JP2022134340A - 周辺機器、監視システム、監視方法及びプログラム - Google Patents

周辺機器、監視システム、監視方法及びプログラム Download PDF

Info

Publication number
JP2022134340A
JP2022134340A JP2021033406A JP2021033406A JP2022134340A JP 2022134340 A JP2022134340 A JP 2022134340A JP 2021033406 A JP2021033406 A JP 2021033406A JP 2021033406 A JP2021033406 A JP 2021033406A JP 2022134340 A JP2022134340 A JP 2022134340A
Authority
JP
Japan
Prior art keywords
unit
information
power
environment information
environment
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
Application number
JP2021033406A
Other languages
English (en)
Inventor
正太郎 成田
Shotaro Narita
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
NEC Corp
Original Assignee
NEC Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by NEC Corp filed Critical NEC Corp
Priority to JP2021033406A priority Critical patent/JP2022134340A/ja
Publication of JP2022134340A publication Critical patent/JP2022134340A/ja
Pending legal-status Critical Current

Links

Images

Classifications

    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
    • Y02E60/10—Energy storage using batteries

Landscapes

  • Alarm Systems (AREA)
  • Testing And Monitoring For Control Systems (AREA)
  • Emergency Alarm Devices (AREA)

Abstract

【課題】監視対象となる装置の監視により適した周辺機器、監視システム、監視方法及びプログラムを提供すること。【解決手段】実施の形態にかかる周辺機器１０は、監視対象の装置から給電を受ける電力受給部１１と、装置周辺の環境情報を取得する環境センサ１２と、環境情報を送信する送信部１３と、装置から電力受給部１１を介して給電を受けることにより充電される充電池１４を備え、環境センサ１２及び送信部１３は、電力受給部１１を介して給電を受けることができなくなった場合に、充電池１４からの放電電力によって動作する。【選択図】図１

Description

本発明は周辺機器、監視システム、監視方法及びプログラムに関する。
産業用途等のコンピュータについて、異常を検出する技術が開発されている。
例えば、特許文献１には、複数の類似装置についての予測モデルを生成し、この予測モデルに基づいて、新設の装置専用の予測モデルを生成する技術が記載されている。
特開２０１０－２８７０１１号公報
本開示の目的は、監視対象となる装置の監視により適した周辺機器、監視システム、監視方法及びプログラムを提供することである。
本実施形態にかかる一態様の周辺機器は、監視対象の装置から給電を受ける電力受給部と、前記装置周辺の環境情報を取得する環境センサと、前記環境情報を送信する送信部と、前記装置から前記電力受給部を介して給電を受けることにより充電される充電池と、を備え、前記環境センサ及び前記送信部は、前記電力受給部を介して給電を受けることができなくなった場合に、前記充電池からの放電電力によって動作する。
本実施形態にかかる一態様の監視システムは、監視対象の装置に対応して設けられる周辺機器と、前記周辺機器と通信を実行する監視サーバを備え、前記周辺機器は、前記装置から給電を受ける電力受給部と、前記装置周辺の環境情報を取得する環境センサと、前記環境情報を送信する送信部と、前記装置から前記電力受給部を介して給電を受けることにより充電される充電池と、を有し、前記環境センサ及び前記送信部は、前記電力受給部を介して給電を受けることができなくなった場合に、前記充電池からの放電電力によって動作し、前記監視サーバは、前記周辺機器から前記環境情報を受信する受信部と、前記装置の稼働状況を稼働情報として取得する稼働情報取得部と、前記稼働情報及び前記環境情報を用いて、前記装置の状態を判定する状態判定部と、を有する。
本実施形態にかかる一態様の監視方法は、監視対象の装置から給電を受けることにより充電池を充電する充電ステップと、前記装置から給電を受けることができなくなった場合に、前記充電池からの放電電力を用いて、前記装置周辺の環境情報を取得する環境情報取得ステップと、前記充電池からの放電電力を用いて、前記環境情報を送信する送信ステップを周辺機器が実行するものである。
本実施形態にかかる一態様のプログラムは、監視対象の装置から給電を受けることにより充電池を充電する充電ステップと、前記装置から給電を受けることができなくなった場合に、前記充電池からの放電電力を用いて、前記装置周辺の環境情報を取得する環境情報取得ステップと、前記充電池からの放電電力を用いて、前記環境情報を送信する送信ステップを監視方法として周辺機器に実行させるものである。
本開示によれば、監視対象となる装置の監視により適した周辺機器、監視システム、監視方法及びプログラムを提供することができる。
実施の形態１にかかる周辺機器のブロック図である。 実施の形態１にかかる周辺機器が実行する処理の一例を示すフローチャートである。 実施の形態１にかかる監視システムのブロック図である。 実施の形態１にかかる監視システムが実行する処理の一例を示すシーケンス図である。 実施の形態１にかかる予測装置のブロック図である。 実施の形態１にかかるＣＮＮモデル部のブロック図である。 実施の形態１にかかるＣＮＮモデル部が学習する教師データの一例を示すテーブルである。 実施の形態１にかかるＣＮＮモデル部が学習する教師データの一例を示すテーブルである。 実施の形態１にかかるＣＮＮモデル部が予測するデータの一例を示すテーブルである。 実施の形態１にかかる予測装置が実行する処理の一例を示すフローチャートである。 実施の形態１にかかる判定装置のブロック図である。 実施の形態１にかかる判定装置が実行する処理の一例を示すフローチャートである。 実施の形態１にかかる判定装置のブロック図である。 実施の形態１にかかる判定装置が実行する処理の一例を示すフローチャートである。 実施の形態２にかかる監視システムのブロック図である。 実施の形態２にかかるＵＳＢセンサのブロック図である。 実施の形態２において、一部のファクトリーコンピュータが異常終了した場合を示す監視システムのブロック図である。 実施の形態２において、接続されたファクトリーコンピュータが異常終了した場合を示すＵＳＢセンサのブロック図である。 実施の形態２にかかる監視サーバのブロック図である。 実施の形態２にかかるＵＳＢセンサのブロック図である。 実施の形態２にかかる監視サーバのブロック図である。 実施の形態２にかかるデータベースに格納された音データの例を示す図である。 実施の形態２にかかる類似度をプロットしたグラフの一例である。 実施の形態２にかかる監視サーバが実行する処理の一例を示すフローチャートである。 実施の形態２にかかる監視サーバが実行する処理の一例を示すフローチャートである。 各実施の形態にかかる装置のハードウェア構成の一例を示すブロック図である。
実施の形態１
（１Ａ）
以下、図面を参照して本開示の実施の形態１について説明する。この（１Ａ）では、コンピュータ等の監視対象となる装置に対応して設けられる周辺機器について説明する。
図１は、周辺機器の一例を示すブロック図である。周辺機器１０は、電力受給部１１、環境センサ１２、送信部１３及び充電池１４を備える。周辺機器１０の各部は、不図示の制御部（コントローラ）により制御される。以下、各構成要素について説明する。
電力受給部１１は、監視対象の装置（以下、対象装置と記載）から電力の供給を受ける部分である。電力受給部１１は、例えば物理的に周辺機器１０に接続されるコネクタであり、不図示の１台の対象装置のコネクタから電力受給部１１を抜き差しすることにより、周辺機器１０を対象装置から着脱することが可能である。なお、コネクタは、ＵＳＢポート、ＬＡＮ（Local Area Network）ポート等の端子が一例である。コネクタがＵＳＢポートである場合には、周辺機器はＵＳＢ（Universal Serial Bus）ペリフェラルのような、周辺機器接続用のペリフェラルバスによって対象装置に外付けで接続される機器となる。また、電力受給部１１を経由した対象装置からの給電により、後述の充電池１４の充電が可能となる。例えば、電力受給部１１がＬＡＮポートである場合は、対象装置は、ＰｏＥ（Power over Ethernet）により周辺機器１０に給電する。
ただし、電力受給部１１は、周辺機器１０と対象装置とを物理的に接続せず、対象装置から無線によって給電を受けても良い。この場合、電力受給部１１は、電磁誘導方式、磁界共鳴方式、電波受信方式、電界結合方式等の任意の方法で給電を受けることができる。
環境センサ１２は、対象装置周辺の環境情報を取得するセンサである。環境情報は、例えば、温度、湿度、加速度、振動（例えば衝撃）、音（例えば音圧）、気圧、風、照度、紫外光、ＶＯＣ（Volatile Organic Compounds）等の空気中のある物質の含有量といったものの少なくとも１つの検出値が挙げられるが、これらに限定されるものではない。これらのファクターは、短期又は長期の少なくともいずれかにおいて、対象装置の動作に影響を及ぼす可能性がある。
送信部１３は、環境センサ１２が取得した環境情報を送信するトランスミッタである。環境情報の送信先は、例えば、環境情報を用いて対象装置の状態（例えば動作状態）を判定する監視サーバであっても良い。この例では、送信部１３は、無線Ｒ１で環境情報を送信するが、有線による送信であっても良い。送信部１３が環境情報を送信するタイミングは、周期的であっても良いし、検出された環境情報に特徴がある場合に送信がなされるようにしても良い。環境センサ１２及び送信部１３は、通常、電力受給部１１を介して給電を受けることができる。
充電池１４は、対象装置から電力受給部１１を介して給電を受けることにより充電される。充電池１４は、少なくとも、環境センサ１２及び送信部１３に電力を供給することができる。特に、環境センサ１２及び送信部１３は、電力受給部１１を介して給電を受けることができなくなった場合に、充電池１４からの放電電力によって動作することができる。環境センサ１２及び送信部１３が電力受給部１１を介して給電を受けることができなくなった場合は、例えば、対象装置が異常終了等の異常な動作をした場合である。
図２は、周辺機器１０の代表的な処理の一例を示したフローチャートであり、このフローチャートによって、周辺機器１０の処理が説明される。まず、周辺機器１０は、対象装置との電力受給部１１を介して給電を受けることにより、充電池１４を充電する（ステップＳ１１）。
そして、給電を受けることができなくなった場合に、環境センサ１２は、充電池１４からの放電電力を用いて、対象装置周辺の環境情報を取得する（ステップＳ１２）。送信部１３は、充電池１４からの放電電力を用いて、その環境情報を送信する（ステップＳ１３）。周辺機器１０は、以上のように動作することができる。
このように、周辺機器１０は、対象装置が異常終了（例えばシステムダウン）したことによって給電が停止された状態であっても、充電池１４によって、環境情報の取得及び送信が可能となる。つまり、周辺機器１０は、対象装置の異常終了の前後の情報、すなわち、対象装置の異常を予測するための情報を正確に取得することができる。また、周辺機器１０は電力受給部１１によって対象装置からの電力供給を受けることができる。そのため、状態監視の機能を有していないコンピュータ等に対しても、専用のハードウェア又はデバイスドライバを事前に組み込ませる必要がなく、周辺機器１０を後付で設けることで、この機能を追加することができる。
また、この例では、１台の周辺機器１０が対応して設けられる対象装置は１台であるが、対象装置が複数台設けられ、１台の周辺機器１０がそれら複数台の対象装置に対応して設けられても良い。その場合、電力受給部１１は、複数台の対象装置の少なくともいずれか１台から電力の供給を受ける。環境センサ１２は、複数の対象装置周辺の環境情報を取得し、送信部１３は、複数の対象装置に関する環境情報を送信する。
なお、周辺機器１０は、環境情報を記憶する記憶部（ストレージ）をさらに備えても良い。送信部１３は、電力受給部１１を介して給電を受けている場合には、記憶部に記憶された環境情報を定期的なタイミングで送信する一方、電力受給部１１を介して給電を受けることができなくなった場合には、記憶部に記憶された環境情報を定期的なタイミングに関わらず送信しても良い。また、別の例として、周辺機器１０は、環境センサ１２が検出した環境情報の検出値が所定の閾値以上であるか否かを判定する判定部をさらに備えても良い。送信部１３は、その検出値が所定の閾値未満であることを判定部が判定した場合には、記憶部に記憶された環境情報を定期的なタイミングで送信する一方、検出値が所定の閾値以上であることを判定部が判定した場合には、記憶部に記憶された環境情報を定期的なタイミングに関わらず送信しても良い。
上述の「定期的なタイミングに関わらず送信する」とは、例えば、周辺機器１０が給電を受けることができなくなった場合、又は検出値が所定の閾値以上である場合に、送信のための本来の定期的なタイミングが到来していなくても、環境情報を送信することをいう。また、送信部の送信タイミングを短くする、すなわち、環境情報を送信する頻度を増加させることであっても良い。これにより、対象装置に異常が生じた場合、又は異常の予兆がある場合に、対象装置の異常を予測するための情報を確実に取得することができる。
送信部１３が環境情報を監視サーバに送信し、その後、周辺機器１０は、その監視サーバから、環境情報を送信する頻度を増加させる指示を受信した場合に、送信部１３が環境情報を送信する頻度を増加させるように制御しても良い。これにより、周辺機器１０は、監視サーバからの指示に応じて、対象装置の異常を予測するための情報を確実に取得することができる。
（１Ｂ）
次に、（１Ｂ）では、周辺機器１０及び監視サーバを備えた監視システムについて説明する。
図３は、監視システムの一例を示すブロック図である。監視システムＳ１は、周辺機器１０及び監視サーバ２０を備える。周辺機器１０の説明は、（１Ａ）で示した通りであるため、説明を省略する。監視サーバは、受信部（レシーバ）２１、稼働情報取得部２２及び状態判定部２３を備える。以下、この各構成要素について説明する。
受信部２１は、監視対象となる１又は複数の周辺機器１０から環境情報を受信する。つまり、監視サーバ２０は、周辺機器１０の送信部１３が環境情報を送信する送信先であり、この例では、周辺機器１０と無線で接続されている。しかしながら、監視サーバ２０は、周辺機器１０と有線で通信を実行することで、環境情報を取得しても良い。
稼働情報取得部２２は、受信部２１が環境情報を受信した１又は複数の対象装置に関して、その稼働状況を稼働情報として取得する。稼働状況は、対象装置が正常に稼働しているか否かを示す指標としての情報であり、例えば、対象装置の温度、装置内の電圧値、装置のファン回転数といったものの少なくとも１つの検出値が挙げられるが、これらに限定されるものではない。
稼働情報取得部２２は、無線又は有線により、１又は複数の対象装置に関する稼働情報を取得する。稼働情報取得部２２は、例えば対象装置からこの稼働情報を取得しても良いし、周辺機器１０等、他の装置からこの稼働情報を取得しても良い。周辺機器１０からこの稼働情報を取得する場合には、周辺機器１０は、電力受給部１１を介して稼働情報を取得する稼働情報部がさらに設けられる。
状態判定部２３は、受信部２１が受信した環境情報と、稼働情報取得部２２が取得した稼働情報を用いて、１又は複数の対象装置の状態を判定する。状態判定部２３は、例えば、稼働情報及び環境情報を用いて、対象装置が現在正常に稼働しているか否か（異常が発生しているか否か）を判定しても良い。他の例では、状態判定部２３は、稼働情報及び環境情報を用いて、異常の予兆があるか否か（すなわち、将来において稼働に異常が発生しそうか否か）を予測しても良い。状態判定部２３は、例えば機械学習等のＡＩ（Artificial Intelligence）によって、環境情報と稼働情報を教師データとして用いたモデルを生成することで、この予測をしても良い。この予測の詳細については後述する。状態判定部２３は、複数の対象装置の状態を判定する場合には、各対象装置の状態を個別に判定することができる。
図４は、監視システムＳ１の代表的な処理の一例を示したシーケンス図であり、このシーケンス図によって、監視システムＳ１の処理が説明される。まず、周辺機器１０の環境センサ１２は、給電を受けることができなくなった場合に、充電池１４からの放電電力を用いて、装置周辺の環境情報を取得する（ステップＳ２１）。そして、送信部１３は、充電池１４からの放電電力を用いて、取得した環境情報を監視サーバ２０に送信する（ステップＳ２２）。なお、ステップＳ２１の前に、充電池１４は、電力受給部１１から給電を受けることにより充電されている。この詳細については（１Ａ）で記載された通りである。
監視サーバの受信部２１は、ステップＳ２２で送信された環境情報を受信する（ステップＳ２３）。また、稼働情報取得部２２は、対象装置の稼働状況を稼働情報として取得する（ステップＳ２４）。なお、ステップＳ２４は、ステップＳ２３の前又は後のタイミングで実行されても良いし、ステップＳ２３と同じタイミングで実行されても良い。状態判定部２３は、ステップＤ２３、Ｓ２４でそれぞれ取得した環境情報と稼働情報を用いて、対象装置の状態を判定する（ステップＳ２５）。
（１Ａ）で示した通り、周辺機器１０は、対象装置の異常終了の前後の情報、すなわち、対象装置の異常を予測するための情報を正確に取得することができる。したがって、監視サーバ２０は、対象装置の異常を予測するための情報に基づいて、対象装置の状態をより精度よく判定することができる。
（１Ｃ）
以下、（１Ｃ）～（１Ｅ）では、対象装置の状態に関して予測又は判定を実行する装置の例について説明する。この装置は、（１Ｂ）の監視サーバ２０として適用されても良いし、それ以外の装置として適用されても良い。
図５は、予測装置の一例を示すブロック図である。予測装置３０は、取得部３１、予測モデル生成部３２及び予測部３３を備える。以下、この各構成要素について説明する。
取得部３１は、１台の対象装置の稼働状況を稼働情報として取得するとともに、その対象装置周辺の環境情報を取得する。稼働情報、環境情報については、（１Ａ）で説明した通りである。取得部３１は、稼働状況を対象装置から取得しても良いし、他の装置（例えば周辺機器）から取得しても良い。また、取得部３１は、環境状況を、対象装置に対応して設けられた周辺機器から取得しても良い。なお、取得部３１が取得した稼働情報及び環境情報は、予測装置３０内部の記憶部に格納されても良いし、予測装置３０外のＤＢ（データベース）等の記憶部に記憶されても良い。
予測モデル生成部３２は、取得部３１が取得したデータについて、所定の時間領域における少なくとも環境情報を含む説明変数と、その所定の時間領域直後のタイミングにおける少なくとも稼働情報を含む目的変数と、を変数のセットとして設定する。そして、予測モデル生成部３２は、その変数のセットにおけるタイムスロットを順にずらすことで定義される複数の変数のセットを教師データとして、稼働状況の予測モデルを生成する。予測モデル生成部３２は、記憶部に記憶された稼働情報及び環境情報を抽出して、この予測モデルを生成することができる。
予測部３３は、生成された予測モデル及び取得部３１で新たに取得された環境情報を用いて、対象装置の稼働状況を予測する。
予測装置３０の各部は、以上の処理を、複数の対象装置に関してそれぞれ実行しても良い。以下、予測モデル生成部３２、予測部３３の処理例の詳細について説明する。
図６は、予測モデル生成部３２が生成するモデルの構成の一例である、ＣＮＮ（Convolutional Neural Network）モデル部３２１を示す。ＣＮＮモデル部３２１は、入力データＶ１に基づいて出力データＶ２を出力する。後述するが、説明変数である入力データＶ１は５種類の環境情報を含み、その入力サイズは５＊Ｎである。なお、Ｎはタイムスロットの範囲であって、所定の時間領域（学習に用いられる過去データの範囲）を示す。また、目的変数である出力データＶ２は５種類の環境情報Ｖ２ａと１種類の稼働情報Ｖ２ｂを含むため、出力データＶ２の出力サイズは６である。環境情報Ｖ２ａは、所定の時間領域の次の時刻（直後）の環境情報の予測値であり、稼働情報Ｖ２ｂは、所定の時間領域の次の時刻（直後）の稼働情報の予測値である。また、各データのサイズは、以上に説明した場合に限られない。
ＣＮＮモデル部３２１は、計算のための畳み込み層３２１ａ及び全結合層３２１ｂを少なくとも有する。以下、各部について説明する。
畳み込み層３２１ａは、入力データＶ１における特徴量を抽出する層である。畳み込み層３２１ａは、畳み込みフィルタを有しているほか、必要に応じてＲｅＬＵ（Rectified Linear Unit）層を備えても良い。また、畳み込み層３２１ａは、後段（全結合層３２１ｂに接続される箇所）にプーリング層を備えても良い。このように、畳み込み層３２１ａは、畳み込み処理に必要な公知の任意の処理を実行することができる。
全結合層３２１ｂは、畳み込み層３２１ａが抽出した特徴量に基づいて、分類処理又は回帰処理を実行する。例えば、全結合層３２１ｂが稼働情報Ｖ２３ｂの予測をする場合には、稼働状況についての閾値を設定し、その閾値と、予測された稼働情報Ｖ２３ｂとの大小関係を判定することにより、稼働状態が正常か異常かを判定しても良い。また、全結合層３２１ｂが環境情報Ｖ２２ａの予測をする場合には、回帰処理を実行しても良い。全結合層３２１ｂは、全結合層それ自体だけでなく、必要に応じて、ＲｅＬＵ層、ドロップアウト層、バッチ正規化層、レイヤー正規化層等の少なくともいずれかの層を、１又は複数、さらに備えても良い。また、全結合層３２１ｂの中間層には、ａｕｘｉｌｉａｒｙ ｌｏｓｓを追加する目的で、１又は複数の出力層が設けられても良い。全結合層３２１ｂは、出力データＶ２として、環境情報Ｖ２ａと、稼働情報Ｖ２ｂを、不図示の出力層を介して出力する。
各畳み込み層３２１ａ、全結合層３２１ｂにおいて、モデルの層の数、活性化関数、最適化手法、エポック数等は、ユーザが自由に決定できるハイパーパラメータであっても良い。
ＣＮＮモデル部３２１は、実際に対象装置の稼働状況の予測をする前に、機械学習が実行される必要がある。以下、ＣＮＮモデル部３２１の学習時と運用時（すなわち予測実行時）の処理について説明する。
（学習時）
図７Ａ、７Ｂは、教師データとしてＣＮＮモデル部３２１に与えられるデータである。この教師データは、時刻Ｔ１～Ｔ８の各々について、温度、湿度、照度、音量及び振動を含む環境情報Ｅ１と、対象装置の稼働状況を含む。図７Ａの各時刻において、温度の情報はＴＨ１～ＴＨ８、湿度の情報はＨＵ１～ＨＵ８、照度の情報はＩＬ１～ＩＬ８、音量の情報はＶＯ１～ＶＯ８、振動の情報はＶＩ１～ＶＩ８で表されている。また、稼働状況は、０以上１以下の数値で表されており、稼働状況が１に近いほど対象装置の稼働が正常であり、０に近いほど対象装置の稼働が異常であることを示している。図７Ａ、７Ｂでは、単純化された例として、対象装置が正常稼働している場合に稼働状況として１が設定され、対象装置に異常が発生していた場合に稼働状況として０が設定されている。
まず、図７Ａに関する状況について説明する。この例では、ＣＮＮモデル部３２１は、説明変数である入力データＶ１１を用いて、環境情報Ｖ２１ａと稼働情報Ｖ２１ｂを含む出力データＶ２１を予測するモデルを学習する。詳細には、ＣＮＮモデル部３２１は、時刻Ｔ１～Ｔ４までの過去Ｎ（＝４）タイムスロットの環境情報の検出値から、次の時刻Ｔ５における環境情報Ｖ２１ａの検出値と稼働情報Ｖ２１ｂの値を予測するモデルの学習を行う。このとき、予測モデル生成部３２は、図７Ａのテーブルで示されたデータから、入力データＶ１１、環境情報Ｖ２１ａ及び稼働情報Ｖ２１ｂの範囲のデータを変数のセットとして抜き出し、ＣＮＮモデル部３２１の教師データとする。ＣＮＮモデル部３２１は、この教師データを用いて、予測された目的変数と、実際の教師データの中の目的変数に対して、例えば損失関数として二乗和誤差を用いる。データの各パラメータの正則化項としては、Ｌ１ノルム又はＬ２ノルムが用いられても良い。例えば、Ｌ１ノルムは、モデルにおける特徴量選択の用途において好ましい。ただし、損失関数や正則化項は、以上に例示したものに限られない。例えば、損失関数として、絶対値誤差、フーバー損失等の他の種類の損失関数が用いられても良い。
次に、図７Ｂに関する状況について説明する。この例では、ＣＮＮモデル部３２１は、説明変数である入力データＶ１２を用いて、環境情報Ｖ２２ａと稼働情報Ｖ２２ｂを含む出力データＶ２２を予測するモデルを学習する。入力データＶ１２、出力データＶ２２は、入力データＶ１１、出力データＶ２１から、タイムスロットが１時刻分ずれたものである。詳細には、ＣＮＮモデル部３２１は、時刻Ｔ２～Ｔ５までの過去Ｎ（＝４）タイムスロットでの環境情報の検出値から、次の時刻Ｔ６における環境情報Ｖ２２ａの検出値と稼働情報Ｖ２２ｂの値を予測するモデルの学習を行う。このとき、予測モデル生成部３２は、図７Ｂのテーブルで示されたデータから、入力データＶ１２、環境情報Ｖ２２ａ及び稼働情報Ｖ２２ｂの範囲のデータを変数のセットとして抜き出し、ＣＮＮモデル部３２１の教師データとする。ＣＮＮモデル部３２１は、この教師データを用いて、予測された目的変数と、実際の教師データの中の目的変数に対して、損失関数を用いる。この処理の詳細は、図７Ａに関する説明の通りである。
以下、予測モデル生成部３２は、入力データＶ１１、出力データＶ２１のそれぞれのタイムスロットを順に１時刻分ずらす設定をする。ＣＮＮモデル部３２１は、ずらすことにより得られた各入力データＶ１１、出力データＶ２１を教師データとして、上述と同様の処理を行う。この処理が教師データの全タイムスロットの範囲にわたり実行されることによって、予測モデル生成部３２は、ＣＮＮモデル部３２１におけるモデルの重みを更新し、予測モデルの精度を向上させる。
（運用時）
図７Ｃは、運用時にＣＮＮモデル部３２１に与えられるデータである。この教師データは、時刻Ｔ１１～Ｔ１４の各々について、温度、湿度、照度、音量及び振動を含む環境情報Ｅ１と、対象装置の稼働状況を含む。なお、時刻Ｔ１４は現在時刻であり、時刻Ｔ１５は、予測対象となる将来の時刻である。図７Ｃの各時刻において、温度の情報はＴＨ１１～ＴＨ１４、湿度の情報はＨＵ１１～ＨＵ１４、照度の情報はＩＬ１１～ＩＬ１４、音量の情報はＶＯ１１～ＶＯ１４、振動の情報はＶＩ１１～ＶＩ１４で表されている。また、稼働状況は、図７Ａ、７Ｂと同様、０以上１以下の数値で表されている。予測部３３は、図７Ｃのテーブルで示されたデータから、入力データＶ１３を抜き出して、ＣＮＮモデル部３２１の入力データとする。ここで、入力データＶ１３は、時刻Ｔ１１～Ｔ１４までのＮ（＝４）タイムスロットでの環境情報の検出値である。
図８は、予測装置３０の代表的な処理の一例を示したフローチャートである。まず、予測装置３０の取得部３１は、教師データとして、対象装置の稼働状況を稼働情報として取得するとともに、対象装置周辺の環境情報を取得する（ステップＳ３１）。次に、予測モデル生成部３２は、教師データを用いて予測モデルを生成する（ステップＳ３２）。例えば、予測モデル生成部３２は、上述のＣＮＮモデル部３２１を学習させることで、予測モデルを生成する。ここまでが予測モデルの学習ステップである。そして、予測部３３は、生成された予測モデルに、取得部３１で新たに取得された環境情報（例えば、現在の環境情報を含む）を入力させることで、将来の対象装置の稼働状況を予測する（ステップＳ３３）。
以上の例では、ＣＮＮモデル部３２１に説明変数である入力データＶ１３が入力されることで、ＣＮＮモデル部３２１は、環境情報Ｖ２３ａと稼働情報Ｖ２３ｂを含む出力データＶ２３（予測対象）を出力する。環境情報Ｖ２３ａは、次の時刻Ｔ１５の環境情報の検出値であり、稼働情報Ｖ２３ｂは、時刻Ｔ１５の振動状況の値である。予測装置３０は、以上のようにして、将来の環境情報及び稼働情報を予測する。
なお、予測装置３０は、予測結果に応じて、例えば以下のような処理を実行することができる。例えば、稼働情報Ｖ２３ｂが０である場合には、予測装置３０は、画像表示、音声等の通知が可能な通知部を介して、ユーザに対して「対象装置に異常が発生中」という警告を通知しても良い。また、稼働情報Ｖ２３ｂが０ではないが、所定の閾値Ｘ１（Ｘ１は０以上１未満）よりも小さい場合には、予測装置３０は、画像表示、音声等の通知が可能な通知部を介して、ユーザに対して「対象装置に異常の予兆あり」という警告を通知しても良い。
また、予測装置３０は、環境情報Ｖ２３ａを予測後、実際の環境情報Ｖ２３ａの検出値を取得部３１で取得したタイミングで、予測された環境情報Ｖ２３ａの値と実際の環境情報Ｖ２３ａの値とを比較し、それぞれについて差分を計算しても良い。一例として、５種類の環境情報のうち少なくともいずれか１つの差分値が、所定の閾値Ｘ２よりも大きな場合には、環境に急激な変化が発生していることが想定される。その場合に、予測装置３０は通知部を介して、ユーザに対して「対象装置に異常の予兆あり」という警告を通知しても良い。
予測装置３０は、以上に示したように、説明変数と目的変数についてタイムスロットを順に１つずつずらすことで定義される変数のセットを複数設定し、この複数の変数のセットを教師データとして、稼働状況の予測モデル（ＣＮＮモデル部３２１）を生成する。そして、生成された予測モデル及び取得部３１で新たに取得された環境情報Ｖ１３を用いて、対象装置の稼働状況Ｖ２３ｂを予測する。この処理により、予測装置３０は、対象装置の稼働状況Ｖ２３ｂを精度良く予測することができる。
この稼働状況の予測モデルを予測装置３０が精度良く生成するためには、「どのような状況で対象装置がダウンしたか」という情報を精度良く取得することが好ましい。そこで、予測装置３０を（１Ｂ）に示した監視サーバ２０に適用すると、周辺機器１０から対象装置がダウンした時の環境情報を予測装置３０が取得できるため、予測装置３０が予測モデルを精度良く生成することができる。したがって、予測装置３０を、より効果的に運用することができる。
特に、対象装置が工場内に設けられたコンピュータである場合には、製品製造等に伴い、対象装置が何らかの処理を繰り返し実行することが予想される。それに伴い、環境情報の値の変動が周期的になることが予測される。ＣＮＮは、このような周期的なデータの変動を検出するのに適している。予測装置３０は、このような周期的な処理を監視し、上述の通り、対象装置の異常を発見した段階で、工場の作業員に異常を通知することができる。データの周期性は、例えば、数十秒～数時間の単位であり、予測装置３０は、そのような周期性が含まれる直近のデータを教師データとして用いることで、対象装置の異常の予兆を検出しても良い。
また、予測装置３０は、予測対象である目的変数として、所定の時間領域直後のタイミングにおける環境情報を含んでも良い。これにより、予測装置３０は、上述の通り、環境に異常が発生している可能性を判定できるため、対象装置の異常を検出できる可能性を高めることができる。ただし、予測装置３０は、予測対象である目的変数として、所定の時間領域直後のタイミングにおける稼働情報を含むが、環境情報を含んでいなくても良い。
（１Ｄ）
図９は、判定装置の一例を示すブロック図である。判定装置４０は、複数の対象装置を監視するものであり、受信部（トランスミッタ）４１、稼働情報取得部４２、記憶部（ストレージ）４３、状態判定部４４及び指示出力部４５を備える。以下、この各構成要素について説明する。
受信部４１は、複数の対象装置の各々に対応して設けられた複数の周辺機器から、複数の装置周辺の環境情報を受信する。なお、周辺機器は、（１Ａ）に示された周辺機器１０であっても良いし、充電池を有さない公知の環境センサであっても良い。また、周辺機器は、環境情報を無線で送信しても良いし、有線で送信しても良い。
なお、各周辺機器は、自身を識別するための識別情報を、環境情報とともに送信する。判定装置４０は、予め内部に記憶された各周辺機器の識別情報と照合することにより、どの周辺機器から環境情報が送信されたか（すなわち、どの対象装置に関する環境情報が送信されたか）を判定する。
稼働情報取得部４２は、無線又は有線により、複数の装置の各々の稼働状況を稼働情報として取得する。稼働情報取得部２２は、例えば対象装置からこの稼働情報を取得しても良いし、周辺機器１０等、他の装置からこの稼働情報を取得しても良い。
記憶部４３は、複数の対象装置のうち類似した環境下にある第１の装置と、第１の装置とは別の第２の装置とを関連付けて記憶する。なお、「類似した環境」は、例えば、第１の装置と第２の装置周辺の環境において、温度、湿度、加速度、振動、音、気圧、風、照度、紫外光、ＶＯＣ等の空気中のある物質の含有量のうち、周辺機器で検出される少なくとも１つの検出値に関する差分が所定の閾値以下であることを意味しても良い。
また、「類似した環境」の他の例として、複数の対象装置がある場所に設けられている場合に、複数の対象装置のうち、第１の装置と第２の装置が互いに最近接している場合を意味しても良い。さらに別の例として、複数の対象装置が工場に設けられている場合に、第１の装置と第２の装置がライン上の同じ工程処理を実施する場合を意味しても良い。このような場合でも、第１の装置と第２の装置の周辺環境が類似したものになると想定される。
状態判定部４４は、稼働情報取得部４２が取得した稼働情報及び受信部４１が取得した環境情報を用いて、第１の装置の異常の有無を判定する。状態判定部４４は、例えば、稼働情報及び環境情報を用いて、対象装置が現在正常に稼働しているか否かを判定することで、異常の有無を判定しても良い。他の例では、状態判定部４４は、稼働情報及び環境情報を用いて、異常の予兆があるか否か（すなわち、将来において稼働に異常が発生しそうか否か）を予測し、異常の予兆がある場合に、異常があると判定しても良い。例えば、状態判定部２３は、（１Ｃ）に示した通り、環境情報と稼働情報を教師データとして用いたモデルを生成することで、この予測をしても良い。
指示出力部４５は、状態判定部４４によって第１の装置が異常を有すると判定された場合に、次のいずれかの指示を少なくとも出力する。すなわち、第２の装置に対応して設けられる周辺機器に対して、環境情報を送信する頻度を増加させる指示を出力すること、及び、第２の装置に対して処理を停止させる指示を出力することである。なお、処理の停止とは、オペレータからの指示がない限り第２の装置が処理を実行しないことを意味しても良いし、第２の装置が処理を所定の期間停止し、所定の期間が経過後、処理を再開することを意味しても良い。指示出力部４５は、記憶部４３を参照し、状態判定部４４によって判定された第１の装置に第２の装置が関連付けられていることを把握することで、第１の装置以外に注意が必要な対象が第２の装置であることを認識する。
なお、指示出力部４５は、上記の処理と並行して、第１の装置に対応して設けられる周辺機器に対して、環境情報を送信する頻度を増加させる指示を出力すること、及び、第１の装置に対して処理を停止させる指示を出力することの少なくともいずれかを実行しても良い。また、指示の出力先であるこれらの装置又は周辺機器の宛先については、例えば、記憶部４３に格納されていても良い。指示出力部４５は、この情報を参照することにより、指示を出力することができる。
図１０は、判定装置４０の代表的な処理の一例を示したフローチャートである。まず、判定装置４０の受信部４１は、複数の周辺機器から、複数の装置周辺の環境情報を受信する（ステップＳ４１）。また、稼働情報取得部４２は、複数の装置の各々の稼働状況を稼働情報として取得する（ステップＳ４２）。なお、ステップＳ４２は、ステップＳ４１の前又は後のタイミングで実行されても良いし、ステップＳ４１と同じタイミングで実行されても良い。
状態判定部４４は、稼働情報取得部４２が取得した稼働情報及び受信部４１が取得した環境情報を用いて、第１の装置の異常の有無を判定する（ステップＳ４３）。第１の装置に異常がある場合には（ステップＳ４３のＹｅｓ）、指示出力部４５は、第２の装置に対して、上述に記載の指示を出力する（ステップＳ４４）。一方、第１の装置に異常がない場合には（ステップＳ４３のＮｏ）、指示出力部４５は、第２の装置に対して指示を出力しない。
上述の通り、第１の装置と第２の装置とは類似した環境下にある。したがって、第１の装置に異常が判定された場合、類似した環境下にある第２の装置にも異常が生じている、又は将来生ずる可能性がある可能性が考えられる。したがって、指示出力部４５は、その可能性に対応した処理を実行することができる。例えば、指示出力部４５が、第２の装置に対応して設けられる周辺機器に対して、環境情報を送信する頻度を増加させる指示を出力することにより、その周辺機器は、環境情報を送信する頻度を増加させる。これにより、判定装置４０は、第２の装置周辺における異常に関連するデータをより確実に取得することができる。また、指示出力部４５が、第２の装置に対して処理を停止させる指示を出力することで、第２の装置に異常が発生している場合に第２の装置が実行する処理の不具合を抑制することや、第２の装置に異常の予兆が発生している場合に実際に異常が発生することを抑制することができる。
（１Ｅ）
図１１は、判定装置の一例を示すブロック図である。判定装置５０は、対象装置を監視するものであり、取得部５１、パワースペクトル算出部５２、類似度算出部５３及び判定部５４を備える。以下、この各構成要素について説明する。
取得部５１は、１台の対象装置の状態を、音及び振動の少なくともいずれかに関する状態情報として取得する。対象装置は、例えばＨＤＤ（Hard Disk Drive）やファン等、比較的大きな音を発する部品を有し、判定装置５０は、その部品の異常検出に用いられることができる。取得部５１は、稼働状況を対象装置から取得しても良いし、対象装置に対応して設けられ、音圧センサや振動センサ等を有する周辺機器等、他の装置から取得しても良い。この周辺機器の例として、（１Ａ）に記載された周辺機器１０が挙げられる。
パワースペクトル算出部５２は、取得部５１が取得した状態情報についてのパワースペクトルを、３以上の異なる複数のタイミングにおいてそれぞれ算出する。このタイミングは、任意の時間間隔であって良い。例えば、タイミングは、数週間、１～数か月、数年単位といった比較的長期の間隔であっても良い。後述の通り、判定装置５０は、対象装置の異常だけでなく、経年劣化を判定しても良いからである。ただし、タイミングは、数十秒～数時間といった短期の時間間隔であっても良い。
類似度算出部５３は、第１のタイミングでのパワースペクトルと、第２のタイミングでのパワースペクトルとの類似度、及び、第１のタイミングでのパワースペクトルと、第３のタイミングでのパワースペクトルとの類似度を少なくとも算出する。第１のタイミングは、例えば複数のタイミング中で直近のタイミングであっても良いが、それ以外のタイミングであっても良い。また、類似度算出部５３は、第１のタイミング以外の全てのタイミングでのパワースペクトルについて、第１のタイミングでのパワースペクトルとの類似度をそれぞれ算出しても良い。類似度算出部５３は、第１のタイミングでのパワースペクトル同士の類似度の値を設定（例えば１に設定）し、それを、上述の通り算出された各類似度の比較のために用いても良い。
判定部５４は、類似度算出部５３が算出した複数の類似度を用いて、対象装置の稼働状況（特に劣化状態）を判定する。例えば、判定部５４は、異なる類似度（すなわち、異なるタイミングでのパワースペクトルに関する類似度）を比較した場合の両者の差分が所定の閾値以上である場合に、対象装置に不具合が生じたと判定しても良い。なお、不具合とは、装置が所望の処理を実行できないといった故障の事象だけでなく、装置が所望の処理を実行可能であるが、対象装置における音又は振動が、正常な場合（例えば初期状態）と異なる場合も含む。その他の判定の例については、実施の形態２の（２Ｂ）で後述する。
判定装置５０の各部は、以上の処理を、複数の対象装置に関してそれぞれ実行しても良い。
図１１は、判定装置５０の代表的な処理の一例を示したフローチャートである。まず、判定装置５０の取得部５１は、音及び振動の少なくともいずれかに関する状態情報を取得する（ステップＳ５１）。パワースペクトル算出部５２は、状態情報についてのパワースペクトルを、３以上の異なる複数のタイミングにおいてそれぞれ算出する（ステップＳ５２）。
類似度算出部５３は、パワースペクトル同士の類似度を複数算出する（ステップＳ５３）。判定部５４は、算出された複数の類似度を用いて、対象装置の稼働状況を判定する（ステップＳ５４）。
以上の処理により、判定装置５０は、対象装置の状態（例えば部品の状態）を、音及び振動の少なくともいずれかのデータに基づいて、精度良く判定することができる。
以上に示した実施の形態１における（１Ａ）～（１Ｅ）は、適宜組み合わせて用いられることができる。実施の形態２では、そのような具体例について説明する。
実施の形態２
（２Ａ）
以下、図面を参照して本開示の実施の形態について説明する。（２Ａ）では、上述の実施の形態１の（１Ｂ）～（１Ｄ）を組み合わせた例について説明する。
図１３は、（２Ａ）に係る監視システムの一例を示すブロック図である。監視システムＳ２は、工場に設けられ、複数台（この例では３台）の周辺機器であるＵＳＢセンサ１００及び１台の監視サーバ２００を備える。ＵＳＢセンサ１００Ａ、１００Ｂ、１００Ｃは、ＵＳＢペリフェラルであり、それぞれの対象装置であるファクトリーコンピュータＦＣ１、ＦＣ２、ＦＣ３に接続されている。以下、ＵＳＢセンサ１００Ａ～１００Ｃを総称してＵＳＢセンサ１００と記載し、ファクトリーコンピュータＦＣ１～ＦＣ３を総称してコンピュータＦＣと記載する。
なお、図１３において、コンピュータＦＣから監視サーバ２００に向けた実線の矢印は、コンピュータＦＣが自身の稼働情報を監視サーバ２００に出力していることを示す。また、ＵＳＢセンサ１００から監視サーバ２００に向けた破線の矢印は、ＵＳＢセンサ１００が環境情報を監視サーバ２００に無線で送信していることを示す。
図１４は、（２Ａ）に係るＵＳＢセンサの一例を示すブロック図である。ＵＳＢセンサ１００は、接続部１０１、コントローラ１０２、不揮発性保存領域１０３、照度センサ１０４、衝撃・振動センサ１０５、温度・湿度センサ１０６、無線通信モジュール１０７及び充電池１０８を備える。ＵＳＢセンサ１００の各部は、コントローラ１０２により制御される。以下、各構成要素について説明する。
接続部１０１は、（１Ａ）の電力受給部１１に対応する部分であり、対象装置であるコンピュータＦＣのＵＳＢポートに挿入されることで、コンピュータＦＣと周辺機器１０とを接続し、コンピュータＦＣから電力の供給を受ける。
コントローラ１０２は、プロセッサで構成されており、不揮発性保存領域１０３に格納されたソフトウェアモジュール群を読みだして実行することにより、ＵＳＢセンサ１００の各部に対し、後述の処理を実行させる。また、コントローラ１０２は、照度センサ１０４、衝撃・振動センサ１０５、温度・湿度センサ１０６、無線通信モジュール１０７に対して電力を供給する。
なお、コントローラ１０２は、コンピュータＦＣから接続部１０１を介して給電を受けられる場合には、図１４に示したように、コンピュータＦＣから電力が供給されることにより、動作する。一方、コンピュータＦＣから給電を受けられない場合には、充電池１０８から電力が供給されることにより、動作する。
不揮発性保存領域１０３には、コントローラ１０２が実行するソフトウェアモジュール群のほか、照度センサ１０４、衝撃・振動センサ１０５、温度・湿度センサ１０６で検出された検出値が記憶される。この検出値のデータは、コントローラ１０２によって格納されるほか、コントローラ１０２から読みだされることもできる。不揮発性保存領域１０３は、任意の種類の不揮発性保存領域で構成されて良いが、ＳＳＤ（Solid State Drive）がその一例として挙げられる。
照度センサ１０４は、対象装置であるコンピュータＦＣ周辺の照度を検出するセンサであり、検出値をコントローラ１０２に出力する。衝撃・振動センサ１０５は、コンピュータＦＣ周辺の振動（特に衝撃）を検出するセンサであり、検出値をコントローラ１０２に出力する。温度・湿度センサ１０６は、コンピュータＦＣ周辺の温度及び湿度を検出するセンサであり、検出値をコントローラ１０２に出力する。以上の各センサは、（１Ａ）の環境センサ１２に対応する部分である。コントローラ１０２は、各センサが出力した検出値（環境情報）を不揮発性保存領域１０３に格納する。
無線通信モジュール１０７は、（１Ａ）の送信部１３に対応する部分であり、不揮発性保存領域１０３に格納された環境情報をコントローラ１０２から取得し、その環境情報を無線で監視サーバ２００に送信する。無線通信モジュール１０７は、例えば、ＬＰＷＡ(Low Power Wide Area)の通信方式により通信を実行することができる。
コントローラ１０２は、不揮発性保存領域１０３に格納された環境情報を定期的（周期的）に、監視サーバ２００に送信させる。コントローラ１０２は、環境情報を送信後、次に環境情報を送信するまでの期間に各センサが取得した環境情報を不揮発性保存領域１０３に格納させ、次に環境情報を送信する時に、その格納された環境情報を送信させる。環境情報を送信する周期は、１分、１０分等、任意の周期を採用することができる。また、送信に際しては、コントローラ１０２は、ＵＳＢセンサ１００の識別情報を、環境情報とともに送信する。
充電池１０８は、（１Ａ）の充電池１４に対応する部分である。充電池１０８は、コンピュータＦＣから接続部１０１を介して給電を受けられる場合には、図１４に示したように、コンピュータＦＣから電力が供給されることにより、充電される。一方、コンピュータＦＣから給電を受けられない場合には、充電された電力をコントローラ１０２に供給する。コントローラ１０２は、この電力を各センサ１０４～１０６及び無線通信モジュール１０７に対して供給する。つまり、充電池１０８は、コンピュータＦＣが異常終了等の異常な動作をした後でも、所定の期間、各センサで環境情報を取得して無線で送信することができるように、コントローラ１０２に電力を供給する。この所定の期間は、監視サーバ２００が環境情報に基づいて精度の良い予測モデルを生成するために十分な期間であり、例えば数分間といった期間である。
図１５は、図１３における監視システムＳ２において、コンピュータＦＣ３が異常終了した場合の状態を示す。コンピュータＦＣ３は、異常終了しているため、監視サーバ２００に対して、自身の稼働情報を送信できない。しかしながら、ＵＳＢセンサ１００Ｃは、所定の期間、コンピュータＦＣ３周辺の環境情報を取得し、送信することができる。
図１６は、図１５におけるＵＳＢセンサ１００Ｃの状態を示すブロック図である。上述の理由で、ＵＳＢセンサ１００Ｃは、コンピュータＦＣ３から給電を受けられない。しかしながら、ＵＳＢセンサ１００Ｃ内の充電池１０８がコントローラ１０２に給電することにより、ＵＳＢセンサ１００Ｃの環境情報の取得及び送信を可能にしている。
なお、コントローラ１０２は、故障判定部として機能することもできる。具体的には、コントローラ１０２は、コンピュータＦＣからの給電が途絶えた、又は電力供給が不安定になったことを検出し、その場合に、コンピュータＦＣに異常が発生したと判定しても良い。また、コントローラ１０２は、照度センサ１０４～温度・湿度センサ１０６の少なくともいずれかのセンサが検出した環境情報の検出値が所定の閾値以上になったことを検出し、その場合に、コンピュータＦＣに異常の予兆があると判定しても良い。例えば、衝撃・振動センサ１０５が所定の閾値以上の衝撃を検出した（つまり、爆発を検出した）ような場合が該当する。以上のような場合には、（１Ａ）に記載した通り、コントローラ１０２は、不揮発性保存領域１０３に記憶された環境情報を、定期的なタイミングに関わらず送信することができる。例えば、コントローラ１０２は、上述のような事象を検出した時点で環境情報を送信することができる。
次に、監視サーバ２００の詳細について説明する。図１７は、監視サーバ２００の一例を示すブロック図である。監視サーバ２００は、その外部に接続されたデータベースＤＢと接続されており、データベースＤＢと情報の入出力が可能である。ただし、データベースＤＢは、監視サーバ２００内部に設けられていても良い。監視サーバ２００は、受信部２０１、学習部２０２、モデル保存部２０３、推論部２０４及び通知部２０５を備える。以下、この各構成要素について説明する。
受信部２０１は、（１Ｃ）の取得部３１に対応するものであり、ＵＳＢセンサ１００から無線Ｒ２で送信された環境情報と、コンピュータＦＣから送信された稼働情報を受信する。なお、ＵＳＢセンサ１００は定期的に環境情報を送信するため、受信部２０１は、定期的に新たな環境情報を受信する。
受信部２０１は、監視サーバ２００内部に記憶された各ＵＳＢセンサ１００の識別情報と照合することにより、どのＵＳＢセンサ１００から環境情報が送信されたか（すなわち、どのコンピュータＦＣに関する環境情報が送信されたか）を判定する。また、コンピュータＦＣから送信された稼働情報には、コンピュータＦＣにより自身を識別するための識別情報が付されている。受信部２０１は、監視サーバ２００内部に記憶された各コンピュータＦＣの識別情報と照合することにより、どのコンピュータＦＣから環境情報が送信されたかを判定する。受信部２０１は、このようにして特定したあるコンピュータＦＣについての環境情報、稼働情報を、特定したコンピュータＦＣの識別情報と関連付けて、学習用データとしてデータベースＤＢに格納させる。
学習部２０２は、（１Ｃ）の予測モデル生成部３２に対応するものであり、あるコンピュータＦＣについて、そのコンピュータＦＣの識別情報を用いて、データベースＤＢに格納された環境情報と稼働情報を読みだし、教師データを生成する。そして、この教師データを用いて、各コンピュータＦＣに関する予測モデルを生成する。この処理の詳細は（１Ｃ）に記載の通りである。なお、学習部２０２の処理は、監視サーバ２００を操作するオペレータの指示によってなされても良いし、監視サーバ２００が自動で実行しても良い。例えば、あるコンピュータＦＣについて、学習部２０２は、前回の予測モデルを生成又は更新してから所定の期間が経過した後に、前回以降にデータベースＤＢに格納されたそのコンピュータＦＣに関するデータを用いて、予測モデルを更新しても良い。
モデル保存部２０３は、学習部２０２が生成した各コンピュータＦＣの予測モデルを、そのコンピュータＦＣの識別情報と関連付けて保存する。なお、モデル保存部２０３に保存された予測モデルは、学習部２０２がその予測モデルについて更新したものを生成した場合には、学習部２０２が生成したものに更新される。また、モデル保存部２０３は、監視サーバ２００内部でなく、外部に設けられても良い。
推論部２０４は、（１Ｃ）の予測部３３に対応するものである。推論部２０４は、あるコンピュータＦＣについて、受信部２０１が新たな環境情報を受信したタイミングで、そのコンピュータＦＣの識別情報に関連付けられた予測モデルをモデル保存部２０３から取得する。推論部２０４は、その予測モデルに、新たに取得した環境情報を説明変数として入力させることによって、目的変数である将来の環境情報及び稼働情報の予測値を取得する。この処理の詳細は（１Ｃ）に記載の通りである。そして、推論対象のコンピュータＦＣに関する異常又は異常の予兆の有無を示す情報を、通知部２０５に出力する。推論部２０４は、各ＵＳＢセンサ１００について新たな環境情報を受信したタイミングで、対応するコンピュータＦＣ毎に、この処理を実行する。また、推論部２０４は、推論結果を、事前にデータベースＤＢに格納された推論対象のコンピュータＦＣに関するデータと関連付けて、データベースＤＢに格納しても良い。
通知部２０５は、推論部２０４から出力された情報に基づいて、表示、音声の少なくともいずれかによって、コンピュータＦＣの異常又は異常の予兆の有無を通知する。通知部２０５は、例えばディスプレイ、スピーカ等を有する。また、通知部２０５は、異常又は異常の予兆が判定されたコンピュータＦＣに対して、そのコンピュータＦＣに異常又は異常の予兆があることを通知させる指示を出力しても良い。さらに、必要な場合には、通知部２０５は、そのコンピュータＦＣの処理を停止させる指示を出力しても良い。
また、推論部２０４は、不定期なタイミングで受信部２０１が環境情報を受信した場合に、どのＵＳＢセンサ１００から、どのような内容の情報が送信されたかを判定し、それを通知部２０５によってオペレータに通知しても良い。例えば、衝撃・振動センサ１０５が所定の閾値以上の強い衝撃を検出したことによってＵＳＢセンサ１００が環境情報を送信した場合には、推論部２０４は、その環境情報から、強い衝撃が検出されたことを判定する。また、温度・湿度センサ１０６が所定の閾値以上の高温を検出したことによってＵＳＢセンサ１００が環境情報を送信した場合には、推論部２０４は、その環境情報から、高温が検出されたことを判定する。推論部２０４は、この判定に関する情報を通知部２０５に出力する。通知部２０５は、推論部２０４から出力された情報に基づいて、表示、音声の少なくともいずれかによって、この判定に関する情報を通知する。
以上に記載の通り、ＵＳＢセンサ１００はコンピュータＦＣのＵＳＢポートに挿入されているため、通常時はコンピュータＦＣから常に給電されている。そのため、ＵＳＢセンサ１００は、通常時には電力を使わずにすむため、コンピュータＦＣがシステムダウン等した場合に動作する電力を充電池１０８に蓄えることができる。また、コンピュータＦＣがシステムダウンした場合（特に給電が途絶えた後）でも、環境情報を取得し、送信することができる。
監視サーバ２００は、各ＵＳＢセンサ１００から送られてきた情報を集約し、解析することによって、コンピュータＦＣに異常又は異常の予兆がないかを判定することができる。また、異常又は異常の予兆を検出した場合は、監視サーバ２００は、通知部２０５によって、コンピュータＦＣのメンテナンスに必要な処理を実行することができる。
なお、モデル保存部２０３は、類似した環境下にある複数のコンピュータＦＣを関連付けて記憶しても良い。類似した環境の定義は、（１Ｄ）に記載の通りである。以下、類似した環境下にある２台のコンピュータＦＣを、Ｃ１、Ｃ２とする。推論部２０４は、この情報を用いて、モデル保存部２０３が保存したＣ１の予測モデルを、類似した環境下にあるＣ２に対して流用することで、学習時間の削減を図ることができる。つまり、推論部２０４は、Ｃ１の予測モデルに、新たに取得したＣ２の環境情報を入力させることで、Ｃ２の異常に関する判定を実行することができる。もちろん、Ｃ１とＣ２を逆にした処理も可能である。
さらに、推論部２０４は、Ｃ１の予測モデルに、新たに取得したＣ１の環境情報を入力させた推論結果１のほか、Ｃ２の予測モデルに、新たに取得したＣ１の環境情報を入力させた推論結果２を導出しても良い。推論部２０４は、両者を参照して、Ｃ１に異常又は異常の予兆が発生していないか否かを判定することができる。例えば、推論結果１に異常が発生していなくても、推論結果２に異常が発生している場合、推論部２０４は、Ｃ１に異常が発生していると判定することができる。
（２Ｂ）
（２Ｂ）では、（１Ｂ）に（１Ｅ）を組み合わせた例について説明する。（２Ｂ）に係る監視システムの全体構成は、（２Ａ）の図１３について説明した通りであるため、説明を省略する。
図１８は、（２Ｂ）におけるＵＳＢセンサの一例を示すブロック図である。このＵＳＢセンサ１００は、ＵＳＢセンサ１００と比較すると、照度センサ１０４の代わりに音センサ１０９を備える。
音センサ１０９は、対象装置であるコンピュータＦＣ周辺の音（例えば音圧）を検出するセンサであり、検出値をコントローラ１０２に出力する。コントローラ１０２は、他のセンサが出力した検出値と同様に、音センサ１０９の検出値を環境情報として不揮発性保存領域１０３に格納する。コントローラ１０２は、定期的（周期的）に、無線通信モジュール１０７を用いてこの格納された環境情報を監視サーバ２００に送信する。なお、音センサ１０９以外の（２Ｂ）におけるＵＳＢセンサ１００の構成は、（２Ａ）と同じであるため、説明を省略する。
次に、（２Ｂ）における監視サーバ２００の詳細について説明する。図１９は、監視サーバ２００の一例を示すブロック図である。監視サーバ２００は、その外部に接続されたデータベースＤＢと接続されており、データベースＤＢと情報の入出力が可能である。ただし、データベースＤＢは、監視サーバ２００内部に設けられていても良い。監視サーバ２００は、受信部２１１、パワースペクトル算出部２１２、類似度算出部２１３、判定部２１４及び通知部２１５を備える。以下、この各構成要素について説明する。
受信部２１１は、受信部２０１と同様の処理を実行することにより、受信した環境情報がどのコンピュータＦＣについての環境情報であるかを特定し、その環境情報を、学習用データとしてデータベースＤＢに格納させる。この処理の詳細は（２Ａ）に記載の通りである。なお、ここでは詳述しないが、受信部２１１は、稼働情報をコンピュータＦＣから取得し、そのデータも学習用データとしてデータベースＤＢに格納しても良い。
図２０は、ＤＢに格納されたコンピュータＦＣ１の音データの例を示す図である。ＤＢには、コンピュータＦＣ１について、現在の音データＤ０、１か月前の音データＤ１、２か月前の音データＤ２、・・・Ｎか月前の音データＤＮが格納されている。これらの音データＤは、ＵＳＢセンサ１００Ａから受信したものである。監視サーバ２００は、このデータを用いて、コンピュータＦＣ１について１か月間隔で監視を行う。
パワースペクトル算出部２１２は、（１Ｅ）におけるパワースペクトル算出部５２に対応しており、データベースＤＢに格納された各音データＤをフーリエ変換して、周波数に関するパワースペクトル（周波数特性）をそれぞれ算出する。
類似度算出部２１３は、（１Ｅ）における類似度算出部５３に対応する。具体的には、類似度算出部２１３は、現在の音データＤ０のパワースペクトル（直近のタイミングでのパワースペクトル）Ｐ０と、１か月前の音データＤ１のパワースペクトルＰ１を選択し、その２つの類似度Ｒ１を算出する。同様に、類似度算出部２１３は、パワースペクトルＰ０と、２か月前の音データＤ２のパワースペクトルＰ２を選択し、その２つの類似度Ｒ２を算出する。そのようにして、類似度算出部２１３は、パワースペクトルＰ０と、過去のいずれか１つの音データＤのパワースペクトルとの類似度Ｒを、過去の全ての音データについて算出する。最終的に、類似度算出部２１３は、パワースペクトルＰ０と、Ｎか月前の音データＤＮのパワースペクトルＰＮを選択し、その２つの類似度ＲＮを算出する。また、類似度算出部２１３は、類似度の比較のため、パワースペクトルＰ０同士の類似度Ｒ０を１と設定する。
このとき、類似度算出部２１３は、各パワースペクトルＰの分布について、平均を０、分散を１とするような正規化をした後に、パワースペクトルＰ同士の相互相関を計算することによって、類似度を算出する。ただし、正規化の手法は、これには限られない。類似度算出部２１３は、異なるタイミング間のパワースペクトルＰの類似度を、サイズＮの数列として、判定部２１４に出力する。また、類似度算出部２１３は、パワースペクトルＰ０同士の類似度Ｒ０が１であることも、判定部２１４に出力する。
判定部２１４は、（１Ｅ）における判定部５４に対応しており、類似度算出部２１３が算出した類似度を用いて、コンピュータＦＣ１の稼働状況を判定する。具体的には、判定部２１４は、算出された複数の類似度Ｒを、Ｒ０～ＲＮまで時系列順にプロットし、そのプロットされたグラフについて直線フィッティングを行い、グラフが直線と近似しているか否かを判定する。グラフが直線と近似しているか否かは、例えば、ある１か月間の類似度の差分が、他の期間におけるグラフの傾きと、所定の閾値以上の差分があるか否かで判定することができる。グラフが直線と近似していない場合には、判定部２１４は、グラフにおける湾曲点の箇所を特定し、その湾曲点の箇所に基づいて、コンピュータＦＣ１に不具合が生じた時期を推定することができる。このようにして、判定部２１４は、コンピュータＦＣ１に不具合が生じたことを判定する。
（ｉ）例えば、判定部２１４は、類似度Ｒ０と類似度Ｒ１との差分ＤＩ（つまり、直近１か月間のグラフの傾き）が、他の期間のグラフの傾きと、所定の閾値以上大きいか否かを判定する。ＤＩが他の期間のグラフの傾きより所定の閾値以上大きい場合、直近１か月間でグラフの傾き（類似度の変化率）が急激に変化しているため、プロットされたグラフが直線と近似していないと判定する。そのため、判定部２１４は、直近１か月間にグラフの湾曲点があると特定し、直近１か月間にコンピュータＦＣ１に不具合が生じたと推定する。なお、判定部２１４は、直近１か月間に限らず、他の期間についても、不具合が生じたことを推定することができる。
判定部２１４は、グラフが直線と近似している場合には、グラフ全体の傾きが所定の閾値以上であるか否かを判定する。（ｉｉ）グラフの傾きが所定の閾値以上である場合には、判定部２１４は、コンピュータＦＣ１に経年劣化が生じていると推定する。この場合は、経時的に略一定の割合で、音データが変化していると解釈できるからである。（ｉｉｉ）判定部２１４は、グラフの傾きが所定の閾値未満である場合には、コンピュータＦＣ１に異常が生じていないと推定する。この場合は、音データが現在と過去とで、ほとんど変化していないと解釈できるからである。
図２１は、類似度Ｒ０～ＲＮをプロットしたグラフの一例である。図２１の（ｉ）～（ｉｉｉ）のグラフは、上述の（ｉ）～（ｉｉｉ）に相当するグラフの形状の一例である。このようにして、判定部２１４は、コンピュータＦＣ１の状態を正確に判定することができる。
判定部２１４は、以上の判定結果を、通知部２１５に出力する。なお、判定部２１４は、コンピュータＦＣ１に不具合が生じたこと、及びコンピュータＦＣ１に経年劣化が生じたことの少なくともいずれかを判定した場合に、オペレータに対してコンピュータＦＣ１の点検又は交換を促す通知内容を生成して、判定結果と合わせて通知部２１５に出力しても良い。
通知部２１５は、（２Ａ）における通知部２０５と同様の構成を有し、表示、音声の少なくともいずれかによって、コンピュータＦＣについての判定結果をオペレータに通知する。例えば、判定部２１４が、コンピュータＦＣ１に直近１か月間で不具合が生じた時期を特定した場合には、通知部２１５は、「コンピュータＦＣ１の駆動音には直近１か月間で急激な変化が認められます。不具合が生じている可能性があるため、コンピュータＦＣ１の速やかな点検又は交換をお勧めします。」の内容を表示する。また、判定部２１４が、コンピュータＦＣ１に経年劣化が生じていると判定した場合には、通知部２１５は、「コンピュータＦＣ１には不具合は認められませんが、経年劣化が生じている可能性があります。コンピュータＦＣ１の点検をお勧めします。」の内容を表示する。判定部２１４が、コンピュータＦＣ１に異常が生じていないと判定した場合には、「コンピュータＦＣ１には異常は認められませんでした。」の内容を表示する。
以上の処理は、複数のコンピュータＦＣのそれぞれについて実行される。また、音データを例に説明したが、振動（例えば衝撃）のデータについても、同様の処理が実行できる。
図２２Ａは、監視サーバ２００の代表的な処理の一例を示したフローチャートである。まず、監視サーバ２００の受信部２１１は、各ＵＳＢセンサ１００から、環境情報である音及び振動データを受信する（ステップＳ６１）。受信した音及び振動データは、データベースＤＢに格納される。
パワースペクトル算出部２１２は、データベースＤＢに格納された各音データＤをフーリエ変換して、パワースペクトルをそれぞれ算出する（ステップＳ６２）。類似度算出部２１３は、各パワースペクトルを用いて、パワースペクトル同士の類似度Ｒを算出する（ステップＳ６３）。
判定部２１４は、算出された複数の類似度Ｒを時系列順にプロットし、そのプロットされたグラフが直線と近似しているか、すなわち、直線状であるか否かを判定する（ステップＳ６４）。グラフが直線状でない場合には（ステップＳ６４のＮｏ）、判定部２１４は、グラフにおける湾曲点の箇所を特定することで、コンピュータＦＣ１に不具合が生じたことと、不具合が生じた時期を判定する（ステップＳ６５）。
ステップＳ６４の判定において、グラフが直線状である場合には（ステップＳ６４のＹｅｓ）、判定部２１４は、グラフ全体の傾きが所定の閾値以上であるか否かを判定する（ステップＳ６６）。グラフの傾きが所定の閾値以上である場合には（ステップＳ６６のＹｅｓ）、判定部２１４は、コンピュータＦＣ１に経年劣化が生じていると判定する（ステップＳ６７）。一方、グラフの傾きが所定の閾値未満である場合には（ステップＳ６６のＮｏ）、判定部２１４は、コンピュータＦＣ１に異常が生じていないと判定する（ステップＳ６８）。また、判定部２１４は、ステップＳ６５、Ｓ６７、Ｓ６８の各ステップにおいて、判定結果に基づいた通知内容を通知部２１５に出力する。
以上に記載したように、監視サーバ２００は、音や振動の値の変動を比較的長い間隔で調べることにより、ＨＤＤやファンの状態変化を検出することができる。
また、（２Ｂ）に、（１Ｃ）で示した監視サーバの処理をさらに組み合わせても良い。これにより、監視サーバは、長期間のコンピュータＦＣの状態変化のみならず、短期間のコンピュータＦＣの異常の有無も判定することができる。
コンピュータの監視システムは、ＯＳ（Operation System）と連携して動作するタイプのものや、別系統の電源又はＯＳが組み込まれているタイプのものが知られている。また、監視対象となるコンピュータの異常を検出するためには、そのコンピュータに異常が起きた前後での各種情報を検出することが好ましい。しかしながら、前者の監視システムは、監視対象のコンピュータがある程度正常に稼働している必要があり、コンピュータがダウンした瞬間の情報を取得できない可能性がある。後者の監視システムは、コンピュータがダウンした後に別系統の電源やシステムを使って、障害情報の調査やデータの退避を行うものである。したがって、前者と同様、コンピュータのシステムダウンの瞬間の情報を取得できない可能性がある。また、後者の場合、専用のハードウェア又は別系統の電源システムを用意する必要があるため、基本的に、コンピュータに後付が可能なシステムではない。そのため、状態監視の機能を持ち合わせていないコンピュータに対して、容易に状態監視の機能を追加することができなかった。
これに対し、（２Ａ）、（２Ｂ）に例示したコンピュータの監視システムは、工場の設備等、高い信頼性が要求されるシステムにおいて、コンピュータの情報を取得する。監視システムは、取得した情報を活用することにより、コンピュータの障害発生時の状況を把握したり、コンピュータの故障の予兆を検出したりすることで、コンピュータの可用性を向上させることができる。例えば、監視システムは、コンピュータのシステムダウンの瞬間の情報を精度よく取得することができるため、障害発生時の情報を詳細に把握することや、コンピュータの故障の予兆を高精度に判定することができる。また、工場において２４時間動作し続けるコンピュータについて、漏れのない監視を実現することができる。
なお、本開示は上記実施の形態に限られたものではなく、趣旨を逸脱しない範囲で適宜変更することが可能である。例えば、（１Ｅ）と（２Ｂ）において、パワースペクトルを算出するタイミングは、同一間隔でなくても良い。
（２Ｂ）において、判定部２１４は、グラフが直線と近似している場合に、グラフ全体の傾きについて、２つ以上の異なる閾値との大小関係を判定しても良い。例えば、コンピュータＦＣ１のグラフ全体の傾きが、大きな閾値Ｔｈ１以上である場合、判定部２１４は、経年劣化が急速に進んでいると判定する。判定部２１４は、オペレータに対し、コンピュータＦＣ１の速やかな点検又は交換が必要と思われる点を通知内容として生成し、通知部２１５に出力する。
一方、コンピュータＦＣ１のグラフ全体の傾きが、大きな閾値Ｔｈ１未満であるが小さな閾値Ｔｈ２以上（Ｔｈ１＞Ｔｈ２）である場合、判定部２１４は、経年劣化が緩やかに進んでいると判定する。判定部２１４は、オペレータに対し、コンピュータＦＣ１の定期的な点検を薦める点を通知内容として生成し、通知部２１５に出力する。また、コンピュータＦＣ１のグラフ全体の傾きが小さな閾値Ｔｈ２未満である場合、判定部２１４は、経年劣化が生じていないと判定する。これは、図２２ＢのステップＳ６８に記載の通りである。このようにして、判定部２１４は、２つ以上の異なる閾値との大小関係に基づいてコンピュータＦＣ１の異なる状態を判定し、それに応じて、通知部２１５でオペレータに通知する内容を変更しても良い。
（１Ｄ）又は（２Ａ）において、複数の対象装置（コンピュータ）のうち類似した環境下にあると記憶された複数の装置の情報は、オペレータ及び判定装置４０（又は監視サーバ２００）によって更新が可能である。例えば、（１Ｄ）の判定装置４０は、対象装置の環境情報及び稼働情報のデータを用いて、類似した環境下にある対象装置を判定しても良い。
詳細には、判定装置４０の状態判定部４４は、対象装置同士に関して、環境情報の所定期間の時系列データ（温度、湿度等、前述した各種パラメータのうちの少なくとも１つを含む）の類似度を算出する。そして、状態判定部４４は、類似度が所定の閾値以上となった場合に、その２台の対象装置が類似した環境下にあると判定し、類似度が所定の閾値未満となった場合に、その２台の対象装置が類似した環境下にないと判定する。
状態判定部４４は、さらに、稼働情報の所定期間の時系列データの類似度を算出し、その類似度を判定に反映させても良い。例えば、上述の環境情報に関する類似度の比較で、２台の対象装置が類似した環境下にあると判定された場合に、その２つの装置における稼働情報の時系列データの類似度が所定値未満なら、状態判定部４４は、その２台の対象装置が類似した環境下にないと判定しても良い。その２つの装置における稼働情報の時系列データの類似度が所定値以上なら、状態判定部４４は、その２台の対象装置が類似した環境下にないと判定する。
そして、状態判定部４４は、類似した環境下にあると判定された対象装置の情報を記憶部４３に格納し、類似した環境下にないと判定された対象装置の情報を記憶部４３に格納しない（又は、記憶部４３からその情報を削除する。）。なお、状態判定部４４は、例えばユークリッド距離等の距離計算、クラスタリング（ｋ平均法、階層型等）といった公知の技術を適用して、上述の環境情報、稼働情報の類似度を算出する。
また、（２Ａ）又は（２Ｂ）に示したＵＳＢセンサ１００のコントローラ１０２は、充電池１０８を、ある充電の値（例えばフル充電の８０％程度）まで第１の充電速度で充電させた後に、充電速度をそれまでよりも遅い第２の充電速度とする、又は充電を停止させても良い。これにより、コントローラ１０２は、充電池１０８の寿命を延ばすことができる。
監視サーバ２００は、あるコンピュータＦＣについて、実施の形態１、２で示した通り、異常又は異常の予兆があることが判定された場合に、そのコンピュータＦＣに接続されたＵＳＢセンサ１００に対して、充電池１０８の充電方法を変更するように指示を送信しても良い。例えば、監視サーバ２００は、充電池１０８をある充電の値まで充電させた場合でも、充電の速度を変えずに第１の充電速度とする（又は、第２の充電速度よりも速い充電速度とする）ことで、充電池１０８に対し、早期に１００％の充電を達成させても良い。監視サーバ２００は、例えば、次のような場合に、このような処理を実行することができる。
・（１Ｃ）のステップＳ３３で異常（又は異常の予兆）があると判定された場合
・（１Ｄ）のステップＳ４３で異常があると判定された場合
・（２Ａ）において、対象装置であるＣ１に類似した対象装置Ｃ２の予測モデルを使用したことで、対象装置Ｃ１に異常が発生していると判定された場合
・（２Ｂ）のステップＳ６５で不具合が発生したと判定された場合
・（２Ｂ）のステップＳ６７で経年劣化が発生したと判定された場合であって、グラフ全体の傾きが経年劣化を判定するための上述の閾値Ｔｈ１より大きく、経年劣化が急速に進んでいると判定された場合
これらの場合では、近い将来、対象装置に異常終了（例えばシステムダウン）が起こる可能性が比較的高いと考えられる。そのため、異常終了が起こった際の環境情報を確実に取得できるよう、充電池１０８を１００％に近づけて充電させた方がよいと考えられる。
以上に示した実施の形態では、この開示をハードウェアの構成として説明したが、この開示は、これに限定されるものではない。この開示は、上述の実施形態において説明された装置（周辺機器、監視サーバ、判定装置、予測装置のいずれか）の処理（ステップ）を、コンピュータ内のプロセッサにコンピュータプログラムを実行させることにより実現することも可能である。
図２３は、以上に示した各実施の形態の処理が実行される情報処理装置（信号処理装置）のハードウェア構成例を示すブロック図である。図２３を参照すると、この情報処理装置９０は、信号処理回路９１、プロセッサ９２及びメモリ９３を含む。
信号処理回路９１は、プロセッサ９２の制御に応じて、信号を処理するための回路である。なお、信号処理回路９１は、送信装置から信号を受信する通信回路を含んでいても良い。
プロセッサ９２は、メモリ９３からソフトウェア（コンピュータプログラム）を読み出して実行することで、上述の実施形態において説明された装置の処理を行う。プロセッサ９２の一例として、ＣＰＵ（Central Processing Unit）、ＭＰＵ（Micro Processing Unit）、ＦＰＧＡ（Field-Programmable Gate Array）、ＤＳＰ（Demand-Side Platform）、ＡＳＩＣ（Application Specific Integrated Circuit）のうち一つを用いてもよいし、そのうちの複数を並列で用いてもよい。
メモリ９３は、揮発性メモリや不揮発性メモリ、またはそれらの組み合わせで構成される。メモリ９３は、１個に限られず、複数設けられてもよい。なお、揮発性メモリは、例えば、ＤＲＡＭ (Dynamic Random Access Memory)、ＳＲＡＭ (Static Random Access Memory)等のＲＡＭ (Random Access Memory)であってもよい。不揮発性メモリは、例えば、ＰＲＯＭ (Programmable Random Only Memory)、ＥＰＲＯＭ (Erasable Programmable Read Only Memory) 等のＲＯＭ (Random Only Memory)や、ＳＳＤ（Solid State Drive）であってもよい。
メモリ９３は、１以上の命令を格納するために使用される。ここで、１以上の命令は、ソフトウェアモジュール群としてメモリ９３に格納される。プロセッサ９２は、これらのソフトウェアモジュール群をメモリ９３から読み出して実行することで、上述の実施形態において説明された処理を行うことができる。
なお、メモリ９３は、プロセッサ９２の外部に設けられるものに加えて、プロセッサ９２に内蔵されているものを含んでもよい。また、メモリ９３は、プロセッサ９２を構成するプロセッサから離れて配置されたストレージを含んでもよい。この場合、プロセッサ９２は、Ｉ/Ｏ（Input / Output）インタフェースを介してメモリ９３にアクセスすることができる。
以上に説明したように、上述の実施形態における各装置が有する１又は複数のプロセッサは、図面を用いて説明されたアルゴリズムをコンピュータに行わせるための命令群を含む１又は複数のプログラムを実行する。この処理により、各実施の形態に記載された信号処理方法が実現できる。
プログラムは、様々なタイプの非一時的なコンピュータ可読媒体（non-transitory computer readable medium）を用いて格納され、コンピュータに供給することができる。非一時的なコンピュータ可読媒体は、様々なタイプの実体のある記録媒体（tangible storage medium）を含む。非一時的なコンピュータ可読媒体の例は、磁気記録媒体（例えばフレキシブルディスク、磁気テープ、ハードディスクドライブ）、光磁気記録媒体（例えば光磁気ディスク）、ＣＤ－ＲＯＭ（Read Only Memory）、ＣＤ－Ｒ、ＣＤ－Ｒ／Ｗ、半導体メモリ（例えば、マスクＲＯＭ、ＰＲＯＭ（Programmable ROM）、ＥＰＲＯＭ（Erasable PROM）、フラッシュＲＯＭ、ＲＡＭ（Random Access Memory））を含む。また、プログラムは、様々なタイプの一時的なコンピュータ可読媒体（transitory computer readable medium）によってコンピュータに供給されてもよい。一時的なコンピュータ可読媒体の例は、電気信号、光信号、及び電磁波を含む。一時的なコンピュータ可読媒体は、電線及び光ファイバ等の有線通信路、又は無線通信路を介して、プログラムをコンピュータに供給できる。
上記の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が、以下には限られない。
（付記１）
監視対象の装置から給電を受ける電力受給部と、
前記装置周辺の環境情報を取得する環境センサと、
前記環境情報を送信する送信部と、
前記装置から前記電力受給部を介して給電を受けることにより充電される充電池と、を備え、
前記環境センサ及び前記送信部は、前記電力受給部を介して給電を受けることができなくなった場合に、前記充電池からの放電電力によって動作する、
周辺機器。
（付記２）
前記環境情報を記憶する記憶部をさらに備え、
前記送信部は、前記電力受給部を介して給電を受けている場合には、前記記憶部に記憶された前記環境情報を定期的なタイミングで送信し、前記電力受給部を介して給電を受けることができなくなった場合には、前記記憶部に記憶された前記環境情報を前記定期的なタイミングに関わらず送信する、
付記１に記載の周辺機器。
（付記３）
前記環境情報を記憶する記憶部と、
前記環境センサが検出した前記環境情報の検出値が所定の閾値以上であるか否かを判定する判定部と、をさらに備え、
前記送信部は、前記検出値が所定の閾値未満であることを前記判定部が判定した場合には、前記記憶部に記憶された前記環境情報を定期的なタイミングで送信し、前記検出値が所定の閾値以上であることを前記判定部が判定した場合には、前記記憶部に記憶された前記環境情報を前記定期的なタイミングに関わらず送信する、
付記１に記載の周辺機器。
（付記４）
前記送信部は、前記環境情報を監視サーバに送信し、
前記周辺機器は、前記監視サーバから、前記環境情報を送信する頻度を増加させる指示を受信した場合に、前記送信部が前記環境情報を送信する頻度を増加させるように制御する、
付記１乃至３のいずれか１項に記載の周辺機器。
（付記５）
前記周辺機器はＵＳＢペリフェラルである、
付記１乃至４のいずれか１項に記載の周辺機器。
（付記６）
監視対象の装置に対応して設けられる周辺機器と、
前記周辺機器と通信を実行する監視サーバと、を備え、
前記周辺機器は、
前記装置から給電を受ける電力受給部と、
前記装置周辺の環境情報を取得する環境センサと、
前記環境情報を送信する送信部と、
前記装置から前記電力受給部を介して給電を受けることにより充電される充電池と、を有し、
前記環境センサ及び前記送信部は、前記電力受給部を介して給電を受けることができなくなった場合に、前記充電池からの放電電力によって動作し、
前記監視サーバは、
前記周辺機器から前記環境情報を受信する受信部と、
前記装置の稼働状況を稼働情報として取得する稼働情報取得部と、
前記稼働情報及び前記環境情報を用いて、前記装置の状態を判定する状態判定部と、を有する
監視システム。
（付記７）
前記状態判定部は、
所定の時間領域における少なくとも前記環境情報を含む説明変数と、前記所定の時間領域直後のタイミングにおける少なくとも前記稼働情報を含む目的変数とを変数のセットとして設定し、前記変数のセットにおけるタイムスロットを順にずらすことで定義される複数の前記変数のセットを教師データとして、前記稼働状況の予測モデルを生成する予測モデル生成部と、
前記予測モデル及び新たに取得された前記環境情報を用いて、前記稼働状況を予測する予測部と、を有する
付記６に記載の監視システム。
（付記８）
前記監視システムは、複数の前記監視対象の装置のそれぞれに対応する複数の前記周辺機器を備え、
前記監視サーバは、
前記複数の装置のうち類似した環境下にある第１の装置と第２の装置とを関連付けて記憶する記憶部と、
前記第１の装置について前記状態判定部が異常を判定した場合に、前記第２の装置に対応する前記周辺機器に対して、前記環境情報を前記送信部が送信する頻度を増加させる指示を出力すること、及び、前記第２の装置に対して、処理を停止させる指示を出力すること、の少なくともいずれかを実行する指示出力部と、をさらに有する
付記６に記載の監視システム。
（付記９）
監視対象の装置から給電を受けることにより充電池を充電する充電ステップと、
前記装置から給電を受けることができなくなった場合に、前記充電池からの放電電力を用いて、前記装置周辺の環境情報を取得する環境情報取得ステップと、
前記充電池からの放電電力を用いて、前記環境情報を送信する送信ステップと、
を周辺機器が実行する監視方法。
（付記１０）
監視対象の装置から給電を受けることにより充電池を充電する充電ステップと、
前記装置から給電を受けることができなくなった場合に、前記充電池からの放電電力を用いて、前記装置周辺の環境情報を取得する環境情報取得ステップと、
前記充電池からの放電電力を用いて、前記環境情報を送信する送信ステップと、
を監視方法として周辺機器に実行させるプログラム。
（付記１１）
前記変数のセットにおける前記目的変数は、前記所定の時間領域直後のタイミングにおける前記環境情報をさらに含み、
前記予測モデル生成部は、前記複数の変数のセットを教師データとして、前記稼働状況及び前記環境情報の予測モデルを生成し、
前記予測部は、前記予測モデル及び新たに取得された前記環境情報を用いて、前記装置の前記稼働状況を予測する、
付記７に記載の監視システム。
（付記１２）
前記環境情報は、前記装置の稼働状況を示す音及び振動の少なくともいずれかの稼働データを含み、
前記状態判定部は、
前記稼働データについてのパワースペクトルを、３以上の異なる複数のタイミングにおいてそれぞれ算出するパワースペクトル算出部と、
第１のタイミングでの前記パワースペクトルと、第２のタイミングでの前記パワースペクトルとの類似度、及び、前記第１のタイミングでの前記パワースペクトルと、第３のタイミングでの前記パワースペクトルとの類似度を少なくとも算出する類似度算出部と、
前記類似度算出部が算出した複数の前記類似度を用いて、前記装置の劣化状態を判定する劣化状態判定部と、を有する
付記６に記載の監視システム。
（付記１３）
監視対象の装置に対応して設けられる周辺機器が、
前記装置から給電を受けることにより充電池を充電する充電ステップと、
前記給電を受けることができなくなった場合に、前記充電池からの放電電力を用いて、前記装置周辺の環境情報を取得する環境情報取得ステップと、
前記充電池からの放電電力を用いて、前記環境情報を監視サーバに送信する送信ステップと、を実行し、
前記監視サーバが、
前記周辺機器から前記環境情報を受信する受信ステップと、
前記装置の稼働状況を稼働情報として取得する稼働情報取得ステップと、
前記稼働情報及び前記環境情報を用いて、前記装置の状態を判定する状態判定ステップと、を実行する
監視方法。
（付記１４）
監視対象となる装置の稼働状況を稼働情報として取得するとともに、前記装置周辺の環境情報を取得する取得部と、
所定の時間領域における少なくとも前記環境情報を含む説明変数と、前記所定の時間領域直後のタイミングにおける少なくとも前記稼働情報を含む目的変数とを変数のセットとして設定し、前記変数のセットにおけるタイムスロットを順にずらすことで定義される複数の前記変数のセットを教師データとして、前記稼働状況の予測モデルを生成する予測モデル生成部と、
前記予測モデル及び新たに取得された前記環境情報を用いて、前記装置の前記稼働状況を予測する予測部と、を備える
予測装置。
（付記１５）
前記変数のセットにおける前記目的変数は、前記所定の時間領域直後のタイミングにおける前記環境情報をさらに含み、
前記予測モデル生成部は、前記複数の変数のセットを教師データとして、前記稼働状況及び前記環境情報の予測モデルを生成し、
前記予測部は、前記予測モデル及び新たに取得された前記環境情報を用いて、前記装置の稼働状況を予測する、
付記１４に記載の予測装置。
（付記１６）
監視対象となる複数の装置の各々にそれぞれ対応して設けられた複数の周辺機器から、前記複数の装置周辺の環境情報を受信する受信部と、
前記複数の装置の稼働状況を稼働情報として取得する稼働情報取得部と、
前記複数の装置のうち類似した環境下にある第１の装置と第２の装置とを関連付けて記憶する記憶部と、
前記稼働情報及び前記環境情報を用いて、前記第１の装置の異常の有無を判定する状態判定部と、
前記第１の装置が異常を有すると前記状態判定部が判定した場合に、前記第２の装置に対応して設けられる前記周辺機器に対して前記環境情報を送信する頻度を増加させる指示を出力すること、及び、前記第２の装置に対して処理を停止させる指示を出力すること、の少なくともいずれかを実行する指示出力部と、を備える、
判定装置。
（付記１７）
監視対象となる装置の稼働状況を音及び振動の少なくともいずれかに関する稼働情報として取得する取得部と、
前記稼働情報についてのパワースペクトルを、３以上の異なる複数のタイミングにおいてそれぞれ算出するパワースペクトル算出部と、
第１のタイミングでの前記パワースペクトルと、第２のタイミングでの前記パワースペクトルとの類似度、及び、前記第１のタイミングでの前記パワースペクトルと、第３のタイミングでの前記パワースペクトルとの類似度を少なくとも算出する類似度算出部と、
前記類似度算出部が算出した複数の前記類似度を用いて、前記装置の稼働状況を判定する判定部と、を備える
判定装置。
（付記１８）
前記判定部は、前記複数の類似度を時系列順にプロットしたグラフが、直線と近似しているか否かを判定し、前記グラフが直線と近似していない場合には、前記グラフにおける湾曲点の箇所を特定し、前記湾曲点の箇所に基づいて、前記装置に不具合が生じた時期を推定する、
付記１７に記載の判定装置。
（付記１９）
前記判定部は、前記グラフが直線と近似している場合には、前記グラフ全体の傾きが所定の閾値以上であるか否かを判定し、前記グラフの傾きが所定の閾値以上である場合には、前記装置に経年劣化が生じていると推定する、
付記１８に記載の判定装置。
（付記２０）
前記判定部は、前記グラフの傾きが所定の閾値未満である場合には、前記装置に異常が生じていないと推定する、
付記１９に記載の判定装置。
（付記２１）
監視対象となる装置の稼働状況を稼働情報として取得するとともに、前記装置周辺の環境情報を取得する取得ステップと、
所定の時間領域における少なくとも前記環境情報を含む説明変数と、前記所定の時間領域直後のタイミングにおける少なくとも前記稼働情報を含む目的変数とを変数のセットとして設定し、前記変数のセットにおけるタイムスロットを順にずらすことで定義される複数の前記変数のセットを教師データとして、前記稼働状況の予測モデルを生成する予測モデル生成ステップと、
前記予測モデル及び新たに取得された前記環境情報を用いて、前記装置の前記稼働状況を予測する予測ステップと、
を予測装置が実行する監視方法。
（付記２２）
監視対象となる複数の装置の各々に対応して設けられた複数の周辺機器から、前記複数の装置周辺の環境情報を受信する受信ステップと、
前記複数の装置の稼働状況を稼働情報として取得する稼働情報取得ステップと、
前記稼働情報及び前記環境情報を用いて、前記複数の装置のうちの前記第１の装置の異常の有無を判定する状態判定ステップと、
前記第１の装置が異常を有すると判定した場合に、前記第１の装置と類似した環境下にあると関連付けられて記憶された第２の装置に対応して設けられる前記周辺機器に対して前記環境情報を送信する頻度を増加させる指示を出力すること、及び、前記第２の装置に対して処理を停止させる指示を出力すること、の少なくともいずれかを実行する指示出力ステップと、
を判定装置が実行する監視方法。
（付記２３）
監視対象となる装置の稼働状況を音及び振動の少なくともいずれかに関する稼働情報として取得する取得ステップと、
前記稼働情報についてのパワースペクトルを、３以上の異なる複数のタイミングにおいてそれぞれ算出するパワースペクトル算出ステップと、
第１のタイミングでの前記パワースペクトルと、第２のタイミングでの前記パワースペクトルとの類似度、及び、前記第１のタイミングでの前記パワースペクトルと、第３のタイミングでの前記パワースペクトルとの類似度を少なくとも算出する類似度算出ステップと、
算出された複数の前記類似度を用いて、前記装置の稼働状況を判定する判定ステップと、
を判定装置が実行する監視方法。
（付記２４）
監視対象となる装置の稼働状況を稼働情報として取得するとともに、前記装置周辺の環境情報を取得する取得ステップと、
所定の時間領域における少なくとも前記環境情報を含む説明変数と、前記所定の時間領域直後のタイミングにおける少なくとも前記稼働情報を含む目的変数とを変数のセットとして設定し、前記変数のセットにおけるタイムスロットを順にずらすことで定義される複数の前記変数のセットを教師データとして、前記稼働状況の予測モデルを生成する予測モデル生成ステップと、
前記予測モデル及び新たに取得された前記環境情報を用いて、前記装置の前記稼働状況を予測する予測ステップと、
を監視方法として予測装置に実行させるプログラム。
（付記２５）
監視対象となる複数の装置の各々に対応して設けられた複数の周辺機器から、前記複数の装置周辺の環境情報を受信する受信ステップと、
前記複数の装置の稼働状況を稼働情報として取得する稼働情報取得ステップと、
前記稼働情報及び前記環境情報を用いて、前記複数の装置のうちの前記第１の装置の異常の有無を判定する状態判定ステップと、
前記第１の装置が異常を有すると判定した場合に、前記第１の装置と類似した環境下にあると関連付けられて記憶された第２の装置に対応して設けられる前記周辺機器に対して前記環境情報を送信する頻度を増加させる指示を出力すること、及び、前記第２の装置に対して処理を停止させる指示を出力すること、の少なくともいずれかを実行する指示出力ステップと、
を監視方法として判定装置に実行させるプログラム。
（付記２６）
監視対象となる装置の稼働状況を音及び振動の少なくともいずれかに関する稼働情報として取得する取得ステップと、
前記稼働情報についてのパワースペクトルを、３以上の異なる複数のタイミングにおいてそれぞれ算出するパワースペクトル算出ステップと、
第１のタイミングでの前記パワースペクトルと、第２のタイミングでの前記パワースペクトルとの類似度、及び、前記第１のタイミングでの前記パワースペクトルと、第３のタイミングでの前記パワースペクトルとの類似度を少なくとも算出する類似度算出ステップと、
算出された複数の前記類似度を用いて、前記装置の稼働状況を判定する判定ステップと、
を監視方法として判定装置に実行させるプログラム。
以上、実施の形態を参照して本開示を説明したが、本開示は上記によって限定されるものではない。本開示の構成や詳細には、開示のスコープ内で当業者が理解し得る様々な変更をすることができる。
１０ 周辺機器
１１ 電力受給部
１２ 環境センサ
１３ 送信部
１４ 充電池
２０ 監視サーバ
２１ 受信部
２２ 稼働情報取得部
２３ 状態判定部
３０ 予測装置
３１ 取得部
３２ 予測モデル生成部
３２１ ＣＮＮモデル部
３２１ａ 畳み込み層
３２１ｂ 全結合層
３３ 予測部
４０ 判定装置
４１ 受信部
４２ 稼働情報取得部
４３ 記憶部
４４ 状態判定部
４５ 指示出力部
５０ 判定装置
５１ 取得部
５２ パワースペクトル算出部
５３ 類似度算出部
５４ 判定部
１００ ＵＳＢセンサ
１０１ 接続部
１０２ コントローラ
１０３ 不揮発性保存領域
１０４ 照度センサ
１０５ 衝撃・振動センサ
１０６ 温度・湿度センサ
１０７ 無線通信モジュール
１０８ 充電池
１０９ 音センサ
２００ 監視サーバ
２０１ 受信部
２０２ 学習部
２０３ モデル保存部
２０４ 推論部
２０５ 通知部
Ｓ１、Ｓ２ 監視システム
２１１ 受信部
２１２ パワースペクトル算出部
２１３ 類似度算出部
２１４ 判定部
２１５ 通知部

Claims (10)

  1. 監視対象の装置から給電を受ける電力受給部と、
    前記装置周辺の環境情報を取得する環境センサと、
    前記環境情報を送信する送信部と、
    前記装置から前記電力受給部を介して給電を受けることにより充電される充電池と、を備え、
    前記環境センサ及び前記送信部は、前記電力受給部を介して給電を受けることができなくなった場合に、前記充電池からの放電電力によって動作する、
    周辺機器。
  2. 前記環境情報を記憶する記憶部をさらに備え、
    前記送信部は、前記電力受給部を介して給電を受けている場合には、前記記憶部に記憶された前記環境情報を定期的なタイミングで送信し、前記電力受給部を介して給電を受けることができなくなった場合には、前記記憶部に記憶された前記環境情報を前記定期的なタイミングに関わらず送信する、
    請求項１に記載の周辺機器。
  3. 前記環境情報を記憶する記憶部と、
    前記環境センサが検出した前記環境情報の検出値が所定の閾値以上であるか否かを判定する判定部と、をさらに備え、
    前記送信部は、前記検出値が所定の閾値未満であることを前記判定部が判定した場合には、前記記憶部に記憶された前記環境情報を定期的なタイミングで送信し、前記検出値が所定の閾値以上であることを前記判定部が判定した場合には、前記記憶部に記憶された前記環境情報を前記定期的なタイミングに関わらず送信する、
    請求項１に記載の周辺機器。
  4. 前記送信部は、前記環境情報を監視サーバに送信し、
    前記周辺機器は、前記監視サーバから、前記環境情報を送信する頻度を増加させる指示を受信した場合に、前記送信部が前記環境情報を送信する頻度を増加させるように制御する、
    請求項１乃至３のいずれか１項に記載の周辺機器。
  5. 前記周辺機器はＵＳＢペリフェラルである、
    請求項１乃至４のいずれか１項に記載の周辺機器。
  6. 監視対象の装置に対応して設けられる周辺機器と、
    前記周辺機器と通信を実行する監視サーバと、を備え、
    前記周辺機器は、
    前記装置から給電を受ける電力受給部と、
    前記装置周辺の環境情報を取得する環境センサと、
    前記環境情報を送信する送信部と、
    前記装置から前記電力受給部を介して給電を受けることにより充電される充電池と、を有し、
    前記環境センサ及び前記送信部は、前記電力受給部を介して給電を受けることができなくなった場合に、前記充電池からの放電電力によって動作し、
    前記監視サーバは、
    前記周辺機器から前記環境情報を受信する受信部と、
    前記装置の稼働状況を稼働情報として取得する稼働情報取得部と、
    前記稼働情報及び前記環境情報を用いて、前記装置の状態を判定する状態判定部と、を有する
    監視システム。
  7. 前記状態判定部は、
    所定の時間領域における少なくとも前記環境情報を含む説明変数と、前記所定の時間領域直後のタイミングにおける少なくとも前記稼働情報を含む目的変数とを変数のセットとして設定し、前記変数のセットにおけるタイムスロットを順にずらすことで定義される複数の前記変数のセットを教師データとして、前記稼働状況の予測モデルを生成する予測モデル生成部と、
    前記予測モデル及び新たに取得された前記環境情報を用いて、前記稼働状況を予測する予測部と、を有する
    請求項６に記載の監視システム。
  8. 前記監視システムは、複数の前記監視対象の装置のそれぞれに対応する複数の前記周辺機器を備え、
    前記監視サーバは、
    前記複数の装置のうち類似した環境下にある第１の装置と第２の装置とを関連付けて記憶する記憶部と、
    前記第１の装置について前記状態判定部が異常を判定した場合に、前記第２の装置に対応する前記周辺機器に対して、前記環境情報を前記送信部が送信する頻度を増加させる指示を出力すること、及び、前記第２の装置に対して、処理を停止させる指示を出力すること、の少なくともいずれかを実行する指示出力部と、をさらに有する
    請求項６に記載の監視システム。
  9. 監視対象の装置から給電を受けることにより充電池を充電する充電ステップと、
    前記装置から給電を受けることができなくなった場合に、前記充電池からの放電電力を用いて、前記装置周辺の環境情報を取得する環境情報取得ステップと、
    前記充電池からの放電電力を用いて、前記環境情報を送信する送信ステップと、
    を周辺機器が実行する監視方法。
  10. 監視対象の装置から給電を受けることにより充電池を充電する充電ステップと、
    前記装置から給電を受けることができなくなった場合に、前記充電池からの放電電力を用いて、前記装置周辺の環境情報を取得する環境情報取得ステップと、
    前記充電池からの放電電力を用いて、前記環境情報を送信する送信ステップと、
    を監視方法として周辺機器に実行させるプログラム。
JP2021033406A 2021-03-03 2021-03-03 周辺機器、監視システム、監視方法及びプログラム Pending JP2022134340A (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2021033406A JP2022134340A (ja) 2021-03-03 2021-03-03 周辺機器、監視システム、監視方法及びプログラム

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2021033406A JP2022134340A (ja) 2021-03-03 2021-03-03 周辺機器、監視システム、監視方法及びプログラム

Publications (1)

Publication Number Publication Date
JP2022134340A true JP2022134340A (ja) 2022-09-15

Family

ID=83232208

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2021033406A Pending JP2022134340A (ja) 2021-03-03 2021-03-03 周辺機器、監視システム、監視方法及びプログラム

Country Status (1)

Country Link
JP (1) JP2022134340A (ja)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116071901A (zh) * 2023-03-27 2023-05-05 山东金宇信息科技集团有限公司 一种机房环境的多元监测预警方法、设备及介质

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116071901A (zh) * 2023-03-27 2023-05-05 山东金宇信息科技集团有限公司 一种机房环境的多元监测预警方法、设备及介质

Similar Documents

Publication Publication Date Title
US11275345B2 (en) Machine learning Method and machine learning device for learning fault conditions, and fault prediction device and fault prediction system including the machine learning device
US11042145B2 (en) Automatic health indicator learning using reinforcement learning for predictive maintenance
US20230162063A1 (en) Interpretability-based machine learning adjustment during production
US20210147182A1 (en) Non-intrusive data analytics system for adaptive intelligent condition monitoring of lifts
US11592800B2 (en) Abnormality detector of a manufacturing machine using machine learning
US10877863B2 (en) Automatic prediction system for server failure and method of automatically predicting server failure
US10552762B2 (en) Machine learning of physical conditions based on abstract relations and sparse labels
EP3489780B1 (en) Examining apparatus, examining method, program and recording medium
US9443201B2 (en) Systems and methods for learning of normal sensor signatures, condition monitoring and diagnosis
US10458416B2 (en) Apparatus and method for monitoring a pump
WO2018071005A1 (en) Deep long short term memory network for estimation of remaining useful life of the components
JP7201844B2 (ja) グラディエントベースのセンサ識別を利用した障害予測
WO2011073613A1 (en) A method, apparatus and computer program for diagnosing a mode of operation of a machine
US11500370B2 (en) System for predictive maintenance using generative adversarial networks for failure prediction
US20220414526A1 (en) Intelligent fault detection system
US11341780B2 (en) Maintenance of an aircraft via similarity detection and modeling
CN116628633A (zh) 一种igbt实时监测与使用寿命预测评估方法
CN117474357A (zh) 基于深度学习的配电房运维管理方法及系统
JP2022134340A (ja) 周辺機器、監視システム、監視方法及びプログラム
Lutska et al. Forecasting the efficiency of the control system of the technological object on the basis of neural networks
US11366178B2 (en) Method and system for diagnostics and monitoring of electric machines
US11334053B2 (en) Failure prediction model generating apparatus and method thereof
KR20220097252A (ko) 스마트 플랜트에 관한 머신러닝 기반 설비 관리 방법 및 시스템
KR20190108515A (ko) 인공 신경망 데이터 처리기를 포함하는 센서 장치
WO2021130936A1 (ja) 時系列データ処理方法

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20240205