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

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。

特開２０１５−８４１７６号公報

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。

異常予兆診断装置を含むシステム構成図 実施例１の異常予兆診断装置の機能ブロック構成図 実施例１の処理フローを示すフローチャート 実施例１における電流の一例 実施例１における周波数スペクトルの一例 実施例１における特徴量修正部の一例 実施例１における特徴量修正部の一例 実施例１において出力される異常度表示画面例を含むイメージ 従来の発明によって出力される画面例を含むイメージ 実施例２における異常予兆診断装置の記憶部の構成図 実施例２における処理フローを示すフローチャート 実施例２において出力される異常度表示画面例を含むイメージ 実施例３における異常予兆診断装置の記憶部の構成図 実施例３における処理フローを示すフローチャート 実施例３において出力される異常度表示画面例を含むイメージ

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（Ｍ_１〜Ｍ_ｎ）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。

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。

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Ｆ_１＝使用、特徴量Ｆ_２＝不使用、・・・、特徴量Ｆ_ｎ＝使用、という修正前の組み合わせを、特徴量Ｆ_１＝不使用、特徴量Ｆ_２＝使用、・・・、特徴量Ｆ_ｎ＝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Ｆ_１＝１、特徴量Ｆ_２＝０．２、・・・、特徴量Ｆ_ｎ＝０．３、という修正前の重みづけを、特徴量Ｆ_１＝０．１、特徴量Ｆ_２＝０．８、・・・、特徴量Ｆ_ｎ＝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。

本実施例の図８では、モータＭ_１〜Ｍ_３が日付Ｄ_１に保守された標本モータ群であり、モータＭ_４〜Ｍ_ｎ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Ｍ_１が異常度「高」、モータＭ_２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Ｍ_１が「軽度劣化」、モータＭ_２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Ｍ_１が異常度「中」、モータＭ_２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Ｍ_１〜Ｍ_ｎ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Ｍ_１〜Ｍ_ｎ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Ｄ_２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Ｍ_１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Ｍ_１の異常度は、部位Ｐ_Ａ、Ｐ_Ｂの保守結果と合致せず、また、モータＭ_２の異常度は、部位Ｐ_Ａ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

Claims (7)

1. 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。
2. 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。
3. 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。
4. 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。
5. 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。
6. 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。
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。

Images