JP7586366B2

JP7586366B2 - 要因分析装置及び要因分析方法

Info

Publication number: JP7586366B2
Application number: JP2024102724A
Authority: JP
Inventors: 直人石橋; 賢哉村上
Original assignee: Fuji Electric Co Ltd
Current assignee: Fuji Electric Co Ltd
Priority date: 2019-10-09
Filing date: 2024-06-26
Publication date: 2024-11-19
Anticipated expiration: 2040-05-18
Also published as: JP7494562B2; JP2024111329A; JP2021060959A; JP2024054370A; JP7574951B2

Description

本発明は、要因分析装置及び要因分析方法に関する。

近年、センサの発達や通信費の低下等に伴ってセンサデータの収集が容易となってきており、これらのセンサデータを活用して様々な対象（例えば、プラント、各種設備、機器、装置等）の効率的な運転を実現するサービスが期待されている。このような対象の効率的な運転を実現するために、当該対象の性能の変化要因を分析する技術が提案されている。

例えば、特許文献１には、外気温や海水温度等の外的要因を除去し、実測値に基づいて発電プラントの熱効率、発電プラントを構成する機器の性能値、及び当該性能値の変化が発電プラントの熱効率に与える影響を解析することができる技術が開示されている。また、例えば、特許文献２には、プラント固有の知見や経験によるノウハウで補間することなく、精度の高い効率診断とその対応を支援するための技術が開示されている。

特許第５６１８３２２号公報特許第６４７２３３９号公報

しかしながら、例えば、特許文献１に開示されている技術では発電プラントの熱効率に影響を与える機器を特定することは可能であるが、当該機器をセンシングするどのセンサが熱効率に影響を与えるのかまでは特定することができなかった。また、例えば、特許文献２に開示されている技術では分析木により性能低下の要因を分析しているが、性能低下の判断と分析木による要因抽出とが異なるロジックであるため、性能の低下が判断された際に分析木にてその要因を必ずしも抽出できない可能性がある。

本発明の一実施形態は、上記の点に鑑みてなされたもので、性能変化の要因を適切に抽出することを目的とする。

上記目的を達成するため、一実施形態に係る要因分析装置は、対象を複数のセンサにより計測した計測データを収集する収集手段と、前記収集手段により収集した計測データを用いて、前記対象の性能値を推定する性能推定手段と、前記性能推定手段により推定された性能値の分析期間を設定し、前記分析期間において性能値が変化した計測データを検知する変化検知手段と、前記変化検知手段により設定された前記分析期間において、性能変化の要因を前記計測データから分析する分析手段と、を有することを特徴とする。

性能変化の要因を適切に抽出することができる。

第一の実施形態に係る要因分析装置の全体構成の一例を示す図である。第一の実施形態に係る要因分析装置のハードウェア構成の一例を示す図である。第一の実施形態に係る要因分析処理の流れの一例を示すフローチャートである。性能変化期間の検知結果の一例を示す図である。第二の実施形態に係る要因分析装置の全体構成の一例を示す図である。第二の実施形態に係る要因分析処理の流れの一例を示すフローチャートである。第三の実施形態に係る要因分析装置の全体構成の一例を示す図である。第三の実施形態に係る要因分析処理の流れの一例を示すフローチャートである。

以下、本発明の各実施形態について説明する。本発明の各実施形態では、性能変化の要因を適切に抽出することが可能な要因分析装置１０について説明する。

［第一の実施形態］
以降では、本発明の第一の実施形態について説明する。第一の実施形態では、性能を効率化する対象（例えば、プラント、各種設備、機器、装置等）をセンシングすることで得られた計測データを用いて、性能の変化を検知すると共にその変化の要因を抽出するための決定木として分類二進木を構築し、この分類二進木を分析することによって性能変化の要因を抽出する場合について説明する。

なお、以降では、性能を効率化する対象を「効率化対象」とも表す。効率化対象には、上述したように、例えば、プラント、各種設備、機器、装置等が挙げられる。また、各効率化対象は、１以上のセンサによってその状態や動作等がセンシングされているものとする。

＜全体構成＞
まず、本実施形態に係る要因分析装置１０の全体構成について、図１を参照しながら説明する。図１は、第一の実施形態に係る要因分析装置１０の全体構成の一例を示す図である。

図１に示すように、本実施形態に係る要因分析装置１０は、収集部１０１と、性能推定部１０２と、変化検知部１０３と、要因分析部１０４と、記憶部１０５とを有する。

収集部１０１は、効率化対象をセンシングすることで得られた計測データを収集し、記憶部１０５に格納する。ここで、計測データには、例えば、効率化対象を識別する識別情報（例えば、プラントＩＤや設備ＩＤ、機器ＩＤ、装置ＩＤ等）と、当該効率化対象の状態や動作等がセンシング（計測）された日時と、これらの計測を行ったセンサの識別情報（例えば、センサＩＤ等）と、当該センサの計測値（センサ値）とが含まれる。なお、例えば、効率化対象の状態や動作をＮ個のセンサで計測している場合、計測データには、これらＮ個のセンサのセンサＩＤと、これらＮ個のセンサのセンサ値とが含まれる。

なお、収集部１０１は、任意の方法で計測データを収集すればよい。例えば、収集部１０１は、ＬＡＮ（Local Area Network）等の通信ネットワークを介して計測機器やセンサ等から計測データを受信することで収集してもよいし、キーボード等の入力装置によって計測データが入力されることで収集してもよい。

また、収集部１０１は、計測データ以外にも、例えば、効率化対象の運転データを収集してもよい。運転データには、例えば、効率化対象の計測値の正常範囲や異常範囲、効率化対象の各種イベント（例えば、操業日や設備点検日等）を示す情報等が含まれる。運転データが収集された場合には、これらの運転データも記憶部１０５に格納される。

性能推定部１０２は、記憶部１０５に格納されている計測データを用いて、効率化対象の性能値を推定する。これにより、各計測データのそれぞれに対して性能値が推定される。

性能値は、効率化対象の入出力関係から、物理的に定義された定量的な性能換算式によって推定される。例えば、性能値が効率である場合は、一般に、プラントや設備毎に出力値を入力値で割った換算式で推定される。

具体的には、例えば、効率化対象がガスタービン発電所のプラントである場合、その性能値は、以下の式（１）により推定することができる。

ここで、Performanceは性能値、GeneratorOutputは発電出力、GasFlowは燃料ガス流量を表す。発電出力及び燃料ガス流量は、計測データに含まれる計測値である。

ただし、上記の式（１）は一例であって、性能値の換算式は、効率化対象の種類等に応じて異なる。例えば、効率化対象がタービン室であれば、その性能値（タービン室効率）は、タービン室出力をタービン室入力で割ることで推定することができる。タービン室出力及びタービン室入力は、計測データに含まれる計測値である。なお、本実施形態は特定の種類の性能値に限定されるものではなく、任意の種類の性能値に対して適用可能である。

変化検知部１０３は、効率化対象毎に、性能推定部１０２によって推定された性能値を複数の期間に分割した上で、各期間で所定の統計量を算出し、この統計量によって各期間をラベル付けすることで、性能が変化（例えば、性能が低下）した前後の期間を性能変化期間として検知する。

例えば、期間Ｐ_１～期間Ｐ_ｎのｎ個の期間に性能値が分割され、性能値の高いことを示す第１のラベル又は性能値が低いことを示す第２のラベルのいずれかが各期間にラベル付けされる場合、変化検知部１０３は、第１のラベルが付与されている期間Ｐ_ｍと第２のラベルが付与されている期間Ｐ_ｍ＋１とが存在するときに、これらの期間Ｐ_ｍ及びＰ_ｍ＋１を性能変化期間として検知する。

要因分析部１０４は、変化検知部１０３によって検知された性能変化期間において、計測データから性能変化の要因を抽出する。このとき、要因分析部１０４は、当該性能変化期間における計測データから分類二進木を構築し、この分類二進木を分析することによって性能変化の要因を抽出する。

記憶部１０５は、収集部１０１によって収集された計測データを記憶する。記憶部１０５には、例えば、効率化対象毎に、計測データが時系列データとして記憶されている。なお、記憶部１０５には、例えば、効率化対象毎に、運転データが記憶されていてもよい。また、これら以外にも、記憶部１０５には、種々のデータ（例えば、性能変化の要因を抽出するための決定木、この決定木を分析することによって性能変化の要因を抽出する際における途中の計算結果等）が記憶されてもよい。

なお、図１に示す要因分析装置１０の構成は一例であって、他の構成であってもよい。例えば、要因分析装置１０が複数の装置で構成されており、これら複数の装置に各部（収集部１０１、性能推定部１０２、変化検知部１０３、要因分析部１０４及び記憶部１０５）が分散されていてもよい。

＜ハードウェア構成＞
次に、第一の実施形態に係る要因分析装置１０のハードウェア構成について、図２を参照しながら説明する。図２は、第一の実施形態に係る要因分析装置１０のハードウェア構成の一例を示す図である。

図２に示すように、第一の実施形態に係る要因分析装置１０は、入力装置２０１と、表示装置２０２と、外部Ｉ／Ｆ２０３と、通信Ｉ／Ｆ２０４と、プロセッサ２０５と、メモリ装置２０６とを有する。これら各ハードウェアは、バス２０７により相互に通信可能に接続されている。

入力装置２０１は、例えば各種ボタンやタッチパネル、キーボード、マウス等であり、ユーザが要因分析装置１０に各種操作を入力するのに用いられる。表示装置２０２は、例えばディスプレイ等であり、要因分析装置１０の処理結果等を表示する。なお、要因分析装置１０は、入力装置２０１及び表示装置２０２のうちの少なくとも一方を有していなくてもよい。

外部Ｉ／Ｆ２０３は、外部装置とのインタフェースである。外部装置には、記録媒体２０３ａ等がある。要因分析装置１０は、外部Ｉ／Ｆ２０３を介して、記録媒体２０３ａの読み取りや書き込み等を行うことができる。要因分析装置１０が有する各機能部（例えば、収集部１０１、性能推定部１０２、変化検知部１０３及び要因分析部１０４等）を実現する１以上のプログラムは、記録媒体２０３ａに記録されていてもよい。

記録媒体２０３ａには、例えば、ＳＤメモリカード(SD memory card）やＵＳＢメモリ、ＣＤ（Compact Disk）、ＤＶＤ（Digital Versatile Disk）等がある。

通信Ｉ／Ｆ２０４は、要因分析装置１０が他の装置や機器等とデータ通信を行うためのインタフェースである。要因分析装置１０が有する各機能部を実現する１以上のプログラムは、通信Ｉ／Ｆ２０４を介して、所定のサーバ装置等から取得（ダウンロード）されてもよい。

プロセッサ２０５は、例えばＣＰＵ（Central Processing Unit）等であり、メモリ装置２０６等からプログラムやデータを読み出して各種処理を実行する演算装置である。要因分析装置１０が有する各機能部は、メモリ装置２０６等に格納されている１以上のプログラムがプロセッサ２０５に実行させる処理により実現される。

メモリ装置２０６は、例えばＨＤＤ（Hard Disk Drive）やＳＳＤ（Solid State Drive）、ＲＡＭ（Random Access Memory）、ＲＯＭ（Read Only Memory）等であり、プログラムやデータを格納している記憶装置である。要因分析装置１０が有する記憶部１０５は、例えば、メモリ装置２０６等を用いて実現可能である。ただし、当該記憶部１０５は、例えば、要因分析装置１０と通信ネットワークを介して接続される記憶装置等を用いて実現されていてもよい。

第一の実施形態に係る要因分析装置１０は、図２に示すハードウェア構成を有することにより、後述する要因分析処理を実現することができる。なお、図２に示すハードウェア構成は一例であって、要因分析装置１０は、他のハードウェア構成を有していてもよい。例えば、要因分析装置１０は、複数のプロセッサ２０５を有していてもよいし、複数のメモリ装置２０６を有していてもよい。

＜要因分析処理の流れ＞
次に、本実施形態に係る要因分析装置１０によって性能変化の要因を抽出する要因分析処理の流れについて、図３を参照しながら説明する。図３は、第一の実施形態に係る要因分析処理の流れの一例を示すフローチャートである。なお、記憶部１０５には、収集部１０１によって収集された計測データが効率化対象毎に記憶されているものとする。

以降では、或る１つの効率化対象の性能変化の要因を抽出する場合について説明する。分析対象とする効率化対象は、例えば、ユーザ等によって指定されてもよいし、全ての効率化対象であってもよい。

まず、性能推定部１０２は、記憶部１０５に格納されている計測データを用いて、効率化対象の性能値を推定する（ステップＳ１０１）。これにより、各計測データのそれぞれに対して性能値が推定される。

なお、１つの計測データに対して複数種類の性能値が推定されてもよいが、以降では、１つの計測データに対して１種類の性能値が推定されたものとして説明する。１つの計測データに対して複数種類の性能値が推定された場合には、以降のステップＳ１０２～ステップＳ１０３を性能値の種類毎に繰り返し実行すればよい。

次に、変化検知部１０３は、以下のＳｔｅｐ１１～Ｓｔｅｐ１５により性能変化期間を検知する（ステップＳ１０２）。

Ｓｔｅｐ１１：変化検知部１０３は、上記のステップＳ１０１で推定された性能値を複数の期間に分割する。ここで、期間の単位としては任意の単位を設定することができるが、例えば、年、季節、月、週、又は日を単位とすることが挙げられる。又は、例えば、記憶部１０５に運転データが格納されている場合は、この運転データを参照して、設備点検日を境として性能値を複数の期間に分割してもよい。

Ｓｔｅｐ１２：次に、変化検知部１０３は、上記のＳｔｅｐ１１で分割された各期間で、性能値に影響を及ぼす外的要因を除去する補正を行う。変化検知部１０３は、例えば、上記の特許文献１に開示されている方法と同様に、外的要因と性能値との回帰式の傾きを用いて性能値を補正すればよい。なお、このＳｔｅｐ１２の処理の実行は任意であり、必ずしも実行されなくてもよい。以降では、上記の補正が行われた性能値を「補正後性能値」とも表す。

Ｓｔｅｐ１３：次に、変化検知部１０３は、上記のＳｔｐｅ１１で分割された各期間で、補正後性能値（又は、上記のＳｔｅｐ１２の処理が実行されなかった場合は性能値）の統計量を算出する。統計量としては任意の統計量を算出すればよいが、例えば、当該期間における補正後性能値（又は、性能値）の平均、標準偏差、最大、最小等が挙げられる。又は、例えば、異なる期間の間（例えば、期間Ｐ_ｍと期間Ｐ_ｍ＋１との間）における補正後性能値（又は、性能値）の相関係数であってもよい。

Ｓｔｅｐ１４：次に、変化検知部１０３は、各期間で算出された統計量を用いて、これらの各期間に対して、当該期間における性能を表すラベルを付与する。このとき、変化検知部１０３は、例えば、統計検知や閾値判定等のアルゴリズムによりラベル付けを行えばよい。これにより、各期間に対して、例えば、当該期間における性能が高いか又は低いかを表すラベルが付与される。ただし、ラベルが２値であることは一例であって、各期間を任意の個数のクラスに分類するためラベルが付与されてもよい。各期間に対してラベルが付与されることにより、当該期間における計測データ及び補正後性能値（又は性能値）に対しても同様のラベルが付与されることになる。

なお、このＳｔｅｐ１４では、人手によりラベル付けが行われてもよい。この場合、上記のＳｔｅｐ１３で算出された期間毎の統計量や期間毎の補正後性能値（又は性能値）をユーザに提示することで、当該ユーザによってラベル付けが行われる。

以降では、簡単のため、補正後性能値と、補正を行わなかった場合の性能値とを区別せずに、単に「性能値」と表す。

Ｓｔｅｐ１５：そして、変化検知部１０３は、上記のＳｔｅｐ１４で各期間に付与されたラベルを用いて、性能が変化（例えば、性能が低下）した前後の期間を性能変化期間として検知する。

上記のＳｔｅｐ１１～Ｓｔｅｐ１５で検知された性能変化期間の一例を図４に示す。図４に示す例では、上記のＳｔｅｐ１１で年を単位とした期間が設定された場合を示している。図４に示す例では、期間Ｐ_ｍの統計量がＳ_ｍ、期間Ｐ_ｍ＋１の統計量がＳ_ｍ＋１で、これらの統計量Ｓ_ｍ及びＳ_ｍ＋１によって期間Ｐ_ｍに対してラベル「高」が、期間Ｐ_ｍ＋１に対してラベル「低」が付与されている。このため、期間Ｐ_ｍと期間Ｐ_ｍ＋１とで性能が変化しているため、期間Ｐ_ｍ及びＰ_ｍ＋１が性能変化期間として検知される。

なお、上記のステップＳ１０２で性能変化期間が検知されなかった場合、以降のステップＳ１０３の処理は実行されない。

最後に、要因分析部１０４は、以下のＳｔｅｐ２１～Ｓｔｅｐ２３により上記のステップＳ１０２で検知された性能変化期間において性能変化の要因を抽出する（ステップＳ１０３）。

Ｓｔｅｐ２１：まず、要因分析部１０４は、分析対象とする因子を任意に設定する。例えば、要因分析部１０４は、分析対象とする因子として、任意のセンサＩＤを設定する。なお、要因分析部１０４は、任意の個数のセンサＩＤを因子として設定する。このとき、どのセンサＩＤを分析対象の因子として設定するかは任意に決めることが可能であるが、例えば、ユーザ等によって指定されたセンサＩＤを分析対象の因子として設定すればよい。

Ｓｔｅｐ２２：次に、要因分析部１０４は、上記のステップＳ１０２で検知された性能変化期間でラベル付けされた性能値と、上記のＳｔｅｐ２１で設定した因子とを用いて、各因子を分岐ノード、ラベルの値をリーフノードとして、計測データの性能値を分類する分類二進木を構築する。すなわち、要因分析部１０４は、各因子を分岐ノード（ルートノードも含む）、ラベルの値をリーフノードとして、計測データをルートノードに入力した場合に、当該計測データの性能値を正しいラベルの値（つまり、上記のステップＳ１０２で当該性能値に対して付与されたラベルの値）に分類する分類二進木を構築する。

Ｓｔｅｐ２３：そして、要因分析部１０４は、上記のＳｔｅｐ２２で構築した分類二進木を用いて、性能変化の要因を抽出する。ここで、要因分析部１０４は、分岐ノードを説明変数、リーフノードを目的変数として以下の式（２）により変数重要度ＶＩ（ｘ）を算出し、この変数重要度ＶＩ（ｘ）が最も高い（又は、所定の閾値以上）の説明変数に対応する要因を性能変化の要因として抽出すればよい。なお、変数重要度ＶＩ（ｘ）をユーザに提示し、このユーザの選択によって性能変化の要因が抽出されてもよい。

ここで、ｘは説明変数、ｔは分岐ノード番号、Ｘは説明変数の集合、Ｎ_ｓは分岐ノードの集合、Δｉ（ｘ，ｔ）は説明変数ｘのΔｉ（ｔ）である。また、Δｉ（ｔ）は分岐ノードｔの改善度である。

以上のように、本実施形態に係る要因分析装置１０では、計測データを複数の期間に分割した上で、これらの期間を性能に応じてラベル付けすることで性能変化期間を検知する。そして、本実施形態に係る要因分析装置１０では、ラベル付けされた性能変化期間から分類二進木を構築し、その分析を行うことで、性能変化の要因（例えば、センサＩＤ）を抽出する。このため、本実施形態に係る要因分析装置１０では、例えば、或る効率化対象を計測する複数のセンサの中で、性能変化の要因となっているセンサを特定することが可能となる。

［第二の実施形態］
以降では、本発明の第二の実施形態について説明する。第二の実施形態では、計測データを用いて、性能変化の要因を分析するための期間を設定すると共にその期間での性能変化の要因を抽出するための決定木として回帰二進木を構築し、この回帰二進木を分析することによって性能変化の要因を抽出する場合について説明する。

なお、第二の実施形態では、主に、第一の実施形態との相違点について説明し、第一の実施形態と同様の構成要素についてはその説明を省略するものとする。

＜全体構成＞
まず、本実施形態に係る要因分析装置１０の全体構成について、図５を参照しながら説明する。図５は、第二の実施形態に係る要因分析装置１０の全体構成の一例を示す図である。

図５に示すように、本実施形態に係る要因分析装置１０は、第一の実施形態と異なり、変化検知部１０３を有しない。また、本実施形態に係る要因分析装置１０は、分析期間設定部１０６を有する。

分析期間設定部１０６は、性能変化の要因を分析する期間（以降、「分析期間」とも表す。）を設定する。すなわち、第二の実施形態では、各期間に対してラベル付けを行って性能変化期間を検知することは行わずに、性能変化の要因を分析する分析期間のみを設定する。

また、本実施形態に係る要因分析部１０４は、分析期間設定部１０６によって設定された分析期間において、計測データから性能変化の要因を抽出する。このとき、要因分析部１０４は、当該分析期間における計測データから回帰二進木を構築し、この回帰二進木を分析することによって性能変化の要因を抽出する。

＜要因分析処理の流れ＞
次に、本実施形態に係る要因分析装置１０によって性能変化の要因を抽出する要因分析処理の流れについて、図６を参照しながら説明する。図６は、第二の実施形態に係る要因分析処理の流れの一例を示すフローチャートである。なお、記憶部１０５には、収集部１０１によって収集された計測データが効率化対象毎に記憶されているものとする。また、以降では、或る１つの効率化対象の性能変化の要因を抽出する場合について説明する。

まず、性能推定部１０２は、図３のステップＳ１０１と同様に、記憶部１０５に格納されている計測データを用いて、効率化対象の性能値を推定する（ステップＳ２０１）。

次に、分析期間設定部１０６は、上記のステップＳ２０１で推定された性能値に対して分析期間を設定する（ステップＳ２０２）。なお、このとき、当該分析期間における性能値に対して、上記のＳｔｅｐ１２と同様の補正を行ってもよい。

なお、本実施形態では、上記のステップＳ２０１で性能値を推定した後に、上記のステップＳ２０２で分析期間を設定したが、これらの順序は逆であってもよい。すなわち、例えば、計測データに対して分析期間を設定した後に、当該分析期間における各計測データからそれぞれ性能値を推定してもよい。また、以降では、簡単のため、補正を行った場合の補正後性能値と、補正を行わなかった場合の性能値とを区別せずに、単に「性能値」と表す。

最後に、要因分析部１０４は、以下のＳｔｅｐ３１～Ｓｔｅｐ３３により上記のステップＳ２０２で設定された分析期間において性能変化の要因を抽出する（ステップＳ２０３）。

Ｓｔｅｐ３１：まず、要因分析部１０４は、上記のＳｔｅｐ２１と同様に、分析対象とする因子（例えば、センサＩＤ）を任意に設定する。

Ｓｔｅｐ３２：次に、要因分析部１０４は、上記のステップＳ２０２で設定された分析期間における性能値と、上記のＳｔｅｐ３１で設定した因子とを用いて、各因子を分岐ノード、性能値をリーフノードとして、計測データと性能値との関係を表す回帰二進木を構築する。

Ｓｔｅｐ３３：そして、要因分析部１０４は、上記のＳｔｅｐ３２で構築した回帰二進木を用いて、性能変化の要因を抽出する。なお、要因分析部１０４は、上記のＳｔｅｐ２３と同様に、分岐ノードを説明変数、リーフノードを目的変数として上記の式（２）により変数重要度ＶＩ（ｘ）を算出し、この変数重要度ＶＩ（ｘ）が最も高い（又は、所定の閾値以上）の説明変数に対応する要因を性能変化の要因として抽出すればよい。

以上のように、本実施形態に係る要因分析装置１０では、計測データに対して分析期間を設定した上で、この分析期間から回帰二進木を構築し、その分析を行うことで、性能変化の要因（例えば、センサＩＤ）を抽出する。このため、本実施形態に係る要因分析装置１０では、第一の実施形態と同様に、例えば、或る効率化対象を計測する複数のセンサの中で、性能変化の要因となっているセンサを特定することが可能となる。

［第三の実施形態］
以降では、本発明の第三の実施形態について説明する。第三の実施形態では、計測データを用いて、分析期間において性能変化のサンプルを検知すると共にその分析期間での性能変化の要因を抽出するための決定木として分類二進木を構築し、この分類二進木を分析することによって性能変化の要因を抽出する場合について説明する。

なお、第三の実施形態では、主に、第一の実施形態との相違点について説明し、第一の実施形態と同様の構成要素についてはその説明を省略するものとする。

＜全体構成＞
まず、本実施形態に係る要因分析装置１０の全体構成について、図７を参照しながら説明する。図７は、第三の実施形態に係る要因分析装置１０の全体構成の一例を示す図である。

図７に示すように、本実施形態に係る要因分析装置１０は、第一の実施形態と異なり、変化検知部１０３を有しない。また、本実施形態に係る要因分析装置１０は、変化サンプル検知部１０７を有する。

変化サンプル検知部１０７は、分析期間を設定すると共に性能値が変化したサンプル（以降、「性能変化サンプル」とも表す。）を検知する。すなわち、第三の実施形態では、各期間に対してラベル付けを行って性能変化期間を検知することは行わずに、各サンプルに対してラベル付けを行うことで性能変化が変化したサンプルを検知する。なお、サンプルとは、記憶部１０５に記憶されている計測データのことである。

また、本実施形態に係る要因分析部１０４は、変化サンプル検知部１０７によって設定された分析期間において、サンプル（計測データ）から性能変化の要因を抽出する。このとき、要因分析部１０４は、第一の実施形態と同様に、当該分析期間における計測データから分類二進木を構築し、この分類二進木を分析することによって性能変化の要因を抽出する。

＜要因分析処理の流れ＞
次に、本実施形態に係る要因分析装置１０によって性能変化の要因を抽出する要因分析処理の流れについて、図８を参照しながら説明する。図８は、第三の実施形態に係る要因分析処理の流れの一例を示すフローチャートである。なお、記憶部１０５には、収集部１０１によって収集された計測データが効率化対象毎に記憶されているものとする。また、以降では、或る１つの効率化対象の性能変化の要因を抽出する場合について説明する。

まず、性能推定部１０２は、図３のステップＳ１０１と同様に、記憶部１０５に格納されている計測データを用いて、効率化対象の性能値を推定する（ステップＳ３０１）。

次に、変化サンプル検知部１０７は、以下のＳｔｅｐ４１～Ｓｔｅｐ４５により性能変化サンプルを検知する（ステップＳ３０２）。

Ｓｔｅｐ４１：変化サンプル検知部１０７は、上記のステップＳ３０１で推定された性能値に対して分析期間を設定する。

Ｓｔｅｐ４２：次に、変化サンプル検知部１０７は、上記のＳｔｅｐ１２と同様に、上記のＳｔｅｐ４１で設定された分析期間で、性能値に影響を及ぼす外的要因を除去する補正を行う。なお、このＳｔｅｐ４２の処理の実行は任意であり、必ずしも実行されなくてもよい。以降では、簡単のため、補正を行った場合の性能値と補正を行わなかった場合の性能値とを区別せずに、単に「性能値」と表す。

Ｓｔｅｐ４３：次に、変化サンプル検知部１０７は、上記のＳｔｅｐ４１で設定された分析期間において、計測データから性能値を複数のクラスタ又は種別に分割する。複数のクラスタに分割する際は、例えば、k-means法やGaussian Mixture Model等のクラスタリング手法を用いて、性能値の特徴に基づきサンプル毎に複数のクラスタに分割すればよい。一方で、複数の種別に分割する際は、例えば、Isolation ForestやRandom Cut Forest等の異常検知手法を用いて、性能値の異常度合いに基づきサンプル毎に複数の正常、異常の種別に分割すればよい。

Ｓｔｅｐ４４：次に、変化サンプル検知部１０７は、上記のステップＳｔｅｐ４３で分割されたクラスタ又は種別に対して性能を表すラベルを付与する。これにより、各クラスタ又は各種別に属するサンプル（計測データ）に対してラベルが付与される。なお、ラベルとしては、例えば、正常又は異常のいずれであるかを表す２個のラベルを付与すればよい。ただし、ラベルが２個であることは一例であって、任意の個数のラベルが付与されてもよい。

Ｓｔｅｐ４５：そして、変化サンプル検知部１０７は、上記のＳｔｅｐ４４で各サンプルに付与されたラベルを用いて、性能が変化したサンプル（例えば、ラベルの値が正常を示す値から異常を示す値に変化したサンプル）を性能変化サンプルとして検知する。

最後に、要因分析部１０４は、図３のステップＳ１０３と同様に、上記のＳｔｅｐ４１で設定された分析期間において性能変化の要因を抽出する（ステップＳ３０３）。すなわち、要因分析部１０４は、分析対象とする因子を任意に設定した上で、当該分析期間でラベル付けされた性能値と当該因子とを用いて分類二進木を構築し、この分類二進木を用いて、性能変化の要因を抽出する。

以上のように、本実施形態に係る要因分析装置１０では、計測データに対して分析期間を設定した上で、この分析期間から分類二進木を構築し、その分析を行うことで、性能変化の要因（例えば、センサＩＤ）を抽出する。このため、本実施形態に係る要因分析装置１０では、第一の実施形態と同様に、例えば、或る効率化対象を計測する複数のセンサの中で、性能変化の要因となっているセンサを特定することが可能となる。

本発明は、具体的に開示された上記の各実施形態に限定されるものではなく、特許請求の範囲から逸脱することなく、種々の変形や変更、組み合わせ等が可能である。

１０要因分析装置
１０１収集部
１０２性能推定部
１０３変化検知部
１０４要因分析部
１０５記憶部
１０６分析期間設定部
１０７変化サンプル検知部

Claims

対象を複数のセンサにより計測した計測データを収集する収集手段と、
前記収集手段により収集した計測データを用いて、前記対象の性能値を推定する性能推定手段と、
前記性能推定手段により推定された性能値の分析期間を設定し、前記分析期間において前記性能値が変化した場合に前記性能値の推定に用いられた計測データを検知する変化検知手段と、
前記変化検知手段により設定された前記分析期間において、性能変化の要因を前記計測データから分析する分析手段と、
を有し、
前記分析手段は、
前記分析期間における前記計測データを用いて、前記要因を分岐ノード、性能を表すラベルをリーフノードとして分類二進木を構築し、
前記分岐ノードを説明変数、前記リーフノードを目的変数として、前記目的変数に対する変数重要度が最も高い説明変数又は前記変数重要度が所定の閾値以上の説明変数に対応する分岐ノードが表す要因を前記性能変化の要因として抽出する、ことを特徴とする要因分析装置。
前記変化検知手段は、
前記分析期間において、所定のクラスタリング手法により前記計測データから前記性能値を複数のクラスタに分割し、
各クラスタにそれぞれ属する計測データに対して前記ラベルを付与することで、前記性能値が変化した場合に前記性能値の推定に用いられた計測データを検知する、ことを特徴とする請求項１に記載の要因分析装置。
前記変化検知手段は、
前記分析期間において、所定の異常検知手法により前記計測データから前記性能値を複数の正常又は異常の種別に分割し、
各種別にそれぞれ分割された計測データに対して前記ラベルを付与することで、前記性能値が変化した場合に前記性能値の推定に用いられた計測データを検知する、ことを特徴とする請求項１に記載の要因分析装置。
対象を複数のセンサにより計測した計測データを収集する収集手順と、
前記収集手順で収集した計測データを用いて、前記対象の性能値を推定する性能推定手順と、
前記性能推定手順で推定された性能値の分析期間を設定し、前記分析期間において前記性能値が変化した場合に前記性能値の推定に用いられた計測データを検知する変化検知手順と、
前記変化検知手順で設定された前記分析期間において、性能変化の要因を前記計測データから分析する分析手順と、
をコンピュータが実行し、
前記分析手順は、
前記分析期間における前記計測データを用いて、前記要因を分岐ノード、性能を表すラベルをリーフノードとして分類二進木を構築し、
前記分岐ノードを説明変数、前記リーフノードを目的変数として、前記目的変数に対する変数重要度が最も高い説明変数又は前記変数重要度が所定の閾値以上の説明変数に対応する分岐ノードが表す要因を前記性能変化の要因として抽出する、ことを特徴とする要因分析方法。