JPH08320720A - プロセス状態認識方法、プロセス状態認識装置及びデータ蓄積装置並びに学習装置 - Google Patents

プロセス状態認識方法、プロセス状態認識装置及びデータ蓄積装置並びに学習装置

Info

Publication number
JPH08320720A
JPH08320720A JP19245495A JP19245495A JPH08320720A JP H08320720 A JPH08320720 A JP H08320720A JP 19245495 A JP19245495 A JP 19245495A JP 19245495 A JP19245495 A JP 19245495A JP H08320720 A JPH08320720 A JP H08320720A
Authority
JP
Japan
Prior art keywords
qualitative expression
vector
qualitative
class
feature
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Withdrawn
Application number
JP19245495A
Other languages
English (en)
Inventor
Osamu Yaegashi
治 八重樫
Takeshi Terasaki
健 寺崎
Makoto Uekusa
誠 植草
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Fuji Electric Co Ltd
Fuji Facom Corp
Original Assignee
Fuji Electric Co Ltd
Fuji Facom Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Fuji Electric Co Ltd, Fuji Facom Corp filed Critical Fuji Electric Co Ltd
Priority to JP19245495A priority Critical patent/JPH08320720A/ja
Publication of JPH08320720A publication Critical patent/JPH08320720A/ja
Withdrawn legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
    • G05B23/0224—Process history based detection method, e.g. whereby history implies the availability of large amounts of data
    • G05B23/0227—Qualitative history assessment, whereby the type of data acted upon, e.g. waveforms, images or patterns, is not relevant, e.g. rule based assessment; if-then decisions

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Testing And Monitoring For Control Systems (AREA)

Abstract

(57)【要約】 【課題】 プロセスの状態監視には、特殊なデータ解析
や専門家の知識が必要である。プロセスデータの変化傾
向の認識やその修正、変更、定性表現が困難であり、専
門家にとって大きな負担となる。 【解決手段】 時系列プロセスデータの時間的な変化傾
向に基づいて特徴ベクトル列を生成する特徴抽出処理、
前記特徴ベクトルに類似する参照ベクトルを検索するベ
クトル検索処理、前記参照ベクトルに対応するクラスの
列を特徴ベクトルクラス列としてこれに対応する定性表
現を検索する定性表現検索処理、前記定性表現を出力す
る処理等を実行する処理装置１００と、前記各処理動作
に伴う入力操作を行う入力装置２００と、前記出力処理
に使用される出力装置３００と、前記参照ベクトルが対
応するクラスと共に格納された参照ベクトル辞書５１０
と、特徴ベクトルのクラス列が、対応する定性表現と共
に格納された定性表現辞書５２０とを備える。

Description

【発明の詳細な説明】
【０００１】
【発明の属する技術分野】本発明は、プラントの状態、
制御状況などを監視するプラント状態監視システムや、
プラントの状態制御を行なうプラント状態制御システム
に適用されるプロセス状態認識方法、並びに、この方法
の実施に使用されるプロセス状態認識装置、データ蓄積
装置及び学習装置に関する。
【０００２】
【従来の技術及び発明が解決しようとする課題】近年、
プラントの運転監視形態は、アナログ式のパネル計器を
用いた運転監視から、分散形制御システムを用いる方向
に変わりつつある。分散形制御システムによるプラント
のプロセス監視は、プロセスの状態監視に関する専門的
知識に精通した熟練運転員数人によって行なわれるのが
普通だが、その専門的知識を以て異常兆候を捉えるべく
すべてのプロセスデータを常時監視することは一分散形
制御システムが管理するプロセスデータの膨大さゆえ
に、極めて困難である。
【０００３】また、最近の熟練運転員の減少傾向はプラ
ントの運転監視形態の変化に拍車をかけていると思われ
る。プロセスデータの時間的変化傾向とプロセスの状態
との関係についての専門的知識を非熟練者に修得させる
としても、相当の時間が費やされる。
【０００４】従来の技術では、一般にそのような専門的
知識、例えばプロセスデータ毎の時間的変化傾向の捉え
方を書類などに予め整理しておくことが考えられる。し
かし、一般にこれらの情報量は膨大であり、また、プロ
セス毎に生じる微妙な違いで変化傾向の捉え方が不適当
である時に、その都度、利用者自身が捉え方を任意に修
正変更したりすることが難しいなどの問題がある。
【０００５】加えて、過去に獲得したプロセスデータの
時間的変化傾向の捉え方を再利用するためにも、書類な
どの何等かの形で記録しておかなければならないが、こ
れらの記録作業には多くの労力が必要である。仮に、経
験やノウハウに基づくプロセスデータの変化傾向の捉え
方を知識ベースとして作成する場合でも、プロセス毎の
微妙な違いが生じた場合、その都度、対象とするプロセ
スについて整理し直すことが求められ、これらは専門家
にとって大きな負担となっている。特に、他の者に先駆
けて最初にプロセスデータの変化傾向の捉え方を整理す
る専門家の負担は、極めて大きなものであった。
【０００６】なお、他の従来技術として、 特開平１−３００３９７号公報；突変判定装置、レベ
ル判定装置、不動判定装置を備え、これら三つの判定装
置からのプロセス信号の変動特性を監視してプラントの
異常を監視するプロセス信号多重監視装置。 特開平６−２０１７３号公報；プロセス状態値が時間
経過に伴って変化していく様子を記号化情報として編集
し表示出力するプロセス情報表示システム。 特開平３−２５６０１号公報；制御系の入出力信号に
基づき制御系の安定性を判別し、その判別結果に応じて
制御系を調整すると共に、安定性判別手段に判別結果を
適正化する学習機能を持たせたプロセス制御装置。 特開平３−１６６６０１号公報；プロセス状態の時系
列な変化パターンの特徴量をあいまいな記号に変換する
記号化部と、これを用いるプロセス制御装置等。 特開平５−５２６０６号公報；プロセス状態量のヒス
トリカルデータを所定周期で抽出し、その変化パターン
を文字列により表現して運転員に報告するプラント監視
システム。 等が知られている。
【０００７】しかるに、これらの従来技術は何れも、本
発明が目指す理想的なプラント状態監視ないしプロセス
状態認識の部分的な機能を有するのみであり、プロセス
状態認識機能、プロセス状態を定性表現するための学習
機能、学習のためのデータ蓄積機能等を有機的一体的に
結合させたものは未だ提供されていない。
【０００８】本発明は、上述したようなプロセスデータ
の状態変化の監視に関する種々の問題を解決するために
なされたもので、その目的とするところは、利用者に代
わってプロセスデータの時間的変化を監視すると共に、
その変化傾向等を常時監視して異常兆候を早期に発見で
き、また、対象とする領域固有の言葉により通知すべき
定性表現の内容を設定変更することが可能であり、特殊
なデータ解析や専門家の知識を必要とせずに定性表現を
抽出して利用者が希望する形で定性表現を出力すること
ができるプロセス状態認識方法及びプロセス状態認識装
置を提供することにある。
【０００９】更に本発明は、上記プロセス状態認識方法
の実施に直接使用される装置として、仮にプロセス変数
毎でプロセスデータの変化傾向が微妙に異なる場合で
も、その変化傾向を把握するために使用する参照ベクト
ル辞書や定性表現辞書の内容を学習処理によって自動的
に洗練可能とした学習装置、並びに、前記学習処理に使
用されるデータを蓄積するデータ蓄積装置を提供するこ
ともその目的としている。
【００１０】
【課題を解決するための手段】上記目的を達成するた
め、請求項１に記載した第１の発明に係るプロセス状態
認識方法は、時系列プロセスデータの時間的な変化傾向
に基づいて特徴ベクトルの列を生成する特徴抽出処理
と、この特徴抽出処理により得られた前記特徴ベクトル
に類似する参照ベクトルを検索するベクトル検索処理
と、このベクトル検索処理により得られた前記参照ベク
トルに対応するクラスの列を特徴ベクトルクラス列とし
て、この特徴ベクトルクラス列に対応する定性表現を検
索する定性表現検索処理と、この定性表現検索処理によ
り得られた定性表現を出力する出力処理とを有するもの
である。
【００１１】請求項２に記載した第２の発明に係るプロ
セス状態認識装置は、請求項１記載の特徴抽出処理、ベ
クトル検索処理、定性表現検索処理及び出力処理を実行
し、かつ、必要に応じて前記参照ベクトル及び定性表現
の修正等の編集処理を実行する処理装置と、前記各処理
動作に伴う入力操作を行う入力装置と、前記出力処理に
使用される出力装置と、前記ベクトル検索処理において
特徴ベクトルと比較される参照ベクトルが、対応するク
ラスと共に格納された参照ベクトル辞書と、特徴ベクト
ルのクラス列が、対応する定性表現と共に格納された定
性表現辞書とを備えたものである。
【００１２】上記第１及び第２の発明においては、プラ
ント等の測定点より得られる時系列プロセスデータにつ
いてその時間的変化傾向の数値化を逐次行ない、そこで
得られる特徴ベクトルに基づき前記変化傾向のクラス列
（属性値列）を求め、このクラス列に基づいて変化傾向
を表すのに適当な定性表現を辞書から検索する。そし
て、上記検索結果に応じて、プロセスデータの変化傾向
を表す定性表現及び必要に応じて関連情報を出力装置か
ら出力する。
【００１３】請求項３に記載した第３の発明に係るデー
タ蓄積装置は、請求項２記載のプロセス状態認識装置の
出力装置により出力された定性表現の中で利用者によっ
て誤りと訂正（利用者によりシステムに対して誤りと教
示）されたものについて、その通知日時と、当該定性表
現のプロセス変数と、当該定性表現に代えて提示を希望
する定性表現とを、通知履歴データとして蓄積するもの
である。この第３の発明においては、第１及び第２の発
明によって出力される定性表現について、利用者により
入力装置を介して修正された定性表現とその定性表現の
通知時刻等の関連情報を学習用のデータとして蓄積す
る。
【００１４】請求項４に記載した第４の発明に係る学習
装置は、請求項３記載のデータ蓄積装置により蓄積され
た通知履歴データを用い、時系列プロセスデータの時間
的な変化傾向に対して利用者の意図に一致した定性表現
が得られるように、前記参照ベクトルを自動的に修正す
る学習処理を実行するものである。この第４の発明にお
いては、第３の発明により蓄積されたデータを用いて学
習処理を実行し、定性表現の検索時に利用される参照ベ
クトル辞書を更新する。
【００１５】
【発明の実施の形態】以下、図に沿って本発明の実施の
形態を説明する。まず、図１〜図８に基づいて第１及び
第２の発明の実施の形態を説明する。図１はプロセス状
態認識装置の構成を示しており、１００は計算機等から
なる処理装置であって、プロセス状態認識プログラムを
備えている。
【００１６】５００は用語辞書であり、この用語辞書５
００は参照ベクトル辞書５１０と定性表現辞書５２０と
からなる。参照ベクトル辞書５１０には、参照ベクトル
の成分を前件部とし、後件部には各参照ベクトルの属性
値（以後、クラスとも称し、データの変化具合を表すも
のである）を有する組合せが多数、格納されている。
【００１７】一方、定性表現辞書５２０には、図８
（ｃ）のように、前記属性値の列（以後、特徴ベクトル
クラス列とも称す）を前件部とし、後件部にはプロセス
データの変化傾向を表す定性表現を有する組合せが多
数、格納されている。なお、定性表現辞書５２０の前件
部において、前記特徴ベクトルクラス列の長さ（以後、
クラス列定義長とも称し、特徴ベクトルクラス列の個々
を構成するクラスの個数を表すものである）に関する設
定基準（最大数等）は利用者が任意に設定可能である。
【００１８】前記処理装置１００は、プラントの測定点
からの時系列プロセスデータが入力されると、そのデー
タの変化傾向について特徴を抽出する処理を行ない、時
系列プロセスデータの変化傾向として抽出した特徴（参
照ベクトル辞書５１０のクラスにて表現された属性値
列）と定性表現辞書５２０の前件部との照合処理を行な
い、前件部が一致したら、その検索結果として後件部の
定性表現を出力装置３００に出力する。なお、用語辞書
５００の内容の設定や変更等、編集処理に必要なデータ
は入力装置２００より入力する。
【００１９】以下、処理装置１００における処理の詳細
を説明する。始めに、時系列プロセスデータの特徴抽出
処理の詳細を、図２〜図４に基づいて説明する。まず、
連続量として得られる前記時系列プロセスデータの変化
分［ｄｙ／ｄｔ］を離散化するため、プロセス変数の時
系列データｙ（ｔ）の、時刻ｔと時刻ｔ−Δｔにおける
値から時刻ｔにおける差分値ｅを数式１により求める。
【００２０】
【数１】ｅ＝ｙ（ｔ）−ｙ（ｔ−Δｔ）
【００２１】次に、上記差分値ｅに基づいて前記変化分
［ｄｙ／ｄｔ］についての定性値を求める処理を行な
う。但し、Δｔはプロセス変数毎のサンプリング間隔と
する。定性値を求める処理を具体的に説明すると、処理
対象であるプロセスデータについての差分値ｅの絶対値
が、図２のプロセス変数テーブル４００に設定されてい
るしきい値α1の絶対値を越え、かつ、差分値ｅが正の
値であれば、定性値として上昇［＋］を与える。
【００２２】また、差分値ｅの絶対値がプロセス変数テ
ーブル４００に設定されているしきい値α2の絶対値を
越え、かつ、差分値ｅが負の値であれば、定性値として
下降［−］を与える（図３（ａ）参照）。なお、しきい
値の数を増やすことで前記定性値の種類を増やすことが
できる。ここで、上述した上昇、下降以外の場合には、
定性値を平衡［０］とする。
【００２３】次に、上記処理で求めたプロセスデータの
変化分［ｄｙ／ｄｔ］に関する定性値について、時間経
過に伴い連続して変化しなかった部分を、次の統合規則
〜に基づいて一つにまとめる処理を行なう（図３
（ｂ）参照）。 １個以上の連続した［＋］は、その連続回数を後述の
特徴ベクトルの生成処理に用いるために保持しておくと
共に、一つの［＋］とする。 １個以上の連続した［−］は、その連続回数を後述の
特徴ベクトルの生成処理に用いるために保持しておくと
共に、一つの［−］とする。 １個以上の連続した［０］は、その連続回数を後述の
特徴ベクトルの生成処理に用いるために保持しておくと
共に、一つの［０］とする。
【００２４】次いで、変化分［ｄｙ／ｄｔ］についての
定性値の符号の変わり目を特徴点として、プロセス変数
の時系列データを特徴点で分割されたベクトル系列で表
現する（図３（ｃ）におけるａ1〜ａ6）。なお、このベ
クトル系列は、例えば横軸方向が時間経過を表し、縦軸
方向が時系列データの値を表すようなユークリッド平面
上で表現したものである。
【００２５】具体的には、以下のような［ｄｙ／ｄｔ］
の定性値符号の変わり目を特徴点とする。 ・［＋］→［−］：上昇傾向から下降傾向への変化点 ・［＋］→［０］：上昇傾向から不変（平衡、一定）へ
の変化点 ・［−］→［＋］：下降傾向から上昇傾向への変化点 ・［−］→［０］：下降傾向から不変（平衡、一定）へ
の変化点 ・［０］→［＋］：不変（平衡、一定）から上昇傾向へ
の変化点 ・［０］→［−］：不変（平衡、一定）から下降傾向へ
の変化点
【００２６】つまり、上記のような定性値符号の変化点
が検出された場合、今回特徴点として記録されていた時
刻を前回特徴点の時刻に置き換えると共に、時刻ｔ−Δ
ｔを今回特徴点の時刻として保存する。併せて、今回値
として記録されていた値を前回値に置き換え、時刻ｔ−
Δｔでのプロセスデータの値を今回値として保存する。
これら各データの関係を示すと以下のとおりである。 ・今回特徴点の時刻 →前回特徴点の時刻 ・時刻ｔ−Δｔ →今回特徴点の時刻 ・今回値 →前回値 ・時刻ｔ−Δｔでのプロセスデータの値 →今回値
【００２７】更に、特徴点と判別された場合、（プロセ
ス値の）前回値と今回値とに基づいてプロセスデータの
特徴ベクトル（ΔＸ，ΔＹ）を作成する処理を行なう。
なお、今回特徴点の時刻とΔｔ毎に変化する現時刻とに
基づいて、直近の特徴ベクトルは逐次作成される。
【００２８】図４は、前記特徴ベクトルの作成過程を示
している。なお、以後の実施の形態については、クラス
列定義長の最大数が利用者によって４と設定され、かつ
定性表現辞書５２０内の前件部に設定される特徴ベクト
ルクラス列の長さも最大数が４の場合の例である。
【００２９】ここで、特徴ベクトルの一方の成分である
ΔＸは、今回特徴点の時刻と前回特徴点の時刻との差Δ
ｔ’の、プロセス変数テーブル４００に登録されている
最大変化分設定値ΔＸ100に対する比、特徴ベクトルの
他方の成分であるΔＹは、今回特徴点でのプロセス値と
前回特徴点でのプロセス値との差Δｙの、プロセス変数
テーブル４００に登録されている最大変化分設定値ΔＹ
100（＋方向の変化の場合）またはΔＹ-100（−方向の
変化の場合）に対する比である。
【００３０】図４（ａ）は図３（ｃ）と同様に表現した
特徴ベクトル列、図４（ｂ），（ｃ）は各ベクトルａ1
〜ａ4につきΔｔ’とΔｙとの関係を示した図、図４
（ｄ）は、最終的な特徴ベクトル（ΔＸ，ΔＹ）を示し
た図である。なお、この例では、ΔＸ100＝２．０，Δ
Ｙ100＝２．０，ΔＹ-100＝２．０となっている。
【００３１】次に、図８（ｃ）の用語辞書（定性表現辞
書５２０）を利用した定性表現検索処理の詳細を説明す
る。この定性表現検索処理は、プロセス変数毎に上記特
徴抽出処理により生成した特徴ベクトル列と図５の参照
ベクトル辞書５１０とを用いたベクトル検索処理と、そ
の検索結果に応じて時系列プロセスデータの変化傾向を
的確に表す定性表現を図８（ｃ）の定性表現辞書５２０
の中から検索する狭義の定性表現検索処理とからなる。
【００３２】まず、上記ベクトル検索処理について、そ
の詳細を述べる。図５は、ベクトル検索処理で使用する
参照ベクトル辞書５１０の例を示したものであり、前件
部には、成分ΔＸ，ΔＹから成る参照ベクトルＶj（ｊ
＝１，……，ｎ）が多数定義されており、後件部では、
それぞれの参照ベクトルが変化具合に応じて、それを表
す属性値としてのクラスに分類されている。なお、上記
ｊはインデクスであり、ｎは参照ベクトル辞書５１０内
に既に定義されている参照ベクトルの数である。
【００３３】図６は、特徴ベクトルの成分ΔＸai，ΔＹ
ai（ｉ＝１，……，ｍ）から、プロセスデータの変化傾
向を表す属性値列（特徴ベクトルクラス列）を導出する
過程を示している。なお、ｉはインデクスであり、ｍは
クラス列定義長の最大値である。
【００３４】処理対象であるプロセス変数の特徴ベクト
ルと、図５の参照ベクトル辞書５１０内の参照ベクトル
の成分との距離を計算することにより類似度判定を行な
い、一番近い参照ベクトルを参照ベクトル辞書５１０か
ら検索する。参照ベクトルは、同一の定性表現に分類さ
れるものを幾つかまとめて一つのクラス（例えば、図５
のクラス（１）に対応する定性表現としてクラス“急上
昇”など）としている。特徴ベクトルには一番近い参照
ベクトルが属するクラスを付加する。
【００３５】図６では、特徴ベクトルａ1〜ａ4につき参
照ベクトル辞書５１０を用いた類似度判定を行なった結
果、各特徴ベクトルａ1，ａ2，ａ3，ａ4が各々参照ベク
トルＶ12，Ｖ3，Ｖ16，Ｖ9に最も近いと判定され、これ
らの参照ベクトルの属するクラス５，２，５，４が付加
されている。この結果、特徴ベクトルａ1，ａ2，ａ3，
ａ4のクラス列（属性値列）は（５２５４）となる。
【００３６】次に、図７に基づいて上記類似度判定の内
容を説明する。特徴ベクトル列にて構成される時系列プ
ロセスデータは、現時刻から過去に向かって順に、
ａ1，ａ2，ａ3，……と表すことにする。また、参照ベ
クトル辞書５１０内に定義されている参照ベクトル名を
Ｖjと表す。ここでｊは、参照ベクトルのインデクスで
ある。
【００３７】前述のごとく、時系列プロセスデータを構
成する各特徴ベクトルａi（ΔＸai，ΔＹai）と参照ベ
クトル辞書５１０の参照ベクトルＶj（ΔＸvj，Δ
Ｙvj）との類似度判定を行なうことにより、時系列プロ
セスデータを構成する各特徴ベクトルａiにクラス（番
号）を割当てる。なお、類似度判定には、次式に示すよ
うにユークリッド空間におけるａiとＶjとの距離ｄの二
乗ｄ2（ａi，Ｖj）を利用する。
【００３８】
【数２】ｄ2（ａi，Ｖj）＝（ΔＸai−ΔＸvj）2＋（Δ
Ｙai−ΔＹvj）2
【００３９】各ａiについて、ｄ2が最小となるときのＶ
jを見出し、そのＶjが属するクラスをａiのクラスとす
る。この処理によって、時系列プロセスデータの特徴ベ
クトル列（ａ1，ａ2，ａ3，……）に対応する特徴ベク
トル列（５２５４）が得られる。
【００４０】次に、狭義の定性表現検索処理について、
その詳細を述べる。この処理では、時系列プロセスデー
タの特徴ベクトルクラス列と一致する前件部を定性表現
辞書５２０の中から検索し、この前件部に対応する後件
部から時系列プロセスデータの変化傾向を的確に表す定
性表現を検索する。
【００４１】図８は、この処理手順の過程を示したもの
である。まず、前記特徴抽出処理で得た時系列プロセス
データの特徴ベクトル（図８（ａ））に基づいて生成し
た特徴ベクトルクラス列（図８（ｂ））を、定性表現辞
書５２０（図８（ｃ））の前件部に照合する。そして、
合致するものがある場合は、その前件部に対応して定義
された後件部の定性表現を取り出す。
【００４２】なお、特徴ベクトルクラス列に合致する定
性表現辞書５２０の前件部が複数個存在する場合には、
例えば、定性表現辞書５２０内でクラス列の定義長が最
も長い特徴ベクトルクラス列と一致したものを選択する
（図８（ｄ））などの選択基準を用いて決定する。以上
の処理により、前記特徴抽出処理で生成した時系列プロ
セスデータの特徴ベクトル列及び特徴ベクトルクラス列
から、時系列プロセスデータの変化傾向を表す定性表現
を定性表現辞書５２０の中から検索することができる。
【００４３】次に、用語辞書編集処理について、その処
理の詳細を示す。この実施の形態の用語辞書編集処理で
は、利用開始前にプロセス変数の基本的な変化パターン
を初期の用語辞書内容として登録することができ、ま
た、既に登録されている内容を適宜、修正変更すること
ができるようになっている。まず、参照ベクトル辞書５
１０を対象とした編集処理では、参照ベクトルの成分
（ΔＸvj，ΔＹvj）及び、そのベクトルの属するクラス
を設定変更することで、参照ベクトル辞書５１０を作成
することができる。
【００４４】加えて、この処理では、利用者が後述する
学習装置を用いた参照ベクトル辞書５１０内のデータの
修正、つまり学習処理を要求することができる。そし
て、定性表現の用語辞書５２０を対象とした編集処理で
は、特徴ベクトルクラス列ａi及びそれに対応する定性
表現を利用者が設定変更することで、定性表現辞書５２
０を作成することができる。
【００４５】このように第１及び第２の発明では、プラ
ント内の測定点から得られる時系列プロセスデータにつ
いて、そのデータの変化傾向を特徴ベクトル列（ａ1，
ａ2，……）として捉え、さらに、特徴ベクトル列と参
照ベクトル辞書５１０の各参照ベクトルとの類似度判定
を行なうことで、時系列プロセスデータの特徴ベクトル
クラス列を生成し、この特徴ベクトルクラス列を利用し
て定性表現辞書５２０を検索することで、時系列プロセ
スデータの変化傾向を的確に表す定性表現を検索可能で
ある。
【００４６】次に、図９〜図１１に基づいて第３の発明
の実施の形態を説明する。図９は、第３の発明に係るデ
ータ蓄積装置の構成を示している。第２の発明に係るプ
ロセス状態認識装置により選択された、時系列プロセス
データの変化傾向を表す定性表現が出力装置３００から
出力された後、運転オペレータ等の利用者により上記定
性表現が誤っていたことが通知されたとする。このと
き、入力装置２００を介して上記定性表現が誤っていた
旨の修正入力が行なわれると、誤りであると指定された
定性表現、通知された日時、プロセス変数名、利用者が
望む正しい定性表現等が処理装置１００により作成さ
れ、学習処理に利用される通知履歴データ６００として
追加蓄積される。
【００４７】以下、前記同様にクラス列定義長の最大数
が利用者によって既に４と設定されているものとして説
明する。図１０は用語辞書５００の修正手段の例であ
る。第２の発明に示したプロセス状態認識装置の処理装
置１００により生成された特徴ベクトル列（ａ1,ａ2,ａ
3,ａ4）が特徴ベクトルクラス列（５２５２）であり、
運転オペレータ等の利用者が入力装置２００を介して、
提示を望む正しい定性表現を選択した場合、次のような
修正処理を行なう。
【００４８】（１）修正方法１ クラス列（５２５２）が定性表現辞書５２０内に未定義
であった場合に定性表現辞書５２０内に新規にクラス列
（５２５２）を挿入し、それに対応する定性表現（定常
３）を設定する。 （２）修正方法２ クラス列（５２５２）は定性表現辞書５２０内に定義さ
れているが、設定されている定性表現が（ハンチング）
となっていて利用者が提示を希望する定性表現（定常
３）とは異なる場合で、かつ、定性表現辞書５２０内の
定性表現の変更を利用者が選択した場合、定性表現辞書
５２０内で前記設定済みの定性表現（ハンチング）を利
用者が希望する定性表現である（定常３）に書き換え
る。 （３）修正方法３ クラス列（５２５２）は定性表現辞書５２０内に定義さ
れているが、設定されている定性表現が（ハンチング）
となっていて利用者が提示を希望する定性表現（定常
３）とは異なる場合で、かつ、定性表現辞書５２０内の
定性表現の変更を利用者が選択しなかった場合、後述す
る学習装置によって参照ベクトル辞書５１０の内容を更
新する。
【００４９】前記通知履歴データ６００の一部を図１１
に示す。このような通知履歴データ６００が蓄積される
ことにより、次に述べるように用語辞書５００の更新に
利用できることとなる。
【００５０】次に、図１２に基づいて第４の発明の実施
の形態を説明する。図１２は第４の発明に係る学習装置
の構成を示している。この学習装置における処理装置１
００は、第３の発明に係るデータ蓄積装置によって蓄積
される通知履歴データ６００と、データベース７００に
蓄積してある、プラントの計測点から過去に得られた時
系列プロセスデータとを用いて、用語辞書５００の内容
を修正する学習プログラムを備えている。
【００５１】以下、処理装置１００により行なわれる学
習処理について説明する。第２の発明に係るプロセス状
態認識装置の処理装置１００が行なう用語辞書編集処理
にて学習処理の要求があった際、参照ベクトル辞書５１
０内のデータを修正し、特徴ベクトル列に対して望まし
いクラスが付加されるようにする。
【００５２】仮に、図１１において利用者が選択した修
正方法３の通知履歴データ６００に登録されているプロ
セス変数名の時系列プロセスデータについて、同じく前
記通知履歴データ６００に登録されている通知日時以前
のプロセスデータから、第１及び第２の発明を使って生
成した特徴ベクトル列をＡ（ａ1，ａ2，ａ3，……）、
生成ベクトルクラス列（以後、特徴ベクトル列Ａに対し
て第１及び第２の発明が付加したクラス列であることを
明記する場合に、こう呼ぶものとする。）をＰ（ｐ1，
ｐ2，ｐ3，……）、一方、利用者がＡの挙動として表現
を望む特徴ベクトルクラス列をＱ（ｑ1，ｑ2，ｑ3，…
…）とすると、具体的な処理手順は、次の通りである。
【００５３】特徴ベクトル列Ａと生成ベクトルクラス
列Ｐとを用意する。この際、Ａを構成するベクトルの数
とＰを構成するクラスの数はこの処理の開始時点におい
て、利用者が既に設定しているクラス列定義長の最大数
以上の数である。この実施の形態においてはその最大数
が４であり、かつＡのベクトル数とＰのクラス数が４で
あるとする。 通知履歴データ６００内の望ましい定性表現を基に、
その定性表現と対（ペア）をなしているクラス列を定性
表現辞書５２０内から抜出し、出力装置３００に表示す
る。
【００５４】表示されたクラス列の中から、時系列プ
ロセスデータの挙動（Ａの挙動）として望ましい表現の
クラス列Ｑを利用者が指定する。 クラス列ＰとＱとを比較し、両クラス列の中で異なる
クラスの部分に対して、以下の処理を行なう。例えば、
Ｐ（ｐ1，ｐ2，ｐ3，ｐ4）が（５２５２）であり、Ｑ
（ｑ1,ｑ2,ｑ3，ｑ4）が（５１５３）である場合、異な
るクラスの部分である（ｐ2とｑ2）及び（ｐ4とｑ4）に
ついて、以下の学習処理を行なう。
【００５５】ｐi，ｑiの各クラスに属する参照ベクト
ルＶjの中で特徴ベクトルａiに最も近い（距離の二乗ｄ
2が最小の）ものをそれぞれ一つ、合計２つ用意する。
このｄ2の算出は前述の数式２による。 用意されたベクトルについて、クラスｐiに属し、か
つ、特徴ベクトルａiに最も近い参照ベクトルをＶp（Δ
Ｘp，ΔＹp）とし、一方、クラスｑiに属し、かつ、特
徴ベクトルａiに最も近い参照ベクトルをＶq（ΔＸq，
ΔＹq）とする。 ａiがＶp（誤り）よりもＶq（正解）に近くなるよう
に、すなわちｄq 2＜ｄp 2になるまで、数式３及び数式４
を用いてＶp，Ｖqの成分の修正を繰り返す。なお、数式
３において、γp，γq，βp，βqは修正率である。
【００５６】
【数３】ΔＸp＝γpΔＸp−βp（ΔＸa−ΔＸp） ΔＹp＝γpΔＹp−βp（ΔＹa−ΔＹp） ΔＸq＝γqΔＸq＋βq（ΔＸa−ΔＸq） ΔＹq＝γqΔＹq＋βq（ΔＹa−ΔＹq）
【００５７】
【数４】ｄq 2＝（ΔＸq−ΔＸa）2＋（ΔＹq−ΔＹa）2 ｄp 2＝（ΔＸp−ΔＸa）2＋（ΔＹp−ΔＹa）2
【００５８】この結果、学習処理により参照ベクトル辞
書５１０の内容は新しいものに自動生成されることにな
る。従って、利用者は直接的に参照ベクトル辞書５１０
を更新をする必要はなくなり、第３の発明によって通知
履歴データ６００が蓄積され、この通知履歴データ６０
０を用いた学習処理により参照ベクトル辞書５１０を改
善することができる。従って、類似度判定により特徴ベ
クトル列に対して最適なクラスが付加されることにな
り、特徴ベクトルクラス列に応じた定性表現も定性表現
辞書５２０によって別のものに更新されることになる。
このため、利用者の負担が大幅に改善される。
【００５９】
【発明の効果】以上のように第１及び第２の発明は、処
理装置が導出した時系列プロセスデータの特徴ベクトル
クラス列と一致する前件部を定性表現辞書から検索して
その後件部に記述されている定性表現を検索結果として
出力することで、時系列プロセスデータの変化傾向を表
すにふさわしい定性表現を利用者に提供するものであ
る。また、第３の発明は、第２の発明のプロセス状態認
識装置から出力される定性表現について運転オペレータ
等の利用者がプロセス状態認識結果の正誤を指摘するこ
とにより、正しく通知されるべき定性表現やその通知さ
れた通知時刻等を学習用データとして蓄積するものであ
る。そして、第４の発明は、第３の発明により蓄積され
た上記学習用データを用いて学習処理を実行することに
より用語辞書の内容を自動的に改善して洗練化し、以後
のプロセス状態の認識に役立てるものである。
【００６０】従って、これらの発明によれば、多数のプ
ロセスデータを監視する際に必要である変化傾向を把握
するための膨大な量の知識を書類等により記憶しておか
なくても、自動的に変化傾向を認識し、分かりやすい表
現でその認識結果を提供することができる。このため、
利用者の負担が軽減され、特殊なデータ解析や専門家の
知識も不要になる。また、学習機能によりプロセスデー
タの変化傾向を表す定性表現を推定する際のノウハウ
や、プラント毎に生じる微妙な違いを吸収することがで
き、しかも定性表現の検索に誤りがあった場合には、定
性表現の修正や検索に用いた用語辞書の内容の修正を容
易に行なうことができる。
【図面の簡単な説明】
【図１】第２の発明の実施の形態に係るプロセス状態認
識装置の構成図である。
【図２】プロセス変数テーブルの説明図である。
【図３】プロセス状態認識装置による特徴抽出処理過程
の説明図である。
【図４】プロセス状態認識装置による特徴ベクトルの成
分導出過程の説明図である。
【図５】参照ベクトル辞書の説明図である。
【図６】プロセス状態認識装置による特徴ベクトルクラ
ス列導出過程の説明図である。
【図７】特徴ベクトルと参照ベクトルの間の距離ｄの説
明図である。
【図８】プロセス状態認識装置による定性表現検索処理
過程の説明図である。
【図９】第３の発明の実施の形態に係るデータ蓄積装置
の構成図である。
【図１０】用語辞書の修正方法の説明図である。
【図１１】蓄積された通知履歴データの説明図である。
【図１２】第４の発明の実施の形態に係る学習装置の構
成図である。
【符号の説明】
１００ 処理装置 ２００ 入力装置 ３００ 出力装置 ４００ プロセス変数テーブル ５００ 用語辞書 ５１０ 参照ベクトル辞書 ５２０ 定性表現辞書 ６００ 通知履歴データ ７００ データベース
───────────────────────────────────────────────────── フロントページの続き (51)Int.Cl.6 識別記号 庁内整理番号 ＦＩ 技術表示箇所 Ｇ０６Ｇ 7/60 Ｇ０６Ｇ 7/60 (72)発明者 植草 誠 東京都日野市富士町１番地 富士ファコム 制御株式会社内

Claims (4)

    【特許請求の範囲】
  1. 【請求項１】 時系列プロセスデータの時間的な変化傾
    向に基づいて特徴ベクトルの列を生成する特徴抽出処理
    と、 この特徴抽出処理により得られた前記特徴ベクトルに類
    似する参照ベクトルを検索するベクトル検索処理と、 このベクトル検索処理により得られた前記参照ベクトル
    に対応するクラスの列を特徴ベクトルクラス列として、
    この特徴ベクトルクラス列に対応する定性表現を検索す
    る定性表現検索処理と、 この定性表現検索処理により得られた定性表現を出力す
    る出力処理と、を有することを特徴とするプロセス状態
    認識方法。
  2. 【請求項２】 請求項１記載の特徴抽出処理、ベクトル
    検索処理、定性表現検索処理及び出力処理を実行し、か
    つ、必要に応じて前記参照ベクトル及び定性表現の修正
    等の編集処理を実行する処理装置と、 前記各処理動作に伴う入力操作を行う入力装置と、 前記出力処理に使用される出力装置と、 前記ベクトル検索処理において特徴ベクトルと比較され
    る参照ベクトルが、対応するクラスと共に格納された参
    照ベクトル辞書と、 特徴ベクトルのクラス列が、対応する定性表現と共に格
    納された定性表現辞書と、 を備えたことを特徴とするプロセス状態認識装置。
  3. 【請求項３】 請求項２記載のプロセス状態認識装置の
    出力装置により出力された定性表現の中で利用者によっ
    て誤りと訂正されたものについて、その通知日時と、当
    該定性表現のプロセス変数と、当該定性表現に代えて提
    示を希望する定性表現とを、通知履歴データとして蓄積
    することを特徴とするデータ蓄積装置。
  4. 【請求項４】 請求項３記載のデータ蓄積装置により蓄
    積された通知履歴データを用い、時系列プロセスデータ
    の時間的な変化傾向に対して利用者の意図に一致した定
    性表現が得られるように、前記参照ベクトルを自動的に
    修正する学習処理を実行することを特徴とする学習装
    置。
JP19245495A 1995-03-20 1995-07-05 プロセス状態認識方法、プロセス状態認識装置及びデータ蓄積装置並びに学習装置 Withdrawn JPH08320720A (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP19245495A JPH08320720A (ja) 1995-03-20 1995-07-05 プロセス状態認識方法、プロセス状態認識装置及びデータ蓄積装置並びに学習装置

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JP7-87605 1995-03-20
JP8760595 1995-03-20
JP19245495A JPH08320720A (ja) 1995-03-20 1995-07-05 プロセス状態認識方法、プロセス状態認識装置及びデータ蓄積装置並びに学習装置

Publications (1)

Publication Number Publication Date
JPH08320720A true JPH08320720A (ja) 1996-12-03

Family

ID=26428854

Family Applications (1)

Application Number Title Priority Date Filing Date
JP19245495A Withdrawn JPH08320720A (ja) 1995-03-20 1995-07-05 プロセス状態認識方法、プロセス状態認識装置及びデータ蓄積装置並びに学習装置

Country Status (1)

Country Link
JP (1) JPH08320720A (ja)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007249997A (ja) * 2000-07-15 2007-09-27 Intevep Sa 工業プロセスの監視方法及び監視システム
JP2021076998A (ja) * 2019-11-07 2021-05-20 ファナック株式会社 分析装置
WO2024176390A1 (ja) * 2023-02-22 2024-08-29 ファナック株式会社 データ分割装置、及びコンピュータ読み取り可能な記録媒体

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007249997A (ja) * 2000-07-15 2007-09-27 Intevep Sa 工業プロセスの監視方法及び監視システム
JP2021076998A (ja) * 2019-11-07 2021-05-20 ファナック株式会社 分析装置
WO2024176390A1 (ja) * 2023-02-22 2024-08-29 ファナック株式会社 データ分割装置、及びコンピュータ読み取り可能な記録媒体

Similar Documents

Publication Publication Date Title
CN117194602B (zh) 基于大语言模型和bert模型的本地知识库更新方法及系统
US20200257927A1 (en) Data Analyzing Device
CN114580518B (zh) 基于符号化表示相似度度量的卫星多元参数异常检测方法
CN116306317B (zh) 一种基于人工智能的aigc自动建模系统
EP3726318B1 (en) Computer-implemented determination of a quality indicator of a production batch-run that is ongoing
JPH0887378A (ja) マウス動作認識によるコマンド実行方式
JP2006195756A (ja) 情報検索装置、情報検索サイトの改善方法提示装置
CN117521629A (zh) 一种基于大语言模型的桥梁检测报告生成方法
EP3726317B1 (en) Computer-implemented determination of a quality indicator of a production batch-run of a production process
US11645362B2 (en) Data analyzing device
CN111125319A (zh) 一种企业基础法律智能咨询终端、系统及方法
JPH1166238A (ja) 手書き文字認識方法
JPH103464A (ja) プロセス状態認識方法、プロセス状態認識装置及びデータ蓄積装置並びに学習装置
JP2000137726A (ja) ヘルプ機能付き情報処理装置及びヘルプ情報検索方法並びにヘルプ情報検索プログラムを記録した媒体
US20230324862A1 (en) Facility operation system and facility operation method
CN118246432A (zh) 基于ai分析的自然语言智能大模型交互系统及方法
JPH11231998A (ja) ヘルプ表示装置及びヘルプ表示プログラムを記録した媒体
US12340334B2 (en) Skill index provision device, skill index provision method, and program
CN117992121B (zh) 一种ai识别用户通过自然语言输入的动作指令方法
CN111506402A (zh) 面向机器学习建模的计算机任务调度方法、装置、设备及介质
JP3615008B2 (ja) 手話認識装置
CN119066756B (zh) 一种目标bim数据的获取方法、装置、设备及介质
JP4292922B2 (ja) 文書検索システムおよび方法
US20240054769A1 (en) Model generation apparatus, model generation method, and recording medium
JP2000242632A (ja) データマイニング装置

Legal Events

Date Code Title Description
A300 Withdrawal of application because of no request for examination

Free format text: JAPANESE INTERMEDIATE CODE: A300

Effective date: 20021001