特開 2023-176309 異常検知装置、異常検知方法及びプログラム

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】公開特許公報(A)

(11)【公開番号】P2023176309

(43)【公開日】2023-12-13

(54)【発明の名称】異常検知装置、異常検知方法及びプログラム

(51)【国際特許分類】

   G05B 23/02 20060101AFI20231206BHJP

【ＦＩ】

G05B23/02 302R

【審査請求】未請求

【請求項の数】6

【出願形態】ＯＬ

(21)【出願番号】P 2022088524

(22)【出願日】2022-05-31

(71)【出願人】

【識別番号】000000011

【氏名又は名称】株式会社アイシン

(74)【代理人】

【識別番号】110002147

【氏名又は名称】弁理士法人酒井国際特許事務所

(72)【発明者】

【氏名】軽海 貴博

(72)【発明者】

【氏名】小西 圭睦

【テーマコード（参考）】

3C223

【Ｆターム（参考）】

3C223BA05

3C223CC02

3C223DD03

3C223EA06

3C223EB01

3C223EB02

3C223EB03

3C223FF04

3C223FF45

3C223HH02

3C223HH29

(57)【要約】

【課題】設備の異常に関連する因子を正確に推定し、設備の異常を高精度に検知する。
【解決手段】異常検知装置は、所定の作業領域内に複数の設備が設置された環境において設備の異常を検知するための処理を行う異常検知装置であって、複数の設備のそれぞれに設置されたセンサから出力されたセンサデータを取得する取得部と、センサデータに含まれる変数を静的変数と静的変数より時間経過に伴う値のばらつき度合いが大きい動的変数とに分類し、動的変数を変動させる因子のうち作業領域内に設置された複数の設備に共通する全体変動因子と、動的変数を変動させる因子のうち設備毎に固有の固有変動因子とを推定する変数分析部と、設備の異常の発生以前に出力されたセンサデータから抽出された異常に関連する因子の候補としての候補因子、全体変動因子及び固有変動因子に基づいて、設備の異常に関連する異常関連因子を推定する異常分析部と、を備える。
【選択図】図２

【特許請求の範囲】

【請求項1】

所定の作業領域内に複数の設備が設置された環境において前記設備の異常を検知するための処理を行う異常検知装置であって、
複数の前記設備のそれぞれに設置されたセンサから出力されたセンサデータを取得する取得部と、
前記センサデータに含まれる変数を静的変数と前記静的変数より時間経過に伴う値のばらつき度合いが大きい動的変数とに分類し、前記動的変数を変動させる因子のうち前記作業領域内に設置された複数の前記設備に共通する全体変動因子と、前記動的変数を変動させる因子のうち前記設備毎に固有の固有変動因子とを推定する変数分析部と、
前記設備の異常の発生以前に出力された前記センサデータから抽出された異常に関連する因子の候補としての候補因子、前記全体変動因子及び前記固有変動因子に基づいて、前記設備の異常に関連する異常関連因子を推定する異常分析部と、
を備える異常検知装置。

【請求項2】

前記異常関連因子に基づいて前記設備の異常が発生する前に現れる前記センサデータの変動の特徴を示す前兆情報を生成する前兆分析部、
を更に備える請求項１に記載の異常検知装置。

【請求項3】

リアルタイムに取得される前記センサデータと前記前兆情報とに基づいて前記設備の異常の発生を予測する異常状態検知部、
を更に備える請求項２に記載の異常検知装置。

【請求項4】

前記動的変数は、第１動的変数と、前記第１動的変数よりばらつき度合いが大きい第２動的変数とを含む、
請求項１～３のいずれか１項に記載の異常検知装置。

【請求項5】

所定の作業領域内に複数の設備が設置された環境において前記設備の異常を検知する方法であって、
複数の前記設備のそれぞれに設置されたセンサから出力されたセンサデータを取得する工程と、
前記センサデータに含まれる変数を静的変数と前記静的変数より時間経過に伴う値のばらつき度合いが大きい動的変数とに分類する工程と、
前記動的変数を変動させる因子のうち前記作業領域内に設置された複数の前記設備に共通する全体変動因子と、前記動的変数を変動させる因子のうち前記設備毎に固有の固有変動因子とを推定する工程と、
前記設備の異常の発生以前に出力された前記センサデータから抽出された異常に関連する因子の候補としての候補因子、前記全体変動因子及び前記固有変動因子に基づいて、前記設備の異常に関連する異常関連因子を推定する工程と、
を含む異常検知方法。

【請求項6】

所定の作業領域内に複数の設備が設置された環境において前記設備の異常を検知するための処理を行うコンピュータに、
複数の前記設備のそれぞれに設置されたセンサから出力されたセンサデータを取得する処理と、
前記センサデータに含まれる変数を静的変数と前記静的変数より時間経過に伴う値のばらつき度合いが大きい動的変数とに分類する処理と、
前記動的変数を変動させる因子のうち前記作業領域内に設置された複数の前記設備に共通する全体変動因子と、前記動的変数を変動させる因子のうち前記設備毎に固有の固有変動因子とを推定する処理と、
前記設備の異常の発生以前に出力された前記センサデータから抽出された異常に関連する因子の候補としての候補因子、前記全体変動因子及び前記固有変動因子に基づいて、前記設備の異常に関連する異常関連因子を推定する処理と、
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、異常検知装置、異常検知方法及びプログラムに関する。

【背景技術】

【0002】

工場やプラントに設置された複数の設備の異常を各設備に設置されたセンサから取得されるセンサデータに基づいて検知するシステムが開発されている。

【先行技術文献】

【特許文献】

【0003】

【特許文献1】特開２０１１－１４５８４６号公報

【特許文献2】特許第５０４８６２５号公報

【発明の概要】

【発明が解決しようとする課題】

【0004】

上記のようなシステムにおいて、センサデータの解析結果に基づいて設備の異常に関連する因子を推定することにより、異常の発生を高精度に検知できる。しかしながら、従来技術においては、異常に関連する因子を正確に推定することが困難であった。

【0005】

そこで、本発明の実施形態は、設備の異常に関連する因子を正確に推定し、設備の異常を高精度に検知可能な異常検知装置、異常検知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】

【0006】

本発明の一実施形態としての異常検知装置は、所定の作業領域内に複数の設備が設置された環境において設備の異常を検知するための処理を行う異常検知装置であって、複数の設備のそれぞれに設置されたセンサから出力されたセンサデータを取得する取得部と、センサデータに含まれる変数を静的変数と静的変数より時間経過に伴う値のばらつき度合いが大きい動的変数とに分類し、動的変数を変動させる因子のうち作業領域内に設置された複数の設備に共通する全体変動因子と、動的変数を変動させる因子のうち設備毎に固有の固有変動因子とを推定する変数分析部と、設備の異常の発生以前に出力されたセンサデータから抽出された異常に関連する因子の候補としての候補因子、全体変動因子及び固有変動因子に基づいて、設備の異常に関連する異常関連因子を推定する異常分析部と、を備える。

【0007】

上記構成によれば、各設備の異常に関連する異常関連因子を正確に推定でき、各設備の異常を高精度に検知できる。

【0008】

また、上記構成において、異常検知装置は、異常関連因子に基づいて設備の異常が発生する前に現れるセンサデータの変動の特徴を示す前兆情報を生成する前兆分析部、を更に備えてもよい。

【0009】

上記構成によれば、設備の異常の発生を予測するための前兆情報を生成できる。

【0010】

また、上記構成において、異常検知装置は、リアルタイムに取得されるセンサデータと前兆情報とに基づいて設備の異常の発生を予測する異常状態検知部、を更に備えてもよい。

【0011】

上記構成によれば、前兆情報を利用して設備の異常の発生を予測できる。

【0012】

また、上記構成において、動的変数は、第１動的変数と、第１動的変数よりばらつき度合いが大きい第２動的変数とを含んでもよい。

【0013】

上記構成によれば、時系列的な値のばらつき度合いの大きさに応じて異常関連因子をより高精度に推定でき、設備の異常をより高精度に検知できる。

【0014】

また、本発明の他の実施形態としての異常検知方法は、所定の作業領域内に複数の設備が設置された環境において設備の異常を検知する方法であって、複数の設備のそれぞれに設置されたセンサから出力されたセンサデータを取得する工程と、センサデータに含まれる変数を静的変数と静的変数より時間経過に伴う値のばらつき度合いが大きい動的変数とに分類する工程と、動的変数を変動させる因子のうち作業領域内に設置された複数の設備に共通する全体変動因子と、動的変数を変動させる因子のうち設備毎に固有の固有変動因子とを推定する工程と、設備の異常の発生以前に出力されたセンサデータから抽出された異常に関連する因子の候補としての候補因子、全体変動因子及び固有変動因子に基づいて、設備の異常に関連する異常関連因子を推定する工程と、を含む。

【0015】

また、本発明の他の実施形態としてのプログラムは、所定の作業領域内に複数の設備が設置された環境において設備の異常を検知するための処理を行うコンピュータに、複数の設備のそれぞれに設置されたセンサから出力されたセンサデータを取得する処理と、センサデータに含まれる変数を静的変数と静的変数より時間経過に伴う値のばらつき度合いが大きい動的変数とに分類する処理と、動的変数を変動させる因子のうち作業領域内に設置された複数の設備に共通する全体変動因子と、動的変数を変動させる因子のうち設備毎に固有の固有変動因子とを推定する処理と、設備の異常の発生以前に出力されたセンサデータから抽出された異常に関連する因子の候補としての候補因子、全体変動因子及び固有変動因子に基づいて、設備の異常に関連する異常関連因子を推定する処理と、を実行させる。

【図面の簡単な説明】

【0016】

【図1】図１は、実施形態の異常検知システムの構成の一例を示す図である。

【図2】図２は、実施形態の異常検知装置の機能構成の一例を示すブロック図である。

【図3】図３は、本実施形態の変数分析部の機能構成の一例を示すブロック図である。

【図4】図４は、実施形態の静的変数、第１動的変数及び第２動的変数の一例を示す図である。

【図5】図５は、実施形態の変数分類部による変数の分類方法の一例を示す図である。

【図6】図６は、実施形態の変動因子推定部の機能構成の一例を示すブロック図である。

【図7】図７は、実施形態の動的変数、全体変動成分及び固有変動成分の関係の一例を示す図である。

【図8】図８は、実施形態の推定部による処理の一例を示す図である。

【図9】図９は、実施形態の異常分析部の機能構成の一例を示すブロック図である。

【図10】図１０は、実施形態の変数分析部による処理の一例を示すフローチャートである。

【図11】図１１は、実施形態の異常分析部による処理の一例を示すフローチャートである。

【図12】図１２は、実施形態の前兆分析部による処理の一例を示すフローチャートである。

【図13】図１３は、実施形態の異常状態検知部による処理の一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】

【0017】

以下、本発明の例示的な実施形態が開示される。以下に示される実施形態の構成、並びに当該構成によりもたらされる作用、結果、及び効果は、一例である。本発明は、以下の実施形態に開示される構成以外によりも実現可能であるとともに、基本的な構成に基づく種々の効果や派生的な効果のうち、少なくとも一つを得ることが可能である。

【0018】

図１は、実施形態の異常検知システム１の構成の一例を示す図である。本実施形態の異常検知システム１は、工場１０（作業領域の一例）内に設置された複数（本実施形態では４機）且つ同種の設備１１Ａ～１１Ｄの異常を検知するためのシステムである。設備１１Ａ～１１Ｄの種類は特に限定されるべきものではないが、例えば、鋳造機、鍛造機、熱処理炉等であり得る。

【0019】

異常検知システム１は、センサ群１２，１３、異常検知装置２１及びネットワーク２５を含む。

【0020】

センサ群１２は、各設備１１Ａ～１１Ｄに設置され、複数のセンサ１２Ａ，１２Ｂ，…を含む。センサ群１３は、工場１０に設置され、複数のセンサ１３Ａ，１３Ｂ，…を含む。センサ群１２に含まれる複数のセンサ１２Ａ，１２Ｂ，…の種類の組み合わせは、複数の設備１１Ａ～１１Ｄ間で共通している。センサ１２Ａ，１２Ｂ，…，１３Ａ，１３Ｂ，…の種類は特に限定されるべきものではないが、例えば、温度センサ、湿度センサ、気圧センサ、溶接電流値センサ、レーザ出力センサ、真空度センサ、冷却水量センサ、冷却水元圧センサ、機械油塗布量センサ、供給電力センサ等であり得る。

【0021】

異常検知装置２１は、ネットワーク２５を介して入力されるセンサ群１２，１３からのセンサデータに基づいて、各設備１１Ａ～１１Ｄの異常を検知するための各種処理を実行する情報処理装置である。本実施形態の異常検知装置２１は、ＣＰＵ（Central Processing Unit）３１、ＲＡＭ（Random Access Memory）３２、ＲＯＭ（Read Only Memory）３３、ストレージ３４、通信Ｉ／Ｆ（Interface）３５、ユーザＩ／Ｆ３６等を含むコンピュータを利用して構成される。ＣＰＵ３１は、ＲＯＭ３３やストレージ３４に記憶されたプログラムに従いＲＡＭ３２を作業領域として使用して所定の演算処理を実行する。ストレージ３４は、ＳＳＤ（Solid State Drive）、ＨＤＤ（Hard Disk Drive）等の不揮発性メモリであり、プログラム、ＣＰＵ３１の処理に必要なデータ、ＣＰＵ３１の処理により生成されたデータ等の書き込み及び読み出しを可能にする。通信Ｉ／Ｆ３５は、ネットワーク２５を介して接続された外部デバイス（センサ１２Ａ，１２Ｂ，…，１３Ａ，１３Ｂ，…等）とのデータの送受信を可能にするデバイスである。ユーザＩ／Ｆ３６は、ユーザ（工場１０の管理者等）からの入力の受け付け、ユーザへの情報の出力等を可能にするデバイスであり、例えばキーボード、ポインティングデバイス、タッチパネル機構、ディスプレイ、スピーカ、マイク等であり得る。ＣＰＵ３１、ＲＡＭ３２、ＲＯＭ３３、ストレージ３４、通信Ｉ／Ｆ３５及びユーザＩ／Ｆ３６は、データバスを介して接続されている。なお、異常検知装置２１のハードウェア構成は上記に限定されるものではなく、例えば、ＦＰＧＡ（Field Programmable Gate Array）、ＡＳＩＣ（Application Specific Integrated Circuit）等を利用して構成されてもよいし、複数のコンピュータが連携して動作する構成であってもよい。

【0022】

ネットワーク２５は、センサ群１２，１３と異常検知装置２１との間の通信を可能にするものであり、例えば、ＬＡＮ（Local Area Network）、ＷＡＮ（Wide Area Network）等を含んで構成される。

【0023】

図２は、実施形態の異常検知装置２１の機能構成の一例を示すブロック図である。本実施形態の異常検知装置２１は、取得部１０１、変数分析部１０２、変数分析結果記憶部１０３、異常分析部１０４、異常分析結果記憶部１０５、前兆分析部１０６、前兆分析結果記憶部１０７、異常状態検知部１０８及び出力部１０９を有する。これらの機能部１０１～１０９は、例えば図１に例示されるような異常検知装置２１のハードウェア要素及びソフトウェア要素（プログラム等）の協働により実現され得る。また、これらの機能部１０１～１０９の一部又は全部が専用のハードウェア（回路等）により構成されてもよい。

【0024】

取得部１０１は、センサ群１２，１３から出力された多次元時系列データであるセンサデータを取得する。取得部１０１は、センサデータに対してフィルタ処理、欠損値処理、ＰＣＡ（Principal Component Analysis）等の前処理を行ってもよい。また、取得部１０１は、リサンプリング等によりセンサデータの時間断面を一致させる同期処理等を行ってもよい。

【0025】

変数分析部１０２は、センサデータに含まれる変数を静的変数と、静的変数より時間経過に伴う値のばらつき度合いが大きい動的変数とに分類する。センサデータに含まれる変数とは、各センサ１２Ａ，１２Ｂ，…，１３Ａ，１３Ｂ，…により測定され時系列で変化する所定の測定値であり、例えば動作時間、タクトタイム、温度、湿度、気圧、真空度、冷却水流量、機械油塗布量、溶接電流値、レーザ出力値等であり得る。また、変数分析部１０２は、動的変数を変動させる因子のうち複数の設備１１Ａ～１１Ｄに共通する全体変動因子と、動的変数を変動させる因子のうち設備１１Ａ～１１Ｄ毎に固有の固有変動因子とを推定する。

【0026】

図３は、本実施形態の変数分析部１０２の機能構成の一例を示すブロック図である。本実施形態の変数分析部１０２は、変数分類部２０１及び変動因子推定部２０２を有する。

【0027】

変数分類部２０１は、センサデータに含まれる変数を静的変数と、静的変数より時間経過に伴う値のばらつき度合いが大きい第１動的変数と、第１動的変数より時間経過に伴う値のばらつき度合いが大きい第２動的変数とに分類する。すなわち、本実施形態では、動的変数をそのばらつき度合いに応じて第１動的変数と第２動的変数とに分類する。

【0028】

図４は、実施形態の静的変数、第１動的変数及び第２動的変数の一例を示す図である。図４に示されるように、静的変数は、時間経過（横軸の値）に伴う測定値（縦軸の値）のばらつき度合いが比較的（所定の閾値より）小さい変数であり、例えば、動作時間、タクトタイム等であり得る。第１動的変数は、時間経過に伴う測定値のばらつき度合いが静的変数より大きく且つ第２動的変数より小さい変数であり、例えば、温度、湿度、気圧等であり得る。第２動的変数は、時間経過に伴う測定値のばらつき度合いが第１動的変数より大きい変数であり、例えば、溶接電流値、レーザ出力値等であり得る。

【0029】

図５は、実施形態の変数分類部２０１による変数の分類方法の一例を示す図である。図５に示されるように、本実施形態の変数分類部２０１は、対象となる変数に対して所定の滑走窓Ｗを設定して局所的な統計量（平均値、標準偏差等）を算出し、当該統計量の差に基づいて当該変数を静的変数、第１動的変数又は第２動的変数に分類する。例えば、平均値の差及び標準偏差の差が共に閾値以下である変数を静的変数に分類し、平均値の差が閾値以上であり且つ標準偏差の差が閾値以下である変数を第１動的変数に分類し、平均値の差及び標準偏差の差が共に閾値以上である変数を第２動的変数に分類してもよい。なお、上記変数の分類方法は一例であり、これに限定されるものではない。

【0030】

変動因子推定部２０２（図３）は、上記のように分類された動的変数（第１動的変数及び第２動的変数）を変動させる因子のうち複数の設備１１Ａ～１１Ｄに共通する全体変動因子と、動的変数を変動させる因子のち設備１１Ａ～１１Ｄ毎に固有の固有変動因子とを推定する。

【0031】

図６は、実施形態の変動因子推定部２０２の機能構成の一例を示すブロック図である。本実施形態の変動因子推定部２０２は、成分分解部２１１及び推定部２１２を有する。成分分解部２１１は、動的変数の変動に関わる成分を全体変動成分及び固有変動成分に分解する。全体変動成分とは、複数の設備１１Ａ～１１Ｄに対して共通に作用する成分であり、例えば、工場１０内の温度、湿度、気圧等であり得る。固有変動成分とは、各設備１１Ａ～１１Ｄに対して個別に作用する成分であり、例えば、チャンバ内の真空度、冷却水流量、供給電力等であり得る。

【0032】

成分分解部２１１による成分の分解は、例えば下記のような算出方法により実現され得る。

【0033】

動的変数に対応するセンサデータの生データをＸ_ｒａｗ、工場１０全体の変動をＸ_{ｏｖｅｒａｌｌ}、各設備１１Ａ～１１Ｄに固有の変動をＸ_ｕｎｉｑ、生データのサンプル数をＮ、変数の数をＭとするとき、下記式（１）～（４）が成り立つ。

【0034】

【数1】

【0035】

【数2】

【0036】

【数3】

【0037】

【数4】

【0038】

上記式（４）を標準空間に写像すると下記式（５）が導出される。ｅ_１～ｅ_ＭはＸ_ｕｎｉｑに起因する誤差を示している。

【0039】

【数5】

【0040】

そして、各変数に共通する成分の推定値を抽出することにより、下記式（６）のように全体変動成分（ｘ（ハット）_{ｏｖｅｒａｌｌ}）を抽出できる。

【0041】

【数6】

【0042】

そして、Ｎｏｒｍ（Ｘ_ｒａｗ）から全体変動成分を減算することにより、下記式（７）のように誤差（ｅ_１，ｅ_２，…，ｅ_Ｍ）が各設備１１Ａ～１１Ｄの固有変動成分として抽出される。

【0043】

【数7】

【0044】

図７は、実施形態の動的変数、全体変動成分及び固有変動成分の関係の一例を示す図である。図７において、各設備１１Ａ～１１Ｄに対応する動的変数（例えばチャンバ内の真空度等）の変動に関わる成分が成分分解部２１１により全体変動成分（例えば工場１０内の気圧等）と固有変動成分（例えばチャンバ内の真空度等）とに分解された状態が例示されている。また、図７には、設備１１Ｂにおいて時刻ｔに異常Ｅｒｒが発生した場合が例示されている。図７に示されるように、本例では、時刻ｔ以前において全体変動成分に特徴的な変動Ｆ１が現れ、時刻ｔ以前において設備１１Ｂの固有変動成分に特徴的な変動Ｆ２が現れている。

【0045】

推定部２１２（図６）は、上記のように分解された全体変動成分及び固有変動成分のそれぞれについて、全体変動成分に関連する因子である全体変動因子と、固有変動成分に関連する因子である固有変動因子とを推定する。

【0046】

図８は、実施形態の推定部２１２による処理の一例を示す図である。ここでは、全体変動成分（例えば気圧）に対応する全体変動因子が湿度である場合が例示されている。推定部２１２による推定方法は特に限定されるべきものではないが、例えば、相関分析、統計的因果推論、統計的因果探索、ベイジアンネットワーク等の手法を利用して実現され得る。固有変動成分に対応する固有変動因子も同様に推定され得る。

【0047】

図２に戻り、変数分析結果記憶部１０３は、変数分析部１０３により推定された全体変動因子及び固有変動因子を含む情報を記憶する。

【0048】

異常分析部１０４は、ある設備１１Ａ～１１Ｄ（例えば設備１１Ｂ）に異常が発生する以前（例えば図７における時刻ｔ以前）に出力されたセンサデータから異常に関連する因子の候補としての候補因子を抽出する。また、異常分析部１０４は、候補因子、全体変動因子及び固有変動因子に基づいて、設備１１Ａ～１１Ｄ（例えば設備１１Ｂ）の異常に関連する異常関連因子を推定する。

【0049】

図９は、実施形態の異常分析部１０４の機能構成の一例を示すブロック図である。本実施形態の異常分析部１０４は、要因候補抽出部３０１、比較部３０２及び要因推定部３０３を有する。

【0050】

要因候補抽出部３０１は、異常発生以前に出力されたセンサデータから候補因子を抽出する。例えば、センサデータに現れる特徴的な変動（例えば図７における変動Ｆ１，Ｆ２）に対応する因子を候補因子として抽出する。

【0051】

比較部３０２は、要因候補抽出部３０１により抽出された候補因子と、変数分析結果記憶部１０３に記憶された全体変動成分及び固有変動成分とを比較する。

【0052】

要因推定部３０３は、比較部３０２による比較結果に基づいて、候補因子の中から設備１１Ａ～１１Ｄ（例えば設備１１Ｂ）の異常に関連する因子である異常関連因子を推定する。要因推定部３０３は、例えば、複数の候補因子のうち、全体変動因子（例えば図７における変動Ｆ１に対応する因子）に該当するものを除外し、異常が発生した設備１１Ａ～１１Ｄ（例えば設備１１Ｂ）に固有の固有変動因子（例えば図７における変動Ｆ２に対応する因子）に該当するものを異常関連因子とする。なお、異常関連因子の推定方法はこれに限定されるものではない。

【0053】

図２に戻り、異常分析結果記憶部１０５は、異常分析部１０４により推定された異常関連因子を含む情報を記憶する。

【0054】

前兆分析部１０６は、異常分析結果記憶部１０５に記憶された異常関連因子に基づいて、異常が発生した設備１１Ａ～１１Ｄ（例えば設備１１Ｂ）に設置されたセンサ群１２から取得されるセンサデータにおいて異常発生以前に現れる特徴的な変動である前兆変動（例えば図７に示される変動Ｆ２）を推定する。そして、前兆分析部１０６は、当該前兆変動に関する前兆情報を生成する。

【0055】

前兆分析結果記憶部１０７は、前兆分析部１０６により生成された前兆情報を記憶する。

【0056】

異常状態検知部１０８は、リアルタイムに取得されるセンサデータと前兆分析結果記憶部１０７に記憶された前兆情報とに基づいて、各設備１１Ａ～１１Ｄの異常の発生を予測する。異常状態検知部１０８は、既に発生した異常を検知してもよい。

【0057】

出力部１０９は、異常状態検知部１０８により検知された異常を示す情報を所定の形式で出力する。所定の形式とは、例えば、ディスプレイへの警告画面の表示、警報音の出力、工場１０の管理者への通知等であり得る。

【0058】

図１０は、実施形態の変数分析部１０２による処理の一例を示すフローチャートである。取得部１０１がセンサデータを取得すると（Ｓ１０１）、変数分析部１０２（変数分類部２０１）は取得されたセンサデータに含まれる変数を静的変数又は動的変数（第１動的変数及び第２動的変数を含む）に分類する（Ｓ１０２）。その後、変数分析部１０２（変動因子推定部２０２）は動的変数の全体変動因子及び固有変動因子を推定し、変数分析結果記憶部１０３に記憶させる（Ｓ１０３）。

【0059】

図１１は、実施形態の異常分析部１０４による処理の一例を示すフローチャートである。ある設備１１Ａ～１１Ｄ（例えば設備１１Ｂ）に異常が発生すると、取得部１０１は当該異常が発生する以前に出力されたセンサデータを取得する（Ｓ２０１）。その後、異常分析部１０４（要因候補抽出部３０１）は取得された異常発生以前のセンサデータから候補因子を抽出する（Ｓ２０２）。その後、異常分析部１０４（比較部３０２及び要因推定部３０３）は、抽出された候補因子と、変数分析結果記憶部１０３に記憶された全体変動因子及び固有変動因子との比較結果に基づいて、当該異常に関連する異常関連因子を推定し、異常分析結果記憶部１０５に記憶させる（Ｓ２０３）。

【0060】

図１２は、実施形態の前兆分析部１０６による処理の一例を示すフローチャートである。ある設備１１Ａ～１１Ｄ（例えば設備１１Ｂ）に異常が発生すると、取得部１０１は異常発生以前に当該設備１１Ａ～１１Ｄ（例えば設備１１Ｂ）に設置されたセンサ群１２から出力されたセンサデータを取得する（Ｓ３０１）。その後、前兆分析部１０６は異常分析結果記憶部１０５に記憶された異常関連因子に基づいて、異常発生以前のセンサデータにおける前兆変動を推定する（Ｓ３０２）。その後、前兆分析部１０６は前兆変動に関する前兆情報を生成し、前兆分析結果記憶部１０７に記憶させる（Ｓ３０３）。

【0061】

図１３は、実施形態の異常状態検知部１０８による処理の一例を示すフローチャートである。取得部１０１がセンサデータを取得すると（Ｓ４０１）、異常状態検知部１０８は前兆分析記憶部１０７に記憶された前兆情報に基づいてセンサデータに前兆変動が出現したか否かをリアルタイムに判定する（Ｓ４０２）。前兆変動が出現していない場合（Ｓ４０２：Ｎｏ）にはステップＳ４０１に戻り、前兆変動が出現した場合（Ｓ４０２：Ｙｅｓ）には、異常状態検知部１０８は設備１１Ａ～１１Ｄに異常が発生する可能性があることを示す警報を出力部１０９に出力させる（Ｓ４０３）。

【0062】

上記実施形態によれば、センサデータに含まれる変数が静的変数と動的変数とに分類され、時系列的な値のばらつき度合いが比較的大きい動的変数を変動させる因子について、複数の設備に共通する全体変動因子と各設備に固有の固有変動因子とが推定される。また、設備の異常の発生以前に出力されたセンサデータから抽出された異常に関連する因子の候補としての候補因子、全体変動因子及び固有変動因子に基づいて、設備の異常に関連する異常関連因子が推定される。これにより、各設備の異常に関連する因子を正確に推定でき、各設備の異常を高精度に検知できる。

【0063】

上記実施形態の異常検知システム１の機能を実現するための処理をコンピュータ（異常検知装置２１）に実行させるプログラムは、インストール可能な形式又は実行可能な形式のファイルでＣＤ－ＲＯＭ、ＣＤ－Ｒ、メモリカード、ＤＶＤ（Digital Versatile Disk）、フレキシブルディスク（ＦＤ）等のコンピュータで読み取り可能な記憶媒体に記憶されてコンピュータプログラムプロダクトとして提供されるようにしてもよい。また、当該プログラムを、インターネット等のネットワークに接続されたコンピュータ上に格納し、ネットワーク経由でダウンロードさせることにより提供するようにしてもよい。また、当該プログラムを、インターネット等のネットワーク経由で提供または配布するようにしてもよい。

【0064】

以上、本発明の実施形態を説明したが、上記実施形態は、例として提示したものであり、発明の範囲を限定することは意図していない。この新規な実施形態は、その他の様々な形態で実施されることが可能であり、発明の要旨を逸脱しない範囲で、種々の省略、置き換え、変更を行うことができる。この実施形態やその変形は、発明の範囲や要旨に含まれるとともに、特許請求の範囲に記載された発明とその均等の範囲に含まれる。

【符号の説明】

【0065】

１…異常検知システム、１０…工場、１１Ａ～１１Ｄ…設備、１２，１３…センサ群、１２Ａ，１２Ｂ，１３Ａ，１３Ｂ…センサ、２１…異常検知装置、２５…ネットワーク、３１…ＣＰＵ、３２…ＲＡＭ、３３…ＲＯＭ、３４…ストレージ、３５…通信Ｉ／Ｆ、３６…ユーザＩ／Ｆ、１０１…取得部、１０２…変数分析部、１０３…変数分析結果記憶部、１０４…異常分析部、１０５…異常分析結果記憶部、１０６…前兆分析部、１０７…前兆分析結果記憶部、１０８…異常状態検知部、１０９…出力部、２０１…変数分類部、２０２…変動因子推定部、２１１…成分分解部、２１２…推定部、３０１…要因候補抽出部、３０２…比較部、３０３…要因推定部、Ｆ１，Ｆ２…変動、Ｗ…滑走窓

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】

【図9】

【図10】

【図11】

【図12】

【図13】