[发明专利]异常检测系统、支持装置以及模型生成方法

说明书

本发明提供一种异常检测系统、支持装置以及模型生成方法，能够在实际运用前生成更高精度的异常检测模型技术。异常检测系统的模型生成部包括：从状态值保存部提供的状态值生成多个特征量的模块；选择生成的多个特征量中的一个或多个特征量的组合的模块；生成追加学习数据集的模块，追加学习数据集包含所选择的组合特征量的数据序列的至少一部分、及通过统计生成的虚拟特征量的数据序列；以及使用追加学习数据集，来评价与所选择的组合特征量对应的模型的检测精度的模块。

技术领域

本技术涉及一种用于检测监控对象可能产生的异常的异常检测系统、连接于异常检测系统的支持(support)装置、以及异常检测系统中的模型(model)生成方法。

背景技术

在各种生产现场，有欲通过针对机械或装置的预见性维护来提高设备运转率的需求(needs)。所谓预见性维护，是指如下所述的维护形态，即，检测机械或装置中产生的某些异常，在成为不得不停止设备的状态之前，进行整修或更换等保养作业。

为了实现此种预见性维护，提出下述结构：收集机械或装置的状态值，并且基于所收集的状态值来判断所述机械或装置是否产生了某些异常。

例如，日本专利特开2010-191556号公报(专利文献1)揭示了一种异常检测方法及异常检测系统，通过对用于检测观测数据的异常的正常事例的学习数据进行取舍选择而提高精度的学习数据生成方法，能够减轻用户负担，且能在更早期高灵敏度地检测异常。

[现有技术文献]

[专利文献]

专利文献1：日本专利特开2010-191556号公报

发明内容

[发明所要解决的问题]

若考虑预防维护在实际生产现场中的应用，则必须在实际运用开始前构建模型，以便能够检测尚未发生异常的机械或装置的异常。因此，也有时无法适当地准备在日本专利特开2010-191556号公报(专利文献1)所揭示的方法中输入的观测数据的异常/正常信息。

因此，有欲在实际运用前预先准备尽可能高精度的异常检测模型的需求。

本技术提供一种能够在实际运用前生成更高精度的异常检测模型的技术。

[解决问题的技术手段]

依据本揭示的一例的异常检测系统包括：控制运算部，执行用于对控制对象进行控制的控制运算；第1异常检测部，将由控制运算部所收集的状态值中的与监控对象相关的状态值，给予至由异常检测用参数及学习数据集所规定的表示所述监控对象的模型，由此来检测所述监控对象中可能产生的异常；状态值保存部，保存由控制运算部所收集的状态值中的至少与监控对象相关的状态值；第2异常检测部，使用从状态值保存部提供的状态值，来执行与第1异常检测部实质上相同的检测处理；以及模型生成部，基于第2异常检测部的检测结果，决定异常检测用参数及学习数据集。模型生成部包括：根据从状态值保存部提供的状态值来生成多个特征量的模块；选择所生成的多个特征量中的一个或多个特征量的组合的模块；生成追加学习数据集的模块，所述追加学习数据集包含选择的组合特征量的数据序列的至少一部分、及通过统计生成的虚拟特征量的数据序列；以及使用追加学习数据集，来评价与所选择的组合特征量对应的模型的检测精度的模块。

根据本揭示，能够使用追加有通过统计生成的虚拟特征量的数据序列的追加学习数据集，来评价与所选择的组合特征量对应的模型的检测精度，因此即使在实际收集的状态值少的情况下，也能够更适当地实施检测精度的评价。

在所述揭示中，也可使用所选择的组合特征量的数据序列的一部分来作为学习数据集，并且使用所述数据序列的剩余部分来作为评价数据集，评价检测精度的模块算出对包含追加学习数据集的模型应用评价数据集时的误检测的概率。