JP2020091669A

JP2020091669A - 状態変化検出システム

Info

Publication number: JP2020091669A
Application number: JP2018228658A
Authority: JP
Inventors: 晃治陰山; Koji Kageyama; 原　直樹; Naoki Hara; 直樹原; 信幸中村; Nobuyuki Nakamura
Original assignee: Hitachi Ltd
Current assignee: Hitachi Ltd
Priority date: 2018-12-06
Filing date: 2018-12-06
Publication date: 2020-06-11

Abstract

【課題】本発明は、検出したい状態変化を区別して抽出できる状態変化検出システムを提供する。【解決手段】本発明は、入力された多次元数値データが属するカテゴリーを生成するカテゴリー生成手段と、第１の期間に生成した第１のカテゴリーと、第２の期間に生成した第２のカテゴリーとの位置関係に基づき、第１のカテゴリーに属するデータに対する第２のカテゴリーに属するデータの変化を表す状態変化指標を計算する状態変化指標計算手段と、位置関係を表すベクトルを前記数値データの軸に対して射影した状態変化ベクトル射影を計算する状態変化ベクトル射影計算手段と、状態変化ベクトル射影を検出する検出範囲を記憶する検出範囲記憶手段と、状態変化ベクトル射影の値が前記検出範囲内のとき、状態変化ベクトル射影に対応する状態変化指標を抽出後状態変化指標として抽出する状態変化指標抽出手段と、を備えたことを特徴とする。【選択図】図１

Description

本発明は、学習用の数値データで対象の学習を実行し、診断用の数値データを用いて対象の状態を診断し、その結果として状態の変化を検出するシステムに関する。

現在、各種の産業分野ではさまざまなプラントが稼動して各種の製品を生産している。プラントやプラントを構成する設備、機器などが異常となって停止すると、製品の製造が停止するとともに修理費用が発生し、大きな損失が発生する可能性がある。異常や故障の発生は完全に０とすることは現実的に難しいため、運転データに基づいてできるだけ早い時期に異常を予知し、適切な対応を早く開始することが必要となっている。

このようなニーズに関連し、特許文献１に記載の技術が知られている。特許文献１は、「機械設備の異常予兆の有無を適切に診断できる異常予兆診断装置」に関するものであり、「本発明に係る異常予兆診断装置は、機械設備に設置される第１センサの検出値と、前記機械設備に設置される複数種類の第２センサの検出値と、を含む時系列データを取得する時系列データ取得手段と、前記機械設備が正常であることが既知である過去の時系列データに基づき、前記第１センサの検出値と、当該第１センサの検出値と相関関係がある前記第２センサの検出値と、によって特定される点の分布の近似曲線を表す関数が、複数種類の前記第２センサに対応付けて格納される記憶手段と、前記記憶手段に格納される前記関数に基づいて、時系列データを補正する補正手段と、前記機械設備の異常予兆の有無を診断する診断手段と、を備え、前記補正手段は、前記第２センサの検出値から所定の基準値を減算することで第２差分を算出し、前記第１センサに関して前記第２差分に対応する第１差分を前記関数に基づいて算出する処理を、複数種類の前記第２センサそれぞれについて実行し、前記第１差分の和である第１差分積算値を前記第１センサの検出値から減算することで、前記第１センサに関する補正値を算出し、前記診断手段は、前記補正値が所定範囲から外れた場合、前記機械設備に異常予兆ありと診断すること」が記載されている。

特開２０１６−２１８９６１号公報

特許文献１には異常予兆の有無を診断する診断手段として、学習手段と診断手段から構成されるデータマイニング手段について記載されている。学習手段は、クラスタリングと呼ばれるデータ分類手法により正常状態の範囲を示すクラスタ（正常モデル）を学習し、特定したクラスタの中心から診断対象データまでの距離を用いて異常測度を算出し表示装置に表示するものである。

しかしながら、特許文献１には、異常発生の有無については記載されているの異常の分類については開示されていない。

とくにプラントの場合、異常を予知できたら異常の連鎖や生産効率の低下などを極力回避するため適切な対応を早く開始することが重要である。センサが計測している物理量がノイズを多く含む場合あるいは異常予兆の診断手段の感度を高めた結果として診断結果がノイズを多く含む場合には誤報が多く発生し、結果的にこの異常予兆診断装置が使われなくなる可能性もある。

本発明はこれらの課題に鑑みて為されたものである。本発明が解決する課題は、検出したい状態変化を区別して抽出できる状態変化検出システムを提供することにある。

以上のことから本発明においては、入力された多次元の数値データが属するカテゴリーを生成するカテゴリー生成手段と、第１の期間に前記カテゴリー生成手段が生成した第１のカテゴリーと、前記第１のカテゴリーよりも後の第２の期間に前記カテゴリー生成手段が生成した第２のカテゴリーとの位置関係に基づき、第１のカテゴリーに属するデータに対する第２のカテゴリーに属するデータの変化を表す状態変化指標を計算する状態変化指標計算手段と、前記位置関係を表すベクトルを前記数値データの軸に対して射影した状態変化ベクトル射影を計算する状態変化ベクトル射影計算手段と、前記状態変化ベクトル射影を検出する検出範囲を記憶する検出範囲記憶手段と、前記状態変化ベクトル射影の値が前記検出範囲内である場合に、前記状態変化ベクトル射影に対応する状態変化指標を抽出後状態変化指標として抽出する状態変化指標抽出手段と、を備えたことを特徴とする。

本発明によれば、検出したい状態変化が対象で発生したことを選択的に検出することができる。その結果として適切な対応を早く開始することができる。

本発明の実施例１に係る状態変化検出システムの構成図である。入力項目が回転数と電流の場合の学習期間と診断期間のトレンドグラフの一例である。回転数と電流に関する学習データのプロットと生成された学習カテゴリーの模式図である。学習カテゴリーに対して診断データのうちＡ点とＢ点をプロットした模式図および生成された診断カテゴリーの模式図である。状態変化指標のトレンドグラフの一例である。学習カテゴリーから診断カテゴリーＡに対する射影の模式図である。学習カテゴリーから診断カテゴリーＢに対する射影の模式図である。抽出後状態変化指標のトレンドグラフの一例である。本発明の実施例２に係る状態変化検出システムの構成図である。学習カテゴリーが複数存在する場合の模式図である。本発明の実施例３に係る状態変化検出システムの構成図である。本発明の実施例４に係る状態変化検出システムの構成図である。

本発明の状態変化検出システムの対象は、運転状態が数値データとして測定されるプラント、設備、機器などであればとくに制限はない。以下では具体例として、回転機を対象とした場合の本発明の実施形態について図面を用いて説明する。

＜実施例１＞
図１は、本発明の一実施例に係る状態変化検出システムの全体構成例を示す図である。状態変化検出システムは、カテゴリー生成手段１０、状態変化指標計算手段２０、状態変化ベクトル射影計算手段２４、状態変化指標抽出手段２８、状態変化ベクトル射影検出範囲記憶手段３０、表示手段３６が含まれる。カテゴリー生成手段１０は、回転機の状態を表す数値データを与えられると、その数値データが属するカテゴリーを自動で生成する。数値データとして、回転機を状態変化を学習する学習期間には学習期間データ１２、回転機の状態を診断する診断期間には診断期間データ１４が与えられる。学習期間データ１２は一定期間の複数のデータであることを想定しており、診断期間データ１４は１点であっても一定期間の複数のデータであっても良い。

本実施例では、回転機の状態を表す数値データとして電流と回転数の2項目を計測した数値データを例に説明するが、これら以外の項目であっても良い。また、項目数が3項目以上の場合でも基本的な考え方は同一である。すなわち数値データが多次元データであればよい。

回転数と電流のトレンドグラフの例を図２に示す。左側が学習期間、右側が診断期間であり、診断期間のＡ点では回転数が学習期間に比べて低く、Ｂ点では電流が学習期間に比べて高い状態を示している。

図３を用いて学習期間について説明する。

学習期間データ１２の散布図を図３(Ａ)に、生成された学習カテゴリー１８の模式図を図３(Ｂ)に示す。カテゴリー生成手段１０は、図３(Ａ)のように学習期間データ１２を与えられると、図３(Ｂ)のように学習カテゴリー１８を生成し、それぞれの学習期間データ１２が属する学習カテゴリー１８に分類される。図３(Ｂ)では学習カテゴリーが1つの場合を示したが、例えば学習期間データのばらつきが大きい場合や運転モードが複数ある場合には学習カテゴリーは複数となってもよく、その場合でも基本的な考え方は同一である。

次に、図４を用いて診断期間について説明する。

カテゴリー生成手段１０は、診断期間データ１４を与えられると、学習期間の結果に基づいて診断カテゴリー１６を生成し、それぞれの診断期間データが属する診断カテゴリー１６に分類される。診断カテゴリーの数は1つでも複数でも良い。
状態変化指標計算手段２０は、カテゴリー生成手段１０に与えられた診断期間データ１４と学習カテゴリー１８の関係に基づいて状態変化があったかどうかを判定する。学習期間データ１２で生成した学習カテゴリー１８内にあれば、診断カテゴリー１６は学習カテゴリー１８と重複あるいは一致し、回転機に状態変化が無かったとみなす。一方、図４(Ａ)で示すように診断期間データ１４が学習カテゴリー１８の外にある場合には、図４(Ｂ)の診断カテゴリーＡあるいは診断カテゴリーＢのように学習カテゴリー１８と異なる位置に診断カテゴリー１６が生成される。このような場合には回転機に状態変化が起きたと判定する。

状態変化指標計算手段２０はたとえば学習カテゴリーの中心と診断カテゴリーの中心の距離を状態変化指標２２として求める。図４(Ｂ)のように学習カテゴリー１８と診断カテゴリー１６が異なる位置に生成された場合、その位置が大きく離れている場合は状態変化指数２２が大きくなる。一方、診断期間データ１４が学習カテゴリー１８内にある場合は、状態変化が無かったとみなして状態変化指標２２の値を０とする。

診断期間データ１４に対する状態変化指標２２のトレンドグラフの例を図５に示す。診断期間データ１４が学習カテゴリー１８から外れた位置にある場合、すなわち診断期間のＡ点、Ｂ点ともに状態変化指標２２の値が０ではない値をとっている。

一方、運転管理する側で知りたい情報は、学習期間データ１２に対して「回転数が高い」「回転数が低い」「電流値が小さい」「電流値が大きい」「回転数が高い割には電流値が小さい」「回転数が低い割には電流値が大きい」などさまざまである。これらを全て知りたい場合もあるが、特定の情報のみを知りたい場合もありえる。

たとえば、電流値が大きいことのみを知りたい場合がある。そのような場合、図５で示したようにＡ点とＢ点の状態変化指標２２の値が分かっても、本当に知りたいＢ点の情報以外に不要なＡ点の情報も含まれてしまい、判断に遅れが生じる原因となるとともに、判断するための時間を取られることになる。

また、上述したように、学習カテゴリー１８の中心と診断カテゴリー１６の中心間の距離のような状態変化指標２２では、Ａ点とＢ点のように異なる状態変化を区別することができない。

本発明では、このＡ点とＢ点を区別することを特徴とする。

状態変化ベクトル射影計算手段２４は、学習カテゴリー１８の中心から診断カテゴリー１６の中心へのベクトルについて、数値データを構成する項目それぞれの軸に対する射影を求める。

図６は学習カテゴリー１８の中心から診断カテゴリーＡの中心へのベクトルを電流軸と回転数軸へ射影した模式図である。学習カテゴリー１８の中心に対して診断カテゴリーＡの中心は真下にあるため、電流軸への射影は０となっている。また、回転数軸への射影は学習カテゴリー１８の中心から診断カテゴリーＡの中心へのベクトルの成分と一致している。これらの射影が、状態変化ベクトル射影２６である。

図７は学習カテゴリー１８の中心から診断カテゴリーＢの中心へのベクトルを電流軸と回転数軸へ射影した模式図である。学習カテゴリー１８の中心に対して診断カテゴリーＢの中心は右下にあるため、電流軸への射影は右方向（プラス方向）、回転数軸への射影は下方向（マイナス方向）となっている。これらの射影が、状態変化ベクトル射影２６である。

状態変化ベクトル射影計算手段２４が状態変化ベクトル射影２６を求めることで、学習カテゴリー１８の中心から診断カテゴリーの中心までの距離が同程度であっても、軸への射影の値の違いにより診断カテゴリーＡと診断カテゴリーＢの違いを検出することができる。

状態変化指標抽出手段２８は、状態変化ベクトル射影２６の値と、状態変化ベクトル射影２６の値を検出する範囲である状態変化ベクトル射影検出範囲３２をもとに、状態変化指標２２から条件に合う状態変化指標を抽出した抽出後状態変化指標３４を抽出する。

状態変化ベクトル射影検出範囲記憶手段３０は、状態変化ベクトル射影検出範囲３２をあらかじめ記憶している。たとえば次の２式のように状態変化ベクトル射影２６に対する検出で用いる範囲を与える。
（１）回転数軸への射影≦０
（２）電流軸への射影＞０
状態変化指標抽出手段２８は、これらいずれかの条件が不適合となる場合に抽出後状態変化指標３４の値を０とする。図６で示したように学習カテゴリーの中心から診断カテゴリーＡの中心に向かうベクトルの電流軸への射影は０なので、上記の２つの条件のうち（２）を満足できず抽出後状態変化指標３４の値を０とする。一方、学習カテゴリーの中心から診断カテゴリーＢの中心に向かうベクトルの電流軸への射影は０より大きく、回転数軸への射影は０より小さいため上記の２つの条件の（１）（２）をいずれも満足するため、抽出後状態変化指標３４の値は状態変化指標２２の値から変化させない。

表示手段３６は、得られた抽出後状態変化指標３４を数値あるいはグラフとして表示し、運転管理する側に情報を伝える。

図８は、状態変化指標抽出手段２８が抽出後状態変化指標３４を算出した結果を示す。Ａ点の抽出後状態変化指標３４の値が０となっており、状態変化ベクトル射影検出範囲３２で与えられた条件に適合するＢ点のみが０以外の値となり、Ｂ点の情報のみを知ることができる。その結果、「電流値が大きくなった」状態の変化に対応した処置を早く取ることができる。

上述の例は知りたい状態変化が１種類の場合について述べたが、異なる複数の状態変化を知りたい場合もある。その場合、状態変化指標抽出手段２８と状態変化ベクトル射影検出範囲記憶手段３０を複数設けるようにしても良い。異なる複数の状態変化を知るために、複数の状態変化ベクトル射影検出範囲記憶手段３０には異なる状態変化ベクトル射影検出範囲３２が設定される。

また、上述の例は学習カテゴリーが１つしかない例について述べたが、学習カテゴリーが複数存在する場合でも同様に、データ軸に対する状態変化ベクトル射影２６が状態変化ベクトル射影検出範囲３２内に存在するか否かで抽出後状態変化指標３４を抽出し、所望の状態変化情報のみを取り出すことができる。

また、上述のカテゴリー生成手段１０は、得られたデータを統計的に分類する手段であれば特に限定はされない。具体的には、MT法、k-means法、適応共鳴理論、インバリアント分析、部分空間法などが挙げられる。

また、状態変化指標抽出手段２８では、（１）（２）に示した条件を一つでも満足しない場合には抽出後状態変化指標の値を０としたが、逆に一つでも満足した場合に抽出後状態変化指標の値を０とする判定でも良い。

＜実施例２＞
図９は、本発明の一実施例に係る状態変化検出システムの全体構成例を示す図である。実施例１との違いは、検出範囲記憶手段５０としてあらかじめ記憶した数値データ検出範囲４０を出力する数値データ検出範囲記憶手段３８を備える点と、診断期間データ１４が状態変化抽出手段２８に入力される点にある。

数値データ検出範囲４０は、例えば次式のように診断期間データ１４に対する検出で用いる範囲を与える。
（３）電流値＞i1
状態変化指標抽出手段２８は、実施例１の（１）（２）に（３）を加えた３つの条件のうち、いずれかが不適合となる場合に抽出後状態変化指標３４の値を０とする。これにより、さらに精度よく状態変化の情報を得ることができる。

図１０は、学習カテゴリー１８が２つ存在する場合に対し、診断期間データ１４がＣ点とＤ点に存在する場合の模式図である。図１０において学習カテゴリー〔１〕の中心を始点とするC点までのベクトルと、学習カテゴリー〔２〕の中心を始点とするD点までのベクトルは区別が困難である。これに対し、（３）の条件が加わることでC点とD点を区別することができる。C点の電流値はi1より小さく、D点の電流値はi1より大きいため、（３）の条件を満足するのはD点のみとなる。このように、状態変化ベクトル射影２６に加えて診断期間データ１４を状態変化指標抽出手段２８の条件として用いることで、知りたい状態変化の情報のみを抽出して知ることができる。その結果、「電流値が大きくなった」状態の変化に対応した処置を早く取ることができる。

上述の例は知りたい状態変化が1種類の場合について述べたが、異なる複数の状態変化を知りたい場合もある。その場合、状態変化指標抽出手段２８と数値データ検出範囲記憶手段３８を複数設けるようにしても良い。異なる複数の状態変化を知るためには、複数の数値データ検出範囲記憶手段３８には異なる数値データ検出範囲４０が設定される。

＜実施例３＞
図１１は、本発明の一実施例に係る状態変化検出システムの全体構成例を示す図である。実施例２との違いは、検出範囲記憶手段５０として状態変化ベクトル射影検出範囲調整手段４２と、状態変化ベクトル射影検出範囲調整値４４を備える点と、状態変化ベクトル射影検出範囲調整値４４が状態変化ベクトル射影検出範囲記憶手段３０に入力される点にある。

状態変化ベクトル射影検出範囲記憶手段３０では状態変化ベクトル射影検出範囲３２を記憶しているが、この値を変更する場合に状態変化ベクトル射影検出範囲調整手段４２を用いる。具体的には、この状態変化ベクトル射影検出範囲調整手段４２は画面上に学習期間データ１２、診断期間データ１４、状態変化指標２２、状態変化ベクトル射影２６のうち一部あるいは全てのグラフあるいは数値が表示され、その画面上で状態変化ベクトル射影検出範囲調整値４４を設定できる。

＜実施例４＞
図１２は、本発明の一実施例に係る状態変化検出システムの全体構成例を示す図である。実施例３との違いは、検出範囲記憶手段５０として数値データ検出範囲調整手段４６と、数値データ検出範囲調整値４８を備える点と、数値データ検出範囲調整値４８が状態変化ベクトル射影検出範囲記憶手段３０に入力される点にある。

数値データ検出範囲記憶手段３８では数値データ検出範囲４０を記憶しているが、この値を変更する場合に数値データ検出範囲調整手段４６を用いる。具体的には、この数値データ検出範囲調整手段４６は画面上に学習期間データ１２、診断期間データ１４、状態変化指標２２、状態変化ベクトル射影２６のうち一部あるいは全てのグラフあるいは数値が表示され、その画面上で数値データ検出範囲調整値４８を設定できる構成とする。

１０：カテゴリー生成手段
１２：学習期間データ
１４：診断期間データ
１６：学習カテゴリー
１８：診断カテゴリー
２０：状態変化指標計算手段
２２：状態変化指標
２４：状態変化ベクトル射影計算手段
２６：状態変化ベクトル射影
２８：状態変化指標抽出手段
３０：状態変化ベクトル射影検出範囲記憶手段
３２：状態変化ベクトル射影検出範囲
３４：抽出後状態変化指標
３６：表示手段
３８：数値データ検出範囲記憶手段
４０：数値データ検出範囲
４２：状態変化ベクトル射影検出範囲調整手段
４４：状態変化ベクトル射影検出範囲調整値
４６：数値データ検出範囲調整手段
４８：数値データ検出範囲調整値
５０：検出範囲記憶手段

Claims

入力された多次元の数値データが属するカテゴリーを生成するカテゴリー生成手段と、
第１の期間に前記カテゴリー生成手段が生成した第１のカテゴリーと、第２の期間に前記カテゴリー生成手段が前記第１のカテゴリーよりも後に生成した第２のカテゴリーとの位置関係に基づき、第１のカテゴリーに属するデータに対する第２のカテゴリーに属するデータの変化を表す状態変化指標を計算する状態変化指標計算手段と、
前記位置関係を表すベクトルを前記数値データの軸に対して射影した状態変化ベクトル射影を計算する状態変化ベクトル射影計算手段と、
前記状態変化ベクトル射影を検出する検出範囲を記憶する検出範囲記憶手段と、
前記状態変化ベクトル射影の値が前記検出範囲内である場合に、前記状態変化ベクトル射影に対応する状態変化指標を抽出後状態変化指標として抽出する状態変化指標抽出手段と、
を備えることを特徴とする状態変化検出システム。
前記カテゴリー生成手段は、前記第１の期間に複数の前記第１のカテゴリーを生成し、
前記検出範囲記憶手段は、複数の前記第１のカテゴリーを前記軸に射影した範囲を区別して前記状態変化ベクトル射影を検出する検出範囲を記憶することを特徴とする状態変化検出システム。
前記検出範囲を調整する検出範囲調整手段を備えたことを特徴とする請求項１または２に記載の状態変化検出システム。
前記検出範囲記憶手段と前記状態変化指標抽出手段を複数備えたことを特徴とする請求項１ないし３のいずれかに記載の状態変化検出システム。
前記ベクトルは、前記第１のカテゴリーの中心を始点とし、前記第２のカテゴリーを終点とするベクトル、または前記第２のカテゴリーの中心を始点とし、前記第１のカテゴリーを終点とするベクトルであることを特徴とする請求項１ないし４のいずれかに記載の状態変化検出システム。
前記抽出後状態変化指標を表示する表示手段を備えたことを特徴とする請求項１ないし５のいずれかに記載の状態変化検出システム。