CN114207538A - 异常诊断方法、异常诊断装置以及异常诊断程序 - Google Patents
异常诊断方法、异常诊断装置以及异常诊断程序 Download PDFInfo
- Publication number
- CN114207538A CN114207538A CN202080054363.7A CN202080054363A CN114207538A CN 114207538 A CN114207538 A CN 114207538A CN 202080054363 A CN202080054363 A CN 202080054363A CN 114207538 A CN114207538 A CN 114207538A
- Authority
- CN
- China
- Prior art keywords
- data
- diagnosis
- unit space
- unit
- update
- Prior art date
- Legal status (The legal status 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 status listed.)
- Pending
Links
- 238000003745 diagnosis Methods 0.000 title claims abstract description 285
- 230000005856 abnormality Effects 0.000 title claims abstract description 193
- 238000000034 method Methods 0.000 title claims abstract description 107
- 238000011156 evaluation Methods 0.000 claims abstract description 77
- 230000008859 change Effects 0.000 claims description 52
- 230000008569 process Effects 0.000 claims description 7
- 230000001186 cumulative effect Effects 0.000 claims description 5
- 238000002405 diagnostic procedure Methods 0.000 claims 7
- 230000002159 abnormal effect Effects 0.000 description 27
- 238000010586 diagram Methods 0.000 description 25
- 238000012545 processing Methods 0.000 description 22
- 238000013500 data storage Methods 0.000 description 17
- 239000011159 matrix material Substances 0.000 description 11
- 239000000284 extract Substances 0.000 description 10
- 238000013480 data collection Methods 0.000 description 9
- 230000000694 effects Effects 0.000 description 9
- 238000005259 measurement Methods 0.000 description 7
- 230000001932 seasonal effect Effects 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 230000006866 deterioration Effects 0.000 description 5
- 238000004519 manufacturing process Methods 0.000 description 4
- 230000015654 memory Effects 0.000 description 4
- 238000003860 storage Methods 0.000 description 3
- 238000007796 conventional method Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 239000002243 precursor Substances 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
- G05B23/0224—Process history based detection method, e.g. whereby history implies the availability of large amounts of data
- G05B23/024—Quantitative history assessment, e.g. mathematical relationships between available data; Functions therefor; Principal component analysis [PCA]; Partial least square [PLS]; Statistical classifiers, e.g. Bayesian networks, linear regression or correlation analysis; Neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Automation & Control Theory (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
对诊断对象的运转状态的异常进行诊断的异常诊断方法具备:根据诊断对象的正常运转数据,制作成为用于判定诊断对象的运转状态的基准的单位空间的步骤;从诊断对象取得具有多个评价项目的状态量的数据的步骤;使用制作的单位空间,计算取得的数据的马氏距离的步骤;以及根据计算的马氏距离,判定诊断对象的运转状态的异常的步骤。制作单位空间的步骤包括制作数据长度相互不同的多个单位空间的步骤。制作多个单位空间的步骤包括根据从诊断对象取得的数据中的多个评价项目之间的相关系数以及数据的正常变动周期中的至少1个,决定各多个单位空间的数据长度的步骤。计算马氏距离的步骤包括使用制作的多个单位空间计算多个马氏距离的步骤。判定异常的步骤包括根据计算的多个马氏距离判定异常的步骤。
Description
技术领域
本公开涉及异常诊断方法、异常诊断装置以及异常诊断程序。
背景技术
一般而言,使用与诊断对象有关的多个评价项目的状态量的时序数据,进行设备或者机器的状态监视以及异常诊断。在该多个评价项目的状态量中,包括诊断对象的各种运转数据以及从诊断对象产生的温度、振动等使用各种传感器测量的测量数据。
例如,在国际公开第2009/107805号(专利文献1)、日本特开2017-120504号公报(专利文献2)以及日本特开2016-91417号公报(专利文献3)中,公开了根据正常的数据制作作为成为判定基准的正常的数据群的单位空间,并使用该单位空间和时序数据的马氏距离解析时序数据,从而判定诊断对象是否正常运转的方法。
在上述判定方法中,为了高精度地判定诊断对象是否正在正常地运转,需要适当地设定单位空间。关于该单位空间,在专利文献1中,公开了单位空间数据的制作以及更新方法。专利文献1构成为针对机械设备的起动时或者负荷运转时等每个运转状态制作单位空间,针对每一定的评价周期更新单位空间。
在专利文献2中,公开了单位空间的更新方法,针对每一定周期求出单位空间数据群以及最新的数据群各自的方差,在两者的方差的比率超过阈值时更新单位空间。
在专利文献3中,公开了单位空间数据的制作方法,求出成为单位空间数据候补的数据群的平均值以及标准差,将在以平均值为中心从该平均值向正负侧分别扩大标准差的常数倍的范围内存在的数据选定为单位空间数据。
现有技术文献
专利文献
专利文献1:国际公开2009/107805号
专利文献2:日本特开2017-120504号公报
专利文献3:日本特开2016-91417号公报
发明内容
在从设备取得的时序数据中,如与设备的运转状态的变化相伴的变动以及与季节的变化(例如外部气温的变化等)相伴的变动那样,有时出现并非异常的变动(即正常的变动)。因此,需要以不将这些正常的变动判定为异常而能够仅探测成为事故或者故障的前兆的异常的变动的方式,适当地制作并且更新单位空间。
然而,在上述以往的单位空间的制作以及更新方法中,未定义单位空间的数据长度的决定。此外,单位空间的数据长度是指,在单位空间中使用的数据的时间宽度或者数据的数量。在未适当地设定单位空间的数据长度的情况下,担心会将时序数据的正常的变动错误地判定为异常。
另外,在以往技术中,针对某个诊断对象时刻的数据使用单一的单位空间判定诊断对象的异常,所以担心无法探测各种异常这样的问题。例如,在将具有正常变动的一个周期量的时间宽度的数据设定为单位空间数据的情况下,如果诊断对象的数据的变动是比设定为单位空间数据的正常变动范围大的变化,则易于判定为异常,相对于此,关于比正常变动范围小的突发的变化,存在错误地判定为正常的可能性。另一方面,在将具有比上述正常变动周期短的时间宽度的数据设定为单位空间数据的情况下,存在如下可能性:即使能够将上述突发的变化判定为异常,但将正常变动也误判定为异常或者关于花费单位空间的更新周期或者其以上的时间而逐渐变化的经年劣化等异常的征兆,错误地判定为正常。
本发明是为了解决这样的课题而完成的,其目的在于在使用以单位空间为基准的马氏距离对诊断对象的异常进行诊断的异常诊断方法、异常诊断装置以及异常诊断程序中,能够提高异常的判定精度。
本公开所涉及的异常诊断方法对诊断对象的运转状态的异常进行诊断,其中,具备:根据诊断对象的正常运转数据,制作成为用于判定诊断对象的运转状态的基准的单位空间的步骤;从诊断对象取得具有多个评价项目的状态量的数据的步骤;使用制作的单位空间,计算取得的所述数据的马氏距离的步骤;以及根据计算的马氏距离,判定诊断对象的运转状态的异常的步骤。制作单位空间的步骤包括制作数据长度相互不同的多个单位空间的步骤。制作多个单位空间的步骤包括根据从诊断对象取得的数据中的多个评价项目之间的相关系数以及数据的正常变动周期中的至少1个,决定各多个单位空间的数据长度的步骤。计算马氏距离的步骤包括使用制作的多个单位空间计算多个马氏距离的步骤。判定异常的步骤包括根据计算的多个马氏距离判定异常的步骤。
本公开所涉及的异常诊断方法对诊断对象的运转状态的异常进行诊断,其中,具备:根据诊断对象的正常运转数据,制作成为用于判定诊断对象的运转状态的基准的单位空间的步骤;从诊断对象取得具有多个评价项目的状态量的数据的步骤;使用制作的单位空间,计算取得的数据的马氏距离的步骤;以及根据计算的马氏距离,判定诊断对象的运转状态的异常的步骤。制作单位空间的步骤包括制作数据长度相互不同的多个单位空间的步骤。计算马氏距离的步骤包括使用制作的多个单位空间,针对同一诊断时刻的数据,计算多个马氏距离的步骤。判定异常的步骤包括根据计算的多个马氏距离判定异常的步骤。
根据本公开,在使用以单位空间为基准的马氏距离对诊断对象的异常进行诊断的异常诊断装置、异常诊断方法以及异常诊断程序中,能够提高异常的判定精度。
附图说明
图1是示出实施方式1所涉及的异常诊断装置的功能性结构的框图。
图2是用于说明决定单位空间的数据长度的第1方法的处理过程的流程图。
图3是用于说明图2的步骤S02的处理的图。
图4是用于说明图2的步骤S04的处理的图。
图5是用于说明决定单位空间的数据长度的第2方法的处理过程的流程图。
图6是用于说明决定单位空间的更新周期的第1方法的处理过程的流程图。
图7是用于说明图6的步骤S25的处理的图。
图8是用于说明决定单位空间的更新周期的第2方法的处理过程的流程图。
图9是示出实施方式1所涉及的异常诊断装置的硬件结构例的框图。
图10是用于说明实施方式1所涉及的异常诊断装置的作用效果的图。
图11是用于说明实施方式1所涉及的异常诊断装置的作用效果的图。
图12是用于说明实施方式1所涉及的异常诊断装置的作用效果的图。
图13是用于说明实施方式2所涉及的异常诊断方法的图。
图14是用于说明实施方式2所涉及的异常诊断装置的作用效果的图。
图15是用于说明实施方式2所涉及的异常诊断装置的作用效果的图。
图16是用于说明单位空间数据的更新方法的处理过程的图。
图17是用于说明单位空间数据的第1更新方法的处理过程的图。
图18是用于说明单位空间数据的第1更新方法的处理过程的图。
图19是用于说明单位空间数据的第2更新方法的处理过程的图。
图20是用于说明单位空间数据的第2更新方法的处理过程的图。
图21是用于说明单位空间数据的第2更新方法的处理过程的图。
图22是用于说明决定马氏距离的阈值的方法的图。
(符号说明)
1:异常诊断装置;2:数据读取部;3:数据显示部;4:单位空间定义部;5:单位空间数据制作部;6:诊断部;7:异常判定部;8:单位空间用数据积蓄部;9:判定结果输出部;10:数据长度决定部;11:更新周期决定部;20:CPU;21:ROM;22:RAM;23:HDD;24:通信接口;25:I/O接口;26:输入部;27:显示部。
具体实施方式
以下,参照附图,详细说明本公开的实施方式。此外,以下,对图中的同一或者相当部分附加同一符号,原则上不反复其说明。
实施方式1.
[A.异常诊断装置的功能性结构]
首先,说明实施方式1所涉及的异常诊断装置的功能性结构。
图1是示出实施方式1所涉及的异常诊断装置的功能性结构的框图。实施方式1所涉及的异常诊断装置1构成为通过解析从诊断对象的设备或者机器(以下还简单地总称为“设备”)取得的时序数据,判定该设备的运转状态是否正常,输出其判定结果。
成为诊断对象的设备例如是发电机、FA(工厂自动化)机器、受配电机器、升降机以及铁路用电气机器等机器或者机械设备。在本申请说明书中,例示将异常诊断装置1应用于发电机的状态监视以及异常诊断的结构。
参照图1,异常诊断装置1具备数据读取部2、数据显示部3、单位空间定义部4、单位空间数据制作部5、诊断部6、异常判定部7、单位空间用数据积蓄部8以及判定结果输出部9。
(A-1)数据读取部
数据读取部2读取从诊断对象设备/机器取得的时序数据。该数据包括多个评价项目的状态量。在本申请说明书中,“评价项目”是从诊断对象设备/机器取得的多个种类的时序数据的物理量的名称,是在马氏距离的计算中使用的项目。在以发电机为例子说明时,作为运转数据,包括发电机的输出、转速以及电压及电流等评价项目,作为测量数据,包括由安装于发电机的传感器测量的构成发电机的机器、零件的温度以及振动等评价项目。此外,这些评价项目是例示,运转数据以及测量数据的项目数没有限定。数据读取部2将读取数据发送给数据显示部3、单位空间定义部4以及诊断部6。
(A-2)数据显示部
数据显示部3将从数据读取部2接收到的读取数据作为时序数据图表化而显示。
(A-3)单位空间定义部
单位空间定义部4使用从数据读取部2接收到的读取数据,决定在诊断中使用的单位空间的数据长度以及单位空间的更新周期。在本申请说明书中,“单位空间”成为用于判定诊断对象的运转状态的基准。单位空间根据正常运转时的运转数据以及测量数据(以下还称为“正常运转数据”)制作。单位空间根据由单位空间定义部4决定的数据长度的正常运转数据制作,并且依照由单位空间定义部4决定的更新周期周期性地更新。
如后所述,异常诊断装置1构成为使用数据长度相互不同的多个单位空间,诊断异常。因此,单位空间定义部4构成为关于在诊断中使用的多个单位空间的各个单位空间,决定数据长度以及更新周期。
具体而言,单位空间定义部4具有数据长度决定部10和更新周期决定部11。数据长度决定部10决定单位空间的数据长度。即,决定定义为单位空间的数据范围。更新周期决定部11决定单位空间的更新周期。在本申请说明书中,“单位空间数据的长度”是指,在单位空间中使用的数据的时间宽度或者数据的数量。“单位空间的更新周期”是指,使用相同的单位空间进行诊断的时间宽度。
(a)数据长度决定部
数据长度决定部10使用读取数据中的正常运转数据,决定单位空间的数据长度。此外,数据长度决定部10能够根据需要使用针对正常运转数据实施任意的运算处理而得到的数据。任意的运算处理是指,例如微分、移动平均或者多个评价项目之间的时序数据的和、差或者平均等处理。
数据长度决定部10与在诊断中使用的多个单位空间分别对应地,决定多个数据长度。在单位空间的数据长度的决定中,使用(1)根据读取数据的多个评价项目之间的相关系数决定的方法、(2)依据诊断对象的设备的特性根据读取数据的正常变动周期决定的方法中的至少1个。
首先,说明(1)根据读取数据的多个评价项目之间的相关系数(相关矩阵)决定单位空间的数据长度的方法的例子。图2是用于说明该决定方法的处理过程的流程图。
参照图2,数据长度决定部10通过步骤S01,从从数据读取部2接收到的读取数据中取得任意的期间中的正常运转数据。正常运转数据是指,在未引起异常或者不良现象时的运转状态下取得的运转数据以及测量数据,包括多个评价项目的状态量。另外,任意的期间能够设为几日、几个月或者几年。此外,期间越长,越能够提高诊断精度。
数据长度决定部10通过步骤S02,以任意的多个数据长度,分割在步骤S01中取得的正常运转数据,针对每个分割的数据,求出多个评价项目之间的相关系数。
关于任意的多个数据长度,例如如720点、1440点、4320点、14400点、43200点那样,能够以成为测定时间或者测定日数的常数倍的方式决定。此外,720点与数据的采样周期成为1分钟的情况下的12小时量的数据数量相当。1440点与1日量的数据数量相当,4320点与3日量的数据数量相当。14400点与10日量的数据数量相当,43200点与30日量的数据数量相当。
在图3中,示出以任意的数据长度a、b、c、d分割时序地显示的某个期间的正常运转数据的例子。数据长度b是数据长度a的2倍,数据长度c是数据长度a的6倍,数据长度d是数据长度a的12倍。在图3的例子中,分割某1个评价项目的时序数据,但实际上存在多个评价项目的时序数据,所以其他评价项目的时序数据也与上述评价项目的时序数据同样地分割。
数据长度决定部10针对每个分割的数据,求出包含于该分割的数据的多个评价项目之间的相关系数。相关系数是表示2个项目之间的线性关系性的强度的指标。随着2个项目之间的正的相关变强,相关系数接近1,随着负的相关变强,相关系数接近-1。在2个项目之间几乎没有相关的情况下,相关系数成为接近0的值。
此外,在包含于1个分割的数据的评价项目数是3以上的情况下,数据长度决定部10求出相关矩阵。相关矩阵是排列相关系数的矩阵,是对角矩阵。相同的项目彼此的相关系数成为1,所以相关矩阵的对角元素全部成为1。相关系数以及相关矩阵能够使用公知的方法求出。
返回到图2,数据长度决定部10通过步骤S03,针对每同一数据长度,计算在步骤S02中求出的相关系数的偏差。相关系数的偏差能够使用同一项目的相关系数的(相关矩阵的相同的元素的)方差或者标准差来计算。在步骤S03中求出相关系数的偏差的数据数也可以设为分割数据的全部。或者,也可以使求出相关系数的偏差的数据数与数据长度最长的、换言之分割数据数最少的情况下的数据数一致。在图3的例子中,也可以用分割数据数最少的数据长度d的分割数据数,求出相关系数的偏差。
数据长度决定部10通过步骤S04,求出在步骤S03中求出的相关系数的偏差和数据长度的关系。例如,数据长度决定部10制作如图4所示的、将相关系数的偏差作为纵轴并将数据长度作为横轴的图表。在该图表中,针对每个数据长度,描绘相关系数的偏差。
作为相关系数的偏差,既可以使用关于1个数据长度求出的所有(多个评价项目之间的所有)相关系数的偏差的平均值,也可以使用该所有相关系数的偏差的最大值。或者,也可以使用从该所有相关系数的偏差中任意地选择的值或者任意地选择的多个相关系数的偏差的平均值。
在图4的情况下,各数据长度中的相关系数的偏差表示包含于具有该数据长度的数据的2个项目的关系性的强弱的偏差。如果在数据长度中2个项目之间的关系性无大的变动,则相关系数的偏差变小,另一方面,在2个项目之间的关系性变动时,相关系数的偏差变大。
在图4中,示出5个种类的数据长度a~e和相关系数的偏差的关系。由此,可知随着数据长度变长,相关系数的偏差变小。另一方面,随着数据长度变短,相关系数的偏差变大。在使用该相关系数的偏差大的数据长度的单位空间计算马氏距离时,尽管是正常的数据但马氏距离变大,所以担心错误地判定为异常的可能性。
返回到图2,数据长度决定部10通过步骤S05,针对相关系数的偏差设定阈值。在图4的例子中,设定大小不同的2个阈值D1以及阈值D2。数据长度决定部10将相关系数的偏差成为阈值以下的数据长度,决定为在诊断中使用的单位空间的数据长度。
具体而言,数据长度决定部10能够将相关系数的偏差成为阈值D1以下的数据长度c、d、e中的数据长度c设定为单位空间的数据长度。另外,数据长度决定部10能够将相关系数的偏差成为阈值D2以下的数据长度e决定为单位空间的数据长度。
数据长度决定部10也可以通过设置多个阈值,决定数据长度相互不同的多个单位空间。或者,数据长度决定部10也可以通过并用以下所示的、根据多个评价项目之间的相关系数决定单位空间的数据长度的其他方法或者根据正常变动周期决定单位空间的数据长度的方法,决定多个单位空间的数据长度。
作为根据多个评价项目之间的相关系数决定单位空间的数据长度的其他方法,有根据相关系数的变化决定单位空间的数据长度的方法。将由多个评价项目构成的时序数据的数据数每次增加1个,每当数据增加时,求出构成时序数据的多个评价项目之间的相关系数(或者相关矩阵)。也可以评价相关系数和数据数的关系,将相关系数收敛于一定的值的数据数作为单位空间的数据长度。或者,也可以评价相关系数的变化率和数据数的关系,将相关系数的变化率收敛于0的数据数作为单位空间的数据长度。
在此,相关系数及其变化率如上所述根据评价项目数而存在多个,所以也可以设为所有评价项目之间的相关系数(或者其变化率)的平均值,还可以设为变化最大的相关系数(或者其变化率)、任意地选择的相关系数(或者其变化率)或者其平均值。如以上所述,根据多个评价项目之间的相关系数,决定单位空间的数据长度。
接下来,说明(2)根据读取数据的正常变动周期决定单位空间的数据长度的方法。图5是用于说明该决定方法的处理过程的流程图。
参照图5,数据长度决定部10通过与图2相同的步骤S01,取得任意的期间中的正常运转数据。
数据长度决定部10通过步骤S12,分析在步骤S01中取得的正常运转数据的变动周期。正常运转数据的变动周期的分析能够使用通用的解析软件等公知技术进行。
数据长度决定部10通过步骤S13,将通过步骤S12的分析得到的正常运转数据的变动周期或者其常数倍决定为单位空间的数据长度。数据长度决定部10也可以通过并用根据上述多个评价项目之间的相关系数决定的单位空间的数据长度,决定多个单位空间的数据长度。
(b)更新周期决定部
返回到图1,更新周期决定部11使用读取数据中的正常运转数据,决定单位空间的更新周期。单位空间的更新周期是指,如上所述,使用相同的单位空间进行诊断的时间宽度。因此,在达到基于决定的更新周期的更新时期时,使用新的单位空间进行诊断。
更新单位空间的理由在于,在诊断对象的设备中的数据变动中包含季节变动等并非异常的正常变动的情况下,在不更新单位空间而进行诊断时,存在将正常的数据变动错误地判定为异常或者将异常的数据变动错误地判定为正常的可能性。
在更新周期的决定中,使用(1)根据读取数据的多个评价项目之间的相关系数(相关矩阵)决定的方法、(2)依据诊断对象的设备的特性根据读取数据的正常变动周期决定的方法中的至少1个。
首先,说明(1)根据读取数据的评价项目之间的相关系数决定单位空间的更新周期的方法。图6是用于说明该决定方法的处理过程的流程图。
参照图6,更新周期决定部11通过与图2相同的步骤S01,取得任意的期间中的正常运转数据。
更新周期决定部11通过S22,以由数据长度决定部10决定的单位空间的数据长度,分割取得的正常运转数据,针对每个分割的数据,求出多个评价项目之间的相关系数(或者相关矩阵)。
更新周期决定部11通过步骤S23,根据在相关系数的制作中使用的正常运转数据的时刻,按照时序顺序,描绘在步骤S22中求出的相关系数。正常运转数据的时刻是指,例如能够使用求出相关系数的时序数据的开始时刻、结束时刻或者开始时刻以及结束时刻之间的中央的时刻等中的任意时刻。
更新周期决定部11通过步骤S24,在步骤S23中制作的相关系数的时序描绘中,求出相关系数的变化量和时间变化量的关系。相关系数的变化量既可以使用对相关系数的时序变化进行时间微分而得到的值,也可以使用时刻t下的相关系数和时刻t-m(m为任意的常数)下的相关系数的差。
在图7中,示出描绘作为时刻t下的相关系数与时刻t-m(m为任意的常数)下的相关系数的差求出的相关系数的变化量和时间变化量m的关系的图表。图7的纵轴表示相关系数的变化量,横轴表示时间变化量。
更新周期决定部11通过步骤S25,将相关系数的变化量成为预先决定的阈值以下的时间变化量作为更新周期。相关系数的变化量根据在诊断中使用的项目数求出多个,但既可以还使用所有相关系数的变化量的平均值,也可以使用最大值。或者,既可以使用任意的相关系数的变化量,也可以使用任意地选择的多个相关系数的变化量的平均值。
接下来,说明(2)根据读取数据的正常变动周期决定单位空间的数据长度的方法。图8是用于说明该决定方法的处理过程的流程图。
参照图8,更新周期决定部11通过与图2相同的步骤S01,取得任意的期间中的正常运转数据。
更新周期决定部11通过与图5相同的步骤S12,分析在步骤S01中取得的正常运转数据的变动周期。变动周期的分析能够使用通用的解析软件等公知技术进行。
更新周期决定部11通过步骤S33,将通过步骤S12的分析得到的正常运转数据的变动周期或者其常数倍决定为单位空间的更新周期。
(A-4)单位空间数据制作部
返回到图1,单位空间数据制作部5根据由单位空间定义部4决定的单位空间的数据长度以及更新周期,制作单位空间数据。此外,单位空间数据意味着构成单位空间的数据,以后以与单位空间相同的意义使用。在初次的(在单位空间数据积蓄部8中未积蓄数据的状态下的)诊断中,单位空间数据制作部5从读取数据切出由单位空间定义部4决定的数据长度的正常运转数据,将切出的正常运转数据作为单位空间数据。
在诊断到达至根据由更新周期决定部11决定的更新周期设定的更新时期时,单位空间数据制作部5使用通过马氏·田口(MT)法已诊断的数据中的、马氏距离成为阈值以下(即判定为正常)的数据,制作在更新时期以后的诊断中使用的单位空间。具体而言,单位空间数据制作部5在到达更新时期后,从积蓄于单位空间用数据积蓄部8的数据中的、判定为正常的数据,切出由单位空间定义部4决定的数据长度的数据,将切出的数据作为单位空间数据。
(A-5)诊断部
诊断部6使用由单位空间数据制作部5制作的单位空间和由数据读取部2读取并根据需要实施预处理后的数据,通过MT法求出马氏距离。马氏距离能够通过公知的方法计算。此外,诊断部6针对某个诊断时刻的数据,根据单位空间的数量求出多个马氏距离。
(A-6)异常判定部
异常判定部7根据由诊断部6求出的多个马氏距离,判定有无诊断对象的设备的运转状态中的异常。具体而言,异常判定部7通过比较使用多个单位空间分别计算的多个马氏距离和预先设定的阈值,判定设备的运转状态有无异常。
异常判定部7综合基于多个马氏距离的多个判定结果,判定设备的运转状态有无异常。具体而言,在异常判定部7在使用长度相互不同的多个单位空间诊断的情况下,在与多个单位空间对应的多个马氏距离中的至少1个马氏距离成为阈值以上时,判定为设备的运转状态异常。
(A-7)单位空间用数据积蓄部
单位空间用数据积蓄部8将由诊断部6进行诊断后的、具有多个评价项目的状态量的数据与它们的马氏距离关联起来积蓄。
单位空间数据制作部5使用积蓄于单位空间用数据积蓄部8的数据中的、马氏距离为阈值以下的数据,制作在各更新时期以后的诊断中使用的单位空间。在单位空间的更新时期到来的情况下,单位空间数据制作部5通过从积蓄于单位空间用数据积蓄部8的数据切取具有由数据长度决定部10决定的数据长度的数据,制作单位空间,更新单位空间。因此,诊断部6能够使用更新的单位空间,求出马氏距离。
反复执行上述单位空间用数据积蓄部8中的数据的积蓄和单位空间数据制作部5中的单位空间的更新。
(A-8)判定结果输出部
判定结果输出部9输出异常判定部7中的判定结果。判定结果输出部9例如具有显示部,将使用多个单位空间分别求出的多个马氏距离的时序变化显示于显示部。判定结果输出部9进而将根据所有马氏距离判定的、关于有无诊断对象的运转状态的判定结果显示于显示部。判定结果输出部9也可以设为将这些判定结果显示于显示部,并且使用未图示的通信单元发送给外部的装置的结构。
[B.异常诊断装置的硬件结构例]
接下来,说明实施方式1所涉及的异常诊断装置的硬件结构例。
图9是示出实施方式1所涉及的异常诊断装置的硬件结构例的框图。参照图9,异常诊断装置1具备CPU(Central Processing Unit,中央处理单元)20和储存程序以及数据的存储器,通过CPU20依照该程序动作,实现图1所示的功能性的结构。
存储器包括ROM(Read Only Memory,只读存储器)21、RAM(Random AccessMemory,随机存取存储器)22以及HDD(Hard Disk Drive,硬盘驱动器)23。ROM21能够储存由CPU20执行的程序。RAM22能够临时地储存在CPU20中的程序的执行中利用的数据,能够作为被用作作业区域的临时性数据存储器发挥功能。HDD23是非易失性的存储装置,能够储存由数据读取部2读取的数据、单位空间制作用的数据以及异常判定部7中的判定结果等。也可以除了HDD以外或者代替HDD,采用闪速存储器等半导体存储装置。
异常诊断装置1还包括通信接口(I/F)24、I/O(Input/Output(输入/输出))接口25、输入部26以及显示部27。通信接口24是用于异常诊断装置1与包括诊断对象的设备的外部机器通信的接口。通信接口24与“数据读取部2”的一个实施例对应。
I/O接口25是向异常诊断装置1的输入或者从异常诊断装置1的输出的接口。如图9所示,I/O接口25与输入部26以及显示部27连接。
输入部26受理包括来自用户的针对异常诊断装置1的指示的输入。输入部26包括键盘、鼠标、以及与显示部的显示画面一体地构成的触摸面板等,受理由单位空间定义部4以及异常判定部7使用的阈值的设定等。
显示部27与“数据显示部3”以及“判定结果输出部9”的一个实施例对应。显示部27能够显示从诊断对象取得的时序数据以及异常判定部7中的判定结果等。
[C.作用效果]
接下来,说明实施方式1所涉及的异常诊断装置1起到的作用效果。
如上所述,实施方式1所涉及的异常诊断装置1构成为使用数据长度相互不同的多个单位空间,对诊断对象的异常进行诊断。由此,不会将时序数据的正常的变动判定为异常,能够适当地判定成为事故或者故障的前兆的异常的征兆。使用图10至图12,详细说明该作用效果。
在图10(A)中,示出具有季节变动等正常的变动的时序数据的波形。在图10以及以后的附图中,为了使说明容易化,示出多个评价项目中的1个评价项目的时序数据的波形。
在图10(B)中,示出产生比正常的变动小的突发的变化(与图中的区域R1相当)的时序数据的波形。在图10(C)中,示出产生比正常的变动大的长期的变化(与图中的区域R2相当)的时序数据的波形。
为了以高的精度判定诊断对象的异常,要求不将图10(A)所示的正常的变动判定为异常,而将图10(B)以及图10(C)所示的变化这两方判定为异常。
在图11中,示出使用具有正常运转数据的变动周期程度的数据长度的单位空间,根据图10(B)、(C)的时序数据诊断异常的情况。图11(A)示出基于图10(B)的时序数据的异常诊断,图11(B)示出基于图10(C)的时序数据的异常诊断。
如图11(A)所示,在使用数据长度长的单位空间诊断异常的情况下,比正常的变动小的突发的变化收敛于单位空间内,所以无法根据马氏距离,探测该变化。相对于此,如图11(B)所示,比正常的变动大的长期的变化波及到单位空间的外部,所以能够根据马氏距离,探测该变化。
在图12中,示出使用具有比正常运转数据的变动周期充分短的数据长度的单位空间,根据图10(B)、(C)的时序数据诊断异常的情况。图12(A)示出基于图10(B)的时序数据的异常诊断,图12(B)示出基于图10(C)的时序数据的异常诊断。
如图12(A)所示,在使用数据长度短的单位空间诊断异常的情况下,比正常的变动小的突发的变化波及到单位空间的外部,所以能够根据马氏距离,探测该变化。相对于此,如图12(B)所示,关于长期的变化,由于值逐渐变化,所以在使用数据长度短的单位空间的诊断中,构成单位空间的数据的值和诊断对象数据的值相似,所以马氏距离的增大变小,其结果,不判定为异常而更新单位空间。由此,产生使用包含异常的单位空间继续诊断而无法探测异常的情况。
这样,在使用单一的单位空间诊断异常的结构中,无法应对各种异常变动。相对于此,在实施方式1所涉及的异常诊断装置1中,使用数据长度相互不同的多个单位空间。即,在多个单位空间中,包括图11所示的数据长度长的单位空间以及图12所示的数据长度短的单位空间。因此,能够在使用多个单位空间的至少1个的诊断中,探测异常的变动。由此,实施方式1所涉及的异常诊断装置1能够应对各种异常变动,所以能够以高的精度判定异常。
实施方式2.
在上述实施方式1中,说明了使用数据长度相互不同的多个单位空间,诊断设备的异常的结构。在实施方式2中,说明以即便是花费比更新周期长的时间缓慢地变化的经年劣化等异常变动也能够检测的为目的结构。具体而言,说明使用数据收集时期相互不同的多个单位空间,诊断设备的异常的结构。此外,关于与实施方式1重复且在实施方式1中已经说明的事项,省略说明。
[D.异常诊断装置的功能性结构]
在实施方式2中,单位空间数据制作部5(参照图2)在制作具有使用上述方法决定的数据长度的单位空间时,制作由数据收集时期不同的多个单位空间构成的单位空间群。
例如,在将数据长度设为43200点的情况下,单位空间数据制作部5制作数据收集时期相互不同的3个单位空间。43200点与数据的采样周期设为1分钟的情况下的30日量的数据数量相当。
关于第1单位空间,使数据取得开始时刻(以下还称为单位空间开始时刻)成为相对诊断开始时刻30日前,具有从30日前至诊断开始时刻的30日量的数据数量。关于第2单位空间,使单位空间开始时刻成为相对诊断开始时刻60日前,具有从60日前至30日前的30日量的数据数量。关于第3单位空间,使单位空间开始时刻成为相对诊断开始时刻90日前,具有从90日前至60日前的30日量的数据数量。
此外,单位空间开始时刻能够任意地决定为从诊断开始时刻追溯比单位空间的数据长度(例如30日量)长的时间的时刻。另外,第2单位空间以及第3单位空间的开始时刻优选设为追溯比单位空间的更新周期长的时间的时刻。在本实施方式中,例示与过去追溯的3个时期对应的3个单位空间,但单位空间的数量不限于此。
诊断部6(参照图1)关于由单位空间数据制作部5制作的3个单位空间的各个单位空间,求出同一诊断时刻下的马氏距离。即,诊断部6求出基于第1单位空间的第1马氏距离、基于第2单位空间的第2马氏距离以及基于第3单位空间的第3马氏距离。
异常判定部7(参照图1)根据上述3个马氏距离的变化量,判定设备的异常。图13是用于说明异常的判定方法的图。在图13中,示出与第1至第3单位空间分别对应的第1至第3马氏距离。马氏距离的变化量与第1至第3马氏距离的变动幅度相当。在图13的例子中,马氏距离的变化量与作为最小值的第1马氏距离和作为最大值的第3马氏距离的差相当。
异常判定部7在马氏距离的变化量大于预先设定的阈值的情况下,判定为设备的运转状态异常。此外,异常判定部7也可以设为通过除了使用数据收集时期不同的多个单位空间的诊断以外,还并用实施方式1所涉及的诊断,诊断设备的异常的结构。
[E.作用效果]
接下来,说明实施方式2所涉及的异常诊断装置起到的作用效果。在以下的说明中,设想使用数据收集时期相互不同的3个单位空间来对诊断对象的异常进行诊断的情况。
在图14中,示出2个种类的时序数据的波形。波形A是具有正常的变动的时序数据的波形。波形B具有与波形A近似的变动,但数据的大小缓慢地增加。该缓慢的变动与花费比单位空间的更新周期长的时间缓慢地变化的经年劣化等异常变动相当。
第1单位空间通过诊断区间的开始时刻的最近的正常运转数据制作。第2单位空间通过比第1单位空间追溯后的正常运转数据制作。第3单位空间通过比第2单位空间进一步追溯后的正常运转数据制作。关于第1至第3单位空间,正常运转数据的收集时期相互不同。
诊断部6(参照图1)使用诊断区间中的数据、和第1至第3单位空间的各个单位空间,通过MT法计算马氏距离。在图15中,示出关于图14的波形A以及波形B的各个波形计算的马氏距离。在各波形中,示出使用第1单位空间计算的马氏距离、使用第2单位空间计算的马氏距离以及使用第3单位空间计算的马氏距离。
在波形A中,3个马氏距离具有同等的大小,马氏距离未根据单位空间的数据收集时期变化。相对于此,在波形B中,第3单位空间中的马氏距离最大,第1单位空间中的马氏距离最小。这样,在时序数据中有由于经年劣化引起的异常变动的情况下,马氏距离根据单位空间的数据收集时期变化。
异常判定部7(参照图1)根据上述3个马氏距离的变化量,判定诊断对象的异常。马氏距离的变化量与第1至第3马氏距离的变动幅度相当。异常判定部7在马氏距离的变化量大于预先设定的阈值的情况下,判定为设备的运转状态异常。
在图15的例子中,在仅使用第1单位空间求出波形B的时序数据的马氏距离的情况下,具有正常的变动的波形A和具有异常的变动的波形B的马氏距离相等。因此,无法探测波形B的异常的变动。
相对于此,在本实施方式2中,通过使用比第1单位空间追溯数据收集时期的第2单位空间以及第3单位空间求出马氏距离,波形A以及波形B的马氏距离出现差。这样,通过使用数据收集时期相互不同的多个单位空间求出同一诊断区间的马氏距离,能够根据马氏距离的变化量,探测由于经年劣化引起的异常的变动。
实施方式3.
在实施方式3中,说明实施方式1中的单位空间的更新方法。单位空间的更新由单位空间数据制作部5(参照图1)执行。此外,设为在本实施方式中使用的单位空间的数据长度以及更新周期是通过在实施方式1中说明的方法用单位空间定义部4决定的数据长度(数据数)以及更新周期。
图16是用于说明单位空间的更新方法的处理过程的图。在图16(A)至图16(C)中,阶段性地示出每当从开始诊断至到达更新时期时更新单位空间的状况。
首先,如图16(A)所示,在诊断开始后,通过诊断部6,从诊断开始时间点至到达第1次的更新时期的时间点(以下还称为“第1更新时期”)进行诊断。在该初次的诊断中使用的单位空间(以下还称为“第1单位空间”)是从读取数据切出由单位空间定义部4决定的数据长度(以下还称为“单位空间数据数”)的正常运转数据而得到的。
在诊断开始后,在到达第1更新时期时,单位空间数据制作部5丢弃在初次的诊断中使用的第1单位空间,并且新制作在第1更新时期以后的第2诊断中使用的单位空间(以下还称为“第2单位空间”)。
在图16(B)中,示出第2单位空间的制作方法。单位空间数据制作部5使用在从诊断开始时间点到第1更新时期的期间积蓄到单位空间数据积蓄部8的数据中的、马氏距离为预先决定的阈值以下的数据,制作第2单位空间。因此,构成第1单位空间的数据(第1单位空间数据)被全部丢弃,不用于第2单位空间。
具体而言,单位空间数据制作部5抽出从诊断开始时间点至第1更新时期的期间的数据中的、通过MT法计算的马氏距离成为阈值以下(即判定为正常)的数据。进而,单位空间数据制作部5从该抽出的数据中,从最接近第1更新时期的日期时间(最新的日期时间)的数据向过去追溯,抽出单位空间数据数量的数据,新制作第2单位空间。诊断部6使用该第2单位空间,进行第2(第1更新时期以后的)诊断。
在第2诊断开始后,在到达第2次的更新时期(以下还称为“第2更新时期”)时,单位空间数据制作部5丢弃在第2诊断中使用的第2单位空间。然后,单位空间数据制作部5新制作在第2更新时期以后的第3诊断中使用的单位空间(以下还称为“第3单位空间”)。
在图16(C)中,示出第3单位空间的制作方法。单位空间数据制作部5使用在从第2诊断开始时间点到第2更新时期的期间积蓄到单位空间数据积蓄部8的数据中的、马氏距离为预先决定的阈值以下的数据,制作第3单位空间。因此,构成第2单位空间的数据(第2单位空间数据)被全部丢弃,不用于第3单位空间。
具体而言,单位空间数据制作部5抽出从第1更新时期(第2诊断开始时间点)至第2更新时期的期间的数据中的、马氏距离成为阈值以下(即判定为正常)的数据。进而,单位空间数据制作部5从抽出的数据中,从最接近第2更新时期的日期时间(最新的日期时间)的数据向过去追溯,抽出单位空间数据数量的数据,新制作第3单位空间。诊断部6使用该第3单位空间,进行第3(第2更新时期以后的)诊断。
在第3诊断的开始时间点以后,单位空间数据制作部5通过每当到达更新时期时,反复上述过程,周期性地更新单位空间。诊断部6使用周期性地更新的单位空间,继续诊断。因此,更新周期优选与单位空间数据数相同或者比单位空间数据数长。另外,即使在使用多个单位空间的诊断中,也使用同样的过程,周期性地更新各单位空间。使用更新的多个单位空间,进行诊断。
这样,每当到达更新时期时,丢弃在此前的诊断中使用的单位空间,不再次使用在过去的诊断中使用的单位空间数据(构成单位空间的数据),使用最近从设备取得的数据中的马氏距离为阈值以下的数据,新制作单位空间,用于更新时期以后的诊断。因此,能够使用由反映诊断对象设备的最新的状态的正常数据构成的单位空间,实施诊断,能够进行无误判定的诊断。
实施方式4.
在实施方式3中说明的单位空间的更新方法中,可能引起在从诊断开始时间点到接下来的更新时期的期间积蓄到单位空间数据积蓄部8的数据中的、马氏距离成为阈值以下的数据的数量不满预先由单位空间定义部4决定的单位空间数据数的情况。在实施方式4中,说明这样的情况下的单位空间的更新方法。
在实施方式4所涉及的单位空间的更新方法中,存在以下叙述的第1更新方法以及第2更新方法。单位空间数据制作部5能够选择这些2个种类的更新方法中的任意更新方法更新单位空间。
(1)第1更新方法
图17以及图18是用于说明单位空间的第1更新方法的处理过程的图。在图17(A)至图17(C)以及图18(A)至图18(C)中,阶段性地示出每当从开始诊断至到达更新时期时单位空间被更新的状况。
图17以及图18相比于图16,第3单位空间的制作方法不同。具体而言,在图17中,示出用于制作第3单位空间的数据的数量不满单位空间数据数的情况。在图18中,图17所示的情况下的制作第3单位空间的过程。此外,图17(A)以及图17(B)与图16(A)以及图16(B)相同,所以不反复关于它们的详细的说明。
如图17(C)所示,为了制作第3单位空间,单位空间数据制作部5抽出在从第2诊断开始时间点到第2更新时期的期间积蓄到单位空间数据积蓄部8的数据中的、马氏距离成为阈值以下(即判定为正常)的数据。进而,单位空间数据制作部5从抽出的数据中,从最接近第2更新时期的日期时间(最新的日期时间)的数据向过去追溯,抽出预先决定的单位空间数据数量的数据。
在此,在马氏距离成为阈值以下的数据数不满单位空间数据数的情况下,单位空间数据制作部5如图18(A)所示,即使到达第2更新时期,也不更新单位空间。即,单位空间数据制作部5不新制作第3单位空间,保持第2单位空间。因此,诊断部6使用第2单位空间,也针对第2更新时期以后的数据进行诊断。将该诊断称为第2’诊断。
在第2’诊断中,诊断部6使用第2单位空间和在第2’诊断开始时间点以后由数据读取部2读取并根据需要实施预处理后的数据,计算马氏距离。
如图18(B)所示,直至在从第2诊断开始时间点至最新的诊断(使用第2单位空间进行了诊断的期间、即第2诊断与第2’诊断的期间)积蓄到单位空间数据积蓄部8的数据中的马氏距离为阈值以下的数据数成为与由单位空间定义部4预先决定的单位空间数据数相同的时间点,继续第2’诊断。另外,将该马氏距离为阈值以下的数据数与单位空间数据数相同的时间点设为新的更新时期。
在图18(C)中,在从第2诊断开始时间点至新的更新时期(使用第2单位空间的诊断范围)的数据中的、马氏距离成为阈值以下的数据的数量达到单位空间数据数时,诊断部6结束第2’诊断。此时,单位空间数据制作部5丢弃在直至新的更新时期的诊断中使用的单位空间,将从第2诊断开始时间点至最新的诊断(使用第2单位空间进行了诊断的期间、即第2诊断与第2’诊断的期间)积蓄到单位空间数据积蓄部8的数据中的、马氏距离为阈值以下的数据,新制作为第3单位空间。即,单位空间从本来的第2更新时期延迟更新。诊断部6使用第3单位空间,开始第3诊断。
此外,在图18(C)中,新的更新时期以后的更新周期的计数在新的更新时期(将新制作的第3单位空间应用于诊断的时间点)中被复位。因此,单位空间数据制作部5以该时间点为起点对更新周期进行计数,在到达第3次的更新时期(以下还称为“第3更新时期”)时,新制作在第3更新时期以后的第4诊断中使用的单位空间(以下还称为“第4单位空间”)。
单位空间数据制作部5通过根据抽出的数据数切换使用实施方式3所示的更新方法和上述第1更新方法,适当更新单位空间。诊断部6使用更新的单位空间,继续进行诊断。由此,仅使用马氏距离成为阈值以下的数据,生成单位空间,所以能够抑制由于使用包含异常数据的单位空间的诊断引起的误判定。另外,这样制作的单位空间反映最新的设备状态,所以能够防止将季节变动等正常变动误判定为异常。
(2)第2更新方法
图19至图21是用于说明单位空间的第2更新方法的处理过程的图。在图19(A)至图19(C)、图20(A)至图20(C)以及图21(A)至图21(C)中,阶段性地示出每当从开始诊断至到达更新周期时更新单位空间的状况。
图19以及图20相比于图16,第3单位空间的制作方法不同。具体而言,在图19以及图20中,示出用于制作第3单位空间的数据的数量不满单位空间数据数的情况下的制作第3单位空间的过程。此外,图19(A)以及图19(B)与图16(A)以及图16(B)相同,所以不反复关于它们的详细的说明。
如图19(C)所示,为了制作第3单位空间,单位空间数据制作部5在到达第2更新时期时,丢弃在此前的诊断中使用的单位空间,抽出在从第2诊断开始时间点到第2更新时期的期间积蓄到单位空间数据积蓄部8的数据中的、马氏距离成为阈值以下(即判定为正常)的数据。进而,单位空间数据制作部5从抽出的数据中,从最接近第2更新时期的日期时间(最新的日期时间)的数据向过去追溯,抽出预先决定的单位空间数据数量的数据。
在第2更新方法中,即使在马氏距离成为阈值以下的数据数不满预先由单位空间定义部4决定的单位空间数据数的情况下,单位空间数据制作部5在第2更新时期丢弃在此前的诊断中使用的单位空间,新制作第3单位空间。因此,诊断部6在第2更新时期以后,使用第3单位空间进行第3诊断。
第2更新方法被应用于如根据季节变动周期等决定更新周期的情况,优选固定预先决定的更新周期来运用的情况。但是,在马氏距离成为阈值以下的数据数比在马氏距离的计算中使用的评价项目数或者其常数倍少的情况下,存在无法进行正确的诊断的可能性。因此,如图19(C)所示,如果马氏距离成为阈值以下的数据数是评价项目数以上或者其常数倍以上,则单位空间数据制作部5即使在不满预先决定的单位空间数据数的情况下,也使用该马氏距离成为阈值以下的数据,制作第3单位空间,用于第3诊断。
在图20(A)中,示出第4单位空间的制作方法。单位空间数据制作部5使用在从第3诊断开始时间点到第3更新时期的期间积蓄到单位空间数据积蓄部8的数据中的、马氏距离为阈值以下的数据,制作第4单位空间。
在图20(A)中,发生用于制作第4单位空间的马氏距离为阈值以下的数据的数量不满单位空间数据数、并且马氏距离成为阈值以下的数据数比评价项目数或者其常数倍少的情况。在这样的情况下,单位空间数据制作部5即使到达第3更新时期也不更新单位空间。即,如图20(B)所示,单位空间数据制作部5不新制作第4单位空间,而保持第3单位空间。因此,如图20(C)所示,诊断部6使用第3单位空间,也针对第3更新时期以后的数据进行诊断。即,使用第3单位空间,进行第4诊断。
在图21(A)~(C)中,示出第4单位空间的制作方法。在第4诊断开始后,在到达第4次的更新时期(以下还称为“第4更新时期”)时,单位空间数据制作部5抽出在从第4诊断开始时间点到第4更新时期的期间积蓄到单位空间数据积蓄部8的数据中的、马氏距离成为阈值以下(即判定为正常)的数据。
在此,在马氏距离成为阈值以下的数据数不满由单位空间定义部4预先决定的单位空间数据数的情况下,单位空间数据制作部5判定马氏距离成为阈值以下的数据数是否为在诊断中使用的评价项目数或者其常数倍以上。在确认马氏距离成为阈值以下的数据数是在诊断中使用的评价项目数或者其常数倍以上后,单位空间数据制作部5如图21(B)所示,使用马氏距离成为阈值以下的数据,新制作第4单位空间。由此,诊断部6使用第4单位空间,进行第5诊断。
单位空间数据制作部5通过根据抽出的数据数切换使用实施方式3所示的更新方法和上述第2更新方法,适当更新单位空间。诊断部6使用更新的单位空间,继续进行诊断。由此,仅使用马氏距离成为阈值以下的数据,生成单位空间,所以能够抑制由于使用包含异常数据的单位空间的诊断引起的误判定。另外,这样制作的单位空间反映最新的设备状态,所以能够防止将季节变动等正常变动误判定为异常。进而,即使在有季节变动等周期性正常的状态变化的情况下,也能够以一定的周期更新单位空间,所以能够防止误判定。
实施方式5.
在实施方式5中,说明决定用于在单位空间更新时从积蓄到单位空间数据积蓄部8的数据中选择被用作新制作的单位空间的数据的马氏距离的阈值的方法。图22是用于说明决定马氏距离的阈值的方法的图。在图22中,例示马氏距离的频数分布(直方图)。图22的直方图是针对已知未发生异常而为正常状态的任意的期间中的数据进行诊断而求出的马氏距离的直方图。直方图的横轴表示马氏距离的区分,纵轴表示包含于各区分的马氏距离的相对频数以及累积相对频数。
在实施方式5中,针对马氏距离的累积相对频数预先设定用于决定马氏距离的阈值的判定值。然后,将累积相对频数成为判定值时的马氏距离决定为马氏距离的阈值。在图22的例子中,将累积相对频数的判定值设为95%。能够将累积相对频数成为95%时的马氏距离决定为阈值。这样,通过根据依据已知正常状态的数据求出的马氏距离的直方图决定阈值,能够根据诊断对象设备或者机器决定最佳的阈值,能够防止误判定。
此外,关于以上说明的多个实施方式,包括在说明书内未言及的组合,在不产生不匹配或者矛盾的范围内,适当地组合在各实施方式中说明的结构是从申请当初起计划的。
应认为本次公开的实施方式在所有方面为例示而非限制性的。本公开的范围并非由上述说明示出而由权利要求书示出,意图包括与权利要求书均等的意义以及范围内的所有变更。
Claims (30)
1.一种异常诊断方法,对诊断对象的运转状态的异常进行诊断,其中,具备:
根据所述诊断对象的正常运转数据,制作成为用于判定所述诊断对象的运转状态的基准的单位空间的步骤;
从所述诊断对象取得具有多个评价项目的状态量的数据的步骤;
使用制作的所述单位空间,计算取得的所述数据的马氏距离的步骤;以及
根据计算的所述马氏距离,判定所述诊断对象的运转状态的异常的步骤,
制作所述单位空间的步骤包括制作数据长度相互不同的多个单位空间的步骤,
制作所述多个单位空间的步骤包括根据从所述诊断对象取得的所述数据中的所述多个评价项目之间的相关系数以及所述数据的正常变动周期中的至少1个,决定各所述多个单位空间的数据长度的步骤,
计算所述马氏距离的步骤包括使用制作的所述多个单位空间计算多个马氏距离的步骤,
判定所述异常的步骤包括根据计算的所述多个马氏距离判定异常的步骤。
2.一种异常诊断方法,对诊断对象的运转状态的异常进行诊断,其中,具备:
根据所述诊断对象的正常运转数据,制作成为用于判定所述诊断对象的运转状态的基准的单位空间的步骤;
从所述诊断对象取得具有多个评价项目的状态量的数据的步骤;
使用制作的所述单位空间,计算取得的所述数据的马氏距离的步骤;以及
根据计算的所述马氏距离,判定所述诊断对象的运转状态的异常的步骤,
制作所述单位空间的步骤包括制作数据长度相互不同的多个单位空间的步骤,
计算所述马氏距离的步骤包括使用制作的所述多个单位空间,针对同一诊断时刻的所述数据,计算多个马氏距离的步骤,
判定所述异常的步骤包括根据计算的所述多个马氏距离判定异常的步骤。
3.根据权利要求1或者2所述的异常诊断方法,其中,
还具备根据从所述诊断对象取得的所述数据中的所述多个评价项目之间的相关系数,决定所述单位空间的更新周期,周期性地更新所述单位空间的步骤。
4.根据权利要求1或者2所述的异常诊断方法,其中,
还具备使用根据从所述诊断对象取得的所述数据中的所述多个评价项目之间的相关系数决定的更新周期以及决定为根据所述数据的变动周期的分析求出的周期的常数倍的更新周期中的至少1个,周期性地更新所述单位空间的步骤。
5.根据权利要求2至4中的任意一项所述的异常诊断方法,其中,
制作所述多个单位空间的步骤包括根据从所述诊断对象取得的所述数据中的所述多个评价项目之间的相关系数以及所述数据的正常变动周期中的至少1个,决定各所述多个单位空间的数据长度的步骤。
6.一种异常诊断方法,对诊断对象的运转状态的异常进行诊断,其中,具备:
根据所述诊断对象的正常运转数据,制作成为用于判定所述诊断对象的运转状态的基准的单位空间的步骤;
从所述诊断对象取得具有多个评价项目的状态量的数据的步骤;
使用制作的所述单位空间,计算取得的所述数据的马氏距离的步骤;以及
根据计算的所述马氏距离,判定所述诊断对象的运转状态的异常的步骤,
制作所述单位空间的步骤包括制作正常运转数据的收集时期相互不同的多个单位空间的步骤,
计算所述马氏距离的步骤包括使用制作的所述多个单位空间计算多个马氏距离的步骤,
判定所述异常的步骤包括根据计算的所述多个马氏距离的变化量判定异常的步骤。
7.根据权利要求3或者4所述的异常诊断方法,其中,
周期性地更新所述单位空间的步骤包括:
在诊断开始后,每当到达基于所述更新周期的更新时期时,将构成在直至所述更新时期的诊断中使用的所述单位空间的数据全部丢弃的步骤;
在诊断开始后,在到达第1次的所述更新时期时,将在从诊断开始时间点至所述第1次的更新时期取得的所述数据中的、所述马氏距离为阈值以下的数据从最新向过去追溯而抽出所述单位空间数据数量,并且使用抽出的数据,新制作在所述第1次的更新时期以后的诊断中使用的所述单位空间的步骤;以及
在诊断开始后,在到达第2次以后的各所述更新时期时,将在从上次的所述更新时期至本次的所述更新时期取得的所述数据中的、所述马氏距离为所述阈值以下的数据从最新向过去追溯而抽出所述单位空间数据数量,并且使用抽出的数据,新制作在所述本次的更新时期以后的诊断中使用的所述单位空间的步骤。
8.根据权利要求3或者4所述的异常诊断方法,其中,
周期性地更新所述单位空间的步骤包括:
在诊断开始后,在到达基于所述更新周期的第1次的更新时期时,从最新向过去追溯而抽出在从诊断开始时间点至所述第1次的更新时期取得的所述数据中的、所述马氏距离为阈值以下的数据,使用抽出的数据,新制作在所述第1次的更新时期以后的诊断中使用的第1所述单位空间的步骤;以及
在诊断开始后,在到达第2次以后的各所述更新时期时,从最新向过去追溯而抽出在从上次的所述更新时期至本次的所述更新时期取得的所述数据中的、所述马氏距离为所述阈值以下的数据,使用抽出的数据,新制作在所述本次的更新时期以后的诊断中使用的第2所述单位空间的步骤,
新制作所述第1单位空间的步骤包括:
在所述第1次的更新时期,在从诊断开始时间点至所述第1次的更新时期取得的所述数据中的所述马氏距离为所述阈值以下的数据数不满所述单位空间数据数的情况下,在所述第1次的更新时期以后,也使用与所述第1次的更新时期前相同的所述单位空间继续诊断的步骤;以及
将在从诊断开始时间点至最新的诊断取得的所述数据中的、所述马氏距离为所述阈值以下的数据数达到所述单位空间数据数的时间点作为新的更新时期,在到达所述新的更新时期时将构成在直至所述新的更新时期的诊断中使用的所述单位空间的数据全部丢弃,并且使用在从诊断开始时间点至所述新的更新时期取得的所述数据中的、所述马氏距离为所述阈值以下的数据,制作在所述新的更新时期以后的诊断中使用的所述第1单位空间的步骤,
新制作所述第2单位空间的步骤包括:
在所述本次的更新时期,在从上次的所述更新时期至本次的所述更新时期取得的所述数据中的、所述马氏距离为所述阈值以下的数据数不满所述单位空间数据数的情况下,在本次的所述更新时期以后,也使用与本次的所述更新时期前相同的所述单位空间继续诊断的步骤;以及
将在从上次的所述更新时期至最新的诊断取得的所述数据中的、所述马氏距离为阈值以下的数据数达到所述单位间数据数的时间点作为新的更新时期,在到达所述新的更新时期时将构成在直至所述新的更新时期的诊断中使用的所述单位空间的数据全部丢弃,并且使用在从上次的所述更新时期至所述新的更新时期取得的所述数据中的、所述马氏距离为所述阈值以下的数据,制作在所述新的更新时期以后的诊断中使用的所述第2单位空间的步骤。
9.根据权利要求3或者4所述的异常诊断方法,其中,
周期性地更新所述单位空间的步骤包括:
在诊断开始后,在到达基于所述更新周期的第1次的更新时期时,新制作在所述第1次的更新时期以后的诊断中使用的第1所述单位空间的步骤;以及
在诊断开始后,在到达第2次以后的各所述更新时期时,新制作在所述本次的更新时期以后的诊断中使用的第2所述单位空间的步骤,
新制作所述第1单位空间的步骤包括:
在所述第1次的更新时期,在从诊断开始时间点至所述第1次的更新时期取得的所述数据中的所述马氏距离为所述阈值以下的数据数不满单位空间数据数、且是在所述马氏距离的计算中使用的评价项目数以上或者其常数倍以上时,将构成在直至所述第1次的更新时期的诊断中使用的所述单位空间的数据全部丢弃,并且使用直至所述第1次的更新时期取得的所述马氏距离为阈值以下的数据,制作在所述第1次的更新时期以后的诊断中使用的所述第1单位空间的步骤;以及
在从诊断开始时间点至所述第1次的更新时期取得的所述数据中的所述马氏距离为所述阈值以下的数据数不满所述单位空间数据数、且小于所述评价项目数或者小于其常数倍时,直至到达第2次的所述更新时期,使用与所述第1次的更新时期前相同的所述单位空间,直至接下来的所述更新时期继续诊断的步骤,
新制作所述第2单位空间的步骤包括:
在本次的所述更新时期,在从上次的所述更新时期至所述本次的更新时期取得的所述数据中的所述马氏距离为所述阈值以下的数据数不满所述单位空间数据数、且是所述评价项目数以上或者其常数倍以上时,将构成在直至所述本次的更新时期的诊断中使用的所述单位空间的数据全部丢弃,并且使用在从所述上次的更新时期至所述本次的更新时期取得的所述马氏距离为所述阈值以下的数据,制作在所述本次的更新时期以后的诊断中使用的所述第2单位空间的步骤;以及
在从所述上次的更新时期至所述本次的更新时期取得的所述数据中的所述马氏距离为所述阈值以下的数据数不满所述单位空间数据数、且小于所述评价项目数或者小于其常数倍时,直至到达下次的所述更新时期,使用与所述本次的更新时期前相同的所述单位空间继续诊断的步骤。
10.根据权利要求7至9中的任意一项所述的异常诊断方法,其中,
还具备使用针对已知未发生异常的任意的期间求出的马氏距离制作直方图,将所述直方图的累积相对频数成为预先决定的值时的所述马氏距离设定为所述阈值的步骤。
11.一种异常诊断装置,对诊断对象的运转状态的异常进行诊断,其中,具备:
单位空间数据制作部,根据所述诊断对象的正常运转数据,制作成为用于判定所述诊断对象的运转状态的基准的单位空间;
数据读取部,从所述诊断对象取得具有多个评价项目的状态量的数据;
诊断部,使用制作的所述单位空间,计算取得的所述数据的马氏距离;
异常判定部,根据计算的所述马氏距离,判定所述诊断对象的运转状态的异常;以及
单位空间定义部,定义所述单位空间,
所述单位空间数据制作部制作数据长度相互不同的多个单位空间,
所述单位空间定义部根据从所述诊断对象取得的所述数据中的所述多个评价项目之间的相关系数以及所述数据的正常变动周期中的至少1个,决定各所述多个单位空间的数据长度,
所述诊断部使用制作的所述多个单位空间,计算多个马氏距离,
所述异常判定部根据计算的所述多个马氏距离判定异常。
12.一种异常诊断装置,对诊断对象的运转状态的异常进行诊断,其中,具备:
单位空间数据制作部,根据所述诊断对象的正常运转数据,制作成为用于判定所述诊断对象的运转状态的基准的单位空间;
数据读取部,从所述诊断对象取得具有多个评价项目的状态量的数据;
诊断部,使用制作的所述单位空间,计算取得的所述数据的马氏距离;以及
异常判定部,根据计算的所述马氏距离,判定所述诊断对象的运转状态的异常,
所述单位空间数据制作部制作数据长度相互不同的多个单位空间,
所述诊断部使用制作的所述多个单位空间,针对同一诊断时刻的所述数据,计算多个马氏距离,
所述异常判定部根据计算的所述多个马氏距离判定异常。
13.根据权利要求11或者12所述的异常诊断装置,其中,
所述单位空间数据制作部使用根据从所述诊断对象取得的所述数据中的所述多个评价项目之间的相关系数决定的更新周期,周期性地更新所述单位空间。
14.根据权利要求11或者12所述的异常诊断装置,其中,
所述单位空间数据制作部使用根据从所述诊断对象取得的所述数据中的所述多个评价项目之间的相关系数决定的更新周期以及决定为根据所述数据的变动周期的分析求出的周期的常数倍的更新周期中的至少1个,周期性地更新所述单位空间。
15.根据权利要求12至14中的任意一项所述的异常诊断装置,其中,
所述单位空间定义部根据从所述诊断对象取得的所述数据中的所述多个评价项目之间的相关系数以及所述数据的正常变动周期中的至少1个,决定各所述多个单位空间的数据长度。
16.一种异常诊断装置,对诊断对象的运转状态的异常进行诊断,其中,具备:
单位空间数据制作部,根据所述诊断对象的正常运转数据,制作成为用于判定所述诊断对象的运转状态的基准的单位空间;
数据读取部,从所述诊断对象取得具有多个评价项目的状态量的数据;
诊断部,使用制作的所述单位空间,计算取得的所述数据的马氏距离;以及
异常判定部,根据计算的所述马氏距离,判定所述诊断对象的运转状态的异常,
所述单位空间数据制作部制作所述正常运转数据的收集时期相互不同的多个单位空间,
所述诊断部使用制作的所述多个单位空间,计算多个马氏距离,
所述异常判定部根据计算的所述多个马氏距离的变化量判定异常。
17.根据权利要求13或者14所述的异常诊断装置,其中,
所述单位空间数据制作部:
在诊断开始后,每当到达基于所述更新周期的更新时期时,将构成在直至所述更新时期的诊断中使用的所述单位空间的数据全部丢弃,
在诊断开始后,在到达第1次的所述更新时期时,将在从诊断开始时间点至所述第1次的更新时期取得的所述数据中的、所述马氏距离为阈值以下的数据从最新向过去追溯而抽出所述单位空间数据数量,并且使用抽出的数据,新制作在所述第1次的更新时期以后的诊断中使用的所述单位空间,
在诊断开始后,在到达第2次以后的各所述更新时期时,将在从上次的所述更新时期至本次的所述更新时期取得的所述数据中的、所述马氏距离为所述阈值以下的数据从最新向过去追溯而抽出所述单位空间数据数量,并且使用抽出的数据,新制作在所述本次的更新时期以后的诊断中使用的所述单位空间。
18.根据权利要求13或者14所述的异常诊断装置,其中,
所述单位空间数据制作部构成为:
在诊断开始后,在到达基于所述更新周期的第1次的更新时期时,从最新向过去追溯而抽出在从诊断开始时间点至所述第1次的更新时期取得的所述数据中的、所述马氏距离为阈值以下的数据,使用抽出的数据,新制作在所述第1次的更新时期以后的诊断中使用的第1所述单位空间,
在诊断开始后,在到达第2次以后的各所述更新时期时,从最新向过去追溯而抽出在从上次的所述更新时期至本次的所述更新时期取得的所述数据中的、所述马氏距离为所述阈值以下的数据,使用抽出的数据,新制作在所述本次的更新时期以后的诊断中使用的第2所述单位空间,
在新制作所述第1单位空间时,所述单位空间数据制作部:
在所述第1次的更新时期,在从诊断开始时间点至所述第1次的更新时期取得的所述数据中的所述马氏距离为所述阈值以下的数据数不满所述单位空间数据数的情况下,在所述第1次的更新时期以后,也使用与所述第1次的更新时期前相同的所述单位空间继续诊断,
将在从诊断开始时间点至最新的诊疗取得的所述数据中的、所述马氏距离为所述阈值以下的数据数达到所述单位空间数据数的时间点作为新的更新时期,在到达所述新的更新时期时,将构成在直至所述新的更新时期的诊断中使用的所述单位空间的数据全部丢弃,
使用在从诊断开始时间点至所述新的更新时期取得的所述数据中的、所述马氏距离为所述阈值以下的数据,制作在所述新的更新时期以后的诊断中使用的所述第1单位空间,
在新制作所述第2单位空间时,所述单位空间数据制作部:
在所述本次的更新时期,在从上次的所述更新时期至本次的所述更新时期取得的所述数据中的、所述马氏距离为所述阈值以下的数据数不满所述单位空间数据数的情况下,在本次的所述更新时期以后,也使用与本次的所述更新时期前相同的所述单位空间继续诊断,
将在从上次的所述更新时期至最新的诊断取得的所述数据中的、所述马氏距离为阈值以下的数据数达到所述单位间数据数的时间点作为新的更新时期,在到达所述新的更新时期时,将构成在直至所述新的更新时期的诊断中使用的所述单位空间的数据全部丢弃,
使用在从上次的所述更新时期至所述新的更新时期取得的所述数据中的、所述马氏距离为所述阈值以下的数据,制作在所述新的更新时期以后的诊断中使用的所述第2单位空间。
19.根据权利要求13或者14所述的异常诊断装置,其中,
所述单位空间数据制作部构成为:
在诊断开始后,在到达基于所述更新周期的第1次的更新时期时,新制作在所述第1次的更新时期以后的诊断中使用的第1所述单位空间,
在诊断开始后,在到达第2次以后的各所述更新时期时,新制作在所述本次的更新时期以后的诊断中使用的第2所述单位空间,
在新制作所述第1单位空间时,所述单位空间数据制作部:
在所述第1次的更新时期,在从诊断开始时间点至所述第1次的更新时期取得的所述数据中的所述马氏距离为所述阈值以下的数据数不满单位空间数据数、且是在所述马氏距离的计算中使用的评价项目数以上或者其常数倍以上时,将构成在直至所述第1次的更新时期的诊断中使用的所述单位空间的数据全部丢弃,并且使用直至所述第1次的更新时期取得的所述马氏距离为阈值以下的数据,制作在所述第1次的更新时期以后的诊断中使用的所述第1单位空间,
在从诊断开始时间点至所述第1次的更新时期取得的所述数据中的所述马氏距离为所述阈值以下的数据数不满所述单位空间数据数、且小于所述评价项目数或者小于其常数倍时,直至到达第2次的所述更新时期,使用与所述第1次的更新时期前相同的所述单位空间,直至接下来的所述更新时期继续诊断,
在新制作所述第2单位空间时,所述单位空间数据制作部:
在本次的所述更新时期,在从上次的所述更新时期至所述本次的更新时期取得的所述数据中的所述马氏距离为所述阈值以下的数据数不满所述单位空间数据数、且是所述评价项目数以上或者其常数倍以上时,将构成在直至所述本次的更新时期的诊断中使用的所述单位空间的数据全部丢弃,并且使用在从所述上次的更新时期至所述本次的更新时期取得的所述马氏距离为所述阈值以下的数据,制作在所述本次的更新时期以后的诊断中使用的所述第2单位空间,
在从所述上次的更新时期至所述本次的更新时期取得的所述数据中的所述马氏距离为所述阈值以下的数据数不满所述单位空间数据数、且小于所述评价项目数或者小于其常数倍时,直至到达下次的所述更新时期,使用与所述本次的更新时期前相同的所述单位空间继续诊断。
20.根据权利要求17至19中的任意一项所述的异常诊断装置,其中,
所述单位空间数据制作部使用针对已知未发生异常的任意的期间求出的马氏距离制作直方图,将所述直方图的累积相对频数成为预先决定的值时的所述马氏距离设定为所述阈值。
21.一种异常诊断程序,是用于使计算机执行对诊断对象的运转状态的异常进行诊断的处理的程序,其中,该异常诊断程序使所述计算机执行:
根据所述诊断对象的正常运转数据,制作成为用于判定所述诊断对象的运转状态的基准的单位空间的步骤;
从所述诊断对象取得具有多个评价项目的状态量的数据的步骤;
使用制作的所述单位空间,计算取得的所述数据的马氏距离的步骤;以及
根据计算的所述马氏距离,判定所述诊断对象的运转状态的异常的步骤,
制作所述单位空间的步骤包括制作数据长度相互不同的多个单位空间的步骤,
制作所述多个单位空间的步骤包括根据从所述诊断对象取得的所述数据中的所述多个评价项目之间的相关系数以及所述数据的正常变动周期中的至少1个,决定各所述多个单位空间的数据长度的步骤,
计算所述马氏距离的步骤包括使用制作的所述多个单位空间计算多个马氏距离的步骤,
判定所述异常的步骤包括根据计算的所述多个马氏距离判定异常的步骤。
22.一种异常诊断程序,是用于使计算机执行对诊断对象的运转状态的异常进行诊断的处理的程序,其中,该异常诊断程序使所述计算机执行:
根据所述诊断对象的正常运转数据,制作成为用于判定所述诊断对象的运转状态的基准的单位空间的步骤;
从所述诊断对象取得具有多个评价项目的状态量的数据的步骤;
使用制作的所述单位空间,计算取得的所述数据的马氏距离的步骤;以及
根据计算的所述马氏距离,判定所述诊断对象的运转状态的异常的步骤,
制作所述单位空间的步骤包括制作数据长度相互不同的多个单位空间的步骤,
计算所述马氏距离的步骤包括使用制作的所述多个单位空间,针对同一诊断时刻的所述数据,计算多个马氏距离的步骤,
判定所述异常的步骤包括根据计算的所述多个马氏距离判定异常的步骤。
23.根据权利要求21或者22所述的异常诊断程序,其中,使所述计算机还执行:
根据从所述诊断对象取得的所述数据中的所述多个评价项目之间的相关系数,决定所述单位空间的更新周期,周期性地更新所述单位空间的步骤。
24.根据权利要求21或者22所述的异常诊断程序,其中,使所述计算机还执行:
使用根据从所述诊断对象取得的所述数据中的所述多个评价项目之间的相关系数决定的更新周期以及决定为根据所述数据的变动周期的分析求出的周期的常数倍的更新周期中的至少1个,周期性地更新所述单位空间的步骤。
25.根据权利要求22至24中的任意一项所述的异常诊断程序,其中,
制作所述多个单位空间的步骤包括根据从所述诊断对象取得的所述数据中的所述多个评价项目之间的相关系数以及所述数据的正常变动周期中的至少1个,决定各所述多个单位空间的数据长度的步骤。
26.一种异常诊断程序,是用于使计算机执行对诊断对象的运转状态的异常进行诊断的处理的程序,其中,该异常诊断程序使所述计算机执行:
根据所述诊断对象的正常运转数据,制作成为用于判定所述诊断对象的运转状态的基准的单位空间的步骤;
从所述诊断对象取得具有多个评价项目的状态量的数据的步骤;
使用制作的所述单位空间,计算取得的所述数据的马氏距离的步骤;以及
根据计算的所述马氏距离,判定所述诊断对象的运转状态的异常的步骤,
制作所述单位空间的步骤包括制作正常运转数据的收集时期相互不同的多个单位空间的步骤,
计算所述马氏距离的步骤包括使用制作的所述多个单位空间计算多个马氏距离的步骤,
判定所述异常的步骤包括根据计算的所述多个马氏距离的变化量判定异常的步骤。
27.根据权利要求23或者24所述的异常诊断程序,其中,
周期性地更新所述单位空间的步骤包括:
在诊断开始后,每当到达基于所述更新周期的更新时期时,将构成在直至所述更新时期的诊断中使用的所述单位空间的数据全部丢弃的步骤;
在诊断开始后,在到达第1次的所述更新时期时,将在从诊断开始时间点至所述第1次的更新时期取得的所述数据中的、所述马氏距离为阈值以下的数据从最新向过去追溯而抽出所述单位空间数据数量,并且使用抽出的数据,新制作在所述第1次的更新时期以后的诊断中使用的所述单位空间的步骤;以及
在诊断开始后,在到达第2次以后的各所述更新时期时,将在从上次的所述更新时期至本次的所述更新时期取得的所述数据中的、所述马氏距离为所述阈值以下的数据从最新向过去追溯而抽出所述单位空间数据数量,并且使用抽出的数据,新制作在所述本次的更新时期以后的诊断中使用的所述单位空间的步骤。
28.根据权利要求23或者24所述的异常诊断程序,其中,
周期性地更新所述单位空间的步骤包括:
在诊断开始后,在到达基于所述更新周期的第1次的更新时期时,从最新向过去追溯而抽出在从诊断开始时间点至所述第1次的更新时期取得的所述数据中的、所述马氏距离为阈值以下的数据,使用抽出的数据,新制作在所述第1次的更新时期以后的诊断中使用的第1所述单位空间的步骤;以及
在诊断开始后,在到达第2次以后的各所述更新时期时,从最新向过去追溯而抽出在从上次的所述更新时期至本次的所述更新时期取得的所述数据中的、所述马氏距离为所述阈值以下的数据,使用抽出的数据,新制作在所述本次的更新时期以后的诊断中使用的第2所述单位空间的步骤,
新制作所述第1单位空间的步骤包括:
在所述第1次的更新时期,在从诊断开始时间点至所述第1次的更新时期取得的所述数据中的所述马氏距离为所述阈值以下的数据数不满所述单位空间数据数的情况下,在所述第1次的更新时期以后,也使用与所述第1次的更新时期前相同的所述单位空间继续诊断的步骤;以及
将在从诊断开始时间点至最新的诊疗取得的所述数据中的、所述马氏距离为所述阈值以下的数据数达到所述单位空间数据数的时间点作为新的更新时期,在到达所述新的更新时期时将构成在直至所述新的更新时期的诊断中使用的所述单位空间的数据全部丢弃,并且使用在从诊断开始时间点至所述新的更新时期取得的所述数据中的、所述马氏距离为所述阈值以下的数据,制作在所述新的更新时期以后的诊断中使用的所述第1单位空间的步骤,
新制作所述第2单位空间的步骤包括:
在所述本次的更新时期,在从上次的所述更新时期至本次的所述更新时期取得的所述数据中的、所述马氏距离为所述阈值以下的数据数不满所述单位空间数据数的情况下,在本次的所述更新时期以后,也使用与本次的所述更新时期前相同的所述单位空间继续诊断的步骤;以及
将在从上次的所述更新时期至最新的诊断取得的所述数据中的、所述马氏距离为阈值以下的数据数达到所述单位间数据数的时间点作为新的更新时期,在到达所述新的更新时期时将构成在直至所述新的更新时期的诊断中使用的所述单位空间的数据全部丢弃,并且使用在从上次的所述更新时期至所述新的更新时期取得的所述数据中的、所述马氏距离为所述阈值以下的数据,制作在所述新的更新时期以后的诊断中使用的所述第2单位空间的步骤。
29.根据权利要求23或者24所述的异常诊断程序,其中,
周期性地更新所述单位空间的步骤包括:
在诊断开始后,在到达基于所述更新周期的第1次的更新时期时,新制作在所述第1次的更新时期以后的诊断中使用的第1所述单位空间的步骤;以及
在诊断开始后,在到达第2次以后的各所述更新时期时,新制作在所述本次的更新时期以后的诊断中使用的第2所述单位空间的步骤,
新制作所述第1单位空间的步骤包括:
在所述第1次的更新时期,在从诊断开始时间点至所述第1次的更新时期取得的所述数据中的所述马氏距离为所述阈值以下的数据数不满单位空间数据数、且是在所述马氏距离的计算中使用的评价项目数以上或者其常数倍以上时,将构成在直至所述第1次的更新时期的诊断中使用的所述单位空间的数据全部丢弃,并且使用直至所述第1次的更新时期取得的所述马氏距离为阈值以下的数据,制作在所述第1次的更新时期以后的诊断中使用的所述第1单位空间的步骤;以及
在从诊断开始时间点至所述第1次的更新时期取得的所述数据中的所述马氏距离为所述阈值以下的数据数不满所述单位空间数据数、且小于所述评价项目数或者小于其常数倍时,直至到达第2次的所述更新时期,使用与所述第1次的更新时期前相同的所述单位空间,直至接下来的所述更新时期继续诊断的步骤,
新制作所述第2单位空间的步骤包括:
在本次的所述更新时期,在从上次的所述更新时期至所述本次的更新时期取得的所述数据中的所述马氏距离为所述阈值以下的数据数不满所述单位空间数据数、且是所述评价项目数以上或者其常数倍以上时,将构成在直至所述本次的更新时期的诊断中使用的所述单位空间的数据全部丢弃,并且使用在从所述上次的更新时期至所述本次的更新时期取得的所述马氏距离为所述阈值以下的数据,制作在所述本次的更新时期以后的诊断中使用的所述第2单位空间的步骤;以及
在从所述上次的更新时期至所述本次的更新时期取得的所述数据中的所述马氏距离为所述阈值以下的数据数不满所述单位空间数据数、且小于所述评价项目数或者小于其常数倍时,直至到达下次的所述更新时期,使用与所述本次的更新时期前相同的所述单位空间继续诊断的步骤。
30.根据权利要求27至29中的任意一项所述的异常诊断程序,其中,
还具备使用针对已知未发生异常的任意的期间求出的马氏距离制作直方图,将所述直方图的累积相对频数成为预先决定的值时的所述马氏距离设定为所述阈值的步骤。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP2019/030206 WO2021019760A1 (ja) | 2019-08-01 | 2019-08-01 | 異常診断方法、異常診断装置および異常診断プログラム |
JPPCT/JP2019/030206 | 2019-08-01 | ||
PCT/JP2020/018135 WO2021019857A1 (ja) | 2019-08-01 | 2020-04-28 | 異常診断方法、異常診断装置および異常診断プログラム |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114207538A true CN114207538A (zh) | 2022-03-18 |
Family
ID=74230554
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202080054363.7A Pending CN114207538A (zh) | 2019-08-01 | 2020-04-28 | 异常诊断方法、异常诊断装置以及异常诊断程序 |
Country Status (6)
Country | Link |
---|---|
US (1) | US11977373B2 (zh) |
JP (1) | JP7224469B2 (zh) |
CN (1) | CN114207538A (zh) |
DE (1) | DE112020003659T5 (zh) |
TW (1) | TWI755794B (zh) |
WO (2) | WO2021019760A1 (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7415654B2 (ja) * | 2020-02-26 | 2024-01-17 | 株式会社デンソー | 電池監視システム |
DE112022000564T5 (de) * | 2021-03-09 | 2023-10-26 | Mitsubishi Heavy Industries, Ltd. | Anlagenüberwachungsverfahren, anlagenüberwachungsvorrichtung und anlagenüberwachungsprogramm |
WO2024135704A1 (ja) * | 2022-12-19 | 2024-06-27 | ヤマハ発動機株式会社 | 状態識別装置を生産する方法および状態識別装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006031460A (ja) * | 2004-07-16 | 2006-02-02 | Advanced Telecommunication Research Institute International | データ検索方法及びコンピュータプログラム |
WO2009104725A1 (ja) * | 2008-02-21 | 2009-08-27 | 富士フイルム株式会社 | 製造設備の診断装置及び方法 |
US20170205816A1 (en) * | 2016-01-18 | 2017-07-20 | Fujitsu Limited | Abnormality detection method and abnormality detection apparatus |
JP2017204017A (ja) * | 2016-05-09 | 2017-11-16 | 公益財団法人鉄道総合技術研究所 | プログラム、生成装置及び予兆検知装置 |
CN108628263A (zh) * | 2017-03-22 | 2018-10-09 | 欧姆龙株式会社 | 控制***、控制装置、计算机可读存储介质以及控制方法 |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005351618A (ja) * | 2005-07-07 | 2005-12-22 | Mitsubishi Electric Corp | 流体回路診断方法 |
EP2187283B1 (en) | 2008-02-27 | 2014-08-13 | Mitsubishi Hitachi Power Systems, Ltd. | Plant state monitoring method, plant state monitoring computer program, and plant state monitoring apparatus |
JP5345180B2 (ja) | 2011-06-03 | 2013-11-20 | 三菱重工業株式会社 | プラント監視装置、プラント監視プログラム及びプラント監視方法 |
JP6409375B2 (ja) * | 2014-07-09 | 2018-10-24 | 株式会社Ihi | パラメータ分類装置 |
JP6492555B2 (ja) | 2014-11-07 | 2019-04-03 | 株式会社Ihi | 異常診断方法、異常診断装置及び異常診断プログラム |
JP6770802B2 (ja) * | 2015-12-28 | 2020-10-21 | 川崎重工業株式会社 | プラント異常監視方法およびプラント異常監視用のコンピュータプログラム |
JP6634835B2 (ja) | 2016-01-08 | 2020-01-22 | 富士通株式会社 | 無線通信異常検出方法、無線通信異常検出プログラム及び無線通信異常検出装置 |
JP6620056B2 (ja) * | 2016-03-31 | 2019-12-11 | 三菱日立パワーシステムズ株式会社 | 機器の異常診断方法及び機器の異常診断装置 |
JP6424874B2 (ja) * | 2016-10-12 | 2018-11-21 | オムロン株式会社 | 動作状態監視装置、学習データ生成装置、方法およびプログラム |
JP6860406B2 (ja) * | 2017-04-05 | 2021-04-14 | 株式会社荏原製作所 | 半導体製造装置、半導体製造装置の故障予知方法、および半導体製造装置の故障予知プログラム |
DE112020007131T5 (de) | 2020-04-27 | 2023-03-09 | Mitsubishi Electric Corporation | Anomalie-diagnoseverfahren, anomalie-diagnosevorrichtung und anomalie-diagnoseprogramm |
-
2019
- 2019-08-01 WO PCT/JP2019/030206 patent/WO2021019760A1/ja active Application Filing
-
2020
- 2020-04-28 CN CN202080054363.7A patent/CN114207538A/zh active Pending
- 2020-04-28 WO PCT/JP2020/018135 patent/WO2021019857A1/ja active Application Filing
- 2020-04-28 JP JP2021536613A patent/JP7224469B2/ja active Active
- 2020-04-28 US US17/620,746 patent/US11977373B2/en active Active
- 2020-04-28 DE DE112020003659.6T patent/DE112020003659T5/de active Pending
- 2020-07-23 TW TW109124904A patent/TWI755794B/zh active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006031460A (ja) * | 2004-07-16 | 2006-02-02 | Advanced Telecommunication Research Institute International | データ検索方法及びコンピュータプログラム |
WO2009104725A1 (ja) * | 2008-02-21 | 2009-08-27 | 富士フイルム株式会社 | 製造設備の診断装置及び方法 |
US20170205816A1 (en) * | 2016-01-18 | 2017-07-20 | Fujitsu Limited | Abnormality detection method and abnormality detection apparatus |
JP2017204017A (ja) * | 2016-05-09 | 2017-11-16 | 公益財団法人鉄道総合技術研究所 | プログラム、生成装置及び予兆検知装置 |
CN108628263A (zh) * | 2017-03-22 | 2018-10-09 | 欧姆龙株式会社 | 控制***、控制装置、计算机可读存储介质以及控制方法 |
Also Published As
Publication number | Publication date |
---|---|
JP7224469B2 (ja) | 2023-02-17 |
WO2021019857A1 (ja) | 2021-02-04 |
US11977373B2 (en) | 2024-05-07 |
JPWO2021019857A1 (zh) | 2021-02-04 |
US20220413478A1 (en) | 2022-12-29 |
WO2021019760A1 (ja) | 2021-02-04 |
TWI755794B (zh) | 2022-02-21 |
TW202107058A (zh) | 2021-02-16 |
DE112020003659T5 (de) | 2022-04-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114207538A (zh) | 异常诊断方法、异常诊断装置以及异常诊断程序 | |
EP3301586A1 (en) | Pre-processor and diagnosis device | |
CN110603501B (zh) | 时间序列数据处理装置、时间序列数据处理***以及时间序列数据处理方法 | |
EP2897012B1 (en) | Plant monitoring device, plant monitoring program, and plant monitoring method | |
EP3508833A1 (en) | Diagnostic device, diagnostic method, and diagnostic program | |
CN106896779B (zh) | 维护时期预测***以及维护时期预测装置 | |
CN115516395A (zh) | 异常诊断方法、异常诊断装置以及异常诊断程序 | |
CN107924184B (zh) | 监视装置、监视装置的控制方法以及记录媒体 | |
US10359401B2 (en) | Malfunction diagnosing apparatus, malfunction diagnosing method, and recording medium | |
JP6777142B2 (ja) | システム分析装置、システム分析方法、及び、プログラム | |
US20190265088A1 (en) | System analysis method, system analysis apparatus, and program | |
EP3936957B1 (en) | Error-based method for calculating a remaining useful life of an apparatus | |
KR20180040452A (ko) | 설비 노화 지수를 이용한 이상 감지 방법 및 장치 | |
CN113330379A (zh) | 异常原因推定装置、异常原因推定方法及程序 | |
JP5824959B2 (ja) | 異常診断装置 | |
JP6915693B2 (ja) | システム分析方法、システム分析装置、および、プログラム | |
KR102093287B1 (ko) | Cnc 공작기계의 공구 마모 간접 계측방법 | |
JP5948998B2 (ja) | 異常診断装置 | |
CN111651503B (zh) | 一种配电网数据异常识别方法、***及终端设备 | |
JP2018116687A (ja) | 異常原因特定方法および異常原因特定装置 | |
JP6247777B2 (ja) | 異常診断装置および異常診断方法 | |
CN116457740A (zh) | 自动生成传感器数据的时间序列的训练数据 | |
KR20210127223A (ko) | 고로의 이상 판정 장치, 고로의 이상 판정 방법, 및 고로의 조업 방법 | |
JP2015232914A (ja) | 異常診断装置、異常診断方法及び異常診断プログラム | |
CN117896301B (zh) | 波特率分析方法、装置、电子设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |