KR19990082532A - 이상 검출 방법 및 이상 검출 시스템 - Google Patents

이상 검출 방법 및 이상 검출 시스템 Download PDF

Info

Publication number
KR19990082532A
KR19990082532A KR1019980706268A KR19980706268A KR19990082532A KR 19990082532 A KR19990082532 A KR 19990082532A KR 1019980706268 A KR1019980706268 A KR 1019980706268A KR 19980706268 A KR19980706268 A KR 19980706268A KR 19990082532 A KR19990082532 A KR 19990082532A
Authority
KR
South Korea
Prior art keywords
vectors
vector
abnormality
series data
time series
Prior art date
Application number
KR1019980706268A
Other languages
English (en)
Inventor
다까야 미야노
Original Assignee
고지마 마따오
스미또모 메탈 인더스트리즈, 리미티드
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 고지마 마따오, 스미또모 메탈 인더스트리즈, 리미티드 filed Critical 고지마 마따오
Publication of KR19990082532A publication Critical patent/KR19990082532A/ko

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
    • G01D1/00—Measuring arrangements giving results other than momentary value of variable, of general application
    • G01D1/18—Measuring arrangements giving results other than momentary value of variable, of general application with arrangements for signalling that a predetermined value of an unspecified parameter has been exceeded
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
    • G01D1/00—Measuring arrangements giving results other than momentary value of variable, of general application
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M99/00—Subject matter not provided for in other groups of this subclass

Abstract

시간에 따라서 변화하는 피검출물의 물리량을 소정의 시간간격으로 측정하고, 얻어진 시계열 데이터에 따라서 피검출물의 이상을 검출한다. 적절한 차원의 다수의 제 1 벡터는 시계열 데이터로부터 생성되며, 적정 시간 간격만큼 제 1 벡터를 병진함으로서 얻은 제 2 벡터를 생성하며, 생성된 제 1 및 제 2 벡터의 편차를 산출하며, 편차의 산출된 값을 소정의 한계값과 비교하고, 그 비교결과를 기초로하여 피검출물이 이상이 있는지를 판단한다.

Description

이상 검출 방법 및 이상 검출 시스템
기계장치에 의해서 발생된 음향 또는 진동, 화학 플랜트에서의 반응생성의 농도, 전자 디바이스에 인가되는 전류 또는 전압이 경시적(經時的)으로 측정되며, 기계장치의 이상, 반응제어의 이상 혹은 생성물의 품질의 이상이 검출된다.
이상을 검출하는 방법의 일예로서, Tankei, Okumura, Satoh 및 Kobayashi (Gijyutsuhyoronnsha 1993) 에 의해서 번역된 "Numerical recipe in C" 의 12 장 내지 14 장에서는, 소정의 주기를 가지고 측정된 시계열(時系列) 신호의 스펙트럼 분석에 의하여 이상을 검출하는 방법이 제안되어 있다.
이 방법에서, 소정의 주기를 가지고 측정된 시계열 신호는 적절한 주파수 영역에서 적절한 주파수 간격으로 고속 Fourier 변환되어 있으며, 다음의 수학식 (1) 을 만족하는 계수 ak및 bk를 구하여 ak 2+ bk 2을 산출한다. 이 때, Fourier 변환의 개시 주파수와 종료 주파수에서, 수학식 (1) 에 도시된 f(x) 의 급격한 상승 및 하강을 방지하기 위하여, Hanning 윈도우와 같은 적절한 데이터 윈도우를 설정하고 Hanning 윈도우를 f(x) 에 곱하여 ak 2+ bk 2의 산출오차를 저감한다.
산출된 ak 2+ bk 2은 플로팅되며, 횡축은 logω, 종축은 log(스펙트럼 밀도) 인 좌표영역에서, 파워 스펙트럼이 생성된다. 그리고 주기적인 변동성분은 그들로부터 제거하여서 적절한 직선을 최소자승법에 의해서 구한다. 그런 후, 소정의 한계를 가지고 얻어진 직선의 레벨 혹은 기울기 (파워 스펙트럼 인덱스) 를 비교한 결과에 따라서, 이상(異常)의 존재가 판단된다.
그러나, 스펙트럼 분석에 의하여 이상을 검출하는 상술된 방법에서, 파워 스펙트럼에 적절한 직선을 정확하게 얻는 것이 어려우며, 시계열 신호에 포함된 측정 노이즈에 의해서 오판이 발생된다. 더욱이, 적절한 데이터 윈도우를 설정하기 어려우며, 파워 스펙트럼의 오차가 커진다.
본 발명의 목적은, 시계열 데이터와 그들의 예측 모델의 사용에 의해서 정확하게 다양한 이상을 검출할 수 있는 이상검출 방법을 제공하며, 그 방법을 사용한 시스템을 제공하는 것이다.
본 발명은 제조장치, 제조 플랜트, 제조품등의 이상을 검출하기 위한 검출 방법에 관한 것이며, 그 방법에 사용되는 시스템에 관한 것이다.
도 1 은 본 발명의 이상 검출 시스템의 구성을 보여주는 블록 다이어그램이다;
도 2 는 도 1 에 도시된 컴퓨터를 통하여 이상 검출 과정을 보여주는 플로우차트이다;
도 3 은 도 1 에 도시된 컴퓨터를 통하여 이상을 검출하는 과정을 보여주는 플로우차트이다;
도 4 는 도 1 에 도시된 컴퓨터를 통하여 이상 검출 과정을 보여주는 플로우 차트이다;
도 5 는 도 1 에 도시된 컴퓨터를 통하여 이상 검출 과정을 보여주는 플로우 차트이다;
도 6a 및 도 6b 는 비교 테스트를 위하여 사용된 시계열 데이터를 보여주는 그래프이다;
도 7 은 본 발명의 방법에 따라서 도 6a 및 도 6b 에 도시된 두 개의 시계열 데이터로부터 E(trans) 를 산출하는 결과를 보여주는 그래프이다;
도 8 은 종래의 도 6a 및 도 6b 에서 도시된 두 개의 시계열 데이터로부터 파워 스펙트럼을 생성하는 결과를 보여주는 그래프이다;
도 9a 및 도 9b 는 비교 테스트를 위하여 사용된 시계열 데이터를 보여주는 그래프이다;
도 10 은 본 발명의 방법에 의해서 도 9a 및 도 9b 에 도시된 두 개의 시계열 데이터로부터 E(trans) 를 산출하기 위하여 사용된 시계열 데이터를 보여주는 그래프이다;
도 11 은 종래의 방법에 의해서 도 9a 및 도 9b 에서 도시된 두 개의 시계열 데이터로부터 파워 스펙트럼을 생성하는 결과를 보여주는 그래프이다.
본 발명자는 과거의 복수의 시계열 신호를 기초로하여 예측 모델을 구축하였으며, 얻어진 시계열 신호를 예측 모델에 적용하였으며, 시계열 신호의 경향을 예측했으며, 그 예측 결과와 실제의 시계열 데이터를 비교하여서 이상이 검출될 수 있다는 것에 착안하였다.
그러므로, 발명자는 (1) 선형자기회귀 (예를 들어, G.E.P. Box 및 G.M.Jenkins, Time Serier Analysis : Forecasting and control, Holden-Day Inc., 1976) (2) 뉴럴 네트워크 (예를 들어, A.S. Lapedes 및 R. Farber, Los Alamos National Laboratory Report No. LA-UR 87-2662 (1987), No. LA-UR 88-418 (1988)), (3) 반경 기저함수 네트워크 (예를 들어, M. Casdagli, Physica D, Vol 35, pp. 335-356(1989)), (4) 심플렉스 투영방법 (예를 들어, G. Sugihara 및 R.M. May, Nature, Vol.344, pp.734-741 (1990)) 같은 다수의 예측 모델의 구축을 시도하였으나, 그들 모두는 불완전하였다.
시행착오의 결과 후에, Wayland 등에 의해서 제안된 시계열 분석 알고리즘(R.Wayland, D.Bromley, D.Pickett 및 A.Passamante, Physical Review Letters, Vol. 70, pp.580-582 (1993)) 에 착목되었다.
본 발명의 이상 검출 방법은, 소정의 시간 간격으로 시간에 따라서 변화하는 피검출물의 물리량을 측정하고 얻어진 시계열 데이터를 기초로하여 피검출물의 이상을 검출하는데, 이 방법은 시계열 데이터로부터 적절한 차원의 다수의 제 1 벡터를 생성하며, 적정시간 만큼 제 1 벡터를 병진함으로서 얻어진 제 2 벡터를 생성하며, 생성된 제 1 및 제 2 벡터의 편차를 산출하고, 산출된 값을 소정의 한계값과 비교하고, 그 비교 결과로부터 피검출물이 이상이 있은지 혹은 아닌지를 판단한다.
그런 방법에 있어서, 편차 산출 방법은 제 1 벡터로부터 적절한 벡터를 선택하는 단계와, 소정수의 벡터들이 상기 선택된 벡터에 가까운 순으로, 제 1 벡터들로부터 소정수의 벡터들을 추출하는 단계와, 추출된 벡터와 선택된 벡터를 적정시간만큼 병진하여 얻은 병진벡터를 생성하는 단계와, 상기 생성된 병진벡터와 선택된 벡터 사이의 차분 벡터와 상기 추출된 벡터를 얻는 단계와, 상기 얻어진 차분벡터의 분산을 산출하는 단계를 구비한다.
본 발명의 이상 검출 방법의 개요가 다음에 설명될 것이다. 우선, 모터회전의 음향, 전자기기에 인가된 전류 혹은 전압 등의 피검출물의 물리량을 적정주기에서 측정하며, 시계열 데이터 {x(t)}t-1 N(N: 데이터 수) 를 얻는다. 적절한 매립차원 (D) 과 샘플링 시간간격 (Δt) 을 설정하고, 다음의 수학식 (2) 에 의해서 설명되는 벡터 X(t) 를 시계열 데이터로부터 생성한다. 상이한 매립차원 (D) 대한 각각의 벡터 X(t) 를 생성하는 것이 시계열 데이터가 다수의 물리량에 대하여 각각 얻는다는 것을 의미하는 것은 증명되어 있다. 결국, 이상은 정확하게 검출될 수 있다. 벡터 X(t) 는 적정시간 간격 (TΔt) 만큼 병진되어서 다음의 수학식 (3) 에 의해서 설명되는 벡터 Y(t) 가 생성된다.
X(t) = {x(t), X(t-Δt),…, x(t-(D-1)Δt)}
Y(t) = {x(t+TΔt),…, x(t+TΔt-Δt),…, x(t+TΔt-(D-1)Δt)}
N 개의 벡터 X(t) 로부터 적정벡터 X(t(0)) 가 선택되며, 선택된 벡터 X(t(0)) 와, 벡터 X(t(0)) 를 제외한 모든 (N-1) 개의 벡터 X(t) 사이의 거리 (hx) 를 다음의 수학식 4 에 따라서 산출하며, 거리가 짧은 벡터의 순으로 K 개의 벡터 (K<N) 가 유클리드 거리의 개념으로 추출된다.
그런 방법으로 얻어진 (K+1) 개의 벡터 X(t(k))(k=0,1,…,K) 벡터에 대응하는 벡터 Y(t(k)) 가 다음의 수학식 (5) 에 따라서 산출된다. 그런 후, 얻어진 (K+1) 개의 벡터 V(t(k)) 의 분산인 병진오차 E(trans) 는 다음의 수학식 (6) 에 따라서 얻어질 때, 시계열 데이터의 혼잡의 정도가 E(trans) 로서 정량적으로 결정된다.
V(t(k)) = X(t(k)) - Y(t(k))
여기서,
발명자에 의한 연구의 결과, 이상은 쉽게 인식될 수 있다는 것을 발견했다. 이것은, 시계열 데이터에 포함된 노이즈의 비율이 증가하는 이상이 나타나는 경우에는, E(trans) 의 값은 커지며, 시계열 데이터 내에 포함된 노이즈의 파워 스텍트럼 지수가 증가하는 이상이 나타나는 경우에는, E(trans) 의 값이 작아지고, E(trans) 가 파워 스펙트럼 지수보다 더 예민하게 변화하기 때문이다. 그러므로, 전자의 이상의 발생을 판단하기 위한 한계값과 후자의 이상의 발생을 판단하기 위한 한계값을 설정하며, E(trans) 가 양 한계값 사이의 영역을 초과할 때, 이상을 검출하는 방법과 시스템이 발명되었다.
본 발명의 실시예는 도면을 참조하여 상세하게 설명될 것이다.
도 1 은 본 발명의 이상을 검출하기 위한 시스템의 구조를 보여주는 블록 다이어그램이다. 도 1 에서, 1 은 음파센서, 초음파센서, 진동센서, 광센서, 전압계 혹은 전류계와 같은 측정장치이다. 측정장치 (1) 의 형태는 측정될 물리량에 따라서 선택되며, 측정장치 (1) 는 소정의 주기를 가지고 이상 검출을 위한 목표물인 피검출물의 물리량을 측정한다. 측정장치 (1) 의 출력은 아나로그/디지탈 (A/D) 변환기로 주어지며, 출력은 그 안에서 디지털 신호로 변환되며, 디지털 신호 (32) 는 컴퓨터 (3) 에 공급되어 있는 메모리로 주어져서, 시계열 데이터로서 그 안에 기억된다.
소정의 시간 내에 메모리 (32) 로 기억된 시계열 데이터는 중앙처리장치 (31) 를 통하여 벡터편차계산부(33) 로 주어지며, 벡터편차계산부 (33) 는 하기된 방법으로 E(trans) 를 산출하며, E(trans) 가 이상이 있는지 아닌지를 판단하는 고장진단부 (34) 로 E(trans) 를 제공한다. 제 1 및 제 2 한계값은 고장조건입력부 (35) 에서 설정되며, 고장진단부 (34) 는 벡터편차계산부 (33) 로부터 주어진 E(trans) 와 고장조건입력부 (35) 에서 설정된 제 1 및 제 2 한계값을 각각 비교한다. 만일 E(trans) 가 제 1 한계값 이상 혹은 제 2 한계값 이하이면, 고장진단부 (34) 는 E(trans) 가 이상이 있다고 판단하고, 출력부 (36) 가 시스템 제어기 혹은 경보장치와 같은 외부 장치 (4) 로 경보를 출력하게 한다.
도 2 내지 도 5 는 도 1 에 도시된 컴퓨터 (3) 를 통하여 이상 검출 과정을 보여주는 플로우 차트이다. 매립차원 (D), 샘플링 간격 (Δt), 병진시간 (TΔt) 의 T, 벡터 선택 수 (M) 및 반복수 (K 및 Q) 가 컴퓨터의 벡터편차계산부 (33) 에서 설정되며, 제 1 및 제 2 한계값이 고장조건입력부 (35) 에서 설정된다(단계 S1). 컴퓨터 (3) 의 메모리 (32) 는 A/D 변환기 (2) 로부터 주어진 디지털 신호를 시계열 데이터로서 그 안에 저장하며(단계 S2), 소정의 시간 내에 메모리 (32)에 기억된 시계열 데이터는 중앙처리장치 (31) 를 통하여 벡터편차계산부 (33) 로 주어진다.
벡터편차계산부 (33) 는 주어진 시계열 데이터 {x(t)}t-1 N(N: 데이터 수) 로부터의 다음의 수학식 (2) 에 의해서 표현된 벡터 X(t) 를 생성한다(단계 S3).
X(t) = {x(t), x(t-Δt),…, x(t-(D-1)Δt)} (2)
또한, 벡터편차계산부 (33) 는 적정시간 간격 (TΔt) 만큼 벡터 X(t) 를 병진시키고, 다음의 수학식 (3) 에 의해서 설명된 벡터 Y(t) 를 생성한다(단계 S4).
Y(t) = {x(t+TΔt),…, x(t+TΔt-Δt),…, x(t+TΔt-(D-1)Δt)} (3)
벡터편차계산부 (33) 는 임의의 랜덤수를 생성하며 (단계 S5), 생성된 랜덤수를 사용함으로서 단계 S3 에서 생성된 N 개의 벡터 X(t) 로부터 M(M<N) 개의 벡터 X(t(0)) 를 선택하고 (단계 S6), 한 벡터 X(t(0)) 를 적절하게 특정화한다(단계 S7). 벡터편차계산부 (33) 는 특정화된 벡터 X(t(0)) 와 다음의 수학식 4 에 따라서 벡터 X(t(0)) 이외의 나머지 (N-1) 의 벡터 X(t) 사이의 거리 (hx) 를 산출하며, 그 거리가 증가하는 순으로 산출된 거리를 재배열하고, 선두로부터 가장 가까운 벡터 순으로 K(K<M) 개의 벡터를 추출하며, 벡터 X(t(k))(k=1,…, K) 를 얻는다(단계 S9).
(4)
벡터편차계산부 (33) 는 시간간격 (TΔt) 만큼 단계 S7 및 S9 에서 얻은 벡터 X(t(k))(k=0,1,…,K) 를 병진함으로서 얻은 벡터 Y(t(k)) 를 생성한다(단계 S10).
벡터편차계산부 (33) 는 다음의 수학식 5 에 따라서 (K+1) 의 차분벡터 (V(t(k)) 를 산출하며(단계 S11), 각각의 차분벡터 V(t(k)) 로부터 1차 병진 오차 E(trans)1와 다음의 수학식 7 을 얻는다(단계 S12).
V(t(k)) = X(t(k)) - Y(t(k)) (5)
여기서,
벡터편차계산부 (33) 는 단계 S13 에서 M 개의 1차 병진오차 E(trans)1가 얻어진다고 판단될 때까지, 단계 S7 내지 S12 를 반복하며, 단계 S6 에서 선택된 M 개의 벡터 X(t(0)) 에 대하여, 1차 병진오차 E(trans)1를 얻는다. 벡터편차계산부 (33) 가 M 개의 1 차 병진오차 E(trans)1를 얻을 때, 그의 중간값을 산출하여 1차 평균 병진오차 E(trans)11를 얻는다(단계 S14).
그런 후, 벡터편차계산부 (33) 는 Q 개의 1차 평균 병진오차 E(trans)11를 단계 S15 에서 얻을 때까지, 단계 S5 내지 S14 를 반복하며, Q 개의 1차 평균 병진오차 E(trans)11를 얻었다고 판단될 때, 그의 평균값을 산출하여서 E(trans) 를 얻는다(단계 S16). 결국, 시계열 데이터의 E(trans) 는 정확하게 얻어질 수 있다.
E(trans) 를 얻을 때, 벡터편차산출부 (33) 는 고장진단부 (34) 로 그것을 공급한다. 고장진단부 (34) 는 벡터편차계산부 (35) 로부터 얻어진 E(trans) 를 고장조건입력부 (35) 에서 설정된 제 1 한계값, 제 2 한계값 혹은 그 양자와 비교한다(단계 S17). E(trans) 가 제 1 한계값 이상이며, 제 2 한계값 이하일 때, 고장진단부 (34) 는 E(trans) 를 이상으로서 판단하며(단계 S18), 경보가 출력부 (36) 로부터 외부 장치 (4)로 출력된다(단계 S19).
다음, 본 발명의 방법에 의한 이상 검출과 종래의 방법에 의한 이상 검출을 비교한 결과를 설명한다.
도 6 및 도 9 는 비교 테스트를 위하여 사용된 시계열 데이터를 보여주는 그래프이다. 종축은 신호강도를 나타내며, 횡축은 측정의 시작으로부터의 시간을 나타낸다. 도 6 은 팬의 모터회전부의 진동을 시뮬레이팅하는 시계열 데이터를 보여주는 그래프이다. 도 6a 는 이상이 나타나지 않을 때의 시계열 데이터를 보여준다. 도 6b 는 이상이 나타날 때의 시계열 데이터를 보여준다. 종축에 의해서 나타난 신호강도는 진동센서에 의해서 진동을 전기신호로 변환함으로서 얻어지나, 진동부의 반사파는 광센서에 의해서 검출될 수도 있다. 더욱이, 동일한 진동 성분은 전류계에 의한 모터의 전류특성을 특정화함으로서 얻어진 전류값으로부터 혹은 전압계에 의해서 모터의 전압특성을 측정함으로서 얻어진 전압값으로부터 얻을 수 있다.
부가적으로, 도 9 는 음향신호를 시뮬레이팅하는 시계열 데이터를 보여주는 그래프이다. 도 9a 는 이상이 있지 않을 때의 시계열 데이터를 보여주며, 도 9b 는 이상이 있을 때의 시계열 데이터를 보여준다. 종축에 의해서 표현되는 신호강도는 음파센서에 의해서 음향을 전기신호로 변환함으로서 얻어진다.
도 7 은 본 발명의 방법에 의해서 도 6a 및 도 6b 에 도시된 두 개의 시계열 데이터로부터 E(trans) 를 산출한 결과를 보여주는 그래프이다. ● 은 이상이 없는 것을 보여주며, ○ 은 이상이 있는 것을 보여준다. 여기서, 샘플링 간격 (Δt) 은 1 로 설정되며, 병진시간 (TΔt) 의 T 는 5 로 설정되며, 벡터 선택수 M 은 300 으로 설정되며, 벡터 선택수 K 는 4 로 설정되며, 반복수 Q 는 20 으로, 그리고 매립차원 D 는 5, 6, 7, 8, 9, 및 10 으로 설정된다. 더욱이, 도 8 은 종래의 방법에 의해서 도 6a 및 도 6b 에 도시된 두 개의 시계열 데이터로부터 파워 스펙트럼을 생성하는 결과를 보여주는 그래프이다. 실선은 이상이 없을 때를 보여주며, 파선은 이상이 있을 때를 보여준다.
도 7 로부터 명백하게 되는 것처럼, 본 발명의 방법에서, 이상 있을 경우의 E(trans) 는 이상이 나타나지 않는 경우와 명백하게 분리되어 있으며, 한계값으로서 0.05 를 설정함으로서 이상이 있는지 아닌지를 정확하게 판단할 수 있다. 반면, 도 8 로부터 명확하게 할 수 있는 것처럼, 이상의 경우의 파워 스펙트럼의 많은 부분은 정상의 경우의 것과 오버랩되어 있어서, 판단에서의 오류가 나타난다.
부가적으로, 도 10 은 본 발명에 의해서 도 9a 및 도 9b 에 도시된 두 개의 시계열 데이터로부터의 E(trans) 의 결과를 보여주는 그래프이며, ● 은 이상이 없는 경우를 나타내며, ○ 은 이상이 있는 경우를 나타낸다. 여기서, 샘플링 간격 Δt 는 1 로 설정되며, 병진시간 TΔt 는 5 로, 벡터선택수 M 은 300 으로, 벡터 선택수 K 는 4 로, 반복수 Q 는 20 으로, 매립차원 D 는 11, 12, 13, 14 및 15 로 설정된다. 더욱이, 도 11 은 종래의 방법에 의해서 도 9a 및 도 9b 에 도시된 두 개의 시계열 데이터로부터 파워 스펙트럼을 생성한 결과를 보여주는 그래프이며, 실선은 이상이 없는 것을 나타내며, 파선은 이상이 있는 경우를 나타낸다. 도 10 에서 명백하게 된 것처럼, 본 발명의 방법에서, 이상의 경우의 E(trans) 가 이상이 없는 경우의 것과 명백하게 분리되어 있으며, 한계값으로서 0.90 을 설정함으로서 이상인지 혹은 정상인지를 정확하게 판단할 수 있다. 반면, 도 11 에서 명백한 것처럼, 이상의 경우의 파워 스펙트럼의 많은 부분이 정상의 경우와 오버랩되어 있으며, 판단에서의 오차가 나타난다.
상술된 바와 같이, 본 발명에서는, 측정물리량이 비선형 다이나믹스에 따라서 변화되며, 다양한 이상을 정확하게 검출할 수 있다. 이러한 이유로, 제조 플랜트의 작동이 정확하게 관리되고, 제조 장치의 부품이 정확하게 교환되며 제품의 질을 정확하게 관리할 수 있는 우수한 효과를 생성한다.

Claims (8)

  1. 소정의 시간간격으로 시간에 따라서 변화하는 피검출물의 물리량을 측정하고, 얻어진 시계열 데이터를 기초로하여 피검출물의 이상을 검출하는 이상 검출방법에 있어서,
    시계열 데이터로부터 적정차원의 다수의 제 1 벡터들을 생성하는 단계와,
    적정 시간 간격만큼 제 1 벡터들을 병진시킴으로서 얻어진 제 2 벡터들을 생성하는 단계와,
    생성된 제 1 및 제 2 벡터들의 편차들을 산출하는 단계와,
    소정의 한계값을 산출된 값들과 비교하는 단계와,
    상기 비교된 결과로부터 피검출물이 이상이 있는지 혹은 없는지를 판단하는 단계를 구비하는 것을 특징으로 하는 이상 검출 방법.
  2. 제 1 항에 있어서, 상기 편차들을 산출하는 단계는,
    상기 제 1 벡터들로부터 적정 벡터를 선택하는 제 1 단계와,
    소정 개수의 벡터들을 상기 제 1 벡터들로부터 추출하되, 상기 소정 개수의 벡터들이 상기 선택된 벡터에 가까운 순으로 추출하는, 제 2 단계와,
    상기 추출된 벡터들과 상기 선택된 벡터를 적정 시간 간격만큼 병진시킴으로서 얻어지는 병진 벡터들을 생성하는 제 3 단계와,
    상기 생성된 병진 벡터들과 상기 선택된 벡터 및 상기 추출된 벡터 사이의 차분벡터들을 얻는 제 4 단계와,
    상기 얻어진 차분벡터들의 분산을 산출하는 제 5 단계를 구비하는 것을 특징으로 하는 이상 검출 방법.
  3. 제 2 항에 있어서, 상기 선택된 벡터를 변화시킴으로서 상기 제 1 내지 제 5 단계를 반복함으로서 다수의 분산들을 산출하며, 산출된 다수의 분산들의 중간값 혹은 평균값을 얻는 것을 다수회 반복함으로서, 다수의 중간값들 혹은 평균값들을 얻는 단계와, 상기 얻어진 중간값 혹은 평균값들의 평균값을, 상기 한계값과 비교되는 산출값으로 설정하는 단계를 더 구비하는 것을 특징으로 하는 이상 검출 방법.
  4. 제 2 항에 있어서, 상기 선택된 벡터를 변화하면서 제 1 내지 제 5 단계를 반복함으로서 다수의 분산들을 산출하는 단계와, 상기 산출된 다수의 분산들의 중간값 혹은 평균값을 얻는 단계와, 상기 얻어진 중간값 혹은 평균값을, 상기 한계값과 비교되는 산출값으로 설정하는 단계를 더 구비하는 것을 특징으로 하는 이상 검출 방법.
  5. 소정의 시간 간격으로 시간에 따라서 변화하는 피검출물의 물리량을 측정하고, 얻어진 시계열 데이터를 기초로하여 피검출물의 이상을 검출하는 이상 검출 시스템에 있어서,
    상기 시계열 데이터로부터 적정 차원의 다수의 제 1 벡터들을 생성하는 수단과,
    적정 시간 간격만큼 상기 제 1 벡터들을 병진시킴으로서 얻어진 제 2 벡터들을 생성하는 수단과,
    상기 생성된 제 1 및 제 2 벡터들의 편차들을 산출하는 산출수단과,
    상기 산출된 값과 소정의 한계값을 비교하기 위한 수단과,
    상기 비교 결과로부터 피검출물이 이상이 있는지 혹은 아닌지를 판단하기 위한 수단을 구비하는 것을 특징으로 하는 이상 검출 시스템.
  6. 제 5 항에 있어서, 상기 산출 수단은,
    제 1 벡터들로부터 적정 벡터를 선택하기 위한 수단과,
    소정 개수의 벡터들을 상기 제 1 벡터들로부터 추출되는, 상기 소정 개수의 벡터들이 상기 선택된 벡터에 가까운 순으로 추출하는, 수단과,
    적정 시간 간격만큼 상기 선택된 벡터들과 상기 추출된 벡터들을 병진시킴으로서 얻어진 병진벡터들을 생성하는 수단과,
    상기 생성된 병진벡터들과 상기 선택된 벡터 및 상기 추출된 벡터들 사이의 차분벡터들을 얻기 위한 수단과,
    상기 얻어진 차분벡터들의 분산을 산출하기 위한 수단을 구비하는 것을 특징으로 하는 시스템.
  7. 피검출물의 이상을 검출하기 위한 이상 검출 시스템에 있어서,
    소정의 시간 간격으로 시간에 따라서 변화하는 피검출물의 물리량을 측정하는 측정수단과,
    상기 측정수단에 의해서 얻어진 측정값의 시계열 데이터를 기억하는 수단과,
    상기 기억된 시계열 데이터로부터 적절한 차원의 다수의 제 1 벡터들을 생성하는 수단과,
    적정 시간 간격만큼 상기 제 1 벡터들을 병진시킴으로서 얻어진 제 2 벡터들을 생성하는 수단과,
    상기 생성된 제 1 및 제 2 벡터들의 편차들을 산출하는 수단과,
    상기 산출된 값들과과 소정의 한계값을 비교하기 위한 수단과,
    상기 비교 결과에 따라서 피검출물이 이상이 있는지를 검출하는 수단을 구비하는 것을 특징으로 하는 이상 검출 시스템.
  8. 제 7 항에 있어서, 상기 측정수단은, 음파센서, 초음파센서, 진동센서, 광센서, 전압계 및 전류계로 구성된 군으로부터 선택되는 기기(機器)인 것을 특징으로 하는 이상 검출 시스템.
KR1019980706268A 1996-02-16 1997-02-13 이상 검출 방법 및 이상 검출 시스템 KR19990082532A (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP96-29733 1996-02-16
JP2973396 1996-02-16

Publications (1)

Publication Number Publication Date
KR19990082532A true KR19990082532A (ko) 1999-11-25

Family

ID=12284315

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1019980706268A KR19990082532A (ko) 1996-02-16 1997-02-13 이상 검출 방법 및 이상 검출 시스템

Country Status (6)

Country Link
EP (1) EP0881467A4 (ko)
KR (1) KR19990082532A (ko)
CN (1) CN1213429A (ko)
AU (1) AU1671697A (ko)
TW (1) TW327221B (ko)
WO (1) WO1997030329A1 (ko)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20160070327A (ko) * 2014-12-10 2016-06-20 부산대학교 산학협력단 다차원 특징을 이용한 이상신호 분석장치 및 방법
KR102230463B1 (ko) * 2019-12-12 2021-03-19 울산대학교 산학협력단 설비 부품의 결함 진단 시스템 및 이의 방법

Families Citing this family (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6526405B1 (en) * 1999-12-17 2003-02-25 Microsoft Corporation Determining similarity between event types in sequences
US7152068B2 (en) * 2001-12-21 2006-12-19 Honeywell International Inc. Method and apparatus for retrieving time series data related to an activity
JP4200332B2 (ja) * 2006-08-29 2008-12-24 パナソニック電工株式会社 異常監視装置、異常監視方法
US8572472B2 (en) 2006-09-28 2013-10-29 Mitsubishi Electric Corporation Fault detection apparatus, fault detection method, and fault detection program
TWI474023B (zh) * 2008-12-10 2015-02-21 Ind Tech Res Inst 馬達故障診斷方法及其診斷裝置
DE102009028325A1 (de) * 2009-08-07 2011-02-10 Robert Bosch Gmbh Verfahren und Vorrichtung zur Detektion von Schwingungen
CN105938011B (zh) * 2016-07-15 2017-08-11 武汉理工大学 一种水力除焦过程钻杆工作状态实时判定方法
CN106872168A (zh) * 2017-03-09 2017-06-20 武汉科技大学 一种用于滚动轴承的故障诊断方法
CN107703916B (zh) * 2017-09-30 2019-06-07 英特尔产品（成都）有限公司 电子压力调节器诊断系统及方法
CN109861857A (zh) * 2019-01-28 2019-06-07 网联清算有限公司 故障检测方法及装置
CN109919495A (zh) * 2019-03-12 2019-06-21 中国计量大学 基于阈值计算的光伏电站监测数据异常与程度判断方法
CN111984827A (zh) * 2019-05-24 2020-11-24 上海东方富联科技有限公司 门磁传感器数据异常检测方法及系统、存储介质及终端
CN112710446B (zh) * 2020-12-21 2022-06-07 北京和中普方新能源科技有限公司 电动车电池系统振动试验的判断方法、系统及存储介质
CN114184274B (zh) * 2021-11-19 2023-06-16 哈尔滨工程大学 一种受高频噪声干扰振动信号的非线性特性诊断方法

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4453407A (en) * 1980-04-17 1984-06-12 Hitachi, Ltd. Vibration diagnosis method and apparatus for rotary machines
JPH02226024A (ja) * 1989-02-27 1990-09-07 Toshiba Corp 回転機械のラビング検出装置
JP2909134B2 (ja) * 1990-04-02 1999-06-23 株式会社東芝 回転機械の回転部異常検知装置

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20160070327A (ko) * 2014-12-10 2016-06-20 부산대학교 산학협력단 다차원 특징을 이용한 이상신호 분석장치 및 방법
KR102230463B1 (ko) * 2019-12-12 2021-03-19 울산대학교 산학협력단 설비 부품의 결함 진단 시스템 및 이의 방법

Also Published As

Publication number Publication date
EP0881467A4 (en) 1999-05-12
WO1997030329A1 (fr) 1997-08-21
CN1213429A (zh) 1999-04-07
AU1671697A (en) 1997-09-02
TW327221B (en) 1998-02-21
EP0881467A1 (en) 1998-12-02

Similar Documents

Publication Publication Date Title
KR19990082532A (ko) 이상 검출 방법 및 이상 검출 시스템
CN111638028B (zh) 一种基于振动特征的高压并联电抗器机械状态评估方法
US5511004A (en) Diagnostic method for an evolutionary process
JP3698444B2 (ja) プロセスに於ける欠陥センサの検出と特定を行うための方法及び装置
Li et al. Particle filtering based likelihood ratio approach to fault diagnosis in nonlinear stochastic systems
US11934184B2 (en) Automated analysis of non-stationary machine performance
TWI587294B (zh) 設備異音的檢測方法及檢測裝置
US10228994B2 (en) Information processing system, information processing method, and program
US9009001B2 (en) Monitoring for invalid data from field instruments
CN111767183B (zh) 设备异常检测方法及装置、电子设备、存储介质
US11880750B2 (en) Anomaly detection based on device vibration
Duta et al. The fusion of redundant SEVA measurements
JP2020052740A (ja) 異常検知装置、異常検知方法及びプログラム
US7079959B2 (en) High-resolution intelligent rotor machine diagnostic system and method
CN104620248A (zh) 使用遗传编程估计剩余使用寿命
CN116627116B (zh) 一种流程工业故障定位方法、系统及电子设备
JP2009110262A (ja) フィルタ装置、フィルタ装置のフィルタリング方法およびフィルタリングプログラム
JP2002323371A (ja) 音響診断装置及び音響診断方法
JP3567073B2 (ja) 時系列データ予測方法および装置
KR20150118456A (ko) 감시 장치의 부분방전 진단 방법
JP2008140222A (ja) 異常検知装置及び方法
Chang et al. Real-time detection of wave profile changes
KR101137318B1 (ko) 반도체 장치의 고장 진단시스템 및 방법
Aggoune et al. Modeling of a distillation column based on NARMAX and Hammerstein models
Geramifard et al. Continuous health assessment using a single hidden Markov model

Legal Events

Date Code Title Description
A201 Request for examination
E701 Decision to grant or registration of patent right
NORF Unpaid initial registration fee