JP6714498B2 - 設備診断装置及び設備診断方法 - Google Patents
設備診断装置及び設備診断方法 Download PDFInfo
- Publication number
- JP6714498B2 JP6714498B2 JP2016223802A JP2016223802A JP6714498B2 JP 6714498 B2 JP6714498 B2 JP 6714498B2 JP 2016223802 A JP2016223802 A JP 2016223802A JP 2016223802 A JP2016223802 A JP 2016223802A JP 6714498 B2 JP6714498 B2 JP 6714498B2
- Authority
- JP
- Japan
- Prior art keywords
- sensor
- abnormality
- equipment
- input
- diagnosis
- 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
Description
本実施例1は、設備の異常およびその原因を診断する診断システムである。本診断システムは、設備を複数の要素に分け、各要素を個別に異常診断することで診断精度を向上させる。さらに各要素に関連するセンサを入力センサと、その他センサに分類する。入力センサは、外部要因による影響を受けやすい、もしくは外部要因の影響を表すセンサである。この入力センサの情報を用いることで各要素に発生した異常が外部からの影響であるか、要素内の要因によるものかを切り分け、診断精度を向上させる。
入力センサとその他のセンサを分類するにあたり、入力を基に出力が生成される設備においては、例えば、入力の振動は出力では減衰するという特徴を利用する。具体的には、設備外で発生した異常(振動)が入力から出力まで伝播するにつれて低下するという特徴を利用し、設備を構成する要素の正常状態において異常度(または異常度の平均値)が大きいセンサを入力センサとして選択する。
図1Aは、診断システムの構成の一例を示すブロック図である。
図2は、本実施例1における被診断設備130である圧延設備200の構成の一例を示す図である。
ログ収集部101は、被診断設備130で稼働するSCADA(Supervisory Control And Data Acquisition)などを利用して、被診断設備130の各センサ203のデータを設備稼働ログとして収集する。設備稼働ログは被診断設備130内のセンサ203について所定の時間間隔毎のセンサ値を記録した時系列データである。なお、被診断設備130からのセンサ203のデータの収集については、公知または周知の技術を適用すれば良いので、本実施例では詳述しない。
要素分割部103は、被診断設備130を1つまたは複数の要素に分割する。被診断設備130の要素の分割は、ドメイン知識に基づき設備診断装置100の利用者や被診断設備130の管理者などが決定しても良いし、設備稼働ログを基に自動的に分割してもよい。
設備要素DB104は、要素分割部103で決定した要素およびセンサ203の関係を格納する。
診断前処理部110は、設備稼働ログDB102と、設備要素DB104を参照して、各要素の入力センサを推定する。入力センサは、各要素の外部からの入力を測定するセンサであり、この入力センサが要因で要素に異常が発生した場合、設備診断装置100は、当該異常は要素の外部に発生した異常と判定する。これにより、異常要因の切り分けを容易にし、診断精度を向上させる事ができる。
異常検出部112は、データ分割部111によって要素ごとに分類された設備稼働ログDB102のデータを分析して、異常の有無を判定し、データに異常があれば異常発生時刻と異常の原因となったセンサ203を特定する。なお、異常の原因となったセンサ203は、異常原因センサとする。図6は、異常検出部112の処理の一例を示すフローチャートである。
入力センサ推定部113は、異常検出部112の処理結果を基に、各要素の入力センサを推定する。
入力センサDB105は、診断前処理部110の処理結果である各要素の入力センサの情報を格納する。図10は、入力センサDB105の構成の一例を示す図である。入力センサDB105は要素1051をインデックスとし、入力センサ1052をカラムとしたテーブルである。診断前処理部110において、要素「前半」の入力センサをセンサA、要素「後半」の入力センサをセンサBという結果が得られた場合、この情報は図10のように格納される。
設備診断部120は、被診断設備130の異常発生時刻と異常要素を検出する処理である。設備診断部120は、データ分割部121と、異常検出部122と、異常フィルタ部123からなる。データ分割部121および異常検出部122は、それぞれ、診断前処理部110のデータ分割部111および異常検出部112と同じ処理である。
診断結果表示部106は、設備診断部120の結果を出力する。図11および図12は、診断結果表示部106が出力する診断結果表示画面の一例である。
以上のように本発明では、設備や装置を複数の要素に分割し、各要素を個別に診断を行うことで設備の異常検出と異常原因を特定する。要素分割部は、設備を複数の要素に分割する。利用者が分割しても良いし、設備稼働ログを基に自動的に分割してもよい。
11 メモリ11
12 ストレージ装置
100 設備診断装置
102 設備稼働ログDB
104 設備要素DB
105 入力センサDB
106 診断結果表示部
110 診断前処理部
113 入力センサ推定部
120 設備診断部
122 異常検出部
123 異常フィルタ部
130 被診断設備
Claims (12)
- プロセッサとメモリを有して、センサが測定した値から設備の異常を診断する設備診断装置であって、
前記設備を構成する1以上の要素と、当該要素に設置されたセンサの関係を設定した設備要素情報と、
前記センサの識別子と前記値を含む時系列のセンサデータと、
前記要素内のセンサのうち、入力センサを設定した入力センサ情報と、
前記センサデータを入力として前記センサデータの値から異常を検出したセンサを異常原因センサとして特定し、前記設備要素情報を参照して前記異常原因センサを含む前記要素を特定する異常検出部と、
前記入力センサ情報を参照して前記異常原因センサが前記特定された要素の入力センサであるか否かを判定し、前記異常原因センサが前記入力センサでない場合には当該要素を第1の異常要素に分類し、当該異常原因センサが前記入力センサである場合には当該要素を第2の異常要素に分類する異常フィルタ部と、
前記入力センサ情報を設定する診断前処理部と、を有し、
前記診断前処理部は、
前記センサデータを入力として前記センサの値の異常度を算出する第2の異常検出部と、
前記時系列のセンサデータから前記値が所定の範囲内となる正常期間を抽出し、前記正常期間における前記センサの値の異常度から前記入力センサを推定して前記入力センサ情報に設定する入力センサ推定部と、
を有することを特徴とする設備診断装置。 - 請求項1に記載の設備診断装置であって、
前記第2の異常検出部は、
前記時系列のセンサデータをタイムウインドウに分割し、各タイムウインドウにおいて前記センサの値の分散を異常度とすることを特徴とする設備診断装置。 - 請求項1に記載の設備診断装置であって、
前記第2の異常検出部は、
前記時系列のセンサデータを入力としてHotteling T2統計量を算出し、前記センサ毎の前記Hotteling T2統計量への寄与を異常度とすることを特徴とする設備診断装置。 - 請求項1に記載の設備診断装置であって、
前記異常フィルタ部の分類結果に基づいて診断結果表示画面を生成する診断結果表示部をさらに有し、
前記診断結果表示部は、
前記設備要素情報に基づいて、前記要素と当該要素に設置されたセンサを前記診断結果表示画面に表示し、前記センサが異常原因センサの場合には前記分類結果に基づいて前記異常原因センサを含む要素が第1の異常要素または第2の異常要素のいずれであるかを識別可能に前記診断結果表示画面へ表示することを特徴とする設備診断装置。 - 請求項4に記載の設備診断装置であって、
前記診断結果表示部は、
前記第1の異常要素では前記異常原因センサを識別可能に前記診断結果表示画面へ表示
し、前記第2の異常要素では前記入力センサを識別可能に前記診断結果表示画面へ表示することを特徴とする設備診断装置。 - 請求項3に記載の設備診断装置であって、
前記第2の異常検出部は、
前記センサデータを入力として寄与度を算出し、前記寄与度が大きいセンサを異常原因センサとして特定することを特徴とする設備診断装置。 - プロセッサとメモリを有する計算機で、センサが測定した値から設備の異常を診断する設備診断方法であって、
前記計算機が、前記センサの識別子と前記値を含む時系列のセンサデータを入力する1のステップと、
前記計算機が、前記センサデータの値から異常を検出したセンサを異常原因センサとして特定する第2のステップと、
前記計算機が、前記設備を構成する1以上の要素と、当該要素に設置されたセンサの関係を設定した設備要素情報を参照して前記異常原因センサを含む前記要素を特定する第3のステップと、
前記計算機が、前記要素内のセンサのうち、入力センサを設定した入力センサ情報を参照して前記異常原因センサが前記特定された要素の入力センサであるか否かを判定し、前記異常原因センサが前記入力センサでない場合には当該要素を第1の異常要素に分類し、当該異常原因センサが前記入力センサである場合には当該要素を第2の異常要素に分類する第4のステップと、
前記計算機が、前記入力センサ情報を設定する第5のステップと、を含み、
前記第5のステップは、
前記センサデータを入力として前記センサの値の異常度を算出し、前記時系列のセンサデータから前記値が所定の範囲内となる正常期間を抽出し、前記正常期間における前記センサの値の異常度から前記入力センサを推定して前記入力センサ情報に設定することを特徴とする設備診断方法。 - 請求項7に記載の設備診断方法であって、
前記第5のステップは、
前記時系列のセンサデータをタイムウインドウに分割し、各タイムウインドウにおいて前記センサの値の分散を異常度とすることを特徴とする設備診断方法。 - 請求項7に記載の設備診断方法であって、
前記第5のステップは、
前記時系列のセンサデータを入力としてHotteling T2統計量を算出し、前記センサ毎の前記Hotteling T2統計量への寄与を異常度とすることを特徴とする設備診断方法。 - 請求項7に記載の設備診断方法であって、
前記計算機が、前記分類の結果に基づいて診断結果表示画面を生成する第6のステップをさらに含み、
前記第6のステップは、
前記設備要素情報に基づいて、前記要素と当該要素に設置されたセンサを前記診断結果表示画面に表示し、前記センサが異常原因センサの場合には前記分類の結果に基づいて前記異常原因センサを含む要素が第1の異常要素または第2の異常要素のいずれであるかを
識別可能に前記診断結果表示画面へ表示することを特徴とする設備診断方法。 - 請求項10に記載の設備診断方法であって、
前記第6のステップは、
前記第1の異常要素では前記異常原因センサを識別可能に前記診断結果表示画面へ表示し、前記第2の異常要素では前記入力センサを識別可能に前記診断結果表示画面へ表示することを特徴とする設備診断方法。 - 請求項9に記載の設備診断方法であって、
前記第5のステップは、
前記センサデータを入力として寄与度を算出し、前記寄与度が大きいセンサを異常原因センサとして特定することを特徴とする設備診断方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2016223802A JP6714498B2 (ja) | 2016-11-17 | 2016-11-17 | 設備診断装置及び設備診断方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2016223802A JP6714498B2 (ja) | 2016-11-17 | 2016-11-17 | 設備診断装置及び設備診断方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2018081523A JP2018081523A (ja) | 2018-05-24 |
JP6714498B2 true JP6714498B2 (ja) | 2020-06-24 |
Family
ID=62198946
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2016223802A Active JP6714498B2 (ja) | 2016-11-17 | 2016-11-17 | 設備診断装置及び設備診断方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6714498B2 (ja) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3876056A4 (en) | 2018-10-30 | 2022-08-03 | Japan Aerospace Exploration Agency | FAULT DETECTION SYSTEM, FAULT DETECTION METHOD, AND PROGRAM |
JP7387325B2 (ja) | 2019-08-01 | 2023-11-28 | 三菱重工業株式会社 | プラント監視装置、プラント監視方法、及びプログラム |
JP2021092970A (ja) | 2019-12-10 | 2021-06-17 | キヤノン株式会社 | 制御方法、制御装置、機械設備、制御プログラム、記録媒体 |
JP7282023B2 (ja) * | 2019-12-26 | 2023-05-26 | 三菱重工業株式会社 | プラント監視装置、プラント監視方法、及びプログラム |
-
2016
- 2016-11-17 JP JP2016223802A patent/JP6714498B2/ja active Active
Also Published As
Publication number | Publication date |
---|---|
JP2018081523A (ja) | 2018-05-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US7321845B2 (en) | Method and system for removing very low frequency noise from a time-based data set | |
US7742881B2 (en) | System and method for detection of rotor eccentricity baseline shift | |
JP5875726B1 (ja) | 異常予兆診断装置のプリプロセッサ及びその処理方法 | |
JP3321487B2 (ja) | 機器/設備診断方法およびシステム | |
CN107111309B (zh) | 利用监督式学习方法的燃气涡轮机故障预测 | |
JP6714498B2 (ja) | 設備診断装置及び設備診断方法 | |
JP6291161B2 (ja) | ロータ異常の検出 | |
JP6088131B2 (ja) | タービン性能診断システム及び方法 | |
KR101948604B1 (ko) | 센서 군집화 기반의 설비 건강 모니터링 방법 및 장치 | |
EP3260703A1 (en) | Predicting a surge event in a compressor of a turbomachine | |
WO2020090770A1 (ja) | 異常検出装置、異常検出方法、およびプログラム | |
US11782430B2 (en) | Abnormality diagnosis method, abnormality diagnosis device and non-transitory computer readable storage medium | |
CN104756029A (zh) | 一种监控设备的部件组的系统 | |
JP5868331B2 (ja) | 圧縮機を診断するための方法およびシステム | |
Medjaher et al. | Feature extraction and evaluation for Health Assessment and Failure prognostics. | |
WO2019087508A1 (ja) | 監視対象選定装置、監視対象選定方法、およびプログラム | |
JP6369895B2 (ja) | モータ異常検知システム、モータ異常検知方法、及びモータ異常検知プログラム | |
EP3712577B1 (en) | Apparatus for equipment monitoring | |
US11463032B2 (en) | Detecting rotor anomalies by determining vibration trends during transient speed operation | |
CN116802471A (zh) | 综合诊断旋转机械的缺陷的方法及系统 | |
KR20220102364A (ko) | 진동 센서를 통한 설비 예지 보전 시스템 | |
KR101967637B1 (ko) | 증강현실을 활용한 원자력 발전설비 예측진단용 신호데이터 처리장치 | |
Fabricio | A review of Condition Based Maintenance approaches and its structure | |
Patlolla | Condition-based monitoring for machinery vibration using analytics | |
Rashidi et al. | A novel cost effective maintenance decision model |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20190411 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20200305 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20200317 |
|
A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20200410 |
|
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: 20200526 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20200605 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6714498 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |