[发明专利]故障预兆诊断装置及其方法

说明书

考虑传感器数据间的隐藏关系，自动地生成对故障预兆诊断有效的传感器组合。具有：时间移位数据生成部(106)，其对从设备取得的传感器数据实施加工处理，生成加工传感器数据；传感器组以及预处理条件生成部(112)，其根据所述传感器数据与所述加工传感器数据之间的相关系数生成传感器组合，针对每个所述传感器组合生成用于提高传感器间的相关系数的加工处理条件来作为预处理条件，基于所述传感器组合中包含的所述传感器数据与所述加工传感器数据的关系的变化，进行设备的故障预兆诊断。

技术领域

本发明涉及一种与预防维护相关的技术，该预防维护用于事先防止工业设备等设备的故障、异常、不良状况等。预防维护包括预兆诊断、故障等的检测。

背景技术

发挥预定功能的设备被要求发挥其功能来进行运转。例如，与制造、发电、物流、资源挖掘等生产相关的工业设备一般为了保持生产率被要求按照计划进行运转，若在设备中发生预料不到的突发故障，则会导致生产效率降低，并且产生大的损失。为了事先避免这样的状况，广泛已知以下那样的预防维护的考虑方法，即迅速地检测设备的故障预兆，在成为故障之前实施部件更换或维护。

作为用于支撑该预防维护的一种技术，具有故障预兆诊断技术。该技术基于由安装在设备的各种传感器测量出的温度、压力等测量数据(以下，称为传感器数据)来监视设备的运转状态，通过检测脱离正常状态的情况来捕捉故障发生前的异常。近年来，还设计出以下一种高性能的方法，即通过应用机器学习来统计性地处理多维数据，检测以人的感觉无法捕捉到的微小的倾向变化。机器学习的应用实现了诊断的高性能化，另一方面，需要选择与故障模式对应的适当的传感器项目。例如，即使在设备上安装有数千个传感器的情况下，如果无法根据想要检测的故障模式来适当地选择相关的传感器项目的组合(以下称为传感器组合)，则有可能受到无关的传感器数据的行为的影响而导致诊断性能降低。为了生成该传感器组合，需要精通该领域的领域知识，但数据分析者(数据科学家)大多不具备这样的知识，存在由于分析者的能力和知识的不同而在诊断性能中产生偏差的课题。为了打破这样的状况，需要一种与分析者的能力无关而自动地生成适当的传感器组合的技术。

因此，设计出如下方法：基于输入传感器数据计算传感器之间的相关关系，构建将具有相关性的传感器彼此链接的相关模型，由此通过该相关的破坏来检测故障发生(专利文献1)。

根据该技术，能够捕捉基于传感器彼此的联系而构建的相关模型本身来作为传感器组合，因此能够不依赖分析者的能力而实现传感器组合的自动生成。

现有技术文献

专利文献

专利文献1：日本特开2009-199533号公报

发明内容

发明要解决的课题

然而，在专利文献1的发明中仅关注所输入的传感器数据本身的相关性，因此存在以下课题，即无法找到考虑了除此以外的传感器间的隐藏关系的联系。例如，在将由时钟不同的多个系统收集到的传感器数据汇总处理时，有可能在传感器数据间产生时刻偏差，原本存在相关关系的传感器彼此也有可能被判断为没有相关性从而没有生成为组合。另外，即使原始的传感器彼此不相关而处于微分/积分关系的情况下，也存在通过计算其中一方传感器的时间变化量而产生相关的情况。因此，本发明的课题在于，考虑传感器数据间的隐藏关系来进行故障预兆诊断。关于“隐藏的关系”，只要具有某种关系即可，还包含没有通过某些手段积极地进行隐藏等的关系。例如，存在即使预先明示了该关系(关系的候补)，也进行是否能够使用该关系的确认作业的关系。并且，在隐藏的关系中还包含通过修正上述时刻偏差而产生的关系、通过修正测量延迟而产生的关系。

用于解决课题的手段

本发明是为了解决上述那样的课题而作出的，即，为了能够考虑隐藏的关系，生成预处理条件，该预处理条件用于提高传感器数据与对该传感器数据进行加工后的加工传感器数据的相关系数的相关性，基于生成的预处理条件来更新诊断模型。更优选生成使相关最大的预处理条件。