JP2012128583A - 異常検知装置、異常検知方法及び異常検知プログラム - Google Patents

Abstract

【課題】プラントを構成する機器等の異常や劣化の判断を容易にすることを目的とする。
【解決手段】プラントを構成する機器等を時間の経過に従って順次観測して得た時系列データのうち、因果関係があると想定される２つのデータを入力データと出力データとして、入力データの上昇傾向、下降傾向、定常傾向、振動傾向等の制御システムに特有データの変化種別毎に、入力データに対する出力データの応答特性に関する情報を抽出し、応答特性に関する情報の偏差から異常データの候補を検出する。
【選択図】図１

Description

この発明は、プラントを構成する機器等の故障や性能劣化等の異常の予兆を検知する技術に関する。

火力、水力、原子力等の発電プラント、化学プラント、鉄鋼プラント、上下水道プラント等では、プラントのプロセスを制御するための計装システムが導入されている。その計装システムには、装置に取り付けられたセンサが取得した種々の時系列データが蓄積されている。この時系列データを用いて、プラントの監視や保守に役立てたいというニーズがある。

特許文献１には、時系列データを主成分分析によりクラスタに分割して、クラスタ毎に対象をモデル化することにより、プラントを構成する機器の性能劣化状態を定常的に評価する方法が記載されている。
特許文献２には、主成分分析とウェーブレット変換を組み合わせて、抽出した特性毎に対象をモデル化することにより、異常検知精度を向上することが記載されている。

特開２０１０−０９２３５５号公報 特開２００７−０６５８８３号公報

従来技術では、推定値や平均値からの偏差が許容値を超えた場合に外れ値を検出する。しかし、外れ値を算定する数学的な推定方法や平均値の算出方法が直感的にわかりにくいことが多い。また、単一の時系列データを分析しているので、時系列データ間の相関に関する異常は検知できない。そのために、現場でどのような対応をとるかを決める際の情報が不足しているという課題がある。
この発明は、プラントを構成する機器等の異常や劣化の判断を容易にすることを目的とする。

この発明に係る異常検知装置は、
時間の経過に従って順次観測して得た２つの時系列データの一方を入力データとして、前記入力データの値の変化の仕方を表す変化種別毎に、前記入力データを時間で区分した区分データであって、その変化種別が表す値の変化の仕方となる区分データを前記入力データから入力区分データとして処理装置により抽出する区分データ抽出部と、
前記２つの時系列データの他方を出力データとして、前記区分データ抽出部が抽出した入力区分データに対応する前記出力データにおける区分データを出力区分データとして処理装置により特定する対応データ特定部と、
前記区分データ抽出部が抽出した入力区分データと、前記対応データ特定部が特定した出力区分データとから、前記入力区分データの値から前記出力区分データの値を推定する推定モデルを前記変化種別毎に処理装置により生成する推定モデル生成部と、
前記変化種別毎に、前記推定モデル生成部が生成した推定モデルにより、前記入力区分データの値から推定される前記出力区分データの値を計算して、計算した前記出力区分データの値から得られる所定の情報と、前記対応データ特定部が特定した出力区分データの値から得られる前記所定の情報との差について、その差の平均値からの偏差が所定の値よりも大きい前記対応データ特定部が特定した出力区分データと、その出力区分データに対応する入力区分データとの少なくともいずれかを異常データ候補として処理装置により検出する外れ値検出部と
を備えることを特徴とする。

この発明に係る異常検知装置では、因果関係があると想定される入力データと出力データの応答特性に関する情報を抽出し、抽出した情報が基準から外れた場合に異常データ候補として検出する。これにより、プラントを構成する機器等の異常や劣化の判断を容易にすることができる。

実施の形態１に係るプラント異常検知装置１００の構成を示すブロック図。 入力時系列データと出力時系列データの区分毎の対応関係の説明図。 応答時間特性（または、応答量特性）の外れ値検出の説明図。 外れ値視覚化部１１２の視覚化結果の一例を示す図。 プラント異常検知装置１００の処理の全体の流れを示すフローチャート。 Ｓ５０２のデータ変化区分切り出し処理の全体の流れを示すフローチャート。 Ｓ６０１の定常区分を切り出す処理の流れを示すフローチャート。 Ｓ６０２の上昇区分と下降区分を切り出す処理の流れを示すフローチャート。 Ｓ６０３の補正処理と振動区分の切り出しの処理との流れを示すフローチャート。 Ｓ５０６の応答時間特性の外れ値を検出する処理の流れを示すフローチャート。 Ｓ５０７の応答曲線形状の外れ値を検出する処理の流れを示すフローチャート。 プラント異常検知装置１００のハードウェア構成の一例を示す図。

実施の形態１．
図１は、実施の形態１に係るプラント異常検知装置１００の構成を示すブロック図である。
プラント異常検知装置１００は、プラント時系列データベース１０１（時系列データ記憶部）、入出力データ候補対推定部１０２（関連データ抽出部）、データ変化区分切出部１０３（区分データ抽出部）、区分対応同定部１０４（対応データ特定部）、変化種別毎時系列データベース１０５、変化種別毎データベース構成部１０６、モデル構築部１０７（推定モデル生成部）、外れ値検出部１０８、外れ値視覚化部１１２、外れ値データ表示部１１３（異常データ候補表示部）を備える。また、外れ値検出部１０８は、応答時間特性外れ値検出部１０９、応答量特性外れ値検出部１１０、応答曲線形状外れ値検出部１１１を備える。

プラント時系列データベース１０１は、異常検知の対象となるプラントの機器等について、時間の経過に従って順次観測して得た複数の時系列データを格納するデータベースである。

入出力データ候補対推定部１０２は、プラント時系列データベース１０１に記憶された各時系列データ間の類似度（関連度）を判定することにより、入力データと出力データとの組となる時系列データ対の候補を処理装置により抽出する。

データ変化区分切出部１０３は、入出力データ候補対推定部１０２が抽出した時系列データ対のうち、入力となる時系列データを入力時系列データとして受け付ける。データ変化区分切出部１０３は、入力時系列データの値の変化の仕方を表す変化種別毎に、入力時系列データを時間で区分した区分データであって、その変化種別が表す値の変化の仕方となる区分データを入力区分データとして処理装置により切り出す。
変化種別とは、値が上昇する上昇変化、値が下降する下降変化、値が変化しない定常状態、値が上昇と下降とを繰り返す振動変化等である。

区分対応同定部１０４は、入出力データ候補対推定部１０２が抽出した時系列データ対のうち、出力となる時系列データを出力時系列データとして受け付ける。区分対応同定部１０４は、データ変化区分切出部１０３が切り出した入力時系列データの区分データ毎に、出力時系列データにおいて対応する区分データを出力区分データとして処理装置により切り出す。

変化種別毎時系列データベース１０５は、入力データの変化種別毎に、入力区分データと、その入力区分データに対応する出力区分データとの区分データ対が格納されるデータベースである。
ここでは、変化種別毎時系列データベース１０５には、上昇変化区分、下降変化区分、定常変化区分、振動変化区分毎に、入力区分データと出力区分データとの区分データ対が格納される。

変化種別毎データベース構成部１０６は、入力データの変化種別毎に、入力区分データと、その入力区分データに対応する出力区分データとの区分データ対を、変化種別毎時系列データベース１０５における対応する変化種別の集合に格納する。

モデル構築部１０７は、変化種別毎時系列データベース１０５の変化種別毎に、入力区分データの値から出力区分データの値を推定するモデルを処理装置により構築する。

外れ値検出部１０８は、変化種別毎時系列データベース１０５の変化種別毎に、モデル構築部１０７が構築したモデルからの偏差の大きい区分データ対を異常データ候補（外れ値）として検出する。
応答時間特性外れ値検出部１０９は、入力区分データの値が変化する変化時間に対して、出力区分データの値が変化する変化時間を表す応答時間特性に関する外れ値を検出する。
応答量特性外れ値検出部１１０は、入力区分データの値が変化する変化量に対して、出力区分データの値が変化する変化量を表す応答量特性に関する外れ値を検出する。
応答曲線形状外れ値検出部１１１は、入力区分データの値の変化に対して、出力区分データの値の時間経過に対する変化を表した応答曲線の形状特性に関する外れ値を検出する。

外れ値視覚化部１１２は、外れ値検出部１０８が検出した、応答時間特性に関する外れ値と、応答量特性に関する外れ値と、応答曲線形状特性に関する外れ値との少なくともいずれかを軸としたグラフに、対応する区分データ対を点として表すことにより、外れ値の傾向の推移を視覚化して提示する。

外れ値データ表示部１１３は、外れ値視覚化部１１２が提示した外れ値の傾向の推移を示すグラフ上で、点として表現される区分データ対を指定すると、その区分データ対の元データである入力区分データと出力区分データとを表示する。

図２は、入力時系列データと出力時系列データの区分毎の対応関係の説明図である。
入力時系列データと出力時系列データとは、相関関係や因果関係のあるデータの対である。例えば、火力発電プラントであれば、ボイラーの重油投入量と、ボイラーの発生蒸気量とが、入力時系列データと出力時系列データの対の例である。また、制御システムでは、設定値と実測値とが、入力時系列データと出力時系列データの対の例である。

符号２０１で示す区分データは、変化種別が上昇変化区分である入力区分データの一例である。
変化情報２０２は、入力区分データ２０１の情報である。変化情報２０２には、ＩＤ、変化種別、変化開始時刻、変化時間、変化開始値、変化量、単位時間あたりの平均変動量（平均変動量）が含まれる。ＩＤは、区分データを識別する識別子である。変化種別は、区分データの変化種別を示す識別子である。変化開始時刻は、その区分データにおいて値の変化が開始された時刻である。変化時間は、その区分データにおいて値の変化が続いた時間である。変化開始値は、その区分データにおいて値の変化が開始した際の値である。変化量は、その区分データにおいて値が変化した量の絶対値の和である。平均変動量は、その区分データにおける変化量の絶対値の和を、変化時間で割った値である。
符号２０３で示す区分データは、入力区分データ２０１に対応する出力区分データである。変化情報２０４は、出力区分データ２０３の情報である。
符号２０５で示す区分データは、変化種別が下降変化区分である入力区分データの一例である。変化情報２０６は、入力区分データ２０５の情報である。符号２０７で示す区分データは、入力区分データ２０５に対応する出力区分データである。変化情報２０８は、出力区分データ２０７に対応する情報である。

図３は、応答時間特性（または、応答量特性）の外れ値検出の説明図である。図３では、横軸が、入力区分データの「変化量」及び「単位時間あたりの平均変動量」と、入力区分データに対応する出力区分データの変化開始値との３次元のデータである。なお、図中では、３次元のデータを１次元で表現している。また、縦軸が、出力区分データの変化時間（または、変化量）である。
図３に示すグラフ中の線分３０１は、モデル構築部１０７が構築したモデル（関数）であって、横軸の値から縦軸の値を推定するモデルである。なお、線分３０１は、実際には、４次元空間上の３次元の超曲面である。
点３０２は、入力区分データとその入力区分データに対応した出力区分データとの対を表現している。点３０２から線分３０１に落とした垂線の長さが、応答時間特性（または、応答量特性）の外れ度である。点３０２が線分３０１の上側にあれば、変化時間がモデルを用いて計算された値に比べて長いことを意味し、点３０２が線分３０１の下側にあれば、変化時間がモデルを用いて計算された値に比べて短いことを意味する。また、線分３０３ａ，ｂはそれぞれ閾値を表している。この閾値の外側（線分３０３ａの下側及び線分３０３ｂの上側）にある点３０２が異常データ候補となる外れ値である。

図４は、外れ値視覚化部１１２の視覚化結果の一例を示す図である。図４では、横軸が応答曲線形状の外れ度であり、縦軸が応答時間特性の外れ度である。
点４０１は、入力区分データとその入力区分データに対応した出力区分データとの対を表現している。領域４０２（ハッチングが入っていない領域）は、応答時間特性と応答曲線形状の外れ値が共に閾値内にある正常な値を示す領域である。領域４０３ａ，ｂ（横線のハッチングが入った領域）は応答時間特性の外れ値が閾値を越えている領域であり、領域４０３ａが応答時間特性の遅れが閾値を超えている領域、領域４０３ｂが応答時間の早さが閾値を超えている領域である。領域４０４（縦線のハッチングが入った領域）は、応答曲線形状の外れ値が閾値を超えている領域である。
例えば、点４０１が時間とともにどのように移動していくかの軌跡を見ることにより、設備の劣化や故障の兆候を把握しやすくなる。
なお、図４では、軸に、応答曲線の外れ度と、応答時間特性の外れ度とを選択したが、どちらかの外れ度に代えて応答量特性の外れ度を選択してもよい。また、３つの外れ度を軸に選択して、３次元のグラフにしてもよい。

次に、プラント異常検知装置１００の動作を説明する。
図５は、プラント異常検知装置１００の処理の全体の流れを示すフローチャートである。

Ｓ５０１は、入出力データ候補対推定部１０２が実行する入出力データ候補対推定処理である。
入出力データ候補対推定部１０２は、プラント時系列データベース１０１から時系列データを取り出し、時系列データ間の類似する度合いを計算し、類似する度合いの強いものを入出力データの候補対として推定する。類似する度合いとは、２つの時系列データの変化が互いに関連する度合いを示す関連度のことである。
この候補対の推定では、因子分析や、特異値分解等の多変量解析や、数学の解析学における関数の距離を算出する方式等の既存の時系列データ間の類似関係を推定する方式を用いる。
また、入力データと出力データとの識別は、「時系列間の類似する部分に時間遅れがある方を出力とする」等とすればよい。時間遅れは、例えば、入力データ候補の時系列データの時間を後ろにずらして、出力データ候補の時系列データと照合した場合に、類似度が向上することにより検出すればよい。

次にＳ５０２へ進む。Ｓ５０２は、データ変化区分切出部１０３が実行するデータ変化区分切り出し処理である。
図６は、Ｓ５０２のデータ変化区分切り出し処理の全体の流れを示すフローチャートである。
まず、Ｓ６０１で、データ変化区分切出部１０３が定常区分に該当する入力区分データを切り出す。次に、Ｓ６０２で、データ変化区分切出部１０３が上昇区分と下降区分に該当する入力区分データを切り出す。最後に、Ｓ６０３で、データ変化区分切出部１０３が、Ｓ６０１とＳ６０２とで切り出した区分を併合する補正処理と、上昇と下降を交互に繰り返す振動区分に該当する入力区分データを切り出す処理とを実行する。

図７は、Ｓ６０１の定常区分を切り出す処理の流れを示すフローチャートである。
なお、以下の説明では、データ変化区分切出部１０３が対象とする時系列データの時刻ｎの値をｆ（ｎ）とする。ｆ（ｎ）を離散値に対する関数として説明するが、連続値関数の場合は、サンプリングすることで、離散値に対する関数の場合に帰着することができる。
まず、Ｓ７０１で、データ変化区分切出部１０３が、時系列データｆ（ｎ）が定義されている開始時刻ｓを取得する。次に、Ｓ７０２で、データ変化区分切出部１０３が、変数ｎに時刻ｓを代入する。そして、Ｓ７０３で、データ変化区分切出部１０３が、Δｆ（ｎ）＝_ｄｅｆ｜ｆ（ｎ＋１）−ｆ（ｎ）｜が、定常区分判定用閾値α以下かどうか判定する。データ変化区分切出部１０３は、Ｓ７０３の判定結果がＹｅｓの場合は、Ｓ７０４に処理を進め、Ｎｏの場合は、Ｓ７０５に処理を進める。なお、閾値αは、時系列データベース中の時系列データの時間あたりの変動値の平均や標準等の統計値より決められたある値であり、時系列データの種類や時刻に応じて変化する値であってもよい。
Ｓ７０４では、データ変化区分切出部１０３は、変数ｎの値に１を足して、Ｓ７０３に処理を進める。
一方、Ｓ７０５では、データ変化区分切出部１０３は、変数ｎの値を、区分終了時刻ｅに代入する。そして、Ｓ７０６では、データ変化区分切出部１０３は、ｓ≠ｅの場合、時刻ｓから時刻ｅの区間［ｓ，ｅ］を定常区分に該当する入力区分データとして抽出する。Ｓ７０７で、データ変化区分切出部１０３は、時系列データｆ（ｎ）の定義域に区分終了時刻ｅが含まれるうちは、Ｓ７０１に処理を戻し、区分終了時刻ｅを区間開始時刻ｓとして、定常区分の切り出し処理を反復する。

図８は、Ｓ６０２の上昇区分と下降区分を切り出す処理の流れを示すフローチャートである。
まず、Ｓ８０１で、データ変化区分切出部１０３が、定常区間の切り出し処理が終了した後の時系列データｆ（ｎ）の定義域で、定常区分の切り出し後に残る区分を順に取り出し、その区分の開始時刻ｓを取得する。次に、Ｓ８０２で、データ変化区分切出部１０３が、変数ｎに開始時刻ｓを代入する。そして、Ｓ８０３で、データ変化区分切出部１０３が、Δｆ（ｎ）が０より大きいか（正か）否か（負か）を判定する。そして、データ変化区分切出部１０３は、Ｓ８０３の判定結果が正の場合は、Ｓ８０４へ処理を進めて上昇区分を抽出し、負の場合は、Ｓ８０８へ処理を進めて下降区分を抽出する。なお、ここでは、定常区分を切り出した後なので、Δｆ（ｎ）は必ず閾値α以上であり、上昇区分か下降区分のいずれかの開始と認識できる。
Δｆ（ｎ）が正の場合は、データ変化区分切出部１０３は、Ｓ８０４で変数ｎの値に１を加えて、Ｓ８０５でΔｆ（ｎ）が０より大きいか（正か）否か（負か）を判定する。Ｓ８０５での判定結果が正の場合、データ変化区分切出部１０３は再び処理をＳ８０４へ進める。一方、判定結果が負の場合、データ変化区分切出部１０３は上昇区分が終了したと判定して、処理をＳ８０６へ進める。そして、データ変化区分切出部１０３は、Ｓ８０６で区分終了時刻ｅにｎを代入し、Ｓ８０７で時刻ｓから時刻ｅの区間［ｓ，ｅ］を上昇区分に該当する入力区分データとして抽出する。
一方、Δｆ（ｎ）が負の場合は、データ変化区分切出部１０３は、Ｓ８０８で変数ｎの値に１を加えて、Ｓ８０９でΔｆ（ｎ）が０より大きいか（正か）否か（負か）を判定する。Ｓ８０９での判定結果が負の場合、データ変化区分切出部１０３は再び処理をＳ８０８へ進める。一方、判定結果が正の場合、データ変化区分切出部１０３は下降区分が終了したと判定して、処理をＳ８１０へ進める。そして、データ変化区分切出部１０３は、Ｓ８１０で区分終了時刻ｅにｎを代入し、Ｓ８１１で時刻ｓから時刻ｅの区間［ｓ，ｅ］を下降区分に該当する入力区分データとして抽出する。
そして、Ｓ８１２で、データ変化区分切出部１０３は、定常区間の切り出し処理が終了した後の時系列データｆ（ｎ）の定義域に区分終了時刻ｅが含まれるうちは、Ｓ８０１に処理を戻し、区分終了時刻ｅを区間開始時刻ｓとして、上昇区分、下降区分の切り出し処理を反復する。

図９は、Ｓ６０３の補正処理と振動区分の切り出しの処理との流れを示すフローチャートである。
補正処理と振動区分の切り出しの処理とでは、Ｓ６０１とＳ６０２とで切り出した、定常区分、上昇区分、下降区分を併合することにより、新たな定常区分、上昇区分、下降区分、振動区分を切り出していく。具体的には、Ｓ９０１からＳ９０４までの処理を新たな区分の変更がなくなるまで、繰り返し実行する。
Ｓ９０１では、データ変化区分切出部１０３は、時系列データｆ（ｎ）の区分を時刻の小さい区分から大きい区分に順に並べる。そして、データ変化区分切出部１０３は、上昇区分、定常区分、上昇区分の連続で、定常区分の時間が閾値β（振動判定用の許容時間の閾値）以内であれば、区間をまとめて、上昇区分に該当する入力区分データとする。
Ｓ９０２では、データ変化区分切出部１０３は、下降区分、定常区分、下降区分の連続で、定常区分の時間が閾値γ以内であれば、区間をまとめて、下降区分に該当する入力区分データとする。
Ｓ９０３では、データ変化区分切出部１０３は、「上昇区分、下降区分の連続」、「上昇区分、定常区分、下降区分の連続で、定常区分の時間が閾値δ以内」、「下降区分、上昇区分の連続」、「下降区分、定常区分、上昇区分の連続で、定常区分の時間が閾値ε以内」であれば、区間をまとめて、振動区分に該当する入力区分データとする。
Ｓ９０４では、データ変化区分切出部１０３は、「振動区分、振動区分の連続」、「振動区分、定常区分、振動区分の連続で、定常区分の時間がζ以内」であれば、区間をまとめて、振動区分に該当する入力区分データとする。
Ｓ９０５では、データ変化区分切出部１０３は、Ｓ９０１からＳ９０４までで、新たな区分の追加・変更があったかどうかを判定する。データ変化区分切出部１０３は、Ｓ９０５での判定結果がＹｅｓの場合は、Ｓ９０１に処理を戻し、Ｎｏの場合は、補正処理と振動区分の切り出し処理とを終了する。
ここで、閾値β，γ，δ，ε，ζは、時系列データベース中の時系列データの時間あたりの変動値の平均や標準等の統計値より決められたある値であり、時系列データの種類や時刻に応じて変化する値であってもよい。

以上の説明では、定常状態、上昇、下降、振動に変化種別を区分している。しかし、例えば、制御システムにおいてよく用いられるステップ関数のように、上昇の傾きが非常に大きい立ち上がり部分や、下降の傾きが非常に大きい立ち下り部分を新たな変化種別として追加してもよい。

続いて、図５に戻り、次にＳ５０３へ進む。
Ｓ５０３は、区分対応同定部１０４が実行する区分対応同定処理である。
区分対応同定部１０４は、Ｓ５０２で切り出された入力区分データ毎に、対応する区分データを出力時系列データから出力区分データとして切り出す。
出力区分データの切り出しは、「入力区分データと同時間部分を抽出する」、「出力時系列データにも、Ｓ５０２と同様の変化区分切り出しを行い、入力区分データと時間の共通部分が多い区分データを、その入力区分データに対応する出力区分データとする」等により行う。

次にＳ５０４へ進む。Ｓ５０４は、変化種別毎データベース構成部１０６が実行する変化種別毎データベース構成処理である。
変化種別毎データベース構成部１０６は、入力データの変化種別毎に、入力区分データと対応する出力区分データとの区分データ対を、変化種別毎時系列データベース１０５に登録する。例えば、変化種別毎データベース構成部１０６は、入力区分データの変化種別が定常変化区分であれば、入力区分データと、その入力区分データに対応する出力区分データとの区分データ対を、変化種別毎時系列データベース１０５の「定常変化区分対の集合」に追加する。

次にＳ５０５へ進む。Ｓ５０５は、モデル構築部１０７が実行するモデル構築処理である。
モデル構築部１０７は、変化種別毎時系列データベース１０５から、変化種別毎の入力区分データと出力区分データの区分データ対の集合を訓練データとして抽出する。そして、モデル構築部１０７は、抽出した区分データ対に基づき、入力区分データから出力区分データを推定するモデルを変化種別毎に構築する。
モデルの構築では、回帰分析等の多変量解析や、サポートベクトルリグレッションやナイーブベイズ等の機械学習の既知の方式に従えばよい。

次にＳ５０６、Ｓ５０７へ進む。Ｓ５０６とＳ５０７とはいずれも、外れ値検出部１０８が実行する外れ値検出処理であり、それぞれ独立に実行してよい。
Ｓ５０６では、外れ値検出部１０８が、変化種別毎に、Ｓ５０５で構成したモデルを用いて、区分データ対に対して、応答時間特性や応答量特性の外れ値を検出する。Ｓ５０７では、外れ値検出部１０８が、変化種別毎に、区分データ対に対して、応答曲線形状の外れ値を検出する。

図１０は、Ｓ５０６の応答時間特性の外れ値を検出する処理の流れを示すフローチャートである。なお、応答時間特性と応答量特性との外れ値検出方法は類似しているので、以下では応答時間特性の外れ値を検出する流れを説明しながら、応答量特性の外れ値に関しては差分のみを補足する。
Ｓ１００１では、モデル構築部１０７が、変化種別毎に、入力区分データの変化情報の変化量と、平均変動量と、その入力区分データに対応する出力区分データの変化開始量とを入力変数として、出力区分データの変化時間を出力変数として、区分データ対をベクトル空間にマッピングする。応答量特性の外れ値を求める場合は、出力変数を出力区分データの変化量とする。
Ｓ１００２では、モデル構築部１０７が、Ｓ５０５で構築したモデルを用いて、入力区分データから出力区分データを求める。そして、モデル構築部１０７が、入力区分データと、求めた出力区分データとを用いて、回帰分析等の既存のモデル推定方式で、出力変数を入力変数で近似する関数を求める。
Ｓ１００３では、応答時間特性外れ値検出部１０９が、ベクトル空間上で、Ｓ１００１でマッピングした区分データ対の点と、Ｓ１００２で求めた関数を表す面との距離を求め、求めた距離を外れ度とする。応答量特性の外れ値を求める場合は、この動作は応答量特性外れ値検出部１１０の動作となる。
Ｓ１００４では、応答時間特性外れ値検出部１０９が、外れ度の平均からの偏差が、ある閾値より大きい点を、外れ値として検出する。応答量特性の外れ値を求める場合は、この動作は応答量特性外れ値検出部１１０の動作となる。

図１１は、Ｓ５０７の応答曲線形状の外れ値を検出する処理の流れを示すフローチャートである。
Ｓ１１０１では、応答曲線形状外れ値検出部１１１が、出力区分データを標準形に変換する。まず、応答曲線形状外れ値検出部１１１は、出力区分データｄｉの上下幅の平均値μ１を求めるとともに、出力区分データｄｉの左右幅の平均値μ２を求める。そして、応答曲線形状外れ値検出部１１１は、出力区分データｄｉの上下幅がμ１、左右幅がμ２となるように、出力区分データｄｉの上下、左右を拡大、縮小することにより、標準形ｓ（ｄｉ）を求める。
Ｓ１１０２では、平均時系列データａｖ＝_ｄｅｆ（Σ_ｉ＝１ ^ｎｓ（ｄｉ））／ｎを求める。
Ｓ１１０３では、応答曲線形状外れ値検出部１１１は、出力区分データｄｉの外れ度を、ｄｉｓｔ（ｓ（ｄｉ），ａｖ）により計算する。ここで、ｄｉｓｔは、関数の距離を計算する関数である。つまり、出力区分データｄｉの外れ度は、数学の解析学における関数の距離を算出する方法を用いて計算する。そして、応答曲線形状外れ値検出部１１１は、外れ度の平均からの偏差が、ある閾値より大きい点を、外れ値として検出する。

続いて、図５に戻り、次にＳ５０８へ進む。Ｓ５０８は、外れ値視覚化部１１２が実行する外れ値視覚化処理である。
外れ値視覚化部１１２は、応答時間特性に関する外れ値と、応答量特性に関する外れ値と、応答曲線形状特性に関する外れ値との少なくともいずれかを軸としたグラフに、変化種別毎に区分データ対を点としてマッピングして、表示装置に表示する。例えば、外れ値視覚化部１１２は、応答時間特性を縦軸、応答曲線形状特性を横軸とするグラフ上の点としてマッピングする。図４に示す図は、外れ値視覚化部１１２が表示するグラフの表示例である。

次に、Ｓ５０９へ進む。Ｓ５０９は、外れ値データ表示部１１３が実行する外れ値データ表示処理である。
外れ値データ表示部１１３は、グラフ上の点がポインティングデバイス等により指定されると、その点に対応する区分データ対を表示装置に表示する。

以上のように、実施の形態１に係るプラント異常検知装置１００では、図４に示すように、データの上昇傾向（立ち上がり等）、下降傾向（立ち下がり等）、定常傾向、振動傾向等の制御システムに特有データの変化種別毎に、入出力データの対応関係を同定する。これにより、応答時間特性や応答曲線特性等の直感的に理解しやすい異常の指標を提示できる。つまり、因果関係があると想定される入力データと出力データの応答特性に関する情報が自動的に抽出され、わかりやすく提示される。その結果、プラントを構成する機器の異常や劣化の判断をより容易にすることができる。
また、実施の形態１に係るプラント異常検知装置１００では、入力区分データの変化種別毎に、応答時間特性や応答曲線特性を軸とするグラフ上の点として区分データ対を表示する。そして、その点がポインティングデバイス等により指定されると、その点に対応する区分データ対を表示装置に表示する。その結果、プラントの現場の保守員や分析担当者は、設備の異常に関係する時系列データの区分を、入出力の対応関係とともに、すばやく簡単に参照できる。

図１２は、プラント異常検知装置１００のハードウェア構成の一例を示す図である。
図１２に示すように、プラント異常検知装置１００は、プログラムを実行するＣＰＵ９１１（Ｃｅｎｔｒａｌ・Ｐｒｏｃｅｓｓｉｎｇ・Ｕｎｉｔ、中央処理装置、処理装置、演算装置、マイクロプロセッサ、マイクロコンピュータ、プロセッサともいう）を備えている。ＣＰＵ９１１は、バス９１２を介してＲＯＭ９１３、ＲＡＭ９１４、ＬＣＤ９０１（Ｌｉｑｕｉｄ Ｃｒｙｓｔａｌ Ｄｉｓｐｌａｙ）、キーボード９０２（Ｋ／Ｂ）、通信ボード９１５、磁気ディスク装置９２０と接続され、これらのハードウェアデバイスを制御する。磁気ディスク装置９２０（固定ディスク装置）の代わりに、光ディスク装置、メモリカード読み書き装置などの記憶装置でもよい。磁気ディスク装置９２０は、所定の固定ディスクインタフェースを介して接続される。

磁気ディスク装置９２０又はＲＯＭ９１３などには、オペレーティングシステム９２１（ＯＳ）、ウィンドウシステム９２２、プログラム群９２３、ファイル群９２４が記憶されている。プログラム群９２３のプログラムは、ＣＰＵ９１１、オペレーティングシステム９２１、ウィンドウシステム９２２により実行される。

プログラム群９２３には、上記の説明において「入出力データ候補対推定部１０２」、「データ変化区分切出部１０３」、「区分対応同定部１０４」、「変化種別毎データベース構成部１０６」、「モデル構築部１０７」、「外れ値検出部１０８」、「応答時間特性外れ値検出部１０９」、「応答量特性外れ値検出部１１０」、「応答曲線形状外れ値検出部１１１」、「外れ値視覚化部１１２」、「外れ値データ表示部１１３」等として説明した機能を実行するソフトウェアやプログラムやその他のプログラムが記憶されている。プログラムは、ＣＰＵ９１１により読み出され実行される。
ファイル群９２４には、上記の説明において「プラント時系列データベース１０１」、「変化種別毎時系列データベース１０５」に格納される情報やデータや信号値や変数値やパラメータが、「データベース」の各項目として記憶される。「データベース」は、ディスクやメモリなどの記録媒体に記憶される。ディスクやメモリなどの記憶媒体に記憶された情報やデータや信号値や変数値やパラメータは、読み書き回路を介してＣＰＵ９１１によりメインメモリやキャッシュメモリに読み出され、抽出・検索・参照・比較・演算・計算・処理・出力・印刷・表示などのＣＰＵ９１１の動作に用いられる。抽出・検索・参照・比較・演算・計算・処理・出力・印刷・表示のＣＰＵ９１１の動作の間、情報やデータや信号値や変数値やパラメータは、メインメモリやキャッシュメモリやバッファメモリに一時的に記憶される。

また、上記の説明におけるフローチャートの矢印の部分は主としてデータや信号の入出力を示し、データや信号値は、ＲＡＭ９１４のメモリ、その他光ディスク等の記録媒体やＩＣチップに記録される。また、データや信号は、バス９１２や信号線やケーブルその他の伝送媒体や電波によりオンライン伝送される。
また、上記の説明において「〜部」として説明するものは、「〜回路」、「〜装置」、「〜機器」、「〜手段」、「〜機能」であってもよく、また、「〜ステップ」、「〜手順」、「〜処理」であってもよい。また、「〜装置」として説明するものは、「〜回路」、「〜機器」、「〜手段」、「〜機能」であってもよく、また、「〜ステップ」、「〜手順」、「〜処理」であってもよい。さらに、「〜処理」として説明するものは「〜ステップ」であっても構わない。すなわち、「〜部」として説明するものは、ＲＯＭ９１３に記憶されたファームウェアで実現されていても構わない。或いは、ソフトウェアのみ、或いは、素子・デバイス・基板・配線などのハードウェアのみ、或いは、ソフトウェアとハードウェアとの組み合わせ、さらには、ファームウェアとの組み合わせで実施されても構わない。ファームウェアとソフトウェアは、プログラムとして、ＲＯＭ９１３等の記録媒体に記憶される。プログラムはＣＰＵ９１１により読み出され、ＣＰＵ９１１により実行される。すなわち、プログラムは、上記で述べた「〜部」としてコンピュータ等を機能させるものである。あるいは、上記で述べた「〜部」の手順や方法をコンピュータ等に実行させるものである。

１００ プラント異常検知装置、１０１ プラント時系列データベース、１０２ 入出力データ候補対推定部、１０３ データ変化区分切出部、１０４ 区分対応同定部、１０５ 変化種別毎時系列データベース、１０６ 変化種別毎データベース構成部、１０７ モデル構築部、１０８ 外れ値検出部、１０９ 応答時間特性外れ値検出部、１１０ 応答量特性外れ値検出部、１１１ 応答曲線形状外れ値検出部、１１２ 外れ値視覚化部、１１３ 外れ値データ表示部。

Claims (10)

1. 時間の経過に従って順次観測して得た２つの時系列データの一方を入力データとして、前記入力データの値の変化の仕方を表す変化種別毎に、前記入力データを時間で区分した区分データであって、その変化種別が表す値の変化の仕方となる区分データを前記入力データから入力区分データとして処理装置により抽出する区分データ抽出部と、
   前記２つの時系列データの他方を出力データとして、前記区分データ抽出部が抽出した入力区分データに対応する前記出力データにおける区分データを出力区分データとして処理装置により特定する対応データ特定部と、
   前記区分データ抽出部が抽出した入力区分データと、前記対応データ特定部が特定した出力区分データとから、前記入力区分データの値から前記出力区分データの値を推定する推定モデルを前記変化種別毎に処理装置により生成する推定モデル生成部と、
   前記変化種別毎に、前記推定モデル生成部が生成した推定モデルにより、前記入力区分データの値から推定される前記出力区分データの値を計算して、計算した前記出力区分データの値から得られる所定の情報と、前記対応データ特定部が特定した出力区分データの値から得られる前記所定の情報との差について、その差の平均値からの偏差が所定の値よりも大きい前記対応データ特定部が特定した出力区分データと、その出力区分データに対応する入力区分データとの少なくともいずれかを異常データ候補として処理装置により検出する外れ値検出部と
   を備えることを特徴とする異常検知装置。
2. 前記異常検知装置は、さらに、
   所定のシステムについて、時間の経過に従って順次観測して得た複数の時系列データを記憶装置に記憶する時系列データ記憶部と、
   前記時系列データ記憶部が記憶した複数の時系列データそれぞれの間の関連度であって、２つの時系列データの変化が互いに関連する度合いを示す関連度を、所定の方法によって計算し、計算した関連度が予め決められた所定の関連度よりも高い２つの時系列データを処理装置により抽出する関連データ抽出部と
   を備え、
   前記区分データ抽出部は、前記関連データ抽出部が抽出した２つの時系列データの一方を入力データとし、
   前記対応データ特定部は、前記関連データ抽出部が抽出した２つの時系列データの他方を出力データとする
   ことを特徴とする請求項１に記載の異常検知装置。
3. 前記外れ値検出部は、前記変化種別毎に、前記推定モデルにより、前記入力区分データの値から推定された前記出力区分データにおける値を計算し、計算した値が変化する時間を表す変化時間を計算して、計算した変化時間と、前記対応データ特定部が特定した出力区分データの値の変化時間との差について、その差の平均値からの偏差が所定の値よりも大きい前記対応データ特定部が特定した出力区分データと、前記出力区分データに対応する入力区分データとの少なくともいずれかを異常データ候補として検出する
   ことを特徴とする請求項１又は２に記載の異常検知装置。
4. 前記外れ値検出部は、前記変化種別毎に、前記推定モデルにより、前記入力区分データの値から推定された前記出力区分データにおける値を計算し、計算した値が変化する大きさを示す変化量を計算して、計算した変化量と、前記対応データ特定部が特定した出力区分データの値の変化量との差について、その差の平均値からの偏差が所定の値よりも大きい前記対応データ特定部が特定した出力区分データと、前記出力区分データに対応する入力区分データとの少なくともいずれかを異常データ候補として検出する
   ことを特徴とする請求項１から３までのいずれかに記載の異常検知装置。
5. 前記外れ値検出部は、前記変化種別毎に、前記出力区分データの値の時間経過に対する変化を表した曲線の平均値をとった平均変化曲線を生成し、生成した平均変化曲線と、前記対応データ特定部が特定した出力区分データの値の時間経過に対する変化を表した曲線との差について、その差の平均値からの偏差が所定の値よりも大きい前記入力区分データと、前記入力区分データに対応する出力区分データとの少なくともいずれかを異常データ候補として検出する
   ことを特徴とする請求項１から４までのいずれかに記載の異常検知装置。
6. 前記外れ値検出部は、前記変化種別毎に、前記推定モデルにより、前記入力区分データの値から推定された前記出力区分データにおける値を計算し、計算した値が変化する時間を表す変化時間を計算して、計算した変化時間と、前記対応データ特定部が特定した出力区分データの値の変化時間との差を応答時間差として計算するとともに、前記変化種別毎に、前記出力区分データの値の時間経過に対する変化を表した曲線の平均値をとった平均変化曲線を生成し、生成した平均変化曲線と、前記対応データ特定部が特定した出力区分データの値の時間経過に対する変化を表した曲線との差を応答曲線差として計算し、
   前記異常検知装置は、さらに、
   前記外れ値検出部が計算した前記応答時間差を第１軸、前記応答曲線差を第２軸とするグラフを描くとともに、各出力区分データを、描いたグラフにおける、その出力区分データから計算された前記応答時間差と前記応答曲線差との位置に点をプロットする視覚化部
   を備えることを特徴とする請求項１から５までのいずれかに記載の異常検知装置。
7. 前記外れ値検出部は、前記変化種別毎に、前記推定モデルにより、前記入力区分データの値から推定された前記出力区分データにおける値を計算し、計算した値が変化する大きさを示す変化量を計算して、計算した変化量と、前記対応データ特定部が特定した出力区分データの値の変化量との差を応答量差として計算するとともに、前記変化種別毎に、前記出力区分データの値の時間経過に対する変化を表した曲線の平均値をとった平均変化曲線を生成し、生成した平均変化曲線と、前記対応データ特定部が特定した出力区分データの値の時間経過に対する変化を表した曲線との差を応答曲線差として計算し、
   前記異常検知装置は、さらに、
   前記外れ値検出部が計算した前記応答量差を第１軸、前記応答曲線差を第２軸とするグラフを描くとともに、各出力区分データを、描いたグラフにおける、その出力区分データから計算された前記応答量差と前記応答曲線差との位置に点をプロットする視覚化部
   を備えることを特徴とする請求項１から５までのいずれかに記載の異常検知装置。
8. 前記異常検知装置は、さらに、
   前記視覚化部がプロットした点を指定すると、その点として表される出力区分データと、その出力区分データに対応する入力区分データとの少なくともいずれかを表示する異常データ候補表示部と
   を備えることを特徴とする請求項６又は７に記載の異常検知装置。
9. 処理装置が、時間の経過に従って順次観測して得た２つの時系列データの一方を入力データとして、前記入力データの値の変化の仕方を表す変化種別毎に、前記入力データを時間で区分した区分データであって、その変化種別が表す値の変化の仕方となる区分データを前記入力データから入力区分データとして抽出する区分データ抽出ステップと、
   処理装置が、前記２つの時系列データの他方を出力データとして、前記区分データ抽出ステップで抽出した入力区分データに対応する前記出力データにおける区分データを出力区分データとして特定する対応データ特定ステップと、
   処理装置が、前記区分データ抽出ステップで抽出した入力区分データと、前記対応データ特定ステップで特定した出力区分データとから、前記入力区分データの値から前記出力区分データの値を推定する推定モデルを前記変化種別毎に生成する推定モデル生成ステップと、
   処理装置が、前記変化種別毎に、前記推定モデル生成ステップで生成した推定モデルにより、前記入力区分データの値から推定される前記出力区分データの値を計算して、計算した前記出力区分データの値から得られる所定の情報と、前記対応データ特定ステップで特定した出力区分データの値から得られる前記所定の情報との差について、その差の平均値からの偏差が所定の値よりも大きい前記対応データ特定ステップで特定した出力区分データと、その出力区分データに対応する入力区分データとの少なくともいずれかを異常データ候補として検出する外れ値検出ステップと
   を備えることを特徴とする異常検知方法。
10. 時間の経過に従って順次観測して得た２つの時系列データの一方を入力データとして、前記入力データの値の変化の仕方を表す変化種別毎に、前記入力データを時間で区分した区分データであって、その変化種別が表す値の変化の仕方となる区分データを前記入力データから入力区分データとして抽出する区分データ抽出処理と、
    前記２つの時系列データの他方を出力データとして、前記区分データ抽出処理で抽出した入力区分データに対応する前記出力データにおける区分データを出力区分データとして特定する対応データ特定処理と、
    前記区分データ抽出処理で抽出した入力区分データと、前記対応データ特定処理で特定した出力区分データとから、前記入力区分データの値から前記出力区分データの値を推定する推定モデルを前記変化種別毎に生成する推定モデル生成処理と、
    前記変化種別毎に、前記推定モデル生成処理で生成した推定モデルにより、前記入力区分データの値から推定される前記出力区分データの値を計算して、計算した前記出力区分データの値から得られる所定の情報と、前記対応データ特定処理で特定した出力区分データの値から得られる前記所定の情報との差について、その差の平均値からの偏差が所定の値よりも大きい前記対応データ特定処理で特定した出力区分データと、その出力区分データに対応する入力区分データとの少なくともいずれかを異常データ候補として検出する外れ値検出処理と
    をコンピュータに実行させることを特徴とする異常検知プログラム。

Images