[發明專利]異常檢測系統及異常檢測方法

有效

• 申請號: 201810076586.8
• 申請日: 2018-01-26
• 公開（公告）號: CN108628281B
• 公開（公告）日: 2021-01-26
• 發明（設計）人: 但馬慶行;望月義則
• 申請（專利權）人: 株式會社日立制作所
• 主分類號: G05B23/02
• 分類號: G05B23/02
• 代理公司: 永新專利商標代理有限公司 72002
• 代理人: 高迪

1.一種異常檢測系統，其特征在于，具備執行以下處理的運算裝置：

基于作為監視對象的規定裝置的工作數據，學習用于預測該規定裝置的動作的預測模型的處理；

對異常得分進行調整以使關于正常時的工作數據得到的異常得分處于規定范圍內的處理，所述異常得分是基于所述預測模型的預測結果與從所述規定裝置得到的工作數據之間的背離情形的異常得分；

基于所述調整后的異常得分來檢測異常或異常的預兆的處理；以及

將所述異常得分或所述檢測的結果中的至少任一個的信息顯示在輸出裝置中的處理。

2.如權利要求1所述的異常檢測系統，其特征在于，

所述運算裝置通過所述預測模型，基于過去的工作數據，對至規定時間以后為止的將來的時序數據或該時序數據的發生概率進行結構化預測，

所述運算裝置基于所述結構化預測的結果與從所述規定裝置得到的工作數據之間的背離情形的積蓄量，算出所述異常得分。

3.如權利要求2所述的異常檢測系統，其特征在于，

所述運算裝置在進行所述調整的處理時，基于所述預測模型的預測能力，改變所述將來的時序數據的預測的窗寬，從而對異常得分進行調整以使關于正常時的工作數據得到的異常得分處于規定范圍內。

4.如權利要求2所述的異常檢測系統，其特征在于，

所述運算裝置使用編碼器/解碼器模型作為所述預測模型，輸出與所述將來的時序數據相關的預測值。

5.如權利要求1所述的異常檢測系統，其特征在于，

所述運算裝置使用生成模型作為所述預測模型，輸出與將來的工作數據相關的概率分布的統計量或樣本。

6.如權利要求3所述的異常檢測系統，其特征在于，

所述運算裝置使用神經網絡的中間表現來預測所述窗寬。

7.如權利要求2所述的異常檢測系統，其特征在于，

所述運算裝置在所述異常得分超過預先決定的閾值的情況下，如果與所述異常得分對應的工作數據的模式是在正常時也出現的已知的模式，則作為例外而不判定為異常或異常的預兆。

8.如權利要求3所述的異常檢測系統，其特征在于，

所述運算裝置除了所述異常得分或所述檢測的結果之外，還將在計算所述異常得分中使用的窗寬的信息顯示在輸出裝置中。

9.如權利要求1所述的異常檢測系統，其特征在于，

所述運算裝置將所述預測模型中的相對于正常時數據的預測誤差的重構誤差作為所述異常得分。

10.如權利要求9所述的異常檢測系統，其特征在于，

所述運算裝置使用時序預測模型或統計性預測模型作為所述預測模型。

11.如權利要求9所述的異常檢測系統，其特征在于，

所述運算裝置在算出所述預測誤差的重構誤差時，使用統計性預測模型。

12.如權利要求9所述的異常檢測系統，其特征在于，

所述運算裝置在所述輸出裝置中與所述異常得分相應地顯示所述預測誤差。

13.一種異常檢測方法，其特征在于，信息處理系統執行以下處理：

基于作為監視對象的規定裝置的工作數據，學習用于預測該規定裝置的動作的預測模型的處理；

對異常得分進行調整以使關于正常時的工作數據得到的異常得分處于規定范圍內的處理，所述異常得分是基于所述預測模型的預測結果與從所述規定裝置得到的工作數據之間的背離情形的異常得分；

基于所述調整后的異常得分來檢測異常或異常的預兆的處理；以及

將所述異常得分或所述檢測的結果中的至少任一個的信息顯示在輸出裝置中的處理。