JPH0696234A

JPH0696234A - 時系列データの処理システム

Info

Publication number: JPH0696234A
Application number: JP24064792A
Authority: JP
Inventors: Takuji Nishitani; 卓史西谷
Original assignee: Hitachi Ltd
Current assignee: Hitachi Ltd
Priority date: 1992-09-09
Filing date: 1992-09-09
Publication date: 1994-04-08

Abstract

(57)【要約】【目的】複雑な変化をするプロセスの状態量を、運転
員や専門家が用いる言葉(記号)に変換し、このプロセス
状態の変化パターンを表現する記号を用いてプロセスの
診断知識を表現し、プロセスデータ間の記号の関連およ
び記号の時間的な変化を用いたプロセスの状態診断を可
能とする時系列データの処理システムを提供すること。【構成】プロセスから得られる時系列データを処理し
て、前記プロセスの状態の診断を行うデータ処理システ
ムであって、前記プロセスから得られる時系列データ等
のパターンデータの変化状態を記号的な表現に変換する
記号化手段と、該記号化手段から得られる記号的な表現
の時間的な変化および組合せを用いて前記プロセスを構
成するユニットの事象を把握する記号変換手段と、該記
号変換手段から得られる事象の組合せとして前記振ロセ
スの状態の診断を行う推論手段とを有することを特徴と
する時系列データの処理システム。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は、例えば、各種プラント
のプロセスから得られる計測データの変化状態を、運転
員や技術者に分かる言語的な記号に変換し、該記号を用
いてプラントの状態を診断する時系列データの処理シス
テムに関し、特に時々刻々と変化する時系列データをリ
アルタイムで言語的な記号表現に変換し、この記号を用
いた推論処理によってプロセスの状態を診断するシステ
ムに好適な時系列データの処理システムに関する。ま
た、本発明は、時系列データを処理して、制御や意思決
定を行う各種のシステムにも好適に用い得るものであ
る。例えば、時々刻々と変化する交通量を計測し、その
変化度合を記号的な表現に変換し、交通信号を制御する
ことによって渋滞の緩和を行う交通流制御システムや、
人口や年令構成，住宅の数等の時系列的なデータを基
に、自治体行政における方針の決定を支援するシステ、
更には、気温，降雨量等の時系列データの変化度合を用
いて、商品の売上げを予測する、食品工場や小売店舗の
意思決定支援システム等に好適に用い得る。

【０００２】

【従来の技術】近年、多くの製造工業プロセスや、上下
水道等の公共資源を管理するプロセスにおいて、プロセ
ス状態の診断のためのシステムが採用されている。代表
的なものとしては、プロセスの状態量を用いて「if〜the
n〜」型のルールにより推論を行うものがある。この方式
は、プロセスから計測されるデータの値や変化量、ある
いは、回帰式等の簡単な演算処理を施したものをプロセ
ス状態として扱うようにしたものである。

【０００３】

【発明が解決しようとする課題】上記従来技術は、プロ
セスから計測されるデータの値や変化量、あるいは、回
帰式等の簡単な演算処理を施したものをプロセス状態と
して扱うようにしたものであるために、複雑な変化をす
るプロセス状態を充分に把握することが困難であった。
更に、プロセスの状態量を用いて前述の「if〜then〜」型
のルールを構築するためには、熟練運転員の知識や経験
によるノウハウを抽出する必要がある。しかしながら、
複雑なプロセスでは、熟練運転員の知識や経験によるノ
ウハウを抽出することが困難であるばかりでなく、ルー
ル相互間の整合性を保つために試行錯誤的な作業が必要
であるという問題があった。本発明は上記事情に鑑みて
なされたもので、その目的とするところは、従来の技術
における上述の如き問題を解消し、複雑な変化をするプ
ロセスの状態量を、運転員や専門家が用いる言葉(記号)
に変換し、このプロセス状態の変化パターンを表現する
記号を用いてプロセスの診断知識を表現し、プロセスデ
ータ間の記号の関連および記号の時間的な変化を用いた
プロセスの状態診断を可能とする時系列データの処理シ
ステムを提供することにある。なお、本発明の他の目的
は、以下の説明において明らかにされる。

【０００４】

【課題を解決するための手段】本発明の上記目的は、プ
ロセスから得られる時系列データを処理して、前記プロ
セスの状態の診断を行うデータ処理システムであって、
前記プロセスから得られる時系列データ等のパターンデ
ータの変化状態を記号的な表現に変換する記号化手段
と、該記号化手段から得られる記号的な表現の時間的な
変化および組合せを用いて前記プロセスを構成するユニ
ットの事象を把握する記号変換手段と、該記号変換手段
から得られる事象の組合せとして前記プロセスの状態の
診断を行う推論手段とを有することを特徴とする時系列
データの処理システムによって達成される。

【０００５】

【作用】本発明に係る時系列データの処理システムにお
いて、記号化手段は時系列データの変化パターンを記号
表現に変換する。特に、その特徴抽出機能はデータの変
化傾向が急変した特徴点を抽出し、折れ線近似機能は前
記特徴点を結ぶ折れ線として時系列データを近似する。
更に、照合機能は折れ線データと辞書の記号パターンと
を照合して、類似度の高い記号を出力する機能を持つ。
これにより、記号化を行う時系列データが、その変化特
徴を保ったまま、折れ線を構成する線分のベクトルデー
タとして圧縮され、また、照合に用いる辞書に記憶され
た記号パターンも同様の折れ線のベクトルデータとして
圧縮されているため、照合処理がベクトル間の演算とな
り、処理が非常に簡単であり、しかも、非常に高速に実
行可能になる。また、記号変換手段は、記号化手段から
送られる記号表現の出現順序や組合せをネットワーク表
現した記号ネットワークを用いて、プロセスの状態を表
わす事象名に変換する。これにより、プロセスの複雑な
変化を一つの事象として捉えることが可能になる。な
お、前述の辞書の構築を支援するシステムとしては、記
号に変換する時系列データを解析することにより自動的
にパラメータを決定し、また、時系列データの処理シス
テムのユーザが、時系列データのサンプルから任意に指
定した各記号を付与したい区間の情報を用いて、自動的
に辞書の記号パターンを構築する記号化パラメータ構築
部と、事象を表わす記号の変化や組合せをネットワーク
表現として与える記号ネットワーク構築部は、事象名を
用いて「if〜then〜」型のルールとして診断知識を記述す
る推論知識構築部から構成されるシステムが好適に用い
得る。これにより、複雑なプロセスの状態を、個々の計
測データの変化を表わす記号的な表現、記号表現の順序
と組合せでプロセス各部の状態を表わす事象の表現、更
に、事象の組合せによるプロセス全体の状態の表現とい
う三つの段階を、整合性のとれた形で記述することが容
易となる。

【０００６】

【実施例】以下、本発明の実施例を図面に基づいて詳細
に説明する。図１は、本発明の一実施例に係るプロセス
状態診断装置の構成を示すブロック図である。本実施例
に係るプロセス状態診断装置は、プロセスから得られる
時系列データの変化を記号表現に変換する記号化部１１
０と、記号の出現順序や組合せを事象名に変換する記号
変換部１２０と、事象名の組合せとしてプロセスの状態
を診断する推論部１３０と、上記記号化部１１０，記号
変換部１２０および推論部１３０で用いるパラメータや
知識の構築を支援する構築支援部１６０とから構成され
ている。上記記号化部１１０は、プロセスの状態を表わ
すデータを入力するプロセス計測データ入力装置１００
に接続され、上記推論部１３０は、プロセスの状態をプ
ラントの運転員等に報知するためのプロセス状態表示装
置１４０に接続されている。また、上記構築支援部１６
０は、上記プロセス計測データ入力装置から得られる計
測データを格納しておくプロセスデータベース１５０に
接続されている。

【０００７】上述の記号化部１１０は、計測データの変
化パターンを記号に変換する記号化処理部１１２と、構
築支援部１６０の記号化パラメータ構築部１６２で構築
された、記号化に用いる各種パラメータや辞書を記憶し
ておくパラメータ記憶部１１４と、記号変換部１２０の
事象管理部１２２から送られる、記号化の対象となる記
号の名称を記憶しておく記号化名称記憶部１１６とから
成る。上述の記号変換部１２０は、前記記号化部１１０
の記号化処理部１１２から送られる記号を用いて、診断
の対象となっている事象の成立状況を管理する事象管理
部１２２と、構築支援部１６０の記号ネット構築部１６
４で構築された、事象が成立する条件を表わす記号ネッ
トを記憶しておく記号ネット記憶部１２４とから成る。
前記推論部１３０は、記号変換部１２０の事象管理部１
２２から送られる事象名を記憶する事象記憶部１３２
と、構築支援部１６０の推論知識構築部１６６で構築さ
れた推論知識を記憶しておく知識記憶部１３６と、知識
記憶部１３６の知識と事象記憶部の事象をもとにプロセ
スの状態を推論する推論処理部１３４とから成る。前記
構築支援部１６０は、記号化に用いる各種パラメータや
辞書の構築を支援する記号化パラメータ構築部１６２
と、記号の順序や組合せを事象に変換する記号ネットワ
ークの構築を支援する記号ネット構築部１６４と、プロ
セスの状態を診断する知識の構築を支援する推論知識構
築部１６６と、これらの動作を統括管理する管理機構１
６８から成る。また、管理機構１６８には、ユーザとの
情報交換のインターフェースであるＣＲＴ等の表示装置
１７０、キーボード１７２、マウス１７４等が接続され
ている。

【０００８】本実施例に係るプロセス状態診断装置のう
ち、記号化部１１０，記号変換部１２０および推論部１
３０は、オンラインで動作し、常時、プロセスの診断を
実行する。構築支援部１６０は、必要に応じて起動さ
れ、プロセス診断のためのパラメータや辞書およびルー
ルの追加，改変を支援する。次に、図２を用いて、記号
化部１１０の構成の詳細を説明する。記号化部１１０
は、記号化処理部１１２とパラメータ記憶部１１４と記
号化対象記憶部１１６とから成る。更に、記号化処理部
１１２は、特徴抽出機能２１０と、照合機能２２０と、
記号化経過ファイル２３０とから成る。記号化経過ファ
イル２３０は、プロセスの計測データを一時記憶するデ
ータファイル２３２、特徴抽出フィルタとの積和演算結
果を記憶しておくフィルタ結果ファイル２３４、折れ線
ベクトルに変換された結果を記憶しておくベクトル系列
ファイル２３６、辞書との照合経過を記憶しておく照合
経過ファイル２３８から成る。また、パラメータ記憶部
１１４は、特徴抽出フィルタを記憶しておく特徴抽出フ
ィルタファイル２４０、特徴抽出スレシホルドを記憶し
ておく特徴抽出スレシホルドファイル２４２、計測デー
タを規格化して扱う係数である変換係数を記憶しておく
変換係数ファイル２４４、記号パターンを構成する折れ
線ベクトルを記憶しておく記号化辞書ファイル２４６と
から成る。

【０００９】以下、図３を用いて特徴抽出機能２１０の
動作の流れを詳細に説明する。特徴抽出機能２１０の動
作は、以下の(１)〜(６)の処理から成る。 (１)処理３１０：プロセス計測データ入力装置１００か
ら最新の計測データを読み出す。また、変換係数ファイ
ル２４４を参照して、工学的な値から規格化された値に
変換し、データファイル２５２に格納する。このとき、
データファイル２５２に格納されたデータのうち、最も
古いデータは消去され、一定個数の計測データが、常
に、サイクリックに格納される。 (２)処理３２０：特徴抽出フィルタファイル２４０から
処理対象の計測データに対する特徴抽出フィルタを読み
出す。特徴抽出フィルタは、図４に例を示すような形を
した数列である。また、データファイル２３２から特徴
抽出に必要な計測データを読み出す。次に、特徴抽出計
算として、時系列データｆ(ｔ)(ｔ＝-Ｔ,-Ｔ+１,・・・,
０)と特徴抽出フィルタＷ₂(ｘ)を用いた積和計算

【数１】により、計測データの凹凸度合を示す特徴量ｇ₂(ｔ)を
計算する。ここでａはフィルタＷ₂(ｘ)の広がりを表わ
す定数である。数１による積和計算結果はフィルタ結果
ファイル２３４に格納される。

【００１０】(３)処理３３０：フィルタ結果ファイル２
３４から、過去の積和演算結果を読み出す。次に、フィ
ルタ特徴量ｇ₂(ｔ)(ｔは現在時刻)を用いて数２によ
り、新たな特徴が現われたかを判定する。

【数２】を満足する場合、時刻(ｔ-１-ｂ)が新しい特徴点とな
る。ここで、θは特徴抽出スレシホルドファイル２４２
に格納されている、処理対象の計測データに対する特徴
抽出スレシホルドである。また、ｂはフィルタによって
定められる一定値である。この判定処理により、新しい
特徴点が生成された場合は処理３４０に進み、特徴点が
生成されなかった場合は処理３５０に進む。 (４)処理３４０：処理３３０で新たに生成された特徴点
τ_pにおける復原値ｆ_e(τ_p)を数３と数４により求め
る。

【数３】

【数４】なお、Ｗ₁(ｘ)およびＷ₂(ｘ)は、図４に示した特徴抽出
フィルタであり、特徴量ｇ₀(τ_p)は平均値を表わす特徴
量であり、ｇ₁(τ_p)は平均的な傾きを表わす特徴量であ
る。

【００１１】復原値ｆ_e(τ_p)と一つ前の特徴点における
復原値ｆ_e(τ_p-1)とを結び、新しいベクトルＶ_k=(v₁,
v₂)を、数５により生成する。

【数５】次に、ＦＬＡＧ=１として処理３６０に進む。 (５)処理３５０：最も新しい特徴点(τ_p,ｆ_e(τ_p))を通
り、最新のデータｆ(０)までの回帰直線ｈ(ｔ)を数６に
より求める。

【数６】数６にｔ=０を代入することにより、入力パターンの終
端(ｔ=０)の点の復原値ｆ_e(０)(=ｈ(０))が求められ、
処理３４０の数５と同様にして、最新のベクトルを求め
ることができる。次に、ＦＬＡＧ=０として処理３６０
に進む。図５に時系列データが折れ線のベクトルとして
近似されていく例を示す。図５(ａ)は、時系列データｆ
(ｔ)を表わし、図５(ｂ)は折れ線ベクトルの系列を示
す。 (６)処理３６０：照合機能２２０に最新のベクトルとＦ
ＬＡＧを送る。以上が、特徴抽出機能２１０における処理の詳細であ
る。

【００１２】次に、照合機能２２０における処理の詳細
を説明する。まず、照合処理の基本的な考え方を説明し
ておく。照合処理は、ＤＰ(ダイナミック・プログラミ
ング)の考え方を基本としている。上記ＤＰは、最適性
の原理、すなわち、「最適方策とは、最初の状態や決定
がどうであっても、この最初の決定の結果として起こっ
た状態について、以後の決定は最適方策となるように構
成しなければならない」という性質を利用して、多段階
の決定過程を形式的に１段階過程に分解して解を計算す
る。ここで、求められた解が最適方策になることが保証
されるのは、マルコフ性、すなわち、「各段階での決定
が、その時点での系の状態のみに依存し、過去の決定の
履歴に無関係に行えなければならない」を満足する場合
に限られる。上述の性質を利用して、ベクトル系列間の
照合を図６に示す多段階決定過程として計算する。横軸
には、記号パターンのベクトル系列Ｕ_m(ｍ=１,２,・・・,
Ｍ)を並べ、縦軸には、計測データのベクトル系列Ｖ
_n(ｎ=１,２,・・・,Ｎ)を並べる。各格子点(Ｍ,Ｎ)は、そ
の横軸上の記号パターンのベクトルＵ_mと、縦軸上の計
測データのベクトルＶ_nとの対応関係を表わす。

【００１３】ベクトル系列間の対応関係を求めること
は、図６に示すように構成されたネットワーク上で、格
子点(１,ｎ)(ｎ=１,２,・・・・,Ｎ)から格子点(Ｍ,Ｎ)に至
る経路のうち、予め定めた評価関数が最大になるものを
求める問題となる。計測データのベクトル系列と、記号
パターンのベクトル系列の中で、対応関係が前後する場
合と、対応関係にあるベクトルが存在しない場合と、複
数の辞書ベクトルが一つの計測データのベクトルと対応
する場合とは生じないとすると、格子点と格子点の接続
関係は、図７に示したものだけを考慮すればよいことに
なる。最適な対応関係の探索は、図６の左下の格子点か
ら右上の格子点へと、各格子点に至る最適経路を計算す
ることになる。但し、実際の計算は計測データの最新の
ベクトルと一つ古いベクトルとの間の経路の計算をベク
トルが生成される毎に行えばよいことになる。照合機能
２２０における処理は、図８に示すように、以下の(１)
〜(10)の処理から成る。 (１)処理８１０：記号化対象記憶部１１６から、現在の
処理対象である計測データに対する照合すべき記号の名
称を読み出す。 (２)処理８２０：照合すべき記号が残っている場合は処
理８２０に進み、残っていない場合は処理８９５に進
む。

【００１４】(３)処理８３０：照合経過ファイル２３８
から該記号に対する前回の照合経過を読み出し、記号化
辞書ファイル２４６から照合対象となる記号パターンの
ベクトル系列を読み出す。 (４)処理８４０：ＦＬＡＧの判定を行う。ＦＬＡＧが１
の場合には、新しい特徴点が現れた直後であり、計測デ
ータの最新のベクトルが確定しているから、処理８５０
に進む。ＦＬＡＧが０の場合は、計測データの最新のベ
クトルは回帰直線で求まったものであり、次回の計算で
は異なったベクトルとなるため、処理８６０に進む。 (５)処理８５０：格子点(ｍ,Ｎ)(ｍ=０,１,・・・・,Ｍ)で
照合処理を行う。すなわち、図７に示した４つの経路か
ら類似度が最大の経路を選択する。類似度Ｓは、次の数
７で計算される(数７の意味は、後で詳細に説明する。)

【数７】また、このときの計測データのベクトル系列の大きさが
記号パターンのベクトル系列の何倍であるかを表わす尺
度Ｋは、数８で計算できる。

【数８】

【００１５】(６)処理８６０：格子点(Ｍ,Ｎ)で照合処
理を行う。類似度Ｓと尺度Ｋの計算式は、処理８５０と
同様に、数７と数８である。 (７)処理８７０：類似度Ｓと尺度Ｋを、一時記憶する。 (８)処理８８０：ＦＬＡＧの判定を行う。ＦＬＡＧ=１
の場合は照合経過ファイル更新のために処理８９０に
進み、ＦＬＡＧ=０の場合は処理８１０に戻る。 (９)処理８９０：照合経過ファイル２３８の更新処理を
行う。すなわち、新しく確定したベクトルＶ_nに関する
情報をＶ_n-1の情報として書き換える。 (10)処理８９５：処理８７０で記憶した記号の類似度と
尺度を、事象記憶部１３２に出力する。以下、記号変換部１２０における処理の詳細を説明す
る。まず、記号変換部１２０の構成を図９を用いて説明
する。記号変換部１２０は、記号化部１１０において記
号化に用いる記号のリスト(記号として監視する名称の
リスト)や、記号化部１１０から送られる記号を基に各
事象の成立状況を管理する事象管理部１２２と、記号ネ
ット構築部１６４で構築された記号ネットワークを保持
する記号ネット記憶部１２４、とから成る。

【００１６】上記各部の動作を、具体的な例を用いて説
明する。図１０に、対象プロセスの例を示す。ここに示
す対象プロセスは、化学反応により製品を製造する反応
器１０１０と、反応器１０１０で製造された製品の取り
出し流量を調節するバルブ１０２０と、これらを結ぶ配
管から成る。また、反応器１０１０の液面は液面制御器
１０３０によって制御され、製品の流量は流量制御器１
０４０により制御される。液面制御器１０３０の状態
は、次の三つの量で表わされる。ＳＶ１：他の制御装置あるいは他の計算機から与えられ
る液面の高さ１０３４(設定値) ＰＶ１：反応器内に取り付けられた液面センサ１０３２
から得られる液面の高さ１０３２(制御量) ＭＶ１：設定値ＳＶ１と制御量ＰＶ１の状態に応じて流
量制御器１０４０の流量設定値を変更する量１０３８
(操作量) また、流量制御器１０４０の状態は次の三つの量で表わ
される。ＳＶ２：液面制御器１０３０から与えられる流量の変更
量１０３８(設定値) ＰＶ２：配管に設けられた流量センサ１０４２から得ら
れる流量の値１０４４(制御量) ＭＶ２：バルブ１０２０の開度を調節する量１０４６
(操作量)

【００１７】図１０に示すプロセスで、流量センサ１０
４２が故障した場合と、Ａの部分において配管に亀裂が
生じた場合の、二つの異常状態の検出を考える。センサ
故障と配管亀裂の場合の液面制御器１０３０と流量制御
器１０４０の各状態量の変化を表わしたものが、図１１
および図１２である。センサ異常と配管亀裂を区別する
異常診断を考える。それぞれの異常に対する判定知識と
して、次の三つの知識を考える。これらの知識は推論部
１３０において用いられるものであり、その詳細につい
ては、後で説明する。〔知識１〕「液面制御器が事象１で、流量制御器が事象
２であれば”流量センサ故障”または”配管亀裂”の疑
いがある」〔知識２〕「液面制御器が事象１の後で事象３になり、
流量制御器が事象２の後で事象４になれば、”流量セン
サ故障”」〔知識３〕「液面制御器が事象１の後で事象５になり、
流量制御器が事象２の後で事象６になれば、”配管亀
裂”」

【００１８】この知識と、図１１および図１２から分か
るように、流量センサ故障と配管亀裂は、異常の初期に
おいては類似した変化を示すが、時間が経過すると異な
った挙動を示す。以上の知識で用いた各事象を、図１３
に示すような記号のネットワークで表現する。すなわ
ち、各計測データに対する記号の変化およびデータ間の
記号の関係を、リスト構造のネットワークで表現する。
具体的に前記異常判定知識に含まれる事象１〜事象６を
記号ネットワークで表現すると、図１４，図１５および
図１６に示すようになる。実際に、流量センサ異常と配
管亀裂の場合にプロセスから得られる計測データの記号
変化は、図１７および図１８に示すようになる。この記
号変化に対する記号ネットワーク内での条件成立の状況
を管理するために、図１９に示す事象管理テーブルを用
いる。具体的な知識の成立状況に応じた事象管理テーブ
ル９１０の動作と、記号化対象記憶部１１６および推論
部１３０の事象記憶部１３２にそれぞれ保持されるデー
タの内容について詳細に説明する。

【００１９】〔過程１〕推論部１３０は、知識記憶部１
３６に格納されている知識を取り出し、その前件部が成
立するために監視すべき事象をリストアップする。前記
知識１では、液面制御器１０３０の事象１と流量制御器
１０４０の事象２が監視対象の事象となる。前記知識２
および知識３からも、液面制御器１０３０の事象１と流
量制御器１０４０の事象２が監視対象の事象となる。こ
の監視する事象のリストが記号変換部１２０の事象管理
部１２２に送られる。〔過程２〕記号変換部１２０は、推論部１３０から送ら
れる事象名を基に、図１４〜図１６に示した各事象を表
現する記号ネットから、監視すべきデータ名と記号名称
を取り出す。ここでは、監視する事象は液面制御器１０
３０の事象１と流量制御器の事象２であり、図１９に示
した事象管理テーブル９１０の所定位置に事象名とデー
タ名とが書き込まれる。また、事象管理テーブル９１０
の監視記号の部分には監視対象の記号名称が書き込まれ
る。ここでは、事象１のＳＶ１は「一定」、ＰＶ１は「一
定から下降」、ＭＶ１も「一定から下降」が監視記号とな
る。事象２のＳＶ２は「一定から下降」、ＰＶ２は「ステ
ップ下降」、ＭＶ２は「一定から上昇」が監視対象とな
る。これらの監視記号は、記号化部１１０に送られ、記
号化対象記憶部１１６に登録される。

【００２０】〔過程３〕記号化処理部１１２は、前述し
た処理により、記号化対象記憶部１１６に格納されてい
る記号名称に対する記号化辞書ファイル２４６内の記号
パターンを用いて、予め定められた一定の周期で計測デ
ータを取り込み、記号化を行う。一時刻前の記号化処理
において得られた記号と異なる記号が得られた場合は、
結果を記号変換部１２０の事象管理部１２２に送る。〔過程４〕事象管理部１２２は、記号化処理部１１２か
ら変化した記号名称が送られた場合には、事象管理テー
ブル９１０に新しい記号名称を書き込むと同時に、記号
ネット９２０を参照して、次の記号化対象となる記号名
称を監視記号の欄に書き込む。なお、監視記号の欄に新
たに書き込むべき記号名称がなくなった場合、すなわ
ち、記号ネットワークの各枝がすべて末端のノードまで
到達している場合(ポインタがＮＵＬＬ)には、事象名の
欄に登録されている事象が成立していることになる。新
たな事象が成立した場合は、成立した事象名が推論１３
０の事象記憶部１３２に送られる。

【００２１】〔過程５〕推論部１３０は、事象管理部１
２２から送られてくる新たな事象名を事象記憶部１３２
に登録する。次に、知識の前件部を参照して、次に監視
すべき事象名を抽出して記号事象管理部１２２に送る。
また、前件部がすべて満足している知識があれば、該知
識が成立していることになり、後件部に書かれている結
論をプロセス状態表示装置１４０に送る。〔過程６〕状態表示装置１４０は、成立した結論をＣＲ
Ｔ１４２等の表示装置上に表示するとともに、スピーカ
１４４等から、音声等を用いて、プラントの運転員に報
知する。以下、本発明によるプロセス状態診断システム
の各種パラメータを決定するための構築支援部１６０に
ついて、詳細に説明する。まず、記号化パラメータ構築
部１６２について詳しく説明する。記号化パラメータ構
築部１６２で決定するものは、 (ａ)特徴抽出フィルタ (ｂ)変換係数 (ｃ)特徴抽出スレシホルド (ｄ)記号化辞書の記号パターンの４つである。以下、順に説明する。

【００２２】(ａ)特徴抽出フィルタ特徴抽出フィルタは、数９に示す形をしている。

【数９】実際には、演算が、離散的な値として実行されるため
に、ｘの離散値に対する値として求めて置く必要があ
る。以下、プロセス状態の識別を実行する前に、必要に
応じて、予め、特徴抽出フィルタファイル２４０に記憶
しておく特徴抽出フィルタの生成方法について、図２０
を用いて詳細に説明する。 (１)処理２０１０：キーボード１７２等の入力手段を用
いて以下の処理を行うプログラムを起動し、フィルタの
大きさや形状を決定する定数ａおよびσと、求める最大
の次数ｎ_maxを入力する。 (２)処理２０２０：ガウス関数Ｅ(ｘ)(ここで、ｘ=-ａ,
-ａ+１,・・・,０)の計算を行う。 (３)処理２０３０：計算するフィルタの次数ｎを、０に
設定する。 (４)処理２０４０：次数ｎの多項式の計算を行う。以
下、例として２次までの多項式の計算式を示しておく。

【００２３】同様の計算を繰り返すことにより、必要に
応じて、更に高次の多項式も容易に計算することができ
る。０次の多項式は定数であることから、

【数１０】として終了する。１次の多項式を、

【数１１】とおくと、０次の多項式Ｈ₀(ｘ)と直交性が成り立つた
めに、

【数１２】を満足しなければならない。従って、

【数１３】と求めることができる。２次の展開多項式を

【数１４】とおくと、１次の多項式と直交性が成り立つために、

【数１５】を満足しなければならない。０次と１次の多項式は直交
することを考慮すると、

【数１６】が成り立たなければならない。

【００２４】従って、

【数１７】と求められる。更に、２次の多項式と０次の多項式の直
交性が成り立つ条件

【数１８】から、

【数１９】と求められる。 (５)処理２０５０：計算する多項式が最大の次数ｎ_max
に達していれば、次の処理に進む。さもなければ、処理
２０６０においてｎをｎ＋１にインクリメントして、処
理２０４０に戻る。 (６)処理２０７０：処理２０４０で求めた多項式を基
に、正規化を行う。各次数の多項式は、数２０を満足し
なければならない。各次数の多項式に対して、

【数２０】を計算すると、正規化された特徴抽出フィルタＷ_m(ｘ)
は、

【数２１】と求められる。

【００２５】(７)処理２０８０：生成された特徴抽出フ
ィルタを特徴抽出フィルタファイル２４０に格納する。生成された特徴抽出フィルタの例は図４に示した通りで
ある。本例では、フィルタの範囲を表わす定数ａ=-１
０、形状を決定する定数σ=２.０としており、図４のＷ
₀(ｘ),Ｗ₁(ｘ),Ｗ₂(ｘ)は、それぞれ０次,１次,２次の
特徴抽出フィルタの生成結果である。 (ｂ)変換係数変換係数ファイル２４４に格納されている変換スケール
は、計測データ毎に、その工学的な値を、計算機の内部
で扱う規格化された値に変換する定数である。この定数
は、プラントの運転員あるいは技術者が、ＣＲＴ等の表
示装置に、データのトレンドグラフを表示したときに、
記号を付与したい変化が最も見やすい形で表示されると
きの、画面上の縦方向と横方向の表示比率として決定で
きる。

【００２６】例えば、あるデータの変化状態に「ステッ
プ変化」という記号を付与したい場合、画面表示におい
て、図２１に示した状態が運転員の考える「ステップ変
化」に最も近い場合、そのデータの変換係数は、

【数２２】で与えられる。ここに、ｔは画面上の横軸方向の１サン
プリング間隔に相当する画面のドット数、ｈは縦軸方向
の工学的な値１.０に対する表示ドット数である。 (ｃ)特徴抽出スレシホルド特徴抽出スレシホルドファイル２４２に格納されている
特徴抽出スレシホルドは、図２１に示す以下の４つの処
理から成る。 (１)処理２２１０：プロセスデータベース１５０から、
計測データを読み出す。 (２)処理２２２０：高速フーリエ変換(ＦＦＴ)等を用い
て、時系列データｆ(ｔ)を周波数スペクトルＸ(ω)に展
開する。

【００２７】(３)処理２２３０：適当な高周波成分を指
定(例えば、(1/2)π〜(3/2)π)して逆フーリエ変換する
ことにより、ノイズ成分ｆ_n(ｔ)を復原する。 (４)処理２２４０：ノイズ成分ｆ_n(ｔ)に対して、２次
の特徴抽出フィルタＷ₂(ｘ)を作用させ、２次の展開係
数を求める。 (５)処理２２５０：２次の展開係数の絶対値の最大値を
求め、特徴抽出スレシホルドθとする。 (６)処理２２６０：特徴抽出スレシホルドθを、特徴抽
出スレシホルドファイル２４２に格納する。以上の処理の例を図２３に示す。図２３(ａ)は、元の時
系列データｆ(ｔ)である。図２３(ｂ)は、この時系列デ
ータｆ(ｔ)を、ＦＦＴによりフーリエ展開したときのス
ペクトルの絶対値|Ｘ(ω)|を示す。高周波成分として(1
/2)π〜(3/2)πの区間のスペクトル情報と、位相情報を
逆フーリエ変換すると、図２３(ｃ)に示すように、ノイ
ズ成分ｆ_n(ｔ)を得ることができる。ノイズ成分ｆ
_n(ｔ)の２次の展開項Ａ₂(ｔ)を求めると、図２３(ｄ)に
示すようになる。この２次の展開項の絶対値の最大値を
求めて、特徴抽出スレシホルドθとする。

【００２８】(ｄ)記号化辞書記号化辞書ファイル２４６に格納される記号パターン
は、図２４に示す以下の(１)〜(５)の処理で決定され
る。 (１)処理２４１０：ユーザがＣＲＴ画面の上でマウスを
利用して辞書の基準パターンを指定し、それを計算機に
読み込む。 (２)処理２４２０：プロセスデータベース１５０に格納
されているプロセスデータの任意の部分を、折れ線に変
換してＣＲＴ画面に表示し、ユーザが、その中から、該
当する記号で表わされる部分をマウス等を用いて指定す
る。指定された部分を読み込み、パターンファイルとし
て一時記憶する。 (３)処理２４３０：基準パターンとパターンファイルに
格納されたパターンとを照合し、その対応関係から平均
的なパターンを生成して、記号パターンとする。 (４)処理２４４０：記号パターンとパターンファイルに
格納されたパターンとを再度照合処理し、各々のパター
ンに対する類似度と尺度を求める。求まった類似度と尺
度の最小値を求め、それぞれ類似度と尺度のスレシホル
ドとする。 (５)処理２４５０：記号化辞書ファイル２４６に、記号
パターン、類似度のスレシホルド、および尺度のスレシ
ホルドを格納する。

【００２９】次に、記号ネット構築部１６４における処
理を、図２５を用いて説明する。記号ネット構築部１６
４における処理は、以下の(１)〜(５)の処理から成る。 (１)処理２５１０：プロセスデータベース１５０から必
要な計測データを読み込む。 (２)処理２５２０：処理２５１０で入力された計測デー
タを記号化し、記号化結果をＣＲＴ１７０に表示する。
なお、記号化は、記号化部１１０の処理と同一である。
但し、記号化に用いる記号は該計測データに関する記号
化辞書ファイル２４６に登録されているすべての記号を
用いる。 (３)処理２５３０：図１３に示した形式でネットワーク
構造を自動生成し、マルチウィンドウ表示する。このと
き、処理２５２０で生成された記号に関する状態が記入
されている。 (４)処理２５４０：上述の処理２５２０で得られている
記号化結果を参照しながら、処理２５３０で表示されて
いる記号ネットワークを編集する。記号ネットワークの
編集機能としては、ネットワークの切断，接続，追加，
変更等の編集機能を有する。 (５)処理２５５０：記号ネットワークを、記号ネットワ
ーク記憶部１２４に出力する。

【００３０】更に、推論知識構築部１６６の構成を、図
２６を用いて説明する。推論知識構築部１６６は、ユー
ザと推論知識を対話的に編集する知識エディタ２６２０
と、編集された知識を格納しておく知識ファイル２６３
０と、知識ファイル２６３０に格納された知識を計算機
で処理できる内部コードに変換するトランスレータ２６
４０と、知識を用いた推論の結果をモニタし、ユーザに
よる知識の整合性の検討を支援するデバッガ２６５０と
から成る。上記実施例によれば、以下に示すような効果
を得ることができる。 (１)プロセスの構成要素の正常時および各種異常時の計
測データを記憶しておき、知識として利用することによ
り、運転状態を正確に判定することができる。 (２)計測データをベクトル系列に変換することにより、
各種演算をベクトルデータを用いて行うことができ、計
算処理量が少なくて済むのみならず、誤りの少ない診断
を行うことができるという効果がある。 (３)ベクトル系列間で相関係数を計算して類似度とする
ため、相似なパターンの検索が可能であり、記号化辞書
ファイル２４６に記憶される記号のパターン数が少なく
できるという効果を合わせ持っている。

【００３１】なお、上述の実施例は本発明の一例を示し
たものであり、本発明はこれに限定されるべきものでは
ないことは言うまでもないことである。例えば、本発明
で扱うことができるデータは、流量，温度，水位等のデ
ータに限らず、振動や光等を計測する各種センサのデー
タであっても同様に扱うことができる。また、公衆回線
網や専用のＬＡＮ等を通じて上述のデータを受け取って
もよいし、各種の記録媒体(磁気ディスク等)を用いて入
力してもよい。また、本発明に係るデータ処理システム
は、専用の処理装置を用いたハードウェアとして構成し
てもよいし、ＤＳＰ(ディジタルシグナルプロセッサ)
等のＬＳＩを用いてハードウェアを構成してもよい。あ
るいは、マイクロコンピュータ等で処理を行うソフトウ
ェアとしても実現できる。プロセス状態表示装置１４０
は、ＣＲＴ１４２へ結果を表示する装置として説明した
が、音声出力装置１４４を用いて音声により告知するな
ど、各種のメディアを用いて告知することが可能であ
る。

【００３２】以下、数学的な背景について補足説明を行
う。本発明に係る時系列データの処理システムの実施例
をよく理解し、その固有の可能性と利点を評価するため
に、以下に、実施例が実現されるために用いられる手法
に対する簡単な数学的背景および基礎を提示する。導入
された式は、実施例の機能の洞察も与えてくれる。特徴
抽出フィルタファイル２４０に記憶され、特徴抽出機能
２１０における特徴抽出フィルタリング３２０において
用いられる特徴抽出フィルタＷ₀(ｘ),Ｗ₁(ｘ)およびＷ
₂(ｘ)は、それぞれ、Ｗ₀(ｘ)はパターンの平均的な値を
求めるフィルタ、Ｗ₁(ｘ)は平均的な傾きを求めるフィ
ルタ、Ｗ₂(ｘ)はパターンの平均的な凹凸を求めるフィ
ルタである。以下に、Ｗ₀(ｘ),Ｗ₁(ｘ)およびＷ₂(ｘ)の
求め方を整理して示しておく。パターンデータの展開方
法として、

【数２３】で定義される多項式Ｈ_m(ｘ)を用いる。ここに、Ｅ(ｘ)
は適当な微分可能関数であり、ａおよびｂは定義区間
を示す定数である。

【００３３】このとき、

【数２４】とおくと、

【数２５】は、正規直交関数系を構成する。正規直交関数系ψ
_m(ｘ)をそのまま用いて、時系列データｆ(ｔ)を時刻ｔ
の近傍で展開すると、原データの良い近似を得るには、
高次の項まで求めておくことが必要となる。これを避け
るために、時系列データを時刻tを中心として、

【数２６】と変換して扱うことにする。数２６に対し、数２５の直
交関数系を用いた展開を行うと、

【数２７】となる。ここに、展開係数ａ_m(ｔ)(ｍ=０,１,・・・,∞)
は、

【数２８】により求められる。数２７および数２８より、時系列デ
ータｆ(ｔ)は、時刻ｔの近傍で、

【数２９】と展開されたことになる。

【００３４】微分可能関数Ｅ(ｘ)を、

【数３０】で表わされる指数関数とした場合、数２３より、Ｈ
_m(ｘ)はｍ次のＨermite多項式となる。また、数２９よ
り、時系列データｆ(ｔ)は、時刻ｔの近傍で多項式に展
開されたことになる。この時の展開フィルターＷ_m(ｘ)
は、数２８に数２５および数２８を代入することによ
り、

【数３１】となることから、

【数３２】と表わされる。数３２で表わされる特徴抽出フィルター
による多項式展開の結果を用いて、時刻ｔにおける時系
列データの復原値ｆ_e(ｔ)を求める。数２９にｘ=０を代
入してｆ_e(ｔ)は、

【数３３】と求められる。

【００３５】数３３による展開係数の２次の項ａ₂(ｔ)
は、時刻ｔ近傍における時系列データの凹凸の状態を
示している。従って、時系列データｆ(ｔ)に対して、数
３１に従い、２次の多項式の展開係数ａ₂(ｔ)を求め、
極値を持つ時刻を抽出することにより、時系列データ
の勾配が変化する時刻を得ることができる。次に、類似
度および尺度の求め方について述べる。記号化辞書ファ
イル２４６に記憶されている一つの記号パターンのベク
トル系列をＵ_i(ｉ=１,２,・・・,ｍ)、計測データのベクト
ル系列をＶ_i(ｉ=１,２,・・・,ｍ)とする。記号パターンの
ベクトル系列をＫ倍したとき、両ベクトル系列の間の２
乗誤差Ｅは、

【数３４】と表わされる。まず、２乗誤差Ｅを最小とする尺度Ｋを
求める。数３４を展開すると、

【数３５】となる。ここに、(,)はベクトルの内積を示す。数３５
はＫに関する２次の係数が正の２次式であるから、２乗
誤差Ｅの最小値を与える尺度Ｋは、

【数３６】より、

【数３７】と与えられる。

【００３６】その時の２乗誤差Ｅは、数３７を数３５に
代入して、

【数３８】で与えられる。数３８における２乗誤差Ｅを、時系列パ
ターンのベクトル系列に関して正規化すると、

【数３９】となる。従って、尺度Ｋにより正規化された２乗誤差Ｅ
による対応度合の評価指標を、数３９の第２項の平方根
を用いた類似度Ｓで定義する。

【数４０】数３９では、数３７による尺度Ｋが正の場合でも負の場
合でも、２乗誤差Ｅは同じとなる。しかし、時系列デー
タを照合する場合、反転して一致する場合は類似度は小
さくならなければならない。数４０は、数３９の右辺第
２項の平方根を考えることにより、適正な類似度を得ら
れるものとなっている。数３９で表わされる類似度Ｓ
は、-１.０≦Ｓ≦１.０を満足し、通常の相関係数とよ
く似た式の形をしており、ベクトル系列間の相関係数と
考えることができる。

【００３７】以上、計測データのベクトル系列と記号パ
ターンのベクトル系列が一対一に対応すると仮定して類
似度Ｓおよび尺度Ｋの式を求めた。一般には、記号パタ
ーンのベクトル系列と計測データのベクトル系列との間
で、一つのベクトルと複数のベクトルとが対応する場合
が生ずる。この場合は、数４０および数３７に示した類
似度Ｓおよび尺度Ｋを、

【数４１】

【数４２】と変形して用いる。ここで、記号パターンのベクトルＵ
_iと対応する計測パターンのベクトル系列をＶ_ij(ｊ=
１,２,・・・,ｎ_i)としている。

【００３８】

【発明の効果】以上、詳細に説明した如く、本発明によ
れば、複雑な変化をするプロセスの状態量を、運転員や
専門家が用いる言葉(記号)に変換し、このプロセス状態
の変化パターンを表現する記号を用いてプロセスの診断
知識を表現し、プロセスデータ間の記号の関連および記
号の時間的な変化を用いたプロセスの状態診断を可能と
する時系列データの処理システムを実現できるという顕
著な効果を奏するものである。より詳細には、プラント
の安定操業や品質の向上あるいは情報処理機器の信頼性
向上による顧客サービスの向上に飛躍的な改善をもたら
すものである。 (１)プロセス状態の診断において、プロセスから得られ
る計測データの変化を記号に変換することにより、プロ
セスデータのパターン的な変化を状態識別のための有力
な情報として、利用することができる。 (２)プロセスから得られる計測データを記号に変換する
ことにより、複数のデータ間の因果関係を記号の現われ
る時間の順序として扱うことが可能となり、従来の手法
によるプロセスモデル構築のネックとなっていた変数間
の干渉の扱いや、多変数モデルにおける数値的な演算の
限界を克服したプロセスの状態診断ができる。

【００３９】(３)複雑なプロセスの挙動を診断する基準
を、個々の計測データを記号に変換する処理と、複数の
計測データに対する記号の時間変化からプロセスの小さ
な単位での事象を把握する処理と、事象の組合せとして
プロセス全体の状態を把握する処理とを階層的に行うこ
とにより、プロセスの状態を診断するための知識の構築
を容易に行うことができる。 (４)プロセスの状態を、プロセスを構成する単位におけ
る事象の組合せの変化として捉えることにより、監視対
象となる事象を、現在のプロセス状態を表わしている事
象の次に現われる可能性のある事象に限定することがで
き、高速な処理を行うことができる(計算に必要な計算
機負荷を小さくできる)。 (５)従来は熟練者にしか可能でなかった、プロセス状態
の診断システムが、手軽にしかも非熟練者でも構築する
ことが可能となり、プラントやプロセスを維持するため
の人手を大幅に減らすことができる。 (６)過去のプロセス状態のデータを利用することによ
り、知識を時間とともに増加させることができ、保守員
が実績と経験を積むように次第に賢く成る機能を持たせ
ることができる。

【００４０】(７)熟練運転員の持つ知識やノウハウ、あ
るいはプロセスの構造から定まる変数間の因果関係等を
利用した制御モデルの構築が可能になり、熟練者の表現
力を越えた知識と経験則を、もれなく、しかも整合性を
保った形で抽出・利用できる。 (８)時々刻々と変化する交通量を計測し、交通流を制御
する交通流制御システムにおいて、「急に交通量が増加
したならば」等のように、交通量の変化度合を記号的な
表現に変換して推論に用いることが可能となり、柔軟な
交通信号の制御を行うことができ、渋滞の大幅な緩和を
行う交通流制御システムを実現できる。 (９)人口や年令構成，住宅の数等の時系列的な各種統計
データを基に、各統計データの変化状態を用いて自治体
等の行政における方針の決定を支援するシステムが可能
となり、住民等へのサービスの質を向上させることがで
きる。 (10)気温・降雨量等の時系列データの変化度合を用い
て、商品の売上げを予測することが可能になり、食品工
場や小売店舗において、確度の高い意思決定を支援する
システムを提供できる。

【００４１】

【図面の簡単な説明】

【図１】本発明の一実施例に係るプロセス状態診断装置
の構成を示す図である。

【図２】記号化部１１０を詳細に説明する図である。

【図３】特徴抽出機能２１０における処理の流れを説明
する図である。

【図４】特徴抽出フィルタの例を示す図である。

【図５】折れ線ベクトルによる近似の例を示す図であ
る。

【図６】多段階決定過程としての照合処理を説明する図
である。

【図７】各格子点への最適経路を探索する範囲を説明す
る図である。

【図８】照合機能２２０における処理の流れを説明する
図である。

【図９】記号変換部１２０の構成を説明するブロック図
である。

【図１０】本発明による一実施例を説明するプロセスの
構成図である。

【図１１】流量制御系のセンサ故障による状態量の変化
を説明する図である。

【図１２】配管の亀裂による状態量の変化を説明する図
である。

【図１３】記号ネットの構成を詳細に説明する図であ
る。

【図１４】計測データの変化事象を表現する記号ネット
の説明図である。

【図１５】計測データの変化事象を表現する記号ネット
の説明図である。

【図１６】計測データの変化事象を表現する記号ネット
の説明図である。

【図１７】流量制御系のセンサ故障時の記号変化を説明
する図である。

【図１８】配管亀裂時の記号変化を説明する図である。

【図１９】事象管理テーブルの構成を詳細に説明する図
である。

【図２０】特徴抽出フィルタの生成処理を説明する図で
ある。

【図２１】変換係数の決定方法を説明する図である。

【図２２】特徴抽出スレシホルドの決定方法を説明する
図である。

【図２３】特徴抽出スレシホルドの決定例を説明する図
である。

【図２４】記号化辞書の生成方法を説明する図である。

【図２５】記号ネット構築部における処理の流れを説明
する図である。

【図２６】推論知識構築部の構成を示す図である。

【符号の説明】

１００：プロセス計測データ入力装置、１１０：記号化
部、１１２：記号化処理部、１１４：パラメータ記憶
部、１１６：記号化対象記憶部、１２０：記号変換部、
１２２：事象管理部、１２４：記号ネットワーク記憶
部、１３０：推論部、１３２：事象記憶部、１３４：推
論処理部、１３６：知識記憶部、１４０：プロセス状態
表示装置、１５０：プロセスデータベース、１６０：構
築支援部、１６２：記号化パラメータ構築部、１６４：
記号ネットワーク構築部、１６６：推論知識構築部、１
６８：管理機構。

Claims

【特許請求の範囲】

【請求項１】プロセスから得られる時系列データを処
理して、前記プロセスの状態の診断を行うデータ処理シ
ステムであって、前記プロセスから得られる時系列デー
タ等のパターンデータの変化状態を記号的な表現に変換
する記号化手段と、該記号化手段から得られる記号的な
表現の時間的な変化および組合せを用いて前記プロセス
を構成するユニットの事象を把握する記号変換手段と、
該記号変換手段から得られる事象の組合せとして前記プ
ロセスの状態の診断を行う推論手段とを有することを特
徴とする時系列データの処理システム。
【請求項２】前記記号化手段における処理が、前記パ
ターンデータの各サンプリング時刻毎に該サンプリング
時刻を中心としたパターンの形状を多項式で近似するフ
ィルタリング処理と、前記多項式の２次の係数の大きい
サンプリング時刻を、前記パターンデータの変化した特
徴点として抽出する特徴抽出処理と、前記特徴点で前記
パターンデータを分割して折れ線として近似し、各折れ
線を表わすベクトルデータの系列として前記パターンデ
ータを表現する折れ線近似処理と、前記ベクトルデータ
の系列と、予め辞書として記憶されている各記号のパタ
ーンを表現するベクトルの系列とを照合する照合処理と
から成ることを特徴とする請求項１記載の時系列データ
の処理システム。
【請求項３】前記フィルタリング処理において用いら
れる特徴抽出フィルタが、ガウスの誤差関数の変化範囲
と分散を指定して、誤差関数の値を計算する処理と、ガ
ウスの誤差関数の微分により多項式を生成し、各次数の
多項式が直交するように各項の係数を設定する処理と、
各次数の多項式への展開式が正規化されるように各多項
式の係数を定める正規化処理とから成ることを特徴とす
る請求項２記載の時系列データの処理システム。
【請求項４】前記パターンデータの工学的な量を、計
算機の内部で扱う量に変換する変換係数の決定が、プロ
セスデータベースに格納されている過去のプロセスデー
タを表示装置に表示する処理と、記号として表現したい
変化パターンが最も記号のイメージと近くなるように、
ユーザの要求に応じて表示を変更する処理と、該表示に
用いた表示のための倍率を用いて前記変換係数を決定す
る処理とから成ることを特徴とする請求項２または３の
いずれかに記載の時系列データの処理システム。
【請求項５】前記特徴抽出処理において特徴点として
抽出するための、２次の係数に対する特徴抽出スレシホ
ルドの決定が、前記プロセスから得られるデータをフー
リエ変換等を用いてスペクトルに展開する処理と、該ス
ペクトルの分布から高周波成分を抽出し、逆フーリエ変
換等を用いて高周波成分を復原する処理と、該高周波成
分に対して多項式への展開を行い、２次の展開係数の変
化を求める処理と、該２次の展開係数の絶対値の最大値
を求めて特徴抽出スレシホルドとする処理とから成るこ
とを特徴とする請求項２記載の時系列データの処理シス
テム。
【請求項６】前記照合処理が、特徴抽出手段から得ら
れる折れ線ベクトルと辞書として記憶されている記号パ
ターンとの照合処理であり、該照合処理が、ベクトル系
列間の相関関係を評価関数とする、ベクトルの系列間の
多段階決定過程であることを特徴とする請求項２記載の
時系列データの処理システム。
【請求項７】前記照合処理で用いる辞書に記憶されて
いる記号のパターンの生成処理が、ユーザが表示装置
に、記号が表わすパターンを描画し、それを基準パター
ンとして一時記憶する処理と、プロセスデータベースに
格納されている過去のプロセスデータを折れ線ベクトル
に変換して表示装置に表示し、その中から前記記号で表
現したい区間をユーザが指定し、指定されたベクトル系
列を登録パターンとして記憶する処理と、前記基準パタ
ーンと登録パターンのすべてを照合処理し、ベクトル間
の対応関係を求める処理と、前記基準パターンの各ベク
トルと対応する登録パターンのベクトルの平均値を計算
して記号パターンとして記号化辞書ファイルに記憶する
処理と、前記記号化辞書ファイルに記憶された記号パタ
ーンと前記登録パターンの照合処理を行い、類似度と尺
度を計算し、それぞれの最小値を類似度と尺度のスレシ
ホルドとして記憶する処理とから成ることを特徴とする
請求項２記載の時系列データの処理システム。
【請求項８】プロセスから得られる時系列データを処
理して、前記プロセスの状態の診断を行うデータ処理シ
ステムであって、前記プロセスから得られる時系列デー
タ等のパターンデータの変化状態を記号的な表現に変換
する記号化手段と、該記号化手段から得られる記号的な
表現の時間的な変化および組合せを用いて前記プロセス
を構成するユニットの事象を把握する記号変換手段とを
有し、該記号変換手段が、時系列データのパターン変化
を記号表現し、記号を接続したネットワークとして記号
の時間的な変化を表現する記号ネットを記憶しておく記
号ネット記憶手段と、記号の変化に応じて記号ネットワ
ークの状態を事象管理テーブルを用いて管理する事象管
理手段とを有することを特徴とする時系列データの処理
システム。
【請求項９】前記記号変換手段が、監視対象となるプ
ロセスの複雑度に応じて、適当な段数の複数個の直列的
に接続された事象管理手段を有することを特徴とする請
求項８記載の時系列データの処理システム。