JP5155740B2 - モニタリング条件決定装置、モニタリング条件の決定方法および監視診断装置 - Google Patents
モニタリング条件決定装置、モニタリング条件の決定方法および監視診断装置 Download PDFInfo
- Publication number
- JP5155740B2 JP5155740B2 JP2008142880A JP2008142880A JP5155740B2 JP 5155740 B2 JP5155740 B2 JP 5155740B2 JP 2008142880 A JP2008142880 A JP 2008142880A JP 2008142880 A JP2008142880 A JP 2008142880A JP 5155740 B2 JP5155740 B2 JP 5155740B2
- Authority
- JP
- Japan
- Prior art keywords
- monitoring
- normal
- abnormal
- model
- condition
- 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.)
- Active
Links
Images
Description
K. C. Gross,et.al.,"Electronic Prognostics Through Continuous System Telemetry," Proc. 60th Meeting of the Society for Machinery Failure Prevention Technology, (2006). H. Haken, Synergetics, An Introduction, Springer-Verlag, 1978. H. Haken, Advanced Synergetics, Instability Hierarchies of Self Organized Systems and Devices, Springer-Verlag, 1987. H. Haken, Information and Self Organization, A Macroscopic Approach to Complex Systems, Springer-Verlag, 1988. H. Haken, Synergetic Computers and Cognition, A Down Approach to Neural Nets, Springer-Verlag, 1990.
監視対象のモニタリング条件を決定するモニタリング条件決定装置であって、
前記監視対象が正常状態のときと異常状態のときとのそれぞれにおいて、あらかじめ与えられたモニタリング条件候補に従って監視センサーまたは監視ツールにより前記監視対象をモニタリングすることにより複数のモニタリング変数を逐次取得するモニタリング変数取得手段と、
前記正常状態および前記異常状態毎に、2次より大きいモーメントを含む、1つ以上のモニタリング変数に関するモーメントをそれぞれ計算する統計計算手段と、
前記正常状態および前記異常状態毎に、前記統計計算手段により計算された前記モーメントを拘束条件として、前記複数のモニタリング変数に関する確率密度ポテンシャルの近似モデルをそれぞれ正常近似モデルおよび異常近似モデルとして算出するモデル算出手段と、
前記正常近似モデルおよび前記異常近似モデル間の違いを評価する評価指標を算出する評価指標算出手段と、
前記モニタリング条件候補を変更して、前記モニタリング変数取得手段、前記統計計算手段、前記モデル算出手段、前記評価指標算出手段の処理を行うことを繰り返すように制御する制御手段と、
前記モニタリング条件候補毎の前記評価指標に基づいて各前記モニタリング条件候補の中から1つのモニタリング条件候補を、前記監視対象の前記モニタリング条件として決定するモニタリング条件決定手段と、
決定されたモニタリング条件と、前記決定されたモニタリング条件に対応する前記正常近似モデルおよび前記異常近似モデルを記憶する記憶手段と、
を備えたことを特徴とする。
監視対象のモニタリング条件を決定するための、コンピュータにおいて実行する方法であって、
前記監視対象が正常状態のときと異常状態のときとのそれぞれにおいて、あらかじめ与えられたモニタリング条件候補に従って監視センサーまたは監視ツールにより前記監視対象をモニタリングすることにより複数のモニタリング変数を逐次取得するモニタリング変数取得ステップと、
前記正常状態および前記異常状態毎に、2次より大きいモーメントを含む、1つ以上のモニタリング変数に関するモーメントをそれぞれ計算する統計計算ステップと、
前記正常状態および前記異常状態毎に、前記統計計算ステップにより計算された前記モーメントを拘束条件として、前記複数のモニタリング変数に関する確率密度ポテンシャルの近似モデルを、それぞれ正常近似モデルおよび異常近似モデルとして算出するモデル算出ステップと、
前記正常近似モデルおよび前記異常近似モデル間の違いを評価する評価指標を算出する評価指標算出ステップと、
前記モニタリング条件候補を変更して、前記モニタリング変数取得ステップと、前記統計計算ステップと、前記モデル算出ステップと、前記評価指標算出ステップとを行うことを繰り返すように制御する制御ステップと、
前記モニタリング条件候補毎の前記評価指標に基づいて各前記モニタリング条件候補の中から1つのモニタリング条件候補を、前記監視対象の前記モニタリング条件として決定するモニタリング条件決定ステップと、
決定されたモニタリング条件と、前記決定されたモニタリング条件に対応する前記正常近似モデルおよび前記異常近似モデルを記憶する記憶ステップと、
を備えたことを特徴とする。
監視対象の状態を診断するための、コンピュータにおいて実行する監視診断装置であって、
あらかじめ与えられたモニタリング条件に従って監視センサーまたは監視ツールにより前記監視対象をモニタリングすることにより複数のモニタリング変数を取得するモニタリング変数取得手段と、
前記監視対象の正常状態および異常状態のそれぞれに対応する、前記複数のモニタリング変数に関する確率密度ポテンシャルの近似モデルを、それぞれ正常近似モデルおよび異常近似モデルとして記憶したモデル記憶手段と、
前記モニタリング変数取得手段により取得された前記複数のモニタリング変数から前記正常近似モデルおよび前記異常近似モデルに従って確率密度ポテンシャル値を計算するポテンシャル値計算手段と、
前記正常近似モデルおよび前記異常近似モデルからそれぞれ計算された前記確率密度ポテンシャル値の差に基づいて、前記監視対象の正常度合いまたは異常度合いを評価する正常/異常度合指標を算出する正常/異常度合指標算出手段と、
を備えたことを特徴とする。
監視対象の状態を診断するための、コンピュータにおいて実行する監視診断装置であって、
あらかじめ与えられたモニタリング条件に従って監視センサーまたは監視ツールにより前記監視対象をモニタリングすることにより複数のモニタリング変数を取得するモニタリング変数取得手段と、
取得された前記複数のモニタリング変数に基づき、2次より大きいモーメントを含む、1つ以上のモニタリング変数に関するモーメントを計算する統計計算手段と、
計算された前記モーメントを拘束条件として、前記複数のモニタリング変数に関する確率密度ポテンシャルの近似モデルを算出するモデル算出手段と、
前記監視対象の正常状態および異常状態のそれぞれに対応する、前記複数のモニタリング変数に関する確率密度ポテンシャルの近似モデルを、それぞれ正常近似モデルおよび異常近似モデルとして記憶したモデル記憶手段と、
算出された前記確率密度ポテンシャルの近似モデルと、前記正常近似モデルおよび前記異常近似モデルとを比較することにより、前記監視対象の正常度合いまたは異常度合いを評価する正常/異常度合指標を算出する正常/異常度合指標算出手段と、
を備えたことを特徴とする。
まず、モニタリング変数を、
14: センシング装置
12:演算装置(CPU)
15:出力装置
20:保存装置
17:ROM
18:RAM
21:モニタリング条件の設定モジュール
22:モニタリング変数の取得モジュール
23:確率密度ポテンシャルの近似モデル算出モジュール
24:正常/異常モデル比較モジュール
Claims (9)
- 監視対象のモニタリング条件を決定するモニタリング条件決定装置であって、
前記監視対象が正常状態のときと異常状態のときとのそれぞれにおいて、あらかじめ与えられたモニタリング条件候補に従って監視センサーまたは監視ツールにより前記監視対象をモニタリングすることにより複数のモニタリング変数を逐次取得するモニタリング変数取得手段と、
前記正常状態および前記異常状態毎に、2次より大きいモーメントを含む、1つ以上のモニタリング変数に関するモーメントをそれぞれ計算する統計計算手段と、
前記正常状態および前記異常状態毎に、前記統計計算手段により計算された前記モーメントを拘束条件として、前記複数のモニタリング変数に関する確率密度ポテンシャルの近似モデルをそれぞれ正常近似モデルおよび異常近似モデルとして算出するモデル算出手段と、
前記正常近似モデルおよび前記異常近似モデル間の違いを評価する評価指標を算出する評価指標算出手段と、
前記モニタリング条件候補を変更して、前記モニタリング変数取得手段、前記統計計算手段、前記モデル算出手段、前記評価指標算出手段の処理を行うことを繰り返すように制御する制御手段と、
前記モニタリング条件候補毎の前記評価指標に基づいて各前記モニタリング条件候補の中から1つのモニタリング条件候補を、前記監視対象の前記モニタリング条件として決定するモニタリング条件決定手段と、
決定されたモニタリング条件と、前記決定されたモニタリング条件に対応する前記正常近似モデルおよび前記異常近似モデルを記憶する記憶手段と、
を備えたモニタリング条件決定装置。 - 前記モデル算出手段は、前記正常状態および前記異常状態に対応する前記確率密度ポテンシャルの近似モデルのうちいずれか一方における、2次のモニタリング変数の係数を成分とする行列の固有値および固有ベクトルを用いて、各前記近似モデルの変数変換を行い、変数変換後の各前記近似モデルにおいて、固有値が正のモードの変数に関する関数を、前記正常近似モデルおよび前記異常近似モデルとしてそれぞれ取得する
ことを特徴とする請求項1に記載の装置。 - 前記モデル算出手段は、前記いずれか一方の近似モデルに関して前記固有値が正のモードの変数の個数を個数情報として記憶し、
前記モニタリング条件決定手段は、前記モニタリング条件候補毎の前記個数情報をさらに用いて、前記モニタリング条件を決定する
ことを特徴とする請求項2に記載の装置。 - 前記モニタリング条件決定手段は、前記個数情報が最も小さい値を示すモニタリング条件候補のうち前記評価指標が最も高いもの、または、前記評価指標が規定範囲内にあるモニタリング条件候補のうち前記個数情報が最も小さい値を示すものを前記モニタリング条件として決定する
ことを特徴とする請求項3に記載の装置。 - 前記評価指標算出手段は、前記正常近似モデルおよび前記異常近似モデルの各安定点におけるポテンシャル値の差L1、各前記安定点におけるモニタリング変数値の差L2、差L1と差L2との比、差L1と差L2との差を引数とした関数の出力値の少なくともいずれかを前記評価指標として算出する
ことを特徴とする請求項1ないし4のいずれか一項に記載の装置。 - 前記モニタリング条件は、センサーの配置位置、センサーの配置個数、モニタリング変数の選択、前記モニタリング変数のサンプリング条件、監視対象の稼働・負荷条件、正常・異常状態の定義域の少なくともいずれか1つを含む
ことを特徴とする請求項1ないし5のいずれか一項に記載の装置。 - 監視対象のモニタリング条件を決定するための、コンピュータにおいて実行する方法であって、
前記監視対象が正常状態のときと異常状態のときとのそれぞれにおいて、あらかじめ与えられたモニタリング条件候補に従って監視センサーまたは監視ツールにより前記監視対象をモニタリングすることにより複数のモニタリング変数を逐次取得するモニタリング変数取得ステップと、
前記正常状態および前記異常状態毎に、2次より大きいモーメントを含む、1つ以上のモニタリング変数に関するモーメントをそれぞれ計算する統計計算ステップと、
前記正常状態および前記異常状態毎に、前記統計計算ステップにより計算された前記モーメントを拘束条件として、前記複数のモニタリング変数に関する確率密度ポテンシャルの近似モデルを、それぞれ正常近似モデルおよび異常近似モデルとして算出するモデル算出ステップと、
前記正常近似モデルおよび前記異常近似モデル間の違いを評価する評価指標を算出する評価指標算出ステップと、
前記モニタリング条件候補を変更して、前記モニタリング変数取得ステップと、前記統計計算ステップと、前記モデル算出ステップと、前記評価指標算出ステップとを行うことを繰り返すように制御する制御ステップと、
前記モニタリング条件候補毎の前記評価指標に基づいて各前記モニタリング条件候補の中から1つのモニタリング条件候補を、前記監視対象の前記モニタリング条件として決定するモニタリング条件決定ステップと、
決定されたモニタリング条件と、前記決定されたモニタリング条件に対応する前記正常近似モデルおよび前記異常近似モデルを記憶する記憶ステップと、
を備えたモニタリング条件の決定方法。 - 監視対象の状態を診断するための、コンピュータにおいて実行する監視診断装置であって、
あらかじめ与えられたモニタリング条件に従って監視センサーまたは監視ツールにより前記監視対象をモニタリングすることにより複数のモニタリング変数を取得するモニタリング変数取得手段と、
前記監視対象の正常状態および異常状態のそれぞれに対応する、前記複数のモニタリング変数に関する確率密度ポテンシャルの近似モデルを、それぞれ正常近似モデルおよび異常近似モデルとして記憶したモデル記憶手段と、
前記モニタリング変数取得手段により取得された前記複数のモニタリング変数から前記正常近似モデルおよび前記異常近似モデルに従って確率密度ポテンシャル値を計算するポテンシャル値計算手段と、
前記正常近似モデルおよび前記異常近似モデルからそれぞれ計算された前記確率密度ポテンシャル値の差に基づいて、前記監視対象の正常度合いまたは異常度合いを評価する正常/異常度合指標を算出する正常/異常度合指標算出手段と、
を備えた監視診断装置。 - 監視対象の状態を診断するための、コンピュータにおいて実行する監視診断装置であって、
あらかじめ与えられたモニタリング条件に従って監視センサーまたは監視ツールにより前記監視対象をモニタリングすることにより複数のモニタリング変数を取得するモニタリング変数取得手段と、
取得された前記複数のモニタリング変数に基づき、2次より大きいモーメントを含む、1つ以上のモニタリング変数に関するモーメントを計算する統計計算手段と、
計算された前記モーメントを拘束条件として、前記複数のモニタリング変数に関する確率密度ポテンシャルの近似モデルを算出するモデル算出手段と、
前記監視対象の正常状態および異常状態のそれぞれに対応する、前記複数のモニタリング変数に関する確率密度ポテンシャルの近似モデルを、それぞれ正常近似モデルおよび異常近似モデルとして記憶したモデル記憶手段と、
算出された前記確率密度ポテンシャルの近似モデルと、前記正常近似モデルおよび前記異常近似モデルとを比較することにより、前記監視対象の正常度合いまたは異常度合いを評価する正常/異常度合指標を算出する正常/異常度合指標算出手段と、
を備えた監視診断装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2008142880A JP5155740B2 (ja) | 2008-05-30 | 2008-05-30 | モニタリング条件決定装置、モニタリング条件の決定方法および監視診断装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2008142880A JP5155740B2 (ja) | 2008-05-30 | 2008-05-30 | モニタリング条件決定装置、モニタリング条件の決定方法および監視診断装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2009289154A JP2009289154A (ja) | 2009-12-10 |
JP5155740B2 true JP5155740B2 (ja) | 2013-03-06 |
Family
ID=41458290
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2008142880A Active JP5155740B2 (ja) | 2008-05-30 | 2008-05-30 | モニタリング条件決定装置、モニタリング条件の決定方法および監視診断装置 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP5155740B2 (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110658460A (zh) * | 2019-09-29 | 2020-01-07 | 东软睿驰汽车技术(沈阳)有限公司 | 一种电池包的电池寿命预测方法及装置 |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6869755B2 (ja) * | 2017-03-07 | 2021-05-12 | オークマ株式会社 | 状態診断装置 |
KR101928739B1 (ko) | 2017-06-30 | 2018-12-13 | 한국기술교육대학교 산학협력단 | 실시간 모니터링 시스템에서의 효율적인 데이터 전송 방법 |
CN111242632A (zh) * | 2020-01-07 | 2020-06-05 | 石化盈科信息技术有限责任公司 | 一种识别套现账户的方法、存储介质及电子设备 |
JP2023108255A (ja) * | 2022-01-25 | 2023-08-04 | オムロン株式会社 | 制御装置および制御方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004355421A (ja) * | 2003-05-30 | 2004-12-16 | Hitachi Ltd | Cpu冷却機構異常の検出 |
JP4972925B2 (ja) * | 2005-12-19 | 2012-07-11 | ブラザー工業株式会社 | 工作機械の温度測定位置決定方法及び工作機械の温度測定位置決定プログラム |
-
2008
- 2008-05-30 JP JP2008142880A patent/JP5155740B2/ja active Active
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110658460A (zh) * | 2019-09-29 | 2020-01-07 | 东软睿驰汽车技术(沈阳)有限公司 | 一种电池包的电池寿命预测方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
JP2009289154A (ja) | 2009-12-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3620983B1 (en) | Computer-implemented method, computer program product and system for data analysis | |
Sheriff et al. | Fault detection using multiscale PCA-based moving window GLRT | |
US20200074269A1 (en) | Computer-implemented method, computer program product and system for data analysis | |
Choi et al. | Process monitoring using a Gaussian mixture model via principal component analysis and discriminant analysis | |
US9245235B2 (en) | Integrated approach to model time series dynamics in complex physical systems | |
Sotiris et al. | Anomaly detection through a bayesian support vector machine | |
Dsilva et al. | Data-driven reduction for a class of multiscale fast-slow stochastic dynamical systems | |
Ge et al. | Nonlinear process monitoring based on linear subspace and Bayesian inference | |
Kumar et al. | Approach to fault identification for electronic products using Mahalanobis distance | |
Chen et al. | Probabilistic contribution analysis for statistical process monitoring: A missing variable approach | |
Du et al. | Minimal Euclidean distance chart based on support vector regression for monitoring mean shifts of auto-correlated processes | |
JP5155740B2 (ja) | モニタリング条件決定装置、モニタリング条件の決定方法および監視診断装置 | |
Lou et al. | Bayesian network based on an adaptive threshold scheme for fault detection and classification | |
CN115899964A (zh) | 基于多维的空调智能监测方法与系统 | |
JP2012164314A (ja) | 現象における変数の影響を決定する方法 | |
CN113095402A (zh) | 一种基于编码输入的生成对抗网络故障检测方法及系统 | |
Yang et al. | Fault diagnosis in chemical processes based on class-incremental FDA and PCA | |
Qian et al. | Multichannel profile-based monitoring method and its application in the basic oxygen furnace steelmaking process | |
Yu et al. | MAG: A novel approach for effective anomaly detection in spacecraft telemetry data | |
CN116796275A (zh) | 一种工业设备多模态时序异常检测方法 | |
Guo et al. | A data-driven soft sensing approach using modified subspace identification with limited iterative expectation-maximization | |
Li | A model-based fault detection and diagnostic methodology for secondary HVAC systems | |
Yu et al. | A hybrid learning-based model for on-line monitoring and diagnosis of out-of-control signals in multivariate manufacturing processes | |
Chen et al. | Using weather and schedule-based pattern matching and feature-based principal component analysis for whole building fault detection—Part I development of the method | |
Singaravel et al. | Explainable deep convolutional learning for intuitive model development by non–machine learning domain experts |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20110324 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20121102 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20121109 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20121207 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20151214 Year of fee payment: 3 |
|
R151 | Written notification of patent or utility model registration |
Ref document number: 5155740 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20151214 Year of fee payment: 3 |