TWI734330B - 支援裝置、支援方法及記錄媒體 - Google Patents
支援裝置、支援方法及記錄媒體 Download PDFInfo
- Publication number
- TWI734330B TWI734330B TW108148512A TW108148512A TWI734330B TW I734330 B TWI734330 B TW I734330B TW 108148512 A TW108148512 A TW 108148512A TW 108148512 A TW108148512 A TW 108148512A TW I734330 B TWI734330 B TW I734330B
- Authority
- TW
- Taiwan
- Prior art keywords
- parameter
- data
- change point
- input
- learning
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims description 38
- 230000008859 change Effects 0.000 claims abstract description 163
- 239000000463 material Substances 0.000 claims abstract description 49
- 238000005259 measurement Methods 0.000 claims description 60
- 238000012545 processing Methods 0.000 claims description 15
- 238000001514 detection method Methods 0.000 claims description 9
- 230000004044 response Effects 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 description 27
- 230000007246 mechanism Effects 0.000 description 27
- 238000011156 evaluation Methods 0.000 description 19
- 238000005457 optimization Methods 0.000 description 16
- 239000013598 vector Substances 0.000 description 15
- 238000011157 data evaluation Methods 0.000 description 13
- 238000000605 extraction Methods 0.000 description 11
- 238000013500 data storage Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 8
- 238000001228 spectrum Methods 0.000 description 8
- 239000011159 matrix material Substances 0.000 description 7
- 238000006243 chemical reaction Methods 0.000 description 6
- 239000000284 extract Substances 0.000 description 5
- 238000012806 monitoring device Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 239000000470 constituent Substances 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000005856 abnormality Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000000354 decomposition reaction Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000000926 separation method Methods 0.000 description 2
- 230000002123 temporal effect Effects 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000007257 malfunction Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 239000012925 reference material Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000036962 time dependent Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
- G05B23/0243—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults model based detection method, e.g. first-principles knowledge model
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
- G05B23/0221—Preprocessing measurements, e.g. data collection rate adjustment; Standardization of measurements; Time series or signal analysis, e.g. frequency analysis or wavelets; Trustworthiness of measurements; Indexes therefor; Measurements using easily measured parameters to estimate parameters difficult to measure; Virtual sensor creation; De-noising; Sensor fusion; Unconventional preprocessing inherently present in specific fault detection methods like PCA-based methods
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0259—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
- G05B23/0267—Fault communication, e.g. human machine interface [HMI]
- G05B23/0272—Presentation of monitored results, e.g. selection of status reports to be displayed; Filtering information to the user
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Evolutionary Computation (AREA)
- Data Mining & Analysis (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Human Computer Interaction (AREA)
- Testing Or Calibration Of Command Recording Devices (AREA)
- Testing And Monitoring For Control Systems (AREA)
- Indication And Recording Devices For Special Purposes And Tariff Metering Devices (AREA)
- Navigation (AREA)
Abstract
本發明的課題為輕易地獲取確定感測器的計測值的經時變化之參數。支援裝置(10)用以獲取確定感測器的計測值的經時變化之參數,其具備:資料獲取部(21),獲取表示第1感測器的計測值的經時變化之第1學習用資料和表示第2感測器的計測值的經時變化且與第1學習用資料相關之第2學習用資料;輸入部(23),輸入參數;參數獲取部(25),依據與由輸入部輸入之參數對應之第1學習用資料的變化點位置及第2學習用資料的變化點位置而獲取預定值的參數。
Description
本申請主張基於2019年1月31日申請之日本專利申請第2019-016314號的優先權。該日本申請的全部內容藉由參閱援用於本說明書中。
本發明係有關一種用以獲取確定感測器的計測值的經時變化之參數之支援裝置、支援方法及支援程式。
作為能夠檢測各種處理系統的狀態變化的監視裝置,例如已知如專利文獻1及2之監視裝置。在這樣的監視裝置中,藉由確定感測器的計測值的經時變化而判定是否發生處理的狀態變化,因此要求獲取用以確定該經時變化之參數。
專利文獻1:日本特開2012-141712號公報
專利文獻2:日本特開平11-7317號公報
然而,以往確定感測器的計測值的經時變化之參數係藉由使用過去的經驗值和簡易分析值而得。因此,在如沒有過去的經驗值之計測資料中,需要在試誤下探索參數,難以獲取參數或獲取參數之效率低。又,還可進行藉由使用簡易分析值而獲取參數,但由於僅藉由簡易計算而獲取參數,因此難以確定感測器的計測值的準確的經時變化。
在這點上,在專利文獻1及2中的任一監視裝置中,關於計算確定感測器的計測值的經時變化之參數皆未作出任何對策。
本發明的一樣態的示例性目的之一為,提供一種用以輕易地獲取確定感測器的計測值的經時變化之參數之支援裝置、支援方法及支援程式。
為了解決上述問題,本發明的一樣態的支援裝置為用以獲取確定感測器的計測值的經時變化之參數之支援裝置,其具備:資料獲取部,獲取表示第1感測器的計測值的經時變化之第1學習用資料和表示第2感測器的計測值的經時變化且與第1學習用資料相關之第2學習用資料;輸入部,輸入參數;及參數獲取部,依據與由輸入部輸入之參數對應之第1學習用資料的變化點位置及第2學習用資料的變化點位置而獲取預定值的參數。
依上述樣態,獲取第1學習用資料和與該第1學習用資料相關之第2學習用資料,依據與由輸入部輸入之參數對應之第1學習用資料的變化點位置及第2學習用資料的變化點位置而獲取預定值的參數。依此,能夠輕易地獲取確定感測器的計測值的經時變化之參數。
本發明的另一樣態為支援方法。該方法為用以獲取確定感測器的計測值的經時變化之參數之支援方法,其包括如下步驟:藉由資料獲取部獲取表示第1感測器的計測值的經時變化之第1學習用資料和表示第2感測器的計測值的經時變化且與第1學習用資料相關之第2學習用資料;藉由輸入部輸入參數;及依據與由輸入部輸入之參數對應之第1學習用資料的變化點位置和第2學習用資料的變化點位置,藉由參數獲取部獲取預定值的參數。
本發明的又一樣態樣態為支援程式。該程式為為了獲取確定感測器的計測值的經時變化之參數而由電腦執行之支援程式,其使電腦執行如下步驟:獲取表示第1感測器的計測值的經時變化之第1學習用資料和表示第2感測器的計測值的經時變化且與第1學習用資料相關之第2學習用資料;及依據與由輸入部輸入之參數對應之第1學習用資料的變化點位置和第2學習用資料的變化點位置,藉由參數獲取部獲取預定值的參數。
再者,在方法、裝置、系統、電腦程式、資料構造、記錄媒體等之間彼此替換以上的構成要素的任意的組合或本發明的構成要素和表述者作為本發明的樣態亦有效。
(發明之效果)
依本發明,能夠輕易地獲取確定感測器的計測值的經時變化之參數。
以下,參閱圖式並藉由發明的實施形態對本發明進行說明,但以下的實施形態並不限定申請專利範圍之發明,又,在實施形態中說明之所有特徵的組合並非為發明的解決方案中必不可少的。對各圖式所示之相同或等同的構成要素、構件、處理,標註相同符號,並適當省略重複之說明。
圖1~圖6係用以說明本發明的實施形態之支援裝置及支援方法之圖。具體而言,圖1係表示本發明的一實施形態之支援裝置10的構成之圖,圖2及圖3係表示基於支援裝置10之支援方法的一例之流程圖,圖4及圖5係用以說明計測資料的變化點位置的計算方法的一例之圖,圖6係用以說明基於支援裝置10之支援方法之圖。
支援裝置10為支援確定感測器的計測值的經時變化之參數的獲取者,係藉此支援例如發電廠或化學工廠等處理系統中的計測資料的波形的特徵變化檢測者。為了計測資料的波形的特徵變化檢測,需要在演算法中設定參數。這樣的參數為確定表示感測器的計測值的經時變化之計測資料的變化點位置者。藉由設定最佳的參數,能夠確定計測資料中的準確的變化點位置,能夠檢測出計測資料的準確的波形特徵變化。藉此例如能夠準確地評估處理系統的運行狀況。
支援裝置10具備參數最佳化機構20、資料評估機構30及資料記憶部40。參數最佳化機構20獲取作為確定感測器的計測值的經時變化之預定值的參數的一例之最佳參數。資料評估機構30使用由參數最佳化機構20獲取之最佳參數而確定表示感測器的計測值的經時變化之計測資料的變化點位置,藉此進行計測資料的波形的特徵變化檢測,甚至能夠評估處理系統的運行狀況。資料記憶部40儲存各種計測資料,並且存儲由參數最佳化機構20獲取之最佳參數或由參數最佳化機構20及資料評估機構30計算或獲取之計測資料的變化點位置資料。
支援裝置10例如與設置於處理系統中之複數個感測器(未圖示)連接,構成為能夠獲取表示該感測器的計測值的經時變化之計測資料。又,支援裝置10與用以輸入資訊之操作部(未圖示)及用以輸出資訊之顯示部(未圖示)連接。藉此,依據由操作部輸入之資訊而進行演算,並且將其演算結果顯示於顯示部,使得作業人員能夠一邊藉由顯示部識別畫面一邊藉由操作部對支援裝置10輸入所需之資訊。支援裝置10為具備CPU及記憶體等之電腦裝置。記憶體中儲存有用以執行基於本實施形態之支援裝置10之支援方法的各動作之支援程式。再者,規定後述之本實施形態之支援方法之程式在電腦上運行而使CPU進行之處理分別與本實施形態的支援裝置10及支援方法中的對應之要素的功能及動作相同。
以下,對支援裝置10的各種功能方塊進行說明。
參數最佳化機構20具備學習用資料獲取部21、雜訊去除部22、參數輸入部23、資料顯示部24及最佳參數獲取部25。為了獲取最佳參數,學習用資料獲取部21獲取表示感測器的計測值的經時變化之計測資料作為學習用資料。在此,感測器例如為壓力感測器、溫度感測器或流量感測器。雜訊去除部22去除由學習用資料獲取部21獲取之計測資料的雜訊而僅獲取已去除雜訊之計測資料。參數輸入部23受理用以確定感測器的計測值的經時變化之參數的輸入。該參數的輸入例如藉由作業人員經由操作部輸入而進行。
資料顯示部24顯示由雜訊去除部22獲取之已去除雜訊之計測資料。又,資料顯示部24在顯示部中顯示用以敦促作業人員輸入參數之參數輸入欄、獲取最佳參數所需之執行按鈕(例如變化點計算執行按鈕及變化點提取執行按鈕)及學習用資料的變化點位置的一致率的判定結果等參數最佳化機構20獲取最佳參數所需之資訊(參閱圖6)。
最佳參數獲取部25具備計算計測資料的變化點位置之變化點位置計算部26和提取由變化點位置計算部26計算出之變化點位置之變化點位置提取部27。變化點位置的計算方法並不受限定,例如能夠使用k近鄰法(k-nearest neighbor algorithm)(參閱圖4)或奇異譜轉換(Singular Spectrum Transformation)(參閱圖5)等眾所周知的波形特徵變化檢測方法。
資料評估機構30具備評估用資料獲取部31、雜訊去除部32、最佳參數輸入部33、資料顯示部34及變化點位置獲取部35。為了檢測計測資料的波形的特徵變化,評估用資料獲取部31獲取表示感測器的計測值的經時變化之計測資料作為評估用資料。評估用資料與由參數最佳化機構20的學習用資料獲取部21獲取之學習用資料為基於相同的感測器的計測值之相同種類的計測資料。如此,使用從相同種類的計測資料獲得之最佳參數而進行計測資料的波形的特徵變化檢測,因此能夠確定計測資料中的準確的變化點位置。
雜訊去除部32去除由評估用資料獲取部31獲取之計測資料的雜訊而僅獲取已去除雜訊之計測資料。最佳參數輸入部33受理用以確定感測器的計測值的經時變化之最佳參數的輸入。最佳參數的輸入例如藉由從參數最佳化機構20或資料記憶部40接收由最佳參數獲取部25獲取之最佳參數而進行。或者,還能夠藉由作業人員經由操作部輸入由參數最佳化機構20獲取之最佳參數而進行最佳參數的輸入。
資料顯示部34顯示由雜訊去除部32獲取之已去除雜訊之計測資料。又,與參數最佳化機構20的資料顯示部24相同地,資料顯示部34在顯示部中顯示用以敦促作業人員輸入最佳參數之參數輸入欄、評估資料所需之執行按鈕(例如變化點計算執行按鈕及變化點提取執行按鈕)等資料評估機構30評估資料所需之資訊。
變化點位置獲取部35具備計算計測資料的變化點位置之變化點位置計算部36和提取由變化點位置計算部36計算出之變化點位置之變化點位置提取部37。變化點位置的計算方法並不受限定,與基於最佳參數獲取部25之計算方法相同,例如能夠使用k近鄰法(參閱圖4)或奇異譜轉換(參閱圖5)等眾所周知的波形特徵變化檢測方法。
資料記憶部40具備計測資料記憶部41、最佳參數記憶部42及變化點位置資料記憶部43。計測資料記憶部41儲存來自設置於處理系統中的各感測器之計測資料。儲存之計測資料包括用以處理參數最佳化機構20之學習用資料和用以處理資料評估機構30之評估用資料。最佳參數記憶部42儲存由最佳參數獲取部25獲取之最佳參數。變化點位置資料記憶部43儲存分別在變化點位置提取部27、37中提取之計測資料的變化點位置資料。儲存於資料記憶部40中之該等記憶資料例如與處理系統的運行時間或運行狀況等建立對應關係。
再者,關於上述之參數最佳化機構20、資料評估機構30及資料記憶部40的各種構成的具體動作,將在後述之支援方法中進行詳細敘述。
以下,作為本發明的一實施形態之支援方法,對使用支援裝置10之動作的一例進行說明。首先,參閱圖2對使用支援裝置10的參數最佳化機構20之動作的一例進行說明。
在圖2中,首先,由學習用資料獲取部21獲取表示第1感測器的計測值的經時變化之第1學習用資料和表示第2感測器的計測值的經時變化之第2學習用資料(S10)。第1學習用資料與在資料評估機構30中作為評估對象之計測資料為相同種類的計測資料,這樣的計測資料能夠從與由評估用資料獲取部31獲取之計測資料的感測器相同的感測器獲取。第2學習用資料為與第1學習用資料相關之計測資料。第2學習用資料為針對第1學習用資料之基準資料。典型而言,第2學習用資料為與第1學習用資料具有輸入或輸出(換言之原因或結果)的響應關係之計測資料。此時,第1學習資料和第2學習資料並不限於如一方相對於另一方藉由一個系統輸入輸出之直接輸入輸出之樣態,還包括如藉由複數個系統輸入輸出之間接輸入輸出之樣態(例如,第1學習資料輸入於第1系統,該第1系統的輸出成為第2系統的輸入,該第2系統的輸出為第2學習資料之樣態)。具有這樣的輸入或輸出的響應關係之計測資料彼此具有相同位置的變化點位置。例如,在第1學習用資料為來自檢測處理系統的既定位置的溫度之溫度感測器之計測資料之情況下,第2學習用資料可以為來自檢測成為該既定位置的溫度變化的原因之蒸汽的壓力或流量之感測器的計測資料。或者,第2學習用資料可以為相關係數與第1學習用資料具有一定值以上的關係之計測資料。
接著,藉由雜訊去除部22去除第1學習用資料及第2學習用資料的雜訊(S11),藉由資料顯示部24將去除雜訊之第1學習用資料及第2學習用資料顯示於顯示部(S12)。然後,作業人員視覺辨認顯示於顯示部之第1學習用資料及第2學習用資料的各波形,並且經由操作部藉由參數輸入部23輸入確定感測器的計測值的經時變化之參數(S13)。此處的參數為作業人員適當確定之臨時參數。
之後,依據在步驟S13中輸入之參數,藉由變化點位置計算部26分別計算第1學習用資料及第2學習用資料的變化點位置(S14)。
作為變化點位置的計算方法的一例,可舉出圖4所示之k近鄰法。在圖4中,橫軸為時間,縱軸為感測器的計測值。k近鄰法為眾所周知的波形特徵變化檢測方法,將簡單地進行說明,k近鄰法中,以計算時刻t為界在未來側創建長度w的向量d。藉由滑動相同長度w的向量而在過去側準備n個向量qi,創建過去矩陣(1列為1向量)。當創建過去矩陣時,在未來側向量與過去矩陣之間的時間的距離短的情況下,類似度高,因此變化度小。為了避免該情況,如圖4所示,設置間隔距離g。藉由將過去側的各向量和未來側的向量代入到使用餘弦距離之下述式中而計算臨時變化度ztmp
。
【數式1】
然後,如下述式將最小值設為變化度z。
z=minztmp
在k近鄰法中,在步驟S13中輸入之參數為相當於圖4的橫軸的時間的寬度之參數。具體而言,該參數與圖4的間隔距離g、時間寬度M及窗尺寸w對應。
作為變化點位置的計算方法的另一例,可舉出圖5所示之奇異譜轉換。在圖5中,橫軸為時間,縱軸為感測器的計測值。奇異譜轉換(Singular Spectrum Transform)中,在比變化度計算時刻t更靠過去側以任意的長度(窗尺寸)w切出時序資料而創建向量,並藉由以點數τ滑動該向量而創建n個向量。將這n個向量用作過去側(n×w)矩陣。藉由對該矩陣進行特異值分解而取出任意個過去的代表向量。另一方面,在未來側亦創建相同的矩陣,並進行特異值分解,由此取出1個未來的代表向量。藉由使用由複數個過去的代表向量構成之矩陣U和1個未來的代表向量β(t)藉由下述式而計算該時刻的變化度z(t)。
【數式2】
【數式3】
在奇異譜轉換中,在步驟S13中輸入之參數為相當於圖5的橫軸的時間的寬度之參數。具體而言,該參數與圖5的間隔距離g、時間寬度M及窗尺寸w對應。
作業人員藉由參數輸入部23輸入該等複數個參數,並藉由k近鄰法或奇異譜轉換等波形的特徵變化檢測方法而計算第1學習用資料及第2學習用資料的各變化點位置。之後,藉由變化點位置提取部27提取在步驟S14中計算出之變化點位置(S15),針對第1學習用資料及第2學習用資料將各變化點位置的一致率的判定結果與該等變化點位置一併顯示於顯示部(S16)。
在此,圖6係步驟S16後的基於顯示部之顯示樣態的一例。在該例中,顯示區域50包括第1學習用資料顯示欄60、第2學習用資料顯示欄70、參數輸入欄80、變化點計算執行按鈕90、變化點提取執行按鈕92及一致率判定結果94。第1學習用資料顯示欄60中,在以第1感測器的計測值為縱軸及以時間為橫軸之座標軸中,示出了第1學習用資料的波形62和其變化點位置64。變化點位置64在週期性地重複大致類似的圖案之波形的各週期中以縱線顯示。同樣地,第2學習用資料顯示欄70中,在以第2感測器的計測值為縱軸及以時間為橫軸之座標軸中,示出了第2學習用資料的波形72和其變化點位置74。變化點位置74在週期性地重複大致類似的圖案之波形的各週期中以縱線顯示。如此,藉由以使表示時間之橫軸一致的方式配置顯示欄60、70,能夠視覺辨認各學習用資料的變化點位置64、74的一致率。
又,為了計算各學習用資料的變化點位置64、74,在參數輸入欄80中顯示在步驟S13中輸入之各參數82、84、86。藉此,能夠視覺辨認各參數與各學習用資料的變化點位置之間的對應關係。藉由作業人員經由操作部選擇變化點計算執行按鈕90及變化點提取執行按鈕92,能夠計算或提取各學習用資料的變化點位置。一致率判定結果94包括一致率的判定結果表示一致時之項目(“是”)96和一致率的判定結果表示不一致之項目(“否”)98,並依據一致率的判定結果而點亮任一項目的燈。藉此,作業人員能夠輕易地視覺辨認與在步驟S13中輸入之參數對應之第1學習用資料的變化點位置與第2學習用資料的變化點位置是否一致。
返回到圖2的流程圖,在步驟S17中藉由最佳參數獲取部25判定第1學習用資料的變化點位置與第2學習用資料的變化點位置是否一致,並在判定為不一致之情況下(S17中為“否”),資料顯示部24敦促作業人員再次輸入參數,並反覆進行步驟S13至S16的一系列的步驟至判定結果判定為一致為止。
在判定結果判定為一致之情況下(S17中為“是”),藉由最佳參數獲取部25獲取此時的預定值的參數作為最佳參數。獲取之最佳參數儲存於最佳參數記憶部42中,並在後述之資料評估機構中使用。
在步驟S17中的一致率的判定中,比較各變化點位置64、74,並能夠以是否在允許誤差內一致而進行判定。亦即,在變化點位置的一致率落在允許誤差內之情況下,將該參數作為最佳參數。再者,變化點位置的一致率的計算亦可以由最佳參數獲取部25自動進行。
接著,參閱圖3對使用支援裝置10的資料評估機構30之動作的一例進行說明。在圖3中,首先,為了檢測計測資料的波形的特徵變化,藉由評估用資料獲取部31獲取與第1學習用資料相同種類的計測資料作為評估用資料(S10)。評估用資料與第1學習用資料為相同的感測器的計測值且不同時間的計測資料。
接著,藉由雜訊去除部32去除評估用資料的雜訊(S21),並藉由資料顯示部34將去除雜訊之評估用資料顯示於顯示部(S22)。又,最佳參數輸入部33從最佳參數記憶部42獲取針對與評估用資料相同種類的計測資料之最佳參數,並將該最佳參數輸入於資料評估機構30(S23)。再者,最佳參數的輸入還能夠由作業人員視覺辨認顯示於顯示部之評估用資料的波形之同時經由操作部再次輸入最佳參數。
之後,依據在步驟S23中輸入之最佳參數,藉由變化點位置計算部36而計算評估用資料的變化點位置(S24)。
在參數最佳化機構20的動作的一例中說明之內容對應於變化點位置的計算方法。
如此,作業人員依據最佳參數而藉由k近鄰法或奇異譜轉換等波形的特徵變化檢測方法而計算評估用資料的變化點位置,之後,藉由變化點位置提取部37提取在步驟S24中計算出之變化點位置(S25)。如此提取之變化點位置顯示於顯示部作為評估用資料的評估結果(S26)。
如上所述,本實施形態之支援裝置獲取第1學習用資料和與該第1學習用資料相關之第2學習用資料,依據與由輸入部輸入之參數對應之第1學習用資料的變化點位置及第2學習用資料的變化點位置而獲取預定值的參數。依此,能夠輕易地獲取確定感測器的計測值的經時變化之參數。因此,例如,即使在如沒有過去的經驗值之計測資料中,亦能夠高效地獲取參數,藉此能夠輕易地進行計測資料的波形的特徵變化檢測。又,與依據計測值的臨界值而進行波形的特徵變化檢測之方法相比,例如還能夠輕易地掌握導致在計測值的臨界值以下發生之故障之現象,因此例如能夠毫無遺漏地檢測處理系統的變化。此外,例如,在處理系統中,計測資料的變化還有可能為導致系統異常之一因素,因此藉由運用本實施形態之支援裝置、支援方法及支援程式,還能夠有助於系統的異常偵知。
本發明並不限定於上述實施形態,能夠運用各種變形。
在上述實施形態中,作為獲取最佳參數之一例,對使用一個第1學習用資料之例子進行了說明,但本發明並不限於此,亦可以藉由比較複數個第1學習用資料與第2學習用資料而獲取最佳參數。亦即,第1學習用資料的計測資料亦可以為多維。這樣的計測資料可以為複數個第1感測器各自的計測值的經時變化。此時,針對第1學習用資料及第2學習用資料之各變化點位置的一致率的判定例如可以藉由如下方式進行:提取分別對複數個第1學習用資料進行平均等並相加而得之變化點位置,並比較該變化點位置與第2學習用資料的變換點位置。藉由使用複數個第1學習用資料,能夠減少處理系統的雜訊的影響而提取更準確的變化點位置。
又,在上述實施形態中,對支援裝置10具備參數最佳化機構20及資料評估機構30之例子進行了說明,但本發明並不限於此,支援裝置亦可以為至少具備參數最佳化機構20者。又,支援裝置10的動作並不限於所有動作被電腦的演算處理自動化者,還包括至少一部分介入基於作業人員之手動作業者。又,在上述實施形態中,基於顯示部之顯示樣態僅為一例,例如圖6的學習用資料並不限於基於圖表之波形資料的顯示,亦可以為基於數值之表形式等。
藉由上述發明的實施形態說明之實施樣態能夠依據用途而適當組合或者加以變更或改良而使用,本發明並不限定於上述之實施形態的記載。從申請專利範圍的記載而言,這樣的組合或者加以變更或改良之形態亦可以包括在本發明的技術範圍內係顯而易見的。
10:支援裝置
21:學習用資料獲取部
23:參數輸入部
25:最佳參數獲取部
24:資料顯示部
35:變化點位置獲取部
[圖1]係表示本發明的一實施形態之支援裝置10的構成之圖。
[圖2]係表示基於支援裝置10之支援方法的一例之流程圖。
[圖3]係表示基於支援裝置10之支援方法的一例之流程圖。
[圖4]係用以說明作為計測資料的變化點位置的計算方法的一例之k近鄰法之圖。
[圖5]係用以說明作為計測資料的變化點位置的計算方法的一例之奇異譜轉換之圖。
[圖6]係用以說明基於支援裝置10之支援方法之圖。
10:支援裝置
20:參數最佳化機構
21:學習用資料獲取部
22:雜訊去除部
23:參數輸入部
24:資料顯示部
25:最佳參數獲取部
26:變化點位置計算部
27:變化點位置提取部
30:資料評估機構
31:評估用資料獲取部
32:雜訊去除部
33:最佳參數輸入部
34:資料顯示部
35:變化點位置獲取部
36:變化點位置計算部
37:變化點位置提取部
40:資料記憶部
41:計測資料記憶部
42:最佳參數記憶部
43:變化點位置資料記憶部
Claims (11)
- 一種支援裝置,其用以獲取確定感測器的計測值的經時變化之參數,前述支援裝置具備:資料獲取部,獲取表示第1感測器的計測值的經時變化之第1學習用資料和表示第2感測器的計測值的經時變化且與前述第1學習用資料具有輸入或輸出的響應關係之第2學習用資料;輸入部,輸入參數;及參數獲取部,依據與藉由前述輸入部輸入之參數對應之前述第1學習用資料的變化點位置及前述第2學習用資料的變化點位置而獲取預定值的參數。
- 如申請專利範圍第1項所述之支援裝置,其中前述第1學習用資料為來自處理系統的既定位置處的溫度感測器之計測資料,前述第2學習用資料為來自檢測成為該既定位置的溫度變化的原因之事像之感測器的計測資料。
- 如申請專利範圍第1或2項所述之支援裝置,其進一步具備:資料顯示部,顯示前述第1學習用資料、前述第2學習用資料及參數的輸入欄。
- 如申請專利範圍第3項所述之支援裝置,其中前述資料顯示部在藉由前述輸入部輸入參數之後進一步顯示與由前述輸入部輸入之參數對應之前述第1學習用資料的變化點位置及前述第2學習用資料的變化點位置和各變化點位置的一致率的判定結果。
- 如申請專利範圍第1或2項所述之支援裝置,其中前述資料獲取部包括獲取2個以上的前述第1學習用資料之步驟,前述參數獲取部依據前述2個以上的第1學習用資料的變化點位置和前述第2學習用資料的變化點位置而獲取前述預定值的參數,前述2個以上的第1學習用資料的變化點位置係依據與由前述輸入部輸入之參數對應之前述2個以上的第1學習用資料而得。
- 如申請專利範圍第1或2項所述之支援裝置,其進一步具備:變化點位置獲取部,依據由前述參數獲取部獲取之預定值的參數而獲取表示前述第1感測器的計測值的經時變化之評估用資料的變化點位置。
- 一種支援方法,其用以獲取確定感測器的計測值的經時變化之參數,前述支援方法包括如下步驟:藉由資料獲取部獲取表示第1感測器的計測值的經時 變化之第1學習用資料和表示第2感測器的計測值的經時變化且與前述第1學習用資料具有輸入或輸出的響應關係之第2學習用資料;藉由輸入部輸入參數;及依據與由前述輸入部輸入之參數對應之前述第1學習用資料的變化點位置和前述第2學習用資料的變化點位置,藉由參數獲取部獲取預定值的參數。
- 如申請專利範圍第7項所述之支援方法,其進一步包括如下步驟:將前述第1學習用資料、前述第2學習用資料及參數的輸入欄顯示於資料顯示部;及在藉由前述輸入部輸入參數之後,藉由前述資料顯示部顯示與由前述輸入部輸入之參數對應之前述第1學習用資料的變化點位置及前述第2學習用資料的變化點位置和各變化點位置的一致率的判定結果。
- 如申請專利範圍第8項所述之支援方法,其再次進行如下步驟:在前述一致率的判定結果表示不一致的情況下,輸入前述參數;及獲取前述預定值的參數。
- 如申請專利範圍第8項所述之支援方法,其中 在前述一致率的判定結果表示一致的情況下,獲取前述預定值的參數作為最佳參數。
- 一種記錄媒體,係儲存有支援程式者,為了獲取確定感測器的計測值的經時變化之參數而由電腦執行該支援程式,前述支援程式用以使前述電腦執行如下步驟:獲取表示第1感測器的計測值的經時變化之第1學習用資料和表示第2感測器的計測值的經時變化且與前述第1學習用資料具有輸入或輸出的響應關係之第2學習用資料;及依據與由輸入部輸入之參數對應之前述第1學習用資料的變化點位置和前述第2學習用資料的變化點位置,藉由參數獲取部獲取預定值的參數。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019-016314 | 2019-01-31 | ||
JP2019016314 | 2019-01-31 |
Publications (2)
Publication Number | Publication Date |
---|---|
TW202030567A TW202030567A (zh) | 2020-08-16 |
TWI734330B true TWI734330B (zh) | 2021-07-21 |
Family
ID=71840565
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW108148512A TWI734330B (zh) | 2019-01-31 | 2019-12-31 | 支援裝置、支援方法及記錄媒體 |
Country Status (4)
Country | Link |
---|---|
JP (1) | JP7449248B2 (zh) |
PH (1) | PH12021551827A1 (zh) |
TW (1) | TWI734330B (zh) |
WO (1) | WO2020158466A1 (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH117317A (ja) * | 1997-06-17 | 1999-01-12 | Toshiba Corp | 発電プラント異常監視装置 |
CN1514209A (zh) * | 2003-08-01 | 2004-07-21 | 重庆大学 | 旋转机械故障智能诊断方法与装置 |
US20120022350A1 (en) * | 2010-07-21 | 2012-01-26 | Streamline Automation, Llc | Sensor fusion and probabilistic parameter estimation method and apparatus |
JP2012141712A (ja) * | 2010-12-28 | 2012-07-26 | Toshiba Corp | プロセス監視診断装置 |
US20170079596A1 (en) * | 2009-04-22 | 2017-03-23 | Streamline Automation, Llc | Probabilistic parameter estimation using fused data apparatus and method of use thereof |
US20170277559A1 (en) * | 2016-03-25 | 2017-09-28 | Daqri, Llc | Classifying work processes |
WO2018132786A1 (en) * | 2017-01-13 | 2018-07-19 | Ground Truth Consulting | System and method for predicting well production |
WO2018200541A1 (en) * | 2017-04-24 | 2018-11-01 | Carnegie Mellon University | Virtual sensor system |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5953779B2 (ja) * | 2012-02-01 | 2016-07-20 | 富士ゼロックス株式会社 | 障害予測システム、障害予測装置及びプログラム |
JP6803241B2 (ja) * | 2017-01-13 | 2020-12-23 | アズビル株式会社 | 時系列データ処理装置および処理方法 |
JP6791892B2 (ja) * | 2018-01-18 | 2020-11-25 | ファナック株式会社 | 異常検知パラメータ調整表示装置 |
-
2019
- 2019-12-31 TW TW108148512A patent/TWI734330B/zh active
-
2020
- 2020-01-17 PH PH1/2021/551827A patent/PH12021551827A1/en unknown
- 2020-01-17 JP JP2020569512A patent/JP7449248B2/ja active Active
- 2020-01-17 WO PCT/JP2020/001593 patent/WO2020158466A1/ja active Application Filing
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH117317A (ja) * | 1997-06-17 | 1999-01-12 | Toshiba Corp | 発電プラント異常監視装置 |
CN1514209A (zh) * | 2003-08-01 | 2004-07-21 | 重庆大学 | 旋转机械故障智能诊断方法与装置 |
US20170079596A1 (en) * | 2009-04-22 | 2017-03-23 | Streamline Automation, Llc | Probabilistic parameter estimation using fused data apparatus and method of use thereof |
US20120022350A1 (en) * | 2010-07-21 | 2012-01-26 | Streamline Automation, Llc | Sensor fusion and probabilistic parameter estimation method and apparatus |
JP2012141712A (ja) * | 2010-12-28 | 2012-07-26 | Toshiba Corp | プロセス監視診断装置 |
US20170277559A1 (en) * | 2016-03-25 | 2017-09-28 | Daqri, Llc | Classifying work processes |
WO2018132786A1 (en) * | 2017-01-13 | 2018-07-19 | Ground Truth Consulting | System and method for predicting well production |
WO2018200541A1 (en) * | 2017-04-24 | 2018-11-01 | Carnegie Mellon University | Virtual sensor system |
Also Published As
Publication number | Publication date |
---|---|
KR20210124214A (ko) | 2021-10-14 |
TW202030567A (zh) | 2020-08-16 |
JP7449248B2 (ja) | 2024-03-13 |
WO2020158466A1 (ja) | 2020-08-06 |
JPWO2020158466A1 (ja) | 2021-12-02 |
PH12021551827A1 (en) | 2022-04-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20150276557A1 (en) | State monitoring system, state monitoring method and medium | |
US20160231738A1 (en) | Information processing apparatus and analysis method | |
US20170249559A1 (en) | Apparatus and method for ensembles of kernel regression models | |
KR101978569B1 (ko) | 플랜트 데이터 예측 장치 및 방법 | |
Goulding et al. | Fault detection in continuous processes using multivariate statistical methods | |
US20230213926A1 (en) | Abnormal irregularity cause identifying device, abnormal irregularity cause identifying method, and abnormal irregularity cause identifying program | |
US11004002B2 (en) | Information processing system, change point detection method, and recording medium | |
CN108369416B (zh) | 异常诊断系统 | |
TW201911074A (zh) | 資訊處理裝置及資訊處理方法 | |
US10955818B2 (en) | System and method for extracting principal time series data | |
JP6398383B2 (ja) | 異常診断装置 | |
JP7127305B2 (ja) | 情報処理装置、情報処理方法、プログラム | |
CN112463646A (zh) | 一种传感器异常检测方法及装置 | |
CN102131461B (zh) | 睡眠判断装置以及睡眠判断方法 | |
JP7604486B2 (ja) | 異常変調原因特定装置、異常変調原因特定方法及び異常変調原因特定プログラム | |
Harrou et al. | Improved detection of incipient anomalies via multivariate memory monitoring charts: Application to an air flow heating system | |
JP5949135B2 (ja) | 異常診断方法及び異常診断装置 | |
JP2006017467A (ja) | におい特定装置 | |
TWI734330B (zh) | 支援裝置、支援方法及記錄媒體 | |
JP2009110262A (ja) | フィルタ装置、フィルタ装置のフィルタリング方法およびフィルタリングプログラム | |
JP2016012263A (ja) | 異常診断装置 | |
KR102784221B1 (ko) | 지원장치, 지원방법 및 지원프로그램 | |
JP2016031568A (ja) | 異常診断装置、異常診断方法及び異常診断プログラム | |
US20230213927A1 (en) | Abnormal irregularity cause identifying device, abnormal irregularity cause identifying method, and abnormal irregularity cause identifying program | |
TWI794583B (zh) | 監視裝置、顯示裝置、監視方法及監視程式 |