JPWO2012020456A1 - 時系列データ処理装置及びその方法 - Google Patents
時系列データ処理装置及びその方法 Download PDFInfo
- Publication number
- JPWO2012020456A1 JPWO2012020456A1 JP2012528518A JP2012528518A JPWO2012020456A1 JP WO2012020456 A1 JPWO2012020456 A1 JP WO2012020456A1 JP 2012528518 A JP2012528518 A JP 2012528518A JP 2012528518 A JP2012528518 A JP 2012528518A JP WO2012020456 A1 JPWO2012020456 A1 JP WO2012020456A1
- Authority
- JP
- Japan
- Prior art keywords
- time
- series data
- data
- combination
- analysis
- 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.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/25—Integrating or interfacing systems involving database management systems
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
- G05B23/0221—Preprocessing measurements, e.g. data collection rate adjustment; Standardization of measurements; Time series or signal analysis, e.g. frequency analysis or wavelets; Trustworthiness of measurements; Indexes therefor; Measurements using easily measured parameters to estimate parameters difficult to measure; Virtual sensor creation; De-noising; Sensor fusion; Unconventional preprocessing inherently present in specific fault detection methods like PCA-based methods
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Testing And Monitoring For Control Systems (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
解析対象となる複数の時系列データに対するアクセスを効率的に行うために、データ蓄積部は、データ蓄積時に、時系列データソース10からの時系列データのうち、解析対象となる時系列データであって、同一周期で発生する時系列データの組み合わせとして、予測振動数と実績振動数に関する時系列データを選択し、選択した時系列データの組み合わせを1時間単位で集約し、集約した複数組の時系列データを属性(振動数)に対応付けて集約データテーブルに蓄積し、データ解析部は、データ解析時に、属性を基に集約データテーブルをアクセスして、解析で用いる時系列データとして、予測振動数と実績振動数に関する時系列データの組み合わせを抽出し、抽出した時系列データを基に予測振動数と実績振動数との差である乖離振動数を求める。
Description
本発明は、各種センサなどから発生する時系列データを処理する時系列データ処理装置及びその方法に関するものである。
従来、計算機システム等において、各種センサの検出によるデータを時系列データとして取り込み、取り込んだ時系列データを用いて解析、制御などの処理が行われている。例えば、様々な場所で採取された複数の時系列データを集めて解析するものが提案されている(特許文献1参照)。
特許文献1には、複数の時系列データを解析する場合、各時系列データのサンプリング周期がデータ毎に異なっていることを考慮し、複数の時系列データのサンプリング周期に応じて、抜けデータを補完し、補完されたデータを蓄積する技術が開示されている。具体的には、1秒周期または2秒周期で時系列データがサンプリングされる場合、1秒周期の時系列データを基準に、2秒周期の時系列データを補完して、各時系列データを蓄積するものである。
また、長期間のプラントデータを高速且つ効率的に表示するに際して、プラントにおいて大量に発生する長期間のデータに対して、効率良く検索し、プラントデータの傾向監視や異常値監視を行うようにしたものが提案されている(特許文献2参照)。
特許文献2には、プラントデータを所定のデータ取り込み周期で取り込んでプラントデータテーブルに書き込み、データ取り込み周期よりも長いデータ収録周期でプラントデータを取り込んでデータ収録周期毎に纏めてプラントデータ履歴情報テーブルに保存し、プラントデータ履歴情報毎のプラントデータの最大値や最小値および平均値を含む長期検索用履歴情報を作成して長期検索用履歴情報テーブルに保存し、データを表示するときに、いずれかのテーブルに対してデータ検索を行い、検索したデータの内容を表示装置にグラフで表示する技術が開示されている。
特許文献1のものは、時系列データを短い方のサンプリング周期に合わせて補完しているため、時系列データのサンプリング周期がデータ毎に異なっている場合でも、時系列データを正確に解析することができる。しかし、時系列データを蓄積する際、短い方の周期に合わせて蓄積しているので、蓄積データ量が増大することになり、複数の時系列データを効率的に蓄積することが困難となる。
また、特許文献2のものでは、一定周期毎に各時系列データに対する平均値や最大値または最小値を算出しているため、複数の時系列データを用いて解析する必要がある場合、例えば、複数の時系列データの差(最大値と最小値の差等)を求める演算を必要とする場合、時系列データを個々にアクセスして、各時系列データの値を求めなければならず、複数の時系列データに対し効率的にアクセスすることができない。
本発明は、前記従来技術の課題に鑑みて為されたものであり、その目的は、解析対象となる複数の時系列データに対するアクセスを効率的に行うことができる時系列データ処理装置及びその方法を提供することにある。
前記目的を達成するために、本発明は、データ蓄積時に、解析対象となる複数の時系列データを組み合わせ、組み合わせた複数の時系列データをその属性に対応付けて記憶部に蓄積し、データ解析時に、解析で用いる時系列データとして、前記属性を基に複数の時系列データの組み合わせを記憶部から抽出することを特徴とするものである。
本発明によれば、解析で用いる複数の時系列データを効率的にアクセスして解析することができる。
本実施例は、データ蓄積時に、解析対象となる複数の時系列データの組み合わせとして、同一周期で発生する時系列データの組み合わせ(予測振動数と実績振動数に関する時系列データ)を選択し、選択した時系列データの組み合わせを複数組纏めて設定時間単位で集約し、集約した複数組の時系列データを属性(振動数)に対応付けて記憶部に蓄積し、データ解析時に、解析で用いる時系列データとして、同一周期で発生する時系列データの組み合わせ(予測振動数と実績振動数に関する時系列データ)を記憶部から抽出するものである。
以下、本発明の一実施形態を図面に基づいて説明する。
図1は、本発明が適用された計算機システムのブロック構成図である。図1において、計算機システムは、時系列データソース10と、クライアント計算機12と、ネットワーク14と、時系列データ処理装置16と、外部記憶装置18を備えて構成されている。時系列データソース10とクライアント計算機12および時系列データ処理装置16は、ネットワーク14を介して互いに接続され、時系列データ処理装置16は、外部記憶装置18に接続されている。
時系列データソース10は、各種センサ、例えば、温度、湿度、電圧、電流、発電量、電力消費量、タービンの実績振動数などを検出するセンサあるいは、タービン振動の予測値などを発生する予測振動数発生器などを備え、各種センサや予測振動数発生器などの出力信号を時系列データとして、時間軸に従ってネットワーク14に出力する時系列データ発生源として構成される。
クライアント計算機12は、プロセッサ、メモリ、入出力装置、記憶装置、表示装置などを有し、解析要求としての解析クエリをネットワーク14に発行するとともに、時系列データ処理装置16からのデータを、ネットワーク14を介して受信し、受信したデータを結果データとして記憶装置に格納する。
時系列データ処理装置16は、メモリ20、通信インタフェース22、外部記憶インタフェース24、プロセッサ26から構成され、メモリ20と通信インタフェース22と外部記憶インタフェース24およびプロセッサ26が、内部ネットワーク28を介して互いに接続され、通信インタフェース22が、ネットワーク14に接続され、記憶部としての外部記憶インタフェース24が、外部記憶装置18に接続されている。なお、外部記憶装置18の代わりに、時系列データ処理装置16に、記憶部としての記憶装置を配置し、この記憶装置を内部ネットワーク28に接続する構成とすることもできる。
プロセッサ26は、時系列データ処理装置16全体を統括制御し、メモリ20に格納された時系列データ処理プログラム30に従って各種の処理を実行する。
この際、プロセッサ26は、時系列データソース10から出力される時系列データを順次入力して処理するデータ処理部として機能するとともに、外部記憶装置18に格納された集約データテーブル32をアクセスして、集約データテーブル32からデータを取得し、取得したデータを解析するデータ取得解析部として機能する。
時系列データ処理プログラム30は、データ蓄積部34と、データ解析部36と、データ取得部38と、設定情報格納領域40から構成される。
データ蓄積部34は、データ処理部として機能し、データ受付部42と、データ属性集約部44と、データ時間集約部46と、特徴点抽出部48と、データ圧縮部50と、集約データ書込み部52と、属性バッファ54と、時間バッファ56から構成される。
データ解析部36は、解析受付部60と、解析実行部62から構成される。
データ取得部38は、読込み時間帯絞込み部70と、集約データ読込み部72と、データ解凍部74と、データ時間抽出部76と、データ絞込み部78と、データ属性抽出部80から構成される。この際、データ解析部36とデータ取得部38は、データ取得解析部として機能する。
設定情報格納領域40は、属性集約情報90と、時間集約情報92を格納する。
データ蓄積部34のデータ受付部42は、時系列データソース10から出力される時系列データが、ネットワーク14と、通信インタフェース22を介して時系列データ処理装置16に入力された場合、入力された時系列データを時間軸に従って順次受け付ける。このデータ受付部42は、時系列データとして、同一周期で発生する時系列データとして、予測振動数に関する時系列データと実績振動数に関する時系列データを受け付けたときには、各時系列データをデータ属性集約部44に出力する。
データ属性集約部44は、入力した時系列データのうち解析対象となる複数の時系列データ、即ち、同一周期で発生する複数の時系列データを組み合わせ、組み合わせた複数の時系列データ、例えば、予測振動数と実績振動数に関する時系列データを組み合わせ、組み合わせた複数の時系列データを、互いに関連する属性、例えば、振動数に対応付けて集約(以下、属性集約と称することもある。)し、集約された時系列データを属性集約データとして、属性バッファ54に蓄積するとともに、データ時間集約部46に出力する。
データ時間集約部46は、入力した属性集約データを、設定された時間(設定時間)分だけ纏めて収集して時間集約データとして処理する。例えば、データ時間集約部46は、入力された属性集約データを1時間単位で集約して時間集約データとして、時間バッファ56に蓄積するとともに、特徴点抽出部48に出力する。
すなわち、データ属性集約部44が、解析対象となる時系列データであって、同一周期で発生する複数の時系列データを組み合わせた場合、時系列データの組み合わせを1組ずつ選択し、選択した各組の時系列データを、設定時間の1時間単位で纏めて集約し、集約した複数組の時系列データを時間集約データとして時間バッファ56に蓄積する。
特徴点抽出部48は、入力した時間集約データから、その特徴点を抽出し、抽出した特徴点、例えば、予測最大値、予測最小値、実績最大値、実績最小値とともに、入力した時間集約データをデータ圧縮部50に出力する。
データ圧縮部50は、特徴点抽出部48から出力された時間集約データを圧縮し、圧縮したデータと特徴点抽出部48から出力された特徴点を集約データ書込み部52に出力する。
集約データ書込み部52は、データ圧縮部50から出力されるデータを集約データとして、外部記憶装置18の集約データテーブル32に書き込む。
データ解析部36の解析受付部60は、クライアント計算機12から発行される解析クエリが、ネットワーク14と、通信インタフェース22を介して入力された場合、クライアント計算機12からの解析クエリを受け付け、受け付けた解析クエリをデータ取得部38に出力する。解析実行部62は、データ取得部38の処理結果を基に解析クエリで規定された解析を実行する。
データ取得部38の読込み時間帯絞込み部70は、解析受付部60からの解析クエリを解釈し、解析クエリに規定された読込み時間帯と検索条件を取得し、集約データテーブル32から取得した読込み時間帯の特徴点を基に読込み時間帯を絞込み、集約データ読込み部72に出力する。
集約データ読込み部72は、読込み時間帯絞込み部70で絞り込まれた読込み時間帯を基に集約データテーブル32を検索し、集約データテーブル32に格納されているデータ集約時間帯に属するデータ(集約ID、特徴点、時間集約データなどを含むデータ)をデータ解凍部74に出力する。
データ解凍部74は、集約データ読込み部72から出力された時間集約データを解凍し、解凍した時間集約データをデータ時間抽出部76に出力する。
データ時間抽出部76は、データ解凍部74で解凍された時間集約データのうち読込み時間帯の時間集約データを抽出し、抽出した時間集約データを属性集約データと処理し、属性集約データをデータ絞込み部78に出力する。
データ絞込み部78は、データ時間抽出部76で処理された属性集約データの中から解析クエリに規定された検索条件を満たす属性集約データを絞り込んで抽出し、絞り込まれた属性集約データをデータ属性抽出部80に出力する。
データ属性抽出部80は、データ絞込み部78により絞り込まれた属性集約データの中から解析対象の属性(振動数)を有する複数の時系列データ(予測振動数と実績振動数に関する時系列データ)を同一周期毎に抽出し、抽出した複数の時系列データを解析実行部62に出力する。
次に、図2に、時系列データ管理テーブルの構成を示す。
図2において、時系列データ管理テーブル100は、例えば、時系列データ処理装置16のメモリ20に格納されるテーブルであって、名前102と、属性104と、日時106と、値108から構成される。この時系列データ管理テーブル100には、時系列データソース10から発生する時系列データに関する情報が順次格納される。
例えば、時系列データD1は、名前102が、「タービン振動の予測値」で、属性104が、「予測振動数」、日時106が、「2010−05−01 07:00:00」、値108が、「15.2」のデータとして管理される。時系列データD2は、名前102が、「タービン振動の実績値」、属性104が、「実績振動数」、日時106が、「2010−05−01 07:00:00」、値108が、「24.3」のデータとして管理される。
時系列データD3は、名前102が、「ワットチェッカー」、属性104が「電力消費量」、日時106が、「2010−05−01 07:00:00」、値108が、「6.7」のデータとして管理され、時系列データD4は、名前104が、「発電量計測器」、属性104が、「発電量」、日時106が、「2010−05−01 07:00:00」、値108が、「240」のデータとして管理される。
時系列データD1、D2は、同一周期で発生する時系列データであって、次の発生周期には、時系列データD5、D6として管理される。
時系列データD3、D4は、互いに異なる周期で発生する時系列データであって、時系列データD3は、1分毎に発生し、次の発生周期では、時系列データD7として管理される。時系列データD4は、1時間周期で発生する時系列データであって、次の発生周期では、時系列データD9として管理される。
次に、図3に、設定情報格納領域40に格納される属性集約情報90の構成を示す。
図3において、属性集約情報90は、集約ID120と属性122から構成される。属性122には、例えば、解析対象となる複数の時系列データのうちタービン振動の予測値に関する時系列データの属性として、「予測振動数」が格納されるとともに、タービン振動の実績値の属性を示す「実績振動数」が格納される。集約ID120には、例えば、予測振動数と実績振動数が示す属性であって、互いに関連する属性である「振動数」が格納される。
次に、図4に、属性バッファ54の構成を示す。
属性バッファ54は、情報格納領域がテーブル形式で構成され、日時フィールド130と、属性フィールド132と、値フィールド134から構成される。日時フィールド130の各エントリには、解析対象となる複数の時系列データが取得されたときの日時に関する情報が格納される。
属性フィールド132の各エントリには、例えば、解析対象となる複数の時系列データの属性に関する情報として、「予測振動数」と「実績振動数」が格納される。
値フィールド134の各エントリには、各時系列データの値に関する情報、例えば、予測振動数に関する時系列データの値として、「15.2」が格納され、実績振動数に関する時系列データの値として、「24.3」が格納される。
次に、図5に、設定情報格納領域40に格納される時間集約情報92の構成を示す。
時間集約情報92は、集約ID140と、時間集約データ数42から構成される。集約ID140には、例えば、予測振動数と実績振動数が示す属性であって、互いに関連する属性である「振動数」が格納される。時間集約データ数142には、例えば、時系列データを1時間分蓄積するための個数として、「3600個」の情報が格納される。
次に、図6に、時間バッファ56の構成を示す。
時間バッファ56は、情報記憶領域がテーブル形式で構成され、集約IDフィールド150と、データ集約時間帯フィールド152と、属性集約データフィールド154から構成される。
集約IDフィールド150のエントリには、例えば「振動数」の情報が格納される。データ集約時間帯フィールド152のエントリには、時系列データが集約された時間帯に関する情報が格納される。
属性集約データフィールド154の各エントリには、解析対象となる複数の時系列データ、例えば、時系列データD1と時系列データD2が組み合わされ、組み合わされた時系列データD1、D2が、集約IDの「振動数」に対応付けて格納される。
次に、図7に、外部記憶装置18に格納される集約データテーブル32の構成を示す。
図7において、集約データテーブル32は、集約IDフィールド160と、特徴点フィールド162と、データ集約時間帯フィールド164と、時間集約データフィールド166から構成される。
例えば、集約IDフィールド160の各エントリには、予測振動数と実績振動数が示す属性を集約した属性である「振動数」の情報が格納される。
特徴点フィールド162の各エントリには、入力した複数の時系列データのうち1時間に亘って蓄積された時系列データの特徴点に関する情報が格納される。例えば、予測振動数の最大値が、「予測最大値:30」として格納され、予測振動数の最小値として、「予測最小値:0」として格納され、実績振動数の最大値として、「実績最大値:40」が格納され、実績振動数の最小値として、「実績最小値:0」が格納される。
データ集約時間帯フィールド164には、各時系列データを時間集約データとして、纏めたときのデータ集約時間帯に関する情報が年月日を示す情報とともに数値で格納される。
時間集約データフィールド166の各エントリには、1時間単位で集約された時間集約データに関するデータが格納される。この際、時系列データD1、D2が組み合わされ、時系列データD5、D6が組み合わされ、それぞれ組み合わされた時系列データD1、D2、D5、D6が、集約IDの「振動数」に対応付けて格納される。また、各エントリには、組み合わされた1時間分の時系列データが格納されることになる。
次に、図8に解析クエリに関する構成を示す。
図8において、解析クエリ170は、選択レンジ(select_range)172と、選択項目(select_items)174と、データ取得対象時間帯(from _timerange)176と、検索条件(where_condition)178から構成される。
選択レンジ172には、データ解析部36が処理するタイミングとして、例えば「1秒」が格納される。選択項目174には、解析実行部62が解析を行うための解析対象IDとして、例えば「予測周波数−実績周波数AS乖離周波数」が格納される。
データ取得対象時間帯176には、解析実行部62が、解析を実行する際に用いるデータ取得対象時間帯に関する情報として、例えば、「2010−05−01 07:20:00〜2010−05−01 08:40:00」が格納される。
検索条件178には、検索対象IDとなる条件として、例えば、「予測振動数>=40」の情報が格納される。
次に、時系列データ蓄積処理を図9のフローチャートに従って説明する。
この処理は、プロセッサ26が、時系列データ処理プログラム30のデータ蓄積部34を起動することで開始される。
まず、データ受付部42が、時系列データソース10からの時系列データを、通信インタフェース22を介して受信した場合、データ受付部42は、受信した時系列データを順次データ属性集約部44に渡す(S11)。
次に、データ属性集約部44は、受信した時系列データのうち同一周期の複数の時系列データの属性、例えば、「予測振動数、実績振動数」と、属性集約情報90の属性122とを突き合わせ、受信した各時系列データの属性が、「予測振動数」または「実績振動数」である場合、受信した各時系列データの属性に対応する集約IDとして、「振動数」を取得し(S12)、受信した各時系列データを、集約ID(振動数)に対応する属性バッファ54に蓄積する(S13)。
次に、データ属性集約部44は、集約IDに対応する属性バッファ54に、同じ日時における属性の値が全て存在するか否かを判定し(S14)、全て存在していないときには、ステップS11の処理に戻り、全て存在していると判定したときには、集約IDに対応する属性バッファ54から、同じ日時の全ての属性のデータを取得し、その後、属性バッファ54上のデータを削除する(S15)。
次に、データ属性集約部44は、属性バッファ54から取得した全ての属性のデータを、解析対象となる複数の時系列データ毎に組み合わせて集約IDに対応付けるための属性集約を行い、組み合わされた複数の時系列データを属性集約データとして処理し、この属性集約データをデータ時間集約部46に出力する(S16)。
次に、データ時間集約部46は、属性集約データを受け取り、この属性集約データを時間バッファ56に蓄積し(S17)、時間バッファ56のデータの個数が、時間集約情報92の時間集約データ数42に格納された個数、例えば、3600個を超えているか否かを判定し(S18)、時間バッファ56のデータの個数が、時間集約データ数を超えていないときには1時間分のデータを収集するために、ステップS11の処理に戻り、時間バッファ56のデータの個数が、時間集約データ数を超えたときには、1時間分のデータが収集されたとして、ステップS19の処理に移行する。
次に、ステップS19において、データ時間集約部46は、集約ID(振動数)に対応する時間バッファ56から、属性集約データを全て取得し、その後、時間バッファ56上のデータを削除する。
次に、データ時間集約部46は、収集した全ての属性集約データを1時間分のデータとして時間集約し、属性集約データを時間集約データとして処理し、時間集約データを特徴点抽出部48に出力する(S20)。
次に、特徴点抽出部48は、入力した時間集約データから、その特徴となる値として「特徴点」を抽出し、抽出した特徴点とともに、時間集約データをデータ圧縮部50に出力する(S21)。
次に、データ圧縮部50は、入力した時間集約データを圧縮し、圧縮したデータと特徴点を集約データ書込み部52に出力する(S22)。
次に、集約データ書込み部52は、時間集約データと特徴点のデータを受け取り、受け取った時間集約データと特徴点のデータを、外部記憶インタフェース24を介して外部記憶装置18の集約データテーブル32に書き込み(S23)、このルーチンでの処理を終了する。
この際、集約データテーブル32には、1時間単位の時間集約データが、特徴点やデータ集約時間帯のデータとともに、集約ID(振動数)に対応付けて格納される。また、集約データテーブル32には、圧縮されたデータが蓄積されるので、データを圧縮しないときよりも、少ないデータ量で集約データを蓄積することができる。
次に、時系列データ解析処理を図10のフローチャートに従って説明する。
この処理は、プロセッサ26が、時系列データ処理プログラム30のデータ解析部36とデータ取得部38を起動することで開始される。
まず、解析受付部60が、解析クエリ170を受信し(S31)、データ取得部38が、解析対象ID・検索対象ID・取得対象ID・取得対象集約IDリスト作成処理を実行し(S32)、その後データ取得部38が、データ取得処理を実行する(S33)。その後、解析実行部62は、条件・属性によるデータ抽出・解析処理を実行し(S34)、解析結果バッファ(図示せず)に蓄積されたデータを結果データとして、クライアント計算機12に送信する処理を実行し(S35)、このルーチンでの処理を終了する。
次に、解析対象ID・検索対象ID・取得対象ID・取得対象集約IDリスト作成処理を図11のフローチャートに従って説明する。
この処理は、図10のステップS32で行われる処理であって、まず、解析受付部60は、解析クエリ70の選択項目(select_items)174から、解析対象IDリストを作成し、このリスト中に解析対象IDとして、予測振動数と実績振動数を書き込む(S41)。
次に、解析受付部60は、解析クエリ170の検索条件(where_condition)178から、検索対象IDリストを作成し、このリスト中に、検索対象IDとして予測振動数を書き込む(S42)。
次に、解析受付部60は、解析対象IDと検索対象IDを合わせて、取得対象IDリストを作成し、このリスト中に取得対象IDとして、予測振動数と実績振動数を書き込む(S43)。
次に、解析受付部60は、ステップS44からステップS48の取得対象IDリストのループ処理を開始する。
まず、データ解析受付部60は、取得対象IDと、属性集約情報90の属性122とを突き合わせ、取得対象となる集約IDとして、「振動数」を取得し(S45)、取得対象となる集約ID「振動数」が、取得対象集約IDリストに存在するか否かを判定し(S46)、存在しないときには取得対象集約IDリストに取得対象となる集約IDを追加し(S47)、取得対象となる集約IDがすでに取得対象集約IDリストに存在するときには、このルーチンでの処理を終了する。
次に、データ取得処理を図12のフローチャートに従って説明する。
この処理は、図10のステップS33で行われる処理である。まず、読込み時間帯絞込み部70は、解析受付部60から取得対象集約IDリストを受信し(S51)、解析クエリ170を基に、解析クエリ170のデータ取得対象時間帯(from_timerange)176の時間帯から、データ取得対象時間帯として、例えば、「07:20:00〜08:40:00」を取得する(S52)。
次に、読込み時間帯絞込み部270は、集約データテーブル32の特徴点を用いて、解析クエリ170の検索条件(where_condition)178が成立するデータが存在する時間帯に、データ取得時間帯を絞り込む(S53)。例えば、読込み時間帯絞込み部270は、図7の集約データテーブル32を参照し、予測振動数が40以上の時系列データが、第1のエントリには存在せず、第2のエントリにのみ存在するときには、データ取得対象時間帯を、7時20分〜8時40分から8時0分〜8時40分に絞り込む。
この後、読込み時間帯絞込み部70は、絞り込んだデータ取得対象時間帯に関する情報を集約データ読込み部72に出力する。
この後、ステップS54〜S58において、取得対象集約IDリストのループ処理が行われる。
まず、集約データ読込み部72は、集約データテーブル32を参照し、取得対象集約IDに関する集約データとして、絞り込まれたデータ取得対象時間帯に属する集約データを集約データテーブル32から取得し、取得した集約データをデータ解凍部74に出力する(S55)。
次に、データ解凍部74は、入力した集約データを解凍し、解凍した集約データをデータ時間抽出部76に出力する(S56)。
次に、データ時間抽出部76は、時間集約情報92の時間集約データ数42を参照し、時間集約データ数を基に、絞り込まれたデータ取得対象時間帯に属する属性集約データリストを抽出し(S57)、取得対象集約IDリストに関する処理が全て完了したことを条件に、このルーチンでの処理を終了する。
次に、条件・属性によるデータ抽出・解析処理を図13のフローチャートに従って説明する。
この処理は、図10のステップS34における処理であって、まず、データ絞込み部78は、解析クエリ170の条件178から、データ絞り込み条件(予測振動数が40以上)を取得し(S61)、データ時間抽出部76が抽出した属性集約データリストを取得する(S62)。
この後、ステップS63〜S68において、属性集約データリストのループ処理が行われる。
まず、データ絞込み部78は、属性集約データに対し、データ絞り込み条件が成立するか否かを判定する(S64)。具体的には、データ絞込み部78は、属性集約データの中に予測振動数が、40以上のものが存在するか否かを判定する。即ち、データ絞込み部78は、予測振動数の値が、検索対象の条件となる基準値=40以上であるか否かを判定する。属性集約データの中に予測振動数が、40以上のものが存在する場合、データ絞込み部78は、予測振動数の値が、検索対象の条件となる基準値=40以上である時系列データの組み合わせを、絞り込まれた時系列データの組み合わせとして抽出することになる。
属性集約データの中に予測振動数が、40以上のものが存在する場合、データ属性抽出部78は、データ絞込み部78によって絞り込まれた時系列データ(属性集約データ)の組み合わせから、解析対象IDリストのデータを抽出する(S65)。すなわち、属性集約データの中から、解析クエリ170の選択項目174で規定されている、予測振動数と実績振動数に関する時系列データを1組ずつ、解析対象の複数の時系列データとして抽出する。
データ属性抽出部80は、抽出した複数の時系列データの組み合わせをそれぞれ解析対象の複数の時系列データとして解析実行部62に出力する。
解析実行部62は、データ属性抽出部80によって抽出された複数組の時系列データに対して、解析クエリ170の選択項目174で規定された解析を実行する(S66)。すなわち、解析対象となる複数の時系列データであって、予測振動数が40以上の組について、予測振動数から実績振動数を減算し、乖離周波数を求める解析を実行する。
この後、解析実行部62は、各組の解析結果を解析結果バッファ(図示せず)に蓄積し(S67)、このルーチンでの処理を終了する。
本実施例によれば、同一周期で発生する複数の時系列データを、属性(振動数)で纏めて集約するとともに、設定時間単位で纏めて集約するようにしたため、同一周期で発生する複数の時系列データを効率的に蓄積することができる。
また、本実施例によれば、属性(振動数)を基準に複数の時系列データを蓄積した集約データテーブル32に対して、属性を基にアクセスすることで、解析で用いる時系列データとして、同一周期で発生する時系列データの組み合わせを集約データテーブル32から抽出するようにしたため、解析で用いる時系列データを効率的にアクセスして解析することができる。
本実施例は、データ蓄積時に、解析対象となる複数の時系列データの組み合わせとして、異なる周期で発生する時系列データの組み合わせ(発電量と電力消費量に関する時系列データ)を選択し、選択した時系列データの組み合わせを複数組纏めて設定時間単位で集約し、集約した複数組の時系列データを属性(電力)に対応付けて記憶部に蓄積し、データ解析時に、解析で用いる時系列データとして、異なる周期で発生する時系列データの組み合わせ(発電量と電力消費量に関する時系列データ)を記憶部から抽出するものである。
図14に本発明に係る第2実施例の全体構成を示す。
本実施例における計算機システムは、時系列データ処理装置16において、データ蓄積部34のデータ受付部42とデータ属性集約部44との間にデータ周期集約部43を配置し、属性バッファ54の代わりに、属性バッファ53を配置し、時間バッファ56の代わりに、時間バッファ55を配置し、データ周期集約部43が管理するバッファとして、周期バッファ57を配置し、データ取得部38のデータ属性抽出部80の後にデータ周期抽出部82を配置し、設定情報格納領域40に、属性集約情報90の代わりに、属性集約情報91を配置し、時間集約情報92の代わりに、時間集約情報93を配置し、新たに周期集約情報95を配置し、さらに、外部記憶装置18に集約データテーブル32の代わりに、集約データテーブル33を格納し、時系列データ処理装置16で時系列データとして、異なる周期で発生する時系列データを処理するようにしたものであり、他の構成は第1実施例と同様である。
データ周期集約部43は、データ受付部42の出力による時系列データのうち発生周期が異なる時系列データを1時間分の時系列データとして纏めて処理するために、例えば、1時間周期で発生する時系列データ(発電量に関する時系列データ)と、1分周期で発生する時系列データ(電力消費量に関する時系列データ)を蓄積データとして周期バッファ57に蓄積するとともに、1時間周期で発生する時系列データと1分周期で発生する時系列データをそれぞれデータ属性集約部44に出力する。
データ属性集約部44は、入力した時系列データのうち解析対象となる複数の時系列データ、即ち、異なる周期で発生する複数の時系列データを組み合わせ、組み合わせた複数の時系列データ、例えば、発電量に関する時系列データと電力消費量に関する時系列データを組み合わせ、組み合わせた複数の時系列データを、互いに関連する属性、例えば、電力に対応付けて集約(以下、属性集約と称することもある。)し、集約された時系列データを属性集約データとして、属性バッファ53に蓄積するとともに、データ時間集約部46に出力する。
データ時間集約部46は、入力した属性集約データを、設定された時間分だけ収集して時間集約データとして処理する。例えば、データ時間集約部46は、入力された属性集約データを24時間単位で集約して時間集約データとして、時間バッファ55に蓄積するとともに、特徴点抽出部48に出力する。
特徴点抽出部48は、入力した時間集約データから、その特徴点を抽出し、抽出した特徴点とともに、入力した時間集約データをデータ圧縮部50に出力する。
データ圧縮部50は、特徴点抽出部48から出力された時間集約データを圧縮し、圧縮したデータと特徴点抽出部48から出力された特徴点を集約データ書込み部52に出力する。
集約データ書込み部52は、データ圧縮部50から出力されるデータを集約データとして、外部記憶装置18の集約データテーブル32に書き込む。
データ解析部36の解析受付部60は、第1実施例と同様に、クライアント計算機12からの解析クエリを受け付け、受け付けた解析クエリをデータ取得部38に出力する。解析実行部62は、第1実施例と同様に、データ取得部38の処理結果を基に解析クエリで規定された解析を実行する。
データ取得部38の読込み時間帯絞込み部70、集約データ読込み部72、データ解凍部74、データ時間抽出部76、データ絞込み部78、データ属性抽出部80は、第1実施例と同様に、時系列データに関する処理を実行する。
この際、データ属性抽出部80は、データ絞込み部78により絞り込まれた属性集約データの中から、解析対象となる時系列データであって、集約IDが電力に対応付けられた複数の時系列データとして、1個の発電量に関する時系列データと、60個の電力消費量に関する時系列データとを組み合わせたものを解析対象毎に纏めて抽出し、各抽出した複数の時系列データを解析実行部62に出力する。
次に、図15に、周期集約情報95の構成を示す。
周期集約情報95は、属性200と、周期集約データ数202から構成される。属性200には、例えば、解析対象の時系列データに関する属性として、「発電量」と「電力消費量」が格納される。周期集約データ数202には、例えば、1時間単位で解析を行うときに必要なデータ数として、発電量に対応して「1個」が格納され、電力消費量に対応して「60個」の情報が格納される。これは、1時間当たりにおける電力差を解析する場合、発電量として1個のデータを用い、1分間に発生する電力消費量として、60個のデータを用いるためである。
図16に、周期バッファ57の構成を示す。
周期バッファ57は、情報記憶領域がテーブル形式で構成されており、日時フィールド210と、属性フィールド212と、蓄積データフィールド214から構成される。
日時フィールド210の各エントリには、周期バッファ57にデータを蓄積する日時に関する情報が、年月日とともに数値で格納される。属性フィールド212の各エントリには、例えば、周期バッファ57に蓄積された時系列データの属性として、「発電量」または「電力消費量」の情報が格納される。蓄積データフィールド214の各エントリには、周期バッファ57に蓄積された時系列データ(蓄積データ)の値が格納される。
例えば、発電量に対応して、図2における時系列データD4の値として、「240」が格納され、電力消費量に対応して、図2における時系列データD3、D7、D8の値として、「6.7」、「7.1」、「12.4」が格納される。
次に、図17に属性集約情報91の構成を示す。
属性集約情報91は、集約ID220と、属性222から構成される。属性222は、異なる周期で発生する時系列データの属性として、例えば、「発電量」、「電力消費量」が格納される。集約ID220には、属性222に格納される発電量と電力消費量が示す属性であって、互いに関連する属性として「電力」が格納される。
次に、図18に、属性バッファ53の構成を示す。
属性バッファ53は、情報記憶領域がテーブル形式で構成され、周期集約時間帯フィールド230と、属性フィールド232と、周期集約データフィールド234から構成される。
周期集約時間帯フィールド230の各エントリには、1時間単位の周期集約時間帯に関する情報が格納される。属性フィールド232の各エントリには、例えば、解析対象となる複数の時系列データの属性として、「発電量」と「電力消費量」が格納される。
周期集約データフィールド234の各エントリには、例えば、発電量に対応して、発電量の値が、1個格納され、電力消費量に対応して、1分周期で収集された電力消費量の値が、60個格納される。
次に、図19に、時間集約情報93の構成を示す。
時間集約情報93は、集約ID240と、時間集約データ数242から構成される。集約ID240には、例えば、「発電量」と「電力消費量」に互いに関連する属性として、「電力」が格納される。時間集約データ数242には、例えば、電力のデータを24時間単位で時間集約するために、「24個」が格納される。
次に、図20に、時間バッファ55の構成を示す。
時間バッファ55は、データ集約時間帯250と、属性集約データ252から構成される。データ集約時間帯250には、データを集約する時間帯に関する情報が24時間単位の情報として格納される。属性集約データ252には、1時間毎のデータが纏めて格納される。例えば、図2の時系列データの場合、時系列データD4、D3、D7、・・・、D8が、解析対象となる、1時間分のデータとして格納される。
次に、図21に、集約データテーブル33の構成を示す。
集約データテーブル33は、情報記憶領域がテーブル形式で構成され、集約IDフィールド260と、特徴点フィールド262と、データ集約時間帯フィールド264と、時間集約データフィールド266から構成される。
集約IDフィールド260の各エントリには、例えば、発電量と電力消費量を集約した属性として、「電力」が格納される。
特徴点フィールド262の各エントリには、24時間毎に纏められた時系列データの特徴点に関する情報が格納される。例えば、発電量の最大値として「発電量最大値:300」が格納され、発電量の最小値として、「発電量最小値:200」が格納される。また、電力消費量の最大値として、「電力消費量最大値:10」が格納され、電力消費量の最小値として、「電力消費量最小値:5」が格納される。
データ集約時間帯フィールド264の各エントリには、例えば、発電量と電力消費量を24時間分取得するためのデータ集約時間帯に関する情報が格納される。
時間集約データフィールド266には、24時間分のデータとして、1時間単位で周期集約したデータに関する値が格納される。例えば、図2の時系列データの場合、1時間分のデータとして、時系列データD4、D3、D7、・・・、D8の値がそれぞれ格納される。
次に、図22に、解析クエリ270の構成を示す。
解析クエリ270は、選択レンジ(select_range)272と、選択項目(select_items)274と、データ取得対象時間帯(from_timerange)276と、検索条件(where_condition)278から構成される。
選択レンジ(select_range)272には、データ解析部36がデータを解析する処理時間単位として1時間が格納される。
選択項目(select_items)274には、解析対象IDとして、例えば、発電量−SUM(電力消費量)AS電力差分が格納される。
データ取得対象時間帯(from_timerange)276には、データ取得対象時間帯に関する情報として、例えば「2010−05−01 07:00:00」〜「2010−05−01 17:00:00」が格納される。
条件(where_condition)278には、検索対象IDとなる条件として、発電量>=250が格納される。
次に、時系列データ蓄積処理を図23のフローチャートに従って説明する。
この処理は、プロセッサ26が、時系列データ処理プログラム30のデータ蓄積部34を起動することによって開始される。
まず、データ受付部42は、時系列データソース10から出力された時系列データをネットワーク14と通信インタフェース22を介して受信し、受信した時系列データをデータ周期集約部43に渡す(S71)。
次に、データ周期集約部43は、入力した時系列データを順次周期バッファ57に蓄積し(S72)、周期バッファ57の蓄積データの個数が、周期集約情報95の周期集約データ数202で規定された数を超えているか否かを判定し(S73)、周期バッファ57に蓄積されたデータの個数が、周期集約データ数202で規定された個数を超えていないときには、ステップS71の処理に戻り、周期バッファ57に蓄積されたデータの個数が、周期集約データ数202で規定された個数を超えているときには、ステップS74の処理に移行する。
ステップS73では、データ周期集約部43は、入力した時系列データを周期バッファ57に順次蓄積していく過程で、発電量に関する時系列データが1個蓄積されたか否かを判定するとともに、電力消費量に関する時系列データの個数が60個に達したか否かを判定することになる。
次に、データ周期集約部43は、周期バッファ57に蓄積された蓄積データ(発電量に関する時系列データを1個と電力消費量に関する時系列データを60個含むデータ)を周期バッファ57から取得し、その後、周期バッファ57のデータを削除し(S74)、周期バッファ57から取得した蓄積データを1時間周期のデータとして纏めるための周期集約を実行し、周期集約された周期集約データ(発電量に関する時系列データと発電量に関する時系列データを含むデータ)をデータ属性集約部44に出力する(S75)。
次に、データ属性集約部44は、周期集約データを受け取り、この周期集約データを集約IDに対応する属性バッファ53に順次蓄積し(S76)、集約IDに対応する属性バッファ53に、同一日時における全ての属性(発電量と電力消費量)の周期集約データが存在するか否かを判定し(S77)、全て存在していないと判定したきには、ステップS71の処理に戻り、全て存在していると判定したときには、集約IDに対応する属性バッファ53から、同一日時の全ての属性(発電量と電力消費量)の周期集約データを取得し、その後、属性バッファ53上のデータを削除する(S78)。
次に、データ属性集約部44は、属性バッファ53から取得した全ての属性(発電量と電力消費量)の周期集約データを、解析対象となる複数の時系列データ毎に組み合わせて集約ID(電力)に対応付けるための属性集約を行い、組み合わされた複数の時系列データを属性集約データとして処理し、この属性集約データをデータ時間集約部46に出力する(S79)。
次に、データ時間集約部46は、属性集約データを受け取り、この属性集約データを時間バッファ55に順次蓄積し(S80)、時間バッファ55に蓄積された属性集約データの個数が、時間集約情報93の時間集約データ数242に格納された個数、例えば、24個を超えているか否かを判定し(S81)、時間バッファ55の属性集約データの個数が、時間集約データ数を超えていないときには24時間分の属性集約データを収集するために、ステップS71の処理に戻り、時間バッファ55の属性集約データの個数が、時間集約データ数を超えたときには、24時間分の属性集約データが収集されたとして、ステップS82の処理に移行する。
次に、ステップS82において、データ時間集約部46は、集約ID(電力)に対応する時間バッファ55から、属性集約データを全て取得し、その後、時間バッファ55上のデータ(属性集約データ)を削除する。
次に、データ時間集約部46は、取得した全ての属性集約データを24時間分のデータとして纏めるための時間集約を実行し、時間集約された属性集約データを時間集約データとして処理し、時間集約データを特徴点抽出部48に出力する(S83)。
次に、特徴点抽出部48は、入力した時間集約データから、その特徴となる値として「特徴点」を抽出し、抽出した特徴点とともに、時間集約データをデータ圧縮部50に出力する(S84)。
次に、データ圧縮部50は、入力した時間集約データを圧縮し、圧縮したデータと特徴点を集約データ書込み部52に出力する(S85)。
次に、集約データ書込み部52は、時間集約データと特徴点のデータを受け取り、受け取った時間集約データと特徴点のデータを、外部記憶インタフェース24を介して外部記憶装置18の集約データテーブル33に書き込み(S86)、このルーチンでの処理を終了する。この際、集約データテーブル33には、24時間単位の時間集約データが、特徴点やデータ集約時間帯のデータとともに、集約ID(電力)に対応付けて格納される。
次に、時系列データ解析処理を図24のフローチャートに従って説明する。
この処理は、データ解析部36とデータ取得部38によって実行され、まず、解析受付部60が、クライアント計算機12から発行された解析クエリ270を受信し(S91)、その後、データ取得部38が、取得対象ID・検索条件ID・取得対象ID・取得対象集約IDリスト作成処理を実行する(S92)。
次に、データ取得部38が、データ取得処理を実行し(S93)、この後、解析実行部62が、条件・属性・周期によるデータ抽出・解析処理を実行し(S94)、最後に、解析実行部62が、解析結果バッファに蓄積された結果データをクライアント計算機12に送信し(S95)、このルーチンでの処理を終了する。
なお、ステップS92における取得対象ID・検索条件ID・取得対象ID・取得対象集約IDリスト作成処理は、解析クエリ270に基づく処理である他は、図11における処理と同一の内容であり、また、ステップS93におけるデータ取得処理は、解析クエリ270に基づく処理である他は、図12における処理と同一の内容であるので、それらの説明は省略する。
次に、条件・属性・周期によるデータ抽出・解析処理を図25のフローチャートに従って説明する。
このステップは、図24のステップS94で行われる処理であり、まず、データ絞込み部78は、解析クエリ270の検索条件(where_condition)278から、データ絞り込み条件として、例えば、発電量を、基準値=250以上とした場合、発電量250以上を取得し(S101)、次に、データ時間抽出部76が抽出した属性集約データリストを取得する(S102)。
この後、属性集約データリストに基づくループ処理がステップS103〜S109において行われる。
まず、データ絞込み部78は、取得した属性集約データに対し、データ絞り込み条件が成立するか否かを判定する(S104)。すなわち属性集約データの中に、発電量が250以上のものが存在するか否かを判定し、発電量が250以上のものが存在する場合、ステップS105に移り、発電量が250以上のものが存在しない場合には、ステップS109の処理に移行する。
ステップS105において、データ属性抽出部80は、属性集約データの中から、解析対象IDリストの属性集約データを抽出する。すなわち、データ属性抽出部80は、解析クエリ270の選択項目274に規定されている属性集約データ、例えば、発電量に関する時系列データを1個と、電力消費量に関する時系列データを、1時間分のデータとして60個含む属性集約データを抽出する。
次に、データ周期抽出部82は、周期集約情報95の周期集約データ数202で規定されたデータ数(発電量:1個、電力消費量:60個)を基に、解析クエリ270のデータ取得対象時間帯(from_timerange)276内のデータ(7:00:00〜17:00:00の間に蓄積されたデータ)を抽出する(S106)。
この後、解析実行部62は、データ周期抽出部82で抽出されたデータに対して、解析クエリ270の選択項目(select_items)274に関する解析を実行する。例えば、選択項目(select_items)274が、「発電量−SUM(電力消費量)AS電力差分」である場合、発電量から1時間分の電力消費量を減算して、電力差分を求める演算を実行する。
次に、解析実行部62は、解析結果を解析結果バッファ(図示せず)に蓄積し(S108)、全ての属性集約データリストに関する処理を実行したことを条件に、このルーチンでの処理を終了する。
本実施例によれば、異なる周期で発生する複数の時系列データを、属性(電力)で纏めて集約するとともに、設定時間単位で纏めて集約するようにしたため、異なる周期で発生する複数の時系列データを効率的に蓄積することができる。
また、本実施例によれば、属性(電力)を基準に複数の時系列データを蓄積した集約データテーブル33に対して、属性を基にアクセスすることで、解析で用いる時系列データとして、異なる周期で発生する時系列データの組み合わせを集約データテーブル33から抽出するようにしたため、解析で用いる複数の時系列データを効率的にアクセスして解析することができる。
10 時系列データソース、12 クライアント計算機、14 ネットワーク、16 時系列データ処理装置、18 外部記憶装置、20 メモリ、26 プロセッサ、30 時系列データ処理プログラム、32 集約データテーブル、34 データ蓄積部、36 データ解析部、38 データ取得部、40 設定情報格納領域、42 データ受付部、43 データ周期集約部、44 データ属性集約部、46 データ時間集約部、48 特徴点抽出部、50 データ圧縮部、52 集約データ書込み部、60 解析受付部、62 解析実行部、70 読込み時間帯絞込み部、72 集約データ読込み部、74 データ解凍部、76、データ時間抽出部、78 データ絞込み部、80 データ属性抽出部、82 データ周期抽出部。
Claims (20)
- 時系列データ発生源から時系列データを順次入力して処理するデータ処理部と、前記データ処理部の処理結果を蓄積する記憶部と、前記記憶部からデータを取得するとともに、前記取得したデータを解析要求に従って解析するデータ取得解析部とを、備え、
前記データ処理部は、
前記入力した時系列データのうち解析対象となる複数の時系列データを組み合わせ、前記組み合わせた複数の時系列データを、互いに関連する属性に対応付けて前記記憶部に蓄積し、
前記データ取得解析部は、
前記解析要求で規定された検索対象が前記属性である場合、前記属性を検索対象として前記記憶部をアクセスし、前記記憶部の中から前記属性に対応した時系列データであって、前記解析対象となる複数の時系列データを抽出し、前記抽出した複数の時系列データを用いて、前記解析要求で規定された解析を実行してなる時系列データ処理装置。 - 請求項1に記載の時系列データ処理装置において、
前記データ処理部は、
前記解析対象となる複数の時系列データの組み合わせとして、同一周期で発生する時系列データの組み合わせを選択し、前記選択した時系列データの組み合わせを複数組纏めて設定時間単位で集約し、前記集約した複数組の時系列データを前記属性に対応付けて前記記憶部に蓄積し、
前記データ取得解析部は、
前記解析で用いる時系列データとして、前記同一周期で発生する時系列データの組み合わせを前記記憶部から抽出してなる時系列データ処理装置。 - 請求項1に記載の時系列データ処理装置において、
前記データ処理部は、
前記解析対象となる複数の時系列データの組み合わせとして、同一周期で発生する時系列データの組み合わせを選択し、前記選択した時系列データの組み合わせを前記属性に対応付けて前記記憶部に蓄積し、
前記データ取得解析部は、
前記解析で用いる時系列データとして、前記同一周期で発生する時系列データの組み合わせを前記記憶部から抽出してなる時系列データ処理装置。 - 請求項1に記載の時系列データ処理装置において、
前記データ処理部は、
前記解析対象となる複数の時系列データの組み合わせとして、異なる周期で発生する時系列データの組み合わせを選択し、前記選択した組み合わせによる時系列データを、前記属性に対応付けて前記記憶部に蓄積し、
前記データ取得解析部は、
前記解析で用いる時系列データとして、前記異なる周期で発生する時系列データの組み合わせを前記記憶部から抽出してなる時系列データ処理装置。 - 請求項3に記載の時系列データ処理装置において、
前記データ処理部は、
前記選択した時系列データの組み合わせを複数組纏めて設定時間単位で集約し、前記集約した複数組の時系列データを前記属性に対応付けて前記記憶部に蓄積し、
前記データ取得解析部は、
前記解析で用いる時系列データとして、前記集約した複数組の時系列データを前記記憶部から抽出してなる時系列データ処理装置。 - 請求項4に記載の時系列データ処理装置において、
前記データ処理部は、
前記選択した時系列データの組み合わせを複数組纏めて設定時間単位で集約し、前記集約した複数組の時系列データを前記属性に対応付けて前記記憶部に蓄積し、
前記データ取得解析部は、
前記解析で用いる時系列データとして、前記集約した複数組の時系列データを前記記憶部から抽出してなる時系列データ処理装置。 - 請求項1に記載の時系列データ処理装置において、
前記データ処理部は、
前記解析対象となる複数の時系列データの組み合わせとして、同一周期で発生する時系列データの組み合わせを選択し、前記選択した時系列データの組み合わせに属する各時系列データの特徴点を抽出し、前記選択した時系列データの組み合わせを前記抽出した特徴点とともに前記属性に対応付けて前記記憶部に蓄積し、
前記データ取得解析部は、
前記同一周期で発生する時系列データの組み合わせに属する時系列データの特徴点についての基準値が、前記検索対象の条件として前記解析クエリに規定されている場合、前記解析で用いる時系列データとして、前記同一周期で発生する時系列データの組み合わせの中から当該時系列データの特徴点が、前記基準値を満たすものを前記記憶部から抽出してなる時系列データ処理装置。 - 請求項1に記載の時系列データ処理装置において、
前記データ処理部は、
前記解析対象となる複数の時系列データの組み合わせとして、異なる周期で発生する時系列データの組み合わせを選択し、前記選択した時系列データの組み合わせに属する各時系列データの特徴点を抽出し、前記選択した時系列データの組み合わせを前記抽出した特徴点とともに、前記属性に対応付けて前記記憶部に蓄積し、
前記データ取得解析部は、
前記異なる周期で発生する時系列データの組み合わせに属する時系列データの特徴点についての基準値が、前記検索対象の条件として前記解析クエリに規定されている場合、前記解析で用いる時系列データとして、前記異なる周期で発生する時系列データの組み合わせの中から当該時系列データの特徴点が、前記基準値を満たすものを前記記憶部から抽出してなる時系列データ処理装置。 - 請求項1に記載の時系列データ処理装置において、
前記データ処理部は、
前記解析対象となる複数の時系列データの組み合わせとして、同一周期で発生する時系列データの組み合わせを選択し、前記選択した時系列データの組み合わせに属する各時系列データを圧縮し、前記圧縮した時系列データの組み合わせを前記属性に対応付けて前記記憶部に蓄積し、
前記データ取得解析部は、
前記解析で用いる時系列データとして、前記同一周期で発生する時系列データの組み合わせの中から前記圧縮された時系列データの組み合わせを前記記憶部から抽出し、前記抽出した各時系列データを解凍してなる時系列データ処理装置。 - 請求項1に記載の時系列データ処理装置において、
前記データ処理部は、
前記解析対象となる複数の時系列データの組み合わせとして、異なる周期で発生する時系列データの組み合わせを選択し、前記選択した時系列データの組み合わせに属する各時系列データを圧縮し、前記圧縮した時系列データの組み合わせを前記属性に対応付けて前記記憶部に蓄積し、
前記データ取得解析部は、
前記解析で用いる時系列データとして、前記異なる周期で発生する時系列データの組み合わせの中から前記圧縮された時系列データの組み合わせを前記記憶部から抽出し、前記抽出した各時系列データを解凍してなる時系列データ処理装置。 - 時系列データ発生源から時系列データを順次入力して処理するデータ処理部と、前記データ処理部の処理結果を蓄積する記憶部と、前記記憶部からデータを取得するとともに、前記取得したデータを解析要求に従って解析するデータ取得解析部と、を有する時系列データ処理方法であって、
前記データ処理部が、前記入力した時系列データのうち解析対象となる複数の時系列データを組み合わせ、前記組み合わせた複数の時系列データを、互いに関連する属性に対応付けて前記記憶部に蓄積するステップと、
前記データ取得解析部が、前記解析要求で規定された検索対象が前記属性である場合、前記属性を検索対象として前記記憶部をアクセスするステップと、
前記データ取得解析部が、前記記憶部の中から前記属性に対応した時系列データであって、前記解析対象となる複数の時系列データを抽出するステップと、
前記データ取得解析部が、前記ステップで抽出した複数の時系列データを用いて、前記解析要求で規定された解析を実行するステップを含むことを特徴とする時系列データ処理方法。 - 請求項11に記載の時系列データ処理方法において、
前記データ処理部が、前記解析対象となる複数の時系列データの組み合わせとして、同一周期で発生する時系列データの組み合わせを選択するステップと、
前記データ処理部が、前記選択した時系列データの組み合わせを複数組纏めて設定時間単位で集約するステップと、
前記データ処理部が、前記ステップで集約した複数組の時系列データを前記属性に対応付けて前記記憶部に蓄積するステップと、
前記データ取得解析部が、前記解析で用いる時系列データとして、前記同一周期で発生する時系列データの組み合わせを前記記憶部から抽出するステップを含むことを特徴とする時系列データ処理方法。 - 請求項11に記載の時系列データ処理方法において、
前記データ処理部が、前記解析対象となる複数の時系列データの組み合わせとして、同一周期で発生する時系列データの組み合わせを選択するステップと、
前記データ処理部が、前記ステップで選択した時系列データの組み合わせを前記属性に対応付けて前記記憶部に蓄積するステップと、
前記データ取得解析部が、前記解析で用いる時系列データとして、前記同一周期で発生する時系列データの組み合わせを前記記憶部から抽出するステップを含むことを特徴とする時系列データ処理方法。 - 請求項11に記載の時系列データ処理方法において、
前記データ処理部が、前記解析対象となる複数の時系列データの組み合わせとして、異なる周期で発生する時系列データの組み合わせを選択するステップと、
前記データ処理部が、前記ステップで選択した組み合わせによる時系列データを、前記属性に対応付けて前記記憶部に蓄積するステップと、
前記データ取得解析部が、前記解析で用いる時系列データとして、前記異なる周期で発生する時系列データの組み合わせを前記記憶部から抽出するステップを含むことを特徴とする時系列データ処理方法。 - 請求項13に記載の時系列データ処理方法において、
前記データ処理部が、前記選択した時系列データの組み合わせを複数組纏めて設定時間単位で集約するステップと、
前記データ処理部が、前記ステップで集約した複数組の時系列データを前記属性に対応付けて前記記憶部に蓄積するステップと、
前記データ取得解析部が、前記解析で用いる時系列データとして、前記ステップで集約した複数組の時系列データを前記記憶部から抽出するステップを含むことを特徴とする時系列データ処理方法。 - 請求項14に記載の時系列データ処理方法において、
前記データ処理部が、前記選択した時系列データの組み合わせを複数組纏めて設定時間単位で集約するステップと、
前記データ処理部が、前記ステップで集約した複数組の時系列データを前記属性に対応付けて前記記憶部に蓄積するステップと、
前記データ取得解析部が、前記解析で用いる時系列データとして、前記ステップで集約した複数組の時系列データを前記記憶部から抽出するステップを含むことを特徴とする時系列データ処理方法。 - 請求項11に記載の時系列データ処理方法において、
前記データ処理部が、前記解析対象となる複数の時系列データの組み合わせとして、同一周期で発生する時系列データの組み合わせを選択するステップと、
前記データ処理部が、前記ステップで選択した時系列データの組み合わせに属する各時系列データの特徴点を抽出するステップと、
前記データ処理部が、前記ステップで選択した時系列データの組み合わせを前記抽出した特徴点とともに前記属性に対応付けて前記記憶部に蓄積するステップと、
前記データ取得解析部が、前記同一周期で発生する時系列データの組み合わせに属する時系列データの特徴点についての基準値が、前記検索対象の条件として前記解析クエリに規定されている場合、前記解析で用いる時系列データとして、前記同一周期で発生する時系列データの組み合わせの中から当該時系列データの特徴点が、前記基準値を満たすものを前記記憶部から抽出するステップを含むことを特徴とする時系列データ処理方法。 - 請求項11に記載の時系列データ処理方法において、
前記データ処理部が、前記解析対象となる複数の時系列データの組み合わせとして、異なる周期で発生する時系列データの組み合わせを選択するステップと、
前記データ処理部が、前記ステップで選択した時系列データの組み合わせに属する各時系列データの特徴点を抽出するステップと、
前記データ処理部が、前記ステップで選択した時系列データの組み合わせを前記抽出した特徴点とともに、前記属性に対応付けて前記記憶部に蓄積するステップと、
前記データ取得解析部が、前記異なる周期で発生する時系列データの組み合わせに属する時系列データの特徴点についての基準値が、前記検索対象の条件として前記解析クエリに規定されている場合、前記解析で用いる時系列データとして、前記異なる周期で発生する時系列データの組み合わせの中から当該時系列データの特徴点が、前記基準値を満たすものを前記記憶部から抽出するステップを含むことを特徴とする時系列データ処理方法。 - 請求項11に記載の時系列データ処理方法において、
前記データ処理部が、前記解析対象となる複数の時系列データの組み合わせとして、同一周期で発生する時系列データの組み合わせを選択するステップと、
前記データ処理部が、前記ステップで選択した時系列データの組み合わせに属する各時系列データを圧縮するステップと、
前記データ処理部が、前記ステップで圧縮した時系列データの組み合わせを前記属性に対応付けて前記記憶部に蓄積するステップと、
前記データ取得解析部が、前記解析で用いる時系列データとして、前記同一周期で発生する時系列データの組み合わせの中から前記圧縮された時系列データの組み合わせを前記記憶部から抽出するステップと、
前記データ取得解析部が、前記ステップで抽出した各時系列データを解凍するステップを含むことを特徴とする時系列データ処理方法。 - 請求項11に記載の時系列データ処理方法において、
前記データ処理部が、前記解析対象となる複数の時系列データの組み合わせとして、異なる周期で発生する時系列データの組み合わせを選択するステップと、
前記データ処理部が、前記ステップで選択した時系列データの組み合わせに属する各時系列データを圧縮するステップと、
前記データ処理部が、前記ステップで圧縮した時系列データの組み合わせを前記属性に対応付けて前記記憶部に蓄積するステップと、
前記データ取得解析部が、前記解析で用いる時系列データとして、前記異なる周期で発生する時系列データの組み合わせの中から前記圧縮された時系列データの組み合わせを前記記憶部から抽出するステップと、
前記データ取得解析部が、前記ステップで抽出した各時系列データを解凍するステップを含むことを特徴とする時系列データ処理方法。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP2010/005045 WO2012020456A1 (ja) | 2010-08-11 | 2010-08-11 | 時系列データ処理装置及びその方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
JPWO2012020456A1 true JPWO2012020456A1 (ja) | 2013-10-28 |
Family
ID=45567437
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2012528518A Pending JPWO2012020456A1 (ja) | 2010-08-11 | 2010-08-11 | 時系列データ処理装置及びその方法 |
Country Status (4)
Country | Link |
---|---|
US (1) | US20130290242A1 (ja) |
JP (1) | JPWO2012020456A1 (ja) |
CN (1) | CN103003803B (ja) |
WO (1) | WO2012020456A1 (ja) |
Families Citing this family (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9600523B2 (en) * | 2011-01-19 | 2017-03-21 | Oracle International Corporation | Efficient data collection mechanism in middleware runtime environment |
US20150234897A1 (en) * | 2013-01-10 | 2015-08-20 | Hitachi, Ltd. | Time series data processing apparatus and method, and storage medium |
JP6211802B2 (ja) * | 2013-05-29 | 2017-10-11 | 日本電産サンキョー株式会社 | データ処理装置およびデータ処理方法 |
WO2015001596A1 (ja) * | 2013-07-01 | 2015-01-08 | 株式会社日立製作所 | 系列データ並列分析基盤およびその並列分散処理方法 |
WO2016111002A1 (ja) * | 2015-01-09 | 2016-07-14 | 株式会社日立製作所 | データ管理装置及びデータ管理方法 |
CN108476540B (zh) * | 2016-02-18 | 2022-03-15 | 松下知识产权经营株式会社 | 终端机和终端机的控制方法、以及使用该终端机的无线通信系统 |
US10719534B2 (en) | 2017-02-02 | 2020-07-21 | General Electric Company | Rollup engine for internet of things |
CN107036820A (zh) * | 2017-05-09 | 2017-08-11 | 武汉理工大学 | 基于时序图像处理的发动机轮系横向振动检测方法及系统 |
CN108052599A (zh) * | 2017-12-12 | 2018-05-18 | 清华大学 | 一种支持特征查询的时序数据存储的方法和装置 |
CN107871022B (zh) * | 2017-12-20 | 2018-12-11 | 清华大学 | 一种时序数据列式存储、查询方法及系统 |
CN110109990A (zh) * | 2019-03-18 | 2019-08-09 | 北京奇艺世纪科技有限公司 | 时序数据处理方法、设备、数据处理设备及介质 |
CN110689953A (zh) * | 2019-09-03 | 2020-01-14 | 东软医疗系统股份有限公司 | 数据存储方法及装置、数据查找方法及装置、电子设备 |
CN113486072B (zh) * | 2020-03-17 | 2024-06-18 | 中国移动通信集团福建有限公司 | 数据分析方法、装置、电子设备及计算机可读存储介质 |
CN116662276B (zh) * | 2023-06-06 | 2024-03-05 | 中科三清科技有限公司 | 数据处理方法、装置、电子设备及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH08221113A (ja) * | 1995-02-16 | 1996-08-30 | Hitachi Ltd | 時系列データ記憶装置およびプロセス異常診断装置 |
JP2003132088A (ja) * | 2001-10-22 | 2003-05-09 | Toshiba Corp | 時系列データ検索システム |
JP2006031066A (ja) * | 2004-07-12 | 2006-02-02 | Ksl:Kk | 年表検索装置、年表検索方法、プログラム及び記録媒体 |
JP2006053689A (ja) * | 2004-08-10 | 2006-02-23 | I-N Information Systems Ltd | 時系列データ表示システム及び時系列データ表示用プログラム |
JP2008040817A (ja) * | 2006-08-07 | 2008-02-21 | Nippon Telegr & Teleph Corp <Ntt> | 属性情報付与方法及び属性情報更新方法及びプログラム |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7716194B2 (en) * | 2005-01-12 | 2010-05-11 | Microsoft Corporation | File management system employing time line based representation of data |
MY151687A (en) * | 2007-03-02 | 2014-06-30 | Manual System Sdn Bhd E | A method of data storage and management |
-
2010
- 2010-08-11 US US13/813,574 patent/US20130290242A1/en not_active Abandoned
- 2010-08-11 WO PCT/JP2010/005045 patent/WO2012020456A1/ja active Application Filing
- 2010-08-11 CN CN201080068167.1A patent/CN103003803B/zh not_active Expired - Fee Related
- 2010-08-11 JP JP2012528518A patent/JPWO2012020456A1/ja active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH08221113A (ja) * | 1995-02-16 | 1996-08-30 | Hitachi Ltd | 時系列データ記憶装置およびプロセス異常診断装置 |
JP2003132088A (ja) * | 2001-10-22 | 2003-05-09 | Toshiba Corp | 時系列データ検索システム |
JP2006031066A (ja) * | 2004-07-12 | 2006-02-02 | Ksl:Kk | 年表検索装置、年表検索方法、プログラム及び記録媒体 |
JP2006053689A (ja) * | 2004-08-10 | 2006-02-23 | I-N Information Systems Ltd | 時系列データ表示システム及び時系列データ表示用プログラム |
JP2008040817A (ja) * | 2006-08-07 | 2008-02-21 | Nippon Telegr & Teleph Corp <Ntt> | 属性情報付与方法及び属性情報更新方法及びプログラム |
Non-Patent Citations (2)
Title |
---|
CSNG200100722013; 宗像 浩一 外2名: '鮮度と同期度に基づく周期データの選択方式' 情報処理学会論文誌 第41巻 No.SIG1(TOD5), 20000215, p.140-153, 社団法人情報処理学会 * |
JPN6013054164; 宗像 浩一 外2名: '鮮度と同期度に基づく周期データの選択方式' 情報処理学会論文誌 第41巻 No.SIG1(TOD5), 20000215, p.140-153, 社団法人情報処理学会 * |
Also Published As
Publication number | Publication date |
---|---|
CN103003803B (zh) | 2016-08-03 |
CN103003803A (zh) | 2013-03-27 |
US20130290242A1 (en) | 2013-10-31 |
WO2012020456A1 (ja) | 2012-02-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2012020456A1 (ja) | 時系列データ処理装置及びその方法 | |
JP5678620B2 (ja) | データ処理方法、データ処理システム、及びデータ処理装置 | |
JP7279266B2 (ja) | 時系列データを保存および照会するための方法および装置、並びにそれらのサーバーおよび記憶媒体 | |
CN108197181B (zh) | 一种时序数据的压缩存储方法、电子设备及存储介质 | |
KR101031602B1 (ko) | 휴대용미디어플레이어 파일들에 우선순위를 설정하는시스템 및 방법 | |
US10025785B2 (en) | Method and system of automatically downloading media content in a preferred network | |
JP5373870B2 (ja) | 予測装置、予測方法、及び、プログラム | |
US20150095334A1 (en) | Data analysis support system | |
CN112613938B (zh) | 模型训练方法、装置及计算机设备 | |
CN102025559A (zh) | 用于基于分级来进行死链检测和处理的方法和网络设备 | |
WO2019225125A1 (ja) | データ処理装置およびデータ処理方法 | |
US20130204913A1 (en) | File list generation method, system, and program, and file list generation device | |
JP2019203759A5 (ja) | ||
CN114443671A (zh) | 推荐模型的更新方法、装置、计算机设备和存储介质 | |
US20130242200A1 (en) | Measuring device and method for calculating response time of electronic device | |
CN111737233A (zh) | 数据监控方法及装置 | |
US20160253591A1 (en) | Method and apparatus for managing performance of database | |
CN110580253A (zh) | 时序数据组的加载方法、装置、存储介质及电子设备 | |
CN112732544B (zh) | 一种计算机硬件适配智能分析系统 | |
JP6617605B2 (ja) | 需要量予測プログラム、需要量予測方法、及び情報処理装置 | |
JP5746652B2 (ja) | プラントデータ再生装置およびプラントデータ再生方法 | |
US11115464B2 (en) | Server apparatus, information processing method, and computer program product | |
JP5747755B2 (ja) | プロセス関係解析プログラム,プロセス関係解析装置およびプロセス関係解析方法 | |
WO2012172600A1 (ja) | データ検索システム及びデータ検索方法 | |
WO2018162955A1 (en) | Method, entity, system, computer program, and medium for preparing learning data |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20130730 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20130927 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20131105 |