DE112017005640T5

DE112017005640T5 - Informationsverarbeitungsvorrichtung und Informationsverarbeitungsverfahren

Info

Publication number: DE112017005640T5
Application number: DE112017005640.3T
Authority: DE
Inventors: Takahiko Masuzaki; Takaaki Nakamura; Osamu Nasu
Original assignee: Mitsubishi Electric Corp
Current assignee: Mitsubishi Electric Corp
Priority date: 2017-07-31
Filing date: 2017-07-31
Publication date: 2019-08-22
Also published as: CN110352389B; JP6362808B1; JPWO2019026134A1; TW201911074A; US20190310927A1; US10613960B2; KR20190072652A; TWI660277B; CN110352389A; WO2019026134A1

Abstract

Informationsverarbeitungsvorrichtung (10) umfassend: eine Datenerfassungseinheit (101), um Eingabedaten, die Zeitreihendaten sind, zu erfassen; eine Abtastfehlerobergrenzen-Berechnungseinheit (102), um eine Abtastfehlerobergrenze unter Verwendung von Daten, die aus den Eingabedaten entnommen werden, zu berechnen, wenn ähnliche Lernteilsequenzen, die aus einer Vielzahl von Lernteilsequenzen ausgewählt werden, die aus Lerndaten, die Zeitreihendaten sind, extrahiert werden, integriert werden, um eine Abtastteilsequenz zu erzeugen, wobei die Abtastfehlerobergrenze eine Obergrenze für die Unähnlichkeit zwischen den zu integrierenden Lernteilsequenzen ist; und eine Abtastteilsequenz-Erzeugungseinheit (103), um die Abtastteilsequenz aus den Lerndaten unter Verwendung der Abtastfehlerobergrenze zu erzeugen.

Description

Gebiet
Die vorliegende Erfindung betrifft eine Informationsverarbeitungsvorrichtung und ein Informationsverarbeitungsverfahren zum Diagnostizieren von Zeitreihendaten unter Verwendung vorbestimmter Daten.
Hintergrund
Ein Verfahren zum Diagnostizieren von Diagnosezieldaten umfasst das Definieren im Voraus von normalen Daten als Lerndaten und das Diagnostizieren, ob die Diagnosezieldaten normal sind, basierend darauf, ob die Lerndaten eine Wellenform ähnlich der Wellenform der Diagnosezieldaten enthalten. Beispielsweise werden Sensordaten, die während des normalen Betriebs der Produktionsanlage erfasst werden, als Lerndaten verwendet, und Sensordaten der Produktionsanlage, die in Betrieb ist, werden als Diagnosezieldaten verwendet, wodurch eine Abnormalität in der Produktionsanlage erfasst werden kann.
Ob die Lerndaten eine Wellenform enthalten, die der Wellenform der Diagnosezieldaten ähnlich ist, kann unter Verwendung der Unähnlichkeit zwischen aus den Lerndaten extrahierten Teilsequenzen und den Diagnosezieldaten bestimmt werden. Während der Bereich zum schrittweisen Extrahieren einer Teilsequenz aus den Lerndaten verschoben wird, werden die Unähnlichkeiten zwischen allen Teilsequenzen der Lerndaten und einer aus den Diagnosezieldaten extrahierten Teilsequenz berechnet, und die niedrigste Unähnlichkeit wird als die Unähnlichkeit der aus den Diagnosezieldaten extrahierten Teilsequenz eingestellt. Bei diesem Verfahren ist es jedoch erforderlich, Unähnlichkeiten für alle Kombinationen von Teilsequenzen der Diagnosezieldaten und aller Teilsequenzen der Lerndaten zu berechnen, und daher dauert es aufgrund des großen Rechenaufwands lange, Unähnlichkeiten zu berechnen.
Im Gegensatz zu dem obigen Verfahren umfasst das in der Patentliteratur 1 beschriebene Verfahren das Clustering der Teilsequenzen von Lerndaten, um eine Vielzahl von Clustern zu erzeugen, in denen die Unähnlichkeiten zwischen Teilsequenzen innerhalb einer vorgegebenen Abtastfehlerobergrenze liegen, und das Integrieren der Teilsequenzen in jedem Cluster, um Abtastteilsequenzen zu erzeugen. Durch Vergleichen der Abtastteilsequenzen mit den Teilsequenzen der Diagnosezieldaten ist es möglich, den Berechnungsbetrag zu verringern und die Zeit für die Berechnung der Unähnlichkeit zu verkürzen.
Zitierliste
Patentliteratur
Patentliteratur 1: Offengelegte PCT-Patentanmeldung WO 2016/117086
Zusammenfassung
Technisches Problem
Die Patentliteratur 1 beschreibt jedoch nicht im Detail ein Verfahren zum Berechnen einer Abtastfehlerobergrenze, die die Obergrenze für die Unähnlichkeit zwischen den zu integrierenden Teilsequenzen ist. Wenn die Abtastfehlerobergrenze zu hoch ist, verschlechtert sich die Genauigkeit der Diagnose der Diagnosezieldaten. Wenn die Abtastfehlerobergrenze zu niedrig ist, dauert die Verarbeitung aufgrund des großen Rechenaufwands sehr lange. Dies führt zu Schwierigkeiten bei der Erzeugung geeigneter Abtastteilsequenzen, während ein Gleichgewicht zwischen Diagnosegenauigkeit und Verarbeitungszeit eingehalten wird.
Die vorliegende Erfindung wurde im Hinblick auf das Obige gemacht, und eine Aufgabe davon ist es, eine Informationsverarbeitungsvorrichtung zu erhalten, die in der Lage ist, auf einfache Weise geeignete Abtastteilsequenzen zu erzeugen.
Lösung des Problems
Um die oben beschriebenen Probleme zu lösen und die Aufgabe zu lösen, umfasst ein Aspekt der vorliegenden Erfindung: eine Datenerfassungseinheit, um Eingabedaten, die Zeitreihendaten sind, zu erfassen; eine Abtastfehlerobergrenzen-Berechnungseinheit, um eine Abtastfehlerobergrenze unter Verwendung von Daten, die aus den Eingabedaten entnommen werden, zu berechnen; und eine Abtastteilsequenz-Erzeugungseinheit, um die Abtastteilsequenz aus den Lerndaten unter Verwendung der Abtastfehlerobergrenze zu erzeugen. Wenn ähnliche Lernteilsequenzen, die aus einer Vielzahl von aus Lerndaten extrahierten Lernteilsequenzen ausgewählt sind, integriert werden, um eine Abtastteilsequenz zu erzeugen, ist die Abtastfehlerobergrenze eine Obergrenze für die Unähnlichkeit zwischen den zu integrierenden Lernteilsequenzen.
Vorteilhafte Wirkungen der Erfindung
Die Informationsverarbeitungsvorrichtung gemäß der vorliegenden Erfindung kann den Effekt des einfachen Erzeugens geeigneter Abtastteilsequenzen erzielen.
Figurenliste

1 ist ein Diagramm, das eine Konfiguration einer Informationsverarbeitungsvorrichtung gemäß einer Ausführungsform der vorliegenden Erfindung darstellt.
2 ist ein Diagramm, das einen Überblick über die Diagnose von Diagnosezieldaten zeigt, die von der in 1 dargestellten Informationsverarbeitungsvorrichtung unter Verwendung von Lerndaten durchgeführt werden.
3 ist ein Diagramm zum Erläutern eines Überblicks der Suche nach dem nächsten Nachbarn, die zum Bestimmen, ob die in 2 dargestellten Lerndaten eine Wellenform ähnlich der Wellenform von Diagnosezieldaten enthalten, verwendet wird.
4 ist ein Diagramm, das die Beziehung zwischen einer Abtastteilsequenz, die von der in 1 dargestellten Informationsverarbeitungsvorrichtung erzeugt wird, und einer Abtastfehlerobergrenze, darstellt.
5 ist ein Diagramm zum Erläutern der Funktion einer in 1 dargestellten Datenerfassungseinheit.
6 ist ein Diagramm, das einen Überblick über den von der in 1 dargestellten Informationsverarbeitungsvorrichtung durchgeführten Prozess vor der Diagnose darstellt.
7 ist ein Diagramm, das die Gültigkeit der Berechnungsformel darstellt, die von einer Abtastfehlerobergrenzen-Berechnungseinheit, die in 1 dargestellt ist, verwendet wird.
8 ist ein Diagramm, das einen Überblick über den ersten Integrationsprozess, der von einer in 1 dargestellten Abtastteilsequenz-Erzeugungseinheit durchgeführt wird, darstellt.
9 ist ein Diagramm, das einen Überblick über den zweiten Integrationsprozess, der von der in 1 dargestellten Abtastteilsequenz-Erzeugungseinheit durchgeführt wird, darstellt.
10 ist ein Flussdiagramm, das den gesamten Prozess darstellt, der von der in 1 dargestellten Informationsverarbeitungsvorrichtung durchgeführt wird.
11 ist ein Flussdiagramm, das die detaillierte Operation von Schritt S12, die in 10 dargestellt ist, darstellt.
12 ist ein Flussdiagramm, das die detaillierte Operation von Schritt S121, die in 11 dargestellt ist, darstellt.
13 ist ein Flussdiagramm, das die detaillierte Operation des in 10 dargestellten Schritts S13 darstellt.
14 ist ein Flussdiagramm, das Details des ersten Integrationsprozesses von Schritt S132, der in 13 dargestellt ist, darstellt.
15 ist ein Flussdiagramm, das Details des zweiten Integrationsprozesses von Schritt S133, der in 13 dargestellt ist, darstellt.
16 ist ein Flussdiagramm, das die detaillierte Operation von Schritt S14, die in 10 dargestellt ist, darstellt.
17 ist ein Flussdiagramm, das die detaillierte Operation von Schritt S141, die in 16 dargestellt ist, darstellt.

Beschreibung der Ausführungsformen
Im Folgenden werden eine Informationsverarbeitungsvorrichtung und ein Informationsverarbeitungsverfahren gemäß Ausführungsformen der vorliegenden Erfindung auf der Grundlage der Zeichnungen ausführlich beschrieben. Die vorliegende Erfindung ist nicht auf die Ausführungsformen beschränkt.
Ausführungsform
1 ist ein Diagramm, das eine Konfiguration einer Informationsverarbeitungsvorrichtung 10 gemäß einer Ausführungsform der vorliegenden Erfindung darstellt. Die Informationsverarbeitungsvorrichtung 10 umfasst eine Datenerfassungseinheit 101, eine Abtastfehlerobergrenzen-Berechnungseinheit 102, eine Abtastteilsequenz-Erzeugungseinheit 103, eine Statistikwert-Berechnungseinheit 104, eine Speichereinheit 105, eine Schwellenwert-Berechnungseinheit 106 und eine Diagnoseeinheit 107.
Die Informationsverarbeitungsvorrichtung 10 hat eine Funktion zum Diagnostizieren von Diagnosezieldaten D1 auf der Grundlage davon, ob Lerndaten D2 (die später beschrieben werden) eine Wellenform ähnlich der Wellenform der Diagnosezieldaten D1 enthalten. 2 ist ein Diagramm, das einen Überblick über die Diagnose der Diagnosezieldaten D1, die von der in 1 dargestellten Informationsverarbeitungsvorrichtung 10 unter Verwendung der Lerndaten D2 durchgeführt wird, zeigt. Die Diagnosezieldaten D1 sind zu diagnostizierende Daten. Die Lerndaten D2 werden im Voraus als normale Daten definiert und als Kriterien für die Diagnose verwendet. Beispielsweise sind die Lerndaten D2 Zeitreihendaten wie Sensordaten. Die Diagnosezieldaten D1 sind die gleichen Arten von Zeitreihendaten wie die Lerndaten D2. Wenn die Lerndaten D2 Temperaturdaten sind, sind die Diagnosezieldaten D1 auch Temperaturdaten. Wenn die Lerndaten D2 eine Wellenform ähnlich der Wellenform der Diagnosezieldaten D1 enthalten, bestimmt die Informationsverarbeitungsvorrichtung 10, dass die Diagnosezieldaten D1 normal sind. Wenn die Lerndaten D2 keine Wellenform ähnlich der Wellenform der Diagnosezieldaten D1 enthalten, bestimmt die Informationsverarbeitungsvorrichtung 10, dass die Diagnosezieldaten D1 abnormal sind.
Typischerweise gibt eine abnormale Produktionsanlage Sensordaten aus, die eine Wellenform enthalten, die sich von einer Wellenform von Sensordaten, die während des normalen Betriebs der Produktionsanlage erfasst wurden, unterscheidet. In diesem Fall werden die während des normalen Betriebs der Produktionsanlage erfassten Sensordaten als Lerndaten D2 verwendet, und die Sensordaten der in Betrieb befindlichen Produktionsanlage werden als Diagnosezieldaten D1 verwendet, wodurch die Abnormalität der Produktionsanlage erfasst werden kann. Durch sequentielles Wiederholen des Prozesses des Erhaltens von Sensordaten von der im Betrieb befindlichen Produktionsanlage und des Diagnoseprozesses des Verwendens der erfassten Sensordaten als die Diagnosezieldaten D1 kann die Informationsverarbeitungsvorrichtung 10 eine Abnormalität in der Produktionsanlage in Echtzeit erfassen.
3 ist ein Diagramm zum Erläutern einer Übersicht über die Suche nach dem nächsten Nachbarn, die zum Bestimmen verwendet wird, ob die Lerndaten D2, die in 2 dargestellt sind, eine Wellenform ähnlich der Wellenform der Diagnosezieldaten D1 enthalten. Ob die Lerndaten D2 eine Wellenform ähnlich der Wellenform der Diagnosezieldaten D1 enthalten, wird unter Verwendung der Unähnlichkeit zwischen Teilsequenzen bestimmt. Die Unähnlichkeit zwischen Teilsequenzen gibt an, inwieweit sich die Teilsequenzen voneinander unterscheiden. Niedrigere Unähnlichkeiten zeigen höhere Übereinstimmungsgrade zwischen Teilsequenzwellenformen an. Die Unähnlichkeit zwischen Teilsequenzen kann beispielsweise durch einen Abstand dargestellt werden. In einem Fall, in dem Teilsequenzen durch Punkte in einem metrischen Raum dargestellt werden, ist die Unähnlichkeit zwischen den Teilsequenzen der Abstand zwischen den Punkten. Die Suche nach dem nächsten Nachbarn ist eine Methode zum Finden des Punktes mit dem kürzesten Abstand zu einem bestimmten Punkt in einer Menge von Punkten in einem metrischen Raum. Bei der vorliegenden Ausführungsform wird eine Teilsequenz als ein Punkt betrachtet, und es wird die Teilsequenz, die einer bestimmten Teilsequenz in einem Satz von Teilsequenzen am nächsten ist, d. h. die Teilsequenz mit der geringsten Unähnlichkeit, gefunden. Lernteilsequenzen SS2 werden aus den Lerndaten D2 extrahiert, während der Extraktionsbereich mit einer vorbestimmten festen Breite (im Folgenden wird diese Breite als Fenstergröße bezeichnet) nach und nach verschoben wird. Die Diagnosezielteilsequenzen SS1 werden aus den Diagnosezieldaten D1 mit einem Extraktionsbereich extrahiert, der dieselbe Fenstergröße wie der Extraktionsbereich für die Lernteilsequenzen SS2 aufweist. Die Suche nach dem nächsten Nachbarn wird an jeder Diagnosezielteilsequenz SS1 durchgeführt, und es wird die Unähnlichkeit zwischen jeder Diagnosezielteilsequenz SS1 und den Lerndaten D2 berechnet.
Die Unähnlichkeit zwischen der Diagnosezielteilsequenz SS1 und den Lerndaten D2 wird durch die Unähnlichkeit zwischen der Diagnosezielteilsequenz SS1 und der Lernteilsequenz SS2, deren Wellenform der Wellenform der Diagnosezielteilsequenz SS1 unter einer Vielzahl von aus den Lerndaten D2 extrahierten Lernteilsequenzen SS2 am ähnlichsten ist, angezeigt. In einem Fall, in dem die Unähnlichkeit durch den Abstand zwischen Teilsequenzen angezeigt wird, werden die Abstände zwischen allen extrahierten Lernteilsequenzen SS2 und der Diagnosezielteilsequenz SS1 berechnet und der kürzeste Abstand wird als die Unähnlichkeit der Diagnosezielteilsequenz SS1 eingestellt. Man muss sich zum Beispiel einen Fall vorstellen, in dem drei Lernteilsequenzen SS2 extrahiert werden. Wenn der Abstand zwischen der Diagnosezielteilsequenz SS1#01 und der Lernteilsequenz SS2#01 30,1 beträgt, beträgt der Abstand zwischen der Diagnosezielteilsequenz SS1#01 und der Lernteilsequenz SS2#02 1,5 und der Abstand zwischen der Diagnosezielteilsequenz SS1#01 und der Lernteilsequenz SS2#03 beträgt 15,2, die Unähnlichkeit der diagnostischen Zielteilsequenz SS1#01 beträgt 1,5. Wenn die Unähnlichkeit der Diagnosezielteilsequenz SS1 gleich oder kleiner als ein Schwellenwert ist, wird bestimmt, dass die Lerndaten D2 eine Wellenform ähnlich der Wellenform der Diagnosezielteilsequenz SS1 enthalten.
Aufgrund des großen Rechenaufwands dauert es einige Zeit, Unähnlichkeiten für die Kombinationen aller Lernteilsequenzen SS2 und aller Diagnosezielteilsequenzen SS1 zu berechnen. Daher werden in der vorliegenden Ausführungsform ähnliche Lernteilsequenzen SS2 in eine Abtastteilsequenz SS3 (später beschrieben) integriert, und die Suche nach dem nächsten Nachbarn wird unter Verwendung der Abtastteilsequenz SS3 durchgeführt. Folglich ist es möglich, den Berechnungsbetrag zum Berechnen von Unähnlichkeiten zu verringern und die zum Berechnen von Unähnlichkeiten erforderliche Zeit zu verkürzen.
4 ist ein Diagramm, das die Beziehung zwischen der Abtastteilsequenz SS3, die von der in 1 dargestellten Informationsverarbeitungsvorrichtung 10 erzeugt wird, und einer Abtastfehlerobergrenze ε darstellt. Die Informationsverarbeitungsvorrichtung 10 klassifiziert mehrere Lernteilsequenzen SS2 in Cluster CL und erzeugt die Abtastteilsequenz SS3, die für jeden Cluster CL repräsentativ ist. Die Abtastteilsequenz SS3 kann auch als eine Teilsequenz definiert werden, die durch Integrieren mehrerer ähnlicher Lernteilsequenzen SS2 erhalten wird. Die Obergrenze für den Abstand d, d. h. die Unähnlichkeit zwischen mehreren zu integrierenden Lernteilsequenzen SS2, wird als Abtastfehlerobergrenze ε bezeichnet. Die Abtastfehlerobergrenze ε kann auch als die Obergrenze der Unähnlichkeit zwischen den Lernteilsequenzen SS2, die zu demselben Cluster CL gehören, definiert werden. Die Abtastfehlerobergrenze ε wird als ein Kriterium zum Bestimmen, ob mehrere Lernteilsequenzen SS2 ähnliche Unterfolgen haben, festgelegt. Der Bereich, in dem die Lernteilsequenzen SS2 integriert sind, variiert entsprechend der Abtastfehlerobergrenze ε. Wenn die Abtastfehlerobergrenze ε zu hoch ist, wird die Unähnlichkeit zwischen den in der Abtastteilsequenz SS3 zu integrierenden Lernteilsequenzen SS2 erhöht und somit die Genauigkeit der Diagnose der Diagnosezieldaten D1 verschlechtert. Wenn die Abtastfehlerobergrenze ε zu niedrig ist, erhöht sich die Anzahl der Abtastteilsequenzen SS3 zur Verwendung bei der Diagnose, und die Verarbeitung dauert aufgrund des großen Rechenaufwands lange. Aus diesem Grund besteht ein Bedarf an ein Verfahren zum einfachen Erhalten einer geeigneten Abtastfehlerobergrenze ε, das ein Gleichgewicht zwischen Diagnosegenauigkeit und Verarbeitungszeit beibehält.
Unter erneuter Bezugnahme auf 1 hat die Informationsverarbeitungsvorrichtung 10 eine Funktion zum Berechnen einer geeigneten Abtastfehlerobergrenze ε auf der Basis von normalen Daten D3, die Zeitreihendaten sind, die im Voraus als normal definiert sind. Beispielsweise können Daten, die während des normalen Betriebs von Produktionsanlagen erfasst werden, als normale Daten definiert werden. Die Datenerfassungseinheit 101 erfasst die normalen Daten D3 und erfasst aus den normalen Daten D3 die Lerndaten D2 und die Versuchsdaten D4, die Daten für den Diagnoseversuch sind.
5 ist ein Diagramm zum Erläutern der Funktion der in 1 dargestellten Datenerfassungseinheit 101. Nach dem Erfassen der normalen Daten D3 teilt die Datenerfassungseinheit 101 die normalen Daten D3 in der Anzahl der Aufzeichnungen in zwei Hälften auf und setzt eine davon als Lerndaten D2 und die andere als Versuchsdaten D4. Die Datenerfassungseinheit 101 gibt die erfassten Lerndaten D2 in die Abtastfehlerobergrenzen-Berechnungseinheit 102 und in die Abtastteilsequenz-Erzeugungseinheit 103 ein und gibt die erfassten Versuchsdaten D4 in die Abtastfehlerobergrenzen-Berechnungseinheit 102, die Abtastteilsequenz-Erzeugungseinheit 103, und die Statistikwert-Berechnungseinheit 104 ein.
6 ist ein Diagramm, das einen Überblick über den von der in 1 dargestellten Informationsverarbeitungsvorrichtung durchgeführten Prozess vor der Diagnose darstellt. Nachdem die Datenerfassungseinheit 101 die Lerndaten D2 und die Versuchsdaten D4 erfasst, führt die Abtastfehlerobergrenzen-Berechnungseinheit 102 der Informationsverarbeitungsvorrichtung 10 eine Suche nach dem nächsten Nachbarn unter Verwendung aller Lernteilsequenzen SS2, die aus den Lerndaten D2 und die Versuchsdaten D4 extrahiert wurden, um die Abtastfehlerobergrenze ε zu berechnen. Nach der Berechnung der Abtastfehlerobergrenze ε erzeugt die Abtastteilfolgen-Erzeugungseinheit 103 die Abtastteilsequenzen SS3 unter Verwendung der berechneten Abtastfehlerobergrenze ε. Dann führt die Statistikwert-Berechnungseinheit 104 eine Suche nach dem nächsten Nachbarn unter Verwendung der erzeugten Abtastteilsequenzen SS3 und der Versuchsdaten D4 durch, um die Unähnlichkeit zwischen den Lerndaten D2 und den Versuchsdaten D4 zu berechnen und statistische Unähnlichkeitswerte zu berechnen. Die statistischen Werte sind der Mittelwert der Unähnlichkeit m und die Standardabweichung der Unähnlichkeit σ. Unter Verwendung der statistischen Unähnlichkeitswerte, die unter Verwendung der Abtastfehlerobergrenze ε berechnet wurden, berechnet die Schwellenwert-Berechnungseinheit 106 einen Schwellenwert zur Verwendung durch die Diagnoseeinheit 107. Details dieser Prozesse werden im Folgenden beschrieben.
Unter erneuter Bezugnahme auf 1 berechnet die Abtastfehlerobergrenzen-Berechnungseinheit 102 die Abtastfehlerobergrenze ε unter Verwendung der Lerndaten D2 und der Versuchsdaten D4, die Eingabedaten sind. Insbesondere berechnet die Abtastfehlerobergrenzen-Berechnungseinheit 102 die Abtastfehlerobergrenze ε unter Verwendung der Lernteilsequenzen SS2 und der Versuchsteilsequenzen SS4, die Daten sind, die aus den Eingabedaten entnommen wurden. Die Abtastfehlerobergrenzen-Berechnungseinheit 102 berechnet Unähnlichkeiten für alle Kombinationen der Lernteilsequenzen SS2 und der Versuchsteilsequenzen SS4 und stellt die minimale Unähnlichkeit jeder der Versuchsteilsequenzen SS4 als die Unähnlichkeit der Versuchsteilsequenzen SS4 ein. Die Abtastfehlerobergrenzen-Berechnungseinheit 102 berechnet statistische Unähnlichkeitswerte auf der Grundlage der Unähnlichkeit jeder Versuchsteilsequenz SS4. Insbesondere sind die statistischen Werte der Unähnlichkeit der Mittelwert der Unähnlichkeit m_0 und die Standardabweichung der Unähnlichkeit σ_0. Unter der Annahme, dass die Anzahl der Versuchsteilsequenzen SS4 „n“ und die Unähnlichkeit der i-ten Versuchsteilsequenz SS4 „a_i“ ist, wird der unter Verwendung aller Lernteilsequenzen SS2 berechnete Mittelwert der Unähnlichkeit m_0 durch den folgenden mathematischen Ausdruck (1) ausgedrückt und die Standardabweichung der Unähnlichkeit σ_0 wird durch den folgenden mathematischen Ausdruck (2) ausgedrückt.
[Formel 1] $m_0 = \frac{1}{n} \sum_{i = 1}^{n} a_1$

[Formel 2] $σ_0 = \sqrt{\frac{1}{n} \sum_{i = 1}^{n} {(a_i - m_0)}^{2}}$
Die Abtastfehlerobergrenze kann unter Verwendung der folgenden statistischen Werte und einer vorbestimmten Berechnungsformel berechnet werden. Unter der Annahme, dass das Bezugszeichen „k“ eine positive reelle Zahl ist, ist die vorbestimmte Berechnungsformel ein unten gezeigter mathematischer Ausdruck (3). $ε = k (m_0 + 3 σ_0)$
Der mathematische Ausdruck (3) gibt an, dass eine lineare Korrelation zwischen der Abtastfehlerobergrenze ε und der Summe des Mittelwerts der Unähnlichkeit m_0 und einem reellen Vielfachen der Standardabweichung der Unähnlichkeit cr_0, beispielsweise das Dreifache der Standardabweichung der Unähnlichkeit σ_0 ist. 7 ist ein Diagramm, das die Gültigkeit der Berechnungsformel zeigt, die von der in 1 dargestellten Abtastfehlerobergrenzen-Berechnungseinheit 102 verwendet wird. In 7 repräsentiert die horizontale Achse „m_0+3σ_0“, und die vertikale Achse repräsentiert die optimale Abtastfehlerobergrenze ε. Hier ist die optimale Abtastfehlerobergrenze ε als ein Wert definiert, der den Unterschied zwischen der Unähnlichkeit, die unter Verwendung aller aus den Lerndaten D2 extrahierten Lernteilsequenzen SS2 berechnet wurde, und der Unähnlichkeit, die unter Verwendung der Abtastteilsequenzen SS3 die gleich oder kleiner als ein vorbestimmter Wert sind, berechnet wurde. Als Ergebnis der Berechnung von Unähnlichkeiten unter verschiedenen Bedingungen unter Verwendung der Lerndaten D2 und der Versuchsdaten D4 wurde die in 7 dargestellte lineare Korrelation zwischen „m_0+3σ_0“ und der optimalen Abtastfehlerobergrenze ε bestätigt. Die Abtastfehlerobergrenzen-Berechnungseinheit 102 gibt die berechnete Abtastfehlerobergrenze ε in die Abtastteilsequenz-Erzeugungseinheit 103 ein und speichert sie in der Speichereinheit 105.
Die Abtastteilsequenz-Erzeugungseinheit 103 erzeugt die Abtastteilsequenzen SS3 unter Verwendung der Abtastfehlerobergrenze ε, der Lerndaten D2 und D4 und der Versuchsdaten D4. Die Abtastteilsequenz SS3 wird erhalten, indem ähnliche Lernteilsequenzen SS2 integriert werden. In den Lerndaten D2 ist es wahrscheinlich, dass die zeitlich nahe beieinander liegenden Lernteilsequenzen SS2 ähnlich sind, und es ist wahrscheinlich, dass ähnliche Teilsequenzen wiederholt auftreten. Daher führt die Abtastteilsequenz-Erzeugungseinheit 103 zuerst den ersten Integrationsprozess zum Extrahieren aus den Lerndaten D2 der Lernteilsequenzen SS2, die zeitlich nahe beieinander liegen und Unähnlichkeiten aufweisen, die gleich oder kleiner als ein vorbestimmter Wert sind, und zum Platzieren der extrahierten Lernteilsequenzen SS2 in demselben Cluster CL durch. Dann führt die Abtastteilsequenz-Erzeugungseinheit 103 den zweiten Integrationsprozess zum Integrieren einer Mehrzahl von Clustern CL auf der Basis der Unähnlichkeit zwischen den Clustern CL durch.
8 ist ein Diagramm, das einen Überblick über den ersten Integrationsprozess zeigt, der von der in 1 dargestellten Abtastteilsequenz-Erzeugungseinheit 103 ausgeführt wird. Die Abtastteilsequenz-Erzeugungseinheit 103 integriert die Lernteilsequenzen SS2 zeitlich nahe beieinander und weist Unähnlichkeiten innerhalb eines vorbestimmten Bereichs auf. Hier wird die Unähnlichkeit durch den Abstand angezeigt. Insbesondere berechnet die Abtastteilsequenz-Erzeugungseinheit 103 den Abstand d zwischen bestimmten Lernteilsequenzen SS2, z.B. der Lernteilsequenz SS2#1 und der Lernteilsequenz SS2#2. Wenn die Beziehung d≤ε/2 erfüllt ist, platziert die Abtastteilsequenz-Erzeugungseinheit 103 die Lernteilsequenz SS2#1 und die Lernteilsequenz SS2#2 in demselben Cluster CL#1. In ähnlicher Weise berechnet die Abtastteilsequenz-Erzeugungseinheit 103 den Abstand d zwischen der Lernteilsequenz SS2#1 und der Lernteilsequenz SS2#3. Wenn die Beziehung d≤ε/2 erfüllt ist, platziert die Abtastteilsequenz-Erzeugungseinheit 103 die Lernteilsequenz SS2#3 in dem Cluster CL#1. Wenn der Abstand d zwischen der Lernteilsequenz SS2#1 und der Lernteilsequenz SS2#4 d>ε/2 erfüllt, platziert die Abtastteilsequenz-Erzeugungseinheit 103 die Lernteilsequenz SS2#4 in einem neuen Cluster CL#2. In Reaktion auf das Umschalten auf den neuen Cluster CL berechnet die Abtastteilsequenz-Erzeugungseinheit 103 die Abstände d zwischen der Lernteilsequenz SS2#4, die in dem neuen Cluster CL#2 angeordnet ist, und anderen Lernteilsequenzen SS2 nacheinander entlang der Zeitachse und gruppiert die Lernteilsequenzen SS2 in ähnlicher Weise. Die Abtastteilsequenz-Erzeugungseinheit 103 erzeugt als Ergebnis des ersten Integrationsprozesses eine Liste von Clustern CL.
9 ist ein Diagramm, das einen Überblick über den zweiten Integrationsprozess zeigt, der von der in 1 dargestellten Abtastteilsequenz-Erzeugungseinheit 103 ausgeführt wird. Auf der Grundlage der Liste von Clustern CL, die das Ergebnis des ersten Integrationsprozesses ist, erzeugt die Abtastteilsequenz-Erzeugungseinheit 103 eine Abtastteilsequenz SS3-1 für jeden Cluster CL unter Verwendung der Vielzahl von Lernteilsequenzen SS2, die zu dem entsprechenden Cluster CL gehören. Insbesondere berechnet die Abtastteilsequenz-Erzeugungseinheit 103 aus der Vielzahl von Lernteilsequenzen SS2, die zu jedem Cluster CL gehören, den Mittelwert einer Vielzahl von Werten mit demselben Index in Bezug auf Werte, die in den Lernteilsequenzen SS2 enthalten sind, und setzt eine Teilsequenz einschließlich einer Reihe von Mittelwerten als eine Abtastteilsequenz SS3-1 für jeden Cluster CL.
Die Abtastteilsequenz-Erzeugungseinheit 103 sortiert die Liste der Abtastteilsequenzen SS3-1 durch den Mittelwert der Abtastteilsequenzen SS3-1. Dann berechnet die Abtastteilsequenz-Erzeugungseinheit 103 die Abstände d zwischen Teilsequenzen unter Verwendung der Liste umgeordneter Abtastteilsequenzen SS3-1 auf die gleiche Weise wie im ersten Integrationsprozess und integriert die Cluster CL, deren Abtastteilsequenzen SS3-1 in einem Abstand d von ε/2 oder weniger liegen. Die Abtastteilsequenz-Erzeugungseinheit 103 erzeugt die Abtastteilsequenz SS3 unter Verwendung der Abtastteilsequenzen SS3-1, die zu den integrierten Clustern CL gehören. Insbesondere berechnet die Abtastteilsequenz-Erzeugungseinheit 103 aus den Abtastteilsequenzen SS3-1 den Mittelwert einer Vielzahl von Werten mit demselben Index in Bezug auf Werte, die in den Abtastteilsequenzen SS3-1 enthalten sind, und setzt eine Teilsequenz, die eine Reihe von Mittelwerten als die Abtastteilsequenz SS3 enthält. Die Abtastteilsequenz-Erzeugungseinheit 103 kann den Mittelwert von Werten mit demselben Index in Bezug auf Werte berechnen, die in den Lernteilsequenzen SS2 enthalten sind, die in jedem Cluster CL, für den die Abtastteilsequenz SS3-1 erzeugt wurde, enthalten sind, und eine Teilsequenz festlegen, die eine Reihe von Mittelwetten als die Abtastteilsequenz SS3 enthält. Die Abtastteilsequenz-Erzeugungseinheit 103 gibt die erzeugten Abtastteilsequenzen SS3 in die Statistikwert-Berechnungseinheit 104 ein und speichert sie in der Speichereinheit 105. Die Abtastteilsequenz-Erzeugungseinheit 103 kann auch den Mittelwert der erzeugten Abtastteilsequenzen SS3 berechnen und in der Speichereinheit 105 zusammen mit den Abtastteilsequenzen SS3 speichern.
Unter erneuter Bezugnahme auf 1 berechnet die Statistikwert-Berechnungseinheit 104 statistische Werte der Unähnlichkeit zwischen den Lerndaten D2 und den Versuchsdaten D4 unter Verwendung der erzeugten Abtastteilsequenzen SS3 und der Versuchsdaten D4. Die Statistikwert-Berechnungseinheit 104 führt eine Suche nach dem nächsten Nachbarn an den Versuchsdaten D4 unter Verwendung der Abtastteilsequenzen SS3 durch, um Unähnlichkeiten zu berechnen. Die Statistikwert-Berechnungseinheit 104 berechnet den Mittelwert der Unähnlichkeit m und die Standardabweichung der Unähnlichkeit σ und speichert sie in der Speichereinheit 105.
Unter Verwendung des von der Statistikwert-Berechnungseinheit 104 berechneten Mittelwerts der Unähnlichkeit m und der Standardabweichung der Unähnlichkeit σ berechnet die Schwellenwert-Berechnungseinheit 106 einen von der Diagnoseeinheit 107 zu verwendenden Schwellenwert Th, um zu diagnostizieren, ob die Lerndaten D2 eine ähnliche Wellenform wie die Wellenform der Diagnosezieldaten D1 enthalten. Die Diagnoseeinheit 107 verwendet den von der Schwellenwert-Berechnungseinheit 106 berechneten Schwellenwert Th, um zu diagnostizieren, ob die Lerndaten D2 eine Wellenform ähnlich der Wellenform der Diagnosezieldaten D1 enthalten. Wenn die Lerndaten D2 eine Wellenform ähnlich der Wellenform der Diagnosezieldaten D1 enthalten, bestimmt die Diagnoseeinheit 107, dass die Diagnosezieldaten D1 normal sind. Wenn die Lerndaten D2 keine Wellenform ähnlich der Wellenform der Diagnosezieldaten D1 enthalten, bestimmt die Diagnoseeinheit 107, dass die Diagnosezieldaten D1 abnormal sind.
10 ist ein Flussdiagramm, das den gesamten Prozess darstellt, der von der in 1 dargestellten Informationsverarbeitungsvorrichtung 10 ausgeführt wird. Die Datenerfassungseinheit 101 der Informationsverarbeitungsvorrichtung 10 erfasst die Lerndaten D2 und die Versuchsdaten D4 aus den normalen Daten D3 (Schritt S11). Die Abtastfehlerobergrenzen-Berechnungseinheit 102 berechnet die Abtastfehlerobergrenze ε unter Verwendung der Lerndaten D2 und der Versuchsdaten D4, die von der Datenerfassungseinheit 101 erfasst wurden (Schritt S12). Details des Verfahrens zum Berechnen der Abtastfehlerobergrenze ε werden später beschrieben.
Die Abtastteilsequenz-Erzeugungseinheit 103 erzeugt die Abtastteilsequenzen SS3 unter Verwendung der berechneten Abtastfehlerobergrenze ε und der Lerndaten D2 (Schritt S13). Details des Verfahrens zum Erzeugen der Abtastteilsequenzen SS3 werden später beschrieben. Unter Verwendung der erzeugten Abtastteilsequenzen SS3 berechnet die Schwellenwert-Berechnungseinheit 106 den Schwellenwert Th zur Verwendung bei der Diagnose der Diagnosezieldaten D1 (Schritt S14). Details des Verfahrens zum Berechnen des Schwellenwerts Th werden später beschrieben. Die Diagnoseeinheit 107 diagnostiziert die Diagnosezieldaten D1 (Schritt S15).
Die Reihe von Prozessen, die in 10 dargestellt sind, muss nicht unbedingt kontinuierlich ausgeführt werden. Beispielsweise können die Schritte S11 bis S13 vorab als Vorarbeit ausgeführt werden. Ferner ist es ausreichend, wenn der Schwellenwertberechnungsprozess in Schritt S14 ausgeführt wird, bevor der Diagnoseprozess in Schritt S15 ausgeführt wird. Nachfolgend wird die detaillierte Operation jedes in 10 dargestellten Schritts beschrieben.
11 ist ein Flussdiagramm, das die detaillierte Operation von Schritt S12, der in 10 dargestellt ist, darstellt. Die Abtastfehlerobergrenzen-Berechnungseinheit 102 führt eine Suche nach dem nächsten Nachbarn an den Versuchsdaten D4 unter Verwendung aller aus den Lerndaten D2 extrahierten Lernteilsequenzen SS2 durch, um Unähnlichkeiten zu berechnen (Schritt S121). 12 ist ein Flussdiagramm, das die detaillierte Operation von Schritt S121, der in 11 dargestellt ist, darstellt. Die Abtastfehlerobergrenzen-Berechnungseinheit 102 extrahiert die Versuchsteilsequenz SS4 aus den Versuchsdaten D4 (Schritt S201). Insbesondere extrahiert die Abtastfehlerobergrenzen-Berechnungseinheit 102 als die Versuchsteilsequenzen SS4 Stücke von Wellenformdaten der vorbestimmten Fenstergröße w aus den Versuchsdaten D4 der Länge p, während der Extraktionsbereich nach und nach verschoben wird. Die Abtastfehlerobergrenzen-Berechnungseinheit 102 setzt den Mindestabstand min_i, den Anfangswert auf unendlich (Schritt S202).
Die Abtastfehlerobergrenzen-Berechnungseinheit 102 extrahiert als Lernteilsequenz SS2 ein Stück der Wellenformdaten der Fenstergröße w aus den Lerndaten D2 der Länge q (Schritt S203). Die Abtastfehlerobergrenzen-Berechnungseinheit 102 berechnet den Abstand d_ij zwischen der Versuchsteilsequenz SS4 und der Lernteilsequenz SS2 (Schritt S204). Angenommen, dass die Zeitreihendaten der Versuchsteilsequenz SS4 S[i:i+w-1] (i=1, 2, 3,...,p-w+1) sind und die Zeitreihendaten der Lernteilsequenz SS2 T[j:j+w-1] (j=1, 2, 3,...,q-w+1) sind, kann der Abstand d_ij unter Verwendung des folgenden mathematischen Ausdrucks (4) berechnet werden.
[Formel 3] $d_i j = \sqrt{\sum_{k = 0}^{w - 1} {(S [i + k] - T [j + k])}^{2}}$
Wenn die Beziehung d_ij<min_i erfüllt ist, aktualisiert die Abtastfehlerobergrenzen-Berechnungseinheit 102 den Wert des Mindestabstands min_i auf den Wert des Abstands d_ij (Schritt S205). Die Abtastfehlerobergrenzen-Berechnungseinheit 102 wiederholt die Schritte S203 bis S205, bis die Auswertung aller Lernteilsequenzen SS2 abgeschlossen ist, während in Schritt S203 der Bereich zum schrittweisen Extrahieren der Lernteilsequenz SS2 verschoben wird.
Nach Abschluss der Auswertung aller Lernteilsequenzen SS2 setzt die Abtastfehlerobergrenzen-Berechnungseinheit 102 den Mindestabstand min_i als die Unähnlichkeit der aktuellen Versuchsteilsequenz SS4 (Schritt S206). Die Abtastfehlerobergrenzen-Berechnungseinheit 102 wiederholt die Schritte S201 bis S206, bis die Auswertung aller Versuchsteilsequenzen SS4 abgeschlossen ist, während in Schritt S201 der Bereich zum schrittweisen Extrahieren der Versuchsteilsequenz SS4 verschoben wird. Schritt S121 ermöglicht es der Abtastfehlerobergrenzen-Berechnungseinheit 102, die Unähnlichkeit jeder Versuchsteilsequenz SS4 zu erfassen.
Unter erneuter Bezugnahme auf 11 berechnet die Abtastfehlerobergrenzen-Berechnungseinheit 102 beim Erfassen der Unähnlichkeit jeder Versuchsteilsequenz SS4 den Mittelwert m_0 und die Standardabweichung σ_0 der Unähnlichkeit, welche statistische Werte der erfassten Unähnlichkeiten sind (Schritt S122). Die Abtastfehlerobergrenzen-Berechnungseinheit 102 berechnet die Abtastfehlerobergrenze ε unter Verwendung der statistischen Unähnlichkeitswerte und der vorbestimmten Berechnungsformel (Schritt S123).
13 ist ein Flussdiagramm, das die detaillierte Operation des in 10 dargestellten Schritts S13 zeigt. Die Abtastteilsequenz-Erzeugungseinheit 103 extrahiert eine Vielzahl von Lernteilsequenzen SS2 aus den Lerndaten D2 (Schritt S131). Die Abtastteilsequenz-Erzeugungseinheit 103 gruppiert die Lernteilsequenzen SS2 in der Zeitreihenfolge und klassifiziert sie in eine Vielzahl von Clustern CL (Schritt S132). Danach integriert die Abtastteilsequenz-Erzeugungseinheit 103 die Cluster CL und erzeugt die Abtastteilsequenz SS3 für jeden Cluster CL (Schritt S133).
14 ist ein Flussdiagramm, das die Details des ersten Integrationsprozesses von Schritt S132, der in 13 dargestellt ist, darstellt. Zunächst setzt die Abtastteilsequenz-Erzeugungseinheit 103 die Ordnungszahlen „i“ und „j“ auf i=1 bzw. j=i+1, (Schritt S301). Die Ordnungszahlen „i“ und „j“ geben jeweils die Reihenfolge der Lernteilsequenzen SS2 an. Die Abtastteilsequenz-Erzeugungseinheit 103 berechnet den Abstand zwischen der i-ten Lernteilsequenz SS2 und der j-ten Lernteilsequenz SS2 (Schritt S302). Die Abtastteilsequenz-Erzeugungseinheit 103 bestimmt, ob der berechnete Abstand gleich oder kleiner als ε/2 ist (Schritt S303). Wenn der Abstand gleich oder kleiner als ε/2 ist (Schritt S303: Ja), platziert die Abtastteilsequenz-Erzeugungseinheit 103 die j-te Lernteilsequenz SS2 in demselben Cluster CL wie die i-te Lernteilsequenz SS2 und setzt j=j+1 (Schritt S304).
Wenn der Abstand ε/2 überschreitet (Schritt S303: Nein), fixiert die Abtastteilsequenz-Erzeugungseinheit 103 den Cluster CL und fügt ihn in die Liste der Cluster CL hinzu. Ferner platziert die Abtastteilsequenz-Erzeugungseinheit 103 die j-te Lernteilsequenz SS2 in einem neuen Cluster CL (Schritt S305). Die Abtastteilsequenz-Erzeugungseinheit 103 setzt i=j und j=j+1 (Schritt S306). Nach dem Durchführen von Schritt S304 oder nach dem Durchführen von Schritt S306 bestimmt die Abtastteilsequenz-Erzeugungseinheit 103, ob die aktuelle Lernteilsequenz SS2 die letzte Lernteilsequenz SS2 ist (Schritt S307). Wenn die aktuelle Lernteilsequenz SS2 nicht die letzte Lernteilsequenz SS2 ist (Schritt S307: Nein), kehrt die Abtastteilsequenz-Erzeugungseinheit 103 zu Schritt S302 zurück und wiederholt die nachfolgenden Schritte. Wenn die aktuelle Lernteilsequenz SS2 die letzte Lernteilsequenz SS2 ist (Schritt S307: Ja), beendet die Abtastteilsequenz-Erzeugungseinheit 103 den Prozess. Wenn der in 14 dargestellte Prozess ausgeführt wird, werden die Lernteilsequenzen SS2, die zeitlich nahe beieinander liegen und Abstände gleich oder kleiner als ε/2 haben, in den gleichen Cluster CL gelegt, wie in 8 dargestellt ist.
15 ist ein Flussdiagramm, das Details des zweiten Integrationsprozesses von Schritt S133 darstellt, der in 13 dargestellt ist. Die Abtastteilsequenz-Erzeugungseinheit 103 erzeugt eine Abtastteilsequenz SS3-1 für jeden Cluster CL aus den Lernteilsequenzen SS2, die in Schritt S132 erzeugt wurden, in dem entsprechenden Cluster CL (Schritt S311). Die Abtastteilsequenz-Erzeugungseinheit 103 sortiert die Liste der Abtastteilsequenzen SS3-1 durch den Mittelwert der Abtastteilsequenzen SS3-1 (Schritt S312). Die Abtastteilsequenz-Erzeugungseinheit 103 setzt die Ordnungszahlen „ l “ und „m“ auf l=1 bzw. m=l+1 (Schritt S313). Die Ordnungszahlen „l“ und „m“ geben jeweils die Reihenfolge der Abtastteilsequenzen SS3-1 an.
Die Abtastteilsequenz-Erzeugungseinheit 103 berechnet den Abstand d zwischen der l-ten Abtastteilsequenz SS3-1 und der m-ten Abtastteilsequenz SS3-1 (Schritt S314). Die Abtastteilsequenz-Erzeugungseinheit 103 bestimmt, ob der berechnete Abstand d gleich oder kleiner als ε/2 ist (Schritt S315). Wenn der Abstand d kleiner oder gleich ε/2 ist (Schritt S315: Ja), integriert die Abtastteilsequenz-Erzeugungseinheit 103 die Cluster CL und löscht die m-te Abtastteilsequenz SS3-1 aus der Liste (Schritt S316). Wenn der Abstand d ε/2 überschreitet (Schritt S315: Nein), fixiert die Abtastteilsequenz-Erzeugungseinheit 103 den Cluster CL und erzeugt die Abtastteilsequenz SS3 für die integrierten Cluster CL (Schritt S317). Die Abtastteilsequenz-Erzeugungseinheit 103 löscht die l-te Abtastteilsequenz SS3-1 aus der Liste und setzt den Minimalindex in der Liste auf l (Schritt S318). Nach Beendigung von Schritt S316 oder Schritt S318 setzt die Abtastteilsequenz-Erzeugungseinheit 103 m=m+1 (Schritt S319).
Die Abtastteilsequenz-Erzeugungseinheit 103 bestimmt, ob die aktuelle Abtastteilsequenz SS3-1 die letzte Abtastteilsequenz SS3-1 ist (Schritt S320). Wenn die aktuelle Abtastteilsequenz SS3-1 nicht die letzte Abtastteilsequenz SS3-1 ist (Schritt S320: Nein), kehrt die Abtastteilsequenz-Erzeugungseinheit 103 zu Schritt S314 zurück und wiederholt die nachfolgenden Schritte. Wenn die aktuelle Abtastteilsequenz SS3-1 die letzte Abtastteilsequenz SS3-1 ist (Schritt S320: Ja), erzeugt die Abtastteilsequenz-Erzeugungseinheit 103 die Abtastteilsequenz SS3 für jeden der integrierten Cluster CL (Schritt S321). Die Abtastteilsequenz-Erzeugungseinheit 103 berechnet den Mittelwert der Abtastteilsequenzen SS3 und sortiert die Abtastteilsequenzen SS3 nach dem Mittelwert (Schritt S322). Auf diese Weise werden die Abtastteilsequenzen SS3 erzeugt.
16 ist ein Flussdiagramm, das die detaillierte Operation von Schritt S14, der in 10 dargestellt ist, darstellt. Die Statistikwert-Berechnungseinheit 104 führt eine Suche nach dem nächsten Nachbarn an den Versuchsdaten D4 unter Verwendung der erzeugten Abtastteilsequenzen SS3 durch, um Unähnlichkeiten zu berechnen (Schritt S141). Die Statistikwert-Berechnungseinheit 104 berechnet statistische Werte der berechneten Unähnlichkeiten (Schritt S142). Die statistischen Werte sind der Mittelwert m und die Standardabweichung σ. Die Schwellenwert-Berechnungseinheit 106 berechnet den Schwellenwert Th auf der Basis der berechneten statistischen Werte der Unähnlichkeit (Schritt S143).
17 ist ein Flussdiagramm, das die detaillierte Operation von Schritt S141, der in 16 dargestellt ist, darstellt. Hier wird der Suchprozess nach dem nächsten Nachbarn unter Verwendung der Berechnung der unteren Schranke beschleunigt.
Die Statistikwert-Berechnungseinheit 104 extrahiert die Versuchsteilsequenz SS4 aus den Versuchsdaten D4 (Schritt S401). Der Mindestabstand min_i, der Anfangswert, wird auf unendlich gesetzt (Schritt S402). Die Statistikwert-Berechnungseinheit 104 wählt eine nicht bewertete Abtastteilsequenz SS3 aus den Abtastteilsequenzen SS3 aus (Schritt S403). Die Statistikwert-Berechnungseinheit 104 berechnet die durchschnittliche Untergrenze unter Verwendung der extrahierten Versuchsteilsequenz SS4 und der ausgewählten Abtastteilsequenz SS3 (Schritt S404). Unter der Annahme, dass die Fenstergröße „w“ ist und der Mittelwert der Zeitreihendaten T, und der Mittelwert der Zeitreihendaten S durch T bzw. S mit Überstrich dargestellt werden, kann die durchschnittliche Untergrenze durch den mathematischen Ausdruck (5) weiter unten ausgedrückt werden.
[Formel 4] $\sqrt{w} \cdot | \bar{T} - \bar{S} |$
Die Statistikwert-Berechnungseinheit 104 bestimmt, ob die berechnete mittlere Untergrenze größer als der Mindestabstand min_i ist (Schritt S405). Wenn die durchschnittliche Untergrenze größer als der Mindestabstand min_i ist (Schritt S405: Ja), überspringt die Statistikwert-Berechnungseinheit 104 die nachfolgenden Schritte und stellt den Mindestabstand min_i als die Unähnlichkeit ein (Schritt S410). Wenn die durchschnittliche Untergrenze gleich oder kleiner als der Mindestabstand min_i ist (Schritt S405: Nein), berechnet die Statistikwert-Berechnungseinheit 104 die Untergrenze der durchschnittlichen Abweichung (Schritt S406). Unter der Annahme, dass die Standardabweichungen der Zeitreihendaten T und S Std (T) bzw. Std (S) sind, kann die Untergrenze der durchschnittlichen Abweichung durch den folgenden mathematischen Ausdruck (6) ausgedrückt werden.
[Formel 5] $\sqrt{w} \cdot \sqrt{(\bar{T} - \bar{S}) + {(S t d (T) - S t d (S))}^{2}}$
Die Statistikwert-Berechnungseinheit 104 bestimmt, ob die Untergrenze der berechneten durchschnittlichen Abweichung größer als der Mindestabstand min_i ist (Schritt S407). Wenn die Untergrenze der durchschnittlichen Abweichung größer als der Mindestabstand min_i ist (Schritt S407: Ja), beendet die Statistikwert-Berechnungseinheit 104 den Prozess für die aktuelle Abtastteilsequenz SS3. Wenn nicht alle Abtastteilsequenzen SS3 ausgewertet wurden, kehrt die Statistikwert-Berechnungseinheit 104 zu Schritt S403 zurück. Wenn die Untergrenze der durchschnittlichen Abweichung gleich oder kleiner als der Mindestabstand min_i ist (Schritt S407: Nein), berechnet die Statistikwert-Berechnungseinheit 104 den Abstand d_ij zwischen der Versuchsteilsequenz SS4 und der Abtastteilsequenz SS3 (Schritt S408).
Unter der Annahme, dass die Diagnosezielteilsequenz „S“ und die Abtastteilsequenz „Tj“ ist, kann der Abstand d_ij durch den folgenden mathematischen Ausdruck (7) ausgedrückt werden.
[Formel 6] $d_i j = \sqrt{\sum_{k = 0}^{w - 1} {(S [i + k] - T_{j} [k + 1])}^{2}}$
Wenn der berechnete Abstand d_ij kleiner als der Mindestabstand min_i ist, aktualisiert die Statistikwert-Berechnungseinheit 104 den Mindestabstand min_i auf den Wert des Abstands d_ij (Schritt S409). Die Statistikwert-Berechnungseinheit 104 wiederholt die Schritte S403 bis S409, bis die Auswertung aller Abtastteilsequenzen SS3 abgeschlossen ist. Nach Beendigung der Auswertung aller Abtastteilsequenzen SS3 stellt die Statistikwert-Berechnungseinheit 104 den Mindestabstand min_i als die Unähnlichkeit ein (Schritt S410). Die Statistikwert-Berechnungseinheit 104 wiederholt die Schritte S401 bis S410, bis die Auswertung aller Versuchsteilsequenzen SS4 abgeschlossen ist.
Wenn es möglich ist, unter Verwendung der durchschnittlichen Untergrenze und der Untergrenze der durchschnittlichen Abweichung zu bestimmen, dass der Abstand zwischen Teilsequenzen größer als der Mindestabstand min_i ist, ohne den Abstand zwischen Teilsequenzen zu berechnen, kann der Prozess zum Berechnen des Abstandes zwischen Teilsequenzen übersprungen werden. Der Berechnungsbetrag für den Prozess des Berechnens der durchschnittlichen Untergrenze und der Untergrenze der durchschnittlichen Abweichung ist kleiner als der für den Prozess des Berechnens des Abstands zwischen Teilsequenzen, so dass der Prozess der Suche nach dem nächsten Nachbarn beschleunigt werden kann. Es ist anzumerken, dass der in Schritt S141 dargestellte Suchprozess nach dem nächsten Nachbarn nicht notwendigerweise unter Verwendung der Berechnung der unteren Schranke ausgeführt wird, wie dies in 17 dargestellt ist. Dies kann jedoch ohne Verwendung der Berechnung der unteren Schranke durchgeführt werden, wie dies in 12 dargestellt ist. Dies kann einfach dadurch erreicht werden, dass die Lernteilsequenzen SS2 durch die Abtastteilsequenzen SS3 ersetzt werden und der Prozess des Extrahierens der Lernteilsequenz SS2 aus den Lerndaten D2 durch den Prozess des Auswählens einer Abtastteilsequenz SS3 ersetzt wird.
Die Lerndaten D2 enthalten möglicherweise keine Wellenform ähnlich der Wellenform der Diagnosezieldaten D1, die als normal diagnostiziert werden sollte, und die Diagnosezieldaten D1 können von der Informationsverarbeitungsvorrichtung 10 als abnormal diagnostiziert werden. In diesem Fall ist es wünschenswert, die Diagnosezieldaten D1, die als abnormal diagnostiziert wurden, zu den Lerndaten D2 hinzuzufügen. In Reaktion auf die Annahme einer Anweisung, zu den Lerndaten D2 unähnliche Daten hinzuzufügen, die die Diagnosezieldaten D1 sind, in Bezug auf die die Diagnoseeinheit 107 festgestellt hat, dass eine Wellenform ähnlich ihrer Wellenform nicht in den Lerndaten D2 enthalten ist, fügt die Datenerfassungseinheit 101 die unähnlichen Daten zu den Lerndaten D2 hinzu.
In einem Fall, in dem die Diagnosezieldaten D1 Sensordaten zum Erfassen des Zustands der Produktionsanlage sind, sind die Diagnosezieldaten D1, die als normal diagnostiziert werden sollten, Sensordaten, die erfasst werden, wenn keine erfassbare Abnormalität in der Produktionsanlage auftritt. In diesem Fall ist eine Anweisung zum Hinzufügen von unähnlichen Daten zu den Lerndaten D2 eine Meldung, die angibt, dass keine Abnormalität in der Produktionsanlage aufgetreten ist, obwohl die Diagnoseeinheit 107 festgestellt hat, dass eine Abnormalität in der Produktionsanlage aufgetreten ist. Beispielsweise kann eine Anweisung zum Hinzufügen von unähnlichen Daten zu den Lerndaten D2 durch eine Eingabeoperation eines Benutzers der Informationsverarbeitungsvorrichtung 10 in die Informationsverarbeitungsvorrichtung 10 eingegeben werden. Alternativ kann eine Anweisung zum Hinzufügen von unähnlichen Daten zu den Lerndaten D2 durch ein anderes System erzeugt werden, das eine Abnormalität der Produktionsanlage diagnostiziert und in die Informationsverarbeitungsvorrichtung 10 eingibt.
Nachdem zu den Lerndaten D2 unähnliche Daten hinzugefügt wurden, berechnet die Abtastfehlerobergrenzen-Berechnungseinheit 102 die Abtastfehlerobergrenze ε unter Verwendung der Lerndaten D2, die die unähnlichen Daten enthalten. Zusätzlich erzeugt die Abtastteilsequenz-Erzeugungseinheit 103 die Abtastteilsequenzen SS3 unter Verwendung der Lerndaten D2 einschließlich der unähnlichen Daten und der Abtastfehlerobergrenze ε, die unter Verwendung der Lerndaten D2 einschließlich der unähnlichen Daten berechnet wurden. Ferner führt die Statistikwert-Berechnungseinheit 104 eine Suche nach dem nächsten Nachbarn durch, indem sie die Abtastteilsequenzen SS3 verwendet, die unter Verwendung der Lerndaten D2 einschließlich der unähnlichen Daten und der Versuchsdaten D4 erzeugt wurden, um die Unterschiede zwischen den Lerndaten D2 und den Versuchsdaten D4 und den statistischen Werten der Unähnlichkeit zu berechnen. Die Schwellenwert-Berechnungseinheit 106 berechnet den Schwellenwert Th unter Verwendung der Abtastteilsequenzen SS3, die unter Verwendung der Lerndaten D2 einschließlich der unähnlichen Daten erzeugt wurden. Die Diagnoseeinheit 107 führt den Diagnoseprozess unter Verwendung der Lerndaten D2 einschließlich der unähnlichen Daten durch. Daher werden, nachdem die Diagnosezieldaten D1, die als normal diagnostiziert werden sollten, als abnormal diagnostiziert wurden, die Diagnosezieldaten D1 als unähnliche Daten hinzugefügt, und solche Daten werden im nächsten und nachfolgenden Diagnoseprozess als normal diagnostiziert.
Wie oben beschrieben, wird gemäß der Ausführungsform der vorliegenden Erfindung, wenn ähnliche Lernsequenzen, die aus einer Vielzahl von aus den Lerndaten D2 extrahierten Lernsequenzen SS2 ausgewählt sind, integriert werden, um die Abtastteilsequenz SS3 zu erzeugen, die Abtastfehlerobergrenze ε unter Verwendung von Eingabedaten, die Zeitreihendaten sind, berechnet. Die Abtastfehlerobergrenze ε ist eine obere Grenze für die Unähnlichkeit zwischen den zu integrierenden Lernteilsequenzen SS2. Dann werden unter Verwendung der berechneten Abtastfehlerobergrenze ε die Abtastteilsequenzen SS3 aus den Lerndaten D2 erzeugt. Daher kann ein Benutzer der Informationsverarbeitungsvorrichtung 10 einfach eine geeignete Abtastfehlerobergrenze ε einstellen, die ein Gleichgewicht zwischen Diagnosegenauigkeit und Verarbeitungszeit aufrechterhält, indem lediglich Zeitreihendaten ohne Versuch und Fehler eingegeben werden, und kann leicht geeignete Abtastteilsequenzen SS3 erzeugen. Das Erzeugen geeigneter Abtastteilsequenzen SS3 ermöglicht eine schnelle Diagnoseverarbeitung unter Beibehaltung der Diagnosegenauigkeit.
Die in der oben erwähnten Ausführungsform beschriebenen Konfigurationen geben Beispiele eines Aspekts der vorliegenden Erfindung an. Die Konfigurationen können mit einer anderen bekannten Technik kombiniert werden, und ein Teil der Konfigurationen kann in einem Bereich weggelassen oder geändert werden, der nicht vom Kern der vorliegenden Erfindung abweicht.
Bezugszeichenliste

10: Informationsverarbeitungsvorrichtung;
101: Datenerfassungseinheit;
102: Abtastfehlerobergrenzen-Berechnungseinheit;
103: Abtastteilsequenz-Erzeugungseinheit;
104: Statistikwert-Berechnungseinheit;
105: Speichereinheit;
106: Schwellenwert-Berechnungseinheit;
107: Diagnoseeinheit;
D1: Diagnosezieldaten;
D2: Lerndaten;
D3: normale Daten;
D4: Versuchsdaten;
SS1: Diagnosezielteilsequenz;
SS2: Lernteilsequenz;
SS3, SS3-1: Abtastteilsequenz;
SS4: Versuchsfolge;
CL: Cluster;
E: Abtastfehlerobergrenze;
D: Entfernung;
m, m_0: Mittelwert;
σ, σ_0: Standardabweichung.

ZITATE ENTHALTEN IN DER BESCHREIBUNG
Diese Liste der vom Anmelder aufgeführten Dokumente wurde automatisiert erzeugt und ist ausschließlich zur besseren Information des Lesers aufgenommen. Die Liste ist nicht Bestandteil der deutschen Patent- bzw. Gebrauchsmusteranmeldung. Das DPMA übernimmt keinerlei Haftung für etwaige Fehler oder Auslassungen.
Zitierte Patentliteratur

WO 2016/117086 [0005]

Claims

Informationsverarbeitungsvorrichtung, umfassend: eine Datenerfassungseinheit, um Eingabedaten, die Zeitreihendaten sind, zu erfassen; eine Abtastfehlerobergrenzen-Berechnungseinheit, um eine Abtastfehlerobergrenze unter Verwendung von Daten, die aus den Eingabedaten entnommen werden, zu berechnen, wenn ähnliche Lernteilsequenzen, die aus einer Vielzahl von Lernteilsequenzen ausgewählt werden, die aus Lerndaten, die Zeitreihendaten sind, extrahiert werden, integriert werden, um eine Abtastteilsequenz zu erzeugen, wobei die Abtastfehlerobergrenze eine Obergrenze für die Unähnlichkeit zwischen den zu integrierenden Lernteilsequenzen ist; und eine Abtastteilsequenz-Erzeugungseinheit, um die Abtastteilsequenz aus den Lerndaten unter Verwendung der Abtastfehlerobergrenze zu erzeugen.
Informationsverarbeitungsvorrichtung nach Anspruch 1, wobei die Zeitreihendaten Daten sind, die von einer in Betrieb befindlichen Produktionsanlage erfasst wurden.
Informationsverarbeitungsvorrichtung nach Anspruch 1 oder 2, ferner umfassend eine Schwellenwert-Berechnungseinheit, um unter Verwendung der Abtastteilsequenz einen Schwellenwert zum Diagnostizieren, ob die Lerndaten eine Wellenform ähnlich einer Wellenform von Diagnosezieldaten enthalten, zu berechnen.
Informationsverarbeitungsvorrichtung nach Anspruch 3, ferner umfassend eine Diagnoseeinheit, um unter Verwendung der Abtastteilsequenz und des Schwellenwerts zu diagnostizieren, ob die Lerndaten eine Wellenform ähnlich einer Wellenform der Diagnosezieldaten enthalten.
Informationsverarbeitungsvorrichtung nach einem der Ansprüche 1 bis 4, wobei die Datenerfassungseinheit die Eingabedaten teilt, um die Lerndaten und Versuchsdaten zu erzeugen, und wobei die Abtastfehlerobergrenzen-Berechnungseinheit die Abtastfehlerobergrenze auf der Grundlage der Unähnlichkeit zwischen den Versuchsdaten und den Lerndaten berechnet.
Informationsverarbeitungsvorrichtung nach Anspruch 5, wobei die Abtastfehlerobergrenzen-Berechnungseinheit die Abtastfehlerobergrenze unter Verwendung eines statistischen Werts der Unähnlichkeit zwischen den Versuchsdaten und den Lerndaten und einer vorbestimmten Berechnungsformel berechnet.
Informationsverarbeitungsvorrichtung nach Anspruch 6, wobei die Berechnungsformel angibt, dass die Abtastfehlerobergrenze durch Multiplizieren einer Summe eines Mittelwerts der Unähnlichkeit und eines positiven reellen Vielfachen einer Standardabweichung der Unähnlichkeit mit einer positiven reellen Zahl erhalten wird.
Informationsverarbeitungsvorrichtung nach Anspruch 5, wobei die Abtastfehlerobergrenzen-Berechnungseinheit die Abtastfehlerobergrenze auf der Grundlage eines statistischen Werts der Unähnlichkeit zwischen den Versuchsdaten und den Lerndaten berechnet und die Abtastfehlerobergrenze durch Multiplizieren einer Summe eines Mittelwerts der Unähnlichkeit und eines positiven reellen Vielfachen einer Standardabweichung der Unähnlichkeit mit einer positiven reellen Zahl erhalten wird.
Informationsverarbeitungsvorrichtung nach Anspruch 6 oder 7, wobei die Unähnlichkeit zwischen den Versuchsdaten und den Lerndaten in Verbindung mit jeder der Versuchsteilsequenzen berechnet wird, die aus den Versuchsdaten extrahierte Teilsequenzen sind, und wobei die Unähnlichkeit, die jeder der Versuchsteilsequenzen entspricht, eine minimale Unähnlichkeit zwischen den Versuchsteilsequenzen und Lernteilsequenzen ist, die eine Vielzahl von aus den Lerndaten extrahierten Teilsequenzen sind, während ein Extraktionsbereich verschoben wird.
Informationsverarbeitungsvorrichtung nach Anspruch 4, wobei in Reaktion auf die Annahme eines Befehls zum Hinzufügen zu den Lerndaten von unähnlichen Daten, die die Diagnosezieldaten sind, in Bezug auf die die Diagnoseeinheit bestimmt, dass eine Wellenform ähnlich einer Wellenform der Diagnosezieldaten nicht in den Lerndaten enthalten ist, die Datenerfassungseinheit die unähnlichen Daten zu den Lerndaten hinzufügt.
Informationsverarbeitungsvorrichtung nach Anspruch 4, wobei die Zeitreihendaten Sensordaten zum Erfassen eines Anlagenzustands sind, und wobei die Diagnoseeinheit bestimmt, dass eine Abnormalität in der Anlage auftritt, wenn die Lerndaten keine Wellenform ähnlich einer Wellenform der Diagnosezieldaten enthalten.
Informationsverarbeitungsvorrichtung nach Anspruch 11, wobei wenn die Datenerfassungseinheit eine Nachricht annimmt, die angibt, dass keine Abnormalität in der Anlage auftritt, obwohl die Diagnoseeinheit bestimmt, dass eine Abnormalität in der Anlage auftritt, die Datenerfassungseinheit unähnliche Daten, die die Diagnosezieldaten sind, aus denen die Abnormalität erfasst wird, zu den Lerndaten hinzufügt.
Informationsverarbeitungsverfahren, das von einer Informationsverarbeitungsvorrichtung auszuführen ist, wobei das Verfahren umfasst: einen Schritt zum Erfassen von Eingabedaten, die Zeitreihendaten sind; einen Schritt zum Berechnen einer Abtastfehlerobergrenze unter Verwendung der Eingabedaten, wenn ähnliche Lernteilsequenzen, die aus einer Vielzahl von Lernteilsequenzen ausgewählt werden, die aus Lerndaten, die die Zeitreihendaten sind, extrahiert werden, integriert werden, um eine Abtastteilsequenz zu erzeugen, wobei die Abtastfehlerobergrenze eine Obergrenze für die Unähnlichkeit zwischen den zu integrierenden Lernteilsequenzen ist; einen Schritt zum Erzeugen der Abtastteilsequenz aus den Lerndaten unter Verwendung der Abtastfehlerobergrenze.