WO2020189211A1 - 監視方法、監視装置、プログラム - Google Patents

監視方法、監視装置、プログラム Download PDF

Info

Publication number
WO2020189211A1
WO2020189211A1 PCT/JP2020/007821 JP2020007821W WO2020189211A1 WO 2020189211 A1 WO2020189211 A1 WO 2020189211A1 JP 2020007821 W JP2020007821 W JP 2020007821W WO 2020189211 A1 WO2020189211 A1 WO 2020189211A1
Authority
WO
WIPO (PCT)
Prior art keywords
monitoring
measured
value
monitoring method
target
Prior art date
Application number
PCT/JP2020/007821
Other languages
English (en)
French (fr)
Inventor
清志 加藤
Original Assignee
日本電気株式会社
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 日本電気株式会社 filed Critical 日本電気株式会社
Priority to US17/437,740 priority Critical patent/US20220147032A1/en
Priority to JP2021507138A priority patent/JP7264231B2/ja
Publication of WO2020189211A1 publication Critical patent/WO2020189211A1/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
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0208—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the configuration of the monitoring system
    • G05B23/0213—Modular or universal configuration of the monitoring system, e.g. monitoring system having modules that may be combined to build monitoring program; monitoring system that can be applied to legacy systems; adaptable monitoring system; using different communication protocols
    • 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
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/04—Programme control other than numerical control, i.e. in sequence controllers or logic controllers
    • G05B19/042—Programme control other than numerical control, i.e. in sequence controllers or logic controllers using digital processors
    • G05B19/0428—Safety, monitoring
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
    • G05B19/4183—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by data acquisition, e.g. workpiece identification
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
    • G05B23/0224—Process history based detection method, e.g. whereby history implies the availability of large amounts of data
    • G05B23/0227—Qualitative history assessment, whereby the type of data acted upon, e.g. waveforms, images or patterns, is not relevant, e.g. rule based assessment; if-then decisions
    • G05B23/0235—Qualitative history assessment, whereby the type of data acted upon, e.g. waveforms, images or patterns, is not relevant, e.g. rule based assessment; if-then decisions based on a comparison with predetermined threshold or range, e.g. "classical methods", carried out during normal operation; threshold adaptation or choice; when or how to compare with the threshold
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/31—From computer integrated manufacturing till monitoring
    • G05B2219/31455—Monitor process status
    • 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
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/31—From computer integrated manufacturing till monitoring
    • G05B2219/31465—Determine which variables of the system to be monitored

Definitions

  • the present invention relates to a monitoring method, a monitoring device, and a program.
  • time-series data which is the observed value of each element that can be measured from various sensors, is analyzed, and the state of the plant is such that an abnormal state has occurred or a change in manufacturing conditions has occurred. Changes are being detected.
  • the measured values of each element measured in the plant include, for example, temperature, pressure, flow rate, power consumption value, supply amount of raw material, remaining amount, and the like.
  • a model showing the correlation of a plurality of time series data is generated, and the newly observed time series data maintains the correlation represented by the model.
  • the monitoring target for detecting the above-mentioned change in state is not limited to the plant, but may be equipment such as an information processing system.
  • the CPU Central Processing Unit
  • memory usage rate the number of input / output packets, and power consumption value of each information processing device constituting the information processing system.
  • Etc. are measured as measured values of each element, and the measured values are analyzed to detect changes in the state of the information processing system.
  • time-series data that is, an element, which is a factor is specified by collectively analyzing time-series data having a similar relationship in a group.
  • an object of the present invention is to provide a monitoring method, a monitoring device, and a program that can solve the problem that an appropriate response to a monitoring target cannot be taken.
  • the monitoring method which is one embodiment of the present invention, is Based on a plurality of measured values measured from the monitored target, it is detected that the monitored target is in a preset specific state.
  • the element related to the detection of the specific state of the monitoring target is specified, and the property of the element of the measurement value set in advance. Identify the element based on It has the configuration.
  • the monitoring device which is one embodiment of the present invention is A detection unit that detects that the monitoring target is in a preset specific state based on a plurality of measured values measured from the monitoring target.
  • the element related to the detection of the specific state of the monitoring target is specified, and the property of the element of the measurement value set in advance.
  • a specific part that identifies the element based on With It has the configuration.
  • the program which is one form of the present invention For information processing equipment A detection unit that detects that the monitoring target is in a preset specific state based on a plurality of measured values measured from the monitoring target. Among the elements that generate the plurality of measurement values based on the measurement values, the element related to the detection of the specific state of the monitoring target is specified, and the property of the element of the measurement value set in advance. And a specific part that identifies the element based on To realize, It has the configuration.
  • the present invention is configured as described above, so that an appropriate response to the monitored object can be taken.
  • FIG. 1 It is a block diagram which shows the structure of the monitoring apparatus in Embodiment 1 of this invention. It is a figure which shows the state of the processing by the monitoring apparatus disclosed in FIG. It is a figure which shows the state of the processing by the monitoring apparatus disclosed in FIG. It is a figure which shows the state of the processing by the monitoring apparatus disclosed in FIG. It is a flowchart which shows the operation of the monitoring apparatus disclosed in FIG. It is a flowchart which shows the operation of the monitoring apparatus disclosed in FIG. It is a figure which shows the state of the processing of the monitoring apparatus in Embodiment 2 of this invention. It is a figure which shows the state of the processing of the monitoring apparatus in Embodiment 2. It is a figure which shows the state of the processing of the monitoring apparatus in Embodiment 2.
  • Embodiment 2 It is a flowchart which shows the operation of the monitoring apparatus in Embodiment 2. It is a block diagram which shows the hardware structure of the monitoring apparatus in Embodiment 3 of this invention. It is a block diagram which shows the structure of the monitoring apparatus in Embodiment 3 of this invention. It is a flowchart which shows the operation of the monitoring apparatus in Embodiment 3 of this invention.
  • FIG. 1 is a diagram for explaining a configuration of a monitoring device
  • FIGS. 2 to 6 are diagrams for explaining a processing operation of the monitoring device.
  • the monitoring device 10 in the present invention is connected to a monitoring target P (target) such as a plant. Then, the monitoring device 10 is used to acquire and analyze the measured values of each element of the monitored target P and monitor the state of the monitored target P based on the analysis result.
  • the monitoring target P is a plant such as a manufacturing factory or a processing facility
  • the measured values of each element include a plurality of types such as temperature, pressure, flow rate, power consumption value, raw material supply amount, and remaining amount in the plant. Consists of information.
  • the state of the monitored target P to be monitored is an abnormal state of the monitored target P in the present embodiment, and the monitoring device 10 uses a correlation model representing the correlation of each element as described later.
  • the degree of abnormality is calculated from the measured value, and the process of detecting and notifying the abnormal state from the degree of abnormality is performed. Further, the monitoring device 10 in the present invention identifies the cause of the abnormal state and also specifies the object to be controlled in order to deal with the abnormal state.
  • the monitoring target P in the present invention is not limited to a plant, and may be any equipment such as an information processing system.
  • the monitoring device 10 uses the CPU (Central Processing Unit) usage rate, memory usage rate, disk access frequency, input / output of each information processing device constituting the information processing system.
  • CPU Central Processing Unit
  • the monitoring device 10 uses the CPU (Central Processing Unit) usage rate, memory usage rate, disk access frequency, input / output of each information processing device constituting the information processing system.
  • CPU Central Processing Unit
  • memory usage rate disk access frequency
  • input / output of each information processing device constituting the information processing system To measure the number of packets, power consumption value, etc. as measured values of each element, analyze the measured values, monitor the state of the information processing system, identify the cause of the abnormal state, and respond to the abnormal state. It also identifies the object to be controlled.
  • the monitoring device 10 is composed of one or a plurality of information processing devices including an arithmetic unit and a storage device. Then, as shown in FIG. 1, the monitoring device 10 includes a measuring unit 11, a learning unit 12, a detecting unit 13, and a specific unit 14, which are constructed by the arithmetic unit executing a program. Further, the monitoring device 10 includes a measurement data storage unit 16, a model storage unit 17, and a property data storage unit 18 formed in the storage device.
  • a measuring unit 11 a learning unit 12
  • a detecting unit 13 a specific unit 14 which are constructed by the arithmetic unit executing a program.
  • the monitoring device 10 includes a measurement data storage unit 16, a model storage unit 17, and a property data storage unit 18 formed in the storage device.
  • the measurement unit 11 acquires the measurement values of each element measured by various sensors a, b, c, and d installed in the monitoring target P as time-series data at predetermined time intervals, and is a measurement data storage unit. Store in 16. At this time, since there are a plurality of types of elements to be measured, the measurement unit 11 acquires a time series data set which is a set of time series data of a plurality of elements as shown by reference numeral T in FIG. It should be noted that the measurement unit 11 constantly acquires and stores the time-series data set, and the acquired time-series data set is used when generating a correlation model representing the normal state of the monitored object P, as will be described later. It is used for monitoring the status of the monitoring target P, respectively.
  • the value measured by one sensor is a value measured from a state generated from one element.
  • the “element” is the measured value of "temperature in the plant”.
  • the value measured by one sensor is a value measured from a state generated by a plurality of generation sources (elements). For example, when the measured value of the "sensor” is the "frequency”, the “frequency” is “the frequency component of the vibration of the machine that is the source” and “the frequency component of the vibration caused by the earthquake that is the source”. It is assumed that the value is the measured value of "frequency”.
  • the learning unit 12 inputs the time-series data set T measured when the monitoring target P is determined to be in the normal state in advance, and the correlation between each element in the normal state. Generates a correlation model M representing.
  • the correlation model includes a correlation function that represents the correlation between the measured values of any two elements among the plurality of elements.
  • the correlation function is a function that predicts the output value of the other element with respect to the input value of one element of any two elements.
  • weights are set in the correlation function between each element included in the correlation model.
  • the learning unit 12 generates a set of correlation functions between a plurality of elements as described above as the correlation model M, and stores it in the model storage unit 17.
  • the correlation model M shown in FIG. 2 it is shown that the measured values of the element a and the element b have a correlation of the correlation function f (a, b), and conversely, the element b and the element c
  • the measured values of are shown to have no correlation.
  • the detection unit 13 acquires the time-series data set T measured after generating the correlation model M described above, analyzes the time-series data set T, and detects an abnormal state of the monitoring target P. Specifically, the detection unit 13 inputs the time-series data set T measured from the monitoring target P, and uses the correlation model M stored in the model storage unit 17, and the monitoring target P is in an abnormal state. The degree of abnormality (information indicating the abnormal state) that represents the degree is calculated. At this time, for example, the detection unit 13 inputs the measured input value of one element into the correlation function between two predetermined elements, predicts the output value of the other element, and predicts the predicted value and the actual measurement. Examine the difference from the value.
  • the detection unit 13 investigates the difference of the correlation function between the plurality of elements and the state of the correlation destruction, and calculates the degree of abnormality according to the magnitude of the difference, the weight of the correlation function, the number of correlation destruction, and the like. For example, the detection unit 13 calculates the value of the degree of abnormality higher, assuming that the degree of correlation destruction is higher and the degree of the monitored target P is in the abnormal state is higher.
  • the detection unit 13 calculates the degree of abnormality for each time of the time series data set, and detects that the monitoring target P has become an abnormal state when the degree of abnormality is equal to or greater than the threshold value. At this time, if the abnormal state of the monitored target P continues, such a period is set as the abnormal period, and when the degree of abnormality becomes equal to or less than the threshold value, the end of the abnormal state is detected, and the period up to that point is set as the abnormal period. Record as.
  • the method for detecting an abnormal state by the detection unit 13 is not limited to the method described above, and may be any method.
  • the identification unit 14 identifies an element corresponding to the measured value included in the time-series data set T from the time-series data set T measured from the monitoring target P in the abnormal state. At this time, the identification unit 14 ranks and specifies the elements based on the property data representing the properties of the elements stored in the property data storage unit 18.
  • the property data is, for example, as shown in FIG. 3, a control degree indicating the degree of controllability of each element measured by each sensor.
  • the degree of control indicates that the larger the numerical value, the easier it is to control.
  • the element d has a control degree of "0", which means that the air temperature and humidity cannot be controlled.
  • the element b has a control degree of "5", which is a higher value than the others, indicating that the operator can easily change the setting and control is easy.
  • the degree of control is not limited to the above-mentioned value, and may simply be a value indicating whether or not control is possible.
  • the outside air temperature, which is difficult to control, the pipe temperature, which can be controlled by construction, and the temperature of the pipe, which can be easily controlled by the installed heater can be expressed as the degree of control by distinguishing them by binary or multi-valued values. Good.
  • the specific unit 14 sets the elements corresponding to the measured values included in the time-series data set T measured from the monitored target P in the abnormal state to the above-mentioned abnormal period and other elements.
  • the difference between the measured values in the period and the measured value is ranked in descending order, and based on the control level of the property data, the control level is ranked higher in descending order.
  • the elements are ranked in the order in which the difference between the measured values between the abnormal period and the other period is remarkable (in descending order of the difference), that is, the element related to the occurrence of the abnormal state, that is, the abnormal state. This is to identify and rank the factors that cause or have a causal relationship.
  • the elements are further ranked based on the degree of control of the property data.
  • the elements that cause the occurrence of the abnormal state or the elements that have a causal relationship do not necessarily have to be ranked, and such elements may be simply extracted.
  • the extracted elements are ranked based on the degree of control of the property data.
  • the specific unit 14 extracts all the elements corresponding to the measured values included in all the time series data sets T as the elements related to the occurrence of the abnormal state, and extracts all the elements. It is ranking.
  • the specific unit 14 does not necessarily have to rank all the elements, and may rank only a predetermined number of elements from the top, and excludes elements having a control level of a predetermined value or less from the ranking. Moreover, only one of the highest level may be specified. Then, the identification unit 14 identifies the ranked elements as elements that are easy to control and outputs them to the observer or the like.
  • the specific unit 14 is not necessarily limited to ranking and specifying the elements by the method described above.
  • the specifying unit 14 is not necessarily limited to ranking the elements based on the degree of control, and may rank and specify the elements using property data representing other properties of the elements.
  • the property data may be the degree of necessity of the element in the monitoring target P, the degree of influence of the element on the monitoring target P, and the like.
  • the monitoring device 10 reads out learning data, which is a time-series data set measured when the monitoring target P is determined to be in the normal state, from the measurement data storage unit 16 and inputs it (step S1). .. Then, the monitoring device 10 learns the correlation between each element from the input time series data (step S2), and generates a correlation model representing the correlation between the elements (step S3). Then, the monitoring device 10 stores the generated correlation model in the model storage unit 17 as a correlation model representing the normal state of the monitoring target P.
  • learning data which is a time-series data set measured when the monitoring target P is determined to be in the normal state
  • the monitoring device 10 acquires a specific measured value measured from the monitored target P (step S11), compares it with the correlation model M (step S12), and causes correlation failure based on the difference from the correlation model M. Whether or not the condition is present, and further, the degree of abnormality is calculated to check whether or not the condition is abnormal (step S13).
  • the monitoring device 10 detects that the monitoring target P is in an abnormal state (Yes in step S13), the element corresponding to the measured value included in the time series data set T measured from the monitored target P in the abnormal state. Among them, the elements related to the occurrence of the abnormal state are ranked and extracted, and the extracted elements are further ranked and specified based on the property data (step S14). Then, the monitoring device 10 outputs the ranked elements to the monitor or the like (step S15).
  • the element related to the occurrence of the abnormal state is first specified.
  • the element to be controlled can be easily specified.
  • such elements are ranked according to the degree of control which is the property of the elements. Therefore, it is possible to perform control such as changing the setting of a high-ranking element based on the result of ranking the elements according to the ease of control, and it is possible to take an appropriate response to an abnormal state. ..
  • the elements when the monitored target P is in an abnormal state are specified by ranking, but not necessarily when the monitored target P is in an abnormal state, what is the monitored target P? You may specify the element when it becomes a specific state from.
  • the detection of a specific state of the monitoring target P is not limited to using the above-mentioned correlation model M, and may be performed by any method.
  • FIGS. 7 to 10 are diagrams for explaining the processing operation of the monitoring device.
  • the monitoring device 10 in the present embodiment further has the following configuration in addition to the monitoring device 10 described in the first embodiment. In the following, a configuration different from the first embodiment will be mainly described.
  • the measured value measured by the measuring unit 11 from one sensor installed in the monitored target P is a value measured in a state generated by a plurality of generation sources (elements).
  • the measured value of the "sensor” is the "frequency”
  • the "frequency” measured by the "vibration component of the machine that is the source” and the “vibration component due to the earthquake that is the source” is used. Suppose there is.
  • the specific unit 14 in the present embodiment detects the abnormal state of the monitoring target P from the time series data set T measured from the monitoring target P by the detection unit 13, the measured value included in the time series data set T.
  • the source (element) that generates the component value that causes the above is ranked and specified. Specifically, as shown in FIG. 7, the specific unit 14 is based on the measured values measured by the sensors a, b, c, and d included in the time-series data set T in the abnormal state.
  • the component values for each source that caused the above are extracted. For example, the component values ⁇ and ⁇ are extracted from the measured value of the sensor a, and the component values ⁇ and ⁇ are extracted from the measured value of the sensor c.
  • the specifying unit 14 examines the characteristics of the component values from the extracted component values ⁇ , ⁇ , and ⁇ , and identifies the generation source thereof.
  • the monitoring device 10 stores in advance the correspondence information between the frequency characteristic and the vibration source which is the generation source, and the specific unit 14 selects the generation source from the frequency characteristic of the component value by referring to the correspondence information. Identify.
  • the sources of the component values ⁇ , ⁇ , and ⁇ are identified as the sources ⁇ , ⁇ , and ⁇ , respectively.
  • the specific unit 14 ranks each generation source ⁇ , ⁇ , ⁇ .
  • the specific unit 14 may first rank the sources in the order in which the difference between the abnormal periods and the other periods is remarkable (in descending order of the difference). It may be simply extracted. This makes it possible to identify the source associated with the occurrence of the abnormal state, that is, the source that is the cause of the occurrence of the abnormal state or has a causal relationship.
  • the generation sources are further ranked based on the property data representing the properties of the generation source stored in the property data storage unit 18.
  • the property data is, for example, as shown in FIG. 8, a degree of control indicating the degree of controllability of each generation source.
  • the degree of control indicates that the larger the numerical value, the easier it is to control. Therefore, the generation source ⁇ has a control degree of “0”, which means that vibration due to an earthquake cannot be controlled, and the generation source ⁇ has a control degree of “5”, which is a higher value than others, and is a value of machinery and equipment. It indicates that the operator can easily control vibration and the like.
  • the degree of control is not limited to the above-mentioned value, and may simply be a value indicating whether or not control is possible.
  • the specific unit 14 uses the controllability of the property data as a source for generating the measured value included in the time series data set T measured from the monitored target P in the abnormal state. Then, the ranking is made so that the order of control is higher. At this time, the specific unit 14 may rank all the generation sources or may rank and specify only some of the generation sources. Further, the specifying unit 14 may specify the generation source of the component value commonly extracted from the plurality of measured values, or may make the order of such a generation source higher. For example, in the example of FIG. 7, since the component values ⁇ are commonly included in the measured values measured from the sensors a and c, if the source ⁇ of the component value ⁇ can be controlled, it will be applied. The source ⁇ may be specified. As a result, it is possible to identify a generation source that affects a plurality of measured values of the monitored target P.
  • the monitoring device 10 in the present embodiment is not necessarily limited to extracting the component value from the measured value by the method described above and specifying the generation source from the component value, and the component value can be extracted by any method.
  • the source may be specified.
  • the monitoring device 10 in the present embodiment is not necessarily limited to ranking and specifying the generation sources by the method described above as in the first embodiment, and is not necessarily generated based on the degree of control of the generation sources. It is not limited to ranking sources.
  • the monitoring device 10 acquires a specific measured value measured from the monitored target P (step S21), compares it with the correlation model M (step S22), and causes correlation failure based on the difference from the correlation model M. Whether or not the condition is present, and further, the degree of abnormality is calculated to check whether or not the condition is abnormal (step S23).
  • the monitoring device 10 detects that the monitoring target P is in an abnormal state (Yes in step S23), the monitoring device 10 analyzes the components of the measured values included in the time series data set T measured from the monitoring target P in the abnormal state. (Step S24). Specifically, the component values are extracted from each measured value to identify the source of each component value. Then, the monitoring device 10 identifies a generation source related to the occurrence of an abnormal state among the identified generation sources, ranks and identifies such generation sources based on property data such as the degree of control, and observers and the like. Is output to (step S25).
  • the generation source related to the occurrence of the abnormal state is first.
  • the source to be controlled can be easily specified.
  • such sources are ranked according to the degree of control that is the property of the sources. Therefore, it is possible to take measures such as specifying and controlling the generation source according to the ease of control, and it is possible to take appropriate measures for the abnormal state of the monitored target P.
  • FIGS. 11 to 13 are block diagrams showing the configuration of the monitoring device according to the third embodiment, and FIG. 13 is a flowchart showing the operation of the monitoring device.
  • the outline of the configuration of the monitoring device and the processing method by the monitoring device described in the first embodiment is shown.
  • the monitoring device 100 is composed of a general information processing device, and is equipped with the following hardware configuration as an example.
  • -CPU Central Processing Unit
  • -ROM Read Only Memory
  • RAM Random Access Memory
  • 103 storage device
  • -Program group 104 loaded into RAM 103
  • a storage device 105 that stores the program group 104.
  • a drive device 106 that reads and writes a storage medium 110 external to the information processing device.
  • -Communication interface 107 that connects to the communication network 111 outside the information processing device -I / O interface 108 for inputting / outputting data -Bus 109 connecting each component
  • the monitoring device 100 can construct and equip the detection unit 121 and the specific unit 122 shown in FIG. 12 by the CPU 101 acquiring the program group 104 and executing the program group 104.
  • the program group 104 is stored in the storage device 105 or the ROM 102 in advance, for example, and the CPU 101 loads the program group 104 into the RAM 103 and executes the program group 104 as needed. Further, the program group 104 may be supplied to the CPU 101 via the communication network 111, or may be stored in the storage medium 110 in advance, and the drive device 106 may read the program and supply the program to the CPU 101.
  • the detection unit 121 and the specific unit 122 described above may be constructed by an electronic circuit.
  • FIG. 12 shows an example of the hardware configuration of the information processing device which is the monitoring device 100, and the hardware configuration of the information processing device is not exemplified in the above case.
  • the information processing device may be composed of a part of the above-described configuration, such as not having the drive device 106.
  • the monitoring device 100 executes the monitoring method shown in the flowchart of FIG. 13 by the functions of the detection unit 121 and the specific unit 122 constructed by the program as described above.
  • the monitoring device 100 is Based on a plurality of measured values measured from the monitored target, it is detected that the monitored target is in a preset specific state (step S101).
  • the element related to the detection of the specific state of the monitoring target is specified, and the property of the element of the measurement value set in advance.
  • the element is specified based on (step S102).
  • the present invention controls by first identifying the element related to the occurrence of the abnormal state among the elements that generate the measured value when the monitored object is in the specific state.
  • the element to be targeted can be easily specified. Further, such elements are specified based on the properties of the elements. Therefore, it is possible to specify and operate an element according to the nature of the element, such as an element that is easy to control, and it is possible to take an appropriate response to the monitored object.
  • Non-temporary computer-readable media include various types of tangible storage media.
  • Examples of non-temporary computer-readable media include magnetic recording media (eg, flexible disks, magnetic tapes, hard disk drives), magneto-optical recording media (eg, magneto-optical disks), CD-ROMs (Read Only Memory), CD-Rs, Includes CD-R / W and semiconductor memory (for example, mask ROM, PROM (Programmable ROM), EPROM (Erasable PROM), flash ROM, RAM (RandomAccessMemory)).
  • the program may also be supplied to the computer by various types of temporary computer readable media. Examples of temporary computer-readable media include electrical, optical, and electromagnetic waves.
  • the temporary computer-readable medium can supply the program to the computer via a wired communication path such as an electric wire and an optical fiber, or a wireless communication path.
  • (Appendix 2) The monitoring method described in Appendix 1 To identify the element by ranking the element based on the nature of the element.
  • Monitoring method. (Appendix 3) The monitoring method described in Appendix 1 or 2. Identifying the element based on controllability of the element representing the nature of the element.
  • Monitoring method. (Appendix 4) The monitoring method according to any one of Supplementary notes 1 to 3. Identifying an element by ranking it based on the degree of controllability of the element that represents the nature of the element.
  • Monitoring method. (Appendix 5) The monitoring method described in Appendix 4, The higher the degree of controllability of the element that represents the nature of the element, the higher the ranking of the element.
  • Monitoring method. (Appendix 6) The monitoring method according to any one of Appendix 1 to 5.
  • the component value for each element that causes the measured value is extracted from the measured value, and the element is specified based on the extraction result.
  • Monitoring method. (Appendix 7) The monitoring method described in Appendix 6 Based on the result of extracting the component value for each element that causes the measured value from the measured value, the element included in the plurality of the measured values is specified.
  • Monitoring method. (Appendix 8) A detection unit that detects that the monitoring target is in a preset specific state based on a plurality of measured values measured from the monitoring target. Among the elements that generate the plurality of measurement values based on the measurement values, the element related to the detection of the specific state of the monitoring target is specified, and the property of the element of the measurement value set in advance.
  • the specific unit extracts the component value for each element that causes the measured value from the measured value, and specifies the element based on the extraction result.
  • Monitoring device For information processing equipment A detection unit that detects that the monitoring target is in a preset specific state based on a plurality of measured values measured from the monitoring target. Among the elements that generate the plurality of measurement values based on the measurement values, the element related to the detection of the specific state of the monitoring target is specified, and the property of the element of the measurement value set in advance. And a specific part that identifies the element based on A program to realize. (Appendix 11) The program described in Appendix 10 The specific unit extracts the component value for each element that causes the measured value from the measured value, and specifies the element based on the extraction result. program.
  • Monitoring device 11 Measurement unit 12 Learning unit 13 Detection unit 14 Specific unit 16 Measurement data storage unit 17 Model storage unit 18 Property data storage unit P Monitoring target 100 Monitoring device 101 CPU 102 ROM 103 RAM 104 Program group 105 Storage device 106 Drive device 107 Communication interface 108 Input / output interface 109 Bus 110 Storage medium 111 Communication network 121 Detection unit 122 Specific unit

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • General Engineering & Computer Science (AREA)
  • Manufacturing & Machinery (AREA)
  • Quality & Reliability (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Mathematical Physics (AREA)
  • Testing And Monitoring For Control Systems (AREA)

Abstract

本発明の監視装置１００は、監視対象から計測された複数の計測値に基づいて、監視対象が予め設定された特定状態であることを検出する検出部１２１と、計測値に基づいて、複数の計測値を生じさせる要素のうち、監視対象の前記特定状態の検出に関連する要素を特定すると共に、予め設定された計測値の要素の性質に基づいて要素を特定する特定部１２２と、を備える。

Description

監視方法、監視装置、プログラム
　本発明は、監視方法、監視装置、プログラムに関する。
　製造工場や処理施設などのプラントでは、各種センサから計測できる各要素の観測値である時系列データを分析し、異常状態が発生したことや製造条件の変更が発生したことなど、プラントの状態の変化を検出することが行われている。なお、プラントにおいて計測される各要素の計測値は、例えば、温度、圧力、流量、消費電力値、原料の供給量、残量などがある。そして、プラントの状態の変化を検出する方法としては、複数の時系列データの相関関係を表すモデルを生成しておき、新たに観測した時系列データが、モデルによって表された相関関係を維持しているか否かを調べ、モデルの相関関係を維持していない場合に異常状態が発生したことを検出する、という方法がある。また、単に時系列データが予め設定されていた値の条件を満たさない場合に、ある状態の変化が発生したことを検出する、という方法もある。
　なお、上述した状態の変化を検出する監視対象は、プラントに限らず、情報処理システムなどの設備である場合もある。例えば、監視対象が情報処理システムである場合には、情報処理システムを構成する各情報処理装置のＣＰＵ（Central Processing Unit）使用率、メモリ使用率、ディスクアクセス頻度、入出力パケット数、消費電力値などを、各要素の計測値として計測し、かかる計測値を分析して情報処理システムの状態の変化を検出することも行われている。
　そして、上述したように、監視対象の状態の変化を検出した際には、かかる状態の変化の要因を特定し、適切な対応を取る必要が生じうる。例えば、特許文献１では、類似関係にある時系列データをグループにまとめて分析することで、要因となる時系列データつまり要素を特定している。
国際公開第２０１８／０９６６８３号
　しかしながら、上述したように、監視対象の状態の変化の要因となる要素を特定したとしても、かかる要素を制御できない場合には、適切な対応を取ることができない、という問題が生じる。
　このため、本発明の目的は、監視対象に対する適切な対応をとることができない、ことを解決することができる監視方法、監視装置、プログラムを提供することにある。
　本発明の一形態である監視方法は、
　監視対象から計測された複数の計測値に基づいて、前記監視対象が予め設定された特定状態であることを検出し、
　前記計測値に基づいて、複数の前記計測値を生じさせる要素のうち、前記監視対象の前記特定状態の検出に関連する前記要素を特定すると共に、予め設定された前記計測値の前記要素の性質に基づいて前記要素を特定する、
という構成を有する。
　また、本発明の一形態である監視装置は、
　監視対象から計測された複数の計測値に基づいて、前記監視対象が予め設定された特定状態であることを検出する検出部と、
　前記計測値に基づいて、複数の前記計測値を生じさせる要素のうち、前記監視対象の前記特定状態の検出に関連する前記要素を特定すると共に、予め設定された前記計測値の前記要素の性質に基づいて前記要素を特定する特定部と、
を備えた、
という構成を有する。
　また、本発明の一形態であるプログラムは、
　情報処理装置に、
　監視対象から計測された複数の計測値に基づいて、前記監視対象が予め設定された特定状態であることを検出する検出部と、
　前記計測値に基づいて、複数の前記計測値を生じさせる要素のうち、前記監視対象の前記特定状態の検出に関連する前記要素を特定すると共に、予め設定された前記計測値の前記要素の性質に基づいて前記要素を特定する特定部と、
を実現させる、
という構成を有する。
　本発明は、以上のように構成されることにより、監視対象に対する適切な対応をとることができる。
本発明の実施形態１における監視装置の構成を示すブロック図である。 図１に開示した監視装置による処理の様子を示す図である。 図１に開示した監視装置による処理の様子を示す図である。 図１に開示した監視装置による処理の様子を示す図である。 図１に開示した監視装置の動作を示すフローチャートである。 図１に開示した監視装置の動作を示すフローチャートである。 本発明の実施形態２における監視装置の処理の様子を示す図である。 実施形態２における監視装置の処理の様子を示す図である。 実施形態２における監視装置の処理の様子を示す図である。 実施形態２における監視装置の動作を示すフローチャートである。 本発明の実施形態３における監視装置のハードウェア構成を示すブロック図である。 本発明の実施形態３における監視装置の構成を示すブロック図である。 本発明の実施形態３における監視装置の動作を示すフローチャートである。
　＜実施形態１＞
　本発明の第１の実施形態を、図１乃至図６を参照して説明する。図１は、監視装置の構成を説明するための図であり、図２乃至図６は、監視装置の処理動作を説明するための図である。
　［構成］
　本発明における監視装置１０は、プラントなどの監視対象Ｐ（対象）に接続されている。そして、監視装置１０は、監視対象Ｐの各要素の計測値を取得して分析し、分析結果に基づいて監視対象Ｐの状態を監視するために利用される。例えば、監視対象Ｐは、製造工場や処理施設などのプラントであり、各要素の計測値は、プラント内の温度、圧力、流量、消費電力値、原料の供給量、残量など、複数種類の情報からなる。そして、監視する監視対象Ｐの状態は、本実施形態では、監視対象Ｐの異常状態であることとし、監視装置１０は、後述するように、各要素の相関関係を表す相関モデルを用いて、計測値から異常度を算出して、かかる異常度から異常状態であることを検出して通知する処理を行う。さらに、本発明における監視装置１０は、異常状態の要因を特定すると共に、異常状態に対応するために制御する対象を特定することも行う。
　但し、本発明における監視対象Ｐは、プラントであることに限定されず、情報処理システムなどの設備といったいかなるものであってもよい。例えば、監視対象Ｐが情報処理システムである場合には、監視装置１０は、情報処理システムを構成する各情報処理装置のＣＰＵ（Central Processing Unit）使用率、メモリ使用率、ディスクアクセス頻度、入出力パケット数、消費電力値などを、各要素の計測値として計測し、かかる計測値を分析して情報処理システムの状態を監視し、異常状態の要因を特定すると共に、異常状態に対応するために制御する対象を特定することも行う。
　上記監視装置１０は、演算装置と記憶装置とを備えた１台又は複数台の情報処理装置にて構成される。そして、監視装置１０は、図１に示すように、演算装置がプログラムを実行することで構築された、計測部１１、学習部１２、検出部１３、特定部１４、を備える。また、監視装置１０は、記憶装置に形成された、計測データ記憶部１６、モデル記憶部１７、性質データ記憶部１８、を備える。以下、各構成について詳述する。
　上記計測部１１は、監視対象Ｐに設置された各種センサａ，ｂ，ｃ，ｄにて計測された各要素の計測値を所定の時間間隔で時系列データとして取得して、計測データ記憶部１６に記憶する。このとき、計測する要素は複数種類あるため、計測部１１は、図２の符号Ｔに示すような複数要素の時系列データの集合である時系列データセットを取得する。なお、計測部１１による時系列データセットの取得及び記憶は常時行われており、取得された時系列データセットは、後述するように、監視対象Ｐの正常状態を表す相関モデルを生成するとき、監視対象Ｐの状態を監視するとき、にそれぞれ使用される。
　なお、本実施形態では、１つのセンサによる計測値は、１つの要素から生じた状態を計測した値であることとする。例えば、「センサ」の計測値が「温度」である場合に、「要素」は「プラント内の温度」を計測した値であることとする。但し、後述する実施形態２では、１つのセンサによる計測値は、複数の生成源（要素）によって生じた状態を計測した値であることとする。例えば、「センサ」の計測値が「振動数」である場合に、かかる「振動数」は「生成源である機械の振動の周波数成分」と「生成源である地震による振動の周波数成分」とによる「振動数」を計測した値であることとする。
　上記学習部１２は、図２に示すように、監視対象Ｐが予め正常状態であると判断されたときに計測された時系列データセットＴを入力して、正常状態における各要素間の相関関係を表す相関モデルＭを生成する。例えば、相関モデルは、複数要素のうち、任意の２要素の計測値の相関関係を表す相関関数を含む。相関関数は、任意の２要素のうちの一方の要素の入力値に対して他方の要素の出力値を予測する関数である。このとき、相関モデルに含まれる各要素間の相関関数には、それぞれ重みが設定される。学習部１２は、上述したような複数の要素間の相関関数の集合を相関モデルＭとして生成し、モデル記憶部１７に記憶する。一例として、図２に示す相関モデルＭでは、要素ａと要素ｂとの計測値は相関関数ｆ（ａ，ｂ）の相関関係を有することを示しており、逆に、要素ｂと要素ｃとの計測値は相関関係を有さないことを示している。
　上記検出部１３は、上述した相関モデルＭを生成した後に計測された時系列データセットＴを取得して、当該時系列データセットＴの分析を行い、監視対象Ｐの異常状態を検出する。具体的に、検出部１３は、監視対象Ｐから計測された時系列データセットＴを入力して、モデル記憶部１７に記憶されている相関モデルＭを用いて、監視対象Ｐが異常状態である度合いを表す異常度（異常状態を表す情報）を算出する。このとき、検出部１３は、例えば、所定の２要素間の相関関数に、計測された一方の要素の入力値を入力して他方の要素の出力値を予測し、かかる予測値と実際の計測値との差分を調べる。このとき、差分が所定以上の場合、かかる２要素間の相関関係の相関破壊として検出する。そして、検出部１３は、複数の要素間の相関関数の差分や相関破壊の状況を調べ、差分の大きさやその相関関数の重み、相関破壊の数などに応じて、異常度を算出する。検出部１３は、例えば、相関破壊の度合いが大きいほど、監視対象Ｐが異常状態である度合いが高いとして、異常度の値を高く算出する。そして、検出部１３は、時系列データセットの各時間について異常度の算出を行い、異常度が閾値以上の場合に、監視対象Ｐが異常状態となったことを検出する。このとき、監視対象Ｐの異常状態が継続する場合には、かかる期間を異常期間とし、また、異常度が閾値以下となった場合に異常状態の終了を検出し、これまでの期間を異常期間として記録する。但し、検出部１３による異常状態の検出方法は、上述した方法に限定されず、いかなる方法であってもよい。
 
　上記特定部１４は、異常状態となった監視対象Ｐから計測された時系列データセットＴから、当該時系列データセットＴに含まれる計測値に対応する要素を特定する。このとき、特定部１４は、性質データ記憶部１８に記憶されている要素の性質を表す性質データに基づいて、要素を順位付けして特定する。ここで、性質データは、例えば、図３に示すように、各センサで計測される各要素の制御可否の度合いを表す制御度である。ここでは、制御度は、数値が大きいほど制御しやすいことを表している。例えば、要素ｄは制御度「０」であり、大気の気温や湿度など制御できないことを表していることとなる。また、要素ｂは制御度「５」であって他よりも高い値であり、作業者が容易に設定変更可能で制御が容易であることを表している。なお、制御度は、上述した値であることに限定されず、単に制御可能であるか否かを表す値であってもよい。例えば、制御が難しい外気温、工事により制御が可能な配管温度、設置済みのヒータにより制御が容易な配管の温度を、二値または多値の数値によって区別することで、制御度として表してもよい。
 
　そして、特定部１４は、図４に示すように、異常状態となった監視対象Ｐから計測された時系列データセットＴに含まれる計測値に対応する要素を、上述した異常期間とそれ以外の期間とにおける計測値の差が顕著な順に順位付けするとともに、性質データの制御度に基づいて、制御度が高い順に上位に位置するよう順位付けする。ここで、異常期間とそれ以外の期間とにおける計測値の差が顕著な順（差が大きい順）に要素を順位付けしているのは、異常状態の発生と関連する要素、つまり、異常状態の発生の要因であったり因果関係にある要素を特定し、順位付けするためである。そして、この順位を考慮して、さらに性質データの制御度に基づいて要素を順位付けする。なお、異常状態の発生の要因となる要素あるいは因果関係にある要素は、必ずしも順位付けする必要はなく、単にそのような要素を抽出するだけでもよい。そして、かかる抽出した要素を、性質データの制御度に基づいて順位付けする。例えば、図４の例では、特定部１４は、全ての時系列データセットＴに含まれる計測値に対応する全ての要素を、異常状態の発生に関連する要素として抽出し、かかる全ての要素を順位付けしている。但し、特定部１４は、必ずしも全ての要素を順位付けする必要はなく、上位から所定数の要素のみを順位付けしてしてもよく、制御度が所定値以下の要素を順位付けから除外してもよく、さらには、最上位の１つのみを特定してもよい。そして、特定部１４は、順位付けした要素を、制御しやすい要素として特定し、監視者などに出力する。
　なお、特定部１４は、必ずしも上述した方法で要素を順位付けして特定することに限定されない。例えば、特定部１４は、必ずしも制御度に基づいて要素を順位付けすることに限定されず、要素の他の性質を表す性質データを用いて、要素を順位付けして特定してもよい。一例として、性質データを、監視対象Ｐにおける要素の必要性の度合いや、監視対象Ｐに対して要素が影響を与える度合い、などとしてもよい。
　［動作］
　次に、上述した監視装置１０の動作を、主に図５乃至図６のフローチャートを参照して説明する。まず、図５のフローチャートを参照して、監視対象Ｐの正常状態である場合における、各要素間の相関関係を表す相関モデルを生成するときの動作を説明する。
　監視装置１０は、まず、監視対象Ｐが正常状態であると判断されたときに計測された時系列データセットである学習用のデータを、計測データ記憶部１６から読み出して入力する（ステップＳ１）。そして、監視装置１０は、入力した時系列データから、各要素間の相関関係を学習し（ステップＳ２）、当該各要素間の相関関係を表す相関モデルを生成する（ステップＳ３）。そして、監視装置１０は、生成した相関モデルを、監視対象Ｐの正常状態を表す相関モデルとしてモデル記憶部１７に記憶しておく。
　次に、図６のフローチャートを参照して、監視対象Ｐの異常状態を検出するときの動作を説明する。監視装置１０は、監視対象Ｐから計測された特定の計測値を取得して（ステップＳ１１）、相関モデルＭと比較し（ステップＳ１２）、当該相関モデルＭとの差異に基づいて相関破壊が生じているか否か、さらには、異常度を算出して異常状態であるかを調べる（ステップＳ１３）。
　監視装置１０は、監視対象Ｐが異常状態であることを検出すると（ステップＳ１３でＹｅｓ）、異常状態となった監視対象Ｐから計測された時系列データセットＴに含まれる計測値に対応する要素のうち、異常状態の発生に関連する要素を順位付けして抽出し、かかる抽出した要素を、さらに性質データに基づいて順位付けして特定する（ステップＳ１４）。そして、監視装置１０は、順位付けした要素を監視者などに出力する（ステップＳ１５）。
　以上のように、本実施形態では、監視対象が異常状態となったときの時系列データセットに含まれる計測値に対応する要素のうち、まず異常状態の発生に関連する要素を特定することで、制御の対象とすべき要素を容易に特定することができる。そしてさらに本実施形態では、かかる要素を、要素の性質である制御度に応じて順位付けしている。このため、制御のしやすさに応じた要素の順位付けの結果に基づいて、順位の高い要素の設定を変更するなどの制御を行うことができ、異常状態に対する適切な対応をとることができる。
　なお、上記では、監視対象Ｐが異常状態となったときの要素を順位付けするなどして特定しているが、必ずしも監視対象Ｐが異常状態となったときに限らず、監視対象Ｐが何からの特定の状態となったときの要素を特定してもよい。このとき、監視対象Ｐの特定の状態の検出は、上述した相関モデルＭを用いることに限定されず、いかなる方法で行ってもよい。
　＜実施形態２＞
　次に、本発明の第２の実施形態を、図７乃至図１０を参照して説明する。図７乃至図１０は、監視装置の処理動作を説明するための図である。本実施形態における監視装置１０は、実施形態１で説明した監視装置１０に加え、さらに以下の構成を備えている。なお、以下では、実施形態１と異なる構成について主に説明する。
　［構成］
　まず、本実施形態では、計測部１１が監視対象Ｐに設置された１つのセンサから計測する計測値は、複数の生成源（要素）によって生じた状態を計測した値であることとする。例えば、「センサ」の計測値が「振動数」である場合に、「生成源である機械の振動成分」と「生成源である地震による振動成分」とによる「振動数」を計測した値であることとする。
　そして、本実施形態における特定部１４は、検出部１３にて監視対象Ｐから計測された時系列データセットＴから監視対象Ｐの異常状態を検出すると、かかる時系列データセットＴに含まれる計測値を生じさせる成分値を生成する生成源（要素）を順位付けして特定する。具体的に、特定部１４は、図７に示すように、異常状態である時系列データセットＴに含まれる各センサａ，ｂ，ｃ，ｄにて計測した各計測値から、当該各計測値を生じさせた生成源毎の成分値をそれぞれ抽出する。例えば、センサａの計測値から成分値α，βを抽出し、センサｃの計測値から成分値γ，αを抽出する。そして、特定部１４は、抽出した各成分値α，β，γから、かかる成分値の特性を調べ、その生成源を特定する。例えば、監視装置１０には、予め周波数特性と生成源である振動源との対応情報が記憶されており、かかる対応情報を参照して、特定部１４は、成分値の周波数特性から生成源を特定する。これにより、成分値α，β，γの生成源を、それぞれ生成源α，β，γと特定する。
　続いて、特定部１４は、各生成源α，β，γを順位付けする。このとき、特定部１４は、上述同様に、まず、異常期間とそれ以外の期間とにおける各生成源の差が顕著な順（差が大きい順）に当該生成源を順位付けしてもよく、単に抽出してもよい。これにより、異常状態の発生と関連する生成源、つまり、異常状態の発生の要因であったり因果関係にある生成源を特定することができる。そして、この順位を考慮して、さらに、性質データ記憶部１８に記憶されている生成源の性質を表す性質データに基づいて、生成源を順位付けする。ここで、性質データは、例えば、図８に示すように、各生成源の制御可否の度合いを表す制御度である。このとき、制御度は、数値が大きいほど制御しやすいことを表している。このため、生成源γは制御度「０」であり、地震による振動など制御できないことを表しており、生成源αは制御度「５」であって他よりも高い値であり、機械設備の振動など作業者が容易に制御できることを表している。なお、制御度は、上述した値であることに限定されず、単に制御可能であるか否かを表す値であってもよい。
　そして、特定部１４は、図９に示すように、異常状態となった監視対象Ｐから計測された時系列データセットＴに含まれる計測値を生じさせる生成源を、性質データの制御度に基づいて、制御度が高い順に順位が高くなるよう順位付けする。このとき、特定部１４は、全ての生成源を順位付けしてもよく、一部の生成源のみを順位付けして特定してもよい。また、特定部１４は、複数の計測値から共通して抽出された成分値の生成源を特定したり、そのような生成源の順位を上位とするようにしてもよい。例えば、図７の例では、センサａ，ｃから計測された各計測値に、成分値αが共通して含まれているため、かかる成分値αの生成源αが制御可能であれば、かかる生成源αを特定してもよい。これにより、監視対象Ｐの複数の計測値に影響のある生成源を特定できる。
　なお、本実施形態における監視装置１０は、必ずしも上述した方法で、計測値から成分値を抽出し、かかる成分値から生成源を特定することに限定されず、いかなる方法で成分値を抽出したり、生成源を特定してもよい。また、本実施形態における監視装置１０は、実施形態１と同様に、必ずしも上述した方法で生成源を順位付けして特定することに限定されず、また、必ずしも生成源の制御度に基づいて生成源を順位付けすることに限定されない。
　［動作］
　次に、本実施形態における監視装置１０の動作を、主に図１０のフローチャートを参照して説明する。なお、以下では、監視対象Ｐの異常状態を検出するときの動作のみを説明する。
　監視装置１０は、監視対象Ｐから計測された特定の計測値を取得して（ステップＳ２１）、相関モデルＭと比較し（ステップＳ２２）、当該相関モデルＭとの差異に基づいて相関破壊が生じているか否か、さらには、異常度を算出して異常状態であるかを調べる（ステップＳ２３）。
　監視装置１０は、監視対象Ｐが異常状態であることを検出すると（ステップＳ２３でＹｅｓ）、異常状態となった監視対象Ｐから計測された時系列データセットＴに含まれる計測値の成分分析を行う（ステップＳ２４）。具体的には、各計測値から成分値を抽出して、各成分値の生成源を特定する。そして、監視装置１０は、特定した生成源のうち異常状態の発生と関連する生成源を特定し、さらにかかる生成源を制御度などの性質データに基づいて順位付けして特定し、監視者などに出力する（ステップＳ２５）。
　以上のように、本実施形態では、監視対象が異常状態となったときの時系列データセットに含まれる計測値を生じさせる生成源（要素）のうち、まず異常状態の発生に関連する生成源を特定することで、制御の対象とすべき生成源を容易に特定することができる。そしてさらに、かかる生成源を、当該生成源の性質である制御度に応じて順位付けしている。このため、制御のしやすさに応じた生成源を特定して制御するなどの対応をとることができ、監視対象Ｐの異常状態に対する適切な対応をとることができる。
　＜実施形態３＞
　次に、本発明の第３の実施形態を、図１１乃至図１３を参照して説明する。図１１乃至図１２は、実施形態３における監視装置の構成を示すブロック図であり、図１３は、監視装置の動作を示すフローチャートである。なお、本実施形態では、実施形態１で説明した監視装置及び監視装置による処理方法の構成の概略を示している。
　まず、図１１を参照して、本実施形態における監視装置１００のハードウェア構成を説明する。監視装置１００は、一般的な情報処理装置にて構成されており、一例として、以下のようなハードウェア構成を装備している。
　・ＣＰＵ（Ｃｅｎｔｒａｌ　Ｐｒｏｃｅｓｓｉｎｇ　Ｕｎｉｔ）１０１（演算装置）
　・ＲＯＭ（Ｒｅａｄ　Ｏｎｌｙ　Ｍｅｍｏｒｙ）１０２（記憶装置）
　・ＲＡＭ（Ｒａｎｄｏｍ　Ａｃｃｅｓｓ　Ｍｅｍｏｒｙ）１０３（記憶装置）
　・ＲＡＭ１０３にロードされるプログラム群１０４
　・プログラム群１０４を格納する記憶装置１０５
　・情報処理装置外部の記憶媒体１１０の読み書きを行うドライブ装置１０６
　・情報処理装置外部の通信ネットワーク１１１と接続する通信インタフェース１０７
　・データの入出力を行う入出力インタフェース１０８
　・各構成要素を接続するバス１０９
　そして、監視装置１００は、プログラム群１０４をＣＰＵ１０１が取得して当該ＣＰＵ１０１が実行することで、図１２に示す検出部１２１と特定部１２２を構築して装備することができる。なお、プログラム群１０４は、例えば、予め記憶装置１０５やＲＯＭ１０２に格納されており、必要に応じてＣＰＵ１０１がＲＡＭ１０３にロードして実行する。また、プログラム群１０４は、通信ネットワーク１１１を介してＣＰＵ１０１に供給されてもよいし、予め記憶媒体１１０に格納されており、ドライブ装置１０６が該プログラムを読み出してＣＰＵ１０１に供給してもよい。但し、上述した検出部１２１と特定部１２２とは、電子回路で構築されるものであってもよい。
　なお、図１２は、監視装置１００である情報処理装置のハードウェア構成の一例を示しており、情報処理装置のハードウェア構成は上述した場合に例示されない。例えば、情報処理装置は、ドライブ装置１０６を有さないなど、上述した構成の一部から構成されてもよい。
　そして、監視装置１００は、上述したようにプログラムによって構築された検出部１２１と特定部１２２との機能により、図１３のフローチャートに示す監視方法を実行する。
　図１３に示すように、監視装置１００は、
　監視対象から計測された複数の計測値に基づいて、前記監視対象が予め設定された特定状態であることを検出し（ステップＳ１０１）、
　前記計測値に基づいて、複数の前記計測値を生じさせる要素のうち、前記監視対象の前記特定状態の検出に関連する前記要素を特定すると共に、予め設定された前記計測値の前記要素の性質に基づいて前記要素を特定する（ステップＳ１０２）。
　本発明は、以上のように構成されることにより、監視対象が特定状態となったときの計測値を生じさせる要素のうち、まず異常状態の発生に関連する要素を特定することで、制御の対象とすべき要素を容易に特定することができる。そしてさらにかかる要素を、要素の性質に基づいて特定している。このため、制御しやすい要素など、要素の性質に応じた要素を特定して操作することができ、監視対象に対する適切な対応をとることができる。
　なお、上述したプログラムは、様々なタイプの非一時的なコンピュータ可読媒体（non-transitory computer readable medium）を用いて格納され、コンピュータに供給することができる。非一時的なコンピュータ可読媒体は、様々なタイプの実体のある記録媒体（tangible storage medium）を含む。非一時的なコンピュータ可読媒体の例は、磁気記録媒体（例えばフレキシブルディスク、磁気テープ、ハードディスクドライブ）、光磁気記録媒体（例えば光磁気ディスク）、ＣＤ－ＲＯＭ（Read Only Memory）、ＣＤ－Ｒ、ＣＤ－Ｒ／Ｗ、半導体メモリ（例えば、マスクＲＯＭ、ＰＲＯＭ（Programmable ROM）、ＥＰＲＯＭ（Erasable PROM）、フラッシュＲＯＭ、ＲＡＭ（Random Access Memory））を含む。また、プログラムは、様々なタイプの一時的なコンピュータ可読媒体（transitory computer readable medium）によってコンピュータに供給されてもよい。一時的なコンピュータ可読媒体の例は、電気信号、光信号、及び電磁波を含む。一時的なコンピュータ可読媒体は、電線及び光ファイバ等の有線通信路、又は無線通信路を介して、プログラムをコンピュータに供給できる。
　以上、上記実施形態等を参照して本願発明を説明したが、本願発明は、上述した実施形態に限定されるものではない。本願発明の構成や詳細には、本願発明の範囲内で当業者が理解しうる様々な変更をすることができる。
　なお、本発明は、日本国にて２０１９年３月１９日に特許出願された特願２０１９－０５１１７０の特許出願に基づく優先権主張の利益を享受するものであり、当該特許出願に記載された内容は、全て本明細書に含まれるものとする。
　＜付記＞
　上記実施形態の一部又は全部は、以下の付記のようにも記載されうる。以下、本発明における監視方法、監視装置、プログラムの構成の概略を説明する。但し、本発明は、以下の構成に限定されない。
（付記１）
　監視対象から計測された複数の計測値に基づいて、前記監視対象が予め設定された特定状態であることを検出し、
　前記計測値に基づいて、複数の前記計測値を生じさせる要素のうち、前記監視対象の前記特定状態の検出に関連する前記要素を特定すると共に、予め設定された前記計測値の前記要素の性質に基づいて前記要素を特定する、
監視方法。
（付記２）
　付記１に記載の監視方法であって、
　前記要素の性質に基づいて、前記要素を順位付けして当該要素を特定する、
監視方法。
（付記３）
　付記１又は２に記載の監視方法であって、
　前記要素の性質を表す当該要素の制御の可否に基づいて、当該要素を特定する、
監視方法。
（付記４）
　付記１乃至３のいずれかに記載の監視方法であって、
　前記要素の性質を表す当該要素の制御の可否の度合いに基づいて、当該要素を順位付けして当該要素を特定する、
監視方法。
（付記５）
　付記４に記載の監視方法であって、
　前記要素の性質を表す当該要素が制御可能である度合いが高いほど、当該要素が上位に位置するよう順位付けする、
監視方法。
（付記６）
　付記１乃至５のいずれかに記載の監視方法であって、
　前記計測値から当該計測値を生じさせる前記要素毎の成分値を抽出し、抽出結果に基づいて前記要素を特定する、
監視方法。
（付記７）
　付記６に記載の監視方法であって、
　前記計測値から当該計測値を生じさせる前記要素毎の成分値を抽出した結果に基づいて、複数の前記計測値に含まれる前記要素を特定する、
監視方法。
（付記８）
　監視対象から計測された複数の計測値に基づいて、前記監視対象が予め設定された特定状態であることを検出する検出部と、
　前記計測値に基づいて、複数の前記計測値を生じさせる要素のうち、前記監視対象の前記特定状態の検出に関連する前記要素を特定すると共に、予め設定された前記計測値の前記要素の性質に基づいて前記要素を特定する特定部と、
を備えた監視装置。
（付記９）
　付記８に記載の監視装置であって、
　前記特定部は、前記計測値から当該計測値を生じさせる前記要素毎の成分値を抽出し、抽出結果に基づいて前記要素を特定する、
監視装置。
（付記１０）
　情報処理装置に、
　監視対象から計測された複数の計測値に基づいて、前記監視対象が予め設定された特定状態であることを検出する検出部と、
　前記計測値に基づいて、複数の前記計測値を生じさせる要素のうち、前記監視対象の前記特定状態の検出に関連する前記要素を特定すると共に、予め設定された前記計測値の前記要素の性質に基づいて前記要素を特定する特定部と、
を実現させるためのプログラム。
（付記１１）
　付記１０に記載のプログラムであって、
　前記特定部は、前記計測値から当該計測値を生じさせる前記要素毎の成分値を抽出し、抽出結果に基づいて前記要素を特定する、
プログラム。
１０　監視装置
１１　計測部
１２　学習部
１３　検出部
１４　特定部
１６　計測データ記憶部
１７　モデル記憶部
１８　性質データ記憶部
Ｐ　監視対象
１００　監視装置
１０１　ＣＰＵ
１０２　ＲＯＭ
１０３　ＲＡＭ
１０４　プログラム群
１０５　記憶装置
１０６　ドライブ装置
１０７　通信インタフェース
１０８　入出力インタフェース
１０９　バス
１１０　記憶媒体
１１１　通信ネットワーク
１２１　検出部
１２２　特定部
 

Claims (11)

  1. 　監視対象から計測された複数の計測値に基づいて、前記監視対象が予め設定された特定状態であることを検出し、
    　前記計測値に基づいて、複数の前記計測値を生じさせる要素のうち、前記監視対象の前記特定状態の検出に関連する前記要素を特定すると共に、
    　予め設定された前記計測値の前記要素の性質に基づいて前記要素を特定する、
    監視方法。
  2. 　請求項１に記載の監視方法であって、
    　前記要素の性質に基づいて、前記要素を順位付けして当該要素を特定する、
    監視方法。
  3. 　請求項１又は２に記載の監視方法であって、
    　前記要素の性質を表す当該要素の制御の可否に基づいて、当該要素を特定する、
    監視方法。
  4. 　請求項１乃至３のいずれかに記載の監視方法であって、
    　前記要素の性質を表す当該要素の制御の可否の度合いに基づいて、当該要素を順位付けして当該要素を特定する、
    監視方法。
  5. 　請求項４に記載の監視方法であって、
    　前記要素の性質を表す当該要素が制御可能である度合いが高いほど、当該要素が上位に位置するよう順位付けする、
    監視方法。
  6. 　請求項１乃至５のいずれかに記載の監視方法であって、
    　前記計測値から当該計測値を生じさせる前記要素毎の成分値を抽出し、抽出結果に基づいて前記要素を特定する、
    監視方法。
  7. 　請求項６に記載の監視方法であって、
    　前記計測値から当該計測値を生じさせる前記要素毎の成分値を抽出した結果に基づいて、複数の前記計測値に含まれる前記要素を特定する、
    監視方法。
  8. 　監視対象から計測された複数の計測値に基づいて、前記監視対象が予め設定された特定状態であることを検出する検出部と、
    　前記計測値に基づいて、複数の前記計測値を生じさせる要素のうち、前記監視対象の前記特定状態の検出に関連する前記要素を特定すると共に、予め設定された前記計測値の前記要素の性質に基づいて前記要素を特定する特定部と、
    を備えた監視装置。
  9. 　請求項８に記載の監視装置であって、
    　前記特定部は、前記計測値から当該計測値を生じさせる前記要素毎の成分値を抽出し、抽出結果に基づいて前記要素を特定する、
    監視装置。
  10. 　情報処理装置に、
    　監視対象から計測された複数の計測値に基づいて、前記監視対象が予め設定された特定状態であることを検出する検出部と、
    　前記計測値に基づいて、複数の前記計測値を生じさせる要素のうち、前記監視対象の前記特定状態の検出に関連する前記要素を特定すると共に、予め設定された前記計測値の前記要素の性質に基づいて前記要素を特定する特定部と、
    を実現させるためのプログラムを記憶したコンピュータにて読み取り可能な記憶媒体。
  11. 　請求項１０に記載のプログラムを記憶したコンピュータにて読み取り可能な記憶媒体であって、
    　前記特定部は、前記計測値から当該計測値を生じさせる前記要素毎の成分値を抽出し、抽出結果に基づいて前記要素を特定する、
    プログラムを記憶したコンピュータにて読み取り可能な記憶媒体。
     
PCT/JP2020/007821 2019-03-19 2020-02-26 監視方法、監視装置、プログラム WO2020189211A1 (ja)

Priority Applications (2)

Application Number Priority Date Filing Date Title
US17/437,740 US20220147032A1 (en) 2019-03-19 2020-02-26 Monitoring method, monitoring apparatus, and program
JP2021507138A JP7264231B2 (ja) 2019-03-19 2020-02-26 監視方法、監視装置、プログラム

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2019051170 2019-03-19
JP2019-051170 2019-03-19

Publications (1)

Publication Number Publication Date
WO2020189211A1 true WO2020189211A1 (ja) 2020-09-24

Family

ID=72520849

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2020/007821 WO2020189211A1 (ja) 2019-03-19 2020-02-26 監視方法、監視装置、プログラム

Country Status (3)

Country Link
US (1) US20220147032A1 (ja)
JP (1) JP7264231B2 (ja)
WO (1) WO2020189211A1 (ja)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP7248100B2 (ja) * 2019-03-19 2023-03-29 日本電気株式会社 監視方法、監視装置、プログラム

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2018193508A1 (ja) * 2017-04-17 2018-10-25 三菱電機株式会社 故障診断装置および故障診断方法
WO2018216197A1 (ja) * 2017-05-26 2018-11-29 三菱電機ビルテクノサービス株式会社 異常重要度算出システム、異常重要度算出装置、及び異常重要度算出プログラム

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2018193508A1 (ja) * 2017-04-17 2018-10-25 三菱電機株式会社 故障診断装置および故障診断方法
WO2018216197A1 (ja) * 2017-05-26 2018-11-29 三菱電機ビルテクノサービス株式会社 異常重要度算出システム、異常重要度算出装置、及び異常重要度算出プログラム

Also Published As

Publication number Publication date
JP7264231B2 (ja) 2023-04-25
US20220147032A1 (en) 2022-05-12
JPWO2020189211A1 (ja) 2021-12-09

Similar Documents

Publication Publication Date Title
EP3489780B1 (en) Examining apparatus, examining method, program and recording medium
US11152126B2 (en) Abnormality diagnosis system and abnormality diagnosis method
TWI566065B (zh) Communication anomaly detection device, communication anomaly detection method and program
JP6708203B2 (ja) 情報処理装置、情報処理方法、及び、プログラム
JPWO2018104985A1 (ja) 異常分析方法、プログラムおよびシステム
WO2020189211A1 (ja) 監視方法、監視装置、プログラム
WO2020195626A1 (ja) 異常検知方法、異常検知装置、プログラム
JP6503541B2 (ja) ポンプ異常検知システム、ポンプ異常検知方法、及びポンプ異常検知プログラム
JP2018207650A (ja) 回転電機の特徴量評価システムおよび回転電機の特徴量評価方法
JP6369895B2 (ja) モータ異常検知システム、モータ異常検知方法、及びモータ異常検知プログラム
JP6188772B2 (ja) エレベータの部品管理システム、およびこれに利用する部品管理方法
WO2020189212A1 (ja) 監視方法、監視装置、プログラム
WO2021130936A1 (ja) 時系列データ処理方法
WO2020189210A1 (ja) 監視方法、監視装置、プログラム
WO2020245980A1 (ja) 時系列データ処理方法
JP2014026327A (ja) 実稼働データによる機器の状態診断装置
WO2020166072A1 (ja) 時系列データ処理方法
WO2020166011A1 (ja) 時系列データ処理方法
US11885720B2 (en) Time series data processing method
KR102458214B1 (ko) 배관 파손 진단 장치 및 방법
JP2020038594A (ja) 異常検知装置、異常検知方法およびプログラム
JP2013210703A (ja) プラント機器の経年劣化故障兆候判定システム

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: 20773045

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2021507138

Country of ref document: JP

Kind code of ref document: A

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 20773045

Country of ref document: EP

Kind code of ref document: A1