TWI755794B - 異常診斷方法、異常診斷裝置以及異常診斷程式 - Google Patents

異常診斷方法、異常診斷裝置以及異常診斷程式 Download PDF

Info

Publication number
TWI755794B
TWI755794B TW109124904A TW109124904A TWI755794B TW I755794 B TWI755794 B TW I755794B TW 109124904 A TW109124904 A TW 109124904A TW 109124904 A TW109124904 A TW 109124904A TW I755794 B TWI755794 B TW I755794B
Authority
TW
Taiwan
Prior art keywords
data
mentioned
unit space
diagnosis
unit
Prior art date
Application number
TW109124904A
Other languages
English (en)
Other versions
TW202107058A (zh
Inventor
野月味沙
三木伸介
Original Assignee
日商三菱電機股份有限公司
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 日商三菱電機股份有限公司 filed Critical 日商三菱電機股份有限公司
Publication of TW202107058A publication Critical patent/TW202107058A/zh
Application granted granted Critical
Publication of TWI755794B publication Critical patent/TWI755794B/zh

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0218—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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Automation & Control Theory (AREA)
  • Data Mining & Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Testing And Monitoring For Control Systems (AREA)

Abstract

診斷診斷對象的運轉狀態異常之異常診斷方法，包括：根據診斷對象的正常運轉資料，作成用以判定診斷對象運轉狀態的基準之單位空間的步驟；從診斷對象，取得具有複數評估項目的狀態量之資料的步驟；利用作成的單位空間，算出取得資料的馬氏距離(Mahalanobis distance) 的步驟；以及根據算出的馬氏距離，判定診斷對象的運轉狀態異常的步驟。作成單位空間的步驟，包含作成資料長度互不相同的複數單位空間。作成複數單位空間的步驟，包含根據從診斷對象取得的資料中的複數評估項目間的相關係數以及資料的正常變動周期之中至少1個，決定各複數單位空間的資料長度的步驟。算出馬氏距離的步驟，包含利用作成的複數單位空間算出複數馬氏距離的步驟。判定異常的步驟，包含根據算出的複數馬氏距離判定異常的步驟。

Description

異常診斷方法、異常診斷裝置以及異常診斷程式
本揭示，係有關於異常診斷方法、異常診斷裝置以及異常診斷程式。
設備或機器的狀態監視及異常診斷，一般利用關於診斷對象的複數評估項目的狀態量時序資料進行。此複數評估項目狀態量中，包含診斷對象的各種運轉資料以及使用各種感應器測量從診斷對象發生的溫度、振動等的測量資料。
例如，國際公開第2009/107805號(專利文獻1)、日本專利第2017-120504號公開公報(專利文獻2)以及日本專利第2016-91417號公開公報(專利文獻3)中揭示，根據正常資料作成判定基準的正常資料群之單位空間，利用此單位空間與時序資料的馬氏距離，透過解析時序資料，判定診斷對象是否正常運轉的方法。
上述判定方法中，為了高度精確判定診斷對象是否正常運轉，有必要適當設定單位空間。關於此單位空間，專利文獻1中，揭示單位空間資料的作成及更新方法。專利文獻1中，設備啟動時或負載運轉時等的每一運轉狀態作成單位空間，構成為每固定的評估周期更新單位空間。
專利文獻2中，係單位空間的更新方法，揭示每固定周期求出單位空間資料群及最新資料群分別的分散，兩者的分散比率超過臨界值時，更新單位空間的構成。
專利文獻3中，係單位空間資料的作成方法，揭示求出單位空間資料候補的資料群平均值及標準偏差，以平均值為中心，根據上述平均值，選定正負側分別定數倍擴大標準偏差的範圍內存在的資料為單位空間資料的構成。 [先行技術文獻] [專利文獻]
[專利文獻1] 國際公開第2009/107805號 [專利文獻2] 日本專利第2017-120504號公開公報 [專利文獻3] 日本專利第2016-91417號公開公報
[發明所欲解決的課題]
從設備取得的時序資料中，像伴隨設備運轉狀態變化的變動以及伴隨季節變化(例如，外氣溫的變化等)的變動，有可能出現不是異常的變動(即，正常的變動)。因此，不判定這些正常的變動為異常，為了可以只檢測出事故或故障前兆的異常變動，適當作成單位空間且有必要更新。
但是，上述習知的單位空間的作成及更新方法，不定義關於單位空間資料長度的決定。又，單位空間的資料長度，係單位空間中使用的資料時間寬度或資料點數。未適當設定單位空間的資料長度的時候，恐怕弄錯時序資料的正常變動判定為異常。
又，習知技術中，對某診斷對象時刻的資料，因為利用單一單位空間判定診斷對象異常，擔心不能檢測出各種異常的問題。例如，設定具有正常變動的一周期時間寬度的資料為單位空間資料時，相對於診斷對象的資料變動比設定為單位空間資料的正常變動範圍大的話，容易判定為異常，關於比正常變動範圍小的突發變化，有弄錯判定為正常的可能性。另一方面，設定具有比上述正常變動周期短的時間寬度之資料為單位空間資料時，即使可以判定上述突發變化為異常，也誤判定正常變動為異常等，關於耗費單位空間的更新周期或更長時間慢慢變化的經年惡化等的異常徵兆，有弄錯判定為正常的可能性。
此發明係為了解決這樣的課題而形成，其目的，利用以單位空間為基準的馬氏距離診斷診斷對象異常的異常診斷方法、異常診斷裝置以及異常診斷程式中，提高異常的判定精確度。 [用以解決課題的手段]
根據本揭示的異常診斷方法，係診斷診斷對象的運轉狀態異常之異常診斷方法，包括：根據診斷對象的正常運轉資料，作成用以判定診斷對象運轉狀態的基準之單位空間的步驟；從診斷對象，取得具有複數評估項目的狀態量之資料的步驟；利用作成的單位空間，算出取得的上述資料的馬氏距離(Mahalanobis distance) 的步驟；以及根據算出的馬氏距離，判定診斷對象的運轉狀態異常的步驟。作成單位空間的步驟，包含作成資料長度互不相同的複數單位空間的步驟。作成複數單位空間的步驟，包含根據從診斷對象取得的資料中的複數評估項目間的相關係數以及資料的正常變動周期之中至少1個，決定各複數單位空間的資料長度的步驟。算出馬氏距離的步驟，包含利用作成的複數單位空間算出複數馬氏距離的步驟。判定異常的步驟，包含根據算出的複數馬氏距離判定異常的步驟。
根據本揭示的異常診斷方法，係診斷診斷對象的運轉狀態異常之異常診斷方法，包括：根據診斷對象的正常運轉資料，作成用以判定診斷對象運轉狀態的基準之單位空間的步驟；從診斷對象，取得具有複數評估項目的狀態量之資料的步驟；利用作成的單位空間，算出取得資料的馬氏距離(Mahalanobis distance) 的步驟；以及根據算出的馬氏距離，判定診斷對象的運轉狀態異常的步驟。作成單位空間的步驟，包含作成資料長度互不相同的複數單位空間的步驟。算出馬氏距離的步驟，包含利用作成的複數單位空間，對相同診斷時刻的資料，算出複數馬氏距離的步驟。判定異常的步驟，包含根據算出的複數馬氏距離判定異常的步驟。 [發明效果]
根據本揭示，利用以單位空間為基準的馬氏距離診斷診斷對象異常的異常診斷裝置、異常診斷方法以及異常診斷程式中，可以提高異常的判定精確度。
以下，參照圖式詳細說明關於本揭示的實施形態。又，以下圖中相同或相當部分附上相同符號，原則上不重複其說明。
實施形態1 [A. 異常診斷裝置的機能構成] 最初，說明關於實施形態1的異常診斷裝置的機能構成。
圖1，係顯示實施形態1的異常診斷裝置的機能構成方塊圖。實施形態1的異常診斷裝置1係構成為透過解析從診斷對象的設備或機器(以下，也只總稱為「設備」)取得的時序資料，判定上述設備的運轉狀態是否正常，輸出其判定結果。
診斷對象的設備，例如，發電機，FA(工廠自動化)機器、受配電機器、昇降機及鐵路電氣機器等的機器或設備。本申請說明書中，例示關於應用異常診斷裝置1於發電機的狀態監視及異常診斷的構成。
參照圖1，異常診斷裝置1，包括資料讀取部2、資料顯示部3、單位空間定義部4、單位空間資料作成部5、診斷部6、異常判定部7、單位空間資料積累部8以及判定結果輸出部9。
(A–1)資料讀取部 資料讀取部2，讀取從診斷對象設備．機器取得的時序資料。上述資料，包含複數評估項目的狀態量。本申請說明書中，「評估項目」係從診斷對象設備．機器取得的複數種時序資料的物理量名稱，馬氏距離的算出使用的項目。以發電機為例說明時，作為運轉資料，包含發電機的輸出、旋轉速度以及電壓及電流等的評估項目，作為測量資料，包含構成安裝至發電機的感應器測量的發電機之機器或元件的溫度及振動等的評估項目。又，這些評估項目是例示，不限定運轉資料及測量資料的項目數。資料讀取部2，傳送讀取資料至資料顯示部3、單位空間定義部4及診斷部6。
(A–2) 資料顯示部 資料顯示部3，圖表化顯示從資料讀取部2接收的讀取資料作為時序資料。
(A–3) 單位空間定義部 單位空間定義部4，利用從資料讀取部2接收的讀取資料，決定診斷使用的單位空間資料量長度及單位空間更新周期。本申請說明書中，「單位空間」成為用以判定診斷對象的運轉狀態的基準。單位空間，以正常運轉時的運轉資料及測量資料(以下，也稱「正常運轉資料」 作成。單位空間，以單位空間定義部4決定的資料長度的正常運轉資料作成的同時，隨著單位空間定義部4決定的更新周期周期性更新。
如後述，異常診斷裝置1，構成為利用資料長度互不相同的複數單位空間，診斷異常。因此，單位空間定義部4，構成為分別關於診斷使用的複數單位空間，決定資料長度及更新周期。
具體地，單位空間定義部4，具有資料長度決定部10及更新周期決定部11。資料長度決定部10，決定單位空間的資料長度。即，決定定義為單位空間的資料範圍。更新周期決定部11，決定單位空間的更新周期。本申請說明書中，所謂「單位空間的資料長度」，係單位空間使用的資料寬度或資料的點數。所謂「單位空間的更新周期」，係使用相同單位空間進行診斷的時間寬度。
(a)資料長度決定部 資料長度決定部10，使用讀取資料中的正常運轉資料，決定單位空間的資料長度。又，資料長度決定部10，根據需要，可以使用對正常運轉資料施行任意演算處理的資料。所謂任意演算處理，例如，微分、移動平均或複數評估項目間的時序資料的和、差或平均等的處理。
資料長度決定部10，分別對應診斷使用的複數單位空間，決定複數資料長度。單位空間的資料長度決定，使用(1)根據讀取資料的複數評估項目間的相關係數決定的方法(2)依照診斷對象的設備特性，根據讀取資料的正常變動周期決定的方法之中至少1個。
最初，說明關於(1)根據讀取資料的複數評估項目間的相關係數(相關矩陣)，決定單位空間的資料長度的方法例。圖2，係用以說明上述決定方法的處理程序流程圖。
參照圖2，資料長度決定部10，根據步驟S01，從資料讀取部2接收的讀取資料中，取得任意期間中的正常運轉資料。所謂正常運轉資料，係未產生異常或不良時的運轉狀態中取得的運轉資料及測量資料，包含複數評估項目的狀態量。又，任意期間，可以是數日、數個月或數年。又，期間越長，越可以提高診斷精確度。
資料長度決定部10，根據步驟S02，以任意複數資料長度分割步驟S01中取得的正常運轉資料，每一分割的資料求出複數評估項目間的相關係數。
任意複數資料長度，例如，像720點、1440點、4320點、14400點、43200點，可以決定測量時間或測量天數的定數倍。又，720點，相當於資料的取樣周期為1分鐘時的12小時的資料點數。1440點相當於1天的資料點數，4320點相當於3天的資料點數。14400點相當於10天的資料點數，43200點相當於30天的資料點數。
圖3中例示，以任意資料長度a、b、c、d分割以時序顯示的某期間的正常運轉資料。資料長度b是資料長度a的2倍，資料長度c是資料長度a的6倍，資料長度d資料長度a的12倍。圖3的例中，分割某1評估項目的時序資料，但因為實際上存在複數評估項目的時序資料，也與上述評估項目的時序資料同樣分割其它評估項目的時序資料。
資料長度決定部10，每一分割的資料，求出上述分割的資料內包含的複數評估項目間的相關係數。相關係數，係指示2項目間的直線關係性的強度的指標。隨著2項目間的正相關變強，相關係數接近1，隨著負相關變強，相關係數接近–1。2項目間幾乎不相關時，相關係數為接近0的值。
又，1個分割的資料內包含的評估項目數是3以上時，資料長度決定部10，求出相關矩陣。相關矩陣，係排列相關係數的矩陣，對角矩陣。因為相同項目之間的相關係數為1，相關矩陣的對角成分全部為1。相關係數及相關矩陣可以利用眾所周知的方法求出。
回到圖2，資料長度決定部10，根據步驟S03，每相同資料長度，算出步驟S02中求出的相關係數偏差。相關係數偏差，可以利用相同項目中相關係數 (相關矩陣的相同成分) 的分散或標準偏差算出。步驟S03中，求出相關係數偏差的資料數，也可以是分割資料全部。或者，使求出相關係數偏差的資料數與資料長度最長，換言之分割資料數最少的資料之資料數一致也可以。圖3的例中，以分割資料數最少的資料長度d的分割資料數，求出相關係數偏差也可以。
資料長度決定部10，根據步驟S04，求出步驟S03中求出的相關係數偏差與資料長度的關係。例如，資料長度決定部10，如圖4所示，作成以相關係數偏差為縱軸，以資料長度為橫軸的圖表。此圖表中，每一資料長度描繪相關係數偏差。
作為相關係數偏差，可以使用關於1個資料長度求出的全部(複數評估項目間的全部)相關係數偏差的平均值，也可以使用上述全部的相關係數偏差的最大值。或者，也可以使用上述全部相關係數偏差之中任意選擇的值，或者，任意選擇的複數相關係數偏差的平均值。
圖4的情況下，各資料長度中的相關係數偏差顯示具有上述資料長度的資料內包含的2項目的關係性強弱偏差。遍及資料長度，2項目間的關係性中只要不是大變動，相關係數的偏差就變小，另一方面，2項目間的關係性一變動，相關係數偏差就變大。
圖4中，顯示5種資料長度a〜e與相關係數偏差的關係。據此了解隨著資料長度變長，相關係數偏差變小。另一方面，隨著資料長度變短，相關係數偏差變大。使用此相關係數偏差大的資料長度的單位空間，算出馬氏距離時，儘管是正常資料，因為馬氏距離變大，恐怕可能弄錯判定為異常。
回到圖2，資料長度決定部10，根據步驟S05，對相關係數偏差設定臨界值。圖4的例中，設定大小不同的2個臨界值D1及臨界值D2。資料長度決定部10，決定相關係數偏差在臨界值以下的資料長度為診斷使用的單位空間資料長度。
具體地，資料長度決定部10，可以設定相關係數偏差在臨界值D1以下的資料長度c、d、e中的資料長度c為單位空間的資料長度。又，資料長度決定部10，可以設定相關係數偏差在臨界值D2以下的資料長度e為單位空間的資料長度。
資料長度決定部10，透過設定複數臨界值，決定資料長度互不相同的複數單位空間也可以。或者，資料長度決定部10，透過並用根據以下所示的複數評估項目間的相關係數決定單位空間的資料長度的其他方法，或根據正常變動周期決定單位空間的資料長度的方法，決定複數單位空間的資料長度也可以。
作為根據複數評估項目間的相關係數決定單位空間資料長度的其他方法，有根據相關係數變化決定單位空間資料長度的方法。以複數評估項目構成的時序資料的資料數每次增加1，每增加資料，就求出構成時序資料的複數評估項目間的相關係數(或相關矩陣)。評估相關係數與資料數的關係，以相關係數收斂至一定值的資料數作為單位空間資料長度也可以。或者，評估相關係數的變化率與資料數的關係，以相關係數的變化率收斂至0的資料數作為單位空間資料長度也可以。
在此，相關係數及其變化率，如前述，因為對應評估項目數存在複數，可以是全部評估項目間的相關係數(或其變化率)的平均值，也可以是變化最大的相關係數(或其變化率)、任意選擇的相關係數(或其變化率)或其平均值。如上述，根據複數評估項目間的相關係數，決定單位空間的資料長度。
其次，說明關於 (2) 根據讀取資料的正常變動周期，決定單位空間的資料長度的方法。圖5，係用以說明上述決定方法的處理程序流程圖。
參照圖5，資料長度決定部10，透過與圖2相同的步驟S01，取得在任意期間的正常運轉資料。
資料長度決定部10，根據步驟S12，分析步驟S01中取得的正常運轉資料的變動周期。正常運轉資料的變動周期分析，可以利用通用的解析軟體等眾所周知的技術進行。
資料長度決定部10，透過步驟S13，決定根據步驟S12的分析得到正常運轉資料的變動周期或其定數倍為單位空間的資料長度。資料長度決定部10，也可以透過並用根據上述複數評估項目間的相關係數決定的單位空間的資料長度，決定複數單位空間的資料長度。
(b)更新周期決定部 回到圖1，更新周期決定部11，使用讀取資料中的正常運轉資料，決定單位空間的更新周期。所謂單位空間的更新周期，如上述，係使用相同的單位空間進行診斷的時間寬度。因此，到達起因於決定的更新周期的更新時期時，會利用新的單位空間進行診斷。
更新單位空間的理由，係診斷對象的設備中的資料變動內，包含非季節變動等的異常之正常變動的情況下，不更新單位空間進行診斷時，有可能弄錯判定為正常的資料變動，或者，弄錯判定為異常的資料變動。
更新周期的決定中，利用(1)根據讀取資料的複數評估項目間的相關係數(相關矩陣)決定的方法及(2)依照診斷對象的設備特性，根據讀取資料的正常變動周期決定的方法之中至少1個。
最初，說明關於(1) 根據讀取資料的評估項目間的相關係數決定單位空間更新周期的方法。圖6，係用以說明上述決定方法的處理程序流程圖。
參照圖6，更新周期決定部11，透過與圖2相同的步驟S01，取得任意期間中的正常運轉資料。
更新周期決定部11，透過步驟S22，以資料長度決定部10決定的單位空間的資料長度分割取得的正常運轉資料，每分割的資料求出複數評估項目間的相關係數(或相關矩陣)。
更新周期決定部11，透過步驟S23，根據相關係數的作成中使用的正常運轉資料的時刻，依時序順序描繪步驟S22求出的相關係數。所謂正常運轉資料的時刻，例如，可以使用求出相關係數的時序資料的開始時刻、結束時刻或開始時刻及結束時刻之間的中央時刻等其中任一。
更新周期決定部11，透過步驟S24，在步驟S23作成的相關係數的時序圖中，求出相關係數的變化量與時間變化量的關係。相關係數的變化量，使用時間微分相關係數的時序變化之值也可以，使用時刻t的相關係數與時刻t–m(m是任意常數)的相關係數之差也可以。
圖7中，顯示描繪作為時刻t的相關係數以及時刻t–m(m是任意常數)的相關係數之差求出的相關係數變化量與時間變化量m的關係圖表。圖7的縱軸表示相關係數變化量，橫軸表示時間變化量。
更新周期決定部11，透過步驟S25，將相關係數變化量在預先決定的臨界值以下的時間變化量作為更新周期。相關係數變化量，根據診斷中使用的項目數求出複數個，但使用全部相關係數變化量的平均值也可以，使用最大值也可以。或者，使用任意的相關係數變化量也可以，使用任意選擇的複數相關係數變化量的平均值也可以。
其次，說明關於(2)根據讀取資料的正常變動周期決定單位空間的資料長度的方法。圖8，係用以說明上述決定方法的處理程序流程圖。
參照圖8，更新周期決定部11，透過與圖2相同的步驟S01，取得任意期間的正常運轉資料。
更新周期決定部11，透過與圖5相同的步驟S12，分析步驟S01取得的正常運轉資料的變動周期。變動周期的分析，可以利用通用的解析軟體等眾所周知的技術進行。
更新周期決定部11，透過步驟S33，決定根據步驟S12的分析得到的正常運轉資料的變動周期或其定數倍為單位空間的更新周期。
(A–4)單位空間資料作成部 回到圖1，單位空間資料作成部5，根據單位空間定義部4決定的單位空間資料長度及更新周期，作成單位空間資料。又，所謂單位空間資料，意味構成單位空間的資料，之後，以與單位空間相同的意義使用。初次的 (單位空間資料積累部8中未積累資料的狀態下的)診斷中，單位空間資料作成部5，從讀取資料，切出單位空間定義部4決定的資料長度的正常運轉資料，以切出的正常運轉資料作為單位空間資料。
根據更新周期決定部11決定的更新周期設定的更新周期為止診斷到達時，單位空間資料作成部5，在根據Mahalanobis．Taguchi(MT)法的診斷完成資料中，使用馬氏距離(Mahalanobis distance)在臨界值以下(即判定為正常) 的資料，作成更新時期以後的診斷中使用的單位空間。具體地，單位空間資料作成部5，到達更新時期時。在單位空間資料積累部8積累的資料中，從判定正常的資料，切出單位空間定義部4決定的資料長度的資料，以切出的資料作為單位空間資料。
(A–5)診斷部 診斷部6，使用單位空間資料作成部5作成的單位空間以及以資料讀取部2讀取且根據需要施行前處理的資料，利用MT法求出馬氏距離。馬氏距離，可以根據眾所周知的方法算出。又，診斷部6，對於某診斷時刻的資料，根據單位空間數求出複數馬氏距離。
(A–6) 異常判定部 異常判定部7，根據診斷部6求出的複數馬氏距離，判定診斷對象的設備在運轉狀態中有無異常。具體地，異常判定部7，透過比較利用複數單位空間分別算出的複數馬氏距離與預先設定的臨界值，判定設備的運轉狀態有無異常。
異常判定部7，綜合依照複數馬氏距離的複數判定結果，判定設備的運轉狀態有無異常。具體地，異常判定部7，如果利用長度互不相同的複數單位空間診斷，對應複數單位空間的複數馬氏距離之中至少1個馬氏距離在臨界值以上時，判定設備的運轉狀態異常。
(A–7) 單位空間資料積累部 單位空間資料積累部8，將具有以診斷部6診斷的複數評估項目狀態量之資料連結這些馬氏距離再積累。
單位空間資料作成部5，在單位空間資料積累部8積累的資料中，使用馬氏距離在臨界值以下的資料，作成各更新時期以後的診斷使用的單位空間。單位空間的更新時期到來時，單位空間資料作成部5，從單位空間資料積累部8積累的資料，透過切下具有資料長度決定部10決定的資料長度之資料，作成單位空間，更新單位空間。因此，診斷部6將會使用更新的單位空間求出馬氏距離。
重複實行上述單位空間資料積累部8中的資料積累以及單位空間資料作成部5中的單位空間更新。
(A–8) 判定結果輸出部 判定結果輸出部9，輸出異常判定部7中的判定結果。判定結果輸出部9，例如，具有顯示部，在顯示部顯示使用複數單位空間分別求出的複數馬氏距離的時序變化。判定結果輸出部9，還顯示根據全部的馬氏距離判定之關於診斷對象有無運轉狀態的判定結果。判定結果輸出部9，也可以構成為在顯示部顯示這些判定結果的同時，利用未圖示的通訊手段傳送至外部裝置。
[B. 異常診斷裝置的硬體構成例] 其次，說明關於實施形態1的異常診斷裝置的硬體構成例。
圖9係顯示實施形態1的異常診斷裝置的硬體構成例方塊圖。參照圖9，異常診斷裝置1，具有CPU(中央處理單元)20以及收納程式及資料的記憶體，透過CPU 20依照上述程式動作，實現圖1所示的機能構成。
記憶體，包含ROM(唯讀記憶體)21、RAM(隨機存取記憶體)22及HDD(硬碟)23。ROM21，可以收納CPU20實行的程式。RAM22，可以暫時收納CPU20中的程式在實行中利用的資料，可以作用為利用作為作業區域的暫時資料記憶體。HDD23，係非揮發性的記憶裝置，可以收納資料讀取部2的讀取資料、單位空間作成的資料以及異常判定部7中的判定結果等。HDD之外，或者代替HDD，採用快閃記憶體等的半導體記憶裝置也可以。
異常診斷裝置1，還包含通訊界面(I/F)24、I/O(輸入/輸出) 界面25、輸入部26以及顯示部27。通訊界面24，係異常診斷裝置1用以與包含診斷對象的設備之外部機器通訊的界面。通訊界面24對應「資料讀取部2」的一實施例。
I/O(輸入/輸出) 界面25，係對異常診斷裝置1的輸入或從異常診斷裝置1的輸出的界面。如圖9所示，I/O(輸入/輸出) 界面25，連接至輸入部26以及顯示部27。
輸入部26，接收包含來自使用者對異常診斷裝置1的指示之輸入。輸入部26包含鍵盤、滑鼠以及與顯示部的顯示畫面一體構成的觸控面板，接受單位空間定義部4及異常判定部7使用的臨界值設定等。
顯示部27，對應「資料顯示部3」及「判定結果輸出部9」的一實施例。顯示部27，可以顯示從診斷對象取得的時序資料及異常判定部7中的判定結果等。
[C. 作用效果] 其次，說明關於實施形態1的異常診斷裝置1達到的作用效果。
如上述，實施形態1的異常診斷裝置1，構成為使用資料長度互不相同的複數單位空間診斷診斷對象的異常。藉此，不判定時序資料的正常變動為異常，可以適當判定成為事故或故障前兆的異常徵兆。利用圖10到圖12詳細說明此作用效果。
圖10(A)中，顯示具有季節變動等正常變動的時序資料波形。圖10及之後的圖式中，為了容易說明，顯示複數評估項目中的1個評估項目的時序資料波形。
圖10(B)中，顯示比正常變動小的突發變化(相當於圖中的區域R1)產生的時序資料波形。圖10(C)中，顯示比正常變動大的長期變化(相當於圖中的區域R2)產生的時序資料波形。
為了以高精確度判定診斷對象異常，要求不判定圖10(A)所示的正常變動為異常，判定圖10(B)及圖10(C)所示的變化兩方為異常。
圖11中顯示，使用具有正常運轉資料的變動周期程度的資料長度之單位空間，根據圖10(B)、(C)的時序資料診斷異常的情況。圖11(A)顯示根據圖10(B)的時序資料的異常診斷，圖11(B) 顯示根據圖10 (C)的時序資料之異常診斷。
如圖11(A)所示，使用資料長度長的單位空間診斷異常時，因為比正常變動小的突發變化收納在單位空間內，不能根據馬氏距離檢測出上述變化。相對於此，如圖11(B)所示，因為比正常變動大的長期變化到達單位空間外部，根據馬氏距離可以檢測出上述變化。
圖12中顯示，使用具有比起正常運轉資料的變動周期足夠短的資料長度之單位空間，根據圖10(B)、(C)的時序資料診斷異常的情況。圖12(A)顯示根據圖10(B)的時序資料的異常診斷，圖12(B)顯示根據圖10 (C) 的時序資料的診斷異常。
如圖12(A)所示，使用資料長度短的單位空間診斷異常時，因為比正常變動小的突發變化到達單位空間外部，根據馬氏距離可以檢測出上述變化。相對於此，如圖12(B)所示，長期變化，因為值慢慢地變化，在使用資料長度短的單位空間的診斷中，由於構成單位空間的資料值與診斷對象資料值相似，馬氏距離的增大變小，結果不判定為異常，會更新單位空間。因此，會使用包含異常的單位空間繼續診斷，發生不能檢測出異常的情況。
這樣，使用單一單位空間診斷異常的構成中，不能對應各種異常變動。相對於此，實施形態1的異常診斷裝置1中，使用資料長度互不相同的複數單位空間。即，複數單位空間內，包含圖11所示的資料長度長的單位空間以及圖12所示的資料長度短的單位空間。因此，使用複數單位空間中至少1個的診斷中可以檢測出異常變動。藉此，實施形態1的異常診斷裝置1，因為可以對應各種異常變動，可以以高精確度判定異常。
實施形態2 上述實施形態1中，說明關於使用資料長度互不相同的複數單位空間，診斷設備異常的構成。實施形態2中，說明關於目的在於即使是耗費比更新周期長的時間緩慢變化的經年惡化等的異常變動也可以檢出的構成。具體地，說明使用資料收集時期互不相同的複數單位空間，診斷設備異常的構成。又，關於與實施形態1重複，實施形態1中已說明的事項，省略說明。
[D.異常診斷裝置的機能構成] 實施形態2中，單位空間資料作成部5(參照圖2)，作成具有利用上述方法決定的資料長度之單位空間之際，作成資料收集時期不同的複數單位空間構成的單位空間群。
例如，資料長度為43200點時，單位空間資料作成部5作成資料收集時期互不同的3個單位空間。43200點，相當於資料的取樣周期為1分鐘時的30天的資料點數。
第1單位空間，使資料取得開始時刻(以下，也稱作單位空間開始時刻) 為對診斷開始時刻30天前，具有從30天前到診斷開始時刻為止的30天的資料點數。第2單位空間，使單位空間開始時刻為對診斷開始時刻60天前，具有從60天前到30天前為止的30天的資料點數。第3單位空間，使單位空間開始時刻為對診斷開始時刻90天前，具有從90天前到60天前為止的30天的資料點數。
又，單位空間開始時刻，可以任意決定為從診斷開始時刻回溯比單位空間的資料長度(例如30天)長的時間的時刻。又，第2單位空間及第3單位空間的開始時刻，理想是回溯比單位空間的更新周期更長時間的時刻。本實施形態中，例示對應回溯至過去的3個時期之3個單位空間，但單位空間的數量不限於此。
診斷部6(參照圖1)，分別關於單位空間資料作成部5作成的3個單位空間，求出相同診斷時刻中的馬氏距離。即，診斷部6，求出根據第1單位空間的第1馬氏距離、根據第2單位空間的第2馬氏距離以及根據第3單位空間的第3馬氏距離。
異常判定部7(參照圖1)，根據上述3個馬氏距離的變化量，判定設備異常。圖13，係用以說明異常的判定方法圖。圖13中，顯示分別對應第1到第3的單位空間之第1到第3馬氏距離。馬氏距離的變化量，相當於第1到第3馬氏距離的變動幅度。圖13的例中，馬氏距離的變化量，相當於最小值的第1馬氏距離與最大值的第3馬氏距離之差。
異常判定部7，當馬氏距離的變化量比預先設定的臨界值大時，判定設備的運轉狀態異常。又，異常判定部7也可以構成為透過使用資料收集時期不同的複數單位空間的診斷之外，還並用實施形態1的診斷，診斷設備的異常。
[E. 作用效果] 其次，說明關於實施形態2的異常診斷裝置達到的作用效果。以下的說明中，假設使用資料收集時期互不相同的3個單位空間診斷診斷對象異常的情況。
圖14中，顯示2種時序資料的波形。波形A，係具有正常變動的時序資料的波形。波形B，具有與波形A近似的變動，但資料的大小緩慢增加。這緩慢的變動，相當於耗費比單位空間的更新周期長的時間緩慢變化的經年惡化等的異常變動。
第1單位空間，以診斷區間的開始時刻最近的正常運轉資料作成。第2單位空間，以比第1單位空間更回溯的正常運轉資料作成。第3單位空間，以比第2單位空間又更回溯的正常運轉資料作成。第1到第3單位空間的正常運轉資料收集時期互不相同。
診斷部6(參照圖1)，使用診斷區間的資料以及分別第1到第3單位空間，根據MT法算出馬氏距離。圖15中，顯示分別算出關於圖14的波形A及波形B的馬氏距離。各波形中，顯示使用第1單位空間算出的馬氏距離、使用第2單位空間算出的馬氏距離以及使用第3單位空間算出的馬氏距離。
波形A中，3個馬氏距離具有同等的大小，根據單位空間的資料收集時期馬氏距離沒變化。相對於此，波形B中，第3單位空間中的馬氏距離最大，第1單位空間中的馬氏距離最小。這樣，時序資料中具有經年惡化引起的異常變動時，根據單位空間的資料收集時期馬氏距離變化。
異常判定部7(參照圖1)，根據上述3個馬氏距離的變化量，判定診斷對象的異常。馬氏距離的變化量，相當於第1到第3馬氏距離的變動幅度。異常判定部7，當馬氏距離的變化量比預先設定的臨界值大時，判定設備的運轉狀態異常。
圖15的例中，只使用第1單位空間求出波形B的時序資料的馬氏距離時，具有正常變動的波形A與具有異常變動的波形B的馬氏距離相等。因此，不能檢測出波形B的異常變動。
相對於此，本實施形態2中，使用比第1單位空間資料收集時期更回溯的第2單位空間及第3單位空間，求出馬氏距離，因此波形A及波形B的馬氏距離出現差異。這樣，使用資料收集時期互不相同的複數單位空間，透過求出相同診斷區間的馬氏距離，根據馬氏距離的變化量，可以檢測出經年惡化引起的異常變動。
實施形態3 實施形態3中，說明關於實施形態1中的單位空間更新方法。單位空間的更新，由單位空間資料作成部5(參照圖1)實行。又，本實施形態中使用的單位空間資料長度以及更新周期，係根據實施形態1中說明的方法，由單位空間定義部4決定的資料長度(資料數)及更新周期。
圖16，係用以說明單位空間的更新方法處理程序圖。圖16(A)到圖16(C)中，開始診斷後，每到達更新時期，就階段性顯示更新單位空間的情況。
首先，如圖16(A)所示，開始診斷時，診斷部6從診斷開始時刻到到達第1次更新時期的時刻(以下，也稱作「第1更新時期」)為止進行診斷。此初次的診斷使用的單位空間(以下，也稱作「第1單位空間」)，係從讀取資料切出單位空間定義部4決定的資料長度(以下，也稱「單位空間資料數」)的正常運轉資料。
診斷開始後，到達第1更新時期時，單位空間資料作成部5，撤消初次診斷使用的第1單位空間的同時，也新作成第1更新時期以後的第2診斷使用的單位空間(以下，也稱作「第2單位空間」)。
圖16(B)中，顯示第2單位空間的作成方法。單位空間資料作成部5，從診斷開始時刻在第1更新時期之間單位空間資料積累部8積累的資料中，使用馬氏距離在預定臨界值以下的資料，作成第2單位空間。因此，撤消構成第1單位空間的全部資料(第1單位空間資料)，不會在第2單位空間中使用。
具體地，單位空間資料作成部5，從診斷開始時刻到第1更新時期為止的期間的資料中，抽出根據MT法算出的馬氏距離在臨界值以下(即，判定為正常)的資料。又，單位空間資料作成部5，從這抽出的資料中，從最接近第1更新時期的時刻(最新時刻)的資料往過去回溯，抽出單位空間資料數部分的資料，新作成第2單位空間。診斷部6，使用此第2單位空間進行第2(第1更新時期以後的)診斷。
第2診斷開始後，到達第2次的更新時期(以下，也稱作「第2更新時期」)時，單位空間資料作成部5，撤消第2診斷中使用的第2單位空間。於是，單位空間資料作成部5，新作成第2更新時期以後的第3診斷中使用的單位空間(以下，也稱作「第3單位空間」)。
圖16(C)中，顯示第3單位空間的作成方法。單位空間資料作成部5，從第2診斷開始時刻開始在第2更新時期之間單位空間資料積累部8積累的資料中，使用馬氏距離在預定的臨界值以下的資料，作成第3單位空間。因此，撤消構成第2單位空間的全部資料(第2單位空間資料)，對第3單位空間不使用。
具體地，單位空間資料作成部5，從第1更新時期(第2診斷開始時刻)到第2更新時期為止的期間之資料中，抽出馬氏距離在臨界值以下(即判定為正常)的資料。還有，單位空間資料作成部5，從抽出的資料中，從最接近第2更新時期的時刻(最新時刻)的資料往過去回溯，抽出單位空間資料數部分的資料，新作成第3單位空間。診斷部6，使用此第3單位空間，進行第3(第2更新時期以後的)診斷。
第3診斷的開始時刻以後，單位空間資料作成部5，每到達更新時期，透過重複上述程序，周期性更新單位空間。診斷部6，使用周期性更新的單位空間繼續診斷。因此，更新周期，理想是與單位空間資料數相同或比單位空間資料數更長。又，使用複數單位空間的診斷中，也使用同樣的程序周期性更新各單位空間。使用更新的複數單位空間進行診斷。
這樣，每到達更新時期，撤消到此為止的診斷中使用的單位空間，不再度使用過去的診斷中使用的單位空間資料(構成單位空間的資料)，使用最近從設備取得的資料中馬氏距離在臨界值以下的資料，新作成單位空間，在更新時期以後的診斷中使用。因此，使用反映診斷對象設備在最新狀態的正常資料所構成的單位空間，可以實施診斷，無誤判的診斷成為可能。
實施形態4 以實施形態3說明的單位空間更新方法中，從診斷開始時刻開始在下一更新時期之間單位空間資料積累部8積累的資料中，馬氏距離在臨界值以下的資料數，在未滿單位空間定義部4中預先決定的單位空間資料數時可以產生。實施形態4中，說明關於這樣的情況下的單位空間更新方法。
實施形態4的單位空間的更新方法，存在以下所述的第1更新方法及第2更新方法。單位空間資料作成部5，選擇這2種更新方法中任一種，可以更新單位空間。
(1)第1更新方法 圖17及圖18係用以說明單位空間的第1更新方法處理程序的圖。圖17(A)到圖17(C)及圖18(A)到圖18(C)中，開始診斷後，每到達更新時期，就階段性顯示更新單位空間的情況。
圖17及圖18，與圖16比較，第3單位空間的作成方法不同。具體地，圖17中，用以作成第3單位空間的資料數未滿單位空間資料數的情況。圖18中，顯示圖17所示的情況下作成第3單位空間的程序。又，圖17(A)及圖17(B)，因為與圖16(A)及圖16(B)相同，不重複關於這些的詳細說明。
如圖17(C)所示，因為作成第3單位空間，單位空間資料作成部5從第2診斷開始時刻開始在第2更新時期之間單位空間資料積累部8積累的資料中，抽出馬氏距離在臨界值以下(即判定為正常)的資料。還有，單位空間資料作成部5，從抽出的資料中，從最接近第2更新時期的時刻(最新時刻)的資料開始往過去回溯，抽出預先決定的單位空間資料數部分的資料。
在此，馬氏距離在臨界值以下的資料數未滿單位空間資料數時，單位空間資料作成部5，如圖18(A)所示，即使到達第2更新時期也不更新單位空間。即，單位空間資料作成部5，不新作成第3單位空間，保持第2單位空間。因此，診斷部6，使用第2單位空間，對第2更新時期以後的資料也進行診斷。稱此診斷為第2’診斷。
第2’診斷中，診斷部6，使用第2單位空間以及第2’診斷開始時刻以後以資料讀取部2讀取且根據需要施行前處理的資料，算出馬氏距離。
如圖18(B)所示，第2’診斷，從第2診斷開始時刻到最新診斷為止(使用第2單位空間進行診斷的期間，即第2診斷與第2’診斷之間) 單位空間資料積累部8積累的資料中馬氏距離在臨界值以下的資料數繼續直到與單位空間定義部4預先決定的單位空間資料數相同的時刻。又，此馬氏距離在臨界值以下的資料數與單位空間資料數變成相同的時刻作為新的更新時期。
圖18(C)中，從第2診斷開始時刻到新的更新時期為止(使用第2單位空間的診斷範圍)的資料中，馬氏距離在臨界值以下的資料數達到單位空間資料數時，診斷部6就結束第2’診斷。此時，單位空間資料作成部5，撤消新的更新時期為止的診斷中使用的單位空間，從第2診斷開始時刻到最新診斷為止(使用第2單位空間進行診斷的期間，即第2診斷與第2’診斷之間) 單位空間資料積累部8積累的資料中，新作成馬氏距離在臨界值以下的資料為第3單位空間。即，單位空間，從本來的第2更新時期延遲更新。診斷部6，使用第3單位空間開始第3診斷。
又，圖18(C)中，新的更新時期以後的更新周期的計數，在新的更新時期(應用新作成的第3單位空間於診斷的時刻)重置。因此，單位空間資料作成部5，以此時刻為起點計算更新周期，到達第3次的更新時期(以下，也稱作「第3更新時期」)時，新作成第3更新時期以後的第4診斷中使用的單位空間(以下，也稱作「第4單位空間」)。
單位空間資料作成部5，根據抽出的資料數轉換使用實施形態3所示的更新方法以及上述第1更新方法，藉此適當更新單位空間。診斷部6，使用更新的單位空間繼續進行診斷。據此，因為只使用馬氏距離在臨界值以下的資料產生單位空間，可以抑制使用包含異常資料的單位空間之診斷引起的誤判定。又，因為這樣作成的單位空間反映最新設備狀態，可以防止誤判定季節變動等的正常變動為異常。
(2)第2更新方法 圖19到圖21，係用以說明單位空間的第2更新方法處理程序的圖。圖19(A)到圖19(C)、圖20(A)到圖20(C)以及圖21(A)到圖21(C)中，診斷開始後，每到達更新周期就階段性顯示更新單位空間的情況。
圖19及圖20，與圖16比較，第3單位空間的作成方法不同。具體地，圖19及圖20中，顯示用以作成第3單位空間的資料數未滿單位空間資料數時的第3單位空間之程序。又，圖19(A)及圖19(B)，因為與圖16(A)及圖16(B)相同，不重複關於那些的詳細說明。
如圖19(C)所示，因為作成第3單位空間，單位空間資料作成部5，到達第2更新時期時，就撤消到此為止的診斷中使用的單位空間，從第2診斷開始時刻開始第2更新時期之間單位空間資料積累部8積累的資料中，抽出馬氏距離在臨界值以下(即判定為正常)的資料。還有，單位空間資料作成部5，從抽出的資料中，從最接近第2更新時期的時刻(最新時刻)的資料開始往過去回溯，抽出預先決定的單位空間資料數部分的資料。
第2更新方法中，即使馬氏距離在臨界值以下的資料數未滿單位空間定義部4預先決定的單位空間資料數的情況下，單位空間資料作成部5也撤消第2更新時期中到此為止的診斷中使用的單位空間，新作成第3單位空間。因此，診斷部6，在第2更新時期以後，會使用第3單位空間進行第3診斷。
第2更新方法，如同根據季節變動周期等決定更新周期的情況，應用於理想是固定運用預先決定的更新周期的情況。但是，馬氏距離在臨界值以下的資料數，變得比馬氏距離的算出中使用的評估項目數或其定數倍少時，有可能變得不能正確診斷。於是，如圖19(C)所示，馬氏距離在臨界值以下的資料數是評估項目數以上或其定數倍以上的話，單位空間資料作成部5，即使未滿預先決定的單位空間資料數的情況下，也使用馬氏距離在臨界值以下的資料，作成第3單位空間，在第3診斷中使用。
圖20(A)中，顯示第4單位空間的作成方法。單位空間資料作成部5，從第3診斷開始時刻開始在第3更新時期之間單位空間資料積累部8積累的資料中，使用馬氏距離在臨界值以下的資料，作成第4單位空間。
圖20(A)中，用以作成第4單位空間的馬氏距離在臨界值以下的資料數未滿單位空間資料數，而且馬氏距離在臨界值以下的資料數比評估項目數或其定數倍少的情況發生。這樣的情況下，單位空間資料作成部5即使到達第3更新時期也不更新單位空間。即，如圖20(B)所示，單位空間資料作成部5不新作成第4單位空間，保持第3單位空間。因此，如圖20(C)所示，診斷部6，使用第3單位空間對第3更新時期以後的資料也進行診斷。即，使用第3單位空間進行第4診斷。
圖21(A)〜(C)中，顯示第4單位空間的作成方法。第4診斷開始後，到達第4次的更新時期(以下，也稱作「第4更新時期」)時，單位空間資料作成部5，從第4診斷開始時刻開始第4更新時期之間在單位空間資料積累部8積累的資料中，抽出馬氏距離在臨界值以下(即，判定為正常)的資料。
在此，馬氏距離在臨界值以下的資料數未滿單位空間定義部4預先決定的單位空間資料數時，單位空間資料作成部5判定馬氏距離在臨界值以下的資料數是否是診斷中使用的評估項目數或其定數倍以上。確認馬氏距離在臨界值以下的資料數是診斷中使用的評估項目數或其定數倍以上時，單位空間資料作成部5，如圖21(B)所示，使用馬氏距離在臨界值以下的資料，新作成第4單位空間，藉此，診斷部6會使用第4單位空間進行第5診斷。
單位空間資料作成部5，根據抽出的資料數，透過轉換使用實施形態3所示的更新方法以及上述第2更新方法， 適當更新單位空間。診斷部6，使用更新的單位空間繼續進行診斷。藉此，因為只使用馬氏距離在臨界值以下的資料產生單位空間，可以抑制使用包含異常資料的單位空間的診斷引起的誤判定。又，因為如此作成的單位空間反映最新設備狀態，可以防止誤判定季節變動等的正常變動為異常。還有，即使具有季節變動等的周期性的正常狀態變化的情況下，因為也可以以一定的周期更新單位空間，可以防止誤判定。
實施形態5 實施形態5中，說明關於從單位空間更新時單位空間資料積累部8積累的資料中，選擇使用作為新作成的單位空間的資料之馬氏距離臨界值的決定方法。圖22，係用以說明決定馬氏距離臨界值的方法圖。圖22中，例示馬氏距離的度數分布(矩形圖)。圖22的矩形圖，係異常未發生的正常狀態，對於在已知的任意期間的資料進行診斷，求出的馬氏距離矩形圖。矩形圖的橫軸表示馬氏距離的區分，縱軸表示各區分內包含的馬氏距離的相對度數以及累積相對度數。
實施形態5中，對於馬氏距離的累積相對度數，預先設定用以決定馬氏距離臨界值的判定值。於是，將累積相對度數成為判定值時的馬氏距離，決定為馬氏距離臨界值。圖22的例中，累積相對度數的判定值為95%。可以決定累積相對度數成為95%時的馬氏距離作為臨界值。這樣，根據正常狀態是已知的資料求出的馬氏距離矩形圖，透過決定臨界值，依照診斷對象設備或機器，可以決定最適當的臨界值，成為可以防止誤判定。
又，關於以上說明的複數實施形態，包含說明書內未提及的組合，在不產生不合理或矛盾的範圍內，適當組合各實施形態中說明的構成是申請當初預定的。
應認為以這次揭示的實施形態全部的點是例示而非限制。本揭示的範圍不是上述說明而是根據申請範圍所示，意圖包含與申請範圍均等的意義及範圍內的全部變更。
1:異常診斷裝置 2:資料讀取部 3:資料顯示部 4:單位空間定義部 5:單位空間資料作成部 6:診斷部 7:異常判定部 8:單位空間資料積累部 9:判定結果輸出部 10:資料長度決定部 11:更新周期決定部 20:CPU(中央處理單元) 21:ROM(唯讀記憶體) 22:RAM(隨機存取記憶體) 23:HDD(硬碟) 24:通訊界面(I/F) 25:I/O(輸入/輸出)界面 26:輸入部 27:顯示部
[圖1]係顯示實施形態1的異常診斷裝置的機能構成方塊圖。 [圖2]係用以說明決定單位空間的資料長度之第1方法的處理程序流程圖。 [圖3]係用以說明圖2的步驟S02的處理圖。 [圖4] 係用以說明圖2的步驟S04的處理圖。 [圖5] 係用以說明決定單位空間的資料長度之第2方法的處理程序流程圖。 [圖6] 係用以說明決定單位空間的更新周期之第1方法的處理程序流程圖。 [圖7] 係用以說明圖6的步驟S25的處理圖。 [圖8] 係用以說明決定單位空間的更新周期之第2方法的處理程序流程圖。 [圖9] 係顯示實施形態1的異常診斷裝置的硬體構成例方塊圖。 [圖10]係用以說明實施形態1的異常診斷裝置作用效果的圖。 [圖11] 係用以說明實施形態1的異常診斷裝置作用效果的圖。 [圖12] 係用以說明實施形態1的異常診斷裝置作用效果的圖。 [圖13] 係用以說明實施形態2的異常診斷方法的圖。 [圖14] 係用以說明實施形態2的異常診斷裝置作用效果的圖。 [圖15] 係用以說明實施形態2的異常診斷裝置作用效果的圖。 [圖16] 係用以說明單位空間資料的更新方法處理程序的圖。 [圖17] 係用以說明單位空間資料的第1更新方法處理程序的圖。 [圖18] 係用以說明單位空間資料的第1更新方法處理程序的圖。 [圖19] 係用以說明單位空間資料的第2更新方法處理程序的圖。 [圖20] 係用以說明單位空間資料的第2更新方法處理程序的圖。 [圖21] 係用以說明單位空間資料的第2更新方法處理程序的圖。 [圖22]係用以說明決定馬氏距離臨界值的方法圖。
1:異常診斷裝置
2:資料讀取部
3:資料顯示部
4:單位空間定義部
5:單位空間資料作成部
6:診斷部
7:異常判定部
8:單位空間資料積累部
9:判定結果輸出部
10:資料長度決定部
11:更新周期決定部

Claims (16)

  1. 一種異常診斷方法，係診斷診斷對象的運轉狀態異常之異常診斷方法，包括：根據上述診斷對象的正常運轉資料，作成用以判定上述診斷對象運轉狀態的基準之單位空間的步驟；從上述診斷對象，取得具有複數評估項目的狀態量之資料的步驟；利用作成的上述單位空間，算出取得的上述資料的馬氏距離的步驟；以及根據算出的上述馬氏距離，判定上述診斷對象的運轉狀態異常的步驟；其中，作成上述單位空間的步驟，包含作成資料長度互不相同的複數單位空間的步驟；作成上述複數單位空間的步驟，包含根據從上述診斷對象取得的上述資料中的上述複數評估項目間的相關係數以及上述資料的正常變動周期中至少1個，決定各上述複數單位空間的資料長度的步驟；算出上述馬氏距離的步驟，包含利用作成的上述複數單位空間算出複數馬氏距離的步驟；判定上述異常的步驟，包含根據算出的上述複數馬氏距離判定異常的步驟。
  2. 一種異常診斷方法，係診斷診斷對象的運轉狀態異常之異常診斷方法，包括：根據上述診斷對象的正常運轉資料，作成用以判定上述診斷對象運轉狀態的基準之單位空間的步驟；從上述診斷對象，取得具有複數評估項目的狀態量之資料的步驟；利用作成的上述單位空間，算出取得的上述資料的馬氏距離的步驟；以及根據算出的上述馬氏距離，判定上述診斷對象的運轉狀態異常的步驟；其中，作成上述單位空間的步驟，包含作成資料長度互不相同的複數單位 空間的步驟；算出上述馬氏距離的步驟，包含利用作成的上述複數單位空間，對相同診斷時刻的上述資料，算出複數馬氏距離的步驟；判定上述異常的步驟，包含根據算出的上述複數馬氏距離判定異常的步驟。
  3. 如請求項1或2之異常診斷方法，更包括：根據從上述診斷對象取得的上述資料中的上述複數評估項目間的相關係數，決定上述單位空間的更新周期，周期性更新上述單位空間的步驟。
  4. 如請求項1或2之異常診斷方法，更包括：使用根據從上述診斷對象取得的前述資料中的上述複數評估項目間的相關係數決定的更新周期以及決定為根據上述資料的變動周期分析求得的周期定數倍之更新周期之中至少1個，周期性更新上述單位空間的步驟。
  5. 如請求項2之異常診斷方法，其中，作成上述複數單位空間的步驟，包含根據從上述診斷對象取得的資料中的上述複數評估項目間的相關係數以及上述資料的正常變動周期之中至少1個，決定各上述複數單位空間的資料長度的步驟。
  6. 如請求項4之異常診斷方法，其中，周期性更新上述單位空間的步驟，包括：診斷開始後，每到達根據上述更新周期的更新時期，就撤消構成直到上述更新時期為止的診斷中使用的上述單位空間之全部資料的步驟；診斷開始後，到達第1次上述更新時期時，從診斷開始時刻到上述第1次更新時期為止取得的上述資料中，從最新往過去回溯抽出上述單位空間資料數部分上述馬氏距離在臨界值以下的資料的同時，利用抽出的資料新作成上述第1次更新時期以後的診斷中使用的上述單位空間的步驟；以及診斷開始後，到達第2次以後的各上述更新時期時，前次的上述更新時期到 這次的上述更新時期為止取得的上述資料中，從最新往過去回溯抽出上述單位空間資料數部分上述馬氏距離在上述臨界值以下的資料的同時，利用抽出的資料新作成上述這次更新時期以後的診斷中使用的上述單位空間的步驟。
  7. 如請求項4之異常診斷方法，其中，周期性更新上述單位空間的步驟，包括：診斷開始後，到達根據上述更新周期的第1次更新時期時，從診斷開始時刻到上述第1次更新時期為止取得的上述資料中，從最新往過去回溯抽出上述馬氏距離在臨界值以下的資料，利用抽出的資料新作成上述第1次更新時期以後的診斷中使用的第1上述單位空間的步驟；以及診斷開始後，到達第2次以後的各上述更新時期時，前次的上述更新時期到這次的上述更新時期為止取得的上述資料中，從最新往過去回溯抽出上述馬氏距離在上述臨界值以下的資料，利用抽出的資料新作成上述這次更新時期以後的診斷中使用的第2上述單位空間的步驟；新作成上述第1單位空間的步驟，包括：在上述第1次更新時期，從診斷開始時刻到上述第1次更新時期為止取得的上述資料中上述馬氏距離在上述臨界值以下的資料數，未滿上述單位空間資料數的情況下，上述第1次更新時期以後也使用與上述第1次更新時期前相同的上述單位空間繼續診斷的步驟；從診斷開始時刻到最新診斷為止取得的上述資料中，以上述馬氏距離在上述臨界值以下的資料數達到上述單位空間資料數的時刻作為新的更新時期，到達上述新的更新時期時，撤消構成直到上述新的更新時期為止的診斷中使用的上述單位空間的全部資料的同時，從診斷開始時刻到上述新的更新時期為止取得的上述資料中，使用上述馬氏距離在上述臨界值以下的資料，作成上述新的更新時期以後的診斷中使用的上述第1單位空間的步驟； 新作成上述第2單位空間的步驟，包括：在上述這次的更新時期，從前次的上述更新時期到這次的上述更新時期為止取得的上述資料中，上述馬氏距離在上述臨界值以下的資料數未滿上述單位空間資料數的情況下，這次的上述更新時期以後也使用與這次的上述更新時期前相同的上述單位空間繼續診斷的步驟；以及從前次的上述更新時期到最新診斷為止取得的上述資料中，以上述馬氏距離在臨界值以下的資料數未達到上述單位空間資料數的時刻作為新的更新時期，到達上述新的更新時期時，撤消構成直到上述新的更新時期為止的診斷中使用的上述單位空間的全部資料的同時，從前次的上述更新時期到上述新的更新時期為止取得的上述資料中，使用上述馬氏距離在上述臨界值以下的資料，作成上述新的更新時期以後的診斷中使用的上述第2單位空間的步驟。
  8. 如請求項4之異常診斷方法，其中，周期性更新上述單位空間的步驟，包括：診斷開始後，到達根據上述更新周期的第1次更新時期時，新作成上述第1次更新時期以後的診斷中使用的第1上述單位空間的步驟；以及診斷開始後，到達第2次以後的各上述更新時期時，新作成上述這次更新時期以後的診斷中使用的第2上述單位空間的步驟；新作成上述第1單位空間的步驟，包括：在上述第1次更新時期，從診斷開始時刻到上述第1次更新時期為止取得的上述資料中上述馬氏距離在上述臨界值以下的資料數未滿單位空間資料數，上述馬氏距離的算出中使用的評估項目數以上或其定數倍以上時，撤消構成直到上述第1次更新時期為止的診斷中使用的上述單位空間的全部資料的同時，使用直到上述第1次更新時期為止取得的上述馬氏距離在臨界值以下的資料，作成上述第1次更新時期以後的診斷中使用的上述第1單位空間的步驟；以及 從診斷開始時刻到上述第1次更新時期為止取得的上述資料中，上述馬氏距離在上述臨界值以下的資料數未滿上述單位空間資料數，未滿上述評估項目數或未滿其定數倍時，直到到達第2次上述更新時期為止，使用與上述第1次更新時期前相同的上述單位空間，直到其次的上述更新時期為止繼續診斷的步驟；新作成上述第2單位空間的步驟，包括：在這次的上述更新時期，從前次的上述更新時期到上述這次的上述更新時期為止取得的上述資料中，上述馬氏距離在上述臨界值以下的資料數未滿上述單位空間資料數，在上述評估項目數以上或其定數倍以上時，撤消構成直到上述這次的更新時期為止的診斷中使用的上述單位空間的全部資料的同時，使用從上述前次的更新時期到上述這次的更新時期為止取得的上述馬氏距離在上述臨界值以下的資料，作成上述這次的更新時期以後的診斷中使用的上述第2單位空間的步驟；以及從上述前次的更新時期到上述這次的更新時期為止取得的上述資料中，上述馬氏距離在上述臨界值以下的資料數未滿上述單位空間資料數，未滿上述評估項目數或未滿其定數倍時，直到到達下次的上述更新時期為止，使用與上述這次的更新時期前相同的上述單位空間繼續診斷的步驟。
  9. 如請求項6~8中任一項之異常診斷方法，更包括：對於未發生異常是已知的任意期間，使用求出的馬氏距離作成矩形圖，上述矩形圖的累積相對度數成為預定值時設定上述馬氏距離為上述臨界值的步驟。
  10. 一種異常診斷方法，係診斷診斷對象的運轉狀態異常之異常診斷方法，包括：根據上述診斷對象的正常運轉資料，作成用以判定上述診斷對象運轉狀態的基準之單位空間的步驟； 從上述診斷對象，取得具有複數評估項目的狀態量之資料的步驟；利用作成的上述單位空間，算出取得的上述資料的馬氏距離的步驟；以及根據算出的上述馬氏距離，判定上述診斷對象的運轉狀態異常的步驟；其中，作成上述單位空間的步驟，包含作成正常運轉資料的收集時期互不相同的複數單位空間的步驟；算出上述馬氏距離的步驟，包含利用作成的上述複數單位空間算出複數馬氏距離的步驟；判定上述異常的步驟，包含根據算出的上述複數馬氏距離變化量判定異常的步驟。
  11. 一種異常診斷裝置，係診斷診斷對象的運轉狀態異常之異常診斷裝置，包括：單位空間資料作成部，根據上述診斷對象的正常運轉資料，作成用以判定上述診斷對象運轉狀態的基準之單位空間；資料讀取部，從上述診斷對象，取得具有複數評估項目的狀態量之資料；診斷部，利用作成的上述單位空間，算出取得的上述資料的馬氏距離；異常判定部，根據算出的上述馬氏距離，判定上述診斷對象的運轉狀態異常；以及單位空間定義部，定義上述單位空間；其中，上述單位空間資料作成部，作成資料長度互不相同的複數單位空間；上述單位空間定義部，根據從上述診斷對象取得的上述資料中的上述複數評估項目間的相關係數以及上述資料的正常變動周期中至少1個，決定各上述複數單位空間的資料長度；上述診斷部，利用作成的上述複數單位空間算出複數馬氏距離；上述異常判定部，根據算出的上述複數馬氏距離判定異常。
  12. 一種異常診斷裝置，係診斷診斷對象的運轉狀態異常之異常診斷裝置，包括：單位空間資料作成部，根據上述診斷對象的正常運轉資料，作成用以判定上述診斷對象運轉狀態的基準之單位空間；資料讀取部，從上述診斷對象，取得具有複數評估項目的狀態量之資料；診斷部，利用作成的上述單位空間，算出取得的上述資料的馬氏距離；以及異常判定部，根據算出的上述馬氏距離，判定上述診斷對象的運轉狀態異常；其中，上述單位空間資料作成部，作成資料長度互不相同的複數單位空間；上述診斷部，利用作成的上述複數單位空間，對相同診斷時刻的上述資料，算出複數馬氏距離；上述異常判定部，根據算出的上述複數馬氏距離判定異常。
  13. 一種異常診斷裝置，係診斷診斷對象的運轉狀態異常之異常診斷裝置，包括：單位空間資料作成部，根據上述診斷對象的正常運轉資料，作成用以判定上述診斷對象運轉狀態的基準之單位空間；資料讀取部，從上述診斷對象，取得具有複數評估項目的狀態量之資料；診斷部，利用作成的上述單位空間，算出取得的上述資料的馬氏距離；以及異常判定部，根據算出的上述馬氏距離，判定上述診斷對象的運轉狀態異常；其中，上述單位空間資料作成部，作成上述正常運轉資料的收集時期互不相同的複數單位空間； 上述診斷部，利用作成的上述複數單位空間算出複數馬氏距離；上述異常判定部，根據算出的上述複數馬氏距離的變化量判定異常。
  14. 一種異常診斷程式，係用以使電腦實行診斷診斷對象的運轉狀態異常的處理之程式，使上述電腦實行的步驟包括：根據上述診斷對象的正常運轉資料，作成用以判定上述診斷對象運轉狀態的基準之單位空間的步驟；從上述診斷對象，取得具有複數評估項目的狀態量之資料的步驟；利用作成的上述單位空間，算出取得的上述資料的馬氏距離的步驟；以及根據算出的上述馬氏距離，判定上述診斷對象的運轉狀態異常的步驟；其中，作成上述單位空間的步驟，包含作成資料長度互不相同的複數單位空間的步驟；作成上述複數單位空間的步驟，包含根據從上述診斷對象取得的上述資料中的上述複數評估項目間的相關係數以及上述資料的正常變動周期中至少1個，決定各上述複數單位空間的資料長度的步驟；算出上述馬氏距離的步驟，包含利用作成的上述複數單位空間算出複數馬氏距離的步驟；判定上述異常的步驟，包含根據算出的上述複數馬氏距離判定異常的步驟。
  15. 一種異常診斷程式，係用以使電腦實行診斷診斷對象的運轉狀態異常的處理之程式，使上述電腦實行的步驟包括：根據上述診斷對象的正常運轉資料，作成用以判定上述診斷對象運轉狀態的基準之單位空間的步驟；從上述診斷對象，取得具有複數評估項目的狀態量之資料的步驟；利用作成的上述單位空間，算出取得的上述資料的馬氏距離的步驟；以及根據算出的上述馬氏距離，判定上述診斷對象的運轉狀態異常的步驟； 作成上述單位空間的步驟，包含作成資料長度互不相同的複數單位空間的步驟；算出上述馬氏距離的步驟，包含利用作成的上述複數單位空間，對相同診斷時刻的上述資料，算出複數馬氏距離的步驟；判定上述異常的步驟，包含根據算出的上述複數馬氏距離判定異常的步驟。
  16. 一種異常診斷程式，係用以使電腦實行診斷診斷對象的運轉狀態異常的處理之程式，使上述電腦實行的步驟包括：根據上述診斷對象的正常運轉資料，作成用以判定上述診斷對象運轉狀態的基準之單位空間的步驟；從上述診斷對象，取得具有複數評估項目的狀態量之資料的步驟；利用作成的上述單位空間，算出取得的上述資料的馬氏距離的步驟；以及根據算出的上述馬氏距離，判定上述診斷對象的運轉狀態異常的步驟；其中，作成上述單位空間的步驟，包含作成正常運轉資料的收集時期長度互不相同的複數單位空間的步驟；算出上述馬氏距離的步驟，包含利用作成的上述複數單位空間，算出複數馬氏距離的步驟；判定上述異常的步驟，包含根據算出的上述複數馬氏距離的變化量判定異常的步驟。
TW109124904A 2019-08-01 2020-07-23 異常診斷方法、異常診斷裝置以及異常診斷程式 TWI755794B (zh)

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
PCT/JP2019/030206 WO2021019760A1 (ja) 2019-08-01 2019-08-01 異常診断方法、異常診断装置および異常診断プログラム
WOPCT/JP2019/030206 2019-08-01
PCT/JP2020/018135 WO2021019857A1 (ja) 2019-08-01 2020-04-28 異常診断方法、異常診断装置および異常診断プログラム
WOPCT/JP2020/018135 2020-04-28

Publications (2)

Publication Number Publication Date
TW202107058A TW202107058A (zh) 2021-02-16
TWI755794B true TWI755794B (zh) 2022-02-21

Family

ID=74230554

Family Applications (1)

Application Number Title Priority Date Filing Date
TW109124904A TWI755794B (zh) 2019-08-01 2020-07-23 異常診斷方法、異常診斷裝置以及異常診斷程式

Country Status (6)

Country Link
US (1) US11977373B2 (zh)
JP (1) JP7224469B2 (zh)
CN (1) CN114207538A (zh)
DE (1) DE112020003659T5 (zh)
TW (1) TWI755794B (zh)
WO (2) WO2021019760A1 (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP7415654B2 (ja) * 2020-02-26 2024-01-17 株式会社デンソー 電池監視システム
KR20230137981A (ko) * 2021-03-09 2023-10-05 미츠비시 파워 가부시키가이샤 플랜트 감시 방법, 플랜트 감시 장치 및 플랜트 감시 프로그램

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100198555A1 (en) * 2008-02-27 2010-08-05 Mitsubishi Heavy Industries, Ltd. Plant state monitoring method, plant state monitoring computer program, and plant state monitoring apparatus
US20170201412A1 (en) * 2016-01-08 2017-07-13 Fujitsu Limited Method and device for detecting radio communication anomalies
US20190018402A1 (en) * 2015-12-28 2019-01-17 Kawasaki Jukogyo Kabushiki Kaisha Plant-abnormality-monitoring method and computer program for plant abnormality monitoring
US20190204815A1 (en) * 2016-10-12 2019-07-04 Omron Corporation Operation state monitoring apparatus, learning data generation apparatus, method and program

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005351618A (ja) 2005-07-07 2005-12-22 Mitsubishi Electric Corp 流体回路診断方法
JP5345180B2 (ja) 2011-06-03 2013-11-20 三菱重工業株式会社 プラント監視装置、プラント監視プログラム及びプラント監視方法
JP6409375B2 (ja) * 2014-07-09 2018-10-24 株式会社Ihi パラメータ分類装置
JP6492555B2 (ja) 2014-11-07 2019-04-03 株式会社Ihi 異常診断方法、異常診断装置及び異常診断プログラム
JP6620056B2 (ja) * 2016-03-31 2019-12-11 三菱日立パワーシステムズ株式会社 機器の異常診断方法及び機器の異常診断装置
JP6903976B2 (ja) * 2017-03-22 2021-07-14 オムロン株式会社 制御システム
JP6860406B2 (ja) * 2017-04-05 2021-04-14 株式会社荏原製作所 半導体製造装置、半導体製造装置の故障予知方法、および半導体製造装置の故障予知プログラム
WO2021220358A1 (ja) 2020-04-27 2021-11-04 三菱電機株式会社 異常診断方法、異常診断装置および異常診断プログラム

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100198555A1 (en) * 2008-02-27 2010-08-05 Mitsubishi Heavy Industries, Ltd. Plant state monitoring method, plant state monitoring computer program, and plant state monitoring apparatus
US20190018402A1 (en) * 2015-12-28 2019-01-17 Kawasaki Jukogyo Kabushiki Kaisha Plant-abnormality-monitoring method and computer program for plant abnormality monitoring
US20170201412A1 (en) * 2016-01-08 2017-07-13 Fujitsu Limited Method and device for detecting radio communication anomalies
US20190204815A1 (en) * 2016-10-12 2019-07-04 Omron Corporation Operation state monitoring apparatus, learning data generation apparatus, method and program

Also Published As

Publication number Publication date
US11977373B2 (en) 2024-05-07
WO2021019760A1 (ja) 2021-02-04
TW202107058A (zh) 2021-02-16
JPWO2021019857A1 (zh) 2021-02-04
US20220413478A1 (en) 2022-12-29
DE112020003659T5 (de) 2022-04-21
CN114207538A (zh) 2022-03-18
WO2021019857A1 (ja) 2021-02-04
JP7224469B2 (ja) 2023-02-17

Similar Documents

Publication Publication Date Title
JP6105141B1 (ja) プリプロセッサおよび診断装置
EP2897012B1 (en) Plant monitoring device, plant monitoring program, and plant monitoring method
TWI755794B (zh) 異常診斷方法、異常診斷裝置以及異常診斷程式
JP5345180B2 (ja) プラント監視装置、プラント監視プログラム及びプラント監視方法
US20230081892A1 (en) Abnormality diagnosis method, abnormality diagnosis device and non-transitory computer readable storage medium
KR102408426B1 (ko) 설비 노화 지수를 이용한 이상 감지 방법 및 장치
JP4922265B2 (ja) プラント監視装置およびプラント監視方法
JP2014228887A (ja) 稼働データ分析装置およびその方法、ならびにプログラム
JP5490277B2 (ja) プラント運転状態監視方法
WO2019030945A1 (ja) 原因推定方法およびプログラム
JP2013041491A (ja) 異常診断装置
JP6915693B2 (ja) システム分析方法、システム分析装置、および、プログラム
KR20200007083A (ko) 품질 분석 장치 및 품질 분석 방법
JP5948998B2 (ja) 異常診断装置
JP5811683B2 (ja) 異常診断装置
JP6247777B2 (ja) 異常診断装置および異常診断方法
JP6347771B2 (ja) 異常診断装置、異常診断方法及び異常診断プログラム
JP6115607B2 (ja) 異常診断装置、異常診断方法及び異常診断プログラム
KR20210127223A (ko) 고로의 이상 판정 장치, 고로의 이상 판정 방법, 및 고로의 조업 방법
JP7026012B2 (ja) 機器状態監視システム及び機器状態監視方法
JP5817323B2 (ja) 異常診断装置
JP2020173518A (ja) 機器予兆監視装置、および、機器予兆監視方法
JP2013050759A (ja) 異常診断装置
JP5490278B2 (ja) プラント運転状態監視方法
CN114761892A (zh) 成套设备监视装置、成套设备监视方法及程序