特許

J-GLOBAL ID：201803012201561586

故障予知方法、故障予知装置および故障予知プログラム

発明者： 千田 修司
出願人/特許権者： 安川情報システム株式会社
代理人 (1件)： 特許業務法人酒井国際特許事務所
公報種別：公開公報
出願番号（国際出願番号）：特願2017-002359
公開番号（公開出願番号）：特開2018-112852
出願日： 2017年01月11日
公開日（公表日）： 2018年07月19日
要約：

【課題】機械設備の故障予兆を簡便に且つ精度よく捉えること。【解決手段】故障予知方法は、収集工程と、抽出工程と、第1学習工程と、第2学習工程と、評価工程と、判定工程とを含む。収集工程は、機械設備に設けられた複数のセンサのセンサデータを収集する。抽出工程は、センサデータのうち、機械設備が正常状態にあった所定の正常期間分を抽出する。第1学習工程は、基準日時のセンサデータに対する予測値を出力する回帰モデルを生成する。第2学習工程は、センサ間の相関モデルを生成する。評価工程は、評価日時における予測誤差を少なくとも一部のセンサについて取得し、予測誤差を相関モデルへ入力することによって得られる相関モデルの出力値に基づいて機械設備の正常状態からの乖離度を算出する。判定工程は、乖離度に基づいて機械設備の故障予兆を判定する。【選択図】図2A

請求項（抜粋）：

機械設備に設けられた複数のセンサのセンサデータを収集する収集工程と、 前記センサデータのうち、前記機械設備が正常状態にあった所定の正常期間分を抽出する抽出工程と、 前記正常期間分に対し学習対象となる基準日時を設定し、該基準日時から過去の所定の直近期間分の時間変動が特徴ベクトルに含まれるように、前記基準日時を前記正常期間分に対して変化させながら機械学習を実行することで、前記基準日時の前記センサデータに対する予測値を出力する回帰モデルを生成する第1学習工程と、 前記センサごとで前記予測値に基づいて算出された前記基準日時ごとの予測誤差が特徴ベクトルに含まれるように機械学習を実行することで、前記センサ間の相関モデルを生成する第2学習工程と、 前記正常期間分における正常期間よりも後の任意の評価日時から過去の前記直近期間分の前記センサデータを前記回帰モデルへ入力することによって前記評価日時における前記予測誤差を少なくとも一部の前記センサについて取得し、該予測誤差を前記相関モデルへ入力することによって得られる該相関モデルの出力値に基づいて前記機械設備の正常状態からの乖離度を算出する評価工程と、 前記乖離度に基づいて前記機械設備の故障予兆を判定する判定工程と を含むことを特徴とする故障予知方法。

IPC (1件)：

G05B 23/02

FI (1件)：

G05B23/02 R

Fターム (11件)：

3C223AA02 ,  3C223BA03 ,  3C223CC02 ,  3C223DD03 ,  3C223FF05 ,  3C223FF22 ,  3C223FF26 ,  3C223FF35 ,  3C223FF52 ,  3C223GG01 ,  3C223HH02