JP2020166442A - 情報処理装置、算出方法および算出プログラム - Google Patents
情報処理装置、算出方法および算出プログラム Download PDFInfo
- Publication number
- JP2020166442A JP2020166442A JP2019064979A JP2019064979A JP2020166442A JP 2020166442 A JP2020166442 A JP 2020166442A JP 2019064979 A JP2019064979 A JP 2019064979A JP 2019064979 A JP2019064979 A JP 2019064979A JP 2020166442 A JP2020166442 A JP 2020166442A
- Authority
- JP
- Japan
- Prior art keywords
- time
- series data
- calculation
- information processing
- group
- 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.)
- Pending
Links
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
Description
以下の実施の形態では、第1の実施形態に係る情報処理装置10の構成、情報処理装置10の処理の流れを順に説明し、最後に第1の実施形態による効果を説明する。
まず、図1を用いて、情報処理装置10の構成を説明する。図1は、第1の実施形態に係る情報処理装置の構成例を示すブロック図である。情報処理装置10は、例えば、工場やプラントなどの監視対象設備に設置されるセンサによって取得された複数のデータを収集し、収集された複数のデータを入力として、監視対象設備の異常を予測するための学習済モデル(計算モデル)を用いて、監視対象設備の異常度であるフレーム異常評価値を出力値として出力する。
次に、図11を用いて、第1の実施形態に係る情報処理装置10による処理手順の例を説明する。図11は、第1の実施形態に係る情報処理装置における算出処理の流れの一例を示すフローチャートである。
第1の実施形態に係る情報処理装置10は、処理対象に関する時系列データを取得し、取得された時系列データから所定の時間幅の時系列データを切り出すことによって得られる、時間幅がそれぞれ異なる複数の時系列データをそれぞれグループとして設定し、グループごとに、時系列データを入力値として利用するモデルの出力値に対する重要度に関するスコアを算出する。このため、情報処理装置10は、どの時間点までの時系列データが重要であるかを容易に把握することが可能である。例えば、個々のセンサの時間遅れを考慮したグループの様々な組み合わせのうち、どのグループが重要であるかを容易に把握することができる。
また、図示した各装置の各構成要素は機能概念的なものであり、必ずしも物理的に図示の如く構成されていることを要しない。すなわち、各装置の分散・統合の具体的形態は図示のものに限られず、その全部または一部を、各種の負荷や使用状況などに応じて、任意の単位で機能的または物理的に分散・統合して構成することができる。さらに、各装置にて行なわれる各処理機能は、その全部または任意の一部が、CPUやGPUおよび当該CPUやGPUにて解析実行されるプログラムにて実現され、あるいは、ワイヤードロジックによるハードウェアとして実現され得る。
また、上記実施形態において説明した情報処理装置が実行する処理をコンピュータが実行可能な言語で記述したプログラムを作成することもできる。例えば、実施形態に係る情報処理装置10が実行する処理をコンピュータが実行可能な言語で記述した算出プログラムを作成することもできる。この場合、コンピュータが算出プログラムを実行することにより、上記実施形態と同様の効果を得ることができる。さらに、かかる算出プログラムをコンピュータ読み取り可能な記録媒体に記録して、この記録媒体に記録された算出プログラムをコンピュータに読み込ませて実行することにより上記実施形態と同様の処理を実現してもよい。
11 通信処理部
12 制御部
12a 取得部
12b 前処理部
12c 予測部
12d 算出部
12e 出力部
13 記憶部
13a プロセスデータ記憶部
13b グループ情報記憶部
13c 重要度情報記憶部
Claims (6)
- 処理対象に関する時系列データを取得する取得部と、
前記取得部によって取得された時系列データから所定の時間幅の時系列データを切り出すことによって得られる、時間幅がそれぞれ異なる複数の時系列データをそれぞれグループとして設定し、前記グループごとに、前記時系列データを入力値として利用するモデルの出力値に対する重要度に関するスコアを算出する算出部と
を有することを特徴とする情報処理装置。 - 前記算出部は、前記時間幅が異なる時系列データとして、前記出力値の予測時点に最も近い時点までの第一の時間幅の時系列データと、前記出力値の予測時点に最も近い時点までの前記第一の時間幅よりも長い第二の時間幅の時系列データとを少なくとも含み、前記第一の時間幅の時系列データおよび前記第二の時間幅の時系列データをそれぞれグループとして設定し、前記グループごとに、前記出力値に対する重要度に関するスコアを算出することを特徴とする請求項1に記載の情報処理装置。
- 前記算出部によって算出された前記出力値に対する重要度に関するスコアを用いて、画像データを生成して画像データ出力する出力部をさらに有することを特徴とする請求項1に記載の情報処理装置。
- 前記取得部によって取得された時系列データを入力として、前記処理対象の状態を予測するための学習済モデルを用いて、所定の出力値を出力する予測部をさらに有することを特徴とする請求項1に記載の情報処理装置。
- 情報処理装置によって実行される算出方法であって、
処理対象に関する時系列データを取得する取得工程と、
前記取得工程によって取得された時系列データから所定の時間幅の時系列データを切り出すことによって得られる、時間幅がそれぞれ異なる複数の時系列データをそれぞれグループとして設定し、前記グループごとに、前記時系列データを入力値として利用するモデルの出力値に対する重要度に関するスコアを算出する算出工程と
を含んだことを特徴とする算出方法。 - 処理対象に関する時系列データを取得する取得ステップと、
前記取得ステップによって取得された時系列データから所定の時間幅の時系列データを切り出すことによって得られる、時間幅がそれぞれ異なる複数の時系列データをそれぞれグループとして設定し、前記グループごとに、前記時系列データを入力値として利用するモデルの出力値に対する重要度に関するスコアを算出する算出ステップと
をコンピュータに実行させることを特徴とする算出プログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019064979A JP2020166442A (ja) | 2019-03-28 | 2019-03-28 | 情報処理装置、算出方法および算出プログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019064979A JP2020166442A (ja) | 2019-03-28 | 2019-03-28 | 情報処理装置、算出方法および算出プログラム |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2020166442A true JP2020166442A (ja) | 2020-10-08 |
Family
ID=72714470
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019064979A Pending JP2020166442A (ja) | 2019-03-28 | 2019-03-28 | 情報処理装置、算出方法および算出プログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2020166442A (ja) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2013069568A1 (ja) * | 2011-11-08 | 2013-05-16 | インターナショナル・ビジネス・マシーンズ・コーポレーション | 時系列データ分析方法、システム及びコンピュータ・プログラム |
WO2017183066A1 (ja) * | 2016-04-18 | 2017-10-26 | 株式会社日立製作所 | ウインドウ評価方法および分析装置 |
-
2019
- 2019-03-28 JP JP2019064979A patent/JP2020166442A/ja active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2013069568A1 (ja) * | 2011-11-08 | 2013-05-16 | インターナショナル・ビジネス・マシーンズ・コーポレーション | 時系列データ分析方法、システム及びコンピュータ・プログラム |
WO2017183066A1 (ja) * | 2016-04-18 | 2017-10-26 | 株式会社日立製作所 | ウインドウ評価方法および分析装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7461440B2 (ja) | 根本的原因分析を実行してプラントワイド操業での希少イベントの発生の予測モデルを構築するコンピュータシステムおよび方法 | |
EP3809220B1 (en) | Method and system for semi-supervised deep anomaly detection for large-scale industrial monitoring systems based on time-series data utilizing digital twin simulation data | |
EP4127401B1 (en) | System and methods for developing and deploying oil well models to predict wax/hydrate buildups for oil well optimization | |
EP3795975A1 (en) | Abnormality sensing apparatus, abnormality sensing method, and abnormality sensing program | |
JP2016031714A (ja) | 重回帰分析装置および重回帰分析方法 | |
KR102493719B1 (ko) | 통합 공기질 예측 시스템 | |
Jahani et al. | Stochastic prognostics under multiple time-varying environmental factors | |
De Ketelaere et al. | Statistical process monitoring of time-dependent data | |
CN112128950B (zh) | 一种基于多种模型对比的机房温湿度预测方法及系统 | |
US11449781B2 (en) | Plant abnormality prediction system and method | |
JP2020166442A (ja) | 情報処理装置、算出方法および算出プログラム | |
JP2010049392A (ja) | Pidコントローラのチューニング装置、pidコントローラのチューニング用プログラムおよびpidコントローラのチューニング方法 | |
JP7139625B2 (ja) | 要因分析システム、要因分析方法およびプログラム | |
CN116340872A (zh) | 一种基于重构和预测联合确定异常的方法 | |
JP6871352B1 (ja) | 学習装置、学習方法および学習プログラム | |
JP6889207B2 (ja) | 学習装置、抽出装置、学習方法、抽出方法、学習プログラムおよび抽出プログラム | |
JP6995100B2 (ja) | 情報処理装置、算出方法および算出プログラム | |
JP6910997B2 (ja) | 情報処理装置、算出方法および算出プログラム | |
JP2021149590A (ja) | 学習装置、学習方法及び学習プログラム | |
JP7392895B1 (ja) | 運転支援装置、運転支援方法及びプログラム | |
CN117131465B (zh) | 单管塔损伤识别方法、装置、电子设备及可读存储介质 | |
Ilyasa et al. | Application to Predict the New Student’ s Score Using TIME Series Algorithm | |
CN117828435A (zh) | 数据段的分类方法 | |
JP2023009625A (ja) | 情報処理装置、情報処理方法及び情報処理プログラム | |
CN116194945A (zh) | 信息处理装置、信息处理方法和信息处理程序 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20200218 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20210205 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20210216 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210419 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20211012 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20211213 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20220510 |