JP7472685B2 - 要因分析装置、要因分析方法、及び要因分析プログラム - Google Patents
要因分析装置、要因分析方法、及び要因分析プログラム Download PDFInfo
- Publication number
- JP7472685B2 JP7472685B2 JP2020114148A JP2020114148A JP7472685B2 JP 7472685 B2 JP7472685 B2 JP 7472685B2 JP 2020114148 A JP2020114148 A JP 2020114148A JP 2020114148 A JP2020114148 A JP 2020114148A JP 7472685 B2 JP7472685 B2 JP 7472685B2
- Authority
- JP
- Japan
- Prior art keywords
- systems
- distance
- data
- factor analysis
- calculated
- 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
- 238000000556 factor analysis Methods 0.000 title claims description 60
- 238000000034 method Methods 0.000 title claims description 43
- 230000005856 abnormality Effects 0.000 claims description 61
- 238000004364 calculation method Methods 0.000 claims description 36
- 238000010586 diagram Methods 0.000 claims description 13
- 238000012544 monitoring process Methods 0.000 claims description 12
- 238000013528 artificial neural network Methods 0.000 claims description 11
- 230000002860 competitive effect Effects 0.000 claims description 9
- 230000008569 process Effects 0.000 description 32
- 230000006870 function Effects 0.000 description 24
- 210000002569 neuron Anatomy 0.000 description 18
- 238000012795 verification Methods 0.000 description 18
- 239000000446 fuel Substances 0.000 description 16
- 230000002159 abnormal effect Effects 0.000 description 13
- 230000007246 mechanism Effects 0.000 description 12
- 238000013500 data storage Methods 0.000 description 10
- 230000009466 transformation Effects 0.000 description 9
- 230000000694 effects Effects 0.000 description 8
- 238000012545 processing Methods 0.000 description 8
- 238000004458 analytical method Methods 0.000 description 6
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 6
- 238000005259 measurement Methods 0.000 description 6
- 229910052760 oxygen Inorganic materials 0.000 description 6
- 239000001301 oxygen Substances 0.000 description 6
- 239000013598 vector Substances 0.000 description 5
- 238000013021 overheating Methods 0.000 description 3
- 238000004590 computer program Methods 0.000 description 2
- 238000012806 monitoring device Methods 0.000 description 2
- 230000001174 ascending effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 239000002826 coolant Substances 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C5/00—Registering or indicating the working of vehicles
- G07C5/08—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time
- G07C5/0808—Diagnosing performance data
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
- G05B23/0224—Process history based detection method, e.g. whereby history implies the availability of large amounts of data
- G05B23/0227—Qualitative history assessment, whereby the type of data acted upon, e.g. waveforms, images or patterns, is not relevant, e.g. rule based assessment; if-then decisions
- G05B23/0235—Qualitative history assessment, whereby the type of data acted upon, e.g. waveforms, images or patterns, is not relevant, e.g. rule based assessment; if-then decisions based on a comparison with predetermined threshold or range, e.g. "classical methods", carried out during normal operation; threshold adaptation or choice; when or how to compare with the threshold
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
- F02D—CONTROLLING COMBUSTION ENGINES
- F02D45/00—Electrical control not provided for in groups F02D41/00 - F02D43/00
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
- G05B23/0224—Process history based detection method, e.g. whereby history implies the availability of large amounts of data
- G05B23/024—Quantitative history assessment, e.g. mathematical relationships between available data; Functions therefor; Principal component analysis [PCA]; Partial least square [PLS]; Statistical classifiers, e.g. Bayesian networks, linear regression or correlation analysis; Neural networks
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0259—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
- G05B23/0267—Fault communication, e.g. human machine interface [HMI]
- G05B23/027—Alarm generation, e.g. communication protocol; Forms of alarm
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C5/00—Registering or indicating the working of vehicles
- G07C5/08—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time
- G07C5/0816—Indicating performance data, e.g. occurrence of a malfunction
- G07C5/0825—Indicating performance data, e.g. occurrence of a malfunction using optical means
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Mathematical Physics (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Human Computer Interaction (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Testing And Monitoring For Control Systems (AREA)
Description
本開示の1つの局面は、異常要因を適切に分析することが可能な要因分析装置を提供することを目的とする。
本開示の別の1つの局面の要因分析方法によれば、上述の要因分析装置と同様の効果を奏する。
(第1実施形態)
<1-1.要因分析装置の構成>
まず、本実施形態に係る要因分析装置100の構成について、図1を参照して説明する。本実施形態では、車両に搭載された車両の要因分析装置を例として説明するが、本開示は、車載以外の車両の要因分析装置も含む。車載以外の車両の要因分析装置として、例えば、車両の外部に設けられ、車両のコネクティッドECUに有線又は無線で接続される要因分析装置が挙げられる。また、本開示は、機器は車両に限らず、車両以外の機器も含む。なお、本開示の「異常」は、すでに発生している異常だけでなく、発生することが予知される異常も含む。
<1-2-1.学習処理>
次に、要因分析装置100が実行する学習処理について、図2のフローチャートを参照して説明する。
次に、要因分析装置100が実行する要因分析処理について、図7のフローチャートを参照して説明する。本実施形態では、要因分析装置100は、所定周期で、本処理を実行する。
続いて、S230では、異常度算出部108が、第2の状態観測値を取得する。具体的には、異常度算出部108は、監視対象データ記憶部103から監視対象データを読み出すとともに、状態観測器情報記憶部105から状態観測器の変数構成及び係数を読み出す。そして、異常度算出部108は、系統ごとに、読み出した変数に、読み出した学習対象データを当てはめることにより、第2の状態観測値を算出する。
続いて、S310では、異常度算出部108は、監視時点kでの検証用データZ_kと、検証用データZ_kと各ニューロンの重みデータW_i,jとのユークリッド距離D_k,l,i,jを算出する。ここで、iは、1~Nの整数であり、Nは正常面の横サイズを示す。jは、1~Mの整数であり、Mは正常面の縦サイズを示す。W_i,jは、X個の要素を有するベクトルであり、Xは系統の総数を示す。W_i,jの各要素は、各系統のニューロンの重みに相当する。
続いて、S340では、異常度算出部108は、ニューロンの重みの集合Wから、ニューロンの重みW’_k,lを取り除く。ニューロンの重みの集合Wは、W_1,1,…,W_1,M,W_2,1…,W_2,M,…,W_i,j,…,W_N,1,…,W_N,MからなるN×M個の要素を有する行列である。ニューロンの重みW’_k,lは、D_k,lを算出する際に検証用データに一番近かったニューロンの重みである。
<1-3.効果>
以上説明した第1実施形態によれば、以下の効果が得られる。
(3)状態観測器及び競合型ニューラルネットワークを用いることにより、機器の機能や故障メカニズムを反映させた正常面を生成することができる。さらに、この正常面と検証用データとの距離D_kを算出することにより、機器のどの系統で異常が生じているか、あるいは、異常が生じる可能性があるのかを高精度に分析することができる。ひいては、異常要因を高精度に分析することができる。
<2-1.第1実施形態との相違点>
第2実施形態は、基本的な構成は第1実施形態と同様であるため、共通する構成については説明を省略し、相違点を中心に説明する。なお、第1実施形態と同じ符号は、同一の構成を示すものであって、先行する説明を参照する。
次に、要因分析装置100が実行する異常判定処理について、図11のフローチャートを参照して説明する。
続いて、S450では、異常度算出部108が、総合異常度C_kを算出する。具体的には、異常度算出部108は、S250と同様に、距離D_kを算出する。そして、距離D_kのX個の要素D_k,1、D_k,2…D_k,Xの大きさを足し合わせて、X個の系統全体の総合異常度C_kを算出する。
以上説明した第2実施形態によれば、前述した第1実施形態の効果(1)~(3)に加え、以下の効果が得られる。
<2-4.第2実施形態の別例>
次に、第2実施形態の別例に係る総合異常度算出処理について、図12のフローチャートを参照して説明する。本別例では、異常度算出部108は、S450における処理の代わりに、図12のフローチャートを実行する。
続いて、S520では、検証用データZ_kとそれに最も近いニューロンの重みデータ
W’_k,lとから、コサイン類似度cosθ_k,lを算出する。
S540~S560では、S320~S340と同様の処理を実行する。すなわち、異常度算出部108は、ループカウンタlが規定値Lを超えるまで、S510~S560の処理を繰り返し実行する。
第1実施形態では、要因分析部110は、各系統の検証用データZ_kと正常面との距離に基づいて、異常要因を特定した。これに対して、本別例では、要因分析部110は、角度/共分散に基づいて、異常要因を特定する。
なお、本別例では、検証用データと正常面との角度に基づいて要因を分析する。そのため、図9に示すように、異常データが点火制御系の軸に沿っており、異常データと正常面との角度が比較的小さい場合には、異常データと正常面との距離が離れていても、図7に示すように類似度γ_sは、大きくならない。すなわち、点火制御系が異常要因と特定されない。このような場合でも、図10に示すように、検証用データと正常面との距離を用いると、点火制御系を異常要因と特定することができる。
以上、本開示を実施するための形態について説明したが、本開示は上述の実施形態に限定されることなく、種々変形して実施することができる。
Claims (4)
- 記憶装置(107)に保存されている正常モデルを取得するように構成されたモデル取得部(108)と、
機器が有する複数の系統の各々の監視対象データを取得するように構成された監視対象データ取得部(101)と、
前記複数の系統の各々に対して、前記正常モデルと前記監視対象データに基づいた値との距離を算出するように構成された距離算出部(108)と、
前記複数の系統の各々について、前記距離算出部により算出された前記距離と残りの系統の各々の前記距離との差分を算出し、算出された前記差分を足し合わせて差分和を算出し、算出された前記差分和を用いてパレート図を作成し、作成された前記パレート図に基づいて、前記複数の系統のうちから異常要因である系統を特定するように構成された要因分析部(110)と、
前記要因分析部により作成された前記パレート図を表示するように構成された表示部(111)と、を備える、
要因分析装置。 - 状態観測器を生成するように構成された状態観測器生成部(104)と、
前記複数の系統の各々の学習対象データを取得するように構成された学習対象データ取得部(101)と、
前記学習対象データを前記状態観測器に入力して得られる第1状態観測値と、前記学習対象データとを結合して、競合型ニューラルネットワークに入力することにより前記正常モデルを生成するように構成された正常モデル生成部(105)と、を更に備え、
前記監視対象データに基づいた値は、前記監視対象データを前記状態観測器に入力して得られる第2状態観測値と、前記監視対象データとを結合した値に相当する、
請求項1に記載の要因分析装置。 - 記憶装置から正常モデルを取得し、
複数の系統のそれぞれの監視対象データを取得し、
前記複数の系統の各々に対して、前記正常モデルと前記監視対象データに基づいた値との距離を算出し、
前記複数の系統の各々について、算出された前記距離と残りの系統の各々の前記距離との差分を算出し、
算出された前記差分を足し合わせて差分和を算出し、
算出された前記差分和を用いてパレート図を作成し、
作成された前記パレート図に基づいて、前記複数の系統のうちから異常要因である系統を特定し、
作成された前記パレート図を表示する、
要因分析方法。 - 記憶装置から正常モデルを取得し、
複数の系統のそれぞれの監視対象データを取得し、
前記複数の系統の各々に対して、前記正常モデルと前記監視対象データに基づいた値との距離を算出し、
前記複数の系統の各々について、算出された前記距離と残りの系統の各々の前記距離との差分を算出し、
算出された前記差分を足し合わせて差分和を算出し、
算出された前記差分和を用いてパレート図を作成し、
作成された前記パレート図に基づいて、前記複数の系統のうちから異常要因である系統を特定し、
作成された前記パレート図を表示する、
コンピュータで実行可能な要因分析プログラム。
Priority Applications (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020114148A JP7472685B2 (ja) | 2020-07-01 | 2020-07-01 | 要因分析装置、要因分析方法、及び要因分析プログラム |
DE112021003536.3T DE112021003536T5 (de) | 2020-07-01 | 2021-06-28 | Faktoranalysevorrichtung, faktoranalyseverfahren und faktoranalyseprogramm |
PCT/JP2021/024369 WO2022004662A1 (ja) | 2020-07-01 | 2021-06-28 | 要因分析装置、要因分析方法、及び要因分析プログラム |
US18/146,856 US20230128023A1 (en) | 2020-07-01 | 2022-12-27 | Factor analysis device, factor analysis method, and non-transitory computer-readable storage medium |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020114148A JP7472685B2 (ja) | 2020-07-01 | 2020-07-01 | 要因分析装置、要因分析方法、及び要因分析プログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2022012351A JP2022012351A (ja) | 2022-01-17 |
JP7472685B2 true JP7472685B2 (ja) | 2024-04-23 |
Family
ID=79316230
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020114148A Active JP7472685B2 (ja) | 2020-07-01 | 2020-07-01 | 要因分析装置、要因分析方法、及び要因分析プログラム |
Country Status (4)
Country | Link |
---|---|
US (1) | US20230128023A1 (ja) |
JP (1) | JP7472685B2 (ja) |
DE (1) | DE112021003536T5 (ja) |
WO (1) | WO2022004662A1 (ja) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007198918A (ja) | 2006-01-26 | 2007-08-09 | Matsushita Electric Works Ltd | 異常監視方法、および異常監視装置 |
JP2008215113A (ja) | 2007-02-28 | 2008-09-18 | Denso Corp | 内燃機関制御システムの異常診断装置 |
JP2011141658A (ja) | 2010-01-06 | 2011-07-21 | Yokogawa Electric Corp | プラント解析システム |
JP2013041448A (ja) | 2011-08-17 | 2013-02-28 | Hitachi Ltd | 異常検知・診断方法、および異常検知・診断システム |
JP2020035407A (ja) | 2018-08-31 | 2020-03-05 | 株式会社日立パワーソリューションズ | 異常予兆診断装置及び異常予兆診断方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2020114148A (ja) | 2019-01-16 | 2020-07-27 | 株式会社東芝 | 監視盤 |
JP7115346B2 (ja) * | 2019-02-07 | 2022-08-09 | 株式会社デンソー | 異常検知装置 |
-
2020
- 2020-07-01 JP JP2020114148A patent/JP7472685B2/ja active Active
-
2021
- 2021-06-28 WO PCT/JP2021/024369 patent/WO2022004662A1/ja active Application Filing
- 2021-06-28 DE DE112021003536.3T patent/DE112021003536T5/de active Pending
-
2022
- 2022-12-27 US US18/146,856 patent/US20230128023A1/en active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007198918A (ja) | 2006-01-26 | 2007-08-09 | Matsushita Electric Works Ltd | 異常監視方法、および異常監視装置 |
JP2008215113A (ja) | 2007-02-28 | 2008-09-18 | Denso Corp | 内燃機関制御システムの異常診断装置 |
JP2011141658A (ja) | 2010-01-06 | 2011-07-21 | Yokogawa Electric Corp | プラント解析システム |
JP2013041448A (ja) | 2011-08-17 | 2013-02-28 | Hitachi Ltd | 異常検知・診断方法、および異常検知・診断システム |
JP2020035407A (ja) | 2018-08-31 | 2020-03-05 | 株式会社日立パワーソリューションズ | 異常予兆診断装置及び異常予兆診断方法 |
Also Published As
Publication number | Publication date |
---|---|
US20230128023A1 (en) | 2023-04-27 |
DE112021003536T5 (de) | 2023-04-27 |
WO2022004662A1 (ja) | 2022-01-06 |
JP2022012351A (ja) | 2022-01-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3809220B1 (en) | Method and system for semi-supervised deep anomaly detection for large-scale industrial monitoring systems based on time-series data utilizing digital twin simulation data | |
JP6686151B2 (ja) | モデルパラメータ値推定装置及び推定方法、プログラム、プログラムを記録した記録媒体、モデルパラメータ値推定システム | |
JP7105932B2 (ja) | アプリケーション情報に関連する時系列ズデータに関する深層学習を使用した異常検出 | |
JP6172678B2 (ja) | 検出装置、検出方法、およびプログラム | |
US7640145B2 (en) | Automated model configuration and deployment system for equipment health monitoring | |
US7565262B2 (en) | Bayesian sensor estimation for machine condition monitoring | |
US8036764B2 (en) | Virtual sensor network (VSN) system and method | |
JP2014525096A (ja) | パターンシーケンスを用いるカーネル回帰モデリングを使用した監視方法 | |
JP6402541B2 (ja) | 異常診断装置及びプログラム | |
KR20140058501A (ko) | 패턴 시퀀스를 가지는 커널 회귀 모델링을 사용하는 모니터링 시스템 | |
JP6610987B2 (ja) | 異常診断方法及び異常診断システム | |
JP2014525097A (ja) | 予測および予想のための逐次カーネル回帰モデリングのシステム | |
RU2635435C2 (ru) | Система для контроля узла компонентов оборудования | |
CN102265227A (zh) | 用于在机器状况监视中创建状态估计模型的方法和设备 | |
US9116965B2 (en) | Method and apparatus for monitoring performance characteristics of a system and identifying faults | |
WO2020090767A1 (ja) | 異常診断装置、異常診断方法、及びプログラム | |
US20210357727A1 (en) | Abnormality detection device | |
JP7472685B2 (ja) | 要因分析装置、要因分析方法、及び要因分析プログラム | |
WO2022024991A1 (ja) | 異常検出装置、異常検出方法および異常検出プログラム | |
JP7450238B2 (ja) | エンジンの異常診断方法、エンジンの異常診断プログラム、及びエンジンの異常診断システム | |
JP7184636B2 (ja) | データ選別装置及び方法、ならびに監視診断装置 | |
CN110879530A (zh) | 用于对动态模型进行安全的训练的方法 | |
JP7437277B2 (ja) | 情報処理装置及び情報処理システム | |
WO2023117070A1 (en) | Methods and apparatus for calibrating a set of one more models of a physical system | |
CN118435202A (zh) | 用于校准物理***的一个或多个模型的集合的方法和装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220804 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230801 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230926 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20240109 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20240227 |
|
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: 20240312 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20240325 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7472685 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |