JP2019159903A - 異常検知システム、サポート装置およびモデル生成方法 - Google Patents
異常検知システム、サポート装置およびモデル生成方法 Download PDFInfo
- Publication number
- JP2019159903A JP2019159903A JP2018046674A JP2018046674A JP2019159903A JP 2019159903 A JP2019159903 A JP 2019159903A JP 2018046674 A JP2018046674 A JP 2018046674A JP 2018046674 A JP2018046674 A JP 2018046674A JP 2019159903 A JP2019159903 A JP 2019159903A
- Authority
- JP
- Japan
- Prior art keywords
- abnormality detection
- feature
- generated
- state value
- monitoring target
- 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
- 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
- G05B23/0243—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 model based detection method, e.g. first-principles knowledge model
- G05B23/0254—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 model based detection method, e.g. first-principles knowledge model based on a quantitative model, e.g. mathematical relationships between inputs and outputs; functions: observer, Kalman filter, residual calculation, Neural Networks
-
- 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
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/18—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form
- G05B19/406—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form characterised by monitoring or safety
-
- 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
- G05B23/0243—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 model based detection method, e.g. first-principles knowledge model
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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
- G05B2219/00—Program-control systems
- G05B2219/20—Pc systems
- G05B2219/24—Pc safety
- G05B2219/24065—Real time diagnostics
-
- 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
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/34—Director, elements to supervisory
- G05B2219/34475—Detect abnormality of control system without inverted model, using input command
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Medical Informatics (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Human Computer Interaction (AREA)
- Manufacturing & Machinery (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
Description
上述の開示において、モデル生成部は、生成された複数の特徴量のデータ系列の特定範囲に対して、正常および異常の少なくとも一方のラベルを付与する手段をさらに含むようにしてもよい。
まず、本発明が適用される場面の一例について説明する。
まず、本実施の形態に係る異常検知システム1の全体構成例について説明する。図2は、本実施の形態に係る異常検知システム1の全体構成例を示す模式図である。
再度図2を参照して、図2に示す構成における監視対象である包装機600は、所定の搬送方向に搬送される包装体604に対するシール処理および/または切断処理を実行する。包装機600は、同期して回転する一対のロータ610,620を有している。各ロータは、包装体604に接する位置での外周の接線方向が搬送方向と一致するように配置されており、ロータの表面が包装体604に接触することで、包装体604をシールおよび/または切断する。
次に、本実施の形態に係る異常検知システム1を構成する主要な装置のハードウェア構成例について説明する。
図4は、本実施の形態に係る異常検知システム1を構成する制御装置100のハードウェア構成例を示すブロック図である。図4を参照して、制御装置100は、CPU(Central Processing Unit)やMPU(Micro-Processing Unit)などのプロセッサ102と、チップセット104と、主記憶装置106と、二次記憶装置108と、上位ネットワークコントローラ110と、USB(Universal Serial Bus)コントローラ112と、メモリカードインターフェイス114と、内部バスコントローラ122と、フィールドバスコントローラ118,120と、I/Oユニット124−1,124−2,…とを含む。
本実施の形態に係るサポート装置200は、一例として、汎用的なアーキテクチャに従うハードウェア(例えば、汎用パソコン)を用いてプログラムを実行することで実現される。
次に、本実施の形態に係る異常検知システム1を構成する主要な装置のソフトウェア構成例および機能構成例について説明する。図6は、本実施の形態に係る異常検知システム1のソフトウェア構成例を示すブロック図である。
次に、本実施の形態に係る異常検知システム1が採用する異常検知処理の概要について説明する。
次に、本実施の形態に係るモデル生成処理の概略手順について説明する。
次に、本実施の形態に係るモデル生成処理におけるユーザによる設定操作の手順例について説明する。
次に、本実施の形態に係るサポート装置200に含まれる解析ツール230が提供する機能および処理について説明する。以下に説明する機能および処理は、図13および図14に示されるユーザインターフェイス画面が表示される前段階で実行される。すなわち、解析ツール230による処理結果を用いて、図13および図14に示されるユーザインターフェイス画面が提供される。
次に、図15に示す解析ツール230の特徴量選択機能274が担当する処理(ステップS104,S106およびステップS124,S126)の詳細について説明する。
次に、図15に示す解析ツール230のパラメータ決定機能276が担当する処理(ステップS110)の詳細について説明する。
仮想データとしては、ある範囲の一様分布から生成するノイズなどを用いることが好ましい。このような仮想データを生成する手順としては、以下のようになる。
<K.異常検知精度の評価>
次に、図15に示す解析ツール230のパラメータ決定機能276が担当する処理(ステップS112,S114,S130)の詳細について説明する。
図2に示す異常検知システム1においては、制御装置100とサポート装置200とがそれぞれ独立した構成となっているが、サポート装置200の機能の全部または一部を制御装置100に組み入れるようにしてもよい。例えば、サポート装置200に実装される解析ツール230を、制御装置100に実装することで、生データの伝送やモデル生成処理の繰返し実行をより容易に実現できる。
上述したような本実施の形態は、以下のような技術思想を含む。
[構成1]
制御対象を制御するための制御演算を実行する制御演算部(10;130)と、
前記制御演算部により収集される状態値のうち監視対象に関連する状態値(16:142)を、異常検知用パラメータ(162)および学習データセット(160)により規定される当該監視対象を示すモデルに与えることで、当該監視対象に生じ得る異常を検知する異常検知部(12:150)と、
前記制御演算部により収集される状態値のうち少なくとも前記監視対象に関連する状態値を格納する状態値格納部(14:140)と、
前記異常検知用パラメータおよび前記学習データセットを決定するモデル生成部(20:270)とを備え、
前記モデル生成部は、
前記状態値格納部から提供される前記状態値から複数の特徴量を生成する手段(222:272)と、
前記生成された複数の特徴量の各々について、複数の手法に従って、それぞれ異常検知に有効な度合いを示す重要度をそれぞれ算出する手段(24−1〜24−n:274)と、
前記生成された複数の特徴量の各々について、前記複数の手法に従ってそれぞれ算出された複数の重要度を統合して、前記生成された複数の特徴量の間の重要度のランクを決定する手段(26:274)とを含む、異常検知システム。
[構成2]
前記生成された複数の特徴量のうち、前記異常検知用パラメータおよび前記学習データセットの決定に用いられる1または複数の特徴量の選択を受付けるユーザインターフェイスを提供する画面生成部(260)をさらに備え、
前記画面生成部は、前記決定されたランクに従って前記生成された複数の特徴量の表示順序を決定する、構成1に記載の異常検知システム。
[構成3]
前記画面生成部は、前記決定されたランクに従って、前記生成された複数の特徴量のうち予め定められた数の特徴量が選択された状態で表示する、構成2に記載の異常検知システム。
[構成4]
前記画面生成部は、選択された1または複数の特徴量のデータ系列に基づいて算出される異常スコアのデータ系列(528)を表示する、構成2または3に記載の異常検知システム。
[構成5]
前記画面生成部は、前記表示された異常スコアに対するしきい値(535,534)の設定を受付ける、構成4に記載の異常検知システム。
[構成6]
前記重要度は、少なくとも、特徴量のデータ系列についての尖度、特徴量のデータ系列に対してロジスティック回帰の実行によって得られる尤度、決定木のアルゴリズムに従って算出される重要度を含む、構成1〜5のいずれか1項に記載の異常検知システム。
[構成7]
前記モデル生成部は、前記生成された複数の特徴量のデータ系列の特定範囲に対して、正常および異常の少なくとも一方のラベルを付与する手段(510)をさらに含む、構成1〜6のいずれか1項に記載の異常検知システム。
[構成8]
前記モデル生成部は、前記状態値格納部から提供される前記状態値のうち特徴量の生成から除外すべき状態値の選択を受付ける手段(524)をさらに含む、構成1〜7のいずれか1項に記載の異常検知システム。
[構成9]
制御対象を制御するための制御装置(100)に接続されるサポート装置(200)であって、前記制御装置は、収集される状態値のうち監視対象に関連する状態値(16:142)を、異常検知用パラメータ(162)および学習データセット(160)により規定される当該監視対象を示すモデルに与えることで、当該監視対象に生じ得る異常を検知する異常検知部(12:150)と、前記収集される状態値のうち少なくとも前記監視対象に関連する状態値を格納する状態値格納部(14:140)とを備え、前記サポート装置は、
前記異常検知用パラメータおよび前記学習データセットを決定するモデル生成部(20:270)を備え、
前記モデル生成部は、
前記状態値格納部から提供される前記状態値から複数の特徴量を生成する手段(222:272)と、
前記生成された複数の特徴量の各々について、複数の手法に従って、それぞれ異常検知に有効な度合いを示す重要度をそれぞれ算出する手段(24−1〜24−n:274)と、
前記生成された複数の特徴量の各々について、前記複数の手法に従ってそれぞれ算出された複数の重要度を統合して、前記生成された複数の特徴量の間の重要度のランクを決定する手段(26:274)とを含む、サポート装置。
[構成10]
異常検知システム(1)におけるモデル生成方法であって、前記異常検知システムは、
制御対象を制御するための制御演算を実行する制御演算部(10;130)と、
前記制御演算部により収集される状態値のうち監視対象に関連する状態値(16:142)を、異常検知用パラメータ(162)および学習データセット(160)により規定される当該監視対象を示すモデルに与えることで、当該監視対象に生じ得る異常を検知する異常検知部(12:150)と、
前記制御演算部により収集される状態値のうち少なくとも前記監視対象に関連する状態値を格納する状態値格納部(14:140)と、
前記異常検知用パラメータおよび前記学習データセットを決定するモデル生成部(20:270)とを備え、
前記モデル生成方法は、
前記状態値格納部から提供される前記状態値から複数の特徴量を生成するステップ(S100)と、
前記生成された複数の特徴量の各々について、複数の手法に従って、それぞれ異常検知に有効な度合いを示す重要度をそれぞれ算出するステップ(S104)と、
前記生成された複数の特徴量の各々について、前記複数の手法に従ってそれぞれ算出された複数の重要度を統合して、前記生成された複数の特徴量の間の重要度のランクを決定するステップ(S106)とを含む、モデル生成方法。
何らかの監視対象(任意の機械や装置)の異常を検知するための異常検知システムで用いられるモデルを生成するにあたって、特定のアルゴリズムに従ってモデルを作成してしますと、適用できる範囲(カバレッジ)が低いという課題がある。
Claims (10)
- 制御対象を制御するための制御演算を実行する制御演算部と、
前記制御演算部により収集される状態値のうち監視対象に関連する状態値を、異常検知用パラメータおよび学習データセットにより規定される当該監視対象を示すモデルに与えることで、当該監視対象に生じ得る異常を検知する異常検知部と、
前記制御演算部により収集される状態値のうち少なくとも前記監視対象に関連する状態値を格納する状態値格納部と、
前記異常検知用パラメータおよび前記学習データセットを決定するモデル生成部とを備え、
前記モデル生成部は、
前記状態値格納部から提供される前記状態値から複数の特徴量を生成する手段と、
前記生成された複数の特徴量の各々について、複数の手法に従って、それぞれ異常検知に有効な度合いを示す重要度をそれぞれ算出する手段と、
前記生成された複数の特徴量の各々について、前記複数の手法に従ってそれぞれ算出された複数の重要度を統合して、前記生成された複数の特徴量の間の重要度のランクを決定する手段とを含む、異常検知システム。 - 前記生成された複数の特徴量のうち、前記異常検知用パラメータおよび前記学習データセットの決定に用いられる1または複数の特徴量の選択を受付けるユーザインターフェイスを提供する画面生成部をさらに備え、
前記画面生成部は、前記決定されたランクに従って前記生成された複数の特徴量の表示順序を決定する、請求項1に記載の異常検知システム。 - 前記画面生成部は、前記決定されたランクに従って、前記生成された複数の特徴量のうち予め定められた数の特徴量が選択された状態で表示する、請求項2に記載の異常検知システム。
- 前記画面生成部は、選択された1または複数の特徴量のデータ系列に基づいて算出される異常スコアのデータ系列を表示する、請求項2または3に記載の異常検知システム。
- 前記画面生成部は、前記表示された異常スコアに対するしきい値の設定を受付ける、請求項4に記載の異常検知システム。
- 前記重要度は、少なくとも、特徴量のデータ系列についての尖度、特徴量のデータ系列に対してロジスティック回帰の実行によって得られる尤度、決定木のアルゴリズムに従って算出される重要度を含む、請求項1〜5のいずれか1項に記載の異常検知システム。
- 前記モデル生成部は、前記生成された複数の特徴量のデータ系列の特定範囲に対して、正常および異常の少なくとも一方のラベルを付与する手段をさらに含む、請求項1〜6のいずれか1項に記載の異常検知システム。
- 前記モデル生成部は、前記状態値格納部から提供される前記状態値のうち特徴量の生成から除外すべき状態値の選択を受付ける手段をさらに含む、請求項1〜7のいずれか1項に記載の異常検知システム。
- 制御対象を制御するための制御装置に接続されるサポート装置であって、前記制御装置は、収集される状態値のうち監視対象に関連する状態値を、異常検知用パラメータおよび学習データセットにより規定される当該監視対象を示すモデルに与えることで、当該監視対象に生じ得る異常を検知する異常検知部と、前記収集される状態値のうち少なくとも前記監視対象に関連する状態値を格納する状態値格納部とを備え、前記サポート装置は、
前記異常検知用パラメータおよび前記学習データセットを決定するモデル生成部を備え、
前記モデル生成部は、
前記状態値格納部から提供される前記状態値から複数の特徴量を生成する手段と、
前記生成された複数の特徴量の各々について、複数の手法に従って、それぞれ異常検知に有効な度合いを示す重要度をそれぞれ算出する手段と、
前記生成された複数の特徴量の各々について、前記複数の手法に従ってそれぞれ算出された複数の重要度を統合して、前記生成された複数の特徴量の間の重要度のランクを決定する手段とを含む、サポート装置。 - 異常検知システムにおけるモデル生成方法であって、前記異常検知システムは、
制御対象を制御するための制御演算を実行する制御演算部と、
前記制御演算部により収集される状態値のうち監視対象に関連する状態値を、異常検知用パラメータおよび学習データセットにより規定される当該監視対象を示すモデルに与えることで、当該監視対象に生じ得る異常を検知する異常検知部と、
前記制御演算部により収集される状態値のうち少なくとも前記監視対象に関連する状態値を格納する状態値格納部と、
前記異常検知用パラメータおよび前記学習データセットを決定するモデル生成部とを備え、
前記モデル生成方法は、
前記状態値格納部から提供される前記状態値から複数の特徴量を生成するステップと、
前記生成された複数の特徴量の各々について、複数の手法に従って、それぞれ異常検知に有効な度合いを示す重要度をそれぞれ算出するステップと、
前記生成された複数の特徴量の各々について、前記複数の手法に従ってそれぞれ算出された複数の重要度を統合して、前記生成された複数の特徴量の間の重要度のランクを決定するステップとを含む、モデル生成方法。
Priority Applications (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018046674A JP7063022B2 (ja) | 2018-03-14 | 2018-03-14 | 異常検知システム、サポート装置およびモデル生成方法 |
CN201910031690.XA CN110275505B (zh) | 2018-03-14 | 2019-01-14 | 异常检测系统、支持装置以及模型生成方法 |
EP19151763.0A EP3540545A1 (en) | 2018-03-14 | 2019-01-15 | Abnormality detection system, support device, and model generation method |
US16/248,793 US10795338B2 (en) | 2018-03-14 | 2019-01-16 | Abnormality detection system, support device, and model generation method |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018046674A JP7063022B2 (ja) | 2018-03-14 | 2018-03-14 | 異常検知システム、サポート装置およびモデル生成方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2019159903A true JP2019159903A (ja) | 2019-09-19 |
JP7063022B2 JP7063022B2 (ja) | 2022-05-09 |
Family
ID=65033382
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018046674A Active JP7063022B2 (ja) | 2018-03-14 | 2018-03-14 | 異常検知システム、サポート装置およびモデル生成方法 |
Country Status (4)
Country | Link |
---|---|
US (1) | US10795338B2 (ja) |
EP (1) | EP3540545A1 (ja) |
JP (1) | JP7063022B2 (ja) |
CN (1) | CN110275505B (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021166320A1 (ja) * | 2020-02-18 | 2021-08-26 | 株式会社日立製作所 | 移動体の異常状態監視システム |
Families Citing this family (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7036697B2 (ja) * | 2018-09-27 | 2022-03-15 | 株式会社日立製作所 | 監視システム及び監視方法 |
EP3805884A1 (de) * | 2019-10-11 | 2021-04-14 | Siemens Aktiengesellschaft | Verfahren zur bestimmung und/oder klassifizierung eines bahnzustands einer warenbahn, computerprogrammprodukt, vorrichtung zur herstellung und industrielle anlage |
US11810013B2 (en) | 2019-11-14 | 2023-11-07 | International Business Machines Corporation | Systems and methods for alerting to model degradation based on survival analysis |
US11768917B2 (en) * | 2019-11-14 | 2023-09-26 | International Business Machines Corporation | Systems and methods for alerting to model degradation based on distribution analysis |
CN111159001A (zh) * | 2019-12-31 | 2020-05-15 | 青岛海尔科技有限公司 | 用于操作系统的检测方法及装置、服务器 |
US11982987B2 (en) * | 2020-01-31 | 2024-05-14 | Keyence Corporation | Programmable logic controller and analyzer |
JP2021167791A (ja) * | 2020-04-13 | 2021-10-21 | Kyb株式会社 | 故障予兆システム |
CN111857092B (zh) * | 2020-06-22 | 2024-04-30 | 杭州群核信息技术有限公司 | 一种家居参数化模型的实时错误检测系统及方法 |
CN112859646B (zh) * | 2021-02-08 | 2022-11-22 | 广西玉柴机器股份有限公司 | 双行星轮混合动力硬件在环仿真系统 |
CN113030726A (zh) * | 2021-03-24 | 2021-06-25 | 河南中烟工业有限责任公司 | 基于数据驱动的电机状态监测方法及系统 |
CN112947262A (zh) * | 2021-04-16 | 2021-06-11 | 西南科技大学 | 一种fpga开发板 |
CN113515671A (zh) * | 2021-07-01 | 2021-10-19 | 河北工业大学 | 继电器时间参数异常值识别方法、服务端及存储介质 |
CN114580580B (zh) * | 2022-05-07 | 2022-08-16 | 深圳索信达数据技术有限公司 | 一种智能运维异常检测方法及装置 |
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 |
JP2017156818A (ja) * | 2016-02-29 | 2017-09-07 | 株式会社日立製作所 | 異常検知装置、異常検知システムおよびその方法 |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002188411A (ja) * | 2000-12-22 | 2002-07-05 | Mitsubishi Heavy Ind Ltd | 異常診断装置 |
JP4032045B2 (ja) * | 2004-08-13 | 2008-01-16 | 新キャタピラー三菱株式会社 | データ処理方法及びデータ処理装置、並びに診断方法及び診断装置 |
JP5301310B2 (ja) | 2009-02-17 | 2013-09-25 | 株式会社日立製作所 | 異常検知方法及び異常検知システム |
US8966392B2 (en) * | 2011-08-29 | 2015-02-24 | Novell, Inc. | Event management apparatus, systems, and methods |
JP5284433B2 (ja) * | 2011-09-14 | 2013-09-11 | 株式会社東芝 | プロセス監視・診断・支援装置 |
JP6655926B2 (ja) * | 2015-09-25 | 2020-03-04 | 三菱重工業株式会社 | 異常診断システム |
US11455203B2 (en) * | 2016-09-14 | 2022-09-27 | Nec Corporation | Abnormality detection support device, abnormality detection support method, and program |
JP2018116545A (ja) * | 2017-01-19 | 2018-07-26 | オムロン株式会社 | 予測モデル作成装置、生産設備監視システム、及び生産設備監視方法 |
JP6961424B2 (ja) * | 2017-08-30 | 2021-11-05 | 株式会社日立製作所 | 故障診断システム |
JP6721563B2 (ja) * | 2017-11-28 | 2020-07-15 | ファナック株式会社 | 数値制御装置 |
-
2018
- 2018-03-14 JP JP2018046674A patent/JP7063022B2/ja active Active
-
2019
- 2019-01-14 CN CN201910031690.XA patent/CN110275505B/zh active Active
- 2019-01-15 EP EP19151763.0A patent/EP3540545A1/en not_active Withdrawn
- 2019-01-16 US US16/248,793 patent/US10795338B2/en 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 |
JP2017156818A (ja) * | 2016-02-29 | 2017-09-07 | 株式会社日立製作所 | 異常検知装置、異常検知システムおよびその方法 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021166320A1 (ja) * | 2020-02-18 | 2021-08-26 | 株式会社日立製作所 | 移動体の異常状態監視システム |
JP2021131599A (ja) * | 2020-02-18 | 2021-09-09 | 株式会社日立製作所 | 移動体の異常状態監視システム |
US20230107387A1 (en) * | 2020-02-18 | 2023-04-06 | Hitachi, Ltd. | Abnormal state monitoring system for mobile body |
Also Published As
Publication number | Publication date |
---|---|
US20190286096A1 (en) | 2019-09-19 |
US10795338B2 (en) | 2020-10-06 |
EP3540545A1 (en) | 2019-09-18 |
CN110275505A (zh) | 2019-09-24 |
JP7063022B2 (ja) | 2022-05-09 |
CN110275505B (zh) | 2022-04-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6879239B2 (ja) | 異常検知システム、サポート装置およびモデル生成方法 | |
JP7063022B2 (ja) | 異常検知システム、サポート装置およびモデル生成方法 | |
JP2019179395A (ja) | 異常検知システム、サポート装置および異常検知方法 | |
US11657309B2 (en) | Behavior analysis and visualization for a computer infrastructure | |
CN110888783B (zh) | 微服务系统的监测方法、装置以及电子设备 | |
WO2018189845A1 (ja) | 作業管理システム及び作業管理方法 | |
US11392821B2 (en) | Detecting behavior patterns utilizing machine learning model trained with multi-modal time series analysis of diagnostic data | |
CN109272599A (zh) | 一种数据处理方法及相关设备 | |
JP7151312B2 (ja) | 制御システム | |
WO2019046996A1 (en) | JAVA SOFTWARE LATENCY ANOMALY DETECTION | |
EP3825801A1 (en) | Scalable analytics system | |
WO2017051518A1 (ja) | 通信情報算出装置、通信情報算出方法、記録媒体、及び、通信管理システム | |
EP2915059B1 (en) | Analyzing data with computer vision | |
JP7063212B2 (ja) | 制御装置および制御システム | |
JP6819610B2 (ja) | 診断装置、診断方法、及び、診断プログラム | |
JP2017204107A (ja) | データ分析方法、及び、そのシステム、装置 | |
WO2017099066A1 (ja) | 診断装置、診断方法、及び、診断プログラムが記録された記録媒体 | |
US20170264498A1 (en) | Event estimation device, event estimation method, and recording medium whereupon event estimation program is stored | |
Vafaie et al. | A New Statistical Method for Anomaly Detection in Distributed Systems | |
JP2019028901A (ja) | 状態判定装置、状態判定方法及び状態判定プログラム | |
JP6904420B2 (ja) | 情報選択装置、情報選択方法、及び、情報選択プログラム | |
WO2023209774A1 (ja) | 異常診断方法、異常診断装置、および、異常診断プログラム | |
JP2023151722A (ja) | 情報処理システム、情報処理方法および情報処理装置 | |
JP2023006304A (ja) | 制御システム、モデル生成方法およびモデル生成プログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20200306 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20210323 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20210406 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210524 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20211012 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20211101 |
|
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: 20220322 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20220404 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7063022 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |