JP6945713B2 - 状態監視システム - Google Patents

状態監視システム Download PDF

Info

Publication number
JP6945713B2
JP6945713B2 JP2020501946A JP2020501946A JP6945713B2 JP 6945713 B2 JP6945713 B2 JP 6945713B2 JP 2020501946 A JP2020501946 A JP 2020501946A JP 2020501946 A JP2020501946 A JP 2020501946A JP 6945713 B2 JP6945713 B2 JP 6945713B2
Authority
JP
Japan
Prior art keywords
machine
model
component
sensor
monitoring system
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
Application number
JP2020501946A
Other languages
English (en)
Other versions
JPWO2019163084A1 (ja
Inventor
智昭 蛭田
智昭 蛭田
鈴木　英明
英明 鈴木
内田　貴之
貴之 内田
章裕 小升
章裕 小升
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hitachi Ltd
Original Assignee
Hitachi Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Hitachi Ltd filed Critical Hitachi Ltd
Publication of JPWO2019163084A1 publication Critical patent/JPWO2019163084A1/ja
Application granted granted Critical
Publication of JP6945713B2 publication Critical patent/JP6945713B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B17/00—Systems involving the use of models or simulators of said systems
    • G05B17/02—Systems involving the use of models or simulators of said systems electric
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/04—Programme control other than numerical control, i.e. in sequence controllers or logic controllers
    • G05B19/042—Programme control other than numerical control, i.e. in sequence controllers or logic controllers using digital processors
    • G05B19/0428—Safety, monitoring
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
    • G05B23/0243—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults model based detection method, e.g. first-principles knowledge model
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/20—Pc systems
    • G05B2219/24—Pc safety
    • G05B2219/24015—Monitoring
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Testing And Monitoring For Control Systems (AREA)

Description

本発明は、状態監視システムに関する。
発電用ガスタービン等、社会インフラ向け機械は、常時稼働することが要求されている。機械の高い稼働率を維持するためには、その計画外停止を防ぐ必要がある。そのためには、機械の稼働時間に基づいた定期保守から、機械の状態に基づいて予防保全を適切に行う、状態監視保守への移行が必要である。状態監視保守を実現するためには、機械に設けられた各種センサを介して収集されるセンサデータを分析し、機械の異常や故障の予兆を診断する状態監視システムの役割が重要となる。
状態監視システムでは、機械のコンポーネント毎に、センサデータ分析のモデル（以下、単に「モデル」と称する）を用いて、状態監視を行う。特定の機械に状態監視システムを新たに導入する場合、このようなモデルを新たに作成すると工数が掛かるため、既に作成された、特定の機械に類似する機械用のモデルを可能な限り再利用することが望まれる。
従来のモデルの再利用の例として、機械の物理的な性質を考慮したシミュレーションモデルをベースとして、シミュレーションデータと実機の計測データとの差に基づいて導出された修正関数を組み合わせて最終モデルを生成することが知られている（特許文献１参照）。
特開２００４−１７８２４７号公報
しかし、作成済モデルと修正関数とを組み合わせて最終モデルを生成する場合、修正関数のみで、モデル作成済の機械と、新規でモデルを作成する機械との差異を吸収することには限界がある。このため、特定の機械に状態監視システムを新たに導入するには、機械のコンポーネント毎にモデルを新たに作成する必要があり、モデル作成の工数削減が困難である。
本発明は、上記の課題を解決するためになされたものであり、その目的は、モデル作成済の機械と、新規でモデルを作成する機械との差異があっても、モデル作成の工数削減が可能な状態監視システムを提供するものである。
上記の課題を解決するため、本発明にかかる状態監視システムは、機械から稼動データを収集し、機械の状態を監視する状態監視システムにおいて、センサデータ分析のモデルを作成済である第１の機械及び前記モデルを新たに作成する第２の機械のコンポーネントを示す情報、前記第１の機械の前記コンポーネントと前記第２の機械の前記コンポーネントとの対応関係を示す情報、及び前記モデルに関する情報が格納される記憶部と、前記記憶部に格納された各情報を用いて、前記第２の機械に類似する前記モデルから、前記第２の機械のモデル候補を複数作成し、複数の前記モデル候補の内、入力部にて選択された前記モデル候補の情報を、前記第２の機械の前記モデルとして作成するモデル作成部と、前記モデル候補を表示する表示部と、を備え、前記モデル作成部は、前記第２の機械の前記コンポーネントに対応する前記第１の機械の前記コンポーネントを検索し、前記第２の機械の前記コンポーネントに対応する前記第１の機械の前記コンポーネントがある場合は、この第１の機械の対応する前記コンポーネントに対応する前記モデルを前記第２の機械のモデル候補とし、前記第２の機械の前記コンポーネントに対応する前記第１の機械の前記コンポーネントがない場合は、前記第１の機械の前記コンポーネントを用いて前記第２の機械に類似する前記モデルを検索することを特徴とする。
本発明によれば、その目的は、モデル作成済の機械と、新規でモデルを作成する機械との差異があっても、モデル作成の工数削減が可能となる。また、モデル作成の工数削減に伴い、状態監視システムの導入コストの削減も可能となる。
本発明の実施形態において、機械Ａ、機械Ｂ、状態監視システム１の関係を示したシステム構成例を示した図である。 本発明の実施形態に係る状態監視システム１の機能構成例を示した図である。 センサデータテーブルＴ１０の構成例を示した図である。 センサリストテーブルＴ２０の構成例を示した図である。 センサマップテーブルＴ３０の構成例を示した図である。 機器構成テーブルＴ４０の構成例と、風力発電システムの構成例と、を示した図である。 機器構成マップテーブルＴ５０の構成例を示した図である。 モデルデータテーブルＴ６０の構成例を示した図である。 センサマップ作成部２４の処理を示したフローチャートと、表示部３０に表示される画面例を示した図と、である。 機器構成マップ作成部２５の処理を示したフローチャートと、表示部３０に表示される画面例を示した図と、である。 モデル作成部２６の処理を示したフローチャートである。 モデルを作成する際にユーザに示す画面例を示した図である。 状態監視部２７の処理を示したフローチャートである。 演繹モデルの事前計算法の処理を示したフローチャートである。 演繹モデルのパラメータ推定法の処理を示したフローチャートである。
以下、本発明の実施形態について、図面を参照して詳細に説明する。以下では、機械Ａ（第１の機械）の各コンポーネントのモデル（作成済）を用いて、機械Ｂ（第２の機械）のモデルが新規に作成されるケースを説明する。なお、機械Ａと機械Ｂは、同じメーカーであるがモデルが異なる製品や、異なるメーカーの製品であることを想定している。
図１は、本発明の実施形態において、機械Ａ、機械Ｂ、状態監視システム１の関係を示したシステム構成例を示した図である。機械Ａ、機械Ｂは、機械から稼動データを収集し、機械の状態を監視する状態監視システム１による監視対象の機械であり、定期的、または、状態監視システム１により、異常ないし異常の予兆（以下、単に「異常」とする）が検知された場合、保守員２による保守作業の対象となる。
機械Ａ、機械Ｂには、各種センサ（図示せず）が搭載されている。各種センサにより計測された機械Ａ、機械Ｂの様々なセンサデータは、状態監視システム１へ向けて出力される。なお、機械Ａ及び機械Ｂとしては、機械的な動作を伴うことにより、所期の機能を実現する装置であれば、どのような装置であってもよい。
状態監視システム１は、表示装置、操作卓、制御コンピュータ、パーソナルコンピュータ、ワークステーション（図示せず）等によって構成され、有線または無線の通信システムを介して、機械Ａ及び機械Ｂに接続されている。状態監視システム１は、機械Ａ及び機械Ｂからセンサデータを収集し、集計するとともに、モデルを用いた所定の異常判定方法に従い、機械Ａ及び機械Ｂにおける異常の有無を、定期的に診断し、その診断結果を管理者３に報知する。
センサデータの分析において使用されるモデルとして、演繹モデルと、帰納モデルとがある。演繹モデルとは、物理モデルのことであり、対象の機械のコンポーネントの物理現象または挙動を数式で表現したものである。物理モデルを用いて、収集したセンサデータの挙動を判定し、物理モデルで想定している状態から逸脱している場合は、機械の状態を異常とみなす。なお、物理モデルの対象は、電気系、機械系、伝熱系、流体系、化学反応系、制御系などに限定されるものではない。
一方、帰納モデルとは、対象機器のセンサデータを大量に収集したとき、機械学習のアルゴリズムを使って抽出した、共通のパターンやルールを示したものである。例えば、ｋ−ｍｅａｎｓ法などのクラスタリングアルゴリズムを用いて、機械が正常に動作しているときのセンサデータの分布（クラスタ）を抽出する。その後、新しく収集したセンサデータと、抽出したクラスタとの距離を計算して、距離が一定値以上である場合は、機械の状態を異常とみなす。また、深層学習のオートエンコーダを用いる場合は、蓄積したセンサデータを使って、正常状態を学習し、新しく収集したセンサデータをオートエンコーダで再構成する。次に、再構成したセンサデータと入力したセンサデータの誤差を計算し、誤差が一定値以上の場合は、機械の状態を異常とみなす。
例えば、風力発電システムの場合、演繹モデルを用いて、ブレードの状態監視を行うと共に、帰納モデルを用いて、発電機の状態監視を行う。
管理者３は、状態監視システム１からの診断結果の報知に基づき、機械Ａまたは機械Ｂの異常を知ったときには、現場の保守員２に対し、機械Ａまたは機械Ｂの保守作業の実施を指示する。また、管理者３は、新しい機械の状態監視を導入する際に、新しい機械の状態監視のための演繹モデル、帰納モデルを状態監視システム１の常時画面を通じて、更新する。
図２は、本発明の実施形態に係る状態監視システム１の機能構成例を示した図である。図２に示すように、状態監視システム１は、センサデータ取得部２１と、記憶部２２と、シミュレーション部２３と、センサマップ作成部２４と、機器構成マップ作成部２５と、モデル作成部２６と、状態監視部２７と、ユーザＩＦ部２８と、表示部３０と、入力部３１と、で構成される。
ここでセンサデータ取得部２１、シミュレーション部２３、センサマップ作成部２４、機器構成マップ作成部２５、モデル作成部２６、状態監視部２７、ユーザＩＦ（インタフェース）２８のそれぞれの機能は、演算処理装置が記憶装置に記憶された所定のプログラムを実行することにより実現される。また、記憶部２２は、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）、ＨＤＤ（Ｈａｒｄ Ｄｉｓｋ Ｄｒｉｖｅ）、ＳＳＤ（Ｓｏｌｉｄ Ｓｔａｔｅ Ｄｒｉｖｅ）等の記憶装置であり、モデルに関するデータが記憶される。
以下、各機能について、詳細に説明する。ここでは、機械Ａと機械Ｂとは、風力発電システムとする。風力発電システムは、風力を電力に変換するシステムであり、複数のコンポーネントで構成される。具体的には、風車のブレードに風を受けて、ブレードが回転する。その回転が、ロータを通じてナセルに伝わる。ナセルの中では、メインシャフトを通じて、増速機に回転力が伝わる。増速機では、ギアを使って回転速度を増やし、その回転速度で発電機を回して、電気に変換する。発電された電気は、変圧器で昇圧されて、送電線を通って届けられる。
また、風力発電システムは、発電量の制御及び強風時に風をブレードから受け流すために、ブレードの角度（ピッチ角）を調整するピッチコントロールシステムを有する。風力発電システムは、状態監視のために主要なコンポーネントに複数のセンサが取り付けられ、一定のサンプリング間隔でデータを計測している。そして風力発電システムは、これからのセンサデータを状態監視システム１に定期的に送信する。
センサデータ取得部２１は、状態監視システム１と接続している機械のセンサデータを定期的に収集して、記憶部２２のセンサデータテーブルに書き込む。
記憶部２２は、センサデータを格納するセンサデータテーブルＴ１０と、センサとコンポーネントとの対応関係を示す情報を格納するセンサリストテーブルＴ２０と、機械Ａのセンサと機械Ｂのセンサとの対応関係を示す情報を格納するセンサマップテーブルＴ３０と、機械Ａ及び機械Ｂのコンポーネントを示す情報が格納される機器構成テーブルＴ４０と、機械Ａのコンポーネントと機械Ｂのコンポーネントとの対応関係を示す情報が格納される機器構成マップテーブルＴ５０と、各コンポーネントのモデルを示す情報が格納されるモデルデータテーブルＴ６０と、を含む構成である。
図３は、センサデータテーブルＴ１０の構成例を示した図である。センサデータテーブルＴ１０は、状態監視システム１と接続している機械毎にテーブルＴ１０−Ａ、Ｔ１０−Ｂを有する。図３のセンサデータテーブルＴ１０は、機械Ａと機械Ｂ（ともに風力発電システム）を示している。各センサはセンサＩＤａ１〜ａ６、ｂ１〜ｂ６が付与されている。センサＩＤは、機械毎に定義されている。例えば、同じ風速に関するセンサでも、機械Ａではａ１、機械Ｂではｂ１としてＩＤが定義されている。
また、各機械のテーブルＴ１０−Ａ、Ｔ１０−Ｂには、センサデータが取得時刻１０１−Ａ、１０１−Ｂ毎に記録されている。なお、センサデータテーブルＴ１０に記録されるセンサデータ、図３で示すものに限定されるものではない。各センサデータテーブルＴ１０−Ａ、Ｔ１０−Ｂは、センサデータ取得部２１からデータを取得した段階で更新される。
図４は、センサリストテーブルＴ２０の構成例を示した図である。センサリストテーブルＴ２０は、機械をよく知っている管理者３により、設計情報を基にして作成される。センサリストテーブルＴ２０は、機械毎にセンサＩＤ２０１と、センサ名称２０２と、が記録されている。ここでは、機械Ａのセンサリストテーブルを示しており、センサａ１〜ａ７は、それぞれ風速（ｍ／ｓ）、風向（ｍ／ｓ）、ピッチ角度（ｄｅｇ）、増速機の回転数（ｒｐｍ）、発電機の回転数（ｒｐｍ）、発電機加速度（ｍ／ｓ２）、発電量（ｋＷ）を取得するセンサであることを示している。
図５は、センサマップテーブルＴ３０の構成例を示した図である。センサマップテーブルＴ３０は、複数の機械間のセンサの対応関係を記録している。センサマップテーブルＴ３０は、ユーザＩＦ部２８を通じて、センサマップ作成部２４で作成される。センサマップテーブルＴ３０は、機械Ａのセンサ３０１と、機械Ｂのセンサ３０２との対応関係を示している。風速を示すセンサａ１、風向を示すセンサａ２、ピッチ角度を示すセンサａ３は、それぞれｂ１〜ｂ３に対応していることを示している。また、機械Ａのセンサａｎは、機械Ｂのセンサｂｍとｂｎとの和に対応していることを示している。このように、機械Ａ（または機械Ｂ）の単一のセンサと、機械Ｂ（または機械Ａ）の複数のセンサの組合せとが対応関係にあっても良い。
図６は、機器構成テーブルＴ４０の構成例と、機械Ａの風力発電システムの構成例とを示した図である。機器構成テーブルＴ４０は、センサリストテーブルＴ２０と同様に、機械をよく知っている管理者により、設計情報を元に作成される。
図６（ａ）は、機械Ａ（風力発電システム）の機器構成テーブルＴ４０を示している。機器構成テーブルＴ４０は、機器を構成するコンポーネントのＩＤ（コンポーネントＩＤ）４０１と、コンポーネントの名称４０２と、対応するモデルデータテーブルＴ６０のモデルＩＤ４０３と、関連するセンサのセンサリストテーブルＴ２０のセンサＩＤ４０４と、接続しているコンポーネントＩＤ４０５と、を含む構成である。
図６（ｂ）は、機械Ａの風力発電システムの構成例を示している。機械Ａは、ブレードａｃ１と、ロータａｃ２と、増速機ａｃ３と、発電機ａｃ４と、変圧機ａｃ５と、ピッチコントローラａｃ６と、で構成されているものとする。機械Ｂについても、それぞれのコンポーネントの詳細は異なる可能性はあるが、同じ構成であることを仮定している。
増速機ａｃ３に接続しているコンポーネントは、ロータａｃ２、発電機ａｃ４及びピッチコントローラａｃ６であるため、増速機ａｃ３の接続コンポーネントＩＤ４０５として、ロータａｃ２、発電機ａｃ４及びピッチコントローラａｃ６が記載されている。センサＩＤ４０４には、コンポーネントの入力、コンポーネント内の状態、コンポーネントの出力のそれぞれに対応する、センサリストテーブルＴ２０のセンサＩＤが記録されている。例えば、発電機ａｃ４で発電を行う際に、増速機ａｃ３の回転数ａ４を入力値として用いるため、センサＩＤ４０４の「入力」項目に、増速機ａｃ３の回転数ａ４が記録される。発電機ａｃ４の回転数ａ５と加速度ａ６とは、発電機ａｃの状態を示すため、センサＩＤ４０４の「状態」項目に、発電機ａｃ４の回転数ａ５と加速度ａ６とが記録される。発電機ａｃ４の出力値は、発電量ａ７であるため、センサＩＤ４０４の「出力」項目に、発電量ａ７が記録される。
図７は、機器構成マップテーブルＴ５０の構成例を示した図である。機器構成マップテーブルＴ５０は、ユーザＩＦ部２８を通じて、機器構成マップ作成部２５で作成される。機器構成マップテーブルＴ５０は、機械ＡのコンポーネントＩＤ５０１と、機械ＢのコンポーネントＩＤ５０２との対応関係が記録される。これは、機器構成テーブルＴ４０に記載されるコンポーネントＩＤに対応している。
図８は、モデルデータテーブルＴ６０の構成例を示した図である。モデルデータテーブルＴ６０には、作成済モデルが格納されている。具体的には、モデルＩＤ６０１と、モデルの種類（演繹モデルまたは帰納モデル）６０２と、モデルの概要を示したモデルメタデータ６０３と、モデルの中身であるモデルデータで６０４と、を含む構成である。
モデルの種類が「帰納」である場合、モデルメタデータ６０３には、機械学習を実行する前に実行する「前処理」と、機械学習アルゴリズムとパラメータを示す「モデリング」と、「判定方法」との各項目が格納される。「前処理」の項目には、帰納モデルを作成するために必要なセンサＩＤや、機械の特定の状態（例えば定常状態）を抽出するための条件などが格納される。「モデリング」の項目には、具体的な機械学習のアルゴリズムとパラメータが格納される。「判定方法」の項目には、機械学習アルゴリズムで計算した結果、機械を異常と判定するか否かの情報が格納される。
例えば、モデルＩＤ６０１がａｍ１のモデル（すなわち、ｋ−ｍｅａｎｓなどのクラスタリングアルゴリズムを使って、機械の異常を検知するモデル）の場合、「前処理」の項目には、クラスタリングアルゴリズムに入力するセンサのセンサＩＤとして、風速ａ１と、風向ａ２、発電機回転数ａ５とが格納される。また、機械の特定の状態として強風の場合の帰納モデルを作成する場合、「前処理」の項目には、風速ａ１の条件（ａ１＞１５）も格納される。「モデリング」の項目には、アルゴリズムの情報として、ｋ−ｍｅａｎｓの名称と、そのパラメータ（ｋ−ｍｅａｎｓの場合は、クラスタ数）が記載される。ｋ−ｍｅａｎｓを用いたアプローチでは、新しいデータが入力されたとき、各クラスタとの中心座標との距離を計算し、距離が閾値より以上所定値より大きい場合は、機械の状態を異常とみなす。「判定方法」の項目には、異常と判定する距離の閾値（ここでは、距離が３より大きい）が格納される。モデルデータ６０４には、学習済みのモデルの情報が格納される。ｋ−ｍｅａｎｓの場合は、各クラスタの中心座標である。
また、モデルＩＤ６０１がａｍ２のモデル（深層学習のオートエンコーダを使用するモデル）の場合、「前処理」項目には、入力するセンサＩＤが格納される。「モデリング」の項目には、オートエンコーダの入力層、隠れ層、出力層の情報が格納される。オートエンコーダを使ったアプローチでは、蓄積したセンサデータを用いて正常状態を学習し、新しく収集したセンサデータをオートエンコーダで再構成する。次に、再構成したセンサデータと入力したセンサデータとの誤差を計算し、誤差が所定値より大きい場合は、機械の状態を異常とみなす。「判定方法」の項目には、異常と判定する誤差の閾値（ここでは、誤差が３より大きい）が格納される。
モデルの種類が「演繹」である場合、モデルメタデータ６０３には、物理現象を表す数式等に関する情報として、「物理モデル」「パラメータ」「異常の判定方法」の各項目が格納されている。例えば、摩擦を使ったブレーキを物理モデルとしてモデリングしている場合、「物理モデル」の項目には、ブレーキの挙動をあらわす数式が格納される。「パラメータ」の項目には、ブレーキの摩擦係数やばね摩擦係数が格納されている。また、各モデルの変数またはパラメータと関係するセンサのセンサＩＤも格納されている。
モデルＩＤ６０１がａｍ３のモデル（増速機ａｃ３の物理モデル）の場合、Ｘ、Ｙは、それぞれ増速機ａｃ３の入力の回転数、増速機ａｃ３の出力の回転数を示しており、Ｙは、増速機ａｃ３の回転数ａ４に相当する。また、ｒは、増速機ａｃ３のギア比に相当する。増速機ａｃ３の出力の回転数Ｙを、増速機ａｃ３の入力の回転数Ｘの１００倍にする場合、ｒ＝１００が格納される。
「異常の判定方法」項目には、異常の判定方法の種類と、パラメータが格納される。演繹モデルにおける異常の判定には、「事前計算法」と「パラメータ推定法」との２種類があり、いずれもシミュレーション部２３で実行される。モデルＩＤ６０１がａｍ３のモデルの場合、「異常の判定方法」として「事前計算法」が用いられ、その際のパラメータとして、ギア比ｒを５０から１２０まで変化させることにより、増速機ａｃ３が正常であるかを判定する。
「事前計算法」は、「異常の判定方法」項目に格納されたパラメータの条件を元に出力値を予め計算し、当該出力値とセンサデータ取得部２１で取得された値とを状態監視部２７で比較することにより、機械の状態を推定する方法である。例えば、パラメータｒ＝１００のにおける出力値と、センサデータ取得部２１で取得された値とが最も近い場合は、正常と判定する。その後、パラメータｒ＝５０における出力値とセンサデータ取得部２１で取得された値が最も近くなった場合は、正常時のパラメータ（すなわち、ｒ＝１００）から大きく外れるため、機械が異常状態であると判定する。
「パラメータ推定法」は、センサデータ取得部２１で取得されたセンサデータを用いて、物理モデルのパラメータを直接推定する方法である。例えば、増速機の入出力のデータを用いてギア比を推定し、このギア比が想定値と異なる場合は、機械を異常状態であると判定する。
センサマップ作成部２４は、ユーザＩＦ部２８を通じて、センサリストテーブルＴ２０と、管理者３が入力部３１にて入力した情報とを基に、センサマップテーブルＴ３０を作成する。
図９(ａ)は、センサマップ作成部２４の処理を示したフローチャートである。また、図９（ｂ）は、センサマップテーブルＴ３０が作成される際に、表示部３０に表示される画面例を示している。最初に、管理者３によって入力部３１から入力された、センサマップ作成対象の機械のＩＤ（ここでは、機械Ａ及び機械Ｂの機械ＩＤとする）を受信し、センサリストテーブルＴ２０から、機械Ａ及び機械Ｂのセンサのリストを検索する（ステップＳ００１）。続いて、機械Ａ及び機械Ｂのセンサリスト３０１を表示部３０に表示する（ステップＳ００２）。続いて、機械Ａのセンサと機械Ｂのセンサとの対応関係を示す、第１のネットワーク情報を受信し、表示部３０に表示する（ステップＳ００３）。図９（ｂ）に示す画面例では、機械Ａのセンサａ１と機械Ｂのセンサｂ１とが対応しているが、この第１のネットワーク情報は、管理者３によって入力部３１にて入力される。すなわち、機械をよく知っている管理者３により、対象機械のセンサの第１のネットワーク情報が入力されることで、センサマップテーブルが作成される。最後に、作成されたセンサマップテーブルを、記憶部２２のセンサマップテーブルＴ３０に書き込む（ステップＳ００４）。対応するセンサがない場合は、センサマップテーブルＴ３０には、対応するセンサが無い旨の情報が記録される。
なお、管理者３によって入力部３１にて入力された情報に基づき、センサマップテーブルＴ３０が記録される他、機械Ａのセンサの名称と、機械Ｂのセンサの名称との名寄せにより生成された、第１のネットワーク情報に基づき、センサマップテーブルＴ３０が記録される構成としても良い。この場合、管理者３によるセンサマップ作成の作業を低減することが可能となる。
機器構成マップ作成部２５は、ユーザＩＦ部２８を通じて、機器構成テーブルＴ４０と、管理者３が入力部３１にて入力した情報を基に、機器構成マップテーブルＴ５０を作成する。
図１０(ａ)は、機器構成マップ作成部２５の処理を示したフローチャートである。また、図１０（ｂ）は、機器構成マップテーブルＴ５０が作成される際に、表示部３０に表示される画面例を示している。最初に、管理者３によって入力部３１から入力された、機器構成マップ作成対象の機械ＩＤ（ここでは、機械Ａ及び機械Ｂの機械ＩＤとする）を受信し、機器構成テーブルＴ４０から対象の機械のコンポーネントＩＤを検索する（ステップＳ１０１）。続いて、機械Ａ及び機械Ｂのコンポーネントリスト３０２を表示部３０に表示する（ステップＳ１０２）。続いて、機械Ａのコンポーネントと機械Ｂのコンポーネントとの対応関係を示す、第２のネットワーク情報を受信し、表示部３０に表示する（ステップＳ１０３）。図１０（ｂ）に示す画面例では、機械Ａのコンポーネントａｃ１（ブレード）と機械Ｂのコンポーネントｂｃ１（ブレード）とが対応しているが、この第２のネットワーク情報は、管理者３によって入力部３１にて入力される。すなわち、機械をよく知っている管理者３により、対象機械のコンポーネントの第２のネットワーク情報が入力されることで、機器構成マップテーブルが作成される。最後に、機器構成マップテーブルを、記憶部２２の機器構成マップテーブルＴ５０に書き込む（ステップＳ１０４）。なお、対応するコンポーネントがない場合は、機器構成マップテーブルＴ５０には、対応するコンポーネントが無い旨の情報が記録される。
モデル作成部２６は、ユーザＩＦ部２８を通じて、機器構成テーブルＴ４０と、機器構成マップテーブルＴ５０と、作成済モデルにおけるモデルデータテーブルＴ６０と、を用いて、管理者３が入力部３１にて入力した情報を基に、新しい機器のコンポーネントのモデルデータテーブルを作成する。
図１１は、機器構成マップ作成部２５の処理を示したフローチャートである。最初に、機器構成テーブルＴ４０から、新規にモデルを作成する機械Ｂの機器構成テーブルを取得（ステップＳ２０１）。続いて、機器構成マップテーブルＴ５０から、機械Ａ（モデル作成済）と機械Ｂとのコンポーネントの対応関係の情報を取得する（ステップＳ２０２）。続いて、機械Ｂのコンポーネントを全て処理したかを判定する（ステップＳ２０３）。機械Ｂのコンポーネントの処理が全て完了していない場合（ステップＳ２０３：Ｎｏ）、機械Ｂの処理対象のコンポーネントに対応する機械Ａのコンポーネントが、機器構成マップテーブルＴ５０にあるかを判定する（ステップＳ２０４）。機械Ｂの処理対象のコンポーネントに対応する機械Ａのコンポーネントがある場合（ステップＳ２０４：Ｙｅｓ）、機械Ａの対応するコンポーネントＩＤに対応するモデルＩＤを用いて、モデルデータテーブルのメタデータとモデルデータとを、モデルデータテーブルＴ６０から検索する（ステップＳ２０５）。
一方、機械Ｂの処理対象のコンポーネントに対応する機械Ａのコンポーネントが無い場合（ステップＳ２０４：Ｎｏ）、類似するモデルがないか、モデルデータテーブルＴ６０から検索する（ステップＳ２０６）。具体的には、機器構成テーブルＴ４０のコンポーネント名称や構成するセンサ名称を用いて、類似するモデルを検索する。ステップＳ２０５の処理とステップＳ２０６の処理とにより、新規に作成されるモデル候補が複数存在することになる。
ステップＳ２０５又はステップＳ２０６のいずれかに続いて、新規に作成されるモデル候補に関する情報を、ＲＡＭ等の一時記憶部（図示せず）に記憶する（ステップＳ２０７）。
モデル候補が演繹モデルである場合、機械Ｂの対象コンポーネントに関連するセンサデータを用いて、モデル候補のパラメータを推定する。具体的には、シミュレーション部２３で、推定対象のパラメータの値を変更する。続いて、機器構成テーブルＴ４０のセンサＩＤ４０４の内、「入力」の項目に登録されているセンサのデータと物理モデルとを用いて、出力値を計算する。続いて、機器構成テーブルＴ４０のセンサＩＤ４０４の内、「出力」の項目に登録されているセンサのデータと、シミュレーション部２３からの出力値の誤差とを計算し、この誤差が最小になるようにパラメータを計算する。この誤差の小ささを、モデル候補の「精度」と称する。その後、計算したパラメータ、物理モデル及び精度に関する情報を、一時記憶部に格納する。
モデル候補が帰納モデルである場合、モデルデータテーブルＴ６０に格納されているモデルメタデータ６０３や、機器構成テーブルＴ４０のセンサＩＤ４０４に登録されているセンサのデータを用いて、帰納モデルを再度学習する。その後、帰納モデルの前処理、モデリング、判定方法及び再学習した帰納モデルの精度に関する情報を、一時記憶部に格納する。
機械Ｂのコンポーネントの処理が全て完了した場合（ステップＳ２０３：Ｙｅｓ）、一時記憶部に記憶された、新規に作成されるモデル候補に関する情報（演繹モデルと帰納モデルのモデルメタデータ）と、モデル候補の精度とを含むモデル候補リストを、表示部３０に表示する（ステップＳ２０８）。管理者３により入力部３１にて選択された、作成するモデルの情報を受信後、当該モデルの情報をモデルデータテーブルＴ６０に格納する（ステップＳ２０９）。
なお、上記では、モデルを新規に作成する場合を例に説明したが、モデルを更新する場合に、同様の処理を実行しても良い。
図１２は、ステップＳ２０８において、表示部３０に表示される画面例を示す図である。表示画面３０３には、機械Ｂのコンポーネントの構成図３０３１と、新規に作成されるモデル候補に関する情報（演繹モデルと帰納モデルのモデルメタデータ）と、モデル候補の精度とを示す、モデルの候補リスト３０３２と、が表示される。モデルの候補リスト３０３２は、コンポーネント毎に作成されるものであり、図１２では、増速機ｂｃ３のモデル候補リストを示している。
管理者３により入力部３１から、特定のコンポーネントが選択されると、当該コンポーネントのモデルの候補リスト３０３２が表示される。
モデルの候補リスト３０３２には、モデルの種類、モデルメタデータ、精度の情報が含まれている。なお、モデルの候補リスト３０３２に表示されるモデルの順序は任意であるが、モデルの精度の高い順（すなわち、誤差の小さい順）にリスト化をした場合、表示部３０を確認した管理者３が、最適なモデルを選択し易くなる。管理者３により入力部３１から最適なモデルが選択され、「決定」ボタンが押下された後、当該モデルがモデルデータテーブルＴ６０に格納される（上記ステップＳ２０９参照）。
上記処理の後、管理者３により入力部３１から、他のコンポーネントが選択されると、当該コンポーネントのモデルの候補リスト３０３２が表示され、同様の処理を実行することが可能となる。
なお、モデルの候補リスト３０３２に適切なモデルが無い場合は、管理者３により「新規作成」ボタンが選択さると、別途モデルが作成される。
状態監視部２７は、記憶部２２に格納されているセンサデータテーブルＴ１０と、機器構成テーブルＴ４０と、モデルデータテーブルＴ６０と、を用いて、機械の状態を監視する。
図１３は、状態監視部２７の処理を示すフローチャートである。最初に、センサデータテーブルＴ１０と、機器構成テーブルＴ４０と、モデルデータテーブルＴ６０と、から、監視対象の機械のセンサデータ、コンポーネント、対応するモデルメタデータ、及びモデルデータを取得する（ステップＳ３０１）。続いて、対象の機械の全てのコンポーネントについて処理したかを判定する（ステップＳ３０２）。全てのコンポーネントについて処理した場合（ステップＳ３０２：Ｙｅｓ）、一時記憶部に格納されている結果を管理者３に通知する（ステップＳ３０５）。全てのコンポーネントについて処理していない場合（ステップＳ３０２：Ｎｏ）、モデルを使った異常判定を実施し（ステップＳ３０３）、その結果を一時記憶部に格納する（ステップＳ３０４）。
ステップＳ３０３では、使用するモデルとその判定手法とにより、処理内容が異なる。モデルが帰納モデルの場合は、モデルデータテーブルＴ６０に記載されているモデルメタデータを用いて、異常を判定する。
モデルが演繹モデルである場合の判定手法を、図１４及び図１５に示す。図１４は、判定手法が「事前計算法」の場合の処理を示したフローチャートである。最初に、記憶部２２のモデルデータテーブルＴ６０に格納されているパラメータの範囲に従い、シミュレーション部２３を用いて、センサデータのシミュレーションを実行する（ステップＳ４０１）。例えば、図８における、モデルデータテーブルＴ６０のモデルＩＤ６０１がａｍ３のモデルの場合、増速機ａｃ３のギア比ｒを５０から１２０に変化させて、増速機の出力回転数を計算する。
続いて、取得されたセンサデータの分布と、ステップＳ４０１のシミュレーションの実行結果であるセンサデータの分布と、を比較し、最も近いデータの分布と、それに対応するパラメータと、を推定する（ステップＳ４０２）。例えば、ギア比ｒを５０から１２０に変化させた際の、増速機の出力回転数の分布と、記憶部２２のセンサデータテーブルＴ１０に記録された実際のセンサデータの分布と、を比較し、最も近いギア比ｒ（例えば、ｒ＝１２０）を取得する。
続いて、ステップＳ４０２で推定したギア比ｒが正常の範囲かであるかを判定し（ステップＳ４０３）、正常範囲から逸脱している場合は、コンポーネントは異常状態であるとする（ステップＳ４０４）。一方、正常範囲である場合は、コンポーネントは正常状態であるとする（ステップＳ４０５）。
すなわち、「事前計算法」の場合、記憶部２２に格納されたモデルのパラメータの範囲に従い、センサデータのシミュレーションを実行し、取得されたセンサデータとシミュレーションの実行結果との比較結果よりパラメータを推定し、推定されたパラメータが正常範囲から逸脱している場合、コンポーネントを異常状態と判定する。
図１５は、判定手法が「パラメータ推定法」の場合の処理を示したフローチャートである。最初に、対象のコンポーネントのセンサデータを、記憶部２２のセンサデータテーブルＴ１０から取得する（ステップＳ５０１）。続いて、シミュレーションの誤差が一定値以下かどうかを判定する（ステップＳ５０２）。シミュレーションの誤差が一定値以下でない場合(ステップＳ５０２：Ｎｏ)、パラメータを変化させて再度シミュレーションを実行し（ステップＳ５０３）、シミュレーションで出力したセンサデータと、ステップＳ５０１において取得したセンサデータの誤差とを計算する（ステップＳ５０４）。一方、ステップＳ５０２において、シミュレーション誤差が一定値以下である場合(ステップＳ５０２：Ｙｅｓ)、そのシミュレーションに使用したパラメータが正常の範囲であるかを判定し（ステップＳ５０５）、正常範囲でない場合は、コンポーネントは異常状態であると判定する（ステップＳ５０６）。一方、正常範囲である場合は、コンポーネントは正常状態であると判定する（ステップＳ５０７）。
すなわち、「パラメータ推定法」の場合、取得されたセンサデータと、センサデータのシミュレーションとの誤差が一定値以下になるまでパラメータを変化し、該誤差が一定値以下となった場合のパラメータが正常範囲から逸脱している場合、コンポーネントを異常状態と判定する。
以上、本発明の実施形態によれば、既に作成された、特定の機械に類似する機械用のモデルを用いて、特定の機械用のモデルを作成する。そのため、モデルの新規作成時の作成工数を削減することが可能となる。
また、同じメーカーであるがモデルが異なる製品を用いて新たにモデルを作成するだけではなく、異なるメーカーの製品を用いて新たにモデルを作成する構成とすることにより、記憶部２２に蓄積されるモデルのバリエーションが広がることになる。そのため、さらに、モデルの新規作成時の作成工数を削減できる可能性がある。
なお、本発明は、上述した実施例に限定するものではなく、様々な変形例が含まれる。上述した実施例は本発明を分かり易く説明するために詳細に説明したものであり、必ずしも説明した全ての構成を備えるものに限定するものではない。
例えば、上述した実施例では、演繹モデルと帰納モデルとの双方を備えた例について説明したが、いずれかのモデルのみ備えた構成でも良い。
また、モデルが演繹モデルである場合の判定手法として、「事前計算法」と「パラメータ推定法」とを例にして説明したが、これらの判定手法に限られるものではない。
Ａ、Ｂ：機械、１：状態監視システム、２：保守員、３：管理者、２１：センサデータ取得部、２２：記憶部、２３：シミュレーション部、２４：センサマップ作成部、２５：機器構成マップ作成部、２６：モデル作成部、２７：状態監視部、２８：ユーザＩＦ部、３０：表示部、３１：入力部、Ｔ１０：センサデータテーブル、Ｔ２０：センサリストテーブル、Ｔ３０：センサマップテーブル、Ｔ４０：機器構成テーブル、Ｔ５０：機器構成マップテーブル、Ｔ６０：モデルデータテーブル

Claims (7)

  1. 機械から稼動データを収集し、機械の状態を監視する状態監視システムにおいて、
    センサデータ分析のモデルを作成済である第１の機械及び前記モデルを新たに作成する第２の機械のコンポーネントを示す情報、前記第１の機械の前記コンポーネントと前記第２の機械の前記コンポーネントとの対応関係を示す情報、及び前記モデルに関する情報が格納される記憶部と、
    前記記憶部に格納された各情報を用いて、前記第２の機械に類似する前記モデルから、前記第２の機械のモデル候補を複数作成し、複数の前記モデル候補の内、入力部にて選択された前記モデル候補の情報を、前記第２の機械の前記モデルとして作成するモデル作成部と、
    前記モデル候補を表示する表示部と、
    を備え、
    前記モデル作成部は、前記第２の機械の前記コンポーネントに対応する前記第１の機械の前記コンポーネントを検索し、前記第２の機械の前記コンポーネントに対応する前記第１の機械の前記コンポーネントがある場合は、この第１の機械の対応する前記コンポーネントに対応する前記モデルを前記第２の機械のモデル候補とし、前記第２の機械の前記コンポーネントに対応する前記第１の機械の前記コンポーネントがない場合は、前記第１の機械の前記コンポーネントを用いて前記第２の機械に類似する前記モデルを検索することを特徴とする、状態監視システム。
  2. 請求項１記載の状態監視システムであって、
    前記第１の機械のセンサ及び前記第２の機械のセンサのリストを検索し、前記第１の機械のセンサと前記第２の機械のセンサとの対応関係を示す情報を前記表示部に表示し、前記入力部にて入力された、前記第１の機械のセンサと前記第２の機械のセンサとの対応関係を示す情報を前記記憶部に格納する、センサマップ作成部を備えることを特徴とする、
    状態監視システム。
  3. 請求項１または請求項２記載の状態監視システムであって、
    前記第１の機械のコンポーネント及び前記第２の機械のコンポーネントのリストを検索し、前記第１の機械のコンポーネントと前記第２の機械のコンポーネントとの対応関係を示す情報を前記表示部に表示し、前記入力部にて入力された、前記第１の機械のコンポーネントと前記第２の機械のコンポーネントとの対応関係を示す情報を前記記憶部に格納する、機器マップ作成部を備えることを特徴とする、状態監視システム。
  4. 請求項１または請求項２記載の状態監視システムであって、
    前記表示部は、前記モデル作成部にて計算された、前記モデル候補の精度を表示することを特徴とする、状態監視システム。
  5. 請求項４記載の状態監視システムであって、
    前記表示部は、前記モデル候補の精度の高い順に、前記モデル候補を表示することを特徴とする、状態監視システム。
  6. 請求項１または請求項２記載の状態監視システムであって、
    前記モデルが対象の機械のコンポーネントの物理現象または挙動を数式で表現した演繹モデルである場合、前記記憶部に格納された前記モデルのパラメータの範囲に従い、前記センサデータのシミュレーションを実行し、取得されたセンサデータと前記シミュレーションの実行結果との比較結果よりパラメータを推定し、前記推定されたパラメータが正常範囲から逸脱している場合、コンポーネントを異常状態と判定する、状態監視部を備えることを特徴とする、状態監視システム。
  7. 請求項１または請求項２記載の状態監視システムであって、
    前記モデルが対象の機械のコンポーネントの物理現象または挙動を数式で表現した演繹モデルである場合、取得されたセンサデータと、前記センサデータのシミュレーションとの誤差が一定値以下になるまでパラメータを変化し、該誤差が一定値以下となった場合のパラメータが正常範囲から逸脱している場合、コンポーネントを異常状態と判定する、状態監視部を備えることを特徴とする、状態監視システム。
JP2020501946A 2018-02-23 2018-02-23 状態監視システム Active JP6945713B2 (ja)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2018/006658 WO2019163084A1 (ja) 2018-02-23 2018-02-23 状態監視システム

Publications (2)

Publication Number Publication Date
JPWO2019163084A1 JPWO2019163084A1 (ja) 2020-12-03
JP6945713B2 true JP6945713B2 (ja) 2021-10-06

Family

ID=67687157

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2020501946A Active JP6945713B2 (ja) 2018-02-23 2018-02-23 状態監視システム

Country Status (4)

Country Link
US (1) US11604447B2 (ja)
EP (1) EP3757702A4 (ja)
JP (1) JP6945713B2 (ja)
WO (1) WO2019163084A1 (ja)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3719737A1 (de) * 2019-04-03 2020-10-07 Siemens Aktiengesellschaft Computergestütztes energiemanagementverfahren und energiemanagementsystem
DE102020211196A1 (de) * 2020-09-07 2022-03-10 Aktiebolaget Skf Verfahren und System zum Detektieren von Maschinendefekten
CN114189825B (zh) * 2021-12-09 2022-10-18 苏州捷布森智能科技有限公司 基于工业互联网和智能制造的数据处理方法及系统
TW202401286A (zh) * 2022-04-18 2024-01-01 日商東京威力科創股份有限公司 狀態檢測裝置、狀態檢測方法、學習模型之產生方法及電腦程式
US20240118176A1 (en) * 2022-09-29 2024-04-11 Baker Hughes Holdings Llc Waveform training of monitoring devices
JP7371802B1 (ja) 2023-01-11 2023-10-31 富士電機株式会社 異常診断システム、異常診断装置、異常診断方法、及びプログラム

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS5874899A (ja) 1981-10-28 1983-05-06 Hitachi Ltd 可動翼ポンプの軸シ−ル装置
JP3760911B2 (ja) 2002-11-27 2006-03-29 トヨタ自動車株式会社 モデル作成方法、モデル作成プログラム及びシミュレーション装置
US20130024179A1 (en) * 2011-07-22 2013-01-24 General Electric Company Model-based approach for personalized equipment degradation forecasting
US9280617B2 (en) * 2012-11-06 2016-03-08 General Electric Company Systems and methods for improved reliability operations
US10409926B2 (en) * 2013-11-27 2019-09-10 Falkonry Inc. Learning expected operational behavior of machines from generic definitions and past behavior
JP6411769B2 (ja) * 2014-04-14 2018-10-24 株式会社日立製作所 状態監視装置
US9959158B2 (en) * 2015-10-13 2018-05-01 Honeywell International Inc. Methods and apparatus for the creation and use of reusable fault model components in fault modeling and complex system prognostics
JP6243080B1 (ja) * 2017-08-03 2017-12-06 株式会社日立パワーソリューションズ プリプロセッサおよび異常予兆診断システム

Also Published As

Publication number Publication date
US11604447B2 (en) 2023-03-14
EP3757702A1 (en) 2020-12-30
EP3757702A4 (en) 2021-09-01
WO2019163084A1 (ja) 2019-08-29
US20210055706A1 (en) 2021-02-25
JPWO2019163084A1 (ja) 2020-12-03

Similar Documents

Publication Publication Date Title
JP6945713B2 (ja) 状態監視システム
JP4832609B1 (ja) 異常予兆診断装置および異常予兆診断方法
KR101903283B1 (ko) 발전 설비의 자동 진단 시스템 및 자동 진단 방법
JP5297272B2 (ja) 装置異常監視方法及びシステム
JP2013029507A (ja) 機械をモニタリングする際に用いるシステムおよび方法
JP5901140B2 (ja) システムの高い可用性のためにセンサデータを補間する方法、コンピュータプログラム、システム。
WO2015015987A1 (ja) 軸受装置の振動解析方法、軸受装置の振動解析装置、および転がり軸受の状態監視装置
US11494252B2 (en) System and method for detecting anomalies in cyber-physical system with determined characteristics
JP7108417B2 (ja) 異常検知システム
EP2646884A1 (en) Machine anomaly detection and diagnosis incorporating operational data
US20130318018A1 (en) Neural network-based turbine monitoring system
WO2016195092A1 (ja) 異常検知装置
WO2018174262A1 (ja) 監視システム、処理装置および監視装置
JPWO2013027562A1 (ja) 運用管理装置、運用管理方法、及びプログラム
JP6989398B2 (ja) 故障診断装置、故障診断方法、および故障診断プログラム
JPWO2014091952A1 (ja) センサ監視装置、センサ監視方法、及びセンサ監視プログラム
WO2017116875A1 (en) System and method for identifying and recovering from a temporary sensor failure
EP3674946A1 (en) System and method for detecting anomalies in cyber-physical system with determined characteristics
JP2023179851A (ja) 装置状態評価システムおよび装置状態評価方法
JP2015031626A (ja) 転がり軸受の状態監視装置
JP2015518104A (ja) 過渡状態期間における発電装置の不具合の分類および検出
JP5089716B2 (ja) データ収集装置、空気調和装置、データ収集システム、データ収集方法及びプログラム
EP3385804B1 (en) Failure diagnosis apparatus, failure diagnosis method and recording medium
JP2013114687A (ja) 発電所の運転を管理するための方法及び装置
JP6710913B2 (ja) 情報提供装置、情報提供方法、及びプログラム

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20200604

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20210209

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20210317

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: 20210831

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20210914

R150 Certificate of patent or registration of utility model

Ref document number: 6945713

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150