[发明专利]异常检测系统及异常检测方法

说明书

本发明提供异常检测系统及异常检测方法，使得设定异常检测的阈值变得容易且精度变高。设为如下结构：在异常检测系统(1)中包含执行以下处理的运算装置(1H101)：基于作为监视对象的规定装置的工作数据，学习用于预测该装置的动作的预测模型的处理；对异常得分进行调整以使关于正常时的工作数据得到的异常得分处于规定范围内的处理，所述异常得分是基于所述预测模型的预测结果与从所述装置得到的工作数据之间的背离情形的异常得分；基于所述调整后的异常得分来检测异常或异常的预兆的处理；以及将所述异常得分或所述检测的结果中的至少任一个的信息显示在输出装置中的处理。

技术领域

本发明涉及异常检测系统及异常检测方法。

背景技术

工厂等产业系统、铁路、电力等社会基础设施系统等多种系统由多个计算机、控制器、机器/设备构成。

这样的系统若其功能停止，则有可能对经济和社会都造成极大的影响。因此，为了不让该系统的功能停止，迅速地发现故障、障碍并进行应对，或防患于未然地预知并进行保全措置，是很重要的。

另一方面，近来，从计算机、控制器、机器/设备等得到大量工作数据。由此，使用以下方法：将机器/设备或者系统的正常时的举动作为统计模型来表现，基于上述的工作数据相对于该模型的背离情形，检测相应机器/设备、系统等中的异常或其预兆。

特别是，经常采取以下方法：在工作数据维持相同的值的情况下，假设遵照正态分布或混合正态分布等，根据正常时的工作数据而算出平均和方差，基于新观测到的工作数据在其概率分布上的概率密度来判断异常性。另一方面，在过渡期等中工作数据的值变动的情况下，存在上述的方法无法有效地起作用的情况。

关于这样的状况，例如，提出了如下设备状态监视方法(参照专利文献1)等，其是基于从被安装于设备的传感器输出的传感器信号来监视所述设备的状态的方法，其特征在于，从所述传感器信号提取成为回归模型的输入的输入矢量和成为回归模型的输出的输出矢量，从该提取到的输入矢量和输出矢量之中选择正常的矢量并作为学习数据来积蓄，从所述积蓄的学习数据之中，选定由从所述传感器信号提取到的所述输入矢量和所述输出矢量构成的观测数据之中的接近于所述输入矢量的规定数量的学习数据，基于该选定的学习数据制成所述回归模型，基于所述观测数据的输入矢量、输出矢量、以及所述回归模型，算出所述观测数据的异常度，基于该算出的异常度进行识别所述设备状态是异常还是正常的异常识别，基于所述设备状态的异常识别的结果及所述观测数据的输入矢量与最接近于该输入矢量的学习数据的类似度来更新所述学习数据。

现有技术文献

专利文献

专利文献1：(日本)特开2013-25367号公报

发明内容

但是，在现有技术中，没有考虑以下情况：由于模型的表现能力的不足、工作数据的不足、计测上的噪声，即使原本是正常时的工作数据，在预测结果和观测结果之间也产生背离(误差)的情况。

因此，即使是正常时，也存在由于预测结果和观测结果之间的背离而计算的异常度(异常得分)变高的可能性。在多数情况下，对异常得分设定阈值，根据是否高于该阈值等来判别是否异常，但如前述那样即使在正常时异常得分也变高，所以难以决定阈值。由此，根据情况，可能成为引起误报的状况。特别是，在检测以机器/设备等为目标的异常或者其预兆的情况下，应监视的对象多，所以对操作者来说成为不能忽略的负担。

因此本发明是鉴于上述而完成的，其目的在于，使得设定异常检测的阈值变得容易且精度变高。