JP6076421B2 - 設備状態監視方法およびその装置 - Google Patents
設備状態監視方法およびその装置 Download PDFInfo
- Publication number
- JP6076421B2 JP6076421B2 JP2015145707A JP2015145707A JP6076421B2 JP 6076421 B2 JP6076421 B2 JP 6076421B2 JP 2015145707 A JP2015145707 A JP 2015145707A JP 2015145707 A JP2015145707 A JP 2015145707A JP 6076421 B2 JP6076421 B2 JP 6076421B2
- Authority
- JP
- Japan
- Prior art keywords
- data
- operation pattern
- pattern label
- state
- label
- 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
Landscapes
- Testing And Monitoring For Control Systems (AREA)
Description
また、設備における従来の事例ベースの異常予兆検知においては、多様な正常状態を網羅的に集める必要があるが、停止時間の長さなど運転パターンによって状態が大きく異なるため、学習データ不足により誤報が発生するという課題がある。また、学習データ不足が解消されるまで学習データ期間を長くすると、メモリ容量と計算時間が増大し、実行困難になるという課題もある。
また、本発明では、設備または装置の出力する時系列信号に基づいて設備の状態を監視する方法において、時系列信号に一定期間毎に有限個にカテゴライズされた運転パターンラベルを付与する運転パターンラベル付与工程と、この運転パターンラベル付与工程により運転パターンラベルが付与された時系列信号をデータとして蓄積するデータ蓄積工程と、このデータ蓄積工程で蓄積されたデータの中から時系列信号に付与された運転パターンラベルに基づいて所定数のデータを選択して学習データとする学習データ選択工程と、この学習データ選択工程で選択した学習データを用いて正常モデルを作成する正常モデル作成工程と、この正常モデル作成工程で作成した正常モデルとの比較に基づいて時系列信号の異常測度を算出する異常測度算出工程と、この異常測度算出工程で算出した異常測度に基づき異常を識別する異常識別工程とを含むようにした。
また、本発明では、設備または装置から出力される時系列信号を入力して解析するセンサ信号解析部と、このセンサ信号解析部で解析した結果と時系列信号とを受けて設備の異常を診断する異常診断部と、センサ信号解析部及び異常診断部と接続してデータの入出力を行う入出力部とを備えた設備状態を監視する装置において、センサ信号解析部は、設備または装置から出力された時系列信号に基づいて一定期間毎に運転パターンラベルを付与する運転パターンラベル付与手段と、この運転パターンラベル付与手段で付与された一定期間毎の運転パターンラベルに基づいて学習データを選定する学習データ作成手段と、この学習データ作成手段で作成された学習データに基づき正常モデルを作成する正常モデル作成手段と、この正常モデル作成手段で作成した正常モデルに基づいて設備または装置から出力された時系列信号の異常測度を算出する異常測度算出手段と、この異常測度算出手段で算出した異常測度に基づき設備の状態が異常か正常かの識別を行う異常識別手段とを有するように構成した。
更に、本発明では、設備または装置から出力される時系列信号を入力して設備状態を監視する装置において、時系列信号を入力して外入力した時系列信号に一定期間毎に有限個にカテゴライズされた運転パターンラベルを付与する運転パターンラベル付与手段と、この運転パターンラベル付与手段により運転パターンラベルを付与された時系列信号を蓄積するデータ蓄積手段と、運転パターンラベル付与手段により時系列信号に付与されたラベルに基づいてデータ蓄積手段に蓄積されたデータの中から同じ運転パターンラベルあるいは状態の近い運転パターンラベルのデータを所定数選択して学習データとする学習データ選択手段と、この学習データ選択手段で選択した学習データを用いて正常モデルを作成する正常モデル作成手段と、運転パターンラベル付与手段により運転パターンラベルを付与された時系列信号を正常モデル作成手段で作成した正常モデルと比較して時系列信号の異常測度を算出する異常測度算出手段と、この異常測度算出手段で算出した異常測度に基づき運転パターンラベルを付与された時系列信号の異常識別をする異常識別手段とを備えて構成した。
図1に、本発明の設備状態監視方法を実現するシステムの一構成例を示す。本システムは、センサ信号解析部100と異常診断部120、入出力部130とを備えて構成されている。
異常診断部120は、センサ信号102とイベント信号103及び異常識別部109からの出力を受けて、設備101の異常を診断する。
入出力部130は、運転パターンラベル付与部104、異常識別部109、異常診断部120などと接続して診断条件の入力や診断結果の出力を行う。
(1)シーケンスの途中でない場合は、開始イベントを探索する。見つかったらシーケンスの開始とする。
(2)シーケンスの途中の場合は、終了イベントを探索する。見つかったらシーケンスの終了とする。
ここで終了イベントとは、指定の終了イベントのほか、故障、警告、指定の開始イベントとする。指定の終了イベント以外で終了した場合は、異常終了として記録しておく。
図4Bに、それらの情報と運転パターンラベルの関係の例を示す。状態遷移回数は0回から1,2,…と増えるに従い異なるラベルが付与されるようにする。ただし、ラベルの種類を有限個にするため、所定の回数以上は同じものとして扱う。この例では5回以上をひとつにまとめている。また、継続時間は連続データであるため、適当な区切りを設けて分類し、それぞれが異なるラベルが付与されるようにする。さらに、初めの状態がONかOFFかによって異なるラベルが付与されるようにする。状態遷移の回数および初めの状態の継続時間の対応する欄を見、初めの状態がONならば左の番号(図4Bの例では、1〜36)のラベル、OFFならば右の番号(図4Bの例では、37〜72)のラベルを付与する。
なお、横軸、縦軸の分け方はより細かくしても粗くしてもよいし、全ての情報を用いなくてもよい。また、さらに他の情報を加えて分類に用いてもよい。また、全ての欄に異なるラベルを割り当てなくてもよい。また、この例では初めの状態がONかOFFかの2種類であるが、OFFの中でも完全停止とアイドリングの状態を区別したり、ONの中でも異なる運転モードを区別したりすることも考えられる。設備の状態が類似するか否かに関連のある情報を用いることが重要であり、ここであげた項目に限定するものではない。例えば保守作業の有無や警告の有無をラベルに反映することが考えられる。
使用可能な情報は予め決まっているものとし、リスト表示ボタン605A〜605Cのクリックにより参照可能情報リスト606が表示されるので、リストから選択入力する。クラス数入力ウィンドウ607A〜607Cには、参照した情報をもとに異なるラベルを付与すべきクラス数を入力する。参照可能情報には、連続データと名義データの2種類があり、名義データの場合は、名義数がクラス数としてクラス数入力ウィンドウ607A〜607Cに入力され、ユーザ入力を受け付けないようにする。また詳細ボタン608A〜608Cは不活性にする。
連続データの場合は、クラス数入力ウィンドウ607A〜607Cにクラス数を数値入力する。2以上の整数値であり、上限は特に決まりはないが、例えば10、100など適当な数値に定めておく。連続データの場合は、詳細ボタン608A〜608Cの何れかの押下により、図6Bに示す運転パターンラベル付与参照情報詳細入力ウィンドウ611が表示され、クラスの境界を定義するための詳細情報を入力する。追加ボタン609は、参照する情報を4以上にするためのボタンであり、追加ボタン609の押下により情報4、情報5、・・・に対応する参照情報選択ウィンドウ604、リスト表示ボタン605、クラス数入力ウィンドウ607、詳細ボタン608が順次表示される。詳細情報も含めて入力が終了したら、ラベル定義ボタン610を押下する。この操作により、図6Cに示すラベル確認画面が表示される。
クラス境界値入力ウィンドウ614A〜614Eは、クラス数入力ウィンドウ607A〜607Cで入力された数値より1個少ない数だけ表示される。クラス数6個の場合、x未満ならばクラスNである(Nは1から5)という状態を決定する条件のxを数値入力する。図の例は1未満ならばクラス1、すなわち状態遷移回数が0回の場合はクラス1である。また1以上2未満ならばクラス2、すなわち状態遷移回数が1回の場合はクラス2である。以下同様にクラス5までが定義され、クラス6の条件はその他すなわち状態遷移回数5回以上の場合である。入力終了後、終了ボタン615の押下により、運転パターンラベル付与参照情報入力ウィンドウ601に戻る。
図6Aに示す運転パターンラベル付与参照情報入力ウィンドウ601で設定された参照情報に対し、参照情報が名義データの場合はそれぞれの名義を個別にクラスに割り当てて表示し、参照情報が連続データの場合は、図6Bに示す運転パターンラベル付与参照情報詳細入力ウィンドウ611で入力されたクラス境界条件をそのまま表示する。グラフ表示ボタン627押下により、図6Dに示すグラフ表示ウィンドウ631が表示される。登録ボタン628押下によりラベル付与条件を確定し、登録する。戻るボタン629押下により、図6Aに示す運転パターンラベル付与参照情報入力ウィンドウ601に戻る。
各運転パターンラベルについて、類似した設備状態が含まれることが期待される他のラベルを優先順位つきで予め定めておき、ステップS708においては、その優先順位に従って探索対象ラベルを決める。学習データが所定数に達するまでこれを繰り返し、探索された運転パターンラベル管理データに記載されたキーコードに紐付けられるセンサ信号データとイベント信号データを時系列順にロードする(S709)。ただし、最後の探索で所定数を超えた分については、最後の探索対象ラベルの中で、新しいものから順に選択して合計が所定数になるようにする。
また、相関解析による無効信号を削除することも考えられる。これは、多次元時系列信号に対して相関解析を行い、相関値が1に近い複数の信号があるなど、極めて類似性が高い場合に、これらは冗長だとして、この複数の信号から重複する信号を削除し、重複しないものを残す方法である。このほか、ユーザが指定するようにしてもよい。さらに、ステップS802において、主成分分析、独立成分分析、非負行列因子分解、潜在構造射影、正準相関分析など様々な特徴変換手法により、次元削減を行ってもよい。
ラスSVMなど様々な方法を用いて正常モデルの作成が可能である。
次に、異常診断部120においては、設備101からのセンサ信号102とイベント信号103とを入力すると共に、運転パターンラベルを付与されたセンサ信号102とイベント信号103とをセンサ信号解析部100で解析した結果として異常識別部109から出力される信号を受けて、異常識別部109において異常と判定された事象から異常の原因事象を推定し、この原因事象によってもたらされる結果事象を異常診断部120の表示画面(図示せず)上に表示する。この結果事象が複数あるときには、発生確率の高い順に並べて画面上に表示する。運転パターンラベルを付与されたセンサ信号102とイベント信号103とを処理することによりセンサ信号解析部100では比較的早い処理が実現でき、異常診断部120での診断処理は基本的にリアルタイム処理で行うことができる。
本システムのセンサ信号解析部1100は、設備101から出力されるセンサ信号102とイベント信号103に基づき一定期間毎に運転パターンラベルを付与する運転パターンラベル付与部104と、運転パターンラベル付与部104でラベルが付与されたセンサ信号102とイベント信号103とからマクロ特徴を算出するマクロ特徴算出部1101、運転パターンラベルを付与されたセンサ信号102とイベント信号103を蓄積するデータベース1105、運転パターンラベルに基づいて蓄積されたセンサ信号102とイベント信号103から学習データを選択する学習データ選択部1106、選択した学習データを用いて正常モデルを作成する正常モデル作成部1107、正常モデルとセンサ信号に基づき異常測度を算出する異常測度算出部1108、算出された異常測度に基づき異常を検知する異常識別部1109とを備えて構成される。
異常診断部1120は、センサ信号102とイベント信号103及び異常識別部1109からの出力を受けて、設備101の異常を診断する。
入出力部1130は、運転パターンラベル付与部104、異常識別部1109、異常診断部1120などと接続して診断条件の入力や診断結果の出力を行う。入出力部1130は表示画面1131を備えている。
図1に示した第一の実施例の構成との違いは、センサ信号102のマクロな変動を表す特徴を算出するマクロ特徴算出部1101を追加した点である。運転パターンラベル付与部104において、予め定めた期間毎、例えば1日毎に運転パターンラベルを付与した後、マクロ特徴算出部1101において、同じ期間毎にセンサ信号を切り出して、特徴量を算出する。特徴量としては、期間全体に亘る平均、分散、最大値、最小値、期間中の定常ONの時刻の平均、分散、期間中の定常OFFの時刻の平均、分散などが考えられる。図12に、その管理データの一例を示す。この管理データは、図5Aに示す運転パターンラベル管理データ1201〜1209(それぞれ図5Aの501〜509に対応)に、上記した特徴量、即ち、期間全体に亘る平均、分散、最大値、最小値:1210、期間中の定常ONの時刻の平均、分散:1211、期間中の定常OFFの時刻の平均、分散:1212の項目を付加したものである。但し付加するのは必ずしもこれら3つの項目全てではなくても良く、何れか一つ又は二つの組合せであってもよい。
具体的には、図13のフロー図に示すように、まず、運転パターンラベル付与部104にセンサ信号102とイベント信号103とを運転パターンラベル付与部104に入力し(S1301)、予め定められた期間毎に運転パターンラベルを付与し、マクロ特徴算出部1101でマクロ特徴を算出して運転パターンラベルに対応付けて保存する(S1302)。次に、学習データ選択部1106において、以下のような手順で学習データ選択処理を行う。先ず、実施例1の場合と同様に、図6A乃至図6Dで説明した画面上で運転パターンラベルを探索対象として設定し(S1303)、データベース1105から、同一サイト同一号機の運転パターンラベル管理データをロードする(S1304)。次に、保存された運転パターンラベル管理データから、評価対象の期間に付与された運転パターンラベルと同一の運転パターンラベルかつマクロ特徴が類似しているデータを探索し(S1305)、探索結果を記録する(S1306)。マクロ特徴が類似しているか否かは予め設定したしきい値に基づいて判断するものとする。ただし、警告有りのデータは探索の対象としない。また、ファイルまたはユーザインターフェースにより除外日を指定しておき、これも探索の対象からはずすことが可能なようにしておくとよい。更に、探索されたデータ数が予め定めた数に達しているかどうか確認し(S1307)、探索されたデータ数が予め定めた数に達していなければ、予め設定された優先順位に従って探索対象ラベルを変更して新たな対象ラベルを設定し(S1308)、S1305に戻って、そのラベルかつマクロ特徴が類似しているデータを探索する。学習データが所定数に達するまでこれを繰り返し、探索された運転パターンラベル管理データに記載されたキーコードに紐付けられるセンサ信号データとイベント信号データを時系列順にロードする(S1309)。最後の探索で所定数を超えた分については、最後の探索対象ラベルの中で、特徴が類似したものから順に選択して合計が所定数になるようにする。
Claims (11)
- 設備の出力する時系列信号に基づいて設備の状態を監視する方法であって、
前記時系列信号に基づいて一定期間毎に運転パターンラベルを付与し、前記一定期間毎
の運転パターンラベルに基づいて学習データを選定し、該選定した学習データに基づき正
常モデルを作成し、前記時系列信号と前記正常モデルに基づき異常測度を算出し、該算出
した異常測度に基づき前記設備の状態が異常か正常かの識別を行い、
前記運転パターンラベルとして、前記設備の複数の状態の状態継続時間および状態遷移
回数に基づいて運転パターンラベルを付与するものであることを特徴とする設備状態監視
方法。 - 前記正常モデルを、前記運転パターンラベルごとに作成することを特徴とする請求項1記
載の設備状態監視方法。 - 設備の出力する時系列信号に基づいて設備の状態を監視する方法であって、
前記時系列信号に一定期間毎に有限個にカテゴライズされた運転パターンラベルを付与
する運転パターンラベル付与工程と、
該運転パターンラベル付与工程により運転パターンラベルが付与された時系列信号をデ
ータとして蓄積するデータ蓄積工程と、
該データ蓄積工程で蓄積されたデータの中から前記時系列信号に付与された運転パター
ンラベルに基づいて所定数のデータを選択して学習データとする学習データ選択工程と、
該学習データ選択工程で選択した学習データを用いて正常モデルを作成する正常モデル
作成工程と、
該正常モデル作成工程で作成した正常モデルとの比較に基づいて前記時系列信号の異常
測度を算出する異常測度算出工程と、
該異常測度算出工程で算出した異常測度に基づき異常を識別する異常識別工程とを含み
、
前記運転パターンラベル付与工程は、前記設備の複数の状態の状態遷移回数と予め定めた期間の初めの状態とその継続時間をもとに一定期間ごとに前記有限個にカテゴライズされた運転パターンラベルを付与するものであることを特徴とする設備状態監視方法。 - さらに前記時系列信号の一定期間毎にマクロな変動を表す特徴を算出するマクロ特徴算出
工程を備え、前記学習データ選択工程において、前記時系列信号に付与された運転パター
ンラベルと前記算出されたマクロ特徴に基づいて前記蓄積されたデータの中から所定数の
データを選択して学習データとすることを特徴とする請求項3記載の設備状態監視方法。 - 前記学習データ選択工程において、前記蓄積されたデータの中から、前記時系列信号に
付与された運転パターンラベルと同じ運転パターンラベルあるいは状態の近い運転パター
ンラベルかつ前記時系列信号に関連するマクロ特徴が類似している所定数のデータを選択
して学習データとすることを特徴とする請求項4記載の設備状態監視方法。 - 設備から出力される時系列信号を入力して解析するセンサ信号解析部と、
該センサ信号解析部で解析した結果と前記時系列信号とを受けて前記設備の異常を診断
する異常診断部と、
前記センサ信号解析部及び前記異常診断部と接続してデータの入出力を行う入出力部と
を備え、
前記センサ信号解析部は、前記設備から出力された時系列信号に基づいて一定期間毎に
運転パターンラベルを付与する運転パターンラベル付与手段と、該運転パターンラベル付
与手段で付与された一定期間毎の運転パターンラベルに基づいて学習データを選定する学
習データ作成手段と、該学習データ作成手段で作成された学習データに基づき正常モデル
を作成する正常モデル作成手段と、該正常モデル作成手段で作成した正常モデルに基づい
て前記設備から出力された時系列信号の異常測度を算出する異常測度算出手段と、該異常
測度算出手段で算出した異常測度に基づき前記設備の状態が異常か正常かの識別を行う異
常識別手段とを有し、
前記運転パターンラベルとして、前記設備の複数の状態の状態継続時間および状態遷移
回数に基づいて運転パターンラベルを付与するものであることを特徴とする設備状態監視
装置。 - 前記運転パターンラベル付与手段で運転パターンラベルを付与した時系列信号を記憶するデータベース手段を更に備え、前記学習データ作成手段は、前記運転パターンラベル付与手段により前記時系列信号に付与された前記運転パターンラベルに基づいて前記データベース手段に蓄積されたデータの中から同じ運転パターンラベルあるいは状態の近い運転パターンラベルのデータを所定数選択して学習データとすることを特徴とする請求項6記載の設備状態監視装置。
- 設備から出力される時系列信号を入力して設備状態を監視する装置であって、
前記時系列信号を入力して該入力した時系列信号に一定期間毎に有限個にカテゴライズ
された運転パターンラベルを付与する運転パターンラベル付与手段と、
該運転パターンラベル付与手段により運転パターンラベルを付与された時系列信号を蓄
積するデータ蓄積手段と、
前記運転パターンラベル付与手段により前記時系列信号に付与された前記運転パターンラベルに基づいて前記データ蓄積手段に蓄積されたデータの中から同じ運転パターンラベルあるいは状態の近い運転パターンラベルのデータを所定数選択して学習データとする学習データ選択手段と、
該学習データ選択手段で選択した学習データを用いて正常モデルを作成する正常モデル
作成手段と、前記運転パターンラベル付与手段により運転パターンラベルを付与された時
系列信号を前記正常モデル作成手段で作成した正常モデルと比較して前記時系列信号の異
常測度を算出する異常測度算出手段と、該異常測度算出手段で算出した異常測度に基づき
前記運転パターンラベルを付与された時系列信号の異常識別をする異常識別手段とを備え
、
前記運転パターンラベル付与手段は、前記設備の複数の状態の状態遷移回数と予め定めた期間の初めの状態とその継続時間をもとに一定期間ごとに前記有限個にカテゴライズされた運転パターンラベルを付与することを特徴とする設備状態監視装置。 - 前記運転パターンラベル付与手段に前記運転パターンラベルを付与するための条件を入
力する入力手段を更に備えたことを特徴とする請求項8記載の設備状態監視装置。 - 設備の出力する時系列信号に基づいて設備の状態を監視する方法であって、前記時系列
信号に一定期間毎に有限個にカテゴライズされた運転パターンラベルを付与する運転パタ
ーンラベル付与工程と、該運転パターンラベル付与工程により運転パターンラベルが付与
された時系列信号をデータとして蓄積するデータ蓄積工程と、該データ蓄積工程で蓄積さ
れたデータの中から前記時系列信号に付与された運転パターンラベルに基づいて所定数の
データを選択して学習データとする学習データ選択工程と、該学習データ選択工程で選択
した学習データを用いて正常モデルを作成する正常モデル作成工程と、該正常モデル作成
工程で作成した正常モデルとの比較に基づいて前記時系列信号の異常測度を算出する異常
測度算出工程と、該異常測度算出工程で算出した異常測度に基づき異常を識別する異常識
別工程とを含む設備状態監視方法であって、
前記運転パターンラベル付与工程は、一定期間毎に前記設備の定常オフの状態、前記設
備の定常オンの状態、前記設備の起動動作の状態、前記設備の停止動作の状態を含む前記設備の複数の状態の状態遷移回数と予め定めた期間の初めの状態とその継続時間などの複数の運転パターン特徴を求める工程と、前記複数の運転パターン特徴の組合せに基づき運転パターンラベルを付与するラベル付与工程からなることを特徴とする設備状態監視方法。 - 前記学習データ選択工程において、前記蓄積されたデータの中から、前記時系列信号に
付与された運転パターンラベルと同じ運転パターンラベルあるいは状態の近い運転パター
ンラベルの所定数のデータを選択して学習データとすることを特徴とする請求項10記載
の設備状態監視方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2015145707A JP6076421B2 (ja) | 2015-07-23 | 2015-07-23 | 設備状態監視方法およびその装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2015145707A JP6076421B2 (ja) | 2015-07-23 | 2015-07-23 | 設備状態監視方法およびその装置 |
Related Parent Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2013530960A Division JPWO2013030984A1 (ja) | 2011-08-31 | 2011-08-31 | 設備状態監視方法およびその装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2015181072A JP2015181072A (ja) | 2015-10-15 |
JP6076421B2 true JP6076421B2 (ja) | 2017-02-08 |
Family
ID=54329261
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2015145707A Active JP6076421B2 (ja) | 2015-07-23 | 2015-07-23 | 設備状態監視方法およびその装置 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6076421B2 (ja) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2019124984A (ja) * | 2018-01-12 | 2019-07-25 | 株式会社明電舎 | 設備診断装置、設備診断方法 |
CN110969197A (zh) * | 2019-11-22 | 2020-04-07 | 上海交通大学 | 一种基于实例迁移的风力发电的分位数预测方法 |
Families Citing this family (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017090098A1 (ja) * | 2015-11-25 | 2017-06-01 | 株式会社日立製作所 | 設備管理装置および方法 |
JP6772454B2 (ja) * | 2015-12-04 | 2020-10-21 | 株式会社Ihi | 異常診断装置、異常診断方法、及び、異常診断プログラム |
JP6937345B2 (ja) * | 2015-12-17 | 2021-09-22 | 株式会社東芝 | 情報処理装置及び情報処理方法 |
JP6588814B2 (ja) * | 2015-12-17 | 2019-10-09 | 株式会社東芝 | 異常診断装置及び方法 |
CN112198850A (zh) | 2016-11-09 | 2021-01-08 | 株式会社东芝 | 数据收集系统、处理系统以及存储介质 |
JP6541903B2 (ja) * | 2017-01-25 | 2019-07-10 | 三菱電機株式会社 | 攻撃・異常検知装置、攻撃・異常検知方法、および攻撃・異常検知プログラム |
KR102418965B1 (ko) * | 2017-09-15 | 2022-07-12 | 에스케이하이닉스 주식회사 | 인터페이스 장치와, 이를 이용한 반도체 제조 시스템 및 관리 방법 |
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 |
CN113139586B (zh) * | 2021-03-31 | 2022-09-23 | 同济大学 | 模型训练方法、设备异常诊断方法、电子设备及介质 |
JP7199609B1 (ja) * | 2022-04-25 | 2023-01-05 | 三菱電機株式会社 | 異常診断方法、異常診断装置、異常診断プログラム、および、異常診断システム |
WO2024003994A1 (ja) * | 2022-06-27 | 2024-01-04 | 三菱電機株式会社 | 正常モデル生成プログラム、正常モデル生成装置および正常モデル生成方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5431235B2 (ja) * | 2009-08-28 | 2014-03-05 | 株式会社日立製作所 | 設備状態監視方法およびその装置 |
JP5364530B2 (ja) * | 2009-10-09 | 2013-12-11 | 株式会社日立製作所 | 設備状態監視方法、監視システム及び監視プログラム |
-
2015
- 2015-07-23 JP JP2015145707A patent/JP6076421B2/ja active Active
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2019124984A (ja) * | 2018-01-12 | 2019-07-25 | 株式会社明電舎 | 設備診断装置、設備診断方法 |
JP7006282B2 (ja) | 2018-01-12 | 2022-01-24 | 株式会社明電舎 | 設備異常診断装置 |
CN110969197A (zh) * | 2019-11-22 | 2020-04-07 | 上海交通大学 | 一种基于实例迁移的风力发电的分位数预测方法 |
CN110969197B (zh) * | 2019-11-22 | 2022-01-04 | 上海交通大学 | 一种基于实例迁移的风力发电的分位数预测方法 |
Also Published As
Publication number | Publication date |
---|---|
JP2015181072A (ja) | 2015-10-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6076421B2 (ja) | 設備状態監視方法およびその装置 | |
WO2013030984A1 (ja) | 設備状態監視方法およびその装置 | |
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 | |
JP5945350B2 (ja) | 設備状態監視方法およびその装置 | |
JP5431235B2 (ja) | 設備状態監視方法およびその装置 | |
JP5342708B1 (ja) | 異常検知方法及びその装置 | |
JP5301717B1 (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 | |
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 | |
JP6076751B2 (ja) | 異常診断方法およびその装置 | |
JP5048625B2 (ja) | 異常検知方法及びシステム | |
JP5427107B2 (ja) | 監視診断装置および監視診断方法 | |
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 | |
JP5778305B2 (ja) | 異常検知方法及びそのシステム | |
JP2011145846A (ja) | 異常検知方法、異常検知システム、及び異常検知プログラム | |
JP5498540B2 (ja) | 異常検知方法及びシステム | |
Pirasteh et al. | Interactive feature extraction for diagnostic trouble codes in predictive maintenance: A case study from automotive domain | |
JP2014056598A (ja) | 異常検知方法及びそのシステム | |
CN113994340A (zh) | 异常检测装置以及异常检测方法 | |
JPWO2013030984A1 (ja) | 設備状態監視方法およびその装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20150723 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20150723 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20160428 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20160510 |
|
A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20160704 |
|
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: 20161213 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20170110 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6076421 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |