JPWO2022065103A5 - - Google Patents
Download PDFInfo
- Publication number
- JPWO2022065103A5 JPWO2022065103A5 JP2022551891A JP2022551891A JPWO2022065103A5 JP WO2022065103 A5 JPWO2022065103 A5 JP WO2022065103A5 JP 2022551891 A JP2022551891 A JP 2022551891A JP 2022551891 A JP2022551891 A JP 2022551891A JP WO2022065103 A5 JPWO2022065103 A5 JP WO2022065103A5
- Authority
- JP
- Japan
- Prior art keywords
- abnormality
- time
- processor
- threshold
- distance
- 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.)
- Pending
Links
- 230000005856 abnormality Effects 0.000 description 15
- 230000005484 gravity Effects 0.000 description 4
- 238000000034 method Methods 0.000 description 3
- 238000002360 preparation method Methods 0.000 description 1
Description
プロセッサ101は、信号強度データPsと準備工程で得られたデータとを用いて、第1異常予測工程(ステップS40)、第2異常予測工程(ステップS60)およびトレンド解析工程(ステップS70)を実行する。これらの各工程は、並行して実行されてもよいし、順次実行されてもよい。
[第2異常予測工程]
図10は、第2異常予測工程の一例を示すフローチャートである。図10を参照して、プロセッサ101は、各周波数帯域の信号強度の重心位置を示す2次元の重心データを算出する(ステップS61)。具体的には、プロセッサ101は、ステップS34で記憶された信号強度データPsから式(1)および(2)を用いて2次元の重心データ(すなわち、重心位置Gx,Gy)を算出する。
図10は、第2異常予測工程の一例を示すフローチャートである。図10を参照して、プロセッサ101は、各周波数帯域の信号強度の重心位置を示す2次元の重心データを算出する(ステップS61)。具体的には、プロセッサ101は、ステップS34で記憶された信号強度データPsから式(1)および(2)を用いて2次元の重心データ(すなわち、重心位置Gx,Gy)を算出する。
プロセッサ101は、距離MD2が閾値Th2(例えば、5)以上であるか否かを判断する(ステップS65)。距離MD2が閾値Th2未満である場合(ステップS65においてNO)、プロセッサ101は第2異常予測工程を終了する。距離MD2が閾値Th2以上である場合(ステップS65においてYES)、プロセッサ101は、極めて近い将来にポンプ70に異常が発生すると予測して、異常アラートを出力して(ステップS67)、第2異常予測工程を終了する。
グラフ420によると、マハラノビス距離MDx2は、時間Tb1のときに初めて閾値Th2(=5)を超えている。その後、時間Tb2において参照ポンプに異常が発生している。時間Tb1から時間Tb2までの期間は、5.5時間であった。このことから、マハラノビス距離MDx2が閾値Th2を最初に超えてから数時間後に異常が発生しているといえる。
<その他の実施の形態>
(1)上述した実施の形態では、解析装置10は、閾値Th1以上となるマハラノビス距離MD1が初めて算出されてから数日後に異常発生すると予測する構成について説明した。これに関して、図9に示されるように、時間Ta1のときに初めて閾値Th1以上となってから、時間Ta2,Ta3,Ta4において、マハラノビス距離MDx1は閾値Th1以上となり、時間Ta5において参照ポンプに異常が発生している。そのため、マハラノビス距離MDx1が閾値Th1以上となる回数が多くなるほど、異常発生時期が近づいているといえる。そのため、解析装置10(異常予測部212)は、閾値Th1以上となる距離MD1が算出される回数が多いほど、より近い将来にポンプ70の異常が発生すると予測してもよい。
(1)上述した実施の形態では、解析装置10は、閾値Th1以上となるマハラノビス距離MD1が初めて算出されてから数日後に異常発生すると予測する構成について説明した。これに関して、図9に示されるように、時間Ta1のときに初めて閾値Th1以上となってから、時間Ta2,Ta3,Ta4において、マハラノビス距離MDx1は閾値Th1以上となり、時間Ta5において参照ポンプに異常が発生している。そのため、マハラノビス距離MDx1が閾値Th1以上となる回数が多くなるほど、異常発生時期が近づいているといえる。そのため、解析装置10(異常予測部212)は、閾値Th1以上となる距離MD1が算出される回数が多いほど、より近い将来にポンプ70の異常が発生すると予測してもよい。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020160910 | 2020-09-25 | ||
PCT/JP2021/033498 WO2022065103A1 (ja) | 2020-09-25 | 2021-09-13 | 振動解析システム、および振動解析方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JPWO2022065103A1 JPWO2022065103A1 (ja) | 2022-03-31 |
JPWO2022065103A5 true JPWO2022065103A5 (ja) | 2024-04-02 |
Family
ID=80845354
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022551891A Pending JPWO2022065103A1 (ja) | 2020-09-25 | 2021-09-13 |
Country Status (6)
Country | Link |
---|---|
US (1) | US20230332979A1 (ja) |
JP (1) | JPWO2022065103A1 (ja) |
KR (1) | KR20230073210A (ja) |
CN (1) | CN116209883A (ja) |
TW (1) | TW202219470A (ja) |
WO (1) | WO2022065103A1 (ja) |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3692106B2 (ja) * | 2002-09-27 | 2005-09-07 | 株式会社東芝 | 製造装置及び回転機の寿命予測方法 |
JP4396286B2 (ja) * | 2004-01-21 | 2010-01-13 | 三菱電機株式会社 | 機器診断装置および機器監視システム |
CN105300692B (zh) * | 2015-08-07 | 2017-09-05 | 浙江工业大学 | 一种基于扩展卡尔曼滤波算法的轴承故障诊断及预测方法 |
JP2017142153A (ja) * | 2016-02-10 | 2017-08-17 | セイコーエプソン株式会社 | 寿命予測方法、寿命予測装置、および寿命予測システム |
JP6796562B2 (ja) | 2017-08-10 | 2020-12-09 | 公益財団法人鉄道総合技術研究所 | 代表データ選択装置、機器診断装置、プログラム及び代表データ選択方法 |
JP2020134479A (ja) * | 2019-02-26 | 2020-08-31 | 日本電産株式会社 | 異常検出方法および異常検出装置 |
JP7306967B2 (ja) * | 2019-11-06 | 2023-07-11 | 株式会社日本製鋼所 | 異常検知装置、異常検知方法及びコンピュータプログラム |
-
2021
- 2021-09-13 JP JP2022551891A patent/JPWO2022065103A1/ja active Pending
- 2021-09-13 WO PCT/JP2021/033498 patent/WO2022065103A1/ja active Application Filing
- 2021-09-13 KR KR1020237010195A patent/KR20230073210A/ko unknown
- 2021-09-13 US US18/026,210 patent/US20230332979A1/en active Pending
- 2021-09-13 CN CN202180065165.5A patent/CN116209883A/zh active Pending
- 2021-09-24 TW TW110135478A patent/TW202219470A/zh unknown
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11948061B2 (en) | Deep auto-encoder for equipment health monitoring and fault detection in semiconductor and display process equipment tools | |
WO2016037579A1 (zh) | DDoS攻击检测方法和装置 | |
EP3361443A1 (en) | Action detecting system, action detecting device, action detecting method, and action detecting program | |
JP6611677B2 (ja) | 単変量時系列信号に対してリアルタイムで外れ値を検出するシステム及び方法 | |
JP6658250B2 (ja) | 異常診断方法、異常診断装置、及び異常診断プログラム | |
CN114864104A (zh) | 传染病疫情预测方法及装置、存储介质、电子设备 | |
JP2010020776A5 (ja) | ||
KR101522385B1 (ko) | 반도체 제조 공정에서의 이상 감지 방법, 장치 및 기록매체 | |
JP6263281B2 (ja) | 占有数推定のためのシステムおよび方法 | |
JP6848546B2 (ja) | 変化点検出装置および変化点検出方法 | |
JP6277638B2 (ja) | 信号処理装置、信号処理方法及びコンピュータプログラム | |
CN110603547A (zh) | 医疗不良事件预测、报告和预防 | |
JPWO2022065103A5 (ja) | ||
JP6368798B2 (ja) | 監視装置、監視システムおよび監視方法 | |
JP4825485B2 (ja) | データバックアップシステム | |
EP4012365A1 (en) | Abnormal temperature detection device, abnormal temperature detection method, and abnormal temperature detection program | |
CN113838580B (zh) | 传染病传染规模预测方法、装置、存储介质及电子设备 | |
CN112380073B (zh) | 一种故障位置的检测方法、装置及可读存储介质 | |
CN112395178B (zh) | 一种设备故障预测方法 | |
CN116956076B (zh) | 一种用户数量异常状态的提示系统 | |
CN116401137A (zh) | 一种芯粒健康状态预测方法、装置、电子设备及存储介质 | |
CN111258854A (zh) | 模型训练方法、基于预测模型的报警方法和相关装置 | |
JP2019113935A5 (ja) | ||
JP6627258B2 (ja) | システムモデル生成支援装置、システムモデル生成支援方法、及び、プログラム | |
JP2013011987A (ja) | 異常状態検知装置及び異常状態検知方法 |