JP2023155731A - Monitoring controller, monitoring control method, and monitoring control program - Google Patents
Monitoring controller, monitoring control method, and monitoring control program Download PDFInfo
- Publication number
- JP2023155731A JP2023155731A JP2022065232A JP2022065232A JP2023155731A JP 2023155731 A JP2023155731 A JP 2023155731A JP 2022065232 A JP2022065232 A JP 2022065232A JP 2022065232 A JP2022065232 A JP 2022065232A JP 2023155731 A JP2023155731 A JP 2023155731A
- Authority
- JP
- Japan
- Prior art keywords
- correlation
- signal
- equipment
- data
- signals
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 56
- 238000000034 method Methods 0.000 title claims description 58
- 238000012545 processing Methods 0.000 claims abstract description 52
- 238000006243 chemical reaction Methods 0.000 claims abstract description 27
- 230000008859 change Effects 0.000 claims description 46
- 238000012423 maintenance Methods 0.000 claims description 42
- 238000007689 inspection Methods 0.000 claims description 37
- 230000005856 abnormality Effects 0.000 claims description 36
- 238000013480 data collection Methods 0.000 claims description 24
- 230000001419 dependent effect Effects 0.000 claims description 17
- 238000001514 detection method Methods 0.000 claims description 17
- 238000004364 calculation method Methods 0.000 claims description 12
- 230000008569 process Effects 0.000 claims description 8
- 238000010586 diagram Methods 0.000 description 32
- 238000004891 communication Methods 0.000 description 17
- 230000004044 response Effects 0.000 description 8
- 238000012549 training Methods 0.000 description 8
- 230000002787 reinforcement Effects 0.000 description 4
- 238000000547 structure data Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000007704 transition Effects 0.000 description 3
- 238000004378 air conditioning Methods 0.000 description 2
- 239000003795 chemical substances by application Substances 0.000 description 2
- 238000005401 electroluminescence Methods 0.000 description 2
- 206010000117 Abnormal behaviour Diseases 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 230000001939 inductive effect Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Landscapes
- Testing And Monitoring For Control Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
Description
本開示は、複数の設備の各々を監視および制御を行う監視制御装置、監視制御方法および監視制御プログラムに関するものである。 The present disclosure relates to a supervisory control device, a supervisory control method, and a supervisory control program that monitor and control each of a plurality of facilities.
ビル等の建物に備えられた複数の設備、例えば、電力設備、エレベーターおよび空調設備といった設備について、各設備の状態を表す信号を取得して各設備の状態を一括して監視する監視制御装置が知られている。監視制御装置は、各設備へ指令を送信することによって各設備の制御も行う。このような監視制御装置では、設備ごとの信号から設備の状態を監視するだけでなく、監視の対象である信号同士の相関関係をあらかじめ把握しておき、異常が発生した場合の原因究明に役立てる試みが行われている。監視制御装置は、複数の信号間に複雑な相関関係がある場合であっても、画面での表示によって相関関係を分かり易く提示することができる。 A monitoring and control device that acquires signals representing the status of each piece of equipment and collectively monitors the status of multiple pieces of equipment installed in a building or other building, such as power equipment, elevators, and air conditioning equipment. Are known. The supervisory control device also controls each piece of equipment by sending commands to each piece of equipment. Such monitoring and control equipment not only monitors the status of equipment from the signals of each equipment, but also understands the correlation between the signals being monitored in advance, which is useful for investigating the cause when an abnormality occurs. Attempts are being made. Even when there is a complex correlation between a plurality of signals, the supervisory control device can present the correlation in an easy-to-understand manner by displaying the correlation on the screen.
特許文献1には、電力系統の監視および制御を行う監視制御装置において、電力系統を構成する設備同士の関連を表す関連情報を生成し、関連情報を用いた演算により電力系統を制御することが開示されている。特許文献1の技術によると、電力系統の階層構造から各設備の階層が特定され、ルールに従ったコード化により、各設備を電力系統内にて個別に特定するための設備コードが設定される。特許文献1にかかる監視制御装置は、設備コードと設備の属性を表す属性情報とを含む設備データを記憶しておき、設備データを基に関連情報を生成する。
特許文献1の技術によると、設備コードについて、電力系統の階層構造から各設備の階層を特定するためのルールを事前に決めておく必要がある。階層を特定するためのルールの決定には、電力系統の構成についての専門的な知識が必要となる。また、特許文献1の技術によると、事前に決定されたルールから少しでも逸脱した階層構造が取られている場合は、関連情報を生成することができない。そのため、特許文献1の技術によると、設備の状態を表す信号同士の相関関係を提示することができない場合があるという課題があった。
According to the technique disclosed in
本開示は、上記に鑑みてなされたものであって、設備の状態を表す信号同士の相関関係を提示可能とする監視制御装置を得ることを目的とする。 The present disclosure has been made in view of the above, and an object of the present disclosure is to obtain a monitoring and control device that can present correlations between signals representing the state of equipment.
上述した課題を解決し、目的を達成するために、本開示にかかる監視制御装置は、監視および制御の対象である複数の設備の各々について、設備の状態を表す信号の信号値を含む信号データを収集する信号データ収集部と、複数の信号の各々についての信号の属性をまとめた信号台帳データに基づいて、複数の信号に含まれる信号同士において一方の信号値の変化に連動して他方の信号値が変化する相関関係を認定して、認定の結果を示す相関関係データを出力し、かつ、相関関係が認定された信号以外の信号同士の相関度を信号データと信号台帳データとに基づいた学習によって求める相関関係学習部と、相関関係を有する信号のシンボル同士がネットワーク状につながれたネットワーク構造を表示するための変換処理を相関関係データに施し、かつ、ネットワーク構造と併せて相関度についての表示を行うための処理を行う変換処理部と、ネットワーク構造に示される相関関係を編集操作に従って編集する相関関係編集部と、を備える。 In order to solve the above-mentioned problems and achieve the objectives, a supervisory control device according to the present disclosure collects signal data including signal values of signals representing the state of the equipment for each of a plurality of equipment that is a target of monitoring and control. and a signal data collection unit that collects signals included in the plurality of signals based on the signal ledger data that summarizes the signal attributes of each of the plurality of signals. Recognizes correlations in which signal values change, outputs correlation data indicating the results of the recognition, and calculates the degree of correlation between signals other than the signals for which correlations have been determined based on the signal data and signal ledger data. A correlation learning unit that calculates the correlation by learning based on the correlation data, performs conversion processing on the correlation data to display a network structure in which symbols of signals having a correlation are connected in a network, and calculates the degree of correlation along with the network structure. and a correlation editing section that edits the correlation shown in the network structure according to an editing operation.
本開示にかかる監視制御装置は、設備の状態を表す信号同士の相関関係を提示することができる、という効果を奏する。 The monitoring and control device according to the present disclosure has the effect of being able to present a correlation between signals representing the state of equipment.
以下に、実施の形態にかかる監視制御装置、監視制御方法および監視制御プログラムを図面に基づいて詳細に説明する。 Below, a supervisory control device, a supervisory control method, and a supervisory control program according to an embodiment will be described in detail based on the drawings.
実施の形態1.
図1は、実施の形態1にかかる監視制御装置1Aを含む監視制御システムの構成例を示す図である。監視制御装置1Aは、複数の設備2の各々の監視および制御を行う。実施の形態1において、監視制御装置1Aによる監視および制御の対象である複数の設備2は、ビル等の建物に備えられた設備である。複数の設備2は、例えば、電力設備、エレベーター、または空調設備などを含む。
FIG. 1 is a diagram illustrating a configuration example of a supervisory control system including a
監視制御装置1Aは、例えば、1つ以上のクラウドサーバによって構成される。クラウドサーバは、クラウドサービスプラットフォームにおいて提供されるコンピュータ資源を含むクラウド環境に構築されるサーバである。なお、監視制御装置1Aは、クラウドサーバ以外のサーバであってもよく、例えば、オンプレミスのサーバであっても良い。
The
監視制御装置1Aおよび端末3は、監視制御システムを構成する。端末3は、監視制御システムのユーザによって使用される端末装置である。ユーザは、監視制御システムを使用して各設備2の監視制御業務を行う者である。監視制御装置1Aに接続される端末3の数は任意であるものとする。
The
端末3は、ネットワークを介して監視制御装置1Aに通信可能に接続されており、監視制御装置1Aとの間で情報の送受信を行う。ネットワークは、例えば、インターネットなどのWAN(Wide Area Network)であるが、LAN(Local Area Network)であっても良い。
The
記憶装置4は、監視制御システムの外部の装置である。記憶装置4は、例えば、設備2を所有する事業者の装置である。実施の形態1では、設備2を所有する事業者は、設備2が設置されている建物の所有者以外の者とする。記憶装置4は、ネットワークを介して監視制御装置1Aに通信可能に接続されている。記憶装置4は、監視制御装置1Aからの要求に応じて、記憶装置4に保存されている設備台帳データを監視制御装置1Aへ送信する。設備台帳データについては後述する。監視制御装置1Aには、互いに異なる設備2についての設備台帳データが保存されている複数の記憶装置4が接続されても良い。監視制御装置1Aに接続される記憶装置4の数は任意であるものとする。なお、設備2を所有する事業者は、建物の所有者と同一であっても良い。
The
監視制御装置1Aは、複数の設備2の各々について、設備2の状態を表す信号の信号値を含む信号データを収集することによって、各設備2の状態を監視する。監視制御装置1Aは、各設備2の状態を可視化して表示するための処理を行い、表示のためのデータを端末3へ送信する。端末3は、各設備2の状態を表す画像を表示する。また、監視制御装置1Aは、ユーザによる端末3への入力操作に従って指令を生成し、各設備2へ指令を送信する。監視制御装置1Aは、各設備2へ指令を送信することによって各設備2を制御する。
The
監視制御装置1Aは、監視制御装置1Aの内部に保存されている信号台帳データに基づいて、複数の設備2から収集される信号同士の相関関係を認定する。信号台帳データについては後述する。また、監視制御装置1Aは、記憶装置4から設備台帳データを読み出し、信号台帳データに基づいて、設備2と信号との相関関係を認定する。監視制御装置1Aは、認定された相関関係を表すネットワーク構造を表示するための処理を行う。端末3は、ネットワーク構造のデータを監視制御装置1Aから受信し、ネットワーク構造を表示する。ネットワーク構造の詳細については後述する。
The
監視制御装置1Aは、相関関係が認定された信号以外の信号同士について、信号データと信号台帳データとに基づいた学習によって、信号同士の相関度を求める。また、監視制御装置1Aは、相関関係が認定された設備2および信号以外の設備2および信号について、信号データと信号台帳データと設備台帳データとに基づいた学習によって、設備2および信号の相関度を求める。監視制御装置1Aは、求めた相関度についてネットワーク構造と併せて表示するための処理を行う。端末3は、ネットワーク構造の表示と併せて相関度についての表示を行う。
The
端末3は、ユーザによる編集操作を受け付ける。編集操作は、ネットワーク構造に示される相関関係を編集するための操作である。監視制御装置1Aは、編集操作に従って、ネットワーク構造における相関関係についての表示を編集する。
The
図2は、実施の形態1にかかる監視制御装置1Aの構成例を示す図である。図2には、監視制御装置1Aと、監視制御装置1Aに接続されている記憶装置4とを示す。監視制御装置1Aは、監視制御装置1Aの外部の装置との通信を行う通信部10と、各種処理を行う処理部11と、情報を記憶する記憶部12とを備える。処理部11は、信号データ収集部13と、相関関係学習部14と、変換処理部15と、相関関係編集部16とを備える。
FIG. 2 is a diagram illustrating a configuration example of the
設備2の状態を表す信号は、設備2から、または、設備2の状態を検出するセンサから監視制御装置1Aへ送信される。センサには、設備2に備えられたセンサと、設備2の外部に設置されたセンサとが含まれる。通信部10は、設備2の状態を表す信号を逐次受信する。信号データ収集部13は、監視および制御の対象である複数の設備2の各々について、設備2の状態を表す信号の信号値を含む信号データを収集する。信号データ収集部13による収集の対象とされる信号には、設備2が設置されている場所の温度または湿度といった、環境の状態を表す信号が含まれる。収集された信号データは、記憶部12に保存される。収集される信号データには、設備2を制御するコントローラの状態についての情報が含まれる。例えば、空調設備については、空調設備のオンまたはオフの状態についての情報、設定温度の情報、運転モードの情報などが含まれても良い。
A signal representing the state of the
相関関係学習部14は、記憶部12に保存されている信号台帳データを読み出し、信号台帳データに基づいて、複数の信号に含まれる信号同士の相関関係を認定する。複数の信号に含まれる信号同士の相関関係は、信号データ収集部13によって収集される信号同士の関係であって、一方の信号値の変化に連動して他方の信号値が変化する関係である。信号台帳データは、複数の信号の各々について信号の属性をまとめたデータである。
The correlation learning unit 14 reads out the signal ledger data stored in the
相関関係学習部14は、記憶装置4から設備台帳データを取得し、設備台帳データに基づいて、複数の設備2に含まれる設備2同士における相関関係を認定する。または、相関関係学習部14は、設備台帳データに基づいて、複数の設備2に含まれる設備2と、複数の信号に含まれる信号との相関関係を認定する。設備2同士の相関関係は、一方の設備2の内部で所有される信号と他方の設備2の内部で所有される信号との関係であって、一方の信号値の変化に連動して他方の信号値が変化する関係である。設備2と信号との相関関係は、設備2の内部で所有される信号と信号データ収集部13による収集の対象である信号との関係であって、一方の信号値の変化に連動して他方の信号値が変化する関係である。設備2の内部で所有される信号とは、設備2の制御のために設備2の内部で監視または生成される信号である。設備2の内部で所有される信号には、信号データ収集部13による収集の対象である信号と、信号データ収集部13による収集の対象ではない信号とが含まれる。
The correlation learning unit 14 acquires the equipment ledger data from the
図3は、実施の形態1にかかる監視制御装置1Aによって認定される相関関係について説明するための図である。図3には、複数の設備2と複数の信号とにおける相関関係の連鎖を系統的に展開して図式化した例を示す。図3に示す「XXビル」は、監視制御装置1Aによる監視および制御の対象である複数の設備2が備えられている建物の例である。
FIG. 3 is a diagram for explaining the correlation certified by the
電力設備およびエレベーターは、XXビルに備えられた設備2の例である。電力設備には、受電設備、変電設備、分電盤A、分電盤B、および分電盤Cの各設備2が含まれる。エレベーターには、制御盤および乗り場操作盤の各設備2が含まれる。乗り場操作盤には、XXビルの1階に設置された乗り場操作盤と、XXビルの2階に設置された乗り場操作盤との各設備2が含まれる。分電盤Aの内部では、分電盤Aの消費電力量を示す消費電力量の信号が所有される。エレベーターの内部では、エレベーターの乗車人数を示す乗車人数の信号と、エレベーターの消費電力量を示す消費電力量の信号とが所有される。
Power equipment and elevators are examples of
実施の形態1において、相関関係には、従属関係と、所有関係と、接続関係との3つが含まれる。従属関係は、一方の信号に基づいた制御によって他方の信号が変化する場合における信号同士の関係である。所有関係は、設備2と設備2の内部で所有される信号との関係である。接続関係は、従属関係および所有関係以外の関係である。図3では、従属関係を有する設備2同士を実線により表す。所有関係を有する設備2および信号を破線により表す。接続関係を有する設備2同士を一点鎖線により表す。
In the first embodiment, the correlation includes three relationships: a dependency relationship, an ownership relationship, and a connection relationship. A dependent relationship is a relationship between signals when control based on one signal changes the other signal. The ownership relationship is the relationship between the
電力設備とエレベーターとの各々は、XXビルに備えられた監視制御装置1Aによって制御されることから、XXビルおよび電力設備の間には従属関係があって、かつ、XXビルおよびエレベーターの間には従属関係があるといえる。電力設備、受電設備、変電設備、分電盤A、分電盤B、および分電盤Cは、従属関係による階層構造を構成する。分電盤Aと消費電力量の信号とは、所有関係を有する。エレベーター、制御盤、および乗り場操作盤は、従属関係による階層構造を構成する。エレベーターと、乗車人数および消費電力量の各信号とは、所有関係を有する。
Since each of the power equipment and the elevator is controlled by the
1階に設置された乗り場操作盤は、分電盤Aに接続されており、分電盤Aから電力の供給を受けるとする。この場合、分電盤Aと1階に設置された乗り場操作盤との関係は、従属関係でも所有関係でもないことから、接続関係であるものとする。分電盤Aと1階に設置された乗り場操作盤とは、接続関係を有する。2階に設置された乗り場操作盤は分電盤Bから電力の供給を受けることから、分電盤Bと2階に設置された乗り場操作盤とは接続関係を有する。制御盤は分電盤Cから電力の供給を受けることから、分電盤Cと制御盤とは接続関係を有する。 It is assumed that the landing operation panel installed on the first floor is connected to the distribution board A and receives power from the distribution board A. In this case, the relationship between the distribution board A and the landing operation panel installed on the first floor is neither a dependent relationship nor an ownership relationship, and is therefore a connected relationship. The distribution board A and the landing operation panel installed on the first floor have a connection relationship. Since the landing operation panel installed on the second floor receives power from the distribution board B, the distribution panel B and the landing operation panel installed on the second floor have a connection relationship. Since the control panel receives power from the distribution panel C, the distribution panel C and the control panel have a connection relationship.
相関関係学習部14は、信号台帳データの内容または設備台帳データの内容から自明である相関関係については、信号台帳データまたは設備台帳データを参照することによって認定する。相関関係学習部14は、相関関係を認定した結果を示す相関関係データを出力する。相関関係データは、記憶部12へ書き込まれる。
The correlation learning unit 14 identifies correlations that are obvious from the contents of the signal ledger data or the contents of the equipment ledger data by referring to the signal ledger data or the equipment ledger data. The correlation learning unit 14 outputs correlation data indicating the result of certifying the correlation. The correlation data is written to the
相関関係学習部14は、信号台帳データまたは設備台帳データにおいて相関関係の有無が自明ではない信号同士の相関関係を学習し、学習結果に基づいて、信号同士の相関度を計算する。相関関係学習部14は、信号台帳データまたは設備台帳データにおいて相関関係の有無が自明ではない設備2同士について設備2同士の相関関係を学習し、学習結果に基づいて、設備2同士の相関度を計算する。相関関係学習部14は、信号台帳データまたは設備台帳データにおいて相関関係の有無が自明ではない設備2と信号との相関関係を学習し、学習結果に基づいて、設備2と信号との相関度を計算する。
The correlation learning unit 14 learns the correlation between signals in which the presence or absence of a correlation is not obvious in the signal ledger data or the equipment ledger data, and calculates the degree of correlation between the signals based on the learning result. The correlation learning unit 14 learns the correlation between the
相関関係学習部14は、記憶部12に保存されている信号データを読み出し、相関関係が認定された信号以外の信号同士の相関度を信号データと信号台帳データとに基づいた学習によって求める。すなわち、相関関係学習部14は、設備2の状態を表す信号同士であって信号データ収集部13によって収集される信号同士の相関度を求める。例えば、図3に示す例において、分電盤Cの消費電力量の信号と制御盤の消費電力量の信号との各々が、信号データ収集部13によって収集される信号であるものとする。この場合において、相関関係学習部14は、分電盤Cの消費電力量の信号と制御盤の消費電力量の信号との相関度を求める。
The correlation learning unit 14 reads out the signal data stored in the
または、相関関係学習部14は、複数の設備2に含まれる設備2同士の相関度を、信号データと信号台帳データと設備台帳データとに基づいた学習によって求める。設備2同士の相関度は、一方の設備2によって所有される信号と他方の設備2によって所有される信号との相関度である。例えば、図3に示す例において、分電盤Aの消費電力量の信号が分電盤Aによって所有される信号であって、エレベーターの乗車人数の信号がエレベーターによって所有される信号であるものとする。この場合において、相関関係学習部14は、分電盤Aの消費電力量の信号とエレベーターの乗車人数の信号との相関度を求める。
Alternatively, the correlation learning unit 14 determines the degree of correlation between the
または、相関関係学習部14は、複数の設備2に含まれる設備2と複数の信号に含まれる信号との相関度を、信号データと信号台帳データと設備台帳データとに基づいた学習によって求める。すなわち、相関関係学習部14は、設備2によって所有される信号と、信号データ収集部13によって収集される信号との相関度を求める。例えば、図3に示す例において、分電盤Aの消費電力量の信号が分電盤Aによって所有される信号であって、分電盤Cの消費電力量の信号が信号データ収集部13によって収集される信号であるものとする。この場合において、相関関係学習部14は、分電盤Aの消費電力量の信号と分電盤Cの消費電力量の信号との相関度を求める。
Alternatively, the correlation learning unit 14 determines the degree of correlation between the
ここで、相関関係学習部14による学習について説明する。ここでは、信号データ収集部13によって収集される信号同士の相関度を求める場合を例とする。相関関係学習部14は、信号データと信号台帳データとを含む訓練データセットを、状態変数として観測する。相関関係学習部14は、信号データ収集部13によって収集される信号同士について、一方の信号の変化に対する他方の信号の変化の傾向を、訓練データセットに従って学習する。相関関係学習部14は、一方の信号の変化に対する他方の信号の変化の傾向を表す指標である相関度を計算するためのモデルを生成する。 Here, learning by the correlation learning section 14 will be explained. Here, a case will be exemplified in which the degree of correlation between signals collected by the signal data collection unit 13 is determined. The correlation learning unit 14 observes a training data set including signal data and signal ledger data as a state variable. The correlation learning unit 14 learns, with respect to the signals collected by the signal data collection unit 13, the tendency of changes in one signal with respect to changes in the other signal, according to the training data set. The correlation learning unit 14 generates a model for calculating the degree of correlation, which is an index representing the tendency of changes in one signal with respect to changes in the other signal.
実施の形態1において、相関度は、信号同士の変化の態様が類似しているか否かを数値によって表したものである。相関度の値は、一方の信号が変化したときにおける他方の信号の変化の有無、および、一方の信号値の変動幅に対する他方の信号値の変動幅の違いなどが加味された値とされる。相関関係学習部14は、生成されたモデルを用いて、入力された信号データおよび信号台帳データから相関度を計算する。また、相関関係学習部14は、従属関係を有する信号同士について、一方の信号の変化から遅れて他方の信号が変化するという傾向に基づいて、主となる信号と従となる信号とを学習する。 In the first embodiment, the degree of correlation is a numerical value representing whether or not the manner of change between signals is similar. The correlation value is a value that takes into account the presence or absence of a change in the other signal when one signal changes, and the difference in the fluctuation range of the other signal value with respect to the fluctuation range of one signal value. . The correlation learning unit 14 uses the generated model to calculate the degree of correlation from the input signal data and signal ledger data. In addition, the correlation learning unit 14 learns the main signal and the subordinate signal based on the tendency that the other signal changes with a delay from a change in one signal regarding signals having a dependent relationship. .
相関関係学習部14が用いる学習アルゴリズムはどのようなものを用いても良い。一例として、相関関係学習部14が用いる学習アルゴリズムに強化学習(Reinforcement Learning)を適用する場合について説明する。強化学習は、ある環境内におけるエージェントである行動主体が、現在の状態を観測し、取るべき行動を決定する、というものである。エージェントは行動を選択することで環境から報酬を得て、一連の行動を通じて報酬が最も多く得られるような方策を学習する。強化学習の代表的な手法として、Q学習(Q-Learning)およびTD学習(TD-Learning)などが知られている。 Any learning algorithm may be used by the correlation learning unit 14. As an example, a case will be described in which reinforcement learning is applied to the learning algorithm used by the correlation learning unit 14. Reinforcement learning is a method in which an agent in an environment observes the current state and decides what action to take. Agents obtain rewards from the environment by selecting actions, and through a series of actions, they learn strategies that will yield the most rewards. Q-learning, TD-learning, and the like are known as representative methods of reinforcement learning.
相関関係学習部14は、複数の設備2に含まれる設備2同士の相関度を求める場合、信号データと信号台帳データと設備台帳データとを含む訓練データセットを、状態変数として観測する。相関関係学習部14は、一方の設備2によって所有される信号と他方の設備2によって所有される信号とについて、一方の信号の変化に対する他方の信号の変化の傾向を、訓練データセットに従って学習する。また、相関関係学習部14は、複数の設備2に含まれる設備2と信号データ収集部13によって収集される信号との相関度を求める場合、信号データと信号台帳データと設備台帳データとを含む訓練データセットを、状態変数として観測する。相関関係学習部14は、設備2によって所有される信号と信号データ収集部13によって収集される信号とについて、一方の信号の変化に対する他方の信号の変化の傾向を、訓練データセットに従って学習する。
When determining the degree of correlation between
相関関係学習部14は、例えば、スパースモデリングの手法を用いて学習を行っても良い。相関関係学習部14が用いる学習アルゴリズムには、強化学習以外の学習が適用されても良い。学習アルゴリズムには、教師あり学習または半教師あり学習といった学習が適用されても良い。相関関係学習部14は、例えば、深層学習(Deep Learning)、ニューラルネットワーク、遺伝的プログラミング、帰納論理プログラミングまたはサポートベクターマシンといった学習アルゴリズムを用いて機械学習を実行しても良い。 The correlation learning unit 14 may perform learning using a sparse modeling method, for example. Learning algorithms other than reinforcement learning may be applied to the learning algorithm used by the correlation learning unit 14. Learning such as supervised learning or semi-supervised learning may be applied to the learning algorithm. The correlation learning unit 14 may perform machine learning using a learning algorithm such as deep learning, neural network, genetic programming, inductive logic programming, or support vector machine.
変換処理部15は、記憶部12に保存されている相関関係データを読み出す。変換処理部15は、ネットワーク構造を表示するための変換処理を相関関係データに施す。ネットワーク構造は、信号データ収集部13によって収集される信号を表すシンボルと、設備2を表すシンボルとを含む。ネットワーク構造では、相関関係を有する信号同士について、一方の信号のシンボルと他方の信号のシンボルとがつながれる。ネットワーク構造では、相関関係を有する設備2同士について、一方の設備2のシンボルと他方の設備2のシンボルとがつながれる。ネットワーク構造では、相関関係を有する設備2と信号とについて、設備2を表すシンボルと信号を表すシンボルとがつながれる。すなわち、ネットワーク構造では、複数の信号と複数の設備2とについて、相関関係を有する信号のシンボル同士と、相関関係を有する設備2のシンボル同士と、相関関係を有する設備2のシンボルおよび信号のシンボルとの各々が、ネットワーク状につながれる。
The
相関関係データでは、複数の信号に含まれる信号同士について、各信号の信号名と相関関係の有無を示す情報とが対応付けられている。相関関係データでは、複数の設備2に含まれる設備2同士について、各設備2の設備名と相関関係の有無を示す情報とが対応付けられている。相関関係データでは、複数の設備2に含まれる設備2および複数の信号に含まれる信号について、信号の信号名と、設備2の設備名と、相関関係の有無を示す情報とが対応付けられている。変換処理部15は、かかる相関関係データを、例えばグラフデータベースのデータ形式へ変換する。なお、データ形式は、グラフデータベースに限られないものとする。相関関係データは、グラフデータベース以外のデータ形式に変換されても良い。
In the correlation data, for signals included in a plurality of signals, the signal name of each signal and information indicating the presence or absence of a correlation are associated with each other. In the correlation data, for the
監視制御装置1Aは、相関関係データをネットワーク構造へ変換することによって、複数の信号および複数の設備2が複雑な相関関係を有する場合であっても、相関関係を分かり易くユーザに提示することができる。また、監視制御装置1Aは、相関関係による複数の階層を有する階層構造が構築されている場合において、階層構造を分かり易くユーザに提示することができる。
By converting the correlation data into a network structure, the
相関関係学習部14は、相関度を求めた結果を変換処理部15へ出力する。変換処理部15は、ネットワーク構造と併せて相関度についての表示を行うための処理を行う。相関関係学習部14は、ネットワーク構造のデータと相関度の表示のためのデータとを出力する。通信部10は、ネットワーク構造のデータと相関度の表示のためのデータとを、図1に示す端末3へ送信する。端末3は、受信されたデータに示されるネットワーク構造を表示する。端末3は、ネットワーク構造の表示と併せて相関度についての表示を行う。
The correlation learning unit 14 outputs the result of determining the degree of correlation to the
ユーザは、端末3に表示されているネットワーク構造と相関度とを確認しながら端末3を操作することによって、ネットワーク構造における相関関係の編集を指示する。端末3は、編集操作の内容を示す信号を監視制御装置1Aへ送信する。編集操作の内容を示す信号が通信部10において受信されると、相関関係編集部16は、ネットワーク構造に示される相関関係を編集操作に従って編集する。相関関係編集部16は、記憶部12に保存されている相関関係データへ編集後の相関関係を反映させることによって、相関関係データを更新する。
The user instructs editing of the correlation in the network structure by operating the
次に、監視制御装置1Aにおいて収集される信号データの詳細について説明する。図4は、実施の形態1にかかる監視制御装置1Aにおいて収集される信号データの例を示す図である。図4には、信号データの例として、監視制御装置1Aによる監視および制御の対象である複数の設備2のうち、設備名「A1」の設備2について収集された信号値と、設備名「B1」の設備2について収集された信号値とを示す。以下、設備名「A1」の設備2を設備A1、設備名「B1」の設備2を設備B1と称する。
Next, details of the signal data collected by the
信号名「a11」、「a12」、「a13」、「a14」、および「a15」の各信号は、設備A1について信号データ収集部13における収集の対象とされている信号である。以下、信号名「a11」、「a12」、「a13」、「a14」、および「a15」の各信号を、信号a11、信号a12、信号a13、信号a14、および信号a15と称する。信号名「b11」、「b12」、「b13」、および「b14」の各信号は、設備B1について信号データ収集部13における収集の対象とされている信号である。以下、信号名「b11」、「b12」、「b13」、および「b14」の各信号を、信号b11、信号b12、信号b13、および信号b14と称する。 The signals with the signal names "a11", "a12", "a13", "a14", and "a15" are the signals to be collected by the signal data collection unit 13 for the equipment A1. Hereinafter, the signals with signal names "a11", "a12", "a13", "a14", and "a15" are referred to as signal a11, signal a12, signal a13, signal a14, and signal a15. The signals with the signal names "b11", "b12", "b13", and "b14" are the signals that are collected by the signal data collection unit 13 for the equipment B1. Hereinafter, the signals with signal names "b11", "b12", "b13", and "b14" are referred to as signal b11, signal b12, signal b13, and signal b14.
信号データには、少なくとも、監視制御装置1Aが信号値を取得した日時情報であるタイムスタンプと、信号名と、信号値とが含まれる。図4に示す例では、信号データには設備名が含まれる。図4に示す例では、信号値は、数値、あるいは、信号のオンまたはオフの状態を示す情報である。信号データには、実施の形態1における相関関係の認定に使用される情報以外の情報、または、実施の形態1における相関度の学習に使用される情報以外の情報が含まれていても良い。
The signal data includes at least a timestamp, which is date and time information when the
次に、監視制御装置1Aに保存される信号台帳データの詳細について説明する。図5は、実施の形態1にかかる監視制御装置1Aに保存される信号台帳データの例を示す図である。信号台帳データは、監視制御装置1Aが複数の設備2から入力される信号を管理するために、監視制御装置1Aにおいて保持されるデータベースである。
Next, details of the signal ledger data stored in the
信号台帳データには、少なくとも、信号名と、信号値のデータ形を示す情報とが含まれる。図5に示す例では、信号台帳データには、設備2の種別を示す情報と、フロア名と、分電盤IDと、設備IDと、備考とが含まれる。フロア名は、設備2が設置されている階の名称である。分電盤IDは、設備2へ電力を供給する分電盤に付された識別子である。設備IDは、設備2に付された識別子である。備考には、信号に関する補足情報が記載される。補足情報は、信号独自の取り決めについての情報、または、信号によって監視している対象についての情報などである。相関関係学習部14は、信号台帳データに含まれる信号名と設備IDとを基に、設備2と設備2の内部で所有される信号との所有関係を認定する。信号台帳データには、実施の形態1における相関関係の認定に使用される情報以外の情報、または、実施の形態1における相関度の学習に使用される情報以外の情報が含まれていても良い。
The signal ledger data includes at least a signal name and information indicating the data type of the signal value. In the example shown in FIG. 5, the signal ledger data includes information indicating the type of
次に、監視制御装置1Aへ入力される設備台帳データの詳細について説明する。図6は、実施の形態1にかかる監視制御装置1Aへ入力される設備台帳データの例を示す図である。設備台帳データは、設備2の所有者が、建物に設置された設備2の施工のためにまとめたデータベースである。設備台帳データは、設備2の入れ替えといったメンテナンスに応じて更新されても良い。
Next, details of the equipment ledger data input to the
設備台帳データには、少なくとも、設備名と設備IDとが含まれる。図6に示す例では、設備台帳データには、設備2の種別を示す情報と、フロア名と、分電盤IDと、収集プロトコルの情報とが含まれる。収集プロトコルの情報は、信号を収集するための通信規格についての情報である。設備台帳データには、実施の形態1における相関関係の認定に使用される情報以外の情報、または、実施の形態1における相関度の学習に使用される情報以外の情報が含まれていても良い。相関関係学習部14は、信号台帳データと設備台帳データとを基に、設備2と設備2の内部で所有される信号との所有関係を認定しても良い。
The equipment ledger data includes at least an equipment name and an equipment ID. In the example shown in FIG. 6, the equipment ledger data includes information indicating the type of
次に、ネットワーク構造の詳細について説明する。図7は、実施の形態1にかかる監視制御装置1Aによって相関関係データから変換されたネットワーク構造の例を示す図である。図7に示すネットワーク構造において、設備2を表すシンボルは、設備名が記された楕円の図形である。信号を表すシンボルは、信号名が記された楕円の図形である。図7に示すネットワーク構造において、「has」の文字列が付された矢印は、設備2と信号とにおける所有関係を表す。図7に示すネットワーク構造の例は、設備A1と信号a11,a12,a13,a14,a15の各々とが所有関係を有し、設備B1と信号b11,b12,b13,b14の各々とが所有関係を有することを表す。
Next, details of the network structure will be explained. FIG. 7 is a diagram showing an example of a network structure converted from correlation data by the
次に、相関度についての表示と、表示されている相関関係の編集とについて説明する。図8は、実施の形態1にかかる監視制御装置1Aの処理による相関度についての表示と、監視制御装置1Aによる相関関係の編集とについて説明するための図である。図8には、端末3において表示される画面の例を示す。図8に示す例では、図7に示すネットワーク構造の表示と併せて、設備A1と設備B1との相関度についての表示が行われている。
Next, the display of the degree of correlation and the editing of the displayed correlation will be explained. FIG. 8 is a diagram for explaining the display of the correlation degree by the processing of the
設備A1のシンボルと設備B1のシンボルとをつなぐ破線は、相関度の計算対象とされたことを示すオブジェクトである。また、当該破線には、設備A1と設備B1との相関度の計算結果を示す「相関度56.7%」の文字列が付されている。ユーザは、設備A1と設備B1との相関度についての表示を参考として、設備A1と設備B1との間における相関関係の有無を判断することができる。 A broken line connecting the symbol of equipment A1 and the symbol of equipment B1 is an object indicating that the correlation degree is to be calculated. Moreover, a character string "correlation degree 56.7%" indicating the calculation result of the correlation degree between equipment A1 and equipment B1 is attached to the broken line. The user can judge whether there is a correlation between the equipment A1 and the equipment B1 by referring to the display regarding the degree of correlation between the equipment A1 and the equipment B1.
相関度についての表示は、相関度の高さを認識し得るものであれば良く、相関度の値の表示に限られない。相関度についての表示は、例えば、相関度の高さを色分けまたは色の濃淡によって表したオブジェクトの表示などであっても良い。 The display of the degree of correlation may be any display that allows the user to recognize the height of the degree of correlation, and is not limited to the display of the value of the degree of correlation. The display of the degree of correlation may be, for example, a display of objects in which the height of the degree of correlation is expressed by color classification or color shading.
画面に表示されているネットワーク構造から信号のシンボルがユーザによって選択されると、当該画面には、選択された信号について信号値の推移を表すグラフが表示される。図8に示す例では、信号b14が選択された場合において、信号b14について信号値の推移を表すグラフが表示されている。グラフの縦軸は信号値を表し、グラフの横軸は時間を表す。ユーザは、ネットワーク構造から任意の信号を選択することによって、信号値の推移を確認することができる。ユーザは、信号値の推移から、信号値における異常の有無を確認することができる。また、ユーザは、異常が発生した場合には、異常が発生した時点を確認することができる。 When a signal symbol is selected by the user from the network structure displayed on the screen, a graph representing the transition of the signal value for the selected signal is displayed on the screen. In the example shown in FIG. 8, when the signal b14 is selected, a graph showing the transition of the signal value for the signal b14 is displayed. The vertical axis of the graph represents signal values, and the horizontal axis of the graph represents time. The user can check the transition of signal values by selecting any signal from the network structure. The user can check whether there is an abnormality in the signal value from the change in the signal value. Furthermore, if an abnormality occurs, the user can confirm the time point at which the abnormality occurred.
信号b14が選択された状態において、信号b14のシンボルは、他のシンボルとは異なる色で着色されることによって、他のシンボルとは識別可能に表示される。選択された信号のシンボルは、他のシンボルとは色を異ならせて表示されるものに限られず、他のシンボルと識別可能な態様で表示されるものであれば良い。 When the signal b14 is selected, the symbol of the signal b14 is displayed in a different color from the other symbols so that it can be distinguished from the other symbols. The symbol of the selected signal is not limited to being displayed in a different color from other symbols, but may be displayed in a manner that allows it to be distinguished from other symbols.
ユーザは、設備A1と設備B1との間に相関関係があると判断した場合、ネットワーク構造における設備A1と設備B1との間に相関関係を追加するための編集操作を行う。相関関係編集部16は、相関関係を追加するための編集操作に応じて、記憶部12に保存されている相関関係データに、設備A1と設備B1との間の相関関係を示す情報を追加する。編集操作によって追加された相関関係を示す情報には、信号台帳データまたは設備台帳データから自明と判断された相関関係との識別のための情報が付される。端末3の画面に表示されるネットワーク構造では、編集操作によって追加された相関関係は、自明と判断された相関関係とは識別可能に表示される。編集操作によって追加された相関関係を示すオブジェクトには、自明と判断された相関関係を示すオブジェクトとは異なるオブジェクトが使用される。例えば、自明と判断された相関関係を示すオブジェクトは実線の矢印であって、編集操作によって追加された相関関係は破線の矢印である。
When the user determines that there is a correlation between equipment A1 and equipment B1, the user performs an editing operation to add a correlation between equipment A1 and equipment B1 in the network structure. The correlation editing unit 16 adds information indicating the correlation between the equipment A1 and the equipment B1 to the correlation data stored in the
ユーザは、追加された相関関係を削除するための編集操作も行うことができる。相関関係編集部16は、相関関係を削除するための編集操作に応じて、削除の対象である相関関係を示す情報を相関関係データから削除する。 The user can also perform an editing operation to delete added correlations. The correlation editing unit 16 deletes information indicating the correlation to be deleted from the correlation data in response to an editing operation for deleting the correlation.
監視制御装置1Aは、相関関係編集部16による編集の履歴を記録しても良い。複数のユーザの各々による編集操作が可能である場合は、編集履歴に、編集を行ったユーザの情報が含められても良い。ユーザは、編集履歴を確認することによって、過去の編集の内容を活用して編集作業を行うことができる。過去の編集に誤りがあった場合は、誤りがあったときの編集の内容を編集履歴から確認することができる。また、編集履歴の確認によって、改ざんの有無をチェックすることができる。編集履歴は、監視制御装置1Aの外部の装置に保存されても良い。
The
複数のユーザの各々による編集操作が可能である場合は、編集操作によって追加された相関関係に、ユーザに応じた重み付けが付与されても良い。専門的な知識を有する管理業者、あるいは、建物または設備2の所有者などといった、ユーザの属性についてあらかじめ設定された条件に基づいて各ユーザの重み付けを設定しておき、上位の重み付けが設定されているユーザによって入力および決定された相関関係が優先して設定されるようにしても良い。
If each of a plurality of users can perform an editing operation, the correlation added by the editing operation may be weighted according to the user. Weighting is set for each user based on preset conditions regarding the user's attributes, such as a management company with specialized knowledge or the owner of a building or
次に、監視制御装置1Aの動作について説明する。図9は、実施の形態1にかかる監視制御装置1Aの動作手順を示すフローチャートである。
Next, the operation of the
ステップS1において、監視制御装置1Aは、信号データ収集部13において信号データを収集する。収集された信号データは、記憶部12に保存される。
In step S1, the
ステップS2において、監視制御装置1Aは、記憶部12に相関関係データが保存されているか否かを、相関関係学習部14において判断する。相関関係データが保存されている場合(ステップS2,Yes)、監視制御装置1Aは、ステップS3へ手順を進める。相関関係データが保存されていない場合(ステップS2,No)、監視制御装置1Aは、ステップS4へ手順を進める。
In step S2, the
ステップS4において、監視制御装置1Aは、相関関係学習部14において相関関係の新規学習を実行する。相関関係学習部14は、記憶部12から信号台帳データを読み出す。また、相関関係学習部14は、記憶装置4から設備台帳データを取得する。相関関係学習部14は、信号台帳データに基づいて、信号同士の相関関係を認定する。相関関係学習部14は、設備台帳データに基づいて、設備2同士の相関関係を認定する。相関関係学習部14は、設備台帳データに基づいて、設備2と信号との相関関係を認定する。相関関係学習部14は、認定の結果を示す相関関係データを記憶部12へ出力する。また、相関関係学習部14は、信号同士の相関関係を学習し、学習結果に基づいて、信号同士の相関度を計算する。相関関係学習部14は、設備2同士の相関関係を学習し、学習結果に基づいて、設備2同士の相関度を計算する。相関関係学習部14は、設備2と信号との相関関係を学習し、学習結果に基づいて、設備2と信号との相関度を計算する。
In step S4, the
ステップS3において、監視制御装置1Aは、相関関係学習部14において相関関係の再学習を実行する。相関関係学習部14は、信号台帳データに基づいて、信号同士の相関関係を再認定する。相関関係学習部14は、設備台帳データに基づいて、設備2同士の相関関係を再認定する。相関関係学習部14は、設備台帳データに基づいて、設備2と信号との相関関係を再認定する。相関関係学習部14は、認定の結果を示す相関関係データを記憶部12へ出力する。また、相関関係学習部14は、信号同士の相関関係を再学習し、再学習の結果に基づいて、信号同士の相関度を計算する。相関関係学習部14は、設備2同士の相関関係を再学習し、再学習の結果に基づいて、設備2同士の相関度を計算する。相関関係学習部14は、設備2と信号との相関関係を再学習し、再学習の結果に基づいて、設備2と信号との相関度を計算する。
In step S3, the
ステップS3またはステップS4の後のステップS5において、監視制御装置1Aは、変換処理部15において、相関関係データの変換処理を実行する。変換処理部15は、ネットワーク構造を表示するための変換処理を相関関係データに施す。また、変換処理部15は、ネットワーク構造と併せて相関度についての表示を行うための処理を行う。
In step S5 after step S3 or step S4, the monitoring and
ステップS6において、監視制御装置1Aは、ネットワーク構造を示すデータであるネットワーク構造データを端末3へ送信する。監視制御装置1Aは、ネットワーク構造データとともに、相関度についての表示のためのデータを端末3へ送信する。端末3は、ネットワーク構造データに示されるネットワーク構造を画面に表示する。また、端末3は、相関度についての表示のためのデータに従って、相関度についての表示を行う。
In step S6, the
相関関係編集部16は、記憶部12から相関関係データを読み出す。ステップS7において、監視制御装置1Aは、端末3において編集操作があったか否かを、相関関係編集部16において判断する。編集操作があった場合(ステップS7,Yes)、監視制御装置1Aは、ステップS8へ手順を進める。編集操作がなかった場合(ステップS7,No)、監視制御装置1Aは、ステップS9へ手順を進める。
The correlation editing unit 16 reads correlation data from the
ステップS8において、監視制御装置1Aは、相関関係編集部16によって、ネットワーク構造に示される相関関係を編集操作に従って編集し、編集内容が反映された相関関係データを記憶部12に保存する。相関関係編集部16は、記憶部12から読み出された相関関係データに編集内容を反映させ、編集内容を反映させた相関関係データを記憶部12に書き込む。
In step S8, the
ステップS9において、監視制御装置1Aは、相関関係編集部16によって相関関係データを記憶部12に保存する。相関関係編集部16は、記憶部12から読み出された相関関係データに変更を加えず、読み出された相関関係データをそのまま記憶部12に書き込む。監視制御装置1Aは、ステップS8またはステップS9を終えることによって、図9に示す手順による動作を終了する。
In step S9, the
実施の形態1によると、監視制御装置1Aは、信号データ収集部13における収集の対象である信号同士の相関関係を、信号台帳データに基づいて認定する。監視制御装置1Aは、収集された信号データと信号台帳データとに基づいた学習によって信号同士の相関度を求める。また、監視制御装置1Aは、設備2同士の相関関係、または、設備2と信号との相関関係を、設備台帳データに基づいて認定する。監視制御装置1Aは、収集された信号データと信号台帳データと設備台帳データとに基づいた学習によって、設備2同士の相関度、または設備2と信号との相関度を求める。
According to the first embodiment, the
監視制御装置1Aは、複数の設備2および複数の信号からなる階層構造についての専門的な知識をユーザが持たない場合であっても、信号データ、信号台帳データおよび設備台帳データを基に相関関係を提示することができる。また、各設備2の階層を特定するためのルールを事前に決めておく必要が無いため、監視制御装置1Aは、事前に決定されたルールから階層構造が逸脱したことによって相関関係を提示することができないという事態を回避することができる。以上により、監視制御装置1Aは、設備2の状態を表す信号同士の相関関係を提示することができるという効果を奏する。また、監視制御装置1Aは、設備2同士の相関関係、または、設備2と信号との相関関係を提示することができるという効果を奏する。
Even if the user does not have specialized knowledge about the hierarchical structure consisting of multiple pieces of
実施の形態2.
図10は、実施の形態2にかかる監視制御装置1Bの構成例を示す図である。図10には、監視制御装置1Bと、監視制御装置1Bに接続されている記憶装置4とを示す。監視制御装置1Bは、実施の形態1にかかる監視制御装置1Aと同様の構成と、ラベル作成部17とを備える。実施の形態2では、上記の実施の形態1と同一の構成要素には同一の符号を付し、実施の形態1とは異なる構成について主に説明する。
FIG. 10 is a diagram illustrating a configuration example of a supervisory control device 1B according to the second embodiment. FIG. 10 shows a supervisory control device 1B and a
ラベル作成部17は、設備の状態を表す信号の変化を表すグラフを表示する際における信号の属性を表すラベルを、相関関係データに基づいて自動作成する。端末3では、信号データ収集部13における収集の対象である複数の信号の中から2つ以上の信号が絞り込まれて、絞り込まれた各信号を表すグラフが同時に表示される。ラベルは、信号の絞り込みに使用される属性を表す。
The
ラベル作成部17は、記憶部12から相関関係データを読み出す。ラベル作成部17は、相関関係データに示される信号同士の相関関係に基づいて、ラベルとする属性を判断する。ラベル作成部17は、信号のクラスタリングを行うことによって、同一のクラスタと判断された信号に共通する属性を、ラベルとする属性と判断しても良い。
The
例えば、ビルの階ごとの消費電力量のグラフを表示する場合、ラベルは、消費電力量およびビルの階である。設備2の種別ごとの消費電力量のグラフを表示する場合、ラベルは、消費電力量および設備2の種別である。設備2の定格電圧ごとの消費電力量のグラフを表示する場合、ラベルは、消費電力量および設備2の定格電圧である。
For example, when displaying a graph of power consumption for each floor of a building, the labels are power consumption and building floor. When displaying a graph of power consumption for each type of
ここで、相関関係データに基づいてラベルを自動作成する方法の一例を説明する。例えば、相関関係がある信号同士において、各信号の信号名に共通のキーワードが含まれるとする。ラベル作成部17は、共通のキーワードを、ラベルとする属性であると判断する。共通のキーワードが含まれるか否かを判断する方法としては、まず、各信号の信号名を、信号名よりも短い文字列のワードに分割する。信号名の分割には、例えば、形態素解析といった自然言語処理の技術を適用できる。次に、分割されたワードごとに文字列の類似度を評価することによって、共通のキーワードが含まれるか否かを判断する。文字列の類似度の評価には、例えば、レーベンシュタイン距離法、または、ゲシュタルトパターンマッチングといった方法を適用できる。ラベル作成部17は、共通のキーワードと判断されたワードを信号名から抽出することによって、ラベルを自動作成することができる。
Here, an example of a method for automatically creating a label based on correlation data will be described. For example, it is assumed that a common keyword is included in the signal name of each signal that has a correlation with each other. The
図11は、実施の形態2により表示されるグラフの第1の例を示す図である。図11に示す第1の例は、ビルの階ごとにおける消費電力量の推移を表すグラフの例である。第1の例では、ビルの1階の全体における消費電力量の推移を表すグラフと、ビルの2階の全体における消費電力量の推移を表すグラフとが、互いに同じ縦軸および横軸を使用して表示される。すなわち、各階の消費電力量のグラフが同時に表示される。 FIG. 11 is a diagram showing a first example of a graph displayed according to the second embodiment. The first example shown in FIG. 11 is an example of a graph showing changes in power consumption for each floor of a building. In the first example, the graph representing the change in power consumption on the entire first floor of the building and the graph representing the change in power consumption on the entire second floor of the building use the same vertical and horizontal axes. will be displayed. That is, graphs of power consumption on each floor are displayed simultaneously.
図12は、実施の形態2により表示されるグラフの第2の例を示す図である。図12に示す第2の例は、設備2の種別ごとにおける消費電力量の推移を表すグラフの例である。第2の例では、ビルに設置されている電力設備の全体における消費電力量の推移を表すグラフと、ビルに設置されているエレベーターの全体における消費電力量の推移を表すグラフとが、互いに同じ縦軸および横軸を使用して表示される。すなわち、設備2の各種別の消費電力量のグラフが同時に表示される。
FIG. 12 is a diagram showing a second example of a graph displayed according to the second embodiment. The second example shown in FIG. 12 is an example of a graph showing changes in power consumption for each type of
複数のラベルの一覧の中からラベルが選択されることによって、表示されるグラフが切り換え可能であっても良い。図13は、実施の形態2におけるグラフの切り換えについて説明するための図である。図13には、ラベルが選択される際において端末3の画面に表示されるプルダウンメニューの例を示す。図13に示すプルダウンメニューは、ユーザによる端末3への操作によって表示される。図13に示す例は、消費電力量のグラフを表示する場合において、さらにラベルを絞り込む際のプルダウンメニューの例とする。図13において、「フロア別」の選択肢は、ビルの階を表す。「電圧別」の選択肢は、設備2の定格電圧を表す。「用途別」の選択肢は、設備2の種別を表す。
The displayed graph may be switchable by selecting a label from a list of multiple labels. FIG. 13 is a diagram for explaining graph switching in the second embodiment. FIG. 13 shows an example of a pull-down menu displayed on the screen of the
選択肢である複数のラベルの各々は、ラベル作成部17によって作成される。プルダウンメニューから選択肢であるラベルがユーザによって選択されることによって、選択されたラベルに応じたグラフが画面に表示される。なお。ラベルの選択には、プルダウンメニュー以外の手段が使用されても良い。
Each of the plurality of labels that are options is created by the
実施の形態2によると、監視制御装置1Bは、相関関係データに基づいてラベルを自動作成することによって、ラベルを作成するためのユーザの手作業を不要とすることができる。 According to the second embodiment, the supervisory control device 1B can eliminate the need for the user's manual work to create labels by automatically creating labels based on correlation data.
実施の形態3.
図14は、実施の形態3にかかる監視制御装置1Cの構成例を示す図である。図14には、監視制御装置1Cと、監視制御装置1Cに接続されている記憶装置4とを示す。監視制御装置1Cは、実施の形態1にかかる監視制御装置1Aと同様の構成と、異常検知部18とを備える。実施の形態3では、上記の実施の形態1または2と同一の構成要素には同一の符号を付し、実施の形態1または2とは異なる構成について主に説明する。
FIG. 14 is a diagram illustrating a configuration example of a
異常検知部18には、相関関係学習部14による相関度の計算結果が入力される。異常検知部18は、相関関係学習部14による相関度の計算結果を監視する。異常検知部18は、相関度の過去の計算結果を、記憶部12に保存されている相関関係データから取得しても良い。異常検知部18は、信号データ収集部13による収集の対象である信号同士について、信号同士のうち一方の信号の変化に対する他方の信号の変化の傾向における異常を、相関度の計算結果の変化に基づいて検知する。これにより、異常検知部18は、あらかじめ把握されている相関関係の中で異常な振る舞いを示す要素である設備2または信号を自動検知する。
The calculation result of the degree of correlation by the correlation learning unit 14 is input to the
異常検知部18は、例えば、相関度の計算結果の変動幅があらかじめ設定された閾値を超えた場合に、異常を検知する。異常検知部18は、異常を検知すると、異常が発生したことを示すアラートを出力する。通信部10は、異常検知部18によって出力されたアラートを端末3へ送信する。端末3は、アラートを受信すると、画面にアラートを表示する。端末3は、例えば、異常が検知された要素に対する点検を指示するメッセージを画面に表示する。これにより、異常に対する早急な対応が可能となる。
The
異常検知部18によって検知される異常には、設備2の故障、断線、配管の目詰まり、または漏水などといったトラブルによる異常が含まれる。異常検知部18によって検知される異常は、トラブルによるものに限られない。例えば、複数の設備2および複数の信号における接続の態様が改変された場合など、監視制御装置1Cが取得可能な各種データからは確認できない改変があった場合も、異常に含まれる。
The abnormalities detected by the
実施の形態3によると、監視制御装置1Cは、信号同士のうち一方の信号の変化に対する他方の信号の変化の傾向における異常を、相関度の計算結果の変化に基づいて自動検知することによって、異常の早期発見が可能となる。ユーザは、異常への早急な対応が可能となる。
According to the third embodiment, the
実施の形態4.
図15は、実施の形態4にかかる監視制御装置1Dの構成例を示す図である。図15には、監視制御装置1Dと、監視制御装置1Dに接続されている記憶装置4とを示す。監視制御装置1Dは、実施の形態1にかかる監視制御装置1Aと同様の構成と、ネットワーク構造学習部19とを備える。実施の形態4では、上記の実施の形態1から3と同一の構成要素には同一の符号を付し、実施の形態1から3とは異なる構成について主に説明する。
FIG. 15 is a diagram illustrating a configuration example of the supervisory control device 1D according to the fourth embodiment. FIG. 15 shows a supervisory control device 1D and a
ネットワーク構造学習部19は、複数のネットワーク構造の特徴を学習する。監視制御装置1Dは、複数の建物の各々または建物内の複数の階の各々といった現場ごとの相関関係データを収集する。収集した相関関係データは、記憶部12に保存される。ネットワーク構造学習部19は、収集された相関関係データを使用して、各相関関係データに示されるネットワーク構造から特徴的な構造を学習する。ネットワーク構造学習部19は、学習の結果を基に、相関関係データが収集された現場以外の現場のネットワーク構造を推定する。
The network
ネットワーク構造学習部19が学習するネットワーク構造の特徴とは、階層構造の構成、または相関関係の傾向などである。例えば、ネットワーク構造学習部19は、信号名に特定の文字列を含む信号同士には従属関係があるというルールを、収集した相関関係データから学習する。ネットワーク構造学習部19は、当該学習の結果を基に、信号同士の相関関係が把握されていない現場においても当該ルールが成立するか否かを検証する。
The characteristics of the network structure that the network
ネットワーク構造学習部19は、ある現場にて把握されていない相関関係を、他の現場のネットワーク構造で定められる相関関係を基に推定しても良い。ここで、把握されていない相関関係を推定する例について説明する。「建物X」、「建物Y」の各々は、複数の建物に含まれる建物とする。「建物X」の信号台帳データには、通信プロトコルごとに信号収集装置が設けられていることが示されており、かつ、「建物X」のネットワーク構造には、信号収集装置が設備2を所有する所有関係が定められているとする。一方、「建物Y」では、通信プロトコルごとに信号収集装置が設けられているが、信号収集装置が複数の設備2のうちの1つとして扱われているとする。かかるケースにおいて、ネットワーク構造学習部19は、「建物X」の信号収集装置と設備2とにおける所有関係が「建物Y」の信号収集装置と設備2とにおいても成立すると推定する。
The network
かかる推定に基づいて、ネットワーク構造学習部19は、信号収集装置の通信プロトコルに対応する設備2を信号収集装置が所有する所有関係が、「建物Y」の信号収集装置と設備2との間に成立するか否かを、「建物Y」に設置されている監視制御装置1Dのユーザに問い合わせる。問い合わせを受けたユーザが、所有関係が成立することを承認した場合、ネットワーク構造学習部19は、信号収集装置が設備2を所有する所有関係を「建物Y」の相関関係データに追加する修正を行う。このように、ネットワーク構造学習部19は、相関関係を推定することにより、相関関係が成立することを確認した上で相関関係データを修正する。
Based on this estimation, the network
実施の形態4によると、監視制御装置1Dは、複数のネットワーク構造の特徴を学習することによって、学習の結果を、相関関係データが収集された現場以外の現場のネットワーク構造を特定するために活用することができる。 According to the fourth embodiment, the supervisory control device 1D learns the characteristics of a plurality of network structures, and uses the learning results to identify the network structure of a site other than the site where the correlation data was collected. can do.
実施の形態4の応用として、複数の監視制御装置1Dに接続されたクラウドセンターを設け、ネットワーク構造の特徴について各監視制御装置1Dでの学習によって得られたルールをクラウドセンターが収集しても良い。クラウドセンターは、収集されたルールを体系化し、体系化されたルールを各監視制御装置1Dへ配信しても良い。これにより、各監視制御装置1Dは、体系化されたルールに基づいてネットワーク構造を特定することができる。 As an application of the fourth embodiment, a cloud center connected to a plurality of supervisory control devices 1D may be provided, and the cloud center may collect rules obtained through learning by each supervisory control device 1D regarding the characteristics of the network structure. . The cloud center may systematize the collected rules and distribute the systemized rules to each monitoring control device 1D. Thereby, each supervisory control device 1D can specify the network structure based on the systemized rules.
実施の形態5.
図16は、実施の形態5にかかる監視制御装置1Eの構成例を示す図である。監視制御装置1Eは、複数の設備2についての点検保守データを受信し、点検保守データの項目と信号との相関度を学習する。実施の形態5では、上記の実施の形態1から4と同一の構成要素には同一の符号を付し、実施の形態1から4とは異なる構成について主に説明する。点検保守データは、設備2を点検した結果と設備2の保守作業を行った結果との少なくとも一方を含むものとする。保守作業には、修理、部品交換、および清掃といった、設備2の使用を継続するために実施される作業全般が含まれる。以下、点検保守とは、点検および保守の少なくとも一方を指すものとする。
FIG. 16 is a diagram illustrating a configuration example of a
記憶装置5は、監視制御システムの外部の装置である。記憶装置5は、例えば、複数の設備2についての点検保守を行う事業者の装置である。実施の形態1では、点検保守を行う事業者は、設備2が設置されている建物の所有者以外の者とする。記憶装置5は、ネットワークを介して監視制御装置1Eに通信可能に接続されている。記憶装置5は、監視制御装置1Eからの要求に応じて、記憶装置5に保存されている点検保守データを監視制御装置1Eへ送信する。図16には、監視制御装置1Eと、監視制御装置1Eに接続されている記憶装置4と、監視制御装置1Eに接続されている記憶装置5とを示す。
The
相関関係学習部14は、実施の形態1と同様の学習を行う。実施の形態5において、相関関係学習部14は、さらに、点検保守データと信号データとに基づいた学習によって、点検保守の項目と設備2の状態を表す信号との相関度を求める。
The correlation learning unit 14 performs learning similar to that in the first embodiment. In the fifth embodiment, the correlation learning unit 14 further determines the degree of correlation between the inspection and maintenance items and the signal representing the state of the
相関関係学習部14は、記憶装置5から点検保守データを取得する。相関関係学習部14は、信号データと点検保守データとを含む訓練データセットを、状態変数として観測する。相関関係学習部14は、点検保守の項目の内容の変化に対する信号の変化の傾向を、訓練データセットに従って学習する。相関関係学習部14は、点検保守の項目の内容の変化に対する信号の変化の傾向を表す指標である相関度を計算するためのモデルを生成する。相関関係学習部14は、点検保守の項目と信号との相関度を求めた結果を変換処理部15へ出力する。
The correlation learning unit 14 acquires inspection and maintenance data from the
変換処理部15は、実施の形態1の場合と同様に、相関度についての表示を行うための処理を行う。実施の形態5では、変換処理部15は、さらに、点検保守の項目と信号との相関度についての表示を行うための処理を行う。端末3の画面には、実施の形態1の場合と同様の表示に、点検保守の項目と信号との相関度についての表示が追加される。
The
ユーザは、点検保守の項目と信号との間に相関関係があると判断した場合、ネットワーク構造における点検保守の項目と信号との間に相関関係を追加するための編集操作を行う。相関関係編集部16は、相関関係を追加するための編集操作に応じて、記憶部12に保存されている相関関係データに、点検保守の項目と信号との間の相関関係を示す情報を追加する。
When the user determines that there is a correlation between the inspection and maintenance item and the signal, the user performs an editing operation to add the correlation between the inspection and maintenance item and the signal in the network structure. The correlation editing unit 16 adds information indicating the correlation between the inspection and maintenance items and the signal to the correlation data stored in the
実施の形態5によると、監視制御装置1Eは、点検保守データと信号データとに基づいた学習によって点検保守の項目と設備2の状態を表す信号との相関度を求める。このため、ユーザは、収集された信号データに異常が見つかった場合に、点検保守の項目を加味して異常の原因を探索することができる。また、点検保守の項目と信号との相関度についての表示が追加されることで、ユーザは、信号に変化が見られた場合において、異常が生じた可能性があるものと判断して、点検保守を依頼することができる。
According to the fifth embodiment, the
監視制御装置1Eは、ネットワーク構造に相関関係が追加された点検保守の項目と信号とについて、信号値の変動幅があらかじめ設定された閾値を超えた場合に、点検保守を促すアラートを出力しても良い。通信部10は、異常検知部18によって出力されたアラートを端末3へ送信する。端末3は、アラートを受信すると、画面にアラートを表示する。端末3は、例えば、異常が検知された要素に対する点検を指示するメッセージを画面に表示する。これにより、異常に対する早急な対応が可能となる。
The
次に、実施の形態1から5にかかる監視制御装置1A,1B,1C,1D,1Eのハードウェア構成について説明する。図17は、実施の形態1から5にかかる監視制御装置1A,1B,1C,1D,1Eのハードウェア構成例を示す図である。監視制御装置1A,1B,1C,1D,1Eは、処理回路30と通信装置31とを備えるコンピュータシステムにより実現される。処理回路30は、プロセッサ32およびメモリ33を備える。処理回路30は、プロセッサ32がソフトウェアを実行する回路である。
Next, the hardware configurations of the
監視制御装置1A,1B,1C,1D,1Eの処理部11は、ソフトウェア、ファームウェア、またはソフトウェアとファームウェアとの組み合わせにより実現される。ソフトウェアまたはファームウェアはプログラムとして記述され、メモリ33に格納される。処理回路30では、メモリ33に記憶された当該プログラムである監視制御プログラムをプロセッサ32が読み出して実行することにより、処理部11の各機能を実現する。すなわち、処理回路30は、監視制御装置1A,1B,1C,1D,1Eの処理が結果的に実行されることになる監視制御プログラムを格納するためのメモリ33を備える。また、監視制御プログラムは、監視制御装置1A,1B,1C,1D,1Eの手順および方法をコンピュータに実行させるものであるともいえる。
The processing units 11 of the
プロセッサ32は、CPU(Central Processing Unit、中央処理装置、処理装置、演算装置、マイクロプロセッサ、マイクロコンピュータ、プロセッサ、またはDSP(Digital Signal Processor)ともいう)である。メモリ33は、例えば、RAM(Random Access Memory)、ROM(Read Only Memory)、フラッシュメモリ、EPROM(Erasable Programmable Read Only Memory)、EEPROM(登録商標)(Electrically Erasable Programmable Read Only Memory)等の、不揮発性または揮発性の半導体メモリ、磁気ディスク、フレキシブルディスク、光ディスク、コンパクトディスク、ミニディスクまたはDVD(Digital Versatile Disc)等が該当する。監視制御装置1A,1B,1C,1D,1Eの記憶部12は、メモリ33により実現される。監視制御装置1A,1B,1C,1D,1Eの通信部10は、通信装置31により実現される。なお、監視制御装置1A,1B,1C,1D,1Eは、ASIC(Application Specific Integrated Circuit)またはFPGA(Field Programmable Gate Array)などの集積回路を含んでいても良い。監視制御プログラムは、CD(Compact Disc)-ROM、DVD-ROMなどの記録媒体に格納され、各実施の形態を実現させるために記録媒体が提供されても良い。
The
監視制御装置1A,1B,1C,1D,1Eは、2つ以上の装置、例えば、2つ以上のサーバで構成されてもよい。監視制御装置1A,1B,1C,1D,1Eは、処理サーバと、データサーバとで構成されても良い。監視制御装置1A,1B,1C,1D,1Eが2以上の装置で構成される場合、2つ以上の装置の各々は、例えば、図17に示すハードウェア構成を有する。なお、2つ以上の装置間の通信は、通信装置31を介して行われる。
The
端末3は、図17に示すハードウェア構成と同様のハードウェア構成により実現される。端末3は、さらに、ユーザによって操作される入力装置と、画面を表示する表示装置とを備える。入力装置は、例えば、キーボード、マウス、キーパッド、またはタッチパネルなどを含む。表示装置は、例えば、LCD(Liquid Crystal Display)または有機EL(Electro-Luminescence)ディスプレイである。
The
以上の各実施の形態に示した構成は、本開示の内容の一例を示すものである。各実施の形態の構成は、別の公知の技術と組み合わせることが可能である。各実施の形態の構成同士が適宜組み合わせられても良い。本開示の要旨を逸脱しない範囲で、各実施の形態の構成の一部を省略または変更することが可能である。 The configurations shown in each of the embodiments above are examples of the contents of the present disclosure. The configuration of each embodiment can be combined with other known techniques. The configurations of each embodiment may be combined as appropriate. It is possible to omit or change a part of the configuration of each embodiment without departing from the gist of the present disclosure.
以下、本開示の諸態様を付記としてまとめて記載する。 Hereinafter, various aspects of the present disclosure will be collectively described as supplementary notes.
(付記1)
監視および制御の対象である複数の設備の各々について、前記設備の状態を表す信号の信号値を含む信号データを収集する信号データ収集部と、
複数の前記信号の各々についての前記信号の属性をまとめた信号台帳データに基づいて、複数の前記信号に含まれる信号同士において一方の信号値の変化に連動して他方の信号値が変化する相関関係を認定して、認定の結果を示す相関関係データを出力し、かつ、前記相関関係が認定された信号以外の信号同士の相関度を前記信号データと前記信号台帳データとに基づいた学習によって求める相関関係学習部と、
前記相関関係を有する前記信号のシンボル同士がネットワーク状につながれたネットワーク構造を表示するための変換処理を前記相関関係データに施し、かつ、前記ネットワーク構造と併せて前記相関度についての表示を行うための処理を行う変換処理部と、
前記ネットワーク構造に示される前記相関関係を編集操作に従って編集する相関関係編集部と、
を備えることを特徴とする監視制御装置。
(Additional note 1)
a signal data collection unit that collects signal data including a signal value of a signal representing a state of the equipment for each of the plurality of equipment to be monitored and controlled;
A correlation in which the signal value of one signal changes in conjunction with a change in the signal value of the other signal among the signals included in the plurality of signals, based on signal ledger data that summarizes the attributes of the signal for each of the plurality of signals. certify the relationship, output correlation data indicating the result of the certification, and determine the degree of correlation between signals other than the signals for which the correlation has been determined by learning based on the signal data and the signal ledger data. The desired correlation learning section,
performing a conversion process on the correlation data to display a network structure in which symbols of the signal having the correlation are connected in a network, and displaying the degree of correlation together with the network structure; a conversion processing unit that performs processing;
a correlation editing unit that edits the correlation shown in the network structure according to an editing operation;
A supervisory control device comprising:
(付記2)
前記相関関係学習部は、複数の前記設備の各々について前記設備の属性をまとめた設備台帳データを取得し、複数の前記設備に含まれる設備同士における相関関係、または、複数の前記設備に含まれる設備と複数の前記信号に含まれる信号とにおける相関関係を、前記設備台帳データに基づいて認定することを特徴とする付記1に記載の監視制御装置。
(Additional note 2)
The correlation learning unit acquires equipment ledger data that summarizes the attributes of the equipment for each of the plurality of equipment, and learns the correlation between the equipment included in the plurality of equipment, or the correlation between the equipment included in the plurality of equipment. The monitoring and control device according to
(付記3)
前記相関関係学習部は、複数の前記設備に含まれる設備同士の相関度、または、複数の前記設備に含まれる前記設備と複数の前記信号に含まれる前記信号との相関度を、前記信号データと前記信号台帳データと前記設備台帳データとに基づいた学習によって求めることを特徴とする付記2に記載の監視制御装置。
(Additional note 3)
The correlation learning unit calculates the degree of correlation between equipment included in the plurality of equipment, or the degree of correlation between the equipment included in the equipment and the signal included in the plurality of signals, based on the signal data. The monitoring and control device according to
(付記4)
前記相関関係には、一方の信号に基づいた制御によって他方の信号が変化する場合における信号同士の関係である従属関係と、前記設備と前記設備の内部で所有される信号との関係である所有関係と、前記従属関係および前記所有関係以外の関係である接続関係とが含まれることを特徴とする付記1から3のいずれか1つに記載の監視制御装置。
(Additional note 4)
The correlation includes a dependent relationship, which is a relationship between signals when control based on one signal changes another signal, and an ownership relationship, which is a relationship between the equipment and the signals owned within the equipment. 4. The supervisory control device according to any one of
(付記5)
前記設備の状態を表す前記信号の変化を表すグラフを表示する際における前記信号の属性を表すラベルを、前記相関関係データに基づいて自動作成するラベル作成部を備えることを特徴とする付記1から4のいずれか1つに記載の監視制御装置。
(Appendix 5)
From
(付記6)
前記信号同士のうち一方の信号の変化に対する他方の信号の変化の傾向における異常を、前記相関度の計算結果の変化に基づいて検知する異常検知部を備えることを特徴とする付記1から4のいずれか1つに記載の監視制御装置。
(Appendix 6)
(付記7)
複数の前記ネットワーク構造の特徴を学習するネットワーク構造学習部を備えることを特徴とする付記1から4のいずれか1つに記載の監視制御装置。
(Appendix 7)
5. The supervisory control device according to any one of
(付記8)
前記相関関係学習部は、さらに、前記設備を点検した結果と前記設備の保守作業を行った結果との少なくとも一方を含む点検保守データと前記信号データとに基づいた学習によって、点検または保守の項目と前記設備の状態を表す信号との相関度を求めることを特徴とする付記1から4のいずれか1つに記載の監視制御装置。
(Appendix 8)
The correlation learning unit further learns inspection or maintenance items by learning based on the signal data and inspection and maintenance data including at least one of the results of inspecting the equipment and the results of maintenance work on the equipment. 5. The monitoring and control device according to any one of
(付記9)
監視制御装置により複数の設備の各々の監視および制御を行う監視制御方法であって、
複数の前記設備の各々について、前記設備の状態を表す信号の信号値を含む信号データを収集するステップと、
複数の前記信号の各々についての前記信号の属性をまとめた信号台帳データに基づいて、複数の前記信号に含まれる信号同士において一方の信号値の変化に連動して他方の信号値が変化する相関関係を認定して、認定の結果を示す相関関係データを出力し、かつ、前記相関関係が認定された信号以外の信号同士の相関度を前記信号データと前記信号台帳データとに基づいた学習によって求めるステップと、
前記相関関係を有する前記信号のシンボル同士がネットワーク状につながれたネットワーク構造を表示するための変換処理を前記相関関係データに施し、かつ、前記ネットワーク構造と併せて前記相関度についての表示を行うための処理を行うステップと、
前記ネットワーク構造に示される前記相関関係を編集操作に従って編集するステップと、
を含むことを特徴とする監視制御方法。
(Appendix 9)
A supervisory control method for monitoring and controlling each of a plurality of facilities using a supervisory control device, the method comprising:
collecting, for each of the plurality of facilities, signal data including a signal value of a signal representing a state of the facility;
A correlation in which the signal value of one signal changes in conjunction with a change in the signal value of the other signal among the signals included in the plurality of signals, based on signal ledger data that summarizes the attributes of the signal for each of the plurality of signals. certify the relationship, output correlation data indicating the result of the certification, and determine the degree of correlation between signals other than the signals for which the correlation has been determined by learning based on the signal data and the signal ledger data. The steps you are looking for and
performing a conversion process on the correlation data to display a network structure in which symbols of the signal having the correlation are connected in a network, and displaying the degree of correlation together with the network structure; a step of processing;
editing the correlation shown in the network structure according to an editing operation;
A supervisory control method characterized by comprising:
(付記10)
前記相関関係データを出力し、かつ、前記学習によって前記相関度を求める前記ステップでは、複数の前記設備の各々について前記設備の属性をまとめた設備台帳データを取得し、複数の前記設備に含まれる設備同士における相関関係、または、複数の前記設備に含まれる設備と複数の前記信号に含まれる信号とにおける相関関係を、前記設備台帳データに基づいて認定することを特徴とする付記9に記載の監視制御方法。
(Appendix 10)
In the step of outputting the correlation data and determining the degree of correlation by the learning, equipment ledger data summarizing the attributes of the equipment is acquired for each of the plurality of equipment, and equipment included in the plurality of equipment is acquired. Supplementary Note 9, characterized in that the correlation between equipment or the correlation between equipment included in a plurality of the equipment and signals included in a plurality of the signals is certified based on the equipment ledger data. Supervisory control method.
(付記11)
前記相関関係データを出力し、かつ、前記学習によって前記相関度を求める前記ステップでは、複数の前記設備に含まれる設備同士の相関度、または、複数の前記設備に含まれる前記設備と複数の前記信号に含まれる前記信号との相関度を、前記信号データと前記信号台帳データと前記設備台帳データとに基づいた学習によって求めることを特徴とする付記10に記載の監視制御方法。
(Appendix 11)
In the step of outputting the correlation data and determining the degree of correlation by the learning, the degree of correlation between the equipment included in the plurality of equipment, or the correlation between the equipment included in the plurality of equipment and the plurality of the equipment is determined. 11. The monitoring control method according to
(付記12)
前記相関関係には、一方の信号に基づいた制御によって他方の信号が変化する場合における信号同士の関係である従属関係と、前記設備と前記設備の内部で所有される信号との関係である所有関係と、前記従属関係および前記所有関係以外の関係である接続関係とが含まれることを特徴とする付記9から11のいずれか1つに記載の監視制御方法。
(Appendix 12)
The correlation includes a dependent relationship, which is a relationship between signals when control based on one signal changes another signal, and an ownership relationship, which is a relationship between the equipment and the signals owned within the equipment. 12. The supervisory control method according to any one of appendices 9 to 11, characterized in that the method includes a relationship and a connection relationship that is a relationship other than the dependent relationship and the ownership relationship.
(付記13)
前記設備の状態を表す前記信号の変化を表すグラフを表示する際における前記信号の属性を表すラベルを、前記相関関係データに基づいて自動作成するステップを含むことを特徴とする付記9から12のいずれか1つに記載の監視制御方法。
(Appendix 13)
Supplementary notes 9 to 12, characterized in that the method includes a step of automatically creating a label representing an attribute of the signal when displaying a graph representing a change in the signal representing the state of the equipment based on the correlation data. The monitoring control method according to any one of the above.
(付記14)
前記信号同士のうち一方の信号の変化に対する他方の信号の変化の傾向における異常を、前記相関度の計算結果の変化に基づいて検知するステップを含むことを特徴とする付記9から12のいずれか1つに記載の監視制御方法。
(Appendix 14)
Any one of appendices 9 to 12, characterized in that the method includes the step of detecting an abnormality in the tendency of a change in one of the signals relative to a change in the other signal based on a change in the calculation result of the degree of correlation. 1. The monitoring control method according to
(付記15)
複数の前記ネットワーク構造の特徴を学習するステップを含むことを特徴とする付記9から12のいずれか1つに記載の監視制御方法。
(Appendix 15)
13. The supervisory control method according to any one of appendices 9 to 12, comprising the step of learning characteristics of a plurality of the network structures.
(付記16)
前記相関関係データを出力し、かつ、前記学習によって前記相関度を求める前記ステップでは、さらに、前記設備を点検した結果と前記設備の保守作業を行った結果との少なくとも一方を含む点検保守データと前記信号データとに基づいた学習によって、点検または保守の項目と前記設備の状態を表す信号との相関度を求めることを特徴とする付記9から12のいずれか1つに記載の監視制御方法。
(Appendix 16)
In the step of outputting the correlation data and determining the degree of correlation by the learning, the step further includes inspection and maintenance data including at least one of the results of inspecting the equipment and the results of maintenance work for the equipment. 13. The supervisory control method according to any one of appendices 9 to 12, characterized in that the degree of correlation between an inspection or maintenance item and a signal representing the state of the equipment is determined by learning based on the signal data.
(付記17)
監視および制御の対象である複数の設備の各々について、前記設備の状態を表す信号の信号値を含む信号データを収集するステップと、
複数の前記信号の各々についての前記信号の属性をまとめた信号台帳データに基づいて、複数の前記信号に含まれる信号同士において一方の信号値の変化に連動して他方の信号値が変化する相関関係を認定して、認定の結果を示す相関関係データを出力し、かつ、前記相関関係が認定された信号以外の信号同士の相関度を前記信号データと前記信号台帳データとに基づいた学習によって求めるステップと、
前記相関関係を有する前記信号のシンボル同士がネットワーク状につながれたネットワーク構造を表示するための変換処理を前記相関関係データに施し、かつ、前記ネットワーク構造と併せて前記相関度についての表示を行うための処理を行うステップと、
前記ネットワーク構造に示される前記相関関係を編集操作に従って編集するステップと、
をコンピュータに実行させることを特徴とする監視制御プログラム。
(Appendix 17)
Collecting signal data including a signal value of a signal representing a state of the equipment for each of the plurality of equipment to be monitored and controlled;
A correlation in which the signal value of one signal changes in conjunction with a change in the signal value of the other signal among the signals included in the plurality of signals, based on signal ledger data that summarizes the attributes of the signal for each of the plurality of signals. certify the relationship, output correlation data indicating the result of the certification, and determine the degree of correlation between signals other than the signals for which the correlation has been determined by learning based on the signal data and the signal ledger data. The steps you are looking for and
performing a conversion process on the correlation data to display a network structure in which symbols of the signal having the correlation are connected in a network, and displaying the degree of correlation together with the network structure; a step of processing;
editing the correlation shown in the network structure according to an editing operation;
A supervisory control program that causes a computer to execute.
1A,1B,1C,1D,1E 監視制御装置、2 設備、3 端末、4,5 記憶装置、10 通信部、11 処理部、12 記憶部、13 信号データ収集部、14 相関関係学習部、15 変換処理部、16 相関関係編集部、17 ラベル作成部、18 異常検知部、19 ネットワーク構造学習部、30 処理回路、31 通信装置、32 プロセッサ、33 メモリ。 1A, 1B, 1C, 1D, 1E supervisory control device, 2 equipment, 3 terminal, 4, 5 storage device, 10 communication section, 11 processing section, 12 storage section, 13 signal data collection section, 14 correlation learning section, 15 Conversion processing section, 16 Correlation editing section, 17 Label creation section, 18 Anomaly detection section, 19 Network structure learning section, 30 Processing circuit, 31 Communication device, 32 Processor, 33 Memory.
Claims (17)
複数の前記信号の各々についての前記信号の属性をまとめた信号台帳データに基づいて、複数の前記信号に含まれる信号同士において一方の信号値の変化に連動して他方の信号値が変化する相関関係を認定して、認定の結果を示す相関関係データを出力し、かつ、前記相関関係が認定された信号以外の信号同士の相関度を前記信号データと前記信号台帳データとに基づいた学習によって求める相関関係学習部と、
前記相関関係を有する前記信号のシンボル同士がネットワーク状につながれたネットワーク構造を表示するための変換処理を前記相関関係データに施し、かつ、前記ネットワーク構造と併せて前記相関度についての表示を行うための処理を行う変換処理部と、
前記ネットワーク構造に示される前記相関関係を編集操作に従って編集する相関関係編集部と、
を備えることを特徴とする監視制御装置。 a signal data collection unit that collects signal data including a signal value of a signal representing a state of the equipment for each of the plurality of equipment to be monitored and controlled;
A correlation in which the signal value of one signal changes in conjunction with a change in the signal value of the other signal among the signals included in the plurality of signals, based on signal ledger data that summarizes the attributes of the signal for each of the plurality of signals. certify the relationship, output correlation data indicating the result of the certification, and determine the degree of correlation between signals other than the signals for which the correlation has been determined by learning based on the signal data and the signal ledger data. The desired correlation learning section,
performing a conversion process on the correlation data to display a network structure in which symbols of the signal having the correlation are connected in a network, and displaying the degree of correlation together with the network structure; a conversion processing unit that performs processing;
a correlation editing unit that edits the correlation shown in the network structure according to an editing operation;
A supervisory control device comprising:
複数の前記設備の各々について、前記設備の状態を表す信号の信号値を含む信号データを収集するステップと、
複数の前記信号の各々についての前記信号の属性をまとめた信号台帳データに基づいて、複数の前記信号に含まれる信号同士において一方の信号値の変化に連動して他方の信号値が変化する相関関係を認定して、認定の結果を示す相関関係データを出力し、かつ、前記相関関係が認定された信号以外の信号同士の相関度を前記信号データと前記信号台帳データとに基づいた学習によって求めるステップと、
前記相関関係を有する前記信号のシンボル同士がネットワーク状につながれたネットワーク構造を表示するための変換処理を前記相関関係データに施し、かつ、前記ネットワーク構造と併せて前記相関度についての表示を行うための処理を行うステップと、
前記ネットワーク構造に示される前記相関関係を編集操作に従って編集するステップと、
を含むことを特徴とする監視制御方法。 A supervisory control method for monitoring and controlling each of a plurality of facilities using a supervisory control device, the method comprising:
collecting, for each of the plurality of facilities, signal data including a signal value of a signal representing a state of the facility;
A correlation in which the signal value of one signal changes in conjunction with a change in the signal value of the other signal among the signals included in the plurality of signals, based on signal ledger data that summarizes the attributes of the signal for each of the plurality of signals. certify the relationship, output correlation data indicating the result of the certification, and determine the degree of correlation between signals other than the signals for which the correlation has been determined by learning based on the signal data and the signal ledger data. The steps you are looking for and
performing a conversion process on the correlation data to display a network structure in which symbols of the signal having the correlation are connected in a network, and displaying the degree of correlation together with the network structure; a step of processing;
editing the correlation shown in the network structure according to an editing operation;
A supervisory control method characterized by comprising:
複数の前記信号の各々についての前記信号の属性をまとめた信号台帳データに基づいて、複数の前記信号に含まれる信号同士において一方の信号値の変化に連動して他方の信号値が変化する相関関係を認定して、認定の結果を示す相関関係データを出力し、かつ、前記相関関係が認定された信号以外の信号同士の相関度を前記信号データと前記信号台帳データとに基づいた学習によって求めるステップと、
前記相関関係を有する前記信号のシンボル同士がネットワーク状につながれたネットワーク構造を表示するための変換処理を前記相関関係データに施し、かつ、前記ネットワーク構造と併せて前記相関度についての表示を行うための処理を行うステップと、
前記ネットワーク構造に示される前記相関関係を編集操作に従って編集するステップと、
をコンピュータに実行させることを特徴とする監視制御プログラム。 Collecting signal data including a signal value of a signal representing a state of the equipment for each of the plurality of equipment to be monitored and controlled;
A correlation in which the signal value of one signal changes in conjunction with a change in the signal value of the other signal among the signals included in the plurality of signals, based on signal ledger data that summarizes the attributes of the signal for each of the plurality of signals. certify the relationship, output correlation data indicating the result of the certification, and determine the degree of correlation between signals other than the signals for which the correlation has been determined by learning based on the signal data and the signal ledger data. The steps you are looking for and
performing a conversion process on the correlation data to display a network structure in which symbols of the signal having the correlation are connected in a network, and displaying the degree of correlation together with the network structure; a step of processing;
editing the correlation shown in the network structure according to an editing operation;
A supervisory control program that causes a computer to execute.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2022065232A JP2023155731A (en) | 2022-04-11 | 2022-04-11 | Monitoring controller, monitoring control method, and monitoring control program |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2022065232A JP2023155731A (en) | 2022-04-11 | 2022-04-11 | Monitoring controller, monitoring control method, and monitoring control program |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2023155731A true JP2023155731A (en) | 2023-10-23 |
Family
ID=88417990
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022065232A Pending JP2023155731A (en) | 2022-04-11 | 2022-04-11 | Monitoring controller, monitoring control method, and monitoring control program |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2023155731A (en) |
-
2022
- 2022-04-11 JP JP2022065232A patent/JP2023155731A/en active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11272011B1 (en) | Systems and methods of configuring a building management system | |
CN108628281B (en) | Abnormality detection system and abnormality detection method | |
US10769570B2 (en) | Artificial intelligence based risk and knowledge management | |
Xie et al. | Visualised inspection system for monitoring environmental anomalies during daily operation and maintenance | |
JP2019527413A (en) | Computer system and method for performing root cause analysis to build a predictive model of rare event occurrences in plant-wide operations | |
JP2019185422A (en) | Failure prediction method, failure prediction device, and failure prediction program | |
JP7036697B2 (en) | Monitoring system and monitoring method | |
KR101508641B1 (en) | Apparatus and method for predicting product condition by using datamining in manufacturing process | |
JP2013025367A (en) | Facility state monitoring method and device of the same | |
WO2019182894A1 (en) | Diagnosing and predicting electrical pump operation | |
CN107408226A (en) | Asset health scoring and uses thereof | |
JP2020052714A5 (en) | ||
KR101249902B1 (en) | Diagnostic system and method for home appliance | |
US11619923B2 (en) | Digital twin management system and method | |
EP4080303A1 (en) | Decision support in industrial plants | |
JP5098227B2 (en) | Factor estimation device, factor estimation program, recording medium storing factor estimation program, and factor estimation method | |
US11531669B2 (en) | Systems and methods to assess and repair data using data quality indicators | |
KR101249903B1 (en) | Diagnostic system and method for home appliance | |
JP2023155731A (en) | Monitoring controller, monitoring control method, and monitoring control program | |
EP3995920A1 (en) | Event analytics in modular industrial plants | |
JP2019191880A (en) | Equipment management support system | |
Chen | Integration of building information modeling and internet of things for facility maintenance management | |
Azvine et al. | Intelligent process analytics for CRM | |
Alavi et al. | Integrated Building Intelligence | |
JP2019200564A (en) | User support apparatus and user support method |