JP2021043499A - 学習モデルデータ再構築装置および学習モデルデータ再構築方法並びに学習モデルデータ再構築プログラム - Google Patents

Abstract

【課題】予め構築された学習モデルデータから、指定された期間のデータを削除し、再構築できるようにした学習モデルデータ再構築装置を提供する。【解決手段】プラントの設備または装置の異常を判定するために予め構築された学習モデルデータ１０が、指定部２に入力され、指定部２により、学習モデルデータ１０の内の期間が指定され、次いで、学習モデルデータ１０から、指定部２により指定された期間のデータを、削除部３により削除して、削除済み学習モデルデータ１２を形成し、この削除済み学習モデルデータ１２に基づき、再構築部４が、学習モデルデータを再構築して、新学習モデルデータ１３とする。【選択図】図１

Description

本願は、学習モデルデータを再構築する学習モデルデータ再構築装置および学習モデルデータ再構築方法並びに学習モデルデータ再構築プログラムに関するものである。

発電プラントなどのプラントに対する予防保全の要求の高まりを受け、センサーデータなどを活用して早期に異常を検知するプラント監視システムに注目が集まっている。このようなプラント監視システムにおいては、プラントの設備あるいは装置が異常か否かを判定する基準となる学習モデルデータが必要である。
従来のプラント監視システムにおいては、プラントの設備あるいは装置にセンサーを取り付け、その状態をデータ化し、蓄積したデータを統計的に解析して異常を検知する。
そして、異常の検知結果に基づいて、学習に使うデータを選択し、選択したデータに基づいて、異常を判別するためのルールを抽出して、学習モデルデータを作成していた。（特許文献１参照）

特開２０１２−８９０５７号公報（第８〜１０頁、第１図）

従来の学習モデルデータでは、誤って異常箇所を学習した場合、誤検知することがある。
そして、その異常箇所を取り除く機能がないため、新たに学習し直す必要があり、計算機リソースおよび学習し直すための検討に膨大な時間を要するという問題があった。

本願は、上記のような課題を解決するための技術を開示するものであり、予め構築された学習モデルデータから、指定された期間のデータを削除し、再構築できるようにした学習モデルデータ再構築装置および学習モデルデータ再構築方法並びに学習モデルデータ再構築プログラムを提供することを目的とする。

本願に開示される学習モデルデータ再構築装置は、プラントの設備または装置の異常を判定するために予め構築され、時間情報を有する学習モデルデータを、再構築する学習モデルデータ再構築装置であって、学習モデルデータの内の期間を指定する指定部、学習モデルデータから、指定部により指定された期間のデータを削除する削除部、この削除部により指定された期間のデータが削除された学習モデルデータに基づき、新たな学習モデルデータを再構築する再構築部を備えたものである。

本願に開示される学習モデルデータ再構築装置によれば、予め構築された学習モデルデータから、指定された期間のデータを削除し、再構築することができる。

実施の形態１による学習モデルデータ再構築装置の概略構成を示すブロック図である。 実施の形態１による学習モデルデータ再構築装置の学習モデルデータ再構成方法を示すフローチャートである。 実施の形態１による学習モデルデータ再構築装置の学習モデルデータの例を示す図である。 実施の形態１による学習モデルデータ再構築装置のプラントデータの例を示す図である。 実施の形態２による学習モデルデータ再構築装置の概略構成を示すブロック図である。 実施の形態１〜実施の形態３による学習モデルデータ再構築装置のハードウェア構成を示す図である。

実施の形態１．
以下、実施の形態１の学習モデルデータ再構築装置について、図を参照して説明する。
図１は、実施の形態１による学習モデルデータ再構築装置の概略構成を示すブロック図である。
図１における学習モデルデータ再構築装置は、既存の学習モデルデータから指定した期間を削除し、学習モデルデータを新たに再構築する。
これ以降、学習モデルデータを作成するに当たり、監視対象となるプラントをプラントＸと呼ぶ。監視対象となるプラントＸとしては、発電プラント、水処理プラントなどが挙げられる。

図１において、学習モデルデータ再構築装置１は、次のように構成されている。
学習モデルデータ１０は、プラントの設備あるいは装置が異常か否かを判定する基準となるものである。プラントＸの設備または装置に取り付けられたセンサーから取得されるデータのうち、時系列データを用いて、機械学習により構築されたものであり、時間情報を有している。

指定部２および削除部３には、学習モデルデータ１０が入力される。
指定部２は、学習モデルデータ１０を受け取り、学習モデルデータ１０中の期間１１を指定する。
例えば、２０１９年４月１４日１０時１０分１２秒から２０１９年４月１４日１０時１５分４５秒までなど、時間情報に関わって指定を行う。指定部２で指定された期間１１は、削除部３へ送られる。

削除部３は、受け取った学習モデルデータ１０中から、指定部２により指定された期間１１に該当する箇所の学習モデルデータを削除し、削除済み学習モデルデータ１２とする。該当箇所が削除された削除済み学習モデルデータ１２は、再構築部４へ送られる。

再構築部４は、削除部３により、学習モデルデータ１０中の指定された期間１１のデータが削除された削除済み学習モデルデータ１２から、新たな学習モデルを再構築し、新学習モデルデータ１３とする。
ここで、削除部３において、指定部２により指定された期間１１に該当する箇所の学習モデルデータを削除せず、マスキング等で指定された期間１１のデータを使用しないで 新学習モデルデータ１３を再構築するようにしてもよい。

図３は、実施の形態１による学習モデルデータ再構築装置の学習モデルデータの例を示す図である。
図３（ａ）は、異常のプラントデータに基づき学習された学習モデルデータを示す図、図３（ｂ）は、異常のプラントデータに基づき学習された部分の学習モデルデータの削除を示す図である。
図３において、学習モデルデータ３０は、横軸を時刻、縦軸を値とした場合のグラフで表示され、異常なプラントデータに基づいて学習された異常部分３１を示している。
削除期間３２は、指定部２により指定された期間１１に相当し、その期間の学習モデルデータ３０が削除される。

図４は、実施の形態１による学習モデルデータ再構築装置のプラントデータの例を示す図である。
図４において、プラントデータ４０は、学習モデルデータ３０に対応するプラントからのデータで、異常個所４１がある。プラントデータ４０は、横軸を時刻、縦軸を値とした場合のグラフで表示される。

次に、動作について説明する。
図２を用いて、学習モデルデータ再構築の方法について説明する。
図２のステップＳ１（第一のステップ、第一の処理）では、指定部２が、既存の学習モデルデータ１０を受け取る。
次いで、ステップＳ２（第二のステップ）で、指定部２は、受け取った学習モデルデータ１０から、期間１１を指定する。
次いで、ステップＳ３（第三のステップ、第二の処理）で、削除部３が、受け取った学習モデルデータ１０から、指定された期間１１のデータを削除して、削除済み学習モデルデータ１２を作成する。
さらにステップＳ４（第四のステップ、第三の処理）で、再構築部４が、期間１１のデータが削除された削除済み学習モデルデータ１２から、新学習モデルデータ１３を再構築する。
このとき、削除された箇所の前後を繋げてできた学習モデルデータを用いて、プラントＸが正常か否かを判断するための計算を行い、辻褄を合わせるようにする。

実施の形態１で再構築される新学習モデルデータ１３は、プラントＸから取得したデータから作成されたものであり、このモデルで監視されるプラントは、プラントから取得されたデータを用いて、学習モデルデータによって、正常か否かが判断される。
例えば、図４のプラントデータ４０により、プラントの正常か異常かを判定する場合に、図３（ａ）の学習モデルデータ３０を用いると、プラントデータ４０の異常個所４１は、正常と誤判定される。一方、図３（ｂ）の削除期間３２が削除され、再構築された学習モデルデータを用いると、プラントデータ４０の異常個所４１は、異常と判定されるようになる。

実施の形態１によれば、学習モデルデータは、既存の学習モデルデータから指定した期間のデータを削除することができるため、誤って異常箇所が学習モデルデータに混入していた場合でも、その期間を指定し、削除することができる。
その結果、正常か否か判断する精度が磨かれる。
また、学習モデルデータを一から作成する必要がなくなるため、効率よく学習モデルデータを再構築することができる。

実施の形態２．
実施の形態１の学習モデルデータ再構築装置では、時系列データから作成された学習モデルデータを再構築した。これに対し、実施の形態２の学習モデルデータ再構築装置は、時系列データではなく、プラントの設備または装置の映像または振動など、時間情報を持つ他のデータから作成された学習モデルデータの再構築を行う。

図５は、実施の形態２による学習モデルデータ再構築装置の概略構成を示すブロック図である。
図５において、１〜４、１１は図１におけるものと同一のものである。図５では、学習αモデルデータ２０が、指定部２に入力される。削除部３により期間１１のデータを削除された削除済み学習αモデルデータ２１が生成される。さらに、再構築部４により新学習αモデルデータ２２が再構築される。

図５の学習モデルデータ再構築装置１は、入力される学習モデルデータが時系列データではなく、プラントの設備または装置の映像または振動など時間情報を持つ他のデータから作成された学習モデルデータである点が、実施の形態１とは異なる。
これ以降、プラントの設備または装置の映像または振動など時間情報を持つ他のデータから作成された学習モデルデータを学習αモデルデータと呼ぶ。

次に、動作について説明する。
実施の形態２の学習モデルデータ再構築装置１においても、指定部２、削除部３および再構築部４の基本動作は、実施の形態１の学習モデルデータ再構築装置の動作と同様であるため、その説明を省略する。

また、学習モデルデータ再構築方法も、実施の形態１の図２で示したフローチャートと同様であるため、その説明を省略する。
ただし、指定部２および削除部３へ入力される学習モデルデータは、学習αモデルデータ２０である。
また、再構築部４へ入力される学習モデルデータは、指定された期間のデータが削除された削除済み学習αモデルデータ２１である。
さらに、再構築部４より出力される学習モデルデータは、新たに構築された新学習αモデルデータ２２である。

実施の形態２で再構築される新学習αモデルデータ２２は、プラントＸから取得したデータから作成されたものであり、このモデルで監視されるプラントは、取得したデータが、学習αモデルデータによって正常か否かが判断される。

実施の形態２によれば、プラントの設備または装置の映像または振動など、時間情報を持つ他のデータから作成された学習モデルデータについて、既存の学習モデルデータから指定した期間のデータを削除することができるため、誤って異常箇所が学習モデルデータに混入していた場合でも、その期間を指定し、削除することができる。

なお、学習モデルデータ再構築装置は、ハードウェアの一例を図６に示すように、プロセッサ１０１と記憶装置１０２から構成される。記憶装置１０２は、ランダムアクセスメモリ等の揮発性記憶装置１０３と、フラッシュメモリ等の不揮発性の補助記憶装置１０４とを具備する。また、フラッシュメモリの代わりにハードディスクの補助記憶装置１０４を具備してもよい。プロセッサ１０１は、記憶装置１０２から入力されたプログラムを実行する。この場合、補助記憶装置１０４から揮発性記憶装置１０３を介してプロセッサ１０１にプログラムが入力される。また、プロセッサ１０１は、演算結果等のデータを記憶装置１０２の揮発性記憶装置１０３に出力してもよいし、揮発性記憶装置１０３を介して補助記憶装置１０４にデータを保存してもよい。

本開示は、様々な例示的な実施の形態及び実施例が記載されているが、１つ、または複数の実施の形態に記載された様々な特徴、態様、及び機能は特定の実施の形態の適用に限られるのではなく、単独で、または様々な組み合わせで実施の形態に適用可能である。
従って、例示されていない無数の変形例が、本願明細書に開示される技術の範囲内において想定される。例えば、少なくとも１つの構成要素を変形する場合、追加する場合または省略する場合、さらには、少なくとも１つの構成要素を抽出し、他の実施の形態の構成要素と組み合わせる場合が含まれるものとする。

１ 学習モデルデータ再構築装置、２ 指定部、３ 削除部、４ 再構築部、
１０ 学習モデルデータ、１１ 期間、１２ 削除済み学習モデルデータ、
１３ 新学習モデルデータ、２０ 学習αモデルデータ、
２１ 削除済み学習αモデルデータ、２２ 新学習αモデルデータ、
３０ 学習モデルデータ、３１ 異常部分、３２ 削除期間、４０ プラントデータ、
４１ 異常個所、１０１ プロセッサ、１０２ 記憶装置、１０３ 揮発性記憶装置、
１０４ 補助記憶装置

Claims (5)

1. プラントの設備または装置の異常を判定するために予め構築され、時間情報を有する学習モデルデータを、再構築する学習モデルデータ再構築装置であって、
   上記学習モデルデータの内の期間を指定する指定部、
   上記学習モデルデータから、上記指定部により指定された期間のデータを削除する削除部、
   この削除部により上記指定された期間のデータが削除された上記学習モデルデータに基づき、新たな学習モデルデータを再構築する再構築部を備えたことを特徴とする学習モデルデータ再構築装置。
2. 上記学習モデルデータは、上記プラントからの時系列データに基づき構築されたことを特徴とする請求項１に記載の学習モデルデータ再構築装置。
3. 上記学習モデルデータは、上記プラントの設備または装置の映像または振動を含む時間情報を有するデータに基づき構築されたことを特徴とする請求項１に記載の学習モデルデータ再構築装置。
4. プラントの設備または装置の異常を判定するために予め構築され、時間情報を有する学習モデルデータが、指定部に入力される第一のステップ、
   この第一のステップで入力された上記学習モデルデータの内の期間を、上記指定部により指定する第二のステップ、
   この第二のステップで指定された期間の上記学習モデルデータ中のデータを、削除部が削除する第三のステップ、
   この第三のステップでデータが削除された上記学習モデルデータに基づき、再構築部が新たな学習モデルデータを再構築する第四のステップを含むことを特徴とする学習モデルデータ再構築方法。
5. プラントの設備または装置の異常を判定するために予め構築され、時間情報を有する学習モデルデータを入力する第一の処理、
   この第一の処理で入力された上記学習モデルデータから、指定された期間の上記学習モデルデータ中のデータを削除する第二の処理、
   この第二の処理でデータが削除された上記学習モデルデータに基づき、新たな学習モデルデータを再構築する第三の処理を含み、
   上記第一、第二および第三の各処理をコンピュータにより実行させることを特徴とする学習モデルデータ再構築プログラム。

Images