JP6472367B2 - 気付き情報提供装置及び気付き情報提供方法 - Google Patents

Description

本発明は、機器の状態監視保守を行う際の異常予兆の判定条件に関する気付き情報を提供することができる気付き情報提供装置及び気付き情報提供方法に関する。

従来、工場や店舗に設置されている設備機器は、定期保守によるメンテナンスが実施されていた。しかし、定期保守は頻繁な部品交換によるコストの増加、突発故障の発生など課題がある。そこで機器に設置したセンサから取得したデータを活用した状態監視保守への切り替えが求められている。

状態監視保守を実施するには、センサデータを解析し、機器に対する警報条件を設計する必要がある。警報条件を設計するためには、機器の専門家がセンサデータを観察し、分析していく必要があるが、膨大なセンサデータの中から警報に結び付ける変化を発見するのは困難である。また、機器ユーザからの問い合わせや専門家が把握できていない機器故障に対しては警報を設計することができていない。そこで、運用を実施しながら専門家に気付きを与え、新たな警報事象に対応でき、既存の警報事象については精度を向上させていけるようなシステムが必要である。

特許文献１では、保守情報記憶手段から読み出した保守情報に対応して、センサデータ取得手段によってセンサデータが取得された期間を指定し、センサデータ記憶手段から当該期間に相当するセンサデータを読み出す学習対象データ取得処理と、当該センサデータの正常範囲を示す正常モデルを学習する学習処理と、正常モデルに基づいて機械設備の異常予兆の有無を診断する診断処理と、を行う第１の診断手段と、センサデータ記憶手段からセンサデータを読み出し、各センサデータが、それぞれ予め設定された所定範囲のしきい値を超えた場合には、異常予兆ありと診断する第２の診断手段と、を備える異常予兆診断装置が記載されています。

特開２０１３−８０９２号公報

特許文献１のように、正常モデルを構成するセンサデータの区間を正しく決定できたとしても、正常モデルを構成するセンサデータを予め定め、生成する正常モデルを限定してしまうと、事前に警報を設計した事象にしか対応できず、事象についても機器の重要故障の場合に限定せざるを得ない。

この場合、専門家が把握していない機器の故障や、機器ユーザからの問い合わせなどの事象に対応した警報を発報することができない問題がある。また、運用を実施しながらこれらの未知の事象に対応した警報を設計する方法も保持していない問題がある。

本発明は、前記の課題を解決するための発明であって、機器の状態監視保守を行う際の異常予兆の判定条件に関する気付き情報を提供することができる気付き情報提供装置及び気付き情報提供方法を提供することを目的とする。

前記課題を解決するために、本発明の気付き情報提供装置は、少なくとも１つの機器に設置された１つ以上のセンサからのセンサデータを取得するセンサデータ取得部と、機器の故障に対する事象または機器の不具合の問合せに対する事象と該事象の発生時刻とを含む事象データを取得する事象データ取得部と、センサデータ取得部によって取得されたセンサデータ、及び事象情報取得部によって取得された事象データが記憶される記憶部と、記憶部から読み出した事象に対応して、センサデータが取得された期間を指定し、当該センサデータの正常範囲の正常モデルを生成する正常モデル生成部と、生成した正常モデルと機器のセンサデータとに基づき、異常度を出力する第１の異常度出力部（例えば、学習側の異常度出力部７）と、事象の発生時刻または所定時間前に、出力された異常度で異常予兆があった場合には、事象と異常予兆の内容を関連付けて気付き情報として抽出し、抽出した気付き情報を管理者端末（例えば、専門家端末１４）に送信する気付き情報提示部（例えば、警報条件決定部９の気付き検索部９ａ、気付き検索結果表示・選択部９ｂ）と、を有することを特徴とする。本発明のその他の態様については、後記する実施形態において説明する。

本発明によれば、機器の状態監視保守を行う際の異常予兆の判定条件に関する気付き情報を提供することができる。

本実施形態に係る気付き情報提供装置を含むシステム構成を示す図である。 正常モデル生成部における正常モデルを生成する方法の一例を示す図である。 正常モデル生成部の処理手順の一例を示すフローチャートである。 異常度出力部において、入力センサデータと正常モデルから異常度を算出する方法の一例を示す図である。 学習側の異常度出力部の処理手順の一例を示すフローチャートである。 運用側の異常度出力部の処理手順の一例を示すフローチャートである。 警報条件決定部において、異常度の変化箇所を抽出した結果と事象を紐付ける方法の一例を示す図である。 警報条件決定部の処理手順（気付き情報作成まで）の一例を示すフローチャートである。 警報条件決定部の気付き検索部において、専門家端末で専門家の検索実施命令を受け付ける操作画面の一例を示す図である。 警報条件決定部の気付き表示・選択部において、異常度の変化箇所抽出部分と事象とを紐付けた結果である気付き情報を専門家端末に提供し、専門家の選択を受け付ける操作画面の一例を示す図である。 警報条件決定部の警報条件設定・登録部において、専門家端末で専門家が入力した警報条件を受け付け、登録命令を受け付ける操作画面の一例を示す図である。 警報条件決定部における操作画面の処理手順の一例を示すフローチャートである。 入力された警報条件を元に警報条件決定部が作成する警報条件の一例を示す図である。 警報生成部の処理手順の一例を示すフローチャートである。 気付き情報提供装置のブロック構成の例を示す図である。

本発明の実施形態について、適宜図面を参照しながら詳細に説明する。なお、各図において、共通する部分には同一の符号を付し、重複した説明を省略する。

最初に、本実施形態の気付き情報提供装置の適用効果について説明する。
本実施形態の気付き情報提供装置は、工場・店舗における機器の異常やコールセンターからの問い合わせなどの事象に対し、保守担当者、及び機器の専門家に状態変化をデジタルデータとして提供して気付きを与え、専門家が事象に対して警報を設計することを可能にする。また、既存の事象に対しても新たな気付きを与えることで、警報精度を向上させることを可能にする。

図１は、本実施形態に係る気付き情報提供装置を含むシステム構成を示す図である。図１５は、気付き情報提供装置のブロック構成の例を示す図である。図１、図１５に沿って、気付き情報提供装置２００について説明する。気付き情報提供装置２００を含むシステムは、一般的なＰＣ（Personal Computer）のような端末を店舗・工場に設置してローカル環境で実現する方法、クラウドのようなネットワークＮＷ経由で実現する方法、どちらで実施されても構わない。

図１５に示すように、気付き情報提供装置２００は、処理部２０１、記憶部２０２、入力部２３０、表示部２４０、及び通信部２５０を有している。処理部２０１は、センサデータ取得部２２１、事象データ取得部２１１、正常モデル生成部５、学習側の異常度出力部７、警報条件決定部９、運用側の異常度出力部１２、及び警報生成部１３を有する。記憶部２０２には、センサデータＤＢ（２）、事象ＤＢ（４）、正常モデルＤＢ（６）、異常度ＤＢ（８）、有効正常モデルＤＢ（１０）、及び警報条件ＤＢ（１１）を有する。

気付き情報提供装置２００は、処理機能的に分けると、図１に示すように、気付き情報を専門家端末１４に提供する気付き情報部２１０と、気付き情報を元に登録された警報条件を運用する状態監視運用部２２０とを有する。

センサ１（センサ＃１〜センサ＃Ｎ）は、工場・店舗の機器に設置され、所定の周期でデータを生成している。機器とセンサ１の例としては、スーパーマーケットやコンビニなどに設置された冷凍・冷蔵ショーケース内の庫内の温度センサ、データセンタに設置されたサーバラック内の温度をセンシングする温度センサ、圧縮機・攪拌機の回転体や機器自体に設置して、振動をセンシングする加速度センサなどがある。生成されたセンサデータは、気付き情報提供装置２００に時刻情報と共に送信する。気付き情報提供装置２００は、通信部２５０、センサデータ取得部２２１を介して、センサデータをセンサＤＢ（２）に記憶する。センサデータＤＢ（２）は、センサ毎にセンサデータを時系列順に保持する。センサ１からの送信は、有線、無線、どのような形態でも構わない。

事象発生源３（例えば、コールセンター、保守拠点）では、機器の故障や機器に関する問い合わせなどの事象が発生し、気付き情報提供装置２００に時刻情報と共に事象データとして送信する。この際、事象データはコード化され、システム運用者には事象の内容が伏せられるため、専門家が外部に流出させたくない情報は漏れることはない。気付き情報提供装置２００は、通信部２５０、事象データ取得部２１１を介して、事象データを事象ＤＢ（４）に記憶する。事象ＤＢ（４）は、事象毎に時系列順に保持する。事象発生源３からの送信は、有線、無線、どのような形態でも構わない。

正常モデル生成部５は、センサデータＤＢ（２）に保持されたセンサデータ、センサデータ取得時刻、及び事象ＤＢ（４）に保持された事象発生時刻を元に、センサデータの中から事象が発生していない正常区間を抽出し、抽出した正常区間のデータに対してクラスタリング手法を適用することで、正常モデルを作成する。

このとき、本実施形態では、正常モデル生成部５は、正常モデルをセンサ種類と後記するクラスタリングパラメータの組み合わせの数だけ作成することが特徴のひとつである。正常モデル生成部５は、作成した正常モデルを正常モデルＤＢ（６）に格納（記憶）する。センサ種類とクラスタリングパラメータの組み合わせの数だけ正常モデルを作成することにより、複合的な要因で発生する事象を見逃すことがない。正常モデルの作成は、常時、または任意のタイミングで定期的に実施する。

学習側の異常度出力部７（第１の異常度出力部）は、センサデータＤＢ（２）に保持されたセンサデータ、及び正常モデルＤＢ（６）に保持された正常モデルを元に、正常モデルにセンサデータを時系列順に適用し、正常モデルとセンサデータとの距離を算出する。正常モデルとセンサデータとの距離を異常度と定義し、算出した異常度を異常度ＤＢ（８）に格納する。距離が短い場合は異常度の値は小さく正常に近い状態であり、距離が長い場合は異常度の値は大きく正常ではない何かが発生しているということになる。異常度ＤＢ（８）は正常モデル毎に異常度を時系列順に保持する。異常度の算出は、正常モデルの生成と同じく、常時、または任意のタイミングで定期的に実施する。

警報条件決定部９は、気付き検索部９ａ、気付き検索表示・選択部９ｂ、及び警報条件設定・登録部９ｃを有している。

気付き検索部９ａでは、異常度ＤＢ（８）に保持された任意の区間の異常度、異常度算出に用いたセンサデータ、センサデータ取得時刻、及び事象ＤＢ（４）に保持された事象情報（事象データ）を元に、異常度が所定の閾値を超過している部分を抽出し、抽出した部分（以下、異常度抽出部分）と関連がありそうな事象を紐付け、紐付け結果を「気付き情報」とする。

気付き検索表示・選択部９ｂでは、「気付き情報」の紐付け結果を、専門家端末１４に送信して、専門家端末１４の表示部に表示して（図１０参照）、専門家に提供する。「気付き情報」が保守業務に有効か無効かは専門家が判断する。例えば有効であると判断した場合は、専門家端末１４は、警報条件設定・登録画面に移行する（図１１参照）。

警報条件設定・登録部９ｃでは、事象に対して警報を発報するための警報条件を専門家から受け付け、警報条件を警報条件ＤＢ（１０）に格納する。また、警報条件設定・登録部９ｃは、警報条件を満たすために利用した異常度を出力した正常モデルを有効正常モデルとして、有効正常モデルＤＢ（１１）に格納する。

運用側の異常度出力部１２（第２の異常度出力部）は、センサ１（センサ＃１〜センサ＃Ｎ）より出力されたリアルタイムセンサデータ、及び有効正常モデルＤＢ（１１）に保持された有効正常モデルを元に、リアルタイムに異常度を出力し、警報生成部１３に送信する。基本的な動作は、学習側の異常度出力部７と同じであり、入力がリアルタイムセンサデータと有効正常モデルになった違いがある。

警報生成部１３は、運用側の異常度出力部１２から送信されてくる異常度、及び警報条件ＤＢ１０が保持している警報条件を元に、リアルタイム異常度が警報条件に一致するか否かのマッチングを行い、警報条件と一致した場合には、条件に示されている警報を発報する。

専門家端末１４は、警報条件決定部９が有する気付き検索部９ａ、気付き検索表示・選択部９ｂ、警報条件設定・登録部９ｃが生成する表示画面を表示し、専門家から気付き検索命令、有効気付きの選択、警報条件を受け付ける。

本実施形態では、工場・店舗における機器の異常やコールセンターからの問い合わせなどの事象に対応し、保守を効率化するために、どのように専門家に気付き情報を提供し、専門家が事象に対して警報を設計するかに関するものである。本実施形態の理解を容易にするために、気付き情報提供装置２００の正常モデル生成部５、学習側の異常度出力部７、警報条件決定部９、警報生成部１３を順に、詳細に説明する。

（正常モデル生成部）
ここでは、正常モデル生成部５にて、センサデータＤＢ（２）に保持されたセンサデータと事象ＤＢ（４）に保持された事象発生時刻より、センサデータから正常データ区間を抽出し、正常モデルを生成する手法について図２、及び図３を用いて説明する。

図２は、正常モデル生成部における正常モデルを生成する方法の一例を示す図である。図２に示すセンサデータ時系列変化２１は、センサデータＤＢ（２）より取得するセンサデータの一例を時系列変化グラフで表現したものである。事象ＤＢ（４）より取得した事象時刻とセンサデータ取得時刻を比較し、グラフ上に示すと事象発生時刻２２の位置となり、事象発生時刻と未発生の時刻を判別することが可能である。

このとき、事象発生時刻の直前は、事象の影響を受けてセンサデータが正常でない可能性があるため、任意の予備区間２４を考慮し、正常データ区間２３を抽出する。抽出した正常データ区間２３のセンサデータを用いて、クラスタリングを実施する。クラスタリングの手法は一般的に知られているＫ−ｍｅａｎｓ法、ＫＮＮ法、ＴｗｏＳｔｅｐ法、その他独自の手法など、どんな手法を用いても構わない。

例えばＫ−ｍｅａｎｓ法を用いるとき、パラメータとしてクラスタ数を指定する必要がある。センサを３種類、パラメータであるクラスタ数の下限を２、上限を４とすると、考えられる組み合わせ２５は（_３Ｃ_１＋_３Ｃ_２＋_３Ｃ_３）×３＝２１通りとなり、正常モデルを２１通り作成する。

具体的には、図２に示す正常モデル２６は、最上部の正常モデルは、「センサ＃１をクラスタ数２でクラスタリングしたパターン」となり、これを１通りとカウントする。同じく中段の正常モデルは、「センサ＃１とセンサ＃２をクラスタ数３でクラスタリングしたパターン」となる。最下部の正常モデルは、「センサ＃１とセンサ＃２とセンサ＃３をクラスタ数４でクラスタリングしたパターン」となる。また、最上部として、センサ＃１、センサ＃２、センサ＃３それぞれ単独で３通り（_３Ｃ_１）ある。また、中段として、センサ＃１及びセンサ＃２、センサ＃１及びセンサ＃３、センサ＃２及びセンサ＃３で３通り(_３Ｃ_２)ある。最下部として、センサ＃１、センサ＃２及びセンサ＃３の１通り（_３Ｃ_３）である。よって、センサ種類とパラメータの組み合わせの数だけこのパターンを作成すると、２１通りとなる。

正常モデル生成部５が作成した正常モデルは、正常モデルＤＢ（６）に格納（記憶）する。正常モデルの作成は、常時、またはスケジューリングにより定期的に実施する。

図３は、正常モデル生成部の処理手順の一例を示すフローチャートである。図３に示す正常モデル生成部５の処理Ｓ３００について説明する。まず、正常モデル生成部５は、センサデータＤＢ（２）からセンサデータ、事象ＤＢ（４）から事象発生時刻の取得を要求する（処理Ｓ３０１）。正常モデル生成部５は、センサデータ、および事象発生時刻が取得できたか否かを判断し（処理Ｓ３０２）、取得できなかった場合は（処理Ｓ３０２，Ｎｏ）、再度、センサデータＤＢ（２）と事象ＤＢ（４）に値を要求する。正常モデル生成部５は、各値が取得できた場合（処理Ｓ３０２，Ｙｅｓ）、センサデータ取得時刻と事象発生時刻を比較し、予備区間を踏まえて事象が発生していない時間帯のセンサデータを正常データ区間として抽出する（処理Ｓ３０３）。

正常モデル生成部５は、処理Ｓ３０３で抽出した正常データ区間のセンサデータに対し、一般的なクラスタリングの手法を適用し、センサ種類とクラスタリングパラメータの組み合わせ分だけ正常モデルを作成し（処理Ｓ３０４）、作成した正常モデルを正常モデルＤＢ（６）に登録する（処理Ｓ３０５）。以後、処理Ｓ３０１に戻り処理を繰り返す。

（異常度出力部）
ここでは、学習側の異常度出力部７にて、正常モデルＤＢ（６）に保持された正常モデルとセンサデータＤＢ（２）に保持されたセンサデータより、正常モデルを構成するクラスタとセンサデータを比較して異常度を算出する方法について図４、及び図５を用いて説明する。また、入力が異なるが学習側の異常度出力部７と同じ動作をする運用側の異常度出力部１２についても補足的に説明する。

図４は、異常度出力部において、入力センサデータと正常モデルから異常度を算出する方法の一例を示す図である。図４に示す正常モデル４１は正常モデルＤＢ（６）に保持されている正常モデルの１つであり、前述したＫ−ｍｅａｎｓ法を用いて作成されたセンサ数３、クラスタ数４の正常モデルを表現したものである。

学習側の異常度出力部７は、センサデータＤＢ（２）より取得したセンサデータ４２と正常モデル４１を構成する各クラスタとの距離を算出し、センサデータと構成クラスタ間との距離が一番短くなる最近傍クラスタ４３との距離を異常度４４として定義する。このときの距離は一般的に知られているユークリッド距離、ミンコフスキー距離、コサイン距離など、状況や精度に応じて使い分けることが可能である。

異常度４４の算出は、正常モデルＤＢ（６）に保持されている全ての正常モデルに対して実施し、時系列順に異常度ＤＢ（８）に格納する。異常度ＤＢ（８）に格納される際には、異常度算出に用いたセンサデータ、センサデータ取得時刻、正常モデルの情報も付与する。異常度の算出は、正常モデル作成と同様に、常時、またはスケジューリングにより定期的に実施される。

運用側の異常度出力部１２は、後記する有効正常モデルＤＢ（１１）に保持された有効正常モデルと、センサ１（センサ＃１〜センサ＃Ｎ）よりリアルタイムに入力されるセンサデータを用いて、リアルタイムに異常度を算出しており、異常度の算出手段は、前述の学習側の異常度出力部７と同様である。

図５は、学習側の異常度出力部の処理手順の一例を示すフローチャートである。図５に示す学習側の異常度出力部７の処理Ｓ５００について説明する。まず、学習側の異常度出力部７は、センサデータＤＢ（２）からセンサデータ、正常モデルＤＢ（６）から正常モデルの取得を要求する（処理Ｓ５０１）。学習側の異常度出力部７は、センサデータ、及び正常モデルが取得できたか否かを判断し（処理Ｓ５０２）、取得できなかった場合は（処理Ｓ５０２，Ｎｏ）、再度、センサデータＤＢ（２）と正常モデルＤＢ（６）に各値を要求する。学習側の異常度出力部７は、各値が取得できた場合（処理Ｓ５０２，Ｙｅｓ）、センサデータと正常モデルを構成するクラスタを比較し、センサデータと正常モデルを構成するクラスタ間の距離を算出し異常度とし、この距離算出を正常モデルの数だけ繰り返し実施する（処理Ｓ５０３）。

そして、学習側の異常度出力部７は、異常度算出に用いたセンサデータ、センサデータ取得時刻、正常モデルの情報と共に異常度を異常度ＤＢ（８）に登録する（処理Ｓ５０４）。以後、処理Ｓ５０１に戻り、処理を繰り返す。

図６は、運用側の異常度出力部の処理手順の一例を示すフローチャートである。図６に示す運用側の異常度出力部１２の処理Ｓ６００について説明する。
まず、運用側の異常度出力部１２は、センサ１（センサ＃１〜センサ＃Ｎ）からリアルタイムセンサデータ、有効正常モデルＤＢ（１１）から後記する有効正常モデルの取得を要求する（処理Ｓ６０１）。運用側の異常度出力部１２は、リアルタイムのセンサデータ、および有効正常モデルが取得できたか否かを判断し（処理Ｓ６０２）、取得できなかった場合は（処理Ｓ６０２，Ｎｏ）、再度、センサ１と有効正常モデルＤＢ（１１）に各値を要求する。運用側の異常度出力部１２は、各値が取得できた場合（処理Ｓ６０２，Ｙｅｓ）、リアルタイムのセンサデータと有効正常モデルを構成するクラスタを比較し、リアルタイムのセンサデータと有効正常モデルを構成するクラスタ間の距離を算出し異常度とし、この距離算出を有効正常モデルの数だけ繰り返し実施する（処理Ｓ６０３）。

運用側の異常度出力部１２は、異常度算出に用いたリアルタイムのセンサデータ、リアルタイムのセンサデータ取得時刻、有効正常モデルの情報と共に異常度を警報生成部１３に送信する（処理Ｓ６０４）。以後、処理Ｓ６０１に戻り、処理を繰り返す。

（警報条件決定部）
ここでは、警報条件決定部９の気付き検索部９ａは、異常度ＤＢ（８）に保持された異常度、算出に用いたセンサ値、センサ値取得時刻、算出に用いた正解クラスタと、事象ＤＢ（４）に保持された事象内容、事象発生時刻より、異常度と事象を紐付け、紐付け結果を「気付き情報」とする。気付き検索表示・選択部９ｂは、専門家に「気付き情報」を提供し、さらに「気付き情報」の中から有効な「気付き情報」を選択できる方法を提供する。そして、有効と判断した「気付き情報」に対しては、警報条件設定・登録部９ｃは、専門家が警報条件を決定できる方法を提供する。

なお、気付き検索部９ａにて事象と異常度抽出部分を紐付け、紐付け結果を気付き情報として算出するまでを図７、図８、図９にて、気付き検索表示・選択部９ｂにて気付き情報を専門家に提供し、有効かどうかの判断を仰ぎ、有効と判断した気付き情報に対しての警報条件を警報条件設定・登録部９ｃで作成するまでを、図１０、図１１、図１２、図１３を用いて説明する。

（警報条件決定部の気付き検索部による気付き情報の算出）
図７は、警報条件決定部において、異常度の変化箇所を抽出した結果と事象を紐付ける方法の一例を示す図である。図７に示す事象一覧７１は、事象ＤＢ（４）より取得した事象内容と事象発生時刻であり、例えば事象情報７１ａはコールセンターの事象発生源３への問い合わせという事象内容から２０１５年９月８日１１時００分４秒に機器の不具合が発生していることを示している。

異常度抽出部分一覧７２は、異常度ＤＢ（８）より取得した異常度から、変化している箇所を抽出した結果であり、例えば異常度抽出部分７２ａでは２０１５年９月８日１１時００分００秒付近で正常モデル１、正常モデル２、正常モデル２０、正常モデル２１から算出した異常度がそれぞれ変化していることを示している。

異常度抽出部分の抽出方法は、異常度それぞれにある一定の閾値を任意に設定し、閾値を超過している時間帯を抽出し記録する。例えば、正常モデル１から算出した異常度７３に閾値Ａ７３ａを定め、超過した区間を超過区間７３ｂのように抽出する。同じく正常モデル２から算出した異常度７４に閾値Ｂ７４ａを定め、超過した区間を超過区間７４ｂのように抽出する。正常モデル２０，２１についても同様である。異常度抽出の際、閾値からの変化率を算出し、変化率の大きさに応じて大、中、小とランク付けする。全ての正常モデルで超過区間を抽出し、時刻情報を元にして同様の時間帯で抽出できた超過区間をまとめることにより、異常度抽出部分一覧７２を作成する。超過区間をまとめる時間帯の範囲である超過区間収束時間帯７７は任意に設定可能であり、状況によって変化させることが可能である。

気付き情報一覧７８は、事象情報７１ａと異常度抽出部分７２ａの時刻情報を元に、事象情報と関連する可能性のある異常度抽出部分を紐付けた結果である気付き情報の一覧である。例えば、気付き７８ａは、事象情報７１ａと異常度抽出部分７２ａの時刻がそれぞれ２０１５年９月８日１１時００分００秒付近であることから、異常度抽出部分７２ａの異常度の変化は事象情報７１ａに関連する可能性がある、として紐付けた結果である。全ての事象情報と異常度抽出部分を紐付けし、紐付け結果を気付き情報として、気付き情報一覧７８とする。

異常度抽出部分の抽出から、気付き情報一覧７８の作成までの動作は、図９に示す気付き検索部９ａが専門家端末１４に作成する気付き検索画面９１の気付き検索開始ボタン９３を専門家が押下し、検索命令を気付き検索部９ａが受け付けたタイミングで実施される。図９に示す気付き検索画面９１では、専門家が気付きを検索したい区間を、検索区間入力部９２に入力することが可能である。

図８は、警報条件決定部の処理手順（気付き情報作成まで）の一例を示すフローチャートである。図８に示す警報条件決定部９の処理Ｓ８００について、気付き検索画面９１（図９参照）で専門家の検索命令を受け付け、気付き情報を算出までの動作について説明する。

まず、気付き検索部９ａは、気付き検索画面９１を作成し、専門家端末１４に表示する（処理Ｓ８０１）。気付き検索部９ａは、気付き検索画面９１に専門家が検索区間入力部９２に検索区間を入力し、気付き検索開始ボタン９３を押したか否かを判断し（処理Ｓ８０２）、検索区間が入力され、且つ気付き検索開始ボタン９３が押された場合は（処理Ｓ８０２，Ｙｅｓ）、処理Ｓ８０３に進む。気付き検索開始ボタン９３が押されていない場合、もしくは押された場合でも検索区間が入力されていない場合は（処理Ｓ８０２，Ｎｏ）、処理Ｓ８０１に戻り、専門家の入力があるまで待機する。

気付き検索部９ａは、異常度ＤＢ（８）から異常度、異常度算出に用いたセンサデータ、センサデータ取得時刻、正常モデルを、事象ＤＢ（４）から事象内容、事象発生時刻の取得する（処理Ｓ８０３）。そして、気付き検索部９ａは、異常度、異常度算出に用いたセンサデータ、センサデータ取得時刻、正常モデル、事象内容、事象発生時刻が取得できたか否かを判断し（処理Ｓ８０４）、取得できなかった場合は（処理Ｓ８０４，Ｎｏ）、再度各値を要求する。各値が取得できた場合は（処理Ｓ８０４，Ｙｅｓ）、各異常度から予め定めておいた閾値を超過した箇所を抽出する（処理Ｓ８０５）。

気付き検索部９ａは、異常度抽出部分の時刻と事象発生時刻を比較し（処理Ｓ８０６）、事象に対して関連している可能性のある異常度抽出部分を紐付け（処理Ｓ８０７）、紐付け結果を気付き情報とし、気付き情報一覧表を作成し（処理Ｓ８０８）、処理を終了する。

（警報条件決定部 気付き情報提供〜判断〜警報条件作成）
図１０は、警報条件決定部の気付き表示・選択部において、異常度の変化箇所抽出部分と事象とを紐付けた結果である気付き情報を専門家端末に提供し、専門家の選択を受け付ける操作画面の一例を示す図である。

気付き検索結果表示・選択画面１０１は、気付き検索部９ａが算出した気付き情報一覧を専門家に提供するために、気付き検索表示・選択部９ｂが作成し、専門家端末１４に表示する画面である。気付き検索結果表示・選択画面１０１は、気付き情報一覧表示部１０２、気付き詳細情報表示部１０４、警報条件設定・登録移行ボタン１０５を含んで構成される。気付き情報一覧表示部１０２は、気付きＮｏ、関連事象内容、異常度抽出部分、利用正常モデルから構成されている。気付き情報一覧表示部１０２で選択した項目の詳細を、気付き詳細情報表示部１０４で表示する。例えば気付き情報一覧表示部１０２のＮｏ１の気付き１０３を選択した場合、Ｎｏ１の気付き１０３部分はハイライトされ、気付き詳細情報表示部１０４には、異常度抽出部分付近の時間帯の異常度とセンサデータを時系列グラフで表示する。

気付き情報一覧表示部１０２で表示している気付きが事象に対して有効であると専門家が判断した場合、警報条件設定・登録部９ｃの処理に移行する。警報条件設定・登録部９ｃでは、事象に対する警報条件を専門家が設定、登録することが可能である。例えばＮｏ１の気付き１０３を専門家が有効であると判断した場合、Ｎｏ１の気付き１０３をハイライトさせた状態で警報条件設定・登録移行ボタン１０５を押下する。警報条件設定・登録移行ボタン１０５が押下された場合の警報条件の設定方法を、図１１を用いて説明する。

図１１は、警報条件決定部の警報条件設定・登録部において、専門家端末で専門家が入力した警報条件を受け付け、登録命令を受け付ける操作画面の一例を示す図である。警報条件設定・登録画面１１１は、専門家が有効と判断した気付きに対して、警報条件の設定と登録を実施するために、警報条件設定・登録部９ｃが作成し、専門家端末１４に表示する画面である。警報条件設定・登録画面１１１は、有効気付き表示部１１２、警報条件入力部１１３、警報条件登録ボタン１１４を含んで構成される。

警報条件設定・登録画面１１１は、有効と判断した気付きを有効気付き表示部１１２で表示し、有効気付き表示部１１２で表示した有効気付きに対する警報条件を警報条件入力部１１３で専門家から受け付ける。警報条件入力部１１３で専門家からの警報条件の入力があり、且つ警報条件登録ボタン１１４が押された場合、警報条件設定・登録部９ｃは警報条件を受け付け、警報条件ＤＢ（１０）に警報条件を登録し、警報条件を満たすための異常度を出力することができる正常モデルを有効正常モデルとし、有効正常モデルＤＢ（１１）に登録する。

図１２は、警報条件決定部における操作画面の処理手順の一例を示すフローチャートである。図１２に示す警報条件決定部９の処理Ｓ１２００について、警報条件決定部９の警報条件作成までの動作について説明する。

まず、気付き検索部９ａが作成した気付き一覧表を、気付き検索結果表示・選択部９ｂが受け取ったか否かを判断し（処理Ｓ１２０１）、受け取った場合は（処理Ｓ１２０１，Ｙｅｓ）、気付き検索結果表示・選択部９ｂが気付き検索結果表示・選択画面１０１を作成し、専門家端末１４に表示する（処理Ｓ１２０２）。受け取っていない場合（処理Ｓ１２０１，Ｎｏ）、気付き検索部９ａに気付き一覧表を再度要求する。

気付き検索結果表示・選択部９ｂは、専門家が気付き情報一覧表示部１０２から有効気付きを選択し、且つ警報条件設定・登録移行ボタン１０５を押下されたか否かを判断し（処理Ｓ１２０３）、有効気付きを選択され、且つ警報条件設定・登録移行ボタン１０５が押下された場合は（処理Ｓ１２０３，Ｙｅｓ）、処理Ｓ１２０４に進む。警報条件設定・登録移行ボタン１０５が押されていない場合、もしくは警報条件設定・登録移行ボタン１０５が押されても有効気付きが選択されていない場合は（処理Ｓ１２０３，Ｎｏ）、処理Ｓ１２０２に戻り、専門家の入力があるまで待機する。

気付き検索結果表示・選択部９ｂは、選択された有効気付き情報を警報条件設定・登録部９ｃに送付し（処理Ｓ１２０４）、警報条件設定・登録部９ｃが受け取ったか否かを判断する（処理Ｓ１２０５）。受け取った場合は（処理Ｓ１２０５，Ｙｅｓ）、警報条件設定・登録部９ｃが警報条件設定・登録画面１１１を作成し、専門家端末１４で表示する（処理Ｓ１２０６）。受け取れなかった場合は（処理Ｓ１２０５，Ｎｏ）、処理Ｓ１２０４に戻り、再度気付き検索結果表示・選択部９ｂに有効気付き情報を要求する。

警報条件設定・登録部９ｃは、有効気付き情報に対する警報条件を、専門家が警報条件入力部１１３に入力し、且つ警報条件登録ボタン１１４が押下されたか否かを判断する（処理Ｓ１２０７）。警報条件の入力があり、且つ警報条件登録ボタン１１４が押された場合は（処理Ｓ１２０７，Ｙｅｓ）、警報条件設定・登録部９ｃは、警報条件を警報条件ＤＢ（１０）に登録し、警報条件を満たすために必要な異常度を算出することができる正常モデルを有効正常モデルとし、有効正常モデルＤＢ（１２）に登録し（処理Ｓ１２０８）、処理を終了する。警報条件登録ボタン１１４が押下されていない場合、もしくは押されても警報条件の入力がない場合は（処理Ｓ１２０７，Ｎｏ）、処理Ｓ１２０６に戻り、専門家の入力があるまで待機する。

図１３は、入力された警報条件を元に警報条件決定部が作成する警報条件の一例を示す図である。専門家が入力する警報条件（設定条件）は、例としてＮｏ１の気付き１０３を有効とみなした場合の警報条件を説明する。Ｎｏ１の気付き１０３は正常モデル１による異常度、正常モデル２の異常度、正常モデル２０による異常度、正常モデル２１による異常度の計４つの異常度により構成されているため、２つ以上の異常度の組み合わせることで警報条件を作成する。

２つ以上の異常度を組み合わせた警報条件の一例としては、「正常モデル１による異常度と、正常モデル２による異常度がそれぞれの閾値を超えた状態が継続時間閾値ａ（１３８）だけ継続したら問い合わせ１３５に対する警報Ａ１３６とする」という条件（警報条件１）や、「正常モデル２０による異常度と正常モデル２１による異常度がそれぞれの閾値を超過した状態が継続時間閾値ｂ（１３９）だけ継続したら問い合わせ１３５に対する警報Ｂ１３７とする」という条件（警報条件２）など、状況に応じて異常度を組み合わせることができる。

警報条件設定・登録部９ｃは、入力された警報条件を元に、抽出部分異常度の特性を数値化して警報条件を作成する。図１３に示す具体例の場合、前述の警報条件１は、「抽出部分付近異常度（正常モデル１）１３１、抽出部分付近異常度（正常モデル２）１３２の両異常度がそれぞれで定めた閾値Ａ１３１ａと閾値Ｂ１３２ａを超過した状態が継続時間閾値ａ１３８である４分間継続したら警報Ａ１３６を発報する」という警報条件となる。

前述の警報条件２は、「抽出部分付近異常度（正常モデル２０）１３３、抽出部付近異常度（正常モデル２１）１３４の両異常度がそれぞれで定めた閾値Ｃ（１３３ａ）と閾値Ｄ（１３４ａ）を超過した状態が継続時間閾値ｂ（１３９）である２分間継続したら警報Ｂ１３７を発報する」という警報条件となる。

問い合わせ１３５に対する警報条件としては、異常予兆に対し、警報条件２の方が事前に警報を出すことができるため、警報条件２を採用する。

作成された警報条件は、警報条件ＤＢ（１０）に送信し、警報生成部１３にてリアルタイムデータに対して使用することで、リアルタイムセンサデータが同一の警報条件を満たした場合、警報を出力することが可能となる。例えば、Ｎｏ１の気付き１０３（図１０参照）によって作成した警報条件では、問い合わせ１３５を事前に知ることができるため、そもそもの問い合わせの防止や、問い合わせ内容に応じた保守内容の決定を従来よりも早く行うことで、保守効率化、コスト削減が可能である。

（警報生成部）
図１４は、警報生成部の処理手順の一例を示すフローチャートである。図１４に示す警報生成部１３の処理Ｓ１４００について説明する。まず、警報生成部１３は、運用側の異常度出力部１２から異常度、算出に用いたセンサ値、センサ値取得時刻、算出に用いた有効正解クラスタ、警報条件ＤＢ（１０）から警報条件の取得を要求する（処理Ｓ１４０１）。警報生成部１３は、各値が取得できたか否かを判断し（処理Ｓ１４０２）、取得できなかった場合は（処理１４０２，Ｎｏ）、処理Ｓ１４０１に戻り、再度、運用側の異常度出力部１２と警報条件ＤＢ（１０）に各値を要求する。

警報生成部１３は、各値が取得できた場合（処理１４０２，Ｙｅｓ）、異常度、算出に用いたセンサ値、センサ値取得時刻、算出に用いた有効正解クラスタと警報条件とをマッチングさせる（処理Ｓ１４０３）。このマッチングを警報条件の数だけ繰り返し実行する。警報生成部１３は、マッチング結果が警報条件を満たしたか否かを判断し（処理Ｓ１４０４）、警報条件を満たした場合は（処理Ｓ１４０４，Ｙｅｓ）、満たした警報条件に応じた警報を、表示部２４０（図１５参照）を介して発報するとともに、警報情報を、保守拠点等に送信し（処理Ｓ１４０５）、処理Ｓ１４０１に戻る。一方、警報条件を満たしていない場合は（処理Ｓ１４０４，Ｎｏ）、処理Ｓ１４０１に戻る。

本実施形態の各主要部の機能について再度説明する。気付き情報提供装置２００の気付き情報部２１０は、正常モデル生成部５、学習側の異常度出力部７、警報条件決定部９（気付き検索部９ａ、気付き検索結果表示・選択部９ｂ、警報条件設定・登録部９ｃ）を含んで構成されている。また、状態監視運用部２２０は、運用側の異常度出力部１２、警報生成部１３を含んで構成されている。

（１）正常モデル生成部５は、センサ１が発生させるセンサデータと、登録される事象情報の時刻を取得し、センサデータ取得時刻と事象登録時刻を比較することで、正常データ区間を抽出して、任意のクラスタリング手法でクラスタリングを実施し、センサ数とクラスタリングパラメータの組み合わせ数だけ正常モデルを生成する。

（２）学習側の異常度出力部７（第１の異常度出力部）は、センサ１が発生させるセンサデータと、正常モデル生成部５が生成した正常モデルを受け取り、センサデータを正常モデルと比較することで異常度を算出して、異常度を算出するために用いたセンサデータ、センサデータ取得時刻、正常モデルと共に出力する。

（３）警報条件決定部９は、学習側の異常度出力部７が出力した異常度を受け取り、任意に定めた閾値を用いて異常度が閾値を超過している区間を抽出して、異常度抽出区間として定義し、該定義した異常度抽出区間と、事象情報に基に、事象情報に関連する可能性のある異常度抽出区間を紐付けることで、新たな警報事象への対応、既存警報事象の精度向上につながる気付き情報を生成する。

（３−１）気付き検索部９ａ（気付き情報提示部）は、気付き検索画面９１（図９参照）を生成して専門家端末１４に表示し、専門家から気付きを算出したい区間を専門家から受け取り、対象区間の中の気付き情報を生成する。

（３−２）気付き検索結果表示・選択部９ｂ（気付き情報提示部）は、気付き検索結果表示・選択画面１０１（図１０参照）を生成して専門家端末１４に表示し、気付き検索部９ａで生成された気付きを一覧表として専門家に提供し、提供された情報を基に、専門家は紐付け結果が事象に対して有効か否かを判断する。

（３−３）警報条件設定・登録部９ｃ（警報条件登録部）は、警報条件設定・登録画面１１１を生成して、専門家端末１４に表示し、気付き検索結果表示・選択部９ｂで選択された有効気付きの情報を専門家に提供し、専門家が有効気付きに対して警報条件（設定条件）を設定可能とし、設定された警報条件を登録する。

（４）運用側の異常度出力部１２（第２の異常度出力部）は、センサ１よりリアルタイムに取得したセンサデータと、警報条件決定部９で決められた有効正常クラスタを有効正常クラスタから受け取り、異常度をリアルタイムに出力する。
（５）警報生成部１３は、警報条件決定部９で生成された警報条件を警報条件ＤＢ（１０）から受け取り、運用側の異常度出力部１２が出力した異常度が、異常度の組み合わせから成る警報条件とマッチングするか判断し、警報を発報する。

本実施形態の気付き情報提供装置２００によれば、運用を実施しながら専門家が把握していない機器の故障や、機器ユーザからの問い合わせなどに対応するための気付き情報を与えることにより、専門家が新たな事象に対して警報を設計することを可能である。また、既存の事象に対しても新たな気付き情報を与えることで、警報精度を向上させることができる。

また、専門家に効率よく気付き情報を与え、新たな事象に対して警報を発報または警報情報を保守拠点に送信することができるため、機器の故障頻度を減少できる。さらに、機器ユーザからの問い合わせなどの減少が考えられるため、コールセンター業務の効率化、保守業務の効率化によるコスト削減が見込むことができる。

１ センサ
２ センサデータＤＢ
３ 事象発生源（コールセンター、保守拠点）
４ 事象ＤＢ
５ 正常モデル生成部
６ 正常モデルＤＢ
７ 学習側の異常度出力部（第１の異常度出力部）
８ 異常度ＤＢ
９ 警報条件決定部
９ａ 気付き検索部（気付き情報提示部）
９ｂ 気付き検索結果表示・選択部（気付き情報提示部）
９ｃ 警報条件設定・登録部（警報条件登録部）
１０ 警報条件ＤＢ
１１ 有効正常モデルＤＢ
１２ 運用側の異常度出力部（第２の異常度出力部）
１３ 警報生成部
１４ 専門家端末（管理者端末）
２１ センサデータ時系列変化
２５ 組み合わせ条件
２６ 正常モデル
７１ 事象一覧
７２ 異常度抽出部分一覧
７３ 正常モデル１による異常度時系列変化
７４ 正常モデル２による異常度時系列変化
７５ 正常モデル２０による異常度時系列変化
７６ 正常モデル２１による異常度時系列変化
７８ 気付き情報一覧
９１ 気付き検索画面
１０１ 気付き検索結果表示・選択画面
１１１ 警報条件設定・登録画面
１１２ 有効気付き表示部
１１３ 警報条件入力部
２００ 気付き情報提供装置
２０１ 処理部
２０２ 記憶部
２１０ 気付き情報部
２１１ 事象データ取得部
２２０ 状態監視運用部
２２１ センサデータ取得部
２５０ 通信部

Claims (9)

1. 少なくとも１つの機器に設置された１つ以上のセンサからのセンサデータを取得するセンサデータ取得部と、
   前記機器の故障に対する事象または前記機器の不具合の問合せに対する事象と該事象の発生時刻とを含む事象データを取得する事象データ取得部と、
   前記センサデータ取得部によって取得された前記センサデータ、及び前記事象データ取得部によって取得された事象データが記憶される記憶部と、
   前記記憶部から読み出した事象に対応して、前記センサデータが取得された期間を指定し、当該センサデータの正常範囲の正常モデルを生成する正常モデル生成部と、
   前記生成した正常モデルと前記機器のセンサデータとに基づき、異常度を出力する第１の異常度出力部と、
   前記事象の発生時刻または所定時間前に、前記出力された異常度で異常予兆があった場合には、前記事象と前記異常予兆の内容を関連付けて気付き情報として抽出し、前記抽出した気付き情報を管理者端末に送信する気付き情報提示部と、を有する
   ことを特徴とする気付き情報提供装置。
2. 前記気付き情報提供装置は、さらに、
   前記管理者端末から、前記異常予兆を検出するための設定条件を受信した場合、外部に警報をするための警報条件として前記記憶部に登録するとともに、該警報条件で異常予兆の判定に用いる前記正常モデルを有効正常モデルとして前記記憶部に登録する警報条件登録部と
   前記登録した有効正常モデルと前記機器のセンサデータとに基づき、異常度を出力する第２の異常度出力部と、
   前記第２の異常度出力部で出力された異常度と前記警報条件とに基づいて、異常度で異常予兆がある場合、該異常予兆がある旨を警報情報として保守拠点の端末に送信する警報生成部と、を有する
   ことを特徴とする請求項１に記載の気付き情報提供装置。
3. 前記正常モデル生成部は、前記センサのセンサ数とクラスタリングパラメータとの組み合わせの数だけ正常モデルを生成する
   ことを特徴とする請求項１に記載の気付き情報提供装置。
4. 前記気付き情報提示部は、ユーザが前記気付き情報を検索したい区間を入力する気付き検索画面を生成して前記管理者端末に表示し、
   前記気付き検索画面から前記検索したい区間を受理すると前記気付き情報を生成する
   ことを特徴とする請求項２に記載の気付き情報提供装置。
5. 前記気付き情報提示部は、前記生成された気付き情報の一覧を提供するため検索結果画面を生成して、前記管理者端末に表示する
   ことを特徴とする請求項４に記載の気付き情報提供装置。
6. 前記警報条件登録部は、前記検索結果画面で、前記気付き情報の一覧から少なくともひとつの気付き情報が選択されると、警報条件の登録画面を生成して、前記管理者端末に表示する
   ことを特徴とする請求項５に記載の気付き情報提供装置。
7. 情報提供装置の処理部は、
   少なくとも１つの機器に設置された１つ以上のセンサからのセンサデータを取得し記憶部に記憶し、前記機器の故障に対する事象または前記機器の不具合の問合せに対する事象と該事象の発生時刻とを含む事象データを取得し前記記憶部に記憶し、
   前記記憶部から読み出した事象に対応して、前記センサデータが取得された期間を指定し、当該センサデータの正常範囲の正常モデルを生成し、
   前記生成した正常モデルと前記機器のセンサデータとに基づき、異常度を出力し、
   前記事象の発生時刻または所定時間前に、前記出力された異常度で異常予兆があった場合には、前記事象と前記異常予兆の内容を関連付けて気付き情報として抽出し、前記抽出した気付き情報を管理者端末に送信する
   ことを特徴とする気付き情報提供方法。
8. 前記処理部は、
   前記管理者端末から、前記異常予兆を検出するための設定条件を受信した場合、外部に警報をするための警報条件として前記記憶部に登録するとともに、該警報条件で異常予兆の判定に用いる前記正常モデルを有効正常モデルとして前記記憶部に登録し、
   前記登録した有効正常モデルと前記機器のセンサデータとに基づき、異常度を出力し、
   前記出力された異常度と前記警報条件とに基づいて、異常度で異常予兆がある場合、該異常予兆がある旨を警報情報として保守拠点の端末に送信する
   ことを特徴とする請求項７に記載の気付き情報提供方法。
9. 前記処理部は、前記センサのセンサ数とクラスタリングパラメータとの組み合わせの数だけ正常モデルを生成する
   ことを特徴とする請求項７に記載の気付き情報提供方法。

Images