JP2018113027A - プロセスの異常状態診断方法および異常状態診断装置 - Google Patents
プロセスの異常状態診断方法および異常状態診断装置 Download PDFInfo
- Publication number
- JP2018113027A JP2018113027A JP2017242420A JP2017242420A JP2018113027A JP 2018113027 A JP2018113027 A JP 2018113027A JP 2017242420 A JP2017242420 A JP 2017242420A JP 2017242420 A JP2017242420 A JP 2017242420A JP 2018113027 A JP2018113027 A JP 2018113027A
- Authority
- JP
- Japan
- Prior art keywords
- sub
- deviation index
- abnormal state
- submodel
- model
- 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
- 238000000034 method Methods 0.000 title claims abstract description 129
- 238000003745 diagnosis Methods 0.000 title claims abstract description 57
- 230000005856 abnormality Effects 0.000 title abstract description 26
- 230000002159 abnormal effect Effects 0.000 claims abstract description 99
- 238000004519 manufacturing process Methods 0.000 claims abstract description 65
- 238000010586 diagram Methods 0.000 claims description 30
- 238000004364 calculation method Methods 0.000 description 12
- 238000012545 processing Methods 0.000 description 10
- 238000013459 approach Methods 0.000 description 9
- 229910000831 Steel Inorganic materials 0.000 description 7
- 239000010959 steel Substances 0.000 description 7
- 238000001514 detection method Methods 0.000 description 6
- 238000002405 diagnostic procedure Methods 0.000 description 4
- 238000010248 power generation Methods 0.000 description 4
- 238000012546 transfer Methods 0.000 description 4
- 239000000463 material Substances 0.000 description 3
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000032683 aging Effects 0.000 description 1
- 230000003466 anti-cipated effect Effects 0.000 description 1
- 239000000571 coke Substances 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 229910052742 iron Inorganic materials 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 229930014626 natural product Natural products 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- General Factory Administration (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
【解決手段】プロセスの異常状態診断方法は、正常状態からの逸脱指標を用いて異常状態を診断するものであり、逸脱指標に対して予め指定した条件を満たしたときに、サブモデルを、逸脱指標の高い順に所定の数だけ選択、または、予め設定した閾値以上のものを選択するサブモデル選択ステップと、サブモデル選択ステップで選択したサブモデルごとに、サブモデルを構成する説明変数を、影響係数の大きい順に所定の数だけ選択、または、予め設定した閾値以上のものを選択する説明変数選択ステップと、サブモデル選択ステップで選択したサブモデルおよび説明変数選択ステップで選択した説明変数に基づいて、プロセスの異常状態を診断するための関連情報を作成する関連情報作成ステップと、を含む。
【選択図】図2
Description
異常状態診断装置1は、鉄鋼設備等の製造設備の製造プロセス、発電設備の発電プロセス、搬送設備の搬送プロセス等の、種々のプロセスの異常状態を診断する装置であり、図1に示すように、入力部10と、出力部20と、外部装置30と、記憶部40と、制御部50と、を主な構成要素として備えている。なお、以下の説明では、鉄鋼プロセスのような製造プロセスに異常状態診断装置1を適用した例について、説明する。
本実施形態において、サブモデルとは、例えば製造前の材料の状態、製造前の設備の設定、製造中の設備の状態、製造中および/または製造後の製品の状態等の間の関係を示した数式のことを意味する。例えば、製造前の材料の状態、製造前の設備の設定状態、製造中の設備の状態等から、製造中および/または製造後の製品の状態を予測する順モデルとしての数式の他に、製造前の材料の状態、製造中の設備の状態、製造中および/または製造後の製品の状態等から、製造前の設備の設定は妥当だったのかを逆推定する逆モデルとしての数式といったように、相互に推定し合う様々な数式モデルが存在する。複数種類のサブモデルを構築することにより、製造プロセス等のプロセス全体で1つのモデルを構築するよりも異常状態の早期検知および原因推定が容易になる。
本実施形態において、逸脱指標とは、例えばサブモデルから算出される予測値と、これに対応する製造プロセス等のプロセスの実績値の差分値または比率、もしくはこれらを基に算出される値のことを意味する。逸脱指標は、前記した信頼度を組み合わせて算出される値であるとより好ましい。この場合の組み合わせ方法は、例えば「信頼度考慮ありの逸脱指標」=「信頼度考慮なしの逸脱指標×信頼度」等が考えられる。なお、逸脱指標は、監視したいタイミングの値であるのに対して、信頼度は、監視したいタイミングよりも以前の期間で評価された値であり、両者のタイミングは異なる。
以下、前記した異常状態診断装置1による異常状態診断方法について、図2〜図7を参照しながら説明する。異常状態診断方法は、正常操業時に得られたプロセスにおける複数種類の変数の実績値を用いて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サブモデルごとに算出される、プロセスの正常状態からの逸脱指標を用いて、プロセスの異常状態を診断する。前記した「プロセスの状態」には、例えば製造プロセスにおける製造中の製品の状態が含まれる。
10 入力部
20 出力部
30 外部装置
31 操業データベース(操業DB)
40 記憶部
41 サブモデルデータベース(サブモデルDB)
50 制御部
51 逸脱指標算出部
52 異常検知部
53 サブモデル決定部
54 関連情報作成部
Claims (10)
- 正常操業時に得られたプロセスにおける複数種類の変数の実績値を用いて前記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前記サブモデルごと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異常状態を診断するプロセスの異常状態診断方法であって、
前記逸脱指標に対して予め指定した条件を満たしたときに、前記サブモデルを、前記逸脱指標の高い順に所定の数だけ選択、または、予め設定した閾値以上のものを選択するサブモデル選択ステップと、
前記サブモデル選択ステップで選択した前記サブモデルごとに、前記サブモデルを構成する説明変数を、影響係数の大きい順に所定の数だけ選択、または、予め設定した閾値以上のものを選択する説明変数選択ステップと、
前記サブモデル選択ステップで選択した前記サブモデルおよび前記説明変数選択ステップで選択した前記説明変数に基づいて、前記プロセスの異常状態を診断するための関連情報を作成する関連情報作成ステップと、
を含むことを特徴とするプロセスの異常状態診断方法。 - 前記関連情報作成ステップは、前記サブモデル選択ステップで選択した前記サブモデルに対応する前記逸脱指標および/または前記逸脱指標に対応する目的変数と、前記説明変数選択ステップで選択した前記説明変数とに基づいて、前記関連情報を作成することを特徴とする請求項1に記載のプロセスの異常状態診断方法。
- 前記関連情報は、前記サブモデルに対応する変数の時系列チャート、および/または、前記サブモデルを構成する説明変数に関する散布図であることを特徴とする請求項1または請求項2に記載のプロセスの異常状態診断方法。
- 前記時系列チャートは、前記サブモデルに対応する前記逸脱指標および/または前記逸脱指標に対応する目的変数および/または前記サブモデルを構成する説明変数の時系列チャートを含み、
前記散布図は、
前記サブモデルに対応する前記逸脱指標、前記逸脱指標に対応する目的変数および/または前記サブモデルを構成する説明変数に関する散布図と、
前記逸脱指標に対応する目的変数および前記サブモデルを構成する説明変数に関する散布図と、
の少なくとも一方を含むことを特徴とする請求項3に記載のプロセスの異常状態診断方法。 - 前記プロセスの状態には製造プロセスにおける製造中の製品の状態が含まれることを特徴とする請求項1から請求項4のいずれか一項に記載のプロセスの異常状態診断方法。
- 正常操業時に得られたプロセスにおける複数種類の変数の実績値を用いて前記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前記サブモデルごと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異常状態を診断するプロセスの異常状態診断装置であって、
前記サブモデルを、前記逸脱指標の高い順に所定の数だけ選択、または、予め設定した閾値以上のものを選択し、選択した前記サブモデルごとに、前記サブモデルを構成する説明変数を、影響係数の大きい順に所定の数だけ選択、または、予め設定した閾値以上のものを選択するサブモデル決定部と、
前記サブモデル決定部で選択された前記サブモデルおよび前記説明変数に基づいて、前記プロセスの異常状態を診断するための関連情報を作成する関連情報作成部と、
を備えることを特徴とするプロセスの異常状態診断装置。 - 前記関連情報作成部は、前記サブモデル決定部で選択された、前記サブモデルに対応する前記逸脱指標および/または前記逸脱指標に対応する目的変数と、前記説明変数とに基づいて、前記関連情報を作成することを特徴とする請求項6に記載のプロセスの異常状態診断装置。
- 前記関連情報は、前記サブモデルに対応する変数の時系列チャート、および/または、前記サブモデルを構成する説明変数に関する散布図であることを特徴とする請求項6または請求項7に記載のプロセスの異常状態診断装置。
- 前記時系列チャートは、前記サブモデルに対応する前記逸脱指標および/または前記逸脱指標に対応する目的変数および/または前記サブモデルを構成する説明変数の時系列チャートを含み、
前記散布図は、
前記サブモデルに対応する前記逸脱指標、前記逸脱指標に対応する目的変数および/または前記サブモデルを構成する説明変数に関する散布図と、
前記逸脱指標に対応する目的変数および前記サブモデルを構成する説明変数に関する散布図と、
の少なくとも一方を含むことを特徴とする請求項8に記載のプロセスの異常状態診断装置。 - 前記プロセスの状態には製造プロセスにおける製造中の製品の状態が含まれることを特徴とする請求項6から請求項9のいずれか一項に記載のプロセスの異常状態診断装置。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017001849 | 2017-01-10 | ||
JP2017001849 | 2017-01-10 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2018113027A true JP2018113027A (ja) | 2018-07-19 |
JP6702297B2 JP6702297B2 (ja) | 2020-06-03 |
Family
ID=62911265
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2017242420A Active JP6702297B2 (ja) | 2017-01-10 | 2017-12-19 | プロセスの異常状態診断方法および異常状態診断装置 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6702297B2 (ja) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112070235A (zh) * | 2020-09-08 | 2020-12-11 | 北京小米松果电子有限公司 | 一种深度学习框架的异常定位方法、装置及存储介质 |
KR102276801B1 (ko) * | 2021-02-25 | 2021-07-14 | (주)알티엠 | 기계학습 기반 시계열 데이터 처리 방법 및 장치 |
US20220011738A1 (en) * | 2018-11-01 | 2022-01-13 | Nec Corporation | Process management device, process management method, and process management program storage medium |
JPWO2022149344A1 (ja) * | 2021-01-06 | 2022-07-14 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
JP2013235566A (ja) * | 2012-04-11 | 2013-11-21 | Jfe Steel Corp | 設定方法および設定装置 |
-
2017
- 2017-12-19 JP JP2017242420A patent/JP6702297B2/ja active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
JP2013235566A (ja) * | 2012-04-11 | 2013-11-21 | Jfe Steel Corp | 設定方法および設定装置 |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20220011738A1 (en) * | 2018-11-01 | 2022-01-13 | Nec Corporation | Process management device, process management method, and process management program storage medium |
CN112070235A (zh) * | 2020-09-08 | 2020-12-11 | 北京小米松果电子有限公司 | 一种深度学习框架的异常定位方法、装置及存储介质 |
JPWO2022149344A1 (ja) * | 2021-01-06 | 2022-07-14 | ||
WO2022149344A1 (ja) * | 2021-01-06 | 2022-07-14 | Jfeスチール株式会社 | 品質異常解析方法、金属材料の製造方法および品質異常解析装置 |
JP7251687B2 (ja) | 2021-01-06 | 2023-04-04 | Jfeスチール株式会社 | 品質異常解析方法、金属材料の製造方法および品質異常解析装置 |
TWI808540B (zh) * | 2021-01-06 | 2023-07-11 | 日商Jfe鋼鐵股份有限公司 | 品質異常解析方法、金屬材料之製造方法以及品質異常解析裝置 |
KR102276801B1 (ko) * | 2021-02-25 | 2021-07-14 | (주)알티엠 | 기계학습 기반 시계열 데이터 처리 방법 및 장치 |
Also Published As
Publication number | Publication date |
---|---|
JP6702297B2 (ja) | 2020-06-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7504163B2 (ja) | 異常予知装置、異常予知システム、異常予知方法及び異常予知プログラム | |
US11521105B2 (en) | 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 | |
Moghaddass et al. | An integrated framework for online diagnostic and prognostic health monitoring using a multistate deterioration process | |
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 | |
KR102355777B1 (ko) | 프로세스의 이상 상태 진단 장치 및 이상 상태 진단 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 | |
JP6364800B2 (ja) | 監視装置及び監視方法 | |
WO2019142331A1 (ja) | 障害予測システムおよび障害予測方法 | |
JP6933899B2 (ja) | プラント運転支援装置、プラント運転支援方法、及びプラント運転支援プログラム | |
TWI663510B (zh) | 設備保養預測系統及其操作方法 | |
JP7077553B2 (ja) | 品質管理装置 | |
JP6708203B2 (ja) | 情報処理装置、情報処理方法、及び、プログラム | |
KR102408426B1 (ko) | 설비 노화 지수를 이용한 이상 감지 방법 및 장치 | |
JP2017194341A (ja) | 異常診断方法、異常診断装置、及び異常診断プログラム | |
JP6981113B2 (ja) | 情報処理装置および情報処理方法 | |
TWI756628B (zh) | 營運評估裝置、營運評估方法、及程式 | |
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 | |
TWI710873B (zh) | 支援裝置、學習裝置以及廠房運轉條件設定支援系統 | |
Wang | Modelling the probability assessment of system state prognosis using available condition monitoring information | |
JP6885321B2 (ja) | プロセスの状態診断方法及び状態診断装置 | |
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 | |
JP6579163B2 (ja) | プロセスの状態診断方法及び状態診断装置 | |
JP6733656B2 (ja) | 情報処理装置、情報処理システム、プラントシステム、情報処理方法、及び、プログラム | |
JP6247777B2 (ja) | 異常診断装置および異常診断方法 | |
JP7223947B2 (ja) | 製造条件計算装置、製造条件計算方法及び製造条件計算プログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20180824 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20190702 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20190628 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20190829 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20200114 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20200218 |
|
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: 20200407 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20200420 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6702297 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 |