JP5454671B2 - 故障原因診断システムおよびその方法 - Google Patents

故障原因診断システムおよびその方法 Download PDF

Info

Publication number
JP5454671B2
JP5454671B2 JP2012501528A JP2012501528A JP5454671B2 JP 5454671 B2 JP5454671 B2 JP 5454671B2 JP 2012501528 A JP2012501528 A JP 2012501528A JP 2012501528 A JP2012501528 A JP 2012501528A JP 5454671 B2 JP5454671 B2 JP 5454671B2
Authority
JP
Japan
Prior art keywords
failure
cause
abnormality
diagnosis
data
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
Application number
JP2012501528A
Other languages
English (en)
Other versions
JPWO2011104760A1 (ja
Inventor
宏樹 内山
晋也 湯田
英明 鈴木
浩三 中村
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hitachi Ltd
Original Assignee
Hitachi Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Hitachi Ltd filed Critical Hitachi Ltd
Publication of JPWO2011104760A1 publication Critical patent/JPWO2011104760A1/ja
Application granted granted Critical
Publication of JP5454671B2 publication Critical patent/JP5454671B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
    • G05B23/0221—Preprocessing measurements, e.g. data collection rate adjustment; Standardization of measurements; Time series or signal analysis, e.g. frequency analysis or wavelets; Trustworthiness of measurements; Indexes therefor; Measurements using easily measured parameters to estimate parameters difficult to measure; Virtual sensor creation; De-noising; Sensor fusion; Unconventional preprocessing inherently present in specific fault detection methods like PCA-based methods
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0259—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
    • G05B23/0275—Fault isolation and identification, e.g. classify fault; estimate cause or root of failure
    • G05B23/0278—Qualitative, e.g. if-then rules; Fuzzy logic; Lookup tables; Symptomatic search; FMEA
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/20—Pc systems
    • G05B2219/24—Pc safety
    • G05B2219/24019—Computer assisted maintenance
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/20—Pc systems
    • G05B2219/24—Pc safety
    • G05B2219/24042—Signature analysis, compare recorded with current data, if error then alarm

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Fuzzy Systems (AREA)
  • Mathematical Physics (AREA)
  • Quality & Reliability (AREA)
  • Testing And Monitoring For Control Systems (AREA)
  • Test And Diagnosis Of Digital Computers (AREA)

Description

本発明は、産業用機器やプラントなどの故障原因を診断するシステムに関し、特に異常時の機器の稼動データから故障現象や故障部品を含む故障原因を推定するシステムおよびその方法に関する。
機器に多数のセンサを設置し、機器の稼動状態を常に監視し、機器の正常時のセンサデータと比較することにより、現在の機器の状態が正常であるか異常であるかを判断し、その診断結果に応じて保守を行う状態ベース予防保全が広がりつつある。状態ベース予防保全では機器の経年劣化を迅速に察知することが可能となるため、定期保全では発見することができなかった異常を発見できるようになる。しかしながら、従来の診断技術では正常，異常の判断はできるものの、異常の原因や部品を特定することは困難であった。
このような課題に対し、診断対象プロセス信号の時系列データと事例データベースに格納された事例データの波形との距離を算出し、その距離に応じて類似度を求め、プラントの状態を診断する技術が知られている（〔特許文献１〕参照）。
また、正常空間，異常空間を予め学習しておき、測定された診断対象データと異常空間の距離から故障原因を推定する技術が知られている（〔特許文献２〕参照）。
特開２００２−９９３１９号公報 特開２００５−２４１０８９号公報
事例データとの距離からプラントの状態を診断する技術は、診断対象機器の個体差や使用環境の違いに伴うデータの特性の違いを認識することができないため、正確な診断を行うことは困難であった。また、診断対象データと異常空間の距離から故障原因を推定する技術は、異常空間を予め正確に学習しておかなければ正しい異常原因を推定することはできなかった。
本発明は、上記事情に鑑みてなされたものであり、診断対象機器の個体差や使用環境の違いに応じて診断に使用するデータを変化させ、また、故障事例が少ない場合でも適用可能な故障原因診断を実現するシステム及びその方法を提供する。
上記課題を達成するために機器の故障原因を診断する原因診断装置を備えた故障原因診断システムであって、前記原因診断装置は、機器が正常な状態である際の稼動データや稼動データを変換した値を保管する正常事例保管部と、機器が故障した際の稼動データや稼動データを変換した値を保管する異常事例保管部と、診断対象機器の稼動データを入力する診断データ入力部と、該診断データと前記正常事例保管部に格納されている正常時のデータを用いて異常の有無を判断する異常診断部と、該異常診断部で異常があると判定された場合に、前記異常診断部から出力される異常寄与度と前記異常事例保管部に格納されている故障現象や故障部品を含む故障原因毎の異常寄与度の類似度から故障原因を推定する原因診断部と、該原因診断部の診断結果を出力する診断結果出力部とを備えることを特徴とするものである。
更に、本発明は故障原因診断システムにおいて、前記異常寄与度は、前記正常事例保管部に格納されている正常時のデータと診断対象機器の稼動データの距離をパラメータ毎に分解して正規化した値であることを特徴とするものである。
更に、本発明は故障原因診断システムにおいて、前記原因診断部は、保守員によって特定された故障原因の名称を入力する特定原因入力部と、該特定原因入力部で入力された原因名称と前記異常事例保管部に格納されている原因名称を比較し、一致した場合には前記異常事例保管部の該原因名称のパラメータ毎の前記異常寄与度を前記異常診断部から出力されるパラメータ毎の前記異常寄与度を用いて更新し、一致しなかった場合には前記異常事例保管部に新たに該原因名称と前記異常診断部から出力されるパラメータ毎の前記異常寄与度を追加する異常事例更新部とを備えることを特徴とするものである。
更に、本発明は故障原因診断システムにおいて、前記原因診断部は、設計書の情報や設計者の知識を用いて生成する設計情報を格納する設計情報保管部を備え、前記原因診断部は、前記異常診断部から出力される異常時の稼動データと前記設計情報保管部に格納されている故障原因毎の異常条件との一致度を算出し、前記異常診断部から出力される異常寄与度と前記異常事例保管部に格納されている故障原因毎の前記異常寄与度との類似度を算出し、前記一致度と該類似度を故障原因毎に設定する重みを用いて故障原因を推定することを特徴とするものである。
更に、本発明は故障原因診断システムにおいて、前記設計情報は、故障原因の名称と該故障が発生した際の各パラメータが満たす条件を構成要因とすることを特徴とするものである。
更に、本発明は故障原因診断システムにおいて、前記異常事例は、故障原因の名称と該故障が発生した際の各パラメータの異常寄与度を構成要因とすることを特徴とするものである。
更に、本発明は故障原因診断システムにおいて、前記異常事例には、故障が発生した回数を示す事例数が含まれることを特徴とするものである。
また、上記課題を達成するために本発明は機器の故障原因を診断する故障原因診断方法において、前記機器が正常な状態である際の稼動データや稼動データを変換した値を保管すること、機器が故障した際の稼動データや稼動データを変換した値を保管すること、診断対象機器の診断データを入力すること、該診断データと格納されている正常時のデータを用いて異常の有無を判断すること、異常があると判定された場合に、出力される異常寄与度と故障現象や故障部品を含む故障原因毎の異常寄与度の類似度から故障原因を推定することを特徴とするものである。
また、上記課題を達成するために本発明は機器の故障原因を診断する故障原因診断方法において、正常時のデータと診断対象機器の稼動データの距離をパラメータ毎に分解して正規化した値であることを特徴とするものである。
また、上記課題を達成するために本発明は故障原因診断方法において、異常原因の名称を入力すること、入力された原因名称と格納されている原因名称を比較し、一致した場合には既に格納されている原因名称のパラメータ毎の前記異常寄与度を入力されたパラメータ毎の前記異常寄与度を用いて更新し、一致しなかった場合には原因名称と出力されるパラメータ毎の前記異常寄与度を追加することを特徴とするものである。
また、上記課題を達成するために本発明は故障原因診断方法において、設計書の情報や設計者の知識を用いて生成する設計情報を格納すること、異常時の稼動データと、故障原因毎の異常条件との一致度を算出し、出力される異常寄与度と故障原因毎の前記異常寄与度との類似度を算出し、前記一致度と該類似度を故障原因毎に設定する重みを用いて故障原因を推定することを特徴とするものである。
また、上記課題を達成するために本発明は故障原因診断方法において、前記設計情報は、故障原因の名称と該故障が発生した際の各パラメータが満たす条件を構成要因とすることを特徴とするものである。
また、上記課題を達成するために本発明は故障原因診断方法において、前記異常事例は、故障原因の名称と該故障が発生した際の各パラメータの前記異常寄与度を構成要因とすることを特徴とするものである。
また、上記課題を達成するために本発明は故障原因診断方法において、前記異常事例には、故障が発生した回数を示す事例数が含まれることを特徴とするものである。
本発明によれば、診断対象機器の個体差や使用環境の違いに応じた故障原因診断を実施することが可能になる。また、故障事例が少ない場合でも適用可能な故障原因診断を実現することが可能となる。
本発明の実施例１の故障原因診断システムを示している。 図１に示す原因診断装置のハードウェア構成を示している。 本発明の実施例１の故障原因診断システムで実施される原因診断フローの例を示している。 本発明で利用する異常寄与度の概念の例を示している。 本発明で利用する原因診断方法の概念の例を示している。 本発明の実施例１の異常事例の構造の例を示している。 本発明の実施例２の故障原因診断システムの構成を説明している。 本発明の実施例２の故障原因診断システムで実施される異常事例の更新フローの例を示している。 本発明の実施例２の異常事例の更新方法の概念の例を示している。 本発明の実施例２の異常事例の構造の例を示している。 本発明の実施例３の故障原因診断システムの構成を説明している。 本発明の実施例３の故障原因診断システムで実施される原因診断フローの例を示している。 本発明の実施例３の設計情報の構造の例を示している。
以下、本発明の実施例について説明する。なお、本発明は以下説明する実施例に限定されるものではない。
図１は、本発明の実施例１の故障原因診断システムの構成図である。
本実施例の故障原因診断システムは、図１に例示するように、原因診断装置１０を備えて構成されている。
原因診断装置１０は、機器が正常な状態である際の稼動データや稼動データを変換した値を保管する正常事例保管部１０１と、機器が故障した際の稼動データや稼動データを変換した値を保管する異常事例保管部１０２と、外部から診断対象となるデータを入力する診断データ入力部１０３と、該診断データ入力部１０３から取得した診断データと前記正常事例保管部１０１に格納されているデータを用いて異常診断を行う異常診断部１０４と、該異常診断部１０４で生成した異常寄与度と前記異常事例保管部１０２に格納されているデータを用いて原因診断を行う原因診断部１０５と、該原因診断部１０５で生成した原因診断結果を出力する診断結果出力部１０６とを備えている。
図２は原因診断装置１０のハードウェア構成を例示する図である。原因診断装置１０は、通信装置１１と、入出力装置１２と、記憶装置１３と、ＣＰＵ１４と、メモリ１５と、読取装置１６とがバスなどの内部信号線１８で連結され構成されている。
本実施例の故障原因診断システムにおける処理フローについて説明する。以下に述べる処理フローは、原因診断装置の記憶装置に格納されたプログラムがメモリにロードされ、ＣＰＵにより実行されることにより、故障原因診断システムを構成する装置上に具現化される各処理部により実行されるものである。また、各プログラムは予め記憶装置に格納されても良いし、他の記憶媒体または通信媒体（ネットワークまたはネットワークを伝搬する搬送波）を介して、必要なときに導入される形態でも良い。
図３は、原因診断装置１０で実行される原因診断フローを示した図である。
まず、ユーザは、原因診断装置１０の診断データ入力部１０３に診断対象となる診断データを入力する（ステップ３０１（Ｓ３０１と表現する。以下同様））。ここで、診断データとは、機器のセンサ情報や警告情報やセンサ情報をＦＦＴなどの手法を用いて変換したものなどを指す。次に、診断データ入力部１０３は入力された診断データ（Ａ３０１）を異常診断部１０４に送信する。
次に、異常診断部１０４は、正常事例保管部１０１より正常事例データを読み込む（Ｓ３０２）。ここで、正常事例データは、設計上のセンサや機器の正常範囲を示したものでもよいし、正常時の機器のセンサデータを収集し変換したものでもよい。次に、診断データ（Ａ３０１）と正常事例データを用いて異常診断を行う（Ｓ３０３）。ここで、異常診断は、単純な閾値判定でもよいし、クラスタリング等の技術を用いて判定してもよい。次に、異常診断結果から、異常の有無を判定する（Ｓ３０４）。その結果、異常が無いと判定された場合には、正常結果（Ａ３０２）を診断結果出力部１０６に送信する。そして、診断結果出力部１０６は、受信した正常結果を出力する（Ｓ３０５）。一方、異常が有ると判定された場合には、異常診断部１０４から出力される異常寄与度（Ａ３０３）を原因診断部１０５に送信する。ここで、異常寄与度とは正常事例データと診断データの離れ度合いをパラメータ毎に分解し、正規化したものであり、詳細に関しては図４に示す。
次に、原因診断部１０５は、異常事例保管部１０２より異常事例データを読み込む（Ｓ３０６）。ここで、異常事例データとは、過去に発生した故障のうち、現象や部品を含む原因が特定されたものの異常寄与度を意味する。次に、受信した異常寄与度（Ａ３０３）と異常事例データを用いて事例類似度を算出する（Ｓ３０７）。ここで、事例類似度とは診断データの異常寄与度と故障現象や故障部品を含む各故障原因の異常寄与度との角度から算出する値であり、詳細に関しては図５に示す。次に、事例類似度の最も大きいものを推定異常原因として算出する（Ｓ３０８）。ここで、推定異常原因の算出方法としては、事例類似度が最も大きいものだけではなく、事例類似度が大きいもののうち上位５個を算出してもよいし、事例類似度がある閾値以上のものを全て算出してもよい。次に、算出した推定異常原因（Ａ３０４）を診断結果出力部１０６に送信する。
次に、診断結果出力部１０６は、受信した推定異常原因を出力する（Ｓ３０９）。
図４は、原因診断装置１０の異常診断部１０４で算出する異常寄与度の詳細を示した図である。
ここでは簡単のため入力パラメータ数を２として異常寄与度の計算方法を示す。はじめに、正常時の稼動データの中心点（Ｘ０，Ｙ０）（Ａ４０１）を取得する。次に、診断データ（Ｘ１，Ｘ２）（Ａ４０２）と正常データの中心との距離Ｄ（Ａ４０３）を算出する。距離Ｄは以下の数式（１）で算出可能である。
Figure 0005454671
次に、異常寄与度を算出する。異常寄与度は、正常データの中心（Ａ４０１）と診断データ（Ａ４０２）と距離Ｄから以下の数式（２），（３）で算出する。
Figure 0005454671
Figure 0005454671
このように異常寄与度とはパラメータ毎に算出するものであり、パラメータ数が増加した場合でも同様に算出することが可能である。また、正常データからの離れ度合いが大きいパラメータほど異常寄与度の絶対値が大きい値となるものであり、異常寄与度の絶対値の総和は１となる。
図５は、原因診断装置１０の原因診断部１０５で算出する事例類似度の算出方法と推定異常原因の算出方法を示した図である。ここでは、簡単のため、入力パラメータ数を２とし、異常事例として収集している原因は２つとした場合の事例類似度の算出方法を示す。
はじめに、正常データ（Ａ５０１）を基準とした原因毎の異常寄与度（Ａ５０２，Ａ５０３）を取得する。次に、診断対象データの異常寄与度（Ａ５０４）を取得する。次に、診断データの異常寄与度と原因１の異常寄与度との角度ｄ1（Ａ５０５）と、原因２の異常寄与度との角度ｄ2（Ａ５０６）を算出する。次に、算出した角度を９０から引いた値を事例類似度として、以下の数式（４）により算出する。
Figure 0005454671
図６は、本発明の実施例１において異常事例保管部１０２で保持している異常事例の構成を示した図である。
異常事例（Ａ６０１）は、故障現象や故障部品を含む故障原因を識別する名称を示す原因１名称（Ａ６０２1）と各パラメータの異常寄与度（Ａ６０３11〜Ａ６０３1N）から構成される。異常事例に含まれる故障原因が複数存在する場合には、上記構成（Ａ６０２1，Ａ６０３11〜Ａ６０３1N）が故障原因の数に応じて複数配置される。なお、異常事例の要素の順序はこれに限定されるものではなく、少なくとも上記構成要素を含むものであればよい。
図７は、本発明の実施例２の故障原因診断システムの構成図を示す。
本実施例の故障原因診断システムは、図７に例示するように、原因診断装置１０を備えて構成されている。
原因診断装置１０は、機器が正常な状態である際の稼動データや稼動データを変換した値を保管する正常事例保管部１０１と、機器が故障した際の稼動データや稼動データを変換した値を保管する異常事例保管部１０２と、外部から診断対象となるデータを入力する診断データ入力部１０３と、該診断データ入力部１０３から取得した診断データと前記正常事例保管部１０１に格納されているデータを用いて異常診断を行う異常診断部１０４と、該異常診断部１０４で生成した異常寄与度と前記異常事例保管部１０２に格納されているデータを用いて原因診断を行う原因診断部１０５と、該原因診断部１０５で生成した原因診断結果を出力する診断結果出力部１０６と、設計者や保守員により特定された故障現象や故障部品を含む故障原因を入力する特定原因入力部１０７と、該特定原因入力部１０７で入力した特定原因と前記異常診断部１０４で生成した異常寄与度を用いて前記異常事例保管部１０２に格納されている異常事例を更新する異常事例更新部１０８とを含む。
本実施例の故障原因診断システムにおける処理フローについて説明する。以下に述べる処理フローは、原因診断装置の記憶装置に格納されたプログラムがメモリにロードされ、ＣＰＵにより実行されることにより、故障原因診断システムを構成する装置上に具現化される各処理部により実行されるものである。また、各プログラムは予め記憶装置に格納されても良いし、他の記憶媒体または通信媒体（ネットワークまたはネットワークを伝搬する搬送波）を介して、必要なときに導入される形態でも良い。
図８は、原因診断装置１０で実行される原因診断フローのうち、異常事例を更新する部分を示した図である。
まず、図３のＳ３０４までを実施する。その結果、異常が有ると判定された場合には、異常診断の結果出力される異常寄与度（Ａ８０１）を異常事例更新部１０８に送信する。
次に、異常事例更新部１０８は、受信した異常寄与度を保管する（Ｓ８０１）。
そして、設計者や保守員により、故障の現象や部品を含む故障原因は特定される。
更に、設計者や保守員は、特定原因入力部１０７に保守作業によって特定された故障原因を入力する（Ｓ８０２）。次に、入力した原因名称（Ａ８０２）を異常事例更新部１０８に送信する。
また、異常事例更新部１０８は、受信した原因名称を保管する（Ｓ８０３）。次に、異常事例保管部１０２に対し、異常事例取得コマンド（Ａ８０３）を送信する。
次に、異常事例保管部１０２は、受信したコマンドをもとに異常事例を取得する（Ｓ８０４）。次に、取得した異常事例（Ａ８０４）を異常事例更新部１０８に送信する。
次に、異常事例更新部１０８は、保管した原因名称が受信した異常事例に含まれるか判定を行う（Ｓ８０５）。既存の異常事例である場合には、その原因名称の異常寄与度をＳ８０１で保管した異常寄与度を用いて更新する（Ｓ８０６）。具体的な異常事例の更新方法に関しては図９に示す。一方、受信した異常事例と一致する項目がなければ、その原因名称と異常寄与度を新たな異常として追加する（Ｓ８０７）。次に、更新した異常事例（Ａ８０５）を異常事例保管部１０２に送信する。
次に、異常事例保管部１０２は、受信した更新異常事例を格納する（Ｓ８０８）。
図９は、図８のＳ８０６で実施する異常事例の更新方法を例示する図である。
はじめに、原因１の異常寄与度（Ａ９０１）と、原因２の異常寄与度（Ａ９０２）を異常事例保管部１０２から取得する。次に、診断データに対して異常診断を行った結果出力された異常寄与度（Ａ９０３）を取得する。次に、設計者や保守員等が故障現象や故障部品を含む原因を特定し、診断データの故障原因が原因１であったと入力する（Ｓ９０１）。次に、その情報を用いて元の原因１の異常寄与度（Ａ９０１）と診断データの異常寄与度（Ａ９０３）を用いて、新たな原因１の異常寄与度（Ａ９０４）を生成する。ここで、新たな異常寄与度μnは例えば過去に収集した異常寄与度の平均とし、ひとつ前の異常寄与度μn-1と事例数ｎと診断データの異常寄与度ｘnを用いて以下の数式（５）で算出する。
Figure 0005454671
ここで、異常事例の更新方法は上記方法に限定されるものではなく、故障原因の特定精度に応じて診断データの異常寄与度の影響度を変化させて新たな異常寄与度を更新してもよい。
図１０は、本発明の実施例２において異常事例保管部１０２で保持している異常事例の構成を示した図である。
異常事例（Ａ１００１）は、故障現象や故障部品を含む故障原因を識別する名称を示す原因１名称（Ａ１００２1）と過去に収集した事例数（Ａ１００３1）と、各パラメータの異常寄与度（Ａ１００４11〜Ａ１００４1N）から構成される。異常事例に含まれる原因が複数存在する場合には、上記構成（Ａ１００２1，Ａ１００３1，Ａ１００４11〜Ａ１００４1N）が原因の数に応じて複数配置される。なお、異常事例の要素の順序はこれに限定されるものではなく、少なくとも上記構成要素を含むものであればよい。
図１１は、本発明の実施例３の故障原因診断システムの構成図である。
本実施例の故障原因診断システムは、図１１に例示するように、原因診断装置１０を備えて構成されている。
原因診断装置１０は、機器が正常な状態である際の稼動データや稼動データを変換した値を保管する正常事例保管部１０１と、機器が故障した際の稼動データや稼動データを変換した値を保管する異常事例保管部１０２と、外部から診断対象となるデータを入力する診断データ入力部１０３と、該診断データ入力部１０３から取得した診断データと前記正常事例保管部１０１に格納されているデータを用いて異常診断を行う異常診断部１０４と、設計書や設計者から抽出した設計情報を保管する設計情報保管部１０９と、前記異常診断部１０４で生成した異常時の診断データや異常寄与度と前記異常事例保管部１０２に格納されているデータと前記設計情報保管部１０９に格納されているデータを用いて原因診断を行う原因診断部１０５と、該原因診断部１０５で生成した原因診断結果を出力する診断結果出力部１０６とを含んで構成される。
本実施例の故障原因診断システムにおける処理フローについて説明する。以下に述べる処理フローは、原因診断装置の記憶装置に格納されたプログラムがメモリにロードされ、ＣＰＵにより実行されることにより、故障原因診断システムを構成する装置上に具現化される各処理部により実行されるものである。また、各プログラムは予め記憶装置に格納されても良いし、他の記憶媒体または通信媒体（ネットワークまたはネットワークを伝搬する搬送波）を介して、必要なときに導入される構成でも良い。
図１２は、原因診断装置１０で実行される原因診断フローを示した図である。
まず、ユーザは、原因診断装置１０の診断データ入力部１０３に診断対象となる診断データを入力する（Ｓ１２０１）。次に、診断データ入力部１０３は入力された診断データ（Ａ１２０１）を異常診断部１０４に送信する。
次に、異常診断部１０４は、正常事例保管部１０１より正常事例データを読み込む（Ｓ１２０２）。次に、診断データ（Ａ１２０１）と正常事例データを用いて異常診断を行う（Ｓ１２０３）。次に、異常診断結果から、異常の有無を判定する（Ｓ１２０４）。その結果、異常が無いと判定された場合には、正常結果（Ａ１２０２）を診断結果出力部１０６に送信する。そして、診断結果出力部１０６は、受信した正常結果を出力する（Ｓ１２０５）。一方、異常が有ると判定された場合には、異常診断の結果出力される異常時の診断データと異常寄与度（Ａ１２０３）を原因診断部１０５に送信する。ここで、異常時の診断データとは異常診断部１０４で正常ではないと判定された部分の診断データを指す。
次に、原因診断部１０５は、設計情報保管部１０９より設計情報を読み込む（Ｓ１２０６）。ここで、設計情報とは各原因の設計上の異常条件を示した情報であり、詳細に関しては図１３に示す。次に、入力された異常時の診断データ（Ａ１２０３）と設計情報が一致しているか判定し、設計一致度を算出する（Ｓ１２０７）。ここで、設計一致度を事例類似度と同じ次元で取り扱うために、異常時の診断データと設計情報が一致していた場合には設計一致度は９０とし、一致していなかった場合には設計一致度は０もしくは−９０とする。次に、異常事例保管部１０２より異常事例データを読み込む（Ｓ１２０８）。次に、入力された異常寄与度（Ａ１２０３）と異常事例データを用いて事例類似度を算出する（Ｓ１２０９）。事例類似度の算出方法は前述の図５で示した方法と同じである。次に、算出した設計一致度と事例類似度から推定異常原因を算出する（Ｓ１２１０）。ここで、推定異常原因は、設計一致度ｄｄと事例類似度ｄｅをある重み係数（ｗｄ，ｗｅ）を掛けて足し合わせた値が最も大きいものとする。具体的には以下の数式（６）で算出する。
Figure 0005454671
ここで、重み係数は異常原因毎に固定もしくは可変の値であり、設計情報により特定が可能な異常原因はｗｄの値を大きく、事例情報により特定が可能な異常原因はｗｅの値を大きく予め設定する。また、事例情報があまり収集できていない状態では事例情報を用いた診断の信頼性は低いと考えられるため、異常事例保管装置１０２に格納されている事例数ｎの数に応じて重み係数を変化させてもよい。さらに、推定異常原因の算出方法にあたっては、事例類似度が最も大きいものだけではなく、事例類似度が大きいもののうち上位５個を算出してもよいし、事例類似度がある閾値以上のものを全て算出してもよい。
次に、算出した推定異常原因（Ａ１２０４）を診断結果出力部１０６に送信する。
そして、診断結果出力部１０６は、受信した推定異常原因を出力する（Ｓ１２１１）。
図１３は、設計情報保管部１０９で保持している設計情報の構成を示した図である。
設計情報（Ａ１３０１）は、故障現象や故障部品を含む故障原因を識別する名称を示す原因１名称（Ａ１３０２1）と各パラメータの異常条件（Ａ１３０３11〜Ａ１３０３1N）から構成される。ここで、異常条件とは、例えば、あるパラメータが１００を超えた場合という単純な閾値条件を示すものや、過去５分間に１０回発生した場合といった設計上想定される異常判定条件を意味する。また、設計情報に含まれる原因が複数存在する場合には、上記構成（Ａ１３０２1，Ａ１３０３11〜Ａ１３０３1N）が原因の数に応じて複数配置される。なお、設計情報の要素の順序はこれに限定されるものではなく、少なくとも上記構成要素を含むものであればよい。
これらの手順およびデータ構成を実現することにより、診断対象機器の個体差や使用環境の違いに応じた故障原因診断を実現することが可能となる。また、故障事例が少ない場合でも適用可能な故障原因診断を実現することが可能となる。
なお、本発明は、上記の実施例に限定されるものではなく、その要旨の範囲内で様々な変形が可能である。
たとえば、原因診断装置１０内の異常診断部と原因診断部等の処理部が互いに独立しており、ネットワーク等を経由して必要なデータの送受信を行う場合などである。
このような実施例の場合においてもシステム全体において行う処理に本質的な変化はない。
１０ 原因診断装置
１１ 通信装置
１２ 入出力装置
１３ 記憶装置
１４ ＣＰＵ
１５ メモリ
１６ 読取装置
１７ 記憶媒体
１８ 内部信号線
１０１ 正常事例保管部
１０２ 異常事例保管部
１０３ 診断データ入力部
１０４ 異常診断部
１０５ 原因診断部
１０６ 診断結果出力部
１０７ 特定原因入力部
１０８ 異常事例更新部
１０９ 設計情報保管部
Ａ３０１，Ａ４０２，Ａ１２０１ 診断データ
Ａ３０２，Ａ１２０２ 正常結果
Ａ３０３，Ａ８０１ 異常寄与度
Ａ３０４，Ａ１２０４ 推定異常原因
Ａ４０１ 正常データの中心
Ａ４０３ 正常データと診断データの距離
Ａ５０１ 正常データ
Ａ５０２，Ａ９０１ 原因１異常寄与度
Ａ５０３，Ａ９０２ 原因２異常寄与度
Ａ５０４，Ａ９０３ 診断データ異常寄与度
Ａ５０５ 原因１距離
Ａ５０６ 原因２距離
Ａ６０１，Ａ８０４，Ａ１００１ 異常事例
Ａ６０２1〜Ａ６０２N，Ａ８０２，Ａ１００２1〜Ａ１００２N，Ａ１３０２1〜Ａ１３０２N 原因名称
Ａ６０３11〜Ａ６０３NN，Ａ１００４11〜Ａ１００４NN パラメータ異常寄与度
Ａ８０３ 異常事例取得コマンド
Ａ８０５ 更新異常事例
Ａ９０４ 原因１異常寄与度（更新後）
Ａ１００３1〜Ａ１００３N 原因事例数
Ａ１２０３ 異常時の診断データ，異常寄与度
Ａ１３０１ 設計情報
Ａ１３０３11〜Ａ１３０３NN パラメータ異常条件

Claims (12)

  1. 機器の故障原因を診断する原因診断装置を備えた故障原因診断システムにおいて、
    前記原因診断装置は、
    機器が正常な状態である際の稼動データや稼動データを変換した値を保管する正常事例保管部と、
    機器が故障した際の故障現象や故障部品を含む故障原因毎の名称や、稼動データや稼動データを変換した値である異常寄与度を含む異常事例を保管する異常事例保管部と、診断対象機器の稼動データを入力する診断データ入力部と、
    該診断データと前記正常事例保管部に格納されている正常時のデータを用いて異常の有無を判断する異常診断部と、
    該異常診断部で異常があると判定された場合に、前記異常診断部から出力される稼動データの各パラメータに関する異常寄与度と前記異常事例保管部に格納されている故障現象や故障部品を含む故障原因毎の稼動データの各パラメータに関する異常寄与度の類似度から故障原因を推定する原因診断部と、
    該原因診断部の診断結果を出力する診断結果出力部とを備えることを特徴とする故障原因診断システム。
  2. 請求項１の故障原因診断システムにおいて、
    前記異常寄与度は、
    前記正常事例保管部に格納されている正常時のデータと診断対象機器の稼動データの距離をパラメータ毎に分解して総和が１となるように正規化した値であることを特徴とする故障原因診断システム。
  3. 請求項１又は、請求項２のいずれか１つの故障原因診断システムにおいて、
    前記原因診断部は、
    保守員によって特定された故障原因の名称を入力する特定原因入力部と、
    該特定原因入力部で入力された原因名称と前記異常事例保管部に格納されている前記故障現象や故障部品を含む故障原因毎の名称を比較し、一致した場合には前記異常事例保管部の該名称のパラメータ毎の前記異常寄与度を前記異常診断部から出力されるパラメータ毎の前記異常寄与度を用いて更新し、
    一致しなかった場合には前記異常事例保管部に新たに該名称と前記異常診断部から出力されるパラメータ毎の前記異常寄与度を追加する異常事例更新部とを備えることを特徴とする故障原因診断システム。
  4. 請求項１ないし３のいずれか１つの故障原因診断システムにおいて、
    前記原因診断部は、設計書の情報や設計者の知識を用いて生成する設計情報を格納する設計情報保管部を備え、
    前記原因診断部は、前記異常診断部から出力される異常時の稼動データと前記設計情報保管部に格納されている故障原因毎の異常条件との一致度を算出し、前記異常診断部から出力される前記異常寄与度と前記異常事例保管部に格納されている故障原因毎の異常寄与度との類似度を算出し、故障が発生した回数を示す事例数の数に応じて変化し、故障原因毎に設定する重み情報を用いて前記一致度と該類似度を統合し、故障原因を推定することを特徴とする故障原因診断システム。
  5. 請求項４の故障原因診断システムにおいて、
    前記設計情報は、故障原因の名称と該故障が発生した際の各パラメータが満たす条件である前記異常条件を構成要因とすることを特徴とする故障原因診断システム。
  6. 請求項１ないし４のいずれか１つの故障原因診断システムにおいて、
    前記異常事例は、故障原因の名称と該故障が発生した際の各パラメータの前記異常寄与度を構成要因とすることを特徴とする故障原因診断システム。
  7. 機器の故障原因を診断する故障原因診断方法において、
    前記機器が正常な状態である際の稼動データや稼動データを変換した値を保管すること、
    機器が故障した際の故障現象や故障部品を含む故障原因毎の名称や、稼動データや稼動データを変換した値である異常寄与度を含む異常事例を保管すること、
    診断対象機器の診断データを入力すること、
    該診断データと格納されている正常時のデータを用いて異常の有無を判定すること、
    異常があると判定された場合に、出力される稼動データの各パラメータに関する異常寄与度と故障現象や故障部品を含む故障原因毎の稼動データの各パラメータに関する異常寄与度の類似度から故障原因を推定することを特徴とする故障原因診断方法。
  8. 請求項７の故障原因診断方法において、
    前記異常寄与度は、
    正常時のデータと診断対象機器の稼動データの距離をパラメータ毎に分解し、総和が１となるように正規化した値であることを特徴とする故障原因診断方法。
  9. 請求項７又は、請求項８のいずれか１つの故障原因診断方法において、
    故障原因の名称を入力すること、
    入力された故障原因名称と格納されている故障原因名称を比較し、一致した場合には既に格納されている故障原因名称のパラメータ毎の前記異常寄与度を入力されたパラメータ毎の前記異常寄与度を用いて更新し、
    一致しなかった場合には故障原因名称と出力されるパラメータ毎の前記異常寄与度を追加することを特徴とする故障原因診断方法。
  10. 請求項７ないし９のいずれか１つの故障原因診断方法において、
    設計書の情報や設計者の知識を用いて生成する設計情報を格納し、
    異常時の稼動データと、前記設計情報に含まれる故障原因毎の異常条件との一致度を算出し、出力される前記異常寄与度と故障原因毎の前記異常寄与度との類似度を算出し、故障が発生した回数を示す事例数の数に応じて変化し、故障原因毎に設定する重み情報を用いて前記一致度と該類似度を統合し、故障原因を推定することを特徴とする故障原因診断方法。
  11. 請求項１０の故障原因診断方法において、
    前記設計情報は、故障原因の名称と該故障が発生した際の各パラメータが満たす条件である前記異常条件を構成要因とすることを特徴とする故障原因診断方法。
  12. 請求項７ないし１０のいずれか１つの故障原因診断方法において、
    前記異常事例は、故障原因の名称と該故障が発生した際の各パラメータの前記異常寄与度を構成要因とすることを特徴とする故障原因診断方法。
JP2012501528A 2010-02-26 2010-02-26 故障原因診断システムおよびその方法 Active JP5454671B2 (ja)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2010/001303 WO2011104760A1 (ja) 2010-02-26 2010-02-26 故障原因診断システムおよびその方法

Publications (2)

Publication Number Publication Date
JPWO2011104760A1 JPWO2011104760A1 (ja) 2013-06-17
JP5454671B2 true JP5454671B2 (ja) 2014-03-26

Family

ID=44506210

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2012501528A Active JP5454671B2 (ja) 2010-02-26 2010-02-26 故障原因診断システムおよびその方法

Country Status (4)

Country Link
US (1) US9122273B2 (ja)
JP (1) JP5454671B2 (ja)
CN (1) CN102844721B (ja)
WO (1) WO2011104760A1 (ja)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20160073465A (ko) * 2014-12-16 2016-06-27 주식회사 에스원 침입감지 시스템
KR20170048843A (ko) * 2015-10-27 2017-05-10 삼성에스디에스 주식회사 센서 데이터를 이용한 이상 감지 장치 및 방법

Families Citing this family (80)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5487060B2 (ja) * 2010-09-07 2014-05-07 日立Ｇｅニュークリア・エナジー株式会社 故障原因診断方法及び故障原因診断装置
US9298182B2 (en) * 2011-12-15 2016-03-29 Xeonet Co., Ltd Method of displaying abnormal status in plant operation monitoring system
JP5858839B2 (ja) * 2012-03-26 2016-02-10 住友重機械工業株式会社 作業機械の異常診断装置
JP6146275B2 (ja) * 2013-11-27 2017-06-14 株式会社豊田中央研究所 障害診断支援システム、障害診断支援装置および障害診断支援方法
JP2015184942A (ja) * 2014-03-25 2015-10-22 株式会社日立ハイテクノロジーズ 故障原因分類装置
KR20160025664A (ko) * 2014-08-27 2016-03-09 삼성에스디에스 주식회사 이상 조기 감지 장치 및 방법
US10417076B2 (en) * 2014-12-01 2019-09-17 Uptake Technologies, Inc. Asset health score
WO2016088362A1 (ja) * 2014-12-05 2016-06-09 日本電気株式会社 システム分析装置、システム分析方法および記憶媒体
US10176279B2 (en) 2015-06-05 2019-01-08 Uptake Technologies, Inc. Dynamic execution of predictive models and workflows
US10579750B2 (en) 2015-06-05 2020-03-03 Uptake Technologies, Inc. Dynamic execution of predictive models
US10254751B2 (en) 2015-06-05 2019-04-09 Uptake Technologies, Inc. Local analytics at an asset
US10878385B2 (en) 2015-06-19 2020-12-29 Uptake Technologies, Inc. Computer system and method for distributing execution of a predictive model
JP6148316B2 (ja) * 2015-07-31 2017-06-14 ファナック株式会社 故障条件を学習する機械学習方法及び機械学習装置、並びに該機械学習装置を備えた故障予知装置及び故障予知システム
DE102016008987B4 (de) 2015-07-31 2021-09-16 Fanuc Corporation Maschinenlernverfahren und Maschinenlernvorrichtung zum Lernen von Fehlerbedingungen, und Fehlervorhersagevorrichtung und Fehlervorhersagesystem, das die Maschinenlernvorrichtung einschließt
US10579971B1 (en) * 2015-08-10 2020-03-03 State Farm Mutual Automobile Insurance Company Systems and methods for scheduling repair of home equipment
US10217068B1 (en) 2015-08-10 2019-02-26 State Farm Mutual Automobile Insurance Company Systems and methods for pre-scheduling repair of home equipment
US10229394B1 (en) 2015-08-10 2019-03-12 State Farm Mutual Automobile Insurance Company Systems and methods for sending diagnostic information during scheduling of home equipment repair
KR20180042865A (ko) 2015-09-17 2018-04-26 업테이크 테크놀로지스 인코포레이티드 네트워크 상의 데이터 플랫폼들 사이에서 자산-관련된 정보를 공유하기 위한 컴퓨터 시스템들 및 방법들
CN106610602B (zh) * 2015-10-27 2019-04-02 西门子公司 一种用于异常检测的方法和装置
US10623294B2 (en) 2015-12-07 2020-04-14 Uptake Technologies, Inc. Local analytics device
US11295217B2 (en) 2016-01-14 2022-04-05 Uptake Technologies, Inc. Localized temporal model forecasting
US10510006B2 (en) 2016-03-09 2019-12-17 Uptake Technologies, Inc. Handling of predictive models based on asset location
WO2017159016A1 (ja) * 2016-03-15 2017-09-21 株式会社日立製作所 異常診断システム
US10796235B2 (en) 2016-03-25 2020-10-06 Uptake Technologies, Inc. Computer systems and methods for providing a visualization of asset event and signal data
US20170353353A1 (en) 2016-06-03 2017-12-07 Uptake Technologies, Inc. Provisioning a Local Analytics Device
JP6591937B2 (ja) * 2016-06-29 2019-10-16 株式会社日立製作所 運用保守知識情報の策定支援システムおよび策定支援方法
US10210037B2 (en) 2016-08-25 2019-02-19 Uptake Technologies, Inc. Interface tool for asset fault analysis
US10474932B2 (en) 2016-09-01 2019-11-12 Uptake Technologies, Inc. Detection of anomalies in multivariate data
US10228925B2 (en) 2016-12-19 2019-03-12 Uptake Technologies, Inc. Systems, devices, and methods for deploying one or more artifacts to a deployment environment
US11080161B2 (en) * 2016-12-21 2021-08-03 Mitsubishi Electric Corporation Control device, and processing method in event of failure in control device
JP6842299B2 (ja) * 2016-12-28 2021-03-17 三菱パワー株式会社 診断装置、診断方法及びプログラム
US10579961B2 (en) 2017-01-26 2020-03-03 Uptake Technologies, Inc. Method and system of identifying environment features for use in analyzing asset operation
JP6752739B2 (ja) * 2017-02-15 2020-09-09 株式会社日立製作所 保守装置、提示システム及びプログラム
US10671039B2 (en) 2017-05-03 2020-06-02 Uptake Technologies, Inc. Computer system and method for predicting an abnormal event at a wind turbine in a cluster
US10102693B1 (en) * 2017-05-30 2018-10-16 Deere & Company Predictive analysis system and method for analyzing and detecting machine sensor failures
CN110678727B (zh) * 2017-06-02 2021-08-31 富士通株式会社 判定装置、判定方法和存储介质
US10255526B2 (en) 2017-06-09 2019-04-09 Uptake Technologies, Inc. Computer system and method for classifying temporal patterns of change in images of an area
JP6756374B2 (ja) * 2017-06-19 2020-09-16 Ｊｆｅスチール株式会社 プロセスの異常状態診断装置および異常状態診断方法
JP6793601B2 (ja) * 2017-06-20 2020-12-02 株式会社日立ビルシステム 監視装置、監視システム、異常検知方法
JP6833642B2 (ja) * 2017-08-10 2021-02-24 株式会社東芝 要因分析装置、要因分析方法、およびプログラム
CN107516414A (zh) * 2017-08-21 2017-12-26 中国电力科学研究院 一种用电信息采集系统故障诊断分析方法及系统
US11232371B2 (en) 2017-10-19 2022-01-25 Uptake Technologies, Inc. Computer system and method for detecting anomalies in multivariate data
US10552246B1 (en) 2017-10-24 2020-02-04 Uptake Technologies, Inc. Computer system and method for handling non-communicative assets
US10379982B2 (en) 2017-10-31 2019-08-13 Uptake Technologies, Inc. Computer system and method for performing a virtual load test
US10635519B1 (en) 2017-11-30 2020-04-28 Uptake Technologies, Inc. Systems and methods for detecting and remedying software anomalies
JP7006282B2 (ja) * 2018-01-12 2022-01-24 株式会社明電舎 設備異常診断装置
KR102116064B1 (ko) * 2018-01-29 2020-05-27 (주)윈텍 설비 진단 시스템을 이용한 설비 진단 방법
US10815966B1 (en) 2018-02-01 2020-10-27 Uptake Technologies, Inc. Computer system and method for determining an orientation of a wind turbine nacelle
US10169135B1 (en) 2018-03-02 2019-01-01 Uptake Technologies, Inc. Computer system and method of detecting manufacturing network anomalies
US10554518B1 (en) 2018-03-02 2020-02-04 Uptake Technologies, Inc. Computer system and method for evaluating health of nodes in a manufacturing network
US10635095B2 (en) 2018-04-24 2020-04-28 Uptake Technologies, Inc. Computer system and method for creating a supervised failure model
US10860599B2 (en) 2018-06-11 2020-12-08 Uptake Technologies, Inc. Tool for creating and deploying configurable pipelines
EP3795975B1 (en) 2018-06-14 2023-08-02 Mitsubishi Electric Corporation Abnormality sensing apparatus, abnormality sensing method, and abnormality sensing program
US10579932B1 (en) 2018-07-10 2020-03-03 Uptake Technologies, Inc. Computer system and method for creating and deploying an anomaly detection model based on streaming data
JP7032261B2 (ja) * 2018-07-24 2022-03-08 日立グローバルライフソリューションズ株式会社 異常検知システムおよび異常検知方法
US11119472B2 (en) 2018-09-28 2021-09-14 Uptake Technologies, Inc. Computer system and method for evaluating an event prediction model
JP7134051B2 (ja) * 2018-10-01 2022-09-09 三菱電機株式会社 劣化検知システム
US11181894B2 (en) 2018-10-15 2021-11-23 Uptake Technologies, Inc. Computer system and method of defining a set of anomaly thresholds for an anomaly detection model
WO2020110208A1 (ja) * 2018-11-27 2020-06-04 富士通フロンテック株式会社 原因推定装置、原因推定出力方法及び紙葉類取扱システム
DE112019006255B4 (de) * 2019-01-21 2024-07-04 Mitsubishi Electric Corporation Anomalieursache-schätzeinrichtung, anomalieursache- schätzverfahren und medium
US11480934B2 (en) 2019-01-24 2022-10-25 Uptake Technologies, Inc. Computer system and method for creating an event prediction model
US11030067B2 (en) 2019-01-29 2021-06-08 Uptake Technologies, Inc. Computer system and method for presenting asset insights at a graphical user interface
US11797550B2 (en) 2019-01-30 2023-10-24 Uptake Technologies, Inc. Data science platform
CN109992600B (zh) * 2019-03-28 2021-09-07 佛山市百斯特电器科技有限公司 一种设备故障的响应方法及设备
JP6684038B1 (ja) * 2019-04-03 2020-04-22 株式会社日立パワーソリューションズ 予兆保全設備、予兆保全方法及び予兆保全プログラム
US11208986B2 (en) 2019-06-27 2021-12-28 Uptake Technologies, Inc. Computer system and method for detecting irregular yaw activity at a wind turbine
US10975841B2 (en) 2019-08-02 2021-04-13 Uptake Technologies, Inc. Computer system and method for detecting rotor imbalance at a wind turbine
FI20195989A1 (en) 2019-11-19 2021-05-20 Elisa Oyj Analysis of measurement results using deviation detection and identification of deviating variables
JP7191807B2 (ja) * 2019-11-29 2022-12-19 株式会社日立製作所 診断装置および診断方法
JP7333281B2 (ja) * 2020-02-06 2023-08-24 株式会社日立製作所 設計支援システム
US20230229136A1 (en) * 2020-05-29 2023-07-20 Daicel Corporation Abnormal irregularity cause identifying device, abnormal irregularity cause identifying method, and abnormal irregularity cause identifying program
CN111782434A (zh) * 2020-06-30 2020-10-16 联想(北京)有限公司 异常检测方法、装置和电子设备
US11892830B2 (en) 2020-12-16 2024-02-06 Uptake Technologies, Inc. Risk assessment at power substations
CN112820090A (zh) * 2020-12-30 2021-05-18 苏州绿科智能机器人研究院有限公司 一种基于大数据的报警系统及其实现方法
CN112734138B (zh) * 2021-01-27 2023-07-07 珠海格力电器股份有限公司 一种故障预警方法、装置、设备及存储介质
WO2022259446A1 (ja) * 2021-06-10 2022-12-15 日本電気株式会社 異常原因推定装置、異常原因推定方法、及びコンピュータ読み取り可能な記録媒体
CN114490213A (zh) * 2021-12-31 2022-05-13 深圳市智仁科技有限公司 电脑主板故障的监测诊断方法、系统、装置及存储介质
CN115099298B (zh) * 2022-05-05 2024-09-24 江苏方天电力技术有限公司 一种低压台区线损异常诊断方法
CN116026403A (zh) * 2022-11-09 2023-04-28 国能四川西部能源股份有限公司 开关柜故障预警方法、装置、介质和电子设备
CN118566702A (zh) * 2024-08-05 2024-08-30 江苏华芯智造半导体有限公司 一种电路板故障检测方法、系统及存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007293489A (ja) * 2006-04-24 2007-11-08 Mitsubishi Electric Corp 設備機器用故障診断装置および設備機器用故障診断方法
JP2008071270A (ja) * 2006-09-15 2008-03-27 Omron Corp プロセス異常分析装置およびプロセス異常分析方法並びにプログラム
JP2009199289A (ja) * 2008-02-21 2009-09-03 Fujifilm Corp 製造設備の診断装置及び方法
JP2010501091A (ja) * 2006-05-07 2010-01-14 アプライド マテリアルズ インコーポレイテッド 故障診断のための範囲を定めた故障サイン

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3631118B2 (ja) 2000-09-21 2005-03-23 株式会社東芝 プラント診断装置
JP4265982B2 (ja) 2004-02-25 2009-05-20 三菱電機株式会社 機器診断装置、冷凍サイクル装置、冷凍サイクル監視システム
US20070028220A1 (en) * 2004-10-15 2007-02-01 Xerox Corporation Fault detection and root cause identification in complex systems
US7477960B2 (en) * 2005-02-16 2009-01-13 Tokyo Electron Limited Fault detection and classification (FDC) using a run-to-run controller
CN101438251A (zh) * 2006-05-07 2009-05-20 应用材料股份有限公司 调适多变量错误检测
US7587296B2 (en) 2006-05-07 2009-09-08 Applied Materials, Inc. Adaptive multivariate fault detection
WO2008140363A1 (en) * 2007-05-14 2008-11-20 Volvo Technology Corporation Remote diagnosis modellin
WO2008157503A1 (en) * 2007-06-15 2008-12-24 Shell Oil Company Remote monitoring systems and methods

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007293489A (ja) * 2006-04-24 2007-11-08 Mitsubishi Electric Corp 設備機器用故障診断装置および設備機器用故障診断方法
JP2010501091A (ja) * 2006-05-07 2010-01-14 アプライド マテリアルズ インコーポレイテッド 故障診断のための範囲を定めた故障サイン
JP2008071270A (ja) * 2006-09-15 2008-03-27 Omron Corp プロセス異常分析装置およびプロセス異常分析方法並びにプログラム
JP2009199289A (ja) * 2008-02-21 2009-09-03 Fujifilm Corp 製造設備の診断装置及び方法

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20160073465A (ko) * 2014-12-16 2016-06-27 주식회사 에스원 침입감지 시스템
KR101657369B1 (ko) 2014-12-16 2016-09-19 주식회사 에스원 침입감지 시스템
KR20170048843A (ko) * 2015-10-27 2017-05-10 삼성에스디에스 주식회사 센서 데이터를 이용한 이상 감지 장치 및 방법
KR102384742B1 (ko) * 2015-10-27 2022-04-07 삼성에스디에스 주식회사 센서 데이터를 이용한 이상 감지 장치 및 방법

Also Published As

Publication number Publication date
CN102844721B (zh) 2015-11-25
US9122273B2 (en) 2015-09-01
JPWO2011104760A1 (ja) 2013-06-17
US20120310597A1 (en) 2012-12-06
WO2011104760A1 (ja) 2011-09-01
CN102844721A (zh) 2012-12-26

Similar Documents

Publication Publication Date Title
JP5454671B2 (ja) 故障原因診断システムおよびその方法
CN107463161B (zh) 预测飞行器中的故障的方法和系统以及监控系统
EP2905665B1 (en) Information processing apparatus, diagnosis method, and program
KR101825809B1 (ko) 플랜트 이상 감지 시스템 및 방법
US7496798B2 (en) Data-centric monitoring method
US10496466B2 (en) Preprocessor of abnormality sign diagnosing device and processing method of the same
JP5416630B2 (ja) 移動体異常判断支援システム
US20230081892A1 (en) Abnormality diagnosis method, abnormality diagnosis device and non-transitory computer readable storage medium
US20140365179A1 (en) Method and Apparatus for Detecting and Identifying Faults in a Process
KR20170125265A (ko) 플랜트 이상 감지를 위한 자동 학습 시스템 및 방법
CN105579922A (zh) 信息处理装置以及分析方法
KR20190025474A (ko) 플랜트 데이터 예측 장치 및 방법
JP6655926B2 (ja) 異常診断システム
JP6714498B2 (ja) 設備診断装置及び設備診断方法
JP6164311B1 (ja) 情報処理装置、情報処理方法、及び、プログラム
KR102102346B1 (ko) 함정설비의 상태기반 정비지원 시스템 및 방법
EP3674827B1 (en) Monitoring target selecting device, monitoring target selecting method and program
JP5621967B2 (ja) 異常データ分析システム
JP2018139085A (ja) 異常予測方法、異常予測装置、異常予測システムおよび異常予測プログラム
JP4922265B2 (ja) プラント監視装置およびプラント監視方法
ITCO20090068A1 (it) Metodo e sistema per diagnosticare compressori
CN110582626A (zh) 用由磨损因子校正的异常检测来监视涡轮机的系统和方法
KR102483210B1 (ko) Xai를 활용한 제조설비 이상발생확률 예측에 의한, 설비 건강지수 도출 시스템 및 설비 건강지수 도출 방법
JP7026012B2 (ja) 機器状態監視システム及び機器状態監視方法
JP2010276339A (ja) センサ診断方法およびセンサ診断装置

Legal Events

Date Code Title Description
A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20130910

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20131111

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: 20131210

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20131223

R151 Written notification of patent or utility model registration

Ref document number: 5454671

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R151

S111 Request for change of ownership or part of ownership

Free format text: JAPANESE INTERMEDIATE CODE: R313113

R350 Written notification of registration of transfer

Free format text: JAPANESE INTERMEDIATE CODE: R350