JP6749488B2

JP6749488B2 - 異常重要度算出システム、異常重要度算出装置、及び異常重要度算出プログラム

Info

Publication number: JP6749488B2
Application number: JP2019519926A
Authority: JP
Inventors: 依瑞美植田; 雅将内藤; 慎一郎鎌形; 玄太吉村
Original assignee: Mitsubishi Electric Corp; Mitsubishi Electric Building Techno Service Co Ltd
Current assignee: Mitsubishi Electric Corp; Mitsubishi Electric Building Solutions Corp
Priority date: 2017-05-26
Filing date: 2017-05-26
Publication date: 2020-09-02
Anticipated expiration: 2037-05-26
Also published as: CN110678820A; JPWO2018216197A1; WO2018216197A1; CN110678820B

Description

本発明は、異常重要度算出システム、異常重要度算出装置、及び異常重要度算出プログラムに関する。

従来、ビルに設けられた設備あるいはプラント機器などを含む機器の異常を検出するために、当該機器にセンサ群が設けられる。センサ群のうちいずれかのセンサが異常値を検出した場合、当該機器に何らかの不具合が生じていることが疑われる。

センサの検出値が異常値であるか否かを最も簡単に判定する方法は、センサに対して予め閾値を設けておき、センサの検出値と当該閾値の比較に基づいて判定する方法である。しかしながら、機器が正常稼働している場合であっても、センサの検出値は常に一定であるとは限らず、稼働状況、稼働環境、あるいは経年劣化などの影響によって変動し得ることから、適切な閾値を設定することは簡単ではない。

このことに鑑み、従来、機器が正常稼働しているときに検出されたセンサの過去の検出値に基づいて予測モデルを構築し、当該予測モデルに基づいて、機器の正常稼働時におけるセンサの検出値を予測することが行われている。そして、検出予測値と検出値を比較（一般には検出予測値と検出値との差分）に基づいてセンサの検出値が異常値であるか否かが判定される。

例えば、特許文献１には、機器に設けられた複数のセンサの過去の検出値に基づいて、各センサの検出値間の相関を示す多体相関モデルを取得し、各センサの検出値を多体相関モデルに適用したときに、当該多体相関モデルにモデル破壊が発生したか否かに基づいて、各センサの検出値の異常を検出することが開示されている。

また、特許文献２には、機器が正常稼働しているときの複数のセンサの過去の検出値を学習することでモデルを構築し、当該モデルに複数のセンサ検出値を適用することで、各センサの検出値に対する異常を検出することが開示されている。

また、特許文献３には、機器が正常稼働しているときの過去の運転データに基づいて正常運転パターンデータベースを構築し、検出手段により検出された運転データと正常運転パターンデータベースとの間の相関関係値を求め、当該相関関係値が閾値未満であった場合に異常を検出することが開示されている。

国際公開第２０１６／０８８３６２号パンフレット特開２０１４−５６５９８号公報特開２０１１−２０９８４７号公報

従来のように、予測モデルに基づく検出予測値とセンサの実際の検出値とに基づいて当該センサの検出値が異常値であるか否かを判定する場合、機器に不具合が発生していなかった場合であっても当該センサが異常値を検出した、と判定される場合がある。例えば、センサが温度センサである場合、ある日の気温が例年に比して極端に暑かった場合などは、機器が正常稼働していたとしても、当該温度センサの検出温度値が上昇し、異常値を検出する場合がある。このような場合、例えば、当該機器をメンテナンスする者（例えばサービスマンなど）は、本来正常である機器に対して無駄な確認作業を行わなければならなくなる。

また、機器にセンサ群が設けられた場合、当該センサ群のうち複数のセンサが同じタイミングで異常値を検出する場合がある。この場合、当該機器をメンテナンスする者は、異常値を検出した複数のセンサのうち、どのセンサに対応する箇所を優先して確認すべきか把握できない場合がある。これにより、例えば、対応緊急性の高い箇所の確認が後回しになってしまって、機器に損害が生じる可能性がある。

センサの検出値（異常値）について、それが機器における真の不具合によるものかどうか、又は、どのセンサに対応する箇所を優先してチェックすべきかを示す指標である異常重要度が算出されることで、上述の問題が解消され得る。すなわち、機器をメンテナンスする者は、例えば、センサの検出値に対する異常重要度が低ければ、機器の真の不具合に起因するものではない、と判断できるし、複数のセンサについて異常重要度が算出されることで、異常重要度の高いセンサに対応する箇所を優先して確認することができる。

本発明の目的は、機器に設けられたセンサの検出値に対する異常重要度を算出することにある。

本発明は、機器に設けられたセンサ群と、前記センサ群が検出した検出値を受信するサーバと、を備える異常重要度算出システムであって、前記サーバは、前記センサ群に含まれる各センサについて、予測された検出予測値と実際の検出値との差異に基づいて、検出値に対する異常度を算出する異常度算出部と、前記センサ群のうち注目センサの検出値に対する前記異常度が、前記注目センサについて予め定められた異常度閾値以上になったときである異常検出時における、前記注目センサの検出値に対する前記異常度、及び、前記センサ群のうち前記注目センサ以外のセンサである他のセンサの検出値に対する前記異常度に基づいて、前記注目センサの検出値に対する異常重要度を算出する異常重要度算出部と、を有する、ことを特徴とする異常重要度算出システムである。

望ましくは、前記異常重要度算出部は、前記異常検出時における前記他のセンサの検出値に対する異常度が小さい程、前記注目センサの検出値に対する前記異常重要度を高くし、前記異常検出時における前記他のセンサの検出値に対する異常度が大きい程、前記注目センサの検出値に対する前記異常重要度を低くする、ことを特徴とする。

望ましくは、前記異常検出時は、前記注目センサの検出値に対する前記異常度が、前記注目センサについて予め定められた異常度閾値以上になった時点から、当該異常度閾値未満になった時点までの期間を有し、前記異常重要度算出部は、前記異常検出時の複数の時点における、前記注目センサの検出値に対する前記異常度の代表値、及び、前記他のセンサの検出値に対する前記異常度の代表値に基づいて、前記注目センサの検出値に対する異常重要度を算出する、ことを特徴とする。

望ましくは、前記センサ群に含まれる各センサは、ビル内のそれぞれ異なるポイントに設けられる、ことを特徴とする。

望ましくは、前記サーバは、前記注目センサの検出値が異常値となったこと、及び、前記注目センサの検出値に対する異常重要度を示す異常情報を前記機器をメンテナンスする者に通知する異常通知部と、をさらに有することを特徴とする。

また、本発明は、機器に設けられたセンサ群に含まれる各センサについて、予測された検出予測値と実際の検出値との差異に基づいて、検出値に対する異常度を算出する異常度算出部と、前記センサ群のうち注目センサの検出値に対する前記異常度が、前記注目センサについて予め定められた異常度閾値以上になったときである異常検出時における、前記注目センサの検出値に対する前記異常度、及び、前記センサ群のうち前記注目センサ以外のセンサである他のセンサの検出値に対する前記異常度に基づいて、前記注目センサの検出値に対する異常重要度を算出する異常重要度算出部と、を備えることを特徴とする異常重要度算出装置である。

また、本発明は、コンピュータを、機器に設けられたセンサ群に含まれる各センサについて、予測された検出予測値と実際の検出値との差異に基づいて、検出値に対する異常度を算出する異常度算出部と、前記センサ群のうち注目センサの検出値に対する前記異常度が、前記注目センサについて予め定められた異常度閾値以上になったときである異常検出時における、前記注目センサの検出値に対する前記異常度、及び、前記センサ群のうち前記注目センサ以外のセンサである他のセンサの検出値に対する前記異常度に基づいて、前記注目センサの検出値に対する異常重要度を算出する異常重要度算出部と、として機能させることを特徴とする異常重要度算出プログラムである。

本発明によれば、機器に設けられたセンサの検出値に対する異常重要度を算出することができる。

本実施形態に係る異常重要度算出システムの構成概略図である。本実施形態に係るサーバの構成概略図である。センサの検出予測値と検出値の時間変化を示すグラフである。センサの異常度の時間変化を示すグラフである。センサＡの異常度の時間変化の例を示すグラフである。センサＢの異常度の時間変化の例を示すグラフである。センサＣの異常度の時間変化の例を示すグラフである。図５Ａと同じセンサＡの異常度の時間変化を示すグラフである。センサＢの異常度の時間変化の他の例を示す他のグラフである。センサＣの異常度の時間変化の他の例を示す他のグラフである。異常情報表示画面の例を示す図である。本実施形態に係るサーバの処理の流れを示すフローチャートである。

以下、本発明の実施形態について説明する。

図１に、本実施形態に係る異常重要度算出システム１０の構成概略図が示されている。異常重要度算出システム１０は、複数のセンサからなるセンサ群１２、異常重要度算出装置としてのサーバ１４、及び、サービスマン端末１６を含んで構成されている。

本実施形態では、センサ群１２は、ビル１８内の各機器（設備）に設けられる。センサ群１２に含まれるセンサは、ビル１８内の機器に関する種々のパラメータ、特に、機器が正常稼働しているか否かを判定するためのパラメータを検出するセンサである。センサ群１２に含まれる各センサとしては、例えば、温度センサ、湿度センサ、電圧センサ、電流センサ、圧力センサ、回転数センサ、加速度センサなど、様々な種類のセンサであってよい。

各センサは、ビル１８内のそれぞれ異なるポイントに設けられる。本明細書において「ポイント」とは、場所（例えばビル１８であればフロア又は部屋など）、あるいは系統（例えばビル１８であればダクト系統又は配管系統など）を含む、一定の範囲を意味するものである。本明細書では、図１に示すように、センサＡがビル１８の１Ｆに、センサＢがビル１８の２Ｆに、センサＣがビル１８の３Ｆに設けられた例について説明する。もちろん、センサ群１２はその他の各ポイントに設けられてもよい。また、１つのポイントに複数のセンサが設けられてもよい。

センサ群１２に含まれる各センサは、有線あるいは無線によってビル１８の中央監視装置２０に接続されており、各センサの検出値は逐次中央監視装置２０に送られる。各センサは、検出値を検出した時刻を取得可能であり、各センサは、検出値と、検出時刻を示す検出時刻情報と、自センサを識別する情報（センサＩＤ）とを関連付けて中央監視装置２０に送信する。以後、検出値と、検出時刻情報と、センサＩＤとが関連付けられた情報を検出値情報と記載する。このようにして、中央監視装置２０には、ビル１８に設けられたセンサ群１２からの各検出値情報が集約される。なお、検出時刻は、中央監視装置２０が取得するようにしてもよい。すなわち、中央監視装置２０が各センサから検出値を受信した時刻を検出時刻として取得するようにしてもよい。

中央監視装置２０は、インターネットあるいはＬＡＮ（Local Area Network）などを含む通信回線２２を介してサーバ１４に通信可能に接続される。中央監視装置２０に集約されたセンサ群１２からの各検出値情報はサーバ１４へ送られる。

なお、中央監視装置２０はコンピュータであってよく、少なくとも、センサ群１２から各検出値情報を受信する受信部と、各検出値情報を記憶する記憶部と、各検出値情報をサーバ１４へ送信する送信部と、これらを制御する制御部とを備えていればよい。

サーバ１４は、サーバとして機能し得る程度の性能を有したコンピュータである。サーバ１４は、通信回線２２を介して中央監視装置２０及びサービスマン端末１６と通信可能に接続される。サーバ１４の詳細については後述する。

サービスマン端末１６は、ビル１８内の機器をメンテナンスする者であるサービスマンが利用する端末である。本実施形態においては、サービスマン端末１６は、スマートフォンあるいはタブレット端末のような、サービスマンが携帯する携帯端末であるが、それには限られず、据え置き型のコンピュータであってもよい。サービスマン端末１６は、ネットワークアダプタなどからなる通信部、液晶パネルなどからなる表示部、タッチパネルあるいはボタンなどからなる入力部、メモリなどからなる記憶部、及び、マイクロコンピュータなどからなる制御部を含んで構成される。サービスマンは、サービスマン端末１６を用いてサーバ１４にアクセスして各種情報を取得することができる。あるいは、サービスマン端末１６は、サーバ１４からプッシュ送信された情報を受信することができる。

図２に、サーバ１４の構成概略図が示されている。

通信部３０は、例えばネットワークアダプタなどから構成される。通信部３０は、中央監視装置２０及びサービスマン端末１６と通信するためのものである。具体的には、通信部３０は、中央監視装置２０からセンサ群１２に関する各検出値情報を受信する機能、サービスマン端末１６からの接続要求を受信する機能、あるいは、各種情報をサービスマン端末１６へ送信する機能を有する。

記憶部３２は、例えば、ハードディスク、ＲＯＭ（Read Only Memory）、あるいはＲＡＭ（Random Access Memory）などから構成される。記憶部３２には、サーバ１４の各部を動作させるための異常重要度算出プログラムが記憶される。あるいは、記憶部３２には、各種制御データ、各種処理データが記憶される。さらに、図２に示されるように、記憶部３２には、過去検出値情報ＤＢ（データベース）３４が定義され、予測モデル３６が記憶される。

過去検出値情報ＤＢ３４には、センサ群１２に関する過去の検出値情報群が蓄積記憶される。具体的には、中央監視装置２０からセンサ群１２に関する各検出値情報を受信する度に、後述の制御部３８は、受信した検出値情報を過去検出値情報ＤＢ３４に格納する。これにより、センサ群１２に関する過去の検出値情報群が過去検出値情報ＤＢ３４に蓄積記憶される。

予測モデル３６は、機器が正常稼働しているならばセンサ群１２に含まれる各センサが検出すると予測される検出予測値を算出するためのモデルである。予測モデル３６は、過去検出値情報ＤＢ３４に格納された過去の検出値情報群に基づいて、後述の予測値算出部４０により構築される。本実施形態では、各センサに対応する複数の予測モデル３６が構築される。予測モデル３６の詳細については予測値算出部４０と共に後述する。

制御部３８は、例えばＣＰＵ（Central Processing Unit）などを含んで構成される。制御部３８は、記憶部３２に記憶された異常重要度算出プログラムに従ってサーバ１４の各部の制御を行う。また、図２に示されるように、制御部３８は、予測値算出部４０、異常度算出部４２、異常判定部４４、異常重要度算出部４６、及び、異常通知部４８としても機能する。以下、制御部３８が発揮するこれらの機能について説明する。

予測値算出部４０は、過去検出値情報ＤＢ３４に格納された検出値情報群のうち、ビル１８内の各機器が正常稼働しているときにセンサ群１２が取得した複数の検出値情報（以下「正常時検出値情報」と記載する）に基づいて、機器が正常稼働しているならばセンサ群１２に含まれる各センサが検出するであろうと予測される検出予測値を算出する。過去検出値情報ＤＢ３４に格納された検出値情報群から正常時検出値情報を識別する方法としては、例えば、制御部３８が検出値情報を過去検出値情報ＤＢ３４に格納する際に、異常が検出されていない場合に当該検出値情報にフラグを付して格納するようにしておき、予測値算出部４０は、当該フラグの有無に基づいて、検出値情報群から正常時検出値情報を識別して抽出するようにしてもよい。あるいは、制御部３８は、異常が検出された場合の検出値情報を最初から過去検出値情報ＤＢ３４に格納しないようにしてもよい。このようにすれば、過去検出値情報ＤＢ３４に格納される検出値情報群は、全て正常時検出値情報となる。

まず、予測値算出部４０は、正常時検出値情報に基づいて、予測モデル３６を構築する。予測モデル３６の構築方法としては、既知の機械学習の手法を用いることができる。例えば、正常時検出値情報が有する検出時刻と検出値とに基づいて、センサの過去の検出値の時間変化を時系列解析することで、当該センサの検出値を予測する時系列解析法を用いて予測モデル３６を構築することができる。

予測値算出部４０は、センサ群１２に含まれる各センサそれぞれについて予測モデル３６を構築する。具体的には、予測値算出部４０は、正常時検出値情報に含まれるセンサＩＤに基づいて、処理対象のセンサについての正常時検出値情報を特定し、特定した正常時検出値情報に基づいて、当該センサについての予測モデル３６を構築する。これにより、記憶部３２には、各センサにそれぞれ対応する複数の予測モデル３６が記憶される。

次いで、予測値算出部４０は、各センサについて構築された複数の予測モデル３６に基づいて、機器が正常稼働しているならば各センサの検出値が取るであろうと予測される検出予測値を算出する。例えば、予測値算出部４０は、センサＡについて構築された予測モデル３６と、ある時点におけるセンサＡの検出値に基づいて、当該時点におけるセンサＡの検出予測値を算出する。このようにして、予測値算出部４０は、各センサの検出予測値を逐次算出していく。

なお、予測値算出部４０は、他の方法によって予測モデル３６を構築するようにしてもよい。例えば、正常時検出値情報に基づいて、同じ時点における、特定のセンサ（例えばセンサＡ）の検出値と、その他のセンサ（たとえばセンサＢ）の検出値との相関関係を示す予測モデル３６を構築してもよい。当該予測モデル３６によれば、その他のセンサ（センサＢ）の検出値に基づいて、特定のセンサ（センサＡ）の検出予測値を予測することができる。

異常度算出部４２は、センサ群１２に含まれる各センサについて、予測値算出部４０が予測した検出予測値と、各センサの実際の検出値との差異に基づいて、各センサの検出値に対する異常度（以下、センサの検出値に対する異常度を単に「センサの異常度」と記載する）を算出する。異常度算出部４２は、逐次算出される各センサの検出予測値と、センサ群１２によって逐次検出され中央監視装置２０から逐次送信されてくる各センサの実際の検出値とに基づいて、各センサの異常度を逐次算出していく。

図３には、あるセンサの実際の検出値と検出予測値の時間変化が示されている。図３のグラフは、横軸が時刻を表し、縦軸がセンサの検出値又は検出予測値を表すものである。上述のように、中央監視装置２０から逐次送信されてくる実際の検出値に基づいて検出値曲線５０が得られ、予測値算出部４０によって逐次算出される検出予測値に基づいて検出予測値曲線５２が得られる。なお、図３においては、検出値及び検出予測値の時間変化が線で示されているが、検出値及び検出予測値は間欠的に取得され、複数の時点における検出値に対して補完処理が行われて検出値曲線５０が生成され、複数の時点における検出予測値に対して補完処理が行われて検出予測値曲線５２が生成される。また、検出値曲線５０及び検出予測値曲線５２は必ずしも生成される必要はなく、ある程度の期間に亘る複数の時点における検出値及び検出予測値のセットが取得されればよい。

異常度算出部４２は、検出予測値と検出値との差異（図３においてｄで示す）に基づいて異常度を算出する。異常度の算出においては、検出予測値と検出値との間のユークリッド距離に基づいて算出されてよい。また、ある時点における検出予測値が分散した値を有している場合においては、当該分散を考慮した検出予測値と検出値との間の距離であるマハラノビス距離に基づいて算出されてもよい。

異常度算出部４２によって異常度が逐次算出されることによって、図４に示すような、異常度の時間変化を示す異常度曲線５４が得られる。図４のグラフは、横軸が時刻を表し、縦軸が異常度を表すものである。このようにして、異常度算出部４２は、センサ群１２に含まれる各センサの異常度の時間変化を算出する。なお、図４においては、異常度の時間変化が線で示されているが、異常度は間欠的に取得され、複数の時点における異常度に対して補完処理が行われて異常度曲線５４が生成される。また、異常度についても、必ずしも異常度曲線５４を生成する必要はなく、ある程度の期間に亘る複数の時点における異常度が算出されればよい。

異常判定部４４は、異常度算出部４２により算出された、センサ群１２に含まれる各センサの異常度に基づいて、各センサの検出値が異常値であるか否かを判定する。具体的には、各センサについて予め異常度閾値が定められており、異常判定部４４は、あるセンサの異常度が、当該センサの異常度閾値以上となった場合に、当該センサが異常値を検出した、と判定する。なお、各センサについての異常度閾値は記憶部３２に記憶されていてよい。

図４のグラフにおいて、異常度閾値ｓが示されている。図４の例においては、異常度曲線５４が示す異常度が、異常度閾値ｓ以上となった期間、すなわち時刻ｔ_１から時刻ｔ_２までの間において、異常判定部４４は、当該センサが異常値を検出した、と判定する。

異常重要度算出部４６は、あるセンサが異常値を検出したとき（以下「異常検出時」と記載する）の、当該センサの検出値についての異常重要度（以下単に「センサの異常重要度」と記載する）を算出する。異常重要度とは、当該センサが検出した異常値が、機器における真の不具合によるものかどうかを示す指標である。あるいは、異常重要度とは、複数のセンサが異常値を検出した場合に、当該複数のセンサのうち、サービスマンがどのセンサに対応する箇所を優先して確認すべきかを示す指標である。

異常重要度算出部４６は、異常重要度の算出対象のセンサである注目センサの異常度のみならず、注目センサ以外のセンサである他のセンサの異常度にも基づいて、注目センサの異常重要度を算出する。ここで、他のセンサは１つのセンサであってもよいし、複数のセンサであってもよい。以下、注目センサがセンサＡであり、他のセンサがセンサＢ及びセンサＣである場合を例に、異常重要度算出部４６の処理の詳細を説明する。

図５ＡにはセンサＡの異常度の時間変化の例を示す異常度曲線が、図５ＢにはセンサＢの異常度の時間変化の例を示す異常度曲線が、図５ＣにはセンサＣの異常度の時間変化の例を示す異常度曲線が、それぞれ示されている。図５Ａから図５Ｃに示された各グラフの縦軸は異常度を表し、横軸は時刻を表している。図５Ａにおいて、一点鎖線で示された異常度は、センサＡに対する異常度閾値ｓ_Ａを示している。図５Ｂについても同様に、センサＢに対する異常度閾値ｓ_Ｂが一点鎖線で示され、図５Ｃについても同様に、センサＣに対する異常度閾値ｓ_Ｃが一点鎖線で示されている。図５Ａに示されている通り、センサＡの異常度が異常度閾値ｓ_Ａ以上となるのは、センサＡの異常度が異常度閾値ｓ_Ａ以上となった時点である時刻ｔ_Ａから、センサＡの異常度が異常度閾値ｓ_Ａ未満となった時点である時刻ｔ’_Ａまでの間の期間である。すなわち、時刻ｔ_Ａから時刻ｔ’_Ａまでの間の期間が、センサＡについての異常検出時である。

センサＡの異常重要度は、異常検出時、つまり時刻ｔ_Ａから時刻ｔ’_Ａまでの間の期間内の複数の時点における、センサＡ、センサＢ、及びセンサＣの異常度の代表値に基づいて算出される。本実施形態では、代表値として平均値を用いるが、代表値としては、例えば中央値や最大値などであってもよい。図５Ａにおいて異常検出時におけるセンサＡの異常度の平均値ｍ_Ａ（破線）が示され、図５Ｂにおいて異常検出時におけるセンサＢの異常度の平均値ｍ_Ｂ（破線）が示され、図５Ｃにおいて異常検出時におけるセンサＣの異常度の平均値ｍ_Ｃ（破線）が示されている。

より詳しくは、異常重要度算出部４６は、センサＡの異常度の平均値が大きい程センサＡの異常重要度を高くし、センサＡの異常度の平均値が小さい程センサＡの異常重要度を低くする。それと共に、異常重要度算出部４６は、センサＢ及びセンサＣの異常度の平均値が小さい程センサＡの異常重要度を高くし、センサＢ及びセンサＣの異常度の平均値が大きい程センサＡの異常重要度を低くする。

本実施形態では、センサＡの異常重要度は、異常検出時における、異常度閾値ｓ_Ａに対するセンサＡの異常度の平均値の割合、異常度閾値ｓ_Ｂに対するセンサＢの異常度の平均値の割合、及び、異常度閾値ｓ_Ｃに対するセンサＣの異常度の平均値の割合に基づいて算出される。具体的には、センサＡの異常重要度は、以下の式で算出される。

式１において、Ｉ_ＡはセンサＡの異常検出時におけるセンサＡの異常重要度である。また、ｋは他のセンサの個数を示す。本例では、他のセンサはセンサＢ及びセンサＣの２つであるから、ｋ＝２となる。

式１の右辺の分子はｓ_Ａ（センサＡの異常度閾値）に対するｍ_Ａ（異常検出時におけるセンサＡの異常度の平均値）の割合を示している。したがって、ｍ_Ａが小さくなってｓ_Ａに対するｍ_Ａの割合が小さくなる程、分子が小さくなり、すなわちセンサＡの異常重要度Ｉ_Ａが小さくなる。逆に、ｍ_Ａが大きくなってｓ_Ａに対するｍ_Ａの割合が大きくなる程、分子が大きくなり、すなわちセンサＡの異常重要度Ｉ_Ａが大きくなる。

式１の右辺の分母の第１項は、ｓ_Ｂ（センサＢの異常度閾値）に対するｍ_Ｂ（異常検出時におけるセンサＢの異常度の平均値）の割合を示している。同様に、式１の右辺の分母の第２項は、ｓ_Ｃ（センサＣの異常度閾値）に対するｍ_Ｃ（異常検出時におけるセンサＣの異常度の平均値）の割合を示している。したがって、ｍ_Ｂが小さくなってｓ_Ｂに対するｍ_Ｂの割合が小さくなる程、あるいは、ｍ_Ｃが小さくなってｓ_Ｃに対するｍ_Ｃの割合が小さくなる程、分母が小さくなり、すなわちセンサＡの異常重要度Ｉ_Ａが大きくなる。逆に、ｍ_Ｂが大きくなってｓ_Ｂに対するｍ_Ｂの割合が大きくなる程、あるいは、ｍ_Ｃが大きくなってｓ_Ｃに対するｍ_Ｃの割合が大きくなる程、分母が大きくなり、すなわちセンサＡの異常重要度Ｉ_Ａが小さくなる。

なお、本実施形態では、センサＡの異常検出時を時刻ｔ_Ａから時刻ｔ’_Ａまでの間の期間としており、時刻ｔ_Ａから時刻ｔ’_Ａまでの間の期間のセンサＡ、センサＢ、センサＣの異常度の平均値に基づいてセンサＡの異常重要度を算出している。つまり、異常重要度算出部４６は、時刻ｔ’_Ａ後にセンサＡの異常重要度を算出しているが、異常重要度算出部４６は、センサＡが異常値を検出した時点（図５Ａの例では時刻ｔ_Ａ）において、センサＡの異常重要度を算出するようにしてもよい。この場合、式１において、ｍ_Ａを時刻ｔ _Ａ時点のセンサＡの異常度、ｍ_Ｂを時刻ｔ_Ａ時点のセンサＢの異常度、ｍ_Ｃを時刻ｔ_Ａ時点のセンサＣの異常度と読み替えることでセンサＡの異常重要度Ｉ_Ａを算出することができる。これにより、より早期にセンサＡの異常重要度を算出できる。

図５Ｂを見ると、センサＡの異常検出時である時刻ｔ_Ａから時刻ｔ’_ＡにおけるセンサＢの異常度の平均値ｍ_Ｂは比較的高く、異常度閾値ｓ_Ｂに近い値となっている。また、図５Ｃを見ると、時刻ｔ_Ａから時刻ｔ’_ＡにおけるセンサＣの異常度の平均値ｍ_Ｃはかなり高く、異常度閾値ｓ_Ｃを大きく超える値となっている。したがって、図５Ａから図５Ｃに示された例においては、センサＡの異常度は異常度閾値ｓ_Ａを超えているものの、センサＢ及びセンサＣの異常度が高いことから、センサＡの異常重要度は比較的低くなる。

図６Ａには、図５Ａと同じセンサＡの異常度の時間変化を示す異常度曲線が、図６ＢにはセンサＢの異常度の時間変化の他の例を示す異常度曲線が、図６ＣにはセンサＣの異常度の時間変化の他の例を示す異常度曲線が、それぞれ示されている。図５Ｂと図６Ｂとを比較して分かるように、図６Ｂの例においては、センサＡの異常検出時である時刻ｔ_Ａから時刻ｔ’_ＡにおけるセンサＢの異常度の平均値ｍ_Ｂは、図５Ｂの例よりもかなり小さくなっている。同様に、図５Ｃと図６Ｃとを比較して分かるように、図６Ｃの例においては、時刻ｔ_Ａから時刻ｔ’_ＡにおけるセンサＣの異常度の平均値ｍ_Ｃは、図５Ｃの例よりもかなり小さくなっている。したがって、図６Ａから図６Ｃに示された例においては、センサＡの異常重要度は、図５Ａから図５Ｃに示された例よりも高くなる。

このように、センサＡの異常検出時におけるセンサＡの異常度の平均値ｍ_Ａが同じであったとしても、センサＢ又はセンサＣの異常度に応じて、センサＡの異常重要度が変動し得る。

これにより、センサＡの異常重要度は、センサＡが検出した異常値が、機器における真の不具合によるものかどうかを示す指標となり得る。例えば、センサＡ、センサＢ、センサＣがいずれも温度センサである場合を考えると、センサＡが異常値を検出した場合に、センサＡのみならず、センサＢ及びセンサＣの検出温度も上昇している場合は、センサＡの異常重要度は比較的低い値が算出される。このような場合、センサＡ、すなわちビル１８の１Ｆに設置された機器固有の不具合でなく、外気温の急上昇などの、センサＡ、センサＢ、センサＣに共通して影響を与える外乱によってセンサＡ、センサＢ、及びセンサＣの全ての検出温度が上昇した可能性が高い。したがって、センサＡの異常重要度が低い程、センサＡが検出した異常値は、機器の真の不具合による可能性が低いことを示すといえる。一方、センサＡが異常値を検出した場合に、センサＢ及びセンサＣの検出温度が上昇していないならば、センサＡの異常重要度は比較的高い値が算出される。このような場合、センサＡが検出した異常値は、センサＡ、センサＢ、センサＣに共通して影響を与える外乱によるものではなく、センサＡが設けられた機器固有の問題（すなわち当該機器における真の不具合）が生じた可能性が高い。したがって、センサＡの異常重要度が高い程、センサＡが検出した異常値は、機器の真の不具合による可能性が高いことを示すといえる。

また、センサＡの異常重要度は、複数のセンサが異常値を検出した場合に、当該複数のセンサのうち、サービスマンがどのセンサに対応する箇所を優先してチェックすべきかを示す指標となり得る。例えば、センサＡ、センサＢ、センサＣが同時に異常値を検出した場合、異常重要度算出部４６は、センサＡ、センサＢ、センサＣについてそれぞれ異常重要度を算出する。各センサについての異常重要度をサービスマンに提示することで、サービスマンは、異常重要度のより高いセンサが設けられた機器に対して優先的に確認作業を行うことができる。

異常通知部４８は、センサ群１２に含まれるセンサのいずれかが異常値を検出したと異常判定部４４が判定した場合に、異常値を検出したこと、及び、異常値を検出したセンサをサービスマンに通知する。さらに、異常通知部４８は、異常重要度算出部４６が算出した、異常値を検出したセンサの異常重要度をサービスマンに通知する。

具体的には、異常通知部４８は、センサ群１２に含まれるセンサのいずれかが異常値を検出したと異常判定部４４が判定したことをトリガとして、異常値を検出したこと、異常値を検出したセンサ、及び、当該センサの異常重要度を示す異常情報をサービスマン端末１６にプッシュ送信する。これにより、サービスマン端末１６の表示部に、異常情報に含まれる各情報が表示される。あるいは、異常通知部４８は、サービスマン端末１６からの要求を受けて、異常情報をサービスマン端末１６に送信するようにしてもよい。

図７に、サービスマン端末１６の表示部における異常情報表示画面の例が示されている。図７には、センサＡ、センサＤ、センサＦの３つのセンサが異常値を検出したことが示されている。図７の例においては、センサＡ、センサＤ、センサＦのうち最も異常重要度が高いのがセンサＡとなっているため、サービスマンに対してセンサＡが設置された１Ｆの機器を優先的に確認することを促すメッセージが表示されている。すなわち、図７の例では、異常値を検出したセンサが複数ある場合、当該複数のセンサのうち最も異常重要度の高いセンサがサービスマンに提示されている。あるいは、各センサの異常重要度を数値などでサービスマンに通知するようにしてもよい。

本実施形態に係る異常重要度算出システム１０の構成概要は以上の通りである。以下、図８に示されるフローチャートに従って、サーバ１４の処理の流れを説明する。

ステップＳ１０において、予測値算出部４０は、過去検出値情報ＤＢ３４に格納された正常時検出値情報に基づいて、各センサについての予測モデルを構築する。

ステップＳ１２において、サーバ１４は、センサ群１２に含まれる各センサが検出した検出値を含む検出値情報群を中央監視装置２０から受信する。

ステップＳ１４において、予測値算出部４０は、ステップＳ１０で構築した各センサについての予測モデルと、ステップＳ１２で受信した各センサの検出値とに基づいて、各センサの検出予測値を算出する。

ステップＳ１６において、異常度算出部４２は、ステップＳ１２で受信した各センサの検出値と、ステップＳ１４で算出された各センサの検出予測値との差異に基づいて、各センサの異常度を算出する。

ステップＳ１８において、異常判定部４４は、センサ群１２に含まれるセンサのうち、いずれかのセンサが異常値を検出したか否かを判定する。全てのセンサが異常値を検出していない場合、再度ステップＳ１２に戻り、ステップＳ１２以下ステップＳ１８までの処理を繰り返す。すなわち、予測値算出部４０は逐次各センサの検出予測値を算出し、異常度算出部４２は逐次各センサの異常度を算出していく。いずれかのセンサが異常値を検出した場合、ステップＳ２０に進む。

ステップＳ２０において、異常重要度算出部４６は、異常値を検出したセンサの異常度のみならず、当該センサ以外の他のセンサの異常度にも基づいて、異常値を検出したセンサの異常重要度を算出する。

ステップＳ２２において、異常判定部４４は、ステップＳ２０で異常重要度が算出されたセンサ以外に、異常値を検出したセンサがあるか否かを判定する。ある場合は、再度ステップＳ２０に戻り、ステップＳ２０において、異常重要度算出部４６は、異常値を検出した他のセンサについての異常重要度を算出する。異常値を検出したセンサの全てについて異常重要度が算出された場合はステップＳ２４に進む。

ステップＳ２４において、異常通知部４８は、異常値を検出したセンサ、及び、当該センサの異常重要度を示す異常情報をサービスマン端末１６に送信する。これにより、サービスマン端末１６の表示部に異常情報が表示される。

以上、本発明に係る実施形態を説明したが、本発明は上記実施形態に限られるものではなく、本発明の趣旨を逸脱しない限りにおいて種々の変更が可能である。

１０異常重要度算出システム、１２センサ群、１４サーバ、１６サービスマン端末、１８ビル、２０中央監視装置、２２通信回線、３０通信部、３２記憶部、３４過去検出値情報ＤＢ、３６予測モデル、３８制御部、４０予測値算出部、４２異常度算出部、４４異常判定部、４６異常重要度算出部、４８異常通知部。

Claims

機器に設けられたセンサ群と、
前記センサ群が検出した検出値を受信するサーバと、
を備える異常重要度算出システムであって、
前記サーバは、
前記センサ群に含まれる各センサについて、予測された検出予測値と実際の検出値との差異に基づいて、検出値に対する異常度を算出する異常度算出部と、
前記センサ群のうち注目センサの検出値に対する前記異常度が、前記注目センサについて予め定められた異常度閾値以上になったときである異常検出時における、前記注目センサの検出値に対する前記異常度、及び、前記センサ群のうち前記注目センサ以外のセンサである他のセンサの検出値に対する前記異常度に基づいて、前記注目センサの検出値に対する異常重要度を算出する異常重要度算出部と、
を有する、
ことを特徴とする異常重要度算出システム。
前記異常重要度算出部は、前記異常検出時における前記他のセンサの検出値に対する異常度が小さい程、前記注目センサの検出値に対する前記異常重要度を高くし、前記異常検出時における前記他のセンサの検出値に対する異常度が大きい程、前記注目センサの検出値に対する前記異常重要度を低くする、
ことを特徴とする請求項１に記載の異常重要度算出システム。
前記異常検出時は、前記注目センサの検出値に対する前記異常度が、前記注目センサについて予め定められた異常度閾値以上になった時点から、当該異常度閾値未満になった時点までの期間を有し、
前記異常重要度算出部は、前記異常検出時の複数の時点における、前記注目センサの検出値に対する前記異常度の代表値、及び、前記他のセンサの検出値に対する前記異常度の代表値に基づいて、前記注目センサの検出値に対する異常重要度を算出する、
ことを特徴とする請求項１に記載の異常重要度算出システム。
前記センサ群に含まれる各センサは、ビル内のそれぞれ異なるポイントに設けられる、
ことを特徴とする請求項１に記載の異常重要度算出システム。
前記サーバは、
前記注目センサの検出値が異常値となったこと、及び、前記注目センサの検出値に対する異常重要度を示す異常情報を前記機器をメンテナンスする者に通知する異常通知部と、
をさらに有することを特徴とする請求項１に記載の異常重要度算出システム。
機器に設けられたセンサ群に含まれる各センサについて、予測された検出予測値と実際の検出値との差異に基づいて、検出値に対する異常度を算出する異常度算出部と、
前記センサ群のうち注目センサの検出値に対する前記異常度が、前記注目センサについて予め定められた異常度閾値以上になったときである異常検出時における、前記注目センサの検出値に対する前記異常度、及び、前記センサ群のうち前記注目センサ以外のセンサである他のセンサの検出値に対する前記異常度に基づいて、前記注目センサの検出値に対する異常重要度を算出する異常重要度算出部と、
を備えることを特徴とする異常重要度算出装置。
コンピュータを、
機器に設けられたセンサ群に含まれる各センサについて、予測された検出予測値と実際の検出値との差異に基づいて、検出値に対する異常度を算出する異常度算出部と、
前記センサ群のうち注目センサの検出値に対する前記異常度が、前記注目センサについて予め定められた異常度閾値以上になったときである異常検出時における、前記注目センサの検出値に対する前記異常度、及び、前記センサ群のうち前記注目センサ以外のセンサである他のセンサの検出値に対する前記異常度に基づいて、前記注目センサの検出値に対する異常重要度を算出する異常重要度算出部と、
として機能させることを特徴とする異常重要度算出プログラム。