JP5623244B2 - イベント分析装置、イベント分析方法およびイベント分析プログラム - Google Patents

Description

本発明は、イベント分析装置、イベント分析方法およびイベント分析プログラムに関する。

生産プロセスを管理するシステムでは、発信機能を有する各種のフィールド機器（例えばセンサやバルブ等）をプラントに設置し、フィールド機器から発信される信号をシステムに取り込むことで、各種の生産プロセスを管理する。このようなシステムでは、プロセスやフィールド機器に何らかの異常が発生した場合に、イベントとしてアラームを発信させ、このアラームを解析することで問題を特定している。下記特許文献１には、プロセスやフィールド機器で異常が発生した場合に、異常箇所や異常内容等を知らせるアラームを出力するプロセス制御システムが開示されている。

特開２００３−５８３０号公報

上述した特許文献１のプロセス制御システムでは、アラームに優先順位を付加し、個々の異常の程度を管理者に知らせている。しかしながら、個々の異常の程度を把握しても、システムのダメージを最小限に抑止することは容易ではない。

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、他のイベントとの間でより多くの関連性を有するイベントを際立たせて表示させることができるイベント分析装置、イベント分析方法およびイベント分析プログラムを提供することを目的とする。

本発明に係るイベント分析装置は、異常を示すイベントを当該イベントの発生時刻に対応させて記録したイベントデータに基づいて、それぞれの前記イベントが複数の時間帯の各々に発生したか否かを示すイベント発生有無データを生成するデータ生成部と、前記イベント発生有無データに基づいて、二つの前記イベントの組み合わせごとに、二つの前記イベントが共に発生した前記時間帯の数を共起数として、それぞれカウントするカウント部と、前記共起数を用いて二つの前記イベント間の関連性を評価するための評価値をそれぞれ算出する評価値算出部と、前記評価値が、二つのイベント間に関連性が有ることを示す値である場合に、二つの前記イベント間にリンクを設定するリンク設定部と、前記リンクが設定された後の各前記イベントの配置を、バネモデルを用いて決定する配置決定部と、前記配置決定部により決定された前記配置に応じて前記イベントの表示位置を決定し、前記リンク設定部により設定された前記リンクを前記イベント間に表示し、前記リンク設定部により設定された前記リンクの数が所定閾値以上の前記イベントを、前記リンクの数が前記所定閾値未満の前記イベントと異ならせて表示する、表示部と、を備える。

本発明に係るイベント分析方法は、異常を示すイベントを当該イベントの発生時刻に対応させて記録したイベントデータに基づいて、それぞれの前記イベントが複数の時間帯の各々に発生したか否かを示すイベント発生有無データを生成するデータ生成ステップと、前記イベント発生有無データに基づいて、二つの前記イベントの組み合わせごとに、二つの前記イベントが共に発生した前記時間帯の数を共起数として、それぞれカウントするカウントステップと、前記共起数を用いて二つの前記イベント間の関連性を評価するための評価値をそれぞれ算出する評価値算出ステップと、前記評価値が、二つのイベント間に関連性が有ることを示す値である場合に、二つの前記イベント間にリンクを設定するリンク設定ステップと、前記リンクが設定された後の各前記イベントの配置を、バネモデルを用いて決定する配置決定ステップと、前記配置決定ステップにおいて決定された前記配置に応じて前記イベントの表示位置を決定し、前記リンク設定ステップにおいて設定された前記リンクを前記イベント間に表示し、前記リンク設定ステップにおいて設定された前記リンクの数が所定閾値以上の前記イベントを、前記リンクの数が前記所定閾値未満の前記イベントと異ならせて表示する、表示ステップと、を含む。

本発明に係るイベント分析プログラムは、上記イベント分析方法に含まれる各ステップをコンピュータに実行させる。

かかる構成を採用することで、同じ時間帯に共起した異常を示すイベント同士を関連性の高いイベントグループとして特定し、それらのイベント間にリンクを設定することができ、さらにバネモデルを用いて各イベントの配置を調整し、閾値以上のリンク数を有するイベントを他のイベントと異ならせて表示させることができる。これにより、他のイベントとの間でより多くの関連性を有するイベントを際立たせて表示させることが可能となり、異常の根本原因を容易に特定することも可能となる。

また、上記評価値算出部は、それぞれ前記共起数を含む共起頻度、Ｊａｃｃａｒｄ係数または相互情報量のいずれかを用いて、前記評価値を算出することとしてもよい。

また、上記バネモデルは、前記イベント間を仮想のバネで接続した場合に生じ得る前記バネの総エネルギーに基づいて、当該総エネルギーが最小となる各前記イベントの位置を求めていくことで、各前記イベントの配置を決定するアルゴリズムであることとしてもよい。

本発明によれば、他のイベントとの間でより多くの関連性を有するイベントを際立たせて表示させることができるイベント分析装置、イベント分析方法およびイベント分析プログラムを提供することができる。

実施形態におけるイベント分析装置の構成を模式的に例示する図である。 イベントデータＤＢのデータ構成を例示する図である。 イベント発生有無データのデータ構成を例示する図である。 システム内の全イベント発生元の関係を可視化した無向グラフを例示する図である。 実施形態におけるイベント分析装置でイベントを分析して分析結果を表示する際の動作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に係る実施形態について説明する。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することができる。

図１を参照して、実施形態におけるイベント分析装置の構成について説明する。図１に示すように、イベント分析装置１は、機能的には、例えば、イベントデータを分析する分析部２と、分析部２による分析結果を表示させる表示部３と、を有する。イベントデータＤＢ５は、分析部２が参照するイベントデータを蓄積するデータベースである。なお、イベントデータＤＢ５は、イベント分析装置１の外部に備えることとしてもよい。

図２を参照して、イベントデータＤＢ５のデータ構成について説明する。本実施形態におけるイベントデータＤＢ５は、プラントに設置された各種のフィールド機器から発信されるイベントデータのうち、故障等の異常を知らせるアラームとして発信されたイベントデータを蓄積する。フィールド機器としては、例えば、流量センサ、圧力センサおよび温度センサ等の各種センサや、流量制御弁および圧力制御弁等の各種バルブ、ポンプおよびファン等の各種アクチュエータが該当する。

イベントデータは、データ項目として、例えば、発生時刻項目、イベント名項目、イベント値項目およびディスクリプション項目を有する。発生時刻項目は、イベントが発生した時刻情報を格納する。イベント名項目は、イベントの発生元を一意に特定する識別情報を格納する。イベント値項目は、フィールド機器の測定値等の各種イベント値を格納する。本実施形態では、各イベント値項目に、イベントとしてアラームが発信されたことを示す“ＨＩＧＨ”が格納されている。ディスクリプション項目は、イベントの内容を記述した情報を格納する。

ここで、イベント分析装置１は、物理的には、例えば、ＣＰＵ（Central Processing Unit）と、記憶装置と、表示装置と、入出力インターフェースとを含んで構成される。記憶装置には、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（Read Only Memory）やＨＤＤ（Hard Disk Drive）、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（Random Access Memory）等の要素が含まれる。これらの要素は、互いにバスを介して接続される。ＣＰＵが、ＲＯＭに記憶されたプログラムを実行し、入出力インターフェースを介して受信されたメッセージや、ＲＡＭに展開されたデータを処理することで、イベント分析装置１における分析部２および表示部３等の各種機能を実現することができる。

図１に示すように、分析部２は、データ生成部２１と、カウント部２２と、評価値算出部２３と、リンク設定部２４と、配置決定部２５と、を有する。

データ生成部２１は、イベントデータＤＢ５に蓄積されたイベントデータに基づいて、イベント発生有無データを生成する。イベント発生有無データは、複数の時間帯の各々にイベント発生元がアラームを発信したか否か、を示すデータである。時間帯の幅は、管理者が任意に割り当てることができる。本実施形態では、時間帯の幅として、１日のうちの０時から２３時５９分５９秒までを１時間単位に分割したときの各１時間を割り当てた場合について説明する。

イベント発生有無データは、時間帯に対応付けられたレコードごとに複数のフィールドを備えており、例えば図３に示すような表形式で表すことができる。図３の表は、レコードとして各行に１時間ごとの時間帯を、上位行から時系列に配置し、フィールドとして各列にイベント発生元をそれぞれ配置している。対象の時間帯（レコード）にアラームを１回以上発信したイベント発生元のマス（フィールド）には“１”が格納され、アラームを１回も発信しなかったイベント発生元のマス（フィールド）には“０”が格納される。

図３の表は、０時から０時５９分５９秒までの間にアラームを発信したイベント発生元が、“Ｐ０１２”であり、１時から１時５９分５９秒までの間にアラームを発信したイベント発生元が、“Ｒ０１１”、“Ｒ０８１”および“Ｒ０９１”であることを例示している。

カウント部２２は、データ生成部２１により生成されたイベント発生有無データに基づいて、二つのイベント発生元の組み合わせごとに、二つのイベント発生元が共にアラームを発生した時間帯の数（以下、「共起数」という。）を、それぞれカウントする。共起数をカウントする時間帯の範囲は、管理者が任意に設定することができる。本実施形態では、カウントする時間帯の範囲として、図３に示す０時から２３時５９分５９秒までの特定の１日を設定した場合について説明する。

図３に実際に表示されている時間帯に限定してカウント例を説明すると、“Ａ６００”と“Ｋ０１１”との間の共起数は“１”回とカウントされ、“Ａ６００”と“Ｋ０１３”との間の共起数は“２”回とカウントされる。

図１に示す評価値算出部２３は、カウント部２２によりカウントされた共起数を用いて、二つのイベント発生元間の関連性を評価するための評価値を算出する。共起数を用いて評価値を算出する方法として、例えば、公知の共起頻度、Ｊａｃｃａｒｄ係数および相互情報量を用いることができる。ここで、イベント発生元Ｘとイベント発生元Ｙとが単独で発生する回数をそれぞれ｜Ｘ｜、｜Ｙ｜とし、｜Ｘ｜と｜Ｙ｜とのＡＮＤをとったときの発生回数、つまり共起数を｜Ｘ∩Ｙ｜、｜Ｘ｜と｜Ｙ｜とのＯＲをとったときの発生回数を｜Ｘ∪Ｙ｜とした場合に、共起頻度、Ｊａｃｃａｒｄ係数および相互情報量は、それぞれ共起数｜Ｘ∩Ｙ｜を用いて以下のように表すことができる。

共起頻度 ： ｜Ｘ∩Ｙ｜ … （１）
Ｊａｃｃａｒｄ係数 ： ｜Ｘ∩Ｙ｜／｜Ｘ∪Ｙ｜ … （２）
相互情報量 ： ｌｏｇ（｜Ｘ∩Ｙ｜／｜Ｘ｜｜Ｙ｜） … （３）

上記（１）に示すように、共起頻度は、イベント発生元Ｘとイベント発生元Ｙとが同時にイベントを発生した回数を評価値とする。共起頻度には、イベントの発生頻度が高いほど、評価値が高くなるという特徴がある。

上記（２）に示すように、Ｊａｃｃａｒｄ係数は、イベント発生元Ｘかイベント発生元Ｙのいずれかがイベントを発生したときに、イベント発生元Ｘとイベント発生元Ｙとが同時にイベントを発生した割合を評価値とする。Ｊａｃｃａｒｄ係数には、分母を構成する｜Ｘ∪Ｙ｜が少ないほど、評価値が高くなるという特徴がある。言い換えると、発生頻度の低いイベントが発生した場合には、評価値が高くなり、発生頻度の高いイベントが発生した場合には、評価値が低くなるという特徴がある。

上記（３）に示すように、相互情報量は、イベント発生元Ｘとイベント発生元Ｙとが同時にイベントを発生する尺度を評価値とする。イベント発生元Ｘとイベント発生元Ｙとが全く依存せずに独立してイベントを発生する場合には、｜Ｘ∩Ｙ｜＝｜Ｘ｜｜Ｙ｜が成立し、相互情報量は０となる。相互情報量には、発生頻度の低いイベント同士が同時に発生する場合に、評価値が高くなるという特徴がある。

リンク設定部２４は、評価値算出部２３により算出された評価値が、二つのイベント発生元間に関連性が有ることを示す値に該当する場合に、その二つのイベント発生元間にリンクを設定する。二つのイベント発生元間に関連性が有ることを示す値は、管理者が任意に設定することができる。本実施形態では、二つのイベント発生元間に関連性が有ることを示す値として、“０以外”を設定する。この場合、リンク設定部２４は、評価値が０以外となるイベント発生元間には関連性が有ると判定してリンクを設定し、評価値が０となるイベント発生元間には関連性が無いと判定してリンクを設定しない。なお、二つのイベント発生元間に関連性が有ることを示す値を、例えば、“０．１以上、または、−０．１以下”のように設定してもよい。

配置決定部２５は、リンク設定部２４によりリンク設定が完了した後の各イベント発生元を表示する際の配置を、公知のバネモデルを用いて決定する。

バネモデルは、イベント発生元間を仮想のバネで接続した場合に生じ得るバネの総エネルギーを算出し、総エネルギーが最小となる各イベント発生元の位置を求めていくことで、各イベント発生元の配置を決定するアルゴリズムである。

バネモデルとしては、例えば、“Kamada & Kawai”法（下記参考文献１参照）、“Eades”法（下記参考文献２参照）、または“Fruchterman & Reingold”法（下記参考文献３参照）を用いることができる。本実施形態では、バネモデルとして、“Kamada & Kawai”法を用いた場合について説明する。

[参考文献１] T. Kamada, and S. Kawai, An algorithm for drawing general undirected graphs, Information Processing Letters, Vol. 31, No. 1, pp.7-15, 12 April 1989
[参考文献２] Peter Eades, "A heuristic for graph drawing," Congressus Numeranitium, Vol.42, pp.149-160, 1984
[参考文献３] T. M. J. Fruchterman, and E. M. Reingold, Graph Drawing by Force-directed Placement, Software - Practice and Experience, Vol. 21(11), pp.1129-1164, 1991

“Kamada & Kawai”法は、全てのノード間に仮想的なバネを接続し、バネの総エネルギーが最小となるように、各ノードの配置座標を一ノードずつ逐次的に更新していくアルゴリズムである。この場合に、仮想的なバネの自然長として、各ノード間のグラフ上での最短経路数を設定する。最短経路数は、各ノード間に介在するリンクを辿って形成される経路のうち、最短経路を形成するリンクの数である。バネの総エネルギーＥは、下記式（４）で求めることができる。

上記式（４）に示す｜Ｖ｜は総ノード数であり、ｘ_iおよびｘ_jはノードｉおよびノードｊの座標ベクトルであり、||ｘ_i−ｘ_j||はノードｉとノードｊとの間のユークリッド距離であり、ｌ_ijはノードｉとノードｊとの間のバネの自然長であり、ｋ_ijはバネの強度に依存するバネ定数である。

配置決定部２５は、“Kamada & Kawai”法のバネモデルを用いる際に、イベント発生元をノードとし、上記式（４）を用いて各イベント発生元の配置座標を決定する。

表示部３は、システム内の全てのイベント発生元の関係を可視化した無向グラフを表示装置に表示させる。図４を参照して、具体的に説明する。表示部３は、各イベント発生元に対応するノードＮ（ノードＮ１〜Ｎ４を含む。以下同様。）を、配置決定部２５により決定された配置座標に応じた位置に表示させる。表示部３は、リンク設定部２４により設定されたリンクＬを各ノードＮ間に表示させる。表示部３は、各ノードＮに設定されたリンク数を、ノードＮごとに集計し、集計値（次数）が所定の閾値以上となるノードＮ１、Ｎ２、Ｎ３およびＮ４の色を赤色で表示する。所定の閾値は、管理者により任意に設定することができる。本実施形態では、所定の閾値として、“６”を設定した場合について説明する。

図４では、リンクが６本以上設定されている４つのノードＮ１〜Ｎ４が赤色で表示されており、その他のノードＮが無色で表示されている。なお、図４に示す各ノードＮを表す枠内に、イベント発生元を識別するイベント名を表示することができる。これにより、イベントを容易に識別することができる。また、ノード数が多い場合には、ノードＮを表す枠内にイベント名を表示させずに、例えばマウスポインタで指定されたノードのみイベント名をポップアップ表示させることとしてもよい。さらに、赤色で表示されたノードのみ、ノードＮを表す枠内にイベント名を表示させることとしてもよい。

ここで、例えば航空便のネットワークのように、少数の空港（ハブ）が多数の空港（ノード）とリンク関係にある一方で、大多数の空港（ノード）が少数の空港とのみリンク関係を有するネットワークのことを、スケールフリーネットワークという。スケールフリーネットワークでは、多数のノードとリンク関係にあるハブが、ネットワークを機能させるうえで重要な役割を担う。例えば、ハブ以外のノードがダウンした場合には、他の経路を利用することでネットワーク全体にほとんど影響を来たすことなく対処することができるのに対し、ハブがダウンした場合には、迂回が困難となり、ネットワークとしての機能が破壊され、ネットワーク全体に多大なダメージが与えられる。

大規模なプラントでは、多数のフィールド機器を用いて多数の生産プロセスを実行している。したがって、生産プロセスを管理するシステムでは、多数のフィールド機器によって形成される複雑なネットワーク、つまりスケールフリーネットワークを管理していると考えることもできる。このようなスケールフリー性を有するシステムでは、異常が発生した場合に、異常の根本原因となるハブを特定することができれば、少ない工程で有効に対処することが可能となる。

例えば、図４では、４つのノードＮ１〜Ｎ４をハブとみなすことができる。したがって、これら４つのノードＮ１〜Ｎ４に発生した問題を優先的に解決することで、プラントに生じた問題を効率良く解決することが可能となる。さらに、図４に示すように、４つのノードＮ１〜Ｎ４の中でも、ネットワークの中心に位置するノードＮ１が、このネットワークで最も重要なハブであると考えられる。そこで、このノードＮ１に発生した問題を最優先に解決することで、システムのダメージを最小限に抑止することが可能となる。

なお、本実施形態では、所定閾値以上のリンク数が設定されているノードを赤色で表示しているが、赤に限らず他の色で表示してもよい。また、色を付けて表示することに限定されず、例えば、ノードの表示サイズを、他のノードよりも大きくして表示することとしてもよい。つまり、所定閾値以上のリンク数を有するノードの表示と、リンク数が所定閾値未満のノードの表示とを異ならせ、所定閾値以上のリンク数を有するノードを、リンク数が所定閾値未満のノードよりも際立たせて表示することができればよい。

また、リンク数に応じてノードの色や大きさ等を多段階に変更することとしてもよい。この場合にも、リンク数が多いほど際立つように表示させることができればよい。

次に、図５を参照して、イベント分析装置１でイベントを分析して分析結果を表示する際の動作について説明する。

最初に、イベント分析装置１のデータ生成部２１は、イベントデータＤＢ５に蓄積されたイベントデータ（図２参照）に基づいて、イベント発生有無データ（図３参照）を生成する（ステップＳ１０１）。

続いて、イベント分析装置１のカウント部２２は、上記ステップＳ１０１で生成されたイベント発生有無データに基づいて、二つのイベント発生元の組み合わせごとに、共起数をそれぞれカウントする（ステップＳ１０２）。

続いて、イベント分析装置１の評価値算出部２３は、上記ステップＳ１０２でカウントされた共起数を用いて、二つのイベント発生元の組み合わせごとに、評価値をそれぞれ算出する（ステップＳ１０３）。

続いて、イベント分析装置１のリンク設定部２４は、上記ステップＳ１０３で算出された評価値が、二つのイベント発生元間に関連性が有ることを示す値である場合に、その二つのイベント発生元間にリンクを設定する（ステップＳ１０４）。

続いて、イベント分析装置１の配置決定部２５は、上記ステップＳ１０４でリンク設定が完了した後の各イベント発生元を表示する際の配置座標を、“Kamada & Kawai”法のバネモデルを用いて決定する（ステップＳ１０５）。

続いて、イベント分析装置１の表示部３は、上記ステップＳ１０５で決定した配置座標および上記ステップＳ１０４で設定したリンクに基づいて、システム内の全てのイベント発生元の関係を可視化した無向グラフ（図４参照）を表示する（ステップＳ１０６）。

上述してきたように、実施形態におけるイベント分析装置１によれば、同じ時間帯にアラームを発生したイベント発生元同士を関連性の高いイベント発生元グループとして特定し、それらのイベント発生元間にリンクを設定することができる。また、バネモデルを用いて各イベント発生元の配置を調整し、閾値以上のリンク数を有するイベント発生元を他のイベント発生元よりも際立たせて表示させることができる。これにより、他のイベント発生元との間でより多くの関連性を有するイベント発生元を際立たせて表示させることが可能となり、システムのダメージを最小限に抑止することが可能となる。さらに、異常の根本原因を容易に特定することも可能となる。

なお、上述した実施形態では、分析対象のイベントとして、フィールド機器が発信するアラームを用いて説明しているが、分析対象のイベントはこれに限定されない。例えば、地震計が発信する地震情報や、病院等から発信される伝染病情報などのように、何らかの異常を示すイベントに適用することができる。

１…イベント分析装置、２…分析部、３…表示部、５…イベントデータＤＢ、２１…データ生成部、２２…カウント部、２３…評価値算出部、２４…リンク設定部、２５…配置決定部。

Claims (5)

1. 異常を示すイベントを当該イベントの発生時刻に対応させて記録したイベントデータに基づいて、それぞれの前記イベントが複数の時間帯の各々に発生したか否かを示すイベント発生有無データを生成するデータ生成部と、
   前記イベント発生有無データに基づいて、二つの前記イベントの組み合わせごとに、二つの前記イベントが共に発生した前記時間帯の数を共起数として、それぞれカウントするカウント部と、
   前記共起数を用いて二つの前記イベント間の関連性を評価するための評価値をそれぞれ算出する評価値算出部と、
   前記評価値が、二つのイベント間に関連性が有ることを示す値である場合に、二つの前記イベント間にリンクを設定するリンク設定部と、
   前記リンクが設定された後の各前記イベントの配置を、バネモデルを用いて決定する配置決定部と、
   前記配置決定部により決定された前記配置に応じて前記イベントの表示位置を決定し、前記リンク設定部により設定された前記リンクを前記イベント間に表示し、前記リンク設定部により設定された前記リンクの数が所定閾値以上の前記イベントを、前記リンクの数が前記所定閾値未満の前記イベントと異ならせて表示する、表示部と、
   を備えることを特徴とするイベント分析装置。
2. 前記評価値算出部は、それぞれ前記共起数を含む共起頻度、Ｊａｃｃａｒｄ係数または相互情報量のいずれかを用いて、前記評価値を算出する、ことを特徴とする請求項１記載のイベント分析装置。
3. 前記バネモデルは、前記イベント間を仮想のバネで接続した場合に生じ得る前記バネの総エネルギーに基づいて、当該総エネルギーが最小となる各前記イベントの位置を求めていくことで、各前記イベントの配置を決定するアルゴリズムである、ことを特徴とする請求項１または２記載のイベント分析装置。
4. 異常を示すイベントを当該イベントの発生時刻に対応させて記録したイベントデータに基づいて、それぞれの前記イベントが複数の時間帯の各々に発生したか否かを示すイベント発生有無データを生成するデータ生成ステップと、
   前記イベント発生有無データに基づいて、二つの前記イベントの組み合わせごとに、二つの前記イベントが共に発生した前記時間帯の数を共起数として、それぞれカウントするカウントステップと、
   前記共起数を用いて二つの前記イベント間の関連性を評価するための評価値をそれぞれ算出する評価値算出ステップと、
   前記評価値が、二つのイベント間に関連性が有ることを示す値である場合に、二つの前記イベント間にリンクを設定するリンク設定ステップと、
   前記リンクが設定された後の各前記イベントの配置を、バネモデルを用いて決定する配置決定ステップと、
   前記配置決定ステップにおいて決定された前記配置に応じて前記イベントの表示位置を決定し、前記リンク設定ステップにおいて設定された前記リンクを前記イベント間に表示し、前記リンク設定ステップにおいて設定された前記リンクの数が所定閾値以上の前記イベントを、前記リンクの数が前記所定閾値未満の前記イベントと異ならせて表示する、表示ステップと、
   を含むことを特徴とするイベント分析方法。
5. 請求項４に記載の各ステップをコンピュータに実行させるためのイベント分析プログラム。