特許ウォッチ

公開番号2024056242
公報種別公開特許公報(A)
公開日2024-04-23
出願番号2022162986
出願日2022-10-11
発明の名称要因分析装置、要因分析方法及びプログラム
出願人株式会社アイシン,国立大学法人大阪大学
代理人弁理士法人酒井国際特許事務所
主分類G06N 3/08 20230101AFI20240416BHJP(計算;計数)
要約【課題】設備の異常の要因を高精度に推定する要因分析装置、方法及びプログラムを提供する。
【解決手段】要因分析装置は、設備に関する物理量の所定の周期内における時系列変化を示す入力データを取得し、ニューラルネットワークを利用し、取得した入力データが正常データか異常データかを推定した結果を示す分類ラベルを出力する分類モデルを生成する。要因毎に、正常データと異常データとを含む教師データに基づいてニューラルネットワークにおけるパラメータを調整し分類モデルを生成し、入力データを分類モデルに入力して得られる分類ラベルと、正常データであるか異常データであるかを示す正解ラベルとの差分に基づいて、複数の分類モデル夫々について損失を算出し、損失を物理量で微分した、物理量の変化に対する損失の変化の大きさを示す微分値と、周期内における各時点と、の関係を示す損失変動情報を、複数の分類モデルの夫々について生成する。
【選択図】図2
特許請求の範囲【請求項１】
所定の設備の異常の要因を分析するための処理を行う要因分析装置であって、
前記設備に関する物理量の所定の周期内における時系列変化を示す入力データを取得する取得部と、
ニューラルネットワークを利用して構成され、入力された前記入力データが正常時の前記入力データである正常データか異常時の前記入力データである異常データかを推定した結果を示す分類ラベルを出力する分類モデルを生成するものであって、前記要因毎に準備され、前記正常データと前記異常データとを含む教師データに基づいて前記ニューラルネットワークにおけるパラメータを調整することにより、前記要因毎に前記分類モデルを生成するモデル生成部と、
前記入力データを複数の前記分類モデルのそれぞれに入力して得られる前記分類ラベルと、当該入力データが前記正常データであるか前記異常データであるかを示す正解ラベルと、の差分に基づいて、複数の前記分類モデルのそれぞれについて損失を算出し、前記損失を前記物理量で微分した値であって前記物理量の変化に対する前記損失の変化の大きさを示す微分値と、前記周期内における各時点と、の関係を示す損失変動情報を、複数の前記分類モデルのそれぞれについて生成する損失変動情報生成部と、
を備える要因分析装置。
続きを表示（約 1,600 文字）【請求項２】
前記損失変動情報を可視化する出力部、
を更に備える請求項１に記載の要因分析装置。
【請求項３】
前記モデル生成部により生成された前記分類モデルに前記教師データを入力することにより得られる前記分類ラベルと当該教師データの前記正解ラベルとに基づいて生成される複数の前記損失変動情報を、それぞれ対応する前記要因と紐づけて記憶する記憶部、
を更に備える請求項１に記載の要因分析装置。
【請求項４】
前記モデル生成部により生成された前記分類モデルに前記教師データを入力することにより得られる前記分類ラベルと当該教師データの前記正解ラベルとに基づいて生成される複数の前記損失変動情報を、それぞれ対応する前記要因と紐づけて記憶する記憶部と、
前記分類モデルに分析対象データを入力することにより得られる前記分類ラベルと当該分析対象データの前記正解ラベルとに基づいて生成される前記損失変動情報と、前記記憶部に記憶された前記教師データに対応し前記要因と紐付けられた前記損失変動情報と、を可視化する出力部と、
を更に備える請求項１に記載の要因分析装置。
【請求項５】
所定の設備の異常の要因を分析するための要因分析方法であって、
情報処理装置が、前記設備に関する物理量の所定の周期内における時系列変化を示す入力データを取得する工程と、
情報処理装置が、ニューラルネットワークを利用して構成され、入力された前記入力データが正常時の前記入力データである正常データか異常時の前記入力データである異常データかを推定した結果を示す分類ラベルを出力する分類モデルを生成するものであって、前記要因毎に準備され、前記正常データと前記異常データとを含む教師データに基づいて前記ニューラルネットワークにおけるパラメータを調整することにより、前記要因毎に前記分類モデルを生成する工程と、
情報処理装置が、前記入力データを複数の前記分類モデルのそれぞれに入力して得られる前記分類ラベルと、当該入力データが前記正常データであるか前記異常データであるかを示す正解ラベルと、の差分に基づいて、複数の前記分類モデルのそれぞれについて損失を算出し、前記損失を前記物理量で微分した値であって前記物理量の変化に対する前記損失の変化の大きさを示す微分値と、前記周期内における各時点と、の関係を示す損失変動情報を、複数の前記分類モデルのそれぞれについて生成する工程と、
を含む要因分析方法。
【請求項６】
所定の設備の異常の要因を分析するための処理を行うコンピュータに、
前記設備に関する物理量の所定の周期内における時系列変化を示す入力データを取得する処理と、
ニューラルネットワークを利用して構成され、入力された前記入力データが正常時の前記入力データである正常データか異常時の前記入力データである異常データかを推定した結果を示す分類ラベルを出力する分類モデルを生成するものであって、前記要因毎に準備され、前記正常データと前記異常データとを含む教師データに基づいて前記ニューラルネットワークにおけるパラメータを調整することにより、前記要因毎に前記分類モデルを生成する処理と、
前記入力データを複数の前記分類モデルのそれぞれに入力して得られる前記分類ラベルと、当該入力データが前記正常データであるか前記異常データであるかを示す正解ラベルと、の差分に基づいて、複数の前記分類モデルのそれぞれについて損失を算出し、前記損失を前記物理量で微分した値であって前記物理量の変化に対する前記損失の変化の大きさを示す微分値と、前記周期内における各時点と、の関係を示す損失変動情報を、複数の前記分類モデルのそれぞれについて生成する処理と、
を実行させるプログラム。

発明の詳細な説明【技術分野】
【０００１】
本発明の実施形態は、要因分析装置、要因分析方法及びプログラムに関する。
続きを表示（約 1,300 文字）【背景技術】
【０００２】
工場、プラント等における設備の異常の要因を、ニューラルネットワークを利用して構成される学習済みモデルを利用して推定する技術が開発されている。
【先行技術文献】
【特許文献】
【０００３】
国際公開第２０２１／２４１５８０号
国際公開第２０２２／０５４７８２号
【発明の概要】
【発明が解決しようとする課題】
【０００４】
本発明の実施形態は、設備の異常の要因を高精度に推定可能な要因分析装置、要因分析方法及びプログラムを提供することを課題とする。
【課題を解決するための手段】
【０００５】
本発明の一実施形態としての要因分析装置は、所定の設備の異常の要因を分析するための処理を行うものであって、設備に関する物理量の所定の周期内における時系列変化を示す入力データを取得する取得部と、ニューラルネットワークを利用して構成され、入力された入力データが正常時の入力データである正常データか異常時の入力データである異常データかを推定した結果を示す分類ラベルを出力する分類モデルを生成するものであって、要因毎に準備され、正常データと異常データとを含む教師データに基づいてニューラルネットワークにおけるパラメータを調整することにより、要因毎に分類モデルを生成するモデル生成部と、入力データを複数の分類モデルのそれぞれに入力して得られる分類ラベルと、当該入力データが正常データであるか異常データであるかを示す正解ラベルと、の差分に基づいて、複数の分類モデルのそれぞれについて損失を算出し、損失を物理量で微分した値であって物理量の変化に対する損失の変化の大きさを示す微分値と、周期内における各時点と、の関係を示す損失変動情報を、複数の分類モデルのそれぞれについて生成する損失変動情報生成部と、を備える。
【０００６】
上記構成によれば、損失の変動が大きい時点を特定可能である共に設備の異常の要因毎に異なる損失変動情報が生成される。このような損失変動情報に基づいて要因を推定することにより、設備の異常の要因を高精度に推定することが可能となる。
【０００７】
また、上記構成において、要因分析装置は、損失変動情報を可視化する出力部、を更に備えてもよい。
【０００８】
上記構成によれば、ユーザは可視化された損失変動情報に基づいて異常の要因を高精度且つ簡便に推定できる。
【０００９】
また、上記構成において、要因分析装置は、モデル生成部により生成された分類モデルに教師データを入力することにより得られる分類ラベルと当該教師データの正解ラベルとに基づいて生成される複数の損失変動情報を、それぞれ対応する要因と紐づけて記憶する記憶部、を更に備えてもよい。
【００１０】
上記構成によれば、教師データに基づいて予め生成され各要因と紐付けられた損失変動情報を、必要に応じて記憶部から読み出して参照等することができる。
（【００１１】以降は省略されています）

関連特許