JP2005266965A - データ監視装置およびデータ監視方法 - Google Patents

Abstract

【課題】時系列データを高速に処理し、より正確に正常・異常を監視すること。
【解決手段】データ監視装置１は、データ処理手段１４および監視端末１５を備える。データ処理手段１４は、時系列データ１００を離散ウェーブレット変換してｃＹ（ｉ）１１０を求める変換器２３と、ｃＹ（ｉ）１１０に含まれるベクトルデータ成分のＷＰ（ｉ）１２０を演算する演算器２４と、ＷＰ（ｉ）と予め設定されるＭＷＰ（ｉ）１５０との比であるＲＷＰ（ｉ）１３０を求める比較器２５と、ＲＷＰ（ｉ）が予め設定されるＲＷＰ幅の範囲内であるかを照合して評価結果（ｉ）１４０を得る評価器２６とが設けられる。
【選択図】 図１

Description

本発明は、時系列データがもつ情報から正常・異常を監視するデータ監視装置に係り、特に、時系列データを周波数帯域に分割して求めた周波数帯域毎の特徴量を利用し、被監視装置の正常・異常を監視するデータ監視装置およびデータ監視方法に関する。

信号を時間と周波数の両面から同時に捉える時間周波数解析手法の１つにウェーブレット（Ｗａｖｅｌｅｔ）変換がある。Ｗａｖｅｌｅｔ変換では、マザーウェーブレット（アナライジングウェーブレット）と呼ばれる時間的に局在する関数を切り出す単位として利用する。

マザーウェーブレットとして連続関数を利用するものが連続Ｗａｖｅｌｅｔ変換、離散化された関数を利用するものが離散Ｗａｖｅｌｅｔ変換と呼ばれる。離散Ｗａｖｅｌｅｔ変換を利用すると、信号を異なるレベルの信号に分解することができる。分解された信号を利用することで、信号に含まれる不要信号（ノイズ）除去、異常検出、データ圧縮を行なうことができる。

時系列情報を利用した被監視装置の正常・異常診断方法、特に、時系列データの周波数帯域（レベル）毎に正常・異常を監視する方法がある。例えば、回転機器・軸受け等の被監視装置の異常監視に対する提案として、回転機器の異常検出方法がある（特許文献１参照。）。

回転機器の異常検出方法は、被監視機器であるベアリング（軸受け）から発生する音声をマイクロフォンで採取し、アンプによる増幅およびデジタル変換した後のデジタル信号を離散Ｗａｖｅｌｅｔ変換する。複数レベルｉ（ｉ＝１，２，３，４，…，Ｉ）別の離散Ｗａｖｅｌｅｔ変換係数を求め、さらに、レベルｉ別の変換係数を、フーリエ変換することで、レベルｉ別の変換係数の周波数特性を求める。

求められた周波数特性と、ベアリングの正常時に予め求めておいた周波数特性とを比較することで、ベアリングの異常発生の有無を判断するものである。

ベアリングの異常検出を実施するために、時系列データの離散Ｗａｖｅｌｅｔ変換の演算と、複数レベルｉ別の変換係数に対するフーリエ変換演算とが必要となる。

一般に、Ｗａｖｅｌｅｔ変換では、レベル１（ｉ＝１）の変換で時系列データを低周波成分と高周波成分の２つに分解する。そして、レベル２の変換で、レベル１の変換で求められた低周波成分を更に低周波成分と高周波成分の２つに分解する。この分解を所要のレベルまで繰り返し実施する。

例えば、１秒周期でサンプリングされた時系列データを考えた場合、このデータに対してレベル１〜４の離散Ｗａｖｅｌｅｔ変換を実施したとする。この場合、レベル１〜４に含まれる周波数帯域の情報は表１のようになる。

ただし、表１の結果は理想的な場合であり、現実には相互のレベル間で周波数成分のオーバーラップがある。例えば、レベル１とレベル２は０．２５Ｈｚが境界となっているが、現実には０．２５Ｈｚ前後の周波数成分は、レベル１にもレベル２にも含まれることになる。

離散Ｗａｖｅｌｅｔ変換を利用することによって時系列データの周波数スペクトルを解析する場合、周波数帯域毎の解析が可能となる。

次いで、離散Ｗａｖｅｌｅｔ変換を利用することによって得られたレベル１〜４おのおのの周波数スペクトルを求め、この周波数スペクトルを利用することでベアリングの運転状況を監視することができる。

周波数スペクトルは、信号のフーリエ変換によって求められる。このフーリエ変換には、高速フーリエ変換（ＦＦＴ：Fast Fourier Transformation）と呼ばれる計算方法（アルゴリズム）が存在する。ＦＦＴを利用すると、演算時間を非常に短くすることができる。
特開２００２−９８５８５号公報（第３頁−第５頁、図１−図５）

ＦＦＴは、変換する信号のデータ点数が２^ｎ（ｎ：任意の整数）の場合高速演算が可能となるが、データ点数が２^ｎ以外の場合は、フーリエ変換の定義式そのものを利用するため非常に長い演算時間が必要となる。

実際に市販されている数値計算パッケージソフトを利用した計算時間の比較を行なった。ＦＦＴを利用した場合、データ点数４０９６（２^１２）点を変換するのに要する時間を１とするとき、データ点数４０９９点を変換するのに要する時間は１２３となる。よって、データ点数が４０９９のときの変換は、４０９６点のときの変換より、１００倍以上の演算時間を必要とする。

ＦＦＴにおいて、データ点数が２^ｎになるようにすることができれば高速変換が実施でき、短い時間で周波数スペクトルが得られる。しかし、観測システムのデータ記録装置の制約から、必ずしもデータ点数が２^ｎになるように調整することはできない場合がある。

例えば、地球周回衛星から送信されるデータは、地球一周の周回を単位としている。２時間で地球を一周する地球周回衛星の場合、１秒周期でサンプリングされたデータ点数は７２００点となる。７２００点近傍でありデータ点数が２^ｎとなるのは、４０９６（２^１２）点か８１９２（２^１３）点である。データ点数８１９２点は、７２００点より多いので、実質利用できるのは４０９６点である。地球一周に要する時間を周期とする周波数スペクトルはデータ点数７２００点全てを利用しないと計算できない。つまり、ＦＦＴを利用して４０９６点のデータを変換しても周期６８．２分以下の周波数スペクトルしか得られず、計算の高速化は図れても、得られる周波数スペクトルの情報量が減少してしまう。全ての周波数スペクトル情報を得ようとすると、データ点数が２^ｎ以外となる場合、高速計算アルゴリズムが利用できないため、長い演算時間が必要となる。

また、特許文献１のように、Ｗａｖｅｌｅｔ変換で求められた変換係数のフーリエ変換から周波数スペクトルを求める場合、次のような問題点もある。１回の離散Ｗａｖｅｌｅｔ変換で得られる変換係数に含まれるベクトルデータ成分のデータ数は、離散Ｗａｖｅｌｅｔ変換前の信号の１／２となる。離散Ｗａｖｅｌｅｔ変換が繰返されることによって、離散Ｗａｖｅｌｅｔ変換前の信号のデータ数が２^ｎであれば、ベクトルデータ成分のデータ数は２^ｎ−１となり、高速演算アルゴリズムが適用できるはずである。

しかし、離散Ｗａｖｅｌｅｔ変換では、データ端点での不連続性の影響を抑えるための種々の処理が施される場合が多く、その結果、離散Ｗａｖｅｌｅｔ変換前の信号のデータ数が２^ｎであっても、離散Ｗａｖｅｌｅｔ変換後のデータ数が２^ｎ−１とならないことが多く、フーリエ変換の高速演算アルゴリズムが適用できない場合も多い。

よって、離散Ｗａｖｅｌｅｔ変換で得られた変換係数のフーリエ変換から求められた周波数スペクトルを利用した異常検出方法では、基のデータ点数や、変換係数に含まれるベクトルデータのデータ数によってはフーリエ変換に必要な計算時間が変化してしまう問題がある。

また、被監視機器の監視において、演算時間を短縮させると共に、監視者が、表示画面の表示によって迅速に異常を識別でき、被監視機器の異常原因を把握できることが要求される。

本発明は、このような問題を解決するために提案されたものであり、過渡の演算時間を必要とするフーリエ変換を利用する方法に比べて、時系列データの正常または異常を迅速に、正確に、精度良く識別できるデータ監視装置およびデータ監視方法を提供することを目的とする。

加えて、本発明の第２の目的は、過去の異常原因と現在の異常原因を表示でき、現在の時系列データの異常原因を総合的に評価できるデータ監視装置およびデータ監視方法を提供することにある。

また、本発明の第３の目的は、特定レベルの変換係数のみをＷａｖｅｌｅｔ逆変換することで、いつ、どの程度の異常が発生したかを識別できるデータ監視装置およびデータ監視方法を提供することにある。

さらに、本発明の第４の目的は、周波数スペクトルの周波数帯域を制限でき、高周波領域の変化を識別することができるデータ監視装置およびデータ監視方法を提供することにある。

本発明に係るデータ監視装置は、上述した課題を解決するために、時系列データに処理を施し、その処理結果を表示することで監視を行なうデータ監視装置において、前記時系列データを離散ウェーブレット変換してレベル別の変換係数を求め、このレベル別の変換係数からレベル別の２乗和平均値を演算し、このレベル別の２乗和平均値と予め設定されるレベル別の基準値とのレベル別の基準値比を求め、このレベル別の基準値比が予め設定されるレベル別の管理幅の範囲内であるかを照合してレベル別の評価結果を得るデータ処理手段と、前記レベル別の基準値比及び評価結果を表示する監視端末とを備えた。

また、本発明に係るデータ監視方法は、時系列データに処理を施し、その処理結果を表示することで監視を行なうデータ監視方法において、前記時系列データを離散ウェーブレット変換してレベル別の変換係数を求める第１の工程と、前記レベル別の変換係数からレベル別の２乗和平均値を演算する第２の工程と、前記レベル別の２乗和平均値と予め設定されるレベル別の基準値との比であるレベル別の基準値比を求める第３の工程と、前記レベル別の基準値との比が予め設定されるレベル別の管理幅の範囲内であるかを照合してレベル別の評価結果を得る第４の工程と、前記レベル別の基準値比及び評価結果を表示する第５の工程とを有する。

本発明に係るデータ監視装置およびデータ監視方法によれば、過渡の演算時間を必要とするフーリエ変換を利用する方法に比べて、時系列データの正常または異常を迅速に、正確に、精度良く識別できる。

加えて、本発明に係るデータ監視装置およびデータ監視方法によれば、過去の異常原因と現在の異常原因を表示でき、現在の時系列データの異常原因を総合的に評価できる。

また、本発明に係るデータ監視装置およびデータ監視方法によれば、特定レベルの変換係数のみをＷａｖｅｌｅｔ逆変換することで、いつ、どの程度の異常が発生したかを識別できる。

さらに、本発明に係るデータ監視装置およびデータ監視方法によれば、周波数スペクトルの周波数帯域を制限でき、高周波領域の変化を識別することができる。

本発明に係るデータ監視装置の実施の形態について図面を参照して詳細に説明する。

図１は、本発明に係るデータ監視装置の第１実施の形態を示す概略図である。

図１はデータ監視装置１を示し、このデータ監視装置１には、時系列データ１００に処理を施すデータ処理手段１４と、このデータ処理手段１４によって得られたデータを表示する表示端末１５とが備えられる。

ここで、データ監視装置１にデータ入力手段を備え、このデータ入力手段に入力される信号を基に時系列データ１００を作成して時系列データ１００をデータ処理手段１４に出力するようにしてもよい。

データ処理手段１４には、時系列データ１００を、離散Ｗａｖｅｌｅｔ変換を用いて予め設定された複数レベルｉ（ｉ＝１，２，３，…，Ｉ）に分解し、レベルｉ別の離散Ｗａｖｅｌｅｔ変換係数（以下、「ｃＹ（ｉ）」という。）１１０を求める変換器２３と、ｃＹ（ｉ）１１０に含まれるベクトルデータ成分の２乗値の和の平均値であるレベルｉ別の２乗和平均値（以下、「ＷＰ（ｉ）」という。）１２０を演算する演算器２４と、ＷＰ（ｉ）１２０とレベルｉ別の基準値（以下、「ＭＷＰ（ｉ）」という。）１５０とを比較してレベルｉ別の基準値比（以下、「ＲＷＰ（ｉ）」という。）１３０を得る比較器２５と、ＲＷＰ（ｉ）１３０をレベルｉ別の管理幅（以下、「ＲＷＰ幅（ｉ）」という。）１６０に照合する評価器２６と、予めＭＷＰ（ｉ）１５０が格納される基準値ＤＢ（データベース）３１と、予めＲＷＰ幅（ｉ）１６０が格納される管理幅ＤＢ３２とが設けられる。

図２は、基準値・管理幅演算手段４３の一例を示す概略図である。

図２は、基準値・管理幅演算手段４３を示し、この基準値・管理幅演算手段４３は、図１に示されたデータ監視装置１に設ける基準値ＤＢ３１および管理幅ＤＢ３２に格納させるＭＷＰ（ｉ）１５０およびＲＷＰ幅（ｉ）１６０をそれぞれ設定するものである。なお、ＭＷＰ（ｉ）１５０およびＲＷＰ幅（ｉ）１６０は、基準値・管理幅演算手段４３を用いることなく、所要の値をもってそれぞれ設定してもよい。

基準値・管理幅演算手段４３は、図１に示されたデータ処理手段１に設ける演算器の出力側に備えられ、基準値・管理幅演算手段４３の出力側には、データ処理手段１に設ける基準値ＤＢ３１および管理幅ＤＢ３２が設けられる。

基準値・管理幅演算手段４３には、演算器２４から出力されるＷＰ_ｋ（ｉ）１２０ｋを一次保存するＷＰＤＢ４５と、このＷＰＤＢ４５からＷＰ_ｋ（ｉ）１２０ｋを読み出す基準値演算器４６および管理幅演算器４７とが設けられ、これら基準値演算器４６および管理幅演算器４７にて演算されたＭＷＰ（ｉ）１５０およびＲＷＰ幅（ｉ）１６０は、基準値ＤＢ３１および管理幅ＤＢ３２にそれぞれ出力できるようになっている。また、ＲＷＰ幅（ｉ）１６０の演算にはＭＷＰ（ｉ）１５０を必要とするので、基準値演算器４６から管理幅演算器４７にＭＷＰ（ｉ）１５０を出力できるようになっている。

まず、図２に示された基準値・管理幅演算手段４３の動作について説明する。

データ監視装置１に設ける変換器２３に、データベースとしてのＮ個の時系列データ１００を入力する。以下、Ｎ個の時系列データ１００のうち、ｋ個目の時系列データ１００ｋを用いて説明する。変換器２３では、離散Ｗａｖｅｌｅｔ変換を用いて時系列データ１００ｋを予め設定された複数レベルｉに分解し、ｃＹ_ｋ（ｉ）１１０ｋが求められる。ｃＹ_ｋ（ｉ）１１０ｋは、演算器２４に出力される。

変換器２３から演算器２４に、変換器２３からｃＹ_ｋ（ｉ）１１０ｋが入力される。ｃＹ_ｋ（ｉ）１１０ｋに含まれるベクトルデータ成分の数ｍは、時系列データ１００ｋ毎に、かつ、レベルｉ毎に異なるので、ｃＹ_ｋ（ｉ）１１０ｋに含まれるベクトルデータ成分をｃＹ_ｋｍ（ｍ＝１，２，…，Ｍ_ｋｉ）と表すと、

によって、ｋ個目の時系列データ１００ｋからＷＰ_ｋ（ｉ）１２０ｋが演算される。このＷＰ_ｋ（ｉ）１２０ｋは、基準値・管理幅演算手段４３に設けるＷＰＤＢ４５に出力される。よって、このＷＰＤＢ４５には、ｋ個のＷＰ_ｋ（ｉ）１２０ｋがレベルｉ別に保存されることになる。

さらに、基準値演算器４６は、ＷＰＤＢ４５からｋ個のＷＰ_ｋ（ｉ）１２０ｋを読み出す。基準値演算器４６では、

によって、ｋ個のＷＰ_ｋ（ｉ）１２０ｋの平均値であるＭＷＰ（ｉ）１５０が演算される。このＭＷＰ（ｉ）１５０は、基準値演算器４６からデータ監視装置１に設ける基準値ＤＢ３１に出力され、基準値ＤＢ３１に格納される。

また、管理幅演算器４７は、ＷＰＤＢ４５からｋ個のＷＰ_ｋ（ｉ）１２０ｋを、基準値演算器４６からＭＷＰ（ｉ）１５０をそれぞれ読み出す。管理幅演算器４７では、ＷＰ_ｋ（ｉ）１２０ｋと、ＭＷＰ（ｉ）１５０とから、

によって、ｋ個のＷＰ_ｋ（ｉ）１２０ｋとＭＷＰ（ｉ）１５０との比であるｋ個のＲＷＰ_ｋ（ｉ）１３０ｋが演算される。

次いで、式＜３＞によって得られるｋ個のＲＷＰ_ｋ（ｉ）１３０ｋから、

によって、ＲＷＰ_ｋ（ｉ）１３０ｋのレベルｉ別の平均値（以下、「ＭＲＷＰ（ｉ）」という。）が演算される。

また、式＜３＞から得られるＲＷＰ_ｋ（ｉ）１３０ｋと、式＜４＞から得られるＭＲＷＰ（ｉ）と、自由度φとから、

によって、ＲＷＰ_ｋ（ｉ）１３０ｋのレベルｉ別の標準偏差であるＳＲＷＰ（ｉ）が演算される。なお、自由度φは、φ＝Ｎ、またはφ＝Ｎ−１とする。

ここで、式＜５＞によって演算されたＳＲＷＰ（ｉ）と、調整パラメータとしてのｎ_Ｌ，ｎ_Ｕとから、

によって、ＲＷＰ幅（ｉ）１６０が設定される。ＲＷＰ幅（ｉ）１６０は、管理幅演算器４７からデータ監視装置１に設ける基準値ＤＢ３１に出力され、基準値ＤＢ３１に格納される。

なお、基準値演算器４６にてＭＷＰ（ｉ）１５０を、管理幅演算器４７にてＲＷＰ幅（ｉ）１６０をそれぞれ演算する場合、Ｎ個の時系列データ１００のうち、正常と判断できる時系列データ１００ｋを抽出し、演算することが望ましい。ｃＹ_ｋ（ｉ）１１０ｋが正常と判断できる場合、ｃＹ_ｋ（ｉ）１１０ｋに対応する正常の時系列データ１００ｋのみを演算に利用する。すなわち、正常と判断されたｃＹ_ｋ（ｉ）１１０ｋから式＜１＞〜＜５＞によってＭＷＰ（ｉ）１５０およびＲＷＰ幅（ｉ）１６０を演算する。一方、異常と判断されるｃＹ_ｋ（ｉ）１１０ｋについては、ＭＷＰ（ｉ）１５０およびＲＷＰ幅（ｉ）１６０の演算から選択的に除外する。

ここで、ｃＹ_ｋ（ｉ）１１０ｋの正常・異常の判断は、例えば、ｃＹ_ｋ（ｉ）１１０ｋのばらつきから統計的に判断できる。ｋ個のＷＰ_ｋ（ｉ）１２０ｋから式＜２＞によって、ＷＰ_ｋ（ｉ）１２０ｋの平均値であるＭＷＰ（ｉ）１５０を演算する際、ＭＷＰ（ｉ）１５０の演算と共に、ＷＰ_ｋ（ｉ）１２０ｋのレベルｉ別の標準偏差ＳＷＰ（ｉ）についても演算する。そして、ＭＷＰ（ｉ）１５０を基準として、ＳＷＰ（ｉ）の３倍の範囲内に該当したＷＰ_ｋ（ｉ）１２０ｋは、正常なｃＹ_ｋ（ｉ）１１０ｋによるものと判断する。一方、ＳＷＰ（ｉ）の３倍の範囲外に該当したＷＰ_ｋ（ｉ）１２０ｋは、異常なｃＹ_ｋ（ｉ）１１０ｋによるものと判断する。

また、ＲＷＰ幅（ｉ）１６０の演算では、式＜３＞〜＜６＞により、ＭＷＰ（ｉ）１５０が使用される。よって、ＭＷＰ（ｉ）１５０の設定において異常のｃＹ_ｋ（ｉ）１１０ｋと判断されて、この異常のｃＹ_ｋ（ｉ）１１０ｋがＭＷＰ（ｉ）１５０の演算から除外された場合、この異常のｃＹ_ｋ（ｉ）１１０ｋは、ＲＷＰ幅（ｉ）１６０の演算から除外される。

続いて、図１に示されたデータ監視装置１の動作について説明する。

まず、図１に示されたデータ監視装置１のデータ処理手段１４に備える基準値ＤＢ３１および管理幅ＤＢ３２に、図２に示された基準値・管理幅演算手段４３によって予め設定されたＭＷＰ（ｉ）１５０およびＲＷＰ幅（ｉ）１６０がそれぞれ格納される。

正常または異常を識別したい時系列データ１００をデータ処理手段１４の変換器２３に入力する。変換器２３では、離散Ｗａｖｅｌｅｔ変換を用いて時系列データ１００を予め設定された複数レベルｉに分解し、ｃＹ（ｉ）１１０が求められる。ｃＹ（ｉ）１１０は演算器２４に出力される。

演算器２４では、数＜１＞中の、ｃＹ（ｉ）１１０ｋに含まれるベクトルデータ成分ｃＹ_ｋｍ（ｉ）をｃＹ_ｍ（ｉ）に、ベクトルデータ数Ｍ_ｋｉをＭ_ｉにそれぞれ置換して準用することで、ＷＰ（ｉ）１２０が演算される。ＷＰ（ｉ）１２０は、比較器２５に出力される。

比較器２５では、演算器２４から入力されたＷＰ（ｉ）１２０と、予め基準値ＤＢ３１に格納されるＭＷＰ（ｉ）１５０とが比較される。式＜３＞中の、ＷＰ_ｋ（ｉ）１２０ｋをＷＰ（ｉ）１２０に置換して準用することで、ＷＰ（ｉ）１２０とＭＷＰ（ｉ）１５０との比であるＲＷＰ（ｉ）１３０が得られる。ＲＷＰ（ｉ）１３０は、評価器２６に出力される。

ここで、ＲＷＰ（ｉ）１３０が１に近い程、ＷＰ（ｉ）１２０がＭＷＰ（ｉ）１５０に近く、正常に近いと推測できる。

評価器２６では、比較器２５から入力されたＲＷＰ（ｉ）１３０と、予め管理幅ＤＢ３２に格納されるＲＷＰ幅（ｉ）１６０とが照合される。評価器２６にて、ＲＷＰ（ｉ）１３０が、ＲＷＰ幅（ｉ）１６０の範囲内に収まるかどうかの評価をレベルｉ別に行ない、レベルｉ別の評価結果（以下、「評価結果（ｉ）」という。）１４０を得る。評価結果（ｉ）１４０は、ＲＷＰ（ｉ）１３０がＲＷＰ幅（ｉ）１６０の上下限値内と判断できる正常か、上下限値外と判断できる異常かの判断である。ＲＷＰ（ｉ）１３０および評価結果（ｉ）１４０は、監視端末１５にそれぞれ出力される。

監視端末１５に設ける表示画面（図示しない）に、ＲＷＰ（ｉ）１３０および評価結果（ｉ）１４０が、レベルｉ別にてそれぞれ表示される。そして、監視者は、監視端末１５に設ける表示画面を閲覧し、時系列データ１００の正常または異常をレベルｉ別に識別できる。

図３は、本発明に係るデータ監視装置１の一例を示す概略図である。

図３は、図１に示されたデータ監視装置１を示し、このデータ監視装置１のデータ処理手段１４に設ける変換器２３は、時系列データ１００を、離散Ｗａｖｅｌｅｔ変換を用いて予め設定された複数レベル、例えばレベル１〜４に分解し、ｃＹ（１）１１１、ｃＹ（２）１１２、ｃＹ（３）１１３およびｃＹ（４）１１４を求めるものである。

図４は、基準値・管理幅演算手段４３の一例を示す概略図である。

図４は、図２に示された基準値・管理幅演算手段４３を示し、この基準値・管理幅演算手段４３に設ける変換器２３は、時系列データ１００ｋを、予め設定された複数レベル、例えばレベル１〜４に分解し、ｃＹ_ｋ（１）１１１ｋ、ｃＹ_ｋ（２）１１２ｋ、ｃＹ_ｋ（３）１１３ｋおよびｃＹ_ｋ（４）１１４ｋを求めるものである。

まず、図４に示された基準値・管理幅演算手段４３の動作について説明する。

データ監視装置１に設ける変換器２３に、データベースとしてのＮ個の時系列データ１００を入力する。以下、Ｎ個の時系列データ１００のうち、ｋ個目の時系列データ１００ｋを用いて説明する。変換器２３では、離散Ｗａｖｅｌｅｔ変換を用いて時系列データ１００ｋを予め設定されたレベル１〜４に分解し、レベル１〜４別のｃＹ_ｋ（１）１１１ｋ、ｃＹ_ｋ（２）１１２ｋ、ｃＹ_ｋ（３）１１３ｋおよびｃＹ_ｋ（４）１１４ｋがそれぞれ求められる。ｃＹ_ｋ（１）１１１ｋ〜ｃＹ_ｋ（４）１１４ｋは、演算器２４に出力される。

変換器２３から演算器２４に、ｃＹ_ｋ（１）１１１ｋ〜ｃＹ_ｋ（４）１１４ｋがそれぞれ入力される。ｃＹ_ｋ（１）１１１ｋ〜ｃＹ_ｋ（４）１１４ｋにそれぞれ含まれるベクトルデータ成分をｃＹ_ｋｍ（１）、ｃＹ_ｋｍ（２）、ｃＹ_ｋｍ（３）およびｃＹ_ｋｍ（４）と表すと、式＜１＞を準用することによって、ＷＰ_ｋ（１）１２１ｋ、ＷＰ_ｋ（２）１２２ｋ、ＷＰ_ｋ（３）１２３ｋおよびＷＰ_ｋ（４）１２４ｋがそれぞれ演算される。これらＷＰ_ｋ（１）１２１ｋ〜ＷＰ_ｋ（４）１２４ｋは、基準値・管理幅演算手段４３に設けるＷＰＤＢ４５に出力される。

さらに、基準値演算器４６は、ＷＰＤＢ４５からｋ個のＷＰ_ｋ（１）１２１ｋを読み出す。基準値演算器４６では、式＜２＞を準用することによって、ｋ個のＷＰ_ｋ（１）１２１ｋの平均値であるＭＷＰ（１）１５１が演算される。このＭＷＰ（１）１５１は、基準値演算器４６からデータ監視装置１に設ける基準値ＤＢ３１に出力され、基準値ＤＢ３１に格納される。ＭＷＰ（２）１５２〜ＭＷＰ（４）１５４の演算についてもまた、ＭＷＰ（１）１５１の演算同様に行なわれ、基準値演算器４６からデータ監視装置１に設ける基準値ＤＢ３１に出力され、基準値ＤＢ３１に格納される。

また、管理幅演算器４７は、ＷＰＤＢ４５からｋ個のＷＰ_ｋ（１）１２１ｋを、基準値演算器４６からＭＷＰ（１）１５１をそれぞれ読み出す。管理幅演算器４７では、ＷＰ_ｋ（１）１２１ｋと、ＭＷＰ（１）１５１とから、式＜３＞を準用することによって、ｋ個のＲＷＰ_ｋ（１）１３１ｋが演算される。

次いで、式＜３＞によって得られるｋ個のＲＷＰ_ｋ（１）２３１ｋから、式＜４＞を準用することによって、ｋ個のＲＷＰ_ｋ（１）１３１ｋの平均値であるＭＲＷＰ（１）が演算される。

また、式＜３＞から得られるＲＷＰ_ｋ（１）１３１ｋと、式＜４＞から得られるＭＲＷＰ（１）と、自由度φとから、式＜５＞を準用することによって、ＲＷＰ_ｋ（１）１３１ｋの標準偏差であるＳＲＷＰ（１）が演算される。

ここで、式＜５＞によって演算されたＳＲＷＰ（１）と、調整パラメータとしてのｎ_Ｌ，ｎ_Ｕとから、式＜６＞によって、ＲＷＰ幅（１）１６１が設定される。ＲＷＰ幅（１）１６１は、管理幅演算器４７からデータ監視装置１に設ける基準値ＤＢ３１に出力され、基準値ＤＢ３１に格納される。ＲＷＰ幅（２）１６２〜ＲＷＰ幅（４）１６４の演算および設定についてもまた、ＲＷＰ幅（１）１６１の演算および設定同様に行なわれる。

続いて、図３に示されたデータ監視装置１の動作について説明する。

まず、図３に示されたデータ監視装置１のデータ処理手段１４に備える基準値ＤＢ３１に、図４に示された基準値・管理幅演算手段４３によって予め設定されたＭＷＰ（１）１５１、ＭＷＰ（２）１５２、ＭＷＰ（３）１５３およびＭＷＰ（４）１５４がそれぞれ格納される。また、管理幅ＤＢ３２に、図４に示された基準値・管理幅演算手段４３によって予め設定されたＲＷＰ幅（１）１６１、ＲＷＰ幅（２）１６２、ＲＷＰ幅（３）１６３よびＲＷＰ幅（４）１６４がそれぞれ格納される。

正常または異常を識別したい時系列データ１００をデータ処理手段１４の変換器２３に入力する。変換器２３では、離散Ｗａｖｅｌｅｔ変換を用いて時系列データ１００を予め設定されたレベル１〜４に分解し、レベル１〜４別のｃＹ（１）１１１、ｃＹ（２）１１２、ｃＹ（３）１１３およびｃＹ（４）１１４がそれぞれ求められる。ｃＹ（１）１１１〜ｃＹ（４）１１４は演算器２４にそれぞれ出力される。

演算器２４では、数＜１＞中の、ｃＹ（ｉ）１１０ｋに含まれるベクトルデータ成分ｃＹ_ｋｍ（ｉ）をｃＹ_ｍ（１）に、ベクトルデータ数Ｍ_ｋｉをＭ_１にそれぞれ置換して準用することで、ＷＰ（１）１２１が演算される。ＷＰ（１）１２１は、比較器２５にそれぞれ出力される。

比較器２５では、演算器２４から入力されたＷＰ（１）１２１と、予め基準値ＤＢ３１に格納されるＭＷＰ（１）１５１とが比較される。式＜３＞中の、ＷＰ_ｋ（ｉ）１２０ｋをＷＰ（１）１２１に置換して準用することで、ＲＷＰ（１）１３１が得られる。ＲＷＰ（１）１３１は、評価器２６に出力される。

評価器２６では、比較器２５から入力されたＲＷＰ（１）１３１と、予め管理幅ＤＢ３２に格納されるＲＷＰ幅（１）１６１とが照合される。評価器２６にて、ＲＷＰ（１）１３１が、ＲＷＰ幅（１）１６１の範囲内に収まるかどうかの判断を行ない、評価結果（１）１４１を得る。評価結果（１）１４１は、ＲＷＰ（１）１３１がＲＷＰ幅（１）１６１の上下限値内と判断できる正常か、上下限値外と判断できる異常かの判断である。ＲＷＰ（１）１３１および評価結果（１）１４１は、監視端末１５にそれぞれ出力される。ＲＷＰ（２）１３２〜ＲＷＰ（４）１３４および評価結果（２）１４２〜評価結果（４）１４４についてもまた、ＲＷＰ（１）１３１および評価結果（１）１４１と同様に、監視端末１５にそれぞれ出力される。

監視端末１５に設ける表示画面（図示しない）に、ＲＷＰ（１）１３１〜ＲＷＰ（４）１３４および評価結果（１）１４１〜評価結果（４）１４４が、それぞれ表示される。そして、監視者は、監視端末１５に設ける表示画面を閲覧し、時系列データ１００の正常または異常をレベル１から識別できる。

図１に示されたデータ監視装置１を用いると、過渡の演算時間を必要とするフーリエ変換を利用する方法に比べて、時系列データ１００の正常または異常を迅速に識別できる。

図５は、本発明に係るデータ監視装置の第２実施の形態を示す概略図である。

図５はデータ監視装置１Ａを示し、このデータ監視装置１Ａは、被監視機器（図示しない）からリアルタイムのデータを取得し、被監視機器の稼動状態をリアルタイムに監視するためのものである。

データ監視装置１Ａには、被監視機器からのアナログ信号を検出するセンサ５１と、このセンサ５１にて得られるアナログ信号から時系列データ１００を作成する時系列データ作成手段５２とが備えられる。この時系列データ作成手段５２には、アナログ信号を増幅してデジタル信号に変換する増幅・Ａ／Ｄ変換器５４と、デジタル信号を基に時系列データ１００を作成する計測器５５とが設けられる。

図５に示されたデータ監視装置１Ａでは、図１に示されたデータ監視装置１と同一の構成要素には同一符号を付して重複した説明を省略する。

続いて、図５に示されたデータ監視装置１Ａの動作について説明する。

まず、図５に示されたデータ監視装置１Ａのデータ処理手段１４に備える基準値ＤＢ３１および管理幅ＤＢ３２に、例えば、図２に示された基準値・管理幅演算手段４３によって予め設定されたＭＷＰ（ｉ）１５０およびＲＷＰ幅（ｉ）１６０がそれぞれ格納される。

次いで、被監視機器（図示しない）の正常・異常を監視する監視状態において、被監視機器稼動時のデータが、アナログ信号としてセンサ５１に検出される。アナログ信号は、時系列データ作成手段５２に設ける増幅・Ａ／Ｄ変換器５４に出力される。

増幅・Ａ／Ｄ変換器５４では、アナログ信号が増幅・デジタル変換される。デジタル変換されたデジタル信号は、計測器５５に出力される。

計測器５５では、デジタル信号を基に、被監視機器の情報の時系列推移を表し一定の時間幅から形成される時系列データ１００が作成される。時系列データ１００は、データ処理手段１４に設ける変換器２３に出力される。

変換器２３では、離散Ｗａｖｅｌｅｔ変換を用いて被監視機器に関する時系列データ１００を予め設定された複数レベルｉに分解し、ｃＹ（ｉ）１１０を求める。以降、図１に示されたデータ監視装置１の動作と同様であるので説明を省略する。

図５に示されたデータ監視装置１Ａを用いると、過渡の演算時間を必要とするフーリエ変換を利用する方法に比べて、時系列データ１００の正常または異常を迅速に識別できる。

また、図５に示されたデータ監視装置１Ａを用いると、被監視機器の稼動状態をリアルタイムに識別できる。

図６は、本発明に係るデータ監視装置の第３実施の形態を示す概略図である。

図６に示されたデータ監視装置１Ｂは、正常または異常を識別したい時系列データ１００が入力される毎に、漸次、基準値および管理幅をレベルｉ別に再計算して更新させるものである。

データ監視装置１Ｂでは、演算器２４から監視端末１５に、監視端末１５から基準値ＤＢ３１および管理幅ＤＢにデータをそれぞれ出力できるようになっている。

図６に示されたデータ監視装置１Ｂでは、図１に示されたデータ監視装置１と同一の構成要素には同一符号を付して重複した説明を省略する。

続いて、図６に示されたデータ監視装置１Ｂの動作について図７に示されたフローチャートを用いて説明する。

まず、図６に示されたデータ監視装置１Ｂのデータ処理手段１４に設ける基準値ＤＢ３１および管理幅ＤＢ３２に、例えば、図２に示された基準値・管理幅演算手段４３によって予め設定されたＭＷＰ（ｉ）１５０およびＲＷＰ幅（ｉ）１６０がそれぞれ格納される（ステップＳ１）。

次いで、データ処理手段１４に設ける変換器２３に時系列データ１００が入力される（ステップＳ２）。

変換器２３では、離散Ｗａｖｅｌｅｔ変換を用いて時系列データ１００を予め設定された複数レベルｉに分解し、ｃＹ（ｉ）１１０が求められる（ステップＳ３）。ｃＹ（ｉ）１１０は、演算器２４に出力される。

演算器２４では、数＜１＞中の、ｃＹ_ｋ（ｉ）１１０ｋに含まれるベクトルデータ成分ｃＹ_ｋｍ（ｉ）をｃＹ_ｍ（ｉ）に、ベクトルデータ数Ｍ_ｋｉをＭ_ｉにそれぞれ置換して準用することで、ＷＰ（ｉ）１２０が演算される（ステップＳ４）。ＷＰ（ｉ）１２０は、比較器２５に出力される。

比較器２５では、演算器２４から入力されたＷＰ（ｉ）１２０と、予め基準値ＤＢ３１に格納されるＭＷＰ（ｉ）１５０とが比較される。式＜３＞中の、ＷＰ_ｋ（ｉ）１２０をＷＰ（ｉ）１２０に置換して準用することで、ＷＰ（ｉ）１２０とＭＷＰ（ｉ）１５０との比であるＲＷＰ（ｉ）１３０が得られる（ステップＳ５）。ＲＷＰ（ｉ）１３０は、評価器２６に出力される。

評価器２６では、比較器２５から入力されたＲＷＰ（ｉ）１３０と、予め管理幅ＤＢ３２に格納されるＲＷＰ幅（ｉ）１６０とが照合される（ステップＳ６）。評価器２６にて、ＲＷＰ（ｉ）１３０が、ＲＷＰ幅（ｉ）１６０の範囲内に収まるかどうかの評価をレベルｉ別に行ない（ステップＳ７）、評価結果（ｉ）を得る。ＲＷＰ（ｉ）１３０および評価結果（ｉ）１４０は、監視端末１５にそれぞれ出力される。

監視端末１５に設ける表示画面（図示しない）に、ＲＷＰ（ｉ）１３０および評価結果（ｉ）１４０が、レベルｉ別にてそれぞれ表示される（ステップＳ８）。

ここで、ステップＳ７において、ＲＷＰ（ｉ）１３０のうち、全てのレベルｉが正常と判断された場合、ＲＷＰ（ｉ）１３０を用いて自動的にＭＷＰ（ｉ）１５０およびＲＷＰ幅（ｉ）１６０の再計算がそれぞれ実施される（ステップＳ９）。なお、ステップＳ９では、自動的にＭＷＰ（ｉ）１５０およびＲＷＰ幅（ｉ）１６０の再計算を行なうが、監視者が所要の操作を行なうことにより、手動的に再計算を行なうことも可能である。

ＭＷＰ（ｉ）１５０およびＲＷＰ幅（ｉ）１６０の再計算は、演算器２４から監視端末１５にＷＰ（ｉ）１２０を出力することによって行なわれる。ＭＷＰ（ｉ）１５０は、

によって、ＷＰ_ｋ（ｉ）１２０ｋにＷＰ（ｉ）１２０を加味して２乗和の平均値を再計算し、改めて、ＭＷＰ（ｉ）１５０として設定される。再計算されたＭＷＰ（ｉ）１５０は、基準値ＤＢ３１に出力され、基準値ＤＢ３１に格納される（ステップＳ１）。

同様に、ＲＷＰ幅（ｉ）１６０は、式＜３＞〜＜５＞を準用することで、ＲＷＰ_ｋ（ｉ）１３０ｋにＲＷＰ（ｉ）１３０を加味して再計算し、改めて、ＲＷＰ幅（ｉ）１６０として設定される。再計算されたＲＷＰ幅（ｉ）１６０は、管理幅ＤＢ３２に出力され、管理幅ＤＢ３２に格納される（ステップＳ１）。

一方、ステップＳ７において、レベルｉ別の基準値比（ｉ）１３０のうち、少なくとも１レベルが異常と判断された場合、異常レベルｉを含む全てのレベルｉのＷＰ（ｉ）１３０は、ＭＷＰ（ｉ）１５０およびＲＷＰ幅（ｉ）１６０の再計算に加味されない。よって、ＭＷＰ（ｉ）１５０およびＲＷＰ幅（ｉ）１６０が、そのまま基準値（ｉ）１５０および管理幅（ｉ）１６０として設定される。

以降に入力される時系列データ１００の演算処理についても、ステップＳ１〜ステップＳ９を繰返して行なう。

すなわち、図６に示されたデータ監視装置１Ｂを、図７に示されたフローチャートによって処理すると、監視端末１５に累積されるデータから、最新のデータベース管理と、正常または異常の識別とを同時進行で行なうことができる。

もし、基準値ＤＢ３１および管理幅ＤＢ３２に格納されるレベルｉ別の基準値および管理幅について最新のデータベース管理が行なわれない場合、時系列データの正常・異常の判断を誤る可能性がある。

例えば、時間ｔ＋１にて、図６の比較器２５で演算されたＷＰ_ｔ＋１（ｉ）１２０があるとする。このＷＰ_ｔ＋１（ｉ）１２０と比較を行なうレベルｉ別の基準値として、予め演算されたＭＷＰ（ｉ）１５０、または、時間ｔにて再計算されたＭＷＰ_ｔ（ｉ）１５０が基準値ＤＢ３１に格納されているとする。

比較器２５では、ＭＷＰ（ｉ）１５０とＷＰ_ｔ＋１（ｉ）１２０とを比較すると正常と判断されるが、ＭＷＰ_ｔ（ｉ）１５０とＷＰ_ｔ＋１（ｉ）１２０とを比較すれば正常と言えない場合が起こり得る。また、時間ｔ＋１にて演算されたＲＷＰ_ｔ＋１（ｉ）１３０と、ＲＷＰ幅（ｉ）１６０またはＳＲＷＰ_ｔ幅（ｉ）１６０との照合においても同様である。

なお、図７に示されたフローチャートのステップＳ９では、演算器２４から監視端末１５にＷＰ（ｉ）を出力させたが、この場合に限定されない。例えば、監視端末１５にてＷＰ（ｉ）を得るために、式＜３＞を準用することで、ＲＷＰ（ｉ）１３０からＷＰ（ｉ）１２０を逆算するようにしてもよい。

図６に示されたデータ監視装置１Ｂを、図７に示されたフローチャートによって処理すると、過渡の演算時間を必要とするフーリエ変換を利用する方法に比べて、時系列データ１００の正常または異常を迅速に、正確に、精度良く識別できる。

図８は、本発明に係るデータ監視装置の第４実施の形態を示す概略図である。

図８に示されたデータ監視装置１Ｃは、図１に示されたデータ監視装置１の監視端末１５に設ける表示画面に表示されるＲＷＰ（ｉ）１３０および評価結果（ｉ）１４０に加えて、コメントを表示させるものである。

異常の原因パターンは、概してＲＷＰ（ｉ）１３０のレベル毎の大きさによって規則性があり、そのレベル毎の大きさで識別できる。よって、予めデータベースとしてのＮ個の時系列データ１００からＲＷＰ（ｉ）１３０を演算し、異常と判断できるＲＷＰ（ｉ）１３０と、コメントとの対比表を作成する。そして、正常または異常を識別したい時系列データ１００から演算されたＷＰ（ｉ）を対比表に参照して、対比表からコメントを抽出するものである。

図８（ａ），（ｂ）は、データ監視装置１Ｃを示し、このデータ監視装置１Ｃには、パターンＤＢ５８が備えられ、パターンＤＢ５８と監視端末１５とを相互にリンクさせる。

なお、図８（ａ），（ｂ）に示されたデータ監視装置１Ｃでは、図６に示されたデータ監視装置１Ｂと同一の部分には同一符号を付して説明を省略する。

続いて、図８に示されたデータ監視装置１Ｃの動作について説明する。

図８（ａ）に示されたデータ監視装置１Ｃは、時系列データ１００ｋの離散Ｗａｖｅｌｅｔ変換、ＷＰ_ｋ（ｉ）１２０ｋの演算が行なわれ、ＲＷＰ_ｋ（ｉ）１３０ｋが得られる。

監視端末１５では、ＲＷＰ_ｋ（ｉ）１３０ｋのうち、少なくとも１レベルが異常と判断できる場合、異常レベルｉを含むＲＷＰ_ｋ（ｉ）１３０ｋに対する異常原因のコメントＣｋが入力される。よって、ＲＷＰ_ｋ（ｉ）１３０ｋとコメントＣｋとが対比される。そして、異常レベルｉを含む複数のＲＷＰ_ｋ（ｉ）１３０ｋとコメントＣｋとをそれぞれ対比させ、対比表を作成する。

例えば、図５に示されたデータ監視装置１Ａの被監視機器（図示しない）を時系列データ１００によって監視する場合、対比表は、ＲＷＰ_ｋ（ｉ）１３０ｋの推移パターンと、この推移パターンと同等の推移パターンをもつ被監視機器内・外部の部位または装置に関するコメントＣｋとによって構成できる。

ＲＷＰ_ｋ（ｉ）１３０ｋとコメントＣｋとの対比表はパターンＤＢ５８に出力され、パターンＤＢ５８に格納される。

図８（ｂ）に示されたデータ監視装置１Ｃは、図８（ａ）の動作と同様に、時系列データ１００の離散Ｗａｖｅｌｅｔ変換、ＷＰ（ｉ）１２０の演算が行なわれ、ＷＰ（ｉ）１２０とＭＷＰ（ｉ）１５０との比であるＲＷＰ（ｉ）１３０が得られる。

監視端末１５では、ＲＷＰ（ｉ）１３０のうち、少なくとも１レベルが異常と判断できる場合、異常レベルｉを含むＲＷＰ（ｉ）１３０が、パターンＤＢ５８に出力される。

監視端末１５は、パターンＤＢ５８の、ＲＷＰ_ｋ（ｉ）１３０ｋとコメントＣｋとの対比表に、ＲＷＰ（ｉ）１３０を参照させる。すなわち、対比表のＲＷＰ_ｋ（ｉ）１３０ｋから、ＲＷＰ（ｉ）１３０に類似するＲＷＰ（ｉ）１３０を検索して、コメントＣｋを抽出する。監視端末１５は、パターンＤＢ５８のコメントＣｋを読み込む。

さらに、監視端末１５に設ける表示画面に、コメントＣｋが表示される。そして、監視員は、過去の異常原因パターンから現在の異常原因を推測することができ、時系列データ１００による迅速かつ効率的な異常対処が可能となる。

ここで、パターンＤＢ５８において、ＲＷＰ（ｉ）１３０に類似したＲＷＰ_ｋ（ｉ）１３０ｋを検索する方法について説明する。

ＲＷＰ（ｉ）１３０と、予めパターンＤＢ５８に格納させるＲＷＰ_ｋ（ｉ）１３０ｋとが類似しているかどうかの判断は、例えば、ＲＷＰ（ｉ）１３０とＲＷＰ_ｋ（ｉ）１３０ｋとの偏差の２乗和、または、内積を利用することで可能となる。

パターンＤＢ５８に格納させるＷＰ_ｋ（ｉ）１３０ｋからなるベクトルをＸと定義して、

と表す。

一方、ＷＰ（ｉ）１３０からなるベクトルをＹと定義して、

と表す。

そして、式＜８＞および式＜９＞を利用すると、Ｘ，Ｙの偏差の２乗和は、

によって計算できる。なお、式＜１０＞の偏差の２乗和が小さい程、ＸとＹとは類似すると判断できる。一方、式＜１０＞の偏差の２乗和が大きい程、ＸとＹとは類似しないと判断できる。

また、式＜８＞および式＜９＞を利用すると、Ｘ，Ｙの内積は、

によって計算できる。式＜１１＞において、

となるように規格化しておけば、内積は−１以上１以下の値となる。式＜１１＞の場合、内積が１に近いほど２つのＸとＹとは類似していると判断できる。

すなわち、式＜１０＞の偏差の２乗和、または、式＜１１＞の内積によって、ＲＷＰ（ｉ）１３０に最も類似したＲＷＰ_ｋ（ｉ）１３０ｋを検索することができる。そして、ＲＷＰ_ｋ（ｉ）１３０ｋに対応するコメントＣｋが抽出できる。

なお、式＜１０＞の偏差の２乗和、または、式＜１１＞の内積のどちらの計算も予備的には積和演算であるから、非常に高速に演算を行なうことができる。

図８に示されたデータ監視装置１Ｃを用いると、過渡の演算時間を必要とするフーリエ変換を利用する方法に比べて、時系列データ１００の正常または異常を迅速に、正確に、精度良く識別できる。

また、図８に示されたデータ監視装置１Ｃを用いると、異常レベルｉを含むＲＷＰ_ｋ（ｉ）１３０ｋと、ＲＷＰ（ｉ）１３０との類似性を判断することで、過去の異常原因と現在の異常原因を表示でき、現在の時系列データ１００の異常原因を総合的に評価できる。

図９は、監視端末１５に設ける表示画面の一例を示す概略図である。

図９の表示は、データ監視装置１、データ監視装置１Ａ、データ監視装置１Ｂおよびデータ監視装置１ＣにてＲＷＰ（ｉ）１３０および評価結果（ｉ）１４０を表示する表示画面の一例を示す。

図３に示されたデータ監視装置１にて説明する。図９（ａ）は、データ監視装置１にて演算されたＲＷＰ（ｉ）１３０および評価結果（ｉ）１４０を、表として監視端末１５に示すものである。まず、異常と判断されるレベルｉ、例えばレベル３に対応するＲＷＰ（３）１３３および評価結果（３）１４３の表示について説明する。

データ監視装置１の評価器２６にて、レベル３のＲＷＰ（３）１３３とＲＷＰ幅（３）１６３とが照合される。評価器２６では、ＲＷＰ（３）１３３がＲＷＰ幅（３）１６３の上下限値外にある、すなわちレベル３は異常レベルと判断される。ＲＷＰ（３）１３３および評価結果（３）１４３が、監視端末１５にそれぞれ出力される。

監視端末１５では、図９（ａ）に示された表のレベル３に相当する箇所に、ＲＷＰ（３）１３３の「１．７」と、評価結果（３）１４３の「異常」とがそれぞれ表示される。

一方、正常と判断されるレベルｉ、例えばレベル１に対応するＲＷＰ（１）１３１および評価結果（１）１４１の表示について説明する。評価器２６にて、レベル１のＲＷＰ（１）１３１とＲＷＰ幅（１）１６１とが照合される。評価器２６では、ＲＷＰ（１）１３１がＲＷＰ幅（１）１６１の上下限値内にある、すなわちレベル１は正常のレベルと判断される。ＲＷＰ（ｉ）１３１および評価結果（１）１４１とは、監視端末１５にそれぞれ出力される。

監視端末１５では、図９（ａ）に示された表のレベル１に相当する箇所に、ＲＷＰ（１）１３１の「１．０」と、評価結果（１）１４１の「正常」とがそれぞれ表示される。レベル２，４の表示に関してもレベル１の表示と同様に、図６（ａ）に示された表のレベル２に相当する箇所に、ＲＷＰ（２）１３２の「１．２」と、評価結果（２）１４２の「正常」が、また、レベル４に相当する箇所に、ＲＷＰ（４）１３４の「１．０」と、評価結果（４）１４４の「正常」がそれぞれ表示される。

なお、図９（ａ）において、正常と判断できるレベル１，２，４と、異常と判断できるレベル３との表示パターンを変化させることで、時系列データ１００の正常・異常と共に、異常のときは、どのレベルｉが異常であるかを直感的に判断することが可能となる。例えば、図９（ａ）では、レベル３のＲＷＰ（３）１３３が異常であるので、レベル３に相当する箇所を色付け表示させる。

図９（ｂ）は、ＲＷＰ（ｉ）１３０および評価結果（ｉ）１４０をグラフとして示す。図９（ｂ）のグラフは、図９（ａ）の表のＲＷＰ（ｉ）１３０の値をグラフ化したものである。

また、図９（ｂ）において、正常のレベル１，２，４と異常レベル３との表示パターンを変化させることで、監視員は、時系列データ１００の正常・異常と共に、異常のとき、どのレベルｉが異常であるかを直感的に判断することが可能となる。例えば、図９（ｂ）では、レベル３のＲＷＰ（３）１３３が異常であるので、レベル３に相当する箇所を色付け表示させる。

なお、図９に示された監視端末１５に設ける表示画面は、データ監視装置１Ａ、データ監視装置１Ｂおよびデータ監視装置１Ｃにも用いることができる。

図１０は、本発明に係るデータ監視方法の第５実施の形態を示すフローチャートである。

図１０に示されたフローチャートは、特定レベルｉのｃＹ（ｉ）１１０のみをＷａｖｅｌｅｔ逆変換するものである。

図１０に示されたフローチャートでは、まず、図６に示されたデータ監視装置１Ｂのデータ処理手段１４に備える基準値ＤＢ３１および管理幅ＤＢ３２内部に、例えば、図２に示された基準値・管理幅演算手段４３によって予め設定されたＭＷＰ（ｉ）１５０およびＲＷＰ幅（ｉ）１６０がそれぞれ格納される（ステップＳ１）。

次いで、データ処理手段１４に設ける変換器２３に時系列データ１００が入力される（ステップＳ２）。

変換器２３では、離散Ｗａｖｅｌｅｔ変換を用いて時系列データ１００を予め設定された複数レベルｉに分解する（ステップＳ３）。演算器２４では、数＜１＞を準用することで、ＷＰ（ｉ）１２０が演算される（ステップＳ４）。

比較器２５では、ＷＰ（ｉ）１２０と、ＭＷＰ（ｉ）１５０とが比較される。式＜３＞を準用することで、ＷＰ（ｉ）１２０とＭＷＰ（ｉ）１５０との比であるＲＷＰ（ｉ）１３０が得られる（ステップＳ５）。

評価器２６では、ＲＷＰ（ｉ）１３０と、ＲＷＰ幅（ｉ）１６０とが照合される（ステップＳ６）。ＲＷＰ（ｉ）１３０が、ＲＷＰ幅（ｉ）１６０の範囲内であるかが判断される（ステップＳ７）。そして、ＲＷＰ（ｉ）１３０および評価結果（ｉ）１４０は、監視端末１５にそれぞれ出力される。

監視端末１５に設ける表示画面に、ＲＷＰ（ｉ）１３０および評価結果（ｉ）１４０がレベルｉ別にてそれぞれ表示される（ステップＳ８）。

続いて、ステップＳ７において、ＲＷＰ（ｉ）１３０のうち、全てのレベルｉが正常と判断された場合、ＭＷＰ（ｉ）１５０およびＲＷＰ幅（ｉ）１６０の再計算を行ない（ステップＳ９）、ステップＳ２から繰返される。

一方、ステップＳ７において、ＲＷＰ（ｉ）１３０のうち、少なくとも１レベルが異常と判断された場合、異常を示すレベルｉを特定レベルｉと定め、特定レベルｉのＲＷＰ（ｉ）１３０に対応するｃＹ（ｉ）１１０のみが、Ｗａｖｅｌｅｔ逆変換される（ステップＳ１１）。監視端末１５に設ける表示画面には、ｃＹ（ｉ）１１０をＷａｖｅｌｅｔ逆変換して得られた時系列データ１００_Ｒｅｖが表示される（ステップＳ８）。そして、ステップＳ２から繰返される。

図１１は時系列データ１００を、図１２は時系列データ１００_Ｒｅｖを示すグラフである。

図１１，図１２に示されたグラフは、縦軸が出力信号量、横軸が時刻を示し、出力信号量の時系列推移を示す。

図１２に示された時系列データ１００_Ｒｅｖは、図１１に示された時系列データ１００を、離散Ｗｖｅｌｅｔ変換して分解して特定レベルｉ、例えば異常と判断されたレベル４のｃＹ（４）１１４をＷａｖｅｌｅｔ逆変換して得られたものである。

図１０に示されたフローチャートのステップＳ３によって、図１１に示された時系列データ１００を、離散Ｗａｖｅｌｅｔ変換して複数レベルｉ、例えばレベル１〜１２に分解する。ステップＳ７によってレベルｉ、例えばレベル４のＲＷＰ（４）１３４が異常レベルと判断される。そして、ステップＳ１１によってＲＷＰ（４）１３４に対応するレベル４を特定レベルとして、ｃＹ（４）１１４のみをＷａｖｅｌｅｔ逆変換し、図１２に示された時系列データ１００_Ｒｅｖを得る。

図１２に示された時系列データ１００_Ｒｅｖでは、時刻が４０００以降において、出力信号量の振幅が急増することが確認できる。これは、異常が定常的に発生しているのではなく、特定時刻で発生していることを意味する。

特定時刻で発生する異常による出力信号量の変化は、図１１に示された時系列データ１００では発見できないが、図１２に示された時系列データ１００_Ｒｅｖのように、特定レベル４のみのＷａｖｅｌｅｔ逆変換により発見することができる。

図１０に示されたフローチャートによって処理すると、過渡の演算時間を必要とするフーリエ変換を利用する方法に比べて、時系列データ１００の正常または異常を迅速に、正確に、精度良く識別できる。

また、図１０に示されたフローチャートによって処理すると、特定レベルｉの変換係数のみをＷａｖｅｌｅｔ逆変換することで、いつ、どの程度の異常が発生したかを識別できる。

図１３は、本発明に係るデータ監視方法の第６実施の形態を示すフローチャートである。

図１３に示されたフローチャートは、図７に示されたフローチャートのステップＳ７にて、ＲＷＰ（ｉ）１３０が異常レベルｉをもつ場合、この異常レベルのＲＷＰ（ｉ）１３０の基となる時系列データのみをフーリエ変換するものである。

図１３に示されたフローチャートでは、まず、図６に示されたデータ監視装置１Ｂのデータ処理手段１４に備える基準値ＤＢ３１および管理幅ＤＢ３２内部に、例えば、図２に示された基準値・管理幅演算手段４３によって予め設定されたＭＷＰ（ｉ）１５０およびＲＷＰ幅（ｉ）１６０がそれぞれ格納される（ステップＳ１）。

次いで、データ処理手段１４に設ける変換器２３に時系列データ１００が入力される（ステップＳ２）。

変換器２３では、離散Ｗａｖｅｌｅｔ変換を用いて時系列データ１００を予め設定された複数レベルｉに分解する（ステップＳ３）。演算器２４では、数＜１＞を準用することで、ＷＰ（ｉ）１２０が演算される（ステップＳ４）。

比較器２５では、ＷＰ（ｉ）１２０と、ＭＷＰ（ｉ）１５０とが比較される（ステップＳ５）。式＜３＞を準用することで、ＷＰ（ｉ）１２０とＭＷＰ（ｉ）１５０との比であるＲＷＰ（ｉ）１３０が得られる。

評価器２６では、ＲＷＰ（ｉ）１３０と、ＲＷＰ幅（ｉ）１６０が照合される（ステップＳ６）。ＲＷＰ（ｉ）１３０がＲＷＰ幅（ｉ）１６０の範囲内であるかが判断される（ステップＳ７）。ＲＷＰ（ｉ）１３０および評価結果（ｉ）１４０は、監視端末１５にそれぞれ出力される。

監視端末１５に設ける表示画面に、ＲＷＰ（ｉ）１３０および評価結果（ｉ）１４０がレベルｉ別にそれぞれ表示される（ステップＳ８）。

続いて、ステップＳ７において、ＲＷＰ（ｉ）１３０のうち、全てのレベルｉが正常と判断された場合、ＭＷＰ（ｉ）１５０およびＲＷＰ幅１６０の再計算を行ない（ステップＳ９）、ステップＳ２から繰返す。

一方、ステップＳ７において、ＲＷＰ（ｉ）１３０のうち、少なくとも１レベルが異常と判断された場合、時系列データ１００がフーリエ変換される（ステップＳ１３）。フーリエ変換して得られた周波数スペクトルは、特定レベルｉに基づき周波数帯域が制限され、周波数スペクトルから特定レベルｉの周波数スペクトル「以下、周波数スペクトル（ｉ）」という。）を取得する（ステップＳ１４）。

周波数スペクトル（ｉ）は、監視端末１５に設ける表示画面に表示される（ステップＳ８）。そして、ステップＳ２から繰返される。

図１４，図１５は、表示画面に示される周波数スペクトル（ｉ）を示すグラフである。

図１４，図１５に示されたグラフは、縦軸がスペクトルパワー、横軸が周波数（Ｈｚ）を示し、時系列データの周波数によるスペクトル変化を示す。

図１４に示されるグラフは、従来例で説明した方法によって時系列データ１００をフーリエ変換して得られた周波数スペクトルである。

一方、図１５に示されるグラフは、図１３に示されたフローチャートのステップＳ７により、特定レベルｉ、例えば異常レベル４のＲＷＰ（４）をもつ場合、時系列データ１００をフーリエ変換し、特定レベル４に基づき周波数帯域を制限して得られた周波数スペクトル（４）である。

図１４に示された周波数スペクトルは長周期変動があり、低周波帯域のみに大きなスペクトルパワーが発生する。その結果、図１４に示された周波数スペクトルは、縦軸が低周波帯域のスペクトルパワーのスケールに照準されている。

図１５に示された周波数スペクトル（４）によると、周波数０．０２Ｈｚ〜０．０４Ｈｚの間にスペクトルパワーのピーク（４）が存在する。なお、図１４に示された周波数スペクトルでは、周波数０〜０．０２Ｈｚのスペクトルパワーが極端に大きく、グラフの縦軸のスケールが周波数０〜０．０２Ｈｚのスペクトルパワーに照準されているので、周波数０．０２Ｈｚ〜０．０４Ｈｚの間に存在するスペクトルパワーのピーク（４）の有無を識別できない。

一方、図１５に示されたグラフでは、異常が検出されたレベル４のＲＷＰ（４）１３４の情報に基づき、周波数スペクトル（４）のみを表示しているので、高周波のスペクトルパワーのピーク（４）を識別できる。

図１３に示されたフローチャートによって処理すると、過渡の演算時間を必要とするフーリエ変換を利用する方法に比べて、時系列データ１００の正常または異常を迅速に、正確に、精度良く識別できる。

また、図１３に示されたフローチャートによって処理すると、周波数スペクトルの周波数帯域を制限でき、高周波領域の変化を識別することができる。

図１６は、本発明に係るデータ監視方法の第７実施の形態を示すフローチャートである。

図１６に示されたフローチャートは、図１０に示されたフローチャートに従って処理され、ステップＳ１１にて、特定レベルｉのｃＹ（ｉ）１２０がＷａｖｅｌｅｔ逆変換される。図１２に示された時系列データ１００_Ｒｅｖのように、異常が特定時間帯域でのみ発生している場合、図１２に示された時系列データ１００_Ｒｅｖを、異常が発生している特定時間帯域に分割して、時系列データ１００_Ｒｅｖの一部のみをフーリエ変換し、周波数スペクトルを作成するものである。

例えば、図１２に示された時系列データ１００_Ｒｅｖを、時刻０〜４０００、時刻４０００〜７０００の２つに分割し、時系列データ１００_Ｒｅｖの一部としての時刻４０００〜７０００について周波数スペクトルを作成する。

図１６に示されたフローチャートでは、まず、図１０に示されたフローチャートに従って処理され、特定レベルｉのｃＹ（ｉ）１２０がＷａｖｅｌｅｔ逆変換される（ステップＳ１１）。Ｗａｖｅｌｅｔ逆変換して得られた時系列データ１００_Ｒｅｖを特定時間帯域に分割する（ステップＳ１５）。

分割された時系列データ１００_Ｒｅｖの一部のみをフーリエ変換し、周波数スペクトルを作成する（ステップＳ１３）。フーリエ変換して得られた周波数スペクトルを、特定レベルｉに基づき周波数帯域を制限して周波数スペクトル（ｉ）を取得する（ステップＳ１４）。

周波数スペクトル（ｉ）は、監視端末１５に設ける表示画面に表示される（ステップＳ８）。そして、図１０に示されたフローチャートのステップＳ２から繰返される。

図１６に示されたフローチャートによって処理すると、過渡の演算時間を必要とするフーリエ変換を利用する方法に比べて、時系列データ１００の正常または異常を迅速に、正確に、精度良く識別できる。

また、図１６に示されたフローチャートによって処理すると、特定レベルｉの変換係数のみをＷａｖｅｌｅｔ逆変換することで、いつ、どの程度の異常が発生したかを識別できる。

さらに、図１６に示されたフローチャートによって処理すると、周波数スペクトルの周波数帯域を制限でき、高周波領域の変化を識別することができる。

本発明に係るデータ監視装置の第１実施の形態を示す概略図。 基準値・管理幅演算手段を示す概略図。 本発明に係るデータ監視装置の第１実施の形態の一例を示す概略図。 基準値・管理幅演算手段の一例を示す概略図。 本発明に係るデータ監視装置の第２実施の形態を示す概略図。 本発明に係るデータ監視装置の第３実施の形態を示す概略図。 本発明に係るデータ監視装置の第３実施の動作を示すフローチャート。 （ａ），（ｂ）は本発明に係るデータ監視装置の第４実施の形態を示す概略図。 （ａ），（ｂ）は監視端末に設ける表示画面の一例を示す概略図。 本発明に係るデータ監視方法の第５実施の形態を示すフローチャート。 時系列データを示すグラフ。 時系列データを示すグラフ。 本発明に係るデータ監視方法の第６実施の形態を示すフローチャート。 表示画面に示される周波数スペクトルを示すグラフ。 表示画面に示される周波数スペクトルを示すグラフ。 本発明に係るデータ監視方法の第６実施の形態を示すフローチャート。

符号の説明

１，１Ａ，１Ｂ，１Ｃ データ監視装置
１４ データ処理手段
１５ 監視端末
２３ 変換器
２４ 演算器
２５ 比較器
２６ 評価器
３１ 基準値ＤＢ
３２ 管理幅ＤＢ
４３ 基準値・管理幅演算手段
４５ ＷＰＤＢ
４６ 基準値演算器
４７ 管理幅演算器
５１ センサ
５２ 時系列データ作成手段
５４ 増幅・Ａ／Ｄ変換器
５５ 計測器
５８ パターンＤＢ

Claims (9)

1. 時系列データに処理を施し、その処理結果を表示することで監視を行なうデータ監視装置において、
   前記時系列データを離散ウェーブレット変換してレベル別の変換係数を求め、このレベル別の変換係数からレベル別の２乗和平均値を演算し、このレベル別の２乗和平均値と予め設定されるレベル別の基準値とのレベル別の基準値比を求め、このレベル別の基準値比が予め設定されるレベル別の管理幅の範囲内であるかを照合してレベル別の評価結果を得るデータ処理手段と、
   前記レベル別の基準値比及び評価結果を表示する監視端末とが備えられたデータ監視装置。
2. 複数の時系列データを離散ウェーブレット変換してレベル別の複数の変換係数を求め、このレベル別の複数の変換係数からレベル別の複数の２乗和平均値を演算し、このレベル別の複数の２乗和平均値の平均値であるレベル別の基準値と、このレベル別の基準値と前記レベル別の複数の２乗和平均値とのレベル別の複数の基準値比を求め、このレベル別の複数の基準値比の平均値及び標準偏差から定まる管理幅と、を演算する基準値・管理幅演算手段を備えたことを特徴とする請求項１に記載のデータ監視装置。
3. 前記レベル別の複数の２乗和平均値を保存する２乗和平均値ＤＢを設けたことを特徴とする請求項２に記載のデータ監視装置。
4. 被監視機器から出力されるアナログ信号をデジタル信号に変換し、このデジタル信号を基に時系列データを作成して、この時系列データを前記データ処理手段に出力する時系列データ作成手段を備えたことを特徴とする請求項１に記載のデータ監視装置。
5. 前記レベル別の基準値比とコメントとの対比表が格納できるパターンＤＢを備え、このパターンＤＢが前記監視端末と相互リンクされたことを特徴とする請求項１に記載のデータ監視装置。
6. 前記監視端末には、前記レベル別の基準値比及び評価結果を、表又はグラフによってレベル別に表示できる表示画面を設けたことを特徴とする請求項１に記載のデータ監視装置。
7. 前記監視端末には、前記レベル別の基準値比及び評価結果を、表又はグラフによってレベル別に表示でき、前記レベル別の評価結果によって表示パターンを変化させて表示できる表示画面を設けたことを特徴とする請求項１に記載のデータ監視装置。
8. 時系列データに処理を施し、その処理結果を表示することで監視を行なうデータ監視方法において、
   前記時系列データを離散ウェーブレット変換してレベル別の変換係数を求める第１の工程と、
   前記レベル別の変換係数からレベル別の２乗和平均値を演算する第２の工程と、
   前記レベル別の２乗和平均値と予め設定されるレベル別の基準値との比であるレベル別の基準値比を求める第３の工程と、
   前記レベル別の基準値との比が予め設定されるレベル別の管理幅の範囲内であるかを照合してレベル別の評価結果を得る第４の工程と、
   前記レベル別の基準値比及び評価結果を表示する第５の工程とを有することを特徴とするデータ監視方法。
9. 複数の時系列データを離散ウェーブレット変換してレベル別の複数の変換係数を求め、このレベル別の複数の変換係数からレベル別の複数の２乗和平均値を演算し、このレベル別の複数の２乗和平均値の平均値を演算して前記レベル別の基準値を設定し、このレベル別の基準値と前記レベル別の複数の２乗和平均値とのレベル別の複数の基準値比を求め、このレベル別の複数の基準値比の平均値及び標準偏差を演算して前記レベル別の管理幅を設定することを特徴とする請求項８に記載のデータ監視方法。

Images