[2I4-GS-10] AI応用：検出

[2I4-GS-10-02] 多変量統計的プロセス管理とLiNGAMを用いた異常診断手法とTennessee Eastmanプロセスへの適用

〇内田 圭謙¹、藤原 幸一¹、斎藤 樹¹、逢坂 武次² (1. 名古屋大学、2. 株式会社神戸製鋼所)

キーワード：異常診断、プロセスモニタリング

本論文では多変量統計的プロセス管理（MSPC）とlinear non-Gaussian acyclic model（LiNGAM）を組み合わせた異常診断手法を提案する。MSPCは、T²統計量とQ統計量を指標としたプロセスモニタリング手法である。異常時のT²統計量とQ統計量に対する寄与を計算し、異常原因を特定する寄与プロットという手法が提案されているが、異常原因を必ずしも適切に診断できていないのが現状である。 LiNGAMは変数の因果関係を表すモデルの一つであり、入力データに対し、非巡回非ガウスの仮定をおくことで因果構造と変数の因果の強さを推定することができる。提案するMSPC-LiNGAMでは、LiNGAMによりT²統計量、Q統計量に対するプロセス変数の因果関係を計算し、T²統計量、Q統計量と有意な因果関係を持つ変数を故障の原因として推定する。本研究では、Tennessee Eastman（TE）プロセスにMSPC-LiNGAMを適用した。その結果、従来の寄与プロットでは正しく診断できない異常に対しても、提案するMSPC-LiNGAMは適切な異常原因を診断することができた。