JP2018533096A - 抽象的な関係及びスパースラベルに基づく物理的状況の機械学習 - Google Patents

Abstract

産業機器に取り付けられたセンサーからの受信信号データに基づいて、産業機器に発生した特定の状況を判定する方法が提供される。サーバーコンピュータシステムを用いて、信号データを受信して特徴ベクトルに集約する。特徴ベクトルは特定の時間範囲にわたる信号データのセットを示す。特徴ベクトルの属性に基づいて、特徴ベクトルを特徴ベクトルのサブセットにクラスタリングする。サンプルの特徴ベクトル及びサンプルの特徴ベクトルに割り当てられた分類ベクトルを含む、１つ以上のサンプルエピソードを受信する。関連する特徴ベクトル、クラスター、及び割り当てられた分類ラベルを含む信号データモデルを生成する。信号データモデルを用いて、既存の特徴ベクトル、既存のクラスター、及び関連する分類ラベルに関するマッピング情報を使用して、新たに受信した信号データに分類ラベルを割り当て、産業機器に発生した特定の状況を判定する。

Description

本開示は、概して、産業機械等の装置のためのコンピュータ実装監視及びメンテナンスシステムに関するものである。より具体的には、本開示は、機械から受信した信号データを分類して、メンテナンス、修理、又は他の管理活動の必要性を示す機械の特定の状況を識別することに関するものである。

本セクションに記載の手法は、追求可能な手法であって、必ずしも既に着想又は追求された手法ではない。従って、特に断りのない限り、本セクションに記載の手法のいずれも、単に本セクションに含まれているということから、先行技術として認定されると解釈されるものではない。

発電所、汚水処理場、工場、飛行機、及び自動車は、目的を達成するために動作する複数の機械を含む、複合システムの一部の例である。これ等のシステムによって生成されるデータストリームから、複合システムの動作状況を理解し、明らかにすることによって、これ等のシステムの操作員は、これ等のシステムを監視して、効率的な運用を保証することができる。特定の動作状況を明らかにする能力によって、操作員はこれ等のシステムを調整して、不要な障害を回避することができる。一般に、機械又はシステムに取り付けられ、表示、指示、又は出力データストリームを生成する、様々な種類のセンサーの出力値を調査することによって、差し迫った障害又は他の状況が明らかにされる。

複合システムによって生成されるデータストリームを監視する、このような１つの方法は、コンピュータを用いて実施される機械学習技術に基づく状況認識である。状況認識に基づいて機械学習を実施するためには、一般に、データストリームからの入力値の大きなデータのセットと、条件モデルを構築することができる良好に構成された既存の訓練データのセットが必要である。一般的な産業システムの複雑性を考慮すると、機械学習アルゴリズムは、十分に大きく、かつ特定の状況によく相関する訓練用データのセットが与えられない限り、良好な結果を得ることはできない。しかし、状況を定義する良好に構成された訓練用データのセットであっても、複合システムの環境変化、又は複合システムの部品の経時変化又は摩耗が生じると、データストリームの状況を常に予測することはできない。

絶えず変化する状態、及び良好に構成された訓練用データのセットによって、すべての状態を説明することはできないということが、状態認識のための機械学習技術の実施を困難にしている。

信号データのデータストリームを受信する、信号データ処理システムを実施するための構成を示すブロック図。 受信信号データのデータストリームに基づいて、信号データモデルを生成するプロセスを示すフロー図。 既存の信号データモデルを用いて、受信信号データの評価及び分類を行うフローを示す図。 以前に生成された信号データモデルの特徴ベクトルと分類ラベルとのマッピングで、新しい特徴ベクトルのセットを分類する例を示す図。 既存の信号データモデルを用いて、信号データのデータストリームを評価する例を示す図。 ユーザーに送信され、分析及びフィードバックが行われる、予測出力の時間グラフの例を示す図。 本明細書に記載の様々な技術的なステップを、個別又は他のコンピュータシステムと協働して実行するように構成することができる、例示的なコンピュータシステムを示す図。

本発明が完全に理解されるように、以下の記述において、説明を目的として、多くの具体的な詳細が記載されている。しかし、本発明は、これ等の具体的な詳細がなくても実施することができることは明らかであろう。他方、本発明が必要以上に不明瞭になることを避けるため、周知の構造及び装置はブロック図の形態で示してある。
１．０ 一般概要
２．０ 構造概要
３．０ 機能概要
３．１ 信号データモデルの構築
３．１．１ 信号受信命令
３．１．２ 特徴識別命令
３．１．３ クラスタリング命令
３．１．４ ベクトル分類命令
３．１．５ 履歴マッピング情報の利用
３．２ 信号データモデルを用いたデータストリームの評価
３．２．１ 状況判定命令
３．２．２ 状況報告命令
３．２．３ 報告された状況に基づく機器の修正
４．０ ハードウェア概要

１．０ 一般概要
コンピュータシステム及びコンピュータで実行される方法の提供であって、センサーから受信した信号データに基づいて、産業機器に発生した特定の状況を判定するように構成されている。１つの実施の形態において、産業機器に取り付けられた、１つ又は複数のセンサーからの観測データ値を示す信号データを受信する、サーバーコンピュータシステムを用いて、産業機器に発生した特定の状況を判定することができる。サーバーコンピュータシステムにおける信号受信命令が、１つ以上の信号データのセットを受信する。サーバーコンピュータシステムにおける特徴識別命令が、１つ以上の信号データのセットを特徴ベクトルに集約する。特徴ベクトルは、特定の時間範囲にわたる一連の信号データを示す。サーバーコンピュータシステムにおけるクラスタリング命令が、１つ以上の特徴ベクトルに対し、１つ以上のクラスターを決定する。１つ以上のクラスターは、１つ以上の特徴ベクトルからの特徴ベクトルのサブセットで構成され、特徴ベクトルのサブセットの属性に基づいている。サーバーコンピュータシステムにおけるベクトル分類命令が、ユーザー又は他の外部ソースから、１つ以上のサンプルエピソードを受信する。１つ以上のサンプルエピソードは、特定の分類ラベルが割り当てられたサンプル特徴ベクトルを含んでいる。分類ラベルは、産業機器に発生した特定の識別された状態を示している。次に、ベクトル分類命令は、受信した１つ以上のサンプルエピソードに基づいて、１つ以上のクラスターの分類ラベルを決定する。ベクトル分類命令は、産業機器に発生した状況を示す識別された信号状況を定義する、信号データモデルを生成し、保存する。識別された信号状況は、特定の特徴ベクトル、特定のクラスター、及び特定の分類ラベル間のマッピングを定義する。

１つの実施の形態において、生成した信号データモデルを用いて、サーバーコンピュータシステムが受信した、新しい信号データのセットを評価することができる。信号データモデルメンテナンス命令が、既存の特徴ベクトル、既存のクラスター、及び分類ラベル間のマッピングデータを含む、以前に生成された信号データモデルをメンテナンスする。信号受信命令が、産業機器に取り付けられた１つ以上のセンサーから、１つ以上の新しい信号データのセットを受信する。特徴識別命令が、１つ以上の新しい信号データのセットを１つ以上の特徴ベクトルに集約する。次に、ベクトル分類命令が、以前に生成された信号データモデルを用いて、１つ以上の既存の分類ラベル及び１つ以上の既存のクラスターを１つ以上の特徴ベクトルに割り当てる。状況報告命令が、１つ以上の特徴ベクトル及び１つ以上の特徴ベクトルに割り当てられた、１つ以上の分類ラベルをユーザーに送信する。

次に、１つ以上の特徴ベクトル及び１つ以上の分類ラベルを用いて、産業機器の既存状況の状態をアップデートすることによって、産業機器の状況状態認識を改善し、産業機器の運転状況の状態の安全性、信頼性、及び品質を向上させることができる。産業機器の非効率性や危険な動作を低減するために、１つ以上の特徴ベクトル及び１つ以上の分類ラベルを用いて、産業機器の特定の望ましくない状況を認識することもできる。

２．０構造概要
図１は、産業機械等の複合システムから、信号データのデータストリームを受信し、データストリームに基づいて、複合システムに発生した物理的状況を識別し、ラベル付けする機械学習技術を実行する、信号データ処理システムを実施するための構成を示すブロック図である。１つの実施の形態において、信号データ処理システム１２０は、外部システム１１０から、データストリームを受信するように構成されたシステムである。外部システム１１０は、産業機械の運転及び監視を行う任意のシステムであってよい。外部システム１１０の別の実施の形態は、人体の活動及びリアルタイムの状況を監視するようにプログラムされた、コンピュータシステムを含むことができる。外部システム１１０の更に別の実施の形態は、様々なソフトウェアプログラムの動作及び状態を監視するようにプログラムされた、コンピュータシステムを含んでいる。

図１は、複合システム１１２、信号データリポジトリ１１４、及び監視用ディスプレイ１１６を有する、外部システム１１０の構成例を示す図である。１つの実施の形態において、複合システム１１２は、複合工場装置、商用車、航空機、又は多数のセンサーを用いて機械の状態を監視する任意の複合機械を含む、複合産業機械であってよい。１つの実施の形態において、複合システム１１２は、ワイヤレス対応ウェアラブル技術装置等のアクティビティトラッカーとして機能するように設計された、複数の種類のセンサーを含む複合センサーパッケージであってもよい。

１つの実施の形態において、複合システム１１２に取り付けられた、複数のセンサーからの信号データのデータストリームを送信するために、複合システム１１２を信号データリポジトリ１１４に通信可能に接続することができる。信号データのデータストリームは、複数のセンサーによって収集された複数のデータ観測値であってよい。複合システム１１２上の複数のセンサーの目的は、複合システム１１２の様々な箇所で発生した観測値を記録することである。例えば、複合システム１１２が、発電所において、風からエネルギーを生成する複数の風車で構成されている場合には、複数のセンサーは、個々の風車の回転速度を測定するセンサー、各々の風車によって生成された電荷を測定するセンサー、及び発電所内の発電機によって生成された現在の蓄電レベルを測定するセンサーを含むことができる。別の例において、複合システム１１２はワイヤレスアクティビティトラッカーであってよい。この場合、着用者に発生した変化及び動きに基づく位置変化を検出するように、複数のセンサーを構成することができる。例えば、センサーのセットは、全地球測位センサー（ＧＰＳ）、３軸加速度計、３軸ジャイロスコープ、デジタルコンパス、光心拍数モニタ、及び高度計を含むが、これに限定されるものではない。更に別の例において、複合システム１１２は、商用アプリケーション等の特定のアプリケーションであってよい。特定のアプリケーションは、特定のコンピュータアプリケーションのログ出力等の出力を生成する、１つ以上のコンピュータクラスを含むことができる。ログ出力を生成するクラスは、特定のコンピュータアプリケーション内で呼び出された、複数のクラス及びオブジェクトの現在の状態を報告する内蔵機構と見なすことができる。

１つの実施の形態において、信号データリポジトリ１１４は、サーバーコンピュータが実行する、１つ以上の内蔵プログラムを用いて、複合システム１１２の複数のセンサーによって生成された信号データを収集し、信号データのタイプに基づいて、信号データを保存し、収集された信号データの時系列を作成するように構成又はプログラムされた、サーバーコンピュータであってよい。信号データリポジトリ１１４は、リアルタイムデータ又は保存信号データのいずれかを監視用ディスプレイ１１２に送り、監視目的のために、ユーザーに対して、信号データ値を提示することもできる。信号データリポジトリ１１４は、信号データを集約して、ある期間にわたる信号値の変化を示す、集約統計を生成することもできる。信号データリポジトリ１１４の機能の実施の形態は、前述の機能に限定されるものではない。信号データリポジトリ１１４は、市販の任意の監視プログラムを用いて実施することができ、市販の製品の任意の監視機能を利用することができる。

１つの実施の形態において、監視用ディスプレイ１１６は、信号データリポジトリ１１４から受信した信号データを表示するようにプログラムされた、コンピュータに実装された機械である。１つの実施の形態において、監視用ディスプレイ１１６は、信号データ処理システム１２０から、直接データ入力を受信することができる。

１つの実施の形態において、信号データ処理システム１２０は、信号データリポジトリ１１２から、信号データのデータストリームを受信し、受信信号データに関連する物理的状況を識別するように構成されている。信号データ処理システム１２０は、ユーザーが入力号データに関連する状況をより良く識別できるように、データを信号データレポジトリ１１２に送り返す、又はデータを監視用ディスプレイ１１６に直接送信することによって、識別した物理的状況を外部システム１１０に送信するように更に構成されている。

１つの実施の形態において、信号データ処理システム１２０は、特徴識別命令１２１、クラスタリング命令１２２、ベクトル分類命令１２３、信号受信命令１２４、信号データモデルメンテナンス命令１２５、及び状況報告命令１２６を含み、これに限定されない、特別に構成されたロジックを含んでいる。前述の要素の各々の構造及び機能については、本明細書の別のセクションにおいて更に説明する。各々の要素は、ＲＡＭ等の信号データ処理システム１２０の主記憶装置、例えばＲＡＭ等の一連の１つ以上のページにロードされた、実行可能命令を含み、命令が実行されると、信号データ処理システム１２０に、これ等のモジュールに関連する、本明細書に記載の機能及び動作を実行させる。例えば、特徴識別命令１２１は、実行すると、本明細書に記載の特徴識別機能が実行される、ＲＡＭの一連のページにロートされた実行可能命令を含むことができる。命令は、ＣＰＵの命令セット内の機械実行可能コードであってよく、ＪＡＶＡ（登録商標）、Ｃ、Ｃ＋＋、ＯＢＪＥＣＴＩＶＥ−Ｃ、又は他の人間が読み取ることができる、プログラミング言語又は環境で書かれた、ソースコードに基づいてコンパイルされたものでよく、単独又はＪＡＶＡＳＣＲＩＰＴ（登録商標）のスクリプト、他のスクリプト言語、及び他のプログラミングソーステキストと組み合わせて使用することができる。「ページ」という用語は、主記憶装置内の任意の領域を広く意味することを意図するもので、システムにおいて使用される具体的な用語は、メモリのアーキテクチャ及びプロセッサのアーキテクチャに応じて異なる。別の実施の形態において、特徴識別命令１２１、クラスタリング命令１２２、ベクトル分類命令１２３、信号受信命令１２４、信号データモデルメンテナンス命令１２５、及び状況報告命令１２６の各々は、信号データ処理システム１２０又は別個のリポジトリシステムの不揮発性ＲＡＭ、又はディスク記憶装置等の大容量記憶装置に、デジタル形式で保存された１つ以上のソースコードのファイル又はプロジェクトであってもよく、コンパイル又は解釈されると、実行可能命令が生成され、実行可能命令が実行されると、信号データ処理システム１２０に、これ等のモジュールに関連する本明細書に記載の機能及び作用を実行させる。換言すれば、図面は、プログラマー又はソフトウェア開発者が、後に信号データ処理システム１２０によって実行される、実行可能なバイトコード又は同等物にコンパイル又は解釈されるソースコードを、体系化又は構成する方法を示すことができる。

信号受信命令１２４は、複合システム１１２に取り付けられた複数のセンサーから、観測データ値を示す複数の信号データのセットを受信する命令を与える。特徴識別命令１２１は、複数の信号データのセットを１つ以上の特徴ベクトルに集約する命令を与える。特徴ベクトルは、特定の時間範囲にわたる、１つ以上のセンサーからの信号データのセットを示す。クラスタリング命令１２２は、各々が特徴ベクトルから同様に識別された属性によって決定される、特徴ベクトルの１つ以上のクラスターを生成する命令を与える。ベクトル分類命令１２３は、以前に観測されたセンサーデータに基づいて、特徴ベクトルに割り当てることができる１つ以上の分類ラベルを記述する、フィードバック入力を受信する命令を与える。フィードバックは、サンプルエピソードと見なすことができる。サンプルエピソードは、サンプル特徴ベクトルの形態を成す信号データ、及びサンプル特徴ベクトルに割り当てられた分類ラベルを含んでいる。分類ラベルは、複合機械１１２に発生した、特定の識別された状況を記述することができる。ベクトル分類命令１２３は、生成した特徴ベクトルのクラスターに対し、分類ラベルを決定する更なる命令を与える。生成した特徴ベクトルのクラスターの分類ラベルを決定した後、ベクトル分類命令１２３は、関連するクラスター、特徴ベクトル、及び分類ラベルに基づいて、識別された信号状況を定義する信号データモデルを生成し、記憶媒体に保存する命令を与える。ベクトル分類命令１２３は、識別した信号状況を用い、関連するクラスター、特徴ベクトル、及び分類ラベルに基づいて、以前に生成された信号データモデルをアップデートする更なる命令を与える。信号データモデルメンテナンス命令１２５は、デジタル記憶媒体上の１つ以上の信号データモデルをメンテナンスする命令を与える。状況報告命令１２６は、１つ以上の特徴ベクトルに関連付けられた、識別された分類ラベルを外部システム１１０に送信する命令を与える。

３．０ 機能概要
３．１ 信号データモデル
図２は、信号データリポジトリ１１４からの信号データ、並びに分類ラベル及び分類ラベルに関連付けられた特徴ベクトルを定義するサンプルエピソードに基づいて、信号データモデルを生成するためのプロセスを示すフロー図である。１つの実施の形態において、信号データ処理システム１２０の要素を、本セクションに記載の機能を実行するようにプログラムすることによって、図２を実施することができ、これは記述されている機能をコンピュータに実装するためのアルゴリズムの開示を意味することができる。明確な例を説明するために、図１の特定の要素に関連して記述がなされている。しかし、他の多くの文脈において、図２の別の実施の形態を実施することができ、本明細書において、図１のユニットに対する言及は単なる例に過ぎず、図２のより広い範囲を限定することを意図するものではない。

３．１．１ 信号受信命令
ステップ２０５において、信号データリポジトリ１１４からの信号データが、信号データ処理システム１２０によって受信される。信号データは、複合システム１１２の複数のセンサーからの様々な測定値を示すデジタル信号ストリームであると定義することができる。実施の形態において、所与の時点における、複数のセンサーからの複数の測定値を構成するデジタルデータのセットの形態で受信することができる。例えば、複合システム１１２がアクティビティトラッキング装置である場合、アクティビティトラッキング装置の信号データのセットは、所与の時点におけるｘ軸、ｙ軸、ｚ軸の加速度、速度、高度、及び向きを測定する一連のデータ値を含むことができる。

１つの実施の形態において、信号受信命令１２４は、信号データレポジトリ１１４から信号データを受信する命令を与える。信号受信命令１２４は、信号データが生成されているとき、換言すれば、リアルタイムで信号データを受信する命令を与えることができる。このシナリオでは、信号受信命令１２４は、特徴を識別するための十分に長い時間をカバーする、十分な量の信号データが得られるまで、受信信号データをバッファする命令を与えることができる。例えば、信号データが短期間しかカバーしない場合、信号値に十分なデータ値の変化が含まれておらず、意味のあるパターンを明らかにすることができないため、信号データの特徴を発見できない可能性がある。

別の実施の形態において、信号受信命令１２４は、信号データのデータ値の十分な変化、及び有意なパターンを発見するための十分な長さの過去の時間範囲をカバーする、信号データを受信する命令を与えることができる。例えば、信号データ処理システム１２０は、信号データリポジトリ１１４から、前の２４時間の信号データ値を示す信号データのセットを受信することができる。このシナリオにおいて、信号データのセットは、信号データのバッファリングが必要とされないような十分な時間範囲をカバーする。信号受信命令１２４は、受信した信号データの最小時間範囲に基づいて、設定化可能なバッファリングのための命令を与えることができる。バッファリング要件は、信号データのタイプ、及び信号データのセット内におけるデータ値の変化の継続時間に基づくことができる。

１つの実施の形態において、信号受信命令１２４は、信号データの潜在的なパターンを認識するのを曖昧にする、ノイズ又は他の影響をもたらす可能性がある信号をフィルター除去するために、信号データのセットを前処理する命令を与えることができる。信号受信命令１２４は、受信信号データに関連しない、望ましくない信号値を変換し、フルター除去する命令を与えることができる。例えば、外部システム１１０が、外部機械１１０の様々な場所から発せられる音波を検出するように構成された、オーディオセンサを備えた産業機械である場合、信号受信命令１２４は、外部システム１１０の状態に影響を及ぼさない、バックグラウンドノイズであることが知られている、特定の特徴的な音波をフィルター除去する命令を含むことができる。加えて、信号受信命令１２４は、受信音波信号を定義した時間ウィンドウを示す、固定長のベクトルに変換する命令を含むことができる。例えば、受信音波信号を、１００ミリ秒の時間ウィンドウの変換固定長のベクトルを含む１０ＭＨｚの信号に変換することができる。

３．１．２ 特徴識別命令
ステップ２１０において、信号データ処理システム１２０は、信号データのセットを１つ以上の特徴ベクトルに集約する。１つの実施の形態において、特徴識別命令１２１は、複数の信号データのセットからパターンを識別する命令を与える。パターンは異なる信号を横断した変化、及び特定の期間にわたる変化に基づいている。例えば、特定の時刻ｔにおける、複合システム１１２の特定の装置の状況は、時刻ｔに先立つ期間にわたる、１つ以上のセンサーからの異なる信号値のセットに依存する可能性がある。状況は、時刻（ｔ−ｘ）から時刻ｔに至る一連の信号データによって示すことができ、ここで、ｘは、（ｔ−ｘ）が時刻ｔの前に生じる期間となる特定の継続時間である。

１つの実施の形態において、特徴識別命令１２１は、有意なパターンを識別するために、複数の信号データのセットを評価するための最適時間ウィンドウサイズを決定する命令を与えることができる。特徴識別命令１２１は、一定期間にわたる信号データの特徴を検出するために、ステップサイズ法によってスライディングウィンドウを実現する命令を与えることができる。ステップサイズ法によるスライディングウィンドウには、時間幅ウィンドウに基づいて、統計的に関心があるパターンを発見するために、信号データを分析するための時間幅ウィンドウのサイズ、及び時間幅ウィンドウを進めるためのステップのサイズを決定することが伴う。１つの実施の形態において、特徴識別命令１２１は、統計的に関心がある信号データをもたらす、時間幅ウィンドウ及びステップサイズを見出すために、自己相関を用いて、信号データのセットを評価する命令を与えることができる。この文脈において、自己相関とは、時間幅ウィンドウサイズ及びステップサイズの定義に用いることができる、繰り返しパターンを発見するために、信号データのセットを評価することを意味する。

１つの実施の形態において、特徴識別命令１２１は、時間幅ウィンドウ内の信号データ点のセットを低減して、次元を削減した特徴ベクトルを生成する命令を与えることができる。生成された特徴ベクトルは、時間幅ウィンドウにわたる信号データのセットの集約されたセットを示す。加えて、依存関係を排除するために、特徴ベクトルの次元を更に削減することができる。１つの実施の形態において、特徴識別命令１２１は、主成分分析を行って、特徴ベクトルのセットの次元を、各時間段階の信号のフルセットに対応する、単一の特徴ベクトルに削減する命令を与える。

別の実施の形態において、特徴識別命令１２１は、リカレントニューラルネットワークを用いて、信号データのセットを集約して、特徴ベクトルを生成する命令を与える。例えば、長短期記憶は、長短期記憶ブロックを含む、リカレントニューラルネットワークアーキテクチャである。長短期記憶ブロックは、任意の期間、値を記憶することができる「スマート」ネットワークユニットであると説明することができる。長短期記憶ブロックは、いつ入力を記憶するのに十分有意であるか、いつその値の記憶を継続するか又は忘れるべきか、及びいつ値を出力すべきかを判定するゲートを含んでいる。この文脈において、長短期記憶ネットワークは、信号データのセットを、全体として信号データの時系列パターンを捕捉する、単一の特徴ベクトル系列に変換することができる。

１つの実施の形態において、特徴識別命令１２１は、信号データのセットとそれに対応する特徴ベクトルとの間のマッピングを生成する命令を与える。１つの実施の形態において、信号受信命令１２３によって受信された信号データのセットと同じ、複数のセンサー及び複合システム１１２からの履歴信号データに基づいて、以前に生成された信号データモデルが既に存在している場合には、以前に生成された信号データモデルを使用して、新たに識別された特徴ベクトルに対する分類ラベルを決定することができる。このシナリオにおいて、信号データ処理システム１２０は、直接ステップ２２５に進んで、新たに識別された特徴ベクトルに対し、分類ラベルを決定することができる。

１つの実施の形態において、以前に生成された信号データモデルを用いて、新たに識別した特徴ベクトル及び以前に生成された信号データモデルに基づく、新しい信号データモデルを生成することができる。あるいは、新たに識別した特徴ベクトルを用いて、以前に生成された信号データモデルを自動的に補強することができる。以前に生成された信号データモデルの自動補強には、分類ラベルの決定に用いるパラメータの微調整が含まれる。例えば、以前に生成された信号データモデルの自動補強は、分類パラメータを更新するステップとして含めることができ、パラメータの更新は、分類パラメータに対する非常に小さい変更もあれば、より大きい変更もあり得る。以前に生成された信号データモデルを用いた新しい信号データモデルの生成、又は以前に生成された信号データモデルの補強については、本明細書の「履歴マッピング情報の利用」のセクションにおいて詳細に説明する。

３．１．３ クラスタリング命令
図２に戻り、ステップ２１５において、信号データ処理システム１２０は、ステップ２１０で生成した特徴ベクトルを関連付ける１つ以上のクラスターを決定し、生成する。１つの実施の形態において、クラスタリング命令１２２は、特徴ベクトルから判断して、最適数のクラスターを生成する命令を与える。生成すべきクラスターの数は、特徴ベクトルの分析、及びベクトル特徴空間における数学的に有意な領域の識別に基づいて決定される。１つの実施の形態において、数学的に有意な領域の識別は、各々のベクトルに関連する時系列に依存しない。

１つの実施の形態において、ベクトルのセットに対する最適のクラスター数を特定し、各々のベクトルをクラスターに関連付ける、適応ｋ平均アルゴリズムを用いて、特徴ベクトルがグループ化され、クラスターが生成される。特徴ベクトルが数学的に有意な領域を含んでいない場合には、その特徴ベクトルを異常値として指定することができ、生成したどのクラスターにも関連付けない。１つの実施の形態において、特徴ベクトルとそれに関連するクラスターとの間のマッピング情報を生成することができる。

３．１．４ ベクトル分類命令
ステップ２２０において、信号データ処理システム１２０は、ユーザー入力又はユーザーフィードバックの形態で、ユーザーからサンプルエピソードを受信することができる。サンプルエピソードは、ユーザーが定義した信号データ、又は以前の信号データモデルの履歴信号データのいずれかに基づく、分類ラベルと特徴ベクトルとのマッピングとして定義することができる。１つの実施の形態において、ベクトル分類命令１２３は、サンプルエピソードを受信する命令を与える。受信したサンプルエピソードは、特徴ベクトルの分類に特に有用であり得る。受信したサンプルエピソードに基づいて分類することができない特徴ベクトルのクラスターに対しては、ユーザーからの直接のフィードバック、又は信号データ処理システム１２０による、以後のクラスタリング及び分類によって修正又は定義することができる、任意のラベルを割り当てることができる。

ステップ２２５において、信号データ処理システム１２０は、どのクラスターをどの分類ラベルにマッピングするかを決定するサンプルエピソードを用いて、生成したクラスターに分類ラベルを割り当てる。１つの実施の形態において、ベクトル分類命令１２３は、サンプルエピソードからの既存の分類ラベルと特徴ベクトルとのマッピングに基づいて、生成したクラスターの１つ以上を分類する命令を与える。サンプルエピソードは、検証された状況が発生した期間を含むことができる。その状況は、次に、特定の分類ラベルで定義することができる。

例えば、受信信号データは、特定の種類の活動を追跡する目的で、人間の対象に配置された複数のセンサーに対応することができる。この例において、サンプルエピソードは、座っている、歩いている、サイクリングしている、漕いでいる、跳躍している等、検証された活動の既知の期間を指すことができる。サンプルエピソードは、検証された活動の特定の時間範囲を含むこともできる。例えば、時刻ｔ＝２０〜時刻ｔ＝４０が、検証された跳躍動作に関連付けることができる。特徴ベクトルの特定のクラスターが同じ時点、ｔ＝（２０−４０）を指している場合には、クラスター及び特徴ベクトルに対し、跳躍という検証された活動の分類ラベルを割り当てることができる。

生成したクラスターは、提供されたサンプルエピソードに完全にはマッピングされないセンサーデータを有する特徴ベクトルを含むことができる。１つの実施の形態において、信号データ処理システム１２０は、多変量回帰法を実行して、生成した残りのクラスター及び特徴ベクトルを分類することができる。例えば、信号データ処理システム１２０は、ロジスティック回帰法を実行して、特徴ベクトルをロジスティック回帰法によって推測される状況にマッピングすることができる。別の実施の形態において、信号データ処理システム１２０は、推測される状況を生成する、ランダムフォレスト等の学習法を用いて、推測される状況を生成することができる。ランダムフォレストは、訓練期間中に複数の決定木を構築することによって動作する、回帰分析のためのアンサンブル学習法であって、その後、個々の木の平均回帰であるクラスを出力するものである。

ステップ２３０において、信号データ処理システム１２０は、信号データモデルを生成し、デジタル記憶装置に保存する。１つの実施の形態において、ベクトル分類命令は、信号データモデルを生成し、保存する命令を与える。生成された信号データモデルは、特定の特徴ベクトルの特定の状況の識別に用いられる特徴ベクトル、関連するクラスター、及び割り当てられた分類ベクトル間のマッピング情報を含んでいる。例えば、信号データモデルは、「跳躍している」という分類ラベルが割り当てられた、「クラスターＡ」に関連付けられたベクトルのセットのマッピング情報を含むことができる。この分類ラベルは、特徴ベクトルのセットが、クラスターＡの一部であり、人間の対象が跳躍しているときを記述した状況を示していることを意味する。

１つの実施の形態において、マッピング情報は、関連する分類ラベルを含んでいなくてもよい。例えば、特定の分類ラベルが割り当てられていない「クラスターＢ」に属する特徴ベクトルのセットには、「割当不能１」又は「割当不能２」等の一意の識別子を有する割当不能ラベルを付与することができる。これ等の割当不能ラベルは、ステップ２２５において、多変量回帰法を用いて見出された推測状況に基づくことができる。これ等の特徴ベクトルのセットに対するマッピングは、「特徴ベクトルＸ」、「クラスターＢ」、及び「割当不能１」として示すことができる。

次に、生成した信号データモデルを用いて、信号データ処理システム１２０は、別のセッションにおいて受信した、新しい信号データに分類を割り当てることができる。

３．１．５ 履歴マッピング情報の利用
前述のように、既存の信号データモデルの履歴信号データを用いて、新しい特徴ベクトルのセットを少なくとも部分的に分類することができる。図４は、以前に生成された信号データモデルにおける、分類ラベルにマッピングされた特徴ベクトルを用いて、新しい特徴ベクトルのセットを分類する例を示す図である。１つの実施の形態において、ブロック４０５は、信号データモデルを構築する現在の反復において、以前に生成された信号データモデルに、利用可能な履歴分類ラベルが存在しているか否かが判定されることを示している。履歴分類ラベルが存在している場合には、信号データ処理システム１２０は、判定菱形４１０に進んで、利用可能な最低限の数の分類ラベルが存在しているか否かを判定する。しかし、利用可能な履歴分類ラベルが存在しない場合には、信号データ処理システム１２０は、クラスタリングを待つ分類不能の特徴ベクトルを示すブロック４１５に進む。

判定菱形４１０に戻り、利用可能な履歴分類ラベルが存在している場合には、信号データ処理システム１２０は、利用可能な最低限の数の必須分類ラベルが存在しているか否かを判定する。特徴ベクトルを分類するための十分な分類ラベルが存在していない場合には、信号データ処理システム１２０は、分類ラベルを用いて特徴ベクトルを分類する代わりに、クラスタリングを待つ分類不能の特徴ベクトルを示すブロック４１５に進む。不十分な数の分類ラベルを用いて特徴ベクトルを分類しようとすれば、分類ラベルが多様性を欠くため、分類されない特徴ベクトルの数、又は誤分類される特徴ベクトルの数が多くなり過ぎる結果を招く。しかし、判定菱形４１０において、十分な数の分類ラベルが存在している場合には、信号データ処理システム１２０は、ブロック４２０に進んで、特徴ベクトルを分類することになる。１つの実施の形態において、信号データ処理システム１２０は、設定最小分類ラベル数を用いて、プロック４２０に進むべきか否かを判定することができる。設定最小分類ラベル数は、特徴ベクトルのプールサイズ、センサー数、及び異なるタイプの受信信号データに基づくことができる。

ブロック４２０において、信号データ処理システム１２０は、ベクトル分類命令を実行して特徴ベクトルを分類する。１つの実施の形態において、特徴ベクトルが分類ラベルに分類されるとき、特徴ベクトルと分類ラベルとの間のマッピングが生成される。１つの実施の形態において、特徴ベクトルの属性及び／又は分類ラベルに基づくことができる、クラスター情報によって、マッピングを更に補強することができる。クラスタリング命令１２２を用いて、クラスタリング情報（このステップでは現在図示されていない）を実行することができる。ブロック４２５における１つの実施の形態において、信号データ処理システム１２０は、ブロック４２０からのマッピング情報に基づいて、信号データモデルを生成する。

別の実施の形態において、信号データ処理システム１２０は、ブロック４２０からのマッピング情報を用いて、分類ラベルを供給した現在の信号データモデルを自動的に補強する。マッピング情報は、新たに識別された特徴ベクトル、そのクラスタリング情報、及び既存の分類ラベルに関連する特定の情報を含むことができる。既存の分類ラベルをマッピング情報で自動補強する利点は、現在の信号データモデルが、分類の決定から継続的に学習することができ、それによって、特徴ベクトルの各々のマッピングに基づいて、分類の決定が自己調整されることである。１つの実施の形態において、自動補強は、新しい特徴ベクトル及びそのマッピング情報と、現在の信号データモデルに保存されている既存のマッピング情報との間の相違に基づいて、分類パラメータに対する僅かな変更、及び大幅な変更を含むことができる。

１つの実施の形態において、特徴ベクトルをうまく履歴分類ラベルに割り当てることができない場合には、残りの特徴ベクトルは異常値を示すことができ、ブロック４１５に送り、他の分類不能の特徴ベクトルと共にクラスタリングすることができる。この文脈において、異常値とは、いずれの分類ラベルにもマッピングされない特徴ベクトルを意味する。

ブロック４１５は、履歴分類ラベル数の不足、又は履歴分類ラベルに一致しないことのいずれかによって、分類することができない特徴ベクトルの集まりを示している。ブロック４３０において、信号データ処理システム１２０は、有意なデータを示さない、特徴ベクトルの異常値の可能性があるものをフィルター除去する。特徴ベクトルは、偽の状況を引き起こす、既知の特徴的な信号値又は頻度に基づく、偽の状況を示す信号データに基づくことができる。例えば、コンベヤベルトのセンサーが、１日のうちの特定の時間に、高レベルの熱を報告する場合があるが、測定されたこれ等の高レベルの熱は、既知の環境条件に関連している可能性があり、無視すべきものである。１つの実施の形態において、既知の無視できる状況として認識された異常値は、特徴ベクトルのセットからフィルター除去される。ブロック４３０において、フィルター除去されなかった残余の特徴ベクトルは、次に判定菱形４３５に送られる。

１つの実施の形態において、判定菱形４３５は、クラスタリングのための十分な数の特徴ベクトルが存在しているか否かを判定する。特徴ベクトルの数が不十分であれば、信号データ処理システム１２０は、クラスタリングを試みない（ブロック４５０が、クラスタリングなしを示している）。特徴ベクトルの数が不十分なときのクラスタリングは、不必要に歪曲されたクラスターのセット、及び分類プロセス中のエラーにつながる可能性がある。従って、信号データ処理システム１２０は、最小設定特徴ベクトル数が満足されているか否かを判定する。１つの実施の形態において、クラスタリングのための最小特徴ベクトル数は、データの種類及び特徴ベクトルのデータ点の数に基づくことができる。

最小設定特徴ベクトル数が満足された場合には、信号データ処理システム１２０は、ステップ４４０に進んで、クラスタリングを行う。ステップ４４０において、信号データ処理システム１２０は、クラスタリング命令を実行し、特徴ベクトルのセットの分析及びベクトルの特徴空間における数学的に有意な領域の識別に基づいて、残りの特徴ベクトルをクラスタリングする。得られたクラスターの数及び関連する特徴ベクトルは、ブロック４４５に示される。１つの実施の形態において、ブロック４４５は、特徴ベクトルとクラスとのターマッピングを生成する、信号データ処理システム１２０を示している。

図２のステップ２２０、２２５、及び２３０に戻り、信号データ処理システム１２０は、次に、残りの特徴ベクトル及びそのクラスターに分類ラベルを割り当てるために用いる、定義された分類ラベル、及びサンプル特徴ベクトルを含むサンプルエピソードを受信する。１つの実施の形態において、ステップ２３０において、信号データ処理システムは、特定の特徴ベクトルの特定の状況を識別するために用いる特徴ベクトル、関連するクラスター、及び付与された分類ラベル間のマッピング情報を生成し、マッピング情報を信号データモデルに保存することができる。１つの実施の形態において、信号データ処理システム１２０は、マッピング情報及びステップ４２０において、特徴ベクトルの分類割り当てに用いた履歴分類ラベルに基づいて、新しい信号データモデルを生成する。別の実施の形態において、信号データ処理システム１２０は、ブロック４４５においてマッピングした、新たに分類した特徴ベクトル及びクラスターを用いて、ブロック４２０に分類ラベルを供給した、以前に生成された信号データモデルを補強する。

３．２ 信号データモデルを用いたデータストリームの評価
図２のステップ２３０に戻り、生成した信号データモデルを用いて、新しい信号データを評価し、新しい信号データから生成された特徴ベクトルに、既知の分類ラベルを割り当てることができる。加えて、新しい信号データを用いて、生成した信号データモデルを補強して、分類ラベル、並びに関連する特徴ベクトル及びクラスターを更に精緻なものにすることができる。図３は、既存の信号データモデルを用いて、受信信号データを評価及び分類する例示的な実施の形態を示す図である。

ステップ３００において、信号データ処理システム１２０は、１つ以上の既存の信号データモデルをメンテナンスする。１つの実施の形態において、信号データモデルメンテナンス命令１２５は、１つ以上の既存の信号データモデルをメンテナンスする命令を与える。信号データモデルは、履歴信号データを用いて生成された、電子的に保存されたモデルを意味することができる。

新しい信号データのセットを受信するステップ、及び新しい信号データのセットを特徴ベクトルのセットに集約するステップは、図２の受信するステップ２０５及び集約するステップ２１０と実質的に同じである。従って図３は、信号データのセットを受信するステップをステップ２０５、及び信号データのセットを特徴ベクトルに集約するステップをステップ２１０として示している。

３．２．１ 状況判定命令
ステップ３１５において、信号データ処理システム１２０は、特徴ベクトルのセットに、既存の信号データモデルからの定義された状況を割り当てる。１つの実施の形態において、ベクトル分類命令１２３は、既存の信号データモデルからの既知の分類マッピングを用いて、特徴ベクトルのセットに状況を割り当てる命令を与える。１つの実施の形態において、ユーザーが選択した特定の既存の信号データモデルを用いて、分類を行うように、信号データ処理システム１２０を構成することができる。別の実施の形態において、受信信号データのタイプ及び信号データを発した複合システム１１２、並びに特定の既存の信号データモデルの生成日のいずれかに基づいて、及び／又は特定の既存の信号データモデルに保存されている分類ラベルの数に基づいて、既存の信号データモデルを自動的に選択するように、信号データ処理システム１２０を構成することができる。ステップ３１５の１つの実施の形態において、既存の信号データモデルに保存されている分類ラベルでは、分類できない可能性がある特徴ベクトルを更に分類するために、ユーザーからサンプルエピソードを受信するように信号データ処理システム１２０を構成することができる。

図５は、既存の信号データモデルを用いて、信号データのデータストリームを評価する更に詳細な例を示す図である。１つの実施の形態において、ステップ３１５は、判定菱形５０５及びブロック５０５を含んでいる。判定菱形５０５において、信号データ処理システムは、既存の信号データモデルが、特徴ベクトルのセットに適用されるか否かを判定する。例えば、信号データ処理システム１２０が、３つの既存の信号データモデルをメンテナンスしているが、既存の信号データモデルのどれもが、現在の特徴ベクトルの信号データのタイプに適用されない場合には、判定菱形５０５において、信号データ処理システム１２０は、分類不能の特徴ベクトルを収集するようにプログラムされたブロック５１５に特徴ベクトルを送る。しかし、判定菱形５０５において、信号データ処理システム１２０が、特徴ベクトルの分類に用いることができる信号データモデルをメンテナンスしている場合には、信号データ処理システム１２０は、ブロック５１０に進んで、特徴ベクトルに分類ラベルを関連付ける。

ブロック５１０において、信号データ処理システム１２０は、既存の信号データモデルを用いて、特徴ベクトルに分類ラベルを関連付けてマッピングする。１つの実施の形態において、信号データ処理システム１２０は、ユーザーからサンプルエピソードを受信して、追加の分類ラベル情報を取得することができる。１つの実施の形態において、既存の信号データモデルの分類ラベルにマッピングされない、特徴ベクトルが残っている場合には、残留特徴ベクトルは異常値として示され、ブロック５１５に送ることができる。１つの実施の形態において、信号データ処理システム１２０は、ユーザーに報告される予測出力が収集されるブロック５３０に、分類した特徴ベクトル及びそれに関連する分類ラベルを送る。

図３に戻り、ステップ３２０は、既存の信号データモデルを用いて分類できなかった特徴ベクトルに基づく、クラスターを生成するステップを示している。図５のブロック５１５、５２０、及び５２５は、ステップ３２０のクラスタリングステップの実施の形態を示している。ブロック５１５において、分類不能の特徴ベクトルを受信する。１つの実施の形態において、分類不能の特徴ベクトルのセットは、ブロック５１０からの異常値、又はメンテナンスしている既存の信号データモデル（判定菱形５０５）のどれにも一致しなかった特徴ベクトルに由来し得る。

ブロック５２０において、信号データ処理システム１２０は、有意なデータを全く示さない特徴ベクトルの可能性がある、異常値をフィルター除去する。偽の状況を引き起こす既知の特徴的な信号値又は頻度に基づく、偽の状況を示す特徴ベクトルは、クラスタリングする必要がない異常値としてフィルター除去することができる。１つの実施の形態において、フィルター除去した特徴ベクトルは、ブロック５３０に送って、ユーザーに報告することができる。指定された異常値をすべてユーザーに報告することによって、ユーザーは、以後のフィードバックを用いて、信号データモデルを更に構成するか、又は異常値を特別な異常値ラベルで分類するためのサンプルエピソードを生成することができる。

ブロック５２５において、信号データ処理システム１２０は、クラスタリング命令１２２を実行し、特徴ベクトルの分析、及びベクトル特徴空間における数学的に有意な領域の識別に基づいて、残りの特徴ベクトルをクラスタリングする。その結果得られた、クラスター数及び関連する特徴ベクトルは、次に、ブロック５３０に送られ、ユーザーに報告される。

３．２．２ 状況報告命令
図３に戻り、ステップ３２５において、データ処理システム１２０は、状況報告命令１２６からの命令を実行して、新たに受信した信号データにおいて識別された状況を報告する。１つの実施の形態において、報告される状況には、関連する分類ラベルを有する特徴ベクトル、識別されているが、既知の分類ラベルと一致しない特徴ベクトルのクラスター、及び関連する分類ラベルを有さず、識別されたクラスターに属さない異常値を示し得る特徴ベクトルを含むが、これに限定されるものではない。図５のブロック５３０は、コンピュータのユーザー、他のコンピュータ、マシーン、又は装置に報告することができる予測出力を示している。予測出力は、グラフィック表示として構成することができる。様々な実施の形態において、状況報告及び予測出力は、コンピュータによって印刷される報告書、コンピュータがコンピュータ表示装置を駆動して表示させるグラフィック表示、インジケータ表示、テキストメッセージ、アプリケーションアラート、及び他のメッセージ又は通知によって与えることができる。

１つの実施の形態において、状況報告命令１２６は、グラフィカルユーザインタフェースに、ラベル付き状況及びラベルなし状況として、予測出力を報告する命令を与える。ラベル付き状況は、分類ラベルにマッピングされた特徴ベクトルを意味し、ラベルなし状況は、分類ラベルにマッピングされなかった特徴ベクトルのクラスターを意味することができる。１つの実施の形態において、グラフィカルインタフェースは、最初の受信信号データで始まり、最後の受信信号データで終了する時間範囲をカバーする、時間グラフとして示すことができる。

図６は、ユーザーに送信され、分析及び以後のフィードバックが行われる、例示的な時間グラフを示す図である。１つの実施の形態において、グラフ６００は、分類ラベル６１０で特徴ベクトルを分類することができる、既存の信号データモデルを示すことができ、分類ラベルは「スリッドフラット」、「剥離」、及び「正常」の分類ラベルを含んでいる。分類不能ラベル６０５は、「ラベルなし１」及び「ラベルなし２」を意味し、関連する分類ラベルを有さない２つの異なるクラスターを意味することができる。別の実施の形態において、分類ラベル６１０は、サンプルエピソードの一部として、信号データ処理システム１２０に与えられた、分類ラベルを意味することができる。

グラフ６２０は、特徴ベクトルに一致する分類ラベルが存在しない予測出力の例を示している。１つの実施の形態において、グラフ６２０は、信号データ処理システム１２０が、現在の特徴ベクトルの信号データに一致する、既存の信号データモデルをメンテナンスしていなかったシナリオを意味することができる。このシナリオにおいて、すべての特徴ベクトルが、クラスターを生成するために、図３のステップ３２０に送られる。１つの実施の形態において、新たに生成されたクラスターには、次に、ラベルなし１〜５等、任意のラベルが付与される。１つの実施の形態において、ユーザーは、次に、識別されたクラスターに適切な分類ラベルを割り当てるために、サンプルエピソードの形態で必要なフィードバックを与えるか、又はクラスターのラベル付けを指示することができる。

グラグ６３０は、ユーザーによって与えられたフィードバックを含む、予測出力の例を示している。分類ラベル６３５は、３つの識別された分類ラベル、及び特定の時間に発生した関連する特徴ベクトルを示している。フィードバック６４０は、本例では、サンプルエピソードとしてユーザーによって与えられた「検証」と呼ぶ、検証された状況を示している。グラフ６３０は、ユーザーが、提供された検証状況が、特徴ベクトルに付与された分類ラベルと正確に一致していることを確認することができる例を示している。

３．２．３ 報告された状況に基づく機器の修正
生成され報告された報告状況に基づいて、監視対象の１つ以上のマシーン上で、又はマシーンを使用して、対応行動を取ることができる。１つの実施の形態において、状況報告命令１２６によって生成された報告状況は、外部システム１１０の状況状態定義を定義及び／又は補強する目的で、外部システム１１０に送信される状態定義指示を含むことができる。状況状態定義は、外部システム１１０、又は外部システム１１０の一部の定義された状況タイプを含んでいる。次に、これ等の状況状態を用いて、外部システム１１０の運転状況を評価することができる。次に、安全、信頼性、効率、及び生産品質を向上させるために、状態定義指示を用いて、既存の状況状態を修正することができる。

例えば、外部システム１１０が産業機械である場合には、報告状況は、スリッドフラット、剥離、正常、危機的、及びエラー等の状況が識別されたときの再定義を含む、外部システム１１０における、特定の既存の状況の再定義に用いることができる定義指示を含んでいる。

外部システム１１０が、ワイヤレスアクティビティトラッカーである場合には、外部システム１１０は、報告状況を用いて、ユーザーから特定の活動を認識したとき、修正を行うことができる。例えば、報告状況が、特定のランニング運動を示す特徴ベクトルの分類を示す一方、これまで特定の動きがランニングとして識別されていなかった場合には、外部システム１１０は、新たに報告された状況を用いて、システムのランニング状況の認識をアップデートすることができる。

４．０ ハードウェア概要
１つの実施の形態によれば、本明細書に記載の技術は、１つ以上の専用コンピューティング装置で実行することができる。専用コンピューティング装置は、技術を実行するハードワイヤード、あるいは、これらの技術を実行するために永続的にプログラムされた、１つ以上の特定用途向け集積回路（ＡＳＩＣ）若しくはフィールドプログラマブルゲートアレイ（ＦＰＧＡ）、又はファームウェア、メモリ、他の記憶装置、あるいはこれ等を組み合わせたものの内部のプログラム命令に従って、技術を実行するようにプログラムされた、１つ以上の汎用ハードウェアプロセッサ等のデジタル電子装置を含むことができる。かかる専用コンピューティング装置は、カスタムハードワイヤードロジック、ＡＳＩＣ、又はＦＰＧＡとカスタムプログラミングとを組み合わせて技術を実現することもできる。専用コンピューティング装置は、デスクトップコンピュータシステム、ポータブルコンピュータシステム、携帯端末、ネットワーキング装置、又は技術を実行するためのハードワイヤード及び／又はプログラムロジックを組み込んだ他の任意の装置であってよい。

例えば、図７は、本発明の１つの実施の形態を実装することができる、コンピュータシステム７００を示すブロック図である。コンピュータシステム７００は、バス７０２又は情報を伝達するための他の通信機構、及びバス７０２に接続され、情報を処理するハードウェアプロセッサ７０４を備えている。ハードウェアプロセッサ７０４は、例えば、汎用マイクロプロセッサであってよい。

コンピュータシステム７００は、バス７０２に接続され、情報及びプロセッサ７０２によって実行される命令を記憶するランダムアクセスメモリ（ＲＡＭ）又は他の動的記憶装置等の主記憶装置７０６も備えている。主記憶装置７０６は、プロセッサ７０４によって実行される命令の実行中に、一時変数又は他の中間情報を記憶するために使用することもできる。かかる命令が、プロセッサ７０４がアクセスできる非一時的記憶装置に記憶されたとき、それらの命令によって、コンピュータシステム７００が、命令によって指定された機能を実行するようにカスタマイズされた専用マシーンになる。

コンピュータシステム７００は、バス７０２接続され、プロセッサ７０４の静的情報及び命令を記憶する読み取り専用メモリ（ＲＯＭ）７０８を更に備えている。磁気ディスク、光ディスク、又はソリッドステートドライブ等の記憶装置７１０を備え、バス７０２に接続され情報及び命令を記憶する。

コンピュータシステム７００は、バス７０２を介して、コンピュータユーザーに対し、情報を表示するための陰極線管（ＣＲＴ）等のディスプレイ７１２に接続することができる。英数字及び他のキーを含む入力装置７１４が、バス７０２に接続され、情報及びコマンド選択がプロセッサ７０４に伝達される。別のタイプのユーザー入力装置は、方向情報及びコマンド選択をプロセッサ７０４に伝達し、ディスプレイ７１２上のカーソル移動を制御するためのマウス、トラックボール、又はカーソル方向キー等のカーソル制御装置７１６である。この入力装置は、一般に、装置によって平面内の位置を指定することを可能にする、第１の軸（例えば、ｘ）及び第２の軸（例えば、ｙ）の２つの自由度を有している。

コンピュータシステム７００は、コンピュータシステムと組み合わせて、コンピュータシステム７００を専用マシーンにする、又はプログラムするカスタマイズされたハードワイヤードロジック、１つ以上のＡＳＩＣ若しくはＦＰＧＡ、ファームウェア、及び／又はプログラムロジックを用いて、本明細書に記載の技術を実行することができる。１つの実施の形態によれば、主記憶装置７０６に含まれている１つ以上の命令の１つ以上のシーケンスを実行するプロセッサ７０４に応答して、本明細書に記載の技術がコンピュータシステム７００によって実行される。かかる命令は、記憶装置７１０等の別の記憶媒体から、主記憶装置７０６に読み込むことができる。主記憶装置７０６に含まれている命令シーケンスを実行すると、プロセッサ７０４に、本明細書に記載のプロセスステップを実行させる。別の実施の形態において、ソフトウェア命令の代わりに、又はそれと組み合わせて、ハードワイヤード回路を用いることができる。

本明細書において、「記憶媒体」とは、データ及び／又はマシーンを特定の方法で動作させる命令を記憶する任意の非一時的媒体を意味する。かかる記憶媒体は、不揮発性媒体及び／又は揮発性媒体を含むことができる。不揮発性媒体には、例えば、光ディスク、磁気ディスク、記憶装置７１０等のソリッドステートドライブ等が含まれる。揮発性媒体には主記憶装置７０６等の動的メモリが含まれる。記憶媒体の一般的な形態には、例えば、フロッピー（登録商標）ディスク、フレキシブルディスク、ハードディスク、ソリッドステートドライブ、磁気テープ、他の任意の磁気データ記憶媒体、ＣＤ−ＲＯＭ、他の任意の光データ記憶媒体、孔パターンを有する任意の物理的媒体、ＲＡＭ、ＰＲＯＭ、ＥＰＲＯＭ，ＦＬＡＳＨ−ＥＰＲＯＭ、ＮＶＲＡＭ、他の任意のメモリチップ若しくはカートリッジ等が含まれる。

記憶媒体は、伝送媒体とは異なるが、伝送媒体と共に使用することができる。伝送媒体は、記憶媒体間における情報の転送に関与している。例えば、伝送媒体には、バス７０２を構成する線を含む、同軸ケーブル、銅線、及び光ファイバーが含まれる。伝送媒体は、電波及び赤外線データ通信において生成される、音響波又は光波等の形態を取ることもできる。

様々な形態の媒体が、１つ以上の命令の１つ以上のシーケンスをプロセッサ７０４に送って実行することに関与し得る。例えば、命令は、最初にリモートコンピュータの磁気ディスク又はソリッドステートドライブに担持させることができる。リモートコンピュータが、命令を動的メモリにロードし、モデムを用いた電話回線を介して、命令を送信することができる。コンピュータシステム７００のローカル側のモデムが、電話回線上のデータを受信し、赤外線送信機を用いて、データを赤外線信号に変換することができる。赤外線検出器が、赤外線信号に担持されたデータを受信することができ、適切な回路がデータをバス７０２に乗せることができる。バス７０２がデータを主記憶装置７０６に運び、そこからプロセッサ７０４が命令を読み出して実行する。主記憶装置７０６が受信した命令は、必要に応じ、プロセッサ７０４によって実行される前又は後のいずれかにおいて、記憶装置７１０に記憶することができる。

コンピュータシステム７００は、バス７０２に接続された通信インタフェース７１８も備えている。通信インタフェース７１８は、ローカルネットワーク７２２に接続されたネットワークリンク７２０に対して、双方向データ通信接続を提供する。例えば、通信インタフェース７１８は、総合デジタル通信網（ＩＳＤＮ）カード、ケーブルモデム、衛星モデム、又は対応する電話回線に対し、データ通信接続を提供するモデムであってよい。別の例として、通信インタフェースは、ローカルエリアネットワーク（ＬＡＮ）カードであって、互換性のあるＬＡＮに対し、データ通信接続を提供するものであってよい。無線リンクも導入することができる。かかる導入において、通信インタフェース７１８は、様々なタイプの情報を示すデジタルデータストリームを担持する電気信号、電磁信号、又は光信号を送受信する。

ネットワークリング７２０は、通常、１つ以上のネットワークを介して、別のデータ装置にデータ通信を提供する。例えば、ネットワークリンク７２０は、ローカルネットワーク７２２を介して、ホストコンピュータ７２４、又はインターネットサービスプロバイダー（ＩＳＰ）７２６が運用するデータ装置に接続を提供することができる。ＩＳＰ７２６は、次に、現在一般に「インターネット」７２８と呼ばれている、ワールドワイドパケットデータ通信ネットワークを介して、データ通信サービスを提供する。ローカルネットワーク７２２及びインターネット７２８は、共にデジタルデータストリームを担持する電気、電磁、又は光信号を用いる。様々なネットワークを介した信号、並びにコンピュータシステム７００に送受信される、ネットワークリンク７２０上及び通信インタフェース７１８を介した信号が、伝送媒体の例示的な形態である。

コンピュータシステム７００は、ネットワーク、ネットワークリンク７２０、及び通信インタフェースを介して、メッセージを送信し、プログラムコードを含むデータを受信することができる。インターネットの例において、サーバー７３０が、インターネット７２８、ＩＳＰ７２６、ローカルネットワーク７２２及び通信インタフェース７１８を介して、アプリケーションプログラムの要求されたコードを送信することができる。

受信コードは、受信次第、プロセッサ７０４によって実行することができ、及び／又は記憶装置７１０若しくは他の不揮発性記憶装置に記憶して、後で実行することができる。

前述の明細書において、実施毎に異なることができる多くの特定の詳細に言及して、本発明の実施の形態について説明してきた。従って、明細書及び図面は、限定するものではなく、例示的なものであると見なされたい。本発明の範囲の唯一の排他的判断基準、及び本出願人が本発明の範囲であると意図するのは、本出願に由来する一連のクレームのかかるクレームが由来する具体的な形態の記述及び均等範囲である。

１１０ 外部システム
１１２ 複合システム
１１４ 信号データリポジトリ
１１６ 監視用ディスプレイ
１２０ 信号データ処理システム
１２１ 特徴識別命令
１２２ クラスタリング命令
１２３ ベクトル分類命令
１２４ 信号受信命令
１２５ 信号データモデルメンテナンス命令
１２６ 状況報告命令
７０２ バス
７０４ プロセッサ
７０６ 主記憶装置
７１０ 記憶装置
７１２ ディスプレイ
７１４ 入力装置
７１６ カーソル制御装置
７１８ 通信インタフェース
７２０ ネットワークリンク
７２２ ローカルネットワーク
７２４ ホスト
７２８ インターネット
７３０ サーバー

Claims (24)

1. サーバーコンピュータシステムにおける信号受信命令を用いて、産業機器に取り付けられた１つ以上のセンサーから、観測データ値を示す１つ以上の信号データのセットを受信するステップと、
   特徴識別命令を用いて、前記１つ以上の信号データのセットを、１つ以上の特徴ベクトルに集約するステップであって、前記１つ以上の特徴ベクトルが、特定の時間範囲にわたる信号データのセットを示す、ステップと、
   クラスタリング命令を用いて、前記１つ以上の特徴ベクトルに対し、１つ以上のクラスターを決定するステップであって、前記１つ以上のクラスターが、前記１つ以上の特徴ベクトルからの特徴ベクトルのサブセットを、該サブセットの属性に基づいて含む、ステップと、
   ベクトル分類命令を用いて、前記産業機器に発生した、特定の識別された状況を示す分類ラベルが付与されたサンプル特徴ベクトルを含む、１つ以上のサンプルエピソードを受信するステップと、
   前記ベクトル分類命令を用いて、前記１つ以上のサンプルエピソードに基づいて、前記１つ以上のクラスターに対し、分類ラベルを決定するステップと、
   前記ベクトル分類命令を用いて、前記産業機器に発生した状況を示す、識別された信号状況を定義する信号データモデルを生成し、保存するステップであって、前記識別された信号状況が、特定の特徴ベクトル、特定のクラスター、及び特定の分類ラベル間のマッピングを定義する、ステップと、
   を備えたことを特徴とする方法。
2. 前記１つ以上の信号のセットを処理して、前記１つ以上の信号データのセットにおける、パターン認識を曖昧にする信号値として識別された、特徴的な信号値を除去するステップを更に備えたことを特徴とする、請求項１記載の方法。
3. 前記１つ以上の信号データのセットを１つ以上の特徴ベクトルに集約するステップが、
   前記１つ以上の特徴ベクトルに対し、時間ウィンドウサイズを決定するステップであって、前記時間ウィンドウサイズが、前記１つ以上の信号データのセットついて、統計的に関心のある時間範囲を規定する、ステップと、
   前記時間ウィンドウサイズに対応する、１つ以上の信号データのセットから、前記１つ以上の特徴ベクトルを生成するステップと、
   前記１つ以上の特徴ベクトルのうちの特徴ベクトルのサブセットを特定の時間ウィンドウに対応する単一の特徴ベクトルに統合することによって、前記１つ以上の特徴ベクトルの各々の次元を削減するステップと、
   を更に備えたことを特徴とする、請求項１記載の方法。
4. 前記１つ以上の信号データのセットを１つ以上の特徴ベクトルに集約するステップが、前記１つ以上の信号データのセットを、前記１つ以上の特徴ベクトルの単一の系列に変換するステップであって、前記１つ以上の特徴ベクトルの前記単一の系列が、前記１つ以上の信号データのセットの時系列パターンを示す、ステップを含むことを特徴とする、請求項１記載の方法。
5. 前記１つ以上のクラスターに対し、分類ラベルを決定するステップが、前記１つ以上のサンプルエピソードの分類ラベルに基づいて分類ラベルを決定することができない場合、前記１つ以上のクラスターの特定のクラスターに対し、分類不能分類ラベルを指定するステップを更に含むことを特徴とする、請求項１記載の方法。
6. 前記１つ以上のサンプルエピソードに基づいて、前記１つ以上のクラスターに対し、分類ラベルを決定するステップが、前記１つ以上のサンプルエピソード及び前記１つ以上のクラスターのロジスティック回帰分析を用いることを特徴とする、請求項１記載の方法。
7. 前記１つ以上のサンプルエピソードに基づいて、前記１つ以上のクラスターに対し、分類ラベルを決定するステップが、前記１つ以上のサンプルエピソード及び前記１つ以上のクラスターのランダムフォレスト分析に基づくことを特徴とする、請求項１記載の方法。
8. サーバーコンピュータシステムにおける信号データモデルメンテナンス命令を用いて、産業機器に発生した状況をマッピングする信号データモデルを、前記産業機器からの受信信号データに基づいて、メンテナンスするステップであって、前記信号データモデルが、既存の特徴ベクトル、既存のクラスター、及び分類ラベル間のマッピングデータを含み、
   前記既存の特徴ベクトルが、前記産業機器に取り付けられた１つ以上のセンサーからの観測データ値を示す受信信号データの集合であり、
   前記既存のクラスターが、前記既存の特徴ベクトルの少なくとも１つの定義された属性に基づいて、既存の特徴ベクトルのセットを含み、
   前記分類ラベルが、特定の時点に、前記産業機器に発生した特定の状況を定義する、
   ステップと、
   信号受信命令を用いて、前記産業機器に取り付けられた前記１つ以上のセンサーから、１つ以上の新しい信号データのセットを受信するステップと、
   特徴識別命令を用いて、前記１つ以上の新しい信号データのセットを、１つ以上の特徴ベクトルに集約するステップであって、前記１つ以上の特徴ベクトルが、特定の時間範囲にわたる信号データのセットを示す、ステップと、
   ベクトル分類命令を用いて、前記信号データモデルから、１つ以上の分類ラベル及び１つ以上の既存のクラスターを、前記１つ以上の特徴ベクトルに割り当てるステップと、
   状況報告命令を用いて、前記１つ以上の特徴ベクトル及び該１つ以上の特徴ベクトルに割り当てた、前記１つ以上の分類ラベルをユーザーに送信するステップと、
   を備えたことを特徴とする方法。
9. 前記信号データモデルメンテナンス命令を用いて、前記１つ以上の特徴ベクトルを、既存のクラスター、及び前記１つ以上の特徴ベクトルに割り当てられた分類ラベルにマッピングするマッピングデータで、前記信号データモデルをアップデートするステップを更に備えたことを特徴とする、請求項８記載の方法。
10. クラスタリング命令を用いて、前記１つ以上の特徴ベクトルのサブセットに対し、該サブセットに前記１つ以上の分類ラベルを割り当てることができない場合、分類不能分類ラベルを割り当てるステップを更に備えたことを特徴とする、請求項８記載の方法。
11. 前記１つ以上の特徴ベクトルの前記サブセットに対し、前記分類不能分類ラベルを割り当てるステップが、
    クラスタリング命令を用いて、１つ以上の特徴ベクトルのサブセットに対し、１つ以上のクラスターを決定するステップであって、前記１つ以上のクラスターが、前記１つ以上の特徴ベクトルのサブセットからの２つ以上の特徴ベクトルを、該２つ以上の特徴ベクトルの属性に基づいて含む、ステップと、
    前記クラスタリング命令を用いて、前記１つ以上のクラスターの各々に、前記分類不能分類ラベルに対する固有の分類不能分類ラベルを表す、固有の識別子を割り当てるステップと、
    を更に含むことを特徴とする、請求項１０記載の方法。
12. 前記１つ以上の分類ラベル及び前記１つ以上の既存のクラスターを割り当てるステップが、
    前記ベクトル分類命令を用いて、１つ以上のサンプルエピソードを受信するステップであって、前記１つ以上のサンプルエピソードが、分類ラベルが割り当てられているサンプル特徴ベクトルを含む、ステップと、
    前記ベクトル分類命令を用いて、前記１つ以上のサンプルエピソードから、１つ以上の分類ラベルを、前記１つ以上の特徴ベクトルに割り当てるステップと、
    を更に含むことを特徴とする、請求項８記載の方法。
13. データ処理システムであって、
    メモリと、
    前記メモリに接続された１つ以上のプロセッサと、
    １つ以上のプロセッサによって実行され、該１つ以上のプロセッサに、産業機器に取り付けられた１つ以上のセンサーから、観測データ値を示す１つ以上の信号データのセットを受信させるように構成され、メモリに格納された信号受信命令と、
    １つ以上のプロセッサによって実行され、該１つ以上のプロセッサに、前記１つ以上の信号データのセットを、特定の時間範囲にわたる信号データのセットを示す、１つ以上の特徴ベクトルに集約させるように構成され、メモリに格納された特徴識別命令と、
    １つ以上のプロセッサによって実行され、該１つ以上のプロセッサに、前記１つ以上の特徴ベクトルに対し、１つ以上のクラスターを決定させるように構成され、メモリに格納されたクラスタリング命令であって、前記１つ以上のクラスターが、前記１つ以上の特徴ベクトルからの特徴ベクトルのサブセットを、該サブセットの属性に基づいて含む、命令と、
    １つ以上のプロセッサによって実行され、該１つ以上のプロセッサに、前記産業機器に発生した、特定の識別された状況を示す分類ラベルが割り当てられている、サンプル特徴ベクトルを含む、１つ以上のサンプルエピソードを受信させるように構成され、メモリに格納されたベクトル分類命令と、
    １つ以上のプロセッサによって実行され、該１つ以上のプロセッサに、前記サンプルエピソードに基づいて、前記１つ以上のクラスターに対し、前記分類ラベルを決定させるように構成され、メモリに格納された前記ベクトル分類命令と、
    １つ以上のプロセッサによって実行され、該１つ以上のプロセッサに、前記産業機器に発生した状況を示す、識別された信号状況を定義する信号データモデルを生成させ、記憶させるように構成され、メモリに格納された前記ベクトル分類命令であって、前記識別された信号状況が、特定の特徴ベクトル、特定のクラスター、及び特定の分類ラベル間のマッピングを定義する、ベクトル分類命令と、
    を備えたことを特徴とするシステム。
14. 前記１つ以上のプロセッサによって実行され、該１つ以上のプロセッサに、前記１つ以上の信号データのセットを受信させ、前記１つ以上の信号のセットを処理して、前記１つ以上の信号データのセットのパターン認識を曖昧にする信号値として識別された、特徴的な信号値を除去させるように構成され、メモリに格納された命令を更に備えたことを特徴とする、請求項１３記載のデータ処理システム。
15. 前記１つ以上のプロセッサによって実行され、該１つ以上のプロセッサに、
    前記１つ以上の特徴ベクトルに対し、統計的に関心のある時間範囲を規定する時間ウィンドウサイズを決定させ、
    前記時間ウィンドウサイズに対応する、１つ以上の信号データのセットから、前記１つ以上の特徴ベクトルを生成させ、
    前記１つ以上の特徴ベクトルのうちの特徴ベクトルのサブセットを特定の時間ウィンドウに対応する単一の特徴ベクトルに統合することによって、前記１つ以上の特徴ベクトルの各々の次元を削減させることによって、
    前記１つ以上の信号データのセットを１つ以上の特徴ベクトルに集約させるように構成され、メモリに格納された命令を更に備えたことを特徴とする、請求項１３記載のデータ処理システム。
16. 前記１つ以上のプロセッサによって実行され、該１つ以上のプロセッサに、前記１つ以上の信号データのセットを前記１つ以上の特徴ベクトルの単一の系列に変換させることによって、前記１つ以上の信号データのセットを１つ以上の特徴ベクトルに集約させるように構成され、メモリに格納された命令であって、前記１つ以上の特徴ベクトルの前記単一の系列が、前記１つ以上の信号データのセットの時系列パターンを示す、命令を更に備えたことを特徴とする、請求項１３記載のデータ処理システム。
17. 前記１つ以上のプロセッサによって実行され、該１つ以上のプロセッサに、前記１つ以上のクラスターに対し、分類ラベルを決定させ、前記１つ以上のサンプルエピソードの分類ラベルに基づいて、分類ラベルを決定することができない場合、前記１つ以上のクラスターの特定のクラスターに対し、分類不能分類ラベルを指定させるように構成され、メモリに格納された命令を更に備えたことを特徴とする、請求項１３記載のデータ処理システム。
18. 前記１つ以上のプロセッサによって実行され、該１つ以上のプロセッサに、前記１つ以上のサンプルエピソードに基づいて、前記１つ以上のクラスターに対し、分類ラベルを決定させるように構成され、メモリに格納された命令であって、前記１つ以上のサンプルエピソード及び前記１つ以上のクラスターのロジスティック回帰分析に基づく命令を更に備えたことを特徴とする、請求項１３記載のデータ処理システム。
19. 前記１つ以上のプロセッサによって実行され、該１つ以上のプロセッサに、前記１つ以上のサンプルエピソードに基づいて、前記１つ以上のクラスターに対し、分類ラベルを決定させるように構成され、メモリに格納された命令であって、前記１つ以上のサンプルエピソード及び前記１つ以上のクラスターのランダムフォレスト分析に基づく命令を更に備えたことを特徴とする、請求項１３記載のデータ処理システム。
20. データ処理システムであって、
    メモリと、
    前記メモリに接続された１つ以上のプロセッサと、
    １つ以上のプロセッサによって実行され、該１つ以上のプロセッサに、産業機器に発生した状況をマッピングする信号データモデルを、前記産業機器からの受信信号データに基づいて、メンテナンスさせるように構成され、メモリに格納された信号データモデルメンテナンス命令であって、前記信号データモデルが、既存の特徴ベクトル、既存のクラスター、及び分類ラベル間のマッピングデータを含み、
    前記既存の特徴ベクトルが、前記産業機器に取り付けられた１つ以上のセンサーからの観測データ値を示す受信信号データの集合であり、
    前記既存のクラスターが、前記既存の特徴ベクトルの少なくとも１つの定義された属性に基づいて、既存の特徴ベクトルのセットを含み、
    前記分類ラベルが、特定の時点に、前記産業機器に発生した特定の状況を定義する、
    命令と、
    １つ以上のプロセッサによって実行され、該１つ以上のプロセッサに、前記産業機器に取り付けられた前記１つ以上のセンサーから、１つ以上の新しい信号データのセットを受信するように構成され、メモリに格納された信号受信命令と、
    １つ以上のプロセッサによって実行され、該１つ以上のプロセッサに、前記１つ以上の新しい信号データのセットを１つ以上の特徴ベクトルに集約させるように構成され、メモリに格納された特徴識別命令であって、前記１つ以上の特徴ベクトルが、特定の時間範囲にわたる信号データのセットを示す、命令と、
    １つ以上のプロセッサによって実行され、該１つ以上のプロセッサに、前記信号データモデルから、１つ以上の分類ラベル及び１つ以上の既存のクラスターを、前記１つ以上の特徴ベクトルに割り当てさせるように構成され、メモリに格納されたベクトル分類命令と、
    １つ以上のプロセッサによって実行され、該１つ以上のプロセッサに、前記１つ以上の特徴ベクトル及び該１つ以上の特徴ベクトルに割り当てた、前記１つ以上の分類ラベルをユーザーに送信させるように構成され、メモリに格納された状況報告命令と、
    を備えたことを特徴とするデータ処理システム。
21. 前記１つ以上のプロセッサによって実行され、該１つ以上のプロセッサに、前記１つ以上の特徴ベクトルを、既存のクラスター、及び前記１つ以上の特徴ベクトルに割り当てられた分類ラベルにマッピングするマッピングデータで、前記信号データモデルをアップデートさせるように構成され、メモリに格納された命令を更に備えたことを特徴とする、請求項２０記載のデータ処理システム。
22. 前記１つ以上のプロセッサによって実行され、該１つ以上のプロセッサに、前記１つ以上の特徴ベクトルのサブセットに対し、該サブセットに前記１つ以上の分類ラベルを割り当てることができない場合、分類不能分類ラベルを割り当させるように構成され、メモリに格納された命令を更に備えたことを特徴とする、請求項２０記載のデータ処理システム。
23. 前記１つ以上のプロセッサによって実行され、該１つ以上のプロセッサに、
    １つ以上の特徴ベクトルのサブセットに対し、１つ以上のクラスターであって、前記１つ以上の特徴ベクトルのサブセットからの２つ以上の特徴ベクトルを、該２つ以上の特徴ベクトルの属性に基づいて、含むクラスターを決定させ、
    前記１つ以上のクラスターの各々に対し、前記分類不能分類ラベルに対する固有の分類不能分類ラベルを示す、固有の識別子を割り当てさせることによって、
    前記分類不能分類ラベルを、前記１つ以上の特徴ベクトルの前記サブセットに割り当てさせる、メモリに格納された命令を更に備えたことを特徴とする、請求項２２記載のデータ処理システム。
24. 前記１つ以上のプロセッサによって実行され、該１つ以上のプロセッサに、
    分類ラベルが割り当てられているサンプル特徴ベクトルを含む、１つ以上のサンプルエピソードを受信させ、
    前記１つ以上のサンプルエピソードから、１つ以上の分類ラベルを前記１つ以上の特徴ベクトルに割り当てさせる、
    ことによって、前記１つ以上の分類ラベル及び前記１つ以上の既存のクラスターを割り当てさせる、メモリに格納された命令を更に備えたことを特徴とする、請求項２０記載のデータ処理システム。

Images