JP6492555B2 - 異常診断方法、異常診断装置及び異常診断プログラム - Google Patents

Description

本発明は、異常診断方法、異常診断装置及び異常診断プログラムに関する。

従来の異常診断方法に関する技術として、例えば特許文献１には、複数の評価項目があるプラントの運転状態を監視するプラント監視方法が記載されている。特許文献１に記載された方法では、複数の評価項目毎の状態量（パラメータ値）の集まりである状態量の束（データセット）が記憶された状態量ファイルから、評価対象とする状態量の束を抽出する。そして、単位空間ファイルに記憶されたデータ（単位データ）を基準として、抽出した状態量の束のマハラノビス距離を求め、このマハラノビス距離が所定の閾値以内であるか否かに応じて、プラントの運転状態が正常か否かを判定する。

特開２０１２−２５２５５６号公報

上記従来技術では、診断を行う際に基準となる単位データの選定には、明確な方法が存在していない。通常、単位データとしては、診断対象に異常が発生していない期間のデータセットや、診断対象における複数のセンサの各センサ値（パラメータ値）が正常範囲にあるデータセット等が選定される。しかし、このような単位データの選定では、選定作業が選定者の経験や感覚に依存する可能性がある。また、例えば数百もの多数のセンサが存在すると、これらのセンサのセンサ値が正常範囲にあるか否かを判別すべき場合があることから、選定作業に多大な手間及び時間がかかる可能性がある。

そこで、本発明は、選定者による依存を低減して簡易に単位データを選定することができる異常診断方法、異常診断装置及び異常診断プログラムを提供することを課題とする。

本発明に係る異常診断方法は、診断対象に関する複数項目のパラメータ値を有するデータセットに基づき、パラメータ値が正規分布に従うことを前提にした診断手法を用いて、診断対象の異常を診断する異常診断方法であって、複数のデータセットを含む選定用データから、診断を行う際に基準となる単位データを選定するデータ選定工程を備え、データ選定工程は、選定用データに含まれる複数のデータセットにおいて、複数項目別に、パラメータ値の標準偏差に基づく第１範囲を算出する工程と、選定用データに含まれる複数のデータセットのうち、複数項目の全てにおいてパラメータ値が第１範囲内に存在するデータセットを、単位データとして選定する工程と、を含む。

本発明に係る異常診断装置は、診断対象に関する複数項目のパラメータ値を有するデータセットに基づき、パラメータ値が正規分布に従うことを前提にした診断手法を用いて、診断対象の異常を診断する異常診断装置であって、複数のデータセットを含む選定用データから、診断を行う際に基準となる単位データを選定する単位データ選定部を備え、単位データ選定部は、選定用データに含まれる複数のデータセットにおいて、複数項目別に、パラメータ値の標準偏差に基づく第１範囲を算出する第１算出部と、選定用データに含まれる複数のデータセットのうち、複数項目の全てにおいてパラメータ値が第１範囲内に存在するデータセットを、単位データとして選定する選定部と、を含む。

このような異常診断方法及び異常診断装置では、選定用データに含まれる複数のデータセットのうち、複数項目の全てにおいてパラメータ値が第１範囲内に存在するデータセット（つまり、第１範囲から外れたパラメータ値を有するデータセット以外）が、単位データとして選定される。よって、選定者の判断を介さずに、且つ、各パラメータ値毎に正常範囲にあるかどうかを判定することなく、選定用データから単位データを選定することができる。したがって、選定者による依存を低減して簡易に単位データを選定することが可能となる。

本発明に係る異常診断方法は、選定用データの一部を除外するデータ除外工程をさらに備え、データ除外工程は、選定用データに含まれる複数のデータセットにおいて、複数項目別に、パラメータ値の尖度とパラメータ値の標準偏差に基づく第２範囲とを算出する工程と、尖度が所定値以上の場合、選定用データに含まれる複数のデータセットから、第２範囲から外れたパラメータ値を有するデータセットを除外する工程と、を含んでいてもよい。

本発明に係る異常診断装置は、選定用データの一部を除外する選定用データ除外部をさらに備え、選定用データ除外部は、選定用データに含まれる複数のデータセットにおいて、複数項目別に、パラメータ値の尖度とパラメータ値の標準偏差に基づく第２範囲とを算出する第２算出部と、尖度が所定値以上の場合、選定用データに含まれる複数のデータセットから、第２範囲から外れたパラメータ値を有するデータセットを除外する除外部と、を含んでいてもよい。

このような異常診断方法及び異常診断装置では、尖度が所定値以上の場合、第２範囲から外れたパラメータ値（いわゆる外れ値）を有するデータセットが、選定用データから除外される。これにより、選定用データの正規性を高めることができる。

本発明に係る異常診断方法は、診断対象から診断用のデータセットである診断用データを取得するデータ取得工程と、単位データ及び診断用データに基づき、診断対象が異常か或いは正常かを診断する診断工程と、単位データを選定用データとして複製し、診断工程で診断対象が正常と診断されている場合に当該選定用データに診断用データを追加するデータ更新工程と、を備えてもよい。

本発明に係る異常診断装置は、診断対象から診断用のデータセットである診断用データを取得する診断用データ取得部と、単位データ及び診断用データに基づき、診断対象が異常か或いは正常かを診断する異常診断部と、単位データを選定用データとして複製し、異常診断部で診断対象が正常と診断されている場合に当該選定用データに診断用データを追加する選定用データ更新部と、を備えてもよい。

このような異常診断方法及び異常診断装置では、異常診断の都度、選定用データを更新することが可能となる。

本発明に係る異常診断方法及び異常診断装置において、診断手法は、マハラノビスタグチメソッドであり、単位データは、マハラノビス距離を算出する際に基準となる単位空間を構成してもよい。この場合、マハラノビスタグチメソッドによる異常診断において、マハラノビス距離を算出する際に基準となる単位空間を構成する単位データを、選定者による依存を低減して簡易に選定できる。

本発明に係る異常診断プログラムは、コンピュータに、上記異常診断方法を実行せしめる。この異常診断プログラムにおいても、上記異常診断方法における作用効果と同様な作用効果が奏される。

本発明によれば、選定者による依存を低減して簡易に単位データを選定することができる異常診断方法、異常診断装置及び異常診断プログラムを提供することが可能となる。

一実施形態に係る異常診断装置の構成を示すブロック図である。 ＭＴ法の概念を示す図である。 選定用データの一例を説明する図である。 パラメータ値の分布例を示すグラフである。 異常診断処理を示すフローチャートである。 単位データ決定処理を示すフローチャートである。 （ａ）は選定用データ除外処理を示すフローチャートである。（ｂ）は単位データ選定処理を示すフローチャートである。 選定用データ更新処理を示すフローチャートである。 異常診断プログラムを説明するための図である。

以下、添付図面を参照して、本発明の実施形態について詳細に説明する。なお、以下の説明において、同一又は相当要素には同一符号を付し、重複する説明を省略する。

図１は、本実施形態に係る異常診断装置の構成を示すブロック図である。図２は、ＭＴ法の概念を示す図である。図３は、選定用データの一例を説明する図である。図４は、選定用データに含まれる複数のデータセットにおいて、一の項目のパラメータ値の分布例を示すグラフである。

図１に示すように、異常診断装置１００は、診断対象に関する複数項目のパラメータ値を有するデータセットに基づいて、診断対象の異常を診断する。診断対象としては、特に限定されるものではなく、例えばガスタービン発電プラントをはじめとした各種のプラント、及び、複数の機器を有する機械システム等が挙げられる。本実施形態では、ガスタービンを備えた発電用のプラントが診断対象として適用されている。

データセットは、複数項目のパラメータ値が集まってなるデータ群であって、サンプルデータとも称される。複数項目のパラメータ値とは、複数種の特徴量（変数）に係るデータ値である。パラメータ値の項目としては、例えば、診断対象が備える複数種の機器（バルブ、ポンプ等）の制御値、指令値及び応答値、並びに、診断対象に設けられた複数種のセンサの各センサ値等が挙げられる。パラメータ値の項目数は、特に限定されるものではないが、ここでは数百以上とされている。

本実施形態における異常診断では、データセットの各パラメータ値が正規分布に従うことを前提にした診断手法を用いている。当該診断手法では、正常時のデータである単位データが診断の基準として用いられ、単位データの内容が診断精度に影響する。このような診断手法としては、ＭＴ（Mahalanobis Taguchi）法が挙げられる。なお、パラメータ値が正規分布に従うことを前提にした診断手法として、上記の他に、例えば回帰分析等に用いてもよい。

本実施形態では、診断手法としてＭＴ法を採用している。ＭＴ法は、品質工学において提案されているパターン認識手法の一つであって、いつもと同じ状態であるかどうかを診断する。ＭＴ法では、数百以上の特徴量（項目）を有するデータセットでも一つの判断指標に集約して扱い得る。図２に示すように、ＭＴ法による異常診断は、単位空間を単位データから生成し、この単位空間を診断の基準として、診断したい診断用データとのマハラノビス距離（Mahalanobis Distance、以下「ＭＤ値」という）を用いて異常か或いは正常かを判断する。

ＭＤ値が閾値よりも小さい場合、単位空間から近い状態、すなわち正常状態であるとして、正常と診断される。一方、ＭＤ値が閾値以上の場合、単位空間から遠い状態、すなわち正常状態から離れている状態であるとして、異常と診断される。単位空間は、目的に対して均質な正常な集団（ユニフォームな集団）であり、均質性を有する。この単位空間は、「定常且つ普通の状態」、「頻度の多い状態」又は「平均的な状態」ともいえる。

図１に示すように、異常診断装置１００は、記憶装置１０及びＣＰＵ（Central Processing Unit）２０を備えている。記憶装置１０は、選定用データＤ１及び単位データＤ２を記憶している。記憶装置１０としては、ＲＯＭ、フレキシブルディスク、ＣＤ−ＲＯＭ、ＤＶＤ、或いはＵＳＢメモリ等の記録媒体、又は半導体メモリ等が例示される。

選定用データＤ１は、単位データＤ２の選定に用いられるデータであって、複数のデータセットを含んでいる。ここでの選定用データＤ１は、過去にプラントから入力されて蓄積された複数のデータセットにより形成される。図３に示す例において、選定用データＤ１は、所定時間毎にプラントから入力されて蓄積された複数のデータセットｄにより形成されている。なお、選定用データＤ１は、プラントから入力されたデータセットによらずに形成されもよく、別途に外部入力されて形成されてもよい。

選定用データＤ１に含まれるデータセットｄの数は、特に限定されるものではなく、適宜設定することができる。図示する選定用データＤ１は、所定時間毎のデータセットｄを含んでいるが、複数のデータセットを含んでいればよい。図１に戻り、単位データＤ２は、診断を行う際に基準となるデータであって、単位空間を構成する。単位データＤ２は、単位空間の生成に用いる正常な場合のデータセットを複数含んでいる。

ＣＰＵ２０は、その機能的構成要素として、単位データ選定部２１と選定用データ除外部２２と診断用データ取得部２３と異常診断部２４と選定用データ更新部２５とを有している。単位データ選定部２１は、記憶装置１０から選定用データＤ１を取得し、この選定用データＤ１から単位データＤ２を選定する。単位データ選定部２１は、第１算出部２１ａ、選定部２１ｂ及び修正部２１ｃを含んでいる。

第１算出部２１ａは、選定用データＤ１に含まれる複数のデータセットにおいて、その複数項目別に、パラメータ値の平均値Ａｖ_１、標準偏差σ_１及び第１範囲Ｒ１を含む統計量を算出する。第１範囲Ｒ１は、標準偏差σ_１に基づく指定範囲である。具体的には、第１範囲Ｒ１は、指定値ｍと標準偏差σ_１との乗数からなる区間ｍ・σ_１に基づく範囲である。より具体的には、第１範囲Ｒ１は、平均値Ａｖ_１を中心とし当該平均値Ａｖ_１から正負側それぞれに区間ｍ・σ_１拡がる信頼区間（＝Ａｖ_１±ｍ・σ_１）である（図４参照）。

指定値ｍは、予め記憶された設定値である。指定値ｍは、不図示の入力装置を介して選定者（ユーザ）により指定されてもよいし、固定値として指定されていてもよい。指定値ｍは、パラメータ値の全項目で一律に同じ値とされてもよいし、少なくとも一部の項目で異なる値とされてもよい。指定値ｍは、例えば各項目別の正常時の分布情報に応じて、各項目で異なる値とされてもよい。また、指定値ｍは、診断対象の実際の運転状況に合わせて、各項目の変動範囲において適時修正してもよい。ここでの指定値ｍは、全ての項目で正の実数値である「２」が設定されており、その結果、複数項目の全てにおいて、「Ａｖ_１±２・σ_１」の範囲が第１範囲Ｒ１とされている。

選定部２１ｂは、選定用データＤ１に含まれる複数のデータセットのうち、複数項目の全てにおいてパラメータ値が第１範囲Ｒ１内に存在するデータセット（すなわち、第１範囲Ｒ１から外れたパラメータ値を有するデータセット以外）を、単位データＤ２として選定する。換言すると、データセットにおける複数のパラメータ値全てが第１範囲Ｒ１内に在る場合に、そのデータセットが単位データＤ２に選定され、データセットにおける複数のパラメータ値の少なくとも１つでも第１範囲Ｒ１外に在る場合、そのデータセットは単位データＤ２に選定されない。第１範囲Ｒ１内に選定部２１ｂは、選定した単位データＤ２を記憶装置１０へ出力する。

修正部２１ｃは、選定部２１ｂで選定され記憶装置１０へ出力される単位データＤ２を、データ修正ユニット３０を介して入力されたユーザによる操作入力に応じて修正する。データ修正ユニット３０は、キーボードや操作ボタン等の入力部３０ａと、ディスプレイ等の表示部３０ｂと、を有している。データ修正ユニット３０では、選定部２１ｂで選定され記憶装置１０へ出力される単位データＤ２を表示部３０ｂに表示すると共に、当該単位データＤ２を修正すべくユーザにより入力部３０ａを介して操作入力がなされた場合、その操作入力を修正部２１ｃへ出力する。

選定用データ除外部２２は、診断開始時から未だ単位空間が生成されていない（異常診断部２４において単位空間を生成する際、当該生成が初回となる）場合、記憶装置１０から選定用データＤ１を取得し、この選定用データＤ１の一部を除外する。選定用データ除外部２２は、第２算出部２２ａ及び除外部２２ｂを含んでいる。

第２算出部２２ａは、選定用データＤ１に含まれる複数のデータセットにおいて、その複数項目別に、パラメータ値の平均値Ａｖ_２、標準偏差σ_２、尖度γ及び第２範囲Ｒ２を含む統計量を算出する。尖度γは、パラメータ値の分布がどれほど平均値Ａｖ_２周辺に集中しているかを表すものである。尖度γは、他の値から大きく外れた値である外れ値がパラメータ値として含まれると、大きな値を示す傾向を有する。尖度γは、下式により求めることができる。
γ＝（（ａ_１−Ａｖ_２）^２＋（ａ_２−Ａｖ_２）^２
＋…（ａ_ｎ−Ａｖ_２）^２）／（ｎ・σ_２ ^２）
ａ_１〜ａ_ｎ：パラメータ値

第２範囲Ｒ２は、標準偏差σ_２に基づく指定範囲である。具体的には、第２範囲Ｒ２は、指定値ｋと標準偏差σ_２との乗数からなる区間ｋ・σ_２に基づく範囲である。より具体的には、第２範囲Ｒ２は、平均値Ａｖ_２を中心とし当該平均値Ａｖ_２から正負側それぞれに区間ｋ・σ_２拡がる信頼区間（＝Ａｖ_２±ｋ・σ_２）である。

指定値ｋは、予め記憶された指定値である。指定値ｋは、不図示の入力装置を介してユーザにより指定されてもよいし、固定値として指定されていてもよい。指定値ｋは、パラメータ値の全項目で一律に同じ値とされてもよいし、少なくとも一部の項目で異なる値とされてもよい。指定値ｋは、例えば各項目別の正常時の分布情報に応じて、各項目で異なる値とされてもよい。また、指定値ｋは、診断対象の実際の運転状況に合わせて、各項目の変動範囲において適時修正してもよい。ここでの指定値ｋは、パラメータ値の全項目で、指定値ｍよりも大きい正の実数値である「３」が設定されており、その結果、複数項目の全てにおいて、「Ａｖ_２±３・σ_２」の範囲が第２範囲Ｒ２とされている。

除外部２２ｂは、第２算出部２２ａで算出した尖度γが所定値以上の場合、選定用データＤ１に外れ値が含まれていると判定し、第２範囲Ｒ２から外れたパラメータ値を外れ値とし、当該外れ値を有するデータセットを選定用データＤ１から除外する。換言すると、データセットにおける複数のパラメータ値全てが第２範囲Ｒ２内に在る場合に、そのデータセットは選定用データＤ１から除外されない一方、データセットにおける複数のパラメータ値の少なくとも１つでも第２範囲Ｒ２外に在る場合、そのデータセットは選定用データＤ１から除外される。除外部２２ｂは、外れ値を有するデータセットを除外した選定用データＤ１を、記憶装置１０へ出力する。所定値は、外れ値の有無を判定する上で一般的又は経験的に予め設定される値である。所定値は、例えば５以上の値とされ、より確実に判定する場合には１０以上の値とされる。

診断用データ取得部２３は、診断用のデータセットである診断用データを、診断対象から取得する。診断用データ取得部２３は、取得した診断用データを異常診断部２４及び選定用データ更新部２５へ出力する。

異常診断部２４は、記憶装置１０から単位データＤ２を取得すると共に、診断用データ取得部２３から診断用データを取得し、取得した単位データＤ２及び診断用データに基づいて診断対象が異常か或いは正常かを診断する。

具体的には、異常診断部２４は、次の処理を実行する。すなわち、記憶装置１０から単位データＤ２を取得し、この単位データＤ２から単位空間を生成する。診断用データ取得部２３から診断用データを取得し、生成した単位空間を利用してＭＤ値を演算する。ＭＤ値が閾値よりも小さい場合、プラントの状態が正常であると診断する一方、ＭＤ値が当該閾値以上の場合、診断対象の状態が異常であると診断する。閾値は、予め設定されて記憶された値である。なお、このような単位データＤ２及び診断用データに基づく異常診断の手法としては、公知手法を用いることができる。

異常診断部２４は、診断結果を選定用データ更新部２５へ出力する。また、異常診断部２４は、診断結果を外部のディスプレイやスピーカ等の報知装置（不図示）へ出力して報知する。

選定用データ更新部２５は、診断開始時から少なくとも１度は単位空間が生成されている（異常診断部２４において単位空間を生成する際、当該生成が初回以外となる）場合、選定用データＤ１を更新する。具体的には、記憶装置１０から単位データＤ２を取得し、この単位データＤ２を選定用データＤ１として複製する。そして、異常診断部２４で診断対象が正常と診断されている場合、複製してなる選定用データＤ１に診断用データを追加して記憶装置１０へ出力する一方、異常診断部２４で診断対象が正常と診断されていない場合、複製してなる選定用データＤ１をそのままを記憶装置１０へ出力する。

次に、異常診断装置１００により実施される異常診断方法について説明する。

図５は、異常診断処理を示すフローチャートである。図５に示すように、異常診断装置１００では、ＣＰＵ２０において次の異常診断処理を所定時間周期で繰り返し実行し、診断対象の異常を所定時間周期で診断する。すなわち、まず、単位データ決定処理を実行して単位データＤ２を決定し、当該単位データＤ２を異常診断部２４で取得する（Ｓ１）。診断対象から出力された診断用データを、診断用データ取得部２３を介して異常診断部２４で取得する（Ｓ２：データ取得工程）。

続いて、異常診断部２４により、単位データＤ２に基づいて単位空間を生成する（Ｓ３）。具体的には、単位データＤ２の複数項目それぞれにおいて、平均値及び標準偏差を求めると共に、パラメータ値と平均値と標準偏差とから規準化値を求めて、相関行列を生成する。生成した相関行列の逆行列を求めて、単位空間を生成する。そして、異常診断部２４により、単位空間を利用して、診断用データに基づきＭＤ値を算出する（Ｓ４）。

続いて、算出したＭＤ値が閾値よりも小さいか否かを判定する（Ｓ５）。ＭＤ値が閾値よりも小さい場合、診断用データは正常時データであり、診断対象の状態が正常であると診断する（Ｓ６）。一方、演算したＭＤ値が閾値以上の場合、診断用データは異常時データであり、診断対象の状態が異常であると診断する（Ｓ７）。なお、上記Ｓ３〜上記Ｓ７の処理が診断工程を構成する。

ここで、本実施形態の異常診断装置１００においては、上述したように、診断対象の異常を診断するに当たり、単位空間の生成前に単位データ決定処理を実行する。以下、単位データ決定処理について詳説する。

図６は、単位データ決定処理を示すフローチャートである。図６に示すように、単位データ決定処理では、まず、単位空間の生成が初回か否かを判定する（Ｓ１１）。ここでは、例えば、上記Ｓ３の処理の実行に初回判定フラグを持たせておき、この初回判定フラグが立っているか否かによって判定することができる。

上記Ｓ１１でＹＥＳの場合、選定用データ除外部２２により、選定用データＤ１から外れ値を除外する選定用データ除外処理を実行する（Ｓ１２：データ除外工程）。続いて、単位データ選定部２１により、選定用データＤ１から単位データＤ２を選定する単位データ選定処理を実行する（Ｓ１３：データ選定工程）。

上記Ｓ１１でＮＯの場合、選定用データ更新部２５により、選定用データＤ１を更新する選定用データ更新処理を実行する（Ｓ１４：データ更新工程）。続いて、上記Ｓ１４と同様に、単位データ選定部２１により、選定用データＤ１から単位データＤ２を選定する単位データ選定処理を実行する（Ｓ１５：データ選定工程）。

上記Ｓ１３又はＳ１５の後、選定した単位データＤ２に関する情報を、データ修正ユニット３０の表示部３０ｂに表示する。そして、例えば単位データＤ２の項目別の分散や過去の経験等から、選定者によってデータ修正ユニット３０の入力部３０ａを介して操作入力がなされた場合、その操作入力に応じて単位データＤ２を修正する（Ｓ１６）。以上により、単位データＤ２が決定され、この単位データＤ２が記憶装置１０に出力されて記憶されることとなる。

図７（ａ）は、選定用データ除外処理を示すフローチャートである。図７（ａ）に示すように、選定用データ除外処理においては、記憶装置１０から選定用データＤ１を取得し、選定用データＤ１に含まれる複数のデータセットの複数項目別に、パラメータ値の平均値Ａｖ_２、標準偏差σ_２、尖度γ及び第２範囲Ｒ２を含む統計量を算出する（Ｓ２１）。何れかの項目で尖度γが所定値以上であるか否かに基づいて、選定用データＤ１に含まれる複数のデータセットのパラメータ値に外れ値が存在する否かを判定する（Ｓ２２）。

尖度γが所定値以上ではない場合、選定用データＤ１に含まれる複数のデータセットのパラメータ値に外れ値が無いとして、そのまま処理を終了する。一方、尖度γが所定値以上の場合、外れ値を有するデータセットを選定用データＤ１から除外する（Ｓ２３）。具体的には、第２範囲Ｒ２から外れたパラメータ値を外れ値として、選定用データＤ１に含まれているデータセットのうち当該外れ値を有するデータセットを、選定用データＤ１から除外する。外れ値を除外した後、再度統計量を算出し（上記Ｓ２１）、尖度γに基づき外れ値が存在するか否かを判定し（上記Ｓ２２）、外れ値を有するデータセットを選定用データＤ１から除外する（上記Ｓ２３）という処理を、外れ値が存在しなくなるまで（上記Ｓ２２の判定処理がＮＯとなるまで）繰り返し行う。そして、選定用データＤ１を記憶装置１０へ出力する。

図７（ｂ）は、単位データ選定処理を示すフローチャートである。図７（ｂ）に示すように、単位データ選定処理においては、記憶装置１０から選定用データＤ１を取得し、選定用データＤ１に含まれる複数のデータセットの複数項目別に、パラメータ値の平均値Ａｖ_１、標準偏差σ_１、第１範囲Ｒ１を含む統計量を算出する（Ｓ３１）。選定用データＤ１に含まれる複数のデータセットのうち、複数項目の全てにおいてパラメータ値が第１範囲Ｒ１内に存在するデータセット（すなわち、第１範囲Ｒ１から外れたパラメータ値を有するデータセット以外）を、単位データＤ２として選定する（Ｓ３２）。

図８は、選定用データ更新処理を示すフローチャートである。図８に示すように、選定用データ更新処理においては、記憶装置１０から単位データＤ２を取得し、この単位データＤ２を選定用データＤ１として複製する（Ｓ４１）。続いて、異常診断部２４による診断結果が正常か否か（上記Ｓ５の判定処理がＹＥＳか否か）を判定する（Ｓ４２）。診断結果が正常の場合、当該診断に用いられた診断用データ（上記Ｓ２で取得した診断用データ）を選定用データＤ１に追加し、この選定用データＤ１を記憶装置１０へ出力する（Ｓ４３）。一方、診断結果が正常ではない場合、診断用データを選定用データＤ１に追加せずに、選定用データＤ１をそのまま記憶装置１０へ出力する。

次に、上述した一連の異常診断に係る処理をＣＰＵ（コンピュータ）２０に実行せしめる異常診断プログラムを説明する。

図９は、異常診断プログラムを説明するための図である。図９に示すように、異常診断プログラムＰは、ＣＰＵ２０に挿入されてアクセスされるものであり、記憶装置１０に形成されたプログラム格納領域１２内に格納されている。異常診断プログラムＰは、単位データ選定モジュール５１と、選定用データ除外モジュール５２と、異常診断モジュール５３と、診断用データ取得モジュール５４と、選定用データ更新モジュール５５と、を備えて構成される。

単位データ選定モジュール５１により実現される機能は、上述した単位データ選定部２１の機能と同様である。選定用データ除外モジュール５２により実現される機能は、上述した選定用データ除外部２２の機能と同様である。異常診断モジュール５３により実現される機能は、上述した異常診断部２４の機能と同様である。診断用データ取得モジュール５４により実現される機能は、上述した診断用データ取得部２３の機能と同様である。選定用データ更新モジュール５５により実現される機能は、上述した選定用データ更新部２５の機能と同様である。

以上、本実施形態に係る異常診断装置１００、異常診断方法、及び異常診断プログラムＰでは、選定用データＤ１に含まれる複数のデータセットにおいて、複数項目別に、パラメータ値の標準偏差σ_１に基づく第１範囲Ｒ１が算出される。そして、選定用データＤ１に含まれる複数のデータセットのうち、複数項目の全てにおいてパラメータ値が第１範囲Ｒ１内に存在するデータセットが、単位データＤ２として選定される。

これにより、単位データＤ２を選定者（人）が選定する必要が無くなり、選定者による判断の介入を低減して、且つ、各パラメータ値毎に正常範囲にあるかどうかを判定することもなく、単位データＤ２を選定することができる。したがって、単位データＤ２の選定を自動的に選定可能なレベルまで定式化し、当該選定の安定化を図ることができ、選定者による依存を低減して簡易に単位データＤ２を選定することが可能となる。その結果、人の経験によるところが大きくて手間がかかるという問題（例えば、選定者次第で異常データが単位データＤ２に混ざってしまうことや、項目が多いと各項目別にパラメータ値を確認するのは難しい等）を解消することが可能となる。

本実施形態では、選定用データＤ１に含まれる複数のデータセットにおいて、複数項目別に、パラメータ値の尖度γとパラメータ値の標準偏差σ_２に基づく第２範囲Ｒ２とが算出される。尖度γが所定値以上の場合、選定用データＤ１に含まれる複数のデータセットから、第２範囲Ｒ２から外れたパラメータ値を有するデータセットが除外される。これにより、外れ値を有するデータセットを選定用データＤ１から除外でき、選定用データＤ１の正規性を高めることができる。

特に本実施形態では、選定用データＤ１に含まれる数百以上の項目のパラメータ値の各分布において、平均値Ａｖ_１からｍ・σ_１に亘る第１範囲Ｒ１に入るものが「正常」と判断され、自動的に単位データＤ２として選定される。また、平均値Ａｖ_２からｋ・σ_２に亘る第２範囲Ｒ２に入らない外れ値を含むデータセットが、選定用データＤ１から除外される。よって、数百以上の項目数を含む選定用データＤ１からでも、指定値ｍ，ｋを設定するだけで、選定者による依存を低減して単位データＤ２を自動的に得ることができる。

本実施形態では、単位データＤ２が選定用データＤ１として複製され、診断対象が正常と診断されている場合、当該選定用データＤ１に診断用データが追加される。これにより、異常診断の都度、選定用データＤ１を自動更新して単位データＤ２を選定することができる。その結果、例えば、正常時データとみなされるパラメータ値が時間的に変化する場合や、単位空間の初回生成時に選定用データＤ１にデータセットが十分に含まれていない場合でも、異常診断の都度、単位データＤ２を適正化することができる。

本実施形態では、データ修正ユニット３０の入力部３０ａを介して修正の操作入力がなされた場合、その操作入力に応じて、上記Ｓ３２で選定した単位データＤ２が修正される。これにより、選定者が実用に合わせて個別にチューニングする（項目別の分散や人の経験を考慮してデータを追加/削除修正する）ことができ、診断精度を向上させることが可能となる。

以上、本発明の好適な実施形態について説明したが、本発明は上記実施形態に限られるものではなく、各請求項に記載した要旨を変更しない範囲で変形し、又は他のものに適用したものであってもよい。

例えば、上記実施形態において、第１範囲Ｒ１及び第２範囲Ｒ２は、パラメータ値の平均値Ａｖ_１，Ａｖ_２を中心に分布しているが、パラメータ値の最頻値を中心に分布してもよい。上記実施形態において、外れ値を含むデータセットを選定用データＤ１から除外する工程（選定用データ除外処理）は、人により行われてもよい。

上記実施形態において、単位データ選定部２１、選定用データ除外部２２、診断用データ取得部２３、異常診断部２４及び選定用データ更新部２５は、１つのＣＰＵ２０により構成されているが、これらの少なくとも何れかが別の情報処理装置により構成されていてもよいし、それぞれ別の情報処理装置により構成されてもよい。同様に、上記実施形態において、選定用データＤ１及び単位データＤ２は同じ記憶装置１０に記憶されているが、互いに別の記憶装置に記憶されてもよい。

上記実施形態において、単位データ選定部２１、選定用データ除外部２２、診断用データ取得部２３、異常診断部２４、選定用データ更新部２５、データ修正ユニット３０、選定用データＤ１及び単位データＤ２における各間の入力又は出力は、有線で行ってもよいし無線で行ってもよい。

２１ 単位データ選定部
２１ａ 第１算出部
２１ｂ 選定部
２２ 選定用データ除外部
２２ａ 第２算出部
２２ｂ 除外部
２３ 診断用データ取得部
２４ 異常診断部
２５ 選定用データ更新部
１００ 異常診断装置
ｄ データセット
Ｄ１ 選定用データ
Ｄ２ 単位データ
Ｐ 異常診断プログラム
Ｒ１ 第１範囲
Ｒ２ 第２範囲

Claims (9)

1. 診断対象に関する複数項目のパラメータ値を有するデータセットに基づき、前記パラメータ値が正規分布に従うことを前提にした診断手法を用いて、前記診断対象の異常を診断する異常診断方法であって、
   複数の前記データセットを含む選定用データから、診断を行う際に基準となる単位データを選定するデータ選定工程と、
   前記診断対象から診断用の前記データセットである診断用データを取得するデータ取得工程と、
   前記単位データ及び前記診断用データに基づき、前記診断対象が異常か或いは正常かを診断する診断工程と、
   前記単位データを前記選定用データとして複製し、前記診断工程で前記診断対象が正常と診断されている場合に当該選定用データに前記診断用データを追加するデータ更新工程と、を備え、
   前記データ選定工程は、
   前記選定用データに含まれる複数の前記データセットにおいて、前記複数項目別に、前記パラメータ値の標準偏差に基づく第１範囲を算出する工程と、
   前記選定用データに含まれる複数の前記データセットのうち、前記複数項目の全てにおいて前記パラメータ値が前記第１範囲内に存在するデータセットを、前記単位データとして選定する工程と、を含む、異常診断方法。
2. 前記選定用データの一部を除外するデータ除外工程をさらに備え、
   前記データ除外工程は、
   前記選定用データに含まれる複数の前記データセットにおいて、前記複数項目別に、前記パラメータ値の尖度と前記パラメータ値の標準偏差に基づく第２範囲とを算出する工程と、
   前記尖度が前記所定値以上の場合、前記選定用データに含まれる複数の前記データセットから、前記第２範囲から外れた前記パラメータ値を有するデータセットを除外する工程と、を含む、請求項１に記載の異常診断方法。
3. 前記選定工程で選定された前記単位データを、ユーザの操作入力に応じて修正する修正工程をさらに備える、請求項１又は２に記載の異常診断方法。
4. 前記診断手法は、マハラノビスタグチメソッドであり、
   前記単位データは、マハラノビス距離を算出する際に基準となる単位空間を構成する、請求項１〜３の何れか一項に記載の異常診断方法。
5. 診断対象に関する複数項目のパラメータ値を有するデータセットに基づき、前記パラメータ値が正規分布に従うことを前提にした診断手法を用いて、前記診断対象の異常を診断する異常診断装置であって、
   複数の前記データセットを含む選定用データから、診断を行う際に基準となる単位データを選定する単位データ選定部と、
   前記診断対象から診断用の前記データセットである診断用データを取得する診断用データ取得部と、
   前記単位データ及び前記診断用データに基づき、前記診断対象が異常か或いは正常かを診断する異常診断部と、
   前記単位データを前記選定用データとして複製し、前記異常診断部で前記診断対象が正常と診断されている場合に当該選定用データに前記診断用データを追加する選定用データ更新部と、を備え、
   前記単位データ選定部は、
   前記選定用データに含まれる複数の前記データセットにおいて、前記複数項目別に、前記パラメータ値の標準偏差に基づく第１範囲を算出する第１算出部と、
   前記選定用データに含まれる複数の前記データセットのうち、前記複数項目の全てにおいて前記パラメータ値が前記第１範囲内に存在するデータセットを、前記単位データとして選定する選定部と、を含む、異常診断装置。
6. 前記選定用データの一部を除外する選定用データ除外部をさらに備え、
   前記選定用データ除外部は、
   前記選定用データに含まれる複数の前記データセットにおいて、前記複数項目別に、前記パラメータ値の尖度と前記パラメータ値の標準偏差に基づく第２範囲とを算出する第２算出部と、
   前記尖度が前記所定値以上の場合、前記選定用データに含まれる複数の前記データセットから、前記第２範囲から外れた前記パラメータ値を有するデータセットを除外する除外部と、を含む、請求項５に記載の異常診断装置。
7. 前記選定部で選定された前記単位データを、ユーザの操作入力に応じて修正する修正部をさらに備える、請求項５又は６に記載の異常診断装置。
8. 前記診断手法は、マハラノビスタグチメソッドであり、
   前記単位データは、マハラノビス距離を算出する際に基準となる単位空間を構成する、請求項５〜７の何れか一項に記載の異常診断装置。
9. コンピュータに、請求項１〜４の何れか一項記載の異常診断方法を実行せしめる、異常診断プログラム。

Images