WO2020166011A1 - 時系列データ処理方法 - Google Patents

時系列データ処理方法 Download PDF

Info

Publication number
WO2020166011A1
WO2020166011A1 PCT/JP2019/005377 JP2019005377W WO2020166011A1 WO 2020166011 A1 WO2020166011 A1 WO 2020166011A1 JP 2019005377 W JP2019005377 W JP 2019005377W WO 2020166011 A1 WO2020166011 A1 WO 2020166011A1
Authority
WO
WIPO (PCT)
Prior art keywords
series data
time
time series
abnormal state
information
Prior art date
Application number
PCT/JP2019/005377
Other languages
English (en)
French (fr)
Inventor
遼介 外川
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 PCT/JP2019/005377 priority Critical patent/WO2020166011A1/ja
Priority to US17/428,197 priority patent/US20220121191A1/en
Priority to JP2020571995A priority patent/JP7218764B2/ja
Publication of WO2020166011A1 publication Critical patent/WO2020166011A1/ja

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
    • G05B23/0221—Preprocessing measurements, e.g. data collection rate adjustment; Standardization of measurements; Time series or signal analysis, e.g. frequency analysis or wavelets; Trustworthiness of measurements; Indexes therefor; Measurements using easily measured parameters to estimate parameters difficult to measure; Virtual sensor creation; De-noising; Sensor fusion; Unconventional preprocessing inherently present in specific fault detection methods like PCA-based methods
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
    • G05B23/0224—Process history based detection method, e.g. whereby history implies the availability of large amounts of data
    • G05B23/0227—Qualitative history assessment, whereby the type of data acted upon, e.g. waveforms, images or patterns, is not relevant, e.g. rule based assessment; if-then decisions
    • G05B23/0235—Qualitative history assessment, whereby the type of data acted upon, e.g. waveforms, images or patterns, is not relevant, e.g. rule based assessment; if-then decisions based on a comparison with predetermined threshold or range, e.g. "classical methods", carried out during normal operation; threshold adaptation or choice; when or how to compare with the threshold
    • G—PHYSICS
    • 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
    • G05B23/0256—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 injecting test signals and analyzing monitored process response, e.g. injecting the test signal while interrupting the normal operation of the monitored system; superimposing the test signal onto a control signal during normal operation of the monitored system
    • 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
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
    • G05B23/0224—Process history based detection method, e.g. whereby history implies the availability of large amounts of data
    • G05B23/024—Quantitative history assessment, e.g. mathematical relationships between available data; Functions therefor; Principal component analysis [PCA]; Partial least square [PLS]; Statistical classifiers, e.g. Bayesian networks, linear regression or correlation analysis; Neural networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/07—Responding to the occurrence of a fault, e.g. fault tolerance
    • G06F11/0703—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation
    • G06F11/0751—Error or fault detection not based on redundancy
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]

Definitions

  • time-series data which is the measured value from various sensors, is analyzed to detect and output an abnormal condition.
  • the abnormality is detected based on the degree of deviation between the newly acquired measurement data and the learning data.
  • normal data is added to learning data, or abnormal data is deleted or updated.
  • the monitoring target P in the present invention is not limited to the plant, and may be any equipment such as an information processing system.
  • the CPU Central Processing Unit
  • memory usage rate the number of input/output packets, and power consumption of each information processing apparatus included in the information processing system.
  • a value or the like may be measured as a measured value of each element, and the measured value may be analyzed to monitor the state of the information processing system.
  • the learning unit 12 inputs the time-series data set measured when the monitoring target P is determined to be in a normal state in advance, and generates a correlation model representing the correlation between each element in the normal state.
  • the correlation model includes a correlation function that represents the correlation between the measured values of any two elements among the plurality of elements.
  • the correlation function is a function for predicting the output value of the other element with respect to the input value of one of the two arbitrary elements.
  • weights are set to the correlation functions between the elements included in the correlation model.
  • the learning unit 12 generates a set of correlation functions between a plurality of elements as described above as a correlation model and stores the correlation model in the model storage unit 16.
  • the analysis unit 13 acquires the time series data set measured after generating the correlation model described above, analyzes the time series data set, and determines the state of the monitoring target P.
  • the analysis unit 13 includes an abnormality degree calculation unit 21, a section setting unit 22, a state coding unit 23, and an abnormality determination unit 24, and monitors as described below.
  • the process of setting the notification unnecessary period of the abnormal state of the target P and the process of analyzing and monitoring the state of the monitoring target P are performed respectively.
  • the abnormality degree calculation unit 21 inputs the time series data set (first time series data) measured from the monitoring target P and uses the correlation model stored in the model storage unit 16 to monitor the monitoring target P.
  • An abnormality degree (information indicating an abnormal state) indicating the degree of is an abnormal state is calculated.
  • the abnormality degree calculation unit 21 inputs the measured input value of one element to a predetermined correlation function between two elements, predicts the output value of the other element, and calculates the predicted value as the predicted value. Check the difference from the actual measured value.
  • the abnormality determination unit 24 determines whether the same information as the state identification information generated from the time series data set is stored in the state identification information storage unit 17, that is, the newly generated state identification information is the state identification information. It is determined whether or not it is registered in the information storage unit 17. Then, the abnormality determination unit 24 determines whether or not the state identification information is registered in the state identification information storage unit 17 together with the above-described determination result of the abnormality degree and the abnormal state as the analysis result of the abnormal state of the time series data set. The determination result is notified to the output unit 14.
  • the state identification information is It is determined whether or not it is registered in the state identification information storage unit 17. That is, in this case, since the state identification information is not generated when it is not determined that the abnormal state has occurred, the abnormality determination unit 24 determines whether or not the state identification information is registered in the state identification information storage unit 17. Instead, the output unit 14 is notified of only the determination result of whether the abnormality degree and the abnormal state have occurred.
  • the output unit 14 controls the output of information regarding an abnormal state based on the analysis result of the time series data set. At this time, the output unit 14 is in an abnormal state based on the determination result of whether or not an abnormal state has occurred and the determination result of whether or not the state identification information is registered, and it is necessary to notify the supervisor. Whether or not the notification information is output to the monitoring person is controlled. For example, when it is determined that an abnormal state has occurred and the state identification information generated from the time series data set is not registered in the state identification information storage unit 17, the notification information is output to the monitor. At this time, the output unit 14, for example, sends notification information indicating that an abnormality has occurred to the registered mail address of the monitor or is operated by the monitor connected to the time series data processing device 10. Output to display the notification information on the display screen of the monitoring terminal.
  • the time-series data processing device 10 determines whether or not an abnormal state has occurred in the monitoring target P based on the calculated abnormality degree (step S26). For example, the abnormality determination unit 24 determines that an abnormal state has occurred when the state in which the degree of abnormality is equal to or higher than a preset threshold value continues for a certain period of time.
  • the state identification information generated as described above is registered in the state identification information storage unit 17. In consideration of the determination result as to whether or not it is present (step S27), the presence/absence of notification of occurrence of an abnormal state to the monitor is controlled.
  • step S26 when an abnormal state occurs in the monitoring target P (Yes in step S26) and the state identification information generated from the time series data set at that time is not registered in the state identification information storage unit 17 (No in step S27). ), and outputs the notification information to the observer (step S28).
  • step S26 even if an abnormal state occurs in the monitoring target P (Yes in step S26), if the state identification information generated from the time-series data set at that time is registered in the state identification information storage unit 17 (step S26). (Yes in S27), the notification information is not output to the monitor (step S29).
  • the time series data processing device 100 is Based on the analysis result for the first time series data, a predetermined section of the first time series data is set (step S101), The output of information based on the analysis result of the second time series data is controlled based on the first time series data included in the set section (step S102).
  • the data output control device according to attachment 12, The analysis unit analyzes the second time series data using the updated reference data, The output unit controls whether or not to output notification information for notifying that the second time series data is in an abnormal state, based on the analysis result of the second time series data, Time series data processing device.
  • the time series data processing device according to any one of appendices 10 to 16,
  • the analysis unit performs analysis on the second time series data
  • the output unit outputs information indicating an abnormal state of the second time-series data based on an analysis result of the second time-series data, and at this time, outputs an abnormal state of the second time-series data.
  • the information indicating the abnormal state of the second time series data corresponding to the first time series data included in the set section is output separately from other information, Time series data processing device.
  • time-series data processing device 11 measurement unit 12 learning unit 13 analysis unit 14 output unit 15 measurement data storage unit 16 model storage unit 17 state identification information storage unit 21 abnormality degree calculation unit 22 section setting unit 23 state encoding unit 24 abnormality determination Part 100
  • Time-series data processing device 101 CPU 102 ROM 103 RAM 104 program group 105 storage device 106 drive device 107 communication interface 108 input/output interface 109 bus 110 storage medium 111 communication network 121 analysis unit 122 output unit

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Testing And Monitoring For Control Systems (AREA)

Abstract

本発明の時系列データ処理装置１００は、第１の時系列データに対する分析結果に基づいて、当該第１の時系列データの所定の区間を設定する分析部１２１と、設定した区間に含まれる第１の時系列データに基づいて、第２の時系列データに対する分析結果に基づく情報の出力を制御する出力部１２２と、を備える。

Description

時系列データ処理方法
　本発明は、時系列データ処理方法、時系列データ処理装置、プログラムに関する。
　製造工場や処理施設などのプラントでは、各種センサからの計測値である時系列データを分析し、異常状態が発生したことを検出して出力することが行われている。例えば、特許文献１では、新たに取得した計測データと学習データとの乖離度に基づいて、異常を検知している。そして、さらに特許文献１では、早期に異常を高感度に検出するために、学習データに対して正常データを追加したり、異常データを削除するなどの更新を行っている。
特開２０１０－１９１５５６号公報
　しかしながら、上述したように出力される異常情報には、かかる出力を受けるユーザにとって不要な場合がある。例えば、プラントの保守作業中や部品交換作業中などにおける時系列データに基づく異常検知の出力は不要である。このように不要な異常検知の出力により、異常検知の対象に対するユーザによる正確な監視が困難となる、という問題が生じる。
　このため、本発明の目的は、上述した課題である、監視対象に対するユーザによる正確な監視が困難となる、ことを解決することにある。
　本発明の一形態である時系列データ処理方法は、
　第１の時系列データに対する分析結果に基づいて、当該第１の時系列データの所定の区間を設定し、
　設定した前記区間に含まれる前記第１の時系列データに基づいて、第２の時系列データに対する分析結果に基づく情報の出力を制御する、
という構成をとる。
　また、本発明の一形態である時系列データ処理方法は、
　第１の時系列データに対する分析結果に基づいて、当該第１の時系列データの所定の区間を設定し、
　第２の時系列データに対する分析を行い、当該第２の時系列データの異常状態を表す情報を出力し、
　前記第２の時系列データの異常状態を表す情報を出力する際に、当該第２の時系列データの異常状態を表す情報のうち、設定した前記区間に含まれる前記第１の時系列データに対応する前記第２の時系列データの異常状態を表す情報を、他と区別して出力する、
という構成をとる。
　また、本発明の一形態である時系列データ処理装置は、
　第１の時系列データに対する分析結果に基づいて、当該第１の時系列データの所定の区間を設定する分析部と、
　設定した前記区間に含まれる前記第１の時系列データに基づいて、第２の時系列データに対する分析結果に基づく情報の出力を制御する出力部と、
を備えた、
という構成をとる。
　また、本発明の一形態である時系列データ処理装置は、
　第１の時系列データに対する分析結果に基づいて、当該第１の時系列データの所定の区間を設定し、第２の時系列データに対する分析を行う分析部と、
　前記第２の時系列データの分析結果に基づいて、当該第２の時系列データの異常状態を表す情報を出力する出力部と、を備え、
　前記出力部は、前記第２の時系列データの異常状態を表す情報を出力する際に、当該第２の時系列データの異常状態を表す情報のうち、設定した前記区間に含まれる前記第１の時系列データに対応する前記第２の時系列データの異常状態を表す情報を、他と区別して出力する、
という構成をとる。
　また、本発明の一形態であるプログラムは、
　第１の時系列データに対する分析結果に基づいて、当該第１の時系列データの所定の区間を設定し、
　設定した前記区間に含まれる前記第１の時系列データに基づいて、第２の時系列データに対する分析結果に基づく情報の出力を制御する、
処理を情報処理装置に実行させる、
という構成をとる。
　また、本発明の一形態であるプログラムは、
　第１の時系列データに対する分析結果に基づいて、当該第１の時系列データの所定の区間を設定し、
　第２の時系列データに対する分析を行い、当該第２の時系列データの異常状態を表す情報を出力し、
　前記第２の時系列データの異常状態を表す情報を出力する際に、当該第２の時系列データの異常状態を表す情報のうち、設定した前記区間に含まれる前記第１の時系列データに対応する前記第２の時系列データの異常状態を表す情報を、他と区別して出力する、
処理を情報処理装置に実行させる、
という構成をとる。
　本発明は、以上のように構成されることにより、時系列データに対する不要な異常検知の出力を抑制し、監視対象に対するユーザによる監視の正確性の向上を図ることができる。
本発明の実施形態１における時系列データ処理装置の構成を示すブロック図である。 図１に開示した分析部の構成を示すブロック図である。 図１に開示した時系列データ処理装置による時系列データの処理の様子を示す図である。 図１に開示した時系列データ処理装置による時系列データの処理の様子を示す図である。 図１に開示した時系列データ処理装置による時系列データの処理の様子を示す図である。 図１に開示した時系列データ処理装置の動作を示すフローチャートである。 図１に開示した時系列データ処理装置の動作を示すフローチャートである。 図１に開示した時系列データ処理装置の動作を示すフローチャートである。 本発明の実施形態２における時系列データ処理装置のハードウェア構成を示すブロック図である。 本発明の実施形態２における時系列データ処理装置の構成を示すブロック図である。 本発明の実施形態２における時系列データ処理装置の動作を示すフローチャートである。 本発明の実施形態２における時系列データ処理装置の動作を示すフローチャートである。
　＜実施形態１＞
　本発明の第１の実施形態を、図１乃至図８を参照して説明する。図１乃至図２は、時系列データ処理装置の構成を説明するための図であり、図３乃至図８は、時系列データ処理装置の処理動作を説明するための図である。
　［構成］
　本発明における時系列データ処理装置１０は、プラントなどの監視対象Ｐ（対象）に接続されている。そして、時系列データ処理装置１０は、監視対象Ｐの各要素の計測値を取得して分析し、分析結果に基づいて監視対象Ｐの状態を監視するために利用される。例えば、監視対象Ｐは、製造工場や処理施設などのプラントであり、各要素の計測値は、プラント内の温度、圧力、流量、消費電力値、原料の供給量、残量など、複数種類の情報からなる。そして、監視する監視対象Ｐの状態は、本実施形態では、監視対象Ｐの異常状態であることとし、予め設定された基準により算出した異常度を出力したり、異常状態であることを通知する通知情報を出力する。
　但し、本発明における監視対象Ｐは、プラントであることに限定されず、情報処理システムなどの設備といったいかなるものであってもよい。例えば、監視対象Ｐが情報処理システムである場合には、情報処理システムを構成する各情報処理装置のＣＰＵ（Central Processing Unit）使用率、メモリ使用率、ディスクアクセス頻度、入出力パケット数、消費電力値などを、各要素の計測値として計測し、かかる計測値を分析して情報処理システムの状態を監視してもよい。
　上記時系列データ処理装置１０は、演算装置と記憶装置とを備えた１台又は複数台の情報処理装置にて構成される。そして、時系列データ処理装置１０は、図１に示すように、演算装置がプログラムを実行することで構築された、計測部１１、学習部１２、分析部１３、出力部１４、を備える。また、時系列データ処理装置１０は、記憶装置に形成された、計測データ記憶部１５、モデル記憶部１６、状態識別情報記憶部１７、を備える。以下、各構成について詳述する。
　上記計測部１１は、監視対象Ｐに設置された各種センサにて計測された各要素の計測値を所定の時間間隔で時系列データとして取得して、計測データ記憶部１５に記憶する。このとき、計測する要素は複数種類あるため、計測部１１は、図３の符号４１に示すような複数要素の時系列データの集合である時系列データセットを取得する。なお、計測部１１による時系列データセットの取得及び記憶は常時行われており、取得された時系列データセットは、後述するように、監視対象Ｐの正常状態を表す相関モデルを生成するとき、監視対象Ｐの異常状態の通知不要期間を設定するとき、監視対象Ｐの状態を監視するとき、にそれぞれ使用される。
　上記学習部１２は、監視対象Ｐが予め正常状態であると判断されたときに計測された時系列データセットを入力して、正常状態における各要素間の相関関係を表す相関モデルを生成する。例えば、相関モデルは、複数要素のうち、任意の２要素の計測値の相関関係を表す相関関数を含む。相関関数は、任意の２要素のうちの一方の要素の入力値に対して他方の要素の出力値を予測する関数である。このとき、相関モデルに含まれる各要素間の相関関数には、それぞれ重みが設定される。学習部１２は、上述したような複数の要素間の相関関数の集合を、相関モデルとして生成し、モデル記憶部１６に記憶する。
　上記分析部１３は、上述した相関モデルを生成した後に計測された時系列データセットを取得して、当該時系列データセットの分析を行い、監視対象Ｐの状態を判別する。ここで、分析部１３は、図２に示すように、異常度算出部２１、区間設定部２２、状態符号化部２３、異常判定部２４、を備えており、以下に説明するように、監視対象Ｐの異常状態の通知不要期間を設定する処理と、監視対象Ｐの状態を分析して監視する処理、をそれぞれ行う。
　まず、分析部１３による、監視対象Ｐの異常状態の通知不要期間を設定する処理について説明する。上記異常度算出部２１は、監視対象Ｐから計測された時系列データセット（第１の時系列データ）を入力して、モデル記憶部１６に記憶されている相関モデルを用いて、監視対象Ｐが異常状態である度合いを表す異常度（異常状態を表す情報）を算出する。具体的に、異常度算出部２１は、例えば、所定の２要素間の相関関数に、計測された一方の要素の入力値を入力して他方の要素の出力値を予測し、かかる予測値と実際の計測値との差分を調べる。このとき、差分が所定以上の場合、かかる２要素間の相関関係の相関破壊として検出する。そして、異常度算出部２１は、複数の要素間の相関関数の差分や相関破壊の状況を調べ、差分の大きさやその相関関数の重み、相関破壊の数などに応じて、異常度を算出する。異常度算出部２１は、例えば、相関破壊の度合いが大きいほど、監視対象Ｐが異常状態である度合いが高いとして、異常度の値を高く算出する。なお、異常度算出部２１は、時系列データセットの各時間について異常度の算出を行う。但し、異常度算出部２１による異常度の算出方法は、上述した方法に限定されず、いかなる方法であってもよい。
　上記区間設定部２２は、図３に示すように、異常度算出部２１にて時系列データセット４１から算出された異常度の値（縦軸）を、符号５１に示すように、時系列（横軸）のグラフで出力する。このとき、区間設定部２２は、監視者が操作する情報処理端末の表示装置に表示するよう出力する。そして、区間設定部２２は、表示した異常度のグラフ５１に対して、監視者から区間の指定を受け付け、異常状態の通知不要区間Ｗ１として設定する。例えば、監視者は、監視対象Ｐが保守作業中や部品交換作業中などの期間（時間）を事前に認識している場合には、その期間を指定する。なお、区間設定部２２は、監視者から区間の指定を受けることなく、事前に設定された期間を自動的に通知不要区間Ｗ１として設定してもよい。但し、区間設定部２２は、異常度のグラフ５１上で通知不要区間Ｗ１を設定することに限定されない。例えば、区間設定部２２は、符号４１に示すような時系列データセット上で、上述したように監視者から指定を受けた区間や事前に設定された区間を通知不要区間Ｗ１として設定してもよく、いかなる方法で通知不要区間Ｗ１を設定してもよい。
　上記状態符号化部２３は、上述したように設定された通知不要区間Ｗ１内の時系列データセットから、当該時系列データセットの状態を表す状態識別情報（状態情報）を生成する。本実施形態では、状態符号化部２３は、図４に示すように、通知不要区間Ｗ１内の時系列データセットを二値ベクトルに符号化した状態識別情報６０を生成する。例えば、状態符号化部２３は、通知不要区間Ｗ１内の時系列データセットを実数ベクトルに変換し、さらにその実数ベクトルを二値ベクトルに変換する。このとき、実数ベクトルとは、各次元の値が実数を取るベクトルである。なお、状態符号化部２３は、二値ベクトルに限らず、時系列データセットをいかなる形式の符号にしてもよく、いかなる方法で符号化してもよい。
　そして、状態符号化部２３は、設定された通知不要区間Ｗ１内の時系列データセットから生成した状態識別情報６０を、状態識別情報記憶部１７に記憶する。なお、上述したモデル記憶部１６に記憶された相関モデルと、状態識別情報記憶部１７に記憶された状態識別情報６０とは、後の時系列データの分析において利用される基準データとなる。つまり、状態符号化部２３は、状態識別情報６０を生成して記憶することによって、時系列データの分析に利用される基準データを更新することとなる。このとき、状態符号化部２３は、予め通知不要区間Ｗ１で生じているイベントの情報を、状態識別情報６０に関連付けて記憶してもよい。例えば、イベントの情報は、「保守」などの実際に行われている状況の内容を表す情報や、イベントの担当者名、イベントの日時などの情報である。
　なお、本実施形態では、相関モデルと状態識別情報６０とを含む基準データを用いて、後述するように、監視対象Ｐの状態を分析して異常度や通知情報の出力を制御しているが、基準データは上述したような相関モデルや状態識別情報であることに限定されない。つまり、基準データは、時系列データセットの分析を行い、通知不要区間Ｗ１内の時系列データセットと同様の時系列データセットを検出することができる情報であれば、いかなる情報であってもよい。
　次に、分析部１３による、監視対象Ｐの状態を分析して監視する処理について説明する。分析部１３は、その後に新たに監視対象Ｐから計測された時系列データセット（第２の時系列データ）を入力して、監視対象Ｐに異常状態が生じたかの分析を行い監視する。具体的に、まず上記異常度算出部２１は、監視対象Ｐから計測された時系列データセット（第２の時系列データ）を入力して、上述同様に、モデル記憶部１６に記憶されている相関モデル（基準データ）を用いて監視対象Ｐが異常状態である度合いを表す異常度を算出する。
　また、上記異常度の算出と並行して、上記状態符号化部２３は、監視対象Ｐから計測された時系列データセットから、当該時系列データセットの状態を表す状態識別情報を生成する。このとき、状態符号化部２３は、上述同様に、時系列データセットを二値ベクトルに符号化した状態識別情報を生成する。なお、状態符号化部２３は、新たに計測された全ての所定区間の時系列データセットに対して状態識別情報を生成している。但し、状態符号化部２３は、後述するように、異常度判定部２４にて異常度から異常状態が生じたと判定されたときの時系列データセットのみから、当該時系列データセットの状態を表す状態識別情報を生成してもよい。
　そして、分析部１３の上記異常判定部２４は、監視対象Ｐから算出した異常度から、監視対象Ｐに異常状態が生じたか否かを判定する。例えば、異常判定部２４は、異常度が予め設定された閾値以上の状態が一定時間継続した場合に、異常状態が生じた、と判定する。但し、異常判定部２４は、いかなる基準により異常状態が生じたことを判定してもよい。そして、異常判定部２４は、時系列データセットの異常状態の分析結果として、異常度と共に、異常状態が生じたか否かの判定結果を、出力部１４に通知する。
　さらに、異常判定部２４は、時系列データセットから生成した状態識別情報と同一の情報が、状態識別情報記憶部１７に記憶されているか否か、つまり、新たに生成した状態識別情報が状態識別情報記憶部１７に登録されているか否かを判定する。そして、異常判定部２４は、時系列データセットの異常状態の分析結果として、上述した異常度及び異常状態の判定結果と共に、状態識別情報が状態識別情報記憶部１７に登録されているか否かの判定結果を、出力部１４に通知する。なお、異常度判定部２４は、上述したように、異常度から異常状態が生じたと判定されたときの時系列データセットのみから状態識別情報を生成している場合には、かかる状態識別情報が状態識別情報記憶部１７に登録されているか否かを判定する。つまり、この場合、異常状態が生じたと判定されないときには状態識別情報が生成されていないため、異常判定部２４は、状態識別情報が状態識別情報記憶部１７に登録されているか否かの判定は行わず、異常度及び異常状態が生じたか否かの判定結果のみを出力部１４に通知する。
　なお、異常判定部２４は、時系列データセットから生成した状態識別情報と、予め設定された基準により類似する情報、あるいは、対応する情報が、状態識別情報記憶部１７に記憶されている場合に、生成した状態識別情報が登録されていると判定してもよい。つまり、異常判定部２４は、生成した状態識別情報と、状態識別情報記憶部１７に記憶されている情報と、が完全に一致している場合に限らず、これらの情報が予め設定された基準により対応していると判断できる場合に、生成した状態識別情報が状態識別情報記憶部１７に登録されていると判定してもよい。
　上記出力部１４は、時系列データセットの分析結果に基づいて、異常状態に関する情報の出力を制御する。このとき、出力部１４は、異常状態が生じたか否かの判定結果と、状態識別情報が登録されている否かの判定結果と、に基づいて、異常状態であり、監視者に通知が必要であるか否かを判定し、監視者への通知情報の出力の有無を制御する。例えば、異常状態が生じたと判定され、時系列データセットから生成された状態識別情報が状態識別情報記憶部１７に登録されていない場合には、監視者に通知情報を出力する。このとき、出力部１４、例えば、登録された監視者のメールアドレスに対して異常が生じている旨を表す通知情報を送信したり、時系列データ処理装置１０に接続された監視者が操作する監視端末の表示画面に通知情報を表示するよう出力する。
　一方、出力部１４は、異常度から異常状態が生じたと判定された場合であっても、時系列データセットから生成された状態識別情報が状態識別情報記憶部１７に登録されていない場合には、監視者への通知情報の出力を停止する。つまり、異常状態が生じていても、監視者に異常状態が生じていることは通知しない。
　また、出力部１４は、監視対象Ｐの異常度も、監視者に対して出力する。このとき、出力部１４は、状態識別情報が登録されているときの異常度を、他の異常度と区別して表示する。例えば、図５の符号４２に示す時系列データセットが計測され、符号Ｗ２に示す区間の状態識別情報が登録されていた場合には、かかる区間Ｗ２に対応する異常度を、他の異常度と区別して表示する。一例として、図５（１）の例では、異常度のグラフ内において、状態識別情報が登録されている区間Ｗ２を他の区間と区別するよう所定の色で塗りつぶして表示する。図５（２）の例では、状態識別情報が登録されている区間Ｗ２の異常度のグラフ自体を点線で表示し、他の区間は実線で表示する。
　なお、出力部１４は、異常度のグラフにおいて、状態識別情報が登録されているときの異常度を他の異常度と区別して表示することに加えて、異常状態であると判定された異常度を、他の異常度と区別して表示してもよい。一例として、図５（３）の例では、異常度のグラフ内において、状態識別情報が登録されておらず、異常状態であると判定された区間Ｗ３を他の区間と区別するよう枠で囲って表示する。
　さらに、出力部１４は、異常度のグラフにおいて、異常度の状態を表す文字情報を表示してもよい。例えば、図５（４）に示すように、状態識別情報が登録されている区間Ｗ２に通知不要であると判定されたことを示す「不要区間」Ｗ２ａの文字を表示してもよく、異常状態であると判定された区間に「異常」Ｗ３ａの文字を表示してもよい。このとき、出力部１４は、状態識別情報が登録されている区間Ｗ２に、当該状態識別情報に関連付けられているイベントの情報（イベントの内容や担当者、日時などの情報）を関連付けて表示してもよい。
　［動作］
　次に、上述した時系列データ処理装置１０の動作を、主に図６乃至図８のフローチャートを参照して説明する。まず、図６のフローチャートを参照して、監視対象Ｐが正常状態である場合における、各要素間の相関関係を表す相関モデルを生成するときの動作を説明する。
　時系列データ処理装置１０は、監視対象Ｐが正常状態であると判断されたときに計測された時系列データセットである学習用のデータを、計測データ記憶部１５から読み出して入力する（ステップＳ１）。そして、時系列データ処理装置１０は、入力した時系列データから、各要素間の相関関係を学習し（ステップＳ２）、当該各要素間の相関関係を表す相関モデルを生成する（ステップＳ３）。
　次に、図７のフローチャートを参照して、監視対象Ｐの異常状態の通知不要期間を設定する処理について説明する。まず、時系列データ処理装置１０は、新たに監視対象Ｐから計測された時系列データセット（第１の時系列データ）を入力する（ステップＳ１１）。そして、時系列データ処理装置１０は、入力した時系列データセットと、モデル記憶部１６に記憶されている相関モデルとを比較して（ステップＳ１２）、監視対象Ｐが異常状態である度合いを表す異常度を算出する（ステップＳ１３）。このとき、時系列データ処理装置１０は、例えば、相関モデルに含まれる所定の２要素間の相関関数に、計測された一方の要素の入力値を入力して他方の要素の出力値を予測し、かかる予測値と実際の計測値との差分を調べ、差分の大きさやその相関関数の重み、相関破壊の数などに応じて、異常度を算出する。
　続いて、時系列データ処理装置１０は、図３に示すように、時系列データセット４１から算出された異常度のグラフ５１で出力する。このとき、区間設定部２２は、監視者が操作する情報処理端末の表示装置に表示するよう出力する（ステップＳ１４）。そして、時系列データ処理装置１０は、表示した異常度のグラフ５１に対して、監視者から区間の指定を受け付けると（ステップＳ１５でＹｅｓ）、図３の符号Ｗ１に示すように、異常状態の通知不要区間Ｗ１として設定する（ステップＳ１６）。なお、時系列データ処理装置１０は、監視者から区間の指定を受けることなく、事前に設定された期間を自動的に通知不要区間Ｗ１として設定してもよい。
　続いて、時系列データ処理装置１０は、図４に示すように、設定された通知不要区間Ｗ１内の時系列データセットから、当該時系列データセットの状態を表す状態識別情報６０を生成する（ステップＳ１７）。このとき、時系列データ処理装置１０は、通知不要区間Ｗ１内の時系列データセットを二値ベクトルに符号化した状態識別情報６０を生成する。そして、時系列データ処理装置１０は、生成した状態識別情報６０を状態識別情報記憶部１７に記憶する（ステップＳ１８）。これにより、時系列データ処理装置１０は、通知不要と設定された時系列データセットの特徴を表す二値ベクトルにて表された状態識別情報６０を記憶する。なお、このとき、二値ベクトルにて表された状態識別情報６０に、通知不要区間Ｗ１で生じたイベントの情報を関連付けて記憶する。
　次に、図８のフローチャートを参照して、監視対象Ｐの状態を分析して監視する処理について説明する。まず、時系列データ処理装置１０は、新たに監視対象Ｐから計測された時系列データセット（第２の時系列データ）を入力する（ステップＳ２１）。そして、時系列データ処理装置１０は、入力した時系列データセットと、モデル記憶部１６に記憶されている相関モデルとを比較して（ステップＳ２２）、監視対象Ｐが異常状態である度合いを表す異常度を算出する（ステップＳ２３）。このとき、時系列データ処理装置１０は、例えば、相関モデルに含まれる所定の２要素間の相関関数に、計測された一方の要素の入力値を入力して他方の要素の出力値を予測し、かかる予測値と実際の計測値との差分を調べ、差分の大きさやその相関関数の重み、相関破壊の数などに応じて、異常度を算出する。
　また、時系列データ処理装置１０は、監視対象Ｐから計測された時系列データセットから、当該時系列データセットの状態を表す状態識別情報を生成する（ステップＳ２４）。このとき、状態識別情報として、時系列データセットを二値ベクトルに符号化した状態識別情報を生成する。そして、時系列データ処理装置１０は、生成した状態識別情報と同一の情報が、状態識別情報記憶部１７に記憶されているか否か、つまり、生成した状態識別情報が状態識別情報記憶部１７に登録されているか否かを判定する（ステップＳ２５）。
　続いて、時系列データ処理装置１０は、算出した異常度から、監視対象Ｐに異常状態が生じたか否かを判定する（ステップＳ２６）。例えば、異常判定部２４は、異常度が予め設定された閾値以上の状態が一定時間継続した場合に、異常状態が生じた、と判定する。そして、時系列データ処理装置１０は、監視対象Ｐに異常状態が生じたと判定した場合には（ステップＳ２６でＹｅｓ）、上述したように生成した状態識別情報が状態識別情報記憶部１７に登録されているか否かの判定結果も考慮し（ステップＳ２７）、監視者への異常状態発生の通知の有無を制御する。例えば、監視対象Ｐに異常状態が生じ（ステップＳ２６でＹｅｓ）、そのときの時系列データセットから生成された状態識別情報が状態識別情報記憶部１７に登録されていない場合は（ステップＳ２７でＮｏ）、監視者への通知情報の出力を行う（ステップＳ２８）。一方、監視対象Ｐに異常状態が生じたとしても（ステップＳ２６でＹｅｓ）、そのときの時系列データセットから生成された状態識別情報が状態識別情報記憶部１７に登録されている場合は（ステップＳ２７でＹｅｓ）、監視者への通知情報の出力は行わない（ステップＳ２９）。
　また、時系列データ処理装置１０は、上述した異常状態が生じたか否かの判定結果と、状態識別情報が登録されている否かの判定結果と、に基づいて、異常度を出力する際の表示情報を生成して（ステップＳ３０）、監視者に対して表示出力する（ステップＳ３１）。例えば、図５に示すように、時系列データセットから生成した状態識別情報６０が登録されていた場合には通知不要区間であることを表すよう表示したり、異常状態が生じた区間であることを表すよう表示する。但し、時系列データ処理装置１０は、異常状態が生じていない場合は（ステップＳ２６でＮｏ）、上述した異常度の表示情報の生成や（ステップＳ３０）、異常度の表示情報の表示出力（ステップＳ３１）を省略してもよい。
　なお、上記では、異常度自体を表示出力すると共に、異常状態が生じた場合にその旨を監視者の通知することとしているが、異常度自体の表示出力と監視者への通知とは、いずれか一方のみが行われてもよい。
　以上のように、本発明では、事前に計測された時系列データ（第１の時系列データ）の区間を指定し、かかる区間に含まれる時系列データに基づいて、その後の時系列データ（第２の時系列データ）に対する分析結果に基づく情報の出力を制御している。つまり、事前に計測された時系列データの指定区間に相当する時系列データが、その後の時系列データと同一である場合には、異常状態の通知を除外したり、異常度の表示を変更するなど、出力を制御している。このため、時系列データに対する不要な異常検知の出力を抑制できるなど、監視対象に対する監視者による監視の正確性の向上を図ることができる。
　＜実施形態２＞
　次に、本発明の第２の実施形態を、図９乃至図１２を参照して説明する。図９乃至図１０は、実施形態２における時系列データ処理装置の構成を示すブロック図であり、図１１乃至図１２は、時系列データ処理装置の動作を示すフローチャートである。なお、本実施形態では、実施形態１で説明した時系列データ処理装置及び時系列データ処理方法の構成の概略を示している。
　まず、図９を参照して、本実施形態における時系列データ処理装置１００のハードウェア構成を説明する。時系列データ処理装置１００は、一般的な情報処理装置にて構成されており、一例として、以下のようなハードウェア構成を装備している。
　・ＣＰＵ（Ｃｅｎｔｒａｌ　Ｐｒｏｃｅｓｓｉｎｇ　Ｕｎｉｔ）１０１（演算装置）
　・ＲＯＭ（Ｒｅａｄ　Ｏｎｌｙ　Ｍｅｍｏｒｙ）１０２（記憶装置）
　・ＲＡＭ（Ｒａｎｄｏｍ　Ａｃｃｅｓｓ　Ｍｅｍｏｒｙ）１０３（記憶装置）
　・ＲＡＭ３０３にロードされるプログラム群１０４
　・プログラム群３０４を格納する記憶装置１０５
　・情報処理装置外部の記憶媒体１１０の読み書きを行うドライブ装置１０６
　・情報処理装置外部の通信ネットワーク１１１と接続する通信インタフェース１０７
　・データの入出力を行う入出力インタフェース１０８
　・各構成要素を接続するバス１０９
　そして、時系列データ処理装置１００は、プログラム群１０４をＣＰＵ１０１が取得して当該ＣＰＵ１０１が実行することで、図１０に示す分析部１２１と出力部１２２を構築して装備することができる。なお、プログラム群１０４は、例えば、予め記憶装置１０５やＲＯＭ１０２に格納されており、必要に応じてＣＰＵ１０１がＲＡＭ１０３にロードして実行する。また、プログラム群１０４は、通信ネットワーク１１１を介してＣＰＵ１０１に供給されてもよいし、予め記憶媒体１１０に格納されており、ドライブ装置１０６が該プログラムを読み出してＣＰＵ１０１に供給してもよい。但し、上述した分析部１２１と出力部１２２とは、電子回路で構築されるものであってもよい。
　なお、図９は、時系列データ処理装置１００である情報処理装置のハードウェア構成の一例を示しており、情報処理装置のハードウェア構成は上述した場合に例示されない。例えば、情報処理装置は、ドライブ装置１０６を有さないなど、上述した構成の一部から構成されてもよい。
　そして、時系列データ処理装置１００は、上述したようにプログラムによって構築された分析部１２１と出力部１２２との機能により、図１１あるいは図１２のフローチャートに示す時系列データ処理方法を実行する。
　図１１に示すように、時系列データ処理装置１００は、
　第１の時系列データに対する分析結果に基づいて、当該第１の時系列データの所定の区間を設定し（ステップＳ１０１）、
　設定した前記区間に含まれる前記第１の時系列データに基づいて、第２の時系列データに対する分析結果に基づく情報の出力を制御する（ステップＳ１０２）。
　また、図１２に示すように、時系列データ処理装置１００は、
　第１の時系列データに対する分析結果に基づいて、当該第１の時系列データの所定の区間を設定し（ステップＳ１１１）、
　第２の時系列データに対する分析を行い、当該第２の時系列データの異常状態を表す情報を出力し（ステップＳ１１２）、
　前記第２の時系列データの異常状態を表す情報を出力する際に、当該第２の時系列データの異常状態を表す情報のうち、設定した前記区間に含まれる前記第１の時系列データに対応する前記第２の時系列データの異常状態を表す情報を、他と区別して出力する。
　本発明は、以上のように構成されることにより、事前に計測された時系列データ（第１の時系列データ）の区間を指定し、かかる区間に含まれる時系列データに基づいて、その後の時系列データ（第２の時系列データ）に対する分析結果に基づく情報の出力を制御している。例えば、事前に計測された時系列データの指定区間に相当する時系列データが、その後の時系列データと同一である場合には、異常状態の通知を除外したり、異常度の表示を変更するなど、出力を制御している。このため、時系列データに対する不要な異常検知の出力を抑制できるなど、監視対象に対する監視者による監視の正確性の向上を図ることができる。
　＜付記＞
　上記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うる。以下、本発明における時系列データ処理方法、時系列データ処理装置、プログラムの構成の概略を説明する。但し、本発明は、以下の構成に限定されない。
（付記１）
　第１の時系列データに対する分析結果に基づいて、当該第１の時系列データの所定の区間を設定し、
　設定した前記区間に含まれる前記第１の時系列データに基づいて、第２の時系列データに対する分析結果に基づく情報の出力を制御する、
時系列データ処理方法。
（付記２）
　付記１に記載の時系列データ処理方法であって、
　予め設定された基準データを用いて前記第１の時系列データを分析し、分析結果に基づいて当該第１の時系列データの前記区間を設定し、
　設定した前記区間に含まれる前記第１の時系列データに基づいて、前記基準データの更新を行い、
　更新された前記基準データを用いて前記第２の時系列データに対する分析を行い、分析結果に基づく情報の出力を制御する、
時系列データ処理方法。
（付記３）
　付記２に記載の時系列データ処理方法であって、
　前記基準データを用いて前記第１の時系列データを分析して、当該第１の時系列データの異常状態を表す情報を出力し、
　出力された前記第１の時系列データの前記異常状態を表す情報に基づいて、当該第１の時系列データの前記区間を設定する、
時系列データ処理方法。
（付記４）
　付記３に記載の時系列データ処理方法であって、
　更新された前記基準データを用いて前記第２の時系列データに対する分析を行い、分析結果に基づいて、前記第２の時系列データが異常状態であることを通知する通知情報の出力の有無を制御する、
時系列データ処理方法。
（付記５）
　付記４に記載の時系列データ処理方法であって、
　前記第２の時系列データに対する分析結果により、前記第２の時系列データが異常状態であると判断された場合であって、当該第２の時系列データが設定した前記区間に含まれる前記第１の時系列データに対応する場合には、前記通知情報の出力を停止するよう制御する、
時系列データ処理方法。
（付記６）
　付記１乃至５のいずれかに記載の時系列データ処理方法であって、
　設定した前記区間に含まれる前記第１の時系列データの状態を表す状態情報を生成し、
　前記状態情報を用いて前記第２の時系列データに対する分析を行い、分析結果に基づく情報の出力を制御する、
時系列データ処理方法。
（付記７）
　付記６に記載の時系列データ処理方法であって、
　前記第２の時系列データが前記状態情報に対応する場合には、当該第２の時系列データが異常状態であることを通知する通知情報の出力を停止するよう制御する、
時系列データ処理方法。
（付記８）
　付記１乃至７のいずれかに記載の時系列データ処理方法であって、
　前記第２の時系列データに対する分析を行い、当該第２の時系列データの異常状態を表す情報を出力し、この際に、当該第２の時系列データの異常状態を表す情報のうち、設定した前記区間に含まれる前記第１の時系列データに対応する前記第２の時系列データの異常状態を表す情報を、他と区別して出力する、
時系列データ処理方法。
（付記９）
　第１の時系列データに対する分析結果に基づいて、当該第１の時系列データの所定の区間を設定し、
　第２の時系列データに対する分析を行い、当該第２の時系列データの異常状態を表す情報を出力し、
　前記第２の時系列データの異常状態を表す情報を出力する際に、当該第２の時系列データの異常状態を表す情報のうち、設定した前記区間に含まれる前記第１の時系列データに対応する前記第２の時系列データの異常状態を表す情報を、他と区別して出力する、
時系列データ処理方法。
（付記１０）
　第１の時系列データに対する分析結果に基づいて、当該第１の時系列データの所定の区間を設定する分析部と、
　設定した前記区間に含まれる前記第１の時系列データに基づいて、第２の時系列データに対する分析結果に基づく情報の出力を制御する出力部と、
を備えた時系列データ処理装置。
（付記１１）
　付記１０に記載の時系列データ処理装置であって、
　前記分析部は、予め設定された基準データを用いて前記第１の時系列データを分析し、分析結果に基づいて当該第１の時系列データの前記区間を設定し、設定した前記区間に含まれる前記第１の時系列データに基づいて、前記基準データの更新を行い、さらに、更新された前記基準データを用いて前記第２の時系列データに対する分析を行い、
　前記出力部は、分析結果に基づく情報の出力を制御する、
時系列データ処理装置。
（付記１２）
　付記１１に記載の時系列データ処理装置であって、
　前記分析部は、前記基準データを用いて前記第１の時系列データを分析して、当該第１の時系列データの異常状態を表す情報を出力し、出力された前記第１の時系列データの前記異常状態を表す情報に基づいて、当該第１の時系列データの前記区間を設定する、
時系列データ処理装置。
（付記１３）
　付記１２に記載のデータ出力制御装置であって、
　前記分析部は、更新された前記基準データを用いて前記第２の時系列データに対する分析を行い、
　前記出力部は、前記第２の時系列データの分析結果に基づいて、当該第２の時系列データが異常状態であることを通知する通知情報の出力の有無を制御する、
時系列データ処理装置。
（付記１４）
　付記１３に記載の時系列データ処理装置であって、
　前記出力部は、前記第２の時系列データに対する分析結果により、前記第２の時系列データが異常状態であると判断された場合であって、当該第２の時系列データが設定した前記区間に含まれる前記第１の時系列データに対応する場合には、前記通知情報の出力を停止するよう制御する、
時系列データ処理装置。
（付記１５）
　付記１０乃至１４のいずれかに記載の時系列データ処理装置であって、
　前記分析部は、設定した前記区間に含まれる前記第１の時系列データの状態を表す状態情報を生成し、前記状態情報を用いて前記第２の時系列データに対する分析を行い、
　前記出力部は、前記第２の時系列データに対する分析結果に基づく情報の出力を制御する、
時系列データ処理装置。
（付記１６）
　付記１５に記載の時系列データ処理装置であって、
　前記出力部は、前記第２の時系列データが前記状態情報に対応する場合には、当該第２の時系列データが異常状態であることを通知する通知情報の出力を停止するよう制御する、
時系列データ処理装置。
（付記１７）
　付記１０乃至１６のいずれかに記載の時系列データ処理装置であって、
　前記分析部は、前記第２の時系列データに対する分析を行い、
　前記出力部は、前記第２の時系列データに対する分析結果に基づいて当該第２の時系列データの異常状態を表す情報を出力し、この際に、当該第２の時系列データの異常状態を表す情報のうち、設定した前記区間に含まれる前記第１の時系列データに対応する前記第２の時系列データの異常状態を表す情報を、他と区別して出力する、
時系列データ処理装置。
（付記１８）
　第１の時系列データに対する分析結果に基づいて、当該第１の時系列データの所定の区間を設定し、第２の時系列データに対する分析を行う分析部と、
　前記第２の時系列データの分析結果に基づいて、当該第２の時系列データの異常状態を表す情報を出力する出力部と、を備え、
　前記出力部は、前記第２の時系列データの異常状態を表す情報を出力する際に、当該第２の時系列データの異常状態を表す情報のうち、設定した前記区間に含まれる前記第１の時系列データに対応する前記第２の時系列データの異常状態を表す情報を、他と区別して出力する、
時系列データ処理装置。
（付記１９）
　第１の時系列データに対する分析結果に基づいて、当該第１の時系列データの所定の区間を設定し、
　設定した前記区間に含まれる前記第１の時系列データに基づいて、第２の時系列データに対する分析結果に基づく情報の出力を制御する、
処理を情報処理装置に実行させるためのプログラム。
（付記２０）
　第１の時系列データに対する分析結果に基づいて、当該第１の時系列データの所定の区間を設定し、
　第２の時系列データに対する分析を行い、当該第２の時系列データの異常状態を表す情報を出力し、
　前記第２の時系列データの異常状態を表す情報を出力する際に、当該第２の時系列データの異常状態を表す情報のうち、設定した前記区間に含まれる前記第１の時系列データに対応する前記第２の時系列データの異常状態を表す情報を、他と区別して出力する、
処理を情報処理装置に実行させるためのプログラム。
　なお、上述したプログラムは、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（Read Only Memory）、ＣＤ－Ｒ、ＣＤ－Ｒ／Ｗ、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よい。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。
　以上、上記実施形態等を参照して本願発明を説明したが、本願発明は、上述した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、本願発明の範囲内で当業者が理解しうる様々な変更をすることができる。
１０　時系列データ処理装置
１１　計測部
１２　学習部
１３　分析部
１４　出力部
１５　計測データ記憶部
１６　モデル記憶部
１７　状態識別情報記憶部
２１　異常度算出部
２２　区間設定部
２３　状態符号化部
２４　異常判定部
１００　時系列データ処理装置
１０１　ＣＰＵ
１０２　ＲＯＭ
１０３　ＲＡＭ
１０４　プログラム群
１０５　記憶装置
１０６　ドライブ装置
１０７　通信インタフェース
１０８　入出力インタフェース
１０９　バス
１１０　記憶媒体
１１１　通信ネットワーク
１２１　分析部
１２２　出力部
 

Claims (20)

  1. 　第１の時系列データに対する分析結果に基づいて、当該第１の時系列データの所定の区間を設定し、
    　設定した前記区間に含まれる前記第１の時系列データに基づいて、第２の時系列データに対する分析結果に基づく情報の出力を制御する、
    時系列データ処理方法。
  2. 　請求項１に記載の時系列データ処理方法であって、
    　予め設定された基準データを用いて前記第１の時系列データを分析し、分析結果に基づいて当該第１の時系列データの前記区間を設定し、
    　設定した前記区間に含まれる前記第１の時系列データに基づいて、前記基準データの更新を行い、
    　更新された前記基準データを用いて前記第２の時系列データに対する分析を行い、分析結果に基づく情報の出力を制御する、
    時系列データ処理方法。
  3. 　請求項２に記載の時系列データ処理方法であって、
    　前記基準データを用いて前記第１の時系列データを分析して、当該第１の時系列データの異常状態を表す情報を出力し、
    　出力された前記第１の時系列データの前記異常状態を表す情報に基づいて、当該第１の時系列データの前記区間を設定する、
    時系列データ処理方法。
  4. 　請求項２又は３に記載の時系列データ処理方法であって、
    　更新された前記基準データを用いて前記第２の時系列データに対する分析を行い、分析結果に基づいて、前記第２の時系列データが異常状態であることを通知する通知情報の出力の有無を制御する、
    時系列データ処理方法。
  5. 　請求項４に記載の時系列データ処理方法であって、
    　前記第２の時系列データに対する分析結果により、前記第２の時系列データが異常状態であると判断された場合であって、当該第２の時系列データが設定した前記区間に含まれる前記第１の時系列データに対応する場合には、前記通知情報の出力を停止するよう制御する、
    時系列データ処理方法。
  6. 　請求項１乃至５のいずれかに記載の時系列データ処理方法であって、
    　設定した前記区間に含まれる前記第１の時系列データの状態を表す状態情報を生成し、
    　前記状態情報を用いて前記第２の時系列データに対する分析を行い、分析結果に基づく情報の出力を制御する、
    時系列データ処理方法。
  7. 　請求項６に記載の時系列データ処理方法であって、
    　前記第２の時系列データが前記状態情報に対応する場合には、当該第２の時系列データが異常状態であることを通知する通知情報の出力を停止するよう制御する、
    時系列データ処理方法。
  8. 　請求項１乃至７のいずれかに記載の時系列データ処理方法であって、
    　前記第２の時系列データに対する分析を行い、当該第２の時系列データの異常状態を表す情報を出力し、この際に、当該第２の時系列データの異常状態を表す情報のうち、設定した前記区間に含まれる前記第１の時系列データに対応する前記第２の時系列データの異常状態を表す情報を、他と区別して出力する、
    時系列データ処理方法。
  9. 　第１の時系列データに対する分析結果に基づいて、当該第１の時系列データの所定の区間を設定し、
    　第２の時系列データに対する分析を行い、当該第２の時系列データの異常状態を表す情報を出力し、
    　前記第２の時系列データの異常状態を表す情報を出力する際に、当該第２の時系列データの異常状態を表す情報のうち、設定した前記区間に含まれる前記第１の時系列データに対応する前記第２の時系列データの異常状態を表す情報を、他と区別して出力する、
    時系列データ処理方法。
  10. 　第１の時系列データに対する分析結果に基づいて、当該第１の時系列データの所定の区間を設定する分析部と、
    　設定した前記区間に含まれる前記第１の時系列データに基づいて、第２の時系列データに対する分析結果に基づく情報の出力を制御する出力部と、
    を備えた時系列データ処理装置。
  11. 　請求項１０に記載の時系列データ処理装置であって、
    　前記分析部は、予め設定された基準データを用いて前記第１の時系列データを分析し、分析結果に基づいて当該第１の時系列データの前記区間を設定し、設定した前記区間に含まれる前記第１の時系列データに基づいて、前記基準データの更新を行い、さらに、更新された前記基準データを用いて前記第２の時系列データに対する分析を行い、
    　前記出力部は、分析結果に基づく情報の出力を制御する、
    時系列データ処理装置。
  12. 　請求項１１に記載の時系列データ処理装置であって、
    　前記分析部は、前記基準データを用いて前記第１の時系列データを分析して、当該第１の時系列データの異常状態を表す情報を出力し、出力された前記第１の時系列データの前記異常状態を表す情報に基づいて、当該第１の時系列データの前記区間を設定する、
    時系列データ処理装置。
  13. 　請求項１２に記載のデータ出力制御装置であって、
    　前記分析部は、更新された前記基準データを用いて前記第２の時系列データに対する分析を行い、
    　前記出力部は、前記第２の時系列データの分析結果に基づいて、当該第２の時系列データが異常状態であることを通知する通知情報の出力の有無を制御する、
    時系列データ処理装置。
  14. 　請求項１３に記載の時系列データ処理装置であって、
    　前記出力部は、前記第２の時系列データに対する分析結果により、前記第２の時系列データが異常状態であると判断された場合であって、当該第２の時系列データが設定した前記区間に含まれる前記第１の時系列データに対応する場合には、前記通知情報の出力を停止するよう制御する、
    時系列データ処理装置。
  15. 　請求項１０乃至１４のいずれかに記載の時系列データ処理装置であって、
    　前記分析部は、設定した前記区間に含まれる前記第１の時系列データの状態を表す状態情報を生成し、前記状態情報を用いて前記第２の時系列データに対する分析を行い、
    　前記出力部は、前記第２の時系列データに対する分析結果に基づく情報の出力を制御する、
    時系列データ処理装置。
  16. 　請求項１５に記載の時系列データ処理装置であって、
    　前記出力部は、前記第２の時系列データが前記状態情報に対応する場合には、当該第２の時系列データが異常状態であることを通知する通知情報の出力を停止するよう制御する、
    時系列データ処理装置。
  17. 　請求項１０乃至１６のいずれかに記載の時系列データ処理装置であって、
    　前記分析部は、前記第２の時系列データに対する分析を行い、
    　前記出力部は、前記第２の時系列データに対する分析結果に基づいて当該第２の時系列データの異常状態を表す情報を出力し、この際に、当該第２の時系列データの異常状態を表す情報のうち、設定した前記区間に含まれる前記第１の時系列データに対応する前記第２の時系列データの異常状態を表す情報を、他と区別して出力する、
    時系列データ処理装置。
  18. 　第１の時系列データに対する分析結果に基づいて、当該第１の時系列データの所定の区間を設定し、第２の時系列データに対する分析を行う分析部と、
    　前記第２の時系列データの分析結果に基づいて、当該第２の時系列データの異常状態を表す情報を出力する出力部と、を備え、
    　前記出力部は、前記第２の時系列データの異常状態を表す情報を出力する際に、当該第２の時系列データの異常状態を表す情報のうち、設定した前記区間に含まれる前記第１の時系列データに対応する前記第２の時系列データの異常状態を表す情報を、他と区別して出力する、
    時系列データ処理装置。
  19. 　第１の時系列データに対する分析結果に基づいて、当該第１の時系列データの所定の区間を設定し、
    　設定した前記区間に含まれる前記第１の時系列データに基づいて、第２の時系列データに対する分析結果に基づく情報の出力を制御する、
    処理を情報処理装置に実行させるためのプログラム。
  20. 　第１の時系列データに対する分析結果に基づいて、当該第１の時系列データの所定の区間を設定し、
    　第２の時系列データに対する分析を行い、当該第２の時系列データの異常状態を表す情報を出力し、
    　前記第２の時系列データの異常状態を表す情報を出力する際に、当該第２の時系列データの異常状態を表す情報のうち、設定した前記区間に含まれる前記第１の時系列データに対応する前記第２の時系列データの異常状態を表す情報を、他と区別して出力する、
    処理を情報処理装置に実行させるためのプログラム。
     
PCT/JP2019/005377 2019-02-14 2019-02-14 時系列データ処理方法 WO2020166011A1 (ja)

Priority Applications (3)

Application Number Priority Date Filing Date Title
PCT/JP2019/005377 WO2020166011A1 (ja) 2019-02-14 2019-02-14 時系列データ処理方法
US17/428,197 US20220121191A1 (en) 2019-02-14 2019-02-14 Time-series data processing method
JP2020571995A JP7218764B2 (ja) 2019-02-14 2019-02-14 時系列データ処理方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2019/005377 WO2020166011A1 (ja) 2019-02-14 2019-02-14 時系列データ処理方法

Publications (1)

Publication Number Publication Date
WO2020166011A1 true WO2020166011A1 (ja) 2020-08-20

Family

ID=72044603

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2019/005377 WO2020166011A1 (ja) 2019-02-14 2019-02-14 時系列データ処理方法

Country Status (3)

Country Link
US (1) US20220121191A1 (ja)
JP (1) JP7218764B2 (ja)
WO (1) WO2020166011A1 (ja)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH08138180A (ja) * 1994-11-08 1996-05-31 Toshiba Corp 警報制御処理装置
JPH109902A (ja) * 1996-06-20 1998-01-16 Toshiba Corp プラント監視装置
JP2014056509A (ja) * 2012-09-13 2014-03-27 Omron Corp 監視装置、監視方法、プログラムおよび記録媒体
JP2019016209A (ja) * 2017-07-07 2019-01-31 株式会社東芝 診断装置、診断方法およびコンピュータプログラム

Family Cites Families (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004165216A (ja) * 2002-11-08 2004-06-10 Matsushita Electric Ind Co Ltd 生産管理方法および生産管理装置
CN102099795B (zh) * 2008-09-18 2014-08-13 日本电气株式会社 运用管理装置、运用管理方法和运用管理程序
JP5148457B2 (ja) * 2008-11-19 2013-02-20 株式会社東芝 異常判定装置、方法、及びプログラム
JP5301310B2 (ja) * 2009-02-17 2013-09-25 株式会社日立製作所 異常検知方法及び異常検知システム
JP5471859B2 (ja) * 2010-06-10 2014-04-16 富士通株式会社 解析プログラム、解析方法、および解析装置
JP5715261B2 (ja) * 2011-10-04 2015-05-07 株式会社日立製作所 時系列データ管理システム，および方法
US10649449B2 (en) * 2013-03-04 2020-05-12 Fisher-Rosemount Systems, Inc. Distributed industrial performance monitoring and analytics
US10678225B2 (en) * 2013-03-04 2020-06-09 Fisher-Rosemount Systems, Inc. Data analytic services for distributed industrial performance monitoring
JP5530020B1 (ja) * 2013-11-01 2014-06-25 株式会社日立パワーソリューションズ 異常診断システム及び異常診断方法
WO2016035338A1 (ja) * 2014-09-03 2016-03-10 日本電気株式会社 監視装置及びその監視方法、監視システム、並びにコンピュータ・プログラムが格納された記録媒体
WO2016189747A1 (ja) * 2015-05-28 2016-12-01 三菱電機株式会社 分析装置及び分析方法及び分析プログラム
JP6207791B1 (ja) * 2016-10-06 2017-10-04 三菱電機株式会社 時系列データ処理装置
JP6661052B2 (ja) * 2017-05-12 2020-03-11 三菱電機株式会社 時系列データ処理装置、時系列データ処理システムおよび時系列データ処理方法
US10719772B2 (en) * 2017-10-27 2020-07-21 The Boeing Company Unsupervised multivariate relational fault detection system for a vehicle and method therefor
JP7188950B2 (ja) * 2018-09-20 2022-12-13 株式会社Ｓｃｒｅｅｎホールディングス データ処理方法およびデータ処理プログラム
US11669080B2 (en) * 2018-10-30 2023-06-06 Japan Aerospace Exploration Agency Abnormality detection device, abnormality detection method, and program

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH08138180A (ja) * 1994-11-08 1996-05-31 Toshiba Corp 警報制御処理装置
JPH109902A (ja) * 1996-06-20 1998-01-16 Toshiba Corp プラント監視装置
JP2014056509A (ja) * 2012-09-13 2014-03-27 Omron Corp 監視装置、監視方法、プログラムおよび記録媒体
JP2019016209A (ja) * 2017-07-07 2019-01-31 株式会社東芝 診断装置、診断方法およびコンピュータプログラム

Also Published As

Publication number Publication date
JP7218764B2 (ja) 2023-02-07
US20220121191A1 (en) 2022-04-21
JPWO2020166011A1 (ja) 2021-12-02

Similar Documents

Publication Publication Date Title
KR102008231B1 (ko) 자동화 설비의 고장 예측 장치, 이를 이용한 고장 예측 시스템 및 고장 예측 방법
US11152126B2 (en) Abnormality diagnosis system and abnormality diagnosis method
JP2022519228A (ja) 工業プロセスで使用されるコンポーネントから発生する信号の異常を検出及び測定するためのシステムと方法
US11262276B2 (en) Monitoring system
JP6370132B2 (ja) 通信異常検出装置、通信異常検出方法及びプログラム
EP3627264B1 (en) Plant assessment system and plant assessment method
US11669771B2 (en) Learning system, analysis system, learning method, and storage medium
US10353016B2 (en) System and method for fault management in lighting systems
WO2016147657A1 (ja) 情報処理装置、情報処理方法、及び、記録媒体
KR102057439B1 (ko) 원격 모니터링 및 원격 제어를 수행하는 ＩｏＴ 가스 플랫폼 시스템 및 그 방법
EP4038557A1 (en) Method and system for continuous estimation and representation of risk
US20220156137A1 (en) Anomaly detection method, anomaly detection apparatus, and program
WO2020166011A1 (ja) 時系列データ処理方法
WO2020245980A1 (ja) 時系列データ処理方法
WO2020189211A1 (ja) 監視方法、監視装置、プログラム
JP7239022B2 (ja) 時系列データ処理方法
JP7248101B2 (ja) 監視方法、監視装置、プログラム
WO2020089968A1 (ja) 情報処理装置
US11885720B2 (en) Time series data processing method
WO2020189210A1 (ja) 監視方法、監視装置、プログラム
KR101598535B1 (ko) 전력설비 분석 장치 및 방법
JP2024040655A (ja) 故障予測システムおよび故障予測方法
JP2020038594A (ja) 異常検知装置、異常検知方法およびプログラム
KR20170051341A (ko) 자동화 설비 cms의 제어 방법

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: 19915249

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2020571995

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: 19915249

Country of ref document: EP

Kind code of ref document: A1