JP2019527413A5

JP2019527413A5 -

Info

Publication number: JP2019527413A5
Application number: JP2019500349A
Authority: JP
Filing date: 2017-07-06
Publication date: 2020-08-13

Description

例示的な実施形態を具体的に図示・説明したが、当業者であれば、添付の特許請求の範囲に包含された実施形態の範囲を逸脱しない範疇で形態や細部に様々な変更を施せることを理解するであろう。
なお、本発明は、態様として以下の内容を含む。
〔態様１〕
コンピュータに実装され、産業プロセスに対して根本的原因分析を実行する方法であって、
前記産業プロセスにおける複数のセンサから、少なくとも１つの主要プロセス指標（ＫＰＩ）イベントに関する、プラントワイドの履歴時系列データを取得する取得過程と、
ＫＰＩイベントが発生する可能性があることを示す前兆パターンであって、それぞれある時間窓に対応する前兆パターンを特定する特定過程と、
対応する時間窓内でＫＰＩイベント以前に頻繁に発生して且つ当該対応する時間窓外では稀にしか発生しない前兆パターンを選択する選択過程と、
前記時系列データ及び前兆パターンに基づく従属関係グラフを生成する従属関係グラフ生成過程と、
前記従属関係グラフに基づき、各始点の信号表現を生成する信号表現生成過程と、
前記従属関係グラフ及び前記信号表現に基づき、時間窓のセットに対して確率ネットワークを生成及び訓練する過程であって、当該確率ネットワークは、ＫＰＩイベントが前記産業プロセスにおいて発生する可能性があるか否かを予測するのに用いられるように構成される、生成・訓練過程と、
を備える、方法。
〔態様２〕
態様１に記載の方法において、さらに、
前記少なくとも１つのＫＰＩイベントとの関連性が低いセンサから取得される時系列データを除外することにより、前記時系列データを低減する過程、
を備える、方法。
〔態様３〕
態様２に記載の方法において、さらに、
センサが低い関連性のものであるか否かを判定する判定過程であって、
センサ挙動に基づいて制御ゾーンを生成する副過程、
前記時系列データの各時系列ごとに、イベントゾーンの実現値と制御ゾーンの実現値との関連性スコアを算出する副過程、および
センサに比較的低い関連性スコアが割り当てられた場合には、当該センサを低い関連性のものであると指定する副過程、
を含む、過程、
を備える、方法。
〔態様４〕
態様１に記載の方法において、前兆パターンを特定する前記特定過程が、同様の特性を有する前兆パターンをグループ化する副過程を含む、方法。
〔態様５〕
態様１に記載の方法において、前記従属関係グラフを生成する前記従属関係グラフ生成過程が、前兆が発生したか否かを判定するのに距離尺度を用いる、副過程を含む、方法。
〔態様６〕
態様１に記載の方法において、前記確率ネットワークが、ベイジアン有向非巡回グラフおよび連続時間ベイジアンネットワークグラフのうちの少なくとも１つである、方法。
〔態様７〕
態様１に記載の方法において、さらに、
前記前兆パターンに関連するセンサからのリアルタイム時系列データを取得する過程と、
取得した前記リアルタイム時系列データを、当該時系列データの信号表現を生成するように変換する変換過程と、
前記確率ネットワーク及び前記時系列データの前記信号表現に基づき、特定のＫＰＩイベントの確率を決定する決定過程と、
を備える、方法。
〔態様８〕
態様７に記載の方法において、特定のＫＰＩイベントの確率を決定する前記決定過程が、
前記確率ネットワーク及び前記時系列データの前記信号表現に基づき、時間窓の前記セットでの前記特定のＫＰＩイベントの確率を決定する副過程、
時間窓の前記セットでの前記特定のＫＰＩイベントの前記確率に基づく累積確率関数を算出する副過程、
時間窓の前記セットでの前記特定のＫＰＩイベントの前記確率に基づく確率密度関数を算出する副過程、ならびに
前記累積確率関数及び前記確率密度関数に基づき、前記特定のＫＰＩイベントの確率および前記特定のＫＰＩイベントのリスクの集中度合を決定する副過程、
を含む、方法。
〔態様９〕
産業プロセスに対して根本的原因分析を実行するシステムであって、
前記産業プロセスにおける複数のセンサと、
メモリと、
前記センサ及び前記メモリと通信する少なくとも１つのプロセッサと、
を備え、前記少なくとも１つのプロセッサが、
前記複数のセンサから、少なくとも１つの主要プロセス指標（ＫＰＩ）イベントに関する、プラントワイドの履歴時系列データを取得して前記メモリに記憶し、
ＫＰＩイベントが発生する可能性があることを示す前兆パターンであって、それぞれある時間窓に対応する前兆パターンを特定し、
対応する時間窓内でＫＰＩイベント以前に頻繁に発生して且つ当該対応する時間窓外では稀にしか発生しない前兆パターンを選択し、
前記時系列データ及び前兆パターンに基づく従属関係グラフを前記メモリ内に生成し、
前記従属関係グラフに基づき、各始点の信号表現を前記メモリ内に生成し、
前記従属関係グラフ及び前記信号表現に基づき、時間窓のセットに対する確率ネットワークであって、ＫＰＩイベントが前記産業プロセスにおいて発生する可能性があるか否かを予測するのに用いられるように構成される確率ネットワークを前記メモリ内に生成して訓練する
ように構成されている、システム。
〔態様１０〕
態様９に記載のシステムにおいて、前記プロセッサが、さらに、前記少なくとも１つのＫＰＩイベントとの関連性が低いセンサから取得される時系列データを除外することにより、前記時系列データを低減するように構成されている、システム。
〔態様１１〕
態様１０に記載のシステムにおいて、前記プロセッサが、さらに、
センサ挙動に基づいて制御ゾーンを生成し、
前記時系列データの各時系列ごとに、イベントゾーンの実現値と制御ゾーンの実現値との関連性スコアを算出し、
センサに比較的低い関連性スコアが割り当てられた場合には、当該センサを低い関連性のものであると指定することにより、
センサが低い関連性のものであるか否かを判定するように構成されている、システム。
〔態様１２〕
態様９に記載のシステムにおいて、前記プロセッサが、さらに、前記従属関係グラフの生成において、前兆が発生したか否かを判定するのに距離尺度を用いるように構成されている、システム。
〔態様１３〕
態様９に記載のシステムにおいて、前記確率ネットワークが、ベイジアン有向非巡回グラフおよび連続時間ベイジアンネットワークグラフのうちの少なくとも１つである、システム。
〔態様１４〕
態様９に記載のシステムにおいて、前記プロセッサが、さらに、
前記前兆パターンに関連するセンサからのリアルタイム時系列データを取得し、
取得した前記リアルタイム時系列データを、当該時系列データの信号表現を生成するように変換し、
前記確率ネットワーク及び前記時系列データの前記信号表現に基づき、特定のＫＰＩイベントの確率を決定する
ように構成されている、システム。
〔態様１５〕
態様１４に記載のシステムにおいて、前記プロセッサが、特定のＫＰＩイベントの確率を、
前記確率ネットワーク及び前記時系列データの前記信号表現に基づき、時間窓の前記セットでの前記特定のＫＰＩイベントの確率を決定し、
時間窓の前記セットでの特定のＫＰＩイベントの前記確率に基づく累積確率関数を算出し、
時間窓の前記セットでの特定のＫＰＩイベントの前記確率に基づく確率密度関数を算出し、
前記累積確率関数及び確率密度関数に基づき、前記特定のＫＰＩイベントの確率および前記特定のＫＰＩイベントのリスクの集中度合を決定する
ことによって決定するように構成されている、システム。
〔態様１６〕
産業プロセスの根本的原因分析用のモデルであって、
ＫＰＩイベントが発生する可能性があることを示す前兆パターンを表すノードおよび前兆パターンの発生間の条件付き従属関係を表すエッジを含む、従属関係グラフと、
前記従属関係グラフに基づく、前記ＫＰＩイベントが発生する確率を提供するように訓練された確率ネットワークと、
を備える、モデル。
〔態様１７〕
態様１６に記載のモデルにおいて、前記確率ネットワークが、ベイジアン有向非巡回グラフおよび連続時間ベイジアンネットワークグラフのうちの少なくとも１つである、モデル。
〔態様１８〕
コンピュータに実装され、産業プロセスに対して根本的原因分析を実行するシステムであって、
産業プラントワイドの履歴データに基づいて主要プロセス指標（ＫＰＩ）イベントの根本的原因分析を実行するように、かつ、リアルタイムデータに基づいてＫＰＩイベントの発生を予測するように構成されたプロセッサエレメント、
を備え、前記プロセッサエレメントが、
ＫＰＩイベントの内容及び発生、複数のセンサの時系列データ、および前記産業プロセスにおいて対象のＫＰＩイベントに繋がるダイナミクスが発現している間の遡り時間窓の指定を入力として受け取るデータ統合手段であって、データの大規模なセットの低減を実行して、各時系列ごとに関連性スコアを構築する、データ統合手段、
前記データ統合手段と通信し、高い関連性スコアの時系列を受け取るように構成された根本的原因アナライザであって、繰返し発生する前兆パターンを特定するためにマルチ長さモチーフ発見プロセスを用い、前記遡り時間窓において多く発生する前兆パターンを、各前兆パターンの観測値の最新のセットがあれば、前記産業プロセスにおける別個の時間ホライズンでのイベントの確率を返すことができる確率グラフモデルの構築用に選択する、根本的原因アナライザ、ならびに
前記産業プロセスに対するオンラインインターフェースであって、当該オンラインインターフェースは、構築された前記モデルを、どの前兆パターンがリアルタイムで監視されるべきかを指定するように配備し、前記オンラインモデルは、各前兆パターンの距離スコアに基づいて、対象のプラントイベントの実際の確率およびリスクの集中度合を返す、オンラインインターフェース、
を含む、システム。
〔態様１９〕
態様１８に記載のシステムにおいて、前記根本的原因アナライザが、さらに、
ベイジアンネットワークを提供する確率グラフモデル構築部を有し、当該ベイジアンネットワークの学習が、有向分離原理に基づくものであり、当該ベイジアンネットワークの訓練が、信号の形態で提示された離散データを用いるものであり、当該信号の表現は、各前兆パターンごとに、当該前兆パターンが観測されたか否かを示す、システム。
〔態様２０〕
態様１９に記載のシステム及び方法において、前兆パターン観測値の決定が距離スコアに基づいて行われ、ベイジアンネットワークのセットが、累積密度関数及び確率密度関数を含む、時間ホライズンの上限までの確率期間構造を確立するように訓練される、システム及び方法。

Claims

請求項１９に記載のシステムにおいて、前兆パターン観測値の決定が距離スコアに基づいて行われ、ベイジアンネットワークのセットが、累積密度関数及び確率密度関数を含む、時間ホライズンの上限までの確率期間構造を確立するように訓練される、システム。