JP7535971B2 - 分析システム、学習装置、異常兆候検知システム、異常兆候検知方法およびプログラム - Google Patents

Description

本開示は、分析システム、学習装置、異常兆候検知システム、異常兆候検知方法およびプログラムに関する。

発電プラント、化学プラント、その他のプラントにおいては、異常兆候の監視、異常検知などのために各種のセンサによって取得された時系列データが用いられる。また、プラント以外においても、機器または設備の監視に時系列データが用いられることがある。例えば、特許文献１には、監視対象の設備の各部位の物理量を検出するセンサによって取得された正常時の時系列データを用いて学習モデルを生成して、異常兆候を検知するプラント監視診断装置が開示されている。

特開２０２０－１９０９１０号公報

しかしながら、センサによって取得される時系列データは実際には正常であっても様々な変化をすることが考えられ、また、異常兆候であっても正常データとの乖離が大きければ正常と判定される可能性がある。一方、異常兆候を見逃せば損害が発生する可能性があり、過剰に異常兆候を検知すれば監視員の負荷が高くなる。このため、さらなる検知精度の向上が望まれる。

本開示は、上記に鑑みてなされたものであって、異常兆候の検知精度を向上させることが可能な分析システムを得ることを目的とする。

上述した課題を解決し、目的を達成するために、本開示にかかる分析システムは、監視対象のプラントに設けられた複数のセンサによってそれぞれ取得された複数の信号を用いてプラントの異常兆候の検知を行う分析システムであって、複数の信号を、信号の検出対象の場所と検出対象の物理量とを示すあらかじめ定められた信号定義情報を用いて信号グループにグループ分けし、信号グループを信号グループに属する信号間の関係を示す情報を用いて分類する信号分類部、を含む。分析システムは、さらに、信号分類部によって分類された結果と、分類ごとにあらかじめ定められた信号組を生成する規則とを用いて、信号グループに属する複数の信号のうち２つの信号を１組とする信号組を設定する信号組設定部と、信号組設定部によって設定された信号組ごとに、基準となる期間の当該信号組を構成する２つの信号の相関係数の時系列データを算出する第１相関係数算出部と、第１相関係数算出部によって算出された相関係数の時系列データを異常兆候の検知における基準データとして含む学習モデルを生成するモデル生成部と、を含む。分析システムは、さらに、信号組設定部によって設定された信号組ごとに、監視対象の期間の複数の信号のうち当該信号組を構成する２つの信号の相関係数の時系列データを算出する第２相関係数算出部と、第２相関係数算出部によって算出された相関係数の時系列データと、学習モデルとを用いてプラントの異常兆候の検知を行う異常兆候検知部と、を備える。信号定義情報は、プラントを構成する装置と、装置を構成する内部機器と、センサによって検出される物理量とが信号に対応付けられた情報であり、信号定義情報は、さらに信号ごとの内部機器においてセンサが設置される場所である詳細場所を示す情報を含み、信号分類部は、装置、内部機器、詳細場所および物理量が同一の信号を同一の信号グループに属させ、信号組設定部は、装置、内部機器、詳細場所および物理量が同一の信号で構成される信号グループに関しては、当該信号グループに属する信号の全ての２つの信号の組み合わせの信号組を設定する。

本開示によれば、異常兆候の検知精度を向上させることができるという効果を奏する。

実施の形態にかかる異常兆候検知システムの構成例を示す図 実施の形態の学習装置および異常兆候検知装置の機能構成例を示す図 実施の形態の学習装置を実現するコンピュータシステムの構成例を示す図 実施の形態の学習装置における学習処理手順の一例を示すフローチャート 実施の形態のセンサデータの一例を示す図 実施の形態のセンサデータの一例を示す図 実施の形態の分類情報の一例を示す図 実施の形態の信号の分類手順の一例を示すフローチャート 実施の形態の分類Ｂの第１パターンを用いて設定される信号組の一例を示す図 実施の形態の分類Ｂの第２パターンを用いて設定される信号組の一例を示す図 実施の形態の分類Ｃのパターンを用いて設定される信号組の一例を示す図 実施の形態の分類Ｄの第１パターンを用いて設定される信号組の一例を示す図 実施の形態の分類Ｄの第２パターンを用いて設定される信号組の一例を示す図 実施の形態の異常兆候検知装置における異常兆候検知処理手順の一例を示すフローチャート 実施の形態の信号属性情報の一例を示す図

以下に、実施の形態にかかる分析システム、学習装置、異常兆候検知システム、異常兆候検知方法およびプログラムを図面に基づいて詳細に説明する。

図１は、実施の形態にかかる異常兆候検知システムの構成例を示す図である。本実施の形態の異常兆候検知システム１は、発電プラント、化学プラント、その他のプラント、などのプラントを監視対象とし、監視対象のプラントの異常兆候を検知する。以下、異常兆候検知システム１の監視対象が発電プラントである例を説明するが、異常兆候検知システム１の監視対象は発電プラントに限定されない。

図１に示すように、異常兆候検知システム１は、監視対象の状態を検出するセンサ２－１～２－ｎと、データベース装置３と、分析システム４と、を備える。ｎは、２以上の整数である。図１に示した例では、表示データ提供装置７および表示装置８を異常兆候検知システム１に含めてもよい。

センサ２－１～２－ｎは、例えば、温度、流量または圧力といった物理量を検出し、検出した物理量を示す値すなわち工学値を対応する時刻とともにセンサデータとして通信ネットワークを介してデータベース装置３へ送信する。また、センサ２－１～２－ｎのなかには、監視対象における機器が稼働しているか否かを示す値を検出し、時刻とともにセンサデータとして通信ネットワークを介してデータベース装置３へ送信するものが含まれていてもよい。通信ネットワークは、無線または有線のＬＡＮ（Local Area Network）であってもよいし、インターネットなどを含むＷＡＮ（Wide Area Network）であってもよく、これらが混在していてもよい。以下、センサ２－１～２－ｎを、個別に区別せずに示すときは、センサ２とも呼ぶ。

データベース装置３は、センサ２－１～２－ｎから受信した時系列データをセンサデータとして記憶する。なお、各センサデータは信号名と対応づけられており、データベース装置３は、信号名または信号名を示す情報と、センサデータとを対応づけて記憶する。

分析システム４は、データベース装置３から時系列データであるセンサデータを取得し、正常時のセンサデータを用いて学習モデルを生成し、学習モデルを用いて、監視対象日時のセンサデータの異常兆候を検知し、検知結果をデータベース装置３へ送信する。なお、以下では、本実施の形態の分析システム４は、正常ではないことを検知した場合に、異常兆候を検知したと判定するが、同様の動作により、本実施の形態の動作は、正常ではないことを検知した場合に異常と判定する場合にも適用できる。

本実施の形態の分析システム４は、例えば、ＤＴＷ（Dynamic Time Warping）法などのように、正常時の時系列データと監視対象の時系列データとの距離を用いて２つの信号の類似度を算出し、類似度を用いて異常兆候を検知する。分析システム４における異常兆候の検知方法は、ＤＴＷを用いる例に限定されず、正常時の時系列データを学習データとして用いて、時系列データと監視対象日時の時系列データとの乖離を用いて異常兆候を判定する方法であればよい。

表示データ提供装置７は、表示装置８からの要求に応じて、データベース装置３から各情報を取得し、各種情報を表示するための表示情報を生成して表示装置８へ送信する。表示データ提供装置７は、例えば、Ｗｅｂサーバとしての機能を有し、表示装置８が対応するＵＲＬ（Uniform Resource Locator）を指定して表示データ提供装置７から表示情報を取得することで、センサデータ、分析システム４による検知結果などを表示することができる。なお、表示データ提供装置７は、分析システム４から直接検知結果を取得して表示装置８へ送信してもよい。

表示装置８は、例えば、監視対象の発電プラントの管理者からの操作を受け付けることが可能なコンピュータであり、携帯可能な端末であってもよい。表示装置８は、管理者からの入力を受け付けて、受け付けた入力を、表示データ提供装置７または分析システム４へ送信する機能を有していてもよい。

なお、図１に示した例では、データベース装置３と表示データ提供装置７を別に設けているが、データベース装置３が表示データ提供装置７としての機能を有していてもよい。また、データベース装置３、表示データ提供装置７および分析システム４が一体化されて１つの装置として実現されてもよい。また、分析システム４が表示部を備え表示装置８として機能を実現することで、表示データ提供装置７および表示装置８を設けなくてもよい。

分析システム４は、正常時のセンサデータを用いて学習を行う学習装置５と、学習装置５による学習結果を用いて監視対象日時のセンサデータの異常兆候を検知する異常兆候検知装置６とを備える。なお、図１に示した例では、学習装置５と異常兆候検知装置６とを別に設けているが、学習装置５と異常兆候検知装置６とが一体化されて、１つの分析装置として実現されてもよい。

図２は、本実施の形態の学習装置５および異常兆候検知装置６の機能構成例を示す図である。図２に示すように、学習装置５は、データ取得部５１、信号分類部５２、信号組設定部５３、相関係数算出部５４、モデル生成部５５、信号定義記憶部５６、パターン記憶部５７、学習モデル記憶部５８および学習情報送信部５９を備える。

データ取得部５１は、データベース装置３から時系列データであるセンサデータのち指定された期間のセンサデータを取得する。データ取得部５１が取得する期間の指定は、図示しない学習装置５の入力手段を用いて入力されてもよいし、他の装置から期間を指定する情報を受信してもよい。データ取得部５１は、取得したセンサデータを相関係数算出部５４へ出力する。本実施の形態の学習装置５は、正常なセンサデータを用いて学習を行うため、指定される期間は監視対象が正常であった期間である。

信号分類部５２は、信号定義記憶部５６に記憶されている信号定義情報および分類情報を用いて、データ取得部５１が取得したセンサデータを分類し、分類結果を、信号組設定部５３へ通知する。信号定義情報は、各信号がどの装置のどの場所のなにを検出するかなどを示す情報である。本実施の形態では、各信号の信号名がどの場所のなにを検出するかといった情報に基づいて命名される前提とし、信号定義情報は、信号ごとの当該信号がどの装置に対応するかを示す装置対応情報と、信号名の命名規則を示す命名規則情報と、信号名自体とを含む。また、分類情報は、信号を分類する規則を示す情報である。信号定義情報および分類情報の詳細は後述する。

信号組設定部５３は、信号分類部５２から通知された分類結果と、パターン記憶部５７に記憶されているパターン情報とを用いて、信号組を生成し、信号組を示す信号組情報を相関係数算出部５４へ通知する。パターン情報は、分類ごとの、信号組を生成する規則を示す情報である。パターン情報の詳細については後述する。信号組は、２つの信号で構成される組である。なお、信号分類部５２および信号組設定部５３の処理は、データ取得部５１によってデータが取得されるたびに行われてもよいが、一度行われた後は、信号の追加、変更、削除などが行われたときに行われてもよい。

相関係数算出部５４は、信号組設定部５３から通知された信号組情報によって示される信号組ごとに、データ取得部５１から入力されるセンサデータの相関係数を算出することで、相関係数の時系列データを生成し、モデル生成部５５へ出力する。また、相関係数算出部５４は、信号組設定部５３から通知された信号組情報についてもモデル生成部５５へ通知する。

モデル生成部５５は、相関係数算出部５４から入力された時系列データを用いて、信号組ごとに、正常データとの乖離に関する正常と判定するための閾値などを算出して時系列データとともに学習モデルとして学習モデル記憶部５８に格納する。また、モデル生成部５５は、相関係数算出部５４から通知された信号組情報も学習モデル記憶部５８へ格納する。

学習情報送信部５９は、学習モデル記憶部５８に記憶されている信号組情報と学習モデルとを学習情報として異常兆候検知装置６へ送信する。なお、学習情報送信部５９は、学習モデルが更新された場合に学習モデルを送信する。また、学習情報送信部５９は、信号組情報については学習モデルが更新されるたびに送信してもよいが、信号組情報が更新された場合に送信してもよい。

異常兆候検知装置６は、データ取得部６１、学習情報受信部６２、相関係数算出部６３、異常兆候検知部６４、学習モデル記憶部６５および検知結果送信部６６を備える。

データ取得部６１は、監視対象日時のセンサデータをデータベース装置３から取得し、相関係数算出部６３へ出力する。学習情報受信部６２は、学習装置５から上述した学習情報を受信し、学習モデルを学習モデル記憶部６５へ格納し、信号組情報を相関係数算出部６３へ通知する。

相関係数算出部６３は、学習情報受信部６２から通知された信号組情報によって示される信号組ごとに、データ取得部６１から入力されるセンサデータの相関係数を算出することで、相関係数の時系列データを生成し、異常兆候検知部６４へ出力する。

異常兆候検知部６４は、学習モデル記憶部６５に記憶されている学習モデルと、相関係数算出部６３から入力された相関係数の時系列データとを用いて、異常兆候の検知を行い、検知結果を検知結果送信部６６へ通知する。

検知結果送信部６６は、異常兆候検知部６４から通知された検知結果を、データベース装置３へ送信する。データベース装置３は、検知結果送信部６６から検知結果を受信すると当該検知結果を記憶する。

本実施の形態では、学習装置５は、相関があると想定される信号同士の信号組として自動で生成し、当該信号組に対応する２つの信号の時系列データの相関係数を時系列データとして学習を行う。これにより、管理者の手間を省きつつ、単独の信号の時系列データを用いて学習を行う場合に比べて異常兆候の検知精度を向上させることが可能となる。例えば、タンクＡとタンクＢとの間で物質のやりとりがあるとする。タンクＡの温度とタンクＢの温度とを計測しそれぞれの時系列データを単独で用いて異常兆候の検知を行うと、タンクに漏れが発生しても単独の温度の時系列データでは値の変化が少なく正常と判定されることがある。このような場合でも、相関係数の時系列データは単独の時系列データに比べて、タンクの漏れの発生に伴う変化が大きくなるため、相関係数を用いることで異常兆候を検知できる。特に、各センサデータに対応する信号名が定められた規則にしたがって命名されている場合には、信号名を分析して分類し、分類ごとにパターン情報を用いて信号組を決定するだけでよいため、事前の準備などに関する手間も抑制することができる。さらに、管理者が、相関関数を指定する場合、想定しうる全ての信号組の組み合わせを指定すると、信号数の多いシステムでは信号組の数が膨大になる。例えば、これらの信号の全ての組み合わせを算出すると、信号組の数をｍとすると_ｍＣ_２（Ｃはコンビネーションを示す）個の信号組を生成することになる。発電プラントでは数千の信号が用いられており、組み合わせの数が膨大となる。本実施の形態では、分類ごとに、全ての組み合わせ信号組を生成する場合と、一部の組み合わせで信号組を生成する場合、その他の場合、などを定めておくことで、相関係数を算出する信号組の数を、全ての組み合わせの信号組を計算する場合に比べて抑制することができる。

なお、学習装置５と異常兆候検知装置６とが１つの装置として用いられる場合には、学習情報送信部５９、学習情報受信部６２および学習モデル記憶部６５は設けられなくてよく、信号組設定部５３は、信号組情報を相関係数算出部６３にも通知し、異常兆候検知部６４は、学習モデル記憶部５８に格納されている学習モデルを用いて異常兆候の検知を行う。また、学習装置５と異常兆候検知装置６とを個別に設ける場合に、学習モデル記憶部５８をデータベース装置３または別のデータベース装置に設け、異常兆候検知装置６がデータベース装置３または別のデータベース装置から学習モデルを取得することで学習モデル記憶部６５を設けないようにしてもよい。この場合、信号組情報もデータベース装置３または別のデータベース装置に格納されてもよい。

次に、各装置のハードウェア構成について説明する。本実施の形態の学習装置５および異常兆候検知装置６は、コンピュータシステム上で、それぞれ学習装置５および異常兆候検知装置６における処理が記述されたプログラムが実行されることにより、コンピュータシステムが学習装置５および異常兆候検知装置６として機能する。図３は、本実施の形態の学習装置５を実現するコンピュータシステムの構成例を示す図である。異常兆候検知装置６も、同様に、例えば、図３に示すコンピュータシステムにより実現される。図３に示すように、このコンピュータシステムは、制御部１０１と入力部１０２と記憶部１０３と表示部１０４と通信部１０５と出力部１０６とを備え、これらはシステムバス１０７を介して接続されている。

図３において、制御部１０１は、例えば、ＣＰＵ（Central Processing Unit）等のプロセッサであり、本実施の形態の学習装置５および異常兆候検知装置６における処理が記述されたプログラムを実行する。入力部１０２は、たとえばキーボード、マウスなどで構成され、コンピュータシステムの使用者が、各種情報の入力を行うために使用する。記憶部１０３は、ＲＡＭ（Random Access Memory），ＲＯＭ（Read Only Memory）などの各種メモリおよびハードディスクなどのストレージデバイスを含み、上記制御部１０１が実行すべきプログラム、処理の過程で得られた必要なデータ、などを記憶する。また、記憶部１０３は、プログラムの一時的な記憶領域としても使用される。表示部１０４は、ディスプレイ、ＬＣＤ（液晶表示パネル）などで構成され、コンピュータシステムの使用者に対して各種画面を表示する。通信部１０５は、通信処理を実施する受信機および送信機である。出力部１０６は、プリンタなどである。なお、図３は、一例であり、コンピュータシステムの構成は図３の例に限定されない。

ここで、本実施の形態のプログラムが実行可能な状態になるまでのコンピュータシステムの動作例について説明する。上述した構成をとるコンピュータシステムには、たとえば、図示しないＣＤ（Compact Disc）－ＲＯＭドライブまたはＤＶＤ（Digital Versatile Disc）－ＲＯＭドライブにセットされたＣＤ－ＲＯＭまたはＤＶＤ－ＲＯＭから、プログラムが記憶部１０３にインストールされる。そして、プログラムの実行時に、記憶部１０３から読み出されたプログラムが記憶部１０３の主記憶領域に格納される。この状態で、制御部１０１は、記憶部１０３の主記憶領域に格納されたプログラムに従って、本実施の形態の学習装置５または異常兆候検知装置６としての処理を実行する。

なお、上記の説明においては、ＣＤ－ＲＯＭまたはＤＶＤ－ＲＯＭを記録媒体として、学習装置５および異常兆候検知装置６における処理を記述したプログラムを提供しているが、これに限らず、コンピュータシステムの構成、提供するプログラムの容量などに応じて、たとえば、通信部１０５を経由してインターネットなどの伝送媒体により提供されたプログラムを用いることとしてもよい。

図２に示した学習装置５のうち、信号分類部５２、信号組設定部５３、相関係数算出部５４およびモデル生成部５５は、図３に示した記憶部１０３に記憶されたプログラムが図３に示した制御部１０１により実行されることにより実現される。図２に示した信号定義記憶部５６、パターン記憶部５７および学習モデル記憶部５８は、図３に示した記憶部１０３の一部である。図２に示したデータ取得部５１および学習情報送信部５９は、図３に示した通信部１０５および制御部１０１により実現される。なお、異常兆候検知装置６は複数のコンピュータシステムにより実現されてもよい。また、学習装置５は、クラウドシステムにより実現されてもよい。

図２に示した異常兆候検知装置６のうち、相関係数算出部６３および異常兆候検知部６４は、図３に示した記憶部１０３に記憶されたプログラムが図３に示した制御部１０１により実行されることにより実現される。図２に示した学習モデル記憶部６５は、図３に示した記憶部１０３の一部である。図２に示したデータ取得部６１および検知結果送信部６６は、図３に示した通信部１０５および制御部１０１により実現される。なお、学習装置５は複数のコンピュータシステムにより実現されてもよい。また、異常兆候検知装置６は、クラウドシステムにより実現されてもよい。

また、データベース装置３も学習装置５および異常兆候検知装置６と同様に、図３に例示したコンピュータシステムにより実現される。コンピュータシステムが学習装置５および異常兆候検知装置６として動作するためのプログラムが実行可能な状態になるまでの動作例は学習装置５および異常兆候検知装置６と同様である。

例えば、本実施の形態のプログラムは、コンピュータシステムに、複数のセンサ２によって取得される複数の信号を、信号の検出対象の場所と検出対象の物理量とを示すあらかじめ定められた信号定義情報を用いて信号グループにグループ分けし、信号グループを信号グループに属する信号間の関係を示す情報を用いて分類する分類処理を行うステップと、分類処理の結果と、分類ごとにあらかじめ定められた信号組を生成する規則とを用いて、信号グループに属する複数の信号のうち２つの信号を１組とする信号組を設定するステップと、設定された信号組ごとに、基準となる期間の当該信号組を構成する２つの信号の相関係数の時系列データである第１時系列データを算出するステップと、算出された第１時系列データを異常兆候の検知における基準データとして含む学習モデルを生成するステップと、設定された信号組ごとに、監視対象の期間の複数の信号のうち当該信号組を構成する２つの信号の相関係数の時系列データである第２時系列データを算出するステップと、第２時系列データと、学習モデルとを用いてプラントの異常兆候の検知を行うステップと、を実行させる。

また、図１に示したデータベース装置３、表示データ提供装置７および表示装置８についても、同様に、図３に例示されるコンピュータシステムにより実現される。これらの装置についても同様に複数のコンピュータシステムにより実現されてもよい。

次に本実施の形態の動作について説明する。図４は、本実施の形態の学習装置５における学習処理手順の一例を示すフローチャートである。学習装置５は、まず、信号を分類する（ステップＳ１）。具体的には、信号分類部５２が、学習対象の信号を、信号定義記憶部５６に格納されている信号定義情報および分類情報を用いて分類し、分類結果を信号組設定部５３へ通知する。ここで、信号とは、センサ２によって取得されたセンサデータである。以下、信号名が同じセンサデータは、取得された日時が異なっていても同一の信号と呼ぶ。１つのセンサ２が、２つ以上の物理量を検出する場合には、物理量ごとに信号名が付与され、２つ以上の物理量はそれぞれ異なる信号である。

図５，６は、本実施の形態のセンサデータの一例を示す図である。図５に示した例では、センサデータは、日時と検出された物理量を示す数値とを含む信号である。図６に示した例では、センサデータは、日時と、ＯＮまたはＯＦＦのいずれであるかを示す値とを含む信号である。なお、図６では、ＯＮとＯＦＦとの文字で示されているが、学習処理では、これらが０，１などの２値の数値に変換されてもよい。

図５，６に例示したように、センサデータは時系列データである。信号分類部５２は、これらのセンサデータである信号を、信号定義情報を用いて分類する。本実施の形態では、上述したように、信号定義情報は、信号ごとに当該信号がどの装置に対応するかを示す装置対応情報と、信号名の命名規則を含む命名規則情報とを含む。装置は、発電プラントに設けられている各装置であり、例えば、タービン、ドレンポンプ、ポンプ、発電機などである。装置対応情報は、例えば、「ブレードパス温度＃１」という名称の信号がタービンに対応し、「ドレン温度＃Ａ１」という名称の信号がドレンポンプに対応するといった対応を示す情報を含む。装置対応情報は、装置ごとの当該装置に対応する信号名の一覧を示す情報を含むものあってもよいし、信号名ごとの当該信号名に対応する装置を示す情報を含むものであってもよい。

本実施の形態では、信号名は、検出対象の場所を示す文字列である第１文字列を含む。検出対象の場所とは、ブレードパス、ドレン、ＸＸ弁などのように、例えば、上述した装置を構成する装置内の機器である内部機器単位での検出対象の場所を示す。ブレードパス、ドレン、ＸＸ弁などの場所を示す情報を内部機器情報とも呼ぶ。信号名は、さらに、温度、開放度、流量、稼働状態（稼働しているか否か）といったように、検出対象の物理量を示す文字列である第２文字列を含む。なお、稼働状態についても検出対象の状態を示す物理量のひとつと考えることができる。信号名は、さらに、検出対象の詳細な場所を示す情報を含む場所識別情報を含む場合もあり、同一の検出対象が二重系、三重系などの多重系における系を示す情報を含む系識別情報を含む場合もある。本実施の形態の命名規則情報は、これらの規則を示す情報を含む。

例えば、信号名「ブレードパス温度＃１」は、第１文字列として「ブレードパス」を含み、第２文字列として「温度」を含み、場所識別情報として「１」を含む。また、信号名「ドレン温度＃Ａ１」は、第１文字列として「ドレン」を含み、第２文字列として「温度」を含み、場所識別情報として「１」を含み、系識別情報として「Ａ」を含む。この例では、ドレン温度については、同一場所を検出するためにＡ系、Ｂ系、Ｃ系の３系統が設けられており、「ドレン温度＃Ａ１」はこれらのうちのＡ系を示しているとする。なお、ここでは、場所識別情報および系識別情報の前に「＃」が含まれる例を示したが、「＃」は含まれていなくてもよい。

上記のような命名規則の場合、信号名が、文字列１、文字列２、場所識別情報、系識別情報の順に構成されていることを示す情報を命名規則情報として保持しておく。上述したように、場所識別情報および系識別情報は信号名に含まれてないこともある。例えば、文字列２として取り得る文字列の一覧を命名規則情報に含めておく、または文字列１および文字列２として取り得る文字列の一覧をそれぞれ命名規則情報に含めておくことで、命名規則情報を用いて、文字列１および文字列２を抽出することができる。また、同様に系識別情報が、文字列２に続く、Ａ，Ｂ，Ｃなどのアルファベットであることも命名規則情報に含めておくことで、信号名から系識別情報を抽出することができる。同様に、場所識別情報が文字列２より後に配置される数値であることを命名規則情報に含めておくことで、信号名から場所識別情報を抽出することができる。

以上説明した命名規則は一例であり、発電プラントで用いられている命名規則が上記と異なる場合には用いられている命名規則に応じて同様に命名規則情報が生成されればよい。また、上記の例では、場所識別情報、物理量または状態を示す情報が文字列であるがこれらが英数字で表されていてもよい。また、系識別情報および場所識別情報についても、上述した英字または数字に限定されずその他の情報により示されていてもよい。また、信号名を構成する文字列１、文字列２、場所識別情報、系識別情報の順もこの順に限定されない。

信号分類部５２は、学習対象の信号ごとに、信号名と信号定義情報とを用いて対応する装置と内部機器情報を求め、求めた結果と信号定義記憶部５６に格納されている分類情報とを用いて、各信号を分類する。図７は、本実施の形態の分類情報の一例を示す図である。図７に示すように、本実施の形態の分類情報は、関係する信号の有無と、分類Ａ、分類Ｂ、分類Ｃおよび分類Ｄのいずれの分類に対応するかを示す情報である。関係する信号は、例えば、直列の関係の信号、並列の関係の信号であり、図７ではこれらを、直列、並列と記載している。直列の関係の信号は、信号名に場所識別情報が含まれていない信号については文字列１および文字列２が同一で系識別情報が異なる信号であり、信号名に場所識別情報が含まれている信号については、文字列１、文字列２および場所識別情報が同一で系識別情報が異なる信号である。並列の関係の信号は、信号名に系識別情報が含まれていない信号については文字列１および文字列２が同一で場所識別情報が異なる信号であり、信号名に系識別情報が含まれている信号については、文字列１、文字列２および場所識別情報が同一で場所識別情報が異なる信号である。

図７に示した分類情報は、直列の関係の信号もなく並列の関係の信号もない信号は、分類Ａに分類し、並列の関係の信号があり直列の関係の信号がない信号は、分類Ｂに分類し、直列の関係の信号があり並列の関係の信号がない信号は、分類Ｃに分類し、並列の関係の信号があり、かつ直列の関係の信号もある場合は、分類Ｄに分類することを示している。なお、図７に示した分類情報によって示される分類方法は一例であり、発電プラントの状況、管理者の要望などに応じて適宜設定されればよい。

信号分類部５２は、例えば、信号名「ブレードパス温度＃１」の信号以外に、信号名「ブレードパス温度＃２」の信号、信号名「ブレードパス温度＃３」の信号などのように場所識別情報だけが異なり他が同一の信号が学習対象の信号に含まれる場合には、これらの信号を、分類Ｂに分類する。また、信号分類部５２は、例えば、信号名「ＹＹ流量Ａ」、「ＹＹ流量Ｂ」、「ＹＹ流量Ｃ」のように、系識別情報だけが異なり他が同一の信号が学習対象の信号に含まれる場合には、これらの信号を、分類Ｃに分類する。また、信号分類部５２は、信号名「ドレン温度＃Ａ１」の信号、信号名「ドレン温度＃Ｂ１」の信号、信号名「ドレン温度＃Ａ２」の信号、信号名「ドレン温度＃Ｂ２」の信号などのように、信号名に系識別情報および場所識別情報の両方を含み、系識別情報および場所識別情報のうち少なくともいずれか一方が異なりかつ他が同一の信号が、学習対象の信号に含まれる場合には、信号分類部５２は、これらの信号を、分類Ｄに分類する。ステップＳ１の処理の詳細な処理手順については後述する。

図４の説明に戻る。ステップＳ１の後、学習装置５は、分類結果に応じて信号組を設定する（ステップＳ２）。詳細には、信号組設定部５３が、分類結果とパターン記憶部５７に記憶されているパターン情報とを用いて信号グループに属する複数の前記信号のうち２つの信号を１組とする信号組を設定する。パターン情報は、あらかじめ定められた信号組を生成する規則であり、分類Ａ、分類Ｂ、分類Ｃおよび分類Ｄの分類ごとに、どのように信号組を生成するかの規則である。したがって、なお、分類Ａに属する信号は、信号組を生成しない。ここでは、分類Ａのように信号組を生成しないことを示す情報も、どのように信号組を生成するかの規則を示す情報の一部であるとする。分類Ａについては、パターン情報には、信号組を生成しないことを示す情報が格納される。なお、信号組を生成しない場合には後述する相関係数は算出されないため、信号すなわちセンサデータの時系列データ自体が後述する学習に用いられる。

ここでは、各信号の場所識別情報である数値、各信号の系識別情報であるアルファベットの文字を用いて、数値の若い順、アルファベットの順に信号を並べ、並べた順に隣接する信号を１組として信号組を生成する。例えば、場所識別情報については、１，２などの数値であるため、数値の若い順に信号を並べ、並べた順に隣接する信号を１組の信号組とする。また、並び順を循環的に定義し、場所識別情報が最も大きい数値の次の数値を場所識別情報が最も小さい数値と考えるように循環的に信号の順を定義する。

例えば、分類Ｂに分類されて信号名における文字列１および文字列２が等しい信号の数がｐ個であったとする。この場合、場所識別情報が１の信号と場所識別情報が２の信号とを１つの信号組とし、場所識別情報が３の信号と場所識別情報が４の信号とを１つの信号組といったように、全ての信号が一度ずつ、いずれかの信号組で用いられるように信号組を生成する規則を定めておく。または、場所識別情報が１の信号と場所識別情報が２の信号とを１つの信号組とし、場所識別情報が２の信号と場所識別情報が３の信号とを１つの信号組といったように、全ての信号が２回ずつ、いずれかの信号組で用いられるように信号組を生成する規則を定めておく。この場合、場所識別情報は１からｐとすると、場所識別情報がｐの信号の次は場所識別情報が１の信号であるため、場所識別情報がｐの信号と場所識別情報が１の信号とで構成される信号組も設定される。ここでは、分類Ｂに対応するパターンとして、全ての信号が一度ずつ、いずれかの信号組で用いられるように信号組を生成する第１パターンと、全ての信号が一度ずつ、いずれかの信号組で用いられるように信号組を生成する第２パターンとが、パターン情報によって定められているとする。第１パターンと第２パターンとのどちらを用いるかは、信号組設定部５３が該当する信号を図示しない表示部へ表示して管理者に選択を促すことで、選択を受け付けるようにしてもよいし、文字列１および文字列２ごとに、管理者によってあらかじめ設定されてもよい。

分類Ｃについては、系識別情報のアルファベットの順、すなわちＡ，Ｂ，Ｃ，Ｄ，・・・の順に信号を並べ、各信号が他の全ての信号とそれぞれ信号組を生成するように規則が定められる。すなわち、分類Ｃに分類された信号のうち信号名における文字列１および文字列２が等しい信号を、系識別情報のアルファベットの順に並べ、系識別情報がＡの信号と系識別情報がＢの信号とを１つの信号組とし、系識別情報がＡの信号と系識別情報がＣの信号とを１つの信号組とし、系識別情報がＢの信号と系識別情報がＣの信号とを１つの信号組とする。

分類Ｄについては、分類Ｂと分類Ｃの組み合わせである。したがって、ここでは、上述した分類Ｂの第２パターンを分類Ｄの第１パターンとし、分類Ｃのパターンを分類Ｄの第２パターンとし、分類Ｄでは分類Ｄの第１パターンと分類Ｄの第２パターンとの両方の信号組が生成されるように規則が定められる。なお、分類Ｄの第１パターンとして上述した分類Ｂの第１パターンが用いられてもよい。また、分類Ｂと同様に、分類Ｄにおいても、管理者により分類Ｂの第１パターンと分類Ｂの第２パターンとのどちらを用いるかが設定されてもよい。

なお、センサ２の削除などによって、場所識別情報が連続していないことも考えられるが、このような場合も、同様に場所識別情報の若い順に信号を並べて、並べた順で隣接している信号同士で信号組を生成することで、上記の例と同様に信号組を生成することができる。例えば、場所識別情報が１の信号と場所識別情報が３の信号とが存在し、場所識別情報が２の信号が存在しない場合には、場所識別情報が１の信号と場所識別情報が３の信号とで信号組が生成されることになる。系識別情報についても同様に、連続していない場合であっても、アルファベットの順に並べて並びの順で隣接する信号で信号組を生成すればよい。

ステップＳ２の後、学習装置５は、各信号組の相関係数を算出する（ステップＳ３）。詳細には、第１相関係数算出部である相関係数算出部５４が、信号組設定部５３によって設定された信号組ごとに、基準となる期間の当該信号組を構成する２つの信号の相関係数の時系列データである第１時系列データを算出してモデル生成部５５へ出力する。詳細には、例えば、相関係数算出部５４は、学習対象として指定された期間の信号組を構成する２つの信号のセンサデータを、データ取得部５１を介してデータベース装置３から取得する。そして、相関係数算出部５４は、取得したセンサデータのうち一定期間のセンサデータを用いて相関係数を算出し、一定期間を時系列データの刻み分ずらして相関係数を算出することを繰り返すことで、相関係数の時系列データを生成する。例えば、相関係数算出部５４は、６０分間のデータを用いて相関係数を算出し、１分ごとに６０分の区切りをずらすことで、相関係数の時系列データを生成する。

次に、学習装置５は、相関係数の時系列データを用いて学習モデルを生成し（ステップＳ４）、処理を終了する。詳細には、モデル生成部５５が、相関係数算出部５４によって算出された相関係数の時系列データを異常兆候の検知における基準データとして含む学習モデルを生成する。すなわち、相関係数算出部５４から入力された相関係数の時系列データを、基準データ、すなわち異常兆候の判定に用いる教師データとして学習モデル記憶部５８に格納する。また、モデル生成部５５は、学習モデル記憶部５８に格納されている相関係数の時系列データを用いてばらつきを求め、このばらつきを用いて異常兆候の判定において正常か否かの判定に用いる閾値を決定し、閾値を学習モデルとして学習モデル記憶部５８に格納する。本実施の形態では、学習モデルは、上述した教師データと閾値とを含む。

以上のようにして生成された学習モデルは、学習情報送信部５９によって異常兆候検知装置６へ送信される。また、学習情報送信部５９は、上述したように、ステップＳ２で設定された信号組を示す信号組情報についても異常兆候検知装置６へ送信する。なお、学習装置５および異常兆候検知装置６が一体化される場合、または学習モデル記憶部５８が異常兆候検知装置６からアクセス可能なように構成される場合には、学習情報送信部５９は学習モデルを異常兆候検知装置６へ送信する必要はない。

次に、上述したステップＳ１の信号の分類方法について説明する。図８は、本実施の形態の信号の分類手順の一例を示すフローチャートである。図８に示すように、信号分類部５２は、信号名を分割する（ステップＳ１１）。詳細には、信号分類部５２は、信号ごとに、信号定義記憶部５６に格納されている命名規則情報を用いて、信号名を第１文字列、第２文字列、場所識別情報および系識別情報に分割する。

信号分類部５２は、装置ごとに、第１文字列および第２文字列が同一の信号名を抽出する（ステップＳ１２）。詳細には、信号分類部５２は、信号定義記憶部５６に格納されている装置対応情報を用いて、信号名を同一の装置に対応する信号が同一のグループとなり別の装置に対応する信号名が別のグループとなるように装置ごとにグループ分けする。そして、信号分類部５２は、グループ内で、第１文字列および第２文字列が同一の信号を抽出する。信号分類部５２は、抽出した信号名を、さらに第１文字列および第２文字列ごとに信号グループにグループ分けする。例えば、信号分類部５２は、同一装置に対応する信号名において、第１文字列がＸ１であり第２文字列がＹ１の信号名が複数ある場合、これらの複数の信号名を信号グループ＃１のグループとする。そして、第１文字列がＸ２であり第２文字列がＹ１の信号名が複数ある場合、信号組設定部５３は、これらの複数の信号名を信号グループ＃２のグループとする。

次に、信号分類部５２は、ステップＳ１２で抽出した信号名のなかから系識別情報が同一の信号名を抽出する（ステップＳ１３）。詳細には、信号分類部５２は、信号グループごとに、同一信号グループに属する信号名のうち系識別情報が同一の信号名を抽出する。

次に、信号分類部５２は、ステップＳ１２で抽出した信号名のなかから場所識別情報が同一の信号名を抽出する（ステップＳ１４）。詳細には、信号分類部５２は、信号グループごとに、同一信号グループに属する信号名のうち場所識別情報が同一の信号名を抽出する。

次に、信号分類部５２は、抽出結果を用いて信号を分類し（ステップＳ１５）、処理を終了する。詳細には、ステップＳ１５では、信号分類部５２は、ステップＳ１３の抽出結果とステップＳ１４の抽出結果と信号定義記憶部５６に格納されている分類情報とを用いて、信号を分類する。例えば、信号分類部５２は、信号グループごとに、ステップＳ１３で複数の信号名が抽出されかつステップＳ１４で複数の信号名が抽出されなかった場合に、当該信号グループに属する信号名に対応する信号は並列の関係にあることから、分類情報に基づいて分類Ｂに分類する。なお、上述したように信号名に系識別情報が含まれていないこともあるが、系識別情報が含まれていないもの同士の系識別情報は同一であるとする。同様に、場所識別情報が含まれていない信号名同士の場所識別情報は同一であるとする。

また、信号分類部５２は、信号グループごとに、ステップＳ１３で複数の信号名が抽出されずかつステップＳ１４で複数の信号名が抽出された場合、当該信号グループに属する信号名に対応する信号は直列の関係にあることから、当該信号グループに属する信号名に対応する信号を分類Ｃに分類する。また、信号分類部５２は、信号グループごとに、ステップＳ１３で複数の信号名が抽出されステップＳ１４で複数の信号名が抽出された場合、当該信号グループに属する信号名に対応する信号は並列関係の信号もあり直列関係の信号もあることから、当該信号グループに属する信号名に対応する信号を分類Ｄに分類する。また、信号分類部５２は、信号グループごとに、ステップＳ１３で複数の信号名が抽出されずかつステップＳ１４で複数の信号名が抽出されなかった場合に、当該信号グループに属する信号名に対応する信号を分類Ａに分類する。信号分類部５２は、分類結果として、信号グループに属する信号名と当該信号グループに対応する分類を示す情報とを信号組設定部５３へ通知する。

このように、本実施の形態の信号分類部５２は、複数の信号を、信号の検出対象の場所と検出対象の物理量とを示すあらかじめ定められた信号定義情報を用いて信号グループにグループ分けし、信号グループを信号グループに属する信号間の関係を示す情報である分類情報を用いて分類する。詳細には、上述した例では、信号分類部５２は、信号名から、対応する装置、内部機器、詳細場所および物理量を示す情報を抽出して、抽出した情報を用いてグループ分けする。

なお、図８に示した処理手順は、ここで仮定した信号名の命名規則を前提とした分類の手順であり、信号の分類方法は、図８に示した例に限定されず、信号名の命名規則に応じて適宜決定されればよい。

次に、本実施の形態のステップＳ２で設定された信号組の例について説明する。図９は、本実施の形態の分類Ｂの第１パターンを用いて設定される信号組の一例を示す図である。図９に示した例では、ブレードパス温度について、１２か所の温度の計測が行われており、それぞれに対応する信号の信号名は「ブレードパス温度＃１」、「ブレードパス温度＃２」、・・・、「ブレードパス温度＃１２」である。この場合、これら１２個の信号は、同一の装置に対応し、かつ信号名の第１文字列および第２文字列が同一であり、系識別情報が同一のものが複数あり、場所識別情報が同一のものがないため、分類Ｂに分類される。図９に示した例では、これらの信号に関して分類Ｂの２つのパターンのうち第１パターンを用いると設定されているため、場所識別情報の順に並べたときに信号名の隣接する２つの信号で信号組が生成され、また、各信号はいずれかの１つの信号組に属している。図９に示すように、信号組を信号名の並びの順に、先頭の２つで（１）に示した信号組を生成し、次に３番目と４番目の信号名の信号で（２）に示した信号組を生成するといったように、信号組を構成する信号のうち並び順の早い信号を１つとばして順次下にずらして信号組を生成することで自動的に信号組を生成することができる。なお、図９に示した例では、並びの順の早いものが上に記載されている。

図１０は、本実施の形態の分類Ｂの第２パターンを用いて設定される信号組の一例を示す図である。図１０に示した例では、図９に示した例と同様に、１２個のブレードパス温度の信号を示しているが、ここでは、これらの信号に関して分類Ｂの２つのパターンのうち第２パターンを用いると設定されているとし、場所識別情報の順に並べたときに信号名の隣接する２つの信号で信号組が生成され、また、各信号は２つの信号組に属している。図１０に示すように、信号組を信号名の並びの順に、先頭の２つで（１）に示した信号組を生成し、次に２番目と３番目の信号名の信号で（２）に示した信号組を生成するといったように、信号組を構成する信号のうち並び順の早い信号を１つずつ順次下へずらずして信号組を生成することで自動的に信号組を設定することができる。なお、図１０に示した例では、並びの順の早いものが上に記載されている。

図１１は、本実施の形態の分類Ｃのパターンを用いて設定される信号組の一例を示す図である。図１１に示した例では、ＹＹ流量を計測するセンサ２が、Ａ系、Ｂ系およびＣ系の３つ設けられる。これらの３つの信号の信号名はそれぞれ「ＹＹ流量Ａ」、「ＹＹ流量Ｂ」、「ＹＹ流量Ｃ」である。この場合、これら３つの信号は、同一の装置に対応し、かつ信号名の第１文字列および第２文字列が同一であり、系識別情報が同一のものが複数なく、場所識別情報が同一のものがあるため、分類Ｃに分類される。分類Ｃの信号組のパターンは、すべての組み合わせで信号組を生成するパターンであるため、図１１に示すように、「ＹＹ流量Ａ」と「ＹＹ流量Ｂ」、「ＹＹ流量Ｂ」と「ＹＹ流量Ｃ」、「ＹＹ流量Ｃ」と「ＹＹ流量Ａ」の信号組が設定される。

図１２は、本実施の形態の分類Ｄの第１パターンを用いて設定される信号組の一例を示す図である。図１２に示した例では、ドレン温度を計測するセンサ２は計測する詳細場所が３か所あるとともに、それぞれにＡ系、Ｂ系およびＣ系の３つの系のセンサ２が設けられる。これらの合計９つの信号の信号名はそれぞれ「ドレン温度＃Ａ１」、「ドレン温度＃Ｂ１」、「ドレン温度＃Ｃ１」、「ドレン温度＃Ａ２」、「ドレン温度＃Ｂ２」、「ドレン温度＃Ｃ２」、「ドレン温度＃Ａ３」、「ドレン温度＃Ｂ３」、「ドレン温度＃Ｃ３」である。この場合、これら９つの信号は、同一の装置に対応し、かつ信号名の第１文字列および第２文字列が同一であり、系識別情報が同一のものが複数ありかつ場所識別情報が同一のものがあるため、分類Ｄに分類される。分類Ｄに関しては、上述したように第１パターンと第２パターンとがあり、図１２では、このうち第１パターンを用いて設定される信号組を示している。

図１３は、本実施の形態の分類Ｄの第２パターンを用いて設定される信号組の一例を示す図である。図１３に示した例では、図１２に示した例と同様の９つの信号に関して、分類Ｄの第２パターンを用いて設定される信号組の一例を示している。分類Ｄでは、図１２に示した第１パターンと図１３に示した第２パターンとの両方に対応する信号組が設定されてもよいし、いずれか一方のパターンが管理者によって選択されて設定されてもよい。

次に、本実施の形態の異常兆候検知処理について説明する。図１４は、本実施の形態の異常兆候検知装置６における異常兆候検知処理手順の一例を示すフローチャートである。図１４に示すように、異常兆候検知装置６は、監視対象の時系列データを取得する（ステップＳ２１）。詳細には、データ取得部６１は、監視対象日時のセンサデータをデータベース装置３から取得し、相関係数算出部６３へ出力する。

次に、異常兆候検知装置６は、設定された信号組を用いて相関係数を算出する（ステップＳ２２）。詳細には、第２相関係数算出部である相関係数算出部６３が、信号組設定部５３によって設定された信号組ごとに、監視対象の期間の複数の信号のうち当該信号組を構成する２つの信号の相関係数の時系列データである第２時系列データを算出する。すなわち、相関係数算出部６３は、学習情報受信部６２から通知された信号組情報を参照して、信号組ごとに、データ取得部６１から入力されたセンサデータから対応する１組のセンサデータを用いて、相関係数算出部５４と同様に、相関係数の時系列データを算出し、異常兆候検知部６４へ出力する。

次に、異常兆候検知装置６は、算出された相関係数の時系列データと学習モデルを用いて異常兆候の検知処理を実施し（ステップＳ２３）、処理を終了する。詳細には、例えば、異常兆候検知部６４が、相関係数算出部６３から入力された相関係数の時系列データと、学習モデル記憶部６５に学習モデルとして記憶されている教師データとの乖離を算出し、乖離が学習モデル記憶部６５に学習モデルとして記憶されている閾値以下の場合に、監視対象のセンサデータが正常であると判定し、乖離が閾値を超えている場合に異常兆候があると判定する。

異常兆候検知部６４は、ステップＳ２３の異常兆候の検知処理の結果、すなわち異常兆候を検知したか否かの判定結果を検知結果送信部６６へ出力し、検知結果送信部６６は、データベース装置３へ検知結果を送信する。そして、上述したように、表示データ提供装置７を介して、表示装置８に検知結果が表示される。なお、発電プラントの管理者は、検知結果を確認し、検知結果が、異常兆候があると判定されたことを示す場合、監視対象を確認して異常兆候ではなく実際には正常であると確認すると、対応するセンサデータを正常データとして学習装置５に学習させるように、学習装置５に入力してもよい。このように、検知結果のフィードバックを行うことにより、異常兆候の検知の精度をより高めることができる。

なお、以上説明した例では、分析システム４は、信号名を用いて信号を分類して分類結果を用いて信号組を設定した。これに限らず、分析システム４は、各信号がどこの何を検出するかを示す信号属性情報を信号定義記憶部５６に格納しておき、信号属性情報を用いて、信号組を自動生成してもよい。すなわち、本実施の形態では、各信号がどこの何を検出するかを示す信号定義情報を用いて分類が行われればよく、信号属性情報を信号定義記憶部５６に格納する場合には信号属性情報が信号定義情報であり、上述した装置対応情報、信号名および命名規則情報を用いる例では、装置対応情報、信号名および命名規則情報が信号定義情報である。なお、信号属性情報は、さらに、直列関係にある信号の有無、および並列関係にある信号の有無を示す信号関連情報を含んでいてもよい。

図１５は、本実施の形態の信号属性情報の一例を示す図である。図１５に示した信号属性情報は、信号ごとの、当該信号に対応する装置（プラントを構成する装置）、信号名、場所（内部機器）、詳細場所、センサ２によって検出される物理量（図では物理量と記載）、直列関係にある信号の有無（図では直列と記載）、および並列関係にある信号の有無を示す情報（図では並列と記載）を含む。このように、信号定義情報の一例である信号属性情報は、装置と、内部機器と、物理量と、が信号に対応づけられた情報である。場所（内部機器）は上述した信号名の第２文字列と同様に内部機器を単位とした場所を示す。詳細場所は、上述した場所識別情報で示される場所と同様に内部機器内のセンサ２が設置される場所である。直列関係にある信号は、上述した例と同様に、装置、場所（内部機器）、詳細場所および検出対象が同じであり、Ａ系、Ｂ系などの多重系の関係にある信号である。並列関係にある信号は、上述した例と同様に、装置、場所（内部機器）および検出対象が同じであり、詳細場所が異なる信号である。

図１５に示した信号属性情報を用いる場合、信号定義記憶部５６に信号属性情報が格納され、信号分類部５２は、信号定義記憶部５６に格納された信号属性情報と分類情報とを用いて、信号を分類する。図１５に示した例では、信号属性情報に、直列関係にある信号の有無、および並列関係にある信号の有無を含むため、信号分類部５２は、これらの情報と分類情報とを用いる各信号を分類することができる。例えば、信号分類部５２は、装置、場所（内部機器）、検出対象の物理量が同一の信号を同一の信号グループに属させ、これらのうち詳細場所が同一のものがなく詳細場所が異なる信号がある場合に、この信号グループについては、分類Ｂとする。分類Ｂについては、信号組設定部５３は、上述した例と同様に、信号グループに属する信号の全てが、当該信号グループに属する各信号がそれぞれ定められた数の信号組に含まれるように信号組を設定する。また、信号分類部５２は、信号グループを構成する信号のうち詳細場所が同一の信号がありかつ詳細場所が異なる信号がないものを分類Ｃとする。分類Ｃについては、信号組設定部５３は、上述した例と同様に、信号グループに属する前記信号の全ての２つの信号の組み合わせの前記信号組を設定する。また、信号グループを構成する信号のうち詳細場所が同一の信号がありかつ詳細場所が異なる信号があるものを分類Ｄとする。信号分類部５２は、信号名を用いる分類する場合と同様に、信号グループごとに当該信号グループに属する信号の信号名と、当該信号グループに対応する分類を示す情報とを分類結果として信号分類部５２へ出力する。

信号分類部５２は、図１５に示した信号属性情報を用いる場合、同一の信号グループに属する信号の信号名を任意の順に並べる。この並びの順を上述した場所識別情報に基づく並び順と同様に扱って、同様に信号組を生成することができる。

図１５に示した例では、信号属性情報から直接、分類Ａから分類Ｄまでのどの分類に属するかが把握しやすいように、直列関係にある信号の有無、および並列関係にある信号の有無を示す情報を設けているが、これらの情報は信号属性情報に含まれていなくてもよい。直列関係にある信号の有無、および並列関係にある信号の有無は、上述した信号名を用いて分類を行う例と同様に、当該信号に対応する装置、場所（内部機器）、詳細場所および検出対象から求めることができる。例えば、信号名を用いて分類する場合と同様に、信号分類部５２は、信号属性情報を用いて、装置、場所（内部機器）、詳細場所および検出対象が同一の信号が複数存在し、かつ、装置、場所（内部機器）および検出対象が同一の信号のうち詳細場所が同一の信号が複数存在しない信号を、分類Ｃとする。また、信号分類部５２は、装置、場所（内部機器）、検出対象および詳細場所が同一の信号が複数存在し、かつ、装置、装置、場所（内部機器）、詳細場所および検出対象が同一の信号のうち詳細場所が異なる信号が存在しない場合に、分類Ｂとする。また、信号分類部５２は、装置、場所（内部機器）、検出対象および詳細場所が同一の信号が複数存在し、かつ装置、装置、場所（内部機器）、詳細場所および検出対象が同一の信号のうち詳細場所が異なる信号が存在する場合に、分類Ｄとする。

以上のように、本実施の形態では、装置対応情報と、各信号がどこの何を検出するかを示す信号属性情報を用いて信号を、互いに関連があると推定される信号グループにグループ分けし、信号グループにおける信号間の関係ごとにあらかじめ定めた信号組の生成方法を示すパターン情報を用いて信号組を自動で生成し、信号組ごとに相関係数を算出する。そして、相関関数の時系列データを用いて異常兆候の検知のための学習を行うようにした。このため、異常兆候の検知精度を向上させることができる。また、信号組をそれぞれ人手により設定する場合に比べて作業の手間を抑制することができる。さらに、全ての信号の組み合わせとして信号組を設定する場合に比べ、設定する信号組の数を抑制することができ、効率的に処理を行うことができる。

以上の実施の形態に示した構成は、一例を示すものであり、別の公知の技術と組み合わせることも可能であるし、実施の形態同士を組み合わせることも可能であるし、要旨を逸脱しない範囲で、構成の一部を省略、変更することも可能である。

１ 異常兆候検知システム、２－１～２－ｎ センサ、３ データベース装置、４ 分析システム、５ 学習装置、６ 異常兆候検知装置、７ 表示データ提供装置、８ 表示装置、５１，６１ データ取得部、５２ 信号分類部、５３ 信号組設定部、５４，６３ 相関係数算出部、５５ モデル生成部、５６ 信号定義記憶部、５７ パターン記憶部、５８，６５ 学習モデル記憶部、５９ 学習情報送信部、６２ 学習情報受信部、６４ 異常兆候検知部、６６ 検知結果送信部。

Claims (7)

1. 監視対象のプラントに設けられた複数のセンサによってそれぞれ取得された複数の信号を用いて前記プラントの異常兆候の検知を行う分析システムであって、
   前記複数の信号を、前記信号の検出対象の場所と検出対象の物理量とを示すあらかじめ定められた信号定義情報を用いて信号グループにグループ分けし、前記信号グループを前記信号グループに属する信号間の関係を示す情報を用いて分類する信号分類部と、
   前記信号分類部によって分類された結果と、分類ごとにあらかじめ定められた信号組を生成する規則とを用いて、前記信号グループに属する複数の前記信号のうち２つの信号を１組とする信号組を設定する信号組設定部と、
   前記信号組設定部によって設定された前記信号組ごとに、基準となる期間の当該信号組を構成する２つの前記信号の相関係数の時系列データを算出する第１相関係数算出部と、
   前記第１相関係数算出部によって算出された前記相関係数の時系列データを前記異常兆候の検知における基準データとして含む学習モデルを生成するモデル生成部と、
   前記信号組設定部によって設定された前記信号組ごとに、監視対象の期間の前記複数の信号のうち当該信号組を構成する２つの前記信号の相関係数の時系列データを算出する第２相関係数算出部と、
   前記第２相関係数算出部によって算出された前記相関係数の時系列データと、前記学習モデルとを用いて前記プラントの異常兆候の検知を行う異常兆候検知部と、
   を備え、
   前記信号定義情報は、前記プラントを構成する装置と、前記装置を構成する内部機器と、前記センサによって検出される物理量とが前記信号に対応付けられた情報であり、
   前記信号定義情報は、さらに前記信号ごとの前記内部機器において前記センサが設置される場所である詳細場所を示す情報を含み、
   前記信号分類部は、前記装置、前記内部機器、前記詳細場所および前記物理量が同一の前記信号を同一の前記信号グループに属させ、
   前記信号組設定部は、前記装置、前記内部機器、前記詳細場所および前記物理量が同一の前記信号で構成される前記信号グループに関しては、当該信号グループに属する前記信号の全ての２つの信号の組み合わせの前記信号組を設定することを特徴とする分析システム。
2. 監視対象のプラントに設けられた複数のセンサによってそれぞれ取得された複数の信号を用いて前記プラントの異常兆候の検知を行う分析システムであって、
   前記複数の信号を、前記信号の検出対象の場所と検出対象の物理量とを示すあらかじめ定められた信号定義情報を用いて信号グループにグループ分けし、前記信号グループを前記信号グループに属する信号間の関係を示す情報を用いて分類する信号分類部と、
   前記信号分類部によって分類された結果と、分類ごとにあらかじめ定められた信号組を生成する規則とを用いて、前記信号グループに属する複数の前記信号のうち２つの信号を１組とする信号組を設定する信号組設定部と、
   前記信号組設定部によって設定された前記信号組ごとに、基準となる期間の当該信号組を構成する２つの前記信号の相関係数の時系列データを算出する第１相関係数算出部と、
   前記第１相関係数算出部によって算出された前記相関係数の時系列データを前記異常兆候の検知における基準データとして含む学習モデルを生成するモデル生成部と、
   前記信号組設定部によって設定された前記信号組ごとに、監視対象の期間の前記複数の信号のうち当該信号組を構成する２つの前記信号の相関係数の時系列データを算出する第２相関係数算出部と、
   前記第２相関係数算出部によって算出された前記相関係数の時系列データと、前記学習モデルとを用いて前記プラントの異常兆候の検知を行う異常兆候検知部と、
   を備え、
   前記信号定義情報は、前記プラントを構成する装置と、前記装置を構成する内部機器と、前記センサによって検出される物理量とが前記信号に対応付けられた情報であり、
   前記信号定義情報は、さらに前記信号ごとの前記内部機器において前記センサが設置される場所である詳細場所を示す情報を含み、
   前記信号分類部は、前記装置、前記内部機器および前記物理量が同一でありかつ前記詳細場所が異なる前記信号を同一の前記信号グループに属させ、
   前記信号組設定部は、前記装置、前記内部機器および前記物理量が同一でありかつ前記詳細場所が異なる前記信号で構成される前記信号グループに関しては、当該信号グループに属する前記信号の全てが、当該信号グループに属する各前記信号がそれぞれ定められた数の前記信号組に含まれるように前記信号組を設定することを特徴とする分析システム。
3. 監視対象のプラントに設けられた複数のセンサによってそれぞれ取得された複数の信号を用いて前記プラントの異常兆候の検知を行う分析システムであって、
   前記複数の信号を、前記信号の検出対象の場所と検出対象の物理量とを示すあらかじめ定められた信号定義情報を用いて信号グループにグループ分けし、前記信号グループを前記信号グループに属する信号間の関係を示す情報を用いて分類する信号分類部と、
   前記信号分類部によって分類された結果と、分類ごとにあらかじめ定められた信号組を生成する規則とを用いて、前記信号グループに属する複数の前記信号のうち２つの信号を１組とする信号組を設定する信号組設定部と、
   前記信号組設定部によって設定された前記信号組ごとに、基準となる期間の当該信号組を構成する２つの前記信号の相関係数の時系列データを算出する第１相関係数算出部と、
   前記第１相関係数算出部によって算出された前記相関係数の時系列データを前記異常兆候の検知における基準データとして含む学習モデルを生成するモデル生成部と、
   前記信号組設定部によって設定された前記信号組ごとに、監視対象の期間の前記複数の信号のうち当該信号組を構成する２つの前記信号の相関係数の時系列データを算出する第２相関係数算出部と、
   前記第２相関係数算出部によって算出された前記相関係数の時系列データと、前記学習モデルとを用いて前記プラントの異常兆候の検知を行う異常兆候検知部と、
   を備え、
   前記信号定義情報は、前記プラントを構成する装置と、前記装置を構成する内部機器と、前記センサによって検出される物理量とが前記信号に対応付けられた情報であり、
   前記信号定義情報は、さらに前記信号ごとの前記内部機器において前記センサが設置される場所である詳細場所を示す情報を含み、
   前記信号の信号名は、前記プラントを構成する装置と、前記装置を構成する内部機器と、前記センサが設置される場所である詳細場所と、前記センサによって検出される物理量とを示す情報を含み、前記信号定義情報は前記信号名を含み、
   前記信号分類部は、前記信号名から前記装置、前記内部機器、前記詳細場所および前記物理量を示す情報を抽出し、抽出した情報を用いて前記信号を前記信号グループにグループ分し、
   前記信号の信号名は、多重系における前記センサに対応する系を示す情報を含み、
   前記信号分類部は、前記装置、前記内部機器、前記詳細場所および前記物理量が同一でありかつ前記系を示す情報が異なる前記信号を同一の前記信号グループに属させ、
   前記信号組設定部は、前記装置、前記内部機器、前記詳細場所および前記物理量が同一でありかつ前記系を示す情報が異なる前記信号で構成される前記信号グループに関しては、当該信号グループに属する前記信号の全てが、当該信号グループに属する各前記信号がそれぞれ定められた数の前記信号組に含まれるように前記信号組を設定することを特徴とする分析システム。
4. 監視対象のプラントに設けられた複数のセンサによってそれぞれ取得された複数の信号を用いて前記プラントの異常兆候の検知を行うための学習を行う学習装置であって、
   前記複数の信号を、前記信号の検出対象の場所と検出対象の物理量とを示すあらかじめ定められた信号定義情報を用いて信号グループにグループ分けし、前記信号グループを前記信号グループに属する信号間の関係を示す情報を用いて分類する信号分類部と、
   前記信号分類部によって分類された結果と、分類ごとにあらかじめ定められた信号組を生成する規則とを用いて、前記信号グループに属する複数の前記信号のうち２つの信号を１組とする信号組を設定する信号組設定部と、
   前記信号組設定部によって設定された前記信号組ごとに、基準となる期間の当該信号組を構成する２つの前記信号の相関係数の時系列データを算出する第１相関係数算出部と、
   前記第１相関係数算出部によって算出された前記相関係数の時系列データを前記異常兆候の検知における基準データとして含む学習モデルを生成するモデル生成部と、
   を備え、
   前記信号定義情報は、前記プラントを構成する装置と、前記装置を構成する内部機器と、前記センサによって検出される物理量とが前記信号に対応付けられた情報であり、
   前記信号定義情報は、さらに前記信号ごとの前記内部機器において前記センサが設置される場所である詳細場所を示す情報を含み、
   前記信号分類部は、前記装置、前記内部機器、前記詳細場所および前記物理量が同一の前記信号を同一の前記信号グループに属させ、
   前記信号組設定部は、前記装置、前記内部機器、前記詳細場所および前記物理量が同一の前記信号で構成される前記信号グループに関しては、当該信号グループに属する前記信号の全ての２つの信号の組み合わせの前記信号組を設定することを特徴とする学習装置。
5. 監視対象のプラントに設けられた複数のセンサと、
   前記複数のセンサによってそれぞれ取得された複数の信号を用いて前記プラントの異常兆候の検知を行う請求項１から３のいずれか１つに記載の分析システムと、
   を備えることを特徴とする異常兆候検知システム。
6. 監視対象のプラントに設けられた複数のセンサによってそれぞれ取得された複数の信号を用いて前記プラントの異常兆候の検知を行う分析システムにおける異常兆候検知方法であって、
   前記複数の信号を、前記信号の検出対象の場所と検出対象の物理量とを示すあらかじめ定められた信号定義情報を用いて信号グループにグループ分けし、前記信号グループを前記信号グループに属する信号間の関係を示す情報を用いて分類する分類処理を行う信号分類ステップと、
   前記分類処理の結果と、分類ごとにあらかじめ定められた信号組を生成する規則とを用いて、前記信号グループに属する複数の前記信号のうち２つの信号を１組とする信号組を設定する信号組設定ステップと、
   設定された前記信号組ごとに、基準となる期間の当該信号組を構成する２つの信号の相関係数の時系列データである第１時系列データを算出する第１相関係数算出ステップと、
   算出された前記第１時系列データを前記異常兆候の検知における基準データとして含む学習モデルを生成するモデル生成ステップと、
   設定された信号組ごとに、監視対象の期間の前記複数の信号のうち当該信号組を構成する２つの信号の相関係数の時系列データである第２時系列データを算出する第２相関係数算出ステップと、
   前記第２時系列データと、前記学習モデルとを用いて前記プラントの異常兆候の検知を行う異常兆候検知ステップと、
   を含み、
   前記信号定義情報は、前記プラントを構成する装置と、前記装置を構成する内部機器と、前記センサによって検出される物理量とが前記信号に対応付けられた情報であり、
   前記信号定義情報は、さらに前記信号ごとの前記内部機器において前記センサが設置される場所である詳細場所を示す情報を含み、
   前信号分類ステップでは、前記装置、前記内部機器、前記詳細場所および前記物理量が同一の前記信号を同一の前記信号グループに属させ、
   前信号組設定ステップでは、前記装置、前記内部機器、前記詳細場所および前記物理量が同一の前記信号で構成される前記信号グループに関しては、当該信号グループに属する前記信号の全ての２つの信号の組み合わせの前記信号組を設定することを特徴とする異常兆候検知方法。
7. 監視対象のプラントに設けられた複数のセンサによってそれぞれ取得された複数の信号を用いて前記プラントの異常兆候の検知を行うコンピュータシステムに、
   前記複数の信号を、前記信号の検出対象の場所と検出対象の物理量とを示すあらかじめ定められた信号定義情報を用いて信号グループにグループ分けし、前記信号グループを前記信号グループに属する信号間の関係を示す情報を用いて分類する分類処理を行う信号分類ステップと、
   前記分類処理の結果と、分類ごとにあらかじめ定められた信号組を生成する規則とを用いて、前記信号グループに属する複数の前記信号のうち２つの信号を１組とする信号組を設定する信号組設定ステップと、
   設定された前記信号組ごとに、基準となる期間の当該信号組を構成する２つの信号の相関係数の時系列データである第１時系列データを算出する第１相関係数算出ステップと、
   算出された前記第１時系列データを前記異常兆候の検知における基準データとして含む学習モデルを生成するモデル生成ステップと、
   設定された信号組ごとに、監視対象の期間の前記複数の信号のうち当該信号組を構成する２つの信号の相関係数の時系列データである第２時系列データを算出する第２相関係数算出ステップと、
   前記第２時系列データと、前記学習モデルとを用いて前記プラントの異常兆候の検知を行う異常兆候検知ステップと、
   を実行させ、
   前記信号定義情報は、前記プラントを構成する装置と、前記装置を構成する内部機器と、前記センサによって検出される物理量とが前記信号に対応付けられた情報であり、
   前記信号定義情報は、さらに前記信号ごとの前記内部機器において前記センサが設置される場所である詳細場所を示す情報を含み、
   前記信号分類ステップでは、前記装置、前記内部機器、前記詳細場所および前記物理量が同一の前記信号を同一の前記信号グループに属させ、
   前信号組設定ステップでは、前記装置、前記内部機器、前記詳細場所および前記物理量が同一の前記信号で構成される前記信号グループに関しては、当該信号グループに属する前記信号の全ての２つの信号の組み合わせの前記信号組を設定することを特徴とするプログラム。

Images