JP2021189645A - モータの異常予兆診断装置、および、異常予兆診断方法 - Google Patents
モータの異常予兆診断装置、および、異常予兆診断方法 Download PDFInfo
- Publication number
- JP2021189645A JP2021189645A JP2020093124A JP2020093124A JP2021189645A JP 2021189645 A JP2021189645 A JP 2021189645A JP 2020093124 A JP2020093124 A JP 2020093124A JP 2020093124 A JP2020093124 A JP 2020093124A JP 2021189645 A JP2021189645 A JP 2021189645A
- Authority
- JP
- Japan
- Prior art keywords
- abnormality
- feature amount
- degree
- unit
- motor
- 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.)
- Pending
Links
Images
Landscapes
- Control Of Electric Motors In General (AREA)
- Control Of Multiple Motors (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
【課題】一部のモータの異常度と保守結果を照合することで、複数台モータの異常度の挙動を調整する異常予兆診断装置を提供する。【解決手段】電流データと実際の保守結果に基づき、複数台のモータの異常予兆を診断する異常予兆診断装置であり、電流データまたはその処理データから特徴量を抽出する特徴量抽出部12bと、特徴量抽出部が抽出した特徴量と、モータの異常予兆診断に用いる正常モデル13aを用いて、複数台のモータの各々について異常度を算出する異常判定部12cと、標本モータに関し、異常判定部が算出した異常度と、保守結果を照合し、合致度を判定する異常判定結果照合部12dと、異常判定結果照合部の照合結果に基づいて、異常度算出に用いる特徴量の修正要否を判定する特徴量修正要否判定部12eと、特徴量修正要否判定部が特徴量の修正を必要と判断した場合に、保守結果と合致するよう特徴量を修正する特徴量修正部12fと、を備える。【選択図】図2
Description
本発明は、モータの異常予兆を診断する異常予兆診断装置、および、異常予兆診断方法に関する。
製鉄所で鉄鋼を運搬する鉄鋼用搬送設備には、数百箇所の運搬用ローラを個々に駆動するため、同仕様のモータを数百台組み込む必要がある。この種の設備で何れかのモータが突発故障すると、モータの計画外の修理作業や置換作業が必要となり、生産設備の稼働率低下や生産計画の見直しが必要となる。
モータの突発故障を未然に防ぐ方法として、モータの電流波形をフーリエ変換して劣化の特徴周波数成分を取出し、その振幅に基づいて異常予兆を診断する方法が知られている。劣化の特徴周波数成分は、機械的な劣化の場合、軸受の劣化やギアやカップリングの損傷、負荷装置の異常などを異なる特徴周波数により診断することが可能となる。
しかし、設備に新たな異常予兆診断装置を導入した初期段階においては、複数台のモータの相対的な劣化の進展度合の実情を、異常度に反映することは困難であるため、実際の保守結果や保守履歴と照合しつつ、実際の故障現象を反映した異常度情報を出すよう異常予兆診断装置を調整することが求められる。
例えば、特許文献1の要約書には、「故障診断装置では、異常判定結果54に含まれる誤報や失報に関する情報と稼働機械の保守作業履歴55と照合して、稼働機械が正常に稼働していたか、故障停止をしたかといった、異常判定基準52を修正することが推奨される状況であるか否かを判定し、変更したほうが良いと判定したときに現行の異常判定基準と、新規の異常判定基準とを表示装置9に対して出力する。これにより、ディスパッチャや保守員に対して異常判定基準の変更の要否の判断材料を提供する。」と記載されており、異常判定部と保守作業履歴を照合し、異常判定照合部の結果として異常判定基準を修正する技術が開示されている。
しかしながら、特許文献1は、異常判定基準の修正はモータ個々に対して行われるものであり、複数台モータの異常度の相対的大小をチューニングすることが困難であるという問題点がある。
また、特許文献1では、異常判定基準の修正には全てのモータに対する保守結果が必要となるため、鉄鋼搬送設備のように数百台のモータを擁する設備では、異常判定部と保守作業履歴の照合を行う場合には多大な手間を要するという問題も存在する。
そこで、本発明の目的は、少量の標本モータの保守結果を照合し、標本モータ以外の多数の同仕様のモータについても、容易に異常度を判定することができる異常予兆診断装置、および、異常予兆診断方法を提供することにある。
上記課題を解決するため、本発明の異常予兆診断装置は、複数台のモータから取得した電流データと、少量の標本モータの実際の保守結果に基づき、前記複数台のモータの異常予兆を診断するものであって、前記電流データまたはその処理データから特徴量を抽出する特徴量抽出部と、該特徴量抽出部が抽出した前記特徴量と、モータの異常予兆診断に用いる正常モデルを用いて、前記複数台のモータの各々について異常度を算出する異常判定部と、前記少量の標本モータに関し、前記異常判定部が算出した異常度と、前記保守結果を照合し、合致度を判定する異常判定結果照合部と、前記異常判定結果照合部の照合結果に基づいて、異常度算出に用いる前記特徴量の修正要否を判定する特徴量修正要否判定部と、前記特徴量修正要否判定部が前記特徴量の修正を必要と判断した場合に、前記保守結果と合致するよう前記特徴量を修正する特徴量修正部と、を備えるものとした。
本発明の異常予兆診断装置、または、異常予兆診断方法によれば、少量の標本モータの保守結果を照合し、標本モータ以外の多数の同仕様のモータについても、容易に異常度を判定することができる。
以下、本発明の異常予兆診断装置または異常予兆診断方法の実施例を、図面を用いて説明する。
まず、図1から図9を用いて、本発明の実施例1を説明する。
図1は、本実施例の異常予兆診断装置(以下、単に「診断装置1」と称する。)を含む、異常予兆診断システムの構成図である。ここに示すように、本システムのネットワーク2には、診断装置1と、保守端末3と、電流センサ群4が接続されている。また、電流センサ群4の各センサは、モータ群5の各モータと接続されており、各センサが計測した各モータのモータ電流の時系列データは、ネットワーク2を介して、保守端末3の記憶部に蓄積される。モータ群5は、例えば、鉄鋼搬送用設備に組み込まれた数百台の同仕様のモータM(M1〜Mn)であるが、空気圧縮機設備やファン設備に組み込まれた同仕様のモータ群であっても良い。なお、図1では、診断装置1と保守端末3を別個に設けた構成を例示しているが、両者の機能を一体にした装置を利用しても良い。
<診断装置1の機能ブロック図>
図2は、診断装置1の機能ブロック図である。ここに示すように、診断装置1は、ネットワーク2を介して保守端末3と接続される入出力部11と、診断装置1の各機能を実行する処理部12と、保守員が保守端末3に入力したデータや処理部12が生成したデータ等を記憶する記憶部13を備える。なお、診断装置1は、具体的には、CPU等の演算装置、半導体メモリ等の主記憶装置、ハードディスク等の補助記憶装置、および、通信装置などのハードウェアを備えたサーバ等である。そして、補助記憶装置に記録されたデータベース等を参照しながら、主記憶装置にロードされたプログラムを演算装置が実行することで、後述する各機能を実現するが、以下では、このような周知技術を適宜省略しながら説明する。
図2は、診断装置1の機能ブロック図である。ここに示すように、診断装置1は、ネットワーク2を介して保守端末3と接続される入出力部11と、診断装置1の各機能を実行する処理部12と、保守員が保守端末3に入力したデータや処理部12が生成したデータ等を記憶する記憶部13を備える。なお、診断装置1は、具体的には、CPU等の演算装置、半導体メモリ等の主記憶装置、ハードディスク等の補助記憶装置、および、通信装置などのハードウェアを備えたサーバ等である。そして、補助記憶装置に記録されたデータベース等を参照しながら、主記憶装置にロードされたプログラムを演算装置が実行することで、後述する各機能を実現するが、以下では、このような周知技術を適宜省略しながら説明する。
本実施例の処理部12は、周波数解析部12aと、特徴量抽出部12bと、異常判定部12cと、異常判定結果照合部12dと、特徴量修正要否判定部12eと、特徴量修正部12fと、異常度表示部12gを備える。また、本実施例の記憶部13には、正常モデル13aと、標本モータ保守結果13bが記憶される。以下、これらの詳細について、順次説明する。
周波数解析部12aは、保守端末3から入力された電流センサ群4の時系列データを周波数変換する。周波数変換には、フーリエ変換等の時間周波数解析方法を用いる。
特徴量抽出部12bは、各モータの異常度を算出する際に利用する特徴量を抽出する。
異常判定部12cは、特徴量抽出部12bが抽出した特徴量と、モータの正常稼働時のデータ(正常モデル13a)を用いて、各モータの異常度を算出する。なお、正常モデル13aは、モータの異常予兆を診断するための基準であり、新品のモータや修理直後のモータから採取した電流データに基づいて導出してもよいし、モータの物理モデルに基づいてシミュレーション等から導出してもよい。
異常判定結果照合部12dは、保守員が少量の標本モータを実際に保守作業して評価した劣化進展度合の記録(標本保守結果13b)と、異常判定部12cが判定した異常度を照合する。この照合は、異常度と標本保守結果13bの指標それぞれによって、複数モータの劣化の進展度合いをソートし、両指標によって得られた各モータの劣化度順位を比較する相対的な処理である。なお、標本保守結果13bは、一回の保守結果でもよいし、複数の保守作業の履歴でもよい。また、標本保守結果13bの内容は、軸のガタツキの寸法やグリスへの異物混入割合など劣化の進展度合いに対する数値的な指標でもよいし、保守員の定性的な感覚(重度劣化、中度劣化、軽度劣化など)でもよい。
ここで、標本保守結果13bの保守対象となる標本モータは、必ずしも顧客設備における生産用として稼働しているモータである必要はなく、顧客から受領した使用済みモータないし使用済みモータ部品でも良いし、顧客設備における劣化状態を意図的に模擬したモータないしモータ部品でも良いし、顧客設備にて生産に全く若しくはほぼ関与しないセンシング用のモータとして、生産用のモータと同じ環境下に設置されたモータでも良い。
特徴量修正要否判定部12eは、異常判定部12cが算出した標本モータの異常度と、標本保守結果13bに登録された標本モータの劣化の現状の合致の程度を評価し、特徴量修正の要否を判定する。
特徴量修正部12fは、特徴量修正要否判定部12eで特徴量の修正が必要と判断した場合に、劣化の現状の反映に適した特徴量の組み合わせを選択したり、特徴量の重みづけを修正したりする。特徴量の重みづけ修正の処理には、例えば遺伝的アルゴリズムのような最適化計算を用いる。
異常度表示部12gは、特徴量の修正が不要と判断された場合、すなわち、信頼性の高い特徴量が確定し、その特徴量に基づく異常度が算出された場合に、保守端末3に各モータの異常度を出力する。
<診断装置1による異常予兆診断方法>
次に、図3の処理フローチャートを用いて、診断装置1による異常予兆診断方法の詳細を説明する。
次に、図3の処理フローチャートを用いて、診断装置1による異常予兆診断方法の詳細を説明する。
保守員が少量の標本モータの保守作業を終え、保守端末3に標本保守結果13bと診断開始指令を入力すると、先ずステップS1では、診断装置1は、保守端末3に予め蓄積された各モータのモータ電流の時系列データと、標本保守結果13bを、保守端末3から取得する。図4は、本ステップで取得した、あるモータのモータ電流の時系列データの一例である。
ステップS2では、周波数解析部12aは、ステップS1で取得したモータ電流の時系列データを、フーリエ変換等の時間周波数解析を用いて周波数変換する。図5は、本ステップで周波数変換した周波数スペクトルの一例である。
ステップS3では、特徴量抽出部12bは、ステップS2で得た周波数スペクトルから、異常度の算出に用いる特徴量を抽出する。ここで、特徴量とは、例えば、特定の周波数帯の振幅や周波数帯幅のことであり、それらの両方を含んでいても良いし、いずれか片方だけでも良い。なお、周波数の振幅や周波数のピークの幅を特徴量とする代わりに、例えばモータ電流の最大値や最小値、平均値などを特徴量としてもよい。
ステップS4では、異常判定部12cは、診断対象データと正常モデル13aにおける特徴量を比較して各モータの異常度を算出する。そして、異常度の大きさなどに応じて、異常の程度を「高」「中」「低」のように判定する。
ステップS5では、異常判定結果照合部12dは、ステップS4で得た標本モータの異常度の相対関係と、標本保守結果13bとして得られた実際の劣化進展度合いの評価の相対関係を照合し、合致度を判定する。
ステップS6では、特徴量修正要否判定部12eは、ステップS5の照合結果を受け、特徴量修正の要否を判定する。そして、特徴量の修正が必要と判定された場合はステップS7に進み、不要と判定された場合はステップS8に進む。
ステップS7では、特徴量修正部12fは、劣化の現状の反映に適した特徴量の組み合わせを選択したり、特徴量の重みづけを修正したりする。特徴量の修正後、ステップS4に戻り、修正後の特徴量を用いて、異常度を再算出する。この再計算は、特徴量の修正が不要と判断されるまで繰り返される。
ここで、特徴量修正部12fによる特徴量の修正方法を具体的に説明する。図6の例では、異常度の算出に用いる特徴量の組み合わせを修正している。具体的には、特徴量F1=使用、特徴量F2=不使用、・・・、特徴量Fn=使用、という修正前の組み合わせを、特徴量F1=不使用、特徴量F2=使用、・・・、特徴量Fn=使用、という組み合わせに修正している。また、図7の例では、異常度の算出に用いる各特徴量の重みづけを修正している。具体的には、特徴量F1=1、特徴量F2=0.2、・・・、特徴量Fn=0.3、という修正前の重みづけを、特徴量F1=0.1、特徴量F2=0.8、・・・、特徴量Fn=0.7、という重みづけに修正している。
ステップS8では、ステップS6で特徴量の修正が不要と判定された場合、すなわち、信頼性の高い特徴量が確定し、その特徴量に基づく異常度が算出された場合に、異常度表示部12gは、ネットワーク2を介して、保守端末3のディスプレイに各モータの劣化の現状を反映した異常度を表示する。なお、異常度の表示は必ずしも必要ではなく、異常度データを顧客保有のインターフェイス出力し、異常度の表示は顧客が保有するインターフェイスに代替させてもよい。
<異常予兆診断の具体例>
ここで、本実施例の異常予兆診断処理の具体例を従来例と比較しながら説明する。図8は、本実施例の処理イメージであり、図9は、従来の処理イメージである。
ここで、本実施例の異常予兆診断処理の具体例を従来例と比較しながら説明する。図8は、本実施例の処理イメージであり、図9は、従来の処理イメージである。
本実施例の図8では、モータM1〜M3が日付D1に保守された標本モータ群であり、モータM4〜Mnが保守されていない非標本モータ群である。異常判定部12cが、1回目のステップS4で各モータの異常度を算出すると、例えば、図8(a)に示すような画面が作成される。この画面において、二本の水平な点線は、それぞれ、異常度「高」と「中」の境界となる判定基準、および、異常度「中」と「低」の境界となる判定基準である。従って、1回目のステップS4では、異常判定部12cは、モータM1が異常度「高」、モータM2が異常度「中」と判断する。
しかしながら、実際の標本保守結果13bは、図8(b)に示すように、モータM1が「軽度劣化」、モータM2が「重度劣化」であり、各々の異常度と合致しないため、異常判定結果照合部12dと特徴量修正要否判定部12eは、図8(a)の算出に利用した特徴量が不適切であり、特徴量の修正が必要と判定する。この結果、特徴量修正部12fは、図6や図7に例示した手法により、特徴量を修正する。図8(c)は、異常判定部12cが、修正後の特徴量を用いて異常度を算出した場合に作成される画面例であり、モータM1が異常度「中」、モータM2が異常度「高」となっている。これは、図8(d)に示すように、実際の標本保守結果13bと合致するため、特徴量の更なる修正は不要であると判定できる。このようにして、特徴量を確定させることができる。
一方、従来の図9では、保守員は、まず、全てのモータM1〜Mnを保守作業する必要がある。従来の異常判定部が異常度を判定すると図9(a)のような画面が作成される。その後、図9(a)と、図9(b)に示す保守結果を照合し、モータ毎に判定基準を修正する。これにより、図9(c)のように、異常判定部の出力を、保守結果と一致させることができる。
図8と図9を比較すると、図8(c)では、共通の異常度判定基準を用いて、全てのモータM1〜Mnの異常度を判断できる。従って、一つのグラフに表示された、各モータの劣化の進展度合の相対的な大小関係に基づいて、保守作業の優先順位を容易に決定することが可能となる。一方、図9(c)では、異常判定基準がモータ毎に異なるため、モータの数だけグラフを表示する必要があり、保守作業の優先順位を決定することが非常に困難となる。
以上で説明したように、本実施例の異常予兆診断装置によれば、少量の標本モータの保守結果を照合し、標本モータ以外の多数の同仕様のモータについても、実際の劣化進展度合いの反映に適した特徴量を設定し、共通の異常判定基準に基づいて各モータの異常度を判定することができる。
次に、図10〜図12を用いて、本発明の実施例2に係る診断装置1を説明する。なお、実施例1との共通点は重複説明を省略する。
実施例2では、特定のモータの異常度が指定の挙動を示すように、異常度制約条件13cを入力することで、異常度の時系列変化が修理や突発故障などの特徴的なイベントを反映するように、既存の特徴量候補の重みを調整するものである。
図10は、本実施例における記憶部13の構成図である。本構成は、図2に示した実施例1の記憶部13に、保守端末3から入力された異常度制約条件13cを記憶したものである。この異常度制約条件13cは、特徴量修正部12fによる特徴量の修正の結果、標本モータに対し出力される異常度が特定の時系列的挙動を示すように任意に設定できる制約条件である。
図11は、本実施例の診断装置1の処理フローチャートである。本処理フローは、図3に示した実施例1の処理に対して、ステップS5とステップS6の間に、ステップS9を加えたものである。
このステップS9では、ステップS6で特徴量の修正要否を判定する際に、標本保守結果13bと異常度の合致度だけではなく、異常度の挙動が任意の制約条件を満たすかどうかをも判断基準にする。その結果、ステップS6で特徴量の修正が必要とされた場合に進むステップS7では、標本保守結果13bを反映し、かつ、ステップS9で入力された異常度制約条件13cを満たすように特徴量が修正される。
図12は、本実施例の処理イメージである。基本的な内容は、図8と同等であるが、図12(e)に例示する、異常度制約条件13cが追加されている。この異常度制約条件13cは、例えば修理を行った日付D2後の標本モータの異常度バラつきが特定の値X以下になるといった条件でもよいし、あるモータM1の修理前の異常度がある一定の値Y以上の値になるといった条件でもよい。この結果、図12(c)に示すように、保守端末3に表示される画面は、保守員にとってより利用しやすいものとなる。
次に、図13〜図15を用いて、本発明の実施例3に係る診断装置1を説明する。なお、上記の実施例との共通点は重複説明を省略する。
実施例3は、異常診断を重点的に行いたい特定部位に対する保守結果を入力し、特定部位毎の劣化状態を反映するように既存の特徴量候補を修正するものである。これにより、特徴量が未知の故障部位に対しても、少量の保守データを用いることによって劣化の実情に合った特徴量を抽出することが可能となる。
図13は、本実施例における記憶部13の構成図である。本構成は図2に示した実施例1の記憶部13に、特定部位特徴量データ13dを記憶したものである。この特定部位特徴量データ13dは、重点的に異常判定したい特定部位の診断に用いる特徴量が格納されたデータである。また、本実施例の標本保守結果13bには、特定部位毎に保守結果が登録されている。
図14は、本実施例における診断装置1の処理フローチャートであり、図15は、本実施例の処理イメージである。本処理フローは、図3に示した実施例1の処理に対して、ステップS7をステップS10に置換したものである。
1回目のステップS4では、異常判定部12cは、図15(a)に示すように、モータ毎に一つの異常度を算出する。
1回目のステップS5では、異常判定結果照合部12dは、図15(b)に示すように、標本モータの特定部位の標本保守結果13bを異常度と照合する。
1回目のステップS6では、特徴量修正要否判定部12eは、ステップS5の結果を受け、特徴量修正の要否を判定する。図15(b)では、モータM1の異常度は、部位PA、PBの保守結果と合致せず、また、モータM2の異常度は、部位PAの保守結果と合致しないため、特徴量修正要否判定部12eは、特徴量の修正が必要と判断する。
ステップS6で特徴量の修正が必要と判定された場合、ステップS10では、特徴量修正部12fは、特定部位の保守結果を反映するように、特定部位毎に特徴量を修正する。修正された特定部位毎の特徴量は、特定部位特徴量データ13dとして記憶部13に記憶される。
2回目のステップS4では、異常判定部12cは、図15(c)に示すように、特定部位毎に各モータの異常度を算出する。
2回目のステップS5では、異常判定結果照合部12dは、図15(d)に示すように、標本モータの特定部位毎に、標本保守結果13bと異常度を照合する。この例では、実際の標本保守結果13bと合致するため、特徴量の更なる修正は不要であると判定できる。
このように、本実施例によれば、重点的に保守したい特定部位毎に適切な特徴量を設定できるため、モータに異常予兆がある部位を特定することができる。
1 診断装置
11 入出力部
12 処理部
12a 周波数解析部
12b 特徴量抽出部
12c 異常判定部
12d 異常判定結果照合部
12e 特徴量修正要否判定部
12f 特徴量修正部
12g 異常度表示部
13 記憶部
13a 正常モデル
13b 標本保守結果
13c 異常度制約条件
13d 特定部位特徴量データ
2 ネットワーク
3 保守端末
4 電流センサ群
5 モータ群
11 入出力部
12 処理部
12a 周波数解析部
12b 特徴量抽出部
12c 異常判定部
12d 異常判定結果照合部
12e 特徴量修正要否判定部
12f 特徴量修正部
12g 異常度表示部
13 記憶部
13a 正常モデル
13b 標本保守結果
13c 異常度制約条件
13d 特定部位特徴量データ
2 ネットワーク
3 保守端末
4 電流センサ群
5 モータ群
Claims (7)
- 複数台のモータから取得した電流データと、少量の標本モータの実際の保守結果に基づき、前記複数台のモータの異常予兆を診断する異常予兆診断装置であって、
前記電流データまたはその処理データから特徴量を抽出する特徴量抽出部と、
該特徴量抽出部が抽出した前記特徴量と、モータの異常予兆診断に用いる正常モデルを用いて、前記複数台のモータの各々について異常度を算出する異常判定部と、
前記少量の標本モータに関し、前記異常判定部が算出した異常度と、前記保守結果を照合し、合致度を判定する異常判定結果照合部と、
前記異常判定結果照合部の照合結果に基づいて、異常度算出に用いる前記特徴量の修正要否を判定する特徴量修正要否判定部と、
前記特徴量修正要否判定部が前記特徴量の修正を必要と判断した場合に、前記保守結果と合致するよう前記特徴量を修正する特徴量修正部と、
を備えることを特徴とする異常予兆診断装置。 - 請求項1に記載の異常予兆診断装置において、
前記特徴量修正部は、異常度算出に用いる複数の特徴量の組み合わせを変更することを特徴とする異常予兆診断装置。 - 請求項1に記載の異常予兆診断装置において、
前記特徴量修正部は、異常度算出に用いる複数の特徴量の重みづけを変更することを特徴とする異常予兆診断装置。 - 請求項1に記載の異常予兆診断装置において、
前記特徴量修正部は、前記異常判定部で算出した異常度が、特定の異常度制約条件を満たすように、前記特徴量を修正することを特徴とする異常予兆診断装置。 - 請求項1に記載の異常予兆診断装置において、
前記特徴量修正部は、重点的に診断したい特定部位毎に特徴量を設定し、
前記異常判定部は、前記特定部位毎に異常度を算出し、
前記異常判定結果照合部は、前記特定部位毎に、前記異常判定部が算出した異常度と、前記保守結果を照合し、合致度を判定することを特徴とする異常予兆診断装置。 - 請求項1から請求項5の何れか一項に記載の異常予兆診断装置において、
さらに、前記特徴量修正要否判定部が前記特徴量の修正を不要と判断した場合に、前記異常判定部が算出した各モータの異常度を外部装置に表示させる異常度表示部を備えることを特徴とする異常予兆診断装置。 - 複数台のモータから取得した電流データと、少量の標本モータの実際の保守結果に基づき、前記複数台のモータの異常予兆を診断する異常予兆診断方法であって、
前記電流データまたはその処理データから特徴量を抽出するステップと、
抽出した前記特徴量と、モータの異常予兆診断に用いる正常モデルを用いて、前記複数台のモータの各々について異常度を算出するステップと、
前記少量の標本モータに関し、算出した異常度と、前記保守結果を照合し、合致度を判定するステップと、
照合結果に基づいて、異常度算出に用いる前記特徴量の修正要否を判定するステップと、
前記特徴量の修正を必要と判断した場合に、前記保守結果と合致するよう前記特徴量を修正するステップと、
を備えることを特徴とする異常予兆診断方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020093124A JP2021189645A (ja) | 2020-05-28 | 2020-05-28 | モータの異常予兆診断装置、および、異常予兆診断方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020093124A JP2021189645A (ja) | 2020-05-28 | 2020-05-28 | モータの異常予兆診断装置、および、異常予兆診断方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2021189645A true JP2021189645A (ja) | 2021-12-13 |
Family
ID=78850320
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020093124A Pending JP2021189645A (ja) | 2020-05-28 | 2020-05-28 | モータの異常予兆診断装置、および、異常予兆診断方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2021189645A (ja) |
-
2020
- 2020-05-28 JP JP2020093124A patent/JP2021189645A/ja active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20170284896A1 (en) | System and method for unsupervised anomaly detection on industrial time-series data | |
US6625589B1 (en) | Method for adaptive threshold computation for time and frequency based anomalous feature identification in fault log data | |
AU768166B2 (en) | Method and apparatus for diagnosing difficult to diagnose faults in a complex system | |
CN112449696B (zh) | 时序数据诊断装置、追加学习方法及程序 | |
US20090083089A1 (en) | Systems and methods for analyzing failure modes according to cost | |
US6038517A (en) | Computer system and method for dynamically assessing the market readiness of a product under development | |
EP3346205A1 (en) | Inspection management system and inspection management method | |
JP5868331B2 (ja) | 圧縮機を診断するための方法およびシステム | |
JP5487060B2 (ja) | 故障原因診断方法及び故障原因診断装置 | |
JP2021060940A (ja) | 運用支援システム及び方法 | |
JP2009086896A (ja) | コンピュータの障害予測システムおよび障害予測方法 | |
JP6975086B2 (ja) | 品質評価方法および品質評価装置 | |
JP4172249B2 (ja) | 設備の保全方式を評価する保全方式評価装置、保全方式評価方法、及びその方法をコンピュータに行わせるためのプログラム並びに記録媒体 | |
JP2021189645A (ja) | モータの異常予兆診断装置、および、異常予兆診断方法 | |
JPWO2019016892A1 (ja) | 品質分析装置及び品質分析方法 | |
US11429909B2 (en) | Information-technology utilization evaluation device and information-technology utilization evaluation method | |
US11789436B2 (en) | Diagnosing device, diagnosing method, and program | |
US20080215638A1 (en) | Operational qualification by independent reanalysis of data reduction patch | |
US20070226039A1 (en) | System and method for assessing segmentation strategies | |
JP6989477B2 (ja) | 繰り返し故障防止装置、繰り返し故障防止システム及び繰り返し故障防止方法 | |
Hitchcock | ISO standards for condition monitoring | |
JP2000251126A (ja) | 適正保守作業分析装置 | |
JPH04136795A (ja) | 異常原因診断方法 | |
EP3113088A1 (en) | Energy intensity variability analysis | |
JPH04359640A (ja) | 異常原因診断方法 |