对异常进行警告的方法以及异常警告系统技术方案

本发明专利技术提供一种提高警告的精度以使对象物的异常的警告更适当地被发送的对异常进行警告的方法以及异常警告系统。使用由表示对象物的正常的状态的多个节点所规定的自组织映射而对所述对象物的异常进行警告的方法包括：取得表示所述对象物的状态的检测数据的工序；使用所述检测数据的特征量与所述节点之间的距离小于预定的异常阈值的所述检测数据，而进行所述自组织映射的学习的工序；使所述距离大于所述异常阈值的所述检测数据作为记录数据而被存储于存储部中的工序；在被存储于所述存储部中的所述记录数据的数达到了预定的个数时，对所述对象物的异常进行告知的工序。

Method of warning exceptions and exception warning system

【技术实现步骤摘要】
对异常进行警告的方法以及异常警告系统
本专利技术涉及一种对异常进行警告方法以及异常警告系统。
技术介绍
提出了一种使用自组织映射(Self-organaigingmaps,SOM)来对对象物的装置或机器的异常进行检测的各种各样的技术(例如，下述的专利文献1)。如果使用自组织映射的技术，则能够容易地进行正常状态模型的构建，所述正常状态模型为，将表示为了掌握对象物的状态而检测的信号的多维检测数据映射至低维度而进行反映的模型。由此，能够简单且适当地进行这样的多维检测数据的分析或评价，并且能够对机器的状态是正常还是异常进行辨别。在上述专利文献1的技术中，当相当于检测数据的输入数据与神经元的偏离度较大时，经常被判断为存在异常，由此使该输入数据被删除。因此，在处于正常状态的对象物中，即使在由于某些原因而偶然取得了偏离度较大的输入数据时，也有可能被判断为对象物存在异常。另外，有可能以原本不应该是异常的输入数据总是持续被判断为异常的方式，而形成自组织映射。这样，在使用自组织映射而对对象物的异常进行警告的技术中，关于提高警告的精度以使异常的警告无错且更适当地被发送的方面，依然存在改良的余地。专利文献1：日本特开2008-40684号公报
技术实现思路
本专利技术是为了解决上述的课题的至少一部分而完成的专利技术，且能够作为以下的方式来实现。[1]根据本专利技术的一个方式，提供一种使用由表示对象物的正常的状态的多个节点所规定的自组织映射，而对所述对象物的异常进行警告的方法。该方式的对对象物的异常进行警告的方法包括：取得表示所述对象物的状态的检测数据，并从所述检测数据中取得特征量的工序；使用所述特征量与距所述特征量最近的所述节点之间的距离小于预先规定的异常阈值的所述检测数据的至少一部分，而进行所述自组织映射的学习的工序；使所述距离大于所述异常阈值的所述检测数据作为记录数据而被存储于存储部中的工序；在被存储于所述存储部中的所述记录数据的数达到了预定的个数时，对所述对象物的异常进行告知的工序。根据该方式的方法，对于具有与节点的距离较大的特征量的检测数据而暂时进行积累，并且在重复取得这样的检测数据的情况下，警告在对象物中发生异常的可能性。因此，抑制了由于只是偶然发生的事件而警告对象物的异常的情况。[2]上述方式的方法也可以还包括如下工序，即，使用从被确认为处于正常的状态的所述对象物获得的所述检测数据，而预先生成所述自组织映射的工序。根据该方式的方法，由于自组织映射以适当地表示对象物的正常的状态为基准而被预先生成，因此能够更迅速地提高异常的警告的精度。[3]在上述方式的方法中也可以采用如下方式，即，所述异常阈值为，与预先规定的第二异常阈值相比而较大的第一异常阈值，对于所述距离小于所述第一异常阈值且大于所述第二异常阈值的所述检测数据，不将用于所述自组织映射的学习而将其废弃。根据该方式的方法，由于在表示对象物中的异常的预兆的检测数据与被用于自组织映射的学习的正常的检测数据之间的中间检测数据被废弃，因此能够更明确地辨别异常与正常的区别。[4]上述方式的方法也可以还包括如下工序，即，对于已告知的所述异常，从操作者接受是否处于容许范围内的评价的输入，并且在所述评价为所述异常处于容许范围外的评价的情况下，将所述记录数据从所述存储部中删除的工序。根据该方式的方法，使记录数据未受到操作者的评价便被废弃的情况得到抑制。[5]上述方式的方法也可以还包括根据所述评价而对所述异常阈值的值进行变更的工序。根据该方式的方法，由于能够使操作者的评价反映到检测数据的选择上，因此能够更适当地进行异常的警告。[6]在上述方式的方法中也可以采用如下方式，即，所述记录数据按照根据所述距离所设定的多个等级的每个等级而被存储于所述存储部中，当在至少一个所述等级所述记录数据的数为按照每个所述等级而预先设定的告知阈值以上时，执行所述告知。根据该方式的方法，能够根据每个等级的记录数据的数所表示的异常的发生频度而发出更适当的警告。[7]上述方式的方法也可以还包括如下工序，即，将已告知所述异常的所述等级的所述记录数据废弃，并且使已告知所述异常的所述等级的所述告知阈值与告知所述异常之前相比而进一步降低的工序。根据该方式的方法，对于暂时被发送了警告的等级，而使异常的发生的警告较早地被执行。[8]上述方式的方法也可以还包括如下工序，即，对于已告知的所述异常，从操作者接受是否处于容许范围内的评价的输入，并且在所述评价为所述异常是容许范围内的异常的评价的情况下，使用引发了告知所述异常的所述记录数据，来进行所述自组织映射的学习的工序。根据该方式的方法，通过操作者判断出处于容许范围的异常的检测数据，从而使异常的警告被重复发送的情况得到抑制。[9]在上述方式的方法中，也可以采用如下方式，即，所述记录数据与距所述特征量最近的所述节点相关联并地存储于所述存储部中，当对于至少一个所述节点的所述记录数据的数成为按照每个所述节点而预先设定的告知阈值以上时，执行所述告知。根据该方式的方法，提高了每个节点的异常的检测精度。[10]在上述方式的方法中，也可以采用如下方式，即，通过一个传感器而取得表示多个所述对象物的状态的所述检测数据。根据该方式的方法，能够有效地进行对于多个对象物的异常的检测。[11]在上述方式的方法中，也可以采用如下方式，即，所述自组织映射针对多个所述对象物中的每一个而被生成。根据该方式的方法，能够提高多个对象物的各自的异常的检测精度。[12]在上述方式的方法中，也可以采用如下方式，即，所述自组织映射使用非易失性地存储于所述存储部中的所述节点的信息而被构建。根据该方式的方法，能够长期地持续进行自组织映射的学习。[13]在上述方式的方法中，也可以还包括如下工序，即，在表示对所述对象物实施了维护的历史的信息被输入之后，从所述存储部读出所述节点的信息，而对所述维护被实施之前的状态的所述自组织映射进行构建的工序。根据该方式的方法，即使在维护之后，也能够继续使用积累有至此为止的学习内容的自组织映射。因此，使由从初始开始重新学习自组织化映射而导致的临时性的异常的检测精度的下降得到抑制。[14]上述方式的方法也可以还包括如下工序，即，在表示对所述对象物实施了维护的历史的信息被输入之后，将所述存储部中的所述节点的信息初始化，而对所述自组织映射进行初始化的步骤。根据该方式的方法，抑制了如下情况，即，在进行使对象物返回至刚刚开始使用时的初始的状态那样的维护之后，使用反映了维护之前的状态的不适当的自组织映射，从而使异常的检测精度降低的情况。[15]上述方式的方法也可以还包括如下工序，即，在将所述自组织映射初始化之后，使用表示实施了所述维护之后的所述对象物的状态的所述检测数据而进行所述自组织映射的学习的工序。根据该方式的方法，能够获得与适合于维护之后的对象物的状态相比更适当的状态的自组织映射。[16]本专利技术的其他的实施方式提供一种对对象物的异常进行警告的异常警告系统。该方式的异常警告系统具备：传感器，其输出表示当前的所述对象物的状态的检测数据；存储部，其对与表示规定自组织映射的所述对象物的正常的状态的多个节点相关的信息和记录数据进行存储；告知部，其对所述对象物的异常进行告知；控制部，其利用使用与所述节点相关的信息所构建的所述自组本文档来自技高网...

【技术保护点】
1.一种对异常进行警告的方法，其使用由表示对象物的正常的状态的多个节点所规定的自组织映射而对所述对象物的异常进行警告，所述方法包括：取得表示所述对象物的状态的检测数据，并从所述检测数据中取得特征量的工序；使用所述特征量与距所述特征量最近的所述节点之间的距离小于预先规定的异常阈值的所述检测数据的至少一部分，而进行所述自组织映射的学习的工序；使所述距离大于所述异常阈值的所述检测数据作为记录数据而被存储于存储部中的工序；在被存储于所述存储部中的所述记录数据的数达到了预先规定的个数时，对所述对象物的异常进行告知的工序。

【技术特征摘要】
2018.01.10 JP 2018-0018111.一种对异常进行警告的方法，其使用由表示对象物的正常的状态的多个节点所规定的自组织映射而对所述对象物的异常进行警告，所述方法包括：取得表示所述对象物的状态的检测数据，并从所述检测数据中取得特征量的工序；使用所述特征量与距所述特征量最近的所述节点之间的距离小于预先规定的异常阈值的所述检测数据的至少一部分，而进行所述自组织映射的学习的工序；使所述距离大于所述异常阈值的所述检测数据作为记录数据而被存储于存储部中的工序；在被存储于所述存储部中的所述记录数据的数达到了预先规定的个数时，对所述对象物的异常进行告知的工序。2.如权利要求1所述的方法，其中，还包括如下工序，即，使用从被确认为处于正常的状态的所述对象物获得的所述检测数据，而预先生成所述自组织映射的工序。3.如权利要求1或权利要求2所述的方法，其中，所述异常阈值为，与预先规定的第二异常阈值相比而较大的第一异常阈值，对于所述距离小于所述第一异常阈值且大于所述第二异常阈值的所述检测数据，不将其用于所述自组织映射的学习而将其废弃。4.如权利要求1至权利要求3的任意一项所述的方法，其中，还包括如下工序，即，对于已告知的所述异常，从操作者接受是否处于容许范围内的评价的输入，并且在所述评价为所述异常处于容许范围外的评价的情况下，将所述记录数据从所述存储部中删除的工序。5.如权利要求4所述的方法，其中，还包括根据所述评价而对所述异常阈值的值进行变更的工序。6.如权利要求1至权利要求5的任意一项所述的方法，其中，所述记录数据按照根据所述距离所设定的多个等级的每个等级而被存储于所述存储部中，当在至少一个所述等级中所述记录数据的数为按照每个所述等级而预先设定的告知阈值以上时，执行所述告知。7.如权利要求6所述的方法，其中，还包括如下工序，即，将已告知所述异常的所述等级的所述记录数据废弃，并且使已告知所述异常的所述等级的所述告知阈值与告知所述异常之前相比而进一步降低的工序。8.如权利要求6或者权利要求7的方法，其中，还包括如下工序，即，对于已告知的所述异常，从操作者接受是否处于容许范围内的评价的输入，并且在所述评价为所述异常是容许范围内的异常的评价的情况下，使用引发了告知所述异常的所述...

【专利技术属性】
技术研发人员：大塚修司，有贺和巳，
申请(专利权)人：精工爱普生株式会社，
类型：发明
国别省市：日本,JP