WO2019043744A1 - ソリューションの運営を支援するシステム及び方法 - Google Patents

ソリューションの運営を支援するシステム及び方法 Download PDF

Info

Publication number
WO2019043744A1
WO2019043744A1 PCT/JP2017/030673 JP2017030673W WO2019043744A1 WO 2019043744 A1 WO2019043744 A1 WO 2019043744A1 JP 2017030673 W JP2017030673 W JP 2017030673W WO 2019043744 A1 WO2019043744 A1 WO 2019043744A1
Authority
WO
WIPO (PCT)
Prior art keywords
model
solution
sensor
value
output
Prior art date
Application number
PCT/JP2017/030673
Other languages
English (en)
French (fr)
Inventor
祐介 船矢
本村　哲朗
啓朗 室
Original Assignee
株式会社日立製作所
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 株式会社日立製作所 filed Critical 株式会社日立製作所
Priority to PCT/JP2017/030673 priority Critical patent/WO2019043744A1/ja
Publication of WO2019043744A1 publication Critical patent/WO2019043744A1/ja

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

Definitions

  • the present invention relates generally to operation management, and, for example, to operation management of an OT (Operational Technology) model and a solution using the same.
  • OT Operaational Technology
  • Patent Document 1 Japanese Patent Application Laid-Open No. 64-26912 discloses a plant diagnostic method for diagnosing a plant based on observation data obtained from the plant, in which a basic module is first made, and from this basic module to a basic dynamic characteristic module A hierarchical frame type database is constructed by creating an equipment module from this equipment module and a system module from this equipment module and further creating a module of the whole plant from this system module, and it is necessary for prediction according to observation data of the plant.
  • a plant diagnostic method is described, characterized in that modules are automatically combined from the frame type database and used for plant diagnostics.
  • the prior art described above is a technique for diagnosing a plant. That is, in the diagnosis method described in Patent Document 1, since the abnormality of the observation data affects the failure detection of the plant, the hierarchical failure detection flow is used for tracking of the cause and detection of the partial failure. However, in Patent Document 1, when an abnormality occurs in the observation data, the operation of the solution using the observation data is not considered, and the observation data is used when the observation data for diagnosing the plant can not be obtained. The solution stops working.
  • the sensor abnormality on the plant side and the solution operation on the IT side are not linked, and an error in the sensor may cause a false diagnosis on the solution side .
  • the present invention aims to manage sensor abnormalities in the case of integrally operating a solution across the OT side and the IT side, and in particular to provide alternatives and reliability for continuing the solution.
  • a system supporting operation of a solution using a model using an observation value by a sensor as an input comprising: a processor for executing a program; and a storage device for storing the program, wherein the processor is abnormal Recalculate the model using an alternative procedure that provides an alternative value to replace the output of the sensor where it occurred, statistically process the recalculation result of the model, evaluate the amount of change in the output of the model, and output the model
  • the alternative treatments are prioritized so that the alternative treatment with a small amount of change is ranked high, and information is output that associates the alternative treatment with the order.
  • FIG. 1 is a schematic view of an embodiment of the present invention. It is a system configuration figure of the example of the present invention. It is a block diagram of the edge side computer of the Example of this invention. It is a block diagram of the cloud side computer of the Example of this invention. It is a figure which shows an example of a structure of the sensor information table of the Example of this invention. It is a figure which shows an example of a structure of the model information table of the Example of this invention. It is a figure which shows the relationship between the model of the Example of this invention, and a solution. It is a figure which shows an example of a structure of the model solution relationship table of the Example of this invention.
  • FIG. 1 is a schematic view of an embodiment of the present invention.
  • a computer installed near an OT (Operational Technology) site is referred to as an edge-side computer 1 and a computer that operates a solution is referred to as a cloud-side computer 2.
  • the edge side computer 1 is used by a sensor administrator who manages a sensor installed in the asset 4 and a model developer who develops and manages a model.
  • the cloud-side computer 2 is used by an operator of a solution that provides a solution using observation values output from a sensor.
  • a plurality of edge side computers 1 and a plurality of cloud side computers 2 may be provided. Also, the edge-side computer 1 and the cloud-side computer 2 may actually be configured by another virtual computer on the same physical computer.
  • the sensor manager is, for example, a person in charge of managing and maintaining the sensor 5 installed in the asset 4 near the OT site.
  • the sensor manager also performs regular maintenance of the sensor 5, and decides which sensor 5 is to be given priority for maintenance.
  • the model developer is, for example, a person who develops and operates a model for processing the output of the sensor 5 into a meaningful form near the OT site.
  • the solution operator is, for example, a person who develops and operates a solution for making some kind of decision making, using an output of a model provided from the edge side in an information building or a head office away from the OT site. .
  • the solutions include a failure prediction solution that predicts the failure time of the asset 4, a sales prediction solution that predicts sales, and a stock price prediction solution that predicts stock prices, as shown in FIG.
  • the solution may be operated by a computer installed in the information center and operated by computing resources on the cloud.
  • a sensor administrator and a model developer input temporary measures such as reasonable fixed values and nearby sensor names with few errors (101).
  • temporary measures such as reasonable fixed values and nearby sensor names with few errors (101).
  • the amount of change of the characteristic value of the model output when each temporary treatment is used in the edge side computer 1 is calculated, and the recommended treatment is attached to the temporary treatment (102). That is, the smaller the change in the characteristic value of the model output, the smaller the deviation from the original correct model, and the smaller the number of false diagnoses in the solution using that value.
  • the model output in the case of using the temporary treatment calculated by the edge-side computer 1 and the recommended order of each temporary treatment are transmitted to the cloud-side computer 2.
  • the solution operator obtains the model output and the recommended order of the provisional treatment from the cloud side computer 2 and determines and inputs the provisional treatment to be actually used. Furthermore, the solution operator inputs information such as a sensor maintenance deadline for the solution and a penalty if the maintenance can not be performed within the deadline (103).
  • the edge-side computer 1 collects information input for each solution affected by the failed sensor (104).
  • the sensor administrator refers to the collected information and information such as the scheduled maintenance schedule for sensors that the edge side can know and the cost of sensor replacement to determine the urgency of sensor maintenance, and provides a maintenance plan for the sensor administrator. Review (105). In this way, the sensor administrator can assist in the operation of the solution so as to reduce the impact on the solution.
  • FIG. 2 is a system configuration diagram of an embodiment of the present invention.
  • a plurality of sensors 5 are attached to the asset 4.
  • the asset 4 is an installation to be monitored by the sensor 5, for example, a windmill, and the sensor 5 is a sensor (for example, a temperature sensor, a vibration sensor, etc.) that measures physical characteristics for monitoring the asset 4. .
  • the information output from the sensor 5 can be taken in by the edge side computer 1 through the IoT gateway 3 and the network 6.
  • a plurality of sensors 5 are connected to one IoT gateway 3 and a plurality of IoT gateways 3 are connected to one edge side computer 1 It may be connected.
  • the edge-side computer 1 can be configured by a general computer provided with a CPU 11, a memory 12, a storage device 13, an input / output interface 14, a network interface 15, and the like.
  • a sensor administrator can manage sensor information.
  • a model developer can develop and manage a model using sensor information.
  • the edge side computer 1 can communicate with the cloud side computer 2 via yet another network 7.
  • the cloud-side computer 2 can be configured by a general computer provided with a CPU 21, a memory 22, a storage device 23, an input / output interface 24, a network interface 25 and the like.
  • the cloud side computer 2 may be a virtual computer having these hardware resources.
  • one edge side computer 1 may be connected to a plurality of cloud side computers 2.
  • the solution operator can develop and operate a solution using the output of the model.
  • the solution is, for example, failure detection or failure prediction of the asset 4, but any other system that outputs some information based on the output of the sensor 5 may be used.
  • FIG. 3 is a block diagram of the edge side computer 1 according to the embodiment of this invention.
  • the edge side computer 1 has a CPU 11, a memory 12, a storage device 13, an input / output interface 14 and a network interface 15.
  • the configuration of the hardware is not limited to that illustrated, and it may be a computer that can generally store and execute a program, and may be a physical computer or a virtual computer.
  • the memory 12 is a program of a model calculation unit 121, a model solution relationship table creation unit 122, a model solution relationship management unit 123, a characteristic change amount calculation unit 124, a provisional treatment recommendation order determination unit 125, and a solution influence information collection unit 126.
  • Store The memory 12 also stores data such as a sensor information table 127, a model information table 128, a model solution relationship table 129, a characteristic change amount table 130, and a solution influence comparison table 131.
  • the model calculation unit 121 is a program for performing calculation of the OT model.
  • the processing by the model calculation unit 121 will be described later with reference to FIG.
  • the model solution relationship table creation unit 122 is a program for creating a model solution relationship table 129.
  • the processing by the model / solution relationship table creation unit 122 will be described later with reference to FIG.
  • the model solution relationship management unit 123 is a program that manages model input / output and solution input / output, and transfers model output to the cloud-side computer 2 with the solution.
  • the processing by the model / solution relationship management unit 123 will be described later with reference to FIG.
  • the characteristic change amount calculation unit 124 is a program for calculating the amount of change in characteristics of the recalculation of the model by the temporary treatment and the original model.
  • the provisional treatment recommendation order determination unit 125 is a program for determining the recommendation order for a plurality of provisional treatments based on the calculation result of the characteristic change amount calculation unit 124.
  • the process by the temporary treatment recommendation order determination unit 125 will be described later with reference to FIG.
  • the solution impact information collection unit 126 is a program that determines the urgency of sensor maintenance from the data of the solution impact information table 225 transmitted from each solution, and creates a solution impact comparison table 131. The processing by the solution influence information collection unit 126 will be described later with reference to FIG.
  • the sensor information table 127 is a table for storing information on sensors, and the details thereof will be described later with reference to FIG.
  • the model information table 128 is a table for storing information on a model, the details of which will be described later with reference to FIG.
  • the model solution relationship table 129 is a table storing sensor (model, solution) relationship (eg, input / output) information necessary to identify a model and solution affected by a certain sensor failure. The details thereof will be described later with reference to FIG.
  • the characteristic change amount table 130 is a table for storing the calculation result of the characteristic change amount calculation unit 124, and the details thereof will be described later with reference to FIG.
  • the solution impact comparison table 131 is a table for storing data collected or processed by the solution impact information collecting unit 126, the details of which will be described later with reference to FIG. Although the data stored in the edge-side computer 1 will be described in the form of a table, it may be described in a data structure (list, repository, queue, etc.) other than the table.
  • FIG. 4 is a block diagram of the cloud side computer 2 according to the embodiment of this invention.
  • the cloud side computer 2 has a CPU 21, a memory 22, a storage device 23, an input / output interface 24 and a network interface 25.
  • the hardware configuration is not limited to the illustrated configuration, and it may be a computer that can generally store and execute a program, and may be a physical computer or a virtual computer.
  • the memory 22 stores programs such as the solution calculation unit 221 and the solution error calculation unit 222.
  • the memory 22 also stores data such as a solution information table 223, a solution error table 224, and a solution influence information table 225.
  • the solution calculation unit 221 is a program for performing solution calculation. The process by the solution calculation unit 221 will be described later with reference to FIG.
  • the solution may be, for example, failure detection or failure prediction of the asset 4.
  • the solution error calculation unit 222 executes a recalculation of the solution using the output of the model by the temporary treatment calculated by the edge side computer 1, for example, a program for calculating the failure prediction date of the asset 4 when the temporary treatment is used. It is.
  • the processing by the solution error calculation unit 222 will be described later with reference to FIG.
  • the solution information table 223 is a table for storing information on a solution, the details of which will be described later with reference to FIG.
  • the solution error table 224 is a table for storing the calculation result in the solution error calculation unit 222, the details of which will be described later with reference to FIG.
  • the solution influence information table 225 is a table for storing data of the solution error table 224 by adding additional information input from the user (for example, the time limit for sensor maintenance, the penalty for failure to be maintained within the time limit, etc.) The details thereof will be described later with reference to FIG.
  • the data stored in the cloud-side computer 2 will be described in the form of a table, it may be described in a data structure (list, repository, queue, etc.) other than the table.
  • FIG. 5 is a diagram showing an example of the configuration of the sensor information table 127 according to the embodiment of this invention.
  • the sensor information table 127 is a table for storing information on sensors.
  • Information on sensors includes sensor name 1271, archive storage path 1272 indicating the storage location of the sensor data, temporary treatment candidate 1273 available when the sensor is lost, and 1274 the remaining number of days until next scheduled maintenance , And the state 1275 of the sensor. These values are mainly input by the sensor administrator through the input / output interface 14 of the edge side computer 1.
  • a temporary action is an alternative value provided to the model before maintenance of the sensor is complete, so that the solution operation does not stop even if the output from the sensor is lost.
  • the temporary treatment candidate it is possible to adopt a value of a sensor of the same kind in the vicinity, or a fixed value of a range that can be determined to be appropriate from the past history and the like.
  • the value of the error with the original sensor can be specified, and in the case of a fixed value, two values, minimum and maximum, can be specified.
  • FIG. 6 is a diagram showing an example of the configuration of the model information table 128 according to the embodiment of this invention.
  • the model information table 128 is a table for storing information on a model.
  • the information on the model includes a model name 1281, a workflow (hereinafter referred to as WF) file name 1282 at the time of model creation, a model expression 1283, a model input 1284 and an alternative model name 1285. These values are mainly input by the model developer through the input / output interface 14 of the edge side computer 1.
  • the WF file is a file created at the time of model development, and describes the flow of data and the content of data processing.
  • the model calculation unit 121 can execute model calculation by using the WF file.
  • the model expression 1283 is, for example, a mathematical expression indicating the processing content of the model.
  • a model input 1284 indicates a sensor name or a model name that the model uses as an input, and a plurality of sensors or models may be recorded.
  • the alternative model is another model (e.g., model A ') configured not to use at least one of the sensor outputs (e.g., S1, S2) that the model (e.g., model A) uses as an input . That is, even if one of the input sensors is lost, operation can be continued by using an alternative model.
  • the alternative model name 1285 stores information on the alternative model name and which sensor is the model that can be used when missing.
  • FIG. 7 is a diagram showing the relationship between the model and the solution according to the embodiment of the present invention, showing the relationship between the sensor, the model and the solution, with the sensor, the model and the solution circled and the data flow indicated by arrows. .
  • the output of sensor S1 is the input of model A
  • the output of model A is the input of solution A. That is, it can be seen that, if the sensor S1 fails, the model A and the solution A are affected.
  • the actual memory is stored as a table shown in FIG. 8 instead of such a schematic diagram.
  • FIG. 8 is a diagram showing an example of the configuration of the model solution relationship table 129 according to the embodiment of this invention.
  • the model solution relationship table 129 is a table storing the input / output relationship of sensor, model and solution data, and the form of storing the input / output relationship of sensor, model and solution data shown in FIG. 7 on a memory
  • An example of A source 1291 describes a sensor, model or solution from which data is output, and a destination 1292 describes a model or solution that uses an output from the source as an input. There may be multiple destinations for one source.
  • the model solution relationship managing unit 123 acquires the relationship between each sensor and the model and the relationship between the models from the sensor information table 127 and the model information table 128 and stores the model solution relationship table 129. Further, the model solution relation managing unit 123 accesses the solution information table 223 stored in the cloud side computer 2, acquires the information of the model 2233 serving as an input of each solution, and stores it in the model solution relation table 129. Do.
  • FIG. 9 is a diagram showing an example of the configuration of the characteristic change amount table 130 according to the embodiment of this invention.
  • the characteristic change amount table 130 with respect to several provisional treatment candidates at the time of sensor failure, to what extent did the model output characteristics when each treatment is applied change as compared with the correct model output characteristics before the sensor failure Is a table showing That is, by referring to the characteristic change amount table 130, it is possible to know a provisional treatment candidate with a small error.
  • the characteristic change amount calculation unit 124 and the temporary treatment recommendation order determination unit 125 store data.
  • the temporary change 1301 is acquired by the characteristic change amount calculation unit 124 from the sensor information table 127 or the model information table 128.
  • the characteristic change amount calculation unit 124 inputs provisional values to the model calculation unit 121, and recalculates the model. Calculate and get.
  • the variance change amount 1304, the average change amount 1305, and the duplication degree 1306 all serve as indices indicating the similarity of the probability distribution graph (histogram) of the original model and the model using the provisional treatment.
  • the provisional treatment with high similarity or little change in variance or average is a treatment that can obtain an output close to the original probability distribution graph, and is a reliable provisional treatment for a solution that uses that model. It can be said.
  • the provisional treatment recommendation order determination unit 125 ranks the provisional treatments in descending order of reliability, that is, those that can be recommended to the solution operator, and stores them in the order 1309.
  • FIG. 10 is a diagram showing an example of the configuration of the solution information table 223 according to the embodiment of this invention.
  • the solution information table 223 is a table for storing information on a solution.
  • Information on the solution includes solution name 2231, WF file name 2232, solution input 2233 and solution output 2234. These values may be input by the solution operator through the input / output interface 24 of the cloud-side computer 2.
  • a solution WF file is a file that describes the data flow and data processing content that is created at the time of solution development, like the model WF.
  • the solution calculation unit 221 can execute solution calculation by using the WF file.
  • the solution input 2233 stores the model name used by the solution.
  • the model solution relationship table creating unit 122 of the edge side computer 1 can create this model solution relationship table 129 by acquiring this input information.
  • FIG. 11 is a diagram showing an example of the configuration of the solution error table 224 according to the embodiment of this invention.
  • the solution error table 224 is a table for storing information indicating the spread of the error of the output of the solution when the provisional treatment candidate is applied.
  • the solution error table 224 includes temporary treatment 2241, variance 2242, mean 2243, variance change amount 2244, mean change amount 2245, rank 2246, predicted best value 2247 and predicted worst value 2248.
  • the solution when the solution is a failure prediction solution, there are four temporary treatments 2241 for the failure of the sensor S1, and characteristic values of the model when each treatment is applied (dispersion 2242, average 2243, dispersion change) An amount 2244, an average change amount 2245) and a recommendation order 2246 are recorded.
  • the solution error calculation unit 222 acquires these characteristic values from the characteristic change amount table 130 and stores them.
  • the solution error calculation unit 222 recalculates the failure prediction solution by inputting the output of the model according to each temporary treatment to the solution calculation unit 221, and acquires the prediction best value 2247 and the prediction worst value 2248 in a table.
  • the predicted best value and the predicted worst value of the failure prediction solution are, in other words, predicted values of elapsed days when the asset 4 fails the earliest and when it fails the latest.
  • a solution error table 224 including provisional action candidates is presented to the solution operator through the input / output interface 24 of the cloud side computer 2 or the like.
  • the solution operator determines the provisional action to be actually applied and inputs it to the cloud side computer 2.
  • FIG. 12 is a diagram showing an example of the configuration of the solution influence information table 225 according to the embodiment of this invention.
  • the solution influence information table 225 is a table for storing information on a provisional action selected by the solution operator and information such as a sensor maintenance deadline and a penalty input by the solution operator.
  • the solution influence information table 225 includes the selected temporary treatment 2251, the predicted best value 2252, the predicted worst value 2253, the rank 2254, the sensor maintenance deadline 2255 and the penalty 2256.
  • the solution operator looks at the solution error table 224, selects one provisional action that it considers appropriate, and inputs it to the solution error calculation unit 222.
  • the solution error calculation unit 222 acquires the predicted best value 2247, the predicted worst value 2248 and the rank 2246 of the selected temporary treatment from the solution error table 224, and the predicted best value 2252 and the predicted worst value 2253 of the solution influence information table 225. Store in the order 2254.
  • the solution operator sets a sensor maintenance deadline viewed from the solution side in consideration of the predicted worst value 2253 and the like. That is, in the illustrated example, when the alternative model A ′ is adopted as the provisional treatment, the failure prediction date of the asset 4 is at least six months later, so the solution is operated with the provisional treatment within 6 months. It can be determined that there is no problem. However, if the sensor maintenance is not performed even after six months, the asset 4 may break down, so it is necessary to take measures such as carrying out a temporary inspection without waiting for the periodic inspection of the asset 4. Therefore, the solution operator inputs the cost of additional inspection as a penalty after 6 months as a sensor maintenance deadline 2255.
  • FIG. 13 is a diagram showing an example of the configuration of the solution influence comparison table 131 according to the embodiment of this invention.
  • the solution impact comparison table 131 is a table for storing data input by each solution operator, and data obtained by adding the result of the urgency determination to the data.
  • the solution influence comparison table 131 includes a solution name 1311, a selected temporary treatment 1312, a sensor maintenance deadline 1313, a penalty 1314, a failure sensor 1315, a next periodic maintenance 1316 and an emergency 1317.
  • the solution impact information collection unit 126 receives the solution impact information table 225 from each solution, copies the selected temporary action 1312, sensor maintenance deadline 1313, and penalty 1314, and stores it along with the solution name. Further, the solution influence information collecting unit 126 acquires the next periodic maintenance 1274 from the sensor information table 127 using the failure sensor 1315 as a key, and stores the next periodic maintenance 1274 in the next periodic maintenance 1316.
  • the solution influence comparison table 131 is created in the edge side computer 1 and provided to the sensor maintenance staff.
  • the sensor maintenance staff can determine the maintenance schedule of the failed sensor with reference to the solution influence comparison table 131. This is because it is difficult to maintain all the sensors immediately because multiple sensors have failed but the cost of stopping the asset 4 for sensor maintenance is high or the cost of the sensor itself is high. Help if it is.
  • a plurality of sensors including at least the sensor S1 and the sensor S4 have failed, and the failure affects the solution A.
  • the sensor S1 should be maintained within six months, but As we plan regular maintenance after a month, it is not necessary to perform temporary maintenance now.
  • the sensor S4 whose failure affects the solution B should be maintained within 3 months, periodical maintenance should be performed after 12 months, so temporary maintenance should be performed. Therefore, it can be judged that the urgency which should prioritize maintenance of sensor S4 is high.
  • FIG. 14 is an overall flow of normal paths according to the embodiment of this invention.
  • model calculation and solution calculation are performed.
  • the edge side computer 1 receives sensor data via the IoT gateway 3 (S301).
  • the model calculation unit 121 executes model calculation using the received data and the model information of the model information table 128 (S302). Details of the process of step S302 will be described later with reference to FIG.
  • the model solution relationship management unit 123 transmits data to the target solution with reference to the model solution relationship table 129 (S303, S304). Details of the process of step S303 will be described later with reference to FIG.
  • the solution calculation unit 221 executes solution calculation using the received data and the information of the solution information table 223 (S305). Details of the process of step S305 will be described later with reference to FIG. Finally, the calculation result is presented to the solution operator through the input / output interface 24 (S306).
  • FIG. 15 is an entire flow of an abnormal path according to the embodiment of this invention.
  • the edge side computer 1 receives an abnormality detection signal of a sensor through the IoT gateway 3 (S311).
  • the abnormality detection signal includes the sensor ID of the failed sensor and an abnormality type such as failure, loss, or replacement.
  • the characteristic change amount calculation unit 124 acquires temporary treatment candidates from the sensor information table 127 and the model information table 128, and recalculates a model using information of the model information table 128 for each temporary treatment candidate. Further, the characteristic change amount of the model is calculated from the recalculation result, and is stored in the characteristic change amount table 130 (S312). Details of the process of step S312 will be described later with reference to FIG.
  • the provisional treatment recommendation order determination unit 125 assigns a recommendation order to the provisional treatment in the order in which the solution variation error is expected to be small from the characteristic change amount, and stores the provisional treatment in the characteristic change amount table 130 (S313). Details of the process of step S313 will be described later with reference to FIG.
  • the model solution relation managing unit 123 transmits information of the characteristic change amount table 130 to the target solution with reference to the model solution relation table 129 (S314, S315).
  • the solution error calculation unit 222 recalculates the solution using the received data and the information of the solution information table 223 (S316).
  • the calculation result is provided to the solution operator through the input / output interface 24 (S317).
  • the solution operator looks at the solution recalculation result, selects an appropriate provisional action, and inputs influence information (maintenance plan, penalty) (S318).
  • the cloud-side computer 2 may select an appropriate temporary action from the solution recalculation result, and provide the selection result to the solution operator.
  • the solution error calculation unit 222 stores the input information in the solution influence information table 225, and transmits the information to the edge side computer 1 (S319, S320). Details of the processes of steps S316 to S319 will be described later with reference to FIG.
  • the solution influence information collecting unit 126 stores the data received from each solution in the solution influence comparison table 131, and further, can be acquired from the sensor information table 127.
  • the urgency of sensor maintenance is determined by comparing the next regular maintenance with the sensor maintenance deadline received from each solution, and stored in the solution influence comparison table 131 (S 321). Details of the process of step S321 will be described later with reference to FIG.
  • the information on the solution influence comparison table 131 is presented to the sensor maintenance person through the input / output interface 14 of the edge side computer 1 (S322).
  • the sensor maintenance staff can review the plan of maintenance work, perform temporary maintenance work, and the like based on the provided information.
  • the process is executed when the sensor abnormality is detected, but the process after step S312 is also performed on a normal sensor, that is, the alternative treatment is applied and a model is used using the alternative value of each sensor
  • the process of recalculating it is possible to simulate an alternative action at the time of abnormality occurrence.
  • FIG. 16 is a flowchart showing an example of processing by the model calculation unit 121 according to the embodiment of this invention.
  • the model calculation unit 121 receives sensor data through the IoT gateway 3 (S401).
  • the WF file name of the model is acquired from the model information table 128, and the WF is acquired from the storage device 13 (S402).
  • calculation of a model is executed by the WF file as an input of the WF obtained from the received sensor data (S403).
  • the calculation result is stored in the storage device 13 (S404).
  • FIG. 17 is a flowchart showing an example of processing by the model solution relationship table creation unit 122 according to the embodiment of this invention.
  • the model solution relationship table creation unit 122 acquires a model name 1281 and a model input 1284 (a sensor name as a model input) from the model information table 128 (S411).
  • the solution name 2231 and the solution input 2233 are acquired from the solution information table 223 (S412).
  • polling may be performed from the edge side computer 1 or push from the cloud side computer 2 may be performed.
  • the model solution relationship table 129 is created from the acquired information (S413).
  • the model 12 is added to the destination 1292 of the model solution relationship table 129 from the information that the input of the model A obtained from the model information table 128 is S1 and S2.
  • a line described as sensor S1 in the source 1291 and a line described similarly as model A in the destination 1292 and a line described as the sensor S2 in the source 1291 are added. Repeat this for the model name acquired.
  • FIG. 18 is a flowchart showing an example of processing performed by the model solution relationship management unit 123 according to the embodiment of this invention.
  • the model solution relation management unit 123 transmits the output of the model to the solution calculation unit 221 which needs the output of the model.
  • the model / solution relationship management unit 123 receives the calculation result of the model from the model calculation unit 121 (S421).
  • the calculation result may be a numerical value itself or may be a pointer (such as a file path) indicating the storage location of the calculation result.
  • a solution that uses the model output is found from the model solution relationship table 129 (S422).
  • the calculation result of the model is transmitted to the identified solution (S423).
  • the transmission timing of the model calculation result is arbitrary, and may be transmitted in real time or in batch.
  • the model name is searched from among the sources 1291 of the model solution relation table 129, and when the model name is found, the destination 1292 is looked at in the row, and the destination 1292 If the value of is a solution name, it can be identified as a solution that uses the model output. If the value of the destination 1292 is a model name, the process is repeated until the solution name appears in the destination 1292 with the model name as the source 1291.
  • FIG. 19 is a flowchart showing an example of processing by the characteristic change amount calculation unit 124 according to the embodiment of this invention.
  • the characteristic change amount calculation unit 124 calculates the characteristic value of the model output when each temporary treatment candidate is applied, and stores the characteristic value in the characteristic change amount table 130.
  • the characteristic value of the alternative model is calculated first, and then the characteristic value is calculated by applying a temporary sensor with a proximity sensor or a fixed value.
  • the characteristic change amount calculation unit 124 acquires the alternative model name 1285 from the model information table 128, and registers it in the temporary treatment 13011 of the characteristic change amount table 130 (S431). Further, the WF file name 1282 of the alternative model is acquired from the model information table 128, the WF file is acquired from the storage device 13, the acquired WF file is input to the model calculation unit 121, and calculation of the alternative model is performed. (S432). The calculation result may be stored as appropriate in the storage device 13 or the like.
  • a candidate for provisional treatment is acquired and registered in the provisional treatment 1301 of the characteristic change amount table 130. Further, the WF file of the model is acquired from the storage device 13 (S433). Next, calculation of the model WF is performed by the model calculation unit 121 with each of the upper limit value and the lower limit value of the provisional value described in each temporary treatment candidate 1273 as an input (S434). The calculation result may be stored as appropriate in the storage device 13 or the like.
  • the characteristic change amount calculation unit 124 calculates the variance, average, redundancy, best value, and worst value of the model from the calculation results of each temporary treatment candidate, and the characteristic change amount table 130 (S435).
  • the variance and the mean may follow the definition of the variance and the mean in the probability distribution of statistics.
  • the degree of duplication is a numerical value indicating the percentage of area where the graphs overlap, assuming that the graph of the probability distribution of the original model and the graph of the model probability distribution when the provisional treatment is applied completely match 100%. It is. That is, as the degree of duplication is higher, the model to which the provisional treatment is applied is closer to the original model, and it can be said that the provisional treatment is more reliable for the solution operator.
  • the characteristic change amount calculation unit 124 refers to the model solution relationship table 129 to determine whether the output of the model is an input of the solution (S436). If the output of the model is the input of another model, calculation of the model WF is similarly performed on the model of the output destination, and the variance, average, multiplicity, best value, and worst value of the model are calculated. If the model output is the solution input, the calculation is finished there.
  • FIG. 20 is a flowchart showing an example of processing by the provisional procedure recommendation order determination unit 125 according to the embodiment of this invention.
  • the provisional treatment recommendation order determination unit 125 determines the order of the provisional treatment to be recommended to the solution operator based on the characteristic value calculated by the characteristic change amount calculation unit 124.
  • the rows of the characteristic change amount table 130 are rearranged in descending order of the degree of duplication 1306 (S441).
  • the sorting process is continued, and when there is no same row with the duplication degree 1306 (NO in S442), the sorting process is ended. Go to S446.
  • the numerical values the degree of duplication, the amount of variance change, etc.
  • the rows having the same degree of overlap 1306 are rearranged in ascending order of the amount of variance change 1304 (S443).
  • the sorting process is continued, and when the variance change amount 443 does not have the same row (NO in S443), the sorting process is ended. Proceed to step S446.
  • the sorting process is continued (YES in S443), the rows having the same variance change amount 443 are sorted in ascending order of the average change amount 1305 (S445).
  • the uppermost temporary treatment is determined to be the optimum, ie, the first rank, and the rank is determined to be ranked lower from there and recorded in the rank 1309 of the characteristic change amount table 130 ( S446).
  • the tendency of the sensor's output value is similar and the tendency of the output value of the sensor is similar to the original sensor's output in the provisional treatment. It is because a near value can be adopted.
  • the second priority for dispersion change amount is that when the distribution change amount is small, since the probability distribution graph of the similar shape is shifted to the left and right as a whole, the tendency of change of the sensor output value is similar This is because the original sensor value can be reproduced by correction (parallel movement of the probability distribution graph) that increases or decreases the sensor value.
  • selecting an interim treatment using the average change as an indicator means that if the average change is small, the time averages of the sensor outputs are similar, so the solution calculation results will be almost the same in the long run Can be expected to
  • FIG. 21 is a flowchart showing an example of processing by the solution calculation unit 221 according to the embodiment of this invention.
  • the solution calculation unit 221 receives an output result of a model required by the solution to be calculated (S451).
  • data may be acquired from the solution calculating unit 221 by querying the model solution relation managing unit 123, or the solution which the model solution relation managing unit 123 transmits spontaneously is a solution
  • the calculation unit 221 may receive and store in the storage device 23.
  • the WF file name 2232 is acquired from the solution information table 223, and the WF file is acquired from the storage device 23 (S452).
  • calculation of the solution is executed using the output result of the model acquired from the edge side computer 1 as the input of the solution WF acquired by the cloud side computer 2 (S 453).
  • the solution calculation result is stored in the storage unit 23 (S454).
  • FIG. 22 is a flowchart showing an example of processing by the solution error calculation unit 222 according to the embodiment of this invention.
  • the solution error calculation unit 222 calculates an error occurring in the solution result from the characteristic change amount of the model, and after having the solution operator select an appropriate temporary treatment, the information input by the solution operator is on the edge side. Send.
  • the characteristic change amount table 130 is acquired (S461).
  • the WF file name 2232 is acquired from the solution information table 223, and the WF file is acquired from the storage device 23 (S462).
  • the solution calculation unit 221 executes solution calculation using the best value 1307 and the worst value 1308 of the characteristic change amount table 130 as input of the acquired WF (S463).
  • the solution calculation result is stored in the solution error table 224, and the solution error table 224 is presented to the solution operator through the input / output interface 24 of the cloud side computer 2 (S464).
  • the solution calculation result is, for example, the shortest failure prediction date and the longest failure prediction date of asset 4.
  • the solution operator determines the temporary action to be actually applied, and inputs the selection result to the solution error calculation unit 222 through the input / output interface 24.
  • the input may, for example, receive a string indicating a provisional treatment and pass it to the program, or may receive a selection to click on the name of the provisional treatment.
  • the solution operator inputs a sensor maintenance deadline and a penalty (S465).
  • the solution error calculation unit 222 When receiving an input from the solution operator, the solution error calculation unit 222 creates the solution influence information table 225 and transmits the information of the table to the solution influence information collecting unit 126 in the edge side computer 1 (S466) ). Specifically, the provisional action selected by the solution operator, the predicted best value of the provisional action, the predicted worst value, and the order are stored in the solution impact information table 225, and the sensor maintenance deadline input by the solution operator , The penalty is stored in the solution impact information table 225.
  • FIG. 23 is a flowchart showing an example of processing by the solution influence information collecting unit 126 according to the embodiment of this invention.
  • the solution impact information collection unit 126 collects information of the solution impact information table 225 and presents it to the sensor maintenance staff as a solution impact comparison table 131.
  • the solution impact information collection unit 126 receives the information of the solution impact information table 225, and stores the information in the solution impact comparison table 131 (S471).
  • the solution influence information collection unit 126 may inquire the solution error calculation unit 222 of the cloud-side computer 2 to acquire information.
  • the sensor information table 127 is used to acquire the sensor name 1271 of the sensor that caused each solution to require temporary treatment, that is, the sensor that has failed and the next periodic maintenance 1274 of that sensor, and the solution impact comparison table 131 (S 472).
  • Urgency may be in two stages of high and low, or in three or more stages.
  • the shortest predicted date of failure prediction date of asset 4 and In addition to the longest forecast date calculate the average forecast date. Then, if the scheduled maintenance schedule is earlier than the shortest failure prediction date, it is determined that the urgency is low, and if it is not less than the shortest failure prediction day and not more than the average failure prediction date, it is determined that the urgency is medium; It can be judged high.
  • the result of the urgency determined above is stored in the solution impact comparison table 131, and the solution impact comparison table 131 is presented to the sensor maintenance staff through the input / output interface 14 of the edge side computer 1 (S474).
  • the sensor maintenance personnel can determine the order in which the sensors are maintained.
  • FIG. 24 is a diagram showing an example of the operation of the system of the embodiment of the present invention.
  • a failure prediction solution is operating which calculates stress using the outputs of the strain sensor 5 and the temperature sensor 5 attached to the asset 4, calculates the cumulative damage degree, and predicts the failure time of the asset 4.
  • the cumulative damage model calculates the cumulative damage of asset 4 using the worst value, the average value, and the best value of the alternative values.
  • the failure prediction solution predicts the failure time of the asset 4 using the degree of damage calculated using the worst value, the average value, and the best value of the alternative values.
  • the edge-side computer 1 uses an alternative procedure (e.g. alternative sensor value, alternative model) to provide an alternative value to replace the output of the sensor in which the abnormality has occurred.
  • an alternative procedure e.g. alternative sensor value, alternative model
  • Recalculate the model statistically process the recalculation result of the model, evaluate the change amount of the output of the model, and place an alternative treatment such that an alternative treatment with a small change amount of the output of the model is ranked high.
  • By ranking and outputting information in which the alternative treatment is associated with the ranking it is possible to provide an appropriate alternative treatment at the time of sensor abnormality. As a result, it is possible to prevent false diagnosis on the solution side and reduce unnecessary inspections.
  • the degree of overlap between the graph representing the recalculation result of the model and the graph representing the calculation result of the model using normal sensor values (2) variance of the recalculation result of the model, (3) model
  • the probability distribution graph of the similar shape is shifted to the left and right as a whole, the tendency of change of the sensor output value is similar This is because the original sensor value can be reproduced by correction (parallel movement of the probability distribution graph) to increase or decrease the sensor value.
  • the reason for choosing temporary treatment based on average change is that if the average change is small, the time average of the sensor output is similar, so that the solution calculation results will be almost the same in the long run Is expected.
  • the sensor 5 monitors It is possible to obtain materials for determining whether or not asset 4 is used. In particular, by calculating the best value and the worst value of the failure time, the stop time of the asset 4 can be known.
  • model information in which a sensor or model that is an input of the model is recorded and solution information in which a sensor or a model that is input of the solution is recorded is acquired, and the sensor or the model and the model or Since the relationship information recording the relationship with the solution is generated, it is possible to determine the solution to present an alternative treatment. That is, the relationship between the sensor and the solution can be clarified, and the information can be appropriately provided even in the many-to-many relationship between the sensor and the solution.
  • the present invention is not limited to the embodiments described above, and includes various modifications and equivalent configurations within the scope of the appended claims.
  • the embodiments described above are described in detail to explain the present invention in an easy-to-understand manner, and the present invention is not necessarily limited to those having all the configurations described.
  • part of the configuration of one embodiment may be replaced with the configuration of another embodiment.
  • the configuration of another embodiment may be added to the configuration of one embodiment.
  • another configuration may be added, deleted, or replaced.
  • each configuration, function, processing unit, processing means, etc. described above may be realized by hardware, for example, by designing part or all of them with an integrated circuit, etc., and the processor realizes the respective functions. It may be realized by software by interpreting and executing the program to
  • Information such as a program, a table, and a file for realizing each function can be stored in a memory, a hard disk, a storage device such as a solid state drive (SSD), or a recording medium such as an IC card, an SD card, or a DVD.
  • SSD solid state drive
  • control lines and information lines indicate what is considered to be necessary for explanation, and not all control lines and information lines necessary for mounting are shown. In practice, it can be considered that almost all configurations are mutually connected.

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

センサによる観測値を入力として使用するモデルを用いたソリューションの運営を支援するシステムであって、プログラムを実行するプロセッサと、前記プログラムを格納する記憶装置とを有し、前記プロセッサは、異常が生じたセンサの出力を置き換える代替値を提供する代替処置を用いてモデルを再計算し、前記モデルの再計算結果を統計処理して、モデルの出力の変化量を評価し、前記モデルの出力の変化量が少ない代替処置が高順位になるように、代替処置に順位を付け、前記代替処置と前記順位とを関連付けた情報を出力する。

Description

ソリューションの運営を支援するシステム及び方法
　本発明は、概して運用管理に関し、例えば、ＯＴ（Operational Technology）モデルやそれを利用したソリューションの運用管理に関する。
　本技術分野の背景技術として、以下の先行技術がある。特許文献１（特開昭６４－２６９１２号公報）には、プラントから得られた観測データに基づいてプラントを診断するプラント診断方法において、まず基本モジュールを作り、この基本モジュールから基本動特性モジュールと機器モジュールを、この機器モジュールから系統モジュールを、さらにこの系統モジュールからプラント全体のモジュールを作成するようにして階層形のフレーム型データベースを構成し、前記プラントの観測データに合わせて予測に必要な各モジュールを前記フレーム型データベースから自動的に組合せてプラントの診断に利用するようにしたことを特徴とするプラント診断方法が記載されている。
特開昭６４－２６９１２号公報
　前述した先行技術は、プラントを診断する技術である。すなわち、特許文献１に記載された診断方法では、観測データの異常がプラントの故障検出に影響を与えることから、階層的な故障検出フローを原因の追跡や部分故障の検出に利用している。しかし、特許文献１では、観測データに異常が生じた場合、観測データを使用するソリューションの動作は考慮されておらず、プラントを診断するための観測データが得られなくなると、観測データを使用するソリューションは動作を停止する。
　ＯＴ側のセンサによる観測値をＩＴ側のソリューションで使用する場合、プラント側のセンサの異常とＩＴ側のソリューション運営は連携しておらず、センサの異常によりソリューション側で誤診断が生じることがある。
　このため、ＯＴ側とＩＴ側とに跨ってソリューションを一体動作させる場合のセンサ異常の管理、特にソリューションを継続するための代替案と信頼性の提供が必要とされている。
　本発明は、ＯＴ側とＩＴ側とに跨ってソリューションを一体動作させる場合のセンサ異常の管理、特にソリューションを継続するための代替案と信頼性の提供を目的とする。
　本願において開示される発明の代表的な一例を示せば以下の通りである。すなわち、センサによる観測値を入力として使用するモデルを用いたソリューションの運営を支援するシステムであって、プログラムを実行するプロセッサと、前記プログラムを格納する記憶装置とを有し、前記プロセッサは、異常が生じたセンサの出力を置き換える代替値を提供する代替処置を用いてモデルを再計算し、前記モデルの再計算結果を統計処理して、モデルの出力の変化量を評価し、前記モデルの出力の変化量が少ない代替処置が高順位になるように、代替処置に順位を付け、前記代替処置と前記順位とを関連付けた情報を出力する。
　本発明の一態様によれば、センサ異常時の適切な代替処置を提供できる。上記した以外の課題、構成及び効果は、以下の実施形態の説明により明らかにされる。
本発明の実施例の概略を示す図である。 本発明の実施例のシステム構成図である。 本発明の実施例のエッジ側計算機の構成図である。 本発明の実施例のクラウド側計算機の構成図である。 本発明の実施例のセンサ情報テーブルの構成の一例を示す図である。 本発明の実施例のモデル情報テーブルの構成の一例を示す図である。 本発明の実施例のモデルとソリューションとの関係を示す図である。 本発明の実施例のモデル・ソリューション関係テーブルの構成の一例を示す図である。 本発明の実施例の特性変化量テーブルの構成の一例を示す図である。 本発明の実施例のソリューション情報テーブルの構成の一例を示す図である。 本発明の実施例のソリューション誤差テーブルの構成の一例を示す図である。 本発明の実施例のソリューション影響情報テーブルの構成の一例を示す図である。 本発明の実施例のソリューション影響比較テーブルの構成の一例を示す図である。 本発明の実施例の正常パスの全体フローである。 本発明の実施例の異常パスの全体フローである。 本発明の実施例のモデル計算部による処理の一例を示すフローチャートである。 本発明の実施例のモデル・ソリューション関係テーブル作成部による処理の一例を示すフローチャートである。 本発明の実施例のモデル・ソリューション関係管理部による処理の一例を示すフローチャートである。 本発明の実施例の特性変化量算出部による処理の一例を示すフローチャートである。 本発明の実施例の暫定処置推薦順決定部による処理の一例を示すフローチャートである。 本発明の実施例のソリューション計算部による処理の一例を示すフローチャートである。 本発明の実施例のソリューション誤差算出部による処理の一例を示すフローチャートである。 本発明の実施例のソリューション影響情報収集部による処理の一例を示すフローチャートである。 本発明の実施例のシステムの動作の一例を示す図である。
　以下、本発明の実施例を説明する。
　図１は、本発明の実施例の概略を示す図である。
　ＯＴ（Operational Technology）現場の近くに設置される計算機をエッジ側計算機１、ソリューションの運用を行う計算機をクラウド側計算機２と称する。エッジ側計算機１は、アセット４に設置されたセンサを管理するセンサ管理者及びモデルを開発・管理するモデル開発者が利用する。クラウド側計算機２は、センサから出力される観測値を用いてソリューションを提供するソリューションの運用者が利用する。エッジ側計算機１及びクラウド側計算機２は、いずれも複数台あってよい。また、エッジ側計算機１及びクラウド側計算機２が実際には同一の物理計算機上の別の仮想計算機で構成されてもよい。
　センサ管理者は、例えば、ＯＴ現場の近くでアセット４に設置されるセンサ５の管理や保守を担当する人物である。センサ管理者はセンサ５の定期的な保守も行っており、どのセンサ５を優先して保守するかを決めている。モデル開発者は、例えば、ＯＴ現場の近くで、センサ５の出力を意味のある形に加工するモデルの開発と運用を行う人物である。ソリューション運用者は、例えば、ＯＴ現場から離れた情報棟や本社などにいて、エッジ側から提供されるモデルの出力を使って、何らかの意思決定を行うためのソリューションの開発と運用を行う人物である。ソリューションは、図２４に示すような、アセット４の故障時期を予測する故障予知ソリューションや、売上を予測する売上予測ソリューションや、株価を予測する株価予測ソリューションなどである。ソリューションは、情報棟に設置された計算機で運用されて、クラウド上の計算リソースで運用されてもよい。
　ここで、ＯＴ現場でセンサ５の一つが故障した場合に、なるべく誤診断が少ない状態でソリューションを継続させることを考える。この場合、当該センサの出力に代わって固定値や近傍のセンサの値を利用してソリューションを運用したり、当該センサ出力が欠損しても動作可能な代替モデルまたはソリューションを利用する、等の方法が考えられる。
　そのために、まず、エッジ側計算機１でセンサ管理者とモデル開発者が、妥当な固定値や誤差が少ない近傍センサ名などの暫定処置を入力する（１０１）。次に、各暫定処置をエッジ側計算機１で利用した場合のモデル出力の特性値の変化量を算出し、暫定処置に対して推奨順を付ける（１０２）。すなわち、モデル出力の特性値の変化が少ない方が元の正しいモデルとの乖離が少なく、その値を利用するソリューションにおける誤診断も少ないため推奨順位を高くする。
　次に、エッジ側計算機１で算出した暫定処置を利用した場合のモデル出力と各暫定処置の推奨順をクラウド側計算機２に送信する。ソリューション運用者は、クラウド側計算機２からモデル出力と暫定処置の推奨順を取得して、実際に利用する暫定処置を決定し入力する。さらに、ソリューション運用者は、ソリューションにとってのセンサ保守期限、及び期限内に保守できなかった場合のペナルティなどの情報を入力する（１０３）。
　そして、エッジ側計算機１は、故障したセンサの影響を受ける各ソリューションごとに入力された情報を収集する（１０４）。センサ管理者は、収集された情報と、エッジ側が知りうるセンサの定期保守の日程やセンサ交換のコストなどの情報を参照して、センサ保守の緊急性を判断し、センサ管理者の保守計画を見直す（１０５）。このように、センサ管理者は、ソリューションへの影響が少なくなるように、ソリューションの運営を支援できる。
　図２は、本発明の実施例のシステム構成図である。
　本実施例では、アセット４に複数個のセンサ５が取り付けられている。アセット４は、センサ５によって監視される対象の、例えば風車などの設備であり、センサ５は、アセット４の監視のために物理的特性を計測するセンサ（例えば温度センサ、振動センサなど）である。センサ５から出力される情報はＩｏＴゲートウェイ３及びネットワーク６を通じてエッジ側計算機１が取り込むことができる。なお、センサ５とエッジ側計算機１とは１対１で接続されなくても、複数のセンサ５が１台のＩｏＴゲートウェイ３に接続され、複数のＩｏＴゲートウェイ３が１台のエッジ側計算機１に接続されてもよい。
　エッジ側計算機１は、ＣＰＵ１１、メモリ１２、記憶装置１３、入出力インターフェース１４及びネットワークインターフェース１５などを備えた一般的な計算機で構成できる。エッジ側計算機１では、センサ管理者がセンサ情報の管理を行うことができる。また同じくエッジ側計算機１では、モデル開発者がセンサ情報を利用したモデルの開発及び管理を行うことができる。
　エッジ側計算機１は、さらに別のネットワーク７を介してクラウド側計算機２と通信可能である。クラウド側計算機２は、ＣＰＵ２１、メモリ２２、記憶装置２３、入出力インターフェース２４及びネットワークインターフェース２５などを備えた一般的な計算機で構成できる。クラウド側計算機２は、これらのハードウェアリソースを有する仮想的な計算機でもよい。なお、エッジ側計算機１とクラウド側計算機２とは１対１で接続されなくても、１台のエッジ側計算機１が複数のクラウド側計算機２に接続されてもよい。
　クラウド側計算機２では、ソリューション運用者がモデルの出力を利用したソリューションの開発及び運用を行うことができる。ソリューションは、例えばアセット４の故障検知や故障予知などであるが、センサ５の出力に基づいて何かの情報を出力するシステムであれば他のものでもよい。
　図３は、本発明の実施例のエッジ側計算機１の構成図である。
　エッジ側計算機１は、ＣＰＵ１１、メモリ１２、記憶装置１３、入出力インターフェース１４及びネットワークインターフェース１５を有する。但し、ハードウェアの構成は図示したものに限定されず、一般的にプログラムを格納及び実行できる計算機であればよく、また物理的な計算機であっても仮想的な計算機であってもよい。
　メモリ１２は、モデル計算部１２１、モデル・ソリューション関係テーブル作成部１２２、モデル・ソリューション関係管理部１２３、特性変化量算出部１２４、暫定処置推薦順決定部１２５及びソリューション影響情報収集部１２６などのプログラムを格納する。また、メモリ１２は、センサ情報テーブル１２７、モデル情報テーブル１２８、モデル・ソリューション関係テーブル１２９、特性変化量テーブル１３０、ソリューション影響比較テーブル１３１などのデータを格納する。
　モデル計算部１２１は、ＯＴモデルの計算を実施するプログラムである。モデル計算部１２１による処理は、図１６を用いて後述する。モデル・ソリューション関係テーブル作成部１２２は、モデル・ソリューション関係テーブル１２９を作成するプログラムである。モデル・ソリューション関係テーブル作成部１２２による処理は、図１７を用いて後述する。モデル・ソリューション関係管理部１２３は、モデルの入出力とソリューションの入出力を管理し、モデルの出力をソリューションがあるクラウド側計算機２に転送するプログラムである。モデル・ソリューション関係管理部１２３による処理は、図１８を用いて後述する。特性変化量算出部１２４は、暫定処置によるモデルの再計算と、元のモデルとの特性の変化量を算出するプログラムである。特性変化量算出部１２４による処理は、図１９を用いて後述する。暫定処置推薦順決定部１２５は、特性変化量算出部１２４の計算結果を基に、複数の暫定処置に対して推薦順位を決めるプログラムである。暫定処置推薦順決定部１２５による処理は、図２０を用いて後述する。ソリューション影響情報収集部１２６は、各ソリューションから送信されるソリューション影響情報テーブル２２５のデータから、センサ保守の緊急度を決定し、ソリューション影響比較テーブル１３１を作成するプログラムである。ソリューション影響情報収集部１２６による処理は、図２３を用いて後述する。
　センサ情報テーブル１２７は、センサに関する情報を格納するテーブルであり、その詳細は図５を用いて後述する。モデル情報テーブル１２８は、モデルに関する情報を格納するテーブルであり、その詳細は図６を用いて後述する。モデル・ソリューション関係テーブル１２９は、あるセンサの故障の影響を受けるモデル及びソリューションを特定するために必要な、センサ、モデル及びソリューションの関係性（例えば、入出力）の情報を格納するテーブルであり、その詳細は図８を用いて後述する。特性変化量テーブル１３０は、特性変化量算出部１２４の計算結果を格納するテーブルであり、その詳細は図９を用いて後述する。ソリューション影響比較テーブル１３１は、ソリューション影響情報収集部１２６によって収集又は処理されたデータを格納するテーブルであり、その詳細は図１３を用いて後述する。なお、エッジ側計算機１に格納されるデータをテーブル形式で説明するが、テーブル以外のデータ構造（リスト、リポジトリ、キューなど）で記述されてもよい。
　図４は、本発明の実施例のクラウド側計算機２の構成図である。
　クラウド側計算機２は、ＣＰＵ２１、メモリ２２、記憶装置２３、入出力インターフェース２４及びネットワークインターフェース２５を有する。ただしハードウェアの構成は図示した構成に限定されず、一般的にプログラムを格納及び実行できる計算機であればよく、また物理的な計算機であっても仮想的な計算機であってもよい。
　メモリ２２は、ソリューション計算部２２１及びソリューション誤差算出部２２２などのプログラムを格納する。また、メモリ２２は、ソリューション情報テーブル２２３、ソリューション誤差テーブル２２４及びソリューション影響情報テーブル２２５などのデータを格納する。
　ソリューション計算部２２１は、ソリューションの計算を実施するプログラムである。ソリューション計算部２２１による処理は、図２１を用いて後述する。ソリューションとは、例えば、アセット４の故障検知や故障予知でよい。ソリューション誤差算出部２２２は、エッジ側計算機１で算出した暫定処置によるモデルの出力を用いてソリューションの再計算を実施し、例えば、暫定処置を用いた場合のアセット４の故障予測日を算出するプログラムである。ソリューション誤差算出部２２２による処理は、図２２を用いて後述する。
　ソリューション情報テーブル２２３は、ソリューションに関する情報を格納するテーブルであり、その詳細は図１０を用いて後述する。ソリューション誤差テーブル２２４は、ソリューション誤差算出部２２２での計算結果を格納するテーブルであり、その詳細は図１１を用いて後述する。ソリューション影響情報テーブル２２５は、ソリューション誤差テーブル２２４のデータに、ユーザから入力される追加情報（例えば、センサ保守の期限、期限内に保守できなかった場合のペナルティなど）を加えて格納するテーブルであり、その詳細は図１２を用いて後述する。なお、クラウド側計算機２に格納されるデータをテーブル形式で説明するが、テーブル以外のデータ構造（リスト、リポジトリ、キューなど）で記述されてもよい。
　図５は、本発明の実施例のセンサ情報テーブル１２７の構成の一例を示す図である。
　センサ情報テーブル１２７は、センサに関する情報を格納するテーブルである。センサに関する情報には、センサ名１２７１、当該センサデータの格納場所を示すアーカイブ格納パス１２７２、当該センサが欠損となった場合に利用可能な暫定処置候補１２７３、次回定期保守までの残日数を示す１２７４、及びセンサの状態１２７５などを含む。これらの値は、主に、センサ管理者がエッジ側計算機１の入出力インターフェース１４を通して入力するとよい。
　暫定処置とは、センサからの出力が欠損した場合でもソリューションの運営が停止しないために、当該センサの保守が終了するまでの間にモデルに対して提供される代替値である。例えば、暫定処置候補は、近傍の同種のセンサの値や、過去の履歴等から妥当だと判断できる範囲の固定値を採用できる。近傍のセンサの場合、元のセンサとの誤差の値を指定でき、固定値の場合は最小値と最大値の二つの値を指定できる。
　図６は、本発明の実施例のモデル情報テーブル１２８の構成の一例を示す図である。
　モデル情報テーブル１２８は、モデルに関する情報を格納するテーブルである。モデルに関する情報には、モデル名１２８１、モデル作成時のワークフロー（以下ＷＦと称する）ファイル名１２８２、モデル式１２８３、モデルの入力１２８４及び代替モデル名１２８５を含む。これらの値は、主に、モデル開発者がエッジ側計算機１の入出力インターフェース１４を通して入力するとよい。
　ＷＦファイルとは、モデルの開発時に作成されるファイルであり、データの流れとデータ処理の内容を記述する。モデル計算部１２１は、このＷＦファイルを利用することによってモデルの計算を実施できる。モデル式１２８３は、例えば、そのモデルによる処理内容を示す数式である。モデルの入力１２８４は、そのモデルが入力として利用するセンサ名又はモデル名を示し、複数のセンサやモデルが記録される場合もある。代替モデルは、そのモデル（例えばモデルＡ）が入力として利用しているセンサ出力（例えばＳ１、Ｓ２）のうちの少なくとも一つを利用しないように構成した別のモデル（例えばモデルＡ’）である。つまり、入力センサの一つが欠損した場合でも代替モデルを用いることによって運用を継続できる。代替モデル名１２８５には、代替モデル名と、どのセンサが欠損した場合に使えるモデルであるか、の情報が格納される。
　図７は、本発明の実施例のモデルとソリューションとの関係を示す図であり、センサ、モデル及びソリューションの関係を、センサ、モデル及びソリューションを丸で、データの流れを矢印で示す図である。
　図７のように整理することによって、あるセンサ故障の影響を受けるモデル及びソリューションを特定できる。例えば、図７によれば、センサＳ１の出力はモデルＡの入力であり、モデルＡの出力はソリューションＡの入力となっている。すなわち、仮にセンサＳ１が故障した場合、モデルＡ及びソリューションＡが影響を受けることが分かる。なお、実際のメモリ上にはこのような模式図ではなく、図８に示すテーブルとして保存される。
　図８は、本発明の実施例のモデル・ソリューション関係テーブル１２９の構成の一例を示す図である。
　モデル・ソリューション関係テーブル１２９は、センサ、モデル及びソリューションのデータの入出力の関係を格納するテーブルであり、図７に示すセンサ、モデル及びソリューションのデータの入出力の関係をメモリ上に格納する形の一例である。ソース１２９１にはデータの出力元となるセンサ、モデル又はソリューションが記載され、デスティネーション１２９２にはソースからの出力を入力として利用するモデル又はソリューションが記載される。一つのソースに対するデスティネーションが複数あってもよい。
　各センサとモデルの関係、及び各モデル間の関係は、モデル・ソリューション関係管理部１２３が、センサ情報テーブル１２７及びモデル情報テーブル１２８から取得してモデル・ソリューション関係テーブル１２９に格納する。さらに、モデル・ソリューション関係管理部１２３は、クラウド側計算機２に格納されているソリューション情報テーブル２２３にアクセスし、各ソリューションの入力となるモデル２２３３の情報を取得し、モデル・ソリューション関係テーブル１２９に格納する。
　図９は、本発明の実施例の特性変化量テーブル１３０の構成の一例を示す図である。
　特性変化量テーブル１３０は、センサ故障時のいくつかの暫定処置候補について、それぞれの処置を適用した場合のモデル出力特性が、センサ故障前の正しいモデル出力特性と比較して、どの程度変化したかを示すテーブルである。すなわち、特性変化量テーブル１３０を参照することによって、誤差が少ない暫定処置候補を知ることができる。
　特性変化量テーブル１３０には、特性変化量算出部１２４及び暫定処置推薦順決定部１２５がデータを格納する。暫定処置１３０１は、特性変化量算出部１２４が、センサ情報テーブル１２７又はモデル情報テーブル１２８より取得する。分散１３０２、平均１３０３、分散変化量１３０４、平均変化量１３０５、重複度１３０６、最良値１３０７及び最悪値１３０８は、特性変化量算出部１２４が暫定値をモデル計算部１２１に入力してモデルを再計算し、取得する。
　分散変化量１３０４、平均変化量１３０５及び重複度１３０６は、いずれも元のモデルと暫定処置を使ったモデルの確率分布グラフ（ヒストグラム）の類似度を示す指標となる。つまり、類似度が高い、又は分散や平均の変化が少ない暫定処置は、元の確率分布グラフに近い出力を得られる処置であり、そのモデルを利用するソリューションにとって信頼性の高い暫定処置である、ということができる。
　次に、暫定処置推薦順決定部１２５が、これらの暫定処置を信頼性の高いもの、すなわちソリューション運用者に推薦できるものから順に順位を付けて、順位１３０９に格納する。
　図１０は、本発明の実施例のソリューション情報テーブル２２３の構成の一例を示す図である。
　ソリューション情報テーブル２２３は、ソリューションに関する情報を格納するテーブルである。ソリューションに関する情報には、ソリューション名２２３１、ＷＦファイル名２２３２、ソリューションの入力２２３３及びソリューションの出力２２３４を含む。これらの値は、ソリューション運用者がクラウド側計算機２の入出力インターフェース２４を通して入力するとよい。
　ソリューションのＷＦファイルは、モデルのＷＦ同様に、ソリューション開発時に作られる、データの流れとデータ処理の内容を記述したファイルである。ソリューション計算部２２１は、ＷＦファイルを利用することによって、ソリューションの計算を実行できる。ソリューションの入力２２３３は、ソリューションが利用するモデル名を格納する。エッジ側計算機１のモデル・ソリューション関係テーブル作成部１２２は、この入力情報を取得してモデル・ソリューション関係テーブル１２９を作成することができる。
　図１１は、本発明の実施例のソリューション誤差テーブル２２４の構成の一例を示す図である。
　ソリューション誤差テーブル２２４は、暫定処置候補を適用した場合に、当該ソリューションの出力の誤差の広がりを示す情報を格納するテーブルである。ソリューション誤差テーブル２２４は、暫定処置２２４１、分散２２４２、平均２２４３、分散変化量２２４４、平均変化量２２４５、順位２２４６、予測最良値２２４７及び予測最悪値２２４８を含む。
　例えば、図示するように、ソリューションが故障予知ソリューションでは、センサＳ１の故障に対して四つの暫定処置２２４１があり、それぞれの処置を適用した場合のモデルの特性値（分散２２４２、平均２２４３、分散変化量２２４４、平均変化量２２４５）と推薦順位２２４６が記録されている。これらの特性値は、ソリューション誤差算出部２２２が、特性変化量テーブル１３０より取得して格納する。
　次に、ソリューション誤差算出部２２２は、各暫定処置によるモデルの出力をソリューション計算部２２１に入力することによって、故障予知ソリューションを再計算し、予測最良値２２４７及び予測最悪値２２４８を取得しテーブルに格納する。故障予知ソリューションの予測最良値と予測最悪値とは、すなわち、アセット４が最も早く故障する場合と、最も遅く故障する場合の、経過日数の予測値である。
　最後に、暫定処置候補を含むソリューション誤差テーブル２２４を、クラウド側計算機２の入出力インターフェース２４などを通じてソリューション運用者に提示する。ソリューション運用者は、実際に適用する暫定処置を決定して、クラウド側計算機２に入力する。
　図１２は、本発明の実施例のソリューション影響情報テーブル２２５の構成の一例を示す図である。
　ソリューション影響情報テーブル２２５は、ソリューション運用者が選択した暫定処置の情報と、ソリューション運用者が入力するセンサ保守期限やペナルティなどの情報を格納するテーブルである。ソリューション影響情報テーブル２２５には、選択した暫定処置２２５１、予測最良値２２５２、予測最悪値２２５３、順位２２５４、センサ保守期限２２５５及びペナルティ２２５６を含む。
　ソリューション運用者は、ソリューション誤差テーブル２２４を見て、適切だと考える暫定処置一つを選択し、ソリューション誤差算出部２２２に入力する。ソリューション誤差算出部２２２は、選択された暫定処置の予測最良値２２４７、予測最悪値２２４８及び順位２２４６をソリューション誤差テーブル２２４から取得し、ソリューション影響情報テーブル２２５の予測最良値２２５２、予測最悪値２２５３及び順位２２５４に格納する。
　次に、ソリューション運用者は、予測最悪値２２５３などを考慮して、ソリューション側から見たセンサ保守期限を設定する。すなわち、図示した例では、暫定処置として代替モデルＡ’を採用した場合、アセット４の故障予測日は最短で６ヵ月後であるため、６か月以内であれば暫定処置のままソリューションを運用していても問題ないと判断できる。しかし、６か月を過ぎてもセンサ保守がされない場合、アセット４が故障する可能性があるため、アセット４の定期点検を待たずに臨時点検を実施する等の対策が必要となる。そこでソリューション運用者は、センサ保守期限２２５５として６ヵ月後、ペナルティとしては追加点検のコストを入力する。
　図１３は、本発明の実施例のソリューション影響比較テーブル１３１の構成の一例を示す図である。
　ソリューション影響比較テーブル１３１は、各ソリューション運用者が入力したデータと、それらのデータに緊急性判断の結果を加えたものを格納するテーブルである。ソリューション影響比較テーブル１３１には、ソリューション名１３１１、選択した暫定処置１３１２、センサ保守期限１３１３、ペナルティ１３１４、故障センサ１３１５、次回定期保守１３１６及び緊急性１３１７を含む。
　ソリューション影響情報収集部１２６が、各ソリューションからソリューション影響情報テーブル２２５を受信し、選択した暫定処置１３１２、センサ保守期限１３１３、ペナルティ１３１４をコピーして、ソリューション名と共に格納する。また、ソリューション影響情報収集部１２６が、故障センサ１３１５をキーにしてセンサ情報テーブル１２７から次回定期保守１２７４を取得し、次回定期保守１３１６に格納する。
　ソリューション影響比較テーブル１３１は、エッジ側計算機１に作成されて、センサ保守員に提供される。センサ保守員は、ソリューション影響比較テーブル１３１を参照して、故障したセンサの保守日程を決めることができる。これは、複数のセンサが故障しているが、センサ保守のためにアセット４を停止するコストが高い、またはセンサそのもののコストが高い等の理由により、全部のセンサを今すぐ保守することが困難である場合に役立つ。
　図１３に示す例によれば、少なくともセンサＳ１及びセンサＳ４を含む複数のセンサが故障しており、故障がソリューションＡに影響するセンサＳ１は、６か月以内に保守すべきであるが、５か月後に定期保守を予定しているため、今すぐ臨時保守を行う必要はない。一方、故障がソリューションＢに影響するセンサＳ４は、３か月以内に保守すべきであるが、定期保守は１２か月後なので、臨時保守を行うべきである。よって、センサＳ４の保守を優先すべき緊急性が高いと判断できる。
　図１４は、本発明の実施例の正常パスの全体フローである。
　正常パスでは、センサのデータを受信した後、モデルの計算、及びソリューションの計算を行う。
　まず、エッジ側計算機１が、ＩｏＴゲートウェイ３を通じてセンサのデータを受信する（Ｓ３０１）。次に、モデル計算部１２１が、受信したデータ及びモデル情報テーブル１２８のモデルの情報を用いて、モデルの計算を実行する（Ｓ３０２）。ステップＳ３０２の処理の詳細は、図１６を用いて後述する。続いて、モデル・ソリューション関係管理部１２３が、モデル・ソリューション関係テーブル１２９を参照して、対象となるソリューションに対してデータを送信する（Ｓ３０３、Ｓ３０４）。ステップＳ３０３の処理の詳細は、図１８を用いて後述する。
　クラウド側計算機２は、モデル出力結果を受信すると、ソリューション計算部２２１が、受信したデータ及びソリューション情報テーブル２２３の情報を用いて、ソリューションの計算を実行する（Ｓ３０５）。ステップＳ３０５の処理の詳細は、図２１を用いて後述する。最後に、入出力インターフェース２４を通じて計算結果をソリューション運用者に提示する（Ｓ３０６）。
　図１５は、本発明の実施例の異常パスの全体フローである。
　異常パスでは、センサの異常が検知された後、暫定処置候補及びその推薦順位を計算する。ソリューション運用者は、それらの情報を見て、実際に適用する暫定処置を決定し、さらに保守計画とペナルティを入力し、それらの情報をセンサ保守員に提示する。
　まず、エッジ側計算機１が、ＩｏＴゲートウェイ３を通じてセンサの異常検知信号を受信する（Ｓ３１１）。異常検知信号には、故障したセンサのセンサＩＤと、故障、欠損、交換などの異常種別が含まれる。次に、特性変化量算出部１２４が、センサ情報テーブル１２７及びモデル情報テーブル１２８から暫定処置候補を取得し、各暫定処置候補について、モデル情報テーブル１２８の情報を用いてモデルの再計算を行う。さらに再計算結果よりモデルの特性変化量を算出し、特性変化量テーブル１３０に格納する（Ｓ３１２）。ステップＳ３１２の処理の詳細は、図１９を用いて後述する。次に、暫定処置推薦順決定部１２５が、特性変化量からソリューションの誤差が小さいと予想される順に、暫定処置に推薦順位を付け、特性変化量テーブル１３０に格納する（Ｓ３１３）。ステップＳ３１３の処理の詳細は、図２０を用いて後述する。次に、モデル・ソリューション関係管理部１２３が、モデル・ソリューション関係テーブル１２９を参照して、特性変化量テーブル１３０の情報を、対象となるソリューションに送信する（Ｓ３１４、Ｓ３１５）。
　クラウド側計算機２は、特性変化量テーブル１３０の情報を受け取ると、ソリューション誤差算出部２２２が、受信したデータ及びソリューション情報テーブル２２３の情報を用いてソリューションの再計算を行う（Ｓ３１６）。次に、その計算結果を入出力インターフェース２４を通じてソリューション運用者に提供する（Ｓ３１７）。ソリューション運用者は、ソリューションの再計算結果を見て、適切な暫定処置を選択し、影響情報（保守計画、ペナルティ）を入力する（Ｓ３１８）。なお、ステップＳ３１７及び３１８に代えて、クラウド側計算機２がソリューションの再計算結果から適切な暫定処置を選択して、選択結果をソリューション運用者に提供してもよい。その後、ソリューション誤差算出部２２２は、入力された情報をソリューション影響情報テーブル２２５に格納し、エッジ側計算機１に送信する（Ｓ３１９、Ｓ３２０）。ステップＳ３１６からＳ３１９の処理の詳細は、図２２を用いて後述する。
　エッジ側計算機１は、ソリューション影響情報テーブル２２５を受信すると、ソリューション影響情報収集部１２６が、各ソリューションから受信したデータをソリューション影響比較テーブル１３１に格納し、さらに、センサ情報テーブル１２７から取得できる故障センサ及び次回定期保守と、各ソリューションから受信したセンサ保守期限とを比較して、センサ保守の緊急性を決定し、ソリューション影響比較テーブル１３１に格納する（Ｓ３２１）。ステップＳ３２１の処理の詳細は、図２３を用いて後述する。最後に、エッジ側計算機１の入出力インターフェース１４を通じてセンサ保守員にソリューション影響比較テーブル１３１の情報を提示する（Ｓ３２２）。
　センサ保守員は、提供された情報に基づいて、保守作業の計画の見直しや臨時保守作業などを行うことができる。
　図１５に示す処理では、センサの異常検知を契機に処理を実行したが、正常なセンサにもステップＳ３１２以後の処理を実行し、すなわち代替処置を適用して各センサの代替値を用いてモデルを再計算する処理を実行することによって、異常発生時の代替処置のシミュレーションができる。
　図１６は、本発明の実施例のモデル計算部１２１による処理の一例を示すフローチャートである。
　まず、モデル計算部１２１は、ＩｏＴゲートウェイ３を通じてセンサデータを受信する（Ｓ４０１）。次に、モデル情報テーブル１２８からモデルのＷＦファイル名を取得し、記憶装置１３からＷＦを取得する（Ｓ４０２）。次に、受信したセンサデータを取得したＷＦの入力として、ＷＦファイルによってモデルの計算を実行する（Ｓ４０３）。最後に計算結果を記憶装置１３に格納する（Ｓ４０４）。
　図１７は、本発明の実施例のモデル・ソリューション関係テーブル作成部１２２による処理の一例を示すフローチャートである。
　まず、モデル・ソリューション関係テーブル作成部１２２は、モデル情報テーブル１２８からモデル名１２８１及びモデルの入力１２８４（モデルの入力となるセンサ名）を取得する（Ｓ４１１）。次に、ソリューション情報テーブル２２３からソリューション名２２３１及びソリューションの入力２２３３（ソリューションの入力となるモデル名）を取得する（Ｓ４１２）。クラウド側計算機２に格納されているソリューション情報テーブル２２３から情報を取得する方法としては、エッジ側計算機１からポーリングしてもよいし、クラウド側計算機２からプッシュしてもよい。次に、取得したこれらの情報から、モデル・ソリューション関係テーブル１２９を作成する（Ｓ４１３）。
　モデル・ソリューション関係テーブル１２９の作成方法の一例としては、モデル情報テーブル１２８から取得した、モデルＡの入力がＳ１及びＳ２であるという情報から、モデル・ソリューション関係テーブル１２９のデスティネーション１２９２にモデルＡと記載し、ソース１２９１にセンサＳ１と記載した行と、同じくデスティネーション１２９２にモデルＡと記載し、ソース１２９１にセンサＳ２と記載した行を追加する。これを取得したモデル名の分だけ繰り返す。
　図１８は、本発明の実施例のモデル・ソリューション関係管理部１２３による処理の一例を示すフローチャートである。
　モデル・ソリューション関係管理部１２３は、モデルの出力を必要としているソリューション計算部２２１にモデルの出力を送信する。
　まず、モデル・ソリューション関係管理部１２３は、モデルの計算結果をモデル計算部１２１から受信する（Ｓ４２１）。計算結果は数値そのものでもよいし、計算結果の格納場所を示すポインタ（ファイルのパスなど）でもよい。次に、モデル・ソリューション関係テーブル１２９より、当該モデル出力を利用するソリューションを見つける（Ｓ４２２）。最後に、特定したソリューションにモデルの計算結果を送信する（Ｓ４２３）。モデルの計算結果の送信タイミングは任意であり、リアルタイムに送信されても、バッチで送信されてもよい。
　ソリューションの特定方法の一例としては、モデル・ソリューション関係テーブル１２９のソース１２９１の中から当該モデル名を検索し、当該モデル名が見つかった場合は、その行のデスティネーション１２９２を見て、デスティネーション１２９２の値がソリューション名である場合、それが当該モデル出力を利用するソリューションであると特定できる。デスティネーション１２９２の値がモデル名である場合、当該モデル名をソース１２９１としてデスティネーション１２９２にソリューション名が出てくるまで、処理を繰り返す。
　図１９は、本発明の実施例の特性変化量算出部１２４による処理の一例を示すフローチャートである。
　特性変化量算出部１２４は、各暫定処置候補を適用した場合のモデル出力の特性値を算出し、特性変化量テーブル１３０に格納する。図示した例では、先に代替モデルの特性値を計算し、続いて近傍センサ又は固定値による暫定処置を適用して特性値を計算する。
　まず、特性変化量算出部１２４は、は、モデル情報テーブル１２８より、代替モデル名１２８５を取得し、特性変化量テーブル１３０の暫定処置１３０１１に登録する（Ｓ４３１）。また、モデル情報テーブル１２８から、代替モデルのＷＦファイル名１２８２を取得し、記憶装置１３からＷＦファイルを取得し、取得したＷＦファイルをモデル計算部１２１に入力して、代替モデルの計算を実行する（Ｓ４３２）。計算結果は適宜、記憶装置１３等に保存するとよい。
　次に、センサ情報テーブル１２７の暫定処置候補１２７３より、暫定処置の候補を取得して特性変化量テーブル１３０の暫定処置１３０１に登録する。また、当該モデルのＷＦファイルを記憶装置１３から取得する（Ｓ４３３）。次に、各暫定処置候補１２７３に記載されている暫定値の上限値と下限値のそれぞれを入力として、モデル計算部１２１によってモデルＷＦの計算を実行する（Ｓ４３４）。計算結果は適宜、記憶装置１３等に保存するとよい。
　ここまでの計算が完了した後に、特性変化量算出部１２４は、各暫定処置候補の計算結果から、そのモデルの分散、平均、重複度、最良値、最悪値を計算し、特性変化量テーブル１３０に格納する（Ｓ４３５）。ここで、分散及び平均は、統計学の確率分布における分散及び平均の定義に従うものでよい。また重複度は、元のモデルの確率分布のグラフと暫定処置を適用した場合のモデルの確率分布のグラフとが、完全に一致する場合を１００％として、グラフ同士が重なる面積の割合を示す数値である。すなわち、重複度が高いほど、その暫定処置を適用したモデルは元のモデルに近いものであり、ソリューション運用者にとって信頼性の高い暫定処置であるといえる。
　最後に、特性変化量算出部１２４は、モデル・ソリューション関係テーブル１２９を参照して、モデルの出力がソリューションの入力となっているかを判定する（Ｓ４３６）。モデルの出力が別のモデルの入力である場合、出力先のモデルについて、同様に、モデルＷＦの計算を実行し、そのモデルの分散、平均、重複度、最良値、最悪値を計算する。モデルの出力がソリューションの入力であった場合は、そこで計算を終了する。
　図２０は、本発明の実施例の暫定処置推薦順決定部１２５による処理の一例を示すフローチャートである。
　暫定処置推薦順決定部１２５は、特性変化量算出部１２４によって算出された特性値に基づいて、ソリューション運用者に対して推薦すべき暫定処置の順位を決定する。
　まず、特性変化量テーブル１３０の行を、重複度１３０６が高い順に並び替える（Ｓ４４１）。ここで、重複度１３０６が同じ行がある場合（Ｓ４４２でＹＥＳ）、さらに並び替え処理を続行し、重複度１３０６が同じ行がない場合（Ｓ４４２でＮＯ）、並び替え処理を終了して、ステップＳ４４６に進む。なお、図２０に示す処理において、数値（重複度、分散変化量など）が同じとは、数値が完全に同じとしてもよいし、数値が所定の誤差範囲内である場合に同じであると判定してもよい。
　並び替え処理を続行する場合（Ｓ４４２でＹＥＳ）、重複度１３０６が同じ行を分散変化量１３０４が少ない順に並び替える（Ｓ４４３）。ここで、分散変化量４４３が同じ行がある場合（Ｓ４４３でＹＥＳ）、さらに並び替え処理を続行し、分散変化量４４３が同じ行がない場合（Ｓ４４３でＮＯ）、並び替え処理を終了して、ステップＳ４４６に進む。並び替え処理を続行する場合（Ｓ４４３でＹＥＳ）、分散変化量４４３が同じ行を平均変化量１３０５が少ない順に並び替える（Ｓ４４５）。
　最後に、並び替えた結果、最も上位に位置する暫定処置を最適、すなわち１位として、そこから下位ほど順位が下がるように順位を決定して、特性変化量テーブル１３０の順位１３０９に記録する（Ｓ４４６）。
　前述したように、重複度を最重視して暫定処置を選択するのは、確率分布グラフの重なりが大きければ、センサの出力値の傾向が類似しており、暫定処置において元のセンサの出力に近い値を採用できるからである。また、次に分散変化量を重視するのは、分散変化量が少ないときは、類似する形状の確率分布グラフが全体として左右にずれていることから、センサの出力値の変化の傾向が類似しており、センサ値を増減する補正（確率分布グラフの平行移動）によって元のセンサ値を再現可能だからである。さらに、平均変化量を指標として暫定処置を選ぶのは、平均変化量が小さければ、センサの出力の時間平均が類似しているので、長期間でみればソリューションの計算結果もほぼ同じものが得られることが期待できるからである。
　図２１は、本発明の実施例のソリューション計算部２２１による処理の一例を示すフローチャートである。
　まず、ソリューション計算部２２１は、計算対象のソリューションが必要とするモデルの出力結果を受信する（Ｓ４５１）。モデルの出力結果取得の方法は、ソリューション計算部２２１からモデル・ソリューション関係管理部１２３への問い合わせによってデータを取得してもよいし、モデル・ソリューション関係管理部１２３が自発的に送信するデータをソリューション計算部２２１が受信して、記憶装置２３に格納してもよい。
　次に、ソリューション情報テーブル２２３より、ＷＦファイル名２２３２を取得し、記憶装置２３からＷＦファイルを取得する（Ｓ４５２）。次に、エッジ側計算機１から取得したモデルの出力結果をクラウド側計算機２が取得したソリューションＷＦの入力として、ソリューションの計算を実行する（Ｓ４５３）。最後に、ソリューションの計算結果を記憶装置２３に格納する（Ｓ４５４）。
　図２２は、本発明の実施例のソリューション誤差算出部２２２による処理の一例を示すフローチャートである。
　ソリューション誤差算出部２２２は、モデルの特性変化量から、ソリューションの結果に生じる誤差を算出し、ソリューション運営者に適切な暫定処置を選択させた後、ソリューション運営者が入力する情報を、エッジ側に送信する。
　まず、特性変化量テーブル１３０を取得する（Ｓ４６１）。次に、ソリューション情報テーブル２２３より、ＷＦファイル名２２３２を取得し、記憶装置２３からＷＦファイルを取得する（Ｓ４６２）。次に、特性変化量テーブル１３０の最良値１３０７及び最悪値１３０８を、取得したＷＦの入力としてソリューション計算部２２１によってソリューションの計算を実行する（Ｓ４６３）。次に、ソリューションの計算結果をソリューション誤差テーブル２２４に格納し、ソリューション誤差テーブル２２４をクラウド側計算機２の入出力インターフェース２４を通じて、ソリューション運用者に提示する（Ｓ４６４）。ソリューションの計算結果は、例えば、アセット４の最短故障予測日と最長故障予測日である。
　その後、ソリューション運用者からの入力を待つ。ソリューション運用者は、提示された情報から、実際に適用すべき暫定処置を決定し、その選択結果を入出力インターフェース２４を通じてソリューション誤差算出部２２２に入力する。入力は、例えば、暫定処置を示す文字列を受け付けてプログラムに渡してもよいし、暫定処置の名前をクリックする選択を受け付けてもよい。さらに、ソリューション運用者は、センサ保守期限とペナルティを入力する（Ｓ４６５）。
　ソリューション運用者からの入力を受け付ると、ソリューション誤差算出部２２２は、ソリューション影響情報テーブル２２５を作成し、そのテーブルの情報をエッジ側計算機１にあるソリューション影響情報収集部１２６に送信する（Ｓ４６６）。具体的には、ソリューション運用者によって選択された暫定処置、その暫定処置の予測最良値、予測最悪値、及び順位をソリューション影響情報テーブル２２５に格納し、さらにソリューション運用者によって入力されたセンサ保守期限、ペナルティをソリューション影響情報テーブル２２５に格納する。
　図２３は、本発明の実施例のソリューション影響情報収集部１２６による処理の一例を示すフローチャートである。
　ソリューション影響情報収集部１２６は、ソリューション影響情報テーブル２２５の情報を収集し、それをソリューション影響比較テーブル１３１として、センサ保守員に提示する。
　まず、ソリューション影響情報収集部１２６は、ソリューション影響情報テーブル２２５の情報を受信して、ソリューション影響比較テーブル１３１に格納する（Ｓ４７１）。または、別の実装例としては、ソリューション影響情報収集部１２６から、クラウド側計算機２のソリューション誤差算出部２２２に問い合わせて情報を取得してもよい。
　次に、センサ情報テーブル１２７から、各ソリューションが暫定処置を必要とする原因となった、すなわち故障したセンサのセンサ名１２７１と、そのセンサの次回定期保守１２７４とを取得し、ソリューション影響比較テーブル１３１に格納する（Ｓ４７２）。
　次に、センサ保守期限１３１３と次回定期保守１３１６とを比較して、センサ保守期限１３１３より次回定期保守１３１６が早ければ緊急性が低いと判定し、センサ保守期限１３１３より次回定期保守１３１６が遅ければ緊急性が高いと判定し、緊急性１３１７に格納する（Ｓ４７３）。緊急性は高・低の２段階でもよいし、３段階以上でもよい。
　３段階以上で緊急性を設定する例としては、ソリューションを計算する際に、モデル出力の上限値と下限値の他に、平均値を用いることによって、アセット４の故障予測日の最短予測日と最長予測日の他に、平均予測日を算出する。そして、定期保守日程が最短故障予測日より前なら緊急性が低いと判定し、最短故障予測日以上かつ平均故障予測日以下なら緊急性が中と判定し、平均故障予測日以上なら緊急性が高と判定できる。
　最後に、以上で決定した緊急性の結果をソリューション影響比較テーブル１３１に格納し、ソリューション影響比較テーブル１３１をエッジ側計算機１の入出力インターフェース１４を通じて、センサ保守員に提示する（Ｓ４７４）。これにより、センサ保守員が、センサを保守する順番を決定できる。
　図２４は、本発明の実施例のシステムの動作の一例を示す図である。
　アセット４に取り付けられているひずみセンサ５と温度センサ５との出力を用いて応力を算出し、累積損傷度を算出し、アセット４の故障時期を予測する故障予知ソリューションが動作している。
　温度センサが故障した場合、温度センサの出力値に代替処置を適用すると、本来の温度センサ値からずれが生じ、代替値の最悪値と最良値は図２４（Ａ）に示すものとなる。
　累積損傷度モデルは、代替値の最悪値、平均値及び最良値を使用して、アセット４の累積的な損傷度を計算する。故障予知ソリューションは、代替値の最悪値、平均値及び最良値を使用して計算された損傷度を用いて、アセット４の故障時期を予測する。
　以上に説明したように、本発明の実施例によると、エッジ側計算機１は、異常が生じたセンサの出力を置き換える代替値を提供する代替処置（例えば、代替センサ値、代替モデル）を用いてモデルを再計算し、前記モデルの再計算結果を統計処理して、モデルの出力の変化量を評価し、前記モデルの出力の変化量が少ない代替処置が高順位になるように、代替処置に順位を付け、前記代替処置と前記順位とを関連付けた情報を出力するので、センサ異常時の適切な代替処置を提供できる。このため、ソリューション側での誤診断を防止し、無駄な点検を削減できる。
　また、（１）モデルの再計算結果を表すグラフと、正常なセンサ値を用いたモデルの計算結果を表すグラフとの重複度、（２）モデルの再計算結果の分散値、（３）モデルの再計算結果の平均値の少なくとも一つを用いて、前記モデルの出力の変化量を評価する。重複度を最重視して暫定処置を選択するのは、確率分布グラフの重なりが大きければ、センサの出力値の傾向が類似しており、暫定処置において元のセンサの出力に近い値を採用できるからである。また、分散変化量を重視するのは、分散変化量が少ないときは、類似する形状の確率分布グラフが全体として左右にずれていることから、センサの出力値の変化の傾向が類似しており、センサ値を増減する補正（確率分布グラフの平行移動）によって元のセンサ値を再現可能だからである。平均変化量を指標として暫定処置を選ぶのは、平均変化量が小さければ、センサの出力の時間平均が類似しているので、長期間でみればソリューションの計算結果もほぼ同じものが得られることが期待できるからである。
　また、前記ソリューションは、前記順位に基づいて選択された一つの代替処置によって提供された代替値を用いて、将来発生する事象（例えば、最良値、最悪値）を予測するので、センサ５が監視するアセット４の使用可否を判断するための資料を得ることができる。特に、故障時期の最良値及び最悪値を計算することによって、アセット４の停止時期が分かる。
　また、前記ソリューションが予測した事象（例えば、故障時期）と現に予定されている事象（例えば、定期保守の予定）との比較結果（例えば、保守点検の緊急性）を提示するので、保守点検の作業順位を決定でき、保守点検コストやリソースを低減できる。
　また、前記モデルの入力となるセンサ又はモデルが記録されているモデル情報と、前記ソリューションの入力となるセンサ又はモデルが記録されているソリューション情報とを取得し、前記センサ又は前記モデルと前記モデル又は前記ソリューションとの関係を記録した関係情報を生成するので、代替処置を提示すべきソリューションを決定できる。すなわち、センサとソリューションとの関係を明確にし、センサとソリューションが多対多の関係でも適確に情報を提供できる。
　なお、本発明は前述した実施例に限定されるものではなく、添付した特許請求の範囲の趣旨内における様々な変形例及び同等の構成が含まれる。例えば、前述した実施例は本発明を分かりやすく説明するために詳細に説明したものであり、必ずしも説明した全ての構成を備えるものに本発明は限定されない。また、ある実施例の構成の一部を他の実施例の構成に置き換えてもよい。また、ある実施例の構成に他の実施例の構成を加えてもよい。また、各実施例の構成の一部について、他の構成の追加・削除・置換をしてもよい。
　また、前述した各構成、機能、処理部、処理手段等は、それらの一部又は全部を、例えば集積回路で設計する等により、ハードウェアで実現してもよく、プロセッサがそれぞれの機能を実現するプログラムを解釈し実行することにより、ソフトウェアで実現してもよい。
　各機能を実現するプログラム、テーブル、ファイル等の情報は、メモリ、ハードディスク、ＳＳＤ（Ｓｏｌｉｄ　Ｓｔａｔｅ　Ｄｒｉｖｅ）等の記憶装置、又は、ＩＣカード、ＳＤカード、ＤＶＤ等の記録媒体に格納することができる。
　また、制御線や情報線は説明上必要と考えられるものを示しており、実装上必要な全ての制御線や情報線を示しているとは限らない。実際には、ほとんど全ての構成が相互に接続されていると考えてよい。

Claims (12)

  1. 　センサによる観測値を入力として使用するモデルを用いたソリューションの運営を支援するシステムであって、
    　プログラムを実行するプロセッサと、前記プログラムを格納する記憶装置とを有し、
    　前記プロセッサは、
    　異常が生じたセンサの出力を置き換える代替値を提供する代替処置を用いてモデルを再計算し、
    　前記モデルの再計算結果を統計処理して、モデルの出力の変化量を評価し、
    　前記モデルの出力の変化量が少ない代替処置が高順位になるように、代替処置に順位を付け、
    　前記代替処置と前記順位とを関連付けた情報を出力するシステム。
  2. 　請求項１に記載のシステムであって、
    　モデルの再計算結果を表すグラフと、正常なセンサ値を用いたモデルの計算結果を表すグラフとの重複度、
    　モデルの再計算結果の分散値と、正常なセンサ値を用いたモデルの計算結果の分散値、及び、
    　モデルの再計算結果の平均値と、正常なセンサ値を用いたモデルの計算結果の平均値の少なくとも一つを用いて、前記モデルの出力の変化量を評価するシステム。
  3. 　請求項１に記載のシステムであって、
    　前記ソリューションは、
    　将来発生する事象を予測するものであって、
    　前記順位に基づいて選択された一つの代替処置によって提供された代替値を用いて、将来発生する事象を予測するシステム。
  4. 　請求項３に記載のシステムであって、
    　前記ソリューションは、将来発生する事象に関する最良値及び最悪値を算出するシステム。
  5. 　請求項３に記載のシステムであって、
    　前記ソリューションが予測した事象と現に予定されている事象との比較結果を提示するシステム。
  6. 　請求項１に記載のシステムであって、
    　前記モデルの入力となるセンサ又はモデルが記録されているモデル情報と、前記ソリューションの入力となるセンサ又はモデルが記録されているソリューション情報とを取得し、
    　前記センサ又は前記モデルと前記モデル又は前記ソリューションとの関係を記録した関係情報を生成するシステム。
  7. 　センサによる観測値を入力として使用するモデルを用いたソリューションの運営を、計算機を用いて支援する方法であって、
    　前記計算機は、プログラムを実行するプロセッサと、前記プログラムを格納する記憶装置とを有し、
    　前記方法は、
    　前記プロセッサが、異常が生じたセンサの出力を置き換える代替値を提供する代替処置を用いてモデルを再計算し、
    　前記プロセッサが、前記モデルの再計算結果を統計処理して、モデルの出力の変化量を評価し、
    　前記プロセッサが、前記モデルの出力の変化量が少ない代替処置が高順位になるように、代替処置に順位を付け、
    　前記プロセッサが、前記代替処置と前記順位とを関連付けた情報を出力する方法。
  8. 　請求項７に記載の方法であって、
    　モデルの再計算結果を表すグラフと、正常なセンサ値を用いたモデルの計算結果を表すグラフとの重複度、
    　モデルの再計算結果の分散値と、正常なセンサ値を用いたモデルの計算結果の分散値、及び、
    　モデルの再計算結果の平均値と、正常なセンサ値を用いたモデルの計算結果の平均値の少なくとも一つを用いて、前記モデルの出力の変化量を評価する方法。
  9. 　請求項７に記載の方法であって、
    　前記ソリューションが、前記順位に基づいて選択された一つの代替処置によって提供された代替値を用いて、将来発生する事象を予測する方法。
  10. 　請求項９に記載の方法であって、
    　前記ソリューションは、将来発生する事象に関する最良値及び最悪値を算出する方法。
  11. 　請求項９に記載の方法であって、
    　前記プロセッサは、さらに、前記ソリューションが予測した事象と現に予定されている事象との比較結果を提示する方法。
  12. 　請求項７に記載の方法であって、
    　前記プロセッサは、前記モデルの入力となるセンサ又はモデルが記録されているモデル情報と、前記ソリューションの入力となるセンサ又はモデルが記録されているソリューション情報とを取得し、
    　前記プロセッサは、前記センサ又は前記モデルと前記モデル又は前記ソリューションとの関係を記録した関係情報を生成する方法。
PCT/JP2017/030673 2017-08-28 2017-08-28 ソリューションの運営を支援するシステム及び方法 WO2019043744A1 (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
PCT/JP2017/030673 WO2019043744A1 (ja) 2017-08-28 2017-08-28 ソリューションの運営を支援するシステム及び方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2017/030673 WO2019043744A1 (ja) 2017-08-28 2017-08-28 ソリューションの運営を支援するシステム及び方法

Publications (1)

Publication Number Publication Date
WO2019043744A1 true WO2019043744A1 (ja) 2019-03-07

Family

ID=65525127

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2017/030673 WO2019043744A1 (ja) 2017-08-28 2017-08-28 ソリューションの運営を支援するシステム及び方法

Country Status (1)

Country Link
WO (1) WO2019043744A1 (ja)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023209879A1 (ja) * 2022-04-27 2023-11-02 東芝三菱電機産業システム株式会社 プラント操業支援システム

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0728502A (ja) * 1993-07-08 1995-01-31 Toshiba Corp プラント制御装置
JP2015179440A (ja) * 2014-03-19 2015-10-08 株式会社東芝 センサ割当て装置及びセンサ診断装置
JP2017016509A (ja) * 2015-07-03 2017-01-19 横河電機株式会社 設備保全管理システムおよび設備保全管理方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0728502A (ja) * 1993-07-08 1995-01-31 Toshiba Corp プラント制御装置
JP2015179440A (ja) * 2014-03-19 2015-10-08 株式会社東芝 センサ割当て装置及びセンサ診断装置
JP2017016509A (ja) * 2015-07-03 2017-01-19 横河電機株式会社 設備保全管理システムおよび設備保全管理方法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023209879A1 (ja) * 2022-04-27 2023-11-02 東芝三菱電機産業システム株式会社 プラント操業支援システム

Similar Documents

Publication Publication Date Title
US10761926B2 (en) Server hardware fault analysis and recovery
US20190086911A1 (en) Machine health monitoring, failure detection and prediction using non-parametric data
US20150310362A1 (en) Health Care Work Flow Modeling with Proactive Metrics
JP5223413B2 (ja) Ｉｔシステムのトラブル対処装置、トラブル対処方法およびそのためのプログラム
CN103136629A (zh) 基于实时关系kpi的自发报警工具
US9081656B2 (en) Methods and systems for predicting a fault
JP5614843B2 (ja) ソフトウェア設計・運用統合管理システム
US9183518B2 (en) Methods and systems for scheduling a predicted fault service call
CN101833497A (zh) 一种基于专家系统方法的计算机故障管理系统
US9799007B2 (en) Method of collaborative software development
CN115989483A (zh) 用于大型动态过程执行系统的自动根本原因分析与预测
US20170169342A1 (en) System and method for diagnosing at least one component requiring maintenance in an appliance and/or installation
JP6192545B2 (ja) 保守作業計画作成システム
US20230244578A1 (en) Managing data center failure events
US20180012181A1 (en) Method of collaborative software development
JP2011103030A (ja) インシデント管理方法および運用管理サーバ
WO2018142598A1 (ja) センサネットワーク管理システムおよびセンサネットワーク管理方法
JP6517991B1 (ja) 異常予兆診断システム、管理装置、及び異常予兆診断方法
JP2021140629A (ja) イベント管理システムおよびその方法
US11170875B2 (en) Methods and apparatus for data-driven monitoring
US20200373006A1 (en) Medical information processing system
WO2019106753A1 (ja) 保守計画システムおよび保守計画方法
CN105204923A (zh) 用于资源预配置的方法和装置
WO2019043744A1 (ja) ソリューションの運営を支援するシステム及び方法
CN113760491A (zh) 一种任务调度系统、方法、设备及存储介质

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 17923891

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 17923891

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: JP