JP7290480B2 - 状態監視装置 - Google Patents
状態監視装置 Download PDFInfo
- Publication number
- JP7290480B2 JP7290480B2 JP2019107599A JP2019107599A JP7290480B2 JP 7290480 B2 JP7290480 B2 JP 7290480B2 JP 2019107599 A JP2019107599 A JP 2019107599A JP 2019107599 A JP2019107599 A JP 2019107599A JP 7290480 B2 JP7290480 B2 JP 7290480B2
- Authority
- JP
- Japan
- Prior art keywords
- item
- monitoring device
- condition monitoring
- data
- measured value
- 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
そこで、本発明は、装置が正常又は異常であることを区別する計測値と、当該計測値に影響を与える他の計測値とを使用して、装置の異常の予兆を検知することを目的とする。
その他の手段については、発明を実施するための形態のなかで説明する。
図1は、状態監視装置1の構成等を説明する図である。状態監視装置1は、一般的なコンピュータであり、中央制御装置11、マウス、キーボード等の入力装置12、ディスプレイ、スピーカ等の出力装置13、主記憶装置14、補助記憶装置15及び通信装置16を備える。これらは、バスで相互に接続されている。補助記憶装置15は、計測値・推測値情報31、近似式32、統計量情報33及び閾値情報34(いずれも詳細後記)を格納している。
図2は、計測値・推測値情報31の一例である。計測値・推測値情報31においては、時刻欄101に記憶された時刻に関連付けて、計測値欄102には計測値が、推測値欄103には推測値が、差分欄104には差分が、既知情報欄105には既知情報が、診断結果欄106には診断結果が、期間名欄107には期間名が記憶されている。
計測値欄102の計測値は、各センサ47が計測した計測値である。図2の例では、計測値欄102は、攪拌機46の軸受の振動速度(欄102a)、攪拌機46の回転軸の回転速度(欄102b)、第1水槽41内の原水の粘度(欄102c)、及び、配管43内を流れる原水の流速(欄102d)という4つの項目を有する。計測値は、例えば、攪拌機46の温度、原水の水位、原水に添加される凝集剤の質量のように、他のセンサ47が計測したものであってもよい。
診断結果欄106の診断結果は、状態監視装置1が攪拌機46に対して行った診断の結果であり、“正常”又は“異常”のいずれかである。“異常”は、攪拌機46の停止、破壊等の顕在的な異常以外にも、一見正常に稼働しているように見えるが実は顕在的な異常の前触れである“予兆”を含む。“-”は、その欄にデータがないことを意味する(詳細後記)。
・2019年3月10日から16日までの毎日10時00分00秒に、状態監視装置1は、稼働中の攪拌機46について振動速度、回転速度、粘度及び流速の計測値を取得した。
・当該期間は、攪拌機46が正常であることが既知である学習期間である。そして、状態監視装置1は、サンプルとしての計測値を取得する処理以外の処理を行っていない。したがって、推測値欄103、差分欄104及び診断結果欄106には“-”が記憶されている。
・当該期間は、診断結果が判明するまでは攪拌機46が正常であるか否かが未知である診断期間である。したがって、既知情報欄105には“-”が記憶されている。
・そこで、状態監視装置1は、診断期間の各時刻において、まず近似式32に“Xi”を入力することによって推測値“y”を算出し、次に差分“|Y-y|”を算出し、さらに差分に対して閾値を適用している。
・状態監視装置1は、“差分<閾値”であれば、攪拌機46は正常であり、“差分≧閾値”であれば、攪拌機46は異常であると診断している。
図5は、振動速度と差分の時系列推移を説明する図である。図5の横軸は、時間である。縦軸は、振動速度(左目盛)及び差分(右目盛)である。振動速度は、攪拌機46の第1の項目である。差分は、攪拌機46の振動速度の計測値から推測値を減算した値の絶対値である。よって、ある時点の差分は、当該時点の振動速度よりも、推測値(近似式32上の点の縦軸の値)の分だけ小さい。したがって、図5においては、差分の目盛を振動速度の目盛の1/10として、差分の変化を強調している。
水処理プラント4は、原水を濾過する膜設備を有してもよい(図示せず)。状態監視装置1は、攪拌機46と同様に、膜設備を監視する。この場合、センサ47は、ファウリングによる差圧、原水の温度、原水の濁度、原水の流速、及び、原水に添加される凝集剤の質量を計測する。さらに、センサ(カウンタ)は、膜設備の使用年数、洗浄回数及び洗浄間隔を広義の計測値として取得する。ファウリングによる差圧とは、膜の前後の水圧の差分であり、膜に多くの汚れが付着するほど差圧は大きい。
前記では、第1の項目としての振動速度は、1次元のスカラであることを前提としてきた。しかしながら、振動速度は、多次元のベクトルであってもよい。このとき、ベクトルの各成分は、例えば振動の方向(上下、左右、前後)に割り当てられてもよいし、振動の周波数帯(高周波、低周波)に割り当てられてもよい。
・計測値欄102における振動速度に関する欄は、低周波振動速度欄102a及び高周波振動速度欄102aaの2つの下位項目から構成されている。
・推測値欄103は、低周波振動速度欄103a及び高周波振動速度欄103bから構成されている。
・差分の計算式が、“√[(Y1-y1)2+(Y2-y2)2]”に代わっている。“√”は、平方根を示す。
図2及び図6においては説明目的のために単純化されているが、実際には計測値のデータ量は、膨大になる場合が多い。本実施形態では、状態監視装置1は、学習期間の計測値を学習データとして使用して、近似式32を生成(学習)する。状態監視装置1がこれらの計測値を使用した後もそのまま記憶し続けると、無視できない程度に記憶領域を消費する。そこで、状態監視装置1は、使用済みの計測値を廃棄(削除)してもよい。
・診断期間の直近の過去において、計測値は存在しない(“*”がこのことを示す)。
・診断期間の約1年前の同季節に計測値が計測された。そして、その計測値は、学習データとして使用された後、廃棄された。しかしながら、廃棄される直前の計測値の統計量が補助記憶装置15に記憶されている。
・診断期間は、2019年3月24日から27日である。
・診断期間の直近の過去において、計測値の取得が何らかの理由で一旦中断された後再開された結果、測定値は、必要なデータ量(7日分)に対して4日分だけ不足している。つまり、2019年3月21日から23日までの計測値は存在するが、2019年3月17日から20日までの計測値は存在しない。
・そこで、状態監視装置1は、その統計量を使用して前記した方法で疑似データを生成し、2019年3月17日から20日までのレコードに記憶した。
近似式32は、第1の項目と、第2の項目との関係を示す。すると、仮に近似式32が含む説明変数及び目的変数の種類が同じであったとしても、攪拌機46の運転条件、運転環境等が変化すれば、近似式32も当然変化する。換言すれば、運転条件ごと運転環境ごとに、多くの近似式32が存在することになる。そして、過去に存在しなかった新たな運転環境、運転条件等が発生する都度、状態監視装置1は、新たな運転環境、運転条件等を反映した近似式を新たに作成するのが望ましい。同様に、状態監視装置1は、過去には存在したが将来再現する見込みのない運転環境、運転条件等を反映した近似式を廃棄(又は別途保管)するのが望ましい。
〈部分Api〉直近の過去を含む過去の特定の期間piにおいてセンサが計測した計測値
〈部分Bqi〉過去の特定の期間qiにおける計測値の統計量に基づき状態監視装置1が再生した計測値(疑似データ)
以降で処理手順を説明する。処理手順として、学習処理手順、診断処理手順及び近似式更新処理手順の3つが存在する。診断処理手順及び近似式更新処理手順が開始されるためには、学習処理手順が既に終了していることが前提になっている。
図9は、学習処理手順のフローチャートである。
ステップS201において、状態監視装置1の学習部21は、学習データを取得する。具体的には、第1に、学習部21は、学習期間において、所定のセンサ47から、当該センサ47が計測する計測値を取得する。
第2に、学習部21は、計測値・推測値情報31(図2)の新たなレコードを作成し、計測値欄102に計測値を記憶する。
学習部21は、所定の回数だけステップS201の処理を繰り返す。所定の回数とは、計測値が、統計的に有意な程度に計測値・推測値情報31のレコードとして蓄積される回数(レコードの本数)である。学習部21は、現時点におけるレコードの本数が所定の回数に達していることをユーザに問い合わせて確認してもよい。
第2に、学習部21は、ステップS203において算出した統計量を、統計量情報33として補助記憶装置15に記憶する。
第2に、学習部21は、ステップS201の“第2”において記憶したデータを廃棄(削除)する。
その後、学習処理手順を終了する。
図10は、診断処理手順のフローチャートである。
ステップS301において、状態監視装置1の診断部22は、閾値を受け付ける。具体的には、診断部22は、ユーザが入力装置12を介して第1の閾値及び第2の閾値を入力するのを受け付ける。第1の閾値は、差分に対して適用される1又は複数の閾値である。本実施形態では、大きさの異なる8つの閾値(Th0<Th1<・・・<Th7)が入力されるものとする。第2の閾値は、第1の項目(図2では、振動速度)に対して適用される1つの閾値ThSである。診断部22は、これらの閾値を閾値情報34として、補助記憶装置15に記憶する。
ステップS304において、診断部22は、推測値を算出する。具体的には、診断部22は、ステップS303において取得した近似式に対して、ステップS302において取得した診断対象データのうちの第2の項目の計測値を入力することによって、第1の項目の推測値yを算出する。
第2に、診断部22は、時刻欄101に各センサ47が計測値(診断対象データ)を取得した時刻を記憶し、期間名欄107に“診断期間”を記憶する。
第4に、診断部22は、差分が少なくとも1つの第1の閾値を超える場合、診断結果欄106に“異常”を記憶し、それ以外の場合、診断結果欄106に“正常”を記憶する。
その後、診断処理手順を終了する。
図12は、近似式更新処理手順のフローチャートである。
ステップS401において、状態監視装置1の疑似データ生成部23は、処理開始の契機を受け付ける。具体的には、疑似データ生成部23は、ユーザが、入力装置12を介して、“近似式更新指示”を入力するのを受け付ける。疑似データ生成部23は、予めユーザが指定する任意の周期を補助記憶装置15に記憶しておき、その周期が経過する都度、ユーザから近似式更新指示を受け付けたものと看做してもよい。
・前回近似式を更新した後、所定の期間が到来する。
・前回近似式を更新した後、計測値・推測値情報32における計測値(学習データ)が所定の数だけ蓄積される。
第2に、疑似データ生成部23は、2019年3月10日から16日までにおける削除済の計測値の統計量を補助記憶装置15から取得する。
第2に、疑似データ生成部23は、新たに学習した近似式32を補助記憶装置15に記憶する。疑似データ生成部23は、ステップS405において準備した計測値(学習データ)を廃棄してもよい。
その後、近似式更新処理手順は終了する。なお、新たな近似式32は、診断処理手順(図10)のステップS303において、診断部22によって取得されることになる。
ステップS307において、診断部22は、差分の移動平均が第1の閾値のうちの少なくとも1つを超え、かつ/又は、第1の項目の計測値の移動平均が第2の閾値を超える場合に、ステップS308に進んでもよい。差分の移動平均とは、今回の差分を含む直近の過去のn回分(n=2、3、4、・・・)の差分の平均値である。第1の項目の計測値の移動平均とは、今回を含む直近の過去のm回分(m=2、3、4、・・・)の第1の項目の計測値の平均値である。診断部22は、ユーがn及びmの値を予め入力するのを受け付けておく。
ステップS307において、診断部22は、差分が第1の閾値のうちの少なくとも1つを連続して超える回数c1及び第1の項目の計測値が第2の閾値を連続して超える回数c2をカウントしておく。診断部22は、回数c1が所定の閾値に達した場合、かつ/又は、回数c2が所定の閾値に達した場合、ステップS308に進んでもよい。診断部22は、ユーザが回数c1についての閾値、及び、回数c2についての閾値を予め入力するのを受け付けておく。
ステップS307において、診断部22は、第1の項目の計測値が停止範囲にある場合、差分の値の大小に関係なく、ステップS309に進んでもよい。停止範囲とは、攪拌機46が停止しているときに第1の項目の計測値が取る範囲である。診断部22は、ユーザが停止範囲を予め入力するのを受け付けておく。
ステップS307において、診断部22は、差分が第1の閾値のうちの少なくとも1つを超え、かつ、第1の項目の計測値が停止範囲を所定の回数連続して逸脱する場合に、ステップS308に進んでもよい。
診断部22は、計測値を使用して任意の方法で第1の閾値及び第2の閾値を自動的に生成してもよい。診断部22は、例えば以下に示すような、第1の閾値を算出する数式及び第2の閾値を算出する数式をユーザが入力するのを予め受け付けておく。
σは、第1の項目の計測値Yの任意の期間における分散であり、αは正の定数である。
・第2の閾値=β×μ
μは、第1の項目の計測値Yの任意の期間における平均であり、βは正の定数である。
そして、診断部22は、任意のタイミングでσ及びμを算出し、第1の閾値及び第2の閾値を更新する。
診断部22は、近似式32を更新する前後における近似式の係数の変化に応じて、攪拌機46が正常であるか、それとも、異常であるかを判断してもよい。例えば、更新後の係数の値anewから更新前の係数の値aoldを減算した結果の絶対値が所定の閾値を超えた場合、診断部22は、監視画面61を表示し、その旨の警報を発してもよい。
近似式32は、入力層、中間層及び出力層に属する複数のノード、各ノードを連結するリンク、並びに、あるノードから発する複数のリンクに関連付けられた重みから構成されるニューラルネットワークであってもよい。
前記では、疑似データ生成部23が計測値の統計量を使用して疑似データを生成する例を説明した。この例では、疑似データは、“疑似”と命名されてはいるが、実際にセンサが取得した計測値の特徴を受け継いでいる。疑似データ生成部23は、説明変数Xiの値及び目的変数Yの値の異なる複数の組合せを、任意の規則に従ってシミュレータ(任意のコンピュータ)に模擬的に発生させ、それを疑似データとしてもよい。疑似データ生成部23は、ユーザに攪拌機46の環境を意図的に変化させ(例えばヒータの設定温度を上昇させる)、その変化に応じてセンサ47が取得する説明変数Xiの値及び目的変数Yの値の異なる複数の組合せを疑似データとしてもよい。疑似データ生成部23は、これらの組合せを使用して、近似式32を更新することができる。
学習部21及び疑似データ生成部23は、計測値の統計量が取得された時点後の任意の時点において、当該統計量を廃棄することができる。以下に挙げる任意の時点の例のうち、慎重性の観点からは、例4が望ましい。記憶領域の早期確保の観点からは、例1が望ましい。
例1:計測値の統計量が取得された直後
例2:統計量に基づき疑似データが再生された直後
例3:疑似データに基づき近似式が生成された直後
例4:近似式が更新された直後
本実施形態の状態監視装置の効果は以下の通りである。
(1)状態監視装置は、装置の正常/異常を区別するものとして通常認識されている計測値だけでなく、その他の計測値も使用して装置の異常を高精度で検知することができる。
(2)状態監視装置は、計測値と他の計測値との関係を学習するための学習データの統計量を取得した後、計測値そのものを廃棄して記憶領域を節約できる。
(3)状態監視装置は、センサが取得した計測値と、統計量に基づき再生した疑似データを合わせて、学習データとすることができる。
2 警報受信装置
3 ネットワーク
4 水処理プラント
11 中央制御装置
12 入力装置
13 出力装置
14 主記憶装置
15 補助記憶装置
16 通信装置
21 学習部
22 診断部
23 疑似データ生成部
31 計測値・推測値情報
32 近似式
33 統計量情報
34 閾値情報
Claims (20)
- 装置が正常又は異常であることを区別する第1の項目の計測値を受け付け、
前記第1の項目に影響を与える1又は複数の第2の項目の計測値を受け付け、
前記第1の項目と前記第2の項目との関係であって、前記装置が正常であることが既知である期間における関係を示す近似式を生成する学習部と、
前記近似式を更新する指示を受け付けたこと、又は、所定の周期が経過したことを契機として、
過去に蓄積された前記第1の項目及び前記第2の項目の計測値についての統計量に基づき、前記第1の項目及び前記第2の項目の疑似データを生成し、
前記生成した疑似データ、及び、過去に蓄積された前記第1の項目及び前記第2の項目の計測値を、ユーザが入力した混合比率で統合したものを学習データとして使用して前記近似式を更新する疑似データ生成部と、
診断対象データとして前記第1の項目の計測値及び前記第2の項目の計測値を受け付け、
前記診断対象データが前記近似式から乖離する程度を監視する診断部と、
を備え、
前記疑似データ生成部は、
前記生成した疑似データを学習データとして使用すべき過去の期間、及び、過去に蓄積された前記第1の項目及び前記第2の項目の計測値を学習データとして使用すべき過去の期間として、前記ユーザが前記混合比率を入力するのを受け付けること、
を特徴とする状態監視装置。 - 前記装置は、
水の処理における回転機械であり、
前記第1の項目は、
前記装置の振動速度であり、
前記第2の項目は、
前記装置の温度であること、
を特徴とする請求項1に記載の状態監視装置。 - 前記装置は、
水の処理における回転機械であり、
前記第1の項目は、
前記装置の振動速度であり、
前記第2の項目は、
前記装置の回転速度、前記水の粘度、前記水の流速、前記水を貯蔵する水槽の水位、及び、前記水に添加される凝集剤の量のうちのいずれかであること、
を特徴とする請求項1に記載の状態監視装置。 - 前記装置は、
水の処理における膜設備であり、
前記第1の項目は、
ファウリングによる差圧であり、
前記第2の項目は、
前記水の温度、前記水の濁度、前記水の流速、膜の使用年数、前記水に添加される凝集剤の量、前記膜の洗浄回数、及び、前記膜の洗浄間隔のうちのいずれかであること、
を特徴とする請求項1に記載の状態監視装置。 - 前記診断部は、
前記診断対象データの第2の項目の計測値を前記生成した近似式に入力して得られた値と、前記診断対象データの第1の項目の計測値との間の差分を評価すること、
を特徴とする請求項1に記載の状態監視装置。 - 前記診断部は、
前記近似式の係数の更新前後における変化に基づき、前記装置を診断すること、
を特徴とする請求項1に記載の状態監視装置。 - 前記第1の項目は、
複数の下位項目を含み、
前記学習部は、
前記下位項目のそれぞれと前記第2の項目との関係であって、前記装置が正常であることが既知である期間における関係を示す複数の下位近似式を、前記下位項目のそれぞれについて生成し、
前記診断部は、
前記診断対象データの第2の項目の計測値を前記生成した複数の下位近似式のそれぞれに入力して得られた値と、前記診断対象データの対応する下位項目の計測値との間の差分を、前記下位項目のそれぞれについて算出し、前記算出した差分の二乗和の平方根を評価すること、
を特徴とする請求項1に記載の状態監視装置。 - 前記近似式は、
複数のノード及び前記複数のノード間の重みを有するニューラルネットワークであること、
を特徴とする請求項1に記載の状態監視装置。 - 前記疑似データ生成部は、
前記第1の項目の計測値と前記第2の項目の計測値との複数の組合せを、シミュレータを使用することによって又は前記装置の環境を意図的に変化させることによって模擬的に生成し、
前記模擬的に生成した組合せを使用して前記近似式を生成すること、
を特徴とする請求項1に記載の状態監視装置。 - 装置が正常又は異常であることを区別する第1の項目の計測値を受け付け、
前記第1の項目に影響を与える1又は複数の第2の項目の計測値を受け付け、
前記第1の項目と前記第2の項目との関係であって、前記装置が正常であることが既知である期間における関係を示す近似式を生成する学習部と、
前記近似式を更新する指示を受け付けたこと、又は、所定の周期が経過したことを契機として、
過去に蓄積された前記第1の項目及び前記第2の項目の計測値についての統計量に基づき、前記第1の項目及び前記第2の項目の疑似データを生成し、
前記生成した疑似データ、及び、過去に蓄積された前記第1の項目及び前記第2の項目の計測値を、ユーザが入力した混合比率で統合したものを学習データとして使用して前記近似式を更新する疑似データ生成部と、
診断対象データとして前記第1の項目の計測値及び前記第2の項目の計測値を受け付け、
前記診断対象データが前記近似式から乖離する程度を算出したうえで表示し、
前記算出した程度が第1の閾値を超えた場合、第1の警報を発する診断部と、
を備え、
前記疑似データ生成部は、
前記生成した疑似データを学習データとして使用すべき過去の期間、及び、過去に蓄積された前記第1の項目及び前記第2の項目の計測値を学習データとして使用すべき過去の期間として、前記ユーザが前記混合比率を入力するのを受け付けること、
を特徴とする状態監視装置。 - 前記診断部は、
前記診断対象データの前記第1の項目の計測値が第2の閾値を超えた場合、第2の警報を発すること、
を特徴とする請求項10に記載の状態監視装置。 - 前記診断部は、
前記受け付けた第1の項目の計測値、前記受け付けた第2の項目の計測値、及び、前記近似式を図形で表示すること、
を特徴とする請求項10に記載の状態監視装置。 - 前記診断部は、
前記診断対象データの第2の項目の計測値を前記生成した近似式に入力して得られた値と、前記診断対象データの第1の項目の計測値との間の差分を時系列で表示すること、
を特徴とする請求項10に記載の状態監視装置。 - 前記診断部は、
ネットワークを経由して前記第1の警報を遠隔地に送信すること、
を特徴とする請求項10に記載の状態監視装置。 - 前記診断部は、
前記診断対象データの第2の項目の計測値を前記生成した近似式に入力して得られた値と、前記診断対象データの第1の項目の計測値との間の差分の所定の直近期間における平均値に基づいて、前記診断対象データが前記近似式から乖離する程度を算出すること、
を特徴とする請求項10に記載の状態監視装置。 - 前記診断部は、
前記受け付けた第1の項目の計測値の統計量に基づき、前記第1の閾値を算出すること、
を特徴とする請求項10に記載の状態監視装置。 - 前記診断部は、
前記算出した程度が前記第1の閾値を連続して超える回数が所定の数に達した場合、前記第1の警報を発すること、
を特徴とする請求項10に記載の状態監視装置。 - 前記診断部は、
前記診断対象データの前記第1の項目の計測値が装置停止時に得られる範囲内である場合、前記第1の警報を発しないこと、
を特徴とする請求項10に記載の状態監視装置。 - 前記診断部は、
前記算出した程度が前記第1の閾値を超え、かつ、前記診断対象データの前記第1の項目の計測値が装置停止時に得られる範囲を所定の回数連続して逸脱する場合、前記第1の警報を発すること、
を特徴とする請求項10に記載の状態監視装置。 - 前記疑似データ生成部は、
前記統計量が取得された時点後の任意の時点において、過去に蓄積された前記第1の項目及び前記第2の項目の計測値を廃棄すること、
を特徴とする請求項1に記載の状態監視装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019107599A JP7290480B2 (ja) | 2019-06-10 | 2019-06-10 | 状態監視装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019107599A JP7290480B2 (ja) | 2019-06-10 | 2019-06-10 | 状態監視装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2020201683A JP2020201683A (ja) | 2020-12-17 |
JP7290480B2 true JP7290480B2 (ja) | 2023-06-13 |
Family
ID=73743368
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019107599A Active JP7290480B2 (ja) | 2019-06-10 | 2019-06-10 | 状態監視装置 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7290480B2 (ja) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7372198B2 (ja) * | 2020-05-08 | 2023-10-31 | 株式会社荏原製作所 | 表示システム、表示装置及び表示方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012038298A (ja) | 2010-07-12 | 2012-02-23 | Metawater Co Ltd | プラント運転監視装置、プラント運転監視システム、およびプラント運転監視プログラム |
JP2014182726A (ja) | 2013-03-21 | 2014-09-29 | Toshiba Corp | プラント監視システム試験装置および試験方法 |
JP2015231607A (ja) | 2014-06-10 | 2015-12-24 | 三浦工業株式会社 | 膜濾過装置の遠隔管理制御システム |
JP2016018526A (ja) | 2014-07-11 | 2016-02-01 | 株式会社荏原製作所 | 故障診断システム及び故障診断方法 |
JP2016081363A (ja) | 2014-10-20 | 2016-05-16 | 株式会社日立ビルシステム | 機器診断装置、機器診断方法及び機器診断プログラム |
JP2017021702A (ja) | 2015-07-14 | 2017-01-26 | 中国電力株式会社 | 故障予兆監視方法 |
JP2017194341A (ja) | 2016-04-20 | 2017-10-26 | 株式会社Ihi | 異常診断方法、異常診断装置、及び異常診断プログラム |
JP2019012473A (ja) | 2017-06-30 | 2019-01-24 | 日立Geニュークリア・エナジー株式会社 | データフィルタリング装置および方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3047947B2 (ja) * | 1992-11-11 | 2000-06-05 | 横河電機株式会社 | プラント監視装置 |
JPH11194814A (ja) * | 1998-01-05 | 1999-07-21 | Toshiba Corp | プラント模擬装置 |
-
2019
- 2019-06-10 JP JP2019107599A patent/JP7290480B2/ja active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012038298A (ja) | 2010-07-12 | 2012-02-23 | Metawater Co Ltd | プラント運転監視装置、プラント運転監視システム、およびプラント運転監視プログラム |
JP2014182726A (ja) | 2013-03-21 | 2014-09-29 | Toshiba Corp | プラント監視システム試験装置および試験方法 |
JP2015231607A (ja) | 2014-06-10 | 2015-12-24 | 三浦工業株式会社 | 膜濾過装置の遠隔管理制御システム |
JP2016018526A (ja) | 2014-07-11 | 2016-02-01 | 株式会社荏原製作所 | 故障診断システム及び故障診断方法 |
JP2016081363A (ja) | 2014-10-20 | 2016-05-16 | 株式会社日立ビルシステム | 機器診断装置、機器診断方法及び機器診断プログラム |
JP2017021702A (ja) | 2015-07-14 | 2017-01-26 | 中国電力株式会社 | 故障予兆監視方法 |
JP2017194341A (ja) | 2016-04-20 | 2017-10-26 | 株式会社Ihi | 異常診断方法、異常診断装置、及び異常診断プログラム |
JP2019012473A (ja) | 2017-06-30 | 2019-01-24 | 日立Geニュークリア・エナジー株式会社 | データフィルタリング装置および方法 |
Also Published As
Publication number | Publication date |
---|---|
JP2020201683A (ja) | 2020-12-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109947088B (zh) | 基于模型全生命周期管理的设备故障预警系统 | |
JP6810097B2 (ja) | 異常検出器 | |
CN103562809B (zh) | 用于工业设施的大规模综合实时监测框架 | |
KR101872342B1 (ko) | 개선된 RTC(Real-time contrasts) 기법을 이용한 지능형 이상 진단 방법 및 장치 | |
US10186146B2 (en) | Abnormality detection device, abnormality detection system, and method | |
JP2009075081A (ja) | 一過性の異常の検出方法 | |
US20110178963A1 (en) | system for the detection of rare data situations in processes | |
CN104246636A (zh) | 用于离心式压缩机的实时性能降级报告的方法和系统 | |
CN109839915A (zh) | 诊断装置、诊断方法及存储介质 | |
CN104573850A (zh) | 一种火电厂设备状态评估方法 | |
JP2002525757A (ja) | 統計的プロセス管理のための多次元的方法及びシステム | |
WO2022038804A1 (ja) | 診断装置及びパラメータ調整方法 | |
CN108760305A (zh) | 一种轴承故障检测方法、装置及设备 | |
JP7290480B2 (ja) | 状態監視装置 | |
CN112506763A (zh) | 数据库系统故障根因自动定位方法和装置 | |
CN113569478A (zh) | 基于元素影响度和置信规则库的旋转机械故障诊断方法 | |
JP2019153045A (ja) | データ処理装置及びデータ処理方法 | |
CN117556366B (zh) | 基于数据筛选的数据异常检测系统及方法 | |
JP6540532B2 (ja) | 監視装置及び監視装置の制御方法 | |
JP5036754B2 (ja) | プラント監視装置 | |
JP6625183B1 (ja) | リモデル支援装置、および、リモデル支援方法 | |
Cook et al. | Environmental statistical process control using an augmented neural network classification approach | |
CN107121616B (zh) | 一种用于对智能仪表进行故障定位的方法和装置 | |
CN1547356A (zh) | 一种面向网格的监控系统及方法 | |
CN108898151A (zh) | 一种基于局部搜索蚁群算法的机械设备状态监测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20211014 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20220824 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220906 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20221026 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230117 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230309 |
|
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: 20230523 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230601 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7290480 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |