JP2019179379A - 状態分析装置および状態分析方法 - Google Patents
状態分析装置および状態分析方法 Download PDFInfo
- Publication number
- JP2019179379A JP2019179379A JP2018067976A JP2018067976A JP2019179379A JP 2019179379 A JP2019179379 A JP 2019179379A JP 2018067976 A JP2018067976 A JP 2018067976A JP 2018067976 A JP2018067976 A JP 2018067976A JP 2019179379 A JP2019179379 A JP 2019179379A
- Authority
- JP
- Japan
- Prior art keywords
- state
- vector
- compression
- vectors
- machine
- 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
Classifications
-
- E—FIXED CONSTRUCTIONS
- E02—HYDRAULIC ENGINEERING; FOUNDATIONS; SOIL SHIFTING
- E02F—DREDGING; SOIL-SHIFTING
- E02F9/00—Component parts of dredgers or soil-shifting machines, not restricted to one of the kinds covered by groups E02F3/00 - E02F7/00
- E02F9/20—Drives; Control devices
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Optimization (AREA)
- General Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computational Mathematics (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Analysis (AREA)
- Computing Systems (AREA)
- Mining & Mineral Resources (AREA)
- Civil Engineering (AREA)
- Algebra (AREA)
- Automation & Control Theory (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Structural Engineering (AREA)
- Testing And Monitoring For Control Systems (AREA)
- Operation Control Of Excavators (AREA)
- Complex Calculations (AREA)
Abstract
Description
〈第1の実施形態〉
《全体構成》
図1は、一実施形態に係る状態分析システムの構成を示す概略図である。
状態分析システム1は、複数の対象機械10と状態分析装置20とを備える。
図2は、第1の実施形態に係る対象機械の構成を示す概略ブロック図である。
対象機械10は、機械本体11と、複数のセンサ12と、データ集約装置13と、通信装置14とを備える。
複数のセンサ12それぞれは、機械本体11の稼働に伴って変化するバイタルデータを計測する。複数のセンサ12が計測するバイタルデータの例としては、機械本体11の稼働時間(SMR:Service Meter Reading)、機械本体11の燃料消費量、機械本体11が備える油圧機器のリリーフ弁の開閉状態、機械本体11の走行速度などが挙げられる。
データ集約装置13は、複数のセンサ12から計測データを収集し、状態分析装置20に送信する情報を生成する。
通信装置14は、データ集約装置13が生成した情報を状態分析装置20に送信する。
時間に対して単調変化しない計測値の例としては、燃料消費量、リリーフ弁の開閉状態、走行状態、および走行速度などが挙げられる。例えば、累積計算部1312は、燃料消費量を累積計算することで、累積燃料消費量を算出する。また例えば、累積計算部1312は、リリーフ弁の開状態である時間を累積計算することで、累積リリーフ時間を算出する。また例えば、累積計算部1312は、走行中である時間(走行速度が閾値以上である時間)を累積計算することで、累積走行時間を算出する。また例えば、累積計算部1312は、走行速度を累積計算することで、累積走行距離を算出する。
時間に対して単調変化する計測値の例としては、SMRなどが挙げられる。つまり、センサ12が累積値を計測する場合には、累積計算部1312はその計測値について累積計算をしなくてよい。
図3は、第1の実施形態に係る状態分析装置の構成を示す概略ブロック図である。
状態分析装置20は、プロセッサ21、メインメモリ22、ストレージ23、インタフェース24、通信装置25を備えるコンピュータである。ストレージ23は、状態分析プログラムを記憶する。プロセッサ21は、状態分析プログラムをストレージ23から読み出してメインメモリ22に展開し、状態分析プログラムに従った処理を実行する。プロセッサ21は、インタフェース24を介して通信装置25と接続される。
状態分析装置20は、一の対象機械10の使用履歴の分析処理を実行する前に、予め、圧縮モデル、複数のクラスタの代表点の情報、およびヒートマップを生成しておく。
図4は、第1の実施形態に係る状態分析装置による学習方法を示すフローチャートである。
モデル生成部2103は、複数のクラスを、2次元平面に均等に配置する。各クラスはランダムな、または状態ベクトルの主成分分析等の前処理によって特定される、状態ベクトルと同じ次元数の(状態情報の項目数と同じ次元数の)重みベクトルを有する。複数のクラスのセットは、圧縮モデルの例である。モデル生成部2103は、複数の状態ベクトルから1つの状態ベクトルをランダムに選択し、複数のクラスのうち選択された状態ベクトルに最も近似するクラスとその近傍のクラスに係る重みベクトルを、選択された状態ベクトルの値に近づける。この処理を繰り返し実行することにより、圧縮モデルを学習させることができる。
ベクトル圧縮部2104は、ベクトル取得部2102が取得した複数の状態ベクトルのうち、ステップS6で選択した対象機械10のIDに関連付けられたものを特定する(ステップS7)。つまり、ベクトル圧縮部2104は、一の対象機械10の複数の時刻に係る複数の状態ベクトルを特定する。ベクトル圧縮部2104は、特定した複数の状態ベクトルそれぞれを圧縮モデルに基づいて圧縮することで、一の対象機械10の使用履歴を表す圧縮ベクトル群(圧縮ベクトルの時系列)を得る(ステップS8)。
ヒートマップ生成部2108は、圧縮モデルに基づいて、選択した組み合わせに係る部品交換日時に係る圧縮ベクトル群が属するヒートマップ上のクラスを特定する(ステップS14)。ヒートマップ生成部2108は、選択した組み合わせに係る部品交換金額に基づいて特定したクラスの値を更新する(ステップS15)。
状態分析装置20は、上記の準備が完了すると、任意の対象機械10の状態を分析することができる。
図5は、第1の実施形態に係る状態分析装置による状態分析方法を示すフローチャートである。
出力部2110は、ヒートマップ記憶部2204からヒートマップを読み出し、ヒートマップと生成された対象機械10に係るグラフと、クラスタ中心を表すグラフとを重ね合わせた複合グラフを生成する(ステップS57)。出力部2110は、複合グラフを出力する(ステップS58)。
図6に示すように、複合グラフGのうち対象機械10に係るグラフG1は、時系列順に右上から左下に向かって、略単調に伸びている。つまり、利用者は、対象機械10に係るグラフG1のうち最も左下の点を特定し、当該点に係るヒートマップHの色を確認することで、対象機械10の現在の状態における部品交換額の平均値を認識することができる。また、クラスタ中心を表すグラフG2が対象機械10に係るグラフG1と共に描画されるため、利用者は、クラスタ中心を表すグラフG2の伸びる方向を認識することで、対象機械10に係るグラフG1が伸びる方向を予測し、対象機械10の将来の状態を予測することができる。例えば、図6に示す例では、クラスタ中心を表すグラフG2は左方向に伸びており、対象機械10に係るグラフG1も左方向に伸びることが予想される。これにより、利用者は、対象機械10が将来的に部品交換額の平均値が高く表れる状態に至る可能性があることを認識することができ、対象機械10の運用方法を変えたり、事前にメンテナンスを行ったりするなどの対策を取ることができる。
このように、第1の実施形態によれば、状態分析装置20は、対象機械10の複数の時点のそれぞれについて状態ベクトルを取得し、複数の状態ベクトルの次元を圧縮することで複数の圧縮ベクトルを得る。状態ベクトルの要素は、対象機械10の稼働に伴い、時間に対して単調変化する状態を示す複数の項目に係る量を表す。これにより、状態分析装置20は、対象機械10の使用の履歴に係るデータの次元を、時系列的な関連性を失わないように圧縮することができる。
状態ベクトルのある第1要素(例えばSMR)が時間に対して単調増加する場合、第1要素の値は、対象機械10が新しいほど小さく、対象機械10が古くなるほど大きくなる。つまり第1要素は、一の対象機械10に係る状態ベクトルの時系列において、単調増加するという関連性を有する。
他方、状態ベクトルの第2要素(例えば残り寿命)が時間に対して単調減少する場合、第2要素の値は、対象機械10が新しいほど大きく、対象機械10が古くなるほど小さくなる。つまり第2要素は、一の対象機械10に係る状態ベクトルの時系列において、単調減少するという関連性を有する。
なお、第1の実施形態に係る状態分析装置20は、SOMによって状態ベクトルの次元を圧縮する。SOMによれば、ベクトルどうしの位相関係を保存しながら次元の圧縮がなされるので、圧縮ベクトル群における時系列の連続性を良く保つことができる。特に、状態ベクトルの要素が非線形な値を含む場合、主成分分析などの線形的な次元圧縮法より、SOMなどの非線形的な次元圧縮法を用いることが好ましい。
また、他の実施形態においては、必ずしも状態ベクトルのすべての要素が稼働時間に対して単調変化するという関係性を有するものでなくてもよい。例えば、他の実施形態において、状態ベクトルは、稼働時間に対して単調変化するという関係性を有する要素が支配的なベクトルであればよい。
図7は、第1の実施形態に係る状態分析装置によって一のクラスタに分類された圧縮ベクトル群を表すグラフである。図7に示すように、一のクラスタに分類される対象機械10の圧縮ベクトル群は、いずれも類似の軌跡を描くことが分かる。このことから、状態分析装置20が圧縮ベクトル群のクラスタリングにより適切に対象機械10の使われ方を分類することができることが分かる。
以上、図面を参照して一実施形態について詳しく説明してきたが、具体的な構成は上述のものに限られることはなく、様々な設計変更等をすることが可能である。
Claims (7)
- 複数の時点のそれぞれについて、機械の稼働に伴い、時間に対して単調変化する前記機械の状態を示す複数の項目に係る量を表す複数の状態ベクトルを取得するベクトル取得部と、
前記複数の状態ベクトルの次元を圧縮した複数の圧縮ベクトルを得るベクトル圧縮部と
を備える状態分析装置。 - 前記複数の状態ベクトルは、前記機械の稼働に伴って生じる複数の項目に係るデータの累積値を要素に含むベクトルである
請求項1に記載の状態分析装置。 - 前記圧縮ベクトルの次元は2次元または3次元であって、
前記圧縮ベクトルの次元に係る複数の軸と、一の機械の複数の時点に係る複数の圧縮ベクトルを表すプロット群とを含むグラフを生成するグラフ生成部と、
前記グラフを出力する出力部と
を備える請求項1または請求項2に記載の状態分析装置。 - 前記複数の機械の複数の時点に係る複数の状態ベクトルに基づいて、前記状態ベクトルを圧縮するための圧縮モデルを生成するモデル生成部を備え、
前記ベクトル圧縮部は、前記圧縮モデルに基づいて、一の機械の複数の時点に係る複数の状態ベクトルを圧縮する
請求項1から請求項3の何れか1項に記載の状態分析装置。 - 前記複数の圧縮ベクトルに基づいて、前記機械の状態を分類する分類部を備える
請求項4に記載の状態分析装置。 - 前記圧縮ベクトルの次元は2次元であって、
前記次元に係る軸で定義される平面に、前記機械の状態を表す複数の領域であって、その状態における故障に関するパラメータを表す色で着色された複数の領域が配置されたヒートマップを生成するヒートマップ生成部と、
一の機械の複数の時点に係る複数の圧縮ベクトルを表すプロット群と前記ヒートマップとを出力する出力部と
を備える請求項4または請求項5に記載の状態分析装置。 - 複数の機械の複数の時点のそれぞれについて、前記機械の稼働に伴い、時間に対して単調変化する前記機械の状態を示す複数の項目に係る量を表す複数の状態ベクトルを取得するステップと、
前記複数の状態ベクトルの次元を圧縮した複数の圧縮ベクトルを得るステップと
を有する状態分析方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018067976A JP7043320B2 (ja) | 2018-03-30 | 2018-03-30 | 状態分析装置および状態分析方法 |
PCT/JP2019/005295 WO2019187741A1 (ja) | 2018-03-30 | 2019-02-14 | 状態分析装置および状態分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018067976A JP7043320B2 (ja) | 2018-03-30 | 2018-03-30 | 状態分析装置および状態分析方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2019179379A true JP2019179379A (ja) | 2019-10-17 |
JP7043320B2 JP7043320B2 (ja) | 2022-03-29 |
Family
ID=68059677
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018067976A Active JP7043320B2 (ja) | 2018-03-30 | 2018-03-30 | 状態分析装置および状態分析方法 |
Country Status (2)
Country | Link |
---|---|
JP (1) | JP7043320B2 (ja) |
WO (1) | WO2019187741A1 (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022196101A1 (ja) * | 2021-03-17 | 2022-09-22 | 株式会社小松製作所 | 作業機械の故障診断システムおよび故障診断方法 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102018179B1 (ko) * | 2017-06-13 | 2019-09-04 | 서울시립대학교 산학협력단 | 반 연속흐름 코일반응기 기반 저온고압 산화법을 이용한 화학적 산소요구량(CODcr)의 분석장치 및 분석방법 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009140267A (ja) * | 2007-12-07 | 2009-06-25 | Jfe Steel Corp | 鉄鋼プロセスの異常予知方法および装置 |
JP2009187293A (ja) * | 2008-02-06 | 2009-08-20 | Nec Corp | 時系列データ解析システム、方法およびプログラム |
JP2014142697A (ja) * | 2013-01-22 | 2014-08-07 | Hitachi Ltd | 異常診断方法およびその装置 |
JP2016114960A (ja) * | 2014-12-10 | 2016-06-23 | 旭化成エンジニアリング株式会社 | 回転体およびその軸受を含む設備の診断方法と診断システム |
-
2018
- 2018-03-30 JP JP2018067976A patent/JP7043320B2/ja active Active
-
2019
- 2019-02-14 WO PCT/JP2019/005295 patent/WO2019187741A1/ja active Application Filing
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009140267A (ja) * | 2007-12-07 | 2009-06-25 | Jfe Steel Corp | 鉄鋼プロセスの異常予知方法および装置 |
JP2009187293A (ja) * | 2008-02-06 | 2009-08-20 | Nec Corp | 時系列データ解析システム、方法およびプログラム |
JP2014142697A (ja) * | 2013-01-22 | 2014-08-07 | Hitachi Ltd | 異常診断方法およびその装置 |
JP2016114960A (ja) * | 2014-12-10 | 2016-06-23 | 旭化成エンジニアリング株式会社 | 回転体およびその軸受を含む設備の診断方法と診断システム |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022196101A1 (ja) * | 2021-03-17 | 2022-09-22 | 株式会社小松製作所 | 作業機械の故障診断システムおよび故障診断方法 |
Also Published As
Publication number | Publication date |
---|---|
WO2019187741A1 (ja) | 2019-10-03 |
JP7043320B2 (ja) | 2022-03-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8380642B2 (en) | Methods and systems for self-improving reasoning tools | |
US8620853B2 (en) | Monitoring method using kernel regression modeling with pattern sequences | |
US8660980B2 (en) | Monitoring system using kernel regression modeling with pattern sequences | |
US10496466B2 (en) | Preprocessor of abnormality sign diagnosing device and processing method of the same | |
KR101948604B1 (ko) | 센서 군집화 기반의 설비 건강 모니터링 방법 및 장치 | |
US20130024416A1 (en) | Method of Sequential Kernel Regression Modeling For Forecasting and Prognostics | |
CN108491861A (zh) | 基于多源多参量融合的输变电设备状态异常模式识别方法及装置 | |
US20170261403A1 (en) | Abnormality detection procedure development apparatus and abnormality detection procedure development method | |
WO2019187741A1 (ja) | 状態分析装置および状態分析方法 | |
JP2005025351A (ja) | 情報処理装置,状態判定装置及び診断装置,並びに情報処理方法,状態判定方法及び診断方法 | |
CN104571077A (zh) | 设备的监视诊断装置 | |
CN117422938B (zh) | 基于三维分析平台的坝坡混凝土结构异常分析方法 | |
US12001199B2 (en) | Method, system and computer program product for evaluation of energy consumption in industrial environments | |
CN117235664A (zh) | 配电通信设备的故障诊断方法、***和计算机设备 | |
WO2019073512A1 (ja) | システム分析方法、システム分析装置、および、プログラム | |
Yang et al. | Software defect prediction based on fourier learning | |
Byttner et al. | A field test with self-organized modeling for knowledge discovery in a fleet of city buses | |
de Melo et al. | Cost-sensitive measures of algorithm similarity for meta-learning | |
CN115324870B (zh) | 一种往复式压缩机及其控制方法 | |
Chen et al. | A multimode anomaly detection method based on oc-elm for aircraft engine system | |
Kumar et al. | Enhanced-KNN (M-KNN) based outlier detection and sensor data aggregation for large data streams in the IoT-cloud | |
CN117974658B (zh) | 基于图像处理的线缆异常识别方法及*** | |
Liang et al. | Application of machine learning algorithms on the multi-feature multi-classification problem-in the case of a hydraulic system | |
JP2008009934A (ja) | データ処理装置,データ処理方法,作業機械の遠隔診断システム及び作業機械の遠隔診断方法 | |
JP2017204107A (ja) | データ分析方法、及び、そのシステム、装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20180413 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210311 |
|
A711 | Notification of change in applicant |
Free format text: JAPANESE INTERMEDIATE CODE: A711 Effective date: 20210311 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A821 Effective date: 20210311 |
|
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: 20220308 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20220316 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7043320 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |