KR102497374B1 - 비정상 검출 시스템, 비정상 검출 방법 및 기록 매체에 저장된 비정상 검출 프로그램 - Google Patents
비정상 검출 시스템, 비정상 검출 방법 및 기록 매체에 저장된 비정상 검출 프로그램 Download PDFInfo
- Publication number
- KR102497374B1 KR102497374B1 KR1020227028872A KR20227028872A KR102497374B1 KR 102497374 B1 KR102497374 B1 KR 102497374B1 KR 1020227028872 A KR1020227028872 A KR 1020227028872A KR 20227028872 A KR20227028872 A KR 20227028872A KR 102497374 B1 KR102497374 B1 KR 102497374B1
- Authority
- KR
- South Korea
- Prior art keywords
- signal value
- binary
- signal
- value
- target
- Prior art date
Links
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0218—Electric 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
- G05B23/0224—Process history based detection method, e.g. whereby history implies the availability of large amounts of data
- G05B23/0227—Qualitative history assessment, whereby the type of data acted upon, e.g. waveforms, images or patterns, is not relevant, e.g. rule based assessment; if-then decisions
- G05B23/0235—Qualitative history assessment, whereby the type of data acted upon, e.g. waveforms, images or patterns, is not relevant, e.g. rule based assessment; if-then decisions based on a comparison with predetermined threshold or range, e.g. "classical methods", carried out during normal operation; threshold adaptation or choice; when or how to compare with the threshold
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0218—Electric 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
- G05B23/0243—Electric 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 model based detection method, e.g. first-principles knowledge model
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0218—Electric 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
- G05B23/0221—Preprocessing measurements, e.g. data collection rate adjustment; Standardization of measurements; Time series or signal analysis, e.g. frequency analysis or wavelets; Trustworthiness of measurements; Indexes therefor; Measurements using easily measured parameters to estimate parameters difficult to measure; Virtual sensor creation; De-noising; Sensor fusion; Unconventional preprocessing inherently present in specific fault detection methods like PCA-based methods
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0218—Electric 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
- G05B23/0224—Process history based detection method, e.g. whereby history implies the availability of large amounts of data
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Testing And Monitoring For Control Systems (AREA)
- Alarm Systems (AREA)
Abstract
비정상 검출 장치(100)는, 각 시각에 있어서의 1개 이상의 다치 신호의 각각의 다치 신호값을 2치 신호값 군으로 변환한다. 상기 비정상 검출 장치는, 각 과거 시각에 있어서의 1개 이상의 2치 신호의 각각의 2치 신호값과 각 과거 시각에 있어서의 상기 1개 이상의 다치 신호의 각각의 2치 신호값 군의 집합인 과거 신호값 군을 입력으로 하여 예측 모델을 연산하는 것에 의해, 대상 시각의 예측 신호값 군을 산출한다. 상기 비정상 검출 장치는, 상기 대상 시각에 있어서의 상기 1개 이상의 2치 신호의 각각의 2치 신호값과 상기 대상 시각에 있어서의 상기 1개 이상의 다치 신호의 각각의 2치 신호값 군의 집합인 대상 신호값 군을 상기 예측 신호값 군과 비교하고, 상기 대상 시각에 있어서의 대상 시스템(220)의 상태를 판정한다.
Description
본 개시는, 감시 대상의 비정상을 검출하는 기술에 관한 것이다.
종래의 공장에서는, 제조 라인의 정지 등의 트러블 발생 시, 공장의 보전원(保全員)이 지식과 경험에 근거하여 트러블의 요인을 특정하고, 적절한 대처를 행한다.
그러나, 방대한 가동 데이터와 복잡한 프로그램 중에서 트러블의 요인을 특정하고, 조기에 트러블을 해결하는 것이 곤란한 경우가 많다.
또, 트러블의 요인을 망라적으로 특정하는 것이 가능한 조건 설정 및 프로그램을 현실적인 공정 수로 작성하는 것은 어렵다.
특허 문헌 1은, 보전원이 트러블의 요인이 되는 센서 또는 프로그램을 특정하기 위한 단서를 망라적인 조건 설정없이 얻기 위한 시스템을 개시하고 있다.
그 시스템은, 센서의 온 상태와 오프 상태를 표현하는 2치 신호의 비정상인 경시 변화를 자동으로 검출한다.
설비의 가동 상황을 감시하기 위해서 2치 신호뿐만이 아니라 다치 신호에 대해서도 비정상인 경시 변화의 검출이 필요한 경우가 있다.
다치 신호의 비정상인 경시 변화에는, 다치 신호의 값 자체가 비정상인 값이 되는 경우뿐만이 아니라, 다치 신호의 값 자체는 정상인 값이지만 다치 신호의 값이 다른 신호의 변화에 대응하지 않는 경우가 있다. 후자에 대해서는, 2치 신호와 다치 신호의 양 신호의 관계성을 고려하여 판별을 행할 필요가 있다.
특허 문헌 1의 시스템은, 2치 신호의 비정상인 변화를 검출할 수 있다. 그러나, 다치 신호의 비정상인 변화는 대상 외이기 때문에 검출되지 않는다.
본 개시는, 다치 신호를 고려하여 감시 대상의 비정상을 검출할 수 있도록 하는 것을 목적으로 한다.
본 개시의 비정상 검출 시스템은,
1개 이상의 2치 신호의 각각의 2치 신호값과 1개 이상의 다치 신호의 각각의 다치 신호값에 근거하여 대상 시스템의 비정상을 검출하기 위한 비정상 검출 시스템으로서,
각 시각에 있어서의 상기 1개 이상의 다치 신호의 각각의 다치 신호값을 1개 이상의 2치 신호값인 2치 신호값 군으로 변환하는 변환부와,,
대상 시각보다 전의 각 시각에 있어서의 상기 1개 이상의 2치 신호의 각각의 2치 신호값과 상기 대상 시각보다 전의 각 시각에 있어서의 상기 1개 이상의 다치 신호의 각각의 2치 신호값 군의 집합인 과거 신호값 군을 입력으로 하여 예측 모델을 연산하는 것에 의해, 상기 대상 시각의 예측 신호값 군을 산출하는 예측부와,
상기 대상 시각에 있어서의 상기 1개 이상의 2치 신호의 각각의 2치 신호값과 상기 대상 시각에 있어서의 상기 1개 이상의 다치 신호의 각각의 2치 신호값 군의 집합인 대상 신호값 군을 상기 예측 신호값 군과 비교하고, 비교 결과에 근거하여 상기 대상 시각에 있어서의 상기 대상 시스템의 상태가 정상인지 판정하는 판정부를 구비한다.
본 개시에 의하면, 다치 신호를 고려하여 감시 대상(대상 시스템)의 비정상을 검출하는 것이 가능해진다.
도 1은 실시의 형태 1에 있어서의 비정상 검출 시스템(200)의 구성도.
도 2는 실시의 형태 1에 있어서의 비정상 검출 장치(100)의 구성도.
도 3은 실시의 형태 1에 있어서의 모델 생성부(110)의 구성도.
도 4는 실시의 형태 1에 있어서의 비정상 검출부(120)의 구성도.
도 5는 실시의 형태 1에 있어서의 모델 생성 처리(S100)의 개요도.
도 6은 실시의 형태 1에 있어서의 모델 생성 처리(S100)의 흐름도.
도 7은 실시의 형태 1에 있어서의 임계값 군 산출 처리(S130)의 흐름도.
도 8은 실시의 형태 1에 있어서의 임계값 군 산출 처리(S130)의 개요도.
도 9는 실시의 형태 1에 있어서의 변환 처리(S140)의 흐름도.
도 10은 실시의 형태 1에 있어서의 스텝 S145의 흐름도.
도 11은 실시의 형태 1에 있어서의 변환 처리(S140)의 개요도.
도 12는 실시의 형태 1에 있어서의 비정상 검출 처리(S200)의 개요도.
도 13은 실시의 형태 1에 있어서의 비정상 검출 처리(S200)의 흐름도.
도 14는 실시의 형태 1에 있어서의 변환 처리(S220)의 흐름도.
도 15는 실시의 형태 2에 있어서의 모델 생성부(110)의 구성도.
도 16은 실시의 형태 2에 있어서의 모델 생성 처리(S100B)의 흐름도.
도 17은 실시의 형태 2에 있어서의 변환 처리(S130B)의 흐름도.
도 18은 실시의 형태 2에 있어서의 스텝 S135B의 흐름도.
도 19는 실시의 형태 2에 있어서의 변환 처리(S130B)의 개요도.
도 20은 실시의 형태 2에 있어서의 비정상 검출 처리(S200B)의 흐름도.
도 21은 실시의 형태 2에 있어서의 변환 처리(S220B)의 흐름도.
도 22는 실시의 형태에 있어서의 비정상 검출 장치(100)의 하드웨어 구성도.
도 2는 실시의 형태 1에 있어서의 비정상 검출 장치(100)의 구성도.
도 3은 실시의 형태 1에 있어서의 모델 생성부(110)의 구성도.
도 4는 실시의 형태 1에 있어서의 비정상 검출부(120)의 구성도.
도 5는 실시의 형태 1에 있어서의 모델 생성 처리(S100)의 개요도.
도 6은 실시의 형태 1에 있어서의 모델 생성 처리(S100)의 흐름도.
도 7은 실시의 형태 1에 있어서의 임계값 군 산출 처리(S130)의 흐름도.
도 8은 실시의 형태 1에 있어서의 임계값 군 산출 처리(S130)의 개요도.
도 9는 실시의 형태 1에 있어서의 변환 처리(S140)의 흐름도.
도 10은 실시의 형태 1에 있어서의 스텝 S145의 흐름도.
도 11은 실시의 형태 1에 있어서의 변환 처리(S140)의 개요도.
도 12는 실시의 형태 1에 있어서의 비정상 검출 처리(S200)의 개요도.
도 13은 실시의 형태 1에 있어서의 비정상 검출 처리(S200)의 흐름도.
도 14는 실시의 형태 1에 있어서의 변환 처리(S220)의 흐름도.
도 15는 실시의 형태 2에 있어서의 모델 생성부(110)의 구성도.
도 16은 실시의 형태 2에 있어서의 모델 생성 처리(S100B)의 흐름도.
도 17은 실시의 형태 2에 있어서의 변환 처리(S130B)의 흐름도.
도 18은 실시의 형태 2에 있어서의 스텝 S135B의 흐름도.
도 19는 실시의 형태 2에 있어서의 변환 처리(S130B)의 개요도.
도 20은 실시의 형태 2에 있어서의 비정상 검출 처리(S200B)의 흐름도.
도 21은 실시의 형태 2에 있어서의 변환 처리(S220B)의 흐름도.
도 22는 실시의 형태에 있어서의 비정상 검출 장치(100)의 하드웨어 구성도.
실시의 형태 및 도면에 있어서, 동일한 요소 또는 대응하는 요소에는 동일한 부호를 부여하고 있다. 설명한 요소와 동일한 부호가 부여된 요소의 설명은 적의로 생략 또는 간략화한다. 도면 중의 화살표는 데이터의 흐름 또는 처리의 흐름을 주로 나타내고 있다.
실시의 형태 1.
비정상 검출 시스템(200)에 대해, 도 1 내지 도 14에 근거하여 설명한다.
***구성의 설명***
도 1에 근거하여, 비정상 검출 시스템(200)의 구성을 설명한다.
비정상 검출 시스템(200)은, 비정상 검출 장치(100)와 데이터 수집 서버(210)와 대상 시스템(220)을 구비한다.
비정상 검출 장치(100)는, 네트워크(201)를 통하여 데이터 수집 서버(210)와 통신한다.
데이터 수집 서버(210)는, 네트워크(202)를 통하여 대상 시스템(220)과 통신한다.
대상 시스템(220)은, 감시의 대상이 되는 시스템이다. 예를 들면, 대상 시스템(220)은 공장 라인이다.
대상 시스템(220)은, 1개 이상의 설비(221)를 구비한다. 도 1에 있어서, 대상 시스템(220)은, 5개의 설비(221A~221E)를 구비하고 있다.
각 설비(221)는, 1개 이상의 기기를 구비한다. 예를 들면, 각 설비(221)는, 센서 및 로봇 등을 구비한다.
각 설비(221)는, 각 시각의 가동 상황을 나타내는 데이터를 출력한다. 각 시각의 가동 상황을 나타내는 데이터를 「가동 데이터」라 칭한다. 가동 데이터는, 수집 데이터, 신호 데이터 또는 상태 신호 데이터라고도 한다.
가동 데이터는, 1개 이상의 2치 신호값과, 1개 이상의 다치 신호값을 포함한다.
2치 신호값은, 2치 신호가 나타내는 값이다. 예를 들면, 센서로부터 출력되는 신호는, 센서의 상태를 온과 오프의 2치로 나타내는 2치 신호이다.
다치 신호값은, 다치 신호가 나타내는 값이다. 예를 들면, 로봇 핸드로부터 출력되는 신호는, 로봇 핸드의 토크를 2치보다 많은 값으로 나타내는 다치 신호이다.
2치 신호와 다치 신호를 구별하지 않는 경우, 각각을 「상태 신호」라 칭한다.
2치 신호값과 다치 신호값을 구별하지 않는 경우, 각각을 「상태 신호값」 또는 「신호값」이라 칭한다.
데이터 수집 서버(210)는, 프로세서, 기억 장치 및 통신 장치 등을 가지는 컴퓨터이다. 「서버」는 「서버 장치」라고도 한다
데이터 수집 서버(210)는, 각 설비(221)로부터 각 시각의 가동 데이터를 수집하고, 수집한 가동 데이터를 축적한다.
도 2에 근거하여, 비정상 검출 장치(100)의 구성을 설명한다.
비정상 검출 장치(100)는, 프로세서(101), 메모리(102), 스토리지(103), 통신 장치(104)와 입출력 인터페이스(105)와 같은 하드웨어를 구비하는 컴퓨터이다. 이들 하드웨어는, 신호선을 통하여 서로 접속되어 있다.
프로세서(101)는, 연산 처리를 행하는 IC이며, 다른 하드웨어를 제어한다. 예를 들면, 프로세서(101)는 CPU이다.
IC는, Integrated Circuit의 약칭이다.
CPU는, Central Processing Unit의 약칭이다.
메모리(102)는 휘발성 또는 불휘발성의 기억 장치이다. 메모리(102)는, 주 기억 장치 또는 메인 메모리라고도 불린다. 예를 들면, 메모리(102)는 RAM이다. 메모리(102)에 기억된 데이터는 필요에 따라서 스토리지(103)에 보존된다.
RAM은, Random Access Memory의 약칭이다.
스토리지(103)는 불휘발성의 기억 장치이다. 스토리지(103)는, 보조 기억 장치라고도 불린다. 예를 들면, 스토리지(103)는 HDD이다. 스토리지(103)에 기억된 데이터는 필요에 따라서 메모리(102)에 로드된다.
HDD는, Hard Disk Drive의 약칭이다.
통신 장치(104)는 리시버 및 트랜스미터로서 기능한다. 예를 들면, 통신 장치(104)는 통신 보드이다.
입출력 인터페이스(105)는, 입력 장치 및 출력 장치가 접속되는 포트이다. 예를 들면, 입출력 인터페이스(105)는 USB 단자이며, 입력 장치는 키보드 및 마우스이고, 출력 장치는 디스플레이이다.
USB는, Universal Serial Bus의 약칭이다.
비정상 검출 장치(100)는, 모델 생성부(110)와 비정상 검출부(120)와 같은 요소를 구비한다. 이들 요소는 소프트웨어로 실현된다.
스토리지(103)에는, 모델 생성부(110)와 비정상 검출부(120)로서 컴퓨터를 기능시키기 위한 비정상 검출 프로그램이 기억되어 있다. 비정상 검출 프로그램은, 메모리(102)에 로드되어, 프로세서(101)에 의해 실행된다.
스토리지(103)에는, 또한, OS가 기억되어 있다. OS의 적어도 일부는, 메모리(102)에 로드되어, 프로세서(101)에 의해 실행된다.
프로세서(101)는, OS를 실행하면서, 비정상 검출 프로그램을 실행한다.
OS는, Operating System의 약칭이다.
비정상 검출 프로그램의 입출력 데이터는 기억부(190)에 기억된다.
스토리지(103)는 기억부(190)로서 기능한다. 단, 메모리(102), 프로세서(101) 내의 레지스터 및 프로세서(101) 내의 캐시 메모리 등의 기억 장치가, 스토리지(103) 대신에, 또는, 스토리지(103)와 함께, 기억부(190)로서 기능해도 좋다.
비정상 검출 장치(100)는, 프로세서(101)를 대체하는 복수의 프로세서를 구비해도 좋다. 복수의 프로세서는, 프로세서(101)의 기능을 분담한다.
비정상 검출 프로그램은, 광 디스크 또는 플래쉬 메모리 등의 불휘발성의 기록 매체에 컴퓨터 판독 가능하게 기록(저장)할 수가 있다.
도 3에 근거하여, 모델 생성부(110)의 구성을 설명한다.
모델 생성부(110)는, 취득부(111)와 임계값 군 산출부(112)와 변환부(113)와 학습부(114)와 같은 요소를 구비한다. 각 요소의 기능에 대해 후술한다.
도 4에 근거하여, 비정상 검출부(120)의 구성을 설명한다.
비정상 검출부(120)는, 취득부(121)와 변환부(122)와 예측부(123)와 판정부(124)와 특정부(125)와 표시부(126)와 같은 요소를 구비한다. 각 요소의 기능에 대해 후술한다.
***동작의 설명***
비정상 검출 시스템(200)의 동작(특히 비정상 검출 장치(100)의 동작)의 순서는 비정상 검출 방법에 상당한다. 또, 비정상 검출 장치(100)의 동작의 순서는 비정상 검출 프로그램에 의한 처리의 순서에 상당한다.
도 5 및 도 6에 근거하여, 모델 생성 처리(S100)를 설명한다.
도 5에 있어서, 실선 화살표는 요소 간의 호출 관계를 나타내고 있고, 파선 화살표는 요소에 대한 데이터의 흐름을 나타내고 있다.
모델 생성 처리(S100)는, 예측 모델(191)을 생성하기 위한 처리이다.
예측 모델(191)은, 각 상태 신호의 신호값을 예측하기 위한 학습된 모델이다. 예측 모델(191)은 정상 모델이라고도 한다. 대상 시각 이전의 각 상태 신호의 신호값을 입력으로 하여 예측 모델(191)을 연산하는 것에 의해, 대상 시각의 다음의 시각에 있어서의 각 상태 신호의 예측 신호값이 산출된다. 예측 신호값은 예측된 신호값이다.
스텝 S110에 있어서, 취득부(111)는, 정상 시의 가동 데이터를 취득하고, 취득한 가동 데이터를 기억부(190)에 기억한다.
정상 시의 가동 데이터는, 대상 시스템(220)이 정상 상태일 때 수집되는 가동 데이터이다.
정상 시의 가동 데이터는, 이하와 같이 취득된다.
대상 시스템(220)의 상태는, 정상 상태이다.
데이터 수집 서버(210)는, 각 시각에 각 설비(221)로부터 가동 데이터를 수집하고, 수집한 가동 데이터를 기억한다. 기억되는 가동 데이터가 정상 시의 가동 데이터이다.
취득부(111)는, 각 시각에 데이터 수집 서버(210)로부터 정상 시의 새로운 가동 데이터를 수신하고, 수신한 가동 데이터를 기억부(190)에 기억한다. 바꾸어 말하면, 취득부(111)는, 데이터 수집 서버(210)로부터 기억부(190)에 정상 시의 새로운 가동 데이터를 카피한다.
스텝 S110이 반복되는 것에 의해, 정상 시의 가동 데이터가 기억부(190)에 축적된다. 축적된 정상 시의 가동 데이터 즉 정상 시의 가동 데이터의 집합을 「가동 데이터베이스(198)」라 칭한다.
스텝 S120에 있어서, 취득부(111)는, 일정 기간의 정상 시의 가동 데이터가 축적되었는지 판정한다.
예를 들면, 취득부(111)는, 가동 데이터베이스(198)로부터 최고(最古)의 가동 데이터와 최신의 가동 데이터를 선택하고, 최고의 가동 데이터의 시각으로부터 최신의 가동 데이터의 시각까지의 시간 길이를 산출한다. 그리고, 취득부(111)는, 산출된 시간 길이를 임계값과 비교한다. 산출된 시간 길이가 임계값 이상인 경우, 취득부(111)는, 일정 기간의 가동 데이터가 축적되었다고 판정한다. 임계값은 미리 정해진 시간 길이다. 임계값이 되는 시간 길이는, 대상 시스템(220)의 성질에 따라서 다르고, 수 시간 내지 수 주간 정도이다.
일정 시간의 가동 데이터가 축적된 경우, 처리는 스텝 S130으로 진행한다.
일정 시간의 가동 데이터가 축적되지 않은 경우, 처리는 스텝 S110으로 진행한다.
가동 데이터베이스(198)는, 각 시각의 가동 데이터를 포함한다. 즉, 가동 데이터베이스(198)는, 각 상태 신호의 각 시각의 신호값을 포함한다.
2치 신호의 각 시각의 신호값을 나타내는 데이터 즉 2치 신호의 시계열 데이터를 「2치 신호 데이터」라 칭한다.
다치 신호의 각 시각의 신호값을 나타내는 데이터 즉 다치 신호의 시계열 데이터를 「다치 신호 데이터」라 칭한다.
2치 신호 데이터와 다치 신호 데이터를 구별하지 않는 경우, 각각을 「상태 신호 데이터」라 칭한다.
스텝 S130에 있어서, 학습부(114)는, 가동 데이터베이스(198)를 판독하고, 임계값 군 산출부(112)를 호출한다.
임계값 군 산출부(112)는, 가동 데이터베이스(198)에 포함되는 다치 신호 데이터마다 임계값 군을 산출한다.
임계값 군은, 다치 신호 데이터 중의 각 다치 신호값을 1개 이상의 2치 신호값(2치 신호값 군)으로 변환하기 위해서 이용되는 1개 이상의 임계값이다.
임계값 군 산출부(112)는, 각 다치 신호용의 임계값 군을 기억부(190)에 보존한다.
보존된 임계값 군 즉 임계값 군의 집합을 「임계값 군 데이터베이스(192)」라 칭한다.
도 7에 근거하여, 임계값 군 산출 처리(S130)의 순서를 설명한다.
스텝 S131에 있어서, 임계값 군 산출부(112)는, 가동 데이터베이스(198)로부터 미선택의 상태 신호 데이터를 1개 선택한다. 선택되는 상태 신호 데이터를 「대상 신호 데이터」라 칭한다.
스텝 S132에 있어서, 임계값 군 산출부(112)는, 대상 신호 데이터의 종류를 판정한다.
예를 들면, 각 상태 신호 데이터에는 종류 식별자가 부가된다. 종류 식별자는 상태 신호 데이터의 종류를 식별한다. 임계값 군 산출부(112)는, 대상 신호 데이터에 부가된 종류 식별자를 참조하여 대상 신호 데이터의 종류를 판정한다.
대상 신호 데이터가 2치 신호 데이터인 경우, 처리는 스텝 S136으로 진행한다.
대상 신호 데이터가 다치 신호 데이터인 경우, 처리는 스텝 S133으로 진행한다.
스텝 S133에 있어서, 임계값 군 산출부(112)는, 대상 신호 데이터로부터 1개 이상의 상태 변화점의 각각의 신호값을 추출한다.
상태 변화점은, 다치 신호의 변화 경향이 변하는 시점 즉 설비(221)의 상태가 변화하는 시점이다. 예를 들면, 상태 변화점까지 상승 경향이었던 다치 신호는, 상태 변화점 이후에 저하하거나 또는 일정하게 된다. 또, 상태 변화점까지 저하 경향이었던 다치 신호는, 상태 변화점 이후에 상승하거나 또는 일정하게 된다.
도 8에, 다치 신호의 구체적인 예를 나타낸다.
다치 신호의 각 피크에 원 마크(circle makr)가 부가되어 있다. 각 원 마크가 부가된 부분의 신호값이, 상태 변화점의 신호값이다.
도 7로 돌아와, 스텝 S134로부터 설명을 계속한다.
스텝 S134에 있어서, 임계값 군 산출부(112)는, 추출된 신호값의 도수 분포를 생성한다.
예를 들면, 임계값 군 산출부(112)는, 도 8에 나타내는 바와 같은 도수 분포 그래프를 생성한다. 「구간」은 신호값의 범위를 의미한다.
스텝 S135에 있어서, 임계값 군 산출부(112)는, 생성된 도수 분포에 근거하여, 대상 신호용의 임계값 군을 산출한다.
구체적으로는, 임계값 군 산출부(112)는, 도수 분포로부터 각 피크를 선택하고, 각 피크에 대응하는 신호값을 특정한다. 그리고, 임계값 군 산출부(112)는, 피크 간마다 한쪽의 피크에 대응하는 신호값과 다른 쪽의 피크에 대응하는 신호값 사이의 값을 산출한다. 산출되는 각 값이 임계값이 된다. 예를 들면, 제1 피크에 대응하는 신호값이 「2」이며, 제2 피크에 대응하는 신호값이 「4」인 경우, 「3」(=(2＋4)/2)가 임계값이 된다.
임계값 군 산출부(112)는, 산출한 임계값 군을 기억부(190)에 기억한다.
도 8에, 도수 분포 그래프의 구체적인 예를 나타낸다.
도수 분포 그래프의 각 피크에 원 마크가 부가되어 있다.
임계값 군 산출부(112)는, 도 8의 도수 분포 그래프에 대해, 5개의 피크를 구분하는 4개의 임계값을 산출한다.
도 7로 돌아와, 스텝 S136부터 설명을 계속한다.
스텝 S136에 있어서, 임계값 군 산출부(112)는, 가동 데이터베이스(198) 중에 미선택의 상태 신호 데이터가 있는지 판정한다.
미선택의 상태 신호 데이터가 있는 경우, 처리는 스텝 S131로 진행한다.
미선택의 상태 신호 데이터가 없는 경우, 처리는 종료한다.
임계값 군 산출 처리(S130)에 대해 보충한다.
도수 분포는, 각 다치 신호값을 미분하여 얻어지는 값(미분값)의 도수 분포여도 좋다. 그 경우, 임계값 군 산출부(112)는 이하와 같이 동작한다.
스텝 S133에 있어서, 임계값 군 산출부(112)는, 다치 신호 데이터 중의 각 다치 신호값을 미분하고, 미분 후의 다치 신호 데이터로부터 각 상태 변화점의 미분값을 추출한다. 실행되는 미분은 몇차까지의 미분이어도 좋다.
스텝 S134에 있어서, 임계값 군 산출부(112)는, 추출된 미분값의 도수 분포를 생성한다.
도 6으로 돌아와, 스텝 S140부터 설명을 계속한다.
스텝 S140에 있어서, 학습부(114)는 변환부(113)를 호출한다.
변환부(113)는, 다치 신호 데이터마다, 임계값 군을 이용하여 다치 신호 데이터 중의 각 다치 신호값을 2치 신호값으로 변환한다. 즉, 변환부(113)는, 각 다치 신호 데이터를 2치 신호 데이터로 변환한다.
도 9에 근거하여, 변환 처리(S140)의 순서를 설명한다.
스텝 S141에 있어서, 변환부(113)는, 가동 데이터베이스(198)로부터 미선택의 상태 신호 데이터를 1개 선택한다. 선택되는 상태 신호 데이터를 「대상 신호 데이터」라 칭한다. 대상 신호 데이터에 대응하는 상태 신호를 「대상 신호」라 칭한다.
스텝 S142에 있어서, 변환부(113)는, 대상 신호 데이터의 종류를 판정한다. 판정 방법은, 스텝 S132(도 7 참조)에 있어서의 방법과 같다.
대상 신호 데이터가 2치 신호 데이터인 경우, 처리는 스텝 S147로 진행한다.
대상 신호 데이터가 다치 신호 데이터인 경우, 처리는 스텝 S143으로 진행한다.
스텝 S143에 있어서, 변환부(113)는, 임계값 군 데이터베이스(192)로부터 대상 신호용의 임계값 군을 선택한다. 선택되는 임계값 군을 「대상 임계값 군」이라 칭한다.
스텝 S144에 있어서, 변환부(113)는, 대상 신호 데이터로부터 미선택의 다치 신호값을 1개 선택한다. 선택되는 다치 신호값을 「대상 신호값」이라 칭한다.
스텝 S145에 있어서, 변환부(113)는, 대상 임계값 군을 이용하여, 대상 신호값을 2치 신호값 군으로 변환한다. 2치 신호값 군은, 1개 이상의 2치 신호값이다.
구체적으로는, 변환부(113)는, 대상 임계값 군 중의 임계값마다, 대상 신호값을 대상 신호값과 임계값의 대소 관계를 나타내는 2치 신호값으로 변환한다.
스텝 S145의 상세에 대하여 후술한다.
스텝 S146에 있어서, 변환부(113)는, 대상 신호 데이터 중에 미선택의 다치 신호값이 있는지 판정한다.
미선택의 다치 신호값이 있는 경우, 처리는 스텝 S144로 진행한다.
미선택의 다치 신호값이 없는 경우, 처리는 스텝 S147로 진행한다.
스텝 S147에 있어서, 변환부(113)는, 가동 데이터베이스(198) 중에 미선택의 상태 신호 데이터가 있는지 판정한다.
미선택의 상태 신호 데이터가 있는 경우, 처리는 스텝 S141로 진행한다.
미선택의 상태 신호 데이터가 없는 경우, 처리는 종료한다.
도 10에 근거하여, 스텝 S145의 순서를 설명한다.
스텝 S1451에 있어서, 변환부(113)는, 대상 임계값 군으로부터 미선택의 임계값을 1개 선택한다. 선택되는 임계값을 「대상 임계값」이라 칭한다.
스텝 S1452에 있어서, 변환부(113)는, 대상 신호값을 대상 임계값과 비교한다.
스텝 S1453에 있어서, 변환부(113)는, 비교 결과에 근거하여, 대상 신호값을 2치 신호값으로 변환한다. 변환에 의해 얻어지는 2치 신호값은, 대상 신호값과 대상 임계값의 대소 관계를 2치로 나타낸다.
스텝 S1454에 있어서, 변환부(113)는, 대상 임계값 군 중에 미선택의 임계값이 있는지 판정한다.
미선택의 임계값이 있는 경우, 처리는 스텝 S1451로 진행한다.
미선택의 임계값이 없는 경우, 처리는 종료한다.
도 11에 근거하여, 스텝 S145에 있어서의 변환 방법을 설명한다.
도 11에 있어서, 대상 임계값 군은, 제1 임계값과 제2 임계값의 세트이다. 즉, 제1 임계값과 제2 임계값의 각각이 대상 임계값이 된다. 또, 다치 신호의 각 시각의 신호값이 대상 신호값이 된다.
제1의 2치 신호에 있어서, 각 시각의 2치 신호값은, 대상 신호값과 제1 임계값의 대소 관계를 2치로 나타내고 있다.
제2의 2치 신호에 있어서, 각 시각의 2치 신호값은, 대상 신호값과 제2 임계값의 대소 관계를 2치로 나타내고 있다.
대상 신호값이 대상 임계값 이상인 경우, 변환부(113)는, 대상 신호값을 「1」로 변환한다. 대상 신호값이 대상 임계값 미만인 경우, 변환부(113)는, 대상 신호값을 「0」으로 변환한다.
도 6으로 돌아와, 스텝 S150부터 설명을 계속한다.
스텝 S110에서 축적된 각 2치 신호 데이터를 「수집 2치 신호 데이터」라 칭한다. 수집 2치 신호 데이터 중의 각 2치 신호값을 「수집 2치 신호값」이라 칭한다.
스텝 S140에서 얻어진 각 2치 신호 데이터를 「변환 2치 신호 데이터」라 칭한다. 변환 2치 신호 데이터 중의 각 2치 신호값을 「변환 2치 신호값」이라 칭한다.
수집 2치 신호 데이터와 변환 2치 신호 데이터의 집합을 「정상 2치 신호 데이터 군」이라 칭한다. 수집 2치 신호값과 변환 2치 신호값의 집합을 「정상 2치 신호값 군」이라 칭한다.
스텝 S150에 있어서, 학습부(114)는, 정상 2치 신호 데이터 군을 입력으로 하여 각 상태 신호의 정상 2치 신호값의 경시 변화를 학습하여 학습된 모델을 생성한다. 학습은 기계 학습이라고도 한다.
정상 2치 신호값의 경시 변화는, 시간의 경과에 수반하는 정상 2치 신호값의 변화를 의미한다. 정상 2치 신호값의 경시 변화는, 정상 신호 패턴이라고도 한다. 각 상태 신호의 정상 2치 신호값의 경시 변화는, 대상 시스템(220)의 정상 시 상태 변화에 상당한다.
학습 방법은 제한되지 않는다. 예를 들면, 학습부(114)는, 뉴럴 네트워크 또는 은닉 마르코프 모델을 이용하여 학습을 행한다. 학습에 의해, 학습된 모델의 파라미터가 결정된다. 뉴럴 네트워크를 이용한 학습에서는, 중간층의 수, 각 중간층의 가중치 및 각 중간층의 바이어스값 등의 파라미터가 결정된다.
스텝 S160에 있어서, 학습부(114)는, 생성된 학습된 모델을 기억부(190)에 보존한다. 보존되는 학습된 모델이 「예측 모델(191)」이다.
도 12 및 도 13에 근거하여, 비정상 검출 처리(S200)를 설명한다.
도 12에 있어서, 실선 화살표는 요소 간의 호출 관계를 나타내고 있고, 파선 화살표는 요소에 대한 데이터의 흐름을 나타내고 있다.
비정상 검출 처리(S200)는, 대상 시스템(220)의 비정상 상태를 검출하기 위한 처리이다.
스텝 S210에 있어서, 취득부(121)는, 가동 데이터를 취득하고, 취득한 가동 데이터를 기억부(190)에 기억한다.
가동 데이터는, 스텝 S110(도 6 참조)과 같이 취득된다. 단, 취득되는 가동 데이터는 정상 시의 가동 데이터라고는 할 수 없다. 즉, 비정상 시의 가동 데이터가 취득되는 경우가 있다.
비정상 시의 가동 데이터는, 대상 시스템(220)이 비정상 상태일 때 수집되는 가동 데이터이다.
스텝 S210이 반복되는 것에 의해, 각 시각의 가동 데이터가 기억부(190)에 보존된다. 보존된 가동 데이터 즉 가동 데이터의 집합을 「가동 데이터베이스(199)」라 칭한다.
스텝 S210에서 취득된 가동 데이터를 「대상 시각의 가동 데이터」라 칭한다.
대상 시각의 가동 데이터는, 대상 시각의 각 상태 신호의 신호값을 포함한다.
스텝 S220에 있어서, 예측부(123)는, 가동 데이터베이스(199)로부터 대상 시각의 가동 데이터를 판독하고, 변환부(122)를 호출한다.
변환부(122)는, 대상 시각의 가동 데이터 중의 각 다치 신호값을 2치 신호값 군으로 변환한다.
도 14에 근거하여, 변환 처리(S220)의 순서를 설명한다.
스텝 S221에 있어서, 변환부(122)는, 대상 시각의 가동 데이터로부터 미선택의 상태 신호값을 1개 선택한다. 선택되는 상태 신호값을 「대상 신호값」이라 칭한다. 대상 신호값에 대응하는 상태 신호를 「대상 신호」라 칭한다.
스텝 S222에 있어서, 변환부(122)는, 대상 신호값의 종류를 판정한다.
예를 들면, 각 상태 신호값에는 종류 식별자가 부가된다. 종류 식별자는 상태 신호값의 종류를 식별한다. 변환부(122)는, 대상 신호값에 부가된 종류 식별자를 참조하여 대상 신호값의 종류를 판정한다.
대상 신호값이 2치 신호값인 경우, 처리는 스텝 S225로 진행한다.
대상 신호값이 다치 신호값인 경우, 처리는 스텝 S223으로 진행한다.
스텝 S223에 있어서, 변환부(122)는, 임계값 군 데이터베이스(192)로부터 대상 신호용의 임계값 군을 선택한다. 선택되는 임계값 군을 「대상 임계값 군」이라 칭한다.
스텝 S224에 있어서, 변환부(122)는, 대상 임계값 군을 이용하여, 대상 신호값을 2치 신호값 군으로 변환한다.
변환 방법은, 스텝 S145(도 9 참조)에 있어서의 방법과 같다.
스텝 S225에 있어서, 변환부(122)는, 대상 시각의 가동 데이터 중에 미선택의 상태 신호값이 있는지 판정한다.
미선택의 상태 신호값이 있는 경우, 처리는 스텝 S221로 진행한다.
미선택의 상태 신호값이 없는 경우, 처리는 종료한다.
도 13으로 돌아와, 스텝 S230부터 설명을 계속한다.
가동 데이터베이스(199)는, 대상 시각 이전의 각 2치 신호의 2치 신호값과 대상 시각 이전의 각 다치 신호의 2치 신호값 군을 포함한다.
대상 시각의 각 2치 신호의 2치 신호값과 대상 시각의 각 다치 신호의 2치 신호값 군의 집합을 「대상 신호값 군」이라 칭한다.
대상 시각보다 전의 각 시각을 「과거 시각」이라 칭한다.
각 과거 시각의 각 2치 신호의 2치 신호값과 각 과거 시각의 각 다치 신호의 2치 신호값 군의 집합을 「과거 신호값 군」이라 칭한다.
스텝 S230에 있어서, 예측부(123)는, 가동 데이터베이스(199)로부터 과거 신호값 군을 판독한다.
예측부(123)는, 과거 신호값 군을 입력으로 하여 예측 모델(191)을 연산한다. 이것에 의해, 대상 시각의 예측 신호값 군이 산출된다. 예측 신호값 군은, 예측된 대상 신호값 군이다.
스텝 S240에 있어서, 예측부(123)는 판정부(124)를 호출한다.
판정부(124)는, 가동 데이터베이스(199)로부터 대상 신호값 군을 판독하고, 대상 신호값 군을 예측 신호값 군과 비교한다.
스텝 S250에 있어서, 판정부(124)는, 비교 결과에 근거하여, 대상 시각에 있어서의 대상 시스템(220)의 상태가 정상인지 판정한다.
구체적으로는, 판정부(124)는, 비교 결과에 근거하여 이상도를 산출하고, 이상도를 임계값과 비교한다. 임계값은 미리 결정된다. 이상도는, 대상 신호값 군과 예측 신호값 군의 차가 클수록 크다. 예를 들면, 판정부(124)는, 상태 신호마다 대상 신호값과 예측 신호값의 차를 산출하고, 산출한 차의 합계를 산출한다. 산출되는 합계가 이상도가 된다. 이상도가 임계값보다 큰 경우, 판정부(124)는, 대상 시각에 있어서의 대상 시스템(220)의 상태가 비정상이라고 판정한다.
대상 시각에 있어서의 대상 시스템(220)의 상태가 정상인 경우, 처리는 스텝 S270으로 진행한다.
대상 시각에 있어서의 대상 시스템(220)의 상태가 비정상인 경우, 처리는 스텝 S260으로 진행한다.
스텝 S260에 있어서, 판정부(124)는 특정부(125)를 호출한다.
특정부(125)는, 비정상인 상태 신호를 특정한다.
예를 들면, 특정부(125)는, 상태 신호마다 대상 신호값과 예측 신호값의 차를 산출한다. 산출되는 차를 「오차」라 칭한다. 특정부(125)는, 각 상태 신호의 오차를 임계값과 비교한다. 임계값은 미리 결정된다. 그리고, 특정부(125)는, 비교 결과에 근거하여, 비정상인 상태 신호를 특정한다. 임계값보다 큰 오차에 대응하는 상태 신호가 비정상인 상태 신호이다.
스텝 S270에 있어서, 표시부(126)는, 스텝 S250의 판정 결과와 스텝 S260의 특정 결과에 근거하여 검출 결과를 생성하고, 검출 결과를 디스플레이에 표시한다.
검출 결과는, 대상 시스템(220)의 상태를 나타낸다. 또, 대상 시스템(220)의 상태가 비정상인 경우, 검출 결과는 비정상인 상태 신호를 나타낸다. 예를 들면, 검출 결과는, 비정상인 상태 신호의 신호값의 시계열과 비정상인 상태 신호의 예측 신호값을 나타낸다.
다치 신호로부터 2치 신호로의 변환에 관해서 보충한다.
설비의 기기의 동작 또는 상태가 변화할 때에, 신호가 일정 상태, 증가(상승) 상태 또는 감소(저하) 상태로부터 다른 상태로 전환하는 경우가 많다고 생각된다. 임계값 간에 상태 변화점이 포함되도록 각 임계값이 설정되는 것으로, 설비의 동작의 천이 및 설비의 상태의 천이에 대응하여 신호의 상태가 변화하도록 다치 신호를 2치 신호로 변환하는 것이 가능하다.
***실시의 형태 1의 효과***
2치 신호와 다치 신호를 포함한 복수의 신호의 관계성을 고려하여, 설비에 있어서의 비정상인 동작의 유무를 판정할 수 있다. 또, 다치 신호가 2치 신호로 변환되기 때문에, 2치 신호와 다치 신호에서 공통의 방식에 의해 비정상인 정도를 산출할 수 있다.
정상인 시계열의 신호 데이터로부터 다음의 신호값을 예측하는 학습된 모델이 이용된다. 이것에 의해, 공장 라인의 정상인 가동 데이터만을 입력하는 비정상 검출 장치를 구축할 수가 있다. 그리고, 다양하고 미지의 비정상을 검출할 수가 있다. 또, 다치 신호가 2치 신호로 변환되고, 그 2치 신호가 다른 2치 신호와 조합되어 학습된다. 이것에 의해, 복수의 신호의 관계성을 고려하여 비정상을 검출할 수가 있다.
실시의 형태 2.
임계값 군을 이용하지 않고 다치 신호값을 2치 신호값으로 변환하는 형태에 대해, 주로 실시의 형태 1과 다른 점을 도 15 내지 도 21에 근거하여 설명한다.
***구성의 설명***
비정상 검출 시스템(200)의 구성은, 실시의 형태 1에 있어서의 구성(도 1 참조)과 같다.
비정상 검출 장치(100)의 구성은, 실시의 형태 1에 있어서의 구성(도 2 참조)과 같다.
도 15에 근거하여, 모델 생성부(110)의 구성을 설명한다.
모델 생성부(110)는, 취득부(111)와 변환부(113)와 학습부(114)를 구비한다. 임계값 군 산출부(112)는 불필요하다.
비정상 검출부(120)의 구성은, 실시의 형태 1에 있어서의 구성(도 4 참조)과 같다.
***동작의 설명***
도 16에 근거하여, 모델 생성 처리(S100B)를 설명한다.
모델 생성 처리(S100B)는, 실시의 형태 1에 있어서의 모델 생성 처리(S100)에 상당한다.
스텝 S110B에 있어서, 취득부(111)는, 정상 시의 가동 데이터를 취득하고, 취득한 가동 데이터를 기억부(190)에 기억한다.
스텝 S110B는, 스텝 S110(도 6 참조)과 같다.
스텝 S120B에 있어서, 취득부(111)는, 일정 기간의 정상 시의 가동 데이터가 축적되었는지 판정한다.
스텝 S120B는, 스텝 S120(도 6 참조)과 같다.
일정 시간의 가동 데이터가 축적된 경우, 처리는 스텝 S130B로 진행한다.
일정 시간의 가동 데이터가 축적되지 않은 경우, 처리는 스텝 S110B로 진행한다.
스텝 S130B에 있어서, 변환부(113)는, 각 다치 신호 데이터를 2치 신호 데이터로 변환한다.
도 17에 근거하여, 변환 처리(S130B)의 순서를 설명한다.
스텝 S131B에 있어서, 변환부(113)는, 가동 데이터베이스(198)로부터 미선택의 상태 신호 데이터를 1개 선택한다. 선택되는 상태 신호 데이터를 「대상 신호 데이터」라 칭한다. 대상 신호 데이터에 대응하는 상태 신호를 「대상 신호」라 칭한다.
스텝 S132B에 있어서, 변환부(113)는, 대상 신호 데이터의 종류를 판정한다. 판정 방법은, 스텝 S132(도 7 참조)에 있어서의 방법과 같다.
대상 신호 데이터가 2치 신호 데이터인 경우, 처리는 스텝 S137B로 진행한다.
대상 신호 데이터가 다치 신호 데이터인 경우, 처리는 스텝 S133B로 진행한다.
스텝 S133B에 있어서, 변환부(113)는, 대상 신호 데이터로부터 미선택의 다치 신호값을 1개 선택한다.
선택되는 다치 신호값을 「대상 신호값」이라 칭한다. 대상 신호값에 대응하는 시각을 「대상 시각」이라 칭한다. 대상 신호값은 대상 시각의 다치 신호값이다.
스텝 S134B에 있어서, 변환부(113)는, 대상 신호 데이터로부터 대상 시각의 전의 시각의 다치 신호값을 추출한다. 대상 시각의 전의 시각의 다치 신호값이 대상 신호 데이터에 남아 있는 것으로 한다. 추출되는 다치 신호값을 「전 신호값」이라 칭한다.
변환부(113)는, 대상 신호값을 전 신호값과 비교한다.
스텝 S135B에 있어서, 변환부(113)는, 비교 결과에 근거하여, 대상 신호값을 2치 신호값 군으로 변환한다. 단, 대상 신호값이 2치 신호값 군으로 변환된 후에도 원래의 대상 신호값이 대상 신호 데이터에 남는다.
구체적으로는, 변환부(113)는, 비교 결과에 근거하여 대상 신호의 변화 경향을 판정하고, 판정 결과에 근거하여 대상 신호값을 2치 신호값 군으로 변환한다. 즉, 변환부(113)는, 대상 신호값을 대상 신호의 변화 경향을 나타내는 2치 신호값 군으로 변환한다.
스텝 S135B의 상세에 대하여 후술한다.
스텝 S136B에 있어서, 변환부(113)는, 대상 신호 데이터 중에 미선택의 다치 신호값이 있는지 판정한다.
미선택의 다치 신호값이 있는 경우, 처리는 스텝 S133B로 진행한다.
미선택의 다치 신호값이 없는 경우, 처리는 스텝 S137B로 진행한다.
스텝 S137B에 있어서, 변환부(113)는, 가동 데이터베이스(198) 중에 미선택의 상태 신호 데이터가 있는지 판정한다.
미선택의 상태 신호 데이터가 있는 경우, 처리는 스텝 S131B로 진행한다.
미선택의 상태 신호 데이터가 없는 경우, 처리는 종료한다.
도 18에 근거하여, 대상 신호값을 2개의 2치 신호값으로 변환하는 경우의 스텝 S135B의 순서를 설명한다.
스텝 S1351에 있어서, 변환부(113)는, 비교 결과에 근거하여, 대상 신호의 변화 경향을 판정한다.
대상 신호값이 전 신호값보다 크고, 대상 신호값과 전 신호값의 차의 절대값이 임계값보다 큰 경우, 대상 신호는 상승 경향에 있다.
대상 신호값이 전 신호값보다 작고, 대상 신호값과 전 신호값의 차의 절대값이 임계값보다 큰 경우, 대상 신호는 저하 경향에 있다.
대상 신호가 상승 경향에 있는 경우, 처리는 스텝 S1352로 진행한다.
대상 신호가 상승 경향에 있지 않은 경우, 처리는 스텝 S1353으로 진행한다.
변환부(113)는, 대상 신호값을 미분하고, 미분값에 근거하여 대상 신호의 변화 경향을 판정해도 좋다. 실행되는 미분은 몇 차까지의 미분이어도 좋다.
미분값의 부호가 양인 경우, 대상 신호는 상승 경향에 있다.
미분값의 부호가 음인 경우, 대상 신호는 저하 경향에 있다.
스텝 S1352에 있어서, 변환부(113)는, 제1의 2치 신호값을 「1」로 결정한다.
스텝 S1352 후, 처리는 스텝 S1355로 진행한다.
스텝 S1353에 있어서, 변환부(113)는, 제1의 2치 신호값을 「0」으로 결정한다.
대상 신호가 저하 경향에 있는 경우, 처리는 스텝 S1354로 진행한다.
대상 신호가 저하 경향에 있지 않은 경우, 처리는 스텝 S1355로 진행한다.
스텝 S1354에 있어서, 변환부(113)는, 제2의 2치 신호값을 「1」로 결정한다.
스텝 S1354 후, 처리는 종료한다.
스텝 S1355에 있어서, 변환부(113)는, 제2의 2치 신호값을 「0」으로 결정한다.
스텝 S1355 후, 처리는 종료한다.
도 19에 근거하여, 스텝 S135B에 있어서의 변환 방법을 설명한다.
다치 신호가 대상 신호이며, 다치 신호의 각 시각의 신호값이 대상 신호값이 된다.
제1의 2치 신호에 있어서, 각 시각의 2치 신호값은, 각 시각에 있어서 대상 신호가 상승 경향에 있는지 아닌지를 2치로 나타내고 있다.
제2의 2치 신호에 있어서, 각 시각의 2치 신호값은, 각 시각에 있어서 대상 신호가 저하 경향에 있는지 아닌지를 2치로 나타내고 있다.
대상 신호가 상승 경향에 있는 경우, 변환부(113)는, 대상 신호값에 대응하는 제1의 2치 신호값을 「1」로 결정한다. 대상 신호가 상승 경향에 있지 않은 경우, 변환부(113)는, 대상 신호값에 대응하는 제1의 2치 신호값을 「0」으로 결정한다.
대상 신호가 저하 경향에 있는 경우, 변환부(113)는, 대상 신호값에 대응하는 제2의 2치 신호값을 「1」로 결정한다. 대상 신호가 저하 경향에 있지 않은 경우, 변환부(113)는, 대상 신호값에 대응하는 제2의 2치 신호값을 「0」으로 결정한다.
제1의 2치 신호값과 제2의 2치 신호값이 모두 「0」일 때, 대상 신호는 신호값이 일정하다라고 하는 경향에 있다.
도 16으로 돌아와, 스텝 S140B부터 설명을 계속한다.
스텝 S110B에서 축적된 각 2치 신호 데이터를 「수집 2치 신호 데이터」라 칭한다. 수집 2치 신호 데이터 중의 각 2치 신호값을 「수집 2치 신호값」이라 칭한다.
스텝 S130B에서 얻어진 각 2치 신호 데이터를 「변환 2치 신호 데이터」라 칭한다. 변환 2치 신호 데이터 중의 각 2치 신호값을 「변환 2치 신호값」이라 칭한다.
수집 2치 신호 데이터와 변환 2치 신호 데이터의 집합을 「정상 2치 신호 데이터 군」이라 칭한다. 수집 2치 신호값과 변환 2치 신호값의 집합을 「정상 2치 신호값 군」이라 칭한다.
스텝 S140B에 있어서, 학습부(114)는, 정상 2치 신호 데이터 군을 입력으로 하여 각 상태 신호의 정상 2치 신호값의 경시 변화를 학습하여 학습된 모델을 생성한다.
스텝 S140B는, 스텝 S150(도 6 참조)과 같다.
스텝 S150B에 있어서, 학습부(114)는, 생성된 학습된 모델을 기억부(190)에 보존한다. 보존되는 학습된 모델이 「예측 모델(191)」이다.
도 20에 근거하여, 비정상 검출 처리(S200B)를 설명한다.
스텝 S220B 이외의 각 스텝에 있어서의 처리는, 실시의 형태 1(도 13 참조)에 있어서의 처리와 같다.
스텝 S220B에 있어서, 예측부(123)는, 가동 데이터베이스(199)로부터 대상 시각의 가동 데이터를 판독하고, 변환부(122)를 호출한다.
변환부(122)는, 대상 시각의 가동 데이터 중의 각 다치 신호값을 2치 신호값 군으로 변환한다.
도 21에 근거하여, 변환 처리(S220B)를 설명한다.
스텝 S221B에 있어서, 변환부(122)는, 대상 시각의 가동 데이터로부터 미선택의 상태 신호값을 1개 선택한다. 선택되는 상태 신호값을 「대상 신호값」이라 칭한다. 대상 신호값에 대응하는 상태 신호 데이터를 「대상 신호 데이터」라 칭한다.
스텝 S221B에 있어서, 변환부(122)는, 대상 시각의 가동 데이터로부터 미선택의 상태 신호값을 1개 선택한다. 선택되는 상태 신호값을 「대상 신호값」이라 칭한다. 대상 신호값에 대응하는 상태 신호 데이터를 「대상 신호 데이터」라 칭한다.
스텝 S222B에 있어서, 변환부(122)는, 대상 신호값의 종류를 판정한다. 판정 방법은, 스텝 S222(도 14 참조)에 있어서의 방법과 같다.
대상 신호값이 2치 신호값인 경우, 처리는 스텝 S225B로 진행한다.
대상 신호값이 다치 신호값인 경우, 처리는 스텝 S223B로 진행한다.
스텝 S223B에 있어서, 변환부(122)는, 가동 데이터베이스(199) 중의 대상 신호 데이터로부터 대상 시각의 전의 시각의 다치 신호값을 추출한다. 대상 시각의 전의 시각의 다치 신호값이 대상 신호 데이터에 남아 있는 것으로 한다. 추출되는 다치 신호값을 「전 신호값」이라 칭한다.
변환부(122)는, 대상 신호값을 전 신호값과 비교한다.
변환부(122)는, 대상 신호값을 전 신호값과 비교한다.
스텝 S224B에 있어서, 변환부(122)는, 비교 결과에 근거하여, 대상 신호값을 2치 신호값 군으로 변환한다. 단, 대상 신호값이 2치 신호값 군으로 변환된 후에도 원래의 대상 신호값이 대상 신호 데이터에 남는다.
변환 방법은, 스텝 S135B(도 17 참조)에 있어서의 방법과 같다.
스텝 S225B에 있어서, 변환부(122)는, 대상 시각의 가동 데이터 중에 미선택 상태의 신호값이 있는지 판정한다.
미선택의 상태 신호값이 있는 경우, 처리는 스텝 S221B로 진행한다.
미선택의 상태 신호값이 없는 경우, 처리는 종료한다.
다치 신호로부터 2치 신호로의 변환에 관해서 보충한다.
통상의 2치 신호를 출력하는 기기는, 설비의 동작의 천이 또는 설비의 상태의 천이에 대응하여 신호값이 변화하도록 설정된다. 예를 들면, 워크를 검지하는 센서는, 워크의 이동이 완료한 경우에 온이 되도록 설정된다. 다치 신호가 2치 신호로 변환되는 경우도, 설비의 동작의 천이 또는 설비의 상태의 천이에 대응하여 상태가 변화하도록 다치 신호를 2치 신호로 변환해야 한다.
설비의 동작 또는 상태가 변화할 때에, 다치 신호가 일정 상태, 증가(상승) 상태 또는 감소(저하) 상태로부터 다른 상태에 전환하는 경우가 많다고 생각된다. 다치 신호가 증가 2치 신호(제1의 2치 신호)와 감소 2치 신호(제2의 2치 신호)로 변환되는 것으로, 다치 신호의 상태 변화점에서 2치 신호의 신호값이 변화하게 된다. 즉, 설비의 동작의 천이 및 설비의 상태의 천이에 대응하여 상태가 변화하도록 다치 신호를 2치 신호로 변환할 수 있다.
또, 다치 신호의 신호값을 증가 2치 신호의 신호값과 감소 2치 신호의 신호값으로 변환할 뿐만 아니라, 다치 신호의 신호값의 미분값을 증가 2치 신호의 신호값과 감소 2치 신호의 신호값으로 변환해도 좋다. 설비의 동작 또는 상태가 변화할 때에, 신호값의 미분값이 증감하는 것이 생각된다. 신호값의 미분값을 증가 2치 신호의 신호값과 감소 2치 신호의 신호값으로 변환하는 것으로, 설비의 동작의 변화 및 설비의 상태의 변화를 파악할 수가 있다.
***실시의 형태 2의 효과***
임계값 군을 이용하지 않고 다치 신호값을 2치 신호값으로 변환하여 실시의 형태 1과 동일한 효과를 얻을 수 있다.
***실시의 형태의 보충***
도 22에 근거하여, 비정상 검출 장치(100)의 하드웨어 구성을 설명한다.
비정상 검출 장치(100)는, 처리 회로(109)를 구비한다.
처리 회로(109)는, 모델 생성부(110)와 비정상 검출부(120)를 실현하는 하드웨어이다.
처리 회로(109)는, 전용의 하드웨어여도 좋고, 메모리(102)에 저장되는 프로그램을 실행하는 프로세서(101)이어도 좋다.
처리 회로(109)가 전용의 하드웨어인 경우, 처리 회로(109)는, 예를 들면, 단일 회로, 복합 회로, 프로그램화한 프로세서, 병렬 프로그램화한 프로세서, ASIC, FPGA 또는 이들의 조합이다.
ASIC는, Application Specific Integrated Circuit의 약칭이다.
FPGA는, Field Programmable Gate Array의 약칭이다.
비정상 검출 장치(100)는, 처리 회로(109)를 대체하는 복수의 처리 회로를 구비해도 좋다. 복수의 처리 회로는, 처리 회로(109)의 기능을 분담한다.
처리 회로(109)에 있어서, 일부의 기능이 전용의 하드웨어로 실현되고, 나머지의 기능이 소프트웨어 또는 펌웨어로 실현되어도 좋다.
이와 같이, 비정상 검출 장치(100)의 기능은 하드웨어, 소프트웨어, 펌웨어 또는 이들의 조합으로 실현될 수가 있다.
각 실시의 형태는, 바람직한 형태의 예시이며, 본 개시의 기술적 범위를 제한하는 것을 의도하는 것은 아니다. 각 실시의 형태는, 부분적으로 실시해도 좋고, 다른 형태와 조합하여 실시해도 좋다. 흐름도 등을 이용하여 설명한 순서는, 적의로 변경해도 좋다.
비정상 검출 장치(100)의 요소인 「부」는, 「처리」또는 「공정」으로 대체해도 좋다.
100 비정상 검출 장치, 101 프로세서, 102 메모리, 103 스토리지, 104 통신 장치, 105 입출력 인터페이스, 109 처리 회로, 110 모델 생성부, 111 취득부, 112 임계값 군 산출부, 113 변환부, 114 학습부, 120 비정상 검출부, 121 취득부, 122 변환부, 123 예측부, 124 판정부, 125 특정부, 126 표시부, 190 기억부, 191 예측 모델, 192 임계값 군 데이터베이스, 198 가동 데이터베이스, 199 가동 데이터베이스, 200 비정상 검출 시스템, 201 네트워크, 202 네트워크, 210 데이터 수집 서버, 220 대상 시스템, 221 설비.
Claims (9)
1개 이상의 2치 신호의 각각의 2치 신호값과 1개 이상의 다치 신호의 각각의 다치 신호값에 근거하여 대상 시스템의 비정상을 검출하기 위한 비정상 검출 시스템으로서,
각 시각에 있어서의 상기 1개 이상의 다치 신호의 각각의 다치 신호값을 1개 이상의 2치 신호값인 2치 신호값 군으로 변환하는 변환부와,
대상 시각보다 전의 각 시각에 있어서의 상기 1개 이상의 2치 신호의 각각의 2치 신호값과 상기 대상 시각보다 전의 각 시각에 있어서의 상기 1개 이상의 다치 신호의 각각의 2치 신호값 군의 집합인 과거 신호값 군을 입력으로 하여 예측 모델을 연산하는 것에 의해, 상기 대상 시각의 예측 신호값 군을 산출하는 예측부와,
상기 대상 시각에 있어서의 상기 1개 이상의 2치 신호의 각각의 2치 신호값과 상기 대상 시각에 있어서의 상기 1개 이상의 다치 신호의 각각의 2치 신호값 군의 집합인 대상 신호값 군을 상기 예측 신호값 군과 비교하고, 비교 결과에 근거하여 상기 대상 시각에 있어서의 상기 대상 시스템의 상태가 정상인지 판정하는 판정부
를 구비하는 비정상 검출 시스템.
각 시각에 있어서의 상기 1개 이상의 다치 신호의 각각의 다치 신호값을 1개 이상의 2치 신호값인 2치 신호값 군으로 변환하는 변환부와,
대상 시각보다 전의 각 시각에 있어서의 상기 1개 이상의 2치 신호의 각각의 2치 신호값과 상기 대상 시각보다 전의 각 시각에 있어서의 상기 1개 이상의 다치 신호의 각각의 2치 신호값 군의 집합인 과거 신호값 군을 입력으로 하여 예측 모델을 연산하는 것에 의해, 상기 대상 시각의 예측 신호값 군을 산출하는 예측부와,
상기 대상 시각에 있어서의 상기 1개 이상의 2치 신호의 각각의 2치 신호값과 상기 대상 시각에 있어서의 상기 1개 이상의 다치 신호의 각각의 2치 신호값 군의 집합인 대상 신호값 군을 상기 예측 신호값 군과 비교하고, 비교 결과에 근거하여 상기 대상 시각에 있어서의 상기 대상 시스템의 상태가 정상인지 판정하는 판정부
를 구비하는 비정상 검출 시스템.
제1항에 있어서,
상기 변환부는, 각 시각에 있어서의 다치 신호의 다치 신호값을 상기 다치 신호용의 하나 이상의 임계값의 각각과 비교하고, 임계값마다 상기 다치 신호값을 상기 다치 신호값과 상기 임계값의 대소 관계를 2치로 나타내는 2치 신호값으로 변환하는
비정상 검출 시스템.
상기 변환부는, 각 시각에 있어서의 다치 신호의 다치 신호값을 상기 다치 신호용의 하나 이상의 임계값의 각각과 비교하고, 임계값마다 상기 다치 신호값을 상기 다치 신호값과 상기 임계값의 대소 관계를 2치로 나타내는 2치 신호값으로 변환하는
비정상 검출 시스템.
제2항에 있어서,
상기 대상 시스템의 상태가 정상일 때의 각 시각에 있어서의 상기 다치 신호의 다치 신호값이 포함되는 다치 신호 데이터로부터, 상기 다치 신호의 변화 경향이 변하는 시점인 1개 이상의 상태 변화점의 각각의 다치 신호값을 추출하고, 추출된 다치 신호값의 도수 분포를 생성하고, 생성된 도수 분포에 근거하여 상기 다치 신호용의 하나 이상의 임계값을 산출하는 임계값 군 산출부를 구비하는
비정상 검출 시스템.
상기 대상 시스템의 상태가 정상일 때의 각 시각에 있어서의 상기 다치 신호의 다치 신호값이 포함되는 다치 신호 데이터로부터, 상기 다치 신호의 변화 경향이 변하는 시점인 1개 이상의 상태 변화점의 각각의 다치 신호값을 추출하고, 추출된 다치 신호값의 도수 분포를 생성하고, 생성된 도수 분포에 근거하여 상기 다치 신호용의 하나 이상의 임계값을 산출하는 임계값 군 산출부를 구비하는
비정상 검출 시스템.
제3항에 있어서,
상기 임계값 군 산출부는, 상기 도수 분포의 피크 간마다 한쪽의 피크에 대응하는 다치 신호값과 다른 쪽의 피크에 대응하는 다치 신호값 사이의 값을 상기 다치 신호용의 임계값으로서 산출하는
비정상 검출 시스템.
상기 임계값 군 산출부는, 상기 도수 분포의 피크 간마다 한쪽의 피크에 대응하는 다치 신호값과 다른 쪽의 피크에 대응하는 다치 신호값 사이의 값을 상기 다치 신호용의 임계값으로서 산출하는
비정상 검출 시스템.
제1항에 있어서,
상기 변환부는, 각 시각에 있어서의 다치 신호의 다치 신호값인 대상 신호값을 각 시각의 전의 시각에 있어서의 다치 신호값과 비교하고, 비교 결과에 근거하여 각 시각에 있어서의 상기 다치 신호의 변화 경향을 판정하고, 상기 대상 신호값을 상기 다치 신호의 상기 변화 경향을 2치로 나타내는 1개 이상의 2치 신호값으로 변환하는
비정상 검출 시스템.
상기 변환부는, 각 시각에 있어서의 다치 신호의 다치 신호값인 대상 신호값을 각 시각의 전의 시각에 있어서의 다치 신호값과 비교하고, 비교 결과에 근거하여 각 시각에 있어서의 상기 다치 신호의 변화 경향을 판정하고, 상기 대상 신호값을 상기 다치 신호의 상기 변화 경향을 2치로 나타내는 1개 이상의 2치 신호값으로 변환하는
비정상 검출 시스템.
제5항에 있어서,
상기 변환부는, 상기 대상 신호값을, 상기 다치 신호가 상승 경향에 있는지 아닌지를 2치로 나타내는 2치 신호값과, 상기 다치 신호가 저하 경향에 있는지 아닌지를 2치로 나타내는 2치 신호값으로 변환하는
비정상 검출 시스템.
상기 변환부는, 상기 대상 신호값을, 상기 다치 신호가 상승 경향에 있는지 아닌지를 2치로 나타내는 2치 신호값과, 상기 다치 신호가 저하 경향에 있는지 아닌지를 2치로 나타내는 2치 신호값으로 변환하는
비정상 검출 시스템.
제1항 내지 제6항 중 어느 한 항에 있어서,
상기 대상 시스템의 상태가 정상일 때의 각 시각에 있어서의 상기 1개 이상의 2치 신호의 각각의 2치 신호값이 포함되는 수집 2치 신호 데이터와, 상기 대상 시스템의 상태가 정상일 때의 각 시각에 있어서의 상기 1개 이상의 다치 신호의 각각의 2치 신호값 군이 포함되는 변환 2치 신호 데이터를 입력으로 하여 각 2치 신호의 2치 신호값의 경시 변화와 각 다치 신호의 2치 신호값 군의 경시 변화를 학습하는 것에 의해, 상기 예측 모델로서 사용되는 학습된 모델을 생성하는 학습부를 구비하는
비정상 검출 시스템.
상기 대상 시스템의 상태가 정상일 때의 각 시각에 있어서의 상기 1개 이상의 2치 신호의 각각의 2치 신호값이 포함되는 수집 2치 신호 데이터와, 상기 대상 시스템의 상태가 정상일 때의 각 시각에 있어서의 상기 1개 이상의 다치 신호의 각각의 2치 신호값 군이 포함되는 변환 2치 신호 데이터를 입력으로 하여 각 2치 신호의 2치 신호값의 경시 변화와 각 다치 신호의 2치 신호값 군의 경시 변화를 학습하는 것에 의해, 상기 예측 모델로서 사용되는 학습된 모델을 생성하는 학습부를 구비하는
비정상 검출 시스템.
1개 이상의 2치 신호의 각각의 2치 신호값과 1개 이상의 다치 신호의 각각의 다치 신호값에 근거하여 대상 시스템의 비정상을 검출하기 위한 비정상 검출 방법으로서,
변환부가, 각 시각에 있어서의 상기 1개 이상의 다치 신호의 각각의 다치 신호값을 1개 이상의 2치 신호값인 2치 신호값 군으로 변환하고,
예측부가, 대상 시각보다 전의 각 시각에 있어서의 상기 1개 이상의 2치 신호의 각각의 2치 신호값과 상기 대상 시각보다 전의 각 시각에 있어서의 상기 1개 이상의 다치 신호의 각각의 2치 신호값 군의 집합인 과거 신호값 군을 입력으로 하여 예측 모델을 연산하는 것에 의해, 상기 대상 시각의 예측 신호값 군을 산출하고,
판정부가, 상기 대상 시각에 있어서의 상기 1개 이상의 2치 신호의 각각의 2치 신호값과 상기 대상 시각에 있어서의 상기 1개 이상의 다치 신호의 각각의 2치 신호값 군의 집합인 대상 신호값 군을 상기 예측 신호값 군과 비교하고, 비교 결과에 근거하여 상기 대상 시각에 있어서의 상기 대상 시스템의 상태가 정상인지 판정하는
비정상 검출 방법.
변환부가, 각 시각에 있어서의 상기 1개 이상의 다치 신호의 각각의 다치 신호값을 1개 이상의 2치 신호값인 2치 신호값 군으로 변환하고,
예측부가, 대상 시각보다 전의 각 시각에 있어서의 상기 1개 이상의 2치 신호의 각각의 2치 신호값과 상기 대상 시각보다 전의 각 시각에 있어서의 상기 1개 이상의 다치 신호의 각각의 2치 신호값 군의 집합인 과거 신호값 군을 입력으로 하여 예측 모델을 연산하는 것에 의해, 상기 대상 시각의 예측 신호값 군을 산출하고,
판정부가, 상기 대상 시각에 있어서의 상기 1개 이상의 2치 신호의 각각의 2치 신호값과 상기 대상 시각에 있어서의 상기 1개 이상의 다치 신호의 각각의 2치 신호값 군의 집합인 대상 신호값 군을 상기 예측 신호값 군과 비교하고, 비교 결과에 근거하여 상기 대상 시각에 있어서의 상기 대상 시스템의 상태가 정상인지 판정하는
비정상 검출 방법.
1개 이상의 2치 신호의 각각의 2치 신호값과 1개 이상의 다치 신호의 각각의 다치 신호값에 근거하여 대상 시스템의 비정상을 검출하기 위한 비정상 검출 프로그램으로서,
각 시각에 있어서의 상기 1개 이상의 다치 신호의 각각의 다치 신호값을 1개 이상의 2치 신호값인 2치 신호값 군으로 변환하는 변환 처리와,
대상 시각보다 전의 각 시각에 있어서의 상기 1개 이상의 2치 신호의 각각의 2치 신호값과 상기 대상 시각보다 전의 각 시각에 있어서의 상기 1개 이상의 다치 신호의 각각의 2치 신호값 군의 집합인 과거 신호값 군을 입력으로 하여 예측 모델을 연산하는 것에 의해, 상기 대상 시각의 예측 신호값 군을 산출하는 예측 처리와,
상기 대상 시각에 있어서의 상기 1개 이상의 2치 신호의 각각의 2치 신호값과 상기 대상 시각에 있어서의 상기 1개 이상의 다치 신호의 각각의 2치 신호값 군의 집합인 대상 신호값 군을 상기 예측 신호값 군과 비교하고, 비교 결과에 근거하여 상기 대상 시각에 있어서의 상기 대상 시스템의 상태가 정상인지 판정하는 판정 처리
를 컴퓨터로 하여금 실행하게 하기 위한, 기록 매체에 저장된 비정상 검출 프로그램.
각 시각에 있어서의 상기 1개 이상의 다치 신호의 각각의 다치 신호값을 1개 이상의 2치 신호값인 2치 신호값 군으로 변환하는 변환 처리와,
대상 시각보다 전의 각 시각에 있어서의 상기 1개 이상의 2치 신호의 각각의 2치 신호값과 상기 대상 시각보다 전의 각 시각에 있어서의 상기 1개 이상의 다치 신호의 각각의 2치 신호값 군의 집합인 과거 신호값 군을 입력으로 하여 예측 모델을 연산하는 것에 의해, 상기 대상 시각의 예측 신호값 군을 산출하는 예측 처리와,
상기 대상 시각에 있어서의 상기 1개 이상의 2치 신호의 각각의 2치 신호값과 상기 대상 시각에 있어서의 상기 1개 이상의 다치 신호의 각각의 2치 신호값 군의 집합인 대상 신호값 군을 상기 예측 신호값 군과 비교하고, 비교 결과에 근거하여 상기 대상 시각에 있어서의 상기 대상 시스템의 상태가 정상인지 판정하는 판정 처리
를 컴퓨터로 하여금 실행하게 하기 위한, 기록 매체에 저장된 비정상 검출 프로그램.
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| PCT/JP2020/009005 WO2021176576A1 (ja) | 2020-03-03 | 2020-03-03 | 非定常検出システム、非定常検出方法および非定常検出プログラム |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20220122781A KR20220122781A (ko) | 2022-09-02 |
| KR102497374B1 true KR102497374B1 (ko) | 2023-02-07 |
Family
ID=73455242
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020227028872A KR102497374B1 (ko) | 2020-03-03 | 2020-03-03 | 비정상 검출 시스템, 비정상 검출 방법 및 기록 매체에 저장된 비정상 검출 프로그램 |
Country Status (7)
| Country | Link |
|---|---|
| US (1) | US20220342407A1 (ko) |
| JP (1) | JP6790311B1 (ko) |
| KR (1) | KR102497374B1 (ko) |
| CN (1) | CN115244481A (ko) |
| DE (1) | DE112020006409B4 (ko) |
| TW (1) | TW202134807A (ko) |
| WO (1) | WO2021176576A1 (ko) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2002334390A (ja) | 2001-05-09 | 2002-11-22 | Omron Corp | 連結型センサシステム |
| JP2011170567A (ja) | 2010-02-17 | 2011-09-01 | Hitachi Ltd | 過渡データ収集システム |
| JP2017166887A (ja) | 2016-03-15 | 2017-09-21 | 日本特殊陶業株式会社 | 加工に伴うデータの記録装置および記録方法 |
| WO2019003404A1 (ja) | 2017-06-30 | 2019-01-03 | 三菱電機株式会社 | 非定常検出装置、非定常検出システム、および非定常検出方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH065487B2 (ja) * | 1984-01-13 | 1994-01-19 | 株式会社日立製作所 | プラントの運転ガイダンスシステム |
-
2020
- 2020-03-03 KR KR1020227028872A patent/KR102497374B1/ko active IP Right Grant
- 2020-03-03 CN CN202080097711.9A patent/CN115244481A/zh active Pending
- 2020-03-03 DE DE112020006409.3T patent/DE112020006409B4/de active Active
- 2020-03-03 JP JP2020541817A patent/JP6790311B1/ja active Active
- 2020-03-03 WO PCT/JP2020/009005 patent/WO2021176576A1/ja active Application Filing
- 2020-08-26 TW TW109129094A patent/TW202134807A/zh unknown
-
2022
- 2022-07-08 US US17/860,666 patent/US20220342407A1/en active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2002334390A (ja) | 2001-05-09 | 2002-11-22 | Omron Corp | 連結型センサシステム |
| JP2011170567A (ja) | 2010-02-17 | 2011-09-01 | Hitachi Ltd | 過渡データ収集システム |
| JP2017166887A (ja) | 2016-03-15 | 2017-09-21 | 日本特殊陶業株式会社 | 加工に伴うデータの記録装置および記録方法 |
| WO2019003404A1 (ja) | 2017-06-30 | 2019-01-03 | 三菱電機株式会社 | 非定常検出装置、非定常検出システム、および非定常検出方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| TW202134807A (zh) | 2021-09-16 |
| WO2021176576A1 (ja) | 2021-09-10 |
| JP6790311B1 (ja) | 2020-11-25 |
| CN115244481A (zh) | 2022-10-25 |
| US20220342407A1 (en) | 2022-10-27 |
| JPWO2021176576A1 (ko) | 2021-09-10 |
| KR20220122781A (ko) | 2022-09-02 |
| DE112020006409T5 (de) | 2022-10-27 |
| DE112020006409B4 (de) | 2024-01-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111459700B (zh) | 设备故障的诊断方法、诊断装置、诊断设备及存储介质 | |
| US9483049B2 (en) | Anomaly detection and diagnosis/prognosis method, anomaly detection and diagnosis/prognosis system, and anomaly detection and diagnosis/prognosis program | |
| US10852357B2 (en) | System and method for UPS battery monitoring and data analysis | |
| KR101872342B1 (ko) | 개선된 RTC(Real-time contrasts) 기법을 이용한 지능형 이상 진단 방법 및 장치 | |
| KR101941854B1 (ko) | 미취득 데이터 보정을 통한 부하 예측 시스템 및 방법 | |
| KR102005138B1 (ko) | 기기 이상징후 사전감지 방법 및 시스템 | |
| EP3489780A2 (en) | Examining apparatus, examining method, program and recording medium | |
| KR20190013017A (ko) | 센서 군집화 기반의 설비 건강 모니터링 방법 및 장치 | |
| JP6887361B2 (ja) | 監視対象選定装置、監視対象選定方法、およびプログラム | |
| KR20210017651A (ko) | 반도체 제조 공정에서 고장 검출 및 불량 원인 진단을 위한 방법 | |
| CN117114454B (zh) | 一种基于Apriori算法的直流套管状态评估方法及系统 | |
| EP3506229A1 (en) | Method for pre-detecting abnormality sign of nuclear power plant device including processor for determining device importance and warning validity, and system therefor | |
| US20190265088A1 (en) | System analysis method, system analysis apparatus, and program | |
| CN112016689A (zh) | 信息处理装置、预测判别系统以及预测判别方法 | |
| KR101960755B1 (ko) | 미취득 전력 데이터 생성 방법 및 장치 | |
| KR101808461B1 (ko) | 기계의 잔여수명 예측 방법 및 장치 | |
| KR102497374B1 (ko) | 비정상 검출 시스템, 비정상 검출 방법 및 기록 매체에 저장된 비정상 검출 프로그램 | |
| CN112733446A (zh) | 一种数据驱动的自适应异常检测方法 | |
| KR102110319B1 (ko) | 학습 데이터 생성 시스템 | |
| US20230022100A1 (en) | Prognostic and health management system for system management and method thereof | |
| KR102340249B1 (ko) | 데이터 마이닝 기술을 이용한 피.엘.씨 고장 예측 장치 및 그 방법 | |
| KR20230075150A (ko) | 시스템 건전성을 관리하기 위한 방법 및 장치 | |
| US20240192095A1 (en) | State detection system, state detection method, and computer readable medium | |
| CN117370847B (zh) | 基于深度学习的隔离开关检测方法及装置 | |
| KR102680482B1 (ko) | 정상 범위 결정 시스템, 정상 범위 결정 방법, 및, 기억 매체에 저장된 정상 범위 결정 프로그램 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A302 | Request for accelerated examination | ||
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |