JP2002099319A - プラント診断装置 - Google Patents
プラント診断装置Info
- Publication number
- JP2002099319A JP2002099319A JP2000286566A JP2000286566A JP2002099319A JP 2002099319 A JP2002099319 A JP 2002099319A JP 2000286566 A JP2000286566 A JP 2000286566A JP 2000286566 A JP2000286566 A JP 2000286566A JP 2002099319 A JP2002099319 A JP 2002099319A
- Authority
- JP
- Japan
- Prior art keywords
- case
- evaluation
- time
- data
- plant
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Landscapes
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
(57)【要約】
【課題】 多量の事例データを事前に加工したり学習処
理を行うことなく、オンラインで逐次診断を行い、登録
された事例の中から類似度と共に生起している可能性の
高い事象名を出力できるプラントの診断装置を提供する
ことである。 【解決手段】 信号入力部１から入力した機器の動作状
態を表わす信号および論理データベース４に格納された
論理に基づいて論理判定部３でプラント状態の候補事例
群を決定し、時系列波形判断部５は、信号入力部１から
入力したプロセス状態を表す信号の時系列データと、事
例データベース６に格納された候補事例群の事例データ
との距離に基づいて類似度を評価してプラント状態を診
断する。そして、その診断結果を出力表示部１に表示出
力する。
理を行うことなく、オンラインで逐次診断を行い、登録
された事例の中から類似度と共に生起している可能性の
高い事象名を出力できるプラントの診断装置を提供する
ことである。 【解決手段】 信号入力部１から入力した機器の動作状
態を表わす信号および論理データベース４に格納された
論理に基づいて論理判定部３でプラント状態の候補事例
群を決定し、時系列波形判断部５は、信号入力部１から
入力したプロセス状態を表す信号の時系列データと、事
例データベース６に格納された候補事例群の事例データ
との距離に基づいて類似度を評価してプラント状態を診
断する。そして、その診断結果を出力表示部１に表示出
力する。
Description
【０００１】
【発明の属する技術分野】本発明は、発電プラントや化
学プラント等の大規模プラントを診断するプラント診断
装置に関する。
学プラント等の大規模プラントを診断するプラント診断
装置に関する。
【０００２】
【従来の技術】一般に、プラント診断装置はプラントに
異常な過渡事象や事故等が生じた際に、その異常や事故
を同定し診断するものである。プラント診断装置では、
予め種々の過渡事象あるいは事故等を想定してプラント
シミュレーションコード等により解析して求めておいた
プロセス信号の変化の時系列データと、入力したプロセ
ス信号の時系列データとを比較し、それらの波形を照合
することにより現在生じている異常事象を同定する。
異常な過渡事象や事故等が生じた際に、その異常や事故
を同定し診断するものである。プラント診断装置では、
予め種々の過渡事象あるいは事故等を想定してプラント
シミュレーションコード等により解析して求めておいた
プロセス信号の変化の時系列データと、入力したプロセ
ス信号の時系列データとを比較し、それらの波形を照合
することにより現在生じている異常事象を同定する。
【０００３】例えば、特公平６−６０８２６号公報に示
されるものでは、時系列データより周波数軸上でのプロ
セス信号間の相関関係を示すコヒーレンススペクトルを
求め、予め種々の異常状態におけるコヒーレンススペク
トルのパターンを学習させたニューラルネットワークに
入力して診断するようにしている。
されるものでは、時系列データより周波数軸上でのプロ
セス信号間の相関関係を示すコヒーレンススペクトルを
求め、予め種々の異常状態におけるコヒーレンススペク
トルのパターンを学習させたニューラルネットワークに
入力して診断するようにしている。
【０００４】これによれば、通常状態でも観測されるプ
ロセス信号の無相関な変化に隠された統計的に有意な相
関関係の変化が現れた段階で異常原因を識別できる可能
性があり、異常の規模が小さな段階あるいは発生初期の
段階での診断を可能とする利点がある。
ロセス信号の無相関な変化に隠された統計的に有意な相
関関係の変化が現れた段階で異常原因を識別できる可能
性があり、異常の規模が小さな段階あるいは発生初期の
段階での診断を可能とする利点がある。
【０００５】一方、特許第３０１２２９７号公報に示さ
れるものでは、予め種々の異常状態における主要プロセ
ス信号の時系列パターンをそのまま事例データとしてニ
ューラルネットワークに入力して学習しておき、観測さ
れた時系列パターンをこのニューラルネットワークに入
力して診断するようにしている。
れるものでは、予め種々の異常状態における主要プロセ
ス信号の時系列パターンをそのまま事例データとしてニ
ューラルネットワークに入力して学習しておき、観測さ
れた時系列パターンをこのニューラルネットワークに入
力して診断するようにしている。
【０００６】このように時系列データをそのままニュー
ラルネットワークに入力して異常状態あるいは異常事象
を同定するものについては、多くの適用例が報告されて
おり、ニューラルネットワークの持つ汎化能力により高
い診断能力が得られるとされている。
ラルネットワークに入力して異常状態あるいは異常事象
を同定するものについては、多くの適用例が報告されて
おり、ニューラルネットワークの持つ汎化能力により高
い診断能力が得られるとされている。
【０００７】
【発明が解決しようとする課題】しかしながら、プロセ
ス信号間のコヒーレンススペクトルをニューラルネット
ワークにより識別するものでは、コヒーレンススペクト
ルのパターンが一致した場合であっても元の時系列デー
タの時間軸上で見た波形が一致しているとは限らず、ま
た、コヒーレンススペクトルの評価に必要な時間を経過
した後でなければパターンの照合ができない。さらに、
このように時系列データを元のままの形でなくコヒーレ
ンススペクトルのような加工したパターンに変換して診
断に用いることは、学習すべき事例が多量な場合には多
大な学習時間を必要とする。
ス信号間のコヒーレンススペクトルをニューラルネット
ワークにより識別するものでは、コヒーレンススペクト
ルのパターンが一致した場合であっても元の時系列デー
タの時間軸上で見た波形が一致しているとは限らず、ま
た、コヒーレンススペクトルの評価に必要な時間を経過
した後でなければパターンの照合ができない。さらに、
このように時系列データを元のままの形でなくコヒーレ
ンススペクトルのような加工したパターンに変換して診
断に用いることは、学習すべき事例が多量な場合には多
大な学習時間を必要とする。
【０００８】一方、時系列データをそのままニューラル
ネットワークの入力パターンとして用いるものでは、予
めニューラルネットワークを学習した際に用いた異常事
象発生前後の一定期間と同じ期間の時系列データが得ら
れた時しか診断ができない。
ネットワークの入力パターンとして用いるものでは、予
めニューラルネットワークを学習した際に用いた異常事
象発生前後の一定期間と同じ期間の時系列データが得ら
れた時しか診断ができない。
【０００９】また、通常用いられるニューラルネットワ
ークの場合、汎化能力のために学習時と多少異なる時系
列データの波形が入力された場合にも正しく同定できる
可能性が高い反面、本来未学習の異常事象が生じた場合
にも学習済みの何れかの事象と判定される誤診断の可能
性も高い。
ークの場合、汎化能力のために学習時と多少異なる時系
列データの波形が入力された場合にも正しく同定できる
可能性が高い反面、本来未学習の異常事象が生じた場合
にも学習済みの何れかの事象と判定される誤診断の可能
性も高い。
【００１０】さらに、事例データの数が非常に多くなっ
た場合には学習に要する時間だけでなく、波形の照合に
要する時間も長くなり、オンラインで逐次診断すること
が困難となる。
た場合には学習に要する時間だけでなく、波形の照合に
要する時間も長くなり、オンラインで逐次診断すること
が困難となる。
【００１１】本発明の目的は、多量の事例データを事前
に加工したり学習処理を行うことなく、オンラインで逐
次診断を行い、登録された事例の中から類似度と共に生
起している可能性の高い事象名を出力できるプラントの
診断装置を提供することである。
に加工したり学習処理を行うことなく、オンラインで逐
次診断を行い、登録された事例の中から類似度と共に生
起している可能性の高い事象名を出力できるプラントの
診断装置を提供することである。
【００１２】
【課題を解決するための手段】請求項１の発明に係わる
プラント診断装置は、プラントより機器の動作状態を表
わす信号およびプロセス状態を表わす信号を逐次入力す
る信号入力部と、前記機器の動作状態とプラント状態と
を関連付ける論理を予め格納した論理データベースと、
前記機器の動作状態を表わす信号および前記論理データ
ベースに格納された論理に基づいてプラント状態の候補
事例群を決定する論理判定部と、種々のプラント状態に
対して前記候補事例群毎に予め事例データを格納した事
例データベースと、前記プロセス状態を表す信号の時系
列データと前記候補事例群の事例データとの距離に基づ
いて類似度を評価しプラント状態を診断する時系列波形
判定部と、前記診断結果を表示出力する出力表示部とを
備えたことを特徴とする。
プラント診断装置は、プラントより機器の動作状態を表
わす信号およびプロセス状態を表わす信号を逐次入力す
る信号入力部と、前記機器の動作状態とプラント状態と
を関連付ける論理を予め格納した論理データベースと、
前記機器の動作状態を表わす信号および前記論理データ
ベースに格納された論理に基づいてプラント状態の候補
事例群を決定する論理判定部と、種々のプラント状態に
対して前記候補事例群毎に予め事例データを格納した事
例データベースと、前記プロセス状態を表す信号の時系
列データと前記候補事例群の事例データとの距離に基づ
いて類似度を評価しプラント状態を診断する時系列波形
判定部と、前記診断結果を表示出力する出力表示部とを
備えたことを特徴とする。
【００１３】請求項１の発明に係わるプラント診断装置
においては、信号入力部から入力した機器の動作状態を
表わす信号および論理データベースに格納された論理に
基づいて論理判定部でプラント状態の候補事例群を決定
し、時系列波形判断部は、信号入力部から入力したプロ
セス状態を表す信号の時系列データと、事例データベー
スに格納された候補事例群の事例データとの距離に基づ
いて類似度を評価してプラント状態を診断する。そし
て、その診断結果を出力表示部に表示出力する。これに
より、機器の動作状態とプラント状態とを関連付ける論
理を基に候補事例群を決定して、波形照合の対象となる
事例データを限定するので、診断に要する時間が短縮さ
れ、オンライン逐次診断が可能となる。また、時系列デ
ータと事例データとの距離を基に波形の類似度を評価す
るため、事例データを事前に加工したり学習する必要が
ない。
においては、信号入力部から入力した機器の動作状態を
表わす信号および論理データベースに格納された論理に
基づいて論理判定部でプラント状態の候補事例群を決定
し、時系列波形判断部は、信号入力部から入力したプロ
セス状態を表す信号の時系列データと、事例データベー
スに格納された候補事例群の事例データとの距離に基づ
いて類似度を評価してプラント状態を診断する。そし
て、その診断結果を出力表示部に表示出力する。これに
より、機器の動作状態とプラント状態とを関連付ける論
理を基に候補事例群を決定して、波形照合の対象となる
事例データを限定するので、診断に要する時間が短縮さ
れ、オンライン逐次診断が可能となる。また、時系列デ
ータと事例データとの距離を基に波形の類似度を評価す
るため、事例データを事前に加工したり学習する必要が
ない。
【００１４】請求項２の発明に係わるプラント診断装置
は、プラントより機器の動作状態を表わす信号およびプ
ロセス状態を表わす信号を逐次入力する信号入力部と、
種々のプラント状態に対して予め事例データを格納した
事例データベースと、前記プロセス状態を表す信号の時
系列データと事例データとの距離に基づいて類似度を評
価しプラント状態を診断する時系列波形判定部と、前記
診断結果を表示出力する出力表示部とを備えたことを特
徴とする。
は、プラントより機器の動作状態を表わす信号およびプ
ロセス状態を表わす信号を逐次入力する信号入力部と、
種々のプラント状態に対して予め事例データを格納した
事例データベースと、前記プロセス状態を表す信号の時
系列データと事例データとの距離に基づいて類似度を評
価しプラント状態を診断する時系列波形判定部と、前記
診断結果を表示出力する出力表示部とを備えたことを特
徴とする。
【００１５】請求項２の発明に係わるプラント診断装置
においては、時系列波形判定部は、信号入力部から入力
したプロセス状態を表す信号の時系列データと、事例デ
ータベースに格納された事例データとの距離に基づいて
類似度を評価しプラント状態を診断する。そして、その
診断結果を出力表示部に表示出力する。請求項１の発明
に対して、機器の動作状態とプラント状態とを関連付け
る論理を基に候補事例群を決定することを省略している
ので、事例データの数が少ない場合には処理に要する時
間を削減できる。
においては、時系列波形判定部は、信号入力部から入力
したプロセス状態を表す信号の時系列データと、事例デ
ータベースに格納された事例データとの距離に基づいて
類似度を評価しプラント状態を診断する。そして、その
診断結果を出力表示部に表示出力する。請求項１の発明
に対して、機器の動作状態とプラント状態とを関連付け
る論理を基に候補事例群を決定することを省略している
ので、事例データの数が少ない場合には処理に要する時
間を削減できる。
【００１６】請求項３の発明に係わるプラント診断装置
は、請求項１または請求項２の発明において、前記事例
データベースは、事例群毎に前記類似度の評価に使用す
る信号群を指定するデータと当該事例群に含まれる個々
の事例データとを有したことを特徴とする。
は、請求項１または請求項２の発明において、前記事例
データベースは、事例群毎に前記類似度の評価に使用す
る信号群を指定するデータと当該事例群に含まれる個々
の事例データとを有したことを特徴とする。
【００１７】請求項３の発明に係わるプラント診断装置
においては、請求項１または請求項２の発明の作用に加
え、候補事例群に固有の信号の変化にのみ着目して波形
照合を行う。従って、信号数が多い場合に照合対象事例
群と無関係な信号の類似度評価の結果に邪魔されること
無く、精度良く波形の照合を行うことができる。
においては、請求項１または請求項２の発明の作用に加
え、候補事例群に固有の信号の変化にのみ着目して波形
照合を行う。従って、信号数が多い場合に照合対象事例
群と無関係な信号の類似度評価の結果に邪魔されること
無く、精度良く波形の照合を行うことができる。
【００１８】請求項４の発明に係わるプラント診断装置
は、請求項１または請求項２の発明において、前記時系
列波形判定部は、前記事例データベースに格納された事
例データ相互の関係に基づいて前記類似度の評価に用い
る評価重み値を設定する評価重み設定部と、前記評価重
み設定部で設定された評価重み値を格納する評価重み保
存部と、前記信号入力部より入力された時系列データと
前記事例データとの距離を計算する波形照合部と、前記
距離が予め与えられたしきい値を越えないと判定された
ときはその判定結果の事例データに対して設定された前
記評価重み値を与え前記事例データ毎の評価重み値の合
計を事例の類似度として評価する類似度評価部とを備え
たことを特徴とする。
は、請求項１または請求項２の発明において、前記時系
列波形判定部は、前記事例データベースに格納された事
例データ相互の関係に基づいて前記類似度の評価に用い
る評価重み値を設定する評価重み設定部と、前記評価重
み設定部で設定された評価重み値を格納する評価重み保
存部と、前記信号入力部より入力された時系列データと
前記事例データとの距離を計算する波形照合部と、前記
距離が予め与えられたしきい値を越えないと判定された
ときはその判定結果の事例データに対して設定された前
記評価重み値を与え前記事例データ毎の評価重み値の合
計を事例の類似度として評価する類似度評価部とを備え
たことを特徴とする。
【００１９】請求項４の発明に係わるプラント診断装置
においては、請求項１または請求項２の発明の発明の作
用に加え、時系列波形判定部の評価重み設定部では、事
例データベースに格納された事例データ相互の関係に基
づいて類似度の評価に用いる評価重み値を設定し評価重
み保存部に格納する。そして、波形照合部では、信号入
力部より入力された時系列データと事例データとの距離
を計算し、類似度評価部では、その距離が予め与えられ
たしきい値を越えないと判定されたときは、その判定結
果の事例データに対して設定された評価重み値を与え、
事例データ毎の評価重み値の合計を事例の類似度として
評価する。単純な多数決ではなく、評価重み設定部で設
定された評価重み値を考慮して複数の信号に予対する結
果を総合的に判定して診断するので、診断結果の信頼性
が向上する。
においては、請求項１または請求項２の発明の発明の作
用に加え、時系列波形判定部の評価重み設定部では、事
例データベースに格納された事例データ相互の関係に基
づいて類似度の評価に用いる評価重み値を設定し評価重
み保存部に格納する。そして、波形照合部では、信号入
力部より入力された時系列データと事例データとの距離
を計算し、類似度評価部では、その距離が予め与えられ
たしきい値を越えないと判定されたときは、その判定結
果の事例データに対して設定された評価重み値を与え、
事例データ毎の評価重み値の合計を事例の類似度として
評価する。単純な多数決ではなく、評価重み設定部で設
定された評価重み値を考慮して複数の信号に予対する結
果を総合的に判定して診断するので、診断結果の信頼性
が向上する。
【００２０】請求項５の発明に係わるプラント診断装置
は、請求項１または請求項２の発明において、前記時系
列波形判定部は、前記事例データベースに格納された事
例データ相互の関係に基づいて前記類似度の評価に用い
る評価重み値を設定する評価重み設定部と、前記評価重
み設定部で設定された評価重み値を格納する評価重み保
存部と、前記信号入力部より入力された時系列データと
前記事例データとの距離を計算する波形照合部と、最も
小さい前記距離を与える事例データに対してその距離が
予め与えられたしきい値を越えないと判定されたときは
その判定結果に対して設定された前記評価重み値を与え
前記事例データ毎の評価重み値の合計を事例の類似度と
して評価する類似度評価部とを備えたことを特徴とす
る。
は、請求項１または請求項２の発明において、前記時系
列波形判定部は、前記事例データベースに格納された事
例データ相互の関係に基づいて前記類似度の評価に用い
る評価重み値を設定する評価重み設定部と、前記評価重
み設定部で設定された評価重み値を格納する評価重み保
存部と、前記信号入力部より入力された時系列データと
前記事例データとの距離を計算する波形照合部と、最も
小さい前記距離を与える事例データに対してその距離が
予め与えられたしきい値を越えないと判定されたときは
その判定結果に対して設定された前記評価重み値を与え
前記事例データ毎の評価重み値の合計を事例の類似度と
して評価する類似度評価部とを備えたことを特徴とす
る。
【００２１】請求項５の発明に係わるプラント診断装置
においては、請求項１または請求項２の発明の作用に加
え、時系列波形判定部の評価重み設定部では、事例デー
タベースに格納された事例データ相互の関係に基づいて
類似度の評価に用いる評価重み値を設定し評価重み保存
部に格納する。そして、波形照合部では、信号入力部よ
り入力された時系列データと事例データとの距離を計算
し、類似度評価部では、最も小さい前記距離を与える事
例データに対してその距離が予め与えられたしきい値を
越えないと判定されたときは、その判定結果に対して設
定された前記評価重み値を与え、事例データ毎の評価重
み値の合計を事例の類似度として評価する。最も小さい
距離を与える事例を積極的に選択するので、診断結果と
して選択される事象候補を適切に絞り込むことができ
る。
においては、請求項１または請求項２の発明の作用に加
え、時系列波形判定部の評価重み設定部では、事例デー
タベースに格納された事例データ相互の関係に基づいて
類似度の評価に用いる評価重み値を設定し評価重み保存
部に格納する。そして、波形照合部では、信号入力部よ
り入力された時系列データと事例データとの距離を計算
し、類似度評価部では、最も小さい前記距離を与える事
例データに対してその距離が予め与えられたしきい値を
越えないと判定されたときは、その判定結果に対して設
定された前記評価重み値を与え、事例データ毎の評価重
み値の合計を事例の類似度として評価する。最も小さい
距離を与える事例を積極的に選択するので、診断結果と
して選択される事象候補を適切に絞り込むことができ
る。
【００２２】請求項６の発明に係わるプラント診断装置
は、請求項４または請求項５の発明において、前記評価
重み設定部は、信号毎の時系列データと一つの事例デー
タとの距離の判定結果に対する評価重み値を、当該事例
データおよび当該事例データと最も類似した事例データ
との間の距離に比例し、かつ各信号の評価重み値の合計
が事例毎に１になるように規格化した値に設定すること
を特徴とする。
は、請求項４または請求項５の発明において、前記評価
重み設定部は、信号毎の時系列データと一つの事例デー
タとの距離の判定結果に対する評価重み値を、当該事例
データおよび当該事例データと最も類似した事例データ
との間の距離に比例し、かつ各信号の評価重み値の合計
が事例毎に１になるように規格化した値に設定すること
を特徴とする。
【００２３】請求項６の発明に係わるプラント診断装置
においては、請求項４または請求項５の発明の作用に加
え、信号毎の時系列データと一つの事例データとの距離
の判定結果に対する評価重み値は、当該事例データおよ
び当該事例データと最も類似した事例データとの間の距
離に比例し、かつ各信号の評価重み値の合計が事例毎に
１になるように規格化した値に設定される。従って、あ
る信号の時系列データとある事例データとの距離による
判定結果に対する評価重み値は、当該事例と類似した事
例が存在する場合には小さく設定されるため、当該事例
との類似度を評価する上で注目すべき信号が自動的に選
択されることとなり、診断結果の信頼性が向上する。
においては、請求項４または請求項５の発明の作用に加
え、信号毎の時系列データと一つの事例データとの距離
の判定結果に対する評価重み値は、当該事例データおよ
び当該事例データと最も類似した事例データとの間の距
離に比例し、かつ各信号の評価重み値の合計が事例毎に
１になるように規格化した値に設定される。従って、あ
る信号の時系列データとある事例データとの距離による
判定結果に対する評価重み値は、当該事例と類似した事
例が存在する場合には小さく設定されるため、当該事例
との類似度を評価する上で注目すべき信号が自動的に選
択されることとなり、診断結果の信頼性が向上する。
【００２４】請求項７の発明に係わるプラント診断装置
は、請求項６の発明において、前記評価重み設定部は、
特定の信号に１以下の任意の値ｗを与え、その他の信号
には（１−ｗ）を比例配分した値を与えることを特徴と
する。
は、請求項６の発明において、前記評価重み設定部は、
特定の信号に１以下の任意の値ｗを与え、その他の信号
には（１−ｗ）を比例配分した値を与えることを特徴と
する。
【００２５】請求項７の発明に係わるプラント診断装置
においては、請求項６の発明の作用に加え、特定の信号
に１以下の任意の値ｗを与え、その他の信号には（１−
ｗ）を比例配分した値を与える。従って、特定の信号の
時系列データと事例データとの距離による判定結果に対
する評価重み値に任意の値を設定するできるので、個々
の事例データとの波形照合において注目すべき信号を指
定できる。このため、様々な観点からの診断を行うこと
ができる。
においては、請求項６の発明の作用に加え、特定の信号
に１以下の任意の値ｗを与え、その他の信号には（１−
ｗ）を比例配分した値を与える。従って、特定の信号の
時系列データと事例データとの距離による判定結果に対
する評価重み値に任意の値を設定するできるので、個々
の事例データとの波形照合において注目すべき信号を指
定できる。このため、様々な観点からの診断を行うこと
ができる。
【００２６】請求項８の発明に係わるプラント診断装置
は、請求項４または請求項５の発明において、前記時系
列波形判定部は、前記波形照合部における時系列データ
と事例データとの距離の評価に先立ち、指定された信号
に対して事例データの距離評価開始点を予め設定された
時間の範囲で前後に移動させて距離を評価し、最も小さ
な距離を与える評価開始点を決定する時間補正部を有し
たことを特徴とする。
は、請求項４または請求項５の発明において、前記時系
列波形判定部は、前記波形照合部における時系列データ
と事例データとの距離の評価に先立ち、指定された信号
に対して事例データの距離評価開始点を予め設定された
時間の範囲で前後に移動させて距離を評価し、最も小さ
な距離を与える評価開始点を決定する時間補正部を有し
たことを特徴とする。
【００２７】請求項８の発明に係わるプラント診断装置
においては、請求項４または請求項５の発明の作用に加
え、時系列波形判定部の時間補正部は、波形照合部にお
ける時系列データと事例データとの距離の評価に先立
ち、指定された信号に対して事例データの距離評価開始
点を予め設定された時間の範囲で前後に移動させて距離
を評価し、最も小さな距離を与える評価開始点を決定す
る。これにより、波形の照合に用いる入力時系列データ
が必ずしも異常な過渡事象あるいは事故等の開始時点か
ら始まるデータでなかった場合にも、事例データとの時
間合わせを行うことにより正しく波形の照合を行うこと
ができる。
においては、請求項４または請求項５の発明の作用に加
え、時系列波形判定部の時間補正部は、波形照合部にお
ける時系列データと事例データとの距離の評価に先立
ち、指定された信号に対して事例データの距離評価開始
点を予め設定された時間の範囲で前後に移動させて距離
を評価し、最も小さな距離を与える評価開始点を決定す
る。これにより、波形の照合に用いる入力時系列データ
が必ずしも異常な過渡事象あるいは事故等の開始時点か
ら始まるデータでなかった場合にも、事例データとの時
間合わせを行うことにより正しく波形の照合を行うこと
ができる。
【００２８】請求項９の発明に係わるプラント診断装置
は、請求項１または請求項２の発明において、前記出力
表示部は、前記時系列波形判定部より出力される時系列
データと事例データとの類似度の評価値を大きい順に、
予め指定した数の事例に対応する事象名とその類似度と
を診断結果として表示出力することを特徴とする。
は、請求項１または請求項２の発明において、前記出力
表示部は、前記時系列波形判定部より出力される時系列
データと事例データとの類似度の評価値を大きい順に、
予め指定した数の事例に対応する事象名とその類似度と
を診断結果として表示出力することを特徴とする。
【００２９】請求項９の発明に係わるプラント診断装置
においては、請求項１または請求項２の発明の作用に加
え、時系列波形判定部より出力される時系列データと事
例データとの類似度の評価値を大きい順に、予め指定し
た数の事例に対応する事象名とその類似度とを診断結果
として出力表示部に表示出力する。従って、診断結果と
して複数の候補事象とその類似度が出力表示されるの
で、利用者はどのような事例が波形照合の対象となった
かを知ることができると共に、最大類似度を示した事例
と２番目以降の類似度の値とを比較することにより診断
結果の信頼度の目安とすることができる。
においては、請求項１または請求項２の発明の作用に加
え、時系列波形判定部より出力される時系列データと事
例データとの類似度の評価値を大きい順に、予め指定し
た数の事例に対応する事象名とその類似度とを診断結果
として出力表示部に表示出力する。従って、診断結果と
して複数の候補事象とその類似度が出力表示されるの
で、利用者はどのような事例が波形照合の対象となった
かを知ることができると共に、最大類似度を示した事例
と２番目以降の類似度の値とを比較することにより診断
結果の信頼度の目安とすることができる。
【００３０】請求項１０の発明に係わるプラント診断装
置は、請求項１または請求項３の発明において、前記出
力表示部は、前記時系列波形判定部より出力される時系
列データと事例データとの類似度の評価値が最も大きい
事例に対応する事象名とその類似度とを診断結果として
表示出力することを特徴とする。
置は、請求項１または請求項３の発明において、前記出
力表示部は、前記時系列波形判定部より出力される時系
列データと事例データとの類似度の評価値が最も大きい
事例に対応する事象名とその類似度とを診断結果として
表示出力することを特徴とする。
【００３１】請求項１０の発明に係わるプラント診断装
置においては、請求項１または請求項３の発明の作用に
加え、時系列波形判定部より出力される時系列データと
事例データとの類似度の評価値が最も大きい事例に対応
する事象名とその類似度とを診断結果として出力表示部
に表示出力する。これにより、最大類似度を示す事例を
積極的に選択表示するので、利用者は診断結果の解釈に
混乱することがない。
置においては、請求項１または請求項３の発明の作用に
加え、時系列波形判定部より出力される時系列データと
事例データとの類似度の評価値が最も大きい事例に対応
する事象名とその類似度とを診断結果として出力表示部
に表示出力する。これにより、最大類似度を示す事例を
積極的に選択表示するので、利用者は診断結果の解釈に
混乱することがない。
【００３２】
【発明の実施の形態】以下、本発明の実施の形態を説明
する。図１は本発明の第１の実施の形態に係わるプラン
ト診断装置のブロック構成図である。プラントからの機
器の動作状態を表わす信号およびプロセス状態を表わす
信号は、信号入力部１で逐次入力され、時系列データ記
憶部２に保存されると共に論理判定部３に入力される。
論理判定部３は、入力された機器の動作状態を表わす信
号と、予め論理データベース４に記憶された論理を基に
プラント状態の候補事例群を決定する。論理データベー
ス４には、プラントの機器の動作状態とプラント状態と
を関連付けた論理が予め格納されている。
する。図１は本発明の第１の実施の形態に係わるプラン
ト診断装置のブロック構成図である。プラントからの機
器の動作状態を表わす信号およびプロセス状態を表わす
信号は、信号入力部１で逐次入力され、時系列データ記
憶部２に保存されると共に論理判定部３に入力される。
論理判定部３は、入力された機器の動作状態を表わす信
号と、予め論理データベース４に記憶された論理を基に
プラント状態の候補事例群を決定する。論理データベー
ス４には、プラントの機器の動作状態とプラント状態と
を関連付けた論理が予め格納されている。
【００３３】時系列波形判定部５は、論理判定部３で決
定された候補事例群の事例データを事例データベース６
から取り出す。事例データベース６には、種々のプラン
ト状態に対して予め与えられた事例データが格納されて
いる。そして、時系列波形判定部１５は、時系列データ
記憶部２からのプロセス状態を表わす時系列データと、
事例データベース６から取り出した候補事例群の事例デ
ータとの波形の類似度を判定し、その判定した類似度を
基にプラント状態を診断する。診断結果は出力表示部７
に表示出力される。
定された候補事例群の事例データを事例データベース６
から取り出す。事例データベース６には、種々のプラン
ト状態に対して予め与えられた事例データが格納されて
いる。そして、時系列波形判定部１５は、時系列データ
記憶部２からのプロセス状態を表わす時系列データと、
事例データベース６から取り出した候補事例群の事例デ
ータとの波形の類似度を判定し、その判定した類似度を
基にプラント状態を診断する。診断結果は出力表示部７
に表示出力される。
【００３４】図２は、本発明の第１の実施の形態に係わ
るプラント診断装置の動作を示すフローチャートであ
る。プラント診断装置は外部からの実行開始要求により
処理を開始する。実行開始要求があると、信号入力部１
によりプラントより機器の動作状態を表わす信号および
プロセス状態を表わす信号から成るプロセス信号が入力
され（Ｓ１）、時系列データ記憶部２に時系列データと
して保存される。続いて、論理判定部３により機器の動
作状態を表わす信号の最新値と、予め論理データベース
４に格納された論理とを照合し、現在プラントで生じて
いる可能性のある事象に対応した候補事例群を決定する
（Ｓ２）。
るプラント診断装置の動作を示すフローチャートであ
る。プラント診断装置は外部からの実行開始要求により
処理を開始する。実行開始要求があると、信号入力部１
によりプラントより機器の動作状態を表わす信号および
プロセス状態を表わす信号から成るプロセス信号が入力
され（Ｓ１）、時系列データ記憶部２に時系列データと
して保存される。続いて、論理判定部３により機器の動
作状態を表わす信号の最新値と、予め論理データベース
４に格納された論理とを照合し、現在プラントで生じて
いる可能性のある事象に対応した候補事例群を決定する
（Ｓ２）。
【００３５】ここで、論理データベース４には、図３に
示すように、各機器の動作状態を条件部とし事例群を結
論部とした論理情報が対応付けられて格納されている。
論理判定部３は、機器の動作状態を表わす信号の最新値
を論理データベース４の条件部と照合し、合致する条件
の結論部より候補事例群を決定する。
示すように、各機器の動作状態を条件部とし事例群を結
論部とした論理情報が対応付けられて格納されている。
論理判定部３は、機器の動作状態を表わす信号の最新値
を論理データベース４の条件部と照合し、合致する条件
の結論部より候補事例群を決定する。
【００３６】次に、時系列波形判定部５により、事例デ
ータベース６に格納されている種々のプラント状態に対
応する事例データの中から、ステップＳ２で決定された
候補事例群に対応する事例データを読み出し、時系列デ
ータ記憶部２に入力保存されたプラント信号の時系列デ
ータとの波形の類似度を全ての候補事例に対して評価
し、プラント状態を診断する（Ｓ３）。そして、出力表
示部７に対しこの診断結果を表示出力する（Ｓ４）。こ
の場合、類似度の評価値の大きい順に予め指定した数の
事例に対応する事象名とその類似度とを診断結果として
表示出力する。
ータベース６に格納されている種々のプラント状態に対
応する事例データの中から、ステップＳ２で決定された
候補事例群に対応する事例データを読み出し、時系列デ
ータ記憶部２に入力保存されたプラント信号の時系列デ
ータとの波形の類似度を全ての候補事例に対して評価
し、プラント状態を診断する（Ｓ３）。そして、出力表
示部７に対しこの診断結果を表示出力する（Ｓ４）。こ
の場合、類似度の評価値の大きい順に予め指定した数の
事例に対応する事象名とその類似度とを診断結果として
表示出力する。
【００３７】そして、評価期間が終了したか否かを判定
し（Ｓ５）、評価期間が終了していない場合にはステッ
プＳ１に戻り、終了している場合には処理を終了する。
すなわち、候補事例群の事例データの中の最も短い事例
の長さと同じ時間だけ、あるいはそれよりも短い予め設
定された時間が経過している場合には、評価期間が終了
したものとして診断処理を終了し、評価期間が終了して
ない場合は予め設定された時間間隔でステップＳ１から
ステップＳ５の一連の処理を継続する。
し（Ｓ５）、評価期間が終了していない場合にはステッ
プＳ１に戻り、終了している場合には処理を終了する。
すなわち、候補事例群の事例データの中の最も短い事例
の長さと同じ時間だけ、あるいはそれよりも短い予め設
定された時間が経過している場合には、評価期間が終了
したものとして診断処理を終了し、評価期間が終了して
ない場合は予め設定された時間間隔でステップＳ１から
ステップＳ５の一連の処理を継続する。
【００３８】図４は、本発明の第１の実施の形態におけ
る時系列波形判定部５のブロック構成図である。時系列
波形判定部５の評価重み設定部８は、事例データベース
６に格納された事例データ相互の関係に基づいて類似度
の評価に用いる評価重み値を設定し評価重み保存部９に
格納する。この評価重み値については後述する。
る時系列波形判定部５のブロック構成図である。時系列
波形判定部５の評価重み設定部８は、事例データベース
６に格納された事例データ相互の関係に基づいて類似度
の評価に用いる評価重み値を設定し評価重み保存部９に
格納する。この評価重み値については後述する。
【００３９】一方、波形照合部１０では、論理判定部３
において決定された候補事例群の事例データを事例デー
タベース６より入力すると共に、時系列データ記憶部２
に格納されているその候補事例群に関連する時系列デー
タを入力する。そして、入力した時系列データと事例デ
ータベース６の事例データとの距離を計算し、その距離
評価結果を類似度評価部１１に出力する。類似度評価部
１１では、その距離が予め与えられたしきい値を越えな
いと判定されたとき、つまり類似の度合いが大きい場合
は、その判定結果の事例データに対して、評価重み設定
部８で設定された評価重み値を与え、事例データ毎の評
価重み値の合計を事例の類似度として評価する。
において決定された候補事例群の事例データを事例デー
タベース６より入力すると共に、時系列データ記憶部２
に格納されているその候補事例群に関連する時系列デー
タを入力する。そして、入力した時系列データと事例デ
ータベース６の事例データとの距離を計算し、その距離
評価結果を類似度評価部１１に出力する。類似度評価部
１１では、その距離が予め与えられたしきい値を越えな
いと判定されたとき、つまり類似の度合いが大きい場合
は、その判定結果の事例データに対して、評価重み設定
部８で設定された評価重み値を与え、事例データ毎の評
価重み値の合計を事例の類似度として評価する。
【００４０】以下、時系列波形判定部５の処理内容を図
５に示すフローチャートに従って説明する。まず、波形
照合部１０により、入力時系列データと事例データとの
距離を評価する（Ｓ１）。ここで、ｉ番目の信号の入力
時系列データＸi(ｔ)と、候補事例群中のｋ番目の事例
データにおける当該信号の時系列データＢik(ｔ)との距
離Ｄ2 ik(Ｔ)は次の（１）式で定義される。
５に示すフローチャートに従って説明する。まず、波形
照合部１０により、入力時系列データと事例データとの
距離を評価する（Ｓ１）。ここで、ｉ番目の信号の入力
時系列データＸi(ｔ)と、候補事例群中のｋ番目の事例
データにおける当該信号の時系列データＢik(ｔ)との距
離Ｄ2 ik(Ｔ)は次の（１）式で定義される。
【００４１】
【数１】
【００４２】上式において、Δは時系列データの間隔、
Ｔは距離評価時点での時系列データの長さであり、Ｔ＝
Ｎ・Δとしている。また、Ｖikは図２のステップＳ５で
の評価期間内でのＢik(ｔ)の分散値である。
Ｔは距離評価時点での時系列データの長さであり、Ｔ＝
Ｎ・Δとしている。また、Ｖikは図２のステップＳ５で
の評価期間内でのＢik(ｔ)の分散値である。
【００４３】上式の距離の評価は、プロセス状態を表わ
す信号の全てを対象とするのではなく、図６に示すよう
に予め事例データベース６に設定された事例群と波形照
合に使用する信号群との関係に従って、限られた数の信
号のみを対象に行う。
す信号の全てを対象とするのではなく、図６に示すよう
に予め事例データベース６に設定された事例群と波形照
合に使用する信号群との関係に従って、限られた数の信
号のみを対象に行う。
【００４４】さらに、波形照合部１０では、距離評価結
果Ｄ2 ik(Ｔ)を基に、距離判定行列Ｊ＝｛Ｊik｝を以下
の基準で設定する（Ｓ２）。
果Ｄ2 ik(Ｔ)を基に、距離判定行列Ｊ＝｛Ｊik｝を以下
の基準で設定する（Ｓ２）。
【００４５】Ｄ2 ik(Ｔ) ≦ λ であれば Ｊik ＝ １ Ｄ２ ik(Ｔ) ＞ λ であれば Ｊik ＝ ０ ここで、λは予め設定されたしきい値である。
【００４６】例えば、いま、４つの信号に対して３つの
事例データとの距離を評価した結果が図７（ａ）に示す
ようであったとする。このとき、λ＝２．０として距離
判定行列Ｊを設定すると、距離判定行列Ｊとして図７
（ｂ）の結果を得る。つまり、図７（ａ）に示す距離評
価結果の各要素のうち、２以下のものは「１」となり、
２以上のものは「０」となる。
事例データとの距離を評価した結果が図７（ａ）に示す
ようであったとする。このとき、λ＝２．０として距離
判定行列Ｊを設定すると、距離判定行列Ｊとして図７
（ｂ）の結果を得る。つまり、図７（ａ）に示す距離評
価結果の各要素のうち、２以下のものは「１」となり、
２以上のものは「０」となる。
【００４７】次に、評価重み設定部８により、評価重み
Ｗikを計算し評価重み保存部９に保存する（Ｓ３）。す
なわち、複数の信号を用いて得た距離判定行列Ｊから、
各事例毎の類似度を評価するに当り、Ｊik＝１なる要素
の持つ類似度評価への寄与分を評価重みＷikとして設定
し、評価重み保存部９に保存する。
Ｗikを計算し評価重み保存部９に保存する（Ｓ３）。す
なわち、複数の信号を用いて得た距離判定行列Ｊから、
各事例毎の類似度を評価するに当り、Ｊik＝１なる要素
の持つ類似度評価への寄与分を評価重みＷikとして設定
し、評価重み保存部９に保存する。
【００４８】まず、ｉ番目の信号について、ｋ番目の事
例データＢik(ｔ)と他の（ｐ番目の）事例データＢ
ip(ｔ)との距離Ｄ2 ikp(Ｔ)を次の（２）式に基づいて計
算する。
例データＢik(ｔ)と他の（ｐ番目の）事例データＢ
ip(ｔ)との距離Ｄ2 ikp(Ｔ)を次の（２）式に基づいて計
算する。
【００４９】
【数２】
【００５０】ｋ番目の事例データからの距離が最小とな
る事例データ、言い換えればｋ番目の事例データと最も
類似した事例データとの距離をＤ2 ik0(Ｔ)とすると、評
価重みＷikは（３）式により設定する。
る事例データ、言い換えればｋ番目の事例データと最も
類似した事例データとの距離をＤ2 ik0(Ｔ)とすると、評
価重みＷikは（３）式により設定する。
【００５１】
【数３】
【００５２】ここで、ｍは波形照合に用いる信号数であ
る。
る。
【００５３】評価重み意味について図８を参照して説明
する。いま、図７に示した一例のように、３つの事例デ
ータが与えられているとし、信号−１の時系列データが
図８（ａ）、信号−２の時系列データが図８（ｂ）に示
す関係にあったとする。このとき、信号−１は事例−１
と事例−２とが類似しているため、３つの事例データの
中で時系列データと事例−１との距離が最小であったと
しても、現在生じている事象が事例−１と同じである
か、あるいは事例−２と同じであるかを判断することが
できない。
する。いま、図７に示した一例のように、３つの事例デ
ータが与えられているとし、信号−１の時系列データが
図８（ａ）、信号−２の時系列データが図８（ｂ）に示
す関係にあったとする。このとき、信号−１は事例−１
と事例−２とが類似しているため、３つの事例データの
中で時系列データと事例−１との距離が最小であったと
しても、現在生じている事象が事例−１と同じである
か、あるいは事例−２と同じであるかを判断することが
できない。
【００５４】これに対して、信号−２の場合には、事例
−１と他の事例とは大きく異なるため、信号−２の入力
時系列データと事例−１の時系列データとの距離が最小
であれば、現在生じている事象が事例−１と同じである
可能性は大きい。従って、この場合には、評価重みＷ１
１、Ｗ１２は小さく、Ｗ２１は大きく設定されるのが妥
当である。ここで、評価重みＷ１１は信号−１に対する
事例−１の評価重み、評価重みＷ１２は信号−１に対す
る事例−２の評価重み、評価重みＷ２１は信号−２に対
する事例−１の評価重みである。評価重み設定部８で
は、（３）式に基づいてこの評価重み設定を自動的に行
う。
−１と他の事例とは大きく異なるため、信号−２の入力
時系列データと事例−１の時系列データとの距離が最小
であれば、現在生じている事象が事例−１と同じである
可能性は大きい。従って、この場合には、評価重みＷ１
１、Ｗ１２は小さく、Ｗ２１は大きく設定されるのが妥
当である。ここで、評価重みＷ１１は信号−１に対する
事例−１の評価重み、評価重みＷ１２は信号−１に対す
る事例−２の評価重み、評価重みＷ２１は信号−２に対
する事例−１の評価重みである。評価重み設定部８で
は、（３）式に基づいてこの評価重み設定を自動的に行
う。
【００５５】次に、時系列波形判定部５の類似度評価部
１１では距離判定行列｛Ｊik｝と評価重みＷikを基に、
次の（４）式によりｋ番目の事例データの類似度Ｓkを
評価する（Ｓ４）。
１１では距離判定行列｛Ｊik｝と評価重みＷikを基に、
次の（４）式によりｋ番目の事例データの類似度Ｓkを
評価する（Ｓ４）。
【００５６】
【数４】
【００５７】例えば、図８のような事例データの関係か
ら評価重みが図９（ａ）のように設定されたとすると、
図７（ｂ）に示した距離判定行列Ｊから最終的には図９
（ｂ）のように類似度が評価され、事例−１の事象と同
じ事象が発生している可能性が大であると診断される。
ら評価重みが図９（ａ）のように設定されたとすると、
図７（ｂ）に示した距離判定行列Ｊから最終的には図９
（ｂ）のように類似度が評価され、事例−１の事象と同
じ事象が発生している可能性が大であると診断される。
【００５８】すなわち、図９（ａ）の評価重みのうち、
図７（ｂ）の距離判定行列Ｊの要素のうち「１」となっ
ている要素についての評価重みを合計して類似度が評価
される。例えば、事例−１の場合は、距離判定行列Ｊの
要素はすべて「１」であるので、図９（ａ）の事例−１
の信号−１〜信号−４のすべての評価重みが合計され
る。一方、事例−２の場合は、距離判定行列Ｊの要素が
「１」であるのは信号−１と信号−３であるので、図９
（ａ）の事例−２の信号−１と信号−３との評価重みが
合計される。同様に、事例−３の場合は、距離判定行列
Ｊの要素が「１」であるのは信号−３であるので、図９
（ａ）の事例−３の信号−３の評価重みがそのまま評価
重みとなる。
図７（ｂ）の距離判定行列Ｊの要素のうち「１」となっ
ている要素についての評価重みを合計して類似度が評価
される。例えば、事例−１の場合は、距離判定行列Ｊの
要素はすべて「１」であるので、図９（ａ）の事例−１
の信号−１〜信号−４のすべての評価重みが合計され
る。一方、事例−２の場合は、距離判定行列Ｊの要素が
「１」であるのは信号−１と信号−３であるので、図９
（ａ）の事例−２の信号−１と信号−３との評価重みが
合計される。同様に、事例−３の場合は、距離判定行列
Ｊの要素が「１」であるのは信号−３であるので、図９
（ａ）の事例−３の信号−３の評価重みがそのまま評価
重みとなる。
【００５９】以上述べたように、第１の実施の形態によ
れば、まず機器の動作状態とプラント状態とを関連付け
る論理を基に候補事例群を決定することにより、波形照
合の対象となる事例データが限定されるため、診断に要
する時間が短縮され、オンラインで逐次診断を行うこと
が可能となる。また、候補事例群に固有の信号の変化に
のみ着目して波形照合を行うため、信号数が多い場合に
照合対象事例群と無関係な信号の類似度評価の結果に邪
魔されること無く、精度良く波形の照合を行うことがで
きる。
れば、まず機器の動作状態とプラント状態とを関連付け
る論理を基に候補事例群を決定することにより、波形照
合の対象となる事例データが限定されるため、診断に要
する時間が短縮され、オンラインで逐次診断を行うこと
が可能となる。また、候補事例群に固有の信号の変化に
のみ着目して波形照合を行うため、信号数が多い場合に
照合対象事例群と無関係な信号の類似度評価の結果に邪
魔されること無く、精度良く波形の照合を行うことがで
きる。
【００６０】さらに、信号毎に各事例データとの距離に
基づく判定を行なった結果から、単純な多数決ではな
く、予め設定された評価重み値を考慮して複数の信号に
対する結果を総合的に判定して診断するため、診断結果
の信頼性が向上する。また、評価重み値は、当該事例と
類似した事例が存在する場合には小さく設定されるた
め、当該事例との類似度を評価する上で注目すべき信号
が自動的に選択されることとなり、専門家による判断に
近い診断を実現することができる。
基づく判定を行なった結果から、単純な多数決ではな
く、予め設定された評価重み値を考慮して複数の信号に
対する結果を総合的に判定して診断するため、診断結果
の信頼性が向上する。また、評価重み値は、当該事例と
類似した事例が存在する場合には小さく設定されるた
め、当該事例との類似度を評価する上で注目すべき信号
が自動的に選択されることとなり、専門家による判断に
近い診断を実現することができる。
【００６１】次に、本発明の第２の実施の形態を説明す
る。図１０は本発明の第２の実施の形態に係わるプラン
ト診断装置のブロック構成図である。この第２の実施の
形態は、図１に示した第１の実施の形態に対し、論理判
定部３及び論理データベース４を省略したものである。
る。図１０は本発明の第２の実施の形態に係わるプラン
ト診断装置のブロック構成図である。この第２の実施の
形態は、図１に示した第１の実施の形態に対し、論理判
定部３及び論理データベース４を省略したものである。
【００６２】図１０において、プラントよりプロセス状
態を表わす信号は信号入力部１を介して時系列データ記
憶部２に逐次入力される。時系列波形判断部５は、入力
されたプロセス信号の時系列データと、事例データベー
ス６に予め格納された事例データの波形との距離を算出
し、その距離に基づいて類似度を求めプラント状態を診
断する。そして、その診断結果を出力表示部７に表示出
力する。
態を表わす信号は信号入力部１を介して時系列データ記
憶部２に逐次入力される。時系列波形判断部５は、入力
されたプロセス信号の時系列データと、事例データベー
ス６に予め格納された事例データの波形との距離を算出
し、その距離に基づいて類似度を求めプラント状態を診
断する。そして、その診断結果を出力表示部７に表示出
力する。
【００６３】この第２の実施の形態では、第１の実施の
形態におけるプラント診断装置から論理判定部３および
論理データベース４を除いた構成となっており、機器の
動作状態を表わす信号を用いた論理判定によってプラン
ト状態の候補事例群を決定することが省略される。従っ
て、第２の実施の形態によれば、事例データが非常に多
量の場合を除けば、第１の実施の形態と同様の作用効果
を有する。
形態におけるプラント診断装置から論理判定部３および
論理データベース４を除いた構成となっており、機器の
動作状態を表わす信号を用いた論理判定によってプラン
ト状態の候補事例群を決定することが省略される。従っ
て、第２の実施の形態によれば、事例データが非常に多
量の場合を除けば、第１の実施の形態と同様の作用効果
を有する。
【００６４】次に、本発明の第３の実施の形態に係わる
プラント診断装置を説明する。図１１は、本発明の第３
の実施の形態に係わるプラント診断装置における時系列
波形判断部５のブロック構成図である。この第３の実施
の形態は、図４に示す第１の実施の形態における時系列
波形判断部５に対し、時間補正部１２を追加して設けた
ものである。
プラント診断装置を説明する。図１１は、本発明の第３
の実施の形態に係わるプラント診断装置における時系列
波形判断部５のブロック構成図である。この第３の実施
の形態は、図４に示す第１の実施の形態における時系列
波形判断部５に対し、時間補正部１２を追加して設けた
ものである。
【００６５】この時間補正部１２は、波形照合部１０に
おける時系列データと事例データとの距離の評価に先立
ち、指定された信号に対して事例データの距離評価開始
点を予め設定された時間の範囲で前後に移動させて距離
を評価し、最も小さな距離を与える評価開始点を決定す
るものである。
おける時系列データと事例データとの距離の評価に先立
ち、指定された信号に対して事例データの距離評価開始
点を予め設定された時間の範囲で前後に移動させて距離
を評価し、最も小さな距離を与える評価開始点を決定す
るものである。
【００６６】図１２は、本発明の第３の実施の形態に係
わるプラント診断装置における時系列波形判断部５の処
理内容を示すフローチャートである。時間補正部１２
は、事例データベース６より照合対象の事例データを入
力し、波形照合部１０における入力時系列データとの距
離の評価に先立ち、まず、以下の手順により距離評価開
始点の調整を行う（Ｓ０）。
わるプラント診断装置における時系列波形判断部５の処
理内容を示すフローチャートである。時間補正部１２
は、事例データベース６より照合対象の事例データを入
力し、波形照合部１０における入力時系列データとの距
離の評価に先立ち、まず、以下の手順により距離評価開
始点の調整を行う（Ｓ０）。
【００６７】すなわち、事例データベース６には、図６
に示したように同じ信号群を用いて波形照合を行う事例
群をまとめて格納されており、その信号群毎に距離評価
開始点の調整に使用する信号を予め指定しておく。時間
補正部１２は、今照合対象となっている事例群の調整用
信号の入力時系列データｘ(ｔ)と対象事例群の事例デー
タ｛ｂk(ｔ)｝とを入力し、既に示した距離Ｄ2 ik(Ｔ)の
式を用いてｘ(ｔ)とｂ k(ｔ)との距離を計算し、対象事
例群の中の最小値Ｄ2 0(Ｔ)を求める。
に示したように同じ信号群を用いて波形照合を行う事例
群をまとめて格納されており、その信号群毎に距離評価
開始点の調整に使用する信号を予め指定しておく。時間
補正部１２は、今照合対象となっている事例群の調整用
信号の入力時系列データｘ(ｔ)と対象事例群の事例デー
タ｛ｂk(ｔ)｝とを入力し、既に示した距離Ｄ2 ik(Ｔ)の
式を用いてｘ(ｔ)とｂ k(ｔ)との距離を計算し、対象事
例群の中の最小値Ｄ2 0(Ｔ)を求める。
【００６８】次に、ｘ(ｔ)と１入力時間間隔だけずれた
ｂk(ｔ＋Δ)との距離を計算し、その最小値Ｄ2 1(Ｔ)を
求める。このようにして、予め設定した時間までずらし
て評価した距離の最小値の中から最も小さいものがＤ2 p
(Ｔ)であったとすると、時間補正部１２は事例データの
距離評価開始点をｐ点だけずらすことを決定する。
ｂk(ｔ＋Δ)との距離を計算し、その最小値Ｄ2 1(Ｔ)を
求める。このようにして、予め設定した時間までずらし
て評価した距離の最小値の中から最も小さいものがＤ2 p
(Ｔ)であったとすると、時間補正部１２は事例データの
距離評価開始点をｐ点だけずらすことを決定する。
【００６９】図１２のステップＳ１〜ステップＳ４の処
理は第１の実施の形態における時系列波形判断部５の処
理と同じであるので説明は省略する。
理は第１の実施の形態における時系列波形判断部５の処
理と同じであるので説明は省略する。
【００７０】この第３の実施の形態によれば、波形の照
合に用いる入力時系列データが必ずしも異常な過渡事象
あるいは事故等の開始時点から始まるデータでなかった
場合にも、事例データとの時間合わせを行うことにより
正しく波形の照合を行うことができる。
合に用いる入力時系列データが必ずしも異常な過渡事象
あるいは事故等の開始時点から始まるデータでなかった
場合にも、事例データとの時間合わせを行うことにより
正しく波形の照合を行うことができる。
【００７１】ここで、以上の説明では、診断実行開始要
求を外部より与えられるものとしたが、信号入力部１に
おいてプラント信号の正常値の範囲をしきい値として設
定しておき、この範囲を逸脱したことをもって異常な過
渡事象あるいは事故等の発生を検知し、診断を開始する
ように構成することも可能である。
求を外部より与えられるものとしたが、信号入力部１に
おいてプラント信号の正常値の範囲をしきい値として設
定しておき、この範囲を逸脱したことをもって異常な過
渡事象あるいは事故等の発生を検知し、診断を開始する
ように構成することも可能である。
【００７２】また、候補事例群との波形照合に用いる信
号群の設定は事例データベース６においてではなく論理
データベース４において行うように構成することも可能
である。さらに、出力表示部７は、類似度の評価値が最
も大きい事例に対応する事象名とその類似度とを診断結
果として表示出力するようにすることも可能である。
号群の設定は事例データベース６においてではなく論理
データベース４において行うように構成することも可能
である。さらに、出力表示部７は、類似度の評価値が最
も大きい事例に対応する事象名とその類似度とを診断結
果として表示出力するようにすることも可能である。
【００７３】また、距離判定結果に対する評価重みＷik
として図４あるいは図１２のステップＳ３の処理で自動
的に設定された値をそのまま用いず、次の（５）式の条
件下で任意の値を設定するように構成することも可能で
ある。
として図４あるいは図１２のステップＳ３の処理で自動
的に設定された値をそのまま用いず、次の（５）式の条
件下で任意の値を設定するように構成することも可能で
ある。
【００７４】
【数５】
【００７５】つまり、各信号の評価重み値の合計が事例
毎に１になるように規格化した値になるように設定す
る。その場合、特定の信号に１以下の任意の値ｗを与
え、その他の信号には（１−ｗ）を比例配分した値を与
えるようにしても良い。この場合、特定の信号の時系列
データと事例データとの距離による判定結果に対する評
価重み値に任意の値を設定するできるので、個々の事例
データとの波形照合において注目すべき信号を指定でき
る。このため、様々な観点からの診断を行うことができ
る。
毎に１になるように規格化した値になるように設定す
る。その場合、特定の信号に１以下の任意の値ｗを与
え、その他の信号には（１−ｗ）を比例配分した値を与
えるようにしても良い。この場合、特定の信号の時系列
データと事例データとの距離による判定結果に対する評
価重み値に任意の値を設定するできるので、個々の事例
データとの波形照合において注目すべき信号を指定でき
る。このため、様々な観点からの診断を行うことができ
る。
【００７６】また、波形照合部１０における距離判定行
列の設定(図４あるいは図１２のステップＳ２の処理)に
おいては、距離評価結果Ｄ2 ik(Ｔ)がしきい値λを越え
ない場合に常にＪik＝１とするのではなく、最小の距離
を与える事例のみ、Ｄ2 ik(Ｔ)≦λであればＪik＝１と
するように構成することも可能である。
列の設定(図４あるいは図１２のステップＳ２の処理)に
おいては、距離評価結果Ｄ2 ik(Ｔ)がしきい値λを越え
ない場合に常にＪik＝１とするのではなく、最小の距離
を与える事例のみ、Ｄ2 ik(Ｔ)≦λであればＪik＝１と
するように構成することも可能である。
【００７７】これにより診断を行なった場合の一例を図
１３に示す。図１３(ａ)は図７(ａ)と同じ距離評価結果
の例であり、図１３(ｂ)は上記の方法により設定された
距離判定行列である。この結果に図９(ａ)で示したのと
同じ評価重みを適用した結果として、図１３(ｃ)に示す
ような類似度が得られる。
１３に示す。図１３(ａ)は図７(ａ)と同じ距離評価結果
の例であり、図１３(ｂ)は上記の方法により設定された
距離判定行列である。この結果に図９(ａ)で示したのと
同じ評価重みを適用した結果として、図１３(ｃ)に示す
ような類似度が得られる。
【００７８】
【発明の効果】以上説明したように、本発明のプラント
診断方法および装置によれば、多量の事例データを事前
に加工したり学習処理を行うこと無くそのまま用いて、
オンラインで逐次診断を行い、登録された事例の中から
生起している可能性の高い事象名を類似度と共に高い信
頼度で提供することができる。
診断方法および装置によれば、多量の事例データを事前
に加工したり学習処理を行うこと無くそのまま用いて、
オンラインで逐次診断を行い、登録された事例の中から
生起している可能性の高い事象名を類似度と共に高い信
頼度で提供することができる。
【図１】本発明の第１の実施の形態に係わるプラント診
断装置のブロック構成図。
断装置のブロック構成図。
【図２】本発明の第１の実施の形態に係わるプラント診
断装置の動作を示すフローチャート。
断装置の動作を示すフローチャート。
【図３】本発明の第１の実施の形態における論理データ
ベースの内容の説明図。
ベースの内容の説明図。
【図４】本発明の第１の実施の形態における時系列波形
判定部のブロック構成図。
判定部のブロック構成図。
【図５】本発明の第１の実施の形態における時系列波形
判定部の処理内容を示すフローチャート。
判定部の処理内容を示すフローチャート。
【図６】本発明の第１の実施の形態における事例データ
ベースの内容の説明図。
ベースの内容の説明図。
【図７】本発明の第１の実施の形態における距離評価結
果および距離判定行列の説明図。
果および距離判定行列の説明図。
【図８】本発明の第１の実施の形態における評価重みの
意味を説明する説明図。
意味を説明する説明図。
【図９】本発明の第１の実施の形態における評価重み設
定結果および類似度評価結果の説明図。
定結果および類似度評価結果の説明図。
【図１０】本発明の第２の実施の形態に係わるプラント
診断装置のブロック構成図。
診断装置のブロック構成図。
【図１１】本発明の第３の実施の形態に係わるプラント
診断装置における時系列波形判定部のブロック構成図。
診断装置における時系列波形判定部のブロック構成図。
【図１２】本発明の第３の実施の形態おける時系列波形
判定部の処理内容を示すフローチャート。
判定部の処理内容を示すフローチャート。
【図１３】本発明における距離判定行列設定結果および
類似度評価結果の一例の説明図。
類似度評価結果の一例の説明図。
１…信号入力部、２…時系列データ記憶部、３…論理判
定部、４…論理データベース、５…時系列波形判定部、
６…事例データベース、７…出力表示部、８…評価重み
設定部、９…評価重み保存部、１０…波形照合部、１１
…類似評価部、１２…時間補正部
定部、４…論理データベース、５…時系列波形判定部、
６…事例データベース、７…出力表示部、８…評価重み
設定部、９…評価重み保存部、１０…波形照合部、１１
…類似評価部、１２…時間補正部
───────────────────────────────────────────────────── フロントページの続き (72)発明者 廣瀬 行徳 神奈川県横浜市磯子区新杉田町８番地 株 式会社東芝横浜事業所内 Ｆターム(参考） 5H223 AA02 AA15 EE06
Claims (10)
- 【請求項１】 プラントより機器の動作状態を表わす信
号およびプロセス状態を表わす信号を逐次入力する信号
入力部と、前記機器の動作状態とプラント状態とを関連
付ける論理を予め格納した論理データベースと、前記機
器の動作状態を表わす信号および前記論理データベース
に格納された論理に基づいてプラント状態の候補事例群
を決定する論理判定部と、種々のプラント状態に対して
前記候補事例群毎に予め事例データを格納した事例デー
タベースと、前記プロセス状態を表す信号の時系列デー
タと前記候補事例群の事例データとの距離に基づいて類
似度を評価しプラント状態を診断する時系列波形判定部
と、前記診断結果を表示出力する出力表示部とを備えた
ことを特徴とするプラント診断装置。 - 【請求項２】 プラントより機器の動作状態を表わす信
号およびプロセス状態を表わす信号を逐次入力する信号
入力部と、種々のプラント状態に対して予め事例データ
を格納した事例データベースと、前記プロセス状態を表
す信号の時系列データと事例データとの距離に基づいて
類似度を評価しプラント状態を診断する時系列波形判定
部と、前記診断結果を表示出力する出力表示部とを備え
たことを特徴とするプラント診断装置。 - 【請求項３】 前記事例データベースは、事例群毎に前
記類似度の評価に使用する信号群を指定するデータと当
該事例群に含まれる個々の事例データとを有したことを
特徴とする請求項１または請求項２に記載のプラント診
断装置。 - 【請求項４】 前記時系列波形判定部は、前記事例デー
タベースに格納された事例データ相互の関係に基づいて
前記類似度の評価に用いる評価重み値を設定する評価重
み設定部と、前記評価重み設定部で設定された評価重み
値を格納する評価重み保存部と、前記信号入力部より入
力された時系列データと前記事例データとの距離を計算
する波形照合部と、前記距離が予め与えられたしきい値
を越えないと判定されたときはその判定結果の事例デー
タに対して設定された前記評価重み値を与え前記事例デ
ータ毎の評価重み値の合計を事例の類似度として評価す
る類似度評価部とを備えたことを特徴とする請求項１ま
たは請求項２に記載のプラント診断装置。 - 【請求項５】 前記時系列波形判定部は、前記事例デー
タベースに格納された事例データ相互の関係に基づいて
前記類似度の評価に用いる評価重み値を設定する評価重
み設定部と、前記評価重み設定部で設定された評価重み
値を格納する評価重み保存部と、前記信号入力部より入
力された時系列データと前記事例データとの距離を計算
する波形照合部と、最も小さい前記距離を与える事例デ
ータに対してその距離が予め与えられたしきい値を越え
ないと判定されたときはその判定結果に対して設定され
た前記評価重み値を与え前記事例データ毎の評価重み値
の合計を事例の類似度として評価する類似度評価部とを
備えたことを特徴とする請求項１または請求項２に記載
のプラント診断装置。 - 【請求項６】 前記評価重み設定部は、信号毎の時系列
データと一つの事例データとの距離の判定結果に対する
評価重み値を、当該事例データおよび当該事例データと
最も類似した事例データとの間の距離に比例し、かつ各
信号の評価重み値の合計が事例毎に１になるように規格
化した値に設定することを特徴とする請求項４または請
求項５に記載のプラント診断装置。 - 【請求項７】 前記評価重み設定部は、特定の信号に１
以下の任意の値ｗを与え、その他の信号には（１−ｗ）
を比例配分した値を与えることを特徴とする請求項６に
記載のプラント診断装置。 - 【請求項８】 前記時系列波形判定部は、前記波形照合
部における時系列データと事例データとの距離の評価に
先立ち、指定された信号に対して事例データの距離評価
開始点を予め設定された時間の範囲で前後に移動させて
距離を評価し、最も小さな距離を与える評価開始点を決
定する時間補正部を有したことを特徴とする請求項４ま
たは請求項５に記載のプラント診断装置。 - 【請求項９】 前記出力表示部は、前記時系列波形判定
部より出力される時系列データと事例データとの類似度
の評価値を大きい順に、予め指定した数の事例に対応す
る事象名とその類似度とを診断結果として表示出力する
ことを特徴とする請求項１または請求項２に記載のプラ
ント診断装置。 - 【請求項１０】 前記出力表示部は、前記時系列波形判
定部より出力される時系列データと事例データとの類似
度の評価値が最も大きい事例に対応する事象名とその類
似度とを診断結果として表示出力することを特徴とする
請求項１または請求項２に記載のプラント診断装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2000286566A JP3631118B2 (ja) | 2000-09-21 | 2000-09-21 | プラント診断装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2000286566A JP3631118B2 (ja) | 2000-09-21 | 2000-09-21 | プラント診断装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2002099319A true JP2002099319A (ja) | 2002-04-05 |
| JP3631118B2 JP3631118B2 (ja) | 2005-03-23 |
Family
ID=18770471
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2000286566A Expired - Fee Related JP3631118B2 (ja) | 2000-09-21 | 2000-09-21 | プラント診断装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP3631118B2 (ja) |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2005257416A (ja) * | 2004-03-10 | 2005-09-22 | Internatl Business Mach Corp <Ibm> | 診断装置、検出装置、制御方法、検出方法、プログラム、及び記録媒体 |
| WO2008114863A1 (ja) * | 2007-03-22 | 2008-09-25 | Nec Corporation | 診断装置 |
| JP2011100211A (ja) * | 2009-11-04 | 2011-05-19 | Sharp Corp | 異常判定装置、異常判定方法、異常判定プログラム、および、このプログラムを記録したプログラム記録媒体 |
| JP2014164055A (ja) * | 2013-02-22 | 2014-09-08 | Mitsubishi Heavy Ind Ltd | 運転操作評価装置、運転操作評価方法および運転操作評価プログラム |
| WO2015037066A1 (ja) * | 2013-09-11 | 2015-03-19 | 株式会社日立製作所 | プラント事故時運転支援システム及びプラント事故時運転支援方法 |
| US9122273B2 (en) | 2010-02-26 | 2015-09-01 | Hitachi, Ltd. | Failure cause diagnosis system and method |
| WO2017104305A1 (ja) * | 2015-12-16 | 2017-06-22 | 三菱電機株式会社 | 故障診断装置および故障診断方法 |
| JP2020003871A (ja) * | 2018-06-25 | 2020-01-09 | 東芝三菱電機産業システム株式会社 | 鉄鋼プラント用監視作業支援システム |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP5431235B2 (ja) | 2009-08-28 | 2014-03-05 | 株式会社日立製作所 | 設備状態監視方法およびその装置 |
| JP5778087B2 (ja) | 2012-06-19 | 2015-09-16 | 横河電機株式会社 | プロセス監視システム及び方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH05126980A (ja) * | 1991-11-05 | 1993-05-25 | Babcock Hitachi Kk | 異常診断支援装置 |
| JPH05256741A (ja) * | 1992-03-11 | 1993-10-05 | Toshiba Corp | プラント信号監視方法およびその装置 |
| JPH06274784A (ja) * | 1993-03-24 | 1994-09-30 | Asahi Chem Ind Co Ltd | プラント監視診断装置およびその異常徴候識別方法 |
| JPH0784636A (ja) * | 1993-09-10 | 1995-03-31 | Hitachi Ltd | プロセスデータ収集・監視方法及び装置 |
| JPH1026580A (ja) * | 1996-05-08 | 1998-01-27 | Nippon Steel Corp | 変速型回転機械設備の診断方法および装置 |
-
2000
- 2000-09-21 JP JP2000286566A patent/JP3631118B2/ja not_active Expired - Fee Related
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH05126980A (ja) * | 1991-11-05 | 1993-05-25 | Babcock Hitachi Kk | 異常診断支援装置 |
| JPH05256741A (ja) * | 1992-03-11 | 1993-10-05 | Toshiba Corp | プラント信号監視方法およびその装置 |
| JPH06274784A (ja) * | 1993-03-24 | 1994-09-30 | Asahi Chem Ind Co Ltd | プラント監視診断装置およびその異常徴候識別方法 |
| JPH0784636A (ja) * | 1993-09-10 | 1995-03-31 | Hitachi Ltd | プロセスデータ収集・監視方法及び装置 |
| JPH1026580A (ja) * | 1996-05-08 | 1998-01-27 | Nippon Steel Corp | 変速型回転機械設備の診断方法および装置 |
Cited By (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7720640B2 (en) | 2004-03-10 | 2010-05-18 | International Business Machines Corporation | Diagnostic data detection and control |
| JP2005257416A (ja) * | 2004-03-10 | 2005-09-22 | Internatl Business Mach Corp <Ibm> | 診断装置、検出装置、制御方法、検出方法、プログラム、及び記録媒体 |
| JP5299267B2 (ja) * | 2007-03-22 | 2013-09-25 | 日本電気株式会社 | 診断装置 |
| WO2008114863A1 (ja) * | 2007-03-22 | 2008-09-25 | Nec Corporation | 診断装置 |
| CN102354204A (zh) * | 2007-03-22 | 2012-02-15 | 日本电气株式会社 | 诊断装置 |
| US8370108B2 (en) | 2007-03-22 | 2013-02-05 | Nec Corporation | Diagnostic device |
| JP2011100211A (ja) * | 2009-11-04 | 2011-05-19 | Sharp Corp | 異常判定装置、異常判定方法、異常判定プログラム、および、このプログラムを記録したプログラム記録媒体 |
| US9122273B2 (en) | 2010-02-26 | 2015-09-01 | Hitachi, Ltd. | Failure cause diagnosis system and method |
| JP2014164055A (ja) * | 2013-02-22 | 2014-09-08 | Mitsubishi Heavy Ind Ltd | 運転操作評価装置、運転操作評価方法および運転操作評価プログラム |
| WO2015037066A1 (ja) * | 2013-09-11 | 2015-03-19 | 株式会社日立製作所 | プラント事故時運転支援システム及びプラント事故時運転支援方法 |
| GB2536567A (en) * | 2013-09-11 | 2016-09-21 | Hitachi Ltd | System for supporting operation during plant accidents and method for supporting operation during plant accidents |
| JPWO2015037066A1 (ja) * | 2013-09-11 | 2017-03-02 | 株式会社日立製作所 | プラント事故時運転支援システム及びプラント事故時運転支援方法 |
| WO2017104305A1 (ja) * | 2015-12-16 | 2017-06-22 | 三菱電機株式会社 | 故障診断装置および故障診断方法 |
| JP2020003871A (ja) * | 2018-06-25 | 2020-01-09 | 東芝三菱電機産業システム株式会社 | 鉄鋼プラント用監視作業支援システム |
| JP7031512B2 (ja) | 2018-06-25 | 2022-03-08 | 東芝三菱電機産業システム株式会社 | 鉄鋼プラント用監視作業支援システム |
Also Published As
| Publication number | Publication date |
|---|---|
| JP3631118B2 (ja) | 2005-03-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Iqbal et al. | Fault detection and isolation in industrial processes using deep learning approaches | |
| CN104471501B (zh) | 用于设备状态监测中故障诊断的归纳的模式识别 | |
| Hart et al. | Evaluating black-boxes as medical decision aids: issues arising from a study of neural networks | |
| JP5284503B2 (ja) | 予測的状態監視のための診断システムおよび方法 | |
| JP6362808B1 (ja) | 情報処理装置および情報処理方法 | |
| EP2905665A2 (en) | Information processing apparatus, diagnosis method, and program | |
| JP3927400B2 (ja) | 動作しているシステムの正常性を監視する方法およびシステムの正常性をシステム間で比較する方法 | |
| CN111079836A (zh) | 基于伪标签方法和弱监督学习的过程数据故障分类方法 | |
| JP2001502831A (ja) | 測定可能な時系列の統計的依存性の分類方法 | |
| JPH08234832A (ja) | プラント監視診断装置および方法 | |
| CN109964182A (zh) | 用于车辆分析的方法和系统 | |
| Ghomi et al. | Recognition of unnatural patterns in process control charts through combining two types of neural networks | |
| Ni et al. | Systematic approach for validating traffic simulation models | |
| JP3631118B2 (ja) | プラント診断装置 | |
| US6292738B1 (en) | Method for adaptive detection of engine misfire | |
| JP7238378B2 (ja) | 異常検出装置、異常検出プログラム、及び、異常検出方法 | |
| Zakharova et al. | Visual Classification of Data Sets with the Assistance of Experts in the Problems of Intelligent Agents Learning for Incompletely Automated Control Systems | |
| CN116089196A (zh) | 智能性水平分析评估方法及装置、计算机可读存储介质 | |
| CN108921434A (zh) | 一种通过人机交互完成用户能力预测的方法 | |
| JP2022068690A (ja) | 意思決定支援装置 | |
| CN104516858A (zh) | 一种非线性动力学行为分析的相图矩阵方法 | |
| Rashid et al. | Machine learning and software quality prediction: as an expert system | |
| EP0525592A2 (en) | Information processing system using fractal dimension | |
| CN111160454B (zh) | 一种速变信号检测方法和装置 | |
| US11783233B1 (en) | Detection and visualization of novel data instances for self-healing AI/ML model-based solution deployment |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20040519 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20040525 |
|
| A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20040726 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20041214 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20041215 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20071224 Year of fee payment: 3 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20081224 Year of fee payment: 4 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20091224 Year of fee payment: 5 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20091224 Year of fee payment: 5 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20101224 Year of fee payment: 6 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20111224 Year of fee payment: 7 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20121224 Year of fee payment: 8 |
|
| LAPS | Cancellation because of no payment of annual fees |