ホーム > 特許ランキング > 日鉄テックスエンジ株式会社
知財求人 - 知財ポータルサイト「IP Force」
(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】P2024122197
(43)【公開日】2024-09-09
(54)【発明の名称】設備状態の監視支援装置及びプログラム
(51)【国際特許分類】
G05B 23/02 20060101AFI20240902BHJP
【ＦＩ】
G05B23/02 Z
【審査請求】未請求
【請求項の数】6
【出願形態】ＯＬ
(21)【出願番号】P 2023029619
(22)【出願日】2023-02-28
(71)【出願人】
【識別番号】000203977
【氏名又は名称】日鉄テックスエンジ株式会社
(74)【代理人】
【識別番号】100090273
【弁理士】
【氏名又は名称】國分 孝悦
(72)【発明者】
【氏名】伊藤 寛之
(72)【発明者】
【氏名】矢吹 裕太
(72)【発明者】
【氏名】岩村 健
(72)【発明者】
【氏名】中川 繁政
【テーマコード（参考）】
3C223
【Ｆターム（参考）】
3C223AA01
3C223BA01
3C223CC01
3C223DD01
3C223EB02
3C223FF13
3C223FF22
3C223FF45
3C223GG01
3C223HH03
3C223HH04
3C223HH08
3C223HH13
3C223HH15
(57)【要約】
【課題】設備状態の変化を捉えるとともに、ユーザによる設備状態の評価を容易にする。
【解決手段】設備状態の監視を支援するための監視支援装置（１００）であって、前記設備の複数の箇所で測定したデータを入力する入力手段（１０１）と、統計的因果探索により、前記入力手段（１０１）で入力した前記複数の箇所のデータ間の因果関係を推定する因果関係推定手段（１０２）と、前記因果関係推定手段（１０２）で推定した因果関係に基づく情報を出力する出力手段（１０３）とを備える。出力手段（１０３）は、前記入力手段（１０１）で入力した前記複数の箇所のデータをそれぞれノードで表し、前記因果関係推定手段（１０２）で推定した因果関係を矢印の有無及び矢印の向きで表したパス図を、時系列で並べて出力する。
【選択図】図１
【解決手段】設備状態の監視を支援するための監視支援装置（１００）であって、前記設備の複数の箇所で測定したデータを入力する入力手段（１０１）と、統計的因果探索により、前記入力手段（１０１）で入力した前記複数の箇所のデータ間の因果関係を推定する因果関係推定手段（１０２）と、前記因果関係推定手段（１０２）で推定した因果関係に基づく情報を出力する出力手段（１０３）とを備える。出力手段（１０３）は、前記入力手段（１０１）で入力した前記複数の箇所のデータをそれぞれノードで表し、前記因果関係推定手段（１０２）で推定した因果関係を矢印の有無及び矢印の向きで表したパス図を、時系列で並べて出力する。
【選択図】図１
【特許請求の範囲】
【請求項1】
設備状態の監視を支援するための監視支援装置であって、
前記設備の複数の箇所で測定したデータを入力する入力手段と、
統計的因果探索により、前記入力手段で入力した前記複数の箇所のデータ間の因果関係を推定する因果関係推定手段と、
前記因果関係推定手段で推定した因果関係に基づく情報を出力する出力手段とを備えたことを特徴とする設備状態の監視支援装置。
前記設備の複数の箇所で測定したデータを入力する入力手段と、
統計的因果探索により、前記入力手段で入力した前記複数の箇所のデータ間の因果関係を推定する因果関係推定手段と、
前記因果関係推定手段で推定した因果関係に基づく情報を出力する出力手段とを備えたことを特徴とする設備状態の監視支援装置。
【請求項2】
前記出力手段は、前記入力手段で入力した前記複数の箇所のデータをそれぞれノードで表し、前記因果関係推定手段で推定した因果関係を矢印の有無及び矢印の向きで表したパス図を、時系列で並べて出力することを特徴とする請求項１に記載の設備状態の監視支援装置。
【請求項3】
前記出力手段は、前記因果関係推定手段で推定した因果関係が時系列上で変化したことを出力することを特徴とする請求項１に記載の設備状態の監視支援装置。
【請求項4】
前記因果関係推定手段は、前記設備の正常時に測定された前記複数の箇所のデータ間の因果関係を推定して、正常時の因果関係として保持しておき、
前記設備状態の監視を行う監視期間に測定された前記複数の箇所のデータ間の因果関係を推定して、当該因果関係が、前記正常時の因果関係に対して変化しているか否かを判定することを特徴とする請求項１乃至３のいずれか１項に記載の設備状態の監視支援装置。
前記設備状態の監視を行う監視期間に測定された前記複数の箇所のデータ間の因果関係を推定して、当該因果関係が、前記正常時の因果関係に対して変化しているか否かを判定することを特徴とする請求項１乃至３のいずれか１項に記載の設備状態の監視支援装置。
【請求項5】
前記因果関係推定手段は、ＬｉＮＧＡＭ又はＲＣＤにより、前記入力手段で入力した前記複数の箇所のデータ間の因果関係を推定することを特徴とする請求項１乃至３のいずれか１項に記載の設備状態の監視支援装置。
【請求項6】
設備状態の監視を支援するためのプログラムであって、
前記設備の複数の箇所で測定したデータを入力する入力手段と、
統計的因果探索により、前記入力手段で入力した前記複数の箇所のデータ間の因果関係を推定する因果関係推定手段と、
前記因果関係推定手段で推定した因果関係に基づく情報を出力する出力手段としてコンピュータを機能させるためのプログラム。
前記設備の複数の箇所で測定したデータを入力する入力手段と、
統計的因果探索により、前記入力手段で入力した前記複数の箇所のデータ間の因果関係を推定する因果関係推定手段と、
前記因果関係推定手段で推定した因果関係に基づく情報を出力する出力手段としてコンピュータを機能させるためのプログラム。
【発明の詳細な説明】
【技術分野】
【0001】
本発明は、設備状態の監視を支援するための監視支援装置及びプログラムに関する。
【背景技術】
【0002】
工場等の設備においては、定期的な点検やメンテナンス等の設備保全が行われている。しかしながら、人による手作業での点検では設備の異常やその兆候の見逃し、人的負担が大きい等の問題がある。
近年、設備保全の効率化を図るための技術として、例えば次のようなものが提案されている。
特許文献１には、２段階の機械学習モデルを用いて、正常状態のプラントデータの特徴量に基づく予測を行い、プラントの異常予兆を検知する技術が開示されている。
特許文献２には、監視対象設備で取得された複数のデータを入力として、監視対象設備の異常を予測するための学習済モデルを用いて、異常度を出力値として出力する技術が開示されている。
特許文献３には、対象から収集された実績データを、対象に異常が発生しているときの実績データで構成される異常グループを含む複数のグループに分類し、異常グループと他のグループとの間の差異の要因となっている項目を因果推論により計算する技術が開示されている。
近年、設備保全の効率化を図るための技術として、例えば次のようなものが提案されている。
特許文献１には、２段階の機械学習モデルを用いて、正常状態のプラントデータの特徴量に基づく予測を行い、プラントの異常予兆を検知する技術が開示されている。
特許文献２には、監視対象設備で取得された複数のデータを入力として、監視対象設備の異常を予測するための学習済モデルを用いて、異常度を出力値として出力する技術が開示されている。
特許文献３には、対象から収集された実績データを、対象に異常が発生しているときの実績データで構成される異常グループを含む複数のグループに分類し、異常グループと他のグループとの間の差異の要因となっている項目を因果推論により計算する技術が開示されている。
【先行技術文献】
【特許文献】
【0003】
【特許文献1】特開２０２２－７４８９０号公報
【特許文献2】特開２０２２－４８３２６号公報
【特許文献3】特許第７１７３３９５号公報
【非特許文献】
【0004】
【非特許文献1】清水昌平著、「統計的因果探索」講談社サイエンティフィク、２０１７年５月２４日発行
【非特許文献2】Takashi Nicholas Maeda, Shohei Shimizu Proceedings of the Twenty Third International Conference on Artificial Intelligence and Statistics, PMLR 108:735-745, 2020.
【発明の概要】
【発明が解決しようとする課題】
【0005】
特許文献１、２は、ニューラルネットワークモデルを活用する技術であるが、そのモデル構造は非常に複雑であるため、構築したモデルがドメイン知識や物理法則、時間的関係性に反していないかをユーザが評価することが難しいことがある。そして、複雑なモデルにより算出した値を用いて設備状態を評価する場合、設備状態の評価結果の解釈や考察が難しくなることがある。
また、特許文献３は、異常発生後の分析に因果推論を活用する技術であり、設備状態の変化を捉えようとするものではない。
また、特許文献３は、異常発生後の分析に因果推論を活用する技術であり、設備状態の変化を捉えようとするものではない。
【0006】
本発明は上記のような点に鑑みてなされたものであり、設備状態の変化を捉えるとともに、ユーザによる設備状態の評価を容易にすることを目的とする。
【課題を解決するための手段】
【0007】
本発明の設備状態の監視支援装置は、設備状態の監視を支援するための監視支援装置であって、前記設備の複数の箇所で測定したデータを入力する入力手段と、統計的因果探索により、前記入力手段で入力した前記複数の箇所のデータ間の因果関係を推定する因果関係推定手段と、前記因果関係推定手段で推定した因果関係に基づく情報を出力する出力手段とを備えたことを特徴とする。
本発明のプログラムは、設備状態の監視を支援するためのプログラムであって、前記設備の複数の箇所で測定したデータを入力する入力手段と、統計的因果探索により、前記入力手段で入力した前記複数の箇所のデータ間の因果関係を推定する因果関係推定手段と、前記因果関係推定手段で推定した因果関係に基づく情報を出力する出力手段としてコンピュータを機能させる。
本発明のプログラムは、設備状態の監視を支援するためのプログラムであって、前記設備の複数の箇所で測定したデータを入力する入力手段と、統計的因果探索により、前記入力手段で入力した前記複数の箇所のデータ間の因果関係を推定する因果関係推定手段と、前記因果関係推定手段で推定した因果関係に基づく情報を出力する出力手段としてコンピュータを機能させる。
【発明の効果】
【0008】
本発明によれば、設備状態の変化を捉えるとともに、ユーザによる設備状態の評価を容易にすることが可能になる。
【図面の簡単な説明】
【0009】
【図1】実施形態に係る設備状態の監視支援装置の機能構成を示す図である。
【図2】設備の例を示す図である。
【図3】パス図を説明するための図である。
【図4】実施形態に係る設備状態の監視支援装置による出力例を示す図である。
【図5】実施形態に係る設備状態の監視支援装置が実行する処理例を示すフローチャートである。
【図6】実施形態に係る設備状態の監視支援装置が実行する処理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、添付図面を参照して、本発明の好適な実施形態について説明する。
図１に、実施形態に係る設備状態の監視支援装置１００の機能構成を示す。また、図２に、設備の例を示す。
設備状態の監視支援装置１００は、入力部１０１と、因果関係推定部１０２と、出力部１０３とを備える。
図１に、実施形態に係る設備状態の監視支援装置１００の機能構成を示す。また、図２に、設備の例を示す。
設備状態の監視支援装置１００は、入力部１０１と、因果関係推定部１０２と、出力部１０３とを備える。
【0011】
入力部１０１は、設備の複数の箇所で測定したデータを入力する。
本実施形態では、図２に示すように、タンク２０１と、フィルタ２０２と、ポンプ２０３と、調整弁２０４と、シリンダ２０５とを備える油圧設備を対象とする。ポンプ２０３は、タンク２０１からフィルタ２０２を介して油を吸い込み、それを吐出する。ポンプ２０３から吐出された油は、調整弁２０４を介してシリンダ２０５に導入されて、シリンダ２０５が作動する。シリンダ２０５を経た油は、タンク２０１に還流される。フィルタ２０２及びポンプ２０３にそれぞれ振動センサ２０６及び振動センサ２０７が設置される。これら振動センサ２０６、２０７は、例えば無線センサとして構成され、入力部１０１は、振動センサ２０６、２０７で周期的に測定したデータを、無線通信を介して入力する。
本実施形態では、図２に示すように、タンク２０１と、フィルタ２０２と、ポンプ２０３と、調整弁２０４と、シリンダ２０５とを備える油圧設備を対象とする。ポンプ２０３は、タンク２０１からフィルタ２０２を介して油を吸い込み、それを吐出する。ポンプ２０３から吐出された油は、調整弁２０４を介してシリンダ２０５に導入されて、シリンダ２０５が作動する。シリンダ２０５を経た油は、タンク２０１に還流される。フィルタ２０２及びポンプ２０３にそれぞれ振動センサ２０６及び振動センサ２０７が設置される。これら振動センサ２０６、２０７は、例えば無線センサとして構成され、入力部１０１は、振動センサ２０６、２０７で周期的に測定したデータを、無線通信を介して入力する。
【0012】
因果関係推定部１０２は、統計的因果探索により、入力部１０１で入力した複数の箇所のデータ間の因果関係を推定する。因果関係とは、原因に物理的法則が作用して結果が生じる関係のことをいう。
本実施形態では、因果関係推定部１０２は、入力部１０１で入力した、振動センサ２０６で測定したデータ（以下、フィルタ振動データと呼ぶ）と、振動センサ２０７で測定したデータ（以下、ポンプ振動データと呼ぶ）との間の因果関係を推定する。因果関係を推定するフィルタ振動データとポンプ振動データとの組は、同タイミングで測定されたものとする。なお、同タイミングで測定されたとは、厳密に同時刻に測定されたものである必要はなく、時間的に近い範囲で測定したものであればよい。
本実施形態では、因果関係推定部１０２は、入力部１０１で入力した、振動センサ２０６で測定したデータ（以下、フィルタ振動データと呼ぶ）と、振動センサ２０７で測定したデータ（以下、ポンプ振動データと呼ぶ）との間の因果関係を推定する。因果関係を推定するフィルタ振動データとポンプ振動データとの組は、同タイミングで測定されたものとする。なお、同タイミングで測定されたとは、厳密に同時刻に測定されたものである必要はなく、時間的に近い範囲で測定したものであればよい。
【0013】
ここで、本実施形態において因果関係推定部１０２が実行する処理を説明する。
因果関係推定部１０２は、入力部１０１で入力したフィルタ振動データとポンプ振動データとの間の因果関係をモデル化する。具体的には、統計的因果探索の代表的なアプローチであるＬｉＮＧＡＭ（Linear Non-Gaussian Acyclic Model：線形非ガウス非巡回モデル）を利用して、候補となるモデルの中から適当なモデルを因果関係のモデルとして推定する。ＬｉＮＧＡＭでは、回帰分析と独立性の評価とを繰り返すことにより、観測変数（フィルタ振動データ、ポンプ振動データ）の因果的順序を推定することができる。なお、ＬｉＮＧＡＭについては例えば非特許文献１に詳しいので、ここではその詳細な説明は省略する。
因果関係推定部１０２は、入力部１０１で入力したフィルタ振動データとポンプ振動データとの間の因果関係をモデル化する。具体的には、統計的因果探索の代表的なアプローチであるＬｉＮＧＡＭ（Linear Non-Gaussian Acyclic Model：線形非ガウス非巡回モデル）を利用して、候補となるモデルの中から適当なモデルを因果関係のモデルとして推定する。ＬｉＮＧＡＭでは、回帰分析と独立性の評価とを繰り返すことにより、観測変数（フィルタ振動データ、ポンプ振動データ）の因果的順序を推定することができる。なお、ＬｉＮＧＡＭについては例えば非特許文献１に詳しいので、ここではその詳細な説明は省略する。
【0014】
また、因果関係推定部１０２は、設備の正常時に測定され、入力部１０１で入力したフィルタ振動データとポンプ振動データとの間の因果関係のモデルを推定して、正常時の因果関係のモデルとして保持しておく。そして、因果関係推定部１０２は、設備状態の監視を行う監視期間に測定され、入力部１０１で入力したフィルタ振動データとポンプ振動データとの間の因果関係のモデルを推定し、当該因果関係のモデルが、正常時の因果関係のモデルに対して変化しているか否かを判定する。因果関係推定部１０２は、因果関係のモデルが正常時の因果関係のモデルに対して変化していなければ、設備の正常時であり、変化していれば、非正常時であると判定する。
【0015】
出力部１０３は、因果関係推定部１０２で推定した因果関係に基づく情報を出力する。
本実施形態では、出力部１０３は、図３に示すように、入力部１０１で入力したフィルタ振動データ及びポンプ振動データをノード３０１、３０２で表し、因果関係推定部１０２で推定した因果関係を矢印３０３の有無及び矢印の向きで表したパス図を作成する。図３（ａ）に示すように、ノード３０１、３０２間に因果関係があれば、原因が始点、結果が終点となるようにした矢印３０３を描く。図３（ｂ）に示すように、ノード３０１、３０２間に因果関係がなければ、矢印を描かない。このようにしたパス図は、因果関係推定部１０２で推定した因果関係のモデルを可視化したものといえる。出力部１０３は、図４に示すように、監視期間中に作成したパス図を時系列で並べて、不図示の表示装置に表示する。
本例では、図４に示すように、下段にパス図の時系列変化を表示し、上段に入力部１０１で入力したフィルタ振動データ及びポンプ振動データの時系列変化を併せて表示するようにしている。
本実施形態では、出力部１０３は、図３に示すように、入力部１０１で入力したフィルタ振動データ及びポンプ振動データをノード３０１、３０２で表し、因果関係推定部１０２で推定した因果関係を矢印３０３の有無及び矢印の向きで表したパス図を作成する。図３（ａ）に示すように、ノード３０１、３０２間に因果関係があれば、原因が始点、結果が終点となるようにした矢印３０３を描く。図３（ｂ）に示すように、ノード３０１、３０２間に因果関係がなければ、矢印を描かない。このようにしたパス図は、因果関係推定部１０２で推定した因果関係のモデルを可視化したものといえる。出力部１０３は、図４に示すように、監視期間中に作成したパス図を時系列で並べて、不図示の表示装置に表示する。
本例では、図４に示すように、下段にパス図の時系列変化を表示し、上段に入力部１０１で入力したフィルタ振動データ及びポンプ振動データの時系列変化を併せて表示するようにしている。
【0016】
また、出力部１０３は、因果関係推定部１０２で推定した因果関係のモデルの変化があった場合、すなわちパス図の変化があった場合、そのことが分かりやすくなるように強調表示を行う。例えば、パス図の変化タイミングを線４０１で区切って表したり、変化タイミングの前後で色分けして表したりする。
本例では、図４に示すように、タイミングｔ1、ｔ2、ｔ3でパス図が変化している。
本例では、図４に示すように、タイミングｔ1、ｔ2、ｔ3でパス図が変化している。
【0017】
また、出力部１０３は、設備状態の正常時であるか、非正常時であるかに応じた表示を行う。上述したように、因果関係推定部１０２において、正常時の因果関係のモデルを保持している。図２で述べたような油圧設備では、設備の正常時において、フィルタ振動データとポンプ振動データとの間に因果関係がないことが妥当であると確認されている。因果関係推定部１０２では、図４に示すように、矢印のないパス図になる領域（タイミングｔ1以前、及びタイミングｔ3以降）は正常時であると判定される。また、因果関係推定部１０２では、図４に示すように、矢印のないパス図ではなくなる領域（タイミングｔ1～ｔ2、及びタイミングｔ2～ｔ3）は非正常時であると判定される。出力部１０３は、因果関係推定部１０２での判定に応じた表示を行う。例えば正常時と非正常時とを文字で表したり、色分けして表したりする。
本例では、図４に示すように、タイミングｔ1～ｔ2で、ポンプ振動データのノード（ポンプノードと呼ぶ）からフィルタ振動データのノード（フィルタノードと呼ぶ）に矢印が向くパス図になっている。そして、タイミングｔ2～ｔ3で、矢印の向きが逆になっている（フィルタノードからポンプノードに矢印が向くパス図になっている）。図２で述べたような油圧設備では、ポンプ２０３において所定の部材に損傷があると（異常兆候発生時）、ポンプノードからフィルタノードに矢印の向くパス図に変化し、所定の部材が破損に到ると（異常発生時）、フィルタノードからポンプノードに矢印が向くパス図に変化することが確認されている。このように異常兆候発生時及び異常発生時でのパス図がどのようになるのかの知見が予め得られている場合、図４に示すように、異常発生前（異常兆候発生時）や異常発生時であることを例えば文字で表すようにしてもよい。
本例では、図４に示すように、タイミングｔ1～ｔ2で、ポンプ振動データのノード（ポンプノードと呼ぶ）からフィルタ振動データのノード（フィルタノードと呼ぶ）に矢印が向くパス図になっている。そして、タイミングｔ2～ｔ3で、矢印の向きが逆になっている（フィルタノードからポンプノードに矢印が向くパス図になっている）。図２で述べたような油圧設備では、ポンプ２０３において所定の部材に損傷があると（異常兆候発生時）、ポンプノードからフィルタノードに矢印の向くパス図に変化し、所定の部材が破損に到ると（異常発生時）、フィルタノードからポンプノードに矢印が向くパス図に変化することが確認されている。このように異常兆候発生時及び異常発生時でのパス図がどのようになるのかの知見が予め得られている場合、図４に示すように、異常発生前（異常兆候発生時）や異常発生時であることを例えば文字で表すようにしてもよい。
【0018】
図５は、設備状態の監視支援装置１００が実行する処理例を示すフローチャートである。図５では、正常時の因果関係のモデルを推定する処理を示す。図５のフローチャートは、例えば、設備の正常時に周期的に行われる。
ステップＳ５０１で、入力部１０１は、フィルタ振動データとポンプ振動データとを入力する。
ステップＳ５０２で、因果関係推定部１０２は、ステップＳ５０１で入力したフィルタ振動データとポンプ振動データとの間の因果関係をモデル化し、正常時の因果関係のモデルを推定する。
ステップＳ５０３で、因果関係推定部１０２は、ステップＳ５０２で推定した正常時の因果関係のモデルに更新するか否かを判定する。例えば、ステップＳ５０２で推定した正常時の因果関係のモデルをユーザが評価し、ドメイン知識や物理法則、時間的関係性に反していなければ、当該モデルを正常時の因果関係のモデルとして定義、更新する旨の指示を行うようにする。更新する場合、ステップＳ５０４に進み、更新しない場合、本処理を抜ける。
ステップＳ５０４で、因果関係推定部１０２は、ステップＳ５０２で推定した正常時の因果関係のモデルを保持する。
ステップＳ５０１で、入力部１０１は、フィルタ振動データとポンプ振動データとを入力する。
ステップＳ５０２で、因果関係推定部１０２は、ステップＳ５０１で入力したフィルタ振動データとポンプ振動データとの間の因果関係をモデル化し、正常時の因果関係のモデルを推定する。
ステップＳ５０３で、因果関係推定部１０２は、ステップＳ５０２で推定した正常時の因果関係のモデルに更新するか否かを判定する。例えば、ステップＳ５０２で推定した正常時の因果関係のモデルをユーザが評価し、ドメイン知識や物理法則、時間的関係性に反していなければ、当該モデルを正常時の因果関係のモデルとして定義、更新する旨の指示を行うようにする。更新する場合、ステップＳ５０４に進み、更新しない場合、本処理を抜ける。
ステップＳ５０４で、因果関係推定部１０２は、ステップＳ５０２で推定した正常時の因果関係のモデルを保持する。
【0019】
図６は、設備状態の監視支援装置１００が実行する処理例を示すフローチャートである。図６では、フィルタ振動データとポンプ振動データとの間の因果関係を推定し、その因果関係に基づく情報を出力する処理を示す。図６のフローチャートは、例えば、設備状態の監視を行う監視期間内で周期的に行われる。
ステップＳ６０１で、入力部１０１は、フィルタ振動データとポンプ振動データとを入力する。
ステップＳ６０２で、因果関係推定部１０２は、ステップＳ６０１で入力したフィルタ振動データとポンプ振動データとの間の因果関係をモデル化し、因果関係のモデルを推定する。また、因果関係推定部１０２は、ここで推定した因果関係のモデルが、正常時の因果関係のモデルに対して変化しているか否かを判定する。
ステップＳ６０３で、出力部１０３は、ステップＳ６０２で推定した因果関係に基づく情報を出力する。上述したように、出力部１０３は、ステップＳ６０２で推定した因果関係のモデルに応じたパス図を作成し、監視期間中に作成したパス図を時系列で並べて、不図示の表示装置に表示する。その際に、上述したように、パス図の変化があった場合に強調表示を行ったり、設備状態の正常時／非正常時に応じた表示を行ったりする。なお、本発明でいう出力とは、因果関係に基づく情報を表示装置に表示することに限られるものではなく、例えば、他の装置に伝送すること等も含む。
ステップＳ６０１で、入力部１０１は、フィルタ振動データとポンプ振動データとを入力する。
ステップＳ６０２で、因果関係推定部１０２は、ステップＳ６０１で入力したフィルタ振動データとポンプ振動データとの間の因果関係をモデル化し、因果関係のモデルを推定する。また、因果関係推定部１０２は、ここで推定した因果関係のモデルが、正常時の因果関係のモデルに対して変化しているか否かを判定する。
ステップＳ６０３で、出力部１０３は、ステップＳ６０２で推定した因果関係に基づく情報を出力する。上述したように、出力部１０３は、ステップＳ６０２で推定した因果関係のモデルに応じたパス図を作成し、監視期間中に作成したパス図を時系列で並べて、不図示の表示装置に表示する。その際に、上述したように、パス図の変化があった場合に強調表示を行ったり、設備状態の正常時／非正常時に応じた表示を行ったりする。なお、本発明でいう出力とは、因果関係に基づく情報を表示装置に表示することに限られるものではなく、例えば、他の装置に伝送すること等も含む。
【0020】
以上述べたように、統計的因果探索により、設備の複数の箇所で測定したデータ間の因果関係を推定し、その推定した因果関係に基づく情報を出力するようにした。
その際に、設備の複数の箇所で測定したデータ間の因果関係をモデル化し、パス図を用いて可視化することで、因果関係のモデルに対するユーザの評価を容易にした。そして、説明性の高いモデルにより設備状態を評価することで、評価結果の解釈や考察を容易にすることが可能になる。
このように、設備状態の変化を捉えるとともに、ユーザによる設備状態の評価を容易にすることが可能になる。
その際に、設備の複数の箇所で測定したデータ間の因果関係をモデル化し、パス図を用いて可視化することで、因果関係のモデルに対するユーザの評価を容易にした。そして、説明性の高いモデルにより設備状態を評価することで、評価結果の解釈や考察を容易にすることが可能になる。
このように、設備状態の変化を捉えるとともに、ユーザによる設備状態の評価を容易にすることが可能になる。
【0021】
なお、本実施形態では、パス図を時系列で並べて表示するとともに、パス図の変化があった場合に強調表示を行ったり、設備状態の正常時／非正常時に応じた表示を行ったりするようにしたが、これに限定されるものではない。例えば、パス図を時系列で並べて表示するだけにしてもよい。これだけでも、ユーザは、パス図が変化したことを確認して、設備状態が変化したことを知ることができる。また、パス図を表示するのではなく、因果関係推定部１０２で推定した因果関係が時系列上で変化した場合に、具体的には因果関係のモデルが時系列上で変化した場合に、そのことを出力するようにしてもよい。これだけでも、ユーザは、設備状態が変化したことを知ることができる。
【0022】
また、本実施形態では、設備の２箇所で測定したデータ（フィルタ振動データ、ポンプ振動データ）を用いたが、３箇所以上で測定したデータを用いるようにしてもよい。この場合、パス図は、３つ以上のノードがあり、各ノード間が矢印でつながったり、つながらなかったりするものになる。
また、本実施形態では、設備として油圧設備を説明したが、これに限定されるものではない。また、振動データを測定する例を述べたが、これに限定されるものではなく、設備に応じて他の種類のデータ（温度データ等）を測定するようにしてもよい。
また、本実施形態では、ＬｉＮＧＡＭを利用した統計的因果探索を説明したが、これに限定されるものではなく、例えばＲＣＤ（Repetitive causal discovery）（例えば非特許文献２を参照）を利用するもの等でもよい。
また、本実施形態では、設備として油圧設備を説明したが、これに限定されるものではない。また、振動データを測定する例を述べたが、これに限定されるものではなく、設備に応じて他の種類のデータ（温度データ等）を測定するようにしてもよい。
また、本実施形態では、ＬｉＮＧＡＭを利用した統計的因果探索を説明したが、これに限定されるものではなく、例えばＲＣＤ（Repetitive causal discovery）（例えば非特許文献２を参照）を利用するもの等でもよい。
【0023】
以上、本発明を実施形態と共に説明したが、上記実施形態は本発明を実施するにあたっての具体化の例を示したものに過ぎず、これらによって本発明の技術的範囲が限定的に解釈されてはならないものである。すなわち、本発明はその技術思想、又はその主要な特徴から逸脱することなく、様々な形で実施することができる。
本発明を適用した設備状態の監視支援装置は、例えばＣＰＵ、ＲＯＭ、ＲＡＭ等を備えたコンピュータ装置により構成され、ＣＰＵが例えばＲＯＭに記憶された所定のプログラムを実行することにより、各手段が実現される。
また、本発明は、本発明の機能を実現するソフトウェア（プログラム）を、ネットワーク又は各種記憶媒体を介してシステム或いは装置に供給し、そのシステム或いは装置のコンピュータがプログラムを読み出して実行することによっても実現可能である。
本発明を適用した設備状態の監視支援装置は、例えばＣＰＵ、ＲＯＭ、ＲＡＭ等を備えたコンピュータ装置により構成され、ＣＰＵが例えばＲＯＭに記憶された所定のプログラムを実行することにより、各手段が実現される。
また、本発明は、本発明の機能を実現するソフトウェア（プログラム）を、ネットワーク又は各種記憶媒体を介してシステム或いは装置に供給し、そのシステム或いは装置のコンピュータがプログラムを読み出して実行することによっても実現可能である。
【符号の説明】
【0024】
１００：設備状態の監視支援装置、１０１：入力部、１０２：因果関係推定部、１０３：出力部、２０１：タンク、２０２：フィルタ、２０３：ポンプ、２０４：調整弁、２０５：シリンダ、２０６、２０７：振動センサ
【図1】
【図2】
【図3】
【図4】
【図5】
【図6】