JP2018014093A - プロセスの状態診断方法及び状態診断装置 - Google Patents
プロセスの状態診断方法及び状態診断装置 Download PDFInfo
- Publication number
- JP2018014093A JP2018014093A JP2017130762A JP2017130762A JP2018014093A JP 2018014093 A JP2018014093 A JP 2018014093A JP 2017130762 A JP2017130762 A JP 2017130762A JP 2017130762 A JP2017130762 A JP 2017130762A JP 2018014093 A JP2018014093 A JP 2018014093A
- Authority
- JP
- Japan
- Prior art keywords
- deviation index
- state
- index pattern
- pattern
- calculated
- 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
まず、図1を参照して、本発明の第1の実施形態である製造プロセスの製造状態診断装置について説明する。
図1は、本発明の第1の実施形態である製造プロセスの製造状態診断装置の構成を示すブロック図である。図1に示すように、本発明の第1の実施形態である製造プロセスの製造状態診断装置1は、鉄鋼設備等の製造設備の製造プロセスの製造状態を診断する装置であり、入力部11、出力部12、外部装置13、記憶部14、及び制御部15を主な構成要素として備えている。
次に、サブモデルDB14aに格納されているサブモデルの構成について説明する。
次に、図2を参照して、逸脱指標パターンの構成について説明する。
次に、図3を参照して、本発明の第1の実施形態である製造プロセスの製造状態診断装置1による製造プロセスの製造状態診断方法について説明する。
次に、本発明の第2の実施形態である製造プロセスの製造状態診断装置について説明する。
本発明の第2の実施形態である製造プロセスの製造状態診断装置は、図1に示す第1の実施形態である製造プロセスの製造状態診断装置1と同じ構成を有している。但し、本実施形態では、逸脱指標パターンDB14b内に格納されている逸脱指標パターンは、人手又は決定木を用いることによって、m次元空間上(mは逸脱指標パターンの要素数)の距離に基づいて予め複数のクラスに分類されている。例えば、図4(a)に示す逸脱指標パターン(m次元空間上における点P1に対応)は図4(i)に示すクラスC1に分類され、図4(b)に示す逸脱指標パターン(m次元空間上における点P2に対応)は図4(i)クラスC2に分類され、図4(c)に示す逸脱指標パターン(m次元空間上における点P3に対応)は図4(i)クラスC3に分類される。なお、主成分分析又は部分的最小二乗法(PLS)を用いて逸脱指標パターンDB14b内に格納されている逸脱指標パターンの次元をクラス毎に圧縮することにより、クラス毎に典型的な逸脱指標パターンのみを抽出しておくようにしてもよい。
次に、図5を参照して、本発明の第2の実施形態である製造プロセスの製造状態診断装置による製造プロセスの製造状態診断方法について説明する。
11 入力部
12 出力部
13 外部装置
13a 操業データベース(操業DB)
14 記憶部
14a サブモデルデータベース(サブモデルDB)
14b 逸脱指標パターンデータベース(逸脱指標パターンDB)
15 制御部
15a 逸脱指標算出部
15b 製造状態診断部
Claims (11)
- プロセスの状態を予測する複数のサブモデルの予測誤差から該サブモデル毎に算出される前記プロセスの正常状態からの逸脱指標を用いて前記プロセスの状態を診断するプロセスの状態診断方法であって、
前記サブモデル毎に算出された前記逸脱指標を要素とするパターンを逸脱指標パターンとしてデータベースに格納し、新たに得られた変数の実績値から算出された逸脱指標パターンと類似する逸脱指標パターンが前記データベースに格納されている場合、類似する逸脱指標パターンに関する過去の情報を提示することを特徴とするプロセスの状態診断方法。 - 前記情報には、類似する逸脱指標パターンが得られた時の前記プロセスの条件に関する情報が含まれることを特徴とする請求項1に記載のプロセスの状態診断方法。
- 前記逸脱指標パターンを構成する要素数をmとしたとき、各逸脱指標パターンをm次元空間上の点として捉え、新たに得られた変数の実績値から算出された逸脱指標パターンに対応する点と前記データベースに格納されている逸脱指標パターンに対応する点との間の距離に基づいて類似する逸脱指標パターンを抽出することを特徴とする請求項1又は2に記載のプロセスの状態診断方法。
- 類似する逸脱指標パターンに関する過去の情報を類似度が高い順にランキング形式で提示することを特徴とする請求項1〜3のうち、いずれか1項に記載のプロセスの状態診断方法。
- 主成分分析又は部分的最小二乗法を利用して前記データベースに格納されている逸脱指標パターンの次元を圧縮することを特徴とする請求項1〜4のうち、いずれか1項に記載のプロセスの状態診断方法。
- プロセスの状態を予測する複数のサブモデルの予測誤差から該サブモデル毎に算出される前記プロセスの正常状態からの逸脱指標を用いて前記プロセスの状態を診断するプロセスの状態診断方法であって、
前記サブモデル毎に算出された前記逸脱指標を要素とするパターンを逸脱指標パターンとしてデータベースに格納し、前記逸脱指標パターンを構成する要素数をmとしたとき、各逸脱指標パターンをm次元空間上の点として捉え、m次元空間上の距離に基づいてデータベースに格納されている逸脱指標パターンを複数のクラスに分類し、新たに得られた変数の実績値から算出された逸脱指標パターンと類似性が高いクラスをm次元空間上の距離に基づいて抽出し、類似性が高いクラスに分類されている逸脱指標パターンに関する情報を提示することを特徴とするプロセスの状態診断方法。 - 主成分分析又は部分的最小二乗法を利用して前記データベースに格納されている逸脱指標パターンの次元を前記クラス毎に圧縮することを特徴とする請求項6に記載のプロセスの状態診断方法。
- サポートベクターマシン、学習ベクトル量子化法、決定木、又は、ディープラーニングを用いて類似性が高いクラスを抽出することを特徴とする請求項6又は7に記載のプロセスの状態診断方法。
- 各サブモデルに付与された信頼度に応じて前記逸脱指標を修正するステップを含むことを特徴とする請求項1〜8のうち、いずれか1項に記載のプロセスの状態診断方法。
- プロセスの状態を予測する複数のサブモデルの予測誤差から該サブモデル毎に算出される前記プロセスの正常状態からの逸脱指標を用いて前記プロセスの状態を診断するプロセスの状態診断装置であって、
前記サブモデル毎に算出された前記逸脱指標を要素とするパターンを逸脱指標パターンとして格納するデータベースと、
新たに得られた変数の実績値から算出された逸脱指標パターンと類似する逸脱指標パターンが前記データベースに格納されている場合、類似する逸脱指標パターンに関する情報を提示する状態診断部と、
を備えることを特徴とするプロセスの状態診断装置。 - プロセスの状態を予測する複数のサブモデルの予測誤差から該サブモデル毎に算出される前記プロセスの正常状態からの逸脱指標を用いて前記プロセスの状態を診断するプロセスの状態診断装置であって、
前記サブモデル毎に算出された前記逸脱指標を要素とするパターンを逸脱指標パターンとして格納すると共に、各逸脱指標パターンは、逸脱指標パターンを構成する要素数をmとしたとき、各逸脱指標パターンをm次元空間上の点として捉え、m次元空間上の距離に基づいて複数のクラスに分類されているデータベースと、
新たに得られた変数の実績値から算出された逸脱指標パターンと類似性が高いクラスをm次元空間上の距離に基づいて抽出し、類似性が高いクラスに分類されている逸脱指標パターンに関する情報を提示する状態診断部と、
を備えることを特徴とするプロセスの状態診断装置。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2016134040 | 2016-07-06 | ||
JP2016134040 | 2016-07-06 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2018014093A true JP2018014093A (ja) | 2018-01-25 |
JP6579163B2 JP6579163B2 (ja) | 2019-09-25 |
Family
ID=61020283
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2017130762A Active JP6579163B2 (ja) | 2016-07-06 | 2017-07-04 | プロセスの状態診断方法及び状態診断装置 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6579163B2 (ja) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020196441A1 (ja) | 2019-03-26 | 2020-10-01 | Jfeスチール株式会社 | プロセス状態監視装置及びプロセス状態監視方法 |
JP7485918B2 (ja) | 2020-04-06 | 2024-05-17 | 日本製鉄株式会社 | 炉況評価装置、炉況評価方法、及び炉況評価プログラム、並びに、学習済みモデルの生成方法 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010522942A (ja) * | 2007-03-28 | 2010-07-08 | ハネウェル・インターナショナル・インコーポレーテッド | 改良型プロセス制御用のモデルメンテナンスアーキテクチャ |
WO2010082322A1 (ja) * | 2009-01-14 | 2010-07-22 | 株式会社日立製作所 | 装置異常監視方法及びシステム |
JP2011141475A (ja) * | 2010-01-08 | 2011-07-21 | Mitsubishi Electric Corp | 初期値生成装置及び初期値生成方法 |
JP4922265B2 (ja) * | 2008-08-19 | 2012-04-25 | 株式会社東芝 | プラント監視装置およびプラント監視方法 |
JP2012528392A (ja) * | 2009-05-29 | 2012-11-12 | アスペン テクノロジー インコーポレイテッド | 多変数プロセス制御においてモデルの品質を推定しモデルを適応させる装置およびその方法 |
WO2013011745A1 (ja) * | 2011-07-15 | 2013-01-24 | 株式会社日立製作所 | 設備状態監視方法およびその装置 |
JP5499900B2 (ja) * | 2010-05-25 | 2014-05-21 | Jfeスチール株式会社 | パターン自動抽出方法およびパターン自動抽出システム |
JP5651998B2 (ja) * | 2010-05-25 | 2015-01-14 | Jfeスチール株式会社 | パターンライブラリを用いた異常診断方法および異常診断システム |
WO2016038803A1 (ja) * | 2014-09-11 | 2016-03-17 | 日本電気株式会社 | 情報処理装置、情報処理方法、及び、記録媒体 |
-
2017
- 2017-07-04 JP JP2017130762A patent/JP6579163B2/ja active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010522942A (ja) * | 2007-03-28 | 2010-07-08 | ハネウェル・インターナショナル・インコーポレーテッド | 改良型プロセス制御用のモデルメンテナンスアーキテクチャ |
JP4922265B2 (ja) * | 2008-08-19 | 2012-04-25 | 株式会社東芝 | プラント監視装置およびプラント監視方法 |
WO2010082322A1 (ja) * | 2009-01-14 | 2010-07-22 | 株式会社日立製作所 | 装置異常監視方法及びシステム |
JP2012528392A (ja) * | 2009-05-29 | 2012-11-12 | アスペン テクノロジー インコーポレイテッド | 多変数プロセス制御においてモデルの品質を推定しモデルを適応させる装置およびその方法 |
JP2011141475A (ja) * | 2010-01-08 | 2011-07-21 | Mitsubishi Electric Corp | 初期値生成装置及び初期値生成方法 |
JP5499900B2 (ja) * | 2010-05-25 | 2014-05-21 | Jfeスチール株式会社 | パターン自動抽出方法およびパターン自動抽出システム |
JP5651998B2 (ja) * | 2010-05-25 | 2015-01-14 | Jfeスチール株式会社 | パターンライブラリを用いた異常診断方法および異常診断システム |
WO2013011745A1 (ja) * | 2011-07-15 | 2013-01-24 | 株式会社日立製作所 | 設備状態監視方法およびその装置 |
WO2016038803A1 (ja) * | 2014-09-11 | 2016-03-17 | 日本電気株式会社 | 情報処理装置、情報処理方法、及び、記録媒体 |
Non-Patent Citations (1)
Title |
---|
KOHONEN, TEUVO,外2名: ""Statistical Pattern Recognition with Neural Networks: Benchmarking Studies"", IEEE INTERNATIONAL CONFERENCE ON NEURAL NETWORKS, vol. Volume I, JPN6018051819, 1988, pages 61 - 68, XP010077872, ISSN: 0004084213 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020196441A1 (ja) | 2019-03-26 | 2020-10-01 | Jfeスチール株式会社 | プロセス状態監視装置及びプロセス状態監視方法 |
JPWO2020196441A1 (ja) * | 2019-03-26 | 2021-04-08 | Jfeスチール株式会社 | プロセス状態監視装置及びプロセス状態監視方法 |
CN113678074A (zh) * | 2019-03-26 | 2021-11-19 | 杰富意钢铁株式会社 | 工艺状态监视装置以及工艺状态监视方法 |
EP3951530A4 (en) * | 2019-03-26 | 2022-05-18 | JFE Steel Corporation | PROCESS CONDITION MONITORING DEVICE AND PROCESS CONDITION MONITORING METHOD |
US20220187809A1 (en) * | 2019-03-26 | 2022-06-16 | Jfe Steel Corporation | Process state monitoring device and process state monitoring method |
JP7180676B2 (ja) | 2019-03-26 | 2022-11-30 | Jfeスチール株式会社 | プロセス状態監視装置及びプロセス状態監視方法 |
KR20240042121A (ko) | 2019-03-26 | 2024-04-01 | 제이에프이 스틸 가부시키가이샤 | 프로세스 상태 감시 장치 및 프로세스 상태 감시 방법 |
US12007758B2 (en) | 2019-03-26 | 2024-06-11 | Jfe Steel Corporation | Process state monitoring device and process state monitoring method |
JP7485918B2 (ja) | 2020-04-06 | 2024-05-17 | 日本製鉄株式会社 | 炉況評価装置、炉況評価方法、及び炉況評価プログラム、並びに、学習済みモデルの生成方法 |
Also Published As
Publication number | Publication date |
---|---|
JP6579163B2 (ja) | 2019-09-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2023071217A1 (zh) | 基于深度迁移学习的多工况流程工业故障检测诊断方法 | |
JP6740247B2 (ja) | 異常検出システム、異常検出方法、異常検出プログラム及び学習済モデル生成方法 | |
EP2905665B1 (en) | Information processing apparatus, diagnosis method, and program | |
WO2019142331A1 (ja) | 障害予測システムおよび障害予測方法 | |
JP6711323B2 (ja) | プロセスの異常状態診断方法および異常状態診断装置 | |
JP2021509995A (ja) | システムを制御する装置及び方法 | |
US20140365179A1 (en) | Method and Apparatus for Detecting and Identifying Faults in a Process | |
KR101948604B1 (ko) | 센서 군집화 기반의 설비 건강 모니터링 방법 및 장치 | |
KR20140041766A (ko) | 예측 및 예지를 위한 순차적 커널 회귀 모델링 방법 | |
US10599501B2 (en) | Information processing device, information processing method, and recording medium | |
US10810508B1 (en) | Methods and apparatus for classifying and discovering historical and future operational states based on Boolean and numerical sensor data | |
JP2004531815A (ja) | 予測的状態監視のための診断システムおよび方法 | |
US20100063611A1 (en) | Systems and methods for real time classification and performance monitoring of batch processes | |
CN110757510B (zh) | 一种机器人剩余寿命预测方法及系统 | |
KR102618023B1 (ko) | 고장유형에 따른 패턴 분석을 통한 고장 예지 진단시스템 및 방법 | |
JP6702297B2 (ja) | プロセスの異常状態診断方法および異常状態診断装置 | |
US20240085274A1 (en) | Hybrid bearing fault prognosis with fault detection and multiple model fusion | |
CN116457802A (zh) | 利用未被标记的传感器数据对工业系统中的罕见故障的自动实时检测、预测和阻止 | |
JP7296548B2 (ja) | 作業効率評価方法、作業効率評価装置、及びプログラム | |
JP6579163B2 (ja) | プロセスの状態診断方法及び状態診断装置 | |
KR20230066093A (ko) | 이상 진단 모델의 구축 방법, 이상 진단 방법, 이상 진단 모델의 구축 장치 및 이상 진단 장치 | |
JP6885321B2 (ja) | プロセスの状態診断方法及び状態診断装置 | |
Aremu et al. | Kullback-leibler divergence constructed health indicator for data-driven predictive maintenance of multi-sensor systems | |
US11320813B2 (en) | Industrial asset temporal anomaly detection with fault variable ranking | |
JP6662222B2 (ja) | 製造プロセスの異常状態診断方法及び異常状態診断装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20180221 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20181227 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20190108 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20190219 |
|
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: 20190730 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20190812 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6579163 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |