JP2003208219A - 異常検知装置および方法 - Google Patents
異常検知装置および方法Info
- Publication number
- JP2003208219A JP2003208219A JP2002003859A JP2002003859A JP2003208219A JP 2003208219 A JP2003208219 A JP 2003208219A JP 2002003859 A JP2002003859 A JP 2002003859A JP 2002003859 A JP2002003859 A JP 2002003859A JP 2003208219 A JP2003208219 A JP 2003208219A
- Authority
- JP
- Japan
- Prior art keywords
- data
- abnormality
- correlation
- correlation value
- detection device
- 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)
- Selective Calling Equipment (AREA)
Abstract
(57)【要約】
【課題】 機器自身の自己診断機能や履歴情報のモデル
化を必要とすることなく、制御システム全体を捉えて異
常や故障を検知できるようにする。 【解決手段】 データ収集蓄積部１１では、制御システ
ムから制御量Ｙ（２０Ｙ）とこれに対応する操作量Ｕ
（２０Ｕ）とを順次収集し時系列データ２１として蓄積
し、これら時系列データ２１をデータ加工部１２で加工
して加工データ２２を生成する。相関値算出部１３で
は、制御量Ｙの加工データ２２Ｙと操作量Ｕの加工デー
タ２２Ｕの組み合わせごとに相関値２３を順次算出し、
個々の組み合わせごとに算出された一連の相関値に関す
る同等性に基づき異常判定部１４で異常有無を判定し、
異常情報２４を出力する。
化を必要とすることなく、制御システム全体を捉えて異
常や故障を検知できるようにする。 【解決手段】 データ収集蓄積部１１では、制御システ
ムから制御量Ｙ（２０Ｙ）とこれに対応する操作量Ｕ
（２０Ｕ）とを順次収集し時系列データ２１として蓄積
し、これら時系列データ２１をデータ加工部１２で加工
して加工データ２２を生成する。相関値算出部１３で
は、制御量Ｙの加工データ２２Ｙと操作量Ｕの加工デー
タ２２Ｕの組み合わせごとに相関値２３を順次算出し、
個々の組み合わせごとに算出された一連の相関値に関す
る同等性に基づき異常判定部１４で異常有無を判定し、
異常情報２４を出力する。
Description
【０００１】
【発明の属する技術分野】本発明は、異常検知装置およ
び方法に関し、特に空調システムなど多数の機器から構
成された制御システムの異常を検知する異常検知装置お
よび方法に関するものである。
び方法に関し、特に空調システムなど多数の機器から構
成された制御システムの異常を検知する異常検知装置お
よび方法に関するものである。
【０００２】
【従来の技術】一般に、建物の空調システムは、空気調
和機を制御するためのファンやバルブ、冷水または温水
を循環させるための配管やポンプ、室内の温度を計測す
る温度センサ、室内へ調和空気を供給するためのダクト
やファンなど、多数の機器から構成されており、それぞ
れ独自に制御され、相互に影響しながら空調制御を行っ
ている。これらの機器が正常に動作していれば問題ない
が、一部に何らかの原因で問題が生じると、空調システ
ム全体が正常に動作しなくなり、快適な空調環境を提供
できなくなる可能性がある。
和機を制御するためのファンやバルブ、冷水または温水
を循環させるための配管やポンプ、室内の温度を計測す
る温度センサ、室内へ調和空気を供給するためのダクト
やファンなど、多数の機器から構成されており、それぞ
れ独自に制御され、相互に影響しながら空調制御を行っ
ている。これらの機器が正常に動作していれば問題ない
が、一部に何らかの原因で問題が生じると、空調システ
ム全体が正常に動作しなくなり、快適な空調環境を提供
できなくなる可能性がある。
【０００３】
【発明が解決しようとする課題】従来、このような各機
器の不具合を検知する方法としては、センサのトラブル
信号や機器の故障信号、センサ計測値のレンジオーバー
など、機器単位で異常と判断できるものに限られてい
た。しかしながら、機器自身の自己診断機能が不十分
なため捕らえきれない異常があること、複数の機器が
組み合わさった設備全体としての異常については検知で
きないこと、機器や設備の動作特性が規定値以下に低
下した場合の異常については検知できないこと、などの
問題がある。
器の不具合を検知する方法としては、センサのトラブル
信号や機器の故障信号、センサ計測値のレンジオーバー
など、機器単位で異常と判断できるものに限られてい
た。しかしながら、機器自身の自己診断機能が不十分
なため捕らえきれない異常があること、複数の機器が
組み合わさった設備全体としての異常については検知で
きないこと、機器や設備の動作特性が規定値以下に低
下した場合の異常については検知できないこと、などの
問題がある。
【０００４】また、履歴情報を蓄積しておくことによ
り、機器の運転状況や故障発生状況などを、例えば時系
列モデル、物理モデル、定性モデル、ファジィモデル、
ニューラルネットワークモデルなどを用いてモデル化
し、異常や故障を検知するシステムが検討されている。
しかしながら、過去の膨大なデータを蓄積してモデル
化するには多大な時間と労力を必要とすること、モデ
ルにない事象には対応できず、その事象が発生して初め
て対応可能となるため、対応に時間がかかること、蓄
積されたデータを用いてモデル化するため、初期の段階
ではデータが不十分なことからモデル化が難しく、当初
は人手による監視に頼らざるを得ない、などの問題点が
あった。
り、機器の運転状況や故障発生状況などを、例えば時系
列モデル、物理モデル、定性モデル、ファジィモデル、
ニューラルネットワークモデルなどを用いてモデル化
し、異常や故障を検知するシステムが検討されている。
しかしながら、過去の膨大なデータを蓄積してモデル
化するには多大な時間と労力を必要とすること、モデ
ルにない事象には対応できず、その事象が発生して初め
て対応可能となるため、対応に時間がかかること、蓄
積されたデータを用いてモデル化するため、初期の段階
ではデータが不十分なことからモデル化が難しく、当初
は人手による監視に頼らざるを得ない、などの問題点が
あった。
【０００５】本発明はこのような課題を解決するための
ものであり、機器自身の自己診断機能や履歴情報のモデ
ル化を必要とすることなく、制御システム全体を捉えて
異常や故障を検知できる異常検知装置および方法を提供
することを目的としている。
ものであり、機器自身の自己診断機能や履歴情報のモデ
ル化を必要とすることなく、制御システム全体を捉えて
異常や故障を検知できる異常検知装置および方法を提供
することを目的としている。
【０００６】
【課題を解決するための手段】このような目的を達成す
るために、本発明にかかる異常検知装置は、各機器から
動作状態を示す計測値を得るとともに、その計測値とこ
れに対応する所望の設定値との偏差からなる制御量に基
づき操作量を決定し、その操作量を用いて対応する機器
を制御する制御システムについて、その異常を検知する
異常検知装置において、制御システムから制御量とこれ
に対応する操作量とを順次収集して得られたそれぞれの
時系列データから両者の相関値を順次算出する相関値算
出部と、この相関値算出部で算出された一連の相関値に
関する同等性に基づき異常有無を判定する異常判定部と
を備えるものである。
るために、本発明にかかる異常検知装置は、各機器から
動作状態を示す計測値を得るとともに、その計測値とこ
れに対応する所望の設定値との偏差からなる制御量に基
づき操作量を決定し、その操作量を用いて対応する機器
を制御する制御システムについて、その異常を検知する
異常検知装置において、制御システムから制御量とこれ
に対応する操作量とを順次収集して得られたそれぞれの
時系列データから両者の相関値を順次算出する相関値算
出部と、この相関値算出部で算出された一連の相関値に
関する同等性に基づき異常有無を判定する異常判定部と
を備えるものである。
【０００７】異常判定部では、異常有無を判定する際、
相関値算出部で算出された一連の相関値についてスミル
ノフ・グラブス検定を行うことによりその同等性を検定
し、同等性が確認できなかった場合に異常と判定するよ
うにしてもよい。
相関値算出部で算出された一連の相関値についてスミル
ノフ・グラブス検定を行うことによりその同等性を検定
し、同等性が確認できなかった場合に異常と判定するよ
うにしてもよい。
【０００８】データ加工部をさらに設けて、時系列デー
タを時間遅延させた遅延データ、当該時系列データの各
データとその直前値との差分を示す差分データ、この差
分データを時間遅延させた差分遅延データ、当該時系列
データの各データを積分した積分データ、この積分デー
タを時間遅延させた積分遅延データ、および元の当該時
系列データを示す元データのうちの少なくとも１つから
なる加工データを制御量および操作量についてそれぞれ
生成し、制御量および操作量の時系列データに代えて相
関値算出部へ出力するようにしてもよい。
タを時間遅延させた遅延データ、当該時系列データの各
データとその直前値との差分を示す差分データ、この差
分データを時間遅延させた差分遅延データ、当該時系列
データの各データを積分した積分データ、この積分デー
タを時間遅延させた積分遅延データ、および元の当該時
系列データを示す元データのうちの少なくとも１つから
なる加工データを制御量および操作量についてそれぞれ
生成し、制御量および操作量の時系列データに代えて相
関値算出部へ出力するようにしてもよい。
【０００９】データ加工部で、遅延データ、差分デー
タ、差分遅延データ、積分データ、積分遅延データおよ
び元データのうちの複数を加工データとして制御量およ
び操作量についてそれぞれ生成して、相関値算出部へ出
力し、相関値算出部で、データ加工部から得られた制御
量に関する複数の加工データのいずれか１つと操作量に
関する複数の加工データのいずれか１つとからなる各組
み合わせのうち、所望する複数の組み合わせについてそ
れぞれ相関値を算出し、異常判定部で、個々の組み合わ
せについて相関値算出部で算出された一連の相関値に関
する同等性に基づき、各組み合わせごとに異常有無を判
定するようにしてもよい。
タ、差分遅延データ、積分データ、積分遅延データおよ
び元データのうちの複数を加工データとして制御量およ
び操作量についてそれぞれ生成して、相関値算出部へ出
力し、相関値算出部で、データ加工部から得られた制御
量に関する複数の加工データのいずれか１つと操作量に
関する複数の加工データのいずれか１つとからなる各組
み合わせのうち、所望する複数の組み合わせについてそ
れぞれ相関値を算出し、異常判定部で、個々の組み合わ
せについて相関値算出部で算出された一連の相関値に関
する同等性に基づき、各組み合わせごとに異常有無を判
定するようにしてもよい。
【００１０】異常通知部をさらに設けて、異常判定部で
各組み合わせごとに判定された各判定結果が所定の通知
判定条件を満足する場合に異常を通知するようにしても
よい。
各組み合わせごとに判定された各判定結果が所定の通知
判定条件を満足する場合に異常を通知するようにしても
よい。
【００１１】また、本発明にかかる異常検知方法は、各
機器から動作状態を示す計測値を得るとともに、その計
測値とこれに対応する所望の設定値との偏差からなる制
御量に基づき操作量を決定し、その操作量を用いて対応
する機器を制御する制御システムについて、その異常を
検知する異常検知方法において、制御システムから制御
量とこれに対応する操作量とを順次収集して得られたそ
れぞれの時系列データから両者の相関値を順次算出し、
算出された一連の相関値に関する同等性に基づき異常有
無を判定するようにしたものである。
機器から動作状態を示す計測値を得るとともに、その計
測値とこれに対応する所望の設定値との偏差からなる制
御量に基づき操作量を決定し、その操作量を用いて対応
する機器を制御する制御システムについて、その異常を
検知する異常検知方法において、制御システムから制御
量とこれに対応する操作量とを順次収集して得られたそ
れぞれの時系列データから両者の相関値を順次算出し、
算出された一連の相関値に関する同等性に基づき異常有
無を判定するようにしたものである。
【００１２】
【発明の実施の形態】次に、本発明の第１の実施の形態
について図面を参照して説明する。図１は本発明の第１
の実施の形態にかかる異常検知装置の構成を示すブロッ
ク図である。この異常検知装置１には、データ収集蓄積
部１１、データ加工部１２、相関値算出部１３および異
常判定部１４が設けられている。
について図面を参照して説明する。図１は本発明の第１
の実施の形態にかかる異常検知装置の構成を示すブロッ
ク図である。この異常検知装置１には、データ収集蓄積
部１１、データ加工部１２、相関値算出部１３および異
常判定部１４が設けられている。
【００１３】データ収集蓄積部１１では、制御システム
の各機器から計測された計測データと所望の設定値との
偏差からなる制御量Ｙ（２０Ｙ）と、この制御量Ｙに応
じて各機器に対して指示された操作量Ｕ（２０Ｕ）とを
収集し、時系列データとして蓄積する。制御量Ｙは、例
えば給気温度と所望の設定値との温度差であり、操作量
Ｕは制御量Ｙに基づき決定された例えば冷水弁の開度な
どの指示データである。データ収集蓄積部１１には、こ
れらデータが順次収集され蓄積される。
の各機器から計測された計測データと所望の設定値との
偏差からなる制御量Ｙ（２０Ｙ）と、この制御量Ｙに応
じて各機器に対して指示された操作量Ｕ（２０Ｕ）とを
収集し、時系列データとして蓄積する。制御量Ｙは、例
えば給気温度と所望の設定値との温度差であり、操作量
Ｕは制御量Ｙに基づき決定された例えば冷水弁の開度な
どの指示データである。データ収集蓄積部１１には、こ
れらデータが順次収集され蓄積される。
【００１４】データ加工部１２では、データ収集蓄積部
１１から所定期間ごとに制御量Ｙとこれに対応する操作
量Ｕとの時系列データ２１をそれぞれ読み出して加工す
る。データ加工としては、元データそのものを出力する
他、データを時間遅延させる処理がある。また過去デー
タとの差分を出力したり、データの積分処理、さらには
差分あるいは積分処理と時間遅延とを組み合わせてもよ
い。
１１から所定期間ごとに制御量Ｙとこれに対応する操作
量Ｕとの時系列データ２１をそれぞれ読み出して加工す
る。データ加工としては、元データそのものを出力する
他、データを時間遅延させる処理がある。また過去デー
タとの差分を出力したり、データの積分処理、さらには
差分あるいは積分処理と時間遅延とを組み合わせてもよ
い。
【００１５】相関値算出部１３では、データ加工部１２
から得られた制御量Ｙに対応する複数の加工データ２２
Ｙと、同じくデータ加工部１２から得られた操作量Ｕに
対応する複数の加工データ２２Ｕのうち、所望の組み合
わせについてその相関値を算出して蓄積する。異常判定
部１４では、相関値算出部１３で算出された各組み合わ
せの相関値のうち、同一組み合わせについて過去に得ら
れた一連の相関値の同等性に基づき異常判定を行う。
から得られた制御量Ｙに対応する複数の加工データ２２
Ｙと、同じくデータ加工部１２から得られた操作量Ｕに
対応する複数の加工データ２２Ｕのうち、所望の組み合
わせについてその相関値を算出して蓄積する。異常判定
部１４では、相関値算出部１３で算出された各組み合わ
せの相関値のうち、同一組み合わせについて過去に得ら
れた一連の相関値の同等性に基づき異常判定を行う。
【００１６】このように、制御システムでの制御量Ｙと
操作量Ｕとの組み合わせについて所定期間分のデータか
ら相関値を順次算出し、過去に得られた一連の相関値の
同等性に基づき異常有無を判定するようにしたので、従
来のように、センサのトラブル信号や機器の故障信号、
センサ計測値のレンジオーバーなど、機器単位で異常を
判断しているのではなく、制御システムの振る舞いに基
づき異常判定することができ、機器自身の自己診断機
能が不十分なため捕らえきれない異常や、複数の機器
が組み合わさった場合のシステムとしての異常、さらに
は機器や設備の動作特性が規定値以下に低下した場合
の異常についても検知できる。
操作量Ｕとの組み合わせについて所定期間分のデータか
ら相関値を順次算出し、過去に得られた一連の相関値の
同等性に基づき異常有無を判定するようにしたので、従
来のように、センサのトラブル信号や機器の故障信号、
センサ計測値のレンジオーバーなど、機器単位で異常を
判断しているのではなく、制御システムの振る舞いに基
づき異常判定することができ、機器自身の自己診断機
能が不十分なため捕らえきれない異常や、複数の機器
が組み合わさった場合のシステムとしての異常、さらに
は機器や設備の動作特性が規定値以下に低下した場合
の異常についても検知できる。
【００１７】また、従来のように、履歴情報を蓄積し、
機器の運転状況や故障発生状況などをモデル化する必要
がなく、モデル化に起因する問題点、すなわち過去の
膨大なデータを蓄積してモデル化するには多大な時間と
労力を必要とすること、モデルにない事象には対応で
きず、その事象が発生して初めて対応可能となるため、
対応に時間がかかること、蓄積されたデータを用いて
モデル化するため、初期の段階ではデータが不十分なこ
とからモデル化が難しく、当初は人手による監視に頼ら
ざるを得ない、などの問題点を解決することができる。
したがって、本実施の形態によれば、機器自身の自己診
断機能や履歴情報のモデル化を必要とすることなく、制
御システム全体を捉えて異常や故障を検知できる。
機器の運転状況や故障発生状況などをモデル化する必要
がなく、モデル化に起因する問題点、すなわち過去の
膨大なデータを蓄積してモデル化するには多大な時間と
労力を必要とすること、モデルにない事象には対応で
きず、その事象が発生して初めて対応可能となるため、
対応に時間がかかること、蓄積されたデータを用いて
モデル化するため、初期の段階ではデータが不十分なこ
とからモデル化が難しく、当初は人手による監視に頼ら
ざるを得ない、などの問題点を解決することができる。
したがって、本実施の形態によれば、機器自身の自己診
断機能や履歴情報のモデル化を必要とすることなく、制
御システム全体を捉えて異常や故障を検知できる。
【００１８】図２および図３に、本実施の形態にかかる
異常検知装置が用いられるシステムの構成例を示す。図
２は、１つのビル１００の空調システムに関する異常を
検知する場合の構成例である。ここでは、複数の操作設
備３や複数の計測機器４が伝送路５を介して中央監視装
置２に接続されている。異常検知装置１は伝送路５に接
続されており、その伝送路５を介して制御量Ｙや操作量
Ｕを、操作設備３や複数の計測機器４さらには中央監視
装置２から収集して異常有無を判定し、異常判定結果を
中央監視装置２へ通知する。中央監視装置２は、空調シ
ステム全体の振る舞いを監視しており、異常検知装置１
からの通知に応じて異常発生を確認し画面表示などによ
り管理者へ報知する。
異常検知装置が用いられるシステムの構成例を示す。図
２は、１つのビル１００の空調システムに関する異常を
検知する場合の構成例である。ここでは、複数の操作設
備３や複数の計測機器４が伝送路５を介して中央監視装
置２に接続されている。異常検知装置１は伝送路５に接
続されており、その伝送路５を介して制御量Ｙや操作量
Ｕを、操作設備３や複数の計測機器４さらには中央監視
装置２から収集して異常有無を判定し、異常判定結果を
中央監視装置２へ通知する。中央監視装置２は、空調シ
ステム全体の振る舞いを監視しており、異常検知装置１
からの通知に応じて異常発生を確認し画面表示などによ
り管理者へ報知する。
【００１９】一方、図３は、複数のビルの空調システム
に関する異常を１つの異常検知装置１で検知する場合の
システム構成例である。この場合、ビル１０１，１０
２，１０３には、異常検知装置１を除く図２のビル１０
０と同様の構成、すなわち中央監視装置２、操作設備
３、計測機器４および伝送路５が設けられている。また
異常検知装置１は、監視センタ１１０に配置され、各ビ
ル１０１，１０２，１０３から通信ネットワーク６を介
して制御量Ｙや操作量Ｕを収集し、その異常判定結果を
それぞれの中央監視装置２へ通信ネットワーク６を介し
て通知する。これにより、１つの異常検知装置１で複数
の制御システムの異常を検知できる。
に関する異常を１つの異常検知装置１で検知する場合の
システム構成例である。この場合、ビル１０１，１０
２，１０３には、異常検知装置１を除く図２のビル１０
０と同様の構成、すなわち中央監視装置２、操作設備
３、計測機器４および伝送路５が設けられている。また
異常検知装置１は、監視センタ１１０に配置され、各ビ
ル１０１，１０２，１０３から通信ネットワーク６を介
して制御量Ｙや操作量Ｕを収集し、その異常判定結果を
それぞれの中央監視装置２へ通信ネットワーク６を介し
て通知する。これにより、１つの異常検知装置１で複数
の制御システムの異常を検知できる。
【００２０】次に、図４を参照して、データ加工部１２
の詳細について説明する。図４はデータ加工部の構成お
よび動作を示すブロック図である。データ加工部１２に
は、各種加工の内容に応じて複数の加工手段、具体例と
しては、無加工手段１２Ａ、遅延手段１２Ｂ、差分手段
１２Ｃ、差分遅延手段１２Ｄ、積分手段１２Ｅおよび積
分遅延手段１２Ｆが設けられている。無加工手段１２Ａ
では、時系列データ２１を無加工のまま元データ２２Ａ
として出力する。遅延手段１２Ｂでは、時系列データ２
１を時間的に遅延させた遅延データ２２Ｂを出力する。
の詳細について説明する。図４はデータ加工部の構成お
よび動作を示すブロック図である。データ加工部１２に
は、各種加工の内容に応じて複数の加工手段、具体例と
しては、無加工手段１２Ａ、遅延手段１２Ｂ、差分手段
１２Ｃ、差分遅延手段１２Ｄ、積分手段１２Ｅおよび積
分遅延手段１２Ｆが設けられている。無加工手段１２Ａ
では、時系列データ２１を無加工のまま元データ２２Ａ
として出力する。遅延手段１２Ｂでは、時系列データ２
１を時間的に遅延させた遅延データ２２Ｂを出力する。
【００２１】差分手段１２Ｃでは、時系列データ２１の
個々のデータについて、その過去のデータ例えば単位時
刻分だけ過去のデータ（直前データ）との差を求め差分
データ２２Ｃとして出力する。差分遅延手段１２Ｄで
は、上記差分データを時間的に遅延させた差分遅延デー
タ２２Ｄを出力する。積分手段１２Ｅでは、時系列デー
タ２１の個々のデータについて、所定時刻範囲分の過去
データとの合計値を求め積分データ２２Ｅとして出力す
る。積分遅延手段１２Ｆでは、上記積分データを時間的
に遅延させた積分遅延データ２２Ｆを出力する。
個々のデータについて、その過去のデータ例えば単位時
刻分だけ過去のデータ（直前データ）との差を求め差分
データ２２Ｃとして出力する。差分遅延手段１２Ｄで
は、上記差分データを時間的に遅延させた差分遅延デー
タ２２Ｄを出力する。積分手段１２Ｅでは、時系列デー
タ２１の個々のデータについて、所定時刻範囲分の過去
データとの合計値を求め積分データ２２Ｅとして出力す
る。積分遅延手段１２Ｆでは、上記積分データを時間的
に遅延させた積分遅延データ２２Ｆを出力する。
【００２２】このデータ加工部１２では、異常検知の対
象である制御量Ｙと操作量Ｕとの組について、相関値の
算出に先だってそれぞれのデータに対し前処理を行う。
以下では、例として制御量Ｙを給気温度と設定値との偏
差（給気温度−設定値）とし、操作量Ｕを空調機の冷水
弁開度として説明する。空調機では、一般に、給気温度
とその設定値との偏差がゼロになるように冷水弁の開度
が制御される。したがって、給気温度が設定値よりも高
ければ冷水弁が開かれ、給気温度が設定値よりも低けれ
ば冷水弁が閉じられる。
象である制御量Ｙと操作量Ｕとの組について、相関値の
算出に先だってそれぞれのデータに対し前処理を行う。
以下では、例として制御量Ｙを給気温度と設定値との偏
差（給気温度−設定値）とし、操作量Ｕを空調機の冷水
弁開度として説明する。空調機では、一般に、給気温度
とその設定値との偏差がゼロになるように冷水弁の開度
が制御される。したがって、給気温度が設定値よりも高
ければ冷水弁が開かれ、給気温度が設定値よりも低けれ
ば冷水弁が閉じられる。
【００２３】しかし、実際の冷水弁の制御は、給気温度
や冷水弁の動きを安定に保つために、給気温度−設定値
の偏差ばかりでなく、その信号の差分値や積分値も用い
て制御している。また、冷水弁の制御動作の影響が給気
温度に現れるまでには、空調機器に応じた時間遅れが生
じる。したがって、給気温度−設定値の偏差と冷水弁開
度との相関値を直接算出するだけでなく、遅延、差分、
積分などの前処理を行ったデータを用いて相関値を算出
したほうが、高い相関を得られる。
や冷水弁の動きを安定に保つために、給気温度−設定値
の偏差ばかりでなく、その信号の差分値や積分値も用い
て制御している。また、冷水弁の制御動作の影響が給気
温度に現れるまでには、空調機器に応じた時間遅れが生
じる。したがって、給気温度−設定値の偏差と冷水弁開
度との相関値を直接算出するだけでなく、遅延、差分、
積分などの前処理を行ったデータを用いて相関値を算出
したほうが、高い相関を得られる。
【００２４】このように、制御システムの制御量Ｙと操
作量Ｕをデータ加工部１２で、遅延、差分、積分などの
前処理を行うことにより加工し、得られた加工データの
組み合わせについて異常判定のための相関値を算出する
ようにしたので、制御システムの制御に即した高い相関
値が得られるため異常相関値を検知しやすくなり、安定
した異常判定を行うことができる。
作量Ｕをデータ加工部１２で、遅延、差分、積分などの
前処理を行うことにより加工し、得られた加工データの
組み合わせについて異常判定のための相関値を算出する
ようにしたので、制御システムの制御に即した高い相関
値が得られるため異常相関値を検知しやすくなり、安定
した異常判定を行うことができる。
【００２５】次に、図５および図６を参照して、相関値
算出部１３の詳細について説明する。図５は相関値算出
部の構成を示すブロック図である。図６は相関値算出部
の動作を示す説明図である。相関値算出部１３には、演
算手段１３Ａおよび相関値蓄積手段１３Ｂとが設けられ
ている。演算手段１３Ａでは、データ加工部１２で得ら
れた制御量Ｙの加工データ２２Ｙとその制御量Ｙに対応
する操作量Ｕの加工データ２２Ｕとから、この組み合わ
せに対する相関値を算出する。相関値蓄積手段１３Ｂ
は、演算手段１３Ａで算出された各組み合わせごとの相
関値を蓄積する。
算出部１３の詳細について説明する。図５は相関値算出
部の構成を示すブロック図である。図６は相関値算出部
の動作を示す説明図である。相関値算出部１３には、演
算手段１３Ａおよび相関値蓄積手段１３Ｂとが設けられ
ている。演算手段１３Ａでは、データ加工部１２で得ら
れた制御量Ｙの加工データ２２Ｙとその制御量Ｙに対応
する操作量Ｕの加工データ２２Ｕとから、この組み合わ
せに対する相関値を算出する。相関値蓄積手段１３Ｂ
は、演算手段１３Ａで算出された各組み合わせごとの相
関値を蓄積する。
【００２６】この相関値算出部１３では、データ加工部
１２において前処理された制御量Ｙおよび操作量Ｕの加
工データ２２について相関値を算出し蓄積する。制御量
Ｙおよび操作量Ｕの加工データ２２はそれぞれ複数ある
ため、その組み合わせごとに相関値を算出する。なお、
すべての組み合わせについで相関値を算出してもよい
が、中には有意な相関関係が得られない組み合わせも存
在するため、予め有意な相関関係が得られる所望の組み
合わせだけについて相関値を算出するほうが、処理負担
を軽減できる。
１２において前処理された制御量Ｙおよび操作量Ｕの加
工データ２２について相関値を算出し蓄積する。制御量
Ｙおよび操作量Ｕの加工データ２２はそれぞれ複数ある
ため、その組み合わせごとに相関値を算出する。なお、
すべての組み合わせについで相関値を算出してもよい
が、中には有意な相関関係が得られない組み合わせも存
在するため、予め有意な相関関係が得られる所望の組み
合わせだけについて相関値を算出するほうが、処理負担
を軽減できる。
【００２７】空調制御では、一般にＰＩＤ制御が採用さ
れることが多く、制御量Ｙを入力として比例、積分およ
び微分などの演算を行って、操作量Ｕを決定している。
制御量Ｙを給気温度−設定値の偏差とし、操作量Ｕを冷
水弁開度とした場合、相関値を計算することが有効な組
み合わせパターンは、図６のようになる。ここでは、制
御量Ｙおよび操作量Ｕとも６種類の加工データがあり、
総当たりの組み合わせでは３６個の相関値が得られる。
この場合は、○印の組み合わせについてのみ相関値が算
出される。この際、１日単位で異常を捉える場合は１日
分のデータで相関値を算出すればよく、１時間単位で異
常を捉える必要があれば１時間分のデータで相関値を算
出すればよい。特に空調システムでは、１日ごとの作動
状況はあまり変化がないため、１日分のデータごとに相
関値を算出すればよい。
れることが多く、制御量Ｙを入力として比例、積分およ
び微分などの演算を行って、操作量Ｕを決定している。
制御量Ｙを給気温度−設定値の偏差とし、操作量Ｕを冷
水弁開度とした場合、相関値を計算することが有効な組
み合わせパターンは、図６のようになる。ここでは、制
御量Ｙおよび操作量Ｕとも６種類の加工データがあり、
総当たりの組み合わせでは３６個の相関値が得られる。
この場合は、○印の組み合わせについてのみ相関値が算
出される。この際、１日単位で異常を捉える場合は１日
分のデータで相関値を算出すればよく、１時間単位で異
常を捉える必要があれば１時間分のデータで相関値を算
出すればよい。特に空調システムでは、１日ごとの作動
状況はあまり変化がないため、１日分のデータごとに相
関値を算出すればよい。
【００２８】このように、予め有意な相関関係が得られ
る、制御量Ｙの加工データと操作量Ｕの加工データとの
組み合わせについて相関値を算出するようにしたので、
制御量Ｙの加工データと操作量Ｕの加工データとのすべ
ての組み合わせについて相関値を算出する場合と比較し
て、相関値算出さらには異常判定に要する処理負担を軽
減できる。なお、加工データとしては、制御量Ｙ、操作
量Ｕとも複数の加工データを用いる場合について説明し
たが、それぞれについていずれか１つの所望の加工デー
タのみを用い、その組み合わせの相関値のみを用いて異
常判定するようにしてもよい。
る、制御量Ｙの加工データと操作量Ｕの加工データとの
組み合わせについて相関値を算出するようにしたので、
制御量Ｙの加工データと操作量Ｕの加工データとのすべ
ての組み合わせについて相関値を算出する場合と比較し
て、相関値算出さらには異常判定に要する処理負担を軽
減できる。なお、加工データとしては、制御量Ｙ、操作
量Ｕとも複数の加工データを用いる場合について説明し
たが、それぞれについていずれか１つの所望の加工デー
タのみを用い、その組み合わせの相関値のみを用いて異
常判定するようにしてもよい。
【００２９】次に、図７および図８を参照して、異常判
定部１４の詳細について説明する。図７は異常判定部で
の異常判定処理を示すフローチャートである。図８は異
常判定処理の一例を示す説明図である。異常判定部１４
では、相関値算出部１３で算出され蓄積されている各組
み合わせごとの相関値のすべてについて個々にその異常
判定を行う。例えば、前述の図６では制御量Ｙと操作量
Ｕとの所望の組み合わせについて全部で２０個の相関値
を算出しており、この場合、異常判定部１４ではこれら
２０個の相関値ごとに図７の異常判定処理を実行する。
定部１４の詳細について説明する。図７は異常判定部で
の異常判定処理を示すフローチャートである。図８は異
常判定処理の一例を示す説明図である。異常判定部１４
では、相関値算出部１３で算出され蓄積されている各組
み合わせごとの相関値のすべてについて個々にその異常
判定を行う。例えば、前述の図６では制御量Ｙと操作量
Ｕとの所望の組み合わせについて全部で２０個の相関値
を算出しており、この場合、異常判定部１４ではこれら
２０個の相関値ごとに図７の異常判定処理を実行する。
【００３０】図７の異常判定処理では、まずいずれかの
組み合わせについて、それまでに相関値算出部１３で算
出され蓄積されている、最新の相関値を除く過去所定日
数、ここでは９日分の相関値を取り込んで集合Ｘへ格納
し（ステップ２００）、同一組み合わせの最新日ｎの相
関値ｘ（ｎ）を集合Ｘへ付加し、集合Ｘ＋へ格納する
（ステップ２０１）。そして、スミルノフ・グラブス検
定を用いて、集合Ｘ＋内のすべての相関値の同等性を確
認する（ステップ２０２）。
組み合わせについて、それまでに相関値算出部１３で算
出され蓄積されている、最新の相関値を除く過去所定日
数、ここでは９日分の相関値を取り込んで集合Ｘへ格納
し（ステップ２００）、同一組み合わせの最新日ｎの相
関値ｘ（ｎ）を集合Ｘへ付加し、集合Ｘ＋へ格納する
（ステップ２０１）。そして、スミルノフ・グラブス検
定を用いて、集合Ｘ＋内のすべての相関値の同等性を確
認する（ステップ２０２）。
【００３１】相関係数を算出するのに用いるデータは、
標本のデータであり母相関係数とは一致しない。１つの
母相関係数に対する標本相関係数の分布は正規分布では
ないので、近似的な正規分布に変換する統計学の手法と
してフィッシャーのＺ変換を用いる。Ｚ変換された値は
近似的な正規分布なので、スミルノフ・グラブス検定を
用いることができる。スミルノフ・グラブス検定は、入
力された各データについて正規分布の有意水準と比較
し、有意水準以下であれば外れ値と判定する検定方法で
ある。スミルノフ・グラブス検定の方法を以下に示す。
標本のデータであり母相関係数とは一致しない。１つの
母相関係数に対する標本相関係数の分布は正規分布では
ないので、近似的な正規分布に変換する統計学の手法と
してフィッシャーのＺ変換を用いる。Ｚ変換された値は
近似的な正規分布なので、スミルノフ・グラブス検定を
用いることができる。スミルノフ・グラブス検定は、入
力された各データについて正規分布の有意水準と比較
し、有意水準以下であれば外れ値と判定する検定方法で
ある。スミルノフ・グラブス検定の方法を以下に示す。
【００３２】前提
・帰無仮説Ｈ０：「注目しているデータは外れ値でな
い」 ・対立仮説Ｈ１：「注目しているデータは外れ値であ
る」 ・有意水準αで両側検定を行う。 ・それぞれの標本相関係数をｒiとし、それらのＺ変換
値をＺiとする。 注目する標本相関係数をｒkとし、そのＺ変換値をＺk
とする。そして、次式により検定統計量Ｔkを求める。
ただし、Ｚ変換値の平均値をＺa、不偏分散をＵとす
る。
い」 ・対立仮説Ｈ１：「注目しているデータは外れ値であ
る」 ・有意水準αで両側検定を行う。 ・それぞれの標本相関係数をｒiとし、それらのＺ変換
値をＺiとする。 注目する標本相関係数をｒkとし、そのＺ変換値をＺk
とする。そして、次式により検定統計量Ｔkを求める。
ただし、Ｚ変換値の平均値をＺa、不偏分散をＵとす
る。
【００３３】
【数１】
【００３４】
【数２】
【００３５】有意確率をＰ＝Ｐr｛Ｔk≧ｔ｝とし、帰
無仮説の採否を決める。但し、サンプル数が少ないた
め、ｔ分布の数値表から有意水準αの有意点をｔとす
る。なお、その場合の自由度はサンプル数−３である。 ・Ｐ＞αのとき、帰無仮説を採択する。 ・Ｐ≦αのとき、対立仮説を採択する。 この検定は、各相関係数をＺ変換した値が有意水準以下
かどうかを判定する検定であり、外れ値と判定された場
合はそのデータが不具合箇所もしくは不具合時のデータ
となる。すべての相関係数に対して外れ値かどうかの検
定を行うので複数の不具合箇所もしくは不具合時も検定
できる。
無仮説の採否を決める。但し、サンプル数が少ないた
め、ｔ分布の数値表から有意水準αの有意点をｔとす
る。なお、その場合の自由度はサンプル数−３である。 ・Ｐ＞αのとき、帰無仮説を採択する。 ・Ｐ≦αのとき、対立仮説を採択する。 この検定は、各相関係数をＺ変換した値が有意水準以下
かどうかを判定する検定であり、外れ値と判定された場
合はそのデータが不具合箇所もしくは不具合時のデータ
となる。すべての相関係数に対して外れ値かどうかの検
定を行うので複数の不具合箇所もしくは不具合時も検定
できる。
【００３６】上記のようにして、集合Ｘ＋についてスミ
ルノフ・グラブス検定を行い、集合Ｘ＋の同等性が確認
された場合には（ステップ２０３：ＹＥＳ）、当該組み
合わせの相関値について正常と判定する（ステップ２０
４）。そして、判定結果を示す異常情報２４として正常
を出力し（ステップ２０５）、当該組み合わせの相関値
に対する一連の異常判定処理を終了する。一方、集合Ｘ
＋の同等性が確認されなかった場合には（ステップ２０
３：ＮＯ）、当該組み合わせの相関値について異常と判
定する（ステップ２０６）。そして、集合Ｘ＋の中心か
ら最も離れた相関値ｘ（ｊ）を抽出し（ステップ２０
７）、異常日ｊとその異常相関値ｘ（ｊ）を含む異常情
報２４を出力し（ステップ２０８）、当該組み合わせの
相関値に対する一連の異常判定処理を終了する。
ルノフ・グラブス検定を行い、集合Ｘ＋の同等性が確認
された場合には（ステップ２０３：ＹＥＳ）、当該組み
合わせの相関値について正常と判定する（ステップ２０
４）。そして、判定結果を示す異常情報２４として正常
を出力し（ステップ２０５）、当該組み合わせの相関値
に対する一連の異常判定処理を終了する。一方、集合Ｘ
＋の同等性が確認されなかった場合には（ステップ２０
３：ＮＯ）、当該組み合わせの相関値について異常と判
定する（ステップ２０６）。そして、集合Ｘ＋の中心か
ら最も離れた相関値ｘ（ｊ）を抽出し（ステップ２０
７）、異常日ｊとその異常相関値ｘ（ｊ）を含む異常情
報２４を出力し（ステップ２０８）、当該組み合わせの
相関値に対する一連の異常判定処理を終了する。
【００３７】具体的には、例えば図８に示すように、制
御量Ｙの加工データと操作量Ｕの加工データとの相
関値について異常判定を行う場合、まず９月１日から９
月９日までの相関値が集合Ｘに格納され、９月１０日に
得られた最新時の相関値が集合Ｘに付加されて集合Ｘ＋
に格納される。そして、スミルノフ・グラブス検定によ
り集合Ｘ＋の同等性が確認されなかった場合は、集合Ｘ
＋の中心値（平均値）から最も離れた相関値、ここでは
９月１０日における相関値が異常相関値ｘ（ｉ）として
抽出され、異常情報として出力される。
御量Ｙの加工データと操作量Ｕの加工データとの相
関値について異常判定を行う場合、まず９月１日から９
月９日までの相関値が集合Ｘに格納され、９月１０日に
得られた最新時の相関値が集合Ｘに付加されて集合Ｘ＋
に格納される。そして、スミルノフ・グラブス検定によ
り集合Ｘ＋の同等性が確認されなかった場合は、集合Ｘ
＋の中心値（平均値）から最も離れた相関値、ここでは
９月１０日における相関値が異常相関値ｘ（ｉ）として
抽出され、異常情報として出力される。
【００３８】このように、制御量Ｙの加工データと操作
量Ｕの加工データとの同一組み合わせから得られた一連
の相関値について、その同等性を検定することにより異
常判定を行うようにしたので、それぞれの組み合わせか
ら得られる相関値のばらつき（乖離）に応じて適切に異
常を検知することができる。また、制御量Ｙの加工デー
タと操作量Ｕの加工データとの同一組み合わせから所定
期間ごとに相関値を順次算出して蓄積するとともに、最
新の相関値が得られた時点で過去所定数の一連の相関値
について、その同等性を検定するようにしてもよく、継
続して制御システムの異常を監視できる。
量Ｕの加工データとの同一組み合わせから得られた一連
の相関値について、その同等性を検定することにより異
常判定を行うようにしたので、それぞれの組み合わせか
ら得られる相関値のばらつき（乖離）に応じて適切に異
常を検知することができる。また、制御量Ｙの加工デー
タと操作量Ｕの加工データとの同一組み合わせから所定
期間ごとに相関値を順次算出して蓄積するとともに、最
新の相関値が得られた時点で過去所定数の一連の相関値
について、その同等性を検定するようにしてもよく、継
続して制御システムの異常を監視できる。
【００３９】さらに、同等性を検定する検定方法とし
て、スミルノフ・グラブス検定を用いるようにしたの
で、それぞれの組み合わせから得られた相関値のばらつ
きや目的に応じた有意水準を用いて、適切な判定を行う
ことができる。例えば制御システムの施工後間もない場
合など制御システムに調整不足がある場合には、なるべ
く不具合を検出して調整を行う必要があるため、有意水
準をあげることによって検知率をあげて異常判定すれば
よい。また、調整がほぼ完了した平常時には、有意水準
を当初よりさげて検出精度を向上させるようにしてもよ
い。
て、スミルノフ・グラブス検定を用いるようにしたの
で、それぞれの組み合わせから得られた相関値のばらつ
きや目的に応じた有意水準を用いて、適切な判定を行う
ことができる。例えば制御システムの施工後間もない場
合など制御システムに調整不足がある場合には、なるべ
く不具合を検出して調整を行う必要があるため、有意水
準をあげることによって検知率をあげて異常判定すれば
よい。また、調整がほぼ完了した平常時には、有意水準
を当初よりさげて検出精度を向上させるようにしてもよ
い。
【００４０】次に、図９を参照して、本発明の第２の実
施の形態にかかる異常検知装置について説明する。図９
は本発明の第２の実施の形態にかかる異常検知装置の構
成を示すブロック図であり、前述した図１と同じまたは
同等部分には同一符号を付してある。この異常検知装置
１には、データ収集蓄積部１１、データ加工部１２、相
関値算出部１３および異常判定部１４に加えて、異常通
知部１５が設けられている。
施の形態にかかる異常検知装置について説明する。図９
は本発明の第２の実施の形態にかかる異常検知装置の構
成を示すブロック図であり、前述した図１と同じまたは
同等部分には同一符号を付してある。この異常検知装置
１には、データ収集蓄積部１１、データ加工部１２、相
関値算出部１３および異常判定部１４に加えて、異常通
知部１５が設けられている。
【００４１】異常通知部１５の詳細について、図１０、
図１１および図１２を参照して説明する。図１０は異常
通知部の動作を示す説明図である。図１１は異常通知部
での異常通知処理を示すフローチャートである。図１２
は異常判定結果の一例を示す説明図である。異常通知部
１５では、制御量Ｙと操作量Ｕとの組み合わせごとに異
常判定部１４で得られた判定結果を示す異常情報２４Ａ
〜２４Ｚに基づき、総合的に通知要否を判断し、必要に
応じて所定宛先へ異常通知２５を送出する。
図１１および図１２を参照して説明する。図１０は異常
通知部の動作を示す説明図である。図１１は異常通知部
での異常通知処理を示すフローチャートである。図１２
は異常判定結果の一例を示す説明図である。異常通知部
１５では、制御量Ｙと操作量Ｕとの組み合わせごとに異
常判定部１４で得られた判定結果を示す異常情報２４Ａ
〜２４Ｚに基づき、総合的に通知要否を判断し、必要に
応じて所定宛先へ異常通知２５を送出する。
【００４２】異常通知部１５は、所定間隔、外部からの
指示あるいは異常判定部１４からの異常情報が更新され
た場合など、所定のタイミングで異常通知処理を開始す
る。まず、異常判定部１４からの異常情報２Ａ〜２４Ｚ
を取り込み（ステップ２１０）、予め設定されている通
知判定条件に基づき異常通知の有無を判定する（ステッ
プ２１１）。ここで、その通知判定条件が満たされた場
合は（ステップ２１１：ＹＥＳ）、所定の宛先、例えば
図２や図３における当該制御システムの中央監視装置２
へ異常通知を行い（ステップ２１２）、一連の異常通知
処理を終了する。また、通知判定条件が満たされなかっ
た場合は（ステップ２１１：ＮＯ）、正常通知を通知し
（ステップ２１３）、一連の異常通知処理を終了する。
指示あるいは異常判定部１４からの異常情報が更新され
た場合など、所定のタイミングで異常通知処理を開始す
る。まず、異常判定部１４からの異常情報２Ａ〜２４Ｚ
を取り込み（ステップ２１０）、予め設定されている通
知判定条件に基づき異常通知の有無を判定する（ステッ
プ２１１）。ここで、その通知判定条件が満たされた場
合は（ステップ２１１：ＹＥＳ）、所定の宛先、例えば
図２や図３における当該制御システムの中央監視装置２
へ異常通知を行い（ステップ２１２）、一連の異常通知
処理を終了する。また、通知判定条件が満たされなかっ
た場合は（ステップ２１１：ＮＯ）、正常通知を通知し
（ステップ２１３）、一連の異常通知処理を終了する。
【００４３】通知判定条件としては、異常情報２４Ａ
〜２４Ｚのうちいずれか１つが異常を示す場合、すべ
ての異常情報２４Ａ〜２４Ｚが異常を示す場合、異常
情報２４Ａ〜２４Ｚのうち所定数以上が異常を示す場
合、異常情報２４Ａ〜２４Ｚのうち特定のものが異常
を示す場合、異常情報２４Ａ〜２４Ｚのそれぞれにつ
いて予め重み付けしておき、異常を示す異常情報の重み
を合計した値がしきい値を越えた場合、など条件のいず
れかを用いればよい。したがって、例えば通知判定条件
がで所定数が５の場合、図１２に示すように、制御量
Ｙの加工データと操作量Ｕの加工データのうち、６個の
組み合わせの異常情報が同じ日に異常を示す場合であれ
ば、通知判定条件が満足されたことになり、異常通知２
５が出力される。
〜２４Ｚのうちいずれか１つが異常を示す場合、すべ
ての異常情報２４Ａ〜２４Ｚが異常を示す場合、異常
情報２４Ａ〜２４Ｚのうち所定数以上が異常を示す場
合、異常情報２４Ａ〜２４Ｚのうち特定のものが異常
を示す場合、異常情報２４Ａ〜２４Ｚのそれぞれにつ
いて予め重み付けしておき、異常を示す異常情報の重み
を合計した値がしきい値を越えた場合、など条件のいず
れかを用いればよい。したがって、例えば通知判定条件
がで所定数が５の場合、図１２に示すように、制御量
Ｙの加工データと操作量Ｕの加工データのうち、６個の
組み合わせの異常情報が同じ日に異常を示す場合であれ
ば、通知判定条件が満足されたことになり、異常通知２
５が出力される。
【００４４】このように、異常通知部１５において、異
常判定部１４からの異常情報２４Ａ〜２４Ｚに基づき、
総合的に通知要否を判断し、必要に応じて所定宛先へ異
常通知２５を送出するようにしたので、管理者が多数の
異常情報を個別にチェックする必要がなくなり、制御シ
ステムの異常を総合的に検知できる。
常判定部１４からの異常情報２４Ａ〜２４Ｚに基づき、
総合的に通知要否を判断し、必要に応じて所定宛先へ異
常通知２５を送出するようにしたので、管理者が多数の
異常情報を個別にチェックする必要がなくなり、制御シ
ステムの異常を総合的に検知できる。
【００４５】
【発明の効果】以上説明したように、本発明は、制御シ
ステムから制御量とこれに対応する操作量とを順次収集
し、得られたそれぞれの時系列データから両者の相関値
を順次算出し、算出された一連の相関値に関する同等性
に基づき異常有無を判定するようにしたので、従来のよ
うに、センサのトラブル信号や機器の故障信号、センサ
計測値のレンジオーバーなど、機器単位で異常を判断し
ているのではなく、制御システムの振る舞いに基づき異
常判定することができ、機器自身の自己診断機能が不
十分なため捕らえきれない異常や、複数の機器が組み
合わさった場合のシステムとしての異常、さらには機
器や設備の動作特性が規定値以下に低下した場合の異常
についても検知できる。
ステムから制御量とこれに対応する操作量とを順次収集
し、得られたそれぞれの時系列データから両者の相関値
を順次算出し、算出された一連の相関値に関する同等性
に基づき異常有無を判定するようにしたので、従来のよ
うに、センサのトラブル信号や機器の故障信号、センサ
計測値のレンジオーバーなど、機器単位で異常を判断し
ているのではなく、制御システムの振る舞いに基づき異
常判定することができ、機器自身の自己診断機能が不
十分なため捕らえきれない異常や、複数の機器が組み
合わさった場合のシステムとしての異常、さらには機
器や設備の動作特性が規定値以下に低下した場合の異常
についても検知できる。
【００４６】また、従来のように、履歴情報を蓄積し、
機器の運転状況や故障発生状況などをモデル化する必要
がなく、モデル化に起因する問題点、すなわち過去の
膨大なデータを蓄積してモデル化するには多大な時間と
労力を必要とすること、モデルにない事象には対応で
きず、その事象が発生して初めて対応可能となるため、
対応に時間がかかること、蓄積されたデータを用いて
モデル化するため、初期の段階ではデータが不十分なこ
とからモデル化が難しく、当初は人手による監視に頼ら
ざるを得ない、などの問題点を解決することができる。
したがって、本実施の形態によれば、機器自身の自己診
断機能や履歴情報のモデル化を必要とすることなく、制
御システム全体を捉えて異常や故障を検知できる。
機器の運転状況や故障発生状況などをモデル化する必要
がなく、モデル化に起因する問題点、すなわち過去の
膨大なデータを蓄積してモデル化するには多大な時間と
労力を必要とすること、モデルにない事象には対応で
きず、その事象が発生して初めて対応可能となるため、
対応に時間がかかること、蓄積されたデータを用いて
モデル化するため、初期の段階ではデータが不十分なこ
とからモデル化が難しく、当初は人手による監視に頼ら
ざるを得ない、などの問題点を解決することができる。
したがって、本実施の形態によれば、機器自身の自己診
断機能や履歴情報のモデル化を必要とすることなく、制
御システム全体を捉えて異常や故障を検知できる。
【図１】 本発明の第１の実施の形態にかかる異常検知
装置を示すブロック図である。
装置を示すブロック図である。
【図２】 図１の異常検知装置の適用例を示す制御シス
テムを示すブロック図である。
テムを示すブロック図である。
【図３】 図１の異常検知装置の他の適用例を示す制御
システムを示すブロック図である。
システムを示すブロック図である。
【図４】 データ加工部の構成を示す説明図である。
【図５】 相関値算出部の構成を示すブロック図であ
る。
る。
【図６】 相関値算出部の動作を示す説明図である。
【図７】 異常判定部での異常判定処理を示すフローチ
ャートである。
ャートである。
【図８】 異常判定処理の一例を示す説明図である。
【図９】 本発明の第２の実施の形態にかかる異常検知
装置の構成を示すブロック図である。
装置の構成を示すブロック図である。
【図１０】 異常通知部の動作を示す説明図である。
【図１１】 異常通知部での異常通知処理を示すフロー
チャートである。
チャートである。
【図１２】 異常判定結果の一例を示す説明図である。
１…異常検知装置、１１…データ収集蓄積部、１２…デ
ータ加工部、１２Ａ…無加工手段、１２Ｂ…遅延手段、
１２Ｃ…差分手段、１２Ｄ…差分遅延手段、１２Ｅ…積
分手段、１２Ｆ…積分遅延手段、１３…相関値算出部、
１３Ａ…演算手段、１３Ｂ…相関値蓄積手段、１４…異
常判定部、１５…異常通知部、２…中央監視装置、３…
操作設備、４…計測機器、５…伝送路、６…通信ネット
ワーク、２０Ｙ…制御量、２０Ｕ…操作量、２１…時系
列データ、２２…加工データ、２２Ａ…元データ、２２
Ｂ…遅延データ、２２Ｃ…差分データ、２２Ｄ…差分遅
延データ、２２Ｅ…積分データ、２２Ｆ…積分遅延デー
タ、２２Ｙ…制御量Ｙの加工データ、２２Ｕ…操作量Ｕ
の加工データ、２３…相関値、２４，２４Ａ〜２４Ｚ…
異常情報、２５…異常通知、１００〜１０３…ビル、１
１０…監視センタ。
ータ加工部、１２Ａ…無加工手段、１２Ｂ…遅延手段、
１２Ｃ…差分手段、１２Ｄ…差分遅延手段、１２Ｅ…積
分手段、１２Ｆ…積分遅延手段、１３…相関値算出部、
１３Ａ…演算手段、１３Ｂ…相関値蓄積手段、１４…異
常判定部、１５…異常通知部、２…中央監視装置、３…
操作設備、４…計測機器、５…伝送路、６…通信ネット
ワーク、２０Ｙ…制御量、２０Ｕ…操作量、２１…時系
列データ、２２…加工データ、２２Ａ…元データ、２２
Ｂ…遅延データ、２２Ｃ…差分データ、２２Ｄ…差分遅
延データ、２２Ｅ…積分データ、２２Ｆ…積分遅延デー
タ、２２Ｙ…制御量Ｙの加工データ、２２Ｕ…操作量Ｕ
の加工データ、２３…相関値、２４，２４Ａ〜２４Ｚ…
異常情報、２５…異常通知、１００〜１０３…ビル、１
１０…監視センタ。
フロントページの続き
(72)発明者 御所園 健士
東京都港区芝浦４丁目３番４号 山武ビル
システム株式会社内
Ｆターム(参考） 5H223 AA11 CC01 CC08 DD03 DD07
DD09 EE06
5K048 BA08 BA51 DA05 EB08 EB10
EB12 FB04 FC01 HA01
Claims (6)
- 【請求項１】 各機器から動作状態を示す計測値を得る
とともに、その計測値とこれに対応する所望の設定値と
の偏差からなる制御量に基づき操作量を決定し、その操
作量を用いて対応する機器を制御する制御システムにつ
いて、その異常を検知する異常検知装置において、 前記制御システムから制御量とこれに対応する操作量と
を順次収集して得られたそれぞれの時系列データから両
者の相関値を順次算出する相関値算出部と、 この相関値算出部で算出された一連の相関値に関する同
等性に基づき異常有無を判定する異常判定部とを備える
ことを特徴とする異常検知装置。 - 【請求項２】 請求項１記載の異常検知装置において、 前記異常判定部は、異常有無を判定する際、前記相関値
算出部で算出された一連の相関値についてスミルノフ・
グラブス検定を行うことによりその同等性を検定し、同
等性が確認できなかった場合に異常と判定することを特
徴とする異常検知装置。 - 【請求項３】 請求項１または２記載の異常検知装置に
おいて、 前記時系列データを時間遅延させた遅延データ、当該時
系列データの各データとその直前値との差分を示す差分
データ、この差分データを時間遅延させた差分遅延デー
タ、当該時系列データの各データを積分した積分デー
タ、この積分データを時間遅延させた積分遅延データ、
および元の当該時系列データを示す元データのうちの少
なくとも１つからなる加工データを前記制御量および前
記操作量についてそれぞれ生成し、前記制御量および前
記操作量の時系列データに代えて前記相関値算出部へ出
力するデータ加工部をさらに備えることを特徴とする異
常検知装置。 - 【請求項４】 請求項３記載の異常検知装置において、 前記データ加工部は、前記遅延データ、前記差分デー
タ、前記差分遅延データ、前記積分データ、前記積分遅
延データおよび前記元データのうちの複数を加工データ
として前記制御量および前記操作量についてそれぞれ生
成して、前記相関値算出部へ出力し、 前記相関値算出部は、前記データ加工部から得られた前
記制御量に関する複数の加工データのいずれか１つと前
記操作量に関する複数の加工データのいずれか１つとか
らなる各組み合わせのうち、所望する複数の組み合わせ
についてそれぞれ相関値を算出し、 前記異常判定部は、前記個々の組み合わせについて前記
相関値算出部で算出された一連の相関値に関する同等性
に基づき、前記各組み合わせごとに異常有無を判定する
ことを特徴とする異常検知装置。 - 【請求項５】 請求項４記載の異常検知装置において、 前記異常判定部で前記各組み合わせごとに判定された各
判定結果が所定の通知判定条件を満足する場合に異常を
通知する異常通知部をさらに備えることを特徴とする異
常検知装置。 - 【請求項６】 各機器から動作状態を示す計測値を得る
とともに、その計測値とこれに対応する所望の設定値と
の偏差からなる制御量に基づき操作量を決定し、その操
作量を用いて対応する機器を制御する制御システムにつ
いて、その異常を検知する異常検知方法において、 前記制御システムから前記制御量とこれに対応する操作
量とを順次収集して得られたそれぞれの時系列データか
ら両者の相関値を順次算出し、 算出された一連の相関値に関する同等性に基づき異常有
無を判定することを特徴とする異常検知方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2002003859A JP2003208219A (ja) | 2002-01-10 | 2002-01-10 | 異常検知装置および方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2002003859A JP2003208219A (ja) | 2002-01-10 | 2002-01-10 | 異常検知装置および方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JP2003208219A true JP2003208219A (ja) | 2003-07-25 |
Family
ID=27643341
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2002003859A Pending JP2003208219A (ja) | 2002-01-10 | 2002-01-10 | 異常検知装置および方法 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP2003208219A (ja) |
Cited By (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2007248343A (ja) * | 2006-03-17 | 2007-09-27 | Toto Ltd | 人体検出装置及びこれを有する水栓制御装置 |
| JP2010092173A (ja) * | 2008-10-06 | 2010-04-22 | Toshiba Mitsubishi-Electric Industrial System Corp | プロセス診断方法およびそのシステム |
| JP2011117689A (ja) * | 2009-12-04 | 2011-06-16 | Mitsubishi Electric Corp | 制御装置、制御システム及びプログラム |
| WO2011121726A1 (ja) * | 2010-03-30 | 2011-10-06 | 株式会社 東芝 | 異常検出装置 |
| JP2015219695A (ja) * | 2014-05-16 | 2015-12-07 | 三菱電機ビルテクノサービス株式会社 | 異常検出装置及びプログラム |
| JP2016081104A (ja) * | 2014-10-10 | 2016-05-16 | 荏原環境プラント株式会社 | プロセス診断支援装置 |
| JPWO2015045319A1 (ja) * | 2013-09-26 | 2017-03-09 | 日本電気株式会社 | 情報処理装置、及び、分析方法 |
| JP2018013980A (ja) * | 2016-07-21 | 2018-01-25 | 株式会社東芝 | 異常診断装置、異常診断方法及び異常診断プログラム |
| JP2019040439A (ja) * | 2017-08-25 | 2019-03-14 | アズビル株式会社 | 診断装置および方法 |
| JP2019091113A (ja) * | 2017-11-10 | 2019-06-13 | 三菱日立パワーシステムズ株式会社 | プラント異常監視システム、および、プラント異常監視方法 |
| WO2020255560A1 (ja) * | 2019-06-20 | 2020-12-24 | 株式会社日立製作所 | 故障予兆診断装置およびその方法 |
| KR102642564B1 (ko) * | 2023-06-30 | 2024-02-29 | 식스티헤르츠 주식회사 | 재생 에너지 발전기 이상 진단 방법 및 시스템 |
| CN114026513B (zh) * | 2019-06-20 | 2024-06-28 | 株式会社日立制作所 | 故障预兆诊断装置及其方法 |
-
2002
- 2002-01-10 JP JP2002003859A patent/JP2003208219A/ja active Pending
Cited By (22)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2007248343A (ja) * | 2006-03-17 | 2007-09-27 | Toto Ltd | 人体検出装置及びこれを有する水栓制御装置 |
| JP4614184B2 (ja) * | 2006-03-17 | 2011-01-19 | Ｔｏｔｏ株式会社 | 人体検出装置及びこれを有する水栓制御装置 |
| JP2010092173A (ja) * | 2008-10-06 | 2010-04-22 | Toshiba Mitsubishi-Electric Industrial System Corp | プロセス診断方法およびそのシステム |
| JP2011117689A (ja) * | 2009-12-04 | 2011-06-16 | Mitsubishi Electric Corp | 制御装置、制御システム及びプログラム |
| WO2011121726A1 (ja) * | 2010-03-30 | 2011-10-06 | 株式会社 東芝 | 異常検出装置 |
| US8577649B2 (en) | 2010-03-30 | 2013-11-05 | Kabushiki Kaisha Toshiba | Anomaly detecting apparatus |
| JP5337909B2 (ja) * | 2010-03-30 | 2013-11-06 | 株式会社東芝 | 異常検出装置 |
| JPWO2015045319A1 (ja) * | 2013-09-26 | 2017-03-09 | 日本電気株式会社 | 情報処理装置、及び、分析方法 |
| JP2015219695A (ja) * | 2014-05-16 | 2015-12-07 | 三菱電機ビルテクノサービス株式会社 | 異常検出装置及びプログラム |
| JP2016081104A (ja) * | 2014-10-10 | 2016-05-16 | 荏原環境プラント株式会社 | プロセス診断支援装置 |
| JP2018013980A (ja) * | 2016-07-21 | 2018-01-25 | 株式会社東芝 | 異常診断装置、異常診断方法及び異常診断プログラム |
| JP2019040439A (ja) * | 2017-08-25 | 2019-03-14 | アズビル株式会社 | 診断装置および方法 |
| JP2019091113A (ja) * | 2017-11-10 | 2019-06-13 | 三菱日立パワーシステムズ株式会社 | プラント異常監視システム、および、プラント異常監視方法 |
| JP7064085B2 (ja) | 2017-11-10 | 2022-05-10 | 三菱重工業株式会社 | プラント異常監視システム、および、プラント異常監視方法 |
| WO2020255560A1 (ja) * | 2019-06-20 | 2020-12-24 | 株式会社日立製作所 | 故障予兆診断装置およびその方法 |
| JP2021002098A (ja) * | 2019-06-20 | 2021-01-07 | 株式会社日立製作所 | 故障予兆診断装置およびその方法 |
| CN114026513A (zh) * | 2019-06-20 | 2022-02-08 | 株式会社日立制作所 | 故障预兆诊断装置及其方法 |
| JP7229861B2 (ja) | 2019-06-20 | 2023-02-28 | 株式会社日立製作所 | 故障予兆診断装置およびその方法 |
| EP3989025A4 (en) * | 2019-06-20 | 2023-07-19 | Hitachi, Ltd. | TROUBLESHOOTING DIAGNOSTIC DEVICE AND METHOD THEREOF |
| US11789439B2 (en) | 2019-06-20 | 2023-10-17 | Hitachi, Ltd. | Failure sign diagnosis device and method therefor |
| CN114026513B (zh) * | 2019-06-20 | 2024-06-28 | 株式会社日立制作所 | 故障预兆诊断装置及其方法 |
| KR102642564B1 (ko) * | 2023-06-30 | 2024-02-29 | 식스티헤르츠 주식회사 | 재생 에너지 발전기 이상 진단 방법 및 시스템 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110764474B (zh) | 监测设备运行状态的方法和系统 | |
| US6389331B1 (en) | Technique for monitoring performance of a facility management system | |
| EP1643332B1 (en) | Hybrid model based fault detection and isolation system | |
| US7321845B2 (en) | Method and system for removing very low frequency noise from a time-based data set | |
| RU2626780C1 (ru) | Способ и система удаленного мониторинга энергетических установок | |
| US7200520B2 (en) | Device and method for monitoring an electric power station | |
| EP1416348B1 (en) | Methodology for temporal fault event isolation and identification | |
| JP2003208219A (ja) | 異常検知装置および方法 | |
| West et al. | Automated fault detection and diagnosis of HVAC subsystems using statistical machine learning | |
| US20150095003A1 (en) | Device and method for detection and/or diagnosis of faults in a processes, equipment and sensors | |
| US20020156549A1 (en) | Controlling method for manufacturing process | |
| JP2009053938A (ja) | 複数モデルに基づく設備診断システム及びその設備診断方法 | |
| CN101326415B (zh) | 制冷剂系统的远程诊断和预测 | |
| JPH10508712A (ja) | 技術的設備のプロセスデータの解析方法 | |
| JP2000505221A (ja) | 工業プロセス監視システム | |
| JPH1144449A (ja) | 屋外熱交換器コイルを監視するためのシステム | |
| CN111412579A (zh) | 一种基于大数据的空调机组故障类型诊断方法和系统 | |
| WO2018216197A1 (ja) | 異常重要度算出システム、異常重要度算出装置、及び異常重要度算出プログラム | |
| GB2368425A (en) | On-line or real-time adaptive prediction | |
| US20210088986A1 (en) | Assistance device, learning device, and plant operation condition setting assistance system | |
| JP2009086896A (ja) | コンピュータの障害予測システムおよび障害予測方法 | |
| JP2005301582A (ja) | プロセス管理装置 | |
| CN113606833B (zh) | 基于lstm循环神经网络的冰箱故障预测系统 | |
| Salsbury | A practical method for assessing the performance of control loops subject to random load changes | |
| CN111258854A (zh) | 模型训练方法、基于预测模型的报警方法和相关装置 |