JPWO2018066108A1

JPWO2018066108A1 - 時系列データ処理装置

Info

Publication number: JPWO2018066108A1
Application number: JP2017501425A
Authority: JP
Inventors: 誠今村; 隆顕中村; 平井　規郎; 規郎平井
Original assignee: Mitsubishi Electric Corp
Current assignee: Mitsubishi Electric Corp
Priority date: 2016-10-06
Filing date: 2016-10-06
Publication date: 2018-10-04
Anticipated expiration: 2036-10-06
Also published as: EP3508933A4; WO2018066108A1; CN109791402B; EP3508933B1; US11137750B2; KR20190040346A; US20190179296A1; TWI629580B; JP6207791B1; EP3508933A1; CN109791402A; TW201814411A

Abstract

時系列データ処理装置（１０）は、時間の経過に従って順次観測して得られた値の列である時系列データ（１）の中から、値が時間に対して連続的に上昇する上昇レグおよび値が時間に対して連続的に下降する下降レグから構成される凸型データを抽出する凸型データ抽出部（２）と、時系列データ（１）における凸型データの出現パターンを定義する出現パターン定義部（３）と、凸型データ抽出部（２）が抽出した凸型データの集合の中から、出現パターン定義部（３）が定義する出現パターンに一致する１つ以上の凸型データを、セグメント（５）として検出する出現パターン検出部（４）とを備える。

Description

この発明は、時系列データを処理する時系列データ処理装置に関するものである。

火力、水力もしくは原子力等の発電プラント、化学プラント、鉄鋼プラント、または上下水道プラント等では、プラントのプロセスを制御するための制御システムが導入されている。ビルまたは工場等の設備でも、空調、電気、照明、または給排水等を制御するための制御システムが導入されている。これらの制御システムには、装置に取り付けられたセンサによって時間の経過に従い観測された種々の時系列データが、蓄積されている。
同様に、経済または経営等に関する情報システムにおいても、株価または売上等の値を時間の経過に従い記録した時系列データが、蓄積されている。

従来、これらの時系列データの値の変化を分析することにより、プラント、設備、または経営状態等の異常等を検出することが行われている。特に、時系列データの値の上下変動の度合いを求めることにより、異常等を検出することが行われている。

例えば、特許文献１に係るデータ分析装置は、ある製品を製造する工程全体の時系列データの中から、イベント区間の時系列データを抽出し、イベント区間における異常等を検出する構成である。

特開２００４−３１８２７３号公報

しかしながら、特許文献１に係るデータ分析装置は、製造工程を細分化したイベントごとの時系列データを抽出するために、製造ラインからイベント発生タイミングを示すイベント情報を取得して使用する必要があった。そのため、データ分析装置は、イベント情報がない場合、イベント区間の時系列データを抽出できないという課題があった。

この発明は、上記のような課題を解決するためになされたもので、イベント発生タイミングを示すイベント情報がない場合でも、イベント区間の時系列データを抽出可能にすることを目的とする。

この発明に係る時系列データ処理装置は、時間の経過に従って順次観測して得られた値の列である時系列データの中から、値が時間に対して連続的に上昇する上昇レグおよび値が時間に対して連続的に下降する下降レグから構成される凸型データを抽出する凸型データ抽出部と、時系列データにおける凸型データの出現パターンを定義する出現パターン定義部と、凸型データ抽出部が抽出した凸型データの集合の中から、出現パターン定義部が定義する出現パターンに一致する１つ以上の凸型データを検出する出現パターン検出部とを備えるものである。

この発明によれば、凸型データの集合の中から、出現パターン定義部が定義する出現パターンに一致する１つ以上の凸型データを検出するようにしたので、イベント情報がない場合でも、時系列データの内在的な波形パターンの特徴を定義した出現パターンを用いてイベント区間の時系列データを抽出することができる。

この発明の実施の形態１に係る時系列データ処理装置の構成例を示すブロック図である。実施の形態１に係る時系列データ処理装置のハードウェア構成例を示すハードウェア構成図である。図３Ａは、実施の形態１における時系列データを視覚化した図であり、図３Ｂは、図３Ａの時系列データのうちの部分列を視覚化した図である。図４Ａは、実施の形態１における時系列データのレグの例を示す図であり、図４Ｂは、レグでない例を示す図である。図５Ａおよび図５Ｂは、実施の形態１における凸型データの例を示す図である。図６Ａおよび図６Ｂは、実施の形態１におけるセグメントの例を示す図である。実施の形態１に係る時系列データ処理装置の動作を示すフローチャートである。図８Ａ、図８Ｂ、および図８Ｃは、実施の形態１に係る時系列データ処理装置の動作を説明する図である。この発明の実施の形態２に係る時系列データ処理装置のうち、凸型データ抽出部の内部構成例を示すブロック図である。図１０Ａ、図１０Ｂおよび図１０Ｃは、実施の形態２の最大振幅抽出部の動作を説明する図である。図１１Ａ、図１１Ｂおよび図１１Ｃは、実施の形態２の包含関係抽出部の動作を説明する図である。図１２Ａおよび図１２Ｂは、実施の形態２の台形データ抽出部の動作を説明する図である。

以下、この発明をより詳細に説明するために、この発明を実施するための形態について、添付の図面に従って説明する。
実施の形態１．
図１は、この発明の実施の形態１に係る時系列データ処理装置１０の構成例を示すブロック図である。時系列データ処理装置１０は、凸型データ抽出部２、出現パターン定義部３、および出現パターン検出部４を備えている。

時系列データ１は、時間の経過に従って順次観測して得られた値の列である。時系列データ１はどのようなものでもよく、例えば、火力、水力もしくは原子力等の発電プラント、化学プラント、鉄鋼プラント、または上下水道プラント等のプロセスを制御するための制御システムに蓄積されている時系列データである。あるいは、時系列データ１は、ビルまたは工場等の空調、電気、照明、または給排水等を制御するための制御システムに蓄積されている時系列データであってもよい。あるいは、時系列データ１は、経済または経営等に関する情報システムに蓄積されている時系列データであってもよい。
この時系列データ１は、時系列データ処理装置１０の凸型データ抽出部２に入力される。

凸型データ抽出部２は、時系列データ１の中から、値が時間に対して連続的に上昇する上昇レグおよび値が時間に対して連続的に下降する下降レグから構成される凸型データを抽出し、出現パターン検出部３に入力する。

出現パターン定義部３は、時系列データ１における凸型データの出現パターンを定義する。つまり、出現パターン定義部３は、出現パターンの定義データを記憶している。出現パターンとして、凸型データの振幅、凸型データの台、または凸型データ同士の間隔のうちの少なくとも１つが定義されている。

出現パターン検出部４は、凸型データ抽出部２が抽出した凸型データの集合の中から、出現パターン定義部３が定義する出現パターンに一致する１つ以上の凸型データを検出する。以下、出現パターンに一致する１つ以上の凸型データを、セグメント５と呼ぶ。

図２は、時系列データ処理装置１０のハードウェア構成例を示すハードウェア構成図である。時系列データ処理装置１０は、プロセッサ１００１、補助記憶装置１００２、メモリ１００３、入力インタフェース（以下、ＩＦ）１００４、およびディスプレイＩＦ１００５といったハードウェアを備えるコンピュータである。プロセッサ１００１は、信号線１００９を介して、他のハードウェアに接続されている。入力ＩＦ１００４は、ケーブル１０１０を介して、入力装置１００６に接続されている。ディスプレイＩＦ１００５は、ケーブル１０１１を介して、ディスプレイ１００７に接続されている。

時系列データ処理装置１０における凸型データ抽出部２および出現パターン検出部４の各機能は、ソフトウエア、ファームウエア、またはソフトウエアとファームウエアとの組み合わせにより実現される。ソフトウエアまたはファームウエアはプログラムとして記述され、補助記憶装置１００２に記憶されている。このプログラムは、凸型データ抽出部２および出現パターン検出部４の手順または方法をコンピュータに実行させるものである。
同様に、時系列データ１および出現パターンの定義データといった入力データも、補助記憶装置１００２に記憶されている。さらに、出現パターン検出部４が検出したセグメント５といった出力データも、補助記憶装置１００２に出力され記憶されてもよい。

補助記憶装置１００２に記憶されているプログラム、時系列データ１および出現パターンの定義データ等の入力データは、メモリ１００３にロードされ、プロセッサ１００１に読み込まれて、凸型データ抽出部２および出現パターン検出部４の各機能が実行される。実行結果は、メモリ１００３に書き込まれ、出力データとして補助記憶装置１００２に記憶されるか、ディスプレイＩＦ１００５を介してディスプレイ１００７といった出力装置に出力される。

入力装置１００６は、時系列データ１および出現パターンの定義データの入力、ならびに、後述する時系列データ処理の開始要求の入力に使用される。入力装置１００６が受け付けた入力データは、入力ＩＦ１００４を介して、補助記憶装置１００２に記憶される。入力装置１００６が受け付けた開始要求は、入力ＩＦ１００４を介して、プロセッサ１００１に入力される。

次に、時系列データ１について説明する。
時系列データとは、実数値の順序リストｘ＝｛ｘ（１），ｘ（２），．．．，ｘ（Ｎ−１），ｘ（Ｎ）｝である。ｘは、データ項目名称である。ｘ（ｉ）は、データ項目ｘの時点ｉの値を意味する。ｉは、１≦ｉ≦Ｎを満たす整数で、Ｎを時系列データのｘの長さと呼び、ｌｅｎｇｔｈ（ｘ）と記載する。
図３Ａは、縦軸を時系列データの値、横軸を時点として、時系列データを視覚化した図である。

時系列データｘの部分列ｘ［ｉ：ｊ］とは、時系列データ中の連続した部分列｛ｘ（ｉ），ｘ（ｉ＋１），．．．，ｘ（ｊ）｝である。ただし、ｉとｊは、１≦ｉ≦ｊ≦ｌｅｎｇｔｈ（ｘ）を満たす整数である。部分列の長さは、ｊ−ｉ＋１になる。この部分列の長さをウインドウサイズと呼ぶ。
図３Ｂは、図３Ａの時系列データにおいてｉ＝１０およびｊ＝１８とした場合に得られる部分列を視覚化した図である。

次に、レグを形式的に定義する。
図４Ａは、時系列データ１のレグの例を示す図である。図４Ｂは、レグの例およびレグではない例を示す図である。レグとは、局所的には小さい上下変動があるかもしれないが、大局的には上昇または下降している部分列のことである。

（１）単調レグ
ｐ＜ｉ＜ｑを満たす全てのｉに対して、ｘ（ｐ）≦ｘ（ｉ）≦ｘ（ｉ＋１）≦ｘ（ｑ）、または、ｘ（ｐ）≧ｘ（ｉ）≧ｘ（ｉ＋１）≧ｘ（ｑ）を満たす部分列ｘ［ｐ：ｑ］を、単調レグと呼ぶ。
ｘ（ｐ）≦ｘ（ｉ）≦ｘ（ｉ＋１）≦ｘ（ｑ）を満たす場合を、上昇単調レグと呼び、ｘ（ｐ）≧ｘ（ｉ）≧ｘ（ｉ＋１）≧ｘ（ｑ）を満たす場合を、下降単調レグと呼ぶ。
図４Ｂの部分列１１１は、上昇単調レグである。

（２）レグ
ｐ≦ｉ≦ｑを満たす全てのｉに対して、ｘ（ｐ）≦ｘ（ｉ）≦ｘ（ｑ）、または、ｘ（ｐ）≧ｘ（ｉ）≧ｘ（ｑ）を満たす部分列ｘ［ｐ：ｑ］を、レグと呼ぶ。
すなわち、図４Ａの部分列１０１，１０２のように、必ずしも単調でなくても、部分列の最大値および最小値が部分列の開始点の値から終了点の値までの範囲内にとどまっている場合を、レグと呼ぶ。

（３）レグの振幅
部分列ｘ［ｐ：ｑ］をレグとした場合、ｘ_ｑ−ｘ_ｐを、レグの振幅ａｍｐ（ｘ［ｐ：ｑ］）と呼ぶ。また、振幅の符号ｓｉｇｎ（ａｍｐ（ｘ［ｐ：ｑ］））が正のとき、上昇レグと呼び、負のとき、下降レグと呼ぶ。
すなわち、図４Ｂにおいて、部分列１１１であるレグの振幅は、矢印１１４で示す部分である。部分列１１２であるレグの振幅は、矢印１１５で示す部分である。

次に、凸型データについて説明する。
図５Ａは、上昇レグの次に下降レグが出現する凸型データの例を示す図である。図５Ｂは、下降レグの次に上昇レグが出現する凸型データの例を示す図である。ここでは、凸型データの振幅を、上昇レグの高さと下降レグの高さのうち、小さい方の高さで定義している。
上昇レグと下降レグが出現する順序を区別するために、凸型データの符号を定義する。図５Ａのように、上昇レグの次に下降レグが出現する凸型データの符号は、正である。つまり、図５Ａの凸型データは、振動数２、かつ、振幅Ａである。一方、図５Ｂのように、下降レグの次に上昇レグが出現する凸型データの符号は、負である。つまり、図５Ｂの凸型データは、振動数−２、かつ、振幅Ａである。

凸型データの抽出手順については、国際公開第２０１５／１７３８６０号または下記非特許文献１に記載された手順を用いればよい。後述する凸型データ抽出部２は、これらの文献に記載された手順に従って、振動数２または−２の振動パスを抽出する。
非特許文献１
今村誠,中村隆顕,柴田秀哉,平井規郎,北上眞二,撫中達司,「時系列データにおけるレグ振動解析」, 情報処理学会論文誌 vol. 57, No.4, pp.1303-1318 (2016).

次に、セグメント５について説明する。
図６Ａは、ある製造機器のセンサが観測した時系列データにおけるセグメントの例を示す図である。製造機器の運転パターンの切り替えにより、時系列データにはセグメント５ａ，５ｂ，５ｃ，５ｄのような特徴的なパターンが存在する。先立って説明した特許文献１に係るデータ分析装置は、製造機器の運転パターンの切り替えタイミングを示すイベント情報がないと、セグメント５ａ，５ｂ，５ｃ，５ｄを抽出することができない。これに対し、実施の形態１に係る時系列データ処理装置１０は、イベント情報がなくても、セグメント５ａ，５ｂ，５ｃ，５ｄを抽出する構成である。

図６Ｂは、ある製造機器のセンサが観測した時系列データにおけるセグメントの例を示す図である。セグメント５は、セグメント５ｅ，５ｆのように、大きく、かつ、短時間の急激な変動を示す凸型データ等であってもよい。あるいは、セグメント５は、セグメント５ｇ，５ｈのように、急激な変動を示す凸型データ部分を除いたパターンのように、ある一定の振幅をもつ振動が継続するパターン等であってもよい。

次に、時系列データ処理装置１０の動作を説明する。
図７は、時系列データ処理装置１０の動作を示すフローチャートである。時系列データ処理装置１０の動作を、図８Ａ、図８Ｂおよび図８Ｃを参照しながら説明する。
時系列データ処理装置１０は、入力装置１００６が受け付けた時系列データ処理の開始要求により、図７に示す動作を開始する。なお、図７に示す動作を開始する前に、補助記憶装置１００２には時系列データ１および出現パターンの定義データが記憶されているものとする。

ステップＳＴ１において、凸型データ抽出部２は、時系列データ１の中から、上昇レグの次に下降レグが出現する凸型データ、または、下降レグの次に上昇レグが出現する凸型データを抽出する。

図８Ａに、凸型データ抽出部２が時系列データ１の中から抽出した凸型データの集合を示す。図８Ｂに、凸型データ抽出部２が抽出した凸型データを拡大して示す。凸型データの高さを振幅と呼ぶ。凸型データの幅、つまり開始時刻から終了時刻までの期間を、台の長さと呼ぶ。また、先に出現した凸データの終了時刻から、後に出現した凸データの開始時刻までの期間を、凸型データ同士の間隔と呼ぶ。

出現パターン定義部３が定義する出現パターンは、例えば、下式（１）である。
式（１）の出現パターンによれば、「振幅が１以上１．２以下、かつ、台が１５秒以内の凸型データが、１０秒以内に連続出現する部分列をセグメントとすること」が定義されている。

｛Ｃ_ｉ｜１．０≦ａｍｐ（Ｃ_ｉ）≦１．２
ａｎｄｓｕｐｐ（Ｃ_ｉ）≦１５（１）
ａｎｄ（ｓ（Ｃ_ｉ+１）−ｅ（Ｃ_ｉ））≦１０｝

ただし、Ｃ_ｉはｉ番目の凸型データ、ｓ（Ｃ_ｉ）は凸型データｉの開始時刻、ｅ（Ｃ_ｉ）は凸型データｉの終了時刻とする。また、ａｍｐ（Ｃ_ｉ）は凸型データｉの振幅、ｓｕｐｐ（Ｃ_ｉ）は凸型データｉの台である。

ステップＳＴ２において、出現パターン検出部４は、凸型データ抽出部２が抽出した凸型データの集合と出現パターン定義部３が定義する出現パターンとを照合する。照合の方法としては、ナイーブには凸型データを時間順に探索し、出現パターンと適合するか調べる方法がある。そして、出現パターン検出部４は、出現パターン定義部３が定義する出現パターンに一致する１つ以上の凸型データを検出し、セグメント５として出力する。

図８Ｃに、出現パターン検出部４が検出したセグメント５の例を示す。図８Ｃのように、式（１）で定義された出現パターンに一致する１つ以上の凸型データが、セグメント５として検出される。

出現パターンに指定可能な条件としては、上記の振幅、台の長さ、前後の凸型データ間の時間差の他にも、凸型データが連続する回数または時間の条件、連続する凸型データの中で条件に適合しない凸型データの出現を何回まで許容するかの例外条件を指定可能にしても良い。例えば、式（１）の定義によりｋ個の凸型データの集合Ｃが得られ、かつ、Ｃの要素数の条件が下式（２）の様に定義されていた場合、出現パターン検出部４は、Ｃの要素数が２０以上であればセグメント５として検出する。
ｃｏｕｎｔ（Ｃ）≧２０（２）
あるいは、セグメントの期間の条件が下式（３）のように定義されていた場合、出現パターン検出部４は、先頭の凸型データＣ_１から末尾の凸型データＣ_ｋまでの時間が１００以上であれば、ｋ個の凸型データの集合Ｃをセグメント５として検出する。
（ｅ（Ｃ_ｋ）−ｓ（Ｃ_１））≧１００（３）
さらに、例外の回数ｅｘｃｅｐｔ≦２が定義されていた場合、出現パターン検出部４は、式（１）の定義に基づく探索中に出現パターンに一致しない凸型データを検出する毎に内部のカウンタをカウントアップし、３回に達した時点でそれまでに得られていた凸型データの集合Ｃをセグメント５として検出する。

なお、図８Ａ、図８Ｂおよび図８Ｃでは、式（１）の定義データを用いて図６Ａで示したセグメント５ｂを検出する例を説明したが、別の定義データを用いることにより図６Ａのセグメント５ａ，５ｃ，５ｄを検出可能であることは言うまでもない。

以上のように、実施の形態１に係る時系列データ処理装置１０は、時間の経過に従って順次観測して得られた値の列である時系列データ１の中から、値が時間に対して連続的に上昇する上昇レグおよび値が時間に対して連続的に下降する下降レグから構成される凸型データを抽出する凸型データ抽出部２と、時系列データ１における凸型データの出現パターンを定義する出現パターン定義部３と、凸型データ抽出部２が抽出した凸型データの集合の中から、出現パターン定義部３が定義する出現パターンに一致する１つ以上の凸型データを検出する出現パターン検出部４とを備える構成である。時系列データ１の内在的な波形パターンの特徴を、凸型データの出現パターンとして表現することにより、イベント情報がない場合でもイベント区間の時系列データを、セグメント５として抽出することができる。

実施の形態２．
図９は、この発明の実施の形態１に係る時系列データ処理装置１０のうち、凸型データ抽出部２の内部構成例を示すブロック図である。実施の形態２に係る時系列データ処理装置１０の全体構成は、図１に示した実施の形態１に係る時系列データ処理装置１０と同じであるため、以下では図１を援用する。

図９に示すように、実施の形態２に係る時系列データ処理装置１０の凸型データ抽出部２は、最大振幅抽出部２１、包含関係抽出部２２、および台形データ抽出部２３を備えている。なお、凸型データ抽出部２は、最大振幅抽出部２１、包含関係抽出部２２、および台形データ抽出部２３のうちの少なくとも１つを備える構成であってもよい。

最大振幅抽出部２１は、時系列データ１の値が極値になる時点を含む、最大の振幅をもつ凸型データを抽出する。

図１０Ａ、図１０Ｂおよび図１０Ｃは、最大振幅抽出部２１の動作を説明する図である。図１０Ａ、図１０Ｂおよび図１０Ｃに示す時系列データ１は同じものであるが、同じ極大点（ここでは時点８）を基準とした場合、様々な振幅の凸型データがある。図８Ａの凸型データは、部分列ｘ［７：１１］であり、時点８の左側の高さが３５、時点８の右側の高さが７３である。凸型データの振幅を、左右の小さい方の高さで定義すると、図８Ａの凸型データは振幅３５である。
図１０Ｂの凸型データは、部分列ｘ［５：１１］であり、時点８の左側の高さが９０、時点８の右側の高さが７３であり、振幅７３である。
図１０Ｃの凸型データは、部分列ｘ［５：１３］であり、時点８の左側の高さが９０、右側の高さが９６、振幅が９０である。

このように、同じ極値点から左右に伸びる凸型データの範囲は一意に決まらず、複数存在する場合がある。そのような場合、最大振幅抽出部２１は、時系列データ１の値が極値になる時点８において、図１０Ａ，図１０Ｂおよび図１０Ｃの３つの凸型データの中から最大の振幅をもつ図１０Ｃの凸型データを抽出して、出現パターン検出部４に入力する。最大振幅抽出部２１は、図１０Ａの凸型データおよび図１０Ｂの凸型データを抽出しない。

包含関係抽出部２２は、２つ以上の凸型データが互いに包含関係にある場合に、当該２つ以上の凸型データを振動性データと非振動性データとに区別し、非振動性データに区別した凸型データのみを抽出する。

図１１Ａ、図１１Ｂおよび図１１Ｃは、包含関係抽出部２２の動作を説明する図である。実施の形態１の（２）で定義したように、レグは、ｐ≦ｉ≦ｑを満たす全てのｉに対して、ｘ（ｐ）≦ｘ（ｉ）≦ｘ（ｑ）、または、ｘ（ｐ）≧ｘ（ｉ）≧ｘ（ｑ）を満たす部分列ｘ［ｐ：ｑ］である。そのため、実施の形態１の凸型データ抽出部２は、振動する部分列を凸データとして抽出する可能性がある。図１１Ａは、振動に見える凸型データの例であり、包含関係抽出部２２において振動性データに区別される。図１１Ｂは、振動も含まれる凸形状に見える凸型データの例であり、包含関係抽出部２２において非振動性データに区別される。

図１１Ｃに、互いに包含関係にある凸型データＣ_Ａ，Ｃ_Ｂを示す。大きな凸型データＣ_Ａが小さな凸型データＣ_Ｂを包含する場合、包含関係抽出部２２は、式（４）に従って大きな凸型データＣ_Ａを振動性データまたは非振動性データに区別する。包含関係抽出部２２は、式（４）が成立する場合、大きな凸型データＣ_Ａを非振動性データに区別し、この凸型データＣ_Ａを抽出して出現パターン検出部４に入力する。一方、包含関係抽出部２２は、式（４）が成立しない場合、大きな凸型データＣ_Ａを振動性データに区別し、この凸型データＣ_Ａを抽出しない。

ａｍｐ（Ｃ_Ｂ）／ａｍｐ（Ｃ_Ａ）＜α （４）

ただし、ａｍｐ（Ｃ_Ａ）は凸型データＣ_Ａの振幅であり、ａｍｐ（Ｃ_Ｂ）は凸型データＣ_Ｂの振幅である。αは、包含関係抽出部２２に対して予め設定された値である。

台形データ抽出部２３は、台形形状の凸型データを抽出する。

図１２Ａおよび図１２Ｂは、台形データ抽出部２３の動作を説明する図である。実施の形態１の凸型データ抽出部２は、上昇レグと下降レグとで構成される三角形状の凸型データを抽出する構成である。そのため、図１２Ａのように同じ値の極大点２０１，２０２が複数存在する凸形状の部分列の場合、凸型データ抽出部２は、大局的には凸形状をしている部分列全体を凸型データとして抽出することができず、破線で示すような局所的に凸形状をしている三角形状の部分列を凸型データとして抽出することになる。
そこで、台形データ抽出部２３は、図１２Ｂのように、同じ値の極大点２０１，２０２が複数存在する凸形状の部分列において、先に出現した極大点２０１を右側に延長する拡張レグ２０３を導入する。台形データ抽出部２３は、台形の上辺の長さに相当する最大期間を超えない限り、拡張レグ２０３を右に延長し、破線で示すような台形形状の凸型データを抽出する。なお、台形の上辺の長さに相当する最大期間は、台形データ抽出部２３に対して予め設定されているものとする。また、拡張レグ２０３に含める極大点２０１，２０２は、厳密に同じ値に限定されるものではなく、予め設定された比率βに対して、極大点２０１の値の±βパーセント以内まで許容する等、ほぼ同じ値であってもよい。

なお、図１０〜図１２では、上に凸の部分列を例に用いて説明したが、下に凸の部分列も同様に扱うことが可能であることは言うまでもない。

以上のように、実施の形態２の凸型データ抽出部２は、時系列データの値が極値になる時点を含む、最大の振幅を持つ凸型データを抽出する最大振幅抽出部２１を備える構成である。この構成により、ロバストな凸型データ抽出を実現できる。

また、実施の形態２の凸型データ抽出部２は、２つ以上の凸型データが互いに包含関係にある場合に、当該２つ以上の凸型データを振動性データと非振動性データとに区別し、非振動性データに区別した凸型データのみを抽出する包含関係抽出部２２を備える構成である。この構成により、ロバストな凸型データ抽出を実現できる。

また、実施の形態２の凸型データ抽出部２は、凸型データとして台形形状のデータを抽出する台形データ抽出部２３を備える構成である。この構成により、ロバストな凸型データ抽出を実現できる。

なお、本発明はその発明の範囲内において、各実施の形態の自由な組み合わせ、各実施の形態の任意の構成要素の変形、または各実施の形態の任意の構成要素の省略が可能である。

この発明に係る時系列データ処理装置は、ある出現パターンに一致する時系列データを検出するようにしたので、プラント、ビルもしくは工場等の制御システムのセンサ値の変動、または、株価もしくは売上等のデータ変動を検出する時系列データ処理装置などに用いるのに適している。

１時系列データ、２凸型データ抽出部、３出現パターン定義部、４出現パターン検出部、５セグメント、１０時系列データ処理装置、２１最大振幅抽出部、２２包含関係抽出部、２３台形データ抽出部、１００１プロセッサ、１００２補助記憶装置、１００３メモリ、１００４入力ＩＦ、１００５ディスプレイＩＦ、１００６入力装置、１００７ディスプレイ、１００９信号線、１０１０，１０１１ケーブル。

この発明に係る時系列データ処理装置は、時間の経過に従って順次観測して得られた値の列である時系列データの中から、値が時間に対して連続的に上昇する上昇レグおよび値が時間に対して連続的に下降する下降レグから構成される凸型データを抽出する凸型データ抽出部と、時系列データにおける凸型データの出現パターンを定義する出現パターン定義部と、凸型データ抽出部が抽出した凸型データの集合の中から、出現パターン定義部が定義する出現パターンに一致する２つ以上の凸型データを検出する出現パターン検出部とを備えるものである。

この発明によれば、凸型データの集合の中から、出現パターン定義部が定義する出現パターンに一致する２つ以上の凸型データを検出するようにしたので、イベント情報がない場合でも、時系列データの内在的な波形パターンの特徴を定義した出現パターンを用いてイベント区間の時系列データを抽出することができる。

凸型データ抽出部２は、時系列データ１の中から、値が時間に対して連続的に上昇する上昇レグおよび値が時間に対して連続的に下降する下降レグから構成される凸型データを抽出し、出現パターン検出部４に入力する。

この発明に係る時系列データ処理装置は、時間の経過に従って順次観測して得られた値の列である時系列データの中から、値が時間に対して連続的に上昇する上昇レグおよび値が時間に対して連続的に下降する下降レグから構成される凸型データを抽出する凸型データ抽出部と、前記時系列データにおける連続する２つ以上の凸型データの出現パターンを定義する出現パターン定義部と、前記凸型データ抽出部が抽出した凸型データの集合の中から、前記出現パターン定義部が定義する出現パターンに一致する２つ以上の凸型データを検出する出現パターン検出部とを備えるものである。

Claims

時間の経過に従って順次観測して得られた値の列である時系列データの中から、値が時間に対して連続的に上昇する上昇レグおよび値が時間に対して連続的に下降する下降レグから構成される凸型データを抽出する凸型データ抽出部と、
前記時系列データにおける凸型データの出現パターンを定義する出現パターン定義部と、
前記凸型データ抽出部が抽出した凸型データの集合の中から、前記出現パターン定義部が定義する出現パターンに一致する１つ以上の凸型データを検出する出現パターン検出部とを備える時系列データ処理装置。
前記出現パターンとして、凸型データの振幅、凸型データの台、凸型データ同士の間隔、凸型データが連続して出現する回数もしくは時間、または、条件に適合しない凸型データの出現回数のうちの少なくとも１つが定義されることを特徴とする請求項１記載の時系列データ処理装置。
前記凸型データ抽出部は、前記時系列データの値が極値になる時点を含む、最大の振幅をもつ凸型データを抽出する最大振幅抽出部を備えることを特徴とする請求項１記載の時系列データ処理装置。
前記凸型データ抽出部は、２つ以上の凸型データが互いに包含関係にある場合に、当該２つ以上の凸型データを振動性データと非振動性データとに区別し、非振動性データに区別した凸型データのみを抽出することを特徴とする請求項１記載の時系列データ処理装置。
前記凸型データ抽出部は、凸型データとして台形形状のデータを抽出する台形データ抽出部を備えることを特徴とする請求項１記載の時系列データ処理装置。