JP7515365B2 - 要因推定装置、要因推定方法及びプログラム - Google Patents

Description

本開示は、事象の発生要因を推定する要因推定装置、要因推定方法及びプログラムに関する。

発電設備、プラント、種々の産業機械などの社会インフラを支える装置には、長期の信頼性が要求される。特許文献１には、装置の稼働状態を監視する監視システムが開示されている。特許文献１に開示された監視システムは、ガスタービンの異常予兆を、ＭＴ法（マハラノビス・タグチ法）におけるマハラノビス距離の増大に影響するセンサ信号のＳＮ比に基づいて、ＳＮ比が大きいセンサ信号に紐づけられた異常事象の発生を推定し、推定した異常事象と、事象とその発生要因とを関連付けたテーブルに基づいて、対象装置に生じた異常事象の発生要因を推定する。特許文献１に記載の方法では、複数の事象は独立して発生するものと仮定されている。

国際公開第２０１７／２０９１６７号

事象が独立して発生すると仮定して事象の発生要因を推定すると、共通の要因によって複数の事象が発生する場合に発生要因の推定精度が低下する可能性がある。例えば、共通要因１によって事象Ａと事象Ｂが発生し、要因２によって事象Ａが発生する場合、事象Ａが単独で発生しているにもかかわらず、共通要因１が高い確率で発生要因として推定されたり、事象Ａと事象Ｂが同時に発生している状況で、要因２が要因１よりも高い確率で発生要因として推定されたりするようなことが起こり得る。

本開示は、上記課題を解決することができる要因推定装置、要因推定方法及びプログラムを提供する。

本開示の要因推定装置は、対象装置の計測値を取得する取得部と、前記取得部が取得した前記計測値に基づいて対象装置に生じ得る複数の事象が共通の要因によって発生すると仮定した場合の前記事象それぞれの発生の尤度を算出する尤度算出部と、前記複数の事象ごとに前記事象の発生要因と、前記発生要因の頻度とを関連付けた要因テーブルを記憶するテーブル記憶部と、前記要因テーブルに登録された前記頻度を、前記複数の事象が共通の要因によって発生すると仮定した場合の頻度に書き換えて、書き換え後の前記要因テーブルと、前記尤度と、に基づいて前記発生要因を推定する推定部と、を備える。

本開示の要因推定方法は、対象装置の計測値を取得するステップと、取得した前記計測値に基づいて対象装置に生じ得る複数の事象が共通の要因によって発生すると仮定した場合の前記事象それぞれの発生の尤度を算出するステップと、前記複数の事象ごとに前記事象の発生要因と、前記発生要因の頻度とを関連付けた要因テーブルに登録された前記頻度を、前記複数の事象が共通の要因によって発生すると仮定した場合の頻度に書き換えて、書き換え後の前記要因テーブルと、前記尤度とに基づいて前記発生要因を推定するステップと、を有する。

本開示のプログラムは、コンピュータに対象装置の計測値を取得し、取得した前記計測値に基づいて対象装置に生じ得る複数の事象が共通の要因によって発生すると仮定した場合の前記事象それぞれの発生の尤度を算出し、前記複数の事象ごとに前記事象の発生要因と、前記発生要因の頻度とを関連付けた要因テーブルに登録された前記頻度を、前記複数の事象が共通の要因によって発生すると仮定した場合の頻度に書き換えて、書き換え後の前記要因テーブルと、前記尤度とに基づいて前記発生要因を推定する処理を実行させる。

上述の要因推定装置、要因推定方法及びプログラムによれば、精度よく事象の要因を推定することができる。

第一実施形態に係る要因推定装置の一例を示すブロック図である。 発生事象の同時性について説明する第１の図である。 発生事象の同時性について説明する第２の図である。 第一実施形態に係る要因推定処理の一例を示すフローチャートである。 図３のフローチャートにおけるＳ７の処理を説明する図である。 図３のフローチャートにおけるＳ８～Ｓ９の処理を説明する図である。 図３のフローチャートにおけるＳ１０の処理を説明する図である。 図３のフローチャートにおけるＳ１１の処理を説明する図である。 図３のフローチャートにおけるＳ１２～Ｓ１３の処理を説明する図である。 第二実施形態に係る要因推定装置の一例を示すブロック図である。 第二実施形態に係る要因テーブルの補正処理を説明する第１の図である。 第二実施形態に係る要因テーブルの補正処理を説明する第２の図である。 第二実施形態に係る要因テーブルの補正処理を説明する第３の図である。 第三実施形態に係る要因推定装置の一例を示すブロック図である。 第三実施形態に係る要因絞り込み処理を説明する図である。 各実施形態に係る要因推定装置のハードウェア構成の一例を示す図である。

＜第一実施形態＞
以下、本開示の第一実施形態に係る要因推定装置について、図１～図８を参照して説明する。
（構成）
図１は、第一実施形態に係る要因推定装置の一例を示すブロック図である。
要因推定装置１００は、監視対象の装置１０で発生した異常事象を検知し、その要因を推定する装置である。装置１０とは、発電設備、プラント、種々の産業機械である。以下、一例として装置１０がガスタービンの場合を例に説明を行う。図示するように、要因推定装置１００は、取得部１０１と、特性値算出部１０２と、補正部１０３と、単位空間記憶部１０４と、距離算出部１０５と、異常判定部１０６と、ＳＮ比算出部１０７と、尤度算出部１０８と、事象抽出部１０９と、テーブル記憶部１１０と、推定部１１１と、出力部１１２と、を備える。

取得部１０１は、対象装置１０に設けられたセンサが取得したセンサ値、および対象装置１０の制御信号の値（指令値）を取得する。例えば、取得部１０１は、ガスタービンに入力される空気および燃料（入力流体）の温度およびガスタービンから出力される排気（出力流体）の温度を取得する。

特性値算出部１０２は、取得部１０１が取得したセンサ値に基づいて、装置１０の特性を示す特性値を算出する。特性値の例としては、熱効率、圧縮機効率、燃焼効率、タービン効率、圧縮機動力、タービン出力、ガスタービン空気流量、ガスタービン排気流量、圧縮機圧力比、タービンの入口燃焼ガス温度等が挙げられる。例えば、特性値算出部１０２は、等エントロピ変化における圧縮機出口エンタルピと圧縮機入口エンタルピの差を、実際の圧縮機出口エンタルピと圧縮機入口エンタルピの差で除算することで、圧縮機効率（特性値）を算出する。エンタルピは、センサ値である温度および圧力を用いて算出される。

補正部１０３は、取得部１０１が取得したセンサ値および特性値算出部１０２が算出した特性値を所定の方法で補正する。例えば、補正部１０３は、センサ値および特性値をガスタービンの熱平衡計算に基づいて補正することで、補正計測値を得る。具体的には、まず補正部１０３は、計測値をガスタービンに係る所定の熱平衡の式に代入し、当該式が成立するように各計測値の誤差を算出する。そして補正部１０３は、計測値ごとに算出した誤差の総和、または誤差の二乗の総和を求め、求められた総和が最小となる計測値ごとの誤差の組み合わせを選択することで、補正計測値を得る。

単位空間記憶部１０４は、装置１０の正常な運転状態（例えば、新品状態のガスタービンの運転開始時点または定期点検の完了後のガスタービンの運転開始時点のうち直近の時点から２週間の期間）において取得された状態量（計測値、補正計測値および指令値）の組合せを、マハラノビス距離の単位空間として記憶する。
距離算出部１０５は、取得部１０１が取得したセンサ値および指令値、特性値算出部１０２が算出した特性値、ならびに補正部１０３が補正した補正計測値を諸元として、単位空間記憶部１０４が記憶する単位空間に基づいて、装置１０の状態を示すマハラノビス距離を算出する。マハラノビス距離は、単位空間として表される基準の標本と新たに得られた標本との違いの大きさを表す尺度である。マハラノビス距離の算出方法は公知の為、本明細書では説明を省略するが、例えば、特許文献１に具体的差算出方法の記載がある。

異常判定部１０６は、距離算出部１０５が算出したマハラノビス距離に基づいて装置１０に異常が生じているか否かを判定する。具体的には、異常判定部１０６は、マハラノビス距離が所定の閾値以上である場合に、装置１０に異常が生じていると判定する。

ＳＮ比算出部１０７は、異常判定部１０６が装置１０に異常が生じていると判定した場合に、取得部１０１が取得したセンサ値および指令値、特性値算出部１０２が算出した特性値、ならびに補正部１０３が補正した補正計測値に基づいて、タグチメソッドに係るＳＮ比（Signal-Noise Ratio）を算出する。すなわち、尤度算出部１０８は、直交表分析による項目有無の望大ＳＮ比を求める。ＳＮ比が大きいほど、その状態量（計測値、指令値）の項目に異常がある可能性が高いと判断できる。以下、タグチメソッドに係るＳＮ比を単にＳＮ比と記載する。

尤度算出部１０８は、ＳＮ比算出部１０７が算出したＳＮ比に基づいて、装置１０に発生し得る複数の事象それぞれの発生の尤度を算出する。事象の例としては、ガスタービン出力の低下、ガスタービン効率の低下、圧縮機効率の低下、タービン効率の低下、圧縮機入口空気量の低下、排気温度の上昇、圧縮機圧縮比の低下、燃焼効率の低下、タービン入口ガス温度の上昇、排気ガス圧力の上昇などが挙げられる。例えば、尤度算出部１０８は、各事象について、当該事象の発生の有無がＳＮ比の増減を支配的に関与する状態量との関係を記憶しておき、各事象に関連付けられた状態量それぞれのＳＮ比の加重和を算出することで、各事象の発生の尤度を算出する。また、尤度算出部１０８は、ＳＮ比の加重和に対し、事象の同時性（複数の事象が同時に発生すること）を考慮に入れる処理を行う。
事象抽出部１０９は、装置１０に生じ得る複数の事象から、尤度算出部１０８が算出した尤度が所定の閾値以上であるものを抽出する。

テーブル記憶部１１０は、事象と事象の発生要因との関係を表す要因テーブルを記憶する。要因テーブルには、各事象および各発生要因について、当該発生要因による異常が生じたときに、当該事象が確認された回数が登録されている。例えば、過去に排気ディフューザの損傷（発生要因）による異常が生じたときに、ブレードパス温度の偏差が大きくなっている状態（事象）が確認されたことが９回あった場合、要因テーブルには、「排気ディフューザの損傷」という発生要因と「ブレードパス温度の偏差が大きい状態」という事象とに関連付けて「９」という回数が登録される。要因テーブルに登録される発生要因は、例えば、装置１０の運用時に保守員によって生成されたＦＴＡのデータ（ＦＴ：Ｆａｕｌｔ Ｔｒｅｅ）に基づいて生成することができる。

あるいは、要因テーブルには、各事象および各発生要因について、当該発生要因による異常が生じたときに当該事象が発生する確率が登録されていてもよい。要因テーブルは、例えば、装置１０の運用時に保守員によって生成されたＦＴＡのデータ（ＦＴ：フォルトツリー）に基づいて生成することができる。ＦＴは、トップ事象を最上位事象（ルート）とし、上位事象の要因となる下位事象をノードとする木構造である。各ノードには、当該ノードが示す下位事象によって当該ノードの直上のノードに係る上位事象が生じる確率が関連付けられる。当該ＦＴのうち、各事象を示すノードに関連付けられた確率をテーブルに格納することで、要因テーブルが生成されてもよい。
要因テーブルに登録された事象の発生回数および事象が発生する確率を総称して発生頻度と呼ぶ。

推定部１１１は、尤度算出部１０８が算出した各事象の発生の尤度と、テーブル記憶部１１０が記憶する要因テーブルとに基づいて、装置１０に生じる異常の発生要因を推定する。推定部１１１は、要因テーブルに登録された事象の頻度情報（発生回数または発生確率）を、複数の事象が共通の要因によって発生すると仮定した場合の頻度情報に書き換えて、書き換え後の要因テーブルを用いて発生要因を推定する。推定部１１１は、異常の発生要因ごとに、各事象の発生の尤度（同時性が考慮された尤度）とその事象の発生頻度（同時性が考慮された発生頻度）との加重和によって発生要因の尤度を算出し、当該尤度に基づいて発生要因を推定する。

出力部１１２は、推定部１１１が推定した発生要因を尤度の順に出力する。出力の例としては、ディスプレイへの表示、電子ファイルへの出力、外部へのデータの送信、シートへの印刷、音声出力などが挙げられる。

次に図２Ａ、図２Ｂを用いて事象の同時性について説明する。図２Ａ、図２Ｂに示す事象Ａ～Ｅの面積は各事象に対応付けられたＳＮ比の大きさ、つまり、各事象の発生の尤度を示している。事象Ａの発生の尤度が最も大きく、Ａ，Ｃ，Ｂ，Ｄ，Ｅの順で尤度は低下する。図２Ａに、事象Ａ～Ｅが各々独立して発生すると考える場合の事象Ａ～Ｅの関係図を示す。図２Ａにおいて、事象Ａ～Ｅは関係性に仮定はおかず、例えば、事象Ａが発生したときの事象Ａの発生要因と他の事象Ｂ～Ｅの発生要因は同じであっても、別であっても良い、と考える。これに対し、図２Ｂは、事象Ａ～Ｅの間に従属性があること、つまり、事象Ａ～Ｅの発生には共通の要因があることを示した図である。図２Ｂの例では、事象Ａは事象Ｂ～Ｅを内包し、事象Ｃは事象Ｂ，Ｄ，Ｅを内包し、事象Ｂは事象Ｄ～Ｅを内包し、事象Ｄは事象Ｅを内包している。これは、面積最大の事象Ａは、事象Ｂ～Ｅと共通要因があり、事象Ｂ～Ｅの何れかが発生する場合には、事象Ａも必ず発生すると仮定することを示している。例えば、事象Ｅが発生する場合には事象Ａ～Ｄも発生し、事象Ｄが発生する場合には事象Ａ～Ｃも発生し、事象Ｂが発生する場合には事象Ａ，Ｃも発生し、事象Ｃが発生する場合には事象Ａが必ず発生することを示している。単独で発生する可能性があるのは尤度が最大となる事象Ａのみであって、事象Ａと事象Ｃの尤度の差分である領域Ａ´の面積によって、事象Ａが単独で発生する可能性を評価する。例えばＢ´は、ＡとＢとＣとＤの余事象の積事象として考える。Ａ´～Ｄ´の値はそれぞれ、ＡとＣ、ＣとＢ、ＢとＤ、ＤとＥのＳＮ比の単純差分で算出され、Ｅ´はＥと同値である。本実施形態では、各事象のＳＮ比（尤度）のＳＮ比パターンおよび要因テーブルに登録された事象ごと発生要因ごとの頻度パターンを、図２Ｂに例示する事象間のＳＮ比の大小関係、内包関係に基づいて調節し、事象の発生が共通要因に依存すると仮定した場合のＳＮ比パターンおよび頻度パターンに基づいて、異常の発生要因を推定する。

（動作）
次に事象Ａ～Ｅの発生が図２Ｂに示す関係にあると仮定した場合の要因推定装置１００の動作について説明する。
図３は、第一実施形態に係る要因推定処理の一例を示すフローチャートである。
要因推定装置１００は、装置１０の始動期間の間（正常な運転状態の間）、装置１０の状態量を収集して単位空間記憶部１０４に状態量の組み合わせを蓄積する。例えば、要因推定装置１００は、取得部１０１が取得した装置１０の指令値および補正部１０３が生成した補正計測値を、関連付けて単位空間記憶部１０４に記録する。要因推定装置１００は、装置１０の始動期間の経過後、所定の監視タイミング（例えば、１時間おきのタイミング）で、以下に示す監視動作を実行する。監視タイミングは、装置１０の運転開始時点から所定の始動期間が経過した後の時点である始動後時点の一例である。

要因推定装置１００が監視を開始すると、取得部１０１は、装置１０に設けられたセンサが取得したセンサ値、および装置１０に与えられた指令値を取得する（ステップＳ１）。次に、特性値算出部１０２は、取得部１０１が取得したセンサ値に基づいて、装置１０の特性を示す特性値を算出する（ステップＳ２）。次に、補正部１０３は、センサ値および特性値を所定の方法により補正することで、補正計測値を得る（ステップＳ３）。例えば、装置１０がガスタービンの場合、補正部１０３は、センサ値および特性値をガスタービンの熱平衡計算に基づいて補正する。

次に、距離算出部１０５は、ステップＳ１で取得したセンサ値および指令値、ステップＳ２で算出した特性値、ならびにステップＳ３で得られた補正計測値を諸元として、単位空間記憶部１０４が記憶する単位空間に基づいて、マハラノビス距離を算出する（ステップＳ４）。次に、異常判定部１０６は、算出されたマハラノビス距離が所定の閾値以上であるか否かを判定する（ステップＳ５）。マハラノビス距離が閾値未満である場合（ステップＳ５：Ｎｏ）、異常判定部１０６は、装置１０に異常が生じていないと判定して監視処理を終了し、次回の監視タイミングを待機する。

他方、マハラノビス距離が閾値以上である場合（ステップＳ５：Ｙｅｓ）、異常判定部１０６は、装置１０に異常が生じていると判定する。異常判定部１０６が装置１０に異常が生じていると判定すると、ＳＮ比算出部１０７は、ステップＳ１で取得した指令値およびステップＳ３で得られた補正計測値のそれぞれについて、公知の方法で、タグチメソッドに係るＳＮ比を算出する（ステップＳ６）。

次に尤度算出部１０８は、算出されたＳＮ比に基づいて装置１０に発生し得る複数の事象それぞれの発生の尤度を算出する（ステップＳ７～Ｓ９）。
まず、尤度算出部１０８は、発生事象ごとのＳＮ比を抽出する（ステップＳ７）。図４を参照する。尤度算出部１０８は、尤度算出部１０８が記憶するセンサ値テーブルＴ１を読み出す。センサ値テーブルＴ１には、事象ごとに、各指令値および補正計測値について算出されたＳＮ比の各事象への寄与度が設定されている。例えば、信号ａ～ｆについてＳＮ比が計算されるとすると、センサ値テーブルＴ１には、事象Ａ～Ｅの各々について、信号ａ～ｆのうち、その事象に関係する信号には“１”、関係が無い信号には“０”が設定されている。尤度算出部１０８は、ステップＳ６で算出されたＳＮ比と、センサ値テーブルＴ１で設定された信号別の設定値とを掛け合わせて、事象ごとのＳＮ比を抽出する。例えば、事象Ａの場合、尤度算出部１０８は、算出された信号ａのＳＮ比“５”とセンサ値テーブルＴ１の設定値“０”を掛けて“０”を算出し、算出された信号ｂのＳＮ比“１０”とセンサ値テーブルＴ１の設定値“１”を掛けて“１０”を算出するという計算を、信号ａ～ｆについて行う。尤度算出部１０８は、事象Ｂ～Ｅについても同様の計算を行う。計算後の値を図５のテーブルＴ２に示す。これにより、事象ごとに関係する信号のＳＮ比が抽出される。

次にノイズ除去と累計処理が実行される（ステップＳ８）。ノイズ除去とは、ＳＮ比が所定の閾値Ｘ以上の信号のうち、値が大きいものから順に上位Ｎ個を抽出する処理である。また、累計処理とは、ノイズ除去後のＳＮ比を事象ごとに合計する処理である。一例として、Ｘ＝１、Ｎ＝１とすると、事象抽出部１０９は、値が１以上のＳＮ比を上位から順に１個選択する。尤度算出部１０８は、事象抽出部１０９が選択したＳＮ比を累計する（１個を累計する。）処理を行う。この例におけるノイズ除去および累計処理後の事象ごとのＳＮ比の累計値の一例を図５のテーブルＴ３に示す。

次に尤度算出部１０８は、ＳＮ比の累計値に基づいて、各事象をＳＮ比累計値の降順にソートし、差分処理を行う（ステップＳ９）。尤度算出部１０８は、ＳＮ比累計値の大きいものから順に並べ、各事象のＳＮ比について、１つ下の順位の事象のＳＮ比との差分を計算する。例えば、テーブルＴ３の場合であれば、ＳＮ比累計値を降順に並べ替えると、事象Ａ、事象Ｃ、事象Ｂ、事象Ｄ、事象Ｅの順となる。次に尤度算出部１０８は、１位の事象ＡのＳＮ比から２位の事象ＣのＳＮ比を減じて“３．０”を計算し、その値を事象Ａと対応付けてテーブル記憶部１１０に記録する。同様に、尤度算出部１０８は、２位の事象ＣのＳＮ比から３位の事象ＢのＳＮ比を減じた値“２．０”、３位の事象ＢのＳＮ比から４位の事象ＤのＳＮ比を減じた値“２．０”、４位の事象ＤのＳＮ比から５位の事象ＥのＳＮ比を減じた値“１．０”を、それぞれ計算し、それぞれ事象Ｃ，Ｂ，Ｄと対応付けてテーブル記憶部１１０に記録する。また、最下位の事象Ｅについては、尤度算出部１０８は、差分を計算すること無く、事象ＥのＳＮ比を事象Ｅと対応付けてテーブル記憶部１１０に記録する。
この処理は、図２ＢのＡ´～Ｅ´の面積の算出に相当する。例えば、事象Ａと対応付けられた３．０は、事象Ａが単独で発生するＳＮ比に相当し、事象Ｃと対応付けられた２．０は、事象Ｃと事象Ａだけが発生するＳＮ比に相当する。また、差分処理によって有られた値が、事象の同時性を考慮したときの各事象の尤度である。

次に推定部１１１が、事象の発生要因の尤度を算出する（ステップＳ１０～Ｓ１２）。推定部１１１は、要因テーブルに対して、事象の発生の尤度と同様にＳＮ比によるソートと差分処理を行って、事象の同時性を考慮して要因テーブルを書き換える処理を行う。
まず、推定部１１１は、要因テーブルをＳＮ比と同順に並べ替える（ステップＳ１０）。要因テーブルＴ５の一例を図６に示す。要因テーブルＴ５では、事象ごと、発生要因ごとに、その発生要因によって事象の発生頻度が設定されている。発生頻度とは、例えば、過去の実績に基づく、当該発生要因によって事象が発生した回数あるいは確率である。例えば、図示する要因テーブルＴ５の設定例では、事象Ａについて、要因１によって事象Ａが１０回発生し、要因２によって事象Ａが１０回発生し、要因３によって事象Ａが４回発生したことを示している。要因テーブルＴ５は、ＦＴＡによる事象ごとの要因の解析結果や過去の事故事例に基づいて作成され、テーブル記憶部１１０に格納される。推定部１１１は、要因テーブルＴ５を、ステップＳ９で並べ替えたのと同様の順番（つまり、ＳＮ比の降順）で並べ替える。並べ替え後の要因テーブルＴ６を図６に示す。

次に推定部１１１は、並べ替え後の要因テーブルＴ６について差分処理を行う（ステップＳ１１）。図７を用いて差分処理について説明する。要因テーブルの差分処理では、各要因の頻度を表す値について、ＳＮ比の場合と同様、上位の値から１つ下位の値を減じる処理を行う。例えば、要因１について、事象Ａの“１０”から事象Ｃの“１０”を減算し、減算後の値“０”を事象Ａと対応付けてテーブル記憶部１１０に記録する。要因１について、事象Ｃの“１０”から事象Ｂの“０”を減算し、減算後の値“１０”を事象Ａ∩事象Ｃと対応付けてテーブル記憶部１１０に記録する。これにより、要因テーブルＴ６の内容を、要因１によって事象Ａおよび事象Ｃが１０回発生したという登録内容に書き換える。また、要因２について、事象Ａの“１０”から事象Ｃの“１０”を減算し、減算後の値“０”を事象Ａと対応付け、事象Ｃの“１０”から事象Ｂの“１０００”を減算し、減算後の値“０”（負値は０に切り上げ）を事象Ａ∩事象Ｃと対応付け、事象Ｂの“１０００”から事象Ｄの“０”を減算した、減算後の値“１０００”を“１０”に丸め、“１０”を事象Ａ∩事象Ｃ∩事象Ｂと対応付けてテーブル記憶部１１０に記録する。ここで、“１０００”を事象Ｃや事象Ａの“１０”に合わせて丸めるのは、事象Ａ～Ｅの間に図２Ｂに示す内包関係が成立すると仮定することによる。つまり、事象Ｂが発生すれば、必ず事象Ｃと事象Ａも発生するので、要因２が事象Ａ，Ｃの発生要因となった回数１０回を超えることは無いと考え、１０００を１０に設定する。同様の処理を要因３について行うと、事象Ａに“０”、事象Ａ∩事象Ｃに“０”、事象Ａ∩事象Ｃ∩事象Ｂに“４”が対応付けられる。次に要因４について検討すると、事象Ｃが発生して事象Ａが発生しないことは無いと考える為、事象Ｃの要因４に設定された“４”は“０”に切り捨てられる。要因５についても同様に、事象Ｂが発生して事象Ｃや事象Ａが発生しないことは無いと考える為、事象Ｂの要因５に設定された“４”は“０”に切り捨てられる。要因７、要因８についても同様である。次に要因６について検討する。要因６では、事象Ａに“４”が設定され、他の事象Ｂ～Ｅについては“０”が設定されている。ここで図２Ｂを参照すると、事象Ａについては単独で発生し得ることが仮定されていることから、事象Ａの“４”から事象Ｂの“０”を減算し、減算後の値“４”を事象Ａと対応付けてテーブル記憶部１１０に記録する。以上が、要因テーブルの要因ごとの頻度を示す値について、同時性（事象発生の依存関係、内包関係）を反映させる差分処理である。差分処理後の要因テーブルＴ７を図７に示す。例えば、テーブルＴ７の１行目には、事象Ａが単独で発生するときの各要因の頻度が設定されている。テーブルＴ７の２行目には、事象Ａと事象Ｃが発生するときの各要因の頻度が設定されている。また、推定部１１１は、要因テーブルＴ７について規格化処理を行う。規格化処理とは、事象Ａ～Ｅのそれぞれについて、要因１～要因８に設定された値の合計が１となるように各値を調整する処理である。規格化処理後の要因テーブルＴ９を図８に示す。

次に推定部１１１は、異常の発生要因の尤度を算出する（ステップＳ１２）。推定部１１１は、図８のテーブルＴ８に示す各事象の尤度を、要因テーブルＴ９の対応する行の各要因の値を乗算して、事象ごとの異常の発生要因の尤度を算出する。例えば、推定部１１１は、事象Ａの尤度“３．０”を要因テーブルＴ９の１行目の各値に乗じ、事象Ｃの尤度“２．０”を要因テーブルＴ９の２行目の各値に乗じ、事象Ｂの尤度“２．０”を要因テーブルＴ９の３行目の各値に乗じる。事象Ｄ，Ｅについても同様である。乗算結果を図８のテーブルＴ１０に示す。次に推定部１１１は、要因ごとに値を合計する。要因１～８の各要因の合計は、“２”、“１．４２８”、“０．５７２”、“０”，“０”、“３”、“０”、“０”である。次に推定部１１１は、計算した合計値について規格化処理を行う。例えば、図８のテーブルＴ１０の場合、各要因の合計の和は“７”である。規格化処理を行うと、要因１については“２”÷“７”＝“０．２８６・・・”、要因２については“１．４２８”÷“７”＝“０．２０４”・・・等となる。

次に、推定部１１１は、要因１～８を規格化処理後の値の降順にソートする（ステップＳ１３）。ソート結果を図８のテーブルＴ１１に示す（発生比率が０のものは除外）。そして、出力部１１２は、推定部１１１が推定した発生要因を、ソートされた順に出力する（ステップＳ１４）。例えば、出力部１１２は、テーブルＴ１１をディスプレイに表示させる。あるいは、出力部１１２は、最も尤度が高い発生要因をディスプレイに表示させ、利用者の操作により、次の発生要因の表示指令を受け付けた場合に、次に尤度が高い発生要因をディスプレイに表示させてもよい。また例えば、出力部１１２は、発生要因のリストを、尤度の降順に電子ファイルへ出力したり、シートへ印刷したりする。

このように、第一実施形態によれば、要因推定装置１００は、装置１０に生じ得る複数の事象それぞれの発生の尤度を事象発生の同時性を考慮して算出し、事象と異常の発生要因との関係を示すテーブルについても事象発生の同時性を考慮した書き換えを行って、当該尤度と書き換え後のテーブルに基づいて、異常の発生要因を推定する。これにより、共通の要因によって複数の事象が発生し、事象間に図２Ｂに示す関係性が存在する場合でも、他の事象によって発生する分を除いた各事象の尤度（自分よりも尤度が小さい事象の発生尤度を除外した尤度）と、他の事象によって発生する分を除いた要因ごとの発生頻度に基づいて、各事象の発生要因の尤度を計算するため、事象の依存関係（内包関係）の影響を受けずに各事象の発生要因の尤度を算出し、その尤度に基づいて発生要因を推定するので、精度よく異常の発生要因を推定することができる。

例えば、事象ＡのＳＮ比が事象ＢのＳＮ比を内包する関係にある場合で、共通要因１によって事象Ａと事象Ｂが発生し、要因２によって事象Ａのみが発生する場合、従来の方法では、ステップＳ９、Ｓ１１の差分処理を行わずに各事象の尤度と要因テーブルの発生頻度を乗じて発生要因の尤度を計算していた。この為、例えば、事象Ａが単独で発生していることを示すＳＮ比パターンが得られたときでも、事象Ａの発生要因として、共通要因１の尤度が要因２と例えば同程度の値として算出される可能性があった。本実施形態によれば、ステップＳ９、Ｓ１１の差分処理により、事象Ａの発生要因として要因２の尤度が共通要因１よりも高い値として算出される。つまり、本実施形態によれば、複数の事象が同時に発生しうる場合の事象の発生要因の推定精度を高めることができる。

また、一般に事象の同時性を考慮して発生要因を推定する場合、ベイズ確率法などの種々の同時確率の設計法が用いられることが多い。しかし、例えば、事象Ａ、事象Ｂ、事象Ｃが同時に発生するような同時事象を確率的に扱うためには、（１）事象Ａ～Ｃが同時に発生した場合の実データが大量に必要であるが、事象Ａ～Ｃが同時に発生することは稀である場合が多く、実データの入手が困難である。（２）ＦＴＡなどの工学的知見に基づいて複数事象が同時に発生するための条件付き確率表を作成する必要があり、この作業には専門家による検討が必要であるが、専門家の工数をこのような作業に割り当てることが難しい場合があるといった課題が存在する。これに対し、本実施形態によれば、事象間に内包関係が成立すると仮定して図３を用いて説明した処理を実行することで、容易に事象の同時発生性を考慮した発生要因の推定が可能になる。

なお、上記の実施形態に限定されず、例えば、要因推定装置１００はマハラノビス距離に基づく異常判定手法以外の手法に基づいて装置１０の異常の有無を判定し、タグチメソッドに係るＳＮ比以外の値に基づいて事象の発生の尤度を算出してもよい。また、例えば、要因推定装置１００は、計測値を諸元に含めずに、補正計測値を諸元としてマハラノビス距離を算出してもよいし、指令値を諸元に含めずにマハラノビス距離を算出してもよい。また、ステップＳ８におけるノイズ除去処理は省略することができる。ノイズ除去処理を省略する場合、要因推定装置１００は事象抽出部１０９を備えない構成とすることができる。

〈第二実施形態〉
以下、図９～図１２を参照しながら第二実施形態について説明する。
図９は、第二実施形態に係る要因推定装置の一例を示すブロック図である。
第二実施形態に係る要因推定装置１００Ａは、第一実施形態の構成に加えて、頻度補正部１１３を備える。頻度補正部１１３は、要因テーブルに登録された発生頻度（回数や確率）の補正値を取得し、要因テーブルの当該値を書き換える。以下に説明するように、第二実施形態では、必要に応じて、ＦＴＡや工学的知見などから、要因テーブルの事象および要因ごとに任意のノイズ値を設定して、推定精度を向上（真因の要因推定精度を上げる、真因でない要因の確度を下げる）させる。

図１０を参照する。図１０の要因テーブルＴ１３において、要因１、事象Ｂについて“２”という値が真値として存在しているが、実績データの収集期間が短く、要因１によって事象Ｂが発生する事例が観測できなかったため、当該値が“０”となっている仮想的な状況を想定する。この想定のもと、ステップＳ７の結果、図１０のテーブルＴ１２のような値のＳＮ比パターンが得られたとする。すると、図３で説明した処理によって推定される事象の発生要因は、テーブルＴ１４に示すように、要因１だけが発生要因として推定される結果となる。ここで、要因テーブルＴ１３に示す要因２、要因３の値が真値であるとすると、本来であれば（事象Ｂの要因１に“２”が設定される状況であれば）、要因１が事象Ａの発生要因として推定されることは誤りであると考えられる。（本来であれば、要因１は、事象Ａ、Ｂの共通の要因であって、事象ＡのみのＳＮ比が１．０の場合の要因としては適切では無い。）

次に図１１を参照する。上記と同じ想定のもと（要因テーブルＴ１３の登録内容が同じ）、今度は、図１１のテーブルＴ１５に例示するようなＳＮ比パターンが得られたとする。すると、図３で説明した処理によって推定される事象の発生要因は、テーブルＴ１６に示すように、要因３だけが発生要因として推定される結果となる。図１１の場合、本来であれば、要因３（頻度を示す値＝“１”）よりも要因１（頻度を示す値＝“２”）の確度が高くなるべきである。

図１０、図１１に例示したような誤った推定結果は、要因テーブルが、実際に発生した異常や不具合の実績に基づいて構築されることが原因の１つであると考えられる。つまり、異常・不具合の発生は稀であり、要因テーブルに登録される発生頻度は、極端に少ない事例に基づいて設定されたものであるため、不確実性が高くなりがちである。そこで、第二実施形態では、装置１０の異常発生の要因について知見を有する技術者が、要因テーブルの精度に応じてノイズ値を付与する。技術者によるノイズ値の設定は、例えば、以下のルールに従って行う。（１）装置１０の運転時間が少なく、要因テーブルのデータ不足が疑われる場合（つまり、要因テーブルの精度が十分ではないと考えられる場合）にノイズ値を付与する。（２）ノイズ値は、値が“０”である事象と要因の組み合せの中から選択して、それらに対して一様の値を付与する。例えば、一方に“０．１”を付与し他方に“０．５”を付与するといったことを行わない。（３）付与するノイズ値の大きさは、要因テーブル中の最大値を超えない。例えば、最大値の５０％以下の値とする。

図１１のテーブルＴ１５に示すＳＮ比パターンについて、ノイズ値を付与した例を図１２のテーブルＴ１３Ａに示す。また、ノイズ値を付与した後の要因テーブルＴ１３ＡとテーブルＴ１５に基づく事象の発生要因の推定結果を図１２のテーブルＴ１６Ａに示す。テーブルＴ１６Ａを参照すると、ノイズ値を付与したことで、発生要因を要因３のみに絞りこむことなく、要因１や要因２の確度も一定程度残しておくことができ、ノイズ値の付与により、真因の確度が“０”となって埋もれてしまう事を回避できることがわかる。

第二実施形態によれば、要因テーブルが有する発生頻度の不確実さによって、事象の発生要因の推定精度が低下することを回避することができる。

〈第三実施形態〉
以下、図１３～図１４を参照しながら第三実施形態について説明する。
図１３は第三実施形態に係る要因推定装置の一例を示すブロック図である。
第三実施形態に係る要因推定装置１００Ｂは、第一実施形態の構成に加えて、要因絞込部１１４を備える。要因絞込部１１４は、要因テーブルに登録された要因を絞り込む情報を取得し、事象別に要因の候補自体を削除する。

異常発生時に計測値等から要因を推定する際に、工学的な観点で適切なセンサ値を選定し、そのセンサ値に顕著な変化がないことが確認できれば、そのセンサ値に関係するいくつかの要因候補の確度を潰し込み、他の要因候補の要因確度を向上させることができる。第三実施形態では、このようにして事象の発生要因の推定精度を向上させる。

図１４に“プラントの性能変化”という発生事象に対して、技術者が解析した要因名称とその要因確度の一覧を示す。図１４に示す表の“要因名称”欄に記載された“制御系統の不良”、“排ガスボイラの性能変化”、“補機の性能変化”、“弁Ａの動作不良”、“弁Ｂの動作不良”、“ＧＴ（ガスタービン）の性能変化”、“発電機の性能変化”は、監視対象のプラント（装置１０）に精通する技術者によって解析された“プラントの性能変化”の発生要因である。同様に“要因確度％”欄に記載された“５”、“１５”、“２０”、“３０”、“２５”、“４”、“１”は当該プラントに精通する技術者によって設定された各要因の確度である。この確度は、ＦＴで設定されるノードに関連付けられた確率と同じものであり、要因テーブルの発生頻度を確率とする場合、要因テーブルに登録される確率となる値である。

プラントの運転中に“プラントの性能変化”に関するセンサ値などのマハラノビス距離が閾値以上となった場合（ステップＳ５）、技術者が、この判定の元となったセンサ値を確認する。図１４の“計測点群のデータの顕著な変化”欄にその確認結果を示す。図１４の例の場合、“排ガスボイラの性能変化”、“弁Ｂの動作不良”、“ＧＴの性能変化”の３つの発生要因に関する計測点群では顕著な変化が認められなかったとする。すると、技術者は、図１４の７つの要因のうち、今回検知された“プラントの性能変化”に関して、顕著な変化が認められなかったセンサ値に関連する３つの要因（“排ガスボイラの性能変化”、“弁Ｂの動作不良”、“ＧＴの性能変化”）を削除する。そして、削除した要因に係るそれぞれの確度“１５”、“２５”、“４”を合計し、合計した値を残りの要因数“４”で按分する。そして按分して得られた値（＝“１１”）を残りの要因の元々の確度に加算する。加算後の値を図１４の表の“要因確度％（絞込後）”欄に示す。なお、残りの要因への配分については均等に配分してもよいし、特定の要因に多く配分してもよい。技術者は、“プラントの性能変化”という発生事象に対して、“制御系統の不良”の確度１６％、“排ガスボイラの性能変化”の確度０％、“補機の性能変化”の確度３１％、“弁Ａの動作不良”の確度４１％、“弁Ｂの動作不良”の確度０％、“ＧＴ（ガスタービン）の性能変化”の確度０％、“発電機の性能変化”の確度１２％を要因推定装置１００Ｂへ入力する。要因絞込部１１４は、入力された情報を取得し、テーブル記憶部１１０の要因テーブルに追加する。また、推定部１１１は、要因テーブルに追加された情報を用いて、今回検知された事象“プラントの性能変化”についての要因の推定を行う。これにより、可能性のない発生要因を除外して事象の発生要因推定を行うことができるので、推定精度を向上することができる。

本実施形態の要因の削除や確度の配分処理は、技術者ではなく、要因絞込部１１４が実行してもよい。例えば、要因絞込部１１４は、図１４に例示する表の“発生事象”、“要因名称”、“要因確度％”の各欄に対応するデータを有するテーブルＴ１７を記憶している。また、要因絞込部１１４は、要因ごとにその要因に関連する計測点群を記憶している。そして、要因絞込部１１４は、異常発生時に、異常発生の判断に用いられたセンサ値を取得部１０１から取得し、所定の閾値と比較して、異常発生の前後を含む所定の期間中に、当該センサ値に閾値以上の変化が生じたかどうかを判定する。閾値以上の変化が生じた場合、要因絞込部１１４は、当該センサ値に顕著な変化が生じたと判定し、そうでない場合、顕著な変化が生じなかったと判定する。要因絞込部１１４は、顕著な変化が生じなかったセンサ値を計測した計測点群に関連する要因を削除すること決定する。また、要因絞込部１１４は、テーブルＴ１７に基づいて、削除することを決定した要因に対応付けられた確度を合計し、合計した値を削除しない残りの要因数で按分し、残りの要因それぞれの確度に按分後の値を加算する処理を行って、図１４に例示する表の“発生事象”、“要因名称”、“要因確度％（絞込後）”の各欄に対応するデータを有するテーブルＴ１８を作成する。要因絞込部１１４は、テーブルＴ１８の情報をテーブル記憶部１１０の要因テーブルに追加し、推定部１１１に今回検知した事象の要因推定を追加した情報に基づいて実行するよう指示する。
また、要因テーブルの発生頻度に確率ではなく、発生回数が設定されている場合、例えば、削除することを決定した要因に対応付けられた回数を合計し、合計した値を削除しない残りの要因数で按分し、残りの要因それぞれの発生回数に按分後の発生回数を加算する処理を行って、その情報を要因テーブルに追加する情報を作成してもよい。あるいは、テーブルＴ１８に確度に応じた回数を各要因に設定した情報を要因テーブルに追加してもよい。

第三実施形態によれば、発生要因として可能性のある要因に絞って事象の発生要因を推定することができ、推定精度の向上を期待することができる。第三実施形態は第二実施形態と組み合わせることが可能である。

図１５は、各実施形態に係る要因推定装置のハードウェア構成の一例を示す図である。
コンピュータ９００は、ＣＰＵ９０１、主記憶装置９０２、補助記憶装置９０３、入出力インタフェース９０４、通信インタフェース９０５を備える。
上述の要因推定装置１００，１００Ａ，１００Ｂは、コンピュータ９００に実装される。そして、上述した各機能は、プログラムの形式で補助記憶装置９０３に記憶されている。ＣＰＵ９０１は、プログラムを補助記憶装置９０３から読み出して主記憶装置９０２に展開し、当該プログラムに従って上記処理を実行する。また、ＣＰＵ９０１は、プログラムに従って、記憶領域を主記憶装置９０２に確保する。また、ＣＰＵ９０１は、プログラムに従って、処理中のデータを記憶する記憶領域を補助記憶装置９０３に確保する。

なお、要因推定装置１００，１００Ａ，１００Ｂの全部または一部の機能を実現するためのプログラムをコンピュータ読み取り可能な記録媒体に記録して、この記録媒体に記録されたプログラムをコンピュータシステムに読み込ませ、実行することにより各機能部による処理を行ってもよい。ここでいう「コンピュータシステム」とは、ＯＳや周辺機器等のハードウェアを含むものとする。また、「コンピュータシステム」は、ＷＷＷシステムを利用している場合であれば、ホームページ提供環境（あるいは表示環境）も含むものとする。また、「コンピュータ読み取り可能な記録媒体」とは、ＣＤ、ＤＶＤ、ＵＳＢ等の可搬媒体、コンピュータシステムに内蔵されるハードディスク等の記憶装置のことをいう。また、このプログラムが通信回線によってコンピュータ９００に配信される場合、配信を受けたコンピュータ９００が当該プログラムを主記憶装置９０２に展開し、上記処理を実行しても良い。また、上記プログラムは、前述した機能の一部を実現するためのものであっても良く、さらに前述した機能をコンピュータシステムにすでに記録されているプログラムとの組み合わせで実現できるものであってもよい。

以上のとおり、本開示に係るいくつかの実施形態を説明したが、これら全ての実施形態は、例として提示したものであり、発明の範囲を限定することを意図していない。これらの実施形態は、その他の様々な形態で実施されることが可能であり、発明の要旨を逸脱しない範囲で種々の省略、置き換え、変更を行うことができる。これらの実施形態及びその変形は、発明の範囲や要旨に含まれると同様に、特許請求の範囲に記載された発明とその均等の範囲に含まれる。

＜付記＞
各実施形態に記載の要因推定装置、要因推定方法及びプログラムは、例えば以下のように把握される。

（１）第１の態様に係る要因推定装置１００、１００Ａ、１００Ｂは、対象装置１０の計測値を取得する取得部１０１と、前記取得部１０１が取得した前記計測値に基づいて対象装置１０に生じ得る複数の事象が共通の要因によって発生すると仮定した場合の前記事象それぞれの発生の尤度を算出する尤度算出部１０８と、前記複数の事象ごとに前記事象の発生要因と、前記発生要因の頻度とを関連付けた要因テーブルを記憶するテーブル記憶部１１０と、前記要因テーブルに登録された前記頻度を、前記複数の事象が共通の要因によって発生すると仮定した場合の頻度に書き換えて、書き換え後の前記要因テーブルと、前記尤度とに基づいて前記発生要因を推定する推定部１１１と、を備える。
これにより、事象の発生の尤度を、複数の事象が共通の要因によって発生することを考慮した値に修正し、また、要因テーブルに登録された頻度についても、複数の事象が共通の要因によって発生することを考慮した頻度に修正して、事象の発生要因の推定を行うことができ、複数の事象が共通の要因によって発生する場合の事象の発生要因の推定精度を向上することができる。

（２）第２の態様に係る要因推定装置１００、１００Ａ、１００Ｂは、（１）の要因推定装置１００、１００Ａ、１００Ｂであって、前記尤度算出部１０８は、前記尤度の大きい順に前記事象を並べ替え、第１の前記事象に対応する前記尤度から、並べ替え後の順番において第１の前記事象より１つ下の順位の前記事象に対応する前記尤度を減算した値を、第１の前記事象に対応する尤度として設定することで、前記複数の事象が共通の要因によって発生すると仮定した場合の尤度を算出する。
これにより、事象の発生の尤度を、複数の事象が共通の要因によって同時に発生すると仮定した場合の値に修正することができる。

（３）第３の態様に係る要因推定装置１００、１００Ａ、１００Ｂは、（１）～（２）の要因推定装置１００、１００Ａ、１００Ｂであって、前記推定部１１１は、前記尤度の大きい順に前記事象を並べ替えたときの並び順と同様に、前記要因テーブルを前記事象について並び替え、第１の前記事象に対応する前記発生要因ごとの前記頻度から、並べ替え後の順番において第１の前記事象より１つ下の順位の前記事象に対応する前記発生要因ごとの前記頻度を減算した値を、第１の前記事象に対応する前記発生要因ごとの前記頻度として設定することで前記要因テーブルを書き換える。
これにより、要因テーブルに登録された頻度について、複数の事象が共通の要因によって同時に発生すると仮定した場合の頻度に修正することができる。

（４）第４の態様に係る要因推定装置１００、１００Ａ、１００Ｂは、（１）～（３）の要因推定装置１００、１００Ａ、１００Ｂであって、前記要因テーブルは、前記発生要因と、前記事象と、当該発生要因に係る異常が生じたときに当該事象が確認された回数とを関連付けたものであって、前記推定部は、前記発生要因ごとに、前記尤度と前記回数との加重和を算出し、当該加重和に基づいて前記発生要因を推定する。
これにより、発生要因ごとの発生回数の実績値に基づいて、発生要因を推定することができる。

（５）第５の態様に係る要因推定装置１００、１００Ａ、１００Ｂは、（１）～（３）の要因推定装置１００、１００Ａ、１００Ｂであって、前記要因テーブルは、前記発生要因と、前記事象と、当該発生要因に係る異常が生じたときに当該事象が生じる確率とを関連付けたものであって、前記推定部は、前記発生要因ごとに、前記尤度と前記確率との加重和を算出し、当該加重和に基づいて前記発生要因を推定する。
これにより、発生要因ごとの発生確率に基づいて、発生要因を推定することができる。発生確率は、対象装置について工学的知見から作成されたＦＴから導出してもよい。

（６）第６の態様に係る要因推定装置１００、１００Ａ、１００Ｂは、（１）～（５）の要因推定装置１００、１００Ａ、１００Ｂであって、前記複数の事象が共通の要因によって発生すると仮定した場合とは、前記事象を、当該事象が発生する尤度の大きさに対応する面積を有する閉空間で表した場合に、複数の前記事象の各々について、当該事象の閉空間が当該事象の次に尤度が小さい前記事象の閉空間によって内包される関係が成立することである。
このような内包関係を仮定することにより、事象発生の尤度（ＳＮ比）および要因テーブルの頻度について、ステップＳ９やステップＳ１１の差分処理によって、対象装置に生じ得る複数の事象が共通の要因によって同時に発生すると仮定した場合の値に修正することができる。

（７）第７の態様に係る要因推定装置１００Ａは、（１）～（６）の要因推定装置１００Ａであって、前記要因テーブルに設定された前記頻度が０の項目について、所定のノイズ値の設定を受け付け、当該設定に基づいて前記要因テーブルに登録された前記頻度を更新する頻度補正部１１３、をさらに備える。
これにより、要因テーブルに登録された頻度が有する不確実さを補い、要因の推定精度を維持することができる。

（８）第８の態様に係る要因推定装置１００Ｂは、（１）～（７）の要因推定装置１００Ｂであって、前記要因テーブルに設定された前記要因を削除する情報を受け付け、当該情報に基づいて、削除対象の前記要因に係る前記頻度を０に設定する要因絞込部、をさらに備える。
例えば、事象発生時にその時に計測された計測値から今回の事象の発生要因ではないと判断できる発生要因が存在する場合、要因テーブルからその発生要因を削除（当該要因の頻度を０に設定する）ことで、要因の推定精度を向上することができる。

（９）第９の態様に係る要因推定装置１００Ｂは、（１）～（７）の要因推定装置１００Ｂであって、前記計測値に所定の閾値以上の変化が無い場合に、当該計測値に関係する前記要因テーブルに設定された前記要因を削除することを決定し、削除対象の前記要因に係る前記頻度を０に設定する要因絞込部、をさらに備える。
事象発生時に計測値に顕著な変化が無い場合、その計測値に関係する発生要因は今回の事象の発生要因ではないと判断し、要因テーブルからその発生要因を削除（当該要因の頻度を０に設定する）ことで、要因の推定精度を向上することができる。

（１０）第１０の態様に係る要因推定方法では、対象装置の計測値を取得し、取得した前記計測値に基づいて対象装置に生じ得る複数の事象が共通の要因によって発生すると仮定した場合の前記事象それぞれの発生の尤度を算出し、前記複数の事象ごとに前記事象の発生要因と、前記発生要因の頻度とを関連付けた要因テーブルに登録された前記頻度を、前記複数の事象が共通の要因によって発生すると仮定した場合の頻度に書き換えて、書き換え後の前記要因テーブルと、前記尤度とに基づいて前記発生要因を推定する。

（１１）第１１の態様に係るプログラムは、コンピュータ９００に、対象装置の計測値を取得し、取得した前記計測値に基づいて対象装置に生じ得る複数の事象が共通の要因によって発生すると仮定した場合の前記事象それぞれの発生の尤度を算出し、前記複数の事象ごとに前記事象の発生要因と、前記発生要因の頻度とを関連付けた要因テーブルに登録された前記頻度を、前記複数の事象が共通の要因によって発生すると仮定した場合の頻度に書き換えて、書き換え後の前記要因テーブルと、前記尤度とに基づいて前記発生要因を推定する処理を実行させる。

１００、１００Ａ、１００Ｂ・・・要因推定装置
１０１・・・取得部
１０２・・・特性値算出部
１０３・・・補正部
１０４・・・単位空間記憶部
１０５・・・距離算出部
１０６・・・異常判定部
１０７・・・ＳＮ比算出部
１０８・・・尤度算出部
１０９・・・事象抽出部
１１０・・・テーブル記憶部
１１１・・・推定部
１１２・・・出力部
１１３・・・頻度補正部
１１４・・・要因絞込部
９００・・・コンピュータ
９０１・・・ＣＰＵ
９０２・・・主記憶装置
９０３・・・補助記憶装置
９０４・・・入出力インタフェース
９０５・・・通信インタフェース

Claims (11)

1. 対象装置の計測値を取得する取得部と、
   前記取得部が取得した前記計測値に基づいて対象装置に生じ得る複数の事象が共通の要因によって発生すると仮定した場合の前記事象それぞれの発生の尤度を算出する尤度算出部と、
   前記複数の事象ごとに前記事象の発生要因と、前記発生要因の頻度とを関連付けた要因テーブルを記憶するテーブル記憶部と、
   前記要因テーブルに登録された前記頻度を、前記複数の事象が共通の要因によって発生すると仮定した場合の頻度に書き換えて、書き換え後の前記要因テーブルと、前記尤度とに基づいて前記発生要因を推定する推定部と、
   を備える要因推定装置。
2. 前記尤度算出部は、前記尤度の大きい順に前記事象を並べ替え、第１の前記事象に対応する前記尤度から、並べ替え後の順番において第１の前記事象より１つ下の順位の前記事象に対応する前記尤度を減算した値を、第１の前記事象に対応する尤度として設定することで、前記複数の事象が共通の要因によって発生すると仮定した場合の尤度を算出する、
   請求項１に記載の要因推定装置。
3. 前記推定部は、前記尤度の大きい順に前記事象を並べ替えたときの並び順と同様に、前記要因テーブルを前記事象について並び替え、
   第１の前記事象に対応する前記発生要因ごとの前記頻度から、並べ替え後の順番において第１の前記事象より１つ下の順位の前記事象に対応する前記発生要因ごとの前記頻度を減算した値を、第１の前記事象に対応する前記発生要因ごとの前記頻度として設定することで、前記要因テーブルを書き換える、
   請求項１または請求項２に記載の要因推定装置。
4. 前記要因テーブルは、前記発生要因と、前記事象と、当該発生要因に係る異常が生じたときに当該事象が確認された回数とを関連付けたものであって、
   前記推定部は、前記発生要因ごとに、前記尤度と前記回数との加重和を算出し、当該加重和に基づいて前記発生要因を推定する、
   請求項１から請求項３の何れか１項に記載の要因推定装置。
5. 前記要因テーブルは、前記発生要因と、前記事象と、当該発生要因に係る異常が生じたときに当該事象が確認された確率とを関連付けたものであって、
   前記推定部は、前記発生要因ごとに、前記尤度と前記確率との加重和を算出し、当該加重和に基づいて前記発生要因を推定する、
   請求項１から請求項３の何れか１項に記載の要因推定装置。
6. 前記複数の事象が共通の要因によって発生すると仮定した場合とは、
   前記事象を、当該事象が発生する尤度の大きさに対応する面積を有する閉空間で表した場合に、複数の前記事象の各々について、当該事象の閉空間が当該事象の次に尤度が小さい前記事象の閉空間によって内包される関係が成立することである、
   請求項１から請求項５の何れか１項に記載の要因推定装置。
7. 前記要因テーブルに設定された前記頻度が０の項目について、所定のノイズ値の設定を受け付け、当該設定に基づいて前記要因テーブルに登録された前記頻度を更新する頻度補正部、
   をさらに備える請求項１から請求項６の何れか１項に記載の要因推定装置。
8. 前記要因テーブルに設定された前記要因を削除する情報を受け付け、当該情報に基づいて、削除対象の前記要因に係る前記頻度を０に設定する要因絞込部、
   をさらに備える請求項１から請求項７の何れか１項に記載の要因推定装置。
9. 前記計測値に基づいて、前記計測値に所定の閾値以上の変化が無い場合に、当該計測値に関係する前記要因テーブルに設定された前記要因を削除することを決定し、削除対象の前記要因に係る前記頻度を０に設定する要因絞込部、
   をさらに備える請求項１から請求項７の何れか１項に記載の要因推定装置。
10. 対象装置の計測値を取得し、
    取得した前記計測値に基づいて対象装置に生じ得る複数の事象が共通の要因によって発生すると仮定した場合の前記事象それぞれの発生の尤度を算出し、
    前記複数の事象ごとに前記事象の発生要因と、前記発生要因の頻度とを関連付けた要因テーブルに登録された前記頻度を、前記複数の事象が共通の要因によって発生すると仮定した場合の頻度に書き換えて、書き換え後の前記要因テーブルと、前記尤度とに基づいて前記発生要因を推定する、
    要因推定方法。
11. コンピュータに、
    対象装置の計測値を取得し、
    取得した前記計測値に基づいて対象装置に生じ得る複数の事象が共通の要因によって発生すると仮定した場合の前記事象それぞれの発生の尤度を算出し、
    前記複数の事象ごとに前記事象の発生要因と、前記発生要因の頻度とを関連付けた要因テーブルに登録された前記頻度を、前記複数の事象が共通の要因によって発生すると仮定した場合の頻度に書き換えて、書き換え後の前記要因テーブルと、前記尤度とに基づいて前記発生要因を推定する処理、
    を実行させるプログラム。

Images