KR20210124214A - 지원장치, 지원방법 및 지원프로그램 - Google Patents

지원장치, 지원방법 및 지원프로그램 Download PDF

Info

Publication number
KR20210124214A
KR20210124214A KR1020217022490A KR20217022490A KR20210124214A KR 20210124214 A KR20210124214 A KR 20210124214A KR 1020217022490 A KR1020217022490 A KR 1020217022490A KR 20217022490 A KR20217022490 A KR 20217022490A KR 20210124214 A KR20210124214 A KR 20210124214A
Authority
KR
South Korea
Prior art keywords
parameter
learning data
point position
change point
data
Prior art date
Application number
KR1020217022490A
Other languages
English (en)
Inventor
타케시 니시
Original Assignee
스미도모쥬기가이고교 가부시키가이샤
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 스미도모쥬기가이고교 가부시키가이샤 filed Critical 스미도모쥬기가이고교 가부시키가이샤
Publication of KR20210124214A publication Critical patent/KR20210124214A/ko

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
    • G05B23/0243—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
    • 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
    • G05B23/0259—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
    • G05B23/0267—Fault communication, e.g. human machine interface [HMI]
    • G05B23/0272—Presentation of monitored results, e.g. selection of status reports to be displayed; Filtering information to the user
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Theoretical Computer Science (AREA)
  • Software Systems (AREA)
  • Evolutionary Computation (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Informatics (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Human Computer Interaction (AREA)
  • Testing Or Calibration Of Command Recording Devices (AREA)
  • Indication And Recording Devices For Special Purposes And Tariff Metering Devices (AREA)
  • Testing And Monitoring For Control Systems (AREA)

Abstract

지원장치(10)는, 센서의 계측값의 경시적 변화를 특정하는 파라미터를 취득하기 위한 것으로서, 제1 센서의 계측값의 경시적 변화를 나타내는 제1 학습용 데이터와, 제2 센서의 계측값의 경시적 변화를 나타내는 것이며 제1 학습용 데이터에 대하여 상관성이 있는 제2 학습용 데이터를 취득하는 데이터취득부(21)와, 파라미터를 입력하는 입력부(23)와, 입력부에 의하여 입력된 파라미터에 대응하는 제1 학습용 데이터의 변화점위치 및 제2 학습용 데이터의 변화점위치에 근거하여, 소정 값의 파라미터를 취득하는 파라미터취득부(25)를 구비한다.

Description

지원장치, 지원방법 및 지원프로그램
본 발명은, 센서의 계측값의 경시적 변화를 특정하는 파라미터를 취득하기 위한 지원장치, 지원방법 및 지원프로그램에 관한 것이다.
각종 프로세스계의 상태변화를 검출 가능한 감시장치로서, 예를 들면, 특허문헌 1 및 2와 같은 감시장치가 알려져 있다. 이와 같은 감시장치에 있어서는, 프로세스의 상태변화가 발생했는지 아닌지를, 센서의 계측값의 경시적 변화를 특정함으로써 행하기 때문에, 그 경시적 변화를 특정하기 위한 파라미터를 취득할 것이 요구된다.
특허문헌 1: 일본 공개특허공보 2012-141712호 특허문헌 2: 일본 공개특허공보 평11-7317호
그러나, 종래에 있어서는, 센서의 계측값의 경시적 변화를 특정하는 파라미터는, 과거의 경험값이나 간이해석값을 이용함으로써 얻어지고 있었다. 그 때문에, 과거의 경험값이 없는 것 같은 계측데이터에 있어서는 시행착오로 파라미터를 탐색할 필요가 있어, 파라미터의 취득이 곤란하거나 또는 비효율적이었다. 또, 간이해석값을 이용함으로써 파라미터를 취득하는 것도 생각할 수 있지만, 어디까지나 간이계산에 의한 파라미터취득이기 때문에, 센서의 계측값의 정확한 경시적 변화를 특정하는 것은 곤란했다.
이 점에서, 특허문헌 1 및 2 중 어느 감시장치에 있어서도, 센서의 계측값의 경시적 변화를 특정하는 파라미터를 산출하는 것에 대해서는 전혀 대처되고 있지는 않다.
본 발명의 일 양태의 예시적인 목적의 하나는, 센서의 계측값의 경시적 변화를 특정하는 파라미터를 용이하게 취득하기 위한 지원장치, 지원방법 및 지원프로그램을 제공하는 것에 있다.
상기 과제를 해결하기 위하여, 본 발명의 일 양태의 지원장치는, 센서의 계측값의 경시적 변화를 특정하는 파라미터를 취득하기 위한 지원장치로서, 제1 센서의 계측값의 경시적 변화를 나타내는 제1 학습용 데이터와, 제2 센서의 계측값의 경시적 변화를 나타내는 것이며 제1 학습용 데이터에 대하여 상관성이 있는 제2 학습용 데이터를 취득하는 데이터취득부와, 파라미터를 입력하는 입력부와, 입력부에 의하여 입력된 파라미터에 대응하는 제1 학습용 데이터의 변화점위치 및 제2 학습용 데이터의 변화점위치에 근거하여, 소정 값의 파라미터를 취득하는 파라미터취득부를 구비한다.
상기 양태에 의하면, 제1 학습용 데이터와, 당해 제1 학습용 데이터와 상관성이 있는 제2 학습용 데이터를 취득하고, 입력부에 의하여 입력된 파라미터에 대응하는 제1 학습용 데이터의 변화점위치 및 제2 학습용 데이터의 변화점위치에 근거하여, 소정 값의 파라미터를 취득한다. 이에 의하면, 센서의 계측값의 경시적 변화를 특정하는 파라미터를 용이하게 취득할 수 있다.
본 발명의 다른 양태는, 지원방법이다. 이 방법은, 센서의 계측값의 경시적 변화를 특정하는 파라미터를 취득하기 위한 지원방법으로서, 제1 센서의 계측값의 경시적 변화를 나타내는 제1 학습용 데이터와, 제2 센서의 계측값의 경시적 변화를 나타내는 것이며 제1 학습용 데이터에 대하여 상관성이 있는 제2 학습용 데이터를 데이터취득부에 의하여 취득하는 것, 입력부에 의하여 파라미터를 입력하는 것, 및, 입력부에 의하여 입력된 파라미터에 대응하는 제1 학습용 데이터의 변화점위치와 제2 학습용 데이터의 변화점위치에 근거하여, 파라미터취득부에 의하여 소정 값의 파라미터를 취득하는 것을 포함한다.
본 발명의 또 다른 양태는, 지원프로그램이다. 이 프로그램은, 센서의 계측값의 경시적 변화를 특정하는 파라미터를 취득하기 위하여 컴퓨터로 실행되는 지원프로그램으로서, 컴퓨터에, 제1 센서의 계측값의 경시적 변화를 나타내는 제1 학습용 데이터와, 제2 센서의 계측값의 경시적 변화를 나타내는 것이며 제1 학습용 데이터에 대하여 상관성이 있는 제2 학습용 데이터를 취득하는 것, 및, 입력부에 의하여 입력된 파라미터에 대응하는 제1 학습용 데이터의 변화점위치와 제2 학습용 데이터의 변화점위치에 근거하여, 파라미터취득부에 의하여 소정 값의 파라미터를 취득하는 것을 실행시킨다.
다만, 이상의 구성요소의 임의의 조합이나 본 발명의 구성요소나 표현을, 방법, 장치, 시스템, 컴퓨터프로그램, 데이터구조, 기록매체 등의 사이에서 서로 치환한 것도 또한, 본 발명의 양태로서 유효하다.
본 발명에 의하면, 센서의 계측값의 경시적 변화를 특정하는 파라미터를 용이하게 취득할 수 있다.
도 1은 본 발명의 일 실시형태에 관한 지원장치(10)의 구성을 나타내는 도이다.
도 2는 지원장치(10)에 의한 지원방법의 일례를 나타내는 플로차트이다.
도 3은 지원장치(10)에 의한 지원방법의 일례를 나타내는 플로차트이다.
도 4는 계측데이터의 변화점위치의 산출방법의 일례인 k근방법(近傍法)을 설명하기 위한 도이다.
도 5는 계측데이터의 변화점위치의 산출방법의 일례인 특이스펙트럼변환을 설명하기 위한 도이다.
도 6은 지원장치(10)에 의한 지원방법을 설명하기 위한 도이다.
이하, 도면을 참조하면서, 발명의 실시형태를 통하여 본 발명을 설명하지만, 이하의 실시형태는 특허청구범위에 관한 발명을 한정하는 것은 아니고, 또, 실시형태 중에서 설명되어 있는 특징의 조합의 모두가 발명의 해결수단에 필수라고는 한정하지 않는다. 각 도면에 나타나는 동일 또는 동등한 구성요소, 부재, 처리에는, 동일한 부호를 붙이는 것으로 하고, 적절히 중복된 설명은 생략한다.
도 1~도 6은, 본 발명의 실시형태에 관한 지원장치 및 지원방법을 설명하기 위한 도이다. 구체적으로는, 도 1은 본 발명의 일 실시형태에 관한 지원장치(10)의 구성을 나타내는 도이며, 도 2 및 도 3은 지원장치(10)에 의한 지원방법의 일례를 나타내는 플로차트이고, 도 4 및 도 5는 계측데이터의 변화점위치의 산출방법의 일례를 설명하기 위한 도이며, 도 6은 지원장치(10)에 의한 지원방법을 설명하기 위한 도이다.
지원장치(10)는, 센서의 계측값의 경시적 변화를 특정하는 파라미터의 취득을 지원하는 것이며, 이로써 예를 들면 발전플랜트나 화학플랜트 등의 프로세스계 시스템에 있어서의 계측데이터의 파형의 특징변화검출을 지원하는 것이다. 계측데이터의 파형의 특징변화검출을 위해서는, 알고리즘에 파라미터를 설정할 필요가 있다. 이와 같은 파라미터는, 센서의 계측값의 경시적 변화를 나타내는 계측데이터의 변화점위치를 특정하는 것이다. 최적인 파라미터가 설정됨으로써, 계측데이터에 있어서의 정확한 변화점위치를 특정하는 것이 가능해져, 계측데이터의 정확한 파형특징변화를 검출할 수 있다. 이로써 예를 들면 프로세스계 시스템의 운전상황을 정확하게 평가하는 것이 가능해진다.
지원장치(10)는, 파라미터최적화기구(20)와, 데이터평가기구(30)와, 데이터기억부(40)를 구비한다. 파라미터최적화기구(20)는, 센서의 계측값의 경시적 변화를 특정하는 소정 값의 파라미터의 일례인 최적파라미터를 취득한다. 데이터평가기구(30)는, 파라미터최적화기구(20)에 의하여 취득된 최적파라미터를 이용하여, 센서의 계측값의 경시적 변화를 나타내는 계측데이터의 변화점위치를 특정하고, 이로써, 계측데이터의 파형의 특징변화검출을 행하며, 나아가서는 프로세스계 시스템의 운전상황을 평가할 수 있다. 데이터기억부(40)는, 각종 계측데이터를 기억함과 함께, 파라미터최적화기구(20)에 의하여 취득된 최적파라미터나, 파라미터최적화기구(20) 및 데이터평가기구(30)에 의하여 산출 또는 취득된 계측데이터의 변화점위치데이터를 기억한다.
지원장치(10)는, 예를 들면 프로세스계 시스템에 마련된 복수의 센서(도시하지 않는다)와 접속되어 있으며, 당해 센서의 계측값의 경시적 변화를 나타내는 계측데이터를 취득 가능하게 구성되어 있다. 또, 지원장치(10)는, 정보를 입력하기 위한 조작부(도시하지 않는다) 및 정보를 출력하기 위한 표시부(도시하지 않는다)에 접속되어 있다. 이로써 조작부에 의하여 입력된 정보에 근거하여 연산을 행함과 함께 그 연산결과를 표시부에 표시하고, 작업자가 표시부에 의하여 화면을 인식하면서 조작부에 의하여 지원장치(10)에 대하여 필요한 정보를 입력할 수 있도록 되어 있다. 지원장치(10)는, CPU 및 메모리 등을 구비하는 컴퓨터장치이다. 메모리에는, 본 실시형태에 관한 지원장치(10)에 의한 지원방법의 각 동작을 실행하기 위한 지원프로그램이 저장되어 있다. 다만, 후술하는 본 실시형태에 관한 지원방법을 규정한 프로그램이 컴퓨터에 작용하여 CPU에 행하게 하는 처리는, 각각 본 실시형태의 지원장치(10) 및 지원방법에 있어서의 대응하는 요소의 기능 및 동작과 동일하다.
이하, 지원장치(10)의 각종 기능블록에 대하여 설명한다.
파라미터최적화기구(20)는, 학습용 데이터취득부(21)와, 노이즈제거부(22)와, 파라미터입력부(23)와, 데이터표시부(24)와, 최적파라미터취득부(25)를 구비한다. 학습용 데이터취득부(21)는, 센서의 계측값의 경시적 변화를 나타내는 계측데이터를, 최적파라미터최적파라미터를 취득하기 위하여 학습용 데이터로서 취득한다. 여기에서, 센서는 예를 들면 압력센서, 온도센서 또는 유량센서이다. 노이즈제거부(22)는, 학습용 데이터취득부(21)에 의하여 취득된 계측데이터의 노이즈를 제거하고, 노이즈제거가 완료된 계측데이터를 취득한다. 파라미터입력부(23)는, 센서의 계측값의 경시적 변화를 특정하기 위한 파라미터의 입력을 접수한다. 이 파라미터의 입력은, 예를 들면 작업자가 조작부를 통하여 입력함으로써 행해진다.
데이터표시부(24)는, 노이즈제거부(22)에 의하여 취득된 노이즈제거가 완료된 계측데이터를 표시한다. 또, 데이터표시부(24)는, 작업자에게 파라미터의 입력을 촉진하기 위한 파라미터입력란, 최적파라미터취득을 위하여 필요한 실행버튼(예를 들면 변화점산출실행버튼 및 변화점추출실행버튼), 및, 학습용 데이터의 변화점위치의 일치율의 판정결과 등, 파라미터최적화기구(20)가 최적파라미터를 취득하기 위하여 필요한 정보를 표시부에 표시한다(도 6 참조).
최적파라미터취득부(25)는, 계측데이터의 변화점위치를 산출하는 변화점위치산출부(26)와, 변화점위치산출부(26)에 의하여 산출된 변화점위치를 추출하는 변화점위치추출부(27)를 구비한다. 변화점위치의 산출방법은 한정되는 것은 아니지만, 예를 들면, k근방법(도 4 참조)이나 특이스펙트럼변환(도 5 참조) 등의 공지의 파형특징변화검출방법을 이용할 수 있다.
데이터평가기구(30)는, 평가용 데이터취득부(31)와, 노이즈제거부(32)와, 최적파라미터입력부(33)와, 데이터표시부(34)와, 변화점위치취득부(35)를 구비한다. 평가용 데이터취득부(31)는, 센서의 계측값의 경시적 변화를 나타내는 계측데이터를, 계측데이터의 파형의 특징변화검출을 위하여 평가용 데이터로서 취득한다. 평가용 데이터는, 파라미터최적화기구(20)의 학습용 데이터취득부(21)에 의하여 취득되는 학습용 데이터와 동일한 센서의 계측값에 근거하는 동종의 계측데이터이다. 이와 같이 동종의 계측데이터로부터 얻어진 최적파라미터를 이용하여 계측데이터의 파형의 특징변화검출을 행하기 위하여, 계측데이터에 있어서의 정확한 변화점위치를 특정할 수 있다.
노이즈제거부(32)는, 평가용 데이터취득부(31)에 의하여 취득된 계측데이터의 노이즈를 제거하고, 노이즈제거가 완료된 계측데이터를 취득한다. 최적파라미터입력부(33)는, 센서의 계측값의 경시적 변화를 특정하기 위한 최적파라미터의 입력을 접수한다. 최적파라미터의 입력은, 예를 들면, 최적파라미터취득부(25)에 의하여 취득된 최적파라미터를 파라미터최적화기구(20) 또는 데이터기억부(40)로부터 전달받음으로써 행해진다. 혹은, 파라미터최적화기구(20)에 의하여 취득된 최적파라미터를, 작업자가 조작부를 통하여 입력함으로써 최적파라미터의 입력을 행할 수도 있다.
데이터표시부(34)는, 노이즈제거부(32)에 의하여 취득된 노이즈제거가 완료된 계측데이터를 표시한다. 또, 데이터표시부(34)는, 파라미터최적화기구(20)의 데이터표시부(24)와 동일하게, 작업자에게 최적파라미터의 입력을 촉진하기 위한 파라미터입력란, 데이터평가를 위하여 필요한 실행버튼(예를 들면 변화점산출실행버튼 및 변화점추출실행버튼) 등, 데이터평가기구(30)가 데이터평가를 위하여 필요한 정보를 표시부에 표시한다.
변화점위치취득부(35)는, 계측데이터의 변화점위치를 산출하는 변화점위치산출부(36)와, 변화점위치산출부(36)에 의하여 산출된 변화점위치를 추출하는 변화점위치추출부(37)를 구비한다. 변화점위치의 산출방법은 한정되는 것은 아니지만, 최적파라미터취득부(25)에 의한 산출방법과 동일하며, 예를 들면, k근방법(도 4 참조)이나 특이스펙트럼변환(도 5 참조) 등의 공지의 파형특징변화검출방법을 이용할 수 있다.
데이터기억부(40)는, 계측데이터기억부(41)와, 최적파라미터기억부(42)와, 변화점위치데이터기억부(43)를 구비한다. 계측데이터기억부(41)는, 프로세스계 시스템에 마련된 각 센서로부터의 계측데이터를 기억한다. 기억된 계측데이터는, 파라미터최적화기구(20)의 처리를 위한 학습용 데이터와, 데이터평가기구(30)의 처리를 위한 평가용 데이터를 포함한다. 최적파라미터기억부(42)는, 최적파라미터취득부(25)에 의하여 취득된 최적파라미터를 기억한다. 변화점위치데이터기억부(43)는, 변화점위치추출부(27, 37)의 각각에 있어서 추출된 계측데이터의 변화점위치데이터를 기억한다. 데이터기억부(40)에 기억되는 이들 기억데이터는, 예를 들면 프로세스계 시스템의 운전시기나 운전상황 등에 대응되어 있다.
다만, 상술한 파라미터최적화기구(20), 데이터평가기구(30) 및 데이터기억부(40)의 각종 구성의 구체적인 동작에 대해서는 후술하는 지원방법에 있어서 상세하게 설명한다.
이하, 본 발명의 일 실시형태에 관한 지원방법으로서, 지원장치(10)를 이용한 동작의 일례에 대하여 설명한다. 먼저, 도 2를 참조하면서 지원장치(10)의 파라미터최적화기구(20)를 이용한 동작의 일례를 설명한다.
도 2에 있어서, 먼저, 학습용 데이터취득부(21)에 의하여, 제1 센서의 계측값의 경시적 변화를 나타내는 제1 학습용 데이터와, 제2 센서의 계측값의 경시적 변화를 나타내는 제2 학습용 데이터를 취득한다(S10). 제1 학습용 데이터는, 데이터평가기구(30)에 있어서 평가대상이 되는 계측데이터와 동종의 계측데이터이며, 이와 같은 계측데이터는, 평가용 데이터취득부(31)에 의하여 취득되는 계측데이터의 센서와 동일한 센서로부터 취득할 수 있다. 제2 학습용 데이터는, 제1 학습용 데이터에 대하여 상관성이 있는 계측데이터이다. 제2 학습용 데이터는, 제1 학습용 데이터에 대한 벤치마크데이터이다. 전형적으로는, 제2 학습용 데이터는, 제1 학습용 데이터에 대하여 입력 또는 출력(바꾸어 말하면 원인 또는 결과)의 응답관계에 있는 계측데이터이다. 이 경우, 제1 학습용 데이터와 제2 학습용 데이터는 일방이 타방에 대하여 하나의 시스템의 입출력에 있는 것 같은 직접적인 입출력에 있는 양태에 한정하지 않고, 복수의 시스템의 입출력에 있는 것 같은 간접적인 입출력에 있는 양태(예를 들면, 제1 학습용 데이터가 제1 시스템에 입력되고, 당해 제1 시스템의 출력이 제2 시스템의 입력이 되며, 당해 제2 시스템의 출력이 제2 학습용 데이터인 양태)도 포함하는 것으로 한다. 이와 같은 입력 또는 출력의 응답관계에 있는 계측데이터는 서로 동일한 위치의 변화점위치를 갖고 있다. 예를 들면, 제1 학습용 데이터가 프로세스계 시스템의 소정 위치의 온도를 검출하는 온도센서로부터의 계측데이터인 경우, 제2 학습용 데이터는, 당해 소정 위치의 온도변화의 원인이 되는 증기의 압력 또는 유량을 검출하는 센서로부터의 계측데이터여도 된다. 혹은, 제2 학습용 데이터는, 제1 학습용 데이터에 대하여 상관계수가 일정 값 이상의 관계를 갖는 계측데이터여도 된다.
다음으로, 제1 학습용 데이터 및 제2 학습용 데이터의 노이즈를 노이즈제거부(22)에 의하여 제거하고(S11), 노이즈를 제거한 제1 학습용 데이터 및 제2 학습용 데이터를 데이터표시부(24)에 의하여 표시부에 표시한다(S12). 그리고, 작업자는, 표시부에 표시된 제1 학습용 데이터 및 제2 학습용 데이터의 각 파형을 시인하면서, 조작부를 통하여 파라미터입력부(23)에 의하여, 센서의 계측값의 경시적 변화를 특정하는 파라미터를 입력한다(S13). 여기에서의 파라미터는, 작업자가 적절히 결정한 가(假)파라미터이다.
그 후, 스텝 S13에서 입력된 파라미터에 근거하여, 변화점위치산출부(26)에 의하여 제1 학습용 데이터 및 제2 학습용 데이터의 각각의 변화점위치를 산출한다(S14).
변화점위치의 산출방법의 일례로서는, 도 4에 나타나는 k근방법을 들 수 있다. 도 4에 있어서 가로축은 시간, 세로축은 센서의 계측값이다. k근방법은 공지의 파형특징변화검출의 수법이며 간단하게 설명하지만, k근방법은 산출시각 t를 경계로 미래측에는 길이 w의 벡터 d를 작성한다. 과거측에는 동일한 길이 w의 벡터를 슬라이딩시켜 감으로써 벡터 qi를 n개 준비하고, 과거행렬(1열에 1벡터)을 작성한다. 과거행렬을 작성할 때, 미래측 벡터와 과거행렬의 시간적 거리가 짧은 경우, 유사도가 높아지기 때문에 변화도가 작아진다. 이것을 피하기 위하여 도 4에 나타내는 바와 같이 분리거리 g가 마련된다. 과거측의 각 벡터와 미래측의 벡터를 코사인거리를 사용한 하기 식에 대입함으로써 임시의 변화도 ztmp를 산출한다.
[수학식 1]
Figure pct00001
그리고, 하기 식과 같이 가장 작은 값을 변화도 z로 한다.
z=minztmp
k근방법에 있어서는, 스텝 S13에서 입력된 파라미터는, 도 4의 가로축의 시간의 폭에 상당하는 파라미터이다. 구체적으로는, 이 파라미터는, 도 4의 분리거리 g, 시간폭 M 및 윈도사이즈 w에 대응한다.
변화점위치의 산출방법의 다른 일례로서는, 도 5에 나타나는 특이스펙트럼변환을 들 수 있다. 도 5에 있어서 가로축은 시간, 세로축은 센서의 계측값이다. 특이스펙트럼변환(Singular Spectrum Transform)은 변화도산출시각 t보다 과거측에 있어서, 시계열데이터를 임의의 길이(윈도사이즈) w로 잘라내어 벡터를 작성하고, 그 벡터를 점수 τ로 슬라이딩함으로써 n개의 벡터를 작성한다. 이들 n개의 벡터를 이용하여 과거측 (nХw)행렬로 한다. 이 행렬을 특잇값분해함으로써 과거의 대표벡터를 임의 개 취출한다. 한편, 미래측에서도 동일한 행렬을 작성하고, 특잇값분해함으로써 미래의 대표벡터를 1개 취출한다. 과거의 대표벡터 복수 개로 구성되는 행렬 U와 미래의 대표벡터 β(t) 1개를 이용한 하기 식으로부터 그 시각의 변화도 z(t)를 산출한다.
[수학식 2]
Figure pct00002
[수학식 3]
Figure pct00003
특이스펙트럼변환에 있어서는, 스텝 S13에서 입력된 파라미터는, 도 5의 가로축의 시간의 폭에 상당하는 파라미터이다. 구체적으로는, 이 파라미터는, 도 5의 분리거리 g, 시간폭 M 및 윈도사이즈 w에 대응한다.
작업자는, 이들 복수의 파라미터를 파라미터입력부(23)에 의하여 입력하고, k근방법 또는 특이스펙트럼변환 등의 파형의 특징변화검출수법에 의하여 제1 학습용 데이터 및 제2 학습용 데이터의 각 변화점위치를 산출한다. 그 후, 변화점위치추출부(27)에 의하여 스텝 S14에서 산출된 변화점위치가 추출되고(S15), 이들 변화점위치가, 제1 학습용 데이터 및 제2 학습용 데이터에 대하여 각 변화점위치의 일치율의 판정결과와 함께 표시부에 표시된다(S16).
여기에서, 도 6은, 스텝 S16 후의 표시부에 의한 표시양태의 일례이다. 이 예에서는, 표시영역(50)은, 제1 학습용 데이터표시란(60)과, 제2 학습용 데이터표시란(70)과, 파라미터입력란(80)과, 변화점산출실행버튼(90)과, 변화점추출실행버튼(92)과, 일치율판정결과(94)를 포함한다. 제1 학습용 데이터표시란(60)에는, 제1 센서의 계측값을 세로축 및 시간을 가로축으로 하는 좌표축에 있어서, 제1 학습용 데이터의 파형(62)과, 그 변화점위치(64)가 나타나 있다. 변화점위치(64)는, 주기적으로 대략 유사한 패턴을 반복하는 파형의 각 주기에 있어서 세로선으로 표시되어 있다. 동일하게, 제2 학습용 데이터표시란(70)에는, 제2 센서의 계측값을 세로축 및 시간을 가로축으로 하는 좌표축에 있어서, 제2 학습용 데이터의 파형(72)과, 그 변화점위치(74)가 나타나 있다. 변화점위치(74)는, 주기적으로 대략 유사한 패턴을 반복하는 파형의 각 주기에 있어서 세로선으로 표시되어 있다. 이와 같이 표시란(60, 70)이 시간을 나타내는 가로축이 일치하여 배치됨으로써, 각 학습용 데이터의 변화점위치(64, 74)의 일치율이 시인 가능하게 되어 있다.
또, 파라미터입력란(80)에는, 각 학습용 데이터의 변화점위치(64, 74)를 산출하기 위하여 스텝 S13에서 입력된 각 파라미터(82, 84, 86)가 표시된다. 이로써, 각 파라미터와 각 학습용 데이터의 변화점위치의 대응이 시인 가능하게 되어 있다. 변화점산출실행버튼(90) 및 변화점추출실행버튼(92)은, 작업자가 조작부를 통하여 선택함으로써 각 학습용 데이터의 변화점위치를 산출 또는 추출할 수 있도록 되어 있다. 일치율판정결과(94)는, 일치율의 판정결과가 일치를 나타내는 경우의 항목(YES)(96)과, 일치율의 판정결과가 불일치를 나타내는 항목(NO)(98)을 포함하고, 일치율의 판정결과에 따라 어느 하나의 항목의 램프가 점등하도록 되어 있다. 이로써 작업자가, 스텝 S13에서 입력된 파라미터에 대응하는 제1 학습용 데이터의 변화점위치와 제2 학습용 데이터의 변화점위치가 일치하는지 아닌지를 용이하게 시인할 수 있다.
도 2의 플로차트로 되돌아가, 스텝 S17에 있어서 제1 학습용 데이터의 변화점위치와 제2 학습용 데이터의 변화점위치가 일치하고 있는지를 최적파라미터취득부(25)에 의하여 판정하고, 일치하고 있지 않다고 판정된 경우(S17 NO), 데이터표시부(24)는 작업자에 대하여 파라미터의 재입력을 촉진하여, 스텝 S13부터 S16의 일련의 스텝을 판정결과가 일치하고 있다고 판정될 때까지 반복하여 행한다.
판정결과가 일치하고 있다고 판정된 경우(S17 YES), 최적파라미터취득부(25)에 의하여 이 때의 소정 값의 파라미터를 최적파라미터로서 취득한다. 취득된 최적파라미터는 최적파라미터기억부(42)에 기억되고, 후술하는 데이터평가기구에 있어서 이용된다.
스텝 S17에 있어서의 일치율의 판정에 있어서는, 각 변화점위치(64, 74)를 비교하여, 허용오차 내에 있어서 일치하는지 아닌지로 판정할 수 있다. 즉, 변화점위치의 일치율이 허용오차에 들어간 경우, 그 파라미터를 최적파라미터로 한다. 다만, 변화점위치의 일치율의 계산은, 최적파라미터취득부(25)가 자동으로 행하도록 해도 된다.
다음으로, 도 3을 참조하면서 지원장치(10)의 데이터평가기구(30)를 이용한 동작의 일례를 설명한다. 도 3에 있어서, 먼저, 평가용 데이터취득부(31)에 의하여, 제1 학습용 데이터와 동종의 계측데이터를, 계측데이터의 파형의 특징변화검출을 위하여 평가용 데이터로서 취득한다(S10). 평가용 데이터는, 제1 학습용 데이터와 동일한 센서의 계측값이며 다른 시간의 계측데이터이다.
다음으로, 평가용 데이터의 노이즈를 노이즈제거부(32)에 의하여 제거하고(S21), 노이즈를 제거한 평가용 데이터를 데이터표시부(34)에 의하여 표시부에 표시한다(S22). 또, 최적파라미터입력부(33)가, 평가용 데이터와 동종의 계측데이터에 대한 최적파라미터를 최적파라미터기억부(42)로부터 취득하고, 그 최적파라미터가 데이터평가기구(30)에 입력된다(S23). 다만, 최적파라미터의 입력은, 작업자가 표시부에 표시된 평가용 데이터의 파형을 시인하면서, 조작부를 통하여 최적파라미터를 재차 입력할 수도 있다.
그 후, 스텝 S23에서 입력된 최적파라미터에 근거하여, 변화점위치산출부(36)에 의하여 평가용 데이터의 변화점위치를 산출한다(S24).
변화점위치의 산출방법으로서는, 파라미터최적화기구(20)의 동작의 일례로 설명한 내용이 해당한다.
이렇게 하여, 작업자는, 최적파라미터에 근거하여, k근방법 또는 특이스펙트럼변환 등의 파형의 특징변화검출수법에 의하여 평가용 데이터의 변화점위치를 산출하고, 그 후, 변화점위치추출부(37)에 의하여 스텝 S24에서 산출된 변화점위치가 추출된다(S25). 이와 같이 하여 추출된 변화점위치는, 평가용 데이터의 평가결과로서 표시부에 표시된다(S26).
이상과 같이, 본 실시형태에 관한 지원장치는, 제1 학습용 데이터와, 당해 제1 학습용 데이터와 상관성이 있는 제2 학습용 데이터를 취득하고, 입력부에 의하여 입력된 파라미터에 대응하는 제1 학습용 데이터의 변화점위치 및 제2 학습용 데이터의 변화점위치에 근거하여, 소정 값의 파라미터를 취득한다. 이에 의하면, 센서의 계측값의 경시적 변화를 특정하는 파라미터를 용이하게 취득할 수 있다. 따라서, 예를 들면, 과거의 경험값이 없는 것 같은 계측데이터에 있어서도 효율적으로 파라미터를 취득할 수 있어, 이로써 계측데이터의 파형의 특징변화검출을 용이하게 행할 수 있다. 또, 계측값의 임계값에 근거하여 파형의 특징변화검출을 행하는 수법에 비하여, 예를 들면 계측값의 임계값 이하에서 일어나는 고장으로 이어지는 사상(事象)도 용이하게 파악할 수 있기 때문에, 예를 들면 프로세스계 시스템의 변화를 모두 검출할 수 있다. 또한, 예를 들면 프로세스계 시스템에 있어서는 계측데이터의 변화가 시스템이상으로 연결되는 일 요인일 가능성도 있으므로, 본 실시형태에 관한 지원장치, 지원방법 및 지원프로그램을 적용함으로써 시스템의 이상검지에 활용할 수도 있다.
본 발명은, 상기 실시형태에 한정되지 않고 다양하게 변형하여 적용하는 것이 가능하다.
상기 실시형태에서는, 최적파라미터를 취득하는 일례로서, 하나의 제1 학습용 데이터를 이용하는 예를 설명했지만, 본 발명은 이에 한정하지 않고, 복수의 제1 학습용 데이터를 제2 학습용 데이터와 비교함으로써 최적파라미터를 취득해도 된다. 즉, 제1 학습용 데이터의 계측데이터는 다차원이어도 된다. 이와 같은 계측데이터는 복수의 제1 센서의 각각의 계측값의 경시적 변화일 수 있다. 이 경우, 제1 학습용 데이터 및 제2 학습용 데이터에 대하여 각 변화점위치의 일치율의 판정은, 예를 들면, 복수의 제1 학습용 데이터의 각각을 평균하는 등 하여 합산한 변화점위치를 추출하고, 이것을 제2 학습용 데이터의 변환점위치와 비교함으로써 행해도 된다. 복수의 제1 학습용 데이터를 이용함으로써, 프로세스계 시스템의 노이즈의 영향을 적게 하여 보다 정확한 변화점위치를 추출하는 것이 가능해진다.
또, 상기 실시형태에서는, 지원장치(10)는, 파라미터최적화기구(20) 및 데이터평가기구(30)를 구비하는 예를 설명했지만, 본 발명은 이에 한정하지 않고, 지원장치는, 적어도 파라미터최적화기구(20)를 구비하는 것이어도 된다. 또, 지원장치(10)의 동작에 있어서는 전체가 컴퓨터의 연산처리로 자동화되는 것에 한정하지 않고, 적어도 일부가 작업자에 의한 수동작업을 개재하는 것도 포함하는 것으로 한다. 또, 상기 실시형태에 있어서 표시부에 의한 표시양태는 일례에 지나지 않으며, 예를 들면 도 6의 학습용 데이터는 그래프에 의한 파형데이터의 표시에 한정하지 않고, 수치에 의한 표형식 등이어도 된다.
상기 발명의 실시형태를 통하여 설명된 실시형태는, 용도에 따라 적절하게 조합하거나, 또는 변경 혹은 개량을 더하여 이용할 수 있고, 본 발명은 상술한 실시형태의 기재에 한정되는 것은 아니다. 그와 같은 조합 또는 변경 혹은 개량을 더한 형태도 본 발명의 기술적 범위에 포함될 수 있는 것이, 특허청구범위의 기재로부터 명확하다.
10…지원장치
21…학습용 데이터취득부
23…파라미터입력부
25…최적파라미터취득부
24…데이터표시부
35…변화점위치취득부

Claims (11)

  1. 센서의 계측값의 경시적 변화를 특정하는 파라미터를 취득하기 위한 지원장치로서,
    제1 센서의 계측값의 경시적 변화를 나타내는 제1 학습용 데이터와, 제2 센서의 계측값의 경시적 변화를 나타내는 것이며 상기 제1 학습용 데이터에 대하여 상관성이 있는 제2 학습용 데이터를 취득하는 데이터취득부와,
    파라미터를 입력하는 입력부와,
    상기 입력부에 의하여 입력된 파라미터에 대응하는 상기 제1 학습용 데이터의 변화점위치 및 상기 제2 학습용 데이터의 변화점위치에 근거하여, 소정 값의 파라미터를 취득하는 파라미터취득부를 구비하는, 지원장치.
  2. 제1항에 있어서,
    상기 제2 학습용 데이터는, 상기 제1 학습용 데이터에 대하여 입력 또는 출력의 응답관계에 있는, 지원장치.
  3. 제1항 또는 제2항에 있어서,
    상기 제1 학습용 데이터와, 상기 제2 학습용 데이터와, 파라미터의 입력란을 표시하는 데이터표시부를 더 구비하는, 지원장치.
  4. 제3항에 있어서,
    상기 데이터표시부는, 상기 입력부에 의하여 파라미터가 입력된 후, 상기 입력부에 의하여 입력된 파라미터에 대응하는 상기 제1 학습용 데이터의 변화점위치 및 상기 제2 학습용 데이터의 변화점위치와, 각 변화점위치의 일치율의 판정결과를 더 표시하는, 지원장치.
  5. 제1항 내지 제4항 중 어느 한 항에 있어서,
    상기 데이터취득부는, 2 이상의 상기 제1 학습용 데이터를 취득하는 것을 포함하고,
    상기 파라미터취득부는, 상기 입력부에 의하여 입력된 파라미터에 대응하는 상기 2 이상의 제1 학습용 데이터에 근거하여 얻어진 상기 2 이상의 제1 학습용 데이터의 변화점위치와, 상기 제2 학습용 데이터의 변화점위치에 근거하여, 상기 소정 값의 파라미터를 취득하는, 지원장치.
  6. 제1항 내지 제5항 중 어느 한 항에 있어서,
    상기 파라미터취득부에 의하여 취득된 소정 값의 파라미터에 근거하여, 상기 제1 센서의 계측값의 경시적 변화를 나타내는 평가용 데이터의 변화점위치를 취득하는 변화점위치취득부를 더 구비하는, 지원장치.
  7. 센서의 계측값의 경시적 변화를 특정하는 파라미터를 취득하기 위한 지원방법으로서,
    제1 센서의 계측값의 경시적 변화를 나타내는 제1 학습용 데이터와, 제2 센서의 계측값의 경시적 변화를 나타내는 것이며 상기 제1 학습용 데이터에 대하여 상관성이 있는 제2 학습용 데이터를 데이터취득부에 의하여 취득하는 것,
    입력부에 의하여 파라미터를 입력하는 것, 및,
    상기 입력부에 의하여 입력된 파라미터에 대응하는 상기 제1 학습용 데이터의 변화점위치와 상기 제2 학습용 데이터의 변화점위치에 근거하여, 파라미터취득부에 의하여 소정 값의 파라미터를 취득하는 것을 포함하는, 지원방법.
  8. 제7항에 있어서,
    상기 제1 학습용 데이터와, 상기 제2 학습용 데이터와, 파라미터의 입력란을 데이터표시부에 표시하는 것, 및,
    상기 입력부에 의하여 파라미터가 입력된 후, 상기 데이터표시부에 의하여, 상기 입력부에 의하여 입력된 파라미터에 대응하는 상기 제1 학습용 데이터의 변화점위치 및 상기 제2 학습용 데이터의 변화점위치와, 각 변화점위치의 일치율의 판정결과를 표시하는 것을 더 포함하는, 지원방법.
  9. 제8항에 있어서,
    상기 일치율의 판정결과가 불일치를 나타내는 경우, 상기 파라미터를 입력하는 것, 및, 상기 소정 값의 파라미터를 취득하는 것을 재차 행하는, 지원방법.
  10. 제8항에 있어서,
    상기 일치율의 판정결과가 일치를 나타내는 경우, 상기 소정 값의 파라미터를 최적파라미터로서 취득하는, 지원방법.
  11. 센서의 계측값의 경시적 변화를 특정하는 파라미터를 취득하기 위하여 컴퓨터로 실행되는 지원프로그램으로서,
    상기 컴퓨터에,
    제1 센서의 계측값의 경시적 변화를 나타내는 제1 학습용 데이터와, 제2 센서의 계측값의 경시적 변화를 나타내는 것이며 상기 제1 학습용 데이터에 대하여 상관성이 있는 제2 학습용 데이터를 취득하는 것, 및,
    입력부에 의하여 입력된 파라미터에 대응하는 상기 제1 학습용 데이터의 변화점위치와 상기 제2 학습용 데이터의 변화점위치에 근거하여, 파라미터취득부에 의하여 소정 값의 파라미터를 취득하는 것을 실행시키기 위한 지원프로그램.
KR1020217022490A 2019-01-31 2020-01-17 지원장치, 지원방법 및 지원프로그램 KR20210124214A (ko)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JP2019016314 2019-01-31
JPJP-P-2019-016314 2019-01-31
PCT/JP2020/001593 WO2020158466A1 (ja) 2019-01-31 2020-01-17 支援装置、支援方法及び支援プログラム

Publications (1)

Publication Number Publication Date
KR20210124214A true KR20210124214A (ko) 2021-10-14

Family

ID=71840565

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020217022490A KR20210124214A (ko) 2019-01-31 2020-01-17 지원장치, 지원방법 및 지원프로그램

Country Status (4)

Country Link
JP (1) JP7449248B2 (ko)
KR (1) KR20210124214A (ko)
TW (1) TWI734330B (ko)
WO (1) WO2020158466A1 (ko)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2012141712A (ja) 2010-12-28 2012-07-26 Toshiba Corp プロセス監視診断装置

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3494851B2 (ja) * 1997-06-17 2004-02-09 株式会社東芝 発電プラント異常監視装置
CN1244801C (zh) * 2003-08-01 2006-03-08 重庆大学 旋转机械故障智能诊断方法与装置
US10460843B2 (en) * 2009-04-22 2019-10-29 Rodrigo E. Teixeira Probabilistic parameter estimation using fused data apparatus and method of use thereof
US9173574B2 (en) * 2009-04-22 2015-11-03 Rodrigo E. Teixeira Mechanical health monitor apparatus and method of operation therefor
JP5953779B2 (ja) * 2012-02-01 2016-07-20 富士ゼロックス株式会社 障害予測システム、障害予測装置及びプログラム
US20170277559A1 (en) * 2016-03-25 2017-09-28 Daqri, Llc Classifying work processes
JP6803241B2 (ja) * 2017-01-13 2020-12-23 アズビル株式会社 時系列データ処理装置および処理方法
CA3050129A1 (en) * 2017-01-13 2018-07-19 Ground Truth Consulting, Llc System and method for predicting well production
EP3616387A1 (en) * 2017-04-24 2020-03-04 Carnegie Mellon University Virtual sensor system
JP6791892B2 (ja) * 2018-01-18 2020-11-25 ファナック株式会社 異常検知パラメータ調整表示装置

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2012141712A (ja) 2010-12-28 2012-07-26 Toshiba Corp プロセス監視診断装置

Also Published As

Publication number Publication date
JP7449248B2 (ja) 2024-03-13
TWI734330B (zh) 2021-07-21
WO2020158466A1 (ja) 2020-08-06
TW202030567A (zh) 2020-08-16
JPWO2020158466A1 (ja) 2021-12-02

Similar Documents

Publication Publication Date Title
EP2905665B1 (en) Information processing apparatus, diagnosis method, and program
US20150276557A1 (en) State monitoring system, state monitoring method and medium
JP7072531B2 (ja) 異常検出装置および異常検出方法
CN110121682B (zh) 发现时间系列中的预兆子序列的方法和系统
JP4911055B2 (ja) バッチプロセスデータの解析装置およびそれを用いた異常検出／品質推定装置
CN105579922A (zh) 信息处理装置以及分析方法
KR102067344B1 (ko) 이상 진동데이터 감지 장치 및 방법
US20170109324A1 (en) Factor analysis device, factor analysis method, and factor analysis program
US20230213926A1 (en) Abnormal irregularity cause identifying device, abnormal irregularity cause identifying method, and abnormal irregularity cause identifying program
US8560492B2 (en) Robust filtering and prediction using switching models for machine condition monitoring
US20230213924A1 (en) Abnormal irregularity cause identifying device, abnormal irregularity cause identifying method, and abnormal irregularity cause identifying program
US11004002B2 (en) Information processing system, change point detection method, and recording medium
CN115659185A (zh) 一种运维系统的时序数据的处理方法及装置
CN112368683A (zh) 数据处理装置以及数据处理方法
CN117314890B (zh) 打扣加工的安全控制方法、装置、设备及存储介质
JP6135192B2 (ja) 時系列データの異常監視装置、異常監視方法及びプログラム
CN112463646B (zh) 一种传感器异常检测方法及装置
US20230229136A1 (en) Abnormal irregularity cause identifying device, abnormal irregularity cause identifying method, and abnormal irregularity cause identifying program
KR20210124214A (ko) 지원장치, 지원방법 및 지원프로그램
JP7251955B2 (ja) 検出装置及び機械学習方法
JP2013200245A (ja) 前処理方法
KR102325439B1 (ko) 사출 성형 설비의 고장 예측 시스템 및 그 방법
JP2017130025A (ja) 要因分析装置、方法およびプログラム
WO2016163008A1 (ja) 異常診断装置および異常診断方法
EP3640751A1 (en) Apparatus for gas analysis and emission prediction