JP7127305B2 - 情報処理装置、情報処理方法、プログラム - Google Patents

Description

本発明は、時系列データを処理する情報処理装置、情報処理方法、プログラムに関する。

プラントや設備などの監視対象システムの異常を検出するために、事前に、監視対象システムが出力する多次元時系列データを用いて、監視対象システムをモデル化する必要がある。そして、モデルと実際の計測値とを比較し、例えば実際の計測値がモデルとかけ離れているというような状況を検出した場合に、監視対象システムが異常であると検出する。

ここで、監視対象システムをモデル化する方法の一例が、特許文献１に記載されている。特許文献１では、監視対象システムから出力された時系列データをある期間ごとに分割し、かかる期間ごとに監視対象システムのモデルを生成している。

特開２０１６－２１８６３６号公報

ところが、上記特許文献１に記載の技術では、監視対象システムから出力された時系列データをある期間ごとに分割してモデルを生成しているため、時系列データが適切な期間でモデルを生成しているか不明である。例えば、期間の選択が不適切である場合には、モデル自体に監視対象システムの正常状態が含まれていなかったり、異常状態が含まれてしまうことがある。すると、生成されたモデルを利用して監視対象システムから出力される時系列データの監視を行ったとしても、当該システムの異常状態の見逃しや誤検出が発生しうる。つまり、監視対象システムに対する信頼性の高いモデルを生成することができず、異常検出の精度の向上を図ることができない、という問題が生じる。

このため、本発明の目的は、上述した課題である、監視対象システムの監視時における異常検出の精度の向上を図ることができない、ということを解決することができる情報処理装置を提供することにある。

本発明の一形態である情報処理装置は、
監視対象システムから出力された時系列データに対して、時系列に沿って少なくとも相互に隣り合う期間同士の一部の時間帯が重複するよう複数の期間を設定する期間設定手段と、
設定した前記期間ごとに、当該期間内の前記時系列データに基づくスコアを算出するスコア算出手段と、
を備えた、
という構成をとる。

また、本発明の一形態である情報処理方法は、
監視対象システムから出力された時系列データに対して、時系列に沿って少なくとも相互に隣り合う期間同士の一部の時間帯が重複するよう複数の期間を設定し、
設定した前記期間ごとに、当該期間内の前記時系列データに基づくスコアを算出する、
という構成をとる。

また、本発明の一形態であるプログラムは、
情報処理装置に、
監視対象システムから出力された時系列データに対して、時系列に沿って少なくとも相互に隣り合う期間同士の一部の時間帯が重複するよう複数の期間を設定する期間設定手段と、
設定した前記期間ごとに、当該期間内の前記時系列データに基づくスコアを算出するスコア算出手段と、
を実現させる、
という構成をとる。

本発明は、以上のように構成されることにより、監視対象システムの監視時における異常検出の精度の向上を図ることができる。

本発明の実施形態１における情報処理装置の構成を示すブロック図である。 監視対象システムから計測した時系列データの一例を示す図である。 監視対象システムから計測した時系列データから所定の期間毎に算出したスコアの一例を示す図である。 算出したスコアからモデルを生成する対象となる期間を選択した一例を示す図である。 監視対象システムから計測した時系列データから所定の期間毎に算出したスコアの一例を示す図である。 監視対象システムから計測した時系列データから所定の期間毎に算出したスコアの一例を示す図である。 監視対象システムから計測した時系列データから所定の期間毎に算出したスコアの一例を示す図である。 監視対象システムから計測した時系列データから所定の期間毎に算出したスコアの一例を示す図である。 監視対象システムから計測した時系列データから生成したモデルを利用して、監視対象システムの異常を検出するときの一例を示す図である。 図１に開示した情報処理装置の動作を示すフローチャートである。 本発明の実施形態２における情報処理装置の構成を示すブロック図である。

＜実施形態１＞
本発明の第１の実施形態を、図１乃至図１０を参照して説明する。図１は、情報処理装置の構成を示すブロック図である。図２乃至図９は、情報処理装置で処理するデータの一例を示すと共に、処理の様子を示す図である。図１０は、情報処理装置の動作を示すフローチャートである。

本実施形態における情報処理装置１は、演算装置や記憶装置を備えた、１台又は複数台の情報処理装置にて構成されている。そして、情報処理装置１は、図１に示すように、演算装置がプログラムを実行することで構築された、データ管理部１１、スコア算出部１２、期間選択部１３、モデル生成部１４、異常検出部１５、を備えている。また、情報処理装置１は、記憶装置に形成されたデータ記憶部１６、モデル記憶部１７、を備えている。以下、情報処理装置１の詳細な構成と動作について説明する。

上記データ管理部１１は、プラントや設備などの監視対象システム（図示せず）に設置されたセンサ２０にて計測され、当該センサ２０から出力された時系列データを取得して、順次データ記憶部１６に蓄積する（図１０のステップＳ１）。このとき、監視対象システムには、複数のセンサ２０が設置されており、図２に示すように、各センサ２０（センサ１～５）にて計測した複数種類の時系列データが、データ記憶部１６に蓄積される。

上記スコア算出部１２（期間設定手段、スコア算出手段）は、上述した時系列データにおいて、図２に示すように所定の時間幅を有する期間Ｗを設定する（図１０のステップＳ２）。このとき、期間Ｗは、複数の期間Ｗが設定されるが、かかる複数の期間Ｗは、図２の符号Ｗ１～Ｗ３に示すように、特定の時間幅を有する期間Ｗを一定の時間間隔で時系列に沿って移動させることで形成される。例えば、期間Ｗの時間幅は、５秒間であり、隣り合う期間Ｗの時間間隔は１秒に設定される。このように、複数の期間Ｗを設定することで、各期間Ｗは、時系列に沿って相互に隣り合う他の期間Ｗと一部の時間帯が重複するよう設定される。特に、本実施形態では、時系列に沿って連続する３つ以上の期間Ｗ（例えばＷ１～Ｗ３）が、それぞれの期間内の一部の時間帯で重複するよう設定される。

また、スコア算出部１２は、上記のように設定した期間Ｗごとに、当該期間内の時系列データに基づくスコアを算出する（図１０のステップＳ３）。本実施形態では、時系列データに基づくスコアは、インバリアント分析のフィットネススコアの合計値であることとする。ここで、インバリアント分析のフィットネススコアとは、２つのセンサによる時系列データの関係性をＡＲＸ（Auto-Regressive with eXogenous）モデルで表し、かかるＡＲＸモデルの確からしさを表す予測精度を表した値である。例えば、時系列データの最初の期間Ｗを表す図３の例では、当該期間Ｗ内における５つのセンサからの時系列データのうち、まず２つの時系列データの関係性を表すモデルを生成し、かかるモデルに対する過去の実際の時系列データの誤差などから、生成したモデルの予測精度を算出する。そして、期間Ｗ内で他の２つのセンサの組み合わせについても同様にフィットネススコアを算出し、期間Ｗ内全体において算出したフィットネススコアを合算して、かかる合算値を当該期間Ｗのスコアとする。

そして、スコア算出部１２は、図３の上段に示すように、最初の期間Ｗについて算出したスコアの合算値をプロットする。その後、スコア算出部１２は、図３の矢印に示すように、時系列に沿って連続する各期間Ｗに対して上述同様にフィットネススコアの合算値を算出して、プロットしていく。すると、図３の上段に示すように、複数の時系列データに対する上述したフィットネススコアの合算値の時系列変化を表すグラフを生成することができる。なお、スコア算出部１２によって算出するスコアの内容及びスコアの算出方法は、必ずしも上述した内容及び方法に限定されず、期間Ｗ内の時系列データに基づいて算出するのであれば、いかなる内容のスコアを用いてもよく、いかなる方法でスコアを算出してもよい。

なお、スコア算出部１２は、算出したスコアを出力する設定となっている場合には、図３に示すようなグラフあるいは数値で表されたスコアを、ユーザに対して出力する（図１０のステップＳ６）。このとき、上記スコアは、２つの時系列データの関係性を表すモデルの確からしさを表しているため、スコアが高いときほど、予測精度の高いモデルを多く含む期間Ｗであることが予想される。従って、スコアの出力を受けたユーザは、かかるスコアに基づいて、監視対象システムのモデルを生成する対象となる対象期間を選択することができる。

上記期間選択部１３（期間選択手段）は、期間Ｗごとに算出されたスコアに基づいて、監視対象システムのモデルを生成する対象となる対象期間を選択する（図１０のステップＳ４）。このとき、図３の例では、上述したようにスコアが高いときほど、予測精度の高いモデルを多く含む期間Ｗであることが予想される。従って、期間選択部１３は、図４の符号Ｐ１，Ｐ２に示すように、他の期間と比較してスコアが高い期間を、モデル生成を行う対象期間Ｐ１，Ｐ２として選択する。

上記モデル生成部１４は、上述したように選択した対象期間Ｐ１，Ｐ２内の時系列データを用いて、監視対象システムのモデルを生成して、モデル記憶部１７に記憶する（図１０のステップＳ５）。このようにして生成されたモデルは、各センサ間のＡＲＸモデルの予測精度が高い期間Ｗの時系列データを用いて生成されるため、システムの異常状態を含む可能性が低く、正常状態が含まれる可能性が高いものとなる。

上記異常検出部１５は、上述したように生成して記憶した監視対象システムのモデルを用いて、監視対象システムの異常検出を行う。具体的には、データ管理部１１にて取得した監視対象システムの計測データを、取得したタイミングで、監視対象システムのモデルと比較する。そして、比較結果から、図５に示すような、計測データとモデルとの乖離などを表す異常度Ｄを算出する。異常検出部１５は、高い値の異常度を検出すると、監視対象システムに異常が生じていると判断し、ユーザに対してアラートを出力するなど通知する。

以上のように、本実施形態では、監視対象システムのモデルを生成する対象となる対象期間Ｐ１，Ｐ２を選択するために、一部が重複し連続する複数の期間Ｗにおける時系列データのスコアを用いている。このため、漏れのないあらゆる期間の時系列データから、監視対象システムのモデル生成に適切な対象期間を選択することができる。従って、このようにして選択した対象期間からモデルを生成することで、モデル自体に監視対象システムの正常状態が含まれ、かつ、異常状態が含まれてしまうことを抑制することができる。その結果、監視対象システムの異常状態の見逃しや誤検出を抑制でき、監視時における信頼性と異常検出の精度の向上を図ることができる。

ここで、上記では、スコア算出部１２は、時系列データから１種類のスコアを算出する場合を例示したが、図６乃至図９を参照して説明するように、複数種類のスコアを算出してもよい。これに伴い、期間選択部１３は、複数種類のスコアから、対象期間を選択してもよい。

この例における上記スコア算出部１２（スコア算出手段）は、設定した期間Ｗごとに、当該期間内の時系列データに基づくスコアとして、上述したインバリアント分析のフィットネススコアの合計値の他に、当該フィットネススコアの合計値の分散値を算出する。この分散値は、特定の期間Ｗのフィットネススコアの合計値の、当該特定の期間Ｗに一部が重複する他の全期間Ｗにおけるフィットネススコアの合計値に対する散らばり具合を表す値である。但し、フィットネススコアの合計値の分散値は、他の計算方法で算出された値、例えば、上記分散値の標準偏差であってもよく、当該特定の期間Ｗに一部が重複する他の全期間Ｗにおけるフィットネススコアの合計値の平均値であってもよい。このような時系列データに基づくスコアは、複数種類の時系列データの関係性を表すモデルの予測精度の時系列に沿った変化度合いを表す値となる。

そして、スコア算出部１２は、図６に示すように、上段には、期間Ｗごとのフィットネススコアの合計値をプロットしたグラフＡ１を生成し、下段には、期間Ｗごとのフィットネススコアの合計値の分散値をプロットしたグラフＡ２を生成する。さらに、スコア算出部１２は、グラフＡ１，Ａ２をスムージングする。このとき、図７に示すように、例えば、グラフＡ１については、スコアの値が所定時間だけ一定値を取るよう階段状のグラフＡ１１にスムージングし、グラフＡ２については、さらになめらかな曲線のグラフＡ２１にスムージングする。

その後、スコア算出部１２は、上述したグラフＡ１をスムージングしたグラフＡ１１から、スコアの値が一定となる期間をそれぞれ候補期間として設定する。図８の例では、スコアの値が一定な期間として、５つの候補期間（１）～（５）が設定される。

そして、上記期間選択部１３は、スコア算出部１２にて設定した各候補期間（１）～（５）のそれぞれについて、上段の合計値と下段の分散値を調べる。このとき、期間選択部１３は、上段の合計値が他の候補期間と比較して高く、下段の分散値が他の候補期間と比較して低い、という候補期間を、モデルを生成する対象期間として選択する。なお、上段の合計値が高い候補期間は、予測精度の高いモデルを多く含む期間Ｗとなり、下段の分散値が低い候補期間は、フィットネススコアの合計値の変動が小さくモデルが安定している期間Ｗといえる。

例えば、期間選択部１３は、図８に示すようなグラフＡ１，Ａ２をスムージングしたグラフＡ１１，Ａ２１から、グラフＡ１１の値が高く、グラフＡ２１の値が低い候補期間（１），（２），（３），（５）を対象期間として選択する。なお、期間選択部１３は、上述とは逆に、グラフＡ１１の値が低く、グラフＡ２１の値が高い候補期間（４）を除いて、他の候補期間を対象期間としてもよい。

以上のように、上記の例では、スコア算出部１２にて複数種類のスコアを算出して、これら複数種類のスコアに基づいて、対象期間を選択している。このため、漏れのないあらゆる期間の時系列データから、監視対象システムのモデル生成にあらゆる観点で適切な対象期間を選択することができる。

なお、上述したスコア算出部１２は、上述した値以外の他の複数のスコアを算出して、かかる他の複数のスコアから期間選択部１３は対象期間を選択してもよい。例えば、２つのセンサの値の相互間の距離や相関係数をスコアとして算出してもよい。その場合、距離が近いことを表すスコアの値であったり、相関度が高いスコアの値となる期間Ｗを、対象期間として選択してもよい。また、スコア算出部１２は、算出した複数種類のスコアの値そのものを、図９に示すようにユーザに対して出力してもよい。

＜実施形態２＞
次に、本発明の第２の実施形態を、図１１を参照して説明する。図１１は、実施形態２における情報処理装置の構成を示すブロック図である。なお、本実施形態では、実施形態１で説明した情報処理装置の構成の概略を示している。

図１１に示すように、本実施形態における情報処理装置１００は、
監視対象システムから出力された時系列データに対して、時系列に沿って少なくとも相互に隣り合う期間同士の一部の時間帯が重複するよう複数の期間を設定する期間設定手段１１０と、
設定した前記期間ごとに、当該期間内の前記時系列データに基づくスコアを算出するスコア算出手段１２０と、
を備える。

なお、上記期間設定手段１１０とスコア算出手段１２０とは、情報処理装置がプログラムを実行することで実現されるものである。

そして、上記構成の情報処理装置１００は、
監視対象システムから出力された時系列データに対して、時系列に沿って少なくとも相互に隣り合う期間同士の一部の時間帯が重複するよう複数の期間を設定し、
設定した前記期間ごとに、当該期間内の前記時系列データに基づくスコアを算出する、
という処理を実行するよう作動する。

上記発明によると、監視対象システムのモデルを生成する対象となる対象期間Ｐを選択するために、一部が重複し連続する複数の期間Ｗにおける時系列データのスコアを用いている。このため、漏れのないあらゆる期間の時系列データから、監視対象システムのモデル生成に適切な対象期間を選択することができる。従って、このようにして選択した対象期間からモデルを生成することで、モデル自体に監視対象システムの正常状態が含まれ、かつ、異常状態が含まれてしまうことを抑制することができる。その結果、監視対象システムの異常状態の見逃しや誤検出を抑制でき、監視時における信頼性と異常検出の精度の向上を図ることができる。

＜付記＞
上記実施形態の一部又は全部は、以下の付記のようにも記載されうる。以下、本発明における情報処理装置、情報処理方法、プログラムの構成の概略を説明する。但し、本発明は、以下の構成に限定されない。

（付記１）
監視対象システムから出力された時系列データに対して、時系列に沿って少なくとも相互に隣り合う期間同士の一部の時間帯が重複するよう複数の期間を設定する期間設定手段と、
設定した前記期間ごとに、当該期間内の前記時系列データに基づくスコアを算出するスコア算出手段と、
を備えた情報処理装置。

（付記２）
付記１に記載の情報処理装置であって、
前記期間設定手段は、前記期間を所定の時間間隔で時系列に沿って移動させることで形成される複数の前記期間を設定する、
情報処理装置。

（付記３）
付記１又は２に記載の情報処理装置であって、
前記期間設定手段は、時系列に沿って連続する３つ以上の前記期間それぞれの少なくとも一部の時間帯が重複するよう複数の前記期間を設定する、
情報処理装置。

（付記４）
付記１乃至３のいずれかに記載の情報処理装置であって、
前記期間ごとに算出された前記スコアに基づいて、当該期間内の前記時系列データに基づいてモデルを生成する対象となる前記期間を選択する期間選択手段を備えた、
情報処理装置。

（付記５）
付記４に記載の情報処理装置であって、
前記スコア算出手段は、設定した前記期間ごとに、当該期間内の前記時系列データに基づく複数種類の前記スコアを算出し、
前記期間選択手段は、複数種類の前記スコアに基づいて前記期間を選択する、
情報処理装置。

（付記６）
付記１乃至５のいずれかに記載の情報処理装置であって、
前記スコア算出手段は、設定した前記期間ごとに、当該期間内の前記時系列データに基づくモデルを生成し、当該モデルの前記時系列データに対する予測精度を表す値を前記スコアとして算出する、
情報処理装置。

（付記７）
付記１乃至６のいずれかに記載の情報処理装置であって、
前記スコア算出手段は、設定した前記期間ごとに、当該期間内の複数種類の前記時系列データの関係性に基づく値を前記スコアとして算出する、
情報処理装置。

（付記８）
付記７に記載の情報処理装置であって、
前記スコア算出手段は、設定した前記期間ごとに、当該期間内の複数種類の前記時系列データの関係性の予測精度を表す値を前記スコアとして算出する、
情報処理装置。

（付記９）
付記７又は８に記載の情報処理装置であって、
前記スコア算出手段は、設定した前記期間ごとに、当該期間内の複数種類の前記時系列データの関係性の予測精度の時系列に沿った変化度合いを表す値を前記スコアとして算出する、
情報処理装置。

（付記１０）
監視対象システムから出力された時系列データに対して、時系列に沿って少なくとも相互に隣り合う期間同士の一部の時間帯が重複するよう複数の期間を設定し、
設定した前記期間ごとに、当該期間内の前記時系列データに基づくスコアを算出する、
情報処理方法。

（付記１０．１）
付記９に記載の情報処理方法であって、
前記期間ごとに算出された前記スコアに基づいて、当該期間内の前記時系列データに基づいてモデルを生成する対象となる前記期間を選択する、
情報処理方法。

（付記１１）
情報処理装置に、
監視対象システムから出力された時系列データに対して、時系列に沿って少なくとも相互に隣り合う期間同士の一部の時間帯が重複するよう複数の期間を設定する期間設定手段と、
設定した前記期間ごとに、当該期間内の前記時系列データに基づくスコアを算出するスコア算出手段と、
を実現させるためのプログラム。

（付記１１．１）
付記１０に記載のプログラムであって、
情報処理装置に、さらに、
前記期間ごとに算出された前記スコアに基づいて、当該期間内の前記時系列データに基づいてモデルを生成する対象となる前記期間を選択する期間選択手段、
を実現させるためのプログラム。

なお、上述したプログラムは、記憶装置に記憶されていたり、コンピュータが読み取り可能な記録媒体に記録されている。例えば、記録媒体は、フレキシブルディスク、光ディスク、光磁気ディスク、及び、半導体メモリ等の可搬性を有する媒体である。

以上、上記実施形態等を参照して本願発明を説明したが、本願発明は、上述した実施形態に限定されるものではない。本願発明の構成や詳細には、本願発明の範囲内で当業者が理解しうる様々な変更をすることができる。

１０ 情報処理装置
１１ データ管理部
１２ スコア算出部
１３ 期間選択部
１４ モデル生成部
１５ 異常検出部
１６ データ記憶部
１７ モデル記憶部
１００ 情報処理装置
１１０ 期間設定手段
１２０ スコア算出手段

Claims (5)

1. 監視対象システムから出力された時系列データに対して、時系列に沿って少なくとも相互に隣り合う期間同士の一部の時間帯が重複するよう複数の期間を設定する期間設定手段と、
   設定した前記期間ごとに、当該期間内の前記時系列データに基づく複数種類のスコアとして、当該期間内における複数種類の前記時系列データの関係性の予測精度を表す値の合計値と、当該合計値の分散値と、を算出して、前記スコアに基づいて前記期間から候補期間を設定するスコア算出手段と、
   前記候補期間ごとに、複数種類の前記スコアの値をそれぞれ調べ、前記合計値が他の候補期間と比較して高く、前記分散値が他の候補期間と比較して低い前記候補期間を、当該候補期間内の前記時系列データに基づいてモデルを生成する対象となる対象期間として選択する期間選択手段と、
   を備えた、
   情報処理装置。
2. 請求項１に記載の情報処理装置であって、
   前記期間設定手段は、前記期間を所定の時間間隔で時系列に沿って移動させることで形成される複数の前記期間を設定する、
   情報処理装置。
3. 請求項１又は２に記載の情報処理装置であって、
   前記期間設定手段は、時系列に沿って連続する３つ以上の前記期間それぞれの少なくとも一部の時間帯が重複するよう複数の前記期間を設定する、
   情報処理装置。
4. 監視対象システムから出力された時系列データに対して、時系列に沿って少なくとも相互に隣り合う期間同士の一部の時間帯が重複するよう複数の期間を設定し、
   設定した前記期間ごとに、当該期間内における複数種類の前記時系列データの関係性の予測精度を表す値の合計値と、当該合計値の分散値と、からなる複数種類のスコアを算出して、前記スコアに基づいて前記期間から候補期間を設定し、
   前記候補期間ごとに、複数種類の前記スコアの値をそれぞれ調べ、前記合計値が他の候補期間と比較して高く、前記分散値が他の候補期間と比較して低い前記候補期間を、当該候補期間内の前記時系列データに基づいてモデルを生成する対象となる対象期間として選択する、
   情報処理方法。
5. 情報処理装置に、
   監視対象システムから出力された時系列データに対して、時系列に沿って少なくとも相互に隣り合う期間同士の一部の時間帯が重複するよう複数の期間を設定する期間設定手段と、
   設定した前記期間ごとに、当該期間内の前記時系列データに基づく複数種類のスコアとして、当該期間内における複数種類の前記時系列データの関係性の予測精度を表す値の合計値と、当該合計値の分散値と、を算出して、前記スコアに基づいて前記期間から候補期間を設定するスコア算出手段と、
   前記候補期間ごとに、複数種類の前記スコアの値をそれぞれ調べ、前記合計値が他の候補期間と比較して高く、前記分散値が他の候補期間と比較して低い前記候補期間を、当該候補期間内の前記時系列データに基づいてモデルを生成する対象となる対象期間として選択する期間選択手段と、
   を実現させるためのプログラム。

Images