特許
J-GLOBAL ID：201903001293213126
故障予知方法、故障予知システムおよび故障予知プログラム
発明者：
,
,
出願人/特許権者：
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2018-020362
公開番号（公開出願番号）：特開2019-139375
出願日： 2018年02月07日
公開日（公表日）： 2019年08月22日
要約：
【課題】機械設備の故障予兆を精度よく捉えること。【解決手段】駆動部を有する機械設備に設けられた複数のセンサのセンサデータのうち、機械設備の正常稼働時における正常状態分、異常発生時における異常状態分、および、任意の評価時における評価分を抽出する。第1生成工程は、正常状態分に基づき、駆動部の駆動電流の時間変動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によって、正常稼働時におけるセンサ間の相関性をモデル化した正常モデルを生成する。第2生成工程は、異常状態分に基づき、機械学習を実行することによって、異常発生時における異常パターンをモデル化した異常分類モデルを生成する。評価工程は、評価分を正常モデルへ入力することによって得られる正常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評価する。判定工程は、上記乖離度に基づいて機械設備の故障予兆を判定し、機械設備の異常発生箇所を判定する。【選択図】図3
請求項（抜粋）：
駆動部を有する機械設備に設けられた複数のセンサのセンサデータのうち、前記機械設備の正常稼働時における正常状態分、異常発生時における異常状態分、および、任意の評価時における評価分を抽出する抽出工程と、
前記正常状態分に基づき、前記駆動部の駆動電流の時間変動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によって、前記正常稼働時における前記センサ間の相関性をモデル化した正常モデルを生成する第1生成工程と、
前記異常状態分に基づき、前記異常発生時における前記駆動電流の時間変動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によって、前記異常発生時における異常パターンをモデル化した異常分類モデルを生成する第2生成工程と、
前記評価分を前記正常モデルへ入力することによって得られる該正常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評価する評価工程と、
前記乖離度に基づいて前記機械設備の故障予兆を判定し、該故障予兆ありと判定される場合に、前記評価分を前記異常分類モデルへ入力することによって得られる該異常分類モデルの出力値に基づいて前記機械設備の異常発生箇所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 (2件)：
FI (2件)：
G05B23/02 302Y
, G06N99/00 156
3C223AA11
, 3C223BA03
, 3C223CC02
, 3C223DD03
, 3C223EB01
, 3C223EB02
, 3C223EB03
, 3C223FF03
, 3C223FF22
, 3C223FF26
, 3C223FF35
, 3C223FF42
, 3C223GG01
, 3C223HH02
, 3C223HH29
