WO2020178938A1 - 情報処理装置、情報処理方法及び情報処理プログラム - Google Patents

情報処理装置、情報処理方法及び情報処理プログラム Download PDF

Info

Publication number
WO2020178938A1
WO2020178938A1 PCT/JP2019/008358 JP2019008358W WO2020178938A1 WO 2020178938 A1 WO2020178938 A1 WO 2020178938A1 JP 2019008358 W JP2019008358 W JP 2019008358W WO 2020178938 A1 WO2020178938 A1 WO 2020178938A1
Authority
WO
WIPO (PCT)
Prior art keywords
parameter
selection
model
operation model
similarity
Prior art date
Application number
PCT/JP2019/008358
Other languages
English (en)
French (fr)
Inventor
貴耶 谷口
Original Assignee
三菱電機株式会社
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 三菱電機株式会社 filed Critical 三菱電機株式会社
Priority to CN201980092828.5A priority Critical patent/CN113474796B/zh
Priority to KR1020217026678A priority patent/KR102413753B1/ko
Priority to JP2021503285A priority patent/JP6903246B2/ja
Priority to PCT/JP2019/008358 priority patent/WO2020178938A1/ja
Priority to TW108123552A priority patent/TW202034233A/zh
Publication of WO2020178938A1 publication Critical patent/WO2020178938A1/ja

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00Computer-aided design [CAD]
    • G06F30/20Design optimisation, verification or simulation
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q10/00Administration; Management
    • G06Q10/04Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00Details relating to CAD techniques
    • G06F2111/06Multi-objective optimisation, e.g. Pareto optimisation using simulated annealing [SA], ant colony algorithms or genetic algorithms [GA]

Definitions

  • the present invention relates to a technique for estimating the state of a device using an operation model.
  • Patent Document 1 As a technique related to the present invention, there is a technique described in Patent Document 1.
  • Patent Document 1 a plurality of operation models for estimating the state of the device are prepared. Then, in Patent Document 1, the model likelihood of each operation model is calculated using the state estimation value set in each operation model, the sensor value measured in the device, and the like. Then, in Patent Document 1, the state estimation accuracy is improved by updating the model probability of each motion model using the model likelihood.
  • Patent Document 1 does not disclose a method of setting an initial value of the model probability of each behavior model (hereinafter, referred to as initial probability). Therefore, when the technique of Patent Document 1 is used, it is assumed that the same initial probability is set uniformly for all the behavior models, or that the system user sets the initial probability of each behavior model by inference.
  • the present invention mainly aims to obtain a highly appropriate initial probability of a behavior model without depending on the competence or experience of a system user.
  • the information processing apparatus is An impact analysis unit that analyzes the impact on equipment when changing parameter values for multiple parameters for each parameter, A parameter selection unit that selects as a selection parameter a parameter having an influence degree that matches the selection conditions from the plurality of parameters.
  • a similarity calculation unit that calculates the similarity between the parameters corresponding to the selection parameter and the selection parameter among the plurality of parameters set in each operation model for each operation model.
  • Each motion model has an initial probability calculation unit that calculates an initial probability, which is a probability set as an initial value in each motion model, based on the similarity of each motion model.
  • FIG. 3 is a diagram showing a hardware configuration example of the information processing apparatus according to the first embodiment.
  • FIG. 3 is a diagram showing an example of a functional configuration of the information processing apparatus according to the first embodiment.
  • 3 is a flowchart showing an operation example of the information processing device according to the first embodiment.
  • FIG. 6 is a diagram showing a physical model selection process according to the first embodiment. The figure which shows the influence analysis process which concerns on Embodiment 1.
  • FIG. 6 is a diagram showing an example of parameter selection processing according to the first embodiment.
  • FIG. 3 is a diagram showing a calculation example of a similarity and a calculation example of a model probability according to the first embodiment.
  • FIG. 5 is a diagram showing an example of the similarity and the initial probability of each behavior model according to the first embodiment.
  • Embodiment 1 ***Description of state estimation system*** First, the state estimation system that is the premise of this embodiment will be described.
  • FIG. 9 shows an outline of a state estimation system that estimates the state of the device 300 using a plurality of operation models.
  • the device 300 is, for example, a manufacturing device, a control device, or the like arranged in a factory.
  • the device 300 is not limited to these.
  • the motion model A, the motion model B, and the motion model C are used.
  • the behavior model A, the behavior model B, and the behavior model C simulate the behavior of the device 300.
  • the motion model A simulates, for example, the motion when the device 300 is operating normally.
  • the operation model B simulates, for example, an operation when a minor defect occurs in the device 300.
  • the operation model C simulates, for example, an operation when a serious malfunction occurs in the device 300.
  • the sensor 400 periodically monitors the portion 301 of the device 300.
  • the sensor 400 periodically measures the current value of the portion 301. Then, every time a sensor value (for example, a current value) is measured by the sensor 400, the motion model A, the motion model B, and the motion model B are calculated using the state estimation value set in each motion model, the measured sensor value, and the like. The model probability of each behavior model B is updated. Further, each time the model probability is updated, the operation model having the highest model probability is selected, and the state of the device 300 is estimated using the selected operation model. In the example of FIG. 9, since the model probability of the motion model C is the highest, the motion model C is selected. As described above, Patent Document 1 does not disclose a method of setting the initial probability, which is the initial value of the model probability.
  • a sensor value for example, a current value
  • the same initial probability is uniformly set in each operation model, or the system user It is conceivable that the initial probability of each behavior model is set by inference. In the example of FIG. 9, the same initial probability (0.25) is uniformly set for each operation model. In this embodiment, a configuration will be described in which a highly valid initial probability of a motion model is obtained without depending on the competence or experience of a system user.
  • FIG. 1 shows a hardware configuration example of an information processing device 100 according to this embodiment. Further, FIG. 2 shows a functional configuration example of the information processing apparatus 100 according to the present embodiment.
  • the information processing device 100 is a computer. As shown in FIG. 1, the information processing device 100 includes a processor 901, a main storage device 902, an auxiliary storage device 903, and a communication device 904 as hardware.
  • the auxiliary storage device 903 stores a program that realizes the functions of the physical model selection unit 1021, the influence degree analysis unit 103, the parameter selection unit 104, the similarity calculation unit 106, and the initial probability calculation unit 107 shown in FIG. ..
  • These programs are loaded from the auxiliary storage device 903 into the main storage device 902. Then, the processor 901 executes these programs to operate the physical model selection unit 1021, the influence analysis unit 103, the parameter selection unit 104, the similarity calculation unit 106, and the initial probability calculation unit 107, which will be described later.
  • FIG. 1 schematically shows a state in which the processor 901 is executing a program that realizes the functions of the physical model selection unit 1021, the influence degree analysis unit 103, the parameter selection unit 104, the similarity calculation unit 106, and the initial probability calculation unit 107. It is shown in.
  • the physical model storage unit 101 and the behavior model storage unit 105 illustrated in FIG. 2 are realized by, for example, the main storage device 902 or the auxiliary storage device 903.
  • the information processing apparatus 100 includes a physical model storage unit 101, a physical model selection unit 1021, an influence degree analysis unit 103, a parameter selection unit 104, a behavior model storage unit 105, a similarity calculation unit 106, and an initial probability.
  • the calculator 107 is provided.
  • the physical model storage unit 101 stores the physical models of the plurality of devices 300.
  • a physical model is provided for each device 300.
  • the physical model simulates the operation of the device 300. Further, the physical model is provided with a plurality of parameters.
  • the physical model selection unit 1021 selects the physical model of the device 300 for which the initial probability is calculated from the plurality of physical models stored in the physical model storage unit 101 based on the device information 201.
  • the device 300 for which the initial probability is calculated is referred to as the target device 300.
  • the device information 201 is, for example, ID (Identifier) information of the target device 300.
  • the influence degree analysis unit 103 analyzes, for each parameter, the degree of influence on the target device 300 when the parameter values of a plurality of parameters are changed.
  • the parameter sensor information 202 indicates the corresponding sensor 400 for each parameter.
  • the influence degree analysis unit 103 analyzes the degree of influence on the target device 300 when the parameter value is changed for each parameter.
  • the sensor value of the sensor 400 when the parameter value is changed is obtained by a simulation using the physical model selected by the physical model selection unit 1021.
  • the degree of influence is the degree (sensitivity) of the change in the sensor value with respect to the change in the parameter.
  • the influence degree analysis unit 103 calculates the influence degree by “(parameter value after change ⁇ parameter value before change) ⁇ (sensor value after change ⁇ sensor value before change)”. When this formula is used, the higher the value obtained by this formula, the higher the degree of influence. Note that the processing performed by the influence analysis unit 103 corresponds to the influence analysis processing.
  • the parameter selection unit 104 selects as a selection parameter a parameter having an influence degree that matches the selection condition from a plurality of parameters.
  • the parameter selection unit 104 also acquires, from the behavior model storage unit 105, a parameter corresponding to the selected parameter among the plurality of parameters set in the plurality of behavior models stored in the behavior model storage unit 105. Then, the parameter selection unit 104 outputs the value of the selected parameter and the value of the parameter acquired from the behavior model storage unit 105 to the similarity calculation unit 106.
  • the process performed by the parameter selection unit 104 corresponds to the parameter selection process.
  • the behavior model storage unit 105 stores a plurality of behavior models.
  • the motion model simulates the motion of the device 300 as described above.
  • the operation model storage unit 105 corresponds to various aspects of the device 300 (normal operation, minor defects, serious defects, etc.) as in the operation model A, operation model B, and operation model C shown in FIG.
  • a plurality of operation models that have been stored are stored. The same parameters as those set in the physical model are set in each behavior model.
  • the similarity calculation unit 106 calculates the similarity between the parameter corresponding to the selection parameter and the selection parameter among the plurality of parameters set in each operation model for each operation model. That is, the similarity calculation unit 106 calculates the similarity between the parameters of each operation model acquired by the parameter selection unit 104 and the selected parameter for each operation model. The process performed by the similarity calculation unit 106 corresponds to the similarity calculation process.
  • the initial probability calculation unit 107 calculates the initial probability, which is the model probability set as the initial value in each operation model, for each operation model based on the similarity of each operation model. That is, the initial probability calculation unit 107 calculates the initial probability of each operation model by using the similarity of each operation model calculated by the similarity calculation unit 106. The process performed by the initial probability calculation unit 107 corresponds to the initial probability calculation unit.
  • step S11 the physical model selection unit 1021 selects a physical model (physical model selection processing).
  • FIG. 4 shows an outline of step S11.
  • the physical model selection unit 1021 acquires the device information 201, and acquires the physical model 203 corresponding to the ID described in the device information 201 from the physical model storage unit 101.
  • the device A is the target device.
  • the device information 201 "100-001" is described as the ID of the device A.
  • the physical model selection unit 1021 acquires the physical model 203 corresponding to the ID “100-001” from the physical model storage unit 101.
  • step S12 the impact analysis unit 103 analyzes the impact (impact analysis process).
  • FIG. 5 shows an outline of step S12.
  • the influence degree analysis unit 103 analyzes each of the plurality of parameters of the physical model 203 by one and analyzes the influence degree of each parameter on the target device 300.
  • the sensor 400 corresponding to each parameter is indicated in the parameter sensor information 202.
  • the sensor 1 and the ID (1-1) of the sensor 1 are shown as the sensor 400 corresponding to the element a
  • the sensor 2 and the sensor are shown as the sensor 400 corresponding to the element b.
  • 2 ID (1-2) is shown. That is, for example, when the value of the dimension of the element a is changed, the sensor value of the sensor 1 changes.
  • the value of the sensor 2 is changed.
  • the sensor value of the sensor 1 when the value of the element a is changed and the sensor value of the sensor 2 when the value of the element b is changed are obtained by a simulation using a physical model.
  • the parameter sensor information 202 calculates the degree of influence for each parameter by using, for example, the above-mentioned mathematical formula.
  • step S13 the parameter selection unit 104 selects, as a selection parameter, a parameter for which the degree of influence that matches the selection condition is obtained from the plurality of parameters (parameter selection processing).
  • the parameter selection unit 104 selects a parameter having an influence degree equal to or higher than the threshold value as a selection parameter.
  • the selection condition in this case is a condition that the degree of influence is greater than or equal to the threshold.
  • the parameter selection unit 104 may select a parameter having a degree of influence within the top n (n is an integer of 1 or more) as a selection parameter.
  • the selection condition in this case is that the degree of influence is within the top nth.
  • the parameter selection unit 104 also acquires, from the behavior model storage unit 105, a parameter corresponding to the selected parameter among the plurality of parameters set in the plurality of behavior models stored in the behavior model storage unit 105. For example, when the element a and the element b shown in FIG.
  • the parameter selection unit 104 acquires the value of the element a and the value of the element b of each operation model from the operation model storage unit 105. Then, the parameter selection unit 104 includes the value before the change of the element a of the physical model (“10” in the example of FIG. 5), the value before the change of the element b (“20” in the example of FIG. 5), and the operation model. The value of the element a and the value of the element b of each operation model acquired from the storage unit 105 are output to the similarity calculation unit 106.
  • step S14 the similarity calculation unit 106 calculates the similarity (similarity calculation processing).
  • FIG. 6 shows an outline of step S14.
  • the similarity calculation unit 106 has elements a, b, c. . . The degree of similarity between the value of and the values of the elements a, b, c ... Of the operation model A is obtained. Further, the similarity calculation unit 106 determines that the elements a, b, c. . . The degree of similarity is obtained between the value of and the values of the elements a, b, c ... Of the operation model B. Note that "a, b, c" in FIG.
  • the similarity calculation unit 106 calculates, for example, the Euclidean distance d shown in FIG. 7 for each motion model. Then, the similarity calculation unit 106 applies the calculated Euclidean distance d to the mathematical expression of ⁇ Pattern 1> or ⁇ Pattern 2> shown in FIG. 7 to calculate the similarity of each behavior model.
  • step S15 the initial probability calculation unit 107 calculates the initial probability of each behavior model (initial probability calculation process).
  • the initial probability calculation unit 107 calculates the initial probability by the method shown in FIG. Specifically, the initial probability calculation unit 107 calculates the initial probability of the motion model A by "(similarity of motion model A) / (sum of similarity of all motion models)".
  • FIG. 8 shows an example of the similarity and initial probability of each motion model.
  • the initial probability calculation unit 107 outputs the initial probability calculated in this way to a specified output destination. As a result, an initial probability consistent with the actual behavior of the target device 300 can be obtained.
  • the parameter is not limited to the attribute of the element of the device 300.
  • physical quantities temperature, humidity, air volume, length, height, weight, etc.
  • the installation environment of the device 300 the years of use of the device 300, and the like can be used as parameters.
  • calculation method of the influence degree is not limited to those described above, and other calculation methods can be used.
  • a processor 901 illustrated in FIG. 3 is an IC (Integrated Circuit) that performs processing.
  • the processor 901 is a CPU (Central Processing Unit), a DSP (Digital Signal Processor), or the like.
  • the main storage device 902 illustrated in FIG. 3 is a RAM (Random Access Memory).
  • the auxiliary storage device 903 shown in FIG. 3 is a ROM (Read Only Memory), a flash memory, an HDD (Hard Disk Drive), or the like.
  • the communication device 904 illustrated in FIG. 3 is an electronic circuit that executes a data communication process.
  • the communication device 904 is, for example, a communication chip or a NIC (Network Interface Card).
  • the OS (Operating System) is also stored in the auxiliary storage device 903. Then, at least part of the OS is executed by the processor 901.
  • the processor 901 executes a program that realizes the functions of the physical model selection unit 1021, the influence degree analysis unit 103, the parameter selection unit 104, the similarity calculation unit 106, and the initial probability calculation unit 107 while executing at least a part of the OS. ..
  • the processor 901 executes the OS, task management, memory management, file management, communication control, and the like are performed.
  • the programs that realize the functions of the physical model selection unit 1021, the impact analysis unit 103, the parameter selection unit 104, the similarity calculation unit 106, and the initial probability calculation unit 107 are magnetic disks, flexible disks, optical disks, compact disks, and Blu-ray discs. (Registered trademark) It may be stored in a portable recording medium such as a disc or a DVD.
  • a portable recording medium containing a program that realizes the functions of the physical model selection unit 1021, the influence degree analysis unit 103, the parameter selection unit 104, the similarity calculation unit 106, and the initial probability calculation unit 107 is commercially distributed. May be.
  • the "parts" of the physical model selection unit 1021, the influence degree analysis unit 103, the parameter selection unit 104, the similarity calculation unit 106, and the initial probability calculation unit 107 are “circuits” or “processes” or “procedures” or “processes”. May be read as “”.
  • the information processing device 100 may be realized by a processing circuit.
  • the processing circuit is, for example, a logic IC (Integrated Circuit), a GA (Gate Array), an ASIC (Application Specific Integrated Circuit), or an FPGA (Field-Programmable Gate Array).
  • the physical model selection unit 1021, the influence degree analysis unit 103, the parameter selection unit 104, the similarity calculation unit 106, and the initial probability calculation unit 107 are each realized as a part of the processing circuit.
  • processing circuit Lee the superordinate concept of the processor and the processing circuit. That is, each of the processor and the processing circuit is a specific example of a “processing circuit”.
  • 100 information processing device 101 physical model storage unit, 1021, physical model selection unit, 103 impact analysis unit, 104 parameter selection unit, 105 behavior model storage unit, 106 similarity calculation unit, 107 initial probability calculation unit, 201 device information, 202 parameter sensor information, 203 physical model, 300 devices, 400 sensor, 901 processor, 902 main storage device, 903 auxiliary storage device, 904 communication device.

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Development Economics (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Marketing (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Operations Research (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • Testing And Monitoring For Control Systems (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Testing Or Calibration Of Command Recording Devices (AREA)

Abstract

影響度分析部(103)は、複数のパラメータについて、パラメータ値を変化させた場合の機器への影響度をパラメータごとに分析する。パラメータ選択部(104)は、複数のパラメータの中から、選択条件に合致する影響度が得られたパラメータを選択パラメータとして選択する。類似度算出部(106)は、機器の複数の動作モデルについて、各動作モデルに設定されている複数のパラメータのうち選択パラメータに対応するパラメータと選択パラメータとの類似度を動作モデルごとに算出する。初期確率算出部(107)は、各動作モデルに初期値として設定する確率である初期確率を、動作モデルごとに、各動作モデルの類似度に基づき算出する。

Description

情報処理装置、情報処理方法及び情報処理プログラム
 本発明は、動作モデルを用いて機器の状態を推定する技術に関する。
 本発明に関連する技術として、特許文献1に記載の技術がある。
 特許文献1では、機器の状態を推定するための複数の動作モデルが用意される。そして、特許文献1では、各動作モデルに設定されている状態推定値、機器において計測されたセンサ値等を用いて、各動作モデルのモデル尤度が算出される。そして、特許文献1では、モデル尤度を用いて各動作モデルのモデル確率を更新することで状態推定精度を向上させる。
特開2009-031096号公報
 特許文献1の技術では、各動作モデルのモデル確率の初期値(以下、初期確率という)の設定方法は開示されていない。
 このため、特許文献1の技術を用いる場合は、全ての動作モデルで一律に同じ初期確率を設定する、またはシステム利用者が推測によって各動作モデルの初期確率を設定することが想定される。
 本発明は、このような事情に鑑み、システム利用者の力量又は経験に頼ることなく、妥当性の高い動作モデルの初期確率を得ることを主な目的とする。
 本発明に係る情報処理装置は、
 複数のパラメータについて、パラメータ値を変化させた場合の機器への影響度をパラメータごとに分析する影響度分析部と、
 前記複数のパラメータの中から、選択条件に合致する影響度が得られたパラメータを選択パラメータとして選択するパラメータ選択部と、
 前記機器の複数の動作モデルについて、各動作モデルに設定されている複数のパラメータのうち前記選択パラメータに対応するパラメータと前記選択パラメータとの類似度を動作モデルごとに算出する類似度算出部と、
 各動作モデルに初期値として設定する確率である初期確率を、動作モデルごとに、各動作モデルの類似度に基づき算出する初期確率算出部とを有する。
 本発明によれば、システム利用者の力量又は経験に頼ることなく、妥当性の高い動作モデルの初期確率を得ることができる。
実施の形態1に係る情報処理装置のハードウェア構成例を示す図。 実施の形態1に係る情報処理装置の機能構成例を示す図。 実施の形態1に情報処理装置の動作例を示すフローチャート。 実施の形態1に係る物理モデル選択処理を示す図。 実施の形態1に係る影響度分析処理を示す図。 実施の形態1に係るパラメータ選択処理の例を示す図。 実施の形態1に係る類似度の算出例及びモデル確率の算出例を示す図。 実施の形態1に係る各動作モデルの類似度と初期確率の例を示す図。 実施の形態1に係る状態推定システムの概略を示す図。
 以下、本発明の実施の形態について、図を用いて説明する。以下の実施の形態の説明及び図面において、同一の符号を付したものは、同一の部分又は相当する部分を示す。
 実施の形態1.
***状態推定システムの説明***
 先ず、本実施の形態の前提となる状態推定システムを説明する。
 図9は、複数の動作モデルを用いて機器300の状態を推定する状態推定システムの概略を示す。機器300とは、例えば、工場に配置されている製造機器、制御機器等である。なお、機器300は、これらに限定されない。
 図9では、動作モデルA、動作モデルB、動作モデルCが用いられる。動作モデルA、動作モデルB、動作モデルCは、機器300の動作をシミュレートする。動作モデルAは、例えば、機器300が正常に動作している際の動作をシミュレートする。動作モデルBは、例えば、機器300に軽微な不具合が発生している際の動作をシミュレートする。動作モデルCは、例えば、機器300に重大な不具合が発生している際の動作をシミュレートする。
 センサ400は、周期的に機器300の部分301を監視する。例えば、センサ400は、周期的に部分301の電流値を計測する。
 そして、センサ400でセンサ値(例えば、電流値)が計測される度に、各動作モデルに設定されている状態推定値、計測されたセンサ値等を用いて、動作モデルA、動作モデルB及び動作モデルBの各々のモデル確率が更新される。また、モデル確率が更新される度に、最もモデル確率が高い動作モデルが選択され、選択された動作モデルが用いられて機器300の状態が推定される。
 図9の例では、動作モデルCのモデル確率が最も高いので、動作モデルCが選択される。
 前述したように、特許文献1では、モデル確率の初期値である初期確率の設定方法が開示されていないため、例えば、各動作モデルで一律に同じ初期確率が設定される、またはシステム利用者の推測によって各動作モデルの初期確率が設定されることが考えられる。
 図9の例では、各動作モデルで一律に同じ初期確率(0.25)が設定されている。
 本実施の形態では、システム利用者の力量又は経験に頼ることなく、妥当性の高い動作モデルの初期確率を得る構成を説明する。
***構成の説明***
 図1は、本実施の形態に係る情報処理装置100のハードウェア構成例を示す。
 また、図2は、本実施の形態に係る情報処理装置100の機能構成例を示す。
 情報処理装置100は、コンピュータである。
 情報処理装置100は、図1に示すように、ハードウェアとして、プロセッサ901、主記憶装置902、補助記憶装置903及び通信装置904を備える。
 補助記憶装置903には、図2に示す物理モデル選択部1021、影響度分析部103、パラメータ選択部104、類似度算出部106及び初期確率算出部107の機能を実現するプログラムが記憶されている。
 これらプログラムは、補助記憶装置903から主記憶装置902にロードされる。そして、プロセッサ901がこれらプログラムを実行して、後述する物理モデル選択部1021、影響度分析部103、パラメータ選択部104、類似度算出部106及び初期確率算出部107の動作を行う。
 図1では、プロセッサ901が物理モデル選択部1021、影響度分析部103、パラメータ選択部104、類似度算出部106及び初期確率算出部107の機能を実現するプログラムを実行している状態を模式的に表している。
 また、図2に示す物理モデル記憶部101及び動作モデル記憶部105は、例えば、主記憶装置902又は補助記憶装置903で実現される。
 情報処理装置100は、図2に示すように、物理モデル記憶部101、物理モデル選択部1021、影響度分析部103、パラメータ選択部104、動作モデル記憶部105、類似度算出部106及び初期確率算出部107を備える。
 物理モデル記憶部101は、複数の機器300の物理モデルを記憶する。機器300ごとに物理モデルが設けられている。
 物理モデルは、機器300の動作をシミュレートする。また、物理モデルには複数のパラメータが設けられている。
 物理モデル選択部1021は、機器情報201に基づき、物理モデル記憶部101で記憶されている複数の物理モデルの中から、初期確率の算出対象の機器300の物理モデルを選択する。なお、以下では、初期確率の算出対象の機器300を対象機器300という。
 機器情報201は、例えば、対象機器300のID(Identifier)情報である。
 影響度分析部103は、複数のパラメータのパラメータ値を変化させた場合の対象機器300への影響度をパラメータごとに分析する。
 パラメータセンサ情報202には、パラメータごとに、対応するセンサ400が示される。
 影響度分析部103は、パラメータセンサ情報202に示されるセンサ400のセンサ値を用いて、パラメータ値を変化させた場合の対象機器300への影響度をパラメータごとに分析する。パラメータ値を変化させた場合のセンサ400のセンサ値は物理モデル選択部1021により選択された物理モデルを用いたシミュレーションにより得られる。
 影響度は、パラメータの変化に対するセンサ値の変化の度合い(感度)である。例えば、影響度分析部103は、「(変化後のパラメータ値-変化前のパラメータ値)÷(変化後のセンサ値-変化前のセンサ値)」により影響度を算出する。この数式を用いる場合は、この数式により得られた値が高ければ影響度が高いことになる。
 なお、影響度分析部103により行われる処理は、影響度分析処理に相当する。
 パラメータ選択部104は、複数のパラメータの中から、選択条件に合致する影響度が得られたパラメータを選択パラメータとして選択する。
 また、パラメータ選択部104は、動作モデル記憶部105で記憶されている複数の動作モデルに設定されている複数のパラメータのうち選択パラメータに対応するパラメータを動作モデル記憶部105から取得する。
 そして、パラメータ選択部104は、選択パラメータの値と、動作モデル記憶部105から取得したパラメータの値を類似度算出部106に出力する。
 なお、パラメータ選択部104により行われる処理は、パラメータ選択処理に相当する。
 動作モデル記憶部105は、複数の動作モデルを記憶する。
 動作モデルは、前述したように、機器300の動作をシミュレートする。動作モデル記憶部105では、図9に示した動作モデルA、動作モデルB及び動作モデルCのように、機器300の様々な態様(正常動作、軽微の不具合発生、重大な不具合発生等)に対応した複数の動作モデルが格納される。
 また、各動作モデルには、物理モデルに設定されているパラメータと同じパラメータが設定されている。
 類似度算出部106は、各動作モデルに設定されている複数のパラメータのうち選択パラメータに対応するパラメータと選択パラメータとの類似度を動作モデルごとに算出する。
 つまり、類似度算出部106は、パラメータ選択部104により取得された各動作モデルのパラメータと選択パラメータとの類似度を動作モデルごとに算出する。
 類似度算出部106により行われる処理は、類似度算出処理に相当する。
 初期確率算出部107は、各動作モデルに初期値として設定するモデル確率である初期確率を、動作モデルごとに、各動作モデルの類似度に基づき算出する。
 つまり、初期確率算出部107は、類似度算出部106により算出された各動作モデルの類似度を用いて、各動作モデルの初期確率を算出する。
 初期確率算出部107により行われる処理は、初期確率算出部に相当する。
***動作の説明***
 次に、図3を参照して、本実施の形態に係る情報処理装置100の動作例を説明する。
 先ず、ステップS11において、物理モデル選択部1021が物理モデルを選択する(物理モデル選択処理)。
 図4は、ステップS11の概要を示す。
 物理モデル選択部1021は、図4に示すように、機器情報201を取得し、機器情報201に記載されているIDに対応する物理モデル203を物理モデル記憶部101から取得する。
 図4の例では、機器Aが対象機器である。そして、機器情報201には、機器AのIDとして、「100-001」が記載されている。物理モデル選択部1021は、ID「100-001」に対応する物理モデル203を物理モデル記憶部101から取得する。
 次に、ステップS12において、影響度分析部103が影響度を分析する(影響度分析処理)。
 図5は、ステップS12の概要を示す。
 影響度分析部103は、図5に示すように、物理モデル203の複数のパラメータの各々を1つずつ変化させて各パラメータによる対象機器300への影響度を分析する。
 前述したように、パラメータセンサ情報202には、パラメータごとに対応するセンサ400が示される。図5の例では、パラメータセンサ情報202において、要素aに対応するセンサ400としてセンサ1と当該センサ1のID(1-1)が示され、要素bに対応するセンサ400としてセンサ2と当該センサ2のID(1-2)とが示される。つまり、例えば要素aの寸法の値を変化させた場合は、センサ1のセンサ値が変化する。また、例えば要素の寸法の値を変化させた場合は、センサ2の値が変化する。要素aの値を変化させた場合のセンサ1のセンサ値及び要素bの値を変化させた場合のセンサ2のセンサ値は、物理モデルを用いたシミュレーションにより得られる。
 パラメータセンサ情報202は、パラメータごとに、例えば、前述した数式を用いて影響度を算出する。
 次に、ステップS13において、パラメータ選択部104が、複数のパラメータの中から選択条件に合致する影響度が得られたパラメータを選択パラメータとして選択する(パラメータ選択処理)。
 例えば、パラメータ選択部104は、閾値以上の影響度が得られたパラメータを選択パラメータとして選択する。この場合の選択条件は、閾値以上の影響度という条件である。
 また、例えば、パラメータ選択部104は、影響度が上位n(nは1以上の整数)番目以内のパラメータを選択パラメータとして選択してもよい。この場合の選択条件は、影響度が上位n番目以内という条件である。
 また、パラメータ選択部104は、動作モデル記憶部105で記憶されている複数の動作モデルに設定されている複数のパラメータのうち選択パラメータに対応するパラメータを動作モデル記憶部105から取得する。
 例えば、図5に示す要素aと要素bが選択パラメータとして選択された場合は、パラメータ選択部104は、各動作モデルの要素aの値と要素bの値を動作モデル記憶部105から取得する。
 そして、パラメータ選択部104は、物理モデルの要素aの変化前の値(図5の例では「10」)と要素bの変化前の値(図5の例では「20」)と、動作モデル記憶部105から取得した各動作モデルの要素aの値と要素bの値を類似度算出部106に出力する。
 次に、ステップS14において、類似度算出部106が類似度を算出する(類似度算出処理)。
 図6は、ステップS14の概要を示す。
 類似度算出部106は、図6の例では、選択パラメータである要素a、b、c...の値と、動作モデルAの要素a、b、c…の値との間で類似度を求める。また、類似度算出部106は、選択パラメータである要素a、b、c...の値と、動作モデルBの要素a、b、c…の値との間で類似度を求める。なお、図6の「a、b、c」は、選択パラメータを示し、「aA、bA、cA」は動作モデルAの対応するパラメータを示し、「aB、bB、cB」は動作モデルBの対応するパラメータを示す。
 類似度算出部106は、例えば、動作モデルごとに、図7に示すユークリッド距離dを算出する。そして、類似度算出部106は、算出したユークリッド距離dを図7に示す<パターン1>又は<パターン2>の数式に適用して、各動作モデルの類似度を算出する。
 次に、ステップS15において、初期確率算出部107が各動作モデルの初期確率を算出する(初期確率算出処理)。
 例えば、初期確率算出部107は、図7に示す方法で、初期確率を算出する。具体的には、初期確率算出部107は、動作モデルAの初期確率を、「(動作モデルAの類似度)/(全動作モデルの類似度の合計)」により算出する。
 図8は、各動作モデルの類似度と初期確率の例を示す。
 初期確率算出部107は、このようにして算出された初期確率を規定の出力先に出力する。この結果、対象機器300の実際の挙動と整合した初期確率が得られる。
***実施の形態の効果の説明***
 以上、本実施の形態によれば、システム利用者の力量又は経験に頼ることなく、妥当性の高い動作モデルの初期確率を得ることができる。
 なお、上記では、機器300の要素の属性(例えば、寸法)をパラメータとして用いる例を説明した。しかしながら、パラメータは、機器300の要素の属性に限らない。例えば、機器300の設置環境に関連する物理量(温度、湿度、風量、長さ、高さ、重さ等)、機器300の使用年数等をパラメータとして用いることができる。
 また、影響度の算出方法、類似度の算出方法及び初期確率の算出方法も、上記したものに限らず、他の算出方法を用いることができる。
 ***ハードウェア構成の説明***
 最後に、情報処理装置100のハードウェア構成の補足説明を行う。
 図3に示すプロセッサ901は、プロセッシングを行うIC(Integrated Circuit)である。
 プロセッサ901は、CPU(Central Processing Unit)、DSP(Digital Signal Processor)等である。
 図3に示す主記憶装置902は、RAM(Random Access Memory)である。
 図3に示す補助記憶装置903は、ROM(Read Only Memory)、フラッシュメモリ、HDD(Hard Disk Drive)等である。
 図3に示す通信装置904は、データの通信処理を実行する電子回路である。
 通信装置904は、例えば、通信チップ又はNIC(Network Interface Card)である。
 また、補助記憶装置903には、OS(Operating System)も記憶されている。
 そして、OSの少なくとも一部がプロセッサ901により実行される。
 プロセッサ901はOSの少なくとも一部を実行しながら、物理モデル選択部1021、影響度分析部103、パラメータ選択部104、類似度算出部106及び初期確率算出部107の機能を実現するプログラムを実行する。
 プロセッサ901がOSを実行することで、タスク管理、メモリ管理、ファイル管理、通信制御等が行われる。
 また、物理モデル選択部1021、影響度分析部103、パラメータ選択部104、類似度算出部106及び初期確率算出部107の処理の結果を示す情報、データ、信号値及び変数値の少なくともいずれかが、主記憶装置902、補助記憶装置903、プロセッサ901内のレジスタ及びキャッシュメモリの少なくともいずれかに記憶される。
 また、物理モデル選択部1021、影響度分析部103、パラメータ選択部104、類似度算出部106及び初期確率算出部107の機能を実現するプログラムは、磁気ディスク、フレキシブルディスク、光ディスク、コンパクトディスク、ブルーレイ(登録商標)ディスク、DVD等の可搬記録媒体に格納されていてもよい。そして、物理モデル選択部1021、影響度分析部103、パラメータ選択部104、類似度算出部106及び初期確率算出部107の機能を実現するプログラムが格納された可搬記録媒体を商業的に流通させてもよい。
 また、物理モデル選択部1021、影響度分析部103、パラメータ選択部104、類似度算出部106及び初期確率算出部107の「部」を、「回路」又は「工程」又は「手順」又は「処理」に読み替えてもよい。
 また、情報処理装置100は、処理回路により実現されてもよい。処理回路は、例えば、ロジックIC(Integrated Circuit)、GA(Gate Array)、ASIC(Application Specific Integrated Circuit)、FPGA(Field-Programmable Gate Array)である。
 この場合は、物理モデル選択部1021、影響度分析部103、パラメータ選択部104、類似度算出部106及び初期確率算出部107は、それぞれ処理回路の一部として実現される。
 なお、本明細書では、プロセッサと処理回路との上位概念を、「プロセッシングサーキットリー」という。
 つまり、プロセッサと処理回路とは、それぞれ「プロセッシングサーキットリー」の具体例である。
 100 情報処理装置、101 物理モデル記憶部、1021 物理モデル選択部、103 影響度分析部、104 パラメータ選択部、105 動作モデル記憶部、106 類似度算出部、107 初期確率算出部、201 機器情報、202 パラメータセンサ情報、203 物理モデル、300機器 、400 センサ、901 プロセッサ、902 主記憶装置、903 補助記憶装置、904 通信装置。

Claims (6)

  1.  複数のパラメータについて、パラメータ値を変化させた場合の機器への影響度をパラメータごとに分析する影響度分析部と、
     前記複数のパラメータの中から、選択条件に合致する影響度が得られたパラメータを選択パラメータとして選択するパラメータ選択部と、
     前記機器の複数の動作モデルについて、各動作モデルに設定されている複数のパラメータのうち前記選択パラメータに対応するパラメータと前記選択パラメータとの類似度を動作モデルごとに算出する類似度算出部と、
     各動作モデルに初期値として設定する確率である初期確率を、動作モデルごとに、各動作モデルの類似度に基づき算出する初期確率算出部とを有する情報処理装置。
  2.  前記影響度分析部は、
     シミュレーションにより、パラメータ値を変化させた場合の前記機器への影響度をパラメータごとに分析する請求項1に記載の情報処理装置。
  3.  前記影響度分析部は、
     前記機器への影響度として、パラメータ値を変化させた場合の前記機器に設けられたセンサのセンサ値への影響度をパラメータごとに分析する請求項1に記載の情報処理装置。
  4.  前記影響度分析部は、
     前記複数のパラメータとして、前記機器の要素の属性、前記機器の設置環境に関連する物理量及び前記機器の使用年数のうちのいずれかを用いる請求項1に記載の情報処理装置。
  5.  コンピュータが、複数のパラメータについて、パラメータ値を変化させた場合の機器への影響度をパラメータごとに分析し、
     前記コンピュータが、前記複数のパラメータの中から、選択条件に合致する影響度が得られたパラメータを選択パラメータとして選択し、
     前記コンピュータが、前記機器の複数の動作モデルについて、各動作モデルに設定されている複数のパラメータのうち前記選択パラメータに対応するパラメータと前記選択パラメータとの類似度を動作モデルごとに算出し、
     前記コンピュータが、各動作モデルに初期値として設定する確率である初期確率を、動作モデルごとに、各動作モデルの類似度に基づき算出する情報処理方法。
  6.  複数のパラメータについて、パラメータ値を変化させた場合の機器への影響度をパラメータごとに分析する影響度分析部と、
     前記複数のパラメータの中から、選択条件に合致する影響度が得られたパラメータを選択パラメータとして選択するパラメータ選択部と、
     前記機器の複数の動作モデルについて、各動作モデルに設定されている複数のパラメータのうち前記選択パラメータに対応するパラメータと前記選択パラメータとの類似度を動作モデルごとに算出する類似度算出部と、
     各動作モデルに初期値として設定する確率である初期確率を、動作モデルごとに、各動作モデルの類似度に基づき算出する初期確率算出部とをコンピュータに実行させる情報処理プログラム。
PCT/JP2019/008358 2019-03-04 2019-03-04 情報処理装置、情報処理方法及び情報処理プログラム WO2020178938A1 (ja)

Priority Applications (5)

Application Number Priority Date Filing Date Title
CN201980092828.5A CN113474796B (zh) 2019-03-04 2019-03-04 信息处理装置、信息处理方法以及计算机能读取的记录介质
KR1020217026678A KR102413753B1 (ko) 2019-03-04 2019-03-04 정보 처리 장치, 정보 처리 방법 및 기록 매체에 저장된 정보 처리 프로그램
JP2021503285A JP6903246B2 (ja) 2019-03-04 2019-03-04 情報処理装置、情報処理方法及び情報処理プログラム
PCT/JP2019/008358 WO2020178938A1 (ja) 2019-03-04 2019-03-04 情報処理装置、情報処理方法及び情報処理プログラム
TW108123552A TW202034233A (zh) 2019-03-04 2019-07-04 資訊處理裝置、資訊處理方法及資訊處理程式產品

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2019/008358 WO2020178938A1 (ja) 2019-03-04 2019-03-04 情報処理装置、情報処理方法及び情報処理プログラム

Publications (1)

Publication Number Publication Date
WO2020178938A1 true WO2020178938A1 (ja) 2020-09-10

Family

ID=72337044

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2019/008358 WO2020178938A1 (ja) 2019-03-04 2019-03-04 情報処理装置、情報処理方法及び情報処理プログラム

Country Status (5)

Country Link
JP (1) JP6903246B2 (ja)
KR (1) KR102413753B1 (ja)
CN (1) CN113474796B (ja)
TW (1) TW202034233A (ja)
WO (1) WO2020178938A1 (ja)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2011174771A (ja) * 2010-02-24 2011-09-08 Clarion Co Ltd 位置推定装置および位置推定方法
JP2014170465A (ja) * 2013-03-05 2014-09-18 Mitsubishi Electric Corp 試験装置
WO2019026193A1 (ja) * 2017-08-02 2019-02-07 日本電気株式会社 情報処理装置、情報処理システム、情報処理方法、及び、記録媒体

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5089281B2 (ja) * 2007-07-26 2012-12-05 三菱電機株式会社 状態推定装置及び状態推定方法
JP6602609B2 (ja) * 2015-09-04 2019-11-06 パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカ 電力使用状態推定方法
JP6558861B2 (ja) * 2016-07-01 2019-08-14 日本電信電話株式会社 生存確率推定装置、方法、及びプログラム
US20190019096A1 (en) * 2017-01-27 2019-01-17 Mitsubishi Hitachi Power Systems, Ltd. Estimator, estimation method, program and storage medium where program stored for model parameter estimation and model parameter estimation system

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2011174771A (ja) * 2010-02-24 2011-09-08 Clarion Co Ltd 位置推定装置および位置推定方法
JP2014170465A (ja) * 2013-03-05 2014-09-18 Mitsubishi Electric Corp 試験装置
WO2019026193A1 (ja) * 2017-08-02 2019-02-07 日本電気株式会社 情報処理装置、情報処理システム、情報処理方法、及び、記録媒体

Also Published As

Publication number Publication date
KR102413753B1 (ko) 2022-06-27
JPWO2020178938A1 (ja) 2021-09-13
TW202034233A (zh) 2020-09-16
CN113474796A (zh) 2021-10-01
KR20210112388A (ko) 2021-09-14
CN113474796B (zh) 2024-10-01
JP6903246B2 (ja) 2021-07-14

Similar Documents

Publication Publication Date Title
JP5871193B2 (ja) 監視データ分析装置、監視データ分析方法および監視データ分析プログラム
TWI444844B (zh) 模擬參數校正技術
US9626272B2 (en) Prediction of impact of workload migration
US20180157438A1 (en) Slow-disk detection method and apparatus
JP5871192B2 (ja) 監視データ分析装置、監視データ分析方法および監視データ分析プログラム
JP7119820B2 (ja) 予測プログラム、予測方法および学習装置
KR102038703B1 (ko) 동적 전이 앙상블 모형을 통한 실시간 다변량 시계열 예측방법 및 그 시스템
WO2014199920A1 (ja) 予測関数作成装置、予測関数作成方法、及びコンピュータ読み取り可能な記録媒体
KR20150145179A (ko) 정적 타이밍 분석의 타이밍 디레이트 조정방법
JP6678182B2 (ja) 異常検知装置
CN114327241A (zh) 管理磁盘的方法、电子设备和计算机程序产品
US20140324409A1 (en) Stochastic based determination
JP6903246B2 (ja) 情報処理装置、情報処理方法及び情報処理プログラム
JP2012128771A (ja) 情報処理装置及びプログラム
CN116149917A (zh) 评估处理器性能的方法及装置、计算设备、可读存储介质
US11593204B2 (en) Fleet health management device classification framework
WO2022074796A1 (ja) 評価方法、評価装置、および評価プログラム
US8301431B2 (en) Apparatus and method for accelerating simulations and designing integrated circuits and other systems
US7346868B2 (en) Method and system for evaluating design costs of an integrated circuit
US11042463B2 (en) Computer, bottleneck identification method, and non-transitory computer readable storage medium
KR101832583B1 (ko) 전력 상태 커버리지 메트릭 및 이의 추정 방법
JP6172160B2 (ja) 性能予測装置及び性能予測方法
JP7287499B2 (ja) ジョブ予測プログラム、システム、及び方法
JP2011086171A (ja) 処理種別選択プログラム及び装置
Zhang et al. A hybrid approach based on regression tree and radial-based function network for dynamic storage device performance prediction

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: 19918127

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2021503285

Country of ref document: JP

Kind code of ref document: A

ENP Entry into the national phase

Ref document number: 20217026678

Country of ref document: KR

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: 19918127

Country of ref document: EP

Kind code of ref document: A1