JP7128232B2 - 要因分析装置および要因分析方法 - Google Patents
要因分析装置および要因分析方法 Download PDFInfo
- Publication number
- JP7128232B2 JP7128232B2 JP2020101653A JP2020101653A JP7128232B2 JP 7128232 B2 JP7128232 B2 JP 7128232B2 JP 2020101653 A JP2020101653 A JP 2020101653A JP 2020101653 A JP2020101653 A JP 2020101653A JP 7128232 B2 JP7128232 B2 JP 7128232B2
- Authority
- JP
- Japan
- Prior art keywords
- sample
- abnormality
- distance
- measurement point
- degree
- 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
n次元データ(nは2以上の整数)で表される特定の第1測定点の集合に基づいて、新たに入力されるn次元データで表される第2測定点の異常度を算出する算出部と、
上記算出部により算出された上記第2測定点の異常度が所定のしきい値以上か否かを判定する判定部と、
n次元空間において、上記判定部により上記異常度が上記所定のしきい値以上と判定された上記第2測定点のベクトルと、上記第1測定点の集合における上記第2測定点からk‐近傍の第1測定点のベクトルとの差分ベクトルに基づいて、上記差分ベクトルの各要素のうち最も大きな値を示す要素を当該測定点の異常の要因とする分析部と
を備え、
上記算出部は、上記第2測定点を標本pとし、上記第1測定点の集合における上記第2測定点からk‐近傍の第1測定点を標本0とするとき、以下の(式1)により算出されたLOFk(p)を上記異常度とすることを特徴とする。
│Nk(p)│ : 標本pのk‐近傍の集合Nk(p)内の標本の数
lrdk(0) : 標本0の局所到達可能性密度
lrdk(p) : 標本pの局所到達可能性密度
reach‐distk(p,0) : 標本pの標本0からの到達可能性距離
ここで、標本0のk番目の近傍までの距離(k‐近傍距離)をk‐distance(0)、標本pと標本0との間の距離をd(p,0)とするとき、reach‐distk(p,0)は、次式により算出され、
予め特定のn次元データを学習データとして用いて学習することにより上記n次元データで表される特定の第1測定点の集合を得る機械学習部を備える。
n次元データ(nは2以上の整数)で表される特定の第1測定点の集合に基づいて、新たに入力されるn次元データで表される第2測定点の異常度を算出部により算出する第1ステップと、
上記第1ステップで上記算出部により算出された上記第2測定点の異常度が所定のしきい値以上か否かを判定部により判定する第2ステップと、
n次元空間において、上記第2ステップで上記判定部により上記異常度が上記所定のしきい値以上と判定された上記第2測定点のベクトルと、上記第1測定点の集合における上記第2測定点からk‐近傍の第1測定点のベクトルとの差分ベクトルに基づいて、分析部により上記差分ベクトルの各要素のうち最も大きな値を示す要素を当該測定点の異常の要因とする第3ステップと
を有し、
上記算出部は、上記第2測定点を標本pとし、上記第1測定点の集合における上記第2測定点からk‐近傍の第1測定点を標本0とするとき、以下の(式1)により算出されたLOFk(p)を上記異常度とすることを特徴とする。
│Nk(p)│ : 標本pのk‐近傍の集合Nk(p)内の標本の数
lrdk(0) : 標本0の局所到達可能性密度
lrdk(p) : 標本pの局所到達可能性密度
reach‐distk(p,0) : 標本pの標本0からの到達可能性距離
ここで、標本0のk番目の近傍までの距離(k‐近傍距離)をk‐distance(0)、標本pと標本0との間の距離をd(p,0)とするとき、reach‐distk(p,0)は、次式により算出され、
この要因分析装置10では、非特許文献1(Markus M. Breunig, Hans-Peter Kriegel, Raymond T. Ng and Jorg Sander, "LOF: Identifying Density-Based Local Outliers," in Proc. ACM SIGMOD, 2000, pp. 93-104.)に示されたLOF(local outlier factor:局所外れ値因子法)により異常度を算出する。この実施の形態では、例として異常度を算出する近傍の標本の数kを3とする。
異常度判定部10cは、異常度算出部10bにより算出された標本pの異常度LOFk(p)が所定のしきい値a以上か否かを判定する。ここで、しきい値aは1以上の値であって、故障時のデータに基づいてしきい値を設定する(例えば1.5)。
次に、要因分析部10dは、n次元空間において、標本pの異常度LOFk(p)が所定のしきい値a以上と判定された標本pのベクトルと、正常運転時のn次元データ群(第1測定点の集合)において標本pからk‐近傍のうちの任意の第1測定点である標本0のベクトルとの差分ベクトル(図4に示す)に基づいて、当該差分ベクトルの各要素のうち最も大きな値を示す要素を標本pの異常の要因とする。
10a…学習モデル部
10b…異常度算出部
10c…判定異常度判定部
10d…要因分析部
Claims (3)
- n次元データ(nは2以上の整数)で表される特定の第1測定点の集合に基づいて、新たに入力されるn次元データで表される第2測定点の異常度を算出する算出部と、
上記算出部により算出された上記第2測定点の異常度が所定のしきい値以上か否かを判定する判定部と、
n次元空間において、上記判定部により上記異常度が上記所定のしきい値以上と判定された上記第2測定点のベクトルと、上記第1測定点の集合における上記第2測定点からk‐近傍の任意の第1測定点のベクトルとの差分ベクトルに基づいて、上記差分ベクトルの各要素のうち最も大きな値を示す要素を当該測定点の異常の要因とする分析部と
を備え、
上記特定の第1測定点の集合は、予め得られた正常なn次元データ群であり、
上記算出部は、上記第2測定点を標本pとし、上記第1測定点の集合における上記第2測定点からk‐近傍の第1測定点を標本0とするとき、以下の(式1)により算出されたLOFk(p)を上記異常度とすることを特徴とする要因分析装置。
│Nk(p)│ : 標本pのk‐近傍の集合Nk(p)内の標本の数
lrdk(0) : 標本0の局所到達可能性密度
lrdk(p) : 標本pの局所到達可能性密度
reach‐distk(p,0) : 標本pの標本0からの到達可能性距離
ここで、標本0のk番目の近傍までの距離(k‐近傍距離)をk‐distance(0)、標本pと標本0との間の距離をd(p,0)とするとき、reach‐distk(p,0)は、次式により算出され、
- 請求項1に記載された要因分析装置において、
予め特定のn次元データを学習データとして用いて学習することにより上記n次元データで表される特定の第1測定点の集合を得る機械学習部を備えることを特徴とする要因分析装置。 - n次元データ(nは2以上の整数)で表される特定の第1測定点の集合に基づいて、新たに入力されるn次元データで表される第2測定点の異常度を算出部により算出する第1ステップと、
上記第1ステップで上記算出部により算出された上記第2測定点の異常度が所定のしきい値以上か否かを判定部により判定する第2ステップと、
n次元空間において、上記第2ステップで上記判定部により上記異常度が上記所定のしきい値以上と判定された上記第2測定点のベクトルと、上記第1測定点の集合における上記第2測定点からk‐近傍の任意の第1測定点のベクトルとの差分ベクトルに基づいて、分析部により上記差分ベクトルの各要素のうち最も大きな値を示す要素を当該測定点の異常の要因とする第3ステップと
を有し、
上記特定の第1測定点の集合は、予め得られた正常なn次元データ群であり、
上記算出部は、上記第2測定点を標本pとし、上記第1測定点の集合における上記第2測定点からk‐近傍の第1測定点を標本0とするとき、以下の(式1)により算出されたLOFk(p)を上記異常度とすることを特徴とする要因分析方法。
│Nk(p)│ : 標本pのk‐近傍の集合Nk(p)内の標本の数
lrdk(0) : 標本0の局所到達可能性密度
lrdk(p) : 標本pの局所到達可能性密度
reach‐distk(p,0) : 標本pの標本0からの到達可能性距離
ここで、標本0のk番目の近傍までの距離(k‐近傍距離)をk‐distance(0)、標本pと標本0との間の距離をd(p,0)とするとき、reach‐distk(p,0)は、次式により算出され、
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020101653A JP7128232B2 (ja) | 2020-06-11 | 2020-06-11 | 要因分析装置および要因分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020101653A JP7128232B2 (ja) | 2020-06-11 | 2020-06-11 | 要因分析装置および要因分析方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2021196747A JP2021196747A (ja) | 2021-12-27 |
JP7128232B2 true JP7128232B2 (ja) | 2022-08-30 |
Family
ID=79195553
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020101653A Active JP7128232B2 (ja) | 2020-06-11 | 2020-06-11 | 要因分析装置および要因分析方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7128232B2 (ja) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023175933A1 (ja) * | 2022-03-18 | 2023-09-21 | 日本電気株式会社 | 異常判定装置、異常検知装置、異常判定方法および異常判定プログラム |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2018116545A (ja) | 2017-01-19 | 2018-07-26 | オムロン株式会社 | 予測モデル作成装置、生産設備監視システム、及び生産設備監視方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6792439B2 (ja) * | 2016-12-19 | 2020-11-25 | 新光電気工業株式会社 | キャップ部材及びその製造方法と発光装置 |
-
2020
- 2020-06-11 JP JP2020101653A patent/JP7128232B2/ja active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2018116545A (ja) | 2017-01-19 | 2018-07-26 | オムロン株式会社 | 予測モデル作成装置、生産設備監視システム、及び生産設備監視方法 |
Also Published As
Publication number | Publication date |
---|---|
JP2021196747A (ja) | 2021-12-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Schlegel et al. | Towards a rigorous evaluation of XAI methods on time series | |
US10719774B2 (en) | Method and system for health monitoring and fault signature identification | |
EP3191905B1 (en) | Gas turbine failure prediction utilizing supervised learning methodologies | |
JP6141235B2 (ja) | 時系列データにおける異常を検出する方法 | |
WO2020090770A1 (ja) | 異常検出装置、異常検出方法、およびプログラム | |
US20130024415A1 (en) | Monitoring Method Using Kernel Regression Modeling With Pattern Sequences | |
JP5116307B2 (ja) | 集積回路装置異常検出装置、方法およびプログラム | |
WO2015045319A1 (ja) | 情報処理装置、及び、分析方法 | |
JP2015230727A (ja) | 時系列データ内の異常を検出する方法 | |
US7844558B2 (en) | Incremental learning of nonlinear regression networks for machine condition monitoring | |
JP6183450B2 (ja) | システム分析装置、及び、システム分析方法 | |
CN107710089B (zh) | 工厂设备诊断装置以及工厂设备诊断方法 | |
JP2010122912A (ja) | 異常判定装置、方法、及びプログラム | |
JP6737277B2 (ja) | 製造プロセス分析装置、製造プロセス分析方法、及び、製造プロセス分析プログラム | |
JP6183449B2 (ja) | システム分析装置、及び、システム分析方法 | |
CN108268689A (zh) | 加热元件的状态诊断与评估方法及其应用 | |
JP2016151909A (ja) | 異常診断方法及び異常診断システム | |
JP7127305B2 (ja) | 情報処理装置、情報処理方法、プログラム | |
JP2018163622A (ja) | 製造不良原因の探索支援方法及び情報処理装置 | |
KR20200005202A (ko) | 기계 학습 기반의 설비 이상 탐지 시스템 및 방법 | |
Dervilis et al. | Robust methods for outlier detection and regression for SHM applications | |
JP7128232B2 (ja) | 要因分析装置および要因分析方法 | |
Manservigi et al. | Development and validation of a general and robust methodology for the detection and classification of gas turbine sensor faults | |
CN117708738A (zh) | 基于多模态变量相关性的传感器时序异常检测方法及系统 | |
CN113515450A (zh) | 一种环境异常检测方法和系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20200611 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20211005 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20211130 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220405 |
|
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: 20220809 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20220818 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7128232 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |