[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

本發明提供異常檢測系統及異常檢測方法，使得設定異常檢測的閾值變得容易且精度變高。設為如下結構：在異常檢測系統(1)中包含執行以下處理的運算裝置(1H101)：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。

技術領域

本發明涉及異常檢測系統及異常檢測方法。

背景技術

工廠等產業系統、鐵路、電力等社會基礎設施系統等多種系統由多個計算機、控制器、機器/設備構成。

這樣的系統若其功能停止，則有可能對經濟和社會都造成極大的影響。因此，為了不讓該系統的功能停止，迅速地發現故障、障礙并進行應對，或防患于未然地預知并進行保全措置，是很重要的。

另一方面，近來，從計算機、控制器、機器/設備等得到大量工作數據。由此，使用以下方法：將機器/設備或者系統的正常時的舉動作為統計模型來表現，基于上述的工作數據相對于該模型的背離情形，檢測相應機器/設備、系統等中的異常或其預兆。

特別是，經常采取以下方法：在工作數據維持相同的值的情況下，假設遵照正態分布或混合正態分布等，根據正常時的工作數據而算出平均和方差，基于新觀測到的工作數據在其概率分布上的概率密度來判斷異常性。另一方面，在過渡期等中工作數據的值變動的情況下，存在上述的方法無法有效地起作用的情況。

關于這樣的狀況，例如，提出了如下設備狀態監視方法(參照專利文獻1)等，其是基于從被安裝于設備的傳感器輸出的傳感器信號來監視所述設備的狀態的方法，其特征在于，從所述傳感器信號提取成為回歸模型的輸入的輸入矢量和成為回歸模型的輸出的輸出矢量，從該提取到的輸入矢量和輸出矢量之中選擇正常的矢量并作為學習數據來積蓄，從所述積蓄的學習數據之中，選定由從所述傳感器信號提取到的所述輸入矢量和所述輸出矢量構成的觀測數據之中的接近于所述輸入矢量的規定數量的學習數據，基于該選定的學習數據制成所述回歸模型，基于所述觀測數據的輸入矢量、輸出矢量、以及所述回歸模型，算出所述觀測數據的異常度，基于該算出的異常度進行識別所述設備狀態是異常還是正常的異常識別，基于所述設備狀態的異常識別的結果及所述觀測數據的輸入矢量與最接近于該輸入矢量的學習數據的類似度來更新所述學習數據。

現有技術文獻

專利文獻

專利文獻1：(日本)特開2013-25367號公報

發明內容

但是，在現有技術中，沒有考慮以下情況：由于模型的表現能力的不足、工作數據的不足、計測上的噪聲，即使原本是正常時的工作數據，在預測結果和觀測結果之間也產生背離(誤差)的情況。

因此，即使是正常時，也存在由于預測結果和觀測結果之間的背離而計算的異常度(異常得分)變高的可能性。在多數情況下，對異常得分設定閾值，根據是否高于該閾值等來判別是否異常，但如前述那樣即使在正常時異常得分也變高，所以難以決定閾值。由此，根據情況，可能成為引起誤報的狀況。特別是，在檢測以機器/設備等為目標的異常或者其預兆的情況下，應監視的對象多，所以對操作者來說成為不能忽略的負擔。

因此本發明是鑒于上述而完成的，其目的在于，使得設定異常檢測的閾值變得容易且精度變高。