JP2017181297A - 異常診断方法、異常診断装置、及び異常診断プログラム - Google Patents

Abstract

【課題】異常な項目を特定するとともに、異常の種類を特定することが可能な異常診断方法、異常診断装置、及び異常診断プログラムを提供する。【解決手段】異常診断方法は、複数の項目にそれぞれ対応した診断対象の値を含む診断データを取得するステップＳ３１と、診断対象の値のそれぞれに基づいて、当該値に対応する項目が単独異常か否かの単独異常判定を行うステップＳ３５と、複数の項目のうちの第１項目に対応した診断対象の値である第１値と、第２項目に対応した診断対象の値である第２値と、第１項目及び第２項目の相関の強さを示す相関係数と、に基づいて、第１項目及び第２項目が相関異常であるか否かの相関異常判定を行うステップＳ３６と、を備える。【選択図】図６

Description

本発明は、異常診断方法、異常診断装置、及び異常診断プログラムに関する。

機械システム等の稼働状況を監視するために、監視対象となる項目（例えば、温度、圧力、及び回転数等）に対して数十個〜数百個のセンサが用いられることがある。各センサによって計測された計測値を１つの指標に集約する手法として、マハラノビス・タグチ法（以下、「ＭＴ法」という。）が知られている（例えば、特許文献１及び非特許文献１参照）。このＭＴ法によれば、センサの数と関係なく、全ての計測値が１つの指標に集約されるので、機械システムの状態が正常か否かを容易に判定することができる。

特開２０００−２５９２２２号公報

立林和夫、手島昌一、長谷川良子，入門ＭＴシステム，日科技連出版社，２００８

しかしながら、従来のＭＴ法による異常診断では、機械システムに異常が発生した場合に、異常を示す項目を特定することができない。また、単独の項目が異常であるのか、異なる項目間の相関異常であるのかの異常の種類を特定することができない。

本発明は、異常な項目を特定するとともに、異常の種類を特定することが可能な異常診断方法、異常診断装置、及び異常診断プログラムを提供する。

本発明の一態様に係る異常診断方法は、診断対象システムに関する複数の項目のうちの単独の項目が異常である単独異常と、異なる項目間の異常である相関異常と、を診断する方法である。この異常診断方法は、複数の項目にそれぞれ対応した診断対象の値を含む診断データを取得する取得ステップと、診断対象の値のそれぞれに基づいて、当該値に対応する項目が単独異常か否かの単独異常判定を行う単独異常判定ステップと、複数の項目のうちの第１項目に対応した診断対象の値である第１値と、第２項目に対応した診断対象の値である第２値と、第１項目及び第２項目の相関の強さを示す相関係数と、に基づいて、第１項目及び第２項目が相関異常であるか否かの相関異常判定を行う相関異常判定ステップと、を備える。

本発明の別の態様に係る異常診断装置は、診断対象システムに関する複数の項目のうちの単独の項目が異常である単独異常と、異なる項目間の異常である相関異常と、を診断する装置である。この異常診断装置は、複数の項目にそれぞれ対応した診断対象の値を含む診断データを取得する取得部と、診断対象の値のそれぞれに基づいて、当該値に対応する項目が単独異常か否かの単独異常判定を行う単独異常判定部と、複数の項目のうちの第１項目に対応した診断対象の値である第１値と、第２項目に対応した診断対象の値である第２値と、第１項目及び第２項目の相関の強さを示す相関係数と、に基づいて、第１項目及び第２項目が相関異常であるか否かの相関異常判定を行う相関異常判定部と、を備える。

本発明のさらに別の態様に係る異常診断プログラムは、診断対象システムに関する複数の項目のうちの単独の項目が異常である単独異常と、異なる項目間の異常である相関異常と、を診断するようにコンピュータを動作させるプログラムである。この異常診断プログラムは、複数の項目にそれぞれ対応した診断対象の値を含む診断データを取得する取得部と、診断対象の値のそれぞれに基づいて、当該値に対応する項目が単独異常か否かの単独異常判定を行う単独異常判定部と、複数の項目のうちの第１項目に対応した診断対象の値である第１値と、第２項目に対応した診断対象の値である第２値と、第１項目及び第２項目の相関の強さを示す相関係数と、に基づいて、第１項目及び第２項目が相関異常であるか否かの相関異常判定を行う相関異常判定部と、してコンピュータを機能させる。

これらの異常診断方法、異常診断装置、及び異常診断プログラムでは、診断対象の値のそれぞれに基づいて、当該値に対応する項目が単独異常か否かの単独異常判定が行われ、第１項目に対応した第１値と、第２項目に対応した第２値と、第１項目及び第２項目の相関の強さを示す相関係数と、に基づいて、第１項目及び第２項目が相関異常であるか否かの相関異常判定が行われる。これにより、単独異常又は相関異常である項目を特定するとともに、単独異常及び相関異常の異常の種類を特定することが可能となる。

相関異常判定ステップでは、相関係数と第１値と第２値とに基づいて、第１項目及び第２項目の相関異常度を計算し、相関異常度に基づいて相関異常判定を行ってもよい。この場合、相関異常度を用いることによって、相関異常の程度を定量化できるので、相関異常判定を簡易化することが可能となる。

単独異常判定ステップでは、診断対象の値のそれぞれに基づいて、各項目の単独異常度を計算してもよく、相関異常判定ステップでは、相関異常度と、第１項目の単独異常度である第１単独異常度と、第２項目の単独異常度である第２単独異常度と、に基づいて、単独異常と判定されるべき異常を除外してもよい。この場合、本来、単独異常と判定されるべき異常が相関異常と判定されないようにすることができる。その結果、異常の種類の特定精度を向上することが可能となる。

相関異常判定ステップでは、第１項目に対応する値及び第２項目に対応する値を変数として規定される２次元空間において、第１項目に対応した正常状態の複数の値及び第２項目に対応した正常状態の複数の値を主成分分析して得られる第１主成分ベクトルと、第１値及び第２値に対応する座標点と、の距離を計算してもよく、距離に基づいて相関異常度を計算してもよい。一般に、第１主成分ベクトルから第１値及び第２値に対応する座標点までの距離が大きくなるほど、相関異常である可能性が高くなる。したがって、この距離に基づいて、相関異常度を計算することができる。

上記異常診断方法は、診断データの異常の有無を判定する異常有無判定ステップをさらに備えてもよい。取得ステップでは、診断データに関する異常指標をさらに取得してもよく、異常有無判定ステップでは、異常指標に基づいて診断データの異常の有無を判定してもよく、単独異常判定ステップでは、異常有無判定ステップにおいて異常があると判定された診断データについて、単独異常判定を行ってもよく、相関異常判定ステップでは、異常有無判定ステップにおいて異常があると判定された診断データについて、相関異常判定を行ってもよい。この場合、異常指標に基づいて異常があると判定された診断データに対して、単独異常判定及び相関異常判定が行われる。このため、異常がないと判定された診断データの判定が省略され得るので、計算の負荷を軽減することが可能となる。

上記異常診断方法は、診断データを正規化する正規化ステップをさらに備えてもよい。取得ステップでは、複数の項目にそれぞれ対応した正常状態の値を含む単位データをさらに取得してもよく、正規化ステップでは、単位データに基づいて、診断データを正規化してもよく、単独異常判定ステップでは、正規化された診断データに基づいて、単独異常判定を行ってもよく、相関異常判定ステップでは、正規化された診断データに基づいて、相関異常判定を行ってもよい。この場合、診断データを正規化することによって、複数の項目にそれぞれ対応した診断対象の値に対して、同一の基準で単独異常判定及び相関異常判定を行うことができる。このため、計算の負荷を軽減することが可能となる。

本発明によれば、異常な項目を特定するとともに、異常の種類を特定することができる。

一実施形態に係る異常診断装置の構成を示すブロック図である。 単独異常を説明するための図である。 相関異常を説明するための図である。 検出要因データの一例を示す図である。 （ａ）は設定フェーズの一連の処理を示すフローチャート、（ｂ）は学習フェーズの一連の処理を示すフローチャートである。 分析フェーズの一連の処理を示すフローチャートである。 単独異常判定処理の詳細を示すフローチャートである。 相関異常判定処理の詳細を示すフローチャートである。 異常診断プログラムを説明するための図である。

以下、本発明の実施形態について、図面を参照しながら説明する。なお、図面の説明において同一要素には同一符号を付し、重複する説明を省略する。

図１は、一実施形態に係る異常診断装置の構成を示すブロック図である。図１に示される異常診断装置１は、診断対象となるシステムである診断対象システムにおける異常診断を行う装置である。診断対象システムとしては、例えば、ガスタービン、航空エンジン、及び真空炉等の機械システムが挙げられる。このような機械システムには、システムの動作状況を確認するために、システムの各項目を計測するための複数のセンサが取り付けられている。項目は、診断対象システムの特徴量であり、例えばセンサによって計測される計測対象（監視対象）の項目である。項目は、計測対象の項目から何らかの前処理を用いて生成された特徴量であってもよい。計測対象の項目には、例えば、温度、圧力、及び回転数等が含まれる。前処理を用いて生成された特徴量には、例えば、２つの計測対象の項目間の値の差、１つの計測対象の項目の差分、２つ以上の計測対象の項目の線形結合等が含まれる。異常診断装置１は、これらのセンサからの計測値により構成される診断対象となる診断データを取得し、診断対象システムに関する複数の項目のうち、単独の項目の異常である単独異常と、異なる項目間の異常である相関異常と、を診断する。

異常診断装置１は、入力装置２及び出力装置３と通信可能に接続される。入力装置２は、例えば、キーボード、マウス、操作ボタン、及びタッチパネル等により構成され、異常診断装置１のユーザが異常診断装置１に対して操作を加える場合等に用いられる。入力装置２には、後述する設定パラメータ、単位データサンプル｛ｘ_ｌ｝、診断データサンプル｛ｙ_ｉ｝、タイムスタンプ｛Ｔ_ｉ｝、及び異常指標｛Ｄ_ｉ｝が外部から入力され、これらの各データを異常診断装置１に送信する。ここで、１つの変数が｛｝で囲まれている場合、当該変数の数が複数であることを示すこととする。出力装置３は、例えば、ディスプレイ等により構成され、異常診断装置１による診断結果を出力する機能を有する。なお、異常診断装置１が入力装置２及び出力装置３を含んで構成されていてもよい。

異常診断装置１は、物理的には、ＣＰＵ（Central Processing Unit）１０と、記憶装置２０と、を備えている。

記憶装置２０は、例えば、ＲＡＭ（Random Access Memory）、フラッシュメモリ、及びハードディスク装置等のデータの読み書きが可能な記録媒体によって構成される。記憶装置２０は、設定データＤ１、単位データＤ２、学習データＤ３、診断データＤ４、診断結果データＤ５、検出要因データＤ６、及び異常診断プログラムＰを記憶している。

設定データＤ１は、後述の処理に用いられる各設定パラメータを含む。設定パラメータとしては、例えば、異常有無判定閾値Ｄ_ｔｈ、パラメータε、単独異常判定閾値Ｅ_{ｓｅｎｓｏｒ＿ｔｈ}、相関異常判定閾値Ｅ_{ｃｏｒｒ＿ｔｈ}、及び相関有無判定閾値Ｅ_{ｃｏｒｒ＿ｃｏｅｆ＿ｔｈ}等が挙げられる。

単位データＤ２は、ｎ個の単位データサンプル｛ｘ_ｌ｝含むデータ群である。同じ時刻に計測された各項目の計測値を含むデータセットを「サンプル」と呼ぶ。サンプル番号ｌは１〜ｎの整数値を取り得る変数である。１つの単位データサンプルｘ_ｌは、｛ｘ_ｌ［１］，ｘ_ｌ［２］，…，ｘ_ｌ［ｐ］｝を要素として有する。計測値ｘ_ｌ［ｊ］は、単位データサンプルｘ_ｌのうち項目番号ｊの項目に対応した正常状態又は定常状態の計測値である。なお、項目の総数はｐ個であり、項目番号ｊは１〜ｐの整数値を取り得る変数である。つまり、単位データサンプルｘ_ｌは、複数の項目にそれぞれ対応した正常状態又は定常状態の計測値のデータセットである。

学習データＤ３は、学習部１２によって生成された特徴量を含む。この特徴量としては、例えば、平均値ｘ_ａ、標準偏差σ_ｘ、及び相関行列Ｒが含まれる。平均値ｘ_ａは、｛ｘ_ａ［１］，ｘ_ａ［２］，…，ｘ_ａ［ｐ］｝を要素として有するベクトルである。平均値ｘ_ａ［ｊ］は、単位データＤ２のうち項目番号ｊの項目に対応した計測値の平均値である。標準偏差σ_ｘは、｛σ_ｘ［１］，σ_ｘ［２］，…，σ_ｘ［ｐ］｝を要素として有するベクトルである。標準偏差σ_ｘ［ｊ］は、単位データＤ２のうち項目番号ｊの項目に対応した計測値の標準偏差である。相関行列Ｒは、２つの項目間の相関の強さを示す相関係数を要素として配列した行列である。

診断データＤ４は、ｍ個の診断データサンプル｛ｙ_ｉ｝と、タイムスタンプ｛Ｔ_ｉ｝と、を含むデータ群である。サンプル番号ｉは１〜ｍの整数値を取り得る変数である。ｍは、１以上の整数である。１つの診断データサンプルｙ_ｉは、｛ｙ_ｉ［１］，ｙ_ｉ［２］，…，ｙ_ｉ［ｐ］｝を要素として有する。計測値ｙ_ｉ［ｊ］は、診断データサンプルｙ_ｉのうち項目番号ｊの項目に対応した診断対象の計測値（診断対象の値）である。つまり、診断データサンプルｙ_ｉは、複数の項目にそれぞれ対応した診断対象の計測値のデータセットである。タイムスタンプ｛Ｔ_ｉ｝は、｛Ｔ_１，Ｔ_２，…，Ｔ_ｍ｝を要素として有する。タイムスタンプＴ_ｉは、サンプル番号ｉの診断データサンプルｙ_ｉが計測された時刻を示す。

診断結果データＤ５は、異常指標｛Ｄ_ｉ｝を含む。異常指標｛Ｄ_ｉ｝は、｛Ｄ_１，Ｄ_２，…，Ｄ_ｍ｝を要素として有する。異常指標Ｄ_ｉは、サンプル番号ｉのタイムスタンプＴ_ｉによって示される時刻における診断対象システム全体の異常度を表す指標である。異常指標Ｄ_ｉは、例えば、マハラノビス・タグチ法（ＭＴ法）によって計算され得る。この場合、異常指標Ｄ_ｉは、マハラノビス距離（ＭＤ値）である。

検出要因データＤ６は、異常診断装置１による診断結果を示すデータ群である。検出要因データＤ６は、後述の単独異常判定部１５及び相関異常判定部１６による検出結果を含む。

ＣＰＵ１０は、機能的には、入力部１１（取得部）と、学習部１２と、異常有無判定部１３と、正規化部１４と、単独異常判定部１５と、相関異常判定部１６と、出力部１７と、を備えている。ＣＰＵ１０が記憶装置２０に記憶されている異常診断プログラムＰを読み出して実行することにより、入力部１１、学習部１２、異常有無判定部１３、正規化部１４、単独異常判定部１５、相関異常判定部１６、及び出力部１７の各機能が実現される。異常診断プログラムＰの具体的な構成については後述する。

入力部１１は、各データを取得する取得手段として機能する。具体的には、入力部１１は、入力装置２から各設定パラメータを受信し、設定データＤ１として記憶装置２０に保存する。入力部１１は、入力装置２からｎ個の単位データサンプル｛ｘ_ｌ｝を受信し、単位データＤ２として記憶装置２０に保存する。入力部１１は、入力装置２からｍ個の診断データサンプル｛ｙ_ｉ｝と、タイムスタンプ｛Ｔ_ｉ｝と、異常指標｛Ｄ_ｉ｝とを受信し、診断データサンプル｛ｙ_ｉ｝及びタイムスタンプ｛Ｔ_ｉ｝を診断データＤ４として記憶装置２０に保存し、異常指標｛Ｄ_ｉ｝を診断結果データＤ５として記憶装置２０に保存する。なお、入力部１１が入力装置２から１個の診断データサンプルｙ_１、タイムスタンプＴ_１、及び異常指標Ｄ_１を受信する場合（つまり、ｍ＝１）には、異常診断装置１はリアルタイムで異常診断を行うことが可能となる。

学習部１２は、単位データＤ２の特徴量を計算する学習手段として機能する。学習部１２は、例えば、記憶装置２０から単位データＤ２を読み出し、各項目番号ｊの平均値ｘ_ａ［ｊ］、各項目番号ｊの標準偏差σ_ｘ［ｊ］、及び相関行列Ｒを計算する。学習部１２は、各単位データサンプルｘ_ｌの項目番号ｊの項目に対応する計測値を取り出し、ｎ個の計測値の平均を計算して計算結果を平均値ｘ_ａ［ｊ］とする。学習部１２は、各単位データサンプルｘ_ｌの項目番号ｊの項目に対応する計測値を取り出し、ｎ個の計測値の標準偏差を計算して計算結果を標準偏差σ_ｘ［ｊ］とする。学習部１２は、ｐ個の項目のそれぞれについて平均値ｘ_ａ［ｊ］及び標準偏差σ_ｘ［ｊ］を計算し、平均値｛ｘ_ａ｝及び標準偏差｛σ_ｘ｝を作成する。

学習部１２は、ｎ個の単位データサンプル｛ｘ_ｌ｝と、平均値｛ｘ_ａ｝及び標準偏差｛σ_ｘ｝と、を用いて相関行列Ｒを計算する。以下、相関行列Ｒの計算方法を詳細に説明する。学習部１２は、式（１）に示されるように、計測値ｘ_ｌ［ｊ］から平均値ｘ_ａ［ｊ］を減算して、その減算結果を標準偏差σ_ｘ［ｊ］で除算し、その計算結果を正規化値Ｘ_ｌ［ｊ］とする。

学習部１２は、正規化値Ｘ_ｌ［ｊ］と正規化値Ｘ_ｌ［ｋ］とを用いて、項目番号ｊの項目と項目番号ｋの項目との相関の強さを示す相関係数ｒ_ｊｋを計算する。なお、項目番号ｋは１〜ｐの整数値を取り得る変数である。具体的には、学習部１２は、式（２）に示されるように、各単位データサンプル｛ｘ_ｌ｝における正規化値Ｘ_ｌ［ｊ］と正規化値Ｘ_ｌ［ｋ］とを乗算し、全ての単位データサンプル｛ｘ_ｌ｝における乗算結果の総和を取ることによって、相関係数ｒ_ｊｋを計算する。相関係数ｒ_ｊｋは、−１〜１の値を取り、その絶対値が大きいほど相関が強いことを示す。

学習部１２は、全ての項目のうちの２つの項目の組み合わせについて、相関係数ｒ_ｊｋを計算し、式（３）に示されるように相関行列Ｒを作成する。

学習部１２は、計算した特徴量を学習データＤ３として記憶装置２０に保存する。

異常有無判定部１３は、診断データＤ４の異常の有無を判定する異常有無判定手段として機能する。異常有無判定部１３は、記憶装置２０から診断データＤ４及び診断結果データＤ５を読み出し、１つの診断データサンプルｙ_ｉに対応する異常指標Ｄ_ｉに基づいて、当該診断データサンプルｙ_ｉの異常の有無を判定する。異常有無判定部１３は、例えば、記憶装置２０から設定データＤ１の異常有無判定閾値Ｄ_ｔｈを読み出し、異常有無判定閾値Ｄ_ｔｈを用いて診断データサンプルｙ_ｉの異常の有無を判定する。

具体的には、異常有無判定部１３は、異常指標Ｄ_ｉが異常有無判定閾値Ｄ_ｔｈよりも小さい場合に、診断データサンプルｙ_ｉには異常がないと判定し、異常指標Ｄ_ｉが異常有無判定閾値Ｄ_ｔｈ以上である場合に、診断データサンプルｙ_ｉには異常があると判定する。異常有無判定閾値Ｄ_ｔｈは、例えば、２０程度に設定される。異常有無判定部１３は、異常があると判定した診断データサンプルｙ_ｉを正規化部１４に出力する。

正規化部１４は、学習データＤ３に基づいて、診断データＤ４を正規化する正規化手段として機能する。学習データＤ３は、単位データＤ２に基づいて生成されるので、正規化部１４は、単位データＤ２に基づいて、診断データＤ４を正規化するともいえる。正規化部１４は、記憶装置２０から学習データＤ３を読み出す。正規化部１４は、例えば、学習データＤ３のうちの平均値ｘ_ａ［ｊ］及び標準偏差σ_ｘ［ｊ］を用いて、異常有無判定部１３から受信した診断データサンプル｛ｙ_ｉ｝のうちの項目番号ｊの項目の計測値ｙ_ｉ［ｊ］の正規化を行う。

具体的には、正規化部１４は、式（４）に示されるように、計測値ｙ_ｉ［ｊ］から平均値ｘ_ａ［ｊ］を減算して、その減算結果を標準偏差σ_ｘ［ｊ］で除算し、その計算結果を正規化値Ｙ_ｉ［ｊ］とする。正規化部１４は、ｐ個の項目のそれぞれについて正規化値Ｙ_ｉ［ｊ］を計算し、正規化値｛Ｙ_ｉ｝を作成する。正規化値｛Ｙ_ｉ｝は、｛Ｙ_ｉ［１］，Ｙ_ｉ［２］，…，Ｙ_ｉ［ｐ］｝を要素として有するベクトルである。正規化部１４は、異常有無判定部１３から受信した全ての診断データサンプル｛ｙ_ｉ｝に対して正規化処理を行う。正規化部１４は、各正規化値｛Ｙ_ｉ｝を単独異常判定部１５及び相関異常判定部１６に出力する。

単独異常判定部１５は、正規化値Ｙ_ｉ［ｊ］のそれぞれに基づいて、当該正規化値Ｙ_ｉ［ｊ］に対応する項目番号ｊの項目が単独異常か否かの単独異常判定を行う単独異常判定手段として機能する。

図２を参照しながら単独異常判定について説明する。図２に示されるように、他の正規化値と比較して、正規化値Ｙ_ｉ［ｊ］が極端に大きい場合には、その項目番号ｊの項目が単独異常である可能性が高い。そこで、単独異常判定部１５は、記憶装置２０から設定データＤ１の単独異常判定閾値Ｅ_{ｓｅｎｓｏｒ＿ｔｈ}を読み出し、単独異常判定閾値Ｅ_{ｓｅｎｓｏｒ＿ｔｈ}を用いて、単独異常判定を行う。単独異常判定部１５は、例えば、正規化値Ｙ_ｉ［ｊ］の大きさ（絶対値）が単独異常判定閾値Ｅ_{ｓｅｎｓｏｒ＿ｔｈ}よりも大きい場合、項目番号ｊの項目が単独異常であると判定し、正規化値Ｙ_ｉ［ｊ］の大きさが単独異常判定閾値Ｅ_{ｓｅｎｓｏｒ＿ｔｈ}以下である場合、項目番号ｊの項目は単独異常でないと判定する。単独異常判定閾値Ｅ_{ｓｅｎｓｏｒ＿ｔｈ}は、例えば、３．０程度に設定される。

単独異常判定部１５は、正規化値Ｙ_ｉ［ｊ］のそれぞれに基づいて、各項目の単独異常度Ｅ_{ｓｅｎｓｏｒ}［ｊ］を計算する。単独異常度Ｅ_{ｓｅｎｓｏｒ}［ｊ］は、項目番号ｊの項目の単独異常の程度を示す値であり、その値が大きいほど単独異常の程度が大きいことを示す。単独異常判定部１５は、項目番号ｊの項目が単独異常であると判定した場合には、正規化値Ｙ_ｉ［ｊ］を単独異常度Ｅ_{ｓｅｎｓｏｒ}［ｊ］とする。単独異常判定部１５は、項目番号ｊの項目が単独異常でないと判定した場合には、単独異常度Ｅ_{ｓｅｎｓｏｒ}［ｊ］を０とする。

単独異常判定部１５は、ｐ個の項目のそれぞれについて単独異常度Ｅ_{ｓｅｎｓｏｒ}［ｊ］を計算し、単独異常度Ｅ_{ｓｅｎｓｏｒ}を作成する。単独異常度Ｅ_{ｓｅｎｓｏｒ}は、｛Ｅ_{ｓｅｎｓｏｒ}［１］，Ｅ_{ｓｅｎｓｏｒ}［２］，…，Ｅ_{ｓｅｎｓｏｒ}［ｐ］｝を要素として有するベクトルである。単独異常判定部１５は、正規化部１４から受信した全ての正規化値Ｙ_ｉに対して、単独異常判定を行う。単独異常判定部１５は、単独異常度｛Ｅ_{ｓｅｎｓｏｒ}｝を相関異常判定部１６に出力する。

単独異常判定部１５は、単独異常であると判定した項目について、検出結果を作成し、検出要因データＤ６として記憶装置２０に保存する。検出結果には、タイムスタンプＴ_ｉ、項目番号ｊ、単独異常度Ｅ_{ｓｅｎｓｏｒ}［ｊ］、及び単独異常であることを示す異常種類情報が含まれる。

相関異常判定部１６は、診断対象システムに関する複数の項目のうちの異なる２つの項目が相関異常であるか否かの相関異常判定を行う相関異常判定手段として機能する。

図３を参照しながら相関異常判定について説明する。ここでは、項目番号ｊの項目（第１項目）及び項目番号ｋの項目（第２項目）を用いて説明する。なお、相関異常判定の説明では、項目番号ｋは、ｊ＋１〜ｐの整数値を取り得るパラメータとする。相関異常判定部１６は、項目番号ｊの項目に対応した値及び項目番号ｋの項目に対応した値を変数として規定される２次元空間Ｗにおいて、複数の正常状態の正規化値Ｘ_ｌ［ｊ］及び複数の正常状態の正規化値Ｘ_ｌ［ｋ］を用いて主成分分析する。

相関係数ｒ_ｊｋが０より大きい（正の相関である）場合、図３の（ａ）に示されるような楕円状の分布Ｇが得られ、正の傾きを有する第１主成分ベクトルＶ１と、負の傾きを有する第２主成分ベクトルＶ２と、が得られる。第１主成分ベクトルＶ１は、分布Ｇの最大の分布幅の方向を示すベクトルであり、分布Ｇの長軸に沿ったベクトルである。第２主成分ベクトルＶ２は、第１主成分ベクトルＶ１と直交する方向を示すベクトルであり、分布Ｇの短軸に沿ったベクトルである。相関係数ｒ_ｊｋが０より小さい（負の相関である）場合、図３の（ｂ）に示されるような楕円状の分布Ｇが得られ、負の傾きを有する第１主成分ベクトルＶ１と、正の傾きを有する第２主成分ベクトルＶ２と、が得られる。

このような分布Ｇでは、２次元空間Ｗにおける正規化値Ｙ_ｉ［ｊ］（第１値）及び正規化値Ｙ_ｉ［ｋ］（第２値）に対応する座標点である座標点ＣＰ_ｊｋが、第１主成分ベクトルＶ１から離れるほど相関異常である可能性が高くなる。正規化値Ｙ_ｉ［ｊ］は、項目番号ｊの項目に対応する正規化値であり、正規化値Ｙ_ｉ［ｋ］は、項目番号ｋの項目に対応する正規化値である。

そこで、相関異常判定部１６は、第１主成分ベクトルＶ１と座標点ＣＰ_ｊｋとの距離ｚ_ｊｋに基づいて、項目番号ｊの項目及び項目番号ｋの項目が相関異常であるか否かの相関異常判定を行う。具体的には、相関異常判定部１６は、まず、設定データＤ１の相関異常判定閾値Ｅ_{ｃｏｒｒ＿ｔｈ}と学習データＤ３の相関行列Ｒとを記憶装置２０から読み出し、式（５）に示されるように、相関係数ｒ_ｊｋ、正規化値Ｙ_ｉ［ｊ］、及び正規化値Ｙ_ｉ［ｋ］を用いて、第１主成分ベクトルＶ１と座標点ＣＰ_ｊｋとの距離ｚ_ｊｋを計算する。距離ｚ_ｊｋは、第１主成分ベクトルＶ１から座標点ＣＰ_ｊｋまでの第２主成分ベクトルＶ２に沿った距離である。

相関異常判定部１６は、式（６）に示されるように、相関係数ｒ_ｊｋを用いて、第２主成分ベクトルＶ２に沿った分布Ｇの幅である幅σ_ｈ＿ｊｋを計算する。つまり、幅σ_ｈ＿ｊｋは、分布Ｇの短軸の長さの半分である。幅σ_ｈ＿ｊｋは、距離ｚ_ｊｋの大きさを定量的に判断する基準として用いられる。

相関異常判定部１６は、記憶装置２０から設定データＤ１のパラメータεを読み出し、式（７）に示されるように、幅σ_ｈ＿ｊｋとパラメータεとのいずれか大きい方で距離ｚ_ｊｋを除算することによって、相関異常度Ｅ_ｃｏｒｒ［ｊ，ｋ］を計算する。相関異常度Ｅ_ｃｏｒｒ［ｊ，ｋ］は、項目番号ｊの項目及び項目番号ｋの項目の相関異常の程度を示す値であり、その値が大きいほど相関異常の程度が大きいことを示す。つまり、相関異常判定部１６は、相関係数ｒ_ｊｋと、正規化値Ｙ_ｉ［ｊ］と、正規化値Ｙ_ｉ［ｋ］とに基づいて、相関異常度Ｅ_ｃｏｒｒ［ｊ，ｋ］を計算する。パラメータεは、式（７）において幅σ_ｈ＿ｊｋがゼロである場合に、ゼロで除算を行うことを防止するための値である。パラメータεは、例えば、１×１０^−１４程度に設定される。

相関異常判定部１６は、相関異常度Ｅ_ｃｏｒｒ［ｊ，ｋ］に基づいて、相関異常判定を行う。具体的には、相関異常判定部１６は、相関異常度Ｅ_ｃｏｒｒ［ｊ，ｋ］の大きさ（絶対値）が相関異常判定閾値Ｅ_{ｃｏｒｒ＿ｔｈ}よりも大きいか否かを判定する。相関異常判定部１６は、相関異常度Ｅ_ｃｏｒｒ［ｊ，ｋ］の大きさが相関異常判定閾値Ｅ_{ｃｏｒｒ＿ｔｈ}以下である場合、相関異常でないと判定する。相関異常判定閾値Ｅ_{ｃｏｒｒ＿ｔｈ}は、例えば、３．０程度に設定される。

ここで、単独異常度Ｅ_{ｓｅｎｓｏｒ}［ｊ］及び単独異常度Ｅ_{ｓｅｎｓｏｒ}［ｋ］の少なくともいずれかが大きいと、相関異常度Ｅ_ｃｏｒｒ［ｊ，ｋ］の大きさが大きくなることがある。このため、相関異常判定部１６は、相関異常度Ｅ_ｃｏｒｒ［ｊ，ｋ］と、単独異常度Ｅ_{ｓｅｎｓｏｒ}［ｊ］（第１単独異常度）と、単独異常度Ｅ_{ｓｅｎｓｏｒ}［ｋ］（第２単独異常度）と、に基づいて、単独異常と判定されるべき異常を除外する。具体的には、相関異常判定部１６は、相関異常度Ｅ_ｃｏｒｒ［ｊ，ｋ］の大きさが単独異常度Ｅ_{ｓｅｎｓｏｒ}［ｊ］以上であり、且つ、相関異常度Ｅ_ｃｏｒｒ［ｊ，ｋ］の大きさが単独異常度Ｅ_{ｓｅｎｓｏｒ}［ｋ］以上であるという条件を満たしているか否かを判定することによって、単独異常と判定されるべき異常を除外する。

相関異常判定部１６は、上記条件を満たしている場合に、相関異常であると判定する。つまり、相関異常判定部１６は、相関異常度Ｅ_ｃｏｒｒ［ｊ，ｋ］の大きさが相関異常判定閾値Ｅ_{ｃｏｒｒ＿ｔｈ}よりも大きく、相関異常度Ｅ_ｃｏｒｒ［ｊ，ｋ］の大きさが単独異常度Ｅ_{ｓｅｎｓｏｒ}［ｊ］以上であり、且つ、相関異常度Ｅ_ｃｏｒｒ［ｊ，ｋ］の大きさが単独異常度Ｅ_{ｓｅｎｓｏｒ}［ｋ］以上である場合に、相関異常であると判定する。相関異常判定部１６は、上記条件を満たしていない場合に、相関異常でないと判定する。このように、相関異常判定部１６は、正規化値Ｙ_ｉ［ｊ］と、正規化値Ｙ_ｉ［ｋ］と、項目番号ｊの項目及び項目番号ｋの項目の相関係数ｒ_ｊｋと、に基づいて、項目番号ｊの項目及び項目番号ｋの項目が相関異常であるか否かの相関異常判定を行う。

正常稼働時に相関関係を持つ項目について、診断時にその相関関係が崩れたことを相関異常という。診断データにおける相関異常の有無を判定する前に、単位データについて相関関係の有無が確認されてもよい。そのため、相関異常判定部１６は、記憶装置２０から相関有無判定閾値Ｅ_{ｃｏｒｒ＿ｃｏｅｆ＿ｔｈ}を読み出し、相関有無判定閾値Ｅ_{ｃｏｒｒ＿ｃｏｅｆ＿ｔｈ}と相関係数ｒ_ｊｋとを用いて、一定程度の相関を有する項目の組み合わせについて相関異常判定を行ってもよい。この相関有無判定閾値Ｅ_{ｃｏｒｒ＿ｃｏｅｆ＿ｔｈ}は、例えば、０．５程度に設定される。

相関異常判定部１６は、相関異常であると判定した項目について、検出結果を作成し、検出要因データＤ６として記憶装置２０に保存する。検出結果には、タイムスタンプＴ_ｉ、相関関係にある項目の項目番号ｊ，ｋ、相関異常度Ｅ_ｃｏｒｒ［ｊ，ｋ］、及び相関異常であることを示す異常種類情報が含まれる。

出力部１７は、検出要因データＤ６を出力する出力手段として機能する。出力部１７は、記憶装置２０から検出要因データＤ６を読み出し、検出要因データＤ６を出力装置３に送信する。図４に示されるように、検出要因データＤ６には、タイムスタンプ、項目番号、異常度、相関項目番号、及び異常種類情報が含まれる。なお、異常種類情報の「ｍｅａｎ」は単独異常を示し、「ｃｏｒｒｅｌａｔｉｏｎ」は相関異常を示す。出力装置３が検出要因データＤ６に基づいて診断結果を表示することによって、診断対象システムの整備担当者に、診断対象システムのどこを確認すべきかの具体的な情報を提供する。

次に、図５〜図８を参照して、異常診断装置１が行う異常診断方法の一例を説明する。異常診断方法の処理は、設定フェーズ、学習フェーズ、及び分析フェーズに区分される。

図５の（ａ）は、異常診断装置１が行う設定フェーズの一連の処理を示すフローチャートである。図５の（ａ）に示される一連の処理は、入力装置２が異常診断装置１に設定パラメータを送信することによって開始される。

まず、入力部１１は、入力装置２から設定パラメータを受信する（ステップＳ１１）。そして、入力部１１は、受信した設定パラメータを設定データＤ１として記憶装置２０に保存し（ステップＳ１２）、設定フェーズの一連の処理が終了する。

図５の（ｂ）は、異常診断装置１が行う学習フェーズの一連の処理を示すフローチャートである。図５の（ｂ）に示される一連の処理は、入力装置２が異常診断装置１にｎ個の単位データサンプル｛ｘ_ｌ｝を送信することによって開始される。

まず、入力部１１は、入力装置２からｎ個の単位データサンプル｛ｘ_ｌ｝を受信し、単位データＤ２として記憶装置２０に保存する（ステップＳ２１：取得ステップ）。続いて、学習部１２は、記憶装置２０から単位データＤ２を読み出し、平均値ｘ_ａ、標準偏差σ_ｘ、及び相関行列Ｒを計算する（ステップＳ２２）。そして、学習部１２は、計算した平均値ｘ_ａ、標準偏差σ_ｘ、及び相関行列Ｒを学習データＤ３として記憶装置２０に保存し、学習フェーズの一連の処理が終了する。

図６は、異常診断装置１が行う分析フェーズの一連の処理を示すフローチャートである。図６に示される一連の処理は、入力装置２が異常診断装置１にｍ個の診断データサンプル｛ｙ_ｉ｝と、タイムスタンプ｛Ｔ_ｉ｝と、異常指標｛Ｄ_ｉ｝とを送信することによって開始される。

まず、入力部１１は、入力装置２からｍ個の診断データサンプル｛ｙ_ｉ｝と、タイムスタンプ｛Ｔ_ｉ｝と、異常指標｛Ｄ_ｉ｝とを受信し、診断データサンプル｛ｙ_ｉ｝及びタイムスタンプ｛Ｔ_ｉ｝を診断データＤ４として記憶装置２０に保存し、異常指標｛Ｄ_ｉ｝を診断結果データＤ５として記憶装置２０に保存する（ステップＳ３１：取得ステップ）。

続いて、異常有無判定部１３は、記憶装置２０から診断データＤ４及び診断結果データＤ５を読み出し、１つの診断データサンプルｙ_ｉを選択する（ステップＳ３２）。そして、異常有無判定部１３は、選択した診断データサンプルｙ_ｉに対応する異常指標Ｄ_ｉに基づいて、当該診断データサンプルｙ_ｉの異常の有無を判定する（ステップＳ３３：異常有無判定ステップ）。異常有無判定部１３は、例えば、記憶装置２０から設定データＤ１の異常有無判定閾値Ｄ_ｔｈを読み出し、異常指標Ｄ_ｉと異常有無判定閾値Ｄ_ｔｈとを比較することによって診断データサンプルｙ_ｉの異常の有無を判定する。

具体的には、異常指標Ｄ_ｉが異常有無判定閾値Ｄ_ｔｈよりも小さい場合に、異常有無判定部１３は、診断データサンプルｙ_ｉには異常がないと判定し（ステップＳ３３；Ｎｏ）、後述するステップＳ３７を実施する。一方、ステップＳ３３において、異常指標Ｄ_ｉが異常有無判定閾値Ｄ_ｔｈ以上である場合に、異常有無判定部１３は、診断データサンプルｙ_ｉには異常があると判定し（ステップＳ３３；Ｙｅｓ）、当該診断データサンプルｙ_ｉを正規化部１４に出力する。

続いて、正規化部１４は、記憶装置２０から学習データＤ３を読み出して、異常有無判定部１３から受信した診断データサンプルｙ_ｉを正規化する（ステップＳ３４：正規化ステップ）。具体的には、正規化部１４は、式（４）に示されるように、学習データＤ３のうちの平均値ｘ_ａ［ｊ］及び標準偏差σ_ｘ［ｊ］を用いて、診断データサンプルｙ_ｉのうちの項目番号ｊの項目の計測値ｙ_ｉ［ｊ］の正規化を行い、正規化値Ｙ_ｉ［ｊ］を得る。正規化部１４は、ｐ個の項目のそれぞれについて正規化値Ｙ_ｉ［ｊ］を計算し、正規化値Ｙ_ｉを作成する。正規化部１４は、正規化値Ｙ_ｉを単独異常判定部１５及び相関異常判定部１６に出力する。

続いて、単独異常判定部１５は、単独異常判定処理を行う（ステップＳ３５：単独異常判定ステップ）。ステップＳ３５の単独異常判定処理では、図７に示されるように、まず、単独異常判定部１５は、診断対象システムに関する複数の項目から、１つの項目（項目番号ｊ）を選択する（ステップＳ５１）。そして、単独異常判定部１５は、正規化値Ｙ_ｉ［ｊ］に基づいて、選択された項目番号ｊの項目が単独異常であるか否かを判定する（ステップＳ５２）。

例えば、単独異常判定部１５は、記憶装置２０から設定データＤ１の単独異常判定閾値Ｅ_{ｓｅｎｓｏｒ＿ｔｈ}を読み出す。そして、単独異常判定部１５は、正規化値Ｙ_ｉ［ｊ］の大きさが単独異常判定閾値Ｅ_{ｓｅｎｓｏｒ＿ｔｈ}よりも大きい場合、項目番号ｊの項目が単独異常であると判定する（ステップＳ５２；Ｙｅｓ）。そして、単独異常判定部１５は、正規化値Ｙ_ｉ［ｊ］を単独異常度Ｅ_{ｓｅｎｓｏｒ}［ｊ］とする（ステップＳ５３）。そして、単独異常判定部１５は、単独異常であると判定した項目について、検出結果を作成して、検出要因データＤ６として記憶装置２０に保存し（ステップＳ５４）、後述するステップＳ５６を実施する。

一方、ステップＳ５２において、単独異常判定部１５は、正規化値Ｙ_ｉ［ｊ］の大きさが単独異常判定閾値Ｅ_{ｓｅｎｓｏｒ＿ｔｈ}以下である場合、項目番号ｊの項目は単独異常でないと判定する（ステップＳ５２；Ｎｏ）。そして、単独異常判定部１５は、単独異常度Ｅ_{ｓｅｎｓｏｒ}［ｊ］を０とし（ステップＳ５５）、ステップＳ５６を実施する。

続いて、単独異常判定部１５は、全ての項目を処理したか否かを判定する（ステップＳ５６）。そして、全ての項目を処理していないと判定された場合（ステップＳ５６；Ｎｏ）、単独異常判定部１５は、ステップＳ５１に戻って次の項目を選択し、ステップＳ５２〜ステップＳ５６が再び実施される。一方、ステップＳ５６において、全ての項目を処理したと判定された場合（ステップＳ５６；Ｙｅｓ）、単独異常判定部１５は、単独異常度Ｅ_{ｓｅｎｓｏｒ}を相関異常判定部１６に出力し、単独異常判定処理が終了し、ステップＳ３６が実施される。

続いて、相関異常判定部１６は、相関異常判定処理を行う（ステップＳ３６：相関異常判定ステップ）。ステップＳ３６の相関異常判定処理では、図８に示されるように、まず、相関異常判定部１６は、診断対象システムに関する複数の項目から、異なる２つの項目の組み合わせ（項目番号ｊ，ｋ）を選択する（ステップＳ６１）。そして、相関異常判定部１６は、項目番号ｊの項目及び項目番号ｋの項目が一定程度の相関を有するか否かを判定する（ステップＳ６２）。例えば、相関異常判定部１６は、記憶装置２０から設定データＤ１の相関有無判定閾値Ｅ_{ｃｏｒｒ＿ｃｏｅｆ＿ｔｈ}及び学習データＤ３の相関行列Ｒを読み出し、相関係数ｒ_ｊｋの大きさ（絶対値）が相関有無判定閾値Ｅ_{ｃｏｒｒ＿ｃｏｅｆ＿ｔｈ}以上であるか否かを判定する。

相関係数ｒ_ｊｋの大きさが相関有無判定閾値Ｅ_{ｃｏｒｒ＿ｃｏｅｆ＿ｔｈ}よりも小さいと判定された場合、相関異常判定部１６は、項目番号ｊの項目及び項目番号ｋの項目は相関を有しないと判定し（ステップＳ６２；Ｎｏ）、後述するステップＳ６６を実施する。一方、ステップＳ６２において、相関係数ｒ_ｊｋの大きさが相関有無判定閾値Ｅ_{ｃｏｒｒ＿ｃｏｅｆ＿ｔｈ}以上であると判定された場合、相関異常判定部１６は、項目番号ｊの項目及び項目番号ｋの項目は相関を有すると判定し（ステップＳ６２；Ｙｅｓ）、当該組み合わせの相関異常度Ｅ_ｃｏｒｒ［ｊ，ｋ］を計算する（ステップＳ６３）。具体的には、相関異常判定部１６は、式（５）〜式（７）に示されるように、相関係数ｒ_ｊｋ、正規化値Ｙ_ｉ［ｊ］、及び正規化値Ｙ_ｉ［ｋ］を用いて、相関異常度Ｅ_ｃｏｒｒ［ｊ，ｋ］を計算する。

続いて、相関異常判定部１６は、相関異常度Ｅ_ｃｏｒｒ［ｊ，ｋ］に基づいて、項目番号ｊの項目及び項目番号ｋの項目が相関異常であるか否かを判定する（ステップＳ６４）。具体的には、相関異常判定部１６は、記憶装置２０から設定データＤ１の相関異常判定閾値Ｅ_{ｃｏｒｒ＿ｔｈ}を読み出し、相関異常度Ｅ_ｃｏｒｒ［ｊ，ｋ］の大きさが相関異常判定閾値Ｅ_{ｃｏｒｒ＿ｔｈ}よりも大きいか否かを判定する。相関異常判定部１６は、相関異常度Ｅ_ｃｏｒｒ［ｊ，ｋ］の大きさが相関異常判定閾値Ｅ_{ｃｏｒｒ＿ｔｈ}以下である場合、相関異常判定部１６は、項目番号ｊの項目及び項目番号ｋの項目が相関異常でないと判定し（ステップＳ６４；Ｎｏ）、後述するステップＳ６６を実施する。

一方、相関異常度Ｅ_ｃｏｒｒ［ｊ，ｋ］の大きさが相関異常判定閾値Ｅ_{ｃｏｒｒ＿ｔｈ}よりも大きい場合、相関異常判定部１６は、さらに、相関異常度Ｅ_ｃｏｒｒ［ｊ，ｋ］の大きさが単独異常度Ｅ_{ｓｅｎｓｏｒ}［ｊ］以上であり、且つ、相関異常度Ｅ_ｃｏｒｒ［ｊ，ｋ］の大きさが単独異常度Ｅ_{ｓｅｎｓｏｒ}［ｋ］以上であるという条件を満たしているか否かを判定する。そして、上記条件を満たしていないと判定された場合、相関異常判定部１６は、項目番号ｊの項目及び項目番号ｋの項目が相関異常でないと判定し（ステップＳ６４；Ｎｏ）、後述するステップＳ６６を実施する。

一方、上記条件を満たしていると判定された場合、相関異常判定部１６は、項目番号ｊの項目及び項目番号ｋの項目が相関異常であると判定する（ステップＳ６４；Ｙｅｓ）。そして、相関異常判定部１６は、相関異常であると判定した組み合わせについて、検出結果を作成し、検出要因データＤ６として記憶装置２０に保存し（ステップＳ６５）、ステップＳ６６を実施する。

続いて、相関異常判定部１６は、全ての組み合わせを処理したか否かを判定する（ステップＳ６６）。そして、全ての組み合わせを処理していないと判定された場合（ステップＳ６６；Ｎｏ）、相関異常判定部１６は、ステップＳ６１に戻って次の組み合わせを選択し、ステップＳ６２〜ステップＳ６６が再び実施される。一方、ステップＳ６６において、全ての組み合わせを処理したと判定された場合（ステップＳ６６；Ｙｅｓ）、相関異常判定処理が終了し、ステップＳ３７が実施される。

続いて、異常有無判定部１３は、全ての診断データサンプル｛ｙ_ｉ｝を処理したか否かを判定する（ステップＳ３７）。そして、全ての診断データサンプル｛ｙ_ｉ｝を処理していないと判定された場合（ステップＳ３７；Ｎｏ）、異常有無判定部１３は、ステップＳ３２に戻って次の診断データサンプルｙ_ｉ＋１を選択し、ステップＳ３３〜ステップＳ３７が再び実施される。一方、ステップＳ３７において、全ての診断データサンプル｛ｙ_ｉ｝を処理したと判定された場合（ステップＳ３７；Ｙｅｓ）、出力部１７は、記憶装置２０から検出要因データＤ６を読み出し、検出要因データＤ６を出力装置３に送信する（ステップＳ３８）。以上のようにして、分析フェーズの一連の処理が終了する。

次に、図９を参照しながら、コンピュータを異常診断装置１として機能させるための異常診断プログラムＰを説明する。

異常診断プログラムＰは、メインモジュールＰ１０、入力モジュールＰ１１、学習モジュールＰ１２、異常有無判定モジュールＰ１３、正規化モジュールＰ１４、単独異常判定モジュールＰ１５、相関異常判定モジュールＰ１６、及び出力モジュールＰ１７を備える。メインモジュールＰ１０は、異常診断に係る処理を統括的に制御する部分である。入力モジュールＰ１１、学習モジュールＰ１２、異常有無判定モジュールＰ１３、正規化モジュールＰ１４、単独異常判定モジュールＰ１５、相関異常判定モジュールＰ１６、及び出力モジュールＰ１７を実行することにより実現される機能はそれぞれ、上記各実施形態における入力部１１、学習部１２、異常有無判定部１３、正規化部１４、単独異常判定部１５、相関異常判定部１６、及び出力部１７の機能と同様である。

異常診断プログラムＰは、ＣＤ−ＲＯＭ（Compact Disk Read Only Memory）、ＤＶＤ−ＲＯＭ（DigitalVersatile Disk Read Only Memory）、及び半導体メモリ等の有形の記録媒体に固定的に記録された状態で提供されてもよい。または、異常診断プログラムＰは、搬送波に重畳されたデータ信号として通信ネットワークを介して提供されてもよい。

以上説明したように、本実施形態に係る異常診断方法、異常診断装置１、及び異常診断プログラムＰでは、各項目の正規化値Ｙ_ｉ［ｊ］に基づいて、各項目が単独異常か否かの単独異常判定が行われ、項目番号ｊの項目の正規化値Ｙ_ｉ［ｊ］と、項目番号ｋの項目の正規化値Ｙ_ｉ［ｋ］と、相関係数ｒ_ｊｋと、に基づいて、項目番号ｊの項目及び項目番号ｋの項目が相関異常であるか否かの相関異常判定が行われる。これにより、単独異常又は相関異常である項目を特定するとともに、単独異常及び相関異常の異常の種類を特定することが可能となる。

また、相関異常判定では、相関係数ｒ_ｊｋと正規化値Ｙ_ｉ［ｊ］と正規化値Ｙ_ｉ［ｋ］とに基づいて、相関異常度Ｅ_ｃｏｒｒ［ｊ，ｋ］が計算される。一般に、第１主成分ベクトルＶ１から座標点ＣＰ_ｊｋまでの距離ｚ_ｊｋが大きくなるほど、相関異常である可能性が高くなる。したがって、この距離ｚ_ｊｋに基づいて、相関異常度Ｅ_ｃｏｒｒ［ｊ，ｋ］を計算することができる。また、相関異常度Ｅ_ｃｏｒｒ［ｊ，ｋ］を用いることによって、相関異常の程度を定量化できるので、相関異常判定を簡易化することが可能となる。

また、単独異常度Ｅ_{ｓｅｎｓｏｒ}［ｊ］及び単独異常度Ｅ_{ｓｅｎｓｏｒ}［ｋ］の少なくともいずれかが大きいと、相関異常度Ｅ_ｃｏｒｒ［ｊ，ｋ］も大きくなることがある。このため、本来、単独異常と判定されるべき異常が相関異常と判定されてしまうことがある。これに対し、相関異常判定では、相関異常度Ｅ_ｃｏｒｒ［ｊ，ｋ］と、単独異常度Ｅ_{ｓｅｎｓｏｒ}［ｊ］と、単独異常度Ｅ_{ｓｅｎｓｏｒ}［ｋ］と、に基づいて、単独異常と判定されるべき異常が除外される。これにより、単独異常と判定されるべき異常が相関異常と判定されないようにすることができる。その結果、異常の種類の特定精度を向上することが可能となる。

また、診断データサンプルｙ_ｉに対応する異常指標Ｄ_ｉに基づいて異常があると判定された診断データサンプルｙ_ｉに対して、正規化処理、単独異常判定、及び相関異常判定が行われる。このため、異常がないと判定された診断データサンプルｙ_ｉの正規化処理、単独異常判定、及び相関異常判定が省略されるので、計算の負荷を軽減することが可能となる。

また、各項目の計測値ｙ_ｉ［ｊ］は、計測対象に応じて取り得る値の範囲、及び値の大きさが異なる。このため、計測値ｙ_ｉ［ｊ］を正規化した正規化値Ｙ_ｉ［ｊ］を用いることによって、同一の基準で単独異常判定及び相関異常判定を行うことができる。これにより、計算の負荷を軽減することが可能となる。

以上、本発明の一実施形態について説明したが、本発明は上記実施形態に限定されない。例えば、上記実施形態では、異常指標Ｄ_ｉとして、ＭＴ法によって得られたＭＤ値が用いられているが、他の手法によって得られた異常指標が用いられてもよい。例えば、再構成誤差法によって得られた異常指標が用いられてもよい。

また、上記実施形態では、異常診断装置１は、全項目に対して分析を行っているが、全項目のうちのいくつかを分析してもよい。例えば、異常診断装置１は、分析対象の項目を選定する選定部を備えてもよい。この選定部は、異常有無判定部１３によって異常であると判定された診断データサンプルｙ_ｉに対し、異常指標Ｄ_ｉへの各項目の影響度合いに基づいて、分析対象の項目を選定する。具体的に説明すると、選定部は、例えば、貢献度法及び直交表等によって、異常指標Ｄ_ｉへの各項目の影響度合いを計算する。そして、選定部は、各項目の影響度合いに基づいて、異常指標Ｄ_ｉへの影響が大きい順に、いくつかの項目を選定する。正規化部１４は、選定された項目の計測値ｙ_ｉ［ｊ］について正規化処理を行ってもよく、単独異常判定部１５は、選定された項目について単独異常判定を行ってもよく、相関異常判定部１６は、選定された項目について相関異常判定を行ってもよい。この場合、計算コストを低減することが可能となる。

また、学習データＤ３は、学習部１２によって生成されなくてもよく、異常診断装置１の外部において生成された学習データＤ３を入力装置２が異常診断装置１に送信してもよい。この場合、入力装置２は、ｎ個の単位データサンプル｛ｘ_ｌ｝を異常診断装置１に送信しなくてもよく、異常診断装置１は、学習部１２を備えていなくてもよい。

また、学習部１２は、学習データＤ３を更新してもよい。この場合、学習データＤ３を更新するために、入力部１１は、入力装置２からさらに受信した単位データサンプル｛ｘ_ｌ｝を単位データＤ２に追加登録してもよい。また、入力部１１は、異常有無判定部１３によって異常なしと判定された診断データサンプル｛ｙ_ｉ｝を単位データＤ２に追加登録してもよい。学習部１２は、追加登録された単位データＤ２を用いて学習データＤ３を更新してもよい。

また、上記実施形態では、異常有無判定部１３によって異常があると判定された診断データサンプル｛ｙ_ｉ｝について、正規化処理、単独異常判定、及び相関異常判定が行われているが、これに限られない。ｍ個の診断データサンプル｛ｙ_ｉ｝に対して、正規化処理、単独異常判定、及び相関異常判定が行われてもよい。この場合、入力装置２は、異常指標｛Ｄ_ｉ｝を異常診断装置１に送信しなくてもよく、異常診断装置１は、異常有無判定部１３を備えていなくてもよい。

また、上記実施形態では、ｍ個の診断データサンプル｛ｙ_ｉ｝に対して正規化処理が行われているが、これに限られない。例えば、各項目に対して、単独異常判定閾値Ｅ_{ｓｅｎｓｏｒ＿ｔｈ}が設定されており、異なる２つの項目の各組み合わせに対して、相関異常判定閾値Ｅ_{ｃｏｒｒ＿ｔｈ}が設定されていれば、正規化処理を省略し得る。この場合、異常診断装置１は、正規化部１４を備えていなくてもよい。

１ 異常診断装置
１１ 入力部
１２ 学習部
１３ 異常有無判定部
１４ 正規化部
１５ 単独異常判定部
１６ 相関異常判定部
１７ 出力部
Ｄ２ 単位データ
Ｄ４ 診断データ
Ｐ 異常診断プログラム
Ｗ ２次元空間
Ｇ 分布
Ｖ１ 第１主成分ベクトル
Ｖ２ 第２主成分ベクトル
ＣＰ_ｊｋ 座標点
ｚ_ｊｋ 距離
σ_ｈ＿ｊｋ 幅

Claims (8)

1. 診断対象システムに関する複数の項目のうちの単独の項目が異常である単独異常と、異なる項目間の異常である相関異常と、を診断する異常診断方法であって、
   前記複数の項目にそれぞれ対応した診断対象の値を含む診断データを取得する取得ステップと、
   前記診断対象の値のそれぞれに基づいて、当該値に対応する項目が前記単独異常か否かの単独異常判定を行う単独異常判定ステップと、
   前記複数の項目のうちの第１項目に対応した前記診断対象の値である第１値と、第２項目に対応した前記診断対象の値である第２値と、前記第１項目及び前記第２項目の相関の強さを示す相関係数と、に基づいて、前記第１項目及び前記第２項目が前記相関異常であるか否かの相関異常判定を行う相関異常判定ステップと、
   を備える異常診断方法。
2. 前記相関異常判定ステップでは、前記相関係数と前記第１値と前記第２値とに基づいて、前記第１項目及び前記第２項目の相関異常度を計算し、前記相関異常度に基づいて前記相関異常判定を行う、請求項１に記載の異常診断方法。
3. 前記単独異常判定ステップでは、前記診断対象の値のそれぞれに基づいて、各項目の単独異常度を計算し、
   前記相関異常判定ステップでは、前記相関異常度と、前記第１項目の前記単独異常度である第１単独異常度と、前記第２項目の前記単独異常度である第２単独異常度と、に基づいて、前記単独異常と判定されるべき異常を除外する、請求項２に記載の異常診断方法。
4. 前記相関異常判定ステップでは、
   前記第１項目に対応する値及び前記第２項目に対応する値を変数として規定される２次元空間において、前記第１項目に対応した正常状態の複数の値及び前記第２項目に対応した正常状態の複数の値を主成分分析して得られる第１主成分ベクトルと、前記第１値及び前記第２値に対応する座標点と、の距離を計算し、
   前記距離に基づいて前記相関異常度を計算する、請求項２又は請求項３に記載の異常診断方法。
5. 前記診断データの異常の有無を判定する異常有無判定ステップをさらに備え、
   前記取得ステップでは、前記診断データに関する異常指標をさらに取得し、
   前記異常有無判定ステップでは、前記異常指標に基づいて前記診断データの異常の有無を判定し、
   前記単独異常判定ステップでは、前記異常有無判定ステップにおいて異常があると判定された前記診断データについて、前記単独異常判定を行い、
   前記相関異常判定ステップでは、前記異常有無判定ステップにおいて異常があると判定された前記診断データについて、前記相関異常判定を行う、請求項１〜請求項４のいずれか一項に記載の異常診断方法。
6. 前記診断データを正規化する正規化ステップをさらに備え、
   前記取得ステップでは、前記複数の項目にそれぞれ対応した正常状態の値を含む単位データをさらに取得し、
   前記正規化ステップでは、前記単位データに基づいて、前記診断データを正規化し、
   前記単独異常判定ステップでは、正規化された前記診断データに基づいて、前記単独異常判定を行い、
   前記相関異常判定ステップでは、正規化された前記診断データに基づいて、前記相関異常判定を行う、請求項１〜請求項５のいずれか一項に記載の異常診断方法。
7. 診断対象システムに関する複数の項目のうちの単独の項目が異常である単独異常と、異なる項目間の異常である相関異常と、を診断する異常診断装置であって、
   前記複数の項目にそれぞれ対応した診断対象の値を含む診断データを取得する取得部と、
   前記診断対象の値のそれぞれに基づいて、当該値に対応する項目が前記単独異常か否かの単独異常判定を行う単独異常判定部と、
   前記複数の項目のうちの第１項目に対応した前記診断対象の値である第１値と、第２項目に対応した前記診断対象の値である第２値と、前記第１項目及び前記第２項目の相関の強さを示す相関係数と、に基づいて、前記第１項目及び前記第２項目が前記相関異常であるか否かの相関異常判定を行う相関異常判定部と、
   を備える異常診断装置。
8. 診断対象システムに関する複数の項目のうちの単独の項目が異常である単独異常と、異なる項目間の異常である相関異常と、を診断するようにコンピュータを動作させる異常診断プログラムであって、
   前記複数の項目にそれぞれ対応した診断対象の値を含む診断データを取得する取得部と、
   前記診断対象の値のそれぞれに基づいて、当該値に対応する項目が前記単独異常か否かの単独異常判定を行う単独異常判定部と、
   前記複数の項目のうちの第１項目に対応した前記診断対象の値である第１値と、第２項目に対応した前記診断対象の値である第２値と、前記第１項目及び前記第２項目の相関の強さを示す相関係数と、に基づいて、前記第１項目及び前記第２項目が前記相関異常であるか否かの相関異常判定を行う相関異常判定部と、
   してコンピュータを機能させる、異常診断プログラム。

Images