JP5492622B2 - データ監視方法およびデータ監視装置 - Google Patents

Description

本発明は、データ監視方法およびデータ監視装置に関する。

生産プロセス管理の現場では、生産設備の安定的な稼働を確保するために、生産設備の異常を早期に発見する必要がある。生産設備の異常を発見する技術として、例えば、生産設備で計測されている温度や圧力などの計測値をサンプリングした正常時の時系列データに基づいて標準時系列データを生成し、この標準時系列データと監視対象の時系列データとの間の距離を用いて生産設備の異常を判定するものがある（下記特許文献１参照）。この特許文献１では、時系列データのサンプリングタイミングにずれがある場合や、サンプル数が相違する場合を考慮して、標準時系列データを生成する際や、標準時系列データと時系列データとの間の距離を算出する際に、周知のＤＴＷ（Dynamic Time Warping）を用いて時系列データ間の時間軸を調整している。

特開２００９−１５７７８７号公報

ところで、サンプリング値の中に、正常時であっても時間的なずれが生じ得るような、時間的なずれが許容されるサンプリング値が含まれている場合には、一部のサンプリング値が時間的に大きくずれていても、時系列データ全体としては正常な場合がある。しかしながら、どのサンプリング値がどの程度のずれを許容し得るのかを探査して個別に調整するには手間がかかる。

そこで、本発明は、上述した従来技術による問題点を解消するためになされたものであり、サンプリングタイミングの時間的なずれの許容範囲をサンプリング値ごとに柔軟に設定することができるデータ監視方法およびデータ監視装置を提供することを目的とする。

本発明に係るデータ監視方法は、サンプリングタイミングごとのサンプリング値を含む時系列データのうち、正常時に得られた複数の前記時系列データを用いて、時系列データが正常であるか否かを判定する際の基準となる標準時系列データを生成する標準時系列データ生成ステップと、前記標準時系列データ生成ステップで生成した前記標準時系列データの前記サンプリング値ごとに、当該サンプリング値に対応するサンプリングタイミングの分布状態を示す分布データを生成する分布データ生成ステップと、前記時系列データを取得する時系列データ取得ステップと、前記時系列データ取得ステップで取得した前記時系列データと前記標準時系列データとの全ての前記サンプリング値を相互に比較し、前記時系列データと前記標準時系列データとの間の距離を最小とするワーピングパスを算出するワーピングパス算出ステップと、を含み、前記ワーピングパス算出ステップは、前記ワーピングパスの経路を、前記分布データの内容で確定する前記サンプリングタイミングの分布範囲内に制限して前記ワーピングパスを算出する。

本発明に係るデータ監視装置は、サンプリングタイミングごとのサンプリング値を含む時系列データのうち、正常時に得られた複数の前記時系列データを用いて、時系列データが正常であるか否かを判定する際の基準となる標準時系列データを生成する標準時系列データ生成部と、前記標準時系列データ生成部で生成した前記標準時系列データの前記サンプリング値ごとに、当該サンプリング値に対応するサンプリングタイミングの分布状態を示す分布データを生成する分布データ生成部と、前記時系列データを取得する時系列データ取得部と、前記時系列データ取得部で取得した前記時系列データと前記標準時系列データとの全ての前記サンプリング値を相互に比較し、前記時系列データと前記標準時系列データとの間の距離を最小とするワーピングパスを算出するワーピングパス算出部と、を備え、前記ワーピングパス算出部は、前記ワーピングパスの経路を、前記分布データの内容で確定する前記サンプリングタイミングの分布範囲内に制限して前記ワーピングパスを算出する。

かかる構成を採用することで、標準時系列データのサンプリング値ごとにサンプリングタイミングの分布状態を示す分布データを生成することができ、監視対象として取得した時系列データと標準時系列データとの間でワーピングパスを算出する際に、ワーピングパスの経路を、分布データの内容で確定するサンプリングタイミングの分布範囲内に制限することができる。つまり、ワーピングパスの経路を、サンプリング値ごとに異なるサンプリングタイミングの時間的なずれの許容範囲内に制限することができる。これにより、サンプリングタイミングの時間的なずれの許容範囲内に収まらないサンプリング値に対応する経路を、サンプリング値が許容範囲内に収まる位置に強制的に変更することができ、当該経路上の値を大きくすることが可能となる。

本発明は、前記ワーピングパスの経路上の値を積算することで、前記時系列データと前記標準時系列データとの間の距離を算出する距離算出ステップと、前記距離算出ステップで算出した前記距離が所定の閾値よりも大きい場合に、前記時系列データが異常であると判定する異常判定ステップと、をさらに含むことができる。

これにより、ワーピングパスを算出する際に経路を強制的に変更した場合には、時系列データと標準時系列データとの間の距離を大きくすることができ、当該距離が所定の閾値よりも大きい場合には、時系列データが異常であると判定することができる。

本発明に係る上記分布データとして、前記サンプリング値のサンプリングタイミングの最小値および最大値、または前記サンプリング値のサンプリングタイミングの標準偏差を採用することができる。

本発明によれば、サンプリングタイミングの時間的なずれの許容範囲をサンプリング値ごとに柔軟に設定することが可能なデータ監視方法およびデータ監視装置を提供することができる。

実施形態におけるデータ監視装置の構成を模式的に例示する図である。 時系列データＡ，Ｂ，Ｃ，Ｄの内容を例示する図である。 時系列データＡ，Ｂ，Ｃ，Ｄの内容を例示する図である。 時系列データＡと時系列データＢとの間のワーピングパスを例示する図である。 時系列データＡと時系列データＢとを用いて生成した標準時系列データＡＢおよび分布データＡＢを例示する図である。 標準時系列データＡＢと時系列データＣとの間のワーピングパスを例示する図である。 標準時系列データＡＢと時系列データＣとを用いて生成した標準時系列データＡＢＣおよび分布データＡＢＣを例示する図である。 標準時系列データＡＢＣと異常時に得られた時系列データＤとの内容を例示する図である。 標準時系列データＡＢＣと時系列データＤとの間のワーピングパスを例示する図である。 標準時系列データおよび分布データを生成する際の処理手順を説明するフローチャートである。 時系列データに基づいて異常を判定する際の処理手順を説明するフローチャートである。

以下、図面を参照して本発明の実施の形態を説明する。ただし、以下に説明する実施形態は、あくまでも例示であり、以下に明示しない種々の変形や技術の適用を排除するものではない。すなわち、本発明は、その趣旨を逸脱しない範囲で種々変形して実施できる。

まず、図１を参照して、実施形態におけるデータ監視装置の構成について説明する。データ監視装置１は、監視対象から送信される、例えば、温度や圧力等のサンプリング値を含む時系列データが、正常であるか否かを監視する装置である。

図１は、実施形態におけるデータ監視装置１の構成を模式的に例示した図である。図１に示すように、データ監視装置１は、時系列データ取得部１０と、標準時系列データ生成部１１と、分布データ生成部１２と、ワーピングパス算出部１３と、距離算出部１４と、異常判定部１５と、を有する。データ監視装置１は、記憶装置１９を備え、この記憶装置１９は、データ監視装置１で取り扱う各種のデータを格納する。なお、記憶装置１９は、データ監視装置１の外部に設けることとしてもよい。

ここで、データ監視装置１は、物理的には、例えば、ＣＰＵと、メモリと、入出力インターフェースとを含んで構成される。メモリには、例えば、ＣＰＵで処理されるプログラムやデータを記憶するＲＯＭやＨＤＤと、主として制御処理のための各種作業領域として使用されるＲＡＭとが含まれる。これらの要素は、互いにバスを介して接続されている。ＣＰＵが、ＲＯＭに記憶されたプログラムを実行し、ＲＡＭに展開された各種のデータを用いて処理することで、データ監視装置１の各部の機能を実現することができる。

時系列データ取得部１０は、監視の対象となる時系列データを取得する。時系列データは、例えば、生産設備で計測されている温度や圧力、流量等の計測値をサンプリングして得られるサンプリング値と、このサンプリング値のサンプリングタイミングとを含むデータである。サンプリングタイミングとしては、例えば、サンプリング時刻、サンプリングを開始してからの経過時間、サンプリングの順番を示すサンプリング番号等を用いることができる。サンプリング値をサンプリングタイミングに対応付けて時系列データを構成することで、サンプリング値を時系列に扱うことができる。

図２および図３は、時系列データの内容を例示する図である。本実施形態における時系列データは、生産設備で一連のバッチプロセスが実行されたときに得られるデータの集まりである。時系列データの各データはｔｉｍｅとｖａｌｕｅとで構成される。ｔｉｍｅは、サンプリングタイミングを格納する。サンプリングタイミングは、バッチプロセスを開始してからデータをサンプリングするまでに経過した時間（秒）で表す。ｖａｌｕｅは、サンプリング値を格納する。

本実施形態におけるバッチプロセスを実行すると、バッチプロセスの開始から終了までの間に、サンプリング値が“０”、“１”、“０”、“−１”、“０”の順に変化する。時系列データＡ、Ｂ、Ｃは、正常時に得られた時系列データであり、時系列データＤは、異常時に得られた時系列データである。例えば、このバッチプロセスにおいて、サンプリング値が“１”に変化するタイミングが重要であるとすれば、このタイミングの時間的なずれの許容範囲は小さくなる。これに対して、サンプリング値が“−１”に変化するタイミングがあまり重要でないとすれば、このタイミングでの時間的なずれの許容範囲は大きくなる。

なお、以下においては、説明の便宜のために、各時系列データの各データを区別して説明する際に、図３に示す各時系列データのデータごとに付した記号を用いることにする。例えば、図３に示す時系列データＡのうち、ｔｉｍｅが“１．６０”でｖａｌｕｅが“１”のデータをデータＡ３と称し、ｔｉｍｅが“４．００”でｖａｌｕｅが“−１”のデータをデータＡ５と称する。

図１に示す標準時系列データ生成部１１は、時系列データのうち、正常時に得られた複数の時系列データを用いて、時系列データが正常であるか否かを判定する際の基準となる標準時系列データを生成する。図４〜図７を参照して、正常時に得られた時系列データＡ、Ｂ、Ｃを用いて標準時系列データＡＢＣを生成する手順について説明する。なお、以下においては、正常時に得られた三つの時系列データを用いて標準時系列データを生成する場合について説明するが、標準時系列データを生成する際に用いる時系列データは、三つであることには限定されず、二つであってもよいし、四つ以上であってもよい。

最初に、標準時系列データ生成部１１は、正常時に得られた時系列データＡ、Ｂ、Ｃのうち、時系列データＡと時系列データＢとをペアにし、時系列データＡと時系列データＢとのワーピングパスを算出する。ワーピングパスは、周知のＤＴＷによって算出するパスであり、二つの時系列データ間の距離が最小となるパスである。ワーピングパスは、例えば、以下のように算出することができる。

図４は、時系列データＡと時系列データＢとの間のワーピングパスを例示する図である。図４に示す縦軸および横軸の時系列データのデータごとに区画された各マスには、各マスを構成する縦軸上のｖａｌｕｅと横軸上のｖａｌｕｅとの絶対差を格納する。例えば、マス（Ａ３，Ｂ３）には、データＡ３のｖａｌｕｅである“１”とデータＢ３のｖａｌｕｅである“１”との絶対差である“０”を格納する。また、マス（Ａ３，Ｂ６）には、データＡ３のｖａｌｕｅである“１”とデータＢ６のｖａｌｕｅである“−１”との絶対差である“２”を格納する。同様にして全てのマスに絶対差を格納する。ワーピングパスは、経路上の値の積算が最小となる経路、すなわち右上隅から左下隅にかけてマスを辿って形成される経路のうち、各マスに格納された絶対差の積算が最小となる経路、を算出することで求められる。この絶対差の積算が時系列データＡと時系列データＢとの距離に相当する。図４に示す太い黒枠で囲まれている各マスが、時系列データＡと時系列データＢとの間のワーピングパスを形成するマスとなる。

つまり、標準時系列データ生成部１１は、時系列データＡと時系列データＢとの全てのｖａｌｕｅを相互に比較して全てのｖａｌｕｅ間の絶対差を算出し、時系列データＡと時系列データＢとの間の絶対差の積算を最小とするワーピングパスを算出する。

続いて、標準時系列データ生成部１１は、算出したワーピングパスを用いて、標準時系列データＡＢを生成する。標準時系列データＡＢは、例えば、以下のように生成することができる。

図５は、時系列データＡと時系列データＢとを用いて生成した標準時系列データＡＢを例示する図である。図５に示す標準時系列データＡＢの各データは、ｔｉｍｅとｖａｌｕｅとで構成され、図４に示すワーピングパスを形成する各マスに対応して生成する。標準時系列データＡＢの各データには、ワーピングパスの各マスを構成する縦軸上のｔｉｍｅと横軸上のｔｉｍｅとの平均値、および同縦軸上のｖａｌｕｅと横軸上のｖａｌｕｅとの平均値をそれぞれ格納する。例えば、標準時系列データＡＢのデータＡ３，Ｂ３のｔｉｍｅには、データＡ３のｔｉｍｅである“１．６０”とデータＢ３のｔｉｍｅである“２．００”との平均値である“１．８０”を格納する。同様に、データＡ３，Ｂ３のｖａｌｕｅには、データＡ３のｖａｌｕｅである“１”とデータＢ３のｖａｌｕｅである“１”との平均値である“１”を格納する。同様にして標準時系列データＡＢの各データを求めていくことで標準時系列データＡＢを生成することができる。

続いて、標準時系列データ生成部１１は、生成した標準時系列データＡＢと時系列データＣとをペアにし、標準時系列データＡＢと時系列データＣとのワーピングパスを算出する。ワーピングパスは、例えば、以下のように算出する。

図６は、標準時系列データＡＢと時系列データＣとの間のワーピングパスを例示する図である。図６に示す縦軸および横軸の時系列データのデータごとに区画された各マスには、各マスで交差する縦軸上のｖａｌｕｅと横軸上のｖａｌｕｅとの絶対差を格納する。例えば、マス（Ｘ３，Ｃ３）には、データＸ３のｖａｌｕｅである“１”とデータＣ３のｖａｌｕｅである“１”との絶対差である“０”を格納する。また、マス（Ｘ３，Ｃ１０）には、データＸ３のｖａｌｕｅである“１”とデータＣ１０のｖａｌｕｅである“−１”との絶対差である“２”を格納する。同様にして全てのマスに絶対差を格納する。その結果、図６に示す太い黒枠で囲まれている各マスが、標準時系列データＡＢと時系列データＣとの間のワーピングパスを形成するマスとして求められる。

つまり、標準時系列データ生成部１１は、標準時系列データＡＢと時系列データＣとの全てのｖａｌｕｅを相互に比較して全てのｖａｌｕｅ間の絶対差を算出し、標準時系列データＡＢと時系列データＣとの間の絶対差の積算を最小とするワーピングパスを算出する。

続いて、標準時系列データ生成部１１は、算出したワーピングパスを用いて、標準時系列データＡＢＣを生成する。標準時系列データＡＢＣは、例えば、以下のように生成する。

図７は、標準時系列データＡＢと時系列データＣとを用いて生成した標準時系列データＡＢＣを例示する図である。図７に示す標準時系列データＡＢＣの各データは、ｔｉｍｅとｖａｌｕｅとで構成され、図６に示すワーピングパスを形成する各マスに対応して生成する。標準時系列データＡＢＣの各データには、ワーピングパスの各マスを構成する縦軸上のｔｉｍｅと横軸上のｔｉｍｅとの加重平均値、および同縦軸上のｖａｌｕｅと横軸上のｖａｌｕｅとの加重平均値をそれぞれ格納する。例えば、標準時系列データＡＢＣのデータＡ３，Ｂ３，Ｃ３のｔｉｍｅには、データＡ３，Ｂ３のｔｉｍｅである“１．８０”を２倍にした“３．６０”とデータＣ３のｔｉｍｅである“２．４０”とを加算した値である“６．００”を３で除算して求まる“２．００”を格納する。同様に、データＡ３，Ｂ３，Ｃ３のｖａｌｕｅには、データＡ３，Ｂ３のｖａｌｕｅである“１”を２倍にした“２”とデータＣ３のｖａｌｕｅである“１”とを加算した値である“３”を３で除算して求まる“１”を格納する。同様にして標準時系列データＡＢＣの各データを求めていくことで標準時系列データＡＢＣを生成することができる。

なお、標準時系列データＡＢＣを算出する際に、標準時系列データＡＢと時系列データＣとのデータを加重平均して標準時系列データＡＢＣのデータを算出しているが、標準時系列データＡＢと時系列データＣとのデータを単純平均して標準時系列データＡＢＣのデータを算出することとしてもよい。ただし、単純平均を採用した場合には、後から算出に用いる時系列データほど標準時系列データへの寄与率が高くなるのに対し、加重平均を採用した場合には、算出に用いる順番に関係なく、標準時系列データへの寄与率を同等にすることができる。

図１に示す分布データ生成部１２は、標準時系列データのサンプリング値ごとに、当該サンプリング値に対応するサンプリングタイミングの分布状態を示す分布データを生成する。分布データとしては、例えば、各サンプリング値におけるサンプリングタイミングの最小値および最大値、または標準偏差などが該当する。本実施形態では、分布データとして最小値および最大値を採用した場合について説明する。

図５を参照して、分布データ生成部１２が、時系列データＡ、時系列データＢおよび標準時系列データＡＢを用いて、分布データＡＢを生成する手順について説明する。

図５に示す分布データＡＢの各データは、最小と最大とで構成され、標準時系列データＡＢの各データに対応して生成される。分布データＡＢの各データには、対応する標準時系列データＡＢのｔｉｍｅを算出する際に用いたデータの最小値と最大値とが格納される。例えば、標準時系列データＡＢのデータＡ３，Ｂ３に対応する分布データＡＢの最小にはデータＡ３のｔｉｍｅである“１．６０”を格納し、同分布データＡＢの最大にはデータＢ３のｔｉｍｅである“２．００”を格納する。同様に、標準時系列データＡＢのデータＡ５，Ｂ６に対応する分布データＡＢの最小にはデータＡ５のｔｉｍｅである“４．００”を格納し、同分布データＡＢの最大にはデータＢ６のｔｉｍｅである“５．００”を格納する。同様にして分布データＡＢの各データを求めていくことで分布データＡＢを生成することができる。

図７を参照して、分布データ生成部１２が、時系列データＡ、時系列データＢ、時系列データＣおよび標準時系列データＡＢＣを用いて、分布データＡＢＣを生成する手順について説明する。

図７に示す分布データＡＢＣの各データは、最小と最大とで構成され、標準時系列データＡＢＣの各データに対応して生成される。分布データＡＢＣの各データには、対応する標準時系列データＡＢＣのｔｉｍｅを算出する際に用いたデータの最小値と最大値とが格納される。例えば、標準時系列データＡＢＣのデータＡ３，Ｂ３，Ｃ３に対応する分布データＡＢＣの最小にはデータＡ３のｔｉｍｅである“１．６０”を格納し、同分布データＡＢＣの最大にはデータＣ３のｔｉｍｅである“２．４０”を格納する。同様に、標準時系列データＡＢＣのデータＡ５，Ｂ６，Ｃ１０に対応する分布データＡＢＣの最小にはデータＡ５のｔｉｍｅである“４．００”を格納し、同分布データＡＢＣの最大にはデータＣ１０のｔｉｍｅである“９．００”を格納する。同様にして分布データＡＢＣの各データを求めていくことで分布データＡＢＣを生成することができる。

図１に示すワーピングパス算出部１３は、監視の対象となる時系列データＤと標準時系列データＡＢＣとをペアにし、時系列データＤと標準時系列データＡＢＣとのワーピングパスを算出する。ワーピングパス算出部１３は、ワーピングパスを算出する際に、ワーピングパスの経路を、分布データの内容で確定するｔｉｍｅ（サンプリングタイミング）の分布範囲内に制限する。図８および図９を参照して、時系列データＤと標準時系列データＡＢＣとのワーピングパスを算出する手順について説明する。

図８は、標準時系列データＡＢＣと異常時に得られた時系列データＤとの内容を例示する図である。図８に示すように、時系列データＤのサンプリング値が“１”や“−１”に変化するタイミングは、標準時系列データＡＢＣのサンプリング値が“１”や“−１”に変化するタイミングと時間的に大きくずれていることがわかる。

図９は、標準時系列データＡＢＣと時系列データＤとの間のワーピングパスを例示する図である。図９に示す縦軸および横軸の時系列データのデータごとに区画された各マスには、各マスを構成する縦軸上のｖａｌｕｅと横軸上のｖａｌｕｅとの絶対差を格納する。例えば、マス（Ｙ３，Ｄ５）には、データＹ３のｖａｌｕｅである“１”とデータＤ５のｖａｌｕｅである“１”との絶対差である“０”を格納する。また、マス（Ｙ３，Ｄ１０）には、データＹ３のｖａｌｕｅである“１”とデータＤ１０のｖａｌｕｅである“−１”との絶対差である“２”を格納する。同様にして全てのマスに絶対差を格納する。

つまり、ワーピングパス算出部１３は、標準時系列データＡＢＣと時系列データＤとの全てのｖａｌｕｅを相互に比較して全てのｖａｌｕｅ間の絶対差を算出する。

図９に示す網掛け部分の各マスは、分布データＡＢＣの分布範囲外に位置するマスである。この分布データＡＢＣの分布範囲外に位置する各マスを、ワーピングパスの経路から除外する経路除外領域として設定する。例えば、分布データＡＢＣのデータＹ３は、最小が“１．６０”であり、最大が“２．４０”であるため、Ｙ３行にある各マスのうち、横軸のｔｉｍｅが“２．００”となるＤ３列以外の各マスを、経路除外領域に設定する。また、分布データＡＢＣのデータＹ１０は、最小が“４．００”であり、最大が“９．００”であるため、Ｙ１０行にある各マスのうち、横軸のｔｉｍｅが“４．００”〜“９．００”となるＤ５列〜Ｄ１０列以外の各マスを、経路除外領域に設定する。

ワーピングパス算出部１３は、上述した標準時系列データ生成部１１と同様に、右上隅から左下隅にかけてマスを辿って形成される経路のうち、各マスに格納された絶対差の積算が最小となる経路を求めることでワーピングパスを算出する。ただし、ワーピングパス算出部１３は、ワーピングパスの一部が経路除外領域内に位置する場合には、そのワーピングパスの一部を、経路除外領域内に位置するマスと同じ列にある各マスのうち、経路除外領域外に位置するマスに変更する。例えば、ワーピングパスの経路の一部が、経路除外領域内のＹ３行Ｄ５列に位置する場合には、この経路の一部を、Ｄ５列にある各マスのうち、経路除外領域外のマスであるＹ５行Ｄ５列のマスに変更する。このようにして、ワーピングパス算出部１３は、経路除外領域外のマスで形成されたワーピングパスを算出する。

図９に示す太い黒枠で囲まれている各マスが、標準時系列データＡＢＣと時系列データＤとの間のワーピングパスを形成するマスとなる。図９に示す矢印の元にあるマスが、本来のワーピングパスの経路を形成するマスであり、矢印の先にあるマスが、ワーピングパス算出部１３によって変更されたマスである。

図１に示す距離算出部１４は、ワーピングパス算出部１３で算出したワーピングパスの経路上の値を用いて、標準時系列データと時系列データとの間の距離を算出する。標準時系列データと時系列データとの間の距離は、例えば、以下のようにして算出する。

距離算出部１４は、ワーピングパスを形成する各マスの絶対差を積算して、標準時系列データと時系列データとの間の距離を算出する。例えば、図９に示す標準時系列データＡＢＣと時系列データＤとの間の距離は、各マスの絶対差を積算した値である“２”となる。

図１に示す異常判定部１５は、距離算出部１４で算出した距離が所定の閾値よりも大きい場合に、時系列データに対応する監視対象が異常であると判定する。所定の閾値は、例えば、異常時の時系列データと標準時系列データとの間の距離を実験等により求め、異常時の時系列データを用いて算出され得る距離を考慮して適宜設定することができる。例えば、異常時の時系列データを用いて算出され得る距離の下限値を、所定の閾値に設定することができる。

次に、図１０および図１１を参照して、実施形態におけるデータ監視装置の動作について説明する。まず、図１０を参照して標準時系列データおよび分布データを生成する際の動作について説明する。図１０は、標準時系列データおよび分布データを生成する際の処理手順を説明するフローチャートである。

最初に、標準時系列データ生成部１１は、正常時に得られた複数の時系列データのうち、二つの時系列データをペアにする（ステップＳ１０１）。

続いて、標準時系列データ生成部１１は、上記ステップＳ１０１でペアにした時系列データ間のワーピングパスを算出する（ステップＳ１０２）。

続いて、標準時系列データ生成部１１は、上記ステップＳ１０２で算出したワーピングパスを用いて、標準時系列データを生成する（ステップＳ１０３）。

続いて、分布データ生成部１２は、上記ステップＳ１０１でペアにした時系列データおよび上記ステップＳ１０３で生成した標準時系列データを用いて、分布データを生成する（ステップＳ１０４）。

続いて、標準時系列データ生成部１１は、正常時に得られた時系列データが他に存在するか否かを判定する（ステップＳ１０５）。この判定がＮＯである場合（ステップＳ１０５；ＮＯ）には、処理を終了する。

一方、上記ステップＳ１０５の判定で正常時に得られた時系列データが他に存在すると判定した場合（ステップＳ１０５；ＹＥＳ）に、標準時系列データ生成部１１は、上記ステップＳ１０３で生成した標準時系列データと他の正常時に得られた時系列データとをペアにし（ステップＳ１０６）、処理を上記ステップＳ１０２に移行する。

次に、図１１を参照して監視対象の時系列データに基づいて異常を判定する際の動作について説明する。図１１は、時系列データに基づいて異常を判定する際の処理手順を説明するフローチャートである。

最初に、ワーピングパス算出部１３は、時系列データ取得部１０で取得した時系列データと、標準時系列データとをペアにする（ステップＳ２０１）。

続いて、ワーピングパス算出部１３は、上記ステップＳ２０１でペアにした時系列データと標準時系列データとの間のワーピングパスを、分布データの内容で制限しながら算出する（ステップＳ２０２）。

続いて、距離算出部１４は、上記ステップＳ２０２で算出したワーピングパスの経路上の絶対差を積算して、上記ステップＳ２０１でペアにした時系列データと標準時系列データとの間の距離を算出する（ステップＳ２０３）。

続いて、異常判定部１５は、上記ステップＳ２０３で算出した距離が所定の閾値よりも大きいか否かを判定する（ステップＳ２０４）。この判定がＹＥＳである場合（ステップＳ２０４；ＹＥＳ）に、異常判定部１５は、時系列データが異常であると判定する（ステップＳ２０５）。一方、上記ステップＳ２０４の判定がＮＯである場合（ステップＳ２０４；ＮＯ）に、異常判定部１５は、時系列データが正常であると判定する（ステップＳ２０６）。

上述してきたように、実施形態におけるデータ監視装置１によれば、標準時系列データのｖａｌｕｅごとにｔｉｍｅの分布状態を示す分布データを生成することができ、監視対象として取得した時系列データと標準時系列データとの間でワーピングパスを算出する際に、ワーピングパスの経路を、分布データの内容で確定するｔｉｍｅの分布範囲内に制限することができる。つまり、ワーピングパスの経路を、ｖａｌｕｅごとに異なるｔｉｍｅの時間的なずれの許容範囲内に制限することができる。これにより、ｔｉｍｅの時間的なずれの許容範囲内に収まらないｖａｌｕｅに対応する経路を、ｖａｌｕｅが許容範囲内に収まる位置に強制的に変更することができる。その結果、この経路上の値を大きくすることができ、時系列データと標準時系列データとの間の距離を大きくすることができる。そして、距離が所定の閾値よりも大きい場合には、時系列データが異常であると判定することができる。

なお、上述した実施形態では、分布データとして、ｔｉｍｅの最小値／最大値を採用した場合について説明しているが、上述したように、分布データとして、ｔｉｍｅの標準偏差を採用することもできる。分布データとして標準偏差（σ）を用いる場合に、ワーピングパス算出部１３は、ワーピングパスを算出する際に、ｔｉｍｅの分布範囲を、例えば、±σや±３σ等のように設定することができる。最小値／最大値を採用した場合には、正常データの中にかけ離れたデータが１つでも存在すると、そのデータが最小値または最大値に設定され、分布範囲が大きくなり過ぎることも考えられるが、標準偏差を採用した場合には、正常データの分布状態に、より適合した分布範囲を設定することが可能となる。

１…データ監視装置、１０…時系列データ取得部、１１…標準時系列データ生成部、１２…分布データ生成部、１３…ワーピングパス算出部、１４…距離算出部、１５…異常判定部、１９…記憶装置。

Claims (4)

1. サンプリングタイミングごとのサンプリング値を含む時系列データのうち、正常時に得られた複数の前記時系列データを用いて、時系列データが正常であるか否かを判定する際の基準となる標準時系列データを生成する標準時系列データ生成ステップと、
   前記標準時系列データ生成ステップで生成した前記標準時系列データの前記サンプリング値ごとに、当該サンプリング値に対応するサンプリングタイミングの分布範囲を示す分布データを生成する分布データ生成ステップと、
   前記時系列データを取得する時系列データ取得ステップと、
   前記時系列データ取得ステップで取得した前記時系列データと前記標準時系列データとの全ての前記サンプリング値を相互に比較し、前記時系列データと前記標準時系列データとの間の距離を最小とするワーピングパスを算出するワーピングパス算出ステップと、を含み、
   前記ワーピングパス算出ステップは、前記ワーピングパスの経路を、前記分布データの内容で確定する前記サンプリングタイミングの分布範囲内に制限して前記ワーピングパスを算出することを特徴とするデータ監視方法。
2. 前記ワーピングパスの経路上の値を積算することで、前記時系列データと前記標準時系列データとの間の距離を算出する距離算出ステップと、
   前記距離算出ステップで算出した前記距離が所定の閾値よりも大きい場合に、前記時系列データが異常であると判定する異常判定ステップと、
   をさらに含むことを特徴とする請求項１記載のデータ監視方法。
3. 前記分布データは、前記サンプリング値のサンプリングタイミングの最小値および最大値、または前記サンプリング値のサンプリングタイミングの標準偏差により表されるばらつきの範囲であることを特徴とする請求項１または２記載のデータ監視方法。
4. サンプリングタイミングごとのサンプリング値を含む時系列データのうち、正常時に得られた複数の前記時系列データを用いて、時系列データが正常であるか否かを判定する際の基準となる標準時系列データを生成する標準時系列データ生成部と、
   前記標準時系列データ生成部で生成した前記標準時系列データの前記サンプリング値ごとに、当該サンプリング値に対応するサンプリングタイミングの分布範囲を示す分布データを生成する分布データ生成部と、
   前記時系列データを取得する時系列データ取得部と、
   前記時系列データ取得部で取得した前記時系列データと前記標準時系列データとの全ての前記サンプリング値を相互に比較し、前記時系列データと前記標準時系列データとの間の距離を最小とするワーピングパスを算出するワーピングパス算出部と、を備え、
   前記ワーピングパス算出部は、前記ワーピングパスの経路を、前記分布データの内容で確定する前記サンプリングタイミングの分布範囲内に制限して前記ワーピングパスを算出することを特徴とするデータ監視装置。