JP6355849B2 - 時系列データ処理装置 - Google Patents
時系列データ処理装置 Download PDFInfo
- Publication number
- JP6355849B2 JP6355849B2 JP2017530518A JP2017530518A JP6355849B2 JP 6355849 B2 JP6355849 B2 JP 6355849B2 JP 2017530518 A JP2017530518 A JP 2017530518A JP 2017530518 A JP2017530518 A JP 2017530518A JP 6355849 B2 JP6355849 B2 JP 6355849B2
- Authority
- JP
- Japan
- Prior art keywords
- leg
- vibration data
- leg vibration
- time
- data
- 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
- 238000012545 processing Methods 0.000 title claims description 43
- 238000000605 extraction Methods 0.000 claims description 72
- 230000001174 ascending effect Effects 0.000 claims description 48
- 238000013075 data extraction Methods 0.000 claims description 29
- 239000000284 extract Substances 0.000 claims description 18
- 238000012800 visualization Methods 0.000 claims description 16
- 230000014509 gene expression Effects 0.000 description 35
- 238000000034 method Methods 0.000 description 18
- 238000010586 diagram Methods 0.000 description 17
- 230000005856 abnormality Effects 0.000 description 16
- 230000000630 rising effect Effects 0.000 description 15
- 238000013480 data collection Methods 0.000 description 14
- 230000015654 memory Effects 0.000 description 6
- 230000000694 effects Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 2
- 230000008094 contradictory effect Effects 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 229910000831 Steel Inorganic materials 0.000 description 1
- 238000004378 air conditioning Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000010865 sewage Substances 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Tourism & Hospitality (AREA)
- Data Mining & Analysis (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Physics (AREA)
- Mathematical Optimization (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Algebra (AREA)
- Primary Health Care (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Probability & Statistics with Applications (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Train Traffic Observation, Control, And Security (AREA)
Description
これらの制御システムでは、各種の装置に取り付けられているセンサのセンサ値である観測値を例えば一定時間毎に取得することで、各時刻の観測値が並べられている時系列データを蓄積する機能を有していることがある。
また、証券取引所での株価、会社の売上高などを取り扱う情報システムにおいても、株価や売上高などを観測値として、例えば一定時間毎に取得することで、各時刻の観測値が並べられている時系列データを蓄積する機能を有していることがある。
例えば、株価などの観測値では、絶えず上下に変動するが、局所的に小さく上下に変動しても、大域的には上昇の傾向を示す観測値が並んでいる部分時系列(以下、「上昇レグ」と称する)や、下降の傾向を示す観測値が並んでいる部分時系列(以下、「下降レグ」と称する)が存在する。
蓄積されている時系列データの中から、上昇レグ及び下降レグを抽出するレグ検索技術は、例えば、以下の非特許文献1に開示されている。
例えば、プラント設備の異常として、設備のバタツキ現象やハンチング現象などを検知することがあるが、単に上昇レグや下降レグを抽出しても、観測値の振動状況を的確に把握することが困難であるため、容易に設備のバタツキ現象やハンチング現象などを検知することができない。
これに対して、レグ振動列は上昇レグと下降レグが交互に出現するレグの系列であるため、観測値の振動状況を容易に把握することができる。このため、設備のバタツキ現象やハンチング現象などを検知する上で、レグ振動列は重要な指標となる。
図1はこの発明の実施の形態1による時系列データ処理装置を示す構成図である。また、図2はこの発明の実施の形態1による時系列データ処理装置を示すハードウェア構成図である。
図1及び図2において、時系列データ収集部1は例えば外部から送信されたデータを受信する通信装置21、あるいは、USBポートなどの入出力ポートを備えた入出力装置22で実現されるものであり、制御システムや情報システムなどで観測された各時刻の観測値が並べられている時系列データを収集する処理を実施する。
時系列データ収集部1により収集された時系列データは、例えば、RAMやハードディスクなどからなる主記憶装置23又は外部記憶装置24に記憶される。
ここで、時刻の経過に伴って上昇傾向を示す観測値が並んでいる部分時系列とは、局所的に小さく上下に変動しても、大域的には上昇の傾向を示す観測値が並んでいる部分時系列のことを意味する。
また、時刻の経過に伴って下降傾向を示す観測値が並んでいる部分時系列とは、局所的に小さく上下に変動しても、大域的には下降の傾向を示す観測値が並んでいる部分時系列のことを意味する。
データベース登録部4は例えば演算装置25で実現されるものであり、レグ振動列特定部3により特定されたレグ振動列の開始時点の観測時刻と、そのレグ振動列に含まれているレグの振幅と、レグ振動列特定部3により計数された振動数及びウインドウサイズとの組をレグ振動データとしてデータベース5のテーブルLVに登録する処理を実施する。
データベース5は主記憶装置23又は外部記憶装置24で実現されるものであり、レグ振動列の開始時点の観測時刻、レグの振幅、振動数及びウインドウサイズの組をレグ振動データとして、テーブルLVに格納する。
振幅極小レグ抽出部7は例えば演算装置25で実現されるものであり、データベース5のテーブルLVに登録されているレグ振動データの中で、振動数が同じレグ振動データを振幅でグループ分けする。
また、振幅極小レグ抽出部7は、グループ毎に、当該グループに属するレグ振動データのウインドウサイズを比較することで、当該グループに属するレグ振動データの中から、いずれか1つのレグ振動データを抽出し、その抽出したレグ振動データをデータベース5のテーブルMLVに登録する処理を実施する。
例えば、当該グループに属する1つ以上のレグ振動データ、即ち、振幅が同一である1つ以上のレグ振動データのウインドウサイズを比較して、1つ以上のレグ振動データの中から、ウインドウサイズが最も小さいレグ振動データを抽出し、その抽出したレグ振動データをデータベース5のテーブルMLVに登録する。
また、振動数極小レグ抽出部8は、グループ毎に、当該グループに属するレグ振動データのウインドウサイズを比較することで、当該グループに属するレグ振動データの中から、いずれか1つのレグ振動データを抽出し、その抽出したレグ振動データをデータベース5のテーブルMLVに登録する処理を実施する。
例えば、当該グループに属する1つ以上のレグ振動データ、即ち、振動数が同一である1つ以上のレグ振動データのウインドウサイズを比較して、1つ以上のレグ振動データの中から、ウインドウサイズが最も小さいレグ振動データを抽出し、その抽出したレグ振動データをデータベース5のテーブルMLVに登録する。
また、レグ振動データ検索部9は検索条件に合致するレグ振動データの中で、振幅、振動数及びウインドウサイズが同じレグ振動データの個数である総出現数を計数する処理を実施する。
図3は時系列データ処理装置がコンピュータで構成される場合のハードウェア構成図である。
時系列データ処理装置がコンピュータで構成される場合、データベース5をコンピュータのメモリ41上に構成するとともに、時系列データ収集部1、レグ抽出部2、レグ振動列特定部3、データベース登録部4、レグ振動データ抽出部6、レグ振動データ検索部9及び視覚化部10の処理内容を記述しているプログラムをコンピュータのメモリ41に格納し、コンピュータのプロセッサ42がメモリ41に格納されているプログラムを実行するようにすればよい。
図4はこの発明の実施の形態1による時系列データ処理装置の処理内容を示すフローチャートである。
時系列データXは、m個の観測値が観測時刻順に並べられている順序リスト{x1,x2,・・・,xm}であり、以下、時系列データXのi番目の観測値xiをX[i]のように表記する。
添え字のiは、1≦i≦mを満たす整数であり、「時点」と呼ばれる。また、mは時系列データXに含まれている観測値のデータ数であり、m個の観測値が並べられている時系列データXの長さは、length(m)で表される。
図5(a)において、縦軸は時系列データXを構成している観測値X[i]を示し、横軸は観測値X[i]の時点iを示している。
また、部分列X[i:j]の開始時点pをstart(X[i:j])、部分列X[i:j]の終了時点qをend(X[i:j])のように表記する。
部分列X[i:j]の長さは、j−i+1になる。この部分列の長さは、部分列の開始時点と終了時点の範囲を示すものであり、以下、「ウインドウサイズ」と称する。
図5(b)では、図5(a)に示す時系列データにおいて、i=11、j=19の場合の部分列を示している。
特に図6(a)はレグの一例を示し、図6(b)はレグとなる例とレグとならない例を示している。
レグは、局所的に小さな上下変動があっても、大域的には上昇又は下降している部分列を意味する。
即ち、上昇レグの場合、部分列の開始時点の観測値より部分列の終了時点の観測値の方が大きい。また、開始時点と終了時点の間の全ての観測値は、部分列の開始時点の観測値以上であり、かつ、部分列の終了時点の観測値以下である。
一方、下降レグの場合、部分列の開始時点の観測値より部分列の終了時点の観測値の方が小さい。また、開始時点と終了時点の間の全ての観測値は、部分列の開始時点の観測値以下であり、かつ、部分列の終了時点の観測値以上である。
これに対して、部分列33は、開始時点の観測値33aより終了時点の観測値33bが大きいが、開始時点と終了時点との間の観測値33cが、開始時点の観測値33aより小さいため、上昇レグではない。
以下、レグを形式的に定義する。
例えば、部分列であるX[p:q]が、下記の条件式(1)(2)のうち、いずれかの条件式を満足する場合、部分列X[p:q]を単調レグと称する。
条件式(1)
p+1≦i≦q−1を満たす全てのiに対して、
X[i−1]<X[i]<X[i+1]
条件式(2)
p+1≦i≦q−1を満たす全てのiに対して、
X[i−1]>X[i]>X[i+1]
例えば、部分列であるX[p:q]が、下記の条件式(3)(4)のうち、いずれかの条件式を満足する場合、部分列X[p:q]をレグと称する。特に条件式(3)を満足する場合、部分列X[p:q]を上昇レグと称し、条件式(4)を満足する場合、部分列X[p:q]を下降レグと称する。
条件式(3)
p≦i≦qを満たす全てのiに対して、
X[p]≦X[i]≦X[q]
条件式(4)
p≦i≦qを満たす全てのiに対して、
X[p]≧X[i]≧X[q]
また、下降レグは、単調レグのように、部分列X[p:q]の開始時点pから終了時点qに至るまで、観測値X[i]が必ずしも単調に下降するものではないが、開始時点pと終了時点qの間の全ての観測値X[i]が、開始時点pの観測値X[p]以下の値を有し、かつ、終了時点qの観測値X[q]以上の値を有する部分列である。
例えば、部分列であるX[p:q]が上昇レグであり、かつ、下記の条件式(5)〜(8)を満足する場合、部分列X[p:q]は極大上昇レグと称する。
条件式(5)
p<i≦qを満たす全てのiに対して、
X[p]<X[i]
条件式(6)
p≦i<qを満たす全てのiに対して、
X[i]<X[q]
条件式(7)
X[p−1]≧X[p]
条件式(8)
X[q]≧X[q+1]
ただし、X[p−1]又はX[q+1]が存在しない場合、条件式(7)又は条件式(8)は条件に含めない。
条件式(9)
p<i≦qを満たす全てのiに対して、
X[p]>X[i]
条件式(10)
p≦i<qを満たす全てのiに対して、
X[i]>X[q]
条件式(11)
X[p−1]≦X[p]
条件式(12)
X[q]≦X[q+1]
ただし、X[p−1]又はX[q+1]が存在しない場合、条件式(11)又は条件式(12)は条件に含めない。
amp(X[p:q])=abs(X[q]−X[p])(13)
式(13)において、abs(A)はAの絶対値を返す関数である。
また、レグの符号sign(X[p:q])は、下記の式(14)に示すように表され、符号が正であれば上昇レグであり、符号が負であれば下降レグである。
sign(X[p:q])=sign(X[q]−X[p]) (14)
式(14)において、sign(A)はAの符号を返す関数である。
図6(b)において、34は上昇レグ31の振幅であり、35は上昇レグ32の振幅である。
図7(a)は上昇レグの次に下降レグが出現するレグ振動列の例を示しており、この場合の振動数は2である。
図7(b)は下降レグの次に上昇レグが出現するレグ振動列の例を示しており、この場合の振動数は−2である。
図7(c)は上昇レグ、下降レグ、上昇レグ、下降レグ、上昇レグ、下降レグ、上昇レグの順番でレグが出現しているレグ振動列の例を示しており、この場合の振動数は7である。
以下、レグ振動列と振動数とを定義する。
例えば、X1,X2,・・・,Xnが極大レグであるとき、下記の条件式(15)〜(17)を満足する場合、レグの系列s=[X1,X2,・・・,Xn]は、振幅aのレグ振動列と称する。また、レグ振動列を構成するレグの数をlength(s)のように表記する。aは正の実数である。
条件式(15)
1≦i≦n−1を満たす全てのiに対して、
end(Xi)≦start(Xi+1)
条件式(16)
amp(Xi)≧a
条件式(17)
amp(Xi)・amp(Xi+1)<0
ここで、レグ振動列の符号sign、開始時点start、終了時点end、末尾レグlastを、レグ振動列の先頭のレグX1と、レグ振動列の末尾のレグXnとを用いて、以下の式(18)〜(21)のように定義する。
sign(s)=sign(X1) (18)
start(s)=start(X1) (19)
end(s)=end(Xn) (20)
last(s)=Xn (21)
例えば、時系列データがX、振幅がa以上、ウインドウサイズがw、時点がtであるとき、下記の条件式(22)(23)を満足する振幅a以上のレグ振動列sの集合をレグ振動列集合S(X,a,w,t)と称する。
条件式(22)
t≦start(s)
条件式(23)
end(s)≦t+w−1
[補題:最長レグ振動列の符号の同一性]
レグ振動列集合S(X,a,w,t)において、最大の長さをもつレグ振動列は、互いに同符号である。
[証明]
レグ振動列s=[Xs1,Xs2,・・・,Xsn]、レグ振動列u=[Xu1,Xu2,・・・,Xun]は、最大の長さをもつレグ振動列であり、かつ、レグ振動列sとレグ振動列uは、符号が異なるレグ振動列と仮定する。
以下、この仮定が矛盾することを証明する。ここでは、便宜上、レグ振動列sの符号を正、レグ振動列uの符号を負として説明するが、このように符号を決めても一般性は失われない。
もし、start(Xs1)<start(Xu1)<end(Xs1)<end(Xu1)であるとすると、
レグ振動列sは符号が正であり、レグ振動列sは極大上昇レグであるから、X[start(Xu1)]<X[end(Xs1)]を満たし、
レグ振動列uは符号が負であり、レグ振動列uは極大下降レグであるから、X[start(Xu1)]>X[end(Xs1)]を満たすので、矛盾する。
start(Xu1)<start(Xs1)<end(Xu1)<end(Xs1)の場合も同様に矛盾する。
したがって、end(Xs1)≦start(Xu1)、または、end(Xu1)≦start(Xs1)でなければならない。
もし、end(Xs1)≦start(Xu1)であれば、[Xs1,Xu1,・・・,Xun]は、長さn+1のレグ振動列になり、レグ振動列sとレグ振動列uが最大の長さをもつことに矛盾する。
また、end(Xu1)≦start(Xs1)であれば、[Xu1,Xs1,・・・,Xsn]は、長さn+1のレグ振動列になり、レグ振動列sとレグ振動列uが最大の長さをもつことに矛盾する。
このため、先頭レグXs1と先頭レグXu1の符号は同じでなければならい。レグ振動列の符号signの定義より、レグ振動列sとレグ振動列uは同符号になる。
例えば、レグ振動列集合がS(X,a,w,t)であるとき、レグ振動数FX,a,w(t)を下記の式(24)のように定義する。
FX,a,w(t)=sign(lmax)×length(lmax) (24)
lmax=argmaxl∈S(X,a,w,t)length(l)
ただし、argmaxは、length(l)が最大となるような定義域の元の集合を示す記号である。即ち、lmaxは、レグ振動列集合S(X,a,w,t)の中で、最大の長さをもつレグ振動列を示している。
上記の補題では、最大の長さをもつレグ振動数が複数ある場合でも、sign(lmax)は一意に決まることを示しているので、レグ振動数を矛盾なく定義できている。
レグ振動数は、時点tから始まるウインドウサイズwの部分列における上下振動の振る舞いを定量化しているものである。即ち、レグ振動数の絶対値が大きくなるほど、高頻度で振動していることを意味しており、また、振幅aが大きくなるほど、大きな振幅で振動していることを意味している。
また、レグ振動数の符号が正の場合は、振動が上昇から始まることを示しており、レグ振動数の符号が負の場合は、振動が下降から始まることを示している。
また、レグ振動数が2の場合、先頭レグが振幅a以上で上昇するレグであって、先頭レグに続くレグが、振幅a以上で下降するレグがあるため、時点tから始まるウインドウサイズwの部分列に凸型のピーク形状があることを意味する。
レグ振動数が−2の場合、先頭レグが振幅a以上で下降するレグであって、先頭レグに続くレグが、振幅a以上で上昇するレグがあるため、時点tから始まるウインドウサイズwの部分列に凹型の上下振動があることを意味する。設備の異常を検知するルールとして、ある一定以上の振幅のピークを検出する条件、具体的には、凸型のピーク形状や凹型の上下振動が存在する条件を用いることが多いので、レグ振動数が2や−2の部分列を検出することは、設備の異常を検知する上で有用である。
また、レグ振動数が4の場合は、振幅がa以上の上昇レグ、下降レグ、上昇レグ、下降レグが順番に出現するパターンを意味する。設備の異常を検知するルールとして、レグ振動数の絶対値が4以上である条件を用いることがよくあり、レグ振動数が4の部分列を検出することも、設備の異常を検知する上で有用である。
図8(a)の時系列データは、下記の非特許文献2に開示されているスペースシャトルのマロッタバルブのデータである。
[非特許文献2]
Keogh, E., Zhu, Q., Hu, B., Hao. Y., Xi, X., Wei, L. & Ratanamahatana, C. A. (2011). The UCR Time Series Classification/Clustering Homepage:
この時系列データの中には、振幅が4程度で、時点数が400程度の凸形状の大きなパターン(図中、点線枠で示す(A)の部分)が存在する。
また、振幅が1.5から2程度で、時点数が30から50程度の上昇下降パターン(図中、点線枠で示す(B)の部分)が存在し、凸形状の大きなパターンの後ろにある振幅が1程度で、時点数が50程度の凸形状のパターン(図中、点線枠で示す(C)の部分)が存在する。
例えば、制御システムにおけるセンサ値である観測値の異常検知では、通常存在する(A)〜(C)のようなパターンを抽出し、それらのパターン同士で形状を比較することが重要になる。そのため、レグの振幅、振動数、ウインドウサイズを検索条件とする時系列データの検索は応用上重要である。
レグ振動データは、レグ振動列の開始時点の観測時刻(開始時刻)、レグの振幅、振動数、ウインドウサイズから構成されている。
例えば、テーブルLVの1行目は、「時刻101から始まる長さ217のウインドウには、振幅4.25以上の上昇レグが存在している」ことを意味している。
同様に、テーブルLVの2行目は、「時刻101から始まる長さ153のウインドウには、振幅2.25以上の上昇レグと下降レグと上昇レグからなるレグ系列が存在している」ことを意味している。
また、テーブルLVの8行目は、「時刻227から始まる長さ27のウインドウには、振幅2.25以上の下降レグと上昇レグからなるレグ系列が存在している」ことを意味している。
図9(a)はレグ振動データ検索部9によるレグ振動データの検索式の一例を示している。
検索式の構文と意味は、既存技術である関係データベースの検索言語SQLに従うものとするが、図9(a)では、レグ振動列の振動数が2(凸形状のパターン)であることを検索条件として、データベース5に登録されている複数のレグ振動データの中から、その検索条件に合致するレグ振動データを検索する例を示している。
図9(b)に示す検索結果では、レグ振動列の振動数が2であるレグ振動データの振幅とウインドウサイズを提示しているほか、総出現数count(*)を提示している。
この総出現数count(*)は、振幅、振動数及びウインドウサイズが同じレグ振動データの個数を意味するものである。この総出現数count(*)の計算は、後述するレグ振動データ検索部9で行われる。
例えば、図9(b)に示す検索結果の1行目は、振幅が4以上、ウインドウサイズが267の凸形状のパターンが1つあることを意味している。
また、2行目は、振幅が3.75以上、ウインドウサイズが299の凸形状のパターンが2つあることを意味している。
図10において、手前から左奥の軸(第1の軸)はレグの振幅を示し、手間から右奥の軸(第2の軸)はレグ振動データのウインドウサイズを示し、第1の軸と第2の軸の双方に直交している軸(第3の軸)はレグ振動データの総出現数count(*)を示している。
第1〜第3の軸を有する3次元グラフ上に、レグ振動データ検索部9により検索されたレグ振動データの振幅、ウインドウサイズ及び総出現数が表示される。
図10における(A)(B)(C)は、図8(a)に示されている(A)(B)(C)の部分に対応している。
振幅とウインドウサイズの二つの軸で、凸形状のパターンの頻度を見ることにより、時系列の凸形状パターンの分布の様子を一覧することができるようになる。
以下、図4のフローチャートを適宜参照しながら説明する。
時系列データ収集部1は、制御システムや情報システムなどで観測された各時刻の観測値X[i](1≦i≦m)が並べられている時系列データXを収集する(図4のステップST1)。即ち、時系列データ収集部1は、例えば、図5(a)や図8(a)に示すような時系列データXを収集する。
時系列データ収集部1により収集された時系列データXは、例えば、RAMやハードディスクなどからなる主記憶装置23又は外部記憶装置24に記憶される。
例えば、レグ抽出部2は、主記憶装置23又は外部記憶装置24に記憶されている時系列データXに対して、上昇レグ及び下降レグを抽出する範囲(時点の範囲)を初期設定し、その抽出する範囲をずらしながら、時系列データXから上昇レグ及び下降レグを抽出する。図8(a)に示すような時系列データXが収集される場合、例えば、時点0〜100程度の小さな抽出範囲が初期設定される。ただし、初期設定される抽出範囲は任意である。
このように、抽出する範囲をずらしながら、時系列データXから上昇レグ及び下降レグを抽出する場合、上昇レグや下降レグの開始時点や終了時点を容易に探索できるため、時系列データXの全体を抽出する範囲として、上昇レグ及び下降レグを抽出する場合よりも、上昇レグ及び下降レグの抽出処理を迅速に行うことができる。
ここでは、レグ抽出部2が、上昇レグ及び下降レグを抽出する範囲をずらしながら、時系列データXの中から、上昇レグ及び下降レグを抽出する例を示しているが、時系列データXの中から、上昇レグ及び下降レグを抽出するレグ検索技術は、上記の非特許文献1に開示されており、非特許文献1に開示されているレグ検索技術を用いて、時系列データXの中から、上昇レグ及び下降レグを抽出するようにしてもよい。
即ち、レグ振動列特定部3は、上記の条件式(15)〜(17)を満足するレグ振動列sを特定するが、例えば、振幅a以上、ウインドウサイズw、時点tが指定されると、上記の条件式(22)(23)を満足するレグ振動列集合S(X,a,w,t)の中で、最大の長さをもつ部分列をレグ振動列sとして抽出する。
以下、レグ振動列集合S(X,a,w,t)の中からレグ振動列sを抽出する動作を簡単に説明する。
レグ振動列特定部3は、図11(a)のサンプルコードの1行目から5行目において、時系列データXの時点t毎に、レグ振動列smaxを求め、そのレグ振動列smaxのレグ振動数FX,a,w(t)を求める。
即ち、レグ振動列特定部3は、図11(a)のサンプルコードの2行目において、長さ0のレグ振動列[]を引数として、図11(b)に示す“GetLegSeq_leftMost”の呼び出しを行うことで、開始時点tから終了時点t+w−1までのウインドウ内での最左レグ振動列smaxを求める。最左レグ振動列の定義は後述する。
レグ振動列特定部3は、最左レグ振動列smaxを求めると、図11(a)のサンプルコードの3行目において、その最左レグ振動列smaxの符号sign(smax)と長さlength(smax)から、レグ振動数FX,a,w(t)を求める。
レグ振動列特定部3は、サンプルコードの1行目において、引数であるレグ振動列sの後ろに最左レグ(最左レグは後述する)が存在するか否かを示すフラグ“exit_leg”に対して“false”を代入する。
次に、レグ振動列特定部3は、サンプルコードの2行目において、次の時点を示す“tnext”に対して、t+1からtendの時点を順番に代入し、サンプルコードの3行目において、変数lnextで示される後ろのレグ候補に対して部分列 X[t:tnext]を代入する。
また、レグ振動列特定部3は、サンプルコードの4行目、7行目〜8行目において、レグ候補lnextの振幅amp(lnext)がa以上であり、かつ、「レグ振動列sの末尾レグlast(s)の符号sign(last(s))」と「レグ候補lnextの符号sign(lnext)」の積が負ならば、レグ候補lnextが最左レグになるので、フラグ“exit_leg”に対して“true”を代入する。
レグ振動列特定部3は、for文を抜けた後、サンプルコードの15行目〜18行目において、フラグ“exit_leg”が“true”の場合、レグ振動列sの末尾にレグ候補lnextを追加し、レグ候補lnextを追加したレグ振動列をsnextに代入して、GetLegSeq_leftMost(snext ,tnext ,tend, X)を再帰的に呼び出し、その返り値をレグ振動列sに代入する。
最後に、レグ振動列特定部3は、サンプルコードの19行目において、レグ振動列sをsmaxとして、図11(a)に示す“GetLongestLegSeq”に返す。
[最左レグ振動列]
時系列データがX、振幅がa(正の実数値)以上、ウインドウサイズがw、時点がtであるとき、部分列X[t,t+w−1]内にある振幅a以上のレグの集合をLとする。
まず、レグ集合Lの中で、終了時点が最も早いレグをm1とする。続いて、振幅の符号がレグmiと異なり、レグmiより後ろにあるレグの中で、終了時点が最も早いレグをmi+1とする。即ち、下記の式(25)に示すように、再帰的にレグmi+1を選択する。
mi+1=argmaxl∈Liend(l) (25)
ただし、Li=def{l∈L |
start(l)≧end(mi) and
sign(l)×sign(mi)<0}
この操作を順に適用することで得られたレグの系列[m1,m2,・・・,mn]を部分列X[t,t+w−1]における最左レグ振動列と称する。
レグ振動列集合がS(X,a,w,t)であるとき、部分列X[t,t+w−1]における最左レグ振動列は、S(X,a,w,t)において、最大の長さをもつレグ振動列である。
[証明]
最左レグ振動列がs=[Xs1,Xs2,・・・,Xsn]で、最左レグ振動列sの長さがnであるとする。
また、最大の長さをもつ任意のレグ振動列がu=[Xu1,Xu2,・・・,Xum]で、レグ振動列uの長さがmであるとする。
このとき、n<mと仮定すると、矛盾することを示す。
レグXs1とレグXu1は、同符号であり、かつ、sが最左レグ振動列であることから、end(Xs1)≦end(Xu1)≦start(Xu2)が成立する。したがって、[Xs1,Xu2,・・・,Xum]は、長さmのレグ振動列になる。
同様に、sが最左レグ振動列であり、end(Xs2)≦end(Xu2)≦start(Xu3)であるから、[Xs1,Xs2,Xu3,・・・,Xum]は、長さmのレグ振動列になる。
もし、n<mと仮定すると、上記の操作をn回繰り返すことができるので、[Xs1,・・・,Xsn,Xun+1,・・・,Xum]は、レグ振動列になる。しかし、部分列X[end(sn):end(um)]において、レグXun+1と同符号の最左レグが存在するはずなので、sが最左レグ振動列であることに矛盾する。よって、定理は証明されている。
データベース登録部4は、レグ振動列特定部3により特定されたレグ振動列の開始時点の観測時刻と、そのレグ振動列に含まれているレグの振幅と、レグ振動列特定部3により計数された振動数及びウインドウサイズとの組をレグ振動データとしてデータベース5のテーブルLVに登録する(図4のステップST4)。
これにより、データベース5のテーブルLVには、図8(b)に示すように、レグ振動列の開始時点の観測時刻、レグの振幅、振動数及びウインドウサイズの組からなるレグ振動データが格納される。
即ち、レグ振動データ抽出部6の振幅極小レグ抽出部7は、データベース5のテーブルLVに登録されているレグ振動データの中で、振動数が同じレグ振動データを振幅でグループ分けし、グループ毎に、当該グループに属するレグ振動データのウインドウサイズを比較する。
そして、振幅極小レグ抽出部7は、グループ毎に、当該グループに属するレグ振動データ(振幅が同一である1つ以上のレグ振動データ)の中から、ウインドウサイズが最小のレグ振動データを抽出し、その抽出したレグ振動データをデータベース5のテーブルMLVに登録する(図4のステップST5)。
以下、振幅に関してウインドウサイズが最小のレグ振動データを定義する。即ち、振幅に関して極小なレグ振動列sに関するレグ振動データを定義する。
振幅に関してウインドウサイズが最小のレグ振動データを定義する前に、時系列データがX、レグ振動数がf、ウインドウサイズがw、時点がt、レグ振動列集合がS(X,a,w,t)であるときのレグ振幅AX,f,w(t)を、下記の式(26)のように定義する。
AX,f,w(t)=maxs∈(X,a,w,t)amp(s) (26)
例えば、レグ振動数がfである場合、下記の式(27)(28)を満たすレグ振動列sを振幅に関して極小なレグ振動列であるとする。
AX,f,w(t)>AX,f,w−1(t−1) (27)
AX,f,w(t)>AX,f,w−1(t) (28)
ただし、t=start(s)、w=end(s)−start(s)+1である。
したがって、式(27)(28)を満たすレグ振動列sに関するレグ振動データが、振幅に関してウインドウサイズが最小のレグ振動データである。
以下、振幅に関してウインドウサイズが最小のレグ振動データを求める動作を簡単に説明する。
振幅極小レグ抽出部7は、サンプルコードの1行目において、データベース5のテーブルMLVに格納されているレグ振動データを示す変数であるMLVに対して空集合{}を代入する。
次に、振幅極小レグ抽出部7は、サンプルコードの2行目において、ウインドウサイズのリストWから、ウインドウサイズwを順番に1つずつ取り出しを行う。
次に、振幅極小レグ抽出部7は、サンプルコードの3行目において、時点tに対して、1からwまでの値を順番に代入する。
次に、振幅極小レグ抽出部7は、サンプルコードの4行目から5行目において、図11(a)に示す“GetLongestLegSeq”を呼び出すことで、振幅a以上、ウインドウサイズwでのレグ振動列sを求める。
振幅極小レグ抽出部7は、サンプルコードの6行目から7行目において、レグ振動列sが極小なレグ振動列であれば、極小なレグ振動列に関するレグ振動データである(t,a,FX,a,w(t),w)をMLVに追加する。
そして、振動数極小レグ抽出部8は、グループ毎に、当該グループに属するレグ振動データ(振動数が同一である1つ以上のレグ振動データ)の中から、ウインドウサイズが最小のレグ振動データを抽出し、その抽出したレグ振動データをデータベース5のテーブルMLVに登録する(図4のステップST6)。
以下、振動数に関してウインドウサイズが最小のレグ振動データを定義する。即ち、振動数に関して極小なレグ振動列sに関するレグ振動データを定義する。
例えば、振幅がa以上である場合、下記の式(29)(30)を満たすレグ振動列sを振動数に関して極小なレグ振動列であるとする。
abs(FX,a,w(t))>abs(FX,a,w−1(t−1)) (29)
abs(FX,a,w(t))>abs(FX,a,w−1(t)) (30)
ただし、t=start(s)、w=end(s)−start(s)+1である。
したがって、式(29)(30)を満たすレグ振動列sに関するレグ振動データが、振動数に関してウインドウサイズが最小のレグ振動データである。
図8(b)はレグ振動データが登録されているデータベース5のテーブルLVであるが、説明の便宜上、図8(b)が、振幅極小レグ抽出部7及び振動数極小レグ抽出部8により抽出されたレグ振動データが登録されているデータベース5のテーブルMLVであるとすると、例えば、検索条件が“振動数=3”であれば、開始時刻が101、振幅が2.25以上、ウインドウサイズが153であるレグ振動データを検索する。
また、検索条件が“振動数=−2”であれば、開始時刻が227、振幅が2.25以上、ウインドウサイズが27であるレグ振動データを検索する。
ここでは、検索条件が振動数である例を示しているが、検索条件が振動数に限るものではなく、検索条件が開始時刻、振幅又はウインドウサイズであってもよい。
また、検索条件が複数あってもよく、開始時刻、振幅、振動数、ウインドウサイズの全部又は一部のAND条件であってもよい。
なお、検索条件は、レグ振動データ検索部9に事前に設定されているものであってもよいし、外部から与えられるものであってもよい。
図9(b)はレグ振動データ検索部9の検索結果の一例を示している。
図9(b)では、例えば、振幅が4以上、ウインドウサイズが267であるレグ振動データが1個検索され、振幅が3.75以上、ウインドウサイズが299であるレグ振動データが2個検索されていることを示している。
これにより、例えば、既存のSQL言語などを用いて、レグ振動データの開始時点、ウインドウサイズ、振幅、振動数を自由に指定した検索が可能になる。
上記実施の形態1では、レグ振動データ抽出部6の振幅極小レグ抽出部7及び振動数極小レグ抽出部8が、データベース5のテーブルLVに登録されているレグ振動データの中から、必要なレグ振動データを抽出するものを示したが、レグ振動データ抽出部6が振幅極小レグ抽出部7及び振動数極小レグ抽出部8のほかに、後述する振幅極大レグ抽出部11及び振動数極大レグ抽出部12を含んでおり、振幅極小レグ抽出部7、振動数極小レグ抽出部8、振幅極大レグ抽出部11及び振動数極大レグ抽出部12が、データベース5のテーブルLVに登録されているレグ振動データの中から、必要なレグ振動データを抽出するようにしてもよい。
振幅極大レグ抽出部11は例えば演算装置25で実現されるものであり、データベース5のテーブルLVに登録されているレグ振動データの中で、観測時刻の全部又は一部が共通である1つ以上のレグ振動データを抽出する。即ち、或る大きさの時点の範囲に存在している1つ以上のレグ振動データを抽出する。
振幅極大レグ抽出部11は、抽出した1つ以上のレグ振動データの振幅を比較することで、いずれか1つのレグ振動データを抽出し、その抽出したレグ振動データをデータベース5のテーブルMLVに登録する処理を実施する。
例えば、観測時刻の全部又は一部が共通である1つ以上のレグ振動データの振幅を比較して、1つ以上のレグ振動データの中から、振幅が最も大きいレグ振動データを抽出し、その抽出したレグ振動データをデータベース5のテーブルMLVに登録する。
振動数極大レグ抽出部12は、抽出した1つ以上のレグ振動データの振動数を比較することで、いずれか1つのレグ振動データを抽出し、その抽出したレグ振動データをデータベース5のテーブルMLVに登録する処理を実施する。
例えば、観測時刻の全部又は一部が共通である1つ以上のレグ振動データの振動数を比較して、1つ以上のレグ振動データの中から、振動数が最も大きいレグ振動データを抽出し、その抽出したレグ振動データをデータベース5のテーブルMLVに登録する。
時系列データ処理装置がコンピュータで構成される場合、データベース5を図3に示すコンピュータのメモリ41上に構成するとともに、時系列データ収集部1、レグ抽出部2、レグ振動列特定部3、データベース登録部4、レグ振動データ抽出部6、レグ振動データ検索部9及び視覚化部10の処理内容を記述しているプログラムをコンピュータのメモリ41に格納し、コンピュータのプロセッサ42がメモリ41に格納されているプログラムを実行するようにすればよい。
図14はこの発明の実施の形態2による時系列データ処理装置の処理内容を示すフローチャートである。
図15(a)は観測時刻の全部又は一部が共通である複数のレグ振動データのうち、即ち、観測時刻が例えば1230〜1520程度の範囲に存在している複数のレグ振動データのうち、データベース5のテーブルMLVに登録する1つのレグ振動データを抽出する処理を示している。
図15(a)の例では、振幅が1の凸片形状パターンのレグ振動データと、振幅が3の凸片形状パターンのレグ振動データとが存在しており、振幅が1の凸片形状パターンより、振幅が3の凸片形状パターンの方が、振幅が大きいので、振幅が3の凸片形状パターンが振幅極大レグであると判断して、振幅が3の凸片形状パターンのレグ振動データをデータベース5のテーブルMLVに登録するレグ振動データとして抽出する。
この場合、振幅極大レグではない振幅が1の凸片形状パターンのレグ振動データは、データベース5のテーブルMLVに登録されない。
図16はレグ振動データ抽出部6により抽出された振幅極大レグの視覚化例を示す説明図である。
図16の例では、図8(a)における(A)の部分のパターンがクリアに抽出されている。
振幅極大レグ抽出部11及び振動数極大レグ抽出部12が追加されている点以外は、上記実施の形態1と同様であるため、ここでは、主に振幅極大レグ抽出部11及び振動数極大レグ抽出部12の処理内容を説明する。
振幅極大レグ抽出部11は、1つ以上のレグ振動データを抽出すると、その抽出した1つ以上のレグ振動データの振幅を比較する。
図15(a)の例では、ウインドウサイズが1230〜1520程度の範囲に、2つのレグ振動データ(振幅が1の凸片形状パターンのレグ振動データ、振幅が3の凸片形状パターンのレグ振動データ)が存在しているので、2つのレグ振動データの振幅を比較する。
図15(a)の例では、振幅が3の凸片形状パターンが振幅極大レグであると判断して、データベース5のテーブルLVから、振幅が3の凸片形状パターンのレグ振動データが抽出される。
振動数極大レグ抽出部12は、1つ以上のレグ振動データを抽出すると、その抽出した1つ以上のレグ振動データの振動数を比較する。
振動数極大レグ抽出部12は、観測時刻の全部又は一部が共通である1つ以上のレグ振動データの中から、振動数が最も大きいレグ振動データを抽出し、その抽出したレグ振動データをデータベース5のテーブルMLVに登録する(図14のステップST12)。
視覚化部10は、例えば、図16に示すように、第1の軸が振幅、第2の軸がウインドウサイズ、第3の軸が総出現数である3次元グラフ上に、レグ振動データ検索部9により検索されたレグ振動データの振幅、ウインドウサイズ及び総出現数を表示する(図14のステップST8)。
また、データベース5のテーブルLVに登録されているレグ振動データのうち、観測時刻の全部又は一部が共通である1つ以上のレグ振動データの振動数を比較することで、観測時刻の全部又は一部が共通である1つ以上のレグ振動データの中から、いずれか1つのレグ振動データを抽出してデータをデータベース5のテーブルMLVに登録する振動数極大レグ抽出部12を備えるように構成したので、プラントの設備異常等を検出する上で重要な指標を3次元グラフ上で分かり易く表示することができる効果を奏する。
Claims (8)
- 各時刻の観測値が並べられている時系列データの中から、時刻の経過に伴って上昇傾向を示す観測値が並んでいる部分時系列である上昇レグと、時刻の経過に伴って下降傾向を示す観測値が並んでいる部分時系列である下降レグとを抽出するレグ抽出部と、
前記時系列データの中で、前記レグ抽出部により抽出された上昇レグと下降レグが交互に出現するレグの系列であるレグ振動列を特定し、前記レグ振動列を構成しているレグの数である振動数及び前記レグ振動列の開始時点と終了時点の範囲であるウインドウサイズを計数するレグ振動列特定部と、
前記レグ振動列特定部により特定されたレグ振動列の開始時点の観測時刻と、当該レグ振動列に含まれているレグの振幅と、前記レグ振動列特定部により計数された振動数及びウインドウサイズとの組をレグ振動データとしてデータベースに登録するデータベース登録部と、
前記データベースに登録されているレグ振動データの中から、検索条件に合致するレグ振動データを検索するレグ振動データ検索部と
を備えた時系列データ処理装置。 - 前記レグ抽出部は、前記時系列データに対して、前記上昇レグ及び前記下降レグを抽出する範囲を初期設定し、前記抽出する範囲をずらしながら、前記時系列データから前記上昇レグ及び前記下降レグを抽出することを特徴とする請求項1記載の時系列データ処理装置。
- 前記レグ振動データ検索部は、前記検索条件に合致するレグ振動データの中で、振幅、振動数及びウインドウサイズが同じレグ振動データの個数である総出現数を計数することを特徴とする請求項1記載の時系列データ処理装置。
- 第1の軸が振幅、第2の軸がウインドウサイズ、第3の軸が総出現数である3次元グラフ上に、前記レグ振動データ検索部により検索されたレグ振動データにおける振幅、ウインドウサイズ及び総出現数を表示する視覚化部を備えたことを特徴とする請求項3記載の時系列データ処理装置。
- 前記データベースに登録されているレグ振動データの中で、振動数が同じレグ振動データを振幅でグループ分けし、グループ毎に、当該グループに属するレグ振動データのウインドウサイズを比較することで、当該グループに属するレグ振動データの中から、いずれか1つのレグ振動データを抽出するレグ振動データ抽出部を備え、
前記レグ振動データ検索部は、前記レグ振動データ抽出部により抽出されたレグ振動データの中から、検索条件に合致するレグ振動データを検索することを特徴とする請求項1記載の時系列データ処理装置。 - 前記データベースに登録されているレグ振動データの中で、振幅が同じレグ振動データを振動数でグループ分けし、グループ毎に、当該グループに属するレグ振動データのウインドウサイズを比較することで、当該グループに属するレグ振動データの中から、いずれか1つのレグ振動データを抽出するレグ振動データ抽出部を備え、
前記レグ振動データ検索部は、前記レグ振動データ抽出部により抽出されたレグ振動データの中から、検索条件に合致するレグ振動データを検索することを特徴とする請求項1記載の時系列データ処理装置。 - 前記データベースに登録されているレグ振動データのうち、観測時刻の全部又は一部が共通である1つ以上のレグ振動データの振幅を比較することで、前記観測時刻の全部又は一部が共通である1つ以上のレグ振動データの中から、いずれか1つのレグ振動データを抽出するレグ振動データ抽出部を備え、
前記レグ振動データ検索部は、前記レグ振動データ抽出部により抽出されたレグ振動データの中から、検索条件に合致するレグ振動データを検索することを特徴とする請求項1記載の時系列データ処理装置。 - 前記データベースに登録されているレグ振動データのうち、観測時刻の全部又は一部が共通である1つ以上のレグ振動データの振動数を比較することで、前記観測時刻の全部又は一部が共通である1つ以上のレグ振動データの中から、いずれか1つのレグ振動データを抽出するレグ振動データ抽出部を備え、
前記レグ振動データ検索部は、前記レグ振動データ抽出部により抽出されたレグ振動データの中から、検索条件に合致するレグ振動データを検索することを特徴とする請求項1記載の時系列データ処理装置。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP2015/071368 WO2017017785A1 (ja) | 2015-07-28 | 2015-07-28 | 時系列データ処理装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
JPWO2017017785A1 JPWO2017017785A1 (ja) | 2017-10-05 |
JP6355849B2 true JP6355849B2 (ja) | 2018-07-11 |
Family
ID=57884300
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2017530518A Active JP6355849B2 (ja) | 2015-07-28 | 2015-07-28 | 時系列データ処理装置 |
Country Status (7)
Country | Link |
---|---|
US (1) | US20180046950A1 (ja) |
JP (1) | JP6355849B2 (ja) |
KR (1) | KR101823848B1 (ja) |
CN (1) | CN107851291B (ja) |
DE (1) | DE112015006488T5 (ja) |
TW (1) | TWI570581B (ja) |
WO (1) | WO2017017785A1 (ja) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11093548B1 (en) * | 2017-08-29 | 2021-08-17 | Vmware, Inc. | Dynamic graph for time series data |
CN109885598B (zh) * | 2019-01-25 | 2021-03-02 | 沈阳无距科技有限公司 | 故障识别方法、装置、计算机可读存储介质及电子设备 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH07319706A (ja) * | 1994-05-24 | 1995-12-08 | Hitachi Ltd | ルール合成方法 |
US20050283337A1 (en) * | 2004-06-22 | 2005-12-22 | Mehmet Sayal | System and method for correlation of time-series data |
US8584073B2 (en) * | 2008-07-21 | 2013-11-12 | Synopsys, Inc. | Test design optimizer for configurable scan architectures |
JP5669553B2 (ja) * | 2010-12-14 | 2015-02-12 | 三菱電機株式会社 | 異常検知装置、異常検知方法及び異常検知プログラム |
JP6045891B2 (ja) * | 2012-11-29 | 2016-12-14 | シナプティクス・ジャパン合同会社 | 半導体装置及び電子機器 |
KR20140110216A (ko) * | 2013-03-05 | 2014-09-17 | 서울대학교병원 | 진료패턴분석 시스템 |
CN103487788B (zh) * | 2013-09-03 | 2016-04-27 | 中国电子科技集团公司第四十一研究所 | 一种序列脉冲信号快速自动提取方法 |
-
2015
- 2015-07-28 CN CN201580082003.7A patent/CN107851291B/zh active Active
- 2015-07-28 US US15/550,220 patent/US20180046950A1/en not_active Abandoned
- 2015-07-28 WO PCT/JP2015/071368 patent/WO2017017785A1/ja active Application Filing
- 2015-07-28 JP JP2017530518A patent/JP6355849B2/ja active Active
- 2015-07-28 DE DE112015006488.5T patent/DE112015006488T5/de not_active Ceased
- 2015-07-28 KR KR1020177024449A patent/KR101823848B1/ko active IP Right Grant
- 2015-11-12 TW TW104137287A patent/TWI570581B/zh not_active IP Right Cessation
Also Published As
Publication number | Publication date |
---|---|
TWI570581B (zh) | 2017-02-11 |
DE112015006488T5 (de) | 2018-01-04 |
TW201705023A (zh) | 2017-02-01 |
CN107851291B (zh) | 2019-04-19 |
CN107851291A (zh) | 2018-03-27 |
KR20170104633A (ko) | 2017-09-15 |
US20180046950A1 (en) | 2018-02-15 |
WO2017017785A1 (ja) | 2017-02-02 |
KR101823848B1 (ko) | 2018-01-30 |
JPWO2017017785A1 (ja) | 2017-10-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Lin et al. | Reliable early classification on multivariate time series with numerical and categorical attributes | |
JP6371465B2 (ja) | 画像検索装置、及び画像を検索する方法 | |
Lines et al. | Alternative quality measures for time series shapelets | |
Li et al. | Extracting statistical graph features for accurate and efficient time series classification | |
JP5669553B2 (ja) | 異常検知装置、異常検知方法及び異常検知プログラム | |
Tuarob et al. | Improving algorithm search using the algorithm co-citation network | |
JP6355849B2 (ja) | 時系列データ処理装置 | |
KR20150059208A (ko) | 소셜 웹 미디어의 이벤트 시공간 연관성 분석 장치 및 그 방법 | |
JP2012079187A (ja) | 特徴ベクトル生成装置、特徴ベクトル生成方法及びプログラム | |
Cheng et al. | Recognition of control chart patterns using a neural network-based pattern recognizer with features extracted from correlation analysis | |
US20190163680A1 (en) | System analysis device, system analysis method, and program recording medium | |
CN109791402B (zh) | 时间序列数据处理装置 | |
WO2013157603A1 (ja) | 検索クエリ分析装置、検索クエリ分析方法、及びコンピュータ読み取り可能な記録媒体 | |
JP3884682B2 (ja) | プロセスデータの解析方法及び解析装置 | |
JP6201053B2 (ja) | 素性データ管理システム、および素性データ管理方法 | |
Sindhu et al. | Multimedia Retrieval Using Web Mining | |
Tamura et al. | Classifying of time series using local sequence alignment and its performance evaluation | |
JPWO2015173860A1 (ja) | 時系列データ処理装置及び時系列データ処理プログラム | |
Nagpal et al. | Feature selection using mutual information for high-dimensional data sets | |
Martinez et al. | Feature selection within time series clustering | |
WO2008042264A2 (en) | Distributed method for integrating data mining and text categorization techniques | |
Radzuan et al. | Analysis of uncertainty in time series data: Issues and challenges | |
Satybaldiev | A new method of piecewise linear approximation of non-stationary time series for similarity measurement | |
Brandmaier | Big Data Dimensionality Reduction Methods | |
KR101134315B1 (ko) | 웹 기반의 물체 인식 장치 및 그 방법 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20170424 |
|
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: 20180515 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20180612 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6355849 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |