JPWO2020008533A1 - データ処理装置およびデータ処理方法 - Google Patents

データ処理装置およびデータ処理方法 Download PDF

Info

Publication number
JPWO2020008533A1
JPWO2020008533A1 JP2020528577A JP2020528577A JPWO2020008533A1 JP WO2020008533 A1 JPWO2020008533 A1 JP WO2020008533A1 JP 2020528577 A JP2020528577 A JP 2020528577A JP 2020528577 A JP2020528577 A JP 2020528577A JP WO2020008533 A1 JPWO2020008533 A1 JP WO2020008533A1
Authority
JP
Japan
Prior art keywords
time
segment
data
similarity
unit
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
Application number
JP2020528577A
Other languages
English (en)
Other versions
JP6786016B2 (ja
Inventor
隆顕 中村
隆顕 中村
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Mitsubishi Electric Corp
Original Assignee
Mitsubishi Electric Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Mitsubishi Electric Corp filed Critical Mitsubishi Electric Corp
Application granted granted Critical
Publication of JP6786016B2 publication Critical patent/JP6786016B2/ja
Publication of JPWO2020008533A1 publication Critical patent/JPWO2020008533A1/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G05B23/024—Quantitative history assessment, e.g. mathematical relationships between available data; Functions therefor; Principal component analysis [PCA]; Partial least square [PLS]; Statistical classifiers, e.g. Bayesian networks, linear regression or correlation analysis; Neural networks
    • 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
    • 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
    • G05B23/0227—Qualitative history assessment, whereby the type of data acted upon, e.g. waveforms, images or patterns, is not relevant, e.g. rule based assessment; if-then decisions
    • G05B23/0235—Qualitative history assessment, whereby the type of data acted upon, e.g. waveforms, images or patterns, is not relevant, e.g. rule based assessment; if-then decisions based on a comparison with predetermined threshold or range, e.g. "classical methods", carried out during normal operation; threshold adaptation or choice; when or how to compare with the threshold
    • 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
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/30—Monitoring
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/30—Monitoring
    • G06F11/3003—Monitoring arrangements specially adapted to the computing system or computing system component being monitored
    • G06F11/3006—Monitoring arrangements specially adapted to the computing system or computing system component being monitored where the computing system is distributed, e.g. networked systems, clusters, multiprocessor systems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/30—Monitoring
    • G06F11/3065—Monitoring arrangements determined by the means or processing involved in reporting the monitored data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/30—Monitoring
    • G06F11/32—Monitoring with visual or acoustical indication of the functioning of the machine
    • G06F11/324—Display of status information
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Physics (AREA)
  • General Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Quality & Reliability (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Computational Mathematics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computing Systems (AREA)
  • Mathematical Analysis (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Operations Research (AREA)
  • Probability & Statistics with Applications (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Algebra (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • Testing And Monitoring For Control Systems (AREA)
  • Debugging And Monitoring (AREA)

Abstract

機器の状態の変化点を含む波形データ、当該波形データのパラメータ情報、および機器の遷移情報の入力を受け付ける抽出条件入力部（１０１）と、機器の時系列データと、波形データとの類似度を算出する類似度算出部（１０５）と、機器の遷移情報に基づいて、機器の状態を設定する運転モード判定部（１０７）と、算出された類似度、および判定された機器の状態に基づいて、機器の時系列データから、変化点を検出し、時系列データの部分列であるセグメントの開始時刻およびセグメントの終了時刻を設定する変化点検出部（１０６）と、機器の状態、セグメントの開始時刻およびセグメントの終了時刻をセグメント情報として出力する情報出力部（１０８）とを備える。

Description

この発明は、時系列データを分析する技術に関するものである。
火力、水力および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においても、空調、電気、照明、および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、または経営の状態等を分析する技術が存在する。プラント、設備、または経営の状態等を分析する一つの方法として、時系列データを、例えばプラントまたは設備の運転モード別の部分列(以下、セグメントという)に分割し、同一運転モードのセグメント同士を比較することにより、データの外れ度合いまたはデータの傾向を判定し、設備の異常または劣化等を判定する方法が存在する。
例えば、特許文献１には、複数の製品物に係る各製造工程でのデータを分析するデータ分析装置であって、各製造工程のデータが、時間軸に沿って変動する、もしくは変動し得る時系列データである場合、当該時系列データを発生する製造工程のスケジュール中のイベント発生タイミングに基づいて時間軸に沿って分割し、分割されたセグメントについて特徴量を算出するデータ分析装置が開示されている。
特開２００４−３１８２７３号公報
上述した特許文献１に記載されたデータ分析装置では、製造工程を細分化したイベントごとにセグメントを抽出するために、製造工程のスケジュール中のイベントの発生タイミングを示すイベント情報を取得する必要がある。そのため、特許文献１に記載されたデータ分析装置では、イベント情報が存在しない場合、イベント区間のセグメントを抽出することが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、イベントの発生タイミングを示すイベント情報が存在しない場合であっても、運転モード別のセグメントを精度よく抽出することを目的とする。
この発明に係るデータ処理装置は、機器の状態の変化点を含む波形データ、当該波形データのパラメータ情報、および機器の遷移情報の入力を受け付ける抽出条件入力部と、機器の時系列データと、抽出条件入力部が受け付けた波形データとの類似度を算出する類似度算出部と、抽出条件入力部が受け付けた機器の遷移情報に基づいて、機器の状態を設定する運転モード判定部と、類似度算出部が算出した類似度、および運転モード判定部が判定した機器の状態に基づいて、機器の時系列データから、変化点を検出し、時系列データの部分列であるセグメントの開始時刻およびセグメントの終了時刻を設定する変化点検出部と、機器の状態、セグメントの開始時刻およびセグメントの終了時刻をセグメント情報として出力する情報出力部とを備える。
この発明によれば、イベントの発生タイミングを示すイベント情報が存在しない場合であっても、運転モード別のセグメントを精度よく抽出することができる。
実施の形態１に係るデータ処理装置の構成を示すブロック図である。 図２Ａおよび図２Ｂは、データ処理装置のハードウェア構成例を示す図である。 実施の形態１に係るデータ処理装置の時系列データの一例を示す図である。 実施の形態１に係るデータ処理装置の変化点波形データを示す図である。 実施の形態１に係るデータ処理装置のパラメータリストを示す図である。 実施の形態１に係るデータ処理装置の運転モード遷移情報を示す図である。 実施の形態１に係るデータ処理装置の運用処理の動作を示すフローチャートである。 実施の形態１に係るデータ処理装置の類似度時系列の出力例を示す図である。 実施の形態１に係るデータ処理装置の判定部による異常判定処理および劣化判定処理の概念を示す図である。 実施の形態２に係るデータ処理装置の構成を示すブロック図である。 実施の形態２に係るデータ処理装置のＧＵＩの処理動作を示す説明図である。 実施の形態２に係るデータ処理装置の抽出条件入力部の動作を示すフローチャートである。
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、実施の形態１に係るデータ処理装置１００の構成を示すブロック図である。
データ処理装置１００は、抽出条件入力部１０１、抽出条件記憶部１０２、時系列データ入力部１０３、セグメント抽出部１０４、判定部１０９および判定結果出力部１１０を備える。また、セグメント抽出部１０４は、類似度算出部１０５、変化点検出部１０６、運転モード判定部１０７および情報出力部１０８で構成される。
図１において、抽出条件入力部１０１および抽出条件記憶部１０２は、データ処理装置１００が検出処理を開始する前の準備処理を行うための構成である。また、時系列データ入力部１０３、セグメント抽出部１０４、判定部１０９および判定結果出力部１１０は、時系列データの入力を受け付けると、分析対象である機器の運転モード別の部分列（以下、セグメントという）を抽出し、分析対象である機器の異常および劣化を判定する運用処理を行うための構成である。
抽出条件入力部１０１は、セグメントの抽出条件の入力を受け付ける。抽出条件入力部１０１は、受け付けたセグメントの抽出条件を抽出条件記憶部１０２に記憶させる。セグメントの抽出条件は、変化点波形データ（波形データ）、パラメータリスト（パラメータ情報）、運転モード遷移情報（機器の遷移情報）で構成される。上述したセグメントの抽出条件の詳細については後述する。抽出条件記憶部１０２は、セグメントの抽出条件を記憶する記憶領域である。
時系列データ入力部１０３は、分析対象である機器の時系列データの入力を受け付ける。時系列データ入力部１０３は、受け付けた時系列データをセグメント抽出部１０４の類似度算出部１０５に出力する。
時系列データは、時間の経過に従って、順次、分析対象である機器を観測して得られた値の列である。ここでは、一例として分析対象である機器の時系列データを挙げて説明するが、時系列データはどのようなものであってもよい。例えば、火力、水力また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ってもよい。また、例えば、施設（例えば、ビルまたは工場）の空調、電気、照明および給排水等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。また、例えば、工場のラインの機器、自動車に搭載された機器または鉄道車両に搭載された機器などに蓄積されている時系列データであってもよい。さらに、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。なお、時系列データの具体例は後段で示す。
セグメント抽出部１０４は、抽出条件記憶部１０２に記憶されたセグメントの抽出条件に従って、時系列データ入力部１０３が受け付けた時系列データからセグメントを抽出する。
具体的に、類似度算出部１０５は、入力された時系列データと、抽出条件記憶部１０２に記憶された各変化点の波形データに対して、各時刻の類似度を算出する。類似度算出部１０５は、時系列データと、算出した類似度とを変化点検出部１０６に出力する。変化点検出部１０６は、入力された類似度に基づいて、時系列データの状態の変化点を検出する。変化点検出部１０６は、検出した変化点の情報と、機器の運転モードの情報とを情報出力部１０８に出力する。
運転モード判定部１０７は、抽出条件記憶部１０２に記憶された運転モードの遷移情報を参照し、機器の現在の運転モード、および現在の運転モードから遷移可能な次の運転モードを設定する。なお、運転モード判定部１０７は、次の運転モードを複数設定してもよい。変化点検出部１０６は、運転モード判定部１０７によって設定された機器の現在の運転モード、および機器の次の運転モードに基づいて、変化点を検出する。
情報出力部１０８は、変化点検出部１０６から変化点の情報および機器の運転モードの情報が入力されると、現在の運転モードと、セグメントの開始時刻と、セグメントの終了時刻とをセグメント情報として判定部１０９に出力する。判定部１０９は、入力されたセグメント情報を解析し、データの外れ度合い、またはデータの傾向等に基づいて、機器の異常または機器の劣化等を判定する。判定部１０９は、判定結果を判定結果出力部１１０に出力する。判定結果出力部１１０は、入力された判定結果を外部に出力する。
次に、データ処理装置１００のハードウェア構成例を説明する。
図２Ａおよび図２Ｂは、データ処理装置１００のハードウェア構成例を示す図である。
データ処理装置１００における抽出条件入力部１０１、時系列データ入力部１０３、類似度算出部１０５、変化点検出部１０６、運転モード判定部１０７、情報出力部１０８、判定部１０９および判定結果出力部１１０の各機能は、処理回路により実現される。即ち、データ処理装置１００は、上記各機能を実現するための処理回路を備える。当該処理回路は、図２Ａに示すように専用のハードウェアである処理回路１００ａであってもよいし、図２Ｂに示すようにメモリ１００ｃに格納されているプログラムを実行するプロセッサ１００ｂであってもよい。
図２Ａに示すように、抽出条件入力部１０１、時系列データ入力部１０３、類似度算出部１０５、変化点検出部１０６、運転モード判定部１０７、情報出力部１０８、判定部１０９および判定結果出力部１１０が専用のハードウェアである場合、処理回路１００ａは、例えば、単一回路、複合回路、プログラム化したプロセッサ、並列プログラム化したプロセッサ、ＡＳＩＣ（Application Specific Integrated Circuit）、ＦＰＧＡ（Field-programmable Gate Array）、またはこれらを組み合わせたものが該当する。抽出条件入力部１０１、時系列データ入力部１０３、類似度算出部１０５、変化点検出部１０６、運転モード判定部１０７、情報出力部１０８、判定部１０９および判定結果出力部１１０の各部の機能それぞれを処理回路で実現してもよいし、各部の機能をまとめて１つの処理回路で実現してもよい。
図２Ｂに示すように、抽出条件入力部１０１、時系列データ入力部１０３、類似度算出部１０５、変化点検出部１０６、運転モード判定部１０７、情報出力部１０８、判定部１０９および判定結果出力部１１０がプロセッサ１００ｂである場合、各部の機能は、ソフトウェア、ファームウェア、またはソフトウェアとファームウェアとの組み合わせにより実現される。ソフトウェアまたはファームウェアはプログラムとして記述され、メモリ１００ｃに格納される。プロセッサ１００ｂは、メモリ１００ｃに記憶されたプログラムを読み出して実行することにより、抽出条件入力部１０１、時系列データ入力部１０３、類似度算出部１０５、変化点検出部１０６、運転モード判定部１０７、情報出力部１０８、判定部１０９および判定結果出力部１１０の各機能を実現する。即ち、抽出条件入力部１０１、時系列データ入力部１０３、類似度算出部１０５、変化点検出部１０６、運転モード判定部１０７、情報出力部１０８、判定部１０９および判定結果出力部１１０は、プロセッサ１００ｂにより実行されるときに、後述する図７に示す各ステップが結果的に実行されることになるプログラムを格納するためのメモリ１００ｃを備える。また、これらのプログラムは、抽出条件入力部１０１、時系列データ入力部１０３、類似度算出部１０５、変化点検出部１０６、運転モード判定部１０７、情報出力部１０８、判定部１０９および判定結果出力部１１０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ともいえる。
ここで、プロセッサ１００ｂとは、例えば、ＣＰＵ（Central Processing Unit）、処理装置、演算装置、プロセッサ、マイクロプロセッサ、マイクロコンピュータ、またはＤＳＰ（Digital Signal Processor）などのことである。
メモリ１００ｃは、例えば、ＲＡＭ（Random Access Memory）、ＲＯＭ（Read Only Memory）、フラッシュメモリ、ＥＰＲＯＭ（Erasable Programmable ROM）、ＥＥＰＲＯＭ（Electrically EPROM）等の不揮発性または揮発性の半導体メモリであってもよいし、ハードディスク、フレキシブルディスク等の磁気ディスクであってもよいし、ミニディスク、ＣＤ（Compact Disc）、ＤＶＤ（Digital Versatile Disc）等の光ディスクであってもよい。
なお、抽出条件入力部１０１、時系列データ入力部１０３、類似度算出部１０５、変化点検出部１０６、運転モード判定部１０７、情報出力部１０８、判定部１０９および判定結果出力部１１０の各機能について、一部を専用のハードウェアで実現し、一部をソフトウェアまたはファームウェアで実現するようにしてもよい。このように、データ処理装置１００における処理回路は、ハードウェア、ソフトウェア、ファームウェア、またはこれらの組み合わせによって、上述の各機能を実現することができる。
次に、時系列データ入力部１０３に入力される時系列データの一例を、図３を参照しながら説明する。
図３は、実施の形態１に係るデータ処理装置１００の時系列データの一例を示す図である。
少量多品種生産の製品の製造ラインでは、同じ製造ラインで仕様が異なる複数種類の製品が生産される。製品の製造手順は複数の工程から構成されており、製品を製造するための機器はレシピに従って動作を切り替える。当該製造ラインで使用される機器に設置されたセンサで計測されるデータは工程毎に特徴的な波形を示す。製造手順が変化すると、波形そのもの、工程毎の波形の継続時間および出現順序等が変化する。機器に設置されたセンサで計測されるデータの時系列データは、以下に示す２階層の構造を持つ。
第１階層：各製品ロットに対応した製品パターン（図３における第１のロット３０１、第２のロット３０２、第３のロット３０３）
第２階層：工程に対応した工程パターン（図３における第１工程３１１から第１１工程３２１）
第１のロット３０１と第２のロット３０２との間にアイドリング期間３３１が存在し、第２のロット３０２と第３のロット３０３との間にアイドリング期間３３２が存在する。図３ではアイドリング３３２を第１１工程３２１として示している。
上述した各工程が、各運転モードに対応する。判定部１０９において、例えば図３で示した時系列データから機器の異常または機器の劣化等を精度よく検出するためには、時系列データを各運転モードに対応したセグメントに分割して比較することが有効である。
次に、抽出条件記憶部１０２に記憶されるセグメント抽出条件を、図４から図６を参照しながら説明する。
セグメント抽出条件は、変化点波形データ（図４）、パラメータリスト（図５）、運転モード遷移情報（図６）からなる。
セグメント抽出の基本的な考え方は、セグメントの変化点の波形を条件として登録しておき、時系列データ上に当該変化点と類似したパターンが出現した場合に、運転モードが切り替わったと判断する。変化点の波形を条件として運転モードの切り替わりを判断することにより、継続時間が可変な運転モードの場合にも変化点のみに着目し、セグメントを抽出することができる。また、セグメントの途中で、機器の異常等の要因により通常とは異なるパターンが一時的に出現した場合でも、変化点のみで判断することができ、機器の異常等の影響を受けることなく、セグメントを抽出することができる。
図４は、実施の形態１に係るデータ処理装置１００の変化点波形データを示す図である。
変化点の波形データは、機器のメンテナンスが行われた直後の健全な状態であって、当該機器が安定して稼動し始めた時期のデータから選択する。図４の例では、図３から選択した第１のロット３０１の時系列データ４０１を選択する。当該時系列データ４０１の中から各工程の変化点を検出し、検出した変化点の波形データ４０２を選択する。上述したが、各工程は運転モードに対応することから、変化点の波形データ４０２は、各運転モードの波形データとなる。図４で示した波形データ４０２のうち、第１の運転モードとラベル付けされた波形データは、「第１１の運転モードから第１の運転モードに変化するときのパターン」を意味している。なお、変化点の波形データは、複数ロット分を選択してもよい。
図５は、実施の形態１に係るデータ処理装置１００のパラメータリストを示す図である。
パラメータリストは以下の要素を含む。
・運転モード５０１：対応する運転モードを示す情報
・変化点波形の数５０２：変化点の波形データの数を示す情報（波形データの数が固定可能な場合は省略してもよい）
・変化点波形の長さ５０３：変化点の波形の長さを示す情報（変化点の波形データから判断可能なため、省略してもよい）。
・距離指標５０４：類似度の指標を示す情報（既定値が明らかな場合は省略してもよい）
・類似度の閾値５０５：類似度の閾値を示す情報（類似度が、当該閾値５０５を越えている場合に運転モードの変化点と判断する）
・正規化方法５０６：正規化を示す情報である（既定値が明らかな場合は省略してもよい）
なお、正規化方法５０６の詳細については後述する。
図６は、実施の形態１に係るデータ処理装置１００の運転モード遷移情報を示す図である。
運転モード遷移情報は、運転モード間の依存関係を隣接行列の形式で記録した情報である。図６で示した表の１行目は前の運転モードの識別情報、１列目は次の運転モードの識別情報を表す。例えば、２行３列目に示した「１」は「第１運転モードの次は、第２運転モード」であることを意味している。
また、表中の「※」との記載は、最初の運転モードであることを意味している。最初の運転モードとは、例えば図３で示した時系列データにおいて、アイドリング期間３３１，３３２の直後の最初の運転モードである。一方、表中に値が示されていない要素は、該当する運転モード間に直接の依存関係がないことを意味している。図６では運転モード遷移情報を隣接行列の形式で記録した場合を例に示したが、同様の情報を記録可能であれば形式は問わない。また、運転モードの依存関係が１種類のみの場合は、運転モード遷移情報を備えていなくてもよい。
次に、類似度算出部１０５が、時系列データと変化点の波形データとの類似度を計算する方法について説明する。
まず、時系列データは、以下の式（１）で示す順序がある実数値の列である。
Ｔ ＝ ｔ１， ｔ２，・・・, ｔｉ （１）
上述した式（１）において、ｔｉ（１≦ｉ≦ｎ）は時刻ｉの観測値である。ｎは時系列データの長さである。
時系列データの一部を切り出した部分列は、以下の式（２）で示される。
Ｔｉ，ｗ ＝ ｔｉ， ｔｉ＋１，・・・, ｔｉ＋ｗ−１ （２）
上述した式（２）において、１≦ｉ≦（ｎ−ｗ＋１）である。ｗは部分列の長さを表す。
図５で示した距離指標５０４の類似度の指標は種々適用可能であるが、時系列データの形状を厳密に判定する場合には、ユークリッド距離が適用可能である。変化点の波形を以下の式（３）で示した場合、同じ長さｗのセグメントＴｉ，ｗとＱのユーグリッド距離ｄｉｓｔ（Ｔｉ，ｗ，Ｑ)は以下の式（４）により求めることができる。

Ｑ ＝ ｑ１, ｑ２, ・・・, ｑｗ （３）

Figure 2020008533
類似度の指標としてユークリッド距離を適用した場合、値が「０」に近いほど二つの波形が類似している（類似度が高い）ことを示し、値が大きいほど２つの波形が乖離している（類似度が低い）ことを示す。
ユークリッド距離の他にも、マンハッタン距離、時間方向の伸縮を許容する場合には、類似度の指標としてＤＴＷ(Dynamic Time Warping:動的時間伸縮)も適用可能である。また、変化傾向の類似性で判断する場合は、類似度の指標として相関係数を利用してもよい。なお、以下では、類似度の指標としてユークリッド距離を適用した場合を例に説明する。
時系列データと変化点の波形の類似度に基づいて、運転モードの変化を検出する場合には、変化点周辺で類似度が高く、それ以外の期間では類似度が低くなるのが望ましい。そのため、変化点の波形データおよびその他のパラメータの選択が重要である。
変化点の波形データの選択は、変化点の前後の特徴を捉えられるように選択することが望ましい。例えば、図４で示した変化点波形データにおいて、第１運転モードの変化点の波形データでは、実際の変化点がＸ＝８４０の時点である。当該変化点（Ｘ＝８４０）の直前はほぼ一定値で推移しているため、変化点の直前の波形データを、長さ６０の期間（Ｘ＝７８０〜８４０）で切り出している。一方、変化点（Ｘ＝８４０）の直後は上下の変化が続くため、長さ１２０の期間 （Ｘ＝８４０〜９６０）で切り出している。このように選ぶことにより、ほぼ一定値が続いた後に、大きく急上昇、急下降し、最終的に緩やかに低下する、第１運転モードの変化点に特有の波形を切り出すことができる。
運転モードの変化を検出する場合に、次に重要となるのは図５で示した正規化方法５０６である。
時系列データと変化点の波形データとの類似度の計算においては、何らかの正規化を適用するほうが望ましい場合がある。正規化の例を以下の式（５）から式（７）に示す。式（５）は、部分列の値域を０から１に変換するｍｉｎ−ｍａｘ正規化である。
Figure 2020008533
式（６）は、部分列の値域を平均０、標準偏差１とする変換を行うｚ正規化である。
Figure 2020008533
式（７）は、部分列の平均を０とする変換を行うレベル正規化である。
Figure 2020008533
上述した式（５）から式（７）では、時系列データＴを正規化した結果の時系列データをＴＮと表記した。また、関数ｍｉｎ、関数ｍａｘ、関数ｍｅａｎおよび関数ｓｔｄは、それぞれＴｉ，ｗの最小値、最大値、平均値および標準偏差を表す。
経験的には、第９の運転モードのように単純な波形であれば正規化をしない方が変化点の検出能力が高い。一方で、第５の運転モードのように繰り返し上下に振動していて、その振幅に揺らぎがある場合には式（５）で示したｍｉｎ−ｍａｘ正規化、または式（６）で示したｚ正規化（６）を適用すると変化点の検出能力が高い。時系列データが、外気温などの外的要因の影響を受ける場合であって、且つ波形には変化がないが値域に揺らぎがある場合は、式（７）で示したレベル正規化を適用すると変化点の検出能力が高い。
次に、データ処理装置１００の準備処理と運用処理のうち、運用処理の動作について説明する。
図７は、実施の形態１に係るデータ処理装置１００の運用処理の動作を示すフローチャートである。なお、図７では、時系列データ入力部１０３が入力を受け付けた時系列データを、予め設定された期間まとめて一括して処理するものとして説明する。
時系列データ入力部１０３は、セグメント抽出対象の時系列データ（長さ：ｎ）の入力を受け付ける（ステップＳＴ１）。時系列データ入力部１０３は、受け付けた時系列データを類似度算出部１０５に出力する。以降のステップは、抽出条件記憶部１０２に記憶された条件に従って実行される。
類似度算出部１０５は、入力された時系列データと、抽出条件記憶部１０２に記憶された各変化点の波形データとを参照し、各時刻における時系列データと変化点の波形データとの類似度を算出する（ステップＳＴ２）。運転モード判定部１０７は、現在の運転モードがユーザにとって既知の場合は、抽出条件入力部１０１または時系列データ入力部１０３の入力と合わせて現在の運転モードの入力も受け付けて初期値に設定する（ステップＳＴ３）。例えば、セグメント抽出対象の時系列データが機器のアイドル状態から開始していれば、現在の運転モードに、図４で示した第１１の運転モードを設定する。また、既定の初期値として常に第１の運転モードを設定するとしても良い。
次に、運転モード判定部１０７は、抽出条件記憶部１０２に記憶された運転モード遷移情報を参照し、次の運転モードに、現在の運転モードから遷移可能な運転モードを設定する（ステップＳＴ４）。
図６で示した運転モード遷移情報の例では、現在の運転モードを第１１の運転モードとすると、次の運転モードに第１の運転モードを設定する。次の運転モードとして、複数の運転モードを設定してもよい。運転モード判定部１０７は、設定した次の運転モードを変化点検出部１０６に出力する。
変化点検出部１０６は、入力された次の運転モードの変化点を探索する（ステップＳＴ５）。変化点検出部１０６は、変化点を検出したか否か判定を行う（ステップＳＴ６）。変化点を検出しなかった場合（ステップＳＴ６；ＮＯ）、変化点検出部１０６は処理を終了する。対象となる機器によっては、安定稼働中であっても所定のメンテナンスのために、通常とは異なる挙動が時系列データに出現する場合がある。そこで、変化点が検出できなかった場合は、運転モード判定部１０７は、次の運転モードを再度最初の運転モード(図６の例では第１の運転モード)としてステップＳＴ５の処理から再開する構成としてもよい。
一方、変化点を検出した場合（ステップＳＴ６；ＹＥＳ）、変化点検出部１０６は、現在の運転モード、セグメントの開始時刻およびセグメントの終了時刻を情報出力部１０８に出力し（ステップＳＴ７）、運転モード判定部１０７に変化点を検出したことを通知する（ステップＳＴ８）。
情報出力部１０８は、セグメント情報として、現在の運転モード、セグメントの開始時刻、およびセグメントの終了時刻の組を判定部１０９に出力する（ステップＳＴ９）。運転モード判定部１０７は、変化点を検出したことを示す通知に基づいて、ステップＳＴ４で設定した次の運転モードを、現在の運転モードに設定する（ステップＳＴ１０）。その後、フローチャートはステップＳＴ４の処理に戻り、上述した処理を繰り返す。
図７のフローチャートで示した各ステップの処理の詳細について説明する。
まず、上述したステップＳＴ２で示した処理の詳細について説明する。
類似度算出部１０５は、抽出条件記憶部１０２から、各運転モードｋの変化点の波形データＱｋ、変化点の波形データの長さｗｋ（図５で示した変化点波形の長さ５０３）、類似度指標（図５で示した距離指標５０４）および正規化方法（図５で示した正規化方法）を取得する。次に、以下の式（８）において、時刻ｉを１からｎ−ｗｋ＋１まで変化させ、類似度時系列Ｓｋを取得する。
Ｓｋ ｉ ＝ ｄｉｓｔ(Ｔｉ,ｗｋ, Ｑｋ) （８）
正規化方法５０６が指定されている場合は、予めＴｉ,ｗｋとＱｋとを、それぞれ正規化して類似度を計算する必要がある。一つの運転モードに対して複数の変化点の波形データが選択されている場合は、各変化点の波形データＱｋ１から波形データＱｋｍと、当該波形データの長さｗｋ１から長さｗｋｍとに対して、類似度時系列Ｓｋ１から類似度時系列Ｓｋｍを計算する。次に、以下の式（９）で示すように、計算した類似度時系列Ｓｋ１から類似度時系列Ｓｋｍの各時刻ｉの最小値を、最終的な類似度時系列Ｓｋの値とする。
Ｓｋ ｉ ＝ ｍｉｎ(Ｓｋ１ ｉ , ・・・, Ｓｋｍ ｉ) （９）
また、ｄｉｓｔ(Ｔｉ,ｗ, Ｑ)がユークリッド距離、マンハッタン距離、またはＤＴＷの場合は、類似度は変化点の波形データＱの長さｗに依存するため、長さが異なる場合には単純比較できない。その場合は、Ｓｋ ｉを長さｗの平方根（ユークリッド距離、ＤＴＷ）または長さｗ(マンハッタン距離)で除算した上で最小値を求める。
図８は、実施の形態１に係るデータ処理装置１００の類似度時系列の出力例を示す図である。
図８では、図４で示した第１の運転モードから第４の運転モードの変化点の、第１の波形データＱ１から第４の波形データＱ４について計算した、類似度時系列Ｓ１から類似度時系列Ｓ４の出力例を示している。計算された類似度時系列は、運転モードの変化点で極小値を取る。
次に、上述したステップＳＴ５で示した処理の詳細について説明する。
変化点検出部１０６は、次の運転モードｋの類似度時系列Ｓｋの開始時刻ｓｔａｒｔから探索して、最初の変化点、すなわちＳｋが極小値であり、類似度の閾値（図５で示した類似度の閾値５０５）以下である時刻ｊを現在のセグメントの終了時刻ｅｎｄに設定する。次の運転モードが複数ある場合は、最初に条件を満たした運転モードであると判断する。なお、類似度指標（図５で示した距離指標５０４）がＤＴＷの場合は、同様に極小値を選択すればよいし、相関係数の場合は逆に極大値を選択すればよい。
上述のように、時刻ｊを現在のセグメントの終了時刻ｅｎｄに設定した場合、ステップＳＴ６の処理では、セグメント情報として［第１１の運転モード、開始時刻ｓｔａｒｔ「１」、終了時刻ｅｎｄ「ｊ」］の組を出力する。また、ステップＳＴ８の処理では、現在の運転モードを第１の運転モードに設定し、時刻ｊの次の時刻から探索を再開するため、セグメントの開始時刻ｓｔａｒｔに「ｊ＋１」を設定する。
図９は、実施の形態１に係るデータ処理装置１００の判定部１０９による異常判定処理および劣化判定処理の概念を示す図である。
時系列データ入力部１０３が時系列データ９０１の入力を受け付けると、セグメント抽出部１０４によりセグメント情報９０２が抽出される。なお、図９では、第５の運転モードのセグメント抽出例を示している。
異常判定処理９０３は、該当する運転モードにおけるデータの正常範囲からのデータの外れ度合いにより異常を判定する。まず、判定部１０９は、機器が正常に安定稼働している期間（例えば、メンテナンス後の１週間、または製品が１００ロット生産されるまで）のセグメントの値、またはセグメントの特徴量の範囲を、該当する運転モードの正常範囲９０３ａとして設定する。その後、判定部１０９は、セグメント抽出部１０４が抽出したセグメント情報９０２のセグメントの値またはセグメント特徴量が正常範囲９０３ａから外れている場合には、機器の異常と判定する。
劣化判定処理９０４は、セグメントのデータの傾向から機器の劣化を判定する。判定部１０９は、製品ロット毎のセグメントの値またはセグメントの特徴量を時間順にプロットし、時間の経過に従っては外れが拡大する場合には、機器の劣化と判定する。
判定部１０９による異常判定結果および劣化判定結果は、判定結果出力部１１０を介して外部に出力される。
セグメント抽出部１０４は、異常判定対象および劣化判定対象の時系列データでセグメントを抽出する場合、時系列データに含まれる異常および劣化の兆候の影響により、正しくセグメント抽出できない場合がある。その場合は、セグメント抽出部１０４は、異常判定対象および劣化判定対象の時系列データと依存関係があり、機器の異常および劣化の影響を受けない時系列データをセグメント抽出する。さらに、セグメント抽出部１０４は、抽出したセグメント情報を異常判定対象および劣化判定対象の時系列データに適用してセグメント抽出する構成としてもよい。例えば、機器に対して外部から加わる圧力に応じてモータのトルクが変化する場合、異常および劣化の兆候がトルクの時系列データに現れることが既知である場合、セグメント抽出部１０４は、外部からの圧力の時系列データでセグメント抽出する。セグメント抽出部１０４は、抽出したセグメント情報を利用してトルクのセグメントを切り出し、機器の異常および機器の劣化を判定する。
また、異常判定処理および劣化判定処理の運用の途中であっても、機器の点検または清掃等の影響により、セグメントの値またはセグメント特徴量の特性が変化し、これまでのセグメント抽出条件では、セグメントの抽出ができなくなる場合がある。しかし、このような場合であっても、機器がメンテナンス後に安定稼動している際のデータから新たに運転モードの変化点波形データを選択し、図５で示したパラメータを更新して抽出条件記憶部１０２に記憶させるのみで、セグメント抽出が可能となる。
なお、上述した説明は、時系列データを予め設定された期間まとめて一括して処理する構成を示したが、同一の構成を用いて時系列データを逐次処理することも可能である。
例えば、観測のサンプリング周期毎に、時系列データ入力部１０３に時系列データの入力があるとする。時刻ｊのデータが入力された時、類似度算出部１０５は、類似度時系列ＳｋにＴｊ−ｗｋ＋１,ｗｋとＱｋとの類似度を追加する。変化点検出部１０６は、セグメントの開始時刻ｓｔａｒｔと時刻ｊ−ｗｋ＋１の間で、変化点に該当する時刻を探索すればよい。
以上のように、この実施の形態１では、機器の状態の変化点を含む波形データ、当該波形データのパラメータ情報、および機器の遷移情報の入力を受け付ける抽出条件入力部１０１と、機器の時系列データと、波形データとの類似度を算出する類似度算出部１０５と、機器の遷移情報に基づいて、機器の状態を設定する運転モード判定部１０７と、算出された類似度、および判定された機器の状態に基づいて、機器の時系列データから、変化点を検出し、時系列データの部分列であるセグメントの開始時刻およびセグメントの終了時刻を設定する変化点検出部１０６と、機器の状態、セグメントの開始時刻およびセグメントの終了時刻をセグメント情報として出力する情報出力部１０８とを備えるように構成した。
これにより、イベント発生のタイミングを示すイベント情報が存在しない場合にも、機器の各運転モードのセグメントを精度よく抽出することができる。また、セグメントの波形データに基づいて精度よく運転モードの識別を行うことができる。また、変化点に基づいてセグメントを抽出することにより、時間方向に可変長のセグメントを抽出することができる。
また、この実施の形態１によれば、類似度算出部１０５は、時系列データから切り出した部分列と、当該部分列と同一の長さの時系列データとのユーグリット距離を用いて、類似度を算出するように構成したので、精度の高いセグメント情報を生成することができ、また機器の異常または機器の劣化等を精度よく判定することができる。
また、実施の形態１によれば、変化点検出部１０６は、類似度算出部１０５が時系列データの時刻毎に算出した類似度からなる類似度時系列から、類似度が極小値、且つ類似度が所定の閾値以下の時刻を、変化点として検出するように構成したので、類似度を精度よく判定することができる。
実施の形態２．
この実施の形態２では、ＧＵＩ（Graphical User Interface）を備える構成を示す。 図１０は、実施の形態２に係るデータ処理装置１００Ａの構成を示すブロック図である。
実施の形態２のデータ処理装置１００Ａは、実施の形態１で示したデータ処理装置１００のセグメント抽出部１０４ａがＧＵＩ１１１を新たに備え、抽出条件入力部１０１に替えた抽出条件入力部１０１ａを備えて構成している。なお、以下では、実施の形態１に係るデータ処理装置１００の構成要素と同一または相当する部分には、実施の形態１で使用した符号と同一の符号を付して説明を省略または簡略化する。
セグメント抽出部１０４ａは、以下に示すＧＵＩ１１１を備えることにより、検出処理を開始する前の準備処理の負荷を軽減させる。ＧＵＩ１１１は、時系列データ入力部１０３から時系列データの入力を受け付け、機器が正常に安定稼働している期間の時系列データ１００１をディスプレイ等の表示装置（図示しない）に表示する制御を行う。ＧＵＩ１１１は、表示した時系列データに対してユーザ指定した時系列範囲の時系列データを拡大して表示装置に表示する制御を行う。抽出条件入力１０１ａは、ユーザによって選択された変化点の波形データ、当該波形データのセグメント抽出条件を抽出条件記憶部１０２に記憶させる。
次に、データ処理装置１００Ａのハードウェア構成例を説明する。なお、実施の形態１と同一の構成の説明は省略する。
データ処理装置１００ＡにおけるＧＵＩ１１１および抽出条件入力部１０１ａは、図２Ａで示した処理回路１００ａ、または図２Ｂで示したメモリ１００ｃに格納されるプログラムを実行するプロセッサ１００ｂである。
次に、図１１を参照しながら、ＧＵＩ１１１の具体的な処理動作について説明する。
図１１は、実施の形態２に係るデータ処理装置１００ＡのＧＵＩ１１１の処理動作を示す説明図である。
ＧＵＩ１１１は、機器が正常に安定稼働している期間の時系列データ１００１をディスプレイ等の表示装置に表示する。ユーザは、表示された時系列データ１００１の波形の出現パターン等から、製品１ロット分に相当する時系列データの範囲１００２を、マウス等の入力装置（図示しない）を用いて選択する。ＧＵＩ１１１は、ユーザによって選択された範囲１００２の時系列データ１００３を拡大して表示装置に表示させる制御を行う。
さらに、ユーザは拡大表示された時系列データ１００３の中から運転モードの変化点を特定し、入力装置を用いて当該変化点を含む範囲１００４を選択する。ＧＵＩ１１１は、選択された変化点を含む範囲１００４の波形データ１００５を拡大表示させる制御を行う。ユーザは、拡大表示された波形データ１００５を確認し、当該波形データ１００５に問題がない場合には、運転モードのラベルを付して抽出条件として登録するための操作を行う。抽出条件入力部１０１ａは、当該操作を受け付けると、抽出条件記憶部１０２にセグメント抽出条件を記憶させる。
次に、抽出条件入力部１０１ａがセグメント抽出条件を抽出条件記憶部１０２に記憶させる処理について、図１２を参照しながら説明する。
図１２は、実施の形態２に係るデータ処理装置１００Ａの抽出条件入力部１０１ａの動作を示すフローチャートである。
抽出条件入力１０１は、運転モードのラベルが付された抽出条件の登録操作が入力されると（ステップＳＴ２１）、選択された変化点の波形データ（図１１における波形データ１００５）を、抽出条件記憶部１０２に記憶させる（ステップＳＴ２２）。
次に、抽出条件入力１０１は、抽出条件記憶部１０２に記憶されたパラメータリスト（例えば、図５）を参照し、運転モード５０１に対応する運転モードのエントリがあるか判定を行う（ステップＳＴ２３）。運転モード５０１に対応する運転モードのエントリが存在しない場合（ステップＳＴ２３；ＮＯ）、抽出条件入力１０１は対応する運転モード５０１を新規に作成する（ステップＳＴ２４）。さらに抽出条件入力部１０１ａは、新規に作成した運転モード５０１の、変化点波形の数５０２に「１」を設定し、変化点波形の長さ５０３に選択された変化点の波形データのデータ長を設定する（ステップＳＴ２５）。
一方、運転モード５０１に対応する運転モードのエントリが存在する場合（ステップＳＴ２３；ＹＥＳ）、抽出条件入力部１０１ａは、該当する運転モード５０１の変化点波形の数５０２に「１」を加算し、変化点波形の長さ５０３に選択された変化点の波形データのデータ長を追加する（ステップＳＴ２６）。ステップＳＴ２５またはステップＳＴ２６の処理が終了すると、ステップＳＴ２１の処理に戻り、上述した処理を繰り返す。
上述したステップＳＴ２６において、変化点波形の長さ５０３に選択された変化点の波形データのデータ長を追加する場合、例えば図５の変化点波形の長さ５０３に複数のデータ長がリストとして記憶される。
以上のように、この実施の形態２では、機器の時系列データに対して表示範囲の選択を受け付け、選択された表示範囲の部分列を拡大表示させる制御を行うＧＵＩ１１１を備え、抽出条件入力部１０１は、選択された範囲の部分列の波形データおよびパラメータ情報を設定するように構成したので、データ処理装置が検出処理を開始する前の準備処理の負担を軽減させることができる。
上記以外にも、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、あるいは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において任意の構成要素の省略が可能である。
この発明に係るデータ処理装置は、機器の時系列データを用いて、プロセスを制御するための制御システムに適用するのが好ましい。
１００，１００Ａ データ処理装置、１０１，１０１ａ 抽出条件入力部、１０２ 抽出条件記憶部、１０３ 時系列データ入力部、１０４、１０４ａ セグメント抽出部、１０５ 類似度算出部、１０６ 変化点検出部、１０７ 運転モード判定部、１０８ 情報出力部、１０９ 判定部、１１０ 判定結果出力部、１１１ ＧＵＩ。
図５で示した距離指標５０４の類似度の指標は種々適用可能であるが、時系列データの形状を厳密に判定する場合には、ユークリッド距離が適用可能である。変化点の波形を以下の式（３）で示した場合、同じ長さｗのセグメントＴｉ，ｗとＱのユークリッド距離ｄｉｓｔ（Ｔｉ，ｗ，Ｑ)は以下の式（４）により求めることができる。

Ｑ ＝ ｑ１, ｑ２, ・・・, ｑｗ （３）

Figure 2020008533
また、この実施の形態１によれば、類似度算出部１０５は、時系列データから切り出した部分列と、当該部分列と同一の長さの時系列データとのユークリッド距離を用いて、類似度を算出するように構成したので、精度の高いセグメント情報を生成することができ、また機器の異常または機器の劣化等を精度よく判定することができる。

Claims (7)

  1. 機器の状態の変化点を含む波形データ、当該波形データのパラメータ情報、および前記機器の遷移情報の入力を受け付ける抽出条件入力部と、
    前記機器の時系列データと、前記抽出条件入力部が受け付けた前記波形データとの類似度を算出する類似度算出部と、
    前記抽出条件入力部が受け付けた前記機器の遷移情報に基づいて、前記機器の状態を設定する運転モード判定部と、
    前記類似度算出部が算出した類似度、および前記運転モード判定部が判定した前記機器の状態に基づいて、前記機器の時系列データから、前記変化点を検出し、前記時系列データの部分列であるセグメントの開始時刻および前記セグメントの終了時刻を設定する変化点検出部と、
    前記機器の状態、前記セグメントの開始時刻および前記セグメントの終了時刻をセグメント情報として出力する情報出力部とを備えたデータ処理装置。
  2. 前記情報出力部が出力した前記セグメント情報に基づいて、データの外れ度合い、またはデータの傾向を判定する判定部を備えたことを特徴とする請求項１記載のデータ処理装置。
  3. 前記類似度算出部は、前記時系列データから切り出した部分列と、当該部分列と同一の長さの前記時系列データとのユーグリット距離を用いて、前記類似度を算出することを特徴とする請求項１または請求項２記載のデータ処理装置。
  4. 前記類似度算出部は、前記時系列データから切り出した部分列と、当該部分列と同一の長さの前記時系列データとを正規化した後に、前記類似度を算出することを特徴とする請求項１または請求項２記載のデータ処理装置。
  5. 前記変化点検出部は、前記類似度算出部が前記時系列データの時刻毎に算出した類似度からなる類似度時系列から、前記類似度が極小値、且つ前記類似度が所定の閾値以下の時刻を、前記変化点として検出することを特徴とする請求項３または請求項４記載のデータ処理装置。
  6. 前記機器の時系列データに対して表示範囲の選択を受け付け、前記選択された表示範囲の部分列を拡大表示させる制御を行うＧＵＩを備え、
    前記抽出条件入力部は、前記選択された範囲の部分列の前記波形データおよび前記パラメータ情報を設定することを特徴とする請求項１または請求項２記載のデータ処理装置。
  7. 抽出条件入力部が、機器の状態の変化点を含む波形データ、当該波形データのパラメータ情報、および前記機器の遷移情報の入力を受け付けるステップと、
    類似度算出部が、前記機器の時系列データと、前記波形データとの類似度を算出するステップと、
    運転モード判定部が、前記機器の遷移情報に基づいて、前記機器の状態を設定するステップと、
    変化点検出部が、前記算出された類似度、および前記設定された前記機器の状態に基づいて、前記機器の時系列データから、前記変化点を検出し、前記時系列データの部分列であるセグメントの開始時刻および前記セグメントの終了時刻を設定するステップと、
    情報出力部が、前記機器の状態、前記セグメントの開始時刻および前記セグメントの終了時刻をセグメント情報として出力するステップとを備えたデータ処理方法。
JP2020528577A 2018-07-03 2018-07-03 データ処理装置およびデータ処理方法 Active JP6786016B2 (ja)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2018/025252 WO2020008533A1 (ja) 2018-07-03 2018-07-03 データ処理装置およびデータ処理方法

Publications (2)

Publication Number Publication Date
JP6786016B2 JP6786016B2 (ja) 2020-11-18
JPWO2020008533A1 true JPWO2020008533A1 (ja) 2020-12-17

Family

ID=69060967

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2020528577A Active JP6786016B2 (ja) 2018-07-03 2018-07-03 データ処理装置およびデータ処理方法

Country Status (7)

Country Link
US (1) US11294364B2 (ja)
JP (1) JP6786016B2 (ja)
KR (1) KR102238867B1 (ja)
CN (1) CN112368683B (ja)
DE (1) DE112018007712T5 (ja)
TW (1) TWI727289B (ja)
WO (1) WO2020008533A1 (ja)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB2580950A (en) * 2019-01-31 2020-08-05 Datalytyx Ltd Data processing system
JP6869443B1 (ja) * 2020-04-18 2021-05-12 三菱電機株式会社 ロギングデータ表示プログラム、ロギングデータ表示装置およびロギングデータ表示方法
JP7114008B2 (ja) 2020-07-03 2022-08-05 三菱電機株式会社 データ処理装置
CN112098836B (zh) * 2020-08-14 2021-05-14 贵州乌江水电开发有限责任公司东风发电厂 一种基于电气畸变分析的电动机非稳数据排除方法及系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006338373A (ja) * 2005-06-02 2006-12-14 Toshiba Corp 多変数時系列データ分析装置、方法およびプログラム
JP2015075821A (ja) * 2013-10-07 2015-04-20 横河電機株式会社 状態診断方法および状態診断装置
WO2015159377A1 (ja) * 2014-04-16 2015-10-22 株式会社日立製作所 設計支援装置
WO2016117021A1 (ja) * 2015-01-20 2016-07-28 株式会社日立製作所 機械診断装置および機械診断方法

Family Cites Families (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH05204991A (ja) * 1992-01-30 1993-08-13 Hitachi Ltd 時系列データ検索方法およびこれを用いた検索システム
JP3483113B2 (ja) * 1998-05-29 2004-01-06 日本電信電話株式会社 時系列画像検索方法、装置、および時系列画像検索プログラムを記録した記録媒体
JP3995569B2 (ja) * 2002-09-20 2007-10-24 昌一 手島 波形パターンデータから設備の診断・監視のための特徴を抽出する方法及びプログラム
JP4180960B2 (ja) 2003-04-11 2008-11-12 キヤノンＩｔソリューションズ株式会社 データ分析装置及びその制御方法、並びにコンピュータプログラム及びコンピュータ可読記憶媒体
JP4224095B2 (ja) 2006-09-28 2009-02-12 株式会社東芝 情報処理装置、情報処理プログラムおよび情報処理システム
CN102033486B (zh) * 2009-09-25 2012-05-30 卡西欧计算机株式会社 时刻信息取得装置和电波钟表
JP5277185B2 (ja) 2010-01-26 2013-08-28 株式会社日立製作所 情報処理システム
WO2012103485A2 (en) * 2011-01-28 2012-08-02 The Board Of Regents Of The Nevada System Of Higher Education On Behalf Of The Desert Research Institute Signal identification methods and systems
JP5715261B2 (ja) 2011-10-04 2015-05-07 株式会社日立製作所 時系列データ管理システム，および方法
US10054933B2 (en) * 2012-03-27 2018-08-21 Sirqul, Inc. Controlling distributed device operations
US10282676B2 (en) * 2014-10-06 2019-05-07 Fisher-Rosemount Systems, Inc. Automatic signal processing-based learning in a process plant
US10401842B2 (en) * 2014-05-01 2019-09-03 Sicpa Holding Sa Dynamically configurable production and/or distribution line control system and method therefor
JP2016091512A (ja) * 2014-11-11 2016-05-23 ルネサスエレクトロニクス株式会社 接続関係検出システム、情報処理装置、及び接続関係検出方法
JP6613828B2 (ja) * 2015-11-09 2019-12-04 富士通株式会社 画像処理プログラム、画像処理装置、及び画像処理方法
JP6767166B2 (ja) * 2016-05-25 2020-10-14 アズビル株式会社 監視装置、監視方法、およびプログラム
US10739764B2 (en) * 2016-07-15 2020-08-11 Ricoh Company, Ltd. Diagnostic apparatus, diagnostic system, diagnostic method, and recording medium
JP6532845B2 (ja) * 2016-07-26 2019-06-19 双葉電子工業株式会社 計測装置、計測方法、プログラム
EP3279737A1 (en) * 2016-08-05 2018-02-07 ASML Netherlands B.V. Diagnostic system for an industrial process
GB2553514B (en) * 2016-08-31 2022-01-26 Green Running Ltd A utility consumption signal processing system and a method of processing a utility consumption signal

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006338373A (ja) * 2005-06-02 2006-12-14 Toshiba Corp 多変数時系列データ分析装置、方法およびプログラム
JP2015075821A (ja) * 2013-10-07 2015-04-20 横河電機株式会社 状態診断方法および状態診断装置
WO2015159377A1 (ja) * 2014-04-16 2015-10-22 株式会社日立製作所 設計支援装置
WO2016117021A1 (ja) * 2015-01-20 2016-07-28 株式会社日立製作所 機械診断装置および機械診断方法

Also Published As

Publication number Publication date
CN112368683A (zh) 2021-02-12
TW202006488A (zh) 2020-02-01
KR20210002748A (ko) 2021-01-08
US20210096556A1 (en) 2021-04-01
WO2020008533A1 (ja) 2020-01-09
TWI727289B (zh) 2021-05-11
US11294364B2 (en) 2022-04-05
CN112368683B (zh) 2024-03-26
KR102238867B1 (ko) 2021-04-09
DE112018007712T5 (de) 2021-04-08
JP6786016B2 (ja) 2020-11-18

Similar Documents

Publication Publication Date Title
JP6786016B2 (ja) データ処理装置およびデータ処理方法
EP2905665B1 (en) Information processing apparatus, diagnosis method, and program
JP6896432B2 (ja) 故障予知方法、故障予知装置および故障予知プログラム
Maurya et al. A framework for on-line trend extraction and fault diagnosis
EP2857917A1 (en) State diagnosing method and state diagnosing apparatus
JP6895816B2 (ja) 異常診断装置、異常診断方法及び異常診断プログラム
CN109960232B (zh) 领先辅助参数的选择方法和设备维护预诊断的方法
JP2013143009A (ja) 設備状態監視方法およびその装置
TWI747055B (zh) 狀態推斷裝置以及狀態推斷方法
JP6848546B2 (ja) 変化点検出装置および変化点検出方法
EP3674827B1 (en) Monitoring target selecting device, monitoring target selecting method and program
JP7012888B2 (ja) 異常要因推定装置、異常要因推定方法、及びプログラム
Compare et al. Interacting multiple-models, state augmented particle filtering for fault diagnostics
US20220179402A1 (en) Method and device for analyzing a sequential process
JP5939439B2 (ja) 異常診断装置
WO2022054256A1 (ja) 異常検知装置
KR101718228B1 (ko) 이력 데이터 군집화 기반 철도부품의 상태를 예측하는 방법 및 장치
JP6648747B2 (ja) 異常原因特定方法および異常原因特定装置
US11339763B2 (en) Method for windmill farm monitoring
JP2002278621A (ja) プラント運転監視装置及び方法
JP6347771B2 (ja) 異常診断装置、異常診断方法及び異常診断プログラム
JP2009238190A (ja) メンテナンス計画支援システム
JP5817323B2 (ja) 異常診断装置
CN114626162B (zh) 一种接触球轴承损耗程度定量识别方法
JP6995100B2 (ja) 情報処理装置、算出方法および算出プログラム

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20200730

A871 Explanation of circumstances concerning accelerated examination

Free format text: JAPANESE INTERMEDIATE CODE: A871

Effective date: 20200730

A975 Report on accelerated examination

Free format text: JAPANESE INTERMEDIATE CODE: A971005

Effective date: 20200813

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20200901

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20200909

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: 20200929

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20201027

R150 Certificate of patent or registration of utility model

Ref document number: 6786016

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250