JP2008167296A - 機器監視方法および機器監視システム - Google Patents

Abstract

【課題】個々の機器の個体差を反映させつつ機器ごとのセンサ値の正常範囲を決定する。
【解決手段】本発明の一態様としての機器監視方法は、各々センサをもつ複数の機器を監視する機器監視方法であって、前記複数の機器から２つ以上のサンプル機器を選択する選択ステップと、各前記サンプル機器のセンサにより検出されたセンサ値の時系列データを用いて、各前記サンプル機器の各々について前記センサ値の平均と標準偏差とを計算する第１計算ステップと、前記センサ値の平均の信頼区間と、前記標準偏差の平均とを計算する第２計算ステップと、前記複数の機器のうち任意の機器のセンサにより検出されたセンサ値の時系列データから前記センサ値の平均を計算し、計算した平均と、前記センサ値の平均の信頼区間と、前記標準偏差の平均とから、前記任意の機器のセンサの正常範囲を算出する正常範囲算出ステップと、を備える。
【選択図】図１

Description

本発明は、機器監視方法および機器監視システムに関し、たとえば機器の異常性をセンサの値から判定する技術に関するものである。

機器の安全性の向上および監視コストの削減のため、遠隔監視へのニーズが高まっている。遠隔監視で実現すべき事項の一つとして異常の監視がある。機器の異常性はセンサの値から判定する。センサのとるべき上限と下限が与えられ、この範囲（正常範囲）を逸脱すると機器は異常であると見なされる。センサ値の上限および下限はセンサ値の履歴データを用いることで決定できる。例えば、センサ値のばらつきは正規分布であると仮定し、平均μと標準偏差σを求め、μ±３σを上限と下限とする方法がある。
特開２００６−１３５４１２号公報

遠隔監視では、同一の多数の機器が監視対象になるという特徴を持つ。これら全ての機器でセンサデータを収集し、上限と下限を決定するのは困難である。また、新規に設置された機器はセンサ値の履歴データが無いため上限下限を設定することができない。したがって、対象機器のうち、いくつかの機器をサンプリングし、サンプリングした機器のセンサデータを用いて上限と下限を決定する方法が考えられる。しかし、同一機器であっても機器には個体差がある可能性があり、サンプリングした機器のセンサデータから残りの機器のセンサ値の上限と下限を一意に決めることが困難な場合がある。すなわち、サンプリングした機器から決めたセンサ値の上限と下限が、残りの機器の異常発見にうまく適合するとは限らない。

本発明は、個々の機器の個体差を反映させつつ機器ごとのセンサ値の正常範囲を決定できる機器監視方法および機器監視システムを提供する。

本発明の一態様としての機器監視方法は、
各々センサをもつ複数の機器を監視する機器監視方法であって、
前記複数の機器から２つ以上のサンプル機器を選択する選択ステップと、
各前記サンプル機器のセンサにより検出されたセンサ値の時系列データを用いて、各前記サンプル機器の各々について前記センサ値の平均と標準偏差とを計算する第１計算ステップと、
前記センサ値の平均の信頼区間と、前記標準偏差の平均とを計算する第２計算ステップと、
前記複数の機器のうち任意の機器のセンサにより検出されたセンサ値の時系列データから前記センサ値の平均を計算し、計算した平均と、前記センサ値の平均の信頼区間と、前記標準偏差の平均とから、前記任意の機器のセンサの正常範囲を算出する正常範囲算出ステップと、
を備える。

本発明の一態様としての機器監視方法は、
各々センサをもつ複数の機器を監視する機器監視方法であって、
前記複数の機器から２つ以上のサンプル機器を選択する選択ステップと、
各前記サンプル機器のセンサから検出されるセンサ値の時系列データを用いて、各前記サンプル機器のそれぞれにおけるセンサ値の平均を各前記サンプル機器間で平均したサンプル平均と、各前記サンプル機器のそれぞれにおけるセンサ値の平均の各前記サンプル機器間での標準偏差であるサンプル標準偏差と、各前記サンプル機器のそれぞれにおけるセンサ値の標準偏差を各前記サンプル機器間で平均した標準偏差平均とを計算する第３計算ステップと、
前記複数の機器のうち任意の機器のセンサから検出された前記センサ値の個数および平均と、前記第３計算ステップで計算された前記サンプル平均、前記サンプル標準偏差、前記標準偏差平均とから、前記任意の機器のセンサ値の平均の分布を表す正規分布の中央値、または前記中央値に対し閾値範囲内の値を求め、前記中央値または前記閾値範囲内の値と、前記標準偏差平均とから、前記任意の機器のセンサの正常範囲を求める正常範囲算出ステップと、
を備える。

本発明の一態様としての機器監視システムは、
各々センサをもつ複数の機器を監視する機器監視システムであって、
前記複数の機器から２つ以上のサンプル機器を選択する選択手段と、
各前記サンプル機器のセンサにより検出されたセンサ値の時系列データを用いて、各前記サンプル機器の各々について前記センサ値の平均と標準偏差とを計算する第１計算手段と、
前記センサ値の平均の信頼区間と、前記標準偏差の平均とを計算する第２計算手段と、
前記複数の機器のうち任意の機器のセンサにより検出されたセンサ値の時系列データから前記センサ値の平均を計算し、計算した平均と、前記センサ値の平均の信頼区間と、前記標準偏差の平均とから、前記任意の機器のセンサの正常範囲を算出する正常範囲算出手段と、
を備える。

本発明の一態様としての機器監視システムは、
各々センサをもつ複数の機器を監視する機器監視システムであって、
前記複数の機器から２つ以上のサンプル機器を選択する選択手段と、
各前記サンプル機器のセンサから検出されるセンサ値の時系列データを用いて、各前記サンプル機器のそれぞれにおけるセンサ値の平均を各前記サンプル機器間で平均したサンプル平均と、各前記サンプル機器のそれぞれにおけるセンサ値の平均の各前記サンプル機器間での標準偏差であるサンプル標準偏差と、各前記サンプル機器のそれぞれにおけるセンサ値の標準偏差を各前記サンプル機器間で平均した標準偏差平均とを計算する第３計算手段と、
前記複数の機器のうち任意の機器のセンサから検出された前記センサ値の個数および平均と、前記第３計算ステップで計算された前記サンプル平均、前記サンプル標準偏差、前記標準偏差平均とから、前記任意の機器のセンサ値の平均の分布を表す正規分布の中央値、または前記中央値に対し閾値範囲内の値を求め、前記中央値または前記閾値範囲内の値と、前記標準偏差平均とから、前記任意の機器のセンサの正常範囲を求める正常範囲算出手段と、
を備える。

本発明により、個々の機器の個体差を反映させつつ機器ごとのセンサ値の正常範囲を決めることができる。

（第１の実施の形態）
図１は監視システム全体の構成を示す。複数の同一機種のローカル機器１が監視対象である。ローカル機器１の具体例は、エレベータやコピー機などである。図２に示すように各ローカル機器１は、Ｓ１〜Ｓｎまでのｎ個のセンサを持ち、センサ値を監視するプログラム１０２が動作する。エレベータのセンサの例はドアの開閉速度などであり、コピー機のセンサの例はドラムの回転速度などである。監視プログラムは、センサ値の適正区間（正常範囲）の上限と下限を保持しており、センサ値がこの区間に入っているか否かを判定する。監視プログラムはセンサ値が適正区間から外れた際は異常という結果をセンタ装置１００に通知する。センタ装置１００ではローカル機器１からの異常通知を受け、その後の対応、例えば点検員の派遣といった対応をとる。本実施の形態では、センサＳ１の異常を発見するための上限および下限（以降、監視モデルと呼ぶ）の生成方法について記す。なお、上限と下限は、センサの値が正規分布にしたがってばらつくと考え、その平均と分散から決めることが多い。本実施の形態では、センサＳ１の分散（あるいは標準偏差）は一定であると仮定し、平均が機器ごとにばらつく場合について述べる。なお、分散あるいは標準偏差はばらつきを表す指標の一例である。

図１のローカル機器からランダムに数台のサンプル機器を選び、Ｓ１の履歴データを集める。図３は４台の機器（ハッチングされた機器）１（１）〜１（４）からデータがセンタ装置１００に集められた様子を表している。図４は、集められたサンプル機器１（１）〜１（４）のデータから、従来の手法により、機器ごとに監視モデルを生成した例である。図中の矢印の範囲が個々の機器のＳ１の正常範囲である。Ｓ１軸上の１つ１つの点がセンサデータであり、その平均ｍと分散σ^２を用いて計算したｍ−３σ、ｍ＋３σを正常範囲としている。σは標準偏差（ばらつき）である。図４を見て明らかな通り、個々のサンプル機器ごとに監視モデル（上限および下限）は異なる。したがってこれらの監視モデルの中から全ての機器に適応する監視モデルを一意に決めることはできない。

以下、各サンプル機器について計算した平均および標準偏差を利用して、ローカル機器ごとに監視モデルを生成する手順について説明する。

図５は図４の各監視モデルの平均ｍと標準偏差ｓ（σ）をまとめたものである。本実施の形態では各ローカル機器におけるセンサ値の標準偏差は等しいと仮定し、図５のｓの平均をとったｓｍ＝０．６０を利用する。平均ｍの平均ｍｍと、平均ｍの標準偏差ｍｓとを計算すると、図５のサンプルでは、ｍｍ＝４， ｍｓ＝０．６６７となる。ここで平均は正規分布に従うと仮定し、平均ｍの信頼区間［ａ，ｂ］を計算する。例えば９５％信頼区間を仮定すると、およそ［ｍｍ−２ｍｓ， ｍｍ＋２ｍｓ］、すなわち、［２．６６， ５．３３］が信頼区間となる。この信頼区間と、ローカル機器で取得されたセンサデータとからローカル機器（サンプル機器と異なるローカル機器およびサンプル機器）ごとのローカル監視モデルを生成する。

今、ローカル機器のセンサＳ１に関して５時刻分のデータが収集されたものとする（図６）。ここで、これらのセンサ値の母集団は平均ｌｍ， 標準偏差ｌｓの正規分布Ｎ（ｌｍ，ｌｓ^２）に従うと仮定し、ｌｍを決定することでローカル監視モデルを生成する。ｌｓは前述の通り固定であり、ｓｍを用いる。ｌｍは、先に計算した信頼区間の値のみを取り得るとし、この区間を外れた場合は信頼区間に最も近い値とする。例えば、図６の例では、ローカル機器のセンサＳ１のデータの平均ｌｄｍが３．５８で信頼区間に入っているので、ｌｍ ＝ ｌｄｍ ＝ ３．５８ となる。仮に、ｌｄｍが信頼区間の下限２．６６より小さい場合はｌｍ＝２．６６となり、ｌｄｍが信頼区間の上限より大きい場合はｌｍ＝５．３３となる。

本実施の形態の処理フローを図７と図８を用いて説明する。図７には１台のセンタ装置１００と６台のローカル機器１（１）〜１（６）とが示されている。センタ装置１００の計算部１０１において図８（Ａ）に示す処理フローが行われる。センタ装置１００の計算部１０１は、ローカル機器をランダムに選ぶ（Ｓ１１）。ステップＳ１１はたとえば選択ステップ、または選択手段の処理に相当する。ランダムに選んだサンプル機器からセンサ時系列データを取得する（Ｓ１２）。各サンプル機器から取得したデータから平均ｍの信頼区間［ａ，ｂ］と標準偏差ｓの平均とを計算する（Ｓ１３）。ステップＳ１３はたとえば第１計算ステップおよび第２計算ステップに相当し、また第１計算手段および第２計算手段の処理に相当する。計算結果を監視対象機器（ローカル機器）１（１）〜１（６）に送付する（Ｓ１４）。監視対象機器１（１）〜１（６）においては監視モデル管理部１１において図８（Ｂ）に示す処理フローが行われる。ローカル機器の監視モデル管理部１１はセンタ装置１００から平均ｍの信頼区間［ａ，ｂ］と標準偏差の平均ｓｍとを取得する（Ｓ２１）。この後、ローカル機器内のセンサからセンサデータを収集し、その平均値ｌｄｍを計算する（Ｓ２２）。この平均値ｌｄｍと信頼区間［ａ，ｂ］とを比較し（Ｓ２３）、平均値ｌｄｍが信頼区間［ａ，ｂ］内なら（Ｓ２３のＹＥＳ）、正規分布Ｎ（ｌｍ，ｌｓ^２）におけるｌｍを平均値ｌｄｍにし（Ｓ２４）、そうでないなら（Ｓ２３のＮＯ）ｌｍを信頼区間内の平均値ｌｄｍに最も近い値とする（Ｓ２５）。このｌｍとｌｓ＝ｓｍを用いて監視モデルを決定する（Ｓ２６）。たとえば監視モデル（正常範囲）を、［ｌｍ−２ｓｍ，ｌｍ＋２ｓｍ］とする。ステップＳ２２〜Ｓ２６はたとえば正常範囲算出ステップに相当する。

本実施の形態ではセンタ装置が、各サンプル機器からセンサデータを取得し、各サンプル機器のセンサデータの平均および標準偏差の計算を行う例を示したが、各サンプル機器においてそれぞれセンサデータの平均および標準偏差を計算してセンタ装置に送信するようにすることも可能である。

本実施の形態により、各サンプル機器からのみ収集したセンサデータから取得した、センサ値の平均の信頼区間およびばらつきの平均と、個々の機器において検出されたセンサデータとから、各機器における監視モデル（正常範囲）を求めるため、個体差を反映させつつ機器ごとの正常範囲を少ない計算負荷で得ることができる。また各機器の監視モデルが、他の機器の監視モデルから極端に外れることを防ぐことができる。

（第２の実施の形態）
本実施の形態では、第１の実施の形態と同様に図１の監視システムにおいて、ランダムに選択した機器（サンプル機器）のセンサＳ１の履歴データと、監視対象となるローカル機器で収集されたデータとから、ローカル機器の監視モデルを生成する手法について述べていく。

サンプル機器から収集したセンサＳ１の履歴データは図５に示されるものとし、ローカル機器で収集されたデータは図６に示されるものであるとする。また、第１の実施の形態と同様にローカル機器においてセンサ値の母集団が従う正規分布Ｎ（ｌｍ，ｌｓ^２）の標準偏差ｌｓは、各サンプル機器のセンサＳ１データの標準偏差の平均ｓｍであるものとする。第２の実施の形態ではローカル機器に時刻データ（各時刻におけるセンサデータ）が入力されるのに従って監視モデル（正常範囲）を変化させていく。監視モデルの生成にはベイズ統計の手法を利用する。文献”渡辺洋著 ベイズ統計学入門”の１０５ページによれば、正規分布の事前分布の平均ｍの平均ｍｍと、平均の標準偏差ｍｓと、監視モデルの標準偏差ｓｍとが与えられ、また、監視対象機器の観測データの個数ｎと平均ｌｄｍとが与えられたとき、監視モデルの平均の事後分布は、

という正規分布に従う。今、ｍｍ ＝ ４， ｍｓ^２ ＝ ０．６６６^２ ＝ ０．４４， ｓｍ^２ ＝ ０．６^２ ＝ ０．３６ なので、図６における１時刻目のセンサデータ（時刻データ）が入力された際には、ｎ ＝ １， ｌｄｍ ＝ ３．６ を代入して、監視モデルの平均ｌｍ（式（１）内の左側の項）は、３．７８となる。図９に入力された時刻と、その時点での監視モデルの平均（式（１）内の左側の項）とを示す。このように、入力される時刻の数が増えるに従って、ローカル機器で収集されたデータの内容が監視モデルに反映されていく。監視モデル（正常範囲）はたとえば［ｌｍ−２ｓｍ， ｌｍ＋２ｓｍ］として表される（上述したようにｌｓ＝ｓｍである）。なお、図６に示す個々の時刻のセンサデータを用いる代わりに、センサデータの移動平均を用いるようにしてもよい。例えば、各時刻において取得したセンサデータを１０時刻単位で区切り、各区間の平均を１つのセンサデータとする。または、所定時刻間隔でサンプリングにより取得したセンサデータを用いるようにしてもよい。または移動平均とサンプリングとの組み合わせを用いてもよい。

本実施の形態の処理フローを図７と図１０とを用いて説明する。図１０（Ａ）に示すように、センタ装置１００の計算部１０１は、ローカル機器をランダムに選ぶ（Ｓ３１）。ランダムに選んだサンプル機器のセンサからセンサ時系列データを取得する（Ｓ３２）。各サンプル機器から取得したデータから平均ｍの平均ｍｍ、平均の標準偏差ｍｓ、標準偏差の平均ｓｍを計算する（Ｓ３３）。ステップＳ３３はたとえば第３計算ステップ、または第３計算手段の処理に相当する。計算結果は監視対象機器（ローカル機器）に送付する（Ｓ３４）。一方、図１０（Ｂ）に示すように、監視対象機器における監視モデル管理部１１はセンタ装置１００からｍｍ， ｍｓ， ｓｍを取得する（Ｓ４１）。この後、ローカル機器のセンサデータの一時刻分ｙを収集し集合Ｙに追加する（Ｓ４２）。集合Ｙの平均値ｌｄｍと集合Ｙ内のセンサデータの個数ｎとを取得し（Ｓ４３）、式（１）に代入して監視モデルの平均の分布を計算し、その分布の中央値（平均）ｌｍを計算する（Ｓ４４）。その分布の中央値（平均）ｌｍ（式（１）内の左側の項）とｓｍとを用いて監視モデルを決定する（Ｓ４５）。中央値ｌｍに代えて、中央値ｌｍから所定の閾値範囲内の値を用いてもよい。たとえば、式（１）の右側の項が分散σ^２を表しており、これを用いて計算できる、中央値ｌｍの信頼区間を閾値範囲としてもよい。一例として、９５％信頼区間は、［ｌｍ−２σ，ｌｍ＋２σ］となり、この範囲内の値を用いてもよい。ステップＳ４２〜Ｓ４５はたとえば正常範囲算出ステップ、または正常範囲算出手段の処理に相当する。

本実施の形態によっても、第１の実施の形態と同様に、個体差を反映させつつ機器ごとの正常範囲を少ない計算負荷で得ることができ、また各機器の監視モデルが、他の機器の監視モデルから極端に外れることを防ぐことができる。

（第３の実施の形態）
監視モデルの生成に際して、第２の実施の形態と同様に処理を行っていき、ローカル機器で得られたセンサＳ１のデータが図１１に示すようであったとする。ここで、第２の実施の形態と同様に１時刻目のセンサデータ１．２を用いて監視モデルの平均ｌｍ（式（１）内の左側の項）を計算すると、２．４６となる。監視モデルの標準偏差ｓｍを０．６とし、±２ｓｍを正常範囲とするとセンサデータの正常範囲は［１．２６， ３．６６］となるので、図１１の１時刻目のデータは正常範囲に含まれず異常だと判定される。したがってこのセンサデータは監視モデルの生成には利用しない。続いて２時刻目のデータ１．３を利用して監視モデルの平均ｌｍ（式（１）内の左側の項）を計算すると２．５２となり、同様にｓｍ＝０．６とするとセンサデータの正常範囲は［１．３２， ３．７２］となる。したがって、２時刻目のセンサデータも正常範囲に含まれず異常と判定される。したがってこのセンサデータも監視モデルの生成には利用しない。３時刻目以降も同様に処理をすると、各時刻のセンサデータは正常と判定されるため、図１１に示される３時刻目以降のセンサデータは監視モデルの生成に利用される。図１２に本実施の形態による監視モデルの平均ｌｍの推移を示す。このように正常範囲に含まれないセンサデータを監視モデルの生成に用いないようにすることで、生成される監視モデルに異常値が反映されるのを防ぐ。なお、第２の実施の形態と同様に、図１１に示す個々の時刻のセンサデータを用いる代わりに、センサデータの移動平均、または、所定時刻間隔でサンプリングにより取得したセンサデータを用いてもよい。または移動平均とサンプリングとの組み合わせを用いてもよい。

本実施の形態の処理フローを図７と図１３を用いて説明する。図１３（Ａ）に示すようにセンタ装置１００の計算部１０１は、ローカル機器をランダムに選ぶ（Ｓ５１）。ランダムに選んだ各サンプル機器からセンサ時系列データを取得する（Ｓ５２）。各サンプル機器から取得したデータから平均ｍの平均ｍｍと、平均の標準偏差ｍｓと、標準偏差の平均ｓｍとを計算する（Ｓ５３）。計算結果を監視対象機器に送付する（Ｓ５４）。一方、図１３（Ｂ）に示すように、監視対象機器における監視モデル管理部１１は、センタ装置１００からｍｍ， ｍｓ， ｓｍを取得する（Ｓ６１）。この後、ローカル機器のセンサデータの一時刻分ｙを収集し集合Ｙに追加する（Ｓ６２）。集合Ｙの平均値ｌｄｍと、集合Ｙに含まれるセンサデータの個数ｎとを式（１）に代入して平均の分布を計算する（Ｓ６４）。その分布の中央値（平均）ｌｍと、ｓｍとを用いて監視モデル（正常範囲）を決定する（Ｓ６５）。この監視モデルを用いてセンサデータｙの異常性を判定する（Ｓ６６）。正常の場合は（Ｓ６６のＹＥＳ）ステップＳ６２に戻る。異常の場合は（Ｓ６６のＮＯ）、センサデータｙを集合Ｙから削除し（Ｓ６７）、以降、このセンサデータは監視モデルの生成には利用されない。本例では、最新のセンサデータのみ正常範囲に入るか否かを判定したが、集合Ｙに含まれる全てのセンサデータについて正常範囲に含まれるか否かを判定し、正常範囲に含まれないセンサデータを全て削除するようにしてもよい。

（第４の実施の形態）
第１の実施の形態、あるいは第２、第３の実施の形態において、ローカル機器でユーザが指定した個数のセンサＳ１データが収集されたとき、または、ユーザが指定した所定の期間が経過したとき、センサＳ１データの平均および標準偏差を計算して、ローカル機器（サンプル機器とサンプル機器でないローカル機器との両方を含む）からセンタ装置に送付する。センタ装置はローカル機器から送られてきた平均および標準偏差を用いて第一の実施の形態における信頼区間［ａ， ｂ］、標準偏差の平均ｓｍ、あるいは、第２、第３の実施の形態における平均の平均ｍｍ、平均の標準偏差ｍｓ、標準偏差の平均ｓｍを計算し直す。これらの再計算された値を用いてそれぞれの実施の形態を実施する。これによって多数の監視対象機器（ローカル機器）の振る舞いを反映させた監視モデルを生成することが可能となる。
本実施の形態の処理フローを図７と図１４を用いて説明する。図１４（Ａ）に示すように、センタ装置１００の計算部１０１は、ローカル機器から平均および標準偏差を取得し（Ｓ７１）、取得した平均および標準偏差を用いて第１、２，３の実施の形態で計算した統計量（平均の平均ｍｍ、平均の標準偏差ｍｓ、信頼区間［ａ，ｂ］、標準偏差の平均ｍｓ）を計算しなおし（Ｓ７２）、計算結果を各ローカル機器（監視対象機器）に送付する（Ｓ７３）。一方、図１４（Ｂ）に示すように、ローカル機器はセンサからセンサデータを収集し（Ｓ８１）、収集したセンサデータの個数が閾値以上になったかまたは所定の期間が経過したかどうかを判断し（Ｓ８２）、これらのうちいずれかが成立した場合は（Ｓ８２のＹＥＳ）、平均と標準偏差とを計算してセンタ装置１００に送付する（Ｓ８３）。この後、センタ装置１００が計算した統計量（平均の平均ｍｍ、平均の標準偏差ｍｓ、信頼区間［ａ，ｂ］、標準偏差の平均ｍｓ）を再取得し（Ｓ８４）、第１、２，３の実施の形態に説明したように監視モデルを生成する（Ｓ８５）。

本実施の形態では、各ローカル機器においてセンサＳ１データの平均および標準偏差を計算してセンタ装置に送るようにしたが、各ローカル機器からセンタＳ１データをセンタ装置に送信し、センタ装置において各ローカル機器の平均および標準偏差を計算するようにすることも可能である。

（第５の実施の形態）
第１〜４の実施の形態において、各ローカル機器のセンサＳ１データから平均値を計算した際、または各ローカル機器からセンサＳ１データの平均を収集した際に、センタ装置は、各ローカル機器から得られた平均値のクラスタリングを行う。例えば、図１５に示すように８個のローカル機器ＩＤ１〜ＩＤ８から平均値Ｖ１〜Ｖ８が得られた場合、クラスタリングによって、クラスタＡ、Ｂが生成される。クラスタリングは例えば凝集法やｋ−ｍｅａｎｓ法を用いればよい。クラスタＡには、平均値Ｖ１、Ｖ２、Ｖ５、Ｖ６をもつローカル機器ＩＤ１、ＩＤ２、ＩＤ５、ＩＤ６が、クラスタＢには平均値Ｖ３、Ｖ４、Ｖ７、Ｖ８をもつ機器ＩＤ３、ＩＤ４、ＩＤ７、ＩＤ８が分類される。ここで、クラスタＡに分けられた機器とクラスタＢに分けられた機器とを区別する特徴がないか調べる。図１６に示す表は、例えばエレベータの場合の各機器ＩＤ〜ＩＤ８の個体情報である。この表で、クラスタ属性をクラスとし、設置年、タイプ、場所を属性として用いて、１つ以上の属性からクラスを予測する決定木（分類規則）を生成する。図１７ に生成された決定木が示され、設置年によって個体をクラスＡ， Ｂへと分類している。この決定木を用いて全てのローカル機器の分類を行いクラスＡ，Ｂへと分ける。以降、クラスＡ， Ｂごとに別の監視モデルを生成していく。

本実施の形態の処理フローを図７と図１８を用いて説明する。図１８（Ａ）に示すように、センタ装置１００の計算部１０１は、監視対象機器（ローカル機器）から送付された統計量（たとえば平均、標準偏差（または分散）など）を集め（Ｓ９１）、クラスタリングを行う（Ｓ９２）。ステップＳ９２はたとえばクラスタリングステップ、またはクラスタリング手段の処理に相当する。クラスタリングとしては１種類の統計量のみ（たとえば平均または標準偏差）を使用した一次元クラスタリングを行ってもよいし、２種類の統計量（たとえば平均および標準偏差）を使用した二次元クラスタリングを行ってもよい。あるいは３種類以上の統計量を使用した三次元以上の高次元クラスタリングを行ってもよい。クラスタリングを行ったら、各監視対象機器をいずれかのクラスタに分類する分類規則（ルール）を生成する（Ｓ９３）。ステップＳ９３はたとえば規則生成ステップ、または規則生成手段の処理に相当する。この分類規則を用いて各ローカル機器を分類する（Ｓ９４）。ステップＳ９４はたとえば推測ステップ、または推測手段の処理に相当する。以降、クラスタごとに独立して第１〜第４の実施の形態の処理を行う。たとえば第１の実施の形態の場合、あるクラスタに属する各ローカル機器に送付する平均ｍの信頼区間［ａ，ｂ］および標準偏差ｓの平均ｓｍは、同一のクラスタに属する各サンプル機器から収集したセンサデータから生成する。一方、図１８（Ｂ）に示すように、監視対象機器の監視モデル管理部１１は、センサデータを収集して統計量を計算する（Ｓ１０１）。ステップＳ１０１はたとえば統計量計算ステップ、または統計量計算手段の処理に相当する。そして、計算した統計量をセンタ装置１００に送付する（Ｓ１０２）。統計量の計算はセンタ装置１００において行っても良い。以降、センタ装置１００によってローカル機器はいずれかのクラスタに分類される。

監視システムの全体構成を示す図 ローカル機器の構成を示す図 サンプル機器からデータを収集する様子を示す図 サンプル機器ごとの監視モデルを示す図 サンプル機器データの平均ｍ、平均の平均ｍｍ、平均の分散ｍｓ、標準偏差ｓの平均ｓｍを示す図 ローカル機器において取得されたセンサＳ１データ（５時刻分）を示す図 監視システムのブロック図 第１の実施の形態の処理を説明するフローチャート 監視モデルの平均の推移を示す図 第２の実施の形態のフローチャート ローカル機器において取得されたセンサＳ１データ（その２）を示す図 監視モデルの平均の推移（その２）を示す図 第３の実施の形態の処理を説明するフローチャート 第４の実施の形態の処理を説明するフローチャート 収集されたローカルＳ１データの平均とそのクラスタリングとを示す図 ローカル機器の固有情報を示す図 クラスＡ， Ｂを分類する決定木の例を示す図 第５の実施の形態の処理を説明するフローチャート

符号の説明

１：ローカル機器
１１：監視モデル管理部
１００：センタ装置
１０１：計算部
１０２：監視プログラム

Claims (22)

1. 各々センサをもつ複数の機器を監視する機器監視方法であって、
   前記複数の機器から２つ以上のサンプル機器を選択する選択ステップと、
   各前記サンプル機器のセンサにより検出されたセンサ値の時系列データを用いて、各前記サンプル機器の各々について前記センサ値の平均と標準偏差とを計算する第１計算ステップと、
   前記センサ値の平均の信頼区間と、前記標準偏差の平均とを計算する第２計算ステップと、
   前記複数の機器のうち任意の機器のセンサにより検出されたセンサ値の時系列データから前記センサ値の平均を計算し、計算した平均と、前記センサ値の平均の信頼区間と、前記標準偏差の平均とから、前記任意の機器のセンサの正常範囲を算出する正常範囲算出ステップと、
   を備えた機器監視方法。
2. 前記正常範囲算出ステップでは、
   前記計算した平均値が前記信頼区間に含まれるときは、前記計算した平均値と、前記標準偏差の平均とから前記センサの正常範囲を求め、
   前記計算した平均値が前記信頼区間に含まれないときは、前記計算した平均値に最も近い前記信頼区間内の値と前記標準偏差の平均とから前記センサの正常範囲を求める、
   ことを特徴とする請求項１に記載の機器監視方法。
3. 前記計算した平均値または前記計算した平均値に最も近い前記信頼区間内の値に対し、±（所定係数×前記標準偏差）の範囲を前記正常範囲として求めることを特徴とする請求項２に記載の機器監視方法。
4. 前記第１計算ステップは、前記任意の機器においてあらかじめ指定された個数のセンサ値が収集されたとき、または、あらかじめ指定された所定の期間が経過したとき、前記任意の機器のセンサにより検出されたセンサ値の時系列データからセンサ値の平均と標準偏差を計算し、
   前記第２計算ステップは、前記任意の機器から計算された前記センサ値の平均と前記標準偏差とを用いて、前記センサ値の平均の信頼区間と、前記標準偏差の平均とを更新することを特徴とする請求項１に記載の機器監視方法。
5. 前記サンプル機器ごとに前記センサ値の時系列データから所望の統計量を計算する統計量計算ステップと、
   各前記サンプル機器から計算した統計量により各前記サンプル機器をクラスタリングして複数のグループに分割するクラスタリングステップと、
   各前記サンプル機器のそれぞれが有する複数の属性値と、各前記サンプル機器が属するグループを用いて、１つ以上の属性値からグループを推測する推論規則を生成する規則生成ステップと、
   前記任意の機器が属するグループを前記推論規則から推測する推測ステップと、をさらに備え、
   前記第２計算ステップでは、前記グループごとに、前記センサ値の平均の信頼区間と、前記標準偏差の平均とを計算し、
   前記正常範囲算出ステップでは、前記任意の機器のセンサから検出された前記センサ値の時系列データと、前記任意の機器が属するグループから計算された前記センサ値の平均の信頼区間および前記標準偏差の平均とから、前記任意の機器のセンサの正常範囲を算出する、
   ことを特徴とする請求項１ないし４のいずれか一項に記載の機器監視方法。
6. 各々センサをもつ複数の機器を監視する機器監視方法であって、
   前記複数の機器から２つ以上のサンプル機器を選択する選択ステップと、
   各前記サンプル機器のセンサから検出されるセンサ値の時系列データを用いて、各前記サンプル機器のそれぞれにおけるセンサ値の平均を各前記サンプル機器間で平均したサンプル平均と、各前記サンプル機器のそれぞれにおけるセンサ値の平均の各前記サンプル機器間での標準偏差であるサンプル標準偏差と、各前記サンプル機器のそれぞれにおけるセンサ値の標準偏差を各前記サンプル機器間で平均した標準偏差平均とを計算する第３計算ステップと、
   前記複数の機器のうち任意の機器のセンサから検出された前記センサ値の個数および平均と、前記第３計算ステップで計算された前記サンプル平均、前記サンプル標準偏差、前記標準偏差平均とから、前記任意の機器のセンサ値の平均の分布を表す正規分布の中央値、または前記中央値に対し閾値範囲内の値を求め、前記中央値または前記閾値範囲内の値と、前記標準偏差平均とから、前記任意の機器のセンサの正常範囲を求める正常範囲算出ステップと、
   を備えた機器監視方法。
7. 前記第３計算ステップは、
   各前記サンプル機器のそれぞれにおけるセンサ値の平均と、各前記サンプル機器のそれぞれにおけるセンサ値の標準偏差とを計算する第１ステップと、
   各前記サンプル機器のそれぞれから計算された前記センサ値の平均および前記センサ値の標準偏差から、前記サンプル平均、前記サンプル標準偏差、および前記標準偏差平均を計算する第２ステップと、
   を含むことを特徴とする請求項６に記載の機器監視方法。
8. 前記中央値または前記閾値範囲内の値に対し、±（所定係数×前記標準偏差平均）の範囲を前記正常範囲として求めることを特徴とする請求項６または７に記載の機器監視方法。
9. 前記正常範囲算出ステップにおいて、前記任意の機器のセンサからセンサ値が所定数検出されるごとに前記任意の機器のセンサの正常範囲を算出し、前記正常範囲の算出に用いたセンサ値のうち前記正常範囲に含まれないセンサ値を検出し、検出したセンサ値を次回以降の正常範囲の算出に用いないことを特徴とする請求項６ないし８のいずれか一項に記載の機器監視方法。
10. 前記第３計算ステップにおける前記第１ステップは、前記任意の機器においてあらかじめ指定された個数のセンサ値が収集されたとき、または、あらかじめ指定された所定の期間が経過したとき、前記任意の機器のセンサにより検出されたセンサ値の時系列データから前記センサ値の平均および標準偏差を計算し、
    前記第３計算ステップにおける前記第２ステップは、前記任意の機器から計算された前記センサ値の平均および標準偏差を用いて、前記サンプル平均と、前記サンプル標準偏差と、前記標準偏差平均を更新することを特徴とする請求項７に記載の機器監視方法。
11. 前記サンプル機器ごとに前記センサ値の時系列データから所望の統計量を計算する統計量計算ステップと、
    各前記サンプル機器から計算した統計量により各前記サンプル機器をクラスタリングして複数のグループに分割するクラスタリングステップと、
    各前記サンプル機器のそれぞれがもつ複数の属性値と、各前記サンプル機器が属するグループを用いて、１つ以上の属性値からグループを推測する推論規則を生成する規則生成ステップと、
    前記任意の機器が属するグループを前記推論規則から推測する推測ステップと、をさらに備え、
    前記第３計算ステップでは、前記グループごとに、前記サンプル平均と、前記サンプル標準偏差と、前記標準偏差平均とを計算し、
    前記正常範囲算出ステップでは、前記任意の機器のセンサから検出された前記センサ値の個数および平均と、前記任意の機器が属するグループから計算された前記サンプル平均、前記サンプル標準偏差、前記標準偏差平均とから、前記中央値または前記所定範囲内の値を求めることを特徴とする請求項６ないし１０のいずれか一項に記載の機器監視方法。
12. 各々センサをもつ複数の機器を監視する機器監視システムであって、
    前記複数の機器から２つ以上のサンプル機器を選択する選択手段と、
    各前記サンプル機器のセンサにより検出されたセンサ値の時系列データを用いて、各前記サンプル機器の各々について前記センサ値の平均と標準偏差とを計算する第１計算手段と、
    前記センサ値の平均の信頼区間と、前記標準偏差の平均とを計算する第２計算手段と、
    前記複数の機器のうち任意の機器のセンサにより検出されたセンサ値の時系列データから前記センサ値の平均を計算し、計算した平均と、前記センサ値の平均の信頼区間と、前記標準偏差の平均とから、前記任意の機器のセンサの正常範囲を算出する正常範囲算出手段と、
    を備えた機器監視システム。
13. 前記正常範囲算出手段は、
    計算した平均値が前記信頼区間に含まれるときは、前記計算した平均値と、前記標準偏差の平均とから前記センサの正常範囲を求め、
    前記計算した平均値が前記信頼区間に含まれないときは、前記計算した平均値に最も近い前記信頼区間内の値と前記標準偏差の平均とから前記センサの正常範囲を求める、
    ことを特徴とする請求項１２に記載の機器監視システム。
14. 前記正常範囲算出手段は、前記計算した平均値または前記計算した平均値に最も近い前記信頼区間内の値に対し、±（所定係数×前記標準偏差）の範囲を前記正常範囲として求めることを特徴とする請求項１３に記載の機器監視システム。
15. 前記第１計算手段は、前記任意の機器においてあらかじめ指定された個数のセンサ値が収集されたとき、または、あらかじめ指定された所定の期間が経過したとき、前記任意の機器のセンサにより検出されたセンサ値の時系列データからセンサ値の平均と標準偏差を計算し、
    前記第２計算手段は、前記任意の機器から計算された前記センサ値の平均と前記標準偏差とを用いて、前記センサ値の平均の信頼区間と、前記標準偏差の平均とを更新することを特徴とする請求項１２に記載の機器監視システム。
16. 前記サンプル機器ごとに前記センサ値の時系列データから所望の統計量を計算する統計量計算手段と、
    各前記サンプル機器から計算した統計量により各前記サンプル機器をクラスタリングして複数のグループに分割するクラスタリング手段と、
    各前記サンプル機器のそれぞれが有する複数の属性値と、各前記サンプル機器が属するグループを用いて、１つ以上の属性値からグループを推測する推論規則を生成する規則生成手段と、
    前記任意の機器が属するグループを前記推論規則から推測する推測手段と、をさらに備え、
    前記第２計算手段は、前記グループごとに、前記センサ値の平均の信頼区間と、前記標準偏差の平均とを計算し、
    前記正常範囲算出手段は、前記任意の機器のセンサから検出された前記センサ値の時系列データと、前記任意の機器が属するグループから計算された前記センサ値の平均の信頼区間および前記標準偏差の平均とから、前記任意の機器のセンサの正常範囲を算出する、
    ことを特徴とする請求項１２ないし１５のいずれか一項に記載の機器監視システム。
17. 各々センサをもつ複数の機器を監視する機器監視システムであって、
    前記複数の機器から２つ以上のサンプル機器を選択する選択手段と、
    各前記サンプル機器のセンサから検出されるセンサ値の時系列データを用いて、各前記サンプル機器のそれぞれにおけるセンサ値の平均を各前記サンプル機器間で平均したサンプル平均と、各前記サンプル機器のそれぞれにおけるセンサ値の平均の各前記サンプル機器間での標準偏差であるサンプル標準偏差と、各前記サンプル機器のそれぞれにおけるセンサ値の標準偏差を各前記サンプル機器間で平均した標準偏差平均とを計算する第３計算手段と、
    前記複数の機器のうち任意の機器のセンサから検出された前記センサ値の個数および平均と、前記第３計算ステップで計算された前記サンプル平均、前記サンプル標準偏差、前記標準偏差平均とから、前記任意の機器のセンサ値の平均の分布を表す正規分布の中央値、または前記中央値に対し閾値範囲内の値を求め、前記中央値または前記閾値範囲内の値と、前記標準偏差平均とから、前記任意の機器のセンサの正常範囲を求める正常範囲算出手段と、
    を備えた機器監視システム。
18. 前記第３計算手段は、
    各前記サンプル機器のそれぞれにおけるセンサ値の平均と、各前記サンプル機器のそれぞれにおけるセンサ値の標準偏差とを計算する第１手段と、
    各前記サンプル機器のそれぞれから計算された前記センサ値の平均および前記センサ値の標準偏差から、前記サンプル平均、前記サンプル標準偏差、および前記標準偏差平均を計算する第２手段と、
    を含むことを特徴とする請求項１７に記載の機器監視システム。
19. 前記標準偏差は標準偏差であり、前記正常範囲算出手段は、前記中央値または前記閾値範囲内の値に対し、±（所定係数×前記標準偏差平均）の範囲を前記正常範囲として求めることを特徴とする請求項１７または１８に記載の機器監視システム。
20. 前記正常範囲算出手段は、前記任意の機器のセンサからセンサ値が所定数検出されるごとに前記任意の機器のセンサの正常範囲を算出し、前記正常範囲の算出に用いたセンサ値のうち前記正常範囲に含まれないセンサ値を検出し、検出したセンサ値を次回以降の正常範囲の算出に用いないことを特徴とする請求項１７ないし１９のいずれか一項に記載の機器監視システム。
21. 前記第３計算手段における前記第１手段は、前記任意の機器においてあらかじめ指定された個数のセンサ値が収集されたとき、または、あらかじめ指定された所定の期間が経過したとき、前記任意の機器のセンサにより検出されたセンサ値の時系列データから前記センサ値の平均および標準偏差を計算し、
    前記第３計算手段における前記第２手段は、前記任意の機器から計算された前記センサ値の平均および標準偏差を用いて、前記サンプル平均と、前記サンプル標準偏差と、前記標準偏差平均を更新することを特徴とする請求項１８に記載の機器監視システム。
22. 前記サンプル機器ごとに前記センサ値の時系列データから所望の統計量を計算する統計量計算手段と、
    各前記サンプル機器から計算した統計量により各前記サンプル機器をクラスタリングして複数のグループに分割するクラスタリング手段と、
    各前記サンプル機器のそれぞれがもつ複数の属性値と、各前記サンプル機器が属するグループを用いて、１つ以上の属性値からグループを推測する推論規則を生成する規則生成手段と、
    前記任意の機器が属するグループを前記推論規則から推測する推測手段と、をさらに備え、
    前記第３計算手段は、前記グループごとに、前記サンプル平均と、前記サンプル標準偏差と、前記標準偏差平均とを計算し、
    前記正常範囲算出手段は、前記任意の機器のセンサから検出された前記センサ値の個数および平均と、前記任意の機器が属するグループから計算された前記サンプル平均、前記サンプル標準偏差、前記標準偏差平均とから、前記中央値または前記所定範囲内の値を求めることを特徴とする請求項１７ないし２１のいずれか一項に記載の機器監視システム。

Images