JPWO2011135606A1 - 時系列データ診断圧縮方法 - Google Patents

Abstract

時系列データ圧縮のための許容誤差を機器の知識を必要せずに設定でき、異常発生時のみならず異常予兆が検知された期間のデータの抜けを防止し、設定した許容誤差の妥当性を確認することにより、対象機器の異常の予兆検知に必要な情報を損なわずに収集・保管するデータ量を減らすことにより、効率良いデータ収集を行うことのできる、時系列データ診断圧縮方法およびデータ収集格納装置を提供する。つまり、本発明は、機器に依存せずかつ機器の知識が不要な異常予兆診断部を設け、機器から収集した時系列データに対して実施した異常予兆診断結果に基づき、収集データの圧縮のための許容誤差を設定・管理することで、診断結果が正常である場合はデータ圧縮を行い、異常予兆が検知された期間はデータ圧縮を制限することにより、データの格納量を減らすものである。

Description

本発明は、プラントに設置される各機器や工場内の製造装置、あるいは重機や大型機器などからロギングデータ，プロセスデータ，イベントデータといった、各種の時系列センシング情報を収集する状態ベース保全サービス向けの時系列データ診断圧縮方法および時系列データ収集格納装置に関するものである。

保全サービスのため、プラントでは１サイトあたり数万点規模の稼働データを毎秒収集している。プラント内で計測された稼働データを全て収集し、サーバ上のストレージにそのまま保管すると、数ギガバイトのデータが日々ストレージに蓄積されることになる。

そのため、２〜３カ月でテラバイト級のストレージが一杯になってしまい、本来ならば保全サービスのために数年間のデータをストレージに蓄積しておきたいのにもかかわらず、数ヶ月前のデータを削除せざるを得ないといった問題が起きている。

一方で、重機ならびに大型の機器においては、機器に設置された数百点のセンサによって計測される稼働データを、例えば５０ミリ秒といった高速な周期で収集しており、その収集されるデータ量は１機器１日当りギガバイトのオーダに達する。

今後、より高度な状態ベース保全サービスを提供するため、サイトや機器当りの観測点数や観測頻度が今以上に増大することに加え、保全サービスを実施するサーバ計算機が扱うサイト数や機器の台数も増大して行く。近い将来、サーバ計算機上のデータ保管量は１日当りでテラバイト、数年でペタバイトのオーダになることは容易に想像できる。

従って、収集した稼働データをそのまま保管するのではなく、収集したデータを圧縮あるいはその一部を削除することにより、データの保管にかかる負担、即ちデータ格納量を軽減することが必要になる。

上記を実現するため、データの許容誤差を予め設定しておき、その許容誤差以上のデータのみを保管・格納し、残りのデータを破棄するといった非可逆な圧縮方法（間引き方法）がある。

例えば、非特許文献１に記載のようなデッドバンド圧縮あるいは変化率圧縮、非特許文献２に記載のようなスイングドア圧縮、特許文献２に記載のような仮想直線を用いた圧縮のような圧縮方法が考案されている。

さらに、上記のような圧縮をより有効に活用するために、特許文献１には、データの圧縮率（許容誤差）をシステム設計時の初期設定値に固定するのではなく、プラントや機器が発する異常（アラーム）や操作などのイベントに対応して動的に設定することにより、正常時は高圧縮にしつつ、異常時には圧縮率を低く或いは無圧縮にすることで、保全サービスに必要なデータの損失を回避しつつデータ格納量を軽減する圧縮方法が記載されている。

一方、高度な状態ベース保全サービスを提供するため、機器の異常予兆診断技術があり、例えば特許文献３には、ベクトル量子化クラスタリングを用いた異常予兆診断が記載されている。ベクトル量子化技術に関しては、非特許文献３に、また、クラスタリング（クラスタ分析）に関しては、非特許文献４に、詳細に記載されている。

特開２００３−０１５７３４号公報 特開２００６−１６７３２９号公報 特開２００６−２７６９２４号公報

GE Proficy Historian Data Compression Introduction, EVSystems社 (http://www.evsystems.net/） Swinging Door Compression, OSI soft社(http://Training.osisoft.com/) 「Ｄ３−ベクトル量子化」、東京大学工学部計数工学科応用音響学、嵯峨山茂樹他（http://ocw.u-tokyo.ac.jp/wp-content/uploads/lecture-notes/Engin_01/D3-VectorQuantization.pdf） 「多変量解析法入門」、サイエンス社、永田靖・棟近雅彦共著、ｐｐ１７４−１８５（第１２章 クラスター分析）

従来の技術では、収集する機器の稼動データの許容誤差をシステム設計時の初期設定値に固定にするのではなく、プラントや機器が発する異常（アラーム）や操作などのイベントに対応して動的に設定することにより、正常時は高圧縮にしつつ、異常時には圧縮率を低く或いは無圧縮にすることで、保全サービスに必要なデータの損失を回避しつつデータ格納量を軽減することができる。

しかし、各イベントに対して適切な許容誤差を設定するためには、機器の知識が必要であって、その設定は容易ではない。

さらに、機器から異常（アラーム）イベントが発報された時点では既に機器に何らかの異常が発生していることを意味するが、高度な状態ベース保全を実施するためには、異常の発生をトリガとする対応では遅く、異常が発生する以前の、機器が正常な状態から逸脱しているといった異常の予兆を早期に検知して対応することが重要になる。

そのためには異常発生以前の異常予兆が検知された期間のデータが圧縮によって間引かれてしまうことを防ぐ必要がある。また、そもそもイベントの設定自体、機器の知識が必要であり、その設定は容易でない。

さらに、従来技術では、設定した許容誤差が妥当であるかの確認が行われていないため、データ圧縮による間引きにより、異常予兆検知に必要なデータが失われてしまっている危険がある。

以上、対象機器の異常の予兆検知に必要な情報を損なわずに収集・保管するデータ量を減らすことにより、効率良いデータ収集を実現するために、本発明が解決しようとする課題をまとめると以下となる。
（１）多様な機器に対応可能となる、機器の知識を必要としない時系列データ圧縮のための許容誤差の設定。
（２）異常発生時のみならず、異常予兆が検知された期間のデータの抜け防止。
（３）設定した許容誤差の妥当性の確認。

そこで、本発明の目的は、上記課題の少なくとも一つを解決するものである。

上記課題を解決するため、本発明では、異常予兆診断を行い、その診断結果を用いて許容誤差を設定する手段を設ける。

具体的には、異常予兆診断にベクトル量子化によるクラスタリング技術を活用して、機器の正常時の入力データを、多変量解析を用いて機械的に学習させ、診断時の入力データとの乖離度を求めることにより異常予兆を検知し、その結果を用いて許容誤差を設定・管理することで、従来技術のような機器の知識を必要とせず、機器の知識不足による予兆検知漏れを回避することができ、上記（１）の課題を解決できる。

さらに、異常予兆診断により異常予兆が検知された期間のデータ圧縮を無効にするか、許容誤差を０にすることにより、この期間のデータの抜けを防止することができ（（２）の課題の解決）、さらに、許容誤差の妥当性を確認することもできる（（３）の課題の解決）。

本発明によれば、機器に依存しない汎用的な異常予兆診断技術による診断結果に基づいて機器から収集する時系列データの圧縮を管理するため、機器の知識が不要となり、多様な機器に対してデータ圧縮・格納の実施が容易になる。

さらに、異常予兆が検知された期間のデータ圧縮を制限することにより、対象機器の状態ベース保全サービスに必要なデータ・情報を損うこと無く、効率良くデータ格納量を減らすことができる。

データ収集格納装置の構成図。 元データ格納バッファの構成図。 異常予兆診断部における、ベクトル量子化を用いた正常時のクラスタ形成を説明する図。 異常予兆診断部における、クラスタを用いた異常検知方法を説明する図。 異常予兆診断部における、クラスタを用いた異常度の算出方法および各センサの異常寄与度の算出方法を説明する図。 圧縮戦略管理部における許容誤差の設定例１。 圧縮戦略管理部における許容誤差の設定例２。 圧縮データ格納部の例１。 圧縮データ格納部の例２。 圧縮データ格納部の例３。 圧縮データ格納部の例４。 異常予兆診断実施履歴格納部の構成図。 圧縮戦略履歴格納部の構成図１。 圧縮戦略履歴格納部の構成図２。 実施例２の異常予兆診断精度を保証するデータ収集格納装置の構成図。 実施例２の診断圧縮管理部の動作フロー。 実施例２の異常予兆診断実施履歴格納部の構成図。 実施例３の格納後に圧縮を行うデータ収集格納装置の構成図。 実施例４のデータ収集格納装置のシステムへの適用形態１。 実施例５のデータ収集格納装置のシステムへの適用形態２。 実施例６のデータ収集格納装置の重機への適用形態。 表示部の画面構成図。 実施例７のデータ収集圧縮装置の重機への適用形態。

以下、本発明の実施の形態について、図面を用いて説明する。

＜装置基本構成＞
データ収集格納装置の第１の実施形態の基本構成を図１に示す。

図１において、データ収集格納装置１００は、データ収集診断圧縮部１２０と格納部１３０より構成される。データ収集診断圧縮部１２０は、データ収集部１１０，診断圧縮管理部１２０１，データ圧縮部１２５より構成される。

データ収集部１１０は、元データ格納バッファ１１１を有する。診断圧縮管理部１２０１は、故障予兆診断部１２１，圧縮戦略管理部１２４より構成される。データ圧縮部１２５は、圧縮データ格納バッファ１２５１を有する。

格納部１３０は、故障予兆診断実施履歴格納部１３１，圧縮戦略履歴格納部１３２，圧縮データ格納部１３３より構成される。格納部１３０は、ハードディスクドライブや不揮発性メモリ上のデータベースやファイルで構成される。

一方、機器２００にはセンサ１，センサ２，・・・，センサｎ（２０１，２０２，・・・，２０ｎ。ただし、ｎは正の整数）が設置されており、これらのセンサによる時系列センシング情報群が、データ収集格納装置１００の入力データとなる。

データ収集部１１０が上述のセンサ１，センサ２，・・・，センサｎによる時系列な入力データを収集し、元データ格納バッファ１１１に格納する。元データ格納バッファ１１１に格納された入力データは、順次、故障予兆診断部１２１，データ圧縮部１２５に渡される。

故障予兆診断部１２１では、渡された入力データを用いて異常予兆診断を実施し、その診断結果を圧縮戦略管理部１２４に出力する。圧縮戦略管理部１２４では、受け取った診断結果に基づき、データ圧縮部１２５の圧縮戦略を設定する。

一方、データ圧縮部１２５では、圧縮戦略管理部１２４の圧縮戦略に従って、データ収集部１１０より渡された入力データの圧縮を行い、圧縮したデータを圧縮データ格納バッファ１２５１に一旦格納する。

圧縮データ格納部１３３へのデータの格納は、圧縮戦略管理部１２４の圧縮戦略により、圧縮データ格納バッファ１２５１に格納されている圧縮データあるいは、元データ格納バッファ１１１に格納されている未圧縮の元データを格納する。詳細は後述する。

また、故障予兆診断部１２１が出力する診断結果、圧縮戦略管理部１２４が出力する許容誤差は、それぞれ、故障予兆診断実施履歴格納部１３１，圧縮戦略履歴格納部１３２に格納される。

なお、図１では、データ収集格納装置１００の入力データは単一の機器２００に設置された２０１，２０２，・・・，２０ｎのセンサ情報を示しているが、機器は複数個の機器から構成されていてもよい。あるいは、機器本体以外の情報、例えば、周辺機器や配管部のセンシング情報、あるいは、周囲の環境情報のセンシング情報といった各種ロギングデータであってよい。また、プロセスデータであったり、イベントデータであってもよい。さらには、センサ情報に限らず、他の監視制御装置からの出力情報であってもよい。

なお、ロギングデータとは、回転数，位置のような、機器の運転制御のために必要とする情報や、水温，振動のような、機器の稼働時の状態情報、あるいは、気温，湿度のような機器が設置されている周囲の環境情報といった周期的に収集される各種センサ情報のことを指す。

プロセスデータとは、各タスクが終了するたびに追記（場合によっては修正）されていくような、一連の業務プロセスを通じて追加されていくデータセットのことを指す。

イベントデータとは、機器のオペレーションやアラームなどの情報のことを指す。

＜元データ格納バッファ＞
元データ格納バッファ１１１の実施の形態を図２に示す。

機器２００に設置されたセンサ１，センサ２，・・・、センサｎ（２０１，２０２，・・・，２０ｎ。ただし、ｎは正の整数）によるロギングデータ，プロセスデータ，イベントデータといった、各種の時系列センシング情報（入力データ）が計測時刻とセットで登録される。

即ち、（計測時刻ｔｉ、センサ１による計測データｖ１ｉ、センサ２による計測データｖ２ｉ，・・・，センサｎによる計測データｖｎｉ、ただし、ｉは０〜ｍの整数。）のセットになって、元データ格納バッファ１１１に時系列に登録される。

本バッファは、例えば、リングバッファで構成され、バッファに登録された入力データが一杯になると、古い入力データより順に新しい入力データに上書きされる。

＜異常予兆診断部＞
故障予兆診断部１２１の動作を図３，図４，図５を用いて説明する。

ここではベクトル量子化クラスタリングを用いた異常予兆診断を行う。ベクトル量子化技術に関しては、非特許文献３に詳細に記載されている。また、クラスタリング（クラスタ分析）に関しては、非特許文献４に詳細に記載されている。ベクトル量子化クラスタリングを用いた異常予兆診断は、特許文献３に記載されている。

図３は、異常予兆診断部におけるベクトル量子化を用いた正常時のクラスタ形成を説明する図である。

故障予兆診断部１２１におけるベクトル量子化を用いた正常時のクラスタ形成を、図３を用いて説明する。

図３は、各軸が各センサの計測データを表すｎ次元の空間を簡易的に表したものである。別途、機器２００が正常に動作している時に収集した多量の入力データベクトル＝（ｖ１ｉ，ｖ２ｉ，・・・，ｖｎｉ）（ただし、ｉは整数）を学習データとして用いてクラスタリングを行い、各クラスタの重心点を得る。

図３は、学習データをクラスタリングすることにより、正常時の入力データベクトルが分布する空間が、ｋ個の超球状のクラスタ１，クラスタ２，・・・，クラスタｋに分類された状況を示しており、各クラスタの重心点をｃ１，ｃ２，・・・，ｃｋで示している。

このように、正常時の入力データベクトル群により形成された各クラスタの重心点ｃ１，ｃ２，・・・，ｃｋの集合は、コードブックとして故障予兆診断部１２１によって管理される。

図４は、異常予兆診断部におけるクラスタを用いた異常検知方法を説明する図である。

故障予兆診断部１２１におけるクラスタを用いた異常検知方法を、図４を用いて説明する。

故障予兆診断部１２１は、入力データベクトルと各クラスタの重心点との距離のうち、最小距離を算出し、これを機器異常度として出力する。

ここで、異常予兆診断時における、ある時刻Ｔａ，Ｔｂの入力データベクトルをｘａ，ｘｂとする。図中、時刻Ｔａにおける入力データベクトルｘａはクラスタｋが構成する超球に含まれており、正常である。

一方、時刻Ｔｂにおける入力データベクトルｘｂはどのクラスタにも含まれておらず、この場合は、異常の予兆がある。図４では、ｘｂとクラスタｋの重心点ｃｋとの距離ｄｋｂが最小であるため、ｘｂの機器異常度はｄｋｂとなる。

なお、各センシングデータは、その標準偏差で正規化することで、マハラノビス距離などのスケーリングの変換を行う等して、クラスタを超球形にするのがよい。さらに正規化により、機器異常度は値１を超球の境界とし、１以内が正常、１を越える場合を異常予兆検知として扱うことができる。本発明では、特に明記しない限り、入力データベクトル＝（ｖ１ｉ，ｖ２ｉ，・・・，ｖｎｉ）の各値は正規化したものとして扱う。

図５は、異常予兆診断部におけるクラスタを用いた異常度の算出方法および各センサの異常寄与度の算出方法を説明する図である。

故障予兆診断部１２１におけるクラスタを用いた異常度の算出方法および各センサの異常寄与度の算出方法を具体的に記す。

図５では、説明を簡略化するため、入力データベクトルは２次元とし、入力データベクトルｘ＝（ｘ１，ｘ２）、その最近傍クラスタの重心点ベクトルｃ＝（ｃ１，ｃ２）であるとするとｘとｃの間の距離ｄは、式１で表される。
〔式１〕
ｄ＝√（(ｘ１−ｃ１)＾２＋(ｘ２−ｃ２)＾２）＝√（ｄ１＾２
＋ｄ２＾２）
（ただし、ｄ１＝｜ｘ１−ｃ１｜，ｄ２＝｜ｘ２−ｃ２｜）
この距離ｄが機器異常度であり、図５では、クラスタｃの領域を逸脱している（即ち、ｄ＞１）ので、異常予兆が検知されたことになる。

なお、距離ｄの各成分を距離ｄで除算して正規化した値をそれぞれｒ１，ｒ２とすると、これらは、機器の異常にどれだけ寄与しているかの指標として使用することができる。

このｒ１，ｒ２を異常寄与度と呼び、機器異常度と共に、故障予兆診断部１２１より出力してもよく、式２で表される。
〔式２〕
ｒ１＝ｄ１／ｄ、ｒ２＝ｄ２／ｄ

＜効果，限定回避＞
上記の通り、ベクトル量子化によるクラスタリングを用いることにより、正常時の入力データの分布領域からの逸脱の度合いを機器異常度として得ることが出来るので、機器の稼働時の時系列入力データを逐次異常予兆診断部に通すことにより、異常の予兆を検知することが可能になる。

本方法は、機器の正常時の入力データを多変量解析を用いて機械的に学習させることにより、異常予兆検知を行うため、従来技術のような機器の知識は必要としないので、機器の知識不足による予兆検知漏れを回避でき、多様な機器に対応させることが可能である。

さらに、異常予兆診断処理の計算負荷は、入力データベクトルの次元や学習時に作成するクラスタの総数に依存するので、これらを実用的な範囲で小さ目に設定することで、異常予兆診断処理を高速かつコンパクトにすることが可能であり、故障予兆診断部１２１を搭載するデータ収集格納装置１００をＣＰＵパワーやメモリサイズに制約のある組込み機器にて実現することが可能になる。

なお、上記では、故障予兆診断部１２１の実施の形態として、ベクトル量子化を用いたクラスタ分析手法を利用し、正常時の入力データを用いて形成したクラスタからの乖離度合いを計算してそれを機器異常度として出力する実施の形態を説明した。

しかし、故障予兆診断部１２１が使用するクラスタ分析手法は、ベクトル量子化に限定されるわけではない。さらには、クラスタ分析に限定しているのではなく、他の多変量解析手法（例えばＭＴ法）を適用してもよい。あるいは、機器のシミュレータがあるならば、そのシミュレーション結果を用いて機器の異常度を出力してもよい。

＜圧縮戦略管理部＞
圧縮戦略管理部１２４の動作を図６，図７を用いて説明する。

ここでは、データ圧縮部１２５は、デッドバンド圧縮あるいは変化率圧縮（非特許文献１），スイングドア圧縮（非特許文献２），仮想直線を用いた圧縮（特許文献２）のような非可逆圧縮を実施することを想定する。

圧縮戦略管理部１２４は、故障予兆診断部１２１が出力する機器異常度に応じて許容誤差（マージン）を設定することで、データ圧縮部１２５が実施するデータ圧縮の度合いを変更する。

図６は、圧縮戦略管理部における許容誤差の設定例１を示したものである。圧縮戦略管理部１２４における、第１の実施の形態を、図６を用いて説明する。

２つのグラフのうち、上のグラフは、故障予兆診断部１２１１が出力する機器異常度の時間経過を表し、下のグラフは、圧縮戦略管理部１２４が機器異常度に応じてデータ圧縮部１２５に設定する許容誤差を表す。本図の実施の形態では、許容誤差の設定は以下とする。

機器異常度≦１（正常区間）では、許容誤差＝ｍ
機器異常度＞１（異常予兆検知区間）では、許容誤差＝０（無圧縮）
即ち、入力データを診断した結果、正常区間では入力データを許容誤差ｍで圧縮し、異常予兆検知区間では許容誤差０あるいは圧縮しない。

ここで、許容誤差ｍの設定は、センサの取り得る最大値のｍ％（例えば、１％）とする。あるいは、ｍの値をセンサ毎に別々に設定してもよい。

従って、本図のグラフの例では、機器の異常度は時刻ｔｅを境にして、以下の通りとなる。
（１）Ｔ≦ｔｅでは機器異常度≦１であるので、許容誤差＝ｍ
（２）ｔｅ＜Ｔでは機器異常度＞１であるので、許容誤差＝０
図７は、圧縮戦略管理部における許容誤差の設定例２を示したものである。圧縮戦略管理部１２４における、第２の実施の形態を、図７を用いて説明する。

図中の上のグラフの機器異常度の時間遷移は図６と同じである。本図の実施の形態では、許容誤差の設定は以下とする。
（１）機器異常度≦１では、許容誤差＝ｍ
（２）しかし、機器異常度＞１になった時点をｔｅとすると、その時点から過去にｔｐの時間だけ遡った時点、即ちｔｅ−ｔｐ以降の許容誤差＝０
従って、本図の例では、圧縮戦略管理部１２４が機器異常度に応じてデータ圧縮部１２５に設定する許容誤差は、以下の通りとなる。
（１）Ｔ≦ｔｅ−ｔｐで、許容誤差＝ｍ
（２）ｔｅ−ｔｐ＜Ｔで、許容誤差＝０

＜限定回避＞
上記は、機器異常度から許容誤差への変換は、許容誤差＝１を境にして、許容誤差がｍまたは０の何れかを取る例であるが、機器異常度の値に応じて許容誤差を連続的に変動させても構わない。

一方、上記許容誤差に基づき圧縮される入力データはデータ収集部１１０が収集する全種類のセンサからのデータであってもよい。または、事前に設定した診断対象のセンサのみのデータであってもよい。あるいは、異常寄与度の値が高い（閾値ｒｔｈ超の）センサのみ（ｒｔｈの値は例えば０.４。異常寄与度は正規化してあるので０〜１の間を取る）のデータとしてもよい。

なお、ここまでの圧縮戦略管理部１２４の動作説明では、データ圧縮部１２５は非可逆圧縮を想定して説明したが、データ圧縮部１２５はｚｉｐ圧縮やｇｚ圧縮のような可逆（ロスレス）圧縮を実施してもよい。

この場合、圧縮戦略管理部１２４は、故障予兆診断部１２１が出力する機器異常度に応じて許容誤差ではなく、圧縮レベルの設定を行い、例えば、機器異常度が１以下の正常時には、最大限の圧縮を行う圧縮レベルを設定し、機器異常度が１を越える異常予兆が検知された場合には、圧縮レベルを０（圧縮を行わない）に設定する動作が考えられる。

また、データ圧縮部１２５に非可逆圧縮を実施後に更に可逆圧縮を行うといった多段階の圧縮を行わせてもよい。

＜圧縮データ格納部＞
データ圧縮部１２５による圧縮後のデータを格納する圧縮データ格納部１３３の実施の形態を図８，図９，図１０，図１１を用いて説明する。なお、データ圧縮部１２５内の圧縮データ格納バッファ１２５１の構成も圧縮データ格納部１３３と基本的に同じである。

図８は、圧縮データ格納部の例１を示すものである。

時刻ｔｏ〜ｔｍの期間の各センシングデータの許容誤差がｍ（固定）場合の、圧縮データ格納部１３３による圧縮データ格納部１３３の例を図８に示す。

図８中、ｎｕｌｌで示した箇所は、データ圧縮部１２５により間引かれたセンシングデータである。図８では、例えば、センサ１において時刻ｔ２〜ｔ５の期間の４個、センサ２において時刻ｔ１〜ｔ４の期間の４個、センサｎにおいて時刻ｔ４，ｔ５，ｔ７，ｔ８の４個のセンシングデータがそれぞれ間引かれている。

図９は、圧縮データ格納部の例２を示すものである。

図８の格納例に対し、図６の圧縮戦略管理部を適用した場合の圧縮データ格納部１３３を図９に示す。

図６の時刻ｔｅは図９のｔ５に相当し、時刻ｔ５以降は許容誤差０になり、圧縮が行われない。図６では、センサ１の時刻ｔ５，センサｎの時刻ｔ５，ｔ７，ｔ８のセンシングデータが間引かれている（図中ｎｕｌｌで表記）が、図９では、それぞれセンシングデータが格納されている。

図１０は、圧縮データ格納部の例３を示すものである。

図８の格納例に対し、図７の圧縮戦略管理部を適用した場合の圧縮データ格納部１３３を図１０に示す。

図７の時刻ｔｅは図９のｔ５に相当し、時刻ｔｅ−ｔｐはｔ３に相当する。従って、時刻ｔ３以降は許容誤差０になり、圧縮が行われない。図６では、センサ１の時刻ｔ３〜ｔ５、センサ２の時刻ｔ３，ｔ４、センサｎの時刻ｔ３，ｔ５，ｔ７，ｔ８のセンシングデータが間引かれている（図中ｎｕｌｌで表記）が、図９では、それぞれセンシングデータが格納されている。

図１１は、圧縮データ格納部の例４を示すものである。

図８の格納例に対し、圧縮戦略管理部１２４の診断対象のセンサがセンサ１，センサ２のみとする場合の圧縮データ格納部１３３を図１１に示す。

センサ１，センサ２のセンシングデータは図９同様、時刻ｔ５以降は間引かれない。しかし、センサｎは診断対象でないので、異常予兆が検知されていても、図６のセンサｎ同様、データの間引きが行われる。

なお、図１１の例は、ｔ５以降に検知された異常予兆の異常寄与度の値が閾値を越えているセンサ１，センサ２のみであり、センサｎの異常寄与度は閾値を越えていない場合にも相当する。異常寄与度が閾値を越えないセンサは異常予兆が検知されてもデータの間引きが行われる。

＜異常予兆診断実施履歴格納部＞
図１２は、異常予兆診断実施履歴格納部の構成図を示すものであり、故障予兆診断実施履歴格納部１３１の実施の形態を、図１２を用いて説明する。

故障予兆診断実施履歴格納部１３１には、時系列センシング情報（入力データ）を故障予兆診断部１２１にて診断した結果得られる機器異常度、各センサの異常寄与度が計測時刻とセットで登録される。

即ち、（計測時刻ｔｉ，機器異常度ｄｉ，センサ１の異常寄与度ｒ１ｉ，センサ２の異常寄与度ｒ２ｉ，・・・，センサｎの異常寄与度ｒｎｉ、ただし、ｉは０〜ｍの整数。）のセットになって、故障予兆診断実施履歴格納部１３１に時系列に登録される。

本バッファは、例えばリングバッファで構成され、バッファに登録された機器異常度，異常寄与度が一杯になると、古い入力データより順に新しい入力データに上書きされる。

＜効果，限定回避＞
故障予兆診断実施履歴格納部１３１の各時刻の機器異常度を参照することにより、機器が正常かあるいは異常予兆が検知されているか確認することができ、機器２００のメンテナンスエンジニアは、異常予兆が検知されている時間帯を中心により詳細な診断を行うことができる。

さらに、各センサの異常寄与度を参照することで、どのセンサが異常予兆に寄与しているか確認できるため、異常部位を確認し易くなる。

なお、故障予兆診断実施履歴格納部１３１は、時刻と機器異常度のみのセットであってもよい。

＜圧縮戦略履歴格納部＞
図１３は、圧縮戦略履歴格納部の構成図１を示すものであり、圧縮戦略履歴格納部１３２の第１の実施の形態を、図１３を用いて説明する。

圧縮戦略履歴格納部１３２には、時系列センシング情報（入力データ）をデータ圧縮する際に用いた圧縮パラメータである許容誤差が計測時刻とセットで登録される。即ち、（計測時刻ｔｉ，許容誤差ｍｉ、ただし、ｉは０〜ｍの整数。）のセットになって、圧縮戦略履歴格納部１３２に時系列に登録される。

本バッファは、例えばリングバッファで構成され、バッファに登録された機器異常度，異常寄与度が一杯になると、古い入力データより順に新しい入力データに上書きされる。

図１４は、圧縮戦略履歴格納部の構成図２を示すものであり、圧縮戦略履歴格納部１３２の第２の実施の形態を、図１４を用いて説明する。

圧縮戦略履歴格納部１３２には、時系列センシング情報（入力データ）の個々のセンサに対し、そのセンシングデータを圧縮する際に用いた圧縮パラメータである許容誤差が計測時刻とセットで登録される。即ち、（計測時刻ｔｉ，センサ１の許容誤差ｍ１ｉ，センサ２の許容誤差ｍ２ｉ，・・・，センサｎの許容誤差ｍｎｉ、ただし、ｉは０〜ｍの整数。）のセットになって、圧縮戦略履歴格納部１３２に時系列に登録される。

本バッファは、例えばリングバッファで構成され、バッファに登録された機器異常度、異常寄与度が一杯になると、古い入力データより順に新しい入力データに上書きされる。

図１５は、実施例２の異常予兆診断精度を保証するデータ収集格納装置の詳細構成図である。なお、説明の途中で図１６を使用する。

データ収集格納装置１００の第２の実施形態を図１５に示す。

図１５において、データ収集格納装置１００は、データ収集診断圧縮部１２０と格納部１３０より構成される。

データ収集診断圧縮部１２０は、データ収集部１１０，診断圧縮管理部１２０１，データ圧縮部１２５，データ展開部１２５２より構成される。

データ収集部１１０は、元データ格納バッファ１１１を有する。診断圧縮管理部１２０１は、故障予兆診断部１２１，圧縮戦略管理部１２４より構成される。

データ圧縮部１２５は、圧縮データ格納バッファ１２５１を有する。

格納部１３０は、故障予兆診断実施履歴格納部１３１，圧縮戦略履歴格納部１３２，圧縮データ格納部１３３より構成される。

一方、機器２００にはセンサ１，センサ２，・・・，センサｎ（２０１，２０２，・・・，２０ｎ。ただし、ｎは正の整数）が設置されており、これらのセンサによる時系列センシング情報群が、データ収集格納装置１００の入力データとなる。

データ収集部１１０が上述のセンサ１，センサ２，・・・，センサｎによる時系列な入力データを収集し、元データ格納バッファ１１１に格納する。元データ格納バッファ１１１に格納された入力データは、順次、故障予兆診断部１２１，データ圧縮部１２５に渡される。

故障予兆診断部１２１では、渡された入力データを用いて異常予兆診断を実施し、その診断結果を圧縮戦略管理部１２４に出力する。圧縮戦略管理部１２４では、受け取った診断結果に基づき、データ圧縮部１２５の圧縮戦略を設定する。

一方、データ圧縮部１２５では、圧縮戦略管理部１２４の圧縮戦略に従って、データ収集部１１０より渡された入力データの圧縮を行い、圧縮したデータを圧縮データ格納バッファ１２５１に一旦格納する。

圧縮データ格納部１３３へのデータの格納は、圧縮戦略管理部１２４の圧縮戦略により、圧縮データ格納バッファ１２５１に格納されている圧縮データあるいは、元データ格納バッファ１１１に格納されている未圧縮の元データを格納する。

図１６は、実施例２の診断圧縮管理部の動作フローを示すものである。

ここで、データ圧縮部１２５，データ展開部１２５２，異常予兆診断部１２の間で、図１６に示す処理を行う。

即ち、圧縮データ格納バッファ１２５１に格納されている圧縮データが、データ展開部１２５２により展開され、展開されたデータは順次、故障予兆診断部１２１に渡される（Ｓ１０１）。

圧縮データの展開は、例えば、間引かれた区間の両端のデータを用いて、直線近似を行うことで実施できる。次に、故障予兆診断部１２１では展開されたデータを用いて異常予兆診断を実施する（Ｓ１０２）。

その診断結果を同時刻の元データで実施した診断結果と比較する（Ｓ１０３）。

両者を比較する（Ｓ１０４）。

その結果、その誤差が別途設定した閾値ｅ以下であるならば、異常予兆診断部１２はデータ圧縮部１２５に指示し、圧縮データ格納バッファ１２５１内の圧縮データを圧縮データ格納部１３３に格納させる（Ｓ１０５）。

誤差が閾値ｅを越えるならば、異常予兆診断部１２はデータ圧縮部１２５に指示し、元データ格納バッファ１１１に格納されているその時刻の元データを圧縮データ格納部１３３に格納させる（Ｓ１０６）。

異常予兆診断部の出力を故障予兆診断実施履歴格納部１３１に格納する（Ｓ１０７）。

次の時刻の展開されたデータを用いる（Ｓ１０８）。

これら処理を繰り返す。

また、圧縮戦略管理部１２４が出力する許容誤差は圧縮戦略履歴格納部１３２に格納される。

なお、図１６では、データ収集格納装置１００の入力データは単一の機器２００に設置された２０１，２０２，・・・，２０ｎのセンサ情報を示しているが、機器は複数個の機器から構成されていてもよい。あるいは、機器本体以外の情報、例えば、周辺機器や配管部のセンシング情報、あるいは、周囲の環境情報のセンシング情報といった各種ロギングデータであってよい。また、プロセスデータであったり、イベントデータであってもよい。さらには、センサ情報に限らず、他の監視制御装置からの出力情報であってもよい。

図１７は、実施例２の異常予兆診断実施履歴格納部の構成図を示すものである。

故障予兆診断実施履歴格納部１３１の第２の実施の形態を図１７を用いて説明する。

故障予兆診断実施履歴格納部１３１には、時系列センシング情報（入力データ）を故障予兆診断部１２１にて診断した結果得られる機器異常度と各センサの異常寄与度、データ展開部１２５２により展開されたデータを故障予兆診断部１２１にて診断した結果得られる機器異常度と各センサの異常寄与度、入力データを用いた機器異常度と展開されたデータを用いた機器異常度との間の誤差が、計測時刻とセットで登録される。

即ち、（計測時刻ｔｉ，機器異常度の誤差ｅｉ，入力データを用いた機器異常度ｄｉ，展開されたデータを用いた機器異常度ｄｉ′，入力データを用いたセンサ１の異常寄与度ｒ１ｉ，展開されたデータを用いたセンサ１の異常寄与度ｒ１ｉ′，入力データを用いたセンサ２の異常寄与度ｒ２ｉ，展開されたデータを用いたセンサ２の異常寄与度ｒ２ｉ′，・・・，入力データを用いたセンサｎの異常寄与度ｒｎｉ，展開されたデータを用いたセンサｎの異常寄与度ｒｎｉ′、ただし、ｉは０〜ｍの整数。）のセットになって、故障予兆診断実施履歴格納部１３１に時系列に登録される。

本バッファは、例えばリングバッファで構成され、バッファに登録された機器異常度，異常寄与度が一杯になると、古い入力データより順に新しい入力データに上書きされる。

＜効果，限定回避＞
上記にて、故障予兆診断実施履歴格納部１３１には、誤差が閾値内の時刻は圧縮データが格納され、誤差が閾値を越える時刻は元データ（即ち、診断誤差無し）が格納されることになり、故障予兆診断実施履歴格納部１３１に格納されている全てのデータに対し、異常予兆診断の誤差は閾値以下になることを保証することができる。

なお、故障予兆診断実施履歴格納部１３１は、時刻，機器異常度の誤差，機器異常度のみのセットであってもよい。

一旦格納後に圧縮された実施例を示す。

図１８は、実施例３の格納後に圧縮を行うデータ収集格納装置の構成図を示す。データ収集格納装置１００の第３の実施形態を、図１８を用いて説明する。

図１８において、データ収集格納装置１００は、データ収集診断圧縮部１２０と格納部１３０より構成される。

データ収集診断圧縮部１２０は、データ収集部１１０，診断圧縮管理部１２０１，データ圧縮部１２５より構成される。診断圧縮管理部１２０１は、故障予兆診断部１２１，圧縮戦略管理部１２４より構成される。

格納部１３０は、故障予兆診断実施履歴格納部１３１，圧縮戦略履歴格納部１３２，圧縮データ格納部１３３，元データ格納部１３４より構成される。

一方、機器２００にはセンサ１，センサ２，・・・，センサｎ（２０１，２０２，・・・，２０ｎ。ただし、ｎは正の整数）が設置されており、これらのセンサによる時系列センシング情報群が、データ収集格納装置１００の入力データとなる。

データ収集部１１０が上述のセンサ１，センサ２，・・・，センサｎによる時系列な入力データを収集し、順次、故障予兆診断部１２１，元データ格納部１３４に渡す。

故障予兆診断部１２１では、渡された入力データを用いて異常予兆診断を実施し、その診断結果を圧縮戦略管理部１２４に出力する。圧縮戦略管理部１２４では、受け取った診断結果に基づき、データ圧縮部１２５の圧縮戦略を設定する。

一方、データ圧縮部１２５では、圧縮戦略管理部１２４の圧縮戦略に従って、元データ格納部１３４に格納されている入力データを逐次取り出し、取り出した入力データの収集時刻の圧縮戦略を圧縮戦略管理部１２４より受取り、圧縮戦略に従ってデータの圧縮を行い、圧縮データあるいは未圧縮の元データを圧縮データ格納部１３３に格納する。

また、故障予兆診断部１２１が出力する診断結果、圧縮戦略管理部１２４が出力する許容誤差は、それぞれ、故障予兆診断実施履歴格納部１３１，圧縮戦略履歴格納部１３２に格納される。

上記にて、データ圧縮部１２５が元データ格納部１３４に格納されている入力データを取り出すタイミングは、元データ格納部１３４に格納された入力データがある一定期間経過した時点としてよい。または、元データ格納部１３４の空き容量がある閾値以下になった時点としてもよい。あるいは、後述の図１９，図２０で示すような詳細診断を行った時点としてもよい。

元データ格納部１３４に入力データを格納する際、ロスレス圧縮を行い、入力データを取り出す際にロスレス展開を行うことで、元データ格納部１３４に格納するデータを圧縮してもよい。

なお図１８では、データ収集格納装置１００の入力データは単一の機器２００に設置された２０１，２０２，・・・，２０ｎのセンサ情報を示しているが、機器は複数個の機器から構成されていてもよい。あるいは、機器本体以外の情報、例えば、周辺機器や配管部のセンシング情報、あるいは、周囲の環境情報のセンシング情報といった各種ロギングデータであってよい。また、プロセスデータであったり、イベントデータであってもよい。さらには、センサ情報に限らず、他の監視制御装置からの出力情報であってもよい。

なお、上記の収集データ格納後に圧縮を行う本実施の形態におけるデータ収集診断圧縮部は、第２の実施の形態で説明した異常予兆診断精度を保証するものを用いてもよい。

サーバ集約型システムの実施例を示す。

図１９は、実施例４のデータ収集格納装置のシステムへの適用形態１を示したものであり、データ収集格納装置のシステムへの第１の適用形態を、図１９を用いて説明する。

図１９において、機器２００にはセンサ１，センサ２，・・・，センサｎ（２０１，２０２，・・・，２０ｎ。ただし、ｎは正の整数）が設置されており、データ伝送装置１００１とネットワーク３１で接続される。さらに、データ伝送装置１００１はサーバ計算機１００２とネットワーク３２で接続される。

データ伝送装置１００１は、データ送受信部１４１を有する。

サーバ計算機１００２は、データ送受信部１４２，データ収集診断圧縮部１２０，データ圧縮・展開部１５０，格納部１３０，詳細診断部１６０，操作・表示部１７０を有する。

機器２００に設置されたセンサによる時系列センシング情報群が、入力データとなり、ネットワーク３１を介してデータ伝送装置１００１に伝送される。

データ伝送装置１００１では、伝送された入力データを、ネットワーク３２を介してサーバ計算機１００２に伝送する。

ネットワーク３１は、例えば、機器の監視制御に使われるフィールドネットワークであり、ＣＡＮ，Lonworksのような有線ネットワーク、あるいはZigBee，ISA100.11ａのような無線センサネットワーク、あるいはこれらのネットワークの混在で構成されるが、他のネットワークで構成してもよい。個々のセンサとデータ伝送装置１００１間はネットワークでなく、１対１で接続してよい。

一方、ネットワーク３２は、上述のネットワークあるいは、Ethernetや光ファイバのような高速ネットワーク、IEEE802.11ａ／ｇ／ｂ／ｎのようなＷｉＦｉベースの無線ネットワーク、あるいはIEEE802.11ｓのような無線メッシュネットワーク，インターネット，専用線，公衆無線網，携帯電話網，固定電話網あるいはこれらのネットワークの混在で構成されるが、他のネットワークで構成してもよい。

ネットワーク３２を介してデータの伝送を行うためにデータ送受信部１４１，１４２がデータ伝送装置１００１，サーバ計算機１００２にて使用される。

データ送受信部１４１，１４２はモデムやネットワークモジュールで構成される。

サーバ計算機１００２では、データ送受信部１４２で受信した入力データをデータ収集診断圧縮部１２０に渡す。データ収集診断圧縮部１２０では、上述の第１，第２、あるいは第３の実施の形態で説明した動作を実施することで、入力データの収集・異常予兆診断，データ圧縮を行う。

データ収集診断圧縮部１２０により圧縮されたデータはさらにデータ圧縮・展開部１５０により圧縮され、格納部１３０に格納される。

詳細診断部１６０は、格納部１３０に格納されているデータをデータ圧縮・展開部を介して受け取り、詳細診断を実施する。ここで、詳細診断とは、例えば、ベクトル量子化によるクラスタリングでかつ、入力データベクトルの次元や学習時に作成するクラスタの総数を大きく設定することにより実施される。あるいはベクトル量子化以外の手法や他の多変量解析手法（例えばＭＴ法）、機器のシミュレーション結果を用いた診断方法であってもよい。

データ圧縮・展開部１５０は、ロスレスの圧縮・展開を行う。これにより、格納部１３０に格納するデータ量をさらに削減することができる。

なお、データ圧縮・展開部１５０はサーバ計算機１００２より省略してもよい。また、詳細診断部１６０もサーバ計算機１００２より省略してもよい。

ユーザ４は操作・表示部を介して、データ診断結果の確認や、各種設定パラメータの変更を行う。即ち、データ収集診断圧縮部１２０の診断結果、圧縮戦略，圧縮データは操作・表示部１７０に渡すことにより、ユーザ４が確認したり、確認した結果、データ収集診断圧縮部１２０の診断のための学習データの更新，圧縮戦略の変更（許容誤差の変更）を行う。

同様に、詳細診断部１６０の診断結果も操作・表示部１７０に渡すことにより、ユーザ４が確認したり、確認した結果、詳細診断部１６０の診断のための学習データの更新や実施する診断アルゴリズムの切替えを行う。

なお、第３の実施の形態で説明した、収集データを一旦格納部１３０に格納したデータの圧縮を、詳細診断部１６０による診断結果により、実施してもよい。例えば、詳細診断結果が正常であれば、データ圧縮を行い、異常予兆が検知されれば、無圧縮にする。あるいは、データ収集診断圧縮部１２０の診断結果または詳細診断部１６０の診断結果をユーザ４が操作・表示部１７０を介して確認し、ユーザ４がデータの圧縮を指示してもよい。

なお、図では、データ収集格納装置１００の入力データは単一の機器２００に設置された２０１，２０２，・・・，２０ｎのセンサ情報を示しているが、機器は複数個の機器から構成されていてもよい。あるいは、機器本体以外の情報、例えば、周辺機器や配管部のセンシング情報、あるいは、周囲の環境情報のセンシング情報といった各種ロギングデータであってよい。また、プロセスデータであったり、イベントデータであってもよい。さらには、センサ情報に限らず、他の監視制御装置からの出力情報であってもよい。

データ収集装置〜圧縮伝送〜サーバ格納を行う分散システムの実施例を説明する。

図２０は、実施例５のデータ収集格納装置のシステムへの適用形態２を示したものであり、データ収集格納装置のシステムへの第２の適用形態を、図２０を用いて説明する。

図２０において、機器２００にはセンサ１，センサ２，・・・，センサｎ（２０１，２０２，・・・，２０ｎ。ただし、ｎは正の整数）が設置されており、データ収集圧縮装置１００１１とネットワーク３１で接続される。

さらに、データ収集圧縮装置１００１１はサーバ計算機１００２とネットワーク３２で接続される。データ収集圧縮装置１００１１は、データ収集診断圧縮部１２０，データ送受信部１４１を有する。サーバ計算機１００２は、データ送受信部１４２，データ圧縮・展開部１５０，格納部１３０，詳細診断部１６０，操作・表示部１７０を有する。

機器２００に設置されたセンサによる時系列センシング情報群が、入力データとなり、ネットワーク３１を介してデータ収集圧縮装置１００１１に伝送される。

データ収集圧縮装置１００１１では、伝送された入力データに対してデータ収集診断圧縮部１２０が上述の第１，第２、あるいは第３の実施の形態で説明した動作を実施することで、入力データの収集・異常予兆診断，データ圧縮を行う。

データ収集診断圧縮部１２０により圧縮されたデータはデータ送受信部１４１に送られ、ネットワーク３２を介してサーバ計算機１００２に伝送する。

ネットワーク３１は、例えば、機器の監視制御に使われるフィールドネットワークであり、ＣＡＮ，Lonworksのような有線ネットワーク、あるいはZigBee，ISA100.11ａのような無線センサネットワーク、あるいはこれらのネットワークの混在で構成されるが、他のネットワークで構成してもよい。個々のセンサとデータ伝送装置１００１間はネットワークでなく、１対１で接続してよい。

一方、ネットワーク３２は、上述のネットワークあるいは、Ethernet（登録商標）や光ファイバのような高速ネットワーク，IEEE802.11ａ／ｇ／ｂ／ｎのようなＷｉＦｉベースの無線ネットワーク、あるいはIEEE802.11ｓのような無線メッシュネットワーク，インターネット，専用線，公衆無線網，携帯電話網，固定電話網あるいはこれらのネットワークの混在で構成されるが、他のネットワークで構成してもよい。

ネットワーク３２を介してデータの伝送を行うためにデータ送受信部１４１，１４２がデータ伝送装置１００１，サーバ計算機１００２にて使用される。

データ送受信部１４１，１４２は、モデムやネットワークモジュールで構成される。

サーバ計算機１００２では、データ送受信部１４２で受信した圧縮データをデータ圧縮・展開部１５０に渡し、さらに圧縮し、格納部１３０に格納される。

詳細診断部１６０は、格納部１３０に格納されているデータをデータ圧縮・展開部を介して受け取り、詳細診断を実施する。ここで、詳細診断とは、例えば、ベクトル量子化によるクラスタリングでかつ、入力データベクトルの次元や学習時に作成するクラスタの総数を大きく設定することにより実施される。あるいはベクトル量子化以外の手法や他の多変量解析手法（例えばＭＴ法）、機器のシミュレーション結果を用いた診断方法であってもよい。

データ圧縮・展開部１５０は、ロスレスの圧縮・展開を行う。これにより、格納部１３０に格納するデータ量をさらに削減することができる。なお、データ圧縮・展開部１５０はサーバ計算機１００２より省略してもよい。また、詳細診断部１６０もサーバ計算機１００２より省略してもよい。

ユーザ４は操作・表示部を介して、データ診断結果の確認や、各種設定パラメータの変更を行う。

即ち、データ収集診断圧縮部１２０の診断結果、圧縮戦略，圧縮データはネットワーク３２，データ送受信部１４２を介して操作・表示部１７０に渡すことにより、ユーザ４が確認したり、確認した結果、データ収集診断圧縮部１２０の診断のための学習データの更新，圧縮戦略の変更（許容誤差の変更）を行う。

同様に、詳細診断部１６０の診断結果も操作・表示部１７０に渡すことにより、ユーザ４が確認したり、確認した結果、詳細診断部１６０の診断のための学習データの更新や実施する診断アルゴリズムの切替えを行う。

なお、第３の実施の形態で説明した、収集データを一旦格納部１３０に格納したデータの圧縮を、詳細診断部１６０による診断結果により、実施してもよい。例えば、詳細診断結果が正常であれば、データ圧縮を行い、異常予兆が検知されれば、無圧縮にする。あるいは、データ収集診断圧縮部１２０の診断結果または詳細診断部１６０の診断結果をユーザ４が操作・表示部１７０を介して確認し、ユーザ４がデータの圧縮を指示してもよい。

本実施の形態によれば、先の第４の実施の形態に比べ、ネットワーク３２を流れるデータ量が少なくなるため、例えば、ネットワーク３２が無線ネットワークや電話回線等のため、その伝送速度が高くない場合に有効である。

なお、図では、データ収集格納装置１００の入力データは単一の機器２００に設置された２０１，２０２，・・・，２０ｎのセンサ情報を示しているが、機器は複数個の機器から構成されていてもよい。あるいは、機器本体以外の情報、例えば、周辺機器や配管部のセンシング情報、あるいは、周囲の環境情報のセンシング情報といった各種ロギングデータであってよい。また、プロセスデータであったり、イベントデータであってもよい。さらには、センサ情報に限らず、他の監視制御装置からの出力情報であってもよい。

重機への適用形態１に適用した実施例を示す。

図２１は、実施例６のデータ収集格納装置の重機への適用形態である。

データ収集格納装置１００の重機への適用形態を図２１に示す。図は大型ダンプへの適用形態を示したものである。図において、大型ダンプ２００１にエンジン回転数計測センサ，冷却水温度計測センサ，排気管温度計測センサ，バッテリ電圧計測センサ（それぞれ２０１，２０２，２０３，２０４）が設置されており、データ収集格納装置１００とネットワーク３１で接続される。

さらにデータ収集格納装置１００は、その診断結果を表示部１８０で表示することで、オペレータ４１に通知する。通知を受けたオペレータ４１は、表示内容を確認し、機器の操作の継続，停止を判断することが可能になる。

図２２は、表示部の画面構成図を示したものである。

表示部１８０の画面構成例を図２２に示す。図２２は図２１の大型ダンプへの適用形態を示しており、全体画面１８０１は、時間推移グラフ表示画面１８０２，異常センサ表示画面１８０３，警告メッセージのログ表示画面１８０４より構成される。

時間推移グラフ表示画面１８０２は、機器異常度，許容誤差，データ圧縮比，センサの異常寄与度の時間推移が表示されている。図の例では、エンジン回転数計測センサ２０１，冷却水温度計測センサ２０２，排気管温度計測センサ２０３，バッテリ電圧計測センサ２０４の異常寄与度の時間推移が表示されている。

機器異常度と許容誤差は図６に示すような、
機器異常度≦１（正常区間）で許容誤差＝ｍ
機器異常度＞１（異常予兆検知区間）では、許容誤差＝０
としている。

機器異常度，各種センサの異常寄与度は、図１２に異常予兆実施履歴格納部に格納された表をグラフ表示したものである。

データ圧縮比Ｃは、例えば以下の計算式により求められる。

Ｃ＝１−Σ(センサのデータサイズ×過去Ｔ区間の時間内のｎｕｌｌ数)
／Σ（センサのデータサイズ×過去丁区間の時間内のデータ数）
過去Ｔ区間の時間は、観測周期のｍ倍（ｍは正の整数。例えば１０００）。

図では、時刻ｔｅ以降は機器異常度が１を超えており、冷却水温度の異常寄与度が支配的になっている例を図示している。

なお、表示するセンサの異常寄与度は、ユーザが表示したいセンサを例えばチェックボックスで選択できるようにしてもよい。あるいは、異常寄与度の大きい上位ｎ個（ｎは正の整数。例えば３）を表示するようにしてもよい。また、センサの異常寄与度だけでなく、センサの観測値をグラフ表示してもよい。

異常センサ表示画面１８０３は、異常発生時に異常寄与度が高いセンサを色表示や点滅などでハイライト表示させる。図の例では、異常発生時に冷却水温度の異常寄与度がハイライト表示されている例を示している。

警告メッセージのログ表示画面１８０３は、異常が発生したことをメッセージとして表示する。図の例では、時刻ｔｅに異常が発生し、冷却水温度の異常寄与度が支配的である旨の警告メッセージを表示している。

重機への適用形態２に適用した実施例を示す。

図２３は、実施例７のデータ収集圧縮装置の重機への適用形態である。

デ一夕収集圧縮装置１００１１の重機への適用形態を図２３に示す。図２３は、図２０の実施例５のデータ収集格納装置のシステムへの適用形態２を大型ダンプに適用形態を示したものである。図において、大型ダンプ２００１にはエンジン回転数計測センサ，冷却水温度計測センサ，排気管温度計測センサ，バッテリ電圧計測センサ（それぞれ２０１，２０２，２０３，２０４）が設置されており、データ収集圧縮装置１００１１とネットワーク３１で接続される。

さらにデータ収集圧縮装置１００１１は、その診断結果を表示部１８０で表示することで、オペレータ４１に通知し、さらに、ネットワーク３２を介してサーバ計算機１００２に伝送する。サーバ計算機１００２では、データ収集圧縮装置１００１１より受信したデータを詳細診断し、その結果をデータ収集圧縮装置１００１１〜表示部１８０を介してオペレータ４１に表示する。これによりサーバ計算機１００２における診断結果をオペレータ４１に通知することが可能になる。

表示部１８０，サーバ計算機１００２内の操作・表示部１７０の表示部の画面構成例は図２２の適用形態を使用することができる。

４ ユーザ
３１，３２ ネットワーク
４１ オペレータ
１００ データ収集格納装置
１１０ データ収集部
１１１ 元データ格納バッファ
１２０ データ収集診断圧縮部
１２１，１２１１ 故障予兆診断部
１２４ 圧縮戦略管理部
１２５ データ圧縮部
１３０ 格納部
１３１ 故障予兆診断実施履歴格納部
１３２ 圧縮戦略履歴格納部
１３３ 圧縮データ格納部
１３４ 元データ格納部
１４１，１４２ データ送受信部
１５０ データ圧縮・展開部
１６０ 詳細診断部
１７０ 操作・表示部
１８０ 表示部
２００ 機器
２０１ エンジン回転数計測センサ
２０２ 冷却水温度計測センサ
２０３ 排気管温度計測センサ
２０４ バッテリ電圧計測センサ
１００１ データ伝送装置
１００２ サーバ計算機
１２０１ 診断圧縮管理部
１２５１ 圧縮データ格納バッファ
１２５２ データ展開部
１８０１ 全体画面
１８０２ 時間推移グラフ表示画面、
１８０３ 異常センサ表示画面
１８０４ 警報メッセージのログ表示画面
２００１ 大型ダンプ
１００１１ データ収集圧縮装置

Claims (14)

1. 機器に設置した１個またはそれ以上のセンサから収集した時系列データに対して異常予兆診断を行い、その診断結果を用いて該データの圧縮戦略を管理することにより、該データをデータ圧縮手段により圧縮し、ストレージに格納することを特徴とする時系列データ診断圧縮方法。
2. 前記異常予兆診断は、収集した時系列データに対し、予め正常時に機器から収集した時系列データ群を用いてベクトル量子化することにより分類したクラスタとの乖離の度合いを診断結果とすることを特徴とする請求項１記載の時系列データ診断圧縮方法。
3. 前記データの圧縮戦略を管理することは、前記異常予兆診断が出力する診断結果より、データの許容誤差を算出することを特徴とする請求項１記載の時系列データ診断圧縮方法。
4. 前記データ圧縮手段は、指定されたデータの許容誤差範囲のデータを間引き、許容誤差を逸脱したデータのみ残す非可逆データ圧縮を実施することを特徴とする請求項１記載の時系列データ診断圧縮方法。
5. 前記データ圧縮手段は、前記非可逆データ圧縮実施後、さらに可逆圧縮を実施する多段の圧縮であることを特徴とする請求項４記載の時系列データ診断圧縮方法。
6. 前記データの圧縮戦略を管理することは、算出するデータの許容誤差が、時系列データを構成する１個またはそれ以上のセンサデータ全てに対し、同一の許容誤差が設定されることであることを特徴とする請求項３記載の時系列データ診断圧縮方法。
7. 前記算出するデータの許容誤差は、時系列データを構成する１個またはそれ以上のセンサデータに対し、個々のセンサ毎に独立した許容誤差が設定されることを特徴とする請求項６記載の時系列データ診断圧縮方法。
8. 前記時系列データに対して異常予兆診断を行い、その診断結果を用いて該データの圧縮戦略を管理することにより、該データをデータ圧縮手段により圧縮した後、該圧縮データを展開し、展開したデータに対して異常予兆診断を行い、その診断結果と先に圧縮前のデータに対して実施した異常予兆診断の診断結果とを比較して得られる両者の誤差が、基準値以下であれば圧縮データを、または、基準値を超えていれば圧縮前のデータを、ストレージに格納することを特徴とする請求項１記載の時系列データ診断圧縮方法。
9. 前記異常予兆診断が出力する診断結果をストレージに格納することを特徴とする請求項２に記載の時系列データ診断圧縮方法。
10. 前記データの圧縮戦略を管理することが、出力するデータの許容誤差をストレージに格納することであることを特徴とする請求項３記載の時系列データ診断圧縮方法。
11. 機器に設置した１個またはそれ以上のセンサから収集した時系列データをストレージに格納するのと同時に異常予兆診断を行い、その診断結果を用いてデータの許容誤差を算出し、算出した許容誤差をストレージに格納し、先にストレージに格納した該データと許容誤差を取り出し、取り出した該データをデータ圧縮手段により圧縮し、該圧縮したデータをストレージに格納することを特徴とする時系列データ診断圧縮方法。
12. 機器に設置した１個またはそれ以上のセンサから時系列データを収集する手段と、収集した該データに対して異常予兆診断を実施する手段と、異常予兆診断の診断結果を用いて該データの圧縮戦略を管理する手段と、収集した該データを圧縮するデータ圧縮手段と、圧縮したデータを保管する格納手段と、を具備したことを特徴とする時系列データ収集格納装置。
13. 機器に設置した１個またはそれ以上のセンサから時系列データを第１の伝送路より受信し、第２の伝送路に伝送するデータ送受信手段を有する第１の構成手段であるデータ伝送手段と、該データ伝送手段が伝送するデータを該第２の伝送路を介して受信するデータ送受信手段と、受信したデータより診断，圧縮するデータ収集圧縮手段と、該データ収集圧縮手段が出力するデータを圧縮・展開するデータを圧縮・展開手段と、該データの圧縮・展開する手段が圧縮したデータを格納するデータ格納手段と、該データ格納手段に格納された圧縮データを該データ圧縮・展開手段を介して得られる展開されたデータより詳細な診断を実施する詳細診断手段と、該データ収集圧縮手段あるいは、該詳細診断手段の出力を表示し、該手段に対して設定情報の操作を行う操作・表示部より構成される第２の構成手段であるサーバ計算機と、を有することを特徴とする時系列データ収集診断格納システム。
14. 機器に設置した１個またはそれ以上のセンサから時系列データを第１の伝送路より受信し、受信したデータより診断，圧縮するデータ収集圧縮手段を介して圧縮したデータを第２の伝送路に伝送するデータ送受信手段を有する第１の構成手段であるデータ収集圧縮手段と、該データ収集圧縮手段が伝送する圧縮データを該第２の伝送路を介して受信するデータ送受信手段と、受信した該圧縮データを圧縮・展開するデータを圧縮・展開手段と、該データの圧縮・展開する手段が圧縮したデータを格納するデータ格納手段と、該データ格納手段に格納された圧縮データを該データ圧縮・展開手段を介して得られる展開されたデータより詳細な診断を実施する詳細診断手段と、該データ収集圧縮手段あるいは、該詳細診断手段の出力を表示し、該手段に対して設定情報の操作を行う操作・表示部より構成される第２の構成手段であるサーバ計算機と、を有することを特徴とする時系列データ収集診断格納システム。

Images