JP6869065B2 - Abnormality judgment device and abnormality judgment method - Google Patents
Abnormality judgment device and abnormality judgment method Download PDFInfo
- Publication number
- JP6869065B2 JP6869065B2 JP2017056676A JP2017056676A JP6869065B2 JP 6869065 B2 JP6869065 B2 JP 6869065B2 JP 2017056676 A JP2017056676 A JP 2017056676A JP 2017056676 A JP2017056676 A JP 2017056676A JP 6869065 B2 JP6869065 B2 JP 6869065B2
- Authority
- JP
- Japan
- Prior art keywords
- abnormality determination
- abnormality
- determination target
- series data
- degree
- 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
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
- Testing And Monitoring For Control Systems (AREA)
- Combined Controls Of Internal Combustion Engines (AREA)
Description
本発明は、複数の対象の夫々において計測されるパラメータの時系列データに基づいて、複数の前記対象の異常判定を行う異常判定部とを備える異常判定装置、及び異常判定方法に関する。 The present invention relates to an abnormality determination device including an abnormality determination unit for determining an abnormality of a plurality of the objects based on time-series data of parameters measured in each of the plurality of objects, and an abnormality determination method.
従来、内燃機関等を対象とし、当該対象の運転状態を計測するパラメータ計測部と、当該パラメータ計測部の計測結果に基づいて、対象の異常の可能性を判定する異常判定部とを備えた故障判定装置が知られている（特許文献１を参照）。
上記特許文献１に開示の技術にあっては、計測されたパラメータの時間変化を示す波形と、故障の前兆を示す既知の波形とを比較し、当該比較結果より異常の可能性を判定するように構成されている。
Conventionally, a failure including a parameter measuring unit for measuring an operating state of an internal combustion engine or the like and an abnormality determining unit for determining the possibility of an abnormality of the target based on the measurement result of the parameter measuring unit. A determination device is known (see Patent Document 1).
In the technique disclosed in Patent Document 1, the waveform showing the time change of the measured parameter is compared with the known waveform showing the precursor of failure, and the possibility of abnormality is determined from the comparison result. It is configured in.
一般に、上記異常の原因となる故障には、経年劣化等による摩耗性の故障と、突発性の故障とに大別される。
経年劣化等による摩耗性の故障は、発電機の回転軸受けの故障などであり、長期間に亘って徐々に部品が劣化し、当該劣化が一定以上進んだ場合に顕在化する。この場合、例えば、発電機の振動をセンシングした時系列データ上でも、時系列データの値が徐々に異常値に近づく等の挙動がみられるため、例えば、所定の閾値設定をすることにより、故障が発生する前に異常を検知することができる。上記特許文献１に開示の技術は、このような経年劣化等による摩耗性の故障を検知するものである。
一方、突発性の故障は、故障原因そのものが存在しないものや、故障原因による異常をセンサ等により検知が困難なものが多いため、故障が発生する前に異常を検知することが比較的難しい。当該異常の具体例としては、内燃機関の気筒の失火等が挙げられる。当該故障の主原因は、副室式の内燃機関における副室に煤が溜まることによる点火不良や、制御不良により空燃比が乱れることにより、燃焼領域が正常燃焼領域から逸脱することが考えられるが、これらを未然に検知するためのセンサは、設置が困難なものや、設置できたとしても高価となる。
In general, failures that cause the above-mentioned abnormalities are roughly classified into wear-related failures due to aging deterioration and the like and sudden failures.
Abrasion-resistant failures due to aged deterioration or the like are failures of rotating bearings of generators, etc., and become apparent when parts gradually deteriorate over a long period of time and the deterioration progresses beyond a certain level. In this case, for example, even on the time-series data in which the vibration of the generator is sensed, the value of the time-series data gradually approaches an abnormal value. Can be detected before the occurrence of. The technique disclosed in Patent Document 1 detects a wear-resistant failure due to such aged deterioration or the like.
On the other hand, in many cases of sudden failures, the cause of the failure does not exist, or it is difficult to detect the abnormality caused by the cause of the failure by a sensor or the like. Therefore, it is relatively difficult to detect the abnormality before the failure occurs. Specific examples of the abnormality include misfire of a cylinder of an internal combustion engine. It is considered that the main cause of the failure is that the combustion region deviates from the normal combustion region due to ignition failure due to soot accumulation in the sub chamber of the subchamber type internal combustion engine and disturbance of the air-fuel ratio due to poor control. , Sensors for detecting these in advance are difficult to install, and even if they can be installed, they are expensive.
ただし、例えば、上述の失火等については、内燃機関が強制停止するレベルの失火が発生する前に、単発の失火が発生しているため、当該単発の失火に伴う排ガスの温度低下に基づいて、失火（異常）を検知することができなくはない。しかしながら、単発の失火に伴う排ガスの温度低下は、非常に小さいものであるため、単純な閾値設定では、誤判定を抑制しながらも、高い検知精度で異常を判定することが難しいという課題があった。 However, for example, in the case of the above-mentioned misfire, since a single misfire has occurred before the level of the internal combustion engine is forcibly stopped, the temperature of the exhaust gas due to the single misfire is lowered. It is not impossible to detect a misfire (abnormality). However, since the temperature drop of the exhaust gas due to a single misfire is very small, there is a problem that it is difficult to judge an abnormality with high detection accuracy while suppressing an erroneous judgment by a simple threshold setting. It was.
本発明は、上述の課題に鑑みてなされたものであり、その目的は、判定精度を高くしながらも（誤判定を抑制しながらも）、微小な異常を高い検知精度で捉えると共に、データ群の個別の性質等を考慮した閾値設定を必要とせず、異常判定を実行できる異常判定装置、及び異常判定方法を提供する点にある。 The present invention has been made in view of the above-mentioned problems, and an object of the present invention is to capture minute abnormalities with high detection accuracy while improving determination accuracy (while suppressing erroneous determination), and to capture a data group. The point is to provide an abnormality determination device capable of executing abnormality determination and an abnormality determination method without the need for setting a threshold value in consideration of the individual properties of the above.
上記目的を達成するための異常判定装置は、複数の対象の夫々において計測されるパラメータの時系列データとして、一のエンジンに備えられる複数の燃焼室に対応する各排気路で計測される排ガスの温度の前記時系列データに基づいて、複数の前記対象の異常判定を行う異常判定部を備える異常判定装置であって、その特徴構成は、
複数の前記対象から異常判定の前記対象としての一の異常判定対象を選択すると共に、複数の前記対象から前記異常判定対象以外の複数の非異常判定対象を選択する選択部と、
所定の導出期間において、前記選択部にて選択された前記異常判定対象に対応する前記時系列データを被説明変数とし、前記非異常判定対象に対応する前記時系列データを説明変数とし、回帰分析を実行して回帰式を導出し、前記異常判定対象に対応する前記時系列データから前記回帰式の出力を減算した値と、前記非異常判定対象に対応する前記時系列データの標準偏差から決定される統計閾値とに基づいて、前記異常判定対象の異常度を導出する異常度導出部とを備え、
前記選択部は、一の前記異常判定対象に対し、複数の前記非異常判定対象を選択するものであり、
前記異常判定対象に対応する前記時系列データと前記非異常判定対象に対応する前記時系列データとの相関係数は、０．７以上１以下の高相関であり、
前記異常度導出部は、一の前記異常判定対象と、前記選択部にて選択された複数の前記非異常判定対象の夫々とに関して、前記異常度を導出するものであり、
前記異常判定部は、前記異常度導出部にて導出された前記異常度に基づいて、前記異常判定対象が異常状態にあるか否かを判定するものであり、
前記異常度導出部は、前記導出期間において、前記異常判定対象に対応する前記時系列データから前記回帰式の出力を減算した値が、前記非異常判定対象に対応する前記時系列データの標準偏差から決定される前記統計閾値を超えた場合に、前記導出期間における前記異常度が高いと導出し、
前記導出期間において、前記異常判定対象に対応する前記時系列データから前記回帰式の出力を減算した値が、前記非異常判定対象に対応する前記時系列データの標準偏差から決定される前記統計閾値以下である場合に、前記導出期間における前記異常度が低いと導出し、
前記異常度導出部は、前記異常度の導出において、
前記統計閾値としての上限統計閾値を、前記非異常判定対象に対応する前記時系列データの前記標準偏差の３倍以上５倍以下の値とし、
前記統計閾値としての下限統計閾値を、前記非異常判定対象に対応する前記時系列データの前記標準偏差の−５倍以上−３倍以下の値とし、
前記異常度導出部が導出した複数の前記異常度のうち少なくとも一つを所定の基準値以上と導出した場合、前記異常判定部は、前記異常判定対象が異常状態にあると判定する点にある。
An abnormality determination device for achieving the above object is a time-series data of parameters measured in each of a plurality of objects, and is an exhaust gas measured in each exhaust gas corresponding to a plurality of combustion chambers provided in one engine. An abnormality determination device including an abnormality determination unit that determines an abnormality of a plurality of the objects based on the time-series data of the temperature, and its characteristic configuration is:
A selection unit that selects one abnormality determination target as the target for abnormality determination from the plurality of said targets and selects a plurality of non-abnormality determination targets other than the abnormality determination target from the plurality of said targets.
Regression analysis using the time-series data corresponding to the abnormality determination target selected by the selection unit as the explained variable and the time-series data corresponding to the non-abnormality determination target as the explanatory variable in a predetermined derivation period. Is executed to derive the regression equation, and it is determined from the value obtained by subtracting the output of the regression equation from the time series data corresponding to the abnormality determination target and the standard deviation of the time series data corresponding to the non-abnormality determination target. An abnormality degree deriving unit for deriving the abnormality degree of the abnormality determination target based on the statistical threshold value to be obtained is provided.
The selection unit selects a plurality of the non-abnormality determination targets with respect to the abnormality determination target.
The correlation coefficient between the time-series data corresponding to the abnormality determination target and the time-series data corresponding to the non-abnormality determination target is a high correlation of 0.7 or more and 1 or less.
The abnormality degree derivation unit derives the abnormality degree with respect to one said abnormality determination target and each of a plurality of the non-abnormality determination targets selected by the selection unit.
The abnormality determining unit, on the basis of the degree of abnormality derived by the abnormality degree deriving unit is intended for determining whether or not the abnormality determination target is in an abnormal state,
In the derivation period, the value obtained by subtracting the output of the regression equation from the time series data corresponding to the abnormality determination target is the standard deviation of the time series data corresponding to the non-abnormality determination target. When the statistical threshold determined from is exceeded, it is derived that the degree of abnormality in the derivation period is high.
In the derivation period, the value obtained by subtracting the output of the regression equation from the time series data corresponding to the abnormality determination target is determined from the standard deviation of the time series data corresponding to the non-abnormality determination target. When the following, it is derived that the degree of abnormality in the derivation period is low.
The anomaly degree derivation unit is used in deriving the anomaly degree.
The upper limit statistical threshold value as the statistical threshold value is set to a value of 3 times or more and 5 times or less of the standard deviation of the time series data corresponding to the non-abnormality determination target.
The lower limit statistical threshold value as the statistical threshold value is set to a value of -5 times or more and -3 times or less of the standard deviation of the time series data corresponding to the non-abnormality determination target.
When at least one of the plurality of abnormalities derived by the abnormality degree deriving unit is derived to be equal to or higher than a predetermined reference value, the abnormality determination unit determines that the abnormality determination target is in an abnormal state. ..
上記目的を達成するための異常判定方法は、
複数の対象の夫々において計測されるパラメータの時系列データとして、一のエンジンに備えられる複数の燃焼室に対応する各排気路で計測される排ガスの温度の前記時系列データに基づいて、複数の前記対象の異常判定を行う異常判定工程を備える異常判定方法であって、その特徴構成は、
複数の前記対象から異常判定の前記対象としての一の異常判定対象を選択すると共に、複数の前記対象から前記異常判定対象以外の複数の非異常判定対象を選択する選択工程と、
前記選択工程にて選択された前記異常判定対象に対応する前記時系列データを被説明変数とし、前記非異常判定対象に対応する前記時系列データを説明変数とし、回帰分析を実行して回帰式を導出し、所定の導出期間において、前記異常判定対象に対応する前記時系列データから前記回帰式の出力を減算した値と、前記非異常判定対象に対応する前記時系列データの標準偏差から決定される統計閾値とに基づいて、前記異常判定対象の異常度を導出する異常度導出工程とを備え、
前記選択工程は、一の前記異常判定対象に対し、複数の前記非異常判定対象を選択するものであり、
前記異常判定対象に対応する前記時系列データと前記非異常判定対象に対応する前記時系列データとの相関係数は、０．７以上１以下の高相関であり、
前記異常度導出工程は、一の前記異常判定対象と、前記選択工程にて選択された複数の前記非異常判定対象の夫々とに関して、前記異常度を導出するものであり、
前記異常判定工程は、前記異常度導出工程にて導出された前記異常度に基づいて、前記異常判定対象が異常状態にあるか否かを判定するものであり、
前記異常度導出工程は、前記導出期間において、前記異常判定対象に対応する前記時系列データから前記回帰式の出力を減算した値が、前記非異常判定対象に対応する前記時系列データの標準偏差から決定される前記統計閾値を超えた場合に、前記導出期間における前記異常度が高いと導出し、
前記導出期間において、前記異常判定対象に対応する前記時系列データから前記回帰式の出力を減算した値が、前記非異常判定対象に対応する前記時系列データの標準偏差から決定される前記統計閾値以下である場合に、前記導出期間における前記異常度が低いと導出し、
前記異常度導出工程は、前記異常度の導出において、
前記統計閾値としての上限統計閾値を、前記非異常判定対象に対応する前記時系列データの前記標準偏差の３倍以上５倍以下の値とし、
前記統計閾値としての下限統計閾値を、前記非異常判定対象に対応する前記時系列データの前記標準偏差の−５倍以上−３倍以下の値とし、
前記異常度導出工程が導出した複数の前記異常度のうち少なくとも一つを所定の基準値以上と導出した場合、前記異常判定工程は、前記異常判定対象が異常状態にあると判定する点にある。
The abnormality determination method for achieving the above objectives is
As time-series data of parameters measured in each of a plurality of objects, a plurality of time-series data of the temperature of exhaust gas measured in each exhaust passage corresponding to a plurality of combustion chambers provided in one engine . An abnormality determination method including an abnormality determination step for determining an abnormality of the target, wherein the characteristic configuration thereof is as follows.
A selection step of selecting one abnormality determination target as the target for abnormality determination from a plurality of the targets and selecting a plurality of non-abnormality determination targets other than the abnormality determination target from the plurality of the targets.
The time-series data corresponding to the abnormality determination target selected in the selection step is used as the explained variable, the time-series data corresponding to the non-abnormality determination target is used as the explanatory variable, and regression analysis is executed to perform a regression equation. Is derived, and in a predetermined derivation period, it is determined from the value obtained by subtracting the output of the regression equation from the time series data corresponding to the abnormality determination target and the standard deviation of the time series data corresponding to the non-abnormality determination target. It is provided with an abnormality degree derivation step for deriving the abnormality degree of the abnormality determination target based on the statistical threshold value to be obtained.
In the selection step, a plurality of the non-abnormality determination targets are selected for one abnormality determination target.
The correlation coefficient between the time-series data corresponding to the abnormality determination target and the time-series data corresponding to the non-abnormality determination target is a high correlation of 0.7 or more and 1 or less.
The abnormality degree derivation step derives the abnormality degree with respect to one said abnormality determination target and each of the plurality of non-abnormality determination targets selected in the selection step.
The abnormality determining step, based on the degree of abnormality derived by the abnormality degree deriving step is intended for determining whether or not the abnormality determination target is in an abnormal state,
In the abnormality degree derivation step, in the derivation period, the value obtained by subtracting the output of the regression equation from the time series data corresponding to the abnormality determination target is the standard deviation of the time series data corresponding to the non-abnormality determination target. When the statistical threshold determined from is exceeded, it is derived that the degree of abnormality in the derivation period is high.
In the derivation period, the value obtained by subtracting the output of the regression equation from the time series data corresponding to the abnormality determination target is determined from the standard deviation of the time series data corresponding to the non-abnormality determination target. When the following, it is derived that the degree of abnormality in the derivation period is low.
The abnormality degree derivation step is performed in the derivation of the abnormality degree.
The upper limit statistical threshold value as the statistical threshold value is set to a value of 3 times or more and 5 times or less of the standard deviation of the time series data corresponding to the non-abnormality determination target.
The lower limit statistical threshold value as the statistical threshold value is set to a value of -5 times or more and -3 times or less of the standard deviation of the time series data corresponding to the non-abnormality determination target.
When at least one of the plurality of abnormalities derived by the abnormality degree deriving step is derived to be equal to or higher than a predetermined reference value, the abnormality determination step is at a point of determining that the abnormality determination target is in an abnormal state. ..
上記特徴構成によれば、まずもって、異常導出部は、選択部にて選択された異常判定対象に対応する時系列データを被説明変数とし、非異常判定対象に対応する時系列データを説明変数とし、回帰分析を実行して回帰式を導出し、所定の導出期間において、異常判定対象に対応する時系列データから回帰式の出力を減算した値が、非異常判定対象に対応する時系列データの標準偏差から決定される統計閾値を超えた回数に基づいて、異常判定対象の異常度を導出するから、統計的に決定される統計閾値を用いることができるから、従来技術の如く、対象（例えば、内燃機関）の個別の特質を考慮した閾値設定を行う必要がなく、比較的高い精度で、異常度を導出できる。
特に、上記特徴構成によれば、回帰式の出力を基準データとして用いているから、例えば、異常判定対象に対応する時系列データと、非異常判定対象に対応する時系列データとの基準値（更に具体的には平均値）が大きく異なる場合であっても、それによる影響を除外して、適切に異常度を導出できる。
According to the above feature configuration, first, the anomaly derivation unit uses the time-series data corresponding to the anomaly determination target selected by the selection unit as the explained variable, and the time-series data corresponding to the non-abnormality determination object as the explanatory variable. Then, the regression analysis is executed to derive the regression equation, and the value obtained by subtracting the output of the regression equation from the time series data corresponding to the abnormality judgment target in the predetermined derivation period is the time series data corresponding to the non-abnormality determination target. Since the degree of abnormality of the abnormality determination target is derived based on the number of times the statistical threshold determined from the standard deviation of is exceeded, the statistical threshold determined statistically can be used. For example, it is not necessary to set the threshold value in consideration of the individual characteristics of the internal combustion engine), and the degree of abnormality can be derived with relatively high accuracy.
In particular, according to the above feature configuration, since the output of the regression equation is used as the reference data, for example, the reference value of the time series data corresponding to the abnormality determination target and the time series data corresponding to the non-abnormality determination target ( More specifically, even if the average value) is significantly different, the influence of the difference can be excluded and the degree of abnormality can be appropriately derived.
尚、統計的に決定される統計閾値は、ある一定の幅を有するものであるが、当該統計閾値を低くして、感度を高く設定する場合、感度が高いが故に、正常であるはずの時系列データを異常であると誤判定しまう虞が高くなる。つまり、異常を検知する感度を高めることと、誤判定の可能性を低減することは、トレードオフの関係となっている。
これに対し、上記特徴構成によれば、異常度導出部は、一の異常判定対象と、選択部にて選択された複数の非異常判定対象の夫々との間で、異常度を導出するものであり、且つ異常判定部は、異常度導出部にて導出された複数の異常度に基づいて、異常判定対象が異常状態にあるか否かを判定するから、例えば、仮に、一の異常判定対象と複数の非異常判定対象との組み合わせでの異常度が適正な値からずれてしまったとしても、他の組み合わせにおいて、異常度が適正な値であれば、適切な異常状態の判定を行え、結果、誤判定の可能性を低減できる。
即ち、本発明によれば、感度を高めながらも、誤判定の発生を抑制することができる異常判定装置、及び異常判定方法を実現できるのである。
更に、上記特徴構成によれば、標準偏差から決定される統計閾値を超えるか否かという比較的単純な演算で異常度を導出できるから、例えば、対象（例えば、内燃機関）の個別の特質を考慮した閾値設定を行う場合に比べて、比較的簡易に、且つ精度良く異常度を導出できる。
更に、上記特徴構成によれば、統計閾値としての上限統計閾値を、非異常判定対象に対応する時系列データの標準偏差の３倍以上５倍以下の値とし、統計閾値としての下限統計閾値を、非異常判定対象に対応する時系列データの標準偏差の−５倍以上−３倍以下の値とするから、従来技術の如く、対象（例えば、内燃機関）の個別の特質を考慮した閾値設定を行う必要がなく、比較的高い精度で、異常度を導出できる。
The statistical threshold value that is statistically determined has a certain range, but when the statistical threshold value is lowered and the sensitivity is set high, it should be normal because the sensitivity is high. There is a high risk that the series data will be erroneously determined to be abnormal. That is, increasing the sensitivity for detecting an abnormality and reducing the possibility of erroneous determination are in a trade-off relationship.
On the other hand, according to the above-mentioned feature configuration, the abnormality degree derivation unit derives the abnormality degree between one abnormality determination target and each of a plurality of non-abnormality determination targets selected by the selection unit. In addition, since the abnormality determination unit determines whether or not the abnormality determination target is in the abnormality state based on the plurality of abnormality degrees derived by the abnormality degree derivation unit, for example, one abnormality determination is tentatively made. Even if the degree of abnormality in the combination of the target and a plurality of non-abnormality judgment targets deviates from the appropriate value, if the degree of abnormality is an appropriate value in other combinations, the appropriate abnormal state can be determined. As a result, the possibility of erroneous judgment can be reduced.
That is, according to the present invention, it is possible to realize an abnormality determination device and an abnormality determination method capable of suppressing the occurrence of erroneous determination while increasing the sensitivity.
Further, according to the above feature configuration, the degree of abnormality can be derived by a relatively simple calculation of whether or not the statistical threshold value determined from the standard deviation is exceeded. Therefore, for example, the individual characteristics of the target (for example, an internal combustion engine) can be determined. Compared with the case of setting the threshold value in consideration, the degree of abnormality can be derived relatively easily and accurately.
Further, according to the above feature configuration, the upper limit statistical threshold as the statistical threshold is set to a value of 3 times or more and 5 times or less of the standard deviation of the time series data corresponding to the non-abnormality determination target, and the lower limit statistical threshold as the statistical threshold is set. , Since the value is set to -5 times or more and -3 times or less of the standard deviation of the time series data corresponding to the non-abnormality judgment target, the threshold value is set in consideration of the individual characteristics of the target (for example, the internal combustion engine) as in the prior art. The degree of anomaly can be derived with relatively high accuracy.
異常判定装置の更なる特徴構成は、
前記異常判定部は、前記異常度導出部にて導出された複数の前記異常度のうち、前記異常度が高いと導出される割合に基づいて、前記異常判定対象が異常状態にあるか否かを判定する点にある。
Further feature configuration of the abnormality judgment device is
The abnormality determination unit determines whether or not the abnormality determination target is in an abnormal state based on the ratio derived when the abnormality degree is high among the plurality of the abnormality degrees derived by the abnormality degree derivation unit. Is the point to judge.
上記特徴構成によれば、感度を高めた場合であっても、比較的演算量が少ないロジックにて異常状態の判定に伴う誤判定の発生を抑制できる。 According to the above-mentioned feature configuration, even when the sensitivity is increased, it is possible to suppress the occurrence of erroneous determination due to the determination of the abnormal state by the logic with a relatively small amount of calculation.
異常判定装置の更なる特徴構成は、
前記時系列データから前記対象が定常状態にあるか否かを判定する定常状態判定部を備え、
前記異常度導出部は、前記定常状態判定部にて前記定常状態にあると判定された前記時系列データに基づいて、前記異常判定対象の前記異常度を導出する点にある。
Further feature configuration of the abnormality judgment device is
A steady state determination unit for determining whether or not the target is in a steady state from the time series data is provided.
The abnormality degree derivation unit is at a point of deriving the abnormality degree of the abnormality determination target based on the time series data determined by the steady state determination unit to be in the steady state.
上記特徴構成によれば、比較的安定している定常状態での時系列データを用いることで、対象の本質的な異常に伴う異常度を、適切に導出することができる。 According to the above feature configuration, by using the time series data in a relatively stable steady state, the degree of abnormality associated with the essential abnormality of the object can be appropriately derived.
異常判定装置の更なる特徴構成は、
前記異常判定対象が前記異常状態にあるか否かの判定の精度を調整する判定精度調整部を備え、
前記判定精度調整部は、判定の精度を高く調整するのに伴って、前記選択部にて選択される前記非異常判定対象の数を増加させる点にある。
Further feature configuration of the abnormality judgment device is
A determination accuracy adjusting unit for adjusting the accuracy of determining whether or not the abnormality determination target is in the abnormal state is provided.
The determination accuracy adjusting unit increases the number of non-abnormality determination targets selected by the selection unit as the determination accuracy is adjusted to be high.
上記特徴構成によれば、選択部に選択される非異常判定対象の数を調整することで、異常状態の判定の精度を調整できる。具体的には、選択部にて選択する非異常判定対象の数を増やし、異常状態の判定の基礎となる異常度の数を増加させるほど、異常状態の判定における判定の精度を高くすることができる、換言すれば、誤判定の可能性を低減できる。 According to the above feature configuration, the accuracy of determining the abnormal state can be adjusted by adjusting the number of non-abnormality determination targets selected in the selection unit. Specifically, the more the number of non-abnormality determination targets selected by the selection unit is increased and the number of abnormalities that are the basis of the abnormal state determination is increased, the higher the accuracy of the determination in the abnormal state determination is. Yes, in other words, the possibility of erroneous judgment can be reduced.
異常判定装置としては、
前記異常判定対象が前記異常状態にあるか否かの感度を調整する感度調整部を備え、
前記感度調整部は、前記感度を高く調整するのに伴って、前記統計閾値の設定に際し、前記非異常判定対象に対応する前記時系列データの前記標準偏差の倍率を低減することが好ましい。
As an abnormality judgment device,
A sensitivity adjusting unit for adjusting the sensitivity of whether or not the abnormality determination target is in the abnormal state is provided.
It is preferable that the sensitivity adjusting unit reduces the magnification of the standard deviation of the time series data corresponding to the non-abnormality determination target when setting the statistical threshold value as the sensitivity is adjusted to be high.
本発明の実施形態に係る異常判定装置１００、及び異常判定方法は、判定精度を高くしながらも（誤判定を抑制しながらも）、微小な異常を高精度に捉えると共に、データ群の個別の性質等を考慮した閾値設定を必要とせず、比較的低い計算負荷で、異常判定を実行できるものである。
以下、図面に基づいて説明する。
The
Hereinafter, description will be given based on the drawings.
異常判定装置１００は、図１に示すように、複数のコジェネレーションシステムＣと、当該複数のコジェネレーションシステムＣを管理する管理部Ｋとにネットワーク回線Ｎを介して、互いに通信可能な状態で接続されており、異常判定装置１００での異常判定結果は、管理部Ｋへ送信可能に構成されている。
当該実施形態にあっては、コジェネレーションシステムＣは、主構成として、熱と電力とを併給するエンジン３０と当該エンジン３０のＥＣＵを含む制御装置Ｃｃとから構成されている。
エンジン３０は、例えば、都市ガス（１３Ａ）等の気体燃料を燃料とするものであり、ピストンをシリンダ内で往復運動させると共に吸気弁及び排気弁を開閉動作させて点火プラグを所望の時期に作動させることにより、燃焼室において、吸気行程、圧縮行程、膨張行程、排気行程の各行程を順次実行する。これにより、ピストンの往復動を連結棒を介してクランク軸の回転運動として出力するように構成されている。当該構成は、通常の４ストローク内燃機関と同様の構成である。
As shown in FIG. 1, the
In the embodiment, the cogeneration system C is mainly composed of an
The
更に、当該エンジン３０は、複数の燃焼室を備えた多気筒式ガスエンジンにて構成されており、各燃焼室からの排気温度を排気路にて各別に測定する温度センサＳ１と、各燃焼室におけるノッキング強度を検出するノックセンサＳ２と、クランク軸のクランク角度を計測する形態でエンジンの回転数を計測する回転数センサＳ３とを備えている。
制御装置Ｃｃは、エンジン３０の運転を制御する制御部（図示せず）と、上記温度センサＳ１、ノックセンサＳ２、及び回転数センサＳ３の計測データを取得するデータ取得部Ｃｃ１と、データ取得部Ｃｃ１にて取得した計測データを記憶する記憶部ＤＢｃと、外部との間でデータの送受信を実行する通信部Ｃｃ２とを備えている。特に、当該通信部Ｃｃ２は、記憶部ＤＢｃに記憶された計測データを、ネットワーク回線Ｎを介して、異常判定装置１００へ送信可能に構成されている。制御装置Ｃｃは、上記データ取得部Ｃｃ１が取得した計測データに明らかな異常があることを判定する判定部（図示せず）を備え、当該判定部が異常があると判定した場合に、当該異常を表示するモニタ（表示部）Ｃｃ３を備えて構成されている。当該判定部は、例えば、上述の計測データが、明らかな異常に対応する閾値を超えた場合に異常があると判定する。
Further, the
The control device Cc includes a control unit (not shown) that controls the operation of the
さて、上述のようなコジェネレーションシステムＣは、エンジン３０において重故障に繋がる恐れがある異常を事前に検知（予測）するべく、例えば、エンジン３０にて発生する単発の失火を良好に検知できることが好ましい。失火の検知は、排ガス温度の低下の計測に基づく検知が一般的である。しかしながら、エンジン３０が強制停止するレベルの失火が発生する前の段階での単発の失火に伴う排ガスの温度低下は、非常に小さいものであるため、単純な閾値設定では、判定精度を高くしながらも（誤判定を抑制しながらも）、微小な異常を高い検知精度で検知することが難しいという課題があった。
By the way, the cogeneration system C as described above can satisfactorily detect, for example, a single misfire that occurs in the
そこで、当該実施形態に係る異常判定装置１００は、ネットワーク回線Ｎを介してコジェネレーションシステムＣの計測データを受信する通信部Ｍ１、及び当該通信部Ｍ１が受信したデータを記憶する記憶部ＤＢを備えており、コジェネレーションシステムＣに備えらえられる複数の燃焼室（複数の対象の一例）において計測される排ガスの温度（具体的には、温度センサＳ１にて各燃焼室に対応する排気路で計測される温度：パラメータの一例）の時系列データに基づいて、複数の燃焼室の異常判定を実行する異常判定部Ｍ５を備える。
Therefore, the
説明を追加すると、異常判定装置１００は、複数の燃焼室から一の異常判定対象である燃焼室を選択すると共に、複数の燃焼室から異常判定対象以外の複数の非異常判定対象である燃焼室を選択する選択部Ｍ３と、所定の導出期間において、当該選択部Ｍ３にて選択された異常判定対象である燃焼室に対応する時系列データを被説明変数とし、非異常判定対象である燃焼室に対応する時系列データを説明変数とし、回帰分析を実行して回帰式を導出し、異常判定対象に対応する時系列データから回帰式の出力を減算した値と、非異常判定対象に対応する時系列データの標準偏差から決定される統計閾値とに基づいて、異常判定対象の異常度Ｅを導出する異常度導出部Ｍ４とを備える。
更に、異常判定装置１００では、選択部Ｍ３が、一の異常判定対象である燃焼室に対し、複数の非異常判定対象である燃焼室を選択するものであり、異常度導出部Ｍ４が、一の異常判定対象の燃焼室と、選択部Ｍ３にて選択された複数の非異常判定対象である燃焼室の夫々とに関して、異常度Ｅを導出するものであり、異常判定部Ｍ５が、異常度導出部Ｍ４にて導出された複数の異常度Ｅに基づいて、異常判定対象である燃焼室が異常状態にあるか否かを判定する。
尚、上述した所定の導出期間は、例えば、センサー値（時系列データの各時点での値）の計測周期が１秒間隔である場合は、３０分以上、最長でも３，４時間が望ましい。センサー値の点数は、統計学の観点から少なくとも、１，０００点から２，０００点は必要である。従って、１秒間隔でデータ点数が記録されている場合、３０×６０点＝１，８００点が担保される３０分以上の期間で導出するのが望ましい。また、センサー値は外気温度から影響を受けるため、可能な限り外気温が一定の期間を導出期間とするのが望ましい。
そのため、最長でも３，４時間の導出期間にする方がよい。
To add an explanation, the
Further, in the
The above-mentioned predetermined derivation period is preferably 30 minutes or more, and 3 or 4 hours at the longest, for example, when the measurement cycle of the sensor value (value at each time point of the time series data) is 1 second interval. The score of the sensor value needs to be at least 1,000 to 2,000 from the viewpoint of statistics. Therefore, when the number of data points is recorded at 1-second intervals, it is desirable to derive the data in a period of 30 minutes or more in which 30 × 60 points = 1,800 points are guaranteed. Moreover, since the sensor value is affected by the outside air temperature, it is desirable to set a period in which the outside air temperature is constant as much as possible as the derivation period.
Therefore, it is better to set the derivation period to 3 or 4 hours at the longest.
以下、具体的に説明を加える。
異常度導出部Ｍ４は、異常度Ｅの導出に関し、一の異常判定対象である燃焼室に対応する時系列データをＹｔとし、一の非異常判定対象である燃焼室に対応する時系列データをＸｉｔとする場合、Ｘｉｔを被説明変数とし、Ｙｔを説明変数として、例えば、下記の〔数１〕に示す回帰式を導出する。
Hereinafter, a specific description will be added.
Abnormality degree deriving unit M4 relates derives error probability E, one abnormality determination time series data corresponding to the combustion chambers which is the subject and Y t, the time-series data corresponding to the combustion chamber is one of non-abnormality determination target Is X it, X it is an explained variable, Y t is an explanatory variable, and for example, the regression equation shown in [Equation 1] below is derived.
〔数１〕
Ｙｉｔ’＝ａｉ × Ｘｉｔ＋ｂｉ
ただし、ｔは時間を示し、ｉは［１、ｎ］であり複数の非異常判定対象を示し、ａｉ、ｂｉは、ｔによらず一定の値であり、説明変数Ｘｉｔ毎に決定される値であり、Ｙｉｔ’は、回帰式の出力である。
[Number 1]
Y it '= a i × X it + b i
However, t represents time, i is shown the [1, n] a and a plurality of non-abnormality determination target, a i, b i is a constant value regardless of t, determined for each explanatory variable X it Y it'is the output of the regression equation.
各ｉに対して、下記〔数２〕の如く、異常判定対象としての燃焼室に対応する時系列データＹｔから回帰式の出力Ｙｉｔ’を減算した値Ｄｉｔを導出する。 For each i, as it follows expression (2), to derive a value D it which subtracts the output Y it 'regression formula from the time-series data Y t corresponding to a combustion chamber of an abnormality determination target.
〔数２〕
Ｄｉｔ＝Ｙｔ−Ｙｉｔ’
[Number 2]
D it = Y t- Y it '
所定の導出期間内での各時点（特定の時点であるｔを意味）において、所定閾値を超えた場合に異常度Ｅが高いと判定し、所定閾値以下である場合に各ｔ（各時点）における異常度が低いと導出する。
ここで、所定閾値は、非異常判定対象としての燃焼室に対応する時系列データＸｉｔの標準偏差δから決定される統計閾値であり、統計閾値としての上限統計閾値は、非異常判定対象に対応する時系列データの標準偏差の３倍以上５倍以下の値であると共に、統計閾値としての下限統計閾値は、非異常判定対象に対応する時系列データの標準偏差の−５倍以上−３倍以下の値である。
At each time point (meaning t at a specific time point) within the predetermined derivation period, it is determined that the abnormality degree E is high when the predetermined threshold value is exceeded, and each t (each time point) when it is below the predetermined threshold value. It is derived that the degree of abnormality in is low.
Here, the predetermined threshold is a statistical threshold determined from the standard deviation δ of the time series data Xit corresponding to the combustion chamber as the non-abnormality determination target, and the upper limit statistical threshold as the statistical threshold is the non-abnormality determination target. The value is 3 times or more and 5 times or less of the standard deviation of the corresponding time-series data, and the lower limit statistical threshold as the statistical threshold is -5 times or more and -3 times or more of the standard deviation of the time-series data corresponding to the non-abnormality judgment target. It is less than double the value.
異常判定部Ｍ５は、異常度導出部Ｍ４にて導出された各時点における異常度Ｅに基づいて、異常判定対象である燃焼室が各時点において異常状態にあるか否かを判定する。
更には、異常判定部Ｍ５は、異常度導出部Ｍ４にて導出された複数の異常度Ｅのうち、異常度Ｅが高いと判定される割合に基づいて、異常判定対象である燃焼室が異常状態にあるか否かを判定する。
The abnormality determination unit M5 determines whether or not the combustion chamber, which is the object of abnormality determination, is in an abnormal state at each time point, based on the abnormality degree E at each time point derived by the abnormality degree derivation unit M4.
Further, in the abnormality determination unit M5, the combustion chamber, which is the abnormality determination target, is abnormal based on the ratio of the plurality of abnormality degrees E derived by the abnormality determination unit M4 that the abnormality degree E is determined to be high. Determine if it is in a state.
以下、図２、３に基づいて説明を追加する。
図２は、本発明の権利範囲に含まれるものではないが、ｉ＝１の場合、即ち、非異常判定対象としての燃焼室が１つである場合について例示したものである。
図２（ａ）に示すように、異常判定対象としての燃焼室に対応する排ガス温度と、非異常判定対象としての燃焼室に対応する排ガス温度とは、例えば、エンジン３０における燃焼室の配置等から、異常の判定に関係のない誤差が発生している。
そこで、図２（ｂ）に示すように、当該誤差を最小にするべく、回帰式の出力Ｙ１ｔ’を算出する。
その後、図２（ｃ）に示すように、異常判定対象としての燃焼室に対応する時系列データＹｔから回帰式の出力Ｙ１ｔ’を減算した値Ｅ１ｔが、各時点において、上述した上限統計閾値（図２（ｃ）ではα１で示す値：５δ）又は下限統計閾値（図２（ｃ）ではα２で示す値：−５δ）の何れか一方を超える場合、即ち、上限統計閾値を高い側へ超える場合又は下限統計閾値を低い側へ超える場合、各時点における異常度Ｅが高いと判定し、上限統計閾値と下限統計閾値との双方を超えない場合に、異常度Ｅが低いと判定する。
尚、以下、「上限統計閾値を超える」と記載している場合、「上限統計閾値を高い側へ超える」ことを意味するものとし、「下限統計閾値を超える」と記載している場合、「下限統計閾値を低い側へ超える」ことを意味するものとする。
Hereinafter, description will be added based on FIGS. 2 and 3.
FIG. 2 is not included in the scope of rights of the present invention, but illustrates the case where i = 1, that is, the case where there is one combustion chamber as a non-abnormality determination target.
As shown in FIG. 2A, the exhaust gas temperature corresponding to the combustion chamber as the abnormality determination target and the exhaust gas temperature corresponding to the combustion chamber as the non-abnormality determination target are, for example, the arrangement of the combustion chambers in the
Therefore, as shown in FIG. 2B, the output Y1t'of the regression equation is calculated in order to minimize the error.
After that, as shown in FIG. 2C, the value E1t obtained by subtracting the output Y1t'of the regression equation from the time series data Yt corresponding to the combustion chamber as the abnormality determination target is the upper limit statistical threshold value (1) described above at each time point. In FIG. 2 (c), when either the value indicated by α1: 5δ) or the lower limit statistical threshold value (value indicated by α2 in FIG. 2C: -5δ) is exceeded, that is, the upper limit statistical threshold value is exceeded to the higher side. In this case or when the lower limit statistical threshold is exceeded, it is determined that the abnormality degree E at each time point is high, and when both the upper limit statistical threshold value and the lower limit statistical threshold value are not exceeded, the abnormality degree E is determined to be low.
In the following, when it is described as "exceeding the upper limit statistical threshold value", it means "exceeding the upper limit statistical threshold value to the higher side", and when it is described as "exceeding the lower limit statistical threshold value", it means "exceeding the lower limit statistical threshold value". It shall mean "exceeding the lower limit statistical threshold to the lower side".
図３に、非異常判定対象としての燃焼室が複数（図３では、２つ：ｉ：［１，２］）である場合を例示している。
非異常判定対象としての燃焼室が複数である場合、各Ｘｉｔの夫々に対応する統計閾値が設定されることになり、図３（ｂ）に示す例では、Ｘ１ｔに対応する上限統計閾値α１及び下限統計閾値α２、Ｘ２ｔに対応する上限統計閾値β１（図３（ｂ）では５δ）及び下限統計閾値β２（図３（ｂ）では−５δ）が設定される。
異常判定対象としての燃焼室に対応する時系列データＹｔから回帰式の出力Ｙ１ｔ’を減算した値Ｄ１ｔが、Ｘ１ｔに対応する上限統計閾値α１及び下限統計閾値α２の何れか一方を超える場合、且つ、異常判定対象としての燃焼室に対応する時系列データＹｔから回帰式の出力Ｙ２ｔ’を減算した値Ｄ２ｔが、Ｘ２ｔに対応する上限統計閾値β１及び下限統計閾値β２の何れか一方を超える場合、図３（ｃ）で時点ｔ１で示すように、異常率を１００％とする。
異常判定対象としての燃焼室に対応する時系列データＹｔから回帰式の出力Ｙ１ｔ’を減算した値Ｄ１ｔが、Ｘ１ｔに対応する上限統計閾値α１及び下限統計閾値α２の両方を超えない場合、且つ、異常判定対象としての燃焼室に対応する時系列データＹｔから回帰式の出力Ｙ２ｔ’を減算した値Ｄ２ｔが、Ｘ２ｔに対応する上限統計閾値β１及び下限統計閾値β２の両方を超えない場合、図３（ｃ）で時点ｔ３で示すように、異常率を０％とする。
異常判定対象としての燃焼室に対応する時系列データＹｔから回帰式の出力Ｙ１ｔ’を減算した値Ｄ１ｔが、Ｘ１ｔに対応する上限統計閾値α１及び下限統計閾値α２の何れか一方を超える場合、又は、異常判定対象としての燃焼室に対応する時系列データＹｔから回帰式の出力Ｙ２ｔ’を減算した値Ｄ２ｔが、Ｘ２ｔに対応する上限統計閾値β１及び下限統計閾値β２の何れか一方を超える場合、図３（ｃ）で時点ｔ２で示すように、異常率を５０％とする。
FIG. 3 illustrates a case where there are a plurality of combustion chambers as non-abnormality determination targets (in FIG. 3, two: i: [1, 2]).
If the combustion chamber as a non-abnormality determination target is more, will be statistically threshold value corresponding to each of the X it is set, in the example shown in FIG. 3 (b), the upper statistical threshold corresponding to the X 1t The upper limit statistical threshold β1 (5δ in FIG. 3B) and the lower limit statistical threshold β2 (-5δ in FIG. 3B) corresponding to α1 and the lower limit statistical thresholds α2 and X 2t are set.
The value D 1t obtained by subtracting the output Y 1t'of the regression equation from the time series data Y t corresponding to the combustion chamber as the abnormality determination target sets either the upper limit statistical threshold α1 or the lower limit statistical threshold α2 corresponding to X 1t. than if, and, the abnormality determination value D 2t from series data Y t by subtracting the output y2t 'regression formula when corresponding to the combustion chamber as a target, the upper statistical threshold β1 and lower statistical thresholds β2 corresponding to X 2t If it exceeds either one, the abnormality rate is set to 100% as shown at time point t1 in FIG. 3 (c).
The value D 1t obtained by subtracting the output Y 1t'of the regression equation from the time series data Y t corresponding to the combustion chamber as the abnormality determination target does not exceed both the upper limit statistical threshold α1 and the lower limit statistical threshold α2 corresponding to X 1t. If, and, both from the time-series data Y t corresponding to a combustion chamber of an abnormality determination target value D 2t obtained by subtracting the output y2t 'regression equation, the upper statistical threshold β1 and lower statistical thresholds β2 corresponding to X 2t If it does not exceed, the anomaly rate is set to 0% as shown at time point t3 in FIG. 3 (c).
The value D 1t obtained by subtracting the output Y 1t'of the regression equation from the time series data Y t corresponding to the combustion chamber as the abnormality determination target sets either the upper limit statistical threshold α1 or the lower limit statistical threshold α2 corresponding to X 1t. If it exceeds, or the value D 2t obtained by subtracting the output Y 2t'of the regression equation from the time series data Y t corresponding to the combustion chamber as the abnormality judgment target, is the upper limit statistical threshold β1 and the lower limit statistical threshold β2 corresponding to X 2t. If any one of the above is exceeded, the abnormality rate is set to 50% as shown at time point t2 in FIG. 3 (c).
当該実施形態に係る異常判定部Ｍ５は、例えば、異常率が５０％以上である時点は、異常判定対象としての燃焼室が異常状態にあると判定する。即ち、異常判定部Ｍ５は、異常度導出部Ｍ４にて導出された複数の異常度Ｅのうち、異常度Ｅが高いと判定される割合に基づいて、異常判定対象としての燃焼室が異常状態にあるか否かを判定する。
これにより、単一の異常度Ｅのみで異常状態の判定を行う場合に比べ、異常状態の誤判定を抑制できる。
The abnormality determination unit M5 according to the embodiment determines, for example, that the combustion chamber as an abnormality determination target is in an abnormal state when the abnormality rate is 50% or more. That is, in the abnormality determination unit M5, the combustion chamber as the abnormality determination target is in an abnormal state based on the ratio of the plurality of abnormality degrees E derived by the abnormality determination unit M4 that are determined to have a high abnormality degree E. Determine if it is in.
As a result, it is possible to suppress erroneous determination of the abnormal state as compared with the case where the determination of the abnormal state is performed only by a single abnormality degree E.
異常判定部Ｍ５は、上記異常状態の判定を、異常判定対象としての燃焼室を変更して実行可能に構成されており、すべての対象を異常判定対象として、それらが異常状態にあるか否かを判定可能に構成されている。 The abnormality determination unit M5 is configured to be able to execute the determination of the above-mentioned abnormal state by changing the combustion chamber as the abnormality determination target, and sets all the targets as the abnormality determination targets, and whether or not they are in the abnormal state. Is configured to be determinable.
尚、当該実施形態に係る異常判定装置１００は、異常判定対象としての燃焼室Ｃｏが前記異常状態にあるか否かの判定の精度を調整する判定精度調整部Ｍ２を備えている。
当該判定精度調整部Ｍ２は、判定の精度を高く調整するのに伴って、選択部Ｍ３にて選択される非異常判定対象としての燃焼室Ｃｏの数を増加させる。
例えば、異常判定装置１００には、操作者による操作により誤判定の可能性を調整可能な操作部（図示せず）を備え、誤判定調整部Ｍ２は、当該操作部の設定値に基づいて、判定の精度を調整する。
The
The determination accuracy adjusting unit M2 increases the number of combustion chambers Co as non-abnormality determination targets selected by the selection unit M3 as the determination accuracy is adjusted to be high.
For example, the
また、異常判定装置１００は、異常判定対象としての燃焼室が異常状態にあるか否かの感度を調整する感度調整部Ｍ６を備えている。
当該感度調整部Ｍ６は、感度を高く調整するのに伴って、統計閾値の設定に際し、非異常判定対象としての燃焼室に対応する時系列データの標準偏差の倍率を低減する。
Further, the
The sensitivity adjusting unit M6 reduces the magnification of the standard deviation of the time series data corresponding to the combustion chamber as the non-abnormality determination target when setting the statistical threshold value as the sensitivity is adjusted to be high.
尚、当該異常判定では、複数の対象に対応する時系列データから選択された二つの時系列データの相関係数は、０．７以上１以下の高相関であることが好ましい。 In the abnormality determination, the correlation coefficient of the two time-series data selected from the time-series data corresponding to the plurality of objects is preferably 0.7 or more and 1 or less.
これまで説明してきた異常判定装置１００を用いることにより、以下の異常判定方法を実行できる。
即ち、当該異常判定方法にあっては、一のエンジン３０の複数の燃焼室から一の異常判定対象としての燃焼室を選択すると共に、一のエンジン３０の複数の燃焼室から異常判定対象以外の複数の非異常判定対象としての燃焼室を選択する選択工程と、所定の導出期間において、選択工程にて選択された異常判定対象としての燃焼室に対応する排ガス温度（温度センサＳ１にて計測される温度：時系列データの一例）を被説明変数として、非異常判定対象としての燃焼室に対応する排ガス温度（温度センサＳ１にて計測される温度：時系列データの一例）を説明変数として、回帰分析を実行して回帰式を導出し、異常判定対象としての燃焼室に対応する時系列データから回帰式の出力を減算した値と、非異常判定対象としての燃焼室に対応する時系列データの標準偏差から決定される統計閾値とに基づいて、異常判定対象としての燃焼装置の異常度Ｅを導出する異常度導出工程とを備え、選択工程は、一の異常判定対象としての燃焼室に対し、複数の非異常判定対象としての燃焼室を選択するものであり、異常度導出工程は、一の異常判定対象としての燃焼室と、選択工程にて選択された複数の非異常判定対象としての燃焼室の夫々とに関して、異常度を導出するものであり、異常判定工程は、異常度導出工程にて導出された異常度Ｅに基づいて、異常判定対象としての燃焼室が異常状態にあるか否かを判定する。
By using the
That is, in the abnormality determination method, a combustion chamber as one abnormality determination target is selected from a plurality of combustion chambers of one
〔別実施形態〕
（１）上記実施形態では、複数の対象を、判定対象として、異常判定を実行した。しかしながら、判定対象は、複数の対象のうち、少なくとも１つであっても構わない。
[Another Embodiment]
(1) In the above embodiment, the abnormality determination is executed with a plurality of targets as determination targets. However, the determination target may be at least one of the plurality of targets.
（２）上記実施形態にあっては、異常判定装置１００は、ネットワーク回線Ｎを介して、コジェネレーションシステムＣから取得した計測データに基づいて、異常判定を実行するように構成している例を示した。
しかしながら、異常判定装置１００は、例えば、コジェネレーションシステムＣの夫々に対して併設して設けられ、ネットワーク回線Ｎを介することなく、複数の対象からの計測データを取得して異常判定を実行する構成を採用しても構わない。
更には、異常判定装置１００は、コジェネレーションシステムＣの制御装置Ｃｃとして備えられる構成を採用しても構わない。
更には、異常判定装置１００は、ネットワーク回線Ｎを介してコジェネレーションシステムＣから取得した計測データに基づいてコジェネレーションシステムＣの監視を行う監視装置と併設して備えると共に、当該監視装置の記憶部から計測データを取得する形態で、異常判定を実行する構成であっても構わない。
(2) In the above embodiment, the
However, the
Further, the
Further, the
（３）異常判定装置１００は、例えば、時系列データから対象が定常状態にあるか否かを判定する定常状態判定部（図示せず）を備える構成を採用しても良く、異常度導出部Ｍ４は、定常状態判定部にて定常状態にあると判定された時系列データに基づいて、異常判定対象の異常度Ｅを導出するように構成しても構わない。
当該構成を採用することにより、安定した時系列データに基づいて異常度Ｅを導出することができるから、異常状態の誤判定（誤検出）の可能性を、より一層低減できる。
(3) The
By adopting this configuration, the abnormality degree E can be derived based on stable time-series data, so that the possibility of erroneous determination (erroneous detection) of the abnormal state can be further reduced.
（４）上記実施形態において、誤判定調整部Ｍ２や、感度調整部Ｍ６を備える構成を示したが、これらを備えない構成であっても、本発明の目的は良好に達成されるものである。 (4) Although the configuration including the erroneous determination adjusting unit M2 and the sensitivity adjusting unit M6 is shown in the above embodiment, the object of the present invention can be satisfactorily achieved even if the configuration does not include these. ..
（５）上記実施形態において、一のエンジン３０の複数の燃焼室Ｃｏを、複数の対象とし、当該燃焼室Ｃｏの夫々における温度（排ガスの温度）をパラメータとする例を示した。
しかしながら、上述したノックセンサＳ２にて検出されるノッキング強度をパラメータとしても構わない。
(5) In the above embodiment, an example is shown in which a plurality of combustion chambers Co of one
However, the knocking strength detected by the knock sensor S2 described above may be used as a parameter.
（６）ネットワーク回線Ｎにて異常判定装置１００に接続される複数のコジェネレーションシステムＣのエンジン３０の夫々は、例えば、上記別実施形態で示した定常状態判定部にて定常状態にあると判定される場合、その回転数が、高相関となる場合がある。
そこで、ネットワーク回線Ｎにて異常判定装置１００に接続される複数のコジェネレーションシステムＣのエンジン３０の夫々を、複数の対象として採用し、当該エンジン３０の回転数を計測する回転数センサＳ３の計測結果を、パラメータとして採用しても構わない。
(6) Each of the
Therefore, each of the
（７）複数の対象として、定常的に互いに通信する複数のサーバを採用でき、この場合、各サーバのデータ通信量をパラメータとして採用する。
また、複数の対象として、一の発電設備の一の発電軸を支える複数の軸受を採用でき、この場合、各軸受けの振動周波数をパラメータとして採用する。
また、複数の対象として、近接する複数のエリア毎の気象状態を採用でき、この場合、複数のエリア毎の気温や湿度をパラメータとして採用する。この場合、異常状態としては、突発的に発生する竜巻等が想定される。
(7) As a plurality of targets, a plurality of servers that constantly communicate with each other can be adopted, and in this case, the data communication amount of each server is adopted as a parameter.
Further, as a plurality of objects, a plurality of bearings supporting one power generation shaft of one power generation facility can be adopted, and in this case, the vibration frequency of each bearing is adopted as a parameter.
Further, as a plurality of targets, the weather conditions of a plurality of adjacent areas can be adopted, and in this case, the temperature and humidity of each of the plurality of areas are adopted as parameters. In this case, a tornado or the like that suddenly occurs is assumed as the abnormal state.
（８）上記実施形態において、回帰式は、１次式である例を示した。しかしながら、当該回帰式は、ａｉ＝１で、且つｂｉを導出する式であっても構わない。 (8) In the above embodiment, an example in which the regression equation is a linear equation is shown. However, the regression equation may be an equation in which ai = 1 and bi is derived.
（９）上記実施形態では、異常度導出部Ｍ４は、所定の導出期間における各時点における異常度を導出する例を示した。
しかしながら、異常度導出部Ｍ４は、所定の導出期間におけるピンポイントの各時点のみに限らず、別に、一定の幅のある導出期間において、異常度を導出するような構成を採用しても構わない。
(9) In the above embodiment, the abnormality degree derivation unit M4 shows an example of deriving the abnormality degree at each time point in a predetermined derivation period.
However, the abnormality degree derivation unit M4 is not limited to each pinpoint time point in the predetermined derivation period, and may separately adopt a configuration in which the anomaly degree is derived in a derivation period having a certain width. ..
尚、上記実施形態（別実施形態を含む、以下同じ）で開示される構成は、矛盾が生じない限り、他の実施形態で開示される構成と組み合わせて適用することが可能であり、また、本明細書において開示された実施形態は例示であって、本発明の実施形態はこれに限定されず、本発明の目的を逸脱しない範囲内で適宜改変することが可能である。 The configuration disclosed in the above embodiment (including another embodiment, the same shall apply hereinafter) can be applied in combination with the configuration disclosed in other embodiments as long as there is no contradiction. The embodiments disclosed in the present specification are examples, and the embodiments of the present invention are not limited thereto, and can be appropriately modified without departing from the object of the present invention.
本発明の異常判定装置、及び異常判定方法は、判定精度を高くしながらも（誤判定を抑制しながらも）、微小な異常を高い検知精度で捉えると共に、データ群の個別の性質等を考慮した閾値設定を必要とせず、異常判定を実行できる異常判定装置、及び異常判定方法として、有効に利用可能である。 The abnormality determination device and the abnormality determination method of the present invention capture minute abnormalities with high detection accuracy while increasing the determination accuracy (while suppressing erroneous determination), and also consider the individual properties of the data group. It can be effectively used as an abnormality determination device and an abnormality determination method that can execute abnormality determination without requiring the setting of the threshold value.
１００ ：異常判定装置
Ｃ ：コジェネレーションシステム
Ｅ ：異常度
Ｍ２ ：誤判定調整部
Ｍ３ ：選択部
Ｍ４ ：異常度導出部
Ｍ５ ：異常判定部
Ｍ６ ：感度調整部
Ｘｉｔ ：時系列データ
Ｙｉｔ' ：出力
Ｙｔ ：時系列データ
α１ ：上限統計閾値
α２ ：下限統計閾値
β１ ：上限統計閾値
β２ ：下限統計閾値
δ ：標準偏差
100: Abnormality determination device C: Cogeneration system E: Abnormality degree M2: False determination adjustment unit M3: Selection unit M4: Abnormality degree derivation unit M5: Abnormality determination unit M6: Sensitivity adjustment unit X it : Time series data Y it ': Output Y t : Time series data α1: Upper limit statistical threshold α2: Lower limit statistical threshold β1: Upper limit statistical threshold β2: Lower limit statistical threshold δ: Standard deviation
Claims (6)
複数の前記対象から異常判定の前記対象としての一の異常判定対象を選択すると共に、複数の前記対象から前記異常判定対象以外の複数の非異常判定対象を選択する選択部と、
所定の導出期間において、前記選択部にて選択された前記異常判定対象に対応する前記時系列データを被説明変数とし、前記非異常判定対象に対応する前記時系列データを説明変数とし、回帰分析を実行して回帰式を導出し、前記異常判定対象に対応する前記時系列データから前記回帰式の出力を減算した値と、前記非異常判定対象に対応する前記時系列データの標準偏差から決定される統計閾値とに基づいて、前記異常判定対象の異常度を導出する異常度導出部とを備え、
前記選択部は、一の前記異常判定対象に対し、複数の前記非異常判定対象を選択するものであり、
前記異常判定対象に対応する前記時系列データと前記非異常判定対象に対応する前記時系列データとの相関係数は、０．７以上１以下の高相関であり、
前記異常度導出部は、一の前記異常判定対象と、前記選択部にて選択された複数の前記非異常判定対象の夫々とに関して、前記異常度を導出するものであり、
前記異常判定部は、前記異常度導出部にて導出された前記異常度に基づいて、前記異常判定対象が異常状態にあるか否かを判定するものであり、
前記異常度導出部は、前記導出期間において、前記異常判定対象に対応する前記時系列データから前記回帰式の出力を減算した値が、前記非異常判定対象に対応する前記時系列データの標準偏差から決定される前記統計閾値を超えた場合に、前記導出期間における前記異常度が高いと導出し、
前記導出期間において、前記異常判定対象に対応する前記時系列データから前記回帰式の出力を減算した値が、前記非異常判定対象に対応する前記時系列データの標準偏差から決定される前記統計閾値以下である場合に、前記導出期間における前記異常度が低いと導出し、
前記異常度導出部は、前記異常度の導出において、
前記統計閾値としての上限統計閾値を、前記非異常判定対象に対応する前記時系列データの前記標準偏差の３倍以上５倍以下の値とし、
前記統計閾値としての下限統計閾値を、前記非異常判定対象に対応する前記時系列データの前記標準偏差の−５倍以上−３倍以下の値とし、
前記異常度導出部が導出した複数の前記異常度のうち少なくとも一つを所定の基準値以上と導出した場合、前記異常判定部は、前記異常判定対象が異常状態にあると判定する異常判定装置。 As time-series data of parameters measured in each of a plurality of objects, a plurality of time-series data of the temperature of exhaust gas measured in each exhaust passage corresponding to a plurality of combustion chambers provided in one engine . An abnormality determination device including an abnormality determination unit that determines an abnormality of the target.
A selection unit that selects one abnormality determination target as the target for abnormality determination from the plurality of said targets and selects a plurality of non-abnormality determination targets other than the abnormality determination target from the plurality of said targets.
Regression analysis using the time-series data corresponding to the abnormality determination target selected by the selection unit as the explained variable and the time-series data corresponding to the non-abnormality determination target as the explanatory variable in a predetermined derivation period. Is executed to derive the regression equation, and it is determined from the value obtained by subtracting the output of the regression equation from the time series data corresponding to the abnormality determination target and the standard deviation of the time series data corresponding to the non-abnormality determination target. An abnormality degree deriving unit for deriving the abnormality degree of the abnormality determination target based on the statistical threshold value to be obtained is provided.
The selection unit selects a plurality of the non-abnormality determination targets with respect to the abnormality determination target.
The correlation coefficient between the time-series data corresponding to the abnormality determination target and the time-series data corresponding to the non-abnormality determination target is a high correlation of 0.7 or more and 1 or less.
The abnormality degree derivation unit derives the abnormality degree with respect to one said abnormality determination target and each of a plurality of the non-abnormality determination targets selected by the selection unit.
The abnormality determining unit, on the basis of the degree of abnormality derived by the abnormality degree deriving unit is intended for determining whether or not the abnormality determination target is in an abnormal state,
In the derivation period, the value obtained by subtracting the output of the regression equation from the time series data corresponding to the abnormality determination target is the standard deviation of the time series data corresponding to the non-abnormality determination target. When the statistical threshold determined from is exceeded, it is derived that the degree of abnormality in the derivation period is high.
In the derivation period, the value obtained by subtracting the output of the regression equation from the time series data corresponding to the abnormality determination target is determined from the standard deviation of the time series data corresponding to the non-abnormality determination target. When the following, it is derived that the degree of abnormality in the derivation period is low.
The anomaly degree derivation unit is used in deriving the anomaly degree.
The upper limit statistical threshold value as the statistical threshold value is set to a value of 3 times or more and 5 times or less of the standard deviation of the time series data corresponding to the non-abnormality determination target.
The lower limit statistical threshold value as the statistical threshold value is set to a value of -5 times or more and -3 times or less of the standard deviation of the time series data corresponding to the non-abnormality determination target.
When at least one of the plurality of abnormalities derived by the abnormality degree deriving unit is derived to be equal to or higher than a predetermined reference value, the abnormality determination unit determines that the abnormality determination target is in an abnormal state. ..
前記異常度導出部は、前記定常状態判定部にて前記定常状態にあると判定された前記時系列データに基づいて、前記異常判定対象の前記異常度を導出する請求項１又は２に記載の異常判定装置。 A steady state determination unit for determining whether or not the target is in a steady state from the time series data is provided.
The first or second aspect of the present invention, wherein the abnormality degree derivation unit derives the abnormality degree of the abnormality determination target based on the time series data determined by the steady state determination unit to be in the steady state. Abnormality judgment device.
前記誤判定調整部は、誤判定の可能性を低く調整するのに伴って、前記選択部にて選択される前記非異常判定対象の数を増加させる請求項１〜３の何れか一項に記載の異常判定装置。 It is provided with an erroneous determination adjusting unit for adjusting the possibility of erroneous determination as to whether or not the abnormality determination target is in the abnormal state.
According to any one of claims 1 to 3, the erroneous determination adjusting unit increases the number of non-abnormality determination targets selected by the selection unit as the possibility of erroneous determination is adjusted to be low. The above-mentioned abnormality determination device.
前記感度調整部は、前記感度を高く調整するのに伴って、前記統計閾値の設定に際し、前記非異常判定対象に対応する前記時系列データの前記標準偏差の倍率を低減する請求項１に記載の異常判定装置。 A sensitivity adjusting unit for adjusting the sensitivity of whether or not the abnormality determination target is in the abnormal state is provided.
The first aspect of the present invention, wherein the sensitivity adjusting unit reduces the magnification of the standard deviation of the time series data corresponding to the non-abnormality determination target when setting the statistical threshold value as the sensitivity is adjusted to be high. abnormality determination device.
複数の前記対象から異常判定の前記対象としての一の異常判定対象を選択すると共に、複数の前記対象から前記異常判定対象以外の複数の非異常判定対象を選択する選択工程と、
前記選択工程にて選択された前記異常判定対象に対応する前記時系列データを被説明変数とし、前記非異常判定対象に対応する前記時系列データを説明変数とし、回帰分析を実行して回帰式を導出し、所定の導出期間において、前記異常判定対象に対応する前記時系列データから前記回帰式の出力を減算した値と、前記非異常判定対象に対応する前記時系列データの標準偏差から決定される統計閾値とに基づいて、前記異常判定対象の異常度を導出する異常度導出工程とを備え、
前記選択工程は、一の前記異常判定対象に対し、複数の前記非異常判定対象を選択するものであり、
前記異常判定対象に対応する前記時系列データと前記非異常判定対象に対応する前記時系列データとの相関係数は、０．７以上１以下の高相関であり、
前記異常度導出工程は、一の前記異常判定対象と、前記選択工程にて選択された複数の前記非異常判定対象の夫々とに関して、前記異常度を導出するものであり、
前記異常判定工程は、前記異常度導出工程にて導出された前記異常度に基づいて、前記異常判定対象が異常状態にあるか否かを判定するものであり、
前記異常度導出工程は、前記導出期間において、前記異常判定対象に対応する前記時系列データから前記回帰式の出力を減算した値が、前記非異常判定対象に対応する前記時系列データの標準偏差から決定される前記統計閾値を超えた場合に、前記導出期間における前記異常度が高いと導出し、
前記導出期間において、前記異常判定対象に対応する前記時系列データから前記回帰式の出力を減算した値が、前記非異常判定対象に対応する前記時系列データの標準偏差から決定される前記統計閾値以下である場合に、前記導出期間における前記異常度が低いと導出し、
前記異常度導出工程は、前記異常度の導出において、
前記統計閾値としての上限統計閾値を、前記非異常判定対象に対応する前記時系列データの前記標準偏差の３倍以上５倍以下の値とし、
前記統計閾値としての下限統計閾値を、前記非異常判定対象に対応する前記時系列データの前記標準偏差の−５倍以上−３倍以下の値とし、
前記異常度導出工程が導出した複数の前記異常度のうち少なくとも一つを所定の基準値以上と導出した場合、前記異常判定工程は、前記異常判定対象が異常状態にあると判定する異常判定方法。 As time-series data of parameters measured in each of a plurality of objects, a plurality of time-series data of the temperature of exhaust gas measured in each exhaust passage corresponding to a plurality of combustion chambers provided in one engine . An abnormality determination method including an abnormality determination step for determining an abnormality of the target.
A selection step of selecting one abnormality determination target as the target for abnormality determination from a plurality of the targets and selecting a plurality of non-abnormality determination targets other than the abnormality determination target from the plurality of the targets.
The time-series data corresponding to the abnormality determination target selected in the selection step is used as the explained variable, the time-series data corresponding to the non-abnormality determination target is used as the explanatory variable, and regression analysis is executed to perform a regression equation. Is derived, and in a predetermined derivation period, it is determined from the value obtained by subtracting the output of the regression equation from the time series data corresponding to the abnormality determination target and the standard deviation of the time series data corresponding to the non-abnormality determination target. It is provided with an abnormality degree derivation step for deriving the abnormality degree of the abnormality determination target based on the statistical threshold value to be obtained.
In the selection step, a plurality of the non-abnormality determination targets are selected for one abnormality determination target.
The correlation coefficient between the time-series data corresponding to the abnormality determination target and the time-series data corresponding to the non-abnormality determination target is a high correlation of 0.7 or more and 1 or less.
The abnormality degree derivation step derives the abnormality degree with respect to one said abnormality determination target and each of the plurality of non-abnormality determination targets selected in the selection step.
The abnormality determining step, based on the degree of abnormality derived by the abnormality degree deriving step is intended for determining whether or not the abnormality determination target is in an abnormal state,
In the abnormality degree derivation step, in the derivation period, the value obtained by subtracting the output of the regression equation from the time series data corresponding to the abnormality determination target is the standard deviation of the time series data corresponding to the non-abnormality determination target. When the statistical threshold determined from is exceeded, it is derived that the degree of abnormality in the derivation period is high.
In the derivation period, the value obtained by subtracting the output of the regression equation from the time series data corresponding to the abnormality determination target is determined from the standard deviation of the time series data corresponding to the non-abnormality determination target. When the following, it is derived that the degree of abnormality in the derivation period is low.
The abnormality degree derivation step is performed in the derivation of the abnormality degree.
The upper limit statistical threshold value as the statistical threshold value is set to a value of 3 times or more and 5 times or less of the standard deviation of the time series data corresponding to the non-abnormality determination target.
The lower limit statistical threshold value as the statistical threshold value is set to a value of -5 times or more and -3 times or less of the standard deviation of the time series data corresponding to the non-abnormality determination target.
When at least one of the plurality of abnormalities derived by the abnormality degree deriving step is derived to be equal to or higher than a predetermined reference value, the abnormality determination step determines that the abnormality determination target is in an abnormal state. ..
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2017056676A JP6869065B2 (en) | 2017-03-22 | 2017-03-22 | Abnormality judgment device and abnormality judgment method |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2017056676A JP6869065B2 (en) | 2017-03-22 | 2017-03-22 | Abnormality judgment device and abnormality judgment method |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2018159319A JP2018159319A (en) | 2018-10-11 |
| JP6869065B2 true JP6869065B2 (en) | 2021-05-12 |
Family
ID=63796504
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2017056676A Active JP6869065B2 (en) | 2017-03-22 | 2017-03-22 | Abnormality judgment device and abnormality judgment method |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP6869065B2 (en) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110418173B (en) * | 2019-07-18 | 2021-10-08 | 北京达佳互联信息技术有限公司 | Method, device, server and storage medium for determining abnormal account |
| CN111121946B (en) * | 2019-12-18 | 2021-09-28 | 东南大学 | Method for accurately determining abnormal value at multiple points in large dynamic range and large discrete single area |
| CN112926659A (en) * | 2021-02-26 | 2021-06-08 | 平安普惠企业管理有限公司 | Example abnormity determination method and device, computer equipment and storage medium |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2009203882A (en) * | 2008-02-27 | 2009-09-10 | Mitsubishi Heavy Ind Ltd | Combustion analysis method, combustion analysis device, and combustion analysis system for power generation engine |
| JP2010218301A (en) * | 2009-03-17 | 2010-09-30 | Taiyo Nippon Sanso Corp | Failure diagnosis apparatus, failure diagnosis method, and failure diagnosis program |
| JP6330864B2 (en) * | 2015-08-05 | 2018-05-30 | Ｊｆｅスチール株式会社 | MOTOR MONITORING DEVICE AND METHOD |
-
2017
- 2017-03-22 JP JP2017056676A patent/JP6869065B2/en active Active
Also Published As
| Publication number | Publication date |
|---|---|
| JP2018159319A (en) | 2018-10-11 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP4528341B2 (en) | Internal combustion engine cylinder misfire detection method and control apparatus in partial engine operation | |
| JP6869065B2 (en) | Abnormality judgment device and abnormality judgment method | |
| US6456928B1 (en) | Prognostics monitor for systems that are subject to failure | |
| JP4550358B2 (en) | Method and apparatus for error identification or diagnosis | |
| US6883497B2 (en) | Method of preventing preignition for an internal combustion engine | |
| US20130060447A1 (en) | Vehicle diagnosis device and method | |
| KR102245696B1 (en) | System and method for detecting reciprocating device abnormalities utilizing standard quality control techniques | |
| US6675639B1 (en) | Apparatus and method to detect cylinder faults of internal combustion engines via exhaust temperature monitoring | |
| JP6960751B2 (en) | Abnormality judgment device and abnormality judgment method | |
| JPH07119666B2 (en) | Method for monitoring the operation of an internal combustion engine during operation | |
| US7162916B2 (en) | Method and system for determining engine cylinder power level deviation from normal | |
| KR20180068487A (en) | Method of misfire detection for catalyst damage | |
| JP2008241708A (en) | Vehicle diagnosis device and method | |
| US6055852A (en) | Method and apparatus for estimation of relative cylinder compression balance by cranking speed analysis | |
| KR101646395B1 (en) | Engine Combustion Noise Feedback Control Method based Estimation of Engine Vibration Signal | |
| WO2022033718A1 (en) | Misfire classification method and control unit for an internal combustion engine | |
| JP6789160B2 (en) | Auxiliary arithmetic unit and arithmetic unit equipped with it | |
| JP2002257623A (en) | Apparatus for inspecting source generating abnormal sound | |
| US12060842B2 (en) | Misfire classification method and control unit for an internal combustion engine | |
| US20230340921A1 (en) | Method and control unit for identifying misfire subjected cylinders of an internal combustion engine | |
| US20210072733A1 (en) | Method of Predicting Failure Events for Reciprocating Compressors | |
| GB2550169A (en) | Method for operating engine | |
| CN115653807A (en) | Method and device for monitoring fuel injection quantity deviation in real time | |
| EP3867510A1 (en) | Glow ignition detection in an internal combustion engine | |
| Gardiner | Misfire Detection for Spark Ignition Engines Based Upon Cycle-by-Cycle Exhaust Temperature Sensing |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20191213 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20201201 |
|
| A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210129 |
|
| 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: 20210316 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20210413 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 6869065 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |