JP2018205890A - 状態監視装置、状態監視方法及びプログラム - Google Patents

状態監視装置、状態監視方法及びプログラム Download PDF

Info

Publication number
JP2018205890A
JP2018205890A JP2017108040A JP2017108040A JP2018205890A JP 2018205890 A JP2018205890 A JP 2018205890A JP 2017108040 A JP2017108040 A JP 2017108040A JP 2017108040 A JP2017108040 A JP 2017108040A JP 2018205890 A JP2018205890 A JP 2018205890A
Authority
JP
Japan
Prior art keywords
image data
detection information
dimensional image
abnormality
frame
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
Application number
JP2017108040A
Other languages
English (en)
Other versions
JP6298562B1 (ja
Inventor
井 清一郎 坂
Seiichiro Sakai
井 清一郎 坂
原 康 宏 猶
Yasuhiro Naohara
原 康 宏 猶
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shinwa Controls Co Ltd
Original Assignee
Shinwa Controls Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Priority to JP2017108040A priority Critical patent/JP6298562B1/ja
Application filed by Shinwa Controls Co Ltd filed Critical Shinwa Controls Co Ltd
Publication of JP6298562B1 publication Critical patent/JP6298562B1/ja
Application granted granted Critical
Priority to CN201880003970.3A priority patent/CN109844667B/zh
Priority to KR1020197012035A priority patent/KR102170205B1/ko
Priority to US16/328,528 priority patent/US11156532B2/en
Priority to EP18809162.3A priority patent/EP3633477A4/en
Priority to PCT/JP2018/020409 priority patent/WO2018221469A1/ja
Priority to TW107118597A priority patent/TWI724305B/zh
Publication of JP2018205890A publication Critical patent/JP2018205890A/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F11/00—Control or safety arrangements
    • F24F11/30—Control or safety arrangements for purposes related to the operation of the system, e.g. for safety or monitoring
    • F24F11/49—Control or safety arrangements for purposes related to the operation of the system, e.g. for safety or monitoring ensuring correct operation, e.g. by trial operation or configuration checks
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F11/00—Control or safety arrangements
    • F24F11/30—Control or safety arrangements for purposes related to the operation of the system, e.g. for safety or monitoring
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F11/00—Control or safety arrangements
    • F24F11/30—Control or safety arrangements for purposes related to the operation of the system, e.g. for safety or monitoring
    • F24F11/32—Responding to malfunctions or emergencies
    • F24F11/38—Failure diagnosis
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F11/00—Control or safety arrangements
    • F24F11/50—Control or safety arrangements characterised by user interfaces or communication
    • F24F11/52—Indication arrangements, e.g. displays
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F11/00—Control or safety arrangements
    • F24F11/62—Control or safety arrangements characterised by the type of control or by internal processing, e.g. using fuzzy logic, adaptive control or estimation of values
    • F24F11/63—Electronic processing
    • 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
    • G01M99/005—Testing of complete machines, e.g. washing-machines or mobile phones
    • 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
    • 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
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
    • G05B23/0224—Process history based detection method, e.g. whereby history implies the availability of large amounts of data
    • G05B23/024—Quantitative history assessment, e.g. mathematical relationships between available data; Functions therefor; Principal component analysis [PCA]; Partial least square [PLS]; Statistical classifiers, e.g. Bayesian networks, linear regression or correlation analysis; Neural networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T1/00—General purpose image data processing
    • G06T1/20—Processor architectures; Processor configuration, e.g. pipelining
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/20—Drawing from basic elements, e.g. lines or circles
    • G06T11/206—Drawing of charts or graphs
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F2140/00—Control inputs relating to system states
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F25—REFRIGERATION OR COOLING; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS; MANUFACTURE OR STORAGE OF ICE; LIQUEFACTION SOLIDIFICATION OF GASES
    • F25B—REFRIGERATION MACHINES, PLANTS OR SYSTEMS; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS
    • F25B2700/00—Sensing or detecting of parameters; Sensors therefor
    • F25B2700/15—Power, e.g. by voltage or current
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F25—REFRIGERATION OR COOLING; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS; MANUFACTURE OR STORAGE OF ICE; LIQUEFACTION SOLIDIFICATION OF GASES
    • F25B—REFRIGERATION MACHINES, PLANTS OR SYSTEMS; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS
    • F25B2700/00—Sensing or detecting of parameters; Sensors therefor
    • F25B2700/19—Pressures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/08—Feature extraction
    • G06F2218/10—Feature extraction by analysing the shape of a waveform, e.g. extracting parameters relating to peaks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • Mechanical Engineering (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Signal Processing (AREA)
  • Mathematical Physics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Fuzzy Systems (AREA)
  • Automation & Control Theory (AREA)
  • Human Computer Interaction (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Quality & Reliability (AREA)
  • Medical Informatics (AREA)
  • Computing Systems (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Biology (AREA)
  • Testing And Monitoring For Control Systems (AREA)
  • Air Conditioning Control Device (AREA)
  • Image Analysis (AREA)

Abstract

【課題】連続的に検出される情報の異常又は異常の前兆を効率的に且つ精度良く判定する。【解決手段】本発明に係る状態監視装置は、連続的に検出される検出情報を取得する情報取得部と、検出情報を所定の時間間隔毎にフレームＦで区切り、横軸を時間軸、縦軸を検出情報の大きさ又は量を示す軸として、フレームＦ内の複数の検出情報の分布を表す二次元画像データをフレームＦ単位で生成する画像データ生成部と、順次生成される二次元画像データに基づく機械学習を実行し、二次元画像データが異常又は異常の前兆を示すものであるか否かを判定するための正解ラベルを生成するとともに、正解ラベルに該当する二次元画像データが生成された際に異常又は異常の前兆が発生したものと判定する状態検出部と、を備える。【選択図】図４

Description

本発明は、例えば長期間にわたって運転される空気調和装置やチラー装置の状態を監視する際に用いて好適な状態監視装置、状態監視方法及びプログラムに関する。
長期間にわたって運転される装置の一例として、半導体製造設備に設置される空気調和装置やチラー装置等を挙げることができる。このうちの空気調和装置は、通常、圧縮機、凝縮器、膨張弁及び蒸発器を有する冷凍回路と、当該冷凍回路の蒸発器によって冷却される空気を通流させる送風機と、を備えている。この種の空気調和装置では、多くの場合、モータ駆動式の圧縮機及び送風機が用いられ、モータはインバータから電流を供給されて回転駆動する。またチラー装置は、液体を通流させるためのポンプを備え、このようなポンプも、多くの場合、モータ駆動式のポンプである。この場合も、モータはインバータから電流を供給されて回転駆動する。
空気調和装置やチラー装置が半導体製造設備に用いられる場合に、その構成部品に不意に異常が発生した際には、特に空気を通流させるための空気調和装置の送風機が故障した際には、半導体製造設備における製造条件が急激に変化し得るため、製造中の製品に多大な影響が生じ、著しく歩留まりが低下する虞がある。したがって、このような空気調和装置やチラー装置においては、異常検出機能を持たせることが望ましい。例えばインバータは、通常、供給する電流が何らかの原因で定格電流よりも大きくなった際に、異常を通知し、必要に応じて電力供給を停止する機能を有している。簡易的には、このような機能を利用することで、空気調和装置やチラー装置に異常検出機能を持たせることができる。このような異常検出に関連する技術は、従来から種々提案されている（例えば特許文献１参照）。
特開２０１２−１５９２７０号公報
近時、各種の分野で人工知能（ＡＩ）の活用が期待されており、本件出願人は、上述したような空気調和装置やチラー装置の異常による損害を未然に防ぐために、人工知能の利用によって異常の前兆を検出可能とすることを検討している。人工知能を活用すれば、空気調和装置やチラー装置の運転時の情報が多く蓄積されるほど、異常の前兆の検出精度を向上させることが可能となるものと考えられる。
しかしながら、異常の前兆を十分な精度で検出するためには、多くの情報を人工知能に入力して学習させる必要があり、特に圧縮機、送風機へ供給される電流等を収集する場合には、検出される電流の波形が多くのノイズ成分が含み且つ人工知能にとって処理し難い情報とも考えられることから、検出精度の確保のために膨大な時間及び情報が必要となることが想定される。このように膨大な情報の処理が必要な場合には、大規模な情報処理装置が必要となって、製造コストが過剰となり、実際上の利用に支障が生じる虞がある。
本発明は、このような実情を考慮してなされたものであって、連続的に検出される情報の異常又は異常の前兆を効率的に且つ精度良く判定することができる状態監視装置、状態監視方法及びプログラムを提供することを目的とする。
本発明に係る状態監視装置は、連続的に検出される検出情報を取得する情報取得手段と、前記情報取得手段によって取得される前記検出情報を所定の時間間隔毎にフレームで区切り、横軸を時間軸、縦軸を前記検出情報の大きさ又は量を示す軸として、前記フレーム内の複数の前記検出情報の分布を表す二次元画像データを前記フレーム単位で生成する画像データ生成手段と、前記画像データ生成手段によって順次生成される前記二次元画像データに基づく機械学習を実行し、前記二次元画像データが異常又は異常の前兆を示すものであるか否かを判定するための正解ラベルを生成するとともに、前記正解ラベルに該当する前記二次元画像データが生成された際に前記検出情報に異常又は異常の前兆が発生したものと判定する状態検出手段と、を備える。
本発明に係る状態監視装置において、前記画像データ生成手段は、前記フレーム内で互いに隣り合う前記検出情報を順次線分で結んだ折れ線グラフを表す画像データを、前記二次元画像データとして生成するようになっていてもよい。
また本発明に係る状態監視装置において、前記画像データ生成手段は、前記検出情報を互いに隣り合って連続する２つの前記フレームによって区切り、２つの前記フレームのうちの最初のフレームが次のフレームに重なるように位置するまで、前記最初のフレームを前記検出情報の検出間隔単位で順次ずらし、ずらす前の位置及びずらされた際の各位置における前記検出情報の最大値及び最小値を抽出し、抽出した前記最大値及び前記最小値を検出タイミングの早いものから順に前記最初のフレーム内に時系列に並べて、複数の前記最大値を折れ線状に結んだ境界線と複数の前記最小値を折れ線状に結んだ境界線との間の領域をそれ以外の領域とは異なるように帯状に表す画像データを生成し、当該画像データを前記最初のフレームに対応する前記二次元画像データとしてもよい。
また本発明に係る状態監視装置において、前記画像データ生成手段は、前記検出情報を互いに隣り合って連続する２つの前記フレームによって区切り、これらフレームの各々において、前記検出情報の最大値及び最小値を抽出し、２つの前記フレームのうちの最初のフレームの横軸の前端に当該最初のフレームにおける前記検出情報の最大値及び最小値をセットするとともに、前記最初のフレームの横軸の後端に次のフレームにおける前記検出情報の最大値及び最小値をセットし、最大値同士を線分で結んだ境界線と最小値同士を線分で結んだ境界線との間の領域をそれ以外の領域とは異なるように帯状に表す画像データを生成し、当該画像データを前記最初のフレームに対応する前記二次元画像データとしてもよい。
また本発明に係る状態監視装置において、前記画像データ生成手段は、数値で表現した際の前記検出情報のうちの最小値の整数部分が１よりも大きい場合に、前記最小値の整数部分が０となるように、前記検出情報のそれぞれから所定の数値を引く処理を行い、引き算後の各情報に基づき前記二次元画像データを生成するようになっていてもよい。
また本発明に係る状態監視装置において、前記検出情報は、空気調和装置を構成する冷凍回路の圧縮機に供給される電流の電流値、冷凍回路内を循環する冷媒の圧力値、又は冷凍回路の膨張弁の加速度値、空気調和装置を構成する送風機に供給される電流の電流値、あるいは液体を送水するためのポンプに供給される電流の電流値であってもよい。
また本発明に係る状態監視装置において、前記画像データ生成手段は、前記検出情報の集合を折れ線状に結んで周波数解析し、ピークと評価される周波数成分の周期を前記フレームの横軸に関する幅としてもよい。
また、本発明に係る状態監視方法は、連続的に検出される検出情報を取得する情報取得ステップと、前記情報取得ステップにおいて取得される前記検出情報を所定の時間間隔毎にフレームで区切り、横軸を時間軸、縦軸を前記検出情報の大きさ又は量を示す軸として、前記フレーム内の複数の前記検出情報の分布を表す二次元画像データを前記フレーム単位で生成する画像データ生成ステップと、前記画像データ生成ステップによって順次生成される前記二次元画像データに基づく機械学習を実行し、前記二次元画像データが異常又は異常の前兆を示すものであるか否かを判定するための正解ラベルを生成するとともに、前記正解ラベルに該当する前記二次元画像データが生成された際に前記検出情報に異常又は異常の前兆が発生したものと判定する状態検出ステップと、を備える。
また、本発明に係るプログラムは、連続的に検出される検出情報を取得する情報取得ステップと、前記情報取得ステップにおいて取得される前記検出情報を所定の時間間隔毎にフレームで区切り、横軸を時間軸、縦軸を前記検出情報の大きさ又は量を示す軸として、前記フレーム内の複数の前記検出情報の分布を表す二次元画像データを前記フレーム単位で生成する画像データ生成ステップと、前記画像データ生成ステップによって順次生成される前記二次元画像データに基づく機械学習を実行し、前記二次元画像データが異常又は異常の前兆を示すものであるか否かを判定するための正解ラベルを生成するとともに、前記正解ラベルに該当する前記二次元画像データが生成された際に前記検出情報に異常又は異常の前兆が発生したものと判定する状態検出ステップと、をコンピュータに実行させるためプログラム、である。
本発明によれば、連続的に検出される情報の異常又は異常の前兆を効率的に且つ精度良く判定することができるようになる。
本発明の一実施の形態に係る状態監視装置と、状態監視装置の監視対象である温度制御装置とを示した図である。 図１に示す状態監視装置の機能構成図である。 図１に示す状態監視装置の状態監視動作を説明するフローチャートである。 図３に示す状態監視動作における画像データ生成ステップを説明する概念図である。 図３に示す状態監視動作における画像データ生成ステップを説明する概念図である。 図３に示す状態監視動作における画像データ生成ステップを説明する概念図である。 変形例に係る状態監視動作における画像データ生成ステップを説明する概念図である。 他の変形例に係る状態監視動作における画像データ生成ステップを説明する概念図である。
以下、本発明の一実施の形態について説明する。
図１は、本発明の一実施の形態に係る状態監視装置１と、状態監視装置１の監視対象である温度制御装置１００とを示している。
温度制御装置１００は、冷凍回路１０１と、送風機１１０と、液体温調装置１２０と、これら各部を制御するコントローラ１３０と、を有している。冷凍回路１０１及び送風機１１０は空気調和装置を構成しており、冷凍回路１０１では、圧縮機１０２、凝縮器１０３、膨張弁１０４及び蒸発器１０５が、この順に冷媒を循環させるように配管によって接続されている。送風機１１０は、モータによってファンを回転駆動することで、蒸発器１０５によって冷却された空気を搬送する。送風機１１０はインバータ１１１に電気的に接続され、インバータ１１１はコントローラ１３０に電気的に接続されている。インバータ１１１は、コントローラ１３０からの指令に応じて送風機１１０のモータに所定の周波数で電流を供給し、これにより送風機１１０が駆動される。この際、本実施の形態では、インバータ１１１の供給電流がコントローラ１３０の記録部１３１に入力されるようになっている。
また液体温調装置１２０は、モータによって回転駆動されるポンプを有し、ポンプの回転駆動によって例えばブラインを循環させるようになっている。液体温調装置１２０はインバータ１２１に電気的に接続され、インバータ１２１はコントローラ１３０に電気的に接続されている。インバータ１２１は、コントローラ１３０からの指令に応じて液体温調装置１２０のモータに所定の周波数で電流を供給し、これにより液体温調装置１２０のポンプが駆動される。この際、本実施の形態では、インバータ１２１の供給電流がコントローラ１３０の記録部１３１に入力されるようになっている。またコントローラ１３０は、上述した記録部１３１、記録部１３１に記録された情報を外部に出力するための出力部１３２、インバータ１１１，１２１や圧縮機１０２等への指令を演算する各種演算部等を有している。コントローラ１３０は、例えばＣＰＵ、ＲＯＭ、ＲＡＭ等を有して構成される。
状態監視装置１は、所謂サーバであり、例えばＣＰＵ、ＲＯＭ、ＲＡＭ等を有して構成されている。状態監視装置１は、温度制御装置１００に中継端末２０及びネットワーク３０を介して接続されている。中継端末２０は、例えば近距離無線通信によりコントローラ１３０の出力部１３２と通信可能な装置であり、連続的に検出される温度制御装置１００の情報、例えばインバータ１１１がモータに供給する供給電流の値等を出力部１３２から受信可能となっている。中継端末２０は、パーソナルコンピュータ、タブレット型コンピュータ、スマートフォン等であってもよい。またネットワーク３０は、インターネットであってもよいし、ローカルエリアネットワークであってもよい。
なお本実施の形態では、状態監視装置１が中継端末２０を介して温度制御装置１００のコントローラ１３０から情報を取得するが、状態監視装置１は、コントローラ１３０からネットワーク３０のみを介して情報を取得してもよい。
図２には、状態監視装置１の機能構成図が示されている。図２に示すように、状態監視装置１は、連続的に検出される検出情報（例えばインバータ１１１がモータに供給する供給電流の値等）を取得する情報取得部１１と、情報取得部１１によって取得される検出情報に基づき二次元画像データを生成する画像データ生成部１２と、画像データ生成部１２が生成した二次元画像データに基づき機械学習および異常に関する判定を行う状態検出部１３と、を有している。なお本例において、情報取得部１１、画像データ生成部１２及び状態検出部１３による各処理は、ＣＰＵがＲＯＭに格納されたプログラムをＲＡＭに展開して実行することでなされる。
画像データ生成部１２は、情報取得部１１によって取得される検出情報を所定の時間間隔毎にフレームＦで区切り、横軸を時間軸、縦軸を検出情報の大きさ又は量を示す軸として、フレームＦ内の複数の検出情報の分布を表す二次元画像データをフレームＦ単位で生成するものである。具体的に本実施の形態においては、フレームＦ内で互いに隣り合う検出情報を順次線分で結んだ折れ線グラフを表す画像データが、二次元画像データとして生成される。
また状態検出部１３は、画像データ生成部１２によって順次生成される二次元画像データに基づく機械学習を実行し、二次元画像データが異常又は異常の前兆を示すものであるか否かを判定するための正解ラベルを生成するとともに、予め記録された又は新たに生成された正解ラベルに該当する二次元画像データが生成された際に検出情報に異常又は異常の前兆が発生したものと判定するものである。詳しくは、本実施の形態における状態検出部１３は、人工知能によるアルゴリズムを利用した機械学習を実行し、二次元画像データが異常又は異常の前兆を示すものであるか否かを判定するための正解ラベルを生成するとともに、二次元画像データと正解ラベルとを対比して温度制御装置１００に異常が生じたか否か及び／又は異常の前兆が生じたか否かを判定するようになっている。本実施の形態においては、人工知能によるアルゴリズム（ソフトウェア）として、ＰＮＦ社が開発した「Ｃｈａｉｎｅｒ」が採用されるが、他のアルゴリズムが採用されてもよい。
次に図３は、状態監視装置１の状態監視動作を説明するフローチャートであり、図４乃至図６はそれぞれ、状態監視動作の画像データ生成ステップを説明する概念図である。以下、状態監視装置１による状態監視動作について図３乃至図６を参照しつつ説明する。ここでは、インバータ１１１が送風機１１０に供給する供給電流の値に基づき、送風機１１０の異常又は異常の前兆の検出動作を行った例を説明する。
本実施の形態では、まず、ステップＳ１において、温度制御装置１００におけるコントローラ１３０の記録部１３１が、連続的に検出される検出情報を記録し、具体的にはインバータ１１１が送風機１１０に供給する供給電流の値が記録される。
次いでステップＳ２において、状態監視装置１の情報取得部１１が、記録部１３１に記録されたインバータ１１１の供給電流の値をコントローラ１３０の出力部１３２から、中継端末２０及びネットワーク３０を介して取得する。
次いでステップＳ３においては、画像データ生成部１２が、情報取得部１１によって取得されたインバータ１１１の供給電流の値を所定の時間間隔毎にフレームＦで区切り、横軸を時間軸、縦軸を供給電流の値の大きさを示す軸として、フレームＦ内の複数の供給電流の値の分布を表す二次元画像データをフレーム単位で生成する。
図４は、ステップＳ３で行われる画像データ生成部１２による画像データ生成処理を概念的に示した図である。情報取得部１１によって取得される供給電流の集合は、画像として表現すると、図４の左側の領域に示されるように、例えば波形のような状態となる。画像データ生成部１２は、このような供給電流を、図４の右側の領域に示されるように、所定の時間間隔毎にフレームＦで分割し、フレームＦ内の複数の供給電流の値の分布を表す二次元画像データをフレーム単位で生成していく。
フレームＦの横軸に関する幅は、各フレームＦ内の供給電流を画像として表現した際に、各フレーム内の画像が形状に関して互いに同じような傾向となるように規定されており、このようなフレームＦの幅は、予め行った波形の観察に基づいて定めてもよいし、解析的に定めてもよい。本実施の形態では、インバータ１１１の供給電流の集合を折れ線状に結んで周波数解析し、ピークと評価される周波数成分の周期をフレームＦの横軸に関する幅としている。本実施の形態では、このような周波数解析の処理が、画像データ生成部１２の処理が行われる前の運転において行われている。
また本実施の形態では、図５に示すグラフにおけるＡの欄において破線の矩形の枠で囲った値（２６．８５）に示すように、数値で表現した際のインバータ１１１の供給電流のうちの最小値の整数部分が１よりも大きい場合に、画像データ生成部１２が、この最小値の整数部分が０となるように、インバータ１１１の供給電流のそれぞれから所定の数値、本例では「２６」を引く処理を行う。そして、その後の数値を用いて二次元画像データを生成するようになっている。これにより、インバータ１１１の供給電流の値を示す際及び供給電流を画像データで表す際に用いるビット数の削減が図られる。具体的には、図６に示すように、サイズが抑制された画像データとして二次元画像データを生成することが可能となる。
次いでステップＳ４においては、状態検出部１３が、図６に示すように画像データ生成部１２によって生成された二次元画像データを取得して、順次生成される二次元画像データに基づく機械学習を実行し、二次元画像データが異常又は異常の前兆を示すものであるか否かを判定するための正解ラベルを生成するとともに、正解ラベルに該当する二次元画像データが生成された際に送風機１１０に異常又は異常の前兆が発生したものと判定する。状態検出部１３が行う機械学習に基づく正解ラベルの生成処理は、二次元画像データを順次蓄積して特徴抽出学習を行い、正解ラベルを導く教師無し学習であってもよいし、予め代表的な正解ラベルを教師データとして記録しておき、このような正解ラベルを基準に分類学習を実行させ、新たな正解ラベルを生成する教師有り学習であってもよい。
以上に説明した本実施の形態に係る状態監視装置１によれば、連続的に検出される情報を表す画像データをフレーム単位で利用することで、連続的に検出される情報（本実施の形態では送風機１１０への供給電流の値）の異常又は異常の前兆を効率的に且つ精度良く判定することができるようになる。なお、本実施の形態では、情報取得部１１が、検出情報として、空気調和装置を構成する送風機１１０に供給される電流の電流値を取得する。しかしながら、情報取得部１１は、空気調和装置を構成する冷凍回路１０１の圧縮機１０２に供給される電流の電流値、冷凍回路１０１内を循環する冷媒の圧力値、又は冷凍回路１０１の膨張弁１０４の加速度値、あるいは液体を送水するためのポンプに供給される電流の電流値を、検出情報として取得してもよい。なお膨張弁１０４の加速度値とは、膨張弁１０４の弁体部分の加速度値、つまり振動時の加速度値を意味する。
（変化例１）
次に変形例１について説明する。変形例１では、画像データ生成部１２の処理が上述の実施の形態と異なっている。変形例１に係る画像データ生成部１２は、まず、検出情報（電流値）を互いに隣り合って連続する２つのフレームＦによって区切り、２つのフレームＦのうちの最初のフレームＦが次のフレームＦに重なるように位置するまで、最初のフレームＦを検出情報の検出間隔単位で順次ずらし、ずらす前の位置及びずらされた際の各位置における検出情報の最大値及び最小値を抽出する。次いで、抽出した最大値及び最小値を検出タイミングの早いものから順に最初のフレームＦ内に時系列に並べる。そして、複数の最大値を折れ線状に結んだ境界線と複数の最小値を折れ線状に結んだ境界線との間の領域をそれ以外の領域とは異なるように帯状に表す画像データを生成し、当該画像データを最初のフレームＦに対応する二次元画像データとして生成する。
図７は、変形例１に係る画像データ生成ステップを概念的に説明する図である。「２つのフレームＦのうちの最初のフレームＦが次のフレームＦに重なるように位置するまで、最初のフレームＦを検出情報の検出間隔単位で順次ずらす」とは、図７におけるＦ（１）、Ｆ（２）、Ｆ（３）・・・Ｆ（Ｌａｓｔ）に示すように、検出情報を区切るフレームＦの範囲を順次、後方側にずらすことを意味する。最初のフレームＦは、Ｆ（１）に対応し、上述の次のフレームＦは、Ｆ（Ｌａｓｔ）に対応する。本変形例では、このようなずらしの処理が、フレームＦ（１）がフレームＦ（Ｌａｓｔ）に重なるように位置するまで行われる。そしてＦ（１）、Ｆ（２）、Ｆ（３）・・・Ｆ（Ｌａｓｔ）の各位置で、検出情報の最大値（Ｍａｘ）及び最小値（Ｍｉｎ）が抽出される。そして、図７の下側の領域に示すように、抽出した最大値及び最小値が、検出タイミングの早いものから順に最初のフレームＦ（１）内に時系列に並べられ、この際、もともとの検出情報がクリア（消去）される。そして、複数の最大値を折れ線状に結んだ境界線と複数の最小値を折れ線状に結んだ境界線とを形成し、２つの境界線の間の領域をそれ以外の領域とは異なるように帯状に表す画像データが、当初、検出情報を区切った互いに隣り合って連続する２つのフレームＦのうちの最初のフレームＦに対応する二次元画像データとして生成される。
以上のようにして生成された二次元画像データでは、ノイズ成分が抑制されるため、変形例１によれば、状態検出部１３の演算時間の短縮化を図ることができる。
（変形例２）
次に変形例２について説明する。変形例２では、画像データ生成部１２の処理が上述の実施の形態及び変形例１と異なっている。図８は、変形例２に係る画像データ生成ステップを概念的に説明する図である。図８を参照し、変形例２に係る画像データ生成部１２は、まず、検出情報（電流値）を互いに隣り合って連続する２つのフレームにＦ，Ｆよって区切り、これらフレームＦ，Ｆの各々において、検出情報の最大値Ｍａｘ（１），Ｍａｘ（２）及び最小値Ｍｉｎ（１），Ｍｉｎ（２）を抽出する。そして、隣り合うフレームＦ，Ｆのうちの最初のフレームＦの横軸の前端に当該最初のフレームにおける検出情報の最大値Ｍａｘ（１）及び最小値Ｍｉｎ（１）をセットするとともに、最初のフレームＦの横軸の後端に次のフレームＦにおける検出情報の最大値Ｍａｘ（２）及び最小値Ｍｉｎ（２）をセットする。そして、最大値同士を線分で結んだ境界線と最小値同士を線分で結んだ境界線との間の領域をそれ以外の領域とは異なるように帯状に表す画像データを、最初のフレームＦに対応する二次元画像データとして生成する。
以上のようにして生成された二次元画像データにおいても、ノイズ成分が抑制されるため、変形例１によれば、状態検出部１３の演算時間の短縮化を図ることができる。
以上、本発明の実施の形態を説明したが、本発明は上述の実施の形態及び変形例に限定されるものではなく、上述の実施の形態及び変形例においては、さらなる各種の変更が行われてもよい。
１…状態監視装置
１１…情報取得部
１２…画像データ生成部
１３…状態検出部
２０…中継端末
３０…ネットワーク
１００…温度制御装置
１０１…冷凍回路
１０２…圧縮機
１０３…凝縮器
１０４…膨張弁
１０５…蒸発器
１１０…送風機
１１１…インバータ
１２０…液体温調装置
１２１…インバータ
１３０…コントローラ
１３１…記録部
１３２…出力部
しかしながら、異常の前兆を十分な精度で検出するためには、多くの情報を人工知能に入力して学習させる必要があり、特に圧縮機、送風機へ供給される電流等を収集する場合には、検出される電流の波形が多くのノイズ成分を含み且つ人工知能にとって処理し難い情報とも考えられることから、検出精度の確保のために膨大な時間及び情報が必要となることが想定される。このように膨大な情報の処理が必要な場合には、大規模な情報処理装置が必要となって、製造コストが過剰となり、実際上の利用に支障が生じる虞がある。

Claims (9)

  1. 連続的に検出される検出情報を取得する情報取得手段と、
    前記情報取得手段によって取得される前記検出情報を所定の時間間隔毎にフレームで区切り、横軸を時間軸、縦軸を前記検出情報の大きさ又は量を示す軸として、前記フレーム内の複数の前記検出情報の分布を表す二次元画像データを前記フレーム単位で生成する画像データ生成手段と、
    前記画像データ生成手段によって順次生成される前記二次元画像データに基づく機械学習を実行し、前記二次元画像データが異常又は異常の前兆を示すものであるか否かを判定するための正解ラベルを生成するとともに、前記正解ラベルに該当する前記二次元画像データが生成された際に前記検出情報に異常又は異常の前兆が発生したものと判定する状態検出手段と、を備えることを特徴とする状態監視装置。
  2. 前記画像データ生成手段は、前記フレーム内で互いに隣り合う前記検出情報を順次線分で結んだ折れ線グラフを表す画像データを、前記二次元画像データとして生成する、ことを特徴とする請求項１に記載の状態監視装置。
  3. 前記画像データ生成手段は、前記検出情報を互いに隣り合って連続する２つの前記フレームによって区切り、２つの前記フレームのうちの最初のフレームが次のフレームに重なるように位置するまで、前記最初のフレームを前記検出情報の検出間隔単位で順次ずらし、ずらす前の位置及びずらされた際の各位置における前記検出情報の最大値及び最小値を抽出し、抽出した前記最大値及び前記最小値を検出タイミングの早いものから順に前記最初のフレーム内に時系列に並べて、複数の前記最大値を折れ線状に結んだ境界線と複数の前記最小値を折れ線状に結んだ境界線との間の領域をそれ以外の領域とは異なるように帯状に表す画像データを生成し、当該画像データを前記最初のフレームに対応する前記二次元画像データとする、ことを特徴とする請求項１に記載の状態監視装置。
  4. 前記画像データ生成手段は、前記検出情報を互いに隣り合って連続する２つの前記フレームによって区切り、これらフレームの各々において、前記検出情報の最大値及び最小値を抽出し、２つの前記フレームのうちの最初のフレームの横軸の前端に当該最初のフレームにおける前記検出情報の最大値及び最小値をセットするとともに、前記最初のフレームの横軸の後端に次のフレームにおける前記検出情報の最大値及び最小値をセットし、最大値同士を線分で結んだ境界線と最小値同士を線分で結んだ境界線との間の領域をそれ以外の領域とは異なるように帯状に表す画像データを生成し、当該画像データを前記最初のフレームに対応する前記二次元画像データとする、ことを特徴とする請求項１に記載の状態監視装置。
  5. 前記画像データ生成手段は、数値で表現した際の前記検出情報のうちの最小値の整数部分が１よりも大きい場合に、前記最小値の整数部分が０となるように、前記検出情報のそれぞれから所定の数値を引く処理を行い、引き算後の各情報に基づき前記二次元画像データを生成する、ことを特徴とする請求項１乃至４のいずれかに記載の状態監視装置。
  6. 前記検出情報は、空気調和装置を構成する冷凍回路の圧縮機に供給される電流の電流値、冷凍回路内を循環する冷媒の圧力値、又は冷凍回路の膨張弁の加速度値、空気調和装置を構成する送風機に供給される電流の電流値、あるいは液体を送水するためのポンプに供給される電流の電流値である、ことを特徴とする請求項１乃至５のいずれかに記載の状態監視装置。
  7. 前記画像データ生成手段は、前記検出情報の集合を折れ線状に結んで周波数解析し、ピークと評価される周波数成分の周期を前記フレームの横軸に関する幅とする、ことを特徴とする請求項１乃至６のいずれかに記載の状態監視装置。
  8. 連続的に検出される検出情報を取得する情報取得ステップと、
    前記情報取得ステップにおいて取得される前記検出情報を所定の時間間隔毎にフレームで区切り、横軸を時間軸、縦軸を前記検出情報の大きさ又は量を示す軸として、前記フレーム内の複数の前記検出情報の分布を表す二次元画像データを前記フレーム単位で生成する画像データ生成ステップと、
    前記画像データ生成ステップによって順次生成される前記二次元画像データに基づく機械学習を実行し、前記二次元画像データが異常又は異常の前兆を示すものであるか否かを判定するための正解ラベルを生成するとともに、前記正解ラベルに該当する前記二次元画像データが生成された際に前記検出情報に異常又は異常の前兆が発生したものと判定する状態検出ステップと、を備えることを特徴とする状態監視方法。
  9. 連続的に検出される検出情報を取得する情報取得ステップと、
    前記情報取得ステップにおいて取得される前記検出情報を所定の時間間隔毎にフレームで区切り、横軸を時間軸、縦軸を前記検出情報の大きさ又は量を示す軸として、前記フレーム内の複数の前記検出情報の分布を表す二次元画像データを前記フレーム単位で生成する画像データ生成ステップと、
    前記画像データ生成ステップによって順次生成される前記二次元画像データに基づく機械学習を実行し、前記二次元画像データが異常又は異常の前兆を示すものであるか否かを判定するための正解ラベルを生成するとともに、前記正解ラベルに該当する前記二次元画像データが生成された際に前記検出情報に異常又は異常の前兆が発生したものと判定する状態検出ステップと、をコンピュータに実行させるためプログラム。
JP2017108040A 2017-05-31 2017-05-31 状態監視装置、状態監視方法及びプログラム Active JP6298562B1 (ja)

Priority Applications (7)

Application Number Priority Date Filing Date Title
JP2017108040A JP6298562B1 (ja) 2017-05-31 2017-05-31 状態監視装置、状態監視方法及びプログラム
CN201880003970.3A CN109844667B (zh) 2017-05-31 2018-05-28 状态监视装置、状态监视方法和程序
PCT/JP2018/020409 WO2018221469A1 (ja) 2017-05-31 2018-05-28 状態監視装置、状態監視方法及びプログラム
KR1020197012035A KR102170205B1 (ko) 2017-05-31 2018-05-28 상태 감시 장치, 상태 감시 방법 및 프로그램
US16/328,528 US11156532B2 (en) 2017-05-31 2018-05-28 Status monitoring apparatus, status monitoring method, and program
EP18809162.3A EP3633477A4 (en) 2017-05-31 2018-05-28 CONDITION MONITORING DEVICE, CONDITION MONITORING METHOD AND PROGRAM
TW107118597A TWI724305B (zh) 2017-05-31 2018-05-31 狀態監視裝置、狀態監視方法及狀態監視程式

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2017108040A JP6298562B1 (ja) 2017-05-31 2017-05-31 状態監視装置、状態監視方法及びプログラム

Related Child Applications (1)

Application Number Title Priority Date Filing Date
JP2018028028A Division JP6804099B2 (ja) 2018-02-20 2018-02-20 状態監視装置

Publications (2)

Publication Number Publication Date
JP6298562B1 JP6298562B1 (ja) 2018-03-20
JP2018205890A true JP2018205890A (ja) 2018-12-27

Family

ID=61629128

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2017108040A Active JP6298562B1 (ja) 2017-05-31 2017-05-31 状態監視装置、状態監視方法及びプログラム

Country Status (7)

Country Link
US (1) US11156532B2 (ja)
EP (1) EP3633477A4 (ja)
JP (1) JP6298562B1 (ja)
KR (1) KR102170205B1 (ja)
CN (1) CN109844667B (ja)
TW (1) TWI724305B (ja)
WO (1) WO2018221469A1 (ja)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021014782A1 (ja) * 2019-07-19 2021-01-28 Ｊｆｅスチール株式会社 学習モデル生成方法、学習モデル生成装置、高炉の溶銑温度制御方法、高炉の溶銑温度制御ガイダンス方法、及び溶銑の製造方法

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6298562B1 (ja) * 2017-05-31 2018-03-20 伸和コントロールズ株式会社 状態監視装置、状態監視方法及びプログラム
JP7328828B2 (ja) * 2019-08-27 2023-08-17 フォルシアクラリオン・エレクトロニクス株式会社 状態推定装置、状態推定プログラムおよび状態推定方法
CN114825636A (zh) * 2022-05-26 2022-07-29 深圳博浩远科技有限公司 一种光伏逆变器健康状态监控与告警系统及方法
CN117892095B (zh) * 2024-03-14 2024-05-28 山东泰开电力电子有限公司 一种储能系统用的散热系统故障智能检测方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2010230595A (ja) * 2009-03-27 2010-10-14 Tokyo Electric Power Co Inc:The 回転体検査装置およびコンピュータプログラム
JP2010250384A (ja) * 2009-04-10 2010-11-04 Omron Corp 監視装置、監視装置の制御方法、および制御プログラム
WO2016143118A1 (ja) * 2015-03-12 2016-09-15 株式会社日立製作所 機械診断装置および機械診断方法
JP6105141B1 (ja) * 2016-09-30 2017-03-29 株式会社日立パワーソリューションズ プリプロセッサおよび診断装置
WO2018003879A1 (ja) * 2016-06-30 2018-01-04 日本電気株式会社 メンテナンス計画策定装置と方法とプログラム
JP2018001184A (ja) * 2016-06-28 2018-01-11 株式会社日立製作所 溶接監視システム

Family Cites Families (25)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH06105141A (ja) * 1992-08-06 1994-04-15 Matsushita Electric Ind Co Ltd 画像形成装置
JPH06298562A (ja) * 1993-04-09 1994-10-25 Ogata Kensetsu:Kk 貝類付着防止性コンクリート構造物の製造方法
JP4396286B2 (ja) * 2004-01-21 2010-01-13 三菱電機株式会社 機器診断装置および機器監視システム
US8191005B2 (en) * 2007-09-27 2012-05-29 Rockwell Automation Technologies, Inc. Dynamically generating visualizations in industrial automation environment as a function of context and state information
JP5195600B2 (ja) * 2009-04-10 2013-05-08 オムロン株式会社 稼働情報出力装置、稼働情報出力装置の制御方法、および制御プログラム
CN102369491B (zh) 2009-04-10 2014-08-13 欧姆龙株式会社 动作信息输出装置、动作信息输出装置的控制方法、监视装置、监视装置的控制方法以及控制程序
JP2012159270A (ja) 2011-02-02 2012-08-23 Daikin Industries Ltd 制御装置及びヒートポンプ装置
CN202938461U (zh) * 2012-12-10 2013-05-15 海尔集团公司 空调器以及该空调器的监控系统
EP2971989A4 (en) * 2013-03-15 2016-11-30 Emerson Electric Co REMOTE MONITORING AND DIAGNOSIS FOR A HVAC SYSTEM
CN103763515B (zh) * 2013-12-24 2017-08-11 浙江工业大学 一种基于机器学习的视频异常检测方法
JP2016157357A (ja) * 2015-02-26 2016-09-01 株式会社日立製作所 作業者品質管理方法及び作業者品質管理装置
KR20170031985A (ko) * 2015-09-14 2017-03-22 현대건설주식회사 공기조화시스템의 고장 검출 및 진단 방법
US20170076209A1 (en) * 2015-09-14 2017-03-16 Wellaware Holdings, Inc. Managing Performance of Systems at Industrial Sites
JP2018020494A (ja) * 2016-08-04 2018-02-08 ローランドディー．ジー．株式会社 印刷装置
CN106874926A (zh) * 2016-08-04 2017-06-20 阿里巴巴集团控股有限公司 基于图像特征的业务异常检测方法及装置
CN106776005B (zh) * 2016-11-23 2019-12-13 华中科技大学 一种面向容器化应用的资源管理系统及方法
CN106406295B (zh) * 2016-12-02 2019-02-26 南京康尼机电股份有限公司 基于多工况的轨道交通车辆门系统故障诊断及预警方法
CN106600581B (zh) * 2016-12-02 2019-09-24 北京航空航天大学 一种基于双目立体视觉的列车运行故障自动检测系统及方法
JP6298562B1 (ja) * 2017-05-31 2018-03-20 伸和コントロールズ株式会社 状態監視装置、状態監視方法及びプログラム
US11158047B2 (en) * 2017-09-15 2021-10-26 Multus Medical, Llc System and method for segmentation and visualization of medical image data
CN107833083B (zh) * 2017-09-25 2020-09-04 阿里巴巴集团控股有限公司 一种货物订单处理方法、装置、服务器、购物终端及系统
WO2019188040A1 (ja) * 2018-03-29 2019-10-03 日本電気株式会社 画像処理装置、画像処理方法および画像処理プログラム
JP2020071716A (ja) * 2018-10-31 2020-05-07 トヨタ自動車株式会社 異常判定方法、特徴量算出方法、外観検査装置
LU101009B1 (en) * 2018-11-26 2020-05-26 Metamorphosis Gmbh Artificial-intelligence-based determination of relative positions of objects in medical images
CN110727178B (zh) * 2019-10-18 2021-06-22 南京诚芯集成电路技术研究院有限公司 一种基于机器学习确定光刻系统焦面位置的方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2010230595A (ja) * 2009-03-27 2010-10-14 Tokyo Electric Power Co Inc:The 回転体検査装置およびコンピュータプログラム
JP2010250384A (ja) * 2009-04-10 2010-11-04 Omron Corp 監視装置、監視装置の制御方法、および制御プログラム
WO2016143118A1 (ja) * 2015-03-12 2016-09-15 株式会社日立製作所 機械診断装置および機械診断方法
JP2018001184A (ja) * 2016-06-28 2018-01-11 株式会社日立製作所 溶接監視システム
WO2018003879A1 (ja) * 2016-06-30 2018-01-04 日本電気株式会社 メンテナンス計画策定装置と方法とプログラム
JP6105141B1 (ja) * 2016-09-30 2017-03-29 株式会社日立パワーソリューションズ プリプロセッサおよび診断装置

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021014782A1 (ja) * 2019-07-19 2021-01-28 Ｊｆｅスチール株式会社 学習モデル生成方法、学習モデル生成装置、高炉の溶銑温度制御方法、高炉の溶銑温度制御ガイダンス方法、及び溶銑の製造方法

Also Published As

Publication number Publication date
EP3633477A4 (en) 2021-03-03
CN109844667B (zh) 2022-02-25
WO2018221469A1 (ja) 2018-12-06
US20190195741A1 (en) 2019-06-27
US11156532B2 (en) 2021-10-26
EP3633477A1 (en) 2020-04-08
KR20190077358A (ko) 2019-07-03
TWI724305B (zh) 2021-04-11
KR102170205B1 (ko) 2020-10-26
TW201903334A (zh) 2019-01-16
JP6298562B1 (ja) 2018-03-20
CN109844667A (zh) 2019-06-04

Similar Documents

Publication Publication Date Title
JP6298562B1 (ja) 状態監視装置、状態監視方法及びプログラム
EP2905665B1 (en) Information processing apparatus, diagnosis method, and program
JP5946572B1 (ja) 異常予兆診断システム及び異常予兆診断方法
US20210116331A1 (en) Anomaly analysis method, program, and system
JP7032261B2 (ja) 異常検知システムおよび異常検知方法
JP2016012240A (ja) 異常検知システム
WO2019087803A1 (ja) 画像処理装置、画像処理方法及び記録媒体
TWI747055B (zh) 狀態推斷裝置以及狀態推斷方法
JP2018204940A (ja) 状態監視装置
US20210010909A1 (en) Learning apparatus, diagnostic apparatus, and learning method
CN115329796A (zh) 异常检测装置、计算机可读存储介质以及异常检测方法
JP2019179400A (ja) 監視装置、監視方法および監視プログラム
JP2015211133A (ja) Ｃｍｐ分析装置、ｃｍｐ分析方法、及びプログラム
EP3702862A1 (en) Automated refinement of a labeled window of time series data
US20160239015A1 (en) Diagnostic Device And Method For Monitoring The Operation Of A Control Loop
JP2022109737A (ja) 異常検知方法、および、異常検知装置
JP7484261B2 (ja) 情報処理装置、情報処理方法及び情報処理プログラム
US20220253051A1 (en) Method and assistance system for detecting an abnormal behaviour of a device
CN105683852A (zh) 用于模型自适应的设备和方法
JP6749219B2 (ja) プラント運転データ解析システム
US20210125088A1 (en) Product detection device, method, and program
WO2018207605A1 (ja) 正常異常判別装置、正常異常判別方法、及び正常異常判別システム
US11328581B2 (en) “Smart” sensor data analytics for equipment diagnosis
JP2022136827A (ja) 異常検出装置及び方法
JP2023136448A (ja) 振動解析装置及びプログラム

Legal Events

Date Code Title Description
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: 20180126

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20180223

R150 Certificate of patent or registration of utility model

Ref document number: 6298562

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

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250