JP5431235B2 - 設備状態監視方法およびその装置 - Google Patents
設備状態監視方法およびその装置 Download PDFInfo
- Publication number
- JP5431235B2 JP5431235B2 JP2010090286A JP2010090286A JP5431235B2 JP 5431235 B2 JP5431235 B2 JP 5431235B2 JP 2010090286 A JP2010090286 A JP 2010090286A JP 2010090286 A JP2010090286 A JP 2010090286A JP 5431235 B2 JP5431235 B2 JP 5431235B2
- Authority
- JP
- Japan
- Prior art keywords
- data
- feature
- abnormality
- event
- measure
- 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
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
- 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
- G05B23/0208—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the configuration of the monitoring system
- G05B23/021—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the configuration of the monitoring system adopting a different treatment of each operating region or a different mode of the monitored system, e.g. transient modes; different operating configurations of monitored system
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
Landscapes
- Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Data Mining & Analysis (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Mathematical Physics (AREA)
- Artificial Intelligence (AREA)
- Automation & Control Theory (AREA)
- Testing And Monitoring For Control Systems (AREA)
- Debugging And Monitoring (AREA)
Description
知し、現象の診断を行う状態監視方法およびその装置に関する。
向けに高圧蒸気や低圧蒸気を供給したりしている。石油化学会社では、ガスタービンなど
を電源設備として運転している。このようにガスタービンなどを用いた各種プラントや設
備において、設備の不具合あるいはその兆候を検知する予防保全は、社会へのダメージを
最小限に抑えるためにも極めて重用である。また、検知のみではなく異常の現象を説明す
る異常診断も、適切なアクションを起こすために重要である。
、風力発電所の風車、航空機や重機のエンジン、鉄道車両や軌道、エスカレータ、エレベ
ータ、機器・部品レベルでも、搭載電池の劣化・寿命など、上記のような予防保全を必要
とする設備は枚挙に暇がない。最近では、健康管理のため、脳波測定・診断に見られるよ
うに、人体に対する異常(各種症状)検知も重要になりつつある。
2号(特許文献2)には、おもにエンジンを対象とした異常検知方法が開示されている。
これは、過去のデータ例えば時系列センサ信号をデータベースとしてもっておき、観測デ
ータと過去の学習データとの類似度を独自の方法で計算し、類似度の高いデータの線形結
合により推定値を算出して、推定値と観測データのはずれ度合いを出力するものである。
、入力データの事例データに対する類似度を評価し、類似度と最も高い事例と予め対応付
けられた事象名を出力する異常診断方法が開示されている。
されると、これらはすべて学習データには包含されないものとして扱われ、はずれ値と判
断され、正常信号においても異常と判定されてしまい、検査の信頼性が著しく低下してし
まう。このため、ユーザは、学習データとして過去の多様な状態のデータを網羅的にデー
タベースに格納する必要がある。
録しているため、異常判定の根拠を説明できず、ユーザを納得させることが難しい。また
、異常予兆と事象の関連付けはされていない。
負荷を増加させることなく、異常予兆を高感度に検知することが可能な異常予兆検知方法
、および、検知のみではなく異常および異常予兆の説明、つまりセンサ信号のどのような
状態を異常判定の根拠とするのかの説明を可能とする異常診断方法を含む、設備状態監視
方法およびシステムを提供することにある。
系列のセンサ信号およびイベント信号に基づく設備状態監視において、イベント信号に基
づき稼動状態別のモード分割を行い、センサ信号に基づきモード毎に正常モデルを作成し
、正常モデルとセンサ信号の比較により異常測度を算出し、モード毎に正常モデル作成に
用いた学習データの十分性をチェックし、学習データの十分性に応じて感度を設定した上
で異常測度に基づく異常識別を行う。
事象発生から一定時間経過までに発生した故障イベントを結果事象とし、原因事象と結果
事象の頻度マトリクスを作成しておき、マトリクスに基づきある事象が発生したときに一
定時間内に発生する故障を予測する。
に基づいて異常を検知する設備状態監視方法において、イベント信号に基づき稼動状態別
のモード分割を行い、センサ信号に基づき特徴ベクトルを抽出し、特徴ベクトルに基づき
モード毎に正常モデルを作成し、モード毎に正常モデル作成に用いた学習データの十分性
をチェックし、学習データの十分性に応じてしきい値を設定する学習工程と、イベント信
号に基づき稼動状態別のモード分割を行い、センサ信号に基づき特徴ベクトルを抽出し、
正常モデルと特徴ベクトルの比較により異常測度を算出し、異常測度としきい値の比較に
より異常識別を行う異常検知工程とを備えて構成した。
ント信号を前記設備又は装置の稼動状態に応じてモード分割し、設備または装置から出力
される時系列のセンサ信号から特徴ベクトルを求め、モード分割情報とセンサ信号から求
めた特徴ベクトルの情報を用いて分割したモード毎に正常モデルを作成し、作成した正常
モデルを用いて分割したモード毎に特徴ベクトルの異常測度を算出し、算出した異常測度
を予め設定しておいたしきい値と比較して異常を判定し、判定した異常の情報とセンサ信
号とを用いて設備または装置の異常を診断するようにした。
ベント信号を入力して設備又は装置の稼動状態に応じて該イベント信号をモード分割する
モード分割手段と、設備または装置から出力される時系列のセンサ信号を入力して入力し
たセンサ信号から特徴ベクトルを求める特徴ベクトル算出手段と、モード分割手段からの
モード分割情報と特徴ベクトル算出手段で求めたセンサ信号の特徴ベクトルの情報を用い
て分割したモード毎に正常モデルを作成する正常モデル作成手段と、正常モデル作成手段
で作成した正常モデルを用いて分割したモード毎に特徴ベクトル算出手段で求めた特徴ベ
クトルの異常測度を算出する異常測度算出手段と、異常測度算出手段で算出した異常測度
を予め設定しておいたしきい値と比較して異常を判定する異常判定手段と、異常判定手段
で判定した異常の情報と設備または装置から出力される時系列のセンサ信号とを用いて設
備または装置の異常を診断する異常診断手段とを備えて構成した。
め、多様な状態に対応した高精度な正常モデルの作成が可能になる。さらに、モード毎に
学習データの十分性をチェックし、データが不十分な場合は感度を低下させて識別を行う
ことにより、データ不足に起因する誤判定を抑制することができ、異常検知の信頼性を向
上することができる。
学習することが可能となり、特にセンサ信号を量子化して原因事象とすることにより、セ
ンサ信号の状態と異常とを関連付けることが可能となる。また、原因事象発生から一定時
間経過までに発生した故障イベントを結果事象とすることにより、異常予兆と故障発生の
関連付けが可能となり、したがってセンサ信号の状態に基づく故障発生の予測が可能とな
る。
、原子力発電所の原子炉、風力発電所の風車、航空機や重機のエンジン、鉄道車両や軌道
、エスカレータ、エレベータ、そして機器・部品レベルでは、搭載電池の劣化・寿命など
、種々の設備・部品において異常および異常予兆の高精度な検知および診断を可能とする
。
」とモデルと入力信号に基づき実際に異常予兆検知や診断を行う「評価」の二つのフェー
ズがある。基本的に前者はオフラインの処理、後者はオンラインの処理である。以下の説
明では、それらを学習時、評価時という言葉で区別する。
状態監視の対象とする設備101は、ガスタービンや蒸気タービンなどの設備やプラン
トである。設備101は、その状態を表すセンサ信号102とイベント信号103を出力
する。
ら出力されたイベント信号103を入力し(S101)、稼動状態の変化に応じて設備1
01の稼働時間をモード分割する(S102)。一方、特徴抽出部105は、設備101
から出力されたセンサ信号102を入力し(S103)、特徴選択、特徴抽出、特徴変換
を行い、特徴ベクトルを得る(S104)。
とは正常モデル作成部106に入力されて、特徴ベクトルから学習データを選択し(S1
05)、これを用いてモード毎に学習を行い、正常モデルを作成する(S106)。作成
された正常モデルは特徴抽出部104からの特徴ベクトルの情報とともに異常測度算出部
107に入力されて異常測度が算出される(S107)。
測度の情報に基づいてモード毎に正常モデル作成に使用された学習データの十分性を調べ
る(S108)。つまり、作成された正常モデルがきちんとそのモードにおける正常状態
を表現できているかを調べる。学習データチェック部108で対応するモードにおける正
常状態を表現できている判定された学習データは、チェック結果に応じて異常識別に用い
るしきい値が設定される(S109)。つまり、学習データが不十分であるときは、正常
にもかかわらず異常と判定する誤判定を防ぐため、しきい値を高くする。
01から出力されたイベント信号103を入力し(S111)、稼動状態の変化に応じて
設備101の稼働時間をモード分割する(S112)。一方、特徴抽出部105は、設備
101から出力されたセンサ信号102を入力し(S113)、特徴選択、特徴抽出、特
徴変換を行い、特徴ベクトルを得る(S114)。モード分割部104からのモード分割
情報と特徴抽出部105からの特徴ベクトル情報とは異常測度算出部107に入力されて
、特徴ベクトルがモード毎に分類され、学習時に正常モデル作成部106で作成されて記
憶されていた正常モデルと比較されて異常測度が算出される(S115)。
と比較することにより異常判定が行われる(S116)。この異常判定の結果は異常診断
部110に送られて、学習時にイベント信号103と異常判定された時刻のセンサ信号1
02との関連を学習して記憶しておいた情報に基づいて、評価時に異常判定された時刻の
センサ信号102を入力として診断が行われる(S117)。
モード分割部104における、モード分割方法の第一の実施例を、図2A〜Cを用いて説明する。イベント信号103の例を図2Aに示す。不定期に出力される設備の操作・故障・警告を表す信号であり、時刻と操作・故障・警告を表す文字列からなる。図2Bに示すように、このイベント信号103を入力し(S201)、所定の文字列の検索により起動シーケンスと停止シーケンスの切り出しを行う(S202)。その結果をもとに、停止シーケンスの終了時刻から起動シーケンスの開始時刻までの「定常OFF」モード211、起動シーケンス中の「起動」モード212、起動シーケンスの終了時刻から停止シーケンスの開始時刻までの「定常ON」モード213、停止シーケンス中の「停止」モード214の4つの稼動状態に分割する(S203)。
よび終了イベントを指定しておき、イベント信号103の先頭から最後まで以下の要領で
スキャンしながら切り出していく。
(1)シーケンスの途中でない場合は、開始イベントを探索する。見つかったらシーケンス
の開始とする。
(2)シーケンスの途中の場合は、終了イベントを探索する。見つかったらシーケンスの終
了とする。
ここで終了イベントとは、指定の終了イベントのほか、故障、警告、指定の開始イベント
とする。指定の終了イベント以外で終了した場合は、異常終了として記録しておく。以下
、このように順次切り出したシーケンス中およびシーケンス中でない期間を「クラスタ」
と呼ぶこととする。
ケンスおよび停止シーケンスの開始と終了を指定可能で、4種のモードが順序良く現れる
場合の例であるが、ここでは、そのような指定ができない場合の例を示す。まずイベント
信号103を入力し(S301)、時刻の間隔がしきい値以上となったとき切り離す処理
を行い(S302)、イベント列を作成していく。次にユニークなイベント列をすべてリ
ストアップし(S303)、イベント列間の類似度を調べる(S304)。類似度は例え
ば、各イベント列の長さをL1、L2、一方をもう一方に変化させるために必要なイベントの
削除、追加の数をCとすると
とができ、個々のモード別にみると単純な状態になるため、後に続く正常状態のモデル作
成を精度良く行うことが可能となる。
よび異常測度算出部107における異常測度算出方法について図4ないし図7を用いて説
明する。
×1に対応する信号1、時系列/××2に対応する信号2、時系列/××3に対応する信
号3及び時系列/××4に対応する信号4という4種類の信号を表している。実際には、
4種類に限るものではなく、数百から数千と言った数になる場合もある。各信号は、設備
101に設けられた複数のセンサからの出力に相当し、例えば、シリンダ、オイル、冷却
水などの温度、オイルや冷却水の圧力、軸の回転速度、室温、運転時間などが、一定間隔
で観測されるものである。出力や状態を表すのみならず、何かをある値に制御するための
制御信号の場合もある。本発明ではこれらのデータを、多次元時系列信号として扱う。
理フローを示す。この処理フローにおいては、先ず、特徴量抽出部105にセンサ信号1
02を入力し(S501)、特徴量抽出・変換・選択処理を行う(S502)。次にこの
処理されたデータを正常モデル作成部106に入力して学習データを選別し(S503)
、モード分割部104から出力されたモード分割情報を参照してモード別に学習データを
分類し(S504)、各モード毎に正常モデルを作成する(S505)。
先ず、ステップS501において、特徴抽出部105は、センサ信号102を入力する。
次に、ステップS502において特徴量抽出部105で特徴選択、特徴抽出、特徴変換を
行い、特徴ベクトルを得る。図示はしていないが、センサ信号102は予め蓄積されてお
り、指定された期間の信号を入力とする。また、モード分割のため、イベント信号103
も同期間蓄積されているものとする。
センサ信号を除く必要がある。また、相関解析による無効信号を削除することも考えられ
る。これは、多次元時系列信号に対して相関解析を行い、相関値が1に近い複数の信号が
あるなど、極めて類似性が高い場合に、これらは冗長だとして、この複数の信号から重複
する信号を削除し、重複しないものを残す方法である。このほか、ユーザが指定するよう
にしてもよい。評価時に同じセンサ信号を使用できるよう、選択したセンサを記憶してお
く。
て±1,±2,…のウィンドウを設け,ウィンドウ幅(3,5,…)×センサ数の特徴ベクトルに
より、データの時間変化を表す特徴を抽出することもできる。また、離散ウェーブレット
変換(DWT: Discrete Wavelet Transform)を施して、周波数成分に分解してもよい。なお
、各特徴は平均と標準偏差を用いて、平均を0、分散を1となるように変換する正準化を
行うとよい。評価時に同じ変換ができるよう、各特徴の平均と標準偏差を記憶しておく。
あるいは、最大値と最小値または予め設定した上限値と下限値を用いて正規化を行っても
よい。これらの処理は、単位およびスケールの異なるセンサ信号を同時に扱うためのもの
である。
Independent Component Analysis)、非負行列因子分解(NMF: Non-negative Matrix Fact
orization)、潜在構造射影(PLS: Projection to Latent Structure)、正準相関分析(CCA:
Canonical Correlation Analysis)など様々な手法があるが、何を用いてもよく、組み合
わせて用いても、変換をしなくてもよい。主成分分析、独立成分分析、非負行列因子分解
は、目的変数設定が不要のため利用しやすい。評価時に正常モデル作成時と同じ変換がな
されるよう、変換行列など、変換に必要なパラメータを記憶しておく。
入力し、正常モデル作成部106において、学習データの選択を行う。まず、取得した多
次元時系列信号が、欠損している場合があるため、そのようなデータは削除する。例えば
、大部分のセンサ信号が同時に0を出力した場合、対応する時刻の全信号データを削除す
る。次に、正常ではない信号データを除去する。具体的には、イベント信号103から警
告または故障の発生した時刻を調べ、その時刻を含むクラスタ(前述のモード分割におい
て順次切り出した期間)の全信号データを除去する。
したモード別にステップS503で選択した学習データを分類し、ステップS505にお
いて各モード毎に正常モデルを作成する。
部分空間法(LSC: Local Sub-space Classifier)が考えられる。投影距離法は、学習デー
タに対し独自の原点をもつ部分空間すなわちアフィン部分空間(分散最大の空間)を作成
する方法である。クラスタ毎に、図6に示すようにアフィン部分空間を作成する。図では
、3次元の特徴空間において、1次元のアフィン部分空間を作成する例を示しているが、
特徴空間の次元はもっと大きくてもよく、アフィン部分空間の次元も特徴空間の次元より
小さくかつ学習データ数より小さければ何次元でもかまわない。
部分空間を作成する方法である。図7にk=3の場合の例を示す。図7に示すように、異
常測度は図に示す投影距離で表されるため、評価データqに最も近いアフィン部分空間上
の点bを求めればよい。評価データqとそのk-近傍データxi( i = 1,…,k )からbを算出するには、qをk個並べた行列Qとxiを並べた行列Xから
デル作成部106においては、図5に示す学習データの選択、モード別データ分類を行い
、さらにk-近傍データを効率的に探すためのkd木をモード別に構築する。kd木とは、
k次元のユークリッド空間にある点を分類する空間分割データ構造である。座標軸の1つに垂直な平面だけを使って分割を行い、各葉ノードには1つの点が格納されるよう構成する。異常測度算出部107では、評価データと同じモードに属するkd木を利用して評価データのk-近傍データを求め、それらから前述の点bを求め、評価データと点bの距離を算出して異常測度とする。
ラスSVMなど様々な方法を用いて正常モデルの作成が可能である。
図8ないし図9を用いて説明する。図8は、センサ信号102とイベント信号103をも
とに、前述の投影距離法を利用して異常測度を算出した例を示す。グラフ801は異常測
度、グラフ802は故障発生回数を表しており、横軸は時間を表す。803の時期に故障
が発生しており、異常測度が大きくなっていることがわかる。しかしながら、その他の部
分でも異常測度が大きくなっており、誤報を出さないようにしきい値を決めるのは困難で
ある。
の一方の定常状態からもう一方の定常状態への過渡期であることがわかっている。つまり
、学習データが不足しているためそのモードの状態を十分表現できていないのである。し
たがって、モード別に学習データの十分性を求め、それに応じてモード別にしきい値を定
めればよい。
ation と呼ばれる方法であり、データをk個のグループに分け、うち1個を評価データ、
残りを学習データとしてモデルを作成し、異常測度を算出する。評価データを取り替えな
がらk個のグループ全てについて同様の処理を行えば、全データについて異常測度を算出
することができる。ここで、kを大きくした方が、学習データ全体のモデルに近いモデル
ができるが、計算時間は長くなるため、適切なkを選ぶ必要がある。
ム)を作成する。これをもとに累積ヒストグラムを作成し、予め指定した1に近い比率に
到達する値を求める。この値が大きいほど、学習データが不十分であると言える。この値
を基準としてオフセットを加える、定数倍するなどの処理によりモード別にしきい値を定
める。識別部109では、異常測度がこのように定めたしきい値以上となった場合、異常
であると判断する。
面、信号拡大表示画面、特徴拡大表示画面、異常測度表示画面、異常測度累積ヒストグラ
ム画面が、メニューの選択(各画面の上部に表示されたタブを選択)により切り替えられ
る。
図9(a)には、信号表示画面901を示す。信号表示画面901は、複数の信号表示ウ
ィンドウ902で構成され、各ウィンドウには予め学習データとして指定された期間のセ
ンサ信号102をセンサ別(信号ごと)に時系列データとして表示する。学習データの期
間は、期間表示ウィンドウ903に表示され、指定もこのウィンドウでできるようにして
おく。即ち、表示させたい期間を期間表示ウィンドウで指定して期間指定ボタン912を
クリックすることにより、信号表示ウィンドウ902に現在表示されている期間のデータ
から指定された期間のデータに切替えて表示される。各ウィンドウ902の表示・非表示
は最小化ボタン904・最大化ボタン905により選択可能であり、ドラッグアンドドロ
ップ操作により表示順の変更も可能である。図9(a)には、信号1〜4を最大化して表
示し、信号5〜7を最小化した状態を示している。カーソル906は、拡大表示の時の起
点を表し、マウス操作、キーボード操作により移動できる。
図9(b)には、特徴表示画面907を示す。特徴表示画面907は、複数の特徴表示ウ
ィンドウ908で構成され、各ウィンドウには特徴抽出部105から出力される特徴ベク
トルを次元別に時系列データとして表示する。表示・非表示の選択、表示順の操作は、信
号表示画面901と同様である。カーソル909は信号表示画面901のカーソル906
と同じ時刻に表示されるが、こちらの画面で移動することもできる。
号拡大表示ウィンドウ911で構成される。各ウィンドウには、信号表示画面901にお
いてカーソル906で示された時刻を起点として、信号の拡大表示を行う。信号の表示・
非表示および表示順序は、信号表示画面901に倣う。期間指定ウィンドウ912で、表
示の起点から終点までの期間を時間単位あるいは日単位で指定する。スクロールバー91
3で表示の起点を変更することも可能であり、この変更はカーソル906およびカーソル
909の位置に反映される。スクロールバー表示領域9131の全体の長さは信号表示画
面901又は特徴表示画面907の期間表示ウィンドウ903で指定された期間に相当す
る。また、スクロールバー913の長さは期間指定ウィンドウ912で指定された期間に
相当しスクロールバー913の左端部が信号拡大表示ウィンドウ911に表示されるそれ
ぞれの信号の起点に対応する。モード表示部914には同時に前述の運転状態を表すモー
ドが色分けして表示される。特徴拡大表示画面は、図示しないが、特徴表示画面907に
表示された情報が、信号拡大表示画面910と同様に表示される。
表示ウィンドウ916と異常測度拡大表示ウィンドウ917からなり、異常測度表示ウィ
ンドウ916には、交差検証により算出された異常測度が表示される。カーソル918は
、カーソル906およびカーソル909と同期しているが、この画面でも移動可能である
。異常測度拡大表示ウィンドウ917には、カーソル918で示された時刻を起点として
、信号拡大表示画面910と同様の拡大表示を行う。重ねて識別のためのしきい値924
も表示される。期間指定ウィンドウ919およびスクロールバー920も、信号拡大表示
画面910と同様の働きをする。
図9(e)には、異常測度累積ヒストグラム画面921を示す。異常測度累積ヒストグラ
ム画面921は、モード数分のヒストグラム表示ウィンドウ922と、パラメータ表示画
面923を含む。ヒストグラム表示ウィンドウ922にはモード別の異常測度の累積ヒス
トグラムが表示され、パラメータ表示画面923に示されたパラメータに従って算出され
たしきい値が点線924−1〜4で示される。このしきい値は、識別部109において異
常識別に利用されるものである。
法において、基準値を決める比率と、しきい値算出に用いるオフセットと定数倍する倍率
である。パラメータ表示画面923上でパラメータ変更も可能であり、変更に伴って、ヒ
ストグラム表示ウィンドウ922および異常測度拡大表示ウィンドウ917に表示される
しきい値が変化する。
しきい値を視覚的に確認することができるため、モデルの良し悪しを判断でき、その結果
よりよい正常モデルを作成することが可能になる。
図10A及びBは、異常診断部110における、因果関係学習方法を示す。まず、図10
Bに示す頻度マトリクス1020を作成する手順を図10Aのフロー図を用いて説明する
。先ず異常診断部110に一定期間のセンサ信号102およびイベント信号103を入力
する(S1001及びS1011)。故障が起こる事例を多く学習する必要があるため、
正常モデル作成のための学習データより長い期間を要する。複数の装置のデータを用いて
事例を増やすことも考えられる。次に、イベント信号103から故障イベントを抜き出し
て(S1002)結果事象リストを作成する(S1003)。結果事象リストに「何も起
こらない」を加える。
020)。頻度マトリクス1020を用いて学習データを作成する場合、はじめにマトリ
クスの全ての要素を0にリセットしておく。時系列に沿って異常測度をスキャンし、しき
い値を超える異常発生時刻を調べる。因果関係を認める時間を予め指定しておき、異常発
生時刻から指定時間経過までの間のイベント信号103を調べ、故障イベントを抽出する
。異常発生時刻のセンサ信号102あるいはそれをもとに抽出された特徴から、最近傍の
代表ベクトルを求める。求められた代表ベクトルと抽出された故障イベントのクロスする
要素をカウントアップする。故障イベントが1個も抽出されない場合は、代表ベクトルと
「何も起こらない」がクロスする要素をカウントアップする。指定された全期間に亘って
この操作を行う。また、各代表ベクトルの頻度も調べておく。
徴量抽出部105に入力し(S151)、イベント信号103をモード分割部104に入
力して(S152),前述と同様に異常識別部109で異常識別を行う(S153)。異
常と判定された時刻の特徴ベクトルと上記代表ベクトルおのおのとの距離を調べ、もっと
も近いベクトルに対応する原因事象Xを抽出する(S154)。上記頻度マトリクス10
20上でこの原因事象Xに対応する行を調べ、頻度の高い順に結果事象Y1、Y2、Y3…を抽
出し(S155),抽出した結果を提示(画面上に表示)する(S156)。この提示は
、これらの結果事象が発生するかもしれないという予告である。同時に、原因事象Xかつ
結果事象Y1、Y2、Y3…である頻度を原因事象Xの頻度で割ったものを結果事象発生の確率
として提示する。さらに、評価時の異常発生時のデータをもとに頻度マトリクス1005
を更新するようにしてもよい。なお、診断処理は基本的にリアルタイム処理である。
サ信号がどのような状態で異常が発生したのかを説明する必要がある。そのためには、異
常の前後の一定時間について、正常な信号と実際の信号を重ねて表示するとよい。例えば
投影距離法や局所部分空間法により異常測度を算出している場合は、正常な信号として、
評価データからアフィン部分空間への垂線の足の座標(図6、図7のb)を表示する。時
系列情報として表示することにより、正常と外れた動きであることの確認が容易になる。
また、異常発生時に偏差の大きい信号が、異常判定に寄与していると考えられるため、偏
差の大きい順に信号を上から表示すると、どのセンサ信号の異常なのかの確認が容易にな
る。また、提示した結果事象について過去の原因事象の事例を同様の方法で表示すれば、
同じ現象であることを納得しやすく、結果事象の予告を信頼することができる。
により、情報を絞ってマトリクスの入力にすることができ、事象間の因果関係の学習を実
現する。因果関係の学習において原因事象発生から一定時間経過後までの結果事象をカウ
ントすることにより、時間差のある因果関係をも抽出することができ、その結果、事象に
基づく故障の予測が可能となる。すなわち、故障の予兆を検知することが可能となる。
た学習データの十分性チェックに利用することも可能である。具体的には、発生頻度が高
くかつ「何も起こらない」確率が高い信号ベクトルを調べて、それに係わる場合のしきい
値を高くすればよい。
での時間予測を行うことができる。上記頻度マトリクス1005作成時に同様の原因事象
と結果事象の時間差マトリクスを作成する。ただし、「何も起こらない」の列は削除する
。はじめにすべての要素を0にリセットしておく。異常発生時刻から指定時間経過までの
間に故障イベントを抽出したら、異常発生時刻からの経過時間を算出し、対応する原因事
象と抽出した故障イベントのクロスする要素にその値を加算する。これにより、ある事象
を原因としてある結果が発生した事例の原因事象発生から結果事象発生までの時間の合計
が算出される。評価時には、異常検知後に原因事象を特定し、頻度マトリクスに基づいて
抽出した結果事象について時間差マトリクスの要素を頻度で割ることにより、事象間の時
間差の実績平均が求められる。この時間の提示がすなわち発生時刻の予測となる。
常診断方法の実施例を図11を用いて説明する。図11は、イベント信号103のみに基
づく異常診断処理のフローである。学習時、一定期間のイベント信号103を異常診断部
110に入力する(S1101)。故障が起こる事例を多く学習する必要があるため、で
きるだけ長い期間を設定する。複数の装置のデータを用いて事例を増やしてもよい。次に
、イベント信号103から故障イベント1001を抜き出し(S1102)、「何も起こ
らない」を加えて結果事象リストを作成する(S1103)。一方、イベント信号103
から全種類のイベントを抜き出し(S1104)、原因事象リストを作成する(S110
5)。
ントすなわち原因事象Xが発生したら、上記頻度マトリクスの対応する行を調べ、頻度の
高い順に結果事象Y1、Y2、Y3…を発生確率とともに提示する。本方法によれば、イベント
信号103の解析のみで、故障の発生を予測できる。
と結果事象の頻度マトリクス1005の結果事象として、定期点検において判明した不具
合の項目を併せて用いてもよい。また、原因事象として定期点検で取得された画像、音、
におい、振動などのデータを量子化して用いてもよい。
される装置である場合、使用時に得られるデータを原因事象あるいは結果事象とすること
もできる。例えば、画像診断装置であれば、得られた画像の不具合および画質をもとに予
め決められたカテゴリに分類する。計測装置であれば、定期的に基準物を計測しその結果
を量子化する。製造装置であれば、処理後の中間製造物の出来具合を、検査あるいは計測
の結果に応じて予め決められたカテゴリに分類する。
特徴抽出部1201における特徴抽出は、センサ信号をそのまま用いることが考えられるが、ある時刻に対して±1,±2,…のウィンドウを設け,ウィンドウ幅(3,5,…)×センサ数の特徴ベクトルにより、データの時間変化を表す特徴を抽出することが考えられる。また、離散ウェーブレット変換(DWT: Discrete Wavelet Transform)を施して、周波数成分に分解してもよい。なお、各特徴は平均と標準偏差を用いて、平均を0、分散を1となるように変換する正準化を行うとよい。評価時に同じ変換ができるよう、各特徴の平均と標準偏差を記憶しておく。あるいは、最大値と最小値または予め設定した上限値と下限値を用いて正規化を行ってもよい。
設備101から出力されたセンサ信号102は、予め学習用に蓄積されている。特徴抽出部1901は、蓄積されたセンサ信号102を入力し、特徴抽出を行って特徴ベクトルを得る。特徴選択部1902は、特徴抽出部1901から出力された特徴ベクトルのデータチェックを行い、使用する特徴を選択する。学習データ選択部1903は、選択された特徴で構成される特徴ベクトルのデータチェックおよびイベント信号103のチェックを行い、正常モデル作成に使用する学習データを選択する。
特徴抽出部1901は、センサ信号102を入力し、学習時と同様の特徴抽出を行って特徴ベクトルを得る、特徴選択部1902は、特徴抽出部1901から出力された特徴ベクトルをもとに、学習時に選択された特徴から構成された特徴ベクトルを作成する。特徴選択部1902で作成された特徴ベクトルは異常測度算出部1905に入力されて、学習時に正常モデル作成部1904で作成された正常モデルを用いて異常測度が算出される。モード毎に正常モデルを作成した場合は、すべてのモードの正常モデルを用いて異常測度を算出し、最小値を求める。一方、モード分割部1908は、イベント信号103に基づいて、稼動状態毎に時間を分割するモード分割を行う。算出された異常測度は異常識別部1907に入力され、学習時に設定されたモード毎のしきい値のうち対応するモードのものと比較することにより異常判定が行われる。
モード分割部1908における、モード分割方法は図2および図3を用いて説明した方法と同様である。
特徴抽出部1901および特徴選択部1902における動作は図12を用いて説明した実施例と同様である。
・・モード分割部 105・・・特徴抽出部 106・・・正常モデル作成部 107・・・異常測度算出部 108・・・学習データチェック部 109・・・異常識別部 110・・・異常診断部 1201・・・特徴抽出部 1202・・・特徴選択部 1203・・・学習データ選択部 1204・・・正常モデル作成部 1205・・・異常測度算出部 1206・・・学習データチェック部 1207・・・異常識別部。
Claims (7)
- 設備または装置の出力する時系列のセンサ信号に基づいて異常を検知する設備状態監視
方法であって、
前記センサ信号に基づき特徴ベクトルを抽出し、前記特徴ベクトルのデータチェックに基
づき、ばらつきが多い特徴を除くことで使用する特徴を選択し、前記特徴ベクトルのデータチェックに基づき、はずれ値に対応するデータを除くことで使用する学習データを選択し、前記選択された学習データに基づき正常モデルを作成し、前記正常モデル作成に用いた学習データの十分性をチェックし、前記学習データの十分性に応じてしきい値を設定する学習工程と、
前記センサ信号に基づき特徴ベクトルを抽出し、前記正常モデルと前記特徴ベクトルの比
較により異常測度を算出し、前記異常測度と前記しきい値の比較により異常識別を行う異
常検知工程とを有することを特徴とする設備状態監視方法。 - 前記特徴の選択および前記学習データの選択における前記データチェックは、前記特徴ベ
クトルの特徴毎の1運転周期分の平均および分散に基づいて行うことを特徴とする請求項
1記載の設備状態監視方法。 - 前記特徴の選択および前記学習データの選択における前記データチェックは、前記特徴ベ
クトルの特徴毎の1運転周期分の波形モデルからの外れ回数に基づいて行うことを特徴と
する請求項1記載の設備状態監視方法。 - 前記特徴の選択は、前記設備または装置の警告あるいは故障時刻の情報を入力し、前記警
告あるいは故障時刻の情報に基づいて、前記特徴ベクトルに正常または異常のラベルを付
加し、前記異常のラベルが付加された特徴ベクトルの異常測度の前記正常のラベルが付加
された特徴ベクトルの異常測度に対する比が最大となる基準で特徴の組合せを探索するこ
とによってなされることを特徴とする請求項2又は3の何れかに記載の設備状態監視方法
。 - 前記学習データの選択は、全学習データについて、1運転周期毎に対象とする周期のデー
タを除いた残りのデータからランダムサンプリングにより複数の正常モデルを作成し、前
記複数の正常モデルすべてを用いて前記対象とする周期のデータの異常測度を複数個算出
し、各データの前記複数個の異常測度から所定の個数の平均を算出し、前記対象とする周
期中の前記平均の最大値を求めておき、前記平均の最大値が所定のしきい値より大きい周
期のデータを学習データから除外することによってなされることを特徴とする請求項2又
は3の何れかに記載の設備状態監視方法。 - 前記イベント信号に基づき稼動状態別のモード分割を行い、前記センサ信号に基づき特徴
ベクトルを抽出し、前記正常モデルと前記特徴ベクトルの比較により異常測度を算出し、
前記異常測度と前記しきい値の比較により異常識別を行う異常検知工程とを有することを特徴とする請求項1記載の設備状態監視方法。 - 前記学習データの選択は、前記イベント信号に基づき警告または故障の情報と、起動およ
び停止シーケンスの情報と、頻度の低いイベントあるいはイベント列発生の情報を得、そ
れらに基づき所定の基本単位毎に除外するか否かを決定することによってなされることを
特徴とする請求項6記載の設備状態監視方法。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2010090286A JP5431235B2 (ja) | 2009-08-28 | 2010-04-09 | 設備状態監視方法およびその装置 |
US13/383,841 US8682824B2 (en) | 2009-08-28 | 2010-07-28 | Method and device for monitoring the state of a facility |
PCT/JP2010/004789 WO2011024382A1 (ja) | 2009-08-28 | 2010-07-28 | 設備状態監視方法およびその装置 |
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2009198561 | 2009-08-28 | ||
JP2009198561 | 2009-08-28 | ||
JP2010090286A JP5431235B2 (ja) | 2009-08-28 | 2010-04-09 | 設備状態監視方法およびその装置 |
Related Child Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2013250712A Division JP5740459B2 (ja) | 2009-08-28 | 2013-12-04 | 設備状態監視方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2011070635A JP2011070635A (ja) | 2011-04-07 |
JP5431235B2 true JP5431235B2 (ja) | 2014-03-05 |
Family
ID=43627504
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2010090286A Active JP5431235B2 (ja) | 2009-08-28 | 2010-04-09 | 設備状態監視方法およびその装置 |
Country Status (3)
Country | Link |
---|---|
US (1) | US8682824B2 (ja) |
JP (1) | JP5431235B2 (ja) |
WO (1) | WO2011024382A1 (ja) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10890507B2 (en) | 2017-01-25 | 2021-01-12 | Ntn Corporation | State monitoring method and state monitoring apparatus |
US11360873B2 (en) | 2016-09-06 | 2022-06-14 | Kabushiki Kaisha Toshiba | Evaluation device, evaluation method, and evaluation program |
Families Citing this family (255)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8930331B2 (en) | 2007-02-21 | 2015-01-06 | Palantir Technologies | Providing unique views of data based on changes or rules |
US8984390B2 (en) | 2008-09-15 | 2015-03-17 | Palantir Technologies, Inc. | One-click sharing for screenshots and related documents |
US9084937B2 (en) * | 2008-11-18 | 2015-07-21 | Gtech Canada Ulc | Faults and performance issue prediction |
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 |
JP5871192B2 (ja) * | 2010-12-24 | 2016-03-01 | 日本電気株式会社 | 監視データ分析装置、監視データ分析方法および監視データ分析プログラム |
WO2012086444A1 (ja) | 2010-12-24 | 2012-06-28 | 日本電気株式会社 | 監視データ分析装置、監視データ分析方法および監視データ分析プログラム |
US8725677B1 (en) * | 2011-03-31 | 2014-05-13 | Rockwell Collins, Inc. | State change detection using multi-dimensional phase space |
JP4832609B1 (ja) * | 2011-06-22 | 2011-12-07 | 株式会社日立エンジニアリング・アンド・サービス | 異常予兆診断装置および異常予兆診断方法 |
US9092482B2 (en) | 2013-03-14 | 2015-07-28 | Palantir Technologies, Inc. | Fair scheduling for mixed-query loads |
US8799240B2 (en) | 2011-06-23 | 2014-08-05 | Palantir Technologies, Inc. | System and method for investigating large amounts of data |
US9547693B1 (en) | 2011-06-23 | 2017-01-17 | Palantir Technologies Inc. | Periodic database search manager for multiple data sources |
JP5803006B2 (ja) * | 2011-08-24 | 2015-11-04 | 長野県 | 概周期性を持つデジタルデータに対する異常信号検出システムの初期設定の自動化方法および装置 |
US8732574B2 (en) | 2011-08-25 | 2014-05-20 | Palantir Technologies, Inc. | System and method for parameterizing documents for automatic workflow generation |
US9659250B2 (en) | 2011-08-31 | 2017-05-23 | Hitachi Power Solutions Co., Ltd. | Facility state monitoring method and device for same |
JPWO2013030984A1 (ja) * | 2011-08-31 | 2015-03-23 | 株式会社日立パワーソリューションズ | 設備状態監視方法およびその装置 |
US8504542B2 (en) | 2011-09-02 | 2013-08-06 | Palantir Technologies, Inc. | Multi-row transactions |
JP5337853B2 (ja) * | 2011-09-12 | 2013-11-06 | 株式会社日立製作所 | 発電プラントの診断装置、及び発電プラントの診断方法 |
JP5856446B2 (ja) * | 2011-11-17 | 2016-02-09 | 株式会社日立製作所 | 鉄道車両用保守システム |
JP5762257B2 (ja) * | 2011-11-18 | 2015-08-12 | 三菱電機株式会社 | プラント監視制御装置 |
JP6379089B2 (ja) * | 2012-06-19 | 2018-08-22 | ゲーコーエヌ エアロスペース スウェーデン アーベー | 機械状態の決定方法 |
JP2014048697A (ja) * | 2012-08-29 | 2014-03-17 | Hitachi Ltd | 設備状態監視方法及び設備状態監視装置 |
US9348677B2 (en) | 2012-10-22 | 2016-05-24 | Palantir Technologies Inc. | System and method for batch evaluation programs |
US10860683B2 (en) | 2012-10-25 | 2020-12-08 | The Research Foundation For The State University Of New York | Pattern change discovery between high dimensional data sets |
JP5960029B2 (ja) * | 2012-10-31 | 2016-08-02 | 住友重機械工業株式会社 | 異常原因特定システム |
US9183649B2 (en) * | 2012-11-15 | 2015-11-10 | International Business Machines Corporation | Automatic tuning of value-series analysis tasks based on visual feedback |
US9355479B2 (en) * | 2012-11-15 | 2016-05-31 | International Business Machines Corporation | Automatic tuning of value-series analysis tasks based on visual feedback |
JP6076751B2 (ja) | 2013-01-22 | 2017-02-08 | 株式会社日立製作所 | 異常診断方法およびその装置 |
US9123086B1 (en) | 2013-01-31 | 2015-09-01 | Palantir Technologies, Inc. | Automatically generating event objects from images |
JP6135192B2 (ja) * | 2013-03-01 | 2017-05-31 | 株式会社明電舎 | 時系列データの異常監視装置、異常監視方法及びプログラム |
US10037314B2 (en) | 2013-03-14 | 2018-07-31 | Palantir Technologies, Inc. | Mobile reports |
US10275778B1 (en) | 2013-03-15 | 2019-04-30 | Palantir Technologies Inc. | Systems and user interfaces for dynamic and interactive investigation based on automatic malfeasance clustering of related data in various data structures |
US8855999B1 (en) | 2013-03-15 | 2014-10-07 | Palantir Technologies Inc. | Method and system for generating a parser and parsing complex data |
US8917274B2 (en) | 2013-03-15 | 2014-12-23 | Palantir Technologies Inc. | Event matrix based on integrated data |
US8930897B2 (en) | 2013-03-15 | 2015-01-06 | Palantir Technologies Inc. | Data integration tool |
US8903717B2 (en) | 2013-03-15 | 2014-12-02 | Palantir Technologies Inc. | Method and system for generating a parser and parsing complex data |
US8868486B2 (en) | 2013-03-15 | 2014-10-21 | Palantir Technologies Inc. | Time-sensitive cube |
US8937619B2 (en) | 2013-03-15 | 2015-01-20 | Palantir Technologies Inc. | Generating an object time series from data objects |
US8818892B1 (en) | 2013-03-15 | 2014-08-26 | Palantir Technologies, Inc. | Prioritizing data clusters with customizable scoring strategies |
US8909656B2 (en) | 2013-03-15 | 2014-12-09 | Palantir Technologies Inc. | Filter chains with associated multipath views for exploring large data sets |
US9965937B2 (en) | 2013-03-15 | 2018-05-08 | Palantir Technologies Inc. | External malware data item clustering and analysis |
CN103176128A (zh) * | 2013-03-28 | 2013-06-26 | 华南理工大学 | 一种风力发电机组状态预报及智能故障诊断方法及*** |
US8799799B1 (en) | 2013-05-07 | 2014-08-05 | Palantir Technologies Inc. | Interactive geospatial map |
JP6094387B2 (ja) * | 2013-06-06 | 2017-03-15 | 株式会社デンソー | 制御装置 |
US8601326B1 (en) | 2013-07-05 | 2013-12-03 | Palantir Technologies, Inc. | Data quality monitors |
US9335897B2 (en) | 2013-08-08 | 2016-05-10 | Palantir Technologies Inc. | Long click display of a context menu |
US9223773B2 (en) | 2013-08-08 | 2015-12-29 | Palatir Technologies Inc. | Template system for custom document generation |
US8713467B1 (en) | 2013-08-09 | 2014-04-29 | Palantir Technologies, Inc. | Context-sensitive views |
US20150067153A1 (en) * | 2013-08-28 | 2015-03-05 | Kentucky State University | Remote monitoring of data facility in real-time using wireless sensor network |
US9785317B2 (en) | 2013-09-24 | 2017-10-10 | Palantir Technologies Inc. | Presentation and analysis of user interaction data |
US8938686B1 (en) | 2013-10-03 | 2015-01-20 | Palantir Technologies Inc. | Systems and methods for analyzing performance of an entity |
US8812960B1 (en) | 2013-10-07 | 2014-08-19 | Palantir Technologies Inc. | Cohort-based presentation of user interaction data |
US9116975B2 (en) | 2013-10-18 | 2015-08-25 | Palantir Technologies Inc. | Systems and user interfaces for dynamic and interactive simultaneous querying of multiple data stores |
US8924872B1 (en) | 2013-10-18 | 2014-12-30 | Palantir Technologies Inc. | Overview user interface of emergency call data of a law enforcement agency |
JP2015085437A (ja) * | 2013-10-30 | 2015-05-07 | 富士通株式会社 | 判定装置、判定方法、および判定プログラム |
US9021384B1 (en) | 2013-11-04 | 2015-04-28 | Palantir Technologies Inc. | Interactive vehicle information map |
US8868537B1 (en) | 2013-11-11 | 2014-10-21 | Palantir Technologies, Inc. | Simple web search |
JP6152788B2 (ja) | 2013-12-02 | 2017-06-28 | 富士通株式会社 | 障害予兆検知方法、情報処理装置およびプログラム |
JP6082341B2 (ja) * | 2013-12-05 | 2017-02-15 | 株式会社日立ソリューションズ | 異常検出装置及び異常検出方法 |
US9105000B1 (en) | 2013-12-10 | 2015-08-11 | Palantir Technologies Inc. | Aggregating data from a plurality of data sources |
JP6216242B2 (ja) * | 2013-12-13 | 2017-10-18 | 株式会社日立ハイテクノロジーズ | 異常検知方法およびその装置 |
US10025834B2 (en) | 2013-12-16 | 2018-07-17 | Palantir Technologies Inc. | Methods and systems for analyzing entity performance |
US9552615B2 (en) | 2013-12-20 | 2017-01-24 | Palantir Technologies Inc. | Automated database analysis to detect malfeasance |
US9576188B2 (en) * | 2013-12-23 | 2017-02-21 | Atheer, Inc. | Method and apparatus for subject identification |
US10356032B2 (en) | 2013-12-26 | 2019-07-16 | Palantir Technologies Inc. | System and method for detecting confidential information emails |
US9338013B2 (en) | 2013-12-30 | 2016-05-10 | Palantir Technologies Inc. | Verifiable redactable audit log |
US8832832B1 (en) | 2014-01-03 | 2014-09-09 | Palantir Technologies Inc. | IP reputation |
US9043696B1 (en) | 2014-01-03 | 2015-05-26 | Palantir Technologies Inc. | Systems and methods for visual definition of data associations |
US9009827B1 (en) | 2014-02-20 | 2015-04-14 | Palantir Technologies Inc. | Security sharing system |
US9483162B2 (en) | 2014-02-20 | 2016-11-01 | Palantir Technologies Inc. | Relationship visualizations |
JP2015162032A (ja) * | 2014-02-27 | 2015-09-07 | 株式会社日立製作所 | 移動体の診断装置 |
US9727376B1 (en) | 2014-03-04 | 2017-08-08 | Palantir Technologies, Inc. | Mobile tasks |
US8924429B1 (en) | 2014-03-18 | 2014-12-30 | Palantir Technologies Inc. | Determining and extracting changed data from a data source |
US20150271030A1 (en) * | 2014-03-18 | 2015-09-24 | Vmware, Inc. | Methods and systems for detection of data anomalies |
US20150308920A1 (en) * | 2014-04-24 | 2015-10-29 | Honeywell International Inc. | Adaptive baseline damage detection system and method |
US9857958B2 (en) | 2014-04-28 | 2018-01-02 | Palantir Technologies Inc. | Systems and user interfaces for dynamic and interactive access of, investigation of, and analysis of data objects stored in one or more databases |
US9009171B1 (en) | 2014-05-02 | 2015-04-14 | Palantir Technologies Inc. | Systems and methods for active column filtering |
JP5751731B1 (ja) * | 2014-05-23 | 2015-07-22 | 株式会社テイエルブイ | 蒸気使用設備の監視システム |
US9535974B1 (en) | 2014-06-30 | 2017-01-03 | Palantir Technologies Inc. | Systems and methods for identifying key phrase clusters within documents |
US9619557B2 (en) | 2014-06-30 | 2017-04-11 | Palantir Technologies, Inc. | Systems and methods for key phrase characterization of documents |
US9256664B2 (en) | 2014-07-03 | 2016-02-09 | Palantir Technologies Inc. | System and method for news events detection and visualization |
US10572496B1 (en) | 2014-07-03 | 2020-02-25 | Palantir Technologies Inc. | Distributed workflow system and database with access controls for city resiliency |
US9021260B1 (en) | 2014-07-03 | 2015-04-28 | Palantir Technologies Inc. | Malware data item analysis |
US9785773B2 (en) | 2014-07-03 | 2017-10-10 | Palantir Technologies Inc. | Malware data item analysis |
US9202249B1 (en) | 2014-07-03 | 2015-12-01 | Palantir Technologies Inc. | Data item clustering and analysis |
JP5771317B1 (ja) * | 2014-08-26 | 2015-08-26 | 株式会社日立パワーソリューションズ | 異常診断装置及び異常診断方法 |
JP5771318B1 (ja) * | 2014-08-26 | 2015-08-26 | 株式会社日立パワーソリューションズ | 異常診断装置及び異常診断方法 |
US20170286841A1 (en) * | 2014-09-03 | 2017-10-05 | Nec Corporation | Monitoring device and monitoring method thereof, monitoring system, and recording medium in which computer program is stored |
US9454281B2 (en) | 2014-09-03 | 2016-09-27 | Palantir Technologies Inc. | System for providing dynamic linked panels in user interface |
WO2016040085A1 (en) * | 2014-09-10 | 2016-03-17 | Siemens Aktiengesellschaft | Gas turbine failure prediction utilizing supervised learning methodologies |
JP6223936B2 (ja) * | 2014-09-12 | 2017-11-01 | 株式会社日立ハイテクノロジーズ | 異常傾向検出方法およびシステム |
JP6301791B2 (ja) * | 2014-09-17 | 2018-03-28 | 株式会社東芝 | 配電網の故障予兆診断システムおよびその方法 |
US9501851B2 (en) | 2014-10-03 | 2016-11-22 | Palantir Technologies Inc. | Time-series analysis system |
US9767172B2 (en) | 2014-10-03 | 2017-09-19 | Palantir Technologies Inc. | Data aggregation and analysis system |
JP6417175B2 (ja) * | 2014-10-06 | 2018-10-31 | アズビル株式会社 | 評価装置および評価方法 |
US9785328B2 (en) | 2014-10-06 | 2017-10-10 | Palantir Technologies Inc. | Presentation of multivariate data on a graphical user interface of a computing system |
US9984133B2 (en) | 2014-10-16 | 2018-05-29 | Palantir Technologies Inc. | Schematic and database linking system |
US9229952B1 (en) | 2014-11-05 | 2016-01-05 | Palantir Technologies, Inc. | History preserving data pipeline system and method |
US9043894B1 (en) | 2014-11-06 | 2015-05-26 | Palantir Technologies Inc. | Malicious software detection in a computing system |
US9348920B1 (en) | 2014-12-22 | 2016-05-24 | Palantir Technologies Inc. | Concept indexing among database of documents using machine learning techniques |
US9367872B1 (en) | 2014-12-22 | 2016-06-14 | Palantir Technologies Inc. | Systems and user interfaces for dynamic and interactive investigation of bad actor behavior based on automatic clustering of related data in various data structures |
US10552994B2 (en) | 2014-12-22 | 2020-02-04 | Palantir Technologies Inc. | Systems and interactive user interfaces for dynamic retrieval, analysis, and triage of data items |
US10362133B1 (en) | 2014-12-22 | 2019-07-23 | Palantir Technologies Inc. | Communication data processing architecture |
US9335911B1 (en) | 2014-12-29 | 2016-05-10 | Palantir Technologies Inc. | Interactive user interface for dynamic data analysis exploration and query processing |
US9817563B1 (en) | 2014-12-29 | 2017-11-14 | Palantir Technologies Inc. | System and method of generating data points from one or more data stores of data items for chart creation and manipulation |
US9870205B1 (en) | 2014-12-29 | 2018-01-16 | Palantir Technologies Inc. | Storing logical units of program code generated using a dynamic programming notebook user interface |
US10372879B2 (en) | 2014-12-31 | 2019-08-06 | Palantir Technologies Inc. | Medical claims lead summary report generation |
WO2016113911A1 (ja) * | 2015-01-16 | 2016-07-21 | 三菱電機株式会社 | データ判定装置、データ判定方法及びプログラム |
CN107110743B (zh) * | 2015-01-21 | 2019-12-10 | 三菱电机株式会社 | 检查数据处理装置以及检查数据处理方法 |
US10387834B2 (en) | 2015-01-21 | 2019-08-20 | Palantir Technologies Inc. | Systems and methods for accessing and storing snapshots of a remote application in a document |
US10223069B2 (en) | 2015-01-22 | 2019-03-05 | Mitsubishi Electric Corporation | Time-series data search device and computer readable medium |
FR3032273B1 (fr) * | 2015-01-30 | 2019-06-21 | Safran Aircraft Engines | Procede, systeme et programme d'ordinateur pour phase d'apprentissage d'une analyse acoustique ou vibratoire d'une machine |
US9727560B2 (en) | 2015-02-25 | 2017-08-08 | Palantir Technologies Inc. | Systems and methods for organizing and identifying documents via hierarchies and dimensions of tags |
EP3611632A1 (en) | 2015-03-16 | 2020-02-19 | Palantir Technologies Inc. | Displaying attribute and event data along paths |
US9886467B2 (en) | 2015-03-19 | 2018-02-06 | Plantir Technologies Inc. | System and method for comparing and visualizing data entities and data entity series |
JP5849167B1 (ja) * | 2015-04-09 | 2016-01-27 | 株式会社日立パワーソリューションズ | 異常検知方法およびその装置 |
JP5818337B1 (ja) * | 2015-04-13 | 2015-11-18 | 株式会社テイエルブイ | 蒸気使用設備の監視システム |
JP6627258B2 (ja) * | 2015-05-18 | 2020-01-08 | 日本電気株式会社 | システムモデル生成支援装置、システムモデル生成支援方法、及び、プログラム |
JP6276732B2 (ja) | 2015-07-03 | 2018-02-07 | 横河電機株式会社 | 設備保全管理システムおよび設備保全管理方法 |
JP6076421B2 (ja) * | 2015-07-23 | 2017-02-08 | 株式会社日立パワーソリューションズ | 設備状態監視方法およびその装置 |
US9454785B1 (en) | 2015-07-30 | 2016-09-27 | Palantir Technologies Inc. | Systems and user interfaces for holistic, data-driven investigation of bad actor behavior based on clustering and scoring of related data |
US9996595B2 (en) | 2015-08-03 | 2018-06-12 | Palantir Technologies, Inc. | Providing full data provenance visualization for versioned datasets |
JP5845374B1 (ja) * | 2015-08-05 | 2016-01-20 | 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 |
US9456000B1 (en) | 2015-08-06 | 2016-09-27 | Palantir Technologies Inc. | Systems, methods, user interfaces, and computer-readable media for investigating potential malicious communications |
US10489391B1 (en) | 2015-08-17 | 2019-11-26 | Palantir Technologies Inc. | Systems and methods for grouping and enriching data items accessed from one or more databases for presentation in a user interface |
US9600146B2 (en) | 2015-08-17 | 2017-03-21 | Palantir Technologies Inc. | Interactive geospatial map |
US10102369B2 (en) | 2015-08-19 | 2018-10-16 | Palantir Technologies Inc. | Checkout system executable code monitoring, and user account compromise determination system |
US10127289B2 (en) | 2015-08-19 | 2018-11-13 | Palantir Technologies Inc. | Systems and methods for automatic clustering and canonical designation of related data in various data structures |
JP6638260B2 (ja) * | 2015-08-24 | 2020-01-29 | 富士電機株式会社 | 情報提供装置、情報提供方法、及びプログラム |
US10853378B1 (en) | 2015-08-25 | 2020-12-01 | Palantir Technologies Inc. | Electronic note management via a connected entity graph |
US11150917B2 (en) | 2015-08-26 | 2021-10-19 | Palantir Technologies Inc. | System for data aggregation and analysis of data from a plurality of data sources |
US9485265B1 (en) | 2015-08-28 | 2016-11-01 | Palantir Technologies Inc. | Malicious activity detection system capable of efficiently processing data accessed from databases and generating alerts for display in interactive user interfaces |
US10706434B1 (en) | 2015-09-01 | 2020-07-07 | Palantir Technologies Inc. | Methods and systems for determining location information |
US9576015B1 (en) | 2015-09-09 | 2017-02-21 | Palantir Technologies, Inc. | Domain-specific language for dataset transformations |
US9824243B2 (en) * | 2015-09-11 | 2017-11-21 | Nxp Usa, Inc. | Model-based runtime detection of insecure behavior for system on chip with security requirements |
US9772934B2 (en) | 2015-09-14 | 2017-09-26 | Palantir Technologies Inc. | Pluggable fault detection tests for data pipelines |
JP6419046B2 (ja) * | 2015-09-15 | 2018-11-07 | 本田技研工業株式会社 | 蓄電システムの故障形態判定装置 |
US10296617B1 (en) | 2015-10-05 | 2019-05-21 | Palantir Technologies Inc. | Searches of highly structured data |
JP6623228B2 (ja) * | 2015-11-11 | 2019-12-18 | 株式会社日立製作所 | 制御装置及び診断システム |
US9542446B1 (en) | 2015-12-17 | 2017-01-10 | Palantir Technologies, Inc. | Automatic generation of composite datasets based on hierarchical fields |
US9823818B1 (en) | 2015-12-29 | 2017-11-21 | Palantir Technologies Inc. | Systems and interactive user interfaces for automatic generation of temporal representation of data objects |
US10089289B2 (en) | 2015-12-29 | 2018-10-02 | Palantir Technologies Inc. | Real-time document annotation |
US9612723B1 (en) | 2015-12-30 | 2017-04-04 | Palantir Technologies Inc. | Composite graphical interface with shareable data-objects |
WO2017116627A1 (en) * | 2016-01-03 | 2017-07-06 | Presenso, Ltd. | System and method for unsupervised prediction of machine failures |
WO2017120579A1 (en) | 2016-01-10 | 2017-07-13 | Presenso, Ltd. | System and method for validating unsupervised machine learning models |
WO2017139046A1 (en) | 2016-02-09 | 2017-08-17 | Presenso, Ltd. | System and method for unsupervised root cause analysis of machine failures |
CN108885443A (zh) * | 2016-02-25 | 2018-11-23 | 东芝三菱电机产业***株式会社 | 制造设备的异常诊断装置 |
US10698938B2 (en) | 2016-03-18 | 2020-06-30 | Palantir Technologies Inc. | Systems and methods for organizing and identifying documents via hierarchies and dimensions of tags |
WO2017213063A1 (ja) * | 2016-06-08 | 2017-12-14 | 日本電気株式会社 | システム分析装置、システム分析方法およびプログラム記録媒体 |
US9678850B1 (en) | 2016-06-10 | 2017-06-13 | Palantir Technologies Inc. | Data pipeline monitoring |
US10007674B2 (en) | 2016-06-13 | 2018-06-26 | Palantir Technologies Inc. | Data revision control in large-scale data analytic systems |
US10324609B2 (en) | 2016-07-21 | 2019-06-18 | Palantir Technologies Inc. | System for providing dynamic linked panels in user interface |
US10719188B2 (en) | 2016-07-21 | 2020-07-21 | Palantir Technologies Inc. | Cached database and synchronization system for providing dynamic linked panels in user interface |
US10621314B2 (en) | 2016-08-01 | 2020-04-14 | Palantir Technologies Inc. | Secure deployment of a software package |
US10133782B2 (en) | 2016-08-01 | 2018-11-20 | Palantir Technologies Inc. | Techniques for data extraction |
US11106692B1 (en) | 2016-08-04 | 2021-08-31 | Palantir Technologies Inc. | Data record resolution and correlation system |
US10437840B1 (en) | 2016-08-19 | 2019-10-08 | Palantir Technologies Inc. | Focused probabilistic entity resolution from multiple data sources |
EP3508833A4 (en) * | 2016-09-02 | 2020-04-01 | Hitachi, Ltd. | DIAGNOSTIC DEVICE, DIAGNOSTIC METHOD AND DIAGNOSTIC PROGRAM |
JP2018063545A (ja) * | 2016-10-12 | 2018-04-19 | 横河電機株式会社 | 情報処理装置、情報処理方法、情報処理プログラム及び記録媒体 |
JP6658462B2 (ja) * | 2016-11-08 | 2020-03-04 | 東芝三菱電機産業システム株式会社 | プラント設備劣化診断装置 |
US10318630B1 (en) | 2016-11-21 | 2019-06-11 | Palantir Technologies Inc. | Analysis of large bodies of textual data |
US10304263B2 (en) * | 2016-12-13 | 2019-05-28 | The Boeing Company | Vehicle system prognosis device and method |
JP6468313B2 (ja) * | 2017-06-08 | 2019-02-13 | オムロン株式会社 | 制御装置、制御プログラムおよび制御方法 |
JP6834446B2 (ja) * | 2016-12-14 | 2021-02-24 | 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 |
WO2018110259A1 (ja) * | 2016-12-14 | 2018-06-21 | オムロン株式会社 | 制御装置、制御プログラムおよび制御方法 |
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 |
FR3061324B1 (fr) * | 2016-12-22 | 2019-05-31 | Electricite De France | Procede de caracterisation d'une ou plusieurs defaillances d'un systeme |
US10460602B1 (en) | 2016-12-28 | 2019-10-29 | Palantir Technologies Inc. | Interactive vehicle information mapping system |
JP6656592B2 (ja) * | 2017-01-16 | 2020-03-04 | 横河電機株式会社 | 波形表示装置 |
JP2018116545A (ja) | 2017-01-19 | 2018-07-26 | オムロン株式会社 | 予測モデル作成装置、生産設備監視システム、及び生産設備監視方法 |
JP6661559B2 (ja) | 2017-02-03 | 2020-03-11 | 株式会社東芝 | 異常検出装置、異常検出方法およびプログラム |
JP6986358B2 (ja) * | 2017-03-29 | 2021-12-22 | 三菱重工業株式会社 | 情報処理装置、情報処理方法およびプログラム |
US10526992B2 (en) * | 2017-04-05 | 2020-01-07 | GM Global Technology Operations LLC | Method and system to detect and mitigate sensor degradation |
US10503574B1 (en) | 2017-04-10 | 2019-12-10 | Palantir Technologies Inc. | Systems and methods for validating data |
KR101937831B1 (ko) * | 2017-04-12 | 2019-04-11 | 한국원자력연구원 | 원자로의 인공 지능형 사고 대응 장치 및 방법 |
US11132620B2 (en) * | 2017-04-20 | 2021-09-28 | Cisco Technology, Inc. | Root cause discovery engine |
US20210333787A1 (en) * | 2017-04-20 | 2021-10-28 | Nec Corporation | Device management system, model learning method, and model learning program |
US10956406B2 (en) | 2017-06-12 | 2021-03-23 | Palantir Technologies Inc. | Propagated deletion of database records and derived data |
WO2018235123A1 (ja) | 2017-06-19 | 2018-12-27 | 日本電気株式会社 | 情報処理装置、情報処理システム、情報処理方法、及び記録媒体 |
JP7311480B2 (ja) | 2017-06-19 | 2023-07-19 | 日本電気株式会社 | 情報処理システム、及び、情報処理方法 |
WO2019012654A1 (ja) * | 2017-07-13 | 2019-01-17 | 日本電気株式会社 | 分析システム、分析方法及び記憶媒体 |
US10403011B1 (en) | 2017-07-18 | 2019-09-03 | Palantir Technologies Inc. | Passing system with an interactive user interface |
US11611574B2 (en) * | 2017-08-02 | 2023-03-21 | Code42 Software, Inc. | User behavior analytics for insider threat detection |
US10599857B2 (en) * | 2017-08-29 | 2020-03-24 | Micro Focus Llc | Extracting features for authentication events |
US10984099B2 (en) | 2017-08-29 | 2021-04-20 | Micro Focus Llc | Unauthorized authentication events |
JP6961424B2 (ja) | 2017-08-30 | 2021-11-05 | 株式会社日立製作所 | 故障診断システム |
JP6981113B2 (ja) | 2017-09-05 | 2021-12-15 | オムロン株式会社 | 情報処理装置および情報処理方法 |
JP6915693B2 (ja) | 2017-10-10 | 2021-08-04 | 日本電気株式会社 | システム分析方法、システム分析装置、および、プログラム |
KR101937350B1 (ko) * | 2017-10-26 | 2019-01-11 | 한국전기안전공사 | Ict 기반의 전기안전 자동화 시스템 및 방법 |
US10672204B2 (en) * | 2017-11-15 | 2020-06-02 | The Boeing Company | Real time streaming analytics for flight data processing |
JP7062923B2 (ja) * | 2017-11-21 | 2022-05-09 | 富士通株式会社 | 可視化方法、可視化装置及び可視化プログラム |
JP6796092B2 (ja) | 2018-01-17 | 2020-12-02 | 株式会社東芝 | 情報処理装置、情報処理方法及びプログラム |
JP6791892B2 (ja) | 2018-01-18 | 2020-11-25 | ファナック株式会社 | 異常検知パラメータ調整表示装置 |
JP6698715B2 (ja) | 2018-01-23 | 2020-05-27 | 三菱重工業株式会社 | 設備状態監視装置および設備状態監視方法 |
US11036715B2 (en) * | 2018-01-29 | 2021-06-15 | Microsoft Technology Licensing, Llc | Combination of techniques to detect anomalies in multi-dimensional time series |
US11972178B2 (en) * | 2018-02-27 | 2024-04-30 | Falkonry Inc. | System and method for explanation of condition predictions in complex systems |
US11599369B1 (en) | 2018-03-08 | 2023-03-07 | Palantir Technologies Inc. | Graphical user interface configuration system |
US11113168B2 (en) * | 2018-03-09 | 2021-09-07 | Toyota Motor Engineering & Manufacturing North America, Inc. | Distributed architecture for fault monitoring |
US10866792B1 (en) | 2018-04-17 | 2020-12-15 | Palantir Technologies Inc. | System and methods for rules-based cleaning of deployment pipelines |
JP7042152B2 (ja) * | 2018-04-18 | 2022-03-25 | Ihi運搬機械株式会社 | 機器交換時期提案方法及び装置 |
US10496529B1 (en) | 2018-04-18 | 2019-12-03 | Palantir Technologies Inc. | Data unit test-based data management system |
US10754822B1 (en) | 2018-04-18 | 2020-08-25 | Palantir Technologies Inc. | Systems and methods for ontology migration |
US11122064B2 (en) | 2018-04-23 | 2021-09-14 | Micro Focus Llc | Unauthorized authentication event detection |
US10885021B1 (en) | 2018-05-02 | 2021-01-05 | Palantir Technologies Inc. | Interactive interpreter and graphical user interface |
JP2019204232A (ja) * | 2018-05-22 | 2019-11-28 | 株式会社ジェイテクト | 情報処理方法、情報処理装置、及びプログラム |
JP6763910B2 (ja) * | 2018-05-30 | 2020-09-30 | 横河電機株式会社 | 異常検出装置、異常検出方法、異常検出プログラム及び記録媒体 |
JP7113668B2 (ja) * | 2018-06-08 | 2022-08-05 | Ntn株式会社 | 状態監視システム |
US11782395B2 (en) | 2018-06-18 | 2023-10-10 | Mitsubishi Electric Corporation | Diagnostic device, diagnostic method and program |
US11119630B1 (en) | 2018-06-19 | 2021-09-14 | Palantir Technologies Inc. | Artificial intelligence assisted evaluations and user interface for same |
JP6600857B1 (ja) * | 2018-06-27 | 2019-11-06 | 株式会社クロスコンパス | 出力変数値算出システム、出力変数算出装置、及び、出力変数値算出方法 |
JP2020004081A (ja) * | 2018-06-28 | 2020-01-09 | アズビル株式会社 | イベント解析装置およびこれを用いた予告アラーム生成方法 |
JP7031743B2 (ja) * | 2018-06-28 | 2022-03-08 | 日本電気株式会社 | 異常検知装置 |
JP7007243B2 (ja) | 2018-07-04 | 2022-01-24 | 株式会社日立製作所 | 異常検知システム |
CN109144835A (zh) * | 2018-08-02 | 2019-01-04 | 广东浪潮大数据研究有限公司 | 一种应用服务故障的自动预测方法、装置、设备及介质 |
JP7132021B2 (ja) | 2018-08-07 | 2022-09-06 | 三菱重工業株式会社 | 通知装置、通知方法及びプログラム |
JP2020027342A (ja) * | 2018-08-09 | 2020-02-20 | 富士電機株式会社 | 情報処理装置、監視装置、及び情報処理方法 |
US10967514B2 (en) * | 2018-08-22 | 2021-04-06 | Abb Schweiz Ag | Apparatus and method to monitor robot mechanical condition |
CN110866661B (zh) * | 2018-08-27 | 2024-03-22 | 中国石油化工股份有限公司 | 石化生产工艺的风险量化管理方法 |
CN112567306A (zh) * | 2018-08-31 | 2021-03-26 | 东芝三菱电机产业***株式会社 | 制造过程监视装置 |
JP7036697B2 (ja) * | 2018-09-27 | 2022-03-15 | 株式会社日立製作所 | 監視システム及び監視方法 |
JP2020057165A (ja) * | 2018-10-01 | 2020-04-09 | 株式会社椿本チエイン | 異常判定装置、信号特徴量予測器、異常判定方法、学習モデルの生成方法及び学習モデル |
JP7103134B2 (ja) * | 2018-10-04 | 2022-07-20 | 富士通株式会社 | 出力プログラム、および出力方法 |
US11119504B2 (en) * | 2018-11-08 | 2021-09-14 | International Business Machines Corporation | Machine learning based airflow sensing for aircraft |
JP7059903B2 (ja) * | 2018-11-14 | 2022-04-26 | 富士通株式会社 | 通信装置、及び通信方法 |
JP6827608B2 (ja) * | 2018-12-05 | 2021-02-10 | 三菱電機株式会社 | 異常検知装置及び異常検知方法 |
WO2020125929A1 (en) * | 2018-12-17 | 2020-06-25 | Huawei Technologies Co., Ltd. | Apparatus and method for detecting an anomaly among successive events and computer program product therefor |
JP7184636B2 (ja) * | 2018-12-27 | 2022-12-06 | 三菱重工業株式会社 | データ選別装置及び方法、ならびに監視診断装置 |
JP7310137B2 (ja) * | 2018-12-28 | 2023-07-19 | 株式会社Gsユアサ | データ処理装置、データ処理方法、及びコンピュータプログラム |
JP7101265B2 (ja) | 2019-01-15 | 2022-07-14 | 株式会社東芝 | 異常要因診断装置及びその方法、並びに異常要因診断システム |
JP7156975B2 (ja) * | 2019-02-26 | 2022-10-19 | 三菱重工業株式会社 | 運営評価装置、運営評価方法、およびプログラム |
EP3918500B1 (en) * | 2019-03-05 | 2024-04-24 | Siemens Industry Software Inc. | Machine learning-based anomaly detections for embedded software applications |
US11763195B2 (en) * | 2019-03-25 | 2023-09-19 | Synchrony Bank | Systems and methods for estimating stability of a dataset |
JP7320368B2 (ja) * | 2019-04-09 | 2023-08-03 | ナブテスコ株式会社 | 故障予測装置、故障予測方法およびコンピュータプログラム |
JP7437784B2 (ja) | 2019-04-22 | 2024-02-26 | パナソニックIpマネジメント株式会社 | 学習済みモデルの生成方法、保全表示装置、及びプログラム |
CN112188534B (zh) * | 2019-07-05 | 2023-11-03 | 中兴通讯股份有限公司 | 一种异常检测方法和装置 |
JP7493930B2 (ja) * | 2019-12-10 | 2024-06-03 | キヤノン株式会社 | 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 |
JP2021096639A (ja) * | 2019-12-17 | 2021-06-24 | キヤノン株式会社 | 制御方法、制御装置、機械設備、制御プログラム、記録媒体 |
WO2021171387A1 (ja) * | 2020-02-26 | 2021-09-02 | 三菱電機株式会社 | 関係分析装置、関係分析方法、及び、関係分析プログラム |
WO2021176732A1 (ja) * | 2020-03-06 | 2021-09-10 | 三菱電機株式会社 | 異常判定装置、異常判定方法及び異常判定プログラム |
CN115516395A (zh) | 2020-04-27 | 2022-12-23 | 三菱电机株式会社 | 异常诊断方法、异常诊断装置以及异常诊断程序 |
JP7168127B2 (ja) * | 2020-06-05 | 2022-11-09 | 三菱電機株式会社 | 故障予兆検知装置、故障予兆検知方法、故障予兆検知プログラム、学習装置、学習済みの学習モデルの生成方法、学習済みの学習モデル生成プログラム |
JP2022027057A (ja) * | 2020-07-31 | 2022-02-10 | 株式会社デンソー | 異常検出装置、異常検出方法および異常検出プログラム |
JP7108806B2 (ja) * | 2020-08-11 | 2022-07-28 | 中国電力株式会社 | 評価装置及び評価システム |
JP7214054B2 (ja) * | 2020-09-03 | 2023-01-27 | 三菱電機株式会社 | 機器分析装置、機器分析方法および機器分析プログラム |
KR20230098321A (ko) * | 2020-12-08 | 2023-07-03 | 제이에프이 스틸 가부시키가이샤 | 시계열 신호의 트리거 조건 결정 방법, 감시 대상 설비의 이상 진단 방법 및 시계열 신호의 트리거 조건 결정 장치 |
CN112685216A (zh) * | 2021-02-04 | 2021-04-20 | 三门核电有限公司 | 基于趋势分析的设备异常监测***及方法 |
US11429472B1 (en) * | 2021-03-26 | 2022-08-30 | International Business Machines Corporation | Automated cognitive software application error detection |
JP7052914B1 (ja) | 2021-08-05 | 2022-04-12 | 富士電機株式会社 | 異常診断システム、異常診断装置、異常診断方法、及びプログラム |
US12007880B2 (en) * | 2021-12-14 | 2024-06-11 | Sap Se | Dynamic test automation prioritization |
JP7422962B2 (ja) * | 2022-02-02 | 2024-01-26 | 三菱電機株式会社 | 機器状態監視装置および機器状態監視方法 |
JP7459161B2 (ja) | 2022-03-31 | 2024-04-01 | 本田技研工業株式会社 | モデル評価装置、フィルタ生成装置、モデル評価方法、フィルタ生成方法及びプログラム |
WO2024047859A1 (ja) * | 2022-09-02 | 2024-03-07 | 三菱電機株式会社 | 異常検知装置、異常検知方法、および、異常検知プログラム |
CN116088412B (zh) * | 2023-04-10 | 2023-06-20 | 深圳华龙讯达信息技术股份有限公司 | 一种基于plc工业网关的可移动设备监测*** |
CN116629706B (zh) * | 2023-07-19 | 2023-09-22 | 山东新中鲁建设有限公司 | 一种基于bim的绿色节能建筑施工质量评估方法 |
CN116772944B (zh) * | 2023-08-25 | 2023-12-01 | 克拉玛依市燃气有限责任公司 | 配气站的智能监控***及其方法 |
CN117390501B (zh) * | 2023-12-13 | 2024-02-13 | 骊阳(广东)节能科技股份有限公司 | 基于人工智能的工业燃气发电机组***状态监测方法 |
Family Cites Families (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS6312093A (ja) | 1986-07-02 | 1988-01-19 | 三菱電機株式会社 | 発電プラントの異常診断装置 |
JPH11338848A (ja) * | 1998-05-26 | 1999-12-10 | Ffc:Kk | データ異常検出装置 |
US6952662B2 (en) | 2000-03-30 | 2005-10-04 | Smartsignal Corporation | Signal differentiation system using improved non-linear operator |
JP3631118B2 (ja) | 2000-09-21 | 2005-03-23 | 株式会社東芝 | プラント診断装置 |
JP2002182736A (ja) * | 2000-12-12 | 2002-06-26 | Yamatake Sangyo Systems Co Ltd | 設備診断装置および設備診断プログラム記憶媒体 |
US6975962B2 (en) | 2001-06-11 | 2005-12-13 | Smartsignal Corporation | Residual signal alert generation for condition monitoring using approximated SPRT distribution |
JP2003114294A (ja) * | 2001-10-04 | 2003-04-18 | Toshiba Corp | 発電プラントの監視・診断・検査・保全システム |
JP2009070071A (ja) * | 2007-09-12 | 2009-04-02 | Toshiba Corp | 学習型プロセス異常診断装置、およびオペレータ判断推測結果収集装置 |
JP5048625B2 (ja) | 2008-10-09 | 2012-10-17 | 株式会社日立製作所 | 異常検知方法及びシステム |
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 |
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 |
JP5363927B2 (ja) | 2009-09-07 | 2013-12-11 | 株式会社日立製作所 | 異常検知・診断方法、異常検知・診断システム、及び異常検知・診断プログラム |
JP5364530B2 (ja) | 2009-10-09 | 2013-12-11 | 株式会社日立製作所 | 設備状態監視方法、監視システム及び監視プログラム |
JP2011145846A (ja) | 2010-01-14 | 2011-07-28 | Hitachi Ltd | 異常検知方法、異常検知システム、及び異常検知プログラム |
-
2010
- 2010-04-09 JP JP2010090286A patent/JP5431235B2/ja active Active
- 2010-07-28 US US13/383,841 patent/US8682824B2/en active Active
- 2010-07-28 WO PCT/JP2010/004789 patent/WO2011024382A1/ja active Application Filing
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11360873B2 (en) | 2016-09-06 | 2022-06-14 | Kabushiki Kaisha Toshiba | Evaluation device, evaluation method, and evaluation program |
US10890507B2 (en) | 2017-01-25 | 2021-01-12 | Ntn Corporation | State monitoring method and state monitoring apparatus |
Also Published As
Publication number | Publication date |
---|---|
WO2011024382A1 (ja) | 2011-03-03 |
US8682824B2 (en) | 2014-03-25 |
US20120290879A1 (en) | 2012-11-15 |
JP2011070635A (ja) | 2011-04-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5945350B2 (ja) | 設備状態監視方法およびその装置 | |
JP5431235B2 (ja) | 設備状態監視方法およびその装置 | |
JP5538597B2 (ja) | 異常検知方法及び異常検知システム | |
JP5301310B2 (ja) | 異常検知方法及び異常検知システム | |
JP5331774B2 (ja) | 設備状態監視方法およびその装置並びに設備状態監視用プログラム | |
JP5364530B2 (ja) | 設備状態監視方法、監視システム及び監視プログラム | |
JP5753286B1 (ja) | 情報処理装置、診断方法、およびプログラム | |
JP6216242B2 (ja) | 異常検知方法およびその装置 | |
JP5048625B2 (ja) | 異常検知方法及びシステム | |
JP5301717B1 (ja) | 設備状態監視方法およびその装置 | |
JP6076751B2 (ja) | 異常診断方法およびその装置 | |
JP5342708B1 (ja) | 異常検知方法及びその装置 | |
JP5363927B2 (ja) | 異常検知・診断方法、異常検知・診断システム、及び異常検知・診断プログラム | |
JP5501903B2 (ja) | 異常検知方法及びそのシステム | |
JP6076421B2 (ja) | 設備状態監視方法およびその装置 | |
WO2013030984A1 (ja) | 設備状態監視方法およびその装置 | |
WO2011086805A1 (ja) | 異常検知方法及び異常検知システム | |
JP5498540B2 (ja) | 異常検知方法及びシステム | |
JPWO2013030984A1 (ja) | 設備状態監視方法およびその装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20120622 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20130611 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20130805 |
|
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: 20131105 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20131204 |
|
R150 | Certificate of patent or registration of utility model |
Free format text: JAPANESE INTERMEDIATE CODE: R150 Ref document number: 5431235 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |