WO2016143337A1 - 情報処理装置、情報処理方法、及び、記録媒体 - Google Patents

情報処理装置、情報処理方法、及び、記録媒体 Download PDF

Info

Publication number
WO2016143337A1
WO2016143337A1 PCT/JP2016/001283 JP2016001283W WO2016143337A1 WO 2016143337 A1 WO2016143337 A1 WO 2016143337A1 JP 2016001283 W JP2016001283 W JP 2016001283W WO 2016143337 A1 WO2016143337 A1 WO 2016143337A1
Authority
WO
WIPO (PCT)
Prior art keywords
state
combination
metric
model
models
Prior art date
Application number
PCT/JP2016/001283
Other languages
English (en)
French (fr)
Inventor
謙太郎 矢吹
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 JP2017504869A priority Critical patent/JP6733656B2/ja
Priority to US15/556,939 priority patent/US10733331B2/en
Publication of WO2016143337A1 publication Critical patent/WO2016143337A1/ja

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • 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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/30—Monitoring
    • G06F11/34—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment
    • 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
    • G06F11/3013—Monitoring arrangements specially adapted to the computing system or computing system component being monitored where the computing system is an embedded system, i.e. a combination of hardware and software dedicated to perform a certain function in mobile devices, printers, automotive or aircraft systems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/30—Monitoring
    • G06F11/34—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment
    • G06F11/3452—Performance evaluation by statistical analysis

Definitions

  • the present invention relates to an information processing apparatus, an information processing method, and a recording medium.
  • invariant relation analysis described in Patent Document 1 is known as a technique related to system state monitoring.
  • a correlation function that indicates the statistical relationship of each of a plurality of pairs of system metrics (performance indicators) for each period such as a day of the week or a time zone in which the system has a specific state Is set as a correlation model. Then, the system abnormality is detected by determining whether or not the newly acquired metric value matches the correlation model corresponding to the period during which the value is acquired.
  • FIG. 20 is a diagram illustrating an example of a statistical relationship between metrics for each system state.
  • T1, T2, For each period (T1, T2,%) Corresponding to each of the system states (P1, P2,%), Each pair of metrics (“A, C”, “B, C”, “ D, E “,” D, F ") relationship (Rxy) has changed. Then, for each period, a correlation function (Fxy) is detected for each pair of metrics, and a set thereof is set in the correlation model (M1, M2,).
  • Patent Document 2 discloses a technique for detecting a system abnormality by generating a correlation model for each of a plurality of pairs of system metrics in invariant relation analysis.
  • Patent Document 3 in the invariant relation analysis, a larger period in which the correlation model generated for each period can be applied is extracted, and the correlation model application schedule is determined by associating it with the calendar attribute.
  • Technology is disclosed.
  • FIG. 21 is a diagram showing another example of the relationship between metrics for each system state.
  • the relationship between each pair of metrics changes at a timing different from the period (T1, T2,%) Corresponding to the state (P1, P2,%), And also changes within each period. .
  • An object of the present invention is to solve the above-described problem, and to monitor a system state accurately even when the timing at which the relationship changes for each set of metrics is different, an information processing apparatus, an information processing method, And providing a recording medium.
  • the information processing apparatus of the present invention stores, for each of a plurality of metric sets in the system, a model storage unit that stores a model representing the relationship between metrics included in the metric set, and when the system is in one state. Whether the system is in the one state by comparing the combination of the models to which each of the plurality of metric sets is matched with the combination of the models to which the plurality of metric sets at the time of determination are respectively matched Determination means for determining and outputting whether or not.
  • the information processing method of the present invention stores, for each of a plurality of metric sets in the system, a model representing a relationship between metrics included in the metric set, and the plurality of metrics when the system is in one state. Determining whether or not the system is in the one state by comparing the combination of the models to which the set is matched with the combination of models to which the plurality of metric sets at the time of determination are respectively matched; Output.
  • the computer-readable recording medium of the present invention stores, for each of a plurality of metric sets in the system, a model representing a relationship between metrics included in the metric set, and the system is in one state. By comparing the combination of the models to which each of the plurality of metric sets is matched with the combination of models to which the plurality of metric sets at the time of determination are respectively matched, the system is brought into the one state. Stores a program that determines whether or not it exists and outputs it.
  • the effect of the present invention is that the system state can be accurately monitored even when the timing at which the relationship changes for each set of metrics.
  • FIG. 2 is a block diagram showing the configuration of the monitoring system 1 in the embodiment of the present invention.
  • the monitoring system 1 includes a monitoring device 100 and a monitored system 500 (or simply referred to as a system).
  • the monitoring device 100 and the monitored system 500 are connected by a network or the like.
  • the monitoring system 1 is an embodiment of the information processing system of the present invention.
  • the monitoring device 100 is an embodiment of the information processing device of the present invention.
  • the monitoring system 1 is, for example, a plant system.
  • the monitored system 500 is a plant that performs a predetermined process such as a chemical plant, an oil refinery plant, an iron manufacturing plant, or the like.
  • the monitored system 500 includes a sensor 501.
  • the sensor 501 measures the values of a plurality of metrics (indexes) that are monitoring targets in the monitored system 500 at regular intervals.
  • the metric for example, temperature, pressure, vibration, power, voltage, current, or the like of each part of the monitored system 500 is used.
  • the weight, amount, ratio, or the like of the raw material or the product in each part of the monitored system 500 may be used.
  • a metric related to the machine a parameter defined by ISO (International Organization for Standardization) 13380 or the like may be used.
  • a plurality of metrics to be monitored is also referred to as monitoring data.
  • the monitoring device 100 determines the state of the monitored system 500.
  • the monitoring device 100 includes a data collection unit 111, a model generation unit 112, an inspection unit 113, a model combination generation unit 114, a determination unit 115, and an output unit 116.
  • the monitoring apparatus 100 further includes a data storage unit 121, a model storage unit 122, a state information storage unit 123, and a model combination storage unit 124.
  • the data collection unit 111 collects a time series of monitoring data values from the monitored system 500.
  • the data storage unit 121 stores a time series of collected monitoring data.
  • the model generation unit 112 generates a model representing a statistical relationship between metrics (hereinafter also simply referred to as a relationship) based on the time series of the monitoring data modeling period.
  • the correlation model 132 of each pair of metrics is used as a model representing the statistical relationship between metrics.
  • the model generation unit 112 generates, for example, a correlation model 132 as described in Patent Document 2 for each pair of metrics.
  • the correlation model 132 includes a correlation function (or conversion function) that indicates the correlation of pairs of metrics.
  • the correlation function uses time t of one metric (input metric) in the metric pair and a value before t and a value before time t of the other metric (output metric) to obtain a time t Is a function that predicts the value of the output metric at.
  • the model storage unit 122 stores the correlation model 132 generated by the model generation unit 112.
  • the state information storage unit 123 stores state information 133 indicating a detection target state (target state).
  • FIG. 7 is a diagram showing the state information 133 in the embodiment of the present invention.
  • the state information 133 includes a target state (“state” column), a state period (“period” column) that is a period during which the system is in the target state, and a comment ( "Comment” column).
  • the target state, the state period, and the comment are set in advance by the user or the like, for example.
  • the inspection unit 113 extracts a matching correlation model 132 for each pair of metrics based on the monitoring data stored in the data storage unit 121 for each state period or determination target period.
  • the model combination generation unit 114 generates model combination information 134 that associates each target state with a combination of correlation models 132 extracted for each pair of metrics.
  • the model combination storage unit 124 stores the model combination information 134 generated by the model combination generation unit 114.
  • the determination unit 115 compares the combination of the correlation models 132 extracted for each pair of metrics in the determination target period with the combination of the correlation models 132 indicated by the model combination information 134, thereby determining the state of the monitored system 500. judge.
  • the output unit 116 outputs (displays) a determination result screen 136 indicating the determination result of the state of the monitored system 500 to the user or the like.
  • the monitoring 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.
  • a CPU Central Processing Unit
  • a storage medium that stores a program, and operates by control based on the program.
  • FIG. 3 is a block diagram showing a configuration of the monitoring device 100 realized by a computer according to the embodiment of the present invention.
  • the monitoring device 100 includes a CPU 101, a storage device 102 (storage medium) such as a hard disk and a memory, a communication device 103 that performs data communication with other devices, an input device 104 such as a keyboard, and an output device 105 such as a display. .
  • the CPU 101 executes a computer program for realizing the functions of the data collection unit 111, the model generation unit 112, the inspection unit 113, the model combination generation unit 114, the determination unit 115, and the output unit 116.
  • the storage device 102 stores information stored in the data storage unit 121, the model storage unit 122, the state information storage unit 123, and the model combination storage unit 124.
  • the communication device 103 receives monitoring data from the monitored system 500.
  • the input device 104 receives instructions for model generation, model combination generation, and state determination described later from a user or the like.
  • the output device 105 outputs (displays) the determination result screen 136 to the user or the like.
  • each component of the monitoring device 100 may be an independent logic circuit.
  • Each component of the monitoring device 100 may be distributed in a plurality of physical devices connected by wire or wirelessly.
  • the model generation process is executed, for example, when a model generation is instructed together with designation of a modeling period from a user or the like.
  • FIG. 4 is a flowchart showing a model generation process of the monitoring apparatus 100 in the embodiment of the present invention.
  • the data collection unit 111 periodically acquires the value of the monitoring data measured in the monitored system 500 and stores it in the data storage unit 121, for example.
  • a pair of metrics that is a target for generating the correlation model 132 is selected and set in advance from a metric to be monitored by a user or the like.
  • the target metric pair a pair that can have a relationship that satisfies a predetermined probability criterion is selected.
  • the model generation unit 112 selects one pair from the target metric pair (step S101).
  • the model generation unit 112 generates one or more correlation models 132 representing each of different relationships existing in the modeling period based on the monitoring data of the modeling period for the selected pair (step S102).
  • the model generation unit 112 stores the generated correlation model 132 in the model storage unit 122.
  • the model generation unit 112 divides the modeling period into a plurality of unit periods, for example, similarly to the technique described in Patent Document 1, and for each unit period, based on the monitoring data of the unit period.
  • a correlation model 132 is generated.
  • generation part 112 may extract one or more correlation models 132 from the correlation model 132 produced
  • the model generation unit 112 extracts a correlation model 132 applicable to one or more unit periods based on the correlation model 132 generated for each unit period, for example, as in the technique described in Patent Document 3. May be.
  • the model generation unit 112 repeats the processing from step S101 for all target metric pairs (step S103).
  • FIG. 8 is a diagram showing an example of the correlation model 132 in the embodiment of the present invention.
  • Mxy (n) is the n-th correlation model 132 for the pair of the input metric x and the output metric y.
  • Fxy (n) is a correlation function of the correlation model Mxy (n).
  • the model generation unit 112 uses the correlation model Mab (1) and the correlation model for the input and output metric pair “A, B” based on the monitoring data of the modeling period. Two correlation models 132 of Mab (2) are generated. Similarly, as shown in FIG. 8, the model generation unit 112 uses the correlation model 132 for the input and output metric pairs “A, C”, “B, C”, “D, E”, and “D, F”. Is generated.
  • the model combination generation process is executed when, for example, a model combination generation is instructed after the state information 133 is set by a user or the like.
  • model combination information 134 is generated with the normal state P1, P2,... Of the system as shown in FIG. Further, it is assumed that the state information 133 as shown in FIG. 7 is set in the state information storage unit 123 for the states P1, P2,.
  • FIG. 5 is a flowchart showing the model combination generation process of the monitoring apparatus 100 in the embodiment of the present invention.
  • the inspection unit 113 selects one state from the target states of the system (step S201).
  • the inspection unit 113 selects one pair from the target metric pairs (step S202).
  • the inspection unit 113 extracts the correlation model 132 to which the monitoring data of the state period corresponding to the selected state matches from the one or more correlation models 132 generated for the selected pair (step S203).
  • the inspection unit 113 minimizes the prediction error due to the correlation function with respect to the value of the metric pair in the entire period (maximum fitness).
  • the correlation model 132 is extracted.
  • the inspection unit 113 repeats the processing from step S202 for all the target metric pairs (step S204).
  • the model combination generation unit 114 sets the combination of the correlation models 132 extracted for each pair in the model combination information 134 in association with the selected state (step S205).
  • FIG. 9 is a diagram showing an example of the correlation model 132 extracted for each system state in the embodiment of the present invention.
  • FIG. 10 is a diagram showing an example of the model combination information 134 in the embodiment of the present invention.
  • the inspection unit 113 uses the correlation model Mab () as the correlation model 132 of the input and output metric pair “A, B” to which the monitoring data in the state period T1 corresponding to the state P1 matches. 1) is extracted. Similarly, the inspection unit 113 performs correlation model Mac (1), “A, C”, “B, C”, “D, E”, and “D, F” for each of the input and output metric pairs. Mbc (1), Mde (1), and Mdf (1) are extracted. And the test
  • step S201 is repeated for all the target states (step S206).
  • the state determination process is executed when, for example, a state determination is instructed together with a determination target period from a user or the like.
  • FIG. 6 is a flowchart showing the state determination process of the monitoring device 100 according to the embodiment of the present invention.
  • the inspection unit 113 selects one pair from the target metric pairs (step S301).
  • the inspection unit 113 extracts, from the one or more correlation models 132 that have been generated for the selected metric pair, the correlation model 132 to which the monitoring data of the determination target period matches (step S302).
  • the inspection unit 113 extracts the correlation model 132 in which the prediction error with respect to the value of the metric in the determination target period is the minimum (the matching degree is the maximum) in the entire determination target period.
  • the inspection unit 113 repeats the processing from step S301 for all pairs of metrics for which the correlation model 132 has been generated (step S303).
  • FIG. 11 is a diagram illustrating an example of combinations of correlation models 132 extracted in the determination target period in the embodiment of the present invention.
  • the inspection unit 113 extracts a combination of correlation models 132 as shown in FIG. 11 for the determination target period “2015/02/01 10: 00-11: 00”.
  • the determination unit 115 compares the combination of the correlation models 132 extracted for the determination target period with the combination of the correlation models 132 in each state set in the model combination information 134, and calculates the similarity (step S304). .
  • the determination unit 115 calculates the similarity S using, for example, Formula 1.
  • N is the number of target metric pairs.
  • FIG. 12 is a diagram showing an example of the comparison result of the combination of the correlation models 132 in the embodiment of the present invention.
  • the determination unit 115 uses Equation 1 based on the combination of the correlation model 132 in FIG. 11 and the combination of the correlation model 132 in each state set in the model combination information 134 in FIG. Similarity is calculated as shown in FIG.
  • the determination unit 115 extracts combinations having a similarity equal to or higher than a predetermined threshold from among the combinations of the correlation models 132 set in the model combination information 134. Then, the determination unit 115 determines a state corresponding to each of the extracted combinations as a system state (state candidate) in the determination target period, and outputs the state via the output unit 116 (step S305).
  • the determination unit 115 determines that the states P1, P2, and P6 having a similarity of 60% or more in FIG. 12 are system states (status candidates). To do.
  • FIG. 13 is a diagram showing an example of the determination result screen 136 in the embodiment of the present invention.
  • each of the candidate statuses (“state” column) and the similarity of the candidates (“similarity” column) are displayed in descending order of similarity. Has been. Further, a status period (“period” column) and a comment (“comment” column) for the candidate set in the status information 133 are also displayed.
  • the output unit 116 displays a determination result screen 136 as shown in FIG.
  • the determination unit 115 has the highest similarity equal to or higher than the threshold or the highest similarity.
  • the state corresponding to may be determined as the system state.
  • the determination unit 115 determines the highest state P1 with a similarity of 60% or more as the system state.
  • FIG. 14 is a diagram showing another example of the determination result screen 136 in the embodiment of the present invention.
  • the determination result screen 136 displays the state (“state” column) that is the determination result and the similarity (“similarity” column) of the candidate.
  • the output unit 116 displays a determination result screen 136 as shown in FIG.
  • state determination process may be repeatedly executed, for example, for each predetermined determination target period.
  • the determination unit 115 may perform the following process in order to avoid the influence on the determination result such as temporary noise of the monitoring data.
  • the determination unit 115 displays a state corresponding to the largest similarity combination. It may be determined that the system is in a new state. Otherwise, the determination unit 115 determines the system state determined in the previous determination target period as the system state (maintains the previous determination result).
  • FIG. 15 is a diagram showing an example of repetition of the state determination process in the embodiment of the present invention.
  • the threshold of similarity difference is 20 points.
  • the determination unit 115 maintains the previous determination result P1 as illustrated in FIG.
  • the determination unit 115 determines the system state in the determination target period as a new state P2 as illustrated in FIG.
  • the determination unit 115 may determine that the state corresponding to the combination is a new state of the system. Otherwise, the determination unit 115 determines that the system state determined in the previous determination target period is the system state (maintains the previous determination).
  • the correlation model 132 that minimizes the prediction error in each of the state period and the determination target period is compared when calculating the similarity.
  • the present invention is not limited to this, and the correlation model 132 having the largest occupation ratio (the ratio of the period in which the prediction error is minimized) may be compared in each of the state period and the determination target period when calculating the similarity.
  • the inspection unit 113 calculates the occupancy rate in each state period of each of the one or more correlation models 132 generated for each pair of metrics. Then, the inspection unit 113 extracts a correlation model 132 having the largest occupation ratio for each pair of metrics.
  • FIG. 16 is a diagram showing another example of the correlation model 132 extracted for each system state in the embodiment of the present invention.
  • the inspection unit 113 calculates the occupation ratio 1.0 of the correlation model Mab (1) in the state period T1 for the state P1 for the metric pair “A, B”.
  • the inspection unit 113 extracts the correlation model Mab (1) for the pair.
  • the inspection unit 113 calculates the occupancy 0.75 of the correlation model Mac (1) and the occupancy 0.25 of the correlation model Mac (2) in the state period T1 for the metric pair “A, C”. .
  • the inspection unit 113 extracts a correlation model Mac (1) having a large occupation ratio for the pair.
  • the inspection unit 113 calculates the occupancy rate of each correlation model 132 in the state period T1 for each of the other pairs of metrics, and extracts a correlation model 132 having a large occupancy rate. Further, the inspection unit 113 extracts the correlation model 132 based on the occupation ratio for other states.
  • generation part 114 produces
  • the inspection unit 113 extracts a correlation model 132 having the largest occupation ratio in the determination target period for each pair of metrics.
  • the inspection unit 113 extracts a combination of correlation models 132 as shown in FIG. 11 based on the occupation ratio.
  • the determination unit 115 calculates the degree of similarity using Equation 1 as shown in FIG. 12, and determines the states P1, P2, and P6 as system states (state candidates). Is determined.
  • the occupation ratios of the correlation models 132 calculated for each pair of metrics in each of the state period and the determination target period may be compared.
  • the model combination generation unit 114 sets the occupation ratio of each correlation model 132 calculated for each pair of metrics in the model combination information 134.
  • FIG. 17 is a diagram showing another example of the model combination information 134 in the embodiment of the present invention.
  • the model combination generation unit 114 generates model combination information 134 as shown in FIG. 17 based on the occupation ratio of FIG. 16 calculated by the inspection unit 113.
  • the inspection unit 113 calculates the occupation ratio of each correlation model 132 in the determination target period for each pair of metrics.
  • FIG. 18 is a diagram showing another example of the combination of the correlation models 132 extracted in the determination target period in the embodiment of the present invention.
  • the inspection unit 113 calculates the occupancy rate of each correlation model 132 as shown in FIG. 18 for each pair of metrics.
  • the determination unit 115 occupies each correlation model 132 calculated for each pair of metrics and the occupation ratio of each correlation model 132 calculated for each pair of metrics in each state set in the model combination information 134. And the similarity is calculated.
  • the determination unit 115 calculates the similarity S using, for example, Equation 2.
  • Mi is the number of correlation models 132 generated for the pair i
  • g (i, j) is the occupation ratio of the correlation model j of the pair i in the determination target period
  • r (i, j) is , The occupation rate of the correlation model j of the pair i in the state period.
  • min (x, y) is a function for obtaining the smaller of x and y.
  • FIG. 19 is a diagram showing another example of the comparison result of the combination of the correlation models 132 in the embodiment of the present invention.
  • the determination unit 115 calculates the degree of similarity as shown in FIG. 19 using Equation 2 based on the occupation ratio shown in FIG. 18 and the occupation ratio set in the model combination information 134 shown in FIG. To do. Then, the determination unit 115 determines the state P1 as a system state (status candidate).
  • the correlation model 132 is used as a model.
  • the present invention is not limited to this, and other models based on techniques well known in the field of statistical processing may be used as long as the statistical relationship between metrics can be expressed.
  • a linear, nonlinear model such as an autoregressive model or a logistic regression model, or a probability distribution model may be used as the model.
  • a model is generated for each target metric pair selected in advance.
  • a model may be generated for an exhaustive pair of monitored metrics.
  • a model may be generated for a pair of metrics selected based on the structure and configuration of the monitoring target used as a metric or experience (heuristic) related to the monitoring target.
  • a model may be generated for a pair of metrics determined to have a statistical relationship as a result of calculation on the monitoring data.
  • the expression format of the statistical relationship is also appropriately selected depending on the method of selecting the metric set.
  • the function f (x) is the statistical relationship between the metrics x and y.
  • the function f (x) can take various forms such as the above-described linear and non-linear models and probability distribution models.
  • a model is generated for a “pair” of metrics.
  • the present invention is not limited to this, and a model may be generated for a “set” of metrics including two or more metrics if the timing at which the statistical relationship changes is similar.
  • the inspection unit 113 extracts a suitable model for each set of metrics based on the monitoring data of each state period or determination target period.
  • the model combination generation unit 114 generates model combination information 134 that associates each target state with a combination of models extracted for each set of metrics.
  • the determination unit 115 determines the state of the monitored system 500 by comparing the combination of models extracted for each set of metrics in the determination target period with the combination of models indicated by the model combination information 134.
  • the system state is output as the determination result, but an abnormality may be notified when a state transition different from a predetermined state transition is detected.
  • the “normal” state of the system is detected by setting the combination of the correlation model 132 in the normal state in the model combination information 134.
  • the present invention is not limited to this, and the “abnormal” state of the system may be detected by setting the combination of the correlation model 132 in the abnormal state in the model combination information 134.
  • the monitoring apparatus 100 may determine the system state using the model combination information 134 generated by another apparatus without including the model combination generation unit 114.
  • the monitored system 500 may be a plant as an example.
  • the present invention is not limited to this, and if a specific state is defined and a metric value related to the state can be acquired, the monitored system 500 may be an IT (Information Technology) system including one or more computers.
  • IT Information Technology
  • a CPU usage rate, a memory usage rate, a disk access frequency, or the like, a usage rate or usage amount of a computer resource or a network resource, or the like may be used as a metric.
  • the monitored system 500 may be a power plant system, a carrier communication facility, a mobile body such as an automobile, a railway, an aircraft, or a ship.
  • the monitored system 500 may be a structure such as a building or a bridge.
  • FIG. 1 is a block diagram showing a characteristic configuration of an embodiment of the present invention.
  • the monitoring device 100 includes a model storage unit 122 and a determination unit 115.
  • the model storage unit 122 stores, for each of a plurality of metric sets in the system, a model representing the relationship between metrics included in the metric set.
  • the determination unit 115 compares a combination of models that match each of the plurality of metric sets when the system is in one state with a combination of models that match each of the plurality of metric sets at the time of determination. Judge whether it is in one state and output.
  • the determination unit 115 comparing the combination of models to which the plurality of metric sets respectively match when the system is in one state and when the system is the determination target. This is to determine whether or not.
  • the user or the like can accurately determine whether or not the system state transition is performed as planned.
  • the value of a single temperature sensor reaches a predetermined temperature to determine whether the reaction phase is complete in standard time. It can be judged by the time required for.
  • a complex plant such as an oil refining plant, it is required to make a judgment in combination with explicit or implicit indicators such as pipe pressure, motor rotation speed, raw material quality, and operation mode. For this reason, whether or not the state of the system can be accurately specified depends on the skill of the plant engineer.
  • the state of the system can be easily specified even in such a complicated system.
  • the reason is that the model combination generation unit 114 generates a combination of models that match a plurality of metric sets when the system is in one state, and the determination unit 115 uses the combination of models to This is because it is determined whether or not it is in one state.
  • the present invention is widely applicable to systems in which a specific state is defined and various data relating to the state can be acquired.
  • monitoring system 100 monitoring device 101 CPU DESCRIPTION OF SYMBOLS 102 Storage device 103 Communication device 104 Input device 105 Output device 111 Data collection part 112 Model production

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Automation & Control Theory (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • Quality & Reliability (AREA)
  • Debugging And Monitoring (AREA)
  • Testing And Monitoring For Control Systems (AREA)
  • Architecture (AREA)
  • Software Systems (AREA)

Abstract

　システムの状態の監視を、メトリック集合毎に関係性が変化するタイミングが異なる場合でも正確に行う。　監視装置１００は、モデル記憶部１２２、及び、判定部１１５を含む。モデル記憶部１２２は、システムにおける複数のメトリック集合の各々について、当該メトリック集合に含まれるメトリック間の関係性を表すモデルを記憶する。判定部１１５は、システムが一の状態にあるときの複数のメトリック集合がそれぞれ適合するモデルの組合せと、判定対象時の複数のメトリック集合がそれぞれ適合するモデルの組合せとを比較することにより、システムが当該一の状態にあるかどうかを判定し、出力する。

Description

情報処理装置、情報処理方法、及び、記録媒体
　本発明は、情報処理装置、情報処理方法、及び、記録媒体に関する。
　化学プラントや、石油精製プラント、製鉄プラント等のプラントシステムでは、様々な処理の状態（工程）の遷移が計画通りに行われているかを監視することが求められる。
　システムの状態の監視に係る技術として、例えば、特許文献１に記載されている不変関係分析が知られている。特許文献１に記載の不変関係分析では、システムが特定の状態を有する曜日や時間帯等の期間毎に、システムのメトリック（性能指標）の複数のペアの各々の統計的関係性を示す相関関数の集合が相関モデルとして設定される。そして、新たに取得したメトリックの値が、当該値を取得した期間に対応する相関モデルに適合するかどうかを判断することにより、システムの異常が検出される。
　図２０は、システムの状態毎のメトリック間の統計的関係性の例を示す図である。図２０の例では、システムの状態（Ｐ１、Ｐ２、…）のそれぞれに対応する期間（Ｔ１、Ｔ２、…）毎に、メトリックの各ペア（「Ａ，Ｃ」、「Ｂ，Ｃ」、「Ｄ，Ｅ」、「Ｄ，Ｆ」）の関係性（Ｒｘｙ）が変化している。そして、期間毎に、メトリックの各ペアについて相関関数（Ｆｘｙ）が検出され、それらの集合が、相関モデル（Ｍ１、Ｍ２、…）に設定されている。
　なお、関連技術として、特許文献２には、不変関係分析において、システムのメトリックの複数のペアの各々について相関モデルを生成し、システムの異常を検出する技術が開示されている。また、特許文献３には、不変関係分析において、期間毎に生成された相関モデルを適用可能なより大きな期間を抽出し、暦上の属性と対応づけることで、相関モデルの適用スケジュールを決定する技術が開示されている。
特許第５３８７７７９号公報 特許第４８７２９４４号公報 特許第５６０５４７６号公報
　しかしながら、上述のプラントシステムでは、メトリックのペア（または、メトリックの集合）毎に関係性が変化するタイミングは異なり、さらに、ペア（集合）によっては、同じ状態（工程）内で関係性が変化する可能性がある。
　図２１は、システムの状態毎のメトリック間の関係性の他の例を示す図である。図２１の例では、メトリックの各ペアの関係性は、状態（Ｐ１、Ｐ２、…）に対応する期間（Ｔ１、Ｔ２、…）とは異なるタイミングで変化し、各期間内でも変化している。
　この場合、図２０のように、システムの状態（Ｐ１、Ｐ２、…）のそれぞれに対応する期間（Ｔ１、Ｔ２、…）毎に相関関数を検出し、相関モデルを生成しても、相関モデルの誤差が大きくなる。このため、システムの状態毎に生成した相関モデルでは、システムの異常の検出を正しく行うことができない。
　本発明の目的は、上述した課題を解決し、システムの状態の監視を、メトリックの集合毎に関係性が変化するタイミングが異なる場合でも正確に行うことができる、情報処理装置、情報処理方法、及び、記録媒体を提供することである。
　本発明の情報処理装置は、システムにおける複数のメトリック集合の各々について、当該メトリック集合に含まれるメトリック間の関係性を表すモデルを記憶する、モデル記憶手段と、前記システムが一の状態にあるときの前記複数のメトリック集合がそれぞれ適合する前記モデルの組合せと、判定対象時の前記複数のメトリック集合がそれぞれ適合する前記モデルの組合せとを比較することにより、前記システムが当該一の状態にあるかどうかを判定し、出力する、判定手段と、を備える。
　本発明の情報処理方法は、システムにおける複数のメトリック集合の各々について、当該メトリック集合に含まれるメトリック間の関係性を表すモデルを記憶し、前記システムが一の状態にあるときの前記複数のメトリック集合がそれぞれ適合する前記モデルの組合せと、判定対象時の前記複数のメトリック集合がそれぞれ適合する前記モデルの組合せとを比較することにより、前記システムが当該一の状態にあるかどうかを判定し、出力する。
　本発明の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、システムにおける複数のメトリック集合の各々について、当該メトリック集合に含まれるメトリック間の関係性を表すモデルを記憶し、前記システムが一の状態にあるときの前記複数のメトリック集合がそれぞれ適合する前記モデルの組合せと、判定対象時の前記複数のメトリック集合がそれぞれ適合する前記モデルの組合せとを比較することにより、前記システムが当該一の状態にあるかどうかを判定し、出力する、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、システムの状態の監視を、メトリックの集合毎に関係性が変化するタイミングが異なる場合でも正確に行うことができることである。
本発明の実施の形態の特徴的な構成を示すブロック図である。 本発明の実施の形態における、監視システム１の構成を示すブロック図である。 本発明の実施の形態における、コンピュータにより実現された監視装置１００の構成を示すブロック図である。 本発明の実施の形態における、監視装置１００のモデル生成処理を示すフローチャートである。 本発明の実施の形態における、監視装置１００のモデル組合せ生成処理を示すフローチャートである。 本発明の実施の形態における、監視装置１００の状態判定処理を示すフローチャートである。 本発明の実施の形態における、状態情報１３３を示す図である。 本発明の実施の形態における、相関モデル１３２の例を示す図である。 本発明の実施の形態における、システムの状態毎に抽出された相関モデル１３２の例を示す図である。 本発明の実施の形態における、モデル組合せ情報１３４の例を示す図である。 本発明の実施の形態における、判定対象期間に抽出された相関モデル１３２の組合せの例を示す図である。 本発明の実施の形態における、相関モデル１３２の組合せの比較結果の例を示す図である。 本発明の実施の形態における、判定結果画面１３６の例を示す図である。 本発明の実施の形態における、判定結果画面１３６の他の例を示す図である。 本発明の実施の形態における、状態判定処理の繰り返しの例を示す図である。 本発明の実施の形態における、システムの状態毎に抽出された相関モデル１３２の他の例を示す図である。 本発明の実施の形態における、モデル組合せ情報１３４の他の例を示す図である。 本発明の実施の形態における、判定対象期間に抽出された相関モデル１３２の組合せの他の例を示す図である。 本発明の実施の形態における、相関モデル１３２の組合せの比較結果の他の例を示す図である。 システムの状態毎のメトリック間の関係性の例を示す図である。 システムの状態毎のメトリック間の関係性の他の例を示す図である。
　本発明の実施の形態について説明する。
　はじめに、本発明の実施の形態の構成を説明する。図２は、本発明の実施の形態における、監視システム１の構成を示すブロック図である。
　図２を参照すると、監視システム１は、監視装置１００、及び、被監視システム５００（または、単にシステムとも記載する）を含む。監視装置１００と被監視システム５００は、ネットワーク等により接続される。監視システム１は、本発明の情報処理システムの一実施形態である。また、監視装置１００は、本発明の情報処理装置の一実施形態である。
　監視システム１は、例えば、プラントシステムである。この場合、被監視システム５００は、例えば、化学プラントや、石油精製プラント、製鉄プラント等、所定の処理を行うプラントである。
　被監視システム５００は、センサ５０１を含む。センサ５０１は、被監視システム５００における監視対象である、複数のメトリック（指標）の値を一定間隔毎に測定する。ここで、メトリックとして、例えば、被監視システム５００の各部の温度や圧力、振動、電力、電圧、電流等が用いられる。また、メトリックとして、被監視システム５００の各部における、原料や生産物の重さ、量、割合等が用いられてもよい。また、機械に係るメトリックとして、ＩＳＯ（International Organization for Standardization）１３３８０等で規定されるパラメータが用いられてもよい。以下、監視対象の複数のメトリックを監視データとも呼ぶ。
　監視装置１００は、被監視システム５００の状態を判定する。監視装置１００は、データ収集部１１１、モデル生成部１１２、検査部１１３、モデル組合せ生成部１１４、判定部１１５、及び、出力部１１６を含む。監視装置１００は、さらに、データ記憶部１２１、モデル記憶部１２２、状態情報記憶部１２３、及び、モデル組合せ記憶部１２４を含む。
　データ収集部１１１は、被監視システム５００から監視データの値の時系列を収集する。
　データ記憶部１２１は、収集した監視データの時系列を記憶する。
　モデル生成部１１２は、監視データのモデル化期間の時系列をもとに、メトリック間の統計的関係性（以下、単に関係性とも記載する）を表すモデルを生成する。
　本発明の実施の形態では、メトリック間の統計的関係性を表すモデルとして、メトリックの各ペアの相関モデル１３２を用いる。
　モデル生成部１１２は、メトリックの各ペアに対して、例えば、特許文献２に記載されているような相関モデル１３２を生成する。相関モデル１３２は、メトリックの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、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、及び、ｔより前の値と、他方のメトリック（出力メトリック）の時刻ｔより前の値を用いて、時刻ｔにおける出力メトリックの値を予測する関数である。
　モデル記憶部１２２は、モデル生成部１１２が生成した相関モデル１３２を記憶する。
　状態情報記憶部１２３は、検出対象の状態（対象状態）を示す、状態情報１３３を記憶する。
　図７は、本発明の実施の形態における、状態情報１３３を示す図である。図７の例では、状態情報１３３は、対象状態（「状態」欄）、システムが対象状態にあった期間である状態期間（「期間」欄）、及び、対象状態に係る説明等のコメント（「コメント」欄）を含む。対象状態、状態期間、及び、コメントは、例えば、ユーザ等により予め設定される。
　検査部１１３は、データ記憶部１２１に記憶された、各状態期間、或いは、判定対象期間の監視データをもとに、メトリックの各ペアについて、適合する相関モデル１３２を抽出する。
　モデル組合せ生成部１１４は、各対象状態と、メトリックの各ペアについて抽出された相関モデル１３２の組合せと、を関連付けたモデル組合せ情報１３４を生成する。
　モデル組合せ記憶部１２４は、モデル組合せ生成部１１４が生成したモデル組合せ情報１３４を記憶する。
　判定部１１５は、判定対象期間においてメトリックの各ペアについて抽出された相関モデル１３２の組合せと、モデル組合せ情報１３４により示される相関モデル１３２の組合せとを比較することにより、被監視システム５００の状態を判定する。
　出力部１１６は、被監視システム５００の状態の判定結果を示す判定結果画面１３６を、ユーザ等に出力（表示）する。
　なお、監視装置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。
　図３は、本発明の実施の形態における、コンピュータにより実現された監視装置１００の構成を示すブロック図である。監視装置１００は、ＣＰＵ１０１、ハードディスクやメモリ等の記憶デバイス１０２（記憶媒体）、他の装置等とデータ通信を行う通信デバイス１０３、キーボード等の入力デバイス１０４、及び、ディスプレイ等の出力デバイス１０５を含む。
　ＣＰＵ１０１は、データ収集部１１１、モデル生成部１１２、検査部１１３、モデル組合せ生成部１１４、判定部１１５、及び、出力部１１６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。記憶デバイス１０２は、データ記憶部１２１、モデル記憶部１２２、状態情報記憶部１２３、及び、モデル組合せ記憶部１２４に格納される情報を記憶する。通信デバイス１０３は、被監視システム５００から、監視データを受信する。入力デバイス１０４は、ユーザ等から、後述するモデル生成や、モデル組合せ生成、状態判定の指示を受け付ける。出力デバイス１０５は、ユーザ等へ、判定結果画面１３６を出力（表示）する。
　また、監視装置１００の各構成要素は、独立した論理回路でもよい。また、監視装置１００の各構成要素は、有線または無線で接続された複数の物理的な装置に分散的に配置されていてもよい。
　次に、本発明の実施の形態の動作をモデル生成処理、モデル組合せ生成処理、及び、状態判定処理の順番に説明する。
　＜モデル生成処理＞
　はじめに、本発明の実施の形態のモデル生成処理について説明する。
　モデル生成処理は、例えば、ユーザ等から、モデル化期間の指定とともに、モデル生成が指示されたときに実行される。
　図４は、本発明の実施の形態における、監視装置１００のモデル生成処理を示すフローチャートである。
　ここでは、データ収集部１１１が、被監視システム５００において測定された監視データの値を、例えば、定期的に取得し、データ記憶部１２１に保存していると仮定する。また、相関モデル１３２を生成する対象であるメトリックのペア（対象メトリックペア）は、ユーザ等により、監視対象のメトリックから、予め選択、設定されていると仮定する。この場合、対象メトリックペアとして、所定の確からしさ基準を満たすような関係性を有しうるペアが選択される。
　モデル生成部１１２は、対象メトリックペアから、ペアを１つ選択する（ステップＳ１０１）。
　モデル生成部１１２は、選択したペアについて、モデル化期間の監視データをもとに、モデル化期間に存在する異なる関係性の各々を表す相関モデル１３２を、１以上生成する（ステップＳ１０２）。モデル生成部１１２は、生成した相関モデル１３２をモデル記憶部１２２に保存する。
　ここで、モデル生成部１１２は、例えば、特許文献１に記載された技術と同様に、モデル化期間を複数の単位期間に分割し、単位期間毎に、当該単位期間の監視データをもとに相関モデル１３２を生成する。そして、モデル生成部１１２は、例えば、単位期間毎に生成した相関モデル１３２の中から、モデル化期間全体に対する適合度をもとに、１以上の相関モデル１３２を抽出してもよい。また、モデル生成部１１２は、例えば、特許文献３に記載された技術と同様に、単位期間毎に生成した相関モデル１３２をもとに、１以上の単位期間に適用可能な相関モデル１３２を抽出してもよい。
　モデル生成部１１２は、対象メトリックペアの全てついて、ステップＳ１０１からの処理を繰り返す（ステップＳ１０３）。
　図８は、本発明の実施の形態における、相関モデル１３２の例を示す図である。図８において、Ｍｘｙ（ｎ）は、入力メトリックｘ、出力メトリックｙのペアに対する、ｎ番目の相関モデル１３２である。Ｆｘｙ（ｎ）は、相関モデルＭｘｙ（ｎ）の相関関数である。
　例えば、モデル生成部１１２は、図８に示すように、入力、出力メトリックのペア「Ａ，Ｂ」について、モデル化期間の監視データをもとに、相関モデルＭａｂ（１）、及び、相関モデルＭａｂ（２）の２つの相関モデル１３２を生成する。同様に、モデル生成部１１２は、入力、出力メトリックのペア「Ａ，Ｃ」、「Ｂ，Ｃ」、「Ｄ，Ｅ」、「Ｄ，Ｆ」について、図８に示すように、相関モデル１３２を生成する。
　＜モデル組合せ生成処理＞
　次に、本発明の実施の形態のモデル組合せ生成処理について説明する。
　モデル組合せ生成処理は、例えば、ユーザ等から、状態情報１３３が設定された後で、モデル組合せ生成が指示されたときに実行される。
　ここでは、図２１に示すような、システムの正常な状態Ｐ１、Ｐ２、…を対象状態として、モデル組合せ情報１３４を生成すると仮定する。また、状態Ｐ１、Ｐ２、…について、図７のような状態情報１３３が、状態情報記憶部１２３に設定されていると仮定する。
　図５は、本発明の実施の形態における、監視装置１００のモデル組合せ生成処理を示すフローチャートである。
　検査部１１３は、システムの対象状態から状態を１つ選択する（ステップＳ２０１）。
　検査部１１３は、対象メトリックペアから、ペアを１つ選択する（ステップＳ２０２）。
　検査部１１３は、選択したペアについて生成されている１以上の相関モデル１３２から、選択した状態に対する状態期間の監視データが適合する相関モデル１３２を抽出する（ステップＳ２０３）。ここで、検査部１１３は、監視データが適合する相関モデル１３２として、例えば、状態期間全体で、当該期間のメトリックのペアの値に対する、相関関数による予測誤差が最小（適合度が最大）となる相関モデル１３２を抽出する。
　検査部１１３は、対象メトリックペアの全てついて、ステップＳ２０２からの処理を繰り返す（ステップＳ２０４）。
　モデル組合せ生成部１１４は、各ペアについて抽出された相関モデル１３２の組合せを、選択した状態と関連付けて、モデル組合せ情報１３４に設定する（ステップＳ２０５）。
　図９は、本発明の実施の形態における、システムの状態毎に抽出された相関モデル１３２の例を示す図である。また、図１０は、本発明の実施の形態における、モデル組合せ情報１３４の例を示す図である。
　例えば、検査部１１３は、状態Ｐ１に対応する状態期間Ｔ１の監視データが適合する、入力、出力メトリックのペア「Ａ，Ｂ」の相関モデル１３２として、図９に示すように、相関モデルＭａｂ（１）を抽出する。同様に、検査部１１３は、入力、出力メトリックのペア「Ａ，Ｃ」、「Ｂ，Ｃ」、「Ｄ，Ｅ」、及び、「Ｄ，Ｆ」の各々について、相関モデルＭａｃ（１）、Ｍｂｃ（１）、Ｍｄｅ（１）、及び、Ｍｄｆ（１）を抽出する。そして、検査部１１３は、抽出された相関モデル１３２の組合せを、状態Ｐ１に関連付けて、図１０のようにモデル組合せ情報１３４に設定する。
　以下、対象状態の全てついて、ステップＳ２０１からの処理が繰り返される（ステップＳ２０６）。
　例えば、システムの状態Ｐ２、Ｐ３、…、Ｐ６についても同様に、メトリックのペアの各々について、適合する相関モデル１３２が抽出され、図１０のようなモデル組合せ情報１３４が生成される。
　＜状態判定処理＞
　次に、本発明の実施の形態の状態判定処理について説明する。
　状態判定処理は、例えば、ユーザ等から、判定対象期間とともに、状態判定が指示されたときに実行される。
　図６は、本発明の実施の形態における、監視装置１００の状態判定処理を示すフローチャートである。
　検査部１１３は、対象メトリックペアから、ペアを１つ選択する（ステップＳ３０１）。
　検査部１１３は、選択したメトリックのペアについて、生成されている１以上の相関モデル１３２から、判定対象期間の監視データが適合する相関モデル１３２を抽出する（ステップＳ３０２）。ここで、検査部１１３は、例えば、判定対象期間全体で、当該判定対象期間のメトリックの値に対する予測誤差が最小（適合度が最大）となる相関モデル１３２を抽出する。
　検査部１１３は、相関モデル１３２が生成されているメトリックの全ペアについて、ステップＳ３０１からの処理を繰り返す（ステップＳ３０３）。
　図１１は、本発明の実施の形態における、判定対象期間に抽出された相関モデル１３２の組合せの例を示す図である。
　例えば、検査部１１３は、判定対象期間「2015/02/01 10:00-11:00」について、図１１のような相関モデル１３２の組合せを抽出する。
　判定部１１５は、判定対象期間について抽出された相関モデル１３２の組合せと、モデル組合せ情報１３４に設定されている各状態の相関モデル１３２の組合せとを比較し、類似度を算出する（ステップＳ３０４）。ここで、判定部１１５は、例えば、数１式により類似度Ｓを算出する。
Figure JPOXMLDOC01-appb-M000001
　ここで、Ｎは対象メトリックペアの数である。
　図１２は、本発明の実施の形態における、相関モデル１３２の組合せの比較結果の例を示す図である。
　例えば、判定部１１５は、図１１の相関モデル１３２の組合せと、図１０のモデル組合せ情報１３４に設定されている各状態の相関モデル１３２の組合せとをもとに、数１式を用いて、図１２のように類似度を算出する。
　判定部１１５は、モデル組合せ情報１３４に設定されている相関モデル１３２の組合せの内、類似度が所定の閾値以上の組合せを抽出する。そして、判定部１１５は、抽出した組合せの各々に対応する状態を、判定対象期間におけるシステムの状態（状態の候補）と判定し、出力部１１６を介して出力する（ステップＳ３０５）。
　例えば、類似度の閾値が６０％の場合、判定部１１５は、図１２において、類似度が６０％以上である、状態Ｐ１、Ｐ２、及び、Ｐ６を、システムの状態（状態の候補）と判定する。
　図１３は、本発明の実施の形態における、判定結果画面１３６の例を示す図である。図１３の例では、判定結果画面１３６において、判定結果である状態の候補の各々（「状態」欄）、及び、当該候補の類似度（「類似度」欄）が、類似度の大きい順に表示されている。さらに、状態情報１３３に設定されている、当該候補に対する状態期間（「期間」欄）、及び、コメント（「コメント」欄）も表示されている。
　例えば、出力部１１６は、図１３のような判定結果画面１３６を表示する。
　なお、判定部１１５は、類似度が閾値以上の組合せに対応する状態をシステムの状態（状態の候補）と判定する代わりに、類似度が閾値以上で最も高い、或いは、類似度が最も高い組合せに対応する状態をシステムの状態と判定してもよい。
　例えば、判定部１１５は、図１２において、類似度６０％以上で最も高い状態Ｐ１を、システムの状態と判定する。
　図１４は、本発明の実施の形態における、判定結果画面１３６の他の例を示す図である。図１４の例では、判定結果画面１３６において、判定結果である状態（「状態」欄）、及び、当該候補の類似度（「類似度」欄）が表示されている。
　例えば、出力部１１６は、図１４のような判定結果画面１３６を表示する。
　また、状態判定処理は、例えば、所定長の判定対象期間毎に、繰り返し実行されてもよい。
　状態判定処理を繰り返し実行する場合、判定部１１５は、監視データの一時的なノイズ等の判定結果への影響を避けるために、以下のような処理を行ってもよい。
　例えば、判定部１１５は、判定対象期間に対して算出された最も大きい類似度と、２番目に大きい類似度との差が所定の閾値以上の場合、最も大きい類似度の組合せに対応する状態を、システムの新たな状態と判定してもよい。そうでない場合、判定部１１５は、前回の判定対象期間において判定されたシステムの状態を、システムの状態と判定する（前回の判定結果を維持する）。
　図１５は、本発明の実施の形態における、状態判定処理の繰り返しの例を示す図である。
　ここで、類似度の差の閾値が２０ポイントであると仮定する。
　判定対象期間「2015/02/01 11:00-12:00」において、最も大きい類似度は、状態Ｐ２に対する８０％、２番目に大きい類似度は、状態Ｐ１に対する７０％である。判定部１１５は、類似度の差が閾値未満であるため、図１５に示すように、前回の判定結果Ｐ１を維持する。
　さらに、判定対象期間「2015/02/01 12:00-13:00」において、最も大きい類似度は、状態Ｐ２に対する８０％、２番目に大きい類似度は、状態Ｐ１に対する６０％である。判定部１１５は、類似度の差が閾値以上であるため、図１５に示すように、当該判定対象期間のシステムの状態を、新たな状態Ｐ２と判定する。
　また、例えば、判定部１１５は、ある組合せの類似度が、所定回数連続して最大であった場合、当該組合せに対応する状態を、システムの新たな状態と判定してもよい。そうでない場合、判定部１１５は、前回の判定対象期間において判定されたシステムの状態を、システムの状態と判定する（前回の判定を維持する）。
　また、上述の説明では、類似度の算出時に、状態期間、及び、判定対象期間のそれぞれにおいて予測誤差が最小となる相関モデル１３２が比較された。しかしながら、これに限らず、類似度の算出時に、状態期間、及び、判定対象期間のそれぞれにおいて占有率（予測誤差が最小となる期間の割合）が最も大きい相関モデル１３２が比較されてもよい。
　この場合、モデル組合せ生成処理において、検査部１１３は、メトリックの各ペアについて生成されている１以上の相関モデル１３２の各々の、各状態期間における占有率を算出する。そして、検査部１１３は、メトリックの各ペアについて、占有率が最も大きい相関モデル１３２を抽出する。
　図１６は、本発明の実施の形態における、システムの状態毎に抽出された相関モデル１３２の他の例を示す図である。
　例えば、検査部１１３は、図１６に示すように、メトリックのペア「Ａ，Ｂ」に対して、状態Ｐ１に対する状態期間Ｔ１における、相関モデルＭａｂ（１）の占有率１．０を算出する。検査部１１３は、当該ペアについて、相関モデルＭａｂ（１）を抽出する。検査部１１３は、メトリックのペア「Ａ，Ｃ」に対して、状態期間Ｔ１における、相関モデルＭａｃ（１）の占有率０．７５、相関モデルＭａｃ（２）の占有率０．２５を算出する。検査部１１３は、当該ペアについて、占有率が大きい相関モデルＭａｃ（１）を抽出する。検査部１１３は、メトリックの他のペアの各々についても、状態期間Ｔ１における各相関モデル１３２の占有率を算出し、占有率が大きい相関モデルを抽出１３２する。さらに、検査部１１３は、他の状態についても、占有率をもとに、相関モデル１３２を抽出する。そして、モデル組合せ生成部１１４は、図１０のようなモデル組合せ情報１３４を生成する。
　同様に、状態判定処理において、検査部１１３は、メトリックの各ペアに対して、判定対象期間における占有率が最も大きい相関モデル１３２を抽出する。
　例えば、検査部１１３は、占有率をもとに、図１１のような相関モデル１３２の組合せを抽出する。
　そして、判定部１１５は、上述の説明と同様に、数１式を用いて、図１２のように類似度を算出し、状態Ｐ１、Ｐ２、及び、Ｐ６を、システムの状態（状態の候補）と判定する。
　また、類似度の算出時に、状態期間、及び、判定対象期間のそれぞれにおける、メトリックの各ペアについて算出された各相関モデル１３２の占有率が比較されてもよい。
　この場合、モデル組合せ生成処理において、モデル組合せ生成部１１４は、モデル組合せ情報１３４に、メトリックの各ペアに対して算出された各相関モデル１３２の占有率を設定する。
　図１７は、本発明の実施の形態における、モデル組合せ情報１３４の他の例を示す図である。
　例えば、モデル組合せ生成処理において、モデル組合せ生成部１１４は、検査部１１３により算出された図１６の占有率をもとに、図１７のようなモデル組合せ情報１３４を生成する。
　同様に、状態判定処理において、検査部１１３は、メトリックの各ペアに対して、判定対象期間における各相関モデル１３２の占有率を算出する。
　図１８は、本発明の実施の形態における、判定対象期間に抽出された相関モデル１３２の組合せの他の例を示す図である。
　例えば、検査部１１３は、メトリックの各ペアに対して、図１８のように、各相関モデル１３２の占有率を算出する。
　判定部１１５は、メトリックの各ペアについて算出された各相関モデル１３２の占有率と、モデル組合せ情報１３４に設定されている各状態における、メトリックの各ペアについて算出された各相関モデル１３２の占有率とを比較し、類似度を算出する。ここで、判定部１１５は、例えば、数２式により類似度Ｓを算出する。
Figure JPOXMLDOC01-appb-M000002
　ここで、Ｍｉは、ペアｉに対して生成された相関モデル１３２の数、ｇ（ｉ，ｊ）は、判定対象期間における、ペアｉの相関モデルｊの占有率、ｒ（ｉ，ｊ）は、状態期間における、ペアｉの相関モデルｊの占有率である。また、ｍｉｎ（ｘ，ｙ）は、ｘ、ｙの内の小さい方を得るための関数である。
　図１９は、本発明の実施の形態における、相関モデル１３２の組合せの比較結果の他の例を示す図である。
　例えば、判定部１１５は、図１８の占有率と、図１７のモデル組合せ情報１３４に設定されている占有率とをもとに、数２式を用いて、図１９のように類似度を算出する。そして、判定部１１５は、状態Ｐ１を、システムの状態（状態の候補）と判定する。
　以上により、本発明の実施の形態の動作が完了する。
　なお、本発明の実施の形態では、モデルとして相関モデル１３２を用いた。しかしながら、これに限らず、メトリック間の統計的関係性を表すことができれば、統計処理の分野でよく知られた手法に基づく他のモデルを用いてもよい。例えば、モデルとして、自己回帰モデル、ロジスティック回帰モデル等の線形、非線形モデルや、確率分布モデルを用いてもよい。
　また、本発明の実施の形態では、予め選択された対象メトリックペアの各々に対して、モデルを生成した。しかしながら、これに限らず、監視対象のメトリックの網羅的なペアに対して、モデルを生成してもよい。また、メトリックとして用いられる監視対象の構造や構成、或いは、監視対象に係る経験（ヒューリスティック）をもとに選択されたメトリックのペアに対して、モデルを生成してもよい。また、監視データに対する計算の結果、統計的関係性を有しうると判定されたメトリックのペアに対して、モデルを生成してもよい。
　また、メトリック集合の選択方法によって、統計的関係性の表現形式も適切に選択されることは言うまでもない。例えば、メトリックの網羅的、或いは、選択的なペアを用いる場合、２つのメトリックｘ、ｙの時系列が、統計的にｙ＝ｆ（ｘ）を満たすことが導出されている、または、知られているならば、関数ｆ（ｘ）が、メトリックｘ、ｙ間の統計的関係性である。関数ｆ（ｘ）は、上述の、線形、非線形モデルや、確率分布モデルなど様々な形態をとりうる。
　また、本発明の実施の形態では、メトリックの「ペア」に対してモデルが生成された。しかしながら、これに限らず、統計的関係性が変化するタイミングが類似していれば、２以上のメトリックを含むメトリックの「集合」に対して、モデルを生成してもよい。この場合、検査部１１３は、各状態期間、或いは、判定対象期間の監視データをもとに、メトリックの各集合について、適合するモデルを抽出する。モデル組合せ生成部１１４は、各対象状態と、メトリックの各集合について抽出されたモデルの組合せと、を関連付けたモデル組合せ情報１３４を生成する。判定部１１５は、判定対象期間においてメトリックの各集合について抽出されたモデルの組合せと、モデル組合せ情報１３４により示されるモデルの組合せとを比較することにより、被監視システム５００の状態を判定する。
　また、本発明の実施の形態では、判定結果として、システムの状態を出力しているが、予め定められた状態遷移と異なる状態遷移を検出したときに、異常を通知してもよい。
　また、本発明の実施の形態では、モデル組合せ情報１３４に、正常な状態における相関モデル１３２の組合せを設定することにより、システムの「正常」な状態を検出している。しかしながら、これに限らず、モデル組合せ情報１３４に、異常な状態における相関モデル１３２の組合せを設定することにより、システムの「異常」な状態を検出してもよい。
　また、監視装置１００は、モデル組合せ生成部１１４を含まず、他の装置により生成されたモデル組合せ情報１３４を用いて、システムの状態を判定してもよい。
　また、本発明の実施の形態では、被監視システム５００がプラントの場合を例に説明した。しかしながら、これに限らず、特定の状態が定義され、状態に係るメトリックの値を取得できれば、被監視システム５００は、１以上のコンピュータを含むＩＴ（Information Technology）システムでもよい。この場合、メトリックとして、ＣＰＵ使用率、メモリ使用率、ディスクアクセス頻度等、コンピュータリソースやネットワークリソースの使用率、使用量等が用いられてもよい。また、被監視システム５００は、発電所のシステムや、キャリアの通信設備、自動車や鉄道、航空機、船舶等の移動体でもよい。また、被監視システム５００は、建物や橋梁等の構造物であってもよい。
　次に、本発明の実施の形態の特徴的な構成を説明する。図１は、本発明の実施の形態の特徴的な構成を示すブロック図である。
　監視装置１００（情報処理装置）は、モデル記憶部１２２、及び、判定部１１５を含む。モデル記憶部１２２は、システムにおける複数のメトリック集合の各々について、当該メトリック集合に含まれるメトリック間の関係性を表すモデルを記憶する。判定部１１５は、システムが一の状態にあるときの複数のメトリック集合がそれぞれ適合するモデルの組合せと、判定対象時の複数のメトリック集合がそれぞれ適合するモデルの組合せとを比較し、システムが当該一の状態にあるかどうかを判定し、出力する。
　次に、本発明の実施の形態の効果を説明する。
　本発明の実施の形態によれば、システムの状態の監視を、メトリック集合毎に関係性が変化するタイミングが異なる場合でも正確に行うことができる。その理由は、判定部１１５が、システムが一の状態にあるときと、判定対象時とで、複数のメトリック集合がそれぞれ適合するモデルの組合せを比較することにより、システムが当該一の状態にあるかどうかを判定するためである。
　これにより、ユーザ等は、システムの状態の遷移が計画通りに行われているかどうかを、正確に判断できる。
　なお、複雑な構成を有するプラントや、施設、設備等では、一般に、システムの状態の特定に高いスキルを必要とするという課題があった。
　例えば、水槽で材料を混合反応させて目的の液体を生成するだけの単純なプラントでは、反応フェーズが標準時間で完了したか否かを、単一の温度センサの値が所定の温度に達するのに要する時間により判断できる。ところが、石油精製プラント等の複雑なプラントでは、パイプの圧力、モーターの回転数、原料の品質、運転モード等の、明示または暗示されている指標を複合して判断することが求められる。このため、システムの状態を正確に特定できるかどうかは、プラント技術者のスキルに依存する。
　本発明の実施の形態によれば、このような複雑なシステムであっても、システムの状態を容易に特定できる。その理由は、モデル組合せ生成部１１４が、システムが一の状態にあるときの複数のメトリック集合が適合するモデルの組合せを生成し、判定部１１５が、当該モデルの組合せを用いて、システムが当該一の状態にあるかどうかを判定するためである。
　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。
　本発明は、特定の状態が定義され、状態に係る各種データが取得できるシステムに広く適用できる。
　この出願は、２０１５年３月１１日に出願された日本出願特願２０１５－０４８４７４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。
　１　　監視システム
　１００　　監視装置
　１０１　　ＣＰＵ
　１０２　　記憶デバイス
　１０３　　通信デバイス
　１０４　　入力デバイス
　１０５　　出力デバイス
　１１１　　データ収集部
　１１２　　モデル生成部
　１１３　　検査部
　１１４　　モデル組合せ生成部
　１１５　　判定部
　１１６　　出力部
　１２１　　データ記憶部
　１２２　　モデル記憶部
　１２３　　状態情報記憶部
　１２４　　モデル組合せ記憶部
　１３２　　相関モデル
　１３３　　状態情報
　１３４　　モデル組合せ情報
　１３６　　判定結果画面
　５００　　被監視システム
　５０１　　センサ

Claims (9)

  1. 　システムにおける複数のメトリック集合の各々について、当該メトリック集合に含まれるメトリック間の関係性を表すモデルを記憶する、モデル記憶手段と、
    　前記システムが一の状態にあるときの前記複数のメトリック集合がそれぞれ適合する前記モデルの組合せと、判定対象時の前記複数のメトリック集合がそれぞれ適合する前記モデルの組合せとを比較することにより、前記システムが当該一の状態にあるかどうかを判定し、出力する、判定手段と、
    　を備える情報処理装置。
  2. 　さらに、前記システムが前記一の状態にあるときの前記複数のメトリック集合がそれぞれ適合する前記モデルの組合せを生成する、モデル組合せ生成手段、
    　を備える、請求項１に記載の情報処理装置。
  3. 　前記判定手段は、前記システムが複数の状態の各々にあるときの前記複数のメトリック集合がそれぞれ適合する前記モデルの組合せと、前記判定対象時の前記複数のメトリック集合がそれぞれ適合する前記モデルの組合せと、を比較することにより、前記システムが当該複数の状態のいずれにあるかを判定する、
    　請求項１または２に記載の情報処理装置。
  4. 　前記判定手段は、前記システムの前記複数の状態の各々に対する前記モデルの組合せの内、前記判定対象時の前記モデルの組合せとの類似度が、他の組合せよりも大きい組合せに対応する状態を、前記システムの状態と判定する、
    　請求項３に記載の情報処理装置。
  5. 　前記判定手段は、前記システムの状態の判定を繰り返し、前記システムの前記複数の状態の各々に対する前記モデルの組合せの、前記判定対象時の前記モデルの組合せとの類似度の内、最も大きい類似度と２番目に大きい類似度との差が所定の閾値以上の場合、当該最も大きい類似度の組合せに対応する状態を、前記システムの状態と判定し、そうでない場合、前回判定した状態を、前記システムの状態と判定する、請求項４に記載の情報処理装置。
  6. 　前記システムにおける前記複数のメトリック集合の各々に含まれるメトリックの値を計測するセンサと、
    　請求項１乃至５のいずれかに記載の前記情報処理装置と、
    　を備える情報処理システム。
  7. 　所定の処理を行うプラントと、
    　前記プラントにおける前記複数のメトリック集合の各々に含まれるメトリックの値を計測するセンサと、
    　請求項１乃至５のいずれかに記載の前記情報処理装置と、を備え、
    　前記情報処理装置は、前記システムとして前記プラントの状態を判定する、
    　プラントシステム。
  8. 　システムにおける複数のメトリック集合の各々について、当該メトリック集合に含まれるメトリック間の関係性を表すモデルを記憶し、
    　前記システムが一の状態にあるときの前記複数のメトリック集合がそれぞれ適合する前記モデルの組合せと、判定対象時の前記複数のメトリック集合がそれぞれ適合する前記モデルの組合せとを比較することにより、前記システムが当該一の状態にあるかどうかを判定し、出力する、
    　情報処理方法。
  9. 　コンピュータに、
    　システムにおける複数のメトリック集合の各々について、当該メトリック集合に含まれるメトリック間の関係性を表すモデルを記憶し、
    　前記システムが一の状態にあるときの前記複数のメトリック集合がそれぞれ適合する前記モデルの組合せと、判定対象時の前記複数のメトリック集合がそれぞれ適合する前記モデルの組合せとを比較することにより、前記システムが当該一の状態にあるかどうかを判定し、出力する、
    　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。
PCT/JP2016/001283 2015-03-11 2016-03-09 情報処理装置、情報処理方法、及び、記録媒体 WO2016143337A1 (ja)

Priority Applications (2)

Application Number Priority Date Filing Date Title
JP2017504869A JP6733656B2 (ja) 2015-03-11 2016-03-09 情報処理装置、情報処理システム、プラントシステム、情報処理方法、及び、プログラム
US15/556,939 US10733331B2 (en) 2015-03-11 2016-03-09 Information processing apparatus, information processing method, and recording medium

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2015048474 2015-03-11
JP2015-048474 2015-03-11

Publications (1)

Publication Number Publication Date
WO2016143337A1 true WO2016143337A1 (ja) 2016-09-15

Family

ID=56880434

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2016/001283 WO2016143337A1 (ja) 2015-03-11 2016-03-09 情報処理装置、情報処理方法、及び、記録媒体

Country Status (3)

Country Link
US (1) US10733331B2 (ja)
JP (1) JP6733656B2 (ja)
WO (1) WO2016143337A1 (ja)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11106478B2 (en) 2017-11-10 2021-08-31 Mitsubishi Electric Corporation Simulation device, simulation method, and computer readable medium

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111066003A (zh) * 2017-10-10 2020-04-24 西门子股份公司 对流程行业中的设备进行状态监测的方法、装置及介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001184121A (ja) * 1999-12-22 2001-07-06 Mitsubishi Heavy Ind Ltd センサ劣化検知装置
JP2005149137A (ja) * 2003-11-14 2005-06-09 Tokyo Gas Co Ltd 遠隔監視システム、遠隔監視方法、及び遠隔監視プログラム
JP2010186310A (ja) * 2009-02-12 2010-08-26 Nec Corp 運用管理装置および運用管理方法ならびにそのプログラム
JP2013229064A (ja) * 2009-10-15 2013-11-07 Nec Corp システム運用管理装置、システム運用管理方法、及びプログラム記憶媒体

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7366618B2 (en) * 2005-12-23 2008-04-29 Itt Manufacturing Enterprises, Inc. Database system and method for analyzing and associating observable data with substances, equipment, and processes
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
JP5387779B2 (ja) 2010-09-01 2014-01-15 日本電気株式会社 運用管理装置、運用管理方法、及びプログラム

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001184121A (ja) * 1999-12-22 2001-07-06 Mitsubishi Heavy Ind Ltd センサ劣化検知装置
JP2005149137A (ja) * 2003-11-14 2005-06-09 Tokyo Gas Co Ltd 遠隔監視システム、遠隔監視方法、及び遠隔監視プログラム
JP2010186310A (ja) * 2009-02-12 2010-08-26 Nec Corp 運用管理装置および運用管理方法ならびにそのプログラム
JP2013229064A (ja) * 2009-10-15 2013-11-07 Nec Corp システム運用管理装置、システム運用管理方法、及びプログラム記憶媒体

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11106478B2 (en) 2017-11-10 2021-08-31 Mitsubishi Electric Corporation Simulation device, simulation method, and computer readable medium

Also Published As

Publication number Publication date
US10733331B2 (en) 2020-08-04
US20180032640A1 (en) 2018-02-01
JP6733656B2 (ja) 2020-08-05
JPWO2016143337A1 (ja) 2018-02-08

Similar Documents

Publication Publication Date Title
US10747188B2 (en) Information processing apparatus, information processing method, and, recording medium
Kong et al. Two-phase degradation process model with abrupt jump at change point governed by Wiener process
Moghaddass et al. An integrated framework for online diagnostic and prognostic health monitoring using a multistate deterioration process
US9367382B2 (en) Apparatus, method, and program product for calculating abnormality based on degree of correlation destruction
EP3015989A1 (en) System analysis device, system analysis method and system analysis program
EP3051374A1 (en) Information processing device and analysis method
EP2963553B1 (en) System analysis device and system analysis method
WO2016088362A1 (ja) システム分析装置、システム分析方法および記憶媒体
US11115295B2 (en) Methods and systems for online monitoring using a variable data
JP6708203B2 (ja) 情報処理装置、情報処理方法、及び、プログラム
JP6521096B2 (ja) 表示方法、表示装置、および、プログラム
JP6711323B2 (ja) プロセスの異常状態診断方法および異常状態診断装置
JP6489235B2 (ja) システム分析方法、システム分析装置、および、プログラム
JPH08234832A (ja) プラント監視診断装置および方法
WO2017150286A1 (ja) システム分析装置、システム分析方法、及び、コンピュータ読み取り可能な記録媒体
WO2016143337A1 (ja) 情報処理装置、情報処理方法、及び、記録媒体
US10157113B2 (en) Information processing device, analysis method, and recording medium
JP6973445B2 (ja) 表示方法、表示装置、および、プログラム
Khaleghei Ghosheh Balagh Modeling, estimation, and control of partially observable failing systems using phase method

Legal Events

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

Ref document number: 16761310

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2017504869

Country of ref document: JP

Kind code of ref document: A

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 16761310

Country of ref document: EP

Kind code of ref document: A1