JP7180692B2 - 推定装置、推定方法、及びプログラム - Google Patents
推定装置、推定方法、及びプログラム Download PDFInfo
- Publication number
- JP7180692B2 JP7180692B2 JP2020566025A JP2020566025A JP7180692B2 JP 7180692 B2 JP7180692 B2 JP 7180692B2 JP 2020566025 A JP2020566025 A JP 2020566025A JP 2020566025 A JP2020566025 A JP 2020566025A JP 7180692 B2 JP7180692 B2 JP 7180692B2
- Authority
- JP
- Japan
- Prior art keywords
- component
- variable
- anomaly
- index
- estimating
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/07—Responding to the occurrence of a fault, e.g. fault tolerance
- G06F11/14—Error detection or correction of the data by redundancy in operation
- G06F11/1402—Saving, restoring, recovering or retrying
- G06F11/1415—Saving, restoring, recovering or retrying at system level
-
- 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
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- 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
- G06N3/047—Probabilistic or stochastic networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N7/00—Computing arrangements based on specific mathematical models
- G06N7/01—Probabilistic graphical models, e.g. probabilistic networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2201/00—Indexing scheme relating to error detection, to error correction, and to monitoring
- G06F2201/805—Real-time
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Probability & Statistics with Applications (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- Artificial Intelligence (AREA)
- Algebra (AREA)
- Biomedical Technology (AREA)
- Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- General Health & Medical Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Operations Research (AREA)
- Databases & Information Systems (AREA)
- Quality & Reliability (AREA)
- Automation & Control Theory (AREA)
- Testing And Monitoring For Control Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Description
コンポーネントが出力する変数を入力とし、正常時において、所定時間後に、前記変数の値及び相関関係が取り得る値の範囲を表す相関指標情報を推定する、相関指標推定部と、
前記相関指標情報を用いて異常度を表す異常度情報を算出する、異常度算出部と、
前記コンポーネントが出力する変数に異常が伝播する指標を表す因果効果を推定する、因果効果推定部と、
を有することを特徴とする。
(a)コンポーネントが出力する変数を入力とし、正常時において、所定時間後に、前記変数の値及び相関関係が取り得る値の範囲を表す相関指標情報を推定する、ステップと、
(b)前記相関指標情報を用いて異常度を表す異常度情報を算出する、ステップと、
(c)前記コンポーネントが出力する変数に異常が伝播する指標を表す因果効果を推定する、ステップと、
を有することを特徴とする。
コンピュータに、
(a)コンポーネントが出力する変数を入力とし、正常時において、所定時間後に、前記変数の値及び相関関係が取り得る値の範囲を表す相関指標情報を推定する、ステップと、
(b)前記相関指標情報を用いて異常度を表す異常度情報を算出する、ステップと、
(c)前記コンポーネントが出力する変数に異常が伝播する指標を表す因果効果を推定する、ステップと、
を実行させることを特徴とする。
以下、本発明の実施の形態について、図1から図8を参照しながら説明する。
最初に、図1を用いて、本実施の形態における推定装置1の構成について説明する。図1は、推定装置の一例を示す図である。
続いて、図2を用いて、本実施の形態における推定装置1の構成をより具体的に説明する。図2は、推定装置1を有するシステムの一例を示す図である。
入力部23は、コンポーネント21それぞれから、時系列に出力値を取得する。具体的には、学習フェーズにおいて、入力部23は、コンポーネント21それぞれから、時系列に、正常な出力値を取得する。また、運用フェーズにおいて、入力部23は、コンポーネント21それぞれが出力した出力値(実データ)を取得する。
Da=-log p(xn)
Da :異常度
p(xn):値の組xnの発生確率
正常指標推定部24は、運用フェーズにおいて、コンポーネント21の出力値Aに影響を与える、他のコンポーネント21の出力値B(原因になる説明変数)を入力とし、正常時において、所定時間後に、出力値A(結果になる目的変数)になる指標Aを推定する。
異常伝播情報推定部25は、運用フェーズにおいて、正常時に、正常指標推定部24において推定したコンポーネント21の指標Aを取得する。続いて、異常伝播情報推定部25は、正常指標推定部24から取得した指標Aを用いて、所定時間後に、正常時におけるコンポーネント21が影響を与える他のコンポーネント21の出力値になることを表す指標Bを推定する。
次に、本発明の実施の形態における推定装置1の動作について図5、図6を用いて説明する。図5は、推定装置の動作の一例を示す図である。図6は、因果効果推定部の動作の一例を示す図である。以下の説明においては、適宜図1から図4を参酌する。また、本実施の形態では、推定装置1を動作させることによって、推定方法が実施される。よって、本実施の形態における推定方法の説明は、以下の推定装置1の動作説明に代える。
以上のように、本実施の形態によれば、対象システムに異常が発生した場合、異常度算出部3で算出した異常度情報と、異常伝播情報推定部25で推定した異常伝播情報とを用いて、対象システムの異常要因を推定できる。
本発明の実施の形態におけるプログラムは、コンピュータに、図5に示すステップA1からA7、図6に示すステップB1からB5を実行させるプログラムであればよい。このプログラムをコンピュータにインストールし、実行することによって、本実施の形態における推定装置と推定方法とを実現することができる。この場合、コンピュータのプロセッサは、入力部23、相関指標推定部2、異常度算出部3、正常指標推定部24、異常伝播情報推定部25、異常要因推定部26、出力情報生成部27として機能し、処理を行なう。
ここで、実施の形態におけるプログラムを実行することによって、推定装置1を実現するコンピュータについて図8を用いて説明する。図8は、推定装置を実現するコンピュータの一例を示す図である。
以上の実施の形態に関し、更に以下の付記を開示する。上述した実施の形態の一部又は全部は、以下に記載する(付記1)から(付記18)により表現することができるが、以下の記載に限定されるものではない。
コンポーネントが出力する変数を入力とし、正常時において、所定時間後に、前記変数の値及び相関関係が取り得る値の範囲を表す相関指標情報を推定する、相関指標推定部と、
前記相関指標情報を用いて異常度を表す異常度情報を算出する、異常度算出部と、
前記コンポーネントが出力する変数に異常が伝播する指標を表す因果効果を推定する、因果効果推定部と、
を有することを特徴とする推定装置。
付記1に記載の推定装置であって、
前記因果効果推定部は、
第一のコンポーネントが出力する第一の変数に影響を与える第二のコンポーネントが出力する第二の変数を用いて、正常時における、前記第一の変数になることを表す第一の指標情報を推定する、正常指標推定部と、
前記第一の変数を変化させて、前記第一の変数が影響を与える第三のコンポーネントが出力する第三の変数へ異常が伝播することを表す異常伝播情報を推定する、異常伝播情報推定部と、
を有することを特徴とする推定装置。
付記2に記載の推定装置であって、
前記異常度情報と、前記異常伝播情報とを入力し、前記対象システムに設けられたコンポーネントの異常要因となる異常要因情報を推定する、異常要因推定部を有する
ことを特徴とする推定装置。
付記3に記載の推定装置であって、
前記正常指標推定部は、
前記第一のコンポーネントが出力する前記第一の変数に影響を与える、前記第一のコンポーネントと因果関係にある一つ以上の前記第二のコンポーネントが出力する前記第二の変数を入力とし、正常時において、所定時間後に、前記第一の変数になることを表す第一の指標情報を推定し、
前記異常伝播情報推定部は、
前記第一の指標情報を用いて、所定時間後に、前記第一のコンポーネントが影響を与える前記第三のコンポーネントが出力する前記第三の変数になることを表す第二の指標情報を推定するとともに、
前記第一の変数からずらした第四の変数を用いて、所定時間後に、前記第三の変数になることを表す第三の指標情報を推定し、
前記第二の指標情報と前記第三の指標情報とを用いて、前記第一の変数から前記第三の変数へ異常が伝播する指標を表す前記異常伝播情報を推定する
ことを特徴とする推定装置。
付記3又は4に記載の推定装置であって、
前記相関指標情報、前記第一から第三の指標情報は、発生確率又は正常度である
ことを特徴とする推定装置。
付記3に記載の推定装置であって、
前記異常要因推定部は、ベイズ処理を用いて、前記異常要因情報を推定する
ことを特徴とする推定装置。
(a)コンポーネントが出力する変数を入力とし、正常時において、所定時間後に、変数の値及び相関関係が取り得る値の範囲を表す相関指標情報を推定する、ステップと、
(b)前記相関指標情報を用いて異常度を表す異常度情報を算出する、ステップと、
(c)前記コンポーネントが出力する変数に異常が伝播する指標を表す因果効果を推定する、ステップと、
を有することを特徴とする推定方法。
付記7に記載の推定方法であって、
前記(c)のステップにおいて、
第一のコンポーネントが出力する第一の変数に影響を与える第二のコンポーネントが出力する第二の変数を用いて、正常時における、前記第一の変数になることを表す第一の指標情報を推定し、
前記第一の変数を変化させて、前記第一の変数が影響を与える第三のコンポーネントが出力する第三の変数へ異常が伝播することを表す異常伝播情報を推定する
を有することを特徴とする推定方法。
付記8に記載の推定方法であって、
(d)前記異常度情報と、前記異常伝播情報とを入力し、前記対象システムに設けられたコンポーネントの異常要因となる異常要因情報を推定する、ステップを有する
ことを特徴とする推定方法。
付記9に記載の推定方法であって、
前記(c)のステップにおいて、
前記第一のコンポーネントが出力する前記第一の変数に影響を与える、前記第一のコンポーネントと因果関係にある一つ以上の前記第二のコンポーネントが出力する前記第二の変数を入力とし、正常時において、所定時間後に、前記第一の変数になることを表す前記第一の指標情報を推定し、
前記第一の指標情報を用いて、所定時間後に、前記第一のコンポーネントが影響を与える前記第三のコンポーネントが出力する前記第三の変数になることを表す第二の指標情報を推定するとともに、
前記第一の変数からずらした第四の変数を用いて、所定時間後に、前記第三の変数になることを表す第三の指標情報を推定し、
前記第二の指標情報と前記第三の指標情報とを用いて、前記第一の変数から前記第三の変数へ異常が伝播する指標を表す前記異常伝播情報を推定する、
を有することを特徴とする推定方法。
付記9又は10に記載の推定方法であって、
前記相関指標情報、前記第一から第三の指標情報は、発生確率又は正常度である
ことを特徴とする推定方法。
付記9に記載の推定方法であって、
前記(d)のステップにおいて、ベイズ処理を用いて、前記異常要因情報を推定する
ことを特徴とする推定方法。
コンピュータに、
(a)コンポーネントが出力する変数を入力とし、正常時において、所定時間後に、前記変数の値及び相関関係が取り得る値の範囲を表す相関指標情報を推定する、ステップと、
(b)前記相関指標情報を用いて異常度を表す異常度情報を算出する、ステップと、
(c)前記コンポーネントが出力する変数に異常が伝播する指標を表す因果効果を推定する、ステップと、
を実行させるプログラム。
請求項13に記載のプログラムであって、
前記(c)のステップにおいて、
第一のコンポーネントが出力する第一の変数に影響を与える第二のコンポーネントが出力する第二の変数を用いて、正常時における、前記第一の変数になることを表す第一の指標情報を推定し、
前記第一の変数を変化させて、前記第一の変数が影響を与える第三のコンポーネントが出力する第三の変数へ異常が伝播することを表す異常伝播情報を推定する
プログラム。
付記14に記載のプログラムであって、
前記プログラムが、前記コンピュータに、
(d)前記異常度情報と、前記異常伝播情報とを入力し、前記対象システムに設けられたコンポーネントの異常要因となる異常要因情報を推定する、ステップを実行させるプログラム。
付記15に記載のプログラムであって、
前記(c)のステップにおいて、
前記第一のコンポーネントが出力する前記第一の変数に影響を与える、前記第一のコンポーネントと因果関係にある一つ以上の前記第二のコンポーネントが出力する前記第二の変数を入力とし、正常時において、所定時間後に、前記第一の変数になることを表す前記第一の指標情報を推定し、
前記第一の指標情報を用いて、所定時間後に、前記第一のコンポーネントが影響を与える前記第三のコンポーネントが出力する前記第三の変数になることを表す第二の指標情報を推定するとともに、
前記第一の変数からずらした第四の変数を用いて、所定時間後に、前記第三の変数になることを表す第三の指標情報を推定し、
前記第二の指標情報と前記第三の指標情報とを用いて、前記第一の変数から前記第三の変数へ異常が伝播する指標を表す前記異常伝播情報を推定する
プログラム。
付記14又は15に記載のプログラムであって、
前記相関指標情報、前記第一から第三の指標情報は、発生確率又は正常度である
プログラム。
付記15に記載のプログラムであって、
前記(d)のステップにおいて、ベイズ処理を用いて、前記異常要因情報を推定する
プログラム。
2 相関指標推定部
3 異常度算出部
4 因果効果推定部
20 システム
21、21a、21b、21c、21d コンポーネント
22 出力装置
23 入力部
24 正常指標推定部
25 異常伝播情報推定部
26 異常要因推定部
27 出力情報生成部
28、29 推定器
31 異常要因データ
110 コンピュータ
111 CPU
112 メインメモリ
113 記憶装置
114 入力インターフェイス
115 表示コントローラ
116 データリーダ/ライタ
117 通信インターフェイス
118 入力機器
119 ディスプレイ装置
120 記録媒体
121 バス
Claims (10)
- コンポーネントが出力する変数を入力とし、正常時において、所定時間後に、前記変数の値及び前記変数間の相関関係が取り得る値の範囲を表す相関指標情報を推定する、相関指標推定手段と、
前記相関指標情報を用いて異常度を表す異常度情報を算出する、異常度算出手段と、
前記コンポーネントが出力する変数に、当該コンポーネントに影響を与える別のコンポーネントが出力する変数から異常が伝播する指標を表す因果効果を推定する、因果効果推定手段と、
を有することを特徴とする推定装置。 - 請求項1に記載の推定装置であって、
前記因果効果推定手段は、
第一のコンポーネントが出力する第一の変数に影響を与える第二のコンポーネントが出力する第二の変数を用いて、正常時における、前記第一の変数になることを表す第一の指標情報を推定する、正常指標推定手段と、
前記第一の変数を変化させて、前記第一の変数が影響を与える第三のコンポーネントが出力する第三の変数へ異常が伝播することを表す異常伝播情報を推定する、異常伝播情報推定手段と、
を有することを特徴とする推定装置。 - 請求項2に記載の推定装置であって、
前記異常度情報と、前記異常伝播情報とを入力し、対象システムに設けられたコンポーネントの異常要因となる異常要因情報を推定する、異常要因推定手段を有する
ことを特徴とする推定装置。 - 請求項3に記載の推定装置であって、
前記正常指標推定手段は、
前記第一のコンポーネントが出力する前記第一の変数に影響を与える、前記第一のコンポーネントと因果関係にある一つ以上の前記第二のコンポーネントが出力する前記第二の変数を入力とし、正常時において、所定時間後に、前記第一の変数になることを表す第一の指標情報を推定し、
前記異常伝播情報推定手段は、
前記第一の指標情報を用いて、所定時間後に、前記第一のコンポーネントが影響を与える前記第三のコンポーネントが出力する前記第三の変数になることを表す第二の指標情報を推定するとともに、
前記第一の変数からずらした第四の変数を用いて、所定時間後に、前記第三の変数になることを表す第三の指標情報を推定し、
前記第二の指標情報と前記第三の指標情報とを用いて、前記第一の変数から前記第三の変数へ異常が伝播する指標を表す前記異常伝播情報を推定する
ことを特徴とする推定装置。 - 請求項3又は4に記載の推定装置であって、
前記相関指標情報、前記第一から第三の指標情報は、発生確率又は正常度である
ことを特徴とする推定装置。 - 請求項3に記載の推定装置であって、
前記異常要因推定手段は、ベイズ処理を用いて、前記異常要因情報を推定する
ことを特徴とする推定装置。 - (a)コンポーネントが出力する変数を入力とし、正常時において、所定時間後に、前記変数の値及び前記変数間の相関関係が取り得る値の範囲を表す相関指標情報を推定する、ステップと、
(b)前記相関指標情報を用いて異常度を表す異常度情報を算出する、ステップと、
(c)前記コンポーネントが出力する変数に、当該コンポーネントに影響を与える別のコンポーネントが出力する変数から異常が伝播する指標を表す因果効果を推定する、ステップと、
を有することを特徴とする推定方法。 - 請求項7に記載の推定方法であって、
前記(c)のステップにおいて、
第一のコンポーネントが出力する第一の変数に影響を与える第二のコンポーネントが出力する第二の変数を用いて、正常時における、前記第一の変数になることを表す第一の指標情報を推定し、
前記第一の変数を変化させて、前記第一の変数が影響を与える第三のコンポーネントが出力する第三の変数へ異常が伝播することを表す異常伝播情報を推定する
ことを特徴とする推定方法。 - コンピュータに、
(a)コンポーネントが出力する変数を入力とし、正常時において、所定時間後に、前記変数の値及び前記変数間の相関関係が取り得る値の範囲を表す相関指標情報を推定する、ステップと、
(b)前記相関指標情報を用いて異常度を表す異常度情報を算出する、ステップと、
(c)前記コンポーネントが出力する変数に、当該コンポーネントに影響を与える別のコンポーネントが出力する変数から異常が伝播する指標を表す因果効果を推定する、ステップと、
を実行させるプログラム。 - 請求項9に記載のプログラムであって、
前記(c)のステップにおいて、
第一のコンポーネントが出力する第一の変数に影響を与える第二のコンポーネントが出力する第二の変数を用いて、正常時における、前記第一の変数になることを表す第一の指標情報を推定し、
前記第一の変数を変化させて、前記第一の変数が影響を与える第三のコンポーネントが出力する第三の変数へ異常が伝播することを表す異常伝播情報を推定する
プログラム。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP2019/001148 WO2020148838A1 (ja) | 2019-01-16 | 2019-01-16 | 推定装置、推定方法、及びコンピュータ読み取り可能な記録媒体 |
Publications (2)
Publication Number | Publication Date |
---|---|
JPWO2020148838A1 JPWO2020148838A1 (ja) | 2021-11-04 |
JP7180692B2 true JP7180692B2 (ja) | 2022-11-30 |
Family
ID=71614114
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020566025A Active JP7180692B2 (ja) | 2019-01-16 | 2019-01-16 | 推定装置、推定方法、及びプログラム |
Country Status (3)
Country | Link |
---|---|
US (1) | US11983072B2 (ja) |
JP (1) | JP7180692B2 (ja) |
WO (1) | WO2020148838A1 (ja) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7136329B2 (ja) * | 2019-03-27 | 2022-09-13 | 日本電気株式会社 | 異常検知装置、制御方法、及びプログラム |
US11948466B2 (en) * | 2020-09-28 | 2024-04-02 | Rockwell Collins, Inc. | Mission reasoner system and method |
WO2022259446A1 (ja) * | 2021-06-10 | 2022-12-15 | 日本電気株式会社 | 異常原因推定装置、異常原因推定方法、及びコンピュータ読み取り可能な記録媒体 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017159016A1 (ja) | 2016-03-15 | 2017-09-21 | 株式会社日立製作所 | 異常診断システム |
JP2018195266A (ja) | 2017-05-22 | 2018-12-06 | 三菱日立パワーシステムズ株式会社 | 状態分析装置、状態分析方法、およびプログラム |
Family Cites Families (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS60107111A (ja) * | 1983-11-16 | 1985-06-12 | Hitachi Ltd | プラントの故障波及範囲予測方式 |
JPH04265823A (ja) * | 1991-02-21 | 1992-09-22 | Mitsubishi Heavy Ind Ltd | プラント異常診断方法 |
JP3651693B2 (ja) | 1995-02-24 | 2005-05-25 | 株式会社東芝 | プラント監視診断装置および方法 |
JP3766232B2 (ja) | 1999-05-14 | 2006-04-12 | 株式会社東芝 | 機器カルテ管理評価装置および同装置を用いた機器カルテ管理評価方法 |
JP5129725B2 (ja) | 2008-11-19 | 2013-01-30 | 株式会社日立製作所 | 装置異常診断方法及びシステム |
JP5858839B2 (ja) | 2012-03-26 | 2016-02-10 | 住友重機械工業株式会社 | 作業機械の異常診断装置 |
JP2015026252A (ja) | 2013-07-26 | 2015-02-05 | 株式会社豊田中央研究所 | 異常検知装置及びプログラム |
JP6613853B2 (ja) | 2015-12-01 | 2019-12-04 | オムロン株式会社 | 管理システムおよび管理プログラム |
JP6538615B2 (ja) | 2016-05-31 | 2019-07-03 | 日本電信電話株式会社 | 異常検知装置、異常検知方法及び異常検知プログラム |
WO2018163342A1 (ja) * | 2017-03-09 | 2018-09-13 | 日本電気株式会社 | 異常検知装置、異常検知方法および異常検知プログラム |
CN111164526B (zh) * | 2017-11-28 | 2023-10-13 | 株式会社安川电机 | 异常判定系统、马达控制装置及异常判定方法 |
WO2020136859A1 (ja) * | 2018-12-28 | 2020-07-02 | 日本電気株式会社 | 推定装置、推定方法、及びコンピュータ読み取り可能な記録媒体 |
US11989013B2 (en) * | 2019-01-18 | 2024-05-21 | Nec Corporation | Abnormality detection apparatus, abnormality detection system, and learning apparatus, and methods for the same and non-temporary computer-readable medium storing the same |
-
2019
- 2019-01-16 US US17/419,645 patent/US11983072B2/en active Active
- 2019-01-16 WO PCT/JP2019/001148 patent/WO2020148838A1/ja active Application Filing
- 2019-01-16 JP JP2020566025A patent/JP7180692B2/ja active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017159016A1 (ja) | 2016-03-15 | 2017-09-21 | 株式会社日立製作所 | 異常診断システム |
JP2018195266A (ja) | 2017-05-22 | 2018-12-06 | 三菱日立パワーシステムズ株式会社 | 状態分析装置、状態分析方法、およびプログラム |
Also Published As
Publication number | Publication date |
---|---|
US11983072B2 (en) | 2024-05-14 |
US20220075693A1 (en) | 2022-03-10 |
JPWO2020148838A1 (ja) | 2021-11-04 |
WO2020148838A1 (ja) | 2020-07-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7283485B2 (ja) | 推定装置、推定方法、及びプログラム | |
US20220146993A1 (en) | Machine learning method and machine learning device for learning fault conditions, and fault prediction device and fault prediction system including the machine learning device | |
JP7504163B2 (ja) | 異常予知装置、異常予知システム、異常予知方法及び異常予知プログラム | |
JP7180692B2 (ja) | 推定装置、推定方法、及びプログラム | |
EP3847586A1 (en) | Computer-implemented method, computer program product and system for anomaly detection and/or predictive maintenance | |
JP6658250B2 (ja) | 異常診断方法、異常診断装置、及び異常診断プログラム | |
WO2009090939A1 (ja) | ネットワーク異常検出装置及び方法 | |
US20210072740A1 (en) | Deep causality learning for event diagnosis on industrial time-series data | |
Tadić et al. | Particle filtering for sensor fault diagnosis and identification in nonlinear plants | |
JP2013196698A (ja) | システム監視 | |
JP2021184139A (ja) | 管理計算機、管理プログラム、及び管理方法 | |
Leifeld et al. | Fault detection for probabilistic Boolean networks | |
JP6718425B2 (ja) | 情報処理装置、情報処理方法及び情報処理プログラム | |
US10540828B2 (en) | Generating estimates of failure risk for a vehicular component in situations of high-dimensional and low sample size data | |
WO2022259446A1 (ja) | 異常原因推定装置、異常原因推定方法、及びコンピュータ読み取り可能な記録媒体 | |
JP7331940B2 (ja) | 学習装置、推定装置、学習方法および学習プログラム | |
CN109343952B (zh) | 贝叶斯网络确定方法、装置、存储介质和电子设备 | |
JP7359206B2 (ja) | 学習装置、学習方法、及びプログラム | |
JP7127686B2 (ja) | 仮説推論装置、仮説推論方法、及びプログラム | |
Hu | Dynamic programming | |
JP2023074114A (ja) | 情報処理装置、情報処理方法およびプログラム | |
WO2023032218A1 (ja) | 因果探索装置、因果探索方法、及びコンピュータ読み取り可能な記録媒体 | |
JP2019101712A (ja) | 異常推定装置、異常推定方法及びプログラム | |
US20210192297A1 (en) | Reinforcement learning system and method for generating a decision policy including failsafe | |
JP2024017791A (ja) | ニューラルネットワークの学習方法、特徴選択装置、特徴選択方法、及びコンピュータプログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210622 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210622 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220531 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220726 |
|
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: 20221018 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20221031 |
|
R151 | Written notification of patent or utility model registration |
Ref document number: 7180692 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |