JP6358401B1 - アラーム予測装置、アラーム予測方法、及びプログラム - Google Patents

Abstract

【課題】予測モデルの評価を提示する。【解決手段】機器又は設備の出力する時系列のイベント情報に基づいて異常の発生を予測するアラーム予測装置であって、時系列に従って所定の記憶領域に予め記憶されている複数のイベント情報から、予測対象の異常の発生を示す予測対象イベント情報を末尾に含む第１のイベント情報の列を抽出する抽出手段と、前記抽出手段により抽出された前記第１のイベント情報の列から前記予測対象イベント情報を除いた第２のイベント情報の列を抽出し、該第２のイベント情報の列に基づき予測モデルを作成するモデル作成手段と、前記モデル作成手段により作成されたモデルの評価値を表示装置に表示させる表示手段とを有する。

Description

本発明は、アラーム予測装置、アラーム予測方法、及びプログラムに関する。

従来より、プラント、設備、機器、制御装置等から出力されるイベントに基づいて故障や異常を示すアラームの発生を予測するための予測モデルを作成し、この予測モデルに基づいてアラームの発生を予測する技術が知られている（例えば特許文献１参照）。

特開２０１１−８１６９７号公報

ここで、予測モデルは、ユーザにより指定されたパラメータに基づいて作成される。しかしながら、上記の従来技術においては、ユーザは作成された予測モデルの性能（例えば、予測の精度）を事前に評価することができなかった。したがって、ユーザは、予測モデルによる実際の予測結果を用いて、当該予測モデルの評価を行っていた。

本発明の一実施形態は、上記の点に鑑みてなされたものであり、予測モデルの評価を提示することを目的とする。

上記目的を達成するため、本発明の一実施形態では、機器又は設備の出力する時系列のイベント情報に基づいて異常の発生を予測するアラーム予測装置であって、時系列に従って所定の記憶領域に予め記憶されている複数のイベント情報から、予測対象の異常の発生を示す予測対象イベント情報を末尾に含む第１のイベント情報の列を抽出する抽出手段と、前記抽出手段により抽出された前記第１のイベント情報の列から前記予測対象イベント情報を除いた第２のイベント情報の列を抽出し、該第２のイベント情報の列に基づき予測モデルを作成するモデル作成手段と、前記モデル作成手段により作成されたモデルの評価値を表示装置に表示させる表示手段とを有する。

本発明の一実施形態によれば、予測モデルの評価を提示することができる。

第一の実施形態に係るアラーム予測システムの一例の構成図である。 第一の実施形態に係るアラーム予測装置の一例のハードウェア構成図である。 第一の実施形態に係るアラーム予測システムの一例の機能構成図である。 イベント信号を記号化する一例を説明するための図である。 イベント情報記憶部に格納されたイベントの一例を説明するための図である。 第一の実施形態に係る予測モデルの作成及び評価処理の一例のフローチャートである。 予測漏れ及び誤予測の一例を説明するための図である。 第一の実施形態に係る予測モデルの評価結果を示す画面の一例を示す図である。 第一の実施形態に係るアラーム予測処理の一例のフローチャートである。 第二の実施形態に係る予測モデルの作成及び評価処理の一例のフローチャートである。 第二の実施形態に係る予測モデルの評価結果を示す画面の一例を示す図である。 第三の実施形態に係る予測モデルの作成及び評価処理の一例のフローチャートである。 第三の実施形態に係る予測モデルの評価結果を示す画面の一例を示す図（その１）である。 第三の実施形態に係る予測モデルの評価結果を示す画面の一例を示す図（その２）である。 第四の実施形態に係る予測モデルの作成及び評価処理の一例のフローチャートである。 クラスタリングを説明するための一例の図である。 第四の実施形態に係る予測モデルの評価結果を示す画面の一例を示す図である。 第四の実施形態に係るアラーム予測処理の一例のフローチャートである。 第五の実施形態に係るアラーム予測システムの一例の機能構成図である。 予測モデル記憶部に格納された予測モデルの一例を説明するための図である。 第五の実施形態に係る予測モデルの作成処理の一例のフローチャートである。 第五の実施形態に係る状態情報の作成処理の一例のフローチャートである。 距離の算出方法の一例を説明するための図である。 距離の算出方法の他の例を説明するための図である。 第五の実施形態に係るアラーム予測処理の一例のフローチャートである。 アラーム予測画面の一例を示す図である。 アラーム予測画面の他の例を示す図である。

次に、本発明の実施の形態について、図面を参照しながら詳細に説明する。

［第一の実施形態］
＜システム構成＞
まず、本実施形態に係るアラーム予測システム１のシステム構成について、図１を用いて説明する。図１は、第一の実施形態に係るアラーム予測システム１の一例の構成図である。

図１に示すアラーム予測システム１は、アラーム予測装置１０と、１台以上の監視装置２０と、１台以上の機器制御装置３０とが例えばＬＡＮ（Local Area Network）等のネットワークＮを介して通信可能に接続されている。また、機器制御装置３０には、１台以上の機器４０が接続されている。

本システムの動作には、機器４０の故障や異常を示すアラームの発生を予測するための予測モデルを予め作成しておく「モデル作成」フェーズと、受信したイベント信号と予め作成された予測モデルとに基づきアラームの発生を予測する「予測」フェーズとがある。基本的に「モデル作成」フェーズはオフラインの処理であり、「予測」フェーズはオンラインの処理である。

ここで、イベント信号とは、機器４０に何等かのイベントが発生した際に機器制御装置３０から送信される、機器４０の状態情報等を示す情報である。なお、イベント信号には、ユーザがアラーム予測装置１０を介して行った各種操作（例えば、設定値の変更操作等）を示すイベント信号や当該操作に対する機器４０の応答を示すイベント信号等も含まれる。すなわち、例えば、アラーム予測装置１０が有する入力装置を用いてユーザが設定値を入力する操作内容等も、アラームの発生を予測するイベントとして利用される。換言すると、例えばアラーム予測装置１０が有する入力装置も、アラーム予測装置１０が異常の発生を予測する機器４０に含まれる。

アラーム予測装置１０は、「モデル作成」フェーズにおいて、蓄積されている過去のイベント信号に関する情報から予測モデルを作成し、当該予測モデルの評価を行う。また、アラーム予測装置１０は、「予測」フェーズにおいて、機器制御装置３０から受信したイベント信号と予測モデルとに基づき、アラームの発生を予測して、予測結果を監視装置２０に表示させる。なお、アラーム予測装置１０は、１台以上のコンピュータにより構成されていても良い。

監視装置２０は、「予測」フェーズにおいて、アラーム予測装置１０から受信した予測結果を表示する。これにより、例えばプラント等のオペレータは、監視装置２０に表示された予測結果に基づき、アラームが発生する可能性があることを認識することができる。

機器制御装置３０は、機器４０を制御する装置である。機器制御装置３０は、自身に接続されている機器４０にイベント（例えば機器４０の状態変化等）が発生した際の状態情報（例えば、機器４０の所定の部品が稼働状態になったことを示す情報等）を取得し、イベント信号としてアラーム予測装置１０に送信する。

機器４０は、機器制御装置３０により制御される、例えばガスタービンや蒸気タービン等の設備やプラント等である。

なお、本実施形態に係るアラーム予測システム１では、機器４０の一例としてプラントや設備等を想定するが、これに限られない。すなわち、本実施形態に係るアラーム予測システム１は、機器制御装置３０により制御される機器４０として例えばルータ等を用いて、ネットワーク機器の故障等のアラームを予測する場合にも適用され得る。また、同様に、機器４０として各種電子機器を用いて、各種電子機器の故障等のアラームを予測する場合にも適用され得る。

＜ハードウェア構成＞
次に、本実施形態に係るアラーム予測装置１０のハードウェア構成について、図２を用いて説明する。図２は、第一の実施形態に係るアラーム予測装置１０の一例のハードウェア構成図である。

本実施形態に係るアラーム予測装置１０は、入力装置１１と、表示装置１２と、外部Ｉ／Ｆ１３と、ＲＡＭ（Random Access Memory）１４と、ＲＯＭ（Read Only Memory）１５とを有する。また、アラーム予測装置１０は、ＣＰＵ（Central Processing Unit）１６と、通信Ｉ／Ｆ１７と、記憶装置１８とを有する。これらのハードウェアは、バスＢで互いに接続されている。

入力装置１１は、例えばキーボードやマウス、タッチパネル等であり、ユーザが各操作信号を入力するのに用いられる。表示装置１２は、例えばＬＣＤ（Liquid Crystal Display）等であり、処理結果を表示する。なお、入力装置１１及び／又は表示装置１２は、必要なときにバスＢに接続して利用する形態であっても良い。

外部Ｉ／Ｆ１３は、外部装置とのインタフェースである。外部装置には、記録媒体１３ａ等がある。アラーム予測装置１０は、外部Ｉ／Ｆ１３を介して記録媒体１３ａの読み取り及び／又は書き込みを行うことができる。記録媒体１３ａには、フレキシブルディスク、ＣＤ、ＤＶＤ、ＳＤメモリカード、ＵＳＢメモリ等がある。なお、記録媒体１３ａには、本実施形態を実現するプログラムが格納されていても良い。

ＲＡＭ１４は、プログラムやデータを一時保持する揮発性の半導体メモリである。ＲＯＭ１５は、電源を切ってもプログラムやデータを保持することができる不揮発性の半導体メモリである。

ＲＯＭ１５には、ＯＳ（Operating System）設定、ネットワーク設定等のプログラムやデータ、及びアラーム予測装置１０の起動時に実行されるＢＩＯＳ（Basic Input/Output System）が格納されている。

ＣＰＵ１６は、ＲＯＭ１５や記憶装置１８等からプログラムやデータをＲＡＭ１４上に読み出し、当該プログラムやデータに基づく処理を実行することで、アラーム予測装置１０全体の制御やその他の機能を実現する演算装置である。

通信Ｉ／Ｆ１７は、アラーム予測装置１０をネットワークＮに接続するためのインタフェースである。アラーム予測装置１０は、通信Ｉ／Ｆ１０７を介してデータ通信を行うことができる。

記憶装置１８は、プログラムやデータを格納している不揮発性のメモリであり、例えばＨＤＤ（Hard Disk Drive）やＳＳＤ（Solid State Drive）等である。記憶装置１８に格納されるプログラムやデータには、本実施形態を実現するプログラム、アラーム予測装置１０全体を制御する基本ソフトウェアであるＯＳ、及びＯＳ上において各種機能を提供するアプリケーションソフトウェア等がある。なお、記憶装置１８は、格納しているプログラムやデータを所定のファイルシステム及び／又はＤＢにより管理している。

本実施形態に係るアラーム予測装置１０は、上記のハードウェア構成を有することにより、後述するような各種処理を実現できる。

＜機能構成＞
次に、第一の実施形態に係るアラーム予測システム１の機能構成について、図３を用いて説明する。図３は、第一の実施形態に係るアラーム予測システム１の一例の機能構成図である。

アラーム予測装置１０は、記号化部１０１と、予測対象アラーム設定部１０２と、イベント列抽出部１０３と、予測モデル作成部１０４と、予測モデル評価部１０５と、表示制御部１０６と、アラーム予測部１０７とを有する。これら各部は、アラーム予測装置１０にインストール又はダウンロードされる１以上のプログラムが、ＣＰＵ１６に実行させる処理により実現される。

また、アラーム予測装置１０は、イベント情報記憶部１１０と、予測モデル記憶部１２０とを利用する。これら各記憶部は、記憶装置１８、又はアラーム予測装置１０にネットワークを介して接続される記憶装置等を用いて実現可能である。

記号化部１０１は、機器制御装置３０から受信したイベント信号を、所定の文字又は記号等に変換する（以降では、このような変換を「記号化」とも表す。）。なお、例えば、アラーム予測装置１０が有する入力装置１１を用いてユーザが設定値を入力する操作内容等もアラームの発生を予測するイベントとして利用されるため、記号化部１０１は、このようなイベントを含むイベント信号も所定の文字又は記号等に変換する。

ここで、記号化部１０１によるイベント信号の記号化について、図４を用いて説明する。図４は、イベント信号を記号化する一例を説明するための図である。

図４に示すように、イベント信号には、機器４０にイベントが発生した時刻と、発生したイベントの内容とが含まれる。このため、記号化部１０１は、発生したイベントの内容を、予め定められた所定の記号等に変換する。図４に示す例では、イベントの内容「空気ブロー弁Ａ，開」が記号「Ａ」に変換され、イベントの内容「ポンプＢ，運転」が記号「Ｂ」に変換されている。このように、記号化部１０１は、イベント信号に含まれるイベントの内容を、当該イベントの内容を一意に示す記号に変換する。

上述したように、イベント信号は、イベントが発生した時刻と、イベントの内容との組である。したがって、例えば図４に示す１行目のイベント信号は、発生した時刻（2004/06/06 000:14:17）をｔとすれば、イベントの内容を示す記号と発生時刻との組（Ａ，ｔ）で表される。このことは、他のイベント信号についても同様である。

ただし、以降では、簡単のため、イベントの内容を示す記号と発生時刻との組を、単に記号のみで表す（すなわち、組「（Ａ，ｔ）」を単に「Ａ」と表す。）。また、以降では、上記のように記号化されたイベント信号を、単に「イベント」とも表す。

予測対象アラーム設定部１０２は、ユーザにより指定されたアラームを予測対象アラームに設定する。ここで、予測対象アラームとは、「予測」フェーズにおいて発生を予測したいアラームである。

なお、アラームもイベント信号に含まれる。すなわち、例えば、ある機器４０が故障等した場合、この機器４０を制御する機器制御装置３０は、機器４０の故障等を示すイベント信号を、アラーム予測装置１０に送信する。換言すれば、機器４０の故障や異常等の発生を示すイベント信号が、「アラーム」と称される。

イベント列抽出部１０３は、予測対象アラーム設定部１０２により設定された予測対象アラームを含むイベント列（１以上のイベントの列）を、イベント情報記憶部１１０から抽出する。

予測モデル作成部１０４は、イベント列抽出部１０３により抽出されたイベント列に基づき、予測モデルを作成する。

予測モデル評価部１０５は、予測モデル作成部１０４により作成された予測モデルを評価する。すなわち、予測モデル評価部１０５は、予測モデル作成部１０４により作成された予測モデルの予測漏れ率及び誤予測率を算出する。

ここで、予測漏れ率とは、当該予測モデルでは、予測対象アラームの発生を予測できない確率のことである。一方で、誤予測率とは、予測対象アラームが発生すると誤って予測されてしまう確率のことである。

表示制御部１０６は、予測モデル評価部１０５により評価された予測モデルの予測漏れ率及び誤予測率等の情報を表示装置１２に表示させる。これにより、ユーザは、作成された予測モデルが所望の予測精度を有するか否かを知ることができる。

アラーム予測部１０７は、「モデル作成」フェーズにおいて作成された予測モデルに基づき、「予測」フェーズにおいて、アラームの発生を予測する。また、アラーム予測部１０７は、予測結果を監視装置２０に通知する。これにより、例えばプラントのオペレータ等は、当該予測結果に基づき予測対象アラームが発生するか否かを知ることができる。

イベント情報記憶部１１０は、記号化部１０１により記号化されたイベント信号（すなわち、「イベント」）を、時系列データとして格納している。

ここで、イベント情報記憶部１１０に記憶されているイベントについて、図５を用いて説明する。図５は、イベント情報記憶部１１０に格納されたイベントの一例を説明するための図である。

図５に示すように、イベント情報記憶部１１０には、例えばＮ日分のイベントが時系列データとして格納されている。すなわち、図５の１行目には、例えば昨日発生したイベントが、左から右に、発生した順（時系列順）に格納されている。同様に、図５の２行目には、例えば一昨日発生したイベントが、左から右に、発生した順に格納されている。このように、イベント情報記憶部１１０は、記号化されたイベント信号（イベント）を、時系列データとして格納（蓄積）している。

予測モデル記憶部１２０は、予測モデル作成部１０４により作成された予測モデルが格納される。アラーム予測部１０７は、「予測」フェーズにおいて、予測モデル記憶部１２０に格納されている予測モデルに基づいて、アラームの発生を予測する。

＜処理の詳細＞
次に、本実施形態に係るアラーム予測システム１の処理の詳細について説明する。

≪予測モデルの作成及び評価処理≫
まず、「モデル作成」フェーズにおいて、予測モデルを作成し、当該予測モデルの評価結果をユーザに提示する処理について、図６を用いて説明する。図６は、第一の実施形態に係る予測モデルの作成及び評価処理の一例のフローチャートである。

ステップＳ６０１において、ユーザは、入力装置１１等から予測対象のアラームを指定する。すると、予測対象アラーム設定部１０２は、ユーザにより指定されたアラームを予測対象アラームとして設定する。ここで、ユーザは、記号「Ｆ」で表されるイベント（アラーム）を予測対象アラームに指定したものとする。

ステップＳ６０２において、イベント列抽出部１０３は、予測対象アラーム設定部１０２により設定された予測対象アラーム「Ｆ」を末尾に含む一のイベント列を、イベント情報記憶部１１０から抽出する。

ここで、イベント列抽出部１０３は、例えば特開２００４−１５７８３０号公報に開示されているシーケンシャルパターンマイニング（系列パターンマイニング）の手法を用いて、予測対象アラーム「Ｆ」を末尾に含む一のイベント列を、イベント情報記憶部１１０から抽出すれば良い。以降では、抽出されたイベント列を「ＡＢＣＤＥＦ」とする。

ステップＳ６０３において、予測モデル作成部１０４は、抽出されたイベント列において予測対象アラームに先行するイベント列を抽出し、予測モデルを作成する。

より具体的には、上記のステップＳ６０２で抽出されたイベント列「ＡＢＣＤＥＦ」から予測対象アラーム「Ｆ」に先行するイベント列「ＡＢＣＤＥ」を抽出する。ここで抽出された「ＡＢＣＤＥ」を「予測元イベント列」とも表す。そして、「ＡＢＣＤＥ」のイベント列が発生した後に、イベント（アラーム）「Ｆ」が発生することを予測する予測モデル「ＡＢＣＤＥ→Ｆ」を作成する。この予測モデル「ＡＢＣＤＥ→Ｆ」は、イベントが「Ａ」、「Ｂ」、「Ｃ」、「Ｄ」、「Ｅ」の順に発生した場合、次にイベント（アラーム）「Ｆ」が発生することを予測する予測モデルである。このようにして作成された予測モデルは、予測モデル記憶部１２０に格納される。

ステップＳ６０４において、予測モデル評価部１０５は、作成された予測モデルを評価する。すなわち、予測モデル評価部１０５は、作成された予測モデルの予測漏れ率及び誤予測率を算出する。より具体的には、以下のようにして、予測漏れ率及び誤予測率を算出する。
（１）予測モデル評価部１０５は、イベント情報記憶部１１０において、予測対象アラームの前に、予測元イベント列以外のイベント列が発生する回数（第２の回数）を算出する。これは、例えば図７に示すように予測対象アラーム「Ｆ」の前に、予測元イベント列「ＡＢＣＤＥ」以外のイベント列（図７の例では「ＥＵＤＤＧ」）が発生する回数を、既知の文字列検索の手法により行う。
（２）予測モデル評価部１０５は、イベント情報記憶部１１０において、予測元イベント列の後に、予測対象アラーム以外のイベントが発生する回数（第３の回数）を算出する。これは、例えば図７に示すように予測元イベント列「ＡＢＣＤＥ」の後に、予測対象アラーム「Ｆ」以外のイベント（図７の例では「Ａ」）が発生する回数を、既知の文字列検索の手法により行う。
（３）上記のステップＳ６０２で算出されている「ＡＢＣＤＥＦ」の出現頻度（第１の回数）と、上記の（１）で算出した回数（第２の回数）と、上記の（２）で算出した回数（第３の回数）とに基づき、以下の式で予測漏れ率及び誤予測率を算出する。
・予測漏れ率＝（第２の回数／（第１の回数＋第２の回数））×１００
・誤予測率＝（第３の回数／（第１の回数＋第３の回数））×１００
ステップＳ６０５において、表示制御部１０６は、上記のステップＳ６０４で算出された予測モデルの評価結果を、表示装置１２に表示させる。より具体的には、表示制御部１０６は、例えば図８に示すような評価結果を示す画面Ｇ１００を、表示装置１２に表示させる。

図８に示す評価結果を示す画面Ｇ１００は、上記で説明した第１の回数が「９０」、第２の回数が「３」、第３の回数が「７」である場合について、予測漏れ率と誤予測率を算出した評価結果を示している。これによりユーザは、作成された予測モデルの予測漏れ率及び誤予測率を知ることができ、所望の予測精度を満たすか否かを確認することができる。

ここで、ユーザが所望の予測精度を満たすと考えた場合、当該ユーザは、例えば図８に示す画面Ｇ１００で「ＯＫ」ボタンを押下する。これにより、作成された予測モデルが採用され、「予測」フェーズにおいて当該予測モデルに基づいて、アラームの発生が予測される。一方で、ユーザが所望の予測精度を満たさないと考えた場合、当該ユーザは、例えば図８の画面Ｇ１００で「キャンセル」ボタンを押下する。これにより、作成された予測モデルが予測モデル記憶部１９から削除される（すなわち、作成された予測モデルが不採用となる。）。

なお、一般に、予測漏れ率と誤予測率が共に低い方が良い予測モデルであると言えるが、予測漏れ率と誤予測率は互いにトレードオフの関係となる場合が多い。例えば、イベント列が長い場合では、抽出される当該イベント列の件数が少なくなり、それに後続するアラームも限られることにより誤予測は少なくなる。しかし、逆に後続するアラームが少なくなることで予測漏れは多くなることがいえ、予測漏れ率と誤予測率は互いにトレードオフの関係となる場合が多い。

また、本実施形態においては、予測モデルを評価する手段として、予測漏れ率および誤予測率を指標として用いているが、他の公知な指標も用いることができる。たとえば、正解率や不正解率、適合率／精度、感度／真陽性率／検出率、特異度／真陰性率、偽陽性率、偽陰性率等の指標がある。

適合率／精度のいずれか１つと、感度／真陽性率／検出率のいずれか１つとの組み合わせは、互いにトレードオフの関係となる。

・適合率／精度＝１−誤予測率
＝（第１の回数／（第１の回数＋第３の回数））×１００
・感度／真陽性率／検出率＝１−予測漏れ率
＝（第１の回数／（第１の回数＋第２の回数））×１００
≪アラーム予測処理≫
次に、「モデル作成」フェーズで作成された予測モデルに基づいて、アラームの発生を予測する「予測」フェーズの処理について、図９を用いて説明する。図９は、第一の実施形態に係るアラーム予測処理の一例のフローチャートである。なお、以降では、予測モデルは「ＡＢＣＤＥ→Ｆ」であるものとして説明する。

ステップＳ９０１において、アラーム予測装置１０は、機器制御装置３０からイベント信号を受信する。

ステップＳ９０２において、記号化部１０１は、機器制御装置３０から受信したイベント信号を、予め定められた所定の記号に変換する。そして、記号化部１０１は、記号化したイベント信号（イベント）をイベント情報記憶部１１０に格納する。

ステップＳ９０３において、アラーム予測部１０７は、イベント情報記憶部１１０に格納されている直近の５つのイベント列が、予測モデル記憶部１２０に格納されている予測モデルの予測元イベント列「ＡＢＣＤＥ」と一致するか否かを判定する。

より一般には、予測モデルの予測元イベント列が「Ｘ_１Ｘ_２・・・Ｘ_ｍ」、イベント情報記憶部１１０に時系列に従って格納されているイベント列が「Ｙ_１Ｙ_２・・・Ｙ_ｎ」（ｎ＞ｍ）である場合、アラーム予測部１０７は、直近のイベント列「Ｙ_１Ｙ_２・・・Ｙ_ｍ」が「Ｘ_１Ｘ_２・・・Ｘ_ｍ」と一致するか否かを判定する。一致しない場合、ステップＳ９０１に戻る一方で、一致する場合、ステップＳ９０４に進む。

ステップＳ９０４において、アラーム予測部１０７は、監視装置２０に予測結果を通知する。すなわち、アラーム予測部１０７は、予測対象アラームが発生する可能性があることを示す予測結果を監視装置２０に通知する。これにより、例えばプラント等のオペレータは、予測対象のアラームが発生する可能性があることを知ることができる。したがって、例えばオペレータは、発生する可能性があるアラームに応じた対応を行うことができる。

［第二の実施形態］
次に、第二の実施形態に係るアラーム予測システム１について説明する。第二の実施形態では、「モデル作成」フェーズにおいて、複数の予測モデルを作成し、それぞれの予測モデルの評価をユーザに提示する。したがって、ユーザは、作成された複数の予測モデルから所望の予測モデルを選択することができるようになる。なお、第二の実施形態では、第一の実施形態と実質的に同一の機能を有する箇所及び同一の処理を実行する処理について、第一の実施形態と同一の符号を用いて、その説明を省略する。

＜処理の詳細＞
以降では、本実施形態に係るアラーム予測システム１の処理の詳細について説明する。

≪予測モデルの作成及び評価処理≫
「モデル作成」フェーズにおいて、予測モデルを作成し、当該予測モデルの評価結果をユーザに提示する処理について、図１０を用いて説明する。図１０は、第二の実施形態に係る予測モデルの作成及び評価処理の一例のフローチャートである。

ステップＳ１００１において、イベント列抽出部１０３は、予測対象アラーム設定部１０２により設定された予測対象アラーム「Ｆ」を含む複数のイベント列を、イベント情報記憶部１１０から抽出する。ここで、イベント列抽出部１０３は、第一の実施形態と同様に、系列パターンマイニングの手法を用いれば良い。

より具体的には、イベント列抽出部１０３は、ユーザ等により予め指定された最低出現頻度ａ、最小イベント列長ｍｉｎ、最大イベント列長ｍａｘを入力して、系列パターンマイニングにより、複数のイベント列を抽出する。以降では、このようにして抽出された複数のイベント列をそれぞれ「ＥＦ」、「ＬＦ」、「ＤＥＦ」、「ＫＬＦ」、「ＣＤＥＦ」、「ＪＫＬＦ」、・・・とする。

ステップＳ１００２において、予測モデル作成部１０４は、抽出された複数のイベント列のそれぞれについて、予測対象アラームに先行するイベント列をそれぞれ抽出し、予測モデルを作成する。

より具体的には、上記のステップＳ１００１で抽出された複数のイベント列「ＥＦ」、「ＬＦ」、「ＤＥＦ」、「ＫＬＦ」、「ＣＤＥＦ」、「ＪＫＬＦ」、・・・から予測対象アラーム「Ｆ」に先行する複数のイベント列「Ｅ」、「Ｌ」、「ＤＥ」、「ＫＬ」、「ＣＤＥ」、「ＪＫＬ」、・・・を抽出する。そして、抽出された複数のイベント列からそれぞれ予測モデル「Ｅ→Ｆ」、「Ｌ→Ｆ」、「ＤＥ→Ｆ」、「ＫＬ→Ｆ」、「ＣＤＥ→Ｆ」、「ＪＫＬ→Ｆ」、・・・を作成する。このようにして作成された複数の予測モデルは、それぞれ予測モデル記憶部１２０に格納される。

ステップＳ１００３において、予測モデル評価部１０５は、作成された複数の予測モデルを、それぞれ評価する。すなわち、予測モデル評価部１０５は、作成された複数の予測モデルのそれぞれについて、予測漏れ率及び誤予測率を算出する。予測漏れ率及び誤予測率の算出方法は、第一の実施形態と同様である。

ステップＳ１００４において、表示制御部１０６は、上記のステップＳ１００３で算出された複数の予測モデルのそれぞれの評価結果を、表示装置１２に表示させる。より具体的には、表示制御部１０６は、例えば図１１に示すような評価結果を示す画面Ｇ２００を、表示装置１２に表示させる。

図１１に示す画面Ｇ２００は、予測モデル「Ｅ→Ｆ」の第１の回数（正解）が「２９９」、第２の回数（予測漏れ）が「１」、第３の回数（誤予測）が「３００」、予測漏れ率が「０．３％」、誤予測率が「５０．０％」である場合を示している。同様に、予測モデル「Ｌ→Ｆ」の第１の回数（正解）が「１」、第２の回数（予測漏れ）が「１」、第３の回数（誤予測）が「２９９」、予測漏れ率が「３９．９％」、誤予測率が「９９．７％」である場合を示している。他の予測モデル「ＤＥ→Ｆ」、「ＫＬ→Ｆ」、「ＣＤＥ→Ｆ」、「ＪＫＬ→Ｆ」、・・・についても同様である。

これによりユーザは、作成された複数の予測モデルの予測漏れ率及び誤予測率を知ることができる。したがって、ユーザは、例えば図１１に示す画面Ｇ２００で所望の予測モデルをラジオボタンで選択し、「ＯＫ」ボタンを押下することで、選択された予測モデルが採用され、「予測」フェーズにおいて当該予測モデルに基づいて、アラームの発生が予測される。

なお、このとき選択されなかった予測モデルは予測モデル記憶部１２０から削除される。また、例えば図１１に示す画面Ｇ２００において、ラジオボタンの代わりにチェックボックスを設けて、複数の予測モデルを選択することができるようにしても良い。

一方、ユーザが所望の予測精度を満たさないと考えた場合、ユーザは、例えば図１１に示す画面Ｇ２００で「キャンセル」ボタンを押下する。これにより、作成された複数の予測モデルが予測モデル記憶部１２０から削除される（すなわち、作成された予測モデルが不採用となる。）。

［第三の実施形態］
次に、第三の実施形態に係るアラーム予測システム１について説明する。第三の実施形態では、「モデル作成」フェーズにおいて、予測元イベント列に含まれる予測対象アラームに先行する複数のイベント列について、予測モデルを作成し、それぞれの予測モデルの評価をユーザに提示する。なお、第三の実施形態では、第一の実施形態と実質的に同一の機能を有する箇所及び同一の処理を実行する処理について、第一の実施形態と同一の符号を用いて、その説明を省略する。

＜処理の詳細＞
以降では、本実施形態に係るアラーム予測システム１の処理の詳細について説明する。

≪予測モデルの作成及び評価処理≫
「モデル作成」フェーズにおいて、予測モデルを作成し、当該予測モデルの評価結果をユーザに提示する処理について、図１２を用いて説明する。図１２は、第三の実施形態に係る予測モデルの作成及び評価処理の一例のフローチャートである。

ステップＳ１２０１において、予測モデル作成部１０４は、抽出されたイベント列において予測対象アラームに先行するイベント列を抽出し、複数の予測モデルを作成する。

より具体的には、上記のステップＳ６０２で抽出されたイベント列「ＡＢＣＤＥＦ」から予測対象アラーム「Ｆ」に先行するイベント列「ＡＢＣＤＥ」（予測元イベント列）を抽出する。さらに、この予測元イベント列に含まれる、予測対象アラームに先行するイベント列（これを「部分予測元イベント列」と表す。）を抽出する。すなわち、部分予測元イベント列「Ｅ」、「ＤＥ」、「ＣＤＥ」、「ＢＣＤＥ」を抽出する。そして、部分予測元イベント列及び予測元イベント列のそれぞれから予測モデル「Ｅ→Ｆ」、「ＤＥ→Ｆ」、「ＣＤＥ→Ｆ」、「ＢＣＤＥ→Ｆ」、「ＡＢＣＤＥ→Ｆ」を作成する。このようにして作成された予測モデルは、予測モデル記憶部１２０に格納される。

なお、ステップＳ１２０１において、予測元イベント列を含むイベント列から予測モデルを作成しても良い。例えば、予測元イベント列「ＡＢＣＤＥ」を含むイベント列「ＺＡＢＣＤＥ」をイベント情報記憶部１１０から抽出し、このイベント列「ＺＡＢＣＤＥ」から予測モデル「ＺＡＢＣＤＥ→Ｆ」を作成しても良い。

ステップＳ１２０２において、予測モデル評価部１０５は、作成された複数の予測モデルを、それぞれ評価する。すなわち、予測モデル評価部１０５は、作成された複数の予測モデルのそれぞれについて、予測漏れ率及び誤予測率を算出する。予測漏れ率及び誤予測率の算出方法は、第一の実施形態と同様である。

ステップＳ１２０３において、表示制御部１０６は、上記のステップＳ１２０２で算出された複数の予測モデルのそれぞれの評価結果を、表示装置１２に表示させる。より具体的には、表示制御部１０６は、例えば図１３に示すような評価結果を示す画面Ｇ３００を、表示装置１２に表示させる。

図１３に示す画面Ｇ３００は、予測モデル「Ｅ→Ｆ」の第１の回数（正解）が「２９９」、第２の回数（予測漏れ）が「１」、第３の回数（誤予測）が「３００」、予測漏れ率が「０．３％」、誤予測率が「５０．０％」である場合を示している。同様に、予測モデル「ＤＥ→Ｆ」の第１の回数（正解）が「２９５」、第２の回数（予測漏れ）が「５」、第３の回数（誤予測）が「１５０」、予測漏れ率が「１．７％」、誤予測率が「３３．７％」である場合を示している。他の予測モデル「ＣＤＥ→Ｆ」、「ＢＣＤＥ→Ｆ」、「ＡＢＣＤＥ→Ｆ」についても同様である。

これによりユーザは、作成された複数の予測モデルの予測漏れ率及び誤予測率を知ることができる。したがって、ユーザは、例えば図１３に示す画面Ｇ３００で所望の予測モデルをラジオボタンで選択し、「ＯＫ」ボタンを押下する。これにより、作成された予測モデルが採用され、「予測」フェーズにおいて当該予測モデルに基づいて、アラームの発生が予測される。

なお、このとき選択されなかった予測モデルは予測モデル記憶部１２０から削除される。また、例えば図１３示す画面Ｇ３００において、ラジオボタンの代わりにチェックボックスを設けて、複数の予測モデルを選択することができるようにしても良い。

一方、ユーザが所望の予測精度を満たさないと考えた場合、ユーザは、例えば図１３に示す画面Ｇ３００で「キャンセル」ボタンを押下する。これにより、作成された複数の予測モデルが予測モデル記憶部１２０から削除される（すなわち、作成された予測モデルが不採用となる。）。

さらに、図１３に示す画面Ｇ３００において「グラフ表示」ボタンを押下すると、図１４に示すようなグラフが表示された画面Ｇ３１０を表示させても良い。図１４に示す画面Ｇ３１０には、各予測モデルの予測漏れ率と誤予測率とが表されたグラフが表示されている。上述したように、予測漏れ率と誤予測率とはトレードオフの関係となる場合が多いため、図１４に示す画面Ｇ３１０を表示させることで、ユーザは適切な予測モデルを採用することができるようになる。

例えば、図１４に示す画面Ｇ３１０に表示されたグラフのように、予測漏れ率ならびに誤予測率のグラフを表示すると、文字列が長くなるにつれて予測漏れ率は増加し、誤予測率は減少するため、それぞれに対する優先度を考慮して適正な予測漏れ率と誤予測率となる文字列長を定めることができる。それにより、ユーザが予測漏れ率と誤予測率のうち、予測漏れ率を重視するような場合、「ＢＣＤＥ→Ｆ」の予測モデルを採用すれば良いことがわかる。一方、例えば、ユーザが予測漏れ率と誤予測率のうち、誤予測率を重視するような場合、「ＡＢＣＤＥ→Ｆ」の予測モデルを採用すれば良いことがわかる。

［第四の実施形態］
次に、第四の実施形態に係るアラーム予測システム１について説明する。第四の実施形態では、「モデル作成」フェーズにおいて、予測元イベント列と同一のイベント列を、イベント間の時間に基づいてクラスタリングし、クラスタ毎に予測モデルを作成する。これにより、発生するイベント列は同一である一方で、イベント列に含まれるイベント間の時間（イベントの発生間隔）が大きく異なる場合を区別して予測モデルを作成することができる。換言すれば、第四の実施形態では、イベントが発生する順序に加えて、イベントが発生する時間間隔にも基づいた予測を行うことができる予測モデルを作成することができる。なお、第四の実施形態では、第一の実施形態と実質的に同一の機能を有する箇所及び同一の処理を実行する処理について、第一の実施形態と同一の符号を用いて、その説明を省略する。

＜処理の詳細＞
以降では、本実施形態に係るアラーム予測システム１の処理の詳細について説明する。

≪予測モデルの作成及び評価処理≫
「モデル作成」フェーズにおいて、予測モデルを作成し、当該予測モデルの評価結果をユーザに提示する処理について、図１５を用いて説明する。図１５は、第四の実施形態に係る予測モデルの作成及び評価処理の一例のフローチャートである。

ステップＳ１５０１において、予測モデル作成部１０４は、抽出されたイベント列において予測対象アラームに先行するイベント列（予測元イベント列）を抽出する。これは、第一の実施形態で予測元イベント列を抽出した方法と同様である。

ステップＳ１５０２において、予測モデル作成部１０４は、予測元イベント列と同一のイベント列をイベント情報記憶部１１０から取得する。

すなわち、予測元イベント列が「ＡＢＣＤＥ」である場合、予測モデル作成部１０４は、イベント情報記憶部１１０からイベント列「ＡＢＣＤＥ」を取得する。ここで、予測モデル作成部１０４は、イベント情報記憶部１１０からイベント列「ＡＢＣＤＥ」をｎ個取得したものとする。また、取得されたｎ個のイベント列をそれぞれ区別するため、以降では、便宜上、それぞれ「第１のＡＢＣＤＥ」、「第２のＡＢＣＤＥ」、・・・、「第ｎのＡＢＣＤＥ」と表す。

ステップＳ１５０３において、予測モデル作成部１０４は、取得された各イベント列を、イベント間の時間間隔に基づいてクラスタリングし、各クラスタにラベルを付与して、ラベルが付与されたクラスタを予測元イベント列として予測モデルを作成する。

より具体的には、図１６に示すように、以下のＳｔｅｐ１からＳｔｅｐ３の処理を行う。

Ｓｔｅｐ１）「第１のＡＢＣＤＥ」、「第２のＡＢＣＤＥ」、・・・、「第ｎのＡＢＣＤＥ」のそれぞれについて、各イベントが発生した時刻の差を求める。例えば、「第１のＡＢＣＤＥ」において、Ｂの発生時刻ｔ_ＢとＡの発生時刻ｔ_Ａとの差を求め、これをｔ_１１とする。同様に、Ｃの発生時刻ｔ_ＣとＢの発生時刻ｔ_Ｂとの差を求め、これをｔ_１２とする。Ｄの発生時刻ｔ_ＤとＣの発生時刻ｔ_Ｃとの差を求め、これをｔ_１３とする。Ｅの発生時刻ｔ_ＥとＤの発生時刻ｔ_Ｄとの差を求め、これをｔ_１４とする。「第２のＡＢＣＤＥ」、・・・、「第ｎのＡＢＣＤＥ」についても、「第１のＡＢＣＤＥ」と同様に、それぞれ、各イベントの発生した時刻の差を求める。

Ｓｔｅｐ２）「第１のＡＢＣＤＥ」について、上記のＳｔｅｐ１で求めたｔ_１１、ｔ_１２、ｔ_１３、ｔ_１４を、ベクトルＴ_１＝（ｔ_１１、ｔ_１２、ｔ_１３、ｔ_１４）^ｔ（ここで、ｔは転置を示す）とする。「第２のＡＢＣＤＥ」、・・・、「第ｎのＡＢＣＤＥ」についても、「第１のＡＢＣＤＥ」と同様に、それぞれ、ベクトルＴ_２、・・・、Ｔ_ｎを定義する。

Ｓｔｅｐ３）ベクトルＴ_１、Ｔ_２、・・・、Ｔ_ｎを例えばＫ平均法（K-means clustering）によりクラスタリングする。そして、Ｋ個のクラスタに、各クラスタを識別するためのラベルを付与する。以降では、ベクトルＴ_１、Ｔ_２、・・・、Ｔ_ｎが３個のクラスタにクラスタリングされたものとし、各クラスタのラベルをα、β、γとする。

そして、ラベルが付与された各クラスタを予測モデルとする。すなわち、上記の場合、ラベルαのクラスタに含まれるイベント列「ＡＢＣＤＥ」を予測元イベント列として、ラベルαの予測モデル「ＡＢＣＤＥ→Ｆ」を作成する。同様に、ラベルβに含まれるイベント列「ＡＢＣＤＥ」を予測元イベント列として、ラベルβの予測モデル「ＡＢＣＤＥ→Ｆ」を作成する。同様に、ラベルγに含まれるイベント列「ＡＢＣＤＥ」を予測元イベント列として、ラベルγの予測モデル「ＡＢＣＤＥ→Ｆ」を作成する。

ステップＳ１５０４において、予測モデル評価部１０５は、作成された予測モデルを評価する。すなわち、予測モデル評価部１０５は、作成された予測モデルの予測漏れ率及び誤予測率を算出する。予測漏れ率及び誤予測率の算出方法は、第一の実施形態と同様であるが、ラベル毎に第１の回数、第２の回数、及び第３の回数を算出する。ただし、イベント情報記憶部１１０には、イベント間の時間情報を含む。

より具体的に説明すると、ラベルαの「ＡＢＣＤＥ」の後に予測対象アラーム「Ｆ」が発生する回数を、ラベルαの第１の回数とする。また、予測対象アラーム「Ｆ」の前にラベルαの「ＡＢＣＤＥ」以外のイベント列が発生する回数を、ラベルαの第２の回数とする。さらに、ラベルαの「ＡＢＣＤＥ」の後に、予測対象アラーム「Ｆ」以外のイベントが発生する回数を、ラベルαの第３の回数とする。ラベルβ及びラベルγについても同様である。

ステップＳ１５０５において、表示制御部１０６は、上記のステップＳ１５０４で算出された複数の予測モデルの評価結果を、表示装置１２に表示させる。より具体的には、表示制御部１０６は、例えば図１７に示すような評価結果を示す画面Ｇ４００を、表示装置１２に表示させる。

図１７に示す画面Ｇ４００は、上記で説明したラベルαの第１の回数（正解）が「８６」、ラベルαの第２の回数（予測漏れ）が「７」、ラベルαの第３の回数（誤予測）が「７」である場合について、予測漏れ率と誤予測率を算出した評価結果を示している。同様に、ラベルβの第１の回数（正解）が「１」、ラベルβの第２の回数（予測漏れ）が「９２」、ラベルβの第３の回数（誤予測）が「４０」である場合について、予測漏れ率と誤予測率を算出した評価結果を示している。同様に、ラベルγの第１の回数（正解）が「３」、ラベルγの第２の回数（予測漏れ）が「９０」、ラベルγの第３の回数（誤予測）が「５３」である場合について、予測漏れ率と誤予測率を算出した評価結果を示している。

ここで、ユーザが所望の予測精度を満たすと考えた場合、ユーザは、例えば図１７に示す画面Ｇ４００で所望の予測モデルを選択して、「ＯＫ」ボタンを押下する。これにより、作成された予測モデルが採用される。一方、ユーザが所望の予測精度を満たさないと考えた場合、ユーザは、例えば図１６に示す画面Ｇ４００で「キャンセル」ボタンを押下する。これにより、作成された予測モデルが予測モデル記憶部１２０から削除される。

このように第四の実施形態では、イベントが発生する順序に加えて、イベントが発生する時間間隔にも基づいた予測を行うことができる予測モデルを作成する。これにより、例えば誤予測率が高い予測モデルが得られた場合、当該予測モデルの予測元イベント列をクラスタリングして、複数の予測モデルを作成することにより、予測精度の高い（誤予測率の低い）予測モデルを得ることができるようになる。

≪アラーム予測処理≫
次に、「モデル作成」フェーズで作成された予測モデルに基づいて、アラームの発生を予測する「予測」フェーズの処理について、図１８を用いて説明する。図１８は、第四の実施形態に係るアラーム予測処理の一例のフローチャートである。なお、以降では、予測モデルは、ラベルαの「ＡＢＣＤＥ→Ｆ」であるとして説明する。

ステップＳ１８０１において、アラーム予測部１０７は、イベント情報記憶部１１０に格納されている直近の５つのイベント列が、ラベルαのクラスタに属するか否かを判定する。ラベルαのクラスタに属しない場合、ステップＳ９０１に戻る一方、ラベルαのクラスタに属する場合、ステップＳ９０４に進む。なお、予測モデル記憶部１２０に複数の予測モデルが格納されている場合、アラーム予測部１０７は、いずれかの予測モデルのラベルのクラスに属するか否かを判定する。

より一般には、予測モデルの予測元イベント列が「Ｘ_１Ｘ_２・・・Ｘ_ｍ」がラベルαのクラスタに分類される場合、イベント情報記憶部１１０に格納されている直近のｍ個のイベント列「Ｙ_１Ｙ_２・・・Ｙ_ｍ」がクラスタαに属するか否かを判定する。

［第五の実施形態］
次に、第五の実施形態に係るアラーム予測システム１について説明する。上記の各実施形態では、ユーザは、予測モデルによる予測のプロセスを知ることができなかった。すなわち、ユーザは、現在の状態からアラームが発生するまでの間に、どのようなイベントが発生する可能性があるのかを知ることができなかった。一方で、アラームが発生するまでの間に、どのようなイベントが発生する可能性があるのかを知ることができれば、ユーザは、アラームの発生を防止又は回避するための対応を行うことができる場合がある。

そこで、第五の実施形態に係るアラーム予測システム１では、所定のイベントが発生するまでの情報を提示する。なお、第五の実施形態では、第一の実施形態と実質的に同一の機能を有する箇所及び同一の処理を実行する処理について、第一の実施形態と同一の符号を用いて、その説明を省略する。

＜機能構成＞
まず、本実施形態に係るアラーム予測システム１の機能構成について、図１９を用いて説明する。図１９は、第五の実施形態に係るアラーム予測システム１の一例の機能構成図である。

図１９に示すように、本実施形態に係るアラーム予測装置１０のアラーム予測部１０７は、予測対象アラームが発生する場合に、状態情報番号１３０を用いて、当該予測対象アラームが発生するまでの間に機器４０で発生する可能性があるイベントを予測する。そして、アラーム予測部１０７は、予測結果を監視装置２０に通知する。なお、予測結果には、予測対象アラームが発生するまでの間に機器制御装置３０から送信される可能性があるイベント信号（すなわち、機器４０で発生する可能性があるイベント）に関する情報が含まれる。

これにより、例えばプラントのオペレータ等は、当該予測結果に基づき予測対象アラームが発生するまでに、機器４０で発生する可能性があるイベントを知ることができる。なお、状態情報番号１３０は、後述するように、予測モデルに含まれる状態情報を一意に識別する番号である。状態情報番号１３０は、例えばＲＡＭ１４等に記憶されている。

ここで、本実施形態に係るアラーム予測装置１０の予測モデル記憶部１２０に格納されている予測モデルについて、図２０を用いて説明する。図２０は、予測モデル記憶部に格納された予測モデルの一例を説明するための図である。

図２０に示すように、予測モデルは、１以上の「状態情報」と、「状態情報」に関連付けられた「距離」とが含まれる。また、「状態情報」には、予測モデルにおいて当該「状態情報」を一意に識別するための「番号」が付与されている。さらに、「状態情報」には、「現在のイベント列」と「後続のイベント列」とが含まれる。

例えば、番号「４」の状態情報の現在のイベント列は「Ａ」、後続のイベント列は「Ｂ，Ｃ，Ｄ」である。これは、アラーム予測装置１０が機器制御装置３０からイベント「Ａ」を受け取った場合（正確には、イベント「Ａ」に記号化されるイベント信号を受け取った場合）、その後にイベント「Ｂ」、「Ｃ」、「Ｄ」を順に受け取ると予測対象アラームが発生することを示している。また、距離「Ｌ_４」は、機器制御装置３０からイベント「Ａ」を受け取った場合において、予測対象アラームが発生するまでの指標値（例えば、予測時間）であり、距離が小さいほど予測対象アラームが発生するまでの時間が短いことを示している。

同様に、例えば、番号「５」の状態情報の現在のイベント列は「Ａ，Ｂ」、後続のイベント列は「Ｃ，Ｄ」である。これは、アラーム予測装置１０が機器制御装置３０からイベントを「Ａ」、「Ｂ」の順に受け取った場合、その後にイベント「Ｃ」、「Ｄ」を順に受け取ると予測対象アラームが発生することを示している。また、距離「Ｌ_５」は、機器制御装置３０からイベント「Ａ」、「Ｂ」を順に受け取った場合において、予測対象アラームが発生するまでの指標値である。ここで、距離「Ｌ_４」と距離「Ｌ_５」との関係を述べると、Ｌ_４＞Ｌ_５である。

さらに、例えば、番号「６」の状態情報の現在のイベント列は「Ａ，Ｂ，Ｃ」、後続のイベント列は「Ｄ」である。これは、アラーム予測装置１０が機器制御装置３０からイベントを「Ａ」、「Ｂ」、「Ｃ」の順に受け取った場合、その後にイベント「Ｄ」を受け取ると予測対象アラームが発生することを示している。また、距離「Ｌ_６」は、機器制御装置３０からイベント「Ａ」、「Ｂ」、「Ｃ」を順に受け取った場合において、予測対象アラームが発生するまでの指標値である。ここで、距離「Ｌ_６」と、距離「Ｌ_４」及び距離「Ｌ_５」との関係を述べると、Ｌ_４＞Ｌ_５＞Ｌ_６である。

＜処理の詳細＞
次に、本実施形態に係るアラーム予測システム１の処理の詳細について説明する。

≪予測モデルの作成≫
まず、「モデル作成」フェーズにおいて、予測モデルを作成する処理について、図２１を用いて説明する。図２１は、第五の実施形態に係る予測モデルの作成処理の一例のフローチャートである。なお、以降では、一例として、図２０に示した予測モデルを作成する場合について説明する。

ステップＳ２１０１において、ユーザは、入力装置１１等から予測対象のアラームを指定する。すると、予測対象アラーム設定部１０２は、ユーザにより指定されたアラームを予測対象アラームとして設定する。ここで、ユーザは、記号「Ｆ」で表されるイベント（アラーム）を予測対象アラームに指定したものとする。

ステップＳ２１０２において、イベント列抽出部１０３は、予測対象アラーム設定部１０２により設定された予測対象アラーム「Ｆ」を末尾に含むイベント列を、イベント情報記憶部１１０から抽出する。ここで、イベント列抽出部１０３は、例えば特開２００４−１５７８３０号公報に開示されているシーケンシャルパターンマイニング（系列パターンマイニング）の手法を用いて、予測対象アラーム「Ｆ」を含むイベント列を、イベント情報記憶部１１０から抽出すれば良い。

より具体的には、イベント列抽出部１０３は、ユーザ等により予め指定された最低出現頻度ａ、最小イベント列長ｍｉｎ、最大イベント列長ｍａｘを入力して、系列パターンマイニングにより、複数のイベント列を抽出する。なお、以降では、３つのイベント列「ＡＢＣＤＥＦ」、「ＡＢＤＦ」、「ＢＣＤＦ」が抽出されたものとして説明する。

ステップＳ２１０３において、予測モデル作成部１０４は、抽出されたイベント列において予測対象アラームに先行するイベント列を抽出する。

より具体的には、上記のステップＳ２１０２で抽出されたイベント列「ＡＢＣＤＥＦ」、「ＡＢＤＦ」、「ＢＣＤＦ」について、それぞれ、予測対象アラーム「Ｆ」に先行するイベント列「ＡＢＣＤＥ」、「ＡＢＤ」、「ＢＣＤ」を抽出する。

ステップＳ２１０４において、予測モデル作成部１０４は、「現在のイベント列」を「なし」、「後続のイベント列」を上記のステップＳ２１０３で抽出されたイベント列とした状態情報を作成し、それぞれの距離を最大に設定する。そして、それぞれの状態情報に「番号」を付与し、予測モデルを作成する。

より具体的には、「現在のイベント列」を「なし」、「後続のイベント列」を上記のステップＳ２１０３で抽出されたイベント列「ＡＢＣＤＥ」とした状態情報を作成し、距離をＬ_１（＝Ｍａｘ）に設定する。また、この状態情報を番号「１」とする。

同様に、「現在のイベント列」を「なし」、「後続のイベント列」を上記のステップＳ２１０３で抽出されたイベント列「ＡＢＤ」とした状態情報を作成し、距離をＬ_２（＝Ｍａｘ）に設定する。また、この状態情報を番号「２」とする。

さらに、同様に、「現在のイベント列」を「なし」、「後続のイベント列」を上記のステップＳ２１０３で抽出されたイベント列「ＢＣＤ」とした状態情報を作成し、距離をＬ_３（＝Ｍａｘ）に設定する。また、この状態情報を番号「３」とする。

以上のように作成された番号「１」〜番号「３」の状態情報及び距離を、予測モデルとする。すなわち、これにより、図２０で示す予測モデルにおいて、図２０（ａ）で示す部分が作成される。

ステップＳ２１０５において、予測モデル作成部１０４は、距離を最大に設定した一の状態情報の「後続のイベント列」の一部を「現在のイベント列」とした状態情報を作成する。この処理の詳細については後述する。

ステップＳ２１０６において、予測モデル作成部１０４は、距離が最大に設定されている他の状態情報が存在するか否かを判定する。距離が最大に設定されている他の状態情報が存在する場合、ステップＳ２１０５に戻る。一方で、距離が最大に設定されている他の状態情報が存在しない場合、処理を終了させる。これは、すなわち、距離が最大に設定されているすべての状態情報について、ステップＳ２１０５の処理を実行することを意味している。より具体的には、図２０（ａ）に示す番号「１」〜番号「３」のすべての状態情報について、それぞれステップＳ２１０５の処理を実行することを意味している。

次に、上記で説明したステップＳ２１０５の処理の詳細について、図２２を用いて説明する。以降では、図２０（ａ）に示す番号「１」の状態情報について、ステップＳ２１０５の処理を実行する場合について説明する。

ステップＳ２２０１において、予測モデル作成部１０４は、「後続のイベント列」の先頭のイベントを、「現在のイベント列」の末尾に移動させた状態情報を作成する。

より具体的には、後続のイベント列「ＡＢＣＤ」の先頭のイベント列「Ａ」を、現在のイベント列「なし」の末尾に移動させた状態情報、すなわち、後続のイベント列が「ＢＣＤ」、現在のイベント列が「Ａ」である状態情報を作成する。

ステップＳ２２０２において、予測モデル作成部１０４は、「現在のイベント列」の末尾のイベントから「後続のイベント」の末尾のイベントまでの距離を算出し、この距離を上記のステップＳ２２０１で作成した状態情報に設定する。そして、作成した状態情報に「番号」を付与し、予測モデルに追加する。

より具体的には、図２３（ａ）に示すように、「現在のイベント列」の末尾のイベント「Ａ」から「後続のイベント列」の末尾のイベント「Ｄ」までの時間を算出し、これを距離Ｌ_４とする。すなわち、イベント「Ｂ」が発生した時刻とイベント「Ａ」が発生した時刻との差をｔ_１、イベント「Ｃ」が発生した時刻とイベント「Ｂ」が発生した時刻との差をｔ_２、イベント「Ｄ」が発生した時刻とイベント「Ｃ」が発生した時刻との差をｔ_３とした場合、距離Ｌ_４＝ｔ_１＋ｔ_２＋ｔ_３と算出する。そして、この状態情報を番号「４」として図２０に示す予測モデルに追加する。

ステップＳ２２０３において、予測モデル作成部１０４は、上記のステップＳ２２０２で作成した状態情報の「後続のイベント列」のイベント数が１であるか否かを判定する。「後続のイベント列」のイベント数が１でない場合、ステップＳ２２０１に戻る。一方で、「後続のイベント列」のイベント数が１である場合、処理を終了させる。すなわち、図２２に示す一連の処理により、予測モデル作成部１０４は、図２０（ｂ）に示す番号「５」の状態情報及び距離Ｌ_５、並びに番号「６」の状態情報及び距離Ｌ_６を作成し、予測モデルに追加する。このとき、距離Ｌ_５及び距離Ｌ_６は、それぞれ図２３（ｂ）及び図２３（ｃ）に示すように、それぞれＬ_５＝ｔ_２＋ｔ_３、Ｌ_６＝ｔ_３で算出される。

上記と同様に、図２２（ａ）に示す番号「２」の状態情報について、図２２に示す一連の処理が行われることにより、図２０（ｃ）に示す状態情報及び距離が予測モデルに追加される。また、同様に、図２０（ａ）に示す番号「３」の状態情報について、図２２に示す一連の処理が行われることにより、図２０（ｄ）に示す状態情報及び距離が予測モデルに追加される。このようにして、本実施形態では、「予測」フェーズにおいて、予測対象アラームを予測するための予測モデルが作成される。

なお、図２２のステップＳ２２０２において、図２３に示したようにイベントが発生した時刻の差に基づいて距離を算出したが、これに限られず、例えばイベントが発生した時刻の差に所定の重み付けを行って距離を算出してもよい。すなわち、図２４（ａ）に示すように、イベント情報記憶部１１０において「Ａ」が出現する回数を「Ｃ_１」、「ＡＢ」が出現する回数を「Ｃ_２」、「ＡＢＣ」が出現する回数を「Ｃ_３」、「ＡＢＣＤ」が出現する回数を「Ｃ_４」とする。このとき、距離Ｌ_４を以下の式により算出しても良い。なお、このような出現回数は、既知の文字列検索の手法を用いれば良い。

また、同様に、図２４（ｂ）に示すように、距離Ｌ_５を以下の式により算出しても良い。

また、同様に、図２４（ｃ）に示すように、距離Ｌ_６を以下の式により算出してもよい。

以上のことは、距離Ｌ_７〜Ｌ_１０についても同様である。すなわち、例えば距離Ｌ_７及び距離Ｌ_８については、イベント情報記憶部１１０において「Ａ」が出現する回数、「ＡＢ」が出現する回数、「ＡＢＤ」が出現する回数に基づく係数（重み付け係数）を用いて、上記で説明したのと同様に重み付けを行えばよい。例えば距離Ｌ_９及び距離Ｌ_１０については、イベント情報記憶部１１０において「Ｂ」が出現する回数、「ＢＣ」が出現する回数、「ＢＣＤ」が出現する回数を用いて、上記で説明したのと同様に重み付けを行えば良い。このように、距離算出式において出現回数で重みづけすることにより、出現頻度が大きいイベント列は重要度が大きいという価値評価を、算出される距離の値に反映することができる。

≪アラーム予測処理≫
次に、「モデル作成」フェーズで作成された予測モデルに基づいて、アラームの発生を予測する「予測」フェーズの処理について、図２５を用いて説明する。図２５は、第五の実施形態に係るアラーム予測処理の一例のフローチャートである。なお、以降では、「モデル作成」フェーズで作成された予測モデルは、図２０に示す予測モデルであるものとして説明する。

ステップＳ２５０１において、アラーム予測部１０７は、予測モデル記憶部１２０に格納されている予測モデルに含まれる状態情報のうち、最大の距離が設定されている状態情報の番号を取得する。そして、アラーム予測部１０７は、取得した番号を状態情報番号１３０として、例えばＲＡＭ１４等のメモリに保持する。

より具体的には、アラーム予測部１０７は、図２０に示す予測モデルから最大の距離が設定されている状態情報の番号「１」、「２」、及び「３」を取得する。そして、アラーム予測部１０７は、取得した番号を状態情報番号１３０として保持する。したがって、このとき、状態情報番号１３０は｛１、２、３｝である。

ステップＳ２５０２において、アラーム予測装置１０は、機器制御装置３０からイベント信号を受信する。

ステップＳ２５０３において、記号化部１０１は、機器制御装置３０から受信したイベント信号を、予め定められた所定の記号に変換する。そして、記号化部１０１は、記号化したイベント信号（イベント）をイベント情報記憶部１１０に格納する。ここで、本ステップにおいてイベント情報記憶部１１０に格納したイベントを、便宜上、「判定対象イベント」と表す。

ステップＳ２５０４において、アラーム予測部１０７は、判定対象イベントと、状態情報番号１３０として保持している番号の状態情報の「後続のイベント列」の先頭のイベントとが一致するか否かを判定する。判定対象イベントが状態情報番号１３０として保持しているいずれかの番号の状態情報の「後続のイベント列」の先頭のイベントと一致する場合は、ステップＳ２５０５に進む。一方で、判定対象イベントが状態情報番号１３０として保持しているすべての番号の状態情報の「後続のイベント列」の先頭のイベントと一致しない場合は、ステップＳ２５０１に戻る。

より具体的には、例えば状態情報番号１３０として保持している番号が｛１、２、３｝、判定対象イベントが「Ａ」である場合、アラーム予測部１０７は、番号「１」及び「２」の「後続イベント列」の先頭イベント「Ａ」と一致すると判定する。同様に、例えば判定対象イベントが「Ｂ」である場合、アラーム予測部１０７は、状態情報番号１３０として保持している番号｛１、２、３｝のうち、番号「３」の「後続イベント列」の先頭イベント「Ｂ」と一致すると判定する。他方、判定対象イベントが「Ｃ」である場合、アラーム予測部１０７は、状態情報番号１３０として保持している番号｛１、２、３｝のすべての番号の状態情報の「後続イベント列」の先頭イベントとも一致しないと判定する。

ステップＳ２２０５において、アラーム予測部１０７は、上記のステップＳ２５０４で一致しないと判定された状態情報の番号を状態情報番号１３０から削除する。また、アラーム予測部１０７は、状態情報番号１３０において、上記のステップＳ２５０４で一致すると判定された状態情報の番号を、当該番号の状態情報の「後続のイベント列」の先頭のイベントを「現在のイベント列」の末尾に移動させた状態情報の番号に更新する。

より具体には、例えば状態情報番号１３０として保持している番号が｛１、２、３｝、一致すると判定された状態情報の番号が「１」及び「２」、一致しないと判定された状態情報の番号が「３」である場合、アラーム予測部１０７は状態情報番号１３０から「３」を削除する。また、アラーム予測部１０７は、番号「１」を、当該番号の状態情報の「後続のイベント列」の先頭イベント「Ａ」を「現在のイベント列」の末尾に移動させた状態情報の番号「４」に更新する。同様に、アラーム予測部１０７は、番号「２」を、当該番号の状態情報の「後続のイベント列」の先頭イベント「Ａ」を「現在のイベント列」の末尾に移動させた状態情報の番号「７」に更新する。したがって、これにより状態情報番号１３０として保持している番号は、｛４、７｝となる。

同様に、例えば状態情報番号１３０として保持している番号が｛４、７｝、一致すると判定された状態情報の番号が「４」及び「７」である場合、アラーム予測部１０７は、番号「４」を、当該番号の状態情報の「後続のイベント列」の先頭イベント「Ｂ」を「現在のイベント列」の末尾に移動させた状態情報の番号「５」に更新する。また、アラーム予測部１０７は、番号「７」を、当該番号の状態情報の「後続のイベント列」の先頭イベント「Ｂ」を「現在のイベント列」の末尾に移動させた状態情報の番号「８」に更新する。したがって、これにより状態情報番号１３０として保持している番号は、｛５、８｝となる。

ステップＳ２５０６において、アラーム予測部１０７は、状態情報番号１３０として保持している番号の状態情報を予測モデル記憶部１２０から取得する。そして、アラーム予測部１０７は、取得した状態情報を含む予測結果を監視装置２０に送信して、例えば図２６に示すようなアラーム予測画面Ｇ５００を表示させる。

すなわち、監視装置２０には、予測結果に含まれる状態情報の「現在のイベント列」及び「後続のイベント列」が表示される。図２６に示すアラーム予測画面Ｇ５００では、番号「５」及び番号「８」の状態情報を含む予測結果を監視装置２０に送信した場合のアラーム予測画面を示している。

また、図２６に示すアラーム予測画面Ｇ５００には、「アラーム発生までの予測時間」が表示される。これは、予測結果に含まれる状態情報の距離の最大、最小、及び平均である。図２６に示すアラーム予測画面Ｇ５００では、「最大」として番号「５」の状態情報の距離Ｌ_５（＝２０分）が、「最小」として番号「８」の状態情報の距離Ｌ_８（＝１０分）、及び距離Ｌ_５と距離Ｌ_８の「平均」（＝１５分）が表示されている。これにより、例えばプラント等のオペレータは、監視装置２０に表示されたアラーム予測画面Ｇ５００により、発生した現在のイベント列と、予測対象アラームが発生する場合に、発生する可能性がある後続のイベント列とを知ることができる。さらに、例えばプラント等のオペレータは、予測対象アラームが発生する場合の最大、最小、及び平均の予測時間を知ることができる。

以上により、例えばプラント等のオペレータ等のユーザは、例えば図２６に示すアラーム予測画面Ｇ５００に表示された発生する可能性がある後続のイベント列と、予測対象アラームが発生するまでの予測時間とに基づき、予測対象アラームの発生を防止又は回避するための対応を行うことができるようになる。

なお、上記のステップＳ２５０６において、アラーム予測部１０７は、状態情報毎の予測信頼性を含む予測結果を監視装置２０に送信して、例えば図２７に示すようなアラーム予測画面Ｇ６００を表示させても良い。

すなわち、監視装置２０には、図２６に示すように、さらに、状態情報毎の「予測信頼性」が表示されたアラーム予測画面Ｇ６００が表示されても良い。ここで、予測信頼性は、例えば、状態情報を、第一の実施形態における予測モデルとした場合に、当該予測モデルの誤予測率及び予測漏れ率とすれば良い。したがって、アラーム予測部１０７は、予測モデル記憶部１２０から取得した状態情報と、取得された状態情報の誤予測率及び予測漏れ率とを含む予測結果を監視装置２０に送信すれば良い。

これにより、例えばプラント等のオペレータ等のユーザは、例えば図２７に示すアラーム予測画面Ｇ６００に表示された「予測信頼性」に基づいて、予測対象アラームの発生や当該予測対象アラームが発生するまでの予測時間の信頼性を知ることができるようになる。

なお、誤予測率及び予測漏れ率は、例えば、状態情報を、第一の実施形態における予測モデルとした場合に、第一の実施形態と同様の方法により、予測モデル評価部１０５により算出される。ただし、予測信頼性は、誤予測率及び予測漏れ率に限られず、例えば、正解率や不正解率、適合率／精度、感度／真陽性率／検出率、特異度／真陰性率、偽陽性率、偽陰性率等の指標であっても良い。

ステップＳ２５０７において、アラーム予測部１０７は、状態情報番号１３０として保持している番号の状態情報のいずれかの距離が、予め設定された所定の閾値以下であるか否かを判定する。所定の閾値以下の距離が存在しない場合、ステップＳ２５０２に戻る。一方で、所定の閾値以下の距離が存在する場合、ステップＳ２５０８に進む。

ステップＳ２５０８において、アラーム予測部１０７は、予測対象アラームの発生が近いことを示す通知を監視装置２０に送信する。監視装置２０は、当該通知を受け取ると、例えばアラーム予測画面において、予測対象アラームの発生が近いことを示すメッセージを表示させる。これにより、例えばプラント等のオペレータは、予測対象アラームの発生が近いことを知ることができる。なお、監視装置２０は、例えば、予測対象アラームの発生が近いことを示す警告音等を発しても良い。

＜まとめ＞
以上のように、第一の実施形態に係るアラーム予測システム１では、時系列データとして蓄積されているイベントに基づき、指定されたアラームを予測するための予測モデルを作成する。しかも、このとき、作成された予測モデルの予測漏れ率や誤予測率等の評価値をユーザに提示する。したがって、ユーザは、作成された予測モデルが所望の予測精度を有するか否かを、当該予測モデルに基づく予測を行う前に知ることができる。

また、第二の実施形態及び第三の実施形態に係るアラーム予測システム１では、時系列データと蓄積されているイベントに基づき、指定されたアラームを予測するための予測モデルを、複数作成する。このとき、第一の実施形態と同様に、作成された複数の予測モデルの予測漏れ率や誤予測率等の評価値をユーザに提示する。したがって、ユーザは、作成された複数の予測モデルから所望の予測精度を有する予測モデルを選択することがきる。

また、第四の実施形態に係るアラーム予測システム１では、イベントが発生する時間間隔をも考慮した予測モデルを、クラスタリングの手法を用いて作成する。これにより、予測精度の高い予測モデルを作成することができる。

さらに、第五の実施形態に係るアラーム予測システム１では、指定されたアラームを予測するための予測モデルを作成すると共に、予測対象アラームが発生する場合に、発生する可能性があるイベント列や発生するまでの時間等の情報を提示する。したがって、ユーザは、提示された情報に基づき、予測対象アラームの発生を防止又は回避するための対応を行うことができるようになる。

なお、本発明は、具体的に開示された上記の実施形態に限定されるものではなく、特許請求の範囲から逸脱することなく、種々の変形や変更が可能である。

１ アラーム予測システム
１０ アラーム予測装置
２０ 監視装置
３０ 機器制御装置
４０ 機器
１０１ 記号化部
１０２ 予測対象アラーム設定部
１０３ イベント列抽出部
１０４ 予測モデル作成部
１０５ 予測モデル評価部
１０６ 表示制御部
１０７ アラーム予測部
１１０ イベント情報記憶部
１２０ 予測モデル記憶部
１３０ 状態情報番号

Claims (16)

1. 機器又は設備の出力する時系列のイベント情報に基づいて異常の発生を予測するアラーム予測装置であって、
   時系列に従って所定の記憶領域に予め記憶されている複数のイベント情報から、予測対象の異常の発生を示す予測対象イベント情報を末尾に含む第１のイベント情報の列を抽出する抽出手段と、
   前記抽出手段により抽出された前記第１のイベント情報の列から前記予測対象イベント情報を除いた第２のイベント情報の列を抽出し、該第２のイベント情報の列に基づき予測モデルを作成するモデル作成手段と、
   前記モデル作成手段により作成されたモデルの評価値を表示装置に表示させる表示手段と
   を有するアラーム予測装置。
2. 前記抽出手段は、
   時系列に従って所定の記憶領域に予め記憶されている複数のイベント情報から、予測対象の異常の発生を示す予測対象イベント情報を末尾に含む複数の第１のイベント情報の列を抽出し、
   前記モデル作成手段は、
   前記複数の第１のイベント情報の列のそれぞれから前記予測対象イベント情報を除いた複数の第２のイベント情報の列を抽出し、該複数の第２のイベント情報の列に基づき複数の予測モデルを作成する、請求項１記載のアラーム予測装置。
3. 前記抽出手段は、１以上であって、予め指定された所定の長さ以下のすべての前記複数の第１のイベント情報の列を抽出する、請求項２記載のアラーム予測装置。
4. 前記所定の記憶領域に予め記憶されている前記複数のイベント情報において、前記第１のイベント情報の列が出現する第１の出現回数を算出する第１の算出手段と、
   前記所定の記憶領域に予め記憶されている複数のイベント情報において、前記予測対象イベント情報の前に前記第２のイベント情報の列以外のイベント情報の列が出現する第２の出現回数を算出する第２の算出手段と、
   前記所定の記憶領域に予め記憶されている複数のイベント情報において、前記第２のイベント情報の列の後に前記予測対象イベント情報以外のイベント情報が出現する第３の出現回数を算出する第３の算出手段とを有し、
   前記表示手段は、
   前記第１の出現回数、前記第２の出現回数、及び前記第３の出現回数を、前記モデル作成手段により作成されたモデルの評価値として表示装置に表示させる、請求項１ないし３のいずれか１項に記載のアラーム予測装置。
5. 前記第１の出現回数及び前記第２の出現回数に基づき、前記予測対象イベント情報の前に前記第２のイベント情報の列以外のイベント情報の列が出現する確率を示す予測漏れ率を算出する第４の算出手段と、
   前記第１の出現回数及び前記第２の出現回数に基づき、前記第２のイベント情報の列の後に前記予測対象イベント情報以外のイベント情報が出現する確率を示す誤予測率を算出する第５の算出手段とを有し、
   前記表示手段は、
   さらに、前記予測漏れ率及び前記誤予測率を表示させる、請求項４記載のアラーム予測装置。
6. 前記所定の記憶領域に予め記憶されている複数のイベント情報のうち、前記モデル作成手段により抽出された前記第２のイベント情報の列と同一のイベント情報の列に含まれる各イベント情報について、該各イベント情報が発生した時間の間隔に基づき、前記同一のイベント情報の列を分類して第３のイベント情報の列を抽出する分類手段を有し、
   前記第１の算出手段は、
   前記分類手段により抽出されたそれぞれの第３のイベント情報について、該第３のイベント情報の後に前記予測対象イベント情報が出現する第１の出現回数を算出し、
   前記第３の算出手段は、
   前記分類手段により抽出されたそれぞれの第３のイベント情報について、該第３のイベント情報の列の後に前記予測対象イベント情報以外のイベント情報が出現する第３の出現回数を算出する、請求項４又は５に記載のアラーム予測装置。
7. 機器又は設備の出力する時系列のイベント情報に基づいて異常の発生を予測するアラーム予測装置であって、
   時系列に従って所定の記憶領域に予め記憶されている複数のイベント情報から、予測対象の異常の発生を示す予測対象イベント情報を末尾に含む第１のイベント情報の列を抽出する抽出手段と、
   前記抽出手段により抽出された前記第１のイベント情報の列から前記予測対象イベント情報を除いた第２のイベント情報の列を抽出し、該第２のイベント情報の列に基づき予測モデルを作成するモデル作成手段と、
   前記モデル作成手段により作成された予測モデルと、前記機器又は設備から出力された時系列のイベント情報とに基づいて、該予測モデルにおいて前記予測対象イベント情報が発生するまでの間に前記機器又は設備から出力が予測されるイベント情報を表示させる予測手段と
   を有するアラーム予測装置。
8. 前記モデル作成手段は、
   前記第２のイベント情報の列を、第３のイベント情報の列と第４のイベント情報の列とに分割し、前記第３のイベント情報の列の末尾のイベント情報から前記予測対象イベント情報までの距離を算出して、前記第３のイベント情報の列と、前記第４のイベント情報の列と前記距離とに基づき予測モデルを作成し、
   前記予測手段は、
   さらに、前記距離を表示させる、請求項７記載のアラーム予測装置。
9. 前記距離は、前記作成された予測モデルにおいて、前記第３のイベント情報の列と同一のイベント情報の列が前記機器又は設備から出力された場合に、前記予測対象イベント情報が発生するまでの時間である、請求項８記載のアラーム予測装置。
10. 前記予測手段は、
    前記距離に基づき、前記予測対象イベント情報が発生するまでの最大時間、最小時間、及び平均時間を算出し、該最大時間、最小時間、及び平均時間を表示させる、請求項９記載のアラーム予測装置。
11. 前記距離は、前記作成された予測モデルにおいて、前記第３のイベント情報の列と同一のイベント情報の列が前記機器又は設備から出力された場合に、前記予測対象イベント情報が発生するまでの時間と、前記第２のイベント情報の列から算出される所定の係数とに基づき算出される、請求項８記載のアラーム予測装置。
12. 前記予測手段は、
    前記表示された距離が、予め設定された所定の閾値以下である場合、前記予測対象イベント情報の発生を予測することを示す通知を行う、請求項８ないし１０のいずれか１項に記載のアラーム予測装置。
13. 機器又は設備の出力する時系列のイベント情報に基づいて異常の発生を予測するアラーム予測装置に用いられるアラーム予測方法であって、
    時系列に従って所定の記憶領域に予め記憶されている複数のイベント情報から、予測対象の異常の発生を示す予測対象イベント情報を末尾に含む第１のイベント情報の列を抽出する抽出手順と、
    前記抽出手順により抽出された前記第１のイベント情報の列から前記予測対象イベント情報を除いた第２のイベント情報の列を抽出し、該第２のイベント情報の列に基づき予測モデルを作成するモデル作成手順と、
    前記モデル作成手順により作成されたモデルの評価値を表示装置に表示させる表示手順と
    を有するアラーム予測方法。
14. 機器又は設備の出力する時系列のイベント情報に基づいて異常の発生を予測するアラーム予測装置に用いられるアラーム予測方法であって、
    時系列に従って所定の記憶領域に予め記憶されている複数のイベント情報から、予測対象の異常の発生を示す予測対象イベント情報を末尾に含む第１のイベント情報の列を抽出する抽出手順と、
    前記抽出手順により抽出された前記第１のイベント情報の列から前記予測対象イベント情報を除いた第２のイベント情報の列を抽出し、該第２のイベント情報の列に基づき予測モデルを作成するモデル作成手順と、
    前記モデル作成手順により作成された予測モデルと、前記機器又は設備から出力された時系列のイベント情報とに基づいて、該予測モデルにおいて前記予測対象イベント情報が発生するまでの間に前記機器又は設備から出力が予測されるイベント情報を表示させる予測手順と
    を有するアラーム予測方法。
15. 機器又は設備の出力する時系列のイベント情報に基づいて異常の発生を予測するアラーム予測装置を、
    時系列に従って所定の記憶領域に予め記憶されている複数のイベント情報から、予測対象の異常の発生を示す予測対象イベント情報を末尾に含む第１のイベント情報の列を抽出する抽出手段、
    前記抽出手段により抽出された前記第１のイベント情報の列から前記予測対象イベント情報を除いた第２のイベント情報の列を抽出し、予測モデルを作成するモデル作成手段、
    前記モデル作成手段により作成されたモデルの評価値を表示装置に表示させる表示手段
    として機能させるためのプログラム。
16. 機器又は設備の出力する時系列のイベント情報に基づいて異常の発生を予測するアラーム予測装置を、
    時系列に従って所定の記憶領域に予め記憶されている複数のイベント情報から、予測対象の異常の発生を示す予測対象イベント情報を末尾に含む第１のイベント情報の列を抽出する抽出手段、
    前記抽出手段により抽出された前記第１のイベント情報の列から前記予測対象イベント情報を除いた第２のイベント情報の列を抽出し、該第２のイベント情報の列に基づき予測モデルを作成するモデル作成手段、
    前記モデル作成手段により作成された予測モデルと、前記機器又は設備から出力された時系列のイベント情報とに基づいて、該予測モデルにおいて前記予測対象イベント情報が発生するまでの間に前記機器又は設備から出力が予測されるイベント情報を表示させる予測手段
    として機能させるためのプログラム。

Images