JP2019159786A - Information processing device, information processing method, and program - Google Patents
Information processing device, information processing method, and program Download PDFInfo
- Publication number
- JP2019159786A JP2019159786A JP2018045473A JP2018045473A JP2019159786A JP 2019159786 A JP2019159786 A JP 2019159786A JP 2018045473 A JP2018045473 A JP 2018045473A JP 2018045473 A JP2018045473 A JP 2018045473A JP 2019159786 A JP2019159786 A JP 2019159786A
- Authority
- JP
- Japan
- Prior art keywords
- period
- information processing
- score
- time
- series data
- 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
Landscapes
- Testing And Monitoring For Control Systems (AREA)
Abstract
Description
本発明は、時系列データを処理する情報処理装置、情報処理方法、プログラムに関する。 The present invention relates to an information processing apparatus, information processing method, and program for processing time-series data.
プラントや設備などの監視対象システムの異常を検出するために、事前に、監視対象システムが出力する多次元時系列データを用いて、監視対象システムをモデル化する必要がある。そして、モデルと実際の計測値とを比較し、例えば実際の計測値がモデルとかけ離れているというような状況を検出した場合に、監視対象システムが異常であると検出する。 In order to detect an abnormality in a monitoring target system such as a plant or facility, it is necessary to model the monitoring target system in advance using multidimensional time series data output from the monitoring target system. Then, the model and the actual measurement value are compared. For example, when a situation in which the actual measurement value is far from the model is detected, it is detected that the monitoring target system is abnormal.
ここで、監視対象システムをモデル化する方法の一例が、特許文献１に記載されている。特許文献１では、監視対象システムから出力された時系列データをある期間ごとに分割し、かかる期間ごとに監視対象システムのモデルを生成している。 Here, an example of a method for modeling a monitoring target system is described in Patent Document 1. In Patent Document 1, the time series data output from the monitoring target system is divided for every certain period, and a model of the monitoring target system is generated for each such period.
ところが、上記特許文献１に記載の技術では、監視対象システムから出力された時系列データをある期間ごとに分割してモデルを生成しているため、時系列データが適切な期間でモデルを生成しているか不明である。例えば、期間の選択が不適切である場合には、モデル自体に監視対象システムの正常状態が含まれていなかったり、異常状態が含まれてしまうことがある。すると、生成されたモデルを利用して監視対象システムから出力される時系列データの監視を行ったとしても、当該システムの異常状態の見逃しや誤検出が発生しうる。つまり、監視対象システムに対する信頼性の高いモデルを生成することができず、異常検出の精度の向上を図ることができない、という問題が生じる。 However, in the technique described in Patent Document 1, the time series data output from the monitoring target system is divided for each period to generate a model. Therefore, the time series data generates a model in an appropriate period. Whether it is unknown. For example, when the selection of the period is inappropriate, the model itself may not include the normal state of the monitored system or may include an abnormal state. Then, even if the time-series data output from the monitoring target system is monitored using the generated model, the abnormal state of the system may be overlooked or erroneously detected. That is, there is a problem that a highly reliable model for the monitoring target system cannot be generated and the accuracy of abnormality detection cannot be improved.
このため、本発明の目的は、上述した課題である、監視対象システムの監視時における異常検出の精度の向上を図ることができない、ということを解決することができる情報処理装置を提供することにある。 For this reason, an object of the present invention is to provide an information processing apparatus that can solve the above-described problem that it is impossible to improve the accuracy of abnormality detection during monitoring of a monitored system. is there.
本発明の一形態である情報処理装置は、
監視対象システムから出力された時系列データに対して、時系列に沿って少なくとも相互に隣り合う期間同士の一部の時間帯が重複するよう複数の期間を設定する期間設定手段と、
設定した前記期間ごとに、当該期間内の前記時系列データに基づくスコアを算出するスコア算出手段と、
を備えた、
という構成をとる。
An information processing apparatus according to one aspect of the present invention
Period setting means for setting a plurality of periods so that a part of time zones of at least adjacent periods overlap each other along the time series with respect to the time series data output from the monitoring target system,
Score calculating means for calculating a score based on the time-series data in the period for each set period;
With
The configuration is as follows.
また、本発明の一形態である情報処理方法は、
監視対象システムから出力された時系列データに対して、時系列に沿って少なくとも相互に隣り合う期間同士の一部の時間帯が重複するよう複数の期間を設定し、
設定した前記期間ごとに、当該期間内の前記時系列データに基づくスコアを算出する、
という構成をとる。
An information processing method according to one aspect of the present invention includes:
For the time series data output from the monitored system, set a plurality of periods so that some time zones of the periods adjacent to each other at least overlap each other along the time series,
For each set period, calculate a score based on the time-series data within the period.
The configuration is as follows.
また、本発明の一形態であるプログラムは、
情報処理装置に、
監視対象システムから出力された時系列データに対して、時系列に沿って少なくとも相互に隣り合う期間同士の一部の時間帯が重複するよう複数の期間を設定する期間設定手段と、
設定した前記期間ごとに、当該期間内の前記時系列データに基づくスコアを算出するスコア算出手段と、
を実現させる、
という構成をとる。
In addition, a program which is one embodiment of the present invention is
In the information processing device,
Period setting means for setting a plurality of periods so that a part of time zones of at least adjacent periods overlap each other along the time series with respect to the time series data output from the monitoring target system,
Score calculating means for calculating a score based on the time-series data in the period for each set period;
To realize,
The configuration is as follows.
本発明は、以上のように構成されることにより、監視対象システムの監視時における異常検出の精度の向上を図ることができる。 By configuring as described above, the present invention can improve the accuracy of abnormality detection during monitoring of the monitoring target system.
＜実施形態１＞
本発明の第１の実施形態を、図１乃至図１０を参照して説明する。図１は、情報処理装置の構成を示すブロック図である。図２乃至図９は、情報処理装置で処理するデータの一例を示すと共に、処理の様子を示す図である。図１０は、情報処理装置の動作を示すフローチャートである。
<Embodiment 1>
A first embodiment of the present invention will be described with reference to FIGS. FIG. 1 is a block diagram illustrating a configuration of the information processing apparatus. 2 to 9 are diagrams illustrating an example of data processed by the information processing apparatus and a state of processing. FIG. 10 is a flowchart showing the operation of the information processing apparatus.
本実施形態における情報処理装置１は、演算装置や記憶装置を備えた、１台又は複数台の情報処理装置にて構成されている。そして、情報処理装置１は、図１に示すように、演算装置がプログラムを実行することで構築された、データ管理部１１、スコア算出部１２、期間選択部１３、モデル生成部１４、異常検出部１５、を備えている。また、情報処理装置１は、記憶装置に形成されたデータ記憶部１６、モデル記憶部１７、を備えている。以下、情報処理装置１の詳細な構成と動作について説明する。 The information processing apparatus 1 according to the present embodiment is configured by one or a plurality of information processing apparatuses including an arithmetic device and a storage device. As shown in FIG. 1, the information processing apparatus 1 includes a data management unit 11, a score calculation unit 12, a period selection unit 13, a model generation unit 14, an abnormality detection, which are constructed by executing a program by an arithmetic device. Part 15. Further, the information processing apparatus 1 includes a data storage unit 16 and a model storage unit 17 formed in the storage device. Hereinafter, a detailed configuration and operation of the information processing apparatus 1 will be described.
上記データ管理部１１は、プラントや設備などの監視対象システム（図示せず）に設置されたセンサ２０にて計測され、当該センサ２０から出力された時系列データを取得して、順次データ記憶部１６に蓄積する（図１０のステップＳ１）。このとき、監視対象システムには、複数のセンサ２０が設置されており、図２に示すように、各センサ２０（センサ１〜５）にて計測した複数種類の時系列データが、データ記憶部１６に蓄積される。 The data management unit 11 is measured by a sensor 20 installed in a monitoring target system (not shown) such as a plant or facility, acquires time series data output from the sensor 20, and sequentially stores data. 16 (step S1 in FIG. 10). At this time, a plurality of sensors 20 are installed in the monitoring target system, and as shown in FIG. 2, a plurality of types of time-series data measured by the sensors 20 (sensors 1 to 5) are stored in the data storage unit. 16 is accumulated.
上記スコア算出部１２（期間設定手段、スコア算出手段）は、上述した時系列データにおいて、図２に示すように所定の時間幅を有する期間Ｗを設定する（図１０のステップＳ２）。このとき、期間Ｗは、複数の期間Ｗが設定されるが、かかる複数の期間Ｗは、図２の符号Ｗ１〜Ｗ３に示すように、特定の時間幅を有する期間Ｗを一定の時間間隔で時系列に沿って移動させることで形成される。例えば、期間Ｗの時間幅は、５秒間であり、隣り合う期間Ｗの時間間隔は１秒に設定される。このように、複数の期間Ｗを設定することで、各期間Ｗは、時系列に沿って相互に隣り合う他の期間Ｗと一部の時間帯が重複するよう設定される。特に、本実施形態では、時系列に沿って連続する３つ以上の期間Ｗ（例えばＷ１〜Ｗ３）が、それぞれの期間内の一部の時間帯で重複するよう設定される。 The score calculation unit 12 (period setting means, score calculation means) sets a period W having a predetermined time width as shown in FIG. 2 in the time-series data described above (step S2 in FIG. 10). At this time, a plurality of periods W are set as the period W, and the plurality of periods W include a period W having a specific time width at a constant time interval as indicated by reference numerals W1 to W3 in FIG. It is formed by moving along the time series. For example, the time width of the period W is 5 seconds, and the time interval between the adjacent periods W is set to 1 second. In this way, by setting a plurality of periods W, each period W is set so that a part of the time period overlaps with another period W adjacent to each other along the time series. In particular, in the present embodiment, three or more periods W (for example, W1 to W3) continuous along the time series are set to overlap in some time zones within each period.
また、スコア算出部１２は、上記のように設定した期間Ｗごとに、当該期間内の時系列データに基づくスコアを算出する（図１０のステップＳ３）。本実施形態では、時系列データに基づくスコアは、インバリアント分析のフィットネススコアの合計値であることとする。ここで、インバリアント分析のフィットネススコアとは、２つのセンサによる時系列データの関係性をＡＲＸ（Auto-Regressive with eXogenous）モデルで表し、かかるＡＲＸモデルの確からしさを表す予測精度を表した値である。例えば、時系列データの最初の期間Ｗを表す図３の例では、当該期間Ｗ内における５つのセンサからの時系列データのうち、まず２つの時系列データの関係性を表すモデルを生成し、かかるモデルに対する過去の実際の時系列データの誤差などから、生成したモデルの予測精度を算出する。そして、期間Ｗ内で他の２つのセンサの組み合わせについても同様にフィットネススコアを算出し、期間Ｗ内全体において算出したフィットネススコアを合算して、かかる合算値を当該期間Ｗのスコアとする。 Moreover, the score calculation part 12 calculates the score based on the time series data in the said period for every period W set as mentioned above (step S3 of FIG. 10). In the present embodiment, it is assumed that the score based on the time series data is a total value of fitness scores of invariant analysis. Here, the fitness score of invariant analysis is the value that represents the relationship between time series data by two sensors using an ARX (Auto-Regressive with eXogenous) model, and the prediction accuracy that represents the accuracy of the ARX model. is there. For example, in the example of FIG. 3 representing the first period W of the time series data, among the time series data from the five sensors in the period W, a model representing the relationship between the two time series data is generated first. The prediction accuracy of the generated model is calculated from the error of the past actual time series data with respect to the model. Then, the fitness score is similarly calculated for the other two sensor combinations within the period W, and the fitness scores calculated over the entire period W are added together, and the total value is used as the score for the period W.
そして、スコア算出部１２は、図３の上段に示すように、最初の期間Ｗについて算出したスコアの合算値をプロットする。その後、スコア算出部１２は、図３の矢印に示すように、時系列に沿って連続する各期間Ｗに対して上述同様にフィットネススコアの合算値を算出して、プロットしていく。すると、図３の上段に示すように、複数の時系列データに対する上述したフィットネススコアの合算値の時系列変化を表すグラフを生成することができる。なお、スコア算出部１２によって算出するスコアの内容及びスコアの算出方法は、必ずしも上述した内容及び方法に限定されず、期間Ｗ内の時系列データに基づいて算出するのであれば、いかなる内容のスコアを用いてもよく、いかなる方法でスコアを算出してもよい。 And the score calculation part 12 plots the total value of the score calculated about the first period W, as shown in the upper stage of FIG. Thereafter, as shown by the arrows in FIG. 3, the score calculation unit 12 calculates and plots the total value of the fitness scores in the same manner as described above for each period W that continues along the time series. Then, as shown in the upper part of FIG. 3, it is possible to generate a graph representing the time series change of the combined value of the fitness scores described above for a plurality of time series data. Note that the score content and the score calculation method calculated by the score calculation unit 12 are not necessarily limited to the above-described content and method. Any score can be used as long as the calculation is based on time-series data within the period W. The score may be calculated by any method.
なお、スコア算出部１２は、算出したスコアを出力する設定となっている場合には、図３に示すようなグラフあるいは数値で表されたスコアを、ユーザに対して出力する（図１０のステップＳ６）。このとき、上記スコアは、２つの時系列データの関係性を表すモデルの確からしさを表しているため、スコアが高いときほど、予測精度の高いモデルを多く含む期間Ｗであることが予想される。従って、スコアの出力を受けたユーザは、かかるスコアに基づいて、監視対象システムのモデルを生成する対象となる対象期間を選択することができる。 If the score calculation unit 12 is set to output the calculated score, the score represented by a graph or a numerical value as shown in FIG. 3 is output to the user (step of FIG. 10). S6). At this time, since the score represents the probability of the model representing the relationship between the two time series data, it is expected that the higher the score, the longer the period W includes the models with higher prediction accuracy. . Therefore, the user who has received the output of the score can select a target period for which a model of the monitoring target system is generated based on the score.
上記期間選択部１３（期間選択手段）は、期間Ｗごとに算出されたスコアに基づいて、監視対象システムのモデルを生成する対象となる対象期間を選択する（図１０のステップＳ４）。このとき、図３の例では、上述したようにスコアが高いときほど、予測精度の高いモデルを多く含む期間Ｗであることが予想される。従って、期間選択部１３は、図４の符号Ｐ１，Ｐ２に示すように、他の期間と比較してスコアが高い期間を、モデル生成を行う対象期間Ｐ１，Ｐ２として選択する。 The period selection unit 13 (period selection unit) selects a target period for which a model of the monitoring target system is generated based on the score calculated for each period W (step S4 in FIG. 10). In this case, in the example of FIG. 3, as the score is higher as described above, it is expected that the period W includes more models with higher prediction accuracy. Therefore, the period selection unit 13 selects a period having a higher score than the other periods as target periods P1 and P2 for generating a model, as indicated by reference numerals P1 and P2 in FIG.
上記モデル生成部１４は、上述したように選択した対象期間Ｐ１，Ｐ２内の時系列データを用いて、監視対象システムのモデルを生成して、モデル記憶部１７に記憶する（図１０のステップＳ５）。このようにして生成されたモデルは、各センサ間のＡＲＸモデルの予測精度が高い期間Ｗの時系列データを用いて生成されるため、システムの異常状態を含む可能性が低く、正常状態が含まれる可能性が高いものとなる。 The model generation unit 14 generates a model of the monitoring target system using the time series data in the target periods P1 and P2 selected as described above, and stores the model in the model storage unit 17 (step S5 in FIG. 10). ). Since the model generated in this way is generated using time series data of the period W in which the prediction accuracy of the ARX model between the sensors is high, it is unlikely to include an abnormal state of the system and includes a normal state. Is likely to be.
上記異常検出部１５は、上述したように生成して記憶した監視対象システムのモデルを用いて、監視対象システムの異常検出を行う。具体的には、データ管理部１１にて取得した監視対象システムの計測データを、取得したタイミングで、監視対象システムのモデルと比較する。そして、比較結果から、図５に示すような、計測データとモデルとの乖離などを表す異常度Ｄを算出する。異常検出部１５は、高い値の異常度を検出すると、監視対象システムに異常が生じていると判断し、ユーザに対してアラートを出力するなど通知する。 The abnormality detection unit 15 detects an abnormality of the monitoring target system using the model of the monitoring target system generated and stored as described above. Specifically, the measurement data of the monitoring target system acquired by the data management unit 11 is compared with the model of the monitoring target system at the acquired timing. Then, from the comparison result, the degree of abnormality D representing the difference between the measurement data and the model as shown in FIG. 5 is calculated. When the abnormality detection unit 15 detects a high degree of abnormality, the abnormality detection unit 15 determines that an abnormality has occurred in the monitoring target system, and notifies the user such as outputting an alert.
以上のように、本実施形態では、監視対象システムのモデルを生成する対象となる対象期間Ｐ１，Ｐ２を選択するために、一部が重複し連続する複数の期間Ｗにおける時系列データのスコアを用いている。このため、漏れのないあらゆる期間の時系列データから、監視対象システムのモデル生成に適切な対象期間を選択することができる。従って、このようにして選択した対象期間からモデルを生成することで、モデル自体に監視対象システムの正常状態が含まれ、かつ、異常状態が含まれてしまうことを抑制することができる。その結果、監視対象システムの異常状態の見逃しや誤検出を抑制でき、監視時における信頼性と異常検出の精度の向上を図ることができる。 As described above, in this embodiment, in order to select the target periods P1 and P2 that are targets for generating the model of the monitoring target system, the scores of the time series data in a plurality of periods W that are partially overlapped and continuous are used. Used. For this reason, it is possible to select a target period suitable for model generation of the monitoring target system from time-series data of any period without omission. Therefore, by generating a model from the target period selected in this way, it is possible to suppress the normal state of the monitoring target system and the abnormal state from being included in the model itself. As a result, it is possible to suppress oversight or erroneous detection of an abnormal state of the monitoring target system, and it is possible to improve reliability during monitoring and accuracy of abnormality detection.
ここで、上記では、スコア算出部１２は、時系列データから１種類のスコアを算出する場合を例示したが、図６乃至図９を参照して説明するように、複数種類のスコアを算出してもよい。これに伴い、期間選択部１３は、複数種類のスコアから、対象期間を選択してもよい。 Here, in the above, the case where the score calculation unit 12 calculates one type of score from the time-series data is illustrated, but as described with reference to FIGS. 6 to 9, the score calculation unit 12 calculates a plurality of types of scores. May be. Accordingly, the period selection unit 13 may select a target period from a plurality of types of scores.
この例における上記スコア算出部１２（スコア算出手段）は、設定した期間Ｗごとに、当該期間内の時系列データに基づくスコアとして、上述したインバリアント分析のフィットネススコアの合計値の他に、当該フィットネススコアの合計値の分散値を算出する。この分散値は、特定の期間Ｗのフィットネススコアの合計値の、当該特定の期間Ｗに一部が重複する他の全期間Ｗにおけるフィットネススコアの合計値に対する散らばり具合を表す値である。但し、フィットネススコアの合計値の分散値は、他の計算方法で算出された値、例えば、上記分散値の標準偏差であってもよく、当該特定の期間Ｗに一部が重複する他の全期間Ｗにおけるフィットネススコアの合計値の平均値であってもよい。このような時系列データに基づくスコアは、複数種類の時系列データの関係性を表すモデルの予測精度の時系列に沿った変化度合いを表す値となる。 The score calculation unit 12 (score calculation means) in this example, for each set period W, as a score based on the time series data in the period, in addition to the total value of the fitness score of the invariant analysis described above, A variance value of the total value of the fitness score is calculated. This variance value is a value representing the degree of dispersion of the total value of fitness scores in a specific period W with respect to the total value of fitness scores in all other periods W that partially overlap the specific period W. However, the variance value of the total value of the fitness scores may be a value calculated by another calculation method, for example, the standard deviation of the variance value, and other variances that partially overlap in the specific period W. It may be an average value of the total value of fitness scores in the period W. The score based on such time series data is a value representing the degree of change along the time series of the prediction accuracy of a model representing the relationship between a plurality of types of time series data.
そして、スコア算出部１２は、図６に示すように、上段には、期間Ｗごとのフィットネススコアの合計値をプロットしたグラフＡ１を生成し、下段には、期間Ｗごとのフィットネススコアの合計値の分散値をプロットしたグラフＡ２を生成する。さらに、スコア算出部１２は、グラフＡ１，Ａ２をスムージングする。このとき、図７に示すように、例えば、グラフＡ１については、スコアの値が所定時間だけ一定値を取るよう階段状のグラフＡ１１にスムージングし、グラフＡ２については、さらになめらかな曲線のグラフＡ２１にスムージングする。 Then, as shown in FIG. 6, the score calculation unit 12 generates a graph A1 in which the total value of fitness scores for each period W is plotted on the upper stage, and the total value of fitness scores for each period W on the lower stage. A graph A2 in which the variance values are plotted is generated. Further, the score calculation unit 12 smoothes the graphs A1 and A2. At this time, as shown in FIG. 7, for example, the graph A1 is smoothed into a stepped graph A11 so that the score value takes a constant value for a predetermined time, and the graph A2 is a smoother curve graph A21. Smooth.
その後、スコア算出部１２は、上述したグラフＡ１をスムージングしたグラフＡ１１から、スコアの値が一定となる期間をそれぞれ候補期間として設定する。図８の例では、スコアの値が一定な期間として、５つの候補期間（１）〜（５）が設定される。 After that, the score calculation unit 12 sets a period in which the score value is constant as a candidate period from the graph A11 obtained by smoothing the above-described graph A1. In the example of FIG. 8, five candidate periods (1) to (5) are set as periods in which the score value is constant.
そして、上記期間選択部１３は、スコア算出部１２にて設定した各候補期間（１）〜（５）のそれぞれについて、上段の合計値と下段の分散値を調べる。このとき、期間選択部１３は、上段の合計値が他の候補期間と比較して高く、下段の分散値が他の候補期間と比較して低い、という候補期間を、モデルを生成する対象期間として選択する。なお、上段の合計値が高い候補期間は、予測精度の高いモデルを多く含む期間Ｗとなり、下段の分散値が低い候補期間は、フィットネススコアの合計値の変動が小さくモデルが安定している期間Ｗといえる。 Then, the period selection unit 13 checks the upper total value and the lower variance value for each of the candidate periods (1) to (5) set by the score calculation unit 12. At this time, the period selection unit 13 sets the candidate period in which the upper total value is higher than the other candidate periods and the lower variance value is lower than the other candidate periods as a target period for generating the model. Choose as. The candidate period with a high upper total value is a period W including a large number of models with high prediction accuracy, and the candidate period with a lower variance value is a period in which the variation of the total value of fitness scores is small and the model is stable. W.
例えば、期間選択部１３は、図８に示すようなグラフＡ１，Ａ２をスムージングしたグラフＡ１１，Ａ２１から、グラフＡ１１の値が高く、グラフＡ２１の値が低い候補期間（１），（２），（３），（５）を対象期間として選択する。なお、期間選択部１３は、上述とは逆に、グラフＡ１１の値が低く、グラフＡ２１の値が高い候補期間（４）を除いて、他の候補期間を対象期間としてもよい。 For example, from the graphs A11 and A21 obtained by smoothing the graphs A1 and A2 as shown in FIG. 8, the period selection unit 13 has candidate periods (1), (2), (3) and (5) are selected as the target period. Contrary to the above, the period selection unit 13 may use other candidate periods as the target period except for the candidate period (4) in which the value of the graph A11 is low and the value of the graph A21 is high.
以上のように、上記の例では、スコア算出部１２にて複数種類のスコアを算出して、これら複数種類のスコアに基づいて、対象期間を選択している。このため、漏れのないあらゆる期間の時系列データから、監視対象システムのモデル生成にあらゆる観点で適切な対象期間を選択することができる。 As described above, in the above example, the score calculation unit 12 calculates a plurality of types of scores, and the target period is selected based on the plurality of types of scores. For this reason, it is possible to select an appropriate target period from all points of view for generating a model of the monitoring target system from time-series data of any period without omission.
なお、上述したスコア算出部１２は、上述した値以外の他の複数のスコアを算出して、かかる他の複数のスコアから期間選択部１３は対象期間を選択してもよい。例えば、２つのセンサの値の相互間の距離や相関係数をスコアとして算出してもよい。その場合、距離が近いことを表すスコアの値であったり、相関度が高いスコアの値となる期間Ｗを、対象期間として選択してもよい。また、スコア算出部１２は、算出した複数種類のスコアの値そのものを、図９に示すようにユーザに対して出力してもよい。 The score calculation unit 12 described above may calculate a plurality of scores other than the values described above, and the period selection unit 13 may select the target period from the other plurality of scores. For example, a distance between two sensor values or a correlation coefficient may be calculated as a score. In this case, a period W that is a score value indicating that the distance is close or a score value having a high degree of correlation may be selected as the target period. Further, the score calculation unit 12 may output the calculated plural types of score values themselves to the user as shown in FIG.
＜実施形態２＞
次に、本発明の第２の実施形態を、図１１を参照して説明する。図１１は、実施形態２における情報処理装置の構成を示すブロック図である。なお、本実施形態では、実施形態１で説明した情報処理装置の構成の概略を示している。
<Embodiment 2>
Next, a second embodiment of the present invention will be described with reference to FIG. FIG. 11 is a block diagram illustrating a configuration of the information processing apparatus according to the second embodiment. In the present embodiment, an outline of the configuration of the information processing apparatus described in the first embodiment is shown.
図１１に示すように、本実施形態における情報処理装置１００は、
監視対象システムから出力された時系列データに対して、時系列に沿って少なくとも相互に隣り合う期間同士の一部の時間帯が重複するよう複数の期間を設定する期間設定手段１１０と、
設定した前記期間ごとに、当該期間内の前記時系列データに基づくスコアを算出するスコア算出手段１２０と、
を備える。
As shown in FIG. 11, the information processing apparatus 100 in the present embodiment
Period setting means 110 that sets a plurality of periods so that some time zones of at least adjacent periods overlap each other along the time series with respect to the time series data output from the monitoring target system;
Score calculating means 120 for calculating a score based on the time-series data in the period for each set period;
Is provided.
なお、上記期間設定手段１１０とスコア算出手段１２０とは、情報処理装置がプログラムを実行することで実現されるものである。 The period setting unit 110 and the score calculation unit 120 are realized by the information processing apparatus executing a program.
そして、上記構成の情報処理装置１００は、
監視対象システムから出力された時系列データに対して、時系列に沿って少なくとも相互に隣り合う期間同士の一部の時間帯が重複するよう複数の期間を設定し、
設定した前記期間ごとに、当該期間内の前記時系列データに基づくスコアを算出する、
という処理を実行するよう作動する。
The information processing apparatus 100 configured as described above
For the time series data output from the monitored system, set a plurality of periods so that some time zones of the periods adjacent to each other at least overlap each other along the time series,
For each set period, calculate a score based on the time-series data within the period.
It operates to execute the process.
上記発明によると、監視対象システムのモデルを生成する対象となる対象期間Ｐを選択するために、一部が重複し連続する複数の期間Ｗにおける時系列データのスコアを用いている。このため、漏れのないあらゆる期間の時系列データから、監視対象システムのモデル生成に適切な対象期間を選択することができる。従って、このようにして選択した対象期間からモデルを生成することで、モデル自体に監視対象システムの正常状態が含まれ、かつ、異常状態が含まれてしまうことを抑制することができる。その結果、監視対象システムの異常状態の見逃しや誤検出を抑制でき、監視時における信頼性と異常検出の精度の向上を図ることができる。 According to the said invention, in order to select the object period P used as the object which produces | generates the model of a monitoring object system, the score of the time series data in the several period W which a part overlaps and continues is used. For this reason, it is possible to select a target period suitable for model generation of the monitoring target system from time-series data of any period without omission. Therefore, by generating a model from the target period selected in this way, it is possible to suppress the normal state of the monitoring target system and the abnormal state from being included in the model itself. As a result, it is possible to suppress oversight or erroneous detection of an abnormal state of the monitoring target system, and it is possible to improve reliability during monitoring and accuracy of abnormality detection.
＜付記＞
上記実施形態の一部又は全部は、以下の付記のようにも記載されうる。以下、本発明における情報処理装置、情報処理方法、プログラムの構成の概略を説明する。但し、本発明は、以下の構成に限定されない。
<Appendix>
Part or all of the above-described embodiment can be described as in the following supplementary notes. The outline of the configuration of the information processing apparatus, information processing method, and program according to the present invention will be described below. However, the present invention is not limited to the following configuration.
（付記１）
監視対象システムから出力された時系列データに対して、時系列に沿って少なくとも相互に隣り合う期間同士の一部の時間帯が重複するよう複数の期間を設定する期間設定手段と、
設定した前記期間ごとに、当該期間内の前記時系列データに基づくスコアを算出するスコア算出手段と、
を備えた情報処理装置。
(Appendix 1)
Period setting means for setting a plurality of periods so that a part of time zones of at least adjacent periods overlap each other along the time series with respect to the time series data output from the monitoring target system,
Score calculating means for calculating a score based on the time-series data in the period for each set period;
An information processing apparatus comprising:
（付記２）
付記１に記載の情報処理装置であって、
前記期間設定手段は、前記期間を所定の時間間隔で時系列に沿って移動させることで形成される複数の前記期間を設定する、
情報処理装置。
(Appendix 2)
An information processing apparatus according to attachment 1, wherein
The period setting means sets a plurality of the periods formed by moving the period along a time series at a predetermined time interval.
Information processing device.
（付記３）
付記１又は２に記載の情報処理装置であって、
前記期間設定手段は、時系列に沿って連続する３つ以上の前記期間それぞれの少なくとも一部の時間帯が重複するよう複数の前記期間を設定する、
情報処理装置。
(Appendix 3)
An information processing apparatus according to appendix 1 or 2,
The period setting means sets the plurality of periods such that at least some time zones of each of the three or more periods that are continuous in time series overlap.
Information processing device.
（付記４）
付記１乃至３のいずれかに記載の情報処理装置であって、
前記期間ごとに算出された前記スコアに基づいて、当該期間内の前記時系列データに基づいてモデルを生成する対象となる前記期間を選択する期間選択手段を備えた、
情報処理装置。
(Appendix 4)
An information processing apparatus according to any one of appendices 1 to 3,
Based on the score calculated for each period, comprising period selection means for selecting the period to be a target for generating a model based on the time-series data in the period;
Information processing device.
（付記５）
付記４に記載の情報処理装置であって、
前記スコア算出手段は、設定した前記期間ごとに、当該期間内の前記時系列データに基づく複数種類の前記スコアを算出し、
前記期間選択手段は、複数種類の前記スコアに基づいて前記期間を選択する、
情報処理装置。
(Appendix 5)
An information processing apparatus according to appendix 4, wherein
The score calculation means calculates a plurality of types of the scores based on the time-series data in the period for each set period.
The period selection means selects the period based on a plurality of types of the scores.
Information processing device.
（付記６）
付記１乃至５のいずれかに記載の情報処理装置であって、
前記スコア算出手段は、設定した前記期間ごとに、当該期間内の前記時系列データに基づくモデルを生成し、当該モデルの前記時系列データに対する予測精度を表す値を前記スコアとして算出する、
情報処理装置。
(Appendix 6)
An information processing apparatus according to any one of appendices 1 to 5,
The score calculation means generates a model based on the time series data in the period for each set period, and calculates a value representing the prediction accuracy of the model for the time series data as the score.
Information processing device.
（付記７）
付記１乃至６のいずれかに記載の情報処理装置であって、
前記スコア算出手段は、設定した前記期間ごとに、当該期間内の複数種類の前記時系列データの関係性に基づく値を前記スコアとして算出する、
情報処理装置。
(Appendix 7)
An information processing apparatus according to any one of appendices 1 to 6,
The score calculation means calculates, as the score, a value based on the relationship between a plurality of types of time-series data within the period for each set period.
Information processing device.
（付記８）
付記７に記載の情報処理装置であって、
前記スコア算出手段は、設定した前記期間ごとに、当該期間内の複数種類の前記時系列データの関係性の予測精度を表す値を前記スコアとして算出する、
情報処理装置。
(Appendix 8)
An information processing apparatus according to appendix 7,
The score calculation means calculates, as the score, a value representing the prediction accuracy of the relationship between the plurality of types of the time series data in the period for each set period.
Information processing device.
（付記９）
付記７又は８に記載の情報処理装置であって、
前記スコア算出手段は、設定した前記期間ごとに、当該期間内の複数種類の前記時系列データの関係性の予測精度の時系列に沿った変化度合いを表す値を前記スコアとして算出する、
情報処理装置。
(Appendix 9)
An information processing apparatus according to appendix 7 or 8,
The score calculation means calculates, as the score, a value representing the degree of change along the time series of the prediction accuracy of the relationship between the plurality of types of time series data within the period for each set period.
Information processing device.
（付記１０）
監視対象システムから出力された時系列データに対して、時系列に沿って少なくとも相互に隣り合う期間同士の一部の時間帯が重複するよう複数の期間を設定し、
設定した前記期間ごとに、当該期間内の前記時系列データに基づくスコアを算出する、
情報処理方法。
(Appendix 10)
For the time series data output from the monitored system, set a plurality of periods so that some time zones of the periods adjacent to each other at least overlap each other along the time series,
For each set period, calculate a score based on the time-series data within the period.
Information processing method.
（付記１０．１）
付記９に記載の情報処理方法であって、
前記期間ごとに算出された前記スコアに基づいて、当該期間内の前記時系列データに基づいてモデルを生成する対象となる前記期間を選択する、
情報処理方法。
(Appendix 10.1)
An information processing method according to attachment 9, wherein
Based on the score calculated for each period, select the period to be a target for generating a model based on the time-series data in the period.
Information processing method.
（付記１１）
情報処理装置に、
監視対象システムから出力された時系列データに対して、時系列に沿って少なくとも相互に隣り合う期間同士の一部の時間帯が重複するよう複数の期間を設定する期間設定手段と、
設定した前記期間ごとに、当該期間内の前記時系列データに基づくスコアを算出するスコア算出手段と、
を実現させるためのプログラム。
(Appendix 11)
In the information processing device,
Period setting means for setting a plurality of periods so that a part of time zones of at least adjacent periods overlap each other along the time series with respect to the time series data output from the monitoring target system,
Score calculating means for calculating a score based on the time-series data in the period for each set period;
A program to realize
（付記１１．１）
付記１０に記載のプログラムであって、
情報処理装置に、さらに、
前記期間ごとに算出された前記スコアに基づいて、当該期間内の前記時系列データに基づいてモデルを生成する対象となる前記期間を選択する期間選択手段、
を実現させるためのプログラム。
(Appendix 11.1)
The program according to attachment 10, wherein
In addition to information processing equipment,
A period selection means for selecting the period to be a target for generating a model based on the time-series data in the period based on the score calculated for each period;
A program to realize
なお、上述したプログラムは、記憶装置に記憶されていたり、コンピュータが読み取り可能な記録媒体に記録されている。例えば、記録媒体は、フレキシブルディスク、光ディスク、光磁気ディスク、及び、半導体メモリ等の可搬性を有する媒体である。 Note that the above-described program is stored in a storage device or recorded on a computer-readable recording medium. For example, the recording medium is a portable medium such as a flexible disk, an optical disk, a magneto-optical disk, and a semiconductor memory.
以上、上記実施形態等を参照して本願発明を説明したが、本願発明は、上述した実施形態に限定されるものではない。本願発明の構成や詳細には、本願発明の範囲内で当業者が理解しうる様々な変更をすることができる。 Although the present invention has been described with reference to the above-described embodiment and the like, the present invention is not limited to the above-described embodiment. Various changes that can be understood by those skilled in the art can be made to the configuration and details of the present invention within the scope of the present invention.
１０ 情報処理装置
１１ データ管理部
１２ スコア算出部
１３ 期間選択部
１４ モデル生成部
１５ 異常検出部
１６ データ記憶部
１７ モデル記憶部
１００ 情報処理装置
１１０ 期間設定手段
１２０ スコア算出手段
DESCRIPTION OF SYMBOLS 10 Information processing apparatus 11 Data management part 12 Score calculation part 13 Period selection part 14 Model generation part 15 Abnormality detection part 16 Data storage part 17 Model storage part 100 Information processing apparatus 110 Period setting means 120 Score calculation means
Claims (11)
設定した前記期間ごとに、当該期間内の前記時系列データに基づくスコアを算出するスコア算出手段と、
を備えた情報処理装置。 Period setting means for setting a plurality of periods so that a part of time zones of at least adjacent periods overlap each other along the time series with respect to the time series data output from the monitoring target system,
Score calculating means for calculating a score based on the time-series data in the period for each set period;
An information processing apparatus comprising:
前記期間設定手段は、前記期間を所定の時間間隔で時系列に沿って移動させることで形成される複数の前記期間を設定する、
情報処理装置。 The information processing apparatus according to claim 1,
The period setting means sets a plurality of the periods formed by moving the period along a time series at a predetermined time interval.
Information processing device.
前記期間設定手段は、時系列に沿って連続する３つ以上の前記期間それぞれの少なくとも一部の時間帯が重複するよう複数の前記期間を設定する、
情報処理装置。 The information processing apparatus according to claim 1 or 2,
The period setting means sets the plurality of periods such that at least some time zones of each of the three or more periods that are continuous in time series overlap.
Information processing device.
前記期間ごとに算出された前記スコアに基づいて、当該期間内の前記時系列データに基づいてモデルを生成する対象となる前記期間を選択する期間選択手段を備えた、
情報処理装置。 The information processing apparatus according to claim 1,
Based on the score calculated for each period, comprising period selection means for selecting the period to be a target for generating a model based on the time-series data in the period;
Information processing device.
前記スコア算出手段は、設定した前記期間ごとに、当該期間内の前記時系列データに基づく複数種類の前記スコアを算出し、
前記期間選択手段は、複数種類の前記スコアに基づいて前記期間を選択する、
情報処理装置。 The information processing apparatus according to claim 4,
The score calculation means calculates a plurality of types of the scores based on the time-series data in the period for each set period.
The period selection means selects the period based on a plurality of types of the scores.
Information processing device.
前記スコア算出手段は、設定した前記期間ごとに、当該期間内の前記時系列データに基づくモデルを生成し、当該モデルの前記時系列データに対する予測精度を表す値を前記スコアとして算出する、
情報処理装置。 An information processing apparatus according to any one of claims 1 to 5,
The score calculation means generates a model based on the time series data in the period for each set period, and calculates a value representing the prediction accuracy of the model for the time series data as the score.
Information processing device.
前記スコア算出手段は、設定した前記期間ごとに、当該期間内の複数種類の前記時系列データの関係性に基づく値を前記スコアとして算出する、
情報処理装置。 An information processing apparatus according to any one of claims 1 to 6,
The score calculation means calculates, as the score, a value based on the relationship between a plurality of types of time-series data within the period for each set period.
Information processing device.
前記スコア算出手段は、設定した前記期間ごとに、当該期間内の複数種類の前記時系列データの関係性の予測精度を表す値を前記スコアとして算出する、
情報処理装置。 The information processing apparatus according to claim 7,
The score calculation means calculates, as the score, a value representing the prediction accuracy of the relationship between the plurality of types of the time series data in the period for each set period.
Information processing device.
前記スコア算出手段は、設定した前記期間ごとに、当該期間内の複数種類の前記時系列データの関係性の予測精度の時系列に沿った変化度合いを表す値を前記スコアとして算出する、
情報処理装置。 The information processing apparatus according to claim 7 or 8,
The score calculation means calculates, as the score, a value representing the degree of change along the time series of the prediction accuracy of the relationship between the plurality of types of time series data within the period for each set period.
Information processing device.
設定した前記期間ごとに、当該期間内の前記時系列データに基づくスコアを算出する、
情報処理方法。 For the time series data output from the monitored system, set a plurality of periods so that some time zones of the periods adjacent to each other at least overlap each other along the time series,
For each set period, calculate a score based on the time-series data within the period.
Information processing method.
監視対象システムから出力された時系列データに対して、時系列に沿って少なくとも相互に隣り合う期間同士の一部の時間帯が重複するよう複数の期間を設定する期間設定手段と、
設定した前記期間ごとに、当該期間内の前記時系列データに基づくスコアを算出するスコア算出手段と、
を実現させるためのプログラム。
In the information processing device,
Period setting means for setting a plurality of periods so that a part of time zones of at least adjacent periods overlap each other along the time series with respect to the time series data output from the monitoring target system,
Score calculating means for calculating a score based on the time-series data in the period for each set period;
A program to realize
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2018045473A JP7127305B2 (en) | 2018-03-13 | 2018-03-13 | Information processing device, information processing method, program |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2018045473A JP7127305B2 (en) | 2018-03-13 | 2018-03-13 | Information processing device, information processing method, program |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2019159786A true JP2019159786A (en) | 2019-09-19 |
| JP7127305B2 JP7127305B2 (en) | 2022-08-30 |
Family
ID=67993999
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2018045473A Active JP7127305B2 (en) | 2018-03-13 | 2018-03-13 | Information processing device, information processing method, program |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP7127305B2 (en) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2021177176A1 (en) * | 2020-03-04 | 2021-09-10 | キヤノン株式会社 | Information processing device, monitoring method, program, and article manufacturing method |
| JP7481897B2 (en) | 2020-05-12 | 2024-05-13 | 株式会社東芝 | Monitoring device, monitoring method, program, and model training device |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20140108314A1 (en) * | 2012-10-12 | 2014-04-17 | Nec Laboratories America, Inc. | Integrated approach to model time series dynamics in complex physical systems |
| JP2016045799A (en) * | 2014-08-25 | 2016-04-04 | 富士電機株式会社 | Prediction model generation device, prediction model generation method and program |
| JP2016152039A (en) * | 2015-02-19 | 2016-08-22 | 富士通株式会社 | Data output method, data output program and data output device |
| JP2016218636A (en) * | 2015-05-18 | 2016-12-22 | 日本電気株式会社 | System model generation assist device, system model generation assist method, and program |
-
2018
- 2018-03-13 JP JP2018045473A patent/JP7127305B2/en active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20140108314A1 (en) * | 2012-10-12 | 2014-04-17 | Nec Laboratories America, Inc. | Integrated approach to model time series dynamics in complex physical systems |
| JP2016045799A (en) * | 2014-08-25 | 2016-04-04 | 富士電機株式会社 | Prediction model generation device, prediction model generation method and program |
| JP2016152039A (en) * | 2015-02-19 | 2016-08-22 | 富士通株式会社 | Data output method, data output program and data output device |
| JP2016218636A (en) * | 2015-05-18 | 2016-12-22 | 日本電気株式会社 | System model generation assist device, system model generation assist method, and program |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2021177176A1 (en) * | 2020-03-04 | 2021-09-10 | キヤノン株式会社 | Information processing device, monitoring method, program, and article manufacturing method |
| EP4089496A4 (en) * | 2020-03-04 | 2024-01-24 | Canon Kk | Information processing device, monitoring method, program, and article manufacturing method |
| TWI832037B (en) * | 2020-03-04 | 2024-02-11 | 日商佳能股份有限公司 | Monitoring devices, monitoring methods, computer programs and article manufacturing methods used to monitor monitoring objects |
| JP7482651B2 (en) | 2020-03-04 | 2024-05-14 | キヤノン株式会社 | Information processing device, monitoring method, program, and article manufacturing method |
| JP7481897B2 (en) | 2020-05-12 | 2024-05-13 | 株式会社東芝 | Monitoring device, monitoring method, program, and model training device |
Also Published As
| Publication number | Publication date |
|---|---|
| JP7127305B2 (en) | 2022-08-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP6406261B2 (en) | Information processing apparatus and analysis method | |
| JP6774636B2 (en) | Abnormality analysis methods, programs and systems | |
| JP5901140B2 (en) | Methods, computer programs, and systems for interpolating sensor data for high system availability. | |
| JP6183450B2 (en) | System analysis apparatus and system analysis method | |
| US20050149297A1 (en) | Principal component analysis based fault classification | |
| US10228994B2 (en) | Information processing system, information processing method, and program | |
| KR101978569B1 (en) | Apparatus and Method for Predicting Plant Data | |
| JP6304767B2 (en) | SENSOR MONITORING DEVICE, SENSOR MONITORING METHOD, AND SENSOR MONITORING PROGRAM | |
| JP7068246B2 (en) | Abnormality judgment device and abnormality judgment method | |
| JP6887361B2 (en) | Monitoring target selection device, monitoring target selection method, and program | |
| JP6183449B2 (en) | System analysis apparatus and system analysis method | |
| CN112272763A (en) | Abnormality detection device, abnormality detection method, and abnormality detection program | |
| CN101657770B (en) | Machine condition monitoring using discontinuity detection | |
| JP2017130100A (en) | Information processing unit, information processing method and program | |
| CN114492629A (en) | Abnormality detection method, abnormality detection device, electronic apparatus, and storage medium | |
| JP2019159786A (en) | Information processing device, information processing method, and program | |
| JP6728830B2 (en) | Information processing device, information processing method, and program | |
| US20210055705A1 (en) | Abnormal-sound detection device and abnormal-sound detection method | |
| US20230297095A1 (en) | Monitoring device and method for detecting anomalies | |
| JP7128232B2 (en) | Factor analysis device and factor analysis method | |
| JP2019159365A (en) | State fluctuation detection apparatus and program for state fluctuation detection | |
| WO2020090715A1 (en) | Process management device, process management method, and process management program storage medium | |
| US20220413480A1 (en) | Time series data processing method | |
| US11892829B2 (en) | Monitoring apparatus, method, and program | |
| EP4379618A1 (en) | Computer implemented method for determining a quality result for input data of a data model |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210209 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20211115 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20211124 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220106 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220222 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220413 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220510 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220705 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20220719 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20220801 |
|
| R151 | Written notification of patent or utility model registration |
Ref document number: 7127305 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |