JP6556297B1 - データ分析支援装置およびデータ分析支援プログラム - Google Patents

Abstract

【課題】ある対象機器に対して、既存の類似機器の計測データを分析した結果を活用できるように、データ分析の目的に応じた種類の属性によって判別した類似機器の計測データを提供する。【解決手段】データ分析支援装置１０において、データ検索部２２は、データベース３０を検索して、複数の機器４０の中から、対象機器が持つ属性の種類の中から指定された種類の属性を持つ機器４０を抽出する。類似度算出部２３は、抽出された機器４０のメタデータ３２を参照して、対象機器が持つ、指定された種類の属性と抽出された機器４０が持つ、指定された種類の属性との類似度を算出する。データ生成部２４は、抽出された機器４０の中から、類似度が閾値以上の機器４０である類似機器を選択し、類似機器の計測データ３１から、分析対象となるデータ３３を生成する。【選択図】図１

Description

本発明は、データ分析支援装置およびデータ分析支援プログラムに関するものである。

特許文献１には、プラント内に設置されている設備機器を、機器が設置される施設で分類する施設区分と、機器が製造される業種で分類する管理区分と、機器が設置される処理設備で分類する設備区分と、機器をその種類で分類する機器区分とにより分類し、データとして格納する方式が記載されている。

特開２０００−２０５５００号公報

マンション、ビルまたは工場といった大規模な建物には、計測機器、制御機器および電子機器等、多くの機器が設置されている。これらの機器は、ネットワークに接続され、省エネルギー、防災および環境等のいろいろな観点で管理されている。運用時に、これらの機器が持つ、運転回数、運転時間、温度、電流および電圧等の計測データを分析して、消費エネルギーが最小になるように機器を運転したり、故障を予測したりするために活用することが考えられる。データ分析においては、機器の計測データのクラスタリングを行って傾向をつかみ、その傾向をもってこれから起こる事象を予測することが考えられる。具体例としては、既存の機器の故障傾向を分析し、新型の機器がいつ故障するかを予測することが考えられる。しかし、機器が分類されていないと、新型の機器と同じ故障傾向を持つ機器を探し出すのに手間がかかるため、効率が悪い。

特許文献１に記載の方式では、下位区分では一致しないが、上位区分では類似するといった類似度の判定が行えないため、検索の範囲が小さくなり、類似機器を見つけることができない場合がある。また、省エネルギー、監視制御または系統制御といった管理目的あるいは管理項目が変わると、区分を定義し直す必要がある。

本発明は、ある対象機器に対して、既存の類似機器の計測データを分析した結果を活用できるように、データ分析の目的に応じた種類の属性によって判別した類似機器の計測データを提供することを目的とする。

本発明の一態様に係るデータ分析支援装置は、
対象機器が持つ属性の種類の中から、１種類が指定されると、前記対象機器とは別の複数の機器のそれぞれが持つ属性を属性の種類ごとに示すメタデータを格納するデータベースを検索して、前記複数の機器の中から、指定された種類の属性を持つ機器を抽出するデータ検索部と、
前記データ検索部により抽出された機器のメタデータを参照して、前記対象機器が持つ、指定された種類の属性と前記データ検索部により抽出された機器が持つ、指定された種類の属性との類似度を算出する類似度算出部と、
前記類似度算出部により算出された類似度に応じて、前記複数の機器のそれぞれで得られた計測値を示す計測データから、分析対象となるデータを生成するデータ生成部と
を備える。

本発明によれば、ある対象機器に対して、既存の類似機器の計測データを分析した結果を活用できるように、データ分析の目的に応じた種類の属性によって判別した類似機器の計測データを提供することができる。

実施の形態１に係るデータ分析支援装置の構成を示すブロック図。 実施の形態１に係るデータ分析支援装置の動作を示すフローチャート。 実施の形態１に係るデータ分析支援装置のデータベースに格納されるメタデータの例を示す図。 実施の形態１に係るデータ分析支援装置のデータベースに格納されるメタデータの例を示す表。 実施の形態１に係るデータ分析支援装置のデータベースに格納されるメタデータの例を示す図。 実施の形態１に係るデータ分析支援装置から出力されるデータの例を示すグラフ。 実施の形態１の変形例に係るデータ分析支援装置のデータベースに格納されるメタデータの例を示す図。

以下、本発明の実施の形態について、図を用いて説明する。各図中、同一または相当する部分には、同一符号を付している。実施の形態の説明において、同一または相当する部分については、説明を適宜省略または簡略化する。なお、本発明は、以下に説明する実施の形態に限定されるものではなく、必要に応じて種々の変更が可能である。例えば、以下に説明する実施の形態は、部分的に実施されても構わない。

実施の形態１．
本実施の形態について、図１から図６を用いて説明する。

＊＊＊構成の説明＊＊＊
図１を参照して、本実施の形態に係るデータ分析支援装置１０の構成を説明する。

データ分析支援装置１０は、ＰＣ等のコンピュータである。「ＰＣ」は、Ｐｅｒｓｏｎａｌ Ｃｏｍｐｕｔｅｒの略語である。データ分析支援装置１０は、プロセッサ１１を備えるとともに、メモリ１２、補助記憶装置１３および通信デバイス１４といった他のハードウェアを備える。プロセッサ１１は、信号線を介して他のハードウェアと接続され、これら他のハードウェアを制御する。

データ分析支援装置１０は、機能要素として、データ蓄積部２１と、データ検索部２２と、類似度算出部２３と、データ生成部２４とを備える。データ蓄積部２１、データ検索部２２、類似度算出部２３およびデータ生成部２４の機能は、ソフトウェアにより実現される。具体的には、データ蓄積部２１、データ検索部２２、類似度算出部２３およびデータ生成部２４の機能は、データ分析支援プログラムにより実現される。データ分析支援プログラムは、データ蓄積部２１、データ検索部２２、類似度算出部２３およびデータ生成部２４により行われる処理をそれぞれデータ蓄積処理、データ検索処理、類似度算出処理およびデータ生成処理としてコンピュータに実行させるプログラムである。データ分析支援プログラムは、コンピュータ読取可能な媒体に記録されて提供されてもよいし、記録媒体に格納されて提供されてもよいし、プログラムプロダクトとして提供されてもよい。

プロセッサ１１は、データ分析支援プログラムを実行する装置である。プロセッサ１１は、例えば、ＣＰＵである。「ＣＰＵ」は、Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔの略語である。

メモリ１２および補助記憶装置１３は、データ分析支援プログラムを記憶する装置である。メモリ１２は、例えば、ＲＡＭ、フラッシュメモリまたはこれらの組み合わせである。「ＲＡＭ」は、Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙの略語である。補助記憶装置１３は、例えば、ＨＤＤ、フラッシュメモリまたはこれらの組み合わせである。「ＨＤＤ」は、Ｈａｒｄ Ｄｉｓｋ Ｄｒｉｖｅの略語である。

補助記憶装置１３には、データベース３０が構築されている。なお、データベース３０は、メモリ１２に構築されてもよいし、外部の記録媒体に構築されてもよい。

通信デバイス１４は、データ分析支援プログラムに入力されるデータを受信するレシーバと、データ分析支援プログラムから出力されるデータを送信するトランスミッタとを備える。通信デバイス１４は、例えば、通信チップまたはＮＩＣである。「ＮＩＣ」は、Ｎｅｔｗｏｒｋ Ｉｎｔｅｒｆａｃｅ Ｃａｒｄの略語である。

データ分析支援プログラムは、補助記憶装置１３からメモリ１２にロードされ、プロセッサ１１によって実行される。補助記憶装置１３には、データ分析支援プログラムだけでなく、ＯＳも記憶されている。「ＯＳ」は、Ｏｐｅｒａｔｉｎｇ Ｓｙｓｔｅｍの略語である。プロセッサ１１は、ＯＳを実行しながら、データ分析支援プログラムを実行する。なお、データ分析支援プログラムの一部または全部がＯＳに組み込まれていてもよい。

データ分析支援装置１０は、プロセッサ１１を代替する複数のプロセッサを備えていてもよい。これら複数のプロセッサは、データ分析支援プログラムの実行を分担する。それぞれのプロセッサは、例えば、ＣＰＵである。

データ分析支援プログラムにより利用、処理または出力されるデータ、情報、信号値および変数値は、メモリ１２、補助記憶装置１３、または、プロセッサ１１内のレジスタまたはキャッシュメモリに記憶される。

複数の機器４０のそれぞれで得られた計測値を示す計測データ３１は、各機器４０または他の装置からデータ分析支援装置１０に入力され、データベース３０に蓄積される。

複数の機器４０のそれぞれが持つ属性を属性の種類ごとに示すメタデータ３２は、データベース３０にあらかじめ格納されている。

分析対象となるデータ３３は、メモリ１２に記憶されたり、データ分析支援装置１０からＢＩ／ＢＡツール５０に出力されたりする。「ＢＩ」は、Ｂｕｓｉｎｅｓｓ Ｉｎｔｅｌｌｉｇｅｎｃｅの略語である。「ＢＡ」は、Ｂｕｓｉｎｅｓｓ Ａｎａｌｙｔｉｃｓの略語である。

データ分析支援装置１０は、１台のコンピュータで構成されていてもよいし、複数台のコンピュータで構成されていてもよい。データ分析支援装置１０が複数台のコンピュータで構成されている場合は、データ蓄積部２１、データ検索部２２、類似度算出部２３およびデータ生成部２４の機能が、各コンピュータに分散されて実現されてもよい。

＊＊＊動作の説明＊＊＊
図２を参照して、本実施の形態に係るデータ分析支援装置１０の動作を説明する。データ分析支援装置１０の動作は、本実施の形態に係るデータ分析支援方法に相当する。

ステップＳ１において、データ蓄積部２１には、複数の機器４０のそれぞれで得られた計測値を示す計測データ３１が入力される。データ蓄積部２１は、入力された計測データ３１を蓄積する。

具体的には、データ蓄積部２１は、複数の機器４０の計測データ３１として、複数の機器４０のそれぞれで得られた計測値を計測値の種類ごとに示すデータを蓄積する。

本実施の形態では、データ蓄積部２１は、複数の機器４０の計測データ３１として、少なくとも複数の機器４０の経過年数および運転時間を示すデータを蓄積する。

データ蓄積部２１は、複数の機器４０の計測データ３１として、複数の機器４０のそれぞれで得られた計測値の時系列データを蓄積する。複数の機器４０の経過年数および運転時間を示すデータも、時系列データである。

具体例として、データ蓄積部２１は、エアコンａ、エアコンｂ、エアコンｃ、エアコンｄおよびエアコンｅといった機器４０の計測データ３１として、機器４０が据え付けられてからの経過年数および運転時間を年ごとに示す時系列データと、機器４０が内蔵するセンサにより得られた電流および回転数等の計測値を計測日時ごとに示す時系列データとをデータベース３０に蓄積する。回転数とは、エアコンが備える圧縮機のモータの回転数のことである。

データベース３０には、複数の機器４０のそれぞれが持つ属性を属性の種類ごとに示すメタデータ３２があらかじめ格納されている。

データベース３０のメタデータ３２を格納する部分は、具体的には、図３の例のようなグラフデータベースとして構築される。メタデータ３２による機器４０の分類は、正規化を伴う。正規化は、ｕｃｏｄｅのように機器４０の種別および属性の分類等の区分を定義しているものを使って行われる。例えば、冷房器、クーラおよびヒータはエアコンの区分で共通化し、回路を流れる電流および電圧等も個体または機種によって名称が異なる場合はあるがそれぞれ同じ物理量を使うことで正規化できる。こうした正規化を行った情報で共通のものがあれば、それをクラスタリングし、分類するためのメタデータ３２を生成する。メタデータ３２を生成した後、登録した機器４０についてシステムで一意になる機器ＩＤを生成する。「ＩＤ」は、Ｉｄｅｎｔｉｆｉｅｒの略語である。

図３の例では、各機器４０がメタデータ３２で分類されている。エアコンａ、エアコンｂおよびエアコンｃはメタ情報「Ｂ社のエアコン」の実体として分類されている。エアコンｄおよびエアコンｅはメタ情報「Ａ社エアコン」の実体として分類されている。メタ情報はさらに上位のメタ情報を持つことができる。メタ情報「Ｂ社のエアコン」およびメタ情報「Ａ社エアコン」はさらに上位のメタ情報「エアコン」に分類され、さらに上位のメタ情報「家電」に分類される。１つの機器４０は複数種類の属性を持つことができ、各種類の属性がメタ情報として表される。テレビｆおよびテレビｇは「Ａ社ＴＶ」、「映像機器」および「Ａ社機器」の３種類の属性を持つ。メタ情報は、機器４０の登録時に入力することもできるが、ｕｃｏｄｅ等の規格を利用すれば入力を省くこともできる。

本実施の形態では、データベース３０には、複数の機器４０のメタデータ３２として、複数の機器４０のそれぞれの機種を示すデータと、複数の機器４０のそれぞれの性能を示すデータとが格納されている。データベース３０には、複数の機器４０のメタデータ３２として、複数の機器４０のそれぞれで得られた計測値を示すデータも格納されている。この計測値は、計測データ３１に示されている計測値のような計測日時ごとの値ではなく、任意の値を代表値としたものである。

具体例として、データベース３０には、エアコンａ、エアコンｂ、エアコンｃ、エアコンｄおよびエアコンｅといった機器４０のそれぞれのメタデータ３２として、機器４０の機器ＩＤ、機種およびメーカを示すデータと、機器４０の性能を示すデータと、機器４０で得られた計測値を示すデータとが格納されている。

図４の例では、エアコンｄのメタデータ３２には、共通属性として、エアコンｄの機器ＩＤ「ｄ」、機種「Ａ社エアコン」およびメーカ「Ａ社」が示され、固有属性として、Ａ社エアコンに共通の機能、最大出力およびサイズといったカタログに載る性能と、エアコンｄでセンサを使って個別に得られた電流および回転数の計測値とが示されている。

ステップＳ２において、データ検索部２２には、前述した複数の機器４０とは別の機器４０である対象機器の情報が入力される。対象機器は、任意の機器４０でよいが、本実施の形態では、点検対象または故障時期の予測対象の機器４０である。データ検索部２２は、対象機器が持つ属性の種類の中から、１種類が指定されると、データベース３０を検索して、複数の機器４０の中から、指定された種類の属性を持つ機器４０を抽出する。

本実施の形態では、データ検索部２２は、対象機器が持つ属性の種類の中から、２種類以上が個別に指定されると、指定された種類ごとに、複数の機器４０の中から、指定された種類の属性を持つ機器４０を抽出する。

データ検索部２２は、対象機器が持つ属性の種類の中から、２種類以上が１つの組み合わせとして指定されると、複数の機器４０の中から、指定された組み合わせに含まれるすべての種類の属性を持つ機器４０を抽出する。

データ検索部２２は、対象機器が持つ属性の種類として、対象機器で得られた計測値の種類が指定されると、複数の機器４０の中から、データベース３０に格納されているメタデータ３２に、指定された種類と同じ種類の計測値が示されている機器４０を抽出する。

具体例として、データ検索部２２に、エアコンａ、エアコンｂ、エアコンｃ、エアコンｄおよびエアコンｅとはメーカ、型式または設置条件が異なるエアコンｍの情報が対象機器の情報として入力されたとする。この情報には、エアコンｍの機種「Ａ社エアコン」等、図４の例と同様の情報が含まれている。

データ検索部２２は、属性の種類として、「機種」が指定されると、エアコンａ、エアコンｂ、エアコンｃ、エアコンｄおよびエアコンｅ等、データベース３０に格納されているメタデータ３２に「機種」が示されている機器４０を抽出する。

データ検索部２２は、属性の種類として、「機種」および「性能」が個別に指定されると、データベース３０に格納されているメタデータ３２に「機種」が示されている機器４０と、データベース３０に格納されているメタデータ３２に「性能」が示されている機器４０とを別々に抽出する。少なくともエアコンａ、エアコンｂ、エアコンｃ、エアコンｄおよびエアコンｅが両方の抽出結果に含まれるとする。

データ検索部２２は、属性の種類として、「電流」および「回転数」が１つの組み合わせとして指定されると、図５の例のように、エアコンａおよびエアコンｂ等、データベース３０に格納されているメタデータ３２に「電流」および「回転数」の両方が示されている機器４０を抽出する。エアコンｃ、エアコンｄおよびエアコンｅも抽出結果に含まれるとする。

図５の例では、属性の組み合わせをメタ情報としている。図５は、エアコンａおよびエアコンｂの機器情報が登録されている例を示している。エアコンａは、内部にセンサＡを持ち、そのセンサが電流Ａおよび回転数Ａを計測する。エアコンｂは、内部にセンサα、センサβおよびセンサγの３つのセンサを持ち、それらのセンサを使って電流Ｂ、回転数Ａおよび回転数Ｂをそれぞれ計測する。電流Ａおよび電流Ｂは、同じ単位のメタ情報「電流」に分類することができ、回転数Ａおよび回転数Ｂは、メタ情報「回転数」に分類することができる。このような分類結果を使って、エアコンａとエアコンｂとが電流および回転数を持つエアコンであるといったメタ情報を自動で生成することができる。

ステップＳ３において、類似度算出部２３は、データ検索部２２により抽出された機器４０のメタデータ３２を参照して、対象機器が持つ、指定された種類の属性とデータ検索部２２により抽出された機器４０が持つ、指定された種類の属性との類似度を算出する。データ生成部２４は、データ検索部２２により抽出された機器４０の中から、類似度算出部２３により算出された類似度が閾値以上の機器４０である類似機器を選択する。なお、閾値は、類似機器の数が多すぎたり、少なすぎたりしないように適宜調整される。

本実施の形態では、類似度算出部２３は、ステップＳ２で、対象機器が持つ属性の種類の中から、２種類以上が個別に指定されると、指定された種類ごとに、対象機器が持つ、指定された種類の属性とデータ検索部２２により抽出された機器４０が持つ、指定された種類の属性との類似度を算出する。

類似度算出部２３は、ステップＳ２で、対象機器が持つ属性の種類の中から、２種類以上が１つの組み合わせとして指定されると、対象機器が持つ、指定された組み合わせに含まれるすべての種類の属性とデータ検索部２２により抽出された機器４０が持つ、指定された組み合わせに含まれるすべての種類の属性との類似度を算出する。

類似度算出部２３は、ステップＳ２で、対象機器が持つ属性の種類として、対象機器で得られた計測値の種類が指定されると、対象機器で得られた、指定された種類の計測値とデータ検索部２２により抽出された機器４０のメタデータ３２に示されている、指定された種類の計測値とを比較することで、類似度を算出する。

具体例として、ステップＳ２で、前述したエアコンｍの情報が入力されていたとする。

類似度算出部２３は、ステップＳ２で、属性の種類として、「機種」が指定されると、エアコンｍの機種「Ａ社エアコン」とエアコンａ、エアコンｂおよびエアコンｃの機種「Ｂ社エアコン」との類似度と、エアコンｍの機種「Ａ社エアコン」とエアコンｄおよびエアコンｅの機種「Ａ社エアコン」との類似度とを算出する。機種が一致する場合の類似度が閾値以上、機種が一致しない場合の類似度が閾値未満になるとすると、データ生成部２４は、エアコンｄおよびエアコンｅを類似機器として選択する。

類似度算出部２３は、ステップＳ２で、属性の種類として、「機種」および「性能」が個別に指定されると、エアコンｍの機種「Ａ社エアコン」とエアコンａ、エアコンｂおよびエアコンｃの機種「Ｂ社エアコン」との類似度と、エアコンｍの機種「Ａ社エアコン」とエアコンｄおよびエアコンｅの機種「Ａ社エアコン」との類似度とを算出する。機種が一致する場合の類似度が閾値以上、機種が一致しない場合の類似度が閾値未満になるとすると、データ生成部２４は、エアコンｄおよびエアコンｅを類似機器として選択する。類似度算出部２３は、エアコンｍの性能とエアコンａ、エアコンｂ、エアコンｃ、エアコンｄおよびエアコンｅのそれぞれの性能との類似度も算出する。機能が一致し、最大出力の差が小さい場合の類似度が閾値以上、それ以外の場合の類似度が閾値未満になるとすると、データ生成部２４は、エアコンａ、エアコンｂ、エアコンｃ、エアコンｄおよびエアコンｅの中から、エアコンｍと同じ機能を持ち、エアコンｍとの最大出力の差が小さい機器４０を類似機器として選択する。

類似度算出部２３は、ステップＳ２で、属性の種類として、「電流」および「回転数」が１つの組み合わせとして指定されると、エアコンｍの情報に示されている「電流」および「回転数」の値とエアコンａ、エアコンｂ、エアコンｃ、エアコンｄおよびエアコンｅのメタデータ３２に示されている「電流」および「回転数」の値との差から、類似度を算出する。電流の差が小さく、回転数の差が小さい場合の類似度が閾値以上、それ以外の場合の類似度が閾値未満になるとすると、データ生成部２４は、エアコンａ、エアコンｂ、エアコンｃ、エアコンｄおよびエアコンｅの中から、エアコンｍとの電流および回転数の差が小さい機器４０を類似機器として選択する。

ステップＳ４において、データ生成部２４には、評価するＫＰＩが入力される。「ＫＰＩ」は、Ｋｅｙ Ｐｅｒｆｏｒｍａｎｃｅ Ｉｎｄｉｃａｔｏｒの略語である。すなわち、データ生成部２４に対して、指標が指定される。

ステップＳ５において、データ生成部２４は、ＫＰＩに必要な計測データ３１の種類を特定する。

本実施の形態では、データ生成部２４は、ＫＰＩとして、２種類以上の計測値から求められる指標が指定されると、それら２種類以上の各種類を特定する。

具体例として、データ生成部２４は、ＫＰＩとして、健全度が指定されると、「経過年数」および「運転時間」のデータが必要であることを認識する。

ステップＳ６において、データ生成部２４は、データ蓄積部２１により蓄積された類似機器の計測データ３１を取得する。

具体的には、データ生成部２４は、データベース３０に蓄積された類似機器の計測データ３１のうち、ステップＳ５で特定した種類の計測値を示すデータを取得する。

ステップＳ７において、データ生成部２４には、データ分析の対象となる期間が入力される。すなわち、データ生成部２４に対して、期間が指定される。

ステップＳ８において、データ生成部２４は、ステップＳ６で取得した類似機器の計測データ３１から、分析対象となるデータ３３を生成する。データ生成部２４は、生成したデータ３３をＢＩ／ＢＡツール５０に出力する。

本実施の形態では、データ生成部２４は、ステップＳ４で、ＫＰＩとして、２種類以上の計測値から求められる指標が指定されると、ステップＳ６で取得した類似機器の計測データ３１に示されている、それら２種類以上の計測値を組み合わせて、分析対象となるデータ３３を生成する。

データ生成部２４は、ステップＳ７で、期間が指定されると、ステップＳ６で取得した類似機器の計測データ３１に示されている、指定された期間の計測値を用いて、分析対象となるデータ３３を生成する。

センサの計測値は、機器ＩＤと計測時刻とを付けて蓄積されている。蓄積された計測値は、機器ＩＤと時刻とによって検索することができる。

データ生成部２４は、ステップＳ２で、対象機器が持つ属性の種類の中から、２種類以上が個別に指定されると、指定された種類ごとに、分析対象となるデータ３３を生成する。

具体例として、ステップＳ５で、ＫＰＩとして、健全度が指定されていたとする。

データ生成部２４は、ステップＳ２で、属性の種類として、「機種」が指定されると、ステップＳ６で取得した、ステップＳ３で選択した類似機器の計測データ３１に示されている経過年数および運転時間から類似機器の健全度を算出する。データ生成部２４は、分析対象となるデータ３３として、算出した健全度を示すデータをＢＩ／ＢＡツール５０に出力する。

データ生成部２４は、ステップＳ２で、属性の種類として、「機種」および「性能」が個別に指定されると、ステップＳ６で取得した、ステップＳ３で「機種」について選択した類似機器の計測データ３１に示されている経過年数および運転時間から類似機器の健全度を算出する。データ生成部２４は、ステップＳ６で取得した、ステップＳ３で「性能」について選択した類似機器の計測データ３１に示されている経過年数および運転時間からも類似機器の健全度を算出する。データ生成部２４は、図６の例のように、「機種」および「性能」のそれぞれについて、分析対象となるデータ３３として、算出した健全度を示すデータをＢＩ／ＢＡツール５０に出力する。図６の例では、データ生成部２４は、類似機器の計測データ３１から得られる近似曲線または近似関数を用いて、対象機器の予測値も算出して出力している。

データ生成部２４は、ステップＳ２で、属性の種類として、「電流」および「回転数」が１つの組み合わせとして指定されると、ステップＳ６で取得した、ステップＳ３で選択した類似機器の計測データ３１に示されている経過年数および運転時間から類似機器の健全度を算出する。データ生成部２４は、分析対象となるデータ３３として、算出した健全度を示すデータをＢＩ／ＢＡツール５０に出力する。

ＢＩ／ＢＡツール５０では、分析対象となるデータ３３が多角的に分析される。

このように、本実施の形態では、機器４０を指定することで機器４０の状態を健全度等のＫＰＩで算出することができる。まず、推定を行いたい機器４０とＫＰＩとを指定する。次に、指定された機器４０とメタ情報が類似する機器４０のリストを検索する。また、ＫＰＩ算出に必要な属性を抽出する。ＫＰＩが健全度だった場合は経過年数および運転時間等が属性にあたる。これらの属性を持つ機器４０を抽出する。

図６は、ＫＰＩとして健全度を算出している様子を示している。縦軸が機器４０の健全度を１から５で示し、横軸は１９９０年から２０２０年の年数を示している。健全度が０に近づくと故障が発生しやすくなる。健全度は、一般的には使用時間または稼動時間が増えると０に近づいていく。この例では、対象機器と同じ機種の機器４０の健全度をプロットしたものから、その近似曲線を得ている。また、対象機器と性能が近い機器４０の健全度をプロットしたものから、その近似曲線を得ている。対象機器のデータと、同じ機種の機器４０および性能が近い機器４０の近似データとをあわせて、最小二乗法等の近似計算で予測式を求めることができるので、その式をもとに２０１０年および２０１５年の対象機器の健全度を求めることができる。

なお、ステップＳ３からステップＳ８のデータ生成部２４の処理の変形例として、複数の類似機器がある場合に、各類似機器の計測データ３１にそれぞれの類似度に応じた重み係数をかけて、足し合わせることによって、対象機器のデータを生成する処理を行ってもよい。すなわち、データ生成部２４は、類似度による計測データ３１の重み付け加算を行うことによって、分析対象となるデータ３３を生成してもよい。重み付け加算の対象となる計測データ３１は、類似機器の計測データ３１だけでなく、データ検索部２２により抽出された機器４０すべての計測データ３１であってもよい。

この変形例について、本実施の形態との差異を説明する。

本実施の形態では、データ生成部２４は、データ検索部２２により抽出された機器４０の中から、類似度算出部２３により算出された類似度が閾値以上の機器４０である類似機器を選択し、類似機器の計測データ３１から、分析対象となるデータ３３を生成する。これに対し、上記変形例では、データ生成部２４は、類似度算出部２３により算出された類似度に応じて、データ検索部２２により抽出された機器４０の計測データ３１を重み付けし、重み付けした計測データ３１を合成することで、分析対象となるデータ３３を生成する。いずれの形態においても、類似度に応じて計測データ３１から分析対象となるデータ３３を生成する点は同じであるが、前者では、類似度が閾値以上の機器４０の計測データ３１のみを用いるのに対し、後者では、類似度が低い機器４０の計測データ３１を用いてもよい点が異なる。重みは、図７の例のように、機器４０ごとに設定される。対象機器との類似度が高い機器４０ほど、高い重みが設定される。

＊＊＊実施の形態の効果の説明＊＊＊
本実施の形態によれば、ある対象機器に対して、既存の類似機器の計測データ３１を分析した結果を活用できるように、データ分析の目的に応じた種類の属性によって判別した類似機器の計測データ３１を提供することができる。

機器４０の故障傾向を分析し、いつ故障するかを予測する等、機器４０の計測データ３１を分析するシステムにおいて、機種および設置条件が同じであれば、故障した機器４０が持つ計測データ３１の変化傾向が似通っている機器４０を検索し、故障しそうな機器４０として抽出することができる。例えば、あるエアコンで「過電流による運転停止」が発生したとき、同じ回転数および同じ電流の変化傾向を持つ同じ機種であれば、故障しそうであると判断できる。本実施の形態では、異型式の機器４０についても、このノウハウを活用できる。

本実施の形態では、機器４０の性能および機能を電子的に入力でき、性能および機能により機器４０および機器４０が持つ属性を、体系化された識別子を持つメタデータ３２を使って分類できる。分類結果と機器４０の設置条件とを使って異なる型式または個体の構成データを管理できる。機器４０をメタ検索できる。メタ検索で得られた機器４０が対象となる機器４０とどの程度類似しているかを評価し、機器４０が持つ属性情報を使って、検索した機器４０の実績値を正規化して組み合わせることができる。

本実施の形態によれば、データ分析を伴う保守保全、維持管理または運転計画等のサービスにおいて、他の機種を実績値として利用できるので、実績のない新製品または新しい切り口で分析を行いたい場合に実績データがなくても、すなわち、改めて機器データの測定をしなくてもデータ分析を行うことができ、早期にサービスを提供できる。

＊＊＊他の構成＊＊＊
本実施の形態では、データ蓄積部２１、データ検索部２２、類似度算出部２３およびデータ生成部２４の機能がソフトウェアにより実現されるが、変形例として、データ蓄積部２１、データ検索部２２、類似度算出部２３およびデータ生成部２４の機能がソフトウェアとハードウェアとの組み合わせにより実現されてもよい。すなわち、データ蓄積部２１、データ検索部２２、類似度算出部２３およびデータ生成部２４の機能の一部が専用のハードウェアにより実現され、残りがソフトウェアにより実現されてもよい。

専用のハードウェアは、例えば、単一回路、複合回路、プログラム化したプロセッサ、並列プログラム化したプロセッサ、ロジックＩＣ、ＧＡ、ＦＰＧＡ、ＡＳＩＣ、または、これらのうちいくつか、もしくは、すべての組み合わせである。「ＩＣ」は、Ｉｎｔｅｇｒａｔｅｄ Ｃｉｒｃｕｉｔの略語である。「ＧＡ」は、Ｇａｔｅ Ａｒｒａｙの略語である。「ＦＰＧＡ」は、Ｆｉｅｌｄ−Ｐｒｏｇｒａｍｍａｂｌｅ Ｇａｔｅ Ａｒｒａｙの略語である。「ＡＳＩＣ」は、Ａｐｐｌｉｃａｔｉｏｎ Ｓｐｅｃｉｆｉｃ Ｉｎｔｅｇｒａｔｅｄ Ｃｉｒｃｕｉｔの略語である。

プロセッサ１１および専用のハードウェアは、いずれも処理回路である。すなわち、データ蓄積部２１、データ検索部２２、類似度算出部２３およびデータ生成部２４の機能がソフトウェアにより実現されるか、ソフトウェアとハードウェアとの組み合わせにより実現されるかに関わらず、データ蓄積部２１、データ検索部２２、類似度算出部２３およびデータ生成部２４の動作は、処理回路により行われる。

１０ データ分析支援装置、１１ プロセッサ、１２ メモリ、１３ 補助記憶装置、１４ 通信デバイス、２１ データ蓄積部、２２ データ検索部、２３ 類似度算出部、２４ データ生成部、３０ データベース、３１ 計測データ、３２ メタデータ、３３ データ、４０ 機器、５０ ＢＩ／ＢＡツール。

Claims (9)

1. 対象機器が持つ属性の種類の中から、１種類が指定されると、前記対象機器とは別の複数の機器のそれぞれが持つ属性を属性の種類ごとに示すメタデータを格納するデータベースを検索して、前記複数の機器の中から、指定された種類の属性を持つ機器を抽出するデータ検索部と、
   前記データ検索部により抽出された機器のメタデータを参照して、前記対象機器が持つ、指定された種類の属性と前記データ検索部により抽出された機器が持つ、指定された種類の属性との類似度を算出する類似度算出部と、
   前記類似度算出部により算出された類似度に応じて、前記複数の機器のそれぞれで得られた計測値を示す計測データから、分析対象となるデータを生成するデータ生成部と
   を備えるデータ分析支援装置。
2. 前記データ検索部は、前記対象機器が持つ属性の種類の中から、２種類以上が個別に指定されると、指定された種類ごとに、前記複数の機器の中から、指定された種類の属性を持つ機器を抽出し、
   前記類似度算出部は、指定された種類ごとに、前記対象機器が持つ、指定された種類の属性と前記データ検索部により抽出された機器が持つ、指定された種類の属性との類似度を算出し、
   前記データ生成部は、指定された種類ごとに、前記分析対象となるデータを生成する請求項１に記載のデータ分析支援装置。
3. 前記データ検索部は、前記対象機器が持つ属性の種類として、前記対象機器で得られた計測値の種類が指定されると、前記複数の機器の中から、前記データベースに格納されているメタデータに、指定された種類と同じ種類の計測値が示されている機器を抽出し、
   前記類似度算出部は、前記対象機器で得られた、指定された種類の計測値と前記データ検索部により抽出された機器のメタデータに示されている、指定された種類の計測値とを比較することで、前記類似度を算出する請求項１または２に記載のデータ分析支援装置。
4. 前記複数の機器の計測データは、前記複数の機器のそれぞれで得られた計測値を計測値の種類ごとに示すデータであり、
   前記データ生成部は、２種類以上の計測値から求められる指標が指定されると、前記複数の機器の計測データに示されている前記２種類以上の計測値を組み合わせて、前記分析対象となるデータを生成する請求項１から３のいずれか１項に記載のデータ分析支援装置。
5. 前記複数の機器の計測データは、少なくとも前記複数の機器の経過年数および運転時間を示すデータであり、
   前記データ生成部は、前記指標として、健全度が指定されると、前記複数の機器の計測データに示されている経過年数および運転時間から、該当する機器の健全度を算出し、前記分析対象となるデータとして、算出した健全度を示すデータを出力する請求項４に記載のデータ分析支援装置。
6. 前記複数の機器の計測データは、前記複数の機器のそれぞれで得られた計測値の時系列データであり、
   前記データ生成部は、期間が指定されると、前記複数の機器の計測データに示されている前記期間の計測値を用いて、前記分析対象となるデータを生成する請求項１から５のいずれか１項に記載のデータ分析支援装置。
7. 前記データ生成部は、前記データ検索部により抽出された機器の中から、前記類似度算出部により算出された類似度が閾値以上の機器である類似機器を選択し、前記類似機器の計測データから、前記分析対象となるデータを生成する請求項１から６のいずれか１項に記載のデータ分析支援装置。
8. 前記データ生成部は、前記類似度算出部により算出された類似度に応じて、前記データ検索部により抽出された機器の計測データを重み付けし、重み付けした計測データを合成することで、前記分析対象となるデータを生成する請求項１から６のいずれか１項に記載のデータ分析支援装置。
9. コンピュータに、
   対象機器が持つ属性の種類の中から、１種類が指定されると、前記対象機器とは別の複数の機器のそれぞれが持つ属性を属性の種類ごとに示すメタデータを格納するデータベースを検索して、前記複数の機器の中から、指定された種類の属性を持つ機器を抽出するデータ検索処理と、
   前記データ検索処理により抽出された機器のメタデータを参照して、前記対象機器が持つ、指定された種類の属性と前記データ検索処理により抽出された機器が持つ、指定された種類の属性との類似度を算出する類似度算出処理と、
   前記類似度算出処理により算出された類似度に応じて、前記複数の機器のそれぞれで得られた計測値を示す計測データから、分析対象となるデータを生成するデータ生成処理とを実行させるデータ分析支援プログラム。

Images