特開 2024-154548 異常診断装置、異常診断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】P2024154548

(43)【公開日】2024-10-31

(54)【発明の名称】異常診断装置、異常診断方法及びプログラム

(51)【国際特許分類】

   G05B 23/02 20060101AFI20241024BHJP

【ＦＩ】

G05B23/02 T

【審査請求】未請求

【請求項の数】7

【出願形態】ＯＬ

(21)【出願番号】P 2023068413

(22)【出願日】2023-04-19

(71)【出願人】

【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】原 慎大

(72)【発明者】

【氏名】林 伸治

(72)【発明者】

【氏名】徳増 匠

(72)【発明者】

【氏名】吉見 浩一郎

(72)【発明者】

【氏名】アダモ サンタナ

【テーマコード（参考）】

3C223

【Ｆターム（参考）】

3C223AA01

3C223AA11

3C223AA14

3C223BA03

3C223CC02

3C223DD03

3C223FF04

3C223FF14

3C223FF16

3C223FF22

3C223FF26

3C223GG01

3C223HH02

(57)【要約】

【課題】バッチプロセスの異常診断を精度良く行うことができる技術を提供すること。
【解決手段】本開示の一態様による異常診断装置は、バッチプロセスの異常診断を行う異常診断装置であって、前記バッチプロセスの状態を表す運転データの集合を第１の学習用データ集合として取得する第１の取得部と、前記運転データの状態変数毎に、前記第１の学習用データ集合に含まれる各運転データの状態変数値を時間により２階微分した値の絶対値を第１の変動率として算出する第１の算出部と、前記状態変数毎に、前記第１の変動率を正規化する第１の正規化部と、正規化後の前記第１の変動率を用いて、前記異常診断を行うための第１の異常診断モデルを作成する第１のモデル作成部と、を有する。
【選択図】図３

【特許請求の範囲】

【請求項1】

バッチプロセスの異常診断を行う異常診断装置であって、
前記バッチプロセスの状態を表す運転データの集合を第１の学習用データ集合として取得する第１の取得部と、
前記運転データの状態変数毎に、前記第１の学習用データ集合に含まれる各運転データの状態変数値を時間により２階微分した値の絶対値を第１の変動率として算出する第１の算出部と、
前記状態変数毎に、前記第１の変動率を正規化する第１の正規化部と、
正規化後の前記第１の変動率を用いて、前記異常診断を行うための第１の異常診断モデルを作成する第１のモデル作成部と、
を有する異常診断装置。

【請求項2】

前記第１の学習用データ集合とは異なる運転データの集合を第２の学習用データ集合として取得する第２の取得部と、
前記状態変数毎に、前記第２の学習用データ集合に含まれる各運転データの状態変数値を時間により２階微分した値の絶対値を第２の変動率として算出する第２の算出部と、
前記状態変数毎に、前記第２の変動率を正規化する第２の正規化部と、
正規化後の前記第２の変動率を用いて、前記異常診断を行うための第２の異常診断モデルを作成する第２のモデル作成部と、
を有する請求項１に記載の異常診断装置。

【請求項3】

前記第２の取得部は、
直近の過去所定の期間における運転データの集合を前記第２の学習用データ集合として取得する、請求項２に記載の異常診断装置。

【請求項4】

異常診断対象の運転データを診断用データとして取得する第３の取得手段と、
前記状態変数毎に、前記診断用データの状態変数値を時間により２階微分した値の絶対値を第３の変動率として算出する第３の算出部と、
前記状態変数毎に、前記状態変数に対応する前記第１の変動率の最大値及び最小値を用いて、前記第３の変動率を正規化する第３の正規化部と、
正規化後の前記第３の変動率と、前記第１の異常診断モデルと、前記第２の異常診断モデルとを用いて、前記異常診断を行う診断部と、
を有する請求項２又は３に記載の異常診断装置。

【請求項5】

前記異常診断装置は、
前記第１の取得部による前記第１の学習用データ集合の取得と、前記第１の算出部による前記第１の変動率の算出と、前記第１の正規化部による前記第１の変動率の正規化と、前記第１のモデル作成部による前記第１の異常診断モデルの作成とを所定の第１の時間幅毎に実行し、
前記第２の取得部による前記第２の学習用データ集合の取得と、前記第２の算出部による前記第２の変動率の算出と、前記第２の正規化部による前記第２の変動率の正規化と、前記第２のモデル作成部による前記第２の異常診断モデルの作成とを、前記第１の時間幅よりも短い所定の第２の時間幅毎に実行する、請求項４に記載の異常診断装置。

【請求項6】

バッチプロセスの異常診断を行うコンピュータが、
前記バッチプロセスの状態を表す運転データの集合を第１の学習用データ集合として取得する第１の取得手順と、
前記運転データの状態変数毎に、前記第１の学習用データ集合に含まれる各運転データの状態変数値を時間により２階微分した値の絶対値を第１の変動率として算出する第１の算出手順と、
前記状態変数毎に、前記第１の変動率を正規化する第１の正規化手順と、
正規化後の前記第１の変動率を用いて、前記異常診断を行うための第１の異常診断モデルを作成する第１のモデル作成手順と、
を実行する異常診断方法。

【請求項7】

バッチプロセスの異常診断を行うコンピュータに、
前記バッチプロセスの状態を表す運転データの集合を第１の学習用データ集合として取得する第１の取得手順と、
前記運転データの状態変数毎に、前記第１の学習用データ集合に含まれる各運転データの状態変数値を時間により２階微分した値の絶対値を第１の変動率として算出する第１の算出手順と、
前記状態変数毎に、前記第１の変動率を正規化する第１の正規化手順と、
正規化後の前記第１の変動率を用いて、前記異常診断を行うための第１の異常診断モデルを作成する第１のモデル作成手順と、
を実行させるプログラム。

【発明の詳細な説明】

【技術分野】

【0001】

本開示は、異常診断装置、異常診断方法及びプログラムに関する。

【背景技術】

【0002】

化学、石油、薬品、鉄鋼、鋳造、食品、半導体等の分野の製造プロセスでは、原料や中間製品の一定量を製造単位としてまとめて、製造単位毎に繰り返し製造処理を行う。このような製造プロセスはバッチプロセスと称される。従来、バッチプロセスの異常診断を行う技術が知られている（例えば、特許文献１）。

【先行技術文献】

【特許文献】

【0003】

【特許文献1】特開２０１６－１６４７７２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、バッチプロセスの異常診断を行う従来技術では、一般に、バッチプロセスの正常状態を表す波形パターンを定義した情報（これはプロファイル等とも呼ばれる。）を用いて正常モデルを作成している。このため、例えば、バッチプロセスの正常状態を表す波形パターンが多数存在する場合にはプロファイルを定義できず、精度の良い正常モデルの作成が困難なことがある。

【0005】

本開示は、上記の点に鑑みてなされたもので、バッチプロセスの異常診断を精度良く行うことができる技術を提供する。

【課題を解決するための手段】

【0006】

本開示の一態様による異常診断装置は、バッチプロセスの異常診断を行う異常診断装置であって、前記バッチプロセスの状態を表す運転データの集合を第１の学習用データ集合として取得する第１の取得部と、前記運転データの状態変数毎に、前記第１の学習用データ集合に含まれる各運転データの状態変数値を時間により２階微分した値の絶対値を第１の変動率として算出する第１の算出部と、前記状態変数毎に、前記第１の変動率を正規化する第１の正規化部と、正規化後の前記第１の変動率を用いて、前記異常診断を行うための第１の異常診断モデルを作成する第１のモデル作成部と、を有する。

【発明の効果】

【0007】

バッチプロセスの異常診断を精度良く行うことができる技術が提供される。

【図面の簡単な説明】

【0008】

【図1】本実施形態に係る異常診断システムの全体構成の一例を示す図である。

【図2】本実施形態に係る異常診断装置のハードウェア構成の一例を示す図である。

【図3】本実施形態に係る異常診断装置の機能構成の一例を示す図である。

【図4】本実施形態に係る第１の異常診断モデル作成処理の一例を示すフローチャートである。

【図5】本実施形態に係る異常診断処理の一例を示すフローチャートである。

【図6】本実施形態に係る第２の異常診断モデル作成又は更新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】

【0009】

以下、本発明の一実施形態について説明する。以下の実施形態では、バッチプロセスにより何等かの処理を行う設備や機器、装置等を対象として、その異常診断を精度良く行うことができる異常診断システム１について説明する。本実施形態に係る異常診断システム１により、特に、例えば、バッチプロセスの正常状態を表す波形パターンが多数存在し、プロファイルの定義が困難な場合であっても、精度の良い異常診断が可能になる。ここで、バッチプロセスの正常状態を表す波形パターンが多数存在する場合としては、例えば、少量多品種生産のため波形パターンが多様な場合、バッチの長さが毎回異なる場合等が挙げられる。なお、プロファイルとは、バッチプロセスの正常状態を表す波形パターンを定義した情報のことである。

【0010】

ここで、本実施形態に係る異常診断システム１では、正常状態における異常診断対象から収集した運転データの２階微分値の絶対値を正規化したデータ（以下、振動率データともいう。）を作成し、それらの振動率データから異常診断モデル（以下、第１の異常診断モデルという。）を作成する。また、本実施形態に係る異常診断システム１では、直近の異常診断対象から収集した運転データの２階微分値の絶対値を正規化した振動率データを作成し、それらの振動率データからも異常診断モデル（以下、第２の異常診断モデルという。）を作成する。そして、本実施形態に係る異常診断システム１は、異常診断対象から取得した運転データの２階微分値の絶対値を正規化した振動率データを用いて、第１の異常診断モデルと第２の異常診断モデルにより異常診断を行う。これにより、プロファイルの定義が不要となるため、バッチプロセスの正常状態を表す波形パターンが多数存在する場合であっても、精度の良い異常診断モデルの作成が可能になる。また、第１の異常診断モデルだけでなく、直近の異常診断対象から収集した運転データを用いて第２の異常診断モデルも作成するため、例えば、運転データの特性変動等に起因する異常診断精度の低下も抑止することができる。

【0011】

なお、異常診断対象には各種センサ等の計測器が設置されており、これらのセンサによって当該異常診断対象の状態（より正確には、当該異常診断対象が実行するバッチプロセスの状態）を表す物理量が計測され、運転データはそれらの物理量の計測値で構成される。運転データを構成する各計測値が表す物理量又はその物理量の計測値が格納される変数は「プロセス変数」又は「状態変数」とも呼ばれる。以下では、運転データを構成する計測値が表す物理量又はその物理量の計測値が格納される変数を「状態変数」と呼ぶことにする。状態変数としては様々なものが挙げられるが、例えば、温度、圧力、流量、電流、電圧等が挙げられる。

【0012】

以下、異常診断対象から取得又は収集される運転データを構成する状態変数の数をＮとして、各状態変数をｘ_ｎ（１≦ｎ≦Ｎ）と表し、運転データを縦ベクトルで表現してｘ＝（ｘ_１，・・・，ｘ_Ｎ）^Τと表す。また、運転データｘが得られた時刻ｔを明示する場合は、ｘ（ｔ）＝（ｘ_１（ｔ），・・・，ｘ_Ｎ（ｔ））^Τと表す。ここで、Τは転置を表す記号である。

【0013】

＜異常診断システム１の全体構成例＞
本実施形態に係る異常診断システム１の全体構成例を図１に示す。図１に示すように、本実施形態に係る異常診断システム１には、異常診断装置１０と、施設２０と、オペレータ端末３０とが含まれる。ここで、異常診断装置１０と後述する制御装置２３は、例えば、ＬＡＮ（Local Area Network）等を含む通信ネットワークを介して相互に通信可能に接続される。同様に、異常診断装置１０とオペレータ端末３０は、例えば、ＬＡＮ等を含む通信ネットワークを介して相互に通信可能に接続される。

【0014】

異常診断装置１０は、施設２０から取得又は収集した運転データを用いて第１の異常診断モデル及び第２の異常診断モデルの作成と後述する異常診断対象２１に対する異常診断とを行うと共に、その異常診断の結果をオペレータ端末３０に通知する汎用サーバやＰＣ（パーソナルコンピュータ）等といった各種情報処理装置である。なお、異常診断装置１０は、例えば、複数台の汎用サーバやＰＣ等で構成されるシステムであってもよい。

【0015】

施設２０は、例えば、工場等といった各種施設である。施設２０には、異常診断対象２１と、１以上の計測器２２と、制御装置２３とが含まれる。異常診断対象２１は、バッチプロセスにより何等かの処理（例えば、製造、生産、加工、化学反応等といった処理）を行うプラント、生産設備、産業用機器、各種装置等である。ただし、これらは一例であって、異常診断対象２１はこれらに限定されるものではなく、バッチプロセスにより何等かの処理を行う設備、機器、装置等であればよい。計測器２２は、センサ等であり、異常診断対象２１の各種状態（より正確には、異常診断対象２１が実行するバッチプロセスの各種状態）を表す物理量を計測し、その計測値が含まれる計測データを制御装置２３に送信する。制御装置２３は、各計測器２２から収集した計測データに含まれる計測値で構成される運転データを異常診断装置１０に送信すると共に、これらの運転データに基づいてバッチプロセスに関する既知のプロセス制御方式により異常診断対象２１を制御する。

【0016】

オペレータ端末３０は、施設２０を監視・運用するオペレータが利用するＰＣやスマートフォン、タブレット端末等の各種端末である。オペレータは、異常診断装置１０から通知された異常診断結果をオペレータ端末３０で確認することができる。これにより、その異常診断結果に応じて、例えば、オペレータは手動で異常診断対象２１の運転を停止したり、縮退運転に切り替えたりすることができる。

【0017】

なお、図１に示す異常診断システム１の全体構成は一例であって、これに限られるものではない。例えば、異常診断装置１０とオペレータ端末３０とが一体で構成されていてもよいし、異常診断装置１０と制御装置２３とが一体で構成されていてもよい。又は、例えば、異常診断装置１０は仮想マシン（ＶＭ：Virtual Machine）で実現されるものであってもよいし、異常診断装置１０が複数台の情報処理装置で構成されるシステムである場合にその一部の情報処理装置が仮想マシンで実現されるものであってもよい。

【0018】

＜異常診断装置１０のハードウェア構成例＞
本実施形態に係る異常診断装置１０のハードウェア構成例を図２に示す。図２に示すように、本実施形態に係る異常診断装置１０は、入力装置１０１と、表示装置１０２と、外部Ｉ／Ｆ１０３と、通信Ｉ／Ｆ１０４と、ＲＡＭ（Random Access Memory）１０５と、ＲＯＭ（Read Only Memory）１０６と、補助記憶装置１０７と、プロセッサ１０８とを有する。これらの各ハードウェアは、それぞれがバス１０９を介して通信可能に接続される。

【0019】

入力装置１０１は、例えば、キーボード、マウス、タッチパネル、物理ボタン等である。表示装置１０２は、例えば、ディスプレイ、表示パネル等である。なお、異常診断装置１０は、例えば、入力装置１０１及び表示装置１０２のうちの少なくとも一方を有していなくてもよい。

【0020】

外部Ｉ／Ｆ１０３は、記録媒体１０３ａ等の外部装置とのインタフェースである。記録媒体１０３ａとしては、例えば、ＣＤ（Compact Disc）、ＤＶＤ（Digital Versatile Disk）、ＳＤメモリカード（Secure Digital memory card）、ＵＳＢ（Universal Serial Bus）メモリカード等が挙げられる。

【0021】

通信Ｉ／Ｆ１０４は、異常診断装置１０を通信ネットワークに接続するためのインタフェースである。ＲＡＭ１０５は、プログラムやデータを一時保持する揮発性の半導体メモリ（記憶装置）である。ＲＯＭ１０６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（記憶装置）である。補助記憶装置１０７は、例えば、ＨＤＤ（Hard Disk Drive）、ＳＳＤ（Solid State Drive）、フラッシュメモリ等の不揮発性の記憶装置である。プロセッサ１０８は、例えば、ＣＰＵ（Central Processing Unit）等の各種演算装置である。

【0022】

なお、図２に示すハードウェア構成は一例であって、異常診断装置１０のハードウェア構成はこれに限られるものではない。例えば、異常診断装置１０は、複数の補助記憶装置１０７や複数のプロセッサ１０８を有していてもよいし、図示したハードウェアの一部を有していなくてもよいし、図示したハードウェア以外の種々のハードウェアを有していてもよい。

【0023】

＜異常診断装置１０の機能構成例＞
本実施形態に係る異常診断装置１０の機能構成例を図３に示す。図３に示すように、本実施形態に係る異常診断装置１０は、変動率データ作成部２０１と、モデル作成部２０２と、異常診断部２０３と、運転データ記憶部２０４と、変動率データ記憶部２０５と、モデル記憶部２０６とを有する。変動率データ作成部２０１、モデル作成部２０２及び異常診断部２０３は、例えば、異常診断装置１０にインストールされた１以上のプログラムが、プロセッサ１０８等に実行させる処理により実現される。また、運転データ記憶部２０４、変動率データ記憶部２０５及びモデル記憶部２０６は、例えば、補助記憶装置１０７等により実現される。なお、運転データ記憶部２０４、変動率データ記憶部２０５及びモデル記憶部２０６のうちの少なくとも一部の記憶部が、例えば、異常診断装置１０と通信ネットワークを介して接続されるデータベースサーバ等が備える記憶装置により実現されてもよい。

【0024】

変動率データ作成部２０１は、運転データ記憶部２０４に記憶されている１以上の運転データから１以上の変動率データを作成し、それら１以上の変動率データを変動率データ記憶部２０５に保存する。ここで、変動率データ作成部２０１には、運転データ取得部２１１と、変動率算出部２１２と、正規化部２１３とが含まれる。運転データ取得部２１１は、運転データ記憶部２０４に記憶されている１以上の運転データを取得する。変動率算出部２１２は、運転データ取得部２１１によって取得された運転データの状態変数毎に、その状態変数値を時刻（時間）で２階微分した値の絶対値を変動率として算出する。正規化部２１３は、運転データの状態変数毎に、変動率算出部２１２によって算出された各変動率を０以上１以下に正規化する。

【0025】

モデル作成部２０２は、変動率データ記憶部２０５に記憶されている複数の変動率データから異常診断モデル（第１の異常診断モデル、第２の異常診断モデル）を作成し、それらの異常診断モデルをモデル記憶部２０６に保存する。ここで、モデル作成部２０２には、モデル作成用データ取得部２２１と、作成部２２２とが含まれる。モデル作成用データ取得部２２１は、変動率データ記憶部２０５に記憶されている１以上の変動率データを取得する。作成部２２２は、モデル作成用データ取得部２２１によって取得された１以上の変動率データから異常診断モデルを作成する。

【0026】

異常診断部２０３は、変動率データ記憶部２０５に記憶されている変動率データとモデル記憶部２０６に記憶されている異常診断モデル（第１の異常診断モデル、第２の異常診断モデル）から異常診断対象２１に対する異常診断を行い、その異常診断結果をオペレータ端末３０に通知する。ここで、異常診断部２０３には、診断用データ取得部２３１と、モデル作成・更新判定部２３２と、診断部２３３と、診断結果通知部２３４とが含まれる。診断用データ取得部２３１は、変動率データ記憶部２０５に記憶されている変動率データを取得する。モデル作成・更新判定部２３２は、第２の異常診断モデルを作成又は更新するか否かを判定する。診断部２３３は、診断用データ取得部２３１によって取得された変動率データを用いて、異常診断モデル（第１の異常診断モデル、第２の異常診断モデル）により異常診断対象２１（より正確には、その異常診断対象２１が実行しているバッチプロセス）の異常診断を行う。診断結果通知部２３４は、診断部２３３による異常診断結果（例えば、異常有無等）をオペレータ端末３０に通知する。

【0027】

運転データ記憶部２０４は、施設２０に含まれる制御装置２３から受信した運転データを記憶する。なお、これらの運転データは異常診断対象２１の状態（より正確には、当該異常診断対象２１が実行しているバッチプロセスの状態）を表しているため、「バッチプロセスの運転データ」とも呼ばれる。

【0028】

変動率データ記憶部２０５は、変動率データ作成部２０１によって作成された変動率データを記憶する。

【0029】

モデル記憶部２０６は、モデル作成部２０２によって作成された異常診断モデル（第１の異常診断モデル、第２の異常診断モデル）を記憶する。

【0030】

＜異常診断装置１０が実行する各種処理の詳細＞
以下、本実施形態に係る異常診断装置１０が実行する各種処理の詳細について説明する。

【0031】

≪第１の異常診断モデル作成処理≫
以下、本実施形態に係る第１の異常診断モデル作成処理について、図４を参照しながら説明する。第１の異常診断モデル作成処理は、例えば、予め決められた所定の第１の時間幅Δ_１毎に繰り返し実行される。当該第１の時間幅Δ_１としては任意の時間幅を設定することが可能であるが、例えば、１か月～数か月程度の時間幅とすることが考えられる。

【0032】

変動率データ作成部２０１の運転データ取得部２１１は、第１の異常診断モデルの作成に用いる運転データ集合を運転データ記憶部２０４から取得する（ステップＳ１０１）。以下、本ステップで取得された運転データ集合を「第１の学習用データ集合」ともいう。また、以下では、一例として、教師なし学習の手法によって第１の異常診断モデルを作成することを想定し、本ステップでは正常状態におけるバッチプロセスの運転データの集合が第１の学習用データ集合として取得されたものとする。以下、当該第１の学習用データ集合をＤ_１＝｛ｘ（ｔ）｜ｔ∈Ｔ_１｝と表す。Ｔ_１は第１の学習用データ集合Ｄ_１に含まれる運転データの時刻集合である。なお、教師なし学習の手法としては、例えば、多変量統計的プロセス管理（ＭＳＰＣ：Multivariate Statistical Process Control）の手法（参考文献１）、ＬＯＦ（Local Outlier Factor）、Ｏｎｅ Ｃｌａｓｓ ＳＶＭ、分離フォレスト（isolation Forest）、ＩＮＮＥ（isolation using Nearest Neighbour Ensemble）等を用いることが可能である。

【0033】

ただし、教師なし学習の手法ではなく、例えば、単変量監視等の手法によって第１の異常診断モデルが作成されてもよい。この場合、異常診断モデルは、監視対象の状態変数と、その状態変数に対する閾値（上限値、下限値、又はその両方）とで構成される。

【0034】

変動率データ作成部２０１の変動率算出部２１２は、上記のステップＳ１０１で取得された第１の学習用データ集合Ｄ_１に含まれる運転データｘ（ｔ）を用いて、状態変数ｘ_ｎ毎に、状態変数値ｘ_ｎ（ｔ）を時刻ｔで２階微分した値の絶対値を変動率として算出する（ステップＳ１０２）。以下、ｘ（ｔ）∈Ｄ_１に含まれる状態変数値ｘ_ｎ（ｔ）を時刻ｔで２階微分した値の絶対値を変動率ａ_ｎ（ｔ）とする。これにより、変動率集合｛ａ_ｎ（ｔ）｜ｔ∈Ｔ_１，ｎ＝１，・・・，Ｎ｝が得られる。

【0035】

変動率データ作成部２０１の正規化部２１３は、状態変数ｘ_ｎ毎に、その状態変数ｘ_ｎに対応する変動率ａ_ｎ（ｔ）（ｔ∈Ｔ_１）を０以上１以下に正規化する（ステップＳ１０３）。すなわち、変動率ａ_ｎ（ｔ）（ｔ∈Ｔ_１）の最大値をａ_ｎ ^{（ｍａｘ）}、最小値をａ_ｎ ^{（ｍｉｎ）}として、正規化部２１３は、状態変数ｘ_ｎ毎に、（ａ_ｎ（ｔ）－ａ_ｎ ^{（ｍｉｎ）}）／（ａ_ｎ ^{（ｍａｘ）}－ａ_ｎ ^{（ｍｉｎ）}）により、その状態変数ｘ_ｎに対応する変動率ａ_ｎ（ｔ）（ｔ∈Ｔ_１）を正規化する。以下、正規化後の変動率ａ_ｎ（ｔ）（ｔ∈Ｔ_１）を変動率ｃ_ｎ（ｔ）（ｔ∈Ｔ_１）とする。これにより、正規化後の変動率集合｛ｃ_ｎ（ｔ）｜ｔ∈Ｔ_１，ｎ＝１，・・・，Ｎ｝が得られる。

【0036】

変動率データ作成部２０１の正規化部２１３は、正規化後の変動率ｃ_１（ｔ），・・・，ｃ_Ｎ（ｔ）で構成される変動率データｃ（ｔ）（ｔ∈Ｔ_１）を第１のモデル作成用データとして、第１のモデル作成用データ集合を変動率データ記憶部２０５に保存する（ステップＳ１０４）。すなわち、正規化部２１３は、変動率データｃ（ｔ）＝（ｃ_１（ｔ），・・・，ｃ_Ｎ（ｔ））^Τ（ｔ∈Ｔ_１）を第１のモデル作成用データとして、第１のモデル作成用データ集合Ｅ_１＝｛ｃ（ｔ）｜ｔ∈Ｔ_１｝を変動率データ記憶部２０５に保存する。

【0037】

モデル作成部２０２のモデル作成用データ取得部２２１は、変動率データ記憶部２０５に記憶されている第１のモデル作成用データ集合Ｅ_１を取得する（ステップＳ１０５）。

【0038】

モデル作成部２０２の作成部２２２は、上記のステップＳ１０５で取得された第１のモデル作成用データ集合Ｅ_１に含まれる変動率データｃ（ｔ）を用いて、教師なし学習の手法によって第１の異常診断モデルを作成する（ステップＳ１０６）。また、このとき、作成部２２２は、既知の手法（例えば、３σ法等）により、第１の異常診断モデルによる異常診断時に利用する第１の閾値ｔｈ_１を算出する。ただし、当該第１の閾値ｔｈ_１は、例えば、ユーザ等によって与えられてもよい。

【0039】

モデル作成部２０２の作成部２２２は、上記のステップＳ１０６で作成された第１の異常診断モデルをモデル記憶部２０６に保存する（ステップＳ１０７）。また、このとき、作成部２２２は、上記のステップＳ１０６で算出された第１の閾値ｔｈ_１を第１の異常診断モデルと対応付けてモデル記憶部２０６に保存する。ただし、第１の異常診断モデル及び第１の閾値ｔｈ_１がモデル記憶部２０６に既に保存されている場合、作成部２２２は、上記のステップＳ１０６で作成及び算出された第１の異常診断モデル及び第１の閾値ｔｈ_１によって既に保存されている第１の異常診断モデル及び第１の閾値ｔｈ_１を上書き保存（更新）する。

【0040】

以上により、第１の異常診断モデルが構築され、当該第１の異常診断モデルとその異常診断時に利用する第１の閾値ｔｈ_１とがモデル記憶部２０６に保存される。

【0041】

≪異常診断処理≫
以下、本実施形態に係る異常診断処理について、図５を参照しながら説明する。異常診断処理は、例えば、予め決められた所定の第２の時間幅Δ_２毎に繰り返し実行される。当該第２の時間幅Δ_２としては任意の時間幅を設定することが可能であるが、例えば、数分～１０分程度の時間幅とすることが考えられる。なお、以下では、モデル記憶部２０６には少なくとも第１の異常診断モデル及び第１の閾値ｔｈ_１が保存されているものとする。

【0042】

変動率データ作成部２０１の運転データ取得部２１１は、異常診断対象２１の異常診断に用いる運転データｘ（ｔ）を運転データ記憶部２０４から取得する（ステップＳ２０１）。なお、運転データ取得部２１１は、例えば、異常診断対象２１の異常診断に用いる運転データｘ（ｔ）として、運転データ記憶部２０４に記憶されている運転データのうち最新時刻の運転データを取得すればよい。以下、本ステップで取得された運転データｘ（ｔ）をｘ^ｓ（ｔ）＝（ｘ_１ ^ｓ（ｔ），・・・，ｘ_Ｎ ^ｓ（ｔ））^Τと表すことにする。

【0043】

変動率データ作成部２０１の変動率算出部２１２は、上記のステップＳ２０１で取得された運転データｘ^ｓ（ｔ）を用いて、状態変数ｘ_ｎ毎に、状態変数値ｘ_ｎ ^ｓ（ｔ）を時刻ｔで２階微分した値の絶対値を変動率として算出する（ステップＳ２０２）。以下、状態変数値ｘ_ｎ ^ｓ（ｔ）を時刻ｔで２階微分した値の絶対値を変動率ａ_ｎ ^ｓ（ｔ）とする。これにより、変動率集合｛ａ_ｎ ^ｓ（ｔ）｜ｎ＝１，・・・，Ｎ｝
変動率データ作成部２０１の正規化部２１３は、状態変数ｘ_ｎ毎に、その状態変数ｘ_ｎに対応する変動率ａ_ｎ ^ｓ（ｔ）を０以上１以下に正規化する（ステップＳ２０３）。すなわち、正規化部２１３は、状態変数ｘ_ｎ毎に、（ａ_ｎ ^ｓ（ｔ）－ａ_ｎ ^{（ｍｉｎ）}）／（ａ_ｎ ^{（ｍａｘ）}－ａ_ｎ ^{（ｍｉｎ）}）により、その状態変数ｘ_ｎに対応する変動率ａ_ｎ ^ｓ（ｔ）を正規化する。ここで、ａ_ｎ ^{（ｍａｘ）}及びａ_ｎ ^{（ｍｉｎ）}は図４のステップＳ１０３で説明したものであり、それぞれ変動率ａ_ｎ（ｔ）（ｔ∈Ｔ_１）の最大値及び最小値である。以下、正規化後の変動率ａ_ｎ ^ｓ（ｔ）を変動率ｃ_ｎ ^ｓ（ｔ）とする。これにより、正規化後の変動率集合｛ｃ_ｎ ^ｓ（ｔ）｜ｎ＝１，・・・，Ｎ｝が得られる。

【0044】

変動率データ作成部２０１の正規化部２１３は、正規化後の変動率ｃ_１ ^ｓ（ｔ），・・・，ｃ_Ｎ ^ｓ（ｔ）で構成される変動率データｃ^ｓ（ｔ）を診断用データとして、変動率データ記憶部２０５に保存する（ステップＳ２０４）。すなわち、正規化部２１３は、変動率データｃ^ｓ（ｔ）＝（ｃ_１ ^ｓ（ｔ），・・・，ｃ_Ｎ ^ｓ（ｔ））を診断用データとして、変動率データ記憶部２０５に保存する。

【0045】

異常診断部２０３の診断用データ取得部２３１は、上記のステップＳ２０４で保存された診断用データｃ^ｓ（ｔ）を変動率データ記憶部２０５から取得する（ステップＳ２０５）。

【0046】

異常診断部２０３の診断部２３３は、上記のステップＳ２０５で取得された診断用データｃ^ｓ（ｔ）を用いて、第１の異常診断モデルと第１の閾値ｔｈ_１により異常診断対象２１の異常診断を行う（ステップＳ２０６）。また、このとき、診断部２３３は、その異常診断結果に対するプロセス変数の重要度（以下、変数重要度ともいう。）も算出する。

【0047】

すなわち、診断部２３３は、例えば、診断用データｃ^ｓ（ｔ）と第１の異常診断モデルから異常度等と呼ばれる指標値を算出した上で、この指標値が第１の閾値ｔｈ_１を超えている場合は異常、そうでない場合は正常と診断する。また、診断部２３３は、既知の手法により、その異常診断結果（以下、第１の異常診断結果ともいう。）に対する変数重要度も算出する。

【0048】

なお、指標値としては、例えば、異常診断モデルがＭＳＰＣの手法により作成されたものである場合、Ｑ統計量やＴ^２統計量等が挙げられる。また、変数重要度は、例えば、異常診断モデルがＭＳＰＣの手法により作成されたものである場合、Ｑ統計量やＴ^２統計量等に対する各プロセス変数の寄与度が挙げられる。一方で、例えば、異常診断モデルがＭＳＰＣ以外の手法で作成されたものである場合、変数重要度は、ＬＩＭＥ、ＳＨＡＰ、ＶＡＥ等といったモデル解釈技術により算出すればよい。

【0049】

異常診断部２０３のモデル作成・更新判定部２３２は、第２の異常診断モデルを作成又は更新するか否かを判定する（ステップＳ２０７）。ここで、モデル作成・更新判定部２３２は、第２の異常診断モデルが未だ作成されていない場合（つまり、第２の異常診断モデルがモデル記憶部２０６に記憶されていない場合）、第２の異常診断モデルを作成する判定する。一方で、第２の異常診断モデルが作成済である場合（つまり、第２の異常診断モデルがモデル記憶部２０６に記憶されている場合）、モデル作成・更新判定部２３２は、例えば、第２の異常診断モデルが作成又は前回更新された後に予め決められた所定の第３３の時間幅Δ_３（ただし、Δ_３＜Δ_１）が経過したときに第２の異常診断モデルを更新すると判定する。当該第３の時間幅Δ_３としては任意の時間幅を設定することが可能であるが、例えば、１週間～数週間程度の時間幅とすることが考えられる。

【0050】

上記のステップＳ２０７で第２の異常診断モデルを作成又は更新すると判定された場合、異常診断装置１０は、第２の異常診断モデル作成又は更新処理を実行する（ステップＳ２０８）。第２の異常診断モデル作成又は更新処理の詳細については後述する。以下では、第２の異常診断モデルとその異常診断時に利用する第２の閾値ｔｈ_２とが作成及び算出され、モデル記憶部２０６に保存されたものとして説明を続ける。

【0051】

上記のステップＳ２０７で第２の異常診断モデルを作成又は更新すると判定されなかった場合、又は、上記のステップＳ２０８に続いて、異常診断部２０３の診断部２３３は、上記のステップＳ２０５で取得された診断用データｃ^ｓ（ｔ）を用いて、第２の異常診断モデルと第２の閾値ｔｈ_２により異常診断対象２１の異常診断を行う（ステップＳ２０９）。また、このとき、診断部２３３は、その異常診断結果に対するプロセス変数の変数重要度も算出する。

【0052】

すなわち、診断部２３３は、例えば、診断用データｃ^ｓ（ｔ）と第２の異常診断モデルから異常度等と呼ばれる指標値を算出した上で、この指標値が第２の閾値ｔｈ_２を超えている場合は異常、そうでない場合は正常と診断する。また、診断部２３３は、既知の手法により、その異常診断結果（以下、第２の異常診断結果ともいう。）に対する変数重要度も算出する。

【0053】

そして、異常診断部２０３の診断結果通知部２３４は、上記のステップＳ２０６における第１の異常診断結果とそれに対する変数重要度と、上記のステップＳ２０９における第２の異常診断結果とそれに対する変数重要度とをオペレータ端末３０に通知する（ステップＳ２１０）。これにより、オペレータ端末３０を利用するオペレータは、異常診断対象２１が実行するバッチプロセスに異常が発生したか否かを確認することが可能となり、その結果に応じて適切な対象（例えば、手動で異常診断対象２１の運転を停止したり、縮退運転に切り替えたりする等）を行うことが可能となる。また、オペレータは、変数重要度を参照することにより、例えば、当該バッチプロセスに異常が発生している場合にどの物理量が異常の原因となっているのかを知ることができる。更に、オペレータは、第１の異常診断結果と第２の異常診断結果との両方が通知されることにより、より精度の良い異常診断結果を得ることが可能となる。

【0054】

≪第２の異常診断モデル作成及び更新処理≫
以下、上記のステップＳ２０８における第２の異常診断モデル作成又は更新処理について、図６を参照しながら説明する。

【0055】

変動率データ作成部２０１の運転データ取得部２１１は、第１の学習用データ集合とは異なる運転データ集合を運転データ記憶部２０４から取得する（ステップＳ３０１）。以下、本ステップで取得された運転データ集合を「第２の学習用データ集合」ともいう。また、以下では、一例として、教師なし学習の手法によって第２の異常診断モデルを作成することを想定し、本ステップでは正常状態におけるバッチプロセスの運転データの集合が第２の学習用データ集合として取得されたものとする。以下、当該第２の学習用データ集合をＤ_２＝｛ｘ（ｔ）｜ｔ∈Ｔ_２｝と表す。Ｔ_２は第２の学習用データ集合Ｄ_２に含まれる運転データの時刻集合である。

【0056】

なお、第２の学習用データ集合としては、例えば、直近の時間幅Ｋ×Δ_３（つまり、現在によりも時間幅Ｋ×Δ_３前の時刻から現在時刻までの時間幅）おける運転データの集合とすることが考えられる。ここで、Ｋは予め設定された１以上の整数である。

【0057】

変動率データ作成部２０１の変動率算出部２１２は、上記のステップＳ３０１で取得された学習用データ集合Ｄ_２に含まれる運転データｘ（ｔ）を用いて、状態変数ｘ_ｎ毎に、状態変数値ｘ_ｎ（ｔ）を時刻ｔで２階微分した値の絶対値を変動率として算出する（ステップＳ３０２）。以下、ｘ（ｔ）∈Ｄ_２に含まれる状態変数値ｘ_ｎ（ｔ）を時刻ｔで２階微分した値の絶対値を変動率ｂ_ｎ（ｔ）とする。これにより、変動率集合｛ｂ_ｎ（ｔ）｜ｔ∈Ｔ_２，ｎ＝１，・・・，Ｎ｝が得られる。

【0058】

変動率データ作成部２０１の正規化部２１３は、状態変数ｘ_ｎ毎に、その状態変数ｘ_ｎに対応する変動率ｂ_ｎ（ｔ）（ｔ∈Ｔ_２）を０以上１以下に正規化する（ステップＳ３０３）。すなわち、変動率ｂ_ｎ（ｔ）（ｔ∈Ｔ_２）の最大値をｂ_ｎ ^{（ｍａｘ）}、最小値をｂ_ｎ ^{（ｍｉｎ）}として、正規化部２１３は、状態変数ｘ_ｎ毎に、（ｂ_ｎ（ｔ）－ｂ_ｎ ^{（ｍｉｎ）}）／（ｂ_ｎ ^{（ｍａｘ）}－ｂ_ｎ ^{（ｍｉｎ）}）により、その状態変数ｘ_ｎに対応する変動率ｂ_ｎ（ｔ）（ｔ∈Ｔ_２）を正規化する。以下、正規化後の変動率ｂ_ｎ（ｔ）（ｔ∈Ｔ_２）を変動率ｃ_ｎ（ｔ）（ｔ∈Ｔ_２）とする。これにより、正規化後の変動率集合｛ｃ_ｎ（ｔ）｜ｔ∈Ｔ_２，ｎ＝１，・・・，Ｎ｝が得られる。

【0059】

変動率データ作成部２０１の正規化部２１３は、正規化後の変動率ｃ_１（ｔ），・・・，ｃ_Ｎ（ｔ）で構成される変動率データｃ（ｔ）（ｔ∈Ｔ_２）を第２のモデル作成用データとして、第２のモデル作成用データ集合を変動率データ記憶部２０５に保存する（ステップＳ３０４）。すなわち、正規化部２１３は、変動率データｃ（ｔ）＝（ｃ_１（ｔ），・・・，ｃ_Ｎ（ｔ））^Τ（ｔ∈Ｔ_２）を第２のモデル作成用データとして、第２のモデル作成用データ集合Ｅ_２＝｛ｃ（ｔ）｜ｔ∈Ｔ_２｝を変動率データ記憶部２０５に保存する。

【0060】

モデル作成部２０２のモデル作成用データ取得部２２１は、変動率データ記憶部２０５に記憶されている第２のモデル作成用データ集合Ｅ_２を取得する（ステップＳ３０５）。

【0061】

モデル作成部２０２の作成部２２２は、上記のステップＳ３０５で取得された第２のモデル作成用データ集合Ｅ_２に含まれる変動率データｃ（ｔ）を用いて、教師なし学習の手法によって第２の異常診断モデルを作成する（ステップＳ３０６）。また、このとき、作成部２２２は、既知の手法（例えば、３σ法等）により、第２の異常診断モデルによる異常診断時に利用する第２の閾値ｔｈ_２を算出する。ただし、当該第２の閾値ｔｈ_２は、例えば、ユーザ等によって与えられてもよい。なお、教師なし学習の手法ではなく、例えば、単変量監視等の手法によって第２の異常診断モデルが作成されてもよい。また、第２の異常診断モデルは、第１の異常診断モデルと同様の手法により作成されてもよいし、第１の異常診断モデルとは異なる手法により作成されてもよい。

【0062】

モデル作成部２０２の作成部２２２は、上記のステップＳ３０６で作成された第２の異常診断モデルをモデル記憶部２０６に保存する（ステップＳ３０７）。また、このとき、作成部２２２は、上記のステップＳ３０６で算出された第２の閾値ｔｈ_２を第２の異常診断モデルと対応付けてモデル記憶部２０６に保存する。ただし、第２の異常診断モデル及び第２の閾値ｔｈ_２がモデル記憶部２０６に既に保存されている場合、作成部２２２は、上記のステップＳ３０６で作成及び算出された第２の異常診断モデル及び第２の閾値ｔｈ_２によって既に保存されている第２の異常診断モデル及び第２の閾値ｔｈ_２を上書き保存（更新）する。これにより、第２の異常診断モデルとその異常診断時に利用する第２の閾値ｔｈ_２とが作成又は更新される。

【0063】

＜まとめ＞
以上のように、本実施形態に係る異常診断装置１０は、バッチプロセスを対象として、正常状態における異常診断対象２１から収集した運転データの２階微分値の絶対値を正規化した振動率データを用いて、異常診断モデルを作成する。これにより、本実施形態に係る異常診断装置１０では、例えば、バッチプロセスの正常状態を表す波形パターンが多数存在する場合であっても、当該バッチプロセスの異常診断を行うことが可能となる。また、それに加えて、バッチ単位ではなく、バッチの途中であっても異常診断を行うことが可能となる。

【0064】

また、本実施形態に係る異常診断装置１０は、第１の時間幅Δ_１毎に第１の異常診断モデルを作成すると共に、第３の時間幅Δ_３（ただし、Δ_３＜Δ_１）毎に直近の運転データを利用して第２の異常診断モデルを作成する。これにより、第２の異常診断モデルを直近の運転データを利用して半自動的に随時更新することができるため、例えば、運転データの特性変動等に起因する異常診断精度の低下を抑制することが可能となり、高精度な異常診断を実現することができる。

【0065】

更に、本実施形態に係る異常診断装置１０は、例えば、ＭＳＰＣ等といった教師なし学習の手法により異常診断モデルを構築することができるため、複数の状態変数（特に、３つ以上の状態変数）を同時に監視して異常診断を行うことができる。

【0066】

本発明は、具体的に開示された上記の実施形態に限定されるものではなく、特許請求の範囲の記載から逸脱することなく、種々の変形や変更、既知の技術との組み合わせ等が可能である。

【0067】

［参考文献］
参考文献１：加納 学，「多変量統計的プロセス管理」，インタネット＜ＵＲＬ：http://manabukano.brilliant-future.net/research/report/Report2005_MSPC.pdf＞

【符号の説明】

【0068】

１ 異常診断システム
１０ 異常診断装置
２０ 施設
２１ 異常診断対象
２２ 計測器
２３ 制御装置
３０ オペレータ端末
１０１ 入力装置
１０２ 表示装置
１０３ 外部Ｉ／Ｆ
１０３ａ 記録媒体
１０４ 通信Ｉ／Ｆ
１０５ ＲＡＭ
１０６ ＲＯＭ
１０７ 補助記憶装置
１０８ プロセッサ
１０９ バス
２０１ 変動率データ作成部
２０２ モデル作成部
２０３ 異常診断部
２０４ 運転データ記憶部
２０５ 変動率データ記憶部
２０６ モデル記憶部
２１１ 運転データ取得部
２１２ 変動率算出部
２１３ 正規化部
２２１ モデル作成用データ取得部
２２２ 作成部
２３１ 診断用データ取得部
２３２ モデル作成・更新判定部
２３３ 診断部
２３４ 診断結果通知部

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】