JP6772491B2 - 故障診断装置、故障診断システム、故障診断方法、及び、プログラム - Google Patents

Description

本発明は、故障診断装置、故障診断システム、故障診断方法、及び、そのためのプログラムに関する。

ＩｏＴ（Ｉｎｔｅｒｎｅｔ ｏｆ Ｔｈｉｎｇｓ）技術の普及により、これまで、あまりＩＴ（Ｉｎｆｏｒｍａｔｉｏｎ Ｔｅｃｈｎｏｌｏｇｙ）を活用していなかった農業などの分野においても、ＩＴを利用して農作物の生産を効率化する例が出現してきている。しかし、農場でセンサを活用して自然情報を採取する場合、センサは屋外に設置され、定期的にメンテナンスを行わなければ、故障が発生したり正しく情報が採取できなくなったりする。このため、メンテナンスの時期や故障したセンサを適切に通知することが求められている。

特許文献１は、健康診断などにおいて、第１検査項目の検査値の所定検査回数分の平均値と、第１検査項目以外の第２検査項目の所定回数における異常頻度との関係を抽出し、この関係を用いて、第１検査項目の検査値から所定回数における第２検査項目の異常頻度を推定する技術を開示している。

特許文献２は、物理量を計測する複数のセンサを備えた装置において、相対誤差の統計量に基づいてセンサの状態を判定し、正常なセンサを誤って異常と判定することを抑制する技術を開示している。

特許文献３は、センサフュージョン手法を用いた、移動体の状態推定に関する技術を開示している。

特許文献４は、複数のセンサを用いるシステムにおいて、複数のセンサの出力値を起動時に比較して差を求め、それらの差のうちで所定範囲から外れる場合が１つでもあるときに該複数のセンサに異常が発生したものと判断する技術を開示している。

特許第５７９９３７７号 特開２０１２−０１４２２２号公報 特許第５５８９３２４号 特開２００７−２４５８９８号公報

ＩｏＴを活用した栽培支援システムでは、圃場において、各種のセンサを用いて温度、湿度、土壌のデータなどのデータを採取し、採取したデータを元に収穫時期の推定などを実施する。このため、センサから正しくデータが採取されることは、重要である。

ところが、センサは屋外に設置されるため、センサの清掃などの定期的なメンテナンスを実施しなければ正確なデータを採取することができず、メンテナンスのために、コストがかかっていた。このため、センサの故障検出やメンテナンス時期を的確に通知することで、そのコストを低減することが求められている。

また、センサの故障時などに、データの採取を停止せず、データを補完して動作を継続し、その間に、メンテナンスや交換を行うことが求められている。

特許文献１は、主に健康診断において過去のデータを元にベイズ推定を行い検査項目の異常頻度を推定する技術であり、農作業などでセンサの出力をデータ補完し動作を継続させる技術とは対象や動作が異なる。

特許文献２は、相対誤差を用いてセンサの異常を判定するため、適用範囲が限定される。

特許文献３は、センサからのデータを元にベイズ推定で系の状態を推測しており、また、計算された事後確率をもとにモジュールの改善を行っているが、故障したセンサのデータを補完して動作を継続することには言及していない。

特許文献４は、複数のセンサに発生した異常を検出することはできるが、故障したセンサのデータを補完して動作を継続することには言及していない。

従って、上記の文献に記載の技術は、いずれも、複数のセンサを備えた測定系において、センサが故障した場合、センサの故障を検知することはできるが、正常なセンサから取得されると考えられる値を補完して動作を継続することはできない、という問題がある。

このため、本発明の目的は、上述した課題である、複数のセンサを備えた測定系においてセンサの故障を検知した場合、正常なセンサから取得されると考えられる値を補完して動作を継続することができる故障診断装置等を提供することにある。

本発明の故障診断装置は、複数のセンサの出力に基づいて、前記センサが故障している確率である事後確率を、ベイズ推定を用いて算出するベイズ推定計算手段と、前記事後確率が所定の閾値より小さい場合、前記センサの出力を異常値と判定し出力するセンサ故障判定手段と、前記異常値を入力した場合、前記センサが正常に動作した場合の補完データを算出するセンサデータ補完手段と、を包含する。

本発明の故障診断方法は、複数のセンサの出力に基づいて、前記センサが故障している確率である事後確率を、ベイズ推定を用いて算出し、前記事後確率が所定の閾値より小さい場合、前記センサの出力を異常値と判定し出力し、前記異常値を入力した場合、前記センサが正常に動作した場合の補完データを算出する。

本発明のコンピュータプログラムは、複数のセンサの出力に基づいて、前記センサが故障している確率である事後確率を、ベイズ推定を用いて算出する処理と、前記事後確率が所定の閾値より小さい場合、前記センサの出力を異常値と判定し出力する処理と、前記異常値を入力した場合、前記センサが正常に動作した場合の補完データを算出する処理と、をコンピュータに実行させる。

本発明によれば、複数のセンサを備えた測定系において、センサの故障を検知した場合、正常なセンサから取得されると考えられる値を補完して動作を継続することができる、という効果を奏する。

図１は、第一の実施の形態に係る、故障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、温度センサ（１）のセンサデータの一例を示す図である。 図３は、温度センサ（２）のセンサデータの一例を示す図である。 図４は、温度センサ（３）のセンサデータの一例を示す図である。 図５は、故障診断システムの動作を示すフローチャートである。 図６は、センサ故障判定部の動作を示すフローチャートである。 図７は、第二の実施形態に係る、故障診断システムの構成の一例を示すブロック図である。 図８は、第三の実施形態に係る、故障診断装置の構成の一例を示すブロック図である。

＜第一の実施形態＞
本発明の第一の実施の形態について、図面を参照して詳細に説明する。

図１は、第一の実施の形態に係る、故障診断システム１０の構成の一例を示すブロック図である。

故障診断システム１０は、故障診断装置２０、及び、センサ３０を含む。

故障診断装置２０は、アプリケーション２１、及び、制御装置２２を含む。なお、故障診断装置２０は、例えば、各種のサーバで構成される。

アプリケーション２１は、センサ３０から採取したデータを活用し、利用者へ農作業等の指示を行う。

制御装置２２は、センサ制御部２２０、センサ通信部２２１、受信データ格納部２２２、センサ故障判定部２２３、ベイズ推定計算部２２４、センサデータ補完部２２５、補完データ通知部２２６、異常通知部２２７、及び、受信データ判定部２２８を含む。

センサ制御部２２０は、センサ通信部２２１、受信データ格納部２２２、センサ故障判定部２２３、センサデータ補完部２２５、補完データ通知部２２６、異常通知部２２７、及び、受信データ判定部２２８を制御する。

センサ通信部２２１は、センサ３０との通信を制御する。

受信データ格納部２２２は、センサ３０から受信したデータを保存するための領域である。保存されるデータは、図３、図４、及び、図５に示すように、例えば、データを採取した日時、採取したデータ、及び、補完データとなる。また、受信データ格納部２２２は、各々の温度センサ（１）３０１、温度センサ（２）３０２、及び、温度センサ（３）３０３ごとに、データの格納先を分けて保存する（温度センサ（１）のセンサデータ２２２０、温度センサ（２）のセンサデータ２２２１、及び、温度センサ（３）のセンサデータ２２２２）。

センサ故障判定部２２３は、ベイズ推定計算部２２４を用いて、センサ３０の故障を検知する。センサ故障判定部２２３は、各センサデータからセンサ３０が故障しているか判定するためのセンサデータ計算部２２３０、及び、センサ３０からのセンサデータが異常かどうかを判断するための異常検出閾値２２３１を含む。なお、センサ３０のセンサデータは、温度データとも呼ばれる。

センサデータ計算部２２３０は、ベイズ推定計算部２２４で求められる事後確率分布での温度の推定値と、センサ３０で検出された温度を比較し、事後確率分布上で検出された温度となる確率が、異常検出閾値２２３１よりも低い場合に故障と判断する。

ベイズ推定計算部２２４は、検出された温度に対応する温度データから尤度関数を求め事後確率を計算するために、尤度関数計算部２２４０、及び、事後確率計算部２２４１を含む。

尤度関数計算部２２４０は、温度の正規分布を確率モデルとし、温度が検出される時点の直近の所定の時間、例えば、直近１時間の温度の平均、分散から尤度関数を計算する。

事後確率計算部２２４１は、求められた尤度関数から、各温度の発生確率を、例えば、マルコフ連鎖モンテカルロ法を用いて計算する。

なお、事後確率計算部２２４１は、ベイズ推定を用いることで推定値の事後確率分布を求めることができ、その結果を、故障検知、及び、データの補完に利用することが可能となる。

センサデータ補完部２２５は、検出された温度となる確率が異常検出の閾値以下である場合に、ベイズ推定計算部２２４で求めた事後確率分布から、最も尤もらしい温度を算出し、その温度データを補完データと決定し、それを受信データ格納部２２２の該当センサの補完データ格納先に格納する。

補完データ通知部２２６は、アプリケーション２１へ温度データを通知する。その際に、センサ制御部２２０は、受信データ格納部２２２に補完データが存在するかを確認し、確認結果を補完データ通知部２２６に出力する。存在する場合に、補完データ通知部２２６は、補完データをアプリケーション２１に通知する。存在しない場合（センサ３０が故障していない場合）、補完データ通知部２２６は、センサ３０から受信した温度データ（センサデータ）を通知する。

異常通知部２２７は、センサ故障判定部２２３でセンサ３０が故障したと判定された場合に、ログ出力部２２７０で、センサ３０の故障をログ出力するとともに、メール送信部２２７１で、システム利用者へのメール送信を行い、センサ３０が故障したことを通知する。

受信データ判定部２２８は、データが補完された回数をカウントする。また、受信データ判定部２２８は、カウント値が補完データ数の上限を超えた場合に、通知しているデータの信頼性に問題があると判断して、異常通知部２２７から通知させる。補完データ数上限２２８０は、補完データ数の上限であり、メモリに格納される。

ここで、センサ制御部２２０、センサ通信部２２１、センサ故障判定部２２３（センサデータ計算部２２３０）、ベイズ推定計算部２２４（尤度関数計算部２２４０、事後確率計算部２２４１）、センサデータ補完部２２５、補完データ通知部２２６、異常通知部２２７（ログ出力部２２７０、メール送信部２２７１）、及び、受信データ判定部２２８は、例えば、論理回路等のハードウェア回路で構成されても良い。

また、センサ制御部２２０、センサ通信部２２１、センサ故障判定部２２３（センサデータ計算部２２３０）、ベイズ推定計算部２２４（尤度関数計算部２２４０、事後確率計算部２２４１）、センサデータ補完部２２５、補完データ通知部２２６、異常通知部２２７（ログ出力部２２７０、メール送信部２２７１）、及び、受信データ判定部２２８は、コンピュータである、故障診断装置２０のプロセッサが、図示されないメモリ上のプログラムを実行することで実現される機能ユニットでも良い。

受信データ格納部２２２、異常検出閾値２２３１、及び、補完データ数上限２２８０は、例えば、ディスク装置、半導体メモリ等の記憶装置で構成される。

センサ３０は、温度センサ（１）３００、温度センサ（２）３０１、及び、温度センサ（３）３０２を含む。なお、本実施形態では、温度センサの数量が３台の例について説明しているが、温度センサの数量は、３台に限定されず、３以上の任意の値であってもよい。

各温度センサ（温度センサ（１）３００、温度センサ（２）３０１、及び、温度センサ（３）３０２）は、定期的に情報を採取し、故障診断装置２０へ通知する。なお、温度センサ３００〜３０２は、センサグループ（センサ３０）に属している。本実施形態は、センサグループが１個の例を示している。そして、センサグループは、同じ傾向のデータを採取できるよう配置する必要がある。

なお、温度センサ３００〜３０２は、例えば、栽培中の農作物に取り付け可能な、熱電対、測温抵抗体など温度を測定可能なセンサで構成される。ただし、センサ３０から採取した情報をサーバへ送信することが可能なセンサであれば、他の種類のセンサを利用しても問題ない。

図２、図３、及び、図４は、受信データ格納部２２２に格納されるデータの一例を示す図である。

図２は、温度センサ（１）３００のセンサデータ２２２０の一例を示す図である。

図２に示すように、センサデータ２２２０は、採取日時、及び、各採取日時に対応する採取データから構成される。なお、図２の場合、補完データは存在しないため、補完データの欄は、空欄となっている。

図３は、温度センサ（２）３０１のセンサデータ２２２１の一例を示す図である。

センサデータ２２２１は、図２のセンサデータ２２２０と同様に、採取日時、及び、採取日時に対応する採取データから構成されており、補完データは存在しない。

図４は、温度センサ３０２のセンサデータ２２２２のデータの一例を示す図である。

センサデータ２２２２は、センサデータ２２２０及びセンサデータ２２２１と同様な構成であるが、図４に示すように、補完データが存在する点が異なる。

図５は、故障診断システム１０の動作を示すフローチャートである。

センサ３０で採取された温度が通知された場合の故障診断システム１０の動作を、図５を用いて説明する。

まず、センサ３０は、温度情報を採取すると、故障診断装置２０のセンサ通信部２２１へ、採取日時、採取データを送信する（ステップＳ３０１）。

センサ制御部２２０は、センサ通信部２２１がセンサ３０からのデータを受信したら（ステップＳ３０２）、その採取日時、採取データを受信データ格納部２２２の該当センサのキューへ登録する（ステップＳ３０３）。

センサ制御部２２０は、センサ故障判定部２２３に、センサデータの故障判定を依頼する（ステップＳ３０４）。

センサ故障判定部２２３での判定後、センサ制御部２２０は、センサ３０が故障しているか確認する（ステップＳ３０５）。

補完データ通知部２２７は、センサ３０が故障していない場合は（ステップＳ３０６でＮｏ）、センサ３０から受信したセンサデータをアプリケーション２１へ通知し（ステップＳ３０７）、センサ３０が故障していた場合は（ステップＳ３０６でＹｅｓ）、補完データをアプリケーション２１へ通知する（ステップＳ３０８）。

受信データ判定部２２８は、補完データの推定回数を計測し（ステップＳ３０９）、補完データの推定回数が補完データ数の上限（補完データ数上限２２８０）を超えていた場合（ステップＳ３１０でＹｅｓ）、補完データの信頼性に問題があると判定する。そして、異常通知部２２７が、利用者へ通知する（ステップＳ３１１）。

次に、センサ故障判定部２２３でのセンサデータの検証処理について、図６を用いて説明する。

図６は、センサ故障判定部２２３の動作を示すフローチャートである。

具体的には、温度センサ（３）３０２に異常が発生し、「２０１５／１１／１ １９：０６」に１８．８℃という不正なデータが検出されたとして、以下に動作を説明する。また、故障判定の閾値は、本実施形態では９０％にあらかじめ設定されているものとする。

センサ故障判定部２２３は、受信データ格納部２２２から、各センサのセンサデータが、設定された間隔（１０分毎）で受信できているか確認する（ステップＳ４０１）。

正しい間隔で受信されている場合（ステップＳ４０２でＹｅｓ）、センサデータ計算部２２３０は、センサデータ格納部２２２から、直近１時間の温度センサ３００〜３０２の受信データおよび採取日時を取得する（ステップＳ４０３）。

センサデータ計算部２２３０は、受信データ格納部２２２において、取得したセンサ３０のセンサデータに補完データが存在しているか確認し（ステップＳ４０４）、存在していた場合は（ステップＳ４０５でＹｅｓ）、補完データを実測データの代わりに用いる（ステップＳ４０６）。

センサデータ計算部２２３０は、取得した温度センサ（３）３０２のセンサデータ２２２２の平均値μ、分散σ^２を計算する（ステップＳ４０７）。その結果、例えば、センサデータ２２２２の平均値は１８．６、分散は０．０５８となる。同様に、センサデータ計算部２２３０は、温度センサ（１）３００、温度センサ（２）３０１のセンサデータ２２２０、２２２１についても平均値と分散を求める。

次に、尤度関数計算部２２４０は、平均値と分散から尤度関数を求める（ステップＳ４０８）。尤度関数Ｌ（ｘ，μ，σ^２）は、以下の式となる。ｘは、各測定データの値である。平均値と分散が他のセンサと乖離していた場合は、異常値を検出している可能性があるため、尤度関数計算部２２４０は、他のセンサの平均値と分散から尤度関数を求める。

求めた尤度関数と、取得した温度センサ３０のデータを事前分布として、ベイズ推定計算部２２４が、ベイズ推定を行う（ステップＳ４０９）。ベイズ推定により、事後確率として、推定された温度データ（推定値）と確率が一覧として計算される。

そして、センサ故障判定部２２３は、実際に計測された温度データがどの程度の確率で計測されるのかを求めるために推定値と比較する（ステップＳ４１０）。

比較した結果が故障判定の閾値よりも小さい値であった場合には（ステップＳ４１１でＮｏ）、センサ故障判定部２２３は、センサ３０を故障したと判断する。センサ３０が故障していた場合、センサ故障判定部２２３は、推定された温度データのうち、最も尤もらしいデータを補完値として受信データ格納部２２２に格納する（ステップＳ４１２）。

異常通知部２２７は、センサ３０が故障していることをログ出力し、システム利用者へメール通知する（ステップＳ４１３）。

上記のように、本実施形態の故障診断システム１０は、例えば、農業支援システムにおいて、３個以上の同種の温度センサ３００〜３０２を設置し、各々の温度センサ３００〜３０２のデータ推移から、特異なデータを検出している温度センサ３００〜３０２を故障の可能性があるセンサとして特定する。そして、故障診断システム１０は、センサ３０からのデータを正規化することで、センサ３０の種類が変わり採取できる情報が変わっても対応可能となる。

また、これまで、センサの故障検知は、例えば、センサが通信不可となった場合に高い確率で検出できていた。これに対し、故障診断システム１０は、センサ３０とサーバ（故障診断装置２０）の接続には問題がない場合においても、センサ３０の故障検出が高い確率で可能となる。また、センサ３０が故障し、異常なデータが検出された場合においても、故障診断システム１０は、ベイズ推定で正しいと推測されるデータを補完値として計算することが可能となる。

さらに、故障診断システム１０は、圃場でセンサから温度などのデータを採取し、作物の生産管理、栽培支援管理に活用している場面において、センサ自体が故障診断機能を保持していない場合、既存のセンサを活用しながら故障の診断が可能となる。

本実施形態に係る故障診断システム１０は、以下に記載するような効果を奏する。

すなわち、複数のセンサを備えた測定系において、センサの故障を検知した場合、正常なセンサから取得されると考えられる値を補完して動作を継続することができる、という効果を奏する。

その理由は、故障診断装置２０が、複数のセンサの出力に基づいて、センサが故障している確率である事後確率を、ベイズ推定を用いて算出し、事後確率が所定の閾値より小さい場合、センサの出力を異常値と判定し出力する。そして、異常値を入力した場合、故障診断装置２０が、センサが正常に動作した場合の補完データを算出するからである。
＜第二の実施形態＞
次に、本発明の第二の実施の形態について図面を参照して詳細に説明する。

図７は、第二の実施形態に係る、故障診断システム４０の構成の一例を示すブロック図である。

故障診断システム４０は、第一の実施形態の故障診断システム１０に、新たに、センサグループを加えた構成（センサグループ（１）５０、及び、センサグループ（２）５１）である。

センサグループ（１）５０は、温度センサ（１）５００、温度センサ（２）５０１、及び、温度センサ（３）５０２を含む。また、センサグループ（２）５１は、温度センサ（４）５１０、温度センサ（５）５１１、及び、温度センサ（６）５１２を含む。

そして、受信データ格納部２２２は、これらに対応して、温度センサ（１）のセンサデータ２２２０、温度センサ（２）のセンサデータ２２２１、温度センサ（３）のセンサデータ２２２２、温度センサ（４）のセンサデータ２２２３、温度センサ（５）のセンサデータ２２２４、及び、温度センサ（６）のセンサデータ２２２５の各々のデータを含む。

なお、その他の故障診断システム４０の構成は、故障診断システム１０と同等であるため、各構成要素の動作の説明は、省略する。

ところで、本実施形態の故障診断システム４０は、上記のように、利用するセンサの数量を第一の実施形態のように３台に限定しない。図７は、６台のセンサが存在する場合の構成例を示す。故障診断システム４０は、例えば、温度センサ（１）〜（３）と温度センサ（４）〜（６）が異なる傾向を示すことが想定される場合、センサグループ（１）５０とセンサグループ（２）５１に各々をグループ化し、３台ずつのセンサデータの値を正規化することで故障を検出する。

なお、各々のセンサグループは、３台以上のセンサを含む構成とする。３台とする意図は、正常なセンサと故障したセンサが存在した際に、正常なセンサの尤度関数を求める過程で、故障したセンサのデータを利用しないようにするためである。

本実施形態に係る故障診断システム４０は、以下に記載するような効果を奏する。

すなわち、複数のセンサの出力が異なる傾向を示すことが想定される場合でも、故障したセンサを検出することが可能である、という効果を奏する。

その理由は、同じ傾向を示す３台以上のセンサごとにセンサグループを設けるからである。
＜第三の実施形態＞
次に、本発明の第三の実施の形態について図面を参照して詳細に説明する。

図８は、第三の実施形態に係る、故障診断装置６０の構成の一例を示すブロック図である。第三の実施の形態に係る故障診断装置は、前述した第一及び第二の実施の形態に係る故障診断装置の最小構成に対応する。

故障診断装置６０は、ベイズ推定計算部６１、センサ故障判定部６２、及び、センサデータ補完部６３を包含する。

ベイズ推定計算部６１は、複数のセンサの出力に基づいて、センサが故障している確率である事後確率を、ベイズ推定を用いて算出する。

センサ故障判定部６２は、事後確率が所定の閾値より小さい場合、センサの出力を異常値と判定し出力する。

センサデータ補完部６３は、異常値を入力した場合、センサが正常に動作した場合の補完データを算出する。

本実施形態に係る故障診断装置６０は、以下に記載するような効果を奏する。

すなわち、複数のセンサを備えた測定系において、センサの故障を検知した場合、正常なセンサから取得されると考えられる値を補完して動作を継続することはできない、という問題を解決する、という効果を奏する。

その理由は、故障診断装置６０が、複数のセンサの出力に基づいて、センサが故障している確率である事後確率を、ベイズ推定を用いて算出し、事後確率が所定の閾値より小さい場合、センサの出力を異常値と判定し出力する。そして、異常値を入力した場合、故障診断装置６０が、センサが正常に動作した場合の補完データを算出するからである。

以上、図面を参照して本発明の実施形態を説明したが、本発明は上記実施形態に限定されるものではない。本発明の構成や詳細には、本発明のスコープ内で当業者が理解し得る様々な変更をすることができる。

１０ 故障診断システム
２０ 故障診断装置
２１ アプリケーション
２２ 制御装置
２２０ センサ制御部
２２１ センサ通信部
２２２ 受信データ格納部
２２２０ センサデータ
２２２１ センサデータ
２２２２ センサデータ
２２２３ センサデータ
２２２４ センサデータ
２２２５ センサデータ
２２３ センサ故障判定部
２２３０ センサデータ計算部
２２３１ 異常検出閾値
２２４ ベイズ推定計算部
２２４０ 尤度関数計算部
２２４１ 事後確率計算部
２２５ センサデータ補完部
２２６ 補完データ通知部
２２７ 異常通知部
２２７０ ログ出力部
２２７１ メール送信部
２２８ 受信データ判定部
２２８０ 補完データ数上限
３０ センサ
３００ 温度センサ（１）
３０１ 温度センサ（２）
３０２ 温度センサ（３）
４０ 故障診断システム
５０ センサグループ（１）
５００ 温度センサ（１）
５０１ 温度センサ（２）
５０２ 温度センサ（３）
５１ センサグループ（２）
５１０ 温度センサ（４）
５１１ 温度センサ（５）
５１２ 温度センサ（６）
６０ 故障診断装置
６１ ベイズ推定計算部
６２ センサ故障判定部
６３ センサデータ補完部

Claims (10)

1. 複数のセンサの出力に基づいて、前記センサにおいて各データが計測される確率である事後確率を、ベイズ推定を用いて算出するベイズ推定計算手段と、
   前記事後確率が所定の閾値より小さい場合、前記センサの出力を異常値と判定し出力するセンサ故障判定手段と、
   前記異常値を入力した場合、前記センサが正常に動作した場合に計測されると推定される前記データを、前記ベイズ推定の結果を基に補完データとして算出するセンサデータ補完手段と、を包含する故障診断装置。
2. 前記ベイズ推定計算手段が、前記センサの出力の分布を正規分布とし、直近の所定の時間の前記センサの出力の平均、及び、分散を用いて、尤度関数を計算し、前記尤度関数を用いて、前記センサの出力の前記事後確率を算出する請求項１に記載の故障診断装置。
3. 前記センサの出力が、温度の測定値を含み、
   前記補完手段は、前記ベイズ推定の結果を基に最も尤もらしい温度データの推定値を前記補完データとして出力する請求項１または２に記載の故障診断装置。
4. 請求項１乃至３のいずれか１項に記載の故障診断装置と、
   同種類の複数の前記センサと、を包含する故障診断システム。
5. 複数のセンサの出力に基づいて、前記センサにおいて各データが計測される確率である事後確率を、ベイズ推定を用いて算出し、
   前記事後確率が所定の閾値より小さい場合、前記センサの出力を異常値と判定し出力し、
   前記異常値を入力した場合、前記センサが正常に動作した場合に計測されると推定される前記データを、前記ベイズ推定の結果を基に補完データとして算出する、故障診断方法。
6. 前記センサの出力の分布を正規分布とし、直近の所定の時間の前記センサの出力の平均、及び、分散を用いて、尤度関数を計算し、前記尤度関数を用いて、前記センサの出力の前記事後確率を算出する請求項５に記載の故障診断方法。
7. 前記センサの出力が、温度の測定値を含み、
   前記ベイズ推定の結果を基に最も尤もらしい温度データの推定値を前記補完データとして出力する請求項５または６に記載の故障診断方法。
8. 複数のセンサの出力に基づいて、前記センサにおいて各データが計測される確率である事後確率を、ベイズ推定を用いて算出する処理と、
   前記事後確率が所定の閾値より小さい場合、前記センサの出力を異常値と判定し出力する処理と、
   前記異常値を入力した場合、前記センサが正常に動作した場合に計測されると推定される前記データを、前記ベイズ推定の結果を基に補完データとして算出する処理と、をコンピュータに実行させるプログラム。
9. 前記センサの出力の分布を正規分布とし、直近の所定の時間の前記センサの出力の平均、及び、分散を用いて、尤度関数を計算し、前記尤度関数を用いて、前記センサの出力の前記事後確率を算出する処理を前記コンピュータに実行させる請求項８に記載のプログラム。
10. 前記センサの出力が、温度の測定値を含み、
    前記ベイズ推定の結果を基に最も尤もらしい温度データの推定値を前記補完データとして出力する処理を前記コンピュータに実行させる請求項８または９に記載のプログラム。

Images