特許 6805554 監視装置及び監視方法

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】特許公報(B2)

(11)【特許番号】6805554

(24)【登録日】2020年12月8日

(45)【発行日】2020年12月23日

(54)【発明の名称】監視装置及び監視方法

(51)【国際特許分類】

   G05B 23/02 20060101AFI20201214BHJP

【ＦＩ】

   G05B23/02 V

【請求項の数】7

【全頁数】13

(21)【出願番号】特願2016-110958(P2016-110958)

(22)【出願日】2016年6月2日

(65)【公開番号】特開2017-215908(P2017-215908A)

(43)【公開日】2017年12月7日

【審査請求日】2019年5月14日

(73)【特許権者】

【識別番号】000005234

【氏名又は名称】富士電機株式会社

(74)【代理人】

【識別番号】100107766

【弁理士】

【氏名又は名称】伊東 忠重

(74)【代理人】

【識別番号】100070150

【弁理士】

【氏名又は名称】伊東 忠彦

(72)【発明者】

【氏名】大頭 威

(72)【発明者】

【氏名】中嶋 孝広

【審査官】 影山 直洋

(56)【参考文献】

【文献】 特開２０１５−０１８３８９（ＪＰ，Ａ）

【文献】 特開２０１１−２５３２７５（ＪＰ，Ａ）

【文献】 特開２０１２−１５５３６１（ＪＰ，Ａ）

(58)【調査した分野】（Int.Cl.，ＤＢ名）

Ｇ０５Ｂ ２３／０２

(57)【特許請求の範囲】

【請求項1】

機器又は設備の異常の発生を検出する監視装置であって、
前記機器又は設備の異常の発生を検出するためのモデルを記憶する記憶手段と、
前記機器又は設備の運転状態を示す運転データを取得する取得手段と、
前記取得手段により前記運転データが取得されると、該運転データと、前記記憶手段に記憶されている前記モデルとに基づいて、Ｑ統計量及びＴ^２統計量を算出する算出手段と、
前記算出手段により算出された前記Ｑ統計量及びＴ^２統計量に基づいて、前記モデルの再作成が必要であるか否かを判定する判定手段と、
前記判定手段により前記モデルの再作成が必要であると判定された場合、前記モデルの再作成が必要であることを通知する通知手段と、
を有し、
前記判定手段は、
前記算出手段により算出された前記Ｑ統計量の寄与度の分散と、前記算出手段により算出された前記Ｔ^２統計量の寄与度の分散とのいずれか一方が、所定の閾値以上である場合、前記モデルの再作成が必要であると判定する、監視装置。

【請求項2】

機器又は設備の異常の発生を検出する監視装置であって、
前記機器又は設備の異常の発生を検出するためのモデルを記憶する記憶手段と、
前記機器又は設備の運転状態を示す運転データを取得する取得手段と、
前記取得手段により前記運転データが取得されると、該運転データと、前記記憶手段に記憶されている前記モデルとに基づいて、Ｑ統計量及びＴ^２統計量を算出する算出手段と、
前記算出手段により算出された前記Ｑ統計量及びＴ^２統計量に基づいて、前記モデルの再作成が必要であるか否かを判定する判定手段と、
前記判定手段により前記モデルの再作成が必要であると判定された場合、前記モデルの再作成が必要であることを通知する通知手段と、
を有し、
前記判定手段は、
前記算出手段により算出された前記Ｑ統計量の寄与度のうち、所定の個数の寄与度が、所定の閾値以上である場合、又は、前記算出手段により算出された前記Ｔ^２統計量の寄与度のうち、所定の個数の寄与度が閾値以上である場合、前記モデルの再作成が必要であると判定する、監視装置。

【請求項3】

前記通知手段は、
前記判定手段により前記モデルの再作成が必要である判定された回数が、所定の閾値以上である場合、前記モデルの再作成が必要であることを通知する、請求項１又は２に記載の監視装置。

【請求項4】

前記通知手段は、
前記判定手段により前記モデルの再作成が必要であると判定されなかった場合、前記回数を初期化する、請求項３に記載の監視装置。

【請求項5】

前記通知手段は、
前記モデルの再作成が必要であることをディスプレイに表示すること、又は、電子メールを送信することにより通知する、請求項１乃至４の何れか一項に記載の監視装置。

【請求項6】

機器又は設備の異常の発生を検出する監視装置であって、前記機器又は設備の異常の発生を検出するためのモデルを記憶する記憶手段を有する監視装置に用いられる監視方法において、
前記機器又は設備の運転状態を示す運転データを取得する取得手順と、
前記取得手順により前記運転データが取得されると、該運転データと、前記記憶手段に記憶されている前記モデルとに基づいて、Ｑ統計量及びＴ^２統計量を算出する算出手順と、
前記算出手順により算出された前記Ｑ統計量及びＴ^２統計量に基づいて、前記モデルの再作成が必要であるか否かを判定する判定手順と、
前記判定手順により前記モデルの再作成が必要であると判定された場合、前記モデルの再作成が必要であることを通知する通知手順と、
を有し、
前記判定手順は、
前記算出手順により算出された前記Ｑ統計量の寄与度の分散と、前記算出手順により算出された前記Ｔ^２統計量の寄与度の分散とのいずれか一方が、所定の閾値以上である場合、前記モデルの再作成が必要であると判定する、監視方法。

【請求項7】

機器又は設備の異常の発生を検出する監視装置であって、前記機器又は設備の異常の発生を検出するためのモデルを記憶する記憶手段を有する監視装置に用いられる監視方法において、
前記機器又は設備の運転状態を示す運転データを取得する取得手順と、
前記取得手順により前記運転データが取得されると、該運転データと、前記記憶手段に記憶されている前記モデルとに基づいて、Ｑ統計量及びＴ^２統計量を算出する算出手順と、
前記算出手順により算出された前記Ｑ統計量及びＴ^２統計量に基づいて、前記モデルの再作成が必要であるか否かを判定する判定手順と、
前記判定手順により前記モデルの再作成が必要であると判定された場合、前記モデルの再作成が必要であることを通知する通知手順と、
を有し、
前記判定手順は、
前記算出手順により算出された前記Ｑ統計量の寄与度のうち、所定の個数の寄与度が、所定の閾値以上である場合、又は、前記算出手順により算出された前記Ｔ^２統計量の寄与度のうち、所定の個数の寄与度が閾値以上である場合、前記モデルの再作成が必要であると判定する、監視方法。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、監視装置及び監視方法に関する。

【背景技術】

【0002】

工場等における設備やプラント等の運転データを分析して、プロセスの監視や診断を行う方法として、多変量統計的プロセス監視（ＭＳＰＣ：Multivariate Statistical Process Control）と呼ばれる方法が従来から知られている。

【0003】

また、多変量統計的プロセス監視において、プラントの管理者や運転員に対して、異常時にどのようなアクションを起こせば良いかの判断の指針を与える技術が従来から知られている（例えば特許文献１参照）。このような技術では、例えば、設備やプラント等の正常な運転状態を示す運転データからモデルを作成した上で、当該モデルに基づいて、異常の発生を検知する。

【先行技術文献】

【特許文献】

【0004】

【特許文献1】特開２０１４−９６０５０号公報

【発明の概要】

【発明が解決しようとする課題】

【0005】

ここで、例えば、設備やプラント等の劣化や環境条件（気温や湿度等）の変化等により異常検知の精度が低下した場合には、モデルを再作成する必要がある。しかしながら、上記の従来技術では、モデルの再作成が必要なことをオペレータ等に通知することができなかった。

【0006】

本発明の一実施形態は、上記の点に鑑みてなされたものであり、モデルの再作成を支援することを目的とする。

【課題を解決するための手段】

【0007】

上記目的を達成するため、本発明の一実施形態は、機器又は設備の異常の発生を検出する監視装置であって、前記機器又は設備の異常の発生を検出するためのモデルを記憶する記憶手段と、前記機器又は設備の運転状態を示す運転データを取得する取得手段と、前記取得手段により前記運転データが取得されると、該運転データと、前記記憶手段に記憶されている前記モデルとに基づいて、所定の指標値を算出する算出手段と、前記算出手段により算出された前記指標値に基づいて、前記モデルの再作成が必要であるか否かを判定する判定手段と、前記判定手段により前記モデルの再作成が必要であると判定された場合、前記モデルの再作成が必要であることを通知する通知手段と、を有する。

【発明の効果】

【0008】

本発明の一実施形態によれば、モデルの再作成を支援することができる。

【図面の簡単な説明】

【0009】

【図1】第一の実施形態に係る監視システムの一例のシステム構成図である。

【図2】第一の実施形態に係る監視装置の一例のハードウェア構成図である。

【図3】第一の実施形態に係る監視装置の一例の機能構成図である。

【図4】第一の実施形態に係る異常検知処理の一例を示すフローチャートである。

【図5】再モデル化の通知画面の一例を示す図である。

【図6】第二の実施形態に係る監視装置の一例の機能構成図である。

【図7】第二の実施形態に係る異常検知処理の一例を示すフローチャートである。

【図8】第二の実施形態に係る異常検知処理の他の例を示すフローチャートである。

【発明を実施するための形態】

【0010】

以下、本発明の実施の形態について、図面を参照しながら詳細に説明する。

【0011】

［第一の実施形態］
＜システム構成＞
まず、本実施形態に係る監視システム１のシステム構成について、図１を参照しながら説明する。図１は、第一の実施形態に係る監視システム１の一例のシステム構成図である。

【0012】

図１に示すように、本実施形態に係る監視システム１は、監視装置１０と、１台以上の制御装置２０とが、例えばＬＡＮ（Local Area Network）等のネットワークＮを介して通信可能に接続されている。また、制御装置２０には、１台以上の機器３０が接続されている。ここで、機器３０は、制御装置２０により制御される各種設備やプラント等であり、例えば、食品や半導体、鉄鋼等の各種製品の製造プロセス等を行う。

【0013】

監視装置１０は、機器３０の製造プロセス等で発生した異常を検知する情報処理装置であり、例えば、デスクトップ型ＰＣ、ノート型ＰＣ等である。なお、監視装置１０は、例えば、スマートフォンやタブレット端末等であっても良い。

【0014】

監視装置１０のユーザ（例えば、製品の製造工場におけるオペレータ等）は、監視装置１０を用いることで、製造プロセス等で異常が発生したことを知ることができる。なお、監視装置１０は、例えば、機器３０の正常な運転状態を示す運転データから予め作成されたモデルに基づいて、異常の発生を検知する。

【0015】

また、監視装置１０は、異常発生の検知に用いるモデルの再作成が必要であるか否か判定する。そして、監視装置１０は、モデルの再作成が必要であると判定した場合には、その旨をユーザに通知する。これにより、本実施形態に係る監視装置１０のユーザは、異常発生の検知に用いるモデルの再作成が必要であることを知ることができる。

【0016】

制御装置２０は、機器３０を制御する装置であり、例えば、ＰＬＣ（Programmable Logic Controller）等である。制御装置２０は、例えば各種センサ等により計測された機器３０の運転状態を示す運転データを取得して、監視装置１０に送信する。

【0017】

なお、機器３０の運転状態は、例えば、機器３０の所定の部品等の温度、圧力、流量等（これらは、「プロセス変数」とも称される。）を各種センサ等により計測することで表される。したがって、運転データは、１以上のプロセス変数により表されるベクトルデータである。

【0018】

また、各種センサ等は、機器３０の運転状態を所定の時間毎に計測する。各種センサ等が機器３０の運転状態を計測する所定の時間の間隔は、サンプリング周期とも称される。サンプリング周期は、例えば、数十ミリ秒乃至数十秒等である。

【0019】

機器３０は、上述したように、制御装置２０により制御され、製造プロセス等のプロセス処理を行う各種設備やプラント等である。

【0020】

なお、図１に示す監視システム１は、一例であって、他の構成であっても良い。例えば、本実施形態に係る監視システム１は、複数台の監視装置１０が含まれる構成であっても良い。

【0021】

＜ハードウェア構成＞
次に、本実施形態に係る監視装置１０のハードウェア構成について、図２を参照しながら説明する。図２は、第一の実施形態に係る監視装置１０の一例のハードウェア構成図である。

【0022】

図２に示すように、本実施形態に係る監視装置１０は、入力装置１１と、表示装置１２と、外部Ｉ／Ｆ１３と、ＲＡＭ（Random Access Memory）１４と、ＲＯＭ（Read Only Memory）１５とを有する。また、監視装置１０は、ＣＰＵ（Central Processing Unit）１６と、通信Ｉ／Ｆ１７と、記憶装置１８とを有する。これらの各ハードウェアは、バスＢにより通信可能に接続されている。

【0023】

入力装置１１は、例えば、キーボードやマウス、タッチパネル等であり、ユーザが各操作を入力するのに用いられる。表示装置１２は、例えば、ＬＣＤ（Liquid Crystal Display）等であり、監視装置１０による処理結果を表示する。なお、入力装置１１及び表示装置１２の少なくとも一方は、必要なときにバスＢに接続して利用する形態であっても良い。

【0024】

外部Ｉ／Ｆ１３は、外部装置とのインタフェースである。外部装置には、記録媒体１３ａ等がある。これにより、監視装置１０は、外部Ｉ／Ｆ１３を介して、記録媒体１３ａの読み取りや書き込みを行うことができる。

【0025】

記録媒体１３ａには、例えば、フレキシブルディスク、ＣＤ、ＤＶＤ、ＳＤメモリカード、ＵＳＢメモリ等がある。なお、記録媒体１３ａには、本実施形態を実現するプログラムが格納されても良い。

【0026】

ＲＡＭ１４は、電源を切ってもプログラムやデータを保持することができる不揮発性の半導体メモリである。ＲＯＭ１５には、監視装置１０の起動時に実行されるＢＩＯＳ（Basic Input/Output System）、ＯＳ（Operating System）設定、及びネットワーク設定等のプログラムやデータが格納されている。

【0027】

ＣＰＵ１６は、ＲＯＭ１５や記憶装置１８等からプログラムやデータをＲＡＭ１４上に読み出し、処理を実行することで、監視装置１０全体の制御や機能を実現する演算装置である。

【0028】

通信Ｉ／Ｆ１７は、監視装置１０をネットワークＮに接続するためのインタフェースである。これにより、監視装置１０は、通信Ｉ／Ｆ１７を介して、制御装置２０とデータ通信を行うことができる。

【0029】

記憶装置１８は、プログラムやデータを格納している不揮発性のメモリであり、例えば、ＨＤＤ（Hard Disk Drive）やＳＳＤ（solid state drive）等である。記憶装置１８に格納されるプログラムやデータには、本実施形態を実現するプログラム、監視装置１０全体を制御する基本ソフトウェアであるＯＳ、及びＯＳ上において各種機能を提供するアプリケーションソフトウェア等がある。なお、記憶装置１８は、格納しているプログラムやデータを所定のファイルシステムやＤＢ（データベース）等により管理している。

【0030】

本実施形態に係る監視装置１０は、上記のハードウェア構成を有することにより、後述するような各種処理を実現できる。

【0031】

＜機能構成＞
次に、本実施形態に係る監視装置１０の機能構成について、図３を参照しながら説明する。図３は、第一の実施形態に係る監視装置１０の一例の機能構成図である。

【0032】

図３に示すように、本実施形態に係る監視装置１０は、データ取得部１０１と、データ補正部１０２と、指標値算出部１０３と、モデル判定部１０４と、再モデル化通知部１０５と、異常判定部１０６と、異常通知部１０７とを有する。これら各機能部は、監視装置１０にインストールされた１以上のプログラムが、ＣＰＵ１６に実行させる処理により実現される。

【0033】

また、本実施形態に係る監視装置１０は、モデル記憶部１０８を有する。当該記憶部は、例えば、記憶装置１８を用いて実現可能である。なお、当該記憶部は、監視装置１０とネットワークＮを介して接続される記憶装置等を用いて実現されていても良い。

【0034】

データ取得部１０１は、制御装置２０から送信された運転データを取得する。なお、運転データは、例えば、サンプリング周期毎に、制御装置２０から送信される。

【0035】

データ補正部１０２は、データ取得部１０１により取得された運転データを補正する。ここで、運転データの補正とは、例えば、運転データに含まれるプロセス変数の欠損の補完処理や運転データに含まれる各プロセス変数の時刻同期処理等である。

【0036】

指標値算出部１０３は、モデル記憶部１０８に記憶されているモデルと、データ補正部１０２により補正された運転データとに基づいて、異常が発生したか否かを判定するための所定の指標値を算出する。ここで、所定の指標値は、例えば、Ｑ統計量及びＴ^２統計量等である。

【0037】

モデル判定部１０４は、指標値算出部１０３により算出された指標値に基づいて、モデル記憶部１０８に記憶されているモデルの再作成が必要であるか否かを判定する。言い換えれば、モデル判定部１０４は、指標値算出部１０３により算出された指標値に基づいて、モデル記憶部１０８に記憶されているモデルの信頼性（すなわち、当該モデルに基づく異常検知の精度）が十分であるか否かを判定する。

【0038】

再モデル化通知部１０５は、モデル判定部１０４によりモデルの再作成が必要であると判定された場合、ユーザに対して、モデルの再作成を促す通知を行う。ここで、モデルの再作成を促す通知とは、例えば、モデルの再作成が必要であることを示すメッセージを表示装置１２に表示させる、当該メッセージを含むメールを送信する等である。

【0039】

異常判定部１０６は、モデル判定部１０４によりモデルの再作成が必要でないと判定された場合、指標値算出部１０３により算出された指標値に基づいて、異常が発生したか否かを判定する。すなわち、異常判定部１０６は、指標値算出部１０３により算出された指標値に基づいて、プロセス処理で発生した異常を検知する。

【0040】

異常通知部１０７は、異常判定部１０６により異常が発生したと判定された場合、異常が発生したことを示す通知を行う。ここで、異常が発生したことを示す通知とは、例えば、プロセス処理に異常が発生したことを示すメッセージを表示装置１２に表示させる、当該メッセージを含むメールを送信する等である。また、異常通知部１０７は、例えば、ブザー音等により異常の発生を通知しても良いし、回転灯を点灯させること等により異常の発生を通知しても良い。

【0041】

モデル記憶部１０８は、プロセス処理で発生した異常を検知するためのモデルを記憶する。ここで、モデルは、例えば、予め蓄積された機器３０の正常な運転状態を示す運転データから作成される正常モデル等である。

【0042】

＜処理の詳細＞
次に、本実施形態に係る監視装置１０の処理の詳細について説明する。以降では、本実施形態に係る監視装置１０において、プロセス処理で発生した異常を検知する処理について、図４を参照しながら説明する。図４は、第一の実施形態に係る異常検知処理の一例を示すフローチャートである。なお、図４に示す異常検知処理は、例えば、サンプリング周期毎に実行される。

【0043】

まず、監視装置１０のデータ取得部１０１は、制御装置２０から送信された運転データを取得する（ステップＳ４０１）。

【0044】

次に、監視装置１０のデータ補正部１０２は、データ取得部１０１により取得された運転データを補正する（ステップＳ４０２）。すなわち、データ補正部１０２は、例えば、運転データに含まれるプロセス変数の欠損の補完処理、運転データに含まれる各プロセス変数の時刻同期処理等を行う。

【0045】

次に、監視装置１０の指標値算出部１０３は、モデル記憶部１０８に記憶されているモデルと、データ補正部１０２により補正された運転データとに基づいて、所定の指標値を算出する（ステップＳ４０３）。なお、以降では、データ補正部１０２により補正された運転データも、単に「運転データ」と表す。

【0046】

ここで、指標値算出部１０３は、所定の指標値として、Ｑ統計量及びＴ^２統計量を算出したものとする。ただし、指標値算出部１０３は、Ｑ統計量及びＴ^２統計量のいずれか一方のみを算出しても良い。なお、Ｑ統計量及びＴ^２統計量は、運転データと、モデルについて主成分分析（ＰＣＡ：Principal Component Analysis）を行って得られるローディング行列とから算出することができる。

【0047】

次に、監視装置１０のモデル判定部１０４は、指標値算出部１０３により算出されたＱ統計量及びＴ^２統計量に基づいて、モデル記憶部１０８に記憶されているモデルの再作成が必要であるか否かを判定する（ステップＳ４０４）。

【0048】

ここで、Ｑ統計量は、１以上のＱ統計量の寄与度（これを「Ｑ寄与度」と表す。）の和で表される。同様に、Ｔ^２統計量は、１以上のＴ^２統計量の寄与度（これを「Ｔ^２寄与度」と表す。）の和で表される。

【0049】

また、Ｑ統計量は、１以上のＱ寄与度から算出される分散（これを「Ｑ分散」と表す。）が低い方が指標値として精度が高くなる。同様に、Ｔ^２統計量は、１以上のＴ^２寄与度から算出される分散（これを「Ｔ^２分散」と表す。）が低い方が指標値として精度が高くなる。

【0050】

したがって、モデル判定部１０４は、例えば、Ｑ分散又はＴ^２分散の少なくとも一方が、予め設定された所定の閾値よりも大きい場合に、モデルの再作成が必要であると判定する。

【0051】

なお、モデル判定部１０４は、これに限られず、例えば、１以上のＱ寄与度のうち、所定の個数のＱ寄与度が、所定の閾値よりも大きい（又は小さい）場合に、モデルの再作成が必要であると判定しても良い。同様に、モデル判定部１０４は、例えば、１以上のＴ^２寄与度のうち、所定の個数のＴ^２寄与度が、所定の閾値よりも大きい（又は小さい）場合に、モデルの再作成が必要であると判定しても良い。

【0052】

また、モデル判定部１０４は、例えば、Ｑ寄与度をＱ統計量で除算して、１００を掛けることで算出されるＱ寄与率のうち、所定の個数のＱ寄与率が、所定の閾値より大きい（又は小さい）場合に、モデルの再作成が必要であると判定しても良い。同様に、モデル判定部１０４は、例えば、Ｔ^２寄与度をＴ^２統計量で除算して、１００を掛けることで算出されるＴ^２寄与率のうち、所定の個数のＴ^２寄与率が、所定の閾値より大きい（又は小さい）場合に、モデルの再作成が必要であると判定しても良い。

【0053】

このように、本実施形態に係る監視システム１では、モデル記憶部１０８に記憶されているモデルに基づいて算出される指標値の信頼性が低い（すなわち、精度が低い）場合には、当該モデルの再作成が必要であると判定する。

【0054】

ステップＳ４０４において、モデル判定部１０４によりモデルの再作成が必要であると判定されなかった場合、監視装置１０の異常判定部１０６は、Ｑ統計量及びＴ^２統計量に基づいて、異常が発生したか否かを判定する（ステップＳ４０５）。

【0055】

すなわち、異常判定部１０６は、Ｑ統計量及びＴ^２統計量の少なくとも一方が、予め設定された所定の閾値より大きいか否かを判定する。そして、異常判定部１０６は、Ｑ統計量及びＴ^２統計量の少なくとも一方が、予め設定された所定の閾値より大きい場合に、異常が発生したと判定する。これにより、異常の発生が検知される。

【0056】

ステップＳ４０５において、異常判定部１０６により異常が発生したと判定された場合、監視装置１０の異常通知部１０７は、プロセス処理に異常が発生したことを示す通知を行う（ステップＳ４０６）。

【0057】

なお、異常通知部１０７は、例えば、異常の発生を示すメッセージを表示装置１２に表示させても良いし、当該メッセージを含むメールを所定の端末（例えば、オペレータ等のスマートフォンやタブレット端末等）に送信しても良い。また、異常通知部１０７は、例えば、ブザー音等により異常の発生を通知しても良いし、回転灯を点灯させること等により異常の発生を通知しても良い。これにより、オペレータ等のユーザは、プロセス処理に異常が発生したことを知ることができる。

【0058】

一方、ステップＳ４０５において、異常判定部１０６により異常が発生したと判定されなかった場合、監視装置１０は、処理を終了させる。

【0059】

ステップＳ４０４において、モデル判定部１０４によりモデルの再作成が必要であると判定された場合、監視装置１０の再モデル化通知部１０５は、モデルの再作成を促す通知を行う（ステップＳ４０７）。

【0060】

ここで、再モデル化通知部１０５は、例えば、図５に示す再モデル化通知画面Ｇ１００を表示装置１２に表示させることにより、モデルの再作成を促す通知を行う。ユーザは、例えば、図５に示す再モデル化通知画面Ｇ１００において、「モデル再作成」ボタンを押下することで、モデルの再作成を行うことができる。

【0061】

なお、再モデル化通知部１０５は、例えば、モデルの再作成を促すメッセージを含むメールを所定の端末（例えば、オペレータ等のスマートフォンやタブレット端末等）に送信しても良い。

【0062】

以上のように、本実施形態に係る監視システム１では、モデルの信頼性が低い場合には、モデルの再作成が必要であることをユーザに通知することができる。したがって、オペレータ等のユーザは、モデル記憶部１０８に記憶されているモデルを再作成することで、より精度の高い異常検知を行うことができるようになる。

【0063】

［第二の実施形態］
次に、第二の実施形態について説明する。第二の実施形態では、モデル判定部１０４によりモデルの再作成が必要であると判定された回数が所定の回数以上である場合に、モデルの再作成が必要であることを通知するものである。

【0064】

なお、第二の実施形態では、主に、第一の実施形態との相違点について説明し、第一の実施形態と同一の処理を行う箇所及び同一の機能を有する箇所については、第一の実施形態と同様の符号を付与し、その説明を省略する。

【0065】

＜機能構成＞
まず、本実施形態に係る監視装置１０の機能構成について、図６を参照しながら説明する。図６は、第二の実施形態に係る監視装置１０の一例の機能構成図である。

【0066】

図６に示すように、本実施形態に係る監視装置１０は、再モデル化通知部１０５Ａの機能が第一の実施形態と異なる。

【0067】

再モデル化通知部１０５Ａは、モデル判定部１０４によりモデルの再作成が必要であると判定された回数をカウントする。そして、再モデル化通知部１０５Ａは、カウント数が所定の閾値以上となった場合、モデルの再作成を促す通知を行う。

【0068】

＜処理の詳細＞
次に、本実施形態に係る監視装置１０の処理の詳細について説明する。以降では、本実施形態に係る監視装置１０において、プロセス処理で発生した異常を検知する処理について、図７を参照しながら説明する。図７は、第二の実施形態に係る異常検知処理の一例を示すフローチャートである。

【0069】

ステップＳ４０４において、モデル判定部１０４によりモデルの再作成が必要であると判定された場合、監視装置１０の再モデル化通知部１０５Ａは、モデルの再作成が必要であると判定された回数をカウントする（ステップＳ７０１）。すなわち、再モデル化通知部１０５Ａは、例えば、監視装置１０の起動時に「０」に初期化された変数Ｎを用いて、Ｎに「１」を加算する。

【0070】

次に、監視装置１０の再モデル化通知部１０５Ａは、カウント数が、予め設定された所定の閾値以上となったか否かを判定する（ステップＳ７０２）。すなわち、再モデル化通知部１０５Ａは、変数Ｎの値が、予め設定された所定の閾値以上となったか否かを判定する。

【0071】

ステップＳ７０２において、カウント数が、所定の閾値以上となったと判定された場合、監視装置１０の再モデル化通知部１０５Ａは、モデルの再作成を促す通知を行うと共に、カウント数を初期化（すなわち、変数Ｎを「０」に初期化）する（ステップＳ７０３）。

【0072】

以上のように、本実施形態に係る監視システム１では、モデルの信頼性が低いと判定された回数をカウントした上で、カウント数が閾値以上となった場合に、モデルの再作成が必要であることをユーザに通知することができる。これにより、本実施形態に係る監視システム１では、より高い精度でモデルの再作成が必要か否かを判定することができるようになる。

【0073】

ここで、本実施形態に係る異常検知処理の他の例について、図８を参照しながら説明する。図８は、第二の実施形態に係る異常検知処理の他の例を示すフローチャートである。

【0074】

ステップＳ４０４において、モデル判定部１０４によりモデルの再作成が必要でないと判定された場合、監視装置１０の再モデル化通知部１０５Ａは、カウント数を初期化（すなわち、変数Ｎを「０」に初期化）する（ステップＳ８０１）。

【0075】

これにより、本実施形態に係る監視システム１では、連続してモデルの信頼性が低いと判定された回数をカウントした上で、カウント数が閾値以上となった場合に、モデルの再作成が必要であるとことをユーザに通知することができる。これにより、本実施形態に係る監視システム１では、より高い精度でモデルの再作成が必要か否かを判定することができるようになる。

【0076】

なお、本発明は、具体的に開示された上記の各実施形態に限定されるものではなく、特許請求の範囲から逸脱することなく、種々の変形や変更が可能である。

【符号の説明】

【0077】

１ 監視システム
１０ 監視装置
２０ 制御装置
３０ 機器
１０１ データ取得部
１０２ データ補正部
１０３ 指標値算出部
１０４ モデル判定部
１０５ 再モデル化通知部
１０６ 異常判定部
１０７ 異常通知部
１０８ モデル記憶部

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】