JP2017097712A - 機器診断装置及びシステム及び方法 - Google Patents
機器診断装置及びシステム及び方法 Download PDFInfo
- Publication number
- JP2017097712A JP2017097712A JP2015230816A JP2015230816A JP2017097712A JP 2017097712 A JP2017097712 A JP 2017097712A JP 2015230816 A JP2015230816 A JP 2015230816A JP 2015230816 A JP2015230816 A JP 2015230816A JP 2017097712 A JP2017097712 A JP 2017097712A
- Authority
- JP
- Japan
- Prior art keywords
- failure
- data
- abnormality
- normal
- diagnosis result
- 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
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M99/00—Subject matter not provided for in other groups of this subclass
-
- 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
Abstract
【解決手段】 機器診断システム100は、機器に設置されたセンサからセンサ信号データを受信し、正常データとの比較により異常判定を行う異常検知部102と、機器故障データとの比較により既知故障の判定を行う既知故障判定部103と、正常データの種類数および蓄積状況に基づいて正常データ充足度を推定する正常データ充足度推定部108と、機器故障データの種類数および蓄積状況に基づいて機器故障データ充足度を推定する機器故障データ充足度推定部109と、正常データが充足していない場合に誤報可能性を提示し、機器故障データが充足していない場合に未知故障可能性を提示する等の異常検知情報を提供する異常検知情報提供部111と、を有する。
【選択図】 図1
Description
機器診断システムにおいて検知した異常の要因を推測するため、特開2011−209847号公報(特許文献1)に記載の技術がある。この公報には、「前記演算手段よって判定された異常または正常の結果と、前記結果が異常であった場合に読み出される前記有識者コメントと前記異常事象の要因を出力する表示手段とを有する」(請求項)と記載されている。
また、特開2014−59910号公報(特許文献2)に記載の技術がある。この公報には、「正常を異常と判定する誤報の発生を防止し、異常判定の根拠の説明や、異常予兆との事象の関連付けを可能とする」(要約)と記載され、また、「設備から出力されるイベント信号をもとに運転状態別にモード分割し、モード毎に正常モデルを生成し、モード毎に学習データの十分性をチェックし、その結果に応じて設定した閾値を用いて異常識別を行うようにした」(要約)と記載されている。
特許文献2は、誤報の発生を防止する技術について記載されている。しかし、この文献に開示されたものは、学習データが不十分な場合は感度を低下させて機器診断を行うため、本来検知すべき機器故障に対して異常を検知できない場合があり得る。また、特許文献2では、専門家の知識に基づいた運転状態モードや学習データの分割が必要である。さらに、特許文献2では、センサ故障の場合を推定することができない。
機器診断装置であって、
診断対象機器の診断結果データを蓄積する異常診断結果記憶部と、
診断対象機器の異常を検知した場合、診断対象機器から受信したセンサ信号データに基づき、予め定められた機器故障モデルを用いて診断対象機器の異常が既知故障か否かを判定し、既知故障と判定した場合は既知故障可能性マークを診断結果データに含め、既知故障でないと判定した場合はセンサ故障可能性マークを診断結果データに含めて、前記異常診断結果記憶部に記憶する既知故障判定部と、
前記既知故障判定部が既知故障でないと判定した場合、予め記憶された正常データに基づき、正常データが充足しているか否かを推定し、正常データが充足していないと判定した場合、誤報可能性マークを診断結果データに含めて前記異常診断結果記憶部に記憶する正常データ充足度推定部と、
前記既知故障判定部が既知故障でないと判定した場合、予め記憶した機器故障データに基づき、機器故障データが充足度しているか否かを推定し、機器故障データが充足していないと判定した場合、未知故障可能性マークを診断結果データに含めて前記異常診断結果記憶部に記憶する機器故障データ充足度推定部と、
前記異常診断結果記憶部に記憶した診断結果データに基づき、機器故障及びセンサ故障及び誤報及び未知故障のいずれかひとつ又は複数を含む診断対象機器の異常の可能性を示す診断結果情報を作成し、他の装置又は出力装置に診断結果情報を提供する異常検知情報提供部と
を備えた機器診断装置が提供される。
機器診断システムであって、
ひとつ又は複数のセンサを有し、センサ信号データを送信するひとつ又は複数の診断対象機器と、
ひとつ又は複数の診断対象機器に設置されたセンサからひとつ又は複数のセンサ信号データを受信する受信部と、
出力装置と、
機器診断装置と
を備え、
前記機器診断装置は、
診断対象機器の診断結果データを蓄積する異常診断結果記憶部と、
診断対象機器の異常を検知した場合、診断対象機器から受信したセンサ信号データに基づき、予め定められた機器故障モデルを用いて診断対象機器の異常が既知故障か否かを判定し、既知故障と判定した場合は既知故障可能性マークを診断結果データに含め、既知故障でないと判定した場合はセンサ故障可能性マークを診断結果データに含めて、前記異常診断結果記憶部に記憶する既知故障判定部と、
前記既知故障判定部が既知故障でないと判定した場合、予め記憶された正常データに基づき、正常データが充足しているか否かを推定し、正常データが充足していないと判定した場合、誤報可能性マークを診断結果データに含めて前記異常診断結果記憶部に記憶する正常データ充足度推定部と、
前記既知故障判定部が既知故障でないと判定した場合、予め記憶した機器故障データに基づき、機器故障データが充足度しているか否かを推定し、機器故障データが充足していないと判定した場合、未知故障可能性マークを診断結果データに含めて前記異常診断結果記憶部に記憶する機器故障データ充足度推定部と、
前記異常診断結果記憶部に記憶した診断結果データに基づき、機器故障及びセンサ故障及び誤報及び未知故障のいずれかひとつ又は複数を含む診断対象機器の異常の可能性を示す診断結果情報を作成し、他の装置又は前記出力装置に診断結果情報を提供する異常検知情報提供部と
を備えた機器診断システムが提供される。
機器診断方法であって、
診断対象機器の診断結果データを蓄積し、
診断対象機器の異常を検知した場合、診断対象機器から受信したセンサ信号データに基づき、予め定められた機器故障モデルを用いて診断対象機器の異常が既知故障か否かを判定し、既知故障と判定した場合は既知故障可能性マークを診断結果データに含め、既知故障でないと判定した場合はセンサ故障可能性マークを診断結果データに含めて記憶し、
既知故障でないと判定した場合、予め記憶された正常データに基づき、正常データが充足しているか否かを推定し、正常データが充足していないと判定した場合、誤報可能性マークを診断結果データに含めて記憶し、
既知故障でないと判定した場合、予め記憶した機器故障データに基づき、機器故障データが充足度しているか否かを推定し、機器故障データが充足していないと判定した場合、未知故障可能性マークを診断結果データに含めて記憶し、
記憶した診断結果データに基づき、機器故障及びセンサ故障及び誤報及び未知故障のいずれかひとつ又は複数を含む診断対象機器の異常の可能性を示す診断結果情報を作成し、他の装置又は出力装置に診断結果情報を提供する、
機器診断方法が提供される。
なお、上記した以外の課題、構成及び効果は、以下の実施例の説明により明らかにされる。
図1は、本実施例に係る機器診断システム(機器診断装置)100の機能ブロックの一例を示した図である。機器診断システム100は、受信部101と、異常検知部102と、既知故障判定部103と、正常データ記憶部104と、正常モデル生成部105と、機器故障データ記憶部106と、機器故障モデル生成部107と、正常データ充足度推定部108と、機器故障データ充足度推定部109と、異常検知要因推定部110と、異常検知情報提供部111と、異常診断結果記憶部112と、を有している。各機能ブロックのハードウェア構成やそのハードウェアによって実現される機能の詳細は後述する。また、機器診断システム(機器診断装置)100には、図では省略されているが、受信部101に、ひとつ又は複数のセンサを設置したひとつ又は複数の診断対象機器から、適宜の有線及び/又は無線ネットワーク又は接続線等を介して、センサ信号データが入力される。また、正常データ記憶部104及び機器故障データ記憶部106には、適宜の入力装置によりデータを入力することができ、異常検知情報提供部111により、ディスプレイ等の出力装置に異常検知情報(異常診断結果情報)を出力することができる。
CPU201は、ROM202、RAM203に格納されたプログラムを読み出し、読みだしたプログラムに基づいて動作し、各機能ブロックとしての制御を行う。また、ROM202は、情報処理装置200の起動時に201が実現するブートプログラムや、情報処理装置200のハードウェアに依存するプログラムなどを格納する。また、RAM203は、CPU201が実行するプログラムおよびCPU201が使用するデータなどを格納している。なお、各機能ブロックは、CPU201が読み込んだ所定のプログラムを実行することにより構築される。また、CPU201は、入出力インタフェース204を介して、キーボードやマウス、ディスプレイ(LCD)などの入出力装置を制御する。また、CPU201は、入出力インタフェース204を介して、キーボードやマウスなどからデータを取得する。
なお、ここで言う入出力インタフェース204は、ディスプレイやキーボード、マウス以外のものであってもよい。例えばディスプレイ機能とタッチパネル機能を有するタブレット端末やスマートデバイスであってもよい。このような場合に、情報処置装置200はCPU201、ROM202、RAM203を有し、入出力インタフェース204は、有線もしくは無線で接続された端末としてもよい。
本実施例の機器診断システム100における各機能ブロックを実現するハードウェア構成は、以上で説明するような情報処理装置300の構成を基本とし、実現すべき機能によって適切な構成を採用する。
次に、図1における機器診断システム100で実行される処理について説明する。
機器診断システム100の動作には、診断に用いるモデルを予め作成しておく「学習」と診断対象機器に設置されたセンサから受信したセンサ信号に基づき診断を行う「診断」の二つのフェーズがある。
図3は、図1における機器診断システム100で実行される学習処理を示したフロー図である。学習処理は、図1における機器診断システム100が診断処理の実行指示を利用者から入出力装置又は他の装置等により入出力インターフェース204等を介して受け付けることにより開始される。または、定期的に学習処理を実行するようなプログラムを事前に設定しておくようにしてもよい。
学習処理が開始されると、正常モデル生成部105は、正常データ記憶部104に予め利用者により入力された診断対象機器における正常時のセンサ信号データ(正常データ)を読み込む(ステップ301)。次に、正常モデル生成部105は、読み込んだ正常データを用いて、正常状態の診断対象機器におけるセンサ信号データに対する学習を行い、正常モデルを生成し記憶する(ステップ302)。正常モデルの生成においては、例えばk−meansクラスタリングなどの手法を適用する。
続いて、機器故障モデル生成部107は、機器故障データ記憶部106に予め利用者により入力された診断対象機器における機器故障時のセンサ信号データを読み込む(ステップ303)。機器故障モデル生成部107は、読み込んだ機器故障データを用いて、故障状態の診断対象機器におけるセンサ信号データに対する学習を行い、機器故障モデルを生成し記憶する(ステップ304)。機器故障モデル生成においては、ステップ302の正常モデル生成と同様に、例えばk−meansクラスタリングなどの手法を適用する。機器故障モデル生成部107は、例えば、各クラスタの代表点の座標および半径の長さの情報である機器故障モデルを内部又は適宜のメモリに記憶する。
図5は、図1における機器診断システム100で実行される診断処理を示したフロー図である。診断処理は、図1における機器診断システム100が診断処理の実行指示を利用者から入出力装置又は他の装置等により入出力インターフェース204等を介して受け付けることにより開始される。または、定期的に診断処理を実行するようなプログラムを事前に設定しておくことや、あるいは診断対象機器の動作と連動して診断処理が実行されるようにしてもよい。
診断処理が開始されると、受信部101は、診断対象機器に設置されたセンサからセンサ信号を受信し、異常検知部102および既知故障判定部103に送信する(ステップ501)。
異常検知部102は、センサ信号を受信すると、図3におけるステップ302で生成した正常モデルと、受信部101から受信したセンサ信号データを用いて、診断対象機器の状態の診断を行う(ステップ502)。ステップ502においては、異常検知部102は、ステップ302で生成した正常モデルに基づき、例えばk−meansクラスタリングなどの手法を用いて異常検知を行う。例えば診断時のセンサ信号データが図4のグラフにおける黒点403の場合、異常検知部102は、最も近いクラスタ401の代表点までの距離を算出する。異常検知部102は、算出した距離がクラスタ401の半径よりも小さい場合は診断対象機器の状態が正常と診断し、大きい場合は異常と診断する。異常検知部102は、ステップ502において診断対象機器の状態が正常と診断した場合は、診断処理を終了する。一方、異常検知部102は、異常と診断した場合は、異常診断結果記憶部112に当該異常の要因に関して既知故障である可能性をマークし、検知日時および検知センサの情報を記憶するとともに、既知故障判定部103に異常を通知する。
既知故障判定部103は、ステップ503において当該異常の要因が既知故障ではないと判定した場合、図6の異常診断結果記憶部112の診断結果テーブルにおけるセンサ故障可能性フィールド604にマークする(ステップ504)。センサ故障可能性フィールド604は、機器診断システム100が診断した異常に関して、異常の要因がセンサ故障である可能性の有無を記憶するフィールドである。例えば、当該異常の異常診断結果がレコード608に対応する場合、既知故障判定部103は、当該異常診断結果レコード608のセンサ故障可能性フィールド604に、当該異常の要因がセンサ故障である可能性があることを示す「1」を記憶する。
正常データ充足度推定部108は、ステップ505において正常データが充足していると判定した場合、ステップ507に移行する。
正常データ充足度推定部108は、ステップ505において正常データが充足していないと判定した場合、ステップ302で生成した正常モデルに全ての正常データが反映されていないと判断し、図6の異常診断結果記憶部112の診断結果テーブルにおける誤報可能性フィールド605にマークする。誤報可能性フィールド605は、機器診断システム100が診断した異常に関して、異常の要因が誤報(診断対象機器やセンサはいずれも正常にも関わらず誤って異常が検知された)である可能性の有無を記憶するフィールドである。例えば、当該異常の異常診断結果がレコード608に対応する場合、正常データ充足度推定部108は、当該異常診断結果レコード608の誤報可能性フィールド605に、当該異常の要因が誤報である可能性があることを示す「1」を記憶する(ステップ506)。
機器故障データ充足度推定部109は、ステップ507において機器故障データが充足していると判定した場合、ステップ509に移行する。
機器故障データ充足度推定部109は、ステップ507において機器故障データが充足していないと判定した場合、ステップ304で生成した機器故障モデルに全ての機器故障データが反映されていないと判断し、図6の異常診断結果記憶部112の診断結果テーブルにおける未知故障可能性フィールド606にマークする(ステップ508)。未知故障可能性フィールド606は、機器診断システム100が診断した異常に関して、異常の要因が未知故障である可能性の有無を記憶するフィールドである。例えば、当該異常の異常診断結果がレコード609に対応する場合、機器故障データ充足度推定部109は、当該異常診断結果レコード609の未知故障可能性フィールド606に、当該異常の要因が未知故障である可能性があることを示す「1」を記憶する。
なお、正常データ充足度推定部108によるステップ505及び506と、機器故障データ充足度推定部109によるステップ507及び508とは、処理の順序を逆にしてもよい。
なお、正常データ又は機器故障データの種類数以外にも、それらの数を用いてもよい。
図8の異常検知情報画面800は、異常診断結果記憶部112の診断結果テーブルにおける異常診断結果レコード608に記憶された異常の検知情報を提供する画面である。すなわち、機器診断システム100が図5のステップ506で誤報可能性をマークし、ステップ508で未知故障可能性をマークしなかった場合(ステップ502において異常検知部102が診断対象機器の状態を異常と診断し、ステップ503において既知故障判定部103が異常の要因は既知故障ではないと判定し、ステップ505において正常データ充足度推定部108が正常データは充足していないと判定し、ステップ507において機器故障データ充足度推定部109が機器故障データは充足していると判定した場合)の異常検知情報提供画面である。異常検知情報画面800では、検知情報801、異常要因推定結果802を表示する。
異常検知情報提供部111は、検知情報801には、異常診断記憶部112の診断結果テーブルにおける異常診断結果レコード608の検知日時フィールド601、検知センサフィールド602に記憶された内容を表示する。なお、検知IDは、受信部101又は異常検知情報提供部111等により、各異常診断結果レコードに対して、その作成時等の適宜のタイミングに適宜付与することができる。さらに、異常検知情報提供部111は、既知故障可能性フィールド603及び未知故障可能性フィールド606に当該異常の要因が既知故障や未知故障である可能性「1」が記憶されていないことに基づき、異常の要因は機器故障ではないと推定し、「対策優先度」が「低」であることを表示する。異常要因推定結果802では、異常検知情報提供部111は、ステップ505において正常データ充足度推定部108が正常データの充足度を判定した結果(No:充足していない)に関して、正常データ種類数と時間経過の実績およびS字型成長曲線による予測値を表示する。
また、異常検知情報提供部111は、異常要因推定結果802には、既知故障可能性フィールド603に基づき、機器故障データに類似傾向のデータが有るか無いかについての説明文を表示する(この例では、「機器故障データに類似傾向のデータはありませんでした。」)。さらに、異常検知情報提供部111は、異常要因推定結果802には、センサー故障可能性フィールド604、誤報可能性フィールド605に、センサー故障や誤報の可能性「1」が記憶されていることに基づき、「誤報またはセンサ故障」であること及びその説明文を表示する。
なお、利用者は異常要因推定結果802の内容に基づき、センサ信号データや機器の状態の確認を行い、異常要因が誤報であった場合は入出力装置又は他の装置等により入出力インタフェース204を介して正常データ記憶部104に正常データを追加する。利用者はあらかじめ異常要因が誤報である可能性を認知しているため、効率的にセンサ信号データや機器の状態を確認することができる。
異常検知情報提供部111は、検知情報901には、異常診断記憶部112の診断結果テーブルにおける異常診断結果レコード609の検知日時フィールド601、検知センサフィールド602に記憶された内容を表示する。さらに、異常検知情報提供部111は、既知故障可能性フィールド603又は未知故障可能性フィールド606に当該異常の要因が既知故障又は未知故障である可能性「1」が記憶されていること(この例では、未知故障可能性が「1」)に基づき、異常の要因は機器故障であると推定し、「対策優先度」が「高」であることを表示する。
また、異常検知情報提供部111は、異常要因推定結果802には、既知故障可能性フィールド603に基づき、機器故障データに類似傾向のデータが有るか無いかについての説明文を表示する(この例では、「機器故障データに類似傾向のデータはありませんでした。」)。さらに、異常検知情報提供部111は、異常要因推定結果802には、センサ故障可能性フィールド604、未知故障可能性フィールド606に、「1」が記憶されていることに基づき、「未知故障またはセンサ故障」であること及びその説明文を表示する。
異常検知情報提供部111は、異常要因推定結果902では、ステップ507において機器故障データ充足度推定部109が機器故障データの充足度を判定した結果(No:充足していいない)に関して、故障原因数と時間経過の実績およびS字型成長曲線による値を表示する。利用者は、異常要因推定結果902の内容に基づき、センサ信号データや機器の状態の確認を行い、異常要因が未知故障であった場合は、入出力装置又は他の装置等により入出力インタフェース204を介して機器故障データ記憶部106に機器故障データを追加する。利用者はあらかじめ異常要因が未知故障である可能性を認知しているため、例えば診断対象機器に関して熟知した経験値の高い担当者を割り当て、優先度を上げて対応、効率的にセンサ信号データや機器の状態を確認することができる。
(1)季節
本発明の他の実施例について説明する。なお、本実施例の機器診断システム100の機能ブロックやそれを実現するハードウェア構成は、基本的に上述の実施例(「1.機器診断装置・システム」、「2.処理」)の機器診断システム100と同様であるため説明を省略し、具体的な相違点についてのみ説明する。
図10は、機器診断システム100の正常データ充足度推定部108が正常データの充足度を判定する方法の他の一例を説明する図である。
本実施例の機器診断システム100は、図7に示した正常データ充足度推定部108が正常データの充足度判定に用いる経過時間に基づくS字型成長曲線701と比較して、図10に示すように春夏秋冬の季節を考慮した曲線1001を用いている点が相違する。本実施例の機器診断システム100の診断対象機器は、大気温度の影響を受けて運転状態が変化する機器である。大気温度は季節によって異なるため、春と秋は同傾向の運転状態になり、夏、冬はそれぞれ異なる運転状態となる。よって、正常データの発見数は、図10の破線1001に示す通り、春、夏は増加し次第に飽和状態(図10の斜線部分1002 )になるが、秋はあまり増加せず、冬には再び増加し次第に飽和状態(図10の斜線部分1002)になる。正常データ充足度推定部108には、曲線1001の数式と、季節毎の飽和状態1002の情報が予め利用者により記憶されている。ステップ505では、正常データ充足度推定部108は、上述の実施例と同様に、正常データ記憶部104に蓄積した正常データに基づき、図10のグラフの実線1003に示すように正常データの種類数と季節の時間経過の関係をプロットする。次に、正常データ充足度推定部108は、例えば最小二乗法などの近似手法を用いて、曲線1001のモデルへのあてはめを行う。正常データ充足度推定部108は、あてはめの結果、正常データ記憶部104に蓄積した正常データ種類数が各季節において曲線の飽和状態(図10の斜線部分1002)に達していれば正常データが充足していると判定し、達していなければ正常データが充足していないと判定する。なお、ステップ507においても、機器故障データ充足度推定部109が、ステップ505と同様に、季節を考慮した曲線の数理モデルを用いて機器故障データの充足度を判定する。
本発明のさらに他の実施例について説明する。なお、本実施例の機器診断システム100の機能ブロックやそれを実現するハードウェア構成は、基本的に上述の実施例(「1.機器診断装置・システム」、「2.処理」)の機器診断システム100と同様であるため説明を省略し、具体的な相違点についてのみ説明する。
図11は、機器診断システム100の正常データ充足度推定部108が正常データの充足度を判定する方法のさらに他の一例を説明する図である。
本実施例の機器診断システム100は、図7に示した正常データ充足度推定部108が正常データの充足度判定に用いる経過時間に基づくS字型成長曲線701と比較して、図11に示すように診断対象機器台数に基づくS字成長曲線1101を用いている点が相違する。本実施例の機器診断システム100の診断対象機器は、同種の機器が複数台存在する機器である。図11のグラフの破線1101は、機器診断における正常データの発見数は、診断対象機器が少数の初期では少なく、診断対象機器が増加するにつれて急増し、末期(診断対象機器台数>a)に近付くにつれて正常データ種類数xa1102の飽和状態になる、という傾向を示している。正常データ充足度推定部108には、S字成長曲線1101の数式と飽和状態xaの情報が予め利用者により記憶されている。ステップ505では、正常データ充足度推定部108は、上述の実施例と同様に、正常データ記憶部104に蓄積した正常データに基づき、図11のグラフの実線1102に示すように正常データの種類数と時間経過の関係をプロットする。次に、正常データ充足度推定部108は、例えば最小二乗法などの近似手法を用いて、曲線1101のモデルへのあてはめを行う。正常データ充足度推定部108は、あてはめの結果、正常データ記憶部104に蓄積した正常データ種類数がS字型成長曲線1101の飽和状態xaに達していれば正常データが充足していると判定し、達していなければ正常データが充足していないと判定する。なお、ステップ507においても、機器故障データ充足度推定部109が、ステップ505と同様に、例えば診断対象機器台数に基づくS字型成長曲線の数理モデルを用いて機器故障データの充足度を判定する。なお、正常データ又は機器故障データの種類数以外にも、それらの数を用いてもよい。また、S字型成長曲線は正常データと機器故障データとして、図7、図10、図11に示した各パターンのうち、同じパターンを用いても異なるパターンを用いてもよい。
なお、図3におけるステップ302において、正常モデル生成部105は、k−meansクラスタリングのほか、例えば、ニューラルネットワーク、サポートベクターマシン、MT法、局所部分空間法など、様々なデータ分類・パターン認識手法(計算方法)のうちのいずれかを用いてセンサ信号データを分析してもよい。図3におけるステップ304においても同様に、機器故障モデル生成部107は、k−meansクラスタリングのほか、例えば、ニューラルネットワーク、サポートベクターマシン、MT法、局所部分空間法など、様々なデータ分類・パターン認識手法(計算方法)のうちのいずれかを用いてセンサ信号データを分析してもよい。
また、図5におけるステップ505において、正常データ充足度推定部108は、ゴンペルツ曲線やロジスティック曲線などS字型成長曲線の数理モデルのほか、例えば、異なる断対象機器の正常データの蓄積状況に基づく経験モデルや、マルコフ過程に基づくモデルなど、さまざまなモデルのうちいずれかを用いて正常データ充足を推定してもよい。図5におけるステップ507においても同様に、機器故障データ充足度推定部109は、ゴンペルツ曲線やロジスティック曲線などS字型成長曲線の数理モデルのほか、例えば、異なる断対象機器の正常データの蓄積状況に基づく経験モデルや、マルコフ過程に基づくモデルなど、さまざまなモデルのうちいずれかを用いて機器故障データ充足を推定してもよい。
また、制御線や情報線は説明上必要と考えられるものを示しており、製品上必ずしも全ての制御線や情報線を示しているとは限らない。実際には殆ど全ての構成が相互に接続されていると考えてもよい。
Claims (15)
- 機器診断装置であって、
診断対象機器の診断結果データを蓄積する異常診断結果記憶部と、
診断対象機器の異常を検知した場合、診断対象機器から受信したセンサ信号データに基づき、予め定められた機器故障モデルを用いて診断対象機器の異常が既知故障か否かを判定し、既知故障と判定した場合は既知故障可能性マークを診断結果データに含め、既知故障でないと判定した場合はセンサ故障可能性マークを診断結果データに含めて、前記異常診断結果記憶部に記憶する既知故障判定部と、
前記既知故障判定部が既知故障でないと判定した場合、予め記憶された正常データに基づき、正常データが充足しているか否かを推定し、正常データが充足していないと判定した場合、誤報可能性マークを診断結果データに含めて前記異常診断結果記憶部に記憶する正常データ充足度推定部と、
前記既知故障判定部が既知故障でないと判定した場合、予め記憶した機器故障データに基づき、機器故障データが充足度しているか否かを推定し、機器故障データが充足していないと判定した場合、未知故障可能性マークを診断結果データに含めて前記異常診断結果記憶部に記憶する機器故障データ充足度推定部と、
前記異常診断結果記憶部に記憶した診断結果データに基づき、機器故障及びセンサ故障及び誤報及び未知故障のいずれかひとつ又は複数を含む診断対象機器の異常の可能性を示す診断結果情報を作成し、他の装置又は出力装置に診断結果情報を提供する異常検知情報提供部と
を備えた機器診断装置。
- 請求項1に記載された機器診断装置において、
診断対象機器における正常時のセンサ信号データを蓄積する正常データ記憶部
を備え、
前記正常データ充足度推定部は、
正常データの種類数又は数が経過時間に応じて増加して飽和状態になるS字型成長曲線の情報を予め記憶し、
前記正常データ記憶部に蓄積された正常データの種類数又は数がS字型成長曲線の飽和状態に達していれば正常データが充足していると判定し、達していなければ正常データが充足していないと判定する、
ことを特徴とする機器診断装置。
- 請求項2に記載された機器診断装置において、
診断対象機器における機器故障時のセンサ信号データを蓄積する機器故障データ記憶部
を備え、
前記機器故障データ充足度推定部は、
機器故障データの種類数又は数が経過時間に応じて増加して飽和状態になるS字型成長曲線の情報を予め記憶し、
前記機器故障データ記憶部に蓄積された機器故障データの種類数又は数がS字型成長曲線の飽和状態に達していれば機器故障データが充足していると判定し、達していなければ機器故障データが充足していないと判定する、
ことを特徴とする機器診断装置。
- 請求項1に記載された機器診断装置において、
ひとつ又は複数の診断対象機器に設置されたひとつ又は複数のセンサから受信したセンサ信号データに基づき、予め定められた正常モデルを用いて、各診断対象機器の異常を検知し、異常を検知した場合は、検知日時及び検知センサ情報を診断結果データに含めて前記異常診断結果記憶部に記憶する異常検知部
を備え、
前記異常検知情報提供部は、前記異常診断結果記憶部に記憶された診断結果データを参照して、検知日時及び検知センサを含む検知情報801を出力又は提供又は表示する、
ことを特徴とする機器診断装置。
- 請求項1に記載された機器診断装置において、
前記異常検知情報提供部は、前記異常診断結果記憶部に記憶された診断結果データを参照して、
既知故障可能性マーク又は未知故障可能性マークが記憶されている場合、対策優先度が高いことを表示し、
既知故障可能性マーク及び未知故障可能性マークがいずれも記憶されていない場合、対策優先度が低いことを表示する、
ことを特徴とする機器診断装置。
- 請求項1に記載された機器診断装置において、
前記異常検知情報提供部は、前記異常診断結果記憶部に記憶された診断結果データを参照して、
既知故障可能性マークの有無により、既知の機器故障データに類似傾向のデータが有るか無いかを表示する、
ことを特徴とする機器診断装置。
- 請求項1に記載された機器診断装置において、
前記異常検知情報提供部は、前記異常診断結果記憶部に記憶された診断結果データを参照して、
誤報可能性マークが記憶されている場合、誤報であることを表示し、
センサ故障可能性マークが記憶されている場合、センサ故障であることを表示し、
未知故障可能性マークが記憶されている場合、未知故障であることを表示する、
ことを特徴とする機器診断装置。
- 請求項1に記載された機器診断装置において、
前記異常検知情報提供部は、前記異常診断結果記憶部に記憶された診断結果データを参照して、
前記正常データ充足度推定部が正常データが充足していないと判定した場合、正常データ種類数と時間経過の実績およびS字型成長曲線による予測値を表示すること、
及び/又は、
前記機器故障データ充足度推定部が機器故障データが充足していないと判定した場合、故障原因数と時間経過の実績およびS字型成長曲線による予測値を表示すること、
を特徴とする機器診断装置。
- 請求項1に記載された機器診断装置において、
診断対象機器における正常時のセンサ信号データを蓄積する正常データ記憶部と、
前記正常データ記憶部に蓄積された正常データに基づき、正常モデルを予め生成し記憶する正常モデル生成部と、
診断対象機器における機器故障時のセンサ信号データを蓄積する機器故障データ記憶部と、
前記機器故障データ記憶部に蓄積された機器故障データに基づき、機器故障モデルを予め生成し記憶する機器故障モデル生成部と、
を備えたことを特徴とする機器診断装置。
- 請求項9に記載された機器診断装置において、
前記正常モデル生成部は、前記正常データ記憶部に予め記憶された診断対象機器における正常時のセンサ信号データを読み込み、正常時のセンサ信号データの分布から正常クラスタを生成し、正常モデルとして各正常クラスタを特定する情報を記憶し、
前記機器故障モデル生成部は、前記機器故障データ記憶部に予め記憶された診断対象機器における機器故障時のセンサ信号データを読み込み、機器故障時のセンサ信号データの分布から機器故障クラスタを生成し、機器故障モデルとして各機器故障クラスタを特定する情報を記憶する、
ことを特徴とする機器診断装置。
- 請求項1に記載された機器診断装置において、
前記正常データ充足度推定部が正常データが充足しているか否かの判定に用いるS字型成長曲線が、季節に対する正常データの種類数又は数を表すものであり、
前記機器故障データ充足度推定部が機器故障データが充足しているか否かの判定に用いるS字型成長曲線が、季節に対する機器故障データ種類数又は数を表すものである、
ことを特徴とする機器診断装置。
- 請求項1に記載された機器診断装置において、
診断対象機器における正常時のセンサ信号データを蓄積する正常データ記憶部
を備え、
前記正常データ充足度推定部は、
正常データの種類数又は数が診断対象機器台数に応じて増加して飽和状態になるS字型成長曲線の情報を予め記憶し、
前記正常データ記憶部に蓄積された正常データの種類数又は数がS字型成長曲線の飽和状態に達していれば正常データが充足していると判定し、達していなければ正常データが充足していないと判定する、
ことを特徴とする機器診断装置。
- 請求項1に記載された機器診断装置において、
診断対象機器における機器故障時のセンサ信号データを蓄積する機器故障データ記憶部
を備え、
前記機器故障データ充足度推定部は、
機器故障データの種類数又は数が診断対象機器台数に応じて増加して飽和状態になるS字型成長曲線の情報を予め記憶し、
前記機器故障データ記憶部に蓄積された機器故障データの種類数又は数がS字型成長曲線の飽和状態に達していれば機器故障データが充足していると判定し、達していなければ機器故障データが充足していないと判定する、
ことを特徴とする機器診断装置。
- 機器診断システムであって、
ひとつ又は複数のセンサを有し、センサ信号データを送信するひとつ又は複数の診断対象機器と、
ひとつ又は複数の診断対象機器に設置されたセンサからひとつ又は複数のセンサ信号データを受信する受信部と、
出力装置と、
機器診断装置と
を備え、
前記機器診断装置は、
診断対象機器の診断結果データを蓄積する異常診断結果記憶部と、
診断対象機器の異常を検知した場合、診断対象機器から受信したセンサ信号データに基づき、予め定められた機器故障モデルを用いて診断対象機器の異常が既知故障か否かを判定し、既知故障と判定した場合は既知故障可能性マークを診断結果データに含め、既知故障でないと判定した場合はセンサ故障可能性マークを診断結果データに含めて、前記異常診断結果記憶部に記憶する既知故障判定部と、
前記既知故障判定部が既知故障でないと判定した場合、予め記憶された正常データに基づき、正常データが充足しているか否かを推定し、正常データが充足していないと判定した場合、誤報可能性マークを診断結果データに含めて前記異常診断結果記憶部に記憶する正常データ充足度推定部と、
前記既知故障判定部が既知故障でないと判定した場合、予め記憶した機器故障データに基づき、機器故障データが充足度しているか否かを推定し、機器故障データが充足していないと判定した場合、未知故障可能性マークを診断結果データに含めて前記異常診断結果記憶部に記憶する機器故障データ充足度推定部と、
前記異常診断結果記憶部に記憶した診断結果データに基づき、機器故障及びセンサ故障及び誤報及び未知故障のいずれかひとつ又は複数を含む診断対象機器の異常の可能性を示す診断結果情報を作成し、他の装置又は前記出力装置に診断結果情報を提供する異常検知情報提供部と
を備えた機器診断システム。
- 機器診断方法であって、
診断対象機器の診断結果データを蓄積し、
診断対象機器の異常を検知した場合、診断対象機器から受信したセンサ信号データに基づき、予め定められた機器故障モデルを用いて診断対象機器の異常が既知故障か否かを判定し、既知故障と判定した場合は既知故障可能性マークを診断結果データに含め、既知故障でないと判定した場合はセンサ故障可能性マークを診断結果データに含めて記憶し、
既知故障でないと判定した場合、予め記憶された正常データに基づき、正常データが充足しているか否かを推定し、正常データが充足していないと判定した場合、誤報可能性マークを診断結果データに含めて記憶し、
既知故障でないと判定した場合、予め記憶した機器故障データに基づき、機器故障データが充足度しているか否かを推定し、機器故障データが充足していないと判定した場合、未知故障可能性マークを診断結果データに含めて記憶し、
記憶した診断結果データに基づき、機器故障及びセンサ故障及び誤報及び未知故障のいずれかひとつ又は複数を含む診断対象機器の異常の可能性を示す診断結果情報を作成し、他の装置又は出力装置に診断結果情報を提供する、
機器診断方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2015230816A JP6585482B2 (ja) | 2015-11-26 | 2015-11-26 | 機器診断装置及びシステム及び方法 |
PCT/JP2016/084193 WO2017090515A1 (ja) | 2015-11-26 | 2016-11-18 | 機器診断装置及びシステム及び方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2015230816A JP6585482B2 (ja) | 2015-11-26 | 2015-11-26 | 機器診断装置及びシステム及び方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2017097712A true JP2017097712A (ja) | 2017-06-01 |
JP6585482B2 JP6585482B2 (ja) | 2019-10-02 |
Family
ID=58764067
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2015230816A Active JP6585482B2 (ja) | 2015-11-26 | 2015-11-26 | 機器診断装置及びシステム及び方法 |
Country Status (2)
Country | Link |
---|---|
JP (1) | JP6585482B2 (ja) |
WO (1) | WO2017090515A1 (ja) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2019028565A (ja) * | 2017-07-26 | 2019-02-21 | 安川情報システム株式会社 | 故障予知方法、故障予知装置および故障予知プログラム |
JP2019067139A (ja) * | 2017-09-29 | 2019-04-25 | 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、監視プログラム、表示装置、表示方法および表示プログラム |
JP2020046211A (ja) * | 2018-09-14 | 2020-03-26 | 株式会社椿本チエイン | 診断装置及び診断方法 |
JP2020057165A (ja) * | 2018-10-01 | 2020-04-09 | 株式会社椿本チエイン | 異常判定装置、信号特徴量予測器、異常判定方法、学習モデルの生成方法及び学習モデル |
WO2020245968A1 (ja) * | 2019-06-06 | 2020-12-10 | 三菱電機株式会社 | 異常兆候検知装置、異常兆候検知方法、及び、異常兆候検知プログラム |
JP2021124990A (ja) * | 2020-02-06 | 2021-08-30 | 株式会社日立製作所 | 設計支援システム |
US11300794B2 (en) * | 2018-02-28 | 2022-04-12 | Konami Digital Entertainment Co., Ltd. | Recording medium, information processing system, and information processing method |
WO2022149279A1 (ja) * | 2021-01-08 | 2022-07-14 | 三菱電機株式会社 | 保守サポートシステムおよび保守サポート方法 |
WO2024014584A1 (ko) * | 2022-07-15 | 2024-01-18 | 엘지전자 주식회사 | 인공 지능 장치 및 그의 대상기기 매뉴얼 제공 방법 |
JP7477625B2 (ja) | 2020-03-04 | 2024-05-01 | ヌオーヴォ・ピニォーネ・テクノロジー・ソチエタ・レスポンサビリタ・リミタータ | メンテナンス最適化及びそのような方法を実行するためのシステムのためのハイブリッドリスクモデル |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11131988B2 (en) * | 2016-09-02 | 2021-09-28 | Hitachi, Ltd. | Diagnostic apparatus, diagnostic method, and diagnostic program |
JP2019184389A (ja) * | 2018-04-09 | 2019-10-24 | 株式会社Subaru | 診断装置 |
CN109885951A (zh) * | 2019-02-28 | 2019-06-14 | 中科云创(厦门)科技有限公司 | 设备故障诊断方法及装置 |
JP2022152155A (ja) | 2021-03-29 | 2022-10-12 | セイコーエプソン株式会社 | 不良判定方法、不良判定装置及び不良判定システム |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH07225610A (ja) * | 1994-02-09 | 1995-08-22 | Komatsu Ltd | 故障診断方法および装置 |
JPH10228310A (ja) * | 1997-02-17 | 1998-08-25 | Toshiba Corp | プラント設備の検査計画支援装置 |
JP2013008098A (ja) * | 2011-06-22 | 2013-01-10 | Hitachi Engineering & Services Co Ltd | 異常予兆診断結果の表示方法 |
-
2015
- 2015-11-26 JP JP2015230816A patent/JP6585482B2/ja active Active
-
2016
- 2016-11-18 WO PCT/JP2016/084193 patent/WO2017090515A1/ja active Application Filing
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH07225610A (ja) * | 1994-02-09 | 1995-08-22 | Komatsu Ltd | 故障診断方法および装置 |
JPH10228310A (ja) * | 1997-02-17 | 1998-08-25 | Toshiba Corp | プラント設備の検査計画支援装置 |
JP2013008098A (ja) * | 2011-06-22 | 2013-01-10 | Hitachi Engineering & Services Co Ltd | 異常予兆診断結果の表示方法 |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2019028565A (ja) * | 2017-07-26 | 2019-02-21 | 安川情報システム株式会社 | 故障予知方法、故障予知装置および故障予知プログラム |
JP7082461B2 (ja) | 2017-07-26 | 2022-06-08 | 株式会社Ye Digital | 故障予知方法、故障予知装置および故障予知プログラム |
JP2019067139A (ja) * | 2017-09-29 | 2019-04-25 | 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、監視プログラム、表示装置、表示方法および表示プログラム |
US11300794B2 (en) * | 2018-02-28 | 2022-04-12 | Konami Digital Entertainment Co., Ltd. | Recording medium, information processing system, and information processing method |
JP2020046211A (ja) * | 2018-09-14 | 2020-03-26 | 株式会社椿本チエイン | 診断装置及び診断方法 |
JP2020057165A (ja) * | 2018-10-01 | 2020-04-09 | 株式会社椿本チエイン | 異常判定装置、信号特徴量予測器、異常判定方法、学習モデルの生成方法及び学習モデル |
JPWO2020245968A1 (ja) * | 2019-06-06 | 2021-10-21 | 三菱電機株式会社 | 異常兆候検知装置、異常兆候検知方法、及び、異常兆候検知プログラム |
WO2020245968A1 (ja) * | 2019-06-06 | 2020-12-10 | 三菱電機株式会社 | 異常兆候検知装置、異常兆候検知方法、及び、異常兆候検知プログラム |
JP2021124990A (ja) * | 2020-02-06 | 2021-08-30 | 株式会社日立製作所 | 設計支援システム |
JP7333281B2 (ja) | 2020-02-06 | 2023-08-24 | 株式会社日立製作所 | 設計支援システム |
JP7477625B2 (ja) | 2020-03-04 | 2024-05-01 | ヌオーヴォ・ピニォーネ・テクノロジー・ソチエタ・レスポンサビリタ・リミタータ | メンテナンス最適化及びそのような方法を実行するためのシステムのためのハイブリッドリスクモデル |
WO2022149279A1 (ja) * | 2021-01-08 | 2022-07-14 | 三菱電機株式会社 | 保守サポートシステムおよび保守サポート方法 |
US11892822B2 (en) | 2021-01-08 | 2024-02-06 | Mitsubishi Electric Corporation | Maintenance support system, maintenance support method and maintenance management server |
WO2024014584A1 (ko) * | 2022-07-15 | 2024-01-18 | 엘지전자 주식회사 | 인공 지능 장치 및 그의 대상기기 매뉴얼 제공 방법 |
Also Published As
Publication number | Publication date |
---|---|
WO2017090515A1 (ja) | 2017-06-01 |
JP6585482B2 (ja) | 2019-10-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6585482B2 (ja) | 機器診断装置及びシステム及び方法 | |
JP6008070B1 (ja) | 運用管理装置、運用管理方法、及び、運用管理プログラムが記録された記録媒体 | |
EP2905665B1 (en) | Information processing apparatus, diagnosis method, and program | |
US20210116331A1 (en) | Anomaly analysis method, program, and system | |
JP5277667B2 (ja) | 障害分析システム、障害分析方法、障害分析サーバおよび障害分析プログラム | |
US10581665B2 (en) | Content-aware anomaly detection and diagnosis | |
US11640459B2 (en) | Abnormality detection device | |
CN108369416B (zh) | 异常诊断系统 | |
WO2018216197A1 (ja) | 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 | |
CN111459692B (zh) | 用于预测驱动器故障的方法、设备和计算机程序产品 | |
JP2020052714A5 (ja) | ||
JP6075241B2 (ja) | 処置判定装置、処置判定システム、処置判定プログラム及び処置判定方法 | |
JP6752739B2 (ja) | 保守装置、提示システム及びプログラム | |
JP2021179740A (ja) | 監視装置、監視方法、プログラムおよびモデル訓練装置 | |
JP6223380B2 (ja) | 中継装置及びプログラム | |
KR20150007913A (ko) | 고장 예측 장치 | |
US20150269014A1 (en) | Server, model applicability/non-applicability determining method and non-transitory computer readable medium | |
JP6898607B2 (ja) | 異常予兆検出システムおよび異常予兆検出方法 | |
US10295965B2 (en) | Apparatus and method for model adaptation | |
US11747035B2 (en) | Pipeline for continuous improvement of an HVAC health monitoring system combining rules and anomaly detection | |
JP2012037991A (ja) | 予測装置、予測システム及びプログラム | |
US10970643B2 (en) | Assigning a fire system safety score and predictive analysis via data mining | |
EP4254111A1 (en) | Fault diagnosis apparatus, method, computer program, and non-transitory computer-readable recording medium | |
CN117457059A (zh) | 一种ssd的故障检测方法、装置及电子设备 | |
JP2023168693A (ja) | 誤検知判別装置、誤検知判別方法及びプログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
RD02 | Notification of acceptance of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7422 Effective date: 20170313 |
|
RD04 | Notification of resignation of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7424 Effective date: 20170317 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20180821 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20190604 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20190621 |
|
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: 20190903 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20190905 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6585482 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |