JP2020008997A5 - - Google Patents
Download PDFInfo
- Publication number
- JP2020008997A5 JP2020008997A5 JP2018127570A JP2018127570A JP2020008997A5 JP 2020008997 A5 JP2020008997 A5 JP 2020008997A5 JP 2018127570 A JP2018127570 A JP 2018127570A JP 2018127570 A JP2018127570 A JP 2018127570A JP 2020008997 A5 JP2020008997 A5 JP 2020008997A5
- Authority
- JP
- Japan
- Prior art keywords
- abnormality detection
- detection model
- abnormality
- operation data
- anomaly
- 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 claims 43
- 238000005070 sampling Methods 0.000 claims 5
Claims (9)
- 監視対象となる設備の稼動データに基づいて、設備の異常またはその予兆を検知する異常検知システムであって、
前記設備から稼動データを収集する機器と、
前記稼動データから構築される異常検知モデルに基づいて、設備の異常またはその予兆を検知する情報処理装置とを有し、
前記情報処理装置は、
前記稼動データを収集する手段と、
前記稼働データから異常検知モデルを学習する手段と、
前記稼働データと異常検知モデルから、個々の稼動データに対して異常スコアを算出する手段とを有し、
前記稼働データから異常検知モデルを学習する手段は、前記異常検知モデルの内で、その異常検知モデルの要素のばらつきが小さい異常検知モデルを学習し、
前記稼働データから異常検知モデルを学習する手段は、複数の異常検知モデルから生成する異常検知モデルの異常スコアを、重み付き線形和によって合成することを特徴とする異常検知システム。 - 前記異常検知モデルの要素のばらつきは、前記異常検知モデルの要素の異常スコアの分散または四分位範囲であることを特徴とする請求項1記載の異常検知システム。
- 前記稼働データから異常検知モデルを学習する手段は、初期の異常検知モデルを設定し、逐次的に異常検知モデルから異常スコアのばらつきが小さい異常検知モデルを再構成することを特徴とする請求項1記載の異常検知システム。
- 逐次的に異常検知モデル新たな異常検知モデルを追加する際、所定探索範囲内で異常検知モデルの異常スコアの最もばらつきが小さい組み合わせ方を探索し、それを異常検知モデルの異常スコアの合成に用いることを特徴とする請求項1記載の異常検知システム。
- 前記異常検知モデルは、k近傍距離に基づく異常検知モデルであることを特徴とする請求項1記載の異常検知システム。
- 前記稼働データから異常検知モデルを学習する手段は、複数の異常検知モデルから新たな異常検知モデルを生成するにあたり、複数の異常検知モデルから稼働データをサンプリングして新たな異常検知モデルを生成することを特徴とする請求項1記載の異常検知システム。
- 前記稼働データから異常検知モデルを学習する手段は、前記異常スコアの大きい異常検知モデルに対して、大きな確率でサンプリングすることを特徴とする請求項6記載の異常検知システム。
- 前記稼働データから異常検知モデルを学習する手段は、ランダム分布に基づいてサンプリングするか、補間値あるいは推定値を用いてサンプリングするか、稼働データから生成モデルを学習し、そこからサンプリングするかのいずれかでサンプリングすることを特徴とする請求項6記載の異常検知システム。
- さらに、初期の異常検知モデルの異常スコアと、再構成された異常検知モデルの異常スコアの比率を表示する手段とを有することを特徴とする請求項1記載の異常検知システム。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018127570A JP7007243B2 (ja) | 2018-07-04 | 2018-07-04 | 異常検知システム |
US17/256,070 US11892826B2 (en) | 2018-07-04 | 2019-05-29 | Anomaly detection system |
PCT/JP2019/021407 WO2020008760A1 (ja) | 2018-07-04 | 2019-05-29 | 異常検知システム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018127570A JP7007243B2 (ja) | 2018-07-04 | 2018-07-04 | 異常検知システム |
Publications (3)
Publication Number | Publication Date |
---|---|
JP2020008997A JP2020008997A (ja) | 2020-01-16 |
JP2020008997A5 true JP2020008997A5 (ja) | 2020-12-17 |
JP7007243B2 JP7007243B2 (ja) | 2022-01-24 |
Family
ID=69059582
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018127570A Active JP7007243B2 (ja) | 2018-07-04 | 2018-07-04 | 異常検知システム |
Country Status (3)
Country | Link |
---|---|
US (1) | US11892826B2 (ja) |
JP (1) | JP7007243B2 (ja) |
WO (1) | WO2020008760A1 (ja) |
Families Citing this family (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7087908B2 (ja) * | 2018-10-24 | 2022-06-21 | オムロン株式会社 | 制御装置 |
US11620180B2 (en) * | 2018-11-29 | 2023-04-04 | Vmware, Inc. | Holo-entropy adaptive boosting based anomaly detection |
US11409995B2 (en) * | 2019-08-28 | 2022-08-09 | Nxp B.V. | Anomaly detection by classifying past behavior |
US11308366B2 (en) * | 2019-10-28 | 2022-04-19 | MakinaRocks Co., Ltd. | Method for determining optimal anomaly detection model for processing input data |
JP7318612B2 (ja) * | 2020-08-27 | 2023-08-01 | 横河電機株式会社 | 監視装置、監視方法、および監視プログラム |
CN117178405A (zh) * | 2021-03-22 | 2023-12-05 | 株式会社杰士汤浅国际 | 异常检测装置、异常检测方法以及计算机程序 |
CN113219499A (zh) * | 2021-04-07 | 2021-08-06 | 中铁第四勘察设计院集团有限公司 | 位置时间序列的异常探测方法、装置及计算机存储介质 |
JP7509117B2 (ja) * | 2021-10-29 | 2024-07-02 | 株式会社Sumco | 監視方法、監視プログラム、監視装置、ウェーハの製造方法、及びウェーハ |
CN114039837B (zh) * | 2021-11-05 | 2023-10-31 | 奇安信科技集团股份有限公司 | 告警数据处理方法、装置、***、设备和存储介质 |
CN114926061B (zh) * | 2022-05-31 | 2023-02-24 | 深圳市润鹏华通创新科技有限公司 | 一种基于云计算的智慧社区能源监管*** |
WO2024015985A1 (en) | 2022-07-15 | 2024-01-18 | Black & Veatch Holding Company | Method and computing device for detecting anomalous sensor data |
Family Cites Families (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS5955985A (ja) * | 1982-09-27 | 1984-03-31 | 株式会社ニチベイ | ブラインド |
FR2939170B1 (fr) * | 2008-11-28 | 2010-12-31 | Snecma | Detection d'anomalie dans un moteur d'aeronef. |
JP5301310B2 (ja) | 2009-02-17 | 2013-09-25 | 株式会社日立製作所 | 異常検知方法及び異常検知システム |
JP5740459B2 (ja) | 2009-08-28 | 2015-06-24 | 株式会社日立製作所 | 設備状態監視方法 |
JP5431235B2 (ja) | 2009-08-28 | 2014-03-05 | 株式会社日立製作所 | 設備状態監視方法およびその装置 |
JP2013025367A (ja) | 2011-07-15 | 2013-02-04 | Wakayama Univ | 設備状態監視方法およびその装置 |
JP5538597B2 (ja) | 2013-06-19 | 2014-07-02 | 株式会社日立製作所 | 異常検知方法及び異常検知システム |
JP6410289B2 (ja) | 2014-03-20 | 2018-10-24 | 日本電気株式会社 | 医薬品有害事象抽出方法及び装置 |
WO2017094267A1 (ja) | 2015-12-01 | 2017-06-08 | 株式会社Preferred Networks | 異常検出システム、異常検出方法、異常検出プログラム及び学習済モデル生成方法 |
JP6313516B1 (ja) | 2017-03-30 | 2018-04-18 | 三菱総研Dcs株式会社 | 情報処理装置、情報処理方法およびコンピュータプログラム |
US11379726B2 (en) * | 2018-11-02 | 2022-07-05 | Intuit Inc. | Finite rank deep kernel learning for robust time series forecasting and regression |
US11797550B2 (en) * | 2019-01-30 | 2023-10-24 | Uptake Technologies, Inc. | Data science platform |
US11586853B2 (en) * | 2020-02-17 | 2023-02-21 | Wipro Limited | System and method of validating multi-vendor Internet-of-Things (IoT) devices using reinforcement learning |
US20220044133A1 (en) * | 2020-08-07 | 2022-02-10 | Sap Se | Detection of anomalous data using machine learning |
US11842204B2 (en) * | 2021-03-26 | 2023-12-12 | Microsoft Technology Licensing, Llc | Automated generation of early warning predictive insights about users |
DE102021124254A1 (de) * | 2021-09-20 | 2023-03-23 | Festo Se & Co. Kg | Maschinelles Lernverfahren zur Leckageerkennung in einem pneumatischen System |
US20230229738A1 (en) * | 2022-01-19 | 2023-07-20 | Optum Services (Ireland) Limited | Unsupervised anomaly detection machine learning frameworks |
-
2018
- 2018-07-04 JP JP2018127570A patent/JP7007243B2/ja active Active
-
2019
- 2019-05-29 US US17/256,070 patent/US11892826B2/en active Active
- 2019-05-29 WO PCT/JP2019/021407 patent/WO2020008760A1/ja active Application Filing
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2020008997A5 (ja) | ||
US8630962B2 (en) | Error detection method and its system for early detection of errors in a planar or facilities | |
US11397792B2 (en) | Anomaly detecting device, anomaly detecting method, and recording medium | |
Harrou et al. | Detecting abnormal ozone measurements with a deep learning-based strategy | |
Javier et al. | Application of linear predictive coding for human activity classification based on micro-Doppler signatures | |
JP7149197B2 (ja) | 異常音検知装置および異常音検知方法 | |
Emrouznejad et al. | A combined neural network and DEA for measuring efficiency of large scale datasets | |
Wang et al. | Sensor data augmentation by resampling in contrastive learning for human activity recognition | |
Minh Khoa et al. | Detection and classification of power quality disturbances in power system using modified-combination between the stockwell transform and decision tree methods | |
Babajanian Bisheh et al. | Damage detection of a cable-stayed bridge using feature extraction and selection methods | |
CN107077457A (zh) | 基于事件的空间变换 | |
Wang et al. | Clustering diagnosis of rolling element bearing fault based on integrated Autoregressive/Autoregressive Conditional Heteroscedasticity model | |
Bilski | Application of support vector machines to the induction motor parameters identification | |
CN102867195A (zh) | 一种遥感图像多类目标检测和识别方法 | |
Li et al. | Infrasound signal classification based on spectral entropy and support vector machine | |
Sadreazami et al. | TL-FALL: Contactless indoor fall detection using transfer learning from a pretrained model | |
Long et al. | Decentralised one‐class kernel classification‐based damage detection and localisation | |
Manembu et al. | Missing data solution of electricity consumption based on Lagrange Interpolation case study: IntelligEnSia data monitoring | |
Ma et al. | A novel blind deconvolution based on sparse subspace recoding for condition monitoring of wind turbine gearbox | |
Su et al. | Local prediction of chaotic time series based on polynomial coefficient autoregressive model | |
Li et al. | A method of DC arc detection in all-electric aircraft | |
CN108875901B (zh) | 神经网络训练方法以及通用物体检测方法、装置和*** | |
Fuad et al. | Comparison of singular spectrum analysis forecasting algorithms for student’s academic performance during COVID-19 outbreak | |
Kamal et al. | Novel class detection of underwater targets using self-organizing neural networks | |
Tang et al. | The research of soft yoke single point mooring tower system damage identification based on long-term monitoring data |