JP7068246B2 - 異常判定装置、および、異常判定方法 - Google Patents
異常判定装置、および、異常判定方法 Download PDFInfo
- Publication number
- JP7068246B2 JP7068246B2 JP2019153993A JP2019153993A JP7068246B2 JP 7068246 B2 JP7068246 B2 JP 7068246B2 JP 2019153993 A JP2019153993 A JP 2019153993A JP 2019153993 A JP2019153993 A JP 2019153993A JP 7068246 B2 JP7068246 B2 JP 7068246B2
- Authority
- JP
- Japan
- Prior art keywords
- data
- model
- output
- input
- plant
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/04—Inference or reasoning models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/088—Non-supervised learning, e.g. competitive learning
-
- 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
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/02—Knowledge representation; Symbolic representation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/04—Inference or reasoning models
- G06N5/042—Backward inferencing
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Software Systems (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Biomedical Technology (AREA)
- Molecular Biology (AREA)
- General Health & Medical Sciences (AREA)
- Biophysics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Automation & Control Theory (AREA)
- Testing And Monitoring For Control Systems (AREA)
Description
(1)一般に、予測誤差を入力とした複数のセンサ間の相関モデルの出力値からは、センサ間の相関を考慮した高精度予測値を直接得ることができない。
(2)プラントは様々な系統および機器で構成された複雑なシステムであり、正常状態においても、プラントの内部状態は複雑に変化する。例えば、各系統および各機器の運転条件は、しばしばステップ状に変化する。その結果、対応するセンサのセンサデータの値(センサ値)等のプラントデータは急激に変化する。回帰モデルを用いた場合、予測値(時刻t)は、過去のデータ(時刻t-1,t-2,・・・)から算出される。このため、時刻(t-1)以前では前兆のない急激な変化の判定が困難となる。
(3)複数のセンサを接続した計測器および電源などに起因した、プラント運転状態とは無相関な微小な電気ノイズ信号がセンサ値に重畳している場合、単一の機械学習モデルでは、しばしば誤った学習を実行し、微小信号に対して恒等写像的な応答を示すようになる。その結果、微小な電気ノイズ信号は予測されるが、異常信号も正常状態として予測され、異常が検知できなくなる。また、電気ノイズ自体は、時間相関がなくランダムに発生する事象であるので、回帰モデルでは予測できない。
上記のように、入力データは、プラントから得られるプラントデータなどである。プラントデータのような時系列データを入力データとする場合、ある一時刻の時系列データを入力データとしてもよいし、指定された期間(指定期間)内の複数の時刻の時系列データを入力データとしてもよい。以下では、指定期間内の複数の時系列データを入力データとする例について説明する。なお、1つの時刻の時系列データがm次元であり、指定期間内の時刻の個数がnとすると、指定期間内の複数の時系列データに相当する入力データの次元は、m×n次元となる。
101 取得部
102a、102b 学習部
103 復元部
104 作成部
105a、105b 推論部
106 判定部
107 出力制御部
121 記憶部
122 表示部
Claims (9)
- 第1入力データを第1モデルに入力し、前記第1入力データの次元を削減したデータを前記第1入力データと同じ次元のデータに復元したデータであって前記第1モデルが出力する第1出力データを得る第1推論部と、
前記第1入力データと前記第1出力データとの差分である第2入力データを第2モデルに入力し、前記第2入力データの次元を削減したデータを前記第2入力データと同じ次元のデータに復元したデータであって前記第2モデルが出力する第2出力データを得る第2推論部と、
前記第1出力データと前記第2出力データとの和である復元データを求める復元部と、
前記第1入力データと、前記復元データとを比較し、比較結果に基づいて前記第1入力データの異常を判定する判定部と、を備え、
前記第1入力データは、プラントから出力される複数の種類のプラントデータであり、
前記次元は、前記種類の個数である、
異常判定装置。 - 前記第1入力データは、指定された期間内の複数の時系列データである、
請求項1に記載の異常判定装置。 - 前記第1入力データは、プラントに対する指令値である、
請求項1に記載の異常判定装置。 - 前記第1入力データは、プラントで用いられるセンサから出力されるセンサデータ、前記センサデータを用いた演算により得られる演算値、および、前記プラントに対する指令値のうち少なくとも1つである、
請求項1に記載の異常判定装置。 - 前記第1モデルおよび前記第2モデルは、オートエンコーダである、
請求項1に記載の異常判定装置。 - 正常な前記第1入力データを用いて前記第1モデルを学習する第1学習部と、
正常な前記第1入力データと、正常な前記第1入力データに対して前記第1モデルが出力した前記第1出力データと、の差分である前記第2入力データを用いて、前記第2モデルを学習する第2学習部と、をさらに備える、
請求項1に記載の異常判定装置。 - 前記判定部による判定結果の出力を制御する出力制御部をさらに備える、
請求項1に記載の異常判定装置。 - 前記第1モデルは、第1時刻のデータである前記第1入力データを入力し、前記第1時刻のデータを復元したデータである前記第1出力データを出力するモデルである、
請求項1に記載の異常判定装置。 - 第1入力データを第1モデルに入力し、前記第1入力データの次元を削減したデータを前記第1入力データと同じ次元のデータに復元したデータであって前記第1モデルが出力する第1出力データを得る第1推論ステップと、
前記第1入力データと前記第1出力データとの差分である第2入力データを第2モデルに入力し、前記第2入力データの次元を削減したデータを前記第2入力データと同じ次元のデータに復元したデータであって前記第2モデルが出力する第2出力データを得る第2推論ステップと、
前記第1出力データと前記第2出力データとの和である復元データを求める復元ステップと、
前記第1入力データと、前記復元データとを比較し、比較結果に基づいて前記第1入力データの異常を判定する判定ステップと、を含み、
前記第1入力データは、プラントから出力される複数の種類のプラントデータであり、
前記次元は、前記種類の個数である、
異常判定方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019153993A JP7068246B2 (ja) | 2019-08-26 | 2019-08-26 | 異常判定装置、および、異常判定方法 |
US16/788,355 US11526783B2 (en) | 2019-08-26 | 2020-02-12 | Abnormality determination device, learning device, and abnormality determination method |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019153993A JP7068246B2 (ja) | 2019-08-26 | 2019-08-26 | 異常判定装置、および、異常判定方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2021033705A JP2021033705A (ja) | 2021-03-01 |
JP7068246B2 true JP7068246B2 (ja) | 2022-05-16 |
Family
ID=74676609
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019153993A Active JP7068246B2 (ja) | 2019-08-26 | 2019-08-26 | 異常判定装置、および、異常判定方法 |
Country Status (2)
Country | Link |
---|---|
US (1) | US11526783B2 (ja) |
JP (1) | JP7068246B2 (ja) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2021179740A (ja) | 2020-05-12 | 2021-11-18 | 株式会社東芝 | 監視装置、監視方法、プログラムおよびモデル訓練装置 |
JP2022074890A (ja) * | 2020-11-05 | 2022-05-18 | 株式会社東芝 | 異常判定装置、学習装置及び異常判定方法 |
US20220342408A1 (en) * | 2021-04-26 | 2022-10-27 | Rockwell Automation Technologies, Inc. | Using sensor data and operational data of an industrial process to identify problems |
KR102438189B1 (ko) | 2021-06-14 | 2022-08-30 | 주식회사 마키나락스 | 비정상 데이터 검출 방법 및 장치 |
JP7357659B2 (ja) * | 2021-06-30 | 2023-10-06 | 本田技研工業株式会社 | データ異常判定装置及び内部状態予測システム |
JP2023042945A (ja) | 2021-09-15 | 2023-03-28 | 株式会社東芝 | 監視装置、方法およびプログラム |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016132468A1 (ja) | 2015-02-18 | 2016-08-25 | 株式会社日立製作所 | データ評価方法および装置、故障診断方法および装置 |
WO2017094267A1 (ja) | 2015-12-01 | 2017-06-08 | 株式会社Preferred Networks | 異常検出システム、異常検出方法、異常検出プログラム及び学習済モデル生成方法 |
JP2018112852A (ja) | 2017-01-11 | 2018-07-19 | 安川情報システム株式会社 | 故障予知方法、故障予知装置および故障予知プログラム |
JP2019091236A (ja) | 2017-11-14 | 2019-06-13 | 富士通株式会社 | 特徴抽出装置、特徴抽出プログラム、および特徴抽出方法 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS5530019B2 (ja) * | 1972-02-07 | 1980-08-07 | ||
JP4046309B2 (ja) | 1999-03-12 | 2008-02-13 | 株式会社東芝 | プラント監視装置 |
JP2008304970A (ja) * | 2007-06-05 | 2008-12-18 | Sony Corp | 制御装置および方法、並びにプログラム |
US8744124B2 (en) * | 2009-04-01 | 2014-06-03 | Curtin University Of Technology | Systems and methods for detecting anomalies from data |
JP5530019B1 (ja) * | 2013-11-01 | 2014-06-25 | 株式会社日立パワーソリューションズ | 異常予兆検知システム及び異常予兆検知方法 |
WO2015110873A1 (en) * | 2014-01-23 | 2015-07-30 | Concurix Corporation | Computer performance prediction using search technologies |
JP2019100687A (ja) * | 2017-12-08 | 2019-06-24 | パナソニックIpマネジメント株式会社 | 空調制御方法及び空調制御装置 |
CN108520080B (zh) * | 2018-05-11 | 2020-05-05 | 武汉理工大学 | 船舶柴油发电机故障预测与健康状态在线评估系统及方法 |
JP2020022145A (ja) * | 2018-08-03 | 2020-02-06 | 日本放送協会 | 符号化装置、復号装置、学習装置及びプログラム |
-
2019
- 2019-08-26 JP JP2019153993A patent/JP7068246B2/ja active Active
-
2020
- 2020-02-12 US US16/788,355 patent/US11526783B2/en active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016132468A1 (ja) | 2015-02-18 | 2016-08-25 | 株式会社日立製作所 | データ評価方法および装置、故障診断方法および装置 |
WO2017094267A1 (ja) | 2015-12-01 | 2017-06-08 | 株式会社Preferred Networks | 異常検出システム、異常検出方法、異常検出プログラム及び学習済モデル生成方法 |
JP2018112852A (ja) | 2017-01-11 | 2018-07-19 | 安川情報システム株式会社 | 故障予知方法、故障予知装置および故障予知プログラム |
JP2019091236A (ja) | 2017-11-14 | 2019-06-13 | 富士通株式会社 | 特徴抽出装置、特徴抽出プログラム、および特徴抽出方法 |
Also Published As
Publication number | Publication date |
---|---|
US11526783B2 (en) | 2022-12-13 |
US20210065023A1 (en) | 2021-03-04 |
JP2021033705A (ja) | 2021-03-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7068246B2 (ja) | 異常判定装置、および、異常判定方法 | |
JP5306902B2 (ja) | 資産システムの高性能条件監視のためのシステムおよび方法 | |
US7421351B2 (en) | Monitoring and fault detection in dynamic systems | |
US11657121B2 (en) | Abnormality detection device, abnormality detection method and computer readable medium | |
US20080167842A1 (en) | Method and system for detecting, analyzing and subsequently recognizing abnormal events | |
JP2021528745A (ja) | アプリケーション情報に関連する時系列ズデータに関する深層学習を使用した異常検出 | |
CN111459700A (zh) | 设备故障的诊断方法、诊断装置、诊断设备及存储介质 | |
JP2012150820A (ja) | 予測的状態監視のための診断システムおよび方法 | |
US20220137611A1 (en) | Abnormality determination apparatus, learning apparatus and abnormality determination method | |
KR20190025474A (ko) | 플랜트 데이터 예측 장치 및 방법 | |
EP3866177A1 (en) | Abnormal driving state determination device and method using neural network model | |
KR20200005206A (ko) | 기계 학습 기반의 설비 이상 분류 시스템 및 방법 | |
KR20200005202A (ko) | 기계 학습 기반의 설비 이상 탐지 시스템 및 방법 | |
Zhang et al. | Selecting optimal features for cross-fleet analysis and fault diagnosis of industrial gas turbines | |
KR20200010671A (ko) | 기계 학습 기반의 설비 이상 진단 시스템 및 방법 | |
CN111061581B (zh) | 一种故障检测方法、装置及设备 | |
JP2022114330A (ja) | 異常検知システム、異常検知方法及び異常検知プログラム | |
US11320813B2 (en) | Industrial asset temporal anomaly detection with fault variable ranking | |
JPWO2020148904A1 (ja) | 異常検知装置、異常検知システム及び学習装置、並びに、これらの方法及びプログラム | |
JP2018116687A (ja) | 異常原因特定方法および異常原因特定装置 | |
Alaoui-Belghiti et al. | Unsupervised anomaly detection using optimal transport for predictive maintenance | |
Maleki et al. | A one-class clustering technique for novelty detection and isolation in sensor networks | |
CN113627088B (zh) | 基于基因编程和数据融合的机器性能退化评估方法及系统 | |
RU2793797C2 (ru) | Интеллектуальное аудиоаналитическое устройство и способ для космического аппарата | |
KR102212022B1 (ko) | 양수 수차의 건전성 자동 판정 방법 및 이를 위한 시스템 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210312 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20211222 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220104 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220303 |
|
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: 20220405 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20220428 |
|
R151 | Written notification of patent or utility model registration |
Ref document number: 7068246 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |