JP7344015B2 - 異常検知装置及び異常検知方法 - Google Patents
異常検知装置及び異常検知方法 Download PDFInfo
- Publication number
- JP7344015B2 JP7344015B2 JP2019110547A JP2019110547A JP7344015B2 JP 7344015 B2 JP7344015 B2 JP 7344015B2 JP 2019110547 A JP2019110547 A JP 2019110547A JP 2019110547 A JP2019110547 A JP 2019110547A JP 7344015 B2 JP7344015 B2 JP 7344015B2
- Authority
- JP
- Japan
- Prior art keywords
- sensor
- sensor group
- similarity
- sensors
- abnormality
- 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
異常検知装置100は、検知対象である設備101に装着された複数のセンサから出力されるセンサ信号102を、所定時間ごとに(周期的に)取得する。取得したセンサ信号102は、一旦センサ信号蓄積部103に蓄積される。信号入力部(第1のセンサ信号入力部)104は、センサ信号蓄積部103からセンサ信号102を入力し、センサグループ設定部105へ送る。センサグループ設定部105は、センサ信号間の類似性(類似度)に基づきセンサグループを設定し、結果をグループ情報蓄積部106に保存する。
センサ信号102は、物理特性の異なる複数の物理情報が所定間隔毎に取得される多次元時系列信号である。図2に示す表の構成は、日時201の情報と、複数のセンサのセンサ値202を対応させて示している。センサは、数百から数千といった数になる場合もあり、それらの種類によって、例えば、シリンダ、オイル、冷却水などの温度、オイルや冷却水の圧力、軸の回転速度、室温、運転時間などをセンサ値として出力する。センサ値は、設備やプラントなどの出力や状態を表すのみならず、何かの状態をある値(たとえば目標値)に制御するための制御信号の場合もある。
尚、図3では処理の概要を記載している。
最初に、信号入力部(第1のセンサ信号入力部)104において、センサ信号蓄積部103に蓄積されたセンサ値のうち指定された期間のセンサ信号を入力する(S401)。次に、センサグループ設定部105において、センサ2個の総当りで二次元頻度分布画像を作成する(S402)。次に、二次元頻度分布画像をもとにセンサ信号間の類似度を算出する(S403)。
始めに、指定された期間のセンサ信号を入力する(S501)。各センサ信号についてステップS503からS506までの処理を繰り返す(S502、ループ1)。まず、学習期間のデータの最大値(MAX)と最小値(MIN)を求める(S503)。次に、最小値から最大値までの範囲を指定された数Nで分割する際の刻み幅Sを算出する(S504)。なお、S=(MAX-MIN)/Nで計算できる。次に、二次元頻度分布算出の処理範囲を算出する(S505)が、ここではステップS503で算出されたMINからMAXをそのまま処理範囲とする。
BNO=INT(N*(F-MIN)/(MAX-MIN))
ただし関数INT(X)はXの整数部を表す。ビン番号(BNO)を用いることで、各信号値は最小値0~最大値Nの(N+1)段階の整数値に変換される。
始めに配列要素の最大値すなわち最大頻度を求める。画像サイズは配列サイズと同じとし、各要素の値から対応する座標の画素値を例えば、255×配列の要素値/最大頻度とする。数値255は画素値を8ビットで表す場合の最大値であり、この値を用いれば、そのままビットマップ形式で保存できる。あるいは、画素値を255×LOG(配列の要素値+1)/LOG(最大頻度+1)とする。ただし関数LOG(X)はXの対数を表す。このような変換式を用いれば、最大頻度が大きい場合も、非ゼロの頻度に非ゼロの画素値を対応させることが可能になる。
ここで、センサ信号間の類似度とは、信号値がお互いに影響を及ぼしているかどうかを定量化したものを表す。そこで、ステップS402で算出した二次元頻度分布画像を利用して類似度を算出する。
階層的クラスタリングは、個々のデータを1個ずつのクラスタに割り当てるところから開始し、類似したクラスタを再帰的に結合していくものである。結合するクラスタを選択する基準によって、最短距離法、最長距離法、群平均法などの手法がある。それぞれの方法において、クラスタ間の類似度は、クラスタをまたがるデータ間の類似度の最大値、最小値、平均値で定義される。クラスタ間の類似度が大きい組から順次結合して1個のクラスタとしていき、全てのクラスタ間の類似度が予め定めた類似度基準値を下回ったとき、結合を停止する。ただし、着目する2個のクラスタに含まれるデータ数の合計が予め定めた最大センサ数より大きい場合は類似度を0とみなすことにより、1個のクラスタに含まれるデータ数が最大数を超えないようにする。類似度基準値はパラメータであり0から1の間の実数を指定する。また、最大センサ数もパラメータである。
局所部分空間法は、注目ベクトルqに対するk個の近傍ベクトルを選択し、選択したk個の近傍ベクトルが張るk-1次元のアフィン部分空間へ注目ベクトルqを投影したときの投影距離を測る方法である。図10Bでは、k=3個の近傍ベクトルx1~x3でアフィン部分空間を形成した場合である。そして、注目ベクトルqに最も近いアフィン部分空間上の点Xbが投影点(基準ベクトル)となり、注目ベクトルqから基準ベクトルXbまでの距離が異常測度である。
ユーザは、表示対象指定画面1421から表示対象の設備、レシピ及び期間を指定する。始めに、装置ID選択ウィンドウ1422により設備IDを選択する。次に、レシピ名選択ウィンドウ1423により、設備ID1422を対象としたレシピのリストから表示対象のレシピを選択する。データ記録期間表示部1424には、入力されたレシピを用いて処理され、記録が残されている期間の開始日と終了日が表示される。結果表示期間指定ウィンドウ1425には、結果を表示したい期間の開始日と終了日を入力する。表示ボタン1426を押下すると、異常検知処理の結果が表示される。終了ボタン1427を押下すると、表示対象を指定する処理を終了する。ここで、表示対象指定画面1421は、例えば、図1の出力部113に表示される。
101 設備
102 センサ信号
103 センサ信号蓄積部
104 信号入力部(第1のセンサ信号入力部)
105 センサグループ設定部
106 グループ情報蓄積部、
107 信号入力部(第2のセンサ信号入力部)
108 特徴ベクトル抽出部
109 異常測度算出部
110 しきい値算出部
111 学習結果蓄積部
112 異常検出部
113 出力部
Claims (10)
- センサグループ設定処理と学習処理と異常判定処理とを行う異常検知装置であって、
設備に装着された複数のセンサから出力される複数の時系列のセンサ信号が入力される第1のセンサ信号入力部と、
前記センサグループ設定処理において用いられ、前記第1のセンサ信号入力部に入力された複数の前記センサ信号の間の類似度を求め、前記類似度に基づいてセンサグループを設定するセンサグループ設定部と、
前記複数のセンサから出力される複数の前記センサ信号が入力される第2のセンサ信号入力部と、
前記異常判定処理及び前記学習処理において用いられ、前記センサグループ毎に、前記第2のセンサ信号入力部に入力された複数の前記センサ信号から時刻毎に特徴ベクトルを抽出する特徴ベクトル抽出部と、
前記異常判定処理において用いられ、前記センサグループ毎に、指定された学習期間の前記特徴ベクトルを学習データとして、各時刻の異常測度を算出する異常測度算出部と、
前記異常判定処理において用いられ、前記センサグループ毎に、前記異常測度を所定のしきい値と比較することにより各時刻の前記センサ信号が正常か異常かを判定する異常検出部と、
を有し、
前記特徴ベクトルは、
前記センサ信号を正準化したものを要素として並べたベクトルであり、
前記異常測度は、
前記学習データとしての特徴ベクトルから得られた基準ベクトルと、算出対象の前記特徴ベクトルと、の距離であり、
前記所定のしきい値は、
正常な前記学習データから得られる前記異常測度の最大値である異常検知装置。 - 前記センサグループ設定部は、
前記類似度として、複数の前記センサの中の二つのセンサの二次元分布に基づいて算出される0から1の値を用いて、前記センサグループを設定することを特徴とする請求項1に記載の異常検知装置。 - 前記センサグループ設定部は、
前記類似度に基づく階層的クラスタリングによって、前記センサグループを設定することを特徴とする請求項2に記載の異常検知装置。 - 前記センサグループ設定部は、
前記階層的クラスタリングを実行する際に、予め一つの前記センサグループ当たりの最大センサ数と前記類似度の類似度基準値を設定し、
結合しようとする二つのクラスタのセンサ数の合計が前記最大センサ数を超える場合と二つの前記クラスタの間の前記類似度が前記類似度基準値を下回る場合には、二つの前記クラスタを結合しないことを特徴とする請求項3に記載の異常検知装置。 - 前記センサグループ設定部は、
前記階層的クラスタリングを実行する際に、予め同じ前記センサグループとすべき前記センサを指定しておき、
同じ前記センサグループと指定された前記センサから出力される前記センサ信号の間の前記類似度を1とすることを特徴とする請求項3に記載の異常検知装置。 - 前記センサグループ設定部は、
予め核とする少なくとも一つの前記センサを有するセンサ群と、一つの前記センサグループ当たりの最大センサ数と前記類似度の類似度基準値とを指定しておき、
前記センサ群との前記類似度が高い前記センサから順に、前記最大センサ数を超えずかつ前記類似度基準値を下回らない範囲で同じ前記センサグループに追加して前記センサグループを設定することを特徴とする請求項2に記載の異常検知装置。 - 前記センサグループ設定部は、
予め全ての前記センサグループに含める前記センサを指定しておき、前記類似度に基づいて前記センサグループを設定した後に、指定された前記センサを全ての前記センサグループに含めることを特徴とする請求項1に記載の異常検知装置。 - 前記センサグループ設定部は、
前記センサグループを設定する前に、前記センサ信号のヒストグラムの分布から外れているはずれ値を削除するデータクレンジング処理を行うことを特徴とする請求項1に記載の異常検知装置。 - 前記異常検出部で検出された検出結果を出力する出力部を更に有し、
前記出力部は、
前記センサグループを設定するためのセンサグループ設定条件に基づいて、前記センサグループに属する前記センサ毎に前記類似度と前記センサ信号の分布画像を表示することを特徴とする請求項1に記載の異常検知装置。 - センサグループ設定処理と学習処理と異常判定処理とを行う異常検知方法であって、
設備に装着された複数のセンサから出力される複数の時系列のセンサ信号を入力し、
前記センサグループ設定処理において、複数の前記センサ信号の間の類似度を求め、前記類似度に基づいてセンサグループを設定し、
前記異常判定処理及び前記学習処理において、前記センサグループ毎に、複数の前記センサ信号から時刻毎に特徴ベクトルを抽出し、
前記異常判定処理において、前記センサグループ毎に、指定された学習期間の前記特徴ベクトルを学習データとして、各時刻の異常測度を算出し、
前記異常判定処理において、前記センサグループ毎に、前記異常測度を所定のしきい値と比較することにより各時刻の前記センサ信号が正常か異常かを判定し、
前記特徴ベクトルは、
前記センサ信号を正準化したものを要素として並べたベクトルであり、
前記異常測度は、
前記学習データとしての特徴ベクトルから得られた基準ベクトルと、算出対象の前記特徴ベクトルと、の距離であり、
前記所定のしきい値は、
正常な前記学習データから得られる異常測度の最大値である異常検知方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019110547A JP7344015B2 (ja) | 2019-06-13 | 2019-06-13 | 異常検知装置及び異常検知方法 |
JP2023079191A JP7526852B2 (ja) | 2019-06-13 | 2023-05-12 | 異常検知装置及び異常検知方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019110547A JP7344015B2 (ja) | 2019-06-13 | 2019-06-13 | 異常検知装置及び異常検知方法 |
Related Child Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2023079191A Division JP7526852B2 (ja) | 2019-06-13 | 2023-05-12 | 異常検知装置及び異常検知方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2020201890A JP2020201890A (ja) | 2020-12-17 |
JP7344015B2 true JP7344015B2 (ja) | 2023-09-13 |
Family
ID=73742690
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019110547A Active JP7344015B2 (ja) | 2019-06-13 | 2019-06-13 | 異常検知装置及び異常検知方法 |
JP2023079191A Active JP7526852B2 (ja) | 2019-06-13 | 2023-05-12 | 異常検知装置及び異常検知方法 |
Family Applications After (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2023079191A Active JP7526852B2 (ja) | 2019-06-13 | 2023-05-12 | 異常検知装置及び異常検知方法 |
Country Status (1)
Country | Link |
---|---|
JP (2) | JP7344015B2 (ja) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114010064B (zh) * | 2021-11-25 | 2023-01-24 | 珠海格力电器股份有限公司 | 烹饪设备、烹饪设备控制方法和存储介质 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009217538A (ja) | 2008-03-11 | 2009-09-24 | Nikon Systems Inc | 画像評価装置 |
JP5530019B1 (ja) | 2013-11-01 | 2014-06-25 | 株式会社日立パワーソリューションズ | 異常予兆検知システム及び異常予兆検知方法 |
JP2014142697A (ja) | 2013-01-22 | 2014-08-07 | Hitachi Ltd | 異常診断方法およびその装置 |
JP2015114967A (ja) | 2013-12-13 | 2015-06-22 | 株式会社日立ハイテクノロジーズ | 異常検知方法およびその装置 |
JP5849167B1 (ja) | 2015-04-09 | 2016-01-27 | 株式会社日立パワーソリューションズ | 異常検知方法およびその装置 |
JP2017099237A (ja) | 2015-11-27 | 2017-06-01 | 日本電信電話株式会社 | 電気機器識別システムおよび電気機器識別方法 |
JP2017224283A (ja) | 2016-06-09 | 2017-12-21 | 株式会社島津製作所 | ビッグデータ解析方法及び該解析方法を利用した質量分析システム |
WO2018104985A1 (ja) | 2016-12-08 | 2018-06-14 | 日本電気株式会社 | 異常分析方法、プログラムおよびシステム |
JP2019028931A (ja) | 2017-08-03 | 2019-02-21 | 日立アプライアンス株式会社 | 異常検知方法および異常検知システム |
WO2019087275A1 (ja) | 2017-10-31 | 2019-05-09 | 株式会社日立製作所 | 作業分析装置、及び作業分析方法 |
-
2019
- 2019-06-13 JP JP2019110547A patent/JP7344015B2/ja active Active
-
2023
- 2023-05-12 JP JP2023079191A patent/JP7526852B2/ja active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009217538A (ja) | 2008-03-11 | 2009-09-24 | Nikon Systems Inc | 画像評価装置 |
JP2014142697A (ja) | 2013-01-22 | 2014-08-07 | Hitachi Ltd | 異常診断方法およびその装置 |
JP5530019B1 (ja) | 2013-11-01 | 2014-06-25 | 株式会社日立パワーソリューションズ | 異常予兆検知システム及び異常予兆検知方法 |
JP2015114967A (ja) | 2013-12-13 | 2015-06-22 | 株式会社日立ハイテクノロジーズ | 異常検知方法およびその装置 |
JP5849167B1 (ja) | 2015-04-09 | 2016-01-27 | 株式会社日立パワーソリューションズ | 異常検知方法およびその装置 |
JP2017099237A (ja) | 2015-11-27 | 2017-06-01 | 日本電信電話株式会社 | 電気機器識別システムおよび電気機器識別方法 |
JP2017224283A (ja) | 2016-06-09 | 2017-12-21 | 株式会社島津製作所 | ビッグデータ解析方法及び該解析方法を利用した質量分析システム |
WO2018104985A1 (ja) | 2016-12-08 | 2018-06-14 | 日本電気株式会社 | 異常分析方法、プログラムおよびシステム |
JP2019028931A (ja) | 2017-08-03 | 2019-02-21 | 日立アプライアンス株式会社 | 異常検知方法および異常検知システム |
WO2019087275A1 (ja) | 2017-10-31 | 2019-05-09 | 株式会社日立製作所 | 作業分析装置、及び作業分析方法 |
Also Published As
Publication number | Publication date |
---|---|
JP7526852B2 (ja) | 2024-08-01 |
JP2023106472A (ja) | 2023-08-01 |
JP2020201890A (ja) | 2020-12-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6076751B2 (ja) | 異常診断方法およびその装置 | |
JP6216242B2 (ja) | 異常検知方法およびその装置 | |
EP2905665B1 (en) | Information processing apparatus, diagnosis method, and program | |
JP5301717B1 (ja) | 設備状態監視方法およびその装置 | |
JP5342708B1 (ja) | 異常検知方法及びその装置 | |
JP5945350B2 (ja) | 設備状態監視方法およびその装置 | |
JP5431235B2 (ja) | 設備状態監視方法およびその装置 | |
JP5538597B2 (ja) | 異常検知方法及び異常検知システム | |
JP5849167B1 (ja) | 異常検知方法およびその装置 | |
WO2017022783A1 (ja) | 異常予兆診断システム及び異常予兆診断方法 | |
JP5331774B2 (ja) | 設備状態監視方法およびその装置並びに設備状態監視用プログラム | |
JP5179086B2 (ja) | 工業プロセスの監視方法及び監視システム | |
JP2013143009A (ja) | 設備状態監視方法およびその装置 | |
WO2010095314A1 (ja) | 異常検知方法及び異常検知システム | |
JP6223936B2 (ja) | 異常傾向検出方法およびシステム | |
JP5498540B2 (ja) | 異常検知方法及びシステム | |
JP2013025367A (ja) | 設備状態監視方法およびその装置 | |
JP6831729B2 (ja) | 異常検知装置 | |
JP7526852B2 (ja) | 異常検知装置及び異常検知方法 | |
WO2020262353A1 (ja) | 異常検知装置および異常検知方法 | |
JP7540932B2 (ja) | 異常検知装置および方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20211115 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20221025 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20221026 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20221201 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230117 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20230314 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230512 |
|
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: 20230822 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230901 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7344015 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |