TWI727289B - 資料處理裝置及資料處理方法 - Google Patents

資料處理裝置及資料處理方法 Download PDF

Info

Publication number
TWI727289B
TWI727289B TW108110456A TW108110456A TWI727289B TW I727289 B TWI727289 B TW I727289B TW 108110456 A TW108110456 A TW 108110456A TW 108110456 A TW108110456 A TW 108110456A TW I727289 B TWI727289 B TW I727289B
Authority
TW
Taiwan
Prior art keywords
aforementioned
time series
similarity
machine
data
Prior art date
Application number
TW108110456A
Other languages
English (en)
Other versions
TW202006488A (zh
Inventor
中村隆顕
Original Assignee
日商三菱電機股份有限公司
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 日商三菱電機股份有限公司 filed Critical 日商三菱電機股份有限公司
Publication of TW202006488A publication Critical patent/TW202006488A/zh
Application granted granted Critical
Publication of TWI727289B publication Critical patent/TWI727289B/zh

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
    • G05B23/024—Quantitative 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
    • 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
    • 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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/30—Monitoring
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/30—Monitoring
    • G06F11/3003—Monitoring arrangements specially adapted to the computing system or computing system component being monitored
    • G06F11/3006—Monitoring arrangements specially adapted to the computing system or computing system component being monitored where the computing system is distributed, e.g. networked systems, clusters, multiprocessor systems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/30—Monitoring
    • G06F11/3065—Monitoring arrangements determined by the means or processing involved in reporting the monitored data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/30—Monitoring
    • G06F11/32—Monitoring with visual or acoustical indication of the functioning of the machine
    • G06F11/324—Display of status information
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Physics (AREA)
  • General Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Quality & Reliability (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Computational Mathematics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computing Systems (AREA)
  • Mathematical Analysis (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Operations Research (AREA)
  • Probability & Statistics with Applications (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Algebra (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • Testing And Monitoring For Control Systems (AREA)
  • Debugging And Monitoring (AREA)

Abstract

具備：抽出條件輸入部(101)，其接收包含機器之狀態的變化點的波形資料、該波形資料的參數資訊、及機器的遷移資訊之輸入；類似度算出部(105)，其算出機器之時系列資料和波形資料的類似度；運轉模式判定部(107)，其基於機器的遷移資訊設定機器的狀態；變化檢查出部(106)，其基於已算出的類似度及已判定的機器之狀態，從機器的時系列資料檢出變化點，設定作為時系列資料之部分列的程序段的開始時刻及程序段的結束時刻；資訊輸出部(108)，其將機器的狀態、程序段的開始時刻及程序段的結束時刻作為程序段資訊並輸出之。

Description

資料處理裝置及資料處理方法
本發明係關於分析時系列資料的技術。
在火力、水力及原子力等的發電廠、化學工廠、鋼鐵廠、或者上下水道工廠等中，導入了用以控制工廠的加工程序的控制系統。在大樓或者工廠等的設備中，也導入了用以控制空調、電氣、照明、及給排水等的控制系統。在這些控制系統中，儲存了藉由安裝在裝置的感測器依時間的經過而觀測到的各種時系列資料。 同樣地，在關於經濟或者經營等的資訊系統中，也儲存了將股價或者營業額等的值依時間的經過而記錄的時系列資料。
過去，已有藉由分析這些時系列資料之值的變化來分析工廠、設備、或者經營的狀態等之技術。已有將時系列資料分割為例如工廠或者設備的各運轉模式的部分列(以下稱之為程序段)，將同一運轉模式的程序段互相比較，藉此判斷資料的偏離幅度或者資料的傾向，來判斷設備的異常或者劣化等的方法，以作為分析工廠、設備、或者經營之狀態等的一種方法。
例如，專利文獻1中揭露一種資料分析裝置，其係為分析複數製品物之各製造工程中的資料之資料分析裝置，在各製造工程的資料為沿著時間軸而變動、或者可變動的時系列資料的情況下，基於發生該時系列資料的製造工程的排程中之事件發生時間點沿著時間軸進行分割，針對分割出來的程序段算出特徵量。
先行技術文獻 專利文獻： 專利文獻1：日本特開2004-318273號公報
發明欲解決的問題
上述專利文獻1中所記載的資料分析裝置中，為了針對將製造工程細分化後的各事件抽出程序段，必須要取得表示製造工程的排程中之事件的發生時間點的事件資訊。因此，在專利文獻1所記載的資料分析裝置中，具有如後的課題：在事件資訊不存在的情況下，無法抽出事件區間的程序段。
本發明係為了解決如上述的課題，其目的在於即使在表示事件的發生時間點的事件資訊不存在的情況下，也能夠精確地抽出各運轉模式別的程序段。 解決問題的手段
本發明的資料處理裝置包括：抽出條件輸入部，其接收包含機器之狀態的變化點的波形資料、該波形資料的參數資訊、及機器的遷移資訊之輸入；類似度算出部，其算出機器之時系列資料和抽出條件輸入部已接收的波形資料的類似度；運轉模式判定部，其基於抽出條件輸入部已接收的機器的遷移資訊，設定機器的狀態；變化檢查出部，其基於類似度算出部所算出的類似度及運轉模式判定部所判定的機器之狀態，從機器的時系列資料檢出變化點，設定作為時系列資料之部分列的程序段的開始時刻及程序段的結束時刻；及資訊輸出部，其將機器的狀態、程序段的開始時刻及程序段的結束時刻作為程序段資訊並輸出之。 發明效果
依據本發明，即使在表示事件的發生時間點的事件資訊不存在的情況下，也能夠精確地抽出各運轉模式別的程序段。
以下，為了更詳細說明本發明，按照附圖說明用以實施本發明的形態。 實施形態1. 圖1為表示實施形態1的資料處理裝置100之構成的方塊圖。 資料處理裝置100具備：抽出條件輸入部101、抽出條件記憶部102、時系列資料輸入部103、程序段抽出部104、判定部109及判定結果輸出部110。另外，程序段抽出部104由類似度算出部105、變化檢查出部106、運轉模式判定部107及資訊輸出部108所構成。
在圖1中，抽出條件輸入部101及抽出條件記憶部102係構成為：為了進行資料處理裝置100開始檢出處理前的準備處理。另外，時系列資料輸入部103、程序段抽出部104、判定部109及判定結果輸出部110係構成為：當接收到時系列資料的輸入時，用以進行抽出作為分析對象之機器的運轉模式別的部分列(以下稱之為程序段)，及判定作為分析對象的機器之異常及劣化的運用處理。
抽出條件輸入部101接收程序段的抽出條件之輸入。抽出條件輸入部101，將已接收的程序段之抽出條件記憶於抽出條件記憶部102。程序段的抽出條件係由變化點波形資料(波形資料)、參數列表(參數資訊)、運轉模式遷移資訊(機器的遷移資訊)所構成。上述程序段的抽出條件之細節如後述。抽出條件記憶部102為記憶程序段的抽出條件之記憶區域。
時系列資料輸入部103，接收作為分析對象的機器之時系列資料的輸入。時系列資料輸入部103，將已接收的時系列資料輸出到程序段抽出部104的類似度算出部105。
時系列資料為，隨著時間的經過，觀測作為分析對象之機器而依序得到的值之列。在此，係以作為分析對象的機器之時系列資料作為一例來進行說明，但時系列資料可以為任何資料。例如，亦可為用以控制火力、水力或者原子力等地發電廠、化學工廠、鋼鐵廠或者上下水道工廠等之加工程序的控制系統中累積的時系列資料。另外，亦可為例如設施(例如、大樓或者工廠)的空調、電氣、照明及給排水等的控制系統中累積的時系列資料。另外，亦可為例如工廠的生產線的機器、安裝於汽車的機器或者安裝於鐵路車輛的機器等中所累積的時系列資料。再者，亦可為與經濟或者經營等相關的資訊系統中所累積的時系列資料。此外，時系列資料的具體例如後段所示。
程序段抽出部104，按照抽出條件記憶部102所記憶的程序段的抽出條件，從時系列資料輸入部103已接收的時系列資料抽出程序段。 具體言之，類似度算出部105，對於已輸入的時系列資料、和抽出條件記憶部102所記憶的各變化點的波形資料，算出各時刻的類似度。類似度算出部105，將時系列資料和已算出的類似度輸出至變化檢查出部106。變化檢查出部106，基於已輸入的類似度，檢出時系列資料的狀態之變化點。變化檢查出部106，將已檢出的變化點之資訊及機器的運轉模式之資訊輸出到資訊輸出部108。
運轉模式判定部107，參照抽出條件記憶部102所記憶的運轉模式之遷移資訊，設定機器的現在之運轉模式、及可從現在之運轉模式遷移的下一個運轉模式。此外，運轉模式判定部107亦可設定複數個下一個運轉模式。變化檢查出部106，基於運轉模式判定部107所設定的機器的現在之運轉模式、及機器的下一個運轉模式，檢出變化點。
資訊輸出部108，當變化點的資訊及機器的運轉模式之資訊從變化檢查出部106輸入時，將現在之運轉模式、程序段的開始時刻、及程序段的結束時刻作為程序段資訊並將之輸出到判定部109。判定部109，解析已輸入的程序段資訊，基於資料的偏離幅度或者資料的傾向等，判定機器的異常或者機器的劣化等。判定部109，將判定結果輸出到判定結果輸出部110。判定結果輸出部110，將已輸入的判定結果輸出到外部。
繼之，說明資料處理裝置100的硬體構成例。 圖2A及圖2B為表示資料處理裝置100之硬體構成例的圖。 資料處理裝置100中的抽出條件輸入部101、時系列資料輸入部103、類似度算出部105、變化檢查出部106、運轉模式判定部107、資訊輸出部108、判定部109及判定結果輸出部110的各機能係由處理電路實現。亦即，資料處理裝置100具備用以實現上述各機能的處理電路。該處理電路，可以如圖2A所示為做為專用的硬體的處理電路100a，亦可如圖2B所示為執行記憶體100c中所儲存的程式之處理器100b。
如圖2A所示，抽出條件輸入部101、時系列資料輸入部103、類似度算出部105、變化檢查出部106、運轉模式判定部107、資訊輸出部108、判定部109及判定結果輸出部110為專用的硬體的情況下，處理電路100a為例如、單一電路、複合電路、程式化處理器、並列程式化處理器、特殊應用積體電路(Application Specific Integrated Circuit，ASIC)、現場可程式化邏輯閘陣列(Field-programmable Gate Array，FPGA)、或者上述之組合。抽出條件輸入部101、時系列資料輸入部103、類似度算出部105、變化檢查出部106、運轉模式判定部107、資訊輸出部108、判定部109及判定結果輸出部110的各部之機能分別以處理電路來實現亦可，將各部的機能整合以1個處理電路來實現亦可。
如圖2B所示，抽出條件輸入部101、時系列資料輸入部103、類似度算出部105、變化檢查出部106、運轉模式判定部107、資訊輸出部108、判定部109及判定結果輸出部110為處理器100b的情況下，各部的機能係由軟體、韌體、或者軟體和韌體之組合來實現。軟體或者韌體係記載為程式，並儲存於記憶體100c中。處理器100b，讀取並執行記憶體100c所記憶的程式，藉此實現抽出條件輸入部101、時系列資料輸入部103、類似度算出部105、變化檢查出部106、運轉模式判定部107、資訊輸出部108、判定部109及判定結果輸出部110的各機能。亦即，抽出條件輸入部101、時系列資料輸入部103、類似度算出部105、變化檢查出部106、運轉模式判定部107、資訊輸出部108、判定部109及判定結果輸出部110由處理器100b執行時，具備用以儲存最後可執行後述的圖7所示之 各步驟的程式之記憶體100c。另外，這些程式為使得電腦執行抽出條件輸入部101、時系列資料輸入部103、類似度算出部105、變化檢查出部106、運轉模式判定部107、資訊輸出部108、判定部109及判定結果輸出部110的程序或者方法者。
在此，所謂的處理器100b係為例如中央處理器(Central Processing Unit，CPU)、處理裝置、演算裝置、處理器、微處理器、微電腦、或者數位訊號處理器(Digital Signal Processor，DSP)等。
記憶體100c為例如隨機存取記憶體(Random Access Memory，RAM)、唯讀記憶體(Read Only Memory，ROM)、快閃記憶體、可抹除程式化唯讀記憶體(Erasable Programmable ROM，EPROM)、電子式可抹除程式化唯讀記憶體(Electrically EPROM，EEPROM)等的非揮發性或者揮發性的半導體記憶體亦可，為硬碟、軟碟等的磁碟亦可，為迷你碟、雷射光碟(Compact Disc，CD)、數位多功能影音光碟(Digital Versatile Disc，DVD)等的光碟亦可。
此外，關於抽出條件輸入部101、時系列資料輸入部103、類似度算出部105、變化檢查出部106、運轉模式判定部107、資訊輸出部108、判定部109及判定結果輸出部110的各機能，也可以一部分用專用的硬體來實現，一部分用軟體或者韌體來實現。如此一來，資料處理裝置100中的處理電路可以藉由硬體、軟體、韌體、或者其組合，來實現上述的各機能。
繼之，一邊參照圖3，一邊說明輸入到時系列資料輸入部103的時系列資料之一例。
圖3表示實施形態1的資料處理裝置100的時系列資料之一例的圖。
在少量多品種生產之製品的製造產線中，在相同製造產線中生產了式樣相異之複數種類的製品。製品的製造程序由複數工程構成，用以製造製品的機器按照製程參數而切換動作。用設置於該製造產線中所使用的機器的感測器測量 的資料表示出各工程的特徵波形。當製造程序變化時，波形本身以及各工程的波形之繼續時間及出現順序等改變。設置於機器的感測器所測量的資料之時系列資料具有以下所示之2階層的構造。
第1階層：對應於各製品批次的製品模式(圖3中的第1批次301、第2批次302、第3批次303)
第2階層：對應於工程的工程模式(圖3中的第1工程311到第11工程321)
在第1批次301和第2批次302之間有空載期間331存在，在第2批次302和第3批次303之間有空載期間332存在。圖3中將空載332表示為第11工程321。
上述各工程對應於各運轉模式。在判定部109中，為了從例如圖3所示的時系列資料精確地檢出機器的異常或者機器的劣化等，將時系列資料分割為對應於各運轉模式的程序段並加以比較是有效的。
繼之，一邊參照圖4至圖6，一邊說明抽出條件記憶部102所記憶的程序段抽出條件。
程序段抽出條件由變化點波形資料(圖4)、參數列表(圖5)、運轉模式遷移資訊(圖6)構成。
程序段抽出的基本的思考方式為，事先將程序段的變化點之波形登錄為條件，當時系列資料上出現了與該變化點類似的型的情況下，即判斷為運轉模式已切換。以變化點的波形為條件來判斷運轉模式的切換，藉此，即使再繼續時間為可變的運轉模式時，也能僅著眼於變化點，而抽出程序段。另外，在程序段的途中，因為機器異常等的原因而暫時出現與平常相異的型的情況下，能夠僅以變化點來進行判斷，不受機器的異常等的影響，而抽出程序段。
圖4表示實施形態1的資料處理裝置100之變化點波形資料的圖。
變化點的波形資料，其係為剛進行了機器的維修保養之後的健全狀態，其係從該機器開始穩定運作之時期的資料中選擇。圖4的例中，選擇從圖3選擇的 第1批次301之時系列資料401。從該時系列資料401中檢出各工程的變化點，選擇已檢出的變化點之波形資料402。如上述，各工程係對應於運轉模式，所以變化點的波形資料402為各運轉模式的波形資料。圖4所示的波形資料402當中，標示為第1運轉模式的波形資料係表示「從第11運轉模式變化為第1運轉模式時的型」。此外，變化點的波形資料亦可選擇複數批次分。
圖5表示實施形態1的資料處理裝置100之參數列表的圖。
參數列表包含以下的要素。
‧運轉模式501：表示對應的運轉模式之資訊
‧變化點波形之個數502：表示變化點的波形資料之個數的資訊(波形資料之個數為可固定時亦可省略)
‧變化點波形的長度503：表示變化點的波形之長度的資訊(由於可以從變化點的波形資料判斷，所以亦可省略)。
‧距離指標504：表示類似度的指標之資訊(既定值明顯時亦可省略)
‧類似度的閾值505：表示類似度的閾值之資訊(類似度超過該閾值505時判斷為運轉模式的變化點)
‧正規化方法506：表示正規化的資訊(既定值明顯時亦可省略)
此外，正規化方法506的細節如後述。
圖6表示實施形態1的資料處理裝置100之運轉模式遷移資訊的圖。
運轉模式遷移資訊係為用鄰接行列的形式來記錄運轉模式間的依存關係之資訊。圖6所示之表的第1行表示前一個運轉模式的識別資訊，第1列表示下一個運轉模式的識別資訊。例如，第2行第3列所示之「1」係表示「第1運轉模式之後的下一個為第2運轉模式」。
另外，表中的「※」的記載係表示最初的運轉模式。所謂的最初的運轉模 式為，例如在圖3所示的時系列資料中，剛過空載期間331,332之後的最初的運轉模式。另一方面，表中未顯示值的要素，則表示與該運轉模式間沒有直接的依存關係。圖6中係顯示以鄰接行列的形式來記錄運轉模式遷移資訊時之例，但只要可以記錄相同的資訊則無論其形式為何。另外，運轉模式的依存關係只有1種類的情況下，不具備運轉模式遷移資訊亦可。
繼之，說明類似度算出部105計算時系列資料和變化點的波形資料之類似度的方法。
首先，時系列資料係為以下的式(1)所示之具有順序的實數值之列。
T=t1,t2,…,ti (1)
在上述之式(1)中，ti(1≦i≦n)為時刻i的觀測值。n為時系列資料的長度。
將時系列資料的一部分切出的部分列係以以下的式(2)表示。
Ti,w=ti,ti+1,…,ti+w-1 (2)
在上述的式(2)中，1≦i≦(n-w+1)。W表示部分列的長度。
圖5所示的距離指標504之類似度的指標可適用各種，要嚴格判定時系列資料的形狀的情況下，可適用歐基里德距離。用以下的式(3)表示變化點的波形的情況下，相同長度w的程序段Ti,w和Q的歐基里德距離dist(Ti,w,Q)可用以下的式(4)求出。
Q=q1,q2,…,qw (3)
Figure 108110456-A0305-02-0012-2
將歐基里德距離適用作為類似度的指標的情況下，值越接近「0」則表示二個波形越類似(類似度高)，值越大則表示2個波形越乖離(類似度低)。
除了歐基里德距離之外，曼哈頓距離，時間方向的伸縮為容許的情況下， DTW(Dynamic Time Warping：動的時間伸縮)亦可適用作為類似度的指標。另外，以變化傾向的類似性來判斷的情況下，亦可利用相關係數作為類似度的指標。此外，以下，係以將歐基里德距離適用作為類似度的指標之情況為例來進行說明。
基於時系列資料和變化點的波形之類似度，檢出運轉模式的變化的情況下，在變化點周邊的類似度高，在除此之外的期間中的類似度較低者為佳。因此，變化點的波形資料及其他參數的選擇是很重要的。
變化點的波形資料之選擇，最好要選擇為能夠捕捉變化點前後的特徵。例如，在圖4所示的變化點波形資料中，在第1運轉模式的變化點之波形資料中，實際的變化點為X=840的時點。在該變化點(X=840)之前是以約略一定值推移著，將緊接在變化點之前的波形資料依長度60的期間(X=780~840)切出。另一方面，在變化點(X=840)之後，上下的變化持續，所以依長度120的期間(X=840~960)切出。藉由如此的選擇，能夠切出第1運轉模式的變化點特有的波形，即，約略一定值持續後，大幅地急上升，急下降，然後最後緩緩降低。
檢出運轉模式的變化的情況下，接下來重要的是圖5所示的正規化方法506。
在時系列資料和變化點的波形資料之類似度的計算中，有時要適用某種正規化為佳。以下的式(5)至式(7)表示正規化之例。式(5)係為將部分列的值域從0轉換為1的min-max正規化。
Figure 108110456-A0305-02-0013-4
式(6)係為，進行使部分列的值域為平均0、標準偏差1的轉換的z正規化。
Figure 108110456-A0305-02-0013-5
式(7)係為，進行使部分列的平均為0之轉換的位準正規化。
Figure 108110456-A0305-02-0014-7
上述的式(5)至式(7)中，將時系列資料T正規化後的結果之時系列資料以TN來表示。另外，函數min、函數max、函數mean及函數std分別表示Ti,w的最小值、最大值、平均值及標準偏差。
就經驗來說，若是像第9運轉模式那樣單純的波形，不進行正規化的話則變化點的檢出能力較高。另一方面，在如第5運轉模式那樣重複上下振動，且其振幅有波動的情況下，則適用式(5)所示的min-max正規化、或者式(6)所示的z正規化(6)的話，變化點的檢出能力較高。時系列資料，在受到外部氣溫等地外部要因之影響的情況，而且波形雖沒有變化但值域有波動的情況下，若適用式(7)所示的位準正規化，則變化點的檢出能力較高。
繼之，說明資料處理裝置100的準備處理和運用處理當中的運用處理的動作。
圖7表示實施形態1的資料處理裝置100之運用處理的動作之流程圖。此外，圖7中所說明的是，將時系列資料輸入部103已接收輸入的時系列資料，在預設期間中整合一起處理。
時系列資料輸入部103，接收程序段抽出對象的時系列資料(長度：n)之輸入(步驟ST1)。時系列資料輸入部103，將已接收的時系列資料輸出到類似度算出部105。之後的步驟係依據抽出條件記憶部102所記憶的條件來執行。
類似度算出部105，參照已輸入的時系列資料和抽出條件記憶部102所記憶的各變化點的波形資料，算出各時刻中的時系列資料和變化點的波形資料之類似度(步驟ST2)。運轉模式判定部107，在現在之運轉模式對於使用者而言已是既知的情況下，配合抽出條件輸入部101或者時系列資料輸入部103的輸入並接收現在之運轉模式的輸入，以設定初期值(步驟ST3)。例如，若程序段抽出對象的時系列資料係從機器的空載狀態開始，則設定圖4所示的第11運轉模式 為現在之運轉模式。另外，亦可總是設定第1運轉模式以作為既定的初期值。
繼之，運轉模式判定部107，參照抽出條件記憶部102所記憶的運轉模式遷移資訊，將可從現在之運轉模式遷移的運轉模式設定為下一個運轉模式(步驟ST4)。
圖6所示的運轉模式遷移資訊之例中，若以現在之運轉模式為第11運轉模式，則將第1運轉模式設定為下一個運轉模式。亦可將複數運轉模式設定為下一個運轉模式。運轉模式判定部107，將已設定的下一個運轉模式輸出到變化檢查出部106。
變化檢查出部106，探索已輸入的下一個運轉模式的變化點(步驟ST5)。變化檢查出部106進行是否已檢出變化點的判定(步驟ST6)。在未檢出變化點的情況下(步驟ST6：否)，變化檢查出部106結束處理。依據作為對象的機器，即使是在穩定運轉中也會因為特定的維修保養而在時系列資料出現與平常相異的行動。因此，亦可構成為，在無法檢出變化點的情況下，運轉模式判定部107將下一個運轉模式再度作為最初的運轉模式(圖6的例中為第1運轉模式)再從步驟ST5的處理開始。
另一方面，在已檢出變化點的情況下(步驟ST6：是)、變化檢查出部106，將現在之運轉模式、程序段的開始時刻及程序段的結束時刻輸出到資訊輸出部108(步驟ST7)，向運轉模式判定部107通知已檢出變化點之事實(步驟ST8)。
資訊輸出部108，將現在之運轉模式、程序段的開始時刻、及程序段的結束時刻的一組資料作為程序段資訊，並將之輸出到判定部109(步驟ST9)。運轉模式判定部107，基於表示已檢出變化點之事實的通知，將步驟ST4中已設定的下一個運轉模式設定為現在之運轉模式(步驟ST10)。之後，流程圖回到步驟ST4的處理，重複上述之處理。
茲說明圖7的流程圖中所示的各步驟的處理之細節。
首先，說明上述步驟ST2所示之處理的細節。
類似度算出部105，從抽出條件記憶部102取得各運轉模式k的變化點之波形資料Qk、變化點之波形資料的長度wk(圖5中所示之變化點波形的長度503)、類似度指標(圖5中所示之距離指標504)及正規化方法(圖5中所示的正規化方法)。繼之，在以下的式(8)，使時刻i從1變化到n-wk+1為止，以取得類似度時系列Sk。
Sk i=dist(Ti,wk,Qk) (8)
指定了正規化方法506的情況下，必須事先將Ti,wk和Qk分別予以正規化後計算類似度。對於一個運轉模式選擇了複數變化點的波形資料的情況下，對於從各變化點的波形資料Qk1到波形資料Qkm、以及從該波形資料的長度wk1到長度wkm，計算類似度時系列Sk1到類似度時系列Skm。繼之，如以下的式(9)所示，將已計算的類似度時系列Sk1到類似度時系列Skm的各時刻i的最小值作為最終的類似度時系列Sk之值。
Sk i=min(Sk1 i,．．．,Skm i) (9)
另外，dist(Ti,w,Q)為歐基里德距離、曼哈頓距離、或者DTW的情況下，由於類似度依存於變化點的波形資料Q的長度w，所以在長度相異的情況下無法單純比較。在此情況下，將Sk i以長度w的平方根(歐基里德距離、DTW)或者長度w(曼哈頓距離)除算後求出最小值。
圖8為表示實施形態1的資料處理裝置100的類似度時系列之輸出例的圖。
圖8中顯示：圖4所示的第1運轉模式到第4運轉模式的變化點的對於第1波形資料Q1到第4波形資料Q4計算的類似度時系列S1到類似度時系列S4的輸出例。已計算的類似度時系列，係在運轉模式的變化點取極小值。
繼之，說明上述步驟ST5所示的處理的細節。
變化檢查出部106，從下一個運轉模式k的類似度時系列Sk的開始時刻start 開始探索，將為最初的變化點，亦即Sk為極小值，且為類似度的閾值(圖5所示的類似度的閾值505)以下的時刻j設定為現在的程序段的結束時刻end。下一個運轉模式有複數個的情況下，判斷為最初滿足條件的運轉模式。此外，類似度指標(圖5所示的距離指標504)為DTW的情況下，同樣地選擇極小值即可，相關係數的情況下則反而是選擇極大值即可。
如上述，將時刻j設定為現在的程序段的結束時刻end的情況下，在步驟ST6的處理中，輸出[第11運轉模式、開始時刻start「1」、結束時刻end「j」]的資料組以作為程序段資訊。另外，在步驟ST8的處理中，將現在之運轉模式設定為第1運轉模式，從時刻j的下一個時刻再開始探索，所以將「j+1」設定為程序段的開始時刻start。
圖9表示實施形態1的資料處理裝置100的判定部109進行的異常判定處理及劣化判定處理的概念之圖。
當時系列資料輸入部103接收時系列資料901的輸入時，由程序段抽出部104抽出程序段資訊902。此外，圖9中顯示第5運轉模式的程序段抽出例。
異常判定處理903，係由資料從該運轉模式中的資料的正常範圍的偏離幅度來判定異常。首先，判定部109，將機器正常穩定運轉的期間(例如維修保養後的1週間、或者直到製品100批次生產為止)的程序段之值、或者程序段的特徵量之範圍設定做為該運轉模式的正常範圍903a。之後，判定部109，程序段抽出部104所抽出的程序段資訊902之程序段的值或者程序段特徵量偏離了正常範圍903a的情況下，判定為機器的異常。
劣化判定處理904，從程序段的資料之傾向判定機器的劣化。判定部109，依時間順序描繪各製品批次的程序段之值或者程序段的特徵量，在偏離隨著時間的經過而擴大時，判定為機器的劣化。
判定部109所做出的異常判定結果及劣化判定結果，透過判定結果輸出部 110而輸出至外部。
程序段抽出部104，在異常判定對象及劣化判定對象的時系列資料中抽出程序段的情況下，因為時系列資料中所包含的異常及劣化之預兆的影響，有時會無法正確地進行程序段抽出。在此情況下，程序段抽出部104，將和異常判定對象及劣化判定對象的時系列資料有依存關係，且不受機器的異常及劣化之影響的時系列資料予以程序段抽出。再者，程序段抽出部104亦可構成為，將已抽出的程序段資訊適用於異常判定對象及劣化判定對象的時系列資料以進行程序段抽出。例如，當馬達的扭矩因應從外部對機器施加的壓力而變化時，已知異常及劣化的預兆會顯現在扭矩的時系列資料的情況下，程序段抽出部104在來自外部之壓力的時系列資料進行程序段抽出。程序段抽出部104，利用已抽出的程序段資訊切出扭矩的程序段，以判定機器的異常及機器的劣化。
另外，即使是在異常判定處理及劣化判定處理的運用的途中，也會因為機器的檢查或者清掃等的影響，程序段的值或者程序段特徵量的特性變化，變成用至今為止的程序段抽出條件無法進行程序段的抽出的情況。但是，即使是在此種情況下，從機器維修保養後穩定運作時的資料重新選擇運轉模式的變化點波形資料，將圖5所示的參數更新並將之記憶於抽出條件記憶部102，僅憑此亦能夠進行程序段抽出。
此外，上述說明係表示、將時系列資料於預設期間整合並一併處理的構成，但也可以使用相同的構成將時系列資料逐次處理。
例如，假設在每個觀測抽樣週期中，有時系列資料輸入時系列資料輸入部103。當時刻j的資料已被輸入時，類似度算出部105將Tj-wk+1,wk和Qk的類似度追加到類似度時系列Sk。變化檢查出部106，在程序段的開始時刻start和時刻j-wk+1之間，探索相當於變化點的時刻即可。
如上述，本實施形態1中係構成為包括：抽出條件輸入部101，其 接收包含機器之狀態的變化點的波形資料、該波形資料的參數資訊、及機器的遷移資訊之輸入；類似度算出部105，其算出機器的時系列資料和波形資料的類似度；運轉模式判定部107，基於機器的遷移資訊，設定機器的狀態；變化檢查出部106，基於已算出的類似度及已判定的機器之狀態，從機器的時系列資料檢出變化點，設定做為時系列資料的部分列的程序段之開始時刻及程序段的結束時刻；以及資訊輸出部108，將機器的狀態、程序段的開始時刻及程序段的結束時刻作為程序段資訊並輸出之。
藉此，即使在表示事件的發生時間點的事件資訊不存在的情況下，也能夠精確地抽出機器的各運轉模式別的程序段。另外，能夠基於程序段的波形資料精確地進行運轉模式的識別。另外，藉由基於變化點抽出程序段，能夠抽出在時間方向為可變長的程序段。
另外，依據此實施形態1，類似度算出部105係構成為，使用從時系列資料切出的部分列和予該部分列相同長度的時系列資料的歐基里德距離，算出類似度，因此，能夠產生高精度的程序段資訊，並且可以精確地判定機器的異常或者機器的劣化等。
另外，依據實施形態1，變化檢查出部106係構成為，從類似度算出部105針對時系列資料的各時刻算出的類似度所構成的類似度時系列，檢出類似度為極小值且類似度為特定閾值以下的時刻以作為變化點，因此，能夠精確地判定類似度。
實施形態2.
在此實施形態2中，顯示具有圖形化使用者介面(Graphical User Interface，GUI)的構成。圖10表示實施形態2的資料處理裝置100A之構成的方塊圖。
實施形態2的資料處理裝置100A構成為，實施形態1中所示的資料處理裝置100的程序段抽出部104a新具備GUI111，並具備取代抽出條件輸入部101的抽出 條件輸入部101a。此外，以下，與實施形態1的資料處理裝置100之構成要素相同或者相當的部分，係標示與實施形態1中使用的符號相同的符號，並省略或簡化其說明。
程序段抽出部104a，藉由具備以下所示的GUI111，使得開始檢出處理前的準備處理的負荷得以減輕。GUI111、從時系列資料輸入部103接收時系列資料的輸入、進行將機器正常穩定運轉期間的時系列資料1001顯示於顯示器等的顯示裝置(未圖示)的控制。GUI111，對於已顯示的時系列資料進行將使用者所指定的時系列範圍的時系列資料放大並將之顯示於顯示裝置的控制。抽出條件輸入部101a，將使用者所選擇的變化點的波形資料、該波形資料的程序段抽出條件記憶於抽出條件記憶部102。
繼之，說明資料處理裝置100A的硬體構成例。此外，省略與實施形態1相同構成的說明。
資料處理裝置100A中的GUI111及抽出條件輸入部101a係為圖2A所示的處理電路100a、或者執行圖2B所示的記憶體100c中所儲存的程式的處理器100b。
繼之，一邊參照圖11，一邊說明GUI111的具體的處理動作。
圖11表示實施形態2的資料處理裝置100A的GUI111之處理動作的說明圖。
GUI111，將機器正常穩定運轉期間的時系列資料1001顯示於顯示器等地顯示裝置。使用者，使用滑鼠等的輸入裝置(未圖示)，從已顯示的時系列資料1001的波形的出現模式等選擇相當於製品1批次分的時系列資料的範圍1002。GUI111進行使得使用者所選擇之範圍1002的時系列資料1003放大並顯示於顯示裝置的控制。
再者，使用者從已放大顯示的時系列資料1003當中特定出運轉模式的變化點，使用輸入裝置選擇包含該變化點的範圍1004。GUI111，執行將已選擇的包含變化點的範圍1004之波形資料1005放大顯示的控制。使用者，確認 已放大顯示的波形資料1005，在該波形資料1005沒有問題的情況下，進行用以標示運轉模式的標籤並登錄為抽出條件的操作。抽出條件輸入部101a，當受到該操作時，使得程序段抽出條件記憶於抽出條件記憶部102。
繼之，一邊參照圖12，一邊說明抽出條件輸入部101a使程序段抽出條件記憶於抽出條件記憶部102的處理。
圖12表示實施形態2的資料處理裝置100A的抽出條件輸入部101a之動作的流程圖。
抽出條件輸入部101a，當已標示運轉模式之標籤的抽出條件的登錄操作輸入時(步驟ST21)，使得已選擇的變化點的波形資料(圖11中的波形資料1005)記憶於抽出條件記憶部102(步驟ST22)。
繼之，抽出條件輸入部101a，參照抽出條件記憶部102所記憶的參數列表(例如圖5)，判定是否有對應於運轉模式501的運轉模式的項目(步驟ST23)。在對應於運轉模式501的運轉模式之項目不存在的情況下(步驟ST23：否)，抽出條件輸入部101a新產生對應的運轉模式501(步驟ST24)。而且，抽出條件輸入部101a，在新產生的運轉模式501的變化點波形之個數502設定「1」，在變化點波形的長度503設定已選擇的變化點的波形資料的資料長(步驟ST25)。
另一方面，對應於運轉模式501的運轉模式的項目存在的情況下(步驟ST23：是)，抽出條件輸入部101a，在該運轉模式501的變化點波形之個數502加算「1」，在變化點波形的長度503追加已選擇的變化點的波形資料的資料長(步驟ST26)。步驟ST25或者步驟ST26的處理結束時，回到步驟ST21的處理，重複上述的處理。
在上述步驟ST26中，在變化點波形的長度503追加已選擇的變化點的波形資料的資料長的情況下，例如將複數資料長作為列表記憶在圖5的變化點波形的長度503。
如上述，在此實施形態2中，具備GUI111，其接收對於機器的時系列資料之顯示範圍的選擇，並進行使得已選擇的顯示範圍的部分列放大顯示的控制，抽出條件輸入部101a係構成為，設定已選擇的範圍之部分列的波形資料及參數資訊，因此，能夠減輕資料處理裝置開始檢出處理前的準備處理的負擔。
除了上述以外，本發明在其發明的範圍內，可以進行各實施形態的自由組合、或各實施形態的任意構成要素的變形、或者各實施形態中任意構成要素的省略。
產業上的利用可能性
本發明的資料處理裝置，較佳適用於使用機器的時系列資料，用以控制加工程序的控制系統。
100,100A:資料處理裝置
101,101a:抽出條件輸入部
102:抽出條件記憶部
103:時系列資料輸入部
104、104a:程序段抽出部
105:類似度算出部
106:變化檢查出部
107:運轉模式判定部
108:資訊輸出部
109:判定部
110:判定結果輸出部
111:GUI。
[圖1] 表示實施形態1的資料處理裝置之構成的方塊圖。 [圖2] 圖2A及圖2B為表示資料處理裝置之硬體構成例的圖。 [圖3] 表示實施形態1的資料處理裝置的時系列資料之一例的圖。 [圖4] 表示實施形態1的資料處理裝置之變化點波形資料的圖。 [圖5] 表示實施形態1的資料處理裝置之參數列表的圖。 [圖6] 表示實施形態1的資料處理裝置之運轉模式遷移資訊的圖。 [圖7] 表示實施形態1的資料處理裝置之運用處理的動作之流程圖。 [圖8] 表示實施形態1的資料處理裝置的類似度時系列之輸出例的圖。 [圖9] 表示實施形態1的資料處理裝置的判定部進行的異常判定處理及劣化判定處理的概念之圖。 [圖10] 表示實施形態2的資料處理裝置之構成的方塊圖。 [圖11] 表示實施形態2的資料處理裝置的GUI之處理動作的說明圖。 [圖12] 表示實施形態2的資料處理裝置的抽出條件輸入部之動作的流程圖。
100‧‧‧資料處理裝置
101‧‧‧抽出條件輸入部
102‧‧‧抽出條件記憶部
103‧‧‧時系列資料輸入部
104‧‧‧程序段抽出部
105‧‧‧類似度算出部
106‧‧‧變化檢查出部
107‧‧‧運轉模式判定部
108‧‧‧資訊輸出部
109‧‧‧判定部
110‧‧‧判定結果輸出部

Claims (8)

  1. 一種資料處理裝置，其包括：抽出條件輸入部，其接收包含機器之狀態的變化點的波形資料、該波形資料的參數資訊、及前述機器的遷移資訊之輸入；類似度算出部，其算出前述機器之時系列資料和前述抽出條件輸入部已接收的前述波形資料的類似度；運轉模式判定部，其基於前述抽出條件輸入部已接收的前述機器的遷移資訊，設定前述機器的狀態；變化檢查出部，其基於前述類似度算出部已算出的類似度及前述運轉模式判定部所判定的前述機器之狀態，從前述機器的時系列資料檢出前述變化點，設定作為前述時系列資料之部分列的程序段的開始時刻及前述程序段的結束時刻；以及資訊輸出部，其將前述機器的狀態、前述程序段的開始時刻及前述程序段的結束時刻作為程序段資訊並輸出之。
  2. 如申請專利範圍第1項所記載的資料處理裝置，其包括：判定部，其基於前述資訊輸出部所輸出的前述程序段資訊，判定資料的偏離幅度、或者資料的傾向。
  3. 如申請專利範圍第1或2項所記載的資料處理裝置，前述類似度算出部，係使用從前述時系列資料切出之部分列和與該部分列相同長度的前述時系列資料之歐基里德距離，算出前述類似度。
  4. 如申請專利範圍第1或2項所記載的資料處理裝置，前述類似度算出部，將從前述時系列資料切出的部分列和與該部分列相同 長度的前述時系列資料加以正規化之後，算出前述類似度。
  5. 如申請專利範圍第3項所記載的資料處理裝置，前述變化檢查出部、從前述類似度算出部針對前述時系列資料的各時刻所算出的類似度構成的類似度時系列，檢出前述類似度為極小值且前述類似度為所定閾值以下的時刻作為前述變化點。
  6. 如申請專利範圍第4項所記載的資料處理裝置，前述變化檢查出部、從前述類似度算出部針對前述時系列資料的各時刻所算出的類似度構成的類似度時系列，檢出前述類似度為極小值且前述類似度為所定閾值以下的時刻作為前述變化點。
  7. 如申請專利範圍第1或2項所記載的資料處理裝置，其包括：圖形化使用者介面(Graphical User Interface，GUI)，接收對於前述機器的時系列資料之顯示範圍的選擇，進行使得已選擇的前述顯示範圍之部分列放大顯示的控制；前述抽出條件輸入部，設定已選擇的前述範圍的部分列之前述波形資料及前述參數資訊。
  8. 一種資料處理方法，其包括：抽出條件輸入部接收包含機器之狀態的變化點的波形資料、該波形資料的參數資訊、及前述機器的遷移資訊之輸入的步驟；類似度算出部算出前述機器之時系列資料和前述波形資料的類似度的步驟；運轉模式判定部基於前述機器的遷移資訊設定前述機器的狀態的步驟；變化檢查出部基於已算出的前述類似度及已設定的前述機器之狀態，從前 述機器的時系列資料檢出前述變化點，設定作為前述時系列資料之部分列的程序段的開始時刻及前述程序段的結束時刻的步驟；資訊輸出部將前述機器的狀態、前述程序段的開始時刻及前述程序段的結束時刻作為程序段資訊並輸出之的步驟。
TW108110456A 2018-07-03 2019-03-26 資料處理裝置及資料處理方法 TWI727289B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
PCT/JP2018/025252 WO2020008533A1 (ja) 2018-07-03 2018-07-03 データ処理装置およびデータ処理方法
WOPCT/JP2018/025252 2018-07-03

Publications (2)

Publication Number Publication Date
TW202006488A TW202006488A (zh) 2020-02-01
TWI727289B true TWI727289B (zh) 2021-05-11

Family

ID=69060967

Family Applications (1)

Application Number Title Priority Date Filing Date
TW108110456A TWI727289B (zh) 2018-07-03 2019-03-26 資料處理裝置及資料處理方法

Country Status (7)

Country Link
US (1) US11294364B2 (zh)
JP (1) JP6786016B2 (zh)
KR (1) KR102238867B1 (zh)
CN (1) CN112368683B (zh)
DE (1) DE112018007712T5 (zh)
TW (1) TWI727289B (zh)
WO (1) WO2020008533A1 (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB2580950A (en) * 2019-01-31 2020-08-05 Datalytyx Ltd Data processing system
JP6869443B1 (ja) * 2020-04-18 2021-05-12 三菱電機株式会社 ロギングデータ表示プログラム、ロギングデータ表示装置およびロギングデータ表示方法
JP7114008B2 (ja) 2020-07-03 2022-08-05 三菱電機株式会社 データ処理装置
CN112098836B (zh) * 2020-08-14 2021-05-14 贵州乌江水电开发有限责任公司东风发电厂 一种基于电气畸变分析的电动机非稳数据排除方法及系统

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006338373A (ja) * 2005-06-02 2006-12-14 Toshiba Corp 多変数時系列データ分析装置、方法およびプログラム
US20150100534A1 (en) * 2013-10-07 2015-04-09 Yokogawa Electric Corporation State diagnosing method and state diagnosing apparatus
TW201600947A (zh) * 2014-05-01 2016-01-01 西克帕安全油墨系統美國公司 動態可配置生產及／或分配線控制系統及其方法
CN105487501A (zh) * 2014-10-06 2016-04-13 费希尔-罗斯蒙特系统公司 过程工厂中基于自动信号处理的学习
CN105589380A (zh) * 2014-11-11 2016-05-18 瑞萨电子株式会社 连接关系检测系统、信息处理装置以及连接关系检测方法
WO2016117021A1 (ja) * 2015-01-20 2016-07-28 株式会社日立製作所 機械診断装置および機械診断方法
US20180017960A1 (en) * 2016-07-15 2018-01-18 Ricoh Company, Ltd. Diagnostic apparatus, diagnostic system, diagnostic method, and recording medium
TW201816521A (zh) * 2016-08-05 2018-05-01 荷蘭商Ａｓｍｌ荷蘭公司 用於獲得診斷資訊的方法與設備及用於控制工業製程的方法與設備
US20180164785A1 (en) * 2012-03-27 2018-06-14 Sirqul, Inc. Controlling distributed device operations

Family Cites Families (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH05204991A (ja) * 1992-01-30 1993-08-13 Hitachi Ltd 時系列データ検索方法およびこれを用いた検索システム
JP3483113B2 (ja) * 1998-05-29 2004-01-06 日本電信電話株式会社 時系列画像検索方法、装置、および時系列画像検索プログラムを記録した記録媒体
JP3995569B2 (ja) * 2002-09-20 2007-10-24 昌一 手島 波形パターンデータから設備の診断・監視のための特徴を抽出する方法及びプログラム
JP4180960B2 (ja) 2003-04-11 2008-11-12 キヤノンＩｔソリューションズ株式会社 データ分析装置及びその制御方法、並びにコンピュータプログラム及びコンピュータ可読記憶媒体
JP4224095B2 (ja) 2006-09-28 2009-02-12 株式会社東芝 情報処理装置、情報処理プログラムおよび情報処理システム
CN102033486B (zh) * 2009-09-25 2012-05-30 卡西欧计算机株式会社 时刻信息取得装置和电波钟表
JP5277185B2 (ja) 2010-01-26 2013-08-28 株式会社日立製作所 情報処理システム
WO2012103485A2 (en) * 2011-01-28 2012-08-02 The Board Of Regents Of The Nevada System Of Higher Education On Behalf Of The Desert Research Institute Signal identification methods and systems
JP5715261B2 (ja) 2011-10-04 2015-05-07 株式会社日立製作所 時系列データ管理システム，および方法
WO2015159377A1 (ja) * 2014-04-16 2015-10-22 株式会社日立製作所 設計支援装置
JP6613828B2 (ja) * 2015-11-09 2019-12-04 富士通株式会社 画像処理プログラム、画像処理装置、及び画像処理方法
JP6767166B2 (ja) * 2016-05-25 2020-10-14 アズビル株式会社 監視装置、監視方法、およびプログラム
JP6532845B2 (ja) * 2016-07-26 2019-06-19 双葉電子工業株式会社 計測装置、計測方法、プログラム
GB2553514B (en) * 2016-08-31 2022-01-26 Green Running Ltd A utility consumption signal processing system and a method of processing a utility consumption signal

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006338373A (ja) * 2005-06-02 2006-12-14 Toshiba Corp 多変数時系列データ分析装置、方法およびプログラム
US20180164785A1 (en) * 2012-03-27 2018-06-14 Sirqul, Inc. Controlling distributed device operations
US20150100534A1 (en) * 2013-10-07 2015-04-09 Yokogawa Electric Corporation State diagnosing method and state diagnosing apparatus
TW201600947A (zh) * 2014-05-01 2016-01-01 西克帕安全油墨系統美國公司 動態可配置生產及／或分配線控制系統及其方法
CN105487501A (zh) * 2014-10-06 2016-04-13 费希尔-罗斯蒙特系统公司 过程工厂中基于自动信号处理的学习
CN105589380A (zh) * 2014-11-11 2016-05-18 瑞萨电子株式会社 连接关系检测系统、信息处理装置以及连接关系检测方法
WO2016117021A1 (ja) * 2015-01-20 2016-07-28 株式会社日立製作所 機械診断装置および機械診断方法
US20180017960A1 (en) * 2016-07-15 2018-01-18 Ricoh Company, Ltd. Diagnostic apparatus, diagnostic system, diagnostic method, and recording medium
TW201816521A (zh) * 2016-08-05 2018-05-01 荷蘭商Ａｓｍｌ荷蘭公司 用於獲得診斷資訊的方法與設備及用於控制工業製程的方法與設備

Also Published As

Publication number Publication date
CN112368683A (zh) 2021-02-12
JPWO2020008533A1 (ja) 2020-12-17
TW202006488A (zh) 2020-02-01
KR20210002748A (ko) 2021-01-08
US20210096556A1 (en) 2021-04-01
WO2020008533A1 (ja) 2020-01-09
US11294364B2 (en) 2022-04-05
CN112368683B (zh) 2024-03-26
KR102238867B1 (ko) 2021-04-09
DE112018007712T5 (de) 2021-04-08
JP6786016B2 (ja) 2020-11-18

Similar Documents

Publication Publication Date Title
TWI727289B (zh) 資料處理裝置及資料處理方法
EP3399376B1 (en) Plant-abnormality-monitoring method and computer program for plant abnormality monitoring
JP5610695B2 (ja) プラント監視用の方法、プログラム及び装置
JP2000505221A (ja) 工業プロセス監視システム
US11269322B2 (en) Failure diagnosis system
EP3416011B1 (en) Monitoring device, and method for controlling monitoring device
JP6895816B2 (ja) 異常診断装置、異常診断方法及び異常診断プログラム
JPH0447842B2 (zh)
CN109960232B (zh) 领先辅助参数的选择方法和设备维护预诊断的方法
US20110209083A1 (en) Process analysis system
JP7012888B2 (ja) 異常要因推定装置、異常要因推定方法、及びプログラム
JP5939439B2 (ja) 異常診断装置
EP3416012B1 (en) Monitoring device, and method for controlling monitoring device
US20220179402A1 (en) Method and device for analyzing a sequential process
JP7158624B2 (ja) 異常検知装置
JP2002278621A (ja) プラント運転監視装置及び方法
JP6347771B2 (ja) 異常診断装置、異常診断方法及び異常診断プログラム
JP6818242B2 (ja) 異常分析方法、プログラムおよびシステム
JP5817323B2 (ja) 異常診断装置
EP3712777A1 (en) Data classification device
CN113391613A (zh) 信息处理装置、信息处理方法以及程序
JP2009238190A (ja) メンテナンス計画支援システム
US20240110850A1 (en) Abnormality determination model generating device, abnormality determination device, abnormality determination model generating method, and abnormality determination method
WO2021065961A1 (ja) 情報処理装置、算出方法および算出プログラム
EP4261641A1 (en) Anomaly determination device, method for generating anomaly determination model, and anomaly determination method