特許ウォッチ

公開番号2025128963
公報種別公開特許公報(A)
公開日2025-09-03
出願番号2024026028
出願日2024-02-22
発明の名称根本原因分析システム、方法およびプログラム
出願人株式会社日立製作所
代理人弁理士法人ウィルフォート国際特許事務所
主分類G05B 23/02 20060101AFI20250827BHJP(制御;調整)
要約【課題】根本原因の分析精度を向上する。
【解決手段】複数のセンサが分析対象を計測した正常データおよび異常データに基づいて、分析対象に生じた異常の根本原因をレコメンドする根本原因分析システム1は、因果関係情報処理部351と、重要度算出部352と、レコメンド結果算出部3531とを備える。因果関係情報処理部は、正常データに基づいて、複数のセンサを因果関係で結ぶ因果構造および複数のセンサ毎の影響度を算出する。重要度算出部は、正常データおよび異常データに基づいて、複数のセンサ毎の重要度を算出する。レコメンド結果算出部は、因果構造および重要度に基づいて、レコメンドの対象となる複数のレコメンド対象センサを抽出し、因果構造および影響度に基づいて、複数のレコメンド対象センサ毎のレコメンド順位を決定して、複数のレコメンド対象センサをレコメンド順位の順に並べたレコメンド結果を算出する。
【選択図】図1
特許請求の範囲【請求項１】
複数のセンサが分析対象を計測した正常データおよび異常データに基づいて、前記分析対象に生じた異常の根本原因をレコメンドする根本原因分析システムであって、
前記正常データに基づいて、前記複数のセンサを因果関係で結ぶ因果構造および前記複数のセンサ毎の影響度を算出する因果関係情報処理部と、
前記正常データおよび前記異常データに基づいて、前記複数のセンサ毎の重要度を算出する重要度算出部と、
前記因果構造および前記重要度に基づいて、レコメンドの対象となる複数のレコメンド対象センサを抽出し、前記因果構造および前記影響度に基づいて、前記複数のレコメンド対象センサ毎のレコメンド順位を決定して、前記複数のレコメンド対象センサを前記レコメンド順位の順に並べたレコメンド結果を算出するレコメンド結果算出部と、を備える根本原因分析システム。
続きを表示（約 1,300 文字）【請求項２】
前記重要度算出部は、前記正常データに基づいて異常検知モデルを生成し、生成した前記異常検知モデルに前記正常データおよび前記異常データを入力して前記重要度を算出する、
請求項１に記載の根本原因分析システム。
【請求項３】
前記レコメンド結果算出部は、前記重要度の大きさに基づいて、前記複数のセンサを選択し、選択した前記複数のセンサのうちの前記因果関係が連鎖するセンサを前記レコメンド対象センサとして抽出する、
請求項１に記載の根本原因分析システム。
【請求項４】
前記レコメンド結果算出部は、前記影響度が最も大きい前記センサを優先した深さ優先探索によって前記レコメンド順位を決定する、
請求項１に記載の根本原因分析システム。
【請求項５】
前記複数のセンサのうちの前記レコメンド対象センサ以外のセンサを因果探索して前記レコメンド対象センサに加える再検討候補算出部を備える、
請求項１に記載の根本原因分析システム。
【請求項６】
前記正常データおよび前記異常データの可視化結果を算出する可視化結果算出部と、
前記因果構造、前記レコメンド結果および前記可視化結果をユーザに表示する表示部と、を備える、
請求項１に記載の根本原因分析システム。
【請求項７】
複数のセンサが分析対象を計測した正常データおよび異常データに基づいて、前記分析対象に生じた異常の根本原因を根本原因分析システムがレコメンドする根本原因分析方法であって、
前記正常データに基づいて、前記複数のセンサを因果関係で結ぶ因果構造および前記複数のセンサ毎の影響度を算出する因果関係情報処理ステップと、
前記正常データおよび前記異常データに基づいて、前記複数のセンサ毎の重要度を算出する重要度算出ステップと、
前記因果構造および前記重要度に基づいて、レコメンドの対象となる複数のレコメンド対象センサを抽出し、前記因果構造および前記影響度に基づいて、前記複数のレコメンド対象センサ毎のレコメンド順位を決定して、前記複数のレコメンド対象センサを前記レコメンド順位の順に並べたレコメンド結果を算出するレコメンド結果算出ステップと、を有する根本原因分析方法。
【請求項８】
前記重要度算出ステップは、前記正常データに基づいて異常検知モデルを生成し、生成した前記異常検知モデルに前記正常データおよび前記異常データを入力して前記重要度を算出する、
請求項７に記載の根本原因分析方法。
【請求項９】
前記レコメンド結果算出ステップは、前記重要度の大きさに基づいて、前記複数のセンサを選択し、選択した前記複数のセンサのうちの前記因果関係が連鎖するセンサを前記レコメンド対象センサとして抽出する、
請求項７に記載の根本原因分析方法。
【請求項１０】
前記レコメンド結果算出ステップは、前記影響度が最も大きい前記センサを優先した深さ優先探索によって前記レコメンド順位を決定する、
請求項７に記載の根本原因分析方法。
（【請求項１１】以降は省略されています）
発明の詳細な説明【技術分野】
【０００１】
本発明は、根本原因分析システム、方法およびプログラムに関する。
続きを表示（約 1,800 文字）【背景技術】
【０００２】
近年、産業全体としてビックデータおよびＡＩ（ＡｒｔｉｆｉｃｉａｌＩｎｔｅｌｌｉｇｅｎｃｅ）の活用が進んでいる。特に製造業では、センサ等で取得した稼働ログを示すセンシングデータと、製品の品質データ等を数理的に解析することによって、根本原因を早期特定するニーズが高まっている。
【０００３】
特許文献１には、時系列データに基づいて生成された特徴量に基づいて判定基準を決定し、決定した判定基準に基づいて異常度を算出し、算出された異常度に基づいて複数の特徴量の中から加工不良が発生する要因となる特徴量を特定する方法が記載されている。
【０００４】
特許文献２には、時系列データおよび前兆パターンに基づく従属関係グラフを生成し、従属関係グラフおよび信号表現に基づき、時間幅のセットに対して確率ネットワークを生成および訓練する方法が記載されている。この方法では、根本原因を見つけるため、因果構造および重要度を用いている。
【先行技術文献】
【特許文献】
【０００５】
特開２０２１－１４９７２７号公報
特開２０２３－１７８８８号公報
【発明の概要】
【発明が解決しようとする課題】
【０００６】
特許文献１，２の重要度は、根本原因であるかを考慮せずに値の大きさが決められる。このため、特許文献１，２の方法では、根本原因ではないセンサが上位にレコメンドされたり、異常データが不足した場合に分析精度が低下してしまう場合がある。
【０００７】
そこで、本発明は、上記課題に鑑みてなされたもので、その目的は、根本原因の分析精度を向上する技術を提供することにある。
【課題を解決するための手段】
【０００８】
上記目的を解決するために、本発明は、複数のセンサが分析対象を計測した正常データおよび異常データに基づいて、前記分析対象に生じた異常の根本原因をレコメンドする根本原因分析システムであって、前記正常データに基づいて、前記複数のセンサを因果関係で結ぶ因果構造および前記複数のセンサ毎の影響度を算出する因果関係情報処理部と、前記正常データおよび前記異常データに基づいて、前記複数のセンサ毎の重要度を算出する重要度算出部と、前記因果構造および前記重要度に基づいて、レコメンドの対象となる複数のレコメンド対象センサを抽出し、前記因果構造および前記影響度に基づいて、前記複数のレコメンド対象センサ毎のレコメンド順位を決定して、前記複数のレコメンド対象センサを前記レコメンド順位の順に並べたレコメンド結果を算出するレコメンド結果算出部と、を備える。
【発明の効果】
【０００９】
本発明によれば、根本原因の分析精度を向上する。
【図面の簡単な説明】
【００１０】
根本原因分析システムの構成の一例を示す機能ブロック図。
根本原因分析処理の一例を示すフローチャート。
初期検討のレコメンド処理の一例を示すフローチャート。
因果関係情報算出処理の一例を示すフローチャート。
再算出後のレコメンド処理の一例を示すフローチャート。
再算出後のレコメンドテーブル作成処理の一例を示すフローチャート。
再算出後のレコメンド表示処理の一例を示すフローチャート。
影響度算出処理の一例を示すフローチャート。
重要度算出処理の一例を示すフローチャート。
レコメンド結果算出処理の一例を示すフローチャート。
時系列データテーブルの一例を示す図。
前処理後の時系列データテーブルの一例を示す図。
特徴量テーブルの一例を示す図。
エラーセンサラベルの一例を示す図。
因果構造テーブルの一例を示す図。
直接影響度テーブルの一例を示す図。
重要度テーブルの一例を示す図。
レコメンドテーブルの一例を示す図。
再算出後の直接影響度テーブルの一例を示す図。
初期検討時の画面の一例を示す図。
再算出後の画面の一例を示す図。
【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