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
異常検知装置、異常検知方法及び異常検知プログラム Download PDFInfo
- Publication number
- JP2012128583A JP2012128583A JP2010278444A JP2010278444A JP2012128583A JP 2012128583 A JP2012128583 A JP 2012128583A JP 2010278444 A JP2010278444 A JP 2010278444A JP 2010278444 A JP2010278444 A JP 2010278444A JP 2012128583 A JP2012128583 A JP 2012128583A
- Authority
- JP
- Japan
- Prior art keywords
- data
- value
- output
- input
- segment
- 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
【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
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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(Σi=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。
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。
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。
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。
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。
Claims (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。 - 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。 - 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。 - 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。 - 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。 - 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。 - 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。 - 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。 - 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。 - 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。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2010278444A JP5669553B2 (ja) | 2010-12-14 | 2010-12-14 | 異常検知装置、異常検知方法及び異常検知プログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2010278444A JP5669553B2 (ja) | 2010-12-14 | 2010-12-14 | 異常検知装置、異常検知方法及び異常検知プログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2012128583A true JP2012128583A (ja) | 2012-07-05 |
JP5669553B2 JP5669553B2 (ja) | 2015-02-12 |
Family
ID=46645548
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2010278444A Active JP5669553B2 (ja) | 2010-12-14 | 2010-12-14 | 異常検知装置、異常検知方法及び異常検知プログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP5669553B2 (ja) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015001659A1 (ja) | 2013-07-05 | 2015-01-08 | 富士機械製造株式会社 | メンテナンス必要個所を推定可能な自動システム |
WO2015173860A1 (ja) * | 2014-05-12 | 2015-11-19 | 三菱電機株式会社 | 時系列データ処理装置及び時系列データ処理プログラム |
WO2017017785A1 (ja) * | 2015-07-28 | 2017-02-02 | 三菱電機株式会社 | 時系列データ処理装置 |
CN113168171A (zh) * | 2018-12-05 | 2021-07-23 | 三菱电机株式会社 | 异常探测装置以及异常探测方法 |
WO2022091291A1 (ja) * | 2020-10-29 | 2022-05-05 | 日本電気株式会社 | 情報処理装置、情報処理方法および記録媒体 |
US11514628B2 (en) | 2018-03-20 | 2022-11-29 | Mitsubishi Electric Corporation | Display apparatus, system, and screen generation method for displaying binary digital log data to facilitate anomaly detection |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7093603B2 (ja) * | 2019-01-23 | 2022-06-30 | 東芝三菱電機産業システム株式会社 | ドライブ応答監視装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0289507U (ja) * | 1988-12-22 | 1990-07-16 | ||
JPH06102911A (ja) * | 1992-09-21 | 1994-04-15 | Hitachi Ltd | 排水ポンプ所における流入水量予測方法および装置 |
JP2000181526A (ja) * | 1998-12-16 | 2000-06-30 | Chugoku Electric Power Co Inc:The | プラント状態推定・予測装置及び方法 |
JP2000311012A (ja) * | 1999-04-27 | 2000-11-07 | Toshiba Corp | プロセスデータ評価方法および装置、静特性データ抽出方法および装置、ならびにプログラムを記憶した記憶媒体 |
-
2010
- 2010-12-14 JP JP2010278444A patent/JP5669553B2/ja active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0289507U (ja) * | 1988-12-22 | 1990-07-16 | ||
JPH06102911A (ja) * | 1992-09-21 | 1994-04-15 | Hitachi Ltd | 排水ポンプ所における流入水量予測方法および装置 |
JP2000181526A (ja) * | 1998-12-16 | 2000-06-30 | Chugoku Electric Power Co Inc:The | プラント状態推定・予測装置及び方法 |
JP2000311012A (ja) * | 1999-04-27 | 2000-11-07 | Toshiba Corp | プロセスデータ評価方法および装置、静特性データ抽出方法および装置、ならびにプログラムを記憶した記憶媒体 |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10520936B2 (en) | 2013-07-05 | 2019-12-31 | Fuji Corporation | Automated system capable of estimating portion requiring maintenance |
WO2015001659A1 (ja) | 2013-07-05 | 2015-01-08 | 富士機械製造株式会社 | メンテナンス必要個所を推定可能な自動システム |
EP3144749A4 (en) * | 2014-05-12 | 2018-03-28 | Mitsubishi Electric Corporation | Time-series data processing device and time-series data processing program |
WO2015173860A1 (ja) * | 2014-05-12 | 2015-11-19 | 三菱電機株式会社 | 時系列データ処理装置及び時系列データ処理プログラム |
JP6005323B2 (ja) * | 2014-05-12 | 2016-10-12 | 三菱電機株式会社 | 時系列データ処理装置及び時系列データ処理プログラム |
CN106233208A (zh) * | 2014-05-12 | 2016-12-14 | 三菱电机株式会社 | 时间序列数据处理装置以及时间序列数据处理程序 |
CN106233208B (zh) * | 2014-05-12 | 2017-09-29 | 三菱电机株式会社 | 时间序列数据处理装置 |
JPWO2017017785A1 (ja) * | 2015-07-28 | 2017-10-05 | 三菱電機株式会社 | 時系列データ処理装置 |
CN107851291A (zh) * | 2015-07-28 | 2018-03-27 | 三菱电机株式会社 | 时序数据处理装置 |
CN107851291B (zh) * | 2015-07-28 | 2019-04-19 | 三菱电机株式会社 | 时序数据处理装置 |
WO2017017785A1 (ja) * | 2015-07-28 | 2017-02-02 | 三菱電機株式会社 | 時系列データ処理装置 |
US11514628B2 (en) | 2018-03-20 | 2022-11-29 | Mitsubishi Electric Corporation | Display apparatus, system, and screen generation method for displaying binary digital log data to facilitate anomaly detection |
CN113168171A (zh) * | 2018-12-05 | 2021-07-23 | 三菱电机株式会社 | 异常探测装置以及异常探测方法 |
CN113168171B (zh) * | 2018-12-05 | 2023-09-19 | 三菱电机株式会社 | 异常探测装置以及异常探测方法 |
WO2022091291A1 (ja) * | 2020-10-29 | 2022-05-05 | 日本電気株式会社 | 情報処理装置、情報処理方法および記録媒体 |
Also Published As
Publication number | Publication date |
---|---|
JP5669553B2 (ja) | 2015-02-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5669553B2 (ja) | 異常検知装置、異常検知方法及び異常検知プログラム | |
EP3795975B1 (en) | Abnormality sensing apparatus, abnormality sensing method, and abnormality sensing program | |
JP6053487B2 (ja) | 時系列データ処理装置、時系列データ処理方法及び時系列データ処理プログラム | |
JP2013175108A (ja) | クラスタリング装置及びクラスタリングプログラム | |
JP6183450B2 (ja) | システム分析装置、及び、システム分析方法 | |
JP6521096B2 (ja) | 表示方法、表示装置、および、プログラム | |
CN111694877B (zh) | 多元时间序列数据搜索 | |
US11796989B2 (en) | Monitoring system and monitoring method | |
CN112016689B (zh) | 信息处理装置、预测判别系统以及预测判别方法 | |
JP6210867B2 (ja) | データ関連性解析システムおよびデータ管理装置 | |
JP6489235B2 (ja) | システム分析方法、システム分析装置、および、プログラム | |
CN102693262A (zh) | 确定现象中变量的影响的方法 | |
JP6677575B2 (ja) | 回転機械の運転状態を診断する診断装置及び診断方法 | |
US20190064789A1 (en) | System analyzing device, system analyzing method, and computer-readable recording medium | |
JPWO2020188696A1 (ja) | 異常検知装置および異常検知方法 | |
JP2022007859A (ja) | 運転支援装置、運転支援システム及び運転支援方法 | |
JP6915693B2 (ja) | システム分析方法、システム分析装置、および、プログラム | |
JP6627258B2 (ja) | システムモデル生成支援装置、システムモデル生成支援方法、及び、プログラム | |
JP2022167097A (ja) | 情報処理装置、情報処理方法及びプログラム | |
Jelali et al. | Statistical process control | |
JP6973445B2 (ja) | 表示方法、表示装置、および、プログラム | |
JP7367866B2 (ja) | 情報処理装置、評価方法、および評価プログラム | |
US20230160726A1 (en) | Machine logic multi-phase metering using distributed acoustic sensing data | |
JP2022015275A (ja) | 設定管理装置、設定管理方法、及び、設定管理プログラム | |
Baglee et al. | Optimizing Condition Monitoring of Big Data Systems |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20130905 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20140514 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20140520 |
|
A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20140701 |
|
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: 20141118 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20141216 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 5669553 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |