特許ウォッチ

公開番号2025116958
公報種別公開特許公報(A)
公開日2025-08-12
出願番号2024011517
出願日2024-01-30
発明の名称検知装置、検知方法および検知用重心ベクトル提供装置
出願人セイコーエプソン株式会社
代理人弁理士法人明成国際特許事務所
主分類G05B 23/02 20060101AFI20250804BHJP(制御;調整)
要約【課題】検査対象の運転状態を、簡易な構成で、精度よくスコアとして把握する。
【解決手段】検査対象の動作を反映した時系列データから得られた複数の状態ベクトルをクラスター分割したN個(1≦N)のクラスターそれぞれの重心ベクトルを記憶しておく。重心ベクトルが記憶された後で、検査対象に関して新たに得られた時系列データである検知時時系列データから検知用状態ベクトルを抽出し、検知用状態ベクトルの重心ベクトルからの距離に従って、検査対象の運転状態のスコアを生成する。
【選択図】図1
特許請求の範囲【請求項１】
検査対象の運転状態を検知する検知装置であって、
前記検査対象の動作を反映した時系列データから得られた複数の状態ベクトルをクラスター分割したＮ個（１≦Ｎ）のクラスターそれぞれの重心ベクトルを記憶した重心ベクトル記憶部と、
前記重心ベクトルが記憶された後で、前記検査対象に関して新たに得られた前記時系列データである検知時時系列データから検知用状態ベクトルを抽出し、前記検知用状態ベクトルの前記重心ベクトルからの距離に従って、前記検査対象の前記運転状態のスコアを生成するスコア生成部と、
を備えた検知装置。
続きを表示（約 1,400 文字）【請求項２】
前記スコア生成部は、前記検知用状態ベクトルの前記Ｎ個の重心ベクトルからの距離のうち最も小さい距離を、前記検査対象の故障スコアとして特定する特定部を備える、請求項１に記載の検知装置。
【請求項３】
前記故障スコアが予め定めた大きさ以上の場合、前記検査対象の故障の可能性に対応した指標を出力する出力部を備える、請求項２に記載の検知装置。
【請求項４】
前記検知装置は、前記検査対象に近接して設けられ、前記検査対象の動作を反映した前記時系列データを直接入力する近接装置内に、前記重心ベクトル記憶部と前記スコア生成部とを備える、請求項１から請求項３のいずれか一項に記載の検知装置。
【請求項５】
前記検知装置は、
前記検査対象に近接して設けられ、前記検知時時系列データを直接入力する近接装置内に、前記スコア生成部を備え、
前記近接装置にネットワークを介して接続され、前記近接装置との間でデータのやり取りが可能なクラウドに、前記重心ベクトル記憶部を備える、
請求項１から請求項３のいずれか一項に記載の検知装置。
【請求項６】
前記検知装置は、
前記検査対象に近接して設けられ、前記検知時時系列データを直接入力する近接装置を備え、
前記近接装置にネットワークを介して接続され、前記近接装置との間でデータのやり取りが可能なクラウドに、前記重心ベクトル記憶部と前記スコア生成部とを備える、
請求項１から請求項３のいずれか一項に記載の検知装置。
【請求項７】
検査対象の運転状態を検知する検知方法であって、
前記検査対象の動作を反映した時系列データから得られた複数の状態ベクトルをクラスター分割したＮ個（１≦Ｎ）のクラスターそれぞれの重心ベクトルを記憶しておき、
前記重心ベクトルが記憶された後で、前記検査対象に関して新たに得られた前記時系列データである検知時時系列データから検知用状態ベクトルを抽出し、前記検知用状態ベクトルの前記重心ベクトルからの距離に従って、前記検査対象の前記運転状態のスコアを生成する、
検知方法。
【請求項８】
検査対象の動作を反映した時系列データを状態ベクトルとして蓄積する蓄積部と、
前記蓄積される複数の状態ベクトルをＮ個（１≦Ｎ）のクラスターにクラスター分割する分割部と、
前記分割されたクラスター毎に求めた重心ベクトルを記憶する重心ベクトル記憶部と、
外部からの求めに応じて、記憶された前記重心ベクトルを、前記検査対象の運転状態を検知するための比較用に提供する提供部と、
を備える検知用重心ベクトル提供装置。
【請求項９】
前記蓄積部は、前記時系列データを入力する多層のリカレントなニューロンネットワークを備え、前記ニューロンネットワークの出力を、前記状態ベクトルとして蓄積する、請求項８に記載の検知用重心ベクトル提供装置。
【請求項１０】
前記蓄積部は、ＥＳＮ（ＥｃｈｏＳｔａｔｅＮｅｔｗｏｒｋ）又はＬＳＭ（ＬｉｑｕｉｄＳｔａｔｅＭａｃｈｉｎｅ）のアルゴリズムで前記ニューロンネットワークを動作させる、請求項９に記載の検知用重心ベクトル提供装置。

発明の詳細な説明【技術分野】
【０００１】
本開示は、検査対象の運転状態を検知する検知技術と運転状態の検知に必要な重心ベクトルを外部に提供する検知用重心ベクトル提供装置等に関する。
続きを表示（約 2,300 文字）【背景技術】
【０００２】
様々な機械やシステムを検査対象として、その運転状態を検知しようとする技術が種々提案されている。例えば、下記特許文献１や２では、検査対象の正常状態の時系列データを予め学習しておき、その後の検査対象から取得した時系列データを予測するモデルを生成し、モデルが予測した時系列データと実際に取得した時系列データの差異から故障スコアを生成し、故障スコアの判定により、検査対象の異常を検知している。こうしたモデルとしては、機械学習モデルあるいはディープラーニングモデルなどが知られている。
【先行技術文献】
【特許文献】
【０００３】
特開２０２１－９４４１号公報
特開２０２３－２０７７０号公報
【発明の概要】
【発明が解決しようとする課題】
【０００４】
しかしながら、これらの手法では、モデルが予測した時系列データと検査対象からの時系列データとを比較するので、予測モデル自体の予測精度が十分高くないと、故障スコアの精度が十分なものにならない。予測精度を高めるためには、学習する時系列データを十分な大きさにし、あるいは学習のためのニューロンネットワークの層数を十分に大きなものにする必要があり、いずれの場合も学習に要する時間やハードウェア構成が大きなものとなってしまう。しかも、時系列データが多チャンネル（多変量）の場合、予測モデルは原則的にすべてのチャンネルの予測を行う必要があり、学習や推論の演算コストはますます大きくなってしまう。
【課題を解決するための手段】
【０００５】
本開示は、以下の形態又は適用例として実現することが可能である。
【０００６】
本開示は、検査対象の運転状態を検知する検知装置としての態様でも実施可能である。この検知装置は、前記検査対象の動作を反映した時系列データから得られた複数の状態ベクトルをクラスター分割したＮ個（１≦Ｎ）のクラスターそれぞれの重心ベクトルを記憶した重心ベクトル記憶部と、前記重心ベクトルが記憶された後で、前記検査対象に関して新たに得られた前記時系列データである検知時時系列データから検知用状態ベクトルを抽出し、前記検知用状態ベクトルの前記重心ベクトルからの距離に従って、前記検査対象の前記運転状態のスコアを生成するスコア生成部とを備える。
【０００７】
また、本開示は、検査対象の運転状態を検知する検知方法としても実施可能である。この検知方法では、前記検査対象の動作を反映した時系列データから得られた複数の状態ベクトルをクラスター分割したＮ個（１≦Ｎ）のクラスターそれぞれの重心ベクトルを記憶しておき、前記重心ベクトルが記憶された後で、前記検査対象に関して新たに得られた前記時系列データである検知時時系列データから検知用状態ベクトルを抽出し、前記検知用状態ベクトルの前記重心ベクトルからの距離に従って、前記検査対象の前記運転状態のスコアを生成する。
【０００８】
更に、本開示は、検知用重心ベクトル提供装置としても実施可能である。この検知用重心ベクトル提供装置は、検査対象の動作を反映した時系列データを状態ベクトルとして蓄積する蓄積部と、前記蓄積される複数の状態ベクトルをＮ個（１≦Ｎ）のクラスターにクラスター分割する分割部と、前記分割されたクラスター毎に求めた重心ベクトルを記憶する重心ベクトル記憶部と、外部からの求めに応じて、記憶された前記重心ベクトルを、前記検査対象の運転状態を検知するための比較用に提供する提供部とを備える。
【図面の簡単な説明】
【０００９】
実施形態の異常検出装置の概略構成図。
学習機構の概略構成図。
リザバーの初期化と学習および推論ポイントを示す説明図。
状態ベクトルの分布とクラスタリングの様子を示す説明図。
学習処理の一例を示すフローチャート。
クラスタリングの処理の一例を示すフローチャート。
スコアの生成と故障スコアの特定とを行なう処理を示すフローチャート。
故障スコアの特定の様子を示す説明図。
実施形態における平均故障スコアの一例を示す説明図。
実施形態における平均故障スコアの増加比の一例を示す説明図。
重心ベクトル記憶部のみをクラウド側に備える構成を例示する説明図。
重心ベクトル記憶部およびスコア生成部をクラウド側に備える構成を例示する説明図。
【発明を実施するための形態】
【００１０】
Ａ．実施形態：
（Ａ１）ハードウェア構成：
本実施形態の検知装置１０のハードウェア構成について説明する。図１は、ローター装置３０とその異常を検知する検知装置１０とからなる異常検知システム２０の概略構成図である。図では、異常検知のための学習を行なう学習機構１００を検知装置１０と共に示した。学習機構１００は、異常検知を行なう前に、異常検知のためのデータを学習するものであり、後述するように、学習結果である重心ベクトルが重心ベクトル記憶部８０に記憶された状態であれば、学習機構１００それ自体は、ローター装置３０の異常を検知するためには必要ないが、説明の都合上、図１に、破線で示した。学習機構１００や重心ベクトル記憶部８０等の構成上のバリエーションについては、後で詳しく説明する。
（【００１１】以降は省略されています）

関連特許