[0001] 本发明涉及一种预测对象装置的运行状态的预测系统。

[0002] 以往，提出了一种系统，该系统用于根据工厂设备等对象装置的运行相关数据来预测该对象装置或其零件等的将来的动作。

[0003] 例如，在专利文献1中公开了一种特性变化预测系统，该特性变化预测系统学习多个工厂设备中的各种零件的特性的经时变化信息从而生成神经回路模型，并根据与各个经时特性变化模式的类似度来预测该零件的将来的经时特性变化模式。并且，例如，在专利文献2中公开了一种系统，该系统从多个工厂设备中选择类似的工厂设备，并根据运行数据来监视特定的性能指标。

[0004] 以往技术文献

[0005] 专利文献

[0006] 专利文献1：日本专利第2758976号

[0007] 专利文献2：日本特开2004‑290774号公报

[0023] 参考附图，对本发明的优选实施方式进行说明。(另外，在各附图中，对相同或同等的结构标注了相同的符号。)

[0024] (1)结构

[0025] (1‑1)预测系统1

[0026] 图1是表示本发明的实施方式所涉及的预测系统1的结构的一例的概略图。如图1所示，预测系统1具有服务器10和至少一个工厂设备20。在此，工厂设备20为“对象装置”的一例。工厂设备20的种类并不受特别限定，可以包括石油工厂设备、化学工厂设备、制药工厂设备、食品工厂设备及造纸工厂设备等。并且，构成工厂设备20的要件并不受特别限定，可以包括燃料或原材料等的存储设备、使用燃料或原材料等或者对燃料或原材料等进行处理或加工等的设备、连接各要件的配管系统等。另外，预测系统1可以应用的对象装置并不只限于各种工厂设备，也可以为工业用机械等任意装置。

[0027] 服务器10经由互联网等通信网络与各工厂设备20通信连接。另外，在区分各工厂设备20时，有时将各工厂设备20称为“工厂设备20A”、“工厂设备20B”等，而在统称各工厂设备20时，有时简称为“工厂设备20”。

[0028] (1‑2)服务器10

[0029] 服务器10为管理各工厂设备20的运行状态的履历(运行状态履历)的信息处理装置的一例。在本例子中，服务器10例如由一个信息处理装置构成，但是，服务器10也可以由多个信息处理装置构成。在此，信息处理装置例如为具备处理器及存储区域的计算机等能够执行各种信息处理的装置。图1中所示的各部例如可以通过使用存储区域或由处理器执行存储在存储区域中的程序来实现。

[0030] 服务器10例如具有服务器通信部11、操作部12、显示部13、存储部14及处理部15。

[0031] 服务器通信部11具有用于将服务器10连接到通信网络的通信接口电路。服务器通信部11将从各工厂设备20接收到的运行状态的履历(运行状态履历)等数据供给至处理部15。

[0032] 关于操作部12，只要能够操作服务器10，则可以使用任意设备，例如可以触控面板、键钮等。用户可以使用操作部12来输入文字、数字、符号等。关于操作部12，若用户操作操作部12，则产生对应于该操作的信号。然后，所产生的信号作为用户的指令而供给至处理部15。

[0033] 关于显示部13，只要能够显示影像或图像等，则可以使用任意设备，例如液晶显示器、有机EL(Electro‑Luminescence：电致发光)显示器等。显示部13显示与从处理部15供给过来的影像数据相对应的影像或与图像数据相对应的图像等。

[0034] 存储部14例如具有半导体存储器、磁盘装置及光盘装置中的至少一个。存储部14存储用于处理部15的处理的驱动程序、操作系统程序、应用程序、数据等。例如，存储部14存储控制服务器通信部11的通信设备驱动程序等作为驱动程序。关于各种程序，例如可以使用公知的安装程序(SETUP PROGRAM)等从CD‑ROM、DVD‑ROM等计算机可读取的移动存储介质安装到存储部14中。

[0035] 存储部14存储后述的属性信息表、运行状态履历表等作为数据。并且，存储部14存储各种画面的显示数据作为数据。而且，存储部14暂时存储规定的处理所涉及的数据。

[0036] 图2是表示属性信息表的一例的图。属性信息表为用于管理各个工厂设备的属性信息的表。在此，工厂设备20的属性信息例如是表示根据各种基准对工厂设备20进行了分类时的该工厂设备20所属种类(属性)的信息。另外，“属性”有时还被称为“外部状态”、“附带状态”及“外部附带状态”等。

[0037] 在属性信息表中例如记录有“工厂设备ID”、“地域”、“气候”、“制造时间”、“用户”、“燃料种类”、“机型”、“设计者”、“维修者”等工厂设备20的属性信息。“工厂设备ID”为用于识别工厂设备20的识别信息(ID)。“地域”为表示设置该工厂设备20的地域的信息。“气候”为表示设置该工厂设备20的地域的气候的信息。“制造时间”为表示制造该工厂设备20的时间的信息，例如可以表示为年、年月、年月日等。“机型”为该工厂设备20的机械种类，例如型号、方式、类型，“设计者”为表示该工厂设备20的设计者(个人、企业等)的信息。“维修者”为表示对该工厂设备20进行维修的维修者(个人、企业等)的信息。另外，属性信息表并不只限于上述项目，还可以包含其他属性信息。

[0038] 图3是表示运行状态履历表的一例的图。运行状态履历表为用于管理各个工厂设备20的运行状态履历的表。如图3所示，在运行状态履历表中，按照工厂设备，以多个矩形单元C的形式表示有运行状态的履历。在运行状态履历表中，横轴表示自基准时刻起经过的时间。在此，基准时刻可以由管理人员等任意设定，例如可以设定为工厂设备20的运行开始时刻、启动时刻(除了包含最初的启动时刻以外，还包含经过了用于检修等的停止期间之后的重新启动时刻)等。并且，在运行状态履历表中，各个单元C表示该经过时间(可以为一个时刻，也可以为具有规定宽度的期间)中的工厂设备20的运行状态，根据单元C内的图案来区分其运行状态的种类。一个单元C所具有的时间长度例如可以设定为秒、分钟、小时、天、周等任意单位。运行状态例如可以包含正常运行期间、事故发生期间(燃料缺乏、出现异物、温度上升、温度下降、冷却器跳闸、燃料系统跳闸、爆裂及停电等事故发生期间)、警报发生期间(Balancing shoot level警报等其他警报发生期间)、运行停止期间及其他任意事件发生期间等。

[0039] 处理部15具备一个或多个处理器及其外围电路。处理部15用于集中控制服务器10的整体动作，例如为CPU(Central Processing Unit：中央处理器)。处理部15控制服务器通信部11等的动作，以便根据存储于存储部14中的程序等以适当的顺序执行服务器10的各种处理。处理部15根据存储于存储部14中的程序(操作系统程序、驱动程序、应用程序等)来执行处理。并且，处理部15能够并行执行多个程序(应用程序等)。

[0040] 处理部15具有收集部151、第1获取部152a、第2获取部152b、提取部153、预测部154及显示处理部155等。处理部15所具有的这些各部为通过使处理部15所具有的处理器执行程序而实现的功能模块。或者，处理部15所具有的这些各部也可以作为独立的集成电路、微处理器或固件而安装于服务器2。

[0041] 收集部151从各工厂设备20收集(接收)该工厂设备20的运行状态履历，并将其记录于存储于存储部14等中的运行状态履历表中。收集部151执行该收集或记录处理的时刻并不受特别限定，例如可以按照预先确定的周期或者可以在非周期性的时刻、或者管理人员等经由操作部12输入执行该处理的指令的时刻执行。

[0042] 接收部152例如接收由用户经由操作部12输入的各种过滤条件。在此，过滤条件是指：为了从运行状态履历表中提取(过滤出)所期望的运行状态履历而该工厂设备20或该工厂设备20的运行状态履历需要满足的条件。

[0043] 第1获取部152a获取与工厂设备20的属性信息相关的条件(即，属性信息过滤条件)。在此，属性信息过滤条件是为了从运行状态履历表中提取(过滤出)所期望的运行状态履历而该工厂设备20需要满足的条件，并且是指定了预测对象装置的属性信息中所包含的至少一个属性信息的条件。属性信息过滤条件所包含的属性信息例如可以为在上述图2的说明中列举的属性信息，也可以为其他任意的属性信息。第1获取部152a例如接收用户经由操作部12输入的属性信息过滤条件从而获取该属性信息过滤条件。

[0044] 第2获取部152b获取与工厂设备20的运行状态相关的条件(即，运行状态过滤条件)。在此，运行状态过滤条件是为了从运行状态履历表中提取(过滤出)所期望的运行状态履历而该工厂设备20的运行状态履历需要满足的条件。在运行状态过滤条件中，指定有预测对象装置的运行状态履历中所包含的至少一个运行状态。并且，在运行状态过滤条件中，也可以指定有各运行状态的发生顺序。

[0045] 提取部153参考存储部14提取满足由第1获取部152a接收的属性信息过滤条件及由第2获取部152b接收的运行状态过滤条件的工厂设备20的运行状态履历。另外，在提取部153根据上述运行状态过滤条件来提取运行状态履历时，可以仅在指定为运行状态过滤条件的运行状态的持续时间(若该运行状态为间断性的，则可以是将各运行状态的履历合计的时间)为规定的阈值以上时提取。

[0046] 预测部154根据由提取部153提取的运行状态履历来预测预测对象装置(工厂设备)的运行状态。预测部154的运行状态的预测方法并不受特别限定，例如可以为基于统计分析的预测、基于概率密度函数的预测、基于贝氏理论的预测等。更具体而言，预测部154例如可以对由提取部153提取的运行状态履历进行统计分析(例如，按照时间总计提取的运行状态履历后进行归一化)从而计算出按照时间的运行状态的发生概率。利用该发生概率，能够预测出将来某一时刻的预测对象装置(工厂设备)的运行状态。或者，预测部154例如可以执行将提取部153所提取的运行状态履历作为学习数据的机械学习从而生成学习模型，并将预测对象装置(工厂设备)的运行状态的履历输入到该学习模型中来输出预测对象装置的将来的运行状态。更具体而言，例如，预测部154可以将提取部153所提取的运行状态履历作为学习数据而学习循环神经网络(RNN)来生成输入运行状态履历的时序数据并输出将来的运行状态的学习模型。利用该将来的运行状态，能够预测出将来某一时刻的预测对象装置(工厂设备)的运行状态。

[0047] 显示处理部155根据存储于存储部14中的各种画面的显示数据来使显示部13显示各种画面。

[0048] (1‑3)工厂设备20

[0049] 工厂设备20具有运行部21、各种传感器22、测量控制系统23及工厂设备通信部24。运行部21具有构成工厂设备20的主要装置，例如包括燃烧室及热交换室等各种模块、或连接各模块的配管系统等。传感器22设置于运行部21的各部位上，其检测运行部21的各种物理量，并将检测结果供给至测量控制系统23。测量控制系统23根据从传感器22供给过来的检测结果来生成运行状态履历。具体而言，测量控制系统23分析从传感器22供给过来的检测结果从而判断设置有该传感器22的运行部21的运行状态，然后生成经判断的运行状态的时序变化(即，运行状态履历)。然后，测量控制系统23经由工厂设备通信部24将运行部21的运行状态履历发送到服务器10。

[0050] (2)动作处理

[0051] 接着，参考图4～图6，对实施方式所涉及的预测系统1的动作处理的一例进行说明。图4是表示实施方式所涉及的预测系统1的动作流程的一例的图。图5是表示显示在显示部13上的画面500的一例的图。图6是表示显示在显示部13上的画面600的一例的图。以下，有时将各个工厂设备20称为“工厂设备A”、“工厂设备B”等。

[0052] 在此，假设工厂设备X从启动起经过了时间T1并且该工厂设备X的时间T1以后的运行状态为预测的对象。并且，服务器10的收集部151预先从各工厂设备20收集该工厂设备20的运行状态履历，并将该运行状态履历记录在了存储于存储部14中的运行状态履历表中。

[0053] (S100)

[0054] 首先，服务器10的第1获取部152a获取属性信息过滤条件。具体而言，例如，第1获取部152a根据用户对操作部12的操作而接收属性信息过滤条件的输入从而获取该属性信息过滤条件。此时，服务器10的显示处理部155例如根据存储于存储部14中的显示数据来使显示部13显示图5中所示的画面500。如图5所示，画面500中包含属性信息过滤条件的显示部501、运行状态过滤条件的显示部502及提取的工厂设备20的运行状态履历的显示部503。在显示部501中显示有由第1获取部152a获取的属性信息过滤条件的内容。在图5所示的例子中，在该显示部501中显示有地域为“寒冷地区”、燃料为“水分大”、机型为“小型”的属性信息过滤条件。

[0055] (S101)

[0056] 接着，提取部153参考存储于存储部14中的属性信息表来确定满足在S100中获取的属性信息过滤条件的工厂设备20，然后从运行状态履历表中提取所确定的工厂设备20的运行状态履历。

[0057] (S102)

[0058] 接着，服务器10的第2获取部152b根据用户对操作部12的操作而接收成为预测对象装置的工厂设备20的指定。具体而言，第2获取部152b接收用于确定由用户指定为预测对象装置的工厂设备20的信息(例如，该工厂设备20的名称、识别信息等)的输入。

[0059] (S103)

[0060] 接着，服务器10的第2获取部152b参考存储于存储部14中的运行状态履历表并根据所指定的工厂设备20的运行状态履历来生成运行状态过滤条件从而获取该运行状态过滤条件。例如，第2获取部152b可以选择成为预测对象装置的工厂设备20的运行状态的履历中所包含的至少一个运行状态并将所选择的运行状态设为运行状态过滤条件。尤其，第2获取部152b也可以将成为预测对象装置的工厂设备20的运行状态的履历中所包含的所有运行状态设为运行状态过滤条件。

[0061] 如图5所示，在画面500的显示部502中显示有由第2获取部152b生成的运行状态过滤条件的内容。在显示部502中显示有由第2获取部152b获取的运行状态过滤条件的内容。在图5所示的例子中，在该显示部502中显示有“运行状态Φ”、“运行状态X”及“运行状态Ψ”作为运行状态过滤条件。这是因为在工厂设备X的运行状态履历中分别包含“运行状态Φ”、“运行状态X”及“运行状态Ψ”的履历。

[0062] (S104)

[0063] 接着，提取部153从在S101中提取的运行状态履历中提取满足在S103中生成的运行状态过滤条件的运行状态履历。

[0064] 如图5所示，在画面500的显示部503中显示有作为满足属性信息过滤条件及运行状态过滤条件而提取的工厂设备20的运行状态履历(具体而言，工厂设备A、工厂设备C、工厂设备E及工厂设备F的运行状态履历)。

[0065] (S105)

[0066] 接着，预测部154根据在S101中提取的工厂设备20的运行状态履历来预测预测对象装置的运行状态。具体而言，例如，预测部154可以对提取的运行状态履历进行统计分析从而计算出按照时间的运行状态的发生概率。或者，例如，预测部154可以执行将由提取部153提取的运行状态履历作为学习数据的机械学习从而生成学习模型，并将预测对象装置(工厂设备)的运行状态的履历输入到该学习模型中来生成表示预测对象装置(工厂设备)的将来的运行状态的输出。

[0067] (S106)

[0068] 接着，显示处理部155使显示部13显示预测部154的预测结果，并结束预测系统1的动作处理。

[0069] 图6A是在预测部154计算出了运行状态的发生概率的情况下由显示处理部155显示于显示部13上的表示预测结果的画面600的一例。如图6A所示，画面600中包含由预测部154计算出的运行状态的发生概率的显示部601和预测对象装置的运行状态履历的显示部
602。在显示部601中显示有由预测部154计算出的各运行状态的发生概率的时序变化。在图
6A所示的例子中，显示有运行状态Φ的发生概率PΦ(t)、运行状态X的发生概率PX(t)、运行状态Ψ的发生概率PΨ(t)及运行状态Ω的发生概率PΩ(t)。

[0070] 显示部602中显示有运行状态的预测对象装置(即，工厂设备X)的运行状态履历。具体而言，在显示部602中显示有从运行开始起经过时间T1为止的工厂设备X的运行状态履历。在此，针对时间T1以后，能够根据显示于显示部601上的发生概率来预测工厂设备X的特定的运行状态。在图6A所示的例子中，将来的时间T2(＞T1)处的工厂设备X成为运行状态Ω的概率为PΩ(T2)，成为运行状态Ψ的概率为PΨ(T2)。

[0071] 图6B是在预测部154基于机械学习的学习模型进行预测的情况下由显示处理部155显示于显示部13上的表示预测结果的画面700的一例。如图6B所示，画面700中包含预测对象装置(即，工厂设备X)的运行状态的时序变化的显示部701。在显示部701中显示有工厂设备X的当前时刻T1为止的运行状态的履历。工厂设备X的当前时刻T1为止的运行状态的履历成为由预测部154执行的机械学习中的学习数据。而且，在显示部701中显示有通过将工厂设备X的运行状态履历输入到预测部154使用该学习数据生成的学习模型中而获得的输出(即，将来的运行状态)。

[0072] 另外，在上述实施方式中，第2获取部152b在接收到成为预测对象装置的工厂设备20的指定之后(S102)根据所指定的工厂设备20的运行状态履历生成运行状态过滤条件(S103)从而获取了运行状态过滤条件。然而，第2获取部152b例如也可以获取用户对操作部
12进行操作而输入的运行状态过滤条件。

[0073] 以上说明的实施方式用于便于理解本发明，其并不用于对本发明进行限定性解释。实施方式所具备的各要件及其配置、材料、条件、形状及尺寸等并不只限于例示，可以进行适当的变更。并且，在不同的实施方式中示出的结构的一部分可以彼此替换或组合。

[0074] 符号说明

[0075] 1‑预测系统，10‑服务器，11‑服务器通信部，12‑操作部，13‑显示部，14‑存储部，15‑处理部，151‑收集部，152a‑第1获取部，152b‑第2获取部，153‑提取部，154‑预测部，155‑显示处理部，20、20A、20B、20C‑工厂设备，21‑运行部，22‑传感器，23‑测量控制系统，24‑工厂设备通信部。