JP7106020B2 - 異常判定装置、異常判定方法及び異常判定プログラム - Google Patents
異常判定装置、異常判定方法及び異常判定プログラム Download PDFInfo
- Publication number
- JP7106020B2 JP7106020B2 JP2021566593A JP2021566593A JP7106020B2 JP 7106020 B2 JP7106020 B2 JP 7106020B2 JP 2021566593 A JP2021566593 A JP 2021566593A JP 2021566593 A JP2021566593 A JP 2021566593A JP 7106020 B2 JP7106020 B2 JP 7106020B2
- Authority
- JP
- Japan
- Prior art keywords
- variation
- unit
- amount
- abnormality determination
- determination
- 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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Testing And Monitoring For Control Systems (AREA)
Description
そのため、この時系列データには、値の変動が小さい変動パターンと、値の変動が大きい変動パターンとの2つの変動パターンが混在する。値の変動が大きい変動パターンは、物質が放出又は供給された際にだけ起こるため、値の変動が小さい変動パターンに比べ発生頻度が低い。
k近傍法を用いた検知方法では、例えば、判定対象データを中心としてk個の正常なデータが含まれる円を描いた場合の半径が、判定対象データの判定値として用いられ、判定値の大きさによって異常であるか否かが判定される。
つまり、プラント設備としては正常な制御であるにも関わらず、異常として誤検出される恐れがある。その結果、異常検出の結果を監視する監視員の負荷が増えてしまう。
本開示は、発生頻度の異なる複数の値の変動パターンが含まれる場合であっても、適切に異常であるか否かを判定可能にすることを目的とする。
時系列データについて単位時間毎の値の変動量を計算することにより、複数の変動量を計算する変動量計算部と、
前記変動量計算部によって計算された複数の変動量を複数のグループに分類する分類部と、
判定対象データの値の変動量である判定量を、前記分類部によって分類された各グループに属する変動量と比較して、前記判定対象データが異常を示すか否かを判定する異常判定部と
を備える。
***構成の説明***
図1を参照して、実施の形態1に係る異常判定装置10の構成を説明する。
異常判定装置10は、コンピュータである。
異常判定装置10は、プロセッサ11と、メモリ12と、ストレージ13と、通信インタフェース14とのハードウェアを備える。プロセッサ11は、信号線を介して他のハードウェアと接続され、これら他のハードウェアを制御する。
ストレージ13には、異常判定装置10の各機能構成要素の機能を実現するプログラムが格納されている。このプログラムは、プロセッサ11によりメモリ12に読み込まれ、プロセッサ11によって実行される。これにより、異常判定装置10の各機能構成要素の機能が実現される。
図2から図9を参照して、実施の形態1に係る異常判定装置10の動作を説明する。
実施の形態1に係る異常判定装置10の動作手順は、実施の形態1に係る異常判定方法に相当する。また、実施の形態1に係る異常判定装置10の動作を実現するプログラムは、実施の形態1に係る異常判定プログラムに相当する。
(ステップS11:データ取得処理)
データ取得部21は、時系列データを取得する。
具体的には、データ取得部21は、プラント設備等の対象設備に設けられたセンサによって、対象設備が正常な時に周期的に取得されたセンサデータを時系列データとして取得する。実施の形態1では、図3に示すように、時系列データには、発生頻度の異なる複数の値の変動パターンが含まれる。図3では、時系列データには、発生頻度が高い、値の変動が小さい変動パターンと、発生頻度が低い、値の変動が大きい変動パターンとの2つのパターンが含まれる。図3では、破線で囲まれた部分が値の変動が大きい変動パターンであり、破線で囲まれていない部分が値の変動が小さい変動パターンである。
変動量計算部22は、ステップS11で取得された時系列データについて単位時間毎の値の変動量を計算することにより、複数の変動量を計算する。変動量は、単位時間において取得されたセンサデータのセンサ値の最大値から最小値を減算して得られた値の絶対値である。単位時間は、異常判定装置10の使用者によって事前に設定される時間であり、時系列データに応じて異なる時間であってもよい。
そして、変動量計算部22は、対象期間の終了時刻を次の対象期間の開始時刻とし、開始時刻の単位時間だけ後の時刻を次の対象期間の終了時刻として、次の対象期間の変動量を計算する。変動量計算部22は、この処理を時系列データ記憶部31に記憶された時系列データのうち最も遅い取得時刻が対象期間に含まれるまで繰り返す。
分類部23は、複数の変動量それぞれが複数の確率分布のうちのどの確率分布に含まれる変動量であるかに応じて、ステップS12で計算された複数の変動量を複数のグループに分類する。
実施の形態1では、時系列データには、値の変動が小さい変動パターンと、値の変動が大きい変動パターンとの2つの変動パターンが含まれている。そこで、分類部23は、値の変動が小さい、つまり変動量が小さいグループF1と、値の変動が大きい、つまり変動量が大きいグループF2とに複数の変動量を分類する。
(ステップS131:確率分布割当処理)
確率分布割当部231は、変動情報記憶部32に記憶された複数の変動量を読み出す。そして、確率分布割当部231は、複数の変動量がいずれかの確率分布に含まれるように、複数の確率分布を割り当てる。
実施の形態1では、複数の変動量が2つのグループに分類される。そこで、確率分布割当部231は、時系列データが要素数2の混合正規分布に従うと仮定して、時系列データに対して混合正規分布を適用する。混合正規分布の適用方法はどのような方法であっても構わない。例えば、既存技術であるEM(Expectation Maximization)アルゴリズムを利用して混合正規分布を適用することが可能である。
なお、変動量が0のデータについては、混合正規分布を適用する前に除外してもよい。
閾値計算部232は、ステップS131で割り当てられた複数の確率分布のうち2つの確率分布に含まれる変動量がある場合には、2つの確率分布が重なる重複部分41の面積を等分する変動量を分類閾値Tとして計算する。
実施の形態1では、図7に示すように、要素数2の混合正規分布が複数の確率分布として割り当てられる。つまり、変動量が小さいグループF1の分布G1と、変動量が大きいグループF2の分布G2とが割り当てられる。このとき、分布G1と分布G2とが重なる重複部分41が存在する可能性がある。重複部分41が存在するということは、2つの確率分布に含まれる変動量があるということである。この場合には、閾値計算部232は、重複部分41の面積を等分する変動量を分類閾値Tとして計算する。
この場合には、図8に示すように、閾値計算部232は、分布G1で最も確率密度が高い変動量V1と、分布G2で最も確率密度が高い変動量V2とを2つの基準値として、2つの基準値の中央値C1を特定する。閾値計算部232は、中央値C1を分類閾値Tとした場合に、重複部分41の面積が等分されているか否かを判定する。閾値計算部232は、等分されている場合には、中央値C1を分類閾値Tに設定する。
閾値計算部232は、等分されていない場合には、分布G1側(図8の左側)と、分布G2側(図8の右側)とのどちらの方が面積が大きいかを判定する。閾値計算部232は、面積が大きい方の基準値(図8では、変動量V2)と、中央値C1とを新たに2つの基準値として、2つの基準値の中央値C2を特定する。そして、中央値C2を分類閾値Tとした場合に、重複部分41の面積が等分されているか否かを判定する。等分されている場合には、中央値C2を分類閾値Tに設定する。
閾値計算部232は、等分されていない場合には、分布G1側(図8の左側)と、分布G2側(図8の右側)とのどちらの方が面積が大きいかを判定する。閾値計算部232は、面積が大きい方の基準値(図8では、中央値C1)と、中央値C2とを新たに2つの基準値として、2つの基準値の中央値C3を特定する。そして、中央値C3を分類閾値Tとした場合に、重複部分41の面積が等分されているか否かを判定する。
この処理を、閾値計算部232は、重複部分41の面積が等分される分類閾値Tが特定されるまで繰り返す。
変動量分類部233は、複数の変動量それぞれが含まれる確率分布に対応するグループに複数の変動量を分類する。また、変動量分類部233は、2つの確率分布に含まれる変動量についてはステップS132で計算された分類閾値Tに基づき2つの確率分布のうちどちらかの確率分布に対応するグループに分類する。
実施の形態1では、変動量分類部233は、図7の分類閾値Tよりも左側の変動量については、変動量が小さいグループF1に分類し、図7の分類閾値Tよりも右側の変動量については、変動量が大きいグループF2に分類する。
異常判定部24は、判定対象データの値の変動量である判定量を、ステップS13で分類された各グループに属する変動量と比較して、判定対象データが異常を示すか否かを判定する。
具体的には、異常判定部24は、ステップS11で取得された時系列データと同じセンサによって取得されたある期間のセンサデータを判定対象データとして取得する。異常判定部24は、判定対象データの変動量を判定量として計算する。そして、異常判定部24は、各グループを対象のグループとして、例えばk近傍法により対象のグループに分類された変動量と判定量とを比較して、判定対象データの判定値を計算する。そして、異常判定部24は、全てのグループを対象のグループとした場合に計算された判定値が異常閾値よりも高い場合には、判定対象データが異常を示すと判定する。一方、異常判定部24は、少なくともいずれかのグループを対象のグループとした場合に計算された判定値が異常閾値以下の場合には、判定対象データが正常を示すと判定する。
以上のように、実施の形態1に係る異常判定装置10は、時系列データから得られた複数の変動量を複数のグループに分類して、判定量を各グループに属する変動量と比較して異常を示すか否かを判定する。つまり、実施の形態1に係る異常判定装置10は、グループ毎に正常な変動量を学習しておき、各グループについての学習結果に基づき異常であるか否かを判定する。
これにより、発生頻度の異なる複数の値の変動パターンが含まれる場合であっても、適切に異常であるか否かを判定可能である。
<変形例1>
実施の形態1では、図2のステップS11からステップS13の処理と、ステップS14の処理とが一連の処理として実行された。しかし、ステップS11からステップS13の処理は、正常時のセンサデータに基づく学習処理であり、ステップS14の処理は、学習処理の結果を利用した異常検知処理である。そのため、ステップS11からステップS13の処理と、ステップS14の処理とは、一連の処理ではなく、別々の処理としてもよい。
例えば、異常判定装置10は、定期的にステップS11からステップS13の処理を実行し、直近の分類結果に基づきステップS14の処理を継続的に実行するようにしてもよい。
実施の形態1では、各機能構成要素がソフトウェアで実現された。しかし、変形例2として、各機能構成要素はハードウェアで実現されてもよい。この変形例2について、実施の形態1と異なる点を説明する。
各機能構成要素がハードウェアで実現される場合には、異常判定装置10は、プロセッサ11とメモリ12とストレージ13とに代えて、電子回路15を備える。電子回路15は、各機能構成要素と、メモリ12と、ストレージ13との機能とを実現する専用の回路である。
各機能構成要素を1つの電子回路15で実現してもよいし、各機能構成要素を複数の電子回路15に分散させて実現してもよい。
変形例3として、一部の各機能構成要素がハードウェアで実現され、他の各機能構成要素がソフトウェアで実現されてもよい。
実施の形態2は、時系列データが分類に適しているか否かを判定する点が実施の形態1と異なる。実施の形態2では、この異なる点を説明し、同一の点については説明を省略する。
図11を参照して、実施の形態2に係る異常判定装置10の構成を説明する。
異常判定装置10は、機能構成要素として、対象判定部25を備える点が図1に示す異常判定装置10と異なる。対象判定部25は、他の機能構成要素と同様に、ソフトウェア又はハードウェアによって実現される。
図12及び図13を参照して、実施の形態2に係る異常判定装置10の動作を説明する。
実施の形態2に係る異常判定装置10の動作手順は、実施の形態2に係る異常判定方法に相当する。また、実施の形態2に係る異常判定装置10の動作を実現するプログラムは、実施の形態2に係る異常判定プログラムに相当する。
ステップS21からステップS23の処理は、図2のステップS11からステップS13の処理と同じである。また、ステップS25の処理は、図2のステップS14の処理と同じである。
対象判定部25は、2つの確率分布のどちらの確率分布においても分類閾値Tが出現する出現確率が基準値よりも低いか否かを判定する。これにより、時系列データが分類に適しているか否かが判定される。つまり、時系列データの取得元のセンサが分類に適しているか否かが判定される。分類に適していないとは、時系列データが複数の変動パターンを含むデータではない可能性が高いという意味である。
具体例としては、図7に示すように、要素数2の混合正規分布が複数の確率分布として割り当てられたとする。この場合には、対象判定部25は、各正規分布を対象として、分類閾値Tが、対象の正規分布の平均値±3σの範囲外であるか否かを判定する。対象判定部25は、分類閾値Tが、対象の正規分布の平均値±3σの範囲外であれば、分類閾値Tが出現する出現確率が基準値よりも低いと判定する。
以上のように、実施の形態2に係る異常判定装置10は、時系列データが分類に適しているか否かを判定する。
これにより、時系列データが複数の変動パターンを含むデータではない可能性が高い場合に、不要な分類を行い、かえって適切に異常であるか否かを判定できない状態にすることを防止可能である。
Claims (5)
- 時系列データについて単位時間毎の値の変動量を計算することにより、複数の変動量を計算する変動量計算部と、
前記変動量計算部によって計算された前記複数の変動量それぞれが複数の確率分布のうちのどの確率分布に含まれる変動量であるかに応じて、前記複数の変動量を複数のグループに分類する分類部と、
判定対象データの値の変動量である判定量を、前記分類部によって分類された各グループに属する変動量と比較して、前記判定対象データが異常を示すか否かを判定する異常判定部と
を備える異常判定装置。 - 前記分類部は、
前記複数の変動量がいずれかの確率分布に含まれるように、前記複数の確率分布を割り当てる確率分布割当部と、
前記確率分布割当部によって割り当てられた前記複数の確率分布のうち2つの確率分布に含まれる変動量がある場合には、前記2つの確率分布が重なる重複部分の面積を等分する変動量を分類閾値として計算する閾値計算部と、
前記複数の変動量それぞれが含まれる確率分布に対応するグループに前記複数の変動量を分類するとともに、前記2つの確率分布に含まれる変動量については前記閾値計算部によって計算された前記分類閾値に基づき前記2つの確率分布のうちどちらかの確率分布に対応するグループに分類する変動量分類部と
を備える請求項1に記載の異常判定装置。 - 前記2つの確率分布は、要素数2の混合正規分布であり、
前記異常判定装置は、さらに、
前記混合正規分布のどちらの正規分布を対象の正規分布とした場合においても前記分類閾値が出現する位置が前記対象の正規分布の平均値を基準とした基準範囲の外であるか否かを判定する対象判定部
を備え、
前記異常判定部は、前記対象判定部によってどちらの正規分布においても前記分類閾値が出現する位置が前記基準範囲の外であると判定された場合に、前記判定対象データが異常を示すか否かを判定する
請求項2に記載の異常判定装置。 - 変動量計算部が、時系列データについて単位時間毎の値の変動量を計算することにより、複数の変動量を計算し、
分類部が、前記複数の変動量それぞれが複数の確率分布のうちのどの確率分布に含まれる変動量であるかに応じて、前記複数の変動量を複数のグループに分類し、
異常判定部が、判定対象データの値の変動量である判定量を、各グループに属する変動量と比較して、前記判定対象データが異常を示すか否かを判定する異常判定方法。 - 時系列データについて単位時間毎の値の変動量を計算することにより、複数の変動量を計算する変動量計算処理と、
前記変動量計算処理によって計算された前記複数の変動量それぞれが複数の確率分布のうちのどの確率分布に含まれる変動量であるかに応じて、前記複数の変動量を複数のグループに分類する分類処理と、
判定対象データの値の変動量である判定量を、前記分類処理によって分類された各グループに属する変動量と比較して、前記判定対象データが異常を示すか否かを判定する異常判定処理と
を行う異常判定装置としてコンピュータを機能させる異常判定プログラム。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP2020/009876 WO2021176732A1 (ja) | 2020-03-06 | 2020-03-06 | 異常判定装置、異常判定方法及び異常判定プログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JPWO2021176732A1 JPWO2021176732A1 (ja) | 2021-09-10 |
JP7106020B2 true JP7106020B2 (ja) | 2022-07-25 |
Family
ID=77614015
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021566593A Active JP7106020B2 (ja) | 2020-03-06 | 2020-03-06 | 異常判定装置、異常判定方法及び異常判定プログラム |
Country Status (2)
Country | Link |
---|---|
JP (1) | JP7106020B2 (ja) |
WO (1) | WO2021176732A1 (ja) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006275303A (ja) | 2005-03-28 | 2006-10-12 | Daikin Ind Ltd | 異常検知システム |
JP2009298260A (ja) | 2008-06-12 | 2009-12-24 | Furukawa Electric Co Ltd:The | 異常電流検出装置および異常電流検出方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
-
2020
- 2020-03-06 WO PCT/JP2020/009876 patent/WO2021176732A1/ja active Application Filing
- 2020-03-06 JP JP2021566593A patent/JP7106020B2/ja active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006275303A (ja) | 2005-03-28 | 2006-10-12 | Daikin Ind Ltd | 異常検知システム |
JP2009298260A (ja) | 2008-06-12 | 2009-12-24 | Furukawa Electric Co Ltd:The | 異常電流検出装置および異常電流検出方法 |
Also Published As
Publication number | Publication date |
---|---|
WO2021176732A1 (ja) | 2021-09-10 |
JPWO2021176732A1 (ja) | 2021-09-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11645320B2 (en) | Workload identification | |
US8296274B2 (en) | Considering multiple lookups in bloom filter decision making | |
US10930365B2 (en) | Artificial intelligence based monitoring of solid state drives and dual in-line memory modules | |
Heredia et al. | Density-based clustering methods for unsupervised separation of partial discharge sources | |
CN109358816B (zh) | 一种分布式存储***的流控方法及装置 | |
JP6456580B1 (ja) | 異常検知装置、異常検知方法及び異常検知プログラム | |
KR20180054726A (ko) | 컴퓨팅 디바이스들에서 프로세스들에 대한 소프트웨어 공격들의 검출 | |
US11507484B2 (en) | Ethod and computer storage node of shared storage system for abnormal behavior detection/analysis | |
KR20200116530A (ko) | 전압 레벨 및 드룹 이벤트의 온보드 모니터링 | |
JP7106020B2 (ja) | 異常判定装置、異常判定方法及び異常判定プログラム | |
US11176452B2 (en) | Method and system for piracy detection | |
US20120054548A1 (en) | Data processing device and method for controlling test process of electronic device using the same | |
US20210033734A1 (en) | Fog determination apparatus, fog determination method, and computer readable medium | |
JP6993472B2 (ja) | 深層学習チップを検出する方法、装置、電子機器、およびコンピュータ記憶媒体 | |
KR102282343B1 (ko) | 평행 초평면을 이용한 데이터 포인트 분류 방법 및 장치 | |
US20170124179A1 (en) | Data categorizing system, method, program software and recording medium therein | |
CN115329827A (zh) | 关于经制造过程制造的产品进行预测的***和其训练方法 | |
TW202127226A (zh) | 記錄裝置、記錄方法、記錄程式及磁帶 | |
TWI775114B (zh) | 設定變更裝置、設定變更方法及設定變更程式產品 | |
JP7392845B2 (ja) | 非定常変動検知装置、非定常変動検知方法及びプログラム | |
CN115563622B (zh) | 一种运行环境的检测方法、装置和*** | |
WO2023127111A1 (ja) | 生成方法、生成プログラム、及び、情報処理装置 | |
WO2024042636A1 (ja) | 処理装置、処理方法およびプログラム | |
WO2023089674A1 (ja) | 生成装置、生成方法および生成プログラム | |
WO2022269843A1 (ja) | 検知期間設定装置、検知期間設定方法、及びプログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20211109 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20211109 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20211109 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220208 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220314 |
|
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: 20220614 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20220712 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7106020 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |