JP7343078B1

JP7343078B1 - 正常ベクトル登録装置、設備異常監視システム、及び設備異常監視方法

Info

Publication number: JP7343078B1
Application number: JP2023514775A
Authority: JP
Inventors: 丈英平田; 昌史松下
Original assignee: JFE Steel Corp
Current assignee: JFE Steel Corp
Priority date: 2021-12-22
Filing date: 2022-12-19
Publication date: 2023-09-12
Anticipated expiration: 2042-12-19
Also published as: KR20240110616A; WO2023120473A1; WO2023119486A1; JPWO2023120473A1; CN118355344A

Abstract

本発明に係る正常ベクトル登録装置は、設備の正常動作時に設備の動作状態を示すＭ（≧２）種類以上の時系列信号から所定期間における時系列信号を切り出す時系列信号切出処理部と、時系列信号切出処理部によって切り出された時系列信号から同一時刻におけるＭ種の変数からなるＭ次元ベクトルを生成し、時刻毎のＭ次元ベクトルを正常ベクトルとしてデータベースに登録する正常ベクトル登録処理部と、正常ベクトルのベクトル空間を分割し、各分割空間内に含まれる正常ベクトルから所定数の正常ベクトルを選択することにより正常ベクトルの分布密度を平準化すると共に、選択された正常ベクトルの総数が予め指定された数になるように正常ベクトルのベクトル空間の分割数を最適化する正常ベクトル分布密度平準化部と、を備える。

Description

本発明は、正常ベクトル登録装置、設備異常監視システム、及び設備異常監視方法に関するものである。

特許文献１には、正常動作時に設備から得られた複数の信号の時系列データから、同一のタイミングのデータを１組の正常データとして、多数の正常データを抽出する正常データ抽出手段と、操業時において設備から得られた複数の信号の時系列データから、同一のタイミングのデータを１組の監視対象データとして抽出する監視対象データ抽出手段と、正常データと監視対象データとを、複数の信号のそれぞれを変数とする同一の変数空間内の点として表して、監視対象データの正常データの分布からの逸脱度をもとに設備の異常を判定する判定手段と、を備える異常監視システムが記載されている。

特許第６００３７１８号公報

特許文献１に記載の異常監視システムによれば、非線形な特性を有する設備の異常を汎用的、且つ、高精度に検知することができる。しかしながら、特許文献１に記載の異常監視システムには、正常データの数が多すぎると演算速度が低下し、所定時間内に異常を判定することができないといった問題や、データ容量が大きすぎてコストアップに繋がるといった問題があった。このため、正常データの数を削減することが必要であるが、正常データの分布密度に偏りがある状態で正常データの数を削減した場合、異常検知の精度が低下するという問題が発生する。このような背景から、正常データの分布密度に偏りを生じさせないように正常データの数を圧縮する技術の提供が期待されていた。

本発明は、上記課題に鑑みてなされたものであって、その目的は、異常検知の精度を維持しつつ演算速度の高速化及びデータ容量圧縮によるコスト低減を実現可能な正常ベクトル登録装置、設備異常監視システム、及び設備異常監視方法を提供することにある。

本発明の第一の態様に係る正常ベクトル登録装置は、設備の正常動作時に当該設備の動作状態を示すＭ（≧２）種類以上の時系列信号から所定期間における時系列信号を切り出す時系列信号切出処理部と、前記時系列信号切出処理部によって切り出された時系列信号から同一時刻におけるＭ種の変数からなるＭ次元ベクトルを生成し、時刻毎のＭ次元ベクトルを正常ベクトルとしてデータベースに登録する正常ベクトル登録処理部と、前記正常ベクトルのベクトル空間を分割し、各分割空間内に含まれる正常ベクトルから所定数の正常ベクトルを選択することにより正常ベクトルの分布密度を平準化すると共に、選択された正常ベクトルの総数が予め指定された数になるように前記正常ベクトルのベクトル空間の分割数を最適化する正常ベクトル分布密度平準化部と、を備えることを特徴とする。

本発明の第一の態様に係る正常ベクトル登録装置は、上記発明において、前記正常ベクトル分布密度平準化部は、前記ベクトル空間を複数のセルに等分割し、正常ベクトルが含まれる各セルから所定数の正常ベクトルを選択することにより正常ベクトルの分布密度を平準化すると共に、選択された正常ベクトルの総数が予め指定された数になるように前記セルの大きさを最適化することを特徴とする。

本発明の第一の態様に係る正常ベクトル登録装置は、上記発明において、前記正常ベクトル分布密度平準化部は、中心位置が互いに重ならない、任意の正常ベクトルを中心位置とする球を前記ベクトル空間内に複数設定し、各球から所定数の正常ベクトルを選択することにより正常ベクトルの分布密度を平準化すると共に、選択された正常ベクトルの総数が予め指定された数になるように前記球の大きさを最適化することを特徴とする。

本発明の第一の態様に係る正常ベクトル登録装置は、上記発明において、前記データベースに登録された各正常ベクトルについて、他の正常ベクトルとの距離を演算し、演算された距離に応じて前記データベースから削除する処理を実行する正常ベクトル選定部を備えることを特徴とする。

本発明の第一の態様に係る正常ベクトル登録装置は、上記発明において、前記正常ベクトル選定部は、前記データベースに登録された各正常ベクトルについて、他の正常ベクトルとの距離を演算し、演算された距離が短い順に所定数の他の正常ベクトルを近傍ベクトルとして抽出し、抽出された近傍ベクトルの重心ベクトルとの距離に応じて前記データベースから削除する処理を実行することを特徴とする。

本発明の第二の態様に係る正常ベクトル登録装置は、設備の正常動作時に当該設備の動作状態を示すＭ（≧２）種類以上の時系列信号から所定期間における時系列信号を切り出す時系列信号切出処理部と、前記時系列信号切出処理部によって切り出された時系列信号から同一時刻におけるＭ種の変数からなるＭ次元ベクトルを生成し、時刻毎のＭ次元ベクトルを正常ベクトルとしてデータベースに登録する正常ベクトル登録処理部と、前記データベースに登録された各正常ベクトルについて、他の正常ベクトルとの距離を演算し、演算された距離に応じて前記データベースから削除する処理を実行する正常ベクトル選定部と、前記データベースに登録されている正常ベクトルによって構成されるＭ次元空間のベクトル分布密度に応じて前記データベースから正常ベクトルを削除する正常ベクトル分布密度平準化部と、を備えることを特徴とする。

本発明の第二の態様に係る正常ベクトル登録装置は、上記発明において、前記正常ベクトル選定部は、前記データベースに登録された各正常ベクトルについて、他の正常ベクトルとの距離を演算し、演算された距離が短い順に所定数の他の正常ベクトルを近傍ベクトルとして抽出し、抽出された近傍ベクトルの重心ベクトルとの距離に応じて前記データベースから削除する処理を実行することを特徴とする。

本発明の第二の態様に係る正常ベクトル登録装置は、上記発明において、前記正常ベクトル分布密度平準化部は、前記変数毎に値域を設定し、当該値域を分割することにより複数の部分空間を構成し、各部分空間内における正常ベクトルの個数が所定数以下となるように前記データベースから正常ベクトルを削除することを特徴とする。

本発明の第二の態様に係る正常ベクトル登録装置は、上記発明において、前記正常ベクトル分布密度平準化部は、前記変数毎に値域を設定し、前記値域を所定の数値で等分割することにより複数の部分空間を構成し、各部分空間内における正常ベクトルの個数が設定した個数となるよう各部分空間内における正常ベクトルを選定することを特徴とする。

本発明の第二の態様に係る正常ベクトル登録装置は、上記発明において、前記正常ベクトル分布密度平準化部は、前記データベースに登録されている各正常ベクトルを中心とした所定半径の球領域内に含まれる正常ベクトルの個数が所定数以下となるように前記データベースから正常ベクトルを削除することを特徴とする。

本発明に係る設備異常監視システムは、設備の異常監視期間に当該設備の動作状態を示すＭ（≧２）種類以上の時系列信号から所定期間における時系列信号を切り出し、切り出された時系列信号から同一時刻におけるＭ種の変数からなるＭ次元ベクトルを異常判定対象ベクトルとして生成し、生成した異常判定対象ベクトルと、本発明の第一又は第二の態様に係る正常ベクトル登録装置によってデータベースに登録されている正常ベクトルと、の距離に基づいて設備の異常判定を行う異常判定手段を備えることを特徴とする。

本発明に係る設備異常監視システムは、上記発明において、前記異常判定手段は、前記設備が異常であると判定した回数に基づき設備補修の要否を判定することを特徴とする。

本発明に係る設備異常監視方法は、設備の異常監視期間に当該設備の動作状態を示すＭ（≧２）種類以上の時系列信号から所定期間における時系列信号を切り出し、切り出された時系列信号から同一時刻におけるＭ種の変数からなるＭ次元ベクトルを異常判定対象ベクトルとして生成し、生成した異常判定対象ベクトルと、本発明の第一又は第二の態様に係る正常ベクトル登録装置によってデータベースに登録されている正常ベクトルと、の距離に基づいて設備の異常判定を行う異常判定ステップを含むことを特徴とする。

本発明に係る正常ベクトル登録装置、設備異常監視システム、及び設備異常監視方法によれば、正常データの元のデータ分布から偏ることなく正常データの分布密度を平準化できるので、異常検知の精度を低下させることなく演算速度を上げることが可能となり、異常検知の精度を維持しつつ演算速度の高速化及びデータ容量圧縮によるコスト低減を実現することができる。

図１は、本発明の一実施形態である設備異常監視システムの構成を示すブロック図である。図２は、本発明の一実施形態であるベクトル選定処理を説明するための図である。図３は、ベクトル選定処理を実行した後の正常ベクトルの分布を示す図である。図４は、本発明の一実施形態である分布密度平準化処理を説明するための図である。図５は、本発明の一実施形態である分布密度平準化処理を実行した後の正常ベクトルの分布を示す図である。図６は、本発明の一実施形態である分布密度平準化処理の変形例を説明するための図である。図７は、本発明の他の実施形態である分布密度平準化処理の流れを示すフローチャートである。図８は、図７に示す分布密度平準化処理を説明するための図である。図９は、本発明の他の実施形態である分布密度平準化処理の変形例の流れを示すフローチャートである。図１０は、図９に示す分布密度平準化処理を説明するための図である。

以下、図面を参照して、本発明の一実施形態である設備異常監視システムの構成について説明する。

〔構成〕
図１は、本発明の一実施形態である設備異常監視システムの構成を示すブロック図である。図１に示すように、本発明の一実施形態である設備異常監視システム１は、所定の動作を行う対象設備の異常を監視するシステムであり、オフライン正常ベクトルＤＢ（データベース）作成システム２、オンライン診断システム３、操業ＤＢ４、及び正常ベクトルＤＢ５を備えている。なお、操業ＤＢ４及び正常ベクトルＤＢ５は、オフライン正常ベクトルＤＢ作成システム２又はオンライン診断システム３が備える記憶部２３，３３内に格納されていてもよい。

オフライン正常ベクトルＤＢ作成システム２は、例えばワークステーションやパソコン等の汎用コンピュータにより構成され、入力部２１、表示部２２、記憶部２３、及び各部を制御する制御部２５を備えている。

入力部２１は、例えばキーボードやマウス、タッチパネル、各種スイッチ等の各種入力装置によって構成され、操作入力に応じた入力信号を制御部２５に出力する。表示部２２は、ＬＣＤやＥＬディスプレイ、ＣＲＴディスプレイ等の表示装置によって構成され、制御部２５から入力される表示制御信号に従って各種情報を表示する。

記憶部２３は、更新記憶可能なフラッシュメモリ等のＲＯＭやＲＡＭといった各種ＩＣメモリ、内蔵あるいはデータ通信端子で接続されたハードディスク、ＣＤ－ＲＯＭ等の情報記憶媒体及びその読取装置等によって構成されている。記憶部２３には、オフライン正常ベクトルＤＢ作成システム２を動作させ、オフライン正常ベクトルＤＢ作成システム２が備える種々の機能を実現するためのコンピュータプログラムや、このコンピュータプログラムの実行中に使用されるデータ等が予め保存され、あるいは処理の都度一時的に保存される。

制御部２５は、ＣＰＵ等の演算処理装置によって構成され、入力部２１から入力される入力信号、記憶部２３に保存されているコンピュータプログラムやデータ等に従って、オフライン正常ベクトルＤＢ作成システム２を構成する各部への指示やデータの転送等を行ってオフライン正常ベクトルＤＢ作成システム２の動作を制御する。この制御部２５は、正常ベクトルＤＢ作成処理部２７を含む。

正常ベクトルＤＢ作成処理部２７は、オンライン診断システム３が行う対象設備の状態監視に用いられる正常ベクトルＤＢ５を作成する処理を行う機能部であり、過去の操業時に対象設備から得られた時系列データを用いて対象設備の正常な動作状態のデータを蓄積する。この正常ベクトルＤＢ作成処理部２７は、時系列信号切出処理部２７１、正常ベクトル登録処理部２７３、正常ベクトル選定部２７５、及び正常ベクトル分布密度平準化部２７７を備えている。

時系列信号切出処理部２７１は、操業ＤＢ４に格納されている対象設備の正常動作時に収集された対象設備の動作状態を示すＭ（≧２）種類以上の時系列信号から予め指定された期間の時系列信号を切り出す。例えば対象設備の１回の動作に要する時間長を予め設定しておく。そして、時系列信号切出処理部２７１は、対象設備の動作開始位置を基準として予め設定した時間長の時系列信号を各種類の時系列信号から切り出す。

正常ベクトル登録処理部２７３は、時系列信号切出処理部２７１によって切り出されたＭ種類の時系列信号を用いて同一時刻毎にＭ種の変数からなるＭ次元ベクトルを構成し、構成した時刻毎のＭ次元ベクトルを正常ベクトルとして正常ベクトルＤＢ５に登録する。なお、正常ベクトル登録処理部２７３は、時系列信号切出処理部２７１によって切り出されたＭ種類の時系列信号について平均値や最大値等の代表値を算出し、算出された代表値を用いてＭ次元ベクトルを構成してもよい。

正常ベクトル選定部２７５は、正常ベクトルＤＢ５に登録されている各正常ベクトルについて削除するか否かの判定を行い、判定結果に基づいて正常ベクトルＤＢ５に登録されている正常ベクトルを削除する処理（ベクトル選定処理）を実行する。なお、ベクトル選定処理は省略してもよい。このベクトル選定処理の詳細については後述する。

正常ベクトル分布密度平準化部２７７は、ベクトル選定処理後に正常ベクトルＤＢ５に登録されている正常ベクトルのＭ次元空間上の密度分布を算出し、算出された密度分布に応じて正常ベクトルＤＢ５に登録されている正常ベクトルを削除する処理（分布密度平準化処理）を実行する。また、正常ベクトル分布密度平準化部２７７は、分布密度平準化処理として、正常ベクトルＤＢ５に登録されている正常ベクトルのベクトル空間を分割し、各分割空間内の代表ベクトルを定めることにより正常ベクトルの分布密度を平準化すると共に、代表ベクトルの総数が予め指定された数になるようにベクトル空間の分割数を最適化する処理を実行する。なお、分布密度平準化処理は、ベクトル選定処理後に実行することが望ましいが、ベクトル設定処理前に実行してもよい。この分布密度平準化処理の詳細については後述する。

オンライン診断システム３は、オフライン正常ベクトルＤＢ作成システム２と同様、例えばワークステーションやパソコン等の汎用コンピュータによって構成され、入力部３１、表示部３２、記憶部３３、及び各部を制御する制御部３５を備えている。

入力部３１は、例えばキーボードやマウス、タッチパネル、各種スイッチ等の各種入力装置によって構成され、操作入力に応じた入力信号を制御部３５に出力する。表示部３２は、ＬＣＤやＥＬディスプレイ、ＣＲＴディスプレイ等の表示装置によって実現され、制御部３５から入力される表示制御信号に従って各種情報を表示する。

記憶部３３は、更新記憶可能なフラッシュメモリ等のＲＯＭやＲＡＭといった各種ＩＣメモリ、内蔵あるいはデータ通信端子で接続されたハードディスク、ＣＤ－ＲＯＭ等の情報記憶媒体及びその読取装置等によって構成されている。記憶部３３には、オンライン診断システム３を動作させ、オンライン診断システム３が備える種々の機能を実現するためのコンピュータプログラムや、このコンピュータプログラムの実行中に使用されるデータ等が予め保存され、あるいは処理の都度一時的に保存される。

制御部３５は、ＣＰＵ等の演算処理装置によって構成され、入力部３１から入力される入力信号、記憶部３３に保存されるコンピュータプログラムやデータ等に従って、オンライン診断システム３を構成する各部への指示やデータの転送等を行ってオンライン診断システム３の動作を制御する。この制御部３５は、異常監視処理部３７を含む。

異常監視処理部３７は、対象設備の状態をオンライン（リアルタイム）で監視し、対象設備の異常を監視する処理を行う機能部であり、対象設備から得られる時系列データを用いて対象設備の状態監視を行って異常を監視する。異常監視処理部３７は、時系列信号切出処理部３７１、監視対象データ抽出処理部３７３、近傍データ抽出処理部３７５、距離算出処理部３７７、及び判定処理部３７９を備えている。

時系列信号切出処理部３７１は、操業中の対象設備から得られた時系列信号から、時系列信号切出処理部２７１と同様にして予め指定された区間の時系列信号を切り出す。

監視対象データ抽出処理部３７３は、時系列信号切出処理部３７１によって切り出されたＭ種類の時系列信号を用いて同一時刻におけるＭ種の変数からなるＭ次元ベクトルを異常判定対象ベクトルとして抽出する。

近傍データ抽出処理部３７５は、監視対象データ抽出処理部３７３によって抽出された異常判定対象ベクトルと正常ベクトルＤＢ５に登録されている各正常ベクトルとの距離を演算し、距離が短い順に所定数の正常ベクトルを近傍ベクトルとして正常ベクトルＤＢ５から抽出する。

距離算出処理部３７７は、近傍データ抽出処理部３７５によって抽出された近傍ベクトルの重心ベクトルを演算し、演算された重心ベクトルと監視対象データ抽出処理部３７３によって抽出された異常判定対象ベクトルとの距離を算出する。

判定処理部３７９は、距離算出処理部３７７によって算出された距離に基づいて対象設備の異常判定を行う。例えば判定処理部３７９は、予め設定された閾値を用いて距離を閾値処理することにより距離の大小を判定する。そして、判定処理部３７９は、距離が大きい場合に、正常ベクトルの分布からの逸脱度が大きいものとして、対象設備の動作状態を異常と判定する。なお、判定処理部３７９は、対象設備の動作状態を異常と判定した回数をカウントし、所定の期間でのカウント回数を所定の閾値で閾値処理することで、対象設備の補修の要否を判定するようにしてもよい。

操業ＤＢ４には、過去の正常な操業時に対象設備から取得した対象設備の動作状態を示すＭ種類以上の時系列信号が保存される。正常ベクトルＤＢ５には、オフライン正常ベクトルＤＢ作成システム２において正常ベクトルＤＢ作成処理部２７が作成した正常ベクトルが保存される。

〔ベクトル選定処理〕
図２（ａ），（ｂ）は、本発明の一実施形態であるベクトル選定処理を説明するための図である。本実施形態のベクトル選定処理では、まず、正常ベクトル選定部２７５が、正常ベクトルＤＢ５から正常ベクトルを順々に１つずつ判定対象ベクトルとして取出し、判定対象ベクトルと残りの正常ベクトルとの距離を算出する。図２（ａ）において符号Ｖは正常ベクトル、符号ＶＡ１は判定対象ベクトルを示す。次に、正常ベクトル選定部２７５は、距離が小さい順に予め決めた所定数の正常ベクトルを判定対象ベクトルの近傍ベクトルとして抽出し、近傍データの重心ベクトルと判定対象ベクトルとの距離を演算する。図２（ａ）において、符号ＶＮは判定対象ベクトルＶＡ１の近傍ベクトル、符号ＶＧは近傍ベクトルＶＮの重心ベクトルを示す。

次に、正常ベクトル選定部２７５は、図２（ｂ）に示すような各判定対象ベクトルについて算出された距離の分布を表示部２２に表示する。技術者は、表示部２２に表示された距離の分布をみて削除する正常ベクトルを決定し、決定した正常ベクトルを指定する情報を入力部２１に入力する。そして、正常ベクトル選定部２７５は、入力部２１に入力された情報に従って指定された正常ベクトルを正常ベクトルＤＢ５から削除する。図３は、ベクトル選定処理を実行した後の正常ベクトルの分布を示す図である。大きく外れた正常ベクトルが削除され、データの品質が向上されていることがわかる。これにより、異常検知のさらなる高精度化、演算速度の高速化、及びデータ容量圧縮によるコスト低減を実現することができる。なお、図２（ｂ）の距離の分布を示す図において、正常ベクトル選定部２７５は、技術者が判断しやすいように、必要に応じて各々の設備の稼働日時やこれにより製造された製品のロット番号、さらには操業データを表示してもよい。

〔分布密度平準化処理〕
図４は、本発明の一実施形態である分布密度平準化処理を説明するための図である。図４に示すように、正常ベクトルＧの分布状態には高密度領域Ｒ１と低密度領域Ｒ２が存在する。そこで、本実施形態の分布密度平準化処理では、まず、正常ベクトル分布密度平準化部２７７が、変数（Ｍ種類）毎にデータのとる範囲（値域）を設定し、設定した範囲を所定の数値で等分割することにより図４に示すようなメッシュ（部分空間）Ｍを生成する。そして、正常ベクトル分布密度平準化部２７７は、生成した各メッシュＭ内の正常ベクトルの個数が所定数以下となるように正常ベクトルを選定する。所定数は演算時間や演算精度に応じて決められる。正常ベクトルの選定方法として、日付の新しい順に選定する方法や正常ベクトル選定部２７５において近傍データとして選択された回数に基づき選定する方法等を例示できる。図５は、本発明の一実施形態である分布密度平準化処理を実行した後の正常ベクトルの分布を示す図である。図５に示すように、分布密度が平準化され、データの品質が向上されていることがわかる。これにより、異常検知のさらなる高精度化、演算速度の高速化、及びデータ容量圧縮によるコスト低減を実現することができる。

図６は、本発明の一実施形態である分布密度平準化処理の変形例を説明するための図である。本変形例では、まず、正常ベクトル分布密度平準化部２７７が、正常ベクトルＤＢ５に登録されている正常ベクトルを順々に１つずつ選択し、選択した正常ベクトルと残りの正常ベクトルとの距離を演算する。次に、正常ベクトル分布密度平準化部２７７は、選択した正常ベクトルを中心とした所定半径の球領域を設定し、球領域内に存在する正常ベクトルの個数が所定数以下となるよう正常ベクトルを選定する。所定数は演算時間や演算精度に応じて決められる。正常ベクトルの選定方法として、日付の新しい順に選定する方法や自身のみを削除する方法等を例示できる。但し、正常ベクトルの選定方法として自身のみを削除する方法を用いる場合には、密度が平準化されるまで繰り返し実行する。図６に示す例において、符号Ｖは正常ベクトル、符号ＶＡ１，ＶＡ２は選択された正常ベクトル、符号Ｃ１，Ｃ２は球領域を示す。この変形例によっても、正常ベクトルの分布密度が平準化され、データの品質が向上されるので、異常検知のさらなる高精度化、演算速度の高速化、及びデータ容量圧縮によるコスト低減を実現することができる。

図７は、本発明の他の実施形態である分布密度平準化処理の流れを示すフローチャートである。図８は、図７に示す分布密度平準化処理を説明するための図である。図７に示すように、本実施形態では、まず、正常ベクトル分布密度平準化部２７７が、正常ベクトルＤＢ５に登録されている正常ベクトルのデータを読み込む（ステップＳ１）。次に、正常ベクトル分布密度平準化部２７７は、初期条件Ｎｋ＝０としてｌ（１）＝Ｎａ^１／Ｍの値を演算する（ステップＳ２）。ここで、Ｎｋは、Ｍ種の変数毎に分割数ｌで正常ベクトルのベクトル空間（Ｍ次元空間）を等分割することにより形成されるｌ^Ｍ個の分割セルＳＣ（図８参照）のうち、正常ベクトルＶ（図８参照）を含まない空の分割セルＳＣの数を示す。また、ｌ（１）は、最初の処理における正常ベクトルのベクトル空間の分割数を示す。また、Ｎａは、異常診断の処理時間の制約が満たされる範囲内で予め定められる密度平準化処理後の正常ベクトルのデータ数の目標値を示す。

次に、正常ベクトル分布密度平準化部２７７は、プログラムカウンタｉ（初期値０）の値を１増数する（ステップＳ３）。次に、正常ベクトル分布密度平準化部２７７は、正常ベクトルのベクトル空間を分割数ｌ（ｉ）で分割し、空の分割セルＳＣの数Ｎｋ（ｉ）を算出する（ステップＳ４）。次に、正常ベクトル分布密度平準化部２７７は、Ｎａ－｛ｌ（ｉ）^Ｍ－Ｎｋ（ｉ）｝の値が所定値α以下であるか否かを判別する（ステップＳ５）。ここで、ｌ（ｉ）^Ｍ－Ｎｋ（ｉ）は、各分割セルＳＣ内に正常ベクトルが１つだけ含まれるとしたときの正常ベクトルの総数を示す。また、所定値αは、予め定められる目標値Ｎａに対して十分に小さな値（例えばＮａが１００００であれば１０程度）を示す。

判別の結果、｜Ｎａ－｛ｌ（ｉ）^Ｍ－Ｎｋ（ｉ）｝｜の値が所定値α以下である場合（ステップＳ５：Ｙｅｓ）、正常ベクトル分布密度平準化部２７７は、処理をステップＳ６の処理に進める。一方、｜Ｎａ－｛ｌ（ｉ）^Ｍ－Ｎｋ（ｉ）｝｜の値が所定値αより大きい場合には（ステップＳ５：Ｎｏ）、正常ベクトル分布密度平準化部２７７は、処理をステップＳ８の処理に進める。ステップＳ６の処理では、正常ベクトル分布密度平準化部２７７は、各分割セルＳＣから１つの正常ベクトルを代表データ（代表ベクトル）として選択する。但し、各分割セルＳＣから選択する正常ベクトルの数は１つに限定されることはなく、複数の正常ベクトルを選択してもよい。また、選択方法としては、正常ベクトルをランダムに選択する方法や重心に近い位置にある正常ベクトルを選択する方法等、任意の方法を用いることができる。そして、正常ベクトル分布密度平準化部２７７は、選択された代表データを密度平準化後の正常ベクトルのデータとして正常ベクトルＤＢ５に登録する（ステップＳ７）。

ステップＳ８の処理では、正常ベクトル分布密度平準化部２７７は、Ｎａ＞｛ｌ（ｉ）^Ｍ－Ｎｋ（ｉ）｝ならばｌ（ｉ）＝ｌ（ｉ）＋βとして分割数を増加させて更新する。一方、Ｎａ＜｛ｌ（ｉ）^Ｍ－Ｎｋ（ｉ）｝ならば、正常ベクトル分布密度平準化部２７７は、ｌ（ｉ）＝ｌ（ｉ）－βとして分割数を減少させて更新する。ここでβは、β＞０の整数であり、ｌ（ｉ）に比して十分小さな値として予め定めるものとし、例えば、β＝１としてもよい。この処理により、正常ベクトル分布密度平準化部２７７は分割数ｌ（ｉ）を探索する。そして、正常ベクトル分布密度平準化部２７７は、処理をステップＳ３の処理に戻す。

以上のように、本実施形態では、正常ベクトル分布密度平準化部２７７は、Ｍ種の変数毎に分割数ｌで正常ベクトルのベクトル空間を等分割することにより形成されるｌ^Ｍ個の分割セルＳＣのうち、空でない分割セルＳＣから１個ずつ代表データを選択したときに、代表データの数が予め指定したデータ数Ｎａに近くなるように分割数ｌを最適化する。これにより、元のデータ分布から偏ることなくデータの分布密度を平準化し、異常検知の精度を低下させることなく演算速度を上げることができる。

図９は、本発明の他の実施形態である分布密度平準化処理の変形例の流れを示すフローチャートである。図１０は、図９に示す分布密度平準化処理を説明するための図である。図９に示すように、本実施形態では、まず、正常ベクトル分布密度平準化部２７７が、正常ベクトルＤＢ５に登録されている正常ベクトルのデータを読み込む（ステップＳ１１）。次に、正常ベクトル分布密度平準化部２７７は、正常ベクトルのベクトル空間（Ｍ次元空間）に設定する分割球Ｓｉ（図１０参照）の半径ｄの初期値ｄ０を初期条件として設定する（ステップＳ１２）。なお、ｄ０は、正常ベクトルのデータ数が取り得る値の範囲を後述する値Ｎａで割った値に基づいて決めるとよい。次に、正常ベクトル分布密度平準化部２７７は、ステップＳ１１の処理において読み込んだ全データを以後の処理において用いるデータ群に設定する（ステップＳ１３）。

次に、正常ベクトル分布密度平準化部２７７は、データ群から１つの正常ベクトルのデータをランダムに選択し、選択された正常ベクトルの位置を中心位置とする半径ｄの分割球Ｓｉを設定する。そして、正常ベクトル分布密度平準化部２７７は、分割球Ｓｉ内に含まれる正常ベクトルのデータをデータ群から削除し、データ削除後のデータ群を以後の処理において用いるデータ群に設定する（ステップＳ１４）。次に、正常ベクトル分布密度平準化部２７７は、データ群が空であるか否かを判別する（ステップＳ１５）。判別の結果、データ群が空である場合（ステップＳ１５：Ｙｅｓ）、正常ベクトル分布密度平準化部２７７は処理をステップＳ１６の処理に進め、データ群が空でない場合には（ステップＳ１５：Ｎｏ）、正常ベクトル分布密度平準化部２７７は処理をステップＳ１４の処理に戻す。

ステップＳ１６の処理では、正常ベクトル分布密度平準化部２７７は、設定されている分割球Ｓｉの個数Ｎｓが所定値Ｎａ－α以上であるか否かを判別する。ここで、Ｎａは、異常診断の処理時間の制約が満たされる範囲内で予め定められる値を示す。また、αは、予め定められる値Ｎａに対して十分に小さな値（例えばＮａが１００００であれば１０程度）を示す。判別の結果、分割球Ｓｉの個数Ｎｓが所定値Ｎａ－α以上である場合（ステップＳ１６：Ｙｅｓ）、正常ベクトル分布密度平準化部２７７は、処理をステップＳ１８の処理に進める。一方、分割球Ｓｉの個数Ｎｓが所定値Ｎａ－α以上である場合には（ステップＳ１６：Ｎｏ）、正常ベクトル分布密度平準化部２７７は、ステップＳ１７の処理として以後の処理において設定する分割球Ｓｉの半径ｄの値をｄ－Δｄに変更した後、処理をステップＳ１３の処理に戻す。ここで、Δｄの値としては、半径ｄの初期値ｄ０の１割程度の値を例示できる。

ステップＳ１８の処理では、正常ベクトル分布密度平準化部２７７は、設定されている分割球Ｓｉの個数Ｎｓが所定値Ｎａ＋α以下であるか否かを判別する。判別の結果、分割球Ｓｉの個数Ｎｓが所定値Ｎａ＋α以下である場合（ステップＳ１８：Ｙｅｓ）、正常ベクトル分布密度平準化部２７７は、処理をステップＳ２０の処理に進める。一方、分割球Ｓｉの個数Ｎｓが所定値Ｎａ＋α以下である場合（ステップＳ１８：Ｎｏ）、正常ベクトル分布密度平準化部２７７は、ステップＳ１９の処理として以後の処理において設定する分割球Ｓｉの半径ｄの値をｄ＋Δｄに変更した後、処理をステップＳ１３の処理に戻す。

ステップＳ２０の処理では、正常ベクトル分布密度平準化部２７７は、各分割球Ｓｉから１つの正常ベクトル（図１０における正常ベクトルＶＡ１，ＶＡ２）を代表データ（代表ベクトル）として選択する。但し、各分割セルＳＣから選択する正常ベクトルの数は１つに限定されることはなく、複数の正常ベクトルを選択してもよい。また、選択方法としては、正常ベクトルをランダムに選択する方法や重心に近い位置にある正常ベクトルを選択する方法等、任意の方法を用いることができる。そして、正常ベクトル分布密度平準化部２７７は、選択された代表データを密度平準化後の正常ベクトルのデータとして正常ベクトルＤＢ５に登録する（ステップＳ２１）。

以上のように、本変形例では、正常ベクトル分布密度平準化部２７７は、中心位置が互いに重ならない半径ｄの分割球Ｓｉを複数設定し、各分割球Ｓｉから１個ずつ代表データを選択したときに、代表データの数が予め指定したデータ数Ｎａに近くなるように分割球Ｓｉの半径ｄを最適化する。これにより、元のデータ分布から偏ることなくデータの分布密度を平準化し、異常検知の精度を低下させることなく演算速度を上げることができる。

本発明によれば、演算速度の高速化及びデータ容量圧縮によるコスト低減を実現可能な正常ベクトル登録装置、設備異常監視システム、及び設備異常監視方法を提供することができる。

１設備異常監視システム
２オフライン正常ベクトルＤＢ（データベース）作成システム
３オンライン診断システム
４操業ＤＢ
５正常ベクトルＤＢ
２１，３１入力部
２２，３２表示部
２３，３３記憶部
２５，３５制御部
２７正常ベクトルＤＢ作成処理部
３７異常監視処理部
２７１時系列信号切出処理部
２７３正常ベクトル登録処理部
２７５正常ベクトル選定部
２７７正常ベクトル分布密度平準化部
３７１時系列信号切出処理部
３７３監視対象データ抽出処理部
３７５近傍データ抽出処理部
３７７距離算出処理部
３７９判定処理部

Claims

設備の正常動作時に当該設備の動作状態を示すＭ（≧２）種類以上の時系列信号から所定期間における時系列信号を切り出す時系列信号切出処理部と、
前記時系列信号切出処理部によって切り出された時系列信号から同一時刻におけるＭ種の変数からなるＭ次元ベクトルを生成し、時刻毎のＭ次元ベクトルを正常ベクトルとしてデータベースに登録する正常ベクトル登録処理部と、
前記正常ベクトルのベクトル空間を分割し、各分割空間内に含まれる正常ベクトルから所定数の正常ベクトルを選択し、選択された正常ベクトルを分布密度平準化後の正常ベクトルのデータとして前記データベースに登録することにより正常ベクトルの分布密度を平準化すると共に、選択された正常ベクトルの総数が予め指定された数になるように前記正常ベクトルのベクトル空間の分割数を最適化する正常ベクトル分布密度平準化部と、
を備えることを特徴とする正常ベクトル登録装置。
前記正常ベクトル分布密度平準化部は、前記ベクトル空間を複数のセルに等分割し、正常ベクトルが含まれる各セルから所定数の正常ベクトルを選択し、選択された正常ベクトルを分布密度平準化後の正常ベクトルのデータとして前記データベースに登録することにより正常ベクトルの分布密度を平準化すると共に、選択された正常ベクトルの総数が予め指定された数になるように前記セルの大きさを最適化することを特徴とする請求項１に記載の正常ベクトル登録装置。
前記正常ベクトル分布密度平準化部は、中心位置が互いに重ならない、任意の正常ベクトルを中心位置とする球を前記ベクトル空間内に複数設定し、各球から所定数の正常ベクトルを選択し、選択された正常ベクトルを分布密度平準化後の正常ベクトルのデータとして前記データベースに登録することにより正常ベクトルの分布密度を平準化すると共に、選択された正常ベクトルの総数が予め指定された数になるように前記球の大きさを最適化することを特徴とする請求項１に記載の正常ベクトル登録装置。
前記データベースに登録された各正常ベクトルについて、他の正常ベクトルとの距離を演算し、演算された距離に応じて前記データベースから削除する処理を実行する正常ベクトル選定部を備えることを特徴とする請求項１に記載の正常ベクトル登録装置。
前記正常ベクトル選定部は、前記データベースに登録された各正常ベクトルについて、他の正常ベクトルとの距離を演算し、演算された距離が短い順に所定数の他の正常ベクトルを近傍ベクトルとして抽出し、抽出された近傍ベクトルの重心ベクトルとの距離に応じて前記データベースから削除する処理を実行することを特徴とする請求項４に記載の正常ベクトル登録装置。
設備の異常監視期間に当該設備の動作状態を示すＭ（≧２）種類以上の時系列信号から所定期間における時系列信号を切り出し、切り出された時系列信号から同一時刻におけるＭ種の変数からなるＭ次元ベクトルを異常判定対象ベクトルとして生成し、生成した異常判定対象ベクトルと、請求項１～５のうち、いずれか１項に記載の正常ベクトル登録装置によってデータベースに登録されている正常ベクトルと、の距離に基づいて設備の異常判定を行う異常判定手段を備えることを特徴とする設備異常監視システム。
前記異常判定手段は、前記設備が異常であると判定した回数に基づき設備補修の要否を判定することを特徴とする請求項６に記載の設備異常監視システム。
設備の異常監視期間に当該設備の動作状態を示すＭ（≧２）種類以上の時系列信号から所定期間における時系列信号を切り出し、切り出された時系列信号から同一時刻におけるＭ種の変数からなるＭ次元ベクトルを異常判定対象ベクトルとして生成し、生成した異常判定対象ベクトルと、請求項１～５のうち、いずれか１項に記載の正常ベクトル登録装置によってデータベースに登録されている正常ベクトルと、の距離に基づいて設備の異常判定を行う異常判定ステップを含むことを特徴とする設備異常監視方法。