JP2020204832A - 異常検知システム、異常検知装置および異常検知方法 - Google Patents
異常検知システム、異常検知装置および異常検知方法 Download PDFInfo
- Publication number
- JP2020204832A JP2020204832A JP2019111283A JP2019111283A JP2020204832A JP 2020204832 A JP2020204832 A JP 2020204832A JP 2019111283 A JP2019111283 A JP 2019111283A JP 2019111283 A JP2019111283 A JP 2019111283A JP 2020204832 A JP2020204832 A JP 2020204832A
- Authority
- JP
- Japan
- Prior art keywords
- subsequence
- sequence
- abnormality detection
- composite sequence
- contraction
- 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
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- 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
- G05B2219/34465—Safety, control of correct operation, abnormal states
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Automation & Control Theory (AREA)
- Human Computer Interaction (AREA)
- Computational Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Mathematical Physics (AREA)
- Manufacturing & Machinery (AREA)
- Probability & Statistics with Applications (AREA)
- Algebra (AREA)
- Operations Research (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
Description
その他の課題と新規な特徴は、本開示の記述および添付図面から明らかになるであろう。
すなわち、異常検知システムは、モニタ信号に含まれる複合シーケンスから複数のサブシーケンスのうちの異常検知の対象となる特定のサブシーケンスを抽出する抽出部を備える。抽出部は、複合シーケンスと予め取得してある複合シーケンスの一例である参照シーケンスとから動的時間伸縮法によって最適伸縮パスを求める。また、抽出部は、当該最適伸縮パスと予め取得してある参照シーケンスのサブシーケンスの開始点および終了点とに基づいて特定のサブシーケンスの開始点および終了点を特定する。また、抽出部は、特定のサブシーケンスの開始点および終了点に基づき特定のサブシーケンスを抽出する。
(1)処理対象信号(検知対象信号)であるモニタ信号のデータポイントが増加する。または期待値信号を生成するため学習済みの特徴が増加する。これにより、異常検知アルゴリズムのモデルのサイズが増加し、それに伴い計算量(計算時間)が増加する。これにより、異常検知のリアルタイム性を損ねる。
(2)信号の不要な区間における期待値信号とのエラーによる異常誤検知が発生する。
(1)検知対象区間の開始条件と終了条件で、別の電圧レベルの条件を設定する機能。
(2)電圧レベルの条件を満たす時間の長さを、更に条件として設定する機能。
(3)検知対象信号として抽出された信号系列に対して、平均値や最大・最小値の条件を設定し、異常検知部に転送することを中断する機能。
(4)検知対象区間を別途示す「トリガ信号」に条件を設定することで、検知対象区間を絶対的に指定する機能。
y=(y1,y2,・・・,ym,・・・,yM)
ここで、インデックスのnおよびmは、シーケンスxとシーケンスyの各々における離散時間であり、xn,ymは、各々の離散時間おけるスカラー値である。
次に、動的計画法に基づき積算コスト行列(以下、Dとも表記する。)を求める。ナイーブなDTWでは、積算コスト行列(D)の要素dn,mは次式で計算される。
dn,0=∞ for n∈[1:N]
d0,m=∞ for m∈[1:M]
d1,1=c1,1
ここで、積算コスト行列は、要素dn,0、d0,mを追加した(N+1)×(M+1)行列となる。このとき、最後に計算されるdN,MがDTW距離として定義される。また、DTW距離の計算過程において計算された積算コスト行列(D)から最適伸縮パス(P)を計算できる。最適伸縮パス(P)は、次式の系列として定義する。
このとき、plは二つのシーケンスxとシーケンスyのインデックスであるnおよびmの組み合わせで定義するl番目の時間伸縮ステップ、
pl=(nl,ml)
である。積算コスト行列(D)がナイーブなDTWの方法で計算されたとき、l番目の時間伸縮ステップplに対して、(l−1)番目の時間伸縮ステップであるpl−1は、次のように決定される。
pL=(N,M)
境界条件として、
p1=(1,1)
が与えられ、pLから逆順にplを求めることで、最適伸縮パス(P)が得られる。
図6に示すように、特定部340は、参照サブシーケンス区間(RSSI)の開始点(SPRSS)をキーとして、サブシーケンス区間(SSI)の開始点(SPSS)を最適伸縮パスから探索する。特定部340は、参照サブシーケンス区間(RSSI)の終了点(EPRSS)をキーとして、サブシーケンス区間(SSI)の終了点(EPSS)を最適伸縮パス(P)から探索する。ここで、参照サブシーケンス区間(RSSI)の開始点(SPRSS)および終了点(EPRSS)は予め記憶部に格納されている。
ここで、Nは調整前シーケンスのシーケンス長であり、例えば、N=32であったとき、サンプリング調整条件としてK=5と設定する。そうすると、1〜30個目のデータ点は、5個のデータ点ごとにダウンサンプリング処理が施される。Kに満たない余りの31〜32個目のデータ点は、例えば、5個のデータ点に対するダウンサンプリング処理と同様の処理を施す。
x’=(x’1,x’2,・・・,x’N’)
ここで、N’は調整後シーケンスのシーケンス長であり、図9に示すように、N’=7となる。なお、「ceil」は小数点以下を切り上げる関数である。
第一特定部33は、ナイーブなDTWによる最適伸縮パスの計算方法だけでなく、ステップサイズ条件(連続性条件、スロープ制約条件)を修正したDTWによる最適伸縮パスの計算方法を採用することもできる。
これはステップサイズ条件と呼ばれる。
pl+2−pl∈{(2,2),(1,2),(2,1)}for l∈[1:L−2]
二ステップの時間伸縮パスの進行に対して、両シーケンスともに少なくとも一ステップの時間が進行するものとしてステップサイズ制約を定義する。
dn,−1=∞ for n∈[0:N]
d−1,m=∞ for m∈[0:M]
d0,0=0
dn,0=∞ for n∈[1:N]
d0,m=∞ for m∈[1:M]
d1,1=c1,1
また、積算コスト行列は、(N+2)×(M+2)行列に拡張している。このとき、積算コスト行列(D)からの最適伸縮パス(P)の決定方法は修正され、plに対するp(l−1)は次式で決定される。
pL=(N,M)
境界条件として、
p1=(1,1)
が与えられる。pLから逆順にplを求めることで、最適伸縮パス(P)が得られる。
ダウンサンプリング係数(K)を設定し、ダウンサンプリング除外長(Ls,Le)を設定する。どちらか一方のシーケンスの時間ステップが実サンプリングであり、もう一方のシーケンスの時間ステップがダウンサンプリングされている場合、実サンプリングの離散時間(n,m)に対して、非対称な時間伸縮ステップ(pl)を得ることができる。これにより、両シーケンスがダウンサンプリングされている離散時間ステップ(n,m)において、時間伸縮ステップ(pl)の選択自由度を高めることができる。図16の濃い灰色の領域はPOAであり、薄い灰色の領域はDIAであり、白色の領域は時間伸縮ステップ(pl)制限されない領域である。図16は図14に比べて白色の領域である時間伸縮ステップ(pl)制限されない領域が広くなっている。
(1)二つのシーケンスのマッチング手法であるDTWを応用することにより、複数のサブシーケンスによって構成される複合シーケンスから特定のサブシーケンスを抽出することが可能である。
(2)特定のサブシーケンスに着目した異常検知を実施することができるため、異常検知精度を高めることができると共に異常検知処理に必要となる異常検知基準パラメータ量を削減できる。これにより、メモリリソースおよび計算量を削減することが可能である。
(3)抽出するサブシーケンスは、参照シーケンスの準備と、参照サブシーケンスの開始点および終了点の決定のみと、で直感的に指定できる。これにより、ユーザである技術者の技量に依存しないと共に、作業量も一定であるため、生産ラインのオペレーションの一つとして組み込みを容易にすることが可能になる。
(4)ダウンサンプリング手法を用いるため、必要な計算コストを削減でき、組み込みシステムでの実装が可能となる。
(5)ダウンサンプリングを適用したDTWとオリジナルのサンプリングにおけるDTWとを組み合わせることで、精度の高いサブシーケンス区間の抽出が可能となる。
(6)DTWのステップサイズ条件の修正することにより、サブシーケンス区間に振幅変動として異常が現れる場合でも、適切にサブシーケンスの抽出区間を決定することが可能である。
(7)ダウンサンプリングの適用区間の調整によって、DTWのステップサイズ条件の修正に伴うサブシーケンス区間抽出の精度低下の要因を緩和することが可能である。
(1)複合シーケンス上の複数のサブシーケンスに対して異常検知を実施することができる。
(2)第三特定部63において、特に計算量を占めるDTWの最適伸縮パス計算の計算コストは、抽出するサブシーケンスの数に依存しない構成になっており、抽出したいサブシーケンスの増加による計算コストの増加を抑えることができる。
生成部55は、格納部54に格納される複数のサブシーケンスを用いて、異常検知条件を生成し、格納部41へ格納する。生成部55における、異常検知条件生成方法は、異常検知部40に採用するアルゴリズムによって異なる。例えば、ニューラルネットワークによる異常検知であれば、ニューラルネットワークを構成する重みパラメータを異常検知条件とする。これにより、ニューラルネットワークの重みパラメータ更新方法である誤差逆伝播法により、異常検知条件を生成することができる。
第一実施例の異常検知システム1の構成をそのまま利用することで、異常検知システムにおける各種条件を段階的に設定することができる。
300・・・抽出部
340・・・特定部
350・・・SS抽出部
Claims (20)
- 検知対象の状況を表すモニタ信号は一連のシーケンスである複合シーケンスから構成され、前記複合シーケンスは複数のサブシーケンスを含み、前記モニタ信号から前記検知対象の異常を検知する異常検知システムであって、
前記モニタ信号に含まれる複合シーケンスから前記複数のサブシーケンスのうちの異常検知の対象となる特定のサブシーケンスを抽出する抽出部を備え、
前記抽出部は、
前記複合シーケンスと予め取得してある複合シーケンスの一例である参照シーケンスとから動的時間伸縮法によって第一最適伸縮パスを求め、前記第一最適伸縮パスと予め取得してある前記参照シーケンスのサブシーケンス(参照サブシーケンス)の開始点および終了点とに基づいて前記特定のサブシーケンスの開始点および終了点を特定する特定部と、
前記特定のサブシーケンスの前記開始点および前記終了点に基づき前記特定のサブシーケンスを抽出するSS抽出部と、
を備える異常検知システム。 - 請求項1の異常検知システムにおいて、
前記抽出部は、さらに、前記複合シーケンスのサンプリング間隔をダウンサンプリング係数で指定された数の隣接するデータ点の平均値、最大値、最小値および中央値のいずれかのデータを抽出する処理、または補完処理によって調整する調整部を備え、
前記特定部は、
前記サンプリング間隔が調整された複合シーケンスと予め取得してあるサンプリング間隔がダウンサンプリング係数で指定された数の隣接するデータ点の平均値、最大値、最小値および中央値のいずれかのデータを抽出する処理、または補完処理によって調整された参照シーケンスとから動的時間伸縮法によって第二最適伸縮パスを求め、前記第二最適伸縮パスと予め取得してある前記参照サブシーケンスの開始点および終了点とに基づいて前記複合シーケンスのサブシーケンスの開始エリアおよび終了エリアを特定する第一特定部と、
前記第二最適伸縮パスと前記複合シーケンスのサブシーケンスの前記開始エリアおよび前記終了エリアとに基づいて前記特定のサブシーケンスの開始点および終了点を特定する第二特定部と、
を備える異常検知システム。 - 請求項2の異常検知システムにおいて、
前記第二特定部は、
前記第二最適伸縮パスと前記複合シーケンスのサブシーケンスの前記開始エリアおよび前記終了エリアとに基づいて前記参照サブシーケンスの開始エリアおよび終了エリアを特定し、
前記参照サブシーケンスの前記開始エリアおよび前記複合シーケンスのサブシーケンスの前記開始エリアとの2つの短いシーケンスに対する第三最適伸縮パスと前記参照サブシーケンスの前記開始点とに基づいて前記特定のサブシーケンスの開始点を特定し、
前記参照サブシーケンスの前記終了エリアおよび前記複合シーケンスのサブシーケンスの前記終了エリアとの2つの短いシーケンスに対する第三最適伸縮パスと前記参照サブシーケンスの前記終了点とに基づいて前記特定のサブシーケンスの終了点を特定する異常検知システム。 - 請求項3の異常検知システムにおいて、
前記第一最適伸縮パス、前記第二最適伸縮パスおよび前記第三最適伸縮パスのいずれか、もしくはそれらの組合を求める前記動的時間伸縮法はステップサイズ制約を修正したものである異常検知システム。 - 請求項4の異常検知システムにおいて、
前記調整部は、前記複合シーケンスの開始点および終了点からダウンサンプリング除外長で指定されたデータ点数に対してダウンサンプリングを除外する異常検知システム。 - 請求項1の異常検知システムにおいて、
前記抽出部は、前記第一最適伸縮パスと予め取得してある前記参照シーケンスのサブシーケンスとは別のサブシーケンスの開始点および終了点とに基づいて前記複数のサブシーケンスのうち前記特定のサブシーケンスとは別のサブシーケンスを抽出する異常検知システム。 - 請求項1の異常検知システムにおいて、
さらに、トリガ信号が示す時間区間の前記モニタ信号を有限幅の複合シーケンスとして抽出するCS抽出部を備える異常検知システム。 - 請求項7の異常検知システムにおいて、
さらに、前記モニタ信号および前記トリガ信号を時系列のデジタル信号として前記CS抽出部に出力する信号入力部を備える異常検知システム。 - 請求項1の異常検知システムにおいて、
さらに、前記抽出されたサブシーケンスに対して異常検知条件に基づいて異常検知処理を行う異常検知部を備える異常検知システム。 - 請求項7の異常検知システムにおいて、さらに、
前記CS抽出部によって抽出される複数の複合シーケンスを格納する格納部と、
前記格納部に格納される前記複数の複合シーケンスを表示する表示部と、
サブシーケンス抽出条件を設定する設定部と、
設定されるサブシーケンス抽出条件によって抽出される複数のサブシーケンスを格納する格納部と、
抽出される複数のサブシーケンスに基づいて異常検知条件を生成する生成部と、
を備える異常検知システム。 - 検知対象の状況を表すモニタ信号は一連のシーケンスである複合シーケンスから構成され、前記複合シーケンスは複数のサブシーケンスを含み、前記モニタ信号から前記検知対象の異常を検知する異常検知装置であって、
中央処理装置と、
記憶装置と、
を備え、
前記中央処理装置は、
前記複合シーケンスと予め取得してある複合シーケンスの一例である参照シーケンスとから動的時間伸縮法によって第一最適伸縮パスを求め、
前記第一最適伸縮パスと予め前記記憶装置に格納してある前記参照シーケンスのサブシーケンス(参照サブシーケンス)の開始点および終了点とに基づいて前記複数のサブシーケンスのうちの異常検知の対象となる特定のサブシーケンスの開始点および終了点を特定し、
前記特定のサブシーケンスの前記開始点および前記終了点に基づき前記特定のサブシーケンスを抽出し、
抽出された前記特定のサブシーケンスに対して異常検知条件に基づいて異常検知処理を行うよう構成される異常検知装置。 - 請求項11の異常検知装置において、
前記中央処理装置は、
前記複合シーケンスのサンプリング間隔をダウンサンプリング係数で指定された数の隣接するデータ点の平均値、最大値、最小値および中央値のいずれかのデータを抽出する処理、または補完処理によって調整し、
前記サンプリング間隔が調整された複合シーケンスと予め前記記憶装置に格納してあるサンプリング間隔がダウンサンプリング係数で指定された数の隣接するデータ点の平均値、最大値、最小値および中央値のいずれかのデータを抽出する処理、または補完処理によって調整された参照シーケンスとから動的時間伸縮法によって第二最適伸縮パスを求め、
前記第二最適伸縮パスと予め前記記憶装置に格納してある前記参照サブシーケンスの開始点および終了点とに基づいて前記複合シーケンスのサブシーケンスの開始エリアおよび終了エリアを特定し、
前記第二最適伸縮パスと前記複合シーケンスのサブシーケンスの前記開始エリアおよび前記終了エリアとに基づいて前記特定のサブシーケンスの開始点および終了点を特定するよう構成される異常検知装置。 - 請求項12の異常検知装置において、
前記中央処理装置は、
前記第二最適伸縮パスと前記複合シーケンスのサブシーケンスの前記開始エリアおよび前記終了エリアとに基づいて前記参照サブシーケンスの開始エリアおよび終了エリアを特定し、
前記参照サブシーケンスの前記開始エリアおよび前記複合シーケンスのサブシーケンスの前記開始エリアとの2つの短いシーケンスに対する第三最適伸縮パスと前記参照サブシーケンスの前記開始点とに基づいて前記特定のサブシーケンスの開始点を特定し、
前記参照サブシーケンスの前記終了エリアおよび前記複合シーケンスのサブシーケンスの前記終了エリアとの2つの短いシーケンスに対する前記第三最適伸縮パスと前記参照サブシーケンスの前記終了点とに基づいて前記特定のサブシーケンスの終了点を特定するよう構成される異常検知装置。 - 請求項13の異常検知装置において、
前記第一最適伸縮パス、前記第二最適伸縮パスおよび前記第三最適伸縮パスのいずれか、もしくはそれらの組合を求める前記動的時間伸縮法はステップサイズ制約を修正したものである異常検知装置。 - 請求項14の異常検知装置において、
前記中央処理装置は、前記複合シーケンスの開始点および終了点からダウンサンプリング除外長で指定されたデータ点数に対してダウンサンプリングを除外するよう構成される異常検知装置。 - 検知対象の状況を表すモニタ信号は一連のシーケンスである複合シーケンスから構成され、前記複合シーケンスは複数のサブシーケンスを含み、前記モニタ信号から前記検知対象の異常を検知する異常検知方法であって、
前記複合シーケンスと予め取得してある複合シーケンスの一例である参照シーケンスとから動的時間伸縮法によって第一最適伸縮パスを求め、
前記第一最適伸縮パスと予め取得してある前記参照シーケンスのサブシーケンス(参照サブシーケンス)の開始点および終了点とに基づいて前記複数のサブシーケンスのうちの異常検知の対象となる特定のサブシーケンスの開始点および終了点を特定し、
前記特定のサブシーケンスの前記開始点および前記終了点に基づき前記特定のサブシーケンスを抽出し、
抽出された前記特定のサブシーケンスに対して異常検知条件に基づいて異常検知処理を行う異常検知方法。 - 請求項16の異常検知方法において、
前記複合シーケンスのサンプリング間隔をダウンサンプリング係数で指定された数の隣接するデータ点の平均値、最大値、最小値および中央値のいずれかのデータを抽出する処理、または補完処理によって調整し、
前記サンプリング間隔が調整された複合シーケンスと予め取得してあるサンプリング間隔がダウンサンプリング係数で指定された数の隣接するデータ点の平均値、最大値、最小値および中央値のいずれかのデータを抽出する処理、または補完処理によって調整された参照シーケンスとから動的時間伸縮法によって第二最適伸縮パスを求め、
前記第二最適伸縮パスと予め取得してある前記参照サブシーケンスの開始点および終了点とに基づいて前記複合シーケンスのサブシーケンスの開始エリアおよび終了エリアを特定し、
前記第二最適伸縮パスと前記複合シーケンスのサブシーケンスの前記開始エリアおよび前記終了エリアとに基づいて前記特定のサブシーケンスの開始点および終了点を特定する異常検知方法。 - 請求項17の異常検知方法において、
前記第二最適伸縮パスと前記複合シーケンスのサブシーケンスの前記開始エリアおよび前記終了エリアとに基づいて前記参照サブシーケンスの開始エリアおよび終了エリアを特定し、
前記参照サブシーケンスの前記開始エリアおよび前記複合シーケンスのサブシーケンスの前記開始エリアとの2つの短いシーケンスに対する第三最適伸縮パスと前記参照サブシーケンスの前記開始点とに基づいて前記特定のサブシーケンスの開始点を特定し、
前記参照サブシーケンスの前記終了エリアおよび前記複合シーケンスのサブシーケンスの前記終了エリアとの2つの短いシーケンスに対する第三最適伸縮パスと前記参照サブシーケンスの前記終了点とに基づいて前記特定のサブシーケンスの終了点を特定する異常検知方法。 - 請求項18の異常検知方法において、
前記第一最適伸縮パス、前記第二最適伸縮パスおよび前記第三最適伸縮パスのいずれか、もしくはそれらの組合を求める前記動的時間伸縮法はステップサイズ制約を修正したものである異常検知方法。 - 請求項19の異常検知方法において、
前記複合シーケンスの開始点および終了点からダウンサンプリング除外長で指定されたデータ点数に対してダウンサンプリングを除外する異常検知方法。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019111283A JP7204584B2 (ja) | 2019-06-14 | 2019-06-14 | 異常検知システム、異常検知装置および異常検知方法 |
US16/850,806 US12013679B2 (en) | 2019-06-14 | 2020-04-16 | Abnormality detection system, abnormality detection apparatus, and abnormality detection method |
CN202010399409.0A CN112083705B (zh) | 2019-06-14 | 2020-05-12 | 异常检测系统、异常检测装置和异常检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019111283A JP7204584B2 (ja) | 2019-06-14 | 2019-06-14 | 異常検知システム、異常検知装置および異常検知方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2020204832A true JP2020204832A (ja) | 2020-12-24 |
JP7204584B2 JP7204584B2 (ja) | 2023-01-16 |
Family
ID=73735877
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019111283A Active JP7204584B2 (ja) | 2019-06-14 | 2019-06-14 | 異常検知システム、異常検知装置および異常検知方法 |
Country Status (3)
Country | Link |
---|---|
US (1) | US12013679B2 (ja) |
JP (1) | JP7204584B2 (ja) |
CN (1) | CN112083705B (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023162077A1 (ja) * | 2022-02-24 | 2023-08-31 | 株式会社日立ハイテク | 診断装置及び診断方法並びに半導体製造装置システム及び半導体装置製造システム |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112529678B (zh) * | 2020-12-23 | 2023-06-23 | 华南理工大学 | 一种基于自监督判别式网络的金融指数时序异常检测方法 |
CN112597539A (zh) * | 2020-12-28 | 2021-04-02 | 上海观安信息技术股份有限公司 | 一种基于无监督学习的时间序列异常检测方法及系统 |
CN113239956B (zh) * | 2021-04-08 | 2024-01-19 | 深圳市银宝山新科技股份有限公司 | 注塑模具状态诊断方法、装置、计算机设备及存储介质 |
CN114881160B (zh) * | 2022-05-18 | 2024-03-22 | 中国西安卫星测控中心 | 基于改进dtw距离的航天器异常子模式检测方法及装置 |
CN116049755A (zh) * | 2023-03-15 | 2023-05-02 | 阿里巴巴(中国)有限公司 | 时间序列的检测方法、电子设备及存储介质 |
CN116826977B (zh) * | 2023-08-28 | 2023-11-21 | 青岛恒源高新电气有限公司 | 一种光储直柔微电网智能管理系统 |
CN117124857B (zh) * | 2023-10-27 | 2024-04-05 | 宁德时代新能源科技股份有限公司 | 一种绝缘异常识别方法、装置、可读存储介质及电动汽车 |
CN117173425B (zh) * | 2023-11-02 | 2024-01-30 | 东华理工大学南昌校区 | 一种岩石结构面粗糙度智能提取方法及系统 |
CN117473345B (zh) * | 2023-12-27 | 2024-03-22 | 山东顺发重工有限公司 | 基于数据分析的法兰锻造缺陷检测方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008134706A (ja) * | 2006-11-27 | 2008-06-12 | Nippon Telegr & Teleph Corp <Ntt> | データストリーム監視装置、データストリーム監視方法、そのプログラムおよび記録媒体 |
JP2009157787A (ja) * | 2007-12-27 | 2009-07-16 | Yamatake Corp | 標準時系列データ算出方法、異常検出方法、標準時系列データ算出装置、および異常検出装置 |
JP2010198227A (ja) * | 2009-02-24 | 2010-09-09 | Nippon Telegr & Teleph Corp <Ntt> | 類似部分シーケンス検出装置、類似部分シーケンス検出方法、および、類似部分シーケンス検出プログラム |
US20150178286A1 (en) * | 2013-12-23 | 2015-06-25 | D Square n.v. | System and Method for Similarity Search in Process Data |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101794151A (zh) * | 2009-12-11 | 2010-08-04 | 安徽鑫龙电器股份有限公司 | 一种具有usb接口的信号源及其控制方法 |
CN104809134B (zh) * | 2014-01-27 | 2018-03-09 | 国际商业机器公司 | 检测数据序列中的异常子序列的方法和设备 |
JP6795444B2 (ja) | 2017-04-06 | 2020-12-02 | ルネサスエレクトロニクス株式会社 | 異常検知システム、半導体装置の製造システムおよび製造方法 |
JP6772963B2 (ja) * | 2017-06-05 | 2020-10-21 | トヨタ自動車株式会社 | 異常診断装置及び異常診断方法 |
US20190198405A1 (en) * | 2017-12-22 | 2019-06-27 | International Business Machines Corporation | Statistical framework for tool chamber matching in semiconductor manufacturing processes |
US20200034733A1 (en) * | 2018-07-27 | 2020-01-30 | Vmware, Inc. | Anomaly detection on time series data |
-
2019
- 2019-06-14 JP JP2019111283A patent/JP7204584B2/ja active Active
-
2020
- 2020-04-16 US US16/850,806 patent/US12013679B2/en active Active
- 2020-05-12 CN CN202010399409.0A patent/CN112083705B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008134706A (ja) * | 2006-11-27 | 2008-06-12 | Nippon Telegr & Teleph Corp <Ntt> | データストリーム監視装置、データストリーム監視方法、そのプログラムおよび記録媒体 |
JP2009157787A (ja) * | 2007-12-27 | 2009-07-16 | Yamatake Corp | 標準時系列データ算出方法、異常検出方法、標準時系列データ算出装置、および異常検出装置 |
JP2010198227A (ja) * | 2009-02-24 | 2010-09-09 | Nippon Telegr & Teleph Corp <Ntt> | 類似部分シーケンス検出装置、類似部分シーケンス検出方法、および、類似部分シーケンス検出プログラム |
US20150178286A1 (en) * | 2013-12-23 | 2015-06-25 | D Square n.v. | System and Method for Similarity Search in Process Data |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023162077A1 (ja) * | 2022-02-24 | 2023-08-31 | 株式会社日立ハイテク | 診断装置及び診断方法並びに半導体製造装置システム及び半導体装置製造システム |
KR20230129001A (ko) | 2022-02-24 | 2023-09-05 | 주식회사 히타치하이테크 | 진단 장치 및 진단 방법 및 반도체 제조 장치 시스템 및 반도체 장치 제조 시스템 |
JP7358679B1 (ja) * | 2022-02-24 | 2023-10-10 | 株式会社日立ハイテク | 診断装置及び診断方法並びに半導体製造装置システム及び半導体装置製造システム |
Also Published As
Publication number | Publication date |
---|---|
JP7204584B2 (ja) | 2023-01-16 |
CN112083705A (zh) | 2020-12-15 |
CN112083705B (zh) | 2023-12-22 |
US20200393812A1 (en) | 2020-12-17 |
US12013679B2 (en) | 2024-06-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2020204832A (ja) | 異常検知システム、異常検知装置および異常検知方法 | |
JP6778666B2 (ja) | 探索装置及び探索方法 | |
TWI459487B (zh) | 度量獨立及處方獨立的故障類別 | |
KR100768017B1 (ko) | 툴 고장 모니터링을 위한 고장검출 및 가상 센서 방법 | |
US7809450B2 (en) | Self-correcting multivariate analysis for use in monitoring dynamic parameters in process environments | |
JP4615222B2 (ja) | ライン末端データマイニングとプロセスツールデータマイニングとの相関 | |
TWI549568B (zh) | Plasma processing device | |
US20060180570A1 (en) | Application of in-situ plasma measurements to performance and control of a plasma processing system | |
JP6328071B2 (ja) | 異常予兆検知システム及び半導体デバイスの製造方法 | |
JP6641372B2 (ja) | 高次元変数選択モデルを使用した重要なパラメータの決定 | |
TWI641934B (zh) | 虛擬量測系統與方法 | |
JP3732768B2 (ja) | 半導体処理装置 | |
KR101735158B1 (ko) | 반도체 소자의 제조 장치의 공정 모니터링 방법 및 이를 이용한 모니터링 시스템 | |
JP4836994B2 (ja) | 半導体処理装置 | |
JP6754878B2 (ja) | 探索装置および探索方法 | |
IE20030437A1 (en) | A method for process control of semiconductor manufacturing equipment | |
CN113474868B (zh) | 用于远程等离子体源的维护的系统、方法与介质 | |
JP5596832B2 (ja) | プラズマ処理方法のRun−to−Run制御方法 | |
KR101843443B1 (ko) | 플라즈마 설비 및 그의 관리방법 | |
JP2005051269A (ja) | 半導体処理装置 | |
KR100446926B1 (ko) | 반도체제조장치의 감시 및 제어방법과 그 실시장치 | |
JP7211562B2 (ja) | データ量十分性判定装置、データ量十分性判定方法、データ量十分性判定プログラム、学習モデル生成システム、学習済みの学習モデル生成方法、及び学習済みの学習モデル生成プログラム | |
TW531823B (en) | Multi-variable monitoring method for semiconductor processing | |
KR102517100B1 (ko) | 기계학습 기반 진공 가변 커패시터의 이상 진단 방법 및 진공 가변 커패시터의 이상 진단 장치 | |
JP2013050759A (ja) | 異常診断装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20211004 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20220824 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220927 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20221128 |
|
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: 20221206 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20221228 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7204584 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |