JP2017138643A - 解析対象決定装置及び解析対象決定方法 - Google Patents

Abstract

【課題】多種多量のデータから解析に適したデータを決定できる解析対象決定装置及び解析対象決定方法を提供する。【解決手段】解析対象決定装置は、複数のデータ項目を含む複数のデータから一部のデータを選択する。次に解析対象決定装置は、選択されたデータからモデルの生成に適するデータ項目を選択し、モデルが生成可能か否かを判定する。解析対象決定装置は、データの選択処理及びモデルが生成可能か否かの判定処理を複数回繰り返した後、判定処理におけるモデルが生成可能か否かの判定結果に基づいて、解析対象とするデータを決定する。【選択図】図４

Description

本発明は、多種多量のデータから解析対象のデータを決定するための解析対象決定装置及び解析対象決定方法に関する。

事業に役立つ知見を導出するために多種多量のデータ（ビッグデータ）を解析することが行われている。検索、電子商取引、ソーシャルメディア等のウェブサービス分野においては、検索履歴、商品・デジタルコンテンツの購買履歴、決算情報、コミュニケーションの発信履歴等のデータが大量に蓄積される。また、機械、工場内設備においては、各種センサによって機械、設備の状態（温度、圧力、流量等）の多種多量のデータが蓄積される。このようなビッグデータの解析方法の一つとして、重回帰分析によって複数のデータ項目（変数）について成立する関係式（モデル）を導出し、データ項目間の関係を捉えることが行われている。

特許文献１には、プラント設備において蓄積されたデータを重回帰分析し、プロセスの状態を予測する方法が記載されている。この方法では、１つのプラントから複数のデータ項目を含むデータを時系列でサンプリングし、サンプリング時刻毎に重回帰分析に使用するデータ項目（説明変数）をステップワイズ法を用いて絞り込むようになっている。

特開２０１２−１２８８００号公報

例えば複数の機械を解析する場合、各機械から複数のデータ項目を含むデータをサンプリングし、得られた各機械のデータに対して解析処理を行う。データをサンプリングした複数の機械に異なる種類の機械が含まれていたり、異常が発生している機械が含まれていたりすると、これらの機械からサンプリングされたデータは他の機械からサンプリングされたデータとは傾向が異なる。このため、全ての機械のデータに対してステップワイズ法を適用すると、適切にデータ項目を選択することができず、適切に機械を解析することができない。

本発明は斯かる事情に鑑みてなされたものであり、その主たる目的は、多種多量のデータから解析に適したデータを決定できる解析対象決定装置及び解析対象決定方法を提供することにある。

上述した課題を解決するために、本発明の一の態様の解析対象決定装置は、複数のデータ項目を含むデータを解析する場合に、少なくとも一部のデータ項目を変数として含むモデルを用いた解析の対象を決定する解析対象決定装置であって、複数のデータから毎回異なる一部のデータを選択する選択手段と、前記選択手段によって選択されたデータに基づいて、モデルの生成に適するデータ項目が選択可能であるか否かを判定する判定手段と、前記選択手段及び前記判定手段による処理を複数回繰り返した後、前記判定手段による判定結果に基づいて、解析対象とするデータを決定する決定手段と、を備える。

この態様において、前記解析対象決定装置は、前記選択手段及び前記判定手段による処理を複数回繰り返した後、前記判定手段による判定結果に基づいて、解析に用いられるデータ項目を決定する第２決定手段をさらに備えてもよい。

また、上記態様において、前記決定手段は、前記判定手段によって選択可能とされたデータ項目毎の回数に基づいて、解析に用いられるデータ項目を決定するように構成されていてもよい。

また、上記態様において、前記解析対象決定装置は、前記判定手段によって前記データ項目が選択可能と判定された場合、選択可能とされたデータ項目を用いて生成されたモデルの誤差を評価する評価手段をさらに備え、前記第２決定手段は、前記選択手段、前記判定手段、及び前記評価手段による処理を複数回繰り返した後、前記評価手段による評価結果に基づいて、解析に用いられるデータ項目を決定するように構成されていてもよい。

また、上記態様において、前記解析対象決定装置は、前記決定手段によって決定された解析対象のデータを出力する出力手段をさらに備えてもよい。

また、上記態様において、前記解析対象決定装置は、前記第２決定手段によって決定された解析に用いられるデータ項目を出力する出力手段をさらに備えてもよい。

また、上記態様において、前記解析対象決定装置は、前記解析対象のデータとは異なるデータを解析に適さないデータとして出力する第２出力手段をさらに備えてもよい。

また、上記態様において、前記複数のデータは時系列データであり、前記第２出力手段は、前記判定手段が連続する複数のデータについて前記データ項目が選択可能と判定し、且つ、次の連続する複数のデータについて前記データ項目が選択不可能と判定した場合に、前記次の連続する複数のデータの先頭のデータを異常データとして出力するように構成されていてもよい。

また、上記態様において、前記判定手段は、ステップワイズ法により前記モデルの生成に適するデータ項目が選択可能か否かを判定するように構成されていてもよい。

また、上記態様において、前記解析対象決定装置は、前記判定手段によって前記データ項目を選択可能と複数回判定された場合に、前記選択手段によって共通して選択されたデータを同一のグループとして決定する第３決定手段と、前記第３決定手段によって同一のグループとして決定されたデータを出力する第３出力手段と、をさらに備えてもよい。

本発明の他の態様の解析対象決定方法は、複数のデータ項目を含むデータを解析する場合に、少なくとも一部のデータ項目を変数として含むモデルを用いた解析の対象を決定する解析対象決定方法であって、コンピュータが、複数のデータから毎回異なる一部のデータを選択するステップと、前記コンピュータが、選択されたデータに基づいて、モデルの生成に適するデータ項目が選択可能であるか否かを判定するステップと、前記コンピュータが、前記選択するステップ及び前記判定するステップを複数回繰り返した後、前記判定するステップにおける判定結果に基づいて、解析対象とするデータを決定するステップと、を有する。

本発明によれば、多種多量のデータから解析に適したデータを決定できる。

解析対象決定装置を含む解析システムの一例を示す模式図。 解析対象決定装置を含む解析システムの他の例を示す模式図。 実施の形態１に係る解析対象決定装置の構成を示すブロック図。 実施の形態１に係る解析対象決定装置による解析対象決定処理の手順を示すフローチャート。 処理結果画面の一例を示す図。 処理結果画面の他の例を示す図。 性能評価試験に使用したデータを示すグラフ。 データの選択例を説明するためのグラフ。 目的変数の推定結果を示すグラフ。 時系列データ全体に対して本モデルを適用した場合のグラフ。 ステップワイズ法が成功したときのデータ項目毎の選択率を示すグラフ。 モデルの誤差の評価値が小さい場合におけるデータ項目の選択率を示すグラフ。 ステップワイズ法が失敗したときのデータ毎の選択率を示すグラフ。 実施の形態２に係る解析対象決定装置による解析対象決定処理の手順を示すフローチャート。 処理結果画面の例を示す図。 実施の形態３に係る解析対象決定装置による解析対象決定処理の手順を示すフローチャート。 処理結果画面の例を示す図。

以下、本発明の好ましい実施の形態を、図面を参照しながら説明する。

（実施の形態１）
本実施の形態に係る解析対象決定装置の構成について説明する。本実施の形態に係る解析対象決定装置は、多種多量のデータを収集する。図１は、本実施の形態に係る解析対象決定装置を含む解析システムの一例を示す模式図であり、図２は、他の例を示す模式図である。例えば、生産設備を解析する場合、図１に示すように、解析対象決定装置１は、生産設備に設けられた複数のセンサ２，２，…に接続されており、各センサ２，２，…からの検出信号を受信することで、時系列データを収集する。なお、図１では、圧延鋼板の製造設備を解析するための解析システムを示しており、センサ２，２，…には、振動センサ、速度センサ、張力センサ、厚みセンサ、圧力センサ、温度センサ等の多種のセンサが含まれる。また、複数の機械を解析する場合、図２に示すように、解析対象決定装置１は、複数の機械３，３，…のそれぞれに設けられた複数のセンサ２１，２１，…に接続されており、各センサ２１，２１，…からの検出信号を受信することで、複数の機械の状態を示すデータを収集する。なお、図２では、複数の溶接ロボットを解析するための解析システムを示しており、センサ２１，２１，…には、温度センサ、圧力センサ、角度センサ、速度センサ、加速度センサ、電流センサ等の多種のセンサが含まれる。また、解析対象決定装置１が収集するデータは、センサ情報に限られず、制御系の指令値情報又は誤差情報などでもよい。

検索、電子商取引、ソーシャルメディア等のウェブサービス分野の解析システムの場合、サーバから解析対象決定装置１が検索履歴、商品・デジタルコンテンツの購買履歴、決算情報、コミュニケーションの発信履歴等のデータを受信するようにしてもよい。また、上記のようにして得られたデータを記録した記録媒体から、解析対象決定装置１がデータを読み出すようにしてもよい。

図３は、本実施の形態に係る解析対象決定装置の構成を示すブロック図である。解析対象決定装置１は、コンピュータ１０によって実現される。図３に示すように、コンピュータ１０は、本体１１と、表示部１３と、入力部１２とを備えている。本体１１は、ＣＰＵ１１１、ＲＯＭ１１２、ＲＡＭ１１３、ハードディスク１１５、読出装置１１４、入出力インタフェース１１６、画像出力インタフェース１１７、及び通信インタフェース１１８を備えており、ＣＰＵ１１１、ＲＯＭ１１２、ＲＡＭ１１３、ハードディスク１１５、読出装置１１４、入出力インタフェース１１６、画像出力インタフェース１１７、及び通信インタフェース１１８は、バスによって接続されている。

ＣＰＵ１１１は、ＲＡＭ１１３にロードされたコンピュータプログラムを実行することが可能である。そして、解析対象決定処理用のコンピュータプログラムである解析対象決定プログラム１１０を当該ＣＰＵ１１１が実行することにより、コンピュータ１０が解析対象決定装置１として機能する。

ＲＯＭ１１２は、マスクＲＯＭ、ＰＲＯＭ、ＥＰＲＯＭ、又はＥＥＰＲＯＭ等によって構成されており、ＣＰＵ１１１に実行されるコンピュータプログラム及びこれに用いるデータ等が記録されている。

ＲＡＭ１１３は、ＳＲＡＭまたはＤＲＡＭ等によって構成されている。ＲＡＭ１１３は、ハードディスク１１５に記録されている解析対象決定プログラム１１０の読み出しに用いられる。また、ＣＰＵ１１１がコンピュータプログラムを実行するときに、ＣＰＵ１１１の作業領域として利用される。

ハードディスク１１５は、オペレーティングシステム及びアプリケーションプログラム等、ＣＰＵ１１１に実行させるための種々のコンピュータプログラム及び当該コンピュータプログラムの実行に用いられるデータがインストールされている。解析対象決定プログラム１１０も、このハードディスク１１５にインストールされている。

入出力インタフェース１１６は、例えばUSB，IEEE1394，又はRS-232C等のシリアルインタフェース、SCSI，IDE，又は IEEE1284等のパラレルインタフェース、及びＤ／Ａ変換器、Ａ／Ｄ変換器等からなるアナログインタフェース等から構成されている。入出力インタフェース１１６には、キーボード及びマウスからなる入力部１２が接続されており、ユーザが当該入力部１２を使用することにより、コンピュータ１０にデータを入力することが可能である。

画像出力インタフェース１１７は、ＬＣＤまたはＣＲＴ等で構成された表示部１３に接続されており、ＣＰＵ１１１から与えられた画像データに応じた映像信号を表示部１３に出力するようになっている。表示部１３は、入力された映像信号にしたがって、画像（画面）を表示する。

通信インタフェース１１８は、外部の機器とデータ通信するためのものである。データを通信によって受信する場合、通信インタフェース１１８には、各種センサ、又はデータを蓄積するサーバが接続される。例えば、圧延鋼板の製造設備の場合、通信インタフェース１１８には、振動センサ、速度センサ、張力センサ、厚みセンサ、圧力センサ、温度センサ等のセンサ２，２，…が接続されており、これらのセンサから出力された時系列データが通信インタフェース１１８によって取り込まれる。

［解析対象決定装置の動作］
以下、本実施の形態に係る解析対象決定装置１の動作について説明する。

図３は、本実施の形態に係る解析対象決定装置１による解析対象決定処理の手順を示すフローチャートである。

ＣＰＵ１１１は、解析対象決定処理を開始すると、データのなかからランダムに一部のデータを選択する（ステップＳ１０１）。

解析対象決定装置１によって収集されたデータは、次のように表される。

ここで、Ｎ，Ｍは１より大きい整数であり、ｋは１≦ｋ≦Ｎ，Ｍを満たす整数である。

（１）式においてＹは目的変数であり、Ｘは変数である。上からｋ番目のデータは、（ｙ_ｋ，ｘ_ｋ１，ｘ_ｋ２，…，ｘ_ｋＭ）である。ステップＳ１０１の処理では、ＣＰＵ１１１は、ランダムにｋを複数選択する。例えば、次に示すように、２番目、ｐ番目、ｑ番目、…（ｐ，ｑは１≦ｐ，ｑ≦Ｍを満たす整数）をＣＰＵ１１１は選択する。

次に、ＣＰＵ１１１は、ステップＳ１０１において選択したデータ（Ｙ_ｓｉ，Ｘ_ｓｉ）に対してステップワイズ法を適用し、（３）式に示すモデル（線型モデル）の生成に適したデータ項目（変数）を選択する（ステップＳ１０２）。ここで、ｉは１以上の整数であり、初期値は１である。ステップＳ１０２の処理では、Ｘ_ｓｉのＮ個の変数の中から、モデルの生成に適した一部の変数が選択される。

ステップＳ１０２の処理についてさらに詳しく説明する。ステップＳ１０２では、ＣＰＵ１１１は、選択されたデータに対してステップワイズ法を適用する。ステップワイズ法については、田中豊、脇本和昌著、「多変量統計解析法」、第９版、現代数学社、１９９４年２月２０日、ｐ．４２−４７（以下、「参照文献１」という）等に記載されている。以下、ステップワイズ法について説明する。なお、以下のステップワイズ法の説明において、（４）及び（５）式で用いるパラメータの表記は、参照文献１に記載されているパラメータの表記に合わせている。

（ステップＩ）まず、目的変数ｙとの単相関が最大の変数を選ぶ。つまり、１つずつ順番に変数（データ項目）を採用してモデル（回帰式）を生成し、回帰係数検定のためのｔの絶対値又はＦ値（下式参照）が最大の変数を選ぶ。選ばれた変数に対する回帰係数が０であるという仮説の検定を行い、棄却されなければどの変数もモデルに含めない。棄却されればこの変数をモデルに取り込んでステップＩＩに進む。

（ステップＩＩ）既にモデルに入っている変数に加えて残りの変数を順番に１つずつ採用し、偏相関が最大（回帰係数検定のためのｔの絶対値又はＦ値が最大）の変数を選ぶ。回帰係数が０であるという仮説の検定を行い棄却されなければ処理を終了する。棄却されれば選ばれた変数をモデルに取り込んでステップＩＩＩに進む。

（ステップＩＩＩ）モデルを計算して各変数について回帰係数の検定を行い、Ｆ値が最小になる変数について仮説が棄却されなければその変数をモデルから除外する。

（ステップＩＶ）全ての変数がモデルに取り込まれていれば処理を終了する。そうでなければステップＩＩに戻る。

上記のステップワイズ法において、回帰係数の検定は次のようにして行う。ｐ個の変数を含むモデルでの変数ｘ_ｊに対する回帰係数が０であるという仮説Ｈ_０：ａ_ｊ＝０の検定は、次式でｔ値を求めて自由度ｎ−ｐ−１のｔ分布の限界値と比較し、｜ｔ｜≧ｔ_α（ｎ−ｐ−１）ならば仮説を棄却し、｜ｔ｜＜ｔ_α（ｎ−ｐ−１）ならば仮説を採択する。

ここで、ｔ_α（ｎ−ｐ−１）は自由度（ｎ−ｐ−１）のｔ分布の両側１００α％点の限界値（１００×（１−α)％の信頼区間の境界値）を、ｎはステップＳ１０１において選択したデータ個数（すなわち、Ｙ_ｓｉの要素数あるいはＸ_ｓｉの行数）を、ｓ^jjは誤差の分散の不偏推定値を、Ｖ_eはｐ個の変数を含むモデルでの説明変数の分散共分散行列において、その逆行列のｊ番目の対角要素の値をそれぞれ示している。

上記の回帰係数の検定に代えて、ｔ分布とＦ分布の関係より、次式のＦを求めて自由度（１，ｎ−ｐ−１）のＦ分布の限界値と比較し、｜Ｆ｜≧Ｆ^１ _{ｎ−ｐ−１}（α）ならば仮説を棄却するようにしてもよい。

ここでは、ステップワイズ法によりモデルの生成に適した変数を選択したが、総当たり法、前進選択法、後退消去法、ベストサブセット回帰、部分最小二乗法、主成分回帰等のステップワイズ法以外の変数選択法によって変数を選択してもよい。

次にＣＰＵ１１１は、有意なモデルの生成が可能か否か、即ち、モデルの生成に適したデータとデータ項目の組合せの選択に成功したか否かを判定する（ステップＳ１０３）。有意なモデルの生成が可能と判定した場合（ステップＳ１０３においてＹＥＳ）、ＣＰＵ１１１は、ステップＳ１０１において選択されたデータ中のステップＳ１０２において選択されたデータ項目を用いてモデルを生成し、目的変数の実際の値Ｙ_ｓｉと、モデルから求めた目的変数の値Ｙ_ｍｉとを比較し、モデルの誤差を評価する（ステップＳ１０４）。ステップＳ１０４においては、ＣＰＵ１１１は、評価値Ｊ_ｉを算出する。評価値Ｊ_ｉは、例えば、Ｙ_ｓｉとＹ_ｍｉとの差の二乗和の平方根とすることができる。

ここで、||●||_２はユークリッドノルムを、Ｔは行列又はベクトルの転置を示す。

上記のステップＳ１０４の後、ＣＰＵ１１１は、そのとき選択されているデータの番号（上記の例では２，ｐ，ｑ，…）と、ステップワイズ法によって選択されたデータ項目の番号をハードディスク１１５に記憶する（ステップＳ１０５）。ステップＳ１０５の後、ＣＰＵ１１１は、処理をステップＳ１０７へ進める。

ステップＳ１０３において、モデルの生成が不可能と判定された場合（ステップＳ１０３においてＮＯ）、ＣＰＵ１１１は、モデルの誤差の評価値Ｊ_ｉを∞に設定する（ステップＳ１０６）。無限大を表現できない場合は、Ｊ_ｉを十分大きな数に設定すればよい。ステップＳ１０６の後、ＣＰＵ１１１は、処理をステップＳ１０７へ進める。

ステップＳ１０７において、ＣＰＵ１１１は、上記のＳ１０１〜Ｓ１０６の処理を規定回数繰り返したか否かを判定する。規定回数繰り返していない場合（ステップＳ１０７においてＮＯ）、ＣＰＵ１１１は、変数ｉを１インクリメントし（ステップＳ１０８）、ステップＳ１０１に処理を戻す。これにより、ステップＳ１０１〜Ｓ１０６の処理が規定回数繰り返される。

ステップＳ１０１〜Ｓ１０６の処理が規定回数繰り返された場合（ステップＳ１０７においてＹＥＳ）、ＣＰＵ１１１は、評価値Ｊ_ｉを小さいものの上位１％を選択し、選択された上位１％の評価値が得られた場合に選択されたデータ項目を集計する（ステップＳ１０９）。なお、上位１％ではなく上位５％とする等、選択対象の評価値Ｊ_ｉの割合は適宜設定することができる。

ステップＳ１０９で集計されたデータ項目のうち、選択された回数が多いデータ項目は、目的変数Ｙに影響を与える因子つまり、解析に適したデータ項目であると考えることができる。ＣＰＵ１１１は、ステップＳ１０９で集計されたデータ項目のうち、例えば、予め設定された回数以上選択されたデータ項目を、解析に適したデータ項目として決定し、これらのデータ項目の番号をハードディスク１１５に記憶する（ステップＳ１１０）。

また、ＣＰＵ１１１は、ステップＳ１０３においてモデルの生成が不可能であると判断された場合に（つまり、Ｊ_ｉ＝∞の場合に）選択された回数をデータ毎に集計する（ステップＳ１１１）。あるデータが選択されているときに、モデルの生成が不可能であると判定されている回数が多い場合、そのデータは解析に適さないデータであると考えることができる。これに対し、解析に適さないデータ以外は、解析可能なデータであると考えることができる。ＣＰＵ１１１は、モデルの生成が不可能であると判定された場合に所定回数以上選択されたデータを、解析に適さないデータとして決定し、それ以外のデータを解析対象のデータとして決定し、解析に適さないデータ及び解析対象のデータの番号をそれぞれハードディスク１１５に記憶する（ステップＳ１１２）。

ＣＰＵ１１１は、上記のような解析対象決定処理の処理結果画面を表示部１３に表示させ（ステップＳ１１３）、解析対象決定処理を終了する。

図５は、処理結果画面の一例を示す図である。この例の処理結果画面３０は、解析対象として決定されたデータの番号と、解析に適するデータ項目の番号とを含む。これにより、解析対象のデータ、及び、解析に適するデータ項目をユーザが確認できる。また、解析対象のデータ中の解析に適するデータ項目を用いてモデルを生成することで多種多量のデータを解析できる。

図６は、処理結果画面の他の例を示す図である。この例の処理結果画面３１は、解析に適するデータ項目の番号と、解析に適さないデータの番号とを含む。解析に適さないデータには異常なデータが含まれる可能性がある。解析に適さないデータを出力することで、異常の可能性があるデータをユーザに通知できる。また、解析に適さないデータ以外のデータを解析対象とすることができ、解析対象のデータの中の解析に適するデータ項目を用いてモデルを生成することで多種多量のデータを解析できる。

（性能評価試験）
発明者は、上記の実施の形態１に係る解析対象決定方法の性能評価試験を実施した。

図７は、性能評価試験に使用したデータを示すグラフである。図７において縦軸は目標変数Ｙの値を、横軸は時間を示す。このデータは時系列データであり、１つのデータ（つまり、１つの時点におけるデータ）には時間情報を含む２０個のデータ項目が含まれる。発明者はこの時系列データ全体に対してステップワイズ法を適用したが、モデルの生成に適するデータ項目を選択することはできなかった。

次に、発明者は、上記の時系列データの中から５割のデータをランダムに選択した。図８は、データの選択例を説明するためのグラフである。図８において、▲マークは、ある場合において選択されたデータを示し、●マークは、その場合において選択されなかったデータを示している。

選択されたデータに対してステップワイズ法を適用すると、２０個のデータ項目のうち、８個のデータ項目（変数）が選択された。この８個の変数を使用してモデルを生成し、選択されたデータについて目的変数Ｙの値を推定した。図９は、目的変数Ｙの推定結果を示すグラフである。なお、図９において、時間と目的変数との関係を明らかにするために、目的変数の値を他の説明変数の値で修正して、修正後の目的変数の値を対応する時間毎にプロットしている。即ち、回帰モデルが（７）式で表される場合、ｘ_１が時間情報であるとすると、（８）式の左辺が図９の縦軸に対応している。

図９に示すように、精度の良い回帰式が得られていることが分かる。図１０は、時系列データ全体に対して本モデルを適用した場合のグラフである。図１０において、▲マークは、選択されたデータを示し、●マークは、選択されなかったデータを示している。選択されなかったデータには、本モデルにしたがわないものが含まれ、選択されたデータとは属性が異なっている可能性があることが分かる。

上記のような処理を１００００回繰り返し、ステップワイズ法が成功した（つまり、ステップワイズ法でデータ項目を選択できた）場合における各データ項目の選択率を求めた。図１１は、ステップワイズ法が成功したときのデータ項目毎の選択率を示すグラフである。図１１において、縦軸は選択率を、横軸はデータ項目の番号を示している。図１１に示すように、２番目のデータ項目の選択率が突出して高く、重要なデータ項目であると考えられる。また、６番目、８番目、１７番目のデータ項目も選択率が高く、重要なデータ項目であると考えられる。

また、発明者は、ステップワイズ法が成功した場合それぞれにおけるモデルの誤差を評価し、誤差の小さなモデルに共通して選ばれたデータ項目を調査した。図１２は、モデルの誤差の評価値が小さい場合におけるデータ項目の選択率を示すグラフである。図１２の上のグラフは評価値を誤差の二乗平均平方根とした場合の結果を示し、中央のグラフは評価値を誤差のＬ１ノルム（絶対値平均）とした場合の結果を示し、下のグラフは評価値を誤差の∞ノルム（最大値）とした場合の結果を示している。各グラフにおいて、縦軸は選択率を示し、横軸はデータ項目の番号を示している。

図１２より、６番目、１６番目、１１番目等のデータ項目が、誤差の小さなモデルに共通して選択されていることが分かり、重要なデータ項目であると考えられる。

また、発明者は、ステップワイズ法が失敗した（つまり、ステップワイズ法ではデータ項目を選択できなかった）場合における各データの選択率を求めた。図１３は、ステップワイズ法が失敗したときのデータ毎の選択率を示すグラフである。図１３において、縦軸は選択率を、横軸はデータの番号を示している。図１３に示すように、１１番目のデータが選択されたときには、８割程度の確率でステップワイズ法が失敗している。このデータは異常データである可能性が高く、解析対象から除外すべきデータであることが分かる。

以上のように、実施の形態１に係る解析対象決定方法は、一見関係を見いだせないデータ群からでも、関係性を導出するための解析対象のデータ及びデータ項目を高精度に決定することができる。

（実施の形態２）
本実施の形態に係る解析対象決定装置は、時系列データに対して処理を行い、異常が発生した時点を推定する。本実施の形態に係る解析対象決定装置の構成は、実施の形態１に係る解析対象決定装置１の構成と同様であるので、同一構成要素については同一符号を伏し、その説明を省略する。

本実施の形態に係る解析対象決定装置の動作について説明する。図１４は、本実施の形態に係る解析対象決定装置による解析対象決定処理の手順を示すフローチャートである。

ステップＳ１０１〜Ｓ１１２の処理は、実施の形態１において説明したものと同様であるので、その説明を省略する。

ステップＳ１１２の処理の後、ＣＰＵ１１１は、各時刻におけるモデルの生成が可能か否かの判定結果により、ある時刻までは所定回数以上連続してモデルが生成可能と判定され、その時刻の後は所定回数以上連続してモデルが生成不可能と判定される時刻を検出する（ステップＳ２１３）。時系列データにおいて、このようなある時刻を挟んでモデルの生成が可能な状態からモデルの生成が不可能な状態に変化する場合、その時刻において異常が発生したと考えることができる。以下、当該時刻を「異常発生時刻」という。

ＣＰＵ１１１は、上記のような解析対象決定処理の処理結果画面を表示部１３に表示させ（ステップＳ２１４）、解析対象決定処理を終了する。図１５は、処理結果画面の例を示す図である。ステップＳ２１３において異常発生時刻が検出された場合、ステップＳ２１４において表示される処理結果画面３２には、異常発生時刻の情報（異常発生時刻及びその時刻におけるデータの番号）が含まれる。これにより、ユーザに対して異常が発生したと推定される時刻を通知することができる。また、時系列データのどのデータにおいて異常が発生したかをユーザが特定できる

（実施の形態３）
本実施の形態に係る解析対象決定装置は、解析対象として決定されたデータのグループ分けを行う。本実施の形態に係る解析対象決定装置の構成は、実施の形態１に係る解析対象決定装置１の構成と同様であるので、同一構成要素については同一符号を伏し、その説明を省略する。

本実施の形態に係る解析対象決定装置の動作について説明する。図１６は、本実施の形態に係る解析対象決定装置による解析対象決定処理の手順を示すフローチャートである。

ステップＳ１０１〜Ｓ１１２の処理は、実施の形態１において説明したものと同様であるので、その説明を省略する。

ステップＳ１１２の処理の後、ＣＰＵ１１１は、モデルを生成可能と複数回判定された場合に、モデルを生成可能と判定されたときに共通して選択されていた複数のデータを特定し、特定された複数のデータを同一のグループとして決定する（ステップＳ３１３）。

例えば、複数の溶接ロボットから取得されたデータの場合、溶接ロボットの構成の違い（例えば、ロボットの大きさの違い、手先トーチの違い、地面据え置きかスライダーに取り付けられているか）、用途の違い（溶接材料の厚みの違い、継ぎ手の違い、ウィビングの仕方の違い）等によって、溶接ロボットの特性の傾向が異なる。このため、モデルの生成が可能か否かの判定対象のデータに、構成、用途等が異なる複数種類の溶接ロボットから収集されたデータが含まれている場合、モデルが生成不可能と判定されることが多い。これに対して、モデルが生成可能と判定された場合に選択されているデータは、構成、用途等が共通する溶接ロボットから収集されたものであると推定できる。したがって、上記のステップＳ３１３の処理によって、傾向毎にデータをグループ分けすることができる。各グループのデータを解析することで、グループ毎にデータの傾向を捉えることが可能となる。

ＣＰＵ１１１は、上記のような解析対象決定処理の処理結果画面を表示部１３に表示させ（ステップＳ３１４）、解析対象決定処理を終了する。図１７は、処理結果画面の例を示す図である。ステップＳ３１４において表示される処理結果画面３３には、ステップＳ３１３において分けられたグループに含まれるデータの番号が、グループ毎に表示される。これにより、ユーザに対してグループ分けの結果を通知することができる。ユーザは、各グループに含まれるデータを特定することができ、グループ毎にデータの解析を行うことができる。

（その他の実施の形態）
上述した実施の形態１〜３においては、全データからランダムに選択されたデータ（Ｙ_ｓｉ，Ｘ_ｓｉ）に対してステップワイズ法を適用する構成について述べたが、これに限定されるものではない。前回以前のモデルの生成が可能か否かの判定結果に基づいて、モデルの生成に適さないデータと推定されるデータをステップワイズ法の適用対象から除外するようにしてもよい。これにより、データの探索範囲を絞ることができ、解析対象決定処理の計算量を低減することができる。

また、上述した実施の形態１〜３においては、ステップワイズ法によって全データ項目からモデルの生成に適したデータ項目を選択する構成について述べたが、これに限定されるものではない。前回以前のステップワイズ法の処理結果に基づいて、モデルの生成に適さないと推定されるデータ項目をステップワイズ法の適用対象から除外するようにしてもよい。これによっても、データの探索範囲を絞ることができ、解析対象決定処理の計算量を低減することができる。

また、上述した実施の形態１〜３においては、解析対象決定装置を１つのコンピュータによって構成したが、これに限定されるものではない。互いにデータ通信可能に接続された複数のコンピュータによって解析対象決定装置を構成し、異なるデータの組み合わせに対して各コンピュータでステップワイズ法を実行する構成とすることも可能である。

本発明の解析対象決定装置及び解析対象決定方法は、多種多量のデータから解析対象のデータを決定するための解析対象決定装置及び解析対象決定方法として有用である。

１ 解析対象決定装置
１０ コンピュータ
１１ 本体
１２ 入力部
１３ 表示部
１１０ 機器データ処理プログラム
１１１ ＣＰＵ
１１５ ハードディスク
１１６ 入出力インタフェース
１１７ 画像出力インタフェース
１１８ 通信インタフェース

Claims (11)

1. 複数のデータ項目を含むデータを解析する場合に、少なくとも一部のデータ項目を変数として含むモデルを用いた解析の対象を決定する解析対象決定装置であって、
   複数のデータから毎回異なる一部のデータを選択する選択手段と、
   前記選択手段によって選択されたデータに基づいて、モデルの生成に適するデータ項目が選択可能であるか否かを判定する判定手段と、
   前記選択手段及び前記判定手段による処理を複数回繰り返した後、前記判定手段による判定結果に基づいて、解析対象とするデータを決定する決定手段と、
   を備える、解析対象決定装置。
2. 前記選択手段及び前記判定手段による処理を複数回繰り返した後、前記判定手段による判定結果に基づいて、解析に用いられるデータ項目を決定する第２決定手段をさらに備える、
   請求項１に記載の解析対象決定装置。
3. 前記決定手段は、前記判定手段によって選択可能とされたデータ項目毎の回数に基づいて、解析に用いられるデータ項目を決定するように構成されている、
   請求項２に記載の解析対象決定装置。
4. 前記判定手段によって前記データ項目が選択可能と判定された場合、選択可能とされたデータ項目を用いて生成されたモデルの誤差を評価する評価手段をさらに備え、
   前記第２決定手段は、前記選択手段、前記判定手段、及び前記評価手段による処理を複数回繰り返した後、前記評価手段による評価結果に基づいて、解析に用いられるデータ項目を決定するように構成されている、
   請求項２に記載の解析対象決定装置。
5. 前記決定手段によって決定された解析対象のデータを出力する出力手段をさらに備える、
   請求項１乃至４の何れかに記載の解析対象決定装置。
6. 前記第２決定手段によって決定された解析に用いられるデータ項目を出力する出力手段をさらに備える、
   請求項２乃至４の何れかに記載の解析対象決定装置。
7. 前記解析対象のデータとは異なるデータを解析に適さないデータとして出力する第２出力手段をさらに備える、
   請求項１乃至６の何れかに記載の解析対象決定装置。
8. 前記複数のデータは時系列データであり、
   前記第２出力手段は、前記判定手段が連続する複数のデータについて前記データ項目が選択可能と判定し、且つ、次の連続する複数のデータについて前記データ項目が選択不可能と判定した場合に、前記次の連続する複数のデータの先頭のデータを異常データとして出力するように構成されている、
   請求項７に記載の解析対象決定装置。
9. 前記判定手段は、ステップワイズ法により前記モデルの生成に適するデータ項目が選択可能か否かを判定するように構成されている、
   請求項１乃至８の何れかに記載の解析対象決定装置。
10. 前記判定手段によって前記データ項目を選択可能と複数回判定された場合に、前記選択手段によって共通して選択されたデータを同一のグループとして決定する第３決定手段と、
    前記第３決定手段によって同一のグループとして決定されたデータを出力する第３出力手段と、
    をさらに備える、
    請求項１乃至９の何れかに記載の解析対象決定装置。
11. 複数のデータ項目を含むデータを解析する場合に、少なくとも一部のデータ項目を変数として含むモデルを用いた解析の対象を決定する解析対象決定方法であって、
    コンピュータが、複数のデータから毎回異なる一部のデータを選択するステップと、
    前記コンピュータが、選択されたデータに基づいて、モデルの生成に適するデータ項目が選択可能であるか否かを判定するステップと、
    前記コンピュータが、前記選択するステップ及び前記判定するステップを複数回繰り返した後、前記判定するステップにおける判定結果に基づいて、解析対象とするデータを決定するステップと、
    を有する、解析対象決定方法。

Images