JP7282184B2 - 工業プロセスで使用されるコンポーネントから発生する信号の異常を検出及び測定するためのシステムと方法 - Google Patents
工業プロセスで使用されるコンポーネントから発生する信号の異常を検出及び測定するためのシステムと方法 Download PDFInfo
- Publication number
- JP7282184B2 JP7282184B2 JP2021544307A JP2021544307A JP7282184B2 JP 7282184 B2 JP7282184 B2 JP 7282184B2 JP 2021544307 A JP2021544307 A JP 2021544307A JP 2021544307 A JP2021544307 A JP 2021544307A JP 7282184 B2 JP7282184 B2 JP 7282184B2
- Authority
- JP
- Japan
- Prior art keywords
- measured
- parameters
- values
- data
- industrial
- 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
- 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
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
- G05B23/0224—Process history based detection method, e.g. whereby history implies the availability of large amounts of data
- G05B23/024—Quantitative history assessment, e.g. mathematical relationships between available data; Functions therefor; Principal component analysis [PCA]; Partial least square [PLS]; Statistical classifiers, e.g. Bayesian networks, linear regression or correlation analysis; Neural networks
-
- 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
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS], computer integrated manufacturing [CIM]
- G05B19/4184—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS], computer integrated manufacturing [CIM] characterised by fault tolerance, reliability of production system
-
- 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
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS], computer integrated manufacturing [CIM]
- G05B19/4185—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS], computer integrated manufacturing [CIM] characterised by the network communication
-
- 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
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS], computer integrated manufacturing [CIM]
- G05B19/41865—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS], computer integrated manufacturing [CIM] characterised by job scheduling, process planning, material flow
-
- 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
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS], computer integrated manufacturing [CIM]
- G05B19/4188—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS], computer integrated manufacturing [CIM] characterised by CIM planning or realisation
-
- 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
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
- G05B23/0224—Process history based detection method, e.g. whereby history implies the availability of large amounts of data
- G05B23/0227—Qualitative history assessment, whereby the type of data acted upon, e.g. waveforms, images or patterns, is not relevant, e.g. rule based assessment; if-then decisions
- G05B23/0235—Qualitative history assessment, whereby the type of data acted upon, e.g. waveforms, images or patterns, is not relevant, e.g. rule based assessment; if-then decisions based on a comparison with predetermined threshold or range, e.g. "classical methods", carried out during normal operation; threshold adaptation or choice; when or how to compare with the threshold
-
- 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
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0259—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
- G05B23/0267—Fault communication, e.g. human machine interface [HMI]
- G05B23/027—Alarm generation, e.g. communication protocol; Forms of alarm
-
- 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
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0259—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
- G05B23/0275—Fault isolation and identification, e.g. classify fault; estimate cause or root of failure
- G05B23/0281—Quantitative, e.g. mathematical distance; Clustering; Neural networks; Statistical analysis
-
- 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
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0259—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
- G05B23/0286—Modifications to the monitored process, e.g. stopping operation or adapting control
- G05B23/0294—Optimizing process, e.g. process efficiency, product quality
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/80—Management or planning
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Mathematical Physics (AREA)
- Quality & Reliability (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Manufacturing & Machinery (AREA)
- Computing Systems (AREA)
- Medical Informatics (AREA)
- Data Mining & Analysis (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Algebra (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Probability & Statistics with Applications (AREA)
- Pure & Applied Mathematics (AREA)
- Human Computer Interaction (AREA)
- Testing And Monitoring For Control Systems (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Description
本発明は、産業プロセス制御及び/又は監視システムに関する。特に、本発明は、請求項1に記載の工業プロセスで使用されるコンポーネントに由来する測定データ及び/又はプロセスパラメータをそれぞれ監視することによって、工業機器又は生産プラントにおける機器故障の異常又は早期兆候を検出する方法に関する。本発明は、請求項15に記載の産業プロセスで使用されるコンポーネントに由来する測定データ及び/又はプロセスパラメータを監視することによって、産業機器又は生産プラントにおける機器故障の異常又は早期兆候を検出するためのシステムに関する。本発明は、自己適応型閉ループ及び/又は自動閉ループ用の開ループ制御装置及び/又はミリング及びローラーシステムの開ループ制御、より具体的には、ローラーフレームを有するミルプラントだけでなく、一般的なミルシステム及びミルプラントも含む。ミリング及びローラーシステムの制御及びステアリング用の装置を制御するためのアプリケーションとは別に、本発明はまた、一般に、工業プロセスで使用されるコンポーネントに由来する信号伝達の異常を検出及び測定するためのシステム及び方法に関する。本発明による装置の可能な用途はまた、リアルタイム又は準リアルタイムの測定及び操作パラメータ、例えばローラー温度、ローラーギャップ、ローラー速度、ローラー押圧力、及び/又は1つ又はさまざまなローラードライブのパワードローなど、の監視を伴う、及び/又は、プロセス監視(測定、監視)及びプラントとプロセスの開ループ及び/又は閉ループ制御を目的とした穀物工場での生産調整及び処理中、例えば水分含有量、タンパク質含有量、デンプン損傷、小麦粉(又はミリング中間体)の灰分(ミネラル物質)、残留デンプン含有量、ミリングの細かさなどの測定変数など、成分又は品質パラメータのリアルタイム又は準リアルタイム測定を伴うミリング及びローラーシステムに関する。
工業プロセス及びデバイス設定では、制御システムは、施設、プラント又はその他の機器、ならびに産業又は化学プロセスなどの操作/プロセスを監視、制御、操縦及び信号伝達するために使用される。典型的には、制御と監視を実行するシステムは、プロセス制御ループによって制御回路に結合された産業プロセスの主要な場所に分散されたフィールドデバイスを使用する。「フィールドデバイス」という用語は、測定に使用されるすべてのデバイスを包含する、分散制御又はプロセス監視システムで機能を実行するいずれのデバイス、例えば、センサー及び測定デバイス、産業プロセス及び処理施設の制御、監視、信号伝達など、を指す。各フィールドデバイスは、例えば通信手段、及び通信に使用される回路、特に、プロセス制御ループを介した、プロセスコントローラ、他のフィールドデバイス、又は他の回路との有線又は無線通信、を含む。一部の設備では、プロセス制御ループは、フィールドデバイスに電力を供給するために調整された電流及び/又は電圧をフィールドデバイスに供給するためにも使用される。プロセス制御ループは、アナログ形式又はデジタル形式のデータも伝送する。典型的には、フィールドデバイスは、フィールドデバイスのローカル環境を監視するために、必要に応じて、工業プロセス及び/又は特定の設備でプロセス変数を検知又は制御するために使用される。
本発明の目的は、先行技術から知られている不利な点及び技術的問題を克服することである。特に、その目的は、工業プロセスで使用されるコンポーネントに由来する測定及び感覚データの異常を検出するための正確で効率的な制御システム及び方法を提供することである。システムは、大量のアラーム/フォールト情報を、通常の操作とは異なるいくつかのトリガーされた重要なイベントに効率的に抽出する自動化された技術を提供できる必要がある。システムは、リアルタイム又は準リアルタイムで制御及び監視プロセスを実行できる必要がある。より具体的には、本発明の目的は、最適化され自動化された方法でミリング及び/又は破砕を実行するために使用でき、ミルの信頼性を高め、同時に発生する異常に自動的に反応することによって操作を最適化するローラーシステムのミリングラインの自動最適化及び制御のためのインテリジェントな自己適応型開ループ/閉ループ制御装置を提供することである。
本発明は、図面を参照して、例としてより詳細に説明される。
1 産業機器/生産プラント
11 プロセスライン
12 プラントのダウンタイム
13 監視デバイス
14 制御/ステアリングデバイス
15 アラームデバイス
2 測定デバイス/センサー
3 同じサイズのタイムフレーム
31 異常なタイムフレーム
4 測定及び/又はプロセスパラメータ
41 感覚/測定パラメータ
42 プロセス変数
43 異常なセンサーデータ値
5 産業用処理コンポーネント/産業用デバイス
6 工業プロセス
61 発生するアラームイベント
611 発生するアラームイベントの頻度
612 発生するアラームイベントの頻度パターン
7 産業機器又は生産プラントの機器の故障の異常又は早期兆候を検出するためのシステム
71 監視デバイス
8 機械学習モジュール
81 多次元データ構造
811、812、…、81x 可変隠れマルコフモデルのパラメータ値
821、822、…、82x 保存可能なマルコフ連鎖状態
831、832、…、83x トレーニング済みモデルパラメータ
82 アラームイベントが発生する正常の状態(normal state)の頻度
83 確率状態値
84 対数しきい値
841 異常スコア
85 対数結果値
86 事前定義された収束しきい値
9 バイナリコンバータ/微分器
91 バイナリ処理コード
911 生成されたバイナリ処理コード
912 プレサンプリングされたバイナリ処理コード
92 しきい値
Claims (11)
- 工業プロセスで使用されるコンポーネントに由来する測定データ及び/又はプロセスパラメータを監視することにより、産業機器又は生産プラントにおける機器障害の異常又は早期兆候を検出するための方法であって、
工業プロセスで使用されるコンポーネントのプロセスパラメータをそれぞれ監視する測定データを、測定デバイス又はセンサーにより測定及び/又は監視し、前記工業プロセスで使用されるコンポーネントが正常に機能するタイムフレームについて、前記測定データ及び/又はプロセスパラメータにおける等しいサイズのタイムフレームを特定するステップであって、前記測定データ及び/又はプロセスパラメータは、複数の測定/感覚パラメータ及び/又はプロセス変数のパラメータ値を含む、ステップと、
前記複数の測定/感覚パラメータ及び/又はプロセス変数の前記パラメータ値を、前記特定された等しいサイズのタイムフレームのそれぞれについて、観察可能なバイナリ処理コードに変換し、該バイナリ処理コードを一連の保存可能なマルコフ連鎖状態に代入するステップと、
定義可能な数の可変隠れマルコフモデルパラメータ値を含む多次元データ構造を生成するステップであって、該多次元データ構造の可変モデルパラメータは、バイナリ処理コードが代入された前記保存可能なマルコフ連鎖状態のシーケンスに適用される機械学習モジュールによって決定され、前記多次元データ構造の前記可変隠れマルコフモデルパラメータは、前記特定された等しいサイズのタイムフレームの前記測定データ及び/又はプロセスパラメータに基づいて、発生するアラームイベントの正常な状態の頻度を学習することによりトレーニングされ且つ変化される、ステップと、
前記複数の測定/感覚パラメータ及び/又はプロセス変数のパラメータ値と同じ等しいサイズのタイムフレームを持つ事前サンプリングされたバイナリ処理コードに、前記可変隠れマルコフモデルパラメータ値を持つトレーニング済みの前記多次元データ構造を適用することにより、複数の確率状態値を初期化し、保存するステップと、
保存された前記確率状態値の対数結果値を順序付けすることにより、異常スコアの対数の第1のしきい値を決定するステップと、
前記可変隠れマルコフモデルパラメータ値を持つトレーニング済みの前記多次元データ構造を展開して、異常スコアの第1のしきい値を使用して、産業機器又はプラントからの新たに測定された、それぞれ決定された測定データ及び/又はプロセスパラメータを監視し、差し迫ったシステム障害を示す可能性のある異常なセンサーデータ値を検出するステップであって、前記異常なセンサーデータ値でトリガーするために、前記新たに測定された、それぞれ決定された測定データ及び/又はプロセスパラメータの確率状態値の対数結果値が生成され、前記異常スコアの前記対数の第1のしきい値に基づいて、前記保存された確率状態値と比較される、ステップと、
を含む、産業機器又は生産プラントにおける機器障害の異常又は早期兆候を検出するための方法。 - ここで、前記バイナリ処理コードは、前記測定データ及び/又は前記プロセスパラメータに適用される第2のしきい値に基づいて生成される、請求項1に記載の、産業機器又は生産プラントにおける機器障害の異常又は早期兆候を検出するための方法。
- 振動/ノイズ信号による異常イベントが多すぎる異常検出の場合、第2のしきい値のうち1つの動的調整に基づいて自動的に調整されること、ここで、1つの第2のしきい値を超えた場合、イベントは1値(true)と見なされ、それ以外の場合は0値(false)と見なされ、イベントが1値(true)と見なされた場合にバイナリシーケンスが生成されることを特徴とする、請求項2に記載の、産業機器又は生産プラントにおける機器障害の異常又は早期兆候を検出するための方法。
- 異常なタイムフレームが同じ産業プロセスラインの多くの資産にわたって測定され、ここで、異常スコアでトリガーするために、異常なタイムフレームがプラントのダウンタイムの根本原因分析に適用され、且つメンテナンスサービスのシグナリングがプラントのダウンタイムの前記根本原因分析に基づいて生成されることを特徴とする、請求項1から3のいずれか一項に記載の、産業用システムにおける機器故障の異常又は早期兆候を検出するための方法。
- 機械学習モジュールは、前記可変隠れマルコフモデルパラメータを持つ前記多次元データ構造のトレーニングに最尤パラメータ推定を適用することにより、割り当てられたバイナリ処理コードのシーケンスを処理し、ここで、マルコフ連鎖の保存可能なパラメータステータスのシーケンスの要素は、互いに独立した測定であると想定され、ここで、多次元データ構造のモデルパラメータは、多次元データ構造の訓練されたモデルパラメータを得るために、確率の乗算された積を最大化することによって変化することを特徴とする、請求項1から4のいずれか一項に記載の、産業機器又は生産プラントにおける機器障害の異常又は早期兆候を検出するための方法。
- 多次元データ構造のモデルパラメータは、事前定義された収束しきい値をクロスするまで繰り返し変化することを特徴とする、請求項5に記載の、産業機器又は生産プラントにおける機器障害の異常又は早期兆候を検出するための方法。
- 異常スコアの前記第1のしきい値を決定するために、平均化プロセスが、識別されたタイムフレームの測定及び/又はプロセスパラメータの発生するアラームイベントの異なる頻度に基づいて適用されることを特徴とする、請求項1から6のいずれかに一項に記載の、産業機器又は生産プラントにおける機器障害の異常又は早期兆候を検出するための方法。
- 異常スコアの前記第1のしきい値を決定するため、頻度パターンは、パターン認識を使用して、等しいサイズの識別されたタイムフレームのそれぞれに対して生成され、保存可能なパラメータステータスの複数のマルコフ連鎖シーケンスを初期化し、ここで、各保存可能なパラメータステータスは、複数の測定データ及び/又はプロセスパラメータの関数であり、ここで、適用されたパターン認識によって、保存可能なパラメータステータスの複数のシーケンスのそれぞれの重み係数及び/又は平均及び/又は分散が決定され、且つ関係のないタイムフレームは、等しいサイズの識別されたタイムフレームの使用済みセットから削除されることを特徴とする、請求項1から7のいずれか一項に記載の、産業機器又は生産プラントにおける機器障害の異常又は早期兆候を検出するための方法。
- デジタル信号又はパルスとしてのゲーティング信号が生成され、適切なタイムウィンドウを提供すること、ここで、測定データ及び/又はプロセスパラメータの多くの測定されたタイムフレームの中から、新たに測定された測定データ及び/又はプロセスパラメータの発生する異常なタイムフレームが選択され、且つ正常なタイムフレームは削除又は破棄され、且つ、ここで、発生する異常なタイムフレームの選択は、適切なシグナリング生成及び割り当てられたアラーム及び/又は監視及び/又は制御/ステアリングデバイスへの遷移をトリガーすることを特徴とする、請求項1から8のいずれか一項に記載の、産業機器又は生産プラントにおける機器障害の異常又は早期兆候を検出するための方法。
- 電子制御及びステアリングシグナリングは生成されること、ここで、測定データの多くの測定されたタイムフレームの中から新たに測定された測定データ及び/又はプロセスパラメータの検出された発生する異常なタイムフレームに基づいて選択され、且つ正常なタイムフレームは削除又は破棄され、且つここで、少なくとも1つの発生する異常なタイムフレームの選択は、適切なシグナリング生成及び遷移をトリガーして、制御/ステアリングデバイスによって、産業機器及び/又は生産プラント又はコンポーネントの操作を調整することを特徴とする、請求項9に記載の、産業機器又は生産プラントにおける機器障害の異常又は早期兆候を検出するための方法。
- 工業プロセスで使用されるコンポーネントに由来する測定データ及び/又はプロセスパラメータを監視することにより、産業機器又は生産プラントにおける機器障害の異常又は早期兆候を検出するためのシステムであって、
当該システムは、工業プロセスで使用されるコンポーネントの測定データ及び/又はプロセスパラメータを測定するためのセンサー又は測定デバイスと、前記工業プロセスで使用されるコンポーネントが正常に機能するタイムフレームについて、前記測定データ及び/又はプロセスパラメータにおける等しいサイズのタイムフレームを特定するための検出デバイスとを含み、前記測定データ及び/又はプロセスパラメータは、複数の測定/感覚パラメータ及び/又はプロセス変数のパラメータ値を含み、
当該システムは、複数の測定/感覚パラメータ及び/又はプロセス変数のパラメータ値を、識別された等しいサイズのタイムフレームのそれぞれについて観察可能なバイナリ処理コードに変換し、該バイナリ処理コードを一連の保存可能なマルコフ連鎖状態に代入するための微分回路を含み、
当該システムは、定義可能な数の可変隠れマルコフモデルパラメータ値を含む多次元データ構造を生成するための機械学習モジュールを含み、該多次元データ構造の可変モデルパラメータは、バイナリ処理コードが代入された前記保存可能なマルコフ連鎖状態のシーケンスに適用される機械学習モジュールによって決定され、前記多次元データ構造の可変隠れマルコフモデルパラメータは、前記特定された等しいサイズのタイムフレームの測定データ及び/又はプロセスパラメータに基づいて、発生するアラームイベントの正常な状態の頻度を学習することによりトレーニングされ且つ変化され、
前記機械学習モジュールは、複数の測定/感覚パラメータ及び/又はプロセス変数のパラメータ値と同じ等しいサイズのタイムフレームを持つ事前サンプリングされたバイナリ処理コードに、前記可変隠れマルコフモデルパラメータ値を持つトレーニング済みの前記多次元データ構造を適用することにより、複数の確率状態値を初期化し、保存するための手段を含み、
前記機械学習モジュールは、保存された前記確率状態値の対数結果値を順序付けることにより、異常スコアの対数の第1のしきい値を決定するための手段を含み、
前記機械学習モジュールは、前記可変隠れマルコフモデルパラメータ値を持つトレーニング済みの前記多次元データ構造を展開して、異常スコアの第1のしきい値を使用して、産業機器又はプラントからの新たに測定された、それぞれ決定された測定データ及び/又はプロセスパラメータを監視し、差し迫ったシステム障害を示す可能性のある異常なセンサーデータ値を検出する手段を含み、前記異常なセンサーデータ値でトリガーするために、前記新たに測定された、それぞれ決定された測定データ及び/又はプロセスパラメータの確率状態値の対数結果値が生成され、前記異常スコアの前記対数の第1のしきい値に基づいて、前記保存された確率状態値と比較される、システム。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
EP19154618.3A EP3690581B1 (en) | 2019-01-30 | 2019-01-30 | System and method for detecting and measuring anomalies in signaling originating from components used in industrial processes |
EP19154618.3 | 2019-01-30 | ||
PCT/EP2020/052330 WO2020157220A1 (en) | 2019-01-30 | 2020-01-30 | System and method for detecting and measuring anomalies in signaling originating from components used in industrial processes |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2022519228A JP2022519228A (ja) | 2022-03-22 |
JP7282184B2 true JP7282184B2 (ja) | 2023-05-26 |
Family
ID=65268867
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021544307A Active JP7282184B2 (ja) | 2019-01-30 | 2020-01-30 | 工業プロセスで使用されるコンポーネントから発生する信号の異常を検出及び測定するためのシステムと方法 |
Country Status (10)
Country | Link |
---|---|
US (1) | US20220163947A1 (ja) |
EP (1) | EP3690581B1 (ja) |
JP (1) | JP7282184B2 (ja) |
KR (1) | KR102428632B1 (ja) |
BR (1) | BR112021013786A2 (ja) |
ES (1) | ES2871348T3 (ja) |
MX (1) | MX2021008420A (ja) |
PL (1) | PL3690581T3 (ja) |
UA (1) | UA127465C2 (ja) |
WO (1) | WO2020157220A1 (ja) |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11551116B2 (en) * | 2020-01-29 | 2023-01-10 | Rohde & Schwarz Gmbh & Co. Kg | Signal analysis method and signal analysis module |
US11543808B2 (en) * | 2020-04-08 | 2023-01-03 | Nec Corporation | Sensor attribution for anomaly detection |
US11630428B2 (en) * | 2021-08-06 | 2023-04-18 | Trimble Inc. | Real-time analysis of vibration samples for operating environment classification and anomaly detection |
CN117940862A (zh) * | 2021-08-31 | 2024-04-26 | 西门子股份公司 | 部署在可编程逻辑控制器上的自动声学异常检测特征 |
EP4152113A1 (de) * | 2021-09-16 | 2023-03-22 | Siemens Aktiengesellschaft | Verfahren und system zur verbesserung des produktionsprozesses in einer technischen anlage |
WO2023101969A1 (en) * | 2021-11-30 | 2023-06-08 | Aveva Software, Llc | Server, systems and methods for industrial process visual anomaly reporting |
US20230251646A1 (en) * | 2022-02-10 | 2023-08-10 | International Business Machines Corporation | Anomaly detection of complex industrial systems and processes |
CN114726593A (zh) * | 2022-03-23 | 2022-07-08 | 阿里云计算有限公司 | 数据分析、异常信息识别方法、设备及存储介质 |
CN114721352B (zh) * | 2022-04-11 | 2023-07-25 | 华能威海发电有限责任公司 | Dcs系统的状态监测与故障诊断方法及系统 |
JP2023169060A (ja) * | 2022-05-16 | 2023-11-29 | 横河電機株式会社 | 装置、方法およびプログラム |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005251185A (ja) | 2004-02-05 | 2005-09-15 | Toenec Corp | 電気設備診断システム |
JP2012048405A (ja) | 2010-08-25 | 2012-03-08 | Toyota Motor Corp | 制御装置、電子制御ユニット、異常検出方法 |
JP2015135601A (ja) | 2014-01-17 | 2015-07-27 | パナソニックIpマネジメント株式会社 | 異常検出システム、携帯型検出器、及び異常検出方法 |
JP2015170121A (ja) | 2014-03-06 | 2015-09-28 | 株式会社豊田中央研究所 | 異常診断装置及びプログラム |
WO2018047804A1 (ja) | 2016-09-08 | 2018-03-15 | 日本電気株式会社 | 異常検出装置、異常検出方法、及び記録媒体 |
JP2018160093A (ja) | 2017-03-23 | 2018-10-11 | 株式会社日立製作所 | 異常検知システムおよび異常検知方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
FR2939170B1 (fr) * | 2008-11-28 | 2010-12-31 | Snecma | Detection d'anomalie dans un moteur d'aeronef. |
GB201510957D0 (en) * | 2015-06-22 | 2015-08-05 | Ge Aviat Systems Group Ltd | Systems and Methods For Verification And Anomaly Detection |
US10474128B2 (en) * | 2015-11-16 | 2019-11-12 | Jtekt Corporation | Abnormality analysis system and analysis apparatus |
WO2020088739A1 (en) * | 2018-10-29 | 2020-05-07 | Hexagon Technology Center Gmbh | Facility surveillance systems and methods |
-
2019
- 2019-01-30 ES ES19154618T patent/ES2871348T3/es active Active
- 2019-01-30 PL PL19154618T patent/PL3690581T3/pl unknown
- 2019-01-30 EP EP19154618.3A patent/EP3690581B1/en active Active
-
2020
- 2020-01-30 UA UAA202104851A patent/UA127465C2/uk unknown
- 2020-01-30 JP JP2021544307A patent/JP7282184B2/ja active Active
- 2020-01-30 MX MX2021008420A patent/MX2021008420A/es unknown
- 2020-01-30 US US17/425,942 patent/US20220163947A1/en active Pending
- 2020-01-30 KR KR1020217027219A patent/KR102428632B1/ko active IP Right Grant
- 2020-01-30 WO PCT/EP2020/052330 patent/WO2020157220A1/en active Application Filing
- 2020-01-30 BR BR112021013786-6A patent/BR112021013786A2/pt unknown
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005251185A (ja) | 2004-02-05 | 2005-09-15 | Toenec Corp | 電気設備診断システム |
JP2012048405A (ja) | 2010-08-25 | 2012-03-08 | Toyota Motor Corp | 制御装置、電子制御ユニット、異常検出方法 |
JP2015135601A (ja) | 2014-01-17 | 2015-07-27 | パナソニックIpマネジメント株式会社 | 異常検出システム、携帯型検出器、及び異常検出方法 |
JP2015170121A (ja) | 2014-03-06 | 2015-09-28 | 株式会社豊田中央研究所 | 異常診断装置及びプログラム |
WO2018047804A1 (ja) | 2016-09-08 | 2018-03-15 | 日本電気株式会社 | 異常検出装置、異常検出方法、及び記録媒体 |
JP2018160093A (ja) | 2017-03-23 | 2018-10-11 | 株式会社日立製作所 | 異常検知システムおよび異常検知方法 |
Also Published As
Publication number | Publication date |
---|---|
KR102428632B1 (ko) | 2022-08-03 |
KR20210125015A (ko) | 2021-10-15 |
JP2022519228A (ja) | 2022-03-22 |
US20220163947A1 (en) | 2022-05-26 |
PL3690581T3 (pl) | 2021-09-06 |
ES2871348T3 (es) | 2021-10-28 |
BR112021013786A2 (pt) | 2021-09-21 |
EP3690581B1 (en) | 2021-02-17 |
EP3690581A1 (en) | 2020-08-05 |
WO2020157220A1 (en) | 2020-08-06 |
MX2021008420A (es) | 2021-10-13 |
UA127465C2 (uk) | 2023-08-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7282184B2 (ja) | 工業プロセスで使用されるコンポーネントから発生する信号の異常を検出及び測定するためのシステムと方法 | |
JP7017861B2 (ja) | 異常検知システムおよび異常検知方法 | |
US11521105B2 (en) | Machine learning device and machine learning method for learning fault prediction of main shaft or motor which drives main shaft, and fault prediction device and fault prediction system including machine learning device | |
JP4741172B2 (ja) | 予測状態監視における変化状態の適応モデリング | |
US20140365179A1 (en) | Method and Apparatus for Detecting and Identifying Faults in a Process | |
US10152879B2 (en) | Method, apparatus, and system for monitoring manufacturing equipment | |
US20080167842A1 (en) | Method and system for detecting, analyzing and subsequently recognizing abnormal events | |
KR20210091737A (ko) | 비정상 기계 성능의 자동화된 분석 | |
EP3416011B1 (en) | Monitoring device, and method for controlling monitoring device | |
RU2766106C1 (ru) | Обнаружение нештатных ситуаций | |
CN107831736B (zh) | 使用用于造纸机或其它系统的模型参数数据群集的模型-工厂失配检测 | |
JP2000259223A (ja) | プラント監視装置 | |
US20220004163A1 (en) | Apparatus for predicting equipment damage | |
WO2019087508A1 (ja) | 監視対象選定装置、監視対象選定方法、およびプログラム | |
US10139788B2 (en) | Remote data analytics to predict system components or device failure | |
JP6540532B2 (ja) | 監視装置及び監視装置の制御方法 | |
Salvador et al. | Online detection of shutdown periods in chemical plants: A case study | |
CN113454553B (zh) | 用于检测和测量源自工业过程中使用的部件的信令中的异常的系统和方法 | |
US11228606B2 (en) | Graph-based sensor ranking | |
RU2784925C1 (ru) | Система и способ для обнаружения и измерения аномалий в сигнализации, исходящей из компонентов, используемых в промышленных процессах | |
JP7239022B2 (ja) | 時系列データ処理方法 | |
JP2020038594A (ja) | 異常検知装置、異常検知方法およびプログラム | |
JP2021099744A (ja) | 異常診断装置およびプログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A529 | Written submission of copy of amendment under article 34 pct |
Free format text: JAPANESE INTERMEDIATE CODE: A529 Effective date: 20210819 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210819 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20220928 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20221004 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20221228 |
|
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: 20230509 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230516 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7282184 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |