JP7463055B2 - 異常診断装置、異常診断方法、異常診断プログラム、及び記録媒体 - Google Patents
異常診断装置、異常診断方法、異常診断プログラム、及び記録媒体 Download PDFInfo
- Publication number
- JP7463055B2 JP7463055B2 JP2018244318A JP2018244318A JP7463055B2 JP 7463055 B2 JP7463055 B2 JP 7463055B2 JP 2018244318 A JP2018244318 A JP 2018244318A JP 2018244318 A JP2018244318 A JP 2018244318A JP 7463055 B2 JP7463055 B2 JP 7463055B2
- Authority
- JP
- Japan
- Prior art keywords
- data
- threshold
- learning
- extraction
- diagnosis
- 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
- 238000003745 diagnosis Methods 0.000 title claims description 291
- 230000005856 abnormality Effects 0.000 title claims description 155
- 238000000034 method Methods 0.000 title claims description 76
- 238000000605 extraction Methods 0.000 claims description 240
- 238000012795 verification Methods 0.000 claims description 64
- 230000002159 abnormal effect Effects 0.000 claims description 40
- 238000012567 pattern recognition method Methods 0.000 claims description 23
- 238000009826 distribution Methods 0.000 claims description 21
- 239000000284 extract Substances 0.000 claims description 19
- 238000010200 validation analysis Methods 0.000 claims description 14
- 230000004044 response Effects 0.000 claims description 8
- 230000007423 decrease Effects 0.000 claims description 3
- 238000003909 pattern recognition Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 description 36
- 230000008859 change Effects 0.000 description 16
- 238000013500 data storage Methods 0.000 description 14
- 238000010586 diagram Methods 0.000 description 12
- 230000000052 comparative effect Effects 0.000 description 7
- 230000006870 function Effects 0.000 description 7
- 238000012423 maintenance Methods 0.000 description 6
- 238000001514 detection method Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 230000001174 ascending effect Effects 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 2
- 239000002243 precursor Substances 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013075 data extraction Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000007477 logistic regression Methods 0.000 description 1
- 238000000491 multivariate analysis Methods 0.000 description 1
- 238000000513 principal component analysis Methods 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Images
Description
本開示の一側面に係る異常診断装置は、パターン認識手法を用いて診断対象システムに係る異常診断を行う装置である。この異常診断装置は、複数の項目のパラメータ値を含む診断対象データを診断対象システムから取得する取得部と、複数のデータセットを含む抽出元データを格納する第1記憶部と、診断対象データと抽出条件を決定するための条件設定情報とを用いて抽出条件を決定し、抽出元データから学習データを抽出する抽出部と、学習データからパターン認識手法に用いられる学習情報を作成する作成部と、学習情報と、抽出部によって学習データとして抽出されたデータセットの抽出件数に応じた診断閾値と、に基づいて、診断対象データが異常であるか否かを判断する診断部と、を備える。複数のデータセットのそれぞれは、診断対象システムが正常な状態である場合の複数の項目のパラメータ値を含む。抽出部は、抽出元データに含まれる複数のデータセットのうち、抽出条件を満たすデータセットの群を学習データとして抽出する。
以下、本開示の実施形態について、図面を参照しながら説明する。なお、図面の説明において同一要素には同一符号を付し、重複する説明を省略する。
2 機械システム(診断対象システム)
3 外部装置
10 プロセッサ
11 取得部
12 抽出部
13 作成部
14 診断部
15 出力部
16 更新部
17 設定部
20 記憶装置
21 蓄積データ記憶部(第1記憶部)
22 学習情報記憶部
23 閾値記憶部(第2記憶部)
P 異常診断プログラム
Claims (7)
- パターン認識手法を用いて診断対象システムに係る異常診断を行う異常診断装置であって、
複数の項目のパラメータ値を含む診断対象データを前記診断対象システムから取得する取得部と、
複数のデータセットを含む抽出元データを格納する第1記憶部と、
前記診断対象データと抽出条件を決定するための条件設定情報とを用いて前記抽出条件を決定し、前記抽出元データから学習データを抽出する抽出部と、
前記学習データから前記パターン認識手法に用いられる学習情報を作成する作成部と、
データセットの件数とそれぞれ対応付けられた複数の閾値を設定する設定部と、
前記複数の閾値を記憶する第2記憶部と、
前記診断対象データと前記学習情報とを用いて前記診断対象データの異常度スコアを算出し、前記診断対象データの前記異常度スコアと、前記抽出部によって前記学習データとして抽出されたデータセットの抽出件数に応じた診断閾値と、を比較することによって、前記診断対象データが異常であるか否かを判断する診断部と、
を備え、
前記複数のデータセットのそれぞれは、前記診断対象システムが正常な状態である場合の前記複数の項目のパラメータ値を含み、
前記抽出部は、前記抽出元データに含まれる前記複数のデータセットのうち、前記抽出条件を満たすデータセットの群を前記学習データとして抽出し、
前記設定部は、前記抽出元データに含まれる前記複数のデータセットの第1部分集合である部分抽出元データと、前記抽出元データに含まれる前記複数のデータセットの第2部分集合である検証データ群と、を準備し、
前記設定部は、前記検証データ群に含まれる検証データと、前記条件設定情報と、を用いて、前記部分抽出元データから閾値設定用の学習データである閾値学習データを抽出し、前記閾値学習データから閾値設定用の学習情報である閾値学習情報を作成し、
前記設定部は、前記閾値学習情報を用いて前記検証データの異常度スコアを算出し、前記検証データの前記異常度スコアと前記閾値学習データに含まれるデータセットの件数とに基づいて、前記複数の閾値を設定し、
前記診断部は、前記複数の閾値から、前記抽出件数に対応付けられた閾値を前記診断閾値として選択する、異常診断装置。 - 前記診断閾値は、前記抽出件数が小さいほど大きい値に設定される、請求項1に記載の異常診断装置。
- 前記設定部は、複数の異常データセットを含む異常検証データ群をさらに準備し、
前記検証データ群に基づいて取得した第1分布と、前記異常検証データ群に基づいて取得した第2分布と、に基づいて、前記複数の閾値を設定し、
前記複数の異常データセットのそれぞれは、前記診断対象システムが異常な状態である場合の前記複数の項目のパラメータ値を含み、
前記第1分布は、前記抽出件数ごとの前記検証データの前記異常度スコアの取り得る範囲を示し、
前記第2分布は、前記抽出件数ごとの前記異常データセットの前記異常度スコアのとり得る範囲を示す、請求項1又は請求項2に記載の異常診断装置。 - 前記第1記憶部に格納されている前記抽出元データを更新する更新部をさらに備え、
前記更新部は、正常なデータセットを前記抽出元データに追加することで、前記抽出元データを更新し、
前記設定部は、前記抽出元データが更新されたことに応じて、前記複数の閾値を再設定する、請求項1~請求項3のいずれか一項に記載の異常診断装置。 - パターン認識手法を用いて診断対象システムに係る異常診断を行う異常診断装置が実行する異常診断方法であって、
複数の項目のパラメータ値を含む診断対象データを前記診断対象システムから取得するステップと、
前記診断対象データと抽出条件を決定するための条件設定情報とを用いて前記抽出条件を決定するステップと、
複数のデータセットを含む抽出元データから学習データを抽出するステップと、
前記学習データから前記パターン認識手法に用いられる学習情報を作成するステップと、
データセットの件数とそれぞれ対応付けられた複数の閾値を設定するステップと、
前記診断対象データと前記学習情報とを用いて前記診断対象データの異常度スコアを算出し、前記診断対象データの前記異常度スコアと、前記学習データとして抽出されたデータセットの抽出件数に応じた診断閾値と、を比較することによって、前記診断対象データが異常であるか否かを判断するステップと、
を備え、
前記複数のデータセットのそれぞれは、前記診断対象システムが正常な状態である場合の前記複数の項目のパラメータ値を含み、
前記抽出するステップでは、前記抽出元データに含まれる前記複数のデータセットのうち、前記抽出条件を満たすデータセットの群が前記学習データとして抽出され、
前記設定するステップは、
前記抽出元データに含まれる前記複数のデータセットの第1部分集合である部分抽出元データと、前記抽出元データに含まれる前記複数のデータセットの第2部分集合である検証データ群と、を準備するステップと、
前記検証データ群に含まれる検証データと、前記条件設定情報と、を用いて、前記部分抽出元データから閾値設定用の学習データである閾値学習データを抽出するステップと、
前記閾値学習データから閾値設定用の学習情報である閾値学習情報を作成するステップと、
前記閾値学習情報を用いて前記検証データの異常度スコアを算出するステップと、
前記検証データの前記異常度スコアと前記閾値学習データに含まれるデータセットの件数とに基づいて、前記複数の閾値を設定するステップと、を含み、
前記判断するステップでは、前記複数の閾値から、前記抽出件数に対応付けられた閾値が前記診断閾値として選択される、異常診断方法。 - パターン認識手法を用いて診断対象システムに係る異常診断をコンピュータに実行させる異常診断プログラムであって、
複数の項目のパラメータ値を含む診断対象データを前記診断対象システムから取得するステップと、
前記診断対象データと抽出条件を決定するための条件設定情報とを用いて前記抽出条件を決定するステップと、
複数のデータセットを含む抽出元データから学習データを抽出するステップと、
前記学習データから前記パターン認識手法に用いられる学習情報を作成するステップと、
データセットの件数とそれぞれ対応付けられた複数の閾値を設定するステップと、
前記診断対象データと前記学習情報とを用いて前記診断対象データの異常度スコアを算出し、前記診断対象データの前記異常度スコアと、前記学習データとして抽出されたデータセットの抽出件数に応じた診断閾値と、を比較することによって、前記診断対象データが異常であるか否かを判断するステップと、
を前記コンピュータに実行させ、
前記複数のデータセットのそれぞれは、前記診断対象システムが正常な状態である場合の前記複数の項目のパラメータ値を含み、
前記抽出するステップでは、前記抽出元データに含まれる前記複数のデータセットのうち、前記抽出条件を満たすデータセットの群が前記学習データとして抽出され、
前記設定するステップは、
前記抽出元データに含まれる前記複数のデータセットの第1部分集合である部分抽出元データと、前記抽出元データに含まれる前記複数のデータセットの第2部分集合である検証データ群と、を準備するステップと、
前記検証データ群に含まれる検証データと、前記条件設定情報と、を用いて、前記部分抽出元データから閾値設定用の学習データである閾値学習データを抽出するステップと、
前記閾値学習データから閾値設定用の学習情報である閾値学習情報を作成するステップと、
前記閾値学習情報を用いて前記検証データの異常度スコアを算出するステップと、
前記検証データの前記異常度スコアと前記閾値学習データに含まれるデータセットの件数とに基づいて、前記複数の閾値を設定するステップと、を含み、
前記判断するステップでは、前記複数の閾値から、前記抽出件数に対応付けられた閾値が前記診断閾値として選択される、
異常診断プログラム。 - パターン認識手法を用いて診断対象システムに係る異常診断をコンピュータに実行させる異常診断プログラムを記録したコンピュータ読み取り可能な記録媒体であって、
複数の項目のパラメータ値を含む診断対象データを前記診断対象システムから取得するステップと、
前記診断対象データと抽出条件を決定するための条件設定情報とを用いて前記抽出条件を決定するステップと、
複数のデータセットを含む抽出元データから学習データを抽出するステップと、
前記学習データから前記パターン認識手法に用いられる学習情報を作成するステップと、
データセットの件数とそれぞれ対応付けられた複数の閾値を設定するステップと、
前記診断対象データと前記学習情報とを用いて前記診断対象データの異常度スコアを算出し、前記診断対象データの前記異常度スコアと、前記学習データとして抽出されたデータセットの抽出件数に応じた診断閾値と、を比較することによって、前記診断対象データが異常であるか否かを判断するステップと、
を前記コンピュータに実行させ、
前記複数のデータセットのそれぞれは、前記診断対象システムが正常な状態である場合の前記複数の項目のパラメータ値を含み、
前記抽出するステップでは、前記抽出元データに含まれる前記複数のデータセットのうち、前記抽出条件を満たすデータセットの群が前記学習データとして抽出され、
前記設定するステップは、
前記抽出元データに含まれる前記複数のデータセットの第1部分集合である部分抽出元データと、前記抽出元データに含まれる前記複数のデータセットの第2部分集合である検証データ群と、を準備するステップと、
前記検証データ群に含まれる検証データと、前記条件設定情報と、を用いて、前記部分抽出元データから閾値設定用の学習データである閾値学習データを抽出するステップと、
前記閾値学習データから閾値設定用の学習情報である閾値学習情報を作成するステップと、
前記閾値学習情報を用いて前記検証データの異常度スコアを算出するステップと、
前記検証データの前記異常度スコアと前記閾値学習データに含まれるデータセットの件数とに基づいて、前記複数の閾値を設定するステップと、を含み、
前記判断するステップでは、前記複数の閾値から、前記抽出件数に対応付けられた閾値が前記診断閾値として選択される、
異常診断プログラムを記録した記録媒体。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018244318A JP7463055B2 (ja) | 2018-12-27 | 2018-12-27 | 異常診断装置、異常診断方法、異常診断プログラム、及び記録媒体 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018244318A JP7463055B2 (ja) | 2018-12-27 | 2018-12-27 | 異常診断装置、異常診断方法、異常診断プログラム、及び記録媒体 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2020107027A JP2020107027A (ja) | 2020-07-09 |
JP7463055B2 true JP7463055B2 (ja) | 2024-04-08 |
Family
ID=71450823
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018244318A Active JP7463055B2 (ja) | 2018-12-27 | 2018-12-27 | 異常診断装置、異常診断方法、異常診断プログラム、及び記録媒体 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7463055B2 (ja) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114111352B (zh) * | 2021-12-02 | 2022-07-26 | 江苏汉华热管理科技有限公司 | 一种碳化炉抽真空系统异常检测方法及系统 |
JP2024002443A (ja) * | 2022-06-24 | 2024-01-11 | 三菱重工業株式会社 | 溶接支援装置、溶接支援方法、およびプログラム |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2014142697A (ja) | 2013-01-22 | 2014-08-07 | Hitachi Ltd | 異常診断方法およびその装置 |
JP2017102826A (ja) | 2015-12-04 | 2017-06-08 | 株式会社Ihi | 異常診断装置、異常診断方法、及び、異常診断プログラム |
JP2018132884A (ja) | 2017-02-14 | 2018-08-23 | 富士通株式会社 | 判定装置、判定方法および判定プログラム |
JP2018160121A (ja) | 2017-03-23 | 2018-10-11 | 株式会社日立パワーソリューションズ | 異常検知装置 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5490462B2 (ja) * | 2009-08-17 | 2014-05-14 | 横河電機株式会社 | 膜厚測定装置 |
JP5740459B2 (ja) * | 2009-08-28 | 2015-06-24 | 株式会社日立製作所 | 設備状態監視方法 |
JP6381498B2 (ja) * | 2015-09-02 | 2018-08-29 | 三菱電機ビルテクノサービス株式会社 | 計量メータの状態変化検出装置及びプログラム |
-
2018
- 2018-12-27 JP JP2018244318A patent/JP7463055B2/ja active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2014142697A (ja) | 2013-01-22 | 2014-08-07 | Hitachi Ltd | 異常診断方法およびその装置 |
JP2017102826A (ja) | 2015-12-04 | 2017-06-08 | 株式会社Ihi | 異常診断装置、異常診断方法、及び、異常診断プログラム |
JP2018132884A (ja) | 2017-02-14 | 2018-08-23 | 富士通株式会社 | 判定装置、判定方法および判定プログラム |
JP2018160121A (ja) | 2017-03-23 | 2018-10-11 | 株式会社日立パワーソリューションズ | 異常検知装置 |
Also Published As
Publication number | Publication date |
---|---|
JP2020107027A (ja) | 2020-07-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7188453B2 (ja) | 異常診断装置、異常診断方法、異常診断プログラム、及び記録媒体 | |
CN110121724B (zh) | 异常检测装置、异常检测方法及存储介质 | |
US20190301979A1 (en) | Abnormality detection system, support device, and abnormality detection method | |
US8682616B2 (en) | Identifying failures in an aeroengine | |
JP5544418B2 (ja) | プラントの診断装置、診断方法、及び診断プログラム | |
US8112368B2 (en) | Method, apparatus and computer program product for predicting a fault utilizing multi-resolution classifier fusion | |
JP6772454B2 (ja) | 異常診断装置、異常診断方法、及び、異常診断プログラム | |
US20200026268A1 (en) | Control device and diagnosis system | |
US11061390B2 (en) | System fault isolation and ambiguity resolution | |
CN110352389B (zh) | 信息处理装置及信息处理方法 | |
JP6200833B2 (ja) | プラントと制御装置の診断装置 | |
JP2015184942A (ja) | 故障原因分類装置 | |
JP7463055B2 (ja) | 異常診断装置、異常診断方法、異常診断プログラム、及び記録媒体 | |
US20220137611A1 (en) | Abnormality determination apparatus, learning apparatus and abnormality determination method | |
EP3862829A1 (en) | State estimation device, system, and manufacturing method | |
US10094740B2 (en) | Non-regression method of a tool for designing a monitoring system of an aircraft engine | |
KR20180044739A (ko) | 딥 러닝을 이용한 룰 생성방법 및 장치 | |
CN113330379A (zh) | 异常原因推定装置、异常原因推定方法及程序 | |
US8271233B2 (en) | Method of multi-level fault isolation design | |
JP5939439B2 (ja) | 異常診断装置 | |
JP7347953B2 (ja) | 機器予兆監視装置、および、機器予兆監視方法 | |
EP3712777A1 (en) | Data classification device | |
US20240144101A1 (en) | Generation system, computer-readable storage medium, and method for generating waveform evaluation model | |
JP2024066391A (ja) | 生成システム、プログラム、及び波形評価モデルの生成方法 | |
CN117990966A (zh) | 生成系统、计算机可读存储介质以及波形评价模型的生成方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210810 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20220531 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220607 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20221025 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230118 |
|
C60 | Trial request (containing other claim documents, opposition documents) |
Free format text: JAPANESE INTERMEDIATE CODE: C60 Effective date: 20230118 |
|
A911 | Transfer to examiner for re-examination before appeal (zenchi) |
Free format text: JAPANESE INTERMEDIATE CODE: A911 Effective date: 20230131 |
|
C21 | Notice of transfer of a case for reconsideration by examiners before appeal proceedings |
Free format text: JAPANESE INTERMEDIATE CODE: C21 Effective date: 20230207 |
|
A912 | Re-examination (zenchi) completed and case transferred to appeal board |
Free format text: JAPANESE INTERMEDIATE CODE: A912 Effective date: 20230217 |
|
C211 | Notice of termination of reconsideration by examiners before appeal proceedings |
Free format text: JAPANESE INTERMEDIATE CODE: C211 Effective date: 20230221 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20240206 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20240327 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7463055 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |