JP2023042945A - 監視装置、方法およびプログラム - Google Patents

Abstract

【課題】システムの異常検知における誤検知を抑制できる監視装置、方法およびプログラムを提供する。【解決手段】監視装置１００は、モデル取得部１０３と、予測部１０５と、異常検知部１０６と、を備える。モデル取得部１０３は、第１センサ集合に属する各センサの測定値を含む第１データを入力すると、第２センサ集合に属する各センサの予測値を含む第２データを生成するモデルを取得する。判定部１０４は、変化すると前記第１センサの測定値に突変を生じさせる制御信号の変化を判定することにより判定信号を生成する。予測部１０５は、前記第１データと前記モデルから前記第２データを生成する。異常検知部１０６は、前記測定値、前記予測値、及び前記判定信号に基づき、前記システムあるいは前記第２センサ集合に属するセンサの異常を検知する。異常検知部１０６は、前記判定信号が前記制御信号に変化があることを表す場合前記異常を検知されづらくする。【選択図】図１

Description

本発明の実施形態は、監視装置、方法およびプログラムに関する。

発電プラントや水処理プラント等に用いられるインフラシステムや、製造装置に用いられるシステムは、複数の機器から構成される。インフラシステムが停止した場合、社会機能に悪影響を与えることがある。また、製造装置のシステムが停止した場合、経済的損失を生むことがある。このため、これらのシステムを健全な状態に保つことが重要である。

このようなシステムは、一般的に、システムの出力の測定値が目標値に近づくように、フィードバック制御、フィードフォワード制御、または、これらの制御方法の派生方式を用いて制御される。また、システムの規模が大きい場合、複数のサブシステムで構成され、各サブシステムがフィードバック制御やフィードフォワード制御により制御される。このため、大規模なシステムでは制御が複雑になる。

システムの故障を未然に防ぐため、あるいは、故障後にできるだけ早くシステムを復旧するために、システムを監視する必要がある。システムの監視のため、システム内の各所に複数のセンサが設置される。そして、システム内に設置した複数のセンサの値を監視することにより、システムの状態を監視することができる。また、システムの規模が大きい場合やシステムが複雑な場合、システムの監視に必要なセンサの数が多くなる。この場合、全てのセンサを限られた人数で同時に監視するのは困難である。

これに対し、センサの測定値を用いてシステムの監視を補助あるいは自動化する監視装置が知られている。このような監視装置では、システムが正常であるにもかかわらず異常であると誤って検知される誤検知を抑制することが求められている。

特開平７－２８７７９４号公報 特許第６５６４７９９号公報

本発明が解決しようとする課題は、システムの異常検知における誤検知を抑制できる監視装置、方法およびプログラムを提供することである。

このような課題を解決するため、実施形態の監視装置は、測定値取得部と、制御信号取得部と、モデル取得部と、予測部と、異常検知部と、を備える。測定値取得部は、システムに設置された複数のセンサの測定値を取得する。制御信号取得部は、制御信号を前記システムから取得する。モデル取得部は、前記制御信号が所定の運転モードの途中で変化した場合に測定値に突変が生じる第１センサを要素として含む第１センサ集合に属する各センサの測定値を含む第１データを入力すると、前記第１センサと相関する第２センサを要素として含む第２センサ集合に属する各センサの予測値を含む第２データを生成するモデルを取得する。判定部は、前記制御信号の変化を判定することにより判定信号を生成する。予測部は、前記測定値に含まれる前記第１データと前記モデルから、前記第２センサ集合に属する各センサの予測値を含む前記第２データを生成する。異常検知部は、前記第２センサ集合に属する各センサの測定値、前記第２データ、前記判定信号、および、閾値に基づき、前記システムの異常、あるいは、前記第２センサ集合に属する少なくとも１つのセンサの異常を検知する。また、異常検知部は、前記判定信号が前記制御信号に変化があることを表す場合、前記異常を検知されづらくする。

図１は、第１の実施形態に係る監視装置の構成の一例を示す図である。 図２は、第１の実施形態に係る監視装置による監視処理の処理手順を例示するフローチャートである。 図３は、第１の実施形態に係る監視装置による異常検知処理の処理手順を例示するフローチャートである。 図４は、第２センサの測定値と第１センサの予測値との連動に起因して誤検知が生じる様子を説明するための図である。 図５は、モデルの訓練時における訓練データの不足に起因して誤検知が生じる様子を説明するための図である。 図６は、第１の実施形態に係る監視装置により第２センサの測定値と第１センサの予測値との連動に起因する誤検知を抑制する方法を説明するための図である。 図７は、第１の実施形態に係る監視装置によりモデルの訓練時における訓練データの不足に起因する誤検知を抑制する方法を説明するための図である。 図８は、第１の変形例に係る監視装置の構成の一例を示す図である。 図９は、第１の変形例に係る監視装置による異常の検知の制御において実行される場合分けの一例を示す図である。 図１０は、第１の変形例に係る監視装置による異常検知処理の処理手順を例示するフローチャートである。 図１１は、第１の変形例に係る監視装置による異常の検知の制御において実行される場合分けの一例を示す図である。 図１２は、第２の変形例に係る監視装置の構成の一例を示す図である。 図１３は、第２の変形例に係る監視装置による監視処理の処理手順を例示するフローチャートである。 図１４は、第２の変形例に係る監視装置により誤検知を抑制する方法を説明するための図である。 図１５は、注目期間の時間を表示する表示画面の一例を示す図である。 図１６は、超過時間の閾値を表示する表示画面の一例を示す図である。

以下、図面を参照しながら、監視装置、方法およびプログラムの実施形態について詳細に説明する。以下の説明において、略同一の機能及び構成を有する構成要素については、同一符号を付し、重複説明は必要な場合にのみ行う。

（第１の実施形態）
図１は、第１の実施形態に係る監視装置１００の構成を示す図である。監視装置１００は、ネットワーク等を介して、監視するシステムに接続されている。監視装置１００は、監視するシステムに設置された複数のセンサにおいて時々刻々と測定される測定値を取得して、システムの異常を検知する。そして、異常検知結果を示す信号をディスプレイ等の外部へ出力する。

ネットワークは、例えば、ＬＡＮ（Local Area Network）である。なお、ネットワークへの接続は、有線接続、及び無線接続を問わない。また、ネットワークはＬＡＮに限定されず、インターネットや公衆の通信回線等であっても構わない。

監視装置１００は、監視装置１００全体を制御する処理回路と、記憶媒体（メモリ）と、を備える。処理回路は、記憶媒体内のプログラムを呼び出し実行することにより、測定値取得部１０１、制御信号取得部１０２、モデル取得部１０３、判定部１０４、予測部１０５および異常検知部１０６の機能を実行するプロセッサである。処理回路は、ＣＰＵ（Central Processing Unit）、ＡＳＩＣ（Application Specific Integrated Circuit）又はＦＰＧＡ（Field Programmable Gate Array）等を含む集積回路から形成される。プロセッサは、１つの集積回路から形成されてもよく、複数の集積回路から形成されてもよい。

記憶媒体には、プロセッサで用いられる処理プログラム、及び、プロセッサでの演算で用いられるパラメータ及びテーブル等が記憶される。記憶媒体は、種々の情報を記憶するＨＤＤ（Hard Disk Drive）やＳＳＤ（Solid State Drive）、集積回路等の記憶装置である。また、記憶装置は、ＨＤＤやＳＳＤ等以外にも、ＣＤ（Compact Disc）、ＤＶＤ（Digital Versatile Disc）、フラッシュメモリ等の可搬性記憶媒体であってもよく、フラッシュメモリ、ＲＡＭ（Random Access Memory）等の半導体メモリ素子等との間で種々の情報を読み書きする駆動装置であってもよい。

なお、測定値取得部１０１、制御信号取得部１０２、モデル取得部１０３、判定部１０４、予測部１０５および異常検知部１０６が有する各機能は、単一の処理回路にて実現されてもよく、複数の独立したプロセッサを組み合わせて処理回路を構成し、各プロセッサがプログラムを実行することにより各機能を実現するものとしても構わない。また、測定値取得部１０１、制御信号取得部１０２、モデル取得部１０３、判定部１０４、予測部１０５および異常検知部１０６が有する各機能は、個別のハードウェア回路として実装してもよい。

測定値取得部１０１は、監視するシステムに設置された各センサの測定値を含む情報（以下、測定値データと呼ぶ）を取得する。測定値データは、監視するシステムに設置された複数のセンサにおいて時々刻々と測定される時系列データである。測定値データの取得間隔は、センサのサンプリング間隔や監視装置１００の処理速度に応じて定めることが好ましい。測定値データの取得間隔は、例えば、１分や１０分等である。

制御信号取得部１０２は、所定の運転モードにおける監視するシステムの制御信号を取得する。本実施形態では、センサの値に影響を及ぼす特定の１つの制御信号を取得する場合について説明するが、複数の制御信号が取得されてもよい。

運転モードは、例えば、システムを起動するモード、システムを停止するモード、待機するモード、試運転を行うモード、所定の負荷での運転を行うモード、システムに対する作業を行うモード等である。

制御信号としては、例えば、フィードバック制御信号、フィードフォワード制御信号、運転モードの変化との相関が弱く変化が不規則な制御信号等が用いられる。また、制御信号として、所定の運転モードの途中で変化することが少ない信号が用いられても構わない。

具体的には、制御信号として、例えば、ＢＩＲ(boiler input regulator)の信号、スートブロワの信号、システムに複数設けられた燃料装置の起動や停止に関する信号、システムに複数設けられた燃料装置の起動数を示す信号、燃料の種類の切り替えを示す信号等が用いられる。

ＢＩＲ(boiler input regulator)の信号は、システムに含まれるボイラの応答遅れを補償するフィードフォワード制御信号の一例である。

スートブロワは、システム中の機器の煤やダストを除去するものである。スートブロワは、例えば、ボイラに利用される。スートブロワは、運転モードの変化タイミングとは無関係に動作することが多い。スートブロワの信号は、運転モードの変化との相関が弱く変化が不規則な制御信号の一例である。

システムには、そのシステムを運転するための燃料の装置が含まれる場合がある。また、燃料装置の数は一つとは限らず、複数含まれる場合もある。システムが所定の負荷で運転されている場合、燃料装置の起動数が変化する場合がある。また、燃料装置の起動数が同じであっても、起動している燃料装置が異なることがある。複数ある燃料装置の起動や停止を示す信号は、運転モードの変化との相関が弱く変化が不規則な制御信号の一例である。また、複数ある燃料装置の起動数を示す信号も、運転モードの変化との相関が弱く変化が不規則な制御信号の一例である。

システムを運転するための燃料は、一つとは限らない。複数の燃料がある場合、システムの負荷が一定であっても、燃料が切り替えられる場合がある。燃料の種類の切り替えの信号は、運転モードの変化との相関が弱く変化が不規則な制御信号の一例である。

モデル取得部１０３は、モデルを取得する。モデルは、システムに設けられた１つ以上のセンサの測定値の入力を受け付けて、入力した測定値に対応する１つ以上のセンサの少なくともいずれか１つと相関を有するセンサから正常時に得られるセンサ値を予測した値（以下、予測値と呼ぶ）を出力する。ここで、モデルに入力するデータを第１データと呼び、第１データに対応するセンサの集合を第１センサ集合と呼ぶ。第１データは、第１センサ集合の測定値を含む。また、モデルから出力されるデータを第２データと呼び、第２データに対応するセンサの集合を第２センサ集合と呼ぶ。第２データは、第２センサ集合の予測値を含む。すなわち、モデルは、第１センサ集合に属する各センサの測定値を含む第１データの入力を受け付けて、第２センサ集合に属する各センサの予測値を含む第２データを生成し出力する。

第２センサ集合に属するセンサの数は、第１センサ集合に属するセンサの数と同じであってもよく、異なっていてもよい。また、第１センサ集合に属するセンサと第２センサ集合に属するセンサは重複してもよいし、重複しなくてもよい。

システムにおいて、ある制御信号が変化した後に、特定のセンサの測定値が変化することがある。例えば、ある制御信号に一瞬だけ信号値が増加した後に元の値付近に戻ったり、信号値が減少した後に元の値付近に戻ったりする変化（以下、突変と呼ぶ）が起きた場合に、特定のセンサの測定値にも突変が生じることがある。システムに設けられたセンサには、特定の制御信号の変化に起因して測定値に突変が生じやすいセンサ（以下、第１センサと呼ぶ）と、特定の制御信号の変化に起因して測定値に突変が生じにくいセンサが存在する。上述の突変の説明においては、「一瞬」と表記したが、「一瞬」とみなせる時間は、システムの制御方法や応答時間によって変化する。「一瞬」とみなせる時間は、例えば、数秒間の場合もあれば、数分間の場合もあれば、１０時間程度の場合もある。

第１センサ集合に含まれるセンサと、第２センサ集合に含まれるセンサは、監視するシステムの種類や、取得可能な制御信号の種類や、使用するモデルの種類に応じて予め定められている。典型的には、第１センサ集合には、第１センサに該当するセンサが含まれる。本実施形態では、第１センサ集合が第１センサを含むものとして説明する。

第２センサ集合に含まれるセンサの中には、モデルを利用してセンサ値を予測する際に、第１センサ集合に含まれる第１センサの測定値の変化に連動して予測値が変化しやすいセンサ（以下、第２センサと呼ぶ）が存在することがある。第２センサは、第１センサとの相関関係を有するセンサである。また、第２センサは、第１センサに比べて、測定値が制御信号の変化の影響を受けにくいセンサである。典型的には、第２センサ集合には、第２センサに該当するセンサが含まれる。本実施形態では、第２センサ集合が第２センサを含むものとして説明する。

なお、第１センサ集合は、第２センサに該当するセンサを含んでいてもよい。また、第２センサ集合は、第１センサに該当するセンサを含んでいてもよい。また、第１センサ集合及び第２センサ集合に属する特定のセンサが第１センサ及び第２センサの両方に該当してもよい。また、第１センサまたは第２センサに該当する特定のセンサが第１センサ集合及び第２センサ集合の両方に含まれていてもよい。

モデルは、システムに設けられたセンサのうち相関関係を有する同系統センサ群に属する各センサの測定値の履歴を利用して、センサ間の相関関係を学習した機械学習モデルである。モデルは、第１センサ集合と第２センサ集合の和集合に属する各センサの測定値の履歴データを用いた機械学習により生成される。

すなわち、モデルは、少なくとも第１センサを要素として含む第１センサ集合に属する各センサの測定値を含む第１データを入力すると、システムに設置された複数のセンサのうちの１つ以上からなる第２センサ集合に属する各センサの予測値を含む第２データを生成する。

モデルは、機械学習で生成された関数である。その関数をｆで表す。関数ｆは、機械学習方式によって式（１）が実行されることで生成される。式（１）中のＥ（ｇ）は、式（２）で表される。

式（１）及び式（２）において、Ｔは、履歴データのうちモデルの訓練に利用するデータの時刻の集合を表す。ｔは、Ｔに属する時刻を表す。ｘ_ｔは、第１センサ集合に属する各センサの時刻ｔの測定値、あるいは、その測定値を正規化や標準化した値を並べたベクトルを表す。正規化や標準化は周知の方法であるため、説明を省略する。本実施形態は、測定値に正規化や標準化を実施した場合でも有効である。すなわち、ｘ_ｔは、第１データに相当する。ｙ_ｔは、各第２センサの時刻ｔの測定値を並べたベクトルを表す。ｇは、ｘ_ｔと同じ次元のベクトルを入力すると、ｙ_ｔと同じ次元のベクトルを返す関数を表す。||・||^２は、ベクトルのノルムを表す。ｘ_ｔとｙ_ｔの集合｛ｘ_ｔ，ｙ_ｔ｝_ｔ∈Ｔは、訓練データと呼ばれる。

機械学習方式としては、任意の方式を採用して構わない。モデルは、例えば、ディープニューラルネットワークやオートエンコーダを含むニューラルネットワークのモデルである。あるいは、モデルは、線形回帰、リッジ回帰、ラッソ回帰、カーネル回帰、カーネルリッジ回帰、サポートベクター回帰、決定木回帰、ランダムフォレスト回帰等のモデルである。

判定部１０４は、制御信号に基づいて判定信号を生成する。判定部１０４は、生成した判定信号を異常検知部１０６へ送る。判定信号は、判定の基準となる時刻（以下、注目時刻と呼ぶ）よりも所定の時間Ｍだけ前の時刻（以下、開始時刻と呼ぶ）から注目時刻までの間の期間（以下、注目期間と呼ぶ）に、制御信号に変化があったか否かについての判定結果を示す信号である。所定の時間Ｍは、注目期間の長さに対応する。所定の時間Ｍは、例えば、記憶媒体に予め記憶されている。所定の時間Ｍは、例えば、制御信号の変化が起きてから第１センサの測定値に突変が生じるまでの時間に応じて設定される。具体的には、判定部１０４は、例えば、開始時刻から注目時刻までの注目期間に制御信号が所定の閾値よりも大きく変化したか否かを判定し、判定結果に基づいて判定信号を生成する。

制御信号の変化量は、例えば、注目時刻と開始時刻との間の制御信号の値の差の絶対値である。あるいは、制御信号の変化量として、開始時刻から注目時刻までの制御信号の微分値の累積値が用いられてもよい。あるいは、制御信号の変化量として、開始時刻から注目時刻までの制御信号の微分値の絶対値の累積値が用いられてもよい。なお、制御信号として複数の信号が用いられる場合、制御信号に含まれる複数の信号のそれぞれに対する判定信号が生成されてもよい。

予測部１０５は、モデルに第１データを入力することにより、第２データをモデルに出力させる。第２データは、第２センサ集合に属する各センサの予測値を含む。

第２データは、以下の式（３）のように表される。式（３）では、y_tに付された＾はハット記号である。以下、ハット記号付の記号Xを「＾X」と表すこととする。式（３）では、＾y_tは、時刻ｔの第２データを示す。ｘ_ｔは、時刻ｔの第１データを表す。ｆは、モデルの関数を表す。

異常検知部１０６は、測定値データに含まれる第２センサ集合に属する各センサの測定値、判定信号及び第２データに基づいて、第２センサ集合に属するセンサの異常を検知する。そして、異常検知部１０６は、異常の検知結果を示す異常検知信号を、監視装置１００の外部に出力する。

以下、異常検知部１０６について詳しく説明する。

異常検知部１０６は、差算出部１１３を備える。差算出部１１３は、第２センサ集合に属する少なくとも１つのセンサについて、測定値と予測値の差を算出する。

異常検知部１０６は、第２センサ集合に属するセンサについて、測定値と予測値の差、または、その絶対値に対して閾値判定を行うことにより、当該センサの異常の有無を判定する。測定値と予測値の差に対して閾値判定を行う場合、異常検知部１０６は、上側閾値と下側閾値を準備する。

また、閾値判定を行う際、異常検知部１０６は、判定信号を取得することにより、注目期間における制御信号の変化の有無を取得する。注目期間において制御信号の変化があった場合、異常検知部１０６は、注目期間において異常の検知がされづらくなるように制御する。例えば、注目期間において制御信号の変化があった場合、異常検知部１０６は、注目期間に異常がないと判定し、異常がないことを表す信号を異常検知信号として設定する。あるいは、異常検知部１０６は、注目期間において制御信号の変化があった場合、注目期間において異常の検知を行わないように制御する。あるいは、異常検知部１０６は、判定信号が制御信号に変化あったことを表す場合に限り、注目期間における閾値判定の閾値を無限大に設定する。あるいは、異常検知部１０６は、判定信号が制御信号に変化あったことを表す場合に限り、注目期間における閾値判定の閾値を、他の時刻よりも大きくする。

次に、監視装置１００により実行される処理の動作について説明する。図２は、監視処理の手順の一例を示すフローチャートである。監視処理は、監視するシステムに設置されたセンサから得られるセンサ値に基づいてシステムの異常を検知することによりシステムを監視する処理である。なお、以下で説明する各処理における処理手順は一例に過ぎず、各処理は可能な限り適宜変更可能である。また、以下で説明する処理手順について、実施の形態に応じて、適宜、ステップの省略、置換、及び追加が可能である。

（監視処理）
（ステップＳ２０１）
測定値取得部１０１は、監視するシステムに設置された複数のセンサのそれぞれからセンサの測定値データを取得する。測定値データは、第１センサ集合と第２センサ集合の和集合に属する各センサの測定値を含む。測定値取得部１０１は、取得した測定値データを予測部１０５と異常検知部１０６へ送る。

（ステップＳ２０２）
制御信号取得部１０２は、監視するシステムの制御信号を取得する。制御信号取得部１０２は、取得した制御信号を判定部１０４へ送る。

（ステップＳ２０３）
モデル取得部１０３は、監視装置１００の内部に設けられた記憶媒体から、モデルを取得する。モデル取得部１０３は、取得したモデルを予測部１０５へ送る。

（ステップＳ２０４）
判定部１０４は、制御信号と、注目期間に関する情報とを取得する。次に、判定部１０４は、注目期間における制御信号の変化量を算出し、注目期間において制御信号が変化したか否かを判定する。注目期間における制御信号の変化量が所定の値より大きい場合、判定部１０４は、判定信号の値を「１」とする。一方、変化量が所定の値以下である場合、判定部１０４は、判定信号の値を「０」とする。判定部１０４は、生成した判定信号を異常検知部１０６へ送る。

（ステップＳ２０５）
予測部１０５は、測定値データとモデルを取得する。予測部１０５は、測定値データから第１センサ集合に属する各センサの測定値を第１データとして抽出し、抽出した第１データをモデルに入力する。モデルは、第１データの入力を受け付けて、第２センサの予測値を含む第２データを出力する。予測部１０５は、モデルから出力された第２データを異常検知部１０６へ送る。

（ステップＳ２０６）
異常検知部１０６の差算出部１１３は、測定値データと第２データを取得する。差算出部１１３は、測定値データから第２センサ集合に属する各センサの測定値を取得する。また、差算出部１１３は、第２データから、第２センサ集合に属する各センサの予測値を抽出する。そして、差算出部１１３は、第２センサ集合に属する各センサについて、測定値と予測値との差を算出する。測定値と予測値の差は、例えば、以下の式（４）または式（５）を用いて算出される。

式（４）及び式（５）において、ｙ_ｔ，ｓは、当該センサの測定値を表す。添え字のｓは、当該センサのIDを表す。＾ｙ_ｔ，ｓは、当該センサの予測値を表す。ｄ_ｔ，ｓは、測定値と予測値の差を表す。

（ステップＳ２０７）
異常検知部１０６は、測定値と予測値との差と、判定信号を取得する。異常検知部１０６は、測定値と予測値との差とを用いて、異常検知処理を実行する。異常検知処理は、第２センサ集合に属する各センサについて異常の有無を検知する処理である。異常検知部１０６は、異常の検知結果を示す異常検知信号を、システムを管理する管理システムや外部のディスプレイへ出力する。

ここで、ステップＳ２０７において実行される異常検知処理について説明する。図３は、異常検知処理の手順の一例を示すフローチャートである。なお、以下で説明する各処理における処理手順は一例に過ぎず、各処理は可能な限り適宜変更可能である。また、以下で説明する処理手順について、実施の形態に応じて、適宜、ステップの省略、置換、及び追加が可能である。

（異常検知処理）
（ステップＳ３０１）
異常検知部１０６は、判定信号に基づいて、注目期間における制御信号の変化の有無を判定する。例えば、判定信号として「０」を取得した場合（ステップＳ３０１－Ｎｏ）、異常検知部１０６は、注目期間において制御信号が変化していないと判定する。一方、判定信号として「１」を取得した場合（ステップＳ３０１－Ｙｅｓ）、異常検知部１０６は、注目期間において制御信号が変化したと判定する。

（ステップＳ３０２）
注目時刻において制御信号が変化した場合（ステップＳ３０１－Ｙｅｓ）、異常検知部１０６は、注目期間における閾値を変更する。例えば、異常検知部１０６は、注目期間における閾値を他の時刻における閾値よりも大きい値に設定する。これにより、注目期間において制御信号が変化している場合、異常の検知がされづらくなる。

（ステップＳ３０３）
異常検知部１０６は、第２センサ集合に属する各センサについて、測定値と予測値との差の絶対値が閾値より大きいか否かを判定する。例えば、測定値と予測値の差の絶対値（|ｄ_ｔ，ｓ|）が閾値よりも大きい場合、異常検知部１０６は、当該センサに異常があると判定する。また、測定値と予測値の差の絶対値（|ｄ_ｔ，ｓ|）が閾値以下である場合、異常検知部１０６は、当該センサに異常がないと判定する。

異常検知部１０６は、異常の検知結果を示す異常検知信号を外部へ出力する。その後、監視装置１００は、異常検知処理を終了し、処理はステップＳ２０８へ進む。

（ステップＳ２０８）
監視装置１００は、外部システムからシステムの監視を停止する指示が入力されたか否かを判定する。システムの監視を停止する指示が入力された場合（ステップＳ２０８－Ｙｅｓ）、監視装置１００は、監視処理を終了する。

監視装置１００は、システムの監視を停止する指示が入力されるまで、ステップＳ２０１～ステップＳ２０７の処理を繰り返すことにより、監視するシステムに設置された複数のセンサにおいて時々刻々と測定される測定値データを取得して、異常検知結果を示す異常検知信号を外部へ出力する。

（第１の実施形態の効果）
以下、本実施形態に係る監視装置１００の効果について説明する。

同系統センサ群に属するセンサ間の相関関係を利用した機械学習方式のモデルを活用する場合、制御信号の変化に連動した第１センサの測定値に第２センサの予測値が連動して誤検知が起きたり、制御信号の変化に連動して第１センサの測定値に突変が生じるシーンの訓練データにおける相対的な不足に起因して誤検知が起きたりすることがある。以下では、誤検知が生じるこれら２つの典型例を説明した上で、本実施形態の効果を説明する。

（第２センサの予測値が第１センサの測定値に連動して生じる誤検知）
まず、第２センサ集合に含まれる第２センサの予測値が第１センサ集合に含まれる第１センサの測定値に連動して生じる誤検知について説明する。ここでは、説明の簡略化のため、第１センサは、第１センサ集合に含まれる第１センサのことを指すこととし、第２センサは、第２センサ集合に含まれる第２センサのことを指すこととする。

システムにおいて、所定の運転モードの途中に制御信号が変化するのは正常な挙動である。例えば、所定の運転モードの途中に、短期間において制御信号が大きく変化した後に元の状態に戻る突変が生じることがある。

図４は、第２センサの予測値が第１センサの測定値に連動することで誤検知が生じる様子を説明するための図である。図４（ａ）は、制御信号に突変が生じた様子の一例を示す図である。図４（ａ）の横軸は、時刻を示す。図４（ａ）の縦軸は、制御信号の値を示す。図４（ａ）では、時刻ｔ_１付近において制御信号に突変が生じている。制御信号は、時刻ｔ_１付近において増加した後、時刻ｔ_２の付近において変化前の値に戻っている。

また、システムにおいて、制御信号が変化した後にあるセンサの測定値が変化するのは、正常な挙動である。フィードバック制御やフィードフォワード制御等によって、制御対象の機器のセンサの測定値の突変はできるだけ抑制されるように制御される場合が多いものの、完全に抑制できるとは限らない。また、システムが複数のサブシステムで構築されている場合、あるサブシステム内のセンサの測定値の突変がある程度抑制されたとしても、そのサブシステムに含まれないセンサの測定値の突変が抑制されるとは限らない。例えば、上流のサブシステムの制御信号が変化した場合、そのサブシステム内のセンサの測定値の突変がある程度抑制されたとしても、そのサブシステムよりも下流のサブシステム内のセンサの測定値に突変が生じる可能性がある。そのため、システムが大規模で複雑である場合、制御信号の変化に起因して測定値が突変するセンサは多数存在する場合が多い。第１センサは、制御信号の変化に起因して測定値に突変が生じるセンサである。したがって、第１センサの測定値は、制御信号の変化に連動して変化する。

図４（ｂ）は、図４（ａ）に示すように制御信号に突変が生じた場合の第１センサの測定値の一例を示す図である。図４（ｂ）の横軸は、図４（ａ）の横軸と同期した時刻を示す。図４（ｂ）の縦軸は、第１センサの値を示す。図４（ｂ）では、第１センサの測定値は、時刻ｔ_１よりも後の時刻ｔ_２付近において増加した後、変化前の値に戻っている。すなわち、制御信号の変化に連動して、第１センサの測定値にも突変が生じている。

第２センサ集合に含まれる第２センサの予測値は、第１センサ集合に含まれる第１センサの測定値を参照して生成される。前述したように、第２センサ集合に含まれる第２センサの予測値を含む第２データは、例えば式（３）を用いて算出される。式（３）からわかるように、第２センサの予測値を算出する式の変数に、第１センサの測定値が含まれている。したがって、式（３）を利用したモデルを活用すると、第１センサ集合に含まれる第１センサの測定値の変化に連動して、第２センサ集合に含まれる第２センサの予測値が変化する。一方、第２センサは、第１センサに比べて制御信号の変化の影響を受けにくいセンサである。このため、第２センサの測定値は、第１センサの測定値に比べて、制御信号の変化に対して連動せず、大きく変化しない。

図４（ｃ）は、図４（ｂ）に示すように第１センサの測定値が変化した場合の、第２センサ集合に含まれる第２センサの予測値と測定値の一例を示す図である。図４（ｃ）の破線は、第２センサの予測値を示す。図４（ｃ）の実線は、第２センサの測定値を示す。図４（ｃ）の横軸は、図４（ａ）及び図４（ｂ）の横軸と同期した時刻を示す。図４（ｃ）の縦軸は、第２センサの値を示す。図４（ｃ）では、時刻ｔ_２付近における第２センサの測定値の変化量は、時刻ｔ_２における第１センサの測定値の変化量よりも小さい。すなわち、第２センサの測定値は、制御信号に突変が生じた場合でも大きく変化していない。一方、第２センサの予測値は、時刻ｔ_１よりも後の時刻ｔ_２付近において増加した後、変化前の値に戻っている。したがって、第１センサの測定値の変化に連動して、第２センサの予測値にも突変が生じている。すなわち、制御信号の変化に連動して、第２センサの予測値にも突変が生じている。

図４（ｄ）は、図４（ｃ）に示すように第２センサの予測値及び測定値が変化した場合の、第２センサの予測値と測定値との差の一例を示す図である。図４（ｄ）の横軸は、図４（ａ）、図４（ｂ）及び図４（ｃ）の横軸と同期した時刻を示す。図４（ｄ）の縦軸は、第２センサの予測値と測定値との差の値を示す。この差は、式（４）で表される差の一例である。図４（ｄ）では、時刻ｔ_２付近において第２センサの予測値と測定値との差が増加した後、変化前の値に戻っている。したがって、制御信号の変化に連動して、第２センサの予測値と測定値との差にも突変が生じている。

以上のように、制御信号に突変が生じたことに起因して第１センサの測定値に突変が生じ、第１センサの測定値の変化に連動して第２センサの予測値に突変が生じる。したがって、制御信号の変化に起因して第２センサの予測値にも変化が生じる。一方、第２センサの測定値は、制御信号の変化及び第１センサの測定値の変化に起因して大きく変化しない。このため、制御信号の変化に起因して、第２センサの測定値と予測値の差にも突変が生じる。

第２センサの予測値と測定値との差の絶対値が閾値を超過した場合、異常検知処理において、第２センサに異常があると判定される。このため、制御信号に突変が生じた場合、第２センサの測定値の挙動が正常であっても、第２センサが異常として検知される誤検知が生じる可能性が高い。このように、センサ間の相関関係を利用するモデルを活用して異常検知を行う場合、第１センサの測定値と第２センサの予測値の連動に起因して、制御信号の変化時に第２センサの予測値に突変が生じることにより、第２センサやそのセンシング対象が正常であるにも関わらず異常と判定される誤検知が生じる場合がある。

（モデルの訓練時における相対的な訓練データの不足に起因する誤検知）
次に、モデルの訓練時における訓練データの不足に起因する誤検知について、説明する。第２センサ集合に第１センサが含まれる場合、モデルの訓練時における訓練データの不足による誤検知が起きる場合がある。

安定が求められるシステムにおいて、制御信号が変化したり、第１センサの測定値に突変が生じたりするシーンは、相対的に多くない。このため、モデルの訓練データの中には、制御信号の変化に起因して第１センサの測定値に突変が生じた時刻のデータが相対的に少なくなる。また、モデルの機械学習においては、前述のＥ（ｇ）を最小化するため、出現頻度が高くないデータは相対的に軽視される。このため、モデルは、出現頻度が高いデータに類似した予測値を生成するように訓練されがちである。

したがって、モデルを用いて第１センサを含む第２センサ集合に属する各センサの予測値を算出する場合、第１センサの予測値は、測定値に比べて制御信号の変化に連動して変化しない場合が多い。このため、制御信号が変化した時刻における第１センサの予測値の変化幅は、第１センサの測定値の変化幅よりも小さくなることが多い。

図５は、モデルの訓練時における訓練データの不足に起因して誤検知が生じる様子を説明するための図である。図５（ａ）は、制御信号に突変が生じた様子の一例を示す図である。図５（ａ）の横軸は、時刻を示す。図５（ａ）の縦軸は、制御信号の値を示す。図５（ａ）では、時刻ｔ_１付近において制御信号に突変が生じている。制御信号は、時刻ｔ_１付近において増加した後、時刻ｔ_２の付近において変化前の値に戻っている。

図５（ｂ）は、図５（ａ）に示すように制御信号に突変が生じた場合の第１センサの測定値と予測値の一例を示す図である。図５（ｂ）の破線は、第１センサの予測値を示す。図５（ｂ）の実線は、第１センサの測定値を示す。図５（ｂ）の横軸は、図５（ａ）の横軸と同期した時刻を示す。図５（ｂ）の縦軸は、第１センサの値を示す。図５（ｂ）では、制御信号の変化に連動して、第１センサの測定値にも突変が生じている。一方、第１センサの予測値は、測定値に比べて、時刻ｔ_２付近において大きく変化していない。

このように、制御信号に突変が生じたことに起因して第１センサの測定値に突変が生じる。一方、第１センサの予測値は、制御信号に変化が生じても大きくは変化しない。このため、第１センサの異常の有無に関わらず、制御信号が変化した時刻の付近における第１センサの測定値と第１センサの予測値との差の絶対値は、他の時刻よりも大きくなる。第１センサの予測値と測定値との差が閾値を超過した場合、異常検知処理において、第１センサに異常があると判定される。このため、制御信号に突変が生じた場合、第１センサの測定値の挙動が正常であっても、第１センサが異常として検知される誤検知が生じる可能性が高い。このように、センサ間の相関関係を利用するモデルを活用して異常検知を行う場合、相対的な訓練データ不足に起因して制御信号の変化時に第１センサの予測値と測定値との差の絶対値が大きくなることにより、第１センサやそのセンシング対象が正常であるにも関わらず異常と判定される誤検知が生じる場合がある。

以上のように、第２センサの予測値の第１センサの測定値に対する連動や、相対的な訓練データの不足に起因して誤検知が起きることがある。このような誤検知に対し、例えば、負荷に応じて定められる運転モードごとに閾値を定める方式では、運転モードの途中に生じる制御信号の変化に起因する誤検知を抑制することはできない。また、一定期間内の誤検知や未検知の回数に応じて閾値を制御する方式では、前述の誤検知を抑制することはできない。

一方、本実施形態に係る監視装置１００は、第１センサと第２センサとを含む複数のセンサから測定値データを取得し、所定の運転モードにおいて変化すると第１センサの測定値に突変を生じさせる制御信号をシステムから取得し、第１センサを要素として含む第１センサ集合に属する各センサの測定値を含む第１データを入力すると第２センサを要素として含む第２センサ集合に属する各センサの予測値を含む第２データを生成するモデルを取得し、注目期間における制御信号の変化を判定することにより判定信号を生成し、測定値データに含まれる第１データとモデルから第２データを生成し、第２センサ集合に属する各センサの測定値、第２データ、判定信号、および、所定の閾値に基づき、第２センサ集合に属する少なくとも１つのセンサの異常を検知することができる。また、監視装置１００は、判定信号が制御信号に変化があることを表す場合、判定信号が変化なしを表す場合に比べて異常を検知されづらくすることができる。

制御信号は、例えば、フィードバック制御信号、フィードフォワード制御信号、及び前記運転モードの変化との相関が弱く変化が不規則な制御信号のうちいずれか１つを含む。また、制御信号は、例えば、boiler input regulatorの信号、スートブロワの信号、燃料装置の起動又は停止に関する信号、燃料装置の起動数を示す信号、燃料の種類の切り替えを示す信号のうち、いずれか１つを含む。

監視装置１００は、例えば、判定信号が制御信号に変化があることを表す場合、異常がないと判定することにより、異常を検知されづらくする。あるいは、監視装置１００は、判定信号の値に応じて、閾値を変更することにより、異常を検知されづらくする。この場合、例えば、制御信号に変化した期間における閾値を大きくすることにより、異常を検知されづらくする。異常を検知されづらくするための制御は、所定のセンサを対象にすると良い。所定のセンサは、第２センサ集合に含まれる全てのセンサとしても構わないし、第２センサ集合に含まれるセンサのうち第２センサに限定しても構わない。所定のセンサは、例えば、第２センサ集合に含まれる第１センサに限定しても構わない。所定のセンサは、例えば、第２センサ集合に含まれる第１センサと第２センサに限定しても構わない。

図６は、制御信号が変化した期間において異常を検知されづらくすることにより、第２センサの測定値と第１センサの予測値との連動に起因する誤検知を抑制する方法を説明するための図である。図６（ａ）は、制御信号に突変が生じた様子の一例を示す図である。図６（ａ）の横軸は、時刻を示す。図６（ａ）の縦軸は、制御信号の値を示す。ここでは、注目時刻をｔ_Ｃで表し、注目時刻ｔ_Ｃから過去に所定の時間Ｍだけさかのぼった開始時刻をｔ_Ｃ－Ｍで表している。図６（ａ）では、注目時刻ｔ_Ｃと開始時刻をｔ_Ｃ－Ｍとの間の注目期間において、制御信号が変化している。

図６（ｂ）は、図６（ａ）に示すように制御信号に突変が生じた場合の判定信号の一例を示す図である。図６（ｂ）の横軸は、図６（ａ）の横軸と同期した時刻を示す。図６（ｂ）の縦軸は、判定信号の値を示す。図６（ｂ）では、注目期間以外の時刻においては、判定信号は「０」になっている。また、注目期間では、制御信号が変化したと判定され、判定信号が「１」となっている。

図６（ｃ）は、図６（ａ）に示すように制御信号に突変が生じた場合の第２センサの測定値と予測値の一例を示す図である。図６（ｃ）の横軸は、図６（ａ）及び図６（ｂ）の横軸と同期した時刻を示す。図６（ｃ）の縦軸は、第２センサの値を示す。図６（ｃ）の破線は、第２センサの予測値を示す。図６（ｃ）の実線は、第２センサの測定値を示す。また、図６（ｄ）は、図６（ａ）に示すように制御信号に突変が生じた場合の第２センサの測定値と予測値の差の一例を示す図である。図６（ｄ）において破線で示した差は、式（４）で表される差の一例である。図６（ｃ）では、注目期間において、制御信号の変化に連動して第２センサの予測値に突変が生じている。このため、図６（ｄ）では、注目期間において、第２センサの測定値と予測値の差にも、突変が生じている。

また、図６（ｄ）の一点鎖線は、第２センサの測定値と予測値の差に対する上側閾値と下側閾値を示す。図６（ｄ）に示すように、監視装置１００は、注目期間における判定信号が「１」であることに基づいて、注目期間において制御信号の変化があったと判断し、注目期間における上側閾値を他の時刻よりも大きくし、下側閾値を他の時刻よりも小さくする。注目期間における上側閾値が大きくなり、下側閾値が小さくなることにより、第２センサやそのセンシング対象が正常であるにも関わらず第２センサの測定値と予測値の差に突変が生じた場合でも、第２センサの測定値と予測値の差の突変が上側閾値を超過したり、下側閾値を下回ったりしにくくなる。このため、第２センサやそのセンシング対象が正常であるにも関わらず、第２センサの測定値と予測値の差に突変が生じた場合に異常とみなされる誤検知が起きることが抑制される。

また、図７は、制御信号が変化した期間において異常を検知されづらくすることにより、モデルの訓練時における訓練データの不足に起因する誤検知を抑制する方法を説明するための図である。図７（ａ）は、制御信号に突変が生じた様子の一例を示す図である。図７（ａ）の横軸は、時刻を示す。図７（ａ）の縦軸は、制御信号の値を示す。図７（ａ）では、注目時刻ｔ_Ｃと開始時刻をｔ_Ｃ－Ｍとの間の注目期間において、制御信号が変化している。

図７（ｂ）は、図７（ａ）に示すように制御信号に突変が生じた場合の判定信号の一例を示す図である。図７（ｂ）の横軸は、図７（ａ）の横軸と同期した時刻を示す。図７（ｂ）の縦軸は、判定信号の値を示す。図７（ｂ）では、注目期間以外の時刻においては、判定信号は「０」になっている。また、注目期間では、制御信号が変化したと判定され、判定信号が「１」となっている。

図７（ｃ）は、図７（ａ）に示すように制御信号に突変が生じた場合の第１センサの測定値と予測値の一例を示す図である。図７（ｃ）の横軸は、図７（ａ）及び図７（ｂ）の横軸と同期した時刻を示す。図７（ｃ）の縦軸は、第１センサの値を示す。図７（ｃ）の破線は、第１センサの予測値を示す。図７（ｃ）の実線は、第１センサの測定値を示す。図７（ｃ）では、注目期間において、制御信号の変化に連動して第１センサの測定値に突変が生じている。

また、図７（ｄ）は、図７（ａ）に示すように制御信号に突変が生じた場合の第１センサの測定値と予測値の差の一例を示す図である。図７（ｄ）の破線は、第１センサの測定値と予測値の差を表す。この差は、式（４）で表される差の一例である。図７（ｄ）では、注目期間において、第１センサの測定値と予測値の差にも、突変が生じている。

図７（ｄ）の一点鎖線は、第１センサの測定値と予測値の差に対する上側閾値と下側閾値を表す。図７（ｄ）に示すように、監視装置１００は、注目期間における判定信号が「１」であることに基づいて、注目期間において制御信号の変化があったと判断し、注目期間における上側閾値を他の時刻よりも大きく、下側閾値を他の時刻よりも小さく設定する。これにより、第１センサやそのセンシング対象が正常であるにも関わらず第１センサの測定値に突変が生じた場合でも、第１センサの測定値と予測値の差が上側閾値を超過したり、下側閾値を下回ったりしにくくなる。このため、第１センサやそのセンシング対象が正常であるにも関わらず、第１センサの測定値に突変が生じた場合に異常とみなされる誤検知が起きることが抑制される。

以上のように、本実施形態に係る監視装置１００によれば、制御信号が変化して突変が生じた場合、制御信号が変化したことを示す判定信号が生成され、制御信号が変化した期間において異常が検知されづらくなるように制御することができる。これにより、各センサやそのセンシング対象が正常であるにも関わらず、制御信号の変化に起因して第１センサや第２センサにおいて測定値と予測値との差の絶対値が大きくなった場合でも、判定信号の変化した場合に異常が検知されづらくなるように制御されることにより、誤って異常が検知される誤検知が起きることを抑制することができる。

なお、判定信号として、制御信号の変化の有無を表す信号の代わりに、制御信号の変化量を表す信号を用いてもよい。この場合、より柔軟に異常検知を行うことができる。例えば、制御信号の変化量が大きいほど、各センサの測定値と予測値との差の絶対値を用いた異常判定に用いられる閾値を大きくする。これにより、制御信号の変化量が大きいほど異常が検知されづらくなるようにすることができる。

また、本実施形態では、第２センサ集合に含まれる全てのセンサについて、制御信号が変化した場合に異常が検知されづらいように制御したが、第２センサ集合に含まれる一部のセンサに対してのみ、制御信号が変化した場合に異常が検知されづらいように制御してもよい。この場合、例えば、異常検知部１０６は、制御信号が変化した場合、第２センサ集合の部分集合である第３センサ集合に属する各センサについてのみ、異常を検知されづらくする。第３センサ集合は、第２センサ集合に属するセンサのうち、第１センサに該当するセンサと第２センサに該当するセンサのみから構成される。ここで、第１センサ及び第２センサは、制御信号の変化に連動して測定値または予測値に突変が生じるセンサであり、誤検知の原因になる可能性があるセンサである。一方、第２センサ集合に属するセンサのうち、第１センサ及び第２センサのいずれにも該当しないセンサは、制御信号の変化に連動して測定値または予測値が変化しないため、誤検知の原因になりにくい。本変形例では、誤検知の原因になりやすいセンサに対してのみ異常を検知されづらくする制御を行うことにより、誤検知を効果的に抑制することができる。

また、本実施形態では、制御信号として１種類の信号が用いられる場合について説明したが、複数種類の制御信号を利用してもよい。この場合、各制御信号に対して、制御信号の変化に起因して誤検知が生じる可能性があるセンサの集合が予め設定される。制御信号取得部１０２は、複数の制御信号を取得する。判定部１０４は、複数の制御信号のそれぞれについて、所定の運転モードの途中での変化の有無を判定する。そして、異常検知部１０６は、変化した制御信号に関連付けられたセンサについてのみ、異常が検知されづらいように制御する。これにより、より正確に異常の検知を行うことができる。

（第１の変形例）
第１の変形例について説明する。本変形例は、第１の実施形態の構成を以下の通りに変形したものである。第１の実施形態と同様の構成、動作、及び効果については、説明を省略する。本変形例の監視装置１００は、閾値超過の連続時間を利用して異常の検知を制御する点で第１の実施形態と異なる。

図８は、本変形例に係る監視装置１００の構成を示す図である。異常検知部１０６は、仮検知部８０１及び連続時間取得部８０２をさらに有する。

仮検知部８０１は、測定値データに含まれる第２センサ集合に属する各センサの測定値、第２データに基づき、第２センサ集合に属する少なくとも１つのセンサについて、閾値の超過を仮に検知する。仮検知部８０１は、例えば、第２センサ集合に属するセンサの測定値と予測値との差の絶対値と閾値を比較することにより、閾値の超過を検知する。

連続時間取得部８０２は、第２センサ集合に属する少なくとも１つのセンサについて、閾値超過の連続時間を取得する。例えば、前述の監視処理におけるステップＳ２０１－ステップＳ２０７の処理が等間隔の時間で経時的に実行される場合、第２センサ集合に属するセンサの測定値と予測値との差の絶対値が連続して閾値を超過した回数をカウントすることで、閾値超過の連続時間を取得する。

異常検知部１０６は、測定値データに含まれる第２センサ集合に属する各センサの測定値、第２データ、判定信号、仮検知部８０１による閾値超過の検知結果、及び、連続時間取得部８０２が取得した閾値超過の連続時間に基づいて、第２センサ集合に属する少なくとも１つのセンサの異常を検知する。この際の検知は、例えば、図９の場合分けに従う。図９は、異常の検知の制御において実行される場合分けの一例を示す図である。図９（ａ）、図９（ｃ）の場合、すなわち、閾値超過の連続時間に関わらず、制御信号が変化していない場合、異常検知部１０６は、閾値の超過は制御信号の変化に起因したものではなく、異常の可能性があると判定し、異常の検知をされづらくする制御を行わない。図９（ｂ）の場合、すなわち、制御信号が変化していて、かつ、閾値超過の連続時間が短い場合、異常検知部１０６は、閾値の超過は制御信号の突発的な変化に連動した正常な挙動である可能性があると判定し、異常の検知がされづらくなるように制御する。図９（ｄ）の場合、すなわち、制御信号が変化しており、かつ、閾値超過の連続時間が長い場合、異常検知部１０６は、閾値の超過は制御信号の突発的な変化に連動した正常な挙動でなく、検知すべき異常に起因するものである可能性があると判定し、異常の検知がされづらくなる制御を行わない。図９において、閾値超過の時間が長いか短いかについては、例えば、閾値超過の連続時間が所定の時間Ｒ以上か未満かで判定する。所定の時間Ｒは、例えば、記憶媒体に予め記憶されている。所定の時間Ｒは、例えば、制御信号取得部１０２で制御信号として取得する信号に生じる突変の長さに応じて設定される。

次に、監視装置１００により実行される処理の動作について説明する。図１０は、異常検知部１０６が図９に従い、かつ、異常を検知されづらくする制御の方法が閾値の変更である場合の異常検知処理の手順の一例を示すフローチャートである。第２センサ集合に属する各センサについて、このフローチャートに示した検知手順で異常検知信号を作成する。以降では、処理対象のセンサを注目センサと呼ぶ。なお、以下で説明する各処理における処理手順は一例に過ぎず、各処理は可能な限り適宜変更可能である。また、以下で説明する処理手順について、実施の形態に応じて、適宜、ステップの省略、置換、及び追加が可能である。

（異常検知処理）
（ステップＳ１００１）
仮検知部８０１は、注目センサについて、測定値と予測値との差の絶対値が閾値より大きいか否かを仮に判定する。仮検知部８０１は、仮の検知結果として、仮の検知結果を連続時間取得部８０２へ送る。

（ステップＳ１００２）
連続時間取得部８０２は、注目センサの閾値超過に関する仮の検知結果を取得する。例えば、ステップＳ１００１の処理は、監視が停止されるまで一定の時間間隔で繰り返し実行される。このため、連続時間取得部８０２は、ステップＳ１００１の処理において閾値が超過した回数をカウントすることで、注目センサの閾値超過の連続時間を算出することができる。

（ステップＳ１００３）
異常検知部１０６は、判定信号に基づいて、注目期間における制御信号の変化の有無を判定する。例えば、判定信号として「０」を取得した場合（ステップＳ１００３－Ｎｏ）、異常検知部１０６は、注目期間において制御信号が変化していないと判定する。一方、判定信号として「１」を取得した場合（ステップＳ１００３－Ｙｅｓ）、異常検知部１０６は、注目期間において制御信号が変化したと判定する。このステップでの処理は、注目期間が同じなら、注目センサによらず共通である。よって、ある注目センサに対してステップＳ１００３の処理を実行した場合、他の注目センサにその処理結果を流用して構わない。

（ステップＳ１００４）
注目時刻において制御信号が変化した場合（ステップＳ１００３－Ｙｅｓ）、異常検知部１０６は、注目センサの閾値超過の連続時間が閾値よりも小さいか否かを判定する。注目センサの閾値超過の連続時間が閾値よりも小さい場合（ステップＳ１００４－Ｙｅｓ）、異常検知部１０６は、閾値超過が制御信号の突変に起因する可能性があると判断する。一方、閾値超過の連続時間が閾値以上である場合（ステップＳ１００４－Ｎｏ）、異常検知部１０６は、閾値超過が制御信号の突変に起因するものではないと判断する。

（ステップＳ１００５）
閾値超過の連続時間が閾値よりも小さい場合（ステップＳ１００４－Ｙｅｓ）、異常検知部１０６は、注目センサの閾値超過が制御信号の突変に起因するものであると判断し、注目センサの注目期間における閾値を無限大にする。これにより、注目期間において注目センサでは異常が検知されなくなる。この際、閾値を無限大ではなく、大きな値に設定するだけでも構わない。この場合、注目センサでは異常が検知されづらくなる。

（ステップＳ１００６）
異常検知部１０６は、注目センサについて、測定値と予測値との差の絶対値が閾値を超過しているか否かを判定することで、異常検知信号を生成し、監視装置１００の外部に出力する。ここで、閾値は、ステップＳ１００５において制御されている。したがって、ステップＳ１００３とステップＳ１００４の分岐がいずれもＹｅｓであり、ステップＳ１００５において閾値が無限大に設定されたセンサについては、異常が検知されなくなる。ステップＳ１００５において閾値が無限大ではなく、大きな値に設定された場合は、閾値が大きい値に設定されたセンサについては、異常が検知されづらくなる。

以下、本変形例に係る監視装置１００の効果について説明する。

制御信号の変化に連動したことが原因で、第２センサ集合に含まれる第２センサに関する閾値の超過が起きる場合、閾値の超過時間は短くなる可能性が高い。一方、制御信号が変化した場合であっても、第２センサ集合に含まれる第２センサに関する閾値の超過時間が長い場合、制御信号の変化に連動したことが原因である可能性が低く、検知すべき異常が原因である可能性が高い。制御信号が変化したことに基づいて異常を検知させづらくした場合、検知すべき異常を見逃す未検知が生じることがある。

本変形例に係る監視装置１００は、第２センサ集合に属する各センサの測定値、第２データ、および、所定の閾値に基づき、第２センサ集合に属する少なくとも１つのセンサについて閾値の超過を仮に検知し、閾値の超過の連続時間を取得し、連続時間が所定の時間より短く、かつ、判定信号が制御信号に変化があることを表す場合、判定信号が変化なしを表す場合に比べて異常を検知されづらくすることができる。

上記構成により、本変形例に係る監視装置１００によれば、制御信号に変化があり、かつ、閾値の超過時間が短い場合にのみ異常が検知されづらくなるように制御することで、検知すべき異常を見逃す未検知を抑制することができる。

なお、システムにおいて、測定値に突変を生じさせる制御信号は、システムが大規模であるほど多く存在する。それらすべてを制御信号として制御信号取得部１０２で取得できるとは限らない。例えば、取得可能な制御信号よりも突変が短い外乱信号を制御信号として取得できない場合、外乱信号の変化に連動した第１センサの突変に起因する誤検知や、第１センサの突変に対する第２センサの予測値の連動に起因する誤検知が抑制できないことがある。

閾値の超過時間に対する閾値として複数の値を用いることにより、このような誤検知を抑制することができる。例えば、所定の時間Ｒに加えて時間Ｒよりも短い所定の時間Ｒ’を用いる。この場合、異常検知部１０６は、例えば、図９の代わりに図１１に従う。図１１は、異常の検知の制御において実行される場合分けの一例を示す図である。図１１（ａ）、図１１（ｂ）の場合、すなわち、閾値超過の連続時間が時間Ｒ’未満の場合、異常検知部１０６は、制御信号の変化の有無に関わらず、異常が検知されづらいように制御する。図１１（ｃ）の場合、すなわち、閾値超過の連続時間が時間Ｒ’以上で、時間Ｒよりも小さく、かつ、判定信号が制御信号の変化がなかったことを表す場合、異常検知部１０６は、異常が検知されづらいように制御しない。図１１（ｄ）の場合、すなわち、閾値超過の連続時間が時間Ｒ’以上で、時間Ｒよりも小さく、かつ、判定信号が制御信号の変化があったことを表す場合、異常検知部１０６は、異常が検知されづらいように制御する。図１１（ｅ）、図１１（ｆ）の場合、すなわち、閾値超過の連続時間が時間Ｒ以上の場合、異常検知部１０６は、制御信号の変化の有無に関わらず、異常が検知されづらいように制御しない。このような制御を行うことにより、仮の検知の連続時間が所定の時間Ｒ’より短い場合には、判定信号に関わらず、検知がされづらく制御されるようになる。これにより、制御信号として取得できない外乱信号等の変化に起因する誤検知も抑制することができる。

（第２の変形例）
第２の変形例について説明する。本変形例は、第１の実施形態の構成を以下の通りに変形したものである。第１の実施形態と同様の構成、動作、及び効果については、説明を省略する。本変形例の監視装置１００は、第２センサ集合に属する各センサの測定値と第２データを用いてシステムの異常度を算出し、算出した異常度を用いてシステムの異常の有無を判定する点で第１の実施形態と異なる。

図１２は、本変形例に係る監視装置１００の構成を示す図である。監視装置１００の処理回路は、異常度算出部１２０１をさらに有する。

異常度算出部１２０１は、測定値データと第２データに基づいて、システムの異常度を算出する。具体的には、異常度算出部１２０１は、測定値データに含まれる第２センサ集合に属する各センサの測定値と、第２データに含まれる第２センサ集合に属する各センサの予測値とに基づいて、システムの異常度を算出する。

異常検知部１０６は、システムの異常度と所定の閾値の大小関係を比較することで、システムの異常を検知する。例えば、異常度が閾値よりも大きい場合、異常検知部１０６は、システムに異常があるとみなして検知する。一方、異常度が閾値以下である場合、異常検知部１０６は、システムに異常がないとみなす。また、異常検知部１０６は、第１の実施形態と同様に、判定信号が変化ありを表す場合、異常が検知されづらくなるようにする。

次に、監視装置１００により実行される処理の動作について説明する。図１３は、監視処理の手順の一例を示すフローチャートである。ステップＳ１３０１－ステップＳ１３０５の処理は、第１の実施形態のステップＳ２０１－ステップＳ２０５の処理と同じであるため、説明を省略する。なお、以下で説明する各処理における処理手順は一例に過ぎず、各処理は可能な限り適宜変更可能である。また、以下で説明する処理手順について、実施の形態に応じて、適宜、ステップの省略、置換、及び追加が可能である。

（監視処理）
（ステップＳ１３０６）
異常検知部１０６の異常度算出部１２０１は、測定値データと第２データを取得する。異常度算出部１２０１は、測定値データから第２センサ集合に属する各センサの測定値を取得する。また、異常度算出部１２０１は、第２データから、第２センサ集合に属する各センサの予測値を抽出する。

異常度算出部１２０１は、例えば、以下の式（６）を用いて、システムの異常度を算出する。

式（６）において、Ａ_ｔは、時刻ｔにおけるシステムの異常度である。＾y_tは、第２データに含まれる第２センサ集合に属する各センサの予測値を並べたベクトルを表す。y_tは、時刻ｔの測定値データに含まれる第２センサ集合に属する各センサの測定値を第２データと同じ順番で並べたベクトルを表す。

（ステップＳ１３０７）
異常検知部１０６は、システムの異常度と、判定信号を取得する。異常検知部１０６は、システムの異常度を用いて、異常検知処理を実行する。異常検知処理では、システムの異常度が所定の閾値よりも大きい場合、異常検知部１０６は、システムに異常が有ると判定する。また、システムの異常度が閾値以下である場合、異常検知部１０６は、システムに異常がないと判定する。また、第１の実施形態と同様に、注目時刻において制御信号が変化した場合、異常検知部１０６は、異常の検知をされづらくする。

以下、本変形例に係る監視装置１００の効果について説明する。

システムの異常度は、第２データに含まれる第２センサ集合に属する各センサの予測値と測定値を参照して生成される。したがって、第２センサ集合に含まれる第１センサの測定値の変化に連動して、システムの異常度が変化する。また、第２センサ集合に含まれる第１センサの測定値は、制御信号の突変に連動して変化する。すなわち、システムの異常度は、制御信号の変化に連動して突変が生じる。前述のように、システムにおいて、制御信号が変化した後に第１センサの測定値が変化するのは正常な挙動である。

システムの異常度が閾値を超過した場合、異常検知処理において、システムに異常があると判定される。このため、制御信号に突変が生じた場合、第１センサの測定値の挙動が正常であっても、システムが異常として検知される誤検知が生じる可能性が高い。このように、センサ間の相関関係を利用するモデルを活用して異常検知を行う場合、制御信号の変化と第１センサの測定値の連動に起因して、正常であるにも関わらずシステムが異常と判定される誤検知が生じる場合がある。

本変形例に係る監視装置１００は、第２センサ集合に属する各センサの測定値と第２データに基づいてシステムの異常度を算出し、異常度と閾値に基づいてシステムの異常を検知することができる。

上記構成により、本変形例に係る監視装置１００によれば、システムが正常であるにも関わらず、制御信号の変化に起因してシステムの異常度が大きくなった場合でも、判定信号の変化した場合に異常が検知されづらくなるように制御されることにより、誤って異常が検知される誤検知が起きることを抑制することができる。

図１４は、本変形例に係る監視装置１００により誤検知を抑制する方法を説明するための図である。図１４（ａ）は、所定の運転モードにおける制御信号の時系列変化の一例を示す図である。図１４（ａ）の横軸は、時刻を示す。図１４（ａ）の縦軸は、制御信号の値を示す。図１４（ｂ）は、図１４（ａ）に示す制御信号に対する判定結果として生成された判定信号の時系列グラフの例を表す。図１４（ｂ）の横軸は時刻を示す。図１４（ｂ）の縦軸は、判定信号の値を表す。図１４（ｂ）の横軸は、図１４（ａ）の横軸と同期している。

図１４（ｃ）は、システムの異常度の時系列変化の一例を示す図である。図１４（ｃ）の横軸は、図１４（ａ）及び図１４（ｂ）の横軸と同期した時刻を示す。図１４（ｃ）の縦軸は、システムの異常度の値を示す。図１４（ｃ）の実線は、異常度を示す。図１４（ｃ）では、制御信号の変化に連動して、異常度にも突変が生じている。また、図１４（ｃ）の一点鎖線は、異常度に対する閾値を示す。図１４（ｂ）及び図１４（ｃ）では、注目期間において判定信号が変化した場合に、注目期間における制御信号が変化し、注目期間における閾値が他の時刻における閾値よりも大きくなったことが分かる。

（第３の変形例）
なお、監視処理や異常検知処理に用いた情報や異常の検知結果をディスプレイに表示させてもよい。この場合、監視装置１００は、ディスプレイに表示させる画面を制御する表示制御部を備える。表示制御部は、例えば、測定値、予測値、または測定値と予測値の差の時系列変化を表す第１グラフと、制御信号または判定信号の時系列変化を表す第２グラフとを、時間軸のスケールを揃えた状態で並べて、または重ねて、ディスプレイに表示させる。ディスプレイは、監視装置１００の内部に設けられてもよく、監視装置１００の外部に設けられてもよい。ユーザは、ディスプレイに表示された情報を確認することにより、異常が検知された理由、あるいは、異常が検知されなかった理由を知ることができる。

例えば、表示制御部は、図６（ａ）に示すような制御信号の時系列グラフをディスプレイに表示させる。図６（ａ）は、第２グラフの一例である。この場合、ユーザは、制御信号が変化したタイミングを容易に確認することができる。

あるいは、表示制御部は、図６（ｂ）に示すような判定信号の時系列グラフをディスプレイに表示させてもよい。図６（ｂ）は、第２グラフの一例である。この場合、ユーザは、判定信号が変化することにより異常の検知がされづらく制御されるタイミングを容易に確認することができる。

あるいは、表示制御部は、図６（ｃ）に示すような第２センサの測定値と予測値の時系列グラフをディスプレイに表示させてもよい。図６（ｃ）は、第１グラフの一例である。この場合、ユーザは、第２センサの測定値と予測値の変化を容易に確認することができる。

あるいは、表示制御部は、図６（ｄ）に示すような第２センサ集合に含まれる第２センサの測定値と予測値の差の時系列グラフをディスプレイに表示させてもよい。図６（ｄ）は、第１グラフの一例である。この場合、ユーザは、第２センサ集合に含まれる第２センサの測定値と予測値の差の変化と、判定信号に応じて制御された閾値の変化を容易に確認することができる。

また、表示制御部は、図６（ａ）－図６（ｄ）に示す時系列グラフを並べてディスプレイに表示させてもよい。この場合、ユーザは、制御信号に変化があったとみなされて判定信号が大きくなったタイミングを容易に確認することができる。また、ユーザは、第２センサの測定値と予測値の差の絶対値が大きかったにも関わらず異常とみなされなかった原因が、異常が検知されづらいように制御されたことであるか否かを容易に確認することができる。また、ユーザは、測定値と予測値の差の絶対値が大きくなったのは、制御信号の変化に起因して第１センサの測定値に突変が生じたことが原因であるか、あるいは、第１センサの測定値と第２センサの予測値の連動が原因であるかを、容易に確認することができる。

また、図６（ａ）－図６（ｄ）に示すように、特定の時刻を表す縦線をディスプレイに表示させてもよい。この場合、図６（ａ）－図６（ｄ）の時刻を同期して眺めやすくなる。マウスなどのユーザインターフェースを介してユーザが縦線の時刻を設定できるようにすることが好ましい。

また、図６（ａ）－図６（ｄ）に示す時系列グラフのそれぞれを、縦軸を共有した共通の領域内に重ねて表示しても構わない。この場合、表示スペースを削減することができる。

また、表示制御部は、制御信号または判定信号の時系列変化を表す第２グラフと、システムの異常度の時系列変化を表す第３グラフとを、時間軸のスケールを揃えた状態で並べて、または重ねて、ディスプレイに表示させてもよい。

例えば、表示制御部は、第２の変形例の図１４（ｃ）に示すような異常度の時系列グラフをディスプレイに表示させてもよい。図１４（ｃ）に示すグラフは、第３グラフの一例である。この場合、ユーザは、異常度の変化と、判定信号に応じて制御された閾値の変化を容易に確認することができる。

また、第２の変形例の図１４（ａ）－図１４（ｃ）に示す時系列グラフをディスプレイに並べて表示させてもよい。図１４（ａ）及び図１４（ｂ）に示すグラフは、第２グラフの一例である。この場合、ユーザは、異常度が大きくなったタイミングは、制御信号が変化したタイミングよりも後か否か等を容易に確認することができる。

また、図１４（ａ）－図１４（ｃ）に示すように、特定の時刻を表す縦線を表示させてもよい。この場合、図１４（ａ）－図１４（ｃ）の時刻を同期して眺めやすくなる。マウスなどのユーザインターフェースを介してユーザが縦線の時刻を設定できるようにすることが好ましい。

また、図１４（ａ）－図１４（ｃ）に示す時系列グラフのそれぞれを、縦軸を共有した共通の領域内に重ねて表示しても構わない。この場合、表示スペースを削減することができる。

（第４の変形例）
また、注目期間の長さである所定の時間Ｍは、適宜変更されてもよい。この場合、例えば、判定部１０４は、制御信号の種類、第１センサの種類、第２センサの種類またはシステムの種類に応じて、制御信号の変化の判定時間である所定の時間Ｍを設定する。例えば、上記装置やシステムの種類と時間Ｍの設定値とが対応付けられたテーブルが記憶媒体に記憶され、このテーブルを用いて適切な設定値が設定される。また、ユーザ等により、所定の時間Ｍの設定値が監視装置１００の外部から入力されてもよい。

制御信号の変化が起きてから第１センサの測定値に突変が生じるまでの時間は、制御信号及び第１センサの種類によって異なる。また、システムの状態が変化すると、制御信号に変化が起きてから第１センサの測定値に突変が生じるまでの時間に変化が生じる場合がある。このような場合でも、所定の時間Ｍを適切に設定することにより、制御信号の変化が起きてから第１センサの測定値に突変が生じるまでの時間の変化に対応することができる。

また、複数の異なるシステムを監視するために監視装置１００を利用する場合、制御信号の変化が起きてから第１センサの測定値に突変が生じるまでの時間は、システムの間で異なる。この場合も、監視するシステムに応じて所定の時間Ｍを適切に設定することにより、複数の異なるシステムに対応することができる。

また、注目期間の長さである時間Ｍをディスプレイに表示させてもよい。この場合、例えば、ダイアログボックスに時間Ｍを表示するとよい。あるいは、判定信号の時系列変化を示すグラフ上に、時間Ｍを表示してもよい。図１５は、時間Ｍを表示する表示画面の一例を示す図である。図１５（ａ）は、所定の運転モードにおける制御信号の時系列変化の一例を示す図である。図１５（ａ）の横軸は、時刻を示す。図１５（ａ）の縦軸は、制御信号の値を示す。図１５（ｂ）は、所定の時間Ｍを判定信号の時系列グラフに表示した様子を示す図である。図１５（ｂ）の横軸は、時刻を示す。図１５（ｂ）の縦軸は、判定信号の値を示す。所定の時間Ｍをディスプレイに表示させることで、ユーザは、時間Ｍの設定を容易に確認することができる。特に、制御信号及び第１センサの種類や、監視するシステムの変更に応じて時間Ｍを変更する場合、時間Ｍの設定を確認できることの意義が大きい。

また、図１５に示すように、制御信号と判定信号の時系列グラフ中に補助線を示すことで、時間Ｍを表示してもよい。この場合、マウスなどのユーザインターフェースを介してユーザが補助線の横方向の位置を移動できるようにすることがより好ましい。

（第５の変形例）
なお、第２の変形例において閾値として用いられる所定の時間Ｒは、適宜変更されてもよい。この場合、例えば、異常検知部１０６は、制御信号の種類、第１センサの種類、第２センサの種類またはシステムの種類に応じて、閾値超過の連続時間に対する閾値である所定の時間Ｒを設定する。この際、センサごとに時間Ｒを設定しても良い。例えば、上記装置やシステムの種類、あるいは、センサＩＤやセンサ名称と時間Ｒの設定値とが対応付けられたテーブルが記憶媒体に記憶され、このテーブルを用いて適切な設定値が設定される。また、ユーザ等により、所定の時間Ｒの設定値が監視装置１００の外部から入力されてもよい。

制御信号の変化に起因して第１センサの測定値に生じる突変の継続時間や、第１センサの測定値の突変に連動して第２センサの予測値に生じる突変の継続時間は、制御信号、第１センサ、及び第２センサの種類やその組み合わせによって異なる。また、これらの突変の継続時間は、システムの状態によっても異なる。このような場合でも、所定の時間Ｒを適切に設定することにより、突変の継続時間の変化に対応することができる。

また、複数の異なるシステムを監視するために監視装置１００を利用する場合、突変の継続時間は、システムの間で異なる。この場合も、監視するシステムに応じて所定の時間Ｒを適切に設定することにより、複数の異なるシステムに対応することができる。

また、所定の時間Ｒをディスプレイに表示させてもよい。この場合、例えば、ダイアログボックスに時間Ｒを表示するとよい。あるいは、第２センサの測定値と予測値の差の時系列変化を示すグラフ上に、時間Ｒを表示してもよい。図１６は、超過時間の閾値である時間Ｒを表示する表示画面の一例を示す図である。図１６の横軸は、時刻を示す。図１６の縦軸は、第２センサの値を示す。図１６の破線は、第２センサの測定値と予測値の差を示す。図１６の一点鎖線は、閾値を示す。所定の時間Ｒをディスプレイに表示させることで、ユーザは、時間Ｒの設定を容易に確認することができる。特に、制御信号、第１センサ及び第２センサの種類や、監視するシステムの変更に応じて時間Ｒを変更する場合、時間Ｒの設定を確認できることの意義が大きい。また、ユーザは、第２センサの測定値と予測値の差が連続して閾値を超過した時間と、時間Ｒとの関係も容易に確認することができる。

また、図１６に示すように、第２センサの測定値と予測値の差の時系列グラフ中に補助線を示すことで、時間Ｒを表示してもよい。この場合、マウスなどのユーザインターフェースを介してユーザが補助線の横方向の位置を移動できるようにすることがより好ましい。

（第６の変形例）
第１の実施形態では、モデルに入力する第１データ（ｘ_ｔ）として、第１センサ集合に属する各センサの時刻ｔの測定値、あるいは、その測定値を正規化したり標準化したりした値を並べたベクトルを用いる例について説明したが、第１センサ集合に属する各センサの時刻ｔより前の単一時刻の測定値、あるいは、その測定値を正規化したり標準化したりした値を並べたベクトルを第１データ（ｘ_ｔ）として用いてもよい。

例えば、第１データ（ｘ_ｔ）を、時刻ｔより前の単一時刻の測定値、あるいは、その測定値を正規化したり標準化したりした値を並べたベクトルとした場合、時刻ｔの第２データ（＾y_t）は、時刻ｔより前の単一時刻のデータからなる第１データ（ｘ_ｔ）から予測されることになる。また、第１データ（ｘ_ｔ）を、時刻ｔより前の複数時刻の測定値、あるいは、その測定値を正規化したり標準化したりした値を並べたベクトルとした場合、時刻ｔの第２データ（＾y_t）は、時刻ｔより前の複数時刻のデータからなる第１データ（ｘ_ｔ）から予測されることになる。また、第１データ（ｘ_ｔ）を、時刻ｔと時刻ｔより前の時刻の測定値、あるいは、その測定値を正規化したり標準化したりした値を並べたベクトルとした場合、時刻ｔの第２データ（＾y_t）は、時刻ｔ以前の複数時刻のデータからなる第１データ（ｘ_ｔ）から予測されることになる。

本変形例は、モデルの入出力に関する変形例であるため、注意が必要である。第１データ（ｘ_ｔ）を、時刻ｔと時刻ｔより前の時刻の測定値、あるいは、その測定値を正規化したり標準化したりした値を並べたベクトルとする場合、第２センサ集合に含まれる各センサの時刻ｔの測定値を並べたベクトルを表すy_tや第２データ（＾y_t）についても、時刻ｔと時刻ｔより前の時刻のデータとした後に機械学習のモデルを訓練し、モデル（ｆ）が出力した第２データ（＾y_t）から時刻ｔの部分を抽出することで時刻ｔの予測値を生成しても構わない。

本変形例では、第１データ（ｘ_ｔ）の中身は変更されるものの、第１の実施形態と同じ効果が得られる。

（第７の変形例）
第１データは、第１センサを要素として含む第１センサ集合に属する各センサの測定値に加えて、制御信号を含んでもよい。この場合、モデルは、制御信号を含む第１データを用いて訓練される。予測部１０５が制御信号を含む第１データを用いて訓練されたモデルを利用することにより、制御信号の値に応じて、第２センサの予測値における第１センサの測定値との連動が軽減され、第２センサの予測値の第２センサの測定値に対する再現性が高まる。このため、第２センサの予測値の第１センサの測定値に対する連動に起因する誤検知を抑制することができる。

かくして、前述のいずれかの実施形態によれば、システムの異常検知における誤検知を抑制できる監視装置、方法およびプログラムを提供することができる。

本発明のいくつかの実施形態を説明したが、これらの実施形態は、例として提示したものであり、発明の範囲を限定することは意図していない。これら実施形態は、その他の様々な形態で実施されることが可能であり、発明の要旨を逸脱しない範囲で、種々の省略、置き換え、変更を行うことができる。これら実施形態やその変形は、発明の範囲や要旨に含まれると同様に、特許請求の範囲に記載された発明とその均等の範囲に含まれるものである。

１００…監視装置、１０１…測定値取得部、１０２…制御信号取得部、１０３…モデル取得部、１０４…判定部、１０５…予測部、１０６…異常検知部、１１３…差算出部、８０１…仮検知部、８０２…連続時間取得部、１００１…異常度算出部、ｔ_１、ｔ_２…時刻、ｔ_Ｃ…注目時刻、ｔ_Ｃ－Ｍ…開始時刻、Ｍ…時間、Ｒ…閾値。

Claims (15)

1. システムに設置された複数のセンサの測定値を取得する測定値取得部と、
   制御信号を前記システムから取得する制御信号取得部と、
   前記制御信号が所定の運転モードの途中で変化した場合に測定値に突変が生じる第１センサを要素として含む第１センサ集合に属する各センサの測定値を含む第１データを入力すると、前記第１センサと相関する第２センサを要素として含む第２センサ集合に属する各センサの予測値を含む第２データを生成するモデルを取得するモデル取得部と、
   前記制御信号の変化を判定することにより判定信号を生成する判定部と、
   前記測定値に含まれる前記第１データと前記モデルから、前記第２センサ集合に属する各センサの予測値を含む前記第２データを生成する予測部と、
   前記第２センサ集合に属する各センサの測定値、前記第２データ、前記判定信号、および、閾値に基づき、前記システムの異常、あるいは、前記第２センサ集合に属する少なくとも１つのセンサの異常を検知する異常検知部と、
   を備え、
   前記異常検知部は、前記判定信号が前記制御信号に変化があることを表す場合、前記異常を検知されづらくする、
   監視装置。
2. 前記制御信号は、フィードバック制御信号、フィードフォワード制御信号、及び前記運転モードの変化との相関が弱く変化が不規則な制御信号のうち、いずれか１つを含む、
   請求項１に記載の監視装置。
3. 前記制御信号は、ＢＩＲ（boiler input regulator）の信号、スートブロワの信号、燃料装置の起動又は停止に関する信号、燃料装置の起動数を示す信号、燃料の種類の切り替えを示す信号のうち、いずれか１つを含む、
   請求項１に記載の監視装置。
4. 前記異常検知部は、前記判定信号が前記制御信号に変化があることを表す場合、前記異常の検知を行わない、
   請求項１から３までのいずれか１項に記載の監視装置。
5. 前記異常検知部は、前記判定信号に応じて前記閾値を変更する、
   請求項１から３までのいずれか１項に記載の監視装置。
6. 前記異常検知部は、
   前記第２センサ集合に属する各センサの測定値、前記第２データ、および、所定の閾値に基づき、前記システム、あるいは、前記第２センサ集合に属する少なくとも１つのセンサに関する前記閾値の超過を仮に検知する仮検知部と、
   前記閾値の超過の連続時間を取得する連続時間取得部と、を有し、
   前記連続時間が所定の時間より短く、かつ、前記判定信号が前記制御信号に変化があることを表す場合、前記判定信号が変化なしを表す場合に比べて前記異常を検知されづらくする、
   請求項１から５までのいずれか１項に記載の監視装置。
7. 前記異常検知部は、
   前記第２センサ集合に属する各センサの測定値と前記第２データに基づいて、前記システムの異常度を算出する異常度算出部をさらに有し、
   前記異常度と前記閾値に基づいて前記システムの異常を検知する、
   請求項１から６までのいずれか１項に記載の監視装置。
8. 前記異常検知部は、
   前記第２センサ集合に属するセンサの測定値と予測値との差を算出する差算出部を有し、
   前記差及び前記閾値に基づいて、前記第２センサ集合に属するセンサの異常を検知する、
   請求項１から６までのいずれか１項に記載の監視装置。
9. 前記異常検知部は、前記第２センサ集合に属するセンサのうち前記第１センサと前記第２センサのみを含む第３センサ集合に属するセンサについてのみ、前記判定信号が前記制御信号に変化があることを表す場合、前記異常を検知されづらくする、
   請求項１から８までのいずれか１項に記載の監視装置。
10. 前記測定値、前記予測値、または前記測定値と予測値の差の時系列変化を表す第１グラフと、前記制御信号または前記判定信号の時系列変化を表す第２グラフとを、時間軸のスケールを揃えた状態で並べてまたは重ねて、ディスプレイに表示させる表示制御部をさらに備える、
    請求項１から９までのいずれか１項に記載の監視装置。
11. 前記制御信号または前記判定信号の時系列変化を表す第２グラフと、前記システムの異常度の時系列変化を表す第３グラフとを、時間軸のスケールを揃えた状態で並べてまたは重ねて、ディスプレイに表示させる表示制御部をさらに備える、
    請求項７に記載の監視装置。
12. 前記判定部は、前記制御信号の種類、前記第１センサの種類、前記第２センサの種類または前記システムの種類に応じて、前記制御信号の変化の判定時間を設定する、
    請求項１から１１までのいずれか１項に記載の監視装置。
13. 前記異常検知部は、前記制御信号の種類、前記第１センサの種類、前記第２センサの種類または前記システムの種類に応じて、前記所定の時間を設定する、
    請求項６に記載の監視装置。
14. システムに設置された複数のセンサの測定値を取得することと、
    制御信号を前記システムから取得することと、
    前記制御信号が所定の運転モードの途中で変化した場合に測定値に突変が生じる第１センサを要素として含む第１センサ集合に属する各センサの測定値を含む第１データを入力すると、前記第１センサと相関する第２センサを要素として含む第２センサ集合に属する各センサの予測値を含む第２データを生成するモデルを取得することと、
    前記制御信号の変化を判定することにより判定信号を生成することと、
    前記測定値に含まれる前記第１データと前記モデルから、前記第２センサ集合に属する各センサの予測値を含む前記第２データを生成することと、
    前記第２センサ集合に属する各センサの測定値、前記第２データ、前記判定信号、および、閾値に基づき、前記システムの異常、あるいは、前記第２センサ集合に属する少なくとも１つのセンサの異常を検知することと、
    前記判定信号が前記制御信号に変化があることを表す場合、前記異常を検知されづらくすることと、
    を備える方法。
15. コンピュータに、
    システムに設置された複数のセンサの測定値を取得する機能と、
    制御信号を前記システムから取得する機能と、
    前記制御信号が所定の運転モードの途中で変化した場合に測定値に突変が生じる第１センサを要素として含む第１センサ集合に属する各センサの測定値を含む第１データを入力すると、前記第１センサと相関する第２センサを要素として含む第２センサ集合に属する各センサの予測値を含む第２データを生成するモデルを取得する機能と、
    前記制御信号の変化を判定することにより判定信号を生成することと、
    前記測定値に含まれる前記第１データと前記モデルから、前記第２センサ集合に属する各センサの予測値を含む前記第２データを生成する機能と、
    前記第２センサ集合に属する各センサの測定値、前記第２データ、前記判定信号、および、閾値に基づき、前記システムの異常、あるいは、前記第２センサ集合に属する少なくとも１つのセンサの異常を検知する機能と、
    前記判定信号が前記制御信号に変化があることを表す場合、前記異常を検知されづらくする機能と、
    を実現させるためのプログラム。

Images