设备机器的异常诊断系统技术方案

在使用数据聚类处理进行设备机器的异常诊断时，即使在关于设备机器的数据而用于学习处理的正常数据不明确而无法定义的情况下也能够实现异常诊断。一种设备机器的异常诊断系统，其处于如下情况：根据来自设备机器的多个数据，使用包括利用正常数据的学习处理和利用在学习处理中制作出的模型的诊断处理的解析方法来进行异常诊断，并且关于来自所述设备机器的多个数据，设备机器的正常动作时的数据并非已知，其中具备：第一处理部，对来自设备机器的多个数据进行聚类处理；第二处理部，根据与各群组相符的数据数来定义正常群组；第三处理部，将与正常群组相符的数据作为正常数据抽出；及第四处理部，使用抽出的正常数据来进行学习处理。

【技术实现步骤摘要】
设备机器的异常诊断系统
本专利技术涉及利用数据聚类处理的设备机器的异常诊断系统。
技术介绍
在各种整套设备中，在警报被输出之前，对整套设备的异常状态的早期检测在提高运转可靠性这方面是有效的。作为早期检测整套设备的异常的方法，通过预先学习整套设备的正常时的数据模式并将其与测量数据的模式进行比较来检测状态变化的方法是有效的。作为这样的数据解析之一，可以举出数据聚类技术。聚类解析是指根据数据模式将输入的数据分类为多个群组(＝分组)的方法。群组表示在数据模式中具有类似性的数据的集合。在聚类解析中，将多个输入数据映射在多维空间上，根据空间上的位置关系定义群组。以利用正常数据定义的群组为基准，进行针对诊断数据的异常判定。图2示出该处理的概要。图2示出了在横轴中采用来自传感器1的输入信号、在纵轴中采用来自传感器1的输入信号的二维面，示出对从传感器1和传感器2形成的2个输入信号进行聚类的情况。在该例子中，在二维面进行聚类，将传感器1和传感器2的测量值描绘为各轴的值，作为聚类的结果而得到群组1、群组2、群组3。在各群组中，×标记表示范畴的重心位置。此外，在图2中，作为简单的例子，示出了在二维面的聚类，但通常将在设备机器中测量出的多个传感器信号作为输入，所以一般在多维空间中进行处理。另外，在图2中，描绘了白点的学习数据和黑点的诊断数据这两方，图示了利用学习数据制作出的3个群组。在此，学习数据是指由用户定义为正常的数据。在通过聚类进行设备机器的异常诊断的情况下，事先使用学习数据来制作群组，将其设为正常状态的基准。接下来，在同空间中描绘诊断数据，根据与利用学习数据制作出的群组的位置关系来进行异常判定。如群组1、群组3所例示的那样，如果诊断数据与正常时的数据模式类似，则描绘点包含于3个群组中的任意群组。另一方面，如群组2所例示的那样，如果诊断数据与正常时的数据模式大幅不同，则被描绘在脱离群组的位置。作为异常判定的1个方法，考虑表示与正常相背离的程度的异常度的概念。考虑若干异常度的定义，如图所示，对各诊断数据利用与最近的群组的重心相距的距离的方法是1个方法。例如，在群组2中，判断由×标记表示的范畴的重心位置与诊断数据之间的距离，根据与群组区域相距的距离来判定以上度。诊断数据与在学习数据中包含的数据模式越大幅不同，则该距离越大。另一方面，即使在诊断数据包含于表示正常的群组的情况下，异常度也不为0。由于在数据中包含偏差，其相当于与群组重心相距的距离。通常的异常判定通过对异常度进行阈值判定来实施。作为在设备机器的异常判定中活用聚类的例子，可以举出专利文献1。专利文献1记载了针对时间序列的波形数据的诊断方法，但异常判定的基本考虑方式与上述相同。如专利文献1的图6所示，根据诊断数据与群组中心的距离来判定异常。在专利文献1中，如公式1所示，将把空间上的距离除以群组的半径而得到的值设为异常度。现有技术文献专利文献1：日本特开2017-33471号公报
技术实现思路
如上所述，提出了使用各种聚类方法来进行设备机器的异常诊断的方法、系统。然而，这些方法需要事先使用被定义为正常的数据的学习处理。即，将从学习数据生成的群组设为正常时的数据模式的基准，以与该基准进行比较的方式进行异常判定。作为无法应用该方法的例子，可以举出如下情况：虽然有在设备机器中测量出的传感器数据，但哪个数据是正常动作时的数据、哪个数据是异常发生时的数据是不明确的。也就是在数据中有可能还包括异常时的数据的情况。如果假设还包括异常时的数据在内地用作学习数据而实施聚类处理，则异常时的数据模式也被处置为正常。因此，即使发生同样的异常，系统也无法进行异常检测。以上，期望有对正常及异常未知的数据也能够进行诊断异常的处理方法。根据以上，在本专利技术中，“一种设备机器的异常诊断系统，其特征在于，是如下情况下的该设备机器的异常诊断系统：根据来自设备机器的多个数据，使用包括利用正常数据的学习处理和利用在学习处理中制作出的模型的诊断处理的解析方法来进行异常诊断，并且关于来自所述设备机器的多个数据，设备机器的正常动作时的数据并非已知，其中所述设备机器的异常诊断系统具备：第一处理部，针对来自设备机器的多个数据进行聚类处理；第二处理部，根据与各群组相符的数据数来定义正常群组；第三处理部，将与正常群组相符的数据作为正常数据抽出；以及第四处理部，使用抽出的正常数据来进行学习处理。”。根据本专利技术的设备机器的异常诊断系统，即使在设备机器正常动作的期间不明确而无法定义用于学习的正常数据的情况下，也能够实现异常诊断。附图说明图1是示出实施例1的设备机器的异常诊断系统的结构例的图。图2是示出基于聚类的异常诊断的概念的图。图3是示出传感器数据库DB1的结构例的图。图4是示出标准化数据库DB2的结构例的图。图5A是示出聚类结果数据库DB3A的结构例的图。图5B是示出聚类结果数据库DB3B的结构例的图。图6是示出群组信息数据库DB4的结构例的图。图7是示出异常度计算结果数据库DB5的结构例的图。图8是示出设备机器的异常诊断系统的显示画面例的图。图9是示出在实施例2的设备机器的异常诊断系统的输入输出装置3中显示的显示画面90c的图。图10是示出实施例3的设备机器的异常诊断系统的结构例的图。图11是示出正常数据数据库DB6的结构例的图。图12是示出模型解析结果数据库DB7的结构例的图。图13是示出在实施例3的设备机器的异常诊断系统的输入输出装置3中显示的显示画面90d的图。(符号说明)1：设备机器的异常诊断系统；2：成为诊断的对象的设备机器；3：输入输出装置；11：数据取入部；12：标准化处理部；13：聚类处理部；14：群组信息处理部；15：异常度计算部；16：正常数据抽出部；17：模型解析部；20：存储部；DB1：传感器数据库；DB2：标准化结果数据库；DB3：聚类结果数据库；DB4：群组信息数据库；DB5：异常度计算结果数据库；DB6：正常数据数据库；DB7：模型解析结果数据库；31：输入输出装置控制部。具体实施方式以下，参照附图，说明本专利技术的设备机器的异常诊断系统的结构。【实施例1】图1示出了本专利技术的实施例1的设备机器的异常诊断系统的结构例。在图1中，1是设备机器的异常诊断系统，2是成为异常诊断的对象的设备机器，3是将设备机器的异常诊断系统1输出的诊断信息显示给用户并登记用户所输入的数据的输入输出装置。设备机器的异常诊断系统1包括多个处理部(11至15)、具备多个数据库(DB1至DB5)的存储部20、以及输入输出装置控制部31。其中，存储部20针对每个数据种类而具备多个数据库DB，构成为能够针对存储部20进行基于构成异常诊断系统1的各处理部(11至15)的数据的写入、读入。多个处理部(11至15)中的数据取入部11对从设备机器2取入到存储部20内的传感器数据库DB1的传感器数据进行储存、存储。图3是示出传感器数据库DB1的结构的图。作为传感器数据，来自多个传感器(在此是传感器1、传感器2的数据等)的数据与日期时间信息一起按时间序列被写入并保存。接下来，在构成异常诊断系统1的标准化处理部12中，从传感器数据库DB1读入数据，进行标准化处理。标准化后的数据被储存到标准化结果数据库DB2。图4示出了标准化结果数据库DB2的结构，本文档来自技高网...

【技术保护点】
1.一种设备机器的异常诊断系统，其特征在于，是如下情况下的设备机器的异常诊断系统：根据来自设备机器的多个数据，使用包括利用正常数据的学习处理和利用在该学习处理中制作出的模型的诊断处理的解析方法来进行异常诊断，并且关于来自所述设备机器的多个数据，所述设备机器的正常动作时的所述数据并非已知，其中所述设备机器的异常诊断系统具备：第一处理部，对来自所述设备机器的多个数据进行聚类处理；第二处理部，根据与各群组相符的数据数来定义正常群组；第三处理部，将与正常群组相符的数据作为正常数据抽出；以及第四处理部，使用抽出的正常数据来进行学习处理，评价来自所述设备机器的多个数据。

【技术特征摘要】
2017.03.13 JP 2017-0471701.一种设备机器的异常诊断系统，其特征在于，是如下情况下的设备机器的异常诊断系统：根据来自设备机器的多个数据，使用包括利用正常数据的学习处理和利用在该学习处理中制作出的模型的诊断处理的解析方法来进行异常诊断，并且关于来自所述设备机器的多个数据，所述设备机器的正常动作时的所述数据并非已知，其中所述设备机器的异常诊断系统具备：第一处理部，对来自所述设备机器的多个数据进行聚类处理；第二处理部，根据与各群组相符的数据数来定义正常群组；第三处理部，将与正常群组相符的数据作为正常数据抽出；以及第四处理部，使用抽出的正常数据来进行学习处理，评价来自所述设备机器的多个数据。2.根据权利要求1所述的设备机器的异常诊断系统，其特征在于，所述第二处理部对与各群组相符的数据数设定阈值，将超过阈值的群组定义为正常群组。3.根据权利要求1或者2所述的设备机器的异常诊断系统，其特征在于，所述设备机器的异常诊断系统具备显示部，将与各群组相符的数据数显示于所述显示部的画面。4.根据权利要求3所述的设备机器的异常诊断系统，其特征在于，所述设备机器的异常诊断系统具有第一阈值设定功能，在所述显示部的画面中显示与各群组相符的数据数和从所述第一阈值设定功能设定的针对所述数据数的阈值，用户使用所述第一阈值设定功能来设定...

【专利技术属性】
技术研发人员：林喜治，前田达矢，人见俊太郎，宮本康一郎，
申请(专利权)人：株式会社日立制作所，
类型：发明
国别省市：日本,JP