JP7175752B2

JP7175752B2 - 機械設備の診断方法及び機械設備の診断装置

Info

Publication number: JP7175752B2
Application number: JP2018245240A
Authority: JP
Inventors: 一登小松; 雅寛川畑; 啓行川勝; 正洋西川; 慎一郎荒木
Original assignee: Kubota Corp
Current assignee: Kubota Corp
Priority date: 2018-12-27
Filing date: 2018-12-27
Publication date: 2022-11-21
Anticipated expiration: 2038-12-27
Also published as: JP2020107072A; CN111537205A

Description

本発明は、機械設備の診断方法及び機械設備の診断装置に関し、特に水中ポンプのような回転機器の診断に好適な機械設備の診断方法及び機械設備の診断装置に関する。

汚水搬送ポンプ設備の一例であるマンホールポンプ設備は、流入管から流入した汚水を貯留する貯水部と、貯水部に貯留された汚水を流出管に排水する複数台のポンプと、貯水部に貯留された汚水の水位を計測する水位計と、水位計で計測された水位がポンプ起動水位に達すると何れかのポンプを起動して汚水を流出管に排水し、水位がポンプ停止水位に達すると当該ポンプを停止する汚水搬送制御を実行する制御装置を備えた制御盤を備えている。

このようなマンホールポンプ設備には、通常２台のポンプが設置され、汚水を搬送する度にそれらのポンプ装置を交互に運転するように制御装置が構成されている。

特許文献１には、ポンプ場における複数のポンプにより排出すべき所定時間毎の積算流入量を各ポンプの所定時間内の運転時間で除した値を各ポンプの平均的排水能力として時系列データで管理する手段と、その時系列データとして管理される各ポンプの平均的排水能力が予め設定されている排水能力範囲を越えたか否かを判定する手段と、複数のポンプ各々の平均的排水能力が設定排水能力範囲を越えたときに警報を発する手段とを備えているポンプ場の監視システムが提案されている。

特許文献２には、水位センサにより検知された貯留水位がポンプ起動水位に達すると電磁開閉器を作動させて水中ポンプを駆動する圧送制御部と、電動機を駆動する電磁開閉器の作動状態と、電磁開閉器を介して電機子巻線に接続される給電線の電流を検知する電流センサの検知状態と、貯留水位に基づいて異常の有無を判定する異常判定部を備え、異常判定部は、電磁開閉器の作動中に電流センサにより電流が検知されず、水位センサにより貯留水位の低下が検知されないと、オートカットが作動している電動機の過熱異常と判定する水中ポンプの制御装置が開示されている。

特開２００１－３４３３８号公報特開２０１０－２３６１９１号公報

上述したような従来のマンホールポンプ設備に備えた制御装置は、ポンプの駆動電流値、起動水位から停止水位に到るまでのポンプの運転時間、ポンプの温度などの物理量が所定の閾値を超えたか否かにより各ポンプが異常であるか否かを判定していた。そして、想定される異常の種類に適した物理量を計測するために様々なセンサを用いて計測処理を行なう必要があり、非常に煩雑になるという問題があった。

また、異常判断するための閾値もポンプが設置されたマンホールの環境に左右されるため一律に設定することが困難であった。例えば単位時間当たりの入水量が多い地域と少ない地域ではポンプに起動頻度や運転時間に長短の偏りが生じるため、一定の閾値で判断すると正確な判定が困難になるという問題があった。

特に、各マンホールポンプ設備の制御盤に通信装置を備え、各通信装置から送信されたポンプの運転データを管理するサーバを備え、管理者が所有する端末からサーバにアクセスして運転状況をモニタすることが可能な遠隔監視システムでは、それぞれのマンホールポンプ設備に備えたポンプの様々な異常を個別に判定するために、非常に多くの物理量を送信する必要があり、そのためのセンサの数や送信データの容量が増大する一方で、適切な閾値を設定することが困難であるという問題があった。

この様な問題はマンホールポンプ設備に限るものではなく、様々な機械設備に共通する問題であった。

本発明の目的は、上述した問題に鑑み、少ない物理量であっても様々な原因による異常診断が的確に行なえる機械設備の診断方法及び機械設備の診断装置を提供する点にある。

上述の目的を達成するため、本発明による機械設備の診断方法の第一の特徴構成は、機械設備の診断方法であって、診断対象となる機械設備の特性を示すｎ種類（ｎ≧２の整数）の計測データ群を時系列的にサンプリングするサンプリングステップと、サンプリングされた計測データ群を、当該診断対象となる機械設備の直近の所定期間の計測データ群のみに基づいて算出した統計データに基づいて正規化する正規化ステップと、正規化された計測データ群をそれぞれｎ次元座標系にプロットし、プロットされた計測データ群が前記ｎ次元座標系に予め設定された境界閾値の何れの側に存在するかに基づいて前記機械設備の正常または異常を一次診断する診断ステップと、を備え、前記境界閾値は、当該診断対象となる機械設備を含む複数の機械設備から得られる正常な測定データ群のみを教師データに用いて学習する機械学習装置により自動生成され、正常な計測データ群が内部に含まれる特徴空間となる前記ｎ次元座標系の境界を示すものである点にある。

サンプリングステップで時系列的にサンプリングされたｎ種類の計測データ群を正規化ステップで正規化することにより、例えば機械設備の固有の偏りによる影響や設置環境の影響などを排除した計測データ群を特徴量として抽出することができ、診断ステップによりそれら特徴量つまりｎ種類の計測データ群を表す点が、ｎ次元座標系に時系列的な複数の点としてプロットされ、予め設定された境界閾値を指標にして機械設備が正常であるか異常であるかが適切に一次診断される。当該境界閾値は、例えば診断対象となる機械設備を含み環境が異なる複数の機械設備から適正に運転されている正常な状態で得られた計測データ群のみを教師データに用いて機械学習装置により自動生成されるので、環境の相違による影響が抑制された適切な値が得られ、予め正常と異常を識別した教師データを準備して機械学習させるような手間の掛かる準備が不要となる。

同第二の特徴構成は、上述の第一の特徴構成に加えて、前記正規化ステップは、前記所定期間の計測データ群から平均値μ及び分散σ ^２を統計データとして算出し、特徴量ｘに対して数式（ｘ－μ）／σを適用することにより前記計測データ群を正規化する点にある。

直近の所定期間の計測データ群に基づいて求められた統計データ平均値μ及び分散σ ^２に基づいて計測データ群の正規化処理が行なわれることにより、例えば季節変動などの時間経過に起因する影響が排除され、信頼性の高い診断が可能になる。

同第三の特徴構成は、上述の第一または第二の特徴構成に加えて、前記機械設備が水位によってポンプの起動・停止を交互に繰り返す少なくとも２台のポンプを備えたマンホールポンプ設備であり、前記計測データ群が１回のポンプ運転時におけるポンプ電流値と、水位の低下速度またはポンプ運転時間を含み、前記特徴空間となる前記ｎ次元座標系が２次元座標系である点にある。

１回のポンプ運転時におけるポンプ電流値と、水位の低下速度またはポンプ運転時間を計測データ群とすることにより、少ない数の計測データ群でマンホールポンプ設備の異常診断を適切に行なうことができるようになる。

同第四の特徴構成は、上述の第三の特徴構成に加えて、前記２次元座標系に設定された前記境界閾値の外側が複数の領域に区分され、各区分が異常原因の何れかと関連付けられた診断マップを備え、前記診断ステップは、各計測データ群がプロットされた領域に基づいて異常原因を診断する点にある。

正規化された２種類の計測データ群で構成される特徴点が、正常領域を示す境界閾値の外側に区分された診断マップのどの領域に位置するかによって異常原因が推定できるようになる。

同第五の特徴構成は、上述の第一から第四の何れかの特徴構成に加えて、前記診断ステップは、各計測データ群が異常であると一次診断される度に、所定の異常基準値に各計測データ群と前記境界閾値との距離に基づく重み係数を乗じて加算するとともに、各計測データ群が前記診断ステップで正常と診断される度に、所定の正常復帰評価値を減算して得られる累積評価値に基づいて前記機械設備の正常または異常を最終診断する点にある。

一次診断で異常と診断された場合でもその後に正常と診断されるような軽度な異常もあれば、継続して異常と診断されてやがて重大な故障に到るような異常もある。そのような場合でも、一次診断で異常と診断される度に所定の異常基準値に計測データ群と境界閾値との距離に基づく重み係数を乗じた値を加算し、正常と診断される度に所定の正常復帰評価値を減算することにより得られる累積評価値を算出して、当該累積評価値に基づいて機械設備の正常または異常を最終診断することにより、例えば近い将来にメンテナンスが必要な異常など異常の程度を加味した診断が可能になる。

本発明による機械設備の診断装置の第一の特徴構成は、機械設備の診断装置であって、時系列的にサンプリングされた診断対象となる機械設備の特性を示すｎ種類（ｎ≧２の整数）の計測データ群を、当該診断対象となる機械設備の直近の所定期間の計測データ群のみに基づいて算出した統計データに基づいて正規化する正規化処理部と、正規化された計測データ群をそれぞれｎ次元座標系にプロットし、プロットされた計測データ群が前記ｎ次元座標系に予め設定された境界閾値の何れの側に存在するかに基づいて前記機械設備の正常または異常を一次診断する診断処理部と、を備え、前記診断処理部は、当該診断対象となる機械設備を含む複数の機械設備から得られる正常な測定データ群のみを教師データに用いて学習する機械学習装置を備え、当該機械学習装置により正常な計測データ群が内部に含まれる特徴空間となる前記ｎ次元座標系の前記境界閾値が生成される点にある。

同第二の特徴構成は、上述の第一の特徴構成に加えて、前記正規化処理部は、前記所定期間の計測データ群から平均値μ及び分散σ ^２を統計データとして算出し、特徴量ｘに対して数式（ｘ－μ）／σを適用することにより前記計測データ群を正規化する点にある。

同第五の特徴構成は、上述の第一から第四の何れかの特徴構成に加えて、前記診断処理部は、各計測データ群が異常であると一次診断される度に、所定の異常基準値に各計測データ群と前記境界閾値との距離に基づく重み係数を乗じて加算するとともに、各計測データ群が正常であると一次診断される度に、所定の正常復帰評価値を減算して得られる累積評価値に基づいて前記機械設備の正常または異常を最終診断する点にある。

以上説明した通り、本発明によれば、少ない物理量であっても様々な原因による異常診断が的確に行なえる機械設備の診断方法及び機械設備の診断装置を提供することができるようになった。

マンホールポンプ装置の説明図マンホールポンプ装置の異常診断装置の説明図マンホールポンプ装置の異常診断方法の手順を示す説明図（ａ）は計測データ群の説明図、（ｂ）は計測データ群の要部拡大説明図正規化処理の説明図一次診断の説明図累積評価値及び最終診断の説明図診断マップの説明図

以下に、本発明による機械設備の診断方法及び機械設備の診断装置を、マンホールポンプ装置を例に説明する。

図１にはマンホールポンプ装置１０が示されている。マンホールポンプ装置１０は、上流側の汚水流入管１１から流入した汚水を貯留する貯水部としてのマンホール１２と、マンホール１２に貯留された汚水を下流側の汚水流出管１３に圧送する２台のポンプＰＡ，ＰＢと、マンホール１２に貯留された汚水の水位を計測する水位計１８，１９を備えている。

第１ポンプＰＡの吐出し曲管１５ａには第１揚水管１５ｂ、第１曲管１５ｃ、第１水平管１５ｄがそれぞれフランジ接続され、第１水平管１５ｄがヘッダー管１３ａを介して汚水流出管１３にフランジ接続されている。第１揚水管１５ｂと第１曲管１５ｃの間に逆止弁１５ｅが設けられている。

第２ポンプＰＢの吐出し曲管１７ａには第２揚水管１７ｂ、第２曲管１７ｃがそれぞれフランジ接続され、第２曲管１７ｃがヘッダー管１３ａを介して汚水流出管１３にフランジ接続されている。第２揚水管１７ｂと第２曲管１７ｃとの間に逆止弁１７ｅが設けられている。

投込圧力式または気泡式の水位計１８がマンホール１２の底部に設置されている。当該水位計１８によってマンホール１２に貯留される汚水の水位が連続的に検出される。さらにフロート式の水位計１９が、異常高水位ＨＨＷＬを検出するバックアップ用の水位計として設置されている。

マンホール１２の近傍には、ポンプＰＡ，ＰＢを制御してマンホール１２に溜まった汚水を汚水流出管１３に圧送する汚水搬送制御を実行する制御部２１を含む制御盤２０が収容された制御盤装置２００が設置されている。

制御盤２０には、制御部２１、記憶部２２、通信部２４が設けられている。記憶部２２には制御部２１からの制御情報、水位計１８，１９からの水位情報などが記憶される。通信部２４は、記憶部２２に記憶された各種情報を遠隔の監視装置４０に送信する送信部と、監視装置４０からの制御指令を受信する受信部を備えている。

通信部２４と監視装置４０との間をつなぐ通信媒体として例えば携帯電話網のような無線通信媒体が好適に用いられ、このような通信媒体を介して監視装置４０と通信部２４がインターネット接続され、さらにマンホールポンプ装置１０の管理者が所有する携帯通信端末３０と監視装置４０とが無線通信媒体を介してインターネット接続可能に構成されている。

制御盤２０と各ポンプＰＡ，ＰＢは交流の給電線Ｌ１，Ｌ２で接続され、制御盤２０と水位計１８，１９は信号線Ｓで接続されている。

制御部２１は、水位計１８で計測された水位が所定のポンプ起動水位ＨＷＬに達したことを検知するとポンプＰＡ，ＰＢのうち一方のポンプＰＡを起動するために給電線Ｌ１から給電制御し、水位がポンプ起動水位ＨＷＬより低位のポンプ停止水位ＬＷＬに達したことを検知すると給電を停止して当該一方のポンプＰＡを停止する。

制御部２１は、その後再び水位がポンプ起動水位ＨＷＬに達したことを検知すると他方のポンプＰＢを起動するために給電線Ｌ２から給電制御し、ポンプ停止水位ＬＷＬに達したことを検知すると給電を停止して当該ポンプＰＢを停止する。つまり、制御部２１はポンプＰＡ，ＰＢを交互に運転制御する。

さらに、制御部２１は、水位計１８の故障などによりポンプ起動水位ＨＷＬが検知できない場合や、集中豪雨によりポンプ１台の排水能力を上回るような大量の雨水がマンホール１２に流入し、異常高水位ＨＨＷＬに達したことが水位計１９で計測されたことを検知すると、２台のポンプＰＡ，ＰＢを同時に運転する。

制御部２１は、例えば１分間隔で水位計１８，１９により検知された水位情報を時系列的にサンプリングして記憶部２２に記憶するとともに、各ポンプＰＡ，ＰＢの起動時期及び停止時期と、起動から停止までの運転時間などの時系列的な稼動情報を記憶部２２に記憶する。

図２に示すように、各マンホールポンプ装置１０の制御盤２０に備えた通信部２４は、記憶部２２に記憶された水位情報及び運転情報を所定インタバルで監視装置４０に送信するように構成されている。

監視装置４０は、マンホールポンプ装置１０の診断装置として機能し、各マンホールポンプ装置１０の通信部２４や管理者の携帯通信端末３０と通信する通信部４１、各マンホールポンプ装置１０の通信部２４から送信された水位情報及び運転情報を格納するデータベースＤＢ、データベースＤＢとの間でデータをやり取りするデータ処理部４２、データベースＤＢに格納された水位情報及び運転情報に基づいて各マンホールポンプ装置１０が正常に稼働しているか否かを診断する診断部４４を備えている。

診断部４４は、正規化処理部４６と、診断処理部４８を備えている。正規化処理部４６は、時系列的にサンプリングされたマンホールポンプ装置１０の特性を示すｎ種類（ｎ≧２の整数）の計測データ群を正規化するように構成されている。

診断処理部４８には、学習データとして入力される計測データ群に基づいて正常であるか異常であるかを診断する境界閾値を自動生成する機械学習装置を備えて構成され、機械学習装置は、正規化された計測データ群をそれぞれｎ次元座標系にプロットし、プロットされた計測データ群がｎ次元座標系に予め設定された境界閾値の何れの側に存在するかに基づいてマンホールポンプ装置１０の正常または異常を一次診断するように構成されている。当該機械学習装置はワンクラスサポートベクタ－マシンアルゴリズムを実行する計算機で構成されている。

さらに診断処理部４８は、一次診断する度に所定の異常基準値に各計測データ群と境界閾値との距離に基づく重み係数を乗じて加算するとともに、各計測データ群が一次診断で正常と診断される度に、所定の異常基準値を減算して得られる累積評価値に基づいてマンホールポンプ装置１０の正常または異常を最終診断するように構成されている。

ｎ次元座標系に設定された境界閾値の外側が複数の領域に区分され、各区分が異常原因の何れかと関連付けられた診断マップを備え、診断処理部４８は、各計測データ群がプロットされた領域に基づいて異常原因を診断するように構成されている。

図３には、監視装置４０で実行される一連の診断処理のフローが示されている。各マンホールポンプ装置１０から１日分の計測データを受信しデータベースＤＢに格納し終えると（ＳＡ１）、各マンホールポンプ装置１０のポンプ毎に異常判定に用いる計測データ群である特徴量を抽出するとともに（ＳＡ２）、データベースＤＢに格納されている直近の所定期間内の計測データ群から正規化処理に必要な統計量、つまり平均値と分散値を算出して、判定対象となる１日分の特徴量を正規化処理する（ＳＡ３）。

正規化した各特徴量を順に機械学習装置に入力して設定された境界閾値に基づいて一次判定を行ない（ＳＡ５）、異常と判定されると異常の程度を加味して累積評価値を加算処理し（ＳＡ６）、正常と判定されると累積評価値を減算処理する（ＳＡ７）。

このようにして算出された累積評価値が予め設定された累積異常閾値を超えるか否かの最終的な異常判定を行ない（ＳＡ８）、累積異常閾値を超えていると、予め異常原因との相関を示す診断マップに基づいて異常原因を特定し（ＳＡ９）、異常原因とともに異常状態である旨の警報を管理者の所有する携帯端末などに送信する（ＳＡ１０）。警報通知は、通信部４１に備えたメーラーを介して電子メールとして送信される。

以下、診断部４４について詳述する。
図４（ａ）には、午前０時０分から翌０時０分までの２４時間のマンホールポンプ装置の運転データが示されている。上段から順に水位の変動状況、ポンプＰＡ、ＰＢの運転タイミングと運転時間、ポンプＰＡの電流値、ポンプＰＢの電流値がそれぞれ示されている。

図４（ｂ）には、図４（ａ）に示した水位の変動状況、ポンプＰＡ、ＰＢの運転タイミングと運転時間の関係を理解容易にするための拡大表示である。マンホールの貯水水位がＨＷＬに達するとポンプＰＡが起動されて水位がＬＷＬに低下すると停止される。次に貯水水位がＨＷＬに達するとポンプＰＢが起動されて水位がＬＷＬに低下すると停止される。水位がＨＷＬからＬＷＬに低下するまでの間は何れかのポンプが起動されている。ポンプの搬送量が低下していたり、マンホールへの汚水の流入量が多い場合などには、ポンプの運転時間が長くなり、ポンプ運転中の水位の低下速度が小さくなる。以下では、簡易化のため、ポンプ運転中の水位の低下速度のことを単に「水位の傾き」と記載する。

各マンホールポンプ装置１０の記憶部２２に記憶されたこのような水位情報及び運転情報が通信部２４を介して監視装置４０に送信され、データ処理部４２を介してデータベースＤＢに格納される。

データ処理部４２は、このようなデータから各ポンプＰＡ，ＰＢが起動されたときのそれぞれの「水位の傾き」（＝（ＨＷＬ－ＬＷＬ）／運転時間）とそれぞれの「電流値」を、時系列的にサンプリングされたマンホールポンプ装置１０の特性を示すｎ種類（ｎ≧２の整数であるが、本実施形態ではｎ＝２となる。）の計測データ群つまり特徴量として１日単位で抽出して正規化処理部４６に引き渡す。計測データ群であるポンプの電流値とマンホールの水位の傾きは、ポンプが正常時に互いに相関を有し、所定範囲に収束する計測データである。

図５に示すように、正規化処理部４６は、直近の過去３か月の間にデータベースＤＢに蓄積された特徴量を母集団としてデータの正規化のための平均値μ及び分散σ^２を算出し、特徴量ｘに対して数式（ｘ－μ）／σにより「水位の傾き」及び「電流値」を正規化処理する。

直近の過去３か月に限るものではないが、正規化処理に必要な統計データ（平均値、分散値）は、正規化処理実行時の直近の所定期間の計測データ群に基づいて算出されることが好ましく、例えば季節変動などの時間経過に起因する影響が排除され、信頼性の高い診断が可能になる。

正規化処理部４６で正規化処理された各特徴量「水位の傾き」及び「電流値」が診断処理部４８に入力されると、正規化された特徴量をそれぞれ電流、水位の傾きを示す２次元座標系にプロットし、プロットされた計測データ群が２次元座標系に予め設定された境界閾値の何れの側に存在するかに基づいて正常または異常を一次診断する。

サンプリングステップで時系列的にサンプリングされたｎ種類の計測データ群を正規化ステップで正規化することにより、例えば機械設備の固有の偏りによる影響や設置環境の影響などを排除した計測データ群を特徴量として抽出することができ、診断ステップによりそれら特徴量つまり２種類の計測データ群を表す点が、２次元座標系に時系列的な複数の点としてプロットされ、予め設定された境界閾値を指標にしてマンホールポンプ装置が正常であるか異常であるかが適切に一次診断される。

図６には、縦軸を電流、横軸を水位の傾きとする２次元座標状の原点（電流の平均値と水位の傾きの平均値）を中心とする所定半径の円（太線で示されている。）を境界閾値として、プロットされた特徴量が境界閾値の内側に位置すると正常であり、プロットされた特徴量が境界閾値の外側に位置すると異常であると判定される様子が示されている。

診断処理部４８は、学習データとして入力される計測データ群に基づいて上述した境界閾値を自動生成する機械学習装置を備える。当該機械学習装置としては、ワンクラスサポートベクタ－マシン、ＬＯＦ（local outlier factor）法、ＩＦ(Isolation Forest)法、ＲＣ(Robust Covariance)法などのアルゴリズムを実行する計算機などを用いることができる。

機械学習を行なうことにより、図６に示す写像空間（特徴空間）において、正常な測定データ（トレーニングデータ）を写像した正常データ空間、つまり境界閾値の内部空間が生成される。図６の例では、ポンプが２台設置された１００か所のマンホールポンプ装置の１年分の特徴データを学習データとして学習した結果が示されている。

診断処理部４８は、計測データ群が異常であると一次診断する度に、以下の数式に基づいて、所定の異常基準値Ｖｎｂに各計測データ群の位置と境界閾値との距離に基づく重み係数Ｗを乗じて加算するとともに、各計測データ群が一次診断で正常と診断される度に、所定の正常復帰評価値Ｖｐｂを減算することにより累積評価値Ｖを算出し、累積評価値に基づいてマンホールポンプ装置の正常または異常を最終診断する。
Ｖ＝Ｖｎｂ×Ｗ－Ｖｐｂ
本実施形態では、Ｖｎｂ＝１、Ｖｎｂ＜Ｖｐｂ＜Ｗｍａｘ×Ｖｎｂに設定されている。

図７には、累積評価値の変遷が示されている。累積評価値は運転回数ごとに一次評価が行なわれ、異常判定されると初期値０からＶｎｂ×Ｗの値が加算され、正常判定されるとＶｐｂの値が減算される。累積評価値が所定の閾値、この例では「１０」超えると最終的な異常判定がなされ、管理者の所有する携帯端末などにその旨が送信される。なお、異常判定された後も一次判定及び最終判定は継続的に行なわれる。

図８には、診断マップが例示されている。図６に示す特徴空間に示された境界閾値の外側が８領域に区分され、各区分が異常原因の何れかと関連付けられている。診断処理部４８は、各特徴データがプロットされた領域に基づいて異常原因を診断する。例えば、図８の例では、領域３に特徴データがプロットされると異物噛み込み異常と診断され、領域５に特徴データがプロットされると水圧漏れ異常と診断され、領域８に特徴データがプロットされると空気溜り異常と診断される。

上述した例では、ポンプの駆動電流値とマンホールの水位の傾きの２つの組合わせを計測データ群とする例を説明したが、計測データ群はこれらのデータに限るものではなく、適宜設定できることはいうまでもない。例えば、水位の傾きに代えて水位の傾きと相関のある一回の起動当たりのポンプの運転時間を計測データとしてもよい。

以上、機械設備としてマンホールポンプ装置を例に本発明を説明したが、
マンホールポンプ装置以外の他の機械設備で、計測データ群を構成する各計測データが機械設備の正常時に互いに相関を有し、所定範囲に収束する計測データであれば他の機械設備の異常判定にも用いることができる。

以上説明したように、本発明による機械設備の診断方法は、機械設備の特性を示すｎ種類（ｎ≧２の整数）の計測データ群を時系列的にサンプリングするサンプリングステップと、サンプリングされた計測データ群を正規化する正規化ステップと、正規化された計測データ群をそれぞれｎ次元座標系にプロットし、プロットされた計測データ群がｎ次元座標系に予め設定された境界閾値の何れの側に存在するかに基づいて機械設備の正常または異常を一次診断する診断ステップと、を備えている。

また、計測データ群を構成する各計測データは、機械設備の正常時に互いに相関を有し、所定範囲に収束する計測データであり、正規化ステップで用いられる正規化処理に必要な統計データが、正規化処理実行時の直近の所定期間の計測データ群に基づいて算出されることが好ましい。

診断ステップは、各計測データ群が異常であると一次診断される度に、所定の異常基準値に各計測データ群と境界閾値との距離に基づく重み係数を乗じて加算するとともに、各計測データ群が前記診断ステップで正常と診断される度に、所定の正常復帰評価値を減算して得られる累積評価値に基づいて前記機械設備の正常または異常を最終診断するように構成されている。

さらに、ｎ次元座標系に設定された境界閾値の外側が複数の領域に区分され、各区分が異常原因の何れかと関連付けられた診断マップを備え、診断ステップは、各計測データ群がプロットされた領域に基づいて異常原因を診断するように構成されている。

診断ステップは、学習データとして入力される計測データ群に基づいて機械学習装置により境界閾値を自動生成することが好ましい。

上述した実施形態では、診断ステップの全体が機械学習装置で実行されているが、境界閾値の生成のみが機械学習装置で実行されてもよく、さらには機械学習装置を用いずに既定の境界値を使用して診断ステップが実行されてもよい。

上述した実施形態は何れも本発明の一例であり、該記載により本発明の技術的範囲が限定されるものではなく、ポンプや水位計などを始めとする各部の具体的構成、異常判定のために設定する閾値などは本発明の作用効果が奏される範囲で適宜変更設計可能であることはいうまでもない。

１０：マンホールポンプ設備
ＰＡ，ＰＢ：ポンプ
１８，１９：水位計
２１：制御部
２２：記憶部
２４：通信部
３０：携帯端末
４０：監視装置
４１：通信部
４２：データ処理部
４４：診断部
４６：正規化処理部
４８：診断処理部

Claims

機械設備の診断方法であって、
診断対象となる機械設備の特性を示すｎ種類（ｎ≧２の整数）の計測データ群を時系列的にサンプリングするサンプリングステップと、
サンプリングされた計測データ群を、当該診断対象となる機械設備の直近の所定期間の計測データ群のみに基づいて算出した統計データに基づいて正規化する正規化ステップと、
正規化された計測データ群をそれぞれｎ次元座標系にプロットし、プロットされた計測データ群が前記ｎ次元座標系に予め設定された境界閾値の何れの側に存在するかに基づいて前記機械設備の正常または異常を一次診断する診断ステップと、
を備え、
前記境界閾値は、当該診断対象となる機械設備を含む複数の機械設備から得られる正常な測定データ群のみを教師データに用いて学習する機械学習装置により自動生成され、正常な計測データ群が内部に含まれる特徴空間となる前記ｎ次元座標系の境界を示すものである機械設備の診断方法。
前記正規化ステップは、前記所定期間の計測データ群から平均値μ及び分散σ ^２を統計データとして算出し、特徴量ｘに対して数式（ｘ－μ）／σを適用することにより前記計測データ群を正規化する請求項１記載の機械設備の診断方法。
前記機械設備が水位によってポンプの起動・停止を交互に繰り返す少なくとも２台のポンプを備えたマンホールポンプ設備であり、前記計測データ群が１回のポンプ運転時におけるポンプ電流値と、水位の低下速度またはポンプ運転時間を含み、前記特徴空間となる前記ｎ次元座標系が２次元座標系である請求項１または２記載の機械設備の診断方法。
前記２次元座標系に設定された前記境界閾値の外側が複数の領域に区分され、各区分が異常原因の何れかと関連付けられた診断マップを備え、
前記診断ステップは、各計測データ群がプロットされた領域に基づいて異常原因を診断する請求項３記載の機械設備の診断方法。
前記診断ステップは、各計測データ群が異常であると一次診断される度に、所定の異常基準値に各計測データ群と前記境界閾値との距離に基づく重み係数を乗じて加算するとともに、各計測データ群が前記診断ステップで正常と診断される度に、所定の正常復帰評価値を減算して得られる累積評価値に基づいて前記機械設備の正常または異常を最終診断する請求項１から４の何れかに記載の機械設備の診断方法。
機械設備の診断装置であって、
時系列的にサンプリングされた診断対象となる機械設備の特性を示すｎ種類（ｎ≧２の整数）の計測データ群を、当該診断対象となる機械設備の直近の所定期間の計測データ群のみに基づいて算出した統計データに基づいて正規化する正規化処理部と、
正規化された計測データ群をそれぞれｎ次元座標系にプロットし、プロットされた計測データ群が前記ｎ次元座標系に予め設定された境界閾値の何れの側に存在するかに基づいて前記機械設備の正常または異常を一次診断する診断処理部と、
を備え、
前記診断処理部は、当該診断対象となる機械設備を含む複数の機械設備から得られる正常な測定データ群のみを教師データに用いて学習する機械学習装置を備え、当該機械学習装置により正常な計測データ群が内部に含まれる特徴空間となる前記ｎ次元座標系の前記境界閾値が生成される機械設備の診断装置。
前記正規化処理部は、前記所定期間の計測データ群から平均値μ及び分散σ ^２を統計データとして算出し、特徴量ｘに対して数式（ｘ－μ）／σを適用することにより前記計測データ群を正規化する請求項６記載の機械設備の診断装置。
前記機械設備が水位によってポンプの起動・停止を交互に繰り返す少なくとも２台のポンプを備えたマンホールポンプ設備であり、前記計測データ群が１回のポンプ運転時におけるポンプ電流値と、水位の低下速度またはポンプ運転時間を含み、前記特徴空間となる前記ｎ次元座標系が２次元座標系である請求項６または７記載の機械設備の診断装置。
前記２次元座標系に設定された前記境界閾値の外側が複数の領域に区分され、各区分が異常原因の何れかと関連付けられた診断マップを備え、
前記診断処理部は、各計測データ群がプロットされた領域に基づいて異常原因を診断する請求項８記載の機械設備の診断装置。
前記診断処理部は、各計測データ群が異常であると一次診断される度に、所定の異常基準値に各計測データ群と前記境界閾値との距離に基づく重み係数を乗じて加算するとともに、各計測データ群が正常であると一次診断される度に、所定の正常復帰評価値を減算して得られる累積評価値に基づいて前記機械設備の正常または異常を最終診断する請求項６から９の何れかに記載の機械設備の診断装置。