特許ウォッチ

公開番号2025114904
公報種別公開特許公報(A)
公開日2025-08-06
出願番号2024009133
出願日2024-01-25
発明の名称学習装置及び異常判定システム
出願人三菱電機株式会社
代理人弁理士法人きさ特許商標事務所
主分類G05B 23/02 20060101AFI20250730BHJP(制御;調整)
要約【課題】異常判定モデルを学習する学習装置及び異常判定を行う異常判定システムの負荷を低減することを目的とする。
【解決手段】学習装置は、対象機器の時系列の複数の運転データを含む学習用データを取得する学習用データ取得部と、運転データの変化点を用いて運転データの前処理を行うデータ前処理部と、前処理された運転データを用いて、対象機器の時系列の複数の運転データを入力データとし、対象機器の異常判定結果を出力データとする異常判定モデルを生成するモデル生成部と、を備える。
【選択図】図3
特許請求の範囲【請求項１】
対象機器の時系列の複数の運転データを含む学習用データを取得する学習用データ取得部と、
前記運転データの変化点を用いて前記運転データの前処理を行うデータ前処理部と、
前記前処理された前記運転データを用いて、前記対象機器の時系列の複数の前記運転データを入力データとし、前記対象機器の異常判定結果を出力データとする異常判定モデルを生成するモデル生成部と、を備える学習装置。
続きを表示（約 720 文字）【請求項２】
前記データ前処理部は、前記運転データの前記変化点を検出し、前記運転データを前記変化点に応じて異なるスコア値データに変換する請求項１に記載の学習装置。
【請求項３】
前記データ前処理部は、
複数の前記運転データにおける最初の前記変化点の時刻に基づき、複数の前記運転データの順序データを生成し、
前記スコア値データと、前記順序データと、を前記異常判定モデルの前記入力データとする請求項２に記載の学習装置。
【請求項４】
前記データ前処理部は、
複数の前記運転データのうち、同じ傾向を示す２以上の前記運転データを統合するグルーピング処理を行い、
前記グルーピング処理後の前記運転データに対して、前記変化点を検出する請求項２又は３に記載の学習装置。
【請求項５】
対象機器の時系列の複数の運転データを取得する運転データ取得部と、
前記運転データの変化点を用いて前記運転データの前処理を行うデータ前処理部と、
前記前処理された前記運転データを入力データとし、前記対象機器の異常判定結果を出力データとする学習済みの異常判定モデルを用いて、前記対象機器の異常を判定する異常判定部と、を備える異常判定システム。
【請求項６】
前記異常判定部の判定結果が誤判定である場合又は定期的に、前記異常判定モデルを再学習する再学習部をさらに備える請求項５に記載の異常判定システム。
【請求項７】
前記再学習部は、前記異常判定モデルにおける特徴量を表す層以降の中間層について再学習を行う請求項６に記載の異常判定システム。

発明の詳細な説明【技術分野】
【０００１】
本開示は、異常判定モデルを学習する学習装置及び該異常判定モデルを用いて異常判定を行う異常判定システムに関するものである。
続きを表示（約 2,000 文字）【背景技術】
【０００２】
従来、冷凍サイクル装置において、各種センサによる測定データ及び制御信号データに基づき冷凍サイクル装置の運転状態を監視し、異常の予兆がある場合に運転を停止すること、又は故障を回避するための制御を行うことが知られている。通常、冷凍サイクル装置における異常状態は、各種センサによる測定データ及び制御信号データと、異常状態ごとに設定した閾値と、を比較して判定される。この場合は、冷凍サイクル装置の出荷前に、各異常状態とそれを判定するための膨大な閾値を設定する必要がある。
【０００３】
また、運転状態と、異常状態を示す閾値との比較を行う以外にも、ニューラルネットワークを用いて測定データ及び制御信号データに対して非線形関数による演算を行い、異常の判定を行うことも知られている。例えば、特許文献１には、ニューラルネットワークを用いて冷凍サイクル装置の圧縮機の故障診断を行うことが提案されている。コンピュータを所定の入力に対する出力を演算する演算部として機能させるニューラルネットワークは、多くの実例を学習させることによって情報処理を行うことが可能である。また、複雑な情報処理を高速で行うことができるので、画像認識、音声認識、音声合成、及び自動翻訳等の分野において種々の利用が試みられている。
【先行技術文献】
【特許文献】
【０００４】
特許第７０４９３６３号公報
【発明の概要】
【発明が解決しようとする課題】
【０００５】
通常、センサによる測定データと制御信号データで構成する高次元のデータは、長大なデータとなるため、これらのデータを長期間保持するためには大容量の記憶装置が必要となる。また、長大なデータをニューラルネットワークに入力して異常判定のための演算を行うためには、高性能の演算装置が必要となる。すなわち、異常判定を行うモデルを学習する装置、及び当該モデルを用いた異常判定を行う装置を大容量且つ高性能とする必要があり、コストアップを招いていた。
【０００６】
本開示は、上記のような課題を解決するものであり、異常判定モデルを学習する学習装置及び異常判定を行う異常判定システムの負荷を低減することを目的とする。
【課題を解決するための手段】
【０００７】
本開示に係る学習装置は、対象機器の時系列の複数の運転データを含む学習用データを取得する学習用データ取得部と、運転データの変化点を用いて運転データの前処理を行うデータ前処理部と、前処理された運転データを用いて、対象機器の時系列の複数の運転データを入力データとし、対象機器の異常判定結果を出力データとする異常判定モデルを生成するモデル生成部と、を備える。
【０００８】
本開示に係る異常判定システムは、対象機器の時系列の複数の運転データを取得する運転データ取得部と、運転データの変化点を用いて運転データの前処理を行うデータ前処理部と、前処理された運転データを入力データとし、対象機器の異常判定結果を出力データとする学習済みの異常判定モデルを用いて、対象機器の異常を判定する異常判定部と、を備える。
【発明の効果】
【０００９】
本開示によれば、運転データの変化点を用いて運転データの前処理を行うことで、学習用及び異常判定用のデータを圧縮することができ、学習装置及び異常判定システムの負荷を低減させることができる。
【図面の簡単な説明】
【００１０】
実施の形態１に係る学習装置の制御ブロック図である。
実施の形態１に係る学習装置による学習処理の流れを示すフローチャートである。
実施の形態１の第１学習処理におけるデータの流れを説明する図である。
冷凍サイクル装置の運転データの一例を示す図である。
図４に示す運転データの異常度αを示す図である。
実施の形態１に係る学習装置のデータ前処理部により処理された前処理後データの一例である。
実施の形態１の第２学習処理におけるデータの流れを説明する図である。
実施の形態１に係る異常判定システムの概略構成図である。
実施の形態１に係る冷凍サイクル装置の冷媒回路図である。
実施の形態１に係る異常判定装置による異常判定処理の流れを示すフローチャートである。
実施の形態１の異常判定処理におけるデータの流れを説明する図である。
実施の形態２に係る異常判定システムの概略構成図である。
実施の形態２に係る異常判定装置による異常判定処理の流れを示すフローチャートである。
【発明を実施するための形態】
（【００１１】以降は省略されています）

関連特許