ABNORMALITY DIAGNOSING MODEL CONSTRUCTION METHOD, ABNORMALITY DIAGNOSING METHOD, ABNORMALITY DIAGNOSING MODEL CONSTRUCTION DEVICE, AND ABNORMALITY DIAGNOSING DEVICE

This abnormality diagnosing model construction method includes: a first regression model creating step of using all operation data to create a first regression model in which a regression coefficient relating to a predictor variable having a small influence on a dependent variable is zero; a predict...

Full description

Saved in:
Bibliographic Details
Main Authors MATSUSHITA, Masafumi, HIRATA, Takehide, KUMANO, Akira
Format Patent
LanguageEnglish
French
Japanese
Published 05.05.2022
Subjects
Online AccessGet full text

Cover

Loading…
More Information
Summary:This abnormality diagnosing model construction method includes: a first regression model creating step of using all operation data to create a first regression model in which a regression coefficient relating to a predictor variable having a small influence on a dependent variable is zero; a predictor variable candidate determining step of dividing the operation data into a predetermined plurality of categories, and determining a predictor variable candidate within the range of the predictor variable used in the first regression model, for each category; and a second regression model creating step of using the operation data included in the categories to create a second regression model in which a regression coefficient relating to a predictor variable candidate having a small influence on a dependent variable is zero. La présente invention concerne un procédé de construction de modèle de diagnostic d'anomalie comprenant : une première étape de création de modèle de régression consistant à utiliser toutes les données de fonctionnement pour créer un premier modèle de régression dans lequel un coefficient de régression relatif à une variable prédictive ayant une petite influence sur une variable dépendante est nul ; une étape de détermination de candidat de variable prédictive consistant à diviser les données de fonctionnement en une pluralité prédéfinie de catégories, et à déterminer, pour chaque catégorie, un candidat de variable prédictive s'inscrivant dans la plage de la variable prédictive utilisée dans le premier modèle de régression ; et une seconde étape de création de modèle de régression consistant à utiliser les données de fonctionnement comprises dans les catégories pour créer un second modèle de régression dans lequel un coefficient de régression relatif à un candidat de variable prédictive ayant une petite influence sur une variable dépendante est nul. 異常診断モデルの構築方法は、全ての操業データを用いて、目的変数に対する影響度の小さい説明変数に関する回帰係数が0となるような第一の回帰モデルを作成する第一の回帰モデル作成ステップと、操業データを予め定めた複数の区分に分け、区分ごとに、第一の回帰モデルで使用された説明変数の範囲内において、説明変数候補を決定する説明変数候補決定ステップと、区分に含まれる操業データを用いて、目的変数に対する影響度の小さい説明変数候補に関する回帰係数が0となるような第二の回帰モデルを作成する第二の回帰モデル作成ステップと、を含む。
Bibliography:Application Number: WO2021JP34596