JP5875430B2 - 異常検出装置、プログラムおよび異常検出方法 - Google Patents
異常検出装置、プログラムおよび異常検出方法 Download PDFInfo
- Publication number
- JP5875430B2 JP5875430B2 JP2012071325A JP2012071325A JP5875430B2 JP 5875430 B2 JP5875430 B2 JP 5875430B2 JP 2012071325 A JP2012071325 A JP 2012071325A JP 2012071325 A JP2012071325 A JP 2012071325A JP 5875430 B2 JP5875430 B2 JP 5875430B2
- Authority
- JP
- Japan
- Prior art keywords
- data
- determination
- abnormality
- series data
- time
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Description
本発明は、以下に詳細に説明するように、多様な形態で実施され得る。また、本発明の実施形態による異常データ検出装置20は、
A.時系列データを構成する各データについて、複数の異常判定基準による判定を行い、前記複数の異常判定基準の各々による判定結果を得る判定部(220)と、
B.前記各データについて前記判定部により異常という判定結果が得られた異常判定基準の数に基づき、前記時系列データから異常データを検出する検出部(異常データ検出部230)と、
を備える。
以上、図1を参照し、本実施形態による異常検出システムの構成を説明した。続いて、本実施形態による異常データ検出装置20の構成を説明する。
判定部220は、時系列データを構成する各データについて、複数の異常判定基準として設定された異なるパラメータを定義し、各パラメータに従って異常判定を行う。ここで、各パラメータは、複数の判定手法に関するパラメータ要素の組合せであり、判定部220は、1つのパラメータについて、パラメータ要素の組合せを用いる複数の判定手法の判定結果に基づいて異常判定を行う。以下、図3を参照し、このようなパラメータの具体例を説明する。
統計処理部222は、要素判定部の一例であり、時系列データが確率分布モデルに従うことと仮定し、設定された確率分布モデルから各データが逸脱する外れ値であるか否かを判定する。例えば、確率分布モデルに従う正常値の範囲がパラメータ要素により「平均値u±3×標準偏差σ」のように定義され、時系列データの平均値u=0.8であり、標準偏差σ=2.1である場合、正常値の範囲は「0.8±3×2.1」である。この場合、統計処理部222は、データ値yが下記に該当するデータを外れ値と判定する。
−外れ値−
y≧7.1
y≦−5.5
微分処理部224は、要素判定部の一例であり、時系列データを数値微分し、微分結果に基づいて時系列データの変化量の外れ値を判定する。例えば、微分判定に関するパラメータ要素が微分方法として前進差分を示し、前進差分による微分値の正常値の範囲が「平均値u±3×標準偏差σ」であり、微分値の平均値=0.1であり、標準偏差σ=5.3である場合、正常値の範囲は「0.1±3×5.3」である。この場合、微分処理部224は、微分値zが下記に該当するデータを外れ値と判定する。
−外れ値−
z≧16.0
z≦−15.8
例外判定部226は、要素判定部の一例であり、対象の時系列データと過去の時系列データを比較し、対象の時系列データの外れ値のうちで、過去の時系列データでも外れ値になる傾向にあるデータを、外れ値の判定から除外する。以下、図7および図8を参照し、より具体的に説明する。
異常データ検出部230は、判定部220により得られた各パラメータについての判定結果に基づいて、時系列データから異常データを検出する。例えば、異常データ検出部230は、時系列データ中の各データについて、判定部220により異常判定フラグが設定されたパラメータの数をカウントし、カウント値が多いデータを異常データとして検出する。まず、異常判定フラグが設定されたパラメータの数のカウントについて説明する。
補正部240は、異常データ検出部230により検出された異常データを時系列データから除外し、時系列データを補正する。例えば、補正部240は、異常データの前後のデータを用いて線形補間を行うことにより時系列データを補正する。以下、図11〜図13を参照し、データ補間について具体的に説明する。
(4.4+0)/2=2.2
以上、本実施形態による異常データ検出装置20の構成を説明した。続いて、図14を参照し、本実施形態による異常データ検出装置20の動作を整理する。
以上、本発明の実施形態を説明した。上述した異常データの検出や異常データの補正などの情報処理は、ソフトウェアと、以下に説明する異常データ検出装置20のハードウェアとの協働により実現される。
以上説明したように、本実施形態による異常データ検出装置20は、各データについて複数のパラメータに従った異常判定を行い、異常判定フラグが設定されたパラメータのカウント値の閾値処理を行う。このため、確率分布モデルからの逸脱の度合いが大きいデータ、または変化量の度合が大きいデータほどカウント値が多くなり、かつ、例外パターンに合致するデータは異常の判定から除外されるので、より正確に異常データを検出することが可能となる。
14 時系列データ記憶部
16 異常データ記憶部
18 補正データ記憶部
20 異常データ検出装置
220 判定部
222 統計処理部
224 微分処理部
226 例外判定部
230 異常データ検出部
240 補正部
Claims (10)
- 時系列データを構成する各データについて、複数の異常判定基準による判定を行い、前記複数の異常判定基準の各々による判定結果を得る判定部と、
前記各データについて前記判定部により異常という判定結果が得られた異常判定基準の数に基づき、前記時系列データから異常データを検出する検出部とを有し、
前記複数の異常判定基準の各々は複数の判定基準要素の組合せであり、
前記検出部は、前記複数の判定基準要素の各々により判定を行う複数の要素判定部を含み、該複数の要素判定部は、前記時系列データを構成する各データと、当該各データに対応する過去の時系列データを構成する各データとを比較し、前記時系列データを構成する各データと前記過去の時系列データを構成する各データとの類似度に基づいて異常判定を行うものであり、かつ前記時系列データの外れ値のうちで、過去の時系列データを含む全ての時系列データの半数以上で外れ値と判定されるデータを異常の判定から除外することを特徴とする、異常検出装置。 - 前記複数の要素判定部は、設定された確率分布モデルから前記各データが逸脱するか否かを判定する要素判定部を含む、請求項1に記載の異常検出装置。
- 前記複数の要素判定部は、前記時系列データを数値微分し、各データについての微分値が外れ値であるか否かを判定する要素判定部を含む、請求項1または2に記載の異常検出装置。
- 前記検出部は、前記各データのうちで、前記判定部により異常という判定結果が得られた異常判定基準の数が多い方から所定数のデータを前記異常データとして検出する、請求項1〜3のいずれか一項に記載の異常検出装置。
- 前記異常検出装置は、前記検出部により検出された前記異常データを補正する補正部をさらに備える、請求項1〜4のいずれか一項に記載の異常検出装置。
- 前記補正部は、前記異常データの前後のデータを用いて補間を行うことより前記異常データを補正する、請求項5に記載の異常検出装置。
- 前記時系列データを構成する各データは、金融機関における単位期間あたりの取引集計量である、請求項1〜6のいずれか一項に記載の異常検出装置。
- 前記時系列データを構成する各データは、金融機関の1つの自動取引装置における単位期間あたりの取引集計量である、請求項7に記載の異常検出装置。
- コンピュータを、
時系列データを構成する各データについて、複数の異常判定基準による判定を行い、前記複数の異常判定基準の各々による判定結果を得る判定部と、
前記各データについて前記判定部により異常という判定結果が得られた異常判定基準の数に基づき、前記時系列データから異常データを検出する検出部とを有し、
前記複数の異常判定基準の各々は複数の判定基準要素の組合せであり、
前記検出部は、前記複数の判定基準要素の各々により判定を行う複数の要素判定部を含み、該複数の要素判定部は、前記時系列データを構成する各データと、当該各データに対応する過去の時系列データを構成する各データとを比較し、前記時系列データを構成する各データと前記過去の時系列データを構成する各データとの類似度に基づいて異常判定を行うものであり、かつ前記時系列データの外れ値のうちで、過去の時系列データを含む全ての時系列データの半数以上で外れ値と判定されるデータを異常の判定から除外することを特徴とする、異常検出装置として機能させるための、プログラム。 - コンピュータが、時系列データを構成する各データについて、複数の異常判定基準による判定を行い、前記複数の異常判定基準の各々による判定結果を得ることと、
前記コンピュータが、前記各データについて異常という判定結果が得られた異常判定基準の数に基づき、前記時系列データから異常データを検出することと、
を含み、
前記複数の異常判定基準の各々は複数の判定基準要素の組合せであり、
前記検出することは、前記複数の判定基準要素の各々により判定を行うことを含み、当該判定は、前記時系列データを構成する各データと、当該各データに対応する過去の時系列データを構成する各データとを比較し、前記時系列データを構成する各データと前記過去の時系列データを構成する各データとの類似度に基づいて異常判定を行うものであり、かつ前記時系列データの外れ値のうちで、過去の時系列データを含む全ての時系列データの半数以上で外れ値と判定されるデータを異常の判定から除外することを特徴とする、異常判定方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2012071325A JP5875430B2 (ja) | 2012-03-27 | 2012-03-27 | 異常検出装置、プログラムおよび異常検出方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2012071325A JP5875430B2 (ja) | 2012-03-27 | 2012-03-27 | 異常検出装置、プログラムおよび異常検出方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2013205894A JP2013205894A (ja) | 2013-10-07 |
JP5875430B2 true JP5875430B2 (ja) | 2016-03-02 |
Family
ID=49524965
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2012071325A Active JP5875430B2 (ja) | 2012-03-27 | 2012-03-27 | 異常検出装置、プログラムおよび異常検出方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP5875430B2 (ja) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7000738B2 (ja) * | 2017-08-22 | 2022-01-19 | 富士電機株式会社 | 品質監視システム及びプログラム |
JP7188949B2 (ja) * | 2018-09-20 | 2022-12-13 | 株式会社Screenホールディングス | データ処理方法およびデータ処理プログラム |
JP7188950B2 (ja) | 2018-09-20 | 2022-12-13 | 株式会社Screenホールディングス | データ処理方法およびデータ処理プログラム |
WO2022049701A1 (ja) * | 2020-09-03 | 2022-03-10 | 三菱電機株式会社 | 機器分析装置、機器分析方法および機器分析プログラム |
CN117081909B (zh) * | 2023-10-18 | 2024-02-27 | 联通在线信息科技有限公司 | 异常宽带修正方法、装置、电子设备及存储介质 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0764965A (ja) * | 1993-08-30 | 1995-03-10 | Hitachi Ltd | 販売量予測方法 |
JPH08220278A (ja) * | 1995-02-10 | 1996-08-30 | Toshiba Eng Co Ltd | プラント監視装置及び監視方法 |
JPH11102481A (ja) * | 1997-09-25 | 1999-04-13 | Toshiba Corp | 自動取引装置の群管理方法および群管理装置 |
JP4801452B2 (ja) * | 2006-01-19 | 2011-10-26 | 三菱重工業株式会社 | ガスタービンにおける異常監視方法及び装置 |
JP2011100211A (ja) * | 2009-11-04 | 2011-05-19 | Sharp Corp | 異常判定装置、異常判定方法、異常判定プログラム、および、このプログラムを記録したプログラム記録媒体 |
-
2012
- 2012-03-27 JP JP2012071325A patent/JP5875430B2/ja active Active
Also Published As
Publication number | Publication date |
---|---|
JP2013205894A (ja) | 2013-10-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20210349455A1 (en) | System and method for monitoring manufacturing | |
CN108228377B (zh) | 一种面向磁盘故障检测的smart阈值优化方法 | |
JP5875430B2 (ja) | 異常検出装置、プログラムおよび異常検出方法 | |
JP6555061B2 (ja) | クラスタリングプログラム、クラスタリング方法、および情報処理装置 | |
JP2017072882A (ja) | アノマリ評価プログラム、アノマリ評価方法、および情報処理装置 | |
CN109241997B (zh) | 一种生成训练集的方法及装置 | |
WO2016075915A1 (ja) | ログ分析システム、ログ分析方法およびプログラム記録媒体 | |
US20220035356A1 (en) | Equipment failure diagnosis support system and equipment failure diagnosis support method | |
JP2019036186A (ja) | 異常検知モデル構築装置、異常検知モデル構築方法及びプログラム | |
CN111832880B (zh) | 对正在进行的生产批运行的质量指示符的计算机实现的确定 | |
JP2018206316A (ja) | プラント運転監視システム及びプラント運転監視方法 | |
JP2018169994A (ja) | 情報処理装置、情報処理方法およびコンピュータプログラム | |
WO2018122890A1 (ja) | ログ分析方法、システムおよびプログラム | |
JP7167992B2 (ja) | ラベル修正装置 | |
WO2019030945A1 (ja) | 原因推定方法およびプログラム | |
JP2013041491A (ja) | 異常診断装置 | |
US20100017010A1 (en) | Monitoring a process sector in a production facility | |
JP5532782B2 (ja) | トレーサビリティシステムおよび製造工程異常検出方法 | |
JP6290777B2 (ja) | データ関連情報処理装置及びプログラム | |
JP2007164346A (ja) | 決定木変更方法、異常性判定方法およびプログラム | |
WO2018122889A1 (ja) | 異常検出方法、システムおよびプログラム | |
EP3726317B1 (en) | Computer-implemented determination of a quality indicator of a production batch-run of a production process | |
JP2008198123A (ja) | 障害検知システム及び障害検知プログラム | |
JP2022132848A (ja) | 稼働監視装置、及び稼働監視方法 | |
CN113761082A (zh) | 一种数据可视化方法、装置和系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20141117 |
|
A711 | Notification of change in applicant |
Free format text: JAPANESE INTERMEDIATE CODE: A711 Effective date: 20150415 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20150908 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20151006 |
|
A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20151203 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20151222 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20160119 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 5875430 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |