时序数据诊断压缩方法技术

本发明专利技术提供一种时序数据诊断压缩方法以及数据收集保存装置，不需要机器的知识便能够设定用于时序数据压缩的允许误差，防止不仅异常发生时还有检测出异常预兆的期间内数据的丢失，通过对所设定的允许误差的妥当性进行确认，从而在不损害对象机器的异常的预兆检测所需要的信息的前提下减少所收集·保管的数据量，从而能够进行有效的数据收集。即，本发明专利技术，设置不依赖于机器且不需要机器知识的异常预兆诊断部，基于对从机器收集的时序数据实施的异常预兆诊断结果，对用于收集数据的压缩的允许误差进行设定·管理，从而在诊断结果为正常的情况下进行数据压缩，在检测出异常预兆的期间内，对数据压缩进行限制，从而减少数据的保存量。

【技术实现步骤摘要】
【国外来华专利技术】
本专利技术涉及从在成套设备中设置的各机器或エ厂内的制造装置、或者重机或大型机器等收集录入数据、过程数据、事件数据之类的各种时序感应信息的面向状态基础保全服务的以及时序数据收集保存装置。
技术介绍
为了保全服务，在成套设备中每处每秒在收集数万件规模的运转数据。若对在成套设备内测量的运转数据全部进行收集，并直接保管到服务器上的存储器中，则每天会有数千兆字节的数据储存到存储器上。因此会引起如下问题S卩，经过2 3个月兆兆字节级的存储器便会存满，尽管原本为了保全服务需要将几年内的数据都储存到存储器上，却仍然不得不将几个月前的数据·删除棹。·另ー方面，在重机甚至大型机器中，以例如50毫秒的高速周期对在机器中设置的数百件的传感器所测量的运转数据进行收集，所收集的数据量会达到一台机器一日千兆字节的等级。今后，为了提供ー种更高度的状态基础保全服务，每处或每台机器的观测件数或观测频率会増加至超过当前，除此之外，实施保全服务的服务器计算机所处理的现场数或机器的台数也会増大下去。在不久的将来，不难想象服务器计算机上的数据保管量将会达到姆天兆兆字节、几年内便会达到万兆字节(petabyte)的级别。因此，需要通过不是对所收集的运转数据直接进行保管，而是对所收集的数据进行压缩或者对其一部分进行删除，从而减轻数据保管的负担即数据保存量。为了实现上述目的，存在ー种非可逆的压缩方法(间隔提取法)，预先设置数据的允许误差，仅对其允许误差以上的数据进行保管·保存，将剩下的数据删除。例如，考虑采用非专利文献I所记载的死区(dead band)压缩或者变化率压缩、非专利文献2所记载的旋转门(swing door)压缩、专利文献2所记载的虚拟直线那样的压缩的压缩方法。进而，为了更有效地运用上述那样的压缩，专利文献I中记载了如下这样的压缩方法，通过不是将数据的压缩率(允许误差)固定为系统设计时的初始设定值，而是与成套设备或机器发生的异常(警报)或操作等事件对应地动态地进行设定，从而既在正常时进行高压缩，又在异常时使压缩率降低或者无压缩，从而既避免保全服务所需要的数据的损失，又减轻数据保存量。另ー方面，为了提供ー种高度的状态基础保全服务，存在一种机器的异常预兆诊断技术，例如专利文献3中记载了采用矢量量化聚类的异常预兆诊断。有关矢量量化技木，在非专利文献3有详细记载，另外关于聚类(群集分析)，在非专利文献4中详细记载。现有技术文献专利文献专利文献I日本特开2003-015734号公报专利文献2日本特开2006-167329号公报专利文献3日本特开2006-276924号公报非专利文献非专利文献1GE Proficy Historian Data Compression Introduction,EVSystems 社(http://www. evsystems. net/)非专利文献2Swinging Door Compression, OSI soft 公司(http: //Training,osisoft. com/)非专利文献3「D3-矢量量子化」、东京大学工学部计算工学科应用声学、嵯蛾山茂树等(http://ocw.u-tokyo.acjp/wp-content/uploads/lecture_notes/Engin_01/ D3-VectorQuantization. pdf)非专利文献4「多变量解析法入门」、自然科学社、永田靖_栋近雅彦共著、ppl74-185 (第12章群集分析)专利技术概要专利技术要解决的课题现有技术中，通过不是将所收集的机器的运转数据的允许误差固定在系统设计时的初始设定值，而是与成套设备或机器发生异常(警报)或操作等事件对应地动态地进行设定，从而即在正常时设为高压缩，又在异常时使压缩率降低或者无压縮，从而能够既避免保全服务所需要的数据的损失，又减轻数据保存量。但是，为了对各事件设定适当的允许误差，需要具备机器的知识，其设定不是那么容易。进而，在机器报告异常(警报)事件的时刻，意味着机器已经发生了某种异常，但为了实施高度的状态基础保全，以异常的发生为触发的应对为时已晚，在发生异常之前提前检测机器正在脱离正常状态这样的异常预兆从而进行应对是重要的。因此，需要防止在异常发生以前、异常预兆被检测出期间的数据因压缩而被间隔提取。另外，原本事件的设定本身还需要机器的知识，其设定并不容易。进而，在现有技术中，由于不进行所设定的允许误差是否妥当的确认，因此存在因采取数据压缩的间隔提取，导致异常预兆检测所需要的数据丢失的危险。最后，为了在不损害对象机器的异常的预兆检测所需要的信息的前提下减少进行收集 保管的数据量，从而实现有效的数据收集，将本专利技术要解决的课题总结如下(I)能够与各种各样的机器对应的、不需要机器知识的用于时序数据压缩的允许误差的设定。(2)防止不仅异常发生时，还有检测到异常预兆期间的数据的遗漏。(3)所设定的允许误差的妥当性的确认。
技术实现思路
因而，本专利技术的目的在于解决上述课题中的至少ー个。为了解决上述课题，本专利技术中，设置了ー种进行异常预兆诊断，采用该诊断结果设定允许误差的装置。具体而言，在异常预兆诊断中应用基于矢量量化的聚类技术，采用多变量解析机械地学习机器在正常时的输入数据，并通过求出与诊断时的输入数据之间的背离度，从而检测异常预兆，通过采用其结果对允许误差进行设定 管理，从而不必如现有技术那样需要机器知识，能够避免因机器的知识不足而导致的预兆检测遗漏，能够解决上述课题(I)。 进而，通过异常预兆诊断将检测出异常预兆的期间的数据压缩设为无效，或者将允许误差设为0，从而能够防止该期间内的数据的遗漏(解决课题(2))，进而还能够确认允许误差的妥当性(解决课题(3))。专利技术效果根据本专利技术，由于基于采用不依赖于机器的公用的异常预兆诊断技术得到的诊断结果，对从机器收集的时序数据的压缩进行管理，因此不需要机器知识，容易对各种各样的机器实施数据压缩 保存。进而，通过对检测出异常预兆的期间内的数据压缩进行限制，从而能够在不损害对象机器的状态基础保全服务所需要的数据 信息的前提下，有效地减少数据保存量。附图说明图I是数据收集保存装置的构成图。图2是原始数据保存缓冲器的构成图。图3是对异常预兆诊断部中的、采用矢量量化的在正常时的群集形成进行说明的图。图4是对异常预兆诊断部中的、采用群集(cluster)的异常检测方法进行说明的图。图5是对异常预兆诊断部中的、采用群集的异常度的计算方法以及各传感器的异常贡献度的计算方法进行说明的图。图6是压缩战略管理部中的允许误差的设定例I。图7是压缩战略管理部中的允许误差的设定例2。图8是压缩数据保存部的例I。图9是压缩数据保存部的例2。图10是压缩数据保存部的例3。图11是压缩数据保存部的例4。图12是异常预兆诊断实施历史保存部的构成图。图13是压缩战略历史保存部的构成图I。图14是压缩战略历史保存部的构成图2。图15是对实施例2的异常预兆诊断精度进行保证的数据收集保存装置的构成图。图16是实施例2的诊断压缩管理部的动作流程。图17是实施例2的异常预兆诊断实施历史保存部的构成图。图18是在实施例3的保存后进行压缩的数据收集保存装置的构成图。图19是实施例4的将数据收集保存装置应用到系统的应用形态本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】

【专利技术属性】
技术研发人员：铃木昭二，藤原淳辅，铃木英明，
申请(专利权)人：株式会社日立制作所，
类型：
国别省市：