TWI795719B - data processing device - Google Patents
data processing device Download PDFInfo
- Publication number
- TWI795719B TWI795719B TW110102460A TW110102460A TWI795719B TW I795719 B TWI795719 B TW I795719B TW 110102460 A TW110102460 A TW 110102460A TW 110102460 A TW110102460 A TW 110102460A TW I795719 B TWI795719 B TW I795719B
- Authority
- TW
- Taiwan
- Prior art keywords
- time
- series data
- aforementioned
- data
- series
- Prior art date
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
-
- 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
- G06F11/3065—Monitoring arrangements determined by the means or processing involved in reporting the monitored data
- G06F11/3072—Monitoring arrangements determined by the means or processing involved in reporting the monitored data where the reporting involves data filtering, e.g. pattern matching, time or event triggered, adaptive or policy-based reporting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- Medical Informatics (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Artificial Intelligence (AREA)
- Automation & Control Theory (AREA)
- Quality & Reliability (AREA)
- Testing And Monitoring For Control Systems (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
- Electrical Discharge Machining, Electrochemical Machining, And Combined Machining (AREA)
- Memory System Of A Hierarchy Structure (AREA)
Abstract
資料處理裝置(100)包含:時序取得部(110),取得時序資料;特徵取出部(120),基於時序取得部(110)取得的時序資料,取出時序資料的特徵量;第1分割部(130),基於特徵取出部(120)取出的特徵量,將時序資料分割為複數個第1部分時序資料;以及第2分割部(140),基於特徵取出部(120)取出的特徵量,將第1分割部(130)分割的複數個第1部分時序資料的每一個分割為複數個第2部分時序資料。 The data processing device (100) comprises: a time-series acquisition part (110), which obtains time-series data; a feature extraction part (120), which extracts the feature quantity of the time-series data based on the time-series data obtained by the time-series acquisition part (110); the first division part ( 130), based on the feature quantity extracted by the feature extraction unit (120), the time series data is divided into a plurality of first part time series data; and the second division unit (140), based on the feature quantity extracted by the feature extraction unit (120), the Each of the plurality of first partial time-series data divided by the first dividing unit (130) is divided into a plurality of second partial time-series data.
Description
本揭露關於資料處理裝置以及資料處理方法。 This disclosure relates to a data processing device and a data processing method.
將時序資料分割為複數個部分時序資料的技術已為人所知。 Techniques for dividing time-series data into a plurality of partial time-series data are known.
舉例來說,專利文獻1揭露了一種資料處理裝置,包含:取出條件輸入部,受理包含機器的狀態的變化點的波形資料、該波形資料的參數資訊、以及機器的遷移資訊的輸入;相似度算出部,算出機器的時序資料與波形資料的相似度;運轉模式判定部,基於機器的遷移資訊,設定機器的狀態;變化點檢測部,基於算出的相似度、以及判定的機器的狀態,從機器的時序資料之中檢測變化點,設定時序資料的部分列,也就是設定程序段(Segment)的開始時刻以及程序段的結束時刻;以及資訊輸出部,輸出程序段的開始時刻以及程序段的結束時刻,作為程序段資訊。
For example,
專利文獻1記載的資料處理裝置(以下稱為「既有的資料處理裝置」),使用事先準備好作為用來分割的指標的波形資料以及波形資料的參數資訊,從時序資料之中檢測波型(Wave Pattern),藉以針對每一個在時序資料中反覆出現的波形資料,將時序資料分割為程序段,也就是分割為部分時序資料。 The data processing device described in Patent Document 1 (hereinafter referred to as "existing data processing device") detects waveforms from time-series data using waveform data prepared in advance as indicators for division and parameter information of the waveform data. (Wave Pattern), so as to divide the time-series data into program segments for each waveform data repeatedly appearing in the time-series data, that is, divide it into partial time-series data.
專利文獻1:國際公開2020/008533號公報Patent Document 1: International Publication No. 2020/008533
[發明所欲解決的課題][Problems to be Solved by the Invention]
既有的資料處理裝置有以下問題點:為了將時序資料分割為程序段,也就是分割為部分時序資料,因此必須事先準備好作為用來分割的指標的波形資料、以及波形資料的參數資訊(以下稱為「特別資訊」)。Existing data processing devices have the following problems: In order to divide the time series data into program segments, that is, into partial time series data, it is necessary to prepare in advance the waveform data used as the index for division and the parameter information of the waveform data ( hereinafter referred to as "Special Information").
本揭露是為了解決上述問題點,目的在於提供一種資料處理裝置,在沒有事先準備好特別資訊的情況下,也可以針對每一個在時序資料中反覆出現的波型,將時序資料分割為部分時序資料。 [用以解決課題的手段] The purpose of this disclosure is to solve the above problems, and the purpose is to provide a data processing device that can divide the time-series data into partial time-series for each wave pattern that repeatedly appears in the time-series data without preparing special information in advance material. [Means to solve the problem]
關於本揭露的資料處理裝置,包含:時序取得部,取得時序資料;特徵取出部,基於時序取得部取得的時序資料,取出時序資料的特徵量;第1分割部,基於特徵取出部取出的特徵量,將時序資料分割為複數個第1部分時序資料;以及第2分割部,基於特徵取出部取出的特徵量,將第1分割部分割的複數個第1部分時序資料的每一個分割為複數個第2部分時序資料。
[發明的效果]
The data processing device disclosed in this disclosure includes: a time-series acquisition unit, which acquires time-series data; a feature extraction unit, which extracts the feature quantity of the time-series data based on the time-series data obtained by the time-series acquisition unit; a first segmentation unit, based on the features extracted by the feature extraction unit The amount of time series data is divided into a plurality of first part time series data; and the second division part is based on the feature quantity extracted by the feature extraction part, and each of the plurality of first part time series data divided by the first division part is divided into a plurality of
根據本揭露,在沒有事先準備好特別資訊的情況下,也可以針對每一個在時序資料中反覆出現的波型,將時序資料分割為部分時序資料。According to the present disclosure, without preparing special information in advance, the time-series data can also be divided into partial time-series data for each waveform that appears repeatedly in the time-series data.
以下,針對本揭露的實施形態,一邊參照圖式一邊詳細說明。Hereinafter, embodiments of the present disclosure will be described in detail with reference to the drawings.
實施形態1.
參照第1圖至第5圖,針對關於實施形態1的資料處理裝置100、以及應用資料處理裝置100的資料處理系統1進行說明。
第1圖為一方塊圖,示意關於實施形態1的資料處理裝置100、以及應用資料處理裝置100的資料處理系統1的重點的構成的一例。
關於實施形態1的資料處理系統1,包含記憶裝置10、顯示裝置20、以及資料處理裝置100。
資料處理裝置100取得時序資料,針對取得的時序資料,執行事先設定的資料處理。針對資料處理裝置100的詳細將於後面描述。
記憶裝置10是記憶資料處理裝置100執行資料處理時必要的資訊的裝置。舉例來說,記憶裝置10事先記憶時序資料。
顯示裝置20是顯示器等的裝置,顯示輸出資料處理裝置100輸出的顯示資訊所示的顯示影像。換言之,資料處理裝置100將顯示資訊輸出至顯示裝置20,讓顯示資訊所示的顯示影像在顯示裝置20顯示。
The
關於實施形態1的資料處理裝置100,包含:時序取得部110、特徵取出部120、第1分割部130、第2分割部140、以及異常偵測部150及輸出部190。
另外,異常偵測部150在資料處理裝置100當中並非必要的構成。
實施形態1中,是以資料處理裝置100包含異常偵測部150為前提下進行說明。
The
時序取得部110取得時序資料。
所謂「時序取得部110取得的時序資料」,是表示以事先設定的時間間隔,進行測量、測定、觀測、或統計等的物理量的時序資訊。
具體來說,時序取得部110取得的時序資料,是將振動感測器、旋轉感測器、陀螺儀感測器、溫度感測器、或聲音感測器等感測器輸出的訊號轉換為時序資訊的訊號。若時序資料是表示以事先設定的時間間隔,進行測量、測定、觀測、或統計等的物理量的時序資訊,則不限於表示將感測器輸出的訊號轉換為時序資料之資料。另外,事先設定的時間間隔,並不需要為均一間隔,時間間隔包含了任意間隔。
The time-
具體而言,舉例來說,時序取得部110藉由讀取事先記憶於記憶裝置10的時序資料,以取得時序資料。
由於時序取得部110只要是可以取得時序資料的元件即可,因此,針對時序取得部110取得的時序資料的取得來源,或是時序取得部110取得時序資料的方法並沒有限定。
以下,在實施形態1中,假設時序取得部110取得的時序資料,是設置於加工裝置的振動感測器輸出的訊號轉換為時序資訊的訊號進行說明。
Specifically, for example, the
特徵取出部120基於時序取得部110取得的時序資料,取出時序資料的特徵量。
具體而言,舉例來說,特徵取出部120使用視窗,從時序取得部110取得的時序資料之中取出特徵量。換言之,特徵取出部120輸出的特徵量,成為表示滑動視窗對應的時序資料當中的區域的特徵的值以時序表示之資訊。
更具體而言,舉例來說,特徵取出部120使用滑動視窗,將滑動視窗內的時序資料的最大值減掉最小值的值(以下稱為「振幅值」)作為特徵量並取出。特徵取出部120輸出的特徵量,成為滑動視窗對應的時序資料當中的區域的振幅值以時序表示之資訊。
由於使用滑動視窗從時序資料之中取出特徵量的方法已為眾所皆知,故省略說明。
The
第1分割部130基於特徵取出部120取出的特徵量,將時序資料分割為複數個第1部分時序資料。
舉例來說,特徵取出部120使用事先設定的第1時間長度的第1滑動視窗,從時序取得部110取得的時序資料之中,取出第1特徵量。第1分割部130基於特徵取出部120取出的第1特徵量,將時序資料分割為複數個第1部分時序資料。
具體而言,舉例來說,第1分割部130基於第1特徵量,將第1特徵量所示的振幅值與事先設定的臨界值進行比較,特定臨界值以下的振幅值比臨界值還大的第1特徵量中的位置。第1分割部130將該位置對應的滑動視窗的結束期視為時序資料的變化點(以下稱為「第1變化點」),藉由在該第1變化點分割時序資料,將時序資料分割為複數個第1部分時序資料。
舉例來說,第1分割部130產生第1分割資訊,該第1分割資訊表示第1分割部130分割的各第1部分時序資料的時序資料當中的分割位置。
The
另外,第1分割部130特定比臨界值還大的振幅值變得在臨界值以下的第1特徵量中的位置。第1分割部130也可以將該位置對應的滑動視窗的開始期視為時序資料的變化點(以下稱為「第2變化點」)藉由在該第2變化點分割各第1部分時序資料,將第1分割部130分割的複數個第1部分時序資料的每一個,分割為第1振動區間時序資料與第1安定區間時序資料。
若第1分割部130對複數個第1部分時序資料的每一個,分割為第1振動區間時序資料與第1安定區間時序資料時,第1分割部130分割的複數個第1部分時序資料的每一個,都包含第1振動區間時序資料與第1安定區間時序資料。
In addition, the first dividing
該情況下,舉例來說,第1分割部130針對第1分割部130分割的各第1部分時序資料,產生第1分割資訊,該第1分割資訊表示第1振動區間時序資料以及第1安定區間時序資料的時序資料當中的分割位置。
另外,該情況下,該臨界值如以上所述,是為了將第1部分時序資料分割為第1振動區間時序資料與第1安定區間時序資料,所事先設定的值。因此,舉例來說,若時序取得部110取得的時序資料,為振動感測器等的感測器輸出的訊號轉換為時序資訊的訊號,則可以藉由將該臨界值定為感測器的分解能的1倍至2倍程度的精度,從第1部分時序資料之中取出第1安定區間時序資料。另外,若感測器,或設有感測器的加工裝置等的測量對象的裝置等為相同的規則時,該臨界值可以重複使用相同的值。因此,可以簡單地設定該臨界值。
In this case, for example, the
第2分割部140基於特徵取出部120取出的特徵量,將第1分割部130分割的複數個第1部分時序資料的每一個分割為複數個第2部分時序資料。
舉例來說,特徵取出部120使用比第1時間長度還短並且事先設定的第2時間長度的第2滑動視窗,從第1分割部130分割的複數個第1部分時序資料的每一個之中,取出第2特徵量。第2分割部140基於取出的第2特徵量,將第1部分時序資料分割為複數個第2部分時序資料。
具體而言,舉例來說,第2分割部140基於第2特徵量,將第2特徵量所示的振幅值與事先設定的臨界值進行比較,特定臨界值以下的振幅值變得比臨界值還大的第2特徵量中的位置。第2分割部140將該位置對應的滑動視窗的結束期視為第1部分時序資料的變化點(以下稱為「第3變化點」),藉由在該第3變化點分割時序資料,將第1部分時序資料分割為複數個第2部分時序資料。
舉例來說,第2分割部140對複數個第1部分時序資料的每一個,產生第2分割資訊,該第2分割資訊表示第2分割部140分割的各第2部分時序資料的時序資料當中的分割位置。
The second dividing
另外,第2分割部140特定比臨界值還大的振幅值變得在臨界值以下的第2特徵量中的位置。第2分割部140也可以將該位置對應的滑動視窗的開始期視為時序資料的變化點(以下稱為「第4變化點」)藉由在該第4變化點分割各第2部分時序資料,將第2分割部140分割的複數個第2部分時序資料的每一個,分割為第2振動區間時序資料與第2安定區間時序資料。
若第2分割部140對複數個第2部分時序資料的每一個,分割為第2振動區間時序資料與第2安定區間時序資料時,第2分割部140分割的複數個第2部分時序資料的每一個,都包含第2振動區間時序資料與第2安定區間時序資料。
In addition, the
該情況下,舉例來說,第2分割部140針對第2分割部140分割的各第2部分時序資料,產生第2分割資訊,該第2分割資訊表示第2振動區間時序資料以及第2安定區間時序資料的時序資料當中的分割位置。
另外,該情況下,該臨界值如以上所述,是為了將第2部分時序資料分割為第2振動區間時序資料與第2安定區間時序資料,所事先設定的值。因此,舉例來說,若時序取得部110取得的時序資料,為振動感測器等的感測器輸出的訊號轉換為時序資訊的訊號,則可以藉由將該臨界值定為感測器的分解能的1倍至2倍程度的精度,從第2部分時序資料之中取出第2安定區間時序資料。另外,若感測器,或設有感測器的加工裝置等的測量對象的裝置等為相同的規則時,該臨界值可以重複使用相同的值。因此,可以簡單地設定該臨界值。
In this case, for example, the
參照第2圖,針對關於實施形態1的資料處理裝置100包含的時序取得部110取得的時序資料、以及第1分割部130分割時序資料得到的第1部分時序資料進行說明。
第2圖為一說明圖,示意關於實施形態1的資料處理裝置100包含的時序取得部110取得的時序資料、以及第1分割部130分割時序資料得到的第1部分時序資料的一例。
Referring to FIG. 2, the time-series data obtained by the time-
若時序取得部110取得的時序資料,為反覆製造相同加工製品的加工裝置當中設置的振動感測器輸出的訊號轉換為時序資訊而得時,時序資料當中,同樣的時序值的推移會在每次製造加工時反覆出現。
第1分割部130可以藉由將時序資料分割為複數個第1部分時序資料,將時序資料分割為製造複數個加工製品的每一個的期間(以下稱為「製造期間」)對應的第1部分時序資料。
製造期間中,存在有將身為加工對象的零件之加工零件加工為加工製品的加工期間、以及某個加工製品的加工結束的時間點,到下一個加工製品的加工開始的時間點之間的閒置期間。
第1分割部130可以藉由將第1部分時序資料分割為第1振動區間時序資料以及第1安定區間時序資料,將第1部分時序資料分割為加工期間對應的第1振動區間時序資料、以及閒置期間對應的第1安定區間時序資料。
If the time series data obtained by the time
參照第3圖,針對關於實施形態1的資料處理裝置100包含的第1分割部130分割得到的第1部分時序資料、以及第2分割部140分割第1部分時序資料得到的第2部分時序資料進行說明。
第3圖為一說明圖,示意關於實施形態1的資料處理裝置100包含的第1分割部130分割得到的第1部分時序資料、以及第2分割部140分割第1部分時序資料得到的第2部分時序資料的一例。
Referring to FIG. 3, regarding the first part of time-series data obtained by dividing the first part of time-series data obtained by the
若時序取得部110取得的時序資料,為反覆製造相同加工製品的加工裝置當中設置的振動感測器輸出的訊號轉換為時序資訊而得時,第1部分時序資料中,複數個加工程序的每一個對應的時序值的推移會在1個加工期間當中出現。
此處,所謂的「加工程序」,是將加工零件設置於台座的程序,偵測設置於台座的加工零件的形狀的程序,切削設置於台座的加工零件的程序,檢查切削後的加工零件的形狀的程序,或是將切削後的加工零件從台座取下的程序。
If the time-series data obtained by the time-
第2分割部140可以藉由將複數個第1部分時序資料當中的第1振動區間時序資料的每一個分割為第2部分時序資料,將第1振動區間時序資料分割為複數個加工程序的每一個對應的期間(以下稱為「程序期間」)對應的第2部分時序資料。
複數個程序期間的每一個當中,存在有加工裝置實際運作的程序運作期間、以及在某個程序中加工裝置的運作結束的時間點,到下一個加工程序中加工裝置的運作開始的時間點之間的程序閒置期間。
第2分割部140可以藉由將第2部分時序資料分割為第2振動區間時序資料以及第2安定區間時序資料,將第2部分時序資料分割為程序運作期間對應的第2振動區間時序資料、以及程序閒置期間對應的第2安定區間時序資料。
The
根據以上那樣的構成,若事先設定第1時間長度以及第2時間長度,則資料處理裝置100就可以針對每一個在時序資料中反覆出現的波型,將時序資料分割為部分時序資料。
既有的資料處理裝置中,使用者必須要事先準備好波形資料、以及波形資料的參數資訊(以下稱為「特別資訊」),作為用來分割過去取得的時序資料並分割時序資料的指標。時序資料的分析需要一定程度的知識,對使用者而言,事先準備好特別資訊並不容易。
According to the above configuration, if the first time length and the second time length are set in advance, the
對照之下,舉例來說,若時序取得部110取得的時序資料,為反覆製造相同加工製品的加工裝置當中設置的振動感測器輸出的訊號轉換為時序資訊而得時,由於閒置期間與程序閒置期間任何一者皆為已知,因此使用者可以基於閒置期間與程序閒置期間,輕易地決定第1時間長度與第2時間長度。
結果,在沒有事先準備好特別資訊的情況下,資料處理裝置100也可以針對每一個在時序資料中反覆出現的波型,將時序資料分割為部分時序資料。
In contrast, for example, if the timing data acquired by the
輸出部190舉例來說,基於第1分割部130產生的第1分割資訊、以及第2分割部140產生的第2分割資訊,產生將第1分割資訊與第2分割資訊視覺化的顯示影像,並輸出示意顯示影像的顯示資訊。
具體而言,舉例來說,輸出部190將顯示資訊輸出至顯示裝置20,讓顯示資訊所示的顯示影像在顯示裝置20顯示。
輸出部190並不限於輸出顯示資訊的元件。舉例來說,輸出部190也可以將第1分割資訊與第2分割資訊輸出至記憶裝置10,讓記憶裝置10記憶第1分割資訊與第2分割資訊。
The
上述那樣的資料處理裝置100也可以包含異常偵測部150。
異常偵測部150基於第2分割部140分割的複數個第2部分時序資料之中的至少1個第2部分時序資料,偵測時序取得部110取得的時序資料的異常。舉例來說,異常偵測部150產生示意偵測結果的偵測資訊。
具體而言,舉例來說,基於第2分割部140分割的複數個第2部分時序資料之中的第2安定區間時序資料,偵測時序取得部110取得的時序資料的異常。
The above-mentioned
更具體而言,舉例來說,異常偵測部150藉由判定第1分割部130分割的複數個第1部分時序資料的每一個對應的第2安定區間時序資料的個數,在所有的第1部分時序資料中是否相同,偵測時序資料的異常。
假設,若複數個第1部分時序資料的每一個對應的第2安定區間時序資料的個數,在所有的第1部分時序資料中並不相同,舉例來說,有可能是2個加工程序彼此之間的期間,比事先設定的期間還要短。另外,有可能是2個加工程序彼此之間的期間因為某種原因,而在加工裝置中產生了沒有預期的振動。
因此,藉由以上那樣的構成,異常偵測部150可以用高精度偵測時序資料的異常。
More specifically, for example, by determining the number of second stable interval time-series data corresponding to each of the plurality of first partial time-series data divided by the
另外,舉例來說,異常偵測部150也可以基於第2分割部140分割的複數個第2部分時序資料之中的第2安定區間時序資料、以及示意該第2安定區間時序資料是否為第1振動區間時序資料當中的第幾號的第2安定區間時序資料之第2安定區間位置資訊,偵測時序取得部110取得的時序資料的異常。
舉例來說,異常偵測部150將第2安定區間時序資料與第2安定區間位置資訊,輸入至事先準備好的已學習模型。異常偵測部150基於已學習模型輸出的推論結果,偵測時序資料的異常。舉例來說,已學習模型事先記憶於記憶裝置10,異常偵測部150藉由從記憶裝置10讀取已學習模型,來取得已學習模型。
藉由以上那樣的構成,異常偵測部150可以用高精度偵測時序資料的異常。
In addition, for example, the
另外,已學習模型是不圖示的學習裝置基於第2安定區間時序資料與第2安定區間位置資訊,讓事先準備好的學習模型進行監督式學習或無監督學習等的學習所產生。針對已學習模型的產生方法,將省略說明。In addition, the learned model is generated by a learning device not shown in the figure, based on the time-series data of the second stable interval and the position information of the second stable interval, and the pre-prepared learning model is subjected to learning such as supervised learning or unsupervised learning. Regarding the generation method of the learned model, description will be omitted.
另外,舉例來說,異常偵測部150也可以基於第2安定區間時序資料以及第2安定區間位置資訊,將該第2安定區間時序資料、以及第2分割部140對其他第1部分時序資料的第1振動區間時序資料進行分割後的複數個第2部分時序資料之中的第2安定區間時序資料,也就是與第2安定區間位置資訊相同的第2安定區間時序資料進行比較,偵測時序取得部110取得的時序資料的異常。
具體而言,舉例來說,異常偵測部150將第2安定區間時序資料、以及與第2安定區間位置資訊相同的第2安定區間時序資料進行比較,藉由判定相似度,偵測時序取得部110取得的時序資料的異常。由於判定時序資料彼此之間的相似度的方法已為眾所皆知,故省略說明。
藉由以上那樣的構成,異常偵測部150可以用高精度偵測時序資料的異常。
In addition, for example, the
異常偵測部150偵測時序資料的異常之際,也可以算出時序資料的異常度,並產生示意算出的異常度的偵測資訊。
藉由異常偵測部150算出時序資料的異常度,資料處理裝置100舉例來說,可以在加工裝置故障前等的異常發生之前,確認加工裝置的劣化等的異常發生的徵兆。
When the
資料處理裝置100包含異常偵測部150時,輸出部190舉例來說,連同第1分割資訊以及第2分割資訊,產生將異常偵測部150產生的偵測資訊視覺化的顯示影像,並輸出示意顯示影像的顯示資訊。
輸出部190可以連同第1分割資訊與第2分割資訊,將偵測資訊輸出至記憶裝置10,讓記憶裝置10記憶第1分割資訊、第2分割資訊、以及偵測資訊。
When the
參照第4A圖以及第4B圖,針對關於實施形態1的資料處理裝置100的重點的硬體構成進行說明。
第4A圖以及第4B圖為一示意圖,示意關於實施形態1的資料處理裝置100的重點的硬體構成的一例。
The essential hardware configuration of the
如第4A圖所示,資料處理裝置100由電腦所構成,該電腦包含處理器401以及記憶體402。
記憶體402當中記憶程式,該程式用以使該電腦發揮時序取得部110、特徵取出部120、第1分割部130、第2分割部140、異常偵測部150、以及輸出部190的功能。藉由處理器401讀取並執行記憶於記憶體402當中的程式,以實現時序取得部110、特徵取出部120、第1分割部130、第2分割部140、異常偵測部150、以及輸出部190。
As shown in FIG. 4A , the
另外,如第4B圖所示,資料處理裝置100也可以由處理電路403所構成。該情況下,時序取得部110、特徵取出部120、第1分割部130、第2分割部140、異常偵測部150、以及輸出部190的功能可以由處理電路403來實現。In addition, as shown in FIG. 4B , the
另外,資料處理裝置100也可以由處理器401、記憶體402、以及處理電路403所構成。該情況下,時序取得部110、特徵取出部120、第1分割部130、第2分割部140、異常偵測部150、以及輸出部190的功能當中的一部分的功能,可以由處理器401以及記憶體402來實現;而剩餘的功能可以由處理電路403來實現。In addition, the
處理器401舉例來說,使用中央處理器(Central Processing Unit,CPU)、圖形處理器(Graphics Processing Unit,GPU)、微處理器、微控制器、或數位訊號處理器(Digital Signal Processor,DSP)。The
記憶體402舉例來說,使用半導體記憶體或磁碟。更具體來說,記憶體402使用隨機存取記憶體(Random Access Memory,RAM)、唯讀記憶體(Read Only Memory,ROM)、快閃記憶體、可抹除可程式唯讀記憶體(Erasable Programming Read Only Memory,EPROM)、電子式可抹除可程式唯讀記憶體(Electrically Erasable Programming Read Only Memory,EEPROM)、固態硬碟(Solid State Drive,SSD)、或硬式磁碟機(Hard Disk Drive,HDD)。The
處理電路403舉例來說,使用應用特定積體電路(Application Specific Integrated Circuit,ASIC)、可程式邏輯裝置(Programmable Logic Device,PLD)、場效可程式閘陣列(Field-Programmable Gate Array,FPGA)、系統單晶片(System-on-a-Chip,SoC)、或系統大型積體電路(Large-Scale Integration,LSI)。The
參照第5圖,針對關於實施形態1的資料處理裝置100的運作進行說明。
第5圖為一流程圖,說明關於實施形態1的資料處理裝置100的處理的一例。
Referring to Fig. 5, the operation of the
首先,在步驟ST501,時序取得部110取得時序資料。
接著,在步驟ST502,特徵取出部120取出第1特徵量。
接著,在步驟ST503,第1分割部130將時序資料分割為複數個第1部分時序資料。
接著,在步驟ST504,特徵取出部120取出第2特徵量。
接著,在步驟ST505,第2分割部140將第1分割部130分割的複數個第1部分時序資料的每一個,分割為複數個第2部分時序資料。
接著,在步驟ST506,異常偵測部150偵測時序資料的異常。
接著,在步驟ST507,輸出部190輸出顯示資訊。
步驟ST507之後,資料處理裝置100結束該流程圖的處理。
First, in step ST501, the time-
如以上所述,資料處理裝置100包含:時序取得部110,取得時序資料;特徵取出部120,基於時序取得部110取得的時序資料,取出時序資料的特徵量;第1分割部130,基於特徵取出部120取出的特徵量,將時序資料分割為複數個第1部分時序資料;以及第2分割部140,基於特徵取出部120取出的特徵量,將第1分割部130分割的複數個第1部分時序資料的每一個分割為複數個第2部分時序資料。
藉由這樣的構成,在沒有事先準備好特別資訊的情況下,資料處理裝置100也可以針對每一個在時序資料中反覆出現的波型,將時序資料分割為部分時序資料。
As described above, the
另外,資料處理裝置100在上述構成中,特徵取出部120使用事先設定的第1時間長度的第1滑動視窗,從時序取得部110取得的時序資料之中,取出第1特徵量;第1分割部130基於特徵取出部120取出的第1特徵量,將時序資料分割為第1部分時序資料;特徵取出部120使用比第1時間長度還短並且事先設定的第2時間長度的第2滑動視窗,從第1分割部130分割的複數個第1部分時序資料的每一個之中,取出第2特徵量;第2分割部140基於取出的第2特徵量,將第1部分時序資料分割為複數個第2部分時序資料。
藉由這樣的構成,在沒有事先準備好特別資訊的情況下,資料處理裝置100也可以針對每一個在時序資料中反覆出現的波型,將時序資料分割為部分時序資料。
In addition, in the
另外,資料處理裝置100除了上述構成之外,包含:異常偵測部150,基於第2分割部140分割的複數個第2部分時序資料之中,至少1個第2部分時序資料,偵測時序取得部110取得的時序資料的異常。
藉由這樣的構成,資料處理裝置100可以用高精度偵測時序資料的異常。
In addition, the
另外,資料處理裝置100在上述構成中,第1分割部130分割的複數個第1部分時序資料的每一個,都包含第1振動區間時序資料以及第1安定區間時序資料;第2分割部140針對第1分割部130分割的複數個第1部分時序資料的每一個,將第1部分時序資料之中的第1振動區間時序資料,分割為複數個第2部分時序資料;第2分割部140分割的複數個第2部分時序資料的每一個,都包含第2振動區間時序資料以及第2安定區間時序資料;異常偵測部150基於第2分割部140分割的複數個第2部分時序資料之中的第2安定區間時序資料,偵測時序取得部110取得的時序資料的異常。
藉由這樣的構成,資料處理裝置100可以用高精度偵測時序資料的異常。
In addition, in the
另外,資料處理裝置100在上述構成中,異常偵測部150基於第2分割部140分割的複數個第2部分時序資料之中的第2安定區間時序資料、以及示意該第2安定區間時序資料為第1振動區間時序資料當中的第幾號第2安定區間時序資料之第2安定區間位置資訊,偵測時序取得部110取得的時序資料的異常。
藉由這樣的構成,資料處理裝置100可以用高精度偵測時序資料的異常。
In addition, in the above configuration of the
另外,資料處理裝置100在上述構成中,異常偵測部150基於第2安定區間時序資料以及第2安定區間位置資訊,將該第2安定區間時序資料、以及第2分割部140對其他第1部分時序資料的第1振動區間時序資料進行分割後的複數個第2部分時序資料之中的第2安定區間時序資料,也就是與第2安定區間位置資訊相同的第2安定區間時序資料進行比較,偵測時序取得部110取得的時序資料的異常。
藉由這樣的構成,資料處理裝置100可以用高精度偵測時序資料的異常。
In addition, in the above configuration of the
另外,本揭露在該揭露的範圍內,可以進行實施形態的任意構成元件的變形,或是實施形態中任意構成元件的省略。 [產業可利用性] In addition, within the scope of the disclosure, the present disclosure can modify arbitrary constituent elements of the embodiments, or omit arbitrary constituent elements in the embodiments. [Industrial availability]
關於本揭露的資料處理裝置,可以應用在偵測時序資料異常的資料處理系統。The data processing device disclosed in this disclosure can be applied to a data processing system for detecting anomalies in time series data.
1:資料處理系統 10:記憶裝置 20:顯示裝置 100:資料處理裝置 110:時序取得部 120:特徵取出部 130:第1分割部 140:第2分割部 150:異常偵測部 190:輸出部 401:處理器 402:記憶體 403:處理電路 ST501~ST507:步驟 1: Data processing system 10: memory device 20: Display device 100: data processing device 110: Timing Acquisition Department 120: Feature extraction part 130: The first division 140: The second division 150: Anomaly Detection Department 190: output part 401: Processor 402: Memory 403: processing circuit ST501~ST507: Steps
第1圖為一方塊圖,示意關於實施形態1的資料處理裝置、以及應用資料處理裝置的資料處理系統的重點的構成的一例。
第2圖為一說明圖,示意關於實施形態1的資料處理裝置包含的時序取得部取得的時序資料、以及第1分割部分割時序資料得到的第1部分時序資料的一例。
第3圖為一說明圖,示意關於實施形態1的資料處理裝置包含的第1分割部分割得到的第1部分時序資料、以及第2分割部分割第1部分時序資料得到的第2部分時序資料的一例。
第4A圖以及第4B圖為一示意圖,示意關於實施形態1的資料處理裝置的重點的硬體構成的一例。
第5圖為一流程圖,說明關於實施形態1的資料處理裝置的處理的一例。
Fig. 1 is a block diagram showing an example of the key configuration of the data processing device and the data processing system using the data processing device according to the first embodiment.
Fig. 2 is an explanatory diagram showing an example of the time-series data obtained by the time-series acquisition unit included in the data processing device of the first embodiment and the first partial time-series data obtained by dividing the time-series data by the first division unit.
Fig. 3 is an explanatory diagram showing the first part of time-series data obtained by dividing the first part and the second part of time-series data obtained by dividing the first part of time-series data by the second division part included in the data processing device of
1:資料處理系統 1: Data processing system
10:記憶裝置 10: memory device
20:顯示裝置 20: Display device
100:資料處理裝置 100: data processing device
110:時序取得部 110: Timing Acquisition Department
120:特徵取出部 120: Feature extraction part
130:第1分割部 130: The first division
140:第2分割部 140: The second division
150:異常偵測部 150: Anomaly Detection Department
190:輸出部 190: output part
Claims (4)
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
WOPCT/JP2020/026255 | 2020-07-03 | ||
PCT/JP2020/026255 WO2022003969A1 (en) | 2020-07-03 | 2020-07-03 | Data processing device and data processing method |
Publications (2)
Publication Number | Publication Date |
---|---|
TW202219770A TW202219770A (en) | 2022-05-16 |
TWI795719B true TWI795719B (en) | 2023-03-11 |
Family
ID=79314973
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW110102460A TWI795719B (en) | 2020-07-03 | 2021-01-22 | data processing device |
Country Status (5)
Country | Link |
---|---|
JP (1) | JP7114008B2 (en) |
KR (1) | KR102553397B1 (en) |
CN (1) | CN115698956A (en) |
TW (1) | TWI795719B (en) |
WO (1) | WO2022003969A1 (en) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2016046705A (en) * | 2014-08-25 | 2016-04-04 | コニカミノルタ株式会社 | Conference record editing apparatus, method and program for the same, conference record reproduction apparatus, and conference system |
JP2018149183A (en) * | 2017-03-14 | 2018-09-27 | オムロンヘルスケア株式会社 | Blood pressure data processing device, blood pressure data processing method, and program |
TW201931466A (en) * | 2017-12-28 | 2019-08-01 | 日商東京威力科創股份有限公司 | Data processing device, data processing method, and program |
JP2020067786A (en) * | 2018-10-24 | 2020-04-30 | オムロン株式会社 | Control device and control program |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6057786B2 (en) * | 2013-03-13 | 2017-01-11 | ヤフー株式会社 | Time-series data analysis device, time-series data analysis method, and program |
JP2016110534A (en) * | 2014-12-10 | 2016-06-20 | 日本電信電話株式会社 | Information input device using biological sensor, information input method using biological sensor, and information input program using biological sensor |
US11137750B2 (en) * | 2016-10-06 | 2021-10-05 | Mitsubishi Electric Corporation | Time-series data processing device |
CN112368683B (en) | 2018-07-03 | 2024-03-26 | 三菱电机株式会社 | Data processing apparatus and data processing method |
-
2020
- 2020-07-03 JP JP2022530664A patent/JP7114008B2/en active Active
- 2020-07-03 CN CN202080099775.2A patent/CN115698956A/en active Pending
- 2020-07-03 WO PCT/JP2020/026255 patent/WO2022003969A1/en active Application Filing
- 2020-07-03 KR KR1020227045377A patent/KR102553397B1/en active IP Right Grant
-
2021
- 2021-01-22 TW TW110102460A patent/TWI795719B/en active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2016046705A (en) * | 2014-08-25 | 2016-04-04 | コニカミノルタ株式会社 | Conference record editing apparatus, method and program for the same, conference record reproduction apparatus, and conference system |
JP2018149183A (en) * | 2017-03-14 | 2018-09-27 | オムロンヘルスケア株式会社 | Blood pressure data processing device, blood pressure data processing method, and program |
TW201931466A (en) * | 2017-12-28 | 2019-08-01 | 日商東京威力科創股份有限公司 | Data processing device, data processing method, and program |
JP2020067786A (en) * | 2018-10-24 | 2020-04-30 | オムロン株式会社 | Control device and control program |
Also Published As
Publication number | Publication date |
---|---|
JP7114008B2 (en) | 2022-08-05 |
TW202219770A (en) | 2022-05-16 |
KR20230010773A (en) | 2023-01-19 |
WO2022003969A1 (en) | 2022-01-06 |
KR102553397B1 (en) | 2023-07-07 |
CN115698956A (en) | 2023-02-03 |
JPWO2022003969A1 (en) | 2022-01-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
TWI620046B (en) | Time-series data processing method, computer readable recording medium having recorded thereon time-series data processing program, and time-series data processing device | |
US10281360B2 (en) | Method and system for the vibration analysis of an engine | |
JP7340265B2 (en) | Abnormality detection device, abnormality detection method, and program | |
US11209487B2 (en) | Rotor diagnostic apparatus, rotor diagnostic method, and rotor diagnostic program | |
US11782430B2 (en) | Abnormality diagnosis method, abnormality diagnosis device and non-transitory computer readable storage medium | |
RU2724455C1 (en) | Diagnostic equipment of deterioration characteristics due to aging and diagnostics method of deterioration due to aging | |
JP2008166644A (en) | Integrated circuit device abnormality detection apparatus, method and program | |
TW202006488A (en) | Data processing device and data processing method | |
JP2020071624A (en) | Abnormality diagnosing apparatus, abnormality diagnosing method and program | |
JP5535954B2 (en) | Soundness evaluation apparatus, method and program | |
JP6169473B2 (en) | Work machine management device and work machine abnormality determination method | |
TWI795719B (en) | data processing device | |
EP3416012A1 (en) | Monitoring device, and method for controlling monitoring device | |
JP2015161506A (en) | Signal analyzer, signal analysis method, degradation diagnosis apparatus, and degradation diagnosis method | |
JP6459345B2 (en) | Fluctuation data management system and its specificity detection method | |
JP2019113970A (en) | State diagnostic method of process and state diagnostic device of process | |
JP7230371B2 (en) | Abnormality detection device, abnormality detection method, abnormality detection program and abnormality detection system | |
JP6302523B1 (en) | Product diagnostic device, product diagnostic method, and product diagnostic program | |
US20240144101A1 (en) | Generation system, computer-readable storage medium, and method for generating waveform evaluation model | |
CN114862283B (en) | Quality inspection method and quality inspection device for machine tool machining | |
US20240077865A1 (en) | Information processing apparatus, information processing method, and computer-readable recording medium | |
JP5597166B2 (en) | Plant monitoring device | |
WO2023105725A1 (en) | Time series data processing method | |
JP3765480B2 (en) | Rotational accuracy measuring device | |
CN117896301A (en) | Baud rate analysis method, device, electronic equipment and storage medium |