JP2019200650A5 - - Google Patents
Download PDFInfo
- Publication number
- JP2019200650A5 JP2019200650A5 JP2018095421A JP2018095421A JP2019200650A5 JP 2019200650 A5 JP2019200650 A5 JP 2019200650A5 JP 2018095421 A JP2018095421 A JP 2018095421A JP 2018095421 A JP2018095421 A JP 2018095421A JP 2019200650 A5 JP2019200650 A5 JP 2019200650A5
- Authority
- JP
- Japan
- Prior art keywords
- abnormality
- detection
- parameter
- operation data
- candidate
- 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
- 238000001514 detection method Methods 0.000 claims description 76
- 238000011156 evaluation Methods 0.000 claims description 17
- 230000002159 abnormal effect Effects 0.000 claims description 7
- 238000000034 method Methods 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000009795 derivation Methods 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 2
Description
上記課題を解決するために、本開示の異常予兆検知システムの制御装置、これを備えるプラント、及び異常予兆検知システムの制御方法並びに制御プログラムは以下の手段を採用する。
本開示の幾つかの実施形態における一態様に係る異常予兆検知システムの制御装置は、プラントの異常予兆を検知する異常予兆検知システムの制御装置であって、前記プラントにおける正常時の運転データ群および異常時の運転データ群を含む運転データを取得する取得部と、前記プラントの状態を検知する検知パラメータの候補値である複数の候補パラメータ値を導出する導出部と、複数の前記候補パラメータ値の各々を用いて、前記運転データにおける異常検知回数、および、異常の予兆を検知してから実際に異常が発生するまでの期間である早期検知期間を評価パラメータとして算出する算出部と、前記運転データにおいて、前記評価パラメータである前記異常検知回数が所定の数より少なく、かつ、前記早期検知期間が所定の期間より長い前記候補パラメータ値を、前記プラントの前記検知パラメータの推奨候補として抽出する抽出部とを備え、前記検知パラメータは、マハラノビス距離に基づく値である。
本開示の幾つかの実施形態における一態様に係る異常予兆検知システムの制御装置は、プラントの異常予兆を検知する異常予兆検知システムの制御装置であって、前記プラントにおける正常時の運転データ群および異常時の運転データ群を含む運転データを取得する取得部と、前記プラントの状態を検知する検知パラメータの候補値である複数の候補パラメータ値を導出する導出部と、複数の前記候補パラメータ値の各々を用いて、前記運転データにおける異常検知回数、および、異常の予兆を検知してから実際に異常が発生するまでの期間である早期検知期間を評価パラメータとして算出する算出部と、前記運転データにおいて、前記評価パラメータである前記異常検知回数が所定の数より少なく、かつ、前記早期検知期間が所定の期間より長い前記候補パラメータ値を、前記プラントの前記検知パラメータの推奨候補として抽出する抽出部とを備え、前記検知パラメータは、マハラノビス距離に基づく値である。
本態様によれば、検知パラメータの候補値である候補パラメータ値を用いて、運転データにおける評価パラメータを算出し、評価パラメータに基づき検知パラメータの推奨候補を抽出することから、従来設計者が経験などに基づき値を設定していた検知パラメータを、制御装置により取得することができる。ここで、プラントにおける正常時とは、プラントに異常が発生しておらず、プラントが定常運転を行っている場合であるとする。
プラントの異常予兆を検知する異常予兆検知システムにおいて、検知モデルに用いられる検知パラメータの作成、評価は、設計者により試行錯誤で調整されており、多くの時間を要していた。本態様によれば、検知パラメータの作成、評価を制御装置が行い最適な検知パラメータを取得することで、異常予兆の検知に必要な検知パラメータの推奨候補を自動で導出することが可能である。またこれにより、検知モデルの作成に要する時間を大幅に短縮することが可能である。
また、本態様によれば、検知パラメータをマハラノビス距離に基づく値とすることから、MT法(マハラノビス・タグチ・メソッド)を用いてプラントの異常予兆の検知を行うことができる。
プラントの異常予兆を検知する異常予兆検知システムにおいて、検知モデルに用いられる検知パラメータの作成、評価は、設計者により試行錯誤で調整されており、多くの時間を要していた。本態様によれば、検知パラメータの作成、評価を制御装置が行い最適な検知パラメータを取得することで、異常予兆の検知に必要な検知パラメータの推奨候補を自動で導出することが可能である。またこれにより、検知モデルの作成に要する時間を大幅に短縮することが可能である。
また、本態様によれば、検知パラメータをマハラノビス距離に基づく値とすることから、MT法(マハラノビス・タグチ・メソッド)を用いてプラントの異常予兆の検知を行うことができる。
本開示の幾つかの実施形態における一態様に係る異常予兆検知システムの制御方法は、プラントの異常予兆を検知する異常予兆検知システムの制御方法であって、前記プラントにおける正常時の運転データ群および異常時の運転データ群を含む運転データを取得する工程と、前記プラントの状態を検知する検知パラメータの候補値である複数の候補パラメータ値を導出する工程と、複数の前記候補パラメータ値の各々を用いて、前記運転データにおける異常検知回数、および、異常の予兆を検知してから実際に異常が発生するまでの期間である早期検知期間を評価パラメータとして算出する工程と、前記運転データにおいて、前記評価パラメータである前記異常検知回数が所定の数より少なく、かつ、前記早期検知期間が所定の期間より長い前記候補パラメータ値を、前記プラントの前記検知パラメータの推奨候補として抽出する工程とを有し、前記検知パラメータは、マハラノビス距離に基づく値である。
本開示の幾つかの実施形態における一態様に係る異常予兆検知システムの制御プログラムは、プラントの異常予兆を検知する異常予兆検知システムの制御プログラムであって、前記プラントにおける正常時の運転データ群および異常時の運転データ群を含む運転データを取得するステップと、前記プラントの状態を検知する検知パラメータの候補値である複数の候補パラメータ値を導出するステップと、複数の前記候補パラメータ値の各々を用いて、前記運転データにおける異常検知回数、および、異常の予兆を検知してから実際に異常が発生するまでの期間である早期検知期間を評価パラメータとして算出するステップと、前記運転データにおいて、前記評価パラメータである前記異常検知回数が所定の数より少なく、かつ、前記早期検知期間が所定の期間より長い前記候補パラメータ値を、前記プラントの前記検知パラメータの推奨候補として抽出するステップとを有し、前記検知パラメータは、マハラノビス距離に基づく値である。
Claims (8)
- プラントの異常予兆を検知する異常予兆検知システムの制御装置であって、
前記プラントにおける正常時の運転データ群および異常時の運転データ群を含む運転データを取得する取得部と、
前記プラントの状態を検知する検知パラメータの候補値である複数の候補パラメータ値を導出する導出部と、
複数の前記候補パラメータ値の各々を用いて、前記運転データにおける異常検知回数、および、異常の予兆を検知してから実際に異常が発生するまでの期間である早期検知期間を評価パラメータとして算出する算出部と、
前記運転データにおいて、前記評価パラメータである前記異常検知回数が所定の数より少なく、かつ、前記早期検知期間が所定の期間より長い前記候補パラメータ値を、前記プラントの前記検知パラメータの推奨候補として抽出する抽出部と
を備え、
前記検知パラメータは、マハラノビス距離に基づく値である異常予兆検知システムの制御装置。 - 前記取得部は、前記運転データのうち、正常時の前記運転データ群を正常データセットとして、異常時の前記運転データ群を異常データセットとしてセットし、
前記算出部は、前記正常データセットの前記候補パラメータ値および前記異常データセットの前記候補パラメータ値を用いて各前記評価パラメータを算出し、
前記抽出部は、前記正常データセット及び前記異常データセットの各前記評価パラメータに基づき前記検知パラメータの前記推奨候補を取得する請求項1に記載の異常予兆検知システムの制御装置。 - 前記算出部は、前記プラントにおいて実際に異常が発生した時間を異常発生時間に設定し、
前記異常データセットに対する前記評価パラメータは、前記異常データセットに対する前記異常発生時間までの前記異常検知回数、及び、異常の予兆を検知してから実際に異常が発生した前記異常発生時間までの期間である前記早期検知期間であり、
前記正常データセットに対する前記評価パラメータは、前記正常データセットに対する前記異常発生時間までの前記異常検知回数である請求項2に記載の異常予兆検知システムの制御装置。 - 前記導出部は、設定された前記検知パラメータの探索範囲及び探索ステップに基づき前記候補パラメータ値を導出する請求項3に記載の異常予兆検知システムの制御装置。
- 前記検知パラメータは、正常な前記候補パラメータ値と異常な前記候補パラメータ値との間の閾値を含む請求項4に記載の異常予兆検知システムの制御装置。
- 請求項1乃至請求項5のいずれかに記載の異常予兆検知システムの制御装置を備えたプラント。
- プラントの異常予兆を検知する異常予兆検知システムの制御方法であって、
前記プラントにおける正常時の運転データ群および異常時の運転データ群を含む運転データを取得する工程と、
前記プラントの状態を検知する検知パラメータの候補値である複数の候補パラメータ値を導出する工程と、
複数の前記候補パラメータ値の各々を用いて、前記運転データにおける異常検知回数、および、異常の予兆を検知してから実際に異常が発生するまでの期間である早期検知期間を評価パラメータとして算出する工程と、
前記運転データにおいて、前記評価パラメータである前記異常検知回数が所定の数より少なく、かつ、前記早期検知期間が所定の期間より長い前記候補パラメータ値を、前記プラントの前記検知パラメータの推奨候補として抽出する工程と
を有し、
前記検知パラメータは、マハラノビス距離に基づく値である異常予兆検知システムの制御方法。 - プラントの異常予兆を検知する異常予兆検知システムの制御プログラムであって、
前記プラントにおける正常時の運転データ群および異常時の運転データ群を含む運転データを取得するステップと、
前記プラントの状態を検知する検知パラメータの候補値である複数の候補パラメータ値を導出するステップと、
複数の前記候補パラメータ値の各々を用いて、前記運転データにおける異常検知回数、および、異常の予兆を検知してから実際に異常が発生するまでの期間である早期検知期間を評価パラメータとして算出するステップと、
前記運転データにおいて、前記評価パラメータである前記異常検知回数が所定の数より少なく、かつ、前記早期検知期間が所定の期間より長い前記候補パラメータ値を、前記プラントの前記検知パラメータの推奨候補として抽出するステップと
を有し、
前記検知パラメータは、マハラノビス距離に基づく値である異常予兆検知システムの制御プログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018095421A JP7091139B2 (ja) | 2018-05-17 | 2018-05-17 | 異常予兆検知システムの制御装置、これを備えるプラント、及び異常予兆検知システムの制御方法並びに制御プログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018095421A JP7091139B2 (ja) | 2018-05-17 | 2018-05-17 | 異常予兆検知システムの制御装置、これを備えるプラント、及び異常予兆検知システムの制御方法並びに制御プログラム |
Publications (3)
Publication Number | Publication Date |
---|---|
JP2019200650A JP2019200650A (ja) | 2019-11-21 |
JP2019200650A5 true JP2019200650A5 (ja) | 2021-04-01 |
JP7091139B2 JP7091139B2 (ja) | 2022-06-27 |
Family
ID=68612538
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018095421A Active JP7091139B2 (ja) | 2018-05-17 | 2018-05-17 | 異常予兆検知システムの制御装置、これを備えるプラント、及び異常予兆検知システムの制御方法並びに制御プログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7091139B2 (ja) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111459778B (zh) * | 2020-03-12 | 2024-05-07 | 平安科技(深圳)有限公司 | 运维系统异常指标检测模型优化方法、装置及存储介质 |
CN112319495B (zh) * | 2020-09-29 | 2022-09-16 | 深圳市云伽智能技术有限公司 | 汽车系统型号的确定方法、装置、设备及存储介质 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004232968A (ja) * | 2003-01-30 | 2004-08-19 | Mitsubishi Electric Corp | 空調運転監視システム、異常検出方法および異常検出装置 |
US7499777B2 (en) * | 2005-04-08 | 2009-03-03 | Caterpillar Inc. | Diagnostic and prognostic method and system |
JP2009075692A (ja) * | 2007-09-19 | 2009-04-09 | Toshiba Corp | プラント警報装置およびプラント警報方法 |
JP5949135B2 (ja) * | 2012-05-18 | 2016-07-06 | 株式会社Ihi | 異常診断方法及び異常診断装置 |
JP5301717B1 (ja) * | 2012-08-01 | 2013-09-25 | 株式会社日立パワーソリューションズ | 設備状態監視方法およびその装置 |
JP2016057803A (ja) * | 2014-09-09 | 2016-04-21 | 株式会社日立製作所 | 異常検知手順開発装置および異常検知手順開発方法 |
-
2018
- 2018-05-17 JP JP2018095421A patent/JP7091139B2/ja active Active
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6450858B2 (ja) | 設備管理装置および方法 | |
WO2019103620A3 (en) | System, sensor and method for monitoring health related aspects of a patient | |
JP6141235B2 (ja) | 時系列データにおける異常を検出する方法 | |
EP4307192A3 (en) | System and method for monitoring manufacturing | |
JP2016058010A5 (ja) | ||
JP2015108375A5 (ja) | ||
EP3296823A3 (en) | Model-plant mismatch detection with support vector machine for cross-directional process behavior monitoring | |
JP2017157234A5 (ja) | ||
MX2017015447A (es) | Monitoreo de un sistema de transporte. | |
MX2016004208A (es) | Método de diálogo entre una máquina, tal como un robot humanoide, y un interlocutor humano, programa informático y robot humanoide para la implementación de dicho método. | |
JP2015210750A5 (ja) | ||
WO2016033247A3 (en) | Population-based learning with deep belief networks | |
JPWO2020235581A5 (ja) | ||
JP2019200650A5 (ja) | ||
TW201612664A (en) | Monitoring system and method for machining | |
US10572318B2 (en) | Log analysis apparatus, log analysis system, log analysis method and computer program | |
JP6632941B2 (ja) | 設備監視装置及び設備監視方法 | |
MX2021009019A (es) | Sistema de supervision, metodo de supervision y programa de supervision para instalacion que utiliza vapor. | |
ATE466192T1 (de) | Anordnung und verfahren zum überwachen eines hydrauliksystems | |
JP2021089632A5 (ja) | ||
JP2016139274A5 (ja) | ||
JP2016139274A (ja) | 不具合診断方法及び不具合診断システム | |
JP5949032B2 (ja) | 前処理方法及び異常診断装置 | |
CN110727669B (zh) | 一种电力系统传感器数据清理装置及清理方法 | |
JP7091139B2 (ja) | 異常予兆検知システムの制御装置、これを備えるプラント、及び異常予兆検知システムの制御方法並びに制御プログラム |