JP2019008354A - 監視装置、監視システム、異常検知方法 - Google Patents
監視装置、監視システム、異常検知方法 Download PDFInfo
- Publication number
- JP2019008354A JP2019008354A JP2017120611A JP2017120611A JP2019008354A JP 2019008354 A JP2019008354 A JP 2019008354A JP 2017120611 A JP2017120611 A JP 2017120611A JP 2017120611 A JP2017120611 A JP 2017120611A JP 2019008354 A JP2019008354 A JP 2019008354A
- Authority
- JP
- Japan
- Prior art keywords
- value
- gaze target
- processing unit
- target device
- state
- 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.)
- Granted
Links
Landscapes
- Testing And Monitoring For Control Systems (AREA)
Abstract
Description
上記した以外の課題、構成および効果は、以下の実施形態の説明により明らかにされる。
図1に、第1実施形態の監視システムの全体構成例を示す。監視システム900は、少なくともセンサ31、昇降機監視制御装置3、遠隔監視制御装置1を含む。遠隔監視制御装置1は、典型的には昇降機の管制センターに設置され、複数の昇降機5を遠隔で監視、制御する監視装置である。遠隔監視制御装置1は、通信ネットワーク2を介し、昇降機5側に設置される複数の昇降機監視制御装置3と接続される。
X=(x1,x2)T (式1)
ベクトルの右肩のTは転置行列をあらわす。
U=(u1,u2)T (式2)
とする。またXとUの共分散行列(各変数間の共分散を配列した行列)をΣUとすると、注視対象ドアの状態値Xの、注視対象ドアが属するグループのドアの標準的な状態値Uに対するマハラノビス距離(=逸脱度D1)は、次のように定義される。
D1={(X−U)T・ΣU −1・(X−U)}1/2 (式3)
行列右肩の−1は、逆行列をあらわす。ここでマハラノビス距離(D1)は、大きな値になるほど、注視対象ドアの状態値Xが、注視対象ドアが属するグループのドアの標準的な状態値Uから離れていることをあらわす。すなわち、D1は同種のグループの平常状態からの逸脱度をあらわしている。
X=(x1,x2)T (式4)
とし、また当該ドアの過去1年間のトルク平均値(v1)、標準偏差(v2)の状態値V(=平均値ベクトル)を、
V=(v1,v2)T (式5)
とし、XとVの共分散行列(各変数間の共分散を配列した行列)をΣVとすると、注視対象ドアの状態値Xの、注視対象ドアの過去1年間の標準的な状態値Vに対するマハラノビス距離(=逸脱度D2)は、次のように定義される。
D2={(X−V)T・ΣV −1・(X−V)}1/2 (式6)
行列の右肩の−1は逆行列をあらわす。ここでマハラノビス距離(D2)は、大きな値になるほど、注視対象ドアの当月の状態値Xが、当該ドアの過去1年間の状態値Vから離れていることをあらわす。すなわち、D2は当該ドア自身の過去の状態値からの逸脱度をあらわしている。
D3=F(D1,D2) (式7)
ここでFは、D1、D2を用いて総合的な逸脱度を求める関数であり、対象機器の故障の特徴を踏まえて設定されるべきものである。例えばD1とD2の線形和を求める関数のほか、多次元関数、三角関数、あるいはニューラルネットワークなどの学習型の計算モデルを用いてもよい。本実施形態においては、D3の計算にD1とD2の各々の二乗の和の平方根を用いるが、D3の算出手法については特に限定しない。
D3=(D12+D22)1/2 (式8)
本例では、D1=1.7、D2=1.5であるので、D3≒2.3となる。
上記第1実施形態では、ドア開閉装置のトルク値をセンサ31が計測し、この計測値に基づき異常判定を行う実装例について説明した。第2実施形態では、他の例として、ドアの「開回数」と「閉回数」とをセンサ31が計測する実装例について説明する。尚、監視システムの構成や、装置内のハードウェア構成、処理フローについては、第1実施形態で説明したものを流用する。
4:昇降機機器、5:昇降機、6:管理者、11:通信処理部、
12:遠隔監視制御処理部、13:記憶部、14:出力部、31:センサ、
900:監視システム。
Claims (7)
- 昇降機の異常を検知する監視装置であって、
昇降機を構成する機器を計測するセンサからの出力信号に基づき、注視対象機器の稼働状態を示す状態値を導出し、
導出される前記注視対象機器の前記状態値が、前記注視対象機器と同種の機器それぞれの状態値の分布を表す第1分布領域から、どの程度逸脱しているかを示す値である第1の値を算出し、
導出される前記注視対象機器の前記状態値が、当該注視対象機器の過去の状態値それぞれの分布を表す第2分布領域から、どの程度逸脱しているかを示す値である第2の値を算出し、
前記第1の値および前記第2の値に基づき、前記注視対象機器が異常であるか否かを判定する、処理部と、
前記注視対象機器が異常であると判定される場合、ユーザに通知する出力部と、
を有する監視装置。 - 請求項1に記載の監視装置であって、
前記処理部は、さらに、前記第1分布領域と前記第1の値とのグラフ上の位置関係、および、前記第2分布領域と前記第2の値とのグラフ上の位置関係に基づき、前記注視対象機器の異常の原因を記した情報を記憶部から取得し、
前記出力部は、さらに、前記処理部によって取得される、前記注視対象機器の異常の原因を記した情報を出力する、監視装置。 - 請求項1に記載の監視装置であって、
前記処理部は、さらに、前記第1分布領域の代表値から前記第1の値までのグラフ上の方向、および、前記第2分布領域の代表値から前記第2の値までのグラフ上の方向に基づき、前記注視対象機器の異常の原因を記した情報を記憶部から取得し、
前記出力部は、さらに、前記処理部によって取得される、前記注視対象機器の異常の原因を示した情報を出力する、監視装置。 - 請求項1に記載の監視装置であって、
前記処理部は、さらに、前記第1分布領域、前記第2分布領域、前記第1の値、前記第2の値をグラフ上に図示した画像を作成し、
前記出力部は、さらに、前記処理部によって作成された前記画像を出力する、監視装置。 - 請求項1に記載の監視装置であって、
さらに、昇降機を構成する前記機器の状態値を蓄積した記憶部を有し、
前記処理部は、前記記憶部から、状態値を複数取得し、取得した複数の状態値に基づき、前記第1分布領域と前記第2分布領域とを導出する、監視装置。 - 昇降機の異常を検知する監視システムであって、
昇降機を構成する機器を計測するセンサと、
前記センサによって計測される計測データを受信する通信部と、
前記通信部で受信された計測データに基づき、注視対象機器の稼働状態を示す状態値を導出する第1処理部と、
前記注視対象機器と同種の機器それぞれの状態値を蓄積し、当該注視対象機器の過去の状態値を複数蓄積する記憶部と、
前記記憶部から、前記注視対象機器と同種の機器それぞれの状態値を取得し、取得した状態値の分布を表す第1分布領域から、前記第1処理部で導出される状態値がどの程度逸脱しているかを示す値である第1の値を算出する第2処理部と、
前記記憶部から、前記注視対象機器の過去の状態値それぞれを取得し、取得した状態値の分布を表す第2分布領域から、前記第1処理部で導出される状態値がどの程度逸脱しているかを示す値である第2の値を算出する第3処理部と、
前記第1の値および前記第2の値に基づき、前記注視対象機器が異常であるか否かを判定する第4処理部と、
前記第4処理部によって前記注視対象機器が異常であると判定される場合、ユーザに通知する出力部と、
を有する、監視システム。 - 昇降機の異常を検知する異常検知方法であって、
昇降機を構成する機器を計測するセンサからの出力信号に基づき、注視対象機器の稼働状態を示す状態値を導出し、
導出される前記注視対象機器の前記状態値が、前記注視対象機器と同種の機器それぞれの状態値の分布を表す第1分布領域から、どの程度逸脱しているかを示す値である第1の値を算出し、
導出される前記注視対象機器の前記状態値が、当該注視対象機器の過去の状態値それぞれの分布を表す第2分布領域から、どの程度逸脱しているかを示す値である第2の値を算出し、
前記第1の値および前記第2の値に基づき、前記注視対象機器が異常であるか否かを判定し、
前記注視対象機器が異常であると判定される場合、ユーザに通知する
処理を、コンピュータが実行する異常検知方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017120611A JP6793601B2 (ja) | 2017-06-20 | 2017-06-20 | 監視装置、監視システム、異常検知方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017120611A JP6793601B2 (ja) | 2017-06-20 | 2017-06-20 | 監視装置、監視システム、異常検知方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2019008354A true JP2019008354A (ja) | 2019-01-17 |
JP6793601B2 JP6793601B2 (ja) | 2020-12-02 |
Family
ID=65028963
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2017120611A Active JP6793601B2 (ja) | 2017-06-20 | 2017-06-20 | 監視装置、監視システム、異常検知方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6793601B2 (ja) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP4047603A1 (en) | 2021-02-22 | 2022-08-24 | Hitachi, Ltd. | Abnormality degree calculation system and abnormality degree calculation method |
WO2022219820A1 (ja) * | 2021-04-16 | 2022-10-20 | 三菱電機ビルソリューションズ株式会社 | エレベーターのモータの異常検出システム |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0926819A (ja) * | 1995-07-11 | 1997-01-28 | Mitsubishi Chem Corp | プラント異常診断装置 |
JP2004133553A (ja) * | 2002-10-08 | 2004-04-30 | Toshiba Corp | 設備診断装置 |
WO2011104760A1 (ja) * | 2010-02-26 | 2011-09-01 | 株式会社 日立製作所 | 故障原因診断システムおよびその方法 |
JP2016157206A (ja) * | 2015-02-23 | 2016-09-01 | 株式会社日立製作所 | 予兆診断システム、予兆診断方法および予兆診断装置 |
JP2017088314A (ja) * | 2015-11-10 | 2017-05-25 | 株式会社日立ビルシステム | 機器診断装置および機器診断方法、並びに機器診断システム |
-
2017
- 2017-06-20 JP JP2017120611A patent/JP6793601B2/ja active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0926819A (ja) * | 1995-07-11 | 1997-01-28 | Mitsubishi Chem Corp | プラント異常診断装置 |
JP2004133553A (ja) * | 2002-10-08 | 2004-04-30 | Toshiba Corp | 設備診断装置 |
WO2011104760A1 (ja) * | 2010-02-26 | 2011-09-01 | 株式会社 日立製作所 | 故障原因診断システムおよびその方法 |
JP2016157206A (ja) * | 2015-02-23 | 2016-09-01 | 株式会社日立製作所 | 予兆診断システム、予兆診断方法および予兆診断装置 |
JP2017088314A (ja) * | 2015-11-10 | 2017-05-25 | 株式会社日立ビルシステム | 機器診断装置および機器診断方法、並びに機器診断システム |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP4047603A1 (en) | 2021-02-22 | 2022-08-24 | Hitachi, Ltd. | Abnormality degree calculation system and abnormality degree calculation method |
WO2022219820A1 (ja) * | 2021-04-16 | 2022-10-20 | 三菱電機ビルソリューションズ株式会社 | エレベーターのモータの異常検出システム |
Also Published As
Publication number | Publication date |
---|---|
JP6793601B2 (ja) | 2020-12-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6896432B2 (ja) | 故障予知方法、故障予知装置および故障予知プログラム | |
AU2018203321B2 (en) | Anomaly detection system and method | |
CN108628281B (zh) | 异常检测***及异常检测方法 | |
US10410135B2 (en) | Systems and/or methods for dynamic anomaly detection in machine sensor data | |
JP5753286B1 (ja) | 情報処理装置、診断方法、およびプログラム | |
US9483049B2 (en) | Anomaly detection and diagnosis/prognosis method, anomaly detection and diagnosis/prognosis system, and anomaly detection and diagnosis/prognosis program | |
JP5901140B2 (ja) | システムの高い可用性のためにセンサデータを補間する方法、コンピュータプログラム、システム。 | |
US20180060832A1 (en) | Failure mode ranking in an asset management system | |
CN111045894B (zh) | 数据库异常检测方法、装置、计算机设备和存储介质 | |
US11580629B2 (en) | System and method for determining situation of facility by imaging sensing data of facility | |
Yin et al. | A data-driven learning approach for nonlinear process monitoring based on available sensing measurements | |
JP2019185422A (ja) | 故障予知方法、故障予知装置および故障予知プログラム | |
JP2013025367A (ja) | 設備状態監視方法およびその装置 | |
CN102257520A (zh) | 应用的性能分析 | |
JP2013143009A (ja) | 設備状態監視方法およびその装置 | |
JP6523815B2 (ja) | プラント診断装置及びプラント診断方法 | |
JP2016058010A (ja) | 異常傾向検出方法およびシステム | |
JP5387779B2 (ja) | 運用管理装置、運用管理方法、及びプログラム | |
JP6075241B2 (ja) | 処置判定装置、処置判定システム、処置判定プログラム及び処置判定方法 | |
JP2019008354A (ja) | 監視装置、監視システム、異常検知方法 | |
WO2017127260A1 (en) | System and method for allocating machine behavioral models | |
JP5771317B1 (ja) | 異常診断装置及び異常診断方法 | |
JP5824959B2 (ja) | 異常診断装置 | |
TWI669675B (zh) | 時序資料的分析控制方法及分析控制裝置 | |
Fernandez-Anakabe et al. | An attribute oriented induction based methodology for data driven predictive maintenance |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20190805 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20200616 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20200630 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20200730 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20201104 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20201110 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6793601 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |