WO2015045319A1 - 情報処理装置、及び、分析方法 - Google Patents

情報処理装置、及び、分析方法 Download PDF

Info

Publication number
WO2015045319A1
WO2015045319A1 PCT/JP2014/004707 JP2014004707W WO2015045319A1 WO 2015045319 A1 WO2015045319 A1 WO 2015045319A1 JP 2014004707 W JP2014004707 W JP 2014004707W WO 2015045319 A1 WO2015045319 A1 WO 2015045319A1
Authority
WO
WIPO (PCT)
Prior art keywords
metric
time series
analysis
unit
correlation
Prior art date
Application number
PCT/JP2014/004707
Other languages
English (en)
French (fr)
Inventor
清志 加藤
Original Assignee
日本電気株式会社
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 日本電気株式会社 filed Critical 日本電気株式会社
Priority to CN201480053145.6A priority Critical patent/CN105579922B/zh
Priority to JP2015538886A priority patent/JP6406261B2/ja
Priority to US15/023,850 priority patent/US20160231738A1/en
Priority to EP14847009.9A priority patent/EP3051374A4/en
Publication of WO2015045319A1 publication Critical patent/WO2015045319A1/ja

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
    • G05B23/0243—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 model based detection method, e.g. first-principles knowledge model
    • 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
    • G01D3/00—Indicating or recording apparatus with provision for the special purposes referred to in the subgroups
    • G01D3/028—Indicating or recording apparatus with provision for the special purposes referred to in the subgroups mitigating undesired influences, e.g. temperature, pressure
    • G01D3/032—Indicating or recording apparatus with provision for the special purposes referred to in the subgroups mitigating undesired influences, e.g. temperature, pressure affecting incoming signal, e.g. by averaging; gating undesired signals
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/20—Drawing from basic elements, e.g. lines or circles
    • G06T11/206—Drawing of charts or graphs
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/10—Protocols in which an application is distributed across nodes in the network

Definitions

  • the present invention relates to an information processing apparatus and an analysis method.
  • Analyzing devices that compare time series of measured values (metric values) of sensors and the like in a system to be analyzed (target system) and analyze the state of the target system are known.
  • an analysis apparatus using a correlation model of a target system is described in Patent Document 1.
  • the operation management device described in Patent Literature 1 determines a correlation function indicating a correlation between sensors at normal time by a system identification method based on a time series of measurement values of a plurality of sensors and the like of the target system, Generate a correlation model of the target system. Then, the operation management apparatus detects the destruction of the correlation (correlation destruction) using the generated correlation model, and determines the failure factor of the target system.
  • a large time lag may occur between the measurement values of different sensors depending on the target system, compared to the measurement value measurement interval.
  • the target system is a bridge and the sensor is a vibration sensor installed on the bridge.
  • the vibration of the vehicle passing through the bridge is caused by the moving vehicle approaching each sensor in addition to the small time lag caused by the vibration transmitted through the steel material constituting the bridge.
  • the target system is an air conditioner and the sensor is a current sensor and a surrounding temperature sensor, the temperature changes with a delay with respect to a change in the state of the air conditioner.
  • the operation management apparatus of Patent Document 1 determines a correlation function as shown in Equation 1 between sensors in the analysis of the target system.
  • Equation 1 X (t) and Y (t) are sensor measurement values that are the input and output of the correlation function at time t, respectively.
  • Operation management apparatus each of the sensors of the plurality of sensors pairs, coefficients A 1, A 2 in the equation (1), ..., A N, B 1 , B 2, ..., determining the B M.
  • the values of N and M are input in advance by a user or the like, for example. Then, the operation management apparatus detects correlation destruction between sensors using the determined correlation function.
  • An object of the present invention is to provide an information processing apparatus and an analysis method capable of solving the above-described problems and preventing a decrease in analysis accuracy of a target system even when a large time lag exists between metrics of the target system. It is to be.
  • An information processing apparatus includes a processing unit that compares and analyzes values of a first metric and a second metric in a system to be analyzed, and a comparison between the first metric and the second metric Pre-processing means for specifying the temporal correspondence of each use data in the analysis.
  • the analysis method specifies a temporal correspondence relationship between each use data in the comparative analysis between the first metric and the second metric in the analysis target system, and the first metric and the first metric Compare and analyze the value with the metric of 2.
  • the computer-readable recording medium specifies a temporal correspondence relationship between each use data in the comparative analysis between the first metric and the second metric in the analysis target system.
  • a program for executing processing for comparing and analyzing values of the first metric and the second metric is stored.
  • the effect of the present invention is to prevent a decrease in the analysis accuracy of the target system even when a large time lag exists between the metrics of the target system.
  • FIG. 2 is a block diagram showing the configuration of the analysis system in the first embodiment of the present invention.
  • the analysis system includes an analysis apparatus 100 and a target system 200 that is a system to be analyzed.
  • the analysis apparatus 100 and the target system 200 are communicably connected via a network or the like.
  • the analysis apparatus 100 is an embodiment of the information processing apparatus of the present invention.
  • the target system 200 is various systems in which sensors for monitoring the state are arranged.
  • the target system 200 is a structure such as a building or a bridge in which vibration sensors, temperature sensors, and the like for deterioration diagnosis are arranged.
  • the target system 200 may be a plant such as a manufacturing plant or a power plant in which a temperature sensor, a flow rate sensor, and the like for monitoring an operating state are arranged.
  • the target system 200 may be a moving body such as a vehicle, a ship, and an aircraft in which measuring devices such as various sensors for monitoring the driving state and a sequencer are incorporated.
  • the target system 200 is not limited to a system using physical sensors as described above, and may be a computer system that measures performance information for operation management.
  • the target system 200 may be a system in which an environmental sensor that collects power, temperature, and the like at the same time as the performance information is arranged in such a computer system.
  • each sensor or each performance item measured in the target system 200 is called a metric.
  • the metric corresponds to an “element” that is a generation target of the correlation model in Patent Document 1.
  • the analysis apparatus 100 analyzes the state of the target system 200 based on the time series of metric measurement values collected from the target system 200.
  • the analysis apparatus 100 includes a data collection unit 101, a data storage unit 111, a preprocessing unit 130, a processing unit 140, a dialogue unit 106, and a countermeasure execution unit 107.
  • the data collection unit 101 collects measurement values of each metric such as measurement values detected by each sensor from the target system 200 at a predetermined collection interval.
  • the data storage unit 111 stores a time series of metric measurement values collected by the data collection unit 101 as time series data 121.
  • FIG. 5 is a diagram showing an example of the time-series data 121 in the first embodiment of the present invention.
  • the time series data 121 includes a time series of measurement values collected every 1 ms for each of the sensors 1, 2,.
  • the preprocessing unit 130 identifies temporal correspondence between metric values.
  • the preprocessing unit 130 specifies the time lag of the time series change of the other metric with respect to the time series change of one metric as the temporal correspondence.
  • the preprocessing unit 130 includes a time lag detection unit 102 and a time lag storage unit 112.
  • the time lag detection unit 102 generates time lag information 122 based on the time series data 121 stored in the data storage unit 111.
  • the time lag information 122 indicates the time lag of each pair of metrics among a plurality of metrics.
  • the time lag of a metric pair causes a similar time series change to the other metric (following metric) with respect to the time series change of one metric (preceding metric) of the metric pair. Is the time difference between the time series changes.
  • the time lag may be an approximate value of the time difference.
  • the time lag is detected by comparing a series of time-series change patterns for a predetermined length of a metric (a period composed of a plurality of monitoring intervals). Therefore, a value that is an integral multiple of the period length for extracting the time-series change pattern is used as the time lag value.
  • FIG. 6 is a diagram illustrating an example of the time lag information 122 according to the first embodiment of this invention. In the example of FIG. 6, for each pair of metrics, the time lag of the trailing metric relative to the preceding metric is shown.
  • the time lag storage unit 112 stores the time lag information 122 generated by the time lag detection unit 102.
  • the processing unit 140 performs comparative analysis between metric values in the target system.
  • the processing unit 140 performs analysis (generation of correlation model 123, detection of correlation destruction) based on the correlation between metrics as a comparative analysis.
  • the processing unit 140 includes a correlation model generation unit 103, a correlation model storage unit 113, a correlation destruction detection unit 104, and a data extraction unit 105.
  • the correlation model generation unit 103 generates a correlation model 123 of the target system 200 based on the time series data 121 stored in the data storage unit 111.
  • the correlation model 123 includes a correlation function (or conversion function) indicating the correlation of each pair of metrics among a plurality of metrics.
  • the correlation function is expressed by, for example, the above equation (1).
  • the correlation function calculates the other metric (from the measurement value before time t of one metric (input metric) and the measurement value before time t of the other metric (output metric) of the metric pair.
  • the output metric is a function for predicting the value of time t.
  • the correlation model generation unit 103 determines the coefficient of the correlation function, similar to the operation management apparatus disclosed in Patent Document 1. That is, the correlation model generation unit 103 performs correlation function coefficients A 1 , A 2 ,... In the equation 1 for each metric pair based on the time series data 121 of a predetermined modeling period by system identification processing. , A N , B 1 , B 2 ,..., B M are determined.
  • a time series obtained by referring to the time lag information 122 stored in the time lag storage unit 112 and shifting (delaying) the time series of the preceding metric by the time lag is used.
  • the correlation model generation unit 103 uses the time series obtained by shifting (delaying) the time series of the preceding metric by a time lag as the time series of the input metric and the time series of the subsequent metric as the time series of the output metric. Determine the function.
  • the correlation model generation unit 103 calculates a weight for each pair of metrics based on the conversion error of the correlation function, as in the operation management apparatus of Patent Document 1, and the correlation function (effective
  • the correlation model 123 may be a set of correlation functions.
  • FIG. 7 is a diagram illustrating an example of the correlation model 123 according to the first embodiment of this invention.
  • the correlation model storage unit 113 stores the correlation model 123 generated by the correlation model generation unit 103.
  • the correlation destruction detection unit 104 uses the newly collected metric measurement value to determine whether the correlation included in the correlation model 123 is maintained or destroyed, as in the operation management apparatus of Patent Document 1. judge.
  • the correlation destruction detection unit 104 uses a newly collected metric measurement value extracted by the data extraction unit 105.
  • the correlation destruction detection unit 104 calculates, for each pair of metrics, a difference (prediction error) between the measured value of the output metric at time t and the predicted value of the output metric at time t calculated using the correlation function.
  • the correlation destruction detection unit 104 determines that the correlation is destroyed when the calculated difference is equal to or greater than a predetermined value.
  • the data extraction unit 105 extracts a newly collected metric measurement value necessary for detecting correlation destruction from the time-series data 121 stored in the data storage unit 111 and outputs it to the correlation destruction detection unit 104.
  • the data extraction unit 105 refers to the time lag information 122 stored in the time lag storage unit 112 and outputs past measurement values for the time lag.
  • the dialogue unit 106 presents the detection result of the correlation destruction to the user or the like.
  • the dialogue unit 106 may instruct the handling execution unit 107 to execute a countermeasure against the correlation destruction in accordance with an operation from a user or the like.
  • the countermeasure execution unit 107 executes the instructed countermeasure on the target system 200.
  • the analysis apparatus 100 may be a computer that includes a CPU (Central Processing Unit) and a storage medium that stores a program, and operates by control based on the program.
  • the data storage unit 111, the correlation model storage unit 113, and the time lag storage unit 112 may be configured as individual storage media or a single storage medium.
  • FIG. 3 is a block diagram showing a configuration of the analysis apparatus 100 realized by a computer according to the first embodiment of the present invention.
  • the analysis device 100 includes a CPU 161, a storage medium 162, a communication unit 163, an input unit 164, and an output unit 165.
  • the CPU 161 is a computer program for realizing the functions of the data collection unit 101, the time lag detection unit 102, the correlation model generation unit 103, the correlation destruction detection unit 104, the data extraction unit 105, the dialogue unit 106, and the countermeasure execution unit 107.
  • the storage medium 162 stores data in the data storage unit 111, the time lag storage unit 112, and the correlation model storage unit 113.
  • the communication unit 163 receives measurement values of each metric from the target system 200.
  • the input unit 164 is an input device such as a keyboard, for example, and receives input from the user or the like to the dialogue unit 106.
  • the output unit 165 is a display device such as a display, for example, and displays an output from the dialogue unit 106 to a user or the like.
  • FIG. 4 is a flowchart showing the operation of the analysis apparatus 100 in the first embodiment of the present invention.
  • the data collection unit 101 collects measurement values of each metric from the target system 200 at a predetermined collection interval (step S101).
  • the data collection unit 101 stores the collected time series of measured values of each metric in the data storage unit 111 as time series data 121.
  • the data collection unit 101 stores time series data 121 as shown in FIG.
  • the time lag detection unit 102 of the preprocessing unit 130 generates time lag information 122 based on the time series data 121 (step S102).
  • the time lag detection unit 102 stores the generated time lag information 122 in the time lag storage unit 112.
  • the time lag detection unit 102 detects a time lag by comparing a series of time-series change patterns for each predetermined length of the metric for each pair of metrics.
  • FIG. 8 is a diagram showing an example of a time-series change pattern (change pattern) in the first exemplary embodiment of the present invention.
  • the change pattern is a pattern of an increase / decrease tendency of the measured value of the metric in a predetermined length period.
  • the change pattern of the symbol A in FIG. 8 indicates that the measured value of the metric does not change during a predetermined length period.
  • the change pattern of the symbol B indicates that the metric measurement value increases during a predetermined length period.
  • FIG. 9 is a diagram showing an example of time lag extraction in the first embodiment of the present invention.
  • 40 msec is used as the predetermined length W for detecting the change pattern.
  • the time lag detection unit 102 assigns a corresponding change pattern symbol for each period of the predetermined length W according to the change pattern as shown in FIG. Then, the time lag detection unit 102 detects a pair having a relationship between the preceding metric and the succeeding metric and a time lag of the pair by comparing the symbol series assigned to each metric for each pair of metrics.
  • the time series of the sensor 1, the sensor 2, and the sensor 3 are given the symbol patterns “DBDGEEDBDEB”, “DBDGEEDBDEB”, and “CCBDDEDBDGEE”, respectively.
  • the time lag detection unit 102 stores the time lag information 122 as shown in FIG. 6 in the time lag storage unit 112.
  • the dialogue unit 106 may present the time lag candidates to the user or the like, and accept the selection of the time lag from the user.
  • FIG. 10 is a diagram showing an example of the display screen 501 (time lag selection) in the first embodiment of the present invention.
  • the time series graph shows that 200 msec and 400 msec are detected as time lag candidates for the pair in which the sensor 1 is the leading metric and the sensor 3 is the trailing metric.
  • the dialogue unit 106 displays the display screen 501 of FIG. 10 to the user or the like.
  • the dialogue unit 106 accepts selection of a time lag to be used for analysis in a time lag candidate from a user or the like by a time lag selection button.
  • the correlation model generation unit 103 of the processing unit 140 generates a correlation model 123 for each metric pair included in the time lag information 122 (step S103).
  • the correlation model generation unit 103 uses a time series obtained by shifting (delaying) the time series of the preceding metric by a time lag as the time series of the input metric and the time series of the subsequent metric as the time series of the output metric.
  • the correlation model generation unit 103 stores the generated correlation model 123 in the correlation model storage unit 113.
  • the correlation model generation unit 103 determines a correlation function as shown in FIG. And the correlation model production
  • the data collection unit 101 collects new measurement values for each metric from the target system 200 (step S104).
  • the data collection unit 101 stores the time series of the collected new measurement values of each metric as time series data 121 in the data storage unit 111.
  • the data extraction unit 105 For each correlation function included in the correlation model 123, the data extraction unit 105 extracts a measurement value necessary for detecting correlation destruction from the new measurement value of each metric, and outputs the measurement value to the correlation destruction detection unit 104 (step S105). ).
  • the data extraction unit 105 calculates the measurement value before the time t of the input metric and the measurement value before the time t of the output metric necessary for calculating the predicted value of the output metric of the correlation function. To extract. However, for the input metric, the data extraction unit 105 extracts past measurement values for the time lag.
  • the data extraction unit 105 outputs S1 (t ⁇ 200) as the measured value of the input X (t) in the equation 1 for the pair of the sensor 1 and the sensor 3 in the correlation model 123 of FIG. S3 (t-1) is output as the measured value of -1).
  • Correlation destruction detection unit 104 detects correlation destruction for each correlation function included in correlation model 123 using the new measurement value of each metric extracted by data extraction unit 105 (step S106).
  • the correlation destruction detection unit 104 applies the measurement value before the time t of the input metric extracted by the data extraction unit 105 and the measurement value before the time t of the output metric to the correlation function, and outputs the correlation function.
  • a predicted value of the metric time t is calculated.
  • the correlation destruction detection unit 104 detects the correlation destruction based on the difference between the measured value at the time t of the output metric and the predicted value.
  • the correlation destruction detection unit 104 calculates the predicted value of the sensor 3 at the time t for the pair of the sensor 1 and the sensor 3 in the correlation model 123 of FIG.
  • Correlation destruction detector 104 sets the value obtained by multiplying the measured value of Y (t-1) (S3 (t-1)) by 0.96 and the measured value of X (t) (S1 (t-200)) to 70.
  • the predicted value of the value of the sensor 3 at time t (Y (t)) is calculated using the multiplied value.
  • the dialogue unit 106 presents the detection result of the correlation destruction to the user or the like (step S107).
  • FIG. 11 is a diagram showing an example of the display screen 501 (correlation destruction display) in the first exemplary embodiment of the present invention.
  • the display screen 501 in FIG. 11 shows that the correlation between the sensor 1 and the sensor 3 is broken in the abnormality ranking. Further, the time series graph shows that the measured values of the sensors 1 and 3 change with a time lag and the current measured value of the sensor 3 deviates from the predicted value.
  • the dialogue unit 106 displays, for example, the display screen 501 of FIG.
  • the dialogue unit 106 may receive an instruction to deal with the correlation destruction by the user or the like on the display screen 501 by using a countermeasure selection button.
  • the dialogue unit 106 may further present a time series graph corrected for the detected time lag so that the time series changes between metrics can be easily compared.
  • FIG. 12 is a diagram showing an example of the display screen 501 (time series comparison) in the first embodiment of the present invention.
  • the time series graph of the display screen 501 of FIG. 12 the time series change of the measurement value of the sensor 1 and the time series change of the measurement value of the sensor 3 advanced by the time lag are displayed.
  • the dialogue unit 106 displays, for example, the display screen 501 of FIG.
  • the dialogue unit 106 instructs the coping execution unit 107 to deal with the correlation destruction in response to an operation from the user or the like.
  • the countermeasure execution unit 107 executes the instructed countermeasure on the target system 200.
  • analysis based on correlation is performed as a comparative analysis between metric values in the target system.
  • the present invention is not limited to this, and any analysis other than the analysis based on the correlation may be performed as long as it is a comparative analysis in which a time lag between metrics is affected.
  • Formula 1 is used as the correlation function.
  • the present invention is not limited to this, and any other correlation function may be used as long as it is a correlation function representing the correlation between metric pairs.
  • the time lag of each pair of metrics is detected by comparing time series change pattern series.
  • the present invention is not limited to this, and if a time lag can be detected based on a change in the metric value, for example, a time difference in time at which the metric value indicates the maximum value or the minimum value, a phase difference between time series of the metric, etc.
  • the time lag may be detected by other methods.
  • a change pattern as shown in FIG. 8 is used as a time-series change pattern (change pattern).
  • the present invention is not limited to this, and other change patterns may be used as long as the time lag between time series can be extracted.
  • the time difference when a change pattern sequence similar to the subsequent metric (the same increase / decrease tendency) occurs with respect to the change pattern sequence of the preceding metric is used as a time lag. It was.
  • the present invention is not limited to this, and a time difference when a series of change patterns having opposite increase / decrease trends may be used as the time lag.
  • FIG. 1 is a block diagram showing a characteristic configuration of the first embodiment of the present invention.
  • the analysis device (information processing device) 100 includes a processing unit 140 and a preprocessing unit 130.
  • the processing unit 140 compares and analyzes the values of the first metric and the second metric in the analysis target system.
  • the pre-processing unit 130 specifies a temporal correspondence relationship between the respective usage data in the comparative analysis between the first metric and the second metric.
  • the preprocessing unit 130 specifies the temporal correspondence relationship of the respective usage data in the comparative analysis between the first metric and the second metric.
  • the time lag between metrics according to the target system can be easily specified.
  • the reason is that the time lag detection unit 102 compares the sequence of the time series change pattern for each predetermined length of the preceding metric with the sequence of the time series change pattern for each predetermined length of the subsequent metric. This is because the time lag is detected.
  • the correlation destruction detection unit 104 needs to detect correlation destruction in real time for a large number of newly collected measurement values. For example, an analysis engine using dedicated hardware or a program is used. was there.
  • the correlation destruction detection unit 104 (analysis engine) that does not support the large time lag can be used as it is. .
  • the reason is that the data extraction unit 105 extracts past measurement values for a time lag from the input metric, and the correlation destruction detection unit 104 detects the correlation destruction using the measurement values extracted by the data extraction unit 105. Because.
  • the second embodiment of the present invention differs from the first embodiment of the present invention in that the generation of the time lag information 122 and the generation of the correlation model 123 are performed by an apparatus different from the analysis apparatus 100. Different. Note that in the second embodiment of the present invention, the components given the same reference numerals as those in the first embodiment of the present invention are the same as those in the first embodiment of the present invention unless otherwise specified. Suppose that
  • FIG. 13 is a block diagram showing the configuration of the analysis system in the second embodiment of the present invention.
  • the analysis system includes an analysis device 100, a monitoring device 150, and a target system 200.
  • the analysis apparatus 100 and the target system 200 are communicably connected via a network or the like.
  • the analysis device 100 and the monitoring device 150 are also communicably connected via a network or the like.
  • the analysis apparatus 100 includes a data collection unit 101, a data storage unit 111, a time lag storage unit 112, a correlation model storage unit 113, and a correlation destruction detection unit similar to the analysis apparatus 100 (FIG. 2) according to the first embodiment of the present invention. 104, a data extraction unit 105, and a countermeasure execution unit 107. In addition to these, the analysis apparatus 100 further includes a countermeasure determining unit 108.
  • the monitoring device 150 includes a time lag detection unit 102, a correlation model generation unit 103, and a dialogue unit 106, which are the same as those of the analysis device 100 (FIG. 2) according to the first embodiment of the present invention.
  • the time lag detection unit 102 of the monitoring device 150 generates time lag information 122 based on the time series data 121 stored in the data storage unit 111 of the analysis device 100.
  • the correlation model generation unit 103 of the monitoring device 150 calculates the correlation model 123 based on the time series data 121 stored in the data storage unit 111 of the analysis device 100 and the time lag information 122 stored in the time lag storage unit 112. Generate.
  • the countermeasure determining unit 108 of the analysis apparatus 100 determines the countermeasure to be executed under a predetermined condition according to the correlation destruction detection result by the correlation destruction detecting unit 104, and instructs the countermeasure execution unit 107 to execute the countermeasure. To do. Then, the countermeasure determining unit 108 presents the execution result of the countermeasure to the user or the like via the dialogue unit 106 of the monitoring device 150. Further, as in the first embodiment of the present invention, the countermeasure determining unit 108 instructs the countermeasure executing unit 107 to execute a countermeasure in response to an operation from a user or the like input via the dialogue unit 106. May be.
  • the time lag detection unit 102 and the correlation model generation unit 103 may be further included in a device different from the monitoring device 150.
  • real-time abnormality analysis of the target system 200 based on the detection of correlation destruction can be performed at a higher speed than in the first embodiment of the present invention.
  • the reason is that the generation of the time lag information 122 by the time lag detection unit 102 and the generation of the correlation model 123 by the correlation model generation unit 103 are performed by a device different from the analysis device 100 that performs abnormality analysis, which has a relatively large processing load. It is to do.

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Theoretical Computer Science (AREA)
  • Debugging And Monitoring (AREA)
  • Testing And Monitoring For Control Systems (AREA)
  • Testing Or Calibration Of Command Recording Devices (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)

Abstract

　対象システムのメトリック間に大きなタイムラグが存在する場合でも、対象システムの分析精度の低下を防ぐ。　分析装置（１００）は、処理部（１４０）、及び、前処理部（１３０）を含む。処理部（１４０）は、分析対象のシステムにおける第１のメトリックと第２のメトリックとの値を比較分析する。前処理部（１３０）は、第１のメトリックと第２のメトリックとの比較分析におけるそれぞれの使用データの時間的な対応関係を特定する。

Description

情報処理装置、及び、分析方法
　本発明は、情報処理装置、及び、分析方法に関する。
　分析対象のシステム（対象システム）におけるセンサ等の計測値（メトリックの値）の時系列を比較し、対象システムの状態を分析する分析装置が知られている。
　このような分析装置として、例えば、対象システムの相関モデルを用いる分析装置（運用管理装置）が特許文献１に記載されている。特許文献１に記載の運用管理装置は、対象システムの複数のセンサ等の計測値の時系列をもとに、システム同定手法により、正常時のセンサ間の相関関係を示す相関関数を決定し、対象システムの相関モデルを生成する。そして、運用管理装置は、生成された相関モデルを用いて相関関係の破壊（相関破壊）を検出し、対象システムの障害要因を判定する。
特許第４８７２９４４号公報
　上述の分析装置を用いて対象システムの状態を分析する場合、対象システムよっては、異なるセンサの計測値間に、計測値の測定間隔に比べて大きなタイムラグ（時間差）が生じることがある。例えば、対象システムが橋梁であり、センサが橋梁に設置された振動センサの場合を考える。この場合、異なるセンサの計測値間には、橋梁を通過する車両の振動が橋梁を構成する鋼材を振動が伝わることによって生じる小さいタイムラグの他に、移動する車両が各センサに順次近づくことによって生じる大きなタイムラグが存在する。また、対象システムが空調機器であり、センサが電流センサとその周囲の温度センサの場合、温度は空調機器の状態変化に対して遅れて変化する。このため、電流センサと温度センサとの計測値間には、大きなタイムラグが存在する。さらに、対象システムが車両であり、センサが車両のエンジン等の駆動系のセンサと運転者の操作系のセンサの場合、駆動系の状態変化を運転者が知覚して反応するまでには遅延が生じる。このため、駆動系のセンサと操作系のセンサとの計測値間にも、大きなタイムラグが存在する。
　このように、センサの計測値間に大きなタイムラグが存在する場合、分析精度が低下する可能性がある。
　例えば、特許文献１の運用管理装置は、対象システムの分析において、センサ間で、数１式のような相関関数を決定する。
Figure JPOXMLDOC01-appb-M000001
　数１式において、Ｘ（ｔ）、Ｙ（ｔ）は、それぞれ、時刻ｔにおける、相関関数の入力、出力である、センサの計測値である。運用管理装置は、複数のセンサの内のセンサのペアごとに、数１式における係数Ａ１、Ａ２、…、ＡＮ、Ｂ１、Ｂ２、…、ＢＭを決定する。ここで、Ｎ、Ｍの値は、例えば、利用者等により予め入力される。そして、運用管理装置は、決定した相関関数を用いて、センサ間の相関破壊を検出する。
　センサ間のタイムラグが、数１式におけるＭの値に比べて大きい場合、数１式の相関関数では相関関係を十分近似することができず、相関関数による予測精度が低下する。この場合、センサ間の相関破壊が正確に検出できず、分析精度が低下する。
　本発明の目的は、上述の課題を解決し、対象システムのメトリック間に大きなタイムラグが存在する場合でも、対象システムの分析精度の低下を防ぐことができる、情報処理装置、及び、分析方法を提供することである。
　本発明の一態様における情報処理装置は、分析対象のシステムにおける第１のメトリックと第２のメトリックとの値を比較分析する処理手段と、前記第１のメトリックと前記第２のメトリックとの比較分析におけるそれぞれの使用データの時間的な対応関係を特定する前処理手段と、を備える。
　本発明の一態様における分析方法は、分析対象のシステムにおける第１のメトリックと第２のメトリックとの比較分析におけるそれぞれの使用データの時間的な対応関係を特定し、前記第１のメトリックと第２のメトリックとの値を比較分析する。
　本発明の一態様におけるコンピュータが読み取り可能な記録媒体は、コンピュータに、分析対象のシステムにおける第１のメトリックと第２のメトリックとの比較分析におけるそれぞれの使用データの時間的な対応関係を特定し、前記第１のメトリックと第２のメトリックとの値を比較分析する、処理を実行させるプログラムを格納する。
　本発明の効果は、対象システムのメトリック間に大きなタイムラグが存在する場合でも、対象システムの分析精度の低下を防げることである。
本発明の第１の実施の形態の特徴的な構成を示すブロック図である。 本発明の第１の実施の形態における、分析システムの構成を示すブロック図である。 本発明の第１の実施の形態における、コンピュータにより実現された分析装置１００の構成を示すブロック図である。 本発明の第１の実施の形態における、分析装置１００の動作を示すフローチャートである。 本発明の第１の実施の形態における、時系列データ１２１の例を示す図である。 本発明の第１の実施の形態における、タイムラグ情報１２２の例を示す図である。 本発明の第１の実施の形態における、相関モデル１２３の例を示す図である。 本発明の第１の実施の形態における、時系列変化のパターン（変化パターン）の例を示す図である。 本発明の第１の実施の形態における、タイムラグの抽出例を示す図である。 本発明の第１の実施の形態における、表示画面５０１（タイムラグ選択）の例を示す図である。 本発明の第１の実施の形態における、表示画面５０１（相関破壊の表示）の例を示す図である。 本発明の第１の実施の形態における、表示画面５０１（時系列比較）の例を示す図である。 本発明の第２の実施の形態における、分析システムの構成を示すブロック図である。
　本発明の第１の実施の形態について説明する。
　はじめに、本発明の第１の実施の形態の分析システムの構成について説明する。
　図２は、本発明の第１の実施の形態における、分析システムの構成を示すブロック図である。
　図２を参照すると、本発明の第１の実施の形態における分析システムは、分析装置１００、及び、分析対象のシステムである対象システム２００を含む。分析装置１００と対象システム２００とは、ネットワーク等によって通信可能に接続される。
　分析装置１００は、本発明の情報処理装置の一実施形態である。
　ここで、対象システム２００は、状態を監視するためのセンサが配置された、種々のシステムである。例えば、対象システム２００は、劣化診断のための振動センサ、温度センサ等が配置されたビルや橋梁等の構造物である。また、対象システム２００は、稼働状態を監視するための温度センサや流量センサ等が配置された製造プラントや電力プラント等のプラントでもよい。また、対象システム２００は、運転状態を監視するための各種センサやシーケンサ等の計測機器が組み込まれた車両、船舶、航空機等の移動体でもよい。さらに、対象システム２００は、上述のような物理的なセンサを用いるシステムに限らず、運用管理のための性能情報を計測するコンピュータシステムでもよい。また、対象システム２００は、このようなコンピュータシステムに、さらに、性能情報と同時刻の電力、温度等を収集する環境センサが配置されたシステムでもよい。
　ここでは、対象システム２００において計測される各センサや各性能種目を、メトリックと呼ぶ。メトリックは、特許文献１における相関モデルの生成対象である「要素」に相当する。
　分析装置１００は、対象システム２００から収集したメトリックの計測値の時系列をもとに、対象システム２００の状態を分析する。
　分析装置１００は、データ収集部１０１、データ記憶部１１１、前処理部１３０、処理部１４０、対話部１０６、及び、対処実行部１０７を含む。
　データ収集部１０１は、対象システム２００から、各センサにより検出された計測値等、各メトリックの計測値を、所定の収集間隔で収集する。
　データ記憶部１１１は、データ収集部１０１が収集したメトリックの計測値の時系列を、時系列データ１２１として記憶する。
　図５は、本発明の第１の実施の形態における、時系列データ１２１の例を示す図である。図５の例では、時系列データ１２１は、センサ１、２、…、ｎの各々について、１ｍｓごとに収集された計測値の時系列を含む。
　前処理部１３０は、メトリックの値間の時間的な対応関係を特定する。本発明の第１の実施の形態においては、前処理部１３０は、時間的な対応関係として、一方のメトリックの時系列変化に対する他方のメトリックの時系列変化のタイムラグを特定する。
　前処理部１３０は、タイムラグ検出部１０２、及び、タイムラグ記憶部１１２を含む。
　タイムラグ検出部１０２は、データ記憶部１１１に記憶された時系列データ１２１をもとに、タイムラグ情報１２２を生成する。
　タイムラグ情報１２２は、複数のメトリックの内のメトリックの各ペアのタイムラグを示す。本発明の実施の形態では、メトリックのペアのタイムラグは、メトリックのペアの一方のメトリック（先行メトリック）の時系列変化に対して、他方のメトリック（後行メトリック）に同様な時系列変化が発生する場合の、当該時系列変化間の時間差である。タイムラグは、当該時間差の概算値でもよい。本発明の実施の形態では、タイムラグは、後述するように、メトリックの所定長の期間（複数の監視間隔から成る期間）毎の時系列変化のパターンの系列を比較することにより検出される。このため、タイムラグの値には、当該時系列変化のパターンを抽出する期間長の整数倍の値が用いられる。
　図６は、本発明の第１の実施の形態における、タイムラグ情報１２２の例を示す図である。図６の例では、メトリックの各ペアについて、先行メトリックに対する後行メトリックのタイムラグが示されている。
　タイムラグ記憶部１１２は、タイムラグ検出部１０２により生成されたタイムラグ情報１２２を記憶する。
　処理部１４０は、対象システムにおけるメトリックの値間の比較分析を行う。本発明の第１の実施の形態においては、処理部１４０は、比較分析として、メトリック間の相関関係に基づく分析（相関モデル１２３の生成、相関破壊の検出）を行う。
　処理部１４０は、相関モデル生成部１０３、相関モデル記憶部１１３、相関破壊検出部１０４、及び、データ抽出部１０５を含む。
　相関モデル生成部１０３は、データ記憶部１１１に記憶された時系列データ１２１をもとに、対象システム２００の相関モデル１２３を生成する。
　相関モデル１２３は、複数のメトリックの内のメトリックの各ペアの相関関係を示す相関関数（または、変換関数）を含む。相関関数は、例えば、上述の数１式により表される。すなわち、相関関数は、メトリックのペアの内の一方のメトリック（入力メトリック）の時刻ｔ以前の計測値と他方のメトリック（出力メトリック）の時刻ｔより前の計測値とから、当該他方のメトリック（出力メトリック）の時刻ｔの値を予測する関数である。相関モデル生成部１０３は、特許文献１の運用管理装置と同様に、相関関数の係数を決定する。すなわち、相関モデル生成部１０３は、システム同定処理により、所定のモデル化期間の時系列データ１２１をもとに、各メトリックのペアについて、数１式における相関関数の係数Ａ１、Ａ２、…、ＡＮ、Ｂ１、Ｂ２、…、ＢＭを決定する。
　ただし、本発明の実施の形態では、タイムラグ記憶部１１２に記憶されたタイムラグ情報１２２を参照し、上述の先行メトリックの時系列をタイムラグだけシフトした（遅延させた）時系列が用いられる。相関モデル生成部１０３は、上述の先行メトリックの時系列をタイムラグだけシフトした（遅延させた）時系列を入力メトリックの時系列、上述の後行メトリックの時系列を出力メトリックの時系列として、相関関数を決定する。
　なお、相関モデル生成部１０３は、特許文献１の運用管理装置と同様に、メトリックの各ペアについて、相関関数の変換誤差をもとに重みを算出し、重みが所定値以上の相関関数（有効な相関関数）の集合を相関モデル１２３としてもよい。
　図７は、本発明の第１の実施の形態における、相関モデル１２３の例を示す図である。図７の例では、メトリックの各ペアについて、数１式における、係数Ａ１、…、Ｂ１、…、の値が示されている。
　相関モデル記憶部１１３は、相関モデル生成部１０３により生成された相関モデル１２３を記憶する。
　相関破壊検出部１０４は、特許文献１の運用管理装置と同様に、新たに収集されたメトリックの計測値を用いて、相関モデル１２３に含まれる相関関係が維持されているか、破壊されているかを判定する。
　ここで、相関破壊検出部１０４は、データ抽出部１０５により抽出された、新たに収集されたメトリックの計測値を用いる。相関破壊検出部１０４は、メトリックの各ペアについて、出力メトリックの時刻ｔの計測値と、相関関数を用いて算出された出力メトリックの時刻ｔの予測値との差分（予測誤差）を算出する。相関破壊検出部１０４は、算出された差分が所定値以上の場合、当該相関関係が破壊されていると判定する。
　データ抽出部１０５は、データ記憶部１１１に記憶された時系列データ１２１から、相関破壊の検出に必要な、新たに収集されたメトリックの計測値を抽出し、相関破壊検出部１０４へ出力する。データ抽出部１０５は、入力メトリックについては、タイムラグ記憶部１１２に記憶されたタイムラグ情報１２２を参照し、タイムラグ分過去の計測値を出力する。
　対話部１０６は、相関破壊の検出結果を利用者等に提示する。
　また、対話部１０６は、利用者等からの操作に応じて、相関破壊に対する対処の実行を対処実行部１０７に指示してもよい。この場合、対処実行部１０７は、対象システム２００上で、指示された対処を実行する。
　なお、分析装置１００は、ＣＰＵ（Central Processing Unit）とプログラムを記憶した記憶媒体を含み、プログラムに基づく制御によって動作するコンピュータであってもよい。また、データ記憶部１１１、相関モデル記憶部１１３、及び、タイムラグ記憶部１１２は、それぞれ個別の記憶媒体でも、１つの記憶媒体によって構成されていてもよい。
　図３は、本発明の第１の実施の形態における、コンピュータにより実現された分析装置１００の構成を示すブロック図である。
　図３を参照すると、分析装置１００は、ＣＰＵ１６１、記憶媒体１６２、通信部１６３、入力部１６４、及び、出力部１６５を含む。ＣＰＵ１６１は、データ収集部１０１、タイムラグ検出部１０２、相関モデル生成部１０３、相関破壊検出部１０４、データ抽出部１０５、対話部１０６、及び、対処実行部１０７の機能を実現するためのコンピュータプログラムを実行する。記憶媒体１６２は、データ記憶部１１１、タイムラグ記憶部１１２、及び、相関モデル記憶部１１３のデータを記憶する。通信部１６３は、対象システム２００から各メトリックの計測値を受信する。入力部１６４は、例えば、キーボード等の入力デバイスであり、利用者等から対話部１０６への入力を受け付ける。出力部１６５は、例えば、ディスプレイ等の表示デバイスであり、対話部１０６からの出力を利用者等へ表示する。
　次に、本発明の第１の実施の形態における分析装置１００の動作について説明する。
　図４は、本発明の第１の実施の形態における、分析装置１００の動作を示すフローチャートである。
　はじめに、データ収集部１０１は、対象システム２００から、各メトリックの計測値を、所定の収集間隔で収集する（ステップＳ１０１）。データ収集部１０１は、収集した各メトリックの計測値の時系列を、時系列データ１２１として、データ記憶部１１１に保存する。
　例えば、データ収集部１０１は、図５のような時系列データ１２１を保存する。
　前処理部１３０のタイムラグ検出部１０２は、時系列データ１２１をもとに、タイムラグ情報１２２を生成する（ステップＳ１０２）。タイムラグ検出部１０２は、生成したタイムラグ情報１２２をタイムラグ記憶部１１２に保存する。
　ここで、タイムラグ検出部１０２は、例えば、メトリックの各ペアについて、メトリックの所定長の期間毎の時系列変化のパターンの系列を比較することにより、タイムラグを検出する。
　図８は、本発明の第１の実施の形態における、時系列変化のパターン（変化パターン）の例を示す図である。変化パターンは、所定長の期間における、メトリックの計測値の増減傾向のパターンである。例えば、図８における、記号Ａの変化パターンは、所定長の期間の間、メトリックの計測値が変わらないことを示す。また、記号Ｂの変化パターンは、所定長の期間の間、メトリックの計測値が増加することを示す。
　図９は、本発明の第１の実施の形態における、タイムラグの抽出例を示す図である。図９の例では、変化パターンを検出する所定長Ｗとして、４０ｍｓｅｃが用いられている。
　タイムラグ検出部１０２は、各メトリックの時系列について、図８のような変化パターンに従って、所定長Ｗの期間毎に、対応する変化パターンの記号を付与する。そして、タイムラグ検出部１０２は、各メトリックについて付与された記号の系列を、メトリックの各ペアについて比較することにより、先行メトリックと後行メトリックの関係にあるペアと、当該ペアのタイムラグを検出する。
　例えば、図９において、センサ１、センサ２、及び、センサ３の時系列には、それぞれ、変化パターンの記号の系列「ＤＢＤＧＥＥＤＢＤＥＢ」、「ＤＢＤＧＥＥＤＢＤＥＢ」、及び、「ＣＣＢＤＥＤＢＤＧＥＥ」が付与される。これらの系列を比較することにより、センサ１を先行メトリック、センサ２を後行メトリックとしたペアについて、タイムラグＷ×０＝０ｍｓｅｃが検出される。同様に、センサ１を先行メトリック、センサ３を後行メトリックとしたペアについて、タイムラグＷ×５＝２００ｍｓｅｃが検出される。
　そして、タイムラグ検出部１０２は、図６のようなタイムラグ情報１２２を、タイムラグ記憶部１１２に保存する。
　なお、ステップＳ１０２において、メトリックのペアに対するタイムラグの候補が複数検出された場合、対話部１０６が、タイムラグの候補を利用者等に提示し、利用者からタイムラグの選択を受け付けてもよい。
　図１０は、本発明の第１の実施の形態における、表示画面５０１（タイムラグ選択）の例を示す図である。図１０の表示画面５０１では、時系列グラフにより、センサ１を先行メトリック、センサ３を後行メトリックとしたペアに対するタイムラグの候補として、２００ｍｓｅｃと４００ｍｓｅｃとが検出されたことが示されている。
　この場合、対話部１０６は、例えば、図１０の表示画面５０１を利用者等に表示する。対話部１０６は、表示画面５０１において、タイムラグ選択ボタンにより、タイムラグの候補中の分析に用いるタイムラグの選択を、利用者等から受け付ける。
　処理部１４０の相関モデル生成部１０３は、タイムラグ情報１２２に含まれる各メトリックのペアについて、相関モデル１２３を生成する（ステップＳ１０３）。ここで、相関モデル生成部１０３は、先行メトリックの時系列をタイムラグ分シフトした（遅延させた）時系列を入力メトリックの時系列として、後行メトリックの時系列を出力メトリックの時系列として用いる。相関モデル生成部１０３は、生成した相関モデル１２３を相関モデル記憶部１１３に保存する。
　例えば、センサ１、センサ３の計測値が、それぞれ、Ｓ１（ｔ）、Ｓ３（ｔ）であると仮定する。この場合、相関モデル生成部１０３は、図６のタイムラグ情報１２２におけるセンサ１、センサ３のペアについて、数１式における入力、出力に、それぞれ、Ｘ（ｔ）＝Ｓ１（ｔ－２００）、Ｙ（ｔ）＝Ｓ３（ｔ）を設定して、相関関数を決定する。
　この結果、相関モデル生成部１０３は、例えば、図７のように、相関関数を決定する。そして、相関モデル生成部１０３は、図７の相関モデル１２３を相関モデル記憶部１１３に保存する。
　データ収集部１０１は、対象システム２００から、各メトリックの新たな計測値を収集する（ステップＳ１０４）。データ収集部１０１は、収集した各メトリックの新たな計測値の時系列を、時系列データ１２１として、データ記憶部１１１に保存する。
　データ抽出部１０５は、相関モデル１２３に含まれる各相関関数について、各メトリックの新たな計測値から、相関破壊の検出に必要な計測値を抽出し、相関破壊検出部１０４へ出力する（ステップＳ１０５）。ここで、データ抽出部１０５は、相関関数の出力メトリックの時刻ｔの予測値を算出するために必要な、入力メトリックの時刻ｔ以前の計測値、及び、出力メトリックの時刻ｔより前の計測値を抽出する。ただし、データ抽出部１０５は、入力メトリックについては、タイムラグ分過去の計測値を抽出する。
　例えば、データ抽出部１０５は、図７の相関モデル１２３における、センサ１、センサ３のペアについて、数１式における入力Ｘ（ｔ）の計測値としてＳ１（ｔ－２００）を、出力Ｙ（ｔ－１）の計測値としてＳ３（ｔ－１）を、それぞれ出力する。
　相関破壊検出部１０４は、データ抽出部１０５により抽出された、各メトリックの新たな計測値を用いて、相関モデル１２３に含まれる各相関関数について、相関破壊を検出する（ステップＳ１０６）。ここで、相関破壊検出部１０４は、データ抽出部１０５により抽出された、入力メトリックの時刻ｔ以前の計測値、及び、出力メトリックの時刻ｔより前の計測値を相関関数に適用して、出力メトリックの時刻ｔの予測値を算出する。そして、相関破壊検出部１０４は、出力メトリックの時刻ｔの計測値と予測値との差分をもとに、相関破壊を検出する。
　例えば、相関破壊検出部１０４は、図７の相関モデル１２３における、センサ１、センサ３のペアについて、次のように、センサ３の時刻ｔの予測値を算出する。相関破壊検出部１０４は、Ｙ（ｔ－１）の計測値（Ｓ３（ｔ－１））を０．９６倍した値と、Ｘ（ｔ）の計測値（Ｓ１（ｔ－２００））を７０倍した値と、を用いて、センサ３の時刻ｔの値（Ｙ（ｔ））の予測値を算出する。
　対話部１０６は、相関破壊の検出結果を利用者等に提示する（ステップＳ１０７）。
　図１１は、本発明の第１の実施の形態における、表示画面５０１（相関破壊の表示）の例を示す図である。図１１の表示画面５０１では、異常度ランキングにおいて、センサ１とセンサ３の相関関係が破壊されていることが示されている。また、時系列グラフにより、センサ１とセンサ３の計測値がタイムラグ分ずれて変化し、センサ３の現在の計測値が予測値からずれていることが示されている。
　対話部１０６は、例えば、図１１の表示画面５０１を利用者等に表示する。また、対話部１０６は、表示画面５０１において、対処選択ボタンにより、利用者等による、相関破壊に対する対処の指示を受け付けてもよい。
　なお、対話部１０６は、さらに、メトリック間の時系列変化を比較しやすいように、検出されたタイムラグ分補正した時系列グラフを提示してもよい。
　図１２は、本発明の第１の実施の形態における、表示画面５０１（時系列比較）の例を示す図である。図１２の表示画面５０１の時系列グラフでは、センサ１の計測値の時系列変化とタイムラグ分進めたセンサ３の計測値の時系列変化とが表示されている。
　対話部１０６は、例えば、図１２の表示画面５０１を利用者等に表示する。
　以降、対話部１０６は、利用者等からの操作に応じて、相関破壊に対する対処を対処実行部１０７に指示する。対処実行部１０７は、対象システム２００上で、指示された対処を実行する。
　以上により、本発明の第１の実施の形態の動作が完了する。
　なお、本発明の第１の実施の形態では、対象システムにおけるメトリックの値間の比較分析として、相関関係に基づく分析を行った。しかしながら、これに限らず、メトリック間のタイムラグが影響する比較分析であれば、相関関係に基づく分析以外の他の分析を行ってもよい。
　また、本発明の第１の実施の形態では、相関関数として数１式を用いた。しかしながら、これに限らず、メトリックのペア間の相関関係を表す相関関数であれば、他の相関関数を用いてもよい。
　また、本発明の第１の実施の形態では、メトリックの各ペアのタイムラグを、時系列変化のパターンの系列を比較することにより検出した。しかしながら、これに限らず、メトリックの値の変化に基づいてタイムラグが検出できれば、例えば、メトリックの値が最大値或いは最小値を示す時間の時間差や、メトリックの時系列間の位相差を用いる等、他の方法により、タイムラグを検出してもよい。
　また、本発明の第１の実施の形態では、時系列変化のパターン（変化パターン）として、図８のような変化パターンを用いた。しかしながら、これに限らず、時系列間のタイムラグを抽出できれば、他の変化パターンを用いてもよい。
　また、本発明の第１の実施の形態では、先行メトリックの変化パターンの系列に対して、後行メトリックに同様な（増減傾向が同じ）変化パターンの系列が発生する場合の時間差をタイムラグとして用いた。しかしながら、これに限らず、増減傾向が反対の変化パターンの系列が発生する場合の時間差をタイムラグとして用いてもよい。
　次に、本発明の第１の実施の形態の特徴的な構成を説明する。図１は、本明の第１の実施の形態の特徴的な構成を示すブロック図である。
　分析装置（情報処理装置）１００は、処理部１４０、及び、前処理部１３０を含む。処理部１４０は、分析対象のシステムにおける第１のメトリックと第２のメトリックとの値を比較分析する。前処理部１３０は、第１のメトリックと第２のメトリックとの比較分析におけるそれぞれの使用データの時間的な対応関係を特定する。
　次に、本発明の第１の実施の形態の効果を説明する。
　本発明の第１の実施の形態によれば、対象システムのメトリック間に大きなタイムラグが存在する場合でも、対象システムの分析精度の低下を防ぐことができる。その理由は、前処理部１３０が、第１のメトリックと第２のメトリックとの比較分析におけるそれぞれの使用データの時間的な対応関係を特定するためである。
　また、相関関係におけるタイムラグの大きさは、センサが取り付けられた対象システムや当該対象システムの動作状況によって異なるため、予めナレッジとして設定しておくことは困難であった。
　本発明の第１の実施の形態によれば、対象システムに応じたメトリック間のタイムラグを容易に特定できる。その理由は、タイムラグ検出部１０２が、先行メトリックの所定長の期間毎の時系列変化のパターンの系列と、後行メトリックの所定長の期間毎の時系列変化のパターンの系列とを比較することにより、タイムラグを検出するためである。
　また、相関破壊検出部１０４には、新たに収集された多数の計測値に対して、リアルタイムに相関破壊を検出する必要があるため、例えば、専用のハードウェアやプログラムによる分析エンジンが用いられることがあった。
　本発明の第１の実施の形態によれば、対象システムのメトリック間に大きなタイムラグが存在する場合であっても、大きなタイムラグに対応していない相関破壊検出部１０４（分析エンジン）をそのまま利用できる。その理由は、データ抽出部１０５が、入力メトリックについて、タイムラグ分過去の計測値を抽出し、相関破壊検出部１０４が、データ抽出部１０５により抽出された計測値を用いて、相関破壊を検出するためである。
　（第２の実施の形態）
　次に、本発明の第２の実施の形態について説明する。
　本発明の第２の実施の形態においては、タイムラグ情報１２２の生成、及び、相関モデル１２３の生成が、分析装置１００とは異なる装置で行われる点で、本発明の第１の実施の形態と異なる。なお、本発明の第２の実施の形態において、本発明の第１の実施の形態と同じ符号が付与された構成要素は、特に記載のない限り、本発明の第１の実施の形態と同様であるものとする。
　図１３は、本発明の第２の実施の形態における、分析システムの構成を示すブロック図である。
　図１３を参照すると、本発明の第２の実施の形態における分析システムは、分析装置１００、監視装置１５０、及び、対象システム２００を含む。分析装置１００と対象システム２００は、ネットワーク等によって通信可能に接続される。また、分析装置１００と監視装置１５０も、ネットワーク等によって通信可能に接続される。
　分析装置１００は、本発明の第１の実施の形態の分析装置１００（図２）と同様のデータ収集部１０１、データ記憶部１１１、タイムラグ記憶部１１２、相関モデル記憶部１１３、相関破壊検出部１０４、データ抽出部１０５、及び、対処実行部１０７を含む。分析装置１００は、これらに加えて、さらに、対処決定部１０８を含む。
　また、監視装置１５０は、本発明の第１の実施の形態の分析装置１００（図２）と同様のタイムラグ検出部１０２、相関モデル生成部１０３、及び、対話部１０６を含む。
　監視装置１５０のタイムラグ検出部１０２は、分析装置１００のデータ記憶部１１１に記憶された時系列データ１２１をもとに、タイムラグ情報１２２を生成する。
　監視装置１５０の相関モデル生成部１０３は、分析装置１００のデータ記憶部１１１に記憶された時系列データ１２１、及び、タイムラグ記憶部１１２に記憶されたタイムラグ情報１２２をもとに、相関モデル１２３を生成する。
　分析装置１００の対処決定部１０８は、相関破壊検出部１０４による相関破壊の検出結果に応じて、予め定められた条件で、実行すべき対処を決定し、対処実行部１０７に対処の実行を指示する。そして、対処決定部１０８は、対処の実行結果を、監視装置１５０の対話部１０６を介して、利用者等に提示する。また、対処決定部１０８は、本発明の第１の実施の形態と同様に、対話部１０６を介して入力された利用者等からの操作に応じて、対処の実行を対処実行部１０７に指示してもよい。
　なお、タイムラグ検出部１０２、及び、相関モデル生成部１０３は、さらに、監視装置１５０とは異なる装置に含まれていてもよい。
　次に、本発明の第２の実施の形態の効果を説明する。
　本発明の第２の実施の形態によれば、本発明の第１の実施の形態に比べて、相関破壊の検出による対象システム２００のリアルタイムな異常分析をより高速に行うことができる。その理由は、比較的処理負荷の大きい、タイムラグ検出部１０２によるタイムラグ情報１２２の生成、及び、相関モデル生成部１０３による相関モデル１２３の生成を、異常分析を行う分析装置１００とは異なる装置で実行するためである。
　以上、実施形態を参照して本願発明を説明したが、本願発明は上記実施形態に限定されるものではない。本願発明の構成や詳細には、本願発明のスコープ内で当業者が理解し得る様々な変更をすることができる。
　この出願は、２０１３年９月２６日に出願された日本出願特願２０１３－１９９９４３を基礎とする優先権を主張し、その開示の全てをここに取り込む。
　１００　　分析装置
　１０１　　データ収集部
　１０２　　タイムラグ検出部
　１０３　　相関モデル生成部
　１０４　　相関破壊検出部
　１０５　　データ抽出部
　１０６　　対話部
　１０７　　対処実行部
　１０８　　対処決定部
　１１１　　データ記憶部
　１１２　　タイムラグ記憶部
　１１３　　相関モデル記憶部
　１２１　　時系列データ
　１２２　　タイムラグ情報
　１２３　　相関モデル
　１３０　　前処理部
　１４０　　処理部
　１５０　　監視装置
　１６１　　ＣＰＵ
　１６２　　記憶媒体
　１６３　　通信部
　１６４　　入力部
　１６５　　出力部
　２００　　対象システム

Claims (15)

  1. 　分析対象のシステムにおける第１のメトリックと第２のメトリックとの値を比較分析する処理手段と、
    　前記第１のメトリックと前記第２のメトリックとの比較分析におけるそれぞれの使用データの時間的な対応関係を特定する前処理手段と、
    を備えた情報処理装置。
  2. 　前記第１および第２のメトリックの時系列変化は、前記対応関係に基づく補正をした時系列変化として表示される、
    請求項１に記載の情報処理装置。
  3. 　前記対応関係は、前記第１のメトリックの時系列変化に対する前記第２のメトリックの時系列変化のタイムラグである、
    請求項１または２に記載の情報処理装置。
  4. 　前記対応関係が複数特定される場合には、対応関係を一意に選択するために、特定された複数の前記対応関係が表示される、
    請求項１から３のいずれか１項に記載の情報処理装置。
  5. 　前記比較分析は、前記第１のメトリックの時系列と前記第２のメトリックの時系列との間の相関関係に基づく分析である、
    請求項１から４のいずれか１項に記載の情報処理装置。
  6. 　分析対象のシステムにおける第１のメトリックと第２のメトリックとの比較分析におけるそれぞれの使用データの時間的な対応関係を特定し、
    　前記第１のメトリックと第２のメトリックとの値を比較分析する、
    分析方法。
  7. 　前記第１および第２のメトリックの時系列変化は、前記対応関係に基づく補正をした時系列変化として表示される、
    請求項６に記載の分析方法。
  8. 　前記対応関係は、前記第１のメトリックの時系列変化に対する前記第２のメトリックの時系列変化のタイムラグである、
    請求項６または７に記載の分析方法。
  9. 　前記対応関係が複数特定される場合には、対応関係を一意に選択するために、特定された複数の前記対応関係が表示される、
    請求項６から８のいずれか１項に記載の分析方法。
  10. 　前記比較分析は、前記第１のメトリックの時系列と前記第２のメトリックの時系列との間の相関関係に基づく分析である、
    請求項６から９のいずれか１項に記載の分析方法。
  11. 　コンピュータに、
    　分析対象のシステムにおける第１のメトリックと第２のメトリックとの比較分析におけるそれぞれの使用データの時間的な対応関係を特定し、
    　前記第１のメトリックと第２のメトリックとの値を比較分析する、
    処理を実行させるプログラムを格納する、コンピュータが読み取り可能な記録媒体。
  12. 　前記第１および第２のメトリックの時系列変化は、前記対応関係に基づく補正をした時系列変化として表示される、
    請求項１１に記載のプログラムを格納する、コンピュータが読み取り可能な記録媒体。
  13. 　前記対応関係は、前記第１のメトリックの時系列変化に対する前記第２のメトリックの時系列変化のタイムラグである、
    請求項１１または１２に記載のプログラムを格納する、コンピュータが読み取り可能な記録媒体。
  14. 　前記対応関係が複数特定される場合には、対応関係を一意に選択するために、特定された複数の前記対応関係が表示される、
    請求項１１から１３のいずれか１項に記載のプログラムを格納する、コンピュータが読み取り可能な記録媒体。
  15. 　前記比較分析は、前記第１のメトリックの時系列と前記第２のメトリックの時系列との間の相関関係に基づく分析である、
    請求項１１から１４のいずれか１項に記載のプログラムを格納する、コンピュータが読み取り可能な記録媒体。
PCT/JP2014/004707 2013-09-26 2014-09-11 情報処理装置、及び、分析方法 WO2015045319A1 (ja)

Priority Applications (4)

Application Number Priority Date Filing Date Title
CN201480053145.6A CN105579922B (zh) 2013-09-26 2014-09-11 信息处理装置以及分析方法
JP2015538886A JP6406261B2 (ja) 2013-09-26 2014-09-11 情報処理装置、及び、分析方法
US15/023,850 US20160231738A1 (en) 2013-09-26 2014-09-11 Information processing apparatus and analysis method
EP14847009.9A EP3051374A4 (en) 2013-09-26 2014-09-11 Information processing device and analysis method

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2013-199943 2013-09-26
JP2013199943 2013-09-26

Publications (1)

Publication Number Publication Date
WO2015045319A1 true WO2015045319A1 (ja) 2015-04-02

Family

ID=52742492

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2014/004707 WO2015045319A1 (ja) 2013-09-26 2014-09-11 情報処理装置、及び、分析方法

Country Status (5)

Country Link
US (1) US20160231738A1 (ja)
EP (1) EP3051374A4 (ja)
JP (1) JP6406261B2 (ja)
CN (1) CN105579922B (ja)
WO (1) WO2015045319A1 (ja)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2017164368A1 (ja) * 2016-03-24 2017-09-28 三菱重工業株式会社 監視装置、監視方法、プログラム
JP2017207852A (ja) * 2016-05-17 2017-11-24 Kddi株式会社 相互相関に基づいて時系列変化点を検出可能なプログラム、装置及び方法
WO2019087508A1 (ja) * 2017-10-31 2019-05-09 三菱重工業株式会社 監視対象選定装置、監視対象選定方法、およびプログラム
JP2021189717A (ja) * 2020-05-29 2021-12-13 株式会社東芝 プラント監視支援装置、方法及びプログラム
JP7358791B2 (ja) 2019-06-11 2023-10-11 中国電力株式会社 プラント監視システムおよびプラント監視方法
JP7544863B2 (ja) 2020-05-19 2024-09-03 タタ コンサルタンシー サービシズ リミテッド 製造業のための自己組織化サイバー・フィジカル・システムの開発及び展開のためのシステム及び方法

Families Citing this family (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9295647B2 (en) 2013-03-13 2016-03-29 Transdermal Biotechnology, Inc. Systems and methods for delivery of peptides
US9320706B2 (en) 2013-03-13 2016-04-26 Transdermal Biotechnology, Inc. Immune modulation using peptides and other compositions
US9687520B2 (en) 2013-03-13 2017-06-27 Transdermal Biotechnology, Inc. Memory or learning improvement using peptide and other compositions
US9387159B2 (en) 2013-03-13 2016-07-12 Transdermal Biotechnology, Inc. Treatment of skin, including aging skin, to improve appearance
US9314423B2 (en) 2013-03-13 2016-04-19 Transdermal Biotechnology, Inc. Hair treatment systems and methods using peptides and other compositions
US9314417B2 (en) 2013-03-13 2016-04-19 Transdermal Biotechnology, Inc. Treatment of skin, including aging skin, to improve appearance
US9724419B2 (en) 2013-03-13 2017-08-08 Transdermal Biotechnology, Inc. Peptide systems and methods for metabolic conditions
US9295636B2 (en) 2013-03-13 2016-03-29 Transdermal Biotechnology, Inc. Wound healing using topical systems and methods
US9314422B2 (en) 2013-03-13 2016-04-19 Transdermal Biotechnology, Inc. Peptide systems and methods for metabolic conditions
US20140271937A1 (en) 2013-03-13 2014-09-18 Transdermal Biotechnology, Inc. Brain and neural treatments comprising peptides and other compositions
US9849160B2 (en) 2013-03-13 2017-12-26 Transdermal Biotechnology, Inc. Methods and systems for treating or preventing cancer
US20140271938A1 (en) 2013-03-13 2014-09-18 Transdermal Biotechnology, Inc. Systems and methods for delivery of peptides
JP5875726B1 (ja) * 2015-06-22 2016-03-02 株式会社日立パワーソリューションズ 異常予兆診断装置のプリプロセッサ及びその処理方法
WO2018178082A1 (en) * 2017-03-28 2018-10-04 Shell Internationale Research Maatschappij B.V. Method, computer device and system for providing a visualization of sensor measurements
US10841020B2 (en) * 2018-01-31 2020-11-17 Sap Se Online self-correction on multiple data streams in sensor networks
DE102019135493A1 (de) * 2019-12-20 2021-06-24 Trumpf Werkzeugmaschinen Gmbh + Co. Kg Verfahren und System zur Synchronisation von Signalen
US11853912B1 (en) * 2020-01-30 2023-12-26 Amazon Technologies, Inc. Determining causal insights

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH01250818A (ja) * 1988-03-31 1989-10-05 Toshiba Corp プロセスデータ解析装置
WO2005028838A1 (ja) * 2003-09-24 2005-03-31 A & D Company, Ltd. 多信号解析装置
JP4872944B2 (ja) 2008-02-25 2012-02-08 日本電気株式会社 運用管理装置、運用管理システム、情報処理方法、及び運用管理プログラム

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US3492646A (en) * 1965-04-26 1970-01-27 Ibm Cross correlation and decision making apparatus
US4739472A (en) * 1984-12-07 1988-04-19 Nec Corporation Information processing device capable of rapidly processing instructions of different groups
JPH1097306A (ja) * 1996-09-20 1998-04-14 Hitachi Ltd 状態監視方法及びそのための装置
JP2003208219A (ja) * 2002-01-10 2003-07-25 Yamatake Building Systems Co Ltd 異常検知装置および方法
EP1550964A1 (en) * 2003-12-30 2005-07-06 Sap Ag A method and an appratus of forecasting demand for a product in a managed supply chain
JP5373662B2 (ja) * 2010-02-26 2013-12-18 大学共同利用機関法人情報・システム研究機構 映像表示装置
US9519393B2 (en) * 2011-09-30 2016-12-13 Siemens Schweiz Ag Management system user interface for comparative trend view
JP5616948B2 (ja) * 2012-02-16 2014-10-29 株式会社半導体理工学研究センター マルチビットのデルタシグマ型タイムデジタイザ回路及びその校正方法
DE102014005866A1 (de) * 2013-05-09 2014-11-13 Stmicroelectronics S.R.L. Verfahren und System zum Verarbeiten von Daten von erfasstem Ionisationsstrom für Echtzeitschätzung von Brennraumdruck in einem Motor mit Funkenzündung

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH01250818A (ja) * 1988-03-31 1989-10-05 Toshiba Corp プロセスデータ解析装置
WO2005028838A1 (ja) * 2003-09-24 2005-03-31 A & D Company, Ltd. 多信号解析装置
JP4872944B2 (ja) 2008-02-25 2012-02-08 日本電気株式会社 運用管理装置、運用管理システム、情報処理方法、及び運用管理プログラム

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
See also references of EP3051374A4 *

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2017164368A1 (ja) * 2016-03-24 2017-09-28 三菱重工業株式会社 監視装置、監視方法、プログラム
JPWO2017164368A1 (ja) * 2016-03-24 2018-11-15 三菱重工業株式会社 監視装置、監視方法、プログラム
US10866163B2 (en) 2016-03-24 2020-12-15 Mitsubishi Heavy Industries, Ltd. Anomaly monitoring device and method for producing anomaly signs according to combinations of sensors based on relationship of sensor fluctuations
JP2017207852A (ja) * 2016-05-17 2017-11-24 Kddi株式会社 相互相関に基づいて時系列変化点を検出可能なプログラム、装置及び方法
WO2019087508A1 (ja) * 2017-10-31 2019-05-09 三菱重工業株式会社 監視対象選定装置、監視対象選定方法、およびプログラム
JP2019082918A (ja) * 2017-10-31 2019-05-30 三菱重工業株式会社 監視対象選定装置、監視対象選定方法、およびプログラム
JP7358791B2 (ja) 2019-06-11 2023-10-11 中国電力株式会社 プラント監視システムおよびプラント監視方法
JP7544863B2 (ja) 2020-05-19 2024-09-03 タタ コンサルタンシー サービシズ リミテッド 製造業のための自己組織化サイバー・フィジカル・システムの開発及び展開のためのシステム及び方法
JP2021189717A (ja) * 2020-05-29 2021-12-13 株式会社東芝 プラント監視支援装置、方法及びプログラム
JP7391765B2 (ja) 2020-05-29 2023-12-05 株式会社東芝 プラント監視支援装置、方法及びプログラム

Also Published As

Publication number Publication date
CN105579922A (zh) 2016-05-11
EP3051374A1 (en) 2016-08-03
CN105579922B (zh) 2019-06-07
JP6406261B2 (ja) 2018-10-17
EP3051374A4 (en) 2017-04-05
JPWO2015045319A1 (ja) 2017-03-09
US20160231738A1 (en) 2016-08-11

Similar Documents

Publication Publication Date Title
JP6406261B2 (ja) 情報処理装置、及び、分析方法
US10747188B2 (en) Information processing apparatus, information processing method, and, recording medium
JP6160673B2 (ja) 運用管理装置、運用管理方法、及びプログラム
JP6183450B2 (ja) システム分析装置、及び、システム分析方法
US10228994B2 (en) Information processing system, information processing method, and program
JP6183449B2 (ja) システム分析装置、及び、システム分析方法
KR101978569B1 (ko) 플랜트 데이터 예측 장치 및 방법
JP5827425B1 (ja) 予兆診断システム及び予兆診断方法
KR20200043196A (ko) 진동 신호를 이용하여 설비 또는 부품의 잔여 수명을 예측하는 딥러닝 기반의 분석 장치 및 방법
US20190265088A1 (en) System analysis method, system analysis apparatus, and program
KR20190025474A (ko) 플랜트 데이터 예측 장치 및 방법
EP3674827B1 (en) Monitoring target selecting device, monitoring target selecting method and program
JP6521096B2 (ja) 表示方法、表示装置、および、プログラム
EP2492829A1 (en) Method of determining the influence of a variable in a phenomenon
JP2019159786A (ja) 情報処理装置、情報処理方法、プログラム
KR20200010671A (ko) 기계 학습 기반의 설비 이상 진단 시스템 및 방법
JPWO2017150286A1 (ja) システム分析装置、システム分析方法、及び、プログラム
JP5771317B1 (ja) 異常診断装置及び異常診断方法
US11073825B2 (en) Causal relationship learning method, program, device, and anomaly analysis system
KR20200051343A (ko) 시계열 데이터 예측 모델 평가 방법 및 장치
JP6973445B2 (ja) 表示方法、表示装置、および、プログラム
US20220413480A1 (en) Time series data processing method
WO2019142344A1 (ja) 分析装置、分析方法、及び、記録媒体
KR102199695B1 (ko) 가중 거리 자기 연상 양방향 커널 회귀를 이용한 온라인 신호 데이터 검증 장치 및 방법
WO2019142346A1 (ja) 分析システム、分析方法、及び、記録媒体

Legal Events

Date Code Title Description
WWE Wipo information: entry into national phase

Ref document number: 201480053145.6

Country of ref document: CN

121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 14847009

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2015538886

Country of ref document: JP

Kind code of ref document: A

WWE Wipo information: entry into national phase

Ref document number: 15023850

Country of ref document: US

NENP Non-entry into the national phase

Ref country code: DE

REEP Request for entry into the european phase

Ref document number: 2014847009

Country of ref document: EP

WWE Wipo information: entry into national phase

Ref document number: 2014847009

Country of ref document: EP