JP7422523B2 - パターン抽出方法、及び、パターン抽出装置 - Google Patents
パターン抽出方法、及び、パターン抽出装置 Download PDFInfo
- Publication number
- JP7422523B2 JP7422523B2 JP2019206445A JP2019206445A JP7422523B2 JP 7422523 B2 JP7422523 B2 JP 7422523B2 JP 2019206445 A JP2019206445 A JP 2019206445A JP 2019206445 A JP2019206445 A JP 2019206445A JP 7422523 B2 JP7422523 B2 JP 7422523B2
- Authority
- JP
- Japan
- Prior art keywords
- extraction
- series data
- pattern
- time series
- extracted
- 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
- 238000000605 extraction Methods 0.000 title claims description 183
- 238000004458 analytical method Methods 0.000 claims description 37
- 238000000034 method Methods 0.000 claims description 23
- 238000013523 data management Methods 0.000 claims description 22
- 230000008569 process Effects 0.000 claims description 16
- 230000006870 function Effects 0.000 claims description 13
- 238000002372 labelling Methods 0.000 claims description 12
- 230000002776 aggregation Effects 0.000 claims description 9
- 238000004220 aggregation Methods 0.000 claims description 9
- 238000007781 pre-processing Methods 0.000 claims description 9
- 239000000284 extract Substances 0.000 claims description 4
- 238000003860 storage Methods 0.000 claims description 3
- 238000012549 training Methods 0.000 description 30
- 238000010586 diagram Methods 0.000 description 16
- 238000012545 processing Methods 0.000 description 13
- 238000003825 pressing Methods 0.000 description 12
- 238000007726 management method Methods 0.000 description 7
- 230000006399 behavior Effects 0.000 description 5
- 238000004519 manufacturing process Methods 0.000 description 5
- 238000005070 sampling Methods 0.000 description 5
- 238000010606 normalization Methods 0.000 description 3
- 230000005856 abnormality Effects 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000012790 confirmation Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 230000004931 aggregating effect Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000002542 deteriorative effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Databases & Information Systems (AREA)
- Operations Research (AREA)
- Probability & Statistics with Applications (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Algebra (AREA)
- Evolutionary Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Testing And Monitoring For Control Systems (AREA)
- Complex Calculations (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Description
次に、画面管理部105が、ユーザ15から抽出区間と非抽出区間に関する情報を受け付ける(ステップ1F104)。
次に、学習部103が、出力に抽出区間もしくは非抽出区間を含まないサブシーケンス窓出力集合からサブシーケンス窓出力をサンプリングする(ステップ1F203)。
次に、産業用PC10の収集部101が、収集したパターン抽出対象となる時系列データ1D1に対してステップ1F102同様の前処理を施して、データ管理部106に蓄積する(ステップ1F302)。
次に、補正済み抽出フラグに関して、抽出すると判定された時間的に連続する要素の列をパターンとして抽出する(ステップ1F307)。
図12において、プレビュー画面1G2は、グラフエリア1G201と、次ボタン1G202と、前ボタン1G203と、拡大ボタン1G204と、縮小ボタン1G205と、閉じるボタン1GG206を備える。
Claims (13)
- 学習に用いる時系列データを収集する工程と、
前記時系列データを前処理する工程と、
前記時系列データを蓄積する工程と、
前記時系列データに対して抽出対象となる抽出区間と抽出対象ではない非抽出区間とを受け付ける工程と、
前記抽出区間と前記非抽出区間と、そのどちらも割り当てられていない未指定区間に対して互いに異なる識別子を与える工程と、
前記時系列データと予め定められた窓幅に基づきサブシーケンス集合を生成する工程と、
前記識別子に基づいて各サブシーケンスを抽出するか否かを表す値である窓出力を生成する工程と、
前記窓幅を入力とし前記窓出力の予測値を生成する抽出判定モデルを前記サブシーケンス集合と前記窓出力に基づいて学習する工程と、
学習した前記抽出判定モデルを蓄積する工程と、
パターン抽出対象となる時系列データを収集する工程と、
前記パターン抽出対象となる時系列データと前記窓幅に基づきパターン抽出対象となるサブシーケンス集合を生成する工程と、
前記蓄積された抽出判定モデルに基づき、各サブシーケンスを抽出するか否かを表す値である窓出力の予測値を生成する工程と、
前記予測値に基づき時系列データの各要素を抽出するか否かを決定する工程と、
抽出すると判定された時間的に連続する要素の列をパターンとして抽出する工程と、を備えることを特徴とするパターン抽出方法。 - 請求項1に記載のパターン抽出方法において、
前記識別子に基づいて各サブシーケンスを抽出するか否かを表す値を生成する工程は、前記抽出区間、前記非抽出区間、前記未指定区間に対して数値を割り当て、それら数値の演算と定められた閾値θとの大小関係によって各サブシーケンスを抽出するか否かを表す値を生成することを特徴とするパターン抽出方法。 - 請求項2に記載のパターン抽出方法において、
前記識別子に基づいて各サブシーケンスを抽出するか否かを表す値を生成する工程は、前記割り当てられた数値の平均もしくは中央値があらかじめ定められた閾値θ以上の場合は抽出することを表す値を生成し、そうでない場合は抽出しないことを表す値を生成することを特徴とするパターン抽出方法。 - 請求項1に記載のパターン抽出方法において、
前記時系列データを前処理する工程は、複数の属性の時系列データに関し、各時系列データを正規化し、それらを足し合わせて新たな時系列データを作成することを特徴とするパターン抽出方法。 - 請求項1に記載のパターン抽出方法において、
前記時系列データに対して抽出対象となる抽出区間と抽出対象ではない非抽出区間とを受け付ける工程は、すでに抽出区間もしくは非抽出区間が登録された区間に対して、追加の入力に従い、その区間単位で区間全体の平行移動、左端の平行移動、右端の平行移動することを特徴とするパターン抽出方法。 - 請求項1に記載のパターン抽出方法において、
前記時系列データに対して抽出対象となる抽出区間と抽出対象ではない非抽出区間とを受け付ける工程は、すでに抽出区間もしくは非抽出区間が登録された区間に対して、その区間を中心に拡大・縮小表示することができることを特徴とするパターン抽出方法。 - 請求項1に記載のパターン抽出方法において、
前記時系列データに対して抽出対象となる抽出区間と抽出対象ではない非抽出区間とを受け付ける工程は、その工程の最中に入力された抽出区間と非抽出区間に基づいて抽出判定モデルを学習し、その結果を参考情報として提示することを特徴とするパターン抽出方法。 - 請求項1に記載のパターン抽出方法において、
前記パターンとして抽出した結果に基づく分析結果を提示する工程を有し、
該分析結果を提示する工程は、指定された抽出判定モデルと対応する時系列データに関して、抽出されたパターンの発生回数と集計単位となる時間に基づいてグラフを生成し提示することを特徴とするパターン抽出方法。 - 請求項1に記載のパターン抽出方法において、
前記パターンとして抽出した結果に基づく分析結果を提示する工程を有し、
該分析結果を提示する工程は、指定された開始点を表す抽出判定モデルと終了点を表す抽出判定モデルとそれら対応する時系列データに関して、開始点を表す抽出判定モデルから得られたパターンと終了点を表す抽出判定モデルから得られたパターンの間の時間と集計単位となる時間に基づいてグラフを生成し提示することを特徴とするパターン抽出方法。 - 請求項1に記載のパターン抽出方法において、
前記時系列データと予め定められた窓幅に基づきサブシーケンス集合を生成する工程は、サブシーケンス内に抽出区間と非抽出区間のどちらか片方もしくは両方が予め定めた比率以上含まれるサブシーケンスの集合からサンプリングした集合と、前記比率未満のサブシーケンスの集合からサンプリングした集合の和集合をもとに学習に用いるサブシーケンス集合を生成することを特徴とするパターン抽出方法。 - 時系列データから所定の可変長な部分系列を抽出するパターン抽出装置であって、
解析対象となる時系列データを格納する記憶部と、
制御部と、
前記格納された時系列データを表示する表示部を備え、
前記制御部は、
時系列データ管理機能により、前記記憶部に格納された時系列データを管理し、
ラベリング機能により、前記時系列データにおける指定された範囲に、パターンの抽出区間もしくはパターンの非抽出区間を指定するベースラベルを登録し、
モデル学習機能により、前記ラベリング機能で登録された前記抽出区間及び前記非抽出区間と前記ベースラベルが登録されていない区間である未指定区間とに対して、互いに異なる識別子を与え、前記指定された範囲の時系列データを部分系列に分割し、前記部分系列に与えられた複数の前記識別子に基づいて、前記部分系列を抽出するか否かを表すラベルを前記部分系列に対して生成し、前記識別子を入力とし前記ラベルの予測値を生成する識別モデルを前記部分系列と前記ラベルに基づいて学習し、
部分系列判別機能により、前記時系列データ管理機能で管理された時系列データもしくは新たに入力された時系列データを分割した部分系列に対して、前記識別モデルを適用して、前記部分系列ごとの抽出及び非抽出を判定し、
抽出箇所決定機能により、前記部分系列判別機能によって判定された抽出及び非抽出結果に基づいて、もとの時系列データから抽出すべき可変長の部分系列を判定することを特徴とするパターン抽出装置。 - 請求項11に記載のパターン抽出装置において、
前記モデル学習機能は、前記ラベリング機能で登録された前記抽出区間及び前記非抽出区間と前記ベースラベルが登録されていない未指定区間とに対して数値を設定し、それら数値の演算によって与えられる値と定められた閾値θとの大小関係によって部分系列に対する抽出及び非抽出を決定することを特徴とするパターン抽出装置。 - 請求項12に記載のパターン抽出装置において、
前記モデル学習機能は、前記ラベリング機能で得られた前記非抽出区間に-1、前記未指定区間に0、前記抽出区間に1を与え、
部分系列における所定区間の平均もしくは中央値が、あらかじめ定められた閾値θ以上の場合は抽出対象のラベルを生成し、前記閾値θ未満である場合は非抽出のラベルを生成することを特徴とするパターン抽出装置。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019206445A JP7422523B2 (ja) | 2019-11-14 | 2019-11-14 | パターン抽出方法、及び、パターン抽出装置 |
PCT/JP2020/031539 WO2021095317A1 (ja) | 2019-11-14 | 2020-08-20 | パターン抽出方法、及び、パターン抽出装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019206445A JP7422523B2 (ja) | 2019-11-14 | 2019-11-14 | パターン抽出方法、及び、パターン抽出装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2022185159A JP2022185159A (ja) | 2022-12-14 |
JP7422523B2 true JP7422523B2 (ja) | 2024-01-26 |
Family
ID=75912612
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019206445A Active JP7422523B2 (ja) | 2019-11-14 | 2019-11-14 | パターン抽出方法、及び、パターン抽出装置 |
Country Status (2)
Country | Link |
---|---|
JP (1) | JP7422523B2 (ja) |
WO (1) | WO2021095317A1 (ja) |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010139346A (ja) | 2008-12-11 | 2010-06-24 | Yokogawa Electric Corp | 波形測定装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160275968A1 (en) * | 2013-10-22 | 2016-09-22 | Nec Corporation | Speech detection device, speech detection method, and medium |
-
2019
- 2019-11-14 JP JP2019206445A patent/JP7422523B2/ja active Active
-
2020
- 2020-08-20 WO PCT/JP2020/031539 patent/WO2021095317A1/ja active Application Filing
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010139346A (ja) | 2008-12-11 | 2010-06-24 | Yokogawa Electric Corp | 波形測定装置 |
Also Published As
Publication number | Publication date |
---|---|
WO2021095317A1 (ja) | 2021-05-20 |
JP2022185159A (ja) | 2022-12-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6670418B2 (ja) | 状態予測装置および状態予測制御方法 | |
JP6319271B2 (ja) | イベント解析装置、イベント解析システム、イベント解析方法、およびイベント解析プログラム | |
US20180075235A1 (en) | Abnormality Detection System and Abnormality Detection Method | |
KR20190013038A (ko) | 다중 특징 추출기법을 이용한 다중 시계열 데이터 추세 예측 시스템 및 예측 방법 | |
JP6886870B2 (ja) | プラント運転監視システム及びプラント運転監視方法 | |
CN111090686B (zh) | 数据处理方法、装置、服务器和存储介质 | |
JP7030072B2 (ja) | 時系列データ監視システム、および時系列データ監視方法 | |
CN117390507A (zh) | 一种基于深度学习的航天器遥测数据检测系统 | |
CN110727670A (zh) | 基于流程图的数据结构预测传递及自动化数据处理方法 | |
US20210326761A1 (en) | Method and System for Uniform Execution of Feature Extraction | |
JP7422523B2 (ja) | パターン抽出方法、及び、パターン抽出装置 | |
CN114154816A (zh) | 企业管理系统及其执行方法 | |
Carmona-Cejudo et al. | Gnusmail: Open framework for on-line email classification | |
Pietersma et al. | Induction and evaluation of decision trees for lactation curve analysis | |
JP2019032807A (ja) | 要因分析システム、要因分析方法およびプログラム | |
JP2003058248A (ja) | 運転支援装置 | |
US20220374799A1 (en) | Display control device, and display control method | |
JP5962623B2 (ja) | 鉄鋼プラント用データサーバ装置 | |
JP4351578B2 (ja) | 生産計画の支援システム及びコンピュータプログラム | |
JP2019121181A (ja) | データ管理システムおよびデータ管理方法 | |
US20220027808A1 (en) | Process model creation system, and process model creation method | |
CN116307407B (zh) | 一种基于云计算的企业数据可视化处理系统及方法 | |
CN116431698B (zh) | 一种数据提取方法、装置、设备及存储介质 | |
US9355479B2 (en) | Automatic tuning of value-series analysis tasks based on visual feedback | |
CN115641068A (zh) | 基于产品研发的全生命周期管理系统及跟踪方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220331 |
|
A711 | Notification of change in applicant |
Free format text: JAPANESE INTERMEDIATE CODE: A712 Effective date: 20230308 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A821 Effective date: 20230308 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230808 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230927 |
|
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: 20231219 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20240116 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7422523 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |