JP5538597B2 - 異常検知方法及び異常検知システム - Google Patents
異常検知方法及び異常検知システム Download PDFInfo
- Publication number
- JP5538597B2 JP5538597B2 JP2013128157A JP2013128157A JP5538597B2 JP 5538597 B2 JP5538597 B2 JP 5538597B2 JP 2013128157 A JP2013128157 A JP 2013128157A JP 2013128157 A JP2013128157 A JP 2013128157A JP 5538597 B2 JP5538597 B2 JP 5538597B2
- Authority
- JP
- Japan
- Prior art keywords
- data
- learning data
- abnormality
- similarity
- abnormality detection
- 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.)
- Expired - Fee Related
Links
Images
Landscapes
- Testing And Monitoring For Control Systems (AREA)
Description
同図に示すように、予兆検知25により早期に予兆として発見できれば、故障となって稼動停止となる前に、何らかの対策がうてることになる。そして、部分空間法などの予兆検知たイベント列照合などにより検知した予兆に基づき、異常診断を行い、故障候補の部品の特定やいつ当該部品が故障停止に至るかなどを推測する。そして、必要な部品の手配を、必要なタイミングで行う。
図11に示すように、ここでは、学習データからデータ読み出し(S51)を行い、学習データに含まれる個々のデータ間の類似度を算出(S52)し、それぞれに対して類似度の高い上位k個のデータを求める(S53)ことを行い(いわゆるk−NN法:k-Nearest Neighbor法と呼ばれる手法と同様)、これにより得られる学習データのデータを対象に、その頻度分布を算出(S55)し、その頻度分布に基づいて、正常事例の存在範囲を決定(S55)する。k−NN法の場合、類似度は、特徴空間内の距離になる。更に、イベント解析(S56)の結果をも照合し、観測データの乖離度を算出(S57)し、異常の有無と異常の説明のメッセージを出力する。
本発明の実施例4の異常検知システムでは、学習データから、設備の発生した設備停止や警告に関するアラーム情報を含む区間を除くことにより、良質の学習データを生成する。また、本発明の実施例4の異常検知システムでは設備が発生した異常を含む範囲を除くことにより、良質の学習データを生成することができる。
通常の類似度算出は、全探索と呼ばれる、全データを対象にする場合が多いが、本実施例で述べたように、クラスタという属性に基づいて、対象データを限定したり、またさらにはイベント情報に基づいて、運転状態や運転環境などでモード分けを実施し、対象モードを絞り込むことにより、対象データを限定することも可能であり、
これにより、異常予兆検知の精度を向上できる。これは、例えば、図16や図17に示すように、すなわち、状態A、B、Cという3種類の状態を分けて表示したが、状態別に考えることにより、よりコンパクトな学習データを対象にするのと同じになり、結果として見逃し防止になり、異常予兆検知の精度を向上できる。また、類似度算出の対象データとなる学習データを限定できるので、類似度算出の計算負荷も低減することが可能となる。
・異常測度が、異常判定のしきい値を超えた主要因は、センサ信号「A」「B」である。(センサ信号の異常への寄与率の一覧も表示)
・イベント「C」と同期して、異常測度が、異常判定のしきい値を超えた。
・定めたイベント「D」「E」の組み合わせが、設定した期間に、設定した回数以上発生し、異常と判定した。
(1)運転ONの状態に見られるように、これらのクラスタは、例えば線形など、低次元のモデルで表現できる。
これらのクラスタリングは、設備のアラーム信号や保全情報を加味して、これらのひも付きとして、実施してもよい。具体的には、各クラスタに、アラーム信号などの情報が属性として付加される。
b:回帰係数(1+p列)
X:説明変数行列(r行、1+p列)
||y−Xb||⇒min
b=(X’X)−1X’y(’は転置を表す)
y〜=Xb=X(X’X) −1X’y(説明変数の影響を表す部分)
e=y−y〜(y〜で近似できない部分。説明変数の影響を取り除いた部分)
ただし、rank X=p+1
(1)全ての信号を使う場合に見えなかった特性が現れる
(2)有効ではない信号を除く
(3)全ての組み合わせより、短時間で計算できる
という利点がある。
α×モデル(1)+(1−α)×モデル(2)
として定式化できる。
モデル(1)の重みを、古いものほど小さくするという忘却形のものでもよい。この場合、最近のデータに基づくモデルが重視されることになる。
(2)データ収集が不完全でも精度の高い異常検知が可能となる、
(3)異常データが包含されていても、この影響を許容できる、
といった直接的効果に加え、
(4)ユーザにとって、現象を理解しやすい、
(5)エンジニアの知識を活用できる
(6)物理モデルも併用できる、
と言った副次的な効果がある。
2 操作PC
11 多次元時系列信号取得部
12 特徴抽出/選択/変換
13 識別器
14 統合(グローバル異常測度)
15 主に正常事例からなる学習データデータベース
21 異常測度
22 的中率・虚報率
23 異常予兆の説明性
24 時系列信号の特徴抽出・分類
25 予兆検知
26 異常診断
31 観測データ取得部
32 学習データ記憶・更新部
33 データ間の類似度算出演算部
34 類似度判定部
35 学習データからの削除・追加判断部
36 データ削除、追加指示部
41 学習データ記憶部
42 データ間の類似度算出演算部
43 類似度判定部
44 学習データからの削除・追加判断部
45 データ削除指示部
51 観測データの乖離度算出部
52 頻度分布生成による正常範囲決定部
53 正常事例からなる学習データ
54 データ間の類似度算出部
60 類似度を考慮したセンサ信号
70 センサ信号レベルの頻度分布
80 付帯情報;イベント情報
90 特徴空間内のクラスタのマージモデルからの偏差
91 特徴空間内の個別状態
92 特徴空間内の状態の変化
93 特徴空間内の状態の学習、変化をモデル化
101 多次元信号取得部
102 欠損値の修正・削除部
103 状態データ・知識データベース
104 相関解析による無効信号の削除部
106 軌跡分割クラスタリング
107 アラーム信号/保全情報
108 各クラスタ対象のモデル化部
109 モデルからの偏差算出部
110 はずれ値検出部
111 各クラスタの特徴選択のモデル化部
112 アラーム信号などの一定区間累積ヒストグラム
113 異常特定部
114 Wavelet(変換)解析部
115 各クラスタ軌跡散布図・相関解析部
116 各クラスタ毎時間・周波数解析部
117 学習データ
118 モデル化(1)部
119 プロセッサ
120 表示器
121 データベース
122 物理モデル
123 該当モデル引き当て・偏差算出部
124 状態変化・総合偏差の算出部
130 多次元時系列信号
131 相関行列
132 クラスタの例
133 特徴空間内のラベリング
134 全時系列データの隣接距離(速さ)に基づくラベリング結果
135 r次元部分空間への投影距離が短いクラスへの分類
136 パラメトリック複合統計モデルによる事例ベース異常検知
137 軌跡分割によるクラスタリング実施
138 全時系列データの隣接距離(速さ)に基づくラベリング結果の重回帰
139 局所部分空間法
140 局所部分空間法
141 データの振舞(軌跡)を可視化
142 データをクラスタ毎にモデル化
143 データの変化速度を可視化
144 モデルからの偏差を算出
150 アラーム信号ヒストグラム
151 アラーム信号に異常の度合いや信頼度を付与
160 Wavelet解析
161 Wavelet変換
170 散布図解析
171 相互相関解析
180 時間・周波数解析
Claims (6)
- プラントまたは設備の異常を早期に検知する異常検知方法であって、
複数のセンサからデータを取得し、
前記取得したデータの中からほぼ正常な事例からなる学習データを指定し、
前記学習データに含まれる個々の学習データ間の類似度を求め、前記個々の学習データに対して類似度の高い上位k個の学習データを選択し、
前記選択された学習データを対象に、頻度分布を前記センサ毎に算出し、前記頻度分布に基づいて、前記センサ毎に正常事例の存在範囲を決定し、
あらたに取得した観測データと、前記正常事例の存在範囲との乖離度に基づいて、前記観測データの異常を検知することを特徴とする異常検知方法。 - 前記正常事例の存在範囲は典型値、上限値、下限値の少なくとも一つ以上により表現されることを特徴とする請求項1記載の異常検知方法。
- 前記観測データと前記正常事例の存在範囲との乖離度に基づいて、さらに前記観測データのどの要素が異常かを特定することを特徴とする請求項1記載の異常検知方法。
- プラントまたは設備の異常を早期に検知する異常検知システムであって、
複数のセンサからのデータを取得するデータ取得部と、
ほぼ正常な事例からなる学習データ部と、データ間の類似度を算出する類似度算出部と、観測データの頻度分布算出部からなり
前記学習データに含まれる個々の学習データ間の類似度を求め、前記個々の学習データに対して類似度の高い上位k個の学習データを選択し、
前記選択された学習データを対象に、頻度分布を前記センサ毎に算出し、前記頻度分布に基づいて、前記センサ毎に正常事例の存在範囲を決定し、
あらたに取得した観測データと、前記正常事例の存在範囲との乖離度に基づいて、前記観測データの異常を検知することを特徴とする異常検知システム。 - 前記正常事例の存在範囲は典型値、上限値、下限値の少なくとも一つ以上により表現されることを特徴とする請求項4記載の異常検知システム。
- 前記観測データと前記正常事例の存在範囲との乖離度に基づいて、さらに前記観測データのどの要素が異常かを特定することを特徴とする請求項4記載の異常検知システム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2013128157A JP5538597B2 (ja) | 2013-06-19 | 2013-06-19 | 異常検知方法及び異常検知システム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2013128157A JP5538597B2 (ja) | 2013-06-19 | 2013-06-19 | 異常検知方法及び異常検知システム |
Related Parent Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2009033380A Division JP5301310B2 (ja) | 2009-02-17 | 2009-02-17 | 異常検知方法及び異常検知システム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2013218725A JP2013218725A (ja) | 2013-10-24 |
JP5538597B2 true JP5538597B2 (ja) | 2014-07-02 |
Family
ID=49590659
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2013128157A Expired - Fee Related JP5538597B2 (ja) | 2013-06-19 | 2013-06-19 | 異常検知方法及び異常検知システム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP5538597B2 (ja) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20220003630A1 (en) * | 2019-04-05 | 2022-01-06 | Ihi Power Systems Co., Ltd. | Vibro-acoustic analysis method and device and equipment-abnormality-location estimation method and device |
US11531688B2 (en) | 2017-05-12 | 2022-12-20 | Mitsubishi Electric Corporation | Time-series data processing device, time-series data processing system, and time-series data processing method |
Families Citing this family (46)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8094034B2 (en) | 2007-09-18 | 2012-01-10 | Georgia Tech Research Corporation | Detecting actuation of electrical devices using electrical noise over a power line |
WO2013030984A1 (ja) | 2011-08-31 | 2013-03-07 | 株式会社日立エンジニアリング・アンド・サービス | 設備状態監視方法およびその装置 |
CN106462150B (zh) * | 2014-05-20 | 2018-11-02 | 东芝三菱电机产业系统株式会社 | 制造设备诊断辅助装置 |
EP3627728A1 (en) * | 2014-09-04 | 2020-03-25 | University of Washington | Detecting user-driven operating states of electronic devices from a single sensing point |
JP6678182B2 (ja) * | 2015-10-09 | 2020-04-08 | 株式会社日立製作所 | 異常検知装置 |
EP3381361B1 (en) | 2015-11-24 | 2023-12-27 | Advanced Telecommunications Research Institute International | Brain activity analysis device, brain activity analysis method, program, and biomarker device |
JP2018005714A (ja) | 2016-07-06 | 2018-01-11 | 三菱電機ビルテクノサービス株式会社 | 異常データの重要度判定装置及び異常データの重要度判定方法 |
US11455203B2 (en) | 2016-09-14 | 2022-09-27 | Nec Corporation | Abnormality detection support device, abnormality detection support method, and program |
JP6479279B2 (ja) * | 2016-09-15 | 2019-03-06 | 三菱電機株式会社 | 運転状態分類装置 |
JP6545728B2 (ja) * | 2017-01-11 | 2019-07-17 | 株式会社東芝 | 異常検知装置、異常検知方法、および異常検知プログラム |
US11467565B2 (en) | 2017-01-25 | 2022-10-11 | Mitsubishi Electric Corporation | Attack/abnormality detection device, attack/abnormality detection method, and attack/abnormality detection program |
JP6837848B2 (ja) * | 2017-01-27 | 2021-03-03 | オークマ株式会社 | 診断装置 |
JP6877245B2 (ja) * | 2017-06-01 | 2021-05-26 | 株式会社東芝 | 情報処理装置、情報処理方法及びコンピュータプログラム |
KR101978569B1 (ko) | 2017-09-01 | 2019-05-14 | 두산중공업 주식회사 | 플랜트 데이터 예측 장치 및 방법 |
JP6722845B2 (ja) | 2017-10-03 | 2020-07-15 | 株式会社国際電気通信基礎技術研究所 | 判別装置、うつ症状の判別方法、うつ症状のレベルの判定方法、うつ病患者の層別化方法、うつ症状の治療効果の判定方法及び脳活動訓練装置 |
JP6827400B2 (ja) * | 2017-10-23 | 2021-02-10 | 株式会社日立製作所 | 制御システム |
WO2019087787A1 (ja) * | 2017-10-30 | 2019-05-09 | マクセル株式会社 | 異常データ処理システムおよび異常データ処理方法 |
KR102305787B1 (ko) | 2017-12-14 | 2021-09-28 | 미쓰비시덴키 가부시키가이샤 | 검색 시스템 및 감시 시스템 |
JP6910479B2 (ja) * | 2018-01-31 | 2021-07-28 | 三菱重工機械システム株式会社 | 段ボールシート製造システム |
JP7149499B2 (ja) * | 2018-02-08 | 2022-10-07 | パナソニックIpマネジメント株式会社 | データ分析方法、データ分析装置及びデータ分析プログラム |
JP6763910B2 (ja) | 2018-05-30 | 2020-09-30 | 横河電機株式会社 | 異常検出装置、異常検出方法、異常検出プログラム及び記録媒体 |
CN112262353A (zh) * | 2018-06-11 | 2021-01-22 | 松下知识产权经营株式会社 | 异常解析装置、制造系统、异常解析方法以及程序 |
AT521422B1 (de) | 2018-06-21 | 2020-09-15 | Avl List Gmbh | Verfahren zur Kalibrierung eines technischen Systems |
JP7007243B2 (ja) | 2018-07-04 | 2022-01-24 | 株式会社日立製作所 | 異常検知システム |
JP7343748B2 (ja) * | 2018-07-24 | 2023-09-13 | 日本製鉄株式会社 | 画像判定学習装置、画像判定学習プログラム、及び画像判定学習方法、並びに高炉監視装置 |
EP3608742B1 (en) * | 2018-08-07 | 2021-10-06 | ABB Schweiz AG | Apparatus for alarm information determination |
US10824935B2 (en) * | 2018-10-17 | 2020-11-03 | Mitsubishi Electric Research Laboratories, Inc. | System and method for detecting anomalies in video using a similarity function trained by machine learning |
WO2020090770A1 (ja) * | 2018-10-30 | 2020-05-07 | 国立研究開発法人宇宙航空研究開発機構 | 異常検出装置、異常検出方法、およびプログラム |
JP7406915B2 (ja) * | 2018-11-02 | 2023-12-28 | 三菱重工業株式会社 | 単位空間更新装置、単位空間更新方法、及びプログラム |
EP3670415A3 (en) * | 2018-12-21 | 2020-07-15 | Otis Elevator Company | Virtual sensor for elevator monitoring |
KR102095389B1 (ko) * | 2018-12-24 | 2020-03-31 | 강릉원주대학교산학협력단 | 에너지 사용 시설물의 고장 진단 시스템 |
JP7088871B2 (ja) | 2019-03-29 | 2022-06-21 | ファナック株式会社 | 検査装置、検査システム、及びユーザインタフェース |
JP6875445B2 (ja) * | 2019-04-15 | 2021-05-26 | 株式会社三菱総合研究所 | 情報処理装置、情報処理方法及びプログラム |
JP2020177378A (ja) * | 2019-04-17 | 2020-10-29 | 株式会社ジェイテクト | 異常予兆検知装置及び異常予兆検知方法 |
JP2021043499A (ja) * | 2019-09-06 | 2021-03-18 | 三菱電機株式会社 | 学習モデルデータ再構築装置および学習モデルデータ再構築方法並びに学習モデルデータ再構築プログラム |
JP6837612B1 (ja) * | 2020-05-28 | 2021-03-03 | 三菱電機株式会社 | 機器状態監視装置および機器状態監視方法 |
CN113742387A (zh) * | 2020-05-29 | 2021-12-03 | 中兴通讯股份有限公司 | 数据处理方法、设备及计算机可读存储介质 |
JP7445533B2 (ja) | 2020-06-15 | 2024-03-07 | 日立グローバルライフソリューションズ株式会社 | 異常検出装置、プログラムおよび電気機器システム |
WO2022003986A1 (en) | 2020-06-29 | 2022-01-06 | Nec Corporation | Information processing apparatus, information processing method, non-transitory computer readable medium |
AU2021309952A1 (en) | 2020-07-16 | 2023-03-16 | Ventec Life Systems, Inc. | System and method for concentrating gas |
CN116648278A (zh) | 2020-07-16 | 2023-08-25 | 英瓦卡尔公司 | 用于浓缩气体的系统和方法 |
CN114318426B (zh) * | 2022-01-12 | 2023-03-24 | 杭州三耐环保科技股份有限公司 | 一种基于出槽信息检测的异常处理方法和系统 |
WO2023135769A1 (ja) * | 2022-01-14 | 2023-07-20 | 中国電力株式会社 | 評価装置及び評価システム |
CN116736780B (zh) * | 2023-08-15 | 2023-11-24 | 贵州汇通华城股份有限公司 | 一种区域能源站的开关机控制优化方法和系统 |
CN117274005B (zh) * | 2023-11-21 | 2024-02-09 | 西昌学院 | 基于数字教育的大数据推送方法及系统 |
CN117744890B (zh) * | 2024-02-08 | 2024-05-07 | 人和数智科技有限公司 | 一种人居环境监测优化方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH06187030A (ja) * | 1992-12-17 | 1994-07-08 | Hitachi Ltd | 時系列モデルによる制御系異常診断方法、及び表示方法 |
JPH07282373A (ja) * | 1994-04-07 | 1995-10-27 | Yokogawa Electric Corp | プラント状態検出装置 |
JP3708570B2 (ja) * | 1994-11-22 | 2005-10-19 | シャープ株式会社 | 半導体素子の良品判別方法 |
JP2006146459A (ja) * | 2004-11-18 | 2006-06-08 | Renesas Technology Corp | 半導体デバイスの製造方法および製造システム |
JP4480019B2 (ja) * | 2005-04-28 | 2010-06-16 | 財団法人石油産業活性化センター | 製油所監視システム |
-
2013
- 2013-06-19 JP JP2013128157A patent/JP5538597B2/ja not_active Expired - Fee Related
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11531688B2 (en) | 2017-05-12 | 2022-12-20 | Mitsubishi Electric Corporation | Time-series data processing device, time-series data processing system, and time-series data processing method |
US20220003630A1 (en) * | 2019-04-05 | 2022-01-06 | Ihi Power Systems Co., Ltd. | Vibro-acoustic analysis method and device and equipment-abnormality-location estimation method and device |
Also Published As
Publication number | Publication date |
---|---|
JP2013218725A (ja) | 2013-10-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5538597B2 (ja) | 異常検知方法及び異常検知システム | |
JP5301310B2 (ja) | 異常検知方法及び異常検知システム | |
JP5048625B2 (ja) | 異常検知方法及びシステム | |
JP5945350B2 (ja) | 設備状態監視方法およびその装置 | |
JP5363927B2 (ja) | 異常検知・診断方法、異常検知・診断システム、及び異常検知・診断プログラム | |
JP5431235B2 (ja) | 設備状態監視方法およびその装置 | |
JP5501903B2 (ja) | 異常検知方法及びそのシステム | |
JP5498540B2 (ja) | 異常検知方法及びシステム | |
JP5439265B2 (ja) | 異常検知・診断方法、異常検知・診断システム、及び異常検知・診断プログラム | |
WO2011086805A1 (ja) | 異常検知方法及び異常検知システム | |
JP5778305B2 (ja) | 異常検知方法及びそのシステム | |
JP5808605B2 (ja) | 異常検知・診断方法、および異常検知・診断システム | |
JP5364530B2 (ja) | 設備状態監視方法、監視システム及び監視プログラム | |
JP5331774B2 (ja) | 設備状態監視方法およびその装置並びに設備状態監視用プログラム | |
WO2012090624A1 (ja) | 異常検知・診断方法、異常検知・診断システム、及び異常検知・診断プログラム並びに企業資産管理・設備資産管理システム | |
JP2009064407A (ja) | 工程解析装置、工程解析方法および工程解析プログラム | |
JP2014056598A (ja) | 異常検知方法及びそのシステム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20130731 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20140320 |
|
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: 20140401 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 5538597 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20140428 |
|
LAPS | Cancellation because of no payment of annual fees |