JP5404265B2 - 監視装置、監視方法および監視プログラム - Google Patents

Description

本発明は、例えば、リアルタイムに障害の発生を点検監視する監視装置、監視方法および監視プログラムに関するものである。

複数の情報監視装置（センサ）を用いて状態の監視を行う従来技術として特許文献１、特許文献２がある。

特許文献１はプラントの潜在的エラーの顕在化を計り、異常事態の告知が有ったときに運転員に対して適切な注意を喚起して操作自体の妥当性を管理する手法を開示したものである。
この手法では、プラントの運転員の誤操作もしくは必要操作などのリスクを回避してプラントの安全運転を実行するため、プラントデータをモニタするモニタ装置と障害発生の際に運転員が行うべき障害対策の手順を収めたデータベースとを備え、プラントに障害が発生した場合に運転員への指示を行っている。

特許文献２は複数のプロセス機器（製造機器）により構成される製造ラインをモニタする手法を開示したものである。
この手法では、製造ラインの品質検査で得られた不良結果とその原因となる異常現象との関連付けを容易にし、検査工程などの後の工程に不良品を流すことのないように製造ラインをモニタする。製造ラインのモニタでは複数のセンサにより各プロセス機器の状態が監視される。

特開平１１−５３６６４号公報 特開２０００−２４３６７８号公報

装置を稼動させる構成要素である機械部品は時間と共に劣化する。装置の安定稼動のためには、装置の状態に応じて監視条件を様々に変えながら、不規則で突発的に発生する機械部品の異常な変化を機械部品が劣化する兆候として常時監視する必要がある。固定条件で定期的に監視した場合、機械部品の劣化を見落とす可能性があるからである。

特許文献１の手法では、システムの監視に人員が関わるため完全な常時監視は困難である。

特許文献２の手法では、プロセス機器を監視するセンサの監視条件は変化しない。

本発明は、例えば、監視対象の状態に応じて監視条件を変更することにより、監視対象の劣化の見落としを防ぐことを目的とする。

本発明の監視装置は、
複数のセンサそれぞれにより特定の計測条件で計測された監視対象の特定量を示す前記複数のセンサそれぞれの計測値に基づいて前記監視対象の状態をＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）を用いて特定する状態特定部と、
前記状態特定部により特定された前記監視対象の状態に基づいて前記複数のセンサのうち特定のセンサの新たな計測条件をＣＰＵを用いて決定し、前記特定のセンサの計測条件を前記新たな計測条件に変更する計測条件変更部と、
前記状態特定部により特定された前記監視対象の状態を出力装置に出力する状態出力部とを備える。

本発明によれば、例えば、監視対象の状態に応じて計測条件（監視条件）を変更することにより、監視対象の劣化の見落としを防ぐことができる。

実施の形態１におけるリアルタイム障害監視装置１００の機能構成図。 実施の形態１におけるリアルタイム障害監視方法を示すフローチャート。 実施の形態１におけるセンサデータテーブル１９１およびセンサデータのグラフを表した図。 実施の形態１におけるセンサ名対応テーブル１９５を示す図。 実施の形態１における多次元データリアルタイム管理部１３０の機能構成図。 実施の形態１における異常要因特定処理（Ｓ１５０）のフローチャート。 実施の形態１におけるセンサパターン判別処理（Ｓ１５１）のフローチャート。 実施の形態１におけるセンサパターンテーブル１９２のセンサパターンを表した図。 実施の形態１におけるセンサパターンテーブル１９２を示す図。 実施の形態１における構成情報比較処理（Ｓ１５２）のフローチャート。 実施の形態１における構成情報テーブル１９３が表す監視対象の構成図。 実施の形態１における異常要因テーブル１９４を示す図。 実施の形態１におけるリアルタイム障害監視装置１００のハードウェア資源の一例を示す図。 実施の形態２におけるリアルタイム障害監視装置１００の機能構成図。 実施の形態３の実施例１におけるリアルタイム障害監視システム２００の構成図。 実施の形態３の実施例２における鉄道情報システムの動作フローを示す図。 実施の形態３の実施例３における河川監視システムの動作フローを示す図。 実施の形態３の実施例４における法面監視システムの動作フローを示す図。

実施の形態１．
図１は、実施の形態１におけるリアルタイム障害監視装置１００の機能構成図である。
実施の形態１におけるリアルタイム障害監視装置１００の機能構成について、図１に基づいて以下に説明する。

リアルタイム障害監視装置１００は、監視対象の複数箇所に設置された複数のセンサ１０１それぞれからセンサ１０１の計測値を取得し、取得した計測値に基づいて監視対象の異常を検出すると共に異常要因を推定する。リアルタイム障害監視装置１００は、異常の発生を通知し、監視対象の異常要因部分に設置されているセンサ１０１のパラメータを異常時用のパラメータに変更し、監視対象の監視を続ける。

監視対象は何でも構わない。例えば、監視対象として電子部品や機械部品を備える装置（または機器、機械、計算機）や装置が位置する場所（または領域、空間）がある。監視対象の具体例として列車や計算機室が挙げられる。

センサ１０１は、温度、湿度、速度、加速度、重量、水量、照度、光量、電流、電圧、電力、データ量、メモリ量、ＣＰＵ時間などの特定量（特に、物理量）を計測（または測定、検知）する装置である。
センサ１０１は、監視対象を構成する複数の部品（構成要素、対象部品）のいずれかに設置される。また、センサ１０１には、時間間隔、開始条件、終了条件、精度、計測値の出力条件など、計測に関する条件がセンサパラメータとして設定される。
センサ１０１は、設置された構成要素の特定量をセンサパラメータに従って計測する。
例えば、センサ１０１は列車の各車輪に設置され、センサパラメータに従ってＸ分間隔で各車輪にかかる重量や各車輪の回転速度を計測する。

以下、センサ１０１により計測された特定量を示す値を「計測値」または「センサ値」という。
また、センサ１０１の計側に関する条件を「計測条件」または「センサパラメータ」という。

リアルタイム障害監視装置１００（監視装置の一例）は、データ蓄積管理部１１０、数値化処理部１２０（異常センサ特定部の一例）、多次元データリアルタイム管理部１３０（状態特定部の一例）、センサパラメータ管理部１４０（計測条件変更部の一例）、通知部１５０（状態出力部の一例）および監視装置記憶部（図示省略）を備える。

監視装置記憶部（図示省略）は、リアルタイム障害監視装置１００が使用するデータを記憶する。
センサデータテーブル１９１（計測値時系列データの一例）、センサパターンテーブル１９２（判別パターン情報の一例）、構成情報テーブル１９３（構成情報の一例）、異常要因テーブル１９４（部品優先度情報の一例）およびセンサ名対応テーブル１９５（計測条件情報、センサ情報の一例）は、監視装置記憶部に記憶されるデータの一例である。

センサデータテーブル１９１は、複数のセンサ１０１それぞれの計測値を時系列（計測時刻順）に並べたデータである。

センサパターンテーブル１９２は、特定量の時系列の変化パターンを判別パターンとして複数示すと共に、特定の構成要素を判別パターン毎に示す。

構成情報テーブル１９３は、監視対象を構成する複数の構成要素を上位の構成要素と当該上位の構成要素を構成する下位の構成要素とに分けて上位の構成要素と下位の構成要素との関係を示す。

異常要因テーブル１９４は、複数の構成要素それぞれの優先度を示す。

センサ名対応テーブル１９５は、センサが設置された構成要素をセンサ毎に示すと共に、特定の状態（例えば「通常時」「異常時」）毎に特定の計測条件（センサパラメータ）を示す。

センサデータテーブル１９１は計測値の追加および削除により随時更新される。
センサパターンテーブル１９２、構成情報テーブル１９３、異常要因テーブル１９４およびセンサ名対応テーブル１９５は予め定義される。

データ蓄積管理部１１０は、複数のセンサ１０１それぞれから計測値を取得し、取得した計測値をセンサデータテーブル１９１に記録する。

数値化処理部１２０は、センサデータテーブル１９１に基づいて、複数のセンサ１０１のうち異常値を計測したセンサ１０１を異常センサとしてＣＰＵを用いて特定する。

多次元データリアルタイム管理部１３０は、センサデータテーブル１９１に基づいて監視対象の状態をＣＰＵを用いて特定する。
例えば、多次元データリアルタイム管理部１３０は、異常が発生した構成要素（異常要因）を検出し、当該構成要素の異常を監視対象の状態とする。
多次元データリアルタイム管理部１３０の詳細について後述する。

センサパラメータ管理部１４０は、多次元データリアルタイム管理部１３０により特定された監視対象の状態に基づいて複数のセンサ１０１のうち特定のセンサ１０１の新たな計測条件をＣＰＵを用いて決定し、特定のセンサ１０１の計測条件を新たな計測条件に変更する。
例えば、センサパラメータ管理部１４０は、以下のようにして特定のセンサ１０１の計測条件を変更する。
センサパラメータ管理部１４０は、センサ名対応テーブル１９５に特定の状態毎に示される計測条件のうち多次元データリアルタイム管理部１３０により特定された状態の計測条件を新たな計測条件とする。
センサパラメータ管理部１４０は、多次元データリアルタイム管理部１３０により検出された異常な構成要素に設置されたセンサ１０１としてセンサ名対応テーブル１９５に示されるセンサ１０１を特定し、特定したセンサ１０１の計測条件を新たな計測条件に変更する。

通知部１５０は、多次元データリアルタイム管理部１３０により特定された監視対象の状態を出力装置（例えば、表示装置）に出力する。

図２は、実施の形態１におけるリアルタイム障害監視方法を示すフローチャートである。
実施の形態１におけるリアルタイム障害監視方法（監視方法の一例）について、図２に基づいて以下に説明する。

リアルタイム障害監視装置１００の各「〜部」は、以下に説明する処理をＣＰＵを用いて実行する。

まず、リアルタイム障害監視方法の概要について説明する。

監視対象に設置された各センサ１０１は設定されているセンサパラメータに従って計測を行う（Ｓ１１０）。
データ蓄積管理部１１０は各センサ１０１の計測値をセンサデータテーブル１９１に記録する（Ｓ１２０）。
数値化処理部１２０はセンサデータテーブル１９１に基づいて異常センサを検出する（Ｓ１３０）。
異常センサが検出された場合（Ｓ１５０）、多次元データリアルタイム管理部１３０はセンサパターンテーブル１９２、構成情報テーブル１９３および異常要因テーブル１９４に基づいて異常要因を特定する（Ｓ１５０）。
センサパラメータ管理部１４０はセンサ名対応テーブル１９５に基づいて異常要因に設置されているセンサ１０１に異常時のセンサパラメータを設定する（Ｓ１６０）。
通知部１５０は異常発生を通知する（Ｓ１７０）。

次に、各処理（Ｓ１１０〜Ｓ１７０）の詳細について説明する。

＜Ｓ１１０＞
監視対象を構成する構成要素（後述する「装置」「ユニット」「部品」）に設置された複数のセンサ１０１は、自己が設置された構成要素の特定量を自己に設定されたセンサパラメータに従って計測する。
各センサ１０１は、自己のセンサＩＤ（識別子）と共に計測値をリアルタイム障害監視装置１００に出力（通知、送信）する。
例えば、センサＩＤ「ｓ１」で識別されるセンサ１０１はセンサパラメータに従って定期的に（所定の時間間隔で）計測を行い、センサＩＤ「ｓ１」および計測値をリアルタイム障害監視装置１００に出力する。
Ｓ１１０の後、処理はＳ１２０に進む。

＜Ｓ１２０＞
リアルタイム障害監視装置１００のデータ蓄積管理部１１０は、各センサ１０１のセンサＩＤおよび計測値を入力し、入力した計測値を時系列に並べセンサＩＤと対応付けてセンサデータテーブル１９１に設定する。

図３は、実施の形態１におけるセンサデータテーブル１９１およびセンサデータのグラフを表した図である。
例えば、図３に示すように、センサデータテーブル１９１は「センサＩＤ」と「センサデータ」とを対応付けて示す。
「センサＩＤ」には、各センサ１０１のセンサＩＤが設定される。
「センサデータ」には、対応する「センサＩＤ」で識別されるセンサ１０１の最新の計測値が所定時間分だけ設定される。「センサデータ」は、所定時間分の最新の計測値を保持するため、古い計測値が削除され新たな計測値が追加される。

図２に戻り、リアルタイム障害監視方法の説明を続ける。

Ｓ１２０の後、処理はＳ１３０に進む。

＜Ｓ１３０＞
数値化処理部１２０は、センサデータテーブル１９１に設定されている各センサ１０１の計測値に基づいて、所定範囲外の異常値を計測したセンサ１０１の有無を判定する。
以下、異常値を計測したセンサ１０１を「異常センサ」という。

例えば、数値化処理部１２０は以下のいずれかの方法により異常値を検出し、異常センサの有無を判定する。
（１）センサデータテーブル１９１に設定されているセンサデータ（センサ値の時系列データ）に移動平均処理を行い、移動平均値が所定の閾値以上であるセンサデータを異常値として検出する。
（２）センサデータに対する特異値分解を行い、最新の特異値が過去の特異値集合と乖離している（値差が所定値以上である）センサデータを異常値として検出する。
（３）連続Ｗａｖｅｌｅｔ変換を用いてセンサデータ（信号の周波数に相当）の時間的変化を求め、計測値が不連続であるセンサデータを異常値として検出する。

Ｓ１１０〜Ｓ１２０は繰り返し実行され、Ｓ１３０は所定の時間間隔で定期的に実行される。
Ｓ１３０の後、処理はＳ１４０に進む。

＜Ｓ１４０＞
異常センサが有る場合（ＹＥＳ）、数値化処理部１２０は異常センサのセンサＩＤおよび異常センサのセンサデータを多次元データリアルタイム管理部１３０に出力する。処理はＳ１５０に進む。
異常センサが無い場合（ＮＯ）、処理はＳ１１０に戻る。

＜Ｓ１５０＞
多次元データリアルタイム管理部１３０は、数値化処理部１２０から出力された異常センサのセンサデータに基づいて異常センサのセンサデータのパターンとセンサパターンテーブル１９２に定義されているセンサパターンとを比較し、比較結果に基づいて第１の異常要因候補を特定する。
多次元データリアルタイム管理部１３０は、数値化処理部１２０から出力された異常センサのセンサＩＤに基づいて異常センサが設置されている構成要素をセンサ名対応テーブル１９５から特定し、特定した構成要素を備える上位の構成要素を第２の異常要因候補として構成情報テーブル１９３から特定する。
多次元データリアルタイム管理部１３０は、第１の異常要因候補と第２の異常要因候補とのそれぞれの優先度を異常要因テーブル１９４から特定し、優先度の高い方を異常要因（である構成要素）として異常要因の構成要素ＩＤをセンサパラメータ管理部１４０および通知部１５０に出力する。

Ｓ１５０の詳細については後述する。

Ｓ１５０の後、処理はＳ１６０に進む。

＜Ｓ１６０＞
センサパラメータ管理部１４０は、多次元データリアルタイム管理部１３０から出力された異常要因の構成要素ＩＤに基づいて異常要因に設置されているセンサ１０１とそのセンサ１０１の異常時のセンサパラメータとをセンサ名対応テーブル１９５から特定し、特定したセンサ１０１に異常時のセンサパラメータを出力する。異常要因にセンサ１０１が設置されていない場合、センサパラメータ管理部１４０は異常センサに異常時のセンサパラメータを出力する。

図４は、実施の形態１におけるセンサ名対応テーブル１９５を示す図である。
センサ名対応テーブル１９５には「センサＩＤ」「設置場所」「パラメータ」が対応付けて定義される。
「センサＩＤ」はセンサ１０１を識別するＩＤを示す。
「設置場所」はセンサ１０１が設置されている構成要素を識別するＩＤ（構成要素ＩＤ）を示す。
「パラメータ」は「通常時」「異常時」「省エネ時」などの状態におけるセンサ１０１の計測条件を示す。

例えば、図４のセンサ名対応テーブル１９５において、異常要因が部品「ａ１」であれば、部品「ａ１」を設置場所とするセンサ「ｓ１」に異常時のセンサパラメータ「Ｐｒ２」が出力される。

図２に戻り、リアルタイム障害監視方法の説明を続ける。

Ｓ１６０において、異常要因に設置されているセンサ１０１（または異常センサ）はセンサパラメータ管理部１４０から出力された異常時のセンサパラメータを設定し、以後、異常時のセンサパラメータに従って計測を行う。例えば、異常時には短い時間間隔でセンサ１０１の計測が行われる。センサパラメータ管理部１４０は、所定時間経過時に当該センサ１０１に通常時のセンサパラメータを出力して異常時の計測を解除する。
Ｓ１６０の後、処理はＳ１７０に進む。

＜Ｓ１７０＞
通知部１５０は、異常の発生を知らせるメッセージおよび多次元データリアルタイム管理部１３０から出力された異常要因の構成要素ＩＤを出力装置（例えば、表示装置）に出力する。
管理者は、出力装置に出力されたメッセージおよび構成要素ＩＤにより、どの構成要素に劣化が生じているか又は負荷がかかっているかなど監視対象の状態を把握し、監視対象の状態に応じて構成要素の交換などの対応をとることができる。

Ｓ１１０〜Ｓ１７０は繰り返し実行され、監視対象の状態がリアルタイムに監視される。

図５は、実施の形態１における多次元データリアルタイム管理部１３０の機能構成図である。
実施の形態１における多次元データリアルタイム管理部１３０の機能構成について、図５に基づいて以下に説明する。

多次元データリアルタイム管理部１３０（状態特定部の一例）は、センサパターン判別部１３１（パターン判別部の一例）、構成情報比較部１３２（構成判別部の一例）および異常要因判別部１３３（状態判別部の一例）を備える。

センサパターン判別部１３１は、センサパターンテーブル１９２に判別パターン毎に示される構成要素のうち異常センサのセンサデータに対応する判別パターンの構成要素をＣＰＵを用いて特定する。

構成情報比較部１３２は、構成情報テーブル１９３に示される上位の構成要素のうち異常センサが設置されている構成要素を備える上位の構成要素をＣＰＵを用いて特定する。異常センサが設置されている構成要素はセンサ名対応テーブル１９５から特定される。

異常要因判別部１３３は、センサパターン判別部１３１により特定された構成要素と構成情報比較部１３２により特定された構成要素とのうち異常要因テーブル１９４に示される優先度が高い構成要素を特定し、特定した構成要素の異常を監視対象の状態とする。

図６は、実施の形態１における異常要因特定処理（Ｓ１５０）のフローチャートである。
実施の形態１におけるリアルタイム障害監視方法（図２参照）中の異常要因特定処理（Ｓ１５０）について、図６に基づいて以下に説明する。

多次元データリアルタイム管理部１３０の各「〜部」は以下に説明する処理をＣＰＵを用いて実行する。

まず、異常要因特定処理（Ｓ１５０）の概要について説明する。

センサパターン判別部１３１はセンサデータテーブル１９１とセンサパターンテーブル１９２とに基づいて第１の異常要因候補を特定する（Ｓ１５１）。
構成情報比較部１３２は構成情報テーブル１９３に基づいて第２の異常要因候補を特定する（Ｓ１５２）。
異常要因判別部１３３は第１の異常要因候補の優先度と第２の異常要因候補の優先度とを異常要因テーブル１９４から特定する（Ｓ１５３）。
第１の異常要因候補の優先度の方が高い場合（Ｓ１５４「ＹＥＳ」）、異常要因判別部１３３は第１の異常要因候補を異常要因に決定する（Ｓ１５５）。
第２の異常要因候補の優先度の方が高い場合（Ｓ１５４「ＮＯ」）、異常要因判別部１３３は第２の異常要因候補を異常要因に決定する（Ｓ１５６）。

次に、各処理（Ｓ１５１〜Ｓ１５６）の詳細について説明する。

＜Ｓ１５１＞
図７は、実施の形態１におけるセンサパターン判別処理（Ｓ１５１）のフローチャートである。
センサパターン判別処理（Ｓ１５１）について、図７に基づいて以下に説明する。

＜Ｓ１５１−１＞
センサパターン判別部１３１は、数値化処理部１２０から出力された異常センサのセンサＩＤおよび異常センサのセンサデータを入力する。
同時間帯に複数の異常センサが存在する場合、数値化処理部１２０からは複数のセンサＩＤ（およびセンサデータ）が出力される。例えば、異常が発生した構成要素が複数の構成要素を備え、構成要素毎にセンサ１０１が設置されている場合である。
センサパターン判別部１３１は、数値化処理部１２０から出力されたセンサＩＤの数に基づいて、異常センサの数が１つであるか又は複数であるかを判定する。
異常センサの数が複数である場合（ＹＥＳ）、処理はＳ１５１−２に進む。
異常センサの数が１つである場合（ＮＯ）、処理はＳ１５１−３に進む。

＜Ｓ１５１−２＞
センサパターン判別部１３１は、複数の異常センサそれぞれのセンサＩＤから未選択のセンサＩＤを一つ選択する。
選択されたセンサＩＤは、以降のＳ１５１−３〜４で用いられる。
Ｓ１５１−２の後、処理はＳ１５１−３に進む。

＜Ｓ１５１−３＞
センサパターン判別部１３１は、センサパターンテーブル１９２に定義されている複数のセンサパターンのうち異常センサのセンサデータの変化パターンに最も類似するセンサパターンを特定する。
例えば、センサパターン判別部１３１は、異常センサのセンサデータとセンサパターンテーブル１９２の各センサパターンとを主成分分析し、特徴量を比較して異常センサのセンサデータに最も類似するセンサパターンを特定する。

図８は、実施の形態１におけるセンサパターンテーブル１９２のセンサパターンを表した図である。
例えば、図８に示すように、センサパターンテーブル１９２には互いに異なる複数のセンサパターン（Ｐｔ１〜Ｐｔ４）が定義されている。センサパターンは、特定の構成要素に異常が発生した場合にその構成要素に設置されたセンサ１０１のセンサデータが示すであろうと予測されるセンサ値の時系列変化を表したデータである。
センサパターンは、過去の異常発生時のセンサデータやセンサデータのシミュレーション結果に基づいて予め定義される。

センサパターンテーブル１９２はセンサ１０１の種類（温度センサ、加速度センサなど）毎に定義されてもよい。この場合、センサパターンは異常センサの種類に対応するセンサパターンテーブル１９２から特定される。例えば、各センサ１０１の種類はセンサＩＤに対応付けられてセンサ名対応テーブル１９５に定義され、センサＩＤに基づいてセンサ１０１の種類が特定される。

図７に戻り、センサパターン判別処理（Ｓ１５１）の説明を続ける。

Ｓ１５１−３の後、処理はＳ１５１−４に進む。

＜Ｓ１５１−４＞
センサパターン判別部１３１は、特定したセンサパターンに対応する異常要因および優先度をセンサパターンテーブル１９２から特定する。

図９は、実施の形態１におけるセンサパターンテーブル１９２を示す図である。
例えば、図９に示すように、センサパターンテーブル１９２には「パターンＩＤ」「センサパターン」「異常要因」「優先度」が互いに対応付けて定義されている。
「パターンＩＤ」は、センサパターンを識別するＩＤを示す。
「センサパターン」は、センサパターンを表す時系列に並んだセンサ値を示す。
「異常要因」は、異常要因であると推定される構成要素の構成要素ＩＤを示す。
「優先度」は、センサパターンおよび異常要因の優先度（重要度）を示す。

異常センサ「ｓ１」のセンサデータがセンサパターン「Ｐｔ１」に類似した場合、図９に示すセンサパターンテーブル１９２に基づいて異常要因として装置「ｂ１」が特定され、優先度「１」が特定される。
また、異常センサ「ｓ２」のセンサデータがセンサパターン「Ｐｔ４」に類似した場合、図９に示すセンサパターンテーブル１９２に基づいて異常要因として部品「ｓ１」が特定され、優先度「２」が特定される。

図７に戻り、センサパターン判別処理（Ｓ１５１）の説明を続ける。

Ｓ１５１−４の後、処理はＳ１５１−５に進む。

＜Ｓ１５１−５＞
センサパターン判別部１３１は、数値化処理部１２０から出力された全ての異常センサのセンサＩＤに対して異常要因および優先度を特定したか判定する。
全ての異常センサのセンサＩＤに対して異常要因および優先度を特定した場合（ＹＥＳ）、処理はＳ１５１−６に進む。
異常要因および優先度を特定していない異常センサのセンサＩＤが残っている場合（ＮＯ）、処理はＳ１５１−２に戻る。

＜Ｓ１５１−６＞
センサパターン判別部１３１は、異常センサのセンサＩＤ毎に特定した異常要因のうち優先度が最も高いものを第１の異常要因候補として特定する。
例えば、図９において、異常センサ「ａ１」の異常要因が装置「ｂ１」、優先度「１」であり、異常センサ「ａ２」の異常要因が部品「ａ１」、優先度「２」である場合、優先度が高い方の異常要因である装置「ｂ１」が第１の異常要因候補として特定される。
異常センサが一つである場合、その異常センサのセンサＩＤに対して特定された異常要因が第１の異常要因候補となる。
Ｓ１５１−６により、センサパターン判別処理（Ｓ１５１）は終了する。

図６に戻り、異常要因特定処理（Ｓ１５０）の説明を続ける。

Ｓ１５１の後、処理はＳ１５２に進む。

＜Ｓ１５２＞
図１０は、実施の形態１における構成情報比較処理（Ｓ１５２）のフローチャートである。
構成情報比較処理（Ｓ１５２）について、図１０に基づいて以下に説明する。

＜Ｓ１５２−１＞
構成情報比較部１３２は、数値化処理部１２０から出力された異常センサのセンサＩＤを入力し、異常センサの数が１つであるか又は複数であるかを判定する。
異常センサの数が複数である場合（ＹＥＳ）、処理はＳ１５２−２に進む。
異常センサの数が１つである場合（ＮＯ）、処理はＳ１５２−３に進む。

＜Ｓ１５２−２＞
構成情報比較部１３２は、複数の異常センサそれぞれのセンサＩＤから未選択のセンサＩＤを一つ選択する。
選択されたセンサＩＤは、以降のＳ１５２−３で用いられる。
Ｓ１５２−２の後、処理はＳ１５２−３に進む。

＜Ｓ１５２−３＞
構成情報比較部１３２は、異常センサのセンサＩＤに基づいて異常センサが設置されている構成要素をセンサ名対応テーブル１９５から特定する。
例えば、図４に示すセンサ名対応テーブル１９５において、異常センサ「ｓ１」が設置されている構成要素（設置場所）として部品「ａ１」が特定される。
Ｓ１５２−３の後、処理はＳ１５２−４に進む。

＜Ｓ１５２−４＞
構成情報比較部１３２は、数値化処理部１２０から出力された全ての異常センサのセンサＩＤに対して構成要素を特定したか判定する。
全ての異常センサのセンサＩＤに対して構成要素を特定した場合（ＹＥＳ）、処理はＳ１５２−５に進む。
構成要素を特定していない異常センサのセンサＩＤが残っている場合（ＮＯ）、処理はＳ１５２−２に戻る。

＜Ｓ１５２−５＞
構成情報比較部１３２は、異常センサのセンサＩＤ毎に特定した全ての構成要素に共通する上位の構成要素、つまり、特定された全ての構成要素を下位の構成要素とする上位の構成要素を第２の異常要因候補として構成情報テーブル１９３に基づいて特定する。
異常センサが一つである場合、その異常センサのセンサＩＤに対して特定された構成要素またはその上位の構成要素を第２の異常要因候補とする。
また、特定された全ての構成要素に共通する上位の構成要素が監視対象以外に無い場合、特定された全ての構成要素のうち１つまたは複数の構成要素を除いた残りの構成要素に共通する上位の構成要素があれば、その構成要素を第２の異常要因候補とする。

図１１は、実施の形態１における構成情報テーブル１９３が表す監視対象の構成図である。
例えば、図１１に示すように、構成情報テーブル１９３には監視対象「製品」を構成する各構成要素の関係が木構造で定義されている。

図１１の構成情報テーブル１９３において、ユニット「ｕ１」は部品「ａ１」「ａ２」を備える上位の構成要素である。
異常センサ「ｓ１」が設置されている構成要素が部品「ａ１」であり、異常センサ「ｓ２」が設置されている構成要素が部品「ａ２」である場合、部品「ａ１」「ａ２」の上位の構成要素であるユニット「ｕ１」が第２の異常要因候補として特定される。

図１０に戻り、構成情報比較処理（Ｓ１５２）の説明を続ける。

Ｓ１５２−５により、構成情報比較処理（Ｓ１５２）は終了する。

図６に戻り、異常要因特定処理（Ｓ１５０）の説明を続ける。

＜Ｓ１５３＞
異常要因判別部１３３は、センサパターン判別部１３１により特定された第１の異常要因候補の優先度と構成情報比較部１３２により特定された第２の異常要因候補の優先度とを異常要因テーブル１９４から特定する。

図１２は、実施の形態１における異常要因テーブル１９４を示す図である。
例えば、図１２に示すように、異常要因テーブル１９４には「異常要因」「優先度」が対応付けて定義されている。
「異常要因」は、構成要素ＩＤを示す。
「優先度」は、異常要因の優先度を示す。

図１２において、第１の異常要因候補である装置「ｂ１」の優先度「２」および第２の異常要因候補であるユニット「ｕ１」の優先度「１」が特定される。

図６に戻り、異常要因特定処理（Ｓ１５０）の説明を続ける。

Ｓ１５３の後、処理はＳ１５４に進む。

＜Ｓ１５４＞
異常要因判別部１３３は、第１の異常要因候補の優先度と第２の異常要因候補の優先度とのどちらの優先度が高いか判定する。
第１の異常要因候補の優先度が高い場合（ＹＥＳ）、処理はＳ１５５に進む。
第２の異常要因候補の優先度が高い場合（ＮＯ）、処理はＳ１５６に進む。

＜Ｓ１５５＞
異常要因判別部１３３は、第１の異常要因候補を異常要因として異常要因の構成要素ＩＤをセンサパラメータ管理部１４０および通知部１５０に出力する。
Ｓ１５５により、異常要因特定処理（Ｓ１５０）は終了する。

＜Ｓ１５６＞
異常要因判別部１３３は、第２の異常要因候補を異常要因として異常要因の構成要素ＩＤをセンサパラメータ管理部１４０および通知部１５０に出力する。
Ｓ１５６により、異常要因特定処理（Ｓ１５０）は終了する。

図１３は、実施の形態１におけるリアルタイム障害監視装置１００のハードウェア資源の一例を示す図である。
図１３において、リアルタイム障害監視装置１００は、ＣＰＵ９１１（Ｃｅｎｔｒａｌ・Ｐｒｏｃｅｓｓｉｎｇ・Ｕｎｉｔ）（マイクロプロセッサ、マイクロコンピュータともいう）を備えている。ＣＰＵ９１１は、バス９１２を介してＲＯＭ９１３、ＲＡＭ９１４、通信ボード９１５、表示装置９０１、キーボード９０２、マウス９０３、ドライブ装置９０４、磁気ディスク装置９２０と接続され、これらのハードウェアデバイスを制御する。ドライブ装置９０４は、ＦＤ（Ｆｌｅｘｉｂｌｅ・Ｄｉｓｋ・Ｄｒｉｖｅ）、ＣＤ（Ｃｏｍｐａｃｔ Ｄｉｓｃ）、ＤＶＤ（Ｄｉｇｉｔａｌ・Ｖｅｒｓａｔｉｌｅ・Ｄｉｓｃ）などの記憶媒体を読み書きする装置である。

通信ボード９１５は、有線または無線で、ＬＡＮ（Ｌｏｃａｌ Ａｒｅａ Ｎｅｔｗｏｒｋ）、インターネット、電話回線などの通信網に接続している。

磁気ディスク装置９２０には、ＯＳ９２１（オペレーティングシステム）、ウィンドウシステム９２２、プログラム群９２３、ファイル群９２４が記憶されている。

プログラム群９２３には、実施の形態において「〜部」として説明する機能を実行するプログラムが含まれる。プログラムは、ＣＰＵ９１１により読み出され実行される。すなわち、プログラムは、「〜部」としてコンピュータを機能させるものであり、また「〜部」の手順や方法をコンピュータに実行させるものである。

ファイル群９２４には、実施の形態において説明する「〜部」で使用される各種データ（入力、出力、判定結果、計算結果、処理結果など）が含まれる。

実施の形態において構成図およびフローチャートに含まれている矢印は主としてデータや信号の入出力を示す。

実施の形態において「〜部」として説明するものは「〜回路」、「〜装置」、「〜機器」であってもよく、また「〜ステップ」、「〜手順」、「〜処理」であってもよい。すなわち、「〜部」として説明するものは、ファームウェア、ソフトウェア、ハードウェアまたはこれらの組み合わせのいずれで実装されても構わない。

実施の形態１において、例えば、以下のようなリアルタイム障害監視装置１００について説明した。

センサは一定周期で測定する対象物をセンシングしセンサ値を出力する。センサの値は測定時点の観測値である。

データ蓄積管理部は複数のセンサ値をセンサデータテーブルへ格納する。入力はセンサの時系列値（センサデータ）とセンサＩＤである。出力はセンサの識別子ごとに時系列値としてセンサデータテーブルへ記載する。

数値化処理部は入力された値に集計を行い何らかの異常な状態が発生した場合に出力を出す。入力はセンサの時系列値とセンサＩＤである。出力はセンサＩＤ、センサ値が異常であることを示すトリガ、センサの時系列値である。異常な状態の判定方法として次の例がある。１）時系列データに移動平均処理を行い、特定のしきい値に達した場合に異常と判断する方法、２）時系列データに対する特異値分解を行い、最新の特異値が過去の特異値集合と乖離している場合に異常と判断する手法、３）連続Ｗａｖｅｌｅｔ変換を用いて入力値（信号の周波数に相当する）の時間的変化を求め、入力値が不連続になっている箇所を特定する方法。

多次元データリアルタイム管理部は同時に複数発生する異常事象をリアルタイムに管理して障害の要因を判別する。入力はセンサＩＤ、センサ値が異常であることを示すトリガ、センサの時系列値、センサパターンテーブル、構成情報テーブル、障害要因テーブルである。出力はセンサＩＤ、障害の要因（異常要因）である。

センサパラメータ管理部は障害要因からパラメータの導出を行いセンサへ指示を送る。入力は障害の要因である。出力はセンサへ送信するパラメータである。

通知部はセンサ値の異常に関連する障害の要因をシステムの利用者へ通知する。入力は障害の要因である。出力は利用者への通知である。

センサは観測対象から情報を読み取りセンサ値を出力する。センサ値をデータ蓄積管理部が定期的に読み込み、センサデータテーブルを更新する。
数値化処理部は定期的にセンサテーブルから一定の時間帯のセンサ値を読み込み、異常判定の処理を行う。センサ値に異常が認められた場合、多次元データリアルタイム管理部へ異常を報告する。
多次元データリアルタイム管理部は数値化処理部から異常の報告を待ち受け、異常が発生した場合に障害の要因を特定する。多次元データリアルタイム管理部は障害の要因を特定する際、センサパターンテーブル、構成情報テーブル、障害要因テーブルの３つのテーブルを参照する。多次元データリアルタイム管理部で特定された障害の要因は利用者へ通知される。さらに、センサパラメータ管理部へ監視が必要なセンサに関する情報を送信する。
センサパラメータ管理部は監視が必要なセンサへパラメータを変更するコマンドを送信する。

データ蓄積管理部は、始めにどのセンサから情報が入力されたかの識別を行う。識別方法として、各センサに割り当てられたＩＤ番号（センサＩＤ）の読み込みを行う。次にセンサ値の読み込みを行う。センサ値の出力値は用途に応じて振幅累積、振幅サマリ、生波形を切り替えて使用する。
データ蓄積管理部はセンサから定期的に情報を読み出す。センサの故障が発生しセンサからの値が得られない場合、その時点の値は「０」である。次にセンサのＩＤ番号がセンサデータテーブルに存在するか確認する。センサのＩＤ番号が既にセンサデータテーブルに存在する場合は該当箇所にセンサ値の追記を行う。センサのＩＤ番号がセンサデータテーブルに存在しない場合は該当箇所を新規に設けてセンサ値を記載する。
センサの時系列値の長さはシステム起動時に設定する。

多次元データリアルタイム管理部は、数値化処理部から入力値としてセンサＩＤ、センサが異常であることを示すトリガ、センサの時系列値を受け取る。多次元データリアルタイム管理部は、センサが異常であるというトリガを受信した場合、センサＩＤとセンサの時系列値とをセンサパターン判別部と構成情報比較部へ送信する。

センサパターン判別部は入力値としてセンサＩＤ、センサの時系列値を受け取る。多次元データリアルタイム管理部には、一定期間に複数のセンサ値の異常が報告される場合がある。センサパターン判別部は始めに全ての入力を読み込む。次に入力した時系列値とセンサパターンテーブルに存在するセンサパターンとを比較する。パターンの比較方法の例として、時系列値とセンサパターンとを主成分分析し、両者の特徴量空間の近似性を図る手法がある。入力の時系列値がセンサパターンテーブルに存在するいずれかのセンサパターンと類似する場合、センサパターンテーブルの該当センサパターンに紐付けされた優先度を調査する。センサパターンの比較と優先度の調査は全てのセンサパターンについて行う。次に各センサパターンの優先順位を比較する。各センサパターンの優先順位はセンサパターンテーブルの優先度を参照する。最後に情報の出力を行う。
図８のセンサパターンテーブルにおいて、センサパターンＰｔ１は時系列値の変化が長期間に渡り、部品の交換などの要因の解決に時間がかかる。このため、センサパターンＰｔ１の異常は早期に知る必要がある。センサパターンＰｔ２は時系列値の変化が中期間で発生する。センサパターンＰｔ２は要因の解決に時間がかかるものの重大な異常ではないとして優先順位は低いものとする。センサパターンＰｔ３とセンサパターンＰｔ４とは時系列値の変化が短期間で発生するが時系列値の変化推移が異なる。図９の場合、センサパターンＰｔ１が選択され、異常の要因として装置ｂ１が通知される。

構成情報比較部は、全ての入力値を読み込み、入力値のマッピングを行う。ここでは構成情報テーブルに記載された構造へ異常が報告されたセンサをマッピングする。構成情報テーブルの実装例として木構造がある。次に要因の探索を行う。これは異常がマッピングされた構成情報から、それぞれの異常に共通する異常の要因を選択する。探索の実装例には、木構造にマッピングされた異常を示すノードに共通する親ノードを検索する方法がある。最後に異常要因判別部へ異常の要因と異常を通知したセンサのセンサＩＤを出力する。
ここで、部品ａ１をセンシングしたセンサと部品ａ２をセンシングしたセンサとから同時期に異常が報告されたとする。その際、図１１の構成情報テーブルにおいて部品ａ１と部品ａ２が異常となる。次に要因の探索を行い、部品ａ１と部品ａ２との共通の親であるユニットｕ１を要因とする。また別の時間に部品ａ３をセンシングしたセンサと部品ａ４をセンシングしたセンサとから異常が報告された場合、構成情報テーブルの部品ａ３と部品ａ４が異常となり、両者の共通の親ノードであるユニットｕ２が異常の要因となる。

異常要因判別部は、センサパターン判別部と構成情報比較部とから異常要因の通知を受け取る。障害要因判別部は一定時間内に到着する複数の異常要因の通知をまとめて取り扱う。次に優先順位の決定を行う。優先順位は異常要因テーブルを参照し、異常要因に対応する優先度を得る。
例えば、図１２のように、センサパターン判別部から装置ｂ１が異常要因であると通知され、また構成情報比較部からユニットｕ１が異常要因であると通知される。異常要因判別部は異常要因テーブルを参照し、通知の優先度を決定する。例では装置ｂ１の優先度が「２」、ユニットｕ１の優先度が「１」であるためユニットｕ１が異常要因となる。

センサパラメータ管理部は異常要因判別部から送信された異常要因の情報を逐次受け取る。次に異常要因をセンシングするセンサに対してパラメータ送信を行う。異常要因をセンシングするセンサがない場合、異常を通知したセンサへのパラメータ変更を行う。その際、センサ名対応テーブルを用いてセンサのパラメータを取得する。取得したパラメータを用いて該当するセンサへパラメータ送信を行う。このとき、パラメータ送信が成功したかを確認し、失敗した場合は再度パラメータ送信を行う。
例えば、多次元データリアルタイム管理部から異常の要因（ユニットｕ１）と異常を報告したセンサ（ａ１、ａ２）が送信される。センサパラメータ管理部は図４のセンサ名対応テーブルから異常の要因であるユニットｕ１に設置されているセンサを参照する。このとき該当するセンサの項目はなく、ユニットｕ１にセンサが設置されていないことがわかる。次にセンサ名対応テーブルを参照し、異常を報告したセンサａ１へパラメータＰｒ２を送信する。同様にセンサａ２へパラメータＰｒ２を送信する。

以上のような構成のシステムにより、各種センサで発生した変異を検出し、障害事象の対象となり得るセンサの集中監視を行うことが可能になる。また機器に異常が発生した場合にのみ集中監視を行うため、センサの電力消費、センサの通信帯域、センサ負荷がわずかで済む。さらにある点で異常が発生した場合に構成情報を参照することで異常の要因を導出することができる。

実施の形態２．
監視対象の状態を判定するための判定条件を監視状況に応じて変更する形態について説明する。
以下、実施の形態１と異なる事項について主に説明する。説明を省略する事項については実施の形態１と同様である。

図１４は、実施の形態２におけるリアルタイム障害監視装置１００の機能構成図である。
実施の形態２におけるリアルタイム障害監視装置１００の機能構成について、図１４に基づいて以下に説明する。

リアルタイム障害監視装置１００は、実施の形態１の構成（図１参照）に加えて、監視条件決定部１６０（監視状況検出部、判別パターン特定部の一例）を備える。

監視装置記憶部（図示省略）には、特定の状況毎に定められたセンサパターンテーブル１９２および数値化処理部１２０の異常判定閾値（または異常判定方法、以下同様）が設定された状態条件テーブル１９６が予め記憶されている。また、監視装置記憶部には、それぞれに特定の状況に対応する複数のセンサパターンテーブル１９２が記憶されている。

監視条件決定部１６０は、特定量を増減させる状況を監視状況としてＣＰＵを用いて検出する。
監視条件決定部１６０は、状態条件テーブル１９６に基づいて、監視状況に対応する異常判定閾値およびセンサパターンテーブル１９２をＣＰＵを用いて特定する。

例えば、監視対象の運転状況（直線走行中／カーブ走行中／ブレーキ中、起動中／待機中／停止中など）、監視対象の状態（正常／異常、低負荷／高負荷など）、監視時の天候（晴天／雨天、地震発生、台風接近など）は監視状況の一例である。

監視状況は、管理者が判断してリアルタイム障害監視装置１００に入力してもよい。
また、監視条件決定部１６０が各センサ１０１の計測値に基づいて運転状況を判定してもよい。例えば、監視条件決定部１６０は、片側の車輪に係る重量（計測値）が逆側の車輪に係る重量より所定の閾値以上重い場合、「カーブ走行中」と判定する。
また、監視条件決定部１６０が特定の装置から監視状況の情報を取得してもよい。例えば、監視条件決定部１６０は、列車管理装置から「直線走行中」「カーブ走行中」「ブレーキ中」などの情報を取得したり、計算機（監視対象）から「起動中」「待機中」「停止中」などの情報を取得したり、気象情報装置や地震速報装置から「晴天」「雨天」「地震発生」「台風接近」などの情報を取得したりする。

例えば、状態条件テーブル１９６には、「直線走行中」「カーブ走行中」および「ブレーキ中」それぞれに対応付けて異なる異常判定閾値およびセンサパターンテーブル１９２を予め定義する。
監視条件決定部１６０は、「直線走行中」であれば「直線走行中」に対応する異常判定閾値およびセンサパターンテーブル１９２を状態条件テーブル１９６から特定する。

数値化処理部１２０は、監視条件決定部１６０により特定された異常判定閾値を用いて異常センサを検出する。
センサパターン判別部１３１は、監視条件決定部１６０により特定されたセンサパターンテーブル１９２を用いて第１の異常要因候補を特定する。

異常判定閾値やセンサパターンテーブル１９２の他に、構成情報テーブル１９３や異常要因テーブル１９４を監視状況に応じて変更しても構わない。

実施の形態２により、監視状況に応じたより適切な判定条件（異常判定閾値、センサパターンテーブル１９２など）に基づいて、監視対象の状態を特定し、監視対象を監視することができる。

実施の形態３．
実施の形態１、２と異なる形態の監視システムについて説明する。

＜実施例１＞
図１５は、実施の形態３の実施例１におけるリアルタイム障害監視システム２００の構成図である。
実施の形態３の実施例１におけるリアルタイム障害監視システム２００について、図１５に基づいて以下に説明する。

リアルタイム障害監視システム２００は、監視装置２１０により計算機室を監視するシステムである。
計算機室には、ネットワーク２０２に接続されたサーバ装置（以下、「サーバ２０３」という）および多数の端末装置（以下、「端末２０４」という）が設置されると共に、複数のセンサ２０１（温度センサ、照度センサなど）が設置されている。

監視装置２１０は、監視状態判断部２１１（監視状況検出部、状態特定部の一例）、監視条件動的化部２１２（計測条件指定部の一例）、監視状態通知部２１３（状態出力部の一例）およびセンサデータ蓄積部２１９を備える。
監視装置２１０は実施の形態１、２のリアルタイム障害監視装置１００に相当する。
監視状態判断部２１１は多次元データリアルタイム管理部１３０と監視条件決定部１６０とに相当し、監視条件動的化部２１２はセンサパラメータ管理部１４０に相当し、監視状態通知部２１３は通知部１５０に相当し、センサデータ蓄積部２１９はデータ蓄積管理部１１０に相当する。

監視状態判断部２１１はサーバ２０３から計算機室の端末２０４の稼働率情報を取得する。監視状態判断部２１１は、ネットワーク２０２を介して送受信される通信データ量を測定し、通信データ量に応じて端末２０４の稼働率を特定してもよい。例えば、通信データ量が多いほど稼働率が高いものとする。
監視状態判断部２１１は「稼働率が高い」という監視状況を特定し、監視状況を監視条件動的化部２１２に通知する。

監視条件動的化部２１２は「稼働率が高い」という監視状況の通知を受け、室温が所定温度より高い場合に室温（センサ値）を通知させるパラメータを温度センサに設定し、照度が所定照度より低い場合に照度（センサ値）を通知させるパラメータを照度センサに設定する。
監視条件動的化部２１２は、温度センサや照度センサから通知されたセンサ値をセンサデータ蓄積部２１９に時系列に記録する。

監視状態判断部２１１はセンサデータ蓄積部２１９に時系列に記録されたセンサ値（センサデータ）に基づいて計算機室の状態を特定する。
例えば、監視条件動的化部２１２は、室温が継続して高い場合、計算機室の状態として「空調機の故障」または「空調機の設定異常」であると判定する。
また、監視条件動的化部２１２は、室温が継続して高く、照度が継続して低い場合、計算機室の状態として「不正入室」であると判定する。端末２０４が暗闇で使用されているからである。
センサデータに基づく判定条件は状態条件テーブルとして予め定義されているものとする。
監視状態判断部２１１は特定した計算機室の状態を監視状態通知部２１３に通知する。

監視状態通知部２１３は監視状態判断部２１１から通知された計算機室の状態をサーバ２０３に通知する。
サーバ２０３は監視状態通知部２１３から通知された計算機室の状態に応じて所定の動作を行う。
例えば、サーバ２０３は「空調機の設定異常」である場合、新たな設定情報（風量の増量、設定温度の低下など）を空調機に送信し、「不正入室」である場合、管理室の端末装置に警報メッセージを送信する。

＜実施例２＞
図１６は、実施の形態３の実施例２における鉄道情報システムの動作フローを示す図である。
実施の形態３の実施例２における鉄道情報システムの動作フローについて、図１６に基づいて以下に説明する。

鉄道情報システムは、走行中にブレーキをかけた際の発熱が１００度を超過した場合に異常であると判断する。本システムは車両に取り付けられた複数の制御部品（構成要素）の温度を監視する。

監視状態判断部は外部状態（監視状況）として列車の運転情報や位置情報を列車管理装置から受け取る。運転情報は前進、後退、加速、ブレーキなどを示す。位置情報は停車駅、区間、キロ程などを示す。
例えば、運転手がブレーキをかけた際、監視状態判断部は外部状態としてブレーキの制動情報を受け取る。一定期間ブレーキの制動が継続した場合、監視状態判断部は「ブレーキ中」であることを判断して監視条件動的化部へ監視のトリガを送信する。

監視条件動的化部は「ブレーキ中」に列車のブレーキパッドの温度を監視するため、ブレーキパッドへ設置した複数の温度センサへ計測の指示を送信する。本例の場合、個々の温度センサが１００度を超えた場合に通知するよう指示を送信する。
各温度センサはブレーキパッドの温度を計測し、１００度を超えた場合に監視条件動的化部へ計測した温度を送信する。温度センサは一定期間計測を継続する。
監視条件動的化部は温度センサからの通知を一定期間待ち受け、温度センサの動作を停止する。温度センサからの計測データはセンサデータテーブルへ記録する。
さらに、監視条件動的化部は、監視状態判断部へ計測終了の通知を送る。

監視状態判断部は計測終了の通知を受信後、センサデータテーブルから計測結果を受信し、異常状態と判定し、異常状態を監視状態通知部に通知する。
異常状態の通知を受けた監視状態通知部は列車管理装置に警報を通知する。

監視状態判断部が監視条件動的化部に監視のトリガを送信するタイミングを決定するためのルールは、監視タイミング記述テーブルとして予め定義されているものとする。以下の実施例においても監視タイミング記述テーブルが定義されているものとする。

例えば、監視タイミング記述テーブルには以下のようなルールが定義される。
（１）列車の各車輪に偏りが発生し、かつ各車輪の振動加速度が均衡でない（各車輪にかかる重量および振動加速度の差が所定値以上）。これは列車がカーブを走行中であることを示す。
（２）速度ＸＫｍ以上でブレーキ制動が複数回発生し、かつ車輪が滑走（回転）状態にある。これは列車にスリップが発生していることを示す。
（３）路線Ａにおいて天候が雨で、営業キロ程がＸＸｍに達した際にブレーキ制動が発生した。これは路線Ａにおいて営業キロ程がＸＸｍの箇所から坂道が続いており、雨天走行時に注意することが求められている場合の条件である。

＜実施例３＞
図１７は、実施の形態３の実施例３における河川監視システムの動作フローを示す図である。
実施の形態３の実施例３における河川監視システムについて、図１７に基づいて以下に説明する。

河川監視システムは、台風や地震などの自然災害が発生した際、河川の周辺情報を監視し、土壌の水分量から土砂崩れの警報を早期に通知して被害を最小限に抑える。

監視状態判断部は外部状態として天候情報を気象情報装置から受け取る。天候情報は雨量、降雨範囲、気温、湿度などを示す。
監視状態判断部は天候情報に基づいて監視対象の近隣の場所で「台風が発生」していることを判断し、監視条件動的化部へ監視トリガを送信する。

監視条件動的化部は監視対象の土壌に複数設置された湿度センサへ計測の指示を送信する。本例では個々の湿度センサが湿度「８０％」を超過した場合に通知するよう指示を送信する。
各湿度センサは土壌の水分量を計測し、湿度が「８０％」を超えた場合に監視条件動的化部へ計測した湿度を送信する。湿度センサは土壌の水分量を一定時間計測する。計測結果は監視状態動的化部によりセンサデータテーブルへ記録される。
監視条件動的化部は湿度センサからの通知を一定期間待ち受け、湿度センサの動作を停止し、監視状態判断部へ計測終了の通知を送信する。

監視状態判定部は計測終了の通知を受信後、センサデータテーブルから計測結果を受信し、湿度が上昇していると判断し、判断結果を監視状態通知部に通知する。
通知を受けた監視状態通知部は土砂崩れの恐れがあること知らせる警報を発する。

＜実施例４＞
図１８は、実施の形態３の実施例４における法面監視システムの動作フローを示す図である。
実施の形態３の実施例４における法面監視システムについて、図１８に基づいて以下に説明する。

法面監視システムは、地震が発生した際、地震発生地域の法面で発生する異常な振動を検知し、警報を通知して鉄道や道路の安全を図る。本例では法面で発生する振動が加速度「０．８Ｇ」を超える場合に警告する。
法面とは鉄道や道路の側面にある切土、盛土、岩盤などで形成される人口の斜面である。

監視状態判断部は外部状態として地震情報を地震速報装置から受け取る。地震情報は地震の規模、発生範囲、震源地などを示す。監視状態判断部は地震情報に基づいて監視対象の近隣の場所で「地震が発生」していることを判断し、監視条件動的化部へ監視トリガを送信する。

監視条件動的化部は監視対象の法面に複数設置された振動センサへ計測の指示を送信する。本例では個々の振動センサが加速度「０．８Ｇ」以上である場合に通知するよう指示を送信する。
各振動センサは法面の振動状態を計測し、加速度が「０．８Ｇ」以上発生した場合に監視条件動的化部に計測した加速度を送信する。
監視条件動的化部は計測結果をセンサデータテーブルへ記録し、監視状態判断部へ計測終了の通知を送信する。

監視状態判断部は計測終了の通知を受信し、法面に異常な振動が継続していると判断し、監視状態通知部に異常発生を通知する。
異常発生の通知を受けた監視状態通知部は警報を発する。

実施の形態３において、例えば、以下のような監視システムについて説明した。
監視システムは、監視状態判断部、監視条件動的化部、監視状態通知部およびセンサデータテーブルを備える。
監視状態判断部は、監視対象の置かれている状態をリアルタイムに把握するための技術である。監視対象の過去の状態（センサデータ）と外部の状態（監視状況）から現在の状態を推定する。
さらに、監視状態判断部は、監視対象の異常な変化を漏れなく収集するための技術である。
監視条件動的化部は、監視対象を監視する条件を導出するための技術である。監視条件から各センサへ与えるべき計測ルールを外部の状態に応じて動的生成する。
センサデータテーブルは、監視条件動的化部によりセンサの計測データが記録される。
監視状態通知部は、監視対象の状態に応じて警報を通知する。

機器の監視で重要な点は、同じ箇所で計測された値であっても機器の監視状況によって値の有用性が異なってくるという点である。例えば、直線走行中の際に発生する振動加速度とカーブを走行中に発生する振動加速度では値の意味が大きく異なる。しかし、従来は区別がなされていなかった。
実施の形態では、従来の固定条件での定期的な監視でなく、部品状態を常時監視し、機器の監視状況に応じて監視条件を変更する方式を提案した。これにより部品が劣化する兆候を漏れなく監視することを可能にする。

手法としては、はじめに機器の運転情報とセンサ情報とを利用して機器の異常判定を行う。これにより監視に必要な機器の状態情報を抽出することを可能にする。
次に監視の状態情報から各センサへ計測の指示を行うことにより、機器の状態に適したセンシングを可能にする。
次に機器ごとにセンサ情報の時間的な推移を蓄積し検知に用いることで機器の劣化の兆候の検出を可能にする。
最後に機器の構成情報を用いた異常の判定と組み合わることで、異常が発生した要因を推定することを可能にする。

１００ リアルタイム障害監視装置、１０１ センサ、１１０ データ蓄積管理部、１２０ 数値化処理部、１３０ 多次元データリアルタイム管理部、１３１ センサパターン判別部、１３２ 構成情報比較部、１３３ 異常要因判別部、１４０ センサパラメータ管理部、１５０ 通知部、１６０ 監視条件決定部、１９１ センサデータテーブル、１９２ センサパターンテーブル、１９３ 構成情報テーブル、１９４ 異常要因テーブル、１９５ センサ名対応テーブル、１９６ 状態条件テーブル、２００ リアルタイム障害監視システム、２０１ センサ、２０２ ネットワーク、２０３ サーバ、２０４ 端末、２１０ 監視装置、２１１ 監視状態判断部、２１２ 監視条件動的化部、２１３ 監視状態通知部、２１９ センサデータ蓄積部、９０１ 表示装置、９０２ キーボード、９０３ マウス、９０４ ドライブ装置、９１１ ＣＰＵ、９１２ バス、９１３ ＲＯＭ、９１４ ＲＡＭ、９１５ 通信ボード、９２０ 磁気ディスク装置、９２１ ＯＳ、９２２ ウィンドウシステム、９２３ プログラム群、９２４ ファイル群。

Claims (6)

1. 監視対象を構成する複数の対象部品に設置された複数のセンサのセンサ毎にセンサによって計測された計測値の時系列データをセンサデータとして含んだセンサデータテーブルと、
   計測値の時系列データのパターンを表すセンサパターンと、前記複数の対象部品のいずれかの対象部品と、を対応付けて示すセンサパターンテーブルと、
   前記複数のセンサのセンサ毎に、センサが設置された対象部品と、センサが計測値を計測するための計測条件と、を示すセンサ名対応テーブルと、を記憶する監視装置記憶部と、
   前記センサデータテーブルに含まれるセンサ毎のセンサデータに基づいて、前記複数のセンサのうち異常値を計測したセンサをＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）を用いて異常センサとして特定する異常センサ特定部と、
   前記センサパターンテーブルに含まれるセンサパターンのうち前記異常センサのセンサデータのパターンに対応するセンサパターンをＣＰＵを用いて選択し、選択したセンサパターンに対応付けられた対象部品をＣＰＵを用いて異常要因として特定する状態特定部と、
   前記状態特定部により特定された前記異常要因に設置されたセンサと前記異常要因に設置された前記センサの計測条件とを前記センサ名対応テーブルに基づいてＣＰＵを用いて特定し、特定した前記センサに前記計測条件を出力することによって前記センサに前記計測条件で計測を行わせる計測条件変更部と、
   前記状態特定部により特定された前記異常要因の異常を示す情報を前記監視対象の状態として出力装置に出力する状態出力部と
   を備えたことを特徴とする監視装置。
2. 前記複数の対象部品は、前記監視対象を構成する複数の上位の対象部品と、前記複数の上位の対象部品を構成する複数の下位の対象部品とを含み、
   前記監視装置記憶部は、
   前記複数の上位の対象部品と前記複数の下位の対象部品とを対応付けて示す構成情報テーブルと、
   前記複数の上位の対象部品と、優先度と、を対応付けて示す異常要因テーブルとを記憶し、
   前記状態特定部は、前記センサパターンテーブルに基づいて前記異常要因を第一の異常要因候補として特定し、
   前記状態特定部は、前記異常センサが設置された対象部品を前記センサ名対応テーブルに基づいて特定し、特定した前記対象部品が前記複数の下位の対象部品のいずれかの対象部品である場合、特定した前記対象部品に対応付けられた上位の対象部品を前記構成情報テーブルに基づいて第二の異常要因候補として特定し、
   前記状態特定部は、前記第一の異常要因候補である対象部品に対応付けられた優先度と、前記第二の異常要因候補である対象部品に対応付けられた優先度と、を前記異常要因テーブルから取得し、
   前記状態特定部は、前記第一の異常要因候補の優先度と前記第二の異常要因候補の優先度とに基づいて、前記第一の異常要因候補と前記第二の異常要因候補とのいずれかを前記異常要因として特定する
   ことを特徴とする請求項１記載の監視装置。
3. 監視対象を構成する複数の上位の対象部品と前記複数の上位の対象部品を構成する複数の下位の対象部品とに設置された複数のセンサのセンサ毎にセンサによって計測された計測値の時系列データをセンサデータとして含んだセンサデータテーブルと、
   前記複数のセンサのセンサ毎に前記複数の上位の対象部品と前記複数の下位の対象部品とのうち前記センサが設置された対象部品と、前記センサの計測条件と、を示すセンサ名対応テーブルと、
   前記複数の上位の対象部品と前記複数の下位の対象部品とを対応付けて示す構成情報テーブルと、を記憶する監視装置記憶部と、
   前記センサデータテーブルに含まれるセンサ毎のセンサデータに基づいて、前記複数のセンサのうち異常値を計測したセンサをＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）を用いて異常センサとして特定する異常センサ特定部と、
   前記異常センサ特定部によって特定された前記異常センサが設置された対象部品を前記センサ名対応テーブルに基づいてＣＰＵを用いて特定し、特定した前記対象部品が前記複数の下位の対象部品のいずれかの対象部品である場合、特定した前記対象部品に対応付けられた上位の対象部品を前記構成情報テーブルに基づいてＣＰＵを用いて異常要因として特定する状態特定部と、
   前記状態特定部により特定された前記異常要因に設置されたセンサと前記異常要因に設置された前記センサの計測条件とを前記センサ名対応テーブルに基づいてＣＰＵを用いて特定し、特定した前記センサに前記計測条件を出力することによって前記センサに前記計測条件で計測を行わせる計測条件変更部と、
   前記状態特定部により特定された前記異常要因の異常を示す情報を前記監視対象の状態として出力装置に出力する状態出力部と
   を備えたことを特徴とする監視装置。
4. センサデータテーブルとセンサパターンテーブルとセンサ名対応テーブルとを記憶する監視装置記憶部と、異常センサ特定部と、状態特定部と、計測条件変更部と、状態出力部とを備える監視装置を用いる監視方法であって、
   前記センサデータテーブルは、監視対象を構成する複数の対象部品に設置された複数のセンサのセンサ毎にセンサによって計測された計測値の時系列データをセンサデータとして含んだテーブルであり、
   前記センサパターンテーブルは、計測値の時系列データのパターンを表すセンサパターンと、前記複数の対象部品のいずれかの対象部品と、を対応付けて示すテーブルであり、
   前記センサ名対応テーブルは、前記複数のセンサのセンサ毎に、センサが設置された対象部品と、センサが計測値を計測するための計測条件と、を示すテーブルであり、
   前記異常センサ特定部が、前記センサデータテーブルに含まれるセンサ毎のセンサデータに基づいて、前記複数のセンサのうち異常値を計測したセンサをＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）を用いて異常センサとして特定し、
   前記状態特定部が、前記センサパターンテーブルに含まれるセンサパターンのうち前記異常センサのセンサデータのパターンに対応するセンサパターンをＣＰＵを用いて選択し、選択したセンサパターンに対応付けられた対象部品をＣＰＵを用いて異常要因として特定し、
   前記計測条件変更部が、前記状態特定部により特定された前記異常要因に設置されたセンサと前記異常要因に設置された前記センサの計測条件とを前記センサ名対応テーブルに基づいてＣＰＵを用いて特定し、特定した前記センサに前記計測条件を出力することによって前記センサに前記計測条件で計測を行わせ、
   前記状態出力部が、前記状態特定部により特定された前記異常要因の異常を示す情報を前記監視対象の状態として出力装置に出力する
   ことを特徴とする監視方法。
5. センサデータテーブルとセンサ名対応テーブルと構成情報テーブルとを記憶する監視装置記憶部と、異常センサ特定部と、状態特定部と、計測条件変更部と、状態出力部とを備える監視装置を用いる監視方法であり、
   前記センサデータテーブルは、監視対象を構成する複数の上位の対象部品と前記複数の上位の対象部品を構成する複数の下位の対象部品とに設置された複数のセンサのセンサ毎にセンサによって計測された計測値の時系列データをセンサデータとして含んだテーブルであり、
   前記センサ名対応テーブルは、前記複数のセンサのセンサ毎に前記複数の上位の対象部品と前記複数の下位の対象部品とのうち前記センサが設置された対象部品と、前記センサの計測条件と、を示すテーブルであり、
   前記構成情報テーブルは、前記複数の上位の対象部品と前記複数の下位の対象部品とを対応付けて示すテーブルであり、
   前記異常センサ特定部が、前記センサデータテーブルに含まれるセンサ毎のセンサデータに基づいて、前記複数のセンサのうち異常値を計測したセンサをＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）を用いて異常センサとして特定し、
   前記状態特定部が、前記異常センサ特定部によって特定された前記異常センサが設置された対象部品を前記センサ名対応テーブルに基づいてＣＰＵを用いて特定し、特定した前記対象部品が前記複数の下位の対象部品のいずれかの対象部品である場合、特定した前記対象部品に対応付けられた上位の対象部品を前記構成情報テーブルに基づいてＣＰＵを用いて異常要因として特定し、
   前記計測条件変更部が、前記状態特定部により特定された前記異常要因に設置されたセンサと前記異常要因に設置された前記センサの計測条件とを前記センサ名対応テーブルに基づいてＣＰＵを用いて特定し、特定した前記センサに前記計測条件を出力することによって前記センサに前記計測条件で計測を行わせ、
   前記状態出力部が、前記状態特定部により特定された前記異常要因の異常を示す情報を前記監視対象の状態として出力装置に出力する
   ことを特徴とする監視方法。
6. 請求項４または請求項５記載の監視方法をコンピュータに実行させる監視プログラム。

Images