JP2016058010A5 - - Google Patents
Download PDFInfo
- Publication number
- JP2016058010A5 JP2016058010A5 JP2014186015A JP2014186015A JP2016058010A5 JP 2016058010 A5 JP2016058010 A5 JP 2016058010A5 JP 2014186015 A JP2014186015 A JP 2014186015A JP 2014186015 A JP2014186015 A JP 2014186015A JP 2016058010 A5 JP2016058010 A5 JP 2016058010A5
- Authority
- JP
- Japan
- Prior art keywords
- abnormal
- measure
- time
- tendency
- sensor
- 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
- 230000002159 abnormal effect Effects 0.000 claims 61
- 238000001514 detection method Methods 0.000 claims 17
- 238000000034 method Methods 0.000 claims 3
- 230000000630 rising Effects 0.000 claims 3
- 239000003990 capacitor Substances 0.000 claims 2
- 238000009499 grossing Methods 0.000 claims 2
- 238000005259 measurement Methods 0.000 claims 2
- 229910052724 xenon Inorganic materials 0.000 claims 2
- FHNFHKCVQCLJFQ-UHFFFAOYSA-N xenon(0) Chemical compound [Xe] FHNFHKCVQCLJFQ-UHFFFAOYSA-N 0.000 claims 2
- 238000000605 extraction Methods 0.000 claims 1
Claims (19)
- 設備の異常傾向を検出する方法であって、設備に取り付けられた複数のセンサから時系
列的に出力された複数のセンサ信号を処理して前記複数のセンサ信号についてそれぞれ時
刻毎に特徴ベクトルを作成し、前記作成した特徴ベクトルに基づいて異常測度を算出し、
前記算出した異常測度の時系列変化に基づき前記時刻毎に異常測度上昇傾向を判定し、
前記判定した結果から異常測度上昇傾向が連続する異常測度上昇区間を検出し、前記複
数のセンサの中から前記異常測度への寄与量の時系列変化に基づいて前記検出した異常測
度上昇区間において前記異常測度上昇に寄与したセンサを特定し、前記特定したセンサの
前記異常測度上昇区間における寄与量の傾きと前記異常測度上昇区間の長さに基づいて前
記異常測度上昇区間における異常測度上昇傾向の有無を判定することを特徴とする異常傾
向検出方法。 - 前記異常測度は、前記特徴ベクトルの中から予め指定された正常状態を学習するための
学習期間における学習データを用いて作成した正常モデルからの各時刻の前記特徴ベクトルの距離に基づいて算出することを特徴とする請求項1記載の異常傾向検出方法。 - 前記特徴ベクトルの作成時に、前記センサ信号を平滑化し、前記平滑化したセンサ信号
を用いて前記特徴ベクトルを作成することを特徴とする請求項1記載の異常傾向検出方法。 - 前記異常測度の算出時に、前記正常モデルからの距離に基づいて算出された異常測度を
平滑化することを特徴とする請求項2記載の異常傾向検出方法。 - 前記判定する時刻毎の異常測度上昇傾向を、予め定めた周期に基づき、注目時刻および
注目時刻の1ないし予め指定された数周期前および注目時刻の1ないし予め指定された数
周期後の異常測度間の差分に基づいて判定することを特徴とする請求項1記載の異常傾向
検出方法。 - 前記判定する時刻毎の異常測度上昇傾向を、注目時刻の前後に予め設定した区間からラ
ンダムに1点ずつ取り出して異常測度が上昇しているかどうかチェックする処理を多数回
繰り返し、上昇している割合が予め決められたしきい値以上である場合に、その時刻は異
常測度上昇傾向があると判定することを特徴とする請求項1記載の異常傾向検出方法。 - 前記異常測度上昇区間の検出時に、予め指定された許容期間より短い中断期間を連続と
みなしながら、異常測度上昇傾向が連続する区間を検出することを特徴とする請求項1記
載の異常傾向検出方法。 - 前記センサを特定することを、前記異常測度上昇区間において、全てのセンサにつ
いて、それぞれのセンサの時刻毎に前記特徴ベクトルと前記正常モデルからの距離の計測
の起点となるベクトルの差のベクトルの要素のうち該それぞれのセンサから抽出したもの
の絶対値和または二乗和または最新時刻のデータとして定義された差分データを算出し、
前記差分データの前記異常測度上昇区間における傾きを算出し、前記傾きが最大となる
センサを前記センサとして特定することにより行うことを特徴とする請求項2記載の異常傾向検出方法。 - 前記センサを特定することを、前記異常測度上昇区間において、全てのセンサについて、それぞれのセンサの前記時刻毎に前記特徴ベクトルの要素のうち前記それぞれのセンサから抽出したものの中の最新時刻のデータを抽出し、前記抽出したデータの前記異常測度上昇区間における傾きを算出し、前記傾きの絶対値が最大となるセンサを前記センサとして特定することを特徴とする請求項1記載の異常傾向検出方法。
- 前記特徴ベクトルを作成する工程から前記異常測度上昇傾向の有無を判定する工程まで
を、予め設定された時間間隔ごとに繰り返して実行することを特徴とする請求項1記載の
異常傾向検出方法。 - 設備または装置に装着された複数のセンサから時系列的に出力されるセンサ信号に基づいて前記設備または装置の異常傾向を検出する異常傾向検出システムであって、前記時系列的に出力されるセンサ信号を蓄積する生データ蓄積手段と、前記生データ蓄積手段に蓄積された前記時系列的に出力されたセンサ信号から各時刻の特徴ベクトルを作成する特徴ベクトル作成手段と、前記特徴ベクトル作成手段により作成した各時刻の特徴ベクトルに基づいて異常測度を算出する異常測度算出手段と、前記異常測度算出手段で算出した異常測度の時系列変化に基づいて各時刻の異常測度上昇傾向を判定する異常測度上昇傾向判定手段と、前記異常測度上昇傾向判定手段で判定した異常測度上昇傾向において前記異常測度上昇傾向が連続する区間を検出する異常測度上昇区間検出手段と、前記複数のセンサの異常測度への寄与量の時系列変化に基づいて前記検出した異常測度上昇区間において前記異常測度上昇に寄与したセンサを特定する関連センサ特定手段と、前記関連センサ特定手段で特定したセンサの前記異常測度上昇区間における寄与量の傾きと前記異常測度上昇区間の長さに基づいて前記異常測度上昇区間における異常測度上昇傾向の有無を判定する傾向有無判定手段とを備えたことを特徴とする異常傾向検出システム。
- 前記異常測度算出手段は、前記特徴ベクトルの中から予め指定された正常状態を学習す
るための学習期間における学習データを用いて正常モデルを作成し、前記作成した正常モ
デルからの各時刻の前記特徴ベクトルの距離に基づいて前記異常測度を算出することを特徴とする請求項11記載の異常傾向検出システム。 - 前記特徴ベクトルの作成手段は、前記センサ信号を平滑化し、前記平滑化したセンサ信
号を用いて前記特徴ベクトルを作成することを特徴とする請求項12記載の異常傾向検出システム。 - 前記異常測度算出手段は、前記正常モデルからの距離に基づいて算出された異常測度を
平滑化する異常測度平滑化手段をさらに含むことを特徴とする請求項12記載の異常傾向
検出システム。 - 前記異常測度上昇傾向判定手段は、予め定めた周期に基づき、注目時刻および注目時刻
の1ないし予め指定された数周期前および注目時刻の1ないし予め指定された数周期後の
異常測度間の差分を算出し、前記算出した差分に基づいて上昇傾向の有無を判定すること
を特徴とする請求項11記載の異常傾向検出システム。 - 前記異常測度上昇傾向判定手段は、注目時刻の前後に予め設定した区間からランダムに
1点ずつ取り出して異常測度が上昇しているかどうかをチェックすることを多数回繰り返
して上昇している場合をカウントし、上昇回数の割合が予め決められたしきい値以上であ
る場合にその時刻は異常測度上昇傾向があると判定することを特徴とする請求項11記載
の異常傾向検出システム。 - 前記異常測度上昇区間検出手段において、予め指定された許容期間より短い中断期間を
連続とみなしながら、異常測度上昇傾向が連続する区間を検出することを特徴とする請求
項11記載の異常傾向検出システム。 - 前記関連センサ特定手段は、全てのセンサについて、それぞれのセンサの時刻毎に前
記特徴ベクトルと前記正常モデルからの距離の計測の起点となるベクトルの差のベクトル
の要素のうち該それぞれのセンサから抽出したものの絶対値和または二乗和または最新時
刻のデータとして定義された差分データを算出し、全てのセンサについて、前記差分デー
タの前記異常測度上昇区間における傾きを算出し、前記傾きが最大となるセンサを探索し
て関連センサとして特定することを特徴とする請求項12記載の異常傾向検出システム。 - 前記関連センサ特定手段は、全てのセンサについて、それぞれのセンサの時刻毎に前
記特徴ベクトルの要素のうち前記それぞれのセンサから抽出したものの中の最新時刻のデ
ータを抽出し、全てのセンサについて、前記抽出したデータの前記異常測度上昇区間にお
ける傾きを算出し、前記傾きの絶対値が最大となるセンサを探索して関連センサとするこ
とを特徴とする請求項11記載の異常傾向検出システム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2014186015A JP6223936B2 (ja) | 2014-09-12 | 2014-09-12 | 異常傾向検出方法およびシステム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2014186015A JP6223936B2 (ja) | 2014-09-12 | 2014-09-12 | 異常傾向検出方法およびシステム |
Publications (3)
Publication Number | Publication Date |
---|---|
JP2016058010A JP2016058010A (ja) | 2016-04-21 |
JP2016058010A5 true JP2016058010A5 (ja) | 2016-12-22 |
JP6223936B2 JP6223936B2 (ja) | 2017-11-01 |
Family
ID=55758736
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2014186015A Active JP6223936B2 (ja) | 2014-09-12 | 2014-09-12 | 異常傾向検出方法およびシステム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6223936B2 (ja) |
Families Citing this family (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6749488B2 (ja) * | 2017-05-26 | 2020-09-02 | 三菱電機ビルテクノサービス株式会社 | 異常重要度算出システム、異常重要度算出装置、及び異常重要度算出プログラム |
JP7225447B2 (ja) * | 2017-09-29 | 2023-02-20 | エヌ・ティ・ティ・コミュニケーションズ株式会社 | 監視装置、監視方法および監視プログラム |
US10719772B2 (en) * | 2017-10-27 | 2020-07-21 | The Boeing Company | Unsupervised multivariate relational fault detection system for a vehicle and method therefor |
CN113646718B (zh) * | 2019-03-27 | 2024-04-30 | 日产自动车株式会社 | 异常探测装置及异常探测方法 |
CN111984827A (zh) * | 2019-05-24 | 2020-11-24 | 上海东方富联科技有限公司 | 门磁传感器数据异常检测方法及系统、存储介质及终端 |
US11604934B2 (en) * | 2019-05-29 | 2023-03-14 | Nec Corporation | Failure prediction using gradient-based sensor identification |
JP7328930B2 (ja) * | 2020-05-11 | 2023-08-17 | 株式会社日立製作所 | センサ装置、データ取得方法および電流監視システム |
CN115408373A (zh) * | 2021-05-26 | 2022-11-29 | 中兴通讯股份有限公司 | 数据处理方法及设备、计算机可读存储介质 |
WO2023139790A1 (ja) * | 2022-01-24 | 2023-07-27 | ファナック株式会社 | 診断装置及びコンピュータ読み取り可能な記録媒体 |
CN116628529B (zh) * | 2023-07-21 | 2023-10-20 | 山东科华电力技术有限公司 | 一种用于用户侧智能负荷控制系统的数据异常检测方法 |
CN117786371B (zh) * | 2024-02-27 | 2024-05-10 | 聊城市检验检测中心 | 一种温度监测数据优化预测分析方法及系统 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH02210597A (ja) * | 1988-12-28 | 1990-08-21 | Fuji Electric Co Ltd | 監視装置 |
JP2001338363A (ja) * | 2000-05-24 | 2001-12-07 | Yokogawa Electric Corp | 警報の発生方法及び警報の発生装置 |
JP2009115481A (ja) * | 2007-11-02 | 2009-05-28 | Jfe Advantech Co Ltd | 回転機械設備の診断システム |
JP2010211440A (ja) * | 2009-03-10 | 2010-09-24 | Railway Technical Res Inst | 異常予測装置、異常予測システム、異常予測方法、及びプログラム |
JP5431235B2 (ja) * | 2009-08-28 | 2014-03-05 | 株式会社日立製作所 | 設備状態監視方法およびその装置 |
JP6076751B2 (ja) * | 2013-01-22 | 2017-02-08 | 株式会社日立製作所 | 異常診断方法およびその装置 |
-
2014
- 2014-09-12 JP JP2014186015A patent/JP6223936B2/ja active Active
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2016058010A5 (ja) | ||
JP2015114967A5 (ja) | ||
EP2884363A3 (en) | Anomaly detecting method, and apparatus for the same | |
JP2015210750A5 (ja) | ||
GB2565465A (en) | Systems and methods for sensor data analysis through machine learning | |
WO2016176301A3 (en) | System for integrating multiple sensor data to predict a fall risk | |
WO2015067931A3 (en) | Fibre optic monitoring of steam injection | |
WO2016064562A3 (en) | Adaptive threshold manipulation for movement detecting sensors | |
JP2012238882A5 (ja) | ||
GB2547852A (en) | Electric submersible pump event detection | |
WO2016033247A3 (en) | Population-based learning with deep belief networks | |
EP2796842A3 (en) | Sensor failure detection device, and method | |
JP2014151149A5 (ja) | 運動解析装置、運動解析システム及び運動解析方法 | |
WO2014189992A3 (en) | Influx detection at pumps stop events during well drilling | |
WO2015030799A8 (en) | Estimating and predicting wellbore tortuosity | |
MX367724B (es) | Sistemas y metodos de monitoreo fisiologico mejorado. | |
JP2017026559A5 (ja) | ||
JP2015217486A (ja) | 判定装置、判定方法、および判定プログラム | |
MX359528B (es) | Sistemas y métodos para monitorear un sistema de fluido de una máquina de minería. | |
RU2018111995A (ru) | Способ и система, относящиеся к сенсорному валу и сопряженному валу, для сбора данных по валам | |
WO2016063084A3 (en) | Monitoring physiological functions | |
GB2561753A (en) | System and method for identifying and recovering from a temporary sensor failure | |
CN106324583B (zh) | 一种矢量阵被动声呐异常数据在线剔除方法 | |
RU2016116284A (ru) | Обнаружение положения плунжера в скважине | |
JP2015032001A5 (ja) |