JP7034038B2 - データ検証装置、状態監視装置、及びデータ検証方法 - Google Patents

Description

本発明は、データ検証装置、状態監視装置、及びデータ検証方法に関する。

特許文献１には、機械に設けられた複数のセンサからの出力データ（以下、センサデータともいう）を収集して機械の異常を診断する状態監視装置が開示されている。特許文献１に開示された状態監視装置では、機械に設けられたセンサごとに集計したセンサデータの頻度を、センサの性能に基づいて設定したビン数または幅を用いて集計し、ビンごとの誤差と累積誤差率とを算出する。そして、算出した累積誤差率を診断モデルの状態分離条件の設定に活用できるようにしている。

特許第６０６０２６１号公報

前述した状態監視装置では、例えば、センサから収集する時系列のセンサデータ（以下時系列データと省略して記す）と、基準となる時系列のセンサデータ（例えば、理想的な特性を有するセンサデータ、若しくは機械が正常に動作している場合に測定したセンサデータ等を使用する。以下このセンサデータを基準時系列データと記す）とに基づいて２つのセンサデータ間の誤差率を算出し、この誤差率を機械の状態の診断モデルの処理に使用している。しかし、下記の（１）～（３）の何れかの条件が単独若しくは同時に発生すると、比較する２つのセンサデータがほぼ同一の特性であるにも関わらずセンサデータの品質や精度が評価不能になってしまう場合がある。（１）比較するセンサデータ間のサンプリングのタイミングが一致しておらず、サンプリングに時間差がある。（２）センシリング対象の機械若しくはシステムの動特性に動作上の不連続点がある。（３）基準となるセンサデータの瞬時値が零近傍値になる時間がある。

センサから収集するセンサデータの品質や精度が評価不能になってしまう原因の一つとして、２つのセンサデータ間の誤差率の算出時に、前述した（１）～（３）により、瞬時誤差率の大きな外れ値が生じることが挙げられる。

この原因は、機械の状態の診断に、誤差率を使用する状態監視装置で起こり得る。この原因がより顕著に表れる場合は、診断のアルゴリズムに複合領域物理モデルシミュレーションか、若しくは同シミュレーションの結果によって生成されるデータを使用する場合、若しくはこれらと同等のアルゴリズムを使用する場合である。補足として、近年、ＩｏＴ（Ｉｎｔｅｒｎｅｔ ｏｆ Ｔｈｉｎｇｓ）機器やビッグデータ解析の普及等のシステムの進化、高度化、複雑化につれて、機械の状態の診断にも進化、高度化が求められている。そのため、システムの複雑な動特性を、前述した複合領域物理モデルシミュレーションの活用により模擬する場合がある。

以下、複合領域物理モデルシミュレーションについて説明する。複合領域物理モデルとは、制御、回路、モータ、機械、外部環境等のような複合領域（マルチドメインともいう）に跨る物理モデルである。各物理モデルは該当する物理的な機能（仕様、諸元、方式等）をモデル化したものである。なお、外部環境だけでも、電磁界、流体、気象等の複数の領域に跨る物理モデルも存在する。複合領域物理モデルシミュレーションとは、前述した複合領域物理モデルを使用したシミュレーションである。モータ、機械、外部環境等の模擬する対象の複合領域物理モデルと、この複合領域物理モデルのシミュレーション、或いは、これらに相当するアルゴリズムを組み、そして、複合領域物理シミュレーションを実行する。この結果、得られるデータは、複合領域に跨る、模擬する対象の物理的な特性データであり、模擬する対象の状態の診断、機能や特性の評価等に使用できる。これが前述した複合領域物理モデルシミュレーションの利点である。

前述した以外に複合領域物理モデルシミュレーションの利点がある。第１の利点は、複合領域物理モデルを構成する各モデルの物理的な複数の特性データが一度のシミュレーションによって得られることである。第２の利点は、機械等の実機、外部環境、測定装置の何れかをモデルで代替できることである。また、動作、機能、故障の模擬や再現性に優れている。これらのことは、機械、装置、システム等の開発期間の短縮や開発コストの削減に効果がある。そして、第３の利点は、前述した複合領域物理シミュレーションによって、ＩＥＣ６１５０８やＩＳＯ２６２６２で規定される機能安全の証明を行うことができることである。例えば、模擬する対象の一部に故障を発生させ、重大事故を回避するためのフェースセーフの動作を確認できれば、機能安全を証明できることになる。なお、ＩＳＯ２６２６２の規定では、シミュレーション技術の活用による実機試験の代替が可能である。

以上説明した複合領域物理モデルシミュレーションの利点によって、同シミュレーションで生成する時系列データを、実施試験の代替として機械の状態の診断に使用することができる。そのため、機械の状態の診断にセンサから収集された時系列データの替わりに、複合領域物理モデルシミュレーションで生成された時系列データを使用することもできる。また、センサから収集された時系列データを、機械の状態の診断に用いることもできる。

一方、複合領域物理モデルは、この複合領域物理モデルを構成する各系（例えば、制御系、モータ系、機械系、回路系等）の固有周期が異なるため、各系の固有周期が最小の系の固有周期以下のシミュレーションの時間刻み幅（タイムステップともいう）でシミュレーションを実行する必要がある。時間刻み幅が最小の系の固有周期よりも粗い（大きい）場合、シミュレーションが発散してしまい複合領域物理モデルの対象の系の物理現象を模擬する特性データが得られない場合がある。また、シミュレーションの計算解に不連続点（前述した（２）の動作上の不連続点とは意味が異なる）が発生し、物理現象を模擬する特性データが得られない場合がある。このような特性データが得られない場合を少なくするため、一定の時間刻み幅（以下、固定ステップともいう）ではなく、適宜変化する時間刻み幅（以下、可変ステップともいう）でシミュレーションを実行する場合がある。可変ステップは、時間刻み幅を固定ステップよりも細かく刻むことで、シミュレーションの発散や解の不連続点の発生を低減する。この可変ステップで複合領域物理モデルシミュレーションを実行する場合、シミュレーションで得られる時系列データは、時間刻み幅が飛び飛びであるために前述した（１）の発生要因となり得る。

従来の状態監視装置では、前述したように２つの時系列データ間の瞬時誤差率を算出し、この瞬時誤差率を機械の状態の診断モデルの処理に使用する場合、前述した（１）～（３）により、機械の状態が正常であるにも関わらず、瞬時誤差率の大きな外れ値が生じることがある。診断のアルゴリズムに複合領域物理モデルシミュレーション、若しくは複合領域物理モデルシミュレーションの結果によって生成されるデータを用いる場合、若しくは、これらと同等のアルゴリズムを用いる場合は、前述した理由で瞬時誤差率の大きな外れ値が発生し易いという問題がある。

瞬時誤差率の大きな外れ値の発生に対して、一般に信号解析においてはフィルタやフーリエ解析による除去処理を施せば、結果を評価することができる場合がある。ここでいう結果とは、データの品質、精度、信頼性を意味する。しかし、瞬時誤差率の大きな外れ値も物理的動作を表している場合があるため、単なるノイズとして除去処理を施すのは適切ではない。除去処理を施したデータが重要な物理的特性を表す場合もあるからである。例えば、模擬する対象の重大事故を表す特性データに該当する場合が挙げられる。また、それとは別に、複合領域物理モデルを構成する各物理モデルの評価箇所の全てに除去処理のために個別のフィルタのモデルを設計し、同モデルを追加し、フィルタパラメータを調整することも考えられるが、このようにすると開発工数が増大すると共に、技術的な経験や勘を必要とする場合もある。

従来、前述した問題を考慮したデータの検証方法が存在せず、機械の状態、その状態診断のモデル、センサにより収集される時系列データの評価が困難な場合があった。外部環境の状態と状態診断のモデルについても同様である。また、複合領域物理モデル、複合領域物理モデルシミュレーションの結果、複合領域物理モデルシミュレーションを活用した診断、若しくはこれらと同等のアルゴリズムの品質の評価が困難な場合があった。

したがって、本発明は、検証対象の時系列データに関して、誤差率の大きな外れ値が発生しても評価不能となることを防止し、且つ、外れ値自体も評価の処理に組み込むことで、精度、信頼性の高いデータ検証と、時系列データを生成するシステム若しくは観測対象の環境の状態監視とを可能にするデータ検証装置を提供することを目的とする。

本発明は上記の課題を解決するために、複数の数値を時間列で整列させた時系列データを検証するデータ検証装置であって、前記時系列データを記憶する記憶装置と、前記時系列データの検証処理を行う中央処理装置と、を備え、前記データ検証装置は、前記時系列データ若しくは当該時系列データの検証結果を表示する表示装置と、前記時系列データ若しくは前記検証結果を外部の装置に出力する出力装置と、前記時系列データ若しくは前記検証結果を外部の装置と送受信を行う通信装置と、のうちの少なくともいずれか１つを備え、前記中央処理装置は、前記記憶装置に格納された制御プログラム若しくは制御モデルに基づいて、入力装置を介して入力された時系列データと、センサにより生成された時系列データと、前記通信装置を介して外部の装置から受信した時系列データと、前記中央処理装置の演算により生成された時系列データと、前記記憶装置に格納された時系列データと、のうちの１つの時系列データを基準となる基準時系列データに決定すると共に、他の１つの時系列データを検証対象となる時系列データに決定し、前記基準時系列データと検証対象となる前記時系列データとのデータ間検証の時間刻み幅を決定し、決定した前記時間刻み幅の時間毎に、前記基準時系列データと検証対象となる前記時系列データとの差に基づく値と、前記時間刻み幅に基づく値と、を乗算して積算する第１積算値を算出し、前記基準時系列データに基づく値と、前記時間刻み幅に基づく値と、を乗算して積算する第２積算値を算出し、前記第１積算値に基づく値を前記第２積算値に基づく値で除算し、当該除算した値に基づく値を、所定の閾値若しくは設定した閾値に基づいて検証対象となる前記時系列データの正常若しくは異常を判定し、前記基準時系列データと、検証対象となる前記時系列データと、前記除算した値に基づく値と、前記判定の結果と、当該結果を表す信号と、のうちの少なくともいずれか１つを、前記表示装置に表示する、または前記出力装置若しくは前記通信装置を介して外部の装置に出力する、ことを特徴とする。

本発明によれば、検証対象の時系列データに関して、誤差率の大きな外れ値が発生しても、外れ値とこの外れ値が発生する微小な時間幅との組合せと、外れ値ではないデータとこの外れ値ではないデータの時間幅との組合せと、によって評価値を算出するため、外れ値の影響を相対的に小さくすることができる。それによって、当該外れ値が発生しても評価不能にならずに、且つ、この外れ値自体も評価値の算出処理に組み込む結果、精度、信頼性の高いデータ検証を行うことができるデータ検証装置を提供することができる。さらに、時系列データを生成するシステムの状態の監視と、当該状態の判定（例えば、正常動作、異常動作、不具合の発生、故障中等）とを可能にする状態監視装置を提供できる。また、観測対象の環境の状態の監視と当該状態の判定とを可能にする状態監視装置を提供できる。
前述した以外の課題、構成及び効果は、以下の実施形態の説明により明らかにされる。

複合領域物理モデルの一例を説明する図である。 シミュレーションの結果得られた特性データの瞬時誤差率の例を説明する図である。 第１の実施の形態にかかるデータ検証装置の機能を説明する図である。 データ検証装置の制御処理の一例を説明するフローチャートである。 データ検証装置と外部装置との接続の一例を説明する図である。 データ検証装置によるデータ検証結果の一例を説明する図である。 データ検証装置によるデータ検証結果の一例を説明する図である。 第２の実施の形態にかかる状態監視装置の機能を説明する図である。 状態監視装置と外部装置との接続の一例を説明する図である。 状態監視装置の制御処理の一例を説明するフローチャートである。

＜第１の実施の形態＞
以下、本発明の実施の形態にかかるデータ検証装置３００について図面を用いて詳細に説明する。
図１は、複合領域物理モデル１００の一例を説明する図である。実施の形態では、データ検証装置３００を、車両の電動パワーステアリングシステムに関するシミュレーションの結果生じる時系列データの検証に用いる場合を例示して説明する。以下、電動パワーステアリングをＥＰＳ（Ｅｌｅｃｔｒｉｃ Ｐｏｗｅｒ Ｓｔｅｅｒｉｎｇ）と記す。なお、本実施形態に記載のある時系列データとは、センサが生成する時系列データに限定した意味ではなく、広く様々な方法により取得した時系列データを意味する。例えば、コンピュータの演算（シミュレーション）により得られた時系列データ、入力装置などを用いて作成された時系列データなどを含む概念である。基準時系列データについても同様である。

複合領域物理モデル１００は、ドライバーのモデル１１０と、ＥＣＵ（Ｅｌｅｃｔｒｏｎｉｃ Ｃｏｎｔｒｏｌ Ｕｎｉｔ）のモデル１２０と、同期モータのモデル１３０と、機構のモデル１４０と、車両のモデル１５０と、複数ある遅延処理のモデル１６０と、当該各モデル間を接続する複数の制御線（図１中の矢印線）とを有して構成されている。ここで、ドライバーとは車両の運転者を意味しており、ＥＣＵとはＥＰＳの制御に用いられる電子制御装置を意味している。

ドライバーのモデル１１０は、ドライバーのハンドル操舵、アクセル、ブレーキのそれぞれの操作パターンをモデル化したものである。

ＥＣＵのモデル１２０は、マイコンと、マイコンの周辺にある回路との機能をモデルで記述したものである。また、ＥＣＵのモデル１２０は、ＥＰＳのマイコンに実装される制御用のソフトウェア（以下、制御ソフトと記す）を、実機に実装されるものと同じファイル形式でロードすることでシミュレーションを実行することができる。

同期モータのモデル１３０は、ＥＰＳシステムに使用されている永久磁石型同期モータの設計仕様と、モータの運動方程式とを細部までモデル化したものである。具体的には、同期モータのモデル１３０は、モータの寸法、巻線抵抗、インダクタンス、回転子の永久磁石の磁極位置、極対数、磁束の大きさ等のモータ諸元と、磁束変化を考慮したモータの回転運動とをモデル化したものである。また、以降で説明する、複合領域物理モデル１００では、ＥＰＳの機構と、ＥＰＳシステム搭載車の車両の動作とを考慮したモータ負荷を、シミュレーションで模擬できる。そのため、複雑な磁束変化や負荷の変動を反映したモータシミュレーションを実行できる。それにより、実機の精度に近いモータ特性（トルク、回転数、回転角、電流、逆起電力、出力等）を得ることができる。なお、本実施形態では同期モータのモデルを用いたが、シミュレーション対象のモータが別種のモータの場合は、その種のモータのモデルを用いる。別種のモータとは、例えば、ブラシレスＤＣモータ、誘導モータ（インダクションモータともいう）、ステッピングモータ、スイッチドリラクタンスモータ等である。

機構のモデル１４０は、ＥＰＳの機械部分とその機械動作とをモデル化したものである。機構のモデル１４０の内部には、ＥＰＳの構成部品（インプットシャフト、トーションバー、トルクセンサ、ピニオンギヤ、ラック、バネ、ボールネジ等）単位で、それを連結したものを有しているため、ＥＰＳの機械動作を高精度で模擬できる。

車両のモデル１５０は、ＥＰＳシステムの搭載車の車両と車両運動とをモデル化したものである。これにより、ＥＰＳの実機を実車両に組み付けることなしに、車両運動を模擬できる。

遅延処理のモデル１６０は、フィードバックをかける場合に制御線に挿入する、時間遅延処理のモデルである。遅延させる時間は、例えば、時間刻み幅１つ分の時間（具体例を挙げれば１μｓの時間等）であるが、一定時間であるとは限らない。

以上が図１に示すＥＰＳの複合領域物理モデル１００の各構成要素１１０～１６０の説明である。なお、同モデルの要素間の制御フローは、本実施形態のデータ検証装置３００の主題ではないため、詳細は割愛する。

図１に示す複合領域物理モデル１００のシミュレーションを、専用のシミュレーションツールやソフトを用いて実行すると、ＥＰＳの各構成要素の物理的な特性データと、車両運動の特性データが得られる。何れの特性データも時系列データである。これらの時系列データは、ＥＰＳの各構成要素や車両の状態の診断、機能や特性の評価、故障の模擬等に使用できる。これが同シミュレーションの利点である。

同シミュレーションの実施で得られるＥＰＳの各構成要素の物理的な特性データの時系列データ、または車両運動の特性の時系列データを、基準となる基準時系列データ（例えば、理想的な特性データ、若しくは正常に動作している場合の実機の測定データ、を使用する）から、２つの時系列データ間の瞬時誤差率Ｅｎ（単に、誤差率ともいう）と、その平均値ＥＡＶＥ０とを算出する。そして、この瞬時誤差率Ｅｎの平均値ＥＡＶＥ０を、シミュレーションで得られる特性データまたはデータの精度の評価に使用する。

瞬時誤差率Ｅｎの平均値ＥＡＶＥ０は次の数式１により算出できる。

ここで、ＹＭは検証対象となる時系列データ（図３で説明する時系列データ３３１）の瞬時値、ＹＴは基準となる基準時系列データ（図３で説明する基準時系列データ３３２）の瞬時値、ｄｔは時間刻み幅、ｎはデータ検証対象システムの動作時間の分割数である。

ここで、シミュレーションで得られる瞬時誤差率Ｅｎの平均値ＥＡＶＥ０を、特性データとその精度との評価に使用する場合、次の（ａ）～（ｃ）の何れかが単独若しくは同時に生じると、比較する２つの特性データがほぼ同一の特性になるにもかかわらず、特性データが評価不能になってしまう場合がある。（ａ）比較する２つの特性データ間のサンプリングのタイミングが一致しておらず、サンプリングに時間差がある。（ｂ）センシリング対象の機械若しくはシステムの動特性に、動作上の不連続点がある。（ｃ）基準となる特性データの瞬時値が零近傍値になる時間がある。２つの時系列の特性データ間の誤差率算出時に、前述の（ａ）～（ｃ）により瞬時誤差率Ｅｎの大きな外れ値が発生すると特性データが評価不能になってしまう。

図２は、図１で説明したＥＰＳのような複合領域物理モデル１００に関して、シミュレーションを実行した結果、得られた特性データを評価する場合において、誤差率の大きな外れ値が発生してしまい特性データが評価不能になってしまう一例を説明する図である。

図２では、（ＹＭ－ＹＴ）／ＹＴ×１００の計算式で算出される瞬時誤差率Ｅｎを分割数ｎの順に示している。分割数ｎにおける番号を付与する場合、一般に時間軸に沿って付与するため、図２では瞬時誤差率Ｅｎは時間順に図示している。図２では、ｎ＝３において瞬時誤差率Ｅｎが極めて大きな値１.５Ｅ+１０％になり、それ以外のｎでは、瞬時誤差率ＥｎがＥＰＳシステムの欠陥や故障の検出を想定した±２．５％以内に収まっている。瞬時誤差率Ｅｎの１.５Ｅ+１０％の値のように、他の値に対してあまりにかけ離れた値を外れ値という。ｎ＝３の瞬時誤差率Ｅｎが他と比べてあまりに大きな値であることから、前述した数式１により瞬時誤差率Ｅｎの平均値ＥＡＶＥ０を算出しても、瞬時誤差率Ｅｎの平均値ＥＡＶＥ０もまた極めて大きな値になってしまう。この外れ値の発生により、瞬時誤差率Ｅｎまたはその平均値ＥＡＶＥ０で特性データを評価した場合、特性データが評価不能になってしまう。このような極めて大きな外れ値の発生に対して、一般に信号解析においてはフィルタやフーリエ解析による除外処理を施せば、シミュレーション結果を評価できる場合がある。しかし、大きな外れ値も物理的動作を表していることが多く、単にノイズ扱いして除外処理を施すのは適切ではない。除外処理を施したデータが、重要な物理的な特性を表す場合もあるからである。例えば、模擬する対象の致命的な欠陥を意味する特性データに該当する場合である。具体的には、ＥＰＳシステムの搭載車に関して、操舵不能になり重大事故に繋がるような特性データがシミュレーションで得られたにもかかわらず、特性データを評価不能であるからと除外扱いしてしまえば、欠陥を検出できない事態となる。また、この事態とは別に、複合領域物理モデル１００を構成する各物理モデルの評価箇所すべてに、除外処理のために個別のフィルタのモデルを設計し、同モデルを追加し、フィルタパラメータを調整することも考えられるが、このようにすると、工数が増大すると共に、技術的な経験や勘を必要とする場合もある。

このような大きな外れ値の発生により、特性データが評価不能になってしまう現象は、データの検証や機械の状態の診断に誤差率を使用するものであれば起こり得る。しかし、この現象がより顕著に表れるのは、診断のアルゴリズムに、複合領域物理モデルシミュレーションか、若しくは同シミュレーションの結果によって生成される特性データを使う場合、若しくはこれらと同等のアルゴリズムを使う場合である。補足として、ＩｏＴ（Ｉｎｔeｒｎeｔ ｏｆ Ｔｈｉｎｇｓ）機器やビッグデータ解析の普及等の、システムの進化、高度化、複雑化につれて、機械の状態の診断にも進化、高度化が求められている。そのため、システムの複雑な動特性を、同シミュレーションの活用により模擬する必要がある。

ここで、前述した複合領域物理モデル１００は、同モデルを構成する１つ１つの系（例えば、制御系、回路系、モータ系、機械系等）の固有周期が違うために、系の固有周期が最小の系の固有周期以下のシミュレーションの時間刻み幅（タイムステップともいう）で、シミュレーションを実行する必要がある。時間刻み幅が、最小の系の固有周期より粗い（大きい）場合は、シミュレーションが発散してしまい、複合領域物理モデル１００の対象の系の物理現象を模擬する特性データが得られない場合がある。また、シミュレーションの計算解に不連続点が発生し、物理現象を模擬する特性データが得られない場合がある。特性データが得られない場合を少なくするため、一定の時間刻み幅（固定ステップという）ではなく、適宜変化する時間刻み幅（可変ステップという）で、シミュレーションを実行する場合がある。可変ステップは、時間刻み幅を固定ステップより細かく刻むことで、シミュレーションの発散や解の不連続点の発生を低減する。しかし、可変ステップで複合領域物理モデルシミュレーションを実行する場合、シミュレーションで得られる時系列データは、時間刻み幅が時間毎に異なるため、前述の（ａ）の発生要因となり得る。

＜データ検証装置の構成＞
次に、前述した問題を解決するための第１の実施の形態にかかるデータ検証装置３００を説明する。図３は、第１の実施の形態にかかるデータ検証装置３００の機能を説明する図である。

データ検証装置３００は、中央処理装置(Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ：ＣＰＵともいう)３１０と、記憶装置（メモリともいう）３２０と、補助記憶装置３３０と、表示装置３４０と、通信装置３５０と、を有して構成されており、これらの各装置はバス３６０を介して接続されている。データ検証装置３００は、バス３６０を介して、外部にある入力装置４００、検証対象システム（例えば、車両のＥＰＳ）に設けられたセンサ４１０、出力装置４２０、外部記憶装置４３０に接続されている。記憶装置３２０には、制御プログラムＡ３２１と制御プログラムＢ３２２とが記憶されており、補助記憶装置３３０には、センサ４１０等から取得した時系列データ３３１やデータ検証の際に基準となる基準時系列データ３３２が記憶されている。なお、入力装置４００、センサ４１０、出力装置４２０、外部記憶装置４３０の何れかは、必ずしもデータ検証装置３００の外部にある必要はなく、データ検証装置３００の筐体の一部である構成としてもよい。

入力装置４００は、ユーザー（不図示）からデータ検証装置３００への操作入力、若しくはデータの入力を受け付ける。入力装置４００は、例えば、キーボード、マウス、操作ボタン等である。データの入力とは、検証対象システムに設けられたセンサ４１０から取得した時系列データ３３１や、データ検証の際に基準となる基準時系列データ３３２を入力することである。なお、データの入力は、入力装置４００を介さずに、センサ４１０からデータ検証装置３００にバス３６０を介して、時系列データ３３１や、データ検証の際に基準となる基準時系列データ３３２を入力してもよい。入力された時系列データは、補助記憶装置３３０に格納される。若しくは、時系列データを記憶装置３２０や外部記憶装置４３０に格納してもよい。制御プログラムＡ３２１には、後述する図４で説明する処理が組み込まれている。制御プログラムＢ３２２には、図１で説明したＥＰＳの複合領域物理モデル１００と、シミュレーション実行モジュールとが組み込まれている。制御プログラムＡ３２１と、制御プログラムＢ３２２とは共に、例えば、Ｃ言語のような高級言語で記述したソースコードや、モデル言語で記述したシミュレーション用のモデルを中央処理装置３１０の演算または処理に実行可能なバイナリ形式に変換されたものを含む。センサ４１０は、検証対象システム（例えば、車両のＥＰＳシステム）をセンシリングし、検証対象の時系列データを生成する。ここで、検証対象システムが、図１に示すＥＰＳの複合領域物理モデル１００である場合は、同モデル１００を制御プログラムＢ３２２に組み込むためセンサ４１０は使用しない。出力装置４２０は、基準となる基準時系列データ３３２、検証対象となる時系列データ３３１、後述の図４で説明する除算値、判定の結果、及び当該結果を表す信号の何れかをデータ検証装置３００の外部に接続する装置に出力する。

表示装置３４０は、出力装置４２０の出力対象と同じものを画面に表示する。また、時系列データに関しては、横軸を時間、縦軸を対象データの物理特性の表示にしてもよい。

通信装置３５０は、有線または無線にかかわらず、データ検証装置３００と、このデータ検証装置３００に接続した外部の装置との間の通信の同期をとる。また、無線によって、データ検証装置３００の外部の装置から信号やデータを入力する場合、または外部の装置へ信号やデータを送信する場合もある。

前述した入力装置４００、センサ４１０、出力装置４２０、外部記憶装置４３０は何れもデータ検証装置３００に対して接続若しくは取り外しが可能であるように構成されている。表示装置３４０も接続若しくは取り外し可能であるように構成されていてもよい。中央処理装置３１０については後で詳しく説明する。

＜データ検証装置の制御処理＞
次に、データ検証装置３００で実行される制御処理を説明する。この制御処理は、制御プログラムＡ３２１に組み込まれており、中央処理装置３１０が記憶装置３２０に格納される制御プログラムＡ３２１を読み込むことで実行される。

図４は、データ検証装置３００の制御処理の一例を説明するフローチャートである。

初めに、ステップＳ１０１において、データ検証処理を実行する前に、ユーザー（不図示）が事前に、データ検証装置３００の入力装置４００を操作し、検証対象システムの理想的なまたは実機の時系列データを補助記憶装置３３０に格納する。また、事前に外部記憶装置４３０をデータ検証装置３００に接続し、当該時系列データを外部記憶装置４３０から補助記憶装置３３０に移動するように構成してもよい。また、事前に通信装置３５０を介して、外部の装置から時系列データを取得し、補助記憶装置３３０に格納するように構成してもよい。時系列データには、時系列データ毎にＩＤを付与する。ＩＤは、検証対象システムのどの物理データに該当するのか、基準となる基準時系列データ３３２であるのか、検証対象となる時系列データ３３１であるのか、を識別するためのものである。基準時系列データ３３２と検証対象となる時系列データ３３１との区分は、ユーザーが入力装置４００を操作して設定するか、または中央処理装置３１０が一括で設定することができる。

ステップＳ１０２において、ユーザーが入力装置４００を操作して、時系列データをデータ検証装置３００に入力する。若しくは、センサ４１０が生成する時系列データをデータ検証装置３００に入力する。時系列データ入力後、中央処理装置３１０は、時系列データ毎にＩＤを付与する。

ステップＳ１０３において、中央処理装置３１０は、ステップＳ１０１で補助記憶装置３３０に格納した時系列データと、ステップＳ１０２で入力した時系列データとを記憶装置３２０にロードする。なお、ステップＳ１０２で入力した時系列データを、補助記憶装置３３０若しくは外部記憶装置４３０に格納した後に、記憶装置３２０にロードするように構成してもよい。また、中央処理装置３１０の演算により生成される時系列データを、時系列データ毎にＩＤを付与し、記憶装置３２０にロードするように構成してもよい。第１の実施形態では、制御プログラムＢ３２２には、図１に示すＥＰＳの複合領域物理モデル１００と、シミュレーション実行モジュールとが組み込まれている。そのため、中央処理装置３１０により、複合領域物理モデルのシミュレーションが実行され、それによって時系列データが生成される。次に、ステップＳ１０１～Ｓ１０３で付与したＩＤによって、当該複数の時系列データを、基準となる基準時系列データ３３２と、検証対象となる時系列データ３３１とを時系列データ毎に決定する。

ステップＳ１０４において、中央処理装置３１０は、基準となる基準時系列データ３３２と、検証対象となる時系列データ３３１とに対して、ステップＳ１０５からステップＳ１１１までの処理を行うための時間刻み幅（タイムステップともいう）を決定する。時間刻み幅は一定の時間に設定される場合に限定されるものではなく、適宜、変動可能となっている。時系列データの各要素間で値の変動が大きい場合は、データ検証の精度を向上させるために、時間刻み幅をより細かく刻む。なお、時間刻み幅は、時系列データのデータ刻み幅である場合に限定されるものではなく、より小さい時間刻み幅（より短い時間）にしてもよい。また、この時間刻み幅を、制御プログラムＢ３２２に基づいて中央処理装置３１０が実行する複合領域物理モデルシミュレーションの時間刻み幅と同じにしてもよい。一般に、時間刻み幅を小さくするほど、データ検証の精度と信頼性とを向上させることができる。

ステップＳ１０５において、中央処理装置３１０は、基準となる基準時系列データ３３２と検証対象となる時系列データ３３１との差の絶対値の時間加重平均Ａを算出する。ここで、時間加重平均Ａは、時間刻み幅で規定される時間毎に所定の重みが設定されており、例えば、時間刻み幅が狭い時間の重みは、時間刻み幅が広い時間の重みよりも小さくなるように設定されている。

ステップＳ１０６において、中央処理装置３１０は、基準となる基準時系列データ３３２の絶対値の時間加重平均Ｂを算出する。ここで、時間加重平均Ｂは、時間刻み幅で規定される時間毎に所定の重みが設定されており、例えば、時間刻み幅が狭い時間の重みは、時間刻み幅が広い時間の重みよりも小さくなるように設定されている。

ステップＳ１０７において、中央処理装置３１０は、ステップＳ１０５で算出した時間加重平均Ａを、ステップＳ１０６で算出した時間加重平均Ｂで除算して１００を乗じる演算を行う。除算値に１００を乗じるのは、単位を％にするためである。なお、除算値に１００を乗じなくてもよいが、その場合はステップＳ１０９で説明する閾値を、１００を乗じない値に調整する必要がある。

ステップＳ１０８において、中央処理装置３１０は表示装置３４０に、基準となる基準時系列データ３３２と、検証対象となる時系列データ３３１と、前記除算して１００を乗じた値とを表示する。なお、中央処理装置３１０は表示装置３４０に時系列データを、横軸を時間、縦軸を対象データの物理特性の表示に変換して表示してもよい。

ステップＳ１０９において、中央処理装置３１０は、前記除算して１００を乗じた値が閾値未満か否かの判定を行う。中央処理装置３１０は、前記除算して１００を乗じた値が閾値未満であると判定した場合（ステップＳ１０９：ＹＥＳ）、ステップＳ１１０の処理を行い、前記除算して１００を乗じた値が閾値以上であると判定した場合（ステップＳ１０９：ＮＯ）、ステップＳ１１１の処理を行う。本実施形態では、当該閾値を検証対象システムであるＥＰＳシステムの故障や欠陥の検出を想定した２．０％に設定した場合を例示して説明する。

ステップＳ１１０において、中央処理装置３１０は、表示装置３４０に「ＯＫ」と表示する。検証対象の時系列データ３３１が、基準となる基準時系列データ３３２に対して閾値以内に入っており、ほぼ等しいことを意味している。即ち、検証対象システムであるＥＰＳが正常に動作していることを示している。

ステップＳ１１１において、中央処理装置３１０は、表示装置３４０に「ＮＧ」と表示する。検証対象の時系列データ３３１が、基準となる基準時系列データ３３２に対して閾値を超えており、逸脱していることを意味している。即ち、検証対象システムであるＥＰＳが正常に動作しておらず、故障や欠陥を示唆している。

ステップＳ１１２において、中央処理装置３１０は、時間刻み幅の総和が検証対象の時間以上か否かの判定を行う。中央処理装置３１０は、時間刻み幅の総和が検証対象の時間以上であると判定した場合（ステップＳ１１２：ＹＥＳ）、処理を終了する。一方、中央処理装置３１０は、時間刻み幅の総和が検証対象の時間未満であると判定した場合（ステップＳ１１２：ＮＯ）、ステップＳ１０４に戻って処理を行う。時間刻み幅の総和は、検証対象システムの動作時間である。一般に、システムの動作時間は仕様で決められている。仕様とは、例えば、性能テストの仕様である。仕様で決められた動作時間がデータ検証の対象時間であり処理の終了判定に用いることができる。

なお、上記のステップＳ１０１～Ｓ１１２の説明のステップという語句は、先述の、固定ステップや可変ステップの語句で使用されている「時間刻み幅」という意味ではなく、フローチャート上の処理の段階を示すものである。

ここで、図４のフローチャートのステップＳ１０５からＳ１０８の演算は次の数式２で表すことができる。この数式２は、本発明の請求項２に対応する。

ここで、Σｄｔｎはデータ検証対象システムの動作時間と同じ値になる。なお、ｄｔは固定値ではなく変化し得る値である。ただし、前述したステップＳ１０４の処理の結果、ある時間区間において一定の値になることはあり得る。なお、数式２において、時間刻み幅で規定される時間毎に所定の重みは、式を簡単に説明するために時間刻み幅そのものとした。以降で説明する数式３～８の時間刻み幅で規定される時間毎に所定の重みについても同様である。

なお、数式２に関して、様々な変形式や類似式が挙げられる。具体的には、以下で説明する。

まず、数式２において、Σｄｔｎに関して約分すると、次の数式３で表すことができる。この数式３は、本発明の請求項３に対応する。

数式２を、始めから数式３と記述しないのは、数式２の分母、分子の２つの時間加重平均値をモニタできるように、数式２で表しておくのが好ましい場合があるからである。

また、数式２を時間加重の二乗平均平方根の式に拡張すると、次の数式４で表すことができる。この数式４は、本発明の請求項４に対応する。

さらに、数式４の分子中と分母中にあるΣｄｔｎの平方根を約分すれば、次の数式５で表すことができる。この数式５は、本発明の請求項５に対応する。

また、数式４を時間加重平均の場合の式に拡張すると、次の数式６で表すことができる。この数式６は、本発明の請求項６に対応する。

数式６の分子中と分母中にあるΣｄｔｎを約分すれば、次の数式７で表すことができる。この数式７は、本発明の請求項７に対応する。

また数式２の積分計算において、台形則で表現すると、次の数式８で表すことができる。この数式８は、本発明の請求項８に対応する。

なお、積分則は、台形則以外に、例えば、シンプソン則、合成シンプソン則、オイラー法（前進オイラー法、後退オイラー法、修正オイラー法）、ニュートン・コーツ則、ガウスの数値積分則、二重指数関数型数値積分則等を用いることができる。前述した数式２～７の積分計算において、これらの法則式を用いてもよい。

前述した数式２～８の説明より、図４のフローチャートのステップＳ１０５からＳ１０８の演算を、数式２の替わりに、数式３～８の何れかで表せる演算を用いてもよい。

＜データ検証装置の接続＞
次に、データ検証装置３００と外部装置との接続の一例を説明する。図５は、データ検証装置３００と外部装置との接続の一例を説明する図である。

図５に示すように、データ検証装置３００は、検証対象システム５００と、センサ４１０と通信線５２１を介して検証対象システム５００と接続する。データ検証装置３００は、通信線５２１を介してセンサ４１０と通信を行いつつ検証対象の時系列データ３３１を取得する。センサ４１０は、検証対象システム５００の内部の測定対象の部位に接続され、測定対象をセンシリングし、物理的な時系列データ３３１を取得する。なお、図５ではセンサ４１０は検証対象システム５００の内部にあるため、図示を割愛した。

本実施形態では、先述の通り、制御プログラムＢ３２２の指令により、中央処理装置３１０が、図１に示すＥＰＳの複合領域物理モデル１００のシミュレーションを実行する。それによって、検証対象システムの時系列データ３３１を生成する。検証対象システムは、図１に示すＥＰＳの複合領域物理モデル１００であり、制御プログラムＢ３２２に組み込まれる。そのため、本実施形態では、検証対象システム５００及びセンサ４１０の接続は必要ではない。図５では、検証対象システムがデータ検証装置３００の外部にある装置である場合の理解を容易にするため、検証対象システム５００を図示した。

データ検証装置３００の表示装置３４０は、図４で説明した通り、時系列データを特性表示に変換したものと、ステップＳ１０７の演算結果と、閾値の判定結果と、を表示する。

実施形態では、データ検証装置３００は、通信線５２２を介して、ネットワーク５３０と接続されている。このネットワーク５３０は、通信線５２３を介して、ネットワークサーバ５４０と接続されている。データ検証装置３００は、出力装置４２０若しくは通信装置３５０を介して、データ検証の処理で生成した時系列データ、または使用した時系列データと、ステップＳ１０７の演算結果と、閾値の判定結果と、当該結果を表す信号との内、何れかを外部装置であるネットワークサーバ５４０に送信できるように構成されている。また、データ検証装置３００は、ネットワーク５３０を介して、ネックワークサーバ５４０に蓄積されたデータを取得し、データ検証の処理に活用することもできる。

なお、データ検証装置３００、センサ４１０、ネットワーク５３０、ネットワークサーバ５４０の間はＬＡＮ（Ｌｏｃａｌ Ａｒｅａ Ｎｅｔｗｏｒｋ）で接続されていてもよい。また、各装置間は無線により通信してもよく、この場合は通信線５２１、５２２、５２３を省略することができる。

＜データ検証結果の一例＞
次は、データ検証装置３００によるデータ検証結果の一例を説明する。
図６は、データ検証装置３００によるデータ検証結果の一例を説明する図であり、データ検証装置３００が検証対象の時系列データ３３１を正常と判定する一例を示す図である。

図６は、図１のＥＰＳの複合領域物理モデル１００のシミュレーション実行後に得られる時系列データに関して、当該時系列データを検証対象の時系列データ（例えば、前述した時系列データ３３１）として、実機の測定から得られた時系列データを基準となる基準時系列データ（例えば、前述した基準時系列データ３３２）として、２つの時系列データを比較した場合の、図４のフローチャートのステップＳ１０４の処理で決定する時間刻み幅（図６で時間軸に直交し、時間軸を分割する線）と、瞬時誤差率Ｅｎの時間特性（同図で棒グラフ状）とを表している。検証対象の時系列データ３３１は、例として、図１のモータ１３０の出力であるモータトルクの時系列データである。実機の測定から得られた基準時系列データ３３２は、実機のモータトルクの時系列データである。

図４に示すフローチャートの処理では、瞬時誤差率Ｅｎを算出しないが、図６に示したのは、図２に対する説明のため算出したものである。なお、瞬時誤差率Ｅｎは先述と同様、（ＹＭ－ＹＴ）／ＹＴ×１００の計算式から算出する。ＹＭ、ＹＴは、前述した数式１と同じため説明を省略する。また、図６に示す瞬時誤差率Ｅｎ＝±２．５％のラインは、図２との比較のために表示した。瞬時誤差率Ｅｎ＝±２．５％は、図４のフローチャートのステップＳ１０９の処理にある閾値とは異なる閾値である。図６に示す時間刻み幅は、中央処理装置３１０が、図４に示すフローチャートのステップＳ１０４の処理により決定する値である。図６中のｄｔｉ、ｄｔｊ、ｄｔｋ、ｄｔｍは、時間刻み幅の一例を示すために抽出したものである。時間刻み幅ｄｔｉ、ｄｔｊ、ｄｔｋ、ｄｔｍは微小時間であり、例えば、０．０５～１.０μsの範囲の時間である。図４に示すフローチャートのステップＳ１０４の処理で決定する時間刻み幅は適宜変動し、どれも一定ではないことがわかる。

図６に示す時間刻み幅ｄｔｊに該当する時間において、瞬時誤差率Ｅｎの大きな外れ値１.５Ｅ+１０％が発生しているのが分かる。しかし、図４に示すフローチャートの処理によるデータ検証では、この外れ値により評価不能になることはない。それは、前述した（ａ）～（ｃ）の原因による瞬時誤差率Ｅｎの外れ値は、ｄｔｊのような微小時間の間に発生するため、図４に示すフローチャートのステップＳ１０７までの処理により、中央処理装置３１０が算出した値は１.５Ｅ+１０％のような大きな外れ値にはならないからである。さらに、図４に示すフローチャートの演算処理では、外れ値が無視若しくは除外されることはない。これについて詳述すると、当該データ検証方法では、瞬時誤差率Ｅｎの大きな外れ値が発生した場合、外れ値とこの外れ値が発生する微小な時間幅との組合せと、外れ値ではないデータとこの外れ値ではないデータの時間幅との組合せと、によって評価値を算出するため、外れ値の影響を相対的に小さくすることができる。それによって、データ検証装置３００は、大きな外れ値が発生しても評価不能にならずに、且つ、この外れ値自体も考慮したデータ検証を行うことができる。

以上のデータ検証装置３００による時系列データのデータ検証の結果、図４に示すフローチャートのステップＳ１０７までの処理により中央処理装置３１０が算出した値は、図５に示す表示装置３４０に表示されているものと同じ０．３２％であった。この場合、この算出した値は、ＥＰＳシステムの故障や欠陥の検出を想定した閾値２．０％未満であるため、中央処理装置３１０は、図４に示すフローチャートのステップＳ１１０までの処理に従い、検証対象の時系列データ（例えば、前述した時系列データ３３１）を、基準となる基準時系列データ（例えば、前述した基準時系列データ３３２）に対して、所定の閾値を逸脱していないデータである、と判定することができる。即ち、データ検証装置３００は、瞬時誤差率Ｅｎの大きな外れ値が発生しても評価不能にならずに、検証対象の時系列データ（例えば、前述した時系列データ３３１）と基準となる基準時系列データ（例えば、前述した基準時系列データ３３２）と、をほぼ同一の特性と判定することができる。

次に、中央処理装置３１０が検証対象の時系列データを異常な時系列データであると判定する場合について説明する。

図７は、データ検証装置３００によるデータ検証結果の一例を説明する図であり、データ検証装置３００が検証対象の時系列データ３３１を異常と判定する一例を示す図である。図７の見方は図６と同様である。

図７でも前述と同様に、時間刻み幅ｄｔｊに該当する時間において、瞬時誤差率Ｅｎの大きな外れ値１.５Ｅ+１０％が発生している。図６で説明した時系列データとの違いは、図７で示した時間枠４／５の時間以降において、瞬時誤差率Ｅｎが大きく変動していることにある。この時間枠４／５の時間以降の時間刻み幅は１１個分あり、この１１個分の時間刻み幅の総和（時間幅ともいう）をｄｔｐ１１として示す。

データ検証装置３００（中央処理装置３１０）は、時間刻み幅ｄｔｊに該当する時間において、瞬時誤差率Ｅｎの大きな外れ値１.５Ｅ+１０％が発生しているが、この外れ値により評価不能になることはない。しかし、図７では、時間幅ｄｔｐ１１に該当する時間において、故障や欠陥を示唆する瞬時誤差率Ｅｎの大きな変動が発生している。

図４に示すフローチャートのステップＳ１０７までの処理により、中央処理装置３１０が算出した値は２．７％であった。この場合、中央処理装置３１０が算出した値は、ＥＰＳシステムの故障や欠陥の検出を想定した閾値２．０％以上であるため、中央処理装置３１０は、図４に示すフローチャートのステップＳ１１１までの処理に従い、検証対象の時系列データ（例えば、前述した時系列データ３３１）を、基準となる基準時系列データ（例えば、前述した基準時系列データ３３２）に対して、逸脱している時系列データであると判定することができる。即ち、データ検証装置３００は、瞬時誤差率Ｅｎの大きな外れ値が発生しても評価不能にならずに、検証対象の時系列データは基準となる基準時系列データとは異なるデータであると判定することができる。

次に、データ検証装置３００及びデータ検証方法による効果について説明する。
前述した実施形態にかかるデータ検証装置３００によって、検証対象の時系列データ（例えば、前述した時系列データ３３１）に関して、前述した（ａ）～（ｃ）の原因により、瞬時誤差率Ｅｎの大きな外れ値が発生しても評価不能にならず、且つ、外れ値自体も評価の処理に組み込むことで、精度及び信頼性の高いデータ検証を行うことができる。本実施形態にかかるデータ検証装置３００及びデータ検証方法の効果をさらに詳しく説明すると、次の（１）～（３）の通りである。

（１）複合領域物理モデル１００を使用した複合領域物理モデルシミュレーション、同シミュレーションを活用した診断、若しくはこれらと同等のアルゴリズム、の何れかで生じる時系列データは、データ評価時に瞬時誤差率Ｅｎの大きな外れ値が生じ易く、時系列データの品質や精度の評価が困難な場合もあった。データ検証装置３００はこの困難な場合を解決できる。本実施形態にかかるデータ検証装置３００の応用は、例えば、複合領域物理モデルシミュレーションの実行時間を削減したい場合、複合領域物理モデル１００を簡略化する場合がある。データ検証装置３００は、その複合領域物理シミュレーションの結果生じる時系列データを評価し、時系列データの精度が悪化しなければ、簡略化した複合領域物理モデルを使用できる。即ち、本実施形態にかかるデータ検証装置３００は、複合領域物理モデルシミュレーションの高速化に活用できる。

（２）従来のデータ検証装置では、検証対象の時系列データ（例えば、前述した時系列データ３３１）に関して、瞬時誤差率Ｅｎの大きな外れ値が発生した場合には評価不能になる恐れがあった。この対策として、従来の技術では、複合領域物理モデル１００を構成する各物理モデルの評価箇所のすべてに、瞬時誤差率Ｅｎの大きな外れ値の除外処理のために個別のフィルタのモデルを設計し、同モデルを追加し、フィルタパラメータを調整する方法があった。本実施形態にかかるデータ検証装置３００及びデータ検証方法では、その作業を不要にすることができる。そのため、データ検証装置３００及びデータ検証方法では、この作業に関する技術的な経験や勘が不要となり、経験の浅い作業者でもデータ検証を精度よく行うことができる。

（３）重要保安部品に該当するＥＰＳシステムの機能安全を、複合領域物理モデルシミュレーションにより実機の製造前に証明することができる。または、ＥＰＳの構成部品や制御ソフトウェアの不具合や故障発生時の安全侵害を、複合領域物理モデルシミュレーションで模擬、検出でき、製品の設計段階でそれらの対策を施すことができる。また、安全への侵害がないことを確認できれば、ＩＳＯ２６２６２で規定されている機能安全の証明を、実機を用いることなく得られる。安全への侵害がないこととは、例えば、ＥＰＳの構成部品の故障発生時において、ＥＰＳのフェールセーフ機能が発動し人命を危険にさらすような重大な交通事故を回避できることである。それらによって、ＥＰＳ製品の品質向上に繋がる。

なお前述した実施形態では、データ検証装置３００の検証対象の時系列データはＥＰＳのモータトルクであったが、これは複合領域物理モデルシミュレーションの結果生成する時系列データの一例であって、本実施形態のデータ検証装置３００の検証可能な時系列データは、これに限定されるものではない。物理的な時間特性を表す時系列データであれば適用可能である。物理的な時間特性を表す時系列データとは、例えば、物体に作用する力である、重力、摩擦力、圧力、抗力、張力、弾性力、引力、反発力、静電気力、電磁力等を時間列で整列させたデータのことである。また物理的な時間特性を表す時系列データとは、例えば、物体の運動の結果生じる、加速度、速度、変位、運動量、振動数、物体の変形量、質量の変化量、体積、熱、温度等を時間列で整列させたデータのことである。また物理的な時間特性を表す時系列データとは、例えば、物体や電子の運動の結果生じる、電圧、電流、抵抗、インダクタンス、静電容量、回転物に作用する、トルク、向心力、遠心力、回転物の角速度、回転角、回転数等を時間列で整列させたデータのことである。また物理的な時間特性を表す時系列データとは、例えば、物体のエネルギーである、運動エネルギー、位置エネルギー、波エネルギー、熱エネルギー、化学エネルギー、電気エネルギー、音や光の波長、振動数、振幅等を時間列で整列させたデータのことである。また物理的な時間特性を表す時系列データとは、例えば、システムの制御対象（例えば、アクチュエータ、モータ等）の制御量を指令するコントローラの制御指令信号、物理特性をセンシリングして制御対象からコントローラへ送信するフィードバック信号、等を時間列で整列させたデータのことである。

また、本実施形態では、データ検証装置３００の利用目的は、データの品質、精度、信頼性を評価するためであったが、これは一例であって、データ検証装置３００の利用目的は、これに限定されるものではない。例えば、検証対象の時系列データの有用性、有効性、大きさ、範囲、の何れかを評価する場合にも利活用できる。

＜第２の実施の形態＞
次に本発明の第２の実施の形態にかかる状態監視装置６００を説明する。

＜状態監視装置＞
第２の実施の形態では、時系列データを生成するシステム、若しくは時系列データを生成する観測対象の環境の状態を監視し、生成した時系列データに関して、瞬時誤差率Ｅｎの大きな外れ値が発生しても評価不能にならずに、且つ、外れ値自体も考慮して監視することで、精度及び信頼性の高いデータ検証機能を備え、当該システム若しくは当該環境の状態監視をリアルタイムで可能にする状態監視装置６００の一例を説明する。なお、本実施形態に記載のある時系列データとは、センサが生成する時系列データに限定した意味ではなく、広く様々な方法により取得した時系列データを意味する。例えば、コンピュータの演算（シミュレーション）により得られた時系列データ、入力装置などを用いて作成された時系列データなどを含む概念である。基準時系列データについても同様である。

図８は、状態監視装置６００の機能を説明する図である。図９は、状態監視装置６００と外部装置との接続の一例を説明する図である。なお、図８、図９において第１の実施形態にかかるデータ検証装置３００と同一の構成及び機能、またはデータ検証装置３００に接続した外部装置と同一の構成及び機能については、同一の符号を付し、必要に応じて説明する。

図９に示すように、状態監視装置６００は監視対象システム７００と、通信線５２０、ＯＢＤ（Ｏｎ－Ｂｏａｒｄ Ｄｉａｇｎｏｓｔｉｃｓ）スキャンツール８００と呼ばれる携帯端末、及び通信線５２０を介して接続されている。ＯＢＤとは、車両に搭載されるＥＣＵが行う車両の自己故障診断システムである。第２の実施の形態では、監視対象システム７００は車両であり、車両に設けられたセンサで生成された時系列データは車両のＥＣＵと通信線５２０を介して、ＯＢＤスキャンツール８００で取得される。状態監視装置６００は、状態監視装置６００の内部にある通信装置３５０とＯＢＤスキャンツール８００の間で同期をとり通信線５２１を介して通信し、車両に設けられたセンサで生成された時系列データを取得する。なお、状態監視装置６００は前述したセンサ４１０と同様のセンサを有するが、第２の実施形態では車両に設けられたセンサを使用するため、センサ４１０を使用しない。この理由のため図９においてセンサ４１０の図示は省略した。このように状態監視装置６００は、監視対象システム７００の内部にあるセンサを使用してもよい。また監視対象システム７００に物理的な時系列データを生成する仕組みがあれば、センサを使用しなくてもよい。時系列データを生成する仕組みとは、例えば監視対象システム７００の内部の中央処理装置の演算、またはＥＣＵの内部のマイコンによる演算である。

状態監視装置６００は、監視対象システム７００の状態を監視する。さらに、状態監視装置６００は、前述した制御プログラムＢ３２２（図３参照）を有しない。即ち、前述した第１の実施形態では、制御プログラムＢ３２２に、図１に示すＥＰＳの複合領域物理モデル１００と、複合領域物理モデルシミュレーションを実行するシミュレーション実行モジュールとを組み込んだが、状態監視装置６００にはそれらが存在しない。また、状態監視装置６００は、制御プログラムＡ３２１に、後述する図１０に示すフローチャートの処理を組み込んでいる。以上の点が、前述したデータ検証装置３００と異なる点である。

＜状態監視装置の制御処理＞
状態監視装置６００の制御処理について図１０を用いて説明する。
図１０は、状態監視装置６００の制御処理の一例を説明するフローチャートである。

以下で説明する処理は、状態監視装置６００の中央処理装置３１０が実行及び演算を行う。初めに、ステップＳ２０１において、監視対象システム７００の状態を監視するための、データ検証処理を実行する前に、ユーザー（不図示）が事前に、状態監視装置６００の入力装置４００を操作し、監視対象システム７００の理想的な若しくは実機の時系列データを、基準時系列データ３３２として補助記憶装置３３０に格納する。この基準時系列データ３３２は、監視対象システム７００から取得した時系列データ３３１が正常に動作しているか否かを判断する際に用いられる基準となる時系列データである。なお、状態監視装置６００では、事前に外部記憶装置４３０を状態監視装置６００に接続し、当該基準時系列データ３３２を、外部記憶装置４３０から補助記憶装置３３０に移動するように構成してもよい。また、状態監視装置６００では、事前に通信装置３５０を介して、ネットワーク５３０、ネットワークサーバ５４０、または他の外部装置から、当該基準時系列データ３３２を取得して補助記憶装置３３０に格納するように構成してもよい。なお、ユーザーによる入力装置４００の操作と、時系列データの取得と、時系列データの補助記憶装置３３０への格納と、をＡＩ（Ａｒｔｉｆｉｃｉａｌ Ｉｎｔｅｌｌｉｇｅｎｃｅの略で、人工知能の意味）やＲＰＡ（Ｒｏｂｏｔｉｃ Ｐｒｏｃｅｓｓ Ａｕｔｏｍａｔｉｏｎの略で、ソフトウェアのロボットによる業務の自動化の意味）等の活用によって自動化してもよい。補助記憶装置３３０に格納する時系列データには、時系列データ毎にＩＤを付与する。ＩＤは、監視対象システム７００のどの物理データに該当するのかと、基準となる基準時系列データ３３２であるのか、若しくは検証対象となる時系列データ３３１であるのかを識別するためのものである。時系列データの区分は、ユーザーが入力装置４００を操作して設定するか、または状態監視装置６００が一括で設定する場合がある。

ステップＳ２０２において、中央処理装置３１０は、通信装置３５０とＯＢＤスキャンツール８００の間で同期をとり通信線５２１を介して通信し、監視対象システム７００の内部に設けられたセンサで生成された時系列データを、検証対象となる時系列データ（例えば、前述した時系列データ３３１）として受信する。時系列データの受信後、中央処理装置３１０は、検証対象となる時系列データ毎にＩＤを付与する。なお状態監視装置６００が監視対象システム７００から検証対象となる時系列データ（例えば、前述した時系列データ３３１）を受信できるのであれば、ＯＢＤスキャンツール８００を介さなくてもよい。

ステップＳ２０３において、中央処理装置３１０は、ステップＳ２０１で補助記憶装置３３０に格納した基準となる基準時系列データ（例えば、前述した基準時系列データ３３２）と、ステップＳ２０２で受信した検証対象となる時系列データ（例えば、前述した時系列データ３３１）と、を記憶装置３２０にロードする。なお、ステップＳ２０２で受信した時系列データを、補助記憶装置３３０若しくは外部記憶装置４３０に格納した後に、記憶装置３２０にロードしてもよい。また、中央処理装置３１０の演算により生成される時系列データ（例えば、前述した時系列データ３３１）を、時系列データ毎にＩＤを付与し、記憶装置３２０にロードしてもよい。

ステップＳ２０４において、中央処理装置３１０は、基準となる基準時系列データ（例えば、前述した基準時系列データ３３２）と、検証対象となる時系列データ（例えば、前述した時系列データ３３１）とを、以下で説明するステップＳ２０５からステップＳ２１１までの処理を行うための、時間刻み幅を決定する。時間刻み幅は一定の時間に設定される場合に限定されるものではなく、適宜、変動可能となっている。時系列データの各要素間で値の変動が大きい場合は、データ検証の精度を向上させるために、時間刻み幅をより細かく刻む。なお、時間刻み幅は、時系列データのデータ刻み幅である場合に限定されるものではなく、より小さい時間刻み幅（より短い時間）にしてもよい。一般に、時間刻み幅を小さくするほど、データ検証の精度と信頼性とを向上させることができる。

ステップＳ２０５において、中央処理装置３１０は、基準となる基準時系列データ（例えば、前述した基準時系列データ３３２）と検証対象となる時系列データ（例えば、前述した時系列データ３３１）との差の絶対値の時間加重平均Ａを算出する。ここで、時間加重平均Ａは、時間刻み幅で規定される時間毎に所定の重みが設定されており、例えば、時間刻み幅が狭い時間の重みは、時間刻み幅が広い時間の重みよりも小さくなるように設定されている。

ステップＳ２０６において、中央処理装置３１０は、基準となる基準時系列データの絶対値の時間加重平均Ｂを算出する。ここで、時間加重平均Ｂは、時間刻み幅で規定される時間毎に所定の重みが設定されており、例えば、時間刻み幅が狭い時間の重みは、時間刻み幅が広い時間の重みよりも小さくなるように設定されている。

ステップＳ２０７において、中央処理装置３１０は、時間加重平均Ａを時間加重平均Ｂで除算して１００を乗じる演算を行う。除算値に１００を乗じるのは、算出値の単位を％にするためである。なお、除算値に算出値に１００を乗じなくてもよいが、その場合はステップＳ２０９で説明する閾値を、１００を乗じない値に調整する必要がある。

ステップＳ２０８において、中央処理装置３１０は、出力装置４２０に対して基準となる基準時系列データ（例えば、前述した基準時系列データ３３２）と、検証対象となる時系列データ（例えば、前述した時系列データ３３１）と、除算して１００を乗じた値とを出力する。ここで中央処理装置３１０は表示装置３４０に、出力装置４２０に出力したものと同じ時系列データと値を表示してもよい。さらに、中央処理装置３１０は表示装置３４０に時系列データを、横軸を時間、縦軸を対象データの物理特性の表示に変換して表示してもよい。

ステップＳ２０９において、中央処理装置３１０は、ステップＳ２０８で算出した値が閾値未満か否かの判定を行う。中央処理装置３１０は、算出した値が閾値未満であると判定した場合（ステップＳ２０９：ＹＥＳ）、ステップＳ２１０の処理を行い、算出した値が閾値以上であると判定した場合（ステップＳ２０９：ＮＯ）、ステップＳ２１１の処理を行う。当該閾値は、例えば、監視対象システム７００の故障や欠陥の検出を想定した１．５％に設定されている。

ステップＳ２１０において、中央処理装置３１０は、監視対象システム７００の状態が正常であることを表す信号を生成して出力装置４２０に出力する。若しくは中央処理装置３１０は、監視対象システム７００の状態が正常であることを表す信号を生成して通信装置３５０を介して外部の装置に出力する。ここで外部の装置とは、例えば、図９に示すネットワーク５３０やネットワークサーバ５４０である。また、中央処理装置３１０は、表示装置３４０に「ＯＫ」と表示するようにしてもよい。

ステップＳ２１１において、中央処理装置３１０は、監視対象システム７００の状態が異常であることを表す信号を生成して出力装置４２０に出力する。若しくは中央処理装置３１０は、監視対象システム７００の状態が異常であることを表す信号を生成して通信装置３５０を介して外部の装置に出力する。ここで外部の装置とは、例えば、図９に示すネットワーク５３０やネットワークサーバ５４０である。また、中央処理装置３１０は、表示装置３４０に「ＮＧ」と表示するようにしてもよい。

ステップＳ２１２において、中央処理装置３１０は、時間刻み幅の総和が検証対象の時間以上か否かの判定を行う。中央処理装置３１０は、時間刻み幅の総和が検証対象の時間以上であると判定した場合（ステップＳ２１２：ＹＥＳ）、処理を終了する。中央処理装置３１０は、時間刻み幅の総和が検証対象の時間未満であると判定した場合（ステップＳ２１２：ＮＯ）、ステップＳ２０２に戻って処理を行う。ここで時間刻み幅の総和は、監視対象システム７００の動作時間である。一般に、監視対象システム７００の動作時間は仕様で決められている。仕様とは、例えば、性能テストの仕様である。仕様で決められた動作時間がデータ検証の対象時間であり、処理の終了判定に用いられる。また、データ検証の対象時間を、正常に動作している監視対象システム７００のシステム動作の時間を観測して、その平均値を用いてもよい。

なお、前述したステップＳ２０１～Ｓ２１２の説明のステップという語句は、前述した固定ステップや可変ステップの語句で使用されている「時間刻み幅」という意味ではなく、フローチャート上の処理の段階を示すものである。

前述したステップＳ２０５からＳ２０８の演算は、第１の実施形態で説明した数式２でも表すことができる。また、前述したステップＳ２０５からＳ２０８の演算は、前述した数式２の替わりに、前述した数式３～８の何れかで実現してもよい。

以上で、図８の制御プログラムＡ３２１に組み込まれる処理（ステップＳ２０１～Ｓ２１２）を説明した。このステップＳ２０１～Ｓ２１２で表される処理は、高度なアルゴリズムを必要としないため、状態監視装置６００は、監視対象システム７００が動作する実時間中に、検証対象の時系列データ（例えば、前述した時系列データ３３１）のデータ検証と、監視対象システム７００の状態の判定とを実行することができる。即ち、状態監視装置６００は、監視対象システム７００の状態をリアルタイムで監視することができる。

次に、状態監視装置６００によるデータ検証結果と状態監視の判定結果の一例について説明する。

前述した図１０に示すフローチャートのステップＳ２０７までの処理により、中央処理装置３１０が算出した値は０．７６％であった。この場合、当該算出値は、監視対象システム７００の故障や欠陥の検出を想定した閾値１．５％未満であるので、中央処理装置３１０は、図１０に示すフローチャートのステップＳ２１１までの処理に従い、検証対象の時系列データ（例えば、前述した時系列データ３３１）を、基準となる基準時系列データ（例えば、前述した基準時系列データ３３２）に対して、逸脱していないデータであると判定することができる。このため、中央処理装置３１０は、監視対象システム７００の状態は正常であると判定する。図１０に示すフローチャートのステップＳ２０５からＳ２１１までの処理は、図４に示すフローチャートのステップＳ１０５からＳ１１１までの処理とほぼ同一であるため、状態監視装置６００は、瞬時誤差率Ｅｎの大きな外れ値が発生しても評価不能にならずに、検証対象の時系列データと基準となる基準時系列データとをほぼ同一の特性であると判定したと言える。その結果、中央処理装置３１０は、監視対象システム７００の状態は正常であると判定する。

次に中央処理装置３１０が、監視対象システム７００の状態を異常と判定する場合の一例について説明する。

図１０に示すフローチャートのステップＳ２０７までの処理により、中央処理装置３１０が算出した値が１．８％であった場合である。この場合、当該算出値は、監視対象システム７００の故障や欠陥の検出を想定した閾値１．５％以上であるので、中央処理装置３１０は、図１０に示すフローチャートのステップＳ２１１までの処理に従い、検証対象の時系列データ（例えば、前述した時系列データ３３１）を、基準となる基準時系列データ（例えば、前述した基準時系列データ３３２）に対して、逸脱したデータであると判定することができる。このため、中央処理装置３１０は、監視対象システム７００の状態は異常であると判定する。図１０に示すフローチャートのステップＳ２０５からＳ２１１までの処理は、図４に示すフローチャートのステップＳ１０５からＳ１１１までの処理とほぼ同一であるため、状態監視装置６００は、瞬時誤差率Ｅｎの大きな外れ値が発生しても評価不能にならずに、検証対象の時系列データは基準となる基準時系列データとは異なるデータであると判定したと言える。その結果、中央処理装置３１０は、監視対象システム７００の状態は異常であると判定する。

このように、状態監視装置６００は、監視対象システム７００で生成された検証対象となる時系列データ（例えば、前述した時系列データ３３１）と、理想的若しくは実機の基準となる基準時系列データ（例えば、前述した基準時系列データ３３２）と、のデータ間におけるデータ検証処理をリアルタイムで実行し、それによって、監視対象システム７００の状態をリアルタイムで判定することができる。なお、状態監視装置６００が状態を監視する対象は、第２の実施形態では車両であったが、車両は一例であってこれに限定するものではない。気象や地震等の自然環境や、建築物や構造物等の人工的な環境、の状態の監視に適用することも可能である。

前述した第１の実施形態と第２の実施形態の説明では、図４と図１０のフローチャートと数式２～８とでデータ検証の処理のプロセスも詳しく説明した。そのため、第１の実施形態と第２の実施形態は、データ検証の方法や同検証の技法としても有用である。

第１の実施形態ではＥＰＳの複合領域物理モデルを例に、第２の実施形態では車両を例にとり説明したが、システムの動作を模擬するシミュレーション装置、状態を監視する処理が必要な組込み装置や観測装置に適用できる。例えば、複合領域物理モデルシミュレータ、車両運動シミュレータ、ＩｏＴ機器、センサ、発電機、電動機、自動車、電装品、鉄道、ＥＣＵ、コンピュータ、エレベータ、ロボット、工作機械、冷蔵庫、エアコン、電気掃除機、複写機、医療機器、音響機器、電子楽器、通信装置、計算機、測定機器、気象観測計、震度計、電力計、分析装置、検査装置、オシロスコープ、等にも適用可能である。

なお、前述した第１の実施形態と第２の実施形態は本発明を分かりやすく説明するために詳細に説明したものであり、必ずしも前述した実施の形態の全ての構成を備えているものに限定されるものではない。本発明は、前述した実施の形態を全て組み合わせてもよく、何れか２つ以上の実施の形態を任意に組み合わせても好適である。また、ある実施形態の構成の一部を他の実施形態の構成に置き換えてもよい。各実施形態の構成の一部について、他の構成の追加・削除・置換をしてもよい。例えば、データ検証装置３００をマイコン程度の小型にする場合や、データ検証装置３００をセンサ内部に組み込む場合もありうる。データ検証装置３００で使用する時系列データを、別な形式のデータに変換してデータ検証処理を実行する場合もある。例えば、時系列データを暗号化して同処理を実行する場合である。さらに、上記の各構成、機能、処理部、処理手段等は、それらの一部又は全部を、例えば集積回路で設計する等によりハードウェアで実現してもよい。また、上記の各構成、機能等は、プロセッサがそれぞれの機能を実現するプログラムを解釈し、実行することによりソフトウェアで実現してもよい。各機能を実現するプログラム、テーブル、ファイル等の情報は、メモリや、ハードディスク、ＳＳＤ（Ｓｏｌｉｄ Ｓｔａｔｅ Ｄｒｉｖｅ）等の記録装置、または、ＩＣカード、ＳＤカード、ＤＶＤ等の記録媒体に置くことができる。

また、制御線や情報線は説明上必要と考えられるものを示しており、図面上必ずしも全ての制御線や情報線を示しているとは限らない。実際には殆ど全ての構成が相互に接続されていると考えてもよい。

１００：複合領域物理モデル、１１０：ドライバーのモデル、１２０：ＥＣＵのモデル、１３０：同期モータのモデル、１４０：機構のモデル、１５０：車両のモデル、１６０：遅延処理のモデル、３００：データ検証装置、３１０：中央処理装置、３２０：記憶装置、３２１：制御プログラムＡ、３２２：制御プログラムＢ、３３０：補助記憶装置、３３１：時系列データ、３３２：基準時系列データ、３４０：表示装置、３５０：通信装置、３６０：バス、４００：入力装置、４１０：センサ、４２０：出力装置、４３０：外部記憶装置、５００：検証対象システム、５２０～５２３：通信線、５３０：ネットワーク、５４０：ネットワークサーバ、６００：状態監視装置、７００：監視対象システム、８００：ＯＢＤスキャンツール

Claims (11)

1. 複数の数値を時間列で整列させた時系列データを検証するデータ検証装置であって、
   前記時系列データを記憶する記憶装置と、
   前記時系列データの検証処理を行う中央処理装置と、
   を備え、
   前記データ検証装置は、前記時系列データ若しくは当該時系列データの検証結果を表示する表示装置と、前記時系列データ若しくは前記検証結果を外部の装置に出力する出力装置と、前記時系列データ若しくは前記検証結果を外部の装置と送受信を行う通信装置と、のうちの少なくともいずれか１つを備え、
   前記中央処理装置は、
   前記記憶装置に格納された制御プログラム若しくは制御モデルに基づいて、入力装置を介して入力された時系列データと、センサにより生成された時系列データと、前記通信装置を介して外部の装置から受信した時系列データと、前記中央処理装置の演算により生成された時系列データと、前記記憶装置に格納された時系列データと、のうちの１つの時系列データを基準となる基準時系列データに決定すると共に、他の１つの時系列データを検証対象となる時系列データに決定し、前記基準時系列データと検証対象となる前記時系列データとのデータ間検証の時間刻み幅を決定し、
   決定した前記時間刻み幅の時間毎に、前記基準時系列データと検証対象となる前記時系列データとの差に基づく値と、前記時間刻み幅に基づく値と、を乗算して積算する第１積算値を算出し、前記基準時系列データに基づく値と、前記時間刻み幅に基づく値と、を乗算して積算する第２積算値を算出し、前記第１積算値に基づく値を前記第２積算値に基づく値で除算し、当該除算した値に基づく値を、所定の閾値若しくは設定した閾値に基づいて検証対象となる前記時系列データの正常若しくは異常を判定し、
   前記基準時系列データと、検証対象となる前記時系列データと、前記除算した値に基づく値と、前記判定の結果と、当該結果を表す信号と、のうちの少なくともいずれか１つを、前記表示装置に表示する、または前記出力装置若しくは前記通信装置を介して外部の装置に出力する、データ検証装置。
2. 前記中央処理装置は、
   前記時間刻み幅の時間毎に、前記基準時系列データと検証対象となる前記時系列データとの差の絶対値の第１の時間加重平均値を算出し、前記基準時系列データの絶対値の第２の時間加重平均値を算出し、前記第１の時間加重平均値を前記第２の時間加重平均値で除算した値を算出し、当該除算した値を所定の閾値若しくは設定した閾値に基づいて検証対象となる前記時系列データの正常若しくは異常を判定する、請求項１に記載のデータ検証装置。
3. 前記中央処理装置は、
   前記時間刻み幅の時間毎に、前記基準時系列データと検証対象となる前記時系列データとの差の絶対値に前記時間刻み幅を乗算し、当該乗算した値を積算した第３積算値を算出し、前記基準時系列データの絶対値に前記時間刻み幅を乗算し、当該乗算した値を積算した第４積算値を算出し、前記第３積算値を前記第４積算値で除算した値を算出し、当該除算した値を所定の閾値若しくは設定した閾値に基づいて検証対象となる前記時系列データの正常若しくは異常を判定する、請求項１に記載のデータ検証装置。
4. 前記中央処理装置は、
   前記時間刻み幅の時間毎に、前記基準時系列データと検証対象となる前記時系列データとの差の時間加重の二乗平均平方根を計算して第１二乗平均平方根を算出し、前記基準時系列データの時間加重の二乗平均平方根を計算して第２二乗平均平方根を算出し、前記第１二乗平均平方根を前記第２二乗平均平方根で除算した値を算出し、当該除算した値を所定の閾値若しくは設定した閾値に基づいて検証対象となる前記時系列データの正常若しくは異常を判定する、請求項１に記載のデータ検証装置。
5. 前記中央処理装置は、
   前記時間刻み幅の時間毎に、前記基準時系列データと検証対象となる前記時系列データとの差を二乗し、当該二乗した値に前記時間刻み幅を二乗した値を乗算し、当該乗算した値を積算した第５積算値を算出し、前記基準時系列データを二乗し、当該二乗した値に前記時間刻み幅を二乗した値を乗算し、当該乗算した値を積算した第６積算値を算出し、前記第５積算値を前記第６積算値で除算した値を算出し、当該除算した値の平方根を算出し、当該平方根の値を所定の閾値若しくは設定した閾値に基づいて検証対象となる前記時系列データの正常若しくは異常を判定する、請求項１に記載のデータ検証装置。
6. 前記中央処理装置は、
   前記時間刻み幅の時間毎に、前記基準時系列データと検証対象となる前記時系列データとの差を二乗し、当該二乗した値の平方根の時間加重平均値を計算した第３の時間加重平均値を算出し、前記基準時系列データを二乗し、当該二乗した値の平方根の時間加重平均値を計算した第４の時間加重平均値を算出し、前記第３の時間加重平均値を前記第４の時間加重平均値で除算した値を算出し、当該除算した値を所定の閾値若しくは設定した閾値に基づいて検証対象となる前記時系列データの正常若しくは異常を判定する、請求項１に記載のデータ検証装置。
7. 前記中央処理装置は、
   前記時間刻み幅の時間毎に、前記基準時系列データと検証対象となる前記時系列データとの差を二乗し、当該二乗した値の平方根に時間刻み幅を乗算し、当該乗算した値を積算して第７積算値を算出し、前記基準時系列データを二乗し、当該二乗した値の平方根に時間刻み幅を乗算し、当該乗算した値を積算して第８積算値を算出し、前記第７積算値を前記第８積算値で除算した値を算出し、当該除算した値を所定の閾値若しくは設定した閾値に基づいて検証対象となる前記時系列データの正常若しくは異常を判定する、請求項１に記載のデータ検証装置。
8. 前記中央処理装置は、
   台形則、シンプソン則、合成シンプソン則、オイラー法、ニュートン・コーツ則、ガウスの数値積分則、二重指数関数型数値積分則、のいずれかを用いて、積算値若しくは積分値を算出する、請求項１から請求項７のいずれか一項に記載のデータ検証装置。
9. システム、センサ、装置、機械、機器、車両、観測対象の自然環境、観測対象の人工的な環境、のいずれかの状態を監視する状態監視装置であって、
   時系列データを記録する記憶装置と、状態監視処理を行う中央処理装置と、を備え、
   前記状態監視装置は、前記時系列データ若しくは前記状態監視処理の結果を表示する表示装置と、前記時系列データ若しくは前記結果を外部の装置に出力する出力装置と、前記時系列データ若しくは前記結果を外部の装置と送受信を行う通信装置と、のうちの少なくともいずれか１つを備え、
   前記中央処理装置は、
   前記記憶装置に格納された制御プログラム若しくは制御モデルに基づいて、入力装置を介して入力された時系列データと、センサにより生成された時系列データと、前記通信装置を介して外部の装置から受信した時系列データと、前記中央処理装置の演算により生成された時系列データと、前記記憶装置に格納された時系列データと、のうちの１つの時系列データを基準となる基準時系列データに決定すると共に、他の１つの時系列データを検証対象となる時系列データに決定し、前記基準時系列データと検証対象となる前記時系列データとのデータ間検証の時間刻み幅を決定し、
   決定した前記時間刻み幅の時間毎に、前記基準時系列データと検証対象となる前記時系列データとの差に基づく値と、前記時間刻み幅に基づく値と、を乗算して積算する第９積算値を算出し、前記基準時系列データに基づく値と、前記時間刻み幅に基づく値と、を乗算して積算する第１０積算値を算出し、前記第９積算値に基づく値を前記第１０積算値に基づく値で除算し、当該除算した値に基づく値を、所定の閾値若しくは設定した閾値に基づいて検証対象となる前記時系列データの正常若しくは異常を判定することで、前記システム、前記センサ、前記装置、前記機械、前記機器、前記車両、前記観測対象の自然環境、前記観測対象の人工的な環境、のいずれかの正常若しくは異常の状態を判定し、
   前記基準時系列データと、検証対象となる前記時系列データと、前記除算した値に基づく値と、前記判定の結果と、当該結果を表す信号と、のうちの少なくともいずれか１つを、前記表示装置に表示する、または前記出力装置若しくは前記通信装置を介して外部の装置に出力する、状態監視装置。
10. 前記中央処理装置は、
    前記除算した値の算出と、当該除算した値に基づく値を所定の閾値若しくは設定した閾値に基づいて検証対象となる前記時系列データの正常若しくは異常を判定する処理と、をリアルタイムで実行する、請求項９に記載の状態監視装置。
11. 複数の数値を時間列で整列させた時系列データを検証するデータ検証方法であって、
    記憶装置に格納された制御プログラム若しくは制御モデルに基づいて、入力装置を介して入力された時系列データと、センサにより生成された時系列データと、通信装置を介して外部の装置から受信した時系列データと、中央処理装置の演算により生成された時系列データと、前記記憶装置に格納された時系列データと、のうちの１つの時系列データを基準となる基準時系列データに決定すると共に、他の１つの時系列データを検証対象となる時系列データに決定するステップと、
    前記基準時系列データと検証対象となる前記時系列データとのデータ間検証の時間刻み幅を決定するステップと、
    決定した前記時間刻み幅の時間毎に、
    前記基準時系列データと検証対象となる前記時系列データとの差に基づく値と、前記時間刻み幅に基づく値と、を乗算して積算する第１１積算値を算出するステップと、
    前記基準時系列データに基づく値と、前記時間刻み幅に基づく値と、を乗算して積算する第１２積算値を算出するステップと、
    前記第１１積算値に基づく値を前記第１２積算値に基づく値で除算するステップと、
    当該除算した値に基づく値を、所定の閾値若しくは設定した閾値に基づいて検証対象となる前記時系列データの正常若しくは異常を判定するステップと、
    前記基準時系列データと、検証対象となる前記時系列データと、前記除算した値に基づく値と、前記判定の結果と、当該結果を表す信号と、のうちの少なくともいずれか１つを、表示装置に表示する、または出力装置若しくは通信装置を介して外部の装置に出力する、ステップと、を有する、データ検証方法。

Images