JP6365143B2 - 時系列データの解析方法及び時系列データの異常監視装置 - Google Patents
時系列データの解析方法及び時系列データの異常監視装置 Download PDFInfo
- Publication number
- JP6365143B2 JP6365143B2 JP2014180720A JP2014180720A JP6365143B2 JP 6365143 B2 JP6365143 B2 JP 6365143B2 JP 2014180720 A JP2014180720 A JP 2014180720A JP 2014180720 A JP2014180720 A JP 2014180720A JP 6365143 B2 JP6365143 B2 JP 6365143B2
- Authority
- JP
- Japan
- Prior art keywords
- vector
- data
- time
- series data
- selection
- 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
- Testing Or Calibration Of Command Recording Devices (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
- Testing And Monitoring For Control Systems (AREA)
Description
次に、異常監視装置1による時系列データの処理手順について説明する。
<ステップS1>データ収集部4が、時系列データを取り込む。異常監視装置1において、データ収集部4が、監視・制御対象2からの時系列データを検出し、検出した時系列データを取り込む。
<ステップS2>データ蓄積部5が、データ収集部4により取り込まれた時系列データを蓄積する。
<ステップS3>データ取得部7が、データ蓄積部5に蓄積された時系列データを取得する。
<ステップS4>埋め込み処理部8が、データ取得部7が取得した時系列データに対してn次元状態空間に埋め込み処理を行う。
<ステップS5>データベクトル選択部9が、埋め込み処理部8により埋め込まれた時系列データから各時刻におけるデータ系列の現在時刻点を表す最先端のデータベクトルを選択する。
<ステップS6>近傍ベクトル検出部10が、データベクトル選択部9により選択されたデータベクトル近傍空間内の近傍ベクトルを検出する。このとき、近傍ベクトル検出部10は、選択されたデータベクトルXiから時刻差が予め定められた指定値未満のデータを除外したデータベクトルから近傍ベクトルXjを検出する。
<ステップS7>接線方向演算部11が、データベクトル選択部9により選択されたデータベクトルと、近傍ベクトル検出部10により検出された近傍ベクトルにおける、埋め込まれた後の時系列データの軌道の接線方向を演算する。選択されたデータベクトルの接線方向は、例えば、選択されたデータベクトルと、このデータベクトルに隣接するデータベクトル等の連続する3つデータベクトルを選択し、この3つのデータベクトルを点と同一視することで、3点のデータベクトルを通る円の選択されたデータベクトルにおける接線として算出する。
<ステップS8>平行度評価部12が、接線方向演算部11により演算された選択されたデータベクトルにおける軌道の接線方向と、近傍ベクトルにおける軌道の接線方向との軌道平行測度(TPM)を算出する。なお、TPMは、接線方向の向きが揃っているほど0となる。
<ステップS9>平行度判定部13が、平行度評価部12で算出されTPMの時系列データに基づいて、時系列データの評価を行う。なお、平行度判定部13は、従来の時系列データの評価方法を併せて行ってもよい。例えば、TPMに閾値を設定し、TPMと閾値とを比較して時系列データの異常が判定される。
<ステップS10>現在時刻点更新部14が、平行度判定部13によってある時刻におけるデータベクトルにおける時系列データの評価が行われる毎に、埋め込み処理部8により埋め込まれた時系列データの現在時刻点を更新する。
<ステップS11>蓄積データ更新部15が、データ蓄積部5に蓄積された時系列データから、設定期間以上経過したデータを削除する。
本発明の実施形態に係る時系列データの解析方法及び時系列データの異常監視装置1について、具体的な実施例を挙げてさらに詳細に説明する。
2…監視・制御対象
3…出力装置
4…データ収集部
5…データ蓄積部
6…データ判定処理部
7…データ取得部(取得手段)
8…埋め込み処理部(埋め込み手段)
9…データベクトル選択部(データベクトル選択手段)
10…近傍ベクトル検出部(近傍ベクトル選択手段)
11…接線方向演算部(接線方向演算手段)
12…平行度評価部(平行度算出手段)
13…平行度判定部(時系列データ評価手段)
14…現在時刻点更新部
15…蓄積データ更新部
Claims (3)
- コンピュータが実行する時系列データを軌道平行測度法により解析する時系列データの解析方法であって、
前記コンピュータが、
時系列データをn次元状態空間に埋め込むステップと、
前記n次元状態空間に埋め込まれた時系列データであるデータベクトルから一つのデータベクトルを選択ベクトルとして選択するステップと、
前記データベクトルのうち、前記選択ベクトルからの時刻差が前記時系列データの基本周期の2倍より少ないデータベクトルが少なくとも除外されたデータベクトルから、前記選択ベクトルの近傍に埋め込まれたデータベクトルを近傍ベクトルとして選択するステップと、
前記選択ベクトルにおけるデータベクトルの軌道の接線方向と、前記近傍ベクトルにおけるデータベクトルの軌道の接線方向との平行度を算出するステップと、
算出された平行度に基づいて、前記時系列データの解析を行うステップと、を実行することを特徴とする時系列データの解析方法。 - 評価対象から時系列データを取得する取得手段と、
取得された時系列データをn次元状態空間に埋め込み処理を行う埋め込み手段と、
前記n次元状態空間に埋め込まれた時系列データであるデータベクトルから一つのデータベクトルを選択ベクトルとして選択するデータベクトル選択手段と、
前記データベクトルのうち、前記選択ベクトルからの時刻差が前記時系列データの基本周期の2倍より少ないデータベクトルが少なくとも除外されたデータベクトルから、前記選択ベクトルの近傍に埋め込まれたデータベクトルを近傍ベクトルとして選択する近傍ベクトル選択手段と、
前記選択ベクトルと前記近傍ベクトルにおけるデータベクトルの軌道の接線方向を演算する接線方向演算手段と、
前記選択ベクトルにおける軌道の接線方向と前記近傍ベクトルにおける軌道の接線方向との平行度を算出する平行度算出手段と、
前記平行度算出手段により算出された平行度に基づいて、前記時系列データの評価を行う時系列データ評価手段と、を備えた
ことを特徴とする時系列データの異常監視装置。 - コンピュータを請求項2に記載の時系列データの異常監視装置の各手段として機能させるためのプログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2014180720A JP6365143B2 (ja) | 2014-09-05 | 2014-09-05 | 時系列データの解析方法及び時系列データの異常監視装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2014180720A JP6365143B2 (ja) | 2014-09-05 | 2014-09-05 | 時系列データの解析方法及び時系列データの異常監視装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2016057648A JP2016057648A (ja) | 2016-04-21 |
JP6365143B2 true JP6365143B2 (ja) | 2018-08-01 |
Family
ID=55758521
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2014180720A Active JP6365143B2 (ja) | 2014-09-05 | 2014-09-05 | 時系列データの解析方法及び時系列データの異常監視装置 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6365143B2 (ja) |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3785703B2 (ja) * | 1996-10-31 | 2006-06-14 | 株式会社明電舎 | 時系列データの識別方法およびその識別装置 |
JP6065628B2 (ja) * | 2012-03-02 | 2017-01-25 | 株式会社明電舎 | 時系列データの異常監視装置、異常監視方法および異常監視プログラム |
-
2014
- 2014-09-05 JP JP2014180720A patent/JP6365143B2/ja active Active
Also Published As
Publication number | Publication date |
---|---|
JP2016057648A (ja) | 2016-04-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Boškoski et al. | Bearing fault prognostics using Rényi entropy based features and Gaussian process models | |
JP6051951B2 (ja) | 部分放電検出装置及び部分放電検出方法 | |
JP6183450B2 (ja) | システム分析装置、及び、システム分析方法 | |
JP6065628B2 (ja) | 時系列データの異常監視装置、異常監視方法および異常監視プログラム | |
JPWO2013111560A1 (ja) | 運用管理装置、運用管理方法、及びプログラム | |
Popescu et al. | Fault detection of rolling element bearings using optimal segmentation of vibrating signals | |
JP6602512B2 (ja) | 経年劣化診断装置及び経年劣化診断方法 | |
JP6200076B2 (ja) | システムから取得される測定値を評価する方法及びシステム | |
US20080288213A1 (en) | Machine condition monitoring using discontinuity detection | |
JP2019168412A (ja) | 異常検出装置および異常検出方法 | |
JP6135192B2 (ja) | 時系列データの異常監視装置、異常監視方法及びプログラム | |
CN110858072A (zh) | 设备运行状态的确定方法及装置 | |
JP6365146B2 (ja) | 時系列データの解析方法及び時系列データの異常監視装置 | |
US8607133B2 (en) | Data processing device and method for checking parameter values of the data processing device | |
JP6365143B2 (ja) | 時系列データの解析方法及び時系列データの異常監視装置 | |
JP6065651B2 (ja) | 時系列データの解析装置及び解析方法 | |
Xiao et al. | An improved simplex-based adaptive evolutionary digital filter and its application for fault detection of rolling element bearings | |
JP6365145B2 (ja) | 時系列データの解析方法及び時系列データの異常監視装置 | |
JP6365144B2 (ja) | 時系列データの解析方法及び時系列データの異常監視装置 | |
JP2015108953A (ja) | 演算装置 | |
JP6318574B2 (ja) | 時系列データの異常監視方法及び時系列データの異常監視装置 | |
JP2016105267A (ja) | 情報処理装置、情報処理方法、およびプログラム | |
JP2015161506A (ja) | 信号解析装置、信号解析方法、劣化診断装置及び劣化診断方法 | |
WO2020189132A1 (ja) | 学習装置、学習方法、コンピュータプログラム及び記録媒体 | |
Boukra et al. | Identifying new prognostic features for remaining useful life prediction |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20170524 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20180309 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20180320 |
|
A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20180406 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20180508 |
|
A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20180517 |
|
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: 20180605 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20180618 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6365143 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |