JP7333284B2 - 保守支援システム及び保守支援方法 - Google Patents
保守支援システム及び保守支援方法 Download PDFInfo
- Publication number
- JP7333284B2 JP7333284B2 JP2020045294A JP2020045294A JP7333284B2 JP 7333284 B2 JP7333284 B2 JP 7333284B2 JP 2020045294 A JP2020045294 A JP 2020045294A JP 2020045294 A JP2020045294 A JP 2020045294A JP 7333284 B2 JP7333284 B2 JP 7333284B2
- Authority
- JP
- Japan
- Prior art keywords
- data
- abnormality determination
- abnormality
- accuracy
- parameter
- 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
- 238000012423 maintenance Methods 0.000 title claims description 73
- 238000000034 method Methods 0.000 title claims description 65
- 230000005856 abnormality Effects 0.000 claims description 258
- 238000001514 detection method Methods 0.000 claims description 39
- 230000002159 abnormal effect Effects 0.000 claims description 35
- 230000001364 causal effect Effects 0.000 claims description 30
- 230000002547 anomalous effect Effects 0.000 claims description 3
- 238000012544 monitoring process Methods 0.000 description 77
- 230000008569 process Effects 0.000 description 51
- 238000010586 diagram Methods 0.000 description 39
- 238000012545 processing Methods 0.000 description 25
- 238000012790 confirmation Methods 0.000 description 19
- 238000004458 analytical method Methods 0.000 description 14
- 238000005259 measurement Methods 0.000 description 11
- 238000004891 communication Methods 0.000 description 10
- 238000012795 verification Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 5
- 238000007405 data analysis Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000007689 inspection Methods 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000000611 regression analysis Methods 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 241000699670 Mus sp. Species 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000008867 communication pathway Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/20—Administration of product repair or maintenance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Testing And Monitoring For Control Systems (AREA)
Description
例えば、特許文献1には、「情報処理装置(101)は、時系列の信号から成る監視対象データの正常な値の範囲を示す正常域を上限値と下限値とから設定する設定部(105)と、監視対象データが正常域を外れたか否かを判定し、外れたと判定した場合に監視対象データが正常域から外れたと判定した時刻である判定時刻を出力する判定部(107)と、既知の監視対象データのうち正常な値の信号から成る複数の学習データの平均値と監視対象データとの差を示す外れ度合いに基づいて、判定部(107)から入力された判定時刻より前であって監視対象データが異常を示し始めた開始時刻を検出する検出部(108)と、を備えた」技術が記載されている。
例えば、特許文献2には、「業務改善支援装置100において、業務データ群5における各業務データ4に関して非線形値を計算し、当該非線形値を業務データ群5に追加する非線形項追加部111と、業務データ4それぞれに関する回帰式を線形重回帰により算出する重回帰分析部112と、ここで算出した回帰式において線形項の有無を判定し、当該線形項を構成する所定データと回帰式の目的変数とを同一のグループに設定するデータグループ設定部113と、前記所定データを除く業務データ4を、線形重回帰分析の説明変数候補として選別する説明変数候補選別部114を含む」技術が記載されている。
しかし、特許文献1に記載の手段では、最適な設定値を決定するのに時間を要するパラメータが存在するため、迅速なパラメータ決定が求められるリアルタイム監視については、適用が難しい。
しかし、特許文献2に記載の手段では、設備について異常が発生しているか否かを判定するための閾値を判定することが想定されていない。
(ハードウェア構成)
通信ネットワーク365は、例えばローカルエリアネットワーク(LAN)、ワイドエリアネットワーク(WAN)、衛星ネットワーク、ケーブルネットワーク、WiFiネットワーク、またはそれらの任意の組み合わせを含むものであってもよい。また、監視対象の設備370、センサ375、ストレージ装置380、及び保守支援装置385の接続は、有線であってもよく、無線であってもよい。
なお、監視対象の設備370は直接に通信ネットワーク365に接続せず、監視対象の設備370が備えるセンサ375のみが通信ネットワーク365に接続する構成も可能である。
用途、機能、及び種類に応じて適宜に選択されて配置されてもよい。例えば、監視対象の設備370が空調機の場合には、センサ375は、空調機の内部に配置されているコンプレッサー等の部品の状態に関するデータを取得するように構成されたセンサであってもよい。他の例としては、センサ375は、例えば湿度データ、温度データ、圧力データ等を収集する環境センサであってもよく、加速度データ、運動データ等を収集するモーションセンサであってもよく、特に限定されない。
図2に示すように、ストレージ装置380は、過去のデータDB381、リアルタイム監視データDB382、及びCLD式及びパラメータDB383を格納してもよい。これらの各種データの詳細については後述する。
図2に示すように、パラメータ生成部386は、センサ375から取得され、監視対象の設備370の状態に関する第1の状態データ(例えば、過去のデータDB381のデータ)と、センサ375に対応する因果構造モデル(例えば、CLD式及びパラメータDB382に格納されている因果構造モデル)を用いて、センサ375の精度を示す精度値のセットを推定する精度推定部387と、精度値のセットから抽出した値を含む異常判定用パラメータの候補を用いて第1の状態データのセットを分析することで、所定の異常検出率基準及び所定の誤警報率基準を満たす異常判定用パラメータを異常判定用パラメータの候補から特定し、ストレージ装置380に格納するパラメータ特定部388とを含む。
図2に示すように、異常判定部389は、センサ375から、監視対象の設備370の状態に関する第2の状態データのセット(例えば、リアルタイム監視データDB382のデータ)と、センサ375に対応する因果構造モデル(例えば、CLD式及びパラメータDB382に格納されている因果構造モデル)を用いて、センサ375の精度を示す精度値のセットを推定する精度推定部390と、異常判定用パラメータを用いて第2の状態データのセットを分析することで、第2の状態データのセットを正常、異常、ノイズ等のカテゴリーに分類したデータ分類結果を生成し、当該データ分類結果を出力するデータ分類部391とを含む。
図2に示すように、警告管理部392は、異常判定部389によって生成されたデータ分類結果に基づいて、監視対象の設備370について検出された異常に関する警告を生成する警告生成部393と、当該警告を所定の第三者(監視対象の設備370の管理者、作業員など)に通知する警告送信部394とを含む。
過去のデータDB381は、センサ375を介して監視対象の設備370について取得した過去のデータであり、本発明の実施形態に係る異常判定用パラメータを決定するための学習用データである。この過去のデータDB381は、例えば過去の1カ月、過去の6カ月、過去の1年間等、任意の期間で取得されたデータであってもよい。
また、この過去のデータDB381は、過去の異常の記録を示す異常データDB405と、過去の異常の記録を取り除いたデータを示す正常データDB407と、過去の異常、ノイズ、及び過去の正常のデータを全て含む全監視データDB406とを含む。
CLD式及びパラメータDB383は、監視対象の設備370に対応する因果構造モデルから導出した因果構造式(以下、「CLD式」;Causal Loop Diagram Formulaという)と、それぞれのCLD式について生成した異常判定用パラメータとを含む。なお、これらのCLD式及びパラメータについては後述する。
リアルタイム監視データDB382は、センサ375を介して監視対象の設備370について取得したリアルタイムの監視データである。このリアルタイムのデータは、例えば、以前に取得した過去のデータDB381と異なり、現在(例えば、所定の時間以内に)センサ375から取得され、保守支援装置に配信されているデータであってもよい。
なお、ここでの異常判定用パラメータは、特定のセンサ[j]の精度の閾値Th[j]と、当該精度の標準誤差σ[j]と、所定の間隔Mと、所定の間隔において、当該精度の閾値を満たすデータ点の数Nとを含む。異常判定用パラメータを決定する処理の詳細については後述する。
図4に示すように、この全監視データDB406は、例えば測定日時を示す測定日時情報422、センサを一意に識別するセンサ識別子424、及びセンサの測定値426等を含む。
なお、この全監視データDB406には、ノイズに該当する値と、正常の値と、異常の値とが混在している。従って、このような全監視データDB406を本発明の実施形態に係る保守支援手段によって処理することにより、ノイズの値、正常の値、及び異常の値をそれぞれ識別し、監視対象の設備370の保守作業を促進することができる。
例えば、図5に示すように、「A8」に対応する異常は、2018年10月11日の21時に発生し、2018年10月12日の2時30分にコンプレッサー交換との保守動作により解決された。
上述したように、異常が発生しているか否かを判定するための異常判定用パラメータを決定する処理において、図5に示す過去の異常データDB405に基づいて、センサの精度値P[j]及び当該センサの精度値の標準誤差σ[j]を計算することができる。
図6に示すように、CLD式及びパラメータDB383は、監視対象の設備の名前を示す設備名601、CLD式602、閾値604、標準誤差606、所定の間隔Mと610、及び所定の間隔において、当該精度の閾値を満たすデータ点の数N608を含む。
なお、所定の間隔M610とデータ点の数N608を決定する処理については後述する。
なお、設備名701、CLD式702、閾値704、標準誤差706、所定の間隔Mと710、及び所定の間隔において、当該精度の閾値を満たすデータ点の数N708は、図6を参照して説明した設備名601、CLD式602、閾値604、標準誤差606、所定の間隔Mと610、及び所定の間隔において、当該精度の閾値を満たすデータ点の数N608に実質的に対応するため、ここではその説明を省略する。
CLD式702毎の状態712aは、例えば上述した異常判定部(例えば、図2に示す異常判定部389)によって生成されるデータ分類結果に基づくものであり、それぞれのCLD式について、設備の状態を「正常」、「ノイズ」、「異常」等のカテゴリーに指定する。
設備の全体状態712bは、それぞれのCLD式702毎の状態712aに基づいて決定された設備の全体状態である。1つの設備について、全てのCLD式702毎の状態712aが「正常」であれば、全体状態712bも「正常」となる。ただし、1つの設備について、1つ以上のCLD式702毎の状態712aが「ノイズ」であれば、全体状態712bが「ノイズ」となる。また、1つの設備について、1つ以上のCLD式702毎の状態712aが「異常」であれば、全体状態712bが「異常」となる。
また、監視対象の設備について異常が検出された場合に、管理者や作業員等のユーザは、警告ボタン811を押すことにより、検出された異常に関する詳細情報を示す異常確認画面900(図9参照)を確認することができる。
図9に示すように、異常確認画面900では、異常が検出された設備について、CLD式702に対応する設備の日時・状態712と、CLD式702の標準誤差706と、所定の間隔Mと710と、所定の間隔において、当該精度の閾値を満たすデータ点の数N708とが表示される。
また、異常確認画面900では、CLD式702を構成する項において、異常の原因を表す要素802と、それぞれの原因が確認済みか否かを示す確認チェックボックス803と、保守が完了したか否かを示す保守完了ボタン804と、追加の異常情報をアップロードするための追加情報アップロードボタン805とが表示される。
ここで、ユーザは異常判定用パラメータを決定する処理において学習データとして用いられる過去の監視データを選択することができる。
ここで、ユーザは異常判定用パラメータを決定する処理において用いられる過去の監視データを選択することができる。
センサの精度の閾値Th[j]と、当該精度の標準誤差と、所定の間隔Mと、所定の間隔において、当該精度の閾値を満たすデータ点の数N等の異常判定用パラメータを決定する処理を実施するためのボタンである。
なお、これらの異常検出性能の指標については後述する(図11参照)。
以下、異常検出性能の指標について説明する。
なお、これらの検出率基準及び誤警報率基準を満たす異常判定用パラメータを決定する手段については後述する。
なお、以下の説明では、説明の便宜上、所定の間隔Mの単位(秒、点等)を指定しないことがあるが、所定の間隔の単位は任意に選択されてもよい。
ここでは、図13に示すn1(1302)は、特定の判定対象のデータ点P1(1301)と比較するデータ点の数であり、n2(1303)は、所定の測定値のセットを異常として判定するために必要なデータ点の数である。
なお、ここでは、n1、n2、及びDは、以下の数式4~6に示される関係に従う。
ここでの精度値P[j]は、上述した数式1から求められる。
なお、このステップS1406で計算される精度値P[j]は、ステップS1403で過去の正常データのみに基づいて計算された精度値と異なり、過去の異常、ノイズ、及び過去の正常のデータを全て含む全監視データに基づいて計算されている。
また、ここでの精度値P[j]は、上述した数式1から求められる。
なお、ここでの精度値P(j,i)の「j」は特定のセンサを表し、「i」は、当該センサ「j」がある時間tで取得したデータ点を表す。
後述する処理により、精度リスト1500に示されている情報に基づいて、CLD式毎に、監視対象の設備について異常が発生しているか否かを判定するための異常判定用パラメータを決定することができる。
なお、図16におけるステップS1601は、上述した図14におけるステップS1401と実質的に対応する。
なお、図16におけるステップS1602は、上述した図14におけるステップS1402と実質的に対応するため、ここでの説明を省略する。
なお、図17におけるステップS1702は、上述した図14におけるステップS1402と実質的に対応するため、ここでの説明を省略する。
なお、ここでのMは、上述した図14の異常判定用パラメータ決定処理によって決定されたMの値である。
なお、ここで設定される異常判定用パラメータM,N,閾値、及び標準誤差は、上述した図14の異常判定用パラメータ決定処理によって決定された値である。
図18に示す例では、M(3)点の内、閾値を満たす点がP3の1点のみであるため、P1が正常であると判定される。
365 通信ネットワーク
370 監視対象の設備
375 センサ
380 ストレージ装置
381 過去のデータDB
382 リアルタイムデータ
383 CLD式及びパラメータDB
385 保守支援装置
386 パラメータ生成部
387 精度推定部
388 パラメータ特定部
389 異常判定部
390 精度推定部
391 データ分類部
392 警告管理部
393 警告生成部
394 警告送信部
Claims (10)
- 監視対象の設備の状態に関する状態データを取得するセンサのセットと、
前記監視対象の設備について異常が発生したか否かを判定する保守支援装置と、
少なくとも前記状態データを格納するストレージ装置と、
を含む保守支援システムであって、
前記保守支援装置は、
前記監視対象の設備の異常判定に用いられる異常判定用パラメータを生成するパラメータ生成部を含み、
前記パラメータ生成部は、
前記センサのセットから取得され、前記監視対象の設備の状態に関する第1の状態データのセットと、前記センサのセットに対応する因果構造モデルを用いて、前記センサのセットに含まれるそれぞれのセンサの精度を示す精度値のセットを推定する第1の精度推定部と、
少なくとも前記精度値のセットから抽出した値を含む異常判定用パラメータの候補を用いて前記第1の状態データのセットを分析することで、所定の異常検出率基準及び所定の誤警報率基準を満たす異常判定用パラメータを前記異常判定用パラメータの候補から特定し、前記ストレージ装置に格納するパラメータ特定部と、
を含むことを特徴とする保守支援システム。 - 前記保守支援装置は、
前記異常判定用パラメータを用いて、監視対象の設備について異常が発生したか否かを判定する異常判定部を含み、
前記異常判定部は、
前記センサのセットから、前記監視対象の設備の状態に関する第2の状態データのセットと、前記センサのセットに対応する因果構造モデルを用いて、前記センサのセットに含まれるそれぞれのセンサの精度を示す精度値のセットを推定する第2の精度推定部と、
前記異常判定用パラメータを用いて前記第2の状態データのセットを分析することで、前記第2の状態データのセットを正常、異常、ノイズとの3つのカテゴリーに分類したデータ分類結果を生成し、当該データ分類結果を出力するデータ分類部と、
を含むことを特徴とする請求項1に記載の保守支援システム。 - 前記異常判定用パラメータは、
特定のセンサの精度の閾値と、前記精度の標準誤差と、所定の間隔と、前記所定の間隔において、前記精度の閾値を満たすデータ点の数と、
を含むことを特徴とする請求項2に記載の保守支援システム。 - 前記異常判定部は、
前記第2の状態データのセットにおいて、前記所定の間隔以内に、前記精度の閾値を満たすデータ点の数以上のデータ点のセットを検出した場合、
検出した前記データ点のセットを異常として判定する、
ことを特徴とする請求項3に記載の保守支援システム。 - 前記異常判定部は、
前記第2の状態データのセットにおいて異常に該当するデータ点のセットを検出した場合、
異常として判定された前記データ点のセットに対応するセンサの前記因果構造モデル及び前記異常判定用パラメータを改めて生成する、
ことを特徴とする請求項4に記載の保守支援システム。 - 前記因果構造モデルは、
前記センサのセットから取得される監視対象の設備の状態に関する状態データ間における因果関係を表現する回帰式を含む、
ことを特徴とする請求項1に記載の保守支援システム。 - 監視対象の設備について異常が発生したか否かを判定する保守支援装置においてコンピュータソフトウエアによって実施される保守支援方法であって、
前記保守支援装置は、
メモリと、プロセッサとを含み、
前記メモリは、
前記監視対象の設備の異常判定に用いられる異常判定用パラメータを生成するパラメータ生成部を含み、
前記パラメータ生成部は、
監視対象の設備の状態に関する状態データを取得するように構成されたセンサのセットから、前記監視対象の設備の状態に関する第1の状態データのセットを受信する工程と、
前記第1の状態データのセットと、前記センサのセットに対応する因果構造モデルを用いて、前記センサのセットに含まれるそれぞれのセンサの精度を示す精度値のセットを推定する工程と、
少なくとも前記精度値のセットから抽出した値を含む異常判定用パラメータの候補を用いて前記第1の状態データのセットを分析することで、所定の異常検出率基準及び所定の誤警報率基準を満たす異常判定用パラメータを前記異常判定用パラメータの候補から特定する工程と、
を前記プロセッサに実行させることを特徴とする保守支援方法。 - 前記メモリは、
前記異常判定用パラメータを用いて、監視対象の設備について異常が発生したか否かを判定する異常判定部を更に含み、
前記異常判定部は、
前記センサのセットから、監視対象の設備の状態に関する第2の状態データのセットを受信する工程と、
前記第2の状態データのセットと、前記センサのセットに対応する因果構造モデルを用いて、前記センサのセットに含まれるそれぞれのセンサの精度を示す精度値のセットを推定する工程と、
前記異常判定用パラメータを用いて前記第2の状態データのセットを分析することで、前記第2の状態データのセットを正常、異常、ノイズとの3つのカテゴリーに分類したデータ分類結果を生成し、当該データ分類結果を出力する工程と、
を前記プロセッサに実行させることを特徴とする請求項7に記載の保守支援方法。 - 前記異常判定用パラメータは、
特定のセンサの精度の閾値と、前記精度の標準誤差と、所定の間隔と、前記所定の間隔において、前記精度の閾値を満たすデータ点の数と、
を含むことを特徴とする請求項8に記載の保守支援方法。 - 前記第2の状態データのセットにおいて、前記所定の間隔以内に、前記精度の閾値を満たすデータ点の数以上のデータ点のセットが検出された場合、
前記異常判定部は、
検出した前記データ点のセットを異常として判定する工程を前記プロセッサに実行させる、
ことを特徴とする請求項9に記載の保守支援方法。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020045294A JP7333284B2 (ja) | 2020-03-16 | 2020-03-16 | 保守支援システム及び保守支援方法 |
PCT/JP2020/031618 WO2021186762A1 (ja) | 2020-03-16 | 2020-08-21 | 保守支援システム及び保守支援方法 |
EP20925308.7A EP4016408A4 (en) | 2020-03-16 | 2020-08-21 | MAINTENANCE ASSIST DEVICE AND MAINTENANCE ASSIST METHOD |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020045294A JP7333284B2 (ja) | 2020-03-16 | 2020-03-16 | 保守支援システム及び保守支援方法 |
Publications (3)
Publication Number | Publication Date |
---|---|
JP2021149156A JP2021149156A (ja) | 2021-09-27 |
JP2021149156A5 JP2021149156A5 (ja) | 2022-05-25 |
JP7333284B2 true JP7333284B2 (ja) | 2023-08-24 |
Family
ID=77768145
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020045294A Active JP7333284B2 (ja) | 2020-03-16 | 2020-03-16 | 保守支援システム及び保守支援方法 |
Country Status (3)
Country | Link |
---|---|
EP (1) | EP4016408A4 (ja) |
JP (1) | JP7333284B2 (ja) |
WO (1) | WO2021186762A1 (ja) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023058124A1 (ja) * | 2021-10-05 | 2023-04-13 | 三菱電機ビルソリューションズ株式会社 | 情報収集システム、エレベーターシステム、認証システム、情報収集方法、および情報収集プログラム |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010533903A (ja) | 2007-06-28 | 2010-10-28 | マイクロソフト コーポレーション | センサの状況依存信頼性についての学習と推論 |
JP2016146020A (ja) | 2015-02-06 | 2016-08-12 | キヤノン株式会社 | データ分析システム及び分析方法 |
WO2017094267A1 (ja) | 2015-12-01 | 2017-06-08 | 株式会社Preferred Networks | 異常検出システム、異常検出方法、異常検出プログラム及び学習済モデル生成方法 |
WO2018101050A1 (ja) | 2016-11-30 | 2018-06-07 | ソニー株式会社 | 情報処理装置および情報処理方法 |
JP2018120487A (ja) | 2017-01-26 | 2018-08-02 | 東芝情報システム株式会社 | 事象分類装置、事象分類プログラム、故障・不良判定装置 |
WO2018177951A1 (en) | 2017-03-28 | 2018-10-04 | Philips Lighting Holding B.V. | Calibration of cloud-based information for lifetime prediction of luminaires |
US20190041839A1 (en) | 2017-08-04 | 2019-02-07 | Hefei University Of Technology | Apparatus for troubleshooting fault component in equipment and method thereof |
JP2019139375A (ja) | 2018-02-07 | 2019-08-22 | 株式会社Ye Digital | 故障予知方法、故障予知システムおよび故障予知プログラム |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1724717A3 (en) * | 2001-03-08 | 2009-07-22 | California Institute Of Technology | Real-time spatio-temporal coherence estimation for autonomous mode identification and invariance tracking |
EP1967996A1 (en) * | 2007-03-09 | 2008-09-10 | Omron Corporation | Factor estimating support device and method of controlling the same, and factor estimating support program |
US8190543B2 (en) * | 2008-03-08 | 2012-05-29 | Tokyo Electron Limited | Autonomous biologically based learning tool |
CN104120282B (zh) | 2014-07-21 | 2015-12-30 | 东北大学 | 一种快速连续炼镁的方法 |
JP6723946B2 (ja) | 2017-03-17 | 2020-07-15 | 株式会社日立製作所 | 業務改善支援装置および業務改善支援方法 |
-
2020
- 2020-03-16 JP JP2020045294A patent/JP7333284B2/ja active Active
- 2020-08-21 EP EP20925308.7A patent/EP4016408A4/en active Pending
- 2020-08-21 WO PCT/JP2020/031618 patent/WO2021186762A1/ja unknown
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010533903A (ja) | 2007-06-28 | 2010-10-28 | マイクロソフト コーポレーション | センサの状況依存信頼性についての学習と推論 |
JP2016146020A (ja) | 2015-02-06 | 2016-08-12 | キヤノン株式会社 | データ分析システム及び分析方法 |
WO2017094267A1 (ja) | 2015-12-01 | 2017-06-08 | 株式会社Preferred Networks | 異常検出システム、異常検出方法、異常検出プログラム及び学習済モデル生成方法 |
WO2018101050A1 (ja) | 2016-11-30 | 2018-06-07 | ソニー株式会社 | 情報処理装置および情報処理方法 |
JP2018120487A (ja) | 2017-01-26 | 2018-08-02 | 東芝情報システム株式会社 | 事象分類装置、事象分類プログラム、故障・不良判定装置 |
WO2018177951A1 (en) | 2017-03-28 | 2018-10-04 | Philips Lighting Holding B.V. | Calibration of cloud-based information for lifetime prediction of luminaires |
US20190041839A1 (en) | 2017-08-04 | 2019-02-07 | Hefei University Of Technology | Apparatus for troubleshooting fault component in equipment and method thereof |
JP2019139375A (ja) | 2018-02-07 | 2019-08-22 | 株式会社Ye Digital | 故障予知方法、故障予知システムおよび故障予知プログラム |
Also Published As
Publication number | Publication date |
---|---|
WO2021186762A1 (ja) | 2021-09-23 |
EP4016408A1 (en) | 2022-06-22 |
EP4016408A4 (en) | 2023-06-14 |
JP2021149156A (ja) | 2021-09-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3902992B1 (en) | Scalable system and engine for forecasting wind turbine failure | |
US20210241544A1 (en) | Platform for analyzing health of heavy electric machine and analysis method using the same | |
US10643187B2 (en) | Reporting and prioritizing faults for aircraft downtime reduction | |
KR102011620B1 (ko) | 이상 데이터의 중요도 판정 장치 및 이상 데이터의 중요도 판정 방법 | |
JP5753286B1 (ja) | 情報処理装置、診断方法、およびプログラム | |
US9483049B2 (en) | Anomaly detection and diagnosis/prognosis method, anomaly detection and diagnosis/prognosis system, and anomaly detection and diagnosis/prognosis program | |
JP5431235B2 (ja) | 設備状態監視方法およびその装置 | |
JP5439265B2 (ja) | 異常検知・診断方法、異常検知・診断システム、及び異常検知・診断プログラム | |
WO2012090624A1 (ja) | 異常検知・診断方法、異常検知・診断システム、及び異常検知・診断プログラム並びに企業資産管理・設備資産管理システム | |
JP2015172945A (ja) | 設備状態監視方法およびその装置 | |
JP2011145846A (ja) | 異常検知方法、異常検知システム、及び異常検知プログラム | |
JPH08234832A (ja) | プラント監視診断装置および方法 | |
JP2019028834A (ja) | 異常値診断装置、異常値診断方法、およびプログラム | |
KR102375679B1 (ko) | 패턴 분석을 이용한 인공지능 기반의 화재 예측 방법 및 장치 | |
CN110709789A (zh) | 用于监测可再生发电装置或微电网内的子系统的状况的方法和设备 | |
CN104317778A (zh) | 基于海量监测数据的变电设备故障诊断方法 | |
JP2009086896A (ja) | コンピュータの障害予測システムおよび障害予測方法 | |
US11755007B2 (en) | System and method for determining a health condition and an anomaly of an equipment using one or more sensors | |
JP7333284B2 (ja) | 保守支援システム及び保守支援方法 | |
CN116754022B (zh) | 电缆隧道的在线检测应急预警方法及系统 | |
JP2021149156A5 (ja) | ||
CN110455370B (zh) | 防汛抗旱远程遥测显示系统 | |
CN117010549A (zh) | 基于大数据管理体系的信息溯源方法及终端 | |
JP7359608B2 (ja) | 情報提示装置、情報提示方法、および情報提示システム | |
WO2016163008A1 (ja) | 異常診断装置および異常診断方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220516 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220516 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230530 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230628 |
|
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: 20230808 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230814 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7333284 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |