JP2019159902A - 異常検知システム、サポート装置およびモデル生成方法 - Google Patents
異常検知システム、サポート装置およびモデル生成方法 Download PDFInfo
- Publication number
- JP2019159902A JP2019159902A JP2018046673A JP2018046673A JP2019159902A JP 2019159902 A JP2019159902 A JP 2019159902A JP 2018046673 A JP2018046673 A JP 2018046673A JP 2018046673 A JP2018046673 A JP 2018046673A JP 2019159902 A JP2019159902 A JP 2019159902A
- Authority
- JP
- Japan
- Prior art keywords
- abnormality detection
- data set
- feature
- state value
- learning data
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 319
- 230000005856 abnormality Effects 0.000 title claims abstract description 269
- 238000000034 method Methods 0.000 title claims abstract description 130
- 238000003860 storage Methods 0.000 claims abstract description 52
- 238000012544 monitoring process Methods 0.000 claims description 82
- 230000008569 process Effects 0.000 claims description 80
- 230000002159 abnormal effect Effects 0.000 claims description 63
- 238000011156 evaluation Methods 0.000 claims description 48
- 238000004364 calculation method Methods 0.000 claims description 36
- 238000004519 manufacturing process Methods 0.000 claims description 4
- 230000006870 function Effects 0.000 description 87
- 238000004458 analytical method Methods 0.000 description 71
- 238000012545 processing Methods 0.000 description 67
- 238000010586 diagram Methods 0.000 description 32
- 238000004806 packaging method and process Methods 0.000 description 15
- 238000009826 distribution Methods 0.000 description 13
- 230000008859 change Effects 0.000 description 10
- 238000005070 sampling Methods 0.000 description 10
- 238000012800 visualization Methods 0.000 description 8
- 238000012423 maintenance Methods 0.000 description 7
- 238000003066 decision tree Methods 0.000 description 6
- 238000002372 labelling Methods 0.000 description 6
- 238000007477 logistic regression Methods 0.000 description 6
- 230000007246 mechanism Effects 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 238000005192 partition Methods 0.000 description 4
- 238000005520 cutting process Methods 0.000 description 3
- 238000007789 sealing Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000012905 input function Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000003449 preventive effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000009827 uniform distribution Methods 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
- G05B17/00—Systems involving the use of models or simulators of said systems
- G05B17/02—Systems involving the use of models or simulators of said systems electric
-
- 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
- G05B23/0243—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 model based detection method, e.g. first-principles knowledge model
-
- 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
- G05B23/0243—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 model based detection method, e.g. first-principles knowledge model
- G05B23/0254—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 model based detection method, e.g. first-principles knowledge model based on a quantitative model, e.g. mathematical relationships between inputs and outputs; functions: observer, Kalman filter, residual calculation, Neural Networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/07—Responding to the occurrence of a fault, e.g. fault tolerance
- G06F11/0703—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation
- G06F11/0751—Error or fault detection not based on redundancy
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N7/00—Computing arrangements based on specific mathematical models
- G06N7/01—Probabilistic graphical models, e.g. probabilistic networks
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Automation & Control Theory (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Data Mining & Analysis (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Medical Informatics (AREA)
- Computational Mathematics (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Algebra (AREA)
- Probability & Statistics with Applications (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
Description
まず、本発明が適用される場面の一例について説明する。
まず、本実施の形態に係る異常検知システム1の全体構成例について説明する。図2は、本実施の形態に係る異常検知システム1の全体構成例を示す模式図である。
再度図2を参照して、図2に示す構成における監視対象である包装機600は、所定の搬送方向に搬送される包装体604に対するシール処理および/または切断処理を実行する。包装機600は、同期して回転する一対のロータ610,620を有している。各ロータは、包装体604に接する位置での外周の接線方向が搬送方向と一致するように配置されており、ロータの表面が包装体604に接触することで、包装体604をシールおよび/または切断する。
次に、本実施の形態に係る異常検知システム1を構成する主要な装置のハードウェア構成例について説明する。
図4は、本実施の形態に係る異常検知システム1を構成する制御装置100のハードウェア構成例を示すブロック図である。図4を参照して、制御装置100は、CPU(Central Processing Unit)やMPU(Micro-Processing Unit)などのプロセッサ102と、チップセット104と、主記憶装置106と、二次記憶装置108と、上位ネットワークコントローラ110と、USB(Universal Serial Bus)コントローラ112と、メモリカードインターフェイス114と、内部バスコントローラ122と、フィールドバスコントローラ118,120と、I/Oユニット124−1,124−2,…とを含む。
本実施の形態に係るサポート装置200は、一例として、汎用的なアーキテクチャに従うハードウェア(例えば、汎用パソコン)を用いてプログラムを実行することで実現される。
次に、本実施の形態に係る異常検知システム1を構成する主要な装置のソフトウェア構成例および機能構成例について説明する。図6は、本実施の形態に係る異常検知システム1のソフトウェア構成例を示すブロック図である。
次に、本実施の形態に係る異常検知システム1が採用する異常検知処理の概要について説明する。
次に、本実施の形態に係るモデル生成処理の概略手順について説明する。
次に、本実施の形態に係るモデル生成処理におけるユーザによる設定操作の手順例について説明する。
次に、本実施の形態に係るサポート装置200に含まれる解析ツール230が提供する機能および処理について説明する。以下に説明する機能および処理は、図13および図14に示されるユーザインターフェイス画面が表示される前段階で実行される。すなわち、解析ツール230による処理結果を用いて、図13および図14に示されるユーザインターフェイス画面が提供される。
次に、図15に示す解析ツール230の特徴量選択機能274が担当する処理(ステップS104,S106およびステップS124,S126)の詳細について説明する。
次に、図15に示す解析ツール230のパラメータ決定機能276が担当する処理(ステップS110)の詳細について説明する。
仮想データとしては、ある範囲の一様分布から生成するノイズなどを用いることが好ましい。このような仮想データを生成する手順としては、以下のようになる。
<K.異常検知精度の評価>
次に、図15に示す解析ツール230のパラメータ決定機能276が担当する処理(ステップS112,S114,S130)の詳細について説明する。
図2に示す異常検知システム1においては、制御装置100とサポート装置200とがそれぞれ独立した構成となっているが、サポート装置200の機能の全部または一部を制御装置100に組み入れるようにしてもよい。例えば、サポート装置200に実装される解析ツール230を、制御装置100に実装することで、生データの伝送やモデル生成処理の繰返し実行をより容易に実現できる。
上述したような本実施の形態は、以下のような技術思想を含む。
[構成1]
制御対象を制御するための制御演算を実行する制御演算部(10;130)と、
前記制御演算部により収集される状態値のうち監視対象に関連する状態値(16:142)を、異常検知用パラメータ(162)および学習データセット(160)により規定される当該監視対象を示すモデルに与えることで、当該監視対象に生じ得る異常を検知する第1の異常検知部(12:150)と、
前記制御演算部により収集される状態値のうち少なくとも前記監視対象に関連する状態値を格納する状態値格納部(14:140)と、
前記状態値格納部から提供される前記状態値を用いて、前記第1の異常検知部と実質的に同一の検知処理を実行する第2の異常検知部(30:280)と、
前記第2の異常検知部による検知結果に基づいて、前記異常検知用パラメータおよび前記学習データセットを決定するモデル生成部(20:270)とを備え、
前記モデル生成部は、
前記状態値格納部から提供される前記状態値から複数の特徴量を生成する手段(222:272)と、
前記生成された複数の特徴量のうち1または複数の特徴量の組合せを選択する手段(24:274)と、
前記選択された組合せの特徴量のデータ系列の少なくとも一部と、統計的に生成された仮想の特徴量のデータ系列とからなる追加学習データセットを生成する手段(26:274)と、
前記追加学習データセットを用いて、前記選択された組合せの特徴量に対応するモデルの検知精度を評価する手段(28:276)とを含む、異常検知システム。
[構成2]
前記選択された組合せの特徴量のデータ系列の一部が前記学習データセット(800)として用いられるとともに、当該データ系列の残りが評価データセット(802)として用いられ、
前記検知精度を評価する手段は、前記追加学習データセット(812)からなるモデルに前記評価データセットを適用したときの誤検知の確率を算出する、構成1に記載の異常検知システム。
[構成3]
前記モデル生成部は、前記評価データセットに統計的に生成された仮想の特徴量のデータ系列(811)を追加して追加評価データセット(812)を生成する手段をさらに含み、
前記検知精度を評価する手段は、前記追加評価データセットを用いて誤検知の確率を算出する、構成2に記載の異常検知システム。
[構成4]
前記モデル生成部は、前記追加される仮想の特徴量のデータ系列の統計的特性の設定を受付ける手段(540,542)をさらに含む、構成2または3に記載の異常検知システム。
[構成5]
前記モデル生成部は、任意の特徴量が追加で選択されることで、前記検知精度が向上すると、当該任意の特徴量を前記モデルとして登録する手段(276)をさらに含む、構成1〜4のいずれか1項に記載の異常検知システム。
[構成6]
前記モデル生成部は、前記生成された複数の特徴量のデータ系列の特定範囲に対して、正常および異常の少なくとも一方のラベルを付与する手段(230)をさらに含む、構成1〜5のいずれか1項に記載の異常検知システム。
[構成7]
前記モデル生成部は、前記生成された特徴量の各々の重要度を算出する手段(274)をさらに含み、
前記特徴量の組合せを選択する手段は、重要度の高い特徴量を優先的に選択する、構成1〜6のいずれか1項に記載の異常検知システム。
[構成8]
前記モデル生成部により決定された異常検知用パラメータおよび学習データセットを前記第1の異常検知部に設定する手段(232)をさらに備える、構成1〜7のいずれか1項に記載の異常検知システム。
[構成9]
制御対象を制御するための制御装置(100)に接続されるサポート装置(200)であって、前記制御装置は、収集される状態値のうち監視対象に関連する状態値(16:142)を、異常検知用パラメータ(162)および学習データセット(160)により規定される当該監視対象を示すモデルに与えることで、当該監視対象に生じ得る異常を検知する第1の異常検知部(12:150)と、前記収集される状態値のうち少なくとも前記監視対象に関連する状態値を格納する状態値格納部(14:140)とを備え、前記サポート装置は、
前記状態値格納部から提供される前記状態値を用いて、前記第1の異常検知部と実質的に同一の検知処理を実行する第2の異常検知部(30:280)と、
前記第2の異常検知部による検知結果に基づいて、前記異常検知用パラメータおよび前記学習データセットを決定するモデル生成部(20:270)とを備え、
前記モデル生成部は、
前記状態値格納部から提供される前記状態値から複数の特徴量を生成する手段(222:272)と、
前記生成された複数の特徴量のうち1または複数の特徴量の組合せを選択する手段(24:274)と、
前記選択された組合せの特徴量のデータ系列の少なくとも一部と、統計的に生成された仮想の特徴量のデータ系列とからなる追加学習データセットを生成する手段(26:274)と、
前記追加学習データセットを用いて、前記選択された組合せの特徴量に対応するモデルの検知精度を評価する手段(28:276)とを含む、サポート装置。
[構成10]
異常検知システム(1)におけるモデル生成方法であって、前記異常検知システムは、
制御対象を制御するための制御演算を実行する制御演算部(10;130)と、
前記制御演算部により収集される状態値のうち監視対象に関連する状態値(16:142)を、異常検知用パラメータ(162)および学習データセット(160)により規定される当該監視対象を示すモデルに与えることで、当該監視対象に生じ得る異常を検知する第1の異常検知部(12:150)と、
前記制御演算部により収集される状態値のうち少なくとも前記監視対象に関連する状態値を格納する状態値格納部(14:140)と、
前記状態値格納部から提供される前記状態値を用いて、前記第1の異常検知部と実質的に同一の検知処理を実行する第2の異常検知部(30:280)と、
前記第2の異常検知部による検知結果に基づいて、前記異常検知用パラメータおよび前記学習データセットを決定するモデル生成部(20:270)とを備え、
前記モデル生成方法は、
前記状態値格納部から提供される前記状態値から複数の特徴量を生成するステップ(S100)と、
前記生成された複数の特徴量のうち1または複数の特徴量の組合せを選択するステップ(S108)と、
前記選択された組合せの特徴量のデータ系列の少なくとも一部と、統計的に生成された仮想の特徴量のデータ系列とからなる追加学習データセットを生成するステップ(S110)と、
前記追加学習データセットを用いて、前記選択された組合せの特徴量に対応するモデルの検知精度を評価するステップ(S112,S114)とを含む、モデル生成方法。
何らかの監視対象(任意の機械や装置)の異常を検知するための異常検知システムで用いられるモデルを生成するにあたっては、実際の監視対象で異常が発生したときに収集された状態値を用いてモデルの作成および更新を行っていた。そのため、モデル生成についての試行錯誤の回数が多く、検知精度を向上させるために多くの時間が必要であった。
Claims (10)
- 制御対象を制御するための制御演算を実行する制御演算部と、
前記制御演算部により収集される状態値のうち監視対象に関連する状態値を、異常検知用パラメータおよび学習データセットにより規定される当該監視対象を示すモデルに与えることで、当該監視対象に生じ得る異常を検知する第1の異常検知部と、
前記制御演算部により収集される状態値のうち少なくとも前記監視対象に関連する状態値を格納する状態値格納部と、
前記状態値格納部から提供される前記状態値を用いて、前記第1の異常検知部と実質的に同一の検知処理を実行する第2の異常検知部と、
前記第2の異常検知部による検知結果に基づいて、前記異常検知用パラメータおよび前記学習データセットを決定するモデル生成部とを備え、
前記モデル生成部は、
前記状態値格納部から提供される前記状態値から複数の特徴量を生成する手段と、
前記生成された複数の特徴量のうち1または複数の特徴量の組合せを選択する手段と、
前記選択された組合せの特徴量のデータ系列の少なくとも一部と、統計的に生成された仮想の特徴量のデータ系列とからなる追加学習データセットを生成する手段と、
前記追加学習データセットを用いて、前記選択された組合せの特徴量に対応するモデルの検知精度を評価する手段とを含む、異常検知システム。 - 前記選択された組合せの特徴量のデータ系列の一部が前記学習データセットとして用いられるとともに、当該データ系列の残りが評価データセットとして用いられ、
前記検知精度を評価する手段は、前記追加学習データセットからなるモデルに前記評価データセットを適用したときの誤検知の確率を算出する、請求項1に記載の異常検知システム。 - 前記モデル生成部は、前記評価データセットに統計的に生成された仮想の特徴量のデータ系列を追加して追加評価データセットを生成する手段をさらに含み、
前記検知精度を評価する手段は、前記追加評価データセットを用いて誤検知の確率を算出する、請求項2に記載の異常検知システム。 - 前記モデル生成部は、前記追加される仮想の特徴量のデータ系列の統計的特性の設定を受付ける手段をさらに含む、請求項2または3に記載の異常検知システム。
- 前記モデル生成部は、任意の特徴量が追加で選択されることで、前記検知精度が向上すると、当該任意の特徴量を前記モデルとして登録する手段をさらに含む、請求項1〜4のいずれか1項に記載の異常検知システム。
- 前記モデル生成部は、前記生成された複数の特徴量のデータ系列の特定範囲に対して、正常および異常の少なくとも一方のラベルを付与する手段をさらに含む、請求項1〜5のいずれか1項に記載の異常検知システム。
- 前記モデル生成部は、前記生成された特徴量の各々の重要度を算出する手段をさらに含み、
前記特徴量の組合せを選択する手段は、重要度の高い特徴量を優先的に選択する、請求項1〜6のいずれか1項に記載の異常検知システム。 - 前記モデル生成部により決定された異常検知用パラメータおよび学習データセットを前記第1の異常検知部に設定する手段をさらに備える、請求項1〜7のいずれか1項に記載の異常検知システム。
- 制御対象を制御するための制御装置に接続されるサポート装置であって、前記制御装置は、収集される状態値のうち監視対象に関連する状態値を、異常検知用パラメータおよび学習データセットにより規定される当該監視対象を示すモデルに与えることで、当該監視対象に生じ得る異常を検知する第1の異常検知部と、前記収集される状態値のうち少なくとも前記監視対象に関連する状態値を格納する状態値格納部とを備え、前記サポート装置は、
前記状態値格納部から提供される前記状態値を用いて、前記第1の異常検知部と実質的に同一の検知処理を実行する第2の異常検知部と、
前記第2の異常検知部による検知結果に基づいて、前記異常検知用パラメータおよび前記学習データセットを決定するモデル生成部とを備え、
前記モデル生成部は、
前記状態値格納部から提供される前記状態値から複数の特徴量を生成する手段と、
前記生成された複数の特徴量のうち1または複数の特徴量の組合せを選択する手段と、
前記選択された組合せの特徴量のデータ系列の少なくとも一部と、統計的に生成された仮想の特徴量のデータ系列とからなる追加学習データセットを生成する手段と、
前記追加学習データセットを用いて、前記選択された組合せの特徴量に対応するモデルの検知精度を評価する手段とを含む、サポート装置。 - 異常検知システムにおけるモデル生成方法であって、前記異常検知システムは、
制御対象を制御するための制御演算を実行する制御演算部と、
前記制御演算部により収集される状態値のうち監視対象に関連する状態値を、異常検知用パラメータおよび学習データセットにより規定される当該監視対象を示すモデルに与えることで、当該監視対象に生じ得る異常を検知する第1の異常検知部と、
前記制御演算部により収集される状態値のうち少なくとも前記監視対象に関連する状態値を格納する状態値格納部と、
前記状態値格納部から提供される前記状態値を用いて、前記第1の異常検知部と実質的に同一の検知処理を実行する第2の異常検知部と、
前記第2の異常検知部による検知結果に基づいて、前記異常検知用パラメータおよび前記学習データセットを決定するモデル生成部とを備え、
前記モデル生成方法は、
前記状態値格納部から提供される前記状態値から複数の特徴量を生成するステップと、
前記生成された複数の特徴量のうち1または複数の特徴量の組合せを選択するステップと、
前記選択された組合せの特徴量のデータ系列の少なくとも一部と、統計的に生成された仮想の特徴量のデータ系列とからなる追加学習データセットを生成するステップと、
前記追加学習データセットを用いて、前記選択された組合せの特徴量に対応するモデルの検知精度を評価するステップとを含む、モデル生成方法。
Priority Applications (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018046673A JP6879239B2 (ja) | 2018-03-14 | 2018-03-14 | 異常検知システム、サポート装置およびモデル生成方法 |
EP19151600.4A EP3540544A1 (en) | 2018-03-14 | 2019-01-14 | Abnormality detection system, support device, and model generation method |
CN201910031702.9A CN110275506B (zh) | 2018-03-14 | 2019-01-14 | 异常检测***、支持装置以及模型生成方法 |
US16/248,787 US11163277B2 (en) | 2018-03-14 | 2019-01-16 | Abnormality detection system, support device, and model generation method |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018046673A JP6879239B2 (ja) | 2018-03-14 | 2018-03-14 | 異常検知システム、サポート装置およびモデル生成方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2019159902A true JP2019159902A (ja) | 2019-09-19 |
JP6879239B2 JP6879239B2 (ja) | 2021-06-02 |
Family
ID=65030921
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018046673A Active JP6879239B2 (ja) | 2018-03-14 | 2018-03-14 | 異常検知システム、サポート装置およびモデル生成方法 |
Country Status (4)
Country | Link |
---|---|
US (1) | US11163277B2 (ja) |
EP (1) | EP3540544A1 (ja) |
JP (1) | JP6879239B2 (ja) |
CN (1) | CN110275506B (ja) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022091530A1 (ja) * | 2020-11-02 | 2022-05-05 | Soinn株式会社 | 推定装置、推定方法及びプログラムが格納された非一時的なコンピュータ可読媒体 |
WO2022149233A1 (ja) * | 2021-01-07 | 2022-07-14 | 三菱電機株式会社 | ログ生成装置、ログ生成方法、及び、ログ生成プログラム |
JP7482055B2 (ja) | 2021-01-28 | 2024-05-13 | 株式会社東芝 | 状態診断装置、システム、及び方法 |
Families Citing this family (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11294756B1 (en) * | 2019-09-19 | 2022-04-05 | Amazon Technologies, Inc. | Anomaly detection in a network |
JP7446771B2 (ja) * | 2019-10-30 | 2024-03-11 | 株式会社東芝 | 可視化データ生成装置、可視化データ生成システム、及び可視化データ生成方法 |
US11750629B2 (en) * | 2019-11-21 | 2023-09-05 | Hewlett Packard Enterprise Development Lp | Classification based anomaly detection |
CN110933080B (zh) * | 2019-11-29 | 2021-10-26 | 上海观安信息技术股份有限公司 | 一种用户登录异常的ip群体识别方法及装置 |
CN110991552B (zh) * | 2019-12-12 | 2021-03-12 | 支付宝(杭州)信息技术有限公司 | 基于联邦学习的孤立森林模型构建和预测方法和装置 |
JP7384059B2 (ja) * | 2020-02-06 | 2023-11-21 | 富士通株式会社 | 検知プログラム、検知方法及び検知装置 |
CN111314910B (zh) * | 2020-02-25 | 2022-07-15 | 重庆邮电大学 | 一种映射隔离森林的无线传感器网络异常数据检测方法 |
CN111400294B (zh) * | 2020-03-12 | 2023-08-01 | 时时同云科技(成都)有限责任公司 | 数据异常监测方法、装置及*** |
CN112859646B (zh) * | 2021-02-08 | 2022-11-22 | 广西玉柴机器股份有限公司 | 双行星轮混合动力硬件在环仿真*** |
JP2023002081A (ja) * | 2021-06-22 | 2023-01-10 | オムロン株式会社 | 予測システム、情報処理装置および情報処理プログラム |
US20230132720A1 (en) * | 2021-10-29 | 2023-05-04 | Intuit Inc. | Multiple input machine learning framework for anomaly detection |
CN114459574B (zh) * | 2022-02-10 | 2023-09-26 | 电子科技大学 | 一种高速流体流量测量准确率自动化评估方法、装置和存储介质 |
CN116401138B (zh) * | 2023-06-08 | 2023-09-15 | 建信金融科技有限责任公司 | 操作***的运行状态检测方法、装置、电子设备和介质 |
CN116610938B (zh) * | 2023-07-19 | 2023-10-10 | 合肥喆塔科技有限公司 | 曲线模式分段的半导体制造无监督异常检测方法及设备 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010191556A (ja) * | 2009-02-17 | 2010-09-02 | Hitachi Ltd | 異常検知方法及び異常検知システム |
JP2013061853A (ja) * | 2011-09-14 | 2013-04-04 | Toshiba Corp | プロセス監視・診断・支援装置 |
JP6280997B1 (ja) * | 2016-10-31 | 2018-02-14 | 株式会社Preferred Networks | 疾患の罹患判定装置、疾患の罹患判定方法、疾患の特徴抽出装置及び疾患の特徴抽出方法 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1379980A4 (en) * | 2001-03-08 | 2006-10-18 | California Inst Of Techn | EXCEPTIONAL ANALYSIS FOR MULTIMISSIONS |
JP2003058242A (ja) * | 2001-08-10 | 2003-02-28 | Mitsubishi Electric Corp | プラント運転支援システム |
TWI267012B (en) * | 2004-06-03 | 2006-11-21 | Univ Nat Cheng Kung | Quality prognostics system and method for manufacturing processes |
JP2006105943A (ja) * | 2004-10-08 | 2006-04-20 | Omron Corp | 知識作成装置及びパラメータ探索方法並びにプログラム製品 |
WO2007087729A1 (en) * | 2006-02-03 | 2007-08-09 | Recherche 2000 Inc. | Intelligent monitoring system and method for building predictive models and detecting anomalies |
US20170103148A1 (en) * | 2014-03-27 | 2017-04-13 | Nec Corporation | System-analyzing device, analysis-model generation method, system analysis method, and system-analyzing program |
-
2018
- 2018-03-14 JP JP2018046673A patent/JP6879239B2/ja active Active
-
2019
- 2019-01-14 EP EP19151600.4A patent/EP3540544A1/en not_active Withdrawn
- 2019-01-14 CN CN201910031702.9A patent/CN110275506B/zh active Active
- 2019-01-16 US US16/248,787 patent/US11163277B2/en active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010191556A (ja) * | 2009-02-17 | 2010-09-02 | Hitachi Ltd | 異常検知方法及び異常検知システム |
JP2013061853A (ja) * | 2011-09-14 | 2013-04-04 | Toshiba Corp | プロセス監視・診断・支援装置 |
JP6280997B1 (ja) * | 2016-10-31 | 2018-02-14 | 株式会社Preferred Networks | 疾患の罹患判定装置、疾患の罹患判定方法、疾患の特徴抽出装置及び疾患の特徴抽出方法 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022091530A1 (ja) * | 2020-11-02 | 2022-05-05 | Soinn株式会社 | 推定装置、推定方法及びプログラムが格納された非一時的なコンピュータ可読媒体 |
WO2022149233A1 (ja) * | 2021-01-07 | 2022-07-14 | 三菱電機株式会社 | ログ生成装置、ログ生成方法、及び、ログ生成プログラム |
JPWO2022149233A1 (ja) * | 2021-01-07 | 2022-07-14 | ||
JP7229443B2 (ja) | 2021-01-07 | 2023-02-27 | 三菱電機株式会社 | ログ生成装置、ログ生成方法、及び、ログ生成プログラム |
JP7482055B2 (ja) | 2021-01-28 | 2024-05-13 | 株式会社東芝 | 状態診断装置、システム、及び方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110275506B (zh) | 2022-04-05 |
CN110275506A (zh) | 2019-09-24 |
US20190286085A1 (en) | 2019-09-19 |
JP6879239B2 (ja) | 2021-06-02 |
EP3540544A1 (en) | 2019-09-18 |
US11163277B2 (en) | 2021-11-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6879239B2 (ja) | 異常検知システム、サポート装置およびモデル生成方法 | |
JP7063022B2 (ja) | 異常検知システム、サポート装置およびモデル生成方法 | |
JP2019179395A (ja) | 異常検知システム、サポート装置および異常検知方法 | |
US11657309B2 (en) | Behavior analysis and visualization for a computer infrastructure | |
JP6919186B2 (ja) | 制御システム、制御プログラムおよび制御方法 | |
US10747212B2 (en) | Management system and non-transitory computer-readable recording medium | |
US20180275631A1 (en) | Control system, control device, and control method | |
JP6468313B2 (ja) | 制御装置、制御プログラムおよび制御方法 | |
WO2018189845A1 (ja) | 作業管理システム及び作業管理方法 | |
JP2019144716A (ja) | 非定常状態検出システム、及び非定常状態検出方法 | |
JP6360016B2 (ja) | 診断装置、診断システム、機器、及び、診断方法 | |
CN109272599A (zh) | 一种数据处理方法及相关设备 | |
EP3825801A1 (en) | Scalable analytics system | |
JP7151312B2 (ja) | 制御システム | |
WO2019046996A1 (en) | JAVA SOFTWARE LATENCY ANOMALY DETECTION | |
CN115741708A (zh) | 机械手状态的确定方法、装置以及存储介质 | |
WO2017051518A1 (ja) | 通信情報算出装置、通信情報算出方法、記録媒体、及び、通信管理システム | |
JP6648078B2 (ja) | 状態判定装置、状態判定方法及び状態判定プログラム | |
JP2017204107A (ja) | データ分析方法、及び、そのシステム、装置 | |
JP7524784B2 (ja) | 情報処理装置、制御システムおよびレポート出力方法 | |
WO2022162957A1 (ja) | 情報処理装置、制御システムおよびレポート出力方法 | |
JP2023151722A (ja) | 情報処理システム、情報処理方法および情報処理装置 | |
JP2023006304A (ja) | 制御システム、モデル生成方法およびモデル生成プログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20200309 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20210323 |
|
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: 20210330 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20210412 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6879239 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |