe der Diagnosezieldaten „10 MW“ ist, wird die Extrahierungsbedingung derart bestimmt, dass „die (der Parameterwert der) eingestellten Ausgabe gleich 9 MW oder mehr und 11 MW oder weniger“ ist.
Wie vorstehend beschrieben sind die Bedingungseinstellungsinformationen Informationen, die einen Teil in Bezug auf die Bedingung zum Bestimmen der Extrahierungsbedingung spezifisch angeben, und Informationen, die die Extrahierungsbedingung für Lerndaten unter Verwendung des spezifischen Parameterwerts, der in den Diagnosezieldaten umfasst ist, bestimmen. Es sollte angemerkt werden, dass die Extrahierungsbedingung derart eingestellt werden könnte, dass „der Parameterwert des Parameters C in einem Bereich von 10 bis 30 liegt“, ohne Verwendung des spezifischen Parameterwerts, der in den Diagnosezieldaten umfasst ist. Da Lerndaten jedoch ohne Berücksichtigung des Status der Diagnosezieldaten, die von dem Maschinensystem 2 beschafft werden, extrahiert werden, werden Lerndaten mit niedriger Relevanz mit den Diagnosezieldaten erzeugt. Deshalb wird in der Fehlerdiagnoseeinrichtung 1 eine Konfiguration eingesetzt, bei der der Parameterwert, der in den Diagnosezieldaten umfasst ist, und die Bedingungseinstellungsinformationen zum Bestimmen der Extrahierungsbedingung für die Lerndaten kombiniert werden, um die Extrahierungsbedingung für die Lerndaten zu bestimmen.
Es sollte angemerkt werden, dass in den Bedingungseinstellungsinformationen, als das Element, für das die Bedingung eingestellt ist, ein Element ausgewählt wird, das dazu in der Lage ist, den Status des Maschinensystems 2 zu identifizieren. Beispiele des Status umfassen die Betriebsart des Maschinensystems 2 (zum Beispiel Betriebs- und Nichtbetriebsart), den Umgebungsstatus des Maschinensystems 2 aufgrund von Jahreszeiten, und Ähnliches. Unter Verwendung der Parameterwerte von solchen Elementen zum Extrahieren von Lerndaten, kann ein Datensatz, der eine ähnliche Situation wie die, in die das Maschinensystem 2 versetzt ist, aufweist, von den Extrahierungsquellendaten extrahiert werden.
Die Bedingungseinstellungsinformationen sind zum Beispiel im Voraus durch einen Bediener der Fehlerdiagnoseeinrichtung 1 eingestellt. Die Extrahierungseinheit 12 kann eine Vielzahl von Stücken von Bedingungseinstellungsinformationen halten. In diesem Fall kann die Extrahierungseinheit 12 Bedingungseinstellungsinformationen, die für die Extrahierung von Lerndaten zu verwenden sind, von einer Vielzahl von Stücken von Bedingungseinstellungsinformationen, die für die Diagnosezieldaten geeignet sind, auswählen. Zum Beispiel kann die Extrahierungseinheit 12 Bedingungseinstellungsinformationen, die für die Extrahierung von Lerndaten zu verwenden sind, entsprechend der Beschaffungszeitperiode der Diagnosezieldaten auswählen. Die Extrahierungseinheit 12 kann Bedingungseinstellungsinformationen, die für die Extrahierung von Lerndaten zu verwenden sind, gemäß der Anweisung des Bedieners auswählen.
Als Nächstes wird ein Verfahren zum Extrahieren von Lerndaten detailliert beschrieben. Die Extrahierungseinheit 12 extrahiert einen Datensatz, der die Extrahierungsbedingung erfüllt, von Extrahierungsquellendaten unter einer Vielzahl von Datensätzen, die in den Extrahierungsquellendaten umfasst sind. Die Extrahierungseinheit 12 sortiert eine Gruppe von Datensätzen, die die Extrahierungsbedingung erfüllen, gemäß einem Sortierungskriterium, das ein vorbestimmtes Kriterium ist (ordnet diese neu an), und extrahiert eine vorbestimmte Obergrenzanzahl (den Obergrenzwert) von Datensätzen von dem Kopfende als Lerndaten.
Als das Sortierungskriterium wird zum Beispiel die Reihenfolge einer zeitlichen Nähe zu einer Referenzzeit verwendet. Beispiele der Referenzzeit umfassen eine Zeit, wenn eine Diagnose des Maschinensystems 2 durchgeführt wird, und eine Zeit, wenn das Maschinensystem 2 verschickt wird. In dem Fall, in dem eine Zeit, wenn eine Diagnose durchgeführt wird, als die Referenzzeit verwendet wird, sortiert die Extrahierungseinheit 12 eine Gruppe von Datensätzen, die die Extrahierungsbedingung erfüllen, in der Reihenfolge des letzten Datums (Datum und Zeit) als erstes (das heißt die Reihenfolge einer zeitlichen Nähe zu der Zeit, wenn die Diagnosezieldaten diagnostiziert wurden). In dem Fall, in dem eine Zeit, wenn das Maschinensystem 2 verschickt wurde, als die Referenzzeit verwendet wird, sortiert die Extrahierungseinheit 12 eine Gruppe von Datensätzen, die die Extrahierungsbedingung erfüllen, in chronologischer Reihenfolge von dem ältesten Datum (Datum und Zeit) als erstes (das heißt die Reihenfolge von der Zeit, wenn das Maschinensystem 2 verschickt wurde).
Als das Sortierungskriterium kann die aufsteigende Reihenfolge der Differenz von dem Referenzwert verwendet werden. Ein Beispiel des Referenzwerts umfasst den Parameterwert eines bestimmten Elements einer Vielzahl von Elementen, die in den Diagnosezieldaten umfasst sind. Speziell sortiert die Extrahierungseinheit 12 eine Gruppe von Datensätzen, die die Extrahierungsbedingung erfüllen, bezüglich des bestimmten Elements in der Vielzahl von Elementen in aufsteigender Reihenfolge der Differenz von dem Parameterwert, der in den Diagnosezieldaten enthalten ist (dem Absolutwert der Differenz). Als solch ein Element wird zum Beispiel die eingestellte Ausgabe verwendet. Das Element, das die externe Umgebung angibt, wie etwa eine Ansauglufttemperatur, kann ausgewählt werden. Als das Sortierungskriterium kann die aufsteigende Reihenfolge der Fehlerlevelbewertung verwendet werden.
Die Obergrenzanzahl ist eine Anzahl, die die Statistik ausreichend beschreiben kann, und ist zum Beispiel eine Teststatistik. Die Diagnosegenauigkeit wird verbessert, wenn die Anzahl von Extrahierungen größer ist. Wenn jedoch die Anzahl von Extrahierungen zu einem gewissen Ausmaß erhöht wird, ändert sich die Diagnosegenauigkeit kaum, obwohl die Anzahl mehr erhöht wird. Andererseits gilt, dass je größer die Anzahl von Extrahierungen ist, desto länger die Verarbeitungszeit ist. Deshalb wird die Obergrenzanzahl zum Beispiel auf ungefähr 1.000 eingestellt. Es sollte angemerkt werden, dass unter der Vielzahl von Datensätzen, die in den Extrahierungsquellendaten umfasst sind, die Anzahl von Datensätzen, die die Extrahierungsbedingung erfüllen, manchmal gleich der Obergrenzanzahl oder weniger ist. In diesem Fall extrahiert die Extrahierungseinheit 12 alle Datensätze, die die Extrahierungsbedingung erfüllen, als die Lerndaten.
Die Erzeugungseinheit 13 erzeugt Lerninformationen entsprechend den Diagnosezieldaten von den Lerndaten, die von der Extrahierungseinheit 12 empfangen werden. In dem Fall, in dem die Fehlerdiagnoseeinrichtung 1 eine Diagnose unter Verwendung des MT-Verfahrens durchführt, sind die Lerninformationen Informationen, die einen Einheitsraum angeben (in dem Fall des MT-Verfahrens ist der Einheitsraum ein Mahalanobis-Raum) und Informationen, die das Bestimmungskriterium zum Durchführen der Fehlerdiagnose angeben. Die Erzeugungseinheit 13 gibt die Lerninformationen an die Lerninformationsspeichereinheit 22 aus und speichert die Lerninformationen in der Lerninformationsspeichereinheit 22.
Es sollte angemerkt werden, dass beim Erzeugen von Lerninformationen, die Erzeugungseinheit 13 evaluiert, ob die Lerninformationen eine Zuverlässigkeit aufweisen. In dem Fall zum Beispiel, in dem die Anzahl von Extrahierungen von Lerndaten, die basierend auf den Diagnosezieldaten extrahiert wird, klein ist, oder in dem Fall, in dem ein Extrahierungsverhältnis, das die Lerndaten zu der Gesamtzahl von Datensätzen, die in den Extrahierungsquellendaten umfasst sind, angibt, klein ist, gibt es eine Wahrscheinlichkeit, dass die Diagnosezieldaten eine seltene Art von Daten (äußere Peripherie bzw. Situation) in den Extrahierungsquellendaten sind, oder dass Diagnosezieldaten in einer äußeren Peripherie bzw. Situation, die von der der Extrahierungsquellendaten verschieden ist, beschafft werden. In solche einem Fall, da es eine Wahrscheinlichkeit gibt, dass Lerninformationen, die basierend auf den extrahierten Lerndaten erzeugt werden, für die Diagnosezieldaten nicht geeignet sind, steigt eine Wahrscheinlichkeit, dass die Genauigkeit einer Fehlerdiagnose unter Verwendung der Lerninformationen verschlechtert wird.
Deshalb evaluiert die Erzeugungseinheit 13, ob die Zuverlässigkeit der Lerninformationen hoch ist, basierend auf zum Beispiel der Anzahl von Extrahierungen oder dem Extrahierungsverhältnis. Zum Beispiel vergleicht die Erzeugungseinheit 13 die Anzahl von Extrahierungen mit einem voreingestellten Untergrenzwert (einer Untergrenzanzahl), um zu bestimmen, ob die Lerninformationen eine Zuverlässigkeit aufweisen. Der Untergrenzwert ist ein Wert, der kleiner als die Obergrenzanzahl ist. Speziell bestimmt die Erzeugungseinheit 13, dass die Zuverlässigkeit der Lerninformationen hoch ist, in dem Fall, in dem die Anzahl von Extrahierungen gleich oder größer als der Untergrenzwert ist, wohingegen die Erzeugungseinheit 13 bestimmt, dass die Zuverlässigkeit der Lerninformationen niedrig ist, in dem Fall, in dem die Anzahl der Extrahierungen kleiner als der Untergrenzwert ist.
Die Erzeugungseinheit 13 kann das Extrahierungsverhältnis mit einem anderen voreingestellten Untergrenzwert vergleichen, um zu bestimmen, ob die Zuverlässigkeit der Lerninformationen hoch ist. Speziell bestimmt die Erzeugungseinheit 13, dass die Zuverlässigkeit der Lerninformationen hoch ist, in dem Fall, in dem das Extrahierungsverhältnis gleich oder größer als ein anderer Untergrenzwert ist, wohingegen die Erzeugungseinheit 13 bestimmt, dass die Zuverlässigkeit der Lerninformationen niedrig ist, in dem Fall, in dem das Extrahierungsverhältnis kleiner als ein anderer Untergrenzwert ist.
In dem Fall, in dem die Erzeugungseinheit 13 bestimmt, dass die Zuverlässigkeit der Lerninformationen ein Problem aufweist (die Zuverlässigkeit niedrig ist), kann die Fehlerdiagnoseeinrichtung 1 selbst weitere Prozesse beenden, um eine Fehlerdiagnose nicht durchzuführen. In dem Fall, in dem die Erzeugungseinheit 13 bestimmt, dass es ein Problem mit der Zuverlässigkeit der Lerninformationen gibt (die Zuverlässigkeit niedrig ist), kann die Fehlerdiagnoseeinrichtung 1 weitere Prozesse bezüglich einer Fehlerdiagnose durchführen, unter der Voraussetzung, dass eine Warnung ausgegeben wird, die eine niedrige Zuverlässigkeit angibt. Diese Prozesse könnten kombiniert werden.
Die Diagnoseeinheit 14 bestimmt, ob die Diagnosezieldaten fehlerhaft sind (das heißt ob das Maschinensystem 2 fehlerhaft ist), basierend auf den Lerninformationen, die durch die Erzeugungseinheit 13 erzeugt werden. Speziell liest die Diagnoseeinheit 14 die Lerninformationen von der Lerninformationsspeichereinheit 22 aus, und berechnet für die Diagnosezieldaten, die von dem Maschinensystem 2 beschafft werden, einen numerischen Wert (Fehlerlevelbewertung) oder Ähnliches, der notwendig ist, um Probendaten zu diagnostizieren, basierend auf den Lerninformationen. In dem Fall, in dem die Fehlerdiagnoseeinrichtung 1 eine Diagnose unter Verwendung des MT-Verfahrens durchführt, berechnet die Diagnoseeinheit 14 eine Mahalanobis-Entfernung als eine Fehlerlevelbewertung basierend auf den Diagnosezieldaten und den Lerninformationen.
Die Diagnoseeinheit 14 bestimmt, ob die Diagnosezieldaten fehlerhaft sind, basierend auf dem berechneten Ergebnis. Die Diagnoseeinheit 14 bestimmt, ob das Maschinensystem 2 fehlerhaft ist, durch zum Beispiel Vergleichen der Fehlerlevelbewertung mit einem voreingestellten Diagnoseschwellenwert. In dem Fall, in dem die Fehlerlevelbewertung größer als der Diagnoseschwellenwert ist, bestimmt die Diagnoseeinheit 14, dass das Maschinensystem 2 (die Diagnosezieldaten) fehlerhaft ist (sind). In dem Fall, in dem die Fehlerlevelbewertung gleich oder kleiner als der Diagnoseschwellenwert ist, bestimmt die Diagnoseeinheit 14, dass das Maschinensystem 2 (die Diagnosezieldaten) normal ist (sind). Die Diagnoseeinheit 14 gibt das Diagnoseergebnis, das angibt, dass das Maschinensystem 2 (die Diagnosezieldaten) normal oder fehlerhaft ist (sind), an die Ausgabeeinheit 15 aus.
Die Ausgabeeinheit 15 gibt das Diagnoseergebnis, das von der Diagnoseeinheit 14 empfangen wird, aus. In dem vorliegenden Ausführungsbeispiel gibt die Ausgabeeinheit 15 das Diagnoseergebnis an die externe Einrichtung 3 aus. Die Ausgabeeinheit 15 kann eine Kombination des Diagnoseergebnisses von der Diagnoseeinheit 14 und Informationen bezüglich der Lerninformationen an die externe Einrichtung 3 ausgeben. Die Ausgabeeinheit 15 bereitet das Diagnoseergebnis und die zugehörigen Informationen in Übereinstimmung mit einem vorbestimmten Ausgabeformat vor und gibt diese Stücke von Informationen an die externe Einrichtung 3 aus. Die Ausgabeeinheit 15 kann die Diagnosezieldaten zusammen mit dem Diagnoseergebnis an die Aktualisierungseinheit 16 ausgeben.
Die Aktualisierungseinheit 16 aktualisiert die Extrahierungsquellendaten, die in der Speichereinheit für gesammelte Daten 21 gespeichert sind. Die Aktualisierungseinheit 16 beschafft einen oder mehrere normale Datensätze und aktualisiert die Extrahierungsquellendaten durch Hinzufügen der normalen Datensätze zu den Extrahierungsquellendaten. Die Aktualisierungseinheit 16 kann zum Beispiel als einen normalen Datensatz, einen Datensatz, der durch den Bediener der Fehlerdiagnose 1 unter Verwendung einer Eingabeeinrichtung in die Fehlerdiagnoseeinrichtung 1 eingegeben wird, beschaffen. Eine Konfiguration kann bereitgestellt werden, bei der die Aktualisierungseinheit 16 eine Vielzahl von Datensätzen von dem Maschinensystem 2 sequenziell beschafft und als einen normalen Datensatz einen Datensatz beschafft, an den ein Statusmarker angehängt ist, der eine Normalität angibt, unter der Vielzahl von Datensätzen.
Zum Beispiel gibt der Bediener der Fehlerdiagnoseeinrichtung 1 eine Periode (eine normale Periode), in der das Maschinensystem 2 normal ist, unter Verwendung der Eingabeeinrichtung in die Fehlerdiagnoseeinrichtung 1 ein. Die Aktualisierungseinheit 16 stellt den Statusmarker, der die Normalität angibt, für den Datensatz, der in der normalen Periode des Maschinensystems 2 beschafft wird, unter der Vielzahl von Datensätzen, die in die Fehlerdiagnoseeinrichtung 1 eingegeben werden, ein. Die Aktualisierungseinheit 16 kann einen Statusmarker entsprechend dem Diagnoseergebnis durch die Diagnoseeinheit 14 einstellen.
Die Aktualisierungseinheit 16 aktualisiert die Extrahierungsquellendaten zu einem Aktualisierungszeitpunkt. Der Aktualisierungszeitpunkt ist ein Zeitpunkt, zu dem das Auftreten eines bestimmten Ereignisses erfasst wird. Beispiele eines bestimmten Ereignisses umfassen die Beendigung der Wartung des Maschinensystems 2, einen Ablauf einer bestimmten Zeitperiode von der vorhergehenden Aktualisierung der Extrahierungsquellendaten, dass Fehlerlevelbewertungen einer Reihe einer vorbestimmten Anzahl von Stücken von Diagnosezieldaten größer als der Diagnoseschwellenwert sind, und eine Eingabe einer Aktualisierungsanweisung an die Fehlerdiagnoseeinrichtung 1 durch einen Bediener unter Verwendung der Eingabeeinrichtung. Mit anderen Worten könnten die Extrahierungsquellendaten automatisch aktualisiert werden oder manuell aktualisiert werden.
Als Nächstes wird mit Bezug auf 2 ein Fehlerdiagnoseverfahren, das durch die Fehlerdiagnoseeinrichtung 1 durchgeführt wird, beschrieben. 2 ist ein Ablaufdiagramm, das eine Reihe von Prozessen des Fehlerdiagnoseverfahrens, das durch die Fehlerdiagnoseeinrichtung in 1 durchgeführt wird, zeigt. Die Reihe von Prozessen, die in 2 gezeigt ist, startet zum Beispiel jedes Mal, wenn Diagnosezieldaten in dem Maschinensystem 2 erhalten werden.
Zuerst beschafft die Beschaffungseinheit 11 Diagnosezieldaten von dem Maschinensystem (Schritt S01). Die Beschaffungseinheit 11 gibt dann die beschafften Diagnosezieldaten an die Extrahierungseinheit 12 und die Diagnoseeinheit 14 aus.
Nachfolgend, nach einem Empfangen der Diagnosezieldaten von der Beschaffungseinheit 11, wählt die Extrahierungseinheit 12 Bedingungseinstellungsinformationen entsprechend den Diagnosezieldaten von der Vielzahl von Stücken von gehaltenen Bedingungseinstellungsinformationen aus. Die Extrahierungseinheit 12 bestimmt dann eine Extrahierungsbedingung für die Lerndaten unter Verwendung der Diagnosezieldaten und der Bedingungseinstellungsinformationen (Schritt S02).
Nachfolgend liest die Extrahierungseinheit 12 Extrahierungsquellendaten, die in der Speichereinheit für gesammelte Daten 21 gespeichert sind, von der Speichereinheit für gesammelte Daten 21 aus und extrahiert Lerndaten von den Extrahierungsquellendaten basierend auf der Extrahierungsbedingung (Schritt S03). Speziell extrahiert die Extrahierungseinheit 12 einen Datensatz, der die Extrahierungsbedingung erfüllt, unter einer Vielzahl von Datensätzen, die in den Extrahierungsquellendaten umfasst sind, von den Extrahierungsquellendaten. Die Extrahierungseinheit 12 sortiert dann eine Gruppe von Datensätzen, die die Extrahierungsbedingung erfüllen, gemäß dem Sortierungskriterium (ordnet diese neu an), und extrahiert die Obergrenzanzahl von Datensätzen von dem Kopfende als Lerndaten. Die Extrahierungseinheit 12 gibt dann die extrahierten Lerndaten an die Erzeugungseinheit 13 aus.
Nachfolgend, nach einem Empfangen der Lerndaten von der Extrahierungseinheit 12 bestimmt die Erzeugungseinheit 13, ob die Anzahl von Datensätzen, die als Lerndaten extrahiert werden, gleich oder größer als der Untergrenzwert ist, zum Zweck des Evaluierens der Zuverlässigkeit der Lerninformationen (Schritt S04). In dem Fall, in dem die Erzeugungseinheit 13 bestimmt, dass die Anzahl von extrahierten Daten kleiner als der Untergrenzwert ist (Schritt S04: NEIN), bestimmt die Erzeugungseinheit 13, dass die Zuverlässigkeit niedrig ist, obwohl Lerninformationen erzeugt werden, und die Erzeugungseinheit 13 beendet weitere Prozesse oder gibt eine Warnung aus (Schritt S05). Die Reihe von Prozessen des Fehlerdiagnoseverfahrens, das durch die Fehlerdiagnoseeinrichtung 1 durchgeführt wird, wird dann beendet.
Andererseits, in dem Fall, in dem die Erzeugungseinheit 13 in Schritt S04 bestimmt, dass die Anzahl von extrahierten Datensätzen gleich oder größer als der Untergrenzwert ist (Schritt S04: JA), erzeugt die Erzeugungseinheit 13 Lerninformationen entsprechend den Diagnosezieldaten von den Lerndaten (Schritt S06). Es sollte angemerkt werden, dass die Erzeugungseinheit 13 eine Fehlerdiagnose nach einem Mitteilen eines Alarms in Schritt S05 selbst fortsetzen könnte. In diesem Fall, ähnlich zu dem Fall, in dem die Erzeugungseinheit 13 bestimmt, dass die Anzahl von extrahierten Datensätzen gleich oder größer als der Obergrenzwert ist (Schritt S04: JA), erzeugt die Erzeugungseinheit 13 die Lerninformationen (Schritt S06).
Nachfolgend bestimmt die Erzeugungseinheit 13, ob die erzeugten Lerninformationen angemessen bzw. geeignet sind (Schritt S07). In dem Fall zum Beispiel, in dem Datensätze, die als Lerndaten verwendet werden, aufgrund einer nicht geeigneten Extrahierungsbedingung trotz einer ausreichenden Anzahl von extrahierten Datensätzen extrem unausgewogen bzw. verzerrt sind, können die Lerninformationen als nicht angemessen bzw. nicht geeignet bestimmt werden. Die Erzeugungseinheit 13 umfasst ein vorbestimmtes Bestimmungskriterium, ob Lerninformationen angemessen sind. Die Erzeugungseinheit 13 bestimmt, ob die Lerninformationen angemessen sind, basierend auf dem Bestimmungskriterium. In dem Fall, in dem die Erzeugungseinheit 13 bestimmt, dass die Lerninformationen nicht angemessen sind (Schritt S07: NEIN), beendet die Erzeugungseinheit 13 weitere Prozesse. Eine Reihe von Prozessen des Fehlerdiagnoseverfahrens, das durch die Fehlerdiagnoseeinrichtung 1 durchgeführt wird, wird dann beendet.
Andererseits, wenn die Erzeugungseinheit 13 in Schritt S07 bestimmt, dass die Lerninformationen angemessen bzw. geeignet sind (Schritt S07: JA), gibt die Erzeugungseinheit 13 die Lerninformationen an die Lerninformationsspeichereinheit 22 aus und speichert die Lerninformationen in der Lerninformationsspeichereinheit 22. Nach einem Speichern der Lerninformationen in der Lerninformationsspeichereinheit 22 informiert die Erzeugungseinheit 13 die Diagnoseeinheit 14, dass der Erzeugungsprozess für die Lerninformationen beendet ist. Es sollte angemerkt werden, dass die Erzeugungseinheit 13 die Diagnoseeinheit 14 ebenso informiert, dass eine Erzeugung der Lerninformationen beendet ist, in dem Fall, in dem ein Erzeugen der Lerninformationen beendet ist.
Nachfolgend, nach einem Empfangen der Mitteilung, dass der Erzeugungsprozess für Lerninformationen beendet ist, von der Erzeugungseinheit 13, führt die Diagnoseeinheit 14 eine Fehlerdiagnose der Diagnosezieldaten basierend auf den Lerninformationen durch (Schritt S08). Speziell liest die Diagnoseeinheit 14 die Lerninformationen von der Lerninformationsspeichereinheit 22 und berechnet eine Fehlerlevelbewertung oder Ähnliches unter Verwendung der Diagnosezieldaten und der Lerninformationen. Die Diagnoseeinheit 14 bestimmt dann basierend auf dem berechneten Ergebnis (der Fehlerbewertung), ob die Diagnosezieldaten fehlerhaft sind. Die Diagnoseeinheit 14 gibt dann das Diagnoseergebnis, das angibt, dass die Diagnosezieldaten normal oder fehlerhaft sind, an die Ausgabeeinheit 15 aus.
Nachfolgend, nach einem Empfangen des Diagnoseergebnisses von der Diagnoseeinheit 14, gibt die Ausgabeeinheit 15 das Diagnoseergebnis aus (Schritt S09). In dem vorliegenden Ausführungsbeispiel wendet die Ausgabeeinheit 15 eine gewünschte Verarbeitung auf das Diagnoseergebnis an und gibt dann das Diagnoseergebnis an die externe Einrichtung 3 aus. Gleichzeitig kann die Ausgabeeinheit 15 Lerninformationen, die in der Lerninformationsspeichereinheit 22 gespeichert sind, löschen. Die Ausgabeeinheit 15 kann die Diagnosezieldaten zusammen mit dem Diagnoseergebnis an die Aktualisierungseinheit 16 ausgeben. Es solle angemerkt werden, dass in dem Fall, in dem ein Erzeugen der Lerninformationen beendet ist, eine Fehlerdiagnose selbst nicht durchgeführt wird. Somit gibt die Diagnoseeinheit 14 ein Diagnoseergebnis, das angibt, dass die Fehlerdiagnose beendet ist, an die Ausgabeeinheit 15 aus und die Ausgabeeinheit 15 informiert die externe Einrichtung 3 oder Ähnliches, dass eine Fehlerdiagnose nicht durchgeführt wird. Wie vorstehend beschrieben wird die Reihe von Prozessen des Fehlerdiagnoseverfahrens, das durch die Fehlerdiagnoseeinrichtung 1 durchgeführt wird, beendet.
Als Nächstes wird Bezug nehmend auf 3 ein Aktualisierungsprozess für die Extrahierungsquellendaten beschrieben. 3 ist ein Ablaufdiagramm, das den Aktualisierungsprozess für Extrahierungsquellendaten, der durch die Fehlerdiagnoseeinrichtung in 1 durchgeführt wird, zeigt. Eine Reihe von Prozessen, die in 3 gezeigt ist, wird zum Beispiel gestartet, wenn ein Datensatz von dem Maschinensystem 2 übertragen wird.
Als Erstes beschafft die Aktualisierungseinheit 16 einen Datensatz (Schritt S11). Die Aktualisierungseinheit 16 beschafft zum Beispiel sequenziell eine Vielzahl von Datensätzen von dem Maschinensystem 2. Die Aktualisierungseinheit 16 setzt dann einen Statusmarker für jede der Vielzahl von beschafften Datensätzen (Schritt S12). Zum Beispiel gibt der Bediener der Fehlerdiagnoseeinrichtung 1 unter Verwendung der Eingabeeinrichtung eine normale Periode des Maschinensystems 2 in die Fehlerdiagnoseeinrichtung 1 ein. Die Aktualisierungseinheit 16 setzt den Statusmarker, der die Normalität angibt, für den Datensatz, der in der normalen Periode des Maschinensystems 2 erhalten wird, unter der Vielzahl von Datensätzen, die in die Fehlerdiagnoseeinrichtung 1 eingegeben werden. Die Aktualisierungseinheit 16 kann einen Statusmarker entsprechend dem Diagnoseergebnis durch die Diagnoseeinheit 14 setzen.
Nachfolgend bestimmt die Aktualisierungseinheit 16, ob der Aktualisierungszeitpunkt erreicht wurde (Schritt S13). In dem Fall, in dem ein spezifisches Ereignis, wie etwa die Wartung des Maschinensystems 2, auftritt, bestimmt die Aktualisierungseinheit 16, dass der Aktualisierungszeitpunkt erreicht wurde (Schritt S13: JA). Die Aktualisierungseinheit 16 aktualisiert dann die Extrahierungsquellendaten (Schritt S14). Speziell beschafft die Aktualisierungseinheit 16, als einen normalen Datensatz, den Datensatz, an den der Statusmarker, der eine Normalität angibt, angehängt ist, unter der Vielzahl von Datensätzen, die in Schritt S11 beschafft werden, und aktualisiert die Extrahierungsquellendaten durch Hinzufügen des normalen Datensatzes zu den Extrahierungsquellendaten. Die Aktualisierungseinheit 16 führt dann die Reihe von Prozessen wiederholt durch.
Andererseits, in dem Fall, in dem die Aktualisierungseinheit 16 in Schritt S13 bestimmt, dass der Aktualisierungszeitpunkt nicht erreicht wurde (Schritt S13: NEIN), führt die Aktualisierungseinheit 16 die Reihe von Prozessen ohne Aktualisierung der Extrahierungsquellendaten wiederholt durch.
Wie vorstehend beschrieben, da ein Datensatz, an den ein Statusmarker, der eine Normalität angibt, angehängt ist, zu den Extrahierungsquellendaten zu jedem Aktualisierungszeitpunkt hinzugefügt wird, wird die Anzahl von Datensätzen, die in den Extrahierungsquellendaten umfasst sind, erhöht.
Als Nächstes wird Bezug nehmend auf 4 das Fehlerdiagnoseprogramm P zum Verursachen eines Computers, um als die Fehlerdiagnose 1 zu arbeiten, beschrieben. 4 ist ein Diagramm, das die Konfiguration des Fehlerdiagnoseprogramms zeigt.
Wie in 4 gezeigt ist, umfasst das Fehlerdiagnoseprogramm P ein Hauptmodul P10, ein Beschaffungsmodul P11, ein Extrahierungsmodul P12, ein Erzeugungsmodul P13, ein Diagnosemodul P14, ein Ausgabemodul P15 und ein Aktualisierungsmodul P16. Das Hauptmodul P10 ist ein Abschnitt, der umfassend Prozesse bezüglich einer Fehlerdiagnose steuert. Die Funktionen, die durch Ausführen des Beschaffungsmoduls P11, des Extrahierungsmoduls P12, des Erzeugungsmoduls P13, des Diagnosemoduls P14, des Ausgabemoduls P15 und des Aktualisierungsmoduls P16 verwirklicht werden, sind die gleichen wie die Funktionen der Beschaffungseinheit 11, der Extrahierungseinheit 12, der Erzeugungseinheit 13, der Diagnoseeinheit 14, der Ausgabeeinheit 15 und der Aktualisierungseinheit 16 des vorstehend beschriebenen Ausführungsbeispiels.
Das Fehlerdiagnoseprogramm P kann in einem Zustand bereitgestellt werden, in dem das Fehlerdiagnoseprogramm P auf einem tragbaren bzw. greifbaren Aufzeichnungsmedium, wie etwa einem Compact Disk-Festwertspeicher (CD-ROM), einem „Digital Versatile Disk“-Festwertspeicher (DVD-ROM) und einem Halbleiterspeicher fest aufgezeichnet ist. Das Fehlerdiagnoseprogramm P kann als Datensignale, die auf Trägerwellen überlagert sind, über ein Kommunikationsnetzwerk bereitgestellt werden.
Als Nächstes werden der Betrieb und der Effekt der Fehlerdiagnoseeinrichtung 1, des Fehlerdiagnoseverfahrens, des Fehlerdiagnoseprogramms P und des Aufzeichnungsmediums beschrieben.
Da der Status des Maschinensystems 2 aufgrund von Wartung, Jahreszeiten, der Betriebsart des Maschinensystems 2 und Ähnlichem variieren kann, kann sich auch ein einzelnes Maschinensystem 2 in verschiedenen normalen Zuständen befinden. In einer Konfiguration zum Beispiel, in der ein Datensatz in einer bestimmten Periode als Lerndaten verwendet wird, um Lerninformationen zum Durchführen der Fehlerdiagnose bezüglich der Maschine 2 zu erzeugen, werden Lerninformationen von einem Datensatz erzeugt, der in einem normalen Zustand des Maschinensystems 2 beschafft wird, um eine Fehlerdiagnose bezüglich des Maschinensystems 2 durchzuführen. Deshalb gibt es eine Wahrscheinlichkeit, dass eine sogenannte fehlerhafte Erfassung, in der die Diagnosezieldaten, die in einem anderen normalen Zustand des Maschinensystems 2 beschafft werden, als ein Fehler diagnostiziert werden, auftreten kann. Andererseits wird ebenso angenommen, dass der Bereich einer bestimmten Periode erweitert wird, um Lerninformationen unter Verwendung von Datensätzen, die in einer Vielzahl von normalen Zuständen des Maschinensystems 2 beschafft werden, zu erzeugen. In diesem Fall gibt es eine Wahrscheinlichkeit einer sogenannten Nichterfassung, in der die Diagnosezieldaten, die von dem Maschinensystem 2 in einem fehlerhaften Zustand beschafft werden, als normal diagnostiziert werden, auftreten kann. Um eine fehlerhafte Erfassung und eine Nichterfassung zu reduzieren, wird ebenso angenommen, dass Lerninformationen für jeden Status (normalen Zustand) des Maschinensystems 2 separat erzeugt werden. Jedoch ändert sich der Status des Maschinensystems 2 manchmal kontinuierlich, und ist es schwierig, eine Vielzahl von Datensätzen in Stücken von Lerndaten entsprechend einem jeden Status zusammenzufassen.
Im Gegensatz dazu werden in der Diagnoseeinrichtung 1, dem Fehlerdiagnoseverfahren, dem Fehlerdiagnoseprogramm P und dem Aufzeichnungsmedium die Diagnosezieldaten und die Bedingungseinstellungsinformationen zum Bestimmen der Extrahierungsbedingung verwendet, um die Extrahierungsbedingung zu bestimmen, wird die Obergrenzanzahl von Datensätzen von dem Kopfende als die Lerndaten extrahiert, in dem Fall, in dem eine Gruppe von Datensätzen, die die Extrahierungsbedingung erfüllen, unter einer Vielzahl von Datensätzen, die in den Extrahierungsquellendaten umfasst sind, gemäß dem Sortierungskriterium neu angeordnet sind. Für die Extrahierung der Lerndaten, da die Extrahierungsbedingung, die unter Verwendung der Diagnosezieldaten bestimmt ist, verwendet wird, werden die Lerndaten, die für die Fehlerdiagnose bezüglich der Diagnosezieldaten geeignet sind, extrahiert, und Lerninformationen, die für das Mustererkennungsverfahren verwendet werden, werden durch diese Lerndaten erzeugt. Deshalb, auch in dem Fall, in dem sich der Status des Maschinensystems 2 ändert, wird eine Fehlerdiagnose unter Verwendung von Lerninformationen, die für die Diagnosezieldaten geeignet sind, durchgeführt. Dies macht es möglich, eine Wahrscheinlichkeit, dass eine fehlerhafte Erfassung oder eine Nichterfassung auftreten, zu reduzieren. Mit anderen Worten ist es möglich, eine Fehlerdiagnose durchzuführen, die für den Status des Maschinensystems 2 geeignet ist. Da Lerninformationen erzeugt werden, sodass diese für die Diagnosezieldaten geeignet sind, werden die Lerninformationen jedes Mal, wenn die Diagnose durchgeführt wird, dynamisch erzeugt. Deshalb ist es unnötig, im Voraus Lerninformationen entsprechend dem gesamten Status des Maschinensystems 2 zu erzeugen.
Da die Datensätze bis zu der Obergrenzanzahl als Lerndaten extrahiert werden, ist die Anzahl von Datensätzen, die in den Lerndaten enthalten ist, auf die Obergrenzanzahl beschränkt. Deshalb ist es zum Beispiel möglich, eine Erhöhung einer Zeit, die zum Erzeugen von Lerninformationen notwendig ist, zu unterdrücken. Folglich ist es möglich, eine Erhöhung einer Zeit, die für die Fehlerdiagnose notwendig ist, zu unterdrücken, während die Fehlerdiagnose, die für den Status des Maschinensystems 2 geeignet ist, durchgeführt wird.
Andererseits, in dem Fall, in dem die Anzahl von Datensätzen, die die Extrahierungsbedingung erfüllen, unter der Vielzahl von Datensätzen, die in den Extrahierungsquellendaten umfasst sind, kleiner als die Obergrenzanzahl ist, wird die Anzahl von Datensätzen, die in den Lerndaten umfasst ist, reduziert, und somit gibt es eine Wahrscheinlichkeit, dass die Genauigkeit einer Fehlerdiagnose reduziert wird. Im Gegensatz dazu werden in der Fehlerdiagnoseeinrichtung 1, dem Fehlerdiagnoseverfahren, dem Fehlerdiagnoseprogramm P und dem Aufzeichnungsmedium die Extrahierungsquellendaten durch Hinzufügen des normalen Datensatzes zu den Extrahierungsquellendaten aktualisiert. Deshalb, da die Anzahl von Datensätzen, die in den Extrahierungsquellendaten umfasst ist, erhöht wird, ist es möglich, eine Wahrscheinlichkeit zu erhöhen, dass die Anzahl von Datensätzen, die die Extrahierungsbedingung erfüllen, unter der Vielzahl von Datensätzen, die in den Extrahierungsquellendaten umfasst sind, gleich oder größer als die Obergrenzanzahl ist. Dies macht es möglich, eine Verringerung der Genauigkeit der Fehlerdiagnose zu unterdrücken.
Der Status des Maschinensystems 2 kann sich mit dem Ablauf einer Zeit schrittweise ändern. Deshalb, in dem Fall, in dem die Vielzahl von Datensätzen, die in den Extrahierungsquellendaten umfasst ist, mit Bezug auf die Zeit, wenn die Diagnose durchgeführt wird, alt ist, gibt es ein Risiko, dass die Diagnosezieldaten als fehlerhaft diagnostiziert werden, obwohl die Diagnosezieldaten normal sind. Im Gegensatz dazu, in dem Fall, in dem die Reihenfolge einer zeitlichen Nähe zu einer Zeit, wenn die Diagnose durchgeführt wird, bezüglich der Diagnosezieldaten als das Sortierungskriterium verwendet wird, wird ein Datensatz in enger zeitlicher Nähe zu dem Zeitpunkt, wenn die Diagnose durchgeführt wird, als die Lerndaten verwendet. Dies macht es möglich, eine Verschlechterung der Genauigkeit der Fehlerdiagnose zu unterdrücken. Da ein neuer Datensatz zu den Extrahierungsquellendaten hinzugefügt wird, ist es möglich, eine Verschlechterung der Genauigkeit der Fehlerdiagnose zu unterdrücken.
Die Extrahierungsquellendaten können in der Fehlerdiagnoseeinrichtung 1 automatisch aktualisiert werden. In diesem Fall, da die Last der Aktualisierungsarbeit reduziert werden kann, ist es möglich, die Genauigkeit der Fehlerdiagnose beizubehalten, während Betriebskosten der Fehlerdiagnoseeinrichtung 1 reduziert werden.
In dem Fall, in dem die Reihenfolge einer zeitlichen Nähe zu einem Zeitpunkt, wenn das Maschinensystem 2 verschickt wird, als das Sortierungskriterium verwendet wird, ist es möglich, eine Verschlechterung von dem Zeitpunkt, wenn das Maschinensystem 2 verschickt wird, zu diagnostizieren. In dem Fall, in dem die aufsteigende Reihenfolge der Fehlerlevelbewertung als das Sortierungskriterium verwendet wird, kann die Fehlerdiagnose unter Verwendung der Datensätze durchgeführt werden, die wahrscheinlich normal sind. Dies macht es möglich, die Genauigkeit der Fehlerdiagnose weiter zu verbessern.
Es sollte angemerkt werden, dass die Fehlerdiagnoseeinrichtung, das Fehlerdiagnoseverfahren, das Fehlerdiagnoseprogramm und das Aufzeichnungsmedium gemäß der vorliegenden Offenbarung nicht auf das vorstehende Ausführungsbeispiel beschränkt sind.
Zum Beispiel wird in dem vorstehenden Ausführungsbeispiel die Fehlerdiagnoseeinrichtung 1 durch eine einzelne Einrichtung gebildet. Jedoch könnte die Fehlerdiagnoseeinrichtung 1 durch eine Vielzahl von Einrichtungen gebildet werden.
Anstelle des Prozessors 10 könnte eine anwendungsspezifische integrierte Schaltung (ASIC „Application Specific Integrated Circuit“), eine programmierbare Logikeinrichtung (PLD „Programmable Logic Device“), ein feldprogrammierbares Gate Array (FPGA „Field Programmable Gate Array“) oder Ähnliches verwendet werden.
Die Abschnitte der funktionalen Blöcke, die in 1 gezeigt sind, sind ein Beispiel. Die Fehlerdiagnoseeinrichtung 1 könnte in andere funktionale Blöcke entsprechend den Funktionen aufgeteilt sein. Die funktionalen Blöcke der Fehlerdiagnoseeinrichtung 1 könnten in kleinere Teile aufgeteilt werden. Alternativ könnten manche funktionalen Einheiten in eine funktionale Einheit gekoppelt werden.
Wenn sich die Anzahl von Datensätzen, die in den Extrahierungsquellendaten umfasst ist, erhöht, nimmt es mehr Zeit in Anspruch, um nach einem Datensatz zu suchen, der die Extrahierungsbedingung erfüllt. Deshalb kann eine Konfiguration bereitgestellt werden, bei der die Speichereinheit für gesammelte Daten 21 eine Vielzahl von Datensätzen, die in den Extrahierungsquellendaten umfasst sind, gemäß dem Sortierungskriterium neu anordnet, die neu angeordneten Datensätze in eine Vielzahl von Tabellen für jede vorbestimmte Anzahl von Datensätzen von dem Datensatz an dem Kopfende der Anordnung aufsplittet, und die Extrahierungsquellendaten hält. Auf die Tabellen wird hier als die erste Tabelle, die zweite Tabelle und so weiter, in der Reihenfolge der Anordnung Bezug genommen.
In diesem Fall wählt die Extrahierungseinheit 12 eine Tabelle nach der anderen von der ersten Tabelle in der Vielzahl der Tabellen aus und extrahiert einen Datensatz, der die Extrahierungsbedingung erfüllt, von der Vielzahl von Datensätzen, die in der ausgewählten Tabelle enthalten sind. Gleichzeitig, in dem Fall, in dem die Anzahl von extrahierten Datensätzen die Obergrenzanzahl nicht erreicht, wählt die Extrahierungseinheit 12 die nachfolgende Tabelle aus und extrahiert einen Datensatz, der die Extrahierungsbedingung erfüllt, von einer Vielzahl von Datensätzen, die in der ausgewählten Tabelle enthalten sind, aus. Die Prozesse werden wiederholt, bis die Anzahl von extrahierten Datensätzen die Obergrenzanzahl erreicht oder bis alle Tabellen ausgewählt sind. Gemäß dieser Konfiguration ist es möglich, die Zeit, die zum Suchen nach den Datensätzen, die die Extrahierungsbedingung erfüllen, notwendig ist, zu reduzieren.
Der normale Zustand des Maschinensystems 2 kann sich aufgrund von externen Faktoren ändern. In dem Fall zum Beispiel, in dem die Wartung des Maschinensystems 2 durchgeführt wird, kann sich der normale Zustand des Maschinensystems 2 ändern. Ein Beispiel der Wartung des Maschinensystems 2 umfasst den Austausch eines Sensors, der in dem Maschinensystem 2 bereitgestellt ist. Deshalb können die Datensätze, die in den Extrahierungsquellendaten gespeichert sind, weiterhin einen Änderungsmarker umfassen, der angibt, ob der Datensatz ein Datensatz ist, bevor sich der normale Zustand ändert, oder ein Datensatz ist, nachdem sich der normale Zustand ändert. Der Änderungsmarker gibt standardmäßig an, dass der Datensatz ein Datensatz ist, nachdem sich der normale Zustand ändert. Die folgende Konfiguration kann bereitgestellt werden. In dem Fall, in dem die Wartung des Maschinensystems 2 durchgeführt wird, setzt die Aktualisierungseinheit 16 den Änderungsmarker eines Datensatzes, der Zeitinformationen aufweist, die die Zeit vor der Zeit angeben, zu der die Wartung beendet wurde, sodass der Änderungsmarker den Datensatz angibt, bevor sich der normale Zustand ändert. Die Extrahierungseinheit 12 kann dann Lerndaten von dem Datensatz, nachdem sich der normale Zustand ändert, unter einer Vielzahl von Datensätzen, die in den Extrahierungsquellendaten enthalten sind, mit Bezug auf den Änderungsmarker extrahieren. Alternativ kann die Aktualisierungseinheit die Extrahierungsquellendaten durch Löschen des Datensatzes, bevor sich der normale Zustand ändert, von den Extrahierungsquellendaten aktualisieren.
Gemäß dieser Konfiguration wird der Datensatz, bevor sich der normale Zustand ändert, ausgeschlossen, und dann werden die Lerndaten extrahiert. Dies macht es möglich, die Zeit zu reduzieren, die notwendig ist, um nach dem Datensatz zu suchen, der die Extrahierungsbedingung erfüllt. Durch Löschen des Datensatzes, bevor sich der normale Zustand ändert, von den Extrahierungsquellendaten, kann die Anzahl von Datensätzen, die in der Speichereinheit für gesammelte Daten 21 gehalten werden, reduziert werden, und kann die Kapazität der Speichereinheit für gesammelte Daten 21 reduziert werden.
Eine Konfiguration kann bereitgestellt werden, bei der der Statusmarker des Datensatzes, der in der Speichereinheit für gesammelte Daten 21 gespeichert ist, durch den Bediener der Fehlerdiagnoseeinrichtung 1 unter Verwendung der Eingabeeinrichtung veränderbar ist. Zum Beispiel kann eine Konfiguration bereitgestellt werden, bei der der Statusmarker geändert wird, um „fehlerhaft“ anzugeben, in dem Fall, in dem eine fehlerhafte Erfassung bestimmt wird.
Die Extrahierungseinheit 12 kann die Extrahierungsbedingung lockern, sodass die Anzahl von Datensätzen, die die Extrahierungsbedingung erfüllen, gleich oder größer als die Obergrenzanzahl ist, in dem Fall, in dem die Anzahl von Datensätzen, die die Extrahierungsbedingung erfüllen, unter der Vielzahl von Datensätzen, die in den Extrahierungsquellendaten umfasst sind, die Obergrenzanzahl nicht erreichen. In dem Fall zum Beispiel, in dem die Extrahierungsbedingung derart ist, dass „die (der Parameterwert der) Ansauglufttemperatur gleich 18 Grad oder mehr oder 22 Grad oder weniger ist“ und die Anzahl von Datensätzen, die die Extrahierungsbedingung erfüllt, die Obergrenzanzahl nicht erreicht, kann die Extrahierungseinheit 12 die Extrahierungsbedingung zu der Extrahierungsbedingung ändern, dass „die (der Parameterwert der) Ansauglufttemperatur gleich 17 Grad oder mehr und 23 Grad oder weniger ist“. Mit anderen Worten kann die Extrahierungseinheit 12 den Bereich der Extrahierungsbedingung erweitern. Dementsprechend ermöglicht dies, dass die Anzahl von Datensätzen, die in den Lerndaten enthalten ist, gleich der Obergrenzanzahl ist, und somit ist es möglich, eine Verschlechterung der Genauigkeit der Fehlerdiagnose zu unterdrücken.
In dem Fall, in dem die Anzahl von Datensätzen, die die Extrahierungsbedingung erfüllt, die Obergrenzanzahl in der Vielzahl von Datensätzen, die in den Extrahierungsquellendaten umfasst sind, nicht erreicht, könnten die nachstehenden Prozesse durchgeführt werden. Zuerst extrahiert die Extrahierungseinheit 12 den Datensatz mit einem breiteren Extrahierungsbereich. Die Erzeugungseinheit 13 schätzt dann den Wert des Bestimmungszielsensors und die Varianz von diesem durch Durchführen eines Verfahrens, wie etwa einer einfachen Regression und einer Mehrfachregression unter Verwendung des extrahierten Datensatzes. Die Diagnoseeinheit 14 berechnet dann die Fehlerlevelbewertung (Mahalanobis-Entfernung) unter Verwendung des geschätzten Werts und der Varianz des Sensors als die Lerninformationen.
In dem vorstehenden Ausführungsbeispiel extrahiert die Extrahierungseinheit 12 eine Gruppe von Datensätzen, die die Extrahierungsbedingung erfüllen, von der Vielzahl von Datensätzen, die in den Extrahierungsquellendaten umfasst sind, sortiert die Gruppe von Datensätzen gemäß dem Sortierungskriterium und extrahiert die Obergrenzanzahl von Datensätzen von dem Kopfende der sortierten Gruppe von Datensätzen als die Lerndaten. Das Verfahren zum Extrahieren von Lerndaten ist nicht auf dieses Verfahren beschränkt.
In dem Fall zum Beispiel, in dem die Anzahl von Datensätzen, die die Extrahierungsbedingung erfüllen, die Obergrenzanzahl oder weniger in der Vielzahl von Datensätzen, die in den Extrahierungsquellendaten umfasst sind, ist, kann die Extrahierungseinheit 12 den Datensatz, der die Extrahierungsbedingung erfüllt, als Lerndaten ohne Sortierung extrahieren.
Die Extrahierungseinheit 12 kann die Vielzahl von Datensätzen, die in den Extrahierungsquellendaten umfasst sind, gemäß dem Sortierungskriterium sortieren und dann bestimmen, ob die Vielzahl von sortierten Datensätzen die Extrahierungsbedingung erfüllt, in der Reihenfolge von dem Kopfende der sortierten Datensätze. In diesem Fall, wenn die Anzahl von Datensätzen, die die Extrahierungsbedingung erfüllt, die Obergrenzanzahl erreicht, extrahiert die Extrahierungseinheit 12 die Obergrenzanzahl von Datensätzen als Lerndaten.
Bezugszeichenliste

1: Fehlerdiagnoseeinrichtung
2: Maschinensystem (Diagnosezielsystem)
3: Externe Einrichtung
10: Prozessor
11: Beschaffungseinheit
12: Extrahierungseinheit
13: Erzeugungseinheit
14: Diagnoseeinheit
15: Ausgabeeinheit
16: Aktualisierungseinheit
20: Speichereinrichtung
21: Speichereinheit für gesammelte Daten (Speichereinheit)
22: Lerninformationsspeichereinheit
P: Fehlerdiagnoseprogramm

Claims

Fehlerdiagnoseeinrichtung, die eine Fehlerdiagnose bezüglich eines Diagnosezielsystems unter Verwendung eines Mustererkennungsverfahrens durchführt, wobei die Fehlerdiagnoseeinrichtung aufweist: eine Beschaffungseinheit, die dazu konfiguriert ist, Diagnosezieldaten inklusive Parameterwerten einer Vielzahl von Elementen von dem Diagnosezielsystem zu beschaffen; eine Speichereinheit, die dazu konfiguriert ist, Extrahierungsquellendaten, die eine Vielzahl von Datensätzen umfassen, zu extrahieren; eine Extrahierungseinheit, die dazu konfiguriert ist, eine Extrahierungsbedingung unter Verwendung der Diagnosezieldaten und Bedingungseinstellungsinformationen zum Bestimmen der Extrahierungsbedingung zu bestimmen, um Lerndaten von den Extrahierungsquellendaten zu extrahieren; eine Erzeugungseinheit, die dazu konfiguriert ist, Lerninformationen, die für das Mustererkennungsverfahren verwendet werden, von den Lerndaten zu erzeugen; und eine Diagnoseeinheit, die dazu konfiguriert ist, zu bestimmen, ob die Diagnosezieldaten fehlerhaft sind, basierend auf den Lerninformationen, wobei die Vielzahl von Datensätzen jeweils die Parameterwerte der Vielzahl von Elementen umfasst, wenn das Diagnosezielsystem in einem normalen Zustand ist, und die Extrahierungseinheit als die Lerndaten eine Obergrenzanzahl von Datensätzen von einem Kopfende extrahiert, wenn eine Gruppe von Datensätzen, die die Extrahierungsbedingung erfüllt, durch ein vorbestimmtes Kriterium neu angeordnet wird, unter der Vielzahl von Datensätzen, die in den Extrahierungsquellendaten umfasst sind.
Fehlerdiagnoseeinrichtung gemäß Anspruch 1, weiterhin mit einer Aktualisierungseinheit, die dazu konfiguriert ist, die Extrahierungsquellendaten, die in der Speichereinheit gespeichert sind, zu aktualisieren, wobei die Aktualisierungseinheit einen normalen Datensatz zu den Extrahierungsquellendaten hinzufügt, um die Extrahierungsquellendaten zu aktualisieren.
Fehlerdiagnoseeinrichtung gemäß Anspruch 1 oder 2, wobei das Kriterium eine Reihenfolge einer zeitlichen Nähe zu einem Zeitpunkt ist, wenn eine Diagnose bezüglich der Diagnosezieldaten durchgeführt wird.
Fehlerdiagnoseeinrichtung gemäß einem der Ansprüche 1 bis 3, wobei, wenn sich der normale Zustand des Diagnosezielsystems ändert, die Extrahierungseinheit die Lerndaten von einem Datensatz, nachdem sich der normale Zustand des Diagnosezielsystems ändert, unter der Vielzahl von Datensätzen, die in den Extrahierungsquellendaten umfasst sind, extrahiert.
Fehlerdiagnoseverfahren, das durch eine Fehlerdiagnoseeinrichtung ausgeführt wird, die eine Fehlerdiagnose bezüglich eines Diagnosezielsystems unter Verwendung eines Mustererkennungsverfahrens durchführt, wobei das Fehlerdiagnoseverfahren die Schritte aufweist: Beschaffen von Diagnosezieldaten inklusive Parameterwerten einer Vielzahl von Elementen von dem Diagnosezielsystem; Bestimmen einer Extrahierungsbedingung unter Verwendung der Diagnosezieldaten und Bedingungseinstellungsinformationen zum Bestimmen der Extrahierungsbedingung; Extrahieren von Lerndaten von Extrahierungsquellendaten, die eine Vielzahl von Datensätzen umfassen; Erzeugen von Lerninformationen, die für das Mustererkennungsverfahren verwendet werden, von den Lerndaten; und Bestimmen, ob die Diagnosezieldaten fehlerhaft sind, basierend auf den Lerninformationen, wobei die Vielzahl von Datensätzen jeweils die Parameterwerte der Vielzahl von Elementen umfasst, wenn das Diagnosezielsystem in einem normalen Zustand ist, und in dem Extrahierungsschritt, unter der Vielzahl von Datensätzen, die in den Extrahierungsquellendaten umfasst sind, eine Obergrenzanzahl von Datensätzen von einem Kopfende als die Lerndaten extrahiert wird, wenn eine Gruppe von Datensätzen, die die Extrahierungsbedingung erfüllen, durch ein vorbestimmtes Kriterium neu angeordnet wird.
Fehlerdiagnoseprogramm, das einen Computer veranlasst, eine Fehlerdiagnose bezüglich eines Diagnosezielsystems unter Verwendung eines Mustererkennungsverfahrens auszuführen, wobei das Fehlerdiagnoseprogramm den Computer veranlasst, die Schritte auszuführen: Beschaffen von Diagnosezieldaten inklusive Parameterwerten einer Vielzahl von Elementen von dem Diagnosezielsystem; Bestimmen einer Extrahierungsbedingung unter Verwendung der Diagnosezieldaten und Bedingungseinstellungsinformationen zum Bestimmen der Extrahierungsbedingung; Extrahieren von Lerndaten von Extrahierungsquellendaten, die eine Vielzahl von Datensätzen umfassen; Erzeugen von Lerninformationen, die für das Mustererkennungsverfahren verwendet werden, von den Lerndaten; und Bestimmen, ob die Diagnosezieldaten fehlerhaft sind, basierend auf den Lerninformationen, wobei die Vielzahl von Datensätzen jeweils die Parameterwerte der Vielzahl von Elemente umfasst, wenn das Diagnosezielsystem in einem normalen Zustand ist, und in dem Extrahierungsschritt, unter der Vielzahl von Datensätzen, die in den Extrahierungsquellendaten umfasst sind, eine Obergrenzanzahl von Datensätzen als die Lerndaten extrahiert wird, wenn eine Gruppe von Datensätzen, die die Extrahierungsbedingung erfüllt, durch ein vorbestimmtes Kriterium neu angeordnet wird.
Computerlesbares Aufzeichnungsmedium, das ein Fehlerdiagnoseprogramm aufzeichnet, um einen Computer zu veranlassen, eine Fehlerdiagnose bezüglich eines Diagnosezielsystems unter Verwendung eines Mustererkennungsverfahrens auszuführen, wobei das Fehlerdiagnoseprogramm den Computer veranlasst, die Schritte auszuführen: Beschaffen von Diagnosezieldaten inklusive Parameterwerten einer Vielzahl von Elementen von dem Diagnosezielsystem; Bestimmen einer Extrahierungsbedingung unter Verwendung der Diagnosezieldaten und Bedingungseinstellungsinformationen zum Bestimmen der Extrahierungsbedingung; Extrahieren von Lerndaten von Extrahierungsquellendaten, die eine Vielzahl von Datensätzen umfassen; Erzeugen von Lerninformationen, die für das Mustererkennungsverfahren verwendet werden, von den Lerndaten; und Bestimmen, ob die Diagnosezieldaten fehlerhaft sind, basierend auf den Lerninformationen, wobei die Vielzahl von Datensätzen jeweils die Parameterwerte der Vielzahl von Elementen umfasst, wenn das Diagnosesystem in einem normalen Zustand ist, und in dem Extrahierungsschritt, unter der Vielzahl von Datensätzen, die in den Extrahierungsquellendaten umfasst sind, eine Obergrenzanzahl von Datensätzen von einem Kopfende als die Lerndaten extrahiert wird, wenn eine Gruppe von Datensätzen, die die Extrahierungsbedingung erfüllt, durch ein vorbestimmtes Kriterium neu angeordnet wird.