JP2005309616A - 設備機器故障診断システム及び故障診断ルール作成方法 - Google Patents
設備機器故障診断システム及び故障診断ルール作成方法 Download PDFInfo
- Publication number
- JP2005309616A JP2005309616A JP2004123436A JP2004123436A JP2005309616A JP 2005309616 A JP2005309616 A JP 2005309616A JP 2004123436 A JP2004123436 A JP 2004123436A JP 2004123436 A JP2004123436 A JP 2004123436A JP 2005309616 A JP2005309616 A JP 2005309616A
- Authority
- JP
- Japan
- Prior art keywords
- failure
- operation data
- data
- failure diagnosis
- diagnosis
- 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.)
- Withdrawn
Links
Images
Landscapes
- Testing And Monitoring For Control Systems (AREA)
Abstract
【課題】 診断に必要なデータに欠損があった場合でも、既存の故障診断ルールを変更することなくそのまま適用して診断を行うことが可能な故障診断システムを提供する。
【解決手段】 運転データ取得手段3で取得された運転データ群に欠損がある場合、その欠損データ部分を欠損データ補完手段6で補完された補完データを用いて補完した上で故障診断手段4で故障診断ルール5aに従って解析する。これにより、既存の故障診断ルールを変更することなくそのまま適用して診断を行うことが可能となる。
【選択図】 図1
【解決手段】 運転データ取得手段3で取得された運転データ群に欠損がある場合、その欠損データ部分を欠損データ補完手段6で補完された補完データを用いて補完した上で故障診断手段4で故障診断ルール5aに従って解析する。これにより、既存の故障診断ルールを変更することなくそのまま適用して診断を行うことが可能となる。
【選択図】 図1
Description
この発明は、空気調和機などの設備機器の状態に関するデータを取得し、そのデータに基づいて設備機器の故障要因を推定する故障診断システム及び故障診断ルール作成方法に関する。
従来より、故障診断対象の回転機器対応に設けられた端末システムでデータ収集システムにより回転機器の振動や温度、圧力などのデータを収集し、診断ルールファイルのルールを用いて端末計算機で対応機器の診断処理を行うようにした技術がある(例えば、特許文献1参照)。この技術では、収集データ及び診断結果をファイルに格納しておき、必要に応じてホストシステムに送り、そして、ホストシステムでは、これらのデータを診断ルールファイルのルールで解析して診断を行うようにしている。このとき、複数の機器の診断結果やデータを比較することで診断が正確に行えるとしている。
上記従来技術では、回転機器の振動や温度、圧力などのデータを収集し、診断ルールを用いて回転機器の異常を診断するとしているが、各データを収集するセンサが異常等によってデータが得られず欠損した場合については考慮されていない。このため、このような場合でも診断を可能とするためには、正常に取得できたデータのみからでも診断を行うことが可能な診断ルールを予め用意しておかなければならないことになる。
本発明はこのような点に鑑みなされたもので、診断に必要なデータに欠損があった場合でも、既存の故障診断ルールを変更することなくそのまま適用して診断を行うことが可能な故障診断システムを提供することを目的する。
本発明に係る設備機器故障診断システムは、設備機器の各種状態のデータを収集する収集手段によって収集された運転データ群を取得する運転データ取得手段と、運転データ群を、設備機器の故障を診断するための故障診断ルールに従って解析し、診断結果を出力する故障診断手段と、運転データ取得手段で取得された運転データ群に欠損があるかを判断し、欠損がある場合、運転データ群における欠損データ以外の正常運転データに基づいて欠損データを補完するための補完ルールに従って、その欠損データを補完する欠損データ補完手段とを備え、故障診断手段は、欠損データ補完手段で運転データ群に欠損があると判断された場合の故障診断に際しては、その欠損データ部分については欠損データ補完手段で補完された補完データを用いて故障診断を行うものである。
本発明によれば、運転データ群に欠損がある場合、その欠損データ部分を欠損データ補完手段で補完された補完データを用いて補完した上で故障診断ルールに従って解析するので、事前に作成した設備機器の故障診断ルールを変更することなくそのまま適用して故障診断を行うことが可能となる。
以下、図面を用いて本発明の実施の形態を説明する。
実施の形態1.
図1は、本発明の実施の形態1の故障診断システムの構成を示すブロック図である。
この故障診断システム100は、対象設備機器1の各種状態のデータを収集する収集手段2からの運転データ群を取得する運転データ取得手段3と、故障診断手段4と、故障診断手段4で使用される故障診断ルール5aが記憶された故障診断ルールDB5と、欠損データ補完手段6と、欠損データ補完手段6で使用される欠損データ補完ルール7aが記憶された欠損データ補完ルールDB7とから構成され、必要なプログラムをインストールしたコンピュータによって実現される。
図1は、本発明の実施の形態1の故障診断システムの構成を示すブロック図である。
この故障診断システム100は、対象設備機器1の各種状態のデータを収集する収集手段2からの運転データ群を取得する運転データ取得手段3と、故障診断手段4と、故障診断手段4で使用される故障診断ルール5aが記憶された故障診断ルールDB5と、欠損データ補完手段6と、欠損データ補完手段6で使用される欠損データ補完ルール7aが記憶された欠損データ補完ルールDB7とから構成され、必要なプログラムをインストールしたコンピュータによって実現される。
収集手段2は、対象設備機器1の各種状態のデータを収集する複数の観測センサで構成されており、具体的には対象設備機器1が例えば空気調和機である場合、過冷却度や過熱度を取得するためのセンサで構成される。収集手段2で収集された対象設備機器1の運転データ群は欠損データ補完手段6及び故障診断手段4のそれぞれへと入力される。
故障診断手段4は、運転データ取得手段3から取得した運転データ群を、故障診断ルールDB5内の後述の故障診断ルール5aに従って解析し、診断結果を出力するものである。
故障診断ルールDB5内には、故障要因毎に用意された故障診断ルール5aが記憶されている。故障診断ルール5aは、その故障診断ルール5aで診断すべき故障要因の診断に必要な複数の運転データがそれぞれある値を取るとき、その故障要因が診断結果として判定される確信度を求めるためのものである。この故障診断ルール5aの詳細については後述する。
欠損データ補完手段6は、運転データ取得手段3から取得した運転データ群に欠損があるかどうかを判断し、欠損がある場合には、その欠損データを欠損データ補完ルールDB7内の後述の欠損データ補完ルール7aに従って補完し、補完データを故障診断手段4に出力する。ここで、故障診断手段4は、欠損データ補完手段6で運転データ群に欠損があると判断された場合の故障診断に際しては、その欠損データ部分については欠損データ補完手段6で補完された補完データを用いて故障診断を行うようにしている。
欠損データ補完ルールDB7内の欠損データ補完ルール7aは、補完すべき運転データ毎に用意されており、運転データ群に生じた欠損データを、運転データ群における欠損データ以外の他の運転データ(正常運転データ)に基づいて欠損データを補完するためのもので所定の関数で構成される。この関数の具体例については後述する。
本例では、対象設備機器1が空気調和機である場合を例に説明する。
図2は、空気調和機の構成を示すブロック図である。
空気調和機1は、圧縮機11、室外熱交換機12、膨張弁13及び室内熱交換機14から構成され、各装置11〜14が配管で繋がっている。空気調和機1は、配管を通して各装置11〜14に冷媒を循環させ室内を冷房するものである。図中の矢印は冷媒の順路を示している。空気調和機1には、複数の観測センサ2a〜2eが取り付けられており、各観測センサ2a〜2eで取得された各運転データは各装置11〜14の制御に用いられる。
空気調和機1は、圧縮機11、室外熱交換機12、膨張弁13及び室内熱交換機14から構成され、各装置11〜14が配管で繋がっている。空気調和機1は、配管を通して各装置11〜14に冷媒を循環させ室内を冷房するものである。図中の矢印は冷媒の順路を示している。空気調和機1には、複数の観測センサ2a〜2eが取り付けられており、各観測センサ2a〜2eで取得された各運転データは各装置11〜14の制御に用いられる。
ここで、各観測センサ2a〜2eは、順に、圧縮機11出口の冷媒の圧力(高圧)、圧縮機11入口の冷媒の圧力(低圧)、室外熱交換機12出口の温度と冷媒の飽和液温度との温度差(過冷却度)、室内熱交換機14出口の温度と冷媒の飽和ガス温度との温度差(過熱度)、室内熱交換機14と圧縮機11の間の配管の温度(ガス配管温度)の運転データを取得している。これら各観測センサ2a〜2eで取得された複数の運転データにより上述の運転データ群が構成されている。
以下では、故障診断システム100が、各観測センサ2a〜2eで取得された複数の運転データにより構成された運転データ群を解析し、空気調和機1の故障診断を行う推論システムであるとして説明を行う。
ここで、対象設備機器1を空気調和機1とした場合の故障診断ルール5aの具体例について説明する。空気調和機1の故障要因の1つとして、空気調和機1内部の冷媒不足が挙げられる。冷媒不足の診断には過冷却度と過熱度とが必要とされており、次の図3に冷媒不足判定用の故障診断ルール5aの具体例を示す。
図3は、冷媒不足判定用の故障診断ルールの一例を示す図である。
冷媒不足判定用の故障診断ルール5aは、冷媒不足の診断に必要な過冷却度と過熱度のそれぞれの運転データから、冷媒不足であるという診断結果の確信度を求めるためのものである。具体的には、図3に示されているように、過冷却度が複数の範囲候補に分割されるとともに、過熱度が複数の候補範囲に分割され、過冷却度と過熱度の各範囲候補の組毎に確信度が設定されたものである。なお、ここでは、過冷却度の範囲候補が4つ、過熱度の範囲候補が3つであるため、4×3の計12個の確信度C11,C12,C13,C21,C22,C23,C31,C32,C33,C41,C42,C43が設定されている。
冷媒不足判定用の故障診断ルール5aは、冷媒不足の診断に必要な過冷却度と過熱度のそれぞれの運転データから、冷媒不足であるという診断結果の確信度を求めるためのものである。具体的には、図3に示されているように、過冷却度が複数の範囲候補に分割されるとともに、過熱度が複数の候補範囲に分割され、過冷却度と過熱度の各範囲候補の組毎に確信度が設定されたものである。なお、ここでは、過冷却度の範囲候補が4つ、過熱度の範囲候補が3つであるため、4×3の計12個の確信度C11,C12,C13,C21,C22,C23,C31,C32,C33,C41,C42,C43が設定されている。
このように構成された故障診断ルール5aを用いた冷媒不足の診断結果は、例えば過冷却度が5[deg]、過熱度15[deg]のとき、確信度C22となる。この確信度は0〜1までの値を取るように構成され、数値が高ければ冷媒不足である可能性が高いと判断される。
以下、本実施の形態1の故障診断システム100の動作について説明する。なお、本例の故障診断システム100は、運転データに欠損がある場合の動作に特徴を有するものであるが、その説明に先立って、運転データに欠損が無い場合の故障診断システム100の動作について説明する。本例では、故障要因の1つである、冷媒不足を診断する場合について考える。
ここで、収集手段2によって欠損の無い運転データ群が取得されたとする。収集手段2によって取得された欠損のない運転データ群は、運転データ取得手段3を介して欠損データ補完手段6及び故障診断手段4にそれぞれ出力される。欠損データ補完手段6は、運転データ取得手段3からの運転データ群に欠損が無いと判断し、データ補完を行わず動作を終了する。故障診断手段4は、運転データ取得手段3を介して入力された欠損の無い運転データ群のうち、冷媒不足の診断に必要な過冷却度及び過熱度に基づいて故障診断ルール5aを参照し、該当する確信度を診断結果として出力する。例えば過冷却度=10[deg]、過熱度=19[deg]の場合、確信度C22が診断結果として出力されることになる。
次に、運転データに欠損がある場合の故障診断システム100の動作について説明する。ここでも上記と同様に冷媒不足を診断するものとし、過熱度を観測する観測センサ2dが故障によって過熱度の運転データを取得できず欠損した場合について考える。なお、その他の高圧、低圧、過冷却度、ガス配管温度を観測する観測センサ2a〜2c,2eは正常に動作し、過冷却度=10[deg]、ガス配管温度=18[℃]、低圧=5[kgf/cm2]の運転データが収集できたものとする(高圧の運転データについては省略)。
この場合、欠損データ補完手段6は、運転データ取得手段3からの運転データ群のうち、過熱度の運転データが欠損していると判断し、収集できた他の正常運転データ(過冷却度、ガス配管温度、高圧、低圧)を用いて欠損データ補完ルールDB7に記憶された過熱度補完用の欠損データ補完ルール7aにしたがって補完データを作成する。
過熱度補完用の欠損データ補完ルール7aは、本例では、ガス配管温度、低圧を入力とした関数fであるとし、以下の(1)式で表されるものとする。
過熱度=f(ガス配管温度、低圧)=α×ガス配管温度+β×低圧+γ …(1)
ここで、α、β、γはそれぞれ熱力学の公式から求めた理論値、あるいは事前に収集した過熱度とガス配管温度と低圧の運転データの組みの集合から最小二乗法などの手法で求めた経験値が適用される。ここでは、例えばα=1,β=−3.6,γ=15.2とされる。なお、関数fは、ここでは一次近似式の例を示したが、二次近似式など複雑な式を用いることでより正確に過熱度を算出することが可能となる。
以上の(1)式により補完された過熱度の補完データは、15.2[deg] である。ここで補完された過熱度の補完データは、故障診断手段4へと出力される。故障診断手段4は運転データ取得手段3からの運転データ群のうち欠損データについては欠損データ補完手段6からの補完データを用い、既存の故障診断ルール5aを変更することなくそのまま適用して故障診断を行う。すなわち冷媒不足の診断に必要な過熱度については補完データ(過熱度=15.2[deg])を用い、過冷却度については正常に得られているためその運転データ(過冷却度=10[deg] )を用いて故障診断ルール5a(図3参照)を参照し、確信度C22を冷媒不足の故障診断結果として出力する。
このように本実施の形態1によれば、運転データ群に欠損があるかを判断し、欠損がある場合には欠損データを補完するので、既存の故障診断ルール5aを変更することなくそのまま適用し故障診断を実行することができる。
なお、故障診断手段4では、本例では冷媒不足を診断する例を説明したが、冷媒不足の他、冷媒過剰などの他の故障要因の診断も、その故障要因に対応した故障診断ルール5aに従って行っており、故障要因をその故障要因である確信度とともに診断結果として出力するようにしている。
また、本例では、欠損データ補完ルール7aとして上記(1)式を例に挙げたが、これに限られたものではなく、正常に取得できた運転データから補完データを算出する関数であればよい。ここでの関数とは、熱力学の理論に基づいて運転データから冷媒の温度・圧力・エンタルピー計算し、補完データを算出する関数、あるいは欠損のない別の空気調和機から収集した運転データの集合から最小二乗法やニューラルネットワークなどの手法を用いて推定した補完データを算出する近似関数である。
実施の形態2.
実施の形態2は、欠損データの補完データを他の正常運転データから一意に定めることができない状態であっても、既存の故障診断ルール5aを用いて故障診断を行えるようにしたものである。なお、欠損データの補完データを他の正常運転データから一意に定めることができない状態とは、例えば、実施の形態1のような所定の関数で構成された欠損データ補完ルール7aが存在しない場合や、所定の関数が存在していても、その関数に入力すべき運転データの一部又は全部が正常運転データとして取得できなかった場合などが該当する。
実施の形態2は、欠損データの補完データを他の正常運転データから一意に定めることができない状態であっても、既存の故障診断ルール5aを用いて故障診断を行えるようにしたものである。なお、欠損データの補完データを他の正常運転データから一意に定めることができない状態とは、例えば、実施の形態1のような所定の関数で構成された欠損データ補完ルール7aが存在しない場合や、所定の関数が存在していても、その関数に入力すべき運転データの一部又は全部が正常運転データとして取得できなかった場合などが該当する。
図4は、本発明の実施の形態2の故障診断システムの構成を示すブロック図である。
実施の形態2の故障診断システム200は、図1に示した実施の形態1の故障診断システム100の故障診断手段4、欠損データ補完手段6、欠損データ補完ルール7aが記憶された欠損データ補完ルールDB7に代えて、故障診断手段24、欠損データ補完手段26、欠損データ補完ルール27aが記憶された欠損データ補完ルールDB27を備えたもので、その他の構成は図1と同様である。
実施の形態2の故障診断システム200は、図1に示した実施の形態1の故障診断システム100の故障診断手段4、欠損データ補完手段6、欠損データ補完ルール7aが記憶された欠損データ補完ルールDB7に代えて、故障診断手段24、欠損データ補完手段26、欠損データ補完ルール27aが記憶された欠損データ補完ルールDB27を備えたもので、その他の構成は図1と同様である。
図5は、欠損データ補完ルールDBに記憶された欠損データ補完ルールの一例を示す図である。なお、ここでは、過熱度補完用の欠損データ補完ルール27aの例を示している。
欠損データ補完ルール27aは、運転データ間の因果関係を確率で表した条件付確率分布であり、過熱度を補完する条件付確率はP(過熱度|ガス配管温度)となる。すなわち、欠損データ補完ルール27aは、ガス配管温度に対して過熱度の運転データが取りうる値とその発生確率との組が所定数設定された確率分布で、この所定数の組を補完データとして求めるためのものである。すなわち、ガス配管温度がある値をとるとき、過熱度の運転データが取りうる値とその発生確率との組が所定数だけ補完データとして求められることになる。
欠損データ補完ルール27aは、運転データ間の因果関係を確率で表した条件付確率分布であり、過熱度を補完する条件付確率はP(過熱度|ガス配管温度)となる。すなわち、欠損データ補完ルール27aは、ガス配管温度に対して過熱度の運転データが取りうる値とその発生確率との組が所定数設定された確率分布で、この所定数の組を補完データとして求めるためのものである。すなわち、ガス配管温度がある値をとるとき、過熱度の運転データが取りうる値とその発生確率との組が所定数だけ補完データとして求められることになる。
ここで、ガス配管温度に対して過熱度の運転データが取りうる値は、本例では値そのものではなく、過熱度を複数(ここでは3つ)に分割した範囲候補(〜1[deg]、1〜20[deg]、20〜[deg] )であり、この欠損データ補完ルール27aから得られる補完データは、3つとなる。なお、ガス配管温度も同様に複数(ここでは4つ)の候補範囲(〜5[℃],5〜12.5[℃],12.5〜20[℃],20〜[℃] )に分割され、ガス配管温度と過熱度の各範囲候補の組毎にそれぞれ発生確率が設定されている。なお、ここでは、過冷却度の範囲候補が4つ、過熱度の範囲候補が3つであるため、4×3の計12個の発生確率P11,P12,P13,P21,P22,P23,P31,P32,P33,P41,P42,P43が設定されている。
このように構成された欠損データ補完ルール27aによって補完される補完データは、例えばガス配管温度=18[℃]の場合、過熱度が〜1[deg] の範囲内の値を取りうる確率(発生確率)がP31[%]、過熱度が1〜20[deg]の範囲内の値を取りうる確率(発生確率)がP32[%]、過熱度が20〜[deg] の範囲内の値を取りうる確率(発生確率)がP33[%]といったデータとなる。
以下、実施の形態2の故障診断システム200の動作について説明する。
図6は、実施の形態2の故障診断システムにおける診断方法の説明図である。なお、本例でも冷媒不足を診断する場合について考える。運転データ群に欠損が無い場合の動作は実施の形態1と同様であるので説明を省略し、ここでは、過冷却度=10[deg]、ガス配管温度=18[℃] が正常運転データとして取得でき、冷媒不足の判定に必要な過熱度の運転データが欠損しているものとして、動作説明を行う。なお、高圧、低圧の運転データは実施の形態2の動作に関係しないため省略する。
この場合、欠損データ補完手段26は、運転データ取得手段3からの運転データ群に過熱度の運転データが無く欠損していると判断し、欠損データ以外の正常運転データ(過冷却度、ガス配管温度、高圧、低圧)を用いて過熱度補完用の欠損データ補完ルール27aに従って過熱度に関する補完データを求める。具体的には、図5に示した過熱度補完用の欠損データ補完ルール27aに従って、欠損データ以外の正常運転データ(過冷却度、ガス配管温度、高圧、低圧)のうちのガス配管温度=18[℃] を用いて、以下の候補1〜候補3を補完データとして求める。
(候補1)過熱度が〜1[deg]となる確率がCP31[%]
(候補2)過熱度が1〜20[deg]となる確率がCP32[%]
(候補3)過熱度が20〜[deg]となる確率がCP33[%]
(候補2)過熱度が1〜20[deg]となる確率がCP32[%]
(候補3)過熱度が20〜[deg]となる確率がCP33[%]
以上のようにして欠損データ補完手段26によって補完された上記候補1〜3の補完データは故障診断手段24に出力される。故障診断手段24は、欠損データ補完手段26から複数の補完データを取得したため、前記運転データ取得手段で取得された運転データ群に欠損が無い場合のように故障診断ルール5aから単純に1つの確信度を求めて診断結果として出力する故障診断処理に代えて、以下の手順で故障診断を行う。なお、この場合も既存の故障診断ルール5aを変更することなく適用して故障診断を行うことについては変わりない。
以下、欠損データ補完手段26から故障診断手段24に複数の補完データが入力された場合の故障診断手段24における故障診断手順について説明する。
この場合、欠損データ補完手段26から入力された各補完データのそれぞれに対応した確信度を、冷媒不足の判定に必要な過冷却度に基づいて、冷媒不足判定用の故障診断ルール5aから抽出する。ここでは、過冷却度=10[deg]であるので、以下の候補a〜候補cが抽出される。
この場合、欠損データ補完手段26から入力された各補完データのそれぞれに対応した確信度を、冷媒不足の判定に必要な過冷却度に基づいて、冷媒不足判定用の故障診断ルール5aから抽出する。ここでは、過冷却度=10[deg]であるので、以下の候補a〜候補cが抽出される。
(候補a)過熱度が〜1[deg]となる確信度がC21
(候補b)過熱度が1〜20[deg]となる確信度がC22
(候補c)過熱度が20〜[deg]となる確信度がC23
(候補b)過熱度が1〜20[deg]となる確信度がC22
(候補c)過熱度が20〜[deg]となる確信度がC23
そして、故障診断手段24は、確信度C21,C22,C23 と、確率CP31,CP32,CP33とに基づいて確信度の重み付き平均を算出する。すなわち、以下の(2)式に示すように、条件付確率(補完データ)を重みとした確信度の重み付き平均を算出し、最終的な確信度である総合確信度を、冷媒不足の故障診断結果として出力する。
総合確信度=CP31×C21+CP32×C22+CP33×C23 …(2)
この総合確信度は確信度と同様に例えば0〜1までの数値とされ、数値が高い方が冷媒不足の可能性が高いと判断される。
このように本実施の形態2によれば、補完データを一意に定めることができない状態であっても、補完データ(各範囲候補それぞれの発生確率)を用いて既存の故障診断ルール5aを適用して故障診断を行うことができる。
実施の形態3.
本実施の形態3は、過去の故障診断事例や対象設備機器1に詳しい熟練者(ルール作成者)の知識から故障診断ルールを作成する故障診断ルールの作成方法に関するものである。
本実施の形態3は、過去の故障診断事例や対象設備機器1に詳しい熟練者(ルール作成者)の知識から故障診断ルールを作成する故障診断ルールの作成方法に関するものである。
図7は、本発明の実施の形態3の故障診断システムの構成を示すブロック図である。なお、図7において図1と同一部分には同一符号を付している。
この故障診断システム300は、対象設備機器1の運転に関するデータを収集する収集手段2からの運転データを取得する運転データ取得手段3と、取得された運転データに基づいて故障診断を行う故障診断手段24と、故障診断手段24で用いられる故障診断ルール5aが複数記憶される故障診断ルールDB5と、過去の故障診断事例が複数記憶された故障診断事例DB31と、故障診断事例DB31を管理する事例管理手段32と、故障診断事例DB31に記憶されている過去の故障診断事例や後述の知識入力手段36から入力された知識情報に基づいて故障診断モデル34aを作成する故障診断モデル作成手段33と、故障診断モデル作成手段33で作成された故障診断モデル34aを複数記憶する故障診断モデルDB34と、故障診断モデルDB34に記憶された故障診断モデル34aから故障診断ルール5aを作成する故障診断ルール作成手段35と、故障診断ルール作成手段35で作成された故障診断ルール5aが記憶される故障診断ルールDB5と、対象設備機器1に詳しい熟練者が知識情報を入力するための例えばキーボード、マウスや、タッチパネル式のディスプレイなどの入力装置で構成された知識入力手段36とを備えている。この故障診断システム300は、必要なプログラムをインストールしたコンピュータによって実現される。
この故障診断システム300は、対象設備機器1の運転に関するデータを収集する収集手段2からの運転データを取得する運転データ取得手段3と、取得された運転データに基づいて故障診断を行う故障診断手段24と、故障診断手段24で用いられる故障診断ルール5aが複数記憶される故障診断ルールDB5と、過去の故障診断事例が複数記憶された故障診断事例DB31と、故障診断事例DB31を管理する事例管理手段32と、故障診断事例DB31に記憶されている過去の故障診断事例や後述の知識入力手段36から入力された知識情報に基づいて故障診断モデル34aを作成する故障診断モデル作成手段33と、故障診断モデル作成手段33で作成された故障診断モデル34aを複数記憶する故障診断モデルDB34と、故障診断モデルDB34に記憶された故障診断モデル34aから故障診断ルール5aを作成する故障診断ルール作成手段35と、故障診断ルール作成手段35で作成された故障診断ルール5aが記憶される故障診断ルールDB5と、対象設備機器1に詳しい熟練者が知識情報を入力するための例えばキーボード、マウスや、タッチパネル式のディスプレイなどの入力装置で構成された知識入力手段36とを備えている。この故障診断システム300は、必要なプログラムをインストールしたコンピュータによって実現される。
図8は、故障診断モデルの一例を示す図である。
故障診断モデル34aは、グラフと、データ−故障要因条件付確率表とで構成される。まず、グラフについて説明する。
グラフは、対象設備機器1の運転状態(過冷却度、過熱度、ガス配管温度、…)を運転データノード、対象設備機器1の各種の故障要因を故障要因ノードとして備えるとともに、互いに因果関係のある運転データノードと故障要因ノードとをリンクで結んだ2層のネットワーク形式で表現されたグラフであり、両者の定性的関係を表現したものである。
故障診断モデル34aは、グラフと、データ−故障要因条件付確率表とで構成される。まず、グラフについて説明する。
グラフは、対象設備機器1の運転状態(過冷却度、過熱度、ガス配管温度、…)を運転データノード、対象設備機器1の各種の故障要因を故障要因ノードとして備えるとともに、互いに因果関係のある運転データノードと故障要因ノードとをリンクで結んだ2層のネットワーク形式で表現されたグラフであり、両者の定性的関係を表現したものである。
運転データ−故障要因条件付確率表は、リンクで結ばれた運転データノードと故障要因ノード間において、その故障要因が発生したときに、運転データが取りうる値とその発生確率とをまとめて表にしたものであり、各リンク毎に構成されるものである。ここで、運転データが取りうる値は、本例では値そのものではなく、運転データの値を複数に分割した範囲候補としている。具体的には、図8に示したように、過熱度ノードと冷媒不足ノードとのリンクに対応した運転データ−故障要因条件付確率表は、冷媒不足と判断されたときに過熱度が範囲候補(〜1[deg])内の値を取る確率が0.67、過熱度が範囲候補(1〜20[deg])の値を取る確率が0.29、過熱度が範囲候補(20〜[deg])の値を取る確率が0.4として構成された表である。
図9は、故障診断事例DBに格納された故障診断事例の一例を示す図である。
故障診断事例は、過去の運転データを故障要因毎に分類して構成されたもので、図9には、冷媒不足に対応した故障診断事例を示している。
故障診断事例は、過去の運転データを故障要因毎に分類して構成されたもので、図9には、冷媒不足に対応した故障診断事例を示している。
以下、本実施の形態3の故障診断システムにおける故障診断ルールの作成方法について説明する。
故障診断ルール5aを作成する際、まず、故障診断モデル作成手段33は、事例管理手段32に指示して故障診断事例DB31に格納された過去の故障診断事例を取得し、取得した故障診断事例に基づいて図8に示した故障診断モデル34aのグラフと運転データ−故障要因条件付確率表を作成する。
故障診断ルール5aを作成する際、まず、故障診断モデル作成手段33は、事例管理手段32に指示して故障診断事例DB31に格納された過去の故障診断事例を取得し、取得した故障診断事例に基づいて図8に示した故障診断モデル34aのグラフと運転データ−故障要因条件付確率表を作成する。
過去の故障診断事例からグラフを作成する際には、故障要因が発生したときに特異に変化する運転データを検出し、その運転データノードと故障要因ノードをリンクで結ぶ。これを繰り返すことで作成する。例えば、冷媒不足時の過冷却度の平均値が1[deg]、冷媒過剰時の過冷却度の平均値が22[deg] であるのに対し、他の故障要因時の過冷却度の平均値が概ね15[deg] であり、平均値に対して一定値以上の差があるとき、冷媒過剰と冷媒不足それぞれの故障要因が発生したとき、過冷却度が特異に変化していると判断し、冷媒過剰ノードと過冷却度ノードをリンクで結ぶとともに、冷媒不足ノードと過冷却ノードとを結ぶ。なお、各運転データノードそれぞれと正常ノードとは必ずリンクで結ぶものとする。
また、過去の故障診断事例から運転データ−故障要因条件付確率表を作成する際には、以下の方法による。ここでは、過熱度ノードと冷媒不足ノード間のリンクに対応した運転データ−故障要因条件付確率表を作成する場合について説明する。
まず、故障診断事例DB31中の故障診断事例のうち、故障診断結果が冷媒不足である故障診断事例を検索する。そして、その検索された冷媒不足の故障診断事例における運転データ中の過熱度の値を、各範囲(〜1[deg]、1〜20[deg]、20〜[deg] )に分類し、それぞれの出現度数を求める。その各範囲それぞれの出現度数を正規化し合計を1にした値に基づいてデータ−故障要因条件付確率表を作成する。この出現度数を正規化した値が運転データ−故障要因条件付確率表における確率である。
まず、故障診断事例DB31中の故障診断事例のうち、故障診断結果が冷媒不足である故障診断事例を検索する。そして、その検索された冷媒不足の故障診断事例における運転データ中の過熱度の値を、各範囲(〜1[deg]、1〜20[deg]、20〜[deg] )に分類し、それぞれの出現度数を求める。その各範囲それぞれの出現度数を正規化し合計を1にした値に基づいてデータ−故障要因条件付確率表を作成する。この出現度数を正規化した値が運転データ−故障要因条件付確率表における確率である。
以上のようにして故障診断モデル作成手段33で作成された故障診断モデル34a(グラフ及び運転データ−故障要因条件付確率表)は、故障診断モデルDB34に格納される。続いて、故障診断ルール作成手段35は、故障診断モデルDB34に格納された故障診断モデル34aから故障診断ルール5aを自動作成する。
図10は、図8の故障診断モデルから故障診断ルールを自動的に作成する方法の説明図である。
ここで、故障診断モデル34aのグラフは、運転データノードとして、過冷却度ノードと、過熱度ノード、ガス配管温度ノードが備えられ、故障要因ノードとして正常ノード、冷媒過剰ノード及び冷媒不足ノードとが備えられている。そして、過冷却度ノードと各故障要因ノードとがリンクで結ばれ、過熱度ノードと各故障要因ノードとがリンクで結ばれ、ガス配管ノードと、正常ノードとがリンクで結ばれたグラフとなっている。ここでは、冷媒不足を判定する故障診断ルール5aを作成する場合を例に説明する。
ここで、故障診断モデル34aのグラフは、運転データノードとして、過冷却度ノードと、過熱度ノード、ガス配管温度ノードが備えられ、故障要因ノードとして正常ノード、冷媒過剰ノード及び冷媒不足ノードとが備えられている。そして、過冷却度ノードと各故障要因ノードとがリンクで結ばれ、過熱度ノードと各故障要因ノードとがリンクで結ばれ、ガス配管ノードと、正常ノードとがリンクで結ばれたグラフとなっている。ここでは、冷媒不足を判定する故障診断ルール5aを作成する場合を例に説明する。
冷媒不足判定用の故障診断ルール5aを作成する場合には、グラフから、冷媒不足の故障要因ノードとリンクで結ばれた運転データノードがどれであるかを判断し、その各運転データノード(ここでは過冷却度、過熱度)それぞれに対応した運転データ−故障要因条件付確率表から作成する。
まず、過冷却度の運転データノードに対応した運転データ−故障要因条件付確率表とは、過冷却度ノードと、この過冷却度ノードとリンクで結ばれた正常、冷媒過剰、冷媒不足の3つの故障要因ノードのそれぞれとの間の計3つの運転データ−故障要因条件付確率表である。また、過熱度の運転データノードに対応した運転データ−故障要因条件付確率表は、過熱度ノードと、この過熱度ノードとリンクで結ばれた正常、冷媒過剰、冷媒不足の3つの故障要因ノードのそれぞれとの間の計3つの運転データ−故障要因条件付確率表である。なお、過冷却度に対応した3つの運転データ−故障要因条件付確率表をまとめてグラフ化したものが図10のCPT1であり、過熱度の運転データノードに対応した3つの運転データ−故障要因条件付確率表をまとめたグラフ化したものが図10のCPT2である。
この過冷却度に対応した3つの運転データ−故障要因条件付確率表と、過熱度に3つの運転データ−故障要因条件付確率表とから冷媒不足用の故障診断ルール5aを作成する。以下、図10を参照して説明する。
図10において、過冷却度=〜5[deg] であるときに、正常、冷媒過剰、冷媒不足である確率が順にP1,P2,P3である。また、過熱度が〜1[deg]であるときに正常、冷媒過剰、冷媒不足である確率が順にQ1,Q2,Q3である。このとき、冷媒不足判定用の故障診断ルール5aにおいて、過冷却度=〜5[deg]かつ過熱度=1[deg]であるときの確信度C11(図3参照)は、以下のようにして求める。
すなわち、まず、過冷却度=〜5[deg] であるとき冷媒不足となる確率Aを以下の(3)式により近似的に求める。次に過熱度=〜1[deg] であるとき冷媒不足となる確率Bを以下の(4)式により近似的に求める。そして、次に過冷却度=〜5[deg] であるとき冷媒不足とならない確率Cを以下の(5)式により求めるとともに、過熱度=〜1[deg] であるとき冷媒不足とならない確率Dを以下の(6)式により求める。そして、A×Bを正規化したEを求める。このEが確信度C11となる。
A=P3/(P1+P2+P3) …(3)
B=Q3/(Q1+Q2+Q3) …(4)
C=1−A …(5)
D=1−B …(6)
E=A×B/(A×B+C×D) …(7)
B=Q3/(Q1+Q2+Q3) …(4)
C=1−A …(5)
D=1−B …(6)
E=A×B/(A×B+C×D) …(7)
以上の計算を、過冷却度の各範囲候補(〜5[deg],5〜12.5[deg],12.5〜20[deg],20〜[deg])と、過熱度の各範囲候補(〜1[deg],1〜20[deg],20〜[deg])の組み合わせの全てについて行い、冷媒不足判定用故障診断ルール5aを作成する。
以上のようにして故障診断ルール作成手段35によって作成された故障診断ルール5aは、故障診断ルールDB5に格納される。このようにして作成された故障診断ルール5aに基づいて故障診断手段24によって行われる故障診断は、上記実施の形態2と同様であり、その処理の説明は重複するためここでは省略する。
なお、以上には、故障診断モデル作成手段33が、故障診断事例から自動的に故障診断モデル34aを作成する場合を説明したが、熟練者が知識入力手段36から診断知識情報を入力して故障診断モデル34aを作成することもできるものとする。
この場合、故障診断システム300に、故障診断モデル作成支援プログラムをインストールして、故障診断モデル作成手段33に故障診断モデル作成支援機能を付加し、故障診断モデル作成用画面を図示しない表示画面上に表示させ、この故障診断モデル作成用画面上で熟練者が知識入力手段36を用いて運転データノードと故障要因ノードとを結びつけてグラフを作成したり、データ−故障要因条件付確率の数値を入力したりすることができるようにする。かかる構成により、熟練者の診断知識を故障診断モデル34aへと反映させることができるものとする。作成した故障診断モデル34aは、故障診断モデルDB34に格納され、上記と同様に故障診断ルール作成手段35により自動的に故障診断ルール5aに変換される。
このように、故障診断ルール5aの作成に際し、図8に示したようなグラフとデータ−故障要因条件付確率表とからなる故障診断モデル34aを熟練者に入力させ、その故障診断モデル34aから故障診断ルール5aを作成する方法は、熟練者が自身の知識に基づいて直接故障診断ルールを作成する場合と比較して容易となる。例えば、故障診断ルール5aを図11の左図に示すようなif-then 形式のツリー構造とした場合、熟練者は、多種類の運転データ1,2,3,…の相互間の関連を考慮しなければならないため、条件文(if文)が複雑となり大きな労力を熟練者に強いることになる。これに対し、本発明では、熟練者はある1つの運転データとある1つの故障要因が関係があるかを判断し、関係があればリンクを結ぶことでグラフを作成し、そのリンクに対応するデータ−故障要因条件付確率表を作成するといったように、上記条件文にあたる知識を分割して入力できるので、熟練者にかかる負担を軽減することができる。すなわち、各運転データ1,2,3,…の相互間の関連を考慮する必要が無いため、作成が簡単である。そして、このようにして作成された故障診断モデル34aに基づいて故障診断ルール5aが自動的に作成される。その作成方法は既に説明したのでここではその説明を省略する。
このように、本実施の形態3によれば、故障診断事例DB31内の過去の故障診断事例から自動的に故障診断モデル34aを経て故障診断ルール5aを作成することが可能となる。また、熟練者によって入力された知識情報を用いて故障診断ルール5aを作成するに際しては、熟練者は運転データと故障要因との関係のみを考慮して故障診断モデル34aを作成することにより、故障診断ルール5aが自動的に作成されるので、複雑になりがちな「if-then」 型の故障診断ルールを熟練者自らが手動で構築する場合に比べて、熟練者の労力を軽減できる。
実施の形態4.
実施の形態4は、実施の形態1又は2と実施の形態3とを組み合わせてなるもので、運転データ群中の運転データに欠損があっても既存の故障診断ルールを適用し故障診断を実行することができ、また、過去の故障診断事例や対象設備機器1に詳しい熟練者の知識情報に基づいて故障診断ルールを自動作成するようにしたものである。
実施の形態4は、実施の形態1又は2と実施の形態3とを組み合わせてなるもので、運転データ群中の運転データに欠損があっても既存の故障診断ルールを適用し故障診断を実行することができ、また、過去の故障診断事例や対象設備機器1に詳しい熟練者の知識情報に基づいて故障診断ルールを自動作成するようにしたものである。
図12は、実施の形態4の故障診断システムの構成を示すブロック図である。図12において図7と同一部分には同一符号を付し説明を省略する。なお、図12には実施の形態2と実施の形態3とを組み合わせた場合を例示している。
欠損データ補完ルール修正手段37は、熟練者が知識入力手段36から入力した補完知識情報に基づいて欠損データ補完ルールDB27内の欠損データ補完ルール27aを修正する手段である。具体的には、補完知識情報に従って、欠損データ補完ルール27aにおいて、運転データの閾値(図5の例で説明すると、ガス配管温度の各範囲候補の閾値の変更や、各確率P11,P12,…の変更を行う。このように、熟練者が適宜修正できるようにしたことで、故障診断システム400の故障診断能力を向上することが可能となる。
このように構成された実施の形態4の故障診断システム400において、運転データに欠損データが含まれているときの故障診断方法は、実施の形態2(又は実施の形態1)と同様である。また、故障診断ルール5aを作成する方法は実施の形態3と同様である。
このように、本実施の形態4によれば、実施の形態2(又は実施の形態1)及び実施の形態3と同様の作用効果を得ることができるとともに、知識入力手段36から欠損データ補完ルール27aを修正できるようにしたので、故障診断システム400の故障診断能力を向上することが可能となる。
なお、上記実施の形態1〜4においては、対象設備機器1を空気調和機として説明してきたが、本発明が対象とする対象設備機器は空気調和機に限られたものではない。
1 対象設備機器(空気調和機)、3 運転データ取得手段、4 故障診断手段、5a 故障診断ルール、6 欠損データ補完手段、7a 欠損データ補完ルール、24 故障診断手段、26 欠損データ補完手段、27a 欠損データ補完ルール、31 故障診断事例DB、33 故障診断モデル作成手段、34a 故障診断モデル、35 故障診断ルール作成手段、36 知識入力手段、100,200,300,400 故障診断システム。
Claims (9)
- 設備機器の各種状態のデータを収集する収集手段によって収集された運転データ群を取得する運転データ取得手段と、
前記運転データ群を、設備機器の故障を診断するための故障診断ルールに従って解析し、診断結果を出力する故障診断手段と、
前記運転データ取得手段で取得された運転データ群に欠損があるかを判断し、欠損がある場合、前記運転データ群における欠損データ以外の正常運転データに基づいて欠損データを補完するための補完ルールに従って、その欠損データを補完する欠損データ補完手段とを備え、
前記故障診断手段は、前記欠損データ補完手段で前記運転データ群に欠損があると判断された場合の故障診断に際しては、その欠損データ部分については前記欠損データ補完手段で補完された補完データを用いて故障診断を行うことを特徴とする設備機器故障診断システム。 - 設備機器の各種状態のデータを収集する収集手段によって収集された運転データ群を取得する運転データ取得手段と、
過去の故障診断事例を記憶する故障診断事例データベースと、
該故障診断事例データベースの前記過去の故障診断事例から故障診断モデルを作成する故障診断モデル作成手段と、
前記運転データ取得手段で取得された前記運転データ群に基づいて設備機器の故障を診断するための故障診断ルールを、前記故障診断モデルに基づいて故障要因別に作成する故障診断ルール作成手段と、
前記運転データ取得手段で取得された運転データ群を前記故障診断ルールに従って解析し、診断結果を出力する故障診断手段とを備え、
前記故障診断モデルは、前記各種状態を運転データノードとし、設備機器の各種の故障要因を故障要因ノードとして備えるとともに互いに因果関係のある運転データノードと故障要因ノードとをリンクで結んだ2層のネットワーク形式で表現されたグラフと、リンクで結ばれた運転データノードと故障要因ノード間においてその故障要因が発生したときに、運転データが取りうる値とその発生確率とをまとめて表にした、リンク毎に存在する運転データ−故障要因条件付確率表とから構成されてなり、
前記故障診断ルール作成手段は、前記故障診断モデルの前記グラフにおける各故障要因ノード毎に、その故障要因ノードとリンクで結ばれた運転データノードそれぞれに対応する運転データ−故障要因条件付確率表を特定し、その運転データ−故障要因条件付確率表からその故障要因判定用の故障診断ルールを作成することを特徴とする設備機器故障診断システム。 - 設備機器の各種状態のデータを収集する収集手段によって収集された運転データ群を取得する運転データ取得手段と、
ルール作成者が知識情報として故障診断モデルを入力するための知識入力手段と、
該知識入力手段から入力された前記故障診断モデルから、前記運転データ取得手段で取得された前記運転データ群に基づいて設備機器の故障を診断するための故障診断ルールを故障要因別に作成する故障診断ルール作成手段と、
前記運転データ取得手段で取得された運転データ群を前記故障診断ルールに従って解析し、診断結果を出力する故障診断手段と
を備え、
前記故障診断モデルは、前記各種状態を運転データノードとし、設備機器の各種の故障要因を故障要因ノードとして備えるとともに互いに因果関係のある運転データノードと故障要因ノードとをリンクで結んだ2層のネットワーク形式で表現されたグラフと、リンクで結ばれた運転データノードと故障要因ノード間においてその故障要因が発生したときに、運転データが取りうる値とその発生確率とをまとめて表にした、リンク毎に存在する運転データ−故障要因条件付確率表とから構成されてなり、
前記故障診断ルール作成手段は、前記故障診断モデルの前記グラフにおける各故障要因ノード毎に、その故障要因ノードとリンクで結ばれた運転データノードそれぞれに対応する運転データ−故障要因条件付確率表を特定し、その運転データ−故障要因条件付確率表からその故障要因判定用の故障診断ルールを作成することを特徴とする設備機器故障診断システム。 - 前記運転データ取得手段で取得された運転データ群に欠損があるかを判断し、欠損がある場合、前記運転データ群における欠損データ以外の正常運転データに基づいて欠損データを補完するための欠損データ補完ルールに従って、その欠損データを補完する欠損データ補完手段を備え、
前記故障診断手段は、前記欠損データ補完手段で前記運転データ群に欠損があると判断された場合の故障診断に際しては、その欠損データ部分については前記欠損データ補完手段で補完された補完データを用いて故障診断を行うことを特徴とする請求項2又は請求項3記載の設備機器故障診断システム。 - 前記欠損データ補完手段は、前記運転データ群のうちの前記正常運転データを入力として欠損データを算出する関数を前記欠損データ補完ルールとして用い、欠損データを補完することを特徴とする請求項1又は4記載の設備機器故障診断システム。
- 前記故障診断ルールは、故障要因毎に設けられ、その故障要因の診断に必要な複数の運転データがそれぞれある値を取るとき、その故障要因が診断結果として判定される確信度を求めるためのものであって、また、前記欠損データ補完ルールは、各運転データ間の条件付確率分布であり、ある運転データの値に対して補完対象運転データが取りうる値とその発生確率との組が所定数設定されたものであり、この所定数の組を補完データとして求めるためのもであり、
前記欠損データ補完手段は、前記運転データ取得手段で取得された運転データ群に欠損がある場合、前記運転データのうちの前記正常運転データに基づいて前記欠損データ補完ルールに従って、前記所定数の組の補完データを求め、
前記故障診断手段は、前記運転データ取得手段で取得された運転データ群のうち、診断すべき故障要因の診断に必要な複数の運転データを、その診断すべき故障要因に対応した故障診断ルールで解析し、確信度を故障診断結果として出力するものであり、前記運転データ取得手段で取得された運転データ群のうち欠損した運転データが、前記診断すべき故障要因の診断に必要な複数の運転データの何れかであり、その欠損した運転データの補完データとして前記欠損データ補完手段で前記所定数の組の補完データが求められた場合には、その前記所定数の組の補完データのそれぞれに対応した確信度を前記故障診断ルールから求め、そして、前記所定数の組の補完データのうちの各発生確率を重みとした前記各確信度の重み付き平均を求め、これを故障診断結果として出力することを特徴とする請求項1又は4記載の設備機器故障診断システム。 - ルール作成者が知識情報を入力するための知識入力手段を備え、該知識入力手段から入力された前記知識情報に基づいて、前記欠損データ補完ルール及び/又は前記故障診断モデルを変更可能としたことを特徴とする請求項1、4、5又は6記載の設備機器故障診断システム。
- 前記設備機器が空気調和機であることを特徴とする請求項1乃至請求項7の何れかに記載の設備機器故障診断システム。
- 設備機器の各種状態を運転データノードとし、設備機器の各種の故障要因を故障要因ノードとして備えるとともに互いに因果関係のある運転データノードと故障要因ノードとをリンクで結んだ2層のネットワーク形式で表現されたグラフと、リンクで結ばれた運転データノードと故障要因ノード間においてその故障要因が発生したときに、運転データが取りうる値とその発生確率とをまとめて表にした、リンク毎に存在する運転データ−故障要因条件付確率表とから構成された故障診断モデルを入力する入力工程と、
前記故障診断モデルに基づいて、前記各種の故障要因毎に、その故障要因判定用の故障診断ルールを作成する故障診断ルール作成工程とを有し、
前記故障診断ルール作成工程では、前記故障診断モデルの前記グラフにおける各故障要因ノード毎に、その故障要因ノードとリンクで結ばれた複数の運転データノードのそれぞれと、その運転データノードとリンクで結ばれた各故障要因ノードそれぞれとの間の運転データ−故障要因条件付確率表を特定し、その運転データ−故障要因条件付確率表からその故障要因判定用の故障診断ルールを作成することを特徴とする故障診断ルール作成方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2004123436A JP2005309616A (ja) | 2004-04-19 | 2004-04-19 | 設備機器故障診断システム及び故障診断ルール作成方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2004123436A JP2005309616A (ja) | 2004-04-19 | 2004-04-19 | 設備機器故障診断システム及び故障診断ルール作成方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2005309616A true JP2005309616A (ja) | 2005-11-04 |
Family
ID=35438366
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2004123436A Withdrawn JP2005309616A (ja) | 2004-04-19 | 2004-04-19 | 設備機器故障診断システム及び故障診断ルール作成方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2005309616A (ja) |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008160223A (ja) * | 2006-12-20 | 2008-07-10 | Fuji Xerox Co Ltd | 故障診断装置、故障診断システム、及び故障診断プログラム |
JP2010528364A (ja) * | 2007-05-24 | 2010-08-19 | パロ・アルト・リサーチ・センター・インコーポレーテッド | 間欠的故障の診断 |
JP2013513845A (ja) * | 2009-12-10 | 2013-04-22 | コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ | 画像の医療データ及び非画像の医療データの両者の連続的な記憶及び統合された分析のための診断技術 |
JP2013515187A (ja) * | 2009-12-19 | 2013-05-02 | ヌオーヴォ ピニォーネ ソシエタ ペル アチオニ | 圧縮機を診断するための方法およびシステム |
WO2014192066A1 (ja) * | 2013-05-27 | 2014-12-04 | 株式会社日立製作所 | プラント異常診断システム、プラント異常診断方法、及び計算機読み取り可能な記憶媒体 |
WO2018123143A1 (ja) * | 2016-12-28 | 2018-07-05 | 三菱日立パワーシステムズ株式会社 | 収集装置、収集方法、プログラム及び収集システム |
WO2018181116A1 (ja) * | 2017-03-29 | 2018-10-04 | 三菱重工業株式会社 | 情報処理装置、情報処理方法およびプログラム |
JP2018190246A (ja) * | 2017-05-09 | 2018-11-29 | 株式会社日立製作所 | 熱交換器の異常診断方法、異常診断システム、及びその制御装置 |
CN109783461A (zh) * | 2017-11-15 | 2019-05-21 | 波音公司 | 用于飞行数据处理的实时串流分析 |
CN110377001A (zh) * | 2019-06-04 | 2019-10-25 | 上海华电奉贤热电有限公司 | 基于数据融合的工业设备智能故障诊断系统和方法 |
WO2019230960A1 (ja) * | 2018-06-01 | 2019-12-05 | 日本電信電話株式会社 | 提示装置、提示方法及び提示プログラム |
CN111177485A (zh) * | 2019-12-16 | 2020-05-19 | 中建材智慧工业科技有限公司 | 基于参数规则匹配设备故障的预测方法、设备及介质 |
CN111337237A (zh) * | 2020-03-17 | 2020-06-26 | 北京必可测科技股份有限公司 | 一种设备故障的诊断方法及系统 |
CN114779747A (zh) * | 2022-05-11 | 2022-07-22 | 中国第一汽车股份有限公司 | 车辆故障原因确定系统及方法 |
CN111902781B (zh) * | 2018-03-28 | 2023-07-07 | 三菱电机株式会社 | 用于控制系统的设备和方法 |
CN117170349A (zh) * | 2023-11-02 | 2023-12-05 | 博纯材料股份有限公司 | 应用于氪气充装控制系统的故障诊断方法及系统 |
JP7460864B2 (ja) | 2018-01-22 | 2024-04-03 | ヒタチ・エナジー・リミテッド | 電力網アセットの状態分類を行うための方法および装置 |
-
2004
- 2004-04-19 JP JP2004123436A patent/JP2005309616A/ja not_active Withdrawn
Cited By (32)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008160223A (ja) * | 2006-12-20 | 2008-07-10 | Fuji Xerox Co Ltd | 故障診断装置、故障診断システム、及び故障診断プログラム |
JP2010528364A (ja) * | 2007-05-24 | 2010-08-19 | パロ・アルト・リサーチ・センター・インコーポレーテッド | 間欠的故障の診断 |
JP2013513845A (ja) * | 2009-12-10 | 2013-04-22 | コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ | 画像の医療データ及び非画像の医療データの両者の連続的な記憶及び統合された分析のための診断技術 |
US10360344B2 (en) | 2009-12-10 | 2019-07-23 | Koninklijke Philips N.V. | Diagnostic techniques for continuous storage and joint analysis of both image and non-image medical data |
JP2013515187A (ja) * | 2009-12-19 | 2013-05-02 | ヌオーヴォ ピニォーネ ソシエタ ペル アチオニ | 圧縮機を診断するための方法およびシステム |
US9709980B2 (en) | 2009-12-19 | 2017-07-18 | Piero Patrone Bonissone | Method and system for diagnosing compressors |
KR101776350B1 (ko) * | 2009-12-19 | 2017-09-07 | 누보 피그노네 에스피에이 | 압축기를 진단하는 방법 및 시스템 |
WO2014192066A1 (ja) * | 2013-05-27 | 2014-12-04 | 株式会社日立製作所 | プラント異常診断システム、プラント異常診断方法、及び計算機読み取り可能な記憶媒体 |
CN110050239A (zh) * | 2016-12-28 | 2019-07-23 | 三菱日立电力系统株式会社 | 收集装置、收集方法、程序及收集系统 |
WO2018123143A1 (ja) * | 2016-12-28 | 2018-07-05 | 三菱日立パワーシステムズ株式会社 | 収集装置、収集方法、プログラム及び収集システム |
JP2018109850A (ja) * | 2016-12-28 | 2018-07-12 | 三菱日立パワーシステムズ株式会社 | 収集装置、収集方法、プログラム及び収集システム |
TWI695338B (zh) * | 2016-12-28 | 2020-06-01 | 日商三菱日立電力系統股份有限公司 | 收集裝置、收集方法、程式及收集系統 |
US11378943B2 (en) | 2017-03-29 | 2022-07-05 | Mitsubishi Heavy Industries, Ltd. | Information processing device, information processing method, and program |
JP2018169763A (ja) * | 2017-03-29 | 2018-11-01 | 三菱重工業株式会社 | 情報処理装置、情報処理方法およびプログラム |
WO2018181116A1 (ja) * | 2017-03-29 | 2018-10-04 | 三菱重工業株式会社 | 情報処理装置、情報処理方法およびプログラム |
JP2018190246A (ja) * | 2017-05-09 | 2018-11-29 | 株式会社日立製作所 | 熱交換器の異常診断方法、異常診断システム、及びその制御装置 |
CN109783461B (zh) * | 2017-11-15 | 2023-09-05 | 波音公司 | 用于飞行器的数据流分析的方法和飞行数据处理系统 |
CN109783461A (zh) * | 2017-11-15 | 2019-05-21 | 波音公司 | 用于飞行数据处理的实时串流分析 |
JP7202847B2 (ja) | 2017-11-15 | 2023-01-12 | ザ・ボーイング・カンパニー | フライトデータ処理のためのリアルタイム・ストリーミング分析 |
JP2019108117A (ja) * | 2017-11-15 | 2019-07-04 | ザ・ボーイング・カンパニーThe Boeing Company | フライトデータ処理のためのリアルタイム・ストリーミング分析 |
JP7460864B2 (ja) | 2018-01-22 | 2024-04-03 | ヒタチ・エナジー・リミテッド | 電力網アセットの状態分類を行うための方法および装置 |
CN111902781B (zh) * | 2018-03-28 | 2023-07-07 | 三菱电机株式会社 | 用于控制系统的设备和方法 |
WO2019230960A1 (ja) * | 2018-06-01 | 2019-12-05 | 日本電信電話株式会社 | 提示装置、提示方法及び提示プログラム |
JP2019211931A (ja) * | 2018-06-01 | 2019-12-12 | 日本電信電話株式会社 | 提示装置、提示方法及び提示プログラム |
JP7003843B2 (ja) | 2018-06-01 | 2022-01-21 | 日本電信電話株式会社 | 提示装置、提示方法及び提示プログラム |
CN110377001A (zh) * | 2019-06-04 | 2019-10-25 | 上海华电奉贤热电有限公司 | 基于数据融合的工业设备智能故障诊断系统和方法 |
CN111177485A (zh) * | 2019-12-16 | 2020-05-19 | 中建材智慧工业科技有限公司 | 基于参数规则匹配设备故障的预测方法、设备及介质 |
CN111337237A (zh) * | 2020-03-17 | 2020-06-26 | 北京必可测科技股份有限公司 | 一种设备故障的诊断方法及系统 |
CN111337237B (zh) * | 2020-03-17 | 2021-10-15 | 北京必可测科技股份有限公司 | 一种设备故障的诊断方法及系统 |
CN114779747A (zh) * | 2022-05-11 | 2022-07-22 | 中国第一汽车股份有限公司 | 车辆故障原因确定系统及方法 |
CN117170349A (zh) * | 2023-11-02 | 2023-12-05 | 博纯材料股份有限公司 | 应用于氪气充装控制系统的故障诊断方法及系统 |
CN117170349B (zh) * | 2023-11-02 | 2024-02-27 | 博纯材料股份有限公司 | 应用于氪气充装控制系统的故障诊断方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2005309616A (ja) | 設備機器故障診断システム及び故障診断ルール作成方法 | |
JP4873985B2 (ja) | 設備機器用故障診断装置 | |
Wang et al. | Fault detection and diagnosis of chillers using Bayesian network merged distance rejection and multi-source non-sensor information | |
Shahnazari et al. | Heating, ventilation and air conditioning systems: Fault detection and isolation and safe parking | |
Kim et al. | A new reliability allocation weight for reducing the occurrence of severe failure effects | |
JP5299267B2 (ja) | 診断装置 | |
Alavi et al. | BIM-based decision support for building condition assessment | |
US10331510B2 (en) | Simulation based fault diagnosis using extended heat flow models | |
WO2018179939A1 (ja) | リスク評価装置、リスク評価方法、及び、リスク評価プログラム | |
JP2022502737A (ja) | ベイジアンネットワークによるボイラーの運転データの監視方法及び装置 | |
AU2010332200B2 (en) | Method and system for diagnosing compressors | |
CN112766047B (zh) | 一种制冷系统故障诊断方法及制冷装置 | |
Sun et al. | Online sensor fault diagnosis for robust chiller sequencing control | |
JP7032261B2 (ja) | 異常検知システムおよび異常検知方法 | |
JP6862130B2 (ja) | 異常検知装置、異常検知方法、およびプログラム | |
JP7367472B2 (ja) | 推定方法、推定装置及びプログラム | |
JP2005301582A (ja) | プロセス管理装置 | |
Zhou et al. | Estimation of an incipient fault using an adaptive neurofuzzy sliding-mode observer | |
CN117170304B (zh) | 一种基于工业物联网的plc远程监测控制方法及系统 | |
Thabet et al. | Intelligent energy management of compressed air systems | |
WO2020230422A1 (ja) | 異常診断装置及び方法 | |
JP4434905B2 (ja) | プロセス管理装置 | |
CN116049642A (zh) | 一种故障诊断方法、系统、电子设备及计算机存储介质 | |
JP7428598B2 (ja) | 故障診断システム、故障診断方法、及びプログラム | |
Cempel et al. | Optimization of dimensionality of symptom space in machine condition monitoring |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A300 | Withdrawal of application because of no request for examination |
Free format text: JAPANESE INTERMEDIATE CODE: A300 Effective date: 20070703 |