特許 7449803 異常要因推定方法、異常要因推定装置、及びプログラム

(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】

(24)【登録日】2024-03-06

(45)【発行日】2024-03-14

(54)【発明の名称】異常要因推定方法、異常要因推定装置、及びプログラム

(51)【国際特許分類】

   G05B 23/02 20060101AFI20240307BHJP

【ＦＩ】

G05B23/02 302Y

G05B23/02 T

【請求項の数】 9

(21)【出願番号】P 2020125085

(22)【出願日】2020-07-22

(65)【公開番号】P2022021495

(43)【公開日】2022-02-03

【審査請求日】2023-02-02

(73)【特許権者】

【識別番号】000006208

【氏名又は名称】三菱重工業株式会社

(74)【代理人】

【識別番号】110000785

【氏名又は名称】ＳＳＩＰ弁理士法人

(72)【発明者】

【氏名】志田 雅人

(72)【発明者】

【氏名】園田 隆

(72)【発明者】

【氏名】熊野 信太郎

【審査官】西井 香織

(56)【参考文献】

【文献】特開２０１７－２１５８６３（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】

事象ごとに要因の発生頻度を示した要因テーブルに基づいて、各要因が発生する確率である事前確率を算出するステップと、
各要因の前記事前確率と、各要因によって各事象が発生する確率である尤度とを用いて、ある事象がある前記要因によって引き起こされる確率である事後確率を算出するステップと、
前記事後確率に、センサ計測値のＳＮ比利得値に関する前記事象ごとの重み係数を乗算し、前記要因と前記事象との組み合わせ毎に発生確率を示す指標を算出するステップと、
を含む異常要因推定方法。

【請求項2】

前記事前確率を算出するステップにおいて、前記要因テーブルに含まれる情報のうち、前記ＳＮ比利得値が基準値より大きい前記センサ計測値に関連する前記事象及び前記要因に関する情報を抽出して使用する
請求項１に記載の異常要因推定方法。

【請求項3】

前記重み係数は、前記ＳＮ比利得値の閾値に対する超過量に基づいて設定される係数である
請求項１又は２に記載の異常要因推定方法。

【請求項4】

前記発生確率を示す指標は、ある事象が起きた際の各要因の発生確率であり、
各要因の発生確率は、前記事後確率と前記重み係数との乗算値を要因ごとに小計した小計値を、前記小計値をすべての前記要因において合計した値である合計値で除算することによって算出される
請求項１乃至３の何れか一項に記載の異常要因推定方法。

【請求項5】

各要因の発生確率を大きい順にランク付けし、上位の前記要因を出力するステップを含む
請求項４に記載の異常要因推定方法。

【請求項6】

前記センサ計測値に基づくマハラノビス距離を監視するステップと、
前記マハラノビス距離に基づいて異常な前記事象を検知した場合に前記ＳＮ比利得値を取得するステップと、
を含む請求項１乃至５の何れか一項に記載の異常要因推定方法。

【請求項7】

プロセスごとの複数の前記要因テーブルの中から計算に使用する前記要因テーブルを選択するステップをさらに含む
請求項１乃至６の何れか一項に記載の異常要因推定方法。

【請求項8】

事象ごとに要因の発生頻度を示した要因テーブルに基づいて、各要因が発生する確率である事前確率を算出するように構成された事前確率算出部と、
各要因の前記事前確率と、各要因によって各事象が発生する確率である尤度とを用いて、ある前記事象がある前記要因によって引き起こされる確率である事後確率を算出するように構成された事後確率算出部と、
前記事後確率に、センサ計測値のＳＮ比利得値に関する前記事象ごとの重み係数を乗算し、前記要因と前記事象との組み合わせ毎に発生確率を示す指標を算出するように構成された指標算出部と、
を備える異常要因推定装置。

【請求項9】

コンピュータに、
事象ごとに要因の発生頻度を示した要因テーブルに基づいて、各要因が発生する確率である事前確率を算出する手順、
各要因の前記事前確率と、各要因によって各事象が発生する確率である尤度とを用いて、ある前記事象がある前記要因によって引き起こされる確率である事後確率を算出する手順、
前記事後確率に、センサ計測値のＳＮ比利得値に関する前記事象ごとの重み係数を乗算し、前記要因と前記事象との組み合わせ毎に発生確率を示す指標を算出する手順、
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、異常要因推定方法、異常要因推定装置、及びプログラムに関する。

【背景技術】

【0002】

発電設備、ボイラ、ガスタービン、化学プラント等には多様な機器が使用されている。これらの機器の異常（例えば故障や故障の予兆）を検出したり、その要因を推定したりすることが求められている。

【0003】

例えば、特許文献１には、複数の要因を含むＦＴ図と技術員のノウハウに基づく要因ごとの重み付けポイントとを用いて、故障要因及び故障箇所を推定する機器故障診断方法（推定方法）が開示されている。また、機器の異常をマハラノビス・タグチ法で検出し、マハラノビス距離増大に影響したセンサ計測値のＳＮ比（Ｓｉｇｎａｌ ｔｏ Ｎｏｉｓｅ Ｒａｔｉｏ）利得値を参照し、その発生事象と要因を推定する推定方法も知られている。

【先行技術文献】

【特許文献】

【0004】

【文献】特開２００６－９９２９８号公報

【発明の概要】

【発明が解決しようとする課題】

【0005】

上述した従来の推定方法は、要因ごとの確度を求めて、その中から確からしい要因を選択して異常の要因を推定する方法である。しかしながら、実際には、複数の要因の相互作用によって機器の異常が発生したり、異常の要因として複数の要因が混在したりする場合がある。そのため、要因ごとの計算結果（絶対評価）による異常要因の推定では異常要因の推定精度が低下する場合がある。

【0006】

上述の事情に鑑みて、本開示は、異常要因の推定精度を向上させることが可能な異常要因推定方法等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】

【0007】

本開示に係る異常要因推定方法は、
事象ごとに要因の発生頻度を示した要因テーブルに基づいて、各要因が発生する確率である事前確率を算出するステップと、
ある事象がある前記要因によって引き起こされる確率である事後確率を算出するステップと、
前記事後確率に、センサ計測値のＳＮ比利得値に関する重み係数を乗算し、前記要因と前記事象との組み合わせ毎に発生確率を示す指標を算出するステップと、
を含む。

【0008】

本開示に係る異常要因推定装置は、
事象ごとに要因の発生頻度を示した要因テーブルに基づいて、各要因が発生する確率である事前確率を算出するように構成された事前確率算出部と、
ある前記事象がある前記要因によって引き起こされる確率である事後確率を算出するように構成された事後確率算出部と、
前記事後確率に、センサ計測値のＳＮ比利得値に関する重み係数を乗算し、前記要因と前記事象との組み合わせ毎に発生確率を示す指標を算出するように構成された指標算出部と、
を備える。

【0009】

本開示に係るプログラムは、
コンピュータに、
事象ごとに要因の発生頻度を示した要因テーブルに基づいて、各要因が発生する確率である事前確率を算出する手順、
ある前記事象がある前記要因によって引き起こされる確率である事後確率を算出する手順、
前記事後確率に、センサ計測値のＳＮ比利得値に関する重み係数を乗算し、前記要因と前記事象との組み合わせ毎に発生確率を示す指標を算出する手順、
を実行させる。

【発明の効果】

【0010】

本開示によれば、異常要因の推定精度を向上させることが可能な異常要因推定方法等を提供することができる。

【図面の簡単な説明】

【0011】

【図1】一実施形態に係る異常要因推定装置のハードウェア構成を概略的に示すブロック図である。

【図2】一実施形態に係る異常要因推定装置の機能的構成を概略的に示すブロック図である。

【図3】一実施形態に係る異常要因推定装置が実行する処理の一例を説明するためのフローチャートである。

【図4】一実施形態に係る異常要因推定装置が取得するＳＮ比利得値の一例を示す図である。

【図5】一実施形態に係る異常要因推定装置が使用するセンサテーブルの一例を示す図である。

【図6】一実施形態に係る異常要因推定装置の算出結果の一例を示す図である。

【図7】一実施形態に係る異常要因推定装置の算出結果（重み係数）の一例を示す図である。

【図8】一実施形態に係る異常要因推定装置の要因テーブルに基づく抽出結果の一例を示す図である。

【図9】一実施形態に係る異常要因推定装置の事前確率の算出結果の一例を示す図である。

【図10】一実施形態に係る異常要因推定装置の尤度の算出結果の一例を示す図である。

【図11】一実施形態に係る異常要因推定装置の事後確率の算出結果の一例を示す図である。

【図12】一実施形態に係る異常要因推定装置の算出結果の一例を示す図である。

【図13】一実施形態に係る異常要因推定装置が出力する情報の一例を示す図である。

【発明を実施するための形態】

【0012】

以下、添付図面を参照して幾つかの実施形態について説明する。ただし、実施形態として記載されている又は図面に示されている構成部品の寸法、材質、形状、その相対的配置等は、発明の範囲をこれに限定する趣旨ではなく、単なる説明例にすぎない。
例えば、「ある方向に」、「ある方向に沿って」、「平行」、「直交」、「中心」、「同心」或いは「同軸」等の相対的或いは絶対的な配置を表す表現は、厳密にそのような配置を表すのみならず、公差、若しくは、同じ機能が得られる程度の角度や距離をもって相対的に変位している状態も表すものとする。
例えば、「同一」、「等しい」及び「均質」等の物事が等しい状態であることを表す表現は、厳密に等しい状態を表すのみならず、公差、若しくは、同じ機能が得られる程度の差が存在している状態も表すものとする。
例えば、四角形状や円筒形状等の形状を表す表現は、幾何学的に厳密な意味での四角形状や円筒形状等の形状を表すのみならず、同じ効果が得られる範囲で、凹凸部や面取り部等を含む形状も表すものとする。
一方、一の構成要素を「備える」、「具える」、「具備する」、「含む」、又は、「有する」という表現は、他の構成要素の存在を除外する排他的な表現ではない。

【0013】

（異常要因推定装置の構成）
一実施形態に係る異常要因推定装置１００の全体構成を説明する。図１は、一実施形態に係る異常要因推定装置１００のハードウェア構成を概略的に示すブロック図である。異常要因推定装置１００は、例えば、機器に関する計測を行うセンサ（不図示）やセンサ計測値を蓄積するサーバ装置（不図示）等からセンサ計測値を取得して、機器に発生した異常な事象の要因を推定するための装置である。

【0014】

例えば、図１に示すように、異常要因推定装置１００は、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）、ＧＰＵ（Ｇｒａｐｈｉｃｓ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）等のプロセッサ７２と、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）７４と、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）７６と、ＨＤＤ（Ｈａｒｄ Ｄｉｓｋ Ｄｒｉｖｅ）７８と、入力Ｉ／Ｆ８０と、出力Ｉ／Ｆ８２と、を含み、これらがバス８４を介して互いに接続されたコンピュータを用いて構成される。異常要因推定装置１００のプロセッサ７２がＲＯＭやＲＡＭ等のメモリに記憶されているプログラムを実行することにより、後述する各種機能を実現する。

【0015】

図２は、一実施形態に係る異常要因推定装置１００の機能的構成を概略的に示すブロック図である。図２に示すように、異常要因推定装置１００は、機能的には、ＳＮ比利得値を取得するように構成された利得取得部１０１と、重み係数を取得するように構成された重み係数取得部１０２と、事前確率を算出するように構成された事前確率算出部１０３と、事後確率を算出するように構成された事後確率算出部１０４と、指標を算出するように構成された指標算出部１０５と、各種情報（推定結果を含む）を出力ように構成された出力部１０６とを備える。

【0016】

（処理の流れ）
以下、一実施形態に係る異常要因推定装置１００が実行する処理の流れについて説明する。図３は、一実施形態に係る異常要因推定装置１００が実行する処理の一例を説明するためのフローチャートである。

【0017】

図３に示すように、利得取得部１０１は、センサ計測値のＳＮ比利得値を取得する（ステップＳ１）。なお、利得取得部１０１は、センサ計測値に基づくマハラノビス距離を監視し、そのマハラノビス距離に基づいて異常な事象を検知した場合にＳＮ比利得値を取得するように構成されていてもよい。この場合、異常な事象が検知された場合に異常要因推定を行うため、異常要因推定に伴う演算処理を抑えることができる。

【0018】

図４は、一実施形態に係る異常要因推定装置１００が取得するＳＮ比利得値の一例を示す図である。図４に示すように、利得取得部１０１は、例えば、時系列で取得可能な複数のセンサ計測値（信号Ａ～Ｆ）から信号ごとのＳＮ比利得値を取得する。なお、図４では、一つの時刻におけるＳＮ比利得値を取得した場合を示しているが、利得取得部１０１は、複数の時刻において各時刻におけるＳＮ比利得値を取得してもよい。

【0019】

図３に示すように、重み係数取得部１０２は、センサ計測値のＳＮ比利得値に関する重み係数を取得する（ステップＳ２）。重み係数は、ＳＮ比利得値であってもよいし、以下の一例に示すようにＳＮ比利得値に対して閾値処理した後の値であってもよい。

【0020】

ここで、閾値処理によって重み係数を取得する場合の例について説明する。図５は、一実施形態に係る異常要因推定装置１００が使用するセンサテーブルの一例を示す図である。図６は一実施形態に係る異常要因推定装置１００の算出結果の一例を示す図である。図７は、一実施形態に係る異常要因推定装置１００の算出結果（重み係数）の一例を示す図である。

【0021】

重み係数取得部１０２は、図５に示すセンサテーブルを重み係数の算出に使用してもよい。センサテーブルは、どの信号がどの発生事象に関連するかを示す情報である。センサテーブルにおいて、例えば、信号Ａでは、発生事象２，４，８に関係するために値が１であるのに対し、その他の発生事象には関係ないため値が０である。このような１と０の二値で関係性が示される。なお、重み係数取得部１０２は、センサテーブルを使用する構成に限られない。重み係数取得部１０２は、センサテーブルを使用せずに各信号に関係する発生事象を抽出するように構成されてもよい。

【0022】

発生事象は、例えば、ガスタービンの軸振動、排ガス温度の異常な上昇等である。要因は、例えば、排ガス温度の上昇の要因であれば、冷却空気が少ない、センサの不具合等である。発生事象と要因は１対１に対応していて明らかな場合もあるが、複合的な要因で発生する事象もあるため、このような絞り込みは有意義である。

【0023】

重み係数取得部１０２は、図５に示すセンサテーブルの値に対して図４に示すＳＮ比利得値を乗じることによって図６に示す算出結果を取得してもよい。例えば、図６に示す算出結果において、信号Ａでは、発生事象１、３、５～７は０と５．１の積であるため、値がゼロであり、発生事象２、４、８では１と５．１の積であるため値が５．１である。信号Ｂ～Ｆについても、図４に示すＳＮ比利得値と図５に示すセンサテーブルの１又は０との積によって同様な計算が行われる。

【0024】

重み係数取得部１０２は、図６に示す算出結果からＡ値を取得してもよい。Ａ値は、各発生事象におけるＳＮ比利得値の最大値である。例えば、図６に示す発生事象１において、信号Ｂに対応する算出値が２．２であり、信号Ｆに対応する算出値が１．８であり、その他の信号に対応する算出値は０である。この場合、図７に示すように、発生事象１のＡ値は２．２である。同様に他の発生事象のＡ値も取得される。

【0025】

重み係数取得部１０２は、図７に示すようにＳＮ比利得値の閾値を用いて、Ａ値に対応するＢ値を取得してもよい。図７に示す例では、ＳＮ比利得値の閾値は３である。ＳＮ比利得値の閾値は、マハラノビス距離の増大に影響を与えたと推定するための判別基準となる値に設定される。ＳＮ比利得値の閾値は、ユーザが知見に基づいて手動入力した値であってもよいし、統計的な手法によって自動計算される値であってもよい。図７に示す例では、全事象について同じ閾値３が設定されている。しかし、事象ごとに異なる閾値が設定されてもよい。

【0026】

Ｂ値は、ＳＮ比利得値の閾値によってＡ値をフィルタリングした値である。具体的には、Ｂ値は、ＳＮ比利得値の閾値以下のＡ値を０にして、ＳＮ比利得値の閾値を超えるＡ値をそのままにした値である。例えば、発生事象１は、Ａ値が３以下の２．２であるためにＢ値が０であり、発生事象２は、Ａ値が３を超える５．１であるためにＢ値が５．１である。

【0027】

重み係数取得部１０２は、図７に示すようにＢ値を用いて、各発生事象のＣ値を取得してもよい。Ｃ値は、重み係数である。重み係数であるＣ値は、ＳＮ比利得値の閾値に対する超過量に基づいて設定される係数であってもよい。例えば、図示の例ではＢ値からＳＮ比利得の閾値を引いた値に２を乗じることによってＣ値が算出されている。しかし、Ｃ値の計算式はこれに限られず、適宜変更可能である。

【0028】

以上、閾値処理によって重み係数を取得する場合の例について説明した。しかし、閾値処理によって重み係数を取得する手順は上述の例に限られない。例えば、重み係数取得部１０２は、図４に示すＳＮ比利得値に対して先に閾値処理をした後に図５に示すセンサテーブルの値を乗じてもよい。また、重み係数取得部１０２は、図７に示すようにＡ値からＢ値を算出してＣ値を算出するような構成ではなく、Ａ値からＣ値を直接的に算出し、算出結果が負の値となるＣ値を０とするように算出する構成であってもよい。このように手順を変更しても同じ結果を得ることが可能である。

【0029】

このような重み係数を後述する指標の計算に使用すれば、単にＳＮ比利得値が基準値より大きい事象及び要因について計算するだけでなく、ＳＮ比利得値の大きさの大小関係を重み係数に反映し、それを計算に使用することができる。そのため、ＳＮ比利得値の大きさの大小関係を際立たせることができる。

【0030】

図３に示すように、事前確率算出部１０３は、各要因が発生する確率である事前確率を算出する（ステップＳ３）。事前確率算出部１０３は、事象ごとに要因の発生頻度を示した要因テーブルに基づいて、事前確率を算出する。

【0031】

要因テーブルに含まれる情報には、滅多に生じない事象、特殊な事象、発生要因が不明な事象等の情報も含まれる。このような情報を異常要因の推定に使用する場合、精度が低下する虞がある。そのため、事前確率算出部１０３は、要因テーブルに含まれる情報のうち、ＳＮ比利得値が基準値より大きいセンサ計測値に関連する事象及び要因に関する情報を抽出して使用するように構成されてもよい。この場合、要因テーブルに含まれる情報のうち、ＳＮ比利得値が基準値より大きいセンサ計測値に関連する事象及び要因に関する情報に絞って事前確率や事後確率を算出できるので、高精度となる。なお、事前確率算出部１０３は、このような抽出を行わずに要因テーブルから直接的に事前確率を算出するように構成されてもよい。

【0032】

図８は、一実施形態に係る異常要因推定装置１００の要因テーブルに基づく抽出結果の一例を示す図である。この例では、図４に示すように、センサ（信号）６個にＳＮ比利得が見られ、それら６個の信号（信号Ａ～Ｆ）が関係する発生事象が図５に示すように発生事象１～８の８個である。これら８個の発生事象とそれぞれの要因とを併せて要因テーブルから抜き出したものが図８である。このように、事前確率算出部１０３は、発生事象と要因とを対応付けた要因テーブルから、幾つかの発生事象とそれぞれの要因とを抽出する。図８において、例えば、発生事象１は、要因７によって発生した回数が２回であり、要因８によって発生した回数が３であり、要因１～６によって発生した回数が０である。このように、図８に示す抽出結果は、各発生事象の発生件数を要因別で示し、さらに、それらの要因ごとの小計値（例えば、要因７の発生件数が２７回）と小計値を合計した合計値も示している。

【0033】

図９は、一実施形態に係る異常要因推定装置１００の事前確率の算出結果の一例を示す図である。図９に示すＲ１～Ｒ８は、図８に示す要因１～要因８に対応している。Ｐは確率を示している。例えば、Ｐ(Ｒ１)は、要因１が発生する確率（要因１の事前確率）を示している。事前確率は、図８に示す抽出結果が示す要因ごとの小計値を合計値で除算することによって算出される。例えば、要因８の事前確率Ｐ（Ｒ８）は、小計値２２を合計値２８８で割った値であり、０．０７６３８９である。事前確率算出部１０３は、このような算出を各要因について行う。

【0034】

図３に示すように、事後確率算出部１０４は、ある事象がある要因によって引き起こされる確率である事後確率を算出する（ステップＳ４）。事後確率算出部１０４は、各要因の事前確率と、各要因Ｒｊによって各事象Ｆｉが発生する確率である尤度Ｐ（Ｆｉ｜Ｒｊ）とを用いて事後確率Ｐ（Ｒｊ｜Ｆｉ）を算出してもよい。この場合、事前確率と尤度とを用いて事後確率を容易に算出することができる。

【0035】

図１０は、一実施形態に係る異常要因推定装置１００の尤度Ｐ（Ｆｉ｜Ｒｊ）の算出結果の一例を示す図である。図１０に示すＦｉは、発生事象１～８のうちのいずれかの発生事象ｉを示している。例えば、Ｐ(Ｆｉ｜Ｒ１)は、要因Ｒ１によって事象Ｆｉが発生する確率である尤度を示している。例えば、要因Ｒ１によって事象Ｆ２（発生事象２）が発生する尤度は、０．３０３０３である。

【0036】

尤度は、図８に示す要因テーブルの抽出結果において、ある事象Ｆｉがある要因Ｒｉによって発生した件数を要因ごとの小計値で除算することによって算出される。例えば、尤度Ｐ（Ｆ１｜Ｒ７）は、事象Ｆ１が要因Ｒ７によって発生した件数２を小計値２７で割った値であり、図１０に示すように、０．０７４０７４である。事後確率算出部１０４は、図１０に示すように、このような尤度を各事象と各要因の組み合わせごとに計算してもよい。

【0037】

事後確率算出部１０４は、このような尤度を用いて事後確率を算出してもよい。図１１は、一実施形態に係る異常要因推定装置１００の事後確率Ｐ（Ｒｊ｜Ｆｉ）の算出結果の一例を示す図である。ある事象Ｆｉがある要因Ｒｊによって引き起こされる確率である事後確率Ｐ（Ｒｊ｜Ｆｉ）は、ある尤度Ｐ（Ｆｉ｜Ｒｊ）とある事前確率Ｐ（Ｒｊ）との積を、その要因Ｒｊに対応する各尤度と各事前確率の積の総和で除算することによって算出される。

【0038】

ｎ個の要因がある場合の事後確率Ｐ（Ｒｊ｜Ｆｉ）は、事後確率Ｐ（Ｒｊ｜Ｆｉ）＝Ｐ（Ｆｉ｜Ｒｊ）・Ｐ（Ｒｊ）／（Ｐ（Ｆｉ｜Ｒ１）・Ｐ（Ｒ１）＋Ｐ（Ｆｉ｜Ｒ２）・Ｐ（Ｒ２）＋・・・＋Ｐ（Ｆｉ｜Ｒｎ）・Ｐ（Ｒｎ））の式から算出される。このように事後確率は、ある事象が複数の要因（Ｒ１～Ｒｎ）で起こる場合も考慮した数式で計算される。

【0039】

なお、例えば、図１１において、発生事象２が要因１によって引き起こされる事後確率Ｐ（Ｒ１｜Ｆ２）を求める場合、事後確率Ｐ（Ｒ１｜Ｆ２）＝Ｐ（Ｆ２｜Ｒ１）・Ｐ（Ｒ１）／（Ｐ（Ｆ２｜Ｒ１）・Ｐ（Ｒ１）＋Ｐ（Ｆ２｜Ｒ２）・Ｐ（Ｒ２）＋Ｐ（Ｆ２｜Ｒ３）・Ｐ（Ｒ３）＋Ｐ（Ｆ２｜Ｒ４）・Ｐ（Ｒ４）＋＋Ｐ（Ｆ２｜Ｒ５）・Ｐ（Ｒ５）＋Ｐ（Ｆ２｜Ｒ６）・Ｐ（Ｒ６）＋Ｐ（Ｆ２｜Ｒ７）・Ｐ（Ｒ７）＋Ｐ（Ｆ２｜Ｒ８）・Ｐ（Ｒ８））＝０．３５７１４３である。なお、図１１において、事後確率を要因ごと又は事象ごとで小計し、それらを合計すると、合計値は図中右下に示すように、発生事象の数と同じ値８になる。

【0040】

図３に示すように、指標算出部１０５は、発生確率を示す指標を算出する（ステップＳ５）。指標算出部１０５は、事後確率算出部１０４が算出した事後確率に、重み係数取得部１０２が取得した重み係数（Ｃ値）を乗算し、要因と発生事象との組み合わせ毎に発生確率を示す指標を算出する。発生確率を示す指標は、発生確率として算出するための正規化を行う前段階の数値であってもよいし、正規化後の発生確率であってもよい。

【0041】

まず、前者について具体例を説明する。図１２は、一実施形態に係る異常要因推定装置１００の算出結果の一例を示す図である。事後確率算出部１０４が算出した事後確率に、重み係数取得部１０２が取得した重み係数（Ｃ値）を乗算した値である発生確率を示す指標を要因と発生事象との組み合わせ毎に示している。

【0042】

例えば、要因２によって発生事象１が発生する発生確率を示す指標は、事後確率０とＣ値０との積であるため、０である。要因２によって発生事象２が発生する発生確率を示す指標は、事後確率０．５３７１４とＣ値４．２との積であるため、２．２５である。このように、図７に示す各発生事象に対応するＣ値を図１１に示す事後確率の表の値に乗じることによって各々の発生確率を示す指標が算出される。

【0043】

なお、図１２において、発生確率を示す指標を要因ごと又は事象ごとで小計し、それらを合計すると、合計値は図中右下に示すように、１３．２になる。この合計値は、重み係数の影響を受けることによって発生事象の数とは異なる値になり得る。この例においても８ではなく１３．２である。

【0044】

次に、後者について具体例を説明する。図１３は、一実施形態に係る異常要因推定装置１００が出力する情報の一例を示す図である。図１３に示す発生確率は、図１２に示す各々の値を合計値１３．２で除算することによって正規化した後の発生確率を示している。例えば、図１３において、要因ごとの発生確率の小計値を合計すると、発生確率の表において図中右下に示すように１すなわち１００％になる。このように、発生確率を示す指標は、ある事象が起きた際の各要因の発生確率であり、各要因の発生確率は、事後確率と重み係数との乗算値を要因ごとに小計した小計値を、それらの小計値をすべての前記要因において合計した値である合計値で除算することによって算出されてもよい。この場合、各要因の発生確率を把握することができる。

【0045】

図３に示すように、出力部１０６は、推定結果を出力する（ステップＳ６）。例えば、出力部１０６は、図１３に示すように、各要因の発生確率を大きい順にランク付けし、上位の要因を出力してもよい。この場合、何が要因でその異常な事象が発生しているかを容易に把握することができる。例えば、要因２によってその事象が発生している確率が２４．７％で最上位であることがわかる。なお、出力部１０６は、最上位の１つの要因だけを出力してもよいし、最上位から順番に選択した複数の要因を出力してもよい。また、出力部１０６は、図１２又は図１３に示すように発生確率を示す指標を推定結果として出力してもよい。

【0046】

以上、図３を参照しながら、一実施形態に係る異常要因推定装置１００が実行する処理の流れについて説明した。なお、図３に示す処理の一部は、ユーザによって実行されてもよい。また、図３に示す処理の順序は変更されてもよい。例えば、ステップＳ３、Ｓ４はステップＳ１、Ｓ２よりも先に実行されてもよい。事前確率、尤度、及び事後確率は、センサ計測値ではなく要因テーブルから算出できるため、それらを予め算出しておいてからＳＮ比利得値や重み係数を取得して発生確率を示す指標を算出してもよい。

【0047】

また、異常要因推定装置１００は、要因テーブルを使用したり、事前確率、尤度、事後確率を算出したりせずに、予め取得しておいた事後確率を示すテーブルを使用して発生確率を示す指標を算出してもよい。この場合、ステップＳ３、Ｓ４は省略可能である。ただし、要因テーブル、事前確率、尤度、事後確率等を示すテーブルは最新情報を反映するように更新されることが好ましい。このような更新処理は異常要因推定装置１００によって自動実行されてもよいし、ユーザの手動入力によって実行されてもよい。更新頻度が多い場合には、図３に示すように、その都度、事前確率、尤度、事後確率を算出することが好ましい。

【0048】

異常要因推定装置１００は、プロセスごとの複数の要因テーブルの中から計算に使用する要因テーブルを選択するように構成されてもよい。例えば、機器又は機器を備えるシステムにおいて、起動時、停止時等の過渡的な動作状態や温度、圧力、振動などの計測値が例えば通常の２σ（分散値の基準値）以上のような特殊な動作状態である場合には、通常の動作状態とは異なる挙動を示す場合がある。この場合、発生事象や要因も運転状態のプロセスによって異なる。そのため、例えば、起動時、運転時、停止時等のプロセスごとに要因テーブルを作成しておき、異常な事象が発生したときのプロセスに応じた要因テーブルを選択して使用することにより、推定精度を向上させることができる場合がある。

【0049】

本開示は上述した実施形態に限定されることはなく、上述した実施形態に変形を加えた形態や、複数の実施形態を適宜組み合わせた形態も含む。

【0050】

（まとめ）
上記各実施形態に記載の内容は、例えば以下のように把握される。

【0051】

（１）本開示に係る異常要因推定方法は、
事象ごとに要因の発生頻度を示した要因テーブルに基づいて、各要因が発生する確率である事前確率を算出するステップと、
ある事象がある前記要因によって引き起こされる確率である事後確率を算出するステップと、
前記事後確率に、センサ計測値のＳＮ比利得値に関する重み係数を乗算し、前記要因と前記事象との組み合わせ毎に発生確率を示す指標を算出するステップと、
を含む。

【0052】

上記方法によれば、事後確率に基づいて、要因と事象との組み合わせ毎に発生確率を示す指標を算出する。事後確率は、ある事象が複数の要因で起こる場合も考慮した数式で計算される。そのため、要因ごとの計算結果（絶対評価）による異常要因の推定ではなく、複数要因の相互作用を考慮した計算（相対評価）による異常要因の推定を行うことができる。したがって、異常要因の推定精度を向上させることができる。

【0053】

（２）幾つかの実施形態では、上記（１）に記載の方法において、
前記事前確率を算出するステップにおいて、前記要因テーブルに含まれる情報のうち、前記ＳＮ比利得値が基準値より大きい前記センサ計測値に関連する前記事象及び前記要因に関する情報を抽出して使用する。

【0054】

要因テーブルに含まれる情報には、滅多に生じない事象、特殊な事象、発生要因が不明な事象等の情報も含まれる。このような情報を異常要因の推定に使用する場合、精度が低下する虞がある。この点、上記方法によれば、要因テーブルに含まれる情報のうち、ＳＮ比利得値が基準値より大きいセンサ計測値に関連する事象及び要因に関する情報に絞って事前確率や事後確率を算出できるので、高精度となる。

【0055】

（３）幾つかの実施形態では、上記（１）又は（２）に記載の方法において、
前記事後確率を算出するステップにおいて、各要因の前記事前確率と、各要因によって各事象が発生する確率である尤度とを用いて前記事後確率を算出する。

【0056】

上記方法によれば、事前確率と尤度とを用いて事後確率を容易に算出することができる。

【0057】

（４）幾つかの実施形態では、上記（１）乃至（３）の何れか一つに記載の方法において、
前記重み係数は、前記ＳＮ比利得値の閾値に対する超過量に基づいて設定される係数である。

【0058】

上記方法によれば、単にＳＮ比利得値が基準値より大きい事象及び要因について計算するだけでなく、ＳＮ比利得値の大きさの大小関係を重み係数に反映し、それを計算に使用する。そのため、ＳＮ比利得値の大きさの大小関係を際立たせることができる。

【0059】

（５）幾つかの実施形態では、上記（１）乃至（４）の何れか一つに記載の方法において、
前記発生確率を示す指標は、ある事象が起きた際の各要因の発生確率であり、
各要因の発生確率は、前記事後確率と前記重み係数との乗算値を要因ごとに小計した小計値を、前記小計値をすべての前記要因において合計した値である合計値で除算することによって算出される。

【0060】

上記方法によれば、各要因の発生確率を把握することができる。

【0061】

（６）幾つかの実施形態では、上記（５）に記載の方法において、
各要因の発生確率を大きい順にランク付けし、上位の前記要因を出力するステップを含む。

【0062】

上記方法によれば、何が要因でその異常な事象が発生しているかを容易に把握することができる。

【0063】

（７）幾つかの実施形態では、上記（１）乃至（６）の何れか一つに記載の方法において、
前記センサ計測値に基づくマハラノビス距離を監視するステップと、
前記マハラノビス距離に基づいて異常な前記事象を検知した場合に前記ＳＮ比利得値を取得するステップと、
を含む。

【0064】

上記方法によれば、異常な事象が検知された場合に異常要因推定を行うため、異常要因推定に伴う演算処理を抑えることができる。

【0065】

（８）幾つかの実施形態では、上記（１）乃至（７）の何れか一つに記載の方法において、
プロセスごとの複数の前記要因テーブルの中から計算に使用する前記要因テーブルを選択するステップをさらに含む。

【0066】

上記方法によれば、異常な事象が発生したときのプロセスに応じた要因テーブルを選択して使用することにより、推定精度を向上させることができる場合がある。

【0067】

（９）本開示に係る異常要因推定装置（１００）は、
事象ごとに要因の発生頻度を示した要因テーブルに基づいて、各要因が発生する確率である事前確率を算出するように構成された事前確率算出部（１０３）と、
ある前記事象がある前記要因によって引き起こされる確率である事後確率を算出するように構成された事後確率算出部（１０４）と、
前記事後確率に、センサ計測値のＳＮ比利得値に関する重み係数を乗算し、前記要因と前記事象との組み合わせ毎に発生確率を示す指標を算出するように構成された指標算出部（１０５）と、
を備える。

【0068】

上記構成によれば、異常要因推定装置（１００）は、事後確率に基づいて、要因と事象との組み合わせ毎に発生確率を示す指標を算出する。事後確率は、ある事象が複数の要因で起こる場合も考慮した数式で計算される。そのため、要因ごとの計算結果（絶対評価）による異常要因の推定ではなく、複数要因の相互作用を考慮した計算（相対評価）による異常要因の推定を行うことができる。したがって、異常要因の推定精度を向上させることができる。

【0069】

（１０）本開示に係るプログラムは、
コンピュータに、
事象ごとに要因の発生頻度を示した要因テーブルに基づいて、各要因が発生する確率である事前確率を算出する手順、
ある前記事象がある前記要因によって引き起こされる確率である事後確率を算出する手順、
前記事後確率に、センサ計測値のＳＮ比利得値に関する重み係数を乗算し、前記要因と前記事象との組み合わせ毎に発生確率を示す指標を算出する手順、
を実行させる。

【0070】

上記プログラムによれば、事後確率に基づいて、要因と事象との組み合わせ毎に発生確率を示す指標が算出される。事後確率は、ある事象が複数の要因で起こる場合も考慮した数式で計算される。そのため、要因ごとの計算結果（絶対評価）による異常要因の推定ではなく、複数要因の相互作用を考慮した計算（相対評価）による異常要因の推定を行うことができる。したがって、異常要因の推定精度を向上させることができる。

【符号の説明】

【0071】

１ 読取装置
１０ パレット
１１ 孔
２０ スロット
３０ 測距装置
７２ プロセッサ
７４ ＲＡＭ
７６ ＲＯＭ
７８ ＨＤＤ
８０ 入力Ｉ／Ｆ
８２ 出力Ｉ／Ｆ
８４ バス
１００ 異常要因推定装置
１０１ 利得取得部
１０２ 重み係数取得部
１０３ 事前確率算出部
１０４ 事後確率算出部
１０５ 指標算出部
１０６ 出力部

【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】