JP6648747B2 - 異常原因特定方法および異常原因特定装置 - Google Patents

Description

本発明は、プラント設備等の監視対象から得られる時系列データをもとに、監視対象の異常の原因を特定する異常原因特定方法および異常原因特定装置に関する。

例えば鉄鋼業等のプラント設備で異常が発生した場合、一般的には異常ごとに個別に原因を探し、その都度異常の解決方法を探している。そのため、異常の原因を特定するまでに多大な時間を要し、生産減が拡大する場合がある。

そこで、例えば特許文献１では、多変量解析を利用した状態監視の手法により異常の原因を特定する手法が提案されている。同文献では、例えば監視対象のプラント設備から収集した複数のプロセス量に対して主成分分析を実施し、主成分スコアといわれる特徴量を、過去に発生したプラント異常時の主成分スコアと比較することにより異常の原因を特定している。

また、特許文献２では、別の視点からのアプローチとして、プラント設備で想定される故障を網羅的に想定およびＴｒｅｅ展開し、その各々に確率論的寿命評価手段を用いることによりプラント設備の故障を予測する手法が提案されている。

特開２００１−７５６４２号公報 特開２００３−３０３２４３号公報

しかしながら、前記した特許文献１の手法では、時間方向に連続的に取得したデータに対して解析を行うのではなく、時間方向で１点のデータに対してのみ解析を行う。従って、時間方向の情報を活かせないため、所定の動作時パターンを有する設備の状態監視では、異常原因特定の精度が低下する場合がある。

また、前記した特許文献２の手法では、設備ごとに個別に故障の原因を想定するため、電動機、油圧機器、センサ等の多種多様な設備が存在する鉄鋼設備等に適用するには、マンパワーおよび時間の面で困難である。

本発明は、上記に鑑みてなされたものであって、監視対象となる設備で異常が発生した際に、設備の種類等を意識せずに汎用的に適用でき、かつ設備の異常の原因を高精度に特定することができる異常原因特定方法および異常原因特定装置を提供することを目的とする。

上述した課題を解決し、目的を達成するために、本発明に係る異常原因特定方法は、コンピュータによって構築された異常原因特定装置において、監視対象となる設備から得られるプロセス量の時系列データに基づいて、前記設備の異常発生時における異常の原因を特定する異常原因特定方法であって、前記コンピュータが、前記設備の過去の異常発生時における前記時系列データと、前記設備の動作時における前記時系列データとを、それぞれ変数としてＬ次元空間に埋め込み、前記Ｌ次元空間における両者の距離に基づいて、前記設備の動作時における異常の原因が前記過去の異常発生時における異常の原因と同じであるか否かを判定することを特徴とする。

また、本発明に係る異常原因特定方法は、上記発明において、前記設備の動作前に、前記コンピュータが備えるＬ次元空間埋め込み部が、前記設備の過去の異常発生時における前記時系列データがＬ点サンプリングされたサンプリングデータをＬ種の変数として取得し、前記Ｌ種の変数をＬ次元以下のユークリッド空間に埋め込んで過去異常時パターンを生成する過去異常時パターン生成工程と、前記コンピュータが備えるモデル構成部が、前記過去異常時パターンに対して主成分分析を行い、累積寄与率が所定の閾値を超えるまでの主成分に基づいて、前記Ｌ次元以下のユークリッド空間内で張られる部分空間を決定する部分空間決定工程と、前記設備の動作時に、前記コンピュータが備える時系列データサンプリング部が、前記設備の動作時における前記時系列データをＬ点サンプリングしてサンプリングデータを生成するサンプリング工程と、前記Ｌ次元空間埋め込み部が、前記サンプリングデータをＬ種の変数として取得し、前記Ｌ種の変数を前記Ｌ次元以下のユークリッド空間に埋め込んで動作時パターンを生成する動作時パターン生成工程と、前記コンピュータが備える外れ度算出部が、前記部分空間に対する前記動作時パターンの外れ度を算出する外れ度算出工程と、前記コンピュータが備える判定部が、前記外れ度に基づいて、前記設備の動作時における異常の原因が前記過去の異常発生時における異常の原因と同じであるか否かを判定する判定工程と、を含むことを特徴とする。

また、本発明に係る異常原因特定方法は、上記発明において、前記外れ度算出工程において、前記外れ度算出部は、前記Ｌ次元以下のユークリッド空間において、前記部分空間から前記動作時パターンまでの、前記部分空間における主成分と直交する方向のユークリッド距離を、前記外れ度として算出することを特徴とする。

また、本発明に係る異常原因特定方法は、上記発明において、前記判定工程において、前記設備の動作時における異常の原因が前記過去の異常発生時における異常の原因と同じではないと判定された場合に、前記時系列データサンプリング部が、判定対象となった前記動作時パターンを構成する前記時系列データのサンプリングデータを、前記過去異常時パターンを構成する前記時系列データのサンプリングデータを蓄積する過去異常データベースに保存する保存工程をさらに含むことを特徴とする。

上述した課題を解決し、目的を達成するために、本発明に係る異常原因特定装置は、監視対象となる設備から得られるプロセス量の時系列データに基づいて、前記設備の異常発生時における異常の原因を特定する異常原因特定装置であって、前記設備の過去の異常発生時における前記時系列データと、前記設備の動作時における前記時系列データとを、それぞれ変数としてＬ次元空間に埋め込み、前記Ｌ次元空間における両者の距離に基づいて、前記設備の動作時における異常の原因が前記過去の異常発生時における異常の原因と同じであるか否かを判定する制御部を備えることを特徴とする。

また、本発明に係る異常原因特定装置は、上記発明において、前記制御部は、前記設備の動作時に、前記設備の動作時における前記時系列データをＬ点サンプリングしてサンプリングデータを生成する時系列データサンプリング部と、前記設備の動作前に、前記設備の過去の異常発生時における前記時系列データがＬ点サンプリングされたサンプリングデータをＬ種の変数として取得し、前記Ｌ種の変数をＬ次元以下のユークリッド空間に埋め込んで過去異常時パターンを生成し、かつ、前記設備の動作時に、前記時系列データサンプリング部によって生成された前記サンプリングデータをＬ種の変数として取得し、前記Ｌ種の変数を前記Ｌ次元以下のユークリッド空間に埋め込んで動作時パターンを生成するＬ次元空間埋め込み部と、前記過去異常時パターンに対して主成分分析を行い、累積寄与率が所定の閾値を超えるまでの主成分に基づいて、前記Ｌ次元以下のユークリッド空間内で張られる部分空間を決定するモデル構成部と、前記部分空間に対する前記動作時パターンの外れ度を算出する外れ度算出部と、前記外れ度に基づいて、前記設備の動作時における異常の原因が前記過去の異常発生時における異常の原因と同じであるか否かを判定する判定部と、を備えることを特徴とする。

本発明によれば、設備の過去の異常発生時および動作時のデータをそれぞれＬ次元空間に埋め込み、Ｌ次元空間における両者の距離に基づいて異常の原因を特定するため、監視対象となる設備で異常が発生した際に、設備の種類等を意識せずに汎用的に適用でき、かつ設備の異常の原因を高精度に特定することができる。

図１は、本発明の実施形態に係る異常原因特定装置の全体構成の一例を示すブロック図である。 図２は、本発明の実施形態に係る異常原因特定装置を利用した異常原因特定方法の処理手順を示すフローチャートである。 図３は、本発明の実施形態に係る異常原因特定方法において、定動作設備の過去の異常発生時におけるプロセス量の時系列データの一例を示すグラフである。 図４は、本発明の実施形態に係る異常原因特定方法において、Ｌ次元以下のユークリッド空間における過去異常時パターンと、過去異常時パターンの主成分と、過去異常時パターンの主成分によって決定された部分空間の一例を示す図である。 図５は、本発明の実施形態に係る異常原因特定方法において、Ｌ次元以下のユークリッド空間における複数の過去異常時パターンと、複数の過去異常時パターンの主成分と、複数の過去異常時パターンの主成分によって決定された複数の部分空間と、動作時パターンと、外れ度の一例を示す図である。 図６は、本発明の実施例において、油圧によって径が拡縮する設備におけるプロセス量の時系列データであって、軸最小径からの拡大タイミングを示すグラフである。 図７は、本発明の実施例において、図６の時系列データから人工的に作成されたプロセス量の時系列データであって、チャタリング異常を示すグラフである。 図８は、本発明の実施例において、図６の時系列データから人工的に作成されたプロセス量の時系列データであって、反応遅れ異常を示すグラフである。 図９は、本発明の実施例において、図６の時系列データから人工的に作成されたプロセス量の時系列データであって、過渡状態チャタリング異常を示すグラフである。 図１０は、本発明の実施例において、図７の時系列データから生成された過去異常時パターンに対する、図９の時系列データから生成された動作時パターンの乖離量の推移を示すグラフである。 図１１は、本発明の実施例において、図８の時系列データから生成された過去異常時パターンに対する、図９の時系列データから生成された動作時パターンの乖離量の推移を示すグラフである。

以下、本発明に係る異常原因特定方法および異常原因特定装置について、図面を参照しながら説明する。なお、本発明は以下の実施形態に限定されるものではない。また、以下の実施形態における構成要素には、当業者が置換可能かつ容易なもの、あるいは実質的に同一のものが含まれる。

[異常原因特定装置]
本実施形態に係る異常原因特定装置の構成について、図１を参照しながら説明する。異常原因特定装置１は、監視対象となる定動作設備１０から得られるプロセス量の時系列データに基づいて、当該定動作設備１０の異常発生時における異常の原因を特定するものである。異常原因特定装置１は、制御部２０と、過去異常データベース（以下、「過去異常ＤＢ」という）３０と、表示部４０と、記憶部５０と、を備えている。

定動作設備（以下、単に「設備」という）１０は、製造プロセスにおいて、正常時に決まった一定の動作を繰り返す設備のことであり、例えば電動機、油圧機器、センサ等を始めとする鉄鋼設備等が一例として挙げられる。設備１０は、動作中（例えばプラント操業時）におけるプロセス量の時系列データ（以下、単に「時系列データ」という）を制御部２０の時系列データサンプリング部２１に出力する。なお、前記したプロセス量は、例えば設備１０が電動機であればトルク電流等であり、油圧機器であれば油圧等であり、センサであればセンサ指示値等である。

制御部２０は、ＣＰＵ等で実現され、設備１０や過去異常ＤＢ３０から入力されるデータ、記憶部５０に保存されるプログラムやデータ等をもとに、異常原因特定装置１を構成する各部への指示やデータの転送等を行って異常原因特定装置１の動作を制御する。

制御部２０は、設備１０の過去の異常発生時における時系列データと、設備１０の動作時における時系列データとを、それぞれ変数としてＬ次元空間に埋め込み、当該Ｌ次元空間における両者の距離に基づいて、設備１０の動作時における異常の原因が過去の異常発生時における異常の原因と同じであるか否かを判定する。すなわち、制御部２０は、設備１０の動作中になんらかの異常が発生した際に、当該動作中におけるデータと、過去の異常発生時におけるデータとを比較することにより、設備１０の動作中における異常の原因を特定する。制御部２０は、時系列データサンプリング部２１と、Ｌ次元空間埋め込み部２２と、モデル構成部２３と、外れ度算出部２４と、判定部２５と、を備えている。

時系列データサンプリング部２１は、設備１０の時系列データをサンプリングする。時系列データサンプリング部２１は、具体的には、設備１０の動作時において、当該設備１０が正常であれば一定動作をする区間の時系列データを取得する。そして、時系列データサンプリング部２１は、取得した時系列データから、例えばＬ点のサンプリングを行い、そのサンプリングデータをＬ次元空間埋め込み部２２に出力する。なお、「サンプリングデータ」とは、時系列データにおけるＬ点を含む１個のデータを示している。また、Ｌ次元空間およびＬ点における「Ｌ」とは、具体的には２以上の整数である。

なお、時系列データサンプリング部２１は、後記するように、判定部２５によって、設備１０の動作時における異常の原因が過去の異常発生時における異常の原因と同じではないと判定された際に、判定対象となった動作時パターンを構成する時系列データのサンプリングデータを過去異常ＤＢ３０に保存する。

Ｌ次元空間埋め込み部２２は、設備１０の動作前および動作時において、時系列データサンプリング部２１から入力されたサンプリングデータを、変数としてＬ次元空間に埋め込む。

Ｌ次元空間埋め込み部２２は、具体的には、設備１０の動作前において、過去異常ＤＢ３０から、過去の異常発生時における時系列データがＬ点サンプリングされたサンプリングデータをＬ種の変数として取得する。そして、Ｌ次元空間埋め込み部２２は、当該Ｌ種の変数をＬ次元以下のユークリッド空間に埋め込んで過去異常時パターンを生成する。なお、「過去異常時パターン」の詳細は後記する（図４および図５参照）。

また、Ｌ次元空間埋め込み部２２は、設備１０の動作時において、時系列データサンプリング部２１から、設備１０の動作時における時系列データがＬ点サンプリングされたサンプリングデータをＬ種の変数として取得する。そして、Ｌ次元空間埋め込み部２２は、当該Ｌ種の変数をＬ次元以下のユークリッド空間に埋め込んで動作時パターンを生成する。なお、「動作時パターン」の詳細は後記する（図５参照）。

モデル構成部２３は、Ｌ次元空間埋め込み部２２によって生成された過去異常時パターンに対して主成分分析を行うことにより、Ｌ次元以下のユークリッド空間内で張られる部分空間を決定する。なお、主成分分析および「部分空間」の詳細は後記する（図４および図５参照）。

外れ度算出部２４は、所定の閾値処理を行うことにより、モデル構成部２３によって決定された部分空間に対する、動作時パターンの外れ度を算出する。すなわち、外れ度算出部２４は、過去の異常発生時における設備１０のデータ（過去異常時パターン）に対して、現在動作中の設備１０のデータ（動作時パターン）がどの程度乖離しているのかを外れ度として算出する。外れ度算出部２４は、具体的には、部分空間に対する動作時パターンのユークリッド距離を外れ度として算出する。

判定部２５は、外れ度算出部２４によって算出された外れ度に基づいて、設備１０の動作時における異常の原因が過去の異常発生時における異常の原因と同じであるか否かを判定する。判定部２５は、具体的には、外れ度が所定の閾値よりも小さい場合に、設備１０の動作時における異常の原因が過去の異常発生時における異常の原因と同じであると判定する。すなわち、現在動作中の設備１０に発生している異常が、過去に発生した異常と同じ原因によるものであると判定する。

過去異常ＤＢ３０は、過去の異常発生時における設備１０のデータを蓄積する。過去異常ＤＢ３０は、具体的には、過去の異常発生時における設備１０の時系列データのサンプリングデータ、すなわち前記した過去異常時パターンを構成する時系列データのサンプリングデータを蓄積する。

過去異常ＤＢ３０には、設備１０の動作中に、時系列データサンプリング部２１から時系列データのサンプリングデータが入力される。また、過去異常ＤＢ３０は、設備１０の動作前に、Ｌ次元空間埋め込み部２２に時系列データのサンプリングデータを出力する。

表示部４０は、例えばＬＣＤ、ＥＬディスプレイ、ＣＲＴディスプレイ等の表示装置によって実現されるものであり、制御部２０から入力される表示信号をもとに各種画面を表示する。表示部４０は、例えば前記した判定部２５の判定結果等を設備１０のオペレータ等に提示する。

記憶部５０は、更新記憶可能なフラッシュメモリ等のＲＯＭやＲＡＭといった各種ＩＣメモリ、内蔵あるいはデータ通信端子で接続されたハードディスク、ＣＤ−ＲＯＭ等の情報記憶媒体およびその読取装置等によって実現されるものである。この記憶部５０には、異常原因特定装置１を動作させ、この異常原因特定装置１が備える種々の機能を実現するためのプログラムや、このプログラムの実行中に使用されるデータ等が予め保存され、あるいは、処理の都度一時的に保存される。

[異常原因特定方法]
本実施形態に係る異常原因特定方法について、図２〜図５を参照しながら説明する。異常原因特定方法は、図２に示すように、設備１０の動作前に、過去異常時パターン生成工程（ステップＳ１）と、部分空間決定工程（ステップＳ２）とを行い、設備１０の動作時（動作中）に、サンプリング工程（ステップＳ３）と、動作時パターン生成工程（ステップＳ４）と、外れ度算出工程（ステップＳ５）と、判定工程（ステップＳ６，Ｓ７）と、保存工程（ステップＳ８）とを行う。なお、以下では、設備１０の動作中になんらかの異常が発生していることを前提に説明を行う。

過去異常時パターン生成工程では、Ｌ次元空間埋め込み部２２が、過去異常時パターンを生成する（ステップＳ１）。Ｌ次元空間埋め込み部２２は、具体的には、過去異常ＤＢ３０から、過去の異常発生時における時系列データが例えばＬ点サンプリングされたサンプリングデータをＬ種の変数として取得する。

ここで、図３は、過去の異常発生時における設備１０の時系列データＤｔ１，Ｄｔ２，Ｄｔ３の一例を示しており、グラフの横軸は時間を、縦軸はプロセス量を示している。同図に示した３つの時系列データＤｔ１，Ｄｔ２，Ｄｔ３は、それぞれ同じ異常が発生した際の設備１０の時系列データである。Ｌ次元空間埋め込み部２２は、同図に示すような複数（合計Ｌ点）のサンプリング点Ｓｐをそれぞれ含む、複数（合計Ｍ個）の時系列データＤｔ１，Ｄｔ２，Ｄｔ３のサンプリングデータを変数として取得する。

そして、Ｌ次元空間埋め込み部２２は図４に示すように、Ｍ×Ｌ種の変数をＬ次元以下のユークリッド空間に埋め込み、当該Ｍ×Ｌ種の変数によって定まるユークリッド空間内のＭ個の点を、過去異常時パターンＰａ１として生成する。

なお、図４において楕円で囲った黒点のそれぞれが過去異常時パターンＰａ１であり、この過去異常時パターンＰａ１はＭ個存在する。そして、個々の過去異常時パターンＰａ１は、例えば図３で例示した個々の時系列データＤｔ１，Ｄｔ２，Ｄｔ３に対応している。すなわち、Ｌ次元空間埋め込み部２２は、過去異常ＤＢ３０から取得したＭ個のサンプリングデータからＭ個の過去異常時パターンＰａ１を生成する。なお、過去異常時パターンＰａ１の個数である「Ｍ」は、具体的には後段の部分空間決定工程で部分空間を構築可能な過去異常時パターンＰａ１の数を示している。

部分空間決定工程では、モデル構成部２３が、過去異常時パターンＰａ１に対して主成分分析を行って部分空間を決定する（ステップＳ２）。モデル構成部２３は、具体的には、過去異常時パターンＰａ１に対して主成分分析を行い、図４に示すように、累積寄与率が所定の閾値（例えば０．８）を超えるまでの主成分Ｍ１１，Ｍ１２に基づいて、Ｌ次元以下のユークリッド空間内で張られる部分空間Ｓｓ１、すなわち主成分Ｍ１１，Ｍ１２が基底となる部分空間Ｓｓ１を決定する。この部分空間Ｓｓ１は、より具体的には、同図に示すように、Ｌ次元以下のユークリッド空間内における超平面である。

サンプリング工程では、時系列データサンプリング部２１が、動作中の設備１０から時系列データを取得し、当該時系列データを例えばＬ点サンプリングしてサンプリングデータを生成する（ステップＳ３）。

動作時パターン生成工程では、Ｌ次元空間埋め込み部２２が、動作時パターンを生成する（ステップＳ４）。Ｌ次元空間埋め込み部２２は、具体的には、時系列データサンプリング部２１から、動作中の設備１０における時系列データがＬ点サンプリングされたサンプリングデータをＬ種の変数として取得する。そして、図４に示すように、Ｌ種の変数をＬ次元以下のユークリッド空間に埋め込み、当該Ｌ種の変数によって定まるユークリッド空間内の点を、動作時パターンＰｏとして生成する。なお、同図に示すように、動作時パターンＰｏは、Ｍ個生成される過去異常時パターンＰａ１とは異なり、Ｌ次元空間埋め込み部２２によって１個のみ生成される。

外れ度算出工程では、外れ度算出部２４が、部分空間Ｓｓ１に対する動作時パターンＰｏの外れ度を算出する（ステップＳ５）。外れ度算出部２４は、具体的には図４に示すように、Ｌ次元以下のユークリッド空間において、部分空間Ｓｓ１から動作時パターンＰｏまでの、部分空間Ｓｓ１における主成分Ｍ１１，Ｍ１２と直交する方向のユークリッド距離Ｄｅ１を外れ度として算出する。

判定工程では、判定部２５が、外れ度算出部２４によって算出された外れ度が所定の閾値よりも小さいか否かを判定する（ステップＳ６）。そして、判定部２５は、外れ度が所定の閾値よりも小さい場合（ステップＳ６でＹｅｓ）、設備１０の動作時における異常の原因が過去の異常発生時における異常の原因と同じであると判定する（ステップＳ７）。一方、外れ度が所定の閾値以上である場合（ステップＳ６でＮｏ）、ステップＳ８の保存工程に進む。

保存工程では、時系列データサンプリング部２１が、判定部２５からの指示に基づいて、判定対象となった動作時パターンＰｏを構成する時系列データのサンプリングデータを過去異常ＤＢ３０に保存する（ステップＳ８）。

時系列データサンプリング部２１は、具体的には、動作中の設備１０から、判定対象となった動作時パターンＰｏを構成する時系列データを、設備１０の定動作の周期ごとに、例えばＭ回分取得する。そして、時系列データサンプリング部２１は、Ｍ個の時系列データをそれぞれＬ点サンプリングし、そのＭ個のサンプリングデータを過去異常ＤＢ３０に出力する。このようにＭ個のサンプリングデータを過去異常ＤＢ３０に保存するのは、今回の処理とは別に、後に実施される異常原因特定方法の部分空間決定工程において、部分空間Ｓｓ１を構築できる数の過去異常時パターンＰａ１を確保するためである。

なお、前記した図４では、Ｍ個の過去異常時パターンＰａ１から過去のある１種類の異常に対応する１つの部分空間Ｓｓ１を構築し、当該１つの部分空間Ｓｓ１に対する動作時パターンＰｏの外れ度を判定していたが、例えば図５に示すように、過去の複数種類の異常に対応する複数の部分空間Ｓｓ１，Ｓｓ２を構築し、当該複数の部分空間Ｓｓ１，Ｓｓ２に対する動作時パターンの外れ度を判定してもよい。

この場合、前記した過去異常時パターン生成工程では、Ｌ次元空間埋め込み部２２により、複数種類（図５では２種類）の異常に対応する複数種類の過去異常時パターンＰａ１，Ｐａ２を生成する。続いて、部分空間決定工程では、モデル構成部２３により、複数種類の過去異常時パターンＰａ１，Ｐａ２に対して主成分分析を行い、累積寄与率が所定の閾値を超えるまでの主成分Ｍ１１，Ｍ１２，Ｍ２１，Ｍ２２に基づいて、Ｌ次元以下のユークリッド空間内で張られる複数の部分空間Ｓｓ１，Ｓｓ２を決定する。

続いて、外れ度算出工程では、外れ度算出部２４によって、ユークリッド距離Ｄｅ１，Ｄｅ２に基づいて、複数の部分空間Ｓｓ１，Ｓｓ２に対する動作時パターンＰｏの外れ度をそれぞれ算出する。そして、判定工程では、判定部２５により、外れ度算出部２４によって算出された複数の外れ度が所定の閾値よりも小さいか否かをそれぞれ判定し、設備１０の異常の原因を特定する。

以上のような本実施形態に係る異常原因特定方法によれば、設備１０の過去の異常発生時および動作時のデータをそれぞれＬ次元空間に埋め込み、Ｌ次元空間における両者の距離に基づいて異常の原因を特定するため、監視対象となる設備１０で異常が発生した際に、設備１０の種類等を意識せずに汎用的に適用でき、かつ設備１０の異常の原因を高精度に特定することができる。

また、本実施形態に係る異常原因特定方法によれば、決まった動作を繰り返す設備１０であれば、その設備１０の種類等に関わらず汎用的に適用が可能であるため、例えば対象となる設備１０の種類や特性等に応じてパラメータを変更したり、あるいは操業条件等に応じてパラメータを再設定する必要がない。そのため、例えば鉄鋼製品の製造プラントのように、プラント設備の数が多い大規模なプラントにおける状態監視の単純化が図れ、状態監視に要するマンパワーやコストの低減が実現できる。

以下、本発明の効果を確認するための実施例について説明する。ここで、図６は、油圧によって径が拡縮する設備におけるプロセス量の時系列データであって、軸最小径からの拡大タイミングを示しており、横軸は時間、縦軸は軸径である。このような油圧によって径が拡縮する設備としては、鉄鋼設備である巻取機（マンドレル）等が挙げられる。

図７〜図９は、図６の時系列データから人工的に作成したプロセス量の時系列データであり、図７はチャタリング異常（Ａ部参照）を示す時系列データ、図８は反応遅れ異常（Ｂ部参照）を示す時系列データ、図９は過渡状態チャタリング異常（Ｃ部参照）を示す時系列データである。なお、図９は、正常な状態から異常な状態（チャタリング異常）へと遷移していく時系列データを示している。

本実施例では、チャタリング異常を示す時系列データ（図７参照）および反応遅れ異常を示す時系列データ（図８参照）のそれぞれに対して、サンプリングデータを生成し、過去異常時パターン生成工程（図２のステップＳ１参照）を実施して過去異常時パターンを生成し、部分空間決定工程（同図のステップＳ２参照）を実施して部分空間を構築した。

また、過渡状態チャタリング異常を示す時系列データ（図９参照）に対して、サンプリング工程（図２のステップＳ３参照）を実施してサンプリングデータを生成し、動作時パターン生成工程（同図のステップＳ４参照）を実施して動作時パターンを生成した。そして、外れ度算出工程（同図のステップＳ５参照）を実施し、チャタリング異常を示す部分空間および反応遅れ異常を示す部分空間に対する、過渡状態チャタリング異常を示す動作時パターンの乖離量を算出した。なお、この「乖離量」は、前記した実施形態における外れ度に相当する。

図１０は、チャタリング異常を示す過去異常時パターンに対する、過渡状態チャタリング異常を示す動作時パターンの乖離量の推移を示しており、横軸は時系列データ（図７および図９参照）の時間軸方向における乖離量の算出数を示すイベント数、縦軸は乖離量である。同図に示すように、正常時は、過渡状態チャタリング異常時よりも乖離量が大きく、かつ過渡状態チャタリング異常時は、乖離量が概ね単調に減少している。このことから、過渡状態チャタリング異常は、過去異常時パターンであるチャタリング異常と同じ原因によるものであると判断することができる。

一方、図１１は、反応遅れ異常を示す過去異常時パターンに対する、過渡状態チャタリング異常を示す動作時パターンの乖離量の推移を示しており、横軸および縦軸は図１０と同様である。同図に示すように、過渡状態チャタリング異常時は、正常時よりも乖離量が大きく、かつ過渡状態チャタリング異常時は、乖離量が概ね単調に増加している。このことから、過渡状態チャタリング異常は、過去異常時パターンである反応遅れ異常とは異なる原因によるものであると判断することができる。

以上、本発明に係る異常原因特定方法および異常原因特定装置について、発明を実施するための形態および実施例により具体的に説明したが、本発明の趣旨はこれらの記載に限定されるものではなく、特許請求の範囲の記載に基づいて広く解釈されなければならない。また、これらの記載に基づいて種々変更、改変等したものも本発明の趣旨に含まれることはいうまでもない。

例えば、前記した図２では、設備１０の動作中になんらかの異常が発生していることを前提に説明を行ったが、設備１０の動作中における異常の発生の有無を判定する工程を設けてもよい。この場合、異常原因特定装置１の制御部２０に別途異常判定部を設け、前記した異常原因特定方法（図２参照）において、サンプリング工程（ステップＳ３）の直前に異常判定部による異常判定工程を行う。その際、異常判定部は、動作中の設備１０から時系列データを取得し、例えば正常時の時系列データと比較する等により、設備１０で異常が発生しているか否かを判定する。そして、設備１０で異常が発生している場合は、サンプリング工程以降の工程を実施し、設備１０で異常が発生していない場合は、サンプリング工程以降の工程を実施しない。

１ 異常原因特定装置
１０ 定動作設備（設備）
２０ 制御部
２１ 時系列データサンプリング部
２２ Ｌ次元空間埋め込み部
２３ モデル構成部
２４ 外れ度算出部
２５ 判定部
３０ 過去異常データベース（過去異常ＤＢ）
４０ 表示部
５０ 記憶部
Ｄｅ１，Ｄｅ２ ユークリッド距離
Ｄｔ１，Ｄｔ２，Ｄｔ３ 時系列データ
Ｍ１１，Ｍ１２，Ｍ２１，Ｍ２２ 主成分
Ｐａ１，Ｐａ２ 過去異常時パターン
Ｐｏ 動作時パターン
Ｓｐ サンプリング点
Ｓｓ１，Ｓｓ２ 部分空間

Claims (4)

1. コンピュータによって構築された異常原因特定装置において、監視対象となる設備から得られるプロセス量の時系列データに基づいて、前記設備の異常発生時における異常の原因を特定する異常原因特定方法であって、
   前記設備の動作前に、前記コンピュータが備えるＬ次元空間埋め込み部が、前記設備の過去の異常発生時における前記時系列データがＬ点サンプリングされたサンプリングデータをＬ種の変数として取得し、前記Ｌ種の変数をＬ次元以下のユークリッド空間に埋め込んで過去異常時パターンを生成する過去異常時パターン生成工程と、
   前記コンピュータが備えるモデル構成部が、前記過去異常時パターンに対して主成分分析を行い、累積寄与率が所定の閾値を超えるまでの主成分に基づいて、前記Ｌ次元以下のユークリッド空間内で張られる部分空間を決定する部分空間決定工程と、
   前記設備の動作時に、前記コンピュータが備える時系列データサンプリング部が、前記設備の動作時における前記時系列データをＬ点サンプリングしてサンプリングデータを生成するサンプリング工程と、
   前記Ｌ次元空間埋め込み部が、前記サンプリングデータをＬ種の変数として取得し、前記Ｌ種の変数を前記Ｌ次元以下のユークリッド空間に埋め込んで動作時パターンを生成する動作時パターン生成工程と、
   前記コンピュータが備える外れ度算出部が、前記部分空間に対する前記動作時パターンの外れ度を算出する外れ度算出工程と、
   前記コンピュータが備える判定部が、前記外れ度に基づいて、前記設備の動作時における異常の原因が前記過去の異常発生時における異常の原因と同じであるか否かを判定する判定工程と、
   を含み、
   前記過去異常時パターン生成工程において、前記Ｌ次元空間埋め込み部が、複数種類の異常に対応する複数種類の過去異常時パターンを生成し、
   前記部分空間決定工程において、前記モデル構成部が、前記複数種類の過去異常時パターンに対して主成分分析を行い、累積寄与率が所定の閾値を超えるまでの主成分に基づいて、前記Ｌ次元以下のユークリッド空間内で張られる複数の部分空間を決定し、
   前記外れ度算出工程において、前記外れ度算出部が、前記複数の部分空間に対する前記動作時パターンの外れ度をそれぞれ算出し、
   前記判定工程において、前記判定部が、複数の外れ度に基づいて、前記設備の動作時における異常の原因が前記過去の異常発生時における異常の原因と同じであるか否かを判定することを特徴とする異常原因特定方法。
2. 前記外れ度算出工程において、前記外れ度算出部は、前記Ｌ次元以下のユークリッド空間において、前記部分空間から前記動作時パターンまでの、前記部分空間における主成分と直交する方向のユークリッド距離を、前記外れ度として算出することを特徴とする請求項１に記載の異常原因特定方法。
3. 前記判定工程において、前記設備の動作時における異常の原因が前記過去の異常発生時における異常の原因と同じではないと判定された場合に、前記時系列データサンプリング部が、判定対象となった前記動作時パターンを構成する前記時系列データのサンプリングデータを、前記過去異常時パターンを構成する前記時系列データのサンプリングデータを蓄積する過去異常データベースに保存する保存工程をさらに含むことを特徴とする請求項１または請求項２に記載の異常原因特定方法。
4. 監視対象となる設備から得られるプロセス量の時系列データに基づいて、前記設備の異常発生時における異常の原因を特定する異常原因特定装置であって、
   前記設備の動作時に、前記設備の動作時における前記時系列データをＬ点サンプリングしてサンプリングデータを生成する時系列データサンプリング部と、
   前記設備の動作前に、前記設備の過去の異常発生時における前記時系列データがＬ点サンプリングされたサンプリングデータをＬ種の変数として取得し、前記Ｌ種の変数をＬ次元以下のユークリッド空間に埋め込んで過去異常時パターンを生成し、かつ、前記設備の動作時に、前記時系列データサンプリング部によって生成された前記サンプリングデータをＬ種の変数として取得し、前記Ｌ種の変数を前記Ｌ次元以下のユークリッド空間に埋め込んで動作時パターンを生成するＬ次元空間埋め込み部と、
   前記過去異常時パターンに対して主成分分析を行い、累積寄与率が所定の閾値を超えるまでの主成分に基づいて、前記Ｌ次元以下のユークリッド空間内で張られる部分空間を決定するモデル構成部と、
   前記部分空間に対する前記動作時パターンの外れ度を算出する外れ度算出部と、
   前記外れ度に基づいて、前記設備の動作時における異常の原因が前記過去の異常発生時における異常の原因と同じであるか否かを判定する判定部と、
   を備え、
   前記Ｌ次元空間埋め込み部は、複数種類の異常に対応する複数種類の過去異常時パターンを生成し、
   前記モデル構成部は、前記複数種類の過去異常時パターンに対して主成分分析を行い、累積寄与率が所定の閾値を超えるまでの主成分に基づいて、前記Ｌ次元以下のユークリッド空間内で張られる複数の部分空間を決定し、
   前記外れ度算出部は、前記複数の部分空間に対する前記動作時パターンの外れ度をそれぞれ算出し、
   前記判定部は、複数の外れ度に基づいて、前記設備の動作時における異常の原因が前記過去の異常発生時における異常の原因と同じであるか否かを判定することを特徴とする異常原因特定装置。

Images