JP2023541887A - 農業用地中センサの異常検知および管理 - Google Patents

Abstract

方法は、１つ以上の環境モデルによって、１つ以上のセンサの予想出力をシミュレートすることと、１つ以上のセンサの実際の出力が予想出力と閾値だけ異なることを特定したことに応じて、１つ以上の異常センサを検出することと、複数の異常反応ゾーン内の１つ以上のセンサの存在に基づいて、１つ以上の異常センサを管理する１つ以上のアクションを実行することと、を含んでもよい。【選択図】図２

Description

本発明は、一般にコンピューティングの分野に関し、より具体的には、環境センサに関する。

環境センサの分野は、自装置の環境における事象、変化または条件を検出し、このデータを接続先のストレージまたはコンピューティングデバイスに通信するように機能するデバイスに関係する。マイクロマシンおよび簡便なマイクロコントローラプラットフォームの進歩により、センサの使用は大幅に拡大し、製造、農業、航空宇宙、医療、ロボット工学、家庭などの分野において数多くの用途に使用されるようになっている。センサの普及により、より大量かつ正確なデータの収集が可能になる。そして、このデータは、例えば、産業および農業プロセス、科学研究、日常生活に対してより多くの利益を実現可能な、ますます高度化するコンピューティングプロセスに供給される。

一実施形態によれば、１つ以上のセンサにおける異常を検出および管理するための方法、コンピュータシステム、およびコンピュータプログラム製品が提供される。本発明は、１つ以上の環境モデルによって、１つ以上のセンサの予想出力をシミュレートすることと、１つ以上のセンサの実際の出力が予想出力と閾値だけ異なることを特定したことに応じて、１つ以上の異常センサを検出することと、複数の異常反応ゾーン内の１つ以上のセンサの存在に基づいて、１つ以上の異常センサを管理する１つ以上のアクションを実行することと、を含んでもよい。

本発明の上記および他の目的、特徴ならびに利点は、その例示的な実施形態に関する以下の詳細な説明から明らかとなる。これらの実施形態は、添付図面に関連して読むべきものである。なお、各図面は、詳細な説明と併せて当業者が本発明を理解するのを容易にするにあたって明確にするものであるため、図面の様々な特徴は縮尺通りではない。

少なくとも１つの実施形態に係る、例示的なネットワーク化コンピュータ環境を示す図である。 少なくとも１つの実施形態に係る、センサ異常管理プロセスを示す動作フローチャートである。 少なくとも１つの実施形態に係る、センサ異常管理プロセスの実装形態の概略ワークフロー図である。 少なくとも１つの実施形態に係る、図１に示したコンピュータおよびサーバの内部および外部コンポーネントのブロック図である。 本発明の一実施形態に係る、クラウドコンピューティング環境を示す図である。 本発明の一実施形態に係る、抽象化モデルレイヤを示す図である。

特許請求される構造および方法の詳細な実施形態が本明細書に開示されているが、本開示の実施形態は、様々な形態で具体化可能な特許請求される構造および方法の例示に過ぎないことが理解される。本発明は、多くの異なる形態で具体化されてもよく、本明細書に記載の例示的な実施形態に限定されるものと解釈すべきではない。以下の説明において、本開示の実施形態が不必要に曖昧にすることを避けるために、周知の特徴および技術については詳細を省略する場合がある。

本発明の実施形態は、コンピューティングの分野に関し、より具体的には、環境センサに関する。以下に説明する例示的な実施形態は、特に、環境モデルとの比較によってセンサデータ内の異常（anomalies）を検出し、異常反応ゾーン（anomaly reaction zones）に基づいて異常を管理し、異常の潜在的原因を特定するシステム、方法、およびプログラム製品を提供するものである。したがって、本実施形態は、センサデータ内の異常を迅速かつ確実に特定し、次に、優先度によってセンサをグループ化する異常反応ゾーン（ここで、ゾーンはユーザフィードバックによって部分的に定義される）に基づいて最も適切な方法で異常に対処し、異常の潜在的原因を示して異常の再発を防止することによって、環境センサの技術分野を改善することができる。

上述したように、環境センサの分野は、自装置の環境における事象、変化または条件を検出し、このデータを接続先のストレージまたはコンピューティングデバイスに通信するように機能するデバイスに関係する。マイクロマシンおよび簡便なマイクロコントローラプラットフォームの進歩により、センサの使用は大幅に拡大し、製造、農業、航空宇宙、医療、ロボット工学、家庭などの分野において数多くの用途に使用されるようになっている。センサの普及により、より大量かつ正確なデータの収集が可能になる。そして、このデータは、例えば、産業および農業プロセス、科学研究、日常生活に対してより多くの利益を実現可能な、ますます高度化するコンピューティングプロセスに供給される。

しかしながら、センサは無謬ではない。すべてのハードウェアと同様に、センサは外部事象に敏感である。そして、このことは、センサが必然的に、非保護位置（unprotected positions）に配置され、自身が監視対象とする環境条件にさらされる場合が多いという事実によって、悪化する可能性が高い。センサは、衝撃や風、動物、地震活動によって移動したり損傷したりする場合がある。また、湿気や化学物質によって腐食したり、閉塞したり、予期せぬ局所的な条件にさらされたり、その他多くの理由で動作に支障をきたす場合がある。その結果、センサは一般的に、異常な測定値（readings）、すなわち、予期せぬセンサデータもしくは不正確なセンサデータまたはその両方を生成する傾向がある。このような異常なデータに依存して行うプロセスや計算は、不正確または誤りである可能性がある。しかし、センサのメンテナンスにはコストがかかり、特にセンサが遠隔地やアクセスしにくい場所に設置されている場合、頻繁な物理的検査（physical inspection）は困難である。さらに、異常の発見が遅れると、それに応じたコストもかかる。すなわち、センサが故障していた期間に収集されなかったデータを取り戻す方法が存在しない。

当技術分野では、これらの問題に対処する試みが行われてきた。例えば、予め設定された許容閾値から突然にまたは異常に逸脱するデータを排除または考慮する、または、センサが測定するように設計されている事前パターンおよび環境条件を使用して異常を検出する、などである。しかしながら、センサが測定するように設計された事前パターンや環境条件に限定すると、不完全な実態を与えることになり、測定値を異常として不正確に識別したり、異常な測定値を識別できなかったりするという問題が少なくとも存在する。例えば、ダムの決壊による地域の洪水、山火事、ハリケーンによるかつてない降雨量や風速など、異常な環境事象や状況により、完全に機能しているセンサが一見して異常なデータを記録する場合がある。あるいは、誤動作しているセンサが、過去の傾向と一致する、または予想されるパラメータ内に収まるが、この誤動作しているセンサの環境事象および条件の全体的な評価に基づき期待される測定値と一致しない誤ったデータを報告している可能性がある。さらに、十分な追加のコンテキスト（additional context）を有しない過去パターンを使用した場合、システムが異常データの原因を特定し、例えば、異常な測定値がセンサの誤動作によるものか異常な環境条件によるものかを特定する、もしくは、センサが誤動作している場合の損傷の原因を特定する、またはその両方を行うのに十分なデータを与えることができない。そのため、異常な環境条件から発生し異常に見える可能性のある正確な測定値を、誤りであると誤判断したり捨ててしまったり、あるいは、センサが誤動作状態であると誤判断してしまったりする場合がある。さらに、センサが誤動作していると正しく特定された場合、当該センサが存在する地理的領域や論理的なグルーピングに基づいて、この問題に最もよく対処するために異なるレベルの対応が行われてもよい。これは、センサの価値や重要性、センサが測定対象とする資産やプロセスなど、複数の要因に基づいて策定されてもよい。これは、個別の状況に応じたソリューションとなり、各異常なセンサを同じ方法で、あるいは関連する要因を考慮せずに処理する一元的なアプローチとは対照的である。この場合は、例えば、価値の低い資産を監視しているセンサや、アクセスしにくい場所に設置されたセンサが、そのデータを補正（correct）できるにもかかわらず交換され、無駄なコストが発生することになる。

したがって、特に、環境データの全体像（holistic picture）に基づいてセンサデータの異常を迅速かつ確実に特定し、観測値を推定値で補正または埋め戻す（backfill）ことと、これらの推定値の信頼度を提供することとによって異常を管理し、収集するデータの重要性や異常を管理する好ましい方法などの要因に基づいてセンサまたはセンサのグループに優先順位をつけ、異常の再発を防止できるように異常の潜在的な原因を特定するシステムを実装することが有利な場合がある。

少なくとも１つの実施形態によれば、本発明は、環境における定量化可能なプロセスおよび条件に基づいてセンサが収集すると予想されるデータを予測する環境モデルを構築し、環境モデルと共に、同様の状況における過去のセンサ読み取り値、現在および過去の環境条件、他の近隣のもしくは類似のまたはその両方のセンサからのデータ、センサ出力に影響を与える一般傾向および規則などを用いることによって、環境センサにおける異常を検出するシステムである。そして、システムは、予想出力をセンサの実際の出力と比較する。予想出力と実際の出力との乖離の大きさが閾値を超える場合、システムは、異常の存在を特定してもよい。いくつかの実施形態において、システムは、リモートセンシングシグネチャ（remote sensing signatures）もしくは他の近隣のセンサまたはその両方を使用することによって、環境センサの異常を検出してもよい。閾値は、予め決められていてもよいし、機械学習、履歴データ、ユーザフィードバックなどに基づいて作成または調整されてもよい。

いくつかの実施形態において、システムは、機械学習モデルを使用して異常を検出してもよい。機械学習モデルは、クラスタリング法など、異常を検出するための複数の方法のいずれかを採用することができる。いくつかの実施形態において、フィードバックループ、または半教師あり学習段階から収集されたデータを使用して、異常検出精度を向上させてもよい。いくつかの実施形態において、異常検出のための特徴または属性は、異常の可能性のあるセンサおよび近隣のセンサからの最近の時間的センサデータ、環境学習モデルによって予測された予想出力、降水量または風などの気象データ、農業活動のための論理フィールド、予期せぬ気象イベント、リモートセンシングデータなどであってもよい。

少なくとも１つの実施形態によれば、本発明は、環境センサにおいて検出された異常を管理するためのシステムである。システムは、例えば環境モデルの使用もしくは機械学習モデルまたはその両方によって、異常なセンサ出力を補正または再構築することによって、異常を管理してもよい。いくつかの実施形態において、システムは、環境モデル、リモートセンシングデータ、および気象データによってシミュレートされた予想出力を使用した標準的な回帰手法によって、異常データを補正してもよい。システムはまた、例えば環境モデルが利用できないか、または十分に正確でない場合に、ユーザに警告を発して、センサの変更または修理のために人の介入を要求または助言する、あるいは異常を誤検出としてマークすることによって、検出された異常を管理してもよい。例えば、少なくとも１つの実施形態において、センサを管理することは、センサにデータ（プログラミング命令など）を伝達して、センサにアクションを実行させることを指す。アクションは、センサの起動、停止、または無効化を含んでもよい。また、アクションは、読み取り動作もしくは書き込み動作、またはセンサの入出力コンポーネントの動作を含んでもよい。いくつかの実施形態において、システムは、例えば、センサが動作を継続した場合にセンサが損傷したり、付近の人または資産に危険をもたらしたりする可能性がある場合、センサを操作して無効化してもよい。

いくつかの実施形態において、例えばシステムが異常なセンサ出力を補正または再構成（reconstruct）した場合、システムは、補正または再構成したデータに対して信頼度を割り当てることができる。ここで、信頼度は、例えば、補正データの生成に使用した利用可能なデータの質もしくは量またはその両方、環境モデルの精度などに基づいて、補正または再構成したデータが正確である確率を表す。いくつかの実施形態において、信頼度は、どの入力データセットが異常の補正に使用されたかに基づいて評価されてもよい。例えば、リモートセンシングデータは、異常が検出された日に利用できない場合がある。そのため、物理モデルの出力、天候、および近隣のセンサの読み取り値のみが異常補正に使用されることになる。このような場合、信頼度は「中」とされてもよい。すべてのソースが利用可能な場合、信頼度「高」が割り当てられてもよい。いくつかの実施形態において、信頼度は、１つ以上の異常反応ゾーン内の異常センサの位置に基づいて、異常を管理するための１つ以上の追加のアクションをトリガしてもよい。低信頼度の再構成データは、優先度の低い異常反応ゾーンでは許容されてもよいが、優先度の高い異常反応ゾーンに位置する異常センサについての再構成データに低信頼度が割り当てられた場合、システムは、追加のアクションをトリガしてもよい。追加のアクションは例えば、異常センサをユーザに通知する、異常センサを修理または交換するようユーザに警告する、再構成データの信頼度が低いことをユーザに警告する、もしくはユーザからのフィードバックを要求する、またはその組み合わせである。いくつかの実施形態において、ユーザは、各異常反応ゾーン内または異常反応ゾーンの各優先度もしくは分類において、どの信頼度の場合に追加のアクションをトリガするかを指定してもよい。

少なくとも１つの実施形態によれば、システムはセンサを異常反応ゾーンにグループ化してもよい。そして、システムは、所与の異常反応ゾーンに関してどの異常管理方法が最も適切であるかに基づいて、各ゾーン内の異常を異なる方法で管理する。異常反応ゾーンは、センサのクラスタまたはグループとすることができ、ゾーン自体は、例えば、グループに属するセンサを含む地理的領域を規定する地理的なものであってもよいし、例えば、センサが地理的近接性に基づいてグループ化されていない場合、ゾーンは、特定の特性または機能を共有するすべてのセンサを規定する論理構成（logical construct）であってもよい。センサは、グループ内で異常をどのように管理すべきかを示す共通点の数または組み合わせに基づいて、グループ化してもよい。例えば、同じ種類のすべてのセンサ（すなわち、降雨センサ）をグループ化してもよいし、単一の作物、産業プロセス、地理的領域などに関連するすべてのセンサを一緒にグループ化してもよい。本発明のいくつかの実施形態において、センサの各グループ、すなわち異常反応ゾーンは、高、中、低などの優先度を割り当てられてもよい。異常反応ゾーンの優先度は、その異常反応ゾーン内のセンサが収集したセンサデータの異常に対する許容度、言い換えれば、センサデータの精度の必要性を表す。優先度は、センサに関連するプロセスまたは資産の価値、特定のセンサまたは特定の種類のセンサが収集するデータの重要性などの要因の数または組み合わせに対応してもよい。例えば、異常反応ゾーンが、高価な作物や重要な産業プロセスを監視しているセンサで構成され、小さな誤りが大きな損失をもたらす可能性がある場合、当該異常反応ゾーンに高優先度を割り当ててもよい。逆に、異常反応ゾーンが、例えば、価値の低い作物や許容範囲が広い産業プロセスを監視しているセンサで構成されている場合、当該異常反応ゾーンに低優先度を割り当ててもよい。同様に、潜水艦の酸素センサのように特に重要なデータを収集しているセンサは、異常反応ゾーンにグループ化して高優先度を割り当ててもよいし、イチゴ畑の風センサのように比較的重要でないデータを収集しているセンサは、異常反応ゾーンにグループ化して低優先度を割り当ててもよい。いくつかの実施形態において、優先度は、異常なデータが比較的許容できる期間と、比較的許容できない期間とがある場合、時間と共に変化してもよい。例えば、農業の分野では、異常反応ゾーンは、作物が太陽と水の変動に最も敏感である初期成長段階においては高優先度を割り当て、植物が環境条件に比較的敏感でない熟成段階においては中優先度に引き下げてもよい。

いくつかの実施形態において、システムは、異常センサが属する異常反応ゾーンの優先度に基づいて、異常を管理してもよい。例えば、優先度の低い異常反応ゾーンで異常が検出された場合、システムは単に異常データを自動修正または再構成してもよい。これは、精度の必要性が低く、再構成されたデータで十分であると考えられるからである。中優先度の異常反応ゾーンでは、システムはデータを自動修正するが、ユーザに異常を通知してもよい。高優先度の異常反応ゾーンでは、システムはユーザにセンサの交換や修理を警告してもよい。

いくつかの実施形態において、システムは、センサが位置する異常反応ゾーンの優先度に基づいて、所与のセンサからのデータに対する異常検出閾値を調整してもよい。例えば、高優先度の異常反応ゾーン内に位置するセンサは、システムが異常と解釈する、予想出力値と実際のセンサ出力との乖離の大きさを小さくし、より小さな不一致でも異常とフラグ付けされるようにしてもよい。逆に、低優先度の異常反応ゾーンでは、閾値をより大きくして、より大きな不一致のみが異常として検出されるようしてもよい。

また、優先度は、少なくとも部分的に、センサのコストまたは修理の容易さに基づいてもよい。高価なセンサや修理が困難なセンサは、センサの修理や交換が不可能な場合があり、異常を許容する必要がある場合があるため、低優先度の異常反応ゾーンにグループ分けしてもよい。逆に、安価なセンサや修理が容易なセンサは、異常データを補正するよりも交換した方が望ましい場合、高優先度を割り当ててもよい。

いくつかの実施形態において、本発明は、異常の原因を特定するためのシステムであってもよい。システムは、ルールベースのアプローチを採用して異常の潜在的原因を特定してもよく、この場合、システムは、異常の検出と同時期に収集された異常センサに関連するデータ、例えば、異常センサを監視している、または異常センサと同じもしくは類似の環境条件を監視している他のセンサからのデータ、気象データ、異常が検出されたのと同じ時間の会場またはイベントのスケジュールデータなどを解析する。いくつかの実施形態において、このデータは、光学またはマイクロ波レーダ衛星を活用して形成されたシグネチャまたはフィンガープリントを含んでもよい。例えば、合成開口レーダ搭載衛星からの地表植生後方散乱信号（surface vegetation backscatter signal）または光学衛星からの正規化差植生指数（normalized difference vegetation indices）を用いて、農業センサが「感知」することが期待される環境属性／周囲状況のシグネチャを形成または増強してもよい。システムはさらに、履歴データ、またはセンサの異常動作の背景を説明できる他のデータを検索してもよい。システムは、データを解析して、１つ以上の条件が満たされたかどうかを判断してもよい。ここで、条件は、異常の潜在的原因を示すものである。例えば、「過去２４時間に２０ｍｍ以上の雨が降った」または「過剰灌漑が発生し、センサが低位置に置かれている」という条件が満たされたとシステムが判断した場合、システムは異常の潜在的原因をそれぞれ「過剰降雨」または「過剰灌漑」と特定してもよい。別の例では、最近雹が降ったことによりセンサが元の位置からずれた場合、気象（地上レーダデータ）やリモートセンシングデータによって雹が発生したことを検出することができる。条件は予め設けられてもよいし、ユーザのフィードバックに基づいて調整してもよい。

いくつかの実施形態において、システムは、システムの機能を改善させるためにユーザからの定期的なフィードバックを求めてもよい。システムは、ユーザがシステムとインタラクションし、フィードバックを伝達することを可能にするユーザインタフェースを（例えば、ユーザが所有する、または他の形でユーザに関連付けられたモバイルデバイス上のアプリケーションの形態で）提供してもよい。そして、システムは、テキストメッセージもしくはグラフィック要素（ポップアップウィンドウ、警告シンボル、通知トレイアイコンなど）またはその両方の形態でフィードバックを求めてもよい。ユーザフィードバックを用いて、異常反応ゾーンを動的に調整してもよい。例えば、ある異常反応ゾーンにおけるいくつかの異常がユーザによって誤判定とマークされた場合（例えば、センサが意図的にオフにされた）、システムは、対応するゾーンを低優先度の異常反応ゾーンとしてクラスタリング（または再クラスタリング）すべきであると学習してもよい。逆に、手動介入がセンサの交換を行うものであり、そのゾーンが過去に高歩留まり（high yield）であった場合、システムはその異常反応ゾーンを高優先度としてクラスタリング（または再クラスタリング）すべきであると学習してもよい。

本発明は、任意の可能な技術詳細レベルで統合されたシステム、方法もしくはコンピュータプログラム製品またはそれらの組み合わせとすることができる。コンピュータプログラム製品は、プロセッサに本発明の態様を実行させるためのコンピュータ可読プログラム命令を記憶したコンピュータ可読記憶媒体を含んでもよい。

コンピュータ可読記憶媒体は、命令実行装置によって使用される命令を保持し、記憶することができる有形の装置とすることができる。コンピュータ可読記憶媒体は、一例として、電子記憶装置、磁気記憶装置、光学記憶装置、電磁記憶装置、半導体記憶装置またはこれらの適切な組み合わせであってよい。コンピュータ可読記憶媒体のより具体的な一例としては、ポータブルコンピュータディスケット、ハードディスク、ＲＡＭ、ＲＯＭ、ＥＰＲＯＭ（またはフラッシュメモリ）、ＳＲＡＭ、ＣＤ－ＲＯＭ、ＤＶＤ、メモリスティック、フロッピーディスク、パンチカードまたは溝内の隆起構造などに命令を記録した機械的に符号化された装置、およびこれらの適切な組み合せが挙げられる。本明細書で使用されるコンピュータ可読記憶媒体は、電波もしくは他の自由に伝播する電磁波、導波管もしくは他の伝送媒体を介して伝播する電磁波（例えば、光ファイバケーブルを通過する光パルス）、またはワイヤを介して送信される電気信号のような、一過性の信号それ自体として解釈されるべきではない。

本明細書に記載のコンピュータ可読プログラム命令は、コンピュータ可読記憶媒体からそれぞれのコンピュータ装置／処理装置へダウンロード可能である。あるいは、ネットワーク（例えばインターネット、ＬＡＮ、ＷＡＮもしくはワイヤレスネットワークまたはこれらの組み合わせ）を介して、外部コンピュータまたは外部記憶装置へダウンロード可能である。ネットワークは、銅製伝送ケーブル、光伝送ファイバ、ワイヤレス伝送、ルータ、ファイアウォール、スイッチ、ゲートウェイコンピュータもしくはエッジサーバまたはこれらの組み合わせを備えることができる。各コンピュータ装置／処理装置内のネットワークアダプタカードまたはネットワークインタフェースは、ネットワークからコンピュータ可読プログラム命令を受信し、当該コンピュータ可読プログラム命令を、各々のコンピュータ装置／処理装置におけるコンピュータ可読記憶媒体に記憶するために転送する。

本発明の動作を実施するためのコンピュータ可読プログラム命令は、アセンブラ命令、命令セットアーキテクチャ（ＩＳＡ）命令、機械命令、機械依存命令、マイクロコード、ファームウェア命令、状態設定データ、集積回路用構成データ、または、スモールトークやＣ＋＋などのオブジェクト指向プログラミング言語、および「Ｃ」プログラミング言語や類似のプログラミング言語などの手続き型プログラミング言語を含む、１つ以上のプログラミング言語の任意の組み合わせで記述されたソースコードもしくはオブジェクトコードのいずれかとすることができる。コンピュータ可読プログラム命令は、スタンドアロン型ソフトウェアパッケージとして完全にユーザのコンピュータ上で、または部分的にユーザのコンピュータ上で実行可能である。あるいは、部分的にユーザのコンピュータ上でかつ部分的にリモートコンピュータ上で、または、完全にリモートコンピュータもしくはサーバ上で実行可能である。後者の場合、リモートコンピュータは、ＬＡＮやＷＡＮを含む任意の種類のネットワークを介してユーザのコンピュータに接続してもよいし、外部コンピュータに（例えば、インターネットサービスプロバイダを使用してインターネットを介して）接続してもよい。いくつかの実施形態において、例えばプログラマブル論理回路、フィールドプログラマブルゲートアレイ（ＦＰＧＡ）、プログラマブル論理アレイ（ＰＬＡ）を含む電子回路は、本発明の態様を実行する目的で当該電子回路をカスタマイズするために、コンピュータ可読プログラム命令の状態情報を利用することによって、コンピュータ可読プログラム命令を実行することができる。

本発明の態様は、本明細書において、本発明の実施形態に係る方法、装置（システム）、およびコンピュータプログラム製品のフローチャートもしくはブロック図またはその両方を参照して説明されている。フローチャートもしくはブロック図またはその両方における各ブロック、および、フローチャートもしくはブロック図またはその両方における複数のブロックの組み合わせは、コンピュータ可読プログラム命令によって実行可能である。

これらのコンピュータ可読プログラム命令は、機械を生産するために、コンピュータまたは他のプログラマブルデータ処理装置のプロセッサに提供することができる。これにより、このようなコンピュータまたは他のプログラマブルデータ処理装置のプロセッサを介して実行されるこれらの命令が、フローチャートもしくはブロック図またはその両方における１つ以上のブロックにて特定される機能／動作を実行するための手段を創出する。これらのコンピュータ可読プログラム命令はさらに、コンピュータ、プログラマブルデータ処理装置もしくは他の装置またはこれらの組み合わせに対して特定の態様で機能するよう命令可能なコンピュータ可読記憶媒体に記憶することができる。これにより、命令が記憶された当該コンピュータ可読記憶媒体は、フローチャートもしくはブロック図またはその両方における１つ以上のブロックにて特定される機能／動作の態様を実行するための命令を含む製品を構成する。

また、コンピュータ可読プログラム命令を、コンピュータ、他のプログラマブル装置、または他の装置にロードし、一連の動作ステップを当該コンピュータ、他のプログラマブル装置、または他の装置上で実行させることにより、コンピュータ実行プロセスを生成してもよい。これにより、当該コンピュータ、他のプログラマブル装置、または他の装置上で実行される命令が、フローチャートもしくはブロック図またはその両方における１つ以上のブロックにて特定される機能／動作を実行する。

図面におけるフローチャートおよびブロック図は、本発明の種々の実施形態に係るシステム、方法およびコンピュータプログラム製品の可能な実装形態のアーキテクチャ、機能性、および動作を示している。この点に関して、フローチャートまたはブロック図における各ブロックは、特定の論理機能を実行するための１つ以上の実行可能な命令を含む、命令のモジュール、セグメント、または部分を表すことができる。他の一部の実装形態において、ブロック内に示した機能は、各図に示す順序とは異なる順序で実行されてもよい。例えば、関係する機能に応じて、連続して示される２つのブロックが、実際には、１つの工程として達成されてもよいし、同時もしくは略同時に実行されてもよいし、部分的もしくは全体的に時間的に重複した態様で実行されてもよいし、ブロックが場合により逆順で実行されてもよい。なお、ブロック図もしくはフローチャートまたはその両方における各ブロック、および、ブロック図もしくはフローチャートまたはその両方における複数のブロックの組み合わせは、特定の機能もしくは動作を行う、または専用ハードウェアとコンピュータ命令との組み合わせを実行する、専用ハードウェアベースのシステムによって実行可能である。

以下に説明する例示的な実施形態は、環境モデルと比較することによってセンサデータ内の異常を検出し、異常反応ゾーンに基づいて異常を管理し、異常の潜在的原因を特定するシステム、方法、およびプログラム製品を提供する。

図１は、少なくとも１つの実施形態に係る、例示的なネットワーク化コンピュータ環境１００を示す図である。ネットワーク化コンピュータ環境１００は、通信ネットワーク１１４を介して相互に接続されたクライアントコンピューティングデバイス１０２およびサーバ１１２を含んでもよい。少なくとも１つの実装形態によれば、ネットワーク化コンピュータ環境１００は、複数のクライアントコンピューティングデバイス１０２およびサーバ１１２を含んでもよく、図示を簡略化するためにそのうちの１つだけを示している。

通信ネットワーク１１４は、ワイドエリアネットワーク（ＷＡＮ）、ローカルエリアネットワーク（ＬＡＮ）、電気通信ネットワーク、無線ネットワーク、公衆交換ネットワーク、もしくは衛星ネットワークまたはその組み合わせなどの様々な種類の通信ネットワークを含んでもよい。通信ネットワーク１１４は、有線、無線通信リンク、または光ファイバケーブルなどの接続を含んでもよい。なお、図１は、１つの実装形態を例示しているに過ぎず、異なる実施形態を実装可能な環境に関していかなる制限も示唆するものではない。設計および実装要件に基づいて、図示の環境に対する多くの変更を行ってもよい。

クライアントコンピューティングデバイス１０２は、本発明の一実施形態に従って、センサ異常管理プログラム１１０Ａをホストおよび実行し、通信ネットワーク１１４を介してサーバ１１２と通信することができるプロセッサ１０４およびデータ記憶装置１０６を含んでもよい。クライアントコンピューティングデバイス１０２は、例えば、モバイルデバイス、電話、パーソナルデジタルアシスタント、ネットブック、ラップトップコンピュータ、タブレットコンピュータ、デスクトップコンピュータ、またはプログラムを実行しネットワークにアクセスすることができる任意の種類のコンピューティングデバイスとすることができる。図４を参照して説明するように、クライアントコンピューティングデバイス１０２は、それぞれ内部コンポーネント４０２ａおよび外部コンポーネント４０４ａを含んでもよい。

センサ１０８は、自装置の環境における事象、変化、または状態を検出し、これらの事象、変化、または状態をネットワーク１１４上のコンピューティングデバイスまたはデータ記憶デバイスに通信するように構成された任意のデバイスとすることができる。なお、図示を簡単にするために単数として示しているが、センサ１０８は、環境の影響によってその動作に支障をきたす恐れのある、水分センサ、風速センサ、化学センサ、光学センサ、振動センサ、荷重計などのセンサを任意の数で任意に組み合わせたものを表してもよい。

サーバコンピュータ１１２は、本発明の実施形態に従って、センサ異常管理プログラム１１０Ｂおよびデータベース１１６をホストおよび実行し、通信ネットワーク１１４を介してクライアントコンピューティングデバイス１０２と通信することができる、ラップトップコンピュータ、ネットブックコンピュータ、パーソナルコンピュータ（ＰＣ）、デスクトップコンピュータ、または任意のプログラム可能電子デバイスもしくは任意のプログラム可能電子デバイスのネットワークとすることができる。図４を参照して説明するように、サーバコンピュータ１１２は、内部コンポーネント４０２ｂおよび外部コンポーネント４０４ｂをそれぞれ含んでもよい。また、サーバ１１２は、サービスとしてのソフトウェア（ＳａａＳ）、サービスとしてのプラットフォーム（ＰａａＳ）、サービスとしてのインフラストラクチャ（ＩａａＳ）などのクラウドコンピューティングサービスモデルで動作してもよい。また、サーバ１１２は、プライベートクラウド、コミュニティクラウド、パブリッククラウド、またはハイブリッドクラウドなどのクラウドコンピューティング展開モデルで配置されてもよい。

本実施形態によれば、センサ異常管理プログラム１１０Ａ、１１０Ｂは、環境モデルとの比較によるセンサデータ内の異常の検出、異常反応ゾーンに基づく異常の管理、および異常の潜在的な原因の特定を行うことができるプログラムであってもよい。センサ異常管理は、クライアントコンピューティングデバイス１０２もしくはサーバ１１２、またはネットワーク１１４内に位置する他の任意のデバイスに配置されてもよい。さらに、センサ異常管理は、クライアントコンピューティングデバイス１０２およびサーバ１１２などの複数のデバイスにわたってその動作が分散されてもよい。センサ異常管理方法は、図２を参照して以下に詳述する。

次に、図２は、少なくとも１つの実施形態に係る、センサ異常管理プロセス２００を示す動作フローチャートである。ステップ２０２にて、センサ異常管理プログラム１１０Ａ、１１０Ｂは、センサ１０８の局所環境（local environment）を表す環境モデルを生成する。環境モデルは、センサ１０８の周囲の環境のシミュレート表現（simulated representation）であってもよく、センサ１０８の出力もしくは動作またはその両方に影響を及ぼし得る局所的な条件、事象、変化などをモデル化する。いくつかの実施形態において、各センサ１０８は、各センサ１０８に対する局所的な条件をモデル化した自身の環境モデルと関連付けられてもよい。これは例えば、複数のセンサ１０８が、それらの間の環境条件をモデル化することに費用対効果がないほどに互いに地理的に離れている場合、もしくは、複数のセンサ１０８の動作が互いに非常に異なっており、それらの予想出力を別々にモデル化できる場合、またはその両方の場合に行われてもよい。いくつかの実施形態において、例えば、センサ１０８同士が互いに近接しており、同じ環境条件の影響を受ける場合、単一の環境モデルによって複数またはすべてのセンサ１０８の環境要因をモデル化してもよい。

いくつかの実施形態において、環境モデルは、センサ１０８の出力または動作に影響を与える可能性のある、センサ１０８の環境において発生する物理プロセスおよび条件をシミュレートしてもよい。例えば、土壌水分センサおよび土壌温度センサなどの、同じ地理的領域内の複数の農業用センサ１０８の環境をシミュレートする環境モデルの場合、環境モデルは、土壌水分および温度をモデル化するために、降水量、日光、蒸散および蒸発、表面温度、土壌水分フラックス、土壌熱フラックス、土壌組成、帯水層涵養などの、環境に影響を与える物理プロセスまたは条件のすべてまたは多くをシミュレートしてもよい。環境の完全なまたはほぼ完全なシミュレーションを作成することによって、環境モデルは、環境内のセンサ１０８の予想出力をより正確に計算することができる。別の例として、桶（vat）内の１つ以上の化学センサに対する局所的な環境条件をシミュレートする環境モデルは、桶の内容物の酸性度および他の化学特性をモデル化するために、桶の化学入出力をモデル化してもよい。

いくつかの実施形態において、環境モデルは、センサ１０８の予想出力に直接関係しないが、センサ１０８の動作に関係する可能性のある環境要素をシミュレートしてもよい。工場の建物内の研究室における光電気化学センサの例では、環境モデルは、機械装置の位置、従業員の動きの一般的な傾向および位置、機械装置によって加えられる力（トリップハンマーからの振動など）、装置の稼働時間などを考慮し、センサが外れる、倒れる、または損傷する原因となり得る条件または事象をモデル化してもよい。予想出力に直接関係しないが、センサ１０８の動作に関係する可能性のある環境要素をシミュレートすることは、センサ異常管理プログラム１１０Ａ、１１０Ｂが異常の潜在的原因をより正確に特定できるようにするための有用なデータを提供できるという点で有利である。

センサ異常管理プログラム１１０Ａ、１１０Ｂは、例えば、入力に基づいてセンサ１０８の局所的な環境をシミュレートするように設計された複数の異なる数学モデルのうちの１つを使用し、シミュレーションの基礎として必要な初期条件および静的データをモデルに投入し、その後、シミュレーションが条件の変化または不測の事象に適応できるようにする動的入力データ（dynamic input data）を提供することによって、環境モデルを生成してもよい。例えば、土壌温度および水分を含む複数の農業用センサの場合、センサ異常管理プログラム１１０Ａ、１１０Ｂは、陸上プロセス（terrestrial processes）に関する環境モデルを選択し、土壌水分、土壌温度、土壌種類、標高、植生データ、および深層条件などの初期条件および静的データを投入してもよい。そして、センサ異常管理プログラム１１０Ａ、１１０Ｂは、その後、継続的に潅水スケジュール、降水量、温度、相対湿度、日射、気圧、および風況場（wind field）などの動的入力データを提供してもよい。データおよび数学モデルは、ユーザによって提供されてもよいし、オンラインリポジトリ、天気予報アプリケーション、ウェブサイトなどからクローリングもしくは受信もしくはその他の方法で取得してもよいし、その両方が行われてもよい。

ステップ２０４にて、センサ異常管理プログラム１１０Ａ、１１０Ｂは、環境モデルを用いて、センサの予想出力をシミュレートする。センサ異常管理プログラム１１０Ａ、１１０Ｂは、環境モデルによってシミュレートされた条件に基づいて、センサ１０８の予想出力を決定してもよい。環境モデルは、センサ１０８が測定対象とする条件を、これらの条件を生じさせるであろう環境要因をモデル化することによって予測する。いくつかの実施形態において、センサ１０８の予想出力を決定する際、センサ異常管理プログラム１１０Ａ、１１０Ｂは、過去のセンサデータを考慮してもよい。過去のセンサデータは、現在と比較可能な条件における、過去のセンサの出力である。例えば、センサ１０８の出力が時刻に基づいて変動することが知られている場合、センサ異常管理プログラム１１０Ａ、１１０Ｂは、対応する時刻におけるセンサ１０８の過去の出力に基づいて、予想出力を決定してもよい。センサ異常管理プログラム１１０Ａ、１１０Ｂは、対応する過去のセンサデータを特定する際に、天候データなどの環境データを考慮してもよいし、特定のセンサ１０８および類似するセンサ１０８全般の両方の出力に対する天候および他の環境条件の影響に基づいてセンサ１０８の予想出力をさらに補正してもよいし、その両方を行ってもよい。環境モデルを使用してセンサ１０８の予想出力をシミュレートすることにより、センサ１０８に影響を与える可能性のある、環境におけるすべての利用可能な要因を考慮した予想出力を得ることができ、それによって予想出力の精度を向上させることができる。

いくつかの実施形態において、一のセンサ１０８の予想出力を決定する際に、センサ異常管理プログラム１１０Ａ、１１０Ｂは、他のセンサ１０８が近くに位置し、かつ同じ条件、または当該一のセンサ１０８が監視している条件に部分的に基づく条件を監視している場合などに、他のセンサ１０８からのセンサデータを考慮に入れてもよい。このようにして、当該一のセンサ１０８が監視している条件を、付近のセンサ１０８からの出力データによって数学的に決定することができる。例えば、３つの土壌水分センサが互いに隣接するフィールド内にある場合、センサ異常管理プログラム１１０Ａ、１１０Ｂは、それらのうちのいずれか１つの出力が、残りの他のセンサと類似するものであると予想してもよい。別の例では、土壌水分センサと土壌温度センサとが近くに位置している場合、センサ異常管理プログラム１１０Ａ、１１０Ｂは、土壌温度と土壌水分との間の関係を考慮し、土壌水分センサの予想出力を下げることによって土壌温度センサの高温測定値に対応してもよい。

センサ異常管理プログラム１１０Ａ、１１０Ｂは、予想出力を決定する際に、上述したデータソースの任意の量または組み合わせを考慮に入れてもよい。そして、データソースを使用して機械学習モデルを訓練し、利用可能なデータの量もしくは質またはその両方が増加するにつれて高まる精度にて、センサ１０８の予想出力を決定してもよい。

ステップ２０６にて、センサ異常管理プログラム１１０Ａ、１１０Ｂは、センサ１０８の予想出力に基づいて、センサ１０８に関連する１つ以上の異常を検出する。センサ異常管理プログラム１１０Ａ、１１０Ｂは、センサ１０８の実際の出力をセンサ１０８の予想出力と比較してもよい。そして、予想出力と実際の出力との乖離の大きさが閾値（ここで、閾値は乖離量を表し、これを超える出力は異常と見なされる）を超える場合、センサ異常管理プログラム１１０Ａ、１１０Ｂは出力を異常としてフラグ付ける、もしくはセンサ１０８が異常な状況で動作しているとフラグ付ける、またはその両方を行う。閾値は、ユーザによって事前に供給されてもよいし、ユーザからのフィードバックや機械学習モデルの自己強化などに応じて改良されてもよいし、その両方であってもよい。予想出力が正確である場合、予想出力からの乖離は異常の存在を示している可能性が高い。そして、フィードバックと機械学習によって閾値を微調整することで、異常検出の精度を高めることができる。

本発明のいくつかの実施形態において、信頼値（confidence value）を環境モデルに割り当ててもよい。信頼値は、予想出力が正確である信頼度を反映してもよい。この信頼値は、環境モデルを作成もしくは訓練するために利用可能な静的データおよび／もしくは動的データの量、もしくは、モデルによって作成された過去の予想出力の精度および／もしくは量、またはその両方に基づいてもよい。予想出力と実際の出力との乖離に関する閾値は、このような実施形態において、環境モデルの信頼値に基づいてもよく、例えば、環境モデルが大量の環境データに基づいて構築され、予想出力が正確である場合、潜在的な誤差の範囲が小さいことを反映して閾値を小さくしてもよく、その逆も同様である。本発明のいくつかの実施形態において、閾値は、センサが位置している異常反応ゾーンに基づいて異なってもよい。異常反応ゾーンの優先度が高い場合、予想出力からの乖離が小さくてもセンサ異常管理プログラム１１０Ａ、１１０Ｂが異常としてフラグを立てるように、閾値をより小さくしてもよい。異常反応ゾーンの優先度が低い場合、センサ異常管理プログラム１１０Ａ、１１０Ｂが大きな乖離のみを異常としてフラグを立てるように、閾値を比較的大きくしてもよい。

ステップ２０８にて、センサ異常管理プログラム１１０Ａ、１１０Ｂは、１つ以上の異常の潜在的原因を特定する。センサ異常管理プログラム１１０Ａ、１１０Ｂは、ルールベースのアプローチ（rule-based approach）を採用して異常の潜在的原因を特定してもよい。ここで、センサ異常管理プログラム１１０Ａ、１１０Ｂは、異常の検出から同時期または閾値期間（threshold period of time）内に収集した異常センサ１０８に関連するデータを解析する。閾値期間は、データが異常の発生に関連している可能性が最も高い時間ウィンドウを表してもよい。センサ異常管理プログラム１１０Ａ、１１０Ｂは、異常が検出された時点のセンサ１０８の局所環境および条件に関係する、例えば、異常センサ１０８を監視している、または異常センサ１０８と同一もしくは類似の環境条件を監視している他のセンサ１０８からのデータ、天候データ、異常が検出されたのと同じ時間の会場またはイベントのスケジュールデータなどを解析してもよい。センサ異常管理プログラム１１０Ａ、１１０Ｂはさらに、履歴データ、またはセンサ１０８の異常動作の背景を説明できる他の任意のデータを検索してもよい。センサ異常管理プログラム１１０Ａ、１１０Ｂはデータを解析して、１つ以上の条件が満たされたかどうかを決定してもよい。ここで、条件は、異常の潜在的原因を示すものである。例えば、「過去２４時間に２０ｍｍ以上の雨が降った」または「過剰灌漑が発生し、センサが低位置に置かれている」という条件が満たされたとシステムが判断した場合、システムは異常の潜在的原因をそれぞれ「過剰降雨」または「過剰灌漑」と特定してもよい。センサ１０８が屋内に位置し、自然災害を除く天候または自然事象から隔離されているような状況では、天候データが利用できない場合がある。そのような場合、センサ異常管理プログラム１１０Ａ、１１０Ｂは、屋内センサ、サーモスタット、建物内のアクティブアラームまたは動作機械の存在、従業員の存在など、利用可能なあらゆる屋内環境データに依存してもよい。ルールまたは条件、およびそれらが個別にまたは他の条件と組み合わせて関係する潜在的原因は、予め提供されてもよいし、センサ異常管理プログラム１１０Ａ、１１０Ｂが潜在的原因を検出するために機械学習モデルを採用している場合、ユーザフィードバックまたは自己強化に基づいて継続的に改良されてもよいし、その両方が行われてもよい。異常の潜在的原因を検出することで、センサ１０８が異常な読み取り値を与えている理由を特定しやすくなる。さらに、センサ異常管理プログラム１１０Ａ、１１０Ｂの管理者に対して異常データを通知し、センサ異常管理プログラム１１０Ａ、１１０Ｂからユーザに対して、センサ１０８が異常な状態に達した経緯、センサ異常管理プログラム１１０Ａ、１１０Ｂが利用可能な環境モデルおよび他のデータによって提供されるコンテキストにおいて異常な読み取り値が意味するもの、異常センサ１０８を修理もしくは他の方法で対処する最善の方法、もしくは将来的に損害を軽減もしくは防止する方法、またはその組み合わせに関する有益なコンテキストおよびガイダンスを伝達することができ、ユーザ経験およびシステム効率を改善することができる。

ステップ２１０にて、センサ異常管理プログラム１１０Ａ、１１０Ｂは、１つ以上の異常反応ゾーン内のセンサ１０８の位置に基づいて、異常を管理するアクションを実行する。異常反応ゾーンは、グループ内で発生した異常をどのように処理すべきかを示す共通点（commonalities）を共有する、センサ１０８のグループとすることができ、グループのセンサ１０８内で発生したすべての異常が同じ方法で処理される。例えば、単一の混合タンク内のすべての化学センサは、どのセンサも容易にアクセスすることができず、補正によって異常に対処しなければならないので、一緒にグループ化されてもよい。センサ異常管理プログラム１１０Ａ、１１０Ｂが所与の異常反応ゾーン内の異常を処理する動作は、予め決定されてもよいし、ユーザによって最初に提供されてもよいし、ユーザフィードバック、事象、および機械学習モデルからの自己強化に基づいて、経時的に改良されてもよいし、その組み合わせが行われてもよい。１つ以上の異常反応ゾーン内のセンサ１０８の位置に基づいて異常を管理することにより、センサ異常管理プログラム１１０Ａ、１１０Ｂは、異常への対応を、異常反応ゾーンに基づいてセンサ１０８の特定の特徴に合わせて調整することができ、これにより、センサの不必要な交換を最小限に抑え、センサ１０８の測定値の重要度に応じてこれらの測定値の正確性を維持できるようにし、システムの費用対効果、およびセンサ１０８からの正確な読み取り値に依存する資産、プロセスまたは条件の完全性を一般に向上することができる。

センサ異常管理プログラム１１０Ａ、１１０Ｂは、誤ったセンサデータに対処または補正することを目的としたアクションを任意の数または組み合わせで実行することによって、異常を管理してもよい。センサ異常管理プログラム１１０Ａ、１１０Ｂは、例えば、過去にセンサ１０８が出力したデータポイントの最も多くを通過する曲線を回帰フィットして、センサ１０８が異常動作していた期間に出力すべきであったデータポイントを外挿するための任意の数の統計回帰モデルのうちの１つを使用して、異常センサデータを補正または再構成してもよい。いくつかの実施形態において、例えば、過去のデータが不完全または利用できない場合、センサ異常管理プログラム１１０Ａ、１１０Ｂは、予想出力を利用して、補正データを通知してもよい。センサ異常管理プログラム１１０Ａ、１１０Ｂは、補正または再構成されたデータに信頼度を割り当ててもよい。信頼度は、例えば、補正データの生成に使用された利用可能なデータの質もしくは量またはその両方や環境モデルの正確さなどに基づいて、補正または再構成されたデータが正確である確率を表す。センサデータを補正または再構築することで、センサ測定値におけるギャップを修復することができ、異常センサによって引き起こされる潜在的なデータ損失を低減することができる。

センサ異常管理プログラム１１０Ａ、１１０Ｂは、ユーザとの通信に関するアクションを実行することによって、検出した異常を管理してもよい。これは例えば、異常の存在および／もしくは詳細についてユーザに通知する、センサ１０８を変更もしくは修理する際に人の介入を要求もしくは助言する、もしくは、フィードバックを求める、またはその組み合わせを含む。

いくつかの実施形態において、例えば、センサ異常管理プログラム１１０Ａ、１１０Ｂが、異常の潜在的原因を、センサ１０８にさらなる損傷をもたらす可能性のある損傷または環境条件であると判断した場合、センサ異常管理プログラム１１０Ａ、１１０Ｂは、異常センサ１０８の動作を停止することによって異常を管理してもよい。

いくつかの実施形態では、センサ異常管理プログラム１１０Ａ、１１０Ｂは、センサ１０８の予想出力と実際の出力との乖離の大きさに基づいて、異常を管理するためのアクションを実行してもよい。例えば、異常として認定する閾値を超えているが、特定の大きさ未満の乖離については、センサ異常管理プログラム１１０Ａ、１１０Ｂは単にデータを補正してもよい。第１を超える中間範囲内の大きさの乖離については、センサ異常管理プログラム１１０Ａ、１１０Ｂは、ユーザと通信して、例えば、ユーザに異常を通知し、センサ１０８のシャットダウン、交換または修理を要求してもよい。中間範囲を超える大きさについては、センサ異常管理プログラム１１０Ａ、１１０Ｂは、センサ１０８をシャットダウンしてもよい。

ステップ２１２にて、センサ異常管理プログラム１１０Ａ、１１０Ｂは、ユーザに対してフィードバックを促す。センサ異常管理プログラム１１０Ａ、１１０Ｂは、ユーザがシステムとインタラクションし、フィードバックを伝達することを可能にするユーザインタフェースを（例えば、クライアントコンピューティングデバイス１０２上のアプリケーションの形態で）提供してもよい。そして、テキストメッセージ、オーディオキュー（audio cues）、テキストトゥスピーチ、もしくはグラフィック要素（ポップアップウィンドウ、警告シンボル、通知トレイアイコンなど）またはその組み合わせの形態のフィードバックを要求してもよい。ユーザフィードバックを用いて、異常反応ゾーンを動的に調整するとともに、センサ異常管理プログラム１１０Ａ、１１０Ｂが採用する１つ以上の機械学習モデルを改善してもよい。

次に、図３は、少なくとも１つの実施形態に係る、センサ異常管理プロセス２００の実装形態３００の概略ワークフロー図である。この実装形態は、入力データを受け取り、モジュール層３０４に渡す入力層３０２を含む。モジュール層３０４は、入力データに対して異常管理プロセス２００を実行するモジュールを含み、結果を出力層３０６に渡す。入力層３０２は、測定値３０８、環境モデル出力３１０、環境データ３１２、およびリモートセンシングデータ３１４を受け取る。モジュール層３０４は、フィードバック分析層３１６、異常検出モジュール３１８、および異常管理モジュール３２０の３つの層から構成される。異常検知モジュール３１８は、入力データを受け取り、検知した異常を異常管理モジュール３２０に渡す。異常管理モジュール３２０は、異常反応ゾーンに基づいて、異常補正済データ３２４および異常の潜在的原因３２６を出力することができる。フィードバック分析３１６は、ユーザ３２８から受け取るフィードバックを分析し、フィードバックに基づいて異常反応ゾーン３２２を表す空間マップを出力する。そして、追加のフィードバックを受け取った場合に、異常反応ゾーン３２２の修正を続けてもよい。フィードバック分析３１６は、さらに、異常検出モジュール３１８および異常管理モジュール３２０と通信して、ユーザフィードバックを取り入れてそれぞれのモジュールの動作を改善してもよい。

なお、図２、３は、１つの実装形態の例示に過ぎず、異なる実施形態の実装方法に関して、いかなる制限も意味するものではない。設計および実装要件に基づいて、図示の環境に対して多くの修正を行ってもよい。

図４は、本発明の一実施形態に係る、図１に示したクライアントコンピューティングデバイス１０２およびサーバ１１２の内部および外部コンポーネントのブロック図４００である。なお、図４は、１つの実装形態の例示に過ぎず、異なる実施形態を実装可能な環境に関して、いかなる制限も意味するものではない。設計および実装要件に基づいて、図示の環境に対して多くの修正を行ってもよい。

データ処理システム４０２、４０４は、機械可読プログラム命令を実行可能な任意の電子デバイスを代表するものである。データ処理システム４０２、４０４は、スマートフォン、コンピュータシステム、ＰＤＡ、または他の電子デバイスを代表してもよい。データ処理システム４０２、４０４によって代表可能なコンピューティングシステム、環境、もしくは構成またはその組み合わせの例としては、特に限定されないが、パーソナルコンピュータシステム、サーバコンピュータシステム、シンクライアント、シッククライアント、ハンドヘルドまたはラップトップデバイス、マルチプロセッサシステム、マイクロプロセッサベースのシステム、ネットワークＰＣ、ミニコンピュータシステム、および上述したシステムまたはデバイスのいずれかを含む分散クラウドコンピューティング環境が挙げられる。

クライアントコンピューティングデバイス１０２およびサーバ１１２は、図４に示す内部コンポーネント４０２ａ、ｂおよび外部コンポーネント４０４ａ、ｂのそれぞれのセットを含んでもよい。内部コンポーネント４０２のそれぞれのセットは、１つ以上のバス４２６上の１つ以上のプロセッサ４２０、１つ以上のコンピュータ可読ＲＡＭ４２２、および１つ以上のコンピュータ可読ＲＯＭ４２４、ならびに１つ以上のオペレーティングシステム４２８および１つ以上のコンピュータ可読有形記憶装置４３０を含む。１つ以上のオペレーティングシステム４２８、クライアントコンピューティングデバイス１０２のセンサ異常管理プログラム１１０Ａ、およびサーバ１１２のセンサ異常管理プログラム１１０Ｂは、それぞれのＲＡＭ４２２（一般的にはキャッシュメモリを含む）の１つ以上を介してそれぞれのプロセッサ４２０の１つ以上が実行するためにそれぞれのコンピュータ可読有形記憶装置４３０の１つ以上に記憶される。図４に示す実施形態では、コンピュータ可読有形記憶装置４３０の各々は、内部ハードドライブの磁気ディスク記憶装置である。あるいは、コンピュータ可読有形記憶装置４３０の各々は、ＲＯＭ４２４、ＥＰＲＯＭ、フラッシュメモリなどの半導体記憶装置、またはコンピュータプログラムおよびデジタル情報を記憶可能な他の任意のコンピュータ可読有形記憶装置である。

内部コンポーネント４０２ａ、ｂの各セットはまた、ＣＤ－ＲＯＭ、ＤＶＤ、メモリスティック、磁気テープ、磁気ディスク、光ディスク、半導体記憶装置などの１つ以上の携帯型コンピュータ可読有形記憶装置４３８に対して読み取りと書き込みを行うＲ／Ｗドライブまたはインタフェース４３２を含む。センサ異常管理プログラム１１０Ａ、１１０Ｂなどのソフトウェアプログラムは、それぞれの携帯型コンピュータ可読有形記憶装置４３８の１つ以上に記憶し、それぞれのＲ／Ｗドライブまたはインタフェース４３２を介して読み取り、それぞれのハードドライブ４３０にロードすることができる。

内部コンポーネント４０２ａ、ｂの各セットはまた、ＴＣＰ／ＩＰアダプタカード、無線Ｗｉ－Ｆｉ（登録商標）インタフェースカード、３Ｇもしくは４Ｇ無線インタフェースカードなどのネットワークアダプタもしくはインタフェース４３６、または他の有線もしくは無線通信リンクを含む。クライアントコンピューティングデバイス１０２のセンサ異常管理プログラム１１０Ａおよびサーバ１１２のセンサ異常管理プログラム１１０Ｂは、ネットワーク（例えば、インターネット、ローカルエリアネットワークまたは他のワイドエリアネットワーク）およびそれぞれのネットワークアダプタまたはインタフェース４３６を介して、外部コンピュータからクライアントコンピューティングデバイス１０２およびサーバ１１２にダウンロードすることができる。クライアントコンピューティングデバイス１０２のセンサ異常管理プログラム１１０Ａおよびサーバ１１２のセンサ異常管理プログラム１１０Ｂは、ネットワークアダプタまたはインタフェース４３６から、それぞれのハードドライブ４３０にロードされる。ネットワークは、銅線、光ファイバ、無線伝送、ルータ、ファイアウォール、スイッチ、ゲートウェイコンピュータ、もしくはエッジサーバまたはその組み合わせで構成されてもよい。

外部コンポーネント４０４ａ、ｂのセットの各々は、コンピュータディスプレイモニタ４４４、キーボード４４２、およびコンピュータマウス４３４を含むことができる。外部コンポーネント４０４ａ、ｂはまた、タッチスクリーン、仮想キーボード、タッチパッド、ポインティングデバイス、および他のヒューマンインタフェースデバイスを含むことができる。内部コンポーネント４０２ａ、ｂのセットの各々はまた、コンピュータディスプレイモニタ４４４、キーボード４４２、およびコンピュータマウス４３４とインタフェースするためのデバイスドライバ４４０を含む。デバイスドライバ４４０、Ｒ／Ｗドライブまたはインタフェース４３２、およびネットワークアダプタまたはインタフェース４３６は、ハードウェアおよびソフトウェア（記憶装置４３０もしくはＲＯＭ４２４またはその両方に記憶されている）で構成される。

本開示は、クラウドコンピューティングに関する詳細な説明を含むが、本明細書に記載された教示の実装形態は、クラウドコンピューティング環境に限定されないことがあらかじめ理解される。むしろ、本発明の実施形態は、現在知られている又は後に開発される任意の他のタイプのコンピューティング環境と組み合わせて実施することが可能である。

クラウドコンピューティングは、設定可能なコンピューティングリソースの共有プール（例えばネットワーク、ネットワーク帯域幅、サーバ、処理、メモリ、記憶装置、アプリケーション、仮想マシンおよびサービス）へ、簡便かつオンデマンドのネットワークアクセスを可能にするためのサービス提供のモデルであり、リソースは、最小限の管理労力または最小限のサービスプロバイダとのやり取りによって速やかに準備（provision）およびリリースできるものである。このクラウドモデルは、少なくとも５つの特性、少なくとも３つのサービスモデル、および少なくとも４つの展開モデルを含むことができる。

特性は以下の通りである。
オンデマンド・セルフサービス：クラウドの消費者は、サービスプロバイダとの人的な対話を必要することなく、必要に応じて自動的に、サーバ時間やネットワークストレージなどのコンピューティング能力を一方的に準備することができる。
ブロード・ネットワークアクセス：コンピューティング能力はネットワーク経由で利用可能であり、また、標準的なメカニズムを介してアクセスできる。それにより、異種のシンまたはシッククライアントプラットフォーム（例えば、携帯電話、ラップトップ、ＰＤＡ）による利用が促進される。
リソースプーリング：プロバイダのコンピューティングリソースはプールされ、マルチテナントモデルを利用して複数の消費者に提供される。様々な物理リソースおよび仮想リソースが、需要に応じて動的に割り当ておよび再割り当てされる。一般に消費者は、提供されたリソースの正確な位置を管理または把握していないため、位置非依存（location independence）の感覚がある。ただし消費者は、より高い抽象レベル（例えば、国、州、データセンタ）では場所を特定可能な場合がある。
迅速な柔軟性（elasticity）：コンピューティング能力は、迅速かつ柔軟に準備することができるため、場合によっては自動的に、直ちにスケールアウトし、また、速やかにリリースされて直ちにスケールインすることができる。消費者にとって、準備に利用可能なコンピューティング能力は無制限に見える場合が多く、任意の時間に任意の数量で購入することができる。
測定されるサービス：クラウドシステムは、サービスの種類（例えば、ストレージ、処理、帯域幅、アクティブユーザアカウント）に適したある程度の抽象化レベルでの測定機能を活用して、リソースの使用を自動的に制御し最適化する。リソース使用量を監視、制御、および報告して、利用されるサービスのプロバイダおよび消費者の両方に透明性を提供することができる。

サービスモデルは以下の通りである。
サービスとしてのソフトウェア（ＳａａＳ）：消費者に提供される機能は、クラウドインフラストラクチャ上で動作するプロバイダのアプリケーションを利用できることである。当該そのアプリケーションは、ウェブブラウザ（例えばウェブメール）などのシンクライアントインタフェースを介して、各種のクライアント装置からアクセスできる。消費者は、ネットワーク、サーバ、オペレーティングシステム、ストレージや、個別のアプリケーション機能さえも含めて、基礎となるクラウドインフラストラクチャの管理や制御は行わない。ただし、ユーザ固有の限られたアプリケーション構成の設定はその限りではない。
サービスとしてのプラットフォーム（ＰａａＳ）：消費者に提供される機能は、プロバイダによってサポートされるプログラム言語およびツールを用いて、消費者が作成または取得したアプリケーションを、クラウドインフラストラクチャに展開（deploy）することである。消費者は、ネットワーク、サーバ、オペレーティングシステム、ストレージを含む、基礎となるクラウドインフラストラクチャの管理や制御は行わないが、展開されたアプリケーションを制御でき、かつ場合によってはそのホスティング環境の構成も制御できる。
サービスとしてのインフラストラクチャ（ＩａａＳ）：消費者に提供される機能は、オペレーティングシステムやアプリケーションを含む任意のソフトウェアを消費者が展開および実行可能な、プロセッサ、ストレージ、ネットワーク、および他の基本的なコンピューティングリソースを準備することである。消費者は、基礎となるクラウドインフラストラクチャの管理や制御は行わないが、オペレーティングシステム、ストレージ、および展開されたアプリケーションを制御でき、かつ場合によっては一部のネットワークコンポーネント（例えばホストファイアウォール）を部分的に制御できる。

展開モデルは以下の通りである。
プライベートクラウド：このクラウドインフラストラクチャは、特定の組織専用で運用される。このクラウドインフラストラクチャは、当該組織または第三者によって管理することができ、オンプレミスまたはオフプレミスで存在することができる。
コミュニティクラウド：このクラウドインフラストラクチャは、複数の組織によって共有され、共通の関心事（例えば、ミッション、セキュリティ要件、ポリシー、およびコンプライアンス）を持つ特定のコミュニティをサポートする。このクラウドインフラストラクチャは、当該組織または第三者によって管理することができ、オンプレミスまたはオフプレミスで存在することができる。
パブリッククラウド：このクラウドインフラストラクチャは、不特定多数の人々や大規模な業界団体に提供され、クラウドサービスを販売する組織によって所有される。
ハイブリッドクラウド：このクラウドインフラストラクチャは、２つ以上のクラウドモデル（プライベート、コミュニティまたはパブリック）を組み合わせたものとなる。それぞれのモデル固有の実体は保持するが、標準または個別の技術によってバインドされ、データとアプリケーションの可搬性（例えば、クラウド間の負荷分散のためのクラウドバースティング）を実現する。

クラウドコンピューティング環境は、ステートレス性（statelessness）、低結合性（low coupling）、モジュール性（modularity）および意味論的相互運用性（semantic interoperability）に重点を置いたサービス指向型環境である。クラウドコンピューティングの中核にあるのは、相互接続されたノードのネットワークを含むインフラストラクチャである。

ここで、図５に例示的なクラウドコンピューティング環境５０を示す。図示するように、クラウドコンピューティング環境５０は１つ以上のクラウドコンピューティングノード１００を含む。これらに対して、クラウド消費者が使用するローカルコンピュータ装置（例えば、ＰＤＡもしくは携帯電話５４Ａ、デスクトップコンピュータ５４Ｂ、ラップトップコンピュータ５４Ｃ、もしくは自動車コンピュータシステム５４Ｎまたはこれらの組み合わせなど）は通信を行うことができる。ノード１００は互いに通信することができる。ノード１００は、例えば、上述のプライベート、コミュニティ、パブリックもしくはハイブリッドクラウドまたはこれらの組み合わせなど、１つ以上のネットワークにおいて、物理的または仮想的にグループ化（不図示）することができる。これにより、クラウドコンピューティング環境５０は、サービスとしてのインフラストラクチャ、プラットフォームもしくはソフトウェアまたはこれらの組み合わせを提供することができ、クラウド消費者はこれらについて、ローカルコンピュータ装置上にリソースを維持する必要がない。なお、図５に示すコンピュータ装置５４Ａ～Ｎの種類は例示に過ぎず、コンピューティングノード１００およびクラウドコンピューティング環境５０は、任意の種類のネットワークもしくはネットワークアドレス指定可能接続（例えば、ウェブブラウザの使用）またはその両方を介して、任意の種類の電子装置と通信可能であることを理解されたい。

ここで、クラウドコンピューティング環境５０によって提供される機能的抽象化レイヤ６００のセットを図６に示す。なお、図６に示すコンポーネント、レイヤおよび機能は例示に過ぎず、本発明の実施形態はこれらに限定されないことをあらかじめ理解されたい。図示するように、以下のレイヤおよび対応する機能が提供される。

ハードウェアおよびソフトウェアレイヤ６０は、ハードウェアコンポーネントおよびソフトウェアコンポーネントを含む。ハードウェアコンポーネントの例には、メインフレーム６１、縮小命令セットコンピュータ（ＲＩＳＣ）アーキテクチャベースのサーバ６２、サーバ６３、ブレードサーバ６４、記憶装置６５、ならびにネットワークおよびネットワークコンポーネント６６が含まれる。いくつかの実施形態において、ソフトウェアコンポーネントは、ネットワークアプリケーションサーバソフトウェア６７およびデータベースソフトウェア６８を含む。

仮想化レイヤ７０は、抽象化レイヤを提供する。当該レイヤから、例えば、仮想サーバ７１、仮想ストレージ７２、仮想プライベートネットワークを含む仮想ネットワーク７３、仮想アプリケーションおよびオペレーティングシステム７４、ならびに仮想クライアント７５などの仮想エンティティを提供することができる。

一例として、管理レイヤ８０は以下の機能を提供することができる。リソース準備８１は、クラウドコンピューティング環境内でタスクを実行するために利用されるコンピューティングリソースおよび他のリソースの動的な調達を可能にする。計量および価格設定８２は、クラウドコンピューティング環境内でリソースが利用される際のコスト追跡、およびこれらのリソースの消費に対する請求またはインボイス送付を可能にする。一例として、これらのリソースはアプリケーションソフトウェアのライセンスを含んでもよい。セキュリティは、データおよび他のリソースに対する保護のみならず、クラウド消費者およびタスクの識別確認を可能にする。ユーザポータル８３は、消費者およびシステム管理者にクラウドコンピューティング環境へのアクセスを提供する。サービスレベル管理８４は、要求されたサービスレベルが満たされるように、クラウドコンピューティングリソースの割り当ておよび管理を可能にする。サービス品質保証（ＳＬＡ）の計画および履行８５は、ＳＬＡに従って将来必要になると予想されるクラウドコンピューティングリソースの事前手配および調達を可能にする。

ワークロードレイヤ９０は、クラウドコンピューティング環境の利用が可能な機能の例を提供する。このレイヤから提供可能なワークロードおよび機能の例には、マッピングおよびナビゲーション９１、ソフトウェア開発およびライフサイクル管理９２、仮想教室教育の配信９３、データ分析処理９４、取引処理９５、センサ異常管理９６が含まれる。センサ異常管理９６は、環境モデルとの比較によりセンサデータ内の異常を検出し、異常反応ゾーンに基づき異常を管理し、異常の潜在的原因を特定することが可能である。

本開示の種々の実施形態を例示として説明してきたが、網羅的であることや、これらの実施形態に限定することを意図したものではない。当業者には明らかなように、記載した各実施形態の範囲から逸脱することなく、多くの変更および変形が可能である。本明細書で用いられる用語は、各実施形態の原理、実際の用途、または市場で確認される技術に対する技術的な改善を最もよく説明するために、または、当業者が本明細書に開示する各実施形態を理解できるように選択されたものである。

Claims (20)

1. １つ以上のセンサにおける異常を管理するためのプロセッサ実装方法であって、
   １つ以上の環境モデルによって、前記１つ以上のセンサの予想出力をシミュレートすることと、
   前記１つ以上のセンサの実際の出力が前記予想出力と閾値だけ異なることを特定したことに応じて、１つ以上の異常センサを検出することと、
   複数の異常反応ゾーン内の前記１つ以上のセンサの存在に基づいて、前記１つ以上の異常センサを管理する１つ以上のアクションを実行することと、
   を含む方法。
2. 複数の環境データにおいて１つ以上の条件が満たされたことに応じて、１つ以上の異常の１つ以上の潜在的原因を特定することをさらに含む、
   請求項１に記載の方法。
3. 前記１つ以上のアクションは、
   前記予想出力に基づいて前記異常センサからの出力を再構成することと、当該異常センサをユーザに通知することと、当該１つ以上の異常センサを修理または交換するようユーザに警告することと、当該１つ以上の異常センサを無効化することと、からなるリストから選択される、
   請求項１に記載の方法。
4. 前記１つ以上の異常センサに対応する再構成された出力に対して、当該再構成された出力の予測精度に基づき信頼度が割り当てられる、
   請求項１に記載の方法。
5. 前記１つ以上の異常反応ゾーンに対して、１つ以上の優先度が割り当てられ、当該優先度は、当該異常反応ゾーンに関連する異常データに対する許容レベルを表す、
   請求項１に記載の方法。
6. ユーザフィードバックまたは前記異常反応ゾーンの優先度の変化に基づいて、当該１つ以上の異常反応ゾーンを動的に調整することをさらに含む、
   請求項１に記載の方法。
7. 前記閾値は、前記複数の異常反応ゾーン内の前記１つ以上のセンサの存在に基づく、
   請求項１に記載の方法。
8. １つ以上のセンサにおける異常を管理するためのコンピュータシステムであって、
   １つ以上のプロセッサと、１つ以上のコンピュータ可読メモリと、１つ以上のコンピュータ可読有形記憶媒体と、当該１つ以上のメモリの少なくとも１つを介して当該１つ以上のプロセッサの少なくとも１つによって実行するために、当該１つ以上の有形記憶媒体の少なくとも１つに記憶されたプログラム命令と、を含み、
   前記コンピュータシステムは、
   １つ以上の環境モデルによって、前記１つ以上のセンサの予想出力をシミュレートすることと、
   前記１つ以上のセンサの実際の出力が前記予想出力と閾値だけ異なることを特定したことに応じて、１つ以上の異常センサを検出することと、
   複数の異常反応ゾーン内の前記１つ以上のセンサの存在に基づいて、前記１つ以上の異常センサを管理する１つ以上のアクションを実行することと、
   を含む方法を実行可能である、コンピュータシステム。
9. 複数の環境データにおいて１つ以上の条件が満たされたことに応じて、１つ以上の異常の１つ以上の潜在的原因を特定することをさらに含む、
   請求項８に記載のコンピュータシステム。
10. 前記１つ以上のアクションは、
    前記予想出力に基づいて前記異常センサからの出力を再構成することと、当該異常センサをユーザに通知することと、当該１つ以上の異常センサを修理または交換するようユーザに警告することと、当該１つ以上の異常センサを無効化することと、からなるリストから選択される、
    請求項８に記載のコンピュータシステム。
11. 前記１つ以上の異常センサに対応する再構成された出力に対して、当該再構成された出力の予測精度に基づき信頼度が割り当てられる、
    請求項８に記載のコンピュータシステム。
12. 前記１つ以上の異常反応ゾーンに対して、１つ以上の優先度が割り当てられ、当該優先度は、当該異常反応ゾーンに関連する異常データに対する許容レベルを表す、
    請求項８に記載のコンピュータシステム。
13. ユーザフィードバックまたは前記異常反応ゾーンの優先度の変化に基づいて、当該１つ以上の異常反応ゾーンを動的に調整することをさらに含む、
    請求項８に記載のコンピュータシステム。
14. 前記閾値は、前記複数の異常反応ゾーン内の前記１つ以上のセンサの存在に基づく、
    請求項８に記載のコンピュータシステム。
15. １つ以上のセンサにおける異常を管理するためのコンピュータプログラム製品であって、
    １つ以上のコンピュータ可読有形記憶媒体と、当該１つ以上の有形記憶媒体の少なくとも１つに記憶されたプログラム命令と、を含み、当該プログラム命令はプロセッサによって実行可能であり、当該プロセッサに、
    １つ以上の環境モデルによって、前記１つ以上のセンサの予想出力をシミュレートすることと、
    前記１つ以上のセンサの実際の出力が前記予想出力と閾値だけ異なることを特定したことに応じて、１つ以上の異常センサを検出することと、
    複数の異常反応ゾーン内の前記１つ以上のセンサの存在に基づいて、前記１つ以上の異常センサを管理する１つ以上のアクションを実行することと、
    を含む方法を実行させる、コンピュータプログラム製品。
16. 複数の環境データにおいて１つ以上の条件が満たされたことに応じて、１つ以上の異常の１つ以上の潜在的原因を特定することをさらに含む、
    請求項１５に記載のコンピュータプログラム製品。
17. 前記１つ以上のアクションは、
    前記予想出力に基づいて前記異常センサからの出力を再構成することと、当該異常センサをユーザに通知することと、当該１つ以上の異常センサを修理または交換するようユーザに警告することと、当該１つ以上の異常センサを無効化することと、からなるリストから選択される、
    請求項１５に記載のコンピュータプログラム製品。
18. 前記１つ以上の異常センサに対応する再構成された出力に対して、当該再構成された出力の予測精度に基づき信頼度が割り当てられる、
    請求項１５に記載のコンピュータプログラム製品。
19. 前記１つ以上の異常反応ゾーンに対して、１つ以上の優先度が割り当てられ、当該優先度は、当該異常反応ゾーンに関連する異常データに対する許容レベルを表す、
    請求項１５に記載のコンピュータプログラム製品。
20. ユーザフィードバックまたは前記異常反応ゾーンの優先度の変化に基づいて、当該１つ以上の異常反応ゾーンを動的に調整することをさらに含む、
    請求項１５に記載のコンピュータプログラム製品。

Images