JP4832609B1 - 異常予兆診断装置および異常予兆診断方法 - Google Patents
異常予兆診断装置および異常予兆診断方法 Download PDFInfo
- Publication number
- JP4832609B1 JP4832609B1 JP2011138941A JP2011138941A JP4832609B1 JP 4832609 B1 JP4832609 B1 JP 4832609B1 JP 2011138941 A JP2011138941 A JP 2011138941A JP 2011138941 A JP2011138941 A JP 2011138941A JP 4832609 B1 JP4832609 B1 JP 4832609B1
- Authority
- JP
- Japan
- Prior art keywords
- diagnosis
- sensor data
- abnormality
- data
- abnormality sign
- 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.)
- Active
Links
Images
Landscapes
- Testing And Monitoring For Control Systems (AREA)
Abstract
【解決手段】異常予兆診断装置1は、機械設備2に設置された複数のセンサによって測定された多次元センサデータを取得するセンサデータ取得手段11と、診断対象データについて、機械設備2が正常に稼動しているときのセンサデータを学習データとして作成された事例モデルからの乖離の度合いを示す異常度に基づいて異常予兆の有無を診断する第1診断手段16と、個別のセンサデータの値が、予め定められた所定の範囲内にあるか否かに基づいて、異常予兆の有無を診断する第2診断手段15とを備え、第1診断手段16によって異常予兆があると診断された場合に、第2診断手段15による異常予兆診断のために参照する個別のセンサデータを、異常度に対する寄与の大きさを示す寄与度に基づいて選択する。
【選択図】図1
Description
[異常予兆診断装置の構成]
まず、図1を参照して、本発明の実施形態に係る異常予兆診断装置の構成について説明する。
また、通信手段10は、機械設備2から入力したセンサデータをセンサデータ取得手段11に出力し、機械設備2から入力した保守情報を保守情報取得手段13に出力する。
図2に示すように、本実施形態のリモートモニタリング部15は、多次元(N次元;Nは2以上の整数)のセンサデータを構成するN個の個別(一次元)のセンサデータのそれぞれに対応した個別診断手段15111〜1512Nと、総合診断手段1521〜1522とを備えている。なお、個別(一次元)のセンサデータとは、機械設備2における「冷却水圧力」、「冷却水温度」、「回転速度」などの、個々のセンサによる測定データのことであり、多次元のセンサデータとは、これらの個別のセンサデータを要素とするセンサデータのことである。
また、同じセンサデータ(センサ1、センサ2など)に対応する個別診断手段15111と個別診断手段15121、個別診断手段15112と個別診断手段15122、個別診断手段1511Nと個別診断手段1512Nなどは、それぞれ、同じ閾値を用いて個別診断するようにしてもよく、組となる総合診断手段1521〜1522が診断すべき異常種別に応じて、異なる閾値を用いるようにしてもよい。また、総合診断手段1521〜1522は、診断すべき異常種別に応じて、それぞれ参照するセンサデータを選別するようにしてもよい。
なお、総合診断手段1521〜1522における診断ルールは、データマイニング部16の診断結果に関わらず、キーボードやマウスなどの入力手段(不図示)を介した操作者の指示があった場合に、再構築するようにしてもよい。
データマイニング部(第1診断手段)16は、機械設備2から取得した多次元のセンサデータを参照して、統計的処理を施して事例モデルを作成し、作成した事例モデルを用いたデータマイニング手法により異常予兆の診断を行うものである。なお、本実施形態におけるデータマイニング部16は、センサデータ記憶手段12に記憶されているセンサデータを参照して診断する。また、データマイニング部16は、診断結果を機械設備2に対応付けて、診断したセンサデータの測定時刻とともに診断結果記憶手段18に記憶する。なお、本実施形態においては、データマイニング部16は、診断結果として異常予兆の有無に加えて、寄与度および異常度を含めて診断結果記憶手段18に記憶する。
図3に示すように、本実施形態のデータマイニング部16は、学習部161と診断部162とを備えている。また、学習部161は、学習データ取得手段161aと、モード分割手段161bと、モデル作成手段161cとを備え、診断部162は、診断対象データ取得手段162aと、異常度算出手段162bと、診断手段162cと、寄与度算出手段162dとを備えている。
図4は、3つのセンサデータ(センサ1〜センサ3)を例として、センサデータの値の変化の様子と、機械設備2の運転状態(モード)との関係を示したものである。
モデル作成手段161cは、モデルデータ記憶手段17に記憶されているモード分割された学習データを用いて、モードごとに事例モデルを作成し、作成した事例モデルのデータであるコードブックをモデルデータ記憶手段17に記憶する。
診断部162は、モデルデータ記憶手段17に記憶されている事象モデルの学習結果であるコードブックを用いて、センサデータ記憶手段12に記憶されている診断対象となるセンサデータである診断対象データについて、異常度に基づいて異常予兆の有無を診断するものである。また、診断部162は、異常度に対する各センサデータの寄与度を算出する。診断部162は、異常予兆の有無、異常度、寄与度を含む診断結果を診断結果記憶手段18に、機械設備2に対応付けて、診断対象となるセンサデータの測定時刻とともに記憶する。
異常度算出手段162bは、順次に診断対象データ取得手段162aから入力される個々の診断対象データについて、コードブックに含まれる複数のクラスタの何れに属するかを判定し、診断対象データが属するクラスタに対応するコードを用いて異常度を算出する。なお、診断対象データは、すべてのクラスタの中で、診断対象データとの距離が最も小さいクラスタに属するものと判定する。
異常度 = (誤差距離d)/(クラスタ半径r) ・・・ 式(1)
異常度は、クラスタの代表値μで規定されるクラスタ重心から距離が大きいほど、すなわち、クラスタから乖離しているほど大きな値となる。
診断手段162cは、異常度算出手段162bから入力した異常度に基づいて、異常予兆の有無を診断するものである。診断手段162cは、診断した異常予兆の有無を診断結果の一部として、機械設備2に対応付けて診断結果記憶手段18に記憶する。
寄与度 = (センサ成分誤差)/(誤差距離d) ・・・ 式(2)
モデルデータ記憶手段17としては、磁気ディスク装置、光ディスク装置、半導体記憶装置などを用いることができる。
図7(a)に示すように、学習データは、個々の機械設備2を識別する識別情報である機械設備2が設置されたサイト(場所)およびそのサイトにおける機械No.(「サイト/機械No.」)に対応付けられて、機械設備2の運転状態を示す「モード」ごとの、各センサ(1〜N)のデータ(「センサ1」〜「センサN」)および「測定時刻」から構成されている。
診断結果記憶手段18としては、磁気ディスク装置、光ディスク装置、半導体記憶装置などを用いることができる。
図8に示すように、診断結果記憶手段18に記憶されるデータマイニング部16による診断結果は、個々の機械設備2を識別する識別情報である機械設備2が設置されたサイト(場所)およびそのサイトにおける機械No.(「サイト/機械No.」)に対応付けられて、「測定時刻」、データマイニング部16で学習データとして用いたセンサデータの測定日を示す「学習データ取得日」、診断対象データが属する「クラスタ番号」、異常予兆の有無を示す「異常フラグ」、機械設備2の運転状態を示す「モード」、「異常度」、各センサ(「センサ1」〜「センサN」)の「測定値」および「学習値」、および各センサ(「センサ1」〜「センサN」)の「寄与度」から構成されている。
また、図8に示した例では、「学習データ取得日」は、クラスタごとに異なる場合がある。この例では、学習データとして、1〜2週間程度の期間のセンサデータを用いて作成する際に、前記したように、この期間のデータを1日ごとに分割し、1日分の学習データを用いて事例モデルをそれぞれ作成して、作成した複数日分の事例モデルの含まれるクラスタの中から、診断対象データが属するクラスタを判定して用いるようにした。「学習データ取得日」とは、診断対象データが属するクラスタの作成に学習データとして用いたセンサデータの測定日を示すものである。
図9は、上段および中段に、センサデータ選択メニューB2で選択された2個のセンサデータについて、測定値(実線)、学習値(破線)および寄与度(点線)の変化の履歴をグラフ表示し、下段に異常度の変化の履歴をグラフ表示したものである。
次に、図11を参照(適宜図1ないし図3参照)して、本実施形態における異常予兆診断装置1による異常予兆診断の動作について説明する。
なお、ここでは、所定期間以上に渡って、機械設備2に設置された複数のセンサによって測定されたセンサデータおよび機械設備2の保守情報が、それぞれセンサデータ記憶手段12および保守情報記憶手段14に蓄積されているものとする。
また、この異常予兆診断処理を行うタイミングは、診断対象となる機械設備2の性質や運用状況に応じて定められるべきものである。例えば、発電プラントなどの機械設備2を診断するためには、この処理は、例えば、1日に1回、定められた時刻に行われるものである。
なお、データマイニング部16によって異常予兆があると診断した場合に、診断すべき異常種別に係る総合診断手段1521〜1522における診断ルールを再構築するものとする。ここでは、診断すべき異常種別に対応する総合診断手段が、総合診断手段1521であるとして以下の説明をする。
図12に示すように、異常予兆診断装置1は、まず、学習データ取得手段161aによって、センサデータ記憶手段12から、予め定められた所定期間に測定されたセンサデータを学習データとして取得する(ステップS20)。
2 機械設備
10 通信手段
11 センサデータ取得手段
12 センサデータ記憶手段
13 保守情報取得手段
14 保守情報記憶手段
15 リモートモニタリング部(第2診断手段)
16 データマイニング部(第1診断手段)
17 モデルデータ記憶手段
18 診断結果記憶手段
19 表示制御手段
20 表示手段
15111〜1512N 個別診断手段
1521〜1522 総合診断手段
161 学習部
161a 学習データ取得手段
161b モード分割手段
161c モデル作成手段
162 診断部
162a 診断対象データ取得手段
162b 異常度算出手段
162c 診断手段
162d 寄与度算出手段
Claims (10)
- 機械設備の異常予兆の有無を診断する異常予兆診断装置であって、
前記機械設備に設置された複数のセンサによって測定された多次元センサデータを取得するセンサデータ取得手段と、
異常予兆の診断対象となる前記多次元センサデータである診断対象データについて、前記機械設備が正常に稼動しているときに取得した前記多次元センサデータを学習データとして用い、当該学習データをクラスタ化して作成された事例モデルからの前記診断対象データの乖離の度合いを示す異常度の大きさに基づいて、前記異常予兆の有無を診断する第1診断手段と、
前記診断対象データを構成する1または2以上の個別のセンサデータの値が、それぞれ予め定められた所定の範囲内にあるか否かに基づいて、前記異常予兆の有無を診断する第2診断手段と、を備え、
前記第1診断手段によって異常予兆があると診断された場合に、前記第2診断手段が異常予兆診断のために参照する前記1または2以上の個別のセンサデータを、前記異常度に対する前記個別のセンサデータの寄与の大きさを示す寄与度の大きさに基づいて、前記診断対象データの中から選択することを特徴とする異常予兆診断装置。 - 前記第2診断手段が異常予兆診断のために参照するセンサデータは、前記寄与度が最も大きいセンサデータであることを特徴とする請求項1に記載の異常予兆診断装置。
- 前記第1診断手段によって異常予兆があると診断された場合に、前記第2診断手段が診断のために参照したセンサデータの変化の履歴をグラフ表示することを特徴とする請求項1または請求項2に記載の異常予兆診断装置。
- 前記異常度は、前記診断対象データと、前記事例モデルを構成するクラスタの中で前記診断対象データとクラスタの重心との距離が最も近いクラスタである所属クラスタの重心と、の距離を、当該所属クラスタの広がりを示す指標であるクラスタ半径で除した値であることを特徴とする請求項1ないし請求項3の何れか一項に記載の異常予兆診断装置。
- 前記寄与度は、前記診断対象データを構成する個別のセンサデータと、前記所属クラスタの重心の当該個別のセンサデータに対応する成分との差の絶対値を、前記診断対象データと前記所属クラスタの重心との距離で除した値であることを特徴とする請求項1ないし請求項4の何れか一項に記載の異常予兆診断装置。
- 機械設備の異常予兆の有無を診断する異常予兆診断方法であって、
前記機械設備に設置された複数のセンサによって測定された多次元センサデータを取得するセンサデータ取得工程と、
異常予兆の診断対象となる前記多次元センサデータである診断対象データについて、前記機械設備が正常に稼動しているときに取得した前記多次元センサデータを学習データとして用い、当該学習データをクラスタ化して作成された事例モデルからの乖離の度合いを示す異常度の大きさに基づいて、前記異常予兆の有無を診断する第1診断工程と、
前記診断対象データを構成する1または2以上の個別のセンサデータの値が、それぞれ予め定められた所定の範囲内にあるか否かに基づいて、前記異常予兆の有無を診断する第2診断工程と、を含み、
前記第1診断工程において異常予兆があると診断された場合に、前記第2診断工程における異常予兆診断のために参照する前記1または2以上の個別のセンサデータを、前記異常度に対する前記個別のセンサデータの寄与の大きさを示す寄与度の大きさに基づいて、前記診断対象データの中から選択することを特徴とする異常予兆診断方法。 - 前記第2診断工程において異常予兆診断のために参照するセンサデータは、前記寄与度が最も大きいセンサデータであることを特徴とする請求項6に記載の異常予兆診断方法。
- 前記第1診断工程において異常予兆があると診断された場合に、前記第2診断工程で診断のために参照したセンサデータの変化の履歴をグラフ表示することを特徴とする請求項6または請求項7に記載の異常予兆診断方法。
- 前記異常度は、前記診断対象データと、前記事例モデルを構成するクラスタの中で前記診断対象データとクラスタの重心との距離が最も近いクラスタである所属クラスタの重心と、の距離を、当該所属クラスタの広がりを示す指標であるクラスタ半径で除した値であることを特徴とする請求項6ないし請求項8の何れか一項に記載の異常予兆診断方法。
- 前記寄与度は、前記診断対象データを構成する個別のセンサデータと、前記所属クラスタの重心の当該個別のセンサデータに対応する成分との差の絶対値を、前記診断対象データと前記所属クラスタの重心との距離で除した値であることを特徴とする請求項6ないし請求項9の何れか一項に記載の異常予兆診断方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2011138941A JP4832609B1 (ja) | 2011-06-22 | 2011-06-22 | 異常予兆診断装置および異常予兆診断方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2011138941A JP4832609B1 (ja) | 2011-06-22 | 2011-06-22 | 異常予兆診断装置および異常予兆診断方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP4832609B1 true JP4832609B1 (ja) | 2011-12-07 |
JP2013008111A JP2013008111A (ja) | 2013-01-10 |
Family
ID=45418171
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2011138941A Active JP4832609B1 (ja) | 2011-06-22 | 2011-06-22 | 異常予兆診断装置および異常予兆診断方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP4832609B1 (ja) |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103198147A (zh) * | 2013-04-19 | 2013-07-10 | 上海岩土工程勘察设计研究院有限公司 | 自动化监测异常数据的判别及处理方法 |
JP2013175108A (ja) * | 2012-02-27 | 2013-09-05 | Mitsubishi Electric Corp | クラスタリング装置及びクラスタリングプログラム |
JP2013214292A (ja) * | 2012-03-06 | 2013-10-17 | Jfe Steel Corp | 異常監視システムおよび異常監視方法 |
JP6466617B1 (ja) * | 2018-07-17 | 2019-02-06 | 株式会社日立パワーソリューションズ | 異常予兆診断システム及び異常予兆診断方法 |
JP2019067139A (ja) * | 2017-09-29 | 2019-04-25 | エヌ・ティ・ティ・コミュニケーションズ株式会社 | 監視装置、監視方法、監視プログラム、表示装置、表示方法および表示プログラム |
JP2019537123A (ja) * | 2017-08-11 | 2019-12-19 | アイティーエス カンパニー リミテッドIts Co., Ltd. | 駆動部の精密予知保全方法 |
JP2019537122A (ja) * | 2017-08-11 | 2019-12-19 | アイティーエス カンパニー リミテッドIts Co., Ltd. | 駆動部の精密予知保全方法 |
JP2020061054A (ja) * | 2018-10-12 | 2020-04-16 | 株式会社日立パワーソリューションズ | 環境要因設定システム |
CN111352388A (zh) * | 2018-12-21 | 2020-06-30 | 发那科株式会社 | 学习用数据确认辅助装置、机器学习装置、故障预测装置 |
JP2020142745A (ja) * | 2019-03-08 | 2020-09-10 | 株式会社日立製作所 | 列車運転制御装置および列車運転制御方法 |
CN111837081A (zh) * | 2018-03-14 | 2020-10-27 | It空间株式会社 | 一种对驱动部的精准预维护方法 |
CN112924205A (zh) * | 2021-01-27 | 2021-06-08 | 上海三一重机股份有限公司 | 作业机械故障诊断方法、装置、作业机械和电子设备 |
JP2021528304A (ja) * | 2018-06-28 | 2021-10-21 | コヌクス ゲーエムベーハー | 鉄道路線のメンテナンスの計画 |
Families Citing this family (30)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6146275B2 (ja) * | 2013-11-27 | 2017-06-14 | 株式会社豊田中央研究所 | 障害診断支援システム、障害診断支援装置および障害診断支援方法 |
JP5684941B1 (ja) * | 2014-07-31 | 2015-03-18 | 株式会社日立パワーソリューションズ | 異常予兆診断装置及び異常予兆診断方法 |
JP6482817B2 (ja) * | 2014-10-22 | 2019-03-13 | 株式会社日立製作所 | プラント監視支援システム及びプラント監視支援方法 |
US10719577B2 (en) | 2014-12-05 | 2020-07-21 | Nec Corporation | System analyzing device, system analyzing method and storage medium |
JP6297202B2 (ja) * | 2015-02-19 | 2018-03-20 | 三菱電機株式会社 | 手順抽出システム |
JP6328071B2 (ja) * | 2015-03-31 | 2018-05-23 | 東芝メモリ株式会社 | 異常予兆検知システム及び半導体デバイスの製造方法 |
JP5875726B1 (ja) | 2015-06-22 | 2016-03-02 | 株式会社日立パワーソリューションズ | 異常予兆診断装置のプリプロセッサ及びその処理方法 |
JP6599727B2 (ja) * | 2015-10-26 | 2019-10-30 | 株式会社Screenホールディングス | 時系列データ処理方法、時系列データ処理プログラム、および、時系列データ処理装置 |
JP6450858B2 (ja) * | 2015-11-25 | 2019-01-09 | 株式会社日立製作所 | 設備管理装置および方法 |
JP6467364B2 (ja) * | 2016-02-24 | 2019-02-13 | 日本電信電話株式会社 | 監視制御システム及びルール生成方法 |
JP6686593B2 (ja) | 2016-03-23 | 2020-04-22 | 日本電気株式会社 | データ処理装置、データ処理システム、データ処理方法及びプログラム |
JP6869011B2 (ja) * | 2016-11-16 | 2021-05-12 | 三菱電機株式会社 | 監視装置、発電装置、監視方法、及び監視プログラム |
CN109983412B (zh) | 2016-12-14 | 2022-09-16 | 欧姆龙株式会社 | 控制装置、计算机可读记录介质以及控制方法 |
JP6919186B2 (ja) * | 2016-12-14 | 2021-08-18 | オムロン株式会社 | 制御システム、制御プログラムおよび制御方法 |
JP2018156151A (ja) * | 2017-03-15 | 2018-10-04 | ファナック株式会社 | 異常検知装置及び機械学習装置 |
JP6903976B2 (ja) | 2017-03-22 | 2021-07-14 | オムロン株式会社 | 制御システム |
JP6775082B2 (ja) * | 2017-05-08 | 2020-10-28 | 株式会社日立製作所 | 時系列データの分析制御方法および分析制御装置 |
JP6721563B2 (ja) | 2017-11-28 | 2020-07-15 | ファナック株式会社 | 数値制御装置 |
JP7028051B2 (ja) | 2018-05-07 | 2022-03-02 | トヨタ自動車株式会社 | 診断装置、診断システム、及び診断方法 |
JP6988674B2 (ja) | 2018-05-07 | 2022-01-05 | トヨタ自動車株式会社 | 診断装置、診断システム、及び診断方法 |
JP7368954B2 (ja) * | 2018-05-30 | 2023-10-25 | キヤノン株式会社 | 情報処理システム、サーバ装置、情報処理装置、それらの制御方法、及びプログラム |
JP7163117B2 (ja) * | 2018-09-14 | 2022-10-31 | 株式会社東芝 | プロセス監視支援装置、プロセス監視支援システム、プロセス監視支援方法及びプロセス監視支援プログラム |
JP7229018B2 (ja) * | 2018-12-28 | 2023-02-27 | Pacraft株式会社 | 不健全性予見装置、不健全性予見方法、プログラム、及びコンピュータ読み取り可能な記録媒体 |
JP7233258B2 (ja) * | 2019-03-13 | 2023-03-06 | 株式会社日立製作所 | 異常診断装置 |
JP7183131B2 (ja) * | 2019-09-11 | 2022-12-05 | 日立造船株式会社 | 情報処理装置、運転支援システム、情報処理方法、および情報処理プログラム |
JP6803999B1 (ja) * | 2020-03-24 | 2020-12-23 | 株式会社 日立産業制御ソリューションズ | 効率改善提案装置、効率改善提案方法及び効率改善提案プログラム |
JPWO2022202324A1 (ja) * | 2021-03-22 | 2022-09-29 | ||
WO2022200821A1 (ja) * | 2021-03-25 | 2022-09-29 | 日産自動車株式会社 | 車両異常検出装置及び車両異常検出方法 |
JP7347468B2 (ja) * | 2021-03-26 | 2023-09-20 | 横河電機株式会社 | 装置、方法およびプログラム |
US20230341827A1 (en) * | 2022-04-26 | 2023-10-26 | Transportation Ip Holdings, Llc | Shift detection system and method for a power supply system |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011070635A (ja) * | 2009-08-28 | 2011-04-07 | Hitachi Ltd | 設備状態監視方法およびその装置 |
JP2011081697A (ja) * | 2009-10-09 | 2011-04-21 | Hitachi Ltd | 設備状態監視方法、監視システム及び監視プログラム |
-
2011
- 2011-06-22 JP JP2011138941A patent/JP4832609B1/ja active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011070635A (ja) * | 2009-08-28 | 2011-04-07 | Hitachi Ltd | 設備状態監視方法およびその装置 |
JP2011081697A (ja) * | 2009-10-09 | 2011-04-21 | Hitachi Ltd | 設備状態監視方法、監視システム及び監視プログラム |
Cited By (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2013175108A (ja) * | 2012-02-27 | 2013-09-05 | Mitsubishi Electric Corp | クラスタリング装置及びクラスタリングプログラム |
JP2013214292A (ja) * | 2012-03-06 | 2013-10-17 | Jfe Steel Corp | 異常監視システムおよび異常監視方法 |
CN103198147B (zh) * | 2013-04-19 | 2016-05-11 | 上海顺凯信息技术股份有限公司 | 自动化监测异常数据的判别及处理方法 |
CN103198147A (zh) * | 2013-04-19 | 2013-07-10 | 上海岩土工程勘察设计研究院有限公司 | 自动化监测异常数据的判别及处理方法 |
JP2019537123A (ja) * | 2017-08-11 | 2019-12-19 | アイティーエス カンパニー リミテッドIts Co., Ltd. | 駆動部の精密予知保全方法 |
JP2019537122A (ja) * | 2017-08-11 | 2019-12-19 | アイティーエス カンパニー リミテッドIts Co., Ltd. | 駆動部の精密予知保全方法 |
JP2019067139A (ja) * | 2017-09-29 | 2019-04-25 | エヌ・ティ・ティ・コミュニケーションズ株式会社 | 監視装置、監視方法、監視プログラム、表示装置、表示方法および表示プログラム |
JP7019364B2 (ja) | 2017-09-29 | 2022-02-15 | エヌ・ティ・ティ・コミュニケーションズ株式会社 | 監視装置、監視方法、監視プログラム、表示装置、表示方法および表示プログラム |
CN111837081A (zh) * | 2018-03-14 | 2020-10-27 | It空间株式会社 | 一种对驱动部的精准预维护方法 |
US11691655B2 (en) | 2018-06-28 | 2023-07-04 | Konux Gmbh | Planning of maintenance of railway |
JP2021528304A (ja) * | 2018-06-28 | 2021-10-21 | コヌクス ゲーエムベーハー | 鉄道路線のメンテナンスの計画 |
JP6466617B1 (ja) * | 2018-07-17 | 2019-02-06 | 株式会社日立パワーソリューションズ | 異常予兆診断システム及び異常予兆診断方法 |
JP2020012691A (ja) * | 2018-07-17 | 2020-01-23 | 株式会社日立パワーソリューションズ | 異常予兆診断システム及び異常予兆診断方法 |
JP2020061054A (ja) * | 2018-10-12 | 2020-04-16 | 株式会社日立パワーソリューションズ | 環境要因設定システム |
CN111352388A (zh) * | 2018-12-21 | 2020-06-30 | 发那科株式会社 | 学习用数据确认辅助装置、机器学习装置、故障预测装置 |
JP2020142745A (ja) * | 2019-03-08 | 2020-09-10 | 株式会社日立製作所 | 列車運転制御装置および列車運転制御方法 |
JP7232673B2 (ja) | 2019-03-08 | 2023-03-03 | 株式会社日立製作所 | 列車運転制御装置および列車運転制御方法 |
CN112924205A (zh) * | 2021-01-27 | 2021-06-08 | 上海三一重机股份有限公司 | 作业机械故障诊断方法、装置、作业机械和电子设备 |
CN112924205B (zh) * | 2021-01-27 | 2023-10-13 | 上海三一重机股份有限公司 | 作业机械故障诊断方法、装置、作业机械和电子设备 |
Also Published As
Publication number | Publication date |
---|---|
JP2013008111A (ja) | 2013-01-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP4832609B1 (ja) | 異常予兆診断装置および異常予兆診断方法 | |
JP5081998B1 (ja) | 異常予兆診断装置及び異常予兆診断方法 | |
JP5369246B1 (ja) | 異常予兆診断装置及び異常予兆診断方法 | |
JP5081999B1 (ja) | 異常予兆診断結果の表示方法 | |
JP5530020B1 (ja) | 異常診断システム及び異常診断方法 | |
JP5530045B1 (ja) | ヘルスマネージメントシステム及びヘルスマネージメント方法 | |
JP7108417B2 (ja) | 異常検知システム | |
JP5480440B1 (ja) | 異常予兆診断装置及び異常予兆診断方法 | |
JP6708203B2 (ja) | 情報処理装置、情報処理方法、及び、プログラム | |
JP5485939B2 (ja) | 機器異常判定装置、及び機器異常判定方法 | |
JP2015088078A (ja) | 異常予兆検知システム及び異常予兆検知方法 | |
KR102343752B1 (ko) | 프로세스 장치에서 전체 프로세스 섹션의 상태를 자동 모니터링하고 측정하는 컴퓨터 실행 방법 및 시스템 | |
JP7493930B2 (ja) | 情報処理方法、情報処理装置、生産システム、プログラム、記録媒体 | |
WO2013041440A1 (en) | System and method for plant wide asset management | |
JP6887361B2 (ja) | 監視対象選定装置、監視対象選定方法、およびプログラム | |
EP4078315A1 (en) | Device and method for monitoring a system | |
JPWO2018051568A1 (ja) | プラント異常診断装置及びプラント異常診断システム | |
JP2017062730A (ja) | 異常診断システム | |
JP2013515187A (ja) | 圧縮機を診断するための方法およびシステム | |
JP6274932B2 (ja) | 予測システム、監視システム、運転支援システム、ガスタービン設備及び予測方法 | |
JPWO2019073512A1 (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 | |
JP2016003875A (ja) | モータ異常検知システム、モータ異常検知方法、及びモータ異常検知プログラム | |
EP3303835B1 (en) | Method for windmill farm monitoring | |
JP2019061500A (ja) | 予兆診断システム | |
JP6676508B2 (ja) | セキュリティ診断装置およびセキュリティ診断方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
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 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20110920 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 4832609 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20140930 Year of fee payment: 3 |
|
S533 | Written request for registration of change of name |
Free format text: JAPANESE INTERMEDIATE CODE: R313533 |
|
R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |