Search International and National Patent Collections
Some content of this application is unavailable at the moment.
If this situation persists, please contact us atFeedback&Contact
1. (WO2017138238) MONITORING DEVICE, AND METHOD FOR CONTROLLING MONITORING DEVICE
Document

明 細 書

発明の名称 監視装置及び監視装置の制御方法

技術分野

0001  

背景技術

0002   0003   0004   0005  

先行技術文献

特許文献

0006  

非特許文献

0007  

発明の概要

発明が解決しようとする課題

0008  

課題を解決するための手段

0009   0010   0011   0012   0013   0014   0015   0016   0017   0018   0019   0020  

発明の効果

0021  

図面の簡単な説明

0022  

発明を実施するための形態

0023   0024   0025   0026   0027   0028   0029   0030   0031   0032   0033   0034   0035   0036   0037   0038   0039   0040   0041   0042   0043   0044   0045   0046   0047   0048   0049   0050   0051   0052   0053   0054   0055   0056   0057   0058   0059   0060   0061   0062   0063   0064  

符号の説明

0065  

請求の範囲

1   2   3   4   5   6   7   8   9   10   11   12  

図面

1   2   3   4   5   6  

明 細 書

発明の名称 : 監視装置及び監視装置の制御方法

技術分野

[0001]
 本発明は、設備の状態を監視し異常又はその予兆を検出するための技術に関する。

背景技術

[0002]
 工場やプラント等の現場では生産設備等を安全かつ正常に稼働させるため、設備の状態を常に監視し必要に応じて適切な対処をとることで、故障、事故、その他の不具合の発生を未然に防ぐ活動が不可欠である。このような活動は一般に予防保全と呼ばれる。予防保全を実現するシステムとして、従来、センサから得られるデータをモニタし、設備の状態変化や異常の予兆を検知するシステムが提案されている(特許文献1、2参照)。しかしながら、これらの従来システムには、以下のような問題点がある。
[0003]
 従来システムの手法では、センシングデータから状態変化や異常の予兆を正確に捉えるために、多量のデータを用いた学習とパラメタの調整により高精度のモデルを構築する必要がある。そのため、システムの導入から運用開始まで数カ月レベルの期間を要してしまう。
[0004]
 また、設備の状態に何らかの変化が発生してから、センサで監視している物理量に有意な変化が現れるまで、タイムラグが存在する場合がある。そのような場合、システムで異常を検出した時点で既に不具合発生からある程度の時間が経過してしまっている可能性がある。そうすると、例えば生産設備の場合、異常を検知した時点でただちに設備を停止したとしても、不具合を含む製品を既に生産していた可能性があり、遡って検品を行う必要が生じる。しかも、どれほど前から設備に不具合があったかを特定することができないため、ロット単位で全ての検品を行わざるを得ない。
[0005]
 さらに従来システムでは、センシングデータとして多種の設備に関する物理量を取得する必要があり、これらのセンシングを適切に実現するためには、高度な専門的知識が必要とされる。

先行技術文献

特許文献

[0006]
特許文献1 : 特許第5530045号公報
特許文献2 : 特許第5530019号公報

非特許文献

[0007]
非特許文献1 : "Bayesian online changepoint detection", Adams, Ryan Prescott & MacKay, David JC arXiv preprint arXiv:0710.3742, 2007
非特許文献2 : "Conjugate Bayesian analysis of the Gaussian distribution", Murphy, Kevin P def, 2007, Vol.1(2 σ 2), 16
非特許文献3 : "Pattern Recognition And Machine Learning (Information Science and Statistics)", Bishop, M, Christopher springer (ed.) Springer-Verlag, 2006:8

発明の概要

発明が解決しようとする課題

[0008]
 本発明は上記実情に鑑みてなされたものであって、導入及び運用が容易であり、かつ、設備の状態変化ないしその予兆が現れ始めた時点を精度よく推定することのできる技術を提供することを目的とする。

課題を解決するための手段

[0009]
 上記目的を達成するため、本発明は、対象設備の状態を監視する監視装置であって、前記対象設備に設けられるセンサの出力に基づいて観測データを取得するデータ取得部と、前記観測データの値が従う確率分布に対応する事前分布が予め設定されており、且つ、前記対象設備において同じ状態が継続する長さである連長が所定の確率分布に従うという仮定の下、前記データ取得部により現時点の観測データが取得されると、前記現時点の観測データの値と前記事前分布のパラメタの値とに基づいて、前記パラメタの値を条件としたときに前記現時点の観測データの値が取得される条件付き確率であるデータ発生確率を求めると共に、前記データ発生確率に基づいて、現時点までに取得された時系列の観測データを条件としたときの連長の条件付き確率の分布である連長確率分布を求め、前記連長確率分布に基づいて前記対象設備の状態の変化を検出する状態変化検出部と、前記現時点の観測データの値を用いて前記パラメタの値を更新することにより、次の時点におけるデータ発生確率の計算に用いる事前分布を生成する更新部と、前記状態変化検出部の結果に基づいて前記対象設備の状態の変化を表す情報を提示する情報提示部と、を有し、前記状態変化検出部は、現時点が前記対象設備の状態の変化点であると判定された場合に、さらに、連長確率分布に基づいて前記対象設備の状態の変化の予兆が現れ始めた時点である変化予兆点を探索することを特徴とする監視装置を提供する。
[0010]
 この構成によれば、予め設定した事前分布に基づき観測データのデータ発生確率が求められ、データ発生確率から求めた連長確率分布に基づき対象設備の状態変化の検出が行われる。したがって、適当な事前分布を与えるだけで直ぐに運用(状態変化の検出)を開始することができ、従来システムのような学習やパラメタ調整の作業が必要ない。また、観測データが取得されるたびに事前分布のパラメタが逐次更新されるので、データ量が少ない初期段階でもある程度の精度を確保できる。さらに、使用状況や経年劣化や環境変化等により観測データの傾向に変化が生じた場合でも、それに追従して事前分布が修正(改訂)されるため、高い検出精度を維持することができる。
[0011]
 また、本発明では、観測データの値そのものの変化ではなく、観測データの発生確率の変化と対象設備の状態の連長確率の変化を評価することで、対象設備の状態変化を検出する。そのため、観測データの値に有意な変化が現れていない場合でも、連長確率の変化に基づき対象設備の状態変化を検出可能である。したがって、従来システムでは検出できなかった状態変化の検出や、従来システムよりも早い段階での(観測データの値に有意な変化が現れる前の)状態変化の検出が可能になる。
[0012]
 さらに、本発明では、変化点だけでなく、変化予兆点の探索も行う。変化予兆点が分かれば、対象設備の動作の点検や検品等をどの時点まで遡って行えばよいかの目安となる。したがって、対象設備の状態変化が検出された場合や実際に異常が発生した場合の対処を効率化することができる。
[0013]
 前記状態変化検出部は、現時点における連長確率分布の最大ピークの連長値が一つ前の時点における連長確率分布の最大ピークの連長値に対し不連続となった場合に、現時点を前記対象設備の状態の変化点と判定するとよい。連長確率分布の最大ピークの(つまり最も確率の大きい)連長値が不連続になるということは、対象設備の状態に変化が発生した蓋然性が高いからである。
[0014]
 前記状態変化検出部は、現時点が変化点であると判定された場合であって、且つ、現時点における連長確率分布の最大ピークの連長値がゼロでない場合に、現時点から、現時点における連長確率分布の最大ピークの連長値の分だけ遡った時点を、前記変化予兆点と判定するとよい。これにより、妥当性の高い変化予兆点を簡単に検出することができる。
[0015]
 前記情報提示部は、前記状態変化検出部により検出された前記変化点及び/又は前記変化予兆点を表す変化点情報を提示するとよい。変化点や変化予兆点を提示することにより、実際に異常が発生する前にユーザに対象設備の点検等を促すことができ、適切な予防保全活動を実現できる。
[0016]
 前記情報提示部は、前記状態変化検出部によって計算した前記連長確率分布の時系列変化を表す連長確率分布情報を提示するとよい。さらに、前記情報提示部は、前記状態変化検出部によって計算した前記連長確率分布の時系列変化を表す連長確率分布情報を提示すると共に、前記連長確率分布情報の時間軸上に前記変化点情報を提示するとよい。提示された連長確率分布の時系列変化から、対象設備の状態変化の様子、変化点や変化予兆点の根拠や可能性(確率)の高さなどを把握することができるので、検出結果の納得性を高めることができる。
[0017]
 前記情報提示部は、前記センサの出力値又は前記観測データの値の時系列変化を表す観測値情報、及び/又は、前記連長確率分布の最大ピークの連長値の時系列変化を表す連長値情報を、前記連長確率分布情報と時間軸を一致させて提示するとよい。これらの情報を提示することにより、検出結果の納得性をさらに高めることができる。
[0018]
 監視装置が、複数種類の事前分布の定義情報を記憶する事前分布データベースと、前記複数種類の事前分布のうちから前記状態変化検出部の計算において使用する事前分布を選択する事前分布設定部と、をさらに有するとよい。この構成によれば、観測データの値が従う確率分布に合わせて好適な事前分布を選択し設定することができるので、検出精度の向上を図ることができる。ここで、前記定義情報は、事前分布のパラメタと、前記パラメタの値の更新式と、を定義する情報を含むとよい。
[0019]
 前記事前分布データベースは、対象設備及び/又は故障モードの種類ごとに、対応する事前分布の定義情報を記憶しており、前記事前分布設定部は、監視の対象となる対象設備及び/又は故障モードの種類をユーザに指定させ、ユーザにより指定された対象設備及び/又は故障モードに対応する事前分布を選択するとよい。対象設備の種類や故障モードの種類に依存して、センサで観測する物理量やその挙動が異なるため、観測データの値の確率分布及び好適な事前分布も異なる。しかしながら、好適な事前分布をユーザが自ら選択することは難しく、対象設備やセンサの特性についての理解のみならず、統計学に関する専門的な知識が必要とされる。そこで本発明のように対象設備の種類や故障モードの種類を指定するだけで適切な事前分布が設定されるようなインタフェースを用意することで、ユーザの利便性を向上し、高度な専門知識をもたない者でも容易に適切な事前分布を設定することが可能となる。
[0020]
 なお、本発明は、上記構成ないし機能の少なくとも一部を有する監視装置として捉えることができる。また、本発明は、センサと監視装置とを有する監視システムとして捉えることもできる。また、本発明は、上記処理の少なくとも一部を含む監視装置の制御方法、又は、かかる方法をコンピュータに実行させるためのプログラム、又は、そのようなプログラムを非一時的に記録したコンピュータ読取可能な記録媒体として捉えることもできる。上記構成及び処理の各々は技術的な矛盾が生じない限り互いに組み合わせて本発明を構成することができる。

発明の効果

[0021]
 本発明によれば、導入及び運用が容易であり、かつ、設備の状態変化ないしその予兆が現れ始めた時点を精度よく推定することができる監視装置を提供することができる。

図面の簡単な説明

[0022]
[図1] 図1は監視システムの構成を示す図である。
[図2] 図2は状態推定モデルと変数の関係を示す図である。
[図3] 図3は事前分布の定義情報の例を示す図である。
[図4] 図4は事前分布設定のユーザインタフェースの例を示す図である。
[図5] 図5は状態監視処理のフローチャートである。
[図6] 図6は状態監視画面の一例を示す図である。

発明を実施するための形態

[0023]
 以下に図面を参照しつつ、本発明の好適な実施の形態を説明する。ただし、以下に記載されている各構成の説明は、発明が適用されるシステムの構成や各種条件により適宜変更されるべきものであり、この発明の範囲を以下の記載に限定する趣旨のものではない。
[0024]
 <監視システムの構成>
 本発明の実施形態に係る監視システムは、対象設備に設置されたセンサから得られる信号に基づき対象設備の状態を常時監視して、その状態変化を検出するシステムである。この監視システムは、工場やプラント等における各種設備の状態監視及び予防保全を支援するために利用される。
[0025]
 図1は、本発明の実施形態に係る監視システムの構成を模式的に示す図である。監視システム1は、監視対象となる設備2(対象設備2と呼ぶ)に設けられるセンサ10と、対象設備2の状態監視を行う監視装置11とを有する。センサ10と監視装置11の間は有線又は無線通信により接続されている。図1は、センサ10が有する無線モジュールと監視装置11が有する無線モジュールの間で920MHz帯通信を用いたデータ交換を行う例を示している。
[0026]
 センサ10は、対象設備2の物理量を測定する測定手段である。センサ10は、対象設備2に元々備わっているセンサでもよいし、対象設備2に対し後付けしたセンサでもよい。センサ10の種類やセンサ10により測定する物理量は何でもよく、対象設備2の種類、故障モード等に応じて適宜設計すればよい。例えば、振動を測定する振動センサ、温度を測定する温度センサ、電流を測定する電流センサ、電圧を測定する電圧センサ、音を測定する音センサ、色や輝度を測定する画像センサ、速度を測定する速度センサ、加速度を測定する加速度センサなどを例示することができる。センサ10の数は1つでもよいし複数でもよい。また複数種類のセンサ10を用いてもよい。センサ10は所定の周期で測定を行いセンシングデータを出力する。センサ10から出力されるセンシングデータは監視装置11に取り込まれる。
[0027]
 監視装置11は、センサ10から逐次取り込まれるセンシングデータに基づき対象設備2の状態監視を行う装置である。監視装置11は、例えば、ハードウェアプロセッサであるCPU(中央演算処理装置)、メモリ、補助記憶装置(ハードディスク、半導体ディスクなど)、入力装置(キーボード、ポインティングデバイス、タッチパネルなど)、表示装置、通信I/Fなどを有する汎用のコンピュータにより構成可能である。但し、監視装置11の構成はこれに限られない。例えば、複数のコンピュータにより監視装置11を構成してもよいし、組み込みコンピュータなどの専用装置、あるいは、ASIC(application specific integrated circuit)やFPGA( field-programmable gate array)などの回路により監視装置11を構成してもよい。
[0028]
 図1に示すように、監視装置11は、その機能として、データ取得部110、状態変化検出部111、更新部112、情報提示部113、事前分布データベース114、事前分布設定部115を有する。これらの機能は、メモリ又は補助記憶装置に格納されたプログラムをCPUが読み込み実行することにより、実現されるものである。なお、クライアントサーバ又はクラウドコンピューティングの技術を利用して、これらの機能のうちの一部(例えば状態変化検出部111や更新部112の機能)をネットワーク上の他のサーバにおいて実行しても構わない。
[0029]
 データ取得部110は、センサ10の出力に基づいて観測データを取得する機能である。状態変化検出部111は、時系列の観測データに基づき対象設備2の状態の変化を検出する機能である。更新部112は、取得された観測データの値を用いて、状態変化検出部111で用いられる状態推定モデルのパラメタを更新する機能である。情報提示部113は、状態変化検出部111の結果に基づいて対象設備2の状態の変化を表す情報を表示装置に提示する機能である。事前分布データベース114は、複数種類の事前分布の定義情報を記憶するデータベースである。事前分布設定部115は、事前分布データベース114に登録された複数種類の事前分布のうちから状態変化検出部111の計算において使用する事前分布を選択する機能である。以下、これらの機能の詳細について説明する。
[0030]
 <状態推定アルゴリズム>
 まず、監視装置11の状態変化検出部111が用いる状態推定アルゴリズムについて説明する。本実施形態の状態推定アルゴリズムは、アダムスらによって提案されたベイズ推定による変化点検出アルゴリズム(非特許文献1参照)をベースとし、設備の状態監視に適用するための改良を加えたものである。ベイズ推定を用いることの利点としては、データ量の少ない観測初期の段階でもある程度の推定精度を確保できること、得られたデータ、装置の状態、変化点等を確率で取り扱うためノイズの影響を受けにくいこと、分散処理への拡張が容易なため大規模システムへの適用や膨大なデータ処理が実現しやすいこと、確率分布の時系列変化を保持しておくことで遡って状態推定や変化点検出の評価・判定をやり直すことが容易であることなどが挙げられる。
[0031]
 監視装置11の状態推定アルゴリズムの目的は、対象設備2の内部状態の変化を捉えることである。そこで仮説として、対象設備2から得られる観測データの値の変化には、その確率分布が持つパラメタによる変動と、対象設備2の内部状態の変化に起因する変化、の2つの要因があるとの仮定を導入する。また、対象設備2の内部状態の連続性をモデル化するために、対象設備2において同じ状態が継続する長さを確率変数として捉え、これを連長(ランレングス)と呼ぶ。この仮説を図示したものが図2である。対象設備2の内部状態に変化(H)が生じると、連長の確率(pr)が変化し、対象設備2の連長(r)に影響を与える。そして、連長(r)及び観測データの確率分布(px)が持つパラメタ(a、b、μ、ν)に変化が生じると、観測データの発生確率(px)が変化するため、結果として、観測データ(x)の値の変化となって表出する。このようなモデルに基づき、得られた観測データ(x)からその発生確率(px)を推定し、さらに観測データの発生確率(px)から内部状態の連長確率(pr)を推定するのが、本実施形態の状態推定アルゴリズムの基本的な考え方である。
[0032]
 次に、状態推定アルゴリズムの具体例を詳しく説明する。以下の説明において、時刻tにおける変数AをA と表記し、時刻1~tの期間における変数Aの時系列データをA 1:tと表記し、連長の値rに対応する変数AをA (r)と表記する。
[0033]
 連長r は、状態の継続とともに1ずつ増加する変数である。例えば、時刻1からtまでに状態変化が起きていなければr =tとなる。一方、時刻t+1に状態の変化が起きるとr t+1=0とリセットされ、その後状態が継続すれば、r t+2=1、r t+3=2、・・・のように再び1ずつ増加していく。
[0034]
 ここで、対象設備2の状態が継続するか変化するか、つまり、連長r が増加するか0となるかは、所定の確率分布に従うという仮定を導入する。本実施形態では、対象設備2の状態が継続する確率(継続確率)を、1つ前の時点(t-1)における連長r t-1に対する条件付き確率を用いて、下記式のように定義する。
[数1]


[0035]
 H(τ)はハザード関数であり、対象設備2の内部状態の変化が発生する確率を表し、平均的に同じ状態が何回続くと変化点が発生するかという仮説に相当するものである。本実施形態では、簡単のため、ハザード関数をH(τ)=1/nと置く(nは定数であり、同じ状態が継続する平均的な回数を意味する)。
[0036]
 問題設定は、時刻1からtまでの期間に時系列の観測データx 1:tが得られた状況下で、現時点tの観測データx が変化点か否かを判定することである。そこで、ベイズの公式に基づき、現時点tまでに取得された時系列の観測データx 1:tを条件としたときの連長r の条件付き確率を下記式のように定式化する。
[数2]


[0037]
 式(2)において、右辺の分子部分は再帰的に下記式のように展開できる。
[数3]


[0038]
 式(3)の右辺第2項P(x |r t-1,x (r))は、観測データx の発生確率(図2のpxに対応する)であり、尤度とも呼ばれる。ここで、観測データxの値が正規分布に従うと仮定した場合、正規分布の共役分布を事前分布に設定することで、式(3)の右辺第2項P(x |r t-1,x (r))は事前分布のパラメタを用いて下記式のように書き換えることができる。
[数4]


[0039]
 左辺条件部において、μ、λは観測データxから推定されるパラメタであり、νは連長の自由度(最大の連長値)を示すパラメタである。ここで、ν=2a、λ=a/bとおき、式(4)を整理すると下記式が得られる。
[数5]


[0040]
 時刻tにおける連長r は0からtの値をとり得るため、式(5)の観測データx の発生確率は、r=0,1,…,tのぞれぞれのケースについて計算できる。r=0,1,…,tのぞれぞれについて、式(5)から求まるデータ発生確率と、式(1)から求まる継続確率と、時刻t-1における式(3)の計算結果とを式(3)に代入することにより、連長の長さごとの確率P(r =0,x 1:t),P(r =1,x 1:t),…,P(r =t,x 1:t)が求まり、これらの値を式(2)に代入することにより、時系列の観測データx 1:tに対する連長確率分布P(r |x 1:t)が求まる。この連長確率分布P(r |x 1:t)の最大ピークから時刻tにおける連長の長さを推定することができる。また、時刻t-1と時刻tの間で連長確率分布の最大ピークが連続しているか不連続となっているかで、状態が継続しているか変化しているかを判定することができる。
[0041]
 さらに、ベイズ更新に従い、今回得られた観測データx の値を用いて事前分布を更新する。上述した事前分布P(μ,ν,a,b)の場合、下記式により各パラメタを更新すればよい。なお、r=0のパラメタμ (0),ν (0),a (0),b (0)については、初期値を用いる。
[数6]


[0042]
 次回(t+1)の観測データx t+1が得られたときの発生確率の計算において、更新後のパラメタμ t+1、ν t+1、a t+1、b t+1を用いることにより、それまでに観測されたデータx 1:tの傾向を反映した妥当な発生確率を求めることができるため、状態推定の精度を向上することができる。
[0043]
 以上が本実施形態の状態推定アルゴリズムである。なお、上述した継続確率(式(1))、ハザード関数H(τ)、観測データが従う確率分布、事前分布とそのパラメタ、パラメタの更新式などは一例である。対象設備2の種類や故障モード等に合わせて適切なものを選択すればよい。例えば、観測データが二項分布に従う場合はその共役分布であるベータ分布を事前分布に設定するとよく、観測データがポアソン分布に従う場合はその共役分布であるガンマ分布を事前分布に設定するとよい。事前分布のパラメタ及びその更新式については、非特許文献2及び非特許文献3に開示されたものを用いることができるため、詳しい説明を割愛する。
[0044]
 <監視システムの設置>
 監視システム1を対象設備2に設置する際の手順及び作業について説明する。
[0045]
 (1)センサ10の設置
 まず、ユーザは、対象設備2の種類や故障モードに合わせて、適切なセンサ10を選択する。例えば「工作機械のメインモータ」が監視対象である場合、その主要な故障モードとして「ベアリング摩耗」がある。ベアリングの摩耗によって振動が発生するとモータの負荷が上昇し電流が増加する。したがって、モータの電流を測定するセンサ10を設置することで、ベアリング摩耗に起因するメインモータの異常を検知することができる。また、「プレス装置等のポンプ」が監視対象である場合、その主要な故障モードとして「かみ合わせ不良」がある。異物等によるかみ合わせ不良が発生するとポンプの負荷が上昇し電流が増加する。したがって、ポンプの電流を測定するセンサ10を設置することで、かみ合わせ不良に起因するポンプの異常を検知することができる。また、「ロボット等のサーボモータ」が監視対象である場合、その主要な故障モードとして「芯ずれ」がある。芯ずれによりモータの負荷状況が変化すると力率が変化する。したがって、サーボモータの力率を測定するセンサ10を設置することで、芯ずれに起因するサーボモータの異常を検知することができる。
[0046]
 センサ10は、対象設備2に対し後付けするものが好ましい。既存の対象設備2に対して監視システム1を導入することが容易になるからである。もちろん対象設備2に既設されているセンサが存在する場合には、そのセンサを利用してもよい。
[0047]
 (2)事前分布の設定
 次に、ユーザは、対象設備2の種類や故障モードに合わせて、状態推定で用いる事前分布及びパラメタの更新式を設定する。ユーザは任意の事前分布及び更新式を監視装置11に対し設定することも可能であるが、事前分布設定部115が提供するユーザインタフェースを利用し、事前分布データベース114に予め登録されている複数種類の事前分布のうちから使用する事前分布を選択することもできる。
[0048]
 図3は、事前分布データベース114に登録されている事前分布の定義情報の例を模式的に示している。この例では、対象設備及び故障モードの種類ごとに、対応する事前分布の定義情報が登録されている。事前分布の定義情報は、事前分布の種類、事前分布のパラメタ、パラメタの値の更新式(例えば式(6))等を定義する情報を含んでいる。なお、定義情報の構造はこれに限られない。例えば、対象設備の種類ごと、又は、故障モードの種類ごと、又は、センサの種類もしくは測定する物理量ごとに、対応する事前分布の定義情報が登録されていてもよい。また、定義情報には、観測データの確率分布の種類、パラメタの値と観測データの値とからデータ発生確率を求める予測ロジック(例えば式(5))、パラメタの初期値、ハザード関数等が含まれていてもよい。
[0049]
 ユーザが監視装置11を操作し、事前分布設定部115の機能を呼び出すと、図4に示すユーザインタフェースが表示される。ユーザが監視対象リスト40のなかから監視対象となる対象設備や故障モードの種類を指定し、設定ボタン41を押下すると、事前分布設定部115は、指定された対象設備や故障モードに対応する事前分布の定義情報を事前分布データベース114から読み込み、事前分布のパラメタを状態変化検出部111に設定し、パラメタの更新式を更新部112に設定する。また必要に応じて、事前分布設定部115は、選択された事前分布に対応する予測ロジックを状態変化検出部111に設定する。
[0050]
 <監視システムの動作>
 図5のフローチャートに沿って、監視システム1の状態監視処理について説明する。
[0051]
 ステップS50では、データ取得部110が、センサ10から取り込まれたセンシングデータに対し必要な前処理を施し、対象設備2の状態を表現する観測データx を取得する。前処理は、例えば、必要な範囲のデータの切り出し(トリミング)、再サンプリング、フィルタ処理、平均化、周波数変換などである。データ取得部110は、例えば、対象設備2のタクトタイム毎に1つの観測データを取得するとよい。
[0052]
 ステップS51では、状態変化検出部111が、メモリに保持された事前分布のパラメタμ 、ν 、a 、b を読み込み、これらのパラメタと観測データx に基づき式(5)によりデータ発生確率P(x |μ 、ν 、a 、b )を計算する。
[0053]
 ステップS52では、状態変化検出部111が、メモリに保持された時刻t-1における式(3)の計算結果を読み込み、データ発生確率P(x |μ 、ν 、a 、b )に基づき式(1)~式(3)により連長確率分布P(r |x 1:t)を計算する。
[0054]
 ステップS53では、状態変化検出部111が、連長確率分布P(r |x 1:t)に基づいて現時点tが変化点であるか否かを判定する。対象設備2の状態に変化が無い場合は、連長r は一つ前の時点t-1の連長r t-1に比べて値が1増加するはずである。したがって、状態変化検出部111は、現時点tにおける連長確率分布P(r |x 1:t)の最大ピークの連長値rmax と、時点t-1における連長確率分布P(r t-1|x 1:t-1)の最大ピークの連長値rmax t-1とを比べ、rmax がrmax t-1に対し不連続(rmax ≠rmax t-1+1)である場合に、現時点tを変化点と判定する。一方、rmax がrmax t-1に対し連続(rmax =rmax t-1+1)である場合は、現時点tは変化点でないと判定する。
[0055]
 ところで、現時点tが変化点であると判定された場合(ステップS53のYES)において、最大ピークの連長値rmax がゼロであれば、現時点tが変化点である蓋然性が高いといえる。しかしながら、連長値rmax がゼロでない場合は、過去のある時点から状態が継続している可能性があるということなので、現時点tよりも前に対象設備2の状態の変化の予兆が現れている可能性がある。そこで、状態変化検出部111は、連長確率分布に基づいて、状態変化の予兆が現れ始めた時点(変化予兆点と呼ぶ)の探索を行う(ステップS54)。変化予兆点が分かれば、対象設備2の動作の点検や検品等をどの時点まで遡って行えばよいかの目安となり、対象設備2の状態変化が検出された場合や実際に異常が発生した場合の対処を効率化することができるからである。本実施形態では、単純に、現時点tから連長値rmax の分だけ遡った時点(t-rmax )を変化予兆点と判定する。この方法により、妥当性の高い変化予兆点を簡単に検出することができる。その後、状態変化検出部111は、状態に変化があったことをアラート通知する(ステップS55)。
[0056]
 ステップS56では、情報提示部113が、ステップS50で求めた観測データx 、ステップS52で求めた連長確率分布P(r |x 1:t)、ステップS53の判定結果、ステップS53とS54で検出した変化点及び変化予兆点等の情報を、状態監視画面上に提示する。
[0057]
 図6は、表示装置に表示される状態監視画面の一例である。観測データx の時系列変化を表す観測値情報60と、連長確率分布の最大ピークの連長値rmax の時系列変化を表す連長値情報61と、連長確率分布P(r |x 1:t)の時系列変化を表す連長確率分布情報62が、互いに時間軸を一致させて提示されている。横軸が時間軸(タクト番号)であり、観測値情報60の縦軸は観測データの値、連長値情報61と連長確率分布情報62の縦軸はともに連長値である。連長確率分布情報62では、確率の大きさをラインの濃度で表しており、最も濃い部分が連長確率分布の最大ピークを表している。さらに状態監視画面では、連長確率分布情報の時間軸上に変化点情報(変化点と変化予兆点の位置)が示される。この例では、t=272、460、635、758の4つの時点において変化点(白矢印)が検出されたことが示されている。また、t=758の変化点では、連長値rmax がゼロでないため、t-rmax =758-46=712の時点を変化予兆点とみなし、黒矢印で変化予兆点を示している。このような表示により、対象設備2の動作の検証や検品を行う場合は、タクト番号t=712のあたりまで遡って確認すればよいことがわかる。
[0058]
 ステップS57では、更新部112が、観測データx の値と現時点tの事前分布のパラメタとを用いて、式(6)により各パラメタの更新を行う。更新された事前分布のパラメタは、次の時点t+1の計算に用いるため、メモリに保持される。
[0059]
 以上のステップS50~S57の処理をタクト毎に実行することで、対象設備2の状態をリアルタイムに監視し、状態変化を直ちに検出することができる。
[0060]
 <監視システムの利点>
 本実施形態の監視システム1によれば、予め設定した事前分布に基づき観測データのデータ発生確率が求められ、データ発生確率から求めた連長確率分布に基づき対象設備の状態変化の検出が行われる。したがって、適当な事前分布を与えるだけで直ぐに運用(状態変化の検出)を開始することができ、従来システムのような学習やパラメタ調整作業が必要ない。また、観測データが取得されるたびに事前分布のパラメタが逐次更新されるので、データ量が少ない初期段階でもある程度の精度を確保できる。さらに、使用状況や経年劣化や環境変化等により観測データの傾向に変化が生じた場合でも、それに追従して事前分布が修正(改訂)されるため、高い検出精度を維持することができる。
[0061]
 また、本実施形態の状態推定アルゴリズムでは、観測データの値そのものの変化ではなく、観測データの発生確率の変化と対象設備の状態の連長確率の変化を評価することで、対象設備の状態変化を検出する。そのため、観測データの値に有意な変化が現れていない場合でも、連長確率の変化に基づき対象設備の状態変化を検出可能である。したがって、従来システムでは検出できなかった状態変化の検出や、従来システムよりも早い段階での(観測データの値に有意な変化が現れる前の)状態変化の検出が可能になる。
[0062]
 また、状態監視画面に提示された連長確率分布の時系列変化をみることで、対象設備の状態変化の様子、変化点や変化予兆点の根拠や可能性(確率)の高さなどを把握することができるので、検出結果の納得性を高めることができる。また、変化点や変化予兆点を提示することにより、実際に異常が発生する前にユーザに対象設備の点検等を促すことができ、適切な予防保全活動を実現できる。特に、変化予兆点が分かれば、対象設備の動作の点検や検品等をどの時点まで遡って行えばよいかの目安となる。したがって、対象設備の状態変化が検出された場合や実際に異常が発生した場合の対処を効率化することができる。
[0063]
 また、事前分布設定部により、観測データの値が従う確率分布に合わせて好適な事前分布を選択し設定することができるので、検出精度の向上を図ることができる。しかも、対象設備の種類や故障モードの種類を指定するだけで適切な事前分布が設定されるようなインタフェースを用意したので、ユーザの利便性を向上し、高度な専門知識をもたない者でも容易に適切な事前分布を設定することが可能となる。
[0064]
 なお、上述した実施形態の構成は本発明の一具体例を示したものにすぎず、本発明の範囲を限定する趣旨のものではない。本発明はその技術思想を逸脱しない範囲において、種々の具体的構成を採り得るものである。例えば上記実施形態で示したシステム構成、データ構造、ユーザインタフェース、数式、パラメタ等は一例であり、対象設備や監視装置の構成等に応じて適宜変更することができる。

符号の説明

[0065]
1:監視システム
2:対象設備
10:センサ、11:監視装置
60:観測値情報、61:連長値情報、62:連長確率分布情報
110:データ取得部、111:状態変化検出部、112:更新部、113:情報提示部、114:事前分布データベース、115:事前分布設定部

請求の範囲

[請求項1]
 対象設備の状態を監視する監視装置であって、
 前記対象設備に設けられるセンサの出力に基づいて観測データを取得するデータ取得部と、
 前記観測データの値が従う確率分布に対応する事前分布が予め設定されており、且つ、前記対象設備において同じ状態が継続する長さである連長が所定の確率分布に従うという仮定の下、前記データ取得部により現時点の観測データが取得されると、前記現時点の観測データの値と前記事前分布のパラメタの値とに基づいて、前記パラメタの値を条件としたときに前記現時点の観測データの値が取得される条件付き確率であるデータ発生確率を求めると共に、前記データ発生確率に基づいて、現時点までに取得された時系列の観測データを条件としたときの連長の条件付き確率の分布である連長確率分布を求め、前記連長確率分布に基づいて前記対象設備の状態の変化を検出する状態変化検出部と、
 前記現時点の観測データの値を用いて前記パラメタの値を更新することにより、次の時点におけるデータ発生確率の計算に用いる事前分布を生成する更新部と、
 前記状態変化検出部の結果に基づいて前記対象設備の状態の変化を表す情報を提示する情報提示部と、を有し、
 前記状態変化検出部は、現時点が前記対象設備の状態の変化点であると判定された場合に、さらに、連長確率分布に基づいて前記対象設備の状態の変化の予兆が現れ始めた時点である変化予兆点を探索する
ことを特徴とする監視装置。
[請求項2]
 前記状態変化検出部は、現時点における連長確率分布の最大ピークの連長値が一つ前の時点における連長確率分布の最大ピークの連長値に対し不連続となった場合に、現時点を前記対象設備の状態の変化点と判定する
ことを特徴とする請求項1に記載の監視装置。
[請求項3]
 前記状態変化検出部は、現時点が変化点であると判定された場合であって、且つ、現時点における連長確率分布の最大ピークの連長値がゼロでない場合に、現時点から、現時点における連長確率分布の最大ピークの連長値の分だけ遡った時点を、前記変化予兆点と判定する
ことを特徴とする請求項1又は2に記載の監視装置。
[請求項4]
 前記情報提示部は、前記状態変化検出部により検出された前記変化点及び/又は前記変化予兆点を表す変化点情報を提示する
ことを特徴とする請求項1~3のうちいずれか1項に記載の監視装置。
[請求項5]
 前記情報提示部は、前記状態変化検出部によって計算した前記連長確率分布の時系列変化を表す連長確率分布情報を提示する
ことを特徴とする請求項1~4のうちいずれか1項に記載の監視装置。
[請求項6]
 前記情報提示部は、前記連長確率分布情報の時間軸上に前記変化点情報を提示する
ことを特徴とする請求項5に記載の監視装置。
[請求項7]
 前記情報提示部は、前記センサの出力値又は前記観測データの値の時系列変化を表す観測値情報、及び/又は、前記連長確率分布の最大ピークの連長値の時系列変化を表す連長値情報を、前記連長確率分布情報と時間軸を一致させて提示する
ことを特徴とする請求項5又は6に記載の監視装置。
[請求項8]
 複数種類の事前分布の定義情報を記憶する事前分布データベースと、
 前記複数種類の事前分布のうちから前記状態変化検出部の計算において使用する事前分布を選択する事前分布設定部と、をさらに有する
ことを特徴とする請求項1~7のうちいずれか1項に記載の監視装置。
[請求項9]
 前記定義情報は、事前分布のパラメタと、前記パラメタの値の更新式と、を定義する情報を含む
ことを特徴とする請求項8に記載の監視装置。
[請求項10]
 前記事前分布データベースは、対象設備及び/又は故障モードの種類ごとに、対応する事前分布の定義情報を記憶しており、
 前記事前分布設定部は、監視の対象となる対象設備及び/又は故障モードの種類をユーザに指定させ、ユーザにより指定された対象設備及び/又は故障モードに対応する事前分布を選択する
ことを特徴とする請求項8又は9に記載の監視装置。
[請求項11]
 対象設備の状態を監視する監視装置の制御方法であって、
 前記対象設備に設けられるセンサの出力に基づいて観測データを取得する取得ステップと、
 前記観測データの値が従う確率分布に対応する事前分布が予め設定されており、且つ、前記対象設備において同じ状態が継続する長さである連長が所定の確率分布に従うという仮定の下、前記取得ステップにより現時点の観測データが取得されると、前記現時点の観測データの値と前記事前分布のパラメタの値とに基づいて、前記パラメタの値を条件としたときに前記現時点の観測データの値が取得される条件付き確率であるデータ発生確率を求めると共に、前記データ発生確率に基づいて、現時点までに取得された時系列の観測データを条件としたときの連長の条件付き確率の分布である連長確率分布を求め、前記連長確率分布に基づいて前記対象設備の状態の変化を検出する状態変化検出ステップと、
 前記現時点の観測データの値を用いて前記パラメタの値を更新することにより、次の時点におけるデータ発生確率の計算に用いる事前分布を生成する更新ステップと、
 前記状態変化検出ステップの結果に基づいて前記対象設備の状態の変化を表す情報を提示する情報提示ステップと、を有し、
 前記状態変化検出ステップでは、現時点が前記対象設備の状態の変化点であると判定された場合に、さらに、連長確率分布に基づいて前記対象設備の状態の変化の予兆が現れ始めた時点である変化予兆点を探索する
ことを特徴とする監視装置の制御方法。
[請求項12]
 コンピュータを、
 対象設備に設けられるセンサの出力に基づいて観測データを取得するデータ取得部と、
 前記観測データの値が従う確率分布に対応する事前分布が予め設定されており、且つ、前記対象設備において同じ状態が継続する長さである連長が所定の確率分布に従うという仮定の下、前記データ取得部により現時点の観測データが取得されると、前記現時点の観測データの値と前記事前分布のパラメタの値とに基づいて、前記パラメタの値を条件としたときに前記現時点の観測データの値が取得される条件付き確率であるデータ発生確率を求めると共に、前記データ発生確率に基づいて、現時点までに取得された時系列の観測データを条件としたときの連長の条件付き確率の分布である連長確率分布を求め、前記連長確率分布に基づいて前記対象設備の状態の変化を検出する状態変化検出部と、
 前記現時点の観測データの値を用いて前記パラメタの値を更新することにより、次の時点におけるデータ発生確率の計算に用いる事前分布を生成する更新部と、
 前記状態変化検出部の結果に基づいて前記対象設備の状態の変化を表す情報を提示する情報提示部と、して機能させるプログラムであって、
 前記状態変化検出部は、現時点が前記対象設備の状態の変化点であると判定された場合に、さらに、連長確率分布に基づいて前記対象設備の状態の変化の予兆が現れ始めた時点である変化予兆点を探索する
ことを特徴とするプログラム。

図面

[ 図 1]

[ 図 2]

[ 図 3]

[ 図 4]

[ 図 5]

[ 図 6]