JP2012089057A - 設備状態監視方法およびその装置並びに設備状態監視用プログラム - Google Patents
設備状態監視方法およびその装置並びに設備状態監視用プログラム Download PDFInfo
- Publication number
- JP2012089057A JP2012089057A JP2010237310A JP2010237310A JP2012089057A JP 2012089057 A JP2012089057 A JP 2012089057A JP 2010237310 A JP2010237310 A JP 2010237310A JP 2010237310 A JP2010237310 A JP 2010237310A JP 2012089057 A JP2012089057 A JP 2012089057A
- Authority
- JP
- Japan
- Prior art keywords
- abnormality
- sensor signal
- facility
- rule
- 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.)
- Granted
Links
Images
Landscapes
- Testing And Monitoring For Control Systems (AREA)
Abstract
プラントなどの設備における異常予兆検知において、センサ毎に監視基準を設ける異常検出による異常判定の根拠の理解しやすさと、統計的な正常モデルに基づく高感度な異常検出とを両立させることは困難であった。
【解決手段】
設備あるいは装置に取り付けられたセンサから出力される設備あるいは装置の状態を示す時系列のセンサ信号および設備あるいは装置のイベント信号に基づいて設備状態を監視する方法において、センサ信号およびイベント信号を蓄積し、蓄積したセンサ信号およびイベント信号を統計的に解析して異常を検知し、異常を検知した結果に基づいて学習データを選定し、選定した学習データに基づいて異常を識別するためのルールを抽出し、センサ信号に異常を識別するためのルールを適用してルールベースによる異常識別を行い設備あるいは装置の異常を検知又は予知するようにした。
【選択図】図1
Description
図1に、本発明の設備状態監視方法を実現するシステムの一構成例を示す。
本システムは、設備101から出力されるセンサ信号102とイベント信号103を受けてルールを用いて異常又は予兆(以後、これらを纏めて異常と記す)検知するルールベース異常識別部104、センサ信号102とイベント信号103を蓄積するデータベース105、蓄積されたデータを用いて正常モデルを作成し、正常モデルに基づきセンサ信号の異常を検知する統計的異常識別部106、異常検知結果に基づきセンサ信号102に正常、異常のラベルを付加し、それらをもとに学習データを選定する学習データ選定部107、選定された学習データに基づき決定木を構築することによりルールベース異常識別部104で用いるルールを抽出するルール抽出部108とを備えて構成され、ルール抽出部108で抽出したルールを用いてルールベース異常識別部104で設備101からのセンサ信号とイベント信号を入力し設備101の異常を検知又は予知して異常検知信号109を出力する。
状態監視の対象とする設備101は、ガスタービンや蒸気タービンなどの設備やプラントである。設備101は、その状態を表すセンサ信号102とイベント信号103を出力
する。センサ信号102とイベント信号103はデータベース105に蓄積されている。
始めに、イベント信号103に基づくモード分割方法の実施例を図4A〜Cを用いて説明する。ルール設定時と異常検知時の両方で同じ方法で実施する。イベント信号103の例を図4Aに示す。不定期に出力される設備の操作・故障・警告を表す信号であり、時刻と操作・故障・警告を表す文字列またはコードからなる。図4Bに示すように、このイベント信号103を入力し(S401)、所定の文字列またはコードの検索により起動シーケンスと停止シーケンスの抽出を行う(S402)。その結果をもとに、停止シーケンスの終了時刻から起動シーケンスの開始時刻までの「定常OFF」モード411、起動シーケンス中の「起動」モード412、起動シーケンスの終了時刻から停止シーケンスの開始時刻までの「定常ON」モード413、停止シーケンス中の「停止」モード414の4つの稼動状態にモード分割する(S403)。図4Cに例を示す。
(1)シーケンスの途中でない場合は、開始イベントを探索する。見つかったらシーケンスの開始とする。
(2)シーケンスの途中の場合は、終了イベントを探索する。見つかったらシーケンスの終了とする。
ここで終了イベントとは、指定の終了イベントのほか、故障、警告、指定の開始イベントとする。指定の終了イベント以外で終了した場合は、異常終了として記録しておく。
センサ信号102の例を図5に示す。複数の時系列信号であり、ここでは、時系列/××1に対応する信号1、時系列/××2に対応する信号2、時系列/××3に対応する信号3及び時系列/××4に対応する信号4という4種類の信号を表している。実際には、4種類に限るものではなく、数百から数千と言った数になる場合もある。各信号は、設備101に設けられた複数のセンサからの出力に相当し、例えば、シリンダ、オイル、冷却水などの温度、オイルや冷却水の圧力、軸の回転速度、室温、運転時間などが、一定間隔で観測されるものである。出力や状態を表すのみならず、何かをある値に制御するための制御信号の場合もある。本発明ではこれらのデータを、多次元時系列信号として扱う。
先ず、ステップS601において、データベース105からステップS202で選定されたデータセットのセンサ信号102を入力し、次に、ステップS602において特徴抽出を行い、特徴ベクトルを得る。特徴抽出としては、センサ信号をそのまま用いることが考えられるが、ある時刻に対して±1,±2,…のウィンドウを設け,ウィンドウ幅(3,5,…)×センサ数の特徴ベクトルにより、データの時間変化を表す特徴を抽出することもできる。また、離散ウェーブレット変換(DWT: Discrete Wavelet Transform)を施して、周波数成分に分解してもよい。なお、各特徴は平均と標準偏差を用いて、平均を0、分散を1となるように変換する正準化を行うとよい。評価時に同じ変換ができるよう、各特徴の平均と標準偏差を記憶しておく。あるいは、最大値と最小値または予め設定した上限値と下限値を用いて正規化を行ってもよい。これらの処理は、単位およびスケールの異なるセンサ信号を同時に扱うためのものである。
ラスSVMなど様々な方法を用いて正常モデルの作成が可能である。
図9Bには、時系列データ拡大表示画面907を示す。異常測度、しきい値、判定結果を拡大して表示する異常測度拡大表示ウィンドウ908とセンサ信号を拡大して表示する信号拡大表示ウィンドウ909で構成される。各ウィンドウには、時系列データ全体表示画面901において、カーソル906で示された時刻を起点として、異常測度表示ウィンドウ902と信号表示ウィンドウ903に表示された時系列データの拡大表示を行う。
学習データに基づいて決定木を構築する処理の1実施例を、図12を用いて説明する。決定木構築処理は、各分岐点で、使用するセンサ項目およびしきい値を決定する処理を再帰的に実行するものである。図12は、各ノードにおいて分岐条件を決める処理のフローを表す図である。初めに、処理中のノードに含まれるラベルが一意に決まるかをチェックし(S1201)、一意に決まれば(YES)、それは葉ノードであり、この後に説明する処理を行わない(S1202)。処理中のノードに2種のラベルが存在するならば(NO)、すべての学習データから、処理中のノードに含まれるデータをリストアップする(S1203)。それは、ルートノードでは全てのデータとなり、それ以外であれば、上位の条件をすべて満たすデータとなる。
(1) 注目ノードが葉ノードの時は,決定クラス名と記録されている分類条件をすべて記述
し、戻る。優先順位は葉ノードの登場順になる。
(2) それ以外のときは、分類条件を記録し、左のノードの処理(1)〜(3)を行う。
(3) 分類条件を削除し,右のノードの処理(1)〜(3)を行う。
Claims (15)
- 設備あるいは装置に取り付けられたセンサから出力される前記設備あるいは装置の状態を示す時系列のセンサ信号および前記設備あるいは装置のイベント信号に基づいて設備状態を監視する方法であって、
前記センサ信号および前記イベント信号を蓄積し、
該蓄積した前記センサ信号および前記イベント信号を統計的に解析して異常を検知し、
該異常を検知した結果に基づいて学習データを選定し、
該選定した学習データに基づいて異常を識別するためのルールを抽出し、
前記センサ信号に前記異常を識別するためのルールを適用してルールベースによる異常識別を行い前記設備あるいは装置の異常を検知又は予知する
ことを特徴とする設備状態監視方法。 - 前記イベント信号に基づいて前記センサ信号を稼動状態別のモード分割を行い、モード毎に前記統計的解析に基づく異常検知および前記ルールの抽出および前記ルールベースによる異常識別を行うことを特徴とする請求項1記載の設備状態監視方法。
- 設備または装置に取り付けられたセンサから出力される前記設備あるいは装置の状態を示す時系列のセンサ信号を蓄積するデータ蓄積工程と、
該データ蓄積工程で蓄積されたセンサ信号に基づき正常モデルを作成し、前記正常モデルとの比較により前記センサ信号の異常を検知し、前記異常を検知した結果に基づき前記センサ信号に正常、異常のラベルを付加し、前記ラベルが付加されたセンサ信号を学習データとしてルールを抽出するルール抽出工程と、
前記設備または装置の出力する時系列のセンサ信号と前記ルール抽出工程で抽出したルールに基づき前記設備または装置の異常識別を行う異常検知工程と
を備えることを特徴とする設備状態監視方法。 - 設備または装置に取り付けられたセンサから出力される前記設備あるいは装置の状態を示す時系列のセンサ信号および前記イベント信号を蓄積するデータ蓄積工程と、
該データ蓄積工程で蓄積されたイベント信号に基づき稼動状態別のモード分割を行い、前記蓄積されたセンサ信号に基づき正常モデルを作成し、前記センサ信号を前記正常モデルと比較して前記センサ信号の異常を検知し、前記異常を検知した結果に基づき前記センサ信号に正常または異常のラベルを付加し、前記ラベルが付加された前記センサ信号を学習データとして前記モード毎にルールを抽出するルール抽出工程と、
前記設備または装置の出力する時系列のイベント信号に基づき前記設備または装置の稼動状態別のモード分割を行い、前記設備または装置の出力する時系列のセンサ信号と前記抽出したルールに基づき、前記モード毎に前記設備または装置の異常識別を行い前記設備あるいは装置の異常を検知又は予知する異常検知工程と
を備えることを特徴とする設備状態監視方法。 - 故障の種類を指定し、該指定した故障を含む期間をリストアップし、該リストアップした期間から前記ルール抽出処理の対象を選択するデータ選択工程をさらに備えることを特徴とする請求項3または4記載の設備状態監視方法。
- 前記ルール抽出処理の対象とした期間について、前記センサ信号および前記正常モデルとの比較により異常検知した結果を表示する、統計的異常検知結果表示工程をさらに備えることを特徴とする請求項5記載の設備状態監視方法。
- 設備または装置に取り付けられたセンサから出力される前記設備あるいは装置の状態を示す時系列のセンサ信号およびイベント信号を蓄積するデータ蓄積手段と、
該データ蓄積手段に蓄積された前記センサ信号およびイベント信号を統計的に解析して前記センサ信号の異常を識別する統計的異常識別手段と、
該統計的異常識別手段で前記センサ信号の異常を識別した結果に基づいて学習データを選定する学習データ選定手段と、
該学習データ選定手段で選定した学習データに基づいて異常を識別するためのルールを抽出するルール抽出手段と、
該ルール抽出手段で抽出した異常を識別するためのルールに基づいて前記設備または装置の出力する時系列のセンサ信号の異常を識別して前記設備あるいは装置の異常を検知又は予知するルールベース異常識別手段と
を備えることを特徴とする設備状態監視装置。 - 前記ルールベース異常識別手段は前記イベント信号に基づいて前記センサ信号を稼動状態別のモード分割を行い、該分割したモード毎に前記ルール抽出手段で抽出した異常を識別するためのルールに基づいて前記設備または装置の出力する時系列のセンサ信号の異常を識別し前記設備あるいは装置の異常を検知又は予知することを特徴とする請求項7記載の設備状態監視装置。
- 設備または装置に取り付けられたセンサから出力される前記設備あるいは装置の状態を示す時系列のセンサ信号を蓄積するデータ蓄積手段と、
該データ蓄積手段に蓄積されたセンサ信号に基づき正常モデルを作成する正常モデル作成手段と、
前記データ蓄積手段に蓄積されたセンサ信号と前記正常モデル作成手段で作成された正常モデルとを比較して前記センサ信号の異常を検知し該センサ信号の異常を検知した結果に基づき前記データ蓄積手段に蓄積されたセンサ信号に正常、異常のラベルを付加して該ラベルが付加されたセンサ信号を学習データとして異常を識別するためのルールを抽出するルール抽出手段と、
前記設備または装置に取り付けられたセンサから出力される前記設備あるいは装置の状態を示す時系列のセンサ信号と前記ルール抽出手段で抽出した異常を識別するためのルールに基づき前記設備または装置の異常を識別して前記設備あるいは装置の異常を検知又は予知するルールベース異常識別手段と
を備えることを特徴とする設備状態監視装置。 - 設備または装置に取り付けられたセンサから出力される前記設備あるいは装置の状態を示す時系列のセンサ信号および前記設備または装置のイベント信号を蓄積するデータ蓄積手段と、
該データ蓄積手段に蓄積された前記イベント信号に基づき前記設備または装置の稼動状態別に前記データ蓄積手段に蓄積されたセンサ信号をモード分割し該分割したモード毎に前記蓄積されたセンサ信号に基づき正常モデルを作成して前記センサ信号を前記正常モデルと比較して前記センサ信号の異常を識別する異常識別手段と、
該異常識別手段で前記センサ信号の異常を識別した結果に基づき前記センサ信号から前記モード毎に学習データを選定する学習データ選定手段と、
該学習データ選定手段で前記モード毎に選定した学習データに基づいて前記モード毎に異常を識別するためのルールを抽出するルール抽出手段と、
前記イベント信号に基づき前記時系列のセンサ信号を前記設備または装置の稼動状態別のモード分割し、前記ルール抽出手段で抽出したルールに基づき前記モード分割した前記設備または装置の時系列のセンサ信号について異常識別を行い前記設備あるいは装置の異常を検知又は予知するルールベース異常識別手段と
を備えることを特徴とする設備状態監視装置。 - 前記イベント信号として故障の種類を指定し、該指定した故障を含む期間をリストアップし、該リストアップした期間から前記ルール抽出処理の対象を選択するデータ選択手段をさらに備えることを特徴とする請求項9または10記載の設備状態監視装置。
- 前記ルール抽出処理の対象とした期間について、前記センサ信号および前記正常モデルとの比較により異常検知した結果を表示する統計的異常検知結果表示手段をさらに備えることを特徴とする請求項11記載の設備状態監視装置。
- 設備あるいは装置に取り付けられたセンサから出力される前記設備あるいは装置の状態を示す時系列のセンサ信号および前記設備あるいは装置のイベント信号に基づいて設備状態を監視するためのソフトプログラムであって、
前記センサ信号および前記イベント信号を蓄積する信号データ記憶ステップと、
該蓄積した前記センサ信号および前記イベント信号を統計的に解析して異常を検知する異常検知ステップと、
該異常を検知した結果に基づいて学習データを選定する学習データ選定ステップと、
該選定した学習データに基づいて異常を識別するためのルールを抽出するルール抽出ステップと、
前記センサ信号に前記ルール抽出ステップで抽出したルールを適用してルールベースによる異常識別を行い前記設備あるいは装置の異常を検知又は予知する異常識別ステップ
とを有することを特徴とする設備状態監視用プログラム。 - 設備または装置に取り付けられたセンサから出力される前記設備あるいは装置の状態を示す時系列のセンサ信号を蓄積するデータ蓄積ステップと、
該データ蓄積ステップで蓄積されたセンサ信号に基づき正常モデルを作成し、前記正常モデルとの比較により前記センサ信号の異常を検知し、前記異常を検知した結果に基づき前記センサ信号に正常、異常のラベルを付加し、前記ラベルが付加されたセンサ信号を学習データとしてルールを抽出するルール抽出ステップと、
前記設備または装置の出力する時系列のセンサ信号と前記ルール抽出工程で抽出したルールに基づき前記設備または装置の異常識別を行う異常識別ステップと
を備えることを特徴とする設備状態監視用プログラム。 - 設備または装置に取り付けられたセンサから出力される前記設備あるいは装置の状態を示す時系列のセンサ信号および前記イベント信号を蓄積するデータ蓄積ステップと、
該データ蓄積工程で蓄積されたイベント信号に基づき稼動状態別のモード分割を行い、前記蓄積されたセンサ信号に基づき正常モデルを作成し、前記センサ信号を前記正常モデルと比較して前記センサ信号の異常を検知し、前記異常を検知した結果に基づき前記センサ信号に正常または異常のラベルを付加し、前記ラベルが付加された前記センサ信号を学習データとして前記モード毎にルールを抽出するルール抽出ステップと、
前記設備または装置の出力する時系列のイベント信号に基づき前記設備または装置の稼動状態別のモード分割を行い、前記設備または装置の出力する時系列のセンサ信号と前記抽出したルールに基づき、前記モード毎に前記設備または装置の異常識別を行い前記設備あるいは装置の異常を検知又は予知する異常識別ステップと
を備えることを特徴とする設備状態監視用プログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2010237310A JP5331774B2 (ja) | 2010-10-22 | 2010-10-22 | 設備状態監視方法およびその装置並びに設備状態監視用プログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2010237310A JP5331774B2 (ja) | 2010-10-22 | 2010-10-22 | 設備状態監視方法およびその装置並びに設備状態監視用プログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2012089057A true JP2012089057A (ja) | 2012-05-10 |
JP5331774B2 JP5331774B2 (ja) | 2013-10-30 |
Family
ID=46260591
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2010237310A Active JP5331774B2 (ja) | 2010-10-22 | 2010-10-22 | 設備状態監視方法およびその装置並びに設備状態監視用プログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP5331774B2 (ja) |
Cited By (25)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2014034273A1 (ja) * | 2012-08-29 | 2014-03-06 | 株式会社日立製作所 | 設備状態監視方法及び設備状態監視装置 |
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 |
WO2015141640A1 (ja) * | 2014-03-19 | 2015-09-24 | 日本電信電話株式会社 | 抽出条件決定方法、通信監視システム、抽出条件決定装置及び抽出条件決定プログラム |
JP2016071455A (ja) * | 2014-09-26 | 2016-05-09 | アズビル株式会社 | 計装機器監視システム |
JP2016517093A (ja) * | 2013-03-15 | 2016-06-09 | フルークコーポレイションFluke Corporation | 機器用統合データ収集及び報告インタフェース |
WO2017038373A1 (ja) * | 2015-09-01 | 2017-03-09 | 株式会社テイエルブイ | 分析システム、及び、分析方法 |
US9659250B2 (en) | 2011-08-31 | 2017-05-23 | Hitachi Power Solutions Co., Ltd. | Facility state monitoring method and device for same |
JP2018018411A (ja) * | 2016-07-29 | 2018-02-01 | キヤノンマーケティングジャパン株式会社 | 情報処理装置、情報処理方法、プログラム |
JP2019020124A (ja) * | 2017-07-11 | 2019-02-07 | 富士通株式会社 | 異常検出プログラム、異常検出方法、及び情報処理装置 |
KR20190061991A (ko) * | 2017-11-28 | 2019-06-05 | (주)지티유솔루션 | 공장 시스템 관리 방법 |
JP2019128934A (ja) * | 2018-01-22 | 2019-08-01 | パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカPanasonic Intellectual Property Corporation of America | 異常判定装置、異常検知モデル作成サーバ及びプログラム |
US10565699B2 (en) | 2017-04-11 | 2020-02-18 | Electronics And Telecommunications Research Institute | Apparatus and method for detecting anomaly in plant pipe using multiple meta-learning |
JP2020035407A (ja) * | 2018-08-31 | 2020-03-05 | 株式会社日立パワーソリューションズ | 異常予兆診断装置及び異常予兆診断方法 |
US10725095B2 (en) | 2011-08-03 | 2020-07-28 | Fluke Corporation | Maintenance management systems and methods |
JP2020119379A (ja) * | 2019-01-25 | 2020-08-06 | 本田技研工業株式会社 | 管理装置、管理装置の制御方法及びプログラム |
CN111566643A (zh) * | 2018-01-17 | 2020-08-21 | 三菱电机株式会社 | 攻击检测装置、攻击检测方法和攻击检测程序 |
JP2020161147A (ja) * | 2015-06-12 | 2020-10-01 | アビニシオ テクノロジー エルエルシー | データ品質分析 |
JP2021043499A (ja) * | 2019-09-06 | 2021-03-18 | 三菱電機株式会社 | 学習モデルデータ再構築装置および学習モデルデータ再構築方法並びに学習モデルデータ再構築プログラム |
CN113077357A (zh) * | 2021-03-29 | 2021-07-06 | 国网湖南省电力有限公司 | 电力时序数据异常检测方法及其填补方法 |
CN114660399A (zh) * | 2022-02-28 | 2022-06-24 | 湖北拓普电力有限公司 | 一种环网柜设备状态监测及故障诊断方法 |
CN114986828A (zh) * | 2021-03-01 | 2022-09-02 | 株式会社东芝 | 工作状态管理装置、工作状态管理系统及工作状态管理方法 |
WO2023281732A1 (ja) * | 2021-07-09 | 2023-01-12 | ファナック株式会社 | 分析装置 |
JP7258253B1 (ja) * | 2022-06-27 | 2023-04-14 | 三菱電機株式会社 | 正常モデル生成プログラム、正常モデル生成装置および正常モデル生成方法 |
CN116957543A (zh) * | 2023-09-19 | 2023-10-27 | 成都秦川物联网科技股份有限公司 | 基于大数据的智慧燃气设备管理方法和物联网系统 |
CN117648446A (zh) * | 2023-11-24 | 2024-03-05 | 国能大渡河流域水电开发有限公司 | 一种基于知识图谱的水电站监视事件异常识别与诊断方法 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7206066B2 (ja) | 2018-07-30 | 2023-01-17 | 三菱重工業株式会社 | 運転支援方法及び運転支援システム |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH06309585A (ja) * | 1993-04-26 | 1994-11-04 | Mitsubishi Electric Corp | プレ警報装置 |
JPH09305224A (ja) * | 1996-05-17 | 1997-11-28 | Hitachi Ltd | 予防保全方法及び装置 |
JP2003058614A (ja) * | 2001-08-10 | 2003-02-28 | Matsushita Electric Works Ltd | 建物の設備運用管理支援システム |
JP2006343063A (ja) * | 2005-06-10 | 2006-12-21 | Daikin Ind Ltd | 設備機器の異常予知システム、設備機器の異常予知装置および設備機器の異常予知方法 |
JP2009070071A (ja) * | 2007-09-12 | 2009-04-02 | Toshiba Corp | 学習型プロセス異常診断装置、およびオペレータ判断推測結果収集装置 |
JP2010122912A (ja) * | 2008-11-19 | 2010-06-03 | Toshiba Corp | 異常判定装置、方法、及びプログラム |
JP2010191556A (ja) * | 2009-02-17 | 2010-09-02 | Hitachi Ltd | 異常検知方法及び異常検知システム |
-
2010
- 2010-10-22 JP JP2010237310A patent/JP5331774B2/ja active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH06309585A (ja) * | 1993-04-26 | 1994-11-04 | Mitsubishi Electric Corp | プレ警報装置 |
JPH09305224A (ja) * | 1996-05-17 | 1997-11-28 | Hitachi Ltd | 予防保全方法及び装置 |
JP2003058614A (ja) * | 2001-08-10 | 2003-02-28 | Matsushita Electric Works Ltd | 建物の設備運用管理支援システム |
JP2006343063A (ja) * | 2005-06-10 | 2006-12-21 | Daikin Ind Ltd | 設備機器の異常予知システム、設備機器の異常予知装置および設備機器の異常予知方法 |
JP2009070071A (ja) * | 2007-09-12 | 2009-04-02 | Toshiba Corp | 学習型プロセス異常診断装置、およびオペレータ判断推測結果収集装置 |
JP2010122912A (ja) * | 2008-11-19 | 2010-06-03 | Toshiba Corp | 異常判定装置、方法、及びプログラム |
JP2010191556A (ja) * | 2009-02-17 | 2010-09-02 | Hitachi Ltd | 異常検知方法及び異常検知システム |
Cited By (35)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10725095B2 (en) | 2011-08-03 | 2020-07-28 | Fluke Corporation | Maintenance management systems and methods |
US9659250B2 (en) | 2011-08-31 | 2017-05-23 | Hitachi Power Solutions Co., Ltd. | Facility state monitoring method and device for same |
WO2014034273A1 (ja) * | 2012-08-29 | 2014-03-06 | 株式会社日立製作所 | 設備状態監視方法及び設備状態監視装置 |
JP2016517093A (ja) * | 2013-03-15 | 2016-06-09 | フルークコーポレイションFluke Corporation | 機器用統合データ収集及び報告インタフェース |
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 |
WO2015141640A1 (ja) * | 2014-03-19 | 2015-09-24 | 日本電信電話株式会社 | 抽出条件決定方法、通信監視システム、抽出条件決定装置及び抽出条件決定プログラム |
JPWO2015141640A1 (ja) * | 2014-03-19 | 2017-04-13 | 日本電信電話株式会社 | 抽出条件決定方法、通信監視システム、抽出条件決定装置及び抽出条件決定プログラム |
US10257213B2 (en) | 2014-03-19 | 2019-04-09 | Nippon Telegraph And Telephone Corporation | Extraction criterion determination method, communication monitoring system, extraction criterion determination apparatus and extraction criterion determination program |
JP2016071455A (ja) * | 2014-09-26 | 2016-05-09 | アズビル株式会社 | 計装機器監視システム |
CN117807065A (zh) * | 2015-06-12 | 2024-04-02 | 起元技术有限责任公司 | 确定数据质量规则的方法、计算系统和计算机可读介质 |
US11249981B2 (en) | 2015-06-12 | 2022-02-15 | Ab Initio Technology Llc | Data quality analysis |
JP2020161147A (ja) * | 2015-06-12 | 2020-10-01 | アビニシオ テクノロジー エルエルシー | データ品質分析 |
JP6096397B1 (ja) * | 2015-09-01 | 2017-03-15 | 株式会社テイエルブイ | 分析システム、及び、分析方法 |
WO2017038373A1 (ja) * | 2015-09-01 | 2017-03-09 | 株式会社テイエルブイ | 分析システム、及び、分析方法 |
JP2018018411A (ja) * | 2016-07-29 | 2018-02-01 | キヤノンマーケティングジャパン株式会社 | 情報処理装置、情報処理方法、プログラム |
US10565699B2 (en) | 2017-04-11 | 2020-02-18 | Electronics And Telecommunications Research Institute | Apparatus and method for detecting anomaly in plant pipe using multiple meta-learning |
JP2019020124A (ja) * | 2017-07-11 | 2019-02-07 | 富士通株式会社 | 異常検出プログラム、異常検出方法、及び情報処理装置 |
KR102005064B1 (ko) * | 2017-11-28 | 2019-10-01 | (주)지티유솔루션 | 공장 시스템 관리 방법 |
KR20190061991A (ko) * | 2017-11-28 | 2019-06-05 | (주)지티유솔루션 | 공장 시스템 관리 방법 |
CN111566643A (zh) * | 2018-01-17 | 2020-08-21 | 三菱电机株式会社 | 攻击检测装置、攻击检测方法和攻击检测程序 |
CN111566643B (zh) * | 2018-01-17 | 2023-08-08 | 三菱电机株式会社 | 攻击检测装置、攻击检测方法和计算机能读取的记录介质 |
JP2019128934A (ja) * | 2018-01-22 | 2019-08-01 | パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカPanasonic Intellectual Property Corporation of America | 異常判定装置、異常検知モデル作成サーバ及びプログラム |
JP2020035407A (ja) * | 2018-08-31 | 2020-03-05 | 株式会社日立パワーソリューションズ | 異常予兆診断装置及び異常予兆診断方法 |
JP2020119379A (ja) * | 2019-01-25 | 2020-08-06 | 本田技研工業株式会社 | 管理装置、管理装置の制御方法及びプログラム |
JP2021043499A (ja) * | 2019-09-06 | 2021-03-18 | 三菱電機株式会社 | 学習モデルデータ再構築装置および学習モデルデータ再構築方法並びに学習モデルデータ再構築プログラム |
CN114986828A (zh) * | 2021-03-01 | 2022-09-02 | 株式会社东芝 | 工作状态管理装置、工作状态管理系统及工作状态管理方法 |
CN113077357A (zh) * | 2021-03-29 | 2021-07-06 | 国网湖南省电力有限公司 | 电力时序数据异常检测方法及其填补方法 |
CN113077357B (zh) * | 2021-03-29 | 2023-11-28 | 国网湖南省电力有限公司 | 电力时序数据异常检测方法及其填补方法 |
WO2023281732A1 (ja) * | 2021-07-09 | 2023-01-12 | ファナック株式会社 | 分析装置 |
CN114660399A (zh) * | 2022-02-28 | 2022-06-24 | 湖北拓普电力有限公司 | 一种环网柜设备状态监测及故障诊断方法 |
JP7258253B1 (ja) * | 2022-06-27 | 2023-04-14 | 三菱電機株式会社 | 正常モデル生成プログラム、正常モデル生成装置および正常モデル生成方法 |
WO2024003994A1 (ja) * | 2022-06-27 | 2024-01-04 | 三菱電機株式会社 | 正常モデル生成プログラム、正常モデル生成装置および正常モデル生成方法 |
CN116957543A (zh) * | 2023-09-19 | 2023-10-27 | 成都秦川物联网科技股份有限公司 | 基于大数据的智慧燃气设备管理方法和物联网系统 |
CN116957543B (zh) * | 2023-09-19 | 2023-12-22 | 成都秦川物联网科技股份有限公司 | 基于大数据的智慧燃气设备管理方法和物联网系统 |
CN117648446A (zh) * | 2023-11-24 | 2024-03-05 | 国能大渡河流域水电开发有限公司 | 一种基于知识图谱的水电站监视事件异常识别与诊断方法 |
Also Published As
Publication number | Publication date |
---|---|
JP5331774B2 (ja) | 2013-10-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5331774B2 (ja) | 設備状態監視方法およびその装置並びに設備状態監視用プログラム | |
JP5945350B2 (ja) | 設備状態監視方法およびその装置 | |
JP5431235B2 (ja) | 設備状態監視方法およびその装置 | |
JP5364530B2 (ja) | 設備状態監視方法、監視システム及び監視プログラム | |
JP5301717B1 (ja) | 設備状態監視方法およびその装置 | |
JP5342708B1 (ja) | 異常検知方法及びその装置 | |
JP6076421B2 (ja) | 設備状態監視方法およびその装置 | |
EP2752722B1 (en) | Facility state monitoring method and device for same | |
JP6076751B2 (ja) | 異常診断方法およびその装置 | |
JP5753286B1 (ja) | 情報処理装置、診断方法、およびプログラム | |
JP6216242B2 (ja) | 異常検知方法およびその装置 | |
JP5301310B2 (ja) | 異常検知方法及び異常検知システム | |
JP5538597B2 (ja) | 異常検知方法及び異常検知システム | |
JP5501903B2 (ja) | 異常検知方法及びそのシステム | |
JP5048625B2 (ja) | 異常検知方法及びシステム | |
JP5530020B1 (ja) | 異常診断システム及び異常診断方法 | |
WO2013011745A1 (ja) | 設備状態監視方法およびその装置 | |
JP5778305B2 (ja) | 異常検知方法及びそのシステム | |
EP2477086A1 (en) | Anomaly detection and diagnostic method, anomaly detection and diagnostic system, and anomaly detection and diagnostic program | |
JP2013143009A (ja) | 設備状態監視方法およびその装置 | |
JP5498540B2 (ja) | 異常検知方法及びシステム | |
JP2014056598A (ja) | 異常検知方法及びそのシステム | |
JPWO2013030984A1 (ja) | 設備状態監視方法およびその装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20121210 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20130124 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20130403 |
|
A975 | Report on accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A971005 Effective date: 20130403 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20130409 |
|
A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20130610 |
|
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: 20130702 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20130729 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 5331774 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 Free format text: JAPANESE INTERMEDIATE CODE: R150 |