JPWO2018104985A1 - 異常分析方法、プログラムおよびシステム - Google Patents

異常分析方法、プログラムおよびシステム Download PDF

Info

Publication number
JPWO2018104985A1
JPWO2018104985A1 JP2016005084A JP2018555321A JPWO2018104985A1 JP WO2018104985 A1 JPWO2018104985 A1 JP WO2018104985A1 JP 2016005084 A JP2016005084 A JP 2016005084A JP 2018555321 A JP2018555321 A JP 2018555321A JP WO2018104985 A1 JPWO2018104985 A1 JP WO2018104985A1
Authority
JP
Japan
Prior art keywords
abnormality
sensors
degree
analysis
abnormality degree
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.)
Granted
Application number
JP2016005084A
Other languages
English (en)
Other versions
JP6774636B2 (ja
Inventor
孝純 河合
孝純 河合
Original Assignee
日本電気株式会社
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 日本電気株式会社 filed Critical 日本電気株式会社
Priority to PCT/JP2016/005084 priority Critical patent/WO2018104985A1/ja
Publication of JPWO2018104985A1 publication Critical patent/JPWO2018104985A1/ja
Application granted granted Critical
Publication of JP6774636B2 publication Critical patent/JP6774636B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01MTESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M99/00Subject matter not provided for in other groups of this subclass
    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05BCONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00Testing or monitoring of control systems or parts thereof
    • G05B23/02Electric testing or monitoring
    • G05B23/0205Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0218Electric 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
    • G05B23/0224Process history based detection method, e.g. whereby history implies the availability of large amounts of data
    • G05B23/024Quantitative history assessment, e.g. mathematical relationships between available data; Functions therefor; Principal component analysis [PCA]; Partial least square [PLS]; Statistical classifiers, e.g. Bayesian networks, linear regression or correlation analysis; Neural networks
    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05BCONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00Testing or monitoring of control systems or parts thereof
    • G05B23/02Electric testing or monitoring
    • G05B23/0205Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0259Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
    • G05B23/0275Fault isolation and identification, e.g. classify fault; estimate cause or root of failure
    • G05B23/0281Quantitative, e.g. mathematical distance; Clustering; Neural networks; Statistical analysis
    • GPHYSICS
    • G06COMPUTING; CALCULATING; COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/23Updating
    • G06F16/2358Change logging, detection, and notification

Abstract

本発明は、センサのグループごとの異常度を複数の階層において表示し、異常の要因の特定を容易にする異常分析方法、プログラムおよびシステムを提供する。本発明の一実施形態に係る異常分析システム100は、複数の階層において階層ごとにセンサのグループを生成するグループ生成部120と、グループに含まれるセンサの測定値からグループごとのグループ異常度を算出するグループ異常度算出部130と、複数の階層のうちいずれかの階層においてグループ異常度の時系列変化を表示する制御を行う表示制御部140と、を備える。

Description

本発明は、センサの測定値を用いて異常の分析を行うための異常分析方法、プログラムおよびシステムに関する。
工場(プラント)の設備には、温度、圧力、流量等を測定する様々な種類のセンサが様々な部位に設けられており、監視システムによってセンサの測定値が監視される。センサにおいて異常な測定値が検出された場合には、異常の要因を速やかに分析し、該要因を解消することが求められる。一般的に異常が発生する時間帯には複数のセンサが異常な測定値を出力することが多いため、異常の真の要因を特定することが難しい場合がある。
特許文献1に記載の技術は、想定された異常の徴候パターンを示す因果表をプラントの系統又はサブシステムごとに保持し、測定値から判定された徴候パターンを因果表と比較する。この構成によって、多数のセンサが存在する場合であっても異常源および異常の伝搬経路を同定することができる。
特開平8−234832号公報
しかしながら、特許文献1に記載の技術はプラントの系統又はサブシステムごとに異常の徴候パターンを判定するものであるため、系統又はサブシステムをさらに詳細なグループに分割して異常の要因を分析することはできない。すなわち、系統又はサブシステムについて異常源および異常の伝搬経路を同定できたとしても、各系統又はサブシステムのどの部位に異常の真の要因があるかを分析することはできない。
本発明は、上述の問題に鑑みて行われたものであって、センサのグループごとの異常度を複数の階層において表示し、異常の要因の特定を容易にする異常分析方法、プログラムおよびシステムを提供することを目的とする。
本発明の第1の態様は、異常分析方法であって、複数の階層において前記階層ごとにセンサのグループを生成する工程と、前記グループに含まれる前記センサの測定値から前記グループごとのグループ異常度を算出する工程と、前記複数の階層のうちいずれかの階層において前記グループ異常度の時系列変化を表示する制御を行う工程と、を備える。
本発明の第2の態様は、異常分析プログラムであって、コンピュータに、複数の階層において前記階層ごとにセンサのグループを生成する工程と、前記グループに含まれる前記センサの測定値から前記グループごとのグループ異常度を算出する工程と、前記複数の階層のうちいずれかの階層において前記グループ異常度の時系列変化を表示する制御を行う工程と、を実行させる。
本発明の第3の態様は、異常分析システムであって、複数の階層において前記階層ごとにセンサのグループを生成するグループ生成部と、前記グループに含まれる前記センサの測定値から前記グループごとのグループ異常度を算出するグループ異常度算出部と、前記複数の階層のうちいずれかの階層において前記グループ異常度の時系列変化を表示する制御を行う表示制御部と、を備える。
本発明によれば、複数の階層において階層ごとにセンサのグループを生成し、階層ごとにグループの異常度を時系列で表示するため、グループ化の基準が異なる階層でそれぞれ異常度が上昇する順序を分析することができる。そのため、どのようなグループに異常の要因が存在するかを特定することが容易になる。
例示的な異常センサの数および異常度のグラフを示す図である。 第1の実施形態に係る異常分析システムのブロック図である。 第1の実施形態に係るセンサのグループ化方法を示す模式図である。 第1の実施形態に係る異常分析システムによって表示される粗い階層におけるグループ異常度のグラフを示す図である。 第1の実施形態に係る異常分析システムよって表示される細かい階層におけるグループ異常度のグラフを示す図である。 第1の実施形態に係る異常分析システムによって表示される細かい階層におけるグループ異常度のグラフを示す図である。 第1の実施形態に係る異常分析システムの概略構成図である。 第1の実施形態に係る異常分析方法のフローチャートを示す図である。 第2の実施形態に係るセンサのグループ化方法を示す模式図である。 第3の実施形態に係る異常分析システムのブロック図である。 各実施形態に係る異常分析システムのブロック図である。
以下、図面を参照して、本発明の実施形態を説明するが、本発明は本実施形態に限定されるものではない。なお、以下で説明する図面で、同機能を有するものは同一符号を付け、その繰り返しの説明は省略することもある。
(第1の実施形態)
従来、工場(プラント)には多数のセンサが設けられており、監視システムによってセンサの測定値が監視され、センサの測定値に基づいて異常が検出される。個々のセンサの測定値の変化は小さいため、個々のセンサの測定値から精度よく異常を検出することが難しい場合がある。そこで、例えばセンサの測定値が所定の正常範囲(例えば下限の閾値以上かつ上限の閾値以下の範囲)に含まれるか否かによって、該測定値が正常であるか異常であるかを判定し、異常な測定値を示すセンサの合計数に基づいて異常の発生を検知する技術がある。同様に、測定値から異常の度合を示す異常度(異常スコアともいう)を算出し、異常度の合計値に基づいて異常の発生を検知する技術がある。
図1は、例示的な異常センサの数および異常度のグラフを示す図である。図1のグラフの横軸は時間(任意単位)であり、縦軸は異常センサの数又は異常度(任意単位)である。異常センサの数は、その時間における異常な測定値を示すセンサの合計数である。異常度は、その時間における全センサ(あるいは異常な測定値を示すセンサ)の異常度の合計値である。図1のグラフから、ある時間t1において異常センサの数および異常度が大きく上昇していることがわかる。そのため、時間t1に何らかの異常が発生したことは判定できるが、何が発生したのか、その要因が何であるかは図1のグラフからは判定できない。
それに対して、本実施形態は、後述するように複数の階層でそれぞれ所定の基準に基づいてセンサのグループを生成し、グループごとに算出された異常度を各階層において時系列で表示する。このような構成により、どのようなグループに属するセンサに異常が発生したかを把握できるため異常の要因を特定しやすい。さらに、粗い階層(例えば装置の全体)からより細かい階層(例えば装置の部位)に切り替えて異常度の時系列変化を見ることができるため、詳細な単位で異常の発生メカニズムを分析することができる。
図2は、本実施形態に係る異常分析システム100のブロック図である。図2において、矢印は主なデータの流れを示しており、図2に示したもの以外のデータの流れがあってよい。図2において、各ブロックはハードウェア(装置)単位の構成ではなく、機能単位の構成を示している。そのため、図2に示すブロックは単一の装置内に実装されてよく、あるいは複数の装置内に別れて実装されてよい。ブロック間のデータの授受は、データバス、ネットワーク、可搬記憶媒体等、任意の手段を介して行われてよい。
異常分析システム100は、処理部として、センサ値取得部110、グループ生成部120、グループ異常度算出部130、および表示制御部140を備える。また、異常分析システム100は、記憶部として、グループ定義記憶部151およびグループ異常度記憶部152を備える。また、異常分析システム100は、表示装置としての、ディスプレイ160およびプリンタ170に接続される。
センサ値取得部110は、分析対象の工場(プラント)に設けられている複数のセンサSによって測定された時系列の測定値(センサ値)を示す情報を取得する。センサ値取得部110は、センサSからセンサ値を逐次受け取ってよく、あるいは所定の時間分のセンサ値をまとめて受け取ってよい。また、センサ値取得部110は、予めセンサSから受け取って異常分析システム100内に記録されたセンサ値を読み出してもよい。センサSは、温度センサ、圧力センサ、流量センサ、空気量センサ等の任意のセンサである。センサSは1つ又は複数の種類のセンサを含んでよく、また同じ種類のセンサが複数の場所に設けられてよい。各センサSは、その種類および設置場所によって識別および管理される。
グループ生成部120は、センサ値取得部110によってセンサ値が取得されたセンサSを複数の階層でそれぞれ分類することによって階層ごとのグループを生成する。本実施形態に係る異常分析システム100によるセンサSのグループ化方法を、図3を用いて説明する。
図3は、本実施形態に係るセンサSのグループ化方法を示す模式図である。グループ生成部120は、センサ値取得部110によってセンサ値が取得された複数のセンサSを複数の階層でそれぞれ分類し、階層ごとにグループを生成する。複数の階層は、センサSのグループ化の基準(粒度)が異なる階層である。すなわち、複数の階層は相対的に粗い階層および細かい階層を含んでいる。粗い階層では細かい階層よりもグループ化の範囲が広く、1つのグループに含まれるセンサSの数が多い。
図3に示す例示的な複数の階層は、装置全体のセンサSをグループ化する第1階層、装置の部位ごとにセンサSをグループ化する第2階層、および装置のより細かい部位ごとにセンサSをグループ化する第3階層を含む。すなわち、グループ生成部120は、装置の部位およびその部位をさらに分割した部分のように異なる基準でグループ化を行う複数の階層を定義し、各階層において所定の基準に基づいて(例えば所定の部位に設けられている)センサSを同じグループに分類する。
具体的には、グループ生成部120は第1階層において、成膜装置に設けられたセンサSからなるグループGを生成する。同じ第1階層には、成膜装置のグループGのほか、不図示の洗浄装置のグループ、冷却装置のグループ、加熱装置のグループ等が存在し得る。第1階層における成膜装置のグループGは、第2階層においてより細かいグループG1〜G4に分けられる。
次に、グループ生成部120は第2階層において、成膜装置の上部に設けられたセンサSからなるグループG1を生成する。同じ第2階層には、グループG1のほか、下部、側部等のグループG2〜4が存在し得る。第2階層における上部のグループG1は、第3階層においてより細かいグループG11〜G15に分けられる。
次に、グループ生成部120は第3階層において、成膜装置の上部外壁面に設けられたセンサSからなるグループG11を生成する。同じ第3階層には、上部外壁面のグループG11のほか、上部内壁面、上部空間等のグループG12〜15が存在し得る。第3階層におけるグループG11は、追加の階層においてさらに細かいセンサ群のグループに分けられてよい。
図3では設備およびその部位等のドメイン知識に基づいてグループを生成しているが、複数のセンサSの関係を示すグループを生成できれば、グループ化の基準はこれに限られない。例えば系統ごとにセンサSをグループ化することによって、設備をまたいで異常の分析を行うことができる。また、故障時に交換するユニットごとにセンサSをグループ化することによって、異常の要因として交換すべきユニットを容易に判別することができる。また、センサの名前(種類)ごとにセンサSのグループ化を行ってよく、あるいは第2の実施形態で説明するようにセンサS間の相関関係を用いてグループ化を行ってよい。
図3では1つのセンサSは1つの階層において1つのグループに所属しているが、1つのセンサSが1つの階層において複数のグループに所属してよい。換言すると、グループ同士は排他的ではなく、互いに重複してよい。階層の数および基準として、ここに示すものに限られず、センサSを異なる粒度でグループ化可能な任意の基準を用いてよい。
グループ定義記憶部151には、センサSをグループ化する基準を示すグループ定義情報が予め記録されている。グループ定義情報は、本実施形態に係るグループを生成するために、複数の階層において複数のセンサSをどのように分類してグループを生成するかを定義する情報を含む。グループ生成部120は、グループ定義記憶部151に記録されたグループ定義情報を読み出し、グループ定義情報に従って上述のように複数の階層におけるグループを生成する。
例えば、グループ定義情報は、各階層において分類の基準とする設備およびその部位の情報を含む。この場合には、グループ生成部120は、センサSが実際に設けられている設備およびその部位に従って、図3に示すように設備およびその部位ごとにグループを生成する。グループ定義情報は、これに限られず、実際のグループ化方法を実行するために必要な情報を含んでよい。
グループ定義情報は、任意のデータ形式(ファイル形式)で表されてよく、例えばバイナリデータ又はテキストデータでよい。また、グループ定義情報はバイナリファイル又はテキストファイルとしてグループ定義記憶部151に記録されてよく、あるいはデータベースのテーブルとしてグループ定義記憶部151に記録されてよい。
グループ異常度算出部130は、グループ生成部120により生成された各階層の各グループに対してグループ異常度を時系列で算出し、グループ異常度記憶部152に記録する。グループ異常度は、ある時間においてグループに含まれるセンサSの異常度の合計値である。センサSの異常度は、例えばセンサSの測定値の所定の閾値からの差分の値(又は割合)である。また、グループ異常度は、センサSの異常度の合計値に限らず、所定の閾値以上の異常度を有するセンサSの数でもよい。また、グループに含まれるセンサSの異常度の合計値を該グループに含まれるセンサSの数で除算することによって正規化を行ったものをグループ異常度としてよい。
グループ異常度は、任意のデータ形式(ファイル形式)で表されてよく、例えばバイナリデータ又はテキストデータでよい。また、グループ異常度はバイナリファイル又はテキストファイルとしてグループ異常度記憶部152に記録されてよく、あるいはデータベースのテーブルとしてグループ異常度記憶部152に記録されてよい。
センサSの異常度として、ここに示したものに限られず、センサSの測定値が正常な範囲から逸脱している程度を示すことが可能な任意の値を用いてよい。また、第2の実施形態のように2つのセンサS間の相関関係に対してインバリアント分析を行い、相関関係のモデルによる推定値とセンサSの測定値との差分(すなわち予測誤差)を異常度とし、グループに含まれる2つのセンサSの全ての組み合わせの異常度を合計したものをグループ異常度としてもよい。
温度センサ、圧力センサ等の種類の異なるセンサSが存在する場合には、センサSの種類の差違を吸収するように種類ごとに決められた係数を異常度に掛けてよい。センサSの種類ごとの係数は、グループ定義情報とともにグループ定義記憶部151に記録されてよい。
センサSに重み付けし、センサSごとに設定された重み係数をセンサSの異常度に掛けてよい。重要なセンサSには大きい重み係数を設定することにより、重要なセンサSの異常をグループ異常度に反映させやすくなる。重み係数は、グループ定義情報とともにグループ定義記憶部151に記録されてよい。
表示制御部140は、グループ異常度算出部130によって算出されてグループ異常度記憶部152に記録されたグループ異常度を、階層ごとに時系列で表示する制御を行う。本実施形態において、表示とはディスプレイ160による表示、プリンタ170による印刷等、利用者に対して視覚的に示すことをいう。本実施形態に係る異常分析システム100によるグループ異常度の表示方法を、図4〜6を用いて説明する。
図4は、本実施形態に係る異常分析システム100によって表示される粗い階層におけるグループ異常度のグラフを示す図である。粗い階層とは相対的な意味であり、図3の例においては第3階層に対して第1階層および第2階層が粗い階層であり、第2階層に対して第1階層が粗い階層である。図4のグラフの横軸は時間(任意単位)であり、縦軸はグループ異常度算出部130によって算出されるグループ異常度(任意単位)である。異常分析システム100は、利用者から所定の操作を受け付けると、ディスプレイ160又はプリンタ170を介して図4のグラフを表示する。
図4のグラフは、図3の第2階層におけるグループG1〜G4のグループ異常度の時系列変化を表す。図4のグラフから、時間t2より前ではグループG1およびG4のグループ異常度が間欠的に上下していることがわかる。そして、グループG1のグループ異常度が時間t2において上昇し始め、時間t3においてさらに急激に上昇していることがわかる。グループG1のグループ異常度の上昇に続いてグループG3およびG4のグループ異常度が上昇し、その後にグループG2のグループ異常度が上昇している。そのため、図4のグラフから、時間t2においてグループG1に所属するセンサSが設けられた設備の部位に何らかの異常の要因が発生し、その影響がグループG2〜G4に伝播していることを推測できる。
グループG1のグループ異常度は時間t2およびt3において2段階の上昇を示しているものの、第2階層のグラフだけではこれ以上詳細に異常の要因の分析を行うことはできない。そこで、異常分析システム100は、利用者から所定の操作(例えば入力装置からグループG1を指定する操作)を受け付けると、ディスプレイ160又はプリンタ170を介してより詳細な階層(ここでは第3階層)のグループ異常度のグラフを表示する。
図5および図6は、本実施形態に係る異常分析システム100によって表示される細かい階層におけるグループ異常度のグラフを示す図である。細かい階層とは相対的な意味であり、図3の例においては第1階層に対して第2階層および第3階層が細かい階層であり、第2階層に対して第3階層が細かい階層である。図5および図6のグラフの横軸は時間(任意単位)であり、縦軸はグループ異常度算出部130によって算出されるグループ異常度(任意単位)である。
図5のグラフは、図3の第3階層におけるグループG11〜G15のグループ異常度の時系列変化を、それぞれ折れ線グラフを用いて表す。すなわち、図5のグループG11〜G15のグラフは、図4のグループG1のグラフをより細かい階層にクローズアップして表示するものである。図5のグラフから、最初にグループG12のグループ異常度が上昇し、その影響がグループG11に伝播し、グループG12のグループ異常度が一旦収まっていることがわかる。さらにその後、グループG12のグループ異常度が再び上昇し、G13、G14およびG15のグループ異常度が順に上昇していることがわかる。そのため、図5のグラフから、グループG11に所属するセンサSが設けられた設備の部位が異常の要因となっており、その影響がグループG11、G13、G14およびG15に順に伝播していることが推測できる。
図6のグラフは、図3の第3階層におけるグループG11〜G14(グループG15は省略)のグループ異常度の時系列変化を、積み上げグラフを用いて表す。積み上げグラフは、折れ線グラフにおいて縦軸に各グループG11〜G14のグループ異常度の値を加算した値を用いるものである。図6の例では、グループG12の縦軸の値としてグループG12のグループ異常度自体を用い、グループG11の縦軸の値としてグループG11およびG12のグループ異常度の合計値を用い、グループG13の縦軸の値としてグループG11〜G13のグループ異常度の合計値を用い、グループG14の縦軸の値としてグループG11〜G14のグループ異常度の合計値を用いている。
図6の積み上げグラフからは、図5の折れ線グラフと同様に異常の要因および異常の影響の伝播を分析できるとともに、全体としてのグループ異常度の変化を容易に知ることができる。
異常分析システム100は、図5の折れ線グラフおよび図6の積み上げグラフのどちらか一方のみを表示してよく、あるいは利用者による所定の操作に応じてそれらを切り替えて表示してよい。
図4〜6に示すグループ異常度の表示方法は一例であり、グループごとのグループ異常度の時系列変化を利用者に示すことができれば、線グラフ、棒グラフ、面グラフ等、任意の表示方法を用いてよい。
図7は、本実施形態に係る異常分析システム100の例示的な機器構成を示す概略構成図である。異常分析システム100は、CPU(Central Processing Unit)101と、メモリ102と、記憶装置103と、通信インターフェース104と、ディスプレイ160と、プリンタ170とを備える。異常分析システム100は独立した装置でよく、あるいは他の装置と一体に構成されてよい。
通信インターフェース104は、データの送受信を行う通信部であり、有線通信および無線通信の少なくとも一方の通信方式を実行可能に構成される。通信インターフェース104は、該通信方式に必要なプロセッサ、電気回路、アンテナ、接続端子等を含む。通信インターフェース104は、CPU101からの信号に従って、該通信方式を用いて通信を行う。通信インターフェース104は、例えばセンサSの測定値を示す情報をセンサSから受信する。
記憶装置103は、異常分析システム100が実行するプログラムや、プログラムによる処理結果のデータ等を記憶する。記憶装置103は、読み取り専用のROM(Read Only Memory)や、読み書き可能のハードディスクドライブ又はフラッシュメモリ等を含む。また、記憶装置103は、CD−ROM等のコンピュータ読取可能な可搬記憶媒体を含んでもよい。メモリ102は、CPU101が処理中のデータや記憶装置103から読み出されたプログラムおよびデータを一時的に記憶するRAM(Random Access Memory)等を含む。
CPU101は、処理に用いる一時的なデータをメモリ102に一時的に記録し、記憶装置103に記録されたプログラムを読み出し、該プログラムに従って該一時的なデータに対して種々の演算、制御、判別などの処理動作を実行する処理部としてのプロセッサである。また、CPU101は、記憶装置103に処理結果のデータを記録し、また通信インターフェース104を介して処理結果のデータを外部に送信する。
本実施形態においてCPU101は、記憶装置103に記録されたプログラムを実行することによって、図2のセンサ値取得部110、グループ生成部120、グループ異常度算出部130、および表示制御部140として機能する。また、本実施形態において記憶装置103は、図2のグループ定義記憶部151およびグループ異常度記憶部152として機能する。
ディスプレイ160は、利用者に対して情報を表示する表示装置である。ディスプレイ160として、CRT(Cathode Ray Tube)ディスプレイ、液晶ディスプレイ等の任意の表示装置を用いてよい。ディスプレイ160は、CPU101からの信号に従って、所定の情報を表示する。
プリンタ170は、CPU101からの信号に従って、所定の情報を印刷する印刷装置である。プリンタ170としては、サーマルプリンタ、インクジェットプリンタ、レーザプリンタ等の任意の印刷装置を用いてよい。
異常分析システム100は、図7に示す具体的な構成に限定されない。異常分析システム100は、1つの装置に限られず、2つ以上の物理的に分離した装置が有線又は無線で接続されることにより構成されていてもよい。異常分析システム100に含まれる各部は、それぞれ電気回路構成により実現されていてもよい。ここで、電気回路構成とは、単一のデバイス、複数のデバイス、チップセット又はクラウドを概念的に含む文言である。
また、異常分析システム100の少なくとも一部がSaaS(Software as a Service)形式で提供されてよい。すなわち、異常分析システム100を実現するための機能の少なくとも一部が、ネットワーク経由で実行されるソフトウェアによって実行されてよい。
図8は、本実施形態に係る異常分析システム100を用いる異常分析方法のフローチャートを示す図である。異常分析方法は、例えば利用者が異常分析システム100に対して所定の操作を行うことによって開始される。
まず、センサ値取得部110は、分析対象の工場(プラント)に設けられている複数のセンサSによって測定された時系列の測定値(センサ値)を示す情報を取得する(ステップS101)。センサ値取得部110は、センサSから通信インターフェース104を介してセンサ値を取得してよく、あるいは既にセンサSから取得されて異常分析システム100のメモリ102又は記憶装置103に記録されたセンサ値を読み出すことによって取得してよい。
次に、グループ生成部120は、ステップS101においてセンサ値が取得されたセンサSを複数の階層でそれぞれ分類することによってグループを生成する(ステップS102)。より具体的には、グループ生成部120は、グループ定義記憶部151からセンサSをグループ化する基準を示すグループ定義情報を読み出す。そして、グループ生成部120は、グループ定義情報に基づいて、グループを生成すべき複数の階層(例えば図3の第1階層〜第3階層)を決定し、階層ごとにセンサSを分類してグループを生成する。
次に、グループ異常度算出部130は、ステップS102で生成された複数の階層のうち1つの階層において、複数のグループのうち1つのグループのグループ異常度を時系列で算出する(ステップS103)。グループ異常度として、グループに含まれるセンサSの異常度の合計値や、所定の閾値以上の異常度を有するセンサSの数等を用いて算出される値を用いる。
対象の階層における全てのグループについてグループ異常度の算出が終了していない場合には(ステップS104のNO)、次のグループについてステップS103を繰り返す。対象の階層における全てのグループについてグループ異常度の算出が終了した場合には(ステップS104のYES)、ステップS105に進む。
ステップS102で決定された全ての階層についてグループ異常度が算出されていない場合には(ステップS105のNO)、次の階層についてステップS103を繰り返す。ステップS102で決定された全ての階層についてグループ異常度が算出された場合には(ステップS105のYES)、ステップS106に進む。
グループ異常度算出部130は、ステップS103において階層ごとおよびグループごとに算出されたグループ異常度を出力する(ステップS106)。出力されたグループ異常度は、グループ異常度記憶部152に記録される。
表示制御部140は、ステップS102で決定された複数の階層のうち、表示対象とする階層を選択する(ステップS107)。表示対象の階層は、異常分析システム100によって予め指定されてよく、あるいは利用者による所定の操作に従って指定されてよい。
表示制御部140は、ステップS107で選択された表示対象の階層に含まれる各グループのグループ異常度を時系列のグラフとして表示する制御を行う(ステップS108)。表示制御部140は、ディスプレイ160又はプリンタ170を制御することによってグループ異常度を表示する。グループ異常度は、例えば図4および図5に示す折れ線グラフ又は図6に示す積み上げグラフによって時系列で表される。
利用者によって別の階層の表示が指示された場合等、表示が終了されない場合には(ステップS109のNO)、表示対象の階層についてステップS107〜S108を繰り返す。利用者によって表示の終了が指示された場合等、表示が終了された場合には(ステップS109のYES)、異常分析方法を終了する。
図8のフローチャートではステップS101〜S106におけるグループ異常度の算出処理と、ステップS107〜S109におけるグループ異常度の表示処理とが続けて行われているが、これらの処理は独立して行われてよい。例えばグループ異常度の算出処理を所定の時間間隔で自動的に実行されるバッチ処理として行い、グループ異常度の表示処理を利用者の操作に応じて実行されるインタラクティブ処理として行ってよい。
本実施形態において異常分析システム100のCPU101は、図8に示す処理に含まれる各ステップ(工程)の主体となる。すなわち、CPU101は、図8に示す処理を実行するためのプログラムをメモリ102又は記憶装置103から読み出し、該プログラムを実行して異常分析システム100の各部を制御することによって図8に示す処理を実行する。また、図8に示す処理の少なくとも一部は、CPU101ではなく、専用の装置又は電気回路によって行われてもよい。
本実施形態に係る異常分析システム100を用いる異常分析方法は、グループ化の基準が異なる複数の階層でそれぞれセンサSのグループを生成し、階層ごとにグループの異常度の時系列変化を表示する。そのため、利用者は異常度の時系列の全体像を把握できるとともに、より細かい階層(部位)にクローズアップしたグラフを参照して異常の要因である部位、異常の影響の伝搬、および異常の発生メカニズムを詳細に分析することができる。
(第2の実施形態)
第1の実施形態ではセンサSが設置されている装置およびその部位に基づいて階層およびグループを定義するのに対して、本実施形態ではセンサS同士の相関関係に基づいて階層およびグループを定義する。本実施形態は、第1の実施形態とグループ化の基準が異なるのみであり、第1の実施形態と同様の構成を有する異常分析システム100を用いる。
図9は、本実施形態に係るセンサSのグループ化方法を示す模式図である。本実施形態では、グループ生成部120は、例えばインバリアントモデル、すなわちARX(Auto−Regressive with eXogenous input)モデルを用いて、センサ値取得部110によってセンサ値が取得されたセンサS間の相関値を算出する。インバリアントモデルでは、変数間(ここでは2つのセンサS間)の正常時の関係(不変関係)をモデルとして定義し、該モデルと測定値とを比較することによって異常分析を行うことができる。2つのセンサS間の相関が高いほど、モデルにおける相関値が大きい。
グループ生成部120は、算出したセンサS間の相関値に基づいて、複数のセンサSを複数の階層でそれぞれ分類し、階層ごとにグループを生成する。ここでは第1階層および第2階層の2つの階層を用いるが、階層の数はこれに限られない。
具体的には、グループ生成部120は第1階層において、第1の閾値以上の相関値を有するセンサSの組からなるグループG5、G6を生成する。第1の閾値は比較的小さい値に設定されており、相関性が比較的低いセンサSがグループ化される。そのため、第1階層では大きい(すなわち含まれるセンサSの数が多い)グループG5、G6が生成される。
次にグループG5について、グループ生成部120は第2階層において、第2の閾値以上の相関値を有するセンサSの組からなるグループG51〜G53を生成する。第2の閾値は第1の閾値より大きく設定されており、より相関性が高いセンサSがグループ化される。そのため、第2階層では第1階層よりも小さい(すなわち含まれるセンサSの数が少ない)グループが生成される。同様に、グループG6についても第2階層における不図示のグループが生成される。
グループ異常度算出部130は、グループに含まれる各センサSの実測値とモデルによる推定値との差(すなわち予測誤差)をセンサSの異常度とし、それを合計したものを該グループのグループ異常度として算出する。グループ異常度としてその他の定義を用いてよい。例えば予測誤差に基づいてセンサSに重み付けし、センサSごとの重みが反映される異常度を用いてよい。
本実施形態に係る異常分析システム100は、第1の実施形態と同様の効果を奏するとともに、センサS間の相関関係を用いて階層およびグループを定義するため、予め装置およびその部位のドメイン知識を用いて階層およびグループの基準を設定しなくとも、複数の階層においてグループを生成することができる。
(第3の実施形態)
第1の実施形態ではグループ異常度の時系列変化を表示するのに対して、本実施形態ではさらに異常の発生プロセスを学習して異常検知を行う。以下では第1の実施形態と異なる部分を説明する。
図10は、本実施形態に係る異常分析システム100のブロック図である。図10において、矢印は主なデータの流れを示しており、図10に示したもの以外のデータの流れがあってよい。図10において、各ブロックはハードウェア(装置)単位の構成ではなく、機能単位の構成を示している。そのため、図10に示すブロックは単一の装置内に実装されてよく、あるいは複数の装置内に別れて実装されてよい。ブロック間のデータの授受は、データバス、ネットワーク、可搬記憶媒体等、任意の手段を介して行われてよい。
図10の異常分析システム100は、図2の構成に加えて、処理部として異常検出部180および異常学習部190を備え、記憶部として異常定義記憶部153を備える。
異常検出部180は、異常定義記憶部153に記録された異常定義情報に基づいて、グループ異常度の時系列変化から異常を検出する。異常定義記憶部153には、異常の発生時にどのような順序でグループ異常度が上昇するかのパターンを示す異常定義情報が記録されている。異常検出部180は、異常定義記憶部153に記録された異常定義情報を読み出し、異常定義情報に従って異常を検出する。異常検出部180は、現在出力されているグループ異常度の時系列変化から異常の予兆を検出してよく、あるいは過去に出力済のグループ異常度の時系列変化から事後的に異常を検出してよい。
具体的には、異常検出部180は、所定の閾値以上のグループ異常度を示すグループの順序をパターンとして決定する。例えば図5では、グループG12、G11、G13の順序をパターンとする。異常検出部180は、決定したパターンに合致する異常定義情報が、異常定義記憶部153に存在するかを判定する。決定したパターンに合致する異常定義情報が存在する場合には、異常検出部180は異常を検出し、該検出結果に従って表示制御部140は異常を利用者に通知する。これにより、利用者は過去に発生した異常と同様のグループ異常度のパターンが出力されていることを知ることができる。
また、異常検出部180は、決定したパターンが異常定義記憶部153に記録された異常定義情報のパターンの少なくとも最初の一部に合致する場合に、異常の予兆を検出し、該検出結果に従って表示制御部140は異常の予兆を利用者に通知してよい。これにより、利用者は過去に発生した異常の予兆を知ることができ、異常に対して未然に対応することが可能になる。
異常の検出方法はここに示したものに限られない。例えば、所定の閾値以上のグループ異常度を示す複数のグループの組み合わせの順序をパターンとしてもよい。例えば図5では、グループG12、グループG11〜G12の組み合わせ、グループG11〜G13の組み合わせという順序のパターンを異常定義情報としてよい。
異常学習部190は、グループ異常度の時系列変化において検出されたパターンが、異常定義記憶部153に記録されたいずれの異常定義情報にも該当しない場合に、該パターンを新たな異常定義情報として異常定義記憶部153に記録する。これにより、未知のグループ異常度を登録し、次の異常検知に用いることができる。
本実施形態においてCPU101は、記憶装置103に記録されたプログラムを実行することによって、図10のセンサ値取得部110、グループ生成部120、グループ異常度算出部130、表示制御部140、異常検出部180、および異常学習部190として機能する。また、本実施形態において記憶装置103は、図10のグループ定義記憶部151、グループ異常度記憶部152、および異常定義記憶部153として機能する。
(その他の実施形態)
図11は、上述の各実施形態に係る異常分析システム100のブロック図である。図11には、異常分析システム100が複数の階層でセンサSのグループを生成し、グループ異常度の時系列変化を表示する装置として機能するための構成例が示されている。異常分析システム100は、複数の階層においてそれぞれセンサのグループを生成するグループ生成部120と、前記グループに含まれる前記センサの測定値から前記グループごとのグループ異常度を算出するグループ異常度算出部130と、前記複数の階層のうちいずれかの階層において前記グループ異常度の時系列変化を表示する制御を行う表示制御部140と、備える。
本発明は、上述の実施形態に限定されることなく、本発明の趣旨を逸脱しない範囲において適宜変更可能である。
上述の実施形態の機能を実現するように該実施形態の構成を動作させるプログラム(より具体的には、図8に示す処理をコンピュータに実行させる異常分析プログラム)を記録媒体に記録させ、該記録媒体に記録されたプログラムをコードとして読み出し、コンピュータにおいて実行する処理方法も各実施形態の範疇に含まれる。すなわち、コンピュータ読取可能な記録媒体も各実施形態の範囲に含まれる。また、上述のプログラムが記録された記録媒体はもちろん、そのプログラム自体も各実施形態に含まれる。
該記録媒体としては例えばフロッピー(登録商標)ディスク、ハードディスク、光ディスク、光磁気ディスク、CD−ROM、磁気テープ、不揮発性メモリカード、ROMを用いることができる。また該記録媒体に記録されたプログラム単体で処理を実行しているものに限らず、他のソフトウェア、拡張ボードの機能と共同して、OS上で動作して処理を実行するものも各実施形態の範疇に含まれる。
上述の実施形態の一部又は全部は、以下の付記のようにも記載されうるが、以下には限られない。
(付記1)
複数の階層において前記階層ごとにセンサのグループを生成する工程と、
前記グループに含まれる前記センサの測定値から前記グループごとのグループ異常度を算出する工程と、
前記複数の階層のうちいずれかの階層において前記グループ異常度の時系列変化を表示する制御を行う工程と、
を備える異常分析方法。
(付記2)
前記制御を行う工程は、前記複数の階層のうち第1の階層における前記グループ異常度の時系列変化を表示する制御を行った後、前記第1の階層において指定された前記グループについて前記複数の階層のうち第2の階層における前記グループ異常度の時系列変化を表示する制御を行うことを特徴とする、付記1に記載の異常分析方法。
(付記3)
前記グループを生成する工程は、前記センサが設置されている設備の部位又は系統に基づいて前記センサを分類することによって、複数の前記階層において前記階層ごとに前記グループを生成することを特徴とする、付記1又は2に記載の異常分析方法。
(付記4)
前記グループを生成する工程は、同一の設備の前記部位又は系統に設けられた前記センサを分類することによって第1の階層における前記グループを生成し、前記部位又は系統をさらに分割した部分に設けられた前記センサを分類することによって第2の階層における前記グループを生成することを特徴とする、付記3に記載の異常分析方法。
(付記5)
前記グループを生成する工程は、2つの前記センサの組の相関関係に基づいて前記センサを分類することによって、前記グループを生成することを特徴とする、付記1又は2に記載の異常分析方法。
(付記6)
前記グループを生成する工程は、第1の閾値以上の相関値を有する前記センサの組を分類することによって第1の階層における前記グループを生成し、第1の閾値よりも大きい第2の閾値以上の前記相関値を有する前記センサの組を分類することによって第2の階層における前記グループを生成することを特徴とする、付記5に記載の異常分析方法。
(付記7)
前記グループ異常度を算出する工程は、前記センサごとの異常度を合計した値又は所定の閾値以上の前記異常度を示す前記センサの数を用いて前記グループ異常度を算出することを特徴とする、付記1〜6のいずれか一項に記載の異常分析方法。
(付記8)
前記グループ異常度を算出する工程は、2つの前記センサの組の正常時の相関関係から算出した推定値と前記センサの組の測定値との差を用いて前記グループ異常度を算出することを特徴とする、付記1〜6のいずれか一項に記載の異常分析方法。
(付記9)
複数の前記グループの前記グループ異常度がどのような順序で上昇するかに基づいて異常を検出する工程をさらに備える、付記1〜8のいずれか一項に記載の異常分析方法。
(付記10)
コンピュータに、
複数の階層において前記階層ごとにセンサのグループを生成する工程と、
前記グループに含まれる前記センサの測定値から前記グループごとのグループ異常度を算出する工程と、
前記複数の階層のうちいずれかの階層において前記グループ異常度の時系列変化を表示する制御を行う工程と、
を実行させる異常分析プログラム。
(付記11)
複数の階層において前記階層ごとにセンサのグループを生成するグループ生成部と、
前記グループに含まれる前記センサの測定値から前記グループごとのグループ異常度を算出するグループ異常度算出部と、
前記複数の階層のうちいずれかの階層において前記グループ異常度の時系列変化を表示する制御を行う表示制御部と、
を備える異常分析システム。

Claims (11)

  1. 複数の階層において前記階層ごとにセンサのグループを生成する工程と、
    前記グループに含まれる前記センサの測定値から前記グループごとのグループ異常度を算出する工程と、
    前記複数の階層のうちいずれかの階層において前記グループ異常度の時系列変化を表示する制御を行う工程と、
    を備える異常分析方法。
  2. 前記制御を行う工程は、前記複数の階層のうち第1の階層における前記グループ異常度の時系列変化を表示する制御を行った後、前記第1の階層において指定された前記グループについて前記複数の階層のうち第2の階層における前記グループ異常度の時系列変化を表示する制御を行うことを特徴とする、請求項1に記載の異常分析方法。
  3. 前記グループを生成する工程は、前記センサが設置されている設備の部位又は系統に基づいて前記センサを分類することによって、複数の前記階層において前記階層ごとに前記グループを生成することを特徴とする、請求項1又は2に記載の異常分析方法。
  4. 前記グループを生成する工程は、同一の設備の前記部位又は系統に設けられた前記センサを分類することによって第1の階層における前記グループを生成し、前記部位又は系統をさらに分割した部分に設けられた前記センサを分類することによって第2の階層における前記グループを生成することを特徴とする、請求項3に記載の異常分析方法。
  5. 前記グループを生成する工程は、2つの前記センサの組の相関関係に基づいて前記センサを分類することによって、前記グループを生成することを特徴とする、請求項1又は2に記載の異常分析方法。
  6. 前記グループを生成する工程は、第1の閾値以上の相関値を有する前記センサの組を分類することによって第1の階層における前記グループを生成し、第1の閾値よりも大きい第2の閾値以上の前記相関値を有する前記センサの組を分類することによって第2の階層における前記グループを生成することを特徴とする、請求項5に記載の異常分析方法。
  7. 前記グループ異常度を算出する工程は、前記センサごとの異常度を合計した値又は所定の閾値以上の前記異常度を示す前記センサの数を用いて前記グループ異常度を算出することを特徴とする、請求項1〜6のいずれか一項に記載の異常分析方法。
  8. 前記グループ異常度を算出する工程は、2つの前記センサの組の正常時の相関関係から算出した推定値と前記センサの組の測定値との差を用いて前記グループ異常度を算出することを特徴とする、請求項1〜6のいずれか一項に記載の異常分析方法。
  9. 複数の前記グループの前記グループ異常度がどのような順序で上昇するかに基づいて異常を検出する工程をさらに備える、請求項1〜8のいずれか一項に記載の異常分析方法。
  10. コンピュータに、
    複数の階層において前記階層ごとにセンサのグループを生成する工程と、
    前記グループに含まれる前記センサの測定値から前記グループごとのグループ異常度を算出する工程と、
    前記複数の階層のうちいずれかの階層において前記グループ異常度の時系列変化を表示する制御を行う工程と、
    を実行させる異常分析プログラム。
  11. 複数の階層において前記階層ごとにセンサのグループを生成するグループ生成部と、
    前記グループに含まれる前記センサの測定値から前記グループごとのグループ異常度を算出するグループ異常度算出部と、
    前記複数の階層のうちいずれかの階層において前記グループ異常度の時系列変化を表示する制御を行う表示制御部と、
    を備える異常分析システム。

JP2018555321A 2016-12-08 2016-12-08 異常分析方法、プログラムおよびシステム Active JP6774636B2 (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
PCT/JP2016/005084 WO2018104985A1 (ja) 2016-12-08 2016-12-08 異常分析方法、プログラムおよびシステム

Publications (2)

Publication Number Publication Date
JPWO2018104985A1 true JPWO2018104985A1 (ja) 2019-07-25
JP6774636B2 JP6774636B2 (ja) 2020-10-28

Family

ID=62490922

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2018555321A Active JP6774636B2 (ja) 2016-12-08 2016-12-08 異常分析方法、プログラムおよびシステム

Country Status (3)

Country Link
US (1) US20210116331A1 (ja)
JP (1) JP6774636B2 (ja)
WO (1) WO2018104985A1 (ja)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6615963B1 (ja) * 2018-08-31 2019-12-04 株式会社日立パワーソリューションズ 異常予兆診断装置及び異常予兆診断方法
KR102103270B1 (ko) * 2018-09-14 2020-04-22 삼미정보시스템 주식회사 센서 고장 자동 탐지 방법 및 시스템

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS52142171A (en) * 1976-05-21 1977-11-26 Hitachi Ltd Plant machinery supervisory system
JPH08234832A (ja) * 1995-02-24 1996-09-13 Toshiba Corp プラント監視診断装置および方法
JP2011243118A (ja) * 2010-05-20 2011-12-01 Hitachi Ltd 監視診断装置および監視診断方法
JP2013143009A (ja) * 2012-01-11 2013-07-22 Hitachi Ltd 設備状態監視方法およびその装置

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS52142171A (en) * 1976-05-21 1977-11-26 Hitachi Ltd Plant machinery supervisory system
JPH08234832A (ja) * 1995-02-24 1996-09-13 Toshiba Corp プラント監視診断装置および方法
JP2011243118A (ja) * 2010-05-20 2011-12-01 Hitachi Ltd 監視診断装置および監視診断方法
JP2013143009A (ja) * 2012-01-11 2013-07-22 Hitachi Ltd 設備状態監視方法およびその装置

Also Published As

Publication number Publication date
JP6774636B2 (ja) 2020-10-28
US20210116331A1 (en) 2021-04-22
WO2018104985A1 (ja) 2018-06-14

Similar Documents

Publication Publication Date Title
EP2905665B1 (en) Information processing apparatus, diagnosis method, and program
US9658916B2 (en) System analysis device, system analysis method and system analysis program
US10747188B2 (en) Information processing apparatus, information processing method, and, recording medium
TWI632443B (zh) 異常資料的重要度判定裝置以及異常資料的重要度判定方法
JP6708203B2 (ja) 情報処理装置、情報処理方法、及び、プログラム
JP2015162140A (ja) プラントと制御装置の診断装置
JPWO2018104985A1 (ja) 異常分析方法、プログラムおよびシステム
JP2016152011A (ja) 制御装置の故障予測システム
EP2963552B1 (en) System analysis device and system analysis method
JPWO2018073960A1 (ja) 表示方法、表示装置、および、プログラム
WO2016208315A1 (ja) プラント診断装置及びプラント診断方法
KR101978569B1 (ko) 플랜트 데이터 예측 장치 및 방법
JP2013033149A (ja) 画質異常予測システム及びプログラム
US10157113B2 (en) Information processing device, analysis method, and recording medium
JP2017097712A (ja) 機器診断装置及びシステム及び方法
US20160369777A1 (en) System and method for detecting anomaly conditions of sensor attached devices
JP2016177676A (ja) 診断装置、診断方法、診断システムおよび診断プログラム
JP2019159786A (ja) 情報処理装置、情報処理方法、プログラム
JP6948197B2 (ja) プロセス監視装置
JP6489235B2 (ja) システム分析方法、システム分析装置、および、プログラム
JP6164311B1 (ja) 情報処理装置、情報処理方法、及び、プログラム
JP6728830B2 (ja) 情報処理装置、情報処理方法、及び、プログラム
TW201926041A (zh) 設備保養預測系統及其操作方法
US20210240174A1 (en) Monitoring System and Monitoring Method
WO2021241579A1 (ja) 異常変調原因特定装置、異常変調原因特定方法及び異常変調原因特定プログラム

Legal Events

Date Code Title Description
A521 Written amendment

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20190409

A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20190409

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20200526

A521 Written amendment

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20200630

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: 20200903

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20200916

R150 Certificate of patent or registration of utility model

Ref document number: 6774636

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150