JP2017204017A - プログラム、生成装置及び予兆検知装置 - Google Patents

Abstract

【課題】複数のセンサの測定データを用いた状態変化の予兆検知において、データの参照期間を適切に決定できるようにする。【解決手段】予兆検知装置は、各センサの測定データをもとに算出した各センサの測定データ間の関係性の変化の有無の組み合わせである関係性変化組の時系列データ３２０と、状態変化ＤＢ３１８として記憶されている状態変化それぞれに対応付けられている状態変化パターンとを比較することで予兆検知を行う。予兆検知に用いる状態変化ＤＢは、過去に発生した状態変化から過去の期間である参照期間中の関係性変化組の時系列データ３１２が当該状態変化の状態変化パターンとして生成される。関係性変化組の時系列データを状態変化パターンとして抽出する参照期間は状態変化の発生から過去の期間である仮の抽出期間を設定し、設定した仮の抽出期間中の各測定時刻の関係性変化組それぞれと、状態変化の発生時刻との類似度をもとに決定する。【選択図】図２

Description

本発明は、複数のセンサの測定データに基づく状態変化の予兆を検知する技術に関する。

トンネルや橋梁といった監視対象物に設置した多数のセンサでなるワイヤレスセンサネットワークを利用して、監視対象物の状態を監視する技術が知られている（例えば、特許文献１参照）。

特開２０１３−１０９４３１号公報

従来の状態監視は、多数のセンサの測定データから、監視対象物に顕在化した何らかの状態変化を検出するものであった。これに対して、複数のセンサの測定データ間の関係性に着目し、監視対象物の状態変化が顕在化する前に、その予兆の段階で検知する研究がなされている。予兆検知は、過去に収集した測定データから、発生した状態変化の予兆として表れる特徴的な変化を抽出しておき、抽出したデータを新たに測定したデータと何らかの手法で比較することで、状態変化の予兆を検知する手法が考えられる。しかし、比較するデータの参照期間をどの程度の長さに決定するかによって演算量や演算時間が大きく変わる。また、状態変化の予兆が表れる過去の期間は、その状態変化の種類によっても異なる。そのため、大規模なセンサネットワークにおいてリアルタイムな予兆検知を実現する上では、この比較するデータの参照期間をどのように決定するかが重要なポイントの一つとなる。

本発明は、上記事情に鑑みてなされたものであり、その目的とするところは、複数のセンサの測定データを用いた状態変化の予兆検知において、データの参照期間を適切に決定できるようにすることである。

上記課題を解決するための第１の発明は、
コンピュータに、複数のセンサそれぞれの測定データを所与の状態変化が発生するまで測定時刻別に収集した測定データ群から、前記状態変化の予兆を検知するための参照用のデータとして採用する参照期間を決定させるためのプログラムであって、
前記状態変化の発生から過去の所定期間を仮の抽出期間として設定する設定手段、
前記測定データ群をもとに、各センサの測定データ間の関係性のうちの異状の関係性を選択した異状関係性組み合わせを各測定時刻について算出する算出手段、
前記仮の抽出期間中の前記異状関係性組み合わせそれぞれと、前記状態変化の発生時点或いは発生直前（以下包括して「発生時」という）の前記異状関係性組み合わせとの類似度を算出し、算出した類似度の時系列変化にもとづいて前記参照期間を決定する決定手段、
として前記コンピュータを機能させるためのプログラムである。

この第１の発明によれば、状態変化の発生から過去の期間である仮の抽出期間中の各測定時刻の異状関係性組み合わせそれぞれと、状態変化の発生時の異状関係性組み合わせとの類似度をもとに、状態変化の予兆を検知するためのデータの参照期間を適切に決定することができる。これにより、例えば、過去のデータのうちの、決定した参照期間のデータを参照用データとして、今現在監視しているデータと比較することで、状態変化の予兆検知を的確に行うことが可能となる。

第２の発明として、第１の発明のプログラムであって、
前記測定データ群は、複数回の状態変化の発生にわたり収集した測定データであり、
前記設定手段は、前記状態変化の過去直近の別の状態変化後において、前記異状関係性組み合わせが最初に変化した時刻以降を前記仮の抽出期間として設定する、
プログラムを構成しても良い。

この第２の発明によれば、仮の抽出期間は、過去直近の別の状態変化後において、異状関係性組み合わせが最初に変化した時刻以降の期間とされる。これにより、過去に発生した別の状態変化の影響を除外し、対象とする状態変化の予兆として各センサの測定データ間の関係性に異状が表れる期間を、参照期間として適切に決定することができる。

第３の発明として、第１又は第２の発明のプログラムであって、
前記決定手段は、前記類似度の時系列変化に対する近似曲線を生成し、生成した近似曲線に基づいて前記参照期間の始期を決定する、
プログラムを構成しても良い。

この第３の発明によれば、生成される近似曲線は、各センサの測定データ間の異状の関係性の時系列変化を表す。そして、近似曲線に基づいて参照期間の始期が決定されるため、状態変化の予兆として異状の関係性が表れる期間を適切に決定することができる。また、近似曲線は直線を含み、仮に直線とした場合には、演算が簡単になるため、参照期間の始期を容易に決定することができる。

第４の発明として、第１〜第３の何れかの発明のプログラムであって、
前記決定手段は、前記類似度を、前記発生時の前記異状関係性組み合わせに対する異状の関係性を示すセンサ間の共通数として算出する、
プログラムを構成しても良い。

この第４の発明によれば、類似度が、状態変化の発生時の異状関係性組み合わせに対する異状の関係性を示すセンサ間の共通数となるため、合理的且つ比較的簡単に類似度を決定することが可能となる。

第５の発明として、第１〜第４の何れかの発明のプログラムであって、
前記算出手段は、前記センサそれぞれの測定データを多変数とするマハラノビス距離を算出し、前記マハラノビス距離に基づいて各測定時刻における前記異状関係性組み合わせを算出する、
プログラムを構成しても良い。

この第５の発明によれば、マハラノビス距離を用いることで、センサの測定データ間の相関を考慮して、異状の関係性を判定することができる。

第６の発明として、第１〜第５の何れかの発明のプログラムであって、
前記参照期間における前記異状関係性組み合わせの時系列データを状態変化パターンとして生成する生成手段、
として前記コンピュータを更に機能させるためのプログラムを構成しても良い。

また、第１０の発明として、
複数のセンサそれぞれの測定データを所与の状態変化が発生するまで測定時刻別に収集した測定データ群から、前記状態変化の予兆を検知するための参照用のデータとして採用する参照期間を決定し、状態変化パターンを生成する生成装置であって、
前記状態変化の発生から過去の所定期間を仮の抽出期間として設定する設定手段と、
前記測定データ群をもとに、各センサの測定データ間の関係性のうちの異状の関係性を選択した異状関係性組み合わせを各測定時刻について算出する算出手段と、
前記仮の抽出期間中の前記異状関係性組み合わせそれぞれと、前記状態変化の発生時点或いは発生直前の前記異状関係性組み合わせとの類似度を算出し、算出した類似度の時系列変化にもとづいて前記参照期間を決定する決定手段と、
前記参照期間における前記異状関係性組み合わせの時系列データを状態変化パターンとして生成する生成手段と、
を備えた生成装置を構成しても良い。

この第６及び第１０の発明によれば、決定した参照期間における異状関係性組み合わせの時系列データを、状態変化パターンとして生成することができる。

第７の発明として、
第６の発明のプログラムを実行することにより得られた前記状態変化パターンを記憶する記憶部を備えたコンピュータを、
複数のセンサそれぞれの測定データを収集する収集手段、
前記収集手段により収集された測定データをもとに、前記センサの測定データ間の関係性のうちの異状の関係性を選択した異状関係性組み合わせを各測定時刻について算出する予兆検知用算出手段、
前記予兆検知用算出手段により算出された前記異状関係性組み合わせの時系列データと、前記記憶部に記憶された前記状態変化パターンとを比較して、前記状態変化の予兆の有無を判定する判定手段、
として機能させるためのプログラムを構成しても良い。

また、第１１の発明として、
第１０の発明の生成装置を具備し、
前記生成装置により生成された前記状態変化パターンを記憶する記憶部と、
前記複数のセンサそれぞれの測定データを収集する収集手段と、
前記収集手段により収集された測定データをもとに、前記センサの測定データ間の関係性のうちの異状の関係性を選択した異状関係性組み合わせを各測定時刻について算出する予兆検知用算出手段と、
前記予兆検知用算出手段により算出された前記異状関係性組み合わせの時系列データと、前記記憶部に記憶された前記状態変化パターンとを比較して、前記状態変化の予兆の有無を判定する判定手段と、
を備えた予兆検知装置を構成しても良い。

この第７及び第１１の発明によれば、複数のセンサそれぞれの測定データをもとに、算出した異状関係性組み合わせの時系列データと、記憶している状態変化パターンとを比較して、状態変化の予兆を検知することができる。つまり、センサ個々の測定データに着目するのではなく、複数のセンサの測定データ間の関係性に着目して状態変化の予兆を検知するといった、予兆検知に関する全く新しい技術を実現することができる。

第８の発明として、第７の発明のプログラムであって、
前記記憶部は、異なる時刻に発生した同じ前記状態変化についての複数の前記状態変化パターンを記憶しており、
前記判定手段は、前記予兆検知用算出手段により算出された前記異状関係性組み合わせの時系列データと、前記複数の状態変化パターンそれぞれとを比較して、前記状態変化の予兆の有無を判定する、
プログラムを構成しても良い。

この第８の発明によれば、同じ状態変化についての複数の状態変化パターンそれぞれと比較することで、状態変化の予兆の検知の精度を向上させることができる。

第９の発明として、第７又は第８の発明のプログラムであって、
前記判定手段は、時間経過によって新たな測定時刻の測定データが収集される毎に前記比較を行い、比較結果に基づく前記予兆の確度を段階的に表した予兆レベルを判定する、
プログラムを構成しても良い。

この第９の発明によれば、予兆レベルによって、状態変化の予兆の確度を段階的に表すことができる。

予兆検知システムの構成例。 予兆検知の概要の説明図。 関係性変化組の説明図。 ２つのセンサの測定データ間の関係性の変化の判定の説明図。 測定時刻別の関係性変化組の例。 状態変化パターンの生成の説明図。 状態変化の検出の説明図。 仮の抽出期間の設定手法の説明図。 参照期間の決定の説明図。 類似度の算出の説明図。 予兆検知の概要図。 パターンマッチングの一例。 パターンマッチングの結果に基づく予兆の有無の判定の説明図。 予兆検知装置の機能構成図。 第１の関係性変化組情報のデータ構成例。 状態変化検出情報のデータ構成例。 状態変化ＤＢのデータ構成例。 予兆検知結果情報のデータ構成例。 状態変化ＤＢ作成処理のフローチャート。 状態変化予兆検知処理のフローチャート。

［システム構成］
図１は、本実施形態の予兆検知システム１の構成の一例を示す図である。予兆検知システム１は、監視対象物（図１では、橋梁）の各所に設置された多数のセンサ１２及び中継装置１４でなるワイヤレスセンサネットワーク１０と、予兆検知装置２０と、を備えて構成される。中継装置１４と予兆検知装置２０とは、通信回線Ｎによって通信可能に接続されている。通信回線Ｎは、データ通信が可能な通信路を意味する。すなわち、通信回線Ｎとは、直接接続のための専用線（専用ケーブル）やイーサネット（登録商標）等によるＬＡＮ（Local Area Network）の他、電話通信網やケーブル網、インターネット等の通信網を含む意味であり、また、通信方法については有線／無線を問わない。

センサ１２は、温度センサや照度センサ、歪みセンサ、振動センサ、加速度センサ、ジャイロセンサ等の複数種類のセンサが含まれる。ワイヤレスセンサネットワーク１０において、各センサ１２は所定周期で測定を実行し、各センサ１２による測定データは、中継装置１４に集約され、中継装置１４から予兆検知装置２０へ送信される。本実施形態では、各センサ１２の測定データは、直ちに中継装置１４を介して予兆検知装置２０にて収集される構成とするが、複数回分の測定データを中継装置１４に蓄積可能として、測定周期よりも長い周期で予兆検知装置２０へ送信することとしても良い。

予兆検知装置２０は、コンピュータによって実現され、そのコンピュータのシステム構成としては、１台のコンピュータ装置で構成することとしてもよいし、複数台のコンピュータ装置が通信網を介して接続された構成としてもよい。予兆検知装置２０は、中継装置１４から受信した各センサ１２の測定データにもとづき、監視対象物に状態変化が発生する前に、その予兆を検知する。状態変化は、例えば、ひび割れや歪み、壁面の剥落等の異常のことであり、異常の定義は適宜定めることができる。また、外表面に表れる状態変化か、内部に生じる状態変化かを問わない。

［原理］
（Ａ）概要
図２は、予兆検知の概要を説明するための図である。本実施形態では、各センサ１２の測定データ間の関係性の変化から、状態変化の予兆を検知する。

図２（１）に示すように、予兆検知の前準備として、監視対象物について過去に収集した多数の測定データ３１２を用いて、予兆を検知するための参照用のデータである状態変化ＤＢ３１８を作成する。状態変化ＤＢ３１８は、過去に発生した複数種類の状態変化それぞれについて、その状態変化の発生を終期として遡った所定期間である参照期間における各センサ１２の測定データ間の関係性の変化である状態変化パターンを状態変化と対応付けて格納している。

その後、リアルタイムに監視対象物を監視する場面において、図２（２）に示すように、ワイヤレスセンサネットワーク１０によって収集された各センサ１２の測定データ３２０にもとづき、先に生成しておいた状態変化ＤＢ３１８を用いた予兆検知を行う。すなわち、収集した各センサ１２の測定データ間の関係性の変化を算出し、算出した関係性と、状態変化ＤＢ３１８に格納されている状態変化それぞれの状態変化パターンとの類似度を求めるパターンマッチング（比較処理）を行う。そして、所定の類似条件を満たした状態変化パターンがあれば、その状態変化パターンに対応する状態変化が生じる予兆が有ると判定する。

（Ｂ）状態変化ＤＢ３１８の作成
状態変化ＤＢ３１８の作成について説明する。図３に示すように、状態変化ＤＢ３１８は、各センサ１２の測定データを長期間にわたって時系列に収集した収集済みの測定データ群３１２を用いて算出する。収集済み測定データ群３１２は、過去の各測定時刻における各センサ１２の測定データの集合であり、収集した期間の間に、予兆検知の対象となる各状態変化が発生している。

収集済み測定データ群３１２にもとづいて、測定時刻別に、取り得る２つのセンサ１２の組み合わせであるセンサ対それぞれについて測定データ間の関係性の変化の有無を判定する。そして更に、その関係性の変化の有無の組み合わせである関係性変化組を測定時刻別に算出する。この関係性変化組が、各センサの測定データ間の関係性のうち、変化有りに相当する異状の関係性を選択した異状関係性組み合わせに相当する。関係性変化組は、センサ１２をノードとし、関係性の変化有りのセンサ１２間にアーク（枝とも言える）を設定したグラフとして示すことができる。図３では、測定時刻ｔ_ａにおける５つのセンサＳ１〜Ｓ５の関係性変化組の一例を示しており、センサＳ１とＳ２、センサＳ２とＳ５、センサＳ１とＳ５の間の関係性に変化が有ったことを太実線で示している。

図４は、測定データ間の関係性の変化有無の判定の説明図である。図４では、２つのセンサＳ１，Ｓ２を判定対象とした例を示している。本実施形態では、２つのセンサ１２の測定データ間の関係性は、各センサ１２それぞれの過去の所定期間における測定データを多変数としたＭＴ（マハラノビス・タグチ）法を用いて判定することとする。ＭＴ法は公知の手法であるため、詳細な説明は省略するが、本実施形態への適用に当たり、その手法を簡単に説明する。まず、測定時刻ｔ_０を判定対象の時刻とする。この判定対象時刻ｔ_０から遡った過去の所定期間における各測定時刻ｔ_−１，ｔ_−２、・・におけるセンサＳ１，Ｓ２それぞれの測定データＤ_１−１，Ｄ_１−２、・・，Ｄ_２−１，Ｄ_２−２、・・を単位空間とし、時刻ｔ_０におけるセンサＳ１，Ｓ２それぞれの測定データＤ_１−０，Ｄ_２−０を判定対象サンプルとして、単位空間と判定対象サンプルとの間のマハラノビス距離を算出する。マハラノビス距離が所定の閾値以下ならば関係性の変化無しと判定し、閾値を超えるならば関係性の変化有りと判定する。

この結果、例えば図５に一例を示すように、収集済み測定データ群３１２から、測定時刻ｔ別の関係性変化組を算出することができる。

そして、図６に示すように、所与の状態変化が発生した時点（図６の時刻ｔ_２１）から遡った所定期間長の参照期間における、各測定時刻ｔ別の関係性変化組の時系列データを、当該状態変化についての状態変化パターンとし、状態変化ＤＢ３１８に格納する。図６では、時刻ｔ_２１に状態変化“ａ”が発生しており、時刻ｔ_１７を始期、時刻ｔ_２１を終期とする期間を参照期間として、この参照期間における各測定時刻ｔ_１７〜ｔ_２１それぞれの関係性変化組の時系列データ（図６のγ→β→η→β→η）を、状態変化パターンとした例を示している。

予兆検知の対象とする状態変化が発生したか否かの判定は、図７に示すように、各センサ１２の測定データから判定する。図７では、センサＳ１の各測定時刻毎の測定データから状態変化が発生したか否かを判定する例を示している。判定対象を時刻ｔ_０とし、判定対象時刻ｔ_０から遡った過去の所定期間における各測定時刻ｔ_−１，ｔ_−２、・・における測定データＤ_１−１，Ｄ_１−２、・・を母集団とする。そして、判定対象時刻ｔ_０の測定データＤ_１−０が、この母集団に従った正規分布における確率「９９％」の範囲外である場合に、判定対象時刻ｔ_０において、センサＳ１が測定する事物に関する状態変化が発生したと判定する。すなわち、判定対象時刻ｔ_０から過去の所定期間における各測定時刻ｔ_−１，ｔ_−２、・・における測定データＤ_１−１，Ｄ_１−２、・・の平均ｍ、及び、標準偏差σを算出する。そして、判定対象時刻ｔ_０の測定データＤ_１−０が、「Ｄ_１−０＜ｍ−２．６σ、或いは、ｍ＋２．６σ＜Ｄ_１−０」となった場合に、センサＳ１が測定する事物に関して何らかの状態変化が発生したと判定する。以下では、センサＳ１が測定する事物に関する状態変化のことを、簡略的に、センサＳ１の測定データにおける状態変化、或いは、センサＳ１の状態変化と称する。

また、判定対象とするセンサ１２の違いが、発生する状態変化の種類の違いとなる。同じ１つのセンサ１２について異なる測定時刻で状態変化が生じたと判定されること（つまり、同じ種類の状態変化が異なる測定時刻に生じたと判定されること）もあり得るし、同一の測定時刻において異なるセンサ１２について状態変化が発生したと判定されること（つまり、複数種類の状態変化が同時に発生したと判定されること）もあり得る。

図８は、参照期間の設定手法を説明するための図である。先ず、仮の抽出期間を設定する。この仮の抽出期間は、予兆検知の対象とする状態変化の発生時刻或いは発生直前の時刻（以下代表して「発生時刻」とする）を期間の終期とし、過去直近の別の状態変化の発生後であって関係性変化組が最初に変化した時刻を期間の始期とする。図８では、予兆検知の対象状態変化“ａ”についての仮の設定期間を示している。この状態変化“ａ”についての仮の抽出期間は、過去直近に発生した状態変化“ｂ”の発生後であって関係性変化組が最初に変化した時刻ｔ_１５を期間の始期とし、状態変化“ａ”の発生時刻ｔ_２１を期間の終期として設定されている。

そして、この仮の抽出期間の始期を遅らせることが可能であるならば遅らせるように変更して、参照期間を設定する。具体的には、図９に示すように、仮の抽出期間における各測定時刻ｔ_１５〜ｔ_２１について、関係性変化組と、状態変化“ａ”の発生時刻ｔ_２１における関係性変化組との類似度を算出する。次いで、仮の抽出期間における測定時刻別の類似度の時系列変化に対する近似曲線３０を生成する。近似曲線３０は、任意のＮ次の関数とすることができるが、図９では、近似曲線３０を直線とした例を示している。そして、この近似直線３０と時間軸との交点、すなわち、近似曲線３０から求められる類似度が「０」となる時刻を算出する。次いで、算出した類似度「０」の時刻の直前の測定時刻（図９における時刻ｔ_１６）を期間の始期として、参照期間を決定する。

関係性変化組の類似度は、パターンマッチングを用いて算出することができる。本実施形態では、共通するアークの本数を類似度として算出することとする。すなわち、２つの関係性変化組において、共通して関係性の変化有りとなったセンサ間（２つのセンサの組み合わせ）の総数を類似度とする。図１０に類似度となる共通するアークの本数の算出の一例を示す。図１０では、状態変化“ａ”の発生時刻ｔ_２１の関係性変化組３２ａと、仮の抽出期間における測定時刻ｔ_２０の関係性変化組３２ｂとの類似度を示している。この２つの関係性変化組３２ａ，３２ｂにおいては、センサＳ１，Ｓ５の間、センサＳ１，Ｓ３の間、及び、センサＳ３，Ｓ５の間の３つが共通して関係性の変化有り（アークの設定有り）となっている。従って、関係性変化組３２ａ，３２ｂの類似度は「３」である。尚、類似度の算出は、他の手法を採用することとしてもよい。例えば、関係性変化組３２を図形と見立てて図形のパターンマッチングを行って類似度を算出することとしてもよい。

（Ｃ）予兆検知
状態変化ＤＢ３１８が作成できれば、状態変化ＤＢ３１８を用いた監視対象物の監視を開始できる。すなわち状態変化ＤＢ３１８を用いた予兆検知を行うことができる。次に、その予兆検知について説明する。図１１に示すように、状態変化ＤＢ３１８には、複数の状態変化それぞれについて、異なる複数の状態変化パターンが対応付けられている。例えば、図１１では、状態変化“ａ”については状態変化パターンＡ１，Ａ２，…が、状態変化“ｂ”については状態変化パターンＢ１，…が対応付けて状態変化ＤＢ３１８に格納されている。

各センサ１２による測定は、所定周期で到来する測定時刻毎に実行され、各センサ１２の測定データが時系列に収集される。状態変化ＤＢ３１８を用いた予兆検知は、各センサ１２による測定毎、すなわち測定時刻毎に行う。

具体的には、測定時刻別に、その測定時刻までに収集したセンサ１２別の測定データをもとに関係性変化組を算出する。つまり、最新の測定時刻までの各測定時刻における関係性変化組が算出される。そして、測定データをもとに算出した関係性変化組の時系列データを判定対象データとし、この判定対象データと、状態変化ＤＢ３１８に格納されている、状態変化それぞれに対応付けられている状態変化パターンそれぞれとのパターンマッチング（比較処理）を行って、状態変化の予兆の有無を判定する。また、パターンマッチングは、判定対象データを抽出する期間をずらしながら行う。そのため、パターンマッチングにおいて比較する状態変化パターンの数や、比較するデータの期間長等によって、演算量が指数関数的に増加する。あまりに演算量が膨大になると、リアルタイムな予兆検知ができなくなる可能性がある。そこで、比較するデータの期間長を適切に定めたのが本願の特徴の１つである。

比較するデータの期間長は、上述した状態変化ＤＢ３１８の生成にあたり決定される。すなわち、参照期間が、比較するデータの期間長でもある。図１１を参照して具体的に説明する。図１１は、現在の監視時刻（現在時刻）が測定時刻ｔ_３８以降で測定時刻ｔ_３９前にある状態を示している。すなわち最新の測定時刻が測定時刻ｔ_３８である状態にある。最新の測定時刻のことを予兆検知の対象時刻と称する。また、図１１では、状態変化“ａ”に対応付けられている状態変化パターンＡ１とのパターンマッチングを行う例を示している。すなわち、状態変化パターンＡ１の参照期間長は「４」であり、対象時刻ｔ_３８を含む期間長が「４」である測定時刻ｔ_３５〜ｔ_３８の判定期間（１）における関係性変化組の時系列データを、判定対象データとしている。

判定対象データと状態変化パターンとのパターンマッチングは、両者の関係変化パターンの時系列の推移が類似しているかを判断するものである。具体的には、時系列順序に従って、両者の関係性変化組の種類が一致するかを判断し、状態変化パターンに含まれる関係性変化組の総数に対する、両者の関係性パターンが一致した数の割合である一致率を算出する。図１１では、判定期間（１）における判定対象データに含まれる関係性変化組と、状態変化パターンＡ１の関係性変化組とを順に比較すると全てが不一致であるため、一致率は「０（０％）」である。

また、パターンマッチングは、判定期間を測定周期分（測定時刻の時間間隔分）ずつ時間軸に沿って未来の方向にずらして行う。すなわち、判定期間が異なる複数の判定対象データそれぞれと、１つの状態変化パターンとのパターンマッチングを行う。図１１では、測定時刻ｔ_３５〜ｔ_３８の判定期間（１）、測定時刻ｔ_３６〜ｔ_３９の判定期間（２）、測定時刻ｔ_３７〜ｔ_４０の判定期間（３）、測定時刻ｔ_３８〜ｔ_４１の判定期間（４）を設定し、各判定期間（１）〜（４）それぞれにおける関係性変化組の時系列データを判定対象データとして、状態変化パターンＡ１とのパターンマッチングを行う。

このように設定される判定期間には、予兆検知の対象時刻以降の時刻、すなわち未来の時刻が含まれる。図１１では、測定時刻ｔ_３９以降が未来の時刻となり、判定期間（２）〜（４）には未来の時刻が含まれている。このような未来の時刻については、センサ１２の測定が実行されていないために関係性変化組が無い。そのため、パターンマッチングにおいて該当する関係性変化組は、不一致とみなされるが、それで問題はない。例えば、図１２に示すように、判定期間（３）については、判定対象データに含まれる関係性変化組と、状態変化パターンＡ１の関係性変化組とが順に比較され、前半の２つが一致するため、一致率は「０．５（５０％）」と判断される。

状態変化ＤＢ３１８には、複数種類の状態変化それぞれに、複数の状態変化パターンが対応付けて格納されている。これらの状態変化パターンそれぞれについて、判定期間をずらした複数の判定対象データそれぞれとのパターンマッチングを行って一致率を算出する。そして、状態変化パターンそれぞれについての判定期間別の一致率に基づいて、当該状態変化パターンに関する一致率を判定する。そして、状態変化別に、状態変化パターンそれぞれの一致率を統計処理して、当該状態変化の予兆の有無を判定する。

図１３にパターンマッチングの結果に基づく予兆判定の流れを示す。図１３では、状態変化“ａ”の状態変化パターンＡ１について、判定期間をずらした複数の判定対象データそれぞれとのパターンマッチング結果として、一致率「０」、「０．２５」、「０．５」、「０．２５」が示されている。このうちの最大の一致率「０．５」が、状態変化パターンＡ１に関する一致率となる。これを、状態変化“ａ”の全ての状態変化パターンについて行う。そして、状態変化“ａ”の各状態変化パターンそれぞれの一致率を統計処理して、状態変化“ａ”の予兆の有無を判定する。統計処理は、例えば、各状態変化パターンの一致率が所定の閾値（例えば、０．５（５０％））以上である割合が所定の割合（例えば、０．５（５０％））以上である場合に、当該状態変化パターンに対応する状態変化の予兆有りと判定することができる。これにより、過去に測定したデータのうちの、決定した参照期間のデータを参照用データとして、今現在監視しているデータと比較することで、状態変化の予兆検知を的確に行うことが可能となる。

［機能構成］
図１４は、予兆検知装置２０の機能構成図である。図１４によれば、予兆検知装置２０は、操作部１０２と、表示部１０４と、音出力部１０６と、通信部１０８と、処理部２００と、記憶部３００とを備えて構成されるコンピュータである。

操作部１０２は、例えばキーボードやマウス、タッチパネル、各種スイッチ等の入力装置で実現され、なされた操作入力に応じた操作信号を処理部２００に出力する。表示部１０４は、例えば液晶ディスプレイや有機ＥＬディスプレイ等の表示装置で実現され、処理部２００からの表示信号に基づく各種表示を行う。音出力部１０６は、例えばスピーカ等の音出力装置で実現され、処理部２００からの音声信号に基づく各種音声出力を行う。通信部１０８は、例えば無線通信モジュールやルータ、モデム、有線用の通信ケーブルのジャックや制御回路等で実現される通信装置であり、外部装置とのデータ通信を行う。

処理部２００は、ＣＰＵ（Central Processing Unit）やＦＰＧＡ（Field Programmable Gate Array）等の演算装置や演算回路で実現され、記憶部３００に記憶されたプログラムやデータ、通信部１０８を介した外部装置から受信データ等にもとづいて、予兆検知装置２０の全体制御を行う。また、処理部２００は、機能的な処理ブロックとして、状態変化ＤＢ作成部２１０と、状態変化予兆検知部２３０とを有する。状態変化ＤＢ作成部２１０と、状態変化予兆検知部２３０とは、処理部２００がプログラムを実行することでソフトウェア的に実現することも、専用の演算回路で実現することも可能である。本実施形態では前者のソフトウェア的に実現することとして説明する。

状態変化ＤＢ作成部２１０は、第１の関係性変化組算出部２１２と、状態変化検出部２１４と、仮抽出期間設定部２１６と、参照期間決定部２１８と、状態変化パターン生成部２２０とを有し、収集済み測定データ群３１２を用いて状態変化ＤＢ３１８を作成する。

第１の関係性変化組算出部２１２は、収集済み測定データ群３１２をもとに、各センサ１２の測定データ間の関係性のうちの異状の関係性を選択した異状関係性組み合わせを各測定時刻について算出する算出手段に相当する。具体的には、収集済み測定データ群３１２に含まれる測定時刻それぞれについて、各センサ１２の測定データ間の関係性の変化（異状）の有無を判定し、関係性有りと判定したセンサ間の組み合わせである関係性変化組を異状関係性組み合わせとして生成する。

２つのセンサ１２の測定データ間の関係性の変化の有無は、ＭＴ法を用いて判定する。すなわち、センサ１２それぞれの測定データを多変数とするマハラノビス距離を算出し、マハラノビス距離に基づいて各測定時刻における異状関係性組み合わせである関係性変化組を算出する。より具体的には、判定対象の測定時刻から過去所定期間の各センサ１２の測定データを単位空間とし、判定対象の測定時刻の各センサ１２の測定データを判定対象サンプルとして、単位空間と判定対象サンプルとのマハラノビス距離を算出する。そして、算出したマハラノビス距離が所定の閾値以下ならば関係性の変化無しと判定し、閾値を超えるならば関係性の変化有りと判定する。

算出した関係性変化組は、第１の関係性変化組情報３１４として蓄積記憶される。図１５は、第１の関係性変化組情報３１４の一例である。図１５によれば、第１の関係性変化組情報３１４は、測定時刻３１４ａそれぞれに、算出した関係性変化組３１４ｂを対応付けて格納している。

状態変化検出部２１４は、収集済み測定データ群３１２をもとに、状態変化の発生を検出する。具体的には、センサ１２それぞれについて、当該センサ１２の測定データをもとに、各測定時刻における状態変化の発生有無を判定する。すなわち、センサ１２の測定時刻別の測定データのうち、判定対象の測定時刻から過去所定期間の測定データを母集団とし、判定対象の測定時刻の測定データが、この母集団に従った正規分布における確率「９９％」の範囲外である場合に、判定対象の測定時刻において、センサ１２についての状態変化が発生したと判定する。なお、確率「９９％」は一例であり、確率「９５％」や確率「９９．９％」などの値としてもよい。

状態変化の検出結果は、状態変化検出情報３１６として蓄積記憶される、図１６は、状態変化検出情報３１６の一例である。図１６によれば、状態変化検出情報３１６は、測定時刻３１６ａそれぞれに、検出した状態変化３１６ｂを対応付けて格納している。

仮抽出期間設定部２１６は、状態変化の発生から過去の所定期間を仮の抽出期間として設定する設定手段に相当し、状態変化検出部２１４によって検出された状態変化に対して、仮の抽出期間を設定する。具体的には、対象の状態変化の発生時刻を期間の終期とし、過去直近の別の状態変化の発生後であって関係性変化組が最初に変化した時刻を期間の始期として、対象の状態変化についての仮の抽出期間を設定する。状態変化の発生は、状態変化検出情報３１６から取得することができ、関係性変化組は、第１の関係性変化組情報３１４から取得することができる。

参照期間決定部２１８は、仮の抽出期間中の異状関係性組み合わせそれぞれと、状態変化の発生時点或いは発生直前の異状関係性組み合わせとの類似度を算出し、算出した類似度の時系列変化にもとづいて参照期間を決定する決定手段に相当し、仮抽出期間設定部２１６によって設定された仮の抽出期間にもとづいて、参照期間を決定する。具体的には、仮の抽出期間の各測定時刻における関係性変化組それぞれと、仮の抽出期間に対応する状態変化の発生時刻における関係性変化組との類似度を算出し、時系列変化に対する類似度の近似曲線を生成する。そして、この近似直線と時間軸との交点、すなわち、近似曲線から求められる類似度が「０」となる時刻を算出し、算出した時刻の直前の測定時刻を期間の始期とし、仮の抽出期間の終了時刻を期間の終期として、参照期間を決定する。この際、仮の抽出期間内で、近似曲線と時間軸とが交差しない場合には、仮の抽出期間の始期を、参照期間の始期として参照期間を決定する。

状態変化パターン生成部２２０は、参照期間における異状関係性組み合わせの時系列データを状態変化パターンとして生成する生成手段に相当し、状態変化検出部２１４によって検出された状態変化に対する状態変化パターンを生成する。具体的には、参照期間決定部２１８によって決定された参照期間における各測定時刻の関係性変化組の時系列変化を抽出し、該当する状態変化パターンとして生成する。

生成した状態変化パターンは、状態変化ＤＢ３１８として記憶される。図１７は、状態変化ＤＢ３１８の一例である。図１７によれば、状態変化ＤＢ３１８は、状態変化３１８ａそれぞれに、状態変化パターン３１８ｂを対応付けて格納している。一種類の状態変化３１８ａに対応付けられる状態変化パターン３１８ｂの数は、収集済み測定データ群３１２から検出される当該状態変化３１８ａの発生回数と等しい。また、状態変化の発生毎に参照期間決定部２１８によって参照期間が決定されるため、状態変化パターン３１８ｂ毎に参照期間長が異なっている。

状態変化予兆検知部２３０は、データ収集制御部２３２と、第２の関係性変化組算出部２３４と、予兆有無判定部２３６と、予兆警報制御部２３８とを有し、状態変化ＤＢ３１８を用いて状態変化の予兆を検知する。

データ収集制御部２３２は、各センサ１２それぞれの測定データを収集する収集手段に相当し、各センサ１２の測定データを収集して測定時刻と対応付けて時系列に新規収集測定データ群３２０として蓄積記憶する制御を行う。

第２の関係性変化組算出部２３４は、収集された新規収集測定データ群３２０をもとに、各センサ１２の測定データ間の関係性のうちの異状の関係性を選択した異状関係性組み合わせを各測定時刻について算出する予兆検知用算出手段に相当する。具体的には、データ収集制御部２３２によって収集された測定データの測定時刻それぞれについて、新規収集測定データ群３２０に基づき、各センサ１２の測定データ間の関係性の変化有無を判定して、関係性変化組を算出する。

算出した関係性変化組は、第２の関係性変化組情報３２２として蓄積記憶される。第２の関係性変化組情報３２２は、第１の関係性変化組情報３１４（図１５参照）と同様に、測定時刻それぞれに、算出した関係性変化組を対応付けて格納している。

予兆有無判定部２３６は、第２の関係性変化組情報３２２に格納された異状関係性組み合わせである関係性変化組の時系列データと、状態変化ＤＢ３１８に格納された各状態変化パターンとを比較して、状態変化の予兆の有無を判定する判定手段に相当する。具体的には、第２の関係性変化組算出部２３４によって算出された測定時刻別の関係性変化組の時系列変化を、状態変化ＤＢ３１８に格納されている状態変化別の状態変化パターンと比較して、状態変化の予兆の有無を判定する。具体的には、状態変化パターンそれぞれについて、当該状態変化パターンの参照期間長と等しい期間であって、予兆検知の判定対象の測定時刻を含む複数の判定期間を設定し、設定期間それぞれにおける関係性変化組の時系列データを判定対象データとして、当該状態変化パターンとの間ターンマッチングを行って、一致率を算出する。そして、状態変化パターンについて算出した判定期間別の一致率をもとに、当該状態変化パターンに関するパターン別一致率を判定し、更に、パターン別一致率から各状態変化の予兆の有無を判定する。

予兆有無の判定結果は、予兆検知結果情報３２４として蓄積記憶される。図１８は、予兆検知結果情報３２４の一例である。図１８によれば、予兆検知結果情報３２４は、測定時刻３２４ａ毎に生成され、状態変化別の状態変化パターン３２４ｂそれぞれに、パターンマッチングの結果３２４ｃと、パターンマッチングの結果３２４ｃから状態変化パターン毎の一致率を算定してパターン別一致率３２４ｄと、パターン別一致率３２４ｄを統計処理することにより判定された状態変化別の予兆検知の判定結果３２４ｅとを対応付けて格納している。パターンマッチングの結果３２４ｃは、測定時刻３２４ａを含むように設定した判定期間別に、判定対象データと状態変化パターン３２４ｂとの一致率を格納している。

予兆警報制御部２３８は、予兆有無判定部２３６によって予兆有りを判定された場合に、所定の警報を発する制御を行う。例えば、予兆を検知した状態変化の種類を含む所定の警報音声を音出力部１０６から出力させたり、所定の警報表示を表示部１０４に表示させたりする。

記憶部３００は、ＲＯＭやＲＡＭ等のＩＣメモリや、ハードディスク等の記憶装置で実現され、処理部２００が予兆検知装置２０を統合的に制御するためのプログラムやデータ等を記憶しているとともに、処理部２００の作業領域として用いられ、処理部２００が実行した演算結果や、通信部１０８からの受信データ等が一時的に格納される。また、記憶部３００には、状態変化ＤＢ作成プログラム３０２と、状態変化予兆検知プログラム３０４と、センサＤＢ３１０と、収集済み測定データ群３１２と、第１の関係性変化組情報３１４と、状態変化検出情報３１６と、状態変化ＤＢ３１８と、新規収集測定データ群３２０と、第２の関係性変化組情報３２２と、予兆検知結果情報３２４とが記憶される。

状態変化ＤＢ作成プログラム３０２は、状態変化ＤＢ３１８の作成機能を実現するためのプログラムであり、処理部２００が、状態変化ＤＢ作成プログラム３０２を読み出して実行することで、状態変化ＤＢ作成部２１０として機能する。状態変化予兆検知プログラム３０４は、状態変化ＤＢ３１８を用いた状態変化の予兆検知の機能を実現するためのプログラムであり、処理部２００が、状態変化予兆検知プログラム３０４を読み出して実行することで、状態変化予兆検知部２３０として機能する。センサＤＢ３１０は、ワイヤレスセンサネットワーク１０についてのデータであり、各センサ１２の種類や設置位置等のセンサ１２に関するデータのほか、中継装置１４に関するデータも含んでいる。

［処理の流れ］
（Ａ）状態変化ＤＢ作成処理
図１９は、状態変化ＤＢ作成処理を説明するフローチャートである。この処理は、状態変化ＤＢ作成部２１０が実行する。

状態変化ＤＢ作成処理では、収集済み測定データ群３１２に格納されている測定データの測定時刻それぞれを、時系列順に対象としたループＡの処理を行う。ループＡでは、第１の関係性変化組算出部２１２が、収集済み測定データ群３１２をもとに、対象測定時刻の関係性変化組を算出し、対象測定時刻と対応付けて、第１の関係性変化組情報３１４に追加する（ステップＡ１）。

次いで、状態変化検出部２１４が、センサ１２それぞれについて、当該センサ１２の測定データをもとに、対象測定時刻における状態変化の発生の有無を判定する（ステップＡ３）。その結果、何れかのセンサ１２についての状態変化を検出したならば（ステップＡ５：ＹＥＳ）、仮抽出期間設定部２１６が、検出した状態変化の過去直近に発生した別の状態変化の発生以降であって、関係性変化組が最初に変化した時刻を期間の始期とし、状態変化の発生時刻（すなわち、対象測定時刻）を期間の終期として仮の抽出期間を設定する（ステップＡ７）。

次いで、参照期間決定部２１８が、仮の抽出期間における各測定時刻の関係性変化組それぞれと、状態変化の発生時刻における関係性変化組との類似度を算出する（ステップＡ９）。続いて、これらの類似度の時系列に対する近似曲線を算出し（ステップＡ１１）、算出した近似曲線にもとづいて、参照期間を決定する（ステップＡ１３）。そして、状態変化パターン生成部２２０が、決定した参照期間における各測定時刻の関係性変化組を抽出し、これらの関係性変化組の時系列データを、検出した状態変化の状態変化パターンとして、状態変化ＤＢ３１８に追加する（ステップＡ１５）。

なお、ステップＡ３において、複数のセンサ１２についての状態変化を検出した場合には、検出した状態変化それぞれについてステップＡ７〜Ａ１５の処理を実行して、状態変化パターンを生成する。ループＡはこのように行われる。収集済み測定データ群３１２に含まれる、全ての測定時刻を対象としたループＡを終了すると、状態変化ＤＢ作成処理は終了となる。

（Ｂ）状態変化予兆検知処理
図２０は、状態変化予兆検知処理を説明するフローチャートである。この処理は、状態変化予兆検知部２３０が実行する。

状態変化予兆検知処理では、各センサ１２の測定データが取得されると（ステップＢ１：ＹＥＳ）、データ収集制御部２３２が、取得した各センサ１２の測定データを、測定時刻と対応付けて、新規収集測定データ群３２０に追加する（ステップＢ３）。次いで、第２の関係性変化組算出部２３４が、新規収集測定データ群３２０をもとに、測定時刻の関係性変化組を算出し、測定時刻と対応付けて、第２の関係性変化組情報３２２に追加する（ステップＢ５）。

続いて、状態変化ＤＢ３１８に格納されている種類別の状態変化それぞれを対象としたループＢの処理を行う。ループＢでは、対象の状態変化に対応付けられている状態変化パターンそれぞれを対象としたループＣの処理を行う。ループＣでは、予兆有無判定部２３６が、対象の状態変化パターンの参照期間長と同じ期間長であって、測定時刻を含む判定期間を設定し、これらの判定期間それぞれについて、判定期間中の各測定時刻の関係性変化組の時系列データを、判定対象パターンとして抽出する（ステップＢ７）。次いで、対象の状態変化パターンと、抽出した判定対象パターンそれぞれとのパターンマッチングを行って、一致度を算出する（ステップＢ９）。ループＣはこのように行われる。

対象の状態変化に対応付けられている全ての状態変化パターンを対象としたループＣを終了すると、パターンマッチングの結果である判定対象データ別の一致度から、対象の状態変化の予兆の有無を判定する（ステップＢ１１）。状態変化の予兆有りと判定したならば（ステップＢ１３：ＹＥＳ）、予兆警報制御部２３８が、予兆を検知した状態変化の種類を含む所定の警報音声を音出力部１０６から出力させたり、所定の警報表示を表示部１０４に表示させたりといった、所定の予兆警報を行う（ステップＢ１５）。ループＢはこのように行われる。

全ての状態変化を対象としたループＢの処理を終了すると、予兆検知の終了指示がなされたかを判断する。終了指示がなされたならば（ステップＢ１７：ＮＯ）、ステップＢ１に戻り、次の測定時刻の測定データを待機する。終了指示がなされたならば（ステップＢ１７：ＹＥＳ）、状態変化予兆処理は終了となる。

［作用効果］
本実施形態によれば、センサ個々の測定データに着目するのではなく、複数のセンサの測定データ間の関係性に着目して状態変化の予兆を検知するといった、全く新しい技術が実現可能となる。

状態変化の予兆検知は、各センサ１２の測定データをもとに算出した、各センサ１２の測定データ間の関係性の変化の有無の組み合わせである関係性変化組の時系列データと、状態変化ＤＢ３１８として記憶されている、状態変化それぞれに対応付けられている状態変化パターンとを比較することで実現される。

そして、予兆検知に用いる状態変化ＤＢ３１８は、過去に収集した各センサ１２の測定データをもとに、過去に発生した状態変化から過去の期間である参照期間中の関係性変化組の時系列データが、当該状態変化の状態変化パターンとして生成される。このとき、関係性変化組の時系列データを状態変化パターンとして抽出する参照期間は、状態変化の発生から過去の期間である仮の抽出期間を設定し、設定した仮の抽出期間中の各測定時刻の関係性変化組それぞれと、状態変化の発生時刻との類似度をもとに決定する。したがって、状態変化の予兆を検知するためのデータの参照期間として適切な期間が決定される。また、決定した参照期間のデータを参照用データとして、今現在監視しているデータと比較することで、状態変化の予兆検知を的確に行うことが可能となる。

［変形例］
なお、本発明の適用可能な実施形態は上述の実施形態に限定されることなく、本発明の趣旨を逸脱しない範囲で適宜変更可能なのは勿論である。

（Ａ）予兆レベル
連続する測定時刻別の比較結果をもとに、予兆の確度を段階的に表した予兆レベルを判定することとしても良い。すなわち、上述の実施形態では、各センサ１２の測定データの取得毎（すなわち、測定時刻毎）に、状態変化ＤＢ３１８に記憶された状態変化に対応する各状態変化パターンそれぞれとのパターンマッチング（比較）を行い、パターンマッチングの結果から当該状態変化の予兆の有無を判定した。これに対して、例えば、測定時刻毎の判定を仮判定とし、連続して予兆有りと仮判定した回数を予兆の確度として、予兆レベルを判定することとしてもよい。例えば、連続回数を予兆レベルとすることで、予兆レベルが高いほど、近い将来に状態変化が発生する可能性（確度）が高いことを表してもよい。また、状態変化の予兆有りと判断した根拠となった一致率（類似度とも言える）を確度として、確度を段階的な予兆レベルで提示することとしてもよい。

１ 予兆検知システム
１０ ワイヤレスセンサネットワーク、１２ センサ、１４ 中継装置
２０ 予兆検知装置
１０２ 操作部、１０４ 表示部、１０６ 音出力部、１０８ 通信部
２００ 処理部
２１０ 状態変化ＤＢ作成部
２１２ 第１の関係性変化組算出部、２１４ 状態変化検出部
２１６ 仮抽出期間設定部、２１８ 参照期間決定部、
２２０ 状態変化パターン生成部
２３０ 状態変化予兆検知部
２３２ データ収集制御部、２３４ 第２関係性の変化パターン算出部
２３６ 予兆有無判定部、２３８ 予兆警報制御部
３００ 記憶部
３０２ 状態変化ＤＢ作成プログラム、３０４ 状態変化予兆検知プログラム
３１０ センサＤＢ、３１２ 収集済み測定データ群
３１４ 第１の関係性変化組情報、３１６ 状態変化検出情報
３１８ 状態変化ＤＢ、３２０ 新規収集測定データ群
３２２ 第２の関係性変化組情報、３２４ 予兆検知結果情報

Claims (11)

1. コンピュータに、複数のセンサそれぞれの測定データを所与の状態変化が発生するまで測定時刻別に収集した測定データ群から、前記状態変化の予兆を検知するための参照用のデータとして採用する参照期間を決定させるためのプログラムであって、
   前記状態変化の発生から過去の所定期間を仮の抽出期間として設定する設定手段、
   前記測定データ群をもとに、各センサの測定データ間の関係性のうちの異状の関係性を選択した異状関係性組み合わせを各測定時刻について算出する算出手段、
   前記仮の抽出期間中の前記異状関係性組み合わせそれぞれと、前記状態変化の発生時点或いは発生直前（以下包括して「発生時」という）の前記異状関係性組み合わせとの類似度を算出し、算出した類似度の時系列変化にもとづいて前記参照期間を決定する決定手段、
   として前記コンピュータを機能させるためのプログラム。
2. 前記測定データ群は、複数回の状態変化の発生にわたり収集した測定データであり、
   前記設定手段は、前記状態変化の過去直近の別の状態変化後において、前記異状関係性組み合わせが最初に変化した時刻以降を前記仮の抽出期間として設定する、
   請求項１に記載のプログラム。
3. 前記決定手段は、前記類似度の時系列変化に対する近似曲線を生成し、生成した近似曲線に基づいて前記参照期間の始期を決定する、
   請求項１又は２に記載のプログラム。
4. 前記決定手段は、前記類似度を、前記発生時の前記異状関係性組み合わせに対する異状の関係性を示すセンサ間の共通数として算出する、
   請求項１〜３の何れか一項に記載のプログラム。
5. 前記算出手段は、前記センサそれぞれの測定データを多変数とするマハラノビス距離を算出し、前記マハラノビス距離に基づいて各測定時刻における前記異状関係性組み合わせを算出する、
   請求項１〜４の何れか一項に記載のプログラム。
6. 前記参照期間における前記異状関係性組み合わせの時系列データを状態変化パターンとして生成する生成手段、
   として前記コンピュータを更に機能させるための請求項１〜５の何れか一項に記載のプログラム。
7. 請求項６に記載のプログラムを実行することにより得られた前記状態変化パターンを記憶する記憶部を備えたコンピュータを、
   複数のセンサそれぞれの測定データを収集する収集手段、
   前記収集手段により収集された測定データをもとに、前記センサの測定データ間の関係性のうちの異状の関係性を選択した異状関係性組み合わせを各測定時刻について算出する予兆検知用算出手段、
   前記予兆検知用算出手段により算出された前記異状関係性組み合わせの時系列データと、前記記憶部に記憶された前記状態変化パターンとを比較して、前記状態変化の予兆の有無を判定する判定手段、
   として機能させるためのプログラム。
8. 前記記憶部は、異なる時刻に発生した同じ前記状態変化についての複数の前記状態変化パターンを記憶しており、
   前記判定手段は、前記予兆検知用算出手段により算出された前記異状関係性組み合わせの時系列データと、前記複数の状態変化パターンそれぞれとを比較して、前記状態変化の予兆の有無を判定する、
   請求項７に記載のプログラム。
9. 前記判定手段は、時間経過によって新たな測定時刻の測定データが収集される毎に前記比較を行い、比較結果に基づく前記予兆の確度を段階的に表した予兆レベルを判定する、
   請求項７又は８に記載のプログラム。
10. 複数のセンサそれぞれの測定データを所与の状態変化が発生するまで測定時刻別に収集した測定データ群から、前記状態変化の予兆を検知するための参照用のデータとして採用する参照期間を決定し、状態変化パターンを生成する生成装置であって、
    前記状態変化の発生から過去の所定期間を仮の抽出期間として設定する設定手段と、
    前記測定データ群をもとに、各センサの測定データ間の関係性のうちの異状の関係性を選択した異状関係性組み合わせを各測定時刻について算出する算出手段と、
    前記仮の抽出期間中の前記異状関係性組み合わせそれぞれと、前記状態変化の発生時点或いは発生直前の前記異状関係性組み合わせとの類似度を算出し、算出した類似度の時系列変化にもとづいて前記参照期間を決定する決定手段と、
    前記参照期間における前記異状関係性組み合わせの時系列データを状態変化パターンとして生成する生成手段と、
    を備えた生成装置。
11. 請求項１０に記載の生成装置を具備し、
    前記生成装置により生成された前記状態変化パターンを記憶する記憶部と、
    前記複数のセンサそれぞれの測定データを収集する収集手段と、
    前記収集手段により収集された測定データをもとに、前記センサの測定データ間の関係性のうちの異状の関係性を選択した異状関係性組み合わせを各測定時刻について算出する予兆検知用算出手段と、
    前記予兆検知用算出手段により算出された前記異状関係性組み合わせの時系列データと、前記記憶部に記憶された前記状態変化パターンとを比較して、前記状態変化の予兆の有無を判定する判定手段と、
    を備えた予兆検知装置。

Images