JP2014096050A - プロセス監視診断装置、プロセス監視診断プログラム - Google Patents
プロセス監視診断装置、プロセス監視診断プログラム Download PDFInfo
- Publication number
- JP2014096050A JP2014096050A JP2012247560A JP2012247560A JP2014096050A JP 2014096050 A JP2014096050 A JP 2014096050A JP 2012247560 A JP2012247560 A JP 2012247560A JP 2012247560 A JP2012247560 A JP 2012247560A JP 2014096050 A JP2014096050 A JP 2014096050A
- Authority
- JP
- Japan
- Prior art keywords
- data
- unit
- abnormality
- definition
- pattern 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
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
- G05B23/0224—Process history based detection method, e.g. whereby history implies the availability of large amounts of data
- G05B23/0227—Qualitative history assessment, whereby the type of data acted upon, e.g. waveforms, images or patterns, is not relevant, e.g. rule based assessment; if-then decisions
- G05B23/0235—Qualitative history assessment, whereby the type of data acted upon, e.g. waveforms, images or patterns, is not relevant, e.g. rule based assessment; if-then decisions based on a comparison with predetermined threshold or range, e.g. "classical methods", carried out during normal operation; threshold adaptation or choice; when or how to compare with the threshold
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0259—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
- G05B23/0275—Fault isolation and identification, e.g. classify fault; estimate cause or root of failure
Abstract
【解決手段】プロセス監視診断装置は、分類部31と、識別部及び異常検出用データ定義部を有するモデル構築部32と、抽出部及び異常レベル判定部を有する監視診断部33とを具備する。分類部は、プロセスデータ又は時系列データを属性情報に基づいてクラス分けする。識別部は、クラス分けされた時系列データから日常パターンデータと非日常パターンデータとを作成する。異常検出用データ定義部は、非日常パターンデータに基づき、異常診断モデルを作成する。抽出部は、クラス分けされたプロセスデータの日常パターンデータに対する乖離度を抽出する。異常レベル判定部は、乖離度を異常診断モデルに適用し、異常検出用データとしきい値とを算出し、異常検出用データがしきい値を超えるか否かに基づいて異常レベルを判定する。
【選択図】図1
Description
図1は、第1の実施形態に係るプロセス監視診断装置30が備えられる監視システムの機能構成の例を示す構成図である。図1に示す監視システムは、実施イメージをより明確にするため、窒素及びリン除去を目的とした下水高度処理プロセスを監視対象としている。しかしながら、監視システムの監視対象は、下水処理プロセスに限定される訳ではない。
K=(X−メジアン)/メジアン絶対偏差
を計算し、このKの値に例えば5〜10程度のしきい値Kmaxを設定する。Kの値がこのKmaxを超えるプロセス変数が1個だけ抽出される場合、センサ異常であると判断し、1個も抽出されないか、又は、複数個抽出される場合にはプロセス異常であると判断する。
図7は、第2の実施形態に係るプロセス監視診断装置50の機能構成の例を示すブロック図である。図7に示すプロセス監視診断装置50は、分類部31、異常監視診断部33、モデル構築部51及び正常データ登録部52を具備する。なお、図7において図1と共通する部分には同じ符号を付している。
Claims (15)
- 対象プロセスに設置されるセンサにより計測されるプロセスデータを取得するプロセス監視診断装置において、
分類部と、識別部及び異常検出用データ定義部を有するモデル構築部と、抽出部及び異常レベル判定部を有する監視診断部とを具備し、
前記分類部は、前記対象プロセスが置かれている環境に応じて分類される属性情報を保持し、前記プロセスデータと、予め設定される複数の期間の過去のプロセスデータからなる複数の時系列データとを前記属性情報に基づいてクラス分けし、
前記識別部は、複数のクラスにクラス分けされた前記時系列データのそれぞれの代表値をロバストに推定することで、前記クラス毎の日常パターンデータを作成し、前記クラス毎の日常パターンデータに基づいて非日常パターンデータを作成し、
前記異常検出用データ定義部は、前記複数の非日常パターンデータそれぞれに基づいて、異常検出用データを算出する第1の定義式と、前記異常検出用データのしきい値を算出する第2の定義式とを作成し、
前記抽出部は、前記クラス分けされたプロセスデータの前記複数の日常パターンデータに対する乖離度を抽出し、
前記異常レベル判定部は、前記複数の乖離度それぞれを前記第1の定義式に適用することで前記クラス毎に異常検出用データを算出し、前記複数の乖離度それぞれを前記第2の定義式に適用することで前記クラス毎にしきい値を算出し、前記クラス毎に前記異常検出用データが前記しきい値を超えるか否かを判断することで異常レベルを判定するプロセス監視診断装置。 - 前記モデル構築部は、
前記複数の非日常パターンデータそれぞれに基づき、前記異常検出用データについてのプロセス変数毎の寄与量を算出する第3の定義式を作成する寄与量定義部をさらに有し、
前記監視診断部は、
前記クラス分けされたプロセスデータと最も高い適合性の日常パターンデータに対する前記クラス分けされたプロセスデータの乖離度を、前記クラス分けされたプロセスデータと最も高い適合性の非日常パターンデータについて作成された前記第3の定義式に適用することで、前記プロセス変数毎の寄与量を算出する要因分離部をさらに有する請求項1記載のプロセス監視診断装置。 - 前記監視診断部は、寄与量しきい値を超える寄与量のプロセス変数が1個である場合、センサに異常が生じたと推定し、前記寄与量しきい値を超える寄与量のプロセス変数が2個以上である場合、前記対象プロセスに異常が生じたと推定する異常識別部をさらに有する請求項2記載のプロセス監視診断装置。
- 前記識別部は、前記日常パターンデータを、暦に係る複数種類の定義で作成し、前記定義毎の日常パターンデータに基づく非日常パターンデータを作成し、
前記異常検出用データ定義部は、前記クラス毎及び前記定義毎に作成された非日常パターンデータ毎に前記第1及び第2の定義式を作成し、
前記抽出部は、前記乖離度を、前記クラス毎及び前記定義毎に作成された日常パターンデータ毎に抽出し、
前記異常レベル判定部は、前記定義が同一、かつ、前記クラスが異なる複数の乖離度それぞれから算出される異常検出用データとしきい値とを比較し、比較結果に基づいて異常レベルを判定する請求項1乃至3のいずれかに記載のプロセス監視診断装置。 - 前記異常識別部は、寄与量しきい値を超える寄与量のプロセス変数が1個である場合、前記異常を生じたセンサによる計測値の代わりに、前記異常を生じたセンサが正常時に計測したデータに基づく値を、前記抽出部へ供給する請求項3記載のプロセス監視診断装置。
- 前記異常レベル判定部において、プロセスデータに異常が発生していないと判定されると、前記異常の発生していないプロセスデータを正常データとして登録する正常データ登録部をさらに具備し、
前記異常検出用データ定義部は、前記正常データを用いて前記第1及び第2の定義式を更新する請求項1記載のプロセス監視診断装置。 - 前記異常レベル判定部において、プロセスデータに異常が発生していないと判定されると、前記異常の発生していないプロセスデータを正常データとして登録する正常データ登録部をさらに具備し、
前記異常検出用データ定義部は、前記正常データを用いて前記第1及び第2の定義式を更新し、
前記寄与量定義部は、前記正常データを用いて前記第3の定義式を更新する請求項2乃至5のいずれかに記載のプロセス監視診断装置。 - 前記識別部は、前記クラス分けされた時系列データに前記正常データを組み込み、前記正常データを組み込んだ時系列データの代表値をロバストに推定することで、前記日常パターンデータを更新する請求項6又は7に記載のプロセス監視診断装置。
- 前記分類部、前記モデル構築部及び前記監視診断部はクラウドサーバ上に実現される請求項1乃至8のいずれかに記載のプロセス監視診断装置。
- 対象プロセスに設置されるセンサにより計測されるプロセスデータを取得するプロセス監視診断装置において、
分類部と、識別部、異常検出用データ定義部及び寄与量定義部を有するモデル構築部と、抽出部及び要因分離部を有する監視診断部とを具備し、
前記分類部は、前記対象プロセスが置かれている環境に応じて分類される属性情報を保持し、前記プロセスデータと、予め設定される期間の過去のプロセスデータからなる時系列データとを前記属性情報に基づいてクラス分けし、
前記識別部は、前記クラス分けされた時系列データの代表値をロバストに推定することで日常パターンデータを作成し、前記日常パターンデータに基づいて非日常パターンデータを作成し、
前記異常検出用データ定義部は、前記非日常パターンデータに基づき、異常検出用データを算出する第1の定義式を作成し、
前記寄与量定義部は、前記非日常パターンデータに基づき、前記異常検出用データについてのプロセス変数毎の寄与量を算出する第2の定義式を作成し、
前記抽出部は、前記クラス分けされたプロセスデータの前記日常パターンデータに対する乖離度を抽出し、
前記要因分離部は、前記乖離度を前記第1及び第2の定義式に適用することで、前記プロセス変数毎の寄与量を算出するプロセス監視診断装置。 - 前記監視診断部は、寄与量しきい値を超える寄与量のプロセス変数が1個である場合、センサに異常が生じたと推定し、前記寄与量しきい値を超える寄与量のプロセス変数が2個以上である場合、前記対象プロセスに異常が生じたと推定する異常識別部をさらに有する請求項10記載のプロセス監視診断装置。
- 前記異常識別部は、寄与量しきい値を超える寄与量のプロセス変数が1個である場合、前記異常を生じたセンサによる計測値の代わりに、前記異常を生じたセンサが正常時に計測したデータに基づく値を、前記抽出部へ供給する請求項11記載のプロセス監視診断装置。
- 前記分類部、前記モデル構築部及び前記監視診断部はクラウドサーバ上に実現される請求項10乃至12のいずれかに記載のプロセス監視診断装置。
- 対象プロセスに設置されるセンサにより計測されるプロセスデータを取得するプロセス監視診断装置で用いられるプロセス監視診断プログラムにおいて、
前記プロセスデータと、予め設定される複数の期間の過去のプロセスデータからなる複数の時系列データとを、前記対象プロセスが置かれている環境に応じて分類される属性情報に基づいてクラス分けする分類処理と、
複数のクラスにクラス分けされた前記時系列データのそれぞれの代表値をロバストに推定することで、前記クラス毎の日常パターンデータを作成し、前記クラス毎の日常パターンデータに基づいて非日常パターンデータを作成する識別処理と、
前記複数の非日常パターンデータそれぞれに基づき、異常検出用データを算出する第1の定義式と、前記異常検出用データのしきい値を算出する第2の定義式とを作成する定義処理と、
前記クラス分けされたプロセスデータの前記複数の日常パターンデータに対する乖離度を抽出する抽出処理と、
前記複数の乖離度それぞれを前記第1の定義式に適用することで前記クラス毎に異常検出用データを算出し、前記複数の乖離度それぞれを前記第2の定義式に適用することで前記クラス毎にしきい値を算出し、前記クラス毎に前記異常検出用データが前記しきい値を超えるか否かを判断することで異常レベルを判定する判定処理と
を前記プロセス監視診断装置のコンピュータに実施させるプロセス監視診断プログラム。 - 対象プロセスに設置されるセンサにより計測されるプロセスデータを取得するプロセス監視診断装置で用いられるプロセス監視診断プログラムにおいて、
前記プロセスデータと、予め設定される期間の過去のプロセスデータからなる時系列データとを、前記対象プロセスが置かれている環境に応じて分類される属性情報に基づいてクラス分けする分類処理と、
前記クラス分けされた時系列データの代表値をロバストに推定することで日常パターンデータを作成し、前記日常パターンデータに基づいて非日常パターンデータを作成する識別処理と、
前記非日常パターンデータに基づき、異常検出用データを算出する第1の定義式を作成する第1の定義処理と、
前記非日常パターンデータに基づき、前記異常検出用データについてのプロセス変数毎の寄与量を算出する第2の定義式を作成する第2の定義部と、
前記クラス分けされたプロセスデータの前記日常パターンデータに対する乖離度を抽出する抽出処理と、
前記乖離度を前記第1及び第2の定義式に適用することで、前記プロセス変数毎の寄与量を算出する要因分離処理と
を前記プロセス監視診断装置のコンピュータに実施させるプロセス監視診断プログラム。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2012247560A JP5996384B2 (ja) | 2012-11-09 | 2012-11-09 | プロセス監視診断装置、プロセス監視診断プログラム |
CN201380058447.8A CN104781741B (zh) | 2012-11-09 | 2013-09-05 | 工序监视诊断装置及工序监视诊断程序 |
PCT/JP2013/073998 WO2014073261A1 (ja) | 2012-11-09 | 2013-09-05 | プロセス監視診断装置、プロセス監視診断プログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2012247560A JP5996384B2 (ja) | 2012-11-09 | 2012-11-09 | プロセス監視診断装置、プロセス監視診断プログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2014096050A true JP2014096050A (ja) | 2014-05-22 |
JP5996384B2 JP5996384B2 (ja) | 2016-09-21 |
Family
ID=50684378
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2012247560A Active JP5996384B2 (ja) | 2012-11-09 | 2012-11-09 | プロセス監視診断装置、プロセス監視診断プログラム |
Country Status (3)
Country | Link |
---|---|
JP (1) | JP5996384B2 (ja) |
CN (1) | CN104781741B (ja) |
WO (1) | WO2014073261A1 (ja) |
Cited By (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104731083A (zh) * | 2015-02-03 | 2015-06-24 | 浙江大学 | 一种基于自适应特征提取的工业故障诊断方法及应用 |
JP2016103187A (ja) * | 2014-11-28 | 2016-06-02 | ローム株式会社 | センサネットワークシステムおよびその動作方法 |
WO2016088362A1 (ja) * | 2014-12-05 | 2016-06-09 | 日本電気株式会社 | システム分析装置、システム分析方法および記憶媒体 |
CN106371939A (zh) * | 2016-09-12 | 2017-02-01 | 山东大学 | 一种时序数据异常检测方法及其系统 |
JP2017027519A (ja) * | 2015-07-27 | 2017-02-02 | 株式会社東芝 | 監視システム、情報提供方法及びコンピュータプログラム |
JP2017033526A (ja) * | 2015-07-31 | 2017-02-09 | ファナック株式会社 | 故障条件を学習する機械学習方法及び機械学習装置、並びに該機械学習装置を備えた故障予知装置及び故障予知システム |
JP6140331B1 (ja) * | 2016-04-08 | 2017-05-31 | ファナック株式会社 | 主軸または主軸を駆動するモータの故障予知を学習する機械学習装置および機械学習方法、並びに、機械学習装置を備えた故障予知装置および故障予知システム |
JP2017190482A (ja) * | 2016-04-12 | 2017-10-19 | 株式会社神戸製鋼所 | 高炉のセンサ故障検知システム及び異常状況の予測システム |
JP2017537330A (ja) * | 2014-11-05 | 2017-12-14 | インテル コーポレイション | センサ状態を決定するシステム |
JP2018097791A (ja) * | 2016-12-16 | 2018-06-21 | 富士電機株式会社 | プロセス監視装置、プロセス監視システム及びプログラム |
US10317853B2 (en) | 2015-07-31 | 2019-06-11 | Fanuc Corporation | Machine learning method and machine learning device for learning fault conditions, and fault prediction device and fault prediction system including the machine learning device |
JP2019520659A (ja) * | 2016-07-07 | 2019-07-18 | アスペン テクノロジー インコーポレイテッド | 時系列パターンモデルを用いて主要パフォーマンス指標(kpi)を監視するコンピュータシステム及び方法 |
KR20190117771A (ko) * | 2017-02-28 | 2019-10-16 | 프라운호퍼 게젤샤프트 쭈르 푀르데룽 데어 안겐반텐 포르슝 에. 베. | 정보를 분류하기 위한 방법 및 분류 프로세서 |
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 |
JPWO2019073512A1 (ja) * | 2017-10-10 | 2020-10-22 | 日本電気株式会社 | システム分析方法、システム分析装置、および、プログラム |
DE112019006255T5 (de) | 2019-01-21 | 2021-09-09 | Mitsubishi Electric Corporation | Anomalieursache-schätzeinrichtung, anomalieursache- schätzverfahren und programm |
WO2021255783A1 (ja) * | 2020-06-15 | 2021-12-23 | 株式会社日立製作所 | 自動点検システム及び無線子機 |
JP7052914B1 (ja) | 2021-08-05 | 2022-04-12 | 富士電機株式会社 | 異常診断システム、異常診断装置、異常診断方法、及びプログラム |
JP2023520066A (ja) * | 2020-03-31 | 2023-05-15 | アーベーベー・シュバイツ・アーゲー | 産業用機械学習のためのデータ処理 |
JP7398270B2 (ja) | 2019-12-23 | 2023-12-14 | 株式会社トヨタプロダクションエンジニアリング | 送信装置、受信装置、送信方法、受信方法、送信プログラム及び受信プログラム |
Families Citing this family (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6504089B2 (ja) * | 2016-03-10 | 2019-04-24 | 横河電機株式会社 | 工程監視装置、工程監視システム、工程監視方法、工程監視プログラム及び記録媒体 |
US10890507B2 (en) * | 2017-01-25 | 2021-01-12 | Ntn Corporation | State monitoring method and state monitoring apparatus |
JP7127304B2 (ja) * | 2018-03-12 | 2022-08-30 | 株式会社リコー | 診断装置、診断方法およびプログラム |
JP6763910B2 (ja) * | 2018-05-30 | 2020-09-30 | 横河電機株式会社 | 異常検出装置、異常検出方法、異常検出プログラム及び記録媒体 |
CN112567306A (zh) * | 2018-08-31 | 2021-03-26 | 东芝三菱电机产业系统株式会社 | 制造过程监视装置 |
JP7163117B2 (ja) * | 2018-09-14 | 2022-10-31 | 株式会社東芝 | プロセス監視支援装置、プロセス監視支援システム、プロセス監視支援方法及びプロセス監視支援プログラム |
JP7126256B2 (ja) * | 2018-10-30 | 2022-08-26 | 国立研究開発法人宇宙航空研究開発機構 | 異常診断装置、異常診断方法、及びプログラム |
JP7030072B2 (ja) * | 2019-03-14 | 2022-03-04 | 株式会社日立製作所 | 時系列データ監視システム、および時系列データ監視方法 |
BR112021017758A2 (pt) * | 2019-03-26 | 2021-11-23 | Jfe Steel Corp | Dispositivo de monitoramento de estado de processo e método de monitoramento de estado de processo |
CN110347561B (zh) * | 2019-06-11 | 2022-12-30 | 平安科技(深圳)有限公司 | 监控告警方法及终端设备 |
JP7357494B2 (ja) * | 2019-09-13 | 2023-10-06 | 住友重機械工業株式会社 | 診断システム |
CN113377078B (zh) * | 2021-04-20 | 2023-04-07 | 山东师范大学 | 一种基于核主成分回归的工业过程故障检测方法及系统 |
CN114265390B (zh) * | 2021-12-22 | 2024-02-20 | 苏州华星光电技术有限公司 | 设备数据采集诊断方法、装置、服务器及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH08241121A (ja) * | 1995-03-03 | 1996-09-17 | Toshiba Corp | プラント異常検知装置 |
JP2004303007A (ja) * | 2003-03-31 | 2004-10-28 | Mitsubishi Chemicals Corp | プロセス監視方法 |
JP2007065883A (ja) * | 2005-08-30 | 2007-03-15 | Toshiba Corp | プロセス監視装置及びその方法 |
JP2008059270A (ja) * | 2006-08-31 | 2008-03-13 | Toshiba Corp | プロセス異常診断装置及びプロセス監視システム |
JP2012141712A (ja) * | 2010-12-28 | 2012-07-26 | Toshiba Corp | プロセス監視診断装置 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5301310B2 (ja) * | 2009-02-17 | 2013-09-25 | 株式会社日立製作所 | 異常検知方法及び異常検知システム |
JP5297272B2 (ja) * | 2009-06-11 | 2013-09-25 | 株式会社日立製作所 | 装置異常監視方法及びシステム |
-
2012
- 2012-11-09 JP JP2012247560A patent/JP5996384B2/ja active Active
-
2013
- 2013-09-05 CN CN201380058447.8A patent/CN104781741B/zh active Active
- 2013-09-05 WO PCT/JP2013/073998 patent/WO2014073261A1/ja active Application Filing
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH08241121A (ja) * | 1995-03-03 | 1996-09-17 | Toshiba Corp | プラント異常検知装置 |
JP2004303007A (ja) * | 2003-03-31 | 2004-10-28 | Mitsubishi Chemicals Corp | プロセス監視方法 |
JP2007065883A (ja) * | 2005-08-30 | 2007-03-15 | Toshiba Corp | プロセス監視装置及びその方法 |
JP2008059270A (ja) * | 2006-08-31 | 2008-03-13 | Toshiba Corp | プロセス異常診断装置及びプロセス監視システム |
JP2012141712A (ja) * | 2010-12-28 | 2012-07-26 | Toshiba Corp | プロセス監視診断装置 |
Non-Patent Citations (1)
Title |
---|
JPN6016028651; 山中理,長岩明弘,平岡由紀夫,山本勝也,佐野勝実,佐々木稔: '下水処理場の水質安定・省エネルギー運用に向けたプロセス監視診断技術' 電子情報通信学会誌 第94巻,第4号, 20110401, p.299-304, 社団法人電子情報通信学会 * |
Cited By (37)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2017537330A (ja) * | 2014-11-05 | 2017-12-14 | インテル コーポレイション | センサ状態を決定するシステム |
US10505831B2 (en) | 2014-11-28 | 2019-12-10 | Rohm Co., Ltd. | Sensor network system and operational method of the same |
JP2016103187A (ja) * | 2014-11-28 | 2016-06-02 | ローム株式会社 | センサネットワークシステムおよびその動作方法 |
WO2016084445A1 (ja) * | 2014-11-28 | 2016-06-02 | ローム株式会社 | センサネットワークシステムおよびその動作方法 |
JPWO2016088362A1 (ja) * | 2014-12-05 | 2017-09-07 | 日本電気株式会社 | システム分析装置、システム分析方法および記憶媒体 |
US10719577B2 (en) | 2014-12-05 | 2020-07-21 | Nec Corporation | System analyzing device, system analyzing method and storage medium |
WO2016088362A1 (ja) * | 2014-12-05 | 2016-06-09 | 日本電気株式会社 | システム分析装置、システム分析方法および記憶媒体 |
CN104731083A (zh) * | 2015-02-03 | 2015-06-24 | 浙江大学 | 一种基于自适应特征提取的工业故障诊断方法及应用 |
JP2017027519A (ja) * | 2015-07-27 | 2017-02-02 | 株式会社東芝 | 監視システム、情報提供方法及びコンピュータプログラム |
JP2017033526A (ja) * | 2015-07-31 | 2017-02-09 | ファナック株式会社 | 故障条件を学習する機械学習方法及び機械学習装置、並びに該機械学習装置を備えた故障予知装置及び故障予知システム |
US11275345B2 (en) | 2015-07-31 | 2022-03-15 | Fanuc Corporation | Machine learning Method and machine learning device for learning fault conditions, and fault prediction device and fault prediction system including the machine learning device |
JP2017120649A (ja) * | 2015-07-31 | 2017-07-06 | ファナック株式会社 | 故障条件を学習する機械学習方法及び機械学習装置、並びに該機械学習装置を備えた故障予知装置及び故障予知システム |
US10317853B2 (en) | 2015-07-31 | 2019-06-11 | Fanuc Corporation | Machine learning method and machine learning device for learning fault conditions, and fault prediction device and fault prediction system including the machine learning device |
JP2021002398A (ja) * | 2015-07-31 | 2021-01-07 | ファナック株式会社 | 故障予知装置、故障予知システム及び故障予知方法 |
JP7104121B2 (ja) | 2015-07-31 | 2022-07-20 | ファナック株式会社 | 故障予知装置、故障予知システム及び故障予知方法 |
CN107272586B (zh) * | 2016-04-08 | 2019-12-10 | 发那科株式会社 | 机械学习装置、机械学习方法、故障预知装置及系统 |
JP2017188030A (ja) * | 2016-04-08 | 2017-10-12 | ファナック株式会社 | 主軸または主軸を駆動するモータの故障予知を学習する機械学習装置および機械学習方法、並びに、機械学習装置を備えた故障予知装置および故障予知システム |
US11521105B2 (en) | 2016-04-08 | 2022-12-06 | Fanuc Corporation | Machine learning device and machine learning method for learning fault prediction of main shaft or motor which drives main shaft, and fault prediction device and fault prediction system including machine learning device |
CN107272586A (zh) * | 2016-04-08 | 2017-10-20 | 发那科株式会社 | 机械学习装置、机械学习方法、故障预知装置及系统 |
JP6140331B1 (ja) * | 2016-04-08 | 2017-05-31 | ファナック株式会社 | 主軸または主軸を駆動するモータの故障予知を学習する機械学習装置および機械学習方法、並びに、機械学習装置を備えた故障予知装置および故障予知システム |
JP2017190482A (ja) * | 2016-04-12 | 2017-10-19 | 株式会社神戸製鋼所 | 高炉のセンサ故障検知システム及び異常状況の予測システム |
JP2019520659A (ja) * | 2016-07-07 | 2019-07-18 | アスペン テクノロジー インコーポレイテッド | 時系列パターンモデルを用いて主要パフォーマンス指標(kpi)を監視するコンピュータシステム及び方法 |
JP7009438B2 (ja) | 2016-07-07 | 2022-01-25 | アスペン テクノロジー インコーポレイテッド | 時系列パターンモデルを用いて主要パフォーマンス指標(kpi)を監視するコンピュータシステム及び方法 |
CN106371939A (zh) * | 2016-09-12 | 2017-02-01 | 山东大学 | 一种时序数据异常检测方法及其系统 |
JP2018097791A (ja) * | 2016-12-16 | 2018-06-21 | 富士電機株式会社 | プロセス監視装置、プロセス監視システム及びプログラム |
KR102335038B1 (ko) | 2017-02-28 | 2021-12-06 | 프라운호퍼 게젤샤프트 쭈르 푀르데룽 데어 안겐반텐 포르슝 에. 베. | 정보를 분류하기 위한 방법 및 분류 프로세서 |
KR20190117771A (ko) * | 2017-02-28 | 2019-10-16 | 프라운호퍼 게젤샤프트 쭈르 푀르데룽 데어 안겐반텐 포르슝 에. 베. | 정보를 분류하기 위한 방법 및 분류 프로세서 |
US11378944B2 (en) | 2017-10-10 | 2022-07-05 | Nec Corporation | System analysis method, system analysis apparatus, and program |
JPWO2019073512A1 (ja) * | 2017-10-10 | 2020-10-22 | 日本電気株式会社 | システム分析方法、システム分析装置、および、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 |
DE112019006255T5 (de) | 2019-01-21 | 2021-09-09 | Mitsubishi Electric Corporation | Anomalieursache-schätzeinrichtung, anomalieursache- schätzverfahren und programm |
JP7398270B2 (ja) | 2019-12-23 | 2023-12-14 | 株式会社トヨタプロダクションエンジニアリング | 送信装置、受信装置、送信方法、受信方法、送信プログラム及び受信プログラム |
JP2023520066A (ja) * | 2020-03-31 | 2023-05-15 | アーベーベー・シュバイツ・アーゲー | 産業用機械学習のためのデータ処理 |
WO2021255783A1 (ja) * | 2020-06-15 | 2021-12-23 | 株式会社日立製作所 | 自動点検システム及び無線子機 |
JP7417732B2 (ja) | 2020-06-15 | 2024-01-18 | 株式会社日立製作所 | 自動点検システム及び無線子機 |
JP7052914B1 (ja) | 2021-08-05 | 2022-04-12 | 富士電機株式会社 | 異常診断システム、異常診断装置、異常診断方法、及びプログラム |
JP2023023347A (ja) * | 2021-08-05 | 2023-02-16 | 富士電機株式会社 | 異常診断システム、異常診断装置、異常診断方法、及びプログラム |
Also Published As
Publication number | Publication date |
---|---|
WO2014073261A1 (ja) | 2014-05-15 |
JP5996384B2 (ja) | 2016-09-21 |
CN104781741B (zh) | 2017-07-04 |
CN104781741A (zh) | 2015-07-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5996384B2 (ja) | プロセス監視診断装置、プロセス監視診断プログラム | |
JP5284433B2 (ja) | プロセス監視・診断・支援装置 | |
JP4762088B2 (ja) | プロセス異常診断装置 | |
JP5259797B2 (ja) | 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 | |
JP6214889B2 (ja) | プロセス監視診断装置 | |
EP2905665B1 (en) | Information processing apparatus, diagnosis method, and program | |
JP4468269B2 (ja) | プロセス監視装置及びその方法 | |
JP2009070071A (ja) | 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 | |
JP6862190B2 (ja) | プロセス診断装置、プロセス診断方法及びプロセス診断システム | |
JP4604987B2 (ja) | 水処理プラントの運転管理方法および装置 | |
JP6606003B2 (ja) | プロセス診断装置、プロセス診断方法及びコンピュータプログラム | |
JP2014178853A (ja) | 制御パラメータ調整方法、制御パラメータ調整システム及び制御パラメータ設定装置 | |
JP2013025367A (ja) | 設備状態監視方法およびその装置 | |
KR101941854B1 (ko) | 미취득 데이터 보정을 통한 부하 예측 시스템 및 방법 | |
Zhu et al. | Dynamic alarm prediction for critical alarms using a probabilistic model | |
KR20190082715A (ko) | 상관도를 고려한 데이터 분류 방법 및 이 방법을 수행하기 위한 프로그램이 저장된 컴퓨터 판독가능한 저장매체 | |
KR101960755B1 (ko) | 미취득 전력 데이터 생성 방법 및 장치 | |
CN110426996B (zh) | 基于大数据及人工智能的环境污染监测方法 | |
KR101997580B1 (ko) | 상관도를 고려한 데이터 분류 방법 및 이 방법을 수행하기 위한 프로그램이 저장된 컴퓨터 판독가능한 저장매체 | |
CN117278591A (zh) | 基于云平台的园区异常报警系统 | |
Lee et al. | Autoencoder-based detector for distinguishing process anomaly and sensor failure | |
CN117287640B (zh) | 供水风险的预警方法、装置、设备及存储介质 | |
JP7163117B2 (ja) | プロセス監視支援装置、プロセス監視支援システム、プロセス監視支援方法及びプロセス監視支援プログラム | |
JP2022025364A (ja) | プロセス監視支援装置、プロセス監視支援方法、プロセス監視支援プログラム及び端末装置 | |
JP2024002522A (ja) | 運転支援装置および運転支援方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20150206 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20160105 |
|
A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20160229 |
|
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: 20160726 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20160824 |
|
R151 | Written notification of patent or utility model registration |
Ref document number: 5996384 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |