JP2013041492A - Abnormality diagnostic device - Google Patents
Abnormality diagnostic device Download PDFInfo
- Publication number
- JP2013041492A JP2013041492A JP2011178826A JP2011178826A JP2013041492A JP 2013041492 A JP2013041492 A JP 2013041492A JP 2011178826 A JP2011178826 A JP 2011178826A JP 2011178826 A JP2011178826 A JP 2011178826A JP 2013041492 A JP2013041492 A JP 2013041492A
- Authority
- JP
- Japan
- Prior art keywords
- abnormality
- variable
- plant
- value
- unit
- 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
Description
本発明はプラントの異常を診断する異常診断装置に関する。 The present invention relates to an abnormality diagnosis device for diagnosing plant abnormality.
プラントは、複数の機器が様々な条件で運転されている。また、プラントでは、複数のセンサでプラントの状態が計測されている。プラントの異常は、この複数の条件値や、複数のセンサの計測値から検出することができるが、例えば、各センサの計測値が各センサの計測値毎に定められる上下限値(閾値)を超えたときに異常と判断する方法が主流である。一方、各センサの計測値毎に上下限値を設定する場合、使用するセンサを増やすと上下限値の数も増やす必要があり、異常判定用の値の管理が複雑になる問題があった。 In the plant, a plurality of devices are operated under various conditions. In the plant, the state of the plant is measured by a plurality of sensors. An abnormality of the plant can be detected from the plurality of condition values and the measurement values of a plurality of sensors. The method of judging an abnormality when exceeding the mainstream is the mainstream. On the other hand, when the upper and lower limit values are set for each measured value of each sensor, it is necessary to increase the number of upper and lower limit values when the number of sensors used is increased, and there is a problem in that the management of values for abnormality determination becomes complicated.
これに対し、近年、MT法(マハラノビス・タグチメソッド)というパターン認識技術を用いて異常を診断する技術もある。MT法は、「いつもと同じ」状態であるかどうかを診断するものであり、予め設定したいつもと同じ状態を表すマハラノビス空間の中心を基準として、求めた診断対象のマハラノビス距離がこのマハラノビス空間より遠くなるときに異常と判断する方法である。具体的には、センサの計測データを複数のグループに分け、それぞれのグループ毎に単位空間を生成し、MT法を利用して異常を診断するものがある(例えば、特許文献1参照)。 On the other hand, in recent years, there is also a technique for diagnosing an abnormality using a pattern recognition technique called MT method (Mahalanobis Taguchi method). The MT method is for diagnosing whether or not the state is “same as usual”, and the Mahalanobis distance of the object to be diagnosed is determined from the Mahalanobis space based on the center of the Mahalanobis space that represents the same state as usual. This is a method for determining an abnormality when going far. Specifically, there is one that divides sensor measurement data into a plurality of groups, generates a unit space for each group, and diagnoses an abnormality using the MT method (see, for example, Patent Document 1).
プラントでは複数の条件値を状況に応じて切り替えながら運転することがあるが、条件値を変更した場合にはセンサによる計測値も変わるため、設定する閾値も変更する必要がある。また、プラントにおいて意図的な操作による条件値の変更や季節変動による計測値の変化等の様々な変化があるが、このような正常な値の変化であっても、上述したような診断方法では異常と診断されるおそれがあり、異常診断の精度を低下させることになる。 The plant may be operated while switching a plurality of condition values depending on the situation. However, when the condition value is changed, the measurement value by the sensor also changes, so that the threshold value to be set needs to be changed. In addition, there are various changes such as changes in condition values due to intentional operations in plants and changes in measured values due to seasonal fluctuations. An abnormality may be diagnosed, and the accuracy of the abnormality diagnosis will be reduced.
MT法を利用した場合にも、条件値を変更した場合には、使用する単位空間を切り換えるなど、判断基準を変更する必要があるが、プラントから入力する全ての条件値や計測値を利用して単位空間を定期的に更新する場合、異常や異常の予兆も更新される単位空間に含まれるおそれがあり、異常診断の精度を低下させることになる。 Even when the MT method is used, if the condition value is changed, it is necessary to change the judgment criteria such as switching the unit space to be used. However, all the condition values and measured values input from the plant are used. When the unit space is regularly updated, abnormalities and signs of abnormalities may be included in the unit space to be updated, which reduces the accuracy of abnormality diagnosis.
上述したように、プラントの異常を高精度で診断することは困難であった。 As described above, it has been difficult to diagnose plant abnormalities with high accuracy.
上記課題に鑑み、プラントの異常を高精度で診断する異常診断装置を提供することを目的としている。 In view of the above problems, an object of the present invention is to provide an abnormality diagnosis apparatus that diagnoses an abnormality of a plant with high accuracy.
上記目的を達成するために、請求項1記載の発明は、プラントの異常を診断する異常診断装置であって、前記プラントから入力するプラントの状態を表す変数の値であるプラントの操作に利用する指令値及びプラントで計測される計測値と、グループデータ記憶部で記憶され、プラントの状態を表す複数の変数で構成されるグループに関するグループデータから抽出した変数の値とを利用してマハラノビス距離を算出する算出部と、前記算出部が算出したマハラノビス距離を利用してプラントにおける異常の可能性を判定する異常判定部と、前記異常判定部が異常の可能性があると判定すると、複数の変数から異常の原因の候補である原因変数を抽出するとともに、抽出した原因変数と相関性の高い強相関変数を抽出する抽出部と、前記プラントから入力した指令値を参照し、原因変数と強相関変数とに対する操作の有無を判定する操作判定部と、前記操作判定部における判定結果に応じて異常を判定する診断部とを備える。
In order to achieve the above object, the invention according to
また、請求項2の発明は、プラントの異常を診断する異常診断装置であって、前記プラントから入力するプラントの状態を表す変数の値であるプラントの操作に利用する指令値及びプラントで計測される計測値と、グループデータ記憶部で記憶され、プラントの状態を表す複数の変数で構成されるグループに関するグループデータから抽出した変数の値とを利用してマハラノビス距離を算出する算出部と、前記算出部が算出したマハラノビス距離を利用してプラントにおける異常の可能性を判定する異常判定部と、前記異常判定部が異常の可能性があると判定すると、複数の変数から異常の原因の候補である原因変数を抽出するとともに、抽出した原因変数と相関性の高い強相関変数を抽出する抽出部と、原因変数の値の変化と強相関変数の値の変化との変化の傾向の連動を判定する連動判定部とをさらに備え、前記連動判定部における判定結果に応じて異常を判定する診断部とを備える。
The invention of
また、請求項3の発明は、原因変数の値の変化と強相関変数の値の変化との変化の傾向の連動を判定する連動判定部をさらに備え、前記診断部は、前記操作判定部の判定結果とともに、前記連動判定部における判定結果に応じて異常を判定することを特徴とする。
The invention of
本発明によれば、プラントの異常診断の精度を向上することができる。 According to the present invention, it is possible to improve the accuracy of plant abnormality diagnosis.
実施形態に係る異常診断装置は、プラントの運転の異常を診断する異常診断装置である。例えば、異常診断装置が診断するプラントは、発電プラントである。発電プラントは、複数の機器(ポンプ、バルブ等)を備えておりこれらの機器を制御する値が目標値として設定されている。この目標値は、例えば、ポンプの圧力、バルブの開閉等である。また、発電プラントでは、複数のセンサを備えており、各センサで吸気量、排気量、発電量等が計測されている。 The abnormality diagnosis apparatus according to the embodiment is an abnormality diagnosis apparatus that diagnoses an abnormality in plant operation. For example, the plant diagnosed by the abnormality diagnosis device is a power plant. The power plant includes a plurality of devices (pumps, valves, etc.), and values for controlling these devices are set as target values. This target value is, for example, the pressure of the pump, the opening / closing of a valve, or the like. In addition, the power plant includes a plurality of sensors, and each sensor measures the intake air amount, the exhaust air amount, the power generation amount, and the like.
さらに、発電プラントでは、様々なモードが設定可能であって、このモードによって各機器に設定する目標値、各センサで計測される計測値が異なる。例えば、発電プラントでは、常に一定量の電力を発電する必要はなく、電力需要に合わせて発電する。したがって、時間帯、曜日、季節等に合わせて複数のモードが規定されており、設定されているモード毎に各機器の目標値(設定値)が異なる。また、各機器の目標値が異なることにより、設定されるモード毎に各センサの計測値も異なる。 Furthermore, in a power plant, various modes can be set, and the target value set for each device and the measured value measured by each sensor differ depending on this mode. For example, in a power plant, it is not always necessary to generate a certain amount of power, and power is generated in accordance with power demand. Therefore, a plurality of modes are defined according to the time zone, day of the week, season, etc., and the target value (set value) of each device differs for each set mode. Moreover, since the target value of each device is different, the measured value of each sensor is different for each set mode.
図1に示すように、実施形態に係る異常診断装置1は、プラントから入力した新たな変数で蓄積データを更新する更新部11と、異常の診断に利用するグループを生成する生成部12と、グループデータ22が含む変数と、新たに入力した変数を利用してマハラノビス距離を算出する算出部13と、算出部13が算出したマハラノビス距離を判定値と比較して異常の可能性を判定する異常判定部14と、異常判定部14が異常の可能性があると判定すると、異常の原因の候補である原因変数とこの原因変数と相関性の高い変数である強相関変数を抽出する抽出部15と、原因変数と強相関変数とに関連する操作の有無を判定する操作判定部16と、原因変数の変化と強相関変数の変化との傾向の連動を判定する連動判定部17と、操作判定部16と連動判定部17との判定結果を利用して異常を診断する診断部18とを備えている。
As shown in FIG. 1, the
異常診断装置1は、例えば、中央処理装置(CPU)10や記憶装置20を備える情報処理装置であって、記憶装置20に記憶される異常診断プログラムPが読み出されて実行されることで、図1に示すように、CPU10に更新部11、生成部12、算出部13、異常判定部14、抽出部15、操作判定部16、連動判定部17及び診断部18が実装される。また、図1に示す例では、記憶装置20に蓄積データ21およびグループデータ22を記憶している。さらに、異常診断装置1は、操作を入力するキーボード、マウス、操作ボタン、タッチパネル等の入力装置2と接続されており、異常診断の処理過程や結果を出力するディスプレイ、スピーカ等の出力装置3と接続されている。
The
更新部11は、プラントから新たに各変数の値を入力すると、入力した各変数の値を含む新たなレコードを生成し、生成したレコードを追加して記憶装置20に記憶される蓄積データ21を更新する。
When the value of each variable is newly input from the plant, the
蓄積データ21は、過去のプラントの状態を表す変数のレコードを蓄積したデータである。蓄積データの変数は、プラントの運転の条件値及び当該条件値の場合にプラントで計測された計測値である。図2に示す例では、蓄積データは、プラントの運転の条件値であるプラントの各機器に設定する目標値(変数1、2)と、このモード及び目標値の場合に計測された計測値(変数4、5)等を関連づけたレコードを有している。また、図2に示す蓄積データの一例では、各レコードに時刻等のサンプル番号を付している。
The accumulated
生成部12は、グループを生成する所定のタイミングで、記憶装置20から蓄積データ21を読み出し、変数が所定の抽出条件を満たすレコードを抽出してグループを生成するとともに、生成したグループについてプラントの異常診断に利用する判定値を設定し、グループデータ22として記憶装置20に記憶させる。この抽出条件は、例えば、入力装置2を介して入力される。また、判定値は、このグループについて求められるマハラノビス空間を表す値であって、入力装置2を介して入力される。
The
生成部12がグループを生成する所定のタイミングとは、例えば、新たに異常診断を実行する操作を入力装置2を介して入力したタイミングや、異常診断に使用していたグループを変更する操作を入力装置2を介して入力したタイミングである。生成部12は、例えば、変数1や変数2(目標値)の値、変数4や変数5(計測値)の値のいずれか一つを抽出条件としても良いし、複数の変数の値の組み合わせを抽出条件としても良い。
The predetermined timing at which the
グループデータ22は、グループを特定する所定条件(生成部12で利用した抽出条件)の場合の過去のプラントの状態を表す変数の履歴と、このグループに設定された判定値とを有するデータである。
The
算出部13は、異常を診断する所定のタイミングで、記憶装置20からグループデータ22を読み出し、グループデータ22が有する各変数の値を抽出する。ここで、異常を診断する所定のタイミングとは、例えば、定期的なタイミングである。
The
また、算出部13は、グループデータ22から抽出した各変数の値と異常を診断する所定のタイミングでプラントから入力した新たな変数とを利用して、マハラノビス距離を求め、求めた値を異常判定部14に出力する。具体的には、(1)まず、算出部13は、各変数に対して平均値と標準偏差を求める。(2)その後、算出部13は、各変数の値と、各変数に対して求めた平均値及び標準偏差を利用してデータを基準化し、各変数に対する基準化値を求める。(3)続いて、算出部13は、各変数に対して求めた基準化値を利用して、各変数についての相関行列を求めるとともに、相関行列の逆行列を求める。(4)最後に、算出部13は、求めた逆行列を利用してマハラノビス距離を求める。
Further, the
異常判定部14は、算出部13からマハラノビス距離を入力すると、記憶装置20から読み出したグループデータ22が有する判定値を抽出し、算出部13から入力したマハラノビス距離を、グループデータ22から抽出した判定値と比較してプラントにおける異常の可能性を判定する。異常判定部14は、判定結果を抽出部15及び出力装置3に出力する。
When the
例えば、図4に示すように、MT法を利用して異常を判定する場合、算出部13で求めたマハラノビス距離が設定された判定値より小さいとき、すなわちマハラノビス空間内にあるとき、異常判定部14は、現在のプラントの状態はいつもの状態と同じであるとし、プラントは正常に運転していると判定する。一方、算出部13で求めたマハラノビス距離が設定された判定値より大きいとき、すなわち、マハラノビス空間から外れているとき、異常判定部14は、現在のプラントの状態がいつもの状態とは異なる状態であるとし、プラントで異常が発生していると判定する。
For example, as shown in FIG. 4, when determining an abnormality using the MT method, when the Mahalanobis distance obtained by the
抽出部15は、異常の候補がある判定結果を入力すると、複数の変数の値から、異常原因の候補である原因変数を抽出するとともに、原因変数と相関性の高い強相関変数を抽出し、抽出結果を操作判定部16及び連動判定部17に出力する。
When the
異常原因の候補を抽出するため、例えば、異常診断装置1では、グループデータ22に各変数の値の理想値や各変数の値の理想範囲を有しており、抽出部15は、この理想値や理想範囲と比較して異常の候補である原因変数を抽出するようにしてもよい。
In order to extract a candidate for an abnormality cause, for example, the
また、強相関変数を抽出するため、例えば、異常診断装置1では、MT法を利用する場合に、マハラノビス空間(単位空間)であるグループで構成する相関行列において要素として有している変数間の関係の強さを表す相関係数を利用して、抽出部15は、各変数と相関性の高い変数を抽出することができる。その他、強相関関数を抽出するため、異常診断装置1では、相関性のある変数が関連づけられるリストを有する相関データ(図示せず)を記憶装置20に記憶し、抽出部15は、この相関データから原因変数に関連づけられる変数を強相関変数として抽出するようにしてもよい。
Moreover, in order to extract a strong correlation variable, for example, in the
操作判定部16は、抽出部15から原因変数及び強相関変数を入力すると、プラントから入力した変数の値を参照して、原因変数及び強相関変数に対する操作がされたか否かを判定し、判定結果を診断部18に出力する。例えば、あるバルブの開閉に応じて変化する計測値が原因変数として抽出され、このバルブを開閉する指令値が強相関変数として抽出されたとする。このとき、このバルブが操作されていない、すなわち、強相関変数である指令値が変化していない場合には、何らかの異常によって原因変数が変化したと予測できる。一方、バルブが操作されたとき、すなわち、強相関変数である指令値が変化していた場合には、バルブの操作(指令値の変化)によって計測値も変化したことになるため、異常ではないと予測できる。
When the cause variable and the strong correlation variable are input from the
連動判定部17は、抽出部15から原因変数及び強相関変数を入力すると、プラントから入力した変数の値を参照して、原因変数の値及び相関変数の値が連動するか否かを判定し、判定結果を診断部18に出力する。例えば、正常に稼動している場合にはあるバルブとポンプとが連動して変動する場合、このバルブの計測値が原因変数として抽出され、ポンプの計測値が強相関変数として抽出されたとする。このとき、バルブの計測値の変動に連動して、ポンプの計測値も変化していた場合には、異常ではないと予測できる。一方、バルブの計測値の変動に連動してポンプは変動していない場合には、何らかの異常によって原因変数が変化したと予測できる。また例えば、ある計測値が原因変数として抽出され、これに関連する指令値(設定値)が強相関変数として抽出されたとする。このとき、図5(a)に示すように計測値と設定値が連動している場合には正常と予測され、図5(b)に示すように計測値と設定値が連動していない場合には異常と予測される。
When the cause variable and the strong correlation variable are input from the
診断部18は、操作判定部16における判定結果と、連動判定部17における判定結果とを利用して異常を診断し、診断結果を出力装置3に出力する。具体的には、操作判定部16において原因変数又は強相関変数に関連する操作がされていると判定されており、かつ、連動判定部17において原因変数の値と強相関変数の値が連動すると判定された場合、診断部18は、プラントは正常に運転していると診断する。一方、操作判定部16において原因変数又は強相関変数に関連する操作がされていないと判定された場合、または、連動判定部17において原因変数の値と強相関変数の値とが連動しないと判定された場合、診断部18は、プラントで異常が発生していると診断する。
The
なお、異常診断装置1は、複数の情報処理装置から構成されていてもよく、例えば、更新部11のみ他の処理部12〜18とは異なる情報処理装置に含まれていてもよい。また、記憶装置20に記憶されるデータの一部のみ外部の記憶装置に記憶されていてもよい。
In addition, the
さらに、上述した説明では、記憶装置20が記憶するグループデータ22の種類については言及していないが、記憶装置20は、複数のグループについてグループデータ22を記憶していてもよい。その場合、算出部13は、診断対象のグループのグループデータ22を記憶装置20から読み出して利用する。
Furthermore, in the above description, the type of
続いて、図3に示すフローチャートを用いて、異常診断装置1において異常を診断する処理について説明する。
Next, a process for diagnosing an abnormality in the
生成部12が、グループデータ22を生成するタイミングで、記憶装置20から蓄積データ21を読み出して抽出条件を満たすレコードの値を抽出するとともに、判定値を設定してグループデータ22を生成して記憶装置20に記憶させる(S1)。
At the timing when the
その後、算出部13は、プラントから入力する変数の値と、グループデータ22に含まれる変数の値を利用してマハラノビス距離を算出する(S2)。続いて、異常判定部14は、算出部13が算出したマハラノビス距離を、グループデータ22に含まれる判定値と比較して異常の可能性について判定する(S3)。
Thereafter, the
異常の可能性があると判定された場合(S3でYES)、抽出部15は、異常の原因の候補の変数である原因変数を抽出する(S4)。また抽出部15は、抽出した原因変数と相関性の高い強相関変数を抽出する(S5)。
When it is determined that there is a possibility of abnormality (YES in S3), the
続いて、操作判定部16は、原因変数又は強相関変数に関する操作がされたか否かを判定する(S6)。また、連動判定部17は、原因変数の値の変化と強相関変数の値の変化の傾向が連動するか否かを判定する(S7)。 Subsequently, the operation determination unit 16 determines whether or not an operation related to the cause variable or the strong correlation variable has been performed (S6). The interlock determination unit 17 determines whether or not the change in the value of the cause variable and the tendency of the change in the value of the strong correlation variable are interlocked (S7).
異常判定部14において異常の可能性がないと判定された場合(S3でNO)、異常判定部14は、プラントは正常に運転していると判定し、判定結果を出力装置3に出力してステップS2の処理に戻る(S8)。また、操作判定部16で操作がされたと判定され、かつ連動判定部17で各変数の値が連動すると判定された場合(S6でYES及びS7でYES)、診断部18は、プラントは正常に運転していると診断し、診断結果を出力装置3に出力してステップS2の処理に戻る(S8)。
If the
一方、操作判定部16で操作がされていないと判定された場合(S6でNO)、または、連動判定部17で連動していないと判定された場合(S7でNO)、診断部18は、プラントには異常が発生したと診断し、診断結果を出力装置3に出力してステップS2の処理に戻る(S9)。
On the other hand, when the operation determining unit 16 determines that the operation is not performed (NO in S6) or when the interlock determining unit 17 determines that the operation is not interlocked (NO in S7), the
なお、上述した説明では、異常診断装置1は、操作判定部16及び連動判定部17とを備え、診断部18は、操作判定部16及び連動判定部17の判定結果を利用して異常を診断するものとして説明した。しかしながら、操作判定部16又は連動判定部17のいずれか一方の判定結果で異常を診断するようにしてもよい。
In the above description, the
また、図3に示すフローチャートでは、グループデータ22の生成を繰り返すことについては示していないが、グループデータ22も、例えば定期的等の所定のタイミングで繰り返して生成しても良い。
3 does not show that the generation of the
上述したように、本発明に係る異常診断装置では、異常の可能性を判定した後、各変数の値や各値の変化等を利用して異常を診断するため、容易な処理で、高精度にプラントの異常を診断することができる。 As described above, in the abnormality diagnosis device according to the present invention, after determining the possibility of abnormality, the abnormality is diagnosed using the value of each variable, change in each value, etc. It is possible to diagnose plant abnormalities.
以上、実施形態を用いて本発明を詳細に説明したが、本発明は本明細書中に説明した実施形態に限定されるものではない。本発明の範囲は、特許請求の範囲の記載及び特許請求の範囲の記載と均等の範囲により決定されるものである。 As mentioned above, although this invention was demonstrated in detail using embodiment, this invention is not limited to embodiment described in this specification. The scope of the present invention is determined by the description of the claims and the scope equivalent to the description of the claims.
1…異常診断装置
10…CPU
11…更新部
12…生成部
13…算出部
14…異常判定部
15…抽出部
16…操作判定部
17…連動判定部
18…診断部
20…記憶装置(グループデータ記憶部)
21…蓄積データ
22…グループデータ
P…異常診断プログラム
2…入力装置
3…出力装置
1 ...
DESCRIPTION OF
21 ...
Claims (3)
前記プラントから入力するプラントの状態を表す変数の値であるプラントの操作に利用する指令値及びプラントで計測される計測値と、グループデータ記憶部で記憶され、プラントの状態を表す複数の変数で構成されるグループに関するグループデータから抽出した変数の値とを利用してマハラノビス距離を算出する算出部と、
前記算出部が算出したマハラノビス距離を利用してプラントにおける異常の可能性を判定する異常判定部と、
前記異常判定部が異常の可能性があると判定すると、複数の変数から異常の原因の候補である原因変数を抽出するとともに、抽出した原因変数と相関性の高い強相関変数を抽出する抽出部と、
前記プラントから入力した指令値を参照し、原因変数と強相関変数とに対する操作の有無を判定する操作判定部と、
前記操作判定部における判定結果に応じて異常を判定する診断部と、
を備えることを特徴とする異常診断装置。 An abnormality diagnosis device for diagnosing plant abnormality,
A command value used for operation of the plant, which is a value of a variable representing the state of the plant input from the plant, and a measured value measured in the plant, and a plurality of variables that are stored in the group data storage unit and represent the state of the plant A calculation unit for calculating the Mahalanobis distance using the value of the variable extracted from the group data regarding the group to be configured;
An abnormality determination unit that determines the possibility of abnormality in the plant using the Mahalanobis distance calculated by the calculation unit;
When the abnormality determination unit determines that there is a possibility of abnormality, an extraction unit that extracts a cause variable that is a candidate for the cause of abnormality from a plurality of variables and extracts a strongly correlated variable highly correlated with the extracted cause variable When,
An operation determination unit that refers to a command value input from the plant and determines whether or not there is an operation for a cause variable and a strong correlation variable,
A diagnosis unit that determines an abnormality according to a determination result in the operation determination unit;
An abnormality diagnosis apparatus comprising:
前記プラントから入力するプラントの状態を表す変数の値であるプラントの操作に利用する指令値及びプラントで計測される計測値と、グループデータ記憶部で記憶され、プラントの状態を表す複数の変数で構成されるグループに関するグループデータから抽出した変数の値とを利用してマハラノビス距離を算出する算出部と、
前記算出部が算出したマハラノビス距離を利用してプラントにおける異常の可能性を判定する異常判定部と、
前記異常判定部が異常の可能性があると判定すると、複数の変数から異常の原因の候補である原因変数を抽出するとともに、抽出した原因変数と相関性の高い強相関変数を抽出する抽出部と、
原因変数の値の変化と強相関変数の値の変化との変化の傾向の連動を判定する連動判定部とをさらに備え、
前記連動判定部における判定結果に応じて異常を判定する診断部と、
を備えることを特徴とする異常診断装置。 An abnormality diagnosis device for diagnosing plant abnormality,
A command value used for operation of the plant, which is a value of a variable representing the state of the plant input from the plant, and a measured value measured in the plant, and a plurality of variables that are stored in the group data storage unit and represent the state of the plant A calculation unit for calculating the Mahalanobis distance using the value of the variable extracted from the group data regarding the group to be configured;
An abnormality determination unit that determines the possibility of abnormality in the plant using the Mahalanobis distance calculated by the calculation unit;
When the abnormality determination unit determines that there is a possibility of abnormality, an extraction unit that extracts a cause variable that is a candidate for the cause of abnormality from a plurality of variables and extracts a strongly correlated variable highly correlated with the extracted cause variable When,
An interlock determination unit that determines the interlock of the trend of change between the value of the cause variable and the value of the strongly correlated variable,
A diagnosis unit that determines an abnormality according to a determination result in the interlock determination unit;
An abnormality diagnosis apparatus comprising:
前記診断部は、前記操作判定部の判定結果とともに、前記連動判定部における判定結果に応じて異常を判定する
ことを特徴とする請求項1に記載の異常診断装置。 It further comprises an interlocking determination unit that determines the interlocking of the tendency of change between the value of the cause variable and the value of the strongly correlated variable,
The abnormality diagnosis apparatus according to claim 1, wherein the diagnosis unit determines an abnormality according to a determination result of the interlock determination unit together with a determination result of the operation determination unit.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2011178826A JP5811683B2 (en) | 2011-08-18 | 2011-08-18 | Abnormality diagnosis device |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2011178826A JP5811683B2 (en) | 2011-08-18 | 2011-08-18 | Abnormality diagnosis device |
Related Child Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2015187278A Division JP6115607B2 (en) | 2015-09-24 | 2015-09-24 | Abnormality diagnosis apparatus, abnormality diagnosis method, and abnormality diagnosis program |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2013041492A true JP2013041492A (en) | 2013-02-28 |
JP5811683B2 JP5811683B2 (en) | 2015-11-11 |
Family
ID=47889808
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2011178826A Active JP5811683B2 (en) | 2011-08-18 | 2011-08-18 | Abnormality diagnosis device |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP5811683B2 (en) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2015125559A (en) * | 2013-12-26 | 2015-07-06 | 株式会社Ihi | State determination device, state determination method and state determination program |
US10817394B2 (en) | 2017-09-27 | 2020-10-27 | Panasonic Intellectual Property Corporation Of America | Anomaly diagnosis method and anomaly diagnosis apparatus |
CN117111568A (en) * | 2023-10-24 | 2023-11-24 | 安联奇智(安徽)科技有限公司 | Equipment monitoring method, device, equipment and storage medium based on Internet of things |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH05236641A (en) * | 1992-02-19 | 1993-09-10 | Mitsubishi Electric Corp | Malfunction diagnosing apparatus for plant |
JPH06201415A (en) * | 1992-12-29 | 1994-07-19 | Mitsubishi Electric Corp | Abnormality diagnostic system for plant |
JP2011081697A (en) * | 2009-10-09 | 2011-04-21 | Hitachi Ltd | Facility condition monitoring method, monitoring system, and monitoring program |
-
2011
- 2011-08-18 JP JP2011178826A patent/JP5811683B2/en active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH05236641A (en) * | 1992-02-19 | 1993-09-10 | Mitsubishi Electric Corp | Malfunction diagnosing apparatus for plant |
JPH06201415A (en) * | 1992-12-29 | 1994-07-19 | Mitsubishi Electric Corp | Abnormality diagnostic system for plant |
JP2011081697A (en) * | 2009-10-09 | 2011-04-21 | Hitachi Ltd | Facility condition monitoring method, monitoring system, and monitoring program |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2015125559A (en) * | 2013-12-26 | 2015-07-06 | 株式会社Ihi | State determination device, state determination method and state determination program |
US10817394B2 (en) | 2017-09-27 | 2020-10-27 | Panasonic Intellectual Property Corporation Of America | Anomaly diagnosis method and anomaly diagnosis apparatus |
CN117111568A (en) * | 2023-10-24 | 2023-11-24 | 安联奇智(安徽)科技有限公司 | Equipment monitoring method, device, equipment and storage medium based on Internet of things |
CN117111568B (en) * | 2023-10-24 | 2024-01-19 | 安联奇智(安徽)科技有限公司 | Equipment monitoring method, device, equipment and storage medium based on Internet of things |
Also Published As
Publication number | Publication date |
---|---|
JP5811683B2 (en) | 2015-11-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP4832609B1 (en) | Abnormal sign diagnosis device and abnormality sign diagnosis method | |
JP5824959B2 (en) | Abnormality diagnosis device | |
WO2013011745A1 (en) | Facility state monitoring method and device therefor | |
JP6326321B2 (en) | Data display system | |
JP6615963B1 (en) | Abnormal sign diagnostic apparatus and abnormal sign diagnostic method | |
JP2010122847A (en) | Method and system for diagnosing abnormality of apparatus | |
JP6647473B1 (en) | Abnormality detection device and abnormality detection method | |
CN102576227A (en) | Plant diagnostic equipment | |
KR20150056612A (en) | Plant monitoring device, plant monitoring program, and plant monitoring method | |
TWI755794B (en) | Abnormality diagnosis method, abnormality diagnosis apparatus, and abnormality diagnosis program | |
JP5949135B2 (en) | Abnormality diagnosis method and abnormality diagnosis device | |
JP5939439B2 (en) | Abnormality diagnosis device | |
US20190265088A1 (en) | System analysis method, system analysis apparatus, and program | |
JP5811683B2 (en) | Abnormality diagnosis device | |
TW202006488A (en) | Data processing device and data processing method | |
JP2016091417A (en) | Abnormality diagnostic method, abnormality diagnostic apparatus and abnormality diagnostic program | |
JP6115607B2 (en) | Abnormality diagnosis apparatus, abnormality diagnosis method, and abnormality diagnosis program | |
JP6347771B2 (en) | Abnormality diagnosis apparatus, abnormality diagnosis method, and abnormality diagnosis program | |
JP5948998B2 (en) | Abnormality diagnosis device | |
JP5817323B2 (en) | Abnormality diagnosis device | |
KR102093287B1 (en) | Method for measuring indirectly tool wear of CNC machine | |
JP6668699B2 (en) | Monitoring support device, monitoring support method, and program | |
JP2013200245A (en) | Pretreatment method | |
JP2013050759A (en) | Abnormality diagnosis device | |
JP2018116687A (en) | Abnormality factor specifying method and abnormality factor specifying device |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20140626 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20150318 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20150324 |
|
A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20150525 |
|
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: 20150825 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20150907 |
|
R151 | Written notification of patent or utility model registration |
Ref document number: 5811683 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |