JP5111552B2 - 診断装置、診断方法、及び、プログラム - Google Patents

Description

本発明は、複数の機器の動作状態を診断するのに好適な診断装置、診断方法、及び、プログラムに関する。

機器の動作を制御する制御信号を用いて、当該機器の内部状態を計測するセンサの値（運転情報）を取得し、当該取得した運転情報と過去の正常時の運転情報とを比較して、当該比較した結果から複数の機器の不具合を診断する方法が知られている（例えば、特許文献１参照）。

また、複数の機器の運転情報と、当該複数の機器が配置されているレイアウトと類似する類似レイアウト内の機器同士を動作させて得られる運転情報と、を比較することにより、複数の機器の不具合を診断する方法が知られている（例えば、特許文献２参照）。

特許第４２８１３３４号公報 特開２００７−２０５６１４号公報

しかしながら、過去の正常時の運転情報を用いる診断方法では、過去の正常時の運転情報として、設置から一定期間たった時点での運転情報を用いているため、診断時における天候などの環境条件と過去の運転時における環境条件とが異なる場合があった。また、類似レイアウトの機器を動作させる診断方法では、機器同士のレイアウトが類似しているかの判断が作業者にゆだねられており、部屋の大きさや機器の設置位置などの設置条件から正しく類似レイアウトの機器を見つけることが困難な場合があった。そこで、複数の機器の動作状態を診断するのに好適な新たな手法が求められている。

本発明は、上記問題点に鑑みてなされたものであり、複数の機器の動作状態を診断するのに好適な診断装置、診断方法、及び、プログラムを提供することを目的とする。

上記目的を達成するため、本発明の第１の観点に係る診断装置は、
ネットワークに接続される複数の機器の動作を診断する診断装置であって、
前記機器が出力する運転情報を取得する取得部と、
日時を計時する計時部と、
前記取得された運転情報に、計時された日時を表す日時情報及び前記機器が特定される機器情報を付加して記憶する記憶部と、
前記日時情報に基づいて前記記憶された運転情報を分類し、当該分類した運転情報から、診断対象となる対象機器と、当該対象機器以外の他機器と、の類似度を判定し、当該日時情報に基づいて判定した当該類似度を機器毎に平均した値を、当該対象機器と当該他機器との類似度の平均値として算出する設置類似判定部と、
前記判定された類似度を機器毎に平均する際に、前記対象機器から出力された運転情報に付加された日時情報毎に、前記複数の機器における運転情報のばらつきの大きさで重み付けすることにより、分散性を判定する環境分散性判定部と、を備える、ことを特徴とする。
本発明のその他の観点に係る診断装置は、
ネットワークに接続される複数の機器の動作を診断する診断装置であって、
前記機器が出力する運転情報を取得する取得部と、
日時を計時する計時部と、
前記取得された運転情報に、計時された日時を表す日時情報及び前記機器が特定される機器情報を付加して記憶する記憶部と、
前記日時情報に基づいて前記記憶された運転情報を分類し、当該分類した運転情報から、診断対象となる対象機器と、当該対象機器以外の他機器と、の類似度を判定し、当該日時情報に基づいて判定した当該類似度を機器毎に平均した値を、当該対象機器と当該他機器との類似度の平均値として算出する設置類似判定部と、
前記判定された類似度を機器毎に平均する際に、前記対象機器から出力された運転情報に付加された日時情報と、当該日時情報以外の他日時情報が付された運転情報と、の類似度の低さで重み付けをすることにより、特異性を判定する環境特異性判定部と、を備える、ことを特徴とする。

本発明のその他の観点に係る診断装置は、
ネットワークに接続される複数の機器の動作を診断する診断装置であって、
前記機器が出力する運転情報を取得する取得部と、
日時を計時する計時部と、
前記取得された運転情報に、計時された日時を表す日時情報及び前記機器が特定される機器情報を付加して記憶する記憶部と、
前記機器情報に基づいて前記記憶された運転情報を分類し、当該分類した運転情報から、診断対象となる対象機器に付加された対象日時情報と、当該対象機器以外の他機器に付加された他日時情報と、の類似度を判定し、当該機器情報に基づいて判定した当該類似度を日時情報毎に平均した値を、当該対象日時情報と当該他日時情報との類似度として算出する環境類似判定部と、を備える、ことを特徴とする。

本発明のその他の観点に係る診断方法は、
取得部と、計時部と、記憶部と、設置類似判定部と、環境分散性判定部と、を備える、ネットワークに接続される複数の機器の動作を診断する診断装置にて実行される診断方法であって、
前記取得部が、前記機器が出力する運転情報を取得する取得工程と、
前記計時部が、日時を計時する計時工程と、
前記記憶部が、前記取得された運転情報に、計時された日時を表す日時情報及び前記機器が特定される機器情報を付加して記憶する記憶工程と、
前記設置類似判定部が、前記日時情報に基づいて前記記憶された運転情報を分類し、当該分類した運転情報から、診断対象となる対象機器と、当該対象機器以外の他機器と、の類似度を判定し、当該日時情報に基づいて判定した当該類似度を機器毎に平均した値を、当該対象機器と当該他機器との類似度の平均値として算出する設置類似判定工程と、
前記環境分散性判定部が、前記判定された類似度を機器毎に平均する際に、前記対象機器から出力された運転情報に付加された日時情報毎に、前記複数の機器における運転情報のばらつきの大きさで重み付けすることにより、分散性を判定する環境分散性判定工程と、を備える、ことを特徴とする。
本発明のその他の観点に係る診断方法は、
取得部と、計時部と、記憶部と、設置類似判定部と、環境特異性判定部と、を備える、ネットワークに接続される複数の機器の動作を診断する診断装置にて実行される診断方法であって、
前記取得部が、前記機器が出力する運転情報を取得する取得工程と、
前記計時部が、日時を計時する計時工程と、
前記記憶部が、前記取得された運転情報に、計時された日時を表す日時情報及び前記機器が特定される機器情報を付加して記憶する記憶工程と、
前記設置類似判定部が、前記日時情報に基づいて前記記憶された運転情報を分類し、当該分類した運転情報から、診断対象となる対象機器と、当該対象機器以外の他機器と、の類似度を判定し、当該日時情報に基づいて判定した当該類似度を機器毎に平均した値を、当該対象機器と当該他機器との類似度の平均値として算出する設置類似判定工程と、
前記環境特異性判定部が、前記判定された類似度を機器毎に平均する際に、前記対象機器から出力された運転情報に付加された日時情報と、当該日時情報以外の他日時情報が付された運転情報と、の類似度の低さで重み付けをすることにより、特異性を判定する環境特異性判定工程と、を備える、ことを特徴とする。

本発明のその他の観点に係る診断方法は、
取得部と、計時部と、記憶部と、環境類似判定部と、を備える、ネットワークに接続される複数の機器の動作を診断する診断装置にて実行される診断方法であって、
前記取得部が、前記機器が出力する運転情報を取得する取得工程と、
前記計時部が、日時を計時する計時工程と、
前記記憶部が、前記取得された運転情報に、計時された日時を表す日時情報及び前記機器が特定される機器情報を付加して記憶する記憶工程と、
前記環境類似判定部が、前記機器情報に基づいて前記記憶された運転情報を分類し、当該分類した運転情報から、診断対象となる対象機器に付加された対象日時情報と、当該対象機器以外の他機器に付加された他日時情報と、の類似度を判定し、当該機器情報に基づいて判定した当該類似度を日時情報毎に平均した値を、当該対象日時情報と当該他日時情報との類似度として算出する環境類似判定工程と、を備える、ことを特徴とする。

本発明のその他の観点に係るプログラムは、
ネットワークに接続される複数の機器の動作を診断するコンピュータを機能させるプログラムであって、当該コンピュータを、
前記機器が出力する運転情報を取得する取得部、
日時を計時する計時部、
前記取得された運転情報に、計時された日時を表す日時情報及び前記機器が特定される機器情報を付加して記憶する記憶部、
前記日時情報に基づいて前記記憶された運転情報を分類し、当該分類した運転情報から、診断対象となる対象機器と、当該対象機器以外の他機器と、の類似度を判定し、当該日時情報に基づいて判定した当該類似度を機器毎に平均した値を、当該対象機器と当該他機器との類似度の平均値として算出する設置類似判定部、
前記判定された類似度を機器毎に平均する際に、前記対象機器から出力された運転情報に付加された日時情報毎に、前記複数の機器における運転情報のばらつきの大きさで重み付けすることにより、分散性を判定する環境分散性判定部、として機能させる、ことを特徴とする。
本発明のその他の観点に係るプログラムは、
ネットワークに接続される複数の機器の動作を診断するコンピュータを機能させるプログラムであって、当該コンピュータを、
前記機器が出力する運転情報を取得する取得部、
日時を計時する計時部、
前記取得された運転情報に、計時された日時を表す日時情報及び前記機器が特定される機器情報を付加して記憶する記憶部、
前記日時情報に基づいて前記記憶された運転情報を分類し、当該分類した運転情報から、診断対象となる対象機器と、当該対象機器以外の他機器と、の類似度を判定し、当該日時情報に基づいて判定した当該類似度を機器毎に平均した値を、当該対象機器と当該他機器との類似度の平均値として算出する設置類似判定部、
前記判定された類似度を機器毎に平均する際に、前記対象機器から出力された運転情報に付加された日時情報と、当該日時情報以外の他日時情報が付された運転情報と、の類似度の低さで重み付けをすることにより、特異性を判定する環境特異性判定部、として機能させる、ことを特徴とする。

本発明のその他の観点に係るプログラムは、
ネットワークに接続される複数の機器の動作を診断するコンピュータを機能させるプログラムであって、当該コンピュータを、
前記機器が出力する運転情報を取得する取得部、
日時を計時する計時部、
前記取得された運転情報に、計時された日時を表す日時情報及び前記機器が特定される機器情報を付加して記憶する記憶部、
前記機器情報に基づいて前記記憶された運転情報を分類し、当該分類した運転情報から、診断対象となる対象機器に付加された対象日時情報と、当該対象機器以外の他機器に付加された他日時情報と、の類似度を判定し、当該機器情報に基づいて判定した当該類似度を日時情報毎に平均した値を、当該対象日時情報と当該他日時情報との類似度として算出する環境類似判定部、として機能させる、ことを特徴とする。

本発明によれば、複数の機器の動作状態を診断することができる。

本発明に係る診断装置が接続されるネットワークを示す図である。 本発明の実施形態１に係る診断装置の構成を示すブロック図である。 運転情報の構成例を示す図である。 運転情報蓄積処理を説明するためのフローチャートである。 設置類似判定処理を説明するためのフローチャートである。 機器の設置例を示す図である。 機器の設置条件及び環境条件の例を示す図である。 設置の類似度を算出した結果を示す図である。 環境類似判定処理を説明するためのフローチャートである。 環境の類似度を算出した結果を示す図である。 表示処理を説明するためのフローチャートである。 類似運転情報と対象運転情報とにおけるセンサ毎の時系列グラフを比較した図である。 本発明の実施形態２に係る診断装置の構成を示すブロック図である。 運転情報最適化処理を説明するためのフローチャートである。 本発明の実施形態３に係る診断装置の構成を示すブロック図である。 実施形態３に係る設置類似判定処理を説明するためのフローチャートである。 環境特異性の算出結果を示す図である。 環境分散性の算出結果を示す図である。 環境特異性及び環境分散性に基づいて類似度を算出した結果を示す図である。 実施形態３に係る環境類似判定処理を説明するためのフローチャートである。 設置特異性の算出結果を示す図である。 設置分散性の算出結果を示す図である。 設置特異性及び設置分散性に基づいて類似度を算出した結果を示す図である。

以下に本発明の実施形態を説明する。以下に記載する実施形態は説明のためのものであり、本願発明の範囲を制限するものではない。したがって、当業者であればこれらの各要素または全要素をこれと均等なものに置換した実施形態を採用することが可能であるが、これらの実施形態も本発明の範囲に含まれる。

（実施形態１）
図１は、本発明に係る診断装置１０が接続されるネットワークを示す図である。同図に示すように、ネットワーク１には、診断装置１０及び機器２０（２０ａ〜２０ｆ）が接続され、システムが形成されている。診断装置１０と機器２０との間では、ネットワーク１を介して、所定のデータのやり取りが行われる。なお、ネットワーク１に接続される機器２０の数は、任意である。

機器２０は、例えば、空調機器、照明機器、給湯機器等、ネットワーク１に接続できる任意の機器である。機器２０は、診断装置１０から送信される制御信号を受信し、当該制御信号に基づいて動作する。また、機器２０は、温度や圧力を検知するセンサを備え、当該センサが検知した機器２０の内部や外部の温度情報や圧力情報を出力する。機器２０は、制御信号に基づき、例えば、機器２０の動作状態を示す状態情報、センサにより検知された温度情報等を出力し、当該状態情報や温度情報等を運転情報として診断装置１０に送信する。以下では、機器２０を、設置される室内の温度や湿度を制御する空調機器として説明する。なお、本システムの適用範囲は空調機器に限定されるものではなく、複数の機器がネットワークで接続され、各機器の運転状態を表す運転情報が取得可能な設備機器システムであればよい。例えば、複数の冷凍機器を含む大型ショーケースシステムや、複数の照明機器を含むビル照明システムを対象としてもよい。

図２は、本発明の実施形態１に係る診断装置１０の構成を示すブロック図である。同図に示すように、診断装置１０は、取得部１０１、記憶部１０２、計時部１０３、設置類似判定部１０４、環境類似判定部１０５、選択部１０６、表示部１０７等を備える。以下に診断装置１０の各構成要素について説明する。なお、各部の機能は互いに連関し合っているが、用途に応じて各部の採否を適宜変更することができる。

取得部１０１は、有線あるいは無線を通じて、診断装置１０をネットワーク１に接続するための機能を備え、ＬＡＮ（Local Area Network）を構成する際に用いられる１０ＢＡＳＥ−Ｔ／１００ＢＡＳＥ−Ｔ規格にしたがうものや、無線を用いて接続するためのモデム等と、ＣＰＵ（Central Processing Unit）との仲立ちを行うインターフェースにより構成される。取得部１０１は、ネットワーク１を介して、各機器２０の動作を制御する制御信号を送信することにより機器２０を制御し、機器２０が出力する運転情報を取得する。

また、取得部１０１は、キーボードやマウス等の入力装置から構成され、当該キーボード等を通じて、診断装置１０を操作する作業者からの指示入力を取得する。そして、診断装置１０は、当該指示入力に基づいて動作する。

記憶部１０２は、例えば、ＲＡＭ等の記憶装置から構成され、機器２０が出力した運転情報を記憶する。図３は、記憶部１０２に記憶される運転情報の構成例を示す図である。図３に示すように、記憶部１０２は、計時部１０３が計時している日時情報（日付情報）と、機器２０を特定するための機器情報と、を運転情報に付加して、当該運転情報を記憶する。例えば、機器２０ａが出力した運転情報が１０時に取得された場合、記憶部１０２は、当該運転情報に、機器２０ａが出力した運転情報である旨、及び、取得された日付情報を示す１０時の情報を付加して記憶する。

計時部１０３は、例えば、水晶振動子や発振回路等から構成され、日時（年月日時分秒及び曜日を含む）を計時（カウント）する。そして、計時部１０３は、日時を計時することにより、カレンダーや時計として機能する。計時部１０３は、現在の日時を計時することにより、当該計時している現在の日付情報を取得する。

設置類似判定部１０４は、ＣＰＵやＲＡＭ等から構成され、運転情報の各日付について、対象機器の運転情報と、それ以外の機器の運転情報との類似度を算出する。また、設置類似判定部１０４は、算出した類似度について、機器ごとの平均値を算出し、対象機器と各機器との類似度として出力する。例えば、運転情報の各日付について、対象機器である機器２０ａの運転情報と、それ以外の機器２０ｂ〜２０ｆの運転情報との類似度が算出される。

環境類似判定部１０５は、ＣＰＵやＲＡＭ等から構成され、各機器の運転情報について、対象日付の運転情報と、それ以外の日付の運転情報との類似度を算出する。また、環境類似判定部１０５は、算出した類似度について、日付ごとの平均値を算出し、対象日付と各日付との類似度として出力する。

選択部１０６は、ＣＰＵやＲＡＭ等から構成され、後述する設置類似判定処理及び環境類似判定処理において算出されたそれぞれの類似度の平均値を取得し、当該類似度の平均値を比較することにより、最大となっている類似度の平均値が機器であるか日付であるかを判定する。例えば、選択部１０６は、算出された類似度の平均値を取得し、当該類似度の平均値を比較することにより、類似度の平均値が最大となっている機器又は日付を判定する。

表示部１０７、例えば、液晶ディスプレイ等の表示装置から構成され、記憶部１０２が記憶している運転情報等、任意の情報を表示する。

次に、診断装置１０の動作について説明する。診断装置１０にて行われる処理は、機器２０が出力する運転情報を取得し蓄積する運転情報蓄積処理、機器２０が設置されている設置条件の類似度を判定する設置類似判定処理、機器２０が設置されている環境条件の類似度を判定する環境類似判定処理、類似度に基づいて類似する設置条件や環境条件を比較して表示する表示処理、の４つに大別される。まず、運転情報蓄積処理について説明する。図４は、運転情報蓄積処理を説明するためのフローチャートである。以下、図面を参照して説明する。

まず、取得部１０１は、ネットワーク１を介して、機器２０の動作を制御する制御信号を送信し、当該制御信号に基づいて機器２０を動作させることにより、機器２０の動作状態や当該機器２０の内部及び周囲の温度や圧力等を示す運転情報を取得する（ステップＳ１０１）。取得部１０１は、例えば、一定時間ごと、作業者からの指示入力がある場合等、任意のタイミングにおいて運転情報を取得することができる。

次に、記憶部１０２は、取得部１０１が取得した運転情報に対して、機器２０を特定するための機器情報や取得した日付情報を付加して、運転情報を記憶する（ステップＳ１０２）。ステップＳ１０１〜Ｓ１０２の処理が繰り返されることにより、運転情報が記憶部１０２に蓄積されていく。

以上の処理により、ネットワーク１に接続される機器２０の運転情報を蓄積することができる。

次に、設置類似判定処理について説明する。図５は、設置類似判定処理を説明するためのフローチャートである。以下、図面を参照して説明する。

図６は、機器の設置例を示す図である。図６に示すように、１つのフロアに機器２０（２０ａ〜２０ｆ）が６つ存在し、それらが接続されたシステムにおいて、６つの日付１〜６における運転情報が蓄積されている場合を例に、診断装置１０の動作について説明する。

図６に示すように、６つの機器２０ａ〜２０ｆは、それぞれ異なる設置条件で設置されている。例えば、機器２０ａ〜２０ｃは大部屋に設置されており、それぞれ均等な大きさの範囲を空調している。機器２０ｄ〜２０ｆは小部屋に設置されており、それぞれ均等な大きさの範囲を空調している。また、機器２０ａ、２０ｂ、２０ｄが設置されているエリアには窓があり、機器２０ｃ、２０ｅ、２０ｆが設置されているエリアには窓がない。
ここで述べる例においては、機器２０ａ〜２０ｆが設置されたエリアの大きさ２種類、及び、窓の有無のみを設置条件の違いとして簡略化して説明する。このため、大部屋で窓があるエリアに設置された機器２０ａ及び機器２０ｂ、小部屋で窓がないエリアに設置された機器２０ｅ及び機器２０ｆが類似の設置条件となっている。実際には、機器の配置場所の違いや、設置エリア内の熱源の量、壁の熱伝達率など、様々な要素が考えられるため、これらの要素を含めた設置条件を設定することもできる。

図７は、機器の設置条件及び環境条件の例を示す図である。図７に示すように、６つの日付１〜６はそれぞれ異なる環境条件になっている。日付１〜３は「普通（低くない）」の気温であり、日付４〜６は「低い」の気温である。また、日付１、３、４は「晴れ」の天気であり、日付２、５、６は「曇り」の天気である。
ここで述べる例においては、気温が２種類、天気が２種類のみを環境条件の違いとして簡略化して説明する。このため、気温が「普通」であり、天気が「晴れ」である日付１及び日付３、気温が「低い」であり、天気が「曇り」である日付５及び日付６が類似の環境条件になっている。実際には、湿度や風速など、様々な要素が考えられるため、これらの要素を含めた環境条件を設定することもできる。

記憶部１０２に蓄積されている運転情報は、図７に示すように、設置条件、及び、環境条件の組み合わせにより異なる運転情報となっている。図７では、機器２０ａ〜２０ｆには機器番号１〜６が、また、日付１〜６には日付番号１〜６が、それぞれ付されており、簡略化のために運転情報を、Ｘ（機器番号，日付番号）で表現している。

また、「窓なし∧晴れ」、「窓なし∧曇り」、「窓あり∧曇り」のいずれかで、他の条件も一致する場合、異なる設置条件及び環境条件でも類似した運転情報となるとし、運転情報間の類似度判定で高い値となるものとする。

本例では、説明のために、上記条件を満たす場合に１、そうでない場合に０の類似度が算出されるものとする。
ただし、環境条件、設置条件は本来、複雑でありデータとして入力することが困難な情報であり、データとして蓄積されていない情報である。つまり、作業者が参照可能な情報は、典型的には、運転情報のみである。

ここで、機器番号１の機器２０ａの日付１を対象運転情報とした場合の、診断装置１０の動作について説明する。これは、作業者が点検等で現地に行って取得した当日のデータが日付１であり、機器番号１の機器２０ａの動作状態を診断する場合の例に相当する。
なお、ステップＳ１０１〜Ｓ１０２の処理が既に実行されており、その結果として、日付１での機器２０ａ〜２０ｆの運転情報が記憶部１０２に蓄積されているものとする。

まず、取得部１０１は、作業者からの指示入力を取得して、当該作業者が選択した対象運転情報を取得する（ステップＳ２０１）。ここで、対象運転情報とは、作業者が選択した運転情報をいう。以下では、選択された対象運転情報に付されて記憶されている機器情報及び日付情報を、対象機器及び対象日付という。なお、ここでは、作業者が対象運転情報を選択するとしたが、設置類似判定が行われる運転情報が選択されればよいため、例えば、他のアプリケーションにより選択されるとしてもよい。

次に、取得部１０１は、記憶部１０２から対象日付以外の運転情報を取得する（ステップＳ２０２）。例えば、対象日付が日付番号１である日付１の場合、取得部１０１は、当該日付１以外の運転情報として、日付番号２〜６である日付２〜６の各機器の運転情報を取得する。

設置類似判定部１０４は、ステップＳ２０２で取得された運転情報の各日付について、対象機器の運転情報と、それ以外の機器の運転情報との類似度を算出する（Ｓ２０３）。例えば、運転情報の各日付について、対象機器である機器２０ａの運転情報と、それ以外の機器２０ｂ〜２０ｆの運転情報との類似度が算出される。運転情報同士の類似度の算出では、運転情報があらかじめ定められたシーケンスに沿って機器を動作させることにより取得された情報である場合は、両情報で対応するセンサ毎に、以下の式により求めた類似度Ｌとする。
ただし、Ｌ：類似度、Ｘ：運転情報、ｓ：センサＩＤ、ｔ：時刻、Ｓ：センサ数、Ｔ：計測時間。
ここで、センサＩＤとは、機器２０が備える温度や圧力を検知するセンサに付されたＩＤをいう。当該センサＩＤにより、どのセンサが検知したかを特定することができる。

なお、運転情報同士の類似度の算出は、上記に限定されるものではなく、運転情報の類似性が算出できればかまわない。例えば、センサ値の変分量等の特徴量の差でもよい。

図８は、設置の類似度を算出した結果を示す図である。図８は、運転情報の各日付について、対象機器である機器２０ａの運転情報と、それ以外の機器２０ｂ〜２０ｆの運転情報との類似度の結果である。具体的には、日付２については、機器番号１の機器２０ａの運転情報との類似条件を満たす機器番号２の機器２０ｂ及び機器番号３の機器２０ｃが類似度１、残りの機器番号４〜６の機器２０ｄ〜２０ｆが類似度０となる。日付２〜６について、機器番号２〜６の機器２０ｂ〜２０ｆの類似度は、図８に示される結果となる。

次に、設置類似判定部１０４は、ステップＳ２０３で算出された類似度について、機器２０ｂ〜２０ｆごとの平均値を算出し、対象機器と各機器との類似度として出力する（ステップＳ２０４）。機器２０ｂ〜２０ｆごとにまとめて算出される類似度の平均値は、図８に示される結果となる。

以上の処理により、設置条件の異なる機器ごとの類似度を算出することができる。

次に、環境類似判定処理について説明する。図９は、環境類似判定処理を説明するためのフローチャートである。以下、図面を参照して説明する。

まず、取得部１０１は、ステップＳ２０１の処理と同様に、作業者からの指示入力を取得して、当該作業者が選択した対象運転情報を取得する（ステップＳ３０１）。

次に、取得部１０１は、記憶部１０２から対象機器以外の運転情報を取得する（ステップＳ３０２）。例えば、対象機器が機器番号１である機器２０ａの場合、取得部１０１は、当該機器２０ａ以外の運転情報として、機器番号２〜６である機器２０ｂ〜２０ｆの運転情報を取得する。

次に、環境類似判定部１０５は、ステップＳ３０２で取得された各機器の運転情報について、対象日付の運転情報と、それ以外の日付の運転情報との類似度を算出する（ステップＳ３０３）。運転情報同士の類似度の算出は、ステップＳ２０３の処理と同一である。例えば、運転情報の各機器について、対象日付である日付１の運転情報と、それ以外の日付２〜６の運転情報との類似度が算出される。

図１０は、環境の類似度を算出した結果を示す図である。図１０は、運転情報の各日付について、対象機器である機器２０ａの運転情報と、それ以外の機器２０ｂ〜２０ｆの運転情報との類似度の結果である。具体的には、機器番号２の機器２０ｂについては、日付３が類似度１、残りの日付２と日付４〜６とが類似度０となる。機器番号２〜６の機器２０ｂ〜２０ｆについて、日付２〜６の類似度は、図１０に示される結果となる。

次に、環境類似判定部１０５は、ステップＳ３０３で算出された類似度について、日付２〜６ごとの平均値を算出し、対象日付と各日付との類似度として出力する（ステップＳ３０４）。日付２〜６ごとにまとめて算出される類似度の平均値は、図１０に示される結果となる。

なお、上述した設置類似判定処理と環境類似判定処理とを、並列して同時に実行することもできる。

以上の処理により、環境条件の異なる日付ごとの類似度を算出することができる。

次に、表示処理について説明する。図１１は、表示処理を説明するためのフローチャートである。以下、図面を参照して説明する。

まず、選択部１０６は、設置類似判定処理及び環境類似判定処理において算出されたそれぞれの類似度の平均値を取得し（ステップＳ４０１）、当該類似度の平均値を比較することにより、最大となっている類似度の平均値が機器であるか日付であるかを判定する（ステップＳ４０２）。例えば、選択部１０６は、図８及び図１０に示される算出された類似度の平均値を取得し、当該類似度の平均値を比較することにより、類似度の平均値が最大となっている機器又は日付を判定する。

最大となっている類似度の平均値が機器の場合（ステップＳ４０２；機器）、選択部１０６は、Ｓ４０２において類似度の平均値が最大であると判定された機器において、対象日付が付加された運転情報を類似運転情報として選択する（ステップＳ４０３）。例えば、図８において、類似度の平均値が最大である機器番号２の機器２０ｂが選択され、当該機器２０ｂの対象日付である日付番号１の日付１の運転情報が類似運転情報として選択される。

最大となっている類似度の平均値が日付の場合（ステップＳ４０２；日付）、選択部１０６は、Ｓ４０２において類似度の平均値が最大であると判定された日付が付加された運転情報を類似運転情報として選択する（ステップＳ４０４）。例えば、図１０において、類似度の平均値が最大である日付番号３の日付３が選択され、当該日付３が付加された運転情報が類似運転情報として選択される。

なお、図８及び図１０において、類似度の平均値が最大となっているものは、類似度の平均値が１である機器番号２の機器２０ｂと、同じく、類似度の平均値が１である日付番号３の日付３である。この場合、類似度の平均値が同じ機器と日付とが存在するため、ステップＳ４０３とステップＳ４０４との両方の処理が実行される。

次に、表示部１０７は、類似運転情報と対象運転情報とに含まれる時間及びセンサ値に基づいて、センサ毎の時系列グラフを生成し、類似運転情報と対象運転情報とに基づくグラフを重ねて表示する（ステップＳ４０５）。図１２は、類似運転情報と対象運転情報とにおけるセンサ毎の時系列グラフを比較した図である。図１２に示すように、ステップＳ４０３において選択された類似運転情報である機器２０ｂにおける日付１の運転情報と、対象運転情報である機器２０ａにおける日付１の運転情報と、に基づくグラフが表示される。また、ステップＳ４０４において選択された類似運転情報である機器２０ａにおける日付３の運転情報と、対象運転情報である機器２０ａにおける日付１の運転情報と、に基づくグラフが表示される。

なお、類似運転情報と対象運転情報とに基づく値を比較できればよいため、表示方法は任意である。例えば、２つのグラフを重ねるのではなく、２つのグラフを並べて表示し、表示領域を連動してスクロールするようにしてもよい。

また、当該表示処理では、機器と日付とのそれぞれの類似度の平均値から１つの最大値を見つけて類似運転情報を取得して比較表示するとしたが、機器と日付とのそれぞれの類似度の平均値からそれぞれ１つずつ最大値を見つけ、２つの類似判定の基準で選択された類似運転情報を表示してもよい。また、類似度の平均値が所定の閾値を超える全ての類似運転情報を表示するとしてもよい。

また、対象運転情報と類似運転情報とに基づくグラフを合わせて比較表示するとしたが、それぞれの類似度の平均値が定められた所定の閾値を下回った場合に、機器に異常が発生したとして、作業者に通知してもよい。この場合、診断装置１０は機器２０の異常を自動的に検知することが可能である。

以上の処理により、対象となっている機器及び日付に基づく対象運転情報と、当該対象運転情報に類似する類似運転情報と、を比較して表示することができる。

以上説明したように、本実施形態１によれば、運転情報を取得した時刻、及び、機器の異なる運転情報を蓄積しておくだけで、対象とする運転情報に対し、自動的に環境条件が一致した他の時間幅、又は、設置条件が一致した他の機器を特定することができる。このため、環境条件や設置条件といった煩雑な情報を作業者が入力することなく、対象とする運転情報と、当該運転情報に類似する運転情報と、を比較することにより、機器を適切に診断することができる。

また、対象運転情報自体を参照せずに、それ以外の運転情報を参照して類似運転情報を決定するため、対象運転情報が本来の値から外れていた場合にも本来あるべき運転情報と類似する類似運転情報を取得することができるため、機器の診断に有用である。

また、環境条件及び設置条件を、運転情報間の類似度の平均値という同じ指標により判定しているため、異なる条件である両条件の対象運転情報との類似性を統一的に比較することができ、適切に類似する条件を決定することが可能である。

（実施形態２）
実施形態１では、対象となっている日付に基づく対象運転情報を用いる例について説明した。本実施形態では、最適化した日付に基づく対象運転情報を用いる例について説明する。なお、上述の実施形態と共通する構成については同じ参照番号を用い説明を省略する。

図１３は、本発明の実施形態２に係る診断装置１０の構成を示すブロック図である。同図に示すように、診断装置１０は、取得部１０１、記憶部１０２、計時部１０３、設置類似判定部１０４、環境類似判定部１０５、選択部１０６、表示部１０７、運転情報最適化部２０１等を備える。取得部１０１〜表示部１０７については、実施形態１と同様の構成であるため説明を省略する。以下に、運転情報最適化部２０１について説明する。

運転情報最適化部２０１は、環境類似判定部１０５が出力する日付の類似度の平均値を用いて、記憶部１０２に記憶される運転情報を最適化する。具体的には、運転情報最適化部２０１は、環境類似判定部１０５から日付の類似度の平均値を取得し、当該日付の類似度の平均値が、所定の閾値を超えるか否かを判定し、当該判定結果に基づいて、当該日付における各機器の運転情報を記憶部１０２から削除することにより、運転情報を最適化する。例えば、図１０に示すように、日付の類似度の平均値が所定の閾値である０．９を超える場合、当該閾値を超えている日付３における機器２０ｂ〜２０ｆの運転情報が記憶部１０２から削除される。

なお、所定の閾値は、任意の値であり、機器２０が備えるセンサが検知した温度や圧力、計時部１０３が計時する日時等に基づいて、値を変化させることもできる。

次に、実施形態２に係る診断装置１０にて実行される運転情報最適化処理について説明する。図１４は、運転情報最適化処理を説明するためのフローチャートである。なお、運転情報蓄積処理、設置類似判定処理、環境類似判定処理、表示処理については、実施形態１と同様である。

まず、運転情報最適化部２０１は、環境類似判定部１０５から日付の類似度の平均値を取得する（ステップＳ５０１）。

次に、運転情報最適化部２０１は、取得した日付の類似度の平均値が、所定の閾値を超えるか否かを判定する（ステップＳ５０２）。

日付の類似度の平均値が所定の閾値を超える場合（ステップＳ５０２；Ｙｅｓ）、運転情報最適化部２０１は、当該閾値を超えた日付において、各機器２０の運転情報を記憶部１０２から削除し（ステップＳ５０３）、本処理は終了する。例えば、所定の閾値が０．９の場合、図１０に示す日付の類似度の平均値では、日付番号３の日付３における類似度の平均値が、所定の閾値を超えている。このため、当該日付３が付されている各機器２０ｂ〜２０ｆの運転情報が、削除される。

一方、日付の類似度の平均値が所定の閾値を超えない場合（ステップＳ５０２；Ｎｏ）、削除すべき運転情報がないものとして、本処理は終了する。

以上の処理により、同一の環境条件の運転情報を重複して蓄積することを避けることができる。また、運転情報を蓄積するのに必要となる記憶容量を削減できる。このため、類似運転情報を探索する範囲を縮小できるため、診断装置２０にて実行される処理を高速化することができる。

（実施形態３）
実施形態１では、対象となっている日付に基づく対象運転情報を用いる例について説明した。本実施形態では、最適化した日付に基づく対象運転情報を用いる例について説明する。なお、上述の実施形態と共通する構成については同じ参照番号を用い説明を省略する。

図１５は、本発明の実施形態３に係る診断装置１０の構成を示すブロック図である。同図に示すように、診断装置１０は、取得部１０１、記憶部１０２、計時部１０３、設置類似判定部１０４、環境類似判定部１０５、選択部１０６、表示部１０７、環境特異性判定部３０１、環境分散性判定部３０２、設置特異性判定部３０３、設置分散性判定部３０４を備える。ここで、設置類似判定部１０４が、環境特異性判定部３０１、環境分散性判定部３０２を有し、環境類似判定部１０５が、設置特異性判定部３０３、設置分散性判定部３０４を有する。取得部１０１〜計時部１０３、選択部１０６〜表示部１０７については、実施形態１と同様の構成であるため説明を省略する。以下に、設置類似判定部１０４、環境類似判定部１０５、環境特異性判定部３０１、環境分散性判定部３０２、設置特異性判定部３０３、設置分散性判定部３０４、について説明する。

設置類似判定部１０４は、環境特異性及び環境分散性に基づいて、対象機器とそれ以外の各機器との類似度を算出する。具体的には、設置類似判定部１０４は、算出された類似度を機器毎にまとめて、環境特異性及び環境分散性による重み付け平均値を算出し、対象機器とそれ以外の各機器との類似度を算出する。

環境類似判定部１０５は、設置特異性及び設置分散性に基づいて、対象日付とそれ以外の各日付との類似度を算出する。具体的には、環境類似判定部１０５は、算出された類似度を日付毎にまとめて、設置特異性及び設置分散性による重み付け平均を算出し、対象日付とそれ以外の各日付との類似度を算出する

環境特異性判定部３０１は、全日付の運転情報の分布における各日付の特異性を算出する。環境特異性判定部３０１は、例えば、各日付について、対象日付とそれ以外の日付との運転情報の類似度を積算した値の逆数として、環境特異性を算出する。

環境分散性判定部３０２は、各機器における全機器の運転情報のばらつきを算出する。環境分散性判定部３０２は、例えば、各機器での運転情報の全組み合わせが全て類似している場合の合計値に対する、実際の運転情報における類似度の積算値の割合を１から引いた値として、環境分散性を算出する。

設置特異性判定部３０３は、全機器の運転情報の分布における各機器の特異性を算出する。設置特異性判定部３０３は、例えば、各機器について、対象機器とそれ以外の機器との運転情報の類似度を積算した値の逆数として、設置特異性を算出する。

設置分散性判定部３０４は、各機器における全日付の運転情報のばらつきを算出する。設置分散性判定部３０４は、例えば、各日付での運転情報の全組み合わせが全て類似している場合の合計値に対する、実際の運転情報における類似度の積算値の割合を１から引いた値として、設置分散性を算出する。

次に、実施形態３に係る診断装置１０にて実行される設置類似判定処理及び環境類似判定について説明する。図１６は、実施形態３に係る設置類似判定処理を説明するためのフローチャートである。

なお、運転情報蓄積処理、表示処理については、実施形態１と同様である。また、本処理のステップＳ２０１〜Ｓ２０３は、実施形態１に係る設置類似判定処理におけるステップＳ２０１〜Ｓ２０３と同様であるため、説明を省略する。また、対象機器は、機器番号１の機器２０ａであり、対象日付は、日付番号１の日付１である。また、閾値は０．９である。

環境特異性判定部３０１は、各日付について、対象日付とそれ以外の日付との運転情報の類似度を積算した値の逆数として、環境特異性Ｓｅを算出する（ステップＳ６０１）。環境特異性Ｓｅは、具体的には以下の式より求められる。
ただし、Ｌ：運転情報同士の類似度、Ｘ：運転情報、Ｊ：対象日付、ｉ：機器、ｊ、ｎ：日付、Ｎ：日付数。

図１７は、環境特異性Ｓｅの算出結果を示す図である。図１７に示すように、機器番号２の機器２０ｂ、日付番号２の日付２の運転情報に対する環境特異性Ｓｅは、以下の様に求められる。

また、機器番号３の機器２０ｃ、日付番号４の日付４の運転情報に対する環境特異性Ｓｅは、以下の様に求められる。

なお、環境特異性の算出方法は前記式に限定されるものではなく、類似運転情報の少ない運転情報の特異性が高く、類似運転情報の多い運転情報の特異性が低くなるように算出できればかまわない。例えば、各機器の運転情報群に対し、各日付についてそれ以外の日付との運転情報の類似度を算出し、閾値を超える数＋１の逆数をその日付の環境特異性として算出してもよい。

次に、環境分散性判定部３０２は、各機器での運転情報の全組み合わせが全て類似している場合の合計値（類似度が０〜１の場合は組み合わせ数）に対する、実際の運転情報における類似度の積算値の割合を１から引いた値として、環境分散性Ｖｅを算出する（ステップＳ６０２）。環境分散性Ｖｅは、具体的には以下の式より求められる。
ただし、Ｌ：運転情報同士の類似度、Ｘ：運転情報、Ｉ：対象機器、ｐ、ｑ：機器、Ｐ：機器数。

図１８は、環境分散性Ｖｅの算出結果を示す図である。図１８に示すように、例えば、日付２の環境分散性Ｖｅは、以下の様に求められる。

なお、環境分散性の算出方法は前記式に限定されるものではなく、全機器の運転情報が互いに類似し合っていない日付の分散性が高く、類似した運転情報が多い日付の分散性が低くなるように算出できればかまわない。例えば、運転情報を多次元ベクトルとみなして分散を算出してもよいし、各日付の運転情報群に対し、各機器について運転情報とそれ以外の運転情報の類似度を算出し、閾値を超える運転情報群でグループを構成し、そのグループの数をその日付の環境分散性として算出してもよい。

次に、設置類似判定部１０４は、ステップＳ２０３において算出された類似度を機器毎にまとめて、環境特異性及び環境分散性による重み付け平均値を算出し、対象機器とそれ以外の各機器との類似度Ｆｐを算出する（ステップＳ６０３）。類似度Ｆｐは、具体的には以下の式より求められる。
ただし、Ｌ：運転情報同士の類似度、Ｘ：運転情報、Ｉ：対象機器、Ｊ：対象日付、ｉ：機器、ｎ：日付、Ｎ：日付数。

図１９は、類似度Ｆｐの算出結果を示す図である。図１９に示すように、例えば、機器番号２の機器２０ｂの類似度Ｆｐは、以下の様に求められる。

また、機器番号３の機器２０ｃの類似度Ｆｐは、以下の様に求められる。

類似度Ｆｐが、実施形態１における類似度の平均値と同様のもとして求められる。そして、表示処理におけるステップＳ４０２の処理において、最大となっている類似度が機器であるか日付であるかが判定される。

以上の処理により、設置条件の異なる機器ごとの類似度を算出することができる。また、特異性の高い運転情報に重み付けがなされるので、特定の設置条件に偏って運転情報が蓄積されている場合にも、適切に類似度の判定ができる。

次に、実施形態３に係る診断装置１０にて実行される環境類似判定処理について説明する。図２０は、実施形態３に係る環境類似判定処理を説明するためのフローチャートである。以下、図面を参照して説明する。

設置特異性判定部３０３は、各機器について、対象機器とそれ以外の機器との運転情報の類似度を積算した値の逆数として、設置特異性Ｓｐを算出する（ステップＳ７０１）。設置特異性Ｓｐは、具体的には以下の式より求められる。
ただし、Ｌ：運転情報同士の類似度、Ｘ：運転情報、Ｉ：対象機器、ｉ、ｐ：機器、Ｐ：機器数、ｊ：日付。

図２１は、設置特異性Ｓｐの算出結果を示す図である。図２１に示すように、機器番号２の機器２０ｂ、日付番号２の日付２の運転情報に対する設置特異性Ｓｐは、以下の様に求められる。

また、機器番号３の機器２０ｃ、日付番号４の日付４の運転情報に対する設置特異性Ｓｐは、以下の様に求められる。

なお、設置特異性の算出方法は前記式に限定されるものではなく、類似運転情報の少ない運転情報の特異性が高く、類似運転情報の多い運転情報の特異性が低くなるように算出できればかまわない。例えば、各日付の運転情報群に対し、各機器についての運転情報とそれ以外の運転情報との類似度を算出し、閾値を超える数＋１の逆数をその機器の設置特異性として算出してもよい。

次に、設置分散性判定部３０４は、各日付での運転情報の全組み合わせが全て類似している場合の合計値（類似度が０〜１の場合は組み合わせ数）に対する、実際の運転情報における類似度の積算値の割合を１から引いた値として、設置分散性Ｖｐを算出する（ステップＳ７０２）。
ただし、Ｌ：運転情報同士の類似度、Ｘ：運転情報、Ｊ：対象日付、い：機器、ｎ、ｍ：日付、Ｎ：日付数。

図２２は、設置分散性Ｖｐの算出結果を示す図である。図２２に示すように、例えば、機器番号２の機器２０ｂの設置分散性Ｖｐは、以下の様に求められる。

なお、設置分散性の算出方法は前記に限定されるものではなく、全日付の運転情報が互いに類似し合っていない機器の分散性が高く、類似した運転情報が多い機器の分散性が低くなるように算出できればかまわない。例えば、運転情報を多次元ベクトルとみなして分散を算出してもよいし、各機器の運転情報群に対し、各日付について運転情報とそれ以外の運転情報の類似度を算出し、閾値を超える運転情報群でグループを構成し、そのグループの数をその機器の設置分散性として算出してもよい。

次に、環境類似判定部１０５は、Ｓ２０３において算出された類似度を日付毎にまとめて、設置特異性及び設置分散性による重み付け平均を算出し、対象日付とそれ以外の各日付との類似度Ｆｅを算出する（ステップＳ７０３）。類似度Ｆｅは、具体的には以下の式より求められる。
ただし、Ｌ：運転情報同士の類似度、Ｘ：運転情報、Ｉ：対象機器、ｉ、ｐ：機器、Ｐ：機器数、ｊ：日付。

図２３は、類似度Ｆｅの算出結果を示す図である。図２３に示すように、例えば、日付番号２の日付２の類似度Ｆｅは、以下の様に求められる。

また、日付番号３の日付３の類似度Ｆｅは、以下の様に求められる。

類似度Ｆｅが、実施形態１における類似度の平均値と同様のもとして求められる。そして、表示処理におけるステップＳ４０２の処理において、最大となっている類似度が機器であるか日付であるかが判定される。

実施形態１及び３では、図６及び７に示すように、機器番号５の機器２０ｅと機器番号６の機器２０ｆとが同一の設置条件であり、また、日付番号５の日付５と日付番号６の日付６とが同一の環境条件であるため、偏りのある例を用いて説明している。

このとき、実施形態１では、類似運転情報として抽出されるべき機器番号２の機器２０ｂ及び日付番号３の日付３の類似度の平均値が１、それ以外の最大の類似度の平均値が０．６となっており、正しい類似運転情報以外の類似度が、正しい類似運転情報の６０％（＝０．６／１×１００）に達してしまっている。
一方で、実施形態３では、機器番号２の機器２０ｂ及び日付番号３の日付３の類似度が０．７２、それ以外の最大類似度が０．１４となっており、正しい類似運転情報以外の類似度が、正しい類似運転情報の約１９．４％（＝０．１４／０．７２×１００）にとどまっており、運転情報のノイズなどにより誤った類似運転情報が選択されることを抑えられている。

以上の処理により、環境条件の異なる機器ごとの類似度を算出することができる。また、特異性の高い運転情報に重み付けがなされるので、特定の環境条件に偏って運転情報が蓄積されている場合にも、適切に類似度の判定ができる。

以上説明したように、本実施形態３によれば、分散性の高い日付又は機器に重み付けがなされるので、設置条件の違いを色濃く運転情報に反映する環境条件（本例では晴れの天候）、及び、環境条件の違いを色濃く運転情報に反映する設置条件（本例では窓有り）になっている運転情報を重視されることになり、適切に類似度の判定ができる。

なお、本発明は上記の実施形態に限定されず、種々の変形及び応用が可能である。

前記のハードウエェア構成やフローチャートは一例であり、任意に変更および修正が可能である。

取得部１０１、記憶部１０２、計時部１０３、設置類似判定部１０４、環境類似判定部１０５、選択部１０６、表示部１０７などから構成される診断装置１０の処理を行う中心となる部分は、専用のシステムによらず、通常のコンピュータシステムを用いて実現可能である。たとえば、前記の動作を実行するためのコンピュータプログラムを、コンピュータが読み取り可能な記録媒体（フレキシブルディスク、ＣＤ−ＲＯＭ、ＤＶＤ−ＲＯＭ等）に格納して配布し、当該コンピュータプログラムをコンピュータにインストールすることにより、前記の処理を実行する診断装置１０を構成してもよい。また、インターネット等の通信ネットワーク上のサーバ装置が有する記憶装置に当該コンピュータプログラムを格納しておき、通常のコンピュータシステムがダウンロード等することで診断装置１０を構成してもよい。

また、診断装置１０の機能を、ＯＳ（オペレーティングシステム）とアプリケーションプログラムの分担、またはＯＳとアプリケーションプログラムとの協働により実現する場合などには、アプリケーションプログラム部分のみを記録媒体や記憶装置に格納してもよい。

また、搬送波にコンピュータプログラムを重畳し、通信ネットワークを介して配信することも可能である。たとえば、通信ネットワーク上の掲示板（BBS; Bulletin Board System）に前記コンピュータプログラムを掲示し、ネットワークを介して前記コンピュータプログラムを配信してもよい。そして、このコンピュータプログラムを起動し、ＯＳの制御下で、他のアプリケーションプログラムと同様に実行することにより、前記の処理を実行できるように構成してもよい。

この発明によれば、複数の機器の動作状態を診断することができる。

１ ネットワーク
１０ 診断装置
２０（２０ａ〜２０ｆ） 機器
１０１ 取得部
１０２ 記憶部
１０３ 計時部
１０４ 設置類似判定部
１０５ 環境類似判定部
１０６ 選択部
１０７ 表示部
２０１ 運転情報最適化部
３０１ 環境特異性判定部
３０２ 環境分散性判定部
３０３ 設置特異性判定部
３０４ 設置分散性判定部

Claims (14)

1. ネットワークに接続される複数の機器の動作を診断する診断装置であって、
   前記機器が出力する運転情報を取得する取得部と、
   日時を計時する計時部と、
   前記取得された運転情報に、計時された日時を表す日時情報及び前記機器が特定される機器情報を付加して記憶する記憶部と、
   前記日時情報に基づいて前記記憶された運転情報を分類し、当該分類した運転情報から、診断対象となる対象機器と、当該対象機器以外の他機器と、の類似度を判定し、当該日時情報に基づいて判定した当該類似度を機器毎に平均した値を、当該対象機器と当該他機器との類似度の平均値として算出する設置類似判定部と、
   前記判定された類似度を機器毎に平均する際に、前記対象機器から出力された運転情報に付加された日時情報毎に、前記複数の機器における運転情報のばらつきの大きさで重み付けすることにより、分散性を判定する環境分散性判定部と、を備える、
   ことを特徴とする診断装置。
2. ネットワークに接続される複数の機器の動作を診断する診断装置であって、
   前記機器が出力する運転情報を取得する取得部と、
   日時を計時する計時部と、
   前記取得された運転情報に、計時された日時を表す日時情報及び前記機器が特定される機器情報を付加して記憶する記憶部と、
   前記日時情報に基づいて前記記憶された運転情報を分類し、当該分類した運転情報から、診断対象となる対象機器と、当該対象機器以外の他機器と、の類似度を判定し、当該日時情報に基づいて判定した当該類似度を機器毎に平均した値を、当該対象機器と当該他機器との類似度の平均値として算出する設置類似判定部と、
   前記判定された類似度を機器毎に平均する際に、前記対象機器から出力された運転情報に付加された日時情報と、当該日時情報以外の他日時情報が付された運転情報と、の類似度の低さで重み付けをすることにより、特異性を判定する環境特異性判定部と、を備える、
   ことを特徴とする診断装置。
3. 前記判定された類似度を機器毎に平均する際に、前記対象機器から出力された運転情報に付加された日時情報毎に、前記複数の機器における運転情報のばらつきの大きさで重み付けすることにより、分散性を判定する環境分散性判定部、をさらに備える、
   ことを特徴とする請求項２に記載の診断装置。
4. ネットワークに接続される複数の機器の動作を診断する診断装置であって、
   前記機器が出力する運転情報を取得する取得部と、
   日時を計時する計時部と、
   前記取得された運転情報に、計時された日時を表す日時情報及び前記機器が特定される機器情報を付加して記憶する記憶部と、
   前記機器情報に基づいて前記記憶された運転情報を分類し、当該分類した運転情報から、診断対象となる対象機器に付加された対象日時情報と、当該対象機器以外の他機器に付加された他日時情報と、の類似度を判定し、当該機器情報に基づいて判定した当該類似度を日時情報毎に平均した値を、当該対象日時情報と当該他日時情報との類似度として算出する環境類似判定部と、を備える、
   ことを特徴とする診断装置。
5. 前記判定された類似度を日時情報毎に平均する際に、前記対象日時情報が付加された対象機器の運転情報と、当該対象機器以外の他機器の運転情報と、の類似度の低さで重み付けをすることにより、特異性を判定する環境特異性判定部、をさらに備える、
   ことを特徴とする請求項４に記載の診断装置。
6. 前記判定された類似度を日時情報毎に平均する際に、前記複数の機器毎に、日時情報における運転情報のばらつきの大きさで重み付けすることにより、分散性を判定する環境分散性判定部、をさらに備える、
   ことを特徴とする請求項４又は５に記載の診断装置。
7. 前記対象日時情報と前記他日時情報との類似度が、所定の閾値を超える場合、当該所定の閾値を超えた類似度が判定された日時情報が付加された運転情報を前記記憶部から削除して、最適化する運転情報最適化部、をさらに備える、
   ことを特徴とする請求項４乃至６のいずれか１項に記載の診断装置。
8. 前記日時情報に基づいて前記記憶された運転情報を分類し、当該分類した運転情報から、診断対象となる対象機器と、当該対象機器以外の他機器と、の類似度を判定し、当該日時情報に基づいて判定した当該類似度を機器毎に平均した値を、当該対象機器と当該他機器との類似度の平均値として算出する設置類似判定部と、
   前記環境類似判定部及び前記設置類似判定部が算出したそれぞれの類似度の平均値を比較して、最大となる類似度の平均値を求め、当該最大となる類似度の平均値が、前記日時情報に基づいて判定された類似度から算出されたか、又は、前記機器情報に基づいて判定された類似度から算出されたか、を判定し、当該判定結果に基づいて、類似度の平均値を選択する選択部と、をさらに備える、
   ことを特徴とする請求項４乃至７のいずれか１項に記載の診断装置。
9. 取得部と、計時部と、記憶部と、設置類似判定部と、環境分散性判定部と、を備える、ネットワークに接続される複数の機器の動作を診断する診断装置にて実行される診断方法であって、
   前記取得部が、前記機器が出力する運転情報を取得する取得工程と、
   前記計時部が、日時を計時する計時工程と、
   前記記憶部が、前記取得された運転情報に、計時された日時を表す日時情報及び前記機器が特定される機器情報を付加して記憶する記憶工程と、
   前記設置類似判定部が、前記日時情報に基づいて前記記憶された運転情報を分類し、当該分類した運転情報から、診断対象となる対象機器と、当該対象機器以外の他機器と、の類似度を判定し、当該日時情報に基づいて判定した当該類似度を機器毎に平均した値を、当該対象機器と当該他機器との類似度の平均値として算出する設置類似判定工程と、
   前記環境分散性判定部が、前記判定された類似度を機器毎に平均する際に、前記対象機器から出力された運転情報に付加された日時情報毎に、前記複数の機器における運転情報のばらつきの大きさで重み付けすることにより、分散性を判定する環境分散性判定工程と、を備える、
   ことを特徴とする診断方法。
10. 取得部と、計時部と、記憶部と、設置類似判定部と、環境特異性判定部と、を備える、ネットワークに接続される複数の機器の動作を診断する診断装置にて実行される診断方法であって、
    前記取得部が、前記機器が出力する運転情報を取得する取得工程と、
    前記計時部が、日時を計時する計時工程と、
    前記記憶部が、前記取得された運転情報に、計時された日時を表す日時情報及び前記機器が特定される機器情報を付加して記憶する記憶工程と、
    前記設置類似判定部が、前記日時情報に基づいて前記記憶された運転情報を分類し、当該分類した運転情報から、診断対象となる対象機器と、当該対象機器以外の他機器と、の類似度を判定し、当該日時情報に基づいて判定した当該類似度を機器毎に平均した値を、当該対象機器と当該他機器との類似度の平均値として算出する設置類似判定工程と、
    前記環境特異性判定部が、前記判定された類似度を機器毎に平均する際に、前記対象機器から出力された運転情報に付加された日時情報と、当該日時情報以外の他日時情報が付された運転情報と、の類似度の低さで重み付けをすることにより、特異性を判定する環境特異性判定工程と、を備える、
    ことを特徴とする診断方法。
11. 取得部と、計時部と、記憶部と、環境類似判定部と、を備える、ネットワークに接続される複数の機器の動作を診断する診断装置にて実行される診断方法であって、
    前記取得部が、前記機器が出力する運転情報を取得する取得工程と、
    前記計時部が、日時を計時する計時工程と、
    前記記憶部が、前記取得された運転情報に、計時された日時を表す日時情報及び前記機器が特定される機器情報を付加して記憶する記憶工程と、
    前記環境類似判定部が、前記機器情報に基づいて前記記憶された運転情報を分類し、当該分類した運転情報から、診断対象となる対象機器に付加された対象日時情報と、当該対象機器以外の他機器に付加された他日時情報と、の類似度を判定し、当該機器情報に基づいて判定した当該類似度を日時情報毎に平均した値を、当該対象日時情報と当該他日時情報との類似度として算出する環境類似判定工程と、を備える、
    ことを特徴とする診断方法。
12. ネットワークに接続される複数の機器の動作を診断するコンピュータを機能させるプログラムであって、当該コンピュータを、
    前記機器が出力する運転情報を取得する取得部、
    日時を計時する計時部、
    前記取得された運転情報に、計時された日時を表す日時情報及び前記機器が特定される機器情報を付加して記憶する記憶部、
    前記日時情報に基づいて前記記憶された運転情報を分類し、当該分類した運転情報から、診断対象となる対象機器と、当該対象機器以外の他機器と、の類似度を判定し、当該日時情報に基づいて判定した当該類似度を機器毎に平均した値を、当該対象機器と当該他機器との類似度の平均値として算出する設置類似判定部、
    前記判定された類似度を機器毎に平均する際に、前記対象機器から出力された運転情報に付加された日時情報毎に、前記複数の機器における運転情報のばらつきの大きさで重み付けすることにより、分散性を判定する環境分散性判定部、として機能させる、
    ことを特徴とするプログラム。
13. ネットワークに接続される複数の機器の動作を診断するコンピュータを機能させるプログラムであって、当該コンピュータを、
    前記機器が出力する運転情報を取得する取得部、
    日時を計時する計時部、
    前記取得された運転情報に、計時された日時を表す日時情報及び前記機器が特定される機器情報を付加して記憶する記憶部、
    前記日時情報に基づいて前記記憶された運転情報を分類し、当該分類した運転情報から、診断対象となる対象機器と、当該対象機器以外の他機器と、の類似度を判定し、当該日時情報に基づいて判定した当該類似度を機器毎に平均した値を、当該対象機器と当該他機器との類似度の平均値として算出する設置類似判定部、
    前記判定された類似度を機器毎に平均する際に、前記対象機器から出力された運転情報に付加された日時情報と、当該日時情報以外の他日時情報が付された運転情報と、の類似度の低さで重み付けをすることにより、特異性を判定する環境特異性判定部、として機能させる、
    ことを特徴とするプログラム。
14. ネットワークに接続される複数の機器の動作を診断するコンピュータを機能させるプログラムであって、当該コンピュータを、
    前記機器が出力する運転情報を取得する取得部、
    日時を計時する計時部、
    前記取得された運転情報に、計時された日時を表す日時情報及び前記機器が特定される機器情報を付加して記憶する記憶部、
    前記機器情報に基づいて前記記憶された運転情報を分類し、当該分類した運転情報から、診断対象となる対象機器に付加された対象日時情報と、当該対象機器以外の他機器に付加された他日時情報と、の類似度を判定し、当該機器情報に基づいて判定した当該類似度を日時情報毎に平均した値を、当該対象日時情報と当該他日時情報との類似度として算出する環境類似判定部、として機能させる、
    ことを特徴とするプログラム。