JP6733164B2 - プロセス監視装置、プロセス監視方法及びプログラム - Google Patents
プロセス監視装置、プロセス監視方法及びプログラム Download PDFInfo
- Publication number
- JP6733164B2 JP6733164B2 JP2015237799A JP2015237799A JP6733164B2 JP 6733164 B2 JP6733164 B2 JP 6733164B2 JP 2015237799 A JP2015237799 A JP 2015237799A JP 2015237799 A JP2015237799 A JP 2015237799A JP 6733164 B2 JP6733164 B2 JP 6733164B2
- Authority
- JP
- Japan
- Prior art keywords
- data
- batch
- state
- process monitoring
- abnormality
- 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
- 238000000034 method Methods 0.000 title claims description 130
- 230000008569 process Effects 0.000 title claims description 113
- 238000012806 monitoring device Methods 0.000 title claims description 44
- 238000012544 monitoring process Methods 0.000 title claims description 43
- 230000005856 abnormality Effects 0.000 claims description 105
- 238000001514 detection method Methods 0.000 claims description 58
- 238000010923 batch production Methods 0.000 claims description 40
- 238000004364 calculation method Methods 0.000 claims description 37
- 238000005070 sampling Methods 0.000 claims description 36
- 238000012545 processing Methods 0.000 claims description 29
- 239000011159 matrix material Substances 0.000 claims description 18
- 238000010606 normalization Methods 0.000 claims description 14
- 238000006243 chemical reaction Methods 0.000 description 20
- 230000006870 function Effects 0.000 description 17
- 238000003860 storage Methods 0.000 description 17
- 238000010586 diagram Methods 0.000 description 11
- 238000004519 manufacturing process Methods 0.000 description 7
- 238000000513 principal component analysis Methods 0.000 description 6
- 238000013500 data storage Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 230000014509 gene expression Effects 0.000 description 4
- 230000002159 abnormal effect Effects 0.000 description 3
- 238000005259 measurement Methods 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 229910000831 Steel Inorganic materials 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 238000005266 casting Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 239000013067 intermediate product Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Images
Landscapes
- Testing And Monitoring For Control Systems (AREA)
Description
<システム構成>
まず、本実施形態に係るプロセス監視システム1のシステム構成について、図1を用いて説明する。図1は、第一の実施形態に係るプロセス監視システムの一例のシステム構成図である。
次に、本実施形態に係るプロセス監視装置10のハードウェア構成について、図2を用いて説明する。図2は、第一の実施形態に係るプロセス監視装置の一例のハードウェア構成図である。
次に、本実施形態に係るプロセス監視システム1の機能構成について、図3を用いて説明する。図3は、第一の実施形態に係るプロセス監視システムの一例の機能構成図である。
次に、本実施形態に係るプロセス監視システム1の処理の詳細について、説明する。
まず、「モデル作成」フェーズにおいて、正常モデルを作成する処理について、図5及び図6を用いて説明する。図5は、第一の実施形態に係るモデル作成処理の一例のフローチャートである。
次に、「異常検知」フェーズにおいて、正常モデルに基づき機器30により処理されているバッチプロセスの異常を検知する異常検知処理について、図7及び図8を用いて説明する。図7は、第一の実施形態に係る異常検知処理の一例のフローチャートである。
以上により、第一の実施形態に係るプロセス監視システム1では、予め蓄積されている正常なバッチプロセスの運転データに基づき、オンラインにおいて異常を検知するための正常モデルを作成する。しかも、このとき、第一の実施形態に係るプロセス監視システム1は、平均プロファイルと標準偏差プロファイルに基づき、予め蓄積されている正常なバッチプロセスの運転データを正規化することで、異常検知の精度が高い正常モデルを作成することができる。このため、第一の実施形態に係るプロセス監視システム1では、機器30のプロセス変数(例えば、圧力、温度、流量等)の異常な値が計測されたことを高い精度で検知することができる。
次に、第二の実施形態について説明する。第二の実施形態に係るプロセス監視システム1では、「異常検知」フェーズにおいて、所定の指標値として、1バッチ分のQ統計量に基づく値と、1バッチ分のT2統計量に基づく値とを用いるものである。これにより、本実施形態に係るプロセス監視システム1では、バッチプロセス単位における異常の発生を高い精度で検知することができるようになる。
第二の実施形態に係るプロセス監視システム1の機能構成について、図9を用いて説明する。図9は、第二の実施形態に係るプロセス監視システムの一例の機能構成図である。
次に、本実施形態に係るプロセス監視システム1の処理の詳細について、説明する。なお、「モデル作成」フェーズにおけるモデル作成処理については、第一の実施形態と同様であるため、その説明を省略する。
「異常検知」フェーズにおいて、正常モデルに基づき機器30により処理されたバッチプロセスの異常を検知する異常検知処理について、図10及び図11を用いて説明する。図10は、第二の実施形態に係る異常検知処理の一例のフローチャートである。なお、図10におけるステップS61〜ステップS63及びステップS66については、第一の実施形態と同様であるため、その説明を省略する。
関数F1としては、例えば、以下の式(8)に示すような関数が挙げられる。
以上により、第二の実施形態に係るプロセス監視システム1では、「異常検知」フェーズにおいて、バッチ単位の指標値を用いて異常検知を行う。これにより、第二の実施形態に係るプロセス監視システム1では、機器30により処理されたバッチプロセス毎に、このバッチプロセスにおいて異常が発生したことを高い精度で検知することができるようになる。
次に、第三の実施形態について説明する。第三の実施形態に係るプロセス監視システム1では、プロセス変数毎に、過去の計測値との相関を考慮した正常モデルを作成し、異常検知を行う。これにより、本実施形態に係るプロセス監視システム1では、プロセス変数の異常な値が計測されたことを、より高い精度で検知することができるようになる。
第三の実施形態に係るプロセス監視システム1の機能構成について、図12を用いて説明する。図12は、第三の実施形態に係るプロセス監視システムの一例の機能構成図である。
次に、本実施形態に係るプロセス監視システム1の処理の詳細について、説明する。
まず、「モデル作成」フェーズにおいて、正常モデルを作成する処理について、図13及び図14を用いて説明する。図13は、第三の実施形態に係るモデル作成処理の一例のフローチャートである。なお、図13におけるステップS51〜ステップS54及びステップS56については、第一の実施形態と同様であるため、その説明を省略する。
次に、「異常検知」フェーズにおいて、正常モデルに基づき機器30により処理されているバッチプロセスの異常を検知する異常検知処理について、図15を用いて説明する。図15は、第三の実施形態に係る異常検知処理の一例のフローチャートである。なお、図15におけるステップS61〜ステップS63及びステップS65〜ステップS66については、第一の実施形態と同様であるため、その説明を省略する。
以上により、第三の実施形態に係るプロセス監視システム1では、プロセス変数毎に、過去の計測値との相関を考慮した正常モデルが作成され、この正常モデルに基づいて異常検知を行う。これにより、本実施形態に係るプロセス監視システム1では、プロセス変数の異常な値やバッチプロセスにおける異常の発生等を、より高い精度で検知することができるようになる。
10 プロセス監視装置
20 機器制御装置
30 機器
101 データ取得部
102 平均プロファイル算出部
103 標準偏差プロファイル算出部
104 第1の正規化部
105 データ変換部
106 モデル作成部
107 第2の正規化部
108 指標値算出部
109 異常検知部
110 結果出力部
121 バッチデータ記憶部
122 モデル記憶部
Claims (14)
- バッチプロセスにより処理を行う機器又は設備の時系列の運転状態を示す運転データに基づき該機器又は設備の異常を検出するプロセス監視装置であって、
予め蓄積された前記機器又は設備の複数のバッチの運転データに基づき、該運転データに含まれるサンプリング時刻毎かつ状態変数毎の複数の状態データのそれぞれについて前記複数のバッチ間の平均と、前記複数のバッチ間の標準偏差とを算出する算出手段と、
前記算出手段により算出された前記平均及び前記標準偏差に基づき、前記バッチ毎に、前記バッチにおける前記サンプリング時刻及び前記状態変数毎の前記複数の状態データをそれぞれ正規化する第1の正規化手段と、
前記第1の正規化手段により前記バッチ毎に正規化された前記複数の状態データがそれぞれ含まれる前記複数のバッチの運転データに基づき、前記機器又は設備の異常を検出するための正常モデルを作成するモデル作成手段と、
前記モデル作成手段により作成された前記正常モデルと前記機器又は設備から出力された運転データとに基づき、該機器又は設備の異常を検出する異常検出手段と
を有し、
前記第1の正規化手段は、
前記バッチ毎に、前記バッチにおける前記サンプリング時刻毎かつ前記状態変数毎の前記複数の状態データのそれぞれを、該状態データと同一のサンプリング時刻かつ同一の状態変数に対応する前記平均で減算した後、前記同一のサンプリング時刻かつ前記同一の状態変数に対応する前記標準偏差で除算することで正規化し、
前記モデル作成手段は、
前記複数のバッチの運転データを前記バッチ毎に分解し、前記バッチ毎に分解された運転データに含まれる複数の状態データを前記サンプリング時刻で連結して、前記状態変数の総数を行数、前記バッチの総数×前記サンプリング時刻の総数を列数とする行列データから前記正常モデルを作成する、プロセス監視装置。 - 前記第1の正規化手段は、
前記標準偏差が0である場合には、該標準偏差の値を補正する、請求項1に記載のプロセス監視装置。 - 前記異常検出手段は、
前記モデル作成手段により作成された前記正常モデルと、前記機器又は設備から出力された運転データとに基づきQ統計量及びT2統計量を算出し、該Q統計量又は該T2統計量が所定の閾値を超えている場合に、前記異常を検出する、請求項1又は2に記載のプロセス監視装置。 - 前記異常検出手段は、
前記モデル作成手段により作成された前記正常モデルと、前記機器又は設備から出力された運転データとに基づき、前記バッチ毎に、前記バッチにおける複数のQ統計量及び前記バッチにおける複数のT2統計量を算出し、該算出した複数のQ統計量及び複数のT2統計量それぞれのバッチ単位のデータ系列に基づいて算出された第1の指標値及び第2の指標値の少なくとも一方が、所定の閾値を超えている場合に、前記異常を検出する、請求項1ないし3のいずれか1項に記載のプロセス監視装置。 - 前記平均及び前記標準偏差に基づき、前記機器又は設備から出力された運転データに含まれる複数の状態データをそれぞれ正規化する第2の正規化手段を有し、
前記異常検出手段は、
前記正常モデルと、前記第2の正規化手段により正規化された複数の状態データが含まれる前記運転データとに基づきQ統計量及びT2統計量を算出する、請求項4記載のプロセス監視装置。 - 前記第2の正規化手段は、
前記運転データに含まれる前記複数の状態データのそれぞれを、前記状態データのサンプリング時刻及び状態変数に対応する前記平均で減算した後、前記状態データのサンプリング時刻及び状態変数に対応する前記標準偏差で除算することで正規化する、請求項5に記載のプロセス監視装置。 - 前記Q統計量及び前記T2統計量は、それぞれ第1の寄与度の和及び第2の寄与度の和で表され、
前記異常検出手段は、
前記第1の寄与度から算出される第1の分散又は前記第2の寄与度から算出される第2の分散の少なくとも一方が、予め設定された所定の値以上である場合、前記正常モデルの再作成を促すメッセージを通知する、請求項4ないし6のいずれか1項に記載のプロセス監視装置。 - 前記異常検出手段は、
前記バッチにおける複数のQ統計量と所定の第1の関数とを用いて前記第1の指標値を算出すると共に、前記バッチにおける複数のT2統計量と所定の第2の関数とを用いて前記第2の指標値を算出する、請求項4ないし7のいずれか一項に記載のプロセス監視装置。 - 前記異常検出手段は、
前記バッチにおける複数のQ統計量をQ(1),Q(2),・・・,Q(K),前記第1の関数をF1として、F1(Q(1),Q(2),・・・,Q(K))により前記第1の指標値を算出し、
前記バッチにおける複数のT2統計量をT2(1),T2(2),・・・,T2(K),前記第2の関数をF2として、F2(T2(1),T2(2),・・・,T2(K))により前記第2の指標値を算出する、請求項8に記載のプロセス監視装置。 - 前記異常検出手段は、
前記バッチにおける複数のQ統計量をQ(1),Q(2),・・・,Q(K),前記第1の関数をF1として、F1(Q(1),Q(2),・・・,Q(K))=Q´(1)+Q´(2)+・・・+Q´(K),(ただし、k=1,2,・・・,K,C1を予め決められた定数として、Q´(k)は、Q(k)>C1である場合はQ(k)−C1,Q(k)≦C1である場合は0)により前記第1の指標値を算出し、
前記バッチにおける複数のT2統計量をT2(1),T2(2),・・・,T2(K),前記第2の関数をF2として、F2(T2(1),T2(2),・・・,T2(K))=T2´(1)+T2´(2)+・・・+T2´(K),(ただし、k=1,2,・・・,K,C2を予め決められた定数として、T2´(k)は、T2(k)>C2である場合はT2(k)−C2,T2(k)≦C2である場合は0)により前記第2の指標値を算出する、請求項8に記載のプロセス監視装置。 - 前記モデル作成手段は、
前記第1の正規化手段により前記バッチ毎に正規化された前記複数の状態データがそれぞれ含まれる前記複数のバッチの運転データに含まれる複数の状態データのそれぞれについて、前記状態データと、該状態データを所定の時間ずつ減算した複数の過去状態データとに基づき、複数の部分データ系列を作成し、
作成された該複数の部分データ系列に基づき、前記正常モデルを作成する、請求項1ないし10のいずれか1項に記載のプロセス監視装置。 - 前記モデル作成手段は、
前記過去状態データを、前記状態データを所定の時間ずつ、予め設定された多重度に応じた回数を減算することで作成し、
前記状態データ及び前記複数の過去状態データで共通に定義される時間の範囲のデータ系列をそれぞれ抽出することで、前記複数の部分データ系列を作成する、請求項11に記載のプロセス監視装置。 - バッチプロセスにより処理を行う機器又は設備の時系列の運転状態を示す運転データに基づき該機器又は設備の異常を検出するプロセス監視装置に用いられるプロセス監視方法であって、
予め蓄積された前記機器又は設備の複数のバッチの運転データに基づき、該運転データに含まれるサンプリング時刻毎かつ状態変数毎の複数の状態データのそれぞれについて前記複数のバッチ間の平均と、前記複数のバッチ間の標準偏差とを算出する算出手順と、
前記算出手順により算出された前記平均及び前記標準偏差に基づき、前記バッチ毎に、前記バッチにおける前記サンプリング時刻及び前記状態変数毎の前記複数の状態データをそれぞれ正規化する第1の正規化手順と、
前記第1の正規化手順により前記バッチ毎に正規化された前記複数の状態データがそれぞれ含まれる前記複数のバッチの運転データに基づき、前記機器又は設備の異常を検出するための正常モデルを作成するモデル作成手順と、
前記モデル作成手順により作成された前記正常モデルと前記機器又は設備から出力された運転データとに基づき、該機器又は設備の異常を検出する異常検出手順と
を有し、
前記第1の正規化手順は、
前記バッチ毎に、前記バッチにおける前記サンプリング時刻毎かつ前記状態変数毎の前記複数の状態データのそれぞれを、該状態データと同一のサンプリング時刻かつ同一の状態変数に対応する前記平均で減算した後、前記同一のサンプリング時刻かつ前記同一の状態変数に対応する前記標準偏差で除算することで正規化し、
前記モデル作成手順は、
前記複数のバッチの運転データを前記バッチ毎に分解し、前記バッチ毎に分解された運転データに含まれる複数の状態データを前記サンプリング時刻で連結して、前記状態変数の総数を行数、前記バッチの総数×前記サンプリング時刻の総数を列数とする行列データから前記正常モデルを作成する、プロセス監視方法。 - バッチプロセスにより処理を行う機器又は設備の時系列の運転状態を示す運転データに基づき該機器又は設備の異常を検出するプロセス監視装置を、
予め蓄積された前記機器又は設備の複数のバッチの運転データに基づき、該運転データに含まれるサンプリング時刻毎かつ状態変数毎の複数の状態データのそれぞれについて前記複数のバッチ間の平均と、前記複数のバッチ間の標準偏差とを算出する算出手段、
前記算出手段により算出された前記平均及び前記標準偏差に基づき、前記バッチ毎に、前記バッチにおける前記サンプリング時刻及び前記状態変数毎の前記複数の状態データをそれぞれ正規化する第1の正規化手段、
前記第1の正規化手段により前記バッチ毎に正規化された前記複数の状態データがそれぞれ含まれる前記複数のバッチの運転データに基づき、前記機器又は設備の異常を検出するための正常モデルを作成するモデル作成手段、
前記モデル作成手段により作成された前記正常モデルと前記機器又は設備から出力された運転データとに基づき、該機器又は設備の異常を検出する異常検出手段
として機能させ、
前記第1の正規化手段は、
前記バッチ毎に、前記バッチにおける前記サンプリング時刻毎かつ前記状態変数毎の前記複数の状態データのそれぞれを、該状態データと同一のサンプリング時刻かつ同一の状態変数に対応する前記平均で減算した後、前記同一のサンプリング時刻かつ前記同一の状態変数に対応する前記標準偏差で除算することで正規化し、
前記モデル作成手段は、
前記複数のバッチの運転データを前記バッチ毎に分解し、前記バッチ毎に分解された運転データに含まれる複数の状態データを前記サンプリング時刻で連結して、前記状態変数の総数を行数、前記バッチの総数×前記サンプリング時刻の総数を列数とする行列データから前記正常モデルを作成する、プログラム。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2015036929 | 2015-02-26 | ||
JP2015036929 | 2015-02-26 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2016164772A JP2016164772A (ja) | 2016-09-08 |
JP6733164B2 true JP6733164B2 (ja) | 2020-07-29 |
Family
ID=56876138
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2015237799A Active JP6733164B2 (ja) | 2015-02-26 | 2015-12-04 | プロセス監視装置、プロセス監視方法及びプログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6733164B2 (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20220166179A (ko) | 2021-06-09 | 2022-12-16 | 후지 덴키 가부시키가이샤 | 진단 장치, 진단 방법 및 진단 프로그램 |
Families Citing this family (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10394973B2 (en) * | 2015-12-18 | 2019-08-27 | Fisher-Rosemount Systems, Inc. | Methods and apparatus for using analytical/statistical modeling for continued process verification (CPV) |
JP2018063545A (ja) * | 2016-10-12 | 2018-04-19 | 横河電機株式会社 | 情報処理装置、情報処理方法、情報処理プログラム及び記録媒体 |
JP2018067051A (ja) * | 2016-10-17 | 2018-04-26 | 富士電機株式会社 | 品質監視装置、品質監視システム、品質監視方法及びプログラム |
JP6678824B2 (ja) * | 2017-06-30 | 2020-04-08 | 三菱電機株式会社 | 非定常検出装置、非定常検出システム、および非定常検出方法 |
JP7358725B2 (ja) * | 2017-11-17 | 2023-10-11 | 富士電機株式会社 | 異常検出装置、異常検出方法、異常検出プログラム及び異常検出システム |
WO2019123510A1 (ja) | 2017-12-18 | 2019-06-27 | 三菱電機株式会社 | 表示制御装置、表示システム、表示装置、表示方法および表示プログラム |
JP6791892B2 (ja) * | 2018-01-18 | 2020-11-25 | ファナック株式会社 | 異常検知パラメータ調整表示装置 |
JP2019133454A (ja) * | 2018-01-31 | 2019-08-08 | 大陽日酸株式会社 | 装置の異常検出方法 |
JP7067278B2 (ja) * | 2018-06-01 | 2022-05-16 | 富士電機株式会社 | 状態検知装置及び状態検知方法 |
JP6847318B2 (ja) | 2018-09-03 | 2021-03-24 | 三菱電機株式会社 | 信号表示制御装置および信号表示制御プログラム |
US12007758B2 (en) | 2019-03-26 | 2024-06-11 | Jfe Steel Corporation | Process state monitoring device and process state monitoring method |
JP7521968B2 (ja) | 2020-08-19 | 2024-07-24 | 日鉄テックスエンジ株式会社 | 設備監視支援装置、方法及びプログラム |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5150289A (en) * | 1990-07-30 | 1992-09-22 | The Foxboro Company | Method and apparatus for process control |
JP3877948B2 (ja) * | 2000-10-03 | 2007-02-07 | 三菱化学株式会社 | モデル構築方法およびモデル構築システム |
JP3912215B2 (ja) * | 2002-07-25 | 2007-05-09 | Jfeスチール株式会社 | 転炉吹錬制御方法 |
JP2009020717A (ja) * | 2007-07-12 | 2009-01-29 | Omron Corp | 状態監視方法及び状態監視装置並びにプログラム |
JP2009070071A (ja) * | 2007-09-12 | 2009-04-02 | Toshiba Corp | 学習型プロセス異常診断装置、およびオペレータ判断推測結果収集装置 |
JP4911055B2 (ja) * | 2008-02-05 | 2012-04-04 | 富士電機株式会社 | バッチプロセスデータの解析装置およびそれを用いた異常検出/品質推定装置 |
WO2011146914A2 (en) * | 2010-05-21 | 2011-11-24 | Fisher-Rosemount Systems, Inc. | Multi-stage process modeling method |
US8880203B2 (en) * | 2010-05-21 | 2014-11-04 | Fisher-Rosemount Systems, Inc. | On-line alignment of a process analytical model with actual process operation |
JP5793299B2 (ja) * | 2010-12-28 | 2015-10-14 | 株式会社東芝 | プロセス監視診断装置 |
JP2012155361A (ja) * | 2011-01-21 | 2012-08-16 | Toshiba Corp | プロセス監視装置 |
US9892238B2 (en) * | 2013-06-07 | 2018-02-13 | Scientific Design Company, Inc. | System and method for monitoring a process |
-
2015
- 2015-12-04 JP JP2015237799A patent/JP6733164B2/ja active Active
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20220166179A (ko) | 2021-06-09 | 2022-12-16 | 후지 덴키 가부시키가이샤 | 진단 장치, 진단 방법 및 진단 프로그램 |
Also Published As
Publication number | Publication date |
---|---|
JP2016164772A (ja) | 2016-09-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6733164B2 (ja) | プロセス監視装置、プロセス監視方法及びプログラム | |
JP7282184B2 (ja) | 工業プロセスで使用されるコンポーネントから発生する信号の異常を検出及び測定するためのシステムと方法 | |
JP6364800B2 (ja) | 監視装置及び監視方法 | |
EP2327019B1 (en) | Systems and methods for real time classification and performance monitoring of batch processes | |
JP6847787B2 (ja) | 情報処理装置、情報処理方法及びコンピュータプログラム | |
JP6828679B2 (ja) | システム監視装置、システム監視方法、及び、システム監視プログラム | |
JPWO2016079972A1 (ja) | 要因分析装置、要因分析方法とプログラム、及び、要因分析システム | |
JP6678824B2 (ja) | 非定常検出装置、非定常検出システム、および非定常検出方法 | |
CN107924184B (zh) | 监视装置、监视装置的控制方法以及记录媒体 | |
JP2020027342A (ja) | 情報処理装置、監視装置、及び情報処理方法 | |
JP2000259223A (ja) | プラント監視装置 | |
JP2017033470A (ja) | 異常予兆診断システム及び異常予兆診断方法 | |
JP2018139085A (ja) | 異常予測方法、異常予測装置、異常予測システムおよび異常予測プログラム | |
JP7413159B2 (ja) | 情報処理装置、プログラム及び監視方法 | |
JPWO2020188696A1 (ja) | 異常検知装置および異常検知方法 | |
CN112272763A (zh) | 异常探测装置、异常探测方法以及异常探测程序 | |
JP2019096289A (ja) | 異常検出装置、異常検出方法、異常検出プログラム及び異常検出システム | |
JP2018113027A (ja) | プロセスの異常状態診断方法および異常状態診断装置 | |
JP5771317B1 (ja) | 異常診断装置及び異常診断方法 | |
US20180053111A1 (en) | Anomaly Detection for Complex Physical System via Nonlinear Relationship Modeling | |
CN107924182B (zh) | 监视装置、监视装置的控制方法以及记录媒体 | |
JPWO2019026193A1 (ja) | 情報処理装置、情報処理システム、情報処理方法、及び、プログラム | |
JP2017215959A (ja) | バッチプロセス監視装置、及びバッチプロセス監視方法 | |
JP6129508B2 (ja) | 異常検出前処理装置および方法ならびにプログラム、それを備えた異常検出装置 | |
JP6805554B2 (ja) | 監視装置及び監視方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20181114 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20190606 |
|
A975 | Report on accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A971005 Effective date: 20190918 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20190924 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20190925 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20191120 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20200121 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20200312 |
|
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: 20200609 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20200622 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6733164 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |