JP6953812B2 - 異常検出装置及び異常検出システム - Google Patents
異常検出装置及び異常検出システム Download PDFInfo
- Publication number
- JP6953812B2 JP6953812B2 JP2017114889A JP2017114889A JP6953812B2 JP 6953812 B2 JP6953812 B2 JP 6953812B2 JP 2017114889 A JP2017114889 A JP 2017114889A JP 2017114889 A JP2017114889 A JP 2017114889A JP 6953812 B2 JP6953812 B2 JP 6953812B2
- Authority
- JP
- Japan
- Prior art keywords
- data
- gravity
- center
- normal
- unit
- 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
Landscapes
- Testing And Monitoring For Control Systems (AREA)
Description
装置又はプロセスについての変数を示す複数のデータであって、装置又はプロセスが正常な状態で得られる複数の正常データを入力する第1入力部と、
前記複数の正常データから、クラスタリングの対象とする前記正常データを選択して第1データ集合を決定する第1データ集合決定部と、
前記第1データ集合を所定数のクラスタにする第1クラスタリング部と、
前記クラスタごとに、それぞれの第1重心を計算する第1重心計算部と、
前記第1重心に基づいて、正常と判定する正常範囲を設定する設定部と、
診断対象となる装置又はプロセスにおける前記変数を示す複数の診断データを入力する第2入力部と、
前記複数の診断データから、クラスタリングの対象とする前記診断データを選択して第2データ集合を決定する第2データ集合決定部と、
前記第2データ集合を前記所定数の診断クラスタにする第2クラスタリング部と、
前記診断クラスタごとに、それぞれの第2重心を計算する第2重心計算部と、
前記第2重心及び前記正常範囲に基づいて診断を行う診断部と
を含む。
≪ 全体構成例 ≫
例えば、製品等を製造するプラントでは、様々なプロセスが実行され、プロセスに応じて装置が稼動する。そして、プロセスに用いられる装置には、センサが設置され、様々な変数がセンサによって、定期的又は不定期的にセンシングされる。このようなセンシングによって得られるデータに基づいて、装置又はプロセスが所定の仕様通りに正常に稼動しているか異常が発生しているかが例えば以下のような構成で判断される。
図2は、本発明の一実施形態に係る異常検出装置のハードウェア構成例を示すブロック図である。例えば、サーバ10は、CPU(Central Processing Unit)HW1と、記憶装置HW2と、入力装置HW3と、出力装置HW4と、インタフェースHW5とを有するハードウェア構成である。
図1に示す構成によって、サーバ10に集められたデータDSENは、例えば、以下のように示せる。
図4は、本発明の一実施形態に係る異常検出装置による全体処理例を示すフローチャートである。まず、サーバ10は、装置又はプロセスが所定の仕様通り稼動している状態、いわゆる正常な状態においてセンシングされたデータ(以下「正常データD1」という。)に基づいて、診断の準備となる処理(以下「オフライン処理」という。)を行う。すなわち、正常データD1は、装置又はプロセスが所定の仕様通り稼動しているのが確認された上でサンプリングされ、あらかじめ準備されるデータである。
ステップS10では、サーバ10は、例えば、以下のようなオフライン処理を行う。
ステップS101では、サーバ10は、正常データD1を入力する。以下、正常データD1が入力され、図3に示すようなデータの集まりが生成される例で説明する。また、以下の説明では、図3に示す1行が、1つの正常データであるとする。
ステップS102では、サーバ10は、データ集合を決定する。以下、後段でクラスタリングの対象とするデータの集まりを「データ集合」とし、正常データD1の集まりを「第1データ集合」という。具体的には、データ集合は、例えば、以下のような「移動窓WIN」で決定される。
Xin=[xin,1 xin,2 ・・・ xin,r]T (1)
上記(1)式では、「T」は、行列及びベクトルの転置を示し、縦ベクトルを示す。また、上記(1)式では、「r」は、列方向における変数の数を示す。
ステップS103では、サーバ10は、データ集合をクラスタリングする。具体的には、サーバ10は、「i」番目の移動窓WINに属するXin(n=1,2,・・・,N)の正常データD1をクラスタ数K、すなわち、K個のクラスタにクラスタリングする。なお、クラスタ数Kは、あらかじめ設定される所定数である。
図5に戻り、ステップS104では、サーバ10は、第1重心を計算する。まず、重心は、例えば、クラスタごとの各データが示す変数の値を平均して計算される平均値等である。なお、重心は、クラスタごとのメジアン(中央値、median)でもよい。
Xmik=(1/Nk)Σj=1・・・Nk{nk j} (2)
以上のように、クラスタリング及び重心の計算が行われると、例えば、以下のような処理結果となる。
図5に戻り、ステップS105では、サーバ10は、移動窓WINごとにある重心を対応付けする。例えば、サーバ10は、「i」番目の移動窓WINにおける重心と、「i+1」番目の移動窓WINにおける重心とを対応付けするため、以下のような処理を行う。
図5に戻り、ステップS106では、サーバ10は、正常範囲を設定する。以下、オンライン処理にて、サーバ10に正常と判定させる範囲を「正常範囲」という。例えば、以下のように、正常範囲を設定する。
図4に戻り、ステップS20では、サーバ10は、オンライン処理を行う。すなわち、あらかじめ行われるオフライン処理が行われた後、装置又はプロセスが稼動して診断対象となるデータ(以下「診断データ」という。)が送られてくると、サーバ10は、オンライン処理を行う。オンライン処理は、例えば、以下のような処理である。
ステップS201では、サーバ10は、診断データD2を入力する。すなわち、装置又はプロセスが稼動中に所定の変数がセンシングされた結果を示すデータが、サーバ10に入力される。この時点では、装置又はプロセスが異常であるか正常であるか不明であるため、診断データに基づいて、装置又はプロセスが診断される。
図11に戻り、ステップS202では、サーバ10は、重心が正常範囲の範囲内か否かを判断する。すなわち、オフライン処理にて設定される正常範囲に、オンライン処理におけるステップS102乃至ステップS104で計算される各重心が含まれるか否かを判断する。
ステップS203では、サーバ10は、正常と診断する。
ステップS204では、サーバ10は、異常と診断する。
図15は、比較例におけるクラスタリング及び重心の計算の一例を示す図である。図示する比較例は、各移動窓「i」、「i+1」及び「i+2」において、ランダムな初期値を設定し、k−means法によりクラスタリングが行われる例である。
なお、サーバ10は、例えば、以下のような表示画面を出力するのが望ましい。
図20は、比較例におけるトレンドグラフを示す図である。圧力及び温度を監視するためのトレンドグラフGR1は、例えば、図示するようなグラフである。
第2実施形態は、例えば、第1実施形態と同様の全体構成及びハードウェア構成によって実現できる。以下、第1実施形態と同様の全体構成及びハードウェア構成である場合を例に説明する。したがって、以下の説明では、同一の構成には、第1実施形態と同一の符号を付し、説明を省略する。
ステップS301では、サーバ10は、固有値及び固有ベクトルを計算する。例えば、ステップS301では、クラスタごとに、それぞれの固有値及びそれぞれの固有ベクトルを計算し、移動窓WINを移動させる。すなわち、i=1、2、・・・と、それぞれの移動窓WINにおいて、各クラスタのそれぞれの固有値及びそれぞれの固有ベクトルを計算する。
ステップS302では、サーバ10は、平均固有値及び平均固有ベクトルを計算する。すなわち、ステップS301で移動窓WINごとに計算される固有値を平均してクラスタごとに平均固有値を計算する。同様に、ステップS301で移動窓ごとに計算される固有ベクトルを平均してクラスタごとに平均固有ベクトルを計算する。
ステップS303では、サーバ10は、平均固有値及び平均固有ベクトルとの距離を計算する。すなわち、ステップS303では、サーバ10は、ステップS302で計算される平均固有値及び平均固有ベクトルと、ステップS301で計算される固有値及び固有ベクトルとの距離を計算する。なお、距離は、ユークリッド距離等である。
ステップS304では、サーバ10は、閾値を設定する。例えば、ステップS303で計算される距離のうち、値の大きい距離を閾値に採用する。
ステップS401では、サーバ10は、平均固有値及び平均固有ベクトルとの距離を計算する。例えば、ステップS303と同様に距離を計算する。
ステップS402では、サーバ10は、平均固有値及び平均固有ベクトルとの距離が閾値以下か否かを判断する。すなわち、ステップS401で計算される距離が、オフライン処理で設定される閾値以下であるか否かを判断する。
以下、シミュレーションにより発生させたデータに対して全体処理を行った実験結果を示す。まず、オフライン処理に用いたデータ及びオフライン処理による処理結果は、以下のようになった。
図37は、本発明の一実施形態に係る異常検出装置の機能構成例を示す機能ブロック図である。図示するように、サーバ10は、第1入力部FN1と、第1データ集合決定部FN2と、第1クラスタリング部FN3と、第1重心計算部FN4と、設定部FN5と、第2入力部FN6と、第2データ集合決定部FN7と、第2クラスタリング部FN8と、第2重心計算部FN9と、診断部FN10とを含む機能構成である。また、サーバ10は、図示するように、表示部FN11を更に含む機能構成であるのが望ましい。
なお、本発明に係る各処理の全部又は一部は、アセンブラ等の低水準言語又はオブジェクト指向言語等の高水準言語で記述され、コンピュータに異常検出方法を実行させるためのプログラムによって実現されてもよい。すなわち、プログラムは、異常検出装置等の情報処理装置又は1以上の情報処理装置を含む異常検出システム等のコンピュータに各処理を実行させるためのコンピュータプログラムである。
D1 正常データ
D2 診断データ
FN1 第1入力部
FN2 第1データ集合決定部
FN3 第1クラスタリング部
FN4 第1重心計算部
FN5 設定部
FN6 第2入力部
FN7 第2データ集合決定部
FN8 第2クラスタリング部
FN9 第2重心計算部
FN10 診断部
FN11 表示部
Claims (8)
- 装置又はプロセスについての変数を示す複数のデータであって、装置又はプロセスが正常な状態で得られる複数の正常データを入力する第1入力部と、
前記複数の正常データから、クラスタリングの対象とする前記正常データを選択して第1データ集合を決定する第1データ集合決定部と、
前記第1データ集合を所定数のクラスタにする第1クラスタリング部と、
前記クラスタごとに、それぞれの第1重心を計算する第1重心計算部と、
前記第1重心に基づいて、正常と判定する正常範囲を設定する設定部と、
診断対象となる装置又はプロセスにおける前記変数を示す複数の診断データを入力する第2入力部と、
前記複数の診断データから、クラスタリングの対象とする前記診断データを選択して第2データ集合を決定する第2データ集合決定部と、
前記第2データ集合を前記所定数の診断クラスタにする第2クラスタリング部と、
前記診断クラスタごとに、それぞれの第2重心を計算する第2重心計算部と、
前記第2重心及び前記正常範囲に基づいて診断を行う診断部と
を含む異常検出装置。 - 前記第1データ集合決定部は、前記正常データを移動窓によって選択し、
前記第2データ集合決定部は、前記診断データを移動窓によって選択する請求項1に記載の異常検出装置。 - 前記第1クラスタリング部及び前記第2クラスタリング部は、k−means法によってデータ集合をクラスタリングする請求項1又は2に記載の異常検出装置。
- 異なるデータ集合で初期値が共通した値である請求項3に記載の異常検出装置。
- 前記第2重心の軌跡及び前記正常範囲を表示する表示部を更に含む請求項1乃至4のいずれか1項に記載の異常検出装置。
- 前記設定部は、前記第1データ集合ごとの前記第1重心を対応付けして前記正常範囲を設定する請求項1乃至5のいずれか1項に記載の異常検出装置。
- 装置又はプロセスについての変数を示す複数のデータであって、装置又はプロセスが正常な状態で得られる複数の正常データを入力する第1入力部と、
前記複数の正常データから、クラスタリングの対象とする前記正常データを選択して第1データ集合を決定する第1データ集合決定部と、
前記第1データ集合を所定数のクラスタにする第1クラスタリング部と、
診断対象となる装置又はプロセスにおける前記変数を示す複数の診断データを入力する第2入力部と、
前記複数の診断データから、クラスタリングの対象とする前記診断データを選択して第2データ集合を決定する第2データ集合決定部と、
前記第2データ集合を前記所定数の診断クラスタにする第2クラスタリング部と、
前記クラスタごとに、平均固有値及び平均固有ベクトルを計算し、
前記平均固有値及び前記平均固有ベクトルに基づく閾値を設定し、
前記診断クラスタごとに、固有値及び固有ベクトルを計算し、
前記固有値、前記固有ベクトル及び前記閾値に基づいて診断を行う診断部と
を含む異常検出装置。 - 1以上の情報処理装置を含む異常検出システムであって、
装置又はプロセスについての変数を示す複数のデータであって、装置又はプロセスが正常な状態で得られる複数の正常データを入力する第1入力部と、
前記複数の正常データから、クラスタリングの対象とする前記正常データを選択して第1データ集合を決定する第1データ集合決定部と、
前記第1データ集合を所定数のクラスタにする第1クラスタリング部と、
前記クラスタごとに、それぞれの第1重心を計算する第1重心計算部と、
前記第1重心に基づいて、正常と判定する正常範囲を設定する設定部と、
診断対象となる装置又はプロセスにおける前記変数を示す複数の診断データを入力する第2入力部と、
前記複数の診断データから、クラスタリングの対象とする前記診断データを選択して第2データ集合を決定する第2データ集合決定部と、
前記第2データ集合を前記所定数の診断クラスタにする第2クラスタリング部と、
前記診断クラスタごとに、それぞれの第2重心を計算する第2重心計算部と、
前記第2重心及び前記正常範囲に基づいて診断を行う診断部と
を含む異常検出システム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017114889A JP6953812B2 (ja) | 2017-06-12 | 2017-06-12 | 異常検出装置及び異常検出システム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017114889A JP6953812B2 (ja) | 2017-06-12 | 2017-06-12 | 異常検出装置及び異常検出システム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2019003238A JP2019003238A (ja) | 2019-01-10 |
JP6953812B2 true JP6953812B2 (ja) | 2021-10-27 |
Family
ID=65007997
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2017114889A Active JP6953812B2 (ja) | 2017-06-12 | 2017-06-12 | 異常検出装置及び異常検出システム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6953812B2 (ja) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7010861B2 (ja) * | 2019-02-07 | 2022-01-26 | ファナック株式会社 | 状態判定装置及び状態判定方法 |
JP7164060B1 (ja) | 2022-02-22 | 2022-11-01 | 富士電機株式会社 | 情報処理装置、情報処理方法及び情報処理プログラム |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070088550A1 (en) * | 2005-10-13 | 2007-04-19 | Dimitar Filev | Method for predictive maintenance of a machine |
JP5301310B2 (ja) * | 2009-02-17 | 2013-09-25 | 株式会社日立製作所 | 異常検知方法及び異常検知システム |
JP5498540B2 (ja) * | 2012-07-19 | 2014-05-21 | 株式会社日立製作所 | 異常検知方法及びシステム |
JP5684941B1 (ja) * | 2014-07-31 | 2015-03-18 | 株式会社日立パワーソリューションズ | 異常予兆診断装置及び異常予兆診断方法 |
US10956251B2 (en) * | 2015-10-09 | 2021-03-23 | Hitachi, Ltd. | Abnormality detection device |
-
2017
- 2017-06-12 JP JP2017114889A patent/JP6953812B2/ja active Active
Also Published As
Publication number | Publication date |
---|---|
JP2019003238A (ja) | 2019-01-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6810097B2 (ja) | 異常検出器 | |
JP5539382B2 (ja) | 航空エンジン内の故障の識別 | |
JP6361175B2 (ja) | 異常診断装置及びプログラム | |
JP4850857B2 (ja) | 予測状態監視における変化状態の適応モデリング | |
JP4046309B2 (ja) | プラント監視装置 | |
CN116756595B (zh) | 一种导电滑环故障数据采集监测方法 | |
WO2016147657A1 (ja) | 情報処理装置、情報処理方法、及び、記録媒体 | |
JP6609689B2 (ja) | 異常診断システム | |
JP6953812B2 (ja) | 異常検出装置及び異常検出システム | |
CN106354125A (zh) | 一种利用分块pca检测化工过程故障的方法 | |
CN104503436B (zh) | 一种基于随机投影和k近邻的快速故障检测方法 | |
TWI788050B (zh) | 異常診斷模型的建構方法、異常診斷方法、異常診斷模型的建構裝置及異常診斷裝置 | |
JP6765769B2 (ja) | 状態変動検出装置及び状態変動検出用プログラム | |
CN116502119A (zh) | 一种结构健康监测系统的传感器故障检测方法和装置 | |
TWI639908B (zh) | 製程偵錯與診斷方法 | |
JP7439467B2 (ja) | 情報処理装置、情報処理システム、モデルの学習方法 | |
JP7396361B2 (ja) | 異常判定装置及び異常判定方法 | |
WO2020183781A1 (ja) | 異常診断装置 | |
JP2020091669A (ja) | 状態変化検出システム | |
US20180107202A1 (en) | System and method for detecting fault events | |
JP7180676B2 (ja) | プロセス状態監視装置及びプロセス状態監視方法 | |
CN114112374B (zh) | 一种基于正交子块投影的武器装备系统的故障诊断方法 | |
CN118395222B (zh) | 一种用于变压器的异常监控方法及系统 | |
JP7449248B2 (ja) | 支援装置、支援方法及び支援プログラム | |
JP7259497B2 (ja) | 情報処理装置、情報処理方法、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: 20200514 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20210302 |
|
A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210405 |
|
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: 20210913 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6953812 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |