JP2003015877A - 事例ベース推論方法および事例ベース推論装置 - Google Patents
事例ベース推論方法および事例ベース推論装置Info
- Publication number
- JP2003015877A JP2003015877A JP2001196378A JP2001196378A JP2003015877A JP 2003015877 A JP2003015877 A JP 2003015877A JP 2001196378 A JP2001196378 A JP 2001196378A JP 2001196378 A JP2001196378 A JP 2001196378A JP 2003015877 A JP2003015877 A JP 2003015877A
- Authority
- JP
- Japan
- Prior art keywords
- data
- similarity
- case
- cases
- process data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Landscapes
- Testing And Monitoring For Control Systems (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
具合事例を自動的に抽出し、迅速な不具合発生原因の解
明および対処方法の決定を支援することができる事例ベ
ース推論方法および推論装置を提供する。 【解決手段】 監視対象から得られたプロセスデータを
定性化処理し、得られた定性化データと全事例の定性化
データとの類似度を算出し、前記全事例のうち一定の類
似度を有するものについて、類似度の高い順にその事例
データを抽出するものである。
Description
法および事例ベース推論装置に関する。さらに詳しく
は、監視対象や監視対象システムなどに不具合が発生し
たときにより適切な類似過去事例を抽出するための事例
ベース推論方法および事例ベース推論装置に関する。
航空機、自動車、鉄道車両および船舶などの移動体、な
らびにロボットというような、悪環境下での連続運転が
要求されることが多い設備や機械においては、故障や不
具合(以下、単に不具合という)の発生は避けがたい。
したがって、このような設備や機械においては、操業停
止などによる損害を最小限に抑制するように、発生した
不具合に迅速に対処するためのメンテナンスが重要とさ
れる。
や機械において不具合が発生した際には、不具合発生の
原因を探究するために、あるいは発生した不具合への対
処方法を決定するため、過去の不具合事例が資料として
用いられるのが通常である。ところが、そのような資料
は、従来、書面として管理されることが多く、このよう
な場合、不具合の発生に即応して適切な事例を抽出する
ことは資料が膨大となるにつれて困難になっていく。
外に、不具合発生の際のメンテナンス実施態様としては
下記のようなものがある。
や機械の各種運転データを公衆回線を介して遠隔監視装
置により常時収集し、不具合発生時のエラーメッセージ
および不具合発生直前の所定時間内における運転データ
に基づいて、保守要員や関連技術者(以下、両者を含め
て調整員と称する)が不具合発生の原因を探究する。
て、検査および調整のための運転を行い、過去の不具合
事例や自らの経験に基づき不具合発生の原因を探究す
る。
データベース化し、このデータベースの中から各調整員
がキーワード検索等によって適切な事例を見つけ出し、
不具合発生の原因を探究する。
テムがプラント施設などである場合は特に収集されるデ
ータ点数が多く、全てのデータを観察し、不具合発生の
原因を探究するのに膨大な時間を要するという問題があ
る。
などの調整員個人の能力によって不具合発生原因の探究
力が左右されることになり、安定性に欠けるという問題
がある。
の不具合事例を蓄積することによって、調整員相互で経
験・知識を共有することができるという利点はある。と
ころが、事例が蓄積されるにつれてデータベースが膨大
となり、調整員が短時間で適切な事例を探索するのが困
難になるという問題がある。
な事例を自動的に抽出するシステムが必要とされる。
平10−275082号公報記載の事例ベース推論シス
テムは、新規に発生した不具合のエラーログおよび運転
データと過去の不具合事例のエラーログおよび運転デー
タとを比較して、各過去事例の新規事例との類似度を算
出し、算出された各類似度に基づき信頼度関数を作成し
て、ある閾値以上の類似度をもつ過去事例の中から信頼
度の高いものを順次抽出していくものとしている。
プラントなどの運転データ(以下、プロセスデータとい
う)は、外気環境などの各種要因に応じて各プロセスデ
ータ相互の関係が変化するとともに、不具合発生時にお
けるプロセスデータの挙動・変動の態様も大きく変化し
てしまう。このようないわゆる動的データにおいて、各
プロセスデータを定量的に比較して前掲の類似度を算出
するものとした場合、前掲の各種要因の影響を除去する
のは事実上不可能であることから、算出される類似度に
不可避的に無視し得ない誤差が含まれるのが通常であ
る。
度および不具合事例の種類との関係により作成されるた
め、この信頼度関数にも誤差が含まれることとなり、し
たがってこの信頼度関数を用いて演算される信頼度にも
誤差が含まれることになるため、このような定量的手法
により算出される類似度および信頼度を用いては、適切
な事例を選出することは困難であるといえる。
術の課題に鑑みなされたものであって、従来の定量的手
法によらず定性的手法により不具合事例を分析するよう
にして、新規の不具合事例に類似する適切な過去の不具
合事例を自動的に抽出し、迅速な不具合発生原因の解明
および対処方法の決定を支援することができる事例ベー
ス推論方法および推論装置を提供することを主たる目的
とし、それらの事例ベース推論方法および推論装置を用
いた診断方法および診断装置を提供することをも目的と
している。
態様は、監視対象から得られたプロセスデータを定性化
処理し、得られた定性化データと全事例の定性化データ
との類似度を算出し、前記全事例のうち一定の類似度を
有するものについて、類似度の高い順にその事例データ
を抽出することを特徴とする事例ベース推論方法に関す
る。
から得られたプロセスデータを定性化処理し、得られた
定性化データと全事例の定性化データとの類似度を算出
し、前記全事例のうち一定の類似度を有するものについ
て、類似度の高い順にその事例データを抽出し、その抽
出された事例データに基づいて監視対象の診断をなすこ
とを特徴とする診断方法に関する。
ータから波高率および変動率を算出し、得られた波高率
および変動率を閾値処理してパターン化することによ
り、前記プロセスデータが定性化処理されるのが好まし
い。
ロセスデータおよび事例データに音響データおよび/ま
たは画像データが含まれているのが好ましい。
から得られたプロセスデータを定性化処理し、得られた
定性化データと全事例の定性化データとの類似度を算出
し、前記全事例のうち一定の類似度を有するものについ
て、類似度の高い順にその事例データを抽出するよう構
成されてなることを特徴とする事例ベース推論装置に関
する。
から得られたプロセスデータを定性化処理し、得られた
定性化データと全事例の定性化データとの類似度を算出
し、前記全事例のうち一定の類似度を有するものについ
て、類似度の高い順にその事例データを抽出し、その抽
出された事例データに基づいて監視対象の診断をなすよ
う構成されてなることを特徴とする診断装置に関する。
ータから波高率および変動率を算出し、得られた波高率
および変動率を閾値処理してパターン化することによ
り、前記プロセスデータが定性化処理されるのが好まし
い。
ロセスデータおよび事例データに音響データおよび/ま
たは画像データが含まれているのが好ましい。
ータに事例推論をなさしめるためのコンピュータプログ
ラムであって、監視対象から得られたプロセスデータを
定性化処理する手順と、得られた定性化データと全事例
の定性化データとの類似度を算出する手順と、前記全事
例のうち一定の類似度を有するものについて、類似度の
高い順にその事例データを抽出する手順とを含んでなる
ことを特徴とするコンピュータプログラムに関する。
ータに監視対象の診断をなさしめるためのコンピュータ
プログラムであって、監視対象から得られたプロセスデ
ータを定性化処理する手順と、得られた定性化データと
全事例の定性化データとの類似度を算出する手順と、前
記全事例のうち一定の類似度を有するものについて、類
似度の高い順にその事例データを抽出する手順と、その
抽出された事例データに基づいて監視対象の診断をなす
手順とを含んでなることを特徴とするコンピュータプロ
グラムに関する。
する手順が、プロセスデータから波高率および変動率を
算出する手順と、得られた波高率および変動率を閾値処
理してパターン化する手順とを含んでなるのが好まし
い。
ロセスデータおよび事例データに音響データおよび/ま
たは画像データが含まれているのが好ましい。
ムは、記録媒体に格納される。
の如く構成されているので、過去の全事例の中から類似
度の高い事例を迅速に推論することができる。また、本
発明の診断方法および診断装置は、前記の如く構成され
ているので、過去の事例に基づいて迅速に監視対象の不
具合の診断がなし得る。
発明を実施形態に基づいて説明するが、本発明はかかる
実施形態のみに限定されるものではない。
ース推論方法が適用されるメンテナンスシステムの概略
構成を示し、このメンテナンスシステムAは、例えば発
電プラントで用いられるガスタービンの運転状態を監視
し、このような監視対象システムBに故障等の不具合が
発生したときに、過去の不具合事例の中から適切な不具
合事例を自動的に抽出するようにして、オペレータが迅
速に不具合発生の原因を解明しその対処方法を決定でき
るように支援するためのシステムとされる。
データ収集部10と、データ処理部20と、推論部30
と、推論結果を表示する表示部40と、新規の不具合事
例に関するデータに所定の定性化処理を実施してデータ
ベースに登録する登録部50とを主要構成要素として備
えてなるものとされる。
のプロセスデータを収集する。
ムBの各部の状態を表すデータであって、例えばガスタ
ービンの排気温度、圧縮機の潤滑油圧力、排気ガス流量
および振動などの各種状態量の変化を時系列的に記録し
たデータとされる。
ータは、その時点までの一定期間内のものがプロセスデ
ータ格納部11に格納される。また、データ収集部10
で収集される情報には、故障時に発生する異音などを記
録した音響情報および故障状態を視覚的に記録した画像
情報が含まれるものとされる。
より収集されたプロセスデータに所定の定性化処理を実
施して定性化データを生成する。この定性化処理につい
ては後で詳しく説明する。このデータ処理部20により
生成された定性化データは、定性化データ格納部21に
格納される。
って、新規に発生した不具合の定性化データを用いて事
例データベース51に格納されている過去の不具合事例
の中から新規の不具合事例に類似する各事例を抽出する
ための推論処理を実施する。推論部30が実施する推論
処理についても後で詳しく説明する。また、推論部30
における推論結果は、推論結果格納部31に格納され
る。
された各データを表示する。
オペレータが事例データとして事例データベース51に
登録するのが適当か否かを判断した判断結果に応じて、
新規の不具合に関するデータを事例データとして事例デ
ータベース51に登録する。
示す。この構成では、各事例毎の各項目に対応する情報
を記録する情報記録部31aと、データ収集部10によ
り収集された前掲の音響情報および画像情報を記録する
音響・画像情報記録部31bと、データ収集部10を経
てデータ処理部20により生成された定性化データを記
録する定性化データ記録部31cとが設けられるものと
される。
テムAが実施する各処理を概略的に説明する。
セスデータを収集する。
プロセスデータを用いて当該新規不具合について定性化
データを生成する定性化処理を実施する。以下、定性化
処理を具体的に説明する。
に、1つのプロセスデータC(例えば、ガスタービンの
排気温度)が不具合の発生時刻t0の直前に突出部Dを
形成するように増加し、その後、時刻t5までに急速に
減少するように変化した場合を考える。ここで、任意の
時刻tにおけるプロセスデータCの値をx(t)で表
し、時刻t0とそれ以前の所定時刻t2との期間を符号T
S1で表し、時刻t0以前で時刻t2以後の所定時刻t
1と、時刻t2以前の所定時刻t3との期間を符号TS2で
表し、時刻t1と、時刻t3以前の所定時刻t4との期間
を符号TS3で表すものとする。
(3)により、各期間TS1,TS2,TS3毎の上方向
および下方向の各波高率αU,αDおよび変動率βを算出
する。
n(n:n=1、2、・・・)におけるx(t)の最大
値、xmin(TSn):期間TSnにおけるx(t)の最
小値、ave.x(TSn):期間TSnにおけるx
(t)の平均値、σx(TSn):期間TSnにおけるx
(t)の偏差値をそれぞれ表すものとする。
が、突発的・一時的に変化する突出部(突辺)の有無を
判断するために用いる無次元量の指標であり、上方向波
高率α Uは、プロセスデータCの上方向への突出部(突
辺)の有無を示す指標、下方向波高率αDは、プロセス
データCの下方向への突辺の有無を示す指標として用い
られる。
TS3内においてプロセスデータCが変化する傾向を有
するか否かを判断するのに用いる指標である。また、プ
ロセスデータCが変化していく方向は、下記式(4)に
より算出される方向指標γの符号により判断される。す
なわち、指標γが正であれがプロセスデータCは増大す
る傾向を有するものと判断され、負であれば減少する傾
向を有するものと判断される。
刻を示し、時刻tnは、期間TSnの開始時刻を示す。
は、それぞれ所定の閾値が定められており、データ処理
部20は、各波高率αU,αDがその閾値を超えたときに
は、プロセスデータCについて期間TSn内に各波高率
αU,αDに対応する方向への突辺が発生したものと判断
し、変動率βがその閾値を超えたときには方向指標γに
より示される方向に変化する傾向があるものと判断す
る。
果得られる定性化データを示す。図4に示すプロセスデ
ータCにおいては、期間TS1に上方向への突辺がある
ものと判断され、その他の期間TS2,TS3については
突辺は発生しなかったものと判断される。
TS1、TS2、TS3を通じて上方向への変化傾向があ
ったものと判断される。
毎の挙動・変動の様子が分析されて、新規不具合事例に
ついての定性化データが生成される。
ら、過去の各不具合事例の定性化データを読み出す。
ついて、新規の不具合事例との類似度を算出するための
推論処理を実施する。以下、推論処理を説明する。
て過去の各不具合事例(以下、過去事例という)につい
て新規の不具合事例(以下、新規事例という)との類似
度を算出する処理で、具体的には、下記のようにして実
施される(図6参照)。
ータCの波高率αおよび変動率βの変化パターンが、新
規事例のプロセスデータCの波高率αおよび変動率βの
変化パターンと一致するか否かを判定する。波高率αお
よび変動率βの変化のパターンが一致すれば当該プロセ
スデータCの一致した数(以下、一致数という)を1増
加させる。
スデータCの一致数を加算して、下記式(5)により当
該過去事例の新規事例に対する類似度を算出する。
例を全て抽出する。
去事例(以下、抽出過去事例という)の中で類似度の高
いものから順次、事例データベース51に格納された各
データ(事例データ)を読み出す。
て事例データベース51から事例データの読み出しが行
われたか否かを判定する。読み出し未了の抽出過去事例
があればステップS4の手順(4)に戻る。全ての抽出
過去事例について事例データの読み出しが終了していれ
ば次のステップS6に進む。
示する。例えば、類似度の高い数例の事例データを表示
する。
して事例データベースに登録するのが適当か否かを判断
する。
ップS7における判断の結果に応じて新規事例について
各種情報を事例データベース51に格納し、処理を終了
する。
テムAによれば、監視対象システムBから収集されるプ
ロセスデータを定性的手法によって分析した定性化デー
タを用いて、新規事例と過去事例との類似度が算出され
るので、外気環境の変化などに起因する誤差の影響を排
除してより信頼性の高い態様で類似度を算出することが
可能となる。また、定性化データを用いて推論処理を行
うので、例えば監視対象システムBに同一性がない場合
にも相似性のある同種のシステムにおいて、事例データ
ベース51に蓄積された定性化データを用いて推論処理
を実施することが可能となる。
高い事例データに基づいて解析することにより、その監
視対象システムBの不具合を原因を探ることができる。
つまり、監視対象システムBの診断が可能となる。
タCの時系列データとされるので、不具合発生の原因に
ついてより豊富な情報を得ることが可能となる。例え
ば、不具合発生の際には前もって兆候が現れるのが通常
であるから、不具合発生以前の適当な期間の各プロセス
データCの挙動・変動を観察することによって故障や不
具合の発生を未然に防止することも可能となる。
体的に説明する。
に不具合が発生した事例において、不具合発生の所定時
間前の時刻t1N-1から時刻t0までの各期間TS1N、・
・・、TS13、TS12、TS11に計測された、排気平均
温度C1、吸気温度C2および軸振動C3の各プロセスデ
ータの変化の様子を示している。
C1,C2,C3を定性化した定性化データを示す。
ついては、各期間TS11、TS12において下方向への突
辺の発生および下方向への変動があったものと分析さ
れ、それ以外の期間TS3〜TS1Nには突辺の発生およ
び変動はなかったものと分析される。
間TS1N〜TS11を通じて突辺の発生および変動はなか
ったものと分析される。
間TS1N〜TS11を通じて突辺の発生および変動はなか
ったものと分析される。
温度センサに不具合が発生した事例についての定性化デ
ータが生成される。また、この事例データにより、かか
る定性化データが得られたガスタービンなどの監視対象
システムについては、排気温度センサに不具合があると
診断できる。
事例において、不具合発生の所定時間前の時刻t2N-1か
ら時刻t0までの各期間TS2N、・・・、TS2 3、TS
22、TS21に計測された、3つの排気温度センサが出力
する温度C11、C12、C13の各プロセスデータの変化の
様子を示している。
11,C12,C13を定性化した定性化データを示す。
については、全ての期間TS1N〜TS11を通じて突辺の
発生および変動はなかったものと分析される。
S21、TS22、TS23において下方向への突辺の発生お
よび下方向への変動があったものと分析され、それ以外
の期間TS24〜TS2Nには突辺の発生および変動はなか
ったものと分析される。
間TS2N〜TS21を通じて突辺の発生および変動はなか
ったものと分析される。
が発生した事例についての定性化データが生成される。
また、この事例データにより、かかる定性化データが得
られたガスタービンなどの監視対象システムについて
は、失火が発生したと診断できる。
度センサに断線が発生した事例において、不具合発生の
所定時間前の時刻t3N-1から時刻t0までの各期間TS
4N、・・・、TS43、TS42、TS41に計測された、軸
振動C31、発電出力C32およびベアリング温度C33の各
プロセスデータの変化の様子を示している。
31,C32,C33を定性化した定性化データを示す。
については、全ての期間TS4N〜TS41を通じて突辺の
発生および変動はなかったものと分析される。
間TS4N〜TS41を通じて突辺の発生および変動はなか
ったものと分析される。
41に下方向への突辺の発生および上方向への変動があっ
たものと分析され、各期間TS42、TS43に上方向への
突辺の発生および上方向への変動があったものと分析さ
れ、それ以外の期間TS44〜TS4Nには突辺の発生およ
び変動はなかったものと分析される。
断線が発生した事例についての定性化データが生成され
る。また、この事例データにより、かかる定性化データ
が得られたガスタービンなどの監視対象システムについ
ては、ベアリング温度センサに断線が発生したと診断で
きる。
滑油フィルタに異常が発生した事例において、不具合発
生の所定時間前の時刻t5N-1から時刻t0までの各期間
TS5N、・・・、TS53、TS52、TS51に計測され
た、圧縮機排ガス温度C41、ガス圧力C42および潤滑油
圧力C43の各プロセスデータの変化の様子を示してい
る。
41,C42,C43を定性化した定性化データを示す。
については、全ての期間TS5N〜TS51を通じて突辺の
発生および変動はなかったものと分析される。
間TS5N〜TS51を通じて突辺の発生および変動はなか
ったものと分析される。
S51、TS52に下方向への変動があったものと分析さ
れ、それ以外の各期間TS42に上方向への突辺の発生お
よび上方向への変動があったものと分析され、それ以外
の各期間TS5N〜TS53には変動はなかったものと分析
される。また、全ての期間TS5N〜TS51を通じて突辺
の発生はなかったものと分析される。
タに異常が発生した事例についての定性化データが生成
される。また、この事例データにより、かかる定性化デ
ータが得られたガスタービンなどの監視対象システムに
ついては、ガス圧縮機潤滑油フィルタに異常が発生した
と診断できる。
が損傷した事例において、不具合発生の所定時間前の時
刻t6N-1から時刻t0までの各期間TS6N、・・・、T
S63、TS62、TS61に計測された、吸気温度C51、吸
気圧力C52およびフィルタ差圧C53の各プロセスデータ
の変化の様子を示している。
51,C52,C53を定性化した定性化データを示す。
については、全ての期間TS6N〜TS61を通じて突辺の
発生および変動はなかったものと分析される。
間TS6N〜TS61を通じて突辺の発生および変動はなか
ったものと分析される。
間TS6N〜TS61を通じて上方向への突辺の発生および
上方向への変動があったものと分析される。
事例についての定性化データが生成される。また、この
事例データによりかかる定性化データが得られたガスタ
ービンなどの監視対象システムについては、吸気フィル
タが損傷したと診断できる。
いて説明してきたが、本発明はかかる実施形態および実
施例に限定されるものではなく、種々改変が可能であ
る。例えば、実施形態および実施例においては監視対象
システムを例に取り説明されていが、本発明の適用は監
視対象システムなどのシステムに限定されるものではな
く、単体機器であってもよい。
プロセスデータ格納部に格納されたデータを逐次データ
処理部に送信して処理するようにしているが、航空機の
運航データのように、データ収集部で収集しプロセスデ
ータ格納部に格納した後にデータ処理部に逐次送信して
処理することができないプロセスデータについては、1
運航データごとにまとめてバッチ処理するようにしても
よい。
方法および推論装置によれば、過去の全事例の中から類
似度の高い事例を迅速に推論することができるという優
れた効果が得られる。
よれば、過去の事例に基づいて迅速に監視対象の不具合
の診断がなし得るという優れた効果が得られる。
が適用されるメンテナンスシステムの概略構成を示すブ
ロック図である。
データ例を示すテーブル図である。
の手順を示す流れ図である。
すグラフ図である。
タを示す模式図である。
の説明図である。
るプロセスデータの変動例を示すグラフ図である。
タを示すテーブル図である。
ロセスデータの変動例を示すグラフ図である。
ータを示すテーブル図である。
例におけるプロセスデータの変動例を示すグラフ図であ
る。
ータを示すテーブル図である。
事例におけるプロセスデータの変動例を示すグラフ図で
ある。
ータを示すテーブル図である。
プロセスデータの変動例を示すグラフ図である。
ータを示すテーブル図である。
Claims (13)
- 【請求項1】 監視対象から得られたプロセスデータを
定性化処理し、得られた定性化データと全事例の定性化
データとの類似度を算出し、前記全事例のうち一定の類
似度を有するものについて、類似度の高い順にその事例
データを抽出することを特徴とする事例ベース推論方
法。 - 【請求項2】 監視対象から得られたプロセスデータを
定性化処理し、得られた定性化データと全事例の定性化
データとの類似度を算出し、前記全事例のうち一定の類
似度を有するものについて、類似度の高い順にその事例
データを抽出し、その抽出された事例データに基づいて
監視対象の診断をなすことを特徴とする診断方法。 - 【請求項3】 プロセスデータから波高率および変動率
を算出し、得られた波高率および変動率を閾値処理して
パターン化することにより、前記プロセスデータが定性
化処理されることを特徴とする請求項1または2記載の
方法。 - 【請求項4】 プロセスデータおよび事例データに音響
データおよび/または画像データが含まれていることを
特徴とする請求項1または2記載の方法。 - 【請求項5】 監視対象から得られたプロセスデータを
定性化処理し、得られた定性化データと全事例の定性化
データとの類似度を算出し、前記全事例のうち一定の類
似度を有するものについて、類似度の高い順にその事例
データを抽出するよう構成されてなることを特徴とする
事例ベース推論装置。 - 【請求項6】 監視対象から得られたプロセスデータを
定性化処理し、得られた定性化データと全事例の定性化
データとの類似度を算出し、前記全事例のうち一定の類
似度を有するものについて、類似度の高い順にその事例
データを抽出し、その抽出された事例データに基づいて
監視対象の診断をなすよう構成されてなることを特徴と
する診断装置。 - 【請求項7】 プロセスデータから波高率および変動率
を算出し、得られた波高率および変動率を閾値処理して
パターン化することにより、前記プロセスデータが定性
化処理されることを特徴とする請求項5または6記載の
装置。 - 【請求項8】 プロセスデータおよび事例データに音響
データおよび/または画像データが含まれていることを
特徴とする請求項5または6記載の装置。 - 【請求項9】 コンピュータに事例推論をなさしめるた
めのコンピュータプログラムであって、 監視対象から得られたプロセスデータを定性化処理する
手順と、 得られた定性化データと全事例の定性化データとの類似
度を算出する手順と、 前記全事例のうち一定の類似度を有するものについて、
類似度の高い順にその事例データを抽出する手順とを含
んでなることを特徴とするコンピュータプログラム。 - 【請求項10】 コンピュータに監視対象の診断をなさ
しめるためのコンピュータプログラムであって、 監視対象から得られたプロセスデータを定性化処理する
手順と、 得られた定性化データと全事例の定性化データとの類似
度を算出する手順と、 前記全事例のうち一定の類似度を有するものについて、
類似度の高い順にその事例データを抽出する手順と、 その抽出された事例データに基づいて監視対象の診断を
なす手順とを含んでなることを特徴とするコンピュータ
プログラム。 - 【請求項11】 定性化処理する手順が、プロセスデー
タから波高率および変動率を算出する手順と、得られた
波高率および変動率を閾値処理してパターン化する手順
とを含んでなることを特徴とする請求項9または10記
載のコンピュータプログラム。 - 【請求項12】 プロセスデータおよび事例データに音
響データおよび/または画像データが含まれていること
を特徴とする請求項9または10記載のコンピュータプ
ログラム。 - 【請求項13】 請求項9ないし請求項12のいずれか
一項に記載のコンピュータプログラムが格納されてなる
ことを特徴とする記録媒体。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2001196378A JP2003015877A (ja) | 2001-06-28 | 2001-06-28 | 事例ベース推論方法および事例ベース推論装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2001196378A JP2003015877A (ja) | 2001-06-28 | 2001-06-28 | 事例ベース推論方法および事例ベース推論装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2003015877A true JP2003015877A (ja) | 2003-01-17 |
Family
ID=19034200
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2001196378A Pending JP2003015877A (ja) | 2001-06-28 | 2001-06-28 | 事例ベース推論方法および事例ベース推論装置 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2003015877A (ja) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005267350A (ja) * | 2004-03-19 | 2005-09-29 | Nippon Steel Corp | トラブル解決装置、トラブル解決方法、コンピュータプログラム及び記録媒体 |
JP2012069106A (ja) * | 2010-09-23 | 2012-04-05 | Fisher-Rosemount Systems Inc | プロセス制御システムに検索サービスを提供するためのシステム、方法、および製品 |
US8522078B2 (en) | 2008-03-27 | 2013-08-27 | Fujitsu Limited | Trouble coping method for information technology system |
US8554403B2 (en) | 2008-12-10 | 2013-10-08 | Honda Motor Co., Ltd. | Vehicle failure diagnostic device |
JP2014085343A (ja) * | 2012-10-18 | 2014-05-12 | Boeing Co | プラットフォーム健全性監視システム |
WO2014174791A1 (ja) * | 2013-04-22 | 2014-10-30 | 株式会社デンソー | 車両修理支援システム、サーバ及びコンピュータプログラム |
US9020942B2 (en) | 2010-06-08 | 2015-04-28 | Hitachi, Ltd. | Maintenance operation instance collection apparatus, maintenance operation instance collection method, and maintenance operation instance collection program |
WO2015119225A1 (en) * | 2014-02-04 | 2015-08-13 | Kabushiki Kaisha Toshiba | Interaction apparatus and method |
US9514280B2 (en) | 2012-07-27 | 2016-12-06 | Samsung Electronics Co., Ltd. | Method and apparatus for creating model of patient specified target organ based on blood vessel structure |
WO2018142482A1 (ja) * | 2017-01-31 | 2018-08-09 | 本田技研工業株式会社 | 無人作業システム、管理サーバー、及び無人作業機 |
-
2001
- 2001-06-28 JP JP2001196378A patent/JP2003015877A/ja active Pending
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005267350A (ja) * | 2004-03-19 | 2005-09-29 | Nippon Steel Corp | トラブル解決装置、トラブル解決方法、コンピュータプログラム及び記録媒体 |
US8522078B2 (en) | 2008-03-27 | 2013-08-27 | Fujitsu Limited | Trouble coping method for information technology system |
US8554403B2 (en) | 2008-12-10 | 2013-10-08 | Honda Motor Co., Ltd. | Vehicle failure diagnostic device |
US9020942B2 (en) | 2010-06-08 | 2015-04-28 | Hitachi, Ltd. | Maintenance operation instance collection apparatus, maintenance operation instance collection method, and maintenance operation instance collection program |
JP2012069106A (ja) * | 2010-09-23 | 2012-04-05 | Fisher-Rosemount Systems Inc | プロセス制御システムに検索サービスを提供するためのシステム、方法、および製品 |
US10083249B2 (en) | 2010-09-23 | 2018-09-25 | Fisher-Rosemount Systems, Inc. | Systems, methods and articles of manufacture to provide a search service to a process control system |
US9514280B2 (en) | 2012-07-27 | 2016-12-06 | Samsung Electronics Co., Ltd. | Method and apparatus for creating model of patient specified target organ based on blood vessel structure |
JP2014085343A (ja) * | 2012-10-18 | 2014-05-12 | Boeing Co | プラットフォーム健全性監視システム |
WO2014174791A1 (ja) * | 2013-04-22 | 2014-10-30 | 株式会社デンソー | 車両修理支援システム、サーバ及びコンピュータプログラム |
US10210264B2 (en) | 2013-04-22 | 2019-02-19 | Denso Corporation | Vehicle-repair support system, server, and computer program |
WO2015119225A1 (en) * | 2014-02-04 | 2015-08-13 | Kabushiki Kaisha Toshiba | Interaction apparatus and method |
WO2018142482A1 (ja) * | 2017-01-31 | 2018-08-09 | 本田技研工業株式会社 | 無人作業システム、管理サーバー、及び無人作業機 |
JPWO2018142482A1 (ja) * | 2017-01-31 | 2019-11-07 | 本田技研工業株式会社 | 無人作業システム、管理サーバー、及び無人作業機 |
US11145143B2 (en) | 2017-01-31 | 2021-10-12 | Honda Motor Co., Ltd. | Unmanned work system, management server, and unmanned work machine |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US6947797B2 (en) | Method and system for diagnosing machine malfunctions | |
US7225109B2 (en) | Method and apparatus to diagnose mechanical problems in machinery | |
EP1097363B1 (en) | Bearing condition evaluation | |
US6748341B2 (en) | Method and device for machinery diagnostics and prognostics | |
JP6291161B2 (ja) | ロータ異常の検出 | |
Wegerich | Similarity based modeling of time synchronous averaged vibration signals for machinery health monitoring | |
JP2000259222A (ja) | 機器監視・予防保全システム | |
CN111922095A (zh) | 一种冷轧机轧辊扭振故障异常的振动诊断方法 | |
KR101843365B1 (ko) | 규칙 및 사례 기반 통합 진단 시스템 및 데이터베이스 | |
JP2003015877A (ja) | 事例ベース推論方法および事例ベース推論装置 | |
JP2017032567A (ja) | モータの監視装置および方法 | |
JP2021022290A (ja) | 制御状態監視システムおよびプログラム | |
JP4056032B2 (ja) | プラント機器管理装置 | |
KR20210006832A (ko) | 기계고장 진단 방법 및 장치 | |
JP3568939B2 (ja) | 回転機械の軸振動解析による状態診断方法及び装置 | |
JPH1020925A (ja) | プラント診断装置 | |
CN117178122A (zh) | 用于监控风扇运行的方法、设备和风扇 | |
JP2000214924A (ja) | プラント異常監視装置および異常発生箇所同定方法 | |
JP2004279056A (ja) | 回転機械の診断方法及びそのプログラム | |
JPH08226411A (ja) | 油圧回路の故障原因機器探索方法及びその装置 | |
Chang et al. | Random forest-based multi-faults classification modeling and analysis for intelligent centrifugal pump system | |
Saxena et al. | Predictive maintenance of planetary gearboxes using FFT and machine learning technique | |
JPH0399234A (ja) | 回転機械の異常診断方法 | |
JP7383367B1 (ja) | 回転機器の振動データ分析方法及び分析システム | |
CN117672255B (zh) | 基于人工智能和设备运行声音的异常设备识别方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20040113 |
|
A602 | Written permission of extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A602 Effective date: 20040406 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20040412 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20040601 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20040730 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20040914 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20041110 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20050104 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20050112 |
|
A911 | Transfer to examiner for re-examination before appeal (zenchi) |
Free format text: JAPANESE INTERMEDIATE CODE: A911 Effective date: 20050215 |
|
A912 | Re-examination (zenchi) completed and case transferred to appeal board |
Free format text: JAPANESE INTERMEDIATE CODE: A912 Effective date: 20050311 |