JP2017161973A - データ格納装置及びデータ格納プログラム - Google Patents
データ格納装置及びデータ格納プログラム Download PDFInfo
- Publication number
- JP2017161973A JP2017161973A JP2016043226A JP2016043226A JP2017161973A JP 2017161973 A JP2017161973 A JP 2017161973A JP 2016043226 A JP2016043226 A JP 2016043226A JP 2016043226 A JP2016043226 A JP 2016043226A JP 2017161973 A JP2017161973 A JP 2017161973A
- Authority
- JP
- Japan
- Prior art keywords
- data
- amount
- storage
- sensor
- unit
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Landscapes
- Recording Measured Values (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
【解決手段】データ格納装置10は、センサ31からデータを受信して、ストレージ32に格納する。この際、データ格納装置10は、分析に必要なデータ量である必要量を特定し、特定された必要量と基準期間に受信されたデータのデータ量である受信量とからデータの抽出間隔を特定する。そして、データ格納装置10は、受信されたデータから、特定された抽出間隔でデータを抽出して、ストレージ32に格納する。
【選択図】図1
Description
この発明は、分析の精度を維持しつつ、ストレージに格納されるデータ量を減らすことを目的とする。
センサからデータを受信する受信部と、
分析に必要なデータ量である必要量を特定する必要量特定部と、
前記必要量特定部によって特定された必要量と前記受信部によって基準期間に受信されたデータのデータ量である受信量とからデータの抽出間隔を特定し、前記受信部によって受信されたデータから、特定された抽出間隔でデータを抽出して、ストレージに格納する格納部と
を備える。
。
前記データの形式が正しいか否か判定する形式判定部を備え、
前記格納部は、前記形式判定部によって正しいと判定されたデータから、抽出間隔でデータを抽出して、ストレージに格納する。
前記データ格納装置は、さらに、
センサの識別情報であるセンサIDを1つ以上記憶したセンサ記憶部と、
前記センサ記憶部に記憶されたセンサIDに、前記受信部が受信したデータに含まれるセンサIDがあるか否か判定するセンサ判定部と
を備え、
前記格納部は、前記センサ判定部にあると判定されたデータから、抽出間隔でデータを抽出して、ストレージに格納する。
センサからデータを受信する受信処理と、
分析に必要なデータ量である必要量を特定する必要量特定処理と、
前記必要量特定処理によって特定された必要量と前記受信処理によって基準期間に受信されたデータのデータ量である受信量とからデータの抽出間隔を特定し、前記受信処理によって受信されたデータから、特定された抽出間隔でデータを抽出して、ストレージに格納する格納処理と
をコンピュータに実行させる。
***構成の説明***
図1から図5を参照して、実施の形態1に係るデータ格納装置10の構成を説明する。
図1に示すように、データ格納装置10は、コンピュータである。
データ格納装置10は、プロセッサ11と、記憶装置12と、入力インタフェース13と、出力インタフェース14とのハードウェアを備える。プロセッサ11は、信号線を介して他のハードウェアと接続され、これら他のハードウェアを制御する。
記憶装置12には、データ格納装置10の各部の機能を実現するプログラムが記憶されている。このプログラムは、プロセッサ11により読み込まれ、実行される。これにより、データ格納装置10の各部の機能が実現される。
図2に示すように、収集条件記憶部121は、データ収集間隔と、正常列数とが記憶される。データ収集間隔は、センサ31からデータを受信する間隔である。正常列数は、センサ31から受信したデータの正常な項目数である。正常列数は、センサ31毎に定められていてもよい。
図3に示すように、分析精度記憶部122は、分析方法毎に、分析精度と、許容範囲と、データ量と、総計収束時間と、試行回数と、精度遷移と、データ量遷移と、入力データとが記憶される。分析精度は、対応する分析方法で求められる精度である。許容範囲は、分析精度が示す精度の前後何パーセントであれば許容されるかを示す。データ量は、分析精度が示す精度の分析をするのに必要なデータ量である。総計収束時間は、データ量を計算するのにかかった時間である。試行回数は、データ量を計算する際に分析処理が実行された回数である。精度遷移は、分析処理で得られた精度の遷移である。データ量遷移は、分析処理で使用したデータ量の遷移である。入力データは、分析処理で使用した学習用データ33の識別子である。
図4に示すように、センサ記憶部123は、データ格納装置10に接続されたセンサ31毎に、センサグループ、優先順位、センサID、施設名称、機器名称、型番が記憶される。センサグループは、1つ以上のセンサ31の集合に付された名称である。優先順位は、センサグループ内における優先順位である。センサIDは、センサ31の識別子である。施設名称は、センサ31が設置された施設の名称である。機器名称は、センサ31の種別を表す名称であり、具体例としては、温度センサ、湿度センサ、圧力センサである。型番は、センサ31の型番である。
図5に示すように、ストレージ32は、更新期間毎にデータが分けられて格納される。更新期間毎に分けられたデータの集合を学習用データ33と呼ぶ。実施の形態1では、更新期間は、月初から月末までの1か月であるとする。そのため、例えば、2015年12月の学習用データ33、2016年1月の学習用データ33、2016年2月の学習用データ33というように、ストレージ32は月毎の学習用データ33が格納される。
図6から図10を参照して、実施の形態1に係るデータ格納装置10の動作を説明する。
実施の形態1に係るデータ格納装置10の動作は、実施の形態1に係るデータ格納方法に相当する。また、実施の形態1に係るデータ格納装置10の動作は、実施の形態1に係るデータ格納プログラムの処理に相当する。
ステップS1の必要量特定処理では、必要量特定部21は、分析に必要なデータ量である必要量を特定する。分析に必要なデータ量とは、指定された分析精度が得られるデータ量という意味である。
具体的には、必要量特定部21は、分析精度記憶部122に記憶された各分析方法を対象方法とし、ストレージに格納されたデータを入力として対象方法で分析する。これにより、必要量特定部21は、対象方法について分析精度記憶部122に記憶された分析精度が得られるデータ量を特定する。そして、必要量特定部21は、分析方法毎に特定されたデータ量のうち、最も多いデータ量を必要量として特定する。
具体的には、形式判定部23は、データを項目毎に分解して、データに含まれる項目数を特定する。そして、形式判定部23は、特定された項目数と、収集条件記憶部121に記憶された正常列数とが一致するか否かを判定する。形式判定部23は、一致した場合にはデータの形式が正しいと判定し、一致しない場合にはデータの形式が正しくないと判定する。つまり、形式判定部23は、通信中にデータの一部が欠落したような場合には、データの形式が正しくないと判定する。
形式判定部23は、データの形式が正しい場合には処理をステップS4に進め、そうでない場合には、処理をステップS6に進める。
具体的には、センサ判定部24は、ステップS2で受信されたデータに含まれるセンサIDが、センサ記憶部123に記憶されており、かつ、ステップS2で受信されたデータに含まれるセンサIDについての優先順位が1であるか否かを判定する。センサ判定部24は、センサIDが記憶されており、優先順位が1である場合には、データが指定されたセンサ31から送信されたと判定し、そうでない場合、データが指定されたセンサ31以外から送信されたと判定する。
センサ判定部24は、データが指定されたセンサ31から送信された場合には、処理をステップS5に進め、そうでない場合には、処理をステップS6に進める。
格納部25は、データ量が基準量以上である場合には処理をステップS8に進め、そうでない場合には処理をステップS2に戻す。
そして、格納部25は、一時記憶部124から1件ずつ受信時刻の順にデータを読み出し、抽出間隔でデータを抽出して、ストレージ32に格納する。この際、格納部25は、更新期間毎にデータを分けてストレージ32に格納する。具体例としては、格納部25は、更新期間毎に別のテーブル又はファイルにデータを格納する、あるいは、更新期間毎に別の識別子を付けてデータを格納する。なお、格納部25は、読み出されたデータのうち、抽出されなかったデータについては、破棄する。
具体的には、必要量特定部21は、(1)更新期間を経過した場合、(2)分析精度記憶部122にレコードが追加され、分析手法が追加された場合、(3)分析精度記憶部122からレコードが削除され、分析手法が削除された場合、(4)指定された分析精度が変更された場合のいずれかに該当するか否かを判定する。そして、必要量特定部21は、(1)から(4)のいずれかに該当する場合には、必要量の再特定が必要であると判定し、そうでない場合には、必要量の再特定が必要ないと判定する。
つまり、図7に示すように、(0)図6に示す処理の開始時に必要量が特定された後は、(1)により更新期間毎に必要量が再特定されるとともに、(2)から(4)により、更新期間中に必要量が再特定される場合がある。
必要量特定部21は、必要量の再特定が必要な場合には処理をステップS1に戻し、そうでない場合には処理をステップS2に戻す。
必要量特定処理について、図7に示す(0)から(4)の5つの場合についてそれぞれ説明する。
前提として、図6に示す処理の開示時には、ストレージ32に学習用データ33が1つ格納されているとする。この学習用データ33は、具体例としては、直近の更新期間にセンサ31から送信された全てのデータである。あるいは、この学習用データ33は、直近の更新期間にセンサ31から送信された全てのデータのうち、ステップS3で形式が正しいと判定され、かつ、ステップS4で指定されたセンサ31から送信されたと判定されるデータでもよい。あるいは、この学習用データ33は、別途生成されたテストデータであってもよい。
分析精度記憶部122に記憶された分析精度を基準として許容範囲内に結果精度が入っていれば、必要量特定部21は、現在の対象量を対象方法に対するデータ量として分析精度記憶部122に書き込み、処理をステップS14に進める。
一方、許容範囲内に結果精度が入っていなければ、必要量特定部21は、対象量を変更して、処理をステップS11に戻す。この際、必要量特定部21は、分析精度記憶部122に記憶された分析精度よりも結果精度が低い場合には対象量を増やし、分析精度記憶部122に記憶された分析精度よりも結果精度が高い場合には対象量を減らす。
必要量特定部21は、未処理の分析方法が記憶されている場合には、処理をステップS12に戻し、未処理の分析方法が記憶されていない場合には、処理をステップS15に進める。
対象量の初期値を15MB(メガバイト)とする(図3のデータ量遷移欄参照)。ステップS11で、必要量特定部21は、学習用データ33から15MBのデータを抽出する。ステップS12で、必要量特定部21は、分析手法“ニューラルネットワーク”を対象方法として、15MBのデータを入力として分析する。その結果、結果精度が20%であったとする(図3の精度遷移欄参照)。すると、分析手法“ニューラルネットワーク”の分析精度80%を基準として許容範囲±5%内に入っていない。そのため、必要量特定部21は、対象量を倍の30MBに増やして処理をステップS11に戻す(図3のデータ量遷移欄参照)。
対象量が100MBの場合には結果精度が80%となり、分析精度80%を基準として許容範囲±5%内に入っている。そのため、ステップS13で、必要量特定部21は、対象量である100MBを分析手法“ニューラルネットワーク”についてのデータ量として分析精度記憶部122に書き込む。
(1)更新期間を経過した場合は、最新の学習用データ33が使用される点が、(0)図6に示す処理の開始時と異なる。つまり、ステップS11で必要量特定部21は、ストレージ32に格納された学習用データ33のうち、最新の学習用データ33を読み出す。以降の処理は、(0)図6に示す処理の開始時と同じである。
追加されたレコードの分析方法だけを処理対象として、ステップS11からステップS14が実行される点が、(1)更新期間を経過した場合と異なる。つまり、ステップS12で対象方法とされるのは、追加されたレコードの分析方法だけである。そして、ステップS15では、分析精度記憶部122に記憶された全ての分析方法を対象として、最も多いデータ量が必要量として特定される。
ステップS11からステップS14を実行せず、ステップS15で残っているレコードの分析方法を対象として、最も多いデータ量が必要量として特定される。
分析精度が変更されたレコードの分析方法だけを処理対象として、ステップS11からステップS14が実行される点が、(1)更新期間を経過した場合と異なる。つまり、ステップS12で対象方法とされるのは、分析精度が変更されたレコードの分析方法だけである。そして、ステップS15では、分析精度記憶部122に記憶された全ての分析方法を対象として、最も多いデータ量が必要量として特定される。
結果精度を計算するために、必要量特定部21は、正解データを事前に用意しておき、分析した結果と正解データとを比較することにより結果精度を計算する。
具体例としては、(0)図6に示す処理の開始時に用いる学習用データ33の一部を正解データ34とする。例えば、(0)図6に示す処理の開始時に用いる学習用データ33が1月間にセンサ31から送信された全てのデータである場合に、学習用データ33のうちの1日分のデータを正解データ34とする。
ステップS12で必要量特定部21は、分析を行い1日分の分析値を計算する。そして、ステップS13で必要量特定部21は、同じ時刻についての分析値と正解データ34の値とを比較して、一致率を計算する。必要量特定部21は計算された一致率を結果精度とする。
例えば、図9に示すように、正解データ34として、a1〜a15の値が与えられ、分析値としてb1〜b15の値が得られたとする。このとき、必要量特定部21は、a1とb1、a2とb2というように、同じ時刻の値どうしを比較する。そして、必要量特定部21は、分析値の値が、比較される正解データ34の値を基準として基準範囲内に入っていれば、分析値の値と正解データ34の値とが一致するとして、一致率を計算する。例えば、a2−(0.1×a2)≦b2≦a2+(0.1×a2)であれば、分析値b2は、正解データ34の値と一致すると判定される。
分析によって、学習用データ33の値が補間されるような場合には、正解データ34と比較される対象から、学習用データ33に含まれていた値を除外してもよい。図9において、分析値のうち、黒塗りで示された点は学習用データ33に含まれていた値を示すとする。この場合、残りの白抜きで示された点であるb2,b4,b6,...についてのみ、同じ時刻の正解データ34の値と比較して、一致率が計算される。
ステップS81では、格納部25は、後述するステップS82の処理で抽出間隔を特定した後に、ステップS1で必要量が特定されたか否かを判定する。
格納部25は、必要量が特定された場合には処理をステップS82に進め、必要量が特定されていない場合には処理をステップS83に進める。
具体的には、格納部25は、ステップS1で特定された必要量を、更新期間を基準期間で除した値で除して、基準期間当たりの必要量を計算する。また、格納部25は、基準期間当たりに受信部22によって受信される平均的なデータ量を計算する。ここでは、格納部25は、指定されたセンサ31の数と、データの収集間隔から特定される基準期間当たりに1つのセンサ31から収集されるデータ数と、1件のデータの平均データ量とを乗じて、平均的なデータ量を計算する。
そして、格納部25は、1つのセンサ31から収集されるデータ数を、平均的なデータ量を必要量で除した値で除して、基準期間当たりに1つのセンサ31から抽出するデータ数を計算する。格納部25は、基準期間当たりに1つのセンサ31から収集されるデータ数を、計算されたデータ数で除して抽出間隔を計算する。
つまり、各センサ31から収集されたデータについて、2.97≒3件に1件ずつデータを抽出すれば、更新期間に必要量のデータがストレージ32に格納されることになる。
格納部25は、カウンタの値が抽出間隔と等しければ処理をステップS85に進め、カウンタの値が抽出間隔と等しくなければ処理をステップS86に進める。なお、カウンタの値の初期値は0とする。
そして、ステップS87では、格納部25は、一時記憶部124に未処理のデータがあるか否か判定する。格納部25は、未処理のデータがあれば、処理をステップS83に戻し、なければ、処理をステップS88に進める。
以上のように、実施の形態1に係るデータ格納装置10は、データの分析に必要な必要量からデータの抽出間隔を特定して、特定された抽出間隔でデータを抽出してストレージ32に格納する。これにより、分析の精度を維持しつつ、ストレージ32に格納されるデータ量を減らすことができる。
更新期間の途中で必要量が増加し、抽出間隔が再特定される場合がある。この場合、単純に実施の形態1で説明した処理を続けると、その更新期間においてストレージ32に格納されるデータ量は、再特定された必要量にはならない。
図11を参照して具体的に説明する。更新期間の中間点で必要量が50MBから100MBに増えたとする。この場合、更新期間の前半は、更新期間の終了時点で50MB分のデータがストレージ32に格納されるペースでデータが抽出される。したがって、更新期間の前半には25MB分のデータがストレージ32に格納される。更新期間の後半は、前半の倍のペースでデータが抽出される。したがって、更新期間の後半には50MB分のデータがストレージ32に格納される。その結果、更新期間の終了時点で75MB分のデータがストレージ32に格納されることになる。
具体的には、格納部25は、ストレージ32に格納された過去期間のデータを収集元のセンサ31毎に時系列に並べ、スプライン補間といった処理により、データ間の値を特定する。そして、格納部25は、不足する分だけデータを取り出して、別データとしてストレージ32に格納する。
図12を参照して具体的に説明する。図12では、黒塗りの点がストレージ32に格納されたデータを示し、白抜きの点が補間された点を示す。更新期間の中間点で必要量が50MBから100MBに増えたとする。この場合、更新期間の前半においてストレージ32に格納されたデータ量を倍にする必要がある。そこで、格納部25は、更新期間の前半においてストレージ32に格納されたデータを、収集元のセンサ31毎に時系列に並べ、補間することにより、データ間の値を特定する。ここでは、iを1以上の整数とすると、補間点i+0.5の値は、隣り合う2つの値i,i+1の平均値としている。そして、特定された値を示すデータをストレージ32に格納する。これにより、更新期間の前半分のデータ量が25MBから50MBになる。そのため、更新期間の後半に、前半の倍のペースでデータが抽出され50MB分のデータが抽出されれば、更新期間の終了時点で100MB分のデータがストレージ32に格納されることになる。
しかし、こうしてしまうと、ストレージ32には、後半のデータが多くなってしまい、データに偏りが生じてしまう。そのため、分析精度が高くならない可能性がある。
実施の形態1では、形式が正しいデータをストレージ32に格納していた。しかし、通信状態等によっては、多くのデータの形式に誤りがある場合もある。その結果、必要量のデータをストレージ32に格納できなくなってしまう場合もある。
そこで、変形例2として、形式判定部23は、基準率以上のデータの形式に誤りがある場合には、同じセンサ31から前後に収集されたデータを用いて補間を行い、データ形式を整える。具体例としては、形式判定部23は、データの温度の項目が欠けていた場合、そのデータの前に収集されたデータの温度と、そのデータの後に収集されたデータの温度とから、欠けていた温度の項目の値を計算して、データ形式を整える。そして、格納部25は、データ形式が整ったデータをストレージ32に格納する対象として一時記憶部124に格納する。
実施の形態1では、優先順位が1のセンサ31から収集されたデータをストレージ32に格納していた。しかし、優先順位が1のセンサ31が故障する場合もある。
そこで、変形例3として、受信部22は、あるセンサ31から送信されたデータを一定期間受信しない場合、そのセンサ31は故障したものとみなす。そして、そのセンサ31の優先順位を対象外にし、そのセンサ31と同じセンサグループに属する他のセンサ31の優先順位を繰り上げる。具体例としては、故障したとみなされたセンサ31の優先順位が3であれば、優先順位が4以下であった他のセンサ31の優先順位を1つずつ上げる。
これにより、優先順位が1のセンサ31が故障した場合であっても、同じセンサグループに属する他のセンサ31のデータがストレージ32に格納されるようになる。
実施の形態1では、図8のステップS13で、許容範囲内に結果精度が入っていない場合に、分析精度よりも結果精度が低い場合には対象量を増やし、分析精度よりも結果精度が高い場合には対象量を減らした。これは、入力とするデータが多いほど、分析精度が高くなるということを前提としていたためである。しかし、入力とするデータが多いほど、分析精度が高くならない場合もあり得る。
そこで、変形例4として、過去の対象量の変化と結果精度の変化とに応じて、対象量を増減させる。
ステップS131では、必要量特定部21は、分析精度よりも結果精度が低いか否かを判定する。必要量特定部21は、分析精度よりも結果精度が低い場合には処理をステップS132に進め、そうでない場合には処理をステップS135に進める。
ステップS133では、必要量特定部21は、直近に実行されたステップS12での結果精度が、その前に実行されたステップS12での結果精度よりも高いか否かを判定する。必要量特定部21は、高い場合には対象量を増加させ、そうでない場合には対象量を減少させる。
ステップS134では、必要量特定部21は、直近に実行されたステップS12での結果精度が、その前に実行されたステップS12での結果精度よりも高いか否かを判定する。必要量特定部21は、高い場合には対象量を減少させ、そうでない場合には対象量を増加させる。
ステップS136では、必要量特定部21は、直近に実行されたステップS12での結果精度が、その前に実行されたステップS12での結果精度よりも高いか否かを判定する。必要量特定部21は、高い場合には対象量を減少させ、そうでない場合には対象量を増加させる。
ステップS137では、必要量特定部21は、直近に実行されたステップS12での結果精度が、その前に実行されたステップS12での結果精度よりも高いか否かを判定する。必要量特定部21は、高い場合には対象量を増加させ、そうでない場合には対象量を減少させる。
実施の形態1では、データ格納装置10の各部の機能がソフトウェアで実現された。しかし、変形例5として、データ格納装置10の各部の機能はハードウェアで実現されてもよい。この変形例5について、実施の形態1と異なる点を説明する。
各部の機能がハードウェアで実現される場合、データ格納装置10は、プロセッサ11と記憶装置12とに代えて、処理回路15を備える。処理回路15は、データ格納装置10の各部の機能及び記憶装置12の機能を実現する専用の電子回路である。
各部の機能を1つの処理回路15で実現してもよいし、各部の機能を複数の処理回路15に分散させて実現してもよい。
変形例6として、一部の機能がハードウェアで実現され、他の機能がソフトウェアで実現されてもよい。つまり、データ格納装置10の各部のうち、一部の機能がハードウェアで実現され、他の機能がソフトウェアで実現されてもよい。
Claims (9)
- センサからデータを受信する受信部と、
分析に必要なデータ量である必要量を特定する必要量特定部と、
前記必要量特定部によって特定された必要量と前記受信部によって基準期間に受信されたデータのデータ量である受信量とからデータの抽出間隔を特定し、前記受信部によって受信されたデータから、特定された抽出間隔でデータを抽出して、ストレージに格納する格納部と
を備えるデータ格納装置。 - 前記必要量特定部は、前記ストレージに格納されたデータを入力として分析を行った場合に、指定された分析精度が得られるデータ量を前記必要量として特定する
請求項1に記載のデータ格納装置。 - 前記必要量特定部は、指定された分析精度が得られるデータ量を分析手法毎に特定し、分析手法毎に特定されたデータ量のうち、最も多いデータ量を前記必要量として特定する
請求項2に記載のデータ格納装置。 - 前記必要量特定部は、更新期間が経過した場合と、分析手法が追加された場合と、分析手法が削除された場合と、指定された分析精度が変更された場合とに、前記必要量を特定し直す
請求項3に記載のデータ格納装置。 - 前記格納部は、前記更新期間中に前記必要量が増加した場合には、前記更新期間の開始時点から前記必要量が特定し直された時点までの過去期間については、増加した前記必要量で特定された前記抽出間隔により抽出された件数になるようにストレージに格納されたデータを補間して得られたデータを格納する
請求項4に記載のデータ格納装置。 - 前記データ格納装置は、さらに、
前記データの形式が正しいか否か判定する形式判定部を備え、
前記格納部は、前記形式判定部によって正しいと判定されたデータから、抽出間隔でデータを抽出して、ストレージに格納する
請求項1から5までのいずれか1項に記載のデータ格納装置。 - 前記データには、取得元のセンサのセンサIDが含まれ、
前記データ格納装置は、さらに、
センサの識別情報であるセンサIDを1つ以上記憶したセンサ記憶部と、
前記センサ記憶部に記憶されたセンサIDに、前記受信部が受信したデータに含まれるセンサIDがあるか否か判定するセンサ判定部と
を備え、
前記格納部は、前記センサ判定部にあると判定されたデータから、抽出間隔でデータを抽出して、ストレージに格納する
請求項1から6までのいずれか1項に記載のデータ格納装置。 - 前記格納部は、前記受信部によって受信されたデータを一時記憶部に格納し、前記一時記憶部に基準量のデータが蓄積されると、前記一時記憶部から前記抽出間隔でデータを抽出して、ストレージに格納する
請求項1から7までのいずれか1項に記載のデータ格納装置。 - センサからデータを受信する受信処理と、
分析に必要なデータ量である必要量を特定する必要量特定処理と、
前記必要量特定処理によって特定された必要量と前記受信処理によって基準期間に受信されたデータのデータ量である受信量とからデータの抽出間隔を特定し、前記受信処理によって受信されたデータから、特定された抽出間隔でデータを抽出して、ストレージに格納する格納処理と
をコンピュータに実行させるデータ格納プログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2016043226A JP6571027B2 (ja) | 2016-03-07 | 2016-03-07 | データ格納装置及びデータ格納プログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2016043226A JP6571027B2 (ja) | 2016-03-07 | 2016-03-07 | データ格納装置及びデータ格納プログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2017161973A true JP2017161973A (ja) | 2017-09-14 |
JP6571027B2 JP6571027B2 (ja) | 2019-09-04 |
Family
ID=59857015
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2016043226A Active JP6571027B2 (ja) | 2016-03-07 | 2016-03-07 | データ格納装置及びデータ格納プログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6571027B2 (ja) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020230290A1 (ja) * | 2019-05-15 | 2020-11-19 | 三菱電機株式会社 | 情報処理装置、情報処理システム、プログラム及び情報処理方法 |
JP2020201185A (ja) * | 2019-06-12 | 2020-12-17 | 株式会社日立製作所 | ストレージシステムおよび記憶制御方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2010095457A1 (ja) * | 2009-02-20 | 2010-08-26 | 日本電気株式会社 | 解析前処理システム、解析前処理方法および解析前処理プログラム |
WO2012142462A1 (en) * | 2011-04-15 | 2012-10-18 | Mrn Partners Llp | Remote data monitoring and collection system with multi-tiered analysis |
WO2014124345A1 (en) * | 2013-02-08 | 2014-08-14 | Bahram Ghaderi | Vacuum shell for robotic surgery of soft tissue |
JP2015154988A (ja) * | 2015-04-24 | 2015-08-27 | カシオ計算機株式会社 | センサデータ抽出システム、センサデータ抽出方法およびセンサデータ抽出プログラム |
-
2016
- 2016-03-07 JP JP2016043226A patent/JP6571027B2/ja active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2010095457A1 (ja) * | 2009-02-20 | 2010-08-26 | 日本電気株式会社 | 解析前処理システム、解析前処理方法および解析前処理プログラム |
WO2012142462A1 (en) * | 2011-04-15 | 2012-10-18 | Mrn Partners Llp | Remote data monitoring and collection system with multi-tiered analysis |
WO2014124345A1 (en) * | 2013-02-08 | 2014-08-14 | Bahram Ghaderi | Vacuum shell for robotic surgery of soft tissue |
JP2015154988A (ja) * | 2015-04-24 | 2015-08-27 | カシオ計算機株式会社 | センサデータ抽出システム、センサデータ抽出方法およびセンサデータ抽出プログラム |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020230290A1 (ja) * | 2019-05-15 | 2020-11-19 | 三菱電機株式会社 | 情報処理装置、情報処理システム、プログラム及び情報処理方法 |
JPWO2020230290A1 (ja) * | 2019-05-15 | 2021-10-28 | 三菱電機株式会社 | 情報処理装置、情報処理システム、プログラム及び情報処理方法 |
JP7203963B2 (ja) | 2019-05-15 | 2023-01-13 | 三菱電機株式会社 | 情報処理装置、情報処理システム、プログラム及び情報処理方法 |
JP2020201185A (ja) * | 2019-06-12 | 2020-12-17 | 株式会社日立製作所 | ストレージシステムおよび記憶制御方法 |
JP7328799B2 (ja) | 2019-06-12 | 2023-08-17 | 株式会社日立製作所 | ストレージシステムおよび記憶制御方法 |
Also Published As
Publication number | Publication date |
---|---|
JP6571027B2 (ja) | 2019-09-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20150106793A1 (en) | Detecting Byte Ordering Type Errors in Software Code | |
CN112256635B (zh) | 一种识别文件类型的方法及装置 | |
JP6571027B2 (ja) | データ格納装置及びデータ格納プログラム | |
WO2018069950A1 (ja) | ログ分析方法、システムおよびプログラム | |
CN109271315B (zh) | 脚本代码检测方法、装置、计算机设备及存储介质 | |
CN108121774B (zh) | 一种数据表备份方法及终端设备 | |
CN110647913A (zh) | 基于聚类算法的异常数据检测方法及装置 | |
CN110580220B (zh) | 测量代码段执行时间的方法及终端设备 | |
CN105302847A (zh) | 数据处理系统及方法 | |
CN114817645A (zh) | 时序数据的存储及读取方法、装置、设备及存储介质 | |
WO2018066661A1 (ja) | ログ分析方法、システムおよび記録媒体 | |
CN112579327A (zh) | 一种故障检测方法、装置及设备 | |
CN104270155B (zh) | 一种曼彻斯特码流接收抗干扰比特解析方法 | |
CN112463564A (zh) | 确定影响主机状态的关联指标的方法及装置 | |
CN112434108A (zh) | 一种数据库同步的方法、装置及设备 | |
US20150149829A1 (en) | Failure detecting apparatus and failure detecting method | |
CN113992597A (zh) | 一种电缆监测数据上报方法、装置、设备以及存储介质 | |
CN108984101B (zh) | 在分布式存储系统中确定事件之间关系的方法及装置 | |
CN111475505A (zh) | 一种数据采集的方法及设备 | |
JP6579995B2 (ja) | 静観候補特定装置、静観候補特定方法及び静観候補特定プログラム | |
CN110990395B (zh) | 一种数据处理方法及装置 | |
CN111552958B (zh) | 一种程序运行特征提取方法和装置 | |
CN112148764B (zh) | 特征的筛选方法、装置、设备和存储介质 | |
CN108154595B (zh) | 验钞数据校正方法、装置及计算机可读存储介质 | |
US20240085879A1 (en) | Program analysis assistance apparatus, program analysis assistance method, and computer readable recording medium |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20181002 |
|
TRDD | Decision of grant or rejection written | ||
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20190724 |
|
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20190730 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20190807 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6571027 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |