JPH08221113A

JPH08221113A - 時系列データ記憶装置およびプロセス異常診断装置

Info

Publication number: JPH08221113A
Application number: JP5173695A
Authority: JP
Inventors: Mutsumi Shimoda; 睦下田; Akira Maeda; 章前田; Masaaki Nakajima; 正明中島
Original assignee: Hitachi Ltd
Current assignee: Hitachi Ltd
Priority date: 1995-02-16
Filing date: 1995-02-16
Publication date: 1996-08-30

Abstract

(57)【要約】【目的】時系列データを用いて、時間と共に変動するデ
ータの形状と、その出現時刻との関係を取扱い、異常診
断、および事例検索・分類をすることの出来るプロセス
異常診断装置およびそのような装置に用いる時系列デー
タ記憶装置を提供することを目的とする。【構成】プロセス異常診断装置１では、特定の事象発生
時のデータと、時系列データ特徴パターン作成部１０２
において作られた時系列データの典型的な変化パターン
とを照合し、時系列データ特徴パターン照合結果テーブ
ル作成部１０５で時系列データ特徴パターン照合結果テ
ーブル１１４を作成する。このテーブルは、時系列デー
タに対する属性として時系列データ特徴パターンを、そ
の属性値として時系列データ特徴パターンの出現時刻を
記憶する。このような記憶方法を採る時系列データ記憶
装置１１７に、CBRやMBRやRI等の技術や、リレーショナ
ルデータベースの技術を用いる。【効果】時系列データを高度に取り扱った異常診断装置
や、事例検索・分類装置が構築できる。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は、各種プラントのプロセ
スや社会システム、自然現象から得られる時系列データ
をもとにプラントや社会システム、自然現象の状態を診
断・予測・監視するシステムに用いる時系列データ記憶
装置およびプロセス異常診断装置に関し、特に、蓄積さ
れた過去の時系列データを用いたプラントの異常を診断
・監視・予測するシステムに関する。

【０００２】

【従来の技術】LANなどの通信手段の発達にともない、
製鉄における圧延プラントやセメントキルンなどの化学
プラントなどでは、大量のプロセス情報を得ることが出
来るようになって来た。また、中央処理装置の演算処理
能力も向上し続けている。これらを背景に近年では、大
量のプロセス情報を詳しく捉え、高速に検索するため
に、時系列データ記号化といった技術が開発されてい
る。また、大量の記憶容量および高速な演算処理によっ
て始めて実用になるCBR（Case Based Reasoning）・MBR
（MemoryBased Reasoning）・ RI（Rule Induction）と
いった技術の制御システムへの応用が検討されはじめて
いる。さらに、多数開発されているリレーショナル・デ
ータベースのアプリケーションを用いて、大量のプロセ
ス情報を蓄積・管理する技術の必要性が高まっている。

【０００３】時系列データ記号化技術は、時系列データ
のパターンとそのパターン名を予め登録しておき、入力
した時系列データとそのパターンとの照合結果を用いる
ものである。時系列データの検索・照合は照合済みのパ
ターン名を用いて行なわれる。

【０００４】時系列データのパターンとは、例えば、
「ステップ状に上昇」、「急激に上昇」、「急激に下
降」などのパターンである。これらのパターンには予め
記号で表わされたパターン名が付されている。例えば、
「ステップ状に上昇」がＡ、「急激に上昇」がＢ、「急
激に下降」がＣ、という具合である。入力した時系列デ
ータは、これらのパターンと比較され、パターン名の列
（記号列）に置き換えられる。例えば、入力した時系列
データが、始めの区間で急激に上昇し次の区間でステッ
プ状に上昇し次の区間で急激に下降するという変化を示
していた場合、この時系列データはＢＡＣというパター
ン名の列に置き換えられる。以下、このようにパターン
名によって、時系列データの検索・照合などの取扱いを
行なう。

【０００５】時系列データ記号化技術の利点は、時系列
データの検索・照合を照合済みのパターン名を用いて行
なうので、処理が高速であるということである。また、
データの値の大小のみを取り扱うだけでなく、値が時間
と共に変化するパターンをも取り扱うので、精度良くプ
ロセスの状態を捉えることが出来る。

【０００６】CBRやMBRは、入力データとそれに対する正
しい出力データとの組を教師データとして記憶する。ま
た、教師データの入力データ間の類似度をあらわす距離
定義を行う。入力が与えられると、教師データの中から
先の距離定義に基づいて類似例を選びだし（与えられた
入力データと教師データの入力データとの間の距離がよ
り短いものを選ぶ）、この類似例を用いて出力を導き出
す。このように、CBRやMBRは、複雑な入出力関係でも、
過去の事例の集まりによって直接的に表現することの出
来る技術である。

【０００７】CBRやMBRの利点は、過去の事例に基づいて
推論を行なうので、ファジィ推論などを用いたシステム
に必要な人による知識獲得作業が不要となることであ
る。また、ニューラルネットワークを用いたシステムに
必要な事前の学習処理も不要となる。この特徴はシステ
ムの構築を容易にするものである。

【０００８】RIは、入力データとそれに対する正しい出
力データとの組を教師データとして記憶する。そして、
入力データを分類する複数の項目とそれに対する値との
関係を見つけ出し、ルールとする。このように、RIは、
過去の事例の集まりからルールを導出することの出来る
技術である。

【０００９】RIの利点は、推論に必要なデータの部分の
みに着目するルールを導出するので、複雑な事象の入り
交じったデータのどの部分に着目するべきか、どの部分
がドントケア（Don't care）であるかが明確になること
である。

【００１０】CBR、MBR、およびRIに共通の利点として、
事例を集めれば集めるほど処理結果の精度が良くなる。
また、一般に処理結果は処理時間と共に精度が増してい
く過程を経るので、結果を必要とする時点で、処理時間
に応じた精度で結果を得る事が出来、リアルタイム・シ
ステムに向いていることなどがある。さらに、CBRやMBR
やRIの結果は、過去の事例と対応づけられて説明出来る
ことや、並列計算に向いていることの利点が挙げられ
る。

【００１１】リレーショナル・データベースでは、いく
つかのレコードの集合（ファイル）を取り扱い、レコー
ドはいくつかのフィールドを持ち、フィールドには値が
入る。リレーショナル・データベースは、表形式で表現
できるデータを用いるデータベースの技術である。

【００１２】リレーショナル・データベースの利点とし
て、表形式というデータの汎用的な表現方法を用いるた
め、データが長年にわたって陳腐化せず、多目的に用い
ることができるという利点がある。現在、多くのリレー
ショナル・データベース・システムが存在し、共通のフ
ァイル形式でデータを格納でき、共通の問い合わせ言語
も存在する。そのため、リレーショナル・データベース
の取り扱うデータ形式にデータを整えれば、新たなデー
タベース・システムの開発をしなくて良い。

【００１３】上述したように各技術にはそれぞれの利点
があるので、これらの利点を活かし、複雑なシステムか
らなるプラントのプロセス状態の推定やプロセスの状態
の知識の獲得、プロセス情報の管理などに上記各技術を
適用することが期待されている。

【００１４】一方、時系列データからプロセス状態の知
識を表すルールを導出する技術として、特開平5-322711
号に開示された技術がある。この技術では、入出力関係
のルールを導出するためにRIの技術であるID3などのア
ルゴリズムを用いる。また、時系列データを取り扱うた
めに、ID3などのルール導出処理を行なう演算部に入力
されるデータを、区間を代表する離散値としている。

【００１５】

【発明が解決しようとする課題】各種プロセスデータな
どを格納しておく格納方法としては、一般に、属性とし
て時刻と時系列データの種類を格納し属性値としてそれ
ぞれ（時刻と時系列データ）の値を格納する方法や、属
性として時刻を格納し属性値として時系列データの値を
格納する方法が考えられる。また、時系列データの値に
代わって時系列データのパターンを格納することも考え
られる。

【００１６】例えば、プラントから取得したプロセスデ
ータを蓄積し、異常の診断・監視・予知などをする場
合、取り扱う時系列データは大量であるため、上記の方
法でデータを格納しても、膨大な記憶容量が必要にな
る。そこで、時系列データを圧縮する方法が考えられる
が、圧縮すると、時系列データの検索に時間がかかり過
ぎてしまう（検索時に圧縮データを復元するため）。高
速な時系列データの検索とデータ量の圧縮を同時に実現
しなければ、蓄積した大量の時系列データを有効に活用
することは出来ない。

【００１７】CBRやMBRやRIやリレーショナル・データベ
ースに用いられるデータは、一般には、複数の属性とそ
れに対する属性値を持つ。CBRやMBRでは、厳密に処理を
行なおうとすると、用いるデータの属性の数、属性値の
採り得る値の数、および取り扱う事例の数が多くなるの
に比例して処理時間が増える。RIでは、属性と属性値と
の組み合わせで分類する処理を行なう。そのためRIで
は、厳密に処理を行なおうとすると、取り扱う事例の
数、用いるデータの属性の数の階乗、および属性値の採
り得る値の数の階乗に比例して処理時間が増えてしま
う。また、リレーショナル・データベースでは、検索・
分類を行なう際、取り扱う事例の数が多くなるのに比例
して処理時間が増える。

【００１８】一方、プロセスから得られる時系列データ
は、現在、膨大な量となっている。時系列データは、本
来、連続する時間軸上に連続した値を持つために、なる
べく忠実に記憶しようとすると属性数と取り得る属性値
の数が多くなってしまい、上述したように、CBR、MBR、
RI、およびリレーショナル・データベースの技術を用い
ることが出来なくなる。

【００１９】そこで、上記特開平5-322711号の技術で
は、定性シミュレータの出力を用いることで、プロセス
から得られる多くの事例を取り扱うことを避けている。
すなわち、プロセスから得られる多くの事例の代わり
に、定性シミュレータによって理想的な出力値を出力す
るようにしている。また、連続した時間と値の離散化を
行なう。さらに、推論速度やルール作成速度を実用的な
速さにするために、連続する値域の分割幅を大きくす
る。しかしそれでは、推論精度やルールの精度が充分に
得られない。

【００２０】また、単に離散化された時間と値を用いて
表現されたプロセス状態の診断ルールよりも、連続した
形状のパターンとその時間を用いて表現されたプロセス
状態の診断ルールのほうが、的確で精度が良く、分かり
やすい。しかし、時間と値を離散化した時系列データに
RIの技術を用いても、連続した形状のパターンと、その
パターンが出現した時刻を取り扱ったルールを導出する
ことは出来ない。また、リレーショナル・データベース
に単に離散化された時間と値を格納しても、時系列デー
タの意味のある特徴的な連続的パターンと、そのパター
ンが出現した時刻に対する問い合わせは出来ない。

【００２１】以上の理由から、実際のプロセスからの大
量の時系列データをもとに上記CBRやMBRやRIやリレーシ
ョナル・データベースの技術を用いてプロセスの診断・
監視・予測・検索などを行なう従来技術はないといえ
る。また、RIやリレーショナル・データベースの技術
で、時系列データの時間と共に変動する連続的なパター
ンと、その時間的な関係を取り扱った従来技術もない。

【００２２】ところで、プロセスから得られるデータ
は、時系列データだけでなく、時系列データ以外のデー
タも存在する。鉄鋼圧延プラントの母材ごとのプロセス
データを例にとると、圧延時のプラント各部の張力など
の時系列データの他に、変形抵抗や摩擦係数などの時系
列データ以外のデータがある。すなわち、母材ごとに、
項目とスカラ値が一対一に対応している形式のデータが
付加される場合である。CBRやMBRやRIの技術を、時系列
データとその時系列データ以外のデータに対して同時に
用いることが出来れば、従来のようにデータの値に着目
することに加え、時系列データの意味のある特徴的な連
続的パターンの両方に着目することが可能となり、プロ
セス状態のより精度の良い推論結果と診断ルールを得る
ことが出来ると考えられる。しかし従来技術では、時系
列データおよび時系列データ以外のデータに対して同時
にCBRやMBRやRIの技術を適用することは為されていな
い。

【００２３】また、リレーショナル・データベースの技
術を、時系列データだけでなく、時系列データ以外のデ
ータに対して同時に用いることが出来れば、従来のデー
タの値に対する問い合わせと、時系列データの意味のあ
る特徴的な連続的パターンに対する問い合わせの両方が
可能となり、蓄積した時系列データを有効に活用するこ
とができる。しかし、従来技術では、そのような適用は
為されていない。

【００２４】本発明の第１の目的は、プラントなどから
取得した大量の時系列データを蓄積し、異常の診断・監
視・予知などに利用する際、高速な時系列データの検索
とデータ量の圧縮を同時に実現する時系列データ記憶装
置およびプロセス異常診断装置を提供することにある。

【００２５】本発明の第２の目的は、実際のプロセスか
らの大量な時系列データにCBRやMBRやRIやリレーショナ
ル・データベースの技術を適用する異常診断システムに
おいて、時系列データの特徴を失わずにデータ量を低減
し、かつ、高速な推論時間や高速なルール導出処理時間
を実現するとともに、高精度な推論結果とプロセス状態
の診断ルール、および時系列データに関する分かりやす
いルールを得ることができ、時系列データの連続的な形
状を用いた問い合わせも可能とすることにある。

【００２６】本発明の第３の目的は、実際のプロセスで
の各事例中の時系列データと、各事例に付加された項目
とそれに対する値という形式のデータとを混在させ、CB
RやMBRやRIの技術を適用し、より高精度に推論結果とプ
ロセス状態の診断ルールを求めることの出来る異常診断
システムを提供することにある。

【００２７】本発明の第４の目的は、実際のプロセスで
の各事例中の時系列データと、各事例に付加された項目
とそれに対する値という形式のデータとを混在させ、リ
レーショナル・データベースの技術を適用し、項目の値
を用いた問い合わせと時系列データの連続的な形状を用
いた問い合わせとを混在することを可能とするデータベ
ース・システムを提供することにある。

【００２８】

【課題を解決するための手段】本発明の第１の目的は、
プロセスから得られる各種の時系列データを記憶する時
系列データ記憶装置において、プロセスからの所定の時
間分割幅で時間的に離散化された時系列データと照合す
るための時系列データ特徴パターンであって、上記時間
分割幅よりも広い時間にわたる時系列データの形状を表
す時系列データ特徴パターンを格納した時系列データ特
徴パターン格納手段と、プロセスからの時系列データ
を、上記時系列データ特徴パターン格納手段に格納され
た時系列データ特徴パターンと照合し、照合結果として
上記プロセスからの時系列データ中に出現した時系列デ
ータ特徴パターンおよびその出現時刻を出力する時系列
データ特徴パターン照合手段と、上記時系列データ特徴
パターン照合手段の照合結果を入力し、その照合結果に
含まれている時系列データ特徴パターンを属性とし、そ
の時系列データ特徴パターンの出現時刻を属性値とし
た、時系列データ特徴パターン照合結果テーブルを作成
する時系列データ特徴パターン照合結果テーブル作成手
段と、上記時系列データ特徴パターン照合結果テーブル
作成手段で作成された時系列データ特徴パターン照合結
果テーブルを記憶する時系列データ特徴パターン照合結
果テーブル格納手段とを備えることにより達成される。

【００２９】プロセスからの時系列データは、例えば、
特定の事象が発生すると自動的に事象発生時前後の時系
列データを抽出し、さらに事象が発生しない場合の時系
列データも自動的に部分的に抽出する事例抽出手段で抽
出するとよい。

【００３０】本発明の第２の目的は、上記時系列データ
記憶装置に加えて、時系列データ特徴パターン照合結果
テーブルに基づいてCBRやMBRの技術を用いて異常の診断
を行う推論実行部や、時系列データ特徴パターン照合結
果テーブルに基づいてRIの技術を用いて異常を診断する
ルールを求めるルール導出実行部、およびルール導出実
行部により導出された異常診断ルールと時系列データ特
徴パターン照合部の照合結果をもとに異常の診断を行う
導出ルール実行部を設けることにより達成される。ま
た、上記時系列データ特徴パターン照合結果テーブル
に、リレーショナルデータベースの技術を用いた検索分
類実行手段を設ける事により達成される。

【００３１】本発明の第３の目的は、上記時系列データ
特徴パターン照合結果テーブル作成手段において、正例
反例事例に付加されている、一つまたは複数の項目とス
カラ値が一対一に対応している形式のデータの、項目を
属性に、値を属性値として、時系列データと共に、上記
時系列データ特徴パターン照合結果テーブルに記憶する
ことで達成される。

【００３２】本発明の第４の目的は、上記時系列データ
特徴パターン照合結果テーブルに、リレーショナルデー
タベースの技術を用いて正例反例事例の検索・分類を行
なう検索分類実行手段を設ける事により達成される。

【００３３】

【作用】本発明における時系列データ記憶装置およびプ
ロセス異常診断装置において、上記事例抽出手段は、プ
ロセスにおいて特定事象の発生時と発生していない時の
時系列データの一定時間分を自動的に抽出する。これに
より、本発明におけるプロセス異常診断装置が取り扱う
データ量を減少することが出来る。さらに、CBRやMBRや
RIの技術を用いて異常の診断を行う際に、正例と反例を
与えることも出来る。

【００３４】時系列データ特徴パターン格納手段によ
り、プロセスからの時系列データと照合したい特徴的な
時系列データパターンを記憶できる。

【００３５】時系列データ特徴パターン照合実行手段
は、時系列データ特徴パターンと事例との照合結果を得
る。この結果をもとに本発明におけるプロセス異常診断
装置は処理を行なうので、プロセス異常診断装置が取り
扱うデータ量を、さらに減少することが出来る。

【００３６】時系列データ特徴パターン照合結果テーブ
ル格納手段は、大量に発生するプロセスからの時系列デ
ータに対して、時系列データ特徴パターンを属性とし出
現時刻を属性値として持つ形式をとるので、時系列デー
タの値が時間と共に変動する連続的な形状とその時間的
な関係を記憶しているにもかかわらず、少ないデータ量
とすることが出来る。すなわち、異常に関する時系列デ
ータの特徴を失うことなく、事例を大量に記憶出来る。

【００３７】時系列データ特徴パターン格納手段と、時
系列データ特徴パターン照合手段と、時系列データ特徴
パターン照合結果テーブル作成手段と、時系列データ特
徴パターン照合結果テーブル格納手段とから成る時系列
データ記憶装置は、大量の時系列データを蓄積しても、
高速な時系列データの検索とデータの圧縮を同時に実現
できる。

【００３８】推論実行手段とルール導出実行手段は、上
記時系列データ特徴パターン照合結果テーブルを用いる
ことにより、少ないデータ量をもとに処理を行なう。よ
って、事例の集合を分類するための属性と属性値の組合
せの数を少なくすることが可能となり、高速な推論とル
ール導出処理を実現できる。

【００３９】ルール導出実行手段は、上記時系列データ
特徴パターン照合結果テーブルを用いることにより、単
に、時系列データの離散化された時間とその時の値とを
用いるのではなく、連続した形状のパターンとその出現
時間を用いて、プロセス状態を推論したり、プロセス状
態の診断ルールを導出することにより、高精度な推論結
果とルールを得ることが出来る。

【００４０】ルール導出実行手段は、上記時系列データ
特徴パターン照合結果テーブルを用いることにより、単
に離散化された時間とその時の値を用いて表現されたル
ールを導出するだけでなく、連続した形状のパターンと
その出現時間を用いて表現された、分かりやすいルール
の導出が可能となる。また、導出されたルールでの診断
において、複雑な原因により変動する時系列データの、
いつどのような特徴的形状に着目すべきか、無視できる
ドントケア（Don't Care）な時刻はいつかを、明確にす
ることが出来る。これにより、時系列データのプロセス
状態の推論の際に必要な、時系列データの形状と時刻の
確認を、最小限にすることができる。

【００４１】時系列データ特徴パターン照合結果テーブ
ル作成手段は、一つまたは複数の項目とそれに対する値
という形式のデータについても、項目を属性に、値を属
性値として、時系列データ特徴パターン照合結果テーブ
ルに記憶する。これにより、事例の時系列データと、事
例に付加された項目とそれに対する値という形式を持つ
データとを混在させることが出来る。

【００４２】推論実行手段とルール導出実行手段は、上
記時系列データ特徴パターン照合結果テーブル作成手段
により作成された時系列データ特徴パターン照合結果テ
ーブルに、CBR やMBRやRIの技術を適用する。これによ
り、時系列データと、一つまたは複数の項目とスカラ値
が一対一に対応しているデータとを用いた、高精度な推
論結果とプロセス状態の診断ルールを求めることが出来
る。

【００４３】検索分類実行手段は、上記時系列データ特
徴パターン照合結果テーブル作成手段により作成された
時系列データ特徴パターン照合結果テーブルに、リレー
ショナルデータベースの技術を用いる。これにより、デ
ータベース上で、プロセス情報の時系列データの連続し
た形状のパターンを用いた問い合わせを行なうことも可
能になる。

【００４４】

【実施例】以下、図面を用いて本発明の一実施例を詳細
に説明する。

【００４５】図１を用いて、本発明をプラントに適用し
たプロセス異常診断システムの構成を説明する。

【００４６】時系列データの記憶方法は、最も汎用的な
ものに、属性として時刻と時系列データの種類を記憶
し、属性値としてそれらの値を記憶する方法がある。こ
の形式だと時刻がどのような値をとろうが記憶できる。
また、あらかじめ時刻と時系列データの種類が特定され
ている場合は、属性として時刻を記憶し、属性値として
時系列データの値を記憶する方法がある。この方法だ
と、属性として時刻と時系列データの種類を記憶し属性
値としてそれらの値を記憶する方法よりも、少ない記憶
量で時系列データを記憶することが出来る。さらに、少
ない記憶量で時系列データを記憶するためにデータを圧
縮して記憶することが考えられる。時系列データを記憶
した後、高速に検索するためには、圧縮したデータを復
元するのでは時間・コストがかかるので、あらかじめ登
録したパターンを用いてデータを圧縮・検索するのが有
効である。すなわち、属性として時刻を記憶し、属性値
として時系列データのパターンを記憶するのである。し
かし、この方法を用いても特定の時系列データのパター
ンがあるか否かを検索するには、すべての属性の属性値
を調べなくてはならないという問題がある。

【００４７】本発明では、少ない記憶容量での記憶と高
速な検索の両方を実現する時系列データ記憶方法とし
て、属性として時系列データの特徴パターンを記憶し、
属性値として時刻を記憶する形式を用いる。具体的に、
図１のシステムでは、時系列データ記憶部１１７は、属
性として時系列データ特徴パターン１１３を記憶し、属
性値として時刻を記憶するようになっている。この形式
で時系列データを記憶すれば、時系列データの検索は、
特定の属性の属性値を調べるだけでよいので、高速であ
り、しかも少ない記憶容量で時系列データを記憶でき
る。

【００４８】以下、図１のシステムの各部について詳し
く説明する。図１のプロセス異常診断システム１は、事
例抽出部１０１、時系列データ特徴パターン作成部１０
２、時系列データ表示処理部１１６、時系列データ記憶
部１１７、推論実行部１０７、ルール導出実行部１０
８、プロセス異常診断ルール格の産１０９、導出ルール
実行部１１０、および検索分類実行部１１１から成る。

【００４９】時系列データ記憶部１１７は、時系列デー
タ特徴パターン格納部１０３、時系列データ特徴パター
ン照合実行部１０４、時系列データ特徴パターン照合結
果テーブル作成部１０５、および時系列データ特徴パタ
ーン照合結果テーブル格納部１０６から成る。

【００５０】事例抽出部１０１は、プラント１００から
時々刻々と得られる制御データとセンサからの計測デー
タを収集し、特定の事象が発生した際に該事象発生前後
の一定時間の時系列データを自動的に選択し、一つの事
例とする。これにより、本実施例におけるプロセス異常
診断システムの取り扱うデータ量が減少する。また、事
例抽出部１０１は、特定事象が発生しない場合の時系列
データも自動的に部分的に抽出する。

【００５１】これらの事例は、１つまたは複数の時系列
データを含む。また、時系列データに限らず、事例それ
ぞれに１つまたは複数の項目とそれに一対一対応するス
カラーな値をもつデータを含んでも良い。すなわち、一
事例中に時系列データと共に異常検出結果などを含むこ
とも出来る。

【００５２】鉄鋼の圧延プラントを例にとり説明する。
鉄鋼の圧延プラントでは、特定の事象として溶接点通過
という事象がある。ロール状に巻かれた鉄鋼（コイルと
呼ぶ）である母材を引き出しながら圧延していく際、そ
のコイルの終端部に次のコイルの先端部を溶接して引続
き圧延を継続していくようにしているが、その溶接しげ
た部分を溶接点と呼ぶ。溶接点通過とは、その溶接点が
圧延プラントの所定の位置を通過したということであ
る。溶接点通過が発生したとき、得られる時系列データ
としてプラント各部分での圧延母材の板厚データ・張力
データが複数含まれる。また、複数の項目とそれに一対
一対応するスカラーな値をもつデータとして、圧延母材
の板破断異常検出結果や、圧延母材ごとの板厚（静的な
板厚）を、それぞれの事例に加えることもできる。

【００５３】時系列データ特徴パターン作成部１０２
は、解析者１１２の指示により、プラント１００から送
られてくる時系列データの典型的なパターンを作成し、
時系列データ特徴パターン１１３として時系列データ特
徴パターン格納部１０３に格納する。また、時系列デー
タ特徴パターン作成部１０２は、時系列データ特徴パタ
ーン１１３を作成する際、時系列データ表示処理部１１
６により事例抽出部１０１からの事例を解析者１１２に
提示する。これにより、解析者１１２がプロセスからの
時系列データの変動の代表的なパターンを作成するのを
支援する事が出来る。

【００５４】なお、時系列データ表示処理部１１６を用
いた時系列データ特徴パターン作成部１０２における時
系列データ特徴パターン１１３の作成では、事例抽出部
１０１からの時系列データをグラフ表示し、解析者１１
２が時系列データの表示画面上の位置で指定したパター
ンを時系列データ特徴パターン１１３とするようにして
もよい。事例抽出部１０１からの時系列データは、所定
の時間分割幅（例えば、プラントにおける計測のサンプ
リング幅）で時間的に離散化されているデータである
が、その時間分割幅よりも広い時間にわたる時系列デー
タを時系列データ表示処理部１１６を用いて表示する。
そして、解析者１１２が表示画面上で特徴的なパターン
を指定し、それを時系列データ特徴パターン１１３とす
る。

【００５５】時系列データ特徴パターン照合実行部１０
４は、事例抽出部１０１からの事例と時系列データ特徴
パターン１１３との照合を行う。また、時系列データ特
徴パターン照合実行部１０４において、プラント１００
からリアルタイムに送られてくる時系列データと時系列
データ特徴パターン１１３とを直接照合することもでき
る。そして、それらの照合結果を時系列データ特徴パタ
ーン照合結果テーブル作成部１０５に送る。

【００５６】ここで、時系列データ特徴パターン１１３
は、時刻値の分割幅（プラントでの各種データを取り込
む際のサンプリングの時間分割幅）よりも広い区間にわ
たる時系列データの連続した変動のパターンである。こ
れにより元の時系列データの特徴を失うことなく、さら
にプロセス異常診断装置の取り扱うデータ量を減少させ
ることが出来る。

【００５７】時系列データ特徴パターン格納部１０３
は、種々の時系列データ特徴パターン１１３（例えば、
「急激に上昇」、「急激に下降」、および「ステップ状
に上昇」などのパターン）を格納した辞書のようなもの
である。時系列データ特徴パターン照合実行部１０４で
照合することにより、事例中の時系列データは、パター
ンの種類を表す記号を時刻に沿って並べたようなデータ
に置き換えられることになる。

【００５８】時系列データ特徴パターン照合結果テーブ
ル作成部１０５は、時系列データ特徴パターン照合実行
部１０４から、上記事例中に現れた時系列データ特徴パ
ターン１１３の種類とその時刻のデータを受け取る。ま
た、プラント１００からリアルタイムに送られてくる時
系列データ中に現れた時系列データ特徴パターン１１３
の種類とその時刻のデータも受け取り、時系列データ特
徴パターン照合結果テーブル１１４を作成する。

【００５９】この時系列データ特徴パターン照合結果テ
ーブル１１４は、それぞれのデータに対して、属性とし
て時系列データ特徴パターン１１３を、属性値として時
刻を持つ形式をとる。これにより、大量に発生するプロ
セスからの時系列データから、異常に関する時系列デー
タの特徴を失うことなく、事例を大量に記憶することが
可能となる。また、時系列データの時間と共に変動する
連続的な形状とその時間的な関係を記憶しているにもか
かわらず、少ないデータ量とすることが出来る。

【００６０】さらに、時系列データ特徴パターン照合結
果テーブル作成部１０５は、事例抽出部１０１で選択さ
れる上記事例それぞれに、１つまたは複数の項目とそれ
に一対一対応するスカラーな値をもつデータが含まれて
いた場合には、そのデータも受け取る。これは、プラン
ト１００からリアルタイムに送られてくるデータについ
ても同様である。このとき、項目を属性に、それと一対
一対応するスカラーな値を属性値にすることで、時系列
データに基づいて作成された時系列データ特徴パターン
照合結果テーブル１１４と同一の形式にする。これによ
り、時系列データと、それぞれの時系列データに対応し
て付加される項目とそのスカラ値が一対一に対応した形
式を持つデータとを、混在させることが出来る。

【００６１】時系列データ特徴パターン照合結果テーブ
ル作成部１０５により作成された時系列データ特徴パタ
ーン照合結果テーブル１１４は、時系列データ特徴パタ
ーン照合結果テーブル格納部１０６に格納される。

【００６２】推論実行部１０７、ルール導出実行部１０
８、および検索分類実行部１１１は、時系列データ特徴
パターン照合結果テーブル格納部１０６に格納された時
系列データ特徴パターン照合結果テーブル１１４に基づ
いて、それぞれ、CBRやMBR、RI、およびリレーショナル
データベースの技術を用いて処理を行う。例えば推論実
行部１０７は、現在のプロセスが特定の異常につながる
か否かを推論する処理を行なう。また、ルール導出実行
部１０８は、現在のプロセスが特定の事象につながるか
否かを推論するプロセス異常診断ルール１０９を作成す
る。検索分類実行部１１１は、時系列データの検索と分
類を高速に行う。ルール導出実行部１０８の処理結果で
あるプロセス異常診断ルール１０９は、導出ルール実行
部１１０によって実行され、診断結果を得ることができ
る。

【００６３】推論実行部１０７、ルール導出実行部１０
８、検索分類実行部１１１、および導出ルール実行部１
１０において時系列データ特徴パターン照合結果テーブ
ル１１４をもとにCBRやMBRやRIやリレーショナルデータ
ベースの技術を用いることにより、本プラント異常診断
システムは、時系列データの変動する連続的な形状とそ
れの出現時間の関係を取り扱えるようになる。これに加
えて、それぞれの時系列データに対応して付加される項
目とそのスカラ値が一対一に対応した形式を持つデータ
との関係も取り扱えるようになる。

【００６４】図２および図３を用いて、本実施例におけ
る時系列データ特徴パターン照合実行部１０４による照
合結果と、その照合結果をもとに時系列データ特徴パタ
ーン照合結果テーブル作成部１０５が作成する時系列デ
ータ特徴パターン照合結果テーブル１１４を説明する。

【００６５】図２は、時系列データ特徴パターン照合実
行部１０４による照合の様子を示している。２０１と２
０２は、プロセスから得られる時系列データを示す。い
ま、時刻ｔ0のときに特定の事象（例えば、何等かの異
常）が発生したとする。事例抽出部１０１は、この時刻
ｔ0における事象を検出し、この時刻ｔ0から前後一定時
間（ｔ3）の時系列データを選択して時系列データ特徴
パターン照合実行部１０４に渡す。ここでは、時刻ｔ0
より前側の２種類の時系列データ２０１，２０２のみを
図示している。

【００６６】時系列データ特徴パターン照合実行部１０
４は、選択された時系列データ２０１，２０２と、時系
列データ特徴パターン格納部１０３内の時系列データ特
徴パターン１１３とを照合する。図２の２０３，２０４
は、時系列データ特徴パターン１１３の例である。ここ
で、時系列データ特徴パターンが同一のものでも、照合
する時系列データの種類が異なれば、別のものとして取
り扱う。これにより、時系列データ特徴パターン照合結
果テーブル１１４において、複数の時系列データを一つ
の事例の中に持つことが出来る。

【００６７】図２において、時系列データ２０１では、
時刻ｔ0から時間ｔ1だけ前の時点にパターン２０３が出
現し、時刻ｔ0から時間ｔ2だけ前の時点に同じパターン
２０３が出現している。時系列データ２０２では、時刻
ｔ0から時間ｔ2だけ前の時点にパターン２０４が出現し
ている。結果として、時系列データ特徴パターン照合実
行部１０４から時系列データ特徴パターン照合結果テー
ブル作成部１０５に、時系列データ特徴パターン２０３
と時間ｔ1、時系列データ特徴パターン２０３と時間ｔ
2、時系列データ特徴パターン２０４と時間ｔ2というデ
ータが送られることになる。

【００６８】時系列データ特徴パターン照合結果テーブ
ル作成部１０５においては、まず、時系列データ２０１
上に出現した時系列データ特徴パターン２０３に属性Ａ
を割り当て、時系列データ２０２上に出現した時系列デ
ータ特徴パターン２０４に属性Ｂを割り当てる。さら
に、一定時間ｔ3の時系列データ中には時系列データ特
徴パターンが複数回出現することを考慮して、属性Ａに
ついてはＡ[1]からＡ[m]までのｍ個の格納領域を持ち、
属性ＢについてはＢ[1]からＢ[n]までのｎ個の格納領域
を持つ時系列データ特徴パターン照合結果テーブル３０
１（図１の１１４）を作成する。そして、属性ごとに、
その属性が出現した順に添字の小さい方から、事象発生
時刻とその属性の出現時時刻との差を属性値として記憶
する。

【００６９】ここで、整数値ｍとｎは、一定時間ｔ3と
時系列データ特徴パターン２０３，２０４の時間幅Ｔ
a，Ｔbの値から次の数１の式（１）および（２）により
求められる。

【００７０】

【数１】

【００７１】要するに、一定時間ｔ3の時間区間を時間
幅Ｔaで区切ったときの区間の数がｍであり、一定時間
ｔ3の時間区間を時間幅Ｔbで区切ったときの区間の数が
ｎである。

【００７２】図２の例では、時系列データ２０１，２０
２と時系列データ特徴パターン２０３，２０４との照合
が、時刻ｔ0から時間ｔ1，ｔ2だけさかのぼった時刻で
成功している。したがって、時系列データ特徴パターン
照合実行部１０４から時系列データ特徴パターン照合結
果テーブル作成部１０５に、時系列データ特徴パターン
２０３と時間ｔ1、時系列データ特徴パターン２０３と
時間ｔ2、時系列データ特徴パターン２０４と時間ｔ2、
というデータが送られる。

【００７３】これを受けて、時系列データ特徴パターン
照合結果テーブル作成部１０５は、上述したように、時
系列データ特徴パターン２０３，２０４に属性Ａ，Ｂを
割り当て、属性ＡについてはＡ[1]からＡ[m]までのｍ個
の格納領域を持ち、属性ＢについてはＢ[1]からＢ[n]ま
でのｎ個の格納領域を持つ時系列データ特徴パターン照
合結果テーブル３０１（図１の１１４）を作成する。そ
して、属性Ａ[1]にｔ1、属性Ａ[2]にｔ2、属性Ａ[2]に
ｔ2を記憶する。図３は、そのように作成した時系列デ
ータ特徴パターン照合結果テーブル３０１を示す。

【００７４】図１で説明したように、本実施例のシステ
ムでは、この図３のような形式の時系列データ特徴パタ
ーン照合結果テーブル３０１（図１の１１４）を用い
て、推論実行部１０７による推論処理、ルール導出実行
部１０８によるプロセス異常診断ルール１０９の作成、
および検索分類実行部１１１による検索分類の処理を行
なう。図４は、上述したようにして作成された時系列デ
ータ特徴パターン照合結果テーブル３０１に、ルール導
出実行部１０８によりRIの技術を適用して導出されるル
ールの例を示す。

【００７５】時系列データ特徴パターン照合結果テーブ
ル３０１中の事例１（図３の３０２）と同様な属性と属
性値の対を持つ事例が多く存在するならば、時系列デー
タ２０１中の事象発生前の時刻ｔ0-ｔ1,ｔ0-ｔ2 以外に
も時系列データ特徴パターン２０３が出現した事例が多
少あっても、RIの技術を適用することで、図４（ａ）の
ようなルールが導出される。このルールは図４（ｂ）の
ように読み易くすることが可能である。

【００７６】以下、図１および図５〜図７を用いて、本
実施例を鉄鋼圧延プラントに適用した例を具体的に説明
する。

【００７７】図１において、事例抽出部１０１は鉄鋼圧
延プラント１００から得られるデータから、例えば溶接
点通過の時刻を捉えて、溶接点通過前後の１０秒間、プ
ラントからの圧延母材の板厚データおよび張力データを
抽出する。また、時系列データに付加する複数の項目と
それに一対一対応するスカラーな値をもつデータとし
て、圧延母材の破断の検出時刻と圧延母材ごとの平均板
厚も同一事例中のデータとして抽出する。

【００７８】図５の６０１は、溶接点通過の時刻ｔ0の
前後の５秒間のプラントからの圧延母材の板厚データを
示す。６０２は、溶接点通過の時刻ｔ0の前後の５秒間
のプラントからの圧延母材の張力データを示す。ここで
は、時刻ｔ0の前後の５秒間のみのデータを図示してい
る。

【００７９】時系列データ特徴パターン格納部１０３に
は、予め時系列データ特徴パターン１１３として、図５
に示すパターン形状６０３とそれに対するパターン名
「板厚が急激にステップ上昇」６０５、およびパターン
形状６０４とそれに対するパターン名「張力が急激にス
テップ上昇」６０６などを登録しておく。

【００８０】事例抽出部１０１で抽出された事例データ
は、時系列データ特徴パターン照合実行部１０４に送ら
れ、上記事例と時系列データ特徴パターン６０３，６０
４との照合を行う。そして、照合結果を時系列データ特
徴パターン照合結果テーブル作成部１０５に送る。ま
た、圧延母材の板破断の異常検出時刻と圧延母材ごとの
板厚も時系列データ特徴パターン照合結果テーブル作成
部１０５に送る。

【００８１】図５を用いて、時系列データ特徴パターン
照合実行部１０４の入出力を具体的に説明する。

【００８２】図５の例では、鉄鋼圧延プラント１００か
らの板厚データ６０１および張力データ６０２と時系列
データ特徴パターン６０３，６０４との照合が、時刻ｔ
0と同時刻において成功する。また、母材の破断は、時
刻ｔ0から0.5sec後に発生する。すると、時系列データ
特徴パターン照合実行部１０４から時系列データ特徴パ
ターン照合結果テーブル作成部１０５に、「板厚が急激
にステップ上昇」６０５というパターン名と時間０se
c、「張力が急激にステップ上昇」６０６というパター
ン名と時間０sec、および破断発生時刻と０.５sec、と
いうデータが送られる。

【００８３】図６を用いて、時系列データ特徴パターン
照合結果テーブル作成部１０５の入出力を具体的に説明
する。

【００８４】時系列データ特徴パターン照合結果テーブ
ル作成部１０５では、時系列データ特徴パターン６０３
に属性名「板厚ステップ上昇大」を、時系列データ特徴
パターン６０４に属性名「張力ステップ上昇大」を、そ
れぞれ割り当てる。そして、時系列データ特徴パターン
照合結果テーブル作成部１０５では、１０秒間の時系列
データ中に時系列データ特徴パターンが複数回出現する
ことを考慮して、「板厚ステップ上昇大[1]」７０１か
ら「板厚ステップ上昇大[m]」、および「張力ステップ
上昇大[1]」７０２から「張力ステップ上昇大[n]」まで
の属性をもつ時系列データ特徴パターン照合結果テーブ
ル７００を作成する。そして、出現した順に添字の小さ
い方から、溶接点通過の時刻と時系列データ特徴パター
ン出現時刻との差を属性値として記憶する。

【００８５】ここで、整数値mとnは、一定時間ｔ3がｔ3
＝１０、時系列データ特徴パターン６０３の時間幅Ｔa
がＴa＝１、時系列データ特徴パターン６０４の時間幅
ＴbがＴb＝１とすると、数１の式（１）および（２）か
ら、ｎ＝１０／１＝１０、ｍ＝１０／１＝１０となる。

【００８６】よって、時系列データ特徴パターン照合結
果テーブル作成部１０５では、属性：板厚ステップ上昇
大[1]７０１に０sec、属性：張力ステップ上昇大[1]７
０２に０sec、属性：破断発生時刻に０.５secを、それ
ぞれ記憶した時系列データ特徴パターン照合結果テーブ
ル７００を作成することになる。

【００８７】図６は、上記の処理を行ない作成した時系
列データ特徴パターン照合結果テーブル７００の例を示
す。上記の例は、「前コイル−後コイル」が「３２５１
−３２５２」の事例に関する例である。その他の事例に
ついても、同様にして時系列データ特徴パターン照合結
果テーブル７００に設定されていく。

【００８８】図７は、このようにして作成した時系列デ
ータ特徴パターン照合結果テーブル７００を用いて、RI
の技術を適用してルール導出実行部１０８により導出し
たルールを示す。このルールは、圧延プラントにおいて
母材の溶接点通過0.5sec前に破断が起こり易い条件を示
している。このルールを利用し、導出ルール実行部１１
０により破断を予知し有効に回避制御を行なうことが可
能である。

【００８９】以上、本実施例のプロセス異常診断システ
ムは、人による知識獲得作業が不要で、事前の学習作業
も不要となる。また、事例を集めれば集めるほど処理結
果の精度が向上し、時間と共に賢くなるシステムを作る
ことが出来る。また、導出されたプロセス異常診断ルー
ル１１５から、複雑な事象の入り交じった時系列データ
のどの時間のどういう形状に着目するべきか、どの部分
がドントケア（Don'tcare）であるかが明確になる。ま
た、結果の根拠を、過去の事例と対応づけて説明出来
る。

【００９０】さらに、結果を必要とする時点で処理時間
に応じた精度で結果を得る事が出来、リアルタイムなプ
ロセス異常診断装置のシステムを容易に構築できる。ま
た、CBRやMBRやRIの手法が並列計算に向いている特徴を
活かし、並列処理により処理を高速にすることが出来る
ようになる。

【００９１】

【発明の効果】本発明では、時系列データの特徴パター
ンを属性として、その出現時刻を属性値として記憶す
る。そのため、時系列データの時間と共に変動する連続
的な形状とその時間的な関係を記憶しているにもかかわ
らず、少ないデータ量とすることが出来る。プラントか
ら取得した大量の時系列データを蓄積し、異常の診断・
監視・予知などに利用する際、高速な時系列データの検
索とデータ量の圧縮を同時に実現することが出来る。

【００９２】本発明では、上記のデータの記憶方法によ
り、実際のプロセスからの大量な時系列データにCBRやM
BRやRIの技術を適用する異常診断システムにおいて、時
系列データの特徴を失わずにデータ量を低減し、かつ、
高速な推論時間や高速なルール導出処理時間を実現する
とともに、高精度な推論結果とプロセス状態の診断ルー
ル、および時系列データに関する分かりやすいルールを
得ることができる。

【００９３】本発明では、プロセスの事例に含まれる時
系列データの特徴パターンを属性とし、その出現時刻を
属性値として、記憶する。また、プロセスの事例中の一
つまたは複数の項目とスカラ値が一対一に対応している
時系列以外のデータについても、項目を属性とし、値を
属性値として記憶する。例えば、鉄鋼圧延プラントにお
ける圧延母材の張力値や板厚値の時系列データと、時系
列データ以外の同圧延母材ごとの変形抵抗や摩擦係数と
いった物性値データを、混在させることが出来る。これ
により、実際のプロセスでの各事例中の時系列データ
と、各事例に付加された項目とそれに対する値という形
式のデータとを混在させ、CBRやMBRやRIの技術を適用
し、より高精度に推論結果とプロセス状態の診断ルール
を求めることの出来る、異常診断システムを提供するこ
とが出来る。

【００９４】本発明では、上記のデータの記憶方法によ
り、実際のプロセスでの各事例中の時系列データと、各
事例に付加された項目とそれに対する値という形式のデ
ータとを混在させ、リレーショナル・データベースの技
術を適用し、項目の値を用いた問い合わせと、時系列デ
ータの連続的な形状を用いた問い合わせを混在すること
を可能とするデータベース・システムを提供することが
出来る。

【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異常診断装置
を説明する図

【図２】プロセスからの時系列データと時系列データ特
徴パターンとの照合を説明する図

【図３】時系列データ特徴パターン照合結果テーブルを
説明する図

【図４】RIの技術を用いて導出したプロセス異常診断ル
ールを説明する図

【図５】鉄鋼圧延プラントからの時系列データと時系列
データ特徴パターンとの照合を説明する図

【図６】鉄鋼圧延プラントでの具体例をもとに時系列デ
ータ特徴パターン照合結果テーブルを説明する図

【図７】鉄鋼圧延プラントでの具体例をもとにRIの技術
を用いて導出したプロセス異常診断ルールを説明する図

【符号の説明】

１…時系列データ記憶装置およびプロセス異常診断装
置、１００…プラント、１０１…時系列データ特徴パタ
ーン格納部、１０２…時系列データ特徴パターン作成
部、１０３…事例抽出部、１０４…時系列データ特徴パ
ターン照合実行部、１０５…時系列データ特徴パターン
照合結果テーブル作成部、１０６…時系列データ特徴パ
ターン照合結果テーブル格納部、１０７…推論実行部、
１０８…RI実行部、１０９…プロセス異常診断ルール格
納部、１１０…導出ルール実行部、１１１…検索分類実
行部、１１２…解析者、１１３…時系列データ特徴パタ
ーン、１１４…時系列データ特徴パターン照合結果テー
ブル、１１５…プロセス異常診断ルール、１１６…時系
列データ表示処理部、１１７…時系列データ記憶部。

───────────────────────────────────────────────────── フロントページの続き (51)Int.Cl.⁶ 識別記号庁内整理番号ＦＩ技術表示箇所Ｂ２１Ｂ 37/00 Ｇ０１Ｄ 9/00 ＡＢＢＨ 21/00 ＱＧ０１Ｄ 9/00 8315−4ＥＢ２１Ｂ 37/00 Ｚ 21/00 ＢＢＨ

Claims

【特許請求の範囲】

【請求項１】プロセスから得られる各種の時系列データ
を記憶する時系列データ記憶装置において、プロセスからの所定の時間分割幅で時間的に離散化され
た時系列データと照合するための時系列データ特徴パタ
ーンであって、上記時間分割幅よりも広い時間にわたる
時系列データの形状を表す時系列データ特徴パターンを
格納した時系列データ特徴パターン格納手段と、プロセスからの時系列データを、上記時系列データ特徴
パターン格納手段に格納された時系列データ特徴パター
ンと照合し、照合結果として上記プロセスからの時系列
データ中に出現した時系列データ特徴パターンおよびそ
の出現時刻を出力する時系列データ特徴パターン照合手
段と、上記時系列データ特徴パターン照合手段の照合結果を入
力し、その照合結果に含まれている時系列データ特徴パ
ターンを属性とし、その時系列データ特徴パターンの出
現時刻を属性値とした、時系列データ特徴パターン照合
結果テーブルを作成する時系列データ特徴パターン照合
結果テーブル作成手段と、上記時系列データ特徴パターン照合結果テーブル作成手
段で作成された時系列データ特徴パターン照合結果テー
ブルを記憶する時系列データ特徴パターン照合結果テー
ブル格納手段とを備えたことを特徴とする時系列データ
記憶装置。
【請求項２】請求項１に記載の時系列データ記憶装置に
加えて、前記時系列データ特徴パターン照合結果テーブルに記憶
された属性と属性値を用いて、幾つかの属性とそれに対
する属性値を入力データとし、該入力データと該入力デ
ータに対する出力データとの組データを教師データとす
るとともに、入力データ間の類似度を表す距離を予め定
義しておき、新たな入力データがあったときには、その
新たな入力データに対する距離が短い上記教師データ中
の類似例を選びだし、該類似例に基づいて出力を導き出
す推論実行手段を備えたことを特徴とするプロセス異常
診断装置。
【請求項３】請求項１に記載の時系列データ記憶装置に
加えて、前記時系列データ特徴パターン照合結果テーブルに記憶
された属性と属性値を用いて、ある属性が特定の属性値
を持つ場合に他の属性がそれに対する特定の属性を持つ
という関係を示すルールを見つけ出すルール導出実行手
段を備えたことを特徴とするプロセス異常診断装置。
【請求項４】現在のプロセスから得られる時系列データ
を前記時系列データ特徴パターン照合手段により照合し
た照合結果に、前記ルール導出実行手段により得られた
ルールを適用することにより、プロセスの診断を行なう
導出ルール実行手段をさらに備えた請求項３に記載のプ
ロセス異常診断装置。
【請求項５】請求項１に記載の時系列データ記憶装置に
加えて、前記時系列データ特徴パターン照合結果テーブル作成手
段により作成された時系列データ特徴パターン照合結果
テーブルに基づいて、時系列データ特徴パターン照合結
果テーブル中の事例を検索、分類する検索分類実行手段
を備えたことを特徴とするプロセス異常診断装置。
【請求項６】前記時系列データ特徴パターン照合結果テ
ーブルは、各事例について時系列データ特徴パターンを
属性としその時系列データ特徴パターンの出現時刻を属
性値として記憶することに加え、各事例に付加されたデ
ータの項目を属性とし、この属性に対する値を属性値と
して記憶する請求項１に記載の時系列データ記憶装置お
よび請求項２から５の何れか１つに記載のプロセス異常
診断装置。