JPWO2018207225A1 - 時系列データの分析制御方法および分析制御装置 - Google Patents
時系列データの分析制御方法および分析制御装置 Download PDFInfo
- Publication number
- JPWO2018207225A1 JPWO2018207225A1 JP2019516743A JP2019516743A JPWO2018207225A1 JP WO2018207225 A1 JPWO2018207225 A1 JP WO2018207225A1 JP 2019516743 A JP2019516743 A JP 2019516743A JP 2019516743 A JP2019516743 A JP 2019516743A JP WO2018207225 A1 JPWO2018207225 A1 JP WO2018207225A1
- Authority
- JP
- Japan
- Prior art keywords
- analysis
- evaluation
- sensor
- value
- sensors
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- 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
- G05B23/0224—Process history based detection method, e.g. whereby history implies the availability of large amounts of data
-
- 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
- G05B23/0259—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
- G05B23/0275—Fault isolation and identification, e.g. classify fault; estimate cause or root of failure
- G05B23/0281—Quantitative, e.g. mathematical distance; Clustering; Neural networks; Statistical analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Automation & Control Theory (AREA)
- Algebra (AREA)
- Computational Mathematics (AREA)
- Probability & Statistics with Applications (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Testing And Monitoring For Control Systems (AREA)
- Debugging And Monitoring (AREA)
- Testing Or Calibration Of Command Recording Devices (AREA)
Abstract
分析制御装置は、対象装置を構成する複数の部品に対応した複数のセンサの各々の時系列データに基づく分析を制御する。具体的には、分析制御装置は、複数のセンサの各々の時系列データのうち分析対象時間帯に属するセンサデータセットを取得する。各センサデータセットは、そのセンサデータセットに対応したセンサにより計測された値である計測値を含む。分析制御装置は、複数のセンサの各々について、分析対象時間帯に属する複数のセンサデータセットのうち当該センサに対応した2以上のセンサデータセットを用いた簡易評価に従う評価値を算出する。分析制御装置は、分析対象時間帯に対応した制約時間における、センサの計測値に基づく分析の実行順を、算出された評価値の高い順とする。
Description
本発明は、概して、データの分析に関する。
近年、IoT(Internet of Things)やCPS(Cyber Physical Systems)という言葉に象徴される様に、様々な機器がネットワークに接続され、相互にデータ通信や制御を行えるようになってきている。例えば、電力分野では各家庭に取り付けた電力センサの時系列データを、家電制御のスケジューリングや電力の需要予測に活用している。あるいは交通分野では、各車両に取り付けた加速度センサの時系列データを、道路整備の計画や保険料策定の指針に活用している。
これらの時系列データ分析では、同一の分析対象に対して複数の分析者が分析を行い、多様な観点での知見を抽出または集約する場合が多い。例えば、風力発電の設備の分析においては、ブレード、ナセル、タワーといった各部品に対して、材料または形状の特性のデータや稼動状態のデータを計測または推定し、損傷解析、腐食解析、装置異常検知といった多面的な分析を、複数の分析者が行う。
一方で、これらの分析結果を保守業務に反映するためには、制御間隔や保守期間といった制約時間の中で施策を決定する必要がある。
しかし、大量の部品に関する大量のセンサの時系列データを用いて多面的な分析を行うと、分析に時間がかかりすぎて施策決定が間に合わないという問題がある。よって、制約時間の中で施策決定に必要な精度の分析結果を出すことがこの分野における課題である。
特許文献1によれば、診断対象が、複数の故障部位単位に区分される。診断装置が、診断対象について単位毎に予備診断を行う。これにより、診断項目の組合せの爆発が抑制される。
特許文献2によれば、診断処理管理装置が、アラームに応じて優先度つきの分析処理を待ち行列に蓄積し、診断実施装置が、負荷基準内で処理を実行する。これにより、許容範囲を超えた負荷をかけることが回避される。
特許文献1の技術を利用すれば、複数のセンサに対応した複数の部品を2以上の故障部位単位に分類し、各故障部位単位について予備診断を設計することが考えられる。しかし、故障部位単位も予備診断も予め設計されるため、多面的な分析の精度を維持すること(分析の目的が変わっても分析の精度を維持すること)が難しいという問題がある。
特許文献2の技術では、負荷基準が低いと同様の診断のみが行われ障害の検出漏れが増え得るという問題がある。
分析制御装置は、対象装置を構成する複数の部品に対応した複数のセンサの各々の時系列データに基づく分析を制御する。具体的には、分析制御装置は、複数のセンサの各々の時系列データのうち分析対象時間帯に属するセンサデータセットを取得する。各センサデータセットは、そのセンサデータセットに対応したセンサにより計測された値である計測値を含む。分析制御装置は、複数のセンサの各々について、分析対象時間帯に属する複数のセンサデータセットのうち当該センサに対応した2以上のセンサデータセットを用いた簡易評価に従う評価値を算出する。分析制御装置は、分析対象時間帯に対応した制約時間における、センサの計測値に基づく分析の実行順を、算出された評価値の高い順とする。
本発明によれば、検出漏れの少ない分析処理を制限時間内に行うことが期待できる。
以下、図面を参照して、本発明の幾つかの実施例を説明する。但し、それらの実施例は本発明を実現するための一例に過ぎず、本発明の技術的範囲を限定するものではない。
以下の説明では、「インターフェース部」は、1以上のインターフェース装置である。1以上のインターフェースは、1以上の同種のインターフェース装置(例えば1以上のNIC(Network Interface Card))であってもよいし2以上の異種のインターフェース装置(例えばNICとHBA(Host Bus Adapter))であってもよい。
また、以下の説明では、「記憶部」は、1以上のメモリである。少なくとも1つのメモリは、揮発性メモリであってもよいし不揮発性メモリであってもよい。記憶部は、1以上のメモリに加えて、1以上のPDEVを含んでもよい。「PDEV」は、物理的な記憶装置を意味し、典型的には、不揮発性の記憶装置(例えば補助記憶装置)でよい。PDEVは、例えば、HDD(Hard Disk Drive)またはSSD(Solid State Drive)でよい。
また、以下の説明では、「プロセッサ部」は、1以上のプロセッサである。少なくとも1つのプロセッサは、典型的には、CPU(Central Processing Unit)である。プロセッサは、処理の一部または全部を行うハードウェア回路を含んでもよい。
また、以下の説明では、「kkk部」(インターフェース部、記憶部およびプロセッサ部を除く)の表現にて機能を説明することがあるが、機能は、1以上のコンピュータプログラムがプロセッサ部によって実行されることで実現されてもよいし、1以上のハードウェア回路(例えばFPGA(Field-Programmable Gate Array)またはASIC(Application Specific Integrated Circuit))によって実現されてもよい。プログラムがプロセッサ部によって実行されることで機能が実現される場合、定められた処理が、適宜に記憶部および/またはインターフェース部等を用いながら行われるため、機能はプロセッサ部の少なくとも一部とされてもよい。機能を主語として説明された処理は、プロセッサ部あるいはそのプロセッサ部を有する装置が行う処理としてもよい。プログラムは、プログラムソースからインストールされてもよい。プログラムソースは、例えば、プログラム配布計算機または計算機が読み取り可能な記録媒体(例えば非一時的な記録媒体)であってもよい。各機能の説明は一例であり、複数の機能が1つの機能にまとめられたり、1つの機能が複数の機能に分割されたりしてもよい。
また、以下の説明では、「xxxテーブル」といった表現にて情報を説明することがあるが、情報は、どのようなデータ構造で表現されていてもよい。すなわち、情報がデータ構造に依存しないことを示すために、「xxxテーブル」を「xxx情報」と言うことができる。また、以下の説明において、各テーブルの構成は一例であり、1つのテーブルは、2以上のテーブルに分割されてもよいし、2以上のテーブルの全部または一部が1つのテーブルであってもよい。
また、以下の説明では、「時刻」は、年月日時分秒の単位で表現されるが、時刻の単位は、それよりも粗くても細かくてもよいし、また異なる単位でもよい。
また、以下の説明では、「データセット」とは、1以上のデータ要素から成るデータ(論理的な電子データの塊)を意味し、例えば、レコード、ファイル、キーバリューペア及びタプルのうちのいずれでもよい。
また、以下の説明では、各部品について、「異常」の定義は、分析の目的に依存してよく、例えば、部品の故障、腐食または破損あるいはそれらの予兆でよい。
図1は、実施例1に係るシステム全体の物理構成を示す。
対象装置100は、管理対象の装置である。対象装置100は、複数の部品(図示せず)を有する。例えば、対象装置100は、ウィンドファームに設置されている1以上の風車でよい。各風車について、複数の部品は、ブレード、ナセル、タワー等である。複数の部品に関して、複数のセンサ101が設けられる。例えば、各部品に、1以上のセンサ101が設けられる。
対象装置100は、複数のセンサ101の各々からの時系列データが格納される記憶装置104を有する。記憶装置104は、1以上のPDEVである。PDEVは、物理的な不揮発記憶デバイス、例えば、HDD(Hard Disk Drive)またはSSD(Solid State Drive)である。記憶装置104の少なくとも一部は、対象装置100の外に存在してもよい。
対象装置100に、通信ネットワーク(例えばWAN(Wide Area Network))120を介して、業務装置50および分析制御装置110が接続されている。
業務装置50は、対象装置100の部品の保守に関する情報を管理する計算機システム(1以上の計算機)である。業務装置50は、当該情報を格納する記憶装置51を有する。記憶装置51は、1以上のPDEVである。記憶装置51の少なくとも一部は、業務装置50の外に存在してもよい。
分析制御装置110は、計算機システム(1以上の計算機)、例えば、1以上のユーザ(分析者)が使用可能なスタンドアロンの計算機であってもよいし、サーバ計算機およびクライアント計算機のうちの少なくともサーバ計算機でよい。このため、「ユーザインターフェース装置」は、計算機の1以上のユーザインターフェース装置(入力装置と出力装置のうちの少なくとも1つ)でもよいし、1以上のユーザインターフェース装置を有するクライアント計算機であってもよい。また、以下の説明では、「ユーザ操作」とは、ユーザが入力装置を使用して行う操作を言う。また、以下の説明によれば、分析制御装置110は、情報を表示することができるが、「情報を表示する」とは、ユーザインターフェース装置に表示対象の情報を送りユーザインターフェース装置によりその情報が表す表示対象(例えば分析結果)が表示されることであってよい。
分析制御装置110は、ネットワークインターフェース115、入力装置116、出力装置117、記憶装置114、メモリ113、および、それらに接続されたプロセッサ112を有する。
ネットワークインターフェース115は、インターフェース部の一例であり、通信ネットワーク120を介して通信するための通信インターフェース装置である。
入力装置116および出力装置117は、1以上のユーザインターフェース装置の一例である。入力装置116は、例えば、キーボードおよびポインティング装置である。出力装置117は、例えば、表示装置である。
記憶装置114およびメモリ113が、記憶部の一例である。記憶装置114は、1以上のPDEVである。メモリ113は、例えば、DRAM(Dynamic Random Access Memory)であり、プロセッサ112により実行される1以上のプログラムを記憶する。
プロセッサ112が、プロセッサ部の一例であり、1以上のプログラムを実行する。
以上が、本実施例に係るシステム全体の構成である。なお、本実施例では、対象装置100、業務装置50および分析制御装置110が通信ネットワーク120に接続されているが、システム全体の構成は、図1に示す構成に限定されない。例えば、装置100、50および110のうちの2以上の装置の各々が、計算機システムにおいて実行されるVM(Virtual Machine)でもよい。
図2は、システム全体の論理構成を示す。
対象装置100(記憶装置104)は、センサDB201を格納する。センサDB201は、センサテーブル202を格納する。
分析制御装置110(記憶装置114)は、分析DB214およびポリシDB215を格納する。分析DB214は、未分析テーブル231および既分析テーブル232を格納する。ポリシDB215は、分析評価テーブル251および評価ポリシテーブル252を格納する。
分析制御装置110は、分析部211及び分析制御部212を有する。分析部211及び分析制御部212は、プロセッサ112により実行される1以上のプログラムが実行されることにより実現される機能である。
分析部211は、複数のセンサデータセットを基に分析を行う。具体的には、例えば、分析部211は、センサデータセットを収集するセンサデータ収集部221、および、収集されたセンサデータセットを基に分析を行うセンサデータ分析部222を有する。なお、「センサデータセット」とは、センサにより計測された値を含んだデータセットである。
分析制御部212は、分析部211による分析を制御する。具体的には、例えば、分析の実行順を決定する実行順決定部244、実行順通りの分析開始を制御する実行順制御部242、実行順決定部244および実行順制御部242の呼び出しを制御する制御管理部241、実行順の決定の第1の観点である検出確率を算出する検出確率評価部245、実行順の決定の第2の観点である現象乖離度を算出する現象乖離度評価部246、実行順の妥当性(評価精度)を算出する妥当性評価部243、および、U/I(ユーザインタフェース)としての画面を表示するU/I制御部213を有する。
センサデータ収集、分析制御、センサデータ分析は同期実行でも非同期実行でも構わない。
また、センサDB201内と分析DB214とポリシDB215は同一DBやレコードでもよい。
また、センサDB201内と分析DB214とポリシDB215は同一DBやレコードでもよい。
図3は、センサDB201が格納するテーブルの構成を示す。
センサDB201は、センサテーブル202を格納する。センサテーブル202は、各センサからのセンサデータセットを格納する。具体的には、例えば、センサテーブル202は、計測毎にレコード(以下、センサレコード)を有する。各センサレコードは、センサデータセット、具体的には、計測時刻301、センサID302及び計測値303といった情報を格納する。
計測時刻301は、値を計測した時刻を示す。センサID302は、センサ101の識別子を示す。計測値303は、センサにより計測された値を示す。
本実施例では、分析制御装置110が、分析制御に加えて分析も行う。変形例として、分析部211は、分析制御装置110と通信可能な外部装置(図示せず)によって実行されてもよい。
以下、計測時刻301が対象時間帯に属するセンサレコード(センサデータセット)を、「対象時間帯に属するセンサレコード(センサデータセット)」と言う。
図4は、分析DB214が格納するテーブルの構成を示す。
分析DB214は、未分析テーブル231および既分析テーブル232を格納する。
未分析テーブル231は、対象時間帯(以下、対象時間帯)に属する複数のセンサレコード(複数のセンサデータセット)の集約結果に関する情報を格納する。具体的には、例えば、未分析テーブル231は、センサ101毎にレコード(以下、未分析レコード)を有する。各未分析レコードは、分析ID401、時刻402、センサID403および値集合404といった情報を格納する。
分析ID401は、センサ101と計測値303の集合との組の識別子を示す。時刻402は、対象時間帯の開始時刻を示す。センサID403は、センサ101の識別子を示す。値集合404は、対象時間帯に属する複数のセンサレコードのうちの該当センサ101についての2以上のセンサレコードがそれぞれ有する2以上の計測値303の集合を示す。
既分析テーブル232におけるレコード(以下、既分析レコード)は、当該レコードに対応する未分析レコードを用いた分析結果に関する情報を格納する。各既分析レコードは、分析ID411、時刻412、センサID413および異常度414といった情報を格納する。
分析ID411、時刻412およびセンサID413は、対応する未分析レコード内の分析ID401、時刻402およびセンサID403を示す。異常度414は、対応する未分析レコードが有する値集合404を用いた分析において算出された値であって、当該センサID413から識別されるセンサ101に対応した部品の異常に関する程度を示す値である。異常度が小さい程、異常に関する程度は低く(つまり部品は正常に近く)、異常度が大きい程、異常に関する程度は大きい(つまり部品が異常に近い)。
本実施例では、未分析レコードを基に既分析レコードが生成された場合、当該未分析レコードは削除される。しかし、未分析レコードは必ずしも削除されないでもよい。例えば、未分析テーブル231と既分析テーブル232は一体であって、レコードに、分析結果としての異常度が追加されてもよい。
図5は、ポリシDB215が格納するテーブルの構成を示す。
ポリシDB215は、分析評価テーブル251および評価ポリシテーブル252を格納する。
分析評価テーブル251は、各未分析レコードについての評価優先度に関する情報を格納する。具体的には、例えば、分析評価テーブル251は、未分析レコード毎にレコード(以下、評価レコード)を有する。各評価レコードは、分析ID501、検出確率502、現象乖離度503、評価値504、および実行フラグ505といった情報を格納する。
分析ID501は、対応する未分析レコード内の分析ID401を示す。
検出確率502は、対応センサ101(対応する未分析レコード内のセンサID403に対応したセンサ101)に対応した部品で異常が発生している確率に相当する。具体的には、例えば、検出確率502は、対応する未分析レコード内の値集合404における最大値と最小値との差分に基づく。
現象乖離度503は、対応センサ101に対応した部品の状態と、全センサ101に対応した全部品の状態との差に相当する。具体的には、例えば、現象乖離度503は、対応する未分析レコード内の値集合404に基づく値(例えば、当該値集合404が示すベクトルの中心値)と、全未分析レコード内の値集合404に基づく値(例えば、全値集合404が示すベクトルの中心値)との差を示す。
評価値504は、対応する検出確率502と対応する現象乖離度503とを用いて選択評価ポリシに従い算出された値である。
実行フラグ505は、分析が実行されたか(“True”)否か(“False”)を示す。
評価ポリシテーブル252は、評価ポリシに関する情報を格納する。評価ポリシテーブル252は、評価ポリシ毎にレコード(以下、ポリシレコード)を有する。各ポリシレコードは、ポリシID511、評価ポリシ512、評価精度513および選択フラグ514といった情報を格納する。
ポリシID511は、評価ポリシの識別子を示す。評価ポリシ512は、検出確率502と現象乖離度503とを用いて評価値504を算出する方法を示す。評価精度513は、評価ポリシの精度を示す。選択フラグ514は、評価ポリシが選択されているか(“True”)否か(“False”)を示す。
本実施例では、各未分析レコードについて、複数の評価ポリシのうちの選択評価ポリシに従い評価値504が算出される。しかし、各未分析レコードについて、複数の評価ポリシにそれぞれ従う複数の評価値504が算出されてもよい。
以下、本実施例で行われる処理の一例を説明する。
図6は、センサ101データ収集処理の流れを示す。
制約時間間隔で、S601〜S604が行われる。すなわち、センサデータ収集部221が、対象時間帯分のセンサレコード(センサデータセット)をセンサテーブル202から取得する(S601)。センサデータ収集部221が、S601で取得したセンサレコードの計測値303をセンサ101毎の値集合404に分類し、各値集合404に分析ID401を関連付ける(S603)。センサデータ収集部221が、センサ101毎に、S602で生成した値集合404と分析ID401とを含んだ未分析レコードを未分析テーブル231に格納する(S603)。センサデータ収集部221が、未分析レコードの追加を制御管理部241に通知する(S603)。
なお、常に、対象時間帯分のセンサレコードが取得されるとは限らない。すなわち、センサレコードの遅延または欠損があり得る。このため、現在時刻と格納実績(計測時刻301)との差分などからセンサデータセットの取得の追いつきまたはスキップが行われてもよい。
図7は、制御管理処理の流れを示す。
制御管理部241が、分析制御装置110が停止するまで、S701〜S703を行う。
すなわち、制御管理部241が、未分析レコードの追加の通知を受けたか否かを判断する(S701)。S701の判断結果が真の場合(S701:Yes)、制御管理部241が、実行順決定部244を呼び出し(S702)、且つ、実行順制御部242を呼び出す(S703)。
S702およびS703は、未分析レコードの追加の通知が契機で行われることに代えてまたは加えて、定期的に行われてもよい。
図8は、実行順決定処理の流れを示す。この処理は、実行順決定部244が呼び出された場合に行われる。
実行順決定部244が、選択フラグ514“True”を含んだポリシレコード内の評価ポリシ512を参照する(S801)。
各未分析レコードについて、S802およびS803が行われる。すなわち、実行順決定部244が、未分析レコード内の分析ID401と同じ分析ID501を、当該未分析レコードに対応した評価レコードに格納する(S802)。実行順決定部244が、当該未分析レコードに対応した評価レコードに、実行フラグ505“False”を格納する(S803)。
実行順決定部244が、検出確率評価部245を呼び出すことで、各未分析レコードについて、検出確率502を得る(S804)。実行順決定部244が、現象乖離度評価部246を呼び出すことで、各未分析レコードについて、現象乖離度503を得る(S805)。
各未分析レコードについて、S806およびS807が行われる。すなわち、実行順決定部244が、未分析レコードに対応した評価レコード内の検出確率502および現象乖離度503を参照する(S806)。実行順決定部244が、S806で参照した検出確率502および現象乖離度503を用いて、選択評価ポリシ512に従い、評価値504を算出し、算出した評価値504を、当該未分析レコードに対応した評価レコードに格納する(S807)。
本実施例では、選択フラグ514“True”を含んだポリシレコードが少なくとも用意されている。現象乖離度503は、同一の対象時間帯について、1つの未分析レコード内の値集合404に基づく値と全未分析レコード内の値集合404に基づく値とに基づいて算出されるが、全未分析レコード内の値集合404に基づく値は、当該対象時間帯に加えて過去の対象時間帯についての値も参酌された値でよい。
図9は、検出確率評価処理の流れを示す。この処理は、検出確率評価部245が呼び出された場合に行われる。
各未分析レコードについて、S901〜S903が行われる。すなわち、検出確率評価部245が、未分析レコードから分析ID401を取得する(S901)。検出確率評価部245が、当該未分析レコード内の値集合404における最大値と最小値との差の大きさに応じて検出確率502を算出する(S902)。S901で取得した分析ID401と一致する分析ID501を有する評価レコードに、S902で算出した検出確率502を格納する(S903)。
検出確率502は、他の方法、例えば、センサデータ分析部222のロジックに応じて、収束計算の切り上げや波形の近似などを行うことで算出されてもよい。
図10は、現象乖離度評価処理の流れを示す。この処理は、現象乖離度評価部246が呼び出された場合に行われる。
現象乖離度評価部246が、全未分析レコードを取得する(S1001)。現象乖離度評価部246が、全未分析レコード内の値集合404が示すベクトルの中心値を算出する(S1002)。現象乖離度評価部246が、各未分析レコードについて、当該未分析レコード内の値集合404が示すベクトルの中心値と、S1002で算出された中心値との差に応じた現象乖離度503を算出する(S1003)。現象乖離度評価部246が、各未分析レコードについて、当該未分析レコード内の分析ID401と一致する分析ID401を有する評価レコードに、S1003で算出した現象乖離度503を格納する(S1004)。
現象乖離度503は、他の方法、例えば、各未分析レコードについて、現在や過去の未分析レコードのうちの一部の未分析レコードと予め定義したモデルとの乖離度であってもよい。
図11は、実行順制御処理の流れを示す。この処理は、実行順制御部242が呼び出された場合に行われる。
制約時間間隔で、S1101〜S1103が行われる。すなわち、実行順制御部242が、評価値の高い順に、実行フラグ505“False”を有する評価レコード内の分析ID501を取得する(S1101)。実行順制御部242が、分析ID501を取得した順に(評価値504の高い順に)、分析ID501を引数としてセンサデータ分析部222を呼び出すことにより既分析レコードを得る(S1102)。実行順制御部242が、既分析レコードが得られた未分析レコードに対応した評価レコード内の実行フラグ505を、“False”から“True”に更新する(S1103)。
S1101では、削除されずに残っている未分析レコードに対応した評価レコード内の分析ID501が取得されてもよい。また、制約時間は、固定値でもよいし可変値(例えばユーザ任意の値)であってもよい。
また、図11によれば、制約時間間隔で、対象時間帯に属する未分析レコードの分析が評価値504の高い順に実行される。言い換えれば、対象時間帯に対応した制約時間が終了するまで、評価値504の高い順に、未分析レコードを用いた分析が行われる。従って、対象時間帯に属する全ての未分析レコードの分析が、対象時間帯に対応した制約時間内に終わらない場合、当該対象時間帯についての分析は終了する。全ての未分析レコードについて分析がされていなくても、評価値の高い順で未分析レコードが分析されるので、異常の検出漏れの可能性は低い。なお、「制約時間」の開始時刻は、分析対象時間帯に属するセンサレコードの取得時(つまり図6のセンサデータ収集処理の開始時)でもよいし、図11の実行順制御処理の開始時でもよい。
図12は、センサデータ分析処理の流れを示す。この処理は、センサデータ分析部222が呼び出された場合に行われる。
センサデータ分析部222が、実行順制御部242から分析ID501を受信する(S1201)。センサデータ分析部222が、受信した分析ID501と一致する分析ID401を有する未分析レコードがあるか否かを判断する(S1202)。
S1202の判断結果が真の場合(S1202:Yes)、センサデータ分析部222が、受信した分析ID501と一致する分析ID401を有する未分析レコードを取得する(S1203)。センサデータ分析部222が、S1203で取得した未分析レコード内の値集合404を基に異常度414を算出する(S1204)。センサデータ分析部222が、S1203で取得した未分析レコード内の分析ID401、時刻402およびセンサID403と一致する分析ID411、時刻412およびセンサID413と、S1204で算出した異常度414とを含んだ既分析レコードを既分析テーブル232に格納する(S1205)。センサデータ分析部222が、S1203で取得した未分析レコードを未分析テーブル231から削除する(S1206)。
図13は、妥当性評価処理の流れを示す。この処理は、妥当性評価部243が呼び出された場合に行われる。
妥当性評価部243が、全既分析レコードを取得する(S1301)。妥当性評価部243が、異常度の高い順に分析ID411を並べる(S1302)。なお、成約時間内に全ての未分析レコードの分析が終わっていなければ、評価値504が低い分析IDに対応した未分析レコードについては、既分析レコードは存在しないことがある。
妥当性評価部243が、全評価レコードを取得する(S1303)。妥当性評価部243が、各分析ID501について、評価精度513を算出する(S1304)。具体的には、妥当性評価部243が、評価値504の高い順に分析ID501を並べる。妥当性評価部243が、評価値504の高い順の分析ID並び(各分析ID501の順位)と、異常度414の高い順の分析ID並び(各分析ID411の順位)とを比較する。妥当性評価部243が、各分析ID501について、当該分析ID501の順位と、当該分析ID501に一致する分析ID411の順位との差に従う値としての評価精度513を算出する。
妥当性評価部243が、選択ポリシ“True”を有するポリシレコードに、S1304で算出した評価精度513を格納する(S1305)。
なお、評価精度513は、他の方法、例えば、相対的に高い異常度414に対して相対的に高い重みが付与されてもよい。この場合、相対的に高い重みが付与された異常度414に対応した分析ID411の順位について、評価値504に対応した分析ID501の順位との差が小さければ、より高い評価精度513が算出され、評価値504に対応した分析ID501の順位との差が大きければ、より低い評価精度513が算出される。
図14は、U/I制御処理の流れを示す。この処理は、U/I制御部213が呼び出された場合に行われる。
U/I制御部213が、全評価レコードを取得する(S1401)。U/I制御部213が、S1401で取得した全評価レコードを基に、評価ポリシ一覧を表示した画面である分析画面を表示する(S1402)。分析画面の一例を図15に示す。評価ポリシ一覧1501は、評価ポリシ毎に、評価ポリシテーブル252を基に表示された分析ID、評価ポリシおよび評価精度を有する。また、分析画面1500は、ポリシ選択ボタン1502と精度更新ボタン1503とを有する。
評価ポリシ一覧1501のうちのユーザ所望の評価ポリシを選択状態にするユーザ操作が行われた後にポリシ選択ボタン1502を押すユーザ操作が行われた場合(S1403:Yes)、U/I制御部213が、選択評価ポリシに対応した選択フラグ514を“True”を“False”に更新し、当該選択状態の評価ポリシに対応した選択フラグ514を“False”から“True”に更新する(S1404)。
精度更新ボタン1503を押すユーザ操作が行われた場合(S1403:NoおよびS1405:Yes))、U/I制御部213が、妥当性評価部243を呼び出す。
なお、評価ポリシの選択、および、妥当性評価処理の開始(妥当性評価部243の呼び出し)は、ユーザ操作に応答して行われることに代えて、自動で行われてよい。例えば、評価精度513が最も高い評価ポリシが自動で選択されてもよい。また、例えば、定期的に、または、所定のイベント契機で(例えば、未分析レコードが全て削除された場合に)、妥当性評価処理が開始されてもよい。
また、評価ポリシの追加または削除が、分析画面のようなU/I経由で行われてもよい。
以上が、実施例1である。
本実施例によれば、検出漏れの少ない分析処理を制限時間内に行うことが期待できる。具体的には、対象時間帯において異常が発生した部品がある場合に、対象時間帯に属する複数のセンサレコード(センサデータセット)を基に、当該異常の発生を制約時間内に(例えば、当該複数のセンサレコードの取得時から制約時間内に)検出することが期待できる。
より具体的には、本実施例によれば、分析制御部212が、対象時間帯に属する各未分析レコード(各分析ID401)について、当該未分析レコード内の値集合404に基づく簡易評価に従う評価値504を算出する。簡易評価とは、例えば、値集合404からの値の間引き、収束計算の途中切上げ、および、代表値による近似のうちの少なくとも1つでよい。具体的には、簡易評価は、検出確率502および現象乖離度503のうちの少なくとも1つの算出である。分析制御部212が、検出確率502および現象乖離度503の両方(または一方)を用いて選択評価ポリシに従い評価値504を算出する。
検出確率502は、異常発生の可能性の大きさを意味する。検出確率502は、対応する未分析レコード内の値集合404(例えば、当該値集合404における最大値と最小値との差)に依存する。
一方、現象乖離度503は、現象(状態)の異なり度合を意味する。現象乖離度503は、全未分析レコード内の値集合404のうちの少なくとも1つの値集合404と、対応する未分析レコード内の値集合404との相対的な関係に基づく。
検出確率502および現象乖離度503のうちの少なくとも1つが高ければ、評価値504は高くなる。このため、評価値504が高ければ、異常発生の可能性が高い、または、異常が発生している部品と異なる部品(例えば、種類の異なる部品、または、離れた部品)で別の異常が発生している可能性が高いと考えられる。従って、評価値504が高い程、当該評価値504に対応した未分析レコードを用いた分析の結果として高い異常度414が得られる可能性が高い。これらの観点の重み付けは評価ポリシにより表現される。
本実施例では、そのような評価値504を基に未分析レコードの実行順(分析順)が最適化される。具体的には、評価値504の高い順に分析が行われる。
すなわち、本実施例では、複数の未分析レコードを、検出確率502および現象乖離度503といった観点で、異常が発生している可能性が大きいか否かに分類し、異常が発生している可能性が大きいと考えられる未分析レコードから優先的に分析していく。これにより、検出漏れの少ない分析処理を制限時間内に行うことができる。
より具体的な例として、例えば次の例が考えられる。対象装置100が風車であれば、例えば10分毎に風車の向きを変える制御が行われる。分析部211が、今回の10分間のうちに、直前の10分間分のセンサレコードを収集し、分析を行い、その結果に基づき制御内容を決める。「10分」というのは、例えば風力発電ガイドラインに基づき決められた時間であり、本実施例における制約時間の一例である。10分毎に、検出漏れの少ない分析処理が期待できる。例えば、直前の10分間において、タワーに異常が発生したのであれば、今回の10分間のうちに、検出確率502の観点から、当該異常を検出することが期待できる。また、直前の10分間において、タワーの他にブレードに異常が発生したのであれば、現象乖離度503の観点から、タワーとブレードの両方の異常を検出すること、言い換えれば、タワーの異常が検出されているのにタワーの異常に関する未分析データばかりを分析して、タワーから離れたブレードに関する未分析レコードの分析が間に合わずにブレードの異常の検出漏れが生じることを回避することが期待できる。
また、本実施例では、評価値504の算出に使用された評価ポリシの評価精度513が、分析結果を基に更新される。具体的には、分析制御部212が、評価値504の高い順の分析ID配列と、異常度414の高い順の分析ID401配列との一致率に応じて、選択評価ポリシの評価精度513を更新する。これにより、評価精度513の高い評価ポリシを使用することを維持することが期待できる。なお、評価精度513の更新は、分析制御部212による自動更新に代えて又は加えて、ユーザによる手動更新でもよい。
実施例2を説明する。その際、実施例1との相違点を主に説明し、実施例1との共通点については説明を省略または簡略する。
実施例2では、優先的に分析する未分析レコードの選択にあたり、検出確率502および現象乖離度503に加えて、さらに、業務影響度および時間見積が参酌される。
「業務影響度」は、保守に関わるコストである保守コストに基づく値である。保守コストは、例えば、部品の在庫量、対象装置100の場所と部品が在庫として格納されている場所との間の距離、部品の価格、および、保守スケジュールのうちの少なくとも1つに基づく。
「時間見積」は、未分析レコードの分析にかかる時間の見積(予測値)である。
図16は、実施例2に係るシステム全体の論理構成を示す。
業務装置50(記憶装置51)は、業務DB1601を格納する。業務DBは、業務テーブル1602を格納する。
ポリシDB215が、さらに、分析実績テーブル1621を格納する。分析部211が、分析実績テーブル1621にアクセスする。
分析制御部212が、業務影響度を算出する業務影響度評価部1611をさらに有する。また、分析制御部212が、妥当性評価部243に代えて(または加えて)、計算時間を算出する実行実績評価部1612を有する。
図17は、業務DB1601が格納するテーブルの構成を示す。
業務DB1601は、業務テーブル1602を格納する。業務テーブル1602は、保守(業務)に関する情報を格納する。業務テーブル1602は、センサ101毎にレコード(以下、業務レコード)を有する。各業務レコードは、センサID1701、部品名1702、保守価格1703および保守記録1704といった情報を格納する。
センサID1701は、センサ101の識別子を示す。部品名1702は、部品の名前を示す。保守価格1703は、保守にかかる価格を示す。保守記録1704は、保守が行われた時刻である保守時刻を示す。保守記録1704は、保守時刻に代えてまたは加えて保守に関する他種の情報を含んでもよい。保守記録1704を基に評価精度513が更新されてもよい。
図18は、ポリシDB215が格納するテーブルの構成を示す。
ポリシDB215は、分析評価テーブル251、評価ポリシテーブル252および分析実績テーブル1621を格納する。
評価ポリシテーブル252の構成は実施例1と同様のため図示を省略する。ただし、実施例2では、検出確率502および現象乖離度503に加えて業務影響度が評価値に影響し、故に、少なくとも1つの評価ポリシ512には、業務影響度が含まれる。
分析評価テーブル251における各評価レコードは、さらに、業務影響度1811を格納する。業務影響度1811は、保守価格1703に基づいて算出された値を示す。
分析実績テーブル1621は、分析の実績を表す情報を格納する。分析実績テーブル1621は、分析毎にレコード(以下、実績レコード)を有する。各実績レコードは、実績ID1801、時刻1802、センサID1803および計算時間1804といった情報を格納する。実績IDは、実績(分析)の識別子を示す。時刻1802およびセンサID1803は、分析した未分析レコード内の時刻1802およびセンサID1803を示す。計算時間1804は、未分析レコードを用いた分析にかかった時間を示す。
図19は、業務影響度評価処理の流れを示す。この処理は、業務影響度評価部1611が呼び出された場合に行われる。業務影響度評価部1611は、例えば、実行順決定処理(図8)において、各未分析レコードについて、実行順決定部244から呼び出さる。
各未分析レコードについて、S1901〜S1903が行われる。すなわち、業務影響度評価部1611が、未分析レコードからセンサID403および分析ID401を取得する(S1901)。業務影響度評価部1611が、S1901で取得したセンサID403と一致するセンサID1701を有する業務レコードから保守価格1703を取得し、取得した保守価格1703を基に業務影響度1811を算出する(S1902)。業務影響度評価部1611が、算出した業務影響度1811を、S1901で取得した分析ID401と一致する分析ID501を有する評価レコードに格納する(S1903)。
選択評価ポリシ次第ではあるが、評価値504が業務影響度1811に依存する。情勢に応じて保守価格1703が更新されていることが考えられる。評価値504の算出に、実際の保守の価格が参酌される。このため、未分析レコードの実行順の決定(最適化)の効果が高まることが期待される。
図20は、実行実績評価処理の流れを示す。この処理は、実行実績評価部1612が呼び出された場合に行われる。実行実績評価部1612は、例えば、実行順制御処理(図11)において、分析ID501を引数として実行順制御部242から呼び出される。
実行実績評価部1612が、引数とされた分析ID501と一致する分析ID401を有する未分析レコードを取得する(S2001)。実行実績評価部1612が、その未分析レコードを用いた分析にセンサデータ分析部222が要した時間である計算時間1804を計測する(S2002)。実行実績評価部1612が、実績ID1801と、未分析レコード内の時刻402およびセンサID403と一致する時刻1802およびセンサID1803と、S2002で計測された計算時間1804とを、実績レコードに格納する(S2003)。
図21は、分析フロー画面を示す。
U/I制御部213が、図15に表示した分析画面1500に代えてまたは加えて、分析フロー画面2100を表示する。ビジュアルプログラミングを利用した分析フロー設計が可能であり、分析フロー画面2100は、当該分析フローに従う分析処理の進捗状況を表示する。
U/I制御部213は、分析フロー画面2100に、選択評価ポリシ欄2101、未分析一覧2102、および、分析進捗2103を表示する。
選択評価ポリシ欄2101は、選択フラグ514“True”を含んだポリシレコード内の評価ポリシ512を表示する。
未分析一覧2102は、未分析レコード毎に、メニュー2111、評価値2112、時間見積2113、実行フラグ2114といった情報を表示する。
メニュー2111は、未分析レコード内のセンサID403を示す。評価値2112は、未分析レコードに対応した評価レコード内の評価値504を示す。時間見積2113は、未分析レコードと、当該メニュー2111(センサID403)に対応した1以上の実績レコード内の1以上の計算時間1804とに基づいてU/I制御部213により算出された時間を示す。実行フラグ2114は、未分析レコードに対応した評価レコード内の実行フラグ505を示す。
分析進捗2103は、評価レコード数に対する既分析レコード数に従う数値を示す。分析進捗2103を見て、ユーザは、分析処理を途中で終えて施策への移行をするか否かを判断できる。例えば、U/I制御部213は、分析の終了の指示を、ユーザインターフェース装置を介して受け付けた場合、分析部211による分析を終了させてもよい
以上が、実施例2である。
本実施例によれば、保守コストに基づき算出された業務影響度1811を考慮して評価値504が算出される。このため、保守し得ないものは分析をやらない、または、異常が検出されるとコストがかかるものについては先に分析を行うといった分析実行順最適化、つまり、分析と保守の全体の最適化が期待できる。
以上、本発明の幾つかの実施例を説明したが、それらは本発明の説明のための例示であって、本発明の範囲をそれらの実施例に限定する趣旨ではない。本発明は、他の種々の形態でも実施する事が可能である。
例えば、対象装置100は、1以上の風車に限らず、複数の部品を有する他の装置(構造物)、例えば、建設機械、鉄道およびエレベータのような、計測を必要とする屋外の社会インフラ装置でよい。
また、ビジュアルプログラミングを利用した分析フロー設計は、実施例1でも適用可能でよい。
また、時間見積2113は、評価値2112が相対的に高いセンサについてのみ(例えば、全センサのうち評価値2112が上位X%(0<X≦100)に属するセンサについてのみ)、算出されてもよい。また、その際、時間見積2113が算出されるセンサの数は2以上であってよい。
110:分析制御装置
Claims (9)
- 対象装置を構成する複数の部品に対応した複数のセンサの各々の時系列データに基づく分析を制御する分析制御装置であって、
1以上のメモリを含んだ記憶部と、
前記記憶部に接続された1以上のプロセッサを含んだプロセッサ部と
を有し、
前記プロセッサ部が、
(A)前記複数のセンサの各々の時系列データのうち分析対象時間帯に属するセンサデータセットを取得し、
各センサデータセットは、そのセンサデータセットに対応したセンサにより計測された値である計測値を含み、
(B)前記複数のセンサの各々について、前記分析対象時間帯に属する複数のセンサデータセットのうち当該センサに対応した2以上のセンサデータセットを用いた簡易評価に従い評価値を算出し、
(C)前記分析対象時間帯に対応した制約時間における、センサの計測値に基づく分析の実行順を、(B)で算出された評価値の高い順とする、
分析制御装置。 - (B)において、前記複数のセンサの各々について、前記簡易評価は、下記(b1)および(b2)のうちの少なくとも1つを行うことであり、
(b1)前記分析対象時間帯に属する複数のセンサデータセットのうち当該センサに対応した2以上のセンサデータセットが有する2以上の計測値を基に、当該センサに対応した部品の異常発生の可能性を意味する値である検出確率を算出する、
(b2)前記分析対象時間帯に属する複数のセンサデータセットが有する複数の計測値と、当該センサに対応した2以上のセンサデータセットが有する2以上の計測値との相対的な関係に基づく値である現象乖離度を算出する、
(B)において、前記プロセッサ部は、前記複数のセンサの各々について、(b1)で算出された検出確率と(b2)で算出された現象乖離度とのうちの少なくとも1つを用いて所定の評価ポリシに従い評価値を算出する、
請求項1記載の分析制御装置。 - (B)において、前記複数のセンサの各々について、前記簡易評価は、(b1)および(b2)の両方を含み、
(B)において、前記プロセッサ部が、前記複数のセンサの各々について、(b1)で算出された検出確率と(b2)で算出された現象乖離度とのうちの両方を用いて評価値を算出する、
請求項2記載の分析制御装置。 - (B)において、前記複数のセンサの各々について、前記簡易評価は、更に、下記(b3)を行うことであり、
(b3)当該センサに対応した部品の保守に関するコストに基づく値である業務影響度を算出する、
(B)において、前記プロセッサ部が、前記複数のセンサの各々について、(b1)で算出された検出確率と(b2)で算出された現象乖離度とのうちの少なくとも1つと、(b3)で算出された業務影響度とを用いて、評価値を算出する、
請求項2記載の分析制御装置。 - (B)において、前記複数のセンサの各々について、評価値は、前記簡易評価に加えて、所定の評価ポリシに従い算出された値である、
請求項1記載の分析制御装置。 - 前記所定の評価ポリシは、複数の評価ポリシのうち評価精度が最も高い評価ポリシであり、
前記プロセッサ部が、
(D)異常度の高い順のセンサ並びと、(B)で算出された評価値の高い順のセンサ並びとの一致度に基づいて、前記所定の評価ポリシの評価精度を更新し、
1以上のセンサにそれぞれ対応した1以上に異常度は、前記分析対象時間帯に対応した制約時間内での分析により当該1以上のセンサに対応した2以上の計測値を基に当該1以上のセンサについてそれぞれ算出された1以上の値である、
請求項5記載の分析制御装置。 - 前記プロセッサ部が、前記複数の評価ポリシと、前記複数の評価ポリシにそれぞれ対応した複数の評価精度とを表示し、
前記プロセッサ部が、前記複数の評価ポリシの選択を受け付ける、
請求項6記載の分析制御装置。 - 前記プロセッサ部が、2以上のセンサの各々について、前記分析対象時間帯に属する2以上のセンサデータセットに基づく分析に要する時間見積を算出し、
前記プロセッサ部が、前記2以上のセンサの各々についての評価値および時間見積と、分析の進捗とを表示する、
請求項1記載の分析制御装置。 - 対象装置を構成する複数の部品に対応した複数のセンサの各々の時系列データに基づく分析を制御する分析制御方法であって、
(A)前記複数のセンサの各々の時系列データのうち分析対象時間帯に属するセンサデータセットを取得し、
各センサデータセットは、そのセンサデータセットに対応したセンサにより計測された値である計測値を含み、
(B)前記複数のセンサの各々について、前記分析対象時間帯に属する複数のセンサデータセットのうち当該センサに対応した2以上のセンサデータセットを用いた簡易評価に従い評価値を算出し、
(C)前記分析対象時間帯に対応した制約時間における、センサの計測値に基づく分析の実行順を、(B)で算出された評価値の高い順とする、
分析制御方法。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP2017/017348 WO2018207225A1 (ja) | 2017-05-08 | 2017-05-08 | 時系列データの分析制御方法および分析制御装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
JPWO2018207225A1 true JPWO2018207225A1 (ja) | 2020-03-12 |
JP6775082B2 JP6775082B2 (ja) | 2020-10-28 |
Family
ID=64104531
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019516743A Active JP6775082B2 (ja) | 2017-05-08 | 2017-05-08 | 時系列データの分析制御方法および分析制御装置 |
Country Status (4)
Country | Link |
---|---|
US (1) | US11113364B2 (ja) |
JP (1) | JP6775082B2 (ja) |
TW (1) | TWI669675B (ja) |
WO (1) | WO2018207225A1 (ja) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110490478B (zh) * | 2019-08-26 | 2023-04-07 | 贵州大学 | 一种道路行道树树池生态环境调查方法 |
CN113009212B (zh) * | 2021-01-29 | 2023-02-03 | 上海工程技术大学 | 一种基于物联网智能监测配电网避雷器状态的系统及方法 |
CN116029859A (zh) * | 2023-03-28 | 2023-04-28 | 矿冶科技集团有限公司 | 矿浆品位在线分析设备的运转率计算方法、装置及设备 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH07319535A (ja) * | 1994-05-24 | 1995-12-08 | Fuji Electric Co Ltd | メンテナンスガイドシステム |
WO2011145496A1 (ja) * | 2010-05-20 | 2011-11-24 | 株式会社日立製作所 | 監視診断装置および監視診断方法 |
JP2013008111A (ja) * | 2011-06-22 | 2013-01-10 | Hitachi Engineering & Services Co Ltd | 異常予兆診断装置および異常予兆診断方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008005118A (ja) | 2006-06-21 | 2008-01-10 | Mitsubishi Electric Corp | ネットワーク監視システム |
TWI435233B (zh) * | 2011-03-14 | 2014-04-21 | Powertech Technology Inc | 半導體製程設備之異常預知管控裝置與方法 |
US9674058B2 (en) * | 2011-11-07 | 2017-06-06 | Hitachi, Ltd. | Time series data processing device, time series data processing method, and computer-readable recording medium storing time series data processing program |
JP6110808B2 (ja) | 2014-03-31 | 2017-04-05 | 川崎重工業株式会社 | 故障部位が特定可能な診断方法および診断装置 |
US10539468B2 (en) * | 2015-02-25 | 2020-01-21 | Nec Corporation | Abnormality detection apparatus, abnormality detection method, and non-transitory computer-readable medium |
-
2017
- 2017-05-08 JP JP2019516743A patent/JP6775082B2/ja active Active
- 2017-05-08 US US16/610,130 patent/US11113364B2/en active Active
- 2017-05-08 WO PCT/JP2017/017348 patent/WO2018207225A1/ja active Application Filing
-
2018
- 2018-02-12 TW TW107104865A patent/TWI669675B/zh active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH07319535A (ja) * | 1994-05-24 | 1995-12-08 | Fuji Electric Co Ltd | メンテナンスガイドシステム |
WO2011145496A1 (ja) * | 2010-05-20 | 2011-11-24 | 株式会社日立製作所 | 監視診断装置および監視診断方法 |
JP2013008111A (ja) * | 2011-06-22 | 2013-01-10 | Hitachi Engineering & Services Co Ltd | 異常予兆診断装置および異常予兆診断方法 |
Also Published As
Publication number | Publication date |
---|---|
US11113364B2 (en) | 2021-09-07 |
WO2018207225A1 (ja) | 2018-11-15 |
TW201843643A (zh) | 2018-12-16 |
JP6775082B2 (ja) | 2020-10-28 |
US20200089734A1 (en) | 2020-03-19 |
TWI669675B (zh) | 2019-08-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10896055B2 (en) | Capacity risk management for virtual machines | |
US10904159B2 (en) | Resource allocation optimizing system and method | |
CN103354924B (zh) | 用于监视性能指标的方法和系统 | |
US9215142B1 (en) | Community analysis of computing performance | |
Xiong et al. | vPerfGuard: An automated model-driven framework for application performance diagnosis in consolidated cloud environments | |
US9590875B2 (en) | Content delivery infrastructure with non-intentional feedback parameter provisioning | |
US10355945B2 (en) | Service level management of a workload defined environment | |
US11816178B2 (en) | Root cause analysis using granger causality | |
US9736031B2 (en) | Information system construction assistance device, information system construction assistance method, and information system construction assistance program | |
JP6775082B2 (ja) | 時系列データの分析制御方法および分析制御装置 | |
US20170300819A1 (en) | Time-Series Prediction Apparatus and Time-Series Prediction Method | |
JP5466622B2 (ja) | 運用監視装置、運用監視方法、および運用監視プログラム | |
CN113544647A (zh) | 云计算系统中使用虚拟机系列建模的容量管理 | |
JPWO2014054230A1 (ja) | 情報システム構築装置、情報システム構築方法および情報システム構築プログラム | |
US20150261647A1 (en) | Information system construction assistance device, information system construction assistance method, and recording medium | |
JP6094594B2 (ja) | 情報システム構築支援装置、情報システム構築支援方法および情報システム構築支援プログラム | |
US9929921B2 (en) | Techniques for workload toxic mapping | |
JP6340987B2 (ja) | ディスク枯渇予測プログラム、情報処理装置、およびディスク枯渇予測方法 | |
KR102464688B1 (ko) | 모니터링 결과의 이벤트 등급 결정 방법 및 장치 | |
Perennou et al. | Workload characterization for a non-hyperscale public cloud platform | |
JP6213665B2 (ja) | 情報処理装置、及び、クラスタリング方法 | |
US20140304811A1 (en) | Mechanism for monitoring data using watchlist items | |
US10228822B2 (en) | Optimal visualization of systems with large quantity of technical servicer instances | |
US20230325892A1 (en) | System and method for managing license of software | |
US20240086203A1 (en) | Sizing service for cloud migration to physical machine |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20191018 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20200908 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20201005 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6775082 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |