JP6419534B2 - 診断システム、診断方法および診断プログラム - Google Patents
診断システム、診断方法および診断プログラム Download PDFInfo
- Publication number
- JP6419534B2 JP6419534B2 JP2014226427A JP2014226427A JP6419534B2 JP 6419534 B2 JP6419534 B2 JP 6419534B2 JP 2014226427 A JP2014226427 A JP 2014226427A JP 2014226427 A JP2014226427 A JP 2014226427A JP 6419534 B2 JP6419534 B2 JP 6419534B2
- Authority
- JP
- Japan
- Prior art keywords
- device information
- diagnosis
- diagnostic
- pattern
- feature
- 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 Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
- Testing And Monitoring For Control Systems (AREA)
Description
(構成)
図1は、第1の実施形態を示す診断システム1のブロック図である。図2は、監視データが保持する情報の一覧を示す図である。図2には、後述する第1監視データD1から第6監視データD6までの各監視データが保持する機器情報が、丸印によって示されている。本実施形態の診断システム1は、例えば、鉄鋼、化学、発電プラントなどの産業設備に備えられる機器の状態の診断に用いることができるものである。
測定データ解析部11は、データ処理部111と、解析データ特徴量抽出部112とを備える。
データ処理部111は、不図示の測定センサから、第1監視データD1を取得する。図2に示すように、第1監視データD1は、監視対象機器(設備機器)の予め設定された監視項目aと、監視項目aに対応する測定データbとによって構成されている。
D1_2:電動弁a2+運転データb2
D1_3:潤滑油サンプルa3+分析データb3
D2_2:D1_2+解析対象信号の抜き取り結果c2
D2_3:D1_3+解析結果(クロマトグラフ分析結果等)c3
解析データ特徴量抽出部112は、データ処理部111から入力された第2監視データD2中の解析結果cから、図2に示される解析結果の特徴量(以下、解析結果特徴量ともいう)dを抽出する。解析結果特徴量dは、例えば、解析結果の特徴を示すパラメータである。解析結果特徴量dの具体的な態様は、後述する診断パターンを用いた診断が可能であれば特に限定されない。
D3_2:D2_2+モータ電流、モータ電圧、スラスト荷重、トルク荷重などd2
D3_3:D2_3+粘度、密度、スペクトルなどd3
機器情報分類部12は、機器情報結合部121と、機器情報特徴量抽出部122と、機器特徴決定部123とを備える。
機器情報結合部121は、監視項目に関連する結合機器情報を取得する。ここで、結合機器情報は、図2に示される監視対象機器の仕様eと保全データfとを基本機器情報に結合した情報である。仕様eは、基本機器情報に結合されるべき固定された第1被結合機器情報の一例である。保全データfは、基本機器情報に結合されるべき可変の第2被結合機器情報の一例である。仕様eおよび保全データfは、基本機器情報に対して、機器情報の情報量を増加させることで、後述する機器特徴量のパターン識別による機器情報の分類を可能にする。基本機器情報への仕様eおよび保全データfの結合の態様は特に限定されず、例えば、共通の識別子を付与すること等であってもよい。
D4_2:D3_2+仕様e2+運転履歴f2
D4_3:D3_3+仕様e3+運転履歴f3
機器情報特徴量抽出部122は、機器情報結合部121から入力された第4監視データD4中の結合機器情報から、図2に示される結合機器情報の特徴量(以下、機器特徴量とよぶ)gを抽出する。
D4−2_2:D4_2+機器特徴量g2
D4−2_3:D4_3+機器特徴量g3
機器特徴決定部123は、機器特徴データベース19から入力された機器特徴パターン番号hを、機器情報特徴量抽出部122から入力された第4−2監視データD4−2に関連付ける。すなわち、機器特徴決定部123は、第4監視データD4に、機器特徴量gと機器特徴パターン番号hとを関連付ける。この関連付けにより、機器特徴決定部123は、診断パターンの選択に用いる第5監視データD5を生成する。機器特徴決定部123は、生成された第5監視データD5を、機器状態診断部13に出力する。
D5_2:D4_2+機器特徴量g2+機器特徴パターン番号h2
D5_3:D4_3+機器特徴量g3+機器特徴パターン番号h3
機器状態診断部13は、診断パターン決定部131と、機器診断部132と、診断結果検証部133とを備える。
診断パターン決定部131は、機器特徴決定部123から入力された第5監視データD5を取得する。診断パターン決定部131は、取得された第5監視データD5中の機器特徴パターン番号hおよび監視項目aから構成される診断パターン選択値a+hを作成する。診断パターン決定部131は、作成された診断パターン選択値a+hを、診断パターンデータベース101に出力する。また、診断パターン決定部131は、第5監視データD5を機器診断部132に出力する。
D5_1に対応する選択値:a1+h1
D5_2に対応する選択値:a2+h2
D5_3に対応する選択値:a3+h3
機器診断部132は、診断パターンデータベース101から入力された診断パターンiを、診断パターン決定部131から入力された第5監視データD5中の解析結果特徴量dに適用することで、監視対象機器の状態を診断する。この診断により、機器診断部132は、図2に示される診断結果jを取得する。機器診断部132は、取得された診断結果jを診断パターンiとともに第5監視データD5に関連付けることで、診断結果データとしての第6監視データD6を生成する。第6監視データD6は、診断結果jの検証に用いる監視データである。機器診断部132は、生成された第6監視データD6を診断結果検証部133に出力する。
D6_2:D5_2+診断パターンi2+診断結果j2
D6_3:D5_3+診断パターンi3+診断結果j3
診断結果検証部133は、機器診断部132から入力された第6監視データD6中の診断結果jに基づいて、診断結果jの正誤を検証する。診断結果検証部133は、診断に用いた機器特徴パターン番号hおよび診断パターンiの妥当性も検証してよい。診断結果検証部133には、診断結果jを修正可能な入力部16が取り付けられている。診断結果検証部133は、検証の結果、診断結果jが誤っていると判断した場合には、入力部16の入力情報に基づいて診断結果jを修正する。診断結果検証部133は、検証後の診断結果jを、出力部14、保全管理データベース17および学習用モデル生成部15に出力する。
学習用モデル生成部15は、診断結果検証部133から入力された検証後の診断結果jが修正後の診断結果jの場合には、この修正後の診断結果jを反映した新たな診断パターンiを作成する。新たな診断パターンiの作成は、当該新たな診断パターンiに対応する新たな診断パターン選択値すなわち新たな機器特徴パターン番号hの作成をともなうことがある。学習用モデル生成部15は、作成された新たな診断パターンiを診断パターンデータベース101に登録することで、診断パターンiを更新する。また、学習用モデル生成部15は、作成された新たな機器特徴パターン番号hを機器特徴データベース19に登録することで、機器特徴パターン番号hを更新する。
図3は、第1の実施形態を示す診断方法のフローチャートである。以下の診断方法は、以下に示す手順(ステップ)をコンピュータに実行させるための診断プログラムをコンピュータが実行することで行ってもよい。図4は、機器特徴データベース19および機器情報分類部12の動作を説明するための説明図である。図5は、機器状態診断部13の動作を説明するための説明図である。以下、図1の診断システム1を適用した診断方法について、図3から図5を参照して説明する。
先ず、データ処理部111は、図3のステップS1において、入力された第1監視データD1(a+b)中の測定データbを解析して、解析結果cを取得する。データ処理部111は、例えば、測定データbに対して、次数分析処理、ベクトル分析処理、波高率算出処理、歪度算出処理、尖り度算出処理などを行うことで、有次元/無次元パラメータcを算出する。データ処理部111は、算出された解析結果cを第1監視データD1に関連付けることで、第2監視データD2を生成する。そして、データ処理部111は、生成された第2監視データD2を解析データ特徴量抽出部112に出力する。
次いで、解析データ特徴量抽出部112は、ステップS2において、データ処理部111から入力された第2監視データD2中の解析結果cから、解析結果特徴量dを抽出する。例えば、解析データ特徴量抽出部112は、振動データを周波数解析した場合、1つもしくは複数の周波数スペクトルのピークを有する振動波形から、ピークを示す周波数値dを抽出する。解析データ特徴量抽出部112は、抽出された解析結果特徴量dを第2監視データD2に関連付けることで、第3監視データD3を生成する。そして、解析データ特徴量抽出部112は、生成された第3監視データD3を機器情報結合部121に出力する。
次いで、機器情報結合部121は、ステップS3において、解析データ特徴量抽出部112から入力された第3監視データD3中の基本機器情報に、機器管理データベース18から読み出した仕様eと、保全管理データベース17から読み出した保全データfとを結合する。これにより、機器情報結合部121は、結合機器情報を生成すると同時に第4監視データD4を生成する。そして、機器情報結合部121は、生成された第4監視データD4を、機器情報特徴量抽出部122に出力する。
次いで、機器情報特徴量抽出部122は、ステップS4において、機器情報結合部121から入力された第4監視データD4中の結合機器情報から、機器特徴量gを抽出する。機器情報特徴量抽出部122は、抽出された機器特徴量gを、機器特徴データベース19に出力する。また、機器情報特徴量抽出部122は、抽出された機器特徴量gを第4監視データD4に関連付けた第4−2監視データD4−2を、機器特徴決定部123に出力する。
次いで、機器特徴データベース19は、ステップS5において、機器情報特徴量抽出部122から入力された機器特徴量gを、例えば以下に述べる分類条件項目の記述に対応したパターンとして識別する。
次いで、機器特徴データベース19は、ステップS6において、パターン識別された機器特徴量gに対応する機器特徴パターン番号hを抽出する。例えば、図4に示すように、仕様2、仕様3および運転条件3に該当する機器特徴量gに対しては、機器特徴パターン番号hとして“000-0005”が抽出される。機器特徴データベース19は、抽出された機器特徴パターン番号hを、機器特徴決定部123に出力する。機器特徴パターン番号hは、監視データに含まれる種々の機器運転状態データを識別/診断するときに用いる識別パターンを選択する時の指標となる。
次いで、機器特徴決定部123は、ステップS7において、機器情報特徴量抽出部122から入力された第4−2監視データD4−2に、機器特徴データベース19から入力された機器特徴パターン番号hを関連付けることで、第5監視データD5を生成する。そして、機器特徴決定部123は、生成された第5監視データD5を診断パターン決定部131に出力する。
次いで、診断パターン決定部131は、ステップS8において、第5監視データD5に基づいて、第5監視データD5中の機器特徴パターン番号hおよび監視項目aから構成される診断パターン選択値a+hを作成する。そして、診断パターン決定部131は、作成された診断パターン選択値a+hを、診断パターンデータベース101に出力する。
次いで、診断パターンデータベース10は、ステップS9において、診断パターン決定部131から入力された診断パターン選択値a+hに基づいて、診断パターンiを選択する。そして、診断パターンデータベース101は、選択された診断パターンiを機器診断部132に出力する。
次いで、機器診断部132は、診断パターンデータベース101から入力された診断パターンiを、診断パターン決定部131から入力された第5監視データD5中の解析結果特徴量dに適用することで、監視対象機器の運転状態を診断する。そして、機器診断部132は、診断結果jを診断パターンiとともに第5監視データD5に関連付けることで第6監視データD6を生成する。そして、機器診断部132は、生成された第6監視データD6を診断結果検証部133に出力する。
抽出されるべきパラメータ1〜5ごとに項目分けされている。各項目には、該当するパラメータが解析結果特徴量dとして実際に抽出されている旨の指標が記述されている。この指標は、図5においては便宜上丸印であるが、実際は、フラグなどのデータでよい。
次いで、診断結果検証部133は、ステップS11において、機器診断部132から出力された第6監視データD6中の診断結果jの正誤を検証する。また、診断結果検証部133は、第6監視データD6中の機器特徴パターン番号hおよび診断パターンiの妥当性も検証する。検証は、例えば、確率や偏差による統計学的な手法によって行ってよい。また、診断結果検証部133は、例えば、解析結果特徴量dと診断パターンiとのマハラノビス距離を算出し、算出されたマハラノビス距離がある閾値を超えている場合には、入力部16による診断結果の修正を受け付けてもよい。診断結果検証部133は、検証された診断結果を、出力部14、保全管理データベース17および学習用モデル生成部15に出力する。このとき、診断結果検証部133は、測定データbおよび解析結果cも保全管理データベース17に出力する。
次いで、学習用モデル生成部15は、ステップS12において、診断結果検証部133から入力された診断結果が修正後の診断結果である場合には、この修正後の診断結果に基づいて、新たな診断パターンiを作成する。そして、学習用モデル生成部15は、作成された新たな診断パターンiによって、機器特徴データベース19と診断パターンデータベース101とを更新する。例えば、学習用モデル生成部15は、図4に示した機器特徴パターン番号hにおける機器特徴量gの項目を修正してもよく、また、図5に示した診断パターンiにおける事象(異常)の分類項目を修正してもよい。
次に、第2の実施形態について説明する。第2の実施形態の説明にあたり、第1の実施形態と同様の構成部については、同一の符号を付して詳細な説明を省略する。
図6は、第2の実施形態を示す診断システム1のブロック図である。第2の実施形態の診断システム1においては、図1の保全管理データベース17、機器管理データベース18、機器特徴データベース19、診断パターンデータベース101を、1つのプラントデータベース102として統一している。すなわち、プラントデータベース102は、機器情報結合部121に、仕様および保全データを提供する。また、プラントデータベース102は、後述する機器特徴識別部1232に、機器特徴パターン番号hを提供する。また、プラントデータベース102は、後述する診断パターン選択部1312に、診断パターンiを提供する。
図7は、第2の実施形態を示す診断方法のフローチャートである。図7のフローチャートが図3のフローチャートと異なる点は、ステップS5とステップS6との間にステップS21が追加され、ステップS8とステップS9との間にステップS22が追加されている点である。
次に、第3の実施形態について説明する。第3の実施形態の説明にあたり、第1、第2の実施形態と同様の構成部については、同一の符号を付して詳細な説明を省略する。
(構成)
図8は、第3の実施形態を示す診断システム1のブロック図である。第3の実施形態の診断システム1は、第2の実施形態の診断システム1に対して、測定データ解析部11、機器情報結合部121、機器情報特徴量抽出部122、診断結果検証部133および学習用モデル生成部15を除いて構成している点が異なる。
図9は、第3の実施形態を示す診断方法のフローチャートである。図9のフローチャートが図7のフローチャートと異なる点は、ステップS1〜4、11、12が省略されている点である。ステップS1〜4が省略されている理由は、これらの工程で取得される情報は、運転実績データD30として取得できるからである。また、ステップS11、12が省略されている理由は、プラントデータベース102が、監視対象機器の診断実績に基づいて更新を要しない程充実しているからである。
11 測定データ解析部
111 データ処理部
112 解析データ特徴量抽出部
12 機器情報分類部
121 機器情報結合部
122 機器情報特徴量抽出部
123 機器特徴決定部
13 機器状態診断部
131 診断パターン決定部
132 機器診断部
133 診断結果検証部
14 出力部
15 学習用モデル生成部
16 入力部
17 保全管理データベース
18 機器管理データベース
19 機器特徴データベース
101 診断パターンデータベース
Claims (10)
- 監視対象機器の基本機器情報を含む監視項目に関連し、固定された第1被結合機器情報と可変の第2被結合機器情報とを前記基本機器情報に結合した結合機器情報を取得し、前記結合機器情報を分類する機器情報分類部と、
前記監視項目に対応する測定データについての解析結果の特徴量を取得し、前記監視対象機器の状態を、前記機器情報分類部の分類結果に対応した前記解析結果の特徴量の診断パターンを用いて診断する機器状態診断部と、を備え、
前記機器情報分類部は、前記結合機器情報の特徴量を取得し、前記結合機器情報の特徴量に基づいて、前記結合機器情報を、予め記憶された複数の機器特徴パターンのいずれかに分類し、
前記機器状態診断部は、予め前記複数の機器特徴パターン毎に分類して記憶された複数の前記診断パターンのうち、前記機器情報分類部が分類した機器特徴パターンに対応する診断パターンを用いて、前記監視対象機器の状態を診断し、
さらに前記機器状態診断部は、機器診断部および診断結果検証部を有し、前記機器診断部において前記監視対象機器の状態を診断して診断結果を出力し、前記診断結果検証部において前記機器診断部からの前記診断結果の正誤を検証し、前記診断結果が誤っている場合に、前記診断結果検証部が入力部の入力情報に基づいて前記診断結果を修正する、診断システム。 - 前記第1被結合機器情報は、前記監視対象機器の仕様を含み、前記第2被結合機器情報は、前記監視対象機器の保全データを含む、請求項1に記載の診断システム。
- 前記機器状態診断部を構成する前記機器診断部からの診断結果を取得し、前記診断結果に基づいて、前記診断パターンおよび前記機器特徴パターンの少なくとも一方を更新する学習用モデル生成部を更に備える、請求項1に記載の診断システム。
- 前記学習用モデル生成部は、前記診断結果検証部が修正した前記診断結果に基づいて、前記診断パターンおよび前記機器特徴パターンの少なくとも一方を更新する、請求項3に記載の診断システム。
- 前記測定データを解析し、前記解析結果から特徴量を抽出する測定データ解析部を更に備える、請求項1に記載の診断システム。
- 前記測定データ解析部は、前記監視項目と前記測定データとを含み解析に用いる第1監視データを取得し、前記第1監視データ中の前記測定データを解析し、解析結果を前記第1監視データに関連付けることで前記解析結果の特徴量抽出に用いる第2監視データを生成し、前記第2監視データ中の前記解析結果から、前記解析結果の特徴量を抽出し、前記解析結果の特徴量を前記第2監視データに関連付けることで機器情報の結合に用いる第3監視データを生成し、
前記機器情報分類部は、前記第3監視データ中の前記基本機器情報に前記第1被結合機器情報と前記第2被結合機器情報とを結合することで、前記結合機器情報を含み前記結合機器情報の特徴量抽出に用いる第4監視データを生成し、前記第4監視データ中の前記結合機器情報から、前記結合機器情報の特徴量を抽出し、前記結合機器情報の特徴量と、前記結合機器情報の特徴量をパターン識別した機器特徴パターン番号とを前記第4監視データに関連付けることで、前記診断パターンの選択に用いる第5監視データを生成し、
前記機器状態診断部は、前記第5監視データ中の前記機器特徴パターン番号および前記監視項目を含む診断パターン選択値を作成し、前記診断パターン選択値に基づいて選択された前記診断パターンを取得し、前記診断パターンを前記第5監視データ中の前記解析結果の特徴量に適用して前記監視対象機器の状態を診断し、診断結果を前記診断パターンとともに前記第5監視データに関連付けることで診断結果データを生成する、請求項5に記載の診断システム。 - 前記第1被結合機器情報を管理する第1管理データベースと、
前記第2被結合機器情報を管理する第2管理データベースと、
前記機器特徴パターン番号が前記結合機器情報の特徴量と対応するように記憶され、前記結合機器情報の特徴量に対応する前記機器特徴パターン番号を前記機器情報分類部に出力する機器特徴データベースと、
前記診断パターンが前記診断パターン選択値と対応するように記憶され、前記機器状態診断部が作成した前記診断パターン選択値に対応する前記診断パターンを前記機器情報診断部に出力する診断パターンデータベースと、を更に備える、請求項6に記載の診断システム。 - プラントデータベースを更に備え、
前記プラントデータベースは、前記監視項目と、前記測定データと、前記解析結果と、前記解析結果の特徴量と、前記結合機器情報と、前記結合機器情報の特徴量と、診断結果とを、前記監視対象機器の状態の過去の診断実績を示す運転実績データとして記憶するとともに、最新の機器特徴パターンおよび診断パターンを記憶し、
前記機器状態診断部は、前記最新の機器特徴パターンおよび診断パターンを用いて、前記運転実績データに示される前記監視対象機器の状態を診断する、請求項1に記載の診断システム。 - 診断システムが、監視対象機器の基本機器情報を含む監視項目に関連し、固定された第1被結合機器情報と可変の第2被結合機器情報とを前記基本機器情報に結合した結合機器情報を取得し、前記結合機器情報を分類する工程と、
前記診断システムが、前記監視項目に対応する測定データについての解析結果の特徴量を取得し、前記監視対象機器の状態を、前記結合機器情報の分類結果に対応した前記解析結果の特徴量の診断パターンを用いて診断する工程と、を含み、
前記分類する工程では、前記結合機器情報の特徴量を取得し、前記結合機器情報の特徴量に基づいて、前記結合機器情報を、予め記憶された複数の機器特徴パターンのいずれかに分類し、
前記診断する工程では、予め前記複数の機器特徴パターン毎に分類して記憶された複数の前記診断パターンのうち、前記分類する工程で分類された機器特徴パターンに対応する診断パターンを用いて、前記監視対象機器の状態を診断し、
さらに前記診断する工程では、前記監視対象機器の状態を診断した診断結果の正誤を検証し、前記診断結果が誤っている場合に、入力部の入力情報に基づいて前記診断結果を修正する、診断方法。 - コンピュータに、
監視対象機器の基本機器情報を含む監視項目に関連し、固定された第1被結合機器情報と可変の第2被結合機器情報とを前記基本機器情報に結合した結合機器情報を取得し、前記結合機器情報を分類する手順、
前記監視項目に対応する測定データを解析した解析結果の特徴量を取得し、前記監視対象機器の状態を、前記結合機器情報の分類結果に対応した前記解析結果の特徴量の診断パターンを用いて診断する手順を、実行させ、
前記分類する手順は、前記結合機器情報の特徴量を取得し、前記結合機器情報の特徴量に基づいて、前記結合機器情報を、予め記憶された複数の機器特徴パターンのいずれかに分類する手順であり、
前記診断する手順は、予め前記複数の機器特徴パターン毎に分類して記憶された複数の前記診断パターンのうち、前記分類する工程で分類された機器特徴パターンに対応する診断パターンを用いて、前記監視対象機器の状態を診断する手順であり、
さらに前記診断する手順は、前記監視対象機器の状態を診断した診断結果の正誤を検証し、前記診断結果が誤っている場合に、入力部の入力情報に基づいて前記診断結果を修正する手順である、診断プログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2014226427A JP6419534B2 (ja) | 2014-11-06 | 2014-11-06 | 診断システム、診断方法および診断プログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2014226427A JP6419534B2 (ja) | 2014-11-06 | 2014-11-06 | 診断システム、診断方法および診断プログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2016091378A JP2016091378A (ja) | 2016-05-23 |
JP6419534B2 true JP6419534B2 (ja) | 2018-11-07 |
Family
ID=56019668
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2014226427A Active JP6419534B2 (ja) | 2014-11-06 | 2014-11-06 | 診断システム、診断方法および診断プログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6419534B2 (ja) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6873759B2 (ja) * | 2017-03-14 | 2021-05-19 | オークマ株式会社 | 工作機械の診断装置における診断モデルの更新システム |
JP7134051B2 (ja) | 2018-10-01 | 2022-09-09 | 三菱電機株式会社 | 劣化検知システム |
CN109974835B (zh) * | 2018-12-29 | 2021-06-04 | 无锡联河光子技术有限公司 | 一种基于光纤信号特征的振动检测识别和时空定位方法和系统 |
JP7366562B2 (ja) * | 2019-03-22 | 2023-10-23 | 日産自動車株式会社 | 異常判定装置及び異常判定方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH04344967A (ja) * | 1991-05-22 | 1992-12-01 | Hitachi Ltd | 機器保全管理最適化の支援装置 |
JP5780870B2 (ja) * | 2011-07-28 | 2015-09-16 | 株式会社東芝 | 回転機器の健全性診断装置、方法およびプログラム |
JP5938888B2 (ja) * | 2011-12-16 | 2016-06-22 | 日本電気株式会社 | サーバ、設備保全支援システム、方法及びプログラム |
-
2014
- 2014-11-06 JP JP2014226427A patent/JP6419534B2/ja active Active
Also Published As
Publication number | Publication date |
---|---|
JP2016091378A (ja) | 2016-05-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11131988B2 (en) | Diagnostic apparatus, diagnostic method, and diagnostic program | |
JP5539382B2 (ja) | 航空エンジン内の故障の識別 | |
US11782430B2 (en) | Abnormality diagnosis method, abnormality diagnosis device and non-transitory computer readable storage medium | |
JP6419534B2 (ja) | 診断システム、診断方法および診断プログラム | |
CN102375452B (zh) | 改善故障代码设定和隔离故障的事件驱动的数据挖掘方法 | |
JP5897824B2 (ja) | ターボ機械のリスク解析を実施するシステム及び、コンピュータにターボ機械に対する検査勧告の作成を実施させる機械可読命令を格納する機械可読媒体 | |
US20200143292A1 (en) | Signature enhancement for deviation measurement-based classification of a detected anomaly in an industrial asset | |
Diamond et al. | A comparison between three blade tip timing algorithms for estimating synchronous turbomachine blade vibration | |
JP7006282B2 (ja) | 設備異常診断装置 | |
EP2975480A1 (en) | Automated data overlay in industrial monitoring systems | |
US10175686B2 (en) | Devices, methods, and systems for a distributed rule based automated fault detection | |
JP5868331B2 (ja) | 圧縮機を診断するための方法およびシステム | |
JP5780870B2 (ja) | 回転機器の健全性診断装置、方法およびプログラム | |
JP5490277B2 (ja) | プラント運転状態監視方法 | |
JP2023179851A (ja) | 装置状態評価システムおよび装置状態評価方法 | |
Luwei | Vibration-based fault identification for rotor and ball bearing in rotating machines | |
JP7026012B2 (ja) | 機器状態監視システム及び機器状態監視方法 | |
JP6247777B2 (ja) | 異常診断装置および異常診断方法 | |
JP2023021514A (ja) | 装置診断システムおよび装置診断方法 | |
JP7000266B2 (ja) | 分析フロー作成システムおよび分析フロー作成方法 | |
RU2777950C1 (ru) | Обнаружение нештатных ситуаций для прогнозного технического обслуживания и определения конечных результатов и технологических процессов на основании качества данных | |
JP5050551B2 (ja) | 推測結果評価方法、推測結果評価プログラム、及び推測結果評価装置 | |
JP5490278B2 (ja) | プラント運転状態監視方法 | |
US20240125675A1 (en) | Anomaly detection for industrial assets | |
EP4254111A1 (en) | Fault diagnosis apparatus, method, computer program, and non-transitory computer-readable recording medium |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20170703 |
|
A711 | Notification of change in applicant |
Free format text: JAPANESE INTERMEDIATE CODE: A712 Effective date: 20171121 |
|
A711 | Notification of change in applicant |
Free format text: JAPANESE INTERMEDIATE CODE: A711 Effective date: 20171122 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20180528 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20180601 |
|
A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20180725 |
|
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: 20180911 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20181010 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6419534 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |