JP2013210945A - 波形分析装置および波形分析方法 - Google Patents
波形分析装置および波形分析方法 Download PDFInfo
- Publication number
- JP2013210945A JP2013210945A JP2012082056A JP2012082056A JP2013210945A JP 2013210945 A JP2013210945 A JP 2013210945A JP 2012082056 A JP2012082056 A JP 2012082056A JP 2012082056 A JP2012082056 A JP 2012082056A JP 2013210945 A JP2013210945 A JP 2013210945A
- Authority
- JP
- Japan
- Prior art keywords
- normal
- abnormal
- data
- segment
- waveform
- 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
Images
Landscapes
- Indicating And Signalling Devices For Elevators (AREA)
- Maintenance And Inspection Apparatuses For Elevators (AREA)
- Elevator Control (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
【解決手段】監視対象をセンサにより観測して複数の変量に関する複数の時系列データを取得するセンシング部30と、前記監視対象の状態を判定する判定部39と、前記監視対象の正常または異常の定量状態値を算出する算出部と、を具備する波形分析装置が提供される。前記判定部39は、前記複数の時系列データからのセグメントデータと判定モデルとに基づいて前記監視対象の正常の尤度および異常の尤度をそれぞれ計算し、前記正常および異常のうち尤度の大きい方に前記監視対象の状態を判定する。前記算出部は、既知の正常状態値に正常度合いを乗算した結果と既知の異常状態値に異常度合いを乗算した結果の和として、正常または異常の定量状態値を算出する。
【選択図】図1
Description
図2は、サーバによる訓練学習プロセスの流れを示すフローチャートである。
(サーバの第1の変形例)
図17に示したスコア表のように最もスコアの高いセグメント(区間)が各変量のそれぞれにおいて1つしか存在しないときは重要セグメントは一意に決定する。しかしながら、同点となるセグメントが複数存在する場合はこの方法では一意に決定することはできない。そこで、このような場合は以下の方法で重要セグメント(重要区間)の決定を行う。
(その1)本実施形態ではスコアの最大値で重要セグメントを特定したが、別の方法として尤度計算で最も高い変量間でのセグメントの組み合わせを選択することも可能である。これは、各変量においては最良のセグメントを選択しているが、変量全体で疑似判定したときにはそれがベストな判定精度となっているとは限らないためである。本変形例の処理では、例えば上記の式1-2に従って、変量間ですべてのセグメントの組み合わせについて異常の尤度を計算し(図22のS222)、最も尤度の高い組み合わせを選択すればよい(図22のS223)。
各候補について「その1」と同様にして異常の尤度を計算する(図22のS222)。そして、最も尤度の大きい候補を選択する(図22のS223)。この例では候補c1の尤度L1は0.013,候補c2の尤度L2は0.031、候補c3の尤度L3は0.024,候補c4の尤度L4は0.062、候補c5の尤度L5は0.033、候補c6の尤度L6は0.093と計算される。候補c6の尤度が最も大きいため、候補c6に含まれるセグメントが重要セグメントとして決定される。すなわち変量1ではセグメントs4、変量2ではセグメントs2,変量3ではセグメントs2、変量4ではセグメントs4がそれぞれ重要セグメントとして決定される。
センシング対象(監視対象)によっては、各センサの時間差を考慮しなくても良い場合もある。その場合には、各変量(チャネル)において同じ位置のセグメントを選択し、同じセグメントの系列単位で、k-最近傍法で、推定を行ってもよい。
本変形例では各変量(チャネル)の最良セグメントを決定する他の方法を示す。
本変形例では、第1の変量から第2の変量へ確率的依存関係が分かっている場合の例を説明する。ここでは第1の変量を変量(チャネル)X3、第2の変量を変量(チャネル)X2として説明する。変量の依存関係、すなわちセンサ同士の依存関係はあらかじめユーザがサーバに指定しておく。
図1のクライアントについて説明する。
これまでのクライアントの説明では、判定対象データ上で一定時間毎にセグメントテンプレートを適用して尤度を計算した。しかしながら、この方法では、判定に要求される時間の上限を超えてしまう場合がある。特に遠隔監視端末のような現場に設置される情報処理機器などは、判定処理にまわせる計算資源(メモリ量やCPU等)に厳しい制約がある。異常の場合に即座に監視対象装置(機器)を停止する必要がある場合、あるいは現場の遠隔監視端末から監視センターサーバへの通信路の通信性能限界がある場合などは、一定時間毎にスキャンしてすべての結果をサーバに送信することは非現実的となる。
Claims (4)
- 監視対象の正常および異常の事前確率を表し、前記監視対象の複数の変量のそれぞれの波形について、最良区間の識別情報、前記最良区間のセグメントデータ、前記セグメントデータに関連するクラス、前記最良区間の正常および異常の条件付き確率を表す判定モデルを記憶する記憶部と、
前記監視対象を複数のセンサにより観測して複数の変量に関する複数の時系列データを取得するセンシング部と、
前記複数の変量のそれぞれについて、前記複数の時系列データから前記最良区間の識別情報に従ってセグメントデータを選択する選択部と、
前記複数の時系列データからのセグメントデータと前記判定モデルとに基づいて前記監視対象の正常の尤度および異常の尤度をそれぞれ計算し、前記正常および異常のうち尤度の大きい方に前記監視対象の状態を判定する判定部と、
前記最近傍法による正常の場合の波形類似度の平均値と異常の場合の波形類似度の平均値から、正常度合いと異常度合いの比に基づく正常重みと異常重みとを求め、既知の正常状態値に前記正常度合いを乗算した結果と既知の異常状態値に前記異常度合いを乗算した結果の和として、正常または異常の定量状態値を算出する算出部と、を具備する波形分析装置。 - 前記判定部は、
前記複数の時系列データからのセグメントデータおよび前記記憶部のセグメントデータから最近傍法により上位所定数のセグメントデータを検出し、
前記複数の変量のそれぞれについて、前記上位所定数のセグメントデータにおける正常クラスおよび異常クラスのそれぞれの比率と、前記正常および異常の条件付き確率とをそれぞれ乗算し、乗算値を前記複数の変量間で掛け合わせるとともに前記正常および異常の事前確率を乗じることより前記監視対象の正常の尤度および異常の尤度をそれぞれ計算する請求項1記載の装置。 - 前記複数の変量に関する複数の時系列データと、前記複数の時系列データが取得されたときの前記監視対象の状態を表す正常クラスまたは異常クラスとを一組とした複数の訓練データを格納するデータ格納部と、
前記複数の変量のそれぞれに対して複数の区間を指定し、前記複数の変量のそれぞれについて、前記複数の訓練データに含まれる前記複数の時系列データから、前記複数の区間のデータである複数のセグメントデータを抽出する波形分割部と、
前記複数の変量のそれぞれについて、前記波形分割部により抽出された前記複数のセグメントデータを用いて前記複数の区間のそれぞれについて最近傍法による判定を行うことにより、前記複数の区間のうちの1つである最良区間を選択する評価部と、
前記複数の変量のそれぞれについて、前記複数の区間のそれぞれについて正常と判定された回数と、異常と判定された回数とに基づき、前記最良区間の正常および異常の条件付き確率を計算し、前記複数の訓練データに含まれる正常クラスの合計数と異常クラスの合計数とから正常および異常の事前確率を計算する計算部と、
前記判定モデルを生成して前記記憶部に送る送信部と、をさらに具備する請求項1に記載の装置。 - 監視対象の正常および異常の事前確率を表し、前記監視対象の複数の変量のそれぞれの波形について、最良区間の識別情報、前記最良区間のセグメントデータ、前記セグメントデータに関連するクラス、前記最良区間の正常および異常の条件付き確率を表す判定モデルを記憶部に記憶するステップと、
前記監視対象を複数のセンサにより観測して複数の変量に関する複数の時系列データを取得するステップと、
前記複数の変量のそれぞれについて、前記複数の時系列データから前記最良区間の識別情報に従ってセグメントデータを選択するステップと、
前記複数の時系列データからのセグメントデータと前記判定モデルとに基づいて前記監視対象の正常の尤度および異常の尤度をそれぞれ計算し、前記正常および異常のうち尤度の大きい方に前記監視対象の状態を判定するステップと、
前記最近傍法による正常の場合の波形類似度の平均値と異常の場合の波形類似度の平均値から、正常度合いと異常度合いの比に基づく正常重みと異常重みとを求め、既知の正常状態値に前記正常度合いを乗算した結果と既知の異常状態値に前記異常度合いを乗算した結果の和として、正常または異常の定量状態値を算出するステップと、を含む波形分析方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2012082056A JP2013210945A (ja) | 2012-03-30 | 2012-03-30 | 波形分析装置および波形分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2012082056A JP2013210945A (ja) | 2012-03-30 | 2012-03-30 | 波形分析装置および波形分析方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2013210945A true JP2013210945A (ja) | 2013-10-10 |
Family
ID=49528688
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2012082056A Pending JP2013210945A (ja) | 2012-03-30 | 2012-03-30 | 波形分析装置および波形分析方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2013210945A (ja) |
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105621167A (zh) * | 2014-11-20 | 2016-06-01 | 株式会社日立大厦*** | 电梯装置以及其检查方法 |
WO2016103611A1 (ja) * | 2014-12-22 | 2016-06-30 | 日本電気株式会社 | 要因分析装置、要因分析方法、および、プログラムの記録媒体 |
WO2016136198A1 (ja) * | 2015-02-25 | 2016-09-01 | 日本電気株式会社 | システム監視装置、システム監視方法、及び、システム監視プログラムが記録された記録媒体 |
JP2016201088A (ja) * | 2015-04-10 | 2016-12-01 | タタ コンサルタンシー サービシズ リミテッドTATA Consultancy Services Limited | 異常検出システムおよび方法 |
JP2017053804A (ja) * | 2015-09-11 | 2017-03-16 | 株式会社東芝 | 確率的気象予測装置、確率的気象予測方法およびプログラム |
JP2018092310A (ja) * | 2016-12-01 | 2018-06-14 | 住友重機械工業株式会社 | 故障診断システム |
JP2018095429A (ja) * | 2016-12-14 | 2018-06-21 | 株式会社日立ビルシステム | 昇降機診断システム、昇降機診断装置、及び昇降機診断方法 |
JP2019049778A (ja) * | 2017-09-07 | 2019-03-28 | 日本電信電話株式会社 | 検知装置、検知方法及び検知プログラム |
JP2019079089A (ja) * | 2017-10-20 | 2019-05-23 | 株式会社日立製作所 | 診断装置 |
JPWO2018100655A1 (ja) * | 2016-11-30 | 2019-06-27 | 株式会社日立製作所 | データ収集システム、異常検出方法、及びゲートウェイ装置 |
JP2019121088A (ja) * | 2017-12-28 | 2019-07-22 | ローレル精機株式会社 | 状態判定装置、貨幣処理機状態判定システム、状態判定方法及びプログラム |
WO2020079842A1 (ja) * | 2018-10-19 | 2020-04-23 | 三菱電機株式会社 | エレベーターのブレーキ装置異常診断システム |
CN111099468A (zh) * | 2020-01-07 | 2020-05-05 | 广东卓梅尼技术股份有限公司 | 基于云端AIoT技术的电梯预警维保***及方法 |
JP2020193847A (ja) * | 2019-05-27 | 2020-12-03 | 株式会社東芝 | 波形セグメンテーション装置及び波形セグメンテーション方法 |
JPWO2021079472A1 (ja) * | 2019-10-24 | 2021-04-29 | ||
JP2021168195A (ja) * | 2020-07-17 | 2021-10-21 | ベイジン バイドゥ ネットコム サイエンス アンド テクノロジー カンパニー リミテッド | 顔画像の分類方法、装置、電子機器及び記憶媒体 |
CN114873397A (zh) * | 2022-04-26 | 2022-08-09 | 湖州市特种设备检测研究院(湖州市电梯应急救援指挥中心) | 一种基于电梯振动加速度与滑移量的故障识别方法及*** |
CN116070150A (zh) * | 2023-03-06 | 2023-05-05 | 济南市计量检定测试院 | 基于呼吸机运行参数的异常监测方法 |
-
2012
- 2012-03-30 JP JP2012082056A patent/JP2013210945A/ja active Pending
Cited By (31)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105621167A (zh) * | 2014-11-20 | 2016-06-01 | 株式会社日立大厦*** | 电梯装置以及其检查方法 |
WO2016103611A1 (ja) * | 2014-12-22 | 2016-06-30 | 日本電気株式会社 | 要因分析装置、要因分析方法、および、プログラムの記録媒体 |
JPWO2016103611A1 (ja) * | 2014-12-22 | 2017-11-02 | 日本電気株式会社 | 要因分析装置、要因分析方法、および、プログラム |
JPWO2016136198A1 (ja) * | 2015-02-25 | 2017-12-07 | 日本電気株式会社 | システム監視装置、システム監視方法、及び、システム監視プログラム |
WO2016136198A1 (ja) * | 2015-02-25 | 2016-09-01 | 日本電気株式会社 | システム監視装置、システム監視方法、及び、システム監視プログラムが記録された記録媒体 |
US10539468B2 (en) | 2015-02-25 | 2020-01-21 | Nec Corporation | Abnormality detection apparatus, abnormality detection method, and non-transitory computer-readable medium |
JP2016201088A (ja) * | 2015-04-10 | 2016-12-01 | タタ コンサルタンシー サービシズ リミテッドTATA Consultancy Services Limited | 異常検出システムおよび方法 |
JP2017053804A (ja) * | 2015-09-11 | 2017-03-16 | 株式会社東芝 | 確率的気象予測装置、確率的気象予測方法およびプログラム |
JPWO2018100655A1 (ja) * | 2016-11-30 | 2019-06-27 | 株式会社日立製作所 | データ収集システム、異常検出方法、及びゲートウェイ装置 |
JP2018092310A (ja) * | 2016-12-01 | 2018-06-14 | 住友重機械工業株式会社 | 故障診断システム |
US11422544B2 (en) | 2016-12-01 | 2022-08-23 | Sumitomo Heavy Industries, Ltd. | Failure diagnosis system |
JP7017851B2 (ja) | 2016-12-01 | 2022-02-09 | 住友重機械工業株式会社 | 故障診断システムおよび処理ユニット |
JP2018095429A (ja) * | 2016-12-14 | 2018-06-21 | 株式会社日立ビルシステム | 昇降機診断システム、昇降機診断装置、及び昇降機診断方法 |
JP2019049778A (ja) * | 2017-09-07 | 2019-03-28 | 日本電信電話株式会社 | 検知装置、検知方法及び検知プログラム |
JP2019079089A (ja) * | 2017-10-20 | 2019-05-23 | 株式会社日立製作所 | 診断装置 |
JP7007715B2 (ja) | 2017-12-28 | 2022-01-25 | ローレル精機株式会社 | 状態判定装置、貨幣処理機状態判定システム、状態判定方法及びプログラム |
JP2019121088A (ja) * | 2017-12-28 | 2019-07-22 | ローレル精機株式会社 | 状態判定装置、貨幣処理機状態判定システム、状態判定方法及びプログラム |
WO2020079842A1 (ja) * | 2018-10-19 | 2020-04-23 | 三菱電機株式会社 | エレベーターのブレーキ装置異常診断システム |
JP7056753B2 (ja) | 2018-10-19 | 2022-04-19 | 三菱電機株式会社 | エレベーターのブレーキ装置異常診断システム |
JPWO2020079842A1 (ja) * | 2018-10-19 | 2021-09-16 | 三菱電機株式会社 | エレベーターのブレーキ装置異常診断システム |
CN112805233A (zh) * | 2018-10-19 | 2021-05-14 | 三菱电机株式会社 | 电梯的制动装置异常诊断*** |
JP7056753B6 (ja) | 2018-10-19 | 2022-06-10 | 三菱電機株式会社 | エレベーターのブレーキ装置異常診断システム |
JP7324050B2 (ja) | 2019-05-27 | 2023-08-09 | 株式会社東芝 | 波形セグメンテーション装置及び波形セグメンテーション方法 |
JP2020193847A (ja) * | 2019-05-27 | 2020-12-03 | 株式会社東芝 | 波形セグメンテーション装置及び波形セグメンテーション方法 |
JPWO2021079472A1 (ja) * | 2019-10-24 | 2021-04-29 | ||
CN111099468B (zh) * | 2020-01-07 | 2022-03-29 | 广东卓梅尼技术股份有限公司 | 基于云端AIoT技术的电梯预警维保***及方法 |
CN111099468A (zh) * | 2020-01-07 | 2020-05-05 | 广东卓梅尼技术股份有限公司 | 基于云端AIoT技术的电梯预警维保***及方法 |
JP2021168195A (ja) * | 2020-07-17 | 2021-10-21 | ベイジン バイドゥ ネットコム サイエンス アンド テクノロジー カンパニー リミテッド | 顔画像の分類方法、装置、電子機器及び記憶媒体 |
CN114873397A (zh) * | 2022-04-26 | 2022-08-09 | 湖州市特种设备检测研究院(湖州市电梯应急救援指挥中心) | 一种基于电梯振动加速度与滑移量的故障识别方法及*** |
CN116070150A (zh) * | 2023-03-06 | 2023-05-05 | 济南市计量检定测试院 | 基于呼吸机运行参数的异常监测方法 |
CN116070150B (zh) * | 2023-03-06 | 2023-06-09 | 济南市计量检定测试院 | 基于呼吸机运行参数的异常监测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2013210945A (ja) | 波形分析装置および波形分析方法 | |
US11941868B2 (en) | Inference apparatus, inference method, and computer-readable storage medium storing an inference program | |
US9122273B2 (en) | Failure cause diagnosis system and method | |
US20140046878A1 (en) | Method and system for detecting sound events in a given environment | |
JP5145417B2 (ja) | 信号判定方法、信号判定装置、プログラム、信号判定システム | |
EP3552067B1 (en) | Methods and systems for discovery of prognostic subsequences in time series | |
EP3045889B1 (en) | Information processing system, information processing method, and program | |
JP7040851B2 (ja) | 異常検知装置、異常検知方法及び異常検知プログラム | |
JP2019070930A (ja) | 異常検知装置および異常検知方法 | |
JP5148457B2 (ja) | 異常判定装置、方法、及びプログラム | |
Xi et al. | Measuring air traffic complexity based on small samples | |
CN108875823B (zh) | 基于证据衡量标准下证据的组合方法 | |
WO2018180197A1 (ja) | データ解析装置、データ解析方法およびデータ解析プログラム | |
EP4160339A1 (en) | Abnormality/irregularity cause identifying apparatus, abnormality/irregularity cause identifying method, and abnormality/irregularity cause identifying program | |
US20210287135A1 (en) | Information processing method, information processing apparatus, and abnormality determination system | |
JP2021179740A (ja) | 監視装置、監視方法、プログラムおよびモデル訓練装置 | |
JP2020042519A (ja) | 異常検知装置、異常検知方法、及び異常検知プログラム | |
CN115186762A (zh) | 一种基于dtw-knn算法的发动机异常检测方法及*** | |
CN110956331A (zh) | 数字工厂运营状态预测方法、***、装置 | |
WO2021241578A1 (ja) | 異常変調原因特定装置、異常変調原因特定方法及び異常変調原因特定プログラム | |
US20220083039A1 (en) | Abnormality detection apparatus, abnormality detection system, and learning apparatus, and methods for the same and nontemporary computer-readable medium storing the same | |
JP6587950B2 (ja) | スカラ特徴量によって時系列変化点を検出可能なプログラム、装置及び方法 | |
US11210566B2 (en) | Training apparatus, training method and recording medium | |
WO2021079472A1 (ja) | 異常検出方法、異常検出プログラム及び異常検出装置 | |
EP4120148A1 (en) | Parameter adjusting device, inference device, parameter adjusting method, and parameter adjusting program |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
RD04 | Notification of resignation of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7424 Effective date: 20131205 |
|
RD04 | Notification of resignation of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7424 Effective date: 20131212 |
|
RD04 | Notification of resignation of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7424 Effective date: 20131219 |
|
RD04 | Notification of resignation of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7424 Effective date: 20131226 |
|
RD04 | Notification of resignation of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7424 Effective date: 20140109 |