WO2020157948A1 - 運用支援装置、システム、方法及びプログラムが格納された非一時的なコンピュータ可読媒体 - Google Patents

運用支援装置、システム、方法及びプログラムが格納された非一時的なコンピュータ可読媒体 Download PDF

Info

Publication number
WO2020157948A1
WO2020157948A1 PCT/JP2019/003549 JP2019003549W WO2020157948A1 WO 2020157948 A1 WO2020157948 A1 WO 2020157948A1 JP 2019003549 W JP2019003549 W JP 2019003549W WO 2020157948 A1 WO2020157948 A1 WO 2020157948A1
Authority
WO
WIPO (PCT)
Prior art keywords
time
operations
operation mode
state
target system
Prior art date
Application number
PCT/JP2019/003549
Other languages
English (en)
French (fr)
Inventor
亮太 比嘉
淳也 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 JP2020569305A priority Critical patent/JP7184099B2/ja
Priority to US17/425,832 priority patent/US11740912B2/en
Priority to PCT/JP2019/003549 priority patent/WO2020157948A1/ja
Publication of WO2020157948A1 publication Critical patent/WO2020157948A1/ja

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/44—Arrangements for executing specific programs
    • G06F9/445—Program loading or initiating
    • G06F9/44505—Configuring for program initiating, e.g. using registry, configuration files
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/30—Monitoring
    • G06F11/3055—Monitoring arrangements for monitoring the status of the computing system or of the computing system component, e.g. monitoring if the computing system is on, off, available, not available
    • 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
    • G06F11/3409—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 for performance assessment
    • G06F11/3419—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 for performance assessment by assessing time
    • 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
    • G06F11/3466—Performance evaluation by tracing or monitoring
    • G06F11/3495—Performance evaluation by tracing or monitoring for systems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • 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
    • G06F11/3466—Performance evaluation by tracing or monitoring

Definitions

  • the present disclosure relates to a non-transitory computer-readable medium that stores an operation support device, a system, a method, and a program.
  • each operator operates daily based on an operation plan created in advance.
  • the plan information based on the operation plan can be obtained by a prediction model that simulates the system.
  • Patent Document 1 discloses a technique related to an operation support device such as a plant or a mechanical device.
  • the driving support apparatus collects process data relating to the operating state of the monitored device, and builds a prediction model in which the characteristics of the operating range of the device are learned based on the process data. Therefore, the driving support apparatus can also obtain the result of simulating the operation of the device to be monitored using the prediction model and use it as the plan information.
  • plan information often refers to the target state of the target system and is not an operation for reaching the target state. This is because the operation operations of the operation system (facility) are complicated and diversified, and it is difficult to select the operation corresponding to the plan information from the history even if the operation history is viewed.
  • the present disclosure has been made to solve such problems, and an operation support device, system, method, and method for facilitating grasping of an appropriate and specific operation set based on an operation plan of a target system.
  • the purpose is to provide the program.
  • the operation support device is A time-series data in which the state of the target system controlled according to a plurality of operations by the operator is measured, and a storage unit that stores at least a part of operation information of the plurality of operations, A plurality of change points of the change tendency of the state are specified from the time series data, and a plurality of time zones with at least a part of the plurality of change points as breaks are specified as a plurality of operation modes in the target system. Specific part to A set of operations performed in each of the plurality of time zones is extracted from the operation information, and an operation mode operation set that associates the operation mode corresponding to each time zone with the extracted operation set is generated. An operation set generation unit that stores the operation set in the storage unit; Equipped with.
  • the operation support system is A time-series data in which the state of the target system controlled according to a plurality of operations by the operator is measured, and a storage unit that stores at least a part of operation information of the plurality of operations, A plurality of change points of the change tendency of the state are specified from the time-series data, and a plurality of time zones separated by at least a part of the plurality of change points are specified as a plurality of operation modes in the target system.
  • Specific part to A set of operations performed in each of the plurality of time zones is extracted from the operation information, and an operation mode operation set that associates the operation mode corresponding to each time zone with the extracted operation set is generated.
  • An operation set generation unit that stores the operation set in the storage unit; Equipped with.
  • the operation support method is Computer From the time-series data in which the state of the target system controlled according to a plurality of operations by the operator is measured, a plurality of points of change in the trend tendency of the state are specified, Each of a plurality of time zones separated by at least a part of the plurality of change points is specified as a plurality of operation modes in the target system, Extracting a set of operations performed in each of the plurality of time zones from at least some operation information of the plurality of operations, Generate an operation mode operation set in which the operation mode corresponding to each time zone and the extracted operation set are associated with each other, The operation mode operation set is stored in a storage device.
  • the operation support program A process of identifying a plurality of change points of the change tendency of the state from the time series data in which the state of the target system controlled according to a plurality of operations by the operator is measured, A process of specifying each of a plurality of time zones separated by at least a part of the plurality of change points as a plurality of operation modes in the target system, A process of extracting a set of operations performed in each of the plurality of time zones from at least a part of operation information of the plurality of operations, A process of generating an operation mode operation set in which the operation mode corresponding to each time zone and the extracted operation set are associated with each other; A process of storing the operation mode operation set in a storage device; Causes the computer to execute.
  • an operation support device, system, method and program for facilitating the grasp of an appropriate and specific operation set based on the operation plan of the target system.
  • FIG. 1 is a block diagram showing an overall configuration of an operation support device according to the first exemplary embodiment.
  • FIG. 6 is a flowchart showing a flow of an operation support method according to the first exemplary embodiment.
  • FIG. 6 is a block diagram showing a configuration of an operation support device according to the second exemplary embodiment. It is a figure which shows the example of the time series data and operation history data concerning this Embodiment 2. It is a figure which shows the example of the operation plan information concerning this Embodiment 2.
  • FIG. 6 is a flowchart showing a flow of an operation support method according to the first exemplary embodiment.
  • FIG. 6 is a block diagram showing a configuration of an operation support device according to the second exemplary embodiment. It is a figure which shows the example of the time series data and operation history data concerning this Embod
  • FIG. 8 is a diagram for explaining the concept of pattern analysis of time series data and operation mode identification according to the second embodiment.
  • FIG. 8 is a diagram showing an example of operation mode identification according to the second exemplary embodiment.
  • FIG. 9 is a diagram showing an example of an operation mode operation set according to the second exemplary embodiment. It is a figure which shows the example of the action tree concerning this Embodiment 2.
  • FIG. 1 is a block diagram showing the overall configuration of the operation support device 100 according to the first embodiment.
  • the operation support device 100 is an information processing system for supporting an operator (operator) who operates a target system (not shown).
  • the target system is a system that is controlled according to a plurality of operations by an operator based on an operation plan created in advance, and is, for example, an operation system such as a water supply infrastructure system.
  • the operation support device 100 is realized by one or more information processing devices.
  • the operation support device 100 includes a storage unit 110, a specification unit 120, and an operation set generation unit 130.
  • the storage unit 110 stores time series data 111, operation information 112, and an operation mode operation set 113.
  • the time series data 111 is a data string in which the state of the target system is measured, and at least the measurement value (value indicating the state) and the measurement time are associated with each other.
  • any unit system for specifying time such as year, month, day, hour, minute, second, etc. can be used.
  • the time series data 111 may include, for example, measured values of flow rate, pressure, electric power, oil amount, oil pressure, and the like.
  • time-series data 111 may be associated with base information indicating the measurement location of the measurement value, the location of the target system, and the like. Further, the time-series data 111 is, for example, data measured by a sensor or the like used for monitoring the target system or the like and is stored in the storage unit 110 in advance.
  • the operation information 112 is a set of at least part of a plurality of operations by the operator on the target system and time. That is, the operation information 112 may be at least information indicating an operation and time associated with each other. As the time, any unit system for specifying time such as year, month, day, hour, minute, second can be used. Therefore, the operation information 112 includes, for example, a record of the operation actually performed by the operator on the target system, an operation history (operation log), and the operation information 112 for the operator regardless of whether the operation is actually performed. It is assumed that the operation content instruction (operation instruction) that specifies the implementation time is included.
  • the “operation” is performed on an input device such as a device for controlling the target system. For operation, for example, pressing a specific button, turning a specific dial to a predetermined scale, pulling a specific lever, setting a specific set value, inputting specific information using a keyboard, etc.
  • the present invention is not limited to these.
  • the operation mode operation set 113 is information generated by the operation set generation unit 130 described later, and may not be initially stored in the storage unit 110.
  • the specifying unit 120 specifies a plurality of change points of the tendency of the state change from the time series data 111. Then, the identifying unit 120 identifies each of a plurality of time zones with at least a part of a plurality of change points as a break, as a plurality of operation modes in the target system.
  • the operation mode is information for identifying at least a specific time zone from other adjacent time zones, and the same type of operation mode may be specified multiple times for a plurality of non-adjacent time zones. .. For example, Monday morning and Tuesday morning may be specified as the same type of operation mode.
  • the time zone is assumed to include one or more minimum units in the unit system of “(measurement) time” in the time series data 111 and the operation information 112 described above.
  • the operation set generation unit 130 extracts a set of operations at times included in each of a plurality of time zones from the operation information 112. Then, the operation set generation unit 130 generates an operation mode operation set 113 that associates the operation mode corresponding to each time zone with the extracted operation set, and stores the operation mode operation set 113 in the storage unit 110. Therefore, in the operation mode operation set 113, one or more operations are associated with one operation mode. Further, the set of operations may include the execution order of each operation.
  • the specifying unit 120 specifies a plurality of change points in the tendency of the state change from the time series data 111 (S11).
  • the identifying unit 120 identifies each of a plurality of time zones that are separated by at least a part of a plurality of change points as a plurality of operation modes in the target system (S12).
  • the operation set generation unit 130 extracts a set of operations at times included in each of the plurality of time zones from the operation information 112 (S13). Subsequently, the operation set generation unit 130 generates the operation mode operation set 113 in which the operation mode corresponding to each time zone and the extracted operation set are associated with each other (S14). Then, the operation set generation unit 130 stores the operation mode operation set 113 in the storage unit 110 (S15).
  • the focus is on the change tendency of the state of the target system changing when the operator operates the target system based on the operation plan. That is, the state of the target system is constantly changing, and a changing tendency (pattern) appears at regular intervals.
  • the state of the target system does not always change immediately in response to an operation, and the tendency of fluctuation may gradually change with the passage of a certain period of time.
  • the operator may continue a predetermined operation set in order to maintain a constant change tendency of the state of the target system. Therefore, the operator can be regarded as performing a series of operations in order to transition the target system to the target state during the time period indicated by the operation plan.
  • the period in which the change tendency of the specific target state is maintained is called the operation mode.
  • the operation support device 100 divides time zones by using the time (change point) at which the change tendency of the state of the target system in the time-series data 111 is changed, and regards each time zone as an operation mode. Then, the operation support device 100 extracts, from the operation information 112, a set of operations at the time included in the time zone indicated by the operation mode, and associates the operation mode with the set of operations to generate an operation mode operation set 113. ing. If the operation information is history information, the operation support device 100 will extract, from the history information, a set of operations performed in the time zone indicated by the operation mode.
  • the operation support device 100 is scheduled in the time zone indicated by the operation mode from the operation instruction.
  • a set of operation instructions will be extracted.
  • the operation support device 100 is associated with the time included in the time zone indicated by the operation mode in the history information and the operation instruction.
  • the operation or operation instruction may be extracted. Therefore, the operator who is presented with the operation mode operation set 113 can understand the operation set for each operation mode.
  • the operation mode corresponds to the operation plan as described above. Therefore, according to the present embodiment, it is possible to easily grasp an appropriate and specific operation set based on the operation plan of the target system.
  • the information processing device 1 includes a processor, a memory, and a storage device, which are not shown.
  • the storage device stores a computer program in which the processing of the operation support method according to the present embodiment is implemented.
  • the processor reads the computer program from the storage device into the memory and executes the computer program. Thereby, the processor realizes the functions of the identifying unit 120 and the operation set generating unit 130.
  • the identification unit 120 and the operation set generation unit 130 may be realized by dedicated hardware. Further, some or all of the constituent elements of each device may be realized by a general-purpose or dedicated circuit, a processor, or a combination thereof. These may be configured by a single chip, or may be configured by a plurality of chips connected via a bus. Some or all of the constituent elements of each device may be realized by a combination of the above-described circuits and the like and a program. As the processor, a CPU (Central Processing Unit), a GPU (Graphics Processing Unit), an FPGA (field-programmable gate array), or the like can be used.
  • a CPU Central Processing Unit
  • GPU Graphics Processing Unit
  • FPGA field-programmable gate array
  • the plurality of information processing devices, circuits, etc. may be centrally arranged. It may be distributed.
  • the information processing device, the circuit and the like may be realized as a form in which a client server system, a cloud computing system and the like are connected to each other via a communication network.
  • the function of the operation support device 100 may be provided in the SaaS (Software as a Service) format.
  • the actual operation operation to realize the plan information (target state) of the target system is not limited to the plan information, but a trained operator embodies it based on the experience according to the surrounding environment and operating status of the facility (system). It is said that it will be specified. That is, it is said that the presence or absence of some operations in the operation set, the order, and the adjustment degree even if the same operation is the same even if the same operation is performed because the facilities are different. These are also known as know-how and tips based on the experience of skilled persons.
  • the records of driving operations by experts are not sufficiently accumulated and are often partial.
  • the operation record may be recorded only on Monday of the week, or only the main operation of a certain time period may be recorded.
  • the optimum operation (set value, tuning level, operation time), etc. for each facility is often not recorded. Therefore, there is a problem that it is difficult to transfer the know-how to other operators.
  • the second embodiment is made to solve at least a part of the above-mentioned problems, and has the following configuration in addition to the above-described first embodiment. That is, it is preferable that the specifying unit specifies each of the plurality of patterns subjected to pattern analysis from the time-series data as the change tendency of the state, and specifies the boundary time of each pattern as the change time point. Thereby, for example, the delimiter of the actual operation mode can be appropriately detected from the shape of the waveform pattern of the time series data.
  • the specifying unit specifies patterns having a similarity of the fluctuation tendency of a predetermined value or more among the plurality of patterns as the same type of the operation mode.
  • similar patterns can be aggregated and regarded as an operation mode, so that a common set of operations can be detected and a more general-purpose set of operations can be grasped.
  • the specifying unit integrates two or more adjacent patterns into one pattern when the degree of similarity of the variation tendency is a predetermined value or more, and the time of the boundary of the patterns after the integration is changed to the change time point. Should be specified as. This makes it possible to capture one operation mode in a larger unit.
  • the storage unit further stores operation instructions to the operator based on an operation plan planned in advance within a period corresponding to the time-series data.
  • the operation set generation unit extracts a set of operations performed in the time period, and when an operation corresponding to the time period does not exist in the operation information, the time period is selected from the operation instructions.
  • the operation instruction corresponding to is extracted. It is desirable that the operation set generation unit associates the extracted operation instruction with the operation mode corresponding to the time zone and generates the operation mode operation set. As a result, even if the operation history is insufficient, a minimum set of operations can be associated with each operation mode, and thus it is possible to provide useful information to an inexperienced operator.
  • the storage unit further stores external environment data including environment data corresponding to each of a plurality of environment indicators.
  • the operation support device further includes a tree generation unit that generates an action tree in which each of the operation modes is classified by using each of the plurality of environment indexes as a branch condition. As a result, the operation modes are automatically classified, which makes it easy to identify an appropriate operation mode according to a plurality of environmental indexes.
  • the tree generation unit may generate and output the action tree as visualization information.
  • the operator can easily specify an appropriate operation mode from a plurality of environmental indexes.
  • a visualization unit that generates and outputs the visualization information of the operation mode operation set may be further provided. Also by this, the operator can easily understand the operation set for each operation mode.
  • a model generation unit is further provided for generating, for each operation mode, an operator model that derives a set of operations of the operator from the state of the target system based on the time-series data and the operation mode operation set. Is desirable. By thus generating the operator model for each operation mode, highly accurate prediction can be realized.
  • the target state is input to the operator model of the operation mode corresponding to the future time zone to derive the set of operations. It is preferable to further include an operation presentation unit that outputs the set of derived operations. This allows an inexperienced operator to easily grasp the know-how of an expert.
  • a learning unit for learning a simulator for predicting the state of the target system using the time series data and the operation mode operation set is further provided.
  • the model generation unit may generate the operator model further based on the learned simulator. This can further improve the accuracy of the operator model.
  • FIG. 3 is a block diagram showing the configuration of the operation support device 200 according to the second embodiment.
  • the operation support device 200 is an improvement of the operation support device 100 described above, and can be said to be an operation support system realized by one or more information processing devices.
  • the operation support device 200 includes a storage unit 210, a specification unit 220, an operation set generation unit 230, a classification information generation unit 240, a learning unit 250, a model generation unit 260, and an operation presentation unit 270.
  • the storage unit 210 is an example of the storage unit 110 described above, and includes time series data 211, operation history data 212, an operation mode operation set 213, operation plan information 214, external environment data 215, and a simulator 216.
  • the operator model 217 is stored.
  • the time-series data 211 is the same as the above-mentioned time-series data 111
  • the operation history data 212 corresponds to the history information of the above-mentioned operation information 112
  • the operation mode operation set 213 is the above-mentioned operation mode operation set 113. Is the same as. Therefore, in the operation history data 212, at least the information indicating the operation and the time when the operation is performed are associated with each other.
  • FIG. 4 is a diagram showing an example of the time series data 211 and the operation history data 212 according to the second embodiment.
  • the time series data 211 in the example of FIG. 4 indicates that the flow rate p, the pressure q, and the site r are associated with each other at each measurement time.
  • the operation history data 212 in the example of FIG. 4 indicates that any one of the operations a * 1 , a * 2 , a * 3, and the like performed at each operation execution time is associated.
  • FIG. 4 shows that the record of the execution operation of the operation history data 212 does not necessarily correspond to the measurement value of the time series data 211.
  • the measurement interval of the time series data 211 and the recording interval of the operation history data 212 may be different. The recording interval may be smaller than the measurement interval.
  • two or more operations may be recorded at the same implementation time.
  • the operation plan information 214 is information indicating an operation plan planned in advance within the period corresponding to the time series data 211.
  • a target state 2141 is a target value of a state to be transited to the target system in the corresponding time zone 2142.
  • the target state 2141 may be a state of a plurality of indices.
  • the time slot 2142 is a width of time during which the target system should transit to and maintain the corresponding target state 2141.
  • the operation instruction 2143 is information for instructing an operation that the operator should perform in order to satisfy the corresponding target state 2141 and time zone 2142.
  • the operation instruction 2143 may be an operation unit included in the operation history data 212, or may be an instruction that is more abstract than an operation. In addition, the operation instruction 2143 is not essential in the present embodiment. If the operation instruction 2143 is associated with the detailed time in the time zone 2142, it can be said to be an example of the operation information 112 described above.
  • FIG. 5 is a diagram showing an example of the operation plan information 214 according to the second embodiment.
  • the operation plan information 214 may include an overall plan indicating a long-term target state for the target system and an individual plan including operation instructions for a plurality of time zones in one day.
  • FIG. 5 is an example of an individual plan. In the example of FIG. 5, it is shown that any of the operations a to 1 , a to 2 , a to 3 and the like as the operation instruction 2143 is associated with each time zone 2142. Note that the time zone shows an example in which several hours are one unit, but the range of time is not limited to this. Although the time period 2142 is wider than the recording interval of the execution time in the operation history data 212, the recording interval of the execution time may be wider than that of the time period 2142.
  • the operation instruction 2143 may include two or more operations in the same time zone.
  • the external environment data 215 is a set of external environmental indexes and time series measurement values that may affect the operation of the target system.
  • the environmental index is, for example, season, day of the week, time zone, weather information (weather, temperature, humidity) and the like.
  • the external environment data 215 according to the present embodiment preferably includes two or more indexes.
  • the simulator 216 is a prediction model that predicts the state of the target system, and is a model formula such as a function defined by parameters and variables.
  • the simulator 216 outputs the state of the target system by inputting the operation (action) of the operator and performing calculation using predetermined parameters.
  • the operator model 217 is a predictive model for deriving a set of operator operations from the state of the target system, and is a model expression such as a function defined by parameters and variables.
  • the operator model 217 inputs the state of the target system and performs an operation using predetermined parameters to output a set of operations by the operator.
  • the identifying unit 220 is an example of the identifying unit 120 described above, and identifies each of a plurality of patterns subjected to pattern analysis from the time-series data 211 as a change tendency of the state, and identifies the time at the boundary of each pattern as the change time point. To do. Further, the identifying unit 220 identifies patterns having a variation tendency similarity of a predetermined value or more among a plurality of patterns as operation modes of the same type. In addition, the identifying unit 220 integrates two or more adjacent patterns into one pattern when the degree of similarity of the variation tendency is a predetermined value or more, and identifies the boundary time of the integrated patterns as the change time point. ..
  • the operation set generation unit 230 extracts an operation instruction corresponding to the time period from the operation instruction 2143 when the operation history data 212 does not have an operation corresponding to the time period specified by the specifying unit 220. Then, the operation set generation unit 230 associates the extracted operation instruction with the operation mode corresponding to the time zone and generates the operation mode operation set 213.
  • the classification information generation unit 240 is an example of a tree generation unit, and generates an action tree in which each operation mode is classified with each of a plurality of environmental indicators in the external environment data 215 as a branch condition. Furthermore, the classification information generation unit 240 generates and outputs an action tree as visualization information. For example, the classification information generation unit 240 displays an action tree on the display device (not shown) of the operation support device 200.
  • the operation support device 200 may output something other than the action tree.
  • the operation support device 200 may further include a visualization unit that generates and outputs visualization information (other than the action tree) of the operation mode operation set 213.
  • the learning unit 250 uses the time-series data 211 and the operation mode operation set 213 to learn the simulator 216 that predicts the state of the target system, and saves it in the storage unit 210.
  • the model generation unit 260 generates an operator model 217 that derives a set of operations of the operator from the state of the target system based on the time series data 211 and the operation mode operation set 213 for each operation mode, and the storage unit 210. Save to. Further, the model generation unit 260 may generate the operator model 217 based on the simulator 216 learned by the learning unit 250.
  • the operation presentation unit 270 inputs the target state 2141 to the operator model 217 in the operation mode corresponding to the future time zone according to the designation of the target state 2141 of the target system in the future time zone, and derives a set of operations. Then, the set of the derived operations is output.
  • the operation presentation unit 270 accepts an operation mode designation from the outside, selects an operator model 217 corresponding to the specified operation mode, and derives (predicts) a set of operations by the selected operator model 217. You may output.
  • the operation presenting unit 270 may accept designation of time information indicating a time zone immediately before the time zone of the prediction target, external environment data and state of the target system in the time information, operation mode, and the like.
  • the operation presentation unit 270 derives (predicts) a set of operations by the operator model 217 according to the specified information, and outputs the set. Further, the operation support device 200 receives time information indicating a time zone immediately before the time zone of the prediction target, operation on the target system in the time information, and designation of external environment data, and uses the learned system 216 to learn the target system. May be predicted and output. Therefore, the operation presentation unit 270 performs at least one of displaying the state of the target system and presenting an appropriate action pattern for the operation support to the operator.
  • FIG. 6 is a block diagram showing the hardware configuration of the operation support device 300 according to the second embodiment.
  • the operation support apparatus 300 is a hardware view of the operation support apparatus 200 described above.
  • the operation support device 300 includes at least a CPU 301, a memory 302, an IF unit 303, and a storage device 304.
  • the storage device 304 is a storage device such as a hard disk or a flash memory corresponding to the storage unit 210 described above.
  • the operation support program 305 in which is omitted is stored.
  • the operation support program 305 is a computer program in which the processing of the operation support method according to this embodiment is implemented.
  • the memory 302 is a volatile storage device such as a RAM (Random Access Memory) and is a storage area for temporarily holding information when the CPU 301 operates.
  • the IF unit 303 is an interface that inputs and outputs with the outside of the operation support apparatus 300. For example, the IF unit 303 receives an operation of an operator via an input device (not shown) such as a keyboard, a mouse, and a touch panel, and outputs the received operation content to the CPU 301. Further, the IF unit 303 outputs to a touch panel, a display device, a printer or the like (not shown) according to an instruction from the CPU 301.
  • an input device not shown
  • the IF unit 303 outputs to a touch panel, a display device, a printer or the like (not shown) according to an instruction from the CPU 301.
  • the CPU 301 is a processor that controls each component of the operation support device 300, that is, a control device.
  • the CPU 301 reads the operation support program 305 from the storage device 304 into the memory 302 and executes the operation support program 305. Thereby, the CPU 301 realizes the functions of the specifying unit 220, the operation set generating unit 230, the classification information generating unit 240, the learning unit 250, the model generating unit 260, and the operation presenting unit 270.
  • FIG. 7 is a flow chart for explaining the flow of the operation support method according to the second embodiment.
  • the identifying unit 220 reads out, that is, acquires the time-series data 211, the operation history data 212, and the external environment data 215 from the storage unit 210 (S21).
  • the identifying unit 220 identifies the operation mode (S22). Specifically, first, the identifying unit 220 performs a pattern analysis of the time series data 211.
  • the identifying unit 220 can use, for example, a Wavelet transform, a Fourier transform, a hidden Markov model (HMM (Hidden Markov Model)), or the like as the pattern analysis, but is not limited thereto. Further, the pattern is an example of the tendency of the change in the state.
  • HMM Hidden Markov Model
  • the identifying unit 220 identifies the change point of the analyzed pattern. Then, the identifying unit 220 calculates the degree of similarity between the patterns and identifies the patterns having the degree of similarity equal to or more than a predetermined value as the same type of operation mode. Further, when the similarity between two or more adjacent patterns is equal to or more than a predetermined value, the identifying unit 220 integrates these patterns into one pattern and identifies the boundary time of the patterns after the integration as the change time point. To do. Therefore, it can be said that the identifying unit 220 regards a part of the boundary of the pattern as a delimiter of the operation mode and a delimiter of the action of the operator.
  • FIG. 8 is a diagram for explaining the concept of pattern analysis of time series data and operation mode identification according to the second embodiment.
  • the upper graph of FIG. 8 shows the measurement time on the horizontal axis and the state of time series data on the vertical axis, and shows the time transition of the state.
  • the identifying unit 220 identifies the change points d0 to d5 by pattern analysis. Therefore, it is assumed that the waveform pattern shown in the lower part of FIG. 8 is specified. Then, the identifying unit 220 appropriately integrates the patterns according to the degree of similarity between adjacent waveform patterns, and specifies the integrated pattern as the operation modes M0 to M3.
  • the operation mode M0 shows an example in which two waveform patterns are integrated
  • the operation mode M1 is one waveform pattern
  • the operation mode M3 shows an example in which two waveform patterns are integrated and further they are integrated.
  • the operation modes M0 and M2 have the same set of waveform patterns, but their composition ratios are different, so that the degree of similarity is less than a predetermined value, and an example specified as different operation modes is shown.
  • FIG. 9 is a diagram showing an example of operation mode identification according to the second embodiment.
  • the identifying unit 220 identifies the change points d0, d1, d2,...
  • An example in which the time zone between the change points is specified as the operation modes M11, M12,... Mn is shown.
  • the operation set generation unit 230 generates the operation mode operation set 213 (S23). For example, the operation set generation unit 230 performs clustering using the operation history data 212 as the correct label. As the clustering, for example, Softmax or the like can be used, but the clustering is not limited thereto. Then, the operation set generation unit 230 classifies each operation of the operation history data 212 into each operation mode by clustering. That is, the operation set generation unit 230 assigns each operation to the operation mode corresponding to the time zone to which the time of each operation belongs.
  • the operation set generation unit 230 issues an operation instruction for the corresponding time zone 2142. 2143 may be classified as an operation. Then, the operation set generation unit 230 generates the operation mode operation set 213 by associating the operation set classified into each operation mode with the operation mode, and stores the operation mode operation set 213 in the storage unit 210.
  • FIG. 10 is a diagram showing an example of the operation mode operation set 213 according to the second embodiment.
  • operation mode M11 to the operation set a 1-1, a 1-2, a 1-3 are associated, the operation set a 2-1 corresponding to the operation mode M12, operation set to the operation mode Mn
  • An example in which a n-1 and a n-2 are associated is shown.
  • the classification information generation unit 240 classifies each operation mode in the operation mode operation set 213 using a plurality of environment indexes of the external environment data 215 as a branch condition, and generates an action tree (S24).
  • the classification information generation unit 240 may store the generated action tree in the storage unit 210 or may output it to a display device (not shown).
  • step S24 is not essential.
  • FIG. 11 is a diagram showing an example of an action tree according to the second exemplary embodiment.
  • the classification information generation unit 240 sets the past data of seasons, days of the week, and weather, which are environmental indicators, as the external environment data 215, and the date and time of these combinations and the time zone of each operation mode in the operation mode operation set 213. Classify the operation mode into matching nodes. Therefore, the operator can specify an appropriate operation mode by tracing the action tree according to the branch condition with respect to the given external environment (in the plan information). Then, the operator can understand the set of operations associated with the specified operation mode by referring to the operation mode operation set 213.
  • the parent-child relationship of the branch condition of the action tree is not limited to this.
  • the learning unit 250 uses the time-series data 211, the operation history data 212, the operation mode operation set 213, the operation plan information 214, the external environment data 215, and the action tree to perform parameter dynamics learning of the simulator 216 (S25). ). Therefore, the parameters are optimized.
  • the learning unit 250 stores (updates) the learned simulator 216 in the storage unit 210.
  • the simulator 216 may be defined as follows.
  • the time series data 211 is defined as the following expression (1).
  • the flow rate p and the pressure q are the measured values of the target system
  • the base r is the place (base) where each measured value was measured
  • the measurement time t is the measurement time t.
  • the expression (1) can be time-differentiated and expressed as the following expression (2).
  • the action a corresponds to the operation set of the operator
  • i is the identification information of the base
  • ⁇ is the scalogram used in the Wavelet transform or the frequency used in the Fourier transform.
  • the learning unit 250 can define and learn the equation (2) by defining the simulator 216 as the Gaussian process GP( ⁇ , K(s, s′); a).
  • the learning unit 250 may learn the simulator 216 by CNN (Convolutional Neural Network), RNN (Recurrent Neural Network), or the like.
  • the model generation unit 260 generates an operator model 217 for each operation mode included in the operation mode operation set 213 (S26) and stores it in the storage unit 210.
  • the model generation unit 260 may generate the operator model 217 by using the time series data 211, the operation history data 212, the operation mode operation set 213, the operation plan information 214, the external environment data 215, and the simulator 216. ..
  • step S24 may be executed together with step S26.
  • the operation presentation unit 270 acquires a set of operations using the operator model 217 according to the operation mode and presents it to the operator (S27). For example, the operation presentation unit 270 identifies a corresponding operator model 217 according to the operation mode input from the outside, derives a set of operations using the identified operator model 217, and outputs the operation set. Alternatively, the operation presenting unit 270 accepts the designation of the target state of the target system in the future time zone from the outside and specifies the operator model 217 in the operation mode corresponding to the future time zone. Then, the operation presentation unit 270 inputs the specified target state into the specified operator model 217, derives a set of operations, and outputs the set.
  • the operation mode for each time is estimated from the time series data, the prediction model for each operation mode is created, and the operation set (corresponding to the operation mode) is predicted and presented from the operation plan information. To do. Therefore, even an inexperienced operator can obtain an appropriate set of operations from the operation plan information, and it is possible to operate using the know-how of a skilled person.
  • the target system may not have a mechanism for electronically recording the operation content.
  • the operation history recorded by handwriting is separately digitized and stored in the storage unit 210 as the operation history data 212.
  • the target system may not have a mechanism for electronically recording the operation content, depending on the capacity of the target system and the storage unit 210, it may not be possible to save the operation history data 212 in all time zones. In these cases, the operation history data 212 is partially saved.
  • the operation instruction 2143 may be executed in a time zone different from the time zone 2142.
  • the operation instruction 2143 has not been given in the time zone 2142 or that an operation other than the operation instruction 2143 has been made.
  • no specific time is specified within the time zone 2142.
  • the operation instruction 2143 is not a detailed instruction, and there is a high possibility that even the optimum set value for each facility is unknown.
  • the optimum operation timings, setting contents, etc. are different due to the occasional operation of the facility, the surrounding environment, and related facilities.
  • the time-series data 211 is analyzed to identify the operation mode delimiters, and the set of operations performed is associated with each operation mode.
  • operations that are not recorded in the operation history and that are not included in the operation instructions are not included in the operation mode operation set. Therefore, by interviewing an expert based on the operation mode operation set, the efficiency can be improved. You can also ask for know-how.
  • each element illustrated in the drawings as a functional block that performs various processes can be configured by a CPU (Central Processing Unit), a memory, and other circuits in terms of hardware, and software. Specifically, it is realized by a program or the like that the CPU loads and executes in the memory. Therefore, it is understood by those skilled in the art that these functional blocks can be realized in various forms by only hardware, only software, or a combination thereof, and the present invention is not limited to them.
  • a CPU Central Processing Unit
  • memory main memory
  • other circuits in terms of hardware, and software Specifically, it is realized by a program or the like that the CPU loads and executes in the memory. Therefore, it is understood by those skilled in the art that these functional blocks can be realized in various forms by only hardware, only software, or a combination thereof, and the present invention is not limited to them.
  • Non-transitory computer-readable media include tangible storage media of various types.
  • Examples of non-transitory computer-readable media are magnetic recording media (eg flexible disks, magnetic tapes, hard disk drives), magneto-optical recording media (eg magneto-optical disks), CD-ROMs (Compact Disc-Read Only Memory), CDs. -R (CD-Recordable), CD-R/W (CD-ReWritable), semiconductor memory (eg, mask ROM, PROM (Programmable ROM), EPROM (Erasable PROM), flash ROM, RAM (Random Access Memory)) Including.
  • the program may be supplied to the computer by various types of transitory computer readable media.
  • Examples of transitory computer-readable media include electrical signals, optical signals, and electromagnetic waves.
  • the transitory computer-readable medium can supply the program to the computer via a wired communication path such as an electric wire and an optical fiber, or a wireless communication path.
  • (Appendix A1) A time-series data in which the state of the target system controlled according to a plurality of operations by the operator is measured, and a storage unit that stores operation information that is a set of at least a part of the plurality of operations and time, A plurality of change points of the change tendency of the state are specified from the time series data, and a plurality of time zones with at least a part of the plurality of change points as breaks are specified as a plurality of operation modes in the target system.
  • the specific unit is The operation support device according to attachment A2, wherein patterns of which the degree of similarity of the variation tendency is a predetermined value or more among the plurality of patterns are specified as the same type of operation mode.
  • the specific unit is For two or more adjacent patterns, if the degree of similarity of the fluctuation tendency is a predetermined value or more, the patterns are integrated into one pattern, The boundary time of the pattern after the integration is specified as the change time point, The operation support device according to Appendix A2 or A3.
  • the operation information includes at least a part of history information of a plurality of operations by the operator, and operation instructions to the operator based on an operation plan previously planned within a period corresponding to the time-series data
  • the operation set generation unit Extract a set of operations performed during the time period, When an operation corresponding to the time zone does not exist in the operation information, an operation instruction corresponding to the time zone is extracted from the operation instructions, and the extracted operation instruction corresponds to the operation mode corresponding to the time zone.
  • the operation support device according to any one of supplementary notes A1 to A4, which is generated in association with the operation mode operation set.
  • the storage unit further stores external environmental data including environmental data corresponding to each of a plurality of environmental indicators, The operation support device, The operation support device according to any one of appendices A1 to A5, further including a tree generation unit that generates an action tree in which each of the operation modes is classified with each of the plurality of environmental indicators as a branching condition.
  • the tree generation unit The operation support device according to attachment A6, which generates and outputs the action tree as visualization information.
  • a model generation unit that further generates an operator model for each operation mode that derives a set of operations of the operator from the state of the target system based on the time-series data and the operation mode operation set.
  • the operation support device according to any one of A8.
  • Appendix A10 According to the designation of the target state of the target system in the future time zone, the target state is input to the operator model of the operation mode corresponding to the future time zone to derive the set of operations,
  • the operation support device according to Appendix A9, further including an operation presentation unit that outputs the derived set of operations.
  • Appendix A11 Further comprising a learning unit for learning a simulator for predicting the state of the target system using the time series data and the operation mode operation set, The model generation unit, The operation support device according to supplementary note A9 or A10, which further generates the operator model based on the learned simulator.
  • Appendix B1 A time-series data in which the state of the target system controlled according to a plurality of operations by the operator is measured, and a storage unit that stores operation information that is a set of at least a part of the plurality of operations and time, A plurality of change points of the change tendency of the state are specified from the time series data, and a plurality of time zones with at least a part of the plurality of change points as breaks are specified as a plurality of operation modes in the target system. Specific part to A set of operations at times included in each of the plurality of time zones is extracted from the operation information, and an operation mode operation set in which the operation mode corresponding to each time zone is associated with the extracted operation set is generated.
  • Appendix B2 An operation set generation unit that saves in the storage unit, Operation support system equipped with.
  • the specific unit is Each of the plurality of patterns analyzed from the time-series data is specified as the tendency of the state change, Specify the boundary time of each pattern as the change time point, The operation support system described in Appendix B1.
  • Appendix C1 Computer From the time-series data in which the state of the target system controlled according to a plurality of operations by the operator is measured, a plurality of points of change in the trend tendency of the state are identified Each of a plurality of time zones separated by at least a part of the plurality of change points is specified as a plurality of operation modes in the target system, Extracting a set of operations at time included in each of the plurality of time zones from operation information that is a set of at least a part of the plurality of operations and time, Generate an operation mode operation set in which the operation mode corresponding to each time zone and the extracted operation set are associated with each other, An operation support method for storing the operation mode operation set in a storage device.
  • Appendix D1 A process of identifying a plurality of change points of the change tendency of the state from the time series data in which the state of the target system controlled according to a plurality of operations by the operator is measured, A process of specifying each of a plurality of time zones separated by at least a part of the plurality of change points as a plurality of operation modes in the target system, A process of extracting a set of operations at times included in each of the plurality of time zones from operation information that is a set of at least a part of the plurality of operations and time, A process of generating an operation mode operation set in which the operation mode corresponding to each time zone and the extracted operation set are associated with each other; A process of storing the operation mode operation set in a storage device; A non-transitory computer-readable medium that stores an operation support program that causes a computer to execute.
  • Operation Support Device 110 Storage Unit 111 Time Series Data 112 Operation Information 113 Operation Mode Operation Set 120 Identification Part 130 Operation Set Generation Unit 200 Operation Support Device 210 Storage Unit 211 Time Series Data 212 Operation History Data 213 Operation Mode Operation Set 214 Operation Plan Information 2141 Target state 2142 Time zone 2143 Operation instruction 215 External environment data 216 Simulator 217 Operator model 220 Identification part 230 Operation set generation part 240 Classification information generation part 250 Learning part 260 Model generation part 270 Operation presentation part 300 Operation support device 301 CPU 302 memory 303 IF unit 304 storage device 305 operation support program d0 change point d1 change point d2 change point d3 change point d4 change point d5 change point M0 operation mode M1 operation mode M2 operation mode M3 operation mode M11 operation mode M12 operation mode M21 operation Mode M22 Operation mode M23 Operation mode Mn Operation mode

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Quality & Reliability (AREA)
  • Software Systems (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Computer Hardware Design (AREA)
  • Health & Medical Sciences (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Tourism & Hospitality (AREA)
  • Computing Systems (AREA)
  • Primary Health Care (AREA)
  • General Health & Medical Sciences (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Water Supply & Treatment (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Public Health (AREA)
  • Automation & Control Theory (AREA)
  • Testing And Monitoring For Control Systems (AREA)

Abstract

運用支援装置（１００）は、運用者による複数の操作に応じて制御される対象システムの状態が測定された時系列データ（１１１）と、複数の操作の少なくとも一部と時刻との組である操作情報（１１２）とを記憶する記憶部（１１０）と、時系列データ（１１１）から状態の変動傾向の複数の変化時点を特定し、複数の変化時点の少なくとも一部を区切りとした複数の時間帯のそれぞれを、対象システムにおける複数の運用モードとして特定する特定部（１２０）と、操作情報（１１２）から複数の時間帯のそれぞれに含まれる時刻の操作の集合を抽出し、各時間帯に対応する運用モードと当該抽出した操作の集合とを対応付けた運用モード操作集合（１１３）を生成し、記憶部（１１０）に保存する操作集合生成部（１３０）と、を備える。

Description

運用支援装置、システム、方法及びプログラムが格納された非一時的なコンピュータ可読媒体
　本開示は、運用支援装置、システム、方法及びプログラムが格納された非一時的なコンピュータ可読媒体に関する。
　水道のインフラシステム等のオペレーションシステムでは、事前に作成された運用計画に基づいて、各運用者（オペレータ）が運用操作を行うことにより日々、運用されている。近年では、運用者の人材不足のため、経験の浅い人材への運用支援が強く求められている。ここで、運用計画に基づく計画情報は、当該システムをシミュレートした予測モデルにより求めることが可能である。
　特許文献１には、プラントや機械装置等の運用支援装置に関する技術が開示されている。当該運転支援装置は、監視対象の機器の運転状態に関するプロセスデータを収集し、プロセスデータに基づいて機器の運転範囲の特性を学習した予測モデルを構築する。そのため、当該運転支援装置は、予測モデルを用いて監視対象の機器の動作が模擬された結果を求めて、計画情報とすることもできる。
特開２０１８－０９２５１１
　しかしながら、特許文献１等の予測モデルから得られる計画情報だけでは、経験の浅い運用者が適切かつ具体的な運用操作を把握することが困難であるという問題点がある。その理由の一つは、計画情報は対象システムの目標とする状態を指すものであることが多く、目標の状態に到達するための操作ではないためである。そして、オペレーションシステム（施設）の運用操作は複雑で多岐に渡るため、操作の履歴を見たとしても、その中から計画情報に対応する操作を選別することが困難なためである。
　本開示は、このような問題点を解決するためになされたものであり、対象システムの運用計画に基づく適切かつ具体的な操作集合の把握を容易にするための運用支援装置、システム、方法及びプログラムを提供することを目的とする。
　本開示の第１の態様にかかる運用支援装置は、
　運用者による複数の操作に応じて制御される対象システムの状態が測定された時系列データと、前記複数の操作の少なくとも一部の操作情報とを記憶する記憶部と、
　前記時系列データから前記状態の変動傾向の複数の変化時点を特定し、前記複数の変化時点の少なくとも一部を区切りとした複数の時間帯のそれぞれを、前記対象システムにおける複数の運用モードとして特定する特定部と、
　前記操作情報から前記複数の時間帯のそれぞれに実施された操作の集合を抽出し、各時間帯に対応する前記運用モードと当該抽出した操作の集合とを対応付けた運用モード操作集合を生成し、前記記憶部に保存する操作集合生成部と、
　を備える。
　本開示の第２の態様にかかる運用支援システムは、
　運用者による複数の操作に応じて制御される対象システムの状態が測定された時系列データと、前記複数の操作の少なくとも一部の操作情報とを記憶する記憶部と、
　前記時系列データから前記状態の変動傾向の複数の変化時点を特定し、前記複数の変化時点の少なくとも一部を区切りとした複数の時間帯のそれぞれを、前記対象システムにおける複数の運用モードとして特定する特定部と、
　前記操作情報から前記複数の時間帯のそれぞれに実施された操作の集合を抽出し、各時間帯に対応する前記運用モードと当該抽出した操作の集合とを対応付けた運用モード操作集合を生成し、前記記憶部に保存する操作集合生成部と、
　を備える。
　本開示の第３の態様にかかる運用支援方法は、
　コンピュータが、
　運用者による複数の操作に応じて制御される対象システムの状態が測定された時系列データから前記状態の変動傾向の複数の変化時点を特定し、
　前記複数の変化時点の少なくとも一部を区切りとした複数の時間帯のそれぞれを、前記対象システムにおける複数の運用モードとして特定し、
　前記複数の操作の少なくとも一部の操作情報から前記複数の時間帯のそれぞれに実施された操作の集合を抽出し、
　各時間帯に対応する前記運用モードと当該抽出した操作の集合とを対応付けた運用モード操作集合を生成し、
　前記運用モード操作集合を記憶装置に保存する。
　本開示の第４の態様にかかる運用支援プログラムは、
　運用者による複数の操作に応じて制御される対象システムの状態が測定された時系列データから前記状態の変動傾向の複数の変化時点を特定する処理と、
　前記複数の変化時点の少なくとも一部を区切りとした複数の時間帯のそれぞれを、前記対象システムにおける複数の運用モードとして特定する処理と、
　前記複数の操作の少なくとも一部の操作情報から前記複数の時間帯のそれぞれに実施された操作の集合を抽出する処理と、
　各時間帯に対応する前記運用モードと当該抽出した操作の集合とを対応付けた運用モード操作集合を生成する処理と、
　前記運用モード操作集合を記憶装置に保存する処理と、
　をコンピュータに実行させる。
　上述の態様によれば、対象システムの運用計画に基づく適切かつ具体的な操作集合の把握を容易にするための運用支援装置、システム、方法及びプログラムを提供することができる。
本実施形態１にかかる運用支援装置の全体構成を示すブロック図である。 本実施形態１にかかる運用支援方法の流れを示すフローチャートである。 本実施形態２にかかる運用支援装置の構成を示すブロック図である。 本実施形態２にかかる時系列データ及び運用履歴データの例を示す図である。 本実施形態２にかかる運用計画情報の例を示す図である。 本実施形態２にかかる運用支援装置のハードウェア構成を示すブロック図である。 本実施形態２にかかる運用支援方法の流れを説明するためのフローチャートである。 本実施形態２にかかる時系列データのパターン分析及び運用モード特定の概念を説明するための図である。 本実施形態２にかかる運用モード特定の例を示す図である。 本実施形態２にかかる運用モード操作集合の例を示す図である。 本実施形態２にかかるアクションツリーの例を示す図である。
　以下では、本開示の実施形態について、図面を参照しながら詳細に説明する。各図面において、同一又は対応する要素には同一の符号が付されており、説明の明確化のため、必要に応じて重複説明は省略される。
＜実施形態１＞
　図１は、本実施形態１にかかる運用支援装置１００の全体構成を示すブロック図である。運用支援装置１００は、対象システム（不図示）を運用する運用者（オペレータ）を支援するための情報処理システムである。ここで、対象システムは、予め作成された運用計画に基づいて運用者による複数の操作に応じて制御されるシステムであり、例えば、水道のインフラシステム等のオペレーションシステムである。また、運用支援装置１００は、１以上の情報処理装置により実現される。
　運用支援装置１００は、記憶部１１０と、特定部１２０と、操作集合生成部１３０とを備える。記憶部１１０は、時系列データ１１１と、操作情報１１２と、運用モード操作集合１１３とを記憶する。時系列データ１１１は、対象システムの状態が測定されたデータ列であり、測定値（状態を示す値）と測定時刻とが少なくとも対応付けられている。尚、測定時刻には、年、月、日、時間、分、秒等の時刻を特定するための任意の単位系を用いることができる。時系列データ１１１には、例えば、流量、圧力、電力、油量又は油圧等の測定値が含まれていてもよい。さらに、時系列データ１１１には、測定値の測定場所、対象システムの所在地等を示す拠点情報が対応付けられていてもよい。また、時系列データ１１１は、例えば、対象システムの監視等に用いられるセンサ等により測定されたものが、予め記憶部１１０に保存されているものとする。
　操作情報１１２は、対象システムに対する運用者による複数の操作の少なくとも一部と時刻との組である。つまり、操作情報１１２は、操作を示す情報と時刻とが少なくとも対応付けられたものであればよい。尚、当該時刻には、年、月、日、時間、分、秒等の時刻を特定するための任意の単位系を用いることができる。そのため、操作情報１１２には、例えば、運用者が対象システムに対して実際に実施した操作の記録、操作履歴（操作ログ）や、実際に実施されたか否かにかかわらず、運用者に対して実施時刻を指定した操作内容の指示（運用指示）が含まれるものとする。ここで、「操作」とは、対象システムを制御するための機器等の入力装置に対して行われるものである。操作には、例えば、特定のボタンを押すこと、特定のダイヤルを所定の目盛りまで回すこと、特定のレバーを引くこと、特定の設定値を設定すること、キーボード等を用いて特定の情報を入力すること等が含まれるがこれらに限定されない。
　運用モード操作集合１１３は、後述する操作集合生成部１３０により生成された情報であり、当初は記憶部１１０に保存されていなくてよい。
　特定部１２０は、時系列データ１１１から状態の変動傾向の複数の変化時点を特定する。そして、特定部１２０は、複数の変化時点の少なくとも一部を区切りとした複数の時間帯のそれぞれを、対象システムにおける複数の運用モードとして特定する。ここで、運用モードは、少なくとも特定の時間帯を隣接する他の時間帯と識別するための情報であり、隣接しない複数の時間帯に対して同一種類の運用モードが複数回特定されてもよい。例えば、月曜日の午前中と火曜日の午前中とが同一種類の運用モードとして特定されてもよい。尚、時間帯とは、上述した時系列データ１１１及び操作情報１１２における「（測定）時刻」の単位系について最小単位が１以上が含まれるものとする。
　操作集合生成部１３０は、操作情報１１２から複数の時間帯のそれぞれに含まれる時刻の操作の集合を抽出する。そして、操作集合生成部１３０は、各時間帯に対応する運用モードと当該抽出した操作の集合とを対応付けた運用モード操作集合１１３を生成し、記憶部１１０に保存する。そのため、運用モード操作集合１１３は、１つの運用モードに１以上の操作が対応付けられている。また、操作の集合は、各操作の実施順序を含むものであってもよい。
　図２は、本実施形態１にかかる運用支援方法の流れを示すフローチャートである。まず、特定部１２０は、時系列データ１１１から状態の変動傾向の複数の変化時点を特定する（Ｓ１１）。次に、特定部１２０は、複数の変化時点の少なくとも一部を区切りとした複数の時間帯のそれぞれを、対象システムにおける複数の運用モードとして特定する（Ｓ１２）。
　そして、操作集合生成部１３０は、操作情報１１２から複数の時間帯のそれぞれに含まれる時刻の操作の集合を抽出する（Ｓ１３）。続いて、操作集合生成部１３０は、各時間帯に対応する運用モードと当該抽出した操作の集合とを対応付けた運用モード操作集合１１３を生成する（Ｓ１４）。その後、操作集合生成部１３０は、運用モード操作集合１１３を記憶部１１０に保存する（Ｓ１５）。
　このように、本実施形態では、対象システムに対して運用者が運用計画に基づく操作を行うことにより、対象システムの状態の変動傾向が変化することに着目した。つまり、対象システムの状態は常に変動しており、一定間隔で変動の傾向（パターン）が現れる。また、対象システムの状態は、操作に応じて直ちに状態が変化するとは限らず、一定時間の経過に伴って、徐々に変動の傾向が変わることもある。または、対象システムの状態の変動傾向を一定に維持するために、運用者が所定の操作集合を継続する可能性もある。そのため、運用者は、運用計画が示す時間帯に対象システムを目標状態に遷移させるために、一連の操作の集合を行っているものとみなすことができる。そして、特定の目標状態の変動傾向を維持している期間を運用モードと呼んでいる。そこで、運用支援装置１００は、時系列データ１１１における対象システムの状態の変動傾向が変化している時刻（変化点）を手掛かりに、時間帯を区切り、各時間帯を運用モードとみなしている。そして、運用支援装置１００は、操作情報１１２の中から運用モードが示す時間帯に含まれる時刻の操作の集合を抽出し、運用モードと操作の集合を対応付けて運用モード操作集合１１３を生成している。操作情報が履歴情報であれば、運用支援装置１００は、履歴情報の中から運用モードが示す時間帯に実施された操作の集合を抽出することになる。また、操作情報が運用者に対して実施時刻を指定した操作内容の指示（運用指示）である場合には、運用支援装置１００は、運用指示の中から運用モードが示す時間帯に予定された運用指示の集合を抽出することになる。または、操作情報に履歴情報と運用指示との両方が含まれる場合には、運用支援装置１００は、履歴情報と運用指示との中で運用モードが示す時間帯に含まれる時刻に対応付けられた操作や運用指示を抽出してもよい。そのため、運用モード操作集合１１３が提示された運用者は、運用モードごとに操作の集合を把握することができる。そして、運用モードは上述した通り運用計画とも対応する。そのため、本実施形態により、対象システムの運用計画に基づく適切かつ具体的な操作集合の把握を容易にすることができる。
　尚、情報処理装置１は、図示しない構成としてプロセッサ、メモリ及び記憶装置を備えるものである。また、当該記憶装置には、本実施形態にかかる運用支援方法の処理が実装されたコンピュータプログラムが記憶されている。そして、当該プロセッサは、記憶装置からコンピュータプログラムを前記メモリへ読み込み、当該コンピュータプログラムを実行する。これにより、前記プロセッサは、特定部１２０及び操作集合生成部１３０の機能を実現する。
　または、特定部１２０及び操作集合生成部１３０は、それぞれが専用のハードウェアで実現されていてもよい。また、各装置の各構成要素の一部又は全部は、汎用または専用の回路（circuitry）、プロセッサ等やこれらの組合せによって実現されもよい。これらは、単一のチップによって構成されてもよいし、バスを介して接続される複数のチップによって構成されてもよい。各装置の各構成要素の一部又は全部は、上述した回路等とプログラムとの組合せによって実現されてもよい。また、プロセッサとして、ＣＰＵ（Central Processing Unit）、ＧＰＵ（Graphics Processing Unit）、ＦＰＧＡ（field-programmable gate array）等を用いることができる。
　また、運用支援装置１００の各構成要素の一部又は全部が複数の情報処理装置や回路等により実現される場合には、複数の情報処理装置や回路等は、集中配置されてもよいし、分散配置されてもよい。例えば、情報処理装置や回路等は、クライアントサーバシステム、クラウドコンピューティングシステム等、各々が通信ネットワークを介して接続される形態として実現されてもよい。また、運用支援装置１００の機能がＳａａＳ（Software as a Service）形式で提供されてもよい。
＜実施形態２＞
　ここで、本開示が解決しようとする課題について詳述する。対象システムの計画情報（目標状態）を実現するための実際の運用操作は、計画情報だけでなく、施設（システム）の周辺環境や稼働状況に応じて熟練した運用者が経験に基づいて具体化して特定されると言われている。つまり、同一の計画情報であっても施設が異なることにより、操作集合の一部の操作の有無、順序、同一操作であっても調整度合い等が異なるといわれる。これらは、熟練者の経験に基づくノウハウ、コツ等とも呼ばれる。
　しかしながら、熟練者による運転操作の記録は十分には蓄積されておらず、部分的であることも多い。例えば、一週間のうち月曜日のみ操作記録が取られていたり、ある時間帯の操作のうち主要なものしか記録されていないこともある。特に、施設ごとに最適な操作（設定値、チューニングレベル、操作時間）等は記録されていないことが多い。そのため、他の運用者へノウハウが伝達しにくいという問題点がある。
　また、計画情報を実現するための操作（アクション）が自明でない場合は、適切な予測モデルが作成できない。また、厳密なシミュレータを用いて施設のネットワーク全体をモデル化しようとすると、シミュレータのコストが高く、また構築に時間がかかる。よって、現段階では、施設に対して厳密な予測モデルを生成することには限界がある。
　そこで、本実施形態２は、上述した課題の少なくとも一部を解決するためになされ、上述した実施形態１に加えて以下の構成を備えるものである。すなわち、前記特定部は、前記時系列データからパターン分析された複数のパターンのそれぞれを前記状態の変動傾向として特定し、各パターンの境界の時刻を前記変化時点として特定することが望ましい。これにより、例えば、時系列データの波形パターンの形状から実際の運用モードの区切りを適切に検出できる。
　さらに、前記特定部は、前記複数のパターンのうち前記変動傾向の類似度合いが所定値以上のパターン同士を同一の種類の前記運用モードとして特定することが望ましい。これにより、類似するパターンを集約して運用モードとみなせるため、共通的な操作の集合を検出することができ、より汎用的な操作の集合を把握できる。
　また、前記特定部は、隣接する２以上のパターン同士について、前記変動傾向の類似度合いが所定値以上である場合に１つのパターンに統合し、前記統合後のパターンの境界の時刻を前記変化時点として特定するとよい。これにより、一回の運用モードをより大きい単位で捉えることができる。
　また、前記記憶部は、前記時系列データに対応する期間内で予め計画された運用計画に基づく前記運用者に対する運用指示をさらに記憶するものとする。この場合、前記操作集合生成部は、前記時間帯に実施された操作の集合を抽出し、前記時間帯に対応する操作が前記操作情報に存在しない場合に、前記運用指示の中から前記時間帯に対応する運用指示を抽出する。そして、前記操作集合生成部は、当該抽出した運用指示を当該時間帯に対応する前記運用モードに対応付けて前記運用モード操作集合として生成することが望ましい。これにより、操作の履歴が不足していても、各運用モードに対して最低限の操作の集合を対応付けることができるため、経験の浅い運用者にとって有益な情報を提供できる。
　また、前記記憶部は、複数の環境指標のそれぞれに対応する環境データを含む外部環境データをさらに記憶するものとする。この場合、前記運用支援装置は、前記複数の環境指標のそれぞれを分岐条件として前記運用モードのそれぞれが分類されたアクションツリーを生成するツリー生成部をさらに備えることが望ましい。これにより、運用モードが自動的に分類されるため、複数の環境指標に応じて適切な運用モードの特定が容易になる。
　さらに、前記ツリー生成部は、前記アクションツリーを可視化情報として生成し、出力すると良い。これにより、運用者は、複数の環境指標から容易に適切な運用モードを特定できる。
　または、前記運用モード操作集合の可視化情報を生成し、出力する可視化部をさらに備えるようにしてもよい。これによっても、運用者は、運用モードごとの操作集合を容易に把握できる。
　また、前記時系列データと前記運用モード操作集合に基づいて、前記対象システムの状態から前記運用者の操作の集合を導出する運用者モデルを前記運用モードごとに生成するモデル生成部をさらに備えることが望ましい。このように運用モード単位の運用者モデルを生成することで、精度の高い予測を実現できる。
　さらに、将来の時間帯における前記対象システムの目標状態の指定に応じて、前記将来の時間帯に対応する前記運用モードの前記運用者モデルに前記目標状態を入力して前記操作の集合を導出し、当該導出された操作の集合を出力する操作提示部をさらに備えるとよい。これにより、経験の浅い運用者が容易に熟練者のノウハウを把握することができる。
　さらに、前記時系列データと前記運用モード操作集合とを用いて、前記対象システムの状態を予測するシミュレータを学習する学習部をさらに備えるものとする。この場合、前記モデル生成部は、前記学習されたシミュレータにさらに基づいて、前記運用者モデルを生成するとよい。これにより、運用者モデルの精度をさらに向上させることができる。
　図３は、本実施形態２にかかる運用支援装置２００の構成を示すブロック図である。運用支援装置２００は、上述した運用支援装置１００を改良したものであり、１以上の情報処理装置により実現される運用支援システムともいえる。運用支援装置２００は、記憶部２１０と、特定部２２０と、操作集合生成部２３０と、分類情報生成部２４０と、学習部２５０と、モデル生成部２６０と、操作提示部２７０とを備える。
　記憶部２１０は、上述した記憶部１１０の一例であり、時系列データ２１１と、運用履歴データ２１２と、運用モード操作集合２１３と、運用計画情報２１４と、外部環境データ２１５と、シミュレータ２１６と、運用者モデル２１７とを記憶する。時系列データ２１１は、上述した時系列データ１１１と同様であり、運用履歴データ２１２は、上述した操作情報１１２のうち履歴情報に相当し、運用モード操作集合２１３は、上述した運用モード操作集合１１３と同様である。そのため、運用履歴データ２１２は、操作を示す情報と当該操作が実施された時刻とが少なくとも対応付けられたものである。
　図４は、本実施形態２にかかる時系列データ２１１及び運用履歴データ２１２の例を示す図である。図４の例における時系列データ２１１は、測定時刻ごとに流量ｐ、圧力ｑ及び拠点ｒが対応付けられていることを示す。また、図４の例における運用履歴データ２１２は、操作の実施時刻ごとに実施された操作ａ* 1、ａ* 2、ａ* 3等のいずれかが対応付けられていることを示す。また、図４では、時系列データ２１１の測定値に対して、運用履歴データ２１２の実施操作の記録が必ずしも対応してないことを示している。例えば、時系列データ２１１の測定間隔と運用履歴データ２１２の記録間隔が異なっている場合もある。尚、記録間隔が測定間隔より細かくてもよい。また、運用履歴データ２１２は、同一の実施時刻に２以上の操作が記録されていてもよい。
　図３に戻り説明を続ける。運用計画情報２１４は、時系列データ２１１に対応する期間内で予め計画された運用計画を示す情報である。運用計画情報２１４は、目標状態２１４１と、時間帯２１４２と、運用指示２１４３とが対応付けられている。目標状態２１４１は、対応する時間帯２１４２において対象システムに遷移させるべき状態の目標値である。目標状態２１４１は、複数の指標の状態であってもよい。時間帯２１４２は、対象システムを、対応する目標状態２１４１に遷移及び維持させるべき時間の幅である。運用指示２１４３は、対応する目標状態２１４１及び時間帯２１４２を満たすために運用者が行うべき操作を指示する情報である。運用指示２１４３は、運用履歴データ２１２に含まれる操作単位であってもよいし、操作と比べて抽象的な指示であってもよい。また、本実施形態において運用指示２１４３は必須ではないものとする。尚、運用指示２１４３は時間帯２１４２のうち詳細な時刻と対応付けられたものであれば、上述した操作情報１１２の一例といえる。
　図５は、本実施形態２にかかる運用計画情報２１４の例を示す図である。運用計画情報２１４は、対象システムに対する長期的な目標状態等を示す全体計画と、１日における複数の時間帯ごとの運用指示を含む個別計画とを含むものであってもよい。図５は、個別計画の例である。図５の例では、時間帯２１４２ごとに運用指示２１４３としての操作ａ~ 1、ａ~ 2、ａ~ 3等のいずれかが対応付けられていることを示す。尚、時間帯は、数時間を一単位とする例を示しているが、時間の範囲はこれに限定されない。また、運用履歴データ２１２における実施時刻の記録間隔と比べて時間帯２１４２の幅が広いが、実施時刻の記録間隔が時間帯２１４２より広くても構わない。運用指示２１４３は、同一の時間帯に２以上の操作が含まれていてもよい。
　図3に戻り説明を続ける。外部環境データ２１５は、対象システムの運用に影響を与える可能性のある外部の環境指標と時系列の測定値の集合である。環境指標は、例えば、季節、曜日、時間帯、気象情報（天気、気温、湿度）等である。本実施形態にかかる外部環境データ２１５は、２以上の指標が含まれることが望ましい。
　シミュレータ２１６は、対象システムの状態を予測する予測モデルであり、パラメータと変数とで定義される関数等のモデル式である。シミュレータ２１６は、運用者の操作（行動）を入力し、所定のパラメータを用いて演算を行うことにより、対象システムの状態を出力するものである。
　運用者モデル２１７は、対象システムの状態から運用者の操作の集合を導出する予測モデルであり、パラメータと変数とで定義される関数等のモデル式である。運用者モデル２１７は、対象システムの状態を入力し、所定のパラメータを用いて演算を行うことにより、運用者の操作の集合を出力するものである。
　特定部２２０は、上述した特定部１２０の一例であり、時系列データ２１１からパターン分析された複数のパターンのそれぞれを、状態の変動傾向として特定し、各パターンの境界の時刻を変化時点として特定する。さらに、特定部２２０は、複数のパターンのうち変動傾向の類似度合いが所定値以上のパターン同士を同一の種類の運用モードとして特定する。また、特定部２２０は、隣接する２以上のパターン同士について、変動傾向の類似度合いが所定値以上である場合に１つのパターンに統合し、統合後のパターンの境界の時刻を変化時点として特定する。
　操作集合生成部２３０は、特定部２２０が特定した時間帯に対応する操作が運用履歴データ２１２に存在しない場合に、運用指示２１４３の中から前記時間帯に対応する運用指示を抽出する。そして、操作集合生成部２３０は、当該抽出した運用指示を当該時間帯に対応する運用モードに対応付けて運用モード操作集合２１３として生成する。
　分類情報生成部２４０は、ツリー生成部の一例であり、外部環境データ２１５における複数の環境指標のそれぞれを分岐条件として運用モードのそれぞれが分類されたアクションツリーを生成する。さらに、分類情報生成部２４０は、アクションツリーを可視化情報として生成し、出力する。例えば、分類情報生成部２４０は、運用支援装置２００の表示装置（不図示）にアクションツリーを表示する。
　尚、運用支援装置２００は、アクションツリー以外を出力してもよい。例えば、運用支援装置２００は、運用モード操作集合２１３の（アクションツリー以外の）可視化情報を生成し、出力する可視化部をさらに備えてもよい。
　学習部２５０は、時系列データ２１１と運用モード操作集合２１３とを用いて、対象システムの状態を予測するシミュレータ２１６を学習し、記憶部２１０に保存する。
　モデル生成部２６０は、時系列データ２１１と運用モード操作集合２１３に基づいて、対象システムの状態から運用者の操作の集合を導出する運用者モデル２１７を、運用モードごとに生成し、記憶部２１０に保存する。さらに、モデル生成部２６０は、学習部２５０により学習されたシミュレータ２１６にさらに基づいて、運用者モデル２１７を生成してもよい。
　操作提示部２７０は、将来の時間帯における対象システムの目標状態２１４１の指定に応じて、将来の時間帯に対応する運用モードの運用者モデル２１７に目標状態２１４１を入力して操作の集合を導出し、当該導出された操作の集合を出力する。尚、操作提示部２７０は、外部から運用モードの指定を受け付け、指定された運用モードに対応する運用者モデル２１７を選択し、選択した運用者モデル２１７により操作の集合を導出（予測）して出力してもよい。または、操作提示部２７０は、予測対象の時間帯の直前の時間帯を示す時刻情報、当該時刻情報における対象システムの外部環境データや状態、運用モード等の指定を受け付けてもよい。その場合、操作提示部２７０は、指定された情報に応じた運用者モデル２１７により操作の集合を導出（予測）して出力する。また、運用支援装置２００は、予測対象の時間帯の直前の時間帯を示す時刻情報、当該時刻情報における対象システムに対する操作や外部環境データの指定を受け付け、学習済みのシミュレータ２１６を用いて対象システムの状態を予測して出力してもよい。そのため、操作提示部２７０は、対象システムの状態の表示、及び、運用者への運用支援のための適切な行動パターンの提示の少なくともいずれかを行うものとする。
　図６は、本実施形態２にかかる運用支援装置３００のハードウェア構成を示すブロック図である。運用支援装置３００は、上述した運用支援装置２００をハードウェアの側面で捉えたものである。運用支援装置３００は、ＣＰＵ３０１と、メモリ３０２と、ＩＦ部３０３と、記憶装置３０４とを少なくとも備える。記憶装置３０４は、上述した記憶部２１０に相当するハードディスク、フラッシュメモリ等の記憶装置である。記憶装置３０４は、図３で記載した時系列データ２１１、運用履歴データ２１２、運用モード操作集合２１３、運用計画情報２１４、外部環境データ２１５、シミュレータ２１６、運用者モデル２１７に加え、図３では記載を省略した運用支援プログラム３０５を記憶しているものとする。運用支援プログラム３０５は、本実施形態にかかる運用支援方法の処理が実装されたコンピュータプログラムである。
　メモリ３０２は、ＲＡＭ（Random Access Memory）等の揮発性記憶装置であり、ＣＰＵ３０１の動作時に一時的に情報を保持するための記憶領域である。ＩＦ部３０３は、運用支援装置３００の外部との入出力を行うインタフェースである。例えば、ＩＦ部３０３は、キーボード、マウス、タッチパネル等の入力デバイス（不図示）を介して、運用者の操作を受け付け、受け付けた操作内容をＣＰＵ３０１へ出力する。また、ＩＦ部３０３は、ＣＰＵ３０１からの指示に応じて、タッチパネル、表示装置、プリンタ等（不図示）へ出力を行う。
　ＣＰＵ３０１は、運用支援装置３００の各構成を制御するプロセッサつまり制御装置である。ＣＰＵ３０１は、記憶装置３０４から運用支援プログラム３０５をメモリ３０２へ読み込み、運用支援プログラム３０５を実行する。これにより、ＣＰＵ３０１は、特定部２２０、操作集合生成部２３０、分類情報生成部２４０、学習部２５０、モデル生成部２６０及び操作提示部２７０の機能を実現する。
　図７は、本実施形態２にかかる運用支援方法の流れを説明するためのフローチャートである。まず、特定部２２０は、記憶部２１０から時系列データ２１１、運用履歴データ２１２及び外部環境データ２１５を読み出す、つまり取得する（Ｓ２１）。次に、特定部２２０は、運用モードを特定する（Ｓ２２）。具体的には、まず、特定部２２０は、時系列データ２１１のパターン分析を行う。特定部２２０は、パターン分析として例えば、Ｗａｖｅｌｅｔ変換、フーリエ変換、隠れマルコフモデル（ＨＭＭ（Hidden Markov Model））等を用いることができるが、これらに限定されない。また、パターンは、状態の変動傾向の一例である。そして特定部２２０は、分析されたパターンの変化点を特定する。そして、特定部２２０は、パターン間の類似度を算出し、類似度が所定値以上のパターン同士を同一種類の運用モードとして特定する。また、特定部２２０は、隣接する２以上のパターンの類似度が所定値以上である場合には、これらのパターンを一つのパターンに統合し、統合後のパターンの境界の時刻を変化時点として特定する。そのため、特定部２２０は、パターンの境界の一部を運用モードの区切り、また、運用者のアクションの区切りとみなしているといえる。
　図８は、本実施形態２にかかる時系列データのパターン分析及び運用モード特定の概念を説明するための図である。図８の上のグラフは、横軸を測定時刻、縦軸を時系列データの状態としたものであり、状態の時間遷移を示す。この場合、特定部２２０は、パターン分析により変化点ｄ０からｄ５を特定したものとする。そのため、図８の下に示すような波形パターンが特定されたものとする。そして、特定部２２０は、隣接する波形パターン間の類似度に応じて適宜、パターンを統合し、統合後のパターンを運用モードＭ０からＭ３として特定する。ここでは、例えば、運用モードＭ０は、２つの波形パターンが統合され、運用モードＭ１は一つの波形パターンである例を示す。また、運用モードＭ３は、２つの波形パターンが統合され、さらにそれら同士が統合された例を示す。また、運用モードＭ０及びＭ２は、構成する波形パターンの組が同じであるが、それらの構成比率が異なるため、類似度が所定値未満となり、異なる運用モードとして特定された例を示す。
　図９は、本実施形態２にかかる運用モード特定の例を示す図である。図９では、特定部２２０は、時系列データ２１１に対して変化点として変化点ｄ０、ｄ１、ｄ２、・・・、ｄｎ－１、ｄｎ（ｎは２以上の整数。）を特定し、各変化点の間の時間帯を運用モードＭ１１、Ｍ１２、・・・Ｍｎとして特定した例を示す。
　図７に戻り説明を続ける。次に、操作集合生成部２３０は、運用モード操作集合２１３を生成する（Ｓ２３）。例えば、操作集合生成部２３０は、運用履歴データ２１２を正解ラベルとしたクラスタリングを行う。クラスタリングとしては、例えば、Ｓｏｆｔｍａｘ等を用いることができるが、これに限定されない。そして、操作集合生成部２３０は、クラスタリングにより、運用履歴データ２１２の各操作を、各運用モードに分類する。すなわち、操作集合生成部２３０は、各操作の時刻が属する時間帯に対応する運用モードに、各操作を振り分ける。尚、操作集合生成部２３０は、運用モードに振り分けられる操作が存在しない場合、つまり、運用モードの時間帯に属する時刻に実施された操作の履歴が存在しない場合、対応する時間帯２１４２の運用指示２１４３を操作として分類してもよい。そして、操作集合生成部２３０は、各運用モードに分類された操作の集合を運用モードと対応付けて運用モード操作集合２１３として生成し、記憶部２１０に保存する。
　図１０は、本実施形態２にかかる運用モード操作集合２１３の例を示す図である。図１０では、運用モードＭ１１に操作集合ａ１－１、ａ１－２、ａ１－３が対応付けられ、運用モードＭ１２に操作集合ａ２－１が対応付けられ、運用モードＭｎに操作集合ａｎ－１、ａｎ－２が対応付けられた例を示す。
　図７に戻り説明を続ける。続いて、分類情報生成部２４０は、外部環境データ２１５の複数の環境指標を分岐条件として、運用モード操作集合２１３内の各運用モードを分類し、アクションツリーとして生成する（Ｓ２４）。分類情報生成部２４０は、生成したアクションツリーを記憶部２１０に保存してもよく、表示装置（不図示）へ出力してもよい。また、ステップＳ２４は必須ではない。
　図１１は、本実施形態２にかかるアクションツリーの例を示す図である。ここでは、分類情報生成部２４０は、環境指標である季節、曜日、天気の過去データを外部環境データ２１５とし、これらの組合せの日時と運用モード操作集合２１３内の各運用モードの時間帯とが一致するノードに運用モードを分類する。そのため、運用者は、（計画情報における）与えられた外部環境に対して、アクションツリーを分岐条件に従って辿ることで、適切な運用モードを特定することができる。そして、運用者は、運用モード操作集合２１３を参照することで、特定された運用モードに対応付けられた操作の集合を把握することができる。尚、アクションツリーの分岐条件の親子関係はこれに限定されない。
　図７に戻り説明を続ける。その後、学習部２５０は、時系列データ２１１、運用履歴データ２１２、運用モード操作集合２１３、運用計画情報２１４、外部環境データ２１５、アクションツリーを用いて、シミュレータ２１６のパラメータのダイナミクス学習を行う（Ｓ２５）。そのため、パラメータが最適化される。学習部２５０は、学習済みのシミュレータ２１６を記憶部２１０に保存（更新）する。
　具体的には、以下のようにシミュレータ２１６を定義してもよい。ここで、時系列データ２１１を、以下の式（１）として定義するものとする。ここで、流量ｐ及び圧力ｑは、対象システムの測定値、拠点ｒは各測定値が測定された場所（拠点）、測定時刻ｔとする。
Figure JPOXMLDOC01-appb-M000001
　このとき、式（１）を時間微分して以下の式（２）のように表現できる。ここで、行動ａは、運用者の操作集合に相当し、ｉは拠点の識別情報、ωはＷａｖｅｌｅｔ変換で用いられるスカログラムやフーリエ変換で用いられる周波数とする。
Figure JPOXMLDOC01-appb-M000002
 　そして、学習部２５０は、式（２）をガウシアンプロセスＧＰ（μ、Ｋ（ｓ、ｓ’）；ａ）としてシミュレータ２１６を定義して学習することができる。尚、学習部２５０は、ＣＮＮ（Convolutional Neural Network）、ＲＮＮ（Recurrent Neural Network）等によりシミュレータ２１６を学習してもよい。
　そして、モデル生成部２６０は、運用モード操作集合２１３に含まれる運用モードごとに、運用者モデル２１７を生成し（Ｓ２６）、記憶部２１０に保存する。例えば、モデル生成部２６０は、時系列データ２１１、運用履歴データ２１２、運用モード操作集合２１３、運用計画情報２１４、外部環境データ２１５及びシミュレータ２１６を用いて、運用者モデル２１７を生成してもよい。
　尚、ステップＳ２４をステップＳ２６と共に実行してもよい。
　その後、操作提示部２７０は、運用モードに応じた運用者モデル２１７を用いて操作の集合を取得し、運用者に提示する（Ｓ２７）。例えば、操作提示部２７０は、外部から入力された運用モードに応じて、対応する運用者モデル２１７を特定し、特定した運用者モデル２１７を用いて操作の集合を導出し、出力する。または、操作提示部２７０は、外部から将来の時間帯における対象システムの目標状態の指定を受け付け、将来の時間帯に対応する運用モードにおける運用者モデル２１７を特定する。そして、操作提示部２７０は、特定した運用者モデル２１７に、指定された目標状態を入力して、操作の集合を導出し、出力する。
　このように、本実施形態では、時系列データから時間ごとの運用モードを推定し、運用モードごとの予測モデルを作成し、運用計画情報から（運用モードに対応する）操作集合を予測して提示するものである。そのため、経験の浅い運用者であっても、運用計画情報から適切な操作集合を得ることができ、熟練者のノウハウを用いた運用が可能となる。
　また、運用履歴データ２１２には、運用者が実際に実施した操作の全てが記録されているとは限らない。例えば、対象システムが操作内容を電子的に記録する仕組みを有さない場合もある。その場合は、例えば手書きで記録された操作履歴を、別途、電子化して運用履歴データ２１２として記憶部２１０に保存することとなる。または、対象システムが操作内容を電子的に記録する仕組みを有するとしても、対象システムや記憶部２１０の容量によっては、全時間帯の運用履歴データ２１２を保存することができない場合がある。これらの場合には、部分的に運用履歴データ２１２が保存されることになる。
　このような場合には、施設ごとの運用者が経験に基づいて運用計画情報２１４とは異なった運用がなされている可能性がある。例えば、時間帯２１４２とは異なる時間帯に運用指示２１４３が実施されている可能性がある。または、時間帯２１４２に運用指示２１４３がされていないことや、運用指示２１４３以外の操作がされている可能性もある。さらに、時間帯２１４２内の具体的な時刻までは指定されていない。また、運用指示２１４３が詳細な指示でなく、施設ごとの最適な設定値までが不明である可能性が高い。特に、施設や周辺環境、関連する施設でのその時々の運用等に起因して最適な操作タイミング、設定内容等は異なると言われる。しかしながら、これらの情報（ノウハウ）は、運用計画に含めることは現時点では困難なことが多い。そのため、経験の浅い運用者が運用計画情報２１４から適切な操作内容を特定することが困難となっている。
　そこで、本実施形態では、時系列データ２１１を解析して運用モードの区切りを特定し、運用モードごとに実施された操作の集合を対応付けている。これにより、施設ごとの運用の実態を解明し、運用計画との差異を確認できる。そのため、運用指示には含まれない操作、運用計画では想定されていないが現場では必須である運用モードの存在等を顕在化でき、運用計画へのフィードバックも行うことができる。また、膨大な操作履歴の中から運用モードに関連性の高い操作を抽出できる。場合によっては、慣用的に行われていた操作が目標状態には寄与していないことが判明する可能性もある。また、操作履歴に残らず、さらに、運用指示にも含まれない操作については、運用モード操作集合に含まれないため、運用モード操作集合に基づいて、熟練者にヒアリング等を行うことで、効率的にノウハウを聞き出すこともできる。
＜その他の実施形態＞
　なお、上記実施形態において、様々な処理を行う機能ブロックとして図面に記載される各要素は、ハードウェア的には、ＣＰＵ（Central Processing Unit）、メモリ、その他の回路で構成することができ、ソフトウェア的には、ＣＰＵがメモリにロードして実行するプログラム等によって実現される。したがって、これらの機能ブロックがハードウェアのみ、ソフトウェアのみ、又はそれらの組合せによっていろいろな形で実現できることは当業者には理解されるところであり、いずれかに限定されるものではない。
　また、上記のプログラムは、様々なタイプの非一時的なコンピュータ可読媒体（non-transitory computer readable medium）を用いて格納され、コンピュータに供給することができる。非一時的なコンピュータ可読媒体は、様々なタイプの実体のある記録媒体（tangible storage medium）を含む。非一時的なコンピュータ可読媒体の例は、磁気記録媒体（例えばフレキシブルディスク、磁気テープ、ハードディスクドライブ）、光磁気記録媒体（例えば光磁気ディスク）、ＣＤ－ＲＯＭ（Compact Disc-Read Only Memory）、ＣＤ－Ｒ（CD-Recordable）、ＣＤ－Ｒ／Ｗ（CD-ReWritable）、半導体メモリ（例えば、マスクＲＯＭ、ＰＲＯＭ（Programmable ROM）、ＥＰＲＯＭ（Erasable PROM）、フラッシュＲＯＭ、ＲＡＭ（Random Access Memory））を含む。また、プログラムは、様々なタイプの一時的なコンピュータ可読媒体（transitory computer readable medium）によってコンピュータに供給されても良い。一時的なコンピュータ可読媒体の例は、電気信号、光信号、及び電磁波を含む。一時的なコンピュータ可読媒体は、電線及び光ファイバ等の有線通信路、又は無線通信路を介して、プログラムをコンピュータに供給できる。
　なお、本開示は上記実施形態に限られたものではなく、趣旨を逸脱しない範囲で適宜変更することが可能である。また、本開示は、それぞれの実施形態を適宜組み合わせて実施されてもよい。
　上記の実施形態の一部又は全部は、以下の付記のようにも記載され得るが、以下には限られない。
　（付記Ａ１）
　運用者による複数の操作に応じて制御される対象システムの状態が測定された時系列データと、前記複数の操作の少なくとも一部と時刻との組である操作情報とを記憶する記憶部と、
　前記時系列データから前記状態の変動傾向の複数の変化時点を特定し、前記複数の変化時点の少なくとも一部を区切りとした複数の時間帯のそれぞれを、前記対象システムにおける複数の運用モードとして特定する特定部と、
　前記操作情報から前記複数の時間帯のそれぞれに含まれる時刻の操作の集合を抽出し、各時間帯に対応する前記運用モードと当該抽出した操作の集合とを対応付けた運用モード操作集合を生成し、前記記憶部に保存する操作集合生成部と、
　を備える運用支援装置。
　（付記Ａ２）
　前記特定部は、
　前記時系列データからパターン分析された複数のパターンのそれぞれを前記状態の変動傾向として特定し、
　各パターンの境界の時刻を前記変化時点として特定する、
　付記Ａ１に記載の運用支援装置。
　（付記Ａ３）
　前記特定部は、
　前記複数のパターンのうち前記変動傾向の類似度合いが所定値以上のパターン同士を同一の種類の前記運用モードとして特定する
　付記Ａ２に記載の運用支援装置。
　（付記Ａ４）
　前記特定部は、
　隣接する２以上のパターン同士について、前記変動傾向の類似度合いが所定値以上である場合に１つのパターンに統合し、
　前記統合後のパターンの境界の時刻を前記変化時点として特定する、
　付記Ａ２又はＡ３に記載の運用支援装置。
　（付記Ａ５）
　前記操作情報は、前記運用者による複数の操作の少なくとも一部の履歴情報と、前記時系列データに対応する期間内で予め計画された運用計画に基づく前記運用者に対する運用指示とを含み、
　前記操作集合生成部は、
　前記時間帯に実施された操作の集合を抽出し、
　前記時間帯に対応する操作が前記操作情報に存在しない場合に、前記運用指示の中から前記時間帯に対応する運用指示を抽出し、当該抽出した運用指示を当該時間帯に対応する前記運用モードに対応付けて前記運用モード操作集合として生成する
　付記Ａ１乃至Ａ４のいずれか１項に記載の運用支援装置。
　（付記Ａ６）
　前記記憶部は、複数の環境指標のそれぞれに対応する環境データを含む外部環境データをさらに記憶し、
　前記運用支援装置は、
　前記複数の環境指標のそれぞれを分岐条件として前記運用モードのそれぞれが分類されたアクションツリーを生成するツリー生成部をさらに備える
　付記Ａ１乃至Ａ５のいずれか１項に記載の運用支援装置。
　（付記Ａ７）
　前記ツリー生成部は、
　前記アクションツリーを可視化情報として生成し、出力する
　付記Ａ６に記載の運用支援装置。
　（付記Ａ８）
　前記運用モード操作集合の可視化情報を生成し、出力する可視化部をさらに備える
　付記Ａ１乃至Ａ５のいずれか１項に記載の運用支援装置。
　（付記Ａ９）
　前記時系列データと前記運用モード操作集合に基づいて、前記対象システムの状態から前記運用者の操作の集合を導出する運用者モデルを前記運用モードごとに生成するモデル生成部をさらに備える
　付記Ａ１乃至Ａ８のいずれか１項に記載の運用支援装置。
　（付記Ａ１０）
　将来の時間帯における前記対象システムの目標状態の指定に応じて、前記将来の時間帯に対応する前記運用モードの前記運用者モデルに前記目標状態を入力して前記操作の集合を導出し、当該導出された操作の集合を出力する操作提示部をさらに備える
　付記Ａ９に記載の運用支援装置。
　（付記Ａ１１）
　前記時系列データと前記運用モード操作集合とを用いて、前記対象システムの状態を予測するシミュレータを学習する学習部をさらに備え、
　前記モデル生成部は、
　前記学習されたシミュレータにさらに基づいて、前記運用者モデルを生成する
　付記Ａ９又はＡ１０に記載の運用支援装置。
　（付記Ｂ１）
　運用者による複数の操作に応じて制御される対象システムの状態が測定された時系列データと、前記複数の操作の少なくとも一部と時刻との組である操作情報とを記憶する記憶部と、
　前記時系列データから前記状態の変動傾向の複数の変化時点を特定し、前記複数の変化時点の少なくとも一部を区切りとした複数の時間帯のそれぞれを、前記対象システムにおける複数の運用モードとして特定する特定部と、
　前記操作情報から前記複数の時間帯のそれぞれに含まれる時刻の操作の集合を抽出し、各時間帯に対応する前記運用モードと当該抽出した操作の集合とを対応付けた運用モード操作集合を生成し、前記記憶部に保存する操作集合生成部と、
　を備える運用支援システム。
　（付記Ｂ２）
　前記特定部は、
　前記時系列データからパターン分析された複数のパターンのそれぞれを前記状態の変動傾向として特定し、
　各パターンの境界の時刻を前記変化時点として特定する、
　付記Ｂ１に記載の運用支援システム。
　（付記Ｃ１）
　コンピュータが、
　運用者による複数の操作に応じて制御される対象システムの状態が測定された時系列データから前記状態の変動傾向の複数の変化時点を特定し、
　前記複数の変化時点の少なくとも一部を区切りとした複数の時間帯のそれぞれを、前記対象システムにおける複数の運用モードとして特定し、
　前記複数の操作の少なくとも一部と時刻との組である操作情報から前記複数の時間帯のそれぞれに含まれる時刻の操作の集合を抽出し、
　各時間帯に対応する前記運用モードと当該抽出した操作の集合とを対応付けた運用モード操作集合を生成し、
　前記運用モード操作集合を記憶装置に保存する
　運用支援方法。
　（付記Ｄ１）
　運用者による複数の操作に応じて制御される対象システムの状態が測定された時系列データから前記状態の変動傾向の複数の変化時点を特定する処理と、
　前記複数の変化時点の少なくとも一部を区切りとした複数の時間帯のそれぞれを、前記対象システムにおける複数の運用モードとして特定する処理と、
　前記複数の操作の少なくとも一部と時刻との組である操作情報から前記複数の時間帯のそれぞれに含まれる時刻の操作の集合を抽出する処理と、
　各時間帯に対応する前記運用モードと当該抽出した操作の集合とを対応付けた運用モード操作集合を生成する処理と、
　前記運用モード操作集合を記憶装置に保存する処理と、
　をコンピュータに実行させる運用支援プログラムが格納された非一時的なコンピュータ可読媒体。
　以上、実施形態（及び実施例）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（及び実施例）に限定されものではない。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。
　１００　運用支援装置
　１１０　記憶部
　１１１　時系列データ
　１１２　操作情報
　１１３　運用モード操作集合
　１２０　特定部
　１３０　操作集合生成部
　２００　運用支援装置
　２１０　記憶部
　２１１　時系列データ
　２１２　運用履歴データ
　２１３　運用モード操作集合
　２１４　運用計画情報
　２１４１　目標状態
　２１４２　時間帯
　２１４３　運用指示
　２１５　外部環境データ
　２１６　シミュレータ
　２１７　運用者モデル
　２２０　特定部
　２３０　操作集合生成部
　２４０　分類情報生成部
　２５０　学習部
　２６０　モデル生成部
　２７０　操作提示部
　３００　運用支援装置
　３０１　ＣＰＵ
　３０２　メモリ
　３０３　ＩＦ部
　３０４　記憶装置
　３０５　運用支援プログラム
　ｄ０　変化点
　ｄ１　変化点
　ｄ２　変化点
　ｄ３　変化点
　ｄ４　変化点
　ｄ５　変化点
　Ｍ０　運用モード
　Ｍ１　運用モード
　Ｍ２　運用モード
　Ｍ３　運用モード
　Ｍ１１　運用モード
　Ｍ１２　運用モード
　Ｍ２１　運用モード
　Ｍ２２　運用モード
　Ｍ２３　運用モード
　Ｍｎ　運用モード

Claims (15)

  1. 　運用者による複数の操作に応じて制御される対象システムの状態が測定された時系列データと、前記複数の操作の少なくとも一部と時刻との組である操作情報とを記憶する記憶部と、
    　前記時系列データから前記状態の変動傾向の複数の変化時点を特定し、前記複数の変化時点の少なくとも一部を区切りとした複数の時間帯のそれぞれを、前記対象システムにおける複数の運用モードとして特定する特定部と、
    　前記操作情報から前記複数の時間帯のそれぞれに含まれる時刻の操作の集合を抽出し、各時間帯に対応する前記運用モードと当該抽出した操作の集合とを対応付けた運用モード操作集合を生成し、前記記憶部に保存する操作集合生成部と、
    　を備える運用支援装置。
  2. 　前記特定部は、
    　前記時系列データからパターン分析された複数のパターンのそれぞれを前記状態の変動傾向として特定し、
    　各パターンの境界の時刻を前記変化時点として特定する、
    　請求項１に記載の運用支援装置。
  3. 　前記特定部は、
    　前記複数のパターンのうち前記変動傾向の類似度合いが所定値以上のパターン同士を同一の種類の前記運用モードとして特定する
    　請求項２に記載の運用支援装置。
  4. 　前記特定部は、
    　隣接する２以上のパターン同士について、前記変動傾向の類似度合いが所定値以上である場合に１つのパターンに統合し、
    　前記統合後のパターンの境界の時刻を前記変化時点として特定する、
    　請求項２又は３に記載の運用支援装置。
  5. 　前記操作情報は、前記運用者による複数の操作の少なくとも一部の履歴情報と、前記時系列データに対応する期間内で予め計画された運用計画に基づく前記運用者に対する運用指示とを含み、
    　前記操作集合生成部は、
    　前記時間帯に実施された操作の集合を抽出し、
    　前記時間帯に対応する操作が前記履歴情報に存在しない場合に、前記運用指示の中から前記時間帯に対応する運用指示を抽出し、当該抽出した運用指示を当該時間帯に対応する前記運用モードに対応付けて前記運用モード操作集合として生成する
    　請求項１乃至４のいずれか１項に記載の運用支援装置。
  6. 　前記記憶部は、複数の環境指標のそれぞれに対応する環境データを含む外部環境データをさらに記憶し、
    　前記運用支援装置は、
    　前記複数の環境指標のそれぞれを分岐条件として前記運用モードのそれぞれが分類されたアクションツリーを生成するツリー生成部をさらに備える
    　請求項１乃至５のいずれか１項に記載の運用支援装置。
  7. 　前記ツリー生成部は、
    　前記アクションツリーを可視化情報として生成し、出力する
    　請求項６に記載の運用支援装置。
  8. 　前記運用モード操作集合の可視化情報を生成し、出力する可視化部をさらに備える
    　請求項１乃至５のいずれか１項に記載の運用支援装置。
  9. 　前記時系列データと前記運用モード操作集合に基づいて、前記対象システムの状態から前記運用者の操作の集合を導出する運用者モデルを前記運用モードごとに生成するモデル生成部をさらに備える
    　請求項１乃至８のいずれか１項に記載の運用支援装置。
  10. 　将来の時間帯における前記対象システムの目標状態の指定に応じて、前記将来の時間帯に対応する前記運用モードの前記運用者モデルに前記目標状態を入力して前記操作の集合を導出し、当該導出された操作の集合を出力する操作提示部をさらに備える
    　請求項９に記載の運用支援装置。
  11. 　前記時系列データと前記運用モード操作集合とを用いて、前記対象システムの状態を予測するシミュレータを学習する学習部をさらに備え、
    　前記モデル生成部は、
    　前記学習されたシミュレータにさらに基づいて、前記運用者モデルを生成する
    　請求項９又は１０に記載の運用支援装置。
  12. 　運用者による複数の操作に応じて制御される対象システムの状態が測定された時系列データと、前記複数の操作の少なくとも一部と時刻との組である操作情報とを記憶する記憶部と、
    　前記時系列データから前記状態の変動傾向の複数の変化時点を特定し、前記複数の変化時点の少なくとも一部を区切りとした複数の時間帯のそれぞれを、前記対象システムにおける複数の運用モードとして特定する特定部と、
    　前記操作情報から前記複数の時間帯のそれぞれに含まれる時刻の操作の集合を抽出し、各時間帯に対応する前記運用モードと当該抽出した操作の集合とを対応付けた運用モード操作集合を生成し、前記記憶部に保存する操作集合生成部と、
    　を備える運用支援システム。
  13. 　前記特定部は、
    　前記時系列データからパターン分析された複数のパターンのそれぞれを前記状態の変動傾向として特定し、
    　各パターンの境界の時刻を前記変化時点として特定する、
    　請求項１２に記載の運用支援システム。
  14. 　コンピュータが、
    　運用者による複数の操作に応じて制御される対象システムの状態が測定された時系列データから前記状態の変動傾向の複数の変化時点を特定し、
    　前記複数の変化時点の少なくとも一部を区切りとした複数の時間帯のそれぞれを、前記対象システムにおける複数の運用モードとして特定し、
    　前記複数の操作の少なくとも一部と時刻との組である操作情報から前記複数の時間帯のそれぞれに含まれる時刻の操作の集合を抽出し、
    　各時間帯に対応する前記運用モードと当該抽出した操作の集合とを対応付けた運用モード操作集合を生成し、
    　前記運用モード操作集合を記憶装置に保存する
    　運用支援方法。
  15. 　運用者による複数の操作に応じて制御される対象システムの状態が測定された時系列データから前記状態の変動傾向の複数の変化時点を特定する処理と、
    　前記複数の変化時点の少なくとも一部を区切りとした複数の時間帯のそれぞれを、前記対象システムにおける複数の運用モードとして特定する処理と、
    　前記複数の操作の少なくとも一部と時刻との組である操作情報から前記複数の時間帯のそれぞれに含まれる時刻の操作の集合を抽出する処理と、
    　各時間帯に対応する前記運用モードと当該抽出した操作の集合とを対応付けた運用モード操作集合を生成する処理と、
    　前記運用モード操作集合を記憶装置に保存する処理と、
    　をコンピュータに実行させる運用支援プログラムが格納された非一時的なコンピュータ可読媒体。
PCT/JP2019/003549 2019-02-01 2019-02-01 運用支援装置、システム、方法及びプログラムが格納された非一時的なコンピュータ可読媒体 WO2020157948A1 (ja)

Priority Applications (3)

Application Number Priority Date Filing Date Title
JP2020569305A JP7184099B2 (ja) 2019-02-01 2019-02-01 運用支援装置、システム、方法及びプログラム
US17/425,832 US11740912B2 (en) 2019-02-01 2019-02-01 Operation support apparatus, system, method, and non-transitory computer readable medium storing program
PCT/JP2019/003549 WO2020157948A1 (ja) 2019-02-01 2019-02-01 運用支援装置、システム、方法及びプログラムが格納された非一時的なコンピュータ可読媒体

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2019/003549 WO2020157948A1 (ja) 2019-02-01 2019-02-01 運用支援装置、システム、方法及びプログラムが格納された非一時的なコンピュータ可読媒体

Publications (1)

Publication Number Publication Date
WO2020157948A1 true WO2020157948A1 (ja) 2020-08-06

Family

ID=71840388

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2019/003549 WO2020157948A1 (ja) 2019-02-01 2019-02-01 運用支援装置、システム、方法及びプログラムが格納された非一時的なコンピュータ可読媒体

Country Status (3)

Country Link
US (1) US11740912B2 (ja)
JP (1) JP7184099B2 (ja)
WO (1) WO2020157948A1 (ja)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20220198089A1 (en) * 2020-12-18 2022-06-23 Pratt & Whitney Canada Corp. Methods and systems for defining mission profiles for a new engine

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2018092439A (ja) * 2016-12-05 2018-06-14 株式会社日立製作所 データ処理システム及びデータ処理方法
JP2018128854A (ja) * 2017-02-08 2018-08-16 横河電機株式会社 イベント解析装置、イベント解析システム、イベント解析方法、イベント解析プログラム及び記録媒体

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2016190048A (ja) 2016-06-13 2016-11-10 サミー株式会社 ぱちんこ遊技機
JP7015108B2 (ja) 2016-12-07 2022-02-02 三菱重工業株式会社 運用支援装置、機器運用システム、運用方法、制御方法及びプログラム
JP6794919B2 (ja) * 2017-04-28 2020-12-02 横河電機株式会社 プロセス制御システム及びデータ処理方法
US11129100B2 (en) * 2017-08-10 2021-09-21 Telefonaktiebolaget Lm Ericsson (Publ) Methods and apparatus relating to paging in a wireless communications network
CN110659173B (zh) * 2018-06-28 2023-05-26 中兴通讯股份有限公司 一种运维系统及方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2018092439A (ja) * 2016-12-05 2018-06-14 株式会社日立製作所 データ処理システム及びデータ処理方法
JP2018128854A (ja) * 2017-02-08 2018-08-16 横河電機株式会社 イベント解析装置、イベント解析システム、イベント解析方法、イベント解析プログラム及び記録媒体

Also Published As

Publication number Publication date
JP7184099B2 (ja) 2022-12-06
JPWO2020157948A1 (ja) 2021-11-25
US20220318029A1 (en) 2022-10-06
US11740912B2 (en) 2023-08-29

Similar Documents

Publication Publication Date Title
Liu et al. Time series classification with multivariate convolutional neural network
JP7162442B2 (ja) プロセス及び製造業における業績評価指標のデータに基づく最適化のための方法及びシステム
US20200387818A1 (en) Asset Optimization Using Integrated Modeling, Optimization, and Artificial Intelligence
JP5301310B2 (ja) 異常検知方法及び異常検知システム
US11754998B2 (en) System and methods for automated model development from plant historical data for advanced process control
US10482204B2 (en) System for processing data and modelling for analysis of the energy consumption of a site
US20190236497A1 (en) System and method for automated model selection for key performance indicator forecasting
JP6601433B2 (ja) イベント解析装置、イベント解析システム、イベント解析方法、イベント解析プログラム及び記録媒体
US11181872B1 (en) Systems and processes for optimizing operation of industrial equipment
JPH10143490A (ja) 需要予測方法、需要予測システム及び記録媒体
US10810508B1 (en) Methods and apparatus for classifying and discovering historical and future operational states based on Boolean and numerical sensor data
JP2002532799A (ja) 特にセメントキルンの技術プロセスにおけるセンサ予測のための事例ベース推論システムと方法および装置
US20200293018A1 (en) Time series data monitoring system and time series data monitoring method
CN109313437A (zh) 运转信息分析装置
WO2020157948A1 (ja) 運用支援装置、システム、方法及びプログラムが格納された非一時的なコンピュータ可読媒体
JP7283105B2 (ja) 分析装置および分析方法
KR101565499B1 (ko) 데이터 처리 장치, 데이터 처리 프로그램 및 기록매체
US20210158194A1 (en) Graph structure analysis apparatus, graph structure analysis method, and computer-readable recording medium
US10901400B2 (en) Set point optimization in multi-resolution processes
Paśko et al. Neural model of manufacturing process as a way to improve predictability of manufacturing
JP2022035829A (ja) 情報処理装置、情報処理方法、コンピュータプログラム及び情報処理システム
WO2022255374A1 (ja) エネルギー消費量予測装置、エネルギー消費量予測方法およびエネルギー消費量予測プログラム
JPH11126102A (ja) ガス需要量の予測方法
WO2023223610A1 (ja) 工数投入計画生成システム及び工数投入計画生成方法
KR102666880B1 (ko) 인공지능이 적용된 조립 공정 통합 품질 관리 시스템

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: 19912398

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2020569305

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: 19912398

Country of ref document: EP

Kind code of ref document: A1