特許ウォッチ

公開番号2025019729
公報種別公開特許公報(A)
公開日2025-02-07
出願番号2023123500
出願日2023-07-28
発明の名称検出装置、検出方法、および検出プログラム
出願人横河電機株式会社
代理人弁理士法人酒井国際特許事務所
主分類G05B 23/02 20060101AFI20250131BHJP(制御;調整)
要約【課題】学習モデルの精度を向上すること。
【解決手段】サーバ装置10は、フィールド機器20によって測定される測定データを収集し、測定データの入力に応じて所定の事象を予測する学習済みの検出モデルに、収集した測定データを入力して学習済みの検出モデルの出力結果を取得し、学習済みの検出モデルの出力結果と、所定の事象が予測されたフィールド機器20を確認した作業者Wによる判定結果とが異なる場合に、作業者Wにより入力されたラベル値と収集した測定データとを用いて学習済みの検出モデルの再学習を実行して再学習モデルを生成する。
【選択図】図1
特許請求の範囲【請求項１】
測定装置によって測定される測定データを収集する収集部と、
測定データの入力に応じて所定の事象を予測する学習済みの学習モデルに、収集された前記測定データを入力して前記学習済みの学習モデルの出力である検出結果を取得する検出部と、
前記学習済みの学習モデルの検出結果と、前記所定の事象が予測された前記測定装置を確認した利用者による判定結果とが異なる場合に、前記利用者により入力されたラベル値と収集された前記測定データとを用いて前記学習済みの学習モデルの再学習を実行して再学習モデルを生成する実行部と、
を備える検出装置。
続きを表示（約 1,400 文字）【請求項２】
前記学習済みの学習モデルは、
所定期間に収集された複数の測定データのうち正常値である各測定データを訓練データに用いた教師なし学習により学習された学習モデルであり、
前記実行部は、
収集された前記測定データに前記判定結果に基づく前記ラベル値を教師データとして付与した教師あり学習により、前記学習済みの学習モデルの再学習を実行する、
請求項１に記載の検出装置。
【請求項３】
前記実行部は、
前記学習済みの学習モデルの出力である検出結果が異常状態の予兆に該当し、前記判定結果により異常状態または異常予兆状態が確認されなかった場合に、収集された前記測定データに前記判定結果に基づく前記異常状態または前記異常予兆状態の有無を前記ラベル値として付与した教師データを用いて前記学習済みの学習モデルの再学習を実行する、
請求項１に記載の検出装置。
【請求項４】
前記実行部は、
前記学習済みの学習モデルの出力である検出結果と、前記判定結果とに基づき、前記学習済みの学習モデルの評価指標を算出する、
請求項１に記載の検出装置。
【請求項５】
前記実行部は、
前記評価指標に基づいて、前記学習済みの学習モデルの再学習を実行する、
請求項４に記載の検出装置。
【請求項６】
前記検出部は、
前記所定の事象を予測する複数の学習済みの学習モデルそれぞれの出力である検出結果を取得し、
前記実行部は、
前記複数の学習済みの学習モデルそれぞれの出力である検出結果と、判定結果とに基づき、前記複数の学習済みの学習モデルそれぞれの評価指標を算出し、
前記複数の学習済みの学習モデルのうち、前記評価指標が所定値以上の学習済みの学習モデルの採用を決定する、
請求項１に記載の検出装置。
【請求項７】
前記実行部は、
複数の前記学習済みの学習モデルのうち、前記利用者によって選択された学習済みの学習モデルの採用を決定する、
請求項１に記載の検出装置。
【請求項８】
前記実行部は、
前記学習済みの学習モデルの出力である検出結果と、前記所定の事象が予測された前記測定装置を確認した前記利用者による判定結果とに基づき、前記学習済みの学習モデルの評価指標として、正解率、適合率、再現率、特異度、およびＦ値のうち少なくとも１つを算出し、
前記利用者が利用する端末に、前記評価指標を表示させる、
請求項１に記載の検出装置。
【請求項９】
前記実行部は、
収集された前記測定データの履歴を示す時系列グラフを生成し、
前記利用者が利用する端末に、前記時系列グラフを表示させ、
表示させた前記時系列グラフに基づいて学習モデルの採用を決定する、
請求項１に記載の検出装置。
【請求項１０】
前記実行部は、
前記検出結果である正常状態の期間を示す画面を生成し、
前記利用者が利用する端末に、前記利用者の操作により表示または非表示を切替可能な形態で、生成した前記画面を表示させる、
請求項１に記載の検出装置。
（【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】
本発明は、検出装置、検出方法、および検出プログラムに関する。
続きを表示（約 1,900 文字）【背景技術】
【０００２】
予め収集した正常データをもとに教師なし機械学習を行い、正常データの特徴を抽出することにより正常状態モデルを作成し、学習済みの正常状態モデルと入力データとに基づきプラントの異常状態を検出する技術が知られている。
【先行技術文献】
【特許文献】
【０００３】
特開平１１－３３８８４８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、上記技術では、異常状態の予兆（適宜、「異常予兆」）を検出する機械学習モデル（適宜、「学習モデル」）の精度を向上させることが難しい。例えば、上記技術では、予め収集したデータはラベリングがされていないので学習モデルの評価指標の算出ができず、使用する学習モデルが適切であるか否かを判断することが困難である。
【０００５】
本発明は、上記に鑑みてなされたものであって、異常発生の予兆を検出する学習モデルの精度を向上させることを目的とする。
【課題を解決するための手段】
【０００６】
本発明は、測定装置によって測定される測定データを収集する収集部と、測定データの入力に応じて所定の事象を予測する学習済みの学習モデルに、収集された前記測定データを入力して前記学習済みの学習モデルの出力である検出結果を取得する検出部と、前記学習済みの学習モデルの出力結果と、前記所定の事象が予測された前記測定装置を確認した利用者による判定結果とが異なる場合に、前記利用者により入力されたラベル値と収集された前記測定データとを用いて前記学習済みの学習モデルの再学習を実行して再学習モデルを生成する実行部と、を備える検出装置を提供する。
【０００７】
また、本発明は、コンピュータが、測定装置によって測定される測定データを収集し、測定データの入力に応じて所定の事象を予測する学習済みの学習モデルに、収集した前記測定データを入力して前記学習済みの学習モデルの出力結果を取得し、前記学習済みの学習モデルの出力である検出結果と、前記所定の事象が予測された前記測定装置を確認した利用者による判定結果とが異なる場合に、前記利用者により入力されたラベル値と収集した前記測定データとを用いて前記学習済みの学習モデルの再学習を実行して再学習モデルを生成する、処理を実行する検出方法を提供する。
【０００８】
また、本発明は、コンピュータに、測定装置によって測定される測定データを収集し、測定データの入力に応じて所定の事象を予測する学習済みの学習モデルに、収集した前記測定データを入力して前記学習済みの学習モデルの出力である検出結果を取得し、前記学習済みの学習モデルの出力結果と、前記所定の事象が予測された前記測定装置を確認した利用者による判定結果とが異なる場合に、前記利用者により入力されたラベル値と収集した前記測定データとを用いて前記学習済みの学習モデルの再学習を実行して再学習モデルを生成する、処理を実行させる検出プログラムを提供する。
【発明の効果】
【０００９】
本発明によれば、学習モデルの精度を向上することができるという効果がある。
【図面の簡単な説明】
【００１０】
実施形態に係る異常予兆検出システムの構成例および処理例を示す図である。
実施形態に係る異常予兆検出システムの各装置の構成例を示すブロック図である。
実施形態に係るサーバ装置の検出結果記憶部を示す図である。
実施形態に係るサーバ装置の判定結果記憶部を示す図である。
実施形態に係るサーバ装置の評価指標記憶部を示す図である。
実施形態に係るサーバ装置の検出モデル記憶部を示す図である。
実施形態に係る検出モデルの一例を示す図である。
実施形態に係る作業者端末の表示画面の具体例１を示す図である。
実施形態に係る作業者端末の表示画面の具体例２を示す図である。
実施形態に係る作業者端末の表示画面の具体例３を示す図である。
実施形態に係る異常予兆検出システム全体の処理の流れの一例を示すフローチャートである。
実施形態に係る異常予兆検出システムの検出モデル構築処理の流れの一例を示すフローチャートである。
実施形態に係る異常予兆検出システムの異常予兆出力処理の流れの一例を示すフローチャートである。
実施形態に係るハードウェア構成例を示す図である。
【発明を実施するための形態】
（【００１１】以降は省略されています）

関連特許