[发明专利]异常诊断设备和异常诊断方法

说明书

本发明公开了异常诊断设备和异常诊断方法。异常诊断设备包括：时间序列数据获取单元，用于获取测试数据和变量数据，测试数据在预定时间段内从测试对象获取并且是指示测试对象中是否存在异常的预定属性值的时间序列数据，以及变量数据与预定时间段内的测试数据对应并且是与影响属性值的变量有关的时间序列数据；叠加图像生成单元，用于叠加测试数据的波形和变量数据的波形以生成叠加图像数据；以及确定单元，用于基于由叠加图像生成单元生成的叠加图像数据来确定测试对象中是否存在异常。

技术领域

本公开内容涉及异常诊断设备和异常诊断方法。

背景技术

已知基于从设备输出的数据来诊断设备的异常的技术。例如，日本未审查专利申请公布第2010-049533号公开了一种用于通过显示从设施(plant)中的传感器获得的设施数据的波形图像来辅助确定测试对象中是否存在异常的技术。日本未审查专利申请公布第2007-101243号公开了基于从测试对象输出的波形数据的特征来确定测试对象中是否存在异常。

发明内容

这些文献中公开的技术仅基于指示测试对象中是否存在异常的预定属性值的波形来确定测试对象中是否存在异常。然而，由于该属性值受另一条件影响，因此仅根据该属性值的波形难以准确确定测试对象中是否存在异常。为此，优选地考虑其他条件来进行确定。可能存在多个这样的条件。如果存在多个这样的条件，当需要考虑所有条件来确定测试对象中是否存在异常时，确定方法可能变得复杂。

鉴于上述情况做出了本公开内容。本公开内容的目的是提供能够容易且准确地诊断测试对象的异常的异常诊断设备和异常诊断方法。

用于实现上述目的的本公开内容的示例方面是用于诊断测试对象的异常的异常诊断设备。异常诊断设备包括：时间序列数据获取装置，用于获取测试数据和变量数据，测试数据在预定时间段内从测试对象获取并且是指示测试对象中是否存在异常的预定属性值的时间序列数据，以及变量数据与预定时间段内的测试数据对应并且是与影响属性值的变量有关的时间序列数据；叠加图像生成装置，用于叠加测试数据的波形和变量数据的波形以生成叠加图像数据；以及确定装置，用于基于预先给出了异常或正常确定值的叠加图像数据与由叠加图像生成装置生成的叠加图像数据之间的相似度水平来确定测试对象中是否存在异常。

该异常诊断设备不仅使用指示测试对象中是否存在异常的预定属性值的波形数据(测试数据)而且还使用影响属性值的变量的波形数据(变量数据)来进行确定。这实现了比仅使用测试数据进行的确定更准确的确定。该确定还包括：基于通过叠加测试数据和变量数据而获得的图像中的相似度水平来确定测试对象中是否存在异常。因此，不需要关于测试数据和变量数据之间的关系的特定分析，从而使得确定变得容易。

在上述示例方面中，确定装置使用确定模型来进行确定，该确定模型使用预先给出了异常或正常确定值的叠加图像数据来学习。异常诊断设备还可以包括：确定模型更新装置，用于基于通过与由确定装置执行的确定方法不同的另一异常确定方法对已经经历确定装置确定的测试对象的确定结果来更新确定模型。

这使得更准确的确定结果能够被反映到确定模型，并由此提高异常诊断设备的确定准确度。

在上述示例方面中，确定模型更新装置可以基于通过对相似度水平小于预定参考值的测试对象执行的其他异常确定方法获得的确定结果来更新确定模型。

这提高了具有特别低的确定准确度的数据的确定准确度。

在该示例方面中，测试数据和变量数据可以是在预定时间段内在测试对象的操作期间的时间序列数据。

在这种情况下，可以根据在测试对象的操作期间出现的各个值来确定测试对象中是否存在异常。

在上述示例方面中，变量数据可以是指示对测试对象执行的预定处理的控制状态的值的时间序列数据，以及测试数据可以是指示预定处理之后测试对象的状态的值的时间序列数据。