特許ウォッチ

公開番号2024155704
公報種別公開特許公報(A)
公開日2024-10-31
出願番号2023209354
出願日2023-12-12
発明の名称異常診断装置、異常診断方法及びプログラム
出願人富士電機株式会社
代理人個人,個人
主分類G05B 23/02 20060101AFI20241024BHJP(制御;調整)
要約【課題】複数の異常診断モデルを用いる異常診断の効率化を実現すること。
【解決手段】本開示の一態様による異常診断装置は、対象の状態を表すデータを取得する取得部と、前記対象の複数の正常状態をそれぞれモデル化した複数の異常診断モデルの中から1つ以上の異常診断モデルを選択する選択部と、前記選択部によって選択された1以上の異常診断モデルと、前記取得部によって取得されたデータとに基づいて、前記対象の異常度を算出する算出部と、前記算出部によって算出された異常度に基づいて、前記対象が異常か否かを診断する診断部と、を有する。
【選択図】図2
特許請求の範囲【請求項１】
対象の状態を表すデータを取得する取得部と、
前記対象の複数の正常状態をそれぞれモデル化した複数の異常診断モデルの中から１つ以上の異常診断モデルを選択する選択部と、
前記選択部によって選択された１以上の異常診断モデルと、前記取得部によって取得されたデータとに基づいて、前記対象の異常度を算出する算出部と、
前記算出部によって算出された異常度に基づいて、前記対象が異常か否かを診断する診断部と、
を有する異常診断装置。
続きを表示（約 1,500 文字）【請求項２】
前記選択部は、
前記複数の異常診断モデルの各々の代表点と前記データとの距離をそれぞれ算出し、前記距離が最も小さい１つの異常診断モデルを選択する、請求項１に記載の異常診断装置。
【請求項３】
前記選択部は、
前記複数の異常診断モデルの各々の代表点と前記データとの距離をそれぞれ算出し、前記距離が予め決められた距離以内である１つ以上の異常診断モデルを選択する、請求項１に記載の異常診断装置。
【請求項４】
前記選択部は、
前記複数の異常診断モデルの各々の代表点と前記データとの距離をそれぞれ算出し、前記距離が小さい順に予め決められた１以上の個数の異常診断モデルを選択する、請求項１に記載の異常診断装置。
【請求項５】
前記選択部は、
前記複数の異常診断モデルをＭ
（ｋ）
（ただし、Ｋを異常診断モデルの総数として、ｋ＝１，・・・，Ｋ）、異常診断モデルＭ
（ｋ）
の代表点をｒ
（ｋ）
、前記データをｘとして、ｋ＝１，・・・，Ｋに対して、前記代表点ｒ
（ｋ）
と前記データｘとの距離ｄ（ｘ，ｒ
（ｋ）
）をそれぞれ算出し、
前記異常診断モデルＭ
（ｋ）
の作成に用いられた学習用データのデータ数を｜Ｄ
（ｋ）
｜として、前記距離ｄ（ｘ，ｒ
（ｋ）
）と、前記データ数｜Ｄ
（ｋ）
｜の逆数との積に基づいて、前記１つ以上の異常診断モデルを選択する、請求項１に記載の異常診断装置。
【請求項６】
前記選択部は、
前記距離ｄ（ｘ，ｒ
（ｋ）
）と、前記データ数｜Ｄ
（ｋ）
｜の逆数と、前記異常診断モデルＭ
（ｋ）
の作成に用いられた学習用データの散らばり具合を表すスコアとの積に基づいて、前記１つ以上の異常診断モデルを選択する、請求項５に記載の異常診断装置。
【請求項７】
前記選択部は、
前記積が最も小さい１つの異常診断モデル、又は、前記積が予め決められた閾値以内である１つ以上の異常診断モデル、又は、前記積が小さい順に予め決められた１以上の個数の異常診断モデル、を選択する、請求項５又は６に記載の異常診断装置。
【請求項８】
前記選択部は、
前記複数の異常診断モデルの各々の代表点をノードとするｋｄ木を用いて、前記ｋｄ木によって分割された複数の領域のうち、前記データが属する領域の境界上にある１以上の代表点にそれぞれ対応する１以上の異常診断モデルを選択する、請求項１に記載の異常診断装置。
【請求項９】
前記選択部は、
前記データが属する領域の境界上にある１以上の代表点のうち、前記データとの距離が最も小さい代表点に対応する異常診断モデルを選択する、請求項８に記載の異常診断装置。
【請求項１０】
対象の状態を表すデータを取得する取得手順と、
前記対象の複数の正常状態をそれぞれモデル化した複数の異常診断モデルの中から１つ以上の異常診断モデルを選択する選択手順と、
前記選択手順によって選択された１以上の異常診断モデルと、前記取得手順によって取得されたデータとに基づいて、前記対象の異常度を算出する算出手順と、
前記算出手順によって算出された異常度に基づいて、前記対象が異常か否かを診断する診断手順と、
をコンピュータが実行する異常診断方法。
（【請求項１１】以降は省略されています）
発明の詳細な説明【技術分野】
【０００１】
本開示は、異常診断装置、異常診断方法及びプログラムに関する。
続きを表示（約 2,000 文字）【背景技術】
【０００２】
各種プラント（例えば、石油化学プラント、発電プラント、鉄鋼プラント、食品プラント等）や各種設備、機器、装置等を対象として、複数の異常診断モデルを用いる異常診断技術が従来から知られている。例えば、特許文献１には、複数の動作モードが存在するプラントを対象として、動作モード毎に異常診断モデルを作成した上で、各異常診断モデルによる異常診断の結果を総合する技術が記載されている。
【先行技術文献】
【特許文献】
【０００３】
特許第７０５２９１４号公報
【発明の概要】
【発明が解決しようとする課題】
【０００４】
しかしながら、例えば、特許文献１等に記載されている従来技術では、複数の異常診断モデルをすべて用いて異常診断の結果を得ている。このため、異常診断モデル数が多い場合には、異常診断のための計算量が膨大となることがある。
【０００５】
本開示は、上記の点に鑑みてなされたもので、複数の異常診断モデルを用いる異常診断の効率化を実現することを目的とする。
【課題を解決するための手段】
【０００６】
本開示の一態様による異常診断装置は、対象の状態を表すデータを取得する取得部と、前記対象の複数の正常状態をそれぞれモデル化した複数の異常診断モデルの中から１つ以上の異常診断モデルを選択する選択部と、前記選択部によって選択された１以上の異常診断モデルと、前記取得部によって取得されたデータとに基づいて、前記対象の異常度を算出する算出部と、前記算出部によって算出された異常度に基づいて、前記対象が異常か否かを診断する診断部と、を有する。
【発明の効果】
【０００７】
複数の異常診断モデルを用いる異常診断の効率化を実現することができる。
【図面の簡単な説明】
【０００８】
第一の実施形態に係る異常診断装置のハードウェア構成の一例を示す図である。
第一の実施形態に係る異常診断装置の機能構成の一例を示す図である。
第一の実施形態に係るモデル学習処理の一例を示すフローチャートである。
第一の実施形態に係る異常診断処理の一例を示すフローチャートである。
異常診断モデルの選択方法の一例を示す図（その１）である。
異常診断モデルの選択方法の一例を示す図（その２）である。
第二の実施形態に係る異常診断装置の機能構成の一例を示す図である。
第二の実施形態に係るモデル学習処理の一例を示すフローチャートである。
ｋｄ木による領域分割の一例を示す図である。
ｋｄ木の構造の一例を示す図である。
第二の実施形態に係る異常診断処理の一例を示すフローチャートである。
代表点の選択方法の一例を示す図である。
【発明を実施するための形態】
【０００９】
以下、本発明の一実施形態として、第一及び第二の実施形態について説明する。以下の各実施形態では、各種プラント（例えば、石油化学プラント、発電プラント、鉄鋼プラント、食品プラント等）や各種設備、機器、装置等を対象として、複数の異常診断モデルを用いる異常診断を効率的に行うことができる異常診断装置１０について説明する。また、以下では、一例として、これら複数の異常診断モデルとして、多変量統計的プロセス管理（ＭＳＰＣ：Multivariate Statistical Process Control）の手法（参考文献１）によって作成される正常モデルを想定する。ただし、これは一例であって、異常診断モデルはＭＳＰＣの手法によって作成される正常モデルに限られるものではなく、任意の異常診断手法によって作成されるモデルであってもよい。例えば、異常診断モデルとして、ＩｓｏｌａｔｉｏｎＦｏｒｅｓｔや１－ｃｌａｓｓＳＶＭ等といった機械学習手法によって作成される機械学習モデルを用いることも可能である。
【００１０】
以下の各実施形態に係る異常診断装置１０には、正常状態における対象の運転データから複数の異常診断モデルを作成する「モデル学習処理」と、対象の現在の運転データと異常診断モデルから対象の異常有無を診断する「異常診断処理」とを実行する。一般に、モデル学習処理はオフライン、異常診断処理はオンラインで実行されるが、これに限られるものではなく、例えば、モデル学習処理がオンライン中に異常診断処理のバックグラウンドで実行されてもよい。特に、異常診断モデルの追加等を行う場合等に、モデル学習処理がオンライン中に異常診断処理のバックグラウンドで実行されてもよい。
（【００１１】以降は省略されています）

関連特許