JP2024005813A

JP2024005813A - 分析装置、分析方法及びプログラム

Info

Publication number: JP2024005813A
Application number: JP2022106200A
Authority: JP
Inventors: 聡鈴木; Satoshi Suzuki; 尚登竜田; Naoto Tatsuta; 馨新井; Kaoru Arai; 越生山田; Etsuo Yamada
Original assignee: Fuji Electric Co Ltd
Current assignee: Fuji Electric Co Ltd
Priority date: 2022-06-30
Filing date: 2022-06-30
Publication date: 2024-01-17
Anticipated expiration: 2042-06-30
Also published as: JP7173395B1

Abstract

【課題】異常の要因を分析できる技術を提供すること。【解決手段】本開示の一態様による分析装置は、対象から収集された実績データを、前記対象に異常が発生しているときの実績データで構成される異常グループを含む複数のグループに分類するように構成されているグループ化部と、前記実績データに含まれる項目に関して、前記異常グループと他のグループとの間の差異の要因となっている項目を因果推論により計算するように構成されている差異要因計算部と、前記因果推論による分析結果を用いて、前記異常との関連性が高い順に前記項目をランキングするように構成されているランキング計算部と、前記ランキングの上位所定の件数の前記項目に関して、前記異常が発生する条件を計算するように構成されている異常条件計算部と、を有する。【選択図】図１６

Description

本開示は、分析装置、分析方法及びプログラムに関する。

プラント、生産設備、産業用機器等といった設備で異常が発生したときに、その異常の要因を分析する技術が従来から知られている。例えば、特許文献１には、設備のエネルギー効率を対象として、その設備のエネルギーに関するデータを正常運転時のグループとそれ以外のグループに分類し、正常運転時のグループと差異が生じた要因を決定木により分析する技術が開示されている。

特開２０２０－４７２４５号公報

しかしながら、従来技術では、異常の要因となっている因子の推定精度が必ずしも高くなく、例えば、異常から影響を受けて変化した因子までも異常の要因として推定されてしまう場合があった。これは、従来技術では、決定木等といった機械学習手法により因子間の相関のみを考慮しており、異常が発生したときの原因と結果の関係を考慮していないためである。

本開示は、上記の点に鑑みてなされたもので、異常の要因を分析できる技術を提供することを目的とする。

本開示の一態様による分析装置は、対象から収集された実績データを、前記対象に異常が発生しているときの実績データで構成される異常グループを含む複数のグループに分類するように構成されているグループ化部と、前記実績データに含まれる項目に関して、前記異常グループと他のグループとの間の差異の要因となっている項目を因果推論により計算するように構成されている差異要因計算部と、前記因果推論による分析結果を用いて、前記異常との関連性が高い順に前記項目をランキングするように構成されているランキング計算部と、前記ランキングの上位所定の件数の前記項目に関して、前記異常が発生する条件を計算するように構成されている異常条件計算部と、を有する。

異常の要因を分析できる技術が提供される。

本実施形態に係る分析システムの全体構成の一例を示す図である。操業実績ＤＢに格納されている操業実績データの一例を示す図である。異常実績ＤＢに格納されている異常実績データの一例を示す図である。本実施形態に係る分析装置のハードウェア構成の一例を示す図である。本実施形態に係る分析装置の機能構成の一例を示す図である。グループ化実績データ記憶部に記憶されているグループ化実績データの一例を示す図である。本実施形態に係る分析装置の動作例を示すフローチャートである。本実施形態に係るグループ化計算処理の一例（その１）を示すフローチャートである。本実施形態に係るグループ化計算処理の一例（その２）を示すフローチャートである。散布図上における領域指定の一例を示す図である。本実施形態に係るグループ化計算処理の一例（その３）を示すフローチャートである。本実施形態に係る差異要因計算処理の一例を示すフローチャートである。因果グラフの一例を示す図である。本実施形態に係るランキング計算処理の一例を示すフローチャートである。本実施形態に係る異常条件計算処理の一例を示すフローチャートである。異常との関連性でランキングされた項目とその異常条件の一例を示す図である。

以下、本発明の一実施形態について説明する。以下の実施形態では、異常の要因を分析（特に、異常が発生したときの原因と結果の関係を考慮して異常の要因を分析）することができる分析システム１について説明する。

＜分析システム１の全体構成例＞
本実施形態に係る分析システム１の全体構成例を図１に示す。図１に示すように、本実施形態に係る分析システム１には、分析装置１０と、施設２０と、入出力装置３０と、操業実績ＤＢ４０と、異常実績管理装置５０と、異常実績ＤＢ６０とが含まれる。

分析装置１０は、操業実績ＤＢ４０に格納されている操業実績データと異常実績ＤＢ６０に格納されている異常実績データとを用いて、施設２０内の設備２１で発生した異常の要因を分析する汎用サーバやＰＣ（パーソナルコンピュータ）等といった各種情報処理装置である。

施設２０は、例えば、工場等といった各種施設である。施設２０には、設備２１と、センサ２２と、アクチュエータ２３と、計測制御装置２４とが含まれる。設備２１は、例えば、プラント、生産設備、産業用機器（例えば、ボイラー、熱交換器等）、各種装置等である。ただし、これらは一例であって、設備２１はこれらに限定されるものではなく、何等かの設備、機器、装置等といった分析対象であればよい。センサ２２は、設備２１の各種状態を表す情報（例えば、圧力、温度、流量、電流、電圧等）を計測する計測機器である。アクチュエータ２３は、設備２１を動作させる駆動装置である。また、アクチュエータ２３は、設備２１の動作も計測（例えば、攪拌動作等といった何等かの動作の有無、その速度等を計測）する。計測制御装置２４は、センサ２２やアクチュエータ２３を制御すると共に、センサ２２やアクチュエータ２３で計測された計測値を取得（収集）し、これらの計測値を操業実績ＤＢ４０に格納する。また、計測制御装置２４は、これらの計測値を異常実績管理装置５０にも送信する。

入出力装置３０は、分析装置１０の入出力インタフェースとして機能する各種装置である。入出力装置３０としては、例えば、キーボード、マウス、ディスプレイ、タッチパネル等が挙げられる。

操業実績ＤＢ４０は、操業実績データが格納される。操業実績データの具体例については後述する。

異常実績管理装置５０は、計測制御装置２４から受信した計測値を用いて、既知の異常検知技術により異常を検知し、その検知結果を異常実績データとして異常実績ＤＢ６０に格納する。

異常実績ＤＢ６０は、異常実績データが格納される。異常実績データの具体例については後述する。

なお、図１に示す分析システム１の全体構成は一例であって、これに限られるものではない。例えば、分析装置１０、入出力装置３０、操業実績ＤＢ４０、異常実績管理装置５０及び異常実績ＤＢ６０のうちの少なくとも１つが一体で構成されていてもよい。

＜操業実績データ＞
操業実績ＤＢ４０に格納されている操業実績データの一例を図２に示す。図２に示すように、操業実績データには、複数の項目と、それら複数の項目の各々の項目番号と、それら複数の項目の各々の計測値と、それらの計測値の受信日時を示すタイムスタンプとが含まれる。

例えば、図２に示す操業実績データには、項目番号「００１」の項目「項目１」～項目番号「Ｎ」の項目「項目Ｎ」までの項目が含まれている。また、図２に示す操業実績データには、タイムスタンプ毎に、各項目の計測値が含まれている。なお、図２に示す例ではタイムスタンプは１秒毎であるが、これは一例であって、これに限られるものではない。

ここで、項目とは、設備２１の状態や動作等を表す情報のことである。項目としては、例えば、圧力、温度、流量、電流、電圧、攪拌動作の有無、攪拌速度が挙げられる。したがって、或る項目の計測値とは、この項目に関する情報をセンサ２２やアクチュエータ２３等で計測した値のことである。

以下、各タイムスタンプとそれに対応付けられている計測値の組を「操業実績レコード」と呼ぶことにする。図２に示す操業実績データでは、操業実績レコードは、（タイムスタンプ，項目１の計測値，項目２の計測値，・・・，項目Ｎの計測値）という形式で表すことができる。なお、この表記により、操業実績データは、操業実績レコードの時系列データとみなすこともできる。

＜異常実績データ＞
異常実績ＤＢ６０に格納されている異常実績データの一例を図３に示す。図３に示すように、異常実績データには、異常を識別する異常番号と、その異常番号の異常内容と、その異常内容の発生日時とが含まれる。

例えば、図３に示す異常実績データには、異常番号「０００１」の異常内容「電力量異常」～異常番号「Ｌ」の異常内容「蒸気流量過大」までの異常内容とその発生日時が含まれている。

＜分析装置１０のハードウェア構成例＞
本実施形態に係る分析装置１０のハードウェア構成例を図４に示す。図４に示すように、本実施形態に係る分析装置１０は、外部Ｉ／Ｆ１０１と、通信Ｉ／Ｆ１０２と、ＲＡＭ（Random Access Memory）１０３と、ＲＯＭ（Read Only Memory）１０４と、補助記憶装置１０５と、プロセッサ１０６とを有する。これら各ハードウェアは、それぞれがバス１０７を介して通信可能に接続される。

外部Ｉ／Ｆ１０１は、記録媒体１０１ａ等の外部装置とのインタフェースである。記録媒体１０１ａとしては、例えば、ＣＤ（Compact Disc）、ＤＶＤ（Digital Versatile Disk）、ＳＤメモリカード（Secure Digital memory card）、ＵＳＢ（Universal Serial Bus）メモリカード等が挙げられる。

通信Ｉ／Ｆ１０２は、分析装置１０を通信ネットワークに接続するためのインタフェースである。ＲＡＭ１０３は、プログラムやデータを一時保持する揮発性の半導体メモリ（記憶装置）である。ＲＯＭ１０４は、電源を切ってもプログラムやデータを保持することができる不揮発性の半導体メモリ（記憶装置）である。補助記憶装置１０５は、例えば、ＨＤＤ（Hard Disk Drive）やＳＳＤ（Solid State Drive）等の不揮発性の記憶装置であり、プログラムやデータが格納される。プロセッサ１０６は、例えば、ＣＰＵ（Central Processing Unit）やＧＰＵ（Graphics Processing Unit）等の各種演算装置である。

なお、図４に示すハードウェア構成は一例であって、分析装置１０は、他のハードウェア構成を有していてもよい。例えば、分析装置１０は、複数の補助記憶装置１０５や複数のプロセッサ１０６を有していてもよいし、図示したハードウェア以外の種々のハードウェア（例えば、キーボードやマウス等の入力装置、ディスプレイや表示パネル等の出力装置等）を有していてもよい。

＜分析装置１０の機能構成例＞
本実施形態に係る分析装置１０の機能構成例を図５に示す。図５に示すように、本実施形態に係る分析装置１０は、グループ化部２０１と、差異要因計算部２０２と、ランキング計算部２０３と、異常条件計算部２０４と、情報提示部２０５とを有する。これら各部は、例えば、分析装置１０にインストールされた１以上のプログラムが、プロセッサ１０６に実行させる処理により実現される。また、本実施形態に係る分析装置１０は、グループ化実績データ記憶部２０６と、モデルデータ記憶部２０７とを有する。これら各部は、例えば、補助記憶装置１０５等により実現される。

グループ化部２０１は、操業実績ＤＢ４０に格納されている操業実績データと、異常実績ＤＢ６０に格納されている異常実績データとを用いて、操業実績データに含まれる操業実績レコードをグループ化する。例えば、グループ化部２０１は、或る異常に関して、その異常が発生したときの操業実績レコードで構成されるグループとその異常が発生していないときの操業実績レコードで構成されるグループに各操業実績レコードをグループ化する。以下、或る異常が発生したときの操業実績レコードで構成されるグループを「異常グループ」、その異常が発生していないときの操業実績レコードで構成されるグループを「正常グループ」と呼ぶことにする。

また、グループ化部２０１は、グループ化された操業実績レコードをグループ化実績データとしてグループ化実績データ記憶部２０６に保存する。なお、グループ化実績データの詳細については後述する。

差異要因計算部２０２は、グループ化部２０１によってグループ化された操業実績レコードを表すグループ化実績データを用いて、因果推論によりグループ間の差異要因となっている項目（これは、因子と呼ばれてもよい。）を分析する。例えば、差異要因計算部２０２は、異常グループと正常グループの差異要因となっている項目（因子）を因果推論により分析する。ここで、因果推論のアルゴリズムとしては、例えば、参考文献１や参考文献２に記載されているＬｉＮＧＡＭ（Linear Non-Gaussian Acyclic Model）を用いることができる。ＬｉＮＧＡＭでは、そのアルゴリズムの出力として、項目（因子）を表すノードと、ノード間の因果関係及びその強さを表すエッジとで構成される重み付き有向グラフで表現された因果グラフが得られる。なお、ノード間の因果関係はエッジの向きで表され、因果関係の強さはエッジに付与された重みで表される。

また、差異要因計算部２０２は、因果推論の結果として得られた因果グラフを表すモデルデータをモデルデータ記憶部２０７に保存する。

ランキング計算部２０３は、グループ化実績データとモデルデータとを用いて、因果関係も考慮して、異常との関連性が高い順に項目（因子）をランキングする。

異常条件計算部２０４は、ランキング上位の項目（因子）に関して、異常が発生する条件（以下、異常条件ともいう。）を計算する。

情報提示部２０５は、ディスプレイ等の入出力装置３０に対して様々な情報を提示する。例えば、情報提示部２０５は、ランキング上位の項目（因子）とその異常条件とをディスプレイ等の入出力装置３０上に表示させる。

グループ化実績データ記憶部２０６は、グループ化実績データを記憶する。モデルデータ記憶部２０７は、モデルデータを記憶する。

＜グループ化実績データ＞
グループ化実績データ記憶部２０６に記憶されているグループ化実績データの一例を図６に示す。図６に示すように、グループ化実績データには、計測値の受信日時を示すタイムスタンプと、複数の項目と、それら複数の項目の各々の計測値と、グループラベルとが含まれる。すなわち、グループ化実績データは、各操業実績レコードのそれぞれに対してグループラベルを付与したものである。

例えば、図６に示すグループ化実績データには、タイムスタンプ毎に、項目「項目１」～項目「項目Ｎ」までの項目及びそれらの項目の計測値と、０又は１のいずれかを取るグループラベルとが含まれている。なお、図６に示す例では、グループラベル「０」が付与された操業実績レコードは正常グループに属し、グループラベル「１」が付与された操業実績レコードは異常グループに属することを表している。ただし、これは一例であって、グループラベルの取り得る値は０又は１に限られるものではない。例えば、操業実績データが３つ以上のグループにグループ化された場合、グループラベルは３値のいずれかの値を取り得る。

＜分析装置１０の動作例＞
以下、本実施形態に係る分析装置１０の動作例について、図７を参照しながら説明する。

まず、分析装置１０は、操業実績ＤＢ４０に格納されている操業実績データと異常実績ＤＢ６０に格納されている異常実績データとを用いてグループ化計算処理を実行し、グループ化実績データを作成する（ステップＳ１０１）。次に、分析装置１０は、グループ化実績データ記憶部２０６に記憶されているグループ化実績データを用いて差異要因計算処理を実行し、因果グラフを表すモデルデータを作成する（ステップＳ１０２）。次に、分析装置１０は、モデルデータ記憶部２０７に記憶されているモデルデータを用いてランキング計算処理を実行し、異常との関連性が高い項目（因子）をランキングする（ステップＳ１０３）。そして、分析装置１０は、異常条件計算処理を実行し、ランキング上位の項目（因子）の異常条件を計算すると共に、それらの項目と異常条件とをディスプレイ等の入出力装置３０上に表示させる（ステップＳ１０４）。

以下では、上記のステップＳ１０１～ステップＳ１０４の各処理の詳細について説明する。

＜グループ化計算処理＞
以下では、グループ化計算処理の例として、グループ化計算処理（その１）～グループ化計算処理（その３）について説明する。

≪グループ化計算処理（その１）≫
以下、本実施形態に係るグループ化計算処理（その１）について、図８を参照しながら説明する。

グループ化部２０１は、グループ化の基準とする異常を受け付ける（ステップＳ２０１）。グループ化部２０１は、例えば、異常実績ＤＢ６０に格納されている異常実績データに含まれる異常番号、異常内容及び発生日時等をディスプレイ等の入出力装置３０上に表示させた上で、ユーザによって選択された異常番号の異常を受け付ければよい。ただし、これは一例であって、これ以外にも、グループ化部２０１は、例えば、予め設定された異常を受け付けてもよいし、発生頻度が高い異常や発生回数が多い異常、直近で発生した異常等を受け付けてもよい。以下では、一例として、「異常Ａ」が受け付けられたものとする。

次に、グループ化部２０１は、グループ化する対象期間を受け付ける（ステップＳ２０２）。グループ化部２０１は、例えば、キーボードやマウス等の入出力装置３０でユーザによって入力された期間を対象期間として受け付ければよい。ただし、これは一例であって、これ以外にも、グループ化部２０１は、例えば、予め設定された期間、異常の発生頻度が高い期間や異常の発生回数が多い期間、直近で異常が発生した期間等を対象期間として受け付けてもよい。

次に、グループ化部２０１は、グループ化の基準とする対象項目とその対象項目に対する閾値とを受け付ける（ステップＳ２０３）。グループ化部２０１は、例えば、キーボードやマウス等の入出力装置３０でユーザによって選択又は指定された項目及び閾値を対象項目及び閾値として受け付ければよい。ただし、これは、一例であって、これ以外にも、グループ化部２０１は、例えば、予め設定された項目及び閾値を対象項目及び閾値として受け付けてもよいし、対象項目又は閾値のいずれか一方のみが設定されており、他方のみをユーザが選択又は指定できてもよい。以下では、一例として、対象項目の値が閾値を超えている場合は異常Ａが発生しており、対象項目の値が閾値以下である場合は異常Ａが発生していないものとする。

次に、グループ化部２０１は、対象期間内の操業実績レコードに含まれる対象項目値と閾値とを比較し、これらの操業実績レコードをグループ化する（ステップＳ２０４）。すなわち、グループ化部２０１は、例えば、対象期間内の操業実績レコードに関して、対象項目値が閾値以下の操業実績レコードにはグループラベル「０」を付与して正常グループに分類し、対象項目値が閾値を超えている操業実績レコードにはグループラベル「１」を付与して異常グループに分類する。

そして、グループ化部２０１は、上記のステップＳ２０４でグループラベルが付与された操業実績レコードをグループ化実績データとしてグループ化実績データ記憶部２０６に保存する（ステップＳ２０５）。

なお、上記のグループ化計算処理（その１）では、操業実績レコードを２つのグループにグループ化したが、これに限られるものではなく、３つ以上のグループにグループ化してもよい。このことは、後述するグループ化計算処理（その２）やグループ化計算処理（その３）についても同様である。

≪グループ化計算処理（その２）≫
以下、本実施形態に係るグループ化計算処理（その２）について、図９を参照しながら説明する。

グループ化部２０１は、図８のステップＳ２０１と同様に、グループ化の基準とする異常を受け付ける（ステップＳ３０１）。

次に、グループ化部２０１は、図８のステップＳ２０２と同様に、グループ化する対象期間を受け付ける（ステップＳ３０２）。

次に、グループ化部２０１は、２つの対象項目を受け付ける（ステップＳ３０３）。グループ化部２０１は、例えば、対象期間内の操業実績レコードに含まれる項目の一覧をディスプレイ等の入出力装置３０上に表示させた上で、ユーザによって選択された２つの項目を対象項目として受け付ければよい。ただし、これは一例であって、これ以外にも、グループ化部２０１は、例えば、予め設定された２つの項目を対象項目として受け付けてもよいし、１つの対象項目のみをユーザが選択又は指定し、その対象項目に応じて他方の対象項目が決定されてもよい。以下では、一例として、２つの対象項目として「項目１」、「項目２」が受け付けられたものとする。

次に、グループ化部２０１は、対象期間内の操業実績レコードに関して、２つの対象項目をそれぞれ縦軸、横軸とする散布図をディスプレイ等の入出力装置３０上に表示させる（ステップＳ３０４）。

次に、グループ化部２０１は、散布図上における領域指定操作を受け付ける（ステップＳ３０５）。領域指定操作とは、ディスプレイ等の入出力装置３０上に表示された散布図上で連結領域を指定するための操作である。典型的には、丸や楕円、四角等により連結領域を指定する操作が挙げられる。このような操作は、例えば、マウス等のポインティングデバイス、タッチパネル等により行うことができる。また、例えば、キーボード等により、連結領域を表す式や数値範囲等が指定されてもよい。なお、領域指定操作では、連結領域の指定と共に、その連結領域内の各操業実績レコードに対して付与するグループラベルの値を指定できてもよい。例えば、図１０に示す散布図１１００では、領域１１０１を指定する領域指定操作と、領域１１０２を指定する領域指定操作とが行われた場合を示している。

次に、グループ化部２０１は、領域指定操作によって指定された領域（閉領域）内の点に対応する操業実績レコードを同一グループにグループ化する（ステップＳ３０６）。例えば、図１０に示す例において、領域１１０１を指定する領域指定操作でグループラベル「１」が指定されたと共に、領域１１０２を指定する領域指定操作でグループラベル「０」が指定されたものとする。この場合、グループ化部２０１は、領域１１０２内の点に対応する操業実績レコードに対してグループラベル「０」を付与して正常グループに分類し、領域１１０１内の点に対応する操業実績レコードに対してグループラベル「１」を付与して異常グループに分類する。

そして、グループ化部２０１は、図８のステップＳ２０５と同様に、上記のステップＳ３０６でグループラベルが付与された操業実績レコードをグループ化実績データとしてグループ化実績データ記憶部２０６に保存する（ステップＳ３０７）。

≪グループ化計算処理（その３）≫
以下、本実施形態に係るグループ化計算処理（その３）について、図１１を参照しながら説明する。

グループ化部２０１は、図８のステップＳ２０１と同様に、グループ化の基準とする異常を受け付ける（ステップＳ４０１）。

次に、グループ化部２０１は、図８のステップＳ２０２と同様に、グループ化する対象期間を受け付ける（ステップＳ４０２）。

次に、グループ化部２０１は、対象期間内の操業実績レコードに含まれる１つ以上の項目を含む演算式と、その演算式に対する閾値とを受け付ける（ステップＳ４０３）。グループ化部２０１は、例えば、演算式の一覧と閾値の一覧とをディスプレイ等の入出力装置３０上に表示させた上で、ユーザによって選択された演算式と閾値を受け付ければよい。ただし、これは一例であって、これ以外にも、グループ化部２０１は、例えば、予め設定された演算式と閾値を受け付けてもよいし、ユーザによって入力された任意の演算式と閾値を受け付けてもよい。ここで、演算式とは、操業実績レコードに含まれる１つ以上の項目の値から何等かの値を演算するための式である。例えば、入力エネルギーを利用して何等かの仕事を行って出力エネルギーを排出する設備２１が存在し、操業実績レコードには項目「入力エネルギー」と「出力エネルギー」が含まれる場合に、入力エネルギーと出力エネルギーからエネルギー効率を求める演算式等が挙げられる。以下では、一例として、演算式によって計算した値が閾値を超えている場合は異常Ａが発生しており、演算式によって計算した値が閾値以下である場合は異常Ａが発生していないものとする。

次に、グループ化部２０１は、対象期間内の操業実績レコードに関して、上記のステップＳ４０３で受け付けた演算式の値の計算する（ステップＳ４０４）。

次に、グループ化部２０１は、対象期間内の操業実績レコードに関して、上記のステップＳ３０３で計算された演算式の値と上記のステップＳ４０３で受け付けた閾値とを比較し、これらの操業実績レコードをグループ化する（ステップＳ４０５）。すなわち、グループ化部２０１は、例えば、対象期間内の操業実績レコードに関して、演算式の値が閾値以下の操業実績レコードにはグループラベル「０」を付与して正常グループに分類し、演算式の値が閾値を超えている操業実績レコードにはグループラベル「１」を付与して異常グループに分類する。

そして、図８のステップＳ２０５と同様に、上記のステップＳ４０５でグループラベルが付与された操業実績レコードをグループ化実績データとしてグループ化実績データ記憶部２０６に保存する（ステップＳ４０６）。

＜差異要因計算処理＞
以下、本実施形態に係る差異要因計算処理について、図１２を参照しながら説明する。

差異要因計算部２０２は、グループ化実績データ記憶部２０６からグループ化実績データを取得する（ステップＳ５０１）。なお、例えば、対象期間が異なる複数のグループ化実績データがグループ化実績データ記憶部２０６に記憶されている場合、差異要因計算部２０２は、目的とする対象期間のグループ化実績データを取得する。

次に、差異要因計算部２０２は、グループ化実績データのグループラベルを目的変数、他の項目を説明変数として、因果推論により因果モデルを作成する（ステップＳ５０２）。なお、差異要因計算部２０２は、因果推論のアルゴリズムとして、例えば、参考文献１や参考文献２に記載されているＬｉＮＧＡＭを用いればよい。これにより、グループラベルを目的変数、グループラベル以外の項目を説明変数とする因果モデルが得られる。なお、この因果モデルは、目的変数又は説明変数を表すノードと、ノード間の因果関係及びその強さを表すエッジとで構成された重み付き有向グラフで表現され、目的変数に対する説明変数の因果的順番とその強さを表している。

例えば、目的変数を「異常Ａ」に関するグループラベル、説明変数を項目「流量」及び「蒸気差圧」としたときの因果モデルの一例を図１３に示す。図１３に示す例では、ｗ_１は項目「流量」から「蒸気差圧」への因果関係の強さを表しており、ｗ_２は項目「蒸気差圧」から「異常Ａ」に関するグループラベルへの因果関係の強さを表している。これにより、因果関係だけでなく、その強さや因果的順番も考慮することが可能となる。

次に、差異要因計算部２０２は、上記のステップＳ５０２で作成された因果モデルを表すモデルデータをモデルデータ記憶部２０７に保存する（ステップＳ５０３）。

そして、情報提示部２０５は、上記のステップＳ５０２で作成された因果モデルをディスプレイ等の入出力装置３０上に表示させる（ステップＳ５０４）。これにより、ユーザは、因果モデルを確認することができる。ただし、本ステップは必ずしも実行されなくてもよい。

＜ランキング計算処理＞
以下、本実施形態に係るランキング計算処理について、図１４を参照しながら説明する。

ランキング計算部２０３は、グループ化実績データ記憶部２０６からグループ化実績データを取得する（ステップＳ６０１）。なお、例えば、対象期間が異なる複数のグループ化実績データがグループ化実績データ記憶部２０６に記憶されている場合、ランキング計算部２０３は、目的とする対象期間のグループ化実績データを取得する。

次に、ランキング計算部２０３は、モデルデータ記憶部２０７に記憶されているモデルデータを取得する（ステップＳ６０２）。なお、例えば、複数のモデルデータがモデルデータ記憶部２０７に記憶されている場合、ランキング計算部２０３は、上記のステップＳ６０１で取得されたグループ化実績データに対応する因果モデルのモデルデータを取得する。

次に、ランキング計算部２０３は、グループ化実績データのグループラベルを目的変数、他の項目を説明変数として、因果モデル上で回帰分析を実行する（ステップＳ６０３）。このような回帰分析としては、例えば、参考文献３に記載されている手法を用いることができる。参考文献３に記載されている手法を用いることで、因果モデルによって表される因果関係（因果的順番とその強さ）を考慮した回帰分析を行うことができる。

次に、ランキング計算部２０３は、上記のステップＳ６０３で実行された回帰分析結果における各説明変数の係数（回帰係数）をその説明変数の重要度として、それらの説明変数に対応する項目をソートする（ステップＳ６０４）。すなわち、例えば、項目ｎに対応する説明変数の回帰係数をａ_ｎ（ｎ＝１，・・・，Ｎ）とした場合、ランキング計算部２０３は、ａ_ｎの降順（ａ_ｎが大きい順）に項目ｎをソートする。これにより、回帰係数ａ_ｎを説明変数の重要度として、重要度が高い順に（つまり、異常Ａとの関連性が高い順に）各説明変数にそれぞれ対応する項目ｎがランキングされる。なお、上記のステップＳ６０３における回帰分析は因果モデル上で行われているため、ここでの異常との関連性は、異常（つまり、目的変数であるグループラベル）との因果関係（因果的順番とその強さ）を考慮した関連性であることに留意されたい。

そして、情報提示部２０５は、上記のステップＳ６０４で得られた各項目のランキングをディスプレイ等の入出力装置３０上に表示させる（ステップＳ６０５）。これにより、ユーザは、異常との因果関係も考慮してその異常との関連性が高い項目（因子）をランキング形式で確認することができる。ただし、本ステップは必ずしも実行されなくてもよい。

＜異常条件計算処理＞
以下、本実施形態に係る異常条件計算処理について、図１５を参照しながら説明する。

異常条件計算部２０４は、ランキング計算処理でランキングされた項目の中から上記Ｍ件の項目を取得する（ステップＳ７０１）。すなわち、異常条件計算部２０４は、ランキングの上位Ｍ件の項目を取得する。Ｍ（ただし、Ｍ≦Ｎ）は予め設定された値であってもよいし、ユーザによって選択又は指定された値であってもよい。

次に、異常条件計算部２０４は、グループ化実績データ記憶部２０６からグループ化実績データを取得する（ステップＳ７０２）。なお、例えば、対象期間が異なる複数のグループ化実績データがグループ化実績データ記憶部２０６に記憶されている場合、異常条件計算部２０４は、目的とする対象期間のグループ化実績データを取得する。

次に、異常条件計算部２０４は、グループ化実績データのグループラベルを目的変数、上記のステップＳ７０１で取得した項目（つまり、ランキングの上位Ｍ件の項目）を説明変数として、決定木分析を実行する（ステップＳ７０３）。この決定木分析では、葉ノードに対して目的変数が取り得る値（グループラベルが取り得る値）、葉ノード以外のノードに対して説明変数に関する分岐条件がそれぞれ設定された決定木が作成される。

次に、異常条件計算部２０４は、根ノードから、異常であることを示すグループラベル値が設定された葉ノード（以下、異常ノードともいう。）までのルートに含まれるノードに設定された分岐条件とその分岐条件に含まれる項目とを取得する（ステップＳ７０４）。以下では、簡単のため、根ノードから異常ノードまでのルートでは、そのルートに含まれるノードに設定された分岐条件が満たされるものとする。なお、根ノードから異常ノードまでのルートが複数存在する場合、異常条件計算部２０４は、これら複数のルートの各々に関して、そのルートに含まれるノードに設定された分岐条件とその分岐条件に含まれる項目とを取得すればよい。本ステップで取得された分岐条件は、その分岐条件に含まれる項目（因子）に関して異常が発生する条件を表している。このため、本ステップで取得された分岐条件が異常条件である。

そして、情報提示部２０５は、上記のステップＳ７０５で取得された項目と異常条件（つまり、ランキングの上位Ｍ件の項目とその異常条件）をディスプレイ等の入出力装置３０上に表示させる（ステップＳ７０５）。一例として、Ｍ＝３でランキングの上位３件の項目が「流量」、「蒸気差圧」、「外気温度」であり、これらの項目の各々の異常条件が「ｘ＞３５．５」、「ｘ＞０．１」、「ｘ＜２５．５」である場合の表示例を図１６に示す。図１６に示すように、ディスプレイ等の入出力装置３０には、ランキングの上位３件の項目とその異常条件とが表示される。これにより、ユーザは、異常との因果関係も考慮してその異常との関連性が高い項目（因子）と、その項目によって異常となる条件とを知ることができる。

＜まとめ＞
以上のように、本実施形態に係る分析装置１０は、異常との因果関係（因果的順番とその強さ）を考慮してその異常の要因を分析することができる。また、本実施形態に係る分析装置１０は、その分析結果をランキング形式でユーザに提示することができる。このため、ユーザは、異常との因果関係も考慮してその異常との関連性が高い要因をランキング形式で知ることができる。このため、ユーザは、例えば、その異常が発生したときに、どの因子（項目）を優先的に対応すればよいかがわかり、適切かつ迅速な異常対応をすることが可能となる。

本発明は、具体的に開示された上記の実施形態に限定されるものではなく、特許請求の範囲の記載から逸脱することなく、種々の変形や変更、既知の技術との組み合わせ等が可能である。

［参考文献］
参考文献１：Shohei Shimizu et al., A Linear Non-Gaussian Acyclic Model for Causal Discovery, Journal of Machine Learning Research 7 (2006) 2003-2030.
参考文献２：Shohei Shimizu et al., DirectLiNGAM: A Direct Method for Learning a Linear Non-Gaussian Structural Equation Model, Journal of Machine Learning Research 12 (2011) 1225-1248.
参考文献３：Patrick Blobaum et al., ESTIMATION OF INTERVENTIONAL EFFECTS OF FEATURES ON PREDICTION, 2017 IEEE INTERNATIONAL WORKSHOP ON MACHINE LEARNING FOR SIGNAL PROCESSING.

１分析システム
１０分析装置
２０施設
２１設備
２２センサ
２３アクチュエータ
２４計測制御装置
３０入出力装置
４０操業実績ＤＢ
５０異常実績管理装置
６０異常実績ＤＢ
１０１外部Ｉ／Ｆ
１０１ａ記録媒体
１０２通信Ｉ／Ｆ
１０３ＲＡＭ
１０４ＲＯＭ
１０５補助記憶装置
１０６プロセッサ
１０７バス
２０１グループ化部
２０２差異要因計算部
２０３ランキング計算部
２０４異常条件計算部
２０５情報提示部
２０６グループ化実績データ記憶部
２０７モデルデータ記憶部

Claims

対象から収集された実績データを、前記対象に異常が発生しているときの実績データで構成される異常グループを含む複数のグループに分類するように構成されているグループ化部と、
前記実績データに含まれる項目に関して、前記異常グループと他のグループとの間の差異の要因となっている項目を因果推論により計算するように構成されている差異要因計算部と、
前記因果推論による分析結果を用いて、前記異常との関連性が高い順に前記項目をランキングするように構成されているランキング計算部と、
前記ランキングの上位所定の件数の前記項目に関して、前記異常が発生する条件を計算するように構成されている異常条件計算部と、
を有する分析装置。
前記ランキングの上位所定の件数の前記項目と、該項目に関して前記異常が発生する条件とを表示部に表示させるように構成されている情報提示部、を更に有する請求項１に記載の分析装置。
前記グループ化部は、
前記実績データに含まれる所定の項目の値と、所定の閾値との大小関係により、前記実績データを前記複数のグループに分類するように構成されている、請求項１に記載の分析装置。
前記グループ化部は、
前記実績データに含まれる所定の２つの項目の値に関する散布図上でユーザによって指定された領域により、前記実績データを前記複数のグループに分類するように構成されている、請求項１に記載の分析装置。
前記グループ化部は、
前記実績データに含まれる所定の１つ以上の項目の値に関する演算値と、所定の閾値との大小関係により、前記実績データを前記複数のグループに分類するように構成されている、請求項１に記載の分析装置。
前記差異要因計算部は、
前記因果推論により、前記グループを表すグループラベルを目的変数、前記実績データに含まれる項目を説明変数とする因果モデルを計算するように構成されている、請求項１に記載の分析装置。
前記因果モデルは、ＬｉＮＧＡＭである、請求項６に記載の分析装置。
前記ランキング計算部は、
前記因果モデル上で、前記グループラベルを目的変数、前記実績データに含まれる項目を説明変数とする回帰分析を行って、前記回帰分析の回帰係数が大きい順に前記項目をランキングするように構成されている、請求項６又は７に記載の分析装置。
対象から収集された実績データを、前記対象に異常が発生しているときの実績データで構成される異常グループを含む複数のグループに分類するグループ化手順と、
前記実績データに含まれる項目に関して、前記異常グループと他のグループとの間の差異の要因となっている項目を因果推論により計算する差異要因計算手順と、
前記因果推論による分析結果を用いて、前記異常との関連性が高い順に前記項目をランキングするランキング計算手順と、
前記ランキングの上位所定の件数の前記項目に関して、前記異常が発生する条件を計算する異常条件計算手順と、
をコンピュータが実行する分析方法。
対象から収集された実績データを、前記対象に異常が発生しているときの実績データで構成される異常グループを含む複数のグループに分類するグループ化手順と、
前記実績データに含まれる項目に関して、前記異常グループと他のグループとの間の差異の要因となっている項目を因果推論により計算する差異要因計算手順と、
前記因果推論による分析結果を用いて、前記異常との関連性が高い順に前記項目をランキングするランキング計算手順と、
前記ランキングの上位所定の件数の前記項目に関して、前記異常が発生する条件を計算する異常条件計算手順と、
をコンピュータに実行させるプログラム。