JP2020009325A - 異常検知プログラム、異常検知方法及び異常検知装置 - Google Patents

Abstract

【課題】センサの種類にかかわらず、汎用的な方法で、異常の発生や異常の予兆を精度よく検知する。【解決手段】データ受信部は、設備における稼働の程度を示す発電量の時系列データ及び設備に設けられたセンサの時系列データを取得し、状態数値化部は、取得した発電量の時系列データとセンサの時系列データそれぞれを複数の周波数成分へ分解してパワースペクトルデータを作成し、発電量のパワースペクトルデータとセンサのパワースペクトルデータの同一周波数毎のコヒーレンスを算出する。そして、異常予兆評価部は、周波数ごとに算出されたコヒーレンスの合算値と、過去に得られたコヒーレンスの合算値の分布とに基づいて、火力発電設備に含まれる機器の異常又は異常の予兆を検知する。【選択図】図１７

Description

本発明は、異常検知プログラム、異常検知方法及び異常検知装置に関する。

従来、火力発電所などの監視対象設備における異常を監視する場合、監視対象設備に設けられたセンサの値と所定の閾値とを比較した結果に基づいて異常を検知することが知られている。

また、生産設備の稼働実績を表す複数の指標それぞれの時系列データを合成した総合指標の時系列データを分析して、総合指標の各時刻におけるスコアを計算し、スコアが閾値を超えたか否かにより異常又は異常の予兆を検出する技術も知られている（例えば、特許文献１等参照）。

特開２０１５−１５２９３３号公報

しかしながら、上述したようなセンサの値やスコアを閾値と比較して異常を検知する場合、用いるセンサに応じて閾値を設定する必要があるなど、センサごとに処理が異なり、汎用的でない。

１つの側面では、本発明は、センサの種別にかかわらず汎用的な方法で設備の異常検知を行うことが可能な異常検知プログラム、異常検知方法及び異常検知装置を提供することを目的とする。

一つの態様では、異常検知プログラムは、設備における稼働の程度を示す時系列データ及び前記設備に関連する機器それぞれに設置されたセンサの時系列データを取得し、取得した前記稼働の程度を示す時系列データと前記センサの時系列データそれぞれを複数の周波数成分へ分解し、前記複数の周波数成分への分解の結果から前記稼働の程度を示す時系列データと前記センサの時系列データとの間における同一周波数毎の変化傾向の差を算出し、算出した前記変化傾向の差の合計値と、過去における前記変化傾向の差の合計値の分布と、に基づいて、前記設備に関連する機器の異常を検知する、処理をコンピュータに実行させるためのプログラムである。

センサの種別にかかわらず汎用的な方法で設備の異常検知を行うことができる。

第１の実施形態に係る異常監視システムの構成を概略的に示す図である。 図２（ａ）は、異常検知装置のハードウェア構成を示す図であり、図２（ｂ）は、異常検知装置の機能ブロック図である。 異常検知装置の処理を示すフローチャートである。 図３のステップＳ１１の詳細処理を示すフローチャートである。 図３のステップＳ１２の詳細処理を示すフローチャートである。 図３のステップＳ１３の詳細処理を示すフローチャートである。 図３のステップＳ１４の詳細処理を示すフローチャートである。 センサデータ管理テーブルを示す図である。 イベント管理テーブルを示す図である。 解析インプットデータテーブルを示す図である。 図１１（ａ）は、発電量の時系列データを示す図であり、図１１（ｂ）は、振動の時系列データを示す図である。 図１２（ａ）は、規準化後の発電量の時系列データを示す図であり、図１２（ｂ）は、規準化後の振動の時系列データを示す図である。 規準化データテーブルを示す図である。 図１４（ａ）、図１４（ｂ）は、高速フーリエ変換について説明するための図である。 コヒーレンス結果テーブルを示す図である。 日付ごとにコヒーレンス計算値をプロットした図（その１）である。 コヒーレンス計算値の確率密度を示す散布図（その１）である。 日付ごとにコヒーレンス計算値をプロットした図（その２）である。 コヒーレンス計算値の確率密度を示す散布図（その２）である。 日付ごとにコヒーレンス計算値をプロットした図（その３）である。 コヒーレンス計算値の確率密度を示す散布図（その３）である。 フィルタテーブルを示す図である。 第２の実施形態における異常検知装置の処理を示すフローチャートである。 図２３のステップＳ１３’の詳細処理を示すフローチャートである。 周波数ω単位のコヒーレンス結果テーブルを示す図である。 図２３のステップＳ１４’の詳細処理を示すフローチャートである。

《第１の実施形態》
以下、異常監視システムの第１の実施形態について、図１〜図２２に基づいて詳細に説明する。本第１の実施形態の異常監視システムは、例えば火力発電設備に含まれる機器における異常の発生や異常の予兆を監視するシステムである。

図１には、本第１の実施形態の異常監視システム１００の構成が概略的に示されている。図１に示すように、異常監視システム１００は、異常検知装置１０と、データサーバ２０と、管理装置７０と、を備えている。異常検知装置１０、データサーバ２０、及び管理装置７０は、インターネットやＬＡＮ（Local Area Network）などのネットワーク８０に接続されている。

異常検知装置１０は、火力発電設備における発電量の履歴や、火力発電設備に含まれる機器に設けられた各種センサ（例えば、温度、圧力、速度、振動（振動変位）などを検出するセンサ）の検出値を管理するデータサーバ２０からデータを取得する。なお、発電量の履歴は、火力発電設備における稼働の程度を示す時系列データであり、各種センサの検出値は、火力発電設備に含まれる機器それぞれに設置されたセンサの時系列データであるといえる。

また、異常検知装置１０は、データサーバ２０から取得したデータに基づいて、異常の発生又は異常の予兆を検知し、検知結果を管理装置７０に対して出力する。以下、データサーバ２０から取得するデータを纏めて、「センサデータ」と呼ぶものとする。

データサーバ２０は、上述したセンサデータを管理し、異常検知装置１０からの求めに応じて、異常検知装置１０に対してセンサデータを送信する。

管理装置７０は、火力発電設備の中央操作室等に設置され、火力発電設備の管理者等が利用する情報処理装置である。管理装置７０は、異常検知装置１０において異常の発生や異常の予兆が検知され、検知結果が送信されてきた場合に、アラームを表示する。

図２（ａ）には、異常検知装置１０のハードウェア構成が示されている。図２（ａ）に示すように、異常検知装置１０は、ＣＰＵ（Central Processing Unit）９０、ＲＯＭ（Read Only Memory）９２、ＲＡＭ（Random Access Memory）９４、記憶部（ここではＨＤＤ（Hard Disk Drive））９６、ネットワークインタフェース９７、及び可搬型記憶媒体用ドライブ９９等を備えている。これら異常検知装置１０の構成各部は、バス９８に接続されている。これら異常検知装置１０では、ＲＯＭ９２あるいはＨＤＤ９６に格納されているプログラム（異常検知プログラムを含む）、或いは可搬型記憶媒体用ドライブ９９が可搬型記憶媒体９１から読み取ったプログラム（異常検知プログラムを含む）をＣＰＵ９０が実行することにより、図２（ｂ）に示す各部の機能が実現されている。なお、図２（ｂ）の各部の機能は、例えば、ＡＳＩＣ（Application Specific Integrated Circuit）やＦＰＧＡ（Field Programmable Gate Array）等の集積回路により実現されてもよい。

図２（ｂ）には、異常検知装置１０の機能ブロック図が示されている。図２（ｂ）に示すように、異常検知装置１０は、ＣＰＵ９０がプログラムを実行することにより、取得部としてのデータ受信部１２、状態数値化部１４、検知部としての異常予兆評価部１６、異常予兆通知部１８として機能する。

データ受信部１２は、データサーバ２０から対象設備（本第１の実施形態では火力発電設備）の対象日１日分のセンサデータを取得して、センサデータ管理ＤＢ３２が有するセンサデータ管理テーブル３２２（図８参照）に受信したセンサデータを格納する。

状態数値化部１４は、センサデータ管理ＤＢ３２に格納されているセンサデータの数値化処理を行う。状態数値化部１４は、イベント管理ＤＢ３４が有するイベント管理テーブル３４２（図９）を参照して、異常の発生及び異常の予兆の検知に用いるセンサデータを特定する。そして、状態数値化部１４は、特定したセンサデータをセンサデータ管理ＤＢ３２が有する解析インプットデータテーブル３２４（図１０）に格納する。また、状態数値化部１４は、解析インプットデータテーブル３２４のデータを規準化して、規準化データテーブル３２６（図１３）に格納する。そして、状態数値化部１４は、規準化データテーブル３２６のデータを高速フーリエ変換するとともに、高速フーリエ変換により得られたパワースペクトルデータから、発電量と各センサのデータとの同一周波数毎の変化傾向の差として、周波数ごとにコヒーレンスを計算する。更に、状態数値化部１４は、周波数ごとに計算したコヒーレンスを合計（合算）して得られる値を、異常予兆情報管理ＤＢ３６が有するコヒーレンス結果テーブル３６２（図１５）に格納する。

異常予兆評価部１６は、コヒーレンス結果テーブル３６２に格納されているデータに基づいて、異常の発生又は異常の予兆を評価する。この評価において、異常予兆評価部１６は、異常予兆情報管理ＤＢ３６が有するフィルタテーブル３６４（図２２）を利用して、評価結果を修正（変更）する場合もある。そして、異常予兆評価部１６は、評価結果を異常予兆通知部１８に対して出力する。

異常予兆通知部１８は、異常予兆情報管理ＤＢ３６から取得した異常予兆評価結果を管理装置７０に対して通知する。

（異常検知装置１０の処理について）
以下、異常検知装置１０の処理について、図３〜図７のフローチャートに沿って、その他図面を適宜参照しつつ詳細に説明する。図３の処理では、まず、ステップＳ１０において、データ受信部１２が、例えば日付が切り替わるタイミングで、前日の１日分のセンサデータをデータサーバ２０に要求して受信し、センサデータ管理ＤＢ３２（図８のセンサデータ管理テーブル３２２）に格納する。図８の例では、センサデータ管理テーブル３２２には、２０１８年８月１５日に取得された１分毎の発電量、温度、圧力、速度、振動の各センサデータが格納されている。なお、図８の発電量の単位はＭＷ、温度の単位は℃、圧力の単位はｋＰａ、速度の単位はｍ／ｓ、振動の単位はμＰ−Ｐである。図８に示すように、センサデータ管理テーブル３２２に１日分のセンサデータ（１４４０行分のセンサデータ）が格納された状態で、以下のステップＳ１１〜Ｓ１５の処理が行われる。

ステップＳ１１〜Ｓ１５においては、状態数値化部１４が、解析対象データ抽出処理（Ｓ１１）、規準化処理（Ｓ１２）、コヒーレンス演算処理（Ｓ１３）を実行し、異常予兆評価部１６が、異常予兆評価処理（Ｓ１４）を実行し、異常予兆通知部１８が、異常予兆通知処理（Ｓ１５）を実行する。以下、各処理の詳細について、図４〜図７に基づいて説明する。なお、ステップＳ１１が実行される段階では、図１０の解析インプットデータテーブル３２４、規準化データテーブル３２６には、データが一切格納されていないものとする。

（解析対象データ抽出処理（Ｓ１１））
図４には、状態数値化部１４が実行する解析対象データ抽出処理の詳細処理がフローチャートにて示されている。図４の処理では、まずステップＳ２２において、状態数値化部１４が、未選択のセンサデータを１つ選択する。例えば、状態数値化部１４は、図８のセンサデータ管理テーブル３２２に格納されているセンサデータのうち、「発電量」のデータの先頭の１つを選択したものとする。

次いで、ステップＳ２４では、状態数値化部１４が、選択されたセンサデータの日時情報を取得する。例えば、図８のセンサデータ管理テーブル３２２の１行目の発電量のデータが選択されている場合には、「２０１８年８月１５日 ０：００：００」を取得する。

次いで、ステップＳ２６では、状態数値化部１４が、イベント管理テーブル３４２（図９）から、取得した日時情報に対応するイベント処理フラグを取得する。ここで、図９のイベント管理テーブル３４２には、イベントが発生した時間帯の情報（開始日、開始時刻、終了日、終了時刻）と、イベント（状態）の情報と、イベント処理フラグと、が関連付けて格納されている。なお、イベント管理テーブル３４２は、管理装置７０において作成されるものとする。

イベントの情報には、火力発電設備のスタートやストップの情報や、故障などによるタービンやボイラーのトリップ（緊急停止）、地震検知などが含まれる。イベント処理フラグには、「０」、「１」及び「２」がある。イベント処理フラグが「１」の時間帯に得られたセンサデータは、後述する異常の発生や異常の予兆の評価に用いないことを意味する。なお、イベント処理フラグ＝「２」の詳細については後述する。ステップＳ２６では、状態数値化部１４は、取得した日時情報がイベント管理テーブル３４２に格納されているいずれかの時間帯に含まれていれば、イベント処理フラグ＝「１」又は「２」を取得し、含まれていなければイベント処理フラグ＝「０」を取得する。

次いで、ステップＳ２８では、状態数値化部１４が、取得したイベント処理フラグが１であるか否かを判断する。このステップＳ２８の判断が否定された場合には、ステップＳ２９に移行し、状態数値化部１４は、選択されているセンサデータをそのまま解析インプットデータテーブル３２４（図１０）に格納する。その後は、ステップＳ３２に移行する。

一方、ステップＳ２８の判断が肯定された場合には、ステップＳ３０に移行する。ステップＳ３０に移行すると、状態数値化部１４は、選択されているセンサデータを解析対象外（ＮＡ）とし、解析インプットデータテーブル３２４（図１０）に格納する。その後は、ステップＳ３２に移行する。

ステップＳ３２に移行した場合、状態数値化部１４が、センサデータ管理テーブル３２２に格納されている全てのセンサデータを選択したか否かを判断する。このステップＳ３２の判断が否定された場合には、ステップＳ２２に戻る。その後は、ステップＳ２２以降の処理が繰り返し実行され、ステップＳ３２の判断が肯定された段階で、図４のステップＳ１１の全処理が終了する。

以上の処理により、図１０の解析インプットデータテーブル３２４では、例えば、２０１８年８月１５日の６：５０：００から７：２０：００までの間のデータが「ＮＡ」に書き換えられるようになっている。なお、図１１（ａ）、図１１（ｂ）には、一例として、発電量の時系列データと、振動の時系列データが示されている。図１１（ａ）、図１１（ｂ）においてグレーで示されている部分のデータは、上記ステップＳ１１の処理において解析対象外（ＮＡ）となるデータである。ステップＳ１１の処理を行うことで、外的要因（スタートやストップなど）によるセンサデータの一時的な変動を異常と見做さないようにすることができる。

（規準化処理（Ｓ１２））
次に、図５のフローチャートに沿って、上述した解析対象データ抽出処理（Ｓ１１）の後に状態数値化部１４により実行される規準化処理（Ｓ１２）について説明する。

図５の処理では、まず、ステップＳ４０において、状態数値化部１４が、未選択のセンサデータの種類を選択する。例えば、状態数値化部１４は、センサデータ「発電量」を選択したものとする。

次いで、ステップＳ４２では、状態数値化部１４が、解析インプットデータテーブル３２４から、選択している種類のセンサデータ（１日分）を取得する。ここでは、状態数値化部１４は、解析インプットデータテーブル３２４から、２０１８年８月１５日の１日分の「発電量」のデータを取得したものとする。

次いで、ステップＳ４４では、状態数値化部１４が、取得したデータの規準化計算を実施する。この場合、例えば、データ処理のしやすさを考慮して、取得したデータの平均が０、分散が１となるように規準化を実行する。図１２（ａ）、図１２（ｂ）には、図１１（ａ）、図１１（ｂ）の時系列データを規準化した場合の例（規準化後の発電量の時系列データ及び規準化後の振動の時系列データ）が示されている。

次いで、ステップＳ４６では、状態数値化部１４が、規準化計算後のデータを図１３の規準化データテーブル３２６に格納する。上述したように「発電量」のセンサデータの規準化が行われた場合には、図１３の規準化データテーブル３２６の「発電量」の列に、規準化後のデータが格納される。

次いで、ステップＳ４８では、状態数値化部１４が、センサデータの全ての種類を選択したか否かを判断する。このステップＳ４８の判断が否定された場合には、ステップＳ４０に戻り、未選択のセンサデータに対するステップＳ４０〜Ｓ４６の処理が繰り返し実行される。そして、ステップＳ４８の判断が肯定された段階で、図５の全処理が終了する。

（コヒーレンス演算処理（Ｓ１３））
次に、図６のフローチャートに沿って、状態数値化部１４により実行されるコヒーレンス演算処理について説明する。

図６の処理では、まずステップＳ５０において、状態数値化部１４が、規準化データテーブル３２６（図１３）から規準化後のデータを取得する。この場合、状態数値化部１４は、２０１８年８月１５日の１日分のデータを規準化データテーブル３２６から取得したとする。

次いで、ステップＳ５２では、状態数値化部１４が、高速フーリエ変換のパターンを設定する。高速フーリエ変換のパターンとしては、例えば、サンプリング周波数、サンプル数、窓関数、オーバーラップなどがそれぞれ定義された複数パターンが用意されているものとする。ステップＳ５２では、状態数値化部１４が、予め用意されている複数パターンのうちの１つを選択するものとする。

次いで、ステップＳ５４では、状態数値化部１４が、設定されたパラメータを用いて、取得した規準化後のセンサデータに対して高速フーリエ変換計算を行い、フーリエ変換後のパワースペクトルデータを作成する。この場合、状態数値化部１４は、発電量の時系列データ（規準化後のデータ）に対して高速フーリエ変換を行うことで、フーリエ変換後のパワースペクトルデータを得る。また、状態数値化部１４は、発電量以外の時系列データ（規準化後のデータ）に対しても高速フーリエ変換を行うことで、発電量以外についてもフーリエ変換後のパワースペクトルデータを得る。ここで、図１４（ａ）には、１日分の発電量の時系列データ（規準化後のデータ）の一例が示されている。状態数値化部１４は、図１４（ａ）の規準化後のデータを高速フーリエ変換することで、図１４（ｂ）に示すようなフーリエ変換後のパワースペクトルを得ることができる。

次いで、ステップＳ５６では、状態数値化部１４が、ステップＳ５４において得られた発電量のパワースペクトルデータと、発電量以外のセンサのパワースペクトルデータとを用いて、周波数ω単位でコヒーレンスを計算する。より具体的には、状態数値化部１４は、発電量と温度のコヒーレンスを周波数ω単位で計算し、発電量と圧力のコヒーレンスを周波数ω単位で計算し、発電量と速度のコヒーレンスを周波数ω単位で計算し、発電量と振動のコヒーレンスを周波数ω単位で計算する。

次いで、ステップＳ５８では、状態数値化部１４が、周波数ω単位のコヒーレンス計算結果を集計（合算）する。例えば、状態数値化部１４は、発電量と温度の各周波数のコヒーレンスを合算し、発電量と圧力の各周波数のコヒーレンスを合算し、発電量と速度の各周波数のコヒーレンスを合算し、発電量と振動の各周波数のコヒーレンスを合算する。なお、コヒーレンスの合算値（合計値）を以下においてはコヒーレンス計算値と呼ぶものとする。

次いで、ステップＳ６０では、状態数値化部１４が、コヒーレンス計算値をコヒーレンス結果テーブル３６２に格納する。この場合、状態数値化部１４は、例えば、図１５のコヒーレンス結果テーブル３６２の対象日（２０１８年８月１５日）に対応する「コヒーレンス１」の欄に、求めたコヒーレンス計算値を格納する。

次いで、ステップＳ６２では、状態数値化部１４が、予め用意されている高速フーリエ変換の複数のパターンの全てのパターンを設定したか否かを判断する。このステップＳ６２の判断が否定された場合には、ステップＳ５２に戻る。ステップＳ５２に戻ると、状態数値化部１４は、次の高速フーリエ変換のパターンを選択して設定し、ステップＳ５４以降の処理を上記と同様に実行する。なお、ステップＳ６０の実施が２回目となる場合には、状態数値化部１４は、例えば、図１５のコヒーレンス結果テーブル３６２の対象日に対応する「コヒーレンス２」の欄に、ステップＳ５８で求めたコヒーレンス計算値を格納する。

その後は、ステップＳ６２の判断が肯定されるまでステップＳ５２〜Ｓ６２の処理・判断を繰り返し、ステップＳ６２の判断が肯定された段階で、図６の処理（ステップＳ１３の処理）が終了する。

なお、図１５のコヒーレンス結果テーブル３６２には、過去に算出されたコヒーレンス計算値についても格納されている。

（異常予兆評価処理（Ｓ１４））
次に、図７のフローチャートに沿って、異常予兆評価部１６により実行される異常予兆評価処理について詳細に説明する。

図７の処理では、まず、ステップＳ７０において、異常予兆評価部１６が、対象日のコヒーレンス計算値を１つ取得する。ここでは、一例として、対象日が２０１８年８月１５日であるものとし、対象日におけるコヒーレンス計算値として、図１５のコヒーレンス結果テーブル３６２から、コヒーレンス１「発電量−振動」（下線付きの値「-0.5116」参照）を取得したものとする。

次いで、ステップＳ７１では、異常予兆評価部１６が、過去の所定期間のコヒーレンス計算値をコヒーレンス結果テーブル３６２から取得する。ここでは、過去の所定期間のコヒーレンス計算値として、２０１８年７月６日から８月１４日のコヒーレンス計算値を取得したものとする。

次いで、ステップＳ７２では、異常予兆評価部１６が、分布を計算する。この場合、異常予兆評価部１６は、図１６に示すように日付ごとにコヒーレンス計算値をプロットし、分布を計算する。

次いで、ステップＳ７４では、異常予兆評価部１６が、計算した分布の歪度が高く、正規分布でないか否かを判断する。このステップＳ７４の判断が肯定された場合には、ステップＳ７６に移行し、異常予兆評価部１６は、前処理（例えばフィッシャーＺ変換）を実行することで、分布が正規分布に近づくようにする。一方、ステップＳ７４の判断が否定された場合には、ステップＳ７６を経ずに、ステップＳ７８に移行する。

ステップＳ７８に移行すると、異常予兆評価部１６は、図１６の分布（又はステップＳ７６で前処理を行った後の分布）に基づいて、図１７に示すようなコヒーレンス計算値の確率密度を示す散布図を作成し、その標準偏差σを計算する。なお、本第１の実施形態では、図１７に示すコヒーレンス計算値＝０を中心とする標準偏差の２倍（２×σ）の範囲を異常なし（青）の範囲とし、当該範囲の外側を異常（赤）と判定する。なお、異常なし（青）と異常（赤）との間には、警告（黄）もあるが、図１７からは警告（黄）は判定されない（異常なし（青）／異常（赤）のみ判定される）ものとする。なお、異常レベルは、低いほうから、異常なし（青）、警告（黄）、異常（赤）である。なお、異常（赤）と判定される場合には、異常が既に発生している場合はもちろん、異常が発生する予兆がある場合も含まれる。

次いで、ステップＳ８０では、異常予兆評価部１６が、対象日の異常予兆判定を実施する。対象日が２０１８年８月１５日であり、図１６において、コヒーレンス計算値が黒丸印で示す値（-0.5116）であったとする。この場合、図１７では、２０１８年８月１５日のコヒーレンス計算値は、黒丸印で示す位置にプロットされ、図１７に示す２×σの範囲に入っているため、異常なし（青）と判定される。

次いで、ステップＳ８２では、異常予兆評価部１６が、イベント管理テーブル３４２から対象日のイベントを取得する。次いで、ステップＳ８４では、異常予兆評価部１６が、取得したイベントにイベント処理フラグ＝「２」のイベントが含まれているか否かを判断する。なお、対象日２０１８年８月１５日のイベントには、イベント処理フラグ＝２のイベントは含まれていないため、ステップＳ８４の判断は否定され、ステップＳ９０に移行する。ステップＳ９０では、異常予兆評価部１６が、異常予兆評価結果（異常なし（青））を異常予兆通知部１８に対してそのまま出力する。

その後は、ステップＳ９４において、対象日のコヒーレンス計算値の処理がすべて終了したか否かを判断する。このステップＳ９４の判断が否定された場合には、ステップＳ７０に戻り、上述した処理を繰り返す。一方、ステップＳ９４の判断が肯定された場合には、図７の全処理を終了する。なお、異常予兆評価部１６は、図７のステップＳ７０〜Ｓ９４の処理・判断を繰り返している間はステップＳ９０を行わずに、ステップＳ９４の判断が肯定された後に、ステップＳ９０の処理を実行することとしてもよい。これにより、異常予兆評価部１６は、異常予兆評価結果をまとめて異常予兆通知部１８に対して出力することができる。

（対象日＝２０１８年８月１６日の場合）
対象日が２０１８年８月１６日である場合に、コヒーレンス計算値としてコヒーレンス１「発電量−振動」（図１５の下線付きの値「0.9251」参照）を取得したものとする。この場合、異常予兆評価部１６は、過去の所定期間のコヒーレンス計算値として、例えば、２０１８年７月６日から８月１５日までのコヒーレンス計算値をコヒーレンス結果テーブル３６２から取得する（Ｓ７０、Ｓ７１）。

このとき、図１８において、対象日のコヒーレンス計算値が黒丸印で示す値（０．９２５１）であったとすると、図１９の散布図では、２０１８年８月１６日のコヒーレンス計算値が黒丸印で示す位置にプロットされる。このコヒーレンス計算値は、図１９に示す２×σの範囲から外れているため、異常予兆評価部１６は、異常（赤）と判定する（Ｓ７２〜Ｓ８０）。

次いで、異常予兆評価部１６は、イベント管理テーブル３４２から対象日のイベントを取得する（Ｓ８２）。この場合、取得したイベントにはイベント処理フラグ＝「２」のイベントが含まれていないので（ステップＳ８４：否定）、異常予兆評価部１６は、異常予兆評価結果（異常（赤））を異常予兆通知部１８に対してそのまま出力する。

（対象日＝２０１８年８月２２日の場合）
対象日が２０１８年８月２２日である場合に、コヒーレンス計算値としてコヒーレンス１「発電量−振動」（図１５の下線付きの値「0.8582」参照）を取得したものとする。この場合、異常予兆評価部１６は、過去の所定期間のコヒーレンス計算値として、例えば、２０１８年７月６日から８月２１日までのコヒーレンス計算値をコヒーレンス結果テーブル３６２から取得する（Ｓ７０、Ｓ７１）。

このとき、図２０において、対象日のコヒーレンス計算値が黒丸印で示す値（０．８５８２）であったとすると、図２１では、２０１８年８月２２日のコヒーレンス計算値が黒丸印で示す位置にプロットされる。このコヒーレンス計算値は、図２１に示す２×σの範囲から外れているため、異常（赤）と判定される（Ｓ７２〜Ｓ８０）。

次いで、異常予兆評価部１６は、イベント管理テーブル３４２から対象日のイベント「地震検知、震度２」を取得する（Ｓ８２）。この場合、取得したイベントにはイベント処理フラグ＝「２」のイベントが含まれているので（ステップＳ８４：肯定）、異常予兆評価部１６は、図２２に示すフィルタテーブル３６４からフィルタ定義を取得する（Ｓ８６）。ここで、図２２のフィルタテーブル３６４には、フィルタ名と、フィルタ定義とが対応付けて格納されている。図２２の例では、フィルタ名「地震（震度２以下）」に対して、フィルタ定義「異常予兆評価結果を１段階下げる。ただし、異常なし（青）までは下げない」などが格納されているものとする。異常予兆評価部１６は、ステップＳ８２で取得したイベント（地震検知、震度２）に対応するフィルタ定義として、「異常予兆評価結果を１段階下げる。ただし、異常なし（青）までは下げない」を取得する。

次いで、異常予兆評価部１６は、ステップＳ８８において、異常予兆評価結果を変更する必要があるか否かを判断する。ここでは、取得したフィルタ定義に基づいて、異常予兆評価結果を変更する必要があるため、ステップＳ８８の判断が肯定され、ステップＳ９２に移行する。ステップＳ９２に移行すると、異常予兆評価部１６は、異常予兆評価結果をフィルタ定義に基づいて変更する。本例では、異常予兆評価部１６は、異常（赤）から警告（黄）に変更する。すなわち、異常（赤）と評価された原因が地震にある可能性があり、火力発電設備の機器に異常が発生していない可能性があることから、異常（赤）から警告（黄）に変更するものとする。その後は、ステップＳ９０に移行し、異常予兆評価部１６は、変更後の異常予兆評価結果を異常予兆通知部１８に対して出力する。

なお、ステップＳ８８の判断が否定された場合、すなわち、異常予兆評価結果を変更する必要がなかった場合には、ステップＳ９２を経ずに、ステップＳ９０に直接移行する。この場合、異常予兆評価部１６は、異常予兆評価結果をそのまま（変更せずに）異常予兆通知部１８に対して出力する。

（異常予兆通知処理（Ｓ１５））
上述したステップＳ１４の処理が行われた後は、異常予兆評価部１６から異常予兆評価結果を受け取った異常予兆通知部１８が、管理装置７０に対して異常予兆評価結果を通知する。管理装置７０では、受け取った異常予兆評価結果を表示部などを介して出力する。なお、管理装置７０は、青、黄、赤で異常有無を表示可能な信号機を用いて、異常なし（青）や、アラーム（警告（黄）、異常（赤））を表示することとしてもよい。また、音や音声などによりアラームを出力することとしてもよい。

これまでの説明からわかるように、本第１の実施形態では、状態数値化部１４により、処理（解析）に用いるセンサデータを特定する特定部、発電量の時系列データとセンサの時系列データそれぞれを複数の周波数成分へ分解してパワースペクトルデータを作成する分解部、発電量のパワースペクトルデータとセンサのパワースペクトルデータの同一周波数毎のコヒーレンスを算出する算出部、としての機能が実現されている。

以上、詳細に説明したように、本第１の実施形態によると、データ受信部１２は、設備における稼働の程度を示す時系列データ（発電量の時系列データ）及び設備に設けられたセンサの時系列データを取得し（Ｓ１０）、状態数値化部１４は、取得した発電量の時系列データとセンサの時系列データそれぞれを複数の周波数成分へ分解してパワースペクトルデータを作成し（Ｓ１３、Ｓ５４）、発電量のパワースペクトルデータとセンサのパワースペクトルデータの同一周波数毎のコヒーレンスを算出する（Ｓ５６）。そして、異常予兆評価部１６は、周波数ごとに算出されたコヒーレンスの合算値と、過去に得られたコヒーレンスの合算値の分布とに基づいて、火力発電設備に含まれる機器の異常又は異常の予兆を検知する（Ｓ１３）。これにより、発電量を基準としてセンサデータが過去とは異なる挙動を示した場合に、火力発電設備に含まれる機器に異常が発生した、又は異常の予兆があることを検知することができるため、センサの種類にかかわらず、汎用的な方法で、異常の発生や異常の予兆を精度よく検知することができる。また、本第１の実施形態では、周波数ごとに算出されたコヒーレンスそのものから異常の発生又は予兆を検知するのではなく、周波数ごとに算出されたコヒーレンスを合算した値から異常の発生又は予兆を検知するため処理を簡素化することができる。更に、本第１の実施形態の異常予兆評価部１６は、センサデータと閾値の比較を行わずに、対象日のコヒーレンス計算値と、過去のコヒーレンス計算値の分布とを比較して異常判定を行うため、異常の発生のみならず、異常の予兆を精度よく検知することができる。

また、本第１の実施形態では、状態数値化部１４は、設備の稼働状態に基づいて、時系列データの中から処理（解析）に用いるデータを抽出する（Ｓ１１）。これにより、設備の稼働状態（スタートやストップなど）によるセンサデータの一時的な変動を異常と見做さないようにすることができる。

また、本第１の実施形態では、イベント管理テーブル３４２のイベント処理フラグ、及びフィルタテーブル３６４に基づいて、異常判定結果を変更する（Ｓ９２）。これにより、地震などのイベントが発生した場合でも異常検知精度を維持することが可能である。

なお、上記第１の実施形態では、図１７、図１９、図２１において、コヒーレンス計算値が、過去のコヒーレンス計算値の分布の２×σの範囲に入るか否かに基づいて異常あり／異常なしを判定する場合について説明した。しかしながら、これに限られるものではなく、その他の範囲（例えば３×σや半値幅など）を用いて、異常あり／異常なしを判定することとしてもよい。

なお、上記第１の実施形態では、火力発電施設の異常検知に図１の異常監視システム１００を用いる場合について説明したが、これに限らず、その他の施設（例えば工場など）の異常検知に図１の異常監視システム１００を用いることとしてもよい。この場合、施設における稼働の程度を示す時系列データとしては、生産量の時系列データなどを用いることができる。

《第２の実施形態》
以下、第２の実施形態について、図２３〜図２６に基づいて説明する。本第２の実施形態の異常監視システムは、上記第１の実施形態と同様の構成を有しているものの、異常検知装置１０の一部処理が異なっている。なお、本第２の実施形態では、図１５のコヒーレンス結果テーブル３６２に代えて、図２５に示す周波数ω単位のコヒーレンス結果テーブル３６２’が利用される。

本第２の実施形態では、異常検知装置１０は、図３の処理に代えて、図２３のフローチャートに沿った処理を実行する。より具体的には、異常検知装置１０は、図２３の処理において、図３のステップＳ１３、Ｓ１４の処理に代えて、ステップＳ１３’、Ｓ１４’の処理を実行する。なお、ステップＳ１０、Ｓ１１、Ｓ１２及びＳ１５については、第１の実施形態と同様の処理となっている。

（コヒーレンス演算処理（Ｓ１３’））
以下、図２４のフローチャートに沿って、状態数値化部１４により実行されるコヒーレンス演算処理について説明する。

図２４の処理では、状態数値化部１４は、ステップＳ５０〜Ｓ５６を図６と同様に実行する。より具体的には、状態数値化部１４は、規準化データテーブル３２６（図１３）から規準化後のデータを取得するとともに（Ｓ５０）、高速フーリエ変換のパターンを設定する（Ｓ５２）。また、状態数値化部１４は、設定されたパラメータを用いて、取得した規準化後のセンサデータに対して高速フーリエ変換計算を行い、フーリエ変換後のパワースペクトルデータを作成する（Ｓ５４）。そして、状態数値化部１４は、ステップＳ５４において得られた発電量のパワースペクトルデータと、発電量以外のセンサのパワースペクトルデータとを用いて、周波数ω単位でコヒーレンスを計算する（Ｓ５６）。より具体的には、状態数値化部１４は、発電量と温度のコヒーレンスを周波数ω単位で計算し、発電量と圧力のコヒーレンスを周波数ω単位で計算し、発電量と速度のコヒーレンスを周波数ω単位で計算し、発電量と振動のコヒーレンスを周波数ω単位で計算する。

次いで、ステップＳ５８’では、状態数値化部１４が、周波数ω単位のコヒーレンス計算結果を図２５に示す周波数ω単位のコヒーレンス結果テーブル３６２’に格納する。ここで、図２５に示す周波数ω単位のコヒーレンス結果テーブル３６２’には、図６とは異なり、周波数ごとにコヒーレンス計算結果を格納することができるようになっている。

次いで、ステップＳ６２では、状態数値化部１４が、予め用意されている高速フーリエ変換の複数のパターンの全てのパターンを設定したか否かを判断する。このステップＳ６２の判断が否定された場合には、ステップＳ５２〜Ｓ６２の処理・判断を繰り返し、ステップＳ６２の判断が肯定された段階で、図２５の処理（ステップＳ１３’の処理）が終了する。

（異常予兆評価処理（Ｓ１４’））
次に、図２６のフローチャートに沿って、異常予兆評価部１６により実行される異常予兆評価処理について詳細に説明する。

図２６の処理では、まず、ステップＳ７０’において、異常予兆評価部１６が、対象日の周波数単位のコヒーレンス計算値を１つ取得する。ここでは、一例として、図２５から、対象日が２０１８年８月１５日の周波数（ω＝０）のコヒーレンス計算値として、コヒーレンス１「発電量−振動」（＝-0.0051）を取得したものとする。

次いで、ステップＳ７１’では、異常予兆評価部１６が、過去の所定期間における同一周波数のコヒーレンス計算値を周波数ω単位のコヒーレンス結果テーブル３６２’から取得する。ここでは、過去の所定期間のコヒーレンス計算値として、２０１８年７月６日から８月１４日の周波数ω＝０のコヒーレンス計算値を取得したものとする。

次いで、ステップＳ７２では、異常予兆評価部１６が、分布を計算する。この場合、異常予兆評価部１６は、図１６と同様に、日付ごとに周波数ω＝０のコヒーレンス計算値をプロットし、分布を計算する。その後、異常予兆評価部１６は、計算した分布の歪度が高く、正規分布でない場合（Ｓ７４：肯定）には、前処理（例えばフィッシャーＺ変換）を実行し（Ｓ７６）、ステップＳ７８に移行する。ステップＳ７８に移行すると、異常予兆評価部１６は、ステップＳ７２で求めた分布又はステップＳ７６で前処理を行った後の分布に基づいて、周波数ω＝０のコヒーレンス計算値の確率密度を示す散布図（図１７と同様）を作成し、その標準偏差σを計算する。

次いで、ステップＳ８０では、異常予兆評価部１６が、対象日の異常予兆判定を実施する。この場合、異常予兆評価部１６は、ステップＳ７０’で取得した周波数ω＝０のコヒーレンス計算値が確率密度を示す散布図の２×σの範囲に入っていれば（すなわち、コヒーレンス計算値が過去のコヒーレンス計算値の分布と一致又は類似していれば）、異常なし（青）と判定し、２×σの範囲に入っていなければ異常あり（赤）と判定する。なお、ステップＳ８０で用いる範囲（２×σ）は一例であるため、その他の範囲を設定してもよい。なお、本第２の実施形態では、ステップＳ８０において、複数の周波数成分への分解の結果から火力発電設備の稼働の程度を示す時系列データとセンサの時系列データとの間における周波数毎の変化傾向と過去の変化傾向とを比較し、変化傾向が過去の変化傾向と一致又は類似する周波数を特定し、特定した周波数以外の周波数がある場合に異常ありと判定していると言える。

その後は、異常予兆評価部１６は、ステップＳ８２、Ｓ８４、Ｓ８６、Ｓ８８、Ｓ９２を適宜実行することで、イベントに基づく異常予兆評価結果の変更の必要性を判断し、必要であれば異常予兆評価結果を変更する。そして、ステップＳ９０’に移行すると、異常予兆評価部１６は、周波数単位の異常予兆評価結果を異常予兆通知部１８に対して出力する。

その後は、ステップＳ９４’において、対象日のコヒーレンス計算値の処理がすべて終了したか否かを判断し、ステップＳ９４’の判断が否定された場合には、ステップＳ７０’に戻り、上述した処理を繰り返す。これにより、周波数ごとのコヒーレンス計算値に基づいて、異常予兆の有無を評価し、評価結果を異常予兆通知部１８に対して出力することができる。一方、ステップＳ９４’の判断が肯定された場合には、図２６の全処理を終了する。

これまでの説明からわかるように、本第２の実施形態では、異常予兆評価部１６により、発電量のパワースペクトルデータとセンサのパワースペクトルデータの同一周波数毎のコヒーレンス（変化傾向）を過去の変化傾向と比較する比較部、及び過去の変化傾向と一致又は類似する周波数を特定する特定部としての機能が実現されている。また、異常予兆評価部１６により、特定した周波数以外の周波数におけるセンサの時系列データに基づいて、設備に関連する機器の異常を検知する検知部としての機能が実現されている。

以上、詳細に説明したように、本第２の実施形態によると、データ受信部１２は、設備における稼働の程度を示す時系列データ（発電量の時系列データ）及び設備に設けられたセンサの時系列データを取得し、状態数値化部１４は、取得した発電量の時系列データとセンサの時系列データそれぞれを複数の周波数成分へ分解してパワースペクトルデータを作成し（Ｓ１３’、Ｓ５４）、発電量のパワースペクトルデータとセンサのパワースペクトルデータの同一周波数毎のコヒーレンスを算出する（Ｓ１３’Ｓ５６）。そして、異常予兆評価部１６は、周波数ごとに算出されたコヒーレンスのうち、過去に得られた同一周波数ごとのコヒーレンスの分布から定まる範囲に含まれないものを特定して、これに基づいて火力発電設備に含まれる機器の異常又は異常の予兆を検知する（Ｓ１４’）。これにより、発電量を基準としてセンサデータが過去とは異なる挙動を示した場合に、火力発電設備に含まれる機器に異常が発生した、又は異常の予兆があることを検知することができるため、センサの種類にかかわらず、汎用的な方法で、異常の発生や異常の予兆を精度よく検知することができる。また、本第２の実施形態の異常予兆評価部１６は、センサデータと閾値の比較を行わずに、対象日のコヒーレンス計算値と、過去のコヒーレンス計算値の分布とを比較して異常判定を行うため、異常の発生のみならず、異常の予兆を精度よく検知することができる。

なお、上記第２の実施形態では、周波数に応じて火力発電設備のどの箇所に異常が生じているかを判断することができる場合もある。このような場合には、異常予兆評価部１６は、ステップＳ９０’において周波数単位の異常予兆評価結果を異常予兆通知部１８に出力する際に、どの箇所の異常であるかの情報を出力することとしてもよい。

なお、上記の処理機能は、コンピュータによって実現することができる。その場合、処理装置が有すべき機能の処理内容を記述したプログラムが提供される。そのプログラムをコンピュータで実行することにより、上記処理機能がコンピュータ上で実現される。処理内容を記述したプログラムは、コンピュータで読み取り可能な記憶媒体（ただし、搬送波は除く）に記録しておくことができる。

プログラムを流通させる場合には、例えば、そのプログラムが記録されたＤＶＤ（Digital Versatile Disc）、ＣＤ−ＲＯＭ（Compact Disc Read Only Memory）などの可搬型記憶媒体の形態で販売される。また、プログラムをサーバコンピュータの記憶装置に格納しておき、ネットワークを介して、サーバコンピュータから他のコンピュータにそのプログラムを転送することもできる。

プログラムを実行するコンピュータは、例えば、可搬型記憶媒体に記録されたプログラムもしくはサーバコンピュータから転送されたプログラムを、自己の記憶装置に格納する。そして、コンピュータは、自己の記憶装置からプログラムを読み取り、プログラムに従った処理を実行する。なお、コンピュータは、可搬型記憶媒体から直接プログラムを読み取り、そのプログラムに従った処理を実行することもできる。また、コンピュータは、サーバコンピュータからプログラムが転送されるごとに、逐次、受け取ったプログラムに従った処理を実行することもできる。

上述した実施形態は本発明の好適な実施の例である。但し、これに限定されるものではなく、本発明の要旨を逸脱しない範囲内において種々変形実施可能である。

なお、以上の実施形態の説明に関して、更に以下の付記を開示する。
（付記１） 設備における稼働の程度を示す時系列データ及び前記設備に関連する機器それぞれに設置されたセンサの時系列データを取得し、
取得した前記稼働の程度を示す時系列データと前記センサの時系列データそれぞれを複数の周波数成分へ分解し、
前記複数の周波数成分への分解の結果から前記稼働の程度を示す時系列データと前記センサの時系列データとの間における同一周波数毎の変化傾向の差を算出し、
算出した前記変化傾向の差の合計値と、過去における前記変化傾向の差の合計値の分布と、に基づいて、前記設備に関連する機器の異常を検知する、
処理をコンピュータに実行させることを特徴とする異常検知プログラム。
（付記２） 前記センサの時系列データは、前記設備に関連する機器の温度、圧力、速度、振動変位の少なくとも一つの時系列データであることを特徴とする付記１に記載の異常検知プログラム。
（付記３） 前記算出する処理では、前記稼働の程度を示す時系列データと前記センサの時系列データから得られる同一周波数成分ごとのコヒーレンスを算出し、
前記異常を検知する処理では、周波数成分ごとのコヒーレンスの合計値と、過去における周波数成分ごとのコヒーレンスの合計値の分布と、に基づいて、前記設備に関連する機器の異常を検知する、ことを特徴とする付記１または２に記載の異常検知プログラム。
（付記４） 前記設備の稼働状態に基づいて、前記取得する処理で取得した時系列データの中から、前記分解する処理で複数の周波数成分に分解する時系列データを特定する、処理をコンピュータに実行させることを特徴とする付記１〜３のいずれかに記載の異常検知プログラム。
（付記５） 前記設備の稼働状態に基づいて、検知した前記異常の内容を変更する、ことを特徴とする付記１〜４のいずれかに記載の異常検知プログラム。
（付記６） 設備における稼働の程度を示す時系列データ及び前記設備に関連する機器それぞれに設置されたセンサの時系列データを取得し、
取得した前記稼働の程度を示す時系列データと前記センサの時系列データそれぞれを複数の周波数成分へ分解し、
前記複数の周波数成分への分解の結果から前記稼働の程度を示す時系列データと前記センサの時系列データとの間における同一周波数毎の変化傾向の差を算出し、
算出した前記変化傾向の差の合計値と、過去における前記変化傾向の差の合計値の分布と、に基づいて、前記設備に関連する機器の異常を検知する、
処理をコンピュータが実行することを特徴とする異常検知方法。
（付記７） 設備における稼働の程度を示す時系列データ及び前記設備に関連する機器それぞれに設置されたセンサの時系列データを取得する取得部と、
前記取得部が取得した前記稼働の程度を示す時系列データと前記センサの時系列データそれぞれを複数の周波数成分へ分解する分解部と、
前記複数の周波数成分への分解の結果から前記稼働の程度を示す時系列データと前記センサの時系列データとの間における同一周波数毎の変化傾向の差を算出する算出部と、
前記算出部が算出した前記変化傾向の差の合計値と、過去における前記変化傾向の差の合計値の分布と、に基づいて、前記設備に関連する機器の異常を検知する検知部と、
を備える異常検知装置。
（付記８） 前記センサの時系列データは、前記設備に関連する機器の温度、圧力、速度、振動変位の少なくとも一つの時系列データであることを特徴とする付記７に記載の異常検知装置。
（付記９） 前記算出部は、前記稼働の程度を示す時系列データと前記センサの時系列データから得られる同一周波数成分ごとのコヒーレンスを算出し、
前記検知部は、周波数成分ごとのコヒーレンスの合計値と、過去における周波数成分ごとのコヒーレンスの合計値の分布と、に基づいて、前記設備に関連する機器の異常を検知する、ことを特徴とする付記７または８に記載の異常検知装置。
（付記１０） 前記設備の稼働状態に基づいて、前記取得する処理で取得した時系列データの中から、前記分解部が複数の周波数成分に分解する時系列データを特定する特定部を更に備える付記７〜９のいずれかに記載の異常検知装置。
（付記１１） 前記検知部は、前記設備の稼働状態に基づいて、検知した前記異常の内容を変更する、ことを特徴とする付記７〜１０のいずれかに記載の異常検知装置。
（付記１２） 設備における稼働の程度を示す時系列データ及び前記設備に関連する機器それぞれに設置されたセンサの時系列データを取得し、
取得した前記稼働の程度を示す時系列データと前記センサの時系列データそれぞれを複数の周波数成分へ分解し、
前記複数の周波数成分への分解の結果から前記稼働の程度を示す時系列データと前記センサの時系列データとの間における周波数毎の変化傾向を過去の変化傾向と比較し、
前記変化傾向が過去の変化傾向と一致又は類似する周波数を特定し、
特定した前記周波数以外の周波数における前記センサの時系列データに基づいて、前記設備に関連する機器の異常を検知する、
処理をコンピュータに実行させることを特徴とする異常検知プログラム。
（付記１３） 設備における稼働の程度を示す時系列データ及び前記設備に関連する機器それぞれに設置されたセンサの時系列データを取得し、
取得した前記稼働の程度を示す時系列データと前記センサの時系列データそれぞれを複数の周波数成分へ分解し、
前記複数の周波数成分への分解の結果から前記稼働の程度を示す時系列データと前記センサの時系列データとの間における周波数毎の変化傾向を過去の変化傾向と比較し、
前記変化傾向が過去の変化傾向と一致又は類似する周波数を特定し、
特定した前記周波数以外の周波数における前記センサの時系列データに基づいて、前記設備に関連する機器の異常を検知する、
処理をコンピュータが実行することを特徴とする異常検知方法。
（付記１４） 設備における稼働の程度を示す時系列データ及び前記設備に関連する機器それぞれに設置されたセンサの時系列データを取得する取得部と、
取得した前記稼働の程度を示す時系列データと前記センサの時系列データそれぞれを複数の周波数成分へ分解する分解部と、
前記複数の周波数成分への分解の結果から前記稼働の程度を示す時系列データと前記センサの時系列データとの間における周波数毎の変化傾向を過去の変化傾向と比較する比較部と、
前記変化傾向が過去の変化傾向と一致又は類似する周波数を特定する特定部と、
特定した前記周波数以外の周波数における前記センサの時系列データに基づいて、前記設備に関連する機器の異常を検知する検知部と、
を備える異常検知装置。

１０ 異常検知装置
１２ データ受信部（取得部）
１４ 状態数値化部（分解部、算出部、特定部、比較部）
１６ 異常予兆評価部（検知部）

Claims (10)

1. 設備における稼働の程度を示す時系列データ及び前記設備に関連する機器それぞれに設置されたセンサの時系列データを取得し、
   取得した前記稼働の程度を示す時系列データと前記センサの時系列データそれぞれを複数の周波数成分へ分解し、
   前記複数の周波数成分への分解の結果から前記稼働の程度を示す時系列データと前記センサの時系列データとの間における同一周波数毎の変化傾向の差を算出し、
   算出した前記変化傾向の差の合計値と、過去における前記変化傾向の差の合計値の分布と、に基づいて、前記設備に関連する機器の異常を検知する、
   処理をコンピュータに実行させることを特徴とする異常検知プログラム。
2. 前記センサの時系列データは、前記設備に関連する機器の温度、圧力、速度、振動変位の少なくとも一つの時系列データであることを特徴とする請求項１に記載の異常検知プログラム。
3. 前記算出する処理では、前記稼働の程度を示す時系列データと前記センサの時系列データから得られる同一周波数成分ごとのコヒーレンスを算出し、
   前記異常を検知する処理では、周波数成分ごとのコヒーレンスの合計値と、過去における周波数成分ごとのコヒーレンスの合計値の分布と、に基づいて、前記設備に関連する機器の異常を検知する、ことを特徴とする請求項１または２に記載の異常検知プログラム。
4. 前記設備の稼働状態に基づいて、前記取得する処理で取得した時系列データの中から、前記分解する処理で複数の周波数成分に分解する時系列データを特定する、処理をコンピュータに実行させることを特徴とする請求項１〜３のいずれか一項に記載の異常検知プログラム。
5. 前記設備の稼働状態に基づいて、検知した前記異常の内容を変更する、ことを特徴とする請求項１〜４のいずれか一項に記載の異常検知プログラム。
6. 設備における稼働の程度を示す時系列データ及び前記設備に関連する機器それぞれに設置されたセンサの時系列データを取得し、
   取得した前記稼働の程度を示す時系列データと前記センサの時系列データそれぞれを複数の周波数成分へ分解し、
   前記複数の周波数成分への分解の結果から前記稼働の程度を示す時系列データと前記センサの時系列データとの間における同一周波数毎の変化傾向の差を算出し、
   算出した前記変化傾向の差の合計値と、過去における前記変化傾向の差の合計値の分布と、に基づいて、前記設備に関連する機器の異常を検知する、
   処理をコンピュータが実行することを特徴とする異常検知方法。
7. 設備における稼働の程度を示す時系列データ及び前記設備に関連する機器それぞれに設置されたセンサの時系列データを取得する取得部と、
   前記取得部が取得した前記稼働の程度を示す時系列データと前記センサの時系列データそれぞれを複数の周波数成分へ分解する分解部と、
   前記複数の周波数成分への分解の結果から前記稼働の程度を示す時系列データと前記センサの時系列データとの間における同一周波数毎の変化傾向の差を算出する算出部と、
   前記算出部が算出した前記変化傾向の差の合計値と、過去における前記変化傾向の差の合計値の分布と、に基づいて、前記設備に関連する機器の異常を検知する検知部と、
   を備える異常検知装置。
8. 設備における稼働の程度を示す時系列データ及び前記設備に関連する機器それぞれに設置されたセンサの時系列データを取得し、
   取得した前記稼働の程度を示す時系列データと前記センサの時系列データそれぞれを複数の周波数成分へ分解し、
   前記複数の周波数成分への分解の結果から前記稼働の程度を示す時系列データと前記センサの時系列データとの間における周波数毎の変化傾向を比較し、
   前記変化傾向が一致又は類似する周波数を特定し、
   特定した前記周波数以外の周波数における前記センサの時系列データに基づいて、前記設備に関連する機器の異常を検知する、
   処理をコンピュータに実行させることを特徴とする異常検知プログラム。
9. 設備における稼働の程度を示す時系列データ及び前記設備に関連する機器それぞれに設置されたセンサの時系列データを取得し、
   取得した前記稼働の程度を示す時系列データと前記センサの時系列データそれぞれを複数の周波数成分へ分解し、
   前記複数の周波数成分への分解の結果から前記稼働の程度を示す時系列データと前記センサの時系列データとの間における周波数毎の変化傾向を比較し、
   前記変化傾向が一致又は類似する周波数を特定し、
   特定した前記周波数以外の周波数における前記センサの時系列データに基づいて、前記設備に関連する機器の異常を検知する、
   処理をコンピュータが実行することを特徴とする異常検知方法。
10. 設備における稼働の程度を示す時系列データ及び前記設備に関連する機器それぞれに設置されたセンサの時系列データを取得する取得部と、
    取得した前記稼働の程度を示す時系列データと前記センサの時系列データそれぞれを複数の周波数成分へ分解する分解部と、
    前記複数の周波数成分への分解の結果から前記稼働の程度を示す時系列データと前記センサの時系列データとの間における周波数毎の変化傾向を比較する比較部と、
    前記変化傾向が一致又は類似する周波数を特定する特定部と、
    特定した前記周波数以外の周波数における前記センサの時系列データに基づいて、前記設備に関連する機器の異常を検知する検知部と、
    を備える異常検知装置。

Images