JP7452563B2 - 装置、方法およびプログラム - Google Patents
装置、方法およびプログラム Download PDFInfo
- Publication number
- JP7452563B2 JP7452563B2 JP2022032962A JP2022032962A JP7452563B2 JP 7452563 B2 JP7452563 B2 JP 7452563B2 JP 2022032962 A JP2022032962 A JP 2022032962A JP 2022032962 A JP2022032962 A JP 2022032962A JP 7452563 B2 JP7452563 B2 JP 7452563B2
- Authority
- JP
- Japan
- Prior art keywords
- state
- data
- data set
- unit
- index 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
- 238000000034 method Methods 0.000 title claims description 52
- 238000005259 measurement Methods 0.000 claims description 174
- 230000004048 modification Effects 0.000 claims description 95
- 238000012986 modification Methods 0.000 claims description 95
- 230000004044 response Effects 0.000 claims description 56
- 238000012937 correction Methods 0.000 claims description 39
- 239000013598 vector Substances 0.000 claims description 39
- 238000004364 calculation method Methods 0.000 claims description 35
- 238000003860 storage Methods 0.000 claims description 33
- 230000005484 gravity Effects 0.000 claims description 26
- 230000006870 function Effects 0.000 claims description 10
- 230000006872 improvement Effects 0.000 description 29
- 230000008569 process Effects 0.000 description 24
- 238000001514 detection method Methods 0.000 description 18
- 230000002159 abnormal effect Effects 0.000 description 17
- 238000012545 processing Methods 0.000 description 12
- 238000010586 diagram Methods 0.000 description 11
- 230000008859 change Effects 0.000 description 10
- 238000004891 communication Methods 0.000 description 10
- 230000007704 transition Effects 0.000 description 8
- 239000002131 composite material Substances 0.000 description 5
- 238000012544 monitoring process Methods 0.000 description 5
- 238000009826 distribution Methods 0.000 description 4
- 230000010365 information processing Effects 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 230000007423 decrease Effects 0.000 description 3
- 230000002950 deficient Effects 0.000 description 3
- 230000033001 locomotion Effects 0.000 description 3
- 230000001419 dependent effect Effects 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 239000000654 additive Substances 0.000 description 1
- 230000000996 additive effect Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000005842 biochemical reaction Methods 0.000 description 1
- 238000009529 body temperature measurement Methods 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 238000003306 harvesting Methods 0.000 description 1
- 239000012535 impurity Substances 0.000 description 1
- 238000007477 logistic regression Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000003094 perturbing effect Effects 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000010865 sewage Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
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
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/0265—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion
-
- 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
- G05B23/0221—Preprocessing measurements, e.g. data collection rate adjustment; Standardization of measurements; Time series or signal analysis, e.g. frequency analysis or wavelets; Trustworthiness of measurements; Indexes therefor; Measurements using easily measured parameters to estimate parameters difficult to measure; Virtual sensor creation; De-noising; Sensor fusion; Unconventional preprocessing inherently present in specific fault detection methods like PCA-based 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
- G05B2219/00—Program-control systems
- G05B2219/20—Pc systems
- G05B2219/24—Pc safety
- G05B2219/24069—Diagnostic
-
- 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
- G05B2219/00—Program-control systems
- G05B2219/20—Pc systems
- G05B2219/24—Pc safety
- G05B2219/24075—Predict control element state changes, event changes
-
- 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
- G05B2219/00—Program-control systems
- G05B2219/20—Pc systems
- G05B2219/26—Pc applications
- G05B2219/2609—Process control
Landscapes
- Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Testing And Monitoring For Control Systems (AREA)
- Testing Or Calibration Of Command Recording Devices (AREA)
Description
[先行技術文献]
[特許文献]
[特許文献1] 特許第6453504号
[1.1.システム1の構成]
図1は、本実施形態に係るシステム1を示す。システム1は、対象の状態監視を支援するものであり、対象の一例としての設備2と、装置4とを備える。
設備2には、1または複数のセンサ20が設けられる。例えば設備2は、複数の機器21が設けられたプラントでもよいし、複数の機器21を複合させた複合装置でもよい。プラントとしては、化学やバイオ等の工業プラントの他、ガス田や油田等の井戸元やその周辺を管理制御するプラント、水力・火力・原子力等の発電を管理制御するプラント、太陽光や風力等の環境発電を管理制御するプラント、上下水やダム等を管理制御するプラント等が挙げられる。
各機器21は、器具、機械または装置であり、例えば、設備2のプロセスにおける圧力、温度、pH、速度、流量などの少なくとも1つの物理量を制御するバルブ、ポンプ、ヒータ、ファン、モータ、スイッチ等のアクチュエータであってよい。各機器21は互いに異種でもよいし、少なくとも一部の2以上の機器21が同種でもよい。本実施形態では一例として、機器21は外部から有線または無線で制御されるが、手動で制御されてもよい。
各センサ20は、設備2の状態の測定を行う。センサ20は、圧力、温度、pH、速度、流量などの少なくとも1つの物理量を測定してよい。また、センサ20は、設備2の収量や、混入する不純物の割合、各機器21の運転状況などの測定を行ってもよい。各センサ20は互いに異種でもよいし、少なくとも一部の2以上のセンサ20が同種でもよい。一例として、複数のセンサ20は、設備2内の炉における別々の位置に設けられた温度センサであってよい。各センサ20は、測定データを装置4に供給してよい。
装置4は、学習済みのモデル431を用いて設備2の監視を支援する。装置4は、取得部401と、供給部402と、記憶部403と、入力部404と、ラベル付加部405と、要因特定部408と、予兆検出部409と、改善操作特定部410と、表示制御部411と、表示部412とを有する。
取得部401は、第1取得部の一例であり、設備2の状態を示す複数種類の測定データを含むデータセットを取得する。取得部401は、各センサ20から各種類の測定データを逐次取得してよい。取得部401は、対応する時点で測定された複数種類の測定データを一のデータセットとして取得してよい。取得部401は、取得したデータセットを供給部402に供給してよい。
供給部402は、モデル431に対し、取得部401が取得したデータセットを供給する。本実施形態では一例として、モデル431は後述の記憶部403に記憶されており、供給部402は記憶部403内のモデル431に対してデータセットを供給してよい。
記憶部403は、種々の情報を記憶する。例えば、記憶部403は、データファイル430と、学習済みのモデル431と、対応テーブル432とを記憶してよい。
データファイル430は、供給部402から供給されるデータセットを格納する。
モデル431は、データセットが入力されることに応じて、設備2の状態の分類を示す状態指標値を出力する。なお、本実施形態では、モデル431に一のデータセットが入力されて一の状態指標値がモデル431から出力される都度、当該一の状態指標値が当該一のデータセットに対応付けられてデータファイル430に記憶されてよい。
対応テーブル432は、センサ20によって測定される各測定データの種類に対し、当該測定データの測定値を改善するための操作(改善操作とも称する)を対応付けて記憶する。改善操作は、設備2における何れかの機器21の操作であってよく、改善対象の測定値に直接的に関係する機器21の操作であってもよいし、直接的には関係しない機器21の操作であってもよい。一例として、温度の測定データの測定値が高すぎる場合に、当該測定値を改善するための改善操作は、測定位置付近のヒータの出力を下げる操作であってもよいし、測定位置の近傍を流れる流体の流量を調整するバルブの開度を変更する操作であってもよいし、当該流量を測定する流量計のセットポイントを変更する操作であってもよい。対応テーブル432の内容は試行錯誤を通じて予め設定されてよい。
入力部404は、オペレータからの操作入力を受ける。本実施形態では一例として入力部404は、設備2の状態を調べる対象の時点(クエリポイントとも称する)の選択操作を受けてよい。クエリポイントは現時点でもよいし、過去の時点でもよい。入力部404は、クエリポイントで測定されたデータセット(クエリポイントのデータセットとも称する)の識別情報(クエリポイントのデータセットIDとも称する)を、要因特定部408および予兆検出部409に供給してよい。
ラベル付加部405は、オペレータの操作に応じて、各データセットに対し、設備2の状態の良否を示すラベルを付加する。ラベル付加部405は、記憶部403内の該当のデータセットに対し、良好な状態または不良な状態であったことを示すラベルを付加してよい。
要因特定部408は、第1特定部の一例であり、一のデータセット(本実施形態では一例としてクエリポイントのデータセット)がモデル431に供給されることに応じてモデル431から一の状態指標値(クエリポイントの状態指標値とも称する)が出力される場合に、複数種類の測定データのうち、当該一の状態指標値に与えた影響が基準よりも大きい少なくとも1つの種類の測定データ(要因データとも称する)を特定する。要因データは設備2の監視において重要なデータとなり得る。
文献1:Ribeiro等、「Why should I trust you? Explaining the predictions of any classifier」、Proceedings of the 22nd ACM SIGKDD international conference on knowledge discovery and data mining、ACM(2016)、インターネット<URL:https://arxiv.org/abs/1602.04938>
文献2: Lundberg等、 「A unified approach to interpreting model predictions」、Advances in Neural Information Processing Systems、2017年、インターネット<URL:https://arxiv.org/abs/1705.07874>
取得部4081は、第2取得部の一例であり、クエリポイントのデータセットに対して基準近接度よりも近接する複数のデータセットを取得する。取得部4081は、取得した複数のデータセットを分類部4082に供給してよい。
分類部4082は、記憶部403に格納されたモデル431を用い、取得部4081により取得された複数の合成データセットを分類する。分類部4082は、複数の合成データセットを第1状態(本実施形態では一例として良好な状態)に対応する第1状態の合成データセットと、第2状態(本実施形態では一例として不良な状態)に対応する第2状態の合成データセットとに分類してよい。分類部4082は、各合成データセットをモデル431に供給して出力される状態指標値に基づいて、各合成データセットを分類してよい。本実施形態では一例として、分類部4082は、状態指標値がゼロ以上であった合成データセットを第1状態の合成データセットに分類し、状態指標値が負であった合成データセットを第2状態の合成データセットに分類してよい。
生成部4083は、クエリポイントのデータセットの座標点を含む領域においてモデル431を単純化した単純化モデル(ローカルサロゲートモデルとも称する)を生成する。生成部4083は、取得部4081により取得された複数のデータセットを用いて、単純化モデルを生成してよい。
特定実行部4085は、生成された単純化モデルに基づいて少なくとも1つの種類の要因データの特定を行う。特定実行部4085は、クエリポイントのデータセットに含まれる複数種類の測定データのうち、生成部4083により生成された単純化モデルにおける分類の境界から最も遠い少なくとも1種類の測定データを要因データとして特定してよい。特定実行部4085は、オペレータにより指定される個数だけ、要因データを特定してよい。特定実行部4085は、特定した要因データの種類を表示制御部411に出力してよい。特定実行部4085は、特定した要因データの種類を、クエリポイントのデータセットと対応付けて記憶部403に記憶させてよい。
予兆検出部409は、状態指標値の推移に基づいて、設備2の状態が不良となる予兆を検出する。予兆検出部409は、入力部404からクエリポイントのデータセットIDが供給されることに応じて、該当するクエリポイントの時点を含む基準期間内の各データセットに対応付けられた状態指標値をデータファイル430から読み出してよい。また、予兆検出部409は、クエリポイントを含む基準期間における状態指標値の分散と基準分散とを比較して、クエリポイントの時点において設備2の状態が不良となる予兆を検出してよい。本実施形態では一例として、予兆検出部409は、基準期間内における分散が基準分散より大きくなったことに応じて、予兆がある旨の検出を行ってよい。なお、クエリポイントは一例として現時点であってよく、クエリポイントを含む基準期間は、クエリポイントを終点とする期間であってよい。基準期間および基準分散は任意に設定されてよい。予兆検出部409は、予兆の検出結果を改善操作特定部410および表示制御部411に供給してよい。
改善操作特定部410は、クエリポイントの時点において設備2の状態が不良となる予兆が検出されたことに応じて、当該予兆の要因となった要因データの測定値を改善する改善操作を特定してよい。改善操作特定部410は、クエリポイントのデータセットに対して要因特定部408により特定された種類の要因データを、予兆の要因となった要因データとしてよい。改善操作特定部410は、対応テーブル432において要因データに対応付けられた改善操作を特定してよい。改善操作特定部は、改善操作の内容を表示制御部411に供給してよい。
表示制御部411は、表示部412を制御する。表示制御部411は、少なくともクエリポイントの状態指標値、および、クエリポイントでの要因データを併せて表示させてよい。状態指標値および要因データを併せて表示させるとは、一緒に表示させることであってよい。一例として、表示制御部411は、状態指標値および要因データを表示部412の同一画面に表示させてもよいし、別々の画面に表示させてもよい。
表示部412は、表示制御部411からの制御によって表示を行う。なお、本実施形態においては一例として、表示部412は装置4に具備されているが、装置4に外部接続されてもよい。
図2は、装置4の動作を示す。装置4は、ステップS11~S33の処理により設備2の監視を支援する。なお、この動作は設備2が起動されることに応じて開始してよい。また、動作の開始時点においては記憶部403にモデル431が記憶されていてよい。
図3は、状態指標値の推移の例を示す。図中、横軸は時間を示し、縦軸は状態指標値を示す。この図に示すように、状態指標値の分散が大きくなることに応じて状態不良の予兆があると検出されることにより、状態が不良となることを予め把握することができる。
[2.1.システム1Aの構成]
図10は、本実施形態に係るシステム1Aを示す。なお、本実施形態に係るシステム1Aにおいて、図1に示されたシステム1の構成と略同一のものには同一の符号を付け、説明を省略する。
記憶部403Aは、対応テーブル432Aを記憶する。対応テーブル432Aは、記憶部403の対応テーブル432の記憶内容に加え、各測定データの測定値の範囲または値ごとに、当該測定データの測定値を当該範囲内または当該値にする操作データの内容を対応付けて記憶してよい。操作データは設備2における何れかの機器21に対する操作内容を示してよい。対応テーブル432Aの内容は試行錯誤を通じて予め設定されてよい。
修正内容特定部415は、第2特定部の一例であり、クエリポイント(本実施形態では一例として現時点)の状態指標値により設備2が第1状態(本実施形態では一例として異常な状態)であることが示される場合に、設備2の状態を、第1状態から第2状態(本実施形態では一例として第1状態とは異なる正常な状態)にするために推奨される修正内容を特定する。修正内容特定部415は、現時点の状態指標値をモデル431から取得し、当該状態指標値により設備2が第1状態であることが示されることに応じて、修正内容を特定してよい。修正内容特定部415は、クエリポイントの測定データに基づいて修正内容の特定を行ってよい。修正内容特定部415は、クエリポイントのデータセットをデータファイル430から読み出して、修正内容の特定を行ってよい。
取得部4151は、第3取得部の一例であり、クエリポイント(本実施形態では一例として現時点)のデータセットに対して基準近似度よりも近接するデータセットを複数取得する。取得部4151は、要因特定部408の取得部4081と同様にして複数のデータセットを取得してよい。ただし、取得部4151は、複数の合成データセットを生成する場合には、クエリポイントのデータセットに含まれる少なくとも1つの修正可能データの測定値を摂動(perturbing)させることで、クエリポイントのデータセットに近接する合成データセットを生成してよい。取得部4081における基準近接度と、取得部4151における基準近接度とは、同じであってもよいし、異なってもよい。修正可能データについて許容範囲が設定されている場合には、取得部4151は、当該許容範囲に応じた基準近接度で測定値を摂動させてよい。取得部4151は、取得した複数の合成データセットを分類部4152に供給してよい。
分類部4152は、モデル431を用い、取得部4151により取得された複数の合成データセットを、クエリポイントの状態指標値で示される第1状態(本実施形態では一例として異常な状態)に対応する第1状態の合成データセットと、第2状態(本実施形態では一例として正常な状態)に対応する第2状態の合成データセットとに分類する。分類部4152は、クエリポイント(本実施形態では一例として現時点)の測定データセットを記憶部403から取得することに応じて、要因特定部408の分類部4082と同様にして複数の合成データセットを分類してよい。
生成部4153は、分類部4152による分類結果に基づいて、複数の合成データセットを第1状態の合成データセットおよび第2状態の合成データセットの何れかに分類する線形モデルを生成する。線形モデルは、クエリポイント(本実施形態では一例として現時点)のデータセットを含む領域においてモデル431を単純化した単純化モデル(ローカルサロゲートモデルとも称する)であってよい。生成部4153は、取得部4151により取得された複数の合成データセットを用いて、線形モデルを生成してよい。生成部4153は、要因特定部408の生成部4083が単純化モデルを生成するのと同様にして線形モデルを生成してよい。生成部4153は、生成した線形モデルを算出部4154に供給してよい。
算出部4154は、クエリポイントのデータセットの座標点から、複数の第2状態の合成データセットの重心の座標点へのベクトル(差分ベクトル(differential vector)とも称する)を算出する。本実施形態では一例として算出部4154は、状態指標値により設備2が異常な状態であると示された現時点のデータセットの座標点から、正常な状態に対応する複数の第2状態の合成データセットの重心の座標点への差分ベクトルを算出する。算出部4154は、取得部4151により取得された複数の合成データセットのうち、複数の第2状態の合成データセットの平均の座標点を重心の座標点として差分ベクトルを算出してよい。
特定実行部4155は、第2特定実行部の一例であり、算出部4154による算出結果に基づいて、修正可能データについて推奨される修正内容を特定する。
制御部4156は、修正内容特定部415の各部を制御する。
出力部416は、推奨される修正内容を示す信号(参照信号または目標信号とも称する)を、設備2を制御する制御装置(図示せず)に出力する。これにより制御装置は、参照信号に基づいて、設備2における該当の機器21を操作してよい。制御装置は、参照信号で示される状態を実現するように機器21を操作してよい。
図11は、装置4Aの動作を示す。装置4Aは、ステップS11~S33,S51~S57の処理により設備2の監視を支援する。なお、装置4Aの動作は、装置4の動作と比較してステップS15よりも後の処理が異なっている。
図12は、修正内容特定部415による修正内容の特定手法を示す。なお、グラフの座標軸は、修正可能データとして選択された測定データの測定値を示してよい。
なお、上記の第2実施形態においては、算出部4154は第2状態のデータセットの平均の座標点を重心の座標点とすることとして説明したが、他の座標点を重心の座標点としてもよい。例えば、算出部4154は、取得部4151により取得された複数のデータセット(一例として複数の合成データセット)のうち、複数の第2状態のデータセットの平均の座標点に最も近いデータセットの座標点を、複数の第2状態のデータセットの重心の座標点としてよい。これにより、差分ベクトルの終点を、第2状態に分類される可能性の高い座標点にすることができる。従って、より確実に設備2の状態を第1状態から第2状態にすることができる。
文献4:Ramaravind等、「Explaining Machine Learning Classifiers through Diverse Counterfactuals Explanations」、インターネット<URL:https://arxiv.org/abs/1905.07697>
なお、上記の第1実施形態および第2実施形態では、各データセットが複数種類の測定データを含むこととして説明したが、当該複数種類の測定データに対応する操作データをさらに含んでもよい。これにより、操作データが修正可能データとして選択される場合に、操作データについて推奨される修正内容を確実に特定することができる。測定データに対応する操作データは、測定データと同じ時点に対応する操作データであってよく、一例として、測定データの測定時点で行われていた操作の操作データであってよい。
2 設備
4 装置
20 センサ
21 機器
401 取得部
402 供給部
403 記憶部
404 入力部
405 ラベル付加部
408 要因特定部
409 予兆検出部
410 改善操作特定部
411 表示制御部
412 表示部
415 修正内容特定部
416 出力部
430 データファイル
431 モデル
432 対応テーブル
2200 コンピュータ
2201 DVD-ROM
2210 ホストコントローラ
2212 CPU
2214 RAM
2216 グラフィックコントローラ
2218 ディスプレイデバイス
2220 入/出力コントローラ
2222 通信インタフェース
2224 ハードディスクドライブ
2226 DVD-ROMドライブ
2230 ROM
2240 入/出力チップ
2242 キーボード
4081 取得部
4082 分類部
4083 生成部
4085 特定実行部
4151 取得部
4152 分類部
4153 生成部
4154 算出部
4155 特定実行部
4156 制御部
Claims (27)
- 対象の状態を示す複数種類の測定データを含むデータセットを取得する第1取得部と、
前記データセットが入力されることに応じて、前記対象の状態の分類を示す状態指標値を出力するモデルに対し、前記第1取得部が取得したデータセットを供給する供給部と、
一の前記データセットが供給されることに応じて前記モデルから一の前記状態指標値が出力される場合に、前記複数種類の測定データのうち、前記一の状態指標値に与えた影響が基準よりも大きい少なくとも1つの種類の測定データを、前記一のデータセットに基づいて特定する第1特定部と、
前記一の状態指標値、および、前記少なくとも1つの種類の測定データを併せて表示させる表示制御部と、
を備え、
前記第1特定部は、
前記一のデータセットが選択されることに応じて、当該一のデータセットの座標点を含む領域において前記モデルを単純化した単純化モデルを生成する生成部と、
生成された前記単純化モデルに基づいて前記少なくとも1つの種類の測定データの特定を行う第1特定実行部と、
を有する、装置。 - 前記第1特定部は、前記一のデータセットに対して基準近接度よりも近接する複数のデータセットを取得する第2取得部を有し、
前記生成部は、前記第2取得部により取得された前記複数のデータセットを用いて、前記単純化モデルを生成する、請求項1に記載の装置。
- 対象の状態を示す複数種類の測定データを含むデータセットを取得する第1取得部と、
前記データセットが入力されることに応じて、前記対象の状態の分類を示す状態指標値を出力するモデルに対し、前記第1取得部が取得したデータセットを供給する供給部と、
一の前記データセットが供給されることに応じて前記モデルから一の前記状態指標値が出力される場合に、前記複数種類の測定データのうち、前記一の状態指標値に与えた影響が基準よりも大きい少なくとも1つの種類の測定データを、前記一のデータセットに基づいて特定する第1特定部と、
前記一の状態指標値、および、前記少なくとも1つの種類の測定データを併せて表示させる表示制御部と、
を備え、
前記第1特定部は、前記一のデータセットにおける各種類の測定データが前記一の状態指標値に与えた影響の度合いを算出する複数のアルゴリズムのそれぞれにより前記少なくとも1つの種類の測定データの特定を行い、
前記表示制御部は、前記第1特定部により用いられたアルゴリズムごとに、特定された種類の測定データを表示する、装置。 - 前記第1特定部は、前記複数のアルゴリズムそれぞれの性能指標値を算出し、
前記表示制御部は、前記第1特定部により用いられたアルゴリズムごとに、当該アルゴリズムの性能指標値を表示する、請求項3に記載の装置。 - 前記第1特定部は、各アルゴリズムにより特定された種類の測定データが前記一の状態指標値に対して有する影響の度合いを算出し、
前記表示制御部は、各アルゴリズムにより特定された種類の測定データが前記一の状態指標値に対して有する影響の度合いを、正規化して表示する、請求項3または4に記載の装置。 - 前記複数種類の測定データと、前記対象に対する操作を示す操作データとのうちから選択される選択データについて、前記対象の状態を前記一の状態指標値で示される第1状態から第2状態にするために推奨される修正内容を、前記一のデータセットに基づいて特定する第2特定部をさらに備える、請求項1から5の何れか一項に記載の装置。
- 対象の状態を示す複数種類の測定データを含むデータセットを取得する第1取得部と、
前記データセットが入力されることに応じて、前記対象の状態の分類を示す状態指標値を出力するモデルに対し、前記第1取得部が取得したデータセットを供給する供給部と、
一の前記データセットが供給されることに応じて前記モデルから一の前記状態指標値が出力される場合に、前記複数種類の測定データと、前記対象に対する操作を示す操作データとのうちから選択される選択データについて、前記対象の状態を前記一の状態指標値で示される第1状態から第2状態にするために推奨される修正内容を、前記一のデータセットに基づいて特定する第2特定部と、
を備え、
前記第2特定部は、
前記一のデータセットに対して基準近似度よりも近接するデータセットを複数取得する第3取得部と、
前記モデルを用い、前記第3取得部により取得された複数のデータセットを、前記第1状態に対応する第1状態のデータセットと、前記第2状態に対応する第2状態のデータセットとに分類する分類部と、
前記一のデータセットの座標点から、複数の前記第2状態のデータセットの重心の座標点へのベクトルを算出する算出部と、
前記ベクトルに基づいて前記推奨される修正内容を特定する第2特定実行部と、
を有する、装置。 - 前記第2特定部は、
前記分類部による分類結果に基づいて、前記複数のデータセットを前記第1状態のデータセットおよび前記第2状態のデータセットの何れかに分類する線形モデルを生成する生成部を有し、
前記算出部は、前記ベクトルと、前記線形モデルとの交点をさらに算出し、
前記第2特定実行部は、前記ベクトルおよび前記交点に基づいて前記推奨される修正内容を特定する、請求項7に記載の装置。 - 前記算出部は、前記複数のデータセットのうち、複数の前記第2状態のデータセットの平均の座標点を、前記重心の座標点とする、請求項7または8に記載の装置。
- 前記算出部は、前記複数のデータセットのうち、複数の前記第2状態のデータセットの平均の座標点に最も近いデータセットの座標点を、前記重心の座標点とする、請求項7または8に記載の装置。
- 前記算出部は、前記複数のデータセットのうち、前記複数の第2状態のデータセットの平均の座標点に最も近い前記第2状態のデータセットの座標点を、前記重心の座標点とする、請求項10に記載の装置。
- 前記第2特定部は、
前記複数のデータセットのうち、前記複数の第2状態のデータセットの平均の座標点に最も近いデータセットが前記第1状態のデータセットであることに応じて、前記第3取得部にデータセットをさらに取得させる制御部、
を有する、請求項11に記載の装置。 - 前記第2特定部は、
前記一のデータセットの座標点と、前記モデルが前記複数のデータセットを前記第1状態のデータセットおよび前記第2状態のデータセットに分類する境界との距離が基準距離よりも大きいこと、または、前記複数のデータセットのうち前記第2状態のデータセットに分類されるデータセットが基準数より少ないこと、の少なくとも一方に応じて、前記第2状態のデータセットに分類されるデータセットが基準数以上となるまで、前記第3取得部に前記基準近似度を大きくさせてデータセットをさらに取得させる制御部
を有する、請求項7から12の何れか一項に記載の装置。 - 前記第2特定部は、
前記一のデータセットの座標点と、前記モデルが前記複数のデータセットを前記第1状態のデータセットおよび前記第2状態のデータセットに分類する境界との距離が基準距離よりも大きいこと、または、前記複数のデータセットのうち前記第2状態のデータセットに分類されるデータセットが基準数より少ないこと、の少なくとも一方に応じて、前記第2状態のデータセットに分類されるデータセットのうち、前記一のデータセットから最も近いデータセットに対して前記基準近似度よりも近接するデータセットを前記第3取得部にさらに取得させる制御部
を有する、請求項7から13の何れか一項に記載の装置。 - 前記第2特定部は、
前記一のデータセットの座標点と、前記モデルが前記複数のデータセットを前記第1状態のデータセットおよび前記第2状態のデータセットに分類する境界との距離が基準距離よりも大きいこと、または、前記複数のデータセットのうち前記第2状態のデータセットに分類されるデータセットが基準数より少ないこと、の少なくとも一方に応じて、前記第2特定実行部をディセーブルする制御部
を有する、請求項7から11の何れか一項に記載の装置。 - 前記第2特定部は、前記対象の状態を前記一のデータセットに対応する状態から前記第2状態にするための反事実的なデータセットを生成する学習アルゴリズムを用いて、前記推奨される修正内容を特定する、請求項6または7に記載の装置。
- 前記第2特定部は、前記選択データについて、推奨される範囲または値を特定する、請求項6から16の何れか一項に記載の装置。
- 各測定データの測定値の範囲または値ごとに、当該測定データの測定値を当該範囲内または当該値にする操作データの内容を対応付けて記憶する記憶部をさらに備え、
前記第2特定部は、前記選択データが操作データである場合に、前記対象の状態を前記第1状態から前記第2状態にするために推奨される何れかの種類の測定データの推奨範囲または推奨値を特定し、特定された推奨範囲または推奨値に対応付けられた操作データの内容を前記修正内容として特定する、請求項6から17の何れか一項に記載の装置。 - 各データセットは、複数種類の測定データと、当該複数種類の測定データに対応する前記操作データとを含む、請求項6から17の何れか一項に記載の装置。
- 前記推奨される修正内容を表示させる表示制御部をさらに備える、請求項6から19の何れか一項に記載の装置。
- 前記推奨される修正内容を示す信号を、前記対象を制御する制御装置に出力する出力部をさらに備える、請求項6から20の何れか一項に記載の装置。
- 対象の状態を示す複数種類の測定データを含むデータセットを取得する第1取得段階と、
前記データセットが入力されることに応じて、前記対象の状態の分類を示す状態指標値を出力するモデルに対し、前記第1取得段階により取得したデータセットを供給する供給段階と、
一の前記データセットが供給されることに応じて前記モデルから一の前記状態指標値が出力される場合に、前記複数種類の測定データのうち、前記一の状態指標値に与えた影響が基準よりも大きい少なくとも1つの種類の測定データを、前記一のデータセットに基づいて特定する第1特定段階と、
前記一の状態指標値、および、前記少なくとも1つの種類の測定データを併せて表示させる表示制御段階と、
を備え、
前記第1特定段階は、
前記一のデータセットが選択されることに応じて、当該一のデータセットの座標点を含む領域において前記モデルを単純化した単純化モデルを生成する生成段階と、
生成された前記単純化モデルに基づいて前記少なくとも1つの種類の測定データの特定を行う第1特定実行段階と、
を有する、方法。 - 対象の状態を示す複数種類の測定データを含むデータセットを取得する第1取得段階と、
前記データセットが入力されることに応じて、前記対象の状態の分類を示す状態指標値を出力するモデルに対し、前記第1取得段階により取得したデータセットを供給する供給段階と、
一の前記データセットが供給されることに応じて前記モデルから一の前記状態指標値が出力される場合に、前記複数種類の測定データのうち、前記一の状態指標値に与えた影響が基準よりも大きい少なくとも1つの種類の測定データを、前記一のデータセットに基づいて特定する第1特定段階と、
前記一の状態指標値、および、前記少なくとも1つの種類の測定データを併せて表示させる表示制御段階と、
を備え、
前記第1特定段階では、前記一のデータセットにおける各種類の測定データが前記一の状態指標値に与えた影響の度合いを算出する複数のアルゴリズムのそれぞれにより前記少なくとも1つの種類の測定データの特定を行い、
前記表示制御段階では、前記第1特定段階により用いられたアルゴリズムごとに、特定された種類の測定データを表示する、方法。 - 対象の状態を示す複数種類の測定データを含むデータセットを取得する第1取得段階と、
前記データセットが入力されることに応じて、前記対象の状態の分類を示す状態指標値を出力するモデルに対し、前記第1取得段階により取得したデータセットを供給する供給段階と、
一の前記データセットが供給されることに応じて前記モデルから一の前記状態指標値が出力される場合に、前記複数種類の測定データと、前記対象に対する操作を示す操作データとのうちから選択される選択データについて、前記対象の状態を前記一の状態指標値で示される第1状態から第2状態にするために推奨される修正内容を、前記一のデータセットに基づいて特定する第2特定段階と、
を備え、
前記第2特定段階は、
前記一のデータセットに対して基準近似度よりも近接するデータセットを複数取得する第3取得段階と、
前記モデルを用い、前記第3取得段階により取得された複数のデータセットを、前記第1状態に対応する第1状態のデータセットと、前記第2状態に対応する第2状態のデータセットとに分類する分類段階と、
前記一のデータセットの座標点から、複数の前記第2状態のデータセットの重心の座標点へのベクトルを算出する算出段階と、
前記ベクトルに基づいて前記推奨される修正内容を特定する第2特定実行段階と、
を有する、方法。 - コンピュータを、
対象の状態を示す複数種類の測定データを含むデータセットを取得する第1取得部と、
前記データセットが入力されることに応じて、前記対象の状態の分類を示す状態指標値を出力するモデルに対し、前記第1取得部が取得したデータセットを供給する供給部と、
一の前記データセットが供給されることに応じて前記モデルから一の前記状態指標値が出力される場合に、前記複数種類の測定データのうち、前記一の状態指標値に与えた影響が基準よりも大きい少なくとも1つの種類の測定データを、前記一のデータセットに基づいて特定する第1特定部と、
前記一の状態指標値、および、前記少なくとも1つの種類の測定データを併せて表示させる表示制御部
として機能させ、
前記第1特定部は、
前記一のデータセットが選択されることに応じて、当該一のデータセットの座標点を含む領域において前記モデルを単純化した単純化モデルを生成する生成部と、
生成された前記単純化モデルに基づいて前記少なくとも1つの種類の測定データの特定を行う第1特定実行部と、
を有する、プログラム。 - コンピュータを、
対象の状態を示す複数種類の測定データを含むデータセットを取得する第1取得部と、
前記データセットが入力されることに応じて、前記対象の状態の分類を示す状態指標値を出力するモデルに対し、前記第1取得部が取得したデータセットを供給する供給部と、
一の前記データセットが供給されることに応じて前記モデルから一の前記状態指標値が出力される場合に、前記複数種類の測定データのうち、前記一の状態指標値に与えた影響が基準よりも大きい少なくとも1つの種類の測定データを、前記一のデータセットに基づいて特定する第1特定部と、
前記一の状態指標値、および、前記少なくとも1つの種類の測定データを併せて表示させる表示制御部
として機能させ、
前記第1特定部は、前記一のデータセットにおける各種類の測定データが前記一の状態指標値に与えた影響の度合いを算出する複数のアルゴリズムのそれぞれにより前記少なくとも1つの種類の測定データの特定を行い、
前記表示制御部は、前記第1特定部により用いられたアルゴリズムごとに、特定された種類の測定データを表示する、プログラム。 - コンピュータを、
対象の状態を示す複数種類の測定データを含むデータセットを取得する第1取得部と、
前記データセットが入力されることに応じて、前記対象の状態の分類を示す状態指標値を出力するモデルに対し、前記第1取得部が取得したデータセットを供給する供給部と、
一の前記データセットが供給されることに応じて前記モデルから一の前記状態指標値が出力される場合に、前記複数種類の測定データと、前記対象に対する操作を示す操作データとのうちから選択される選択データについて、前記対象の状態を前記一の状態指標値で示される第1状態から第2状態にするために推奨される修正内容を、前記一のデータセットに基づいて特定する第2特定部
として機能させ、
前記第2特定部は、
前記一のデータセットに対して基準近似度よりも近接するデータセットを複数取得する第3取得部と、
前記モデルを用い、前記第3取得部により取得された複数のデータセットを、前記第1状態に対応する第1状態のデータセットと、前記第2状態に対応する第2状態のデータセットとに分類する分類部と、
前記一のデータセットの座標点から、複数の前記第2状態のデータセットの重心の座標点へのベクトルを算出する算出部と、
前記ベクトルに基づいて前記推奨される修正内容を特定する第2特定実行部と、
を有する、プログラム。
Priority Applications (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2022032962A JP7452563B2 (ja) | 2022-03-03 | 2022-03-03 | 装置、方法およびプログラム |
US18/177,107 US20230280701A1 (en) | 2022-03-03 | 2023-03-01 | Apparatus, method, and computer-readable storage medium |
EP23159604.0A EP4242767A1 (en) | 2022-03-03 | 2023-03-02 | Apparatus, method, and program |
CN202310191728.6A CN116701472A (zh) | 2022-03-03 | 2023-03-02 | 装置、方法以及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2022032962A JP7452563B2 (ja) | 2022-03-03 | 2022-03-03 | 装置、方法およびプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2023128555A JP2023128555A (ja) | 2023-09-14 |
JP7452563B2 true JP7452563B2 (ja) | 2024-03-19 |
Family
ID=85415490
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022032962A Active JP7452563B2 (ja) | 2022-03-03 | 2022-03-03 | 装置、方法およびプログラム |
Country Status (4)
Country | Link |
---|---|
US (1) | US20230280701A1 (ja) |
EP (1) | EP4242767A1 (ja) |
JP (1) | JP7452563B2 (ja) |
CN (1) | CN116701472A (ja) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2019016209A (ja) | 2017-07-07 | 2019-01-31 | 株式会社東芝 | 診断装置、診断方法およびコンピュータプログラム |
JP2019178625A (ja) | 2018-03-30 | 2019-10-17 | 三菱重工業株式会社 | ポンプ設備の異常診断システム、及び、ポンプ設備の異常診断方法 |
JP2021124886A (ja) | 2020-02-04 | 2021-08-30 | 富士電機株式会社 | 情報処理装置、情報処理方法及び情報処理プログラム |
JP2021174397A (ja) | 2020-04-28 | 2021-11-01 | 横河電機株式会社 | 制御支援装置、制御支援方法、制御支援プログラム、および制御システム |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS59229830A (ja) | 1983-06-09 | 1984-12-24 | Rohm Co Ltd | ワイヤボンデイング方法 |
SG10201601558QA (en) * | 2016-03-01 | 2017-10-30 | Yokogawa Eng Asia Pte Ltd | Systems and Methods for Monitoring A Process Environment |
EP3796228A1 (en) * | 2019-09-20 | 2021-03-24 | Robert Bosch GmbH | Device and method for generating a counterfactual data sample for a neural network |
JP7298494B2 (ja) * | 2020-01-31 | 2023-06-27 | 横河電機株式会社 | 学習装置、学習方法、学習プログラム、判定装置、判定方法、および判定プログラム |
-
2022
- 2022-03-03 JP JP2022032962A patent/JP7452563B2/ja active Active
-
2023
- 2023-03-01 US US18/177,107 patent/US20230280701A1/en active Pending
- 2023-03-02 CN CN202310191728.6A patent/CN116701472A/zh active Pending
- 2023-03-02 EP EP23159604.0A patent/EP4242767A1/en active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2019016209A (ja) | 2017-07-07 | 2019-01-31 | 株式会社東芝 | 診断装置、診断方法およびコンピュータプログラム |
JP2019178625A (ja) | 2018-03-30 | 2019-10-17 | 三菱重工業株式会社 | ポンプ設備の異常診断システム、及び、ポンプ設備の異常診断方法 |
JP2021124886A (ja) | 2020-02-04 | 2021-08-30 | 富士電機株式会社 | 情報処理装置、情報処理方法及び情報処理プログラム |
JP2021174397A (ja) | 2020-04-28 | 2021-11-01 | 横河電機株式会社 | 制御支援装置、制御支援方法、制御支援プログラム、および制御システム |
Also Published As
Publication number | Publication date |
---|---|
US20230280701A1 (en) | 2023-09-07 |
CN116701472A (zh) | 2023-09-05 |
EP4242767A1 (en) | 2023-09-13 |
JP2023128555A (ja) | 2023-09-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2019016209A (ja) | 診断装置、診断方法およびコンピュータプログラム | |
JP2015184942A (ja) | 故障原因分類装置 | |
WO2017034512A1 (en) | Interactive analytics on time series | |
US20220309078A1 (en) | Apparatus, method, and computer readable medium | |
CN111832880B (zh) | 对正在进行的生产批运行的质量指示符的计算机实现的确定 | |
US11619923B2 (en) | Digital twin management system and method | |
CN114120470A (zh) | 监视装置、监视方法、以及记录了监视程序的计算机可读介质 | |
JP7452563B2 (ja) | 装置、方法およびプログラム | |
JP7283105B2 (ja) | 分析装置および分析方法 | |
JP4525414B2 (ja) | 異常判定装置及び異常判定方法 | |
JP6458157B2 (ja) | データ分析装置および分析方法 | |
WO2020059736A1 (ja) | 制御装置および制御システム | |
JP6880864B2 (ja) | エネルギー管理システムおよびエネルギー管理方法 | |
EP3995920A1 (en) | Event analytics in modular industrial plants | |
JP7347468B2 (ja) | 装置、方法およびプログラム | |
US20230366708A1 (en) | Apparatus, method, and computer readable medium | |
EP4160344A1 (en) | Monitoring apparatus, monitoring method, and monitoring program | |
WO2021201189A1 (ja) | 装置、方法、およびプログラム | |
EP4009155B1 (en) | Display control apparatus, method, and program | |
US20220284346A1 (en) | Learning apparatus, evaluation apparatus, evaluation system, learning method, evaluation method, and non-transitory computer readable medium | |
US20230367927A1 (en) | Non-transitory computer readable storage medium storing operation improvement assistance program, operation improvement assistance device, and operation improvement assistance method | |
US20230213921A1 (en) | Knowledge driven artificial intelligence engine for engineering automation | |
TW202318125A (zh) | 狀態檢知系統、狀態檢知方法以及狀態檢知程式產品 | |
JP2022055231A (ja) | データ処理システム、データ処理方法、および、データ処理プログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20230228 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20231128 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20240123 |
|
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: 20240206 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20240219 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7452563 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |