WO2022003969A1 - データ処理装置及びデータ処理方法 - Google Patents

データ処理装置及びデータ処理方法 Download PDF

Info

Publication number
WO2022003969A1
WO2022003969A1 PCT/JP2020/026255 JP2020026255W WO2022003969A1 WO 2022003969 A1 WO2022003969 A1 WO 2022003969A1 JP 2020026255 W JP2020026255 W JP 2020026255W WO 2022003969 A1 WO2022003969 A1 WO 2022003969A1
Authority
WO
WIPO (PCT)
Prior art keywords
time
series data
unit
division
partial
Prior art date
Application number
PCT/JP2020/026255
Other languages
English (en)
French (fr)
Inventor
隆顕 中村
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 PCT/JP2020/026255 priority Critical patent/WO2022003969A1/ja
Priority to KR1020227045377A priority patent/KR102553397B1/ko
Priority to JP2022530664A priority patent/JP7114008B2/ja
Priority to CN202080099775.2A priority patent/CN115698956A/zh
Priority to TW110102460A priority patent/TWI795719B/zh
Publication of WO2022003969A1 publication Critical patent/WO2022003969A1/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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/30—Monitoring
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/30—Monitoring
    • G06F11/3065—Monitoring arrangements determined by the means or processing involved in reporting the monitored data
    • G06F11/3072—Monitoring arrangements determined by the means or processing involved in reporting the monitored data where the reporting involves data filtering, e.g. pattern matching, time or event triggered, adaptive or policy-based reporting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning

Definitions

  • This disclosure relates to a data processing device and a data processing method.
  • a technique for dividing time-series data into a plurality of partial time-series data is known.
  • Patent Document 1 describes waveform data including a change point of a device state, an extraction condition input unit that accepts input of parameter information of the waveform data, and transition information of the device, time series data of the device, and waveform data.
  • the operation mode determination unit Based on the similarity calculation unit that calculates the similarity with the device, the operation mode determination unit that sets the device status based on the transition information of the device, the calculated similarity, and the determined device status.
  • the change point detector that detects the change point from the time series data of the device and sets the start time and end time of the segment, which is a substring of the time series data, and the state of the device, the start time of the segment, and the segment.
  • a data processing apparatus including an information output unit that outputs an end time as segment information is disclosed.
  • the data processing apparatus described in Patent Document 1 is a waveform from time-series data using waveform data and parameter information of waveform data prepared in advance as an index for division. By detecting the pattern, the time-series data is divided into segments that are partial time-series data for each waveform data that repeatedly appears in the time-series data.
  • waveform data as an index for division and parameter information of the waveform data (hereinafter referred to as "special information").
  • This disclosure is for solving the above-mentioned problems, and divides the time-series data into partial time-series data for each waveform pattern that repeatedly appears in the time-series data without preparing special information in advance. It is intended to provide a data processing device that enables it.
  • the data processing device includes a time-series acquisition unit that acquires time-series data, a feature extraction unit that extracts feature amounts of time-series data based on the time-series data acquired by the time-series acquisition unit, and a feature.
  • the first division part that divides the time series data into a plurality of first partial time series data based on the feature amount extracted by the extraction unit, and the first division part based on the feature amount extracted by the feature extraction unit. It is provided with a second division portion for dividing each of the plurality of first partial time series data to the plurality of second partial time series data.
  • the time-series data can be divided into partial time-series data for each waveform pattern that repeatedly appears in the time-series data without preparing special information in advance.
  • FIG. 1 is a block diagram showing an example of a configuration of a data processing apparatus according to the first embodiment and a main part of a data processing system to which the data processing apparatus is applied.
  • FIG. 2 is an example of time-series data acquired by the time-series acquisition unit included in the data processing apparatus according to the first embodiment and first partial time-series data obtained by dividing the time-series data by the first division unit. It is explanatory drawing which shows.
  • FIG. 3 shows the first partial time-series data obtained by dividing the first division portion included in the data processing apparatus according to the first embodiment, and the second division portion obtained by dividing the first partial time-series data. It is explanatory drawing which shows an example of the 2nd part time series data.
  • 4A and 4B are diagrams showing an example of the hardware configuration of the main part of the data processing apparatus according to the first embodiment.
  • FIG. 5 is a flowchart illustrating an example of processing of the data processing apparatus according to the first embodiment.
  • FIG. 1 is a block diagram showing an example of a configuration of a main part of a data processing device 100 according to the first embodiment and a data processing system 1 to which the data processing device 100 is applied.
  • the data processing system 1 according to the first embodiment includes a storage device 10, a display device 20, and a data processing device 100.
  • the data processing device 100 acquires time-series data and performs predetermined data processing on the acquired time-series data. The details of the data processing device 100 will be described later.
  • the storage device 10 is a device that stores information necessary for the data processing device 100 to perform data processing.
  • the storage device 10 stores time-series data in advance.
  • the display device 20 is a device such as a display that displays and outputs a display image indicated by display information output by the data processing device 100. That is, the data processing device 100 outputs the display information to the display device 20 and causes the display device 20 to display the display image indicated by the display information.
  • the data processing device 100 includes a time series acquisition unit 110, a feature extraction unit 120, a first division unit 130, a second division unit 140, an abnormality detection unit 150, and an output unit 190.
  • the abnormality detection unit 150 is not an essential configuration in the data processing device 100. In the first embodiment, the data processing device 100 will be described as including the abnormality detection unit 150.
  • the time series acquisition unit 110 acquires time series data.
  • the time-series data acquired by the time-series acquisition unit 110 is time-series information indicating physical quantities measured, measured, observed, aggregated, or the like at predetermined time intervals.
  • the time-series data acquired by the time-series acquisition unit 110 is a time-series signal output from a sensor such as a vibration sensor, a distance measuring sensor, a rotation sensor, a gyro sensor, a temperature sensor, or a sound sensor. It is converted into information. If the time-series data is time-series information indicating a physical quantity measured, measured, observed, or aggregated at predetermined time intervals, the signal output from the sensor is converted into time-series information. It is not limited to things.
  • the predetermined time interval does not have to be a uniform interval, and the time interval includes an arbitrary interval.
  • the time-series acquisition unit 110 acquires time-series data by reading the time-series data stored in advance in the storage device 10. Since the time-series acquisition unit 110 may be capable of acquiring time-series data, the acquisition source of the time-series data acquired by the time-series acquisition unit 110 or the time-series acquisition unit 110 acquires the time-series data. The method is not limited.
  • the time-series data acquired by the time-series acquisition unit 110 will be described as assuming that the signal output from the vibration sensor provided in the processing apparatus is converted into the time-series information. ..
  • the feature extraction unit 120 extracts the feature amount of the time series data based on the time series data acquired by the time series acquisition unit 110. Specifically, for example, the feature extraction unit 120 uses a slide window to extract a feature amount from the time-series data acquired by the time-series acquisition unit 110. That is, the feature amount output by the feature extraction unit 120 is information in which the value indicating the feature of the region in the time series data corresponding to the slide window is shown in time series. More specifically, for example, the feature extraction unit 120 uses a slide window and uses a value obtained by subtracting the minimum value from the maximum value of the time series data in the slide window (hereinafter referred to as “amplitude value”) as a feature amount. Extract.
  • amplitude value a value obtained by subtracting the minimum value from the maximum value of the time series data in the slide window
  • the feature amount output by the feature extraction unit 120 is information in which the amplitude value of the region in the time-series data corresponding to the slide window is shown in time series. Since the method of extracting the feature amount from the time series data using the slide window is well known, the description thereof will be omitted.
  • the first division unit 130 divides the time series data into a plurality of first partial time series data based on the feature amount extracted by the feature extraction unit 120.
  • the feature extraction unit 120 extracts the first feature amount from the time series data acquired by the time series acquisition unit 110 by using the first slide window having a predetermined first time length.
  • the first division unit 130 divides the time series data into a plurality of first partial time series data based on the first feature amount extracted by the feature extraction unit 120. Specifically, for example, the first division unit 130 compares the amplitude value indicated by the first feature amount with a predetermined threshold value based on the first feature amount, and the amplitude value below the threshold value is more than the threshold value. The position in the first feature amount to be increased is specified.
  • the first division unit 130 assumes that the end point of the slide window corresponding to the position is a change point of the time series data (hereinafter referred to as "first change point"), and displays the time series data at the first conversion point. By dividing, the time series data is divided into a plurality of first partial time series data. For example, the first division unit 130 generates first division information indicating the division position in the time series data of each first partial time series data divided by the first division unit 130.
  • the first division unit 130 specifies a position in the first feature amount in which the amplitude value larger than the threshold value becomes equal to or less than the threshold value.
  • the first division unit 130 assumes that the start of the slide window corresponding to the position is the change point of the time series data (hereinafter referred to as "second change point"), and each first portion at the second conversion point.
  • second change point the change point of the time series data
  • each of the plurality of first partial time-series data divided by the first division unit 130 may be divided into a first vibration section time-series data and a first stable section time-series data. ..
  • the first division unit 130 divides the plurality of divisions.
  • Each of the first partial time series data has a first vibration section time series data and a first stable section time series data.
  • the first division unit 130 divides each first partial time series data divided by the first division unit 130 into the time series data of the first vibration section time series data and the first stable section time series data.
  • the first division information indicating the position is generated.
  • the threshold value is a predetermined value for dividing the first partial time-series data into the first vibration section time-series data and the first stable section time-series data, as described above. Therefore, for example, when the time-series data acquired by the time-series acquisition unit 110 is a signal output from a sensor such as a vibration sensor converted into time-series information, the threshold value is once the resolution of the sensor.
  • the first stable section time series data can be extracted from the first partial time series data by determining with an accuracy of about twice. Further, the same value can be reused for the threshold value as long as the sensor or the device to be measured such as the processing device provided with the sensor has the same specifications. Therefore, the threshold value can be easily set.
  • the second division unit 140 divides each of the plurality of first partial time series data divided by the first division unit 130 into a plurality of second partial time series data based on the feature amount extracted by the feature extraction unit 120. ..
  • the feature extraction unit 120 uses a second slide window having a predetermined second time length shorter than the first time length, and from each of the plurality of first partial time series data divided by the first division unit 130.
  • the second feature amount is extracted.
  • the second division unit 140 divides the first partial time series data into a plurality of second partial time series data based on the extracted second feature amount.
  • the second division unit 140 compares the amplitude value indicated by the second feature amount with the predetermined threshold value based on the second feature amount, and the amplitude value below the threshold value is more than the threshold value.
  • the position in the second feature amount to be increased is specified.
  • the second division unit 140 assumes that the end point of the slide window corresponding to the position is the change point of the first partial time series data (hereinafter referred to as “third change point”), and the time at the third conversion point.
  • the first partial time series data is divided into a plurality of second partial time series data.
  • the second division unit 140 provides second division information indicating the division position in the time series data of each second partial time series data divided by the second division unit 140 for each of the plurality of first partial time series data. Generate.
  • the second division unit 140 specifies a position in the second feature amount in which the amplitude value larger than the threshold value becomes equal to or less than the threshold value.
  • the second division unit 140 assumes that the start of the slide window corresponding to the position is the change point of the time series data (hereinafter referred to as "fourth change point"), and each second part at the fourth conversion point.
  • each of the plurality of second partial time-series data divided by the second division unit 140 may be divided into a second vibration section time-series data and a second stable section time-series data. ..
  • the second division unit 140 divides a plurality of divisions.
  • Each of the second partial time series data has a second vibration section time series data and a second stable section time series data.
  • the second division unit 140 divides each second partial time series data divided by the second division unit 140 into the time series data of the second vibration section time series data and the second stable section time series data.
  • the second division information indicating the position is generated.
  • the threshold value is a predetermined value for dividing the second partial time-series data into the second vibration section time-series data and the second stable section time-series data, as described above. Therefore, for example, when the time-series data acquired by the time-series acquisition unit 110 is a signal output from a sensor such as a vibration sensor converted into time-series information, the threshold value is once the resolution of the sensor.
  • the second stable section time series data can be extracted from the second partial time series data by determining with an accuracy of about twice. Further, the same value can be reused for the threshold value as long as the sensor or the device to be measured such as the processing device provided with the sensor has the same specifications. Therefore, the threshold value can be easily set.
  • FIG. 2 shows the time-series data acquired by the time-series acquisition unit 110 included in the data processing device 100 according to the first embodiment, and the first partial time-series obtained by dividing the time-series data by the first division unit 130. It is explanatory drawing which shows an example of data.
  • the time-series data acquired by the time-series acquisition unit 110 is a signal output from a vibration sensor provided in a processing apparatus that repeatedly manufactures the same processed product, it is converted into time-series information. In the data, similar changes in time-series values appear repeatedly each time a processed product is manufactured.
  • the first division unit 130 divides the time series data into a plurality of first partial time series data, so that the time series data can be divided into a period for manufacturing each of the plurality of processed products (hereinafter referred to as "manufacturing period"). It can be divided into the corresponding first part time series data.
  • the manufacturing period includes a processing period for processing a processed member, which is a member to be processed, into a processed product, and an idling period between the time when the processing of one processed product is completed and the time when the processing of the next processed product is started.
  • the first division unit 130 divides the first partial time series data into the first vibration section time series data and the first stable section time series data, so that the first partial time series data corresponds to the processing period. It can be divided into one vibration section time series data and the first stable section time series data corresponding to the idling period.
  • the first partial time series data obtained by dividing the first division unit 130 included in the data processing apparatus 100 according to the first embodiment and the second division unit 140 are the first partial time series.
  • the second partial time series data obtained by dividing the data will be described.
  • FIG. 3 shows the first partial time-series data obtained by dividing the first division unit 130 included in the data processing apparatus 100 according to the first embodiment, and the second division unit 140 dividing the first partial time-series data. It is explanatory drawing which shows an example of the 2nd part time series data obtained by this.
  • the time-series data acquired by the time-series acquisition unit 110 is a signal output from a vibration sensor provided in a processing apparatus that repeatedly manufactures the same processed product, it is converted into time-series information.
  • the machining process includes a process of installing the machined member on the pedestal, a process of detecting the shape of the machined member installed on the pedestal, a process of cutting the machined member installed on the pedestal, and a process of cutting the machined member after cutting. This is a process of inspecting, or a process of removing the machined member after cutting from the pedestal.
  • the second division unit 140 processes the first vibration section time series data into a plurality of processes by dividing each of the first vibration section time series data in the plurality of first partial time series data into the second partial time series data. It can be divided into the second partial time series data corresponding to the period corresponding to each of the processes (hereinafter referred to as "process period").
  • process period the period corresponding to each of the processes
  • process operation period there is a process operation period in which the processing device actually operates, and a period from the time when the operation of the processing device is completed in one processing process to the time when the operation of the processing device is started in the next processing process.
  • There is a process idling period There is a process idling period.
  • the second division unit 140 divides the second partial time series data into the second vibration section time series data and the second stable section time series data, so that the second partial time series data corresponds to the process operation period. It can be divided into the second vibration section time series data and the second stable section time series data corresponding to the process idling period.
  • the data processing device 100 can partially time the time series data for each waveform pattern that repeatedly appears in the time series data. It can be divided into series data.
  • the user analyzes the time-series data acquired in the past, and the waveform data as an index for dividing the time-series data and the parameter information of the waveform data (hereinafter referred to as "special information"). It was necessary to prepare.) In advance. Analyzing time-series data requires considerable knowledge, and it is not easy for users to prepare special information in advance.
  • the time-series data acquired by the time-series acquisition unit 110 is converted into time-series information by the signal output from the vibration sensor provided in the processing apparatus that repeatedly manufactures the same processed product. If so, the idling period and the process idling period are both known, so that the user can easily determine the first hour length and the second hour length based on the idling period and the process idling period. Can be done. As a result, the data processing device 100 can divide the time-series data into partial time-series data for each waveform pattern that repeatedly appears in the time-series data without preparing special information in advance.
  • the output unit 190 visualizes the first division information and the second division information based on, for example, the first division information generated by the first division unit 130 and the second division information generated by the second division unit 140. Generates a display image to be displayed and outputs display information indicating the display image. Specifically, for example, the output unit 190 outputs the display information to the display device 20 and causes the display device 20 to display the display image indicated by the display information.
  • the output unit 190 is not limited to outputting display information.
  • the output unit 190 may output the first division information and the second division information to the storage device 10 and store the first division information and the second division information in the storage device 10.
  • the data processing device 100 may include an abnormality detection unit 150.
  • the abnormality detection unit 150 acquires time-series data acquired by the time-series acquisition unit 110 based on at least one second-part time-series data among the plurality of second-part time-series data divided by the second division unit 140. Detects anomalies. For example, the abnormality detection unit 150 generates detection information indicating a detection result. Specifically, for example, an abnormality in the time series data acquired by the time series acquisition unit 110 based on the second stable section time series data among the plurality of second partial time series data divided by the second division unit 140. Is detected.
  • the number of the second stable section time series data corresponding to each of the plurality of first partial time series data divided by the first division unit 130 is the first of all.
  • an abnormality in the time-series data is detected by determining whether or not they are the same. If the number of second stable interval time series data corresponding to each of the plurality of first partial time series data is not the same in all the first partial time series data, for example, the period between the two processing steps. However, it is possible that the period is shorter than the predetermined period. Also, in that case, it is possible that some cause may have caused unexpected vibrations in the machining equipment during the period between the two machining steps. Therefore, with the above configuration, the abnormality detection unit 150 can accurately detect the abnormality of the time series data.
  • the second stable section time series data among the plurality of second partial time series data divided by the second division unit 140 and the second stable section time series data are the first vibrations.
  • An abnormality in the time-series data acquired by the time-series acquisition unit 110 may be detected based on the second stable section position information indicating the second stable section time-series data in the section time-series data. ..
  • the abnormality detection unit 150 inputs the second stable section time series data and the second stable section position information into the trained model prepared in advance.
  • the abnormality detection unit 150 detects an abnormality in the time series data based on the inference result output by the trained model.
  • the trained model is stored in advance in the storage device 10, and the abnormality detection unit 150 acquires the trained model by reading the trained model from the storage device 10. With the above configuration, the abnormality detection unit 150 can accurately detect the abnormality of the time series data.
  • a learning device causes a learning model prepared in advance to learn supervised learning or unsupervised learning based on the second stable section time series data and the second stable section position information. Is generated by. The description of the method of generating the trained model will be omitted.
  • the abnormality detection unit 150 obtains the second stable section time-series data based on the second stable section time-series data and the second stable section position information, and the second division unit 140 performs another first portion.
  • First vibration section of time-series data Second stable section time-series data of a plurality of second partial time-series data obtained by dividing time-series data, and second stable section with the same position information.
  • an abnormality in the time-series data acquired by the time-series acquisition unit 110 may be detected.
  • the abnormality detection unit 150 compares the second stable section time-series data with other second stable section time-series data having the same second stable section position information, and determines the degree of similarity.
  • the abnormality detection unit 150 can accurately detect the abnormality of the time series data.
  • the abnormality detection unit 150 may calculate the abnormality degree of the time-series data and generate detection information indicating the calculated abnormality degree.
  • the data processing apparatus 100 causes an abnormality such as deterioration of the processing apparatus before the abnormality such as before the processing apparatus fails occurs. You can see the signs.
  • the output unit 190 When the data processing device 100 includes the abnormality detection unit 150, the output unit 190 generates, for example, a display image that visualizes the detection information generated by the abnormality detection unit 150 in addition to the first division information and the second division information. , Outputs display information indicating the display image.
  • the output unit 190 outputs the detection information to the storage device 10 in addition to the first division information and the second division information, and stores the first division information, the second division information, and the detection information in the storage device 10. There may be.
  • FIGS. 4A and 4B are diagrams showing an example of the hardware configuration of the main part of the data processing device 100 according to the first embodiment.
  • the data processing device 100 is composed of a computer, which has a processor 401 and a memory 402.
  • the memory 402 stores a program for making the computer function as a time series acquisition unit 110, a feature extraction unit 120, a first division unit 130, a second division unit 140, an abnormality detection unit 150, and an output unit 190.
  • the processor 401 reads out and executes the program stored in the memory 402, the time series acquisition unit 110, the feature extraction unit 120, the first division unit 130, the second division unit 140, the abnormality detection unit 150, and the output unit. 190 is realized.
  • the data processing device 100 may be configured by the processing circuit 403.
  • the functions of the time series acquisition unit 110, the feature extraction unit 120, the first division unit 130, the second division unit 140, the abnormality detection unit 150, and the output unit 190 may be realized by the processing circuit 403.
  • the data processing device 100 may be composed of a processor 401, a memory 402, and a processing circuit 403 (not shown).
  • some of the functions of the time series acquisition unit 110, the feature extraction unit 120, the first division unit 130, the second division unit 140, the abnormality detection unit 150, and the output unit 190 are the processor 401 and the memory 402.
  • the remaining functions may be realized by the processing circuit 403.
  • the processor 401 uses, for example, a CPU (Central Processing Unit), a GPU (Graphics Processing Unit), a microprocessor, a microprocessor, or a DSP (Digital Signal Processor).
  • a CPU Central Processing Unit
  • GPU Graphics Processing Unit
  • microprocessor a microprocessor
  • DSP Digital Signal Processor
  • the memory 402 uses, for example, a semiconductor memory or a magnetic disk. More specifically, the memory 402 includes a RAM (Random Access Memory), a ROM (Read Only Memory), a flash memory, an EPROM (Erasable Programmable Read Only Memory), and an EEPROM (Electrically SSD). State Drive) or HDD (Hard Disk Drive) or the like is used.
  • RAM Random Access Memory
  • ROM Read Only Memory
  • flash memory a flash memory
  • EPROM Erasable Programmable Read Only Memory
  • EEPROM Electrically SSD. State Drive
  • HDD Hard Disk Drive
  • the processing circuit 403 is, for example, an ASIC (Application Specific Integrated Circuit), a PLD (Programmable Logic Device), an FPGA (Field-Programmable Gate Array), an FPGA (Field-Programmable Gate Array), a System-System (System) System ) Is used.
  • ASIC Application Specific Integrated Circuit
  • PLD Programmable Logic Device
  • FPGA Field-Programmable Gate Array
  • FPGA Field-Programmable Gate Array
  • FIG. 5 is a flowchart illustrating an example of processing of the data processing apparatus 100 according to the first embodiment.
  • step ST501 the time series acquisition unit 110 acquires time series data.
  • step ST502 the feature extraction unit 120 extracts the first feature amount.
  • step ST503 the first division unit 130 divides the time series data into a plurality of first partial time series data.
  • step ST504 the feature extraction unit 120 extracts the second feature amount.
  • step ST505 the second division unit 140 divides each of the plurality of first partial time series data divided by the first division unit 130 into the plurality of second partial time series data.
  • step ST506 the abnormality detection unit 150 detects an abnormality in the time series data.
  • step ST507 the output unit 190 outputs display information.
  • the data processing apparatus 100 ends the processing of the flowchart.
  • the data processing device 100 extracts the feature amount of the time-series data based on the time-series acquisition unit 110 that acquires the time-series data and the time-series data acquired by the time-series acquisition unit 110. Based on the feature amount extracted by the feature extraction unit 120 and the first division unit 130 that divides the time series data into a plurality of first partial time series data based on the feature amount extracted by the feature extraction unit 120. A second division unit 140 that divides each of the plurality of first partial time series data divided by the first division unit 130 into a plurality of second partial time series data is provided. With this configuration, the data processing device 100 can divide the time-series data into partial time-series data for each waveform pattern that repeatedly appears in the time-series data without preparing special information in advance.
  • the feature extraction unit 120 is the first from the time series data acquired by the time series acquisition unit 110 by using the first slide window having a predetermined first time length.
  • the feature amount is extracted
  • the first division unit 130 divides the time series data into a plurality of first partial time series data based on the first feature amount extracted by the feature extraction unit 120
  • the feature extraction unit 120 is the first.
  • the second slide window having a predetermined second hour length shorter than one hour length the second feature amount is extracted from each of the plurality of first partial time series data divided by the first division unit 130, and the second feature amount is extracted.
  • the two division unit 140 is configured to divide the first partial time series data into a plurality of second partial time series data based on the extracted second feature amount.
  • the data processing device 100 is time-series based on at least one second partial time-series data among the plurality of second partial time-series data divided by the second division unit 140.
  • An abnormality detection unit 150 for detecting an abnormality in the time-series data acquired by the acquisition unit 110 is provided. With this configuration, the data processing device 100 can accurately detect an abnormality in the time series data.
  • the data processing device 100 has a plurality of first partial time series data divided by the first division unit 130, each of which has a first vibration section time series data and a first stable section time series data.
  • the second division unit 140 has a plurality of first vibration section time series data among the first partial time series data for each of the plurality of first partial time series data divided by the first division unit 130.
  • Each of the plurality of second partial time series data divided into two partial time series data and divided by the second division unit 140 has a second vibration section time series data and a second stable section time series data, and is abnormal.
  • the detection unit 150 detects an abnormality in the time series data acquired by the time series acquisition unit 110 based on the second stable section time series data among the plurality of second partial time series data divided by the second division unit 140. It was configured to do. With this configuration, the data processing device 100 can accurately detect an abnormality in the time series data.
  • the abnormality detection unit 150 includes the second stable section time series data among the plurality of second partial time series data divided by the second division unit 140, and the second division unit 140.
  • the time series acquired by the time series acquisition unit 110 based on the second stable section position information indicating which number of the second stable section time series data the stable section time series data is in the first vibration section time series data. It was configured to detect data anomalies. With this configuration, the data processing device 100 can accurately detect an abnormality in the time series data.
  • the abnormality detection unit 150 obtains the second stable section time-series data based on the second stable section time-series data and the second stable section position information.
  • the division unit 140 is the second stable section time series data among the plurality of second partial time series data obtained by dividing the first vibration section time series data of the other first partial time series data, and is the second stable section position. By comparing with the second stable section time-series data having the same information, it is configured to detect an abnormality in the time-series data acquired by the time-series acquisition unit 110. With this configuration, the data processing device 100 can accurately detect an abnormality in the time series data.
  • the data processing device can be applied to a data processing system that detects an abnormality in time-series data.
  • 1 data processing system 10 storage device, 20 display device, 100 data processing device, 110 time series acquisition unit, 120 feature extraction unit, 130 first division unit, 140 second division unit, 150 abnormality detection unit, 190 output unit, 401 processor, 402 memory, 403 processing circuit.

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Informatics (AREA)
  • Evolutionary Computation (AREA)
  • Data Mining & Analysis (AREA)
  • Computing Systems (AREA)
  • Artificial Intelligence (AREA)
  • Mathematical Physics (AREA)
  • Automation & Control Theory (AREA)
  • Quality & Reliability (AREA)
  • Testing And Monitoring For Control Systems (AREA)
  • Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
  • Electrical Discharge Machining, Electrochemical Machining, And Combined Machining (AREA)
  • Memory System Of A Hierarchy Structure (AREA)

Abstract

データ処理装置（１００）は、時系列データを取得する時系列取得部（１１０）と、時系列取得部（１１０）が取得する時系列データに基づいて、時系列データの特徴量を抽出する特徴抽出部（１２０）と、特徴抽出部（１２０）が抽出する特徴量に基づいて、時系列データを複数の第１部分時系列データに分割する第１分割部（１３０）と、特徴抽出部（１２０）が抽出する特徴量に基づいて、第１分割部（１３０）が分割した複数の第１部分時系列データのそれぞれを複数の第２部分時系列データに分割する第２分割部（１４０）と、を備えた。

Description

データ処理装置及びデータ処理方法
　この開示は、データ処理装置及びデータ処理方法に関するものである。
　時系列データを複数の部分時系列データに分割する技術が知られている。
　例えば、特許文献１には、機器の状態の変化点を含む波形データ、当該波形データのパラメータ情報、及び機器の遷移情報の入力を受け付ける抽出条件入力部と、機器の時系列データと、波形データとの類似度を算出する類似度算出部と、機器の遷移情報に基づいて、機器の状態を設定する運転モード判定部と、算出された類似度、及び判定された機器の状態に基づいて、機器の時系列データから、変化点を検出し、時系列データの部分列であるセグメントの開始時刻及びセグメントの終了時刻を設定する変化点検出部と、機器の状態、セグメントの開始時刻及びセグメントの終了時刻をセグメント情報として出力する情報出力部とを備えるデータ処理装置が開示されている。
　特許文献１に記載されたデータ処理装置（以下「従来のデータ処理装置」という。）は、予め用意した分割するための指標となる波形データ及び波形データのパラメータ情報を用いて時系列データから波形パターンを検出することにより、時系列データに繰り返し出現する波形データ毎に時系列データを部分時系列データであるセグメントに分割している。
国際公開第２０２０／００８５３３号公報
　従来のデータ処理装置は、時系列データを部分時系列データであるセグメントに分割するために、分割するための指標となる波形データ、及び波形データのパラメータ情報（以下「特別な情報」という。）を予め用意する必要があるという問題点があった。
　この開示は、上述の問題点を解決するためのもので、予め特別な情報を用意することなく、時系列データに繰り返し出現する波形パターン毎に時系列データを部分時系列データに分割することを可能にするデータ処理装置を提供することを目的としている。
　この開示に係るデータ処理装置は、時系列データを取得する時系列取得部と、時系列取得部が取得する時系列データに基づいて、時系列データの特徴量を抽出する特徴抽出部と、特徴抽出部が抽出する特徴量に基づいて、時系列データを複数の第１部分時系列データに分割する第１分割部と、特徴抽出部が抽出する特徴量に基づいて、第１分割部が分割した複数の第１部分時系列データのそれぞれを複数の第２部分時系列データに分割する第２分割部と、を備えたものである。
　この開示によれば、予め特別な情報を用意することなく、時系列データに繰り返し出現する波形パターン毎に時系列データを部分時系列データに分割することができる。
図１は、実施の形態１に係るデータ処理装置、及び、データ処理装置が適用されたデータ処理システムの要部の構成の一例を示すブロック図である。 図２は、実施の形態１に係るデータ処理装置が備える時系列取得部が取得する時系列データ、及び、第１分割部が時系列データを分割して得た第１部分時系列データの一例を示す説明図である。 図３は、実施の形態１に係るデータ処理装置が備える第１分割部が分割して得た第１部分時系列データ、及び、第２分割部が第１部分時系列データを分割して得た第２部分時系列データの一例を示す説明図である。 図４Ａ及び図４Ｂは、実施の形態１に係るデータ処理装置の要部のハードウェア構成の一例を示す図である。 図５は、実施の形態１に係るデータ処理装置の処理の一例を説明するフローチャートである。
　以下、この開示の実施の形態について、図面を参照しながら詳細に説明する。
実施の形態１．
　図１から図５を参照して、実施の形態１に係るデータ処理装置１００、及び、データ処理装置１００が適用されたデータ処理システム１について説明する。
　図１は、実施の形態１に係るデータ処理装置１００、及び、データ処理装置１００が適用されたデータ処理システム１の要部の構成の一例を示すブロック図である。
　実施の形態１に係るデータ処理システム１は、記憶装置１０、表示装置２０、及びデータ処理装置１００を備える。
　データ処理装置１００は、時系列データを取得し、取得した時系列データについて、予め定められたデータ処理を行う。データ処理装置１００の詳細については後述する。
　記憶装置１０は、データ処理装置１００がデータ処理を行うのに必要な情報を記憶する装置である。例えば、記憶装置１０は、時系列データを予め記憶している。
　表示装置２０は、データ処理装置１００が出力する表示情報が示す表示画像を表示出力するディスプレイ等の装置である。すなわち、データ処理装置１００は、表示情報を表示装置２０に出力して、表示情報が示す表示画像を表示装置２０に表示させる。
　実施の形態１に係るデータ処理装置１００は、時系列取得部１１０、特徴抽出部１２０、第１分割部１３０、第２分割部１４０、異常検知部１５０、及び出力部１９０を備える。
　なお、異常検知部１５０は、データ処理装置１００において、必須の構成ではない。
　実施の形態１では、データ処理装置１００は、異常検知部１５０を備えるものとして説明する。
　時系列取得部１１０は、時系列データを取得する。
　時系列取得部１１０が取得する時系列データとは、予め定められた時間間隔ごとに計測、測定、観測、又は集計等が行われた物理量を示す時系列の情報である。
　具体的には、時系列取得部１１０が取得する時系列データは、振動センサ、測距センサ、回転センサ、ジャイロセンサ、温度センサ、又は、音センサ等のセンサから出力された信号を時系列の情報に変換したものである。時系列データは、予め定められた時間間隔ごとに計測、測定、観測、又は集計が行われた物理量を示す時系列の情報であれば、センサから出力された信号を時系列の情報に変換したものに限定されるものではない。なお、予め定められた時間間隔は、均一の間隔である必要はなく、時間間隔は、任意の間隔のものも含む。
　具体的には、例えば、時系列取得部１１０は、記憶装置１０に予め記憶された時系列データを読み出すことにより、時系列データを取得する。
　時系列取得部１１０は、時系列データを取得可能なものであればよいため、時系列取得部１１０が取得する時系列データの取得元、又は、時系列取得部１１０が時系列データを取得する方法については、限定されない。
　以下、実施の形態１では、時系列取得部１１０が取得する時系列データは、加工装置に設けられた振動センサから出力された信号が時系列の情報に変換されたものであるものとして説明する。
　特徴抽出部１２０は、時系列取得部１１０が取得する時系列データに基づいて、時系列データの特徴量を抽出する。
　具体的には、例えば、特徴抽出部１２０は、スライド窓を用いて、時系列取得部１１０が取得する時系列データから特徴量を抽出する。すなわち、特徴抽出部１２０が出力する特徴量は、スライド窓に対応する時系列データにおける領域の特徴を示す値が時系列に示される情報となる。
　より具体的には、例えば、特徴抽出部１２０は、スライド窓を用いて、スライド窓内の時系列データの最大値から最小値を減じた値（以下「振幅値」という。）を特徴量として抽出する。特徴抽出部１２０が出力する特徴量は、スライド窓に対応する時系列データにおける領域の振幅値が時系列に示される情報となる。
　スライド窓を用いて時系列データから特徴量を抽出する方法は、周知であるため説明を省略する。
　第１分割部１３０は、特徴抽出部１２０が抽出する特徴量に基づいて、時系列データを複数の第１部分時系列データに分割する。
　例えば、特徴抽出部１２０は、予め定められた第１時間長の第１スライド窓を用いて、時系列取得部１１０が取得する時系列データから第１特徴量を抽出する。第１分割部１３０は、特徴抽出部１２０が抽出した第１特徴量に基づいて時系列データを複数の第１部分時系列データに分割する。
　具体的には、例えば、第１分割部１３０は、第１特徴量に基づいて、第１特徴量が示す振幅値と予め定められた閾値とを比較して、閾値以下の振幅値が閾値より大きくなる第１特徴量における位置を特定する。第１分割部１３０は、当該位置に対応するスライド窓の終期が、時系列データの変化点（以下「第１変化点」という。）であるものとして、当該第１変換点において時系列データを分割することにより、時系列データを複数の第１部分時系列データに分割する。
　例えば、第１分割部１３０は、第１分割部１３０が分割した各第１部分時系列データの時系列データにおける分割位置を示す第１分割情報を生成する。
　また、第１分割部１３０は、閾値より大きい振幅値が閾値以下になる第１特徴量における位置を特定する。第１分割部１３０は、当該位置に対応するスライド窓の始期が、時系列データの変化点（以下「第２変化点」という。）であるものとして、当該第２変換点において各第１部分時系列データを分割することにより、第１分割部１３０が分割した複数の第１部分時系列データのそれぞれを第１振動区間時系列データと第１安定区間時系列データとに分割してもよい。
　第１分割部１３０が、複数の第１部分時系列データのそれぞれについて、第１振動区間時系列データと第１安定区間時系列データとに分割する場合、第１分割部１３０が分割した複数の第１部分時系列データのそれぞれは、第１振動区間時系列データと第１安定区間時系列データとを有する。
　当該場合、例えば、第１分割部１３０は、第１分割部１３０が分割した各第１部分時系列データについて、第１振動区間時系列データ及び第１安定区間時系列データの時系列データにおける分割位置を示す第１分割情報を生成する。
　なお、当該場合、当該閾値は、上述のように、第１部分時系列データを第１振動区間時系列データと第１安定区間時系列データとに分割するために予め定められた値である。そのため、例えば、時系列取得部１１０が取得する時系列データが、振動センサ等のセンサから出力された信号が時系列の情報に変換されたものである場合、当該閾値をセンサの分解能の１倍から２倍程度の精度で定めることにより、第１部分時系列データから第１安定区間時系列データを抽出することができる。また、当該閾値は、センサ、又は、センサが設けられた加工装置等の計測対象の装置等が同様の仕様であれば、同じ値を使いまわすことができる。そのため、当該閾値を容易に定めることができる。
　第２分割部１４０は、特徴抽出部１２０が抽出する特徴量に基づいて、第１分割部１３０が分割した複数の第１部分時系列データのそれぞれを複数の第２部分時系列データに分割する。
　例えば、特徴抽出部１２０は、第１時間長より短い予め定められた第２時間長の第２スライド窓を用いて、第１分割部１３０が分割した複数の第１部分時系列データのそれぞれから第２特徴量を抽出する。第２分割部１４０は、抽出した第２特徴量に基づいて第１部分時系列データを複数の第２部分時系列データに分割する。
　具体的には、例えば、第２分割部１４０は、第２特徴量に基づいて、第２特徴量が示す振幅値と予め定められた閾値とを比較して、閾値以下の振幅値が閾値より大きくなる第２特徴量における位置を特定する。第２分割部１４０は、当該位置に対応するスライド窓の終期が、第１部分時系列データの変化点（以下「第３変化点」という。）であるものとして、当該第３変換点において時系列データを分割することにより、第１部分時系列データを複数の第２部分時系列データに分割する。
　例えば、第２分割部１４０は、複数の第１部分時系列データのそれぞれについて、第２分割部１４０が分割した各第２部分時系列データの時系列データにおける分割位置を示す第２分割情報を生成する。
　また、第２分割部１４０は、閾値より大きい振幅値が閾値以下になる第２特徴量における位置を特定する。第２分割部１４０は、当該位置に対応するスライド窓の始期が、時系列データの変化点（以下「第４変化点」という。）であるものとして、当該第４変換点において各第２部分時系列データを分割することにより、第２分割部１４０が分割した複数の第２部分時系列データのそれぞれを第２振動区間時系列データと第２安定区間時系列データとに分割してもよい。
　第２分割部１４０が、複数の第２部分時系列データのそれぞれについて、第２振動区間時系列データと第２安定区間時系列データとに分割する場合、第２分割部１４０が分割した複数の第２部分時系列データのそれぞれは、第２振動区間時系列データと第２安定区間時系列データとを有する。
　当該場合、例えば、第２分割部１４０は、第２分割部１４０が分割した各第２部分時系列データについて、第２振動区間時系列データ及び第２安定区間時系列データの時系列データにおける分割位置を示す第２分割情報を生成する。
　なお、当該場合、当該閾値は、上述のように、第２部分時系列データを第２振動区間時系列データと第２安定区間時系列データとに分割するために予め定められた値である。そのため、例えば、時系列取得部１１０が取得する時系列データが、振動センサ等のセンサから出力された信号が時系列の情報に変換されたものである場合、当該閾値をセンサの分解能の１倍から２倍程度の精度で定めることにより、第２部分時系列データから第２安定区間時系列データを抽出することができる。また、当該閾値は、センサ、又は、センサが設けられた加工装置等の計測対象の装置等が同様の仕様であれば、同じ値を使いまわすことができる。そのため、当該閾値を容易に定めることができる。
　図２を参照して、実施の形態１に係るデータ処理装置１００が備える時系列取得部１１０が取得する時系列データ、及び、第１分割部１３０が時系列データを分割して得た第１部分時系列データについて説明する。
　図２は、実施の形態１に係るデータ処理装置１００が備える時系列取得部１１０が取得する時系列データ、及び、第１分割部１３０が時系列データを分割して得た第１部分時系列データの一例を示す説明図である。
　時系列取得部１１０が取得する時系列データが、同じ加工製品を繰り返し製造する加工装置に設けられた振動センサから出力された信号が、時系列の情報に変換されたものである場合、時系列データには、加工製品を製造する毎に同様の時系列値の推移が繰り返し出現する。
　第１分割部１３０は、時系列データを複数の第１部分時系列データに分割することにより、時系列データを、複数の加工製品のそれぞれを製造する期間（以下「製造期間」という。）に対応する第１部分時系列データに分割することができる。
　製造期間には、加工対象の部材である加工部材を加工製品に加工する加工期間と、ある加工製品の加工を終了した時点から次の加工製品の加工を開始する時点までの間のアイドリング期間とが存在する。
　第１分割部１３０は、第１部分時系列データを第１振動区間時系列データと第１安定区間時系列データとに分割することにより、第１部分時系列データを、加工期間に対応する第１振動区間時系列データと、アイドリング期間に対応する第１安定区間時系列データとに分割することができる。
　図３を参照して、実施の形態１に係るデータ処理装置１００が備える第１分割部１３０が分割して得た第１部分時系列データ、及び、第２分割部１４０が第１部分時系列データを分割して得た第２部分時系列データについて説明する。
　図３は、実施の形態１に係るデータ処理装置１００が備える第１分割部１３０が分割して得た第１部分時系列データ、及び、第２分割部１４０が第１部分時系列データを分割して得た第２部分時系列データの一例を示す説明図である。
　時系列取得部１１０が取得する時系列データが、同じ加工製品を繰り返し製造する加工装置に設けられた振動センサから出力された信号が、時系列の情報に変換されたものである場合、第１部分時系列データには、１つの加工期間において、複数の加工工程のそれぞれに対応する時系列値の推移が出現する。
　ここで、加工工程とは、加工部材を台座に設置する工程、台座に設置された加工部材の形状を検知する工程、台座に設置された加工部材を切削する工程、切削後の加工部材の形状を検査する工程、又は、切削後の加工部材を台座から取り外す工程等である。
　第２分割部１４０は、複数の第１部分時系列データにおける第１振動区間時系列データのそれぞれを第２部分時系列データに分割することにより、第１振動区間時系列データを、複数の加工工程のそれぞれに対応する期間（以下「工程期間」という。）に対応する第２部分時系列データに分割することができる。
　複数の工程期間のそれぞれには、実際に加工装置が動作する工程動作期間と、ある加工工程において加工装置の動作が終了した時点から次の加工工程において加工装置の動作が開始する時点までの間の工程アイドリング期間とが存在する。
　第２分割部１４０は、第２部分時系列データを第２振動区間時系列データと第２安定区間時系列データとに分割することにより、第２部分時系列データを、工程動作期間に対応する第２振動区間時系列データと、工程アイドリング期間に対応する第２安定区間時系列データとに分割することができる。
　以上のように構成することにより、データ処理装置１００は、第１時間長と第２時間長とが予め定められていれば、時系列データに繰り返し出現する波形パターン毎に時系列データを部分時系列データに分割することができる。
　従来のデータ処理装置では、ユーザは、過去に取得した時系列データを分析して、時系列データを分割するための指標となる波形データ、及び波形データのパラメータ情報（以下「特別な情報」という。）を予め用意する必要あった。時系列データの分析には相当の知識が必要あり、ユーザにとって特別な情報を予め用意するのは容易なことではない。
　これに対して、例えば、時系列取得部１１０が取得する時系列データが、同じ加工製品を繰り返し製造する加工装置に設けられた振動センサから出力された信号が、時系列の情報に変換されたものである場合、アイドリング期間と工程アイドリング期間とはいずれも既知であるため、ユーザは、アイドリング期間と工程アイドリング期間とに基づいて、第１時間長と第２時間長とを容易に決定することができる。
　結果として、データ処理装置１００は、予め特別な情報を用意することなく、時系列データに繰り返し出現する波形パターン毎に時系列データを部分時系列データに分割することができる。
　出力部１９０は、例えば、第１分割部１３０が生成する第１分割情報と、第２分割部１４０が生成する第２分割情報とに基づいて、第１分割情報と第２分割情報とを可視化する表示画像を生成し、表示画像を示す表示情報を出力する。
　具体的には、例えば、出力部１９０は、表示情報を表示装置２０に出力して、表示情報が示す表示画像を表示装置２０に表示させる。
　出力部１９０は、表示情報を出力するものに限定されるものではない。例えば、出力部１９０は、第１分割情報と第２分割情報とを記憶装置１０に出力して、記憶装置１０に第１分割情報と第２分割情報とを記憶させるものであってもよい。
　上述のようにデータ処理装置１００は、異常検知部１５０を備えるものであってもよい。
　異常検知部１５０は、第２分割部１４０が分割した複数の第２部分時系列データのうちの少なくとも１個の第２部分時系列データに基づいて、時系列取得部１１０が取得する時系列データの異常を検知する。例えば、異常検知部１５０は、検知結果を示す検知情報を生成する。
　具体的には、例えば、第２分割部１４０が分割した複数の第２部分時系列データのうちの第２安定区間時系列データに基づいて、時系列取得部１１０が取得する時系列データの異常を検知する。
　より具体的には、例えば、異常検知部１５０は、第１分割部１３０が分割した複数の第１部分時系列データのそれぞれに対応する第２安定区間時系列データの数が、全ての第１部分時系列データにおいて、同一であるか否かを判定することにより時系列データの異常を検知する。
　仮に、複数の第１部分時系列データのそれぞれに対応する第２安定区間時系列データの数が、全ての第１部分時系列データにおいて、同一でない場合、例えば、２つの加工工程の間の期間が、予め定められた期間より短くなってしまっている可能性が考えられる。また、当該場合、２つの加工工程の間の期間の間に何らか原因によって、加工装置において予期されていない振動が生じている可能性があることが考えられる。
　したがって、以上のように構成することにより、異常検知部１５０は、時系列データの異常を精度よく検知することができる。
　また、例えば、異常検知部１５０は、第２分割部１４０が分割した複数の第２部分時系列データのうちの第２安定区間時系列データと、当該第２安定区間時系列データが第１振動区間時系列データにおける何番目の第２安定区間時系列データであるかを示す第２安定区間位置情報とに基づいて、時系列取得部１１０が取得する時系列データの異常を検知してもよい。
　例えば、異常検知部１５０は、予め用意された学習済モデルに第２安定区間時系列データと第２安定区間位置情報とを入力する。異常検知部１５０は、学習済モデルが出力する推論結果に基づいて、時系列データの異常を検知する。例えば、学習済モデルは、記憶装置１０に予め記憶されており、異常検知部１５０は、記憶装置１０から学習済モデルを読み出すことにより、学習済モデルを取得する。
　以上のように構成することにより、異常検知部１５０は、時系列データの異常を精度よく検知することができる。
　なお、学習済モデルは、不図示の学習装置が第２安定区間時系列データと第２安定区間位置情報とに基づいて、予め用意された学習モデルに教師あり学習又は教師なし学習等の学習させることにより生成される。学習済モデルの生成方法については説明を省略する。
　また、例えば、異常検知部１５０は、第２安定区間時系列データと第２安定区間位置情報とに基づいて、当該第２安定区間時系列データを、第２分割部１４０が他の第１部分時系列データの第１振動区間時系列データを分割した複数の第２部分時系列データのうちの第２安定区間時系列データであって、第２安定区間位置情報が同一である第２安定区間時系列データと比較することにより、時系列取得部１１０が取得する時系列データの異常を検知してもよい。
　具体的には、例えば、異常検知部１５０は、第２安定区間時系列データと第２安定区間位置情報が同一である他の第２安定区間時系列データとを比較して、類似度を判定することにより、時系列取得部１１０が取得する時系列データの異常を検知する。時系列データ同士の類似度を判定する方法は、周知であるため説明を省略する。
　以上のように構成することにより、異常検知部１５０は、時系列データの異常を精度よく検知することができる。
　異常検知部１５０は、時系列データの異常を検知する際に、時系列データの異常度を算出し、算出した異常度を示す検知情報を生成してもよい。
　異常検知部１５０が時系列データの異常度を算出することにより、データ処理装置１００は、例えば、加工装置が故障する前等の異常が発生する前に、加工装置の劣化等の異常が発生する兆候を確認することができる。
　データ処理装置１００が異常検知部１５０を備える場合、出力部１９０は、例えば、第１分割情報及び第２分割情報に加えて、異常検知部１５０が生成した検知情報を可視化する表示画像を生成し、表示画像を示す表示情報を出力する。
　出力部１９０は、第１分割情報及び第２分割情報に加えて、検知情報を記憶装置１０に出力し、記憶装置１０に第１分割情報、第２分割情報、及び検知情報を記憶させるものであってもよい。
　図４Ａ及び図４Ｂを参照して、実施の形態１に係るデータ処理装置１００の要部のハードウェア構成について説明する。
　図４Ａ及び図４Ｂは、実施の形態１に係るデータ処理装置１００の要部のハードウェア構成の一例を示す図である。
　図４Ａに示す如く、データ処理装置１００はコンピュータにより構成されており、当該コンピュータは、プロセッサ４０１及びメモリ４０２を有している。
　メモリ４０２には、当該コンピュータを、時系列取得部１１０、特徴抽出部１２０、第１分割部１３０、第２分割部１４０、異常検知部１５０、及び出力部１９０として機能させるためのプログラムが記憶されている。メモリ４０２に記憶されているプログラムをプロセッサ４０１が読み出して実行することにより、時系列取得部１１０、特徴抽出部１２０、第１分割部１３０、第２分割部１４０、異常検知部１５０、及び出力部１９０が実現される。
　また、図４Ｂに示す如く、データ処理装置１００は処理回路４０３により構成されても良い。この場合、時系列取得部１１０、特徴抽出部１２０、第１分割部１３０、第２分割部１４０、異常検知部１５０、及び出力部１９０の機能が処理回路４０３により実現されても良い。
　また、データ処理装置１００はプロセッサ４０１、メモリ４０２、及び処理回路４０３により構成されても良い（不図示）。この場合、時系列取得部１１０、特徴抽出部１２０、第１分割部１３０、第２分割部１４０、異常検知部１５０、及び出力部１９０の機能のうちの一部の機能がプロセッサ４０１及びメモリ４０２により実現されて、残余の機能が処理回路４０３により実現されるものであっても良い。
　プロセッサ４０１は、例えば、ＣＰＵ（Ｃｅｎｔｒａｌ　Ｐｒｏｃｅｓｓｉｎｇ　Ｕｎｉｔ）、ＧＰＵ（Ｇｒａｐｈｉｃｓ　Ｐｒｏｃｅｓｓｉｎｇ　Ｕｎｉｔ）、マイクロプロセッサ、マイクロコントローラ、又はＤＳＰ（Ｄｉｇｉｔａｌ　Ｓｉｇｎａｌ　Ｐｒｏｃｅｓｓｏｒ）を用いたものである。
　メモリ４０２は、例えば、半導体メモリ又は磁気ディスクを用いたものである。より具体的には、メモリ４０２は、ＲＡＭ（Ｒａｎｄｏｍ　Ａｃｃｅｓｓ　Ｍｅｍｏｒｙ）、ＲＯＭ（Ｒｅａｄ　Ｏｎｌｙ　Ｍｅｍｏｒｙ）、フラッシュメモリ、ＥＰＲＯＭ（Ｅｒａｓａｂｌｅ　Ｐｒｏｇｒａｍｍａｂｌｅ　Ｒｅａｄ　Ｏｎｌｙ　Ｍｅｍｏｒｙ）、ＥＥＰＲＯＭ（Ｅｌｅｃｔｒｉｃａｌｌｙ　Ｅｒａｓａｂｌｅ　Ｐｒｏｇｒａｍｍａｂｌｅ　Ｒｅａｄ－Ｏｎｌｙ　Ｍｅｍｏｒｙ）、ＳＳＤ（Ｓｏｌｉｄ　Ｓｔａｔｅ　Ｄｒｉｖｅ）、又はＨＤＤ（Ｈａｒｄ　Ｄｉｓｋ　Ｄｒｉｖｅ）などを用いたものである。
　処理回路４０３は、例えば、ＡＳＩＣ（Ａｐｐｌｉｃａｔｉｏｎ　Ｓｐｅｃｉｆｉｃ　Ｉｎｔｅｇｒａｔｅｄ　Ｃｉｒｃｕｉｔ）、ＰＬＤ（Ｐｒｏｇｒａｍｍａｂｌｅ　Ｌｏｇｉｃ　Ｄｅｖｉｃｅ）、ＦＰＧＡ（Ｆｉｅｌｄ－Ｐｒｏｇｒａｍｍａｂｌｅ　Ｇａｔｅ　Ａｒｒａｙ）、ＳｏＣ（Ｓｙｓｔｅｍ－ｏｎ－ａ－Ｃｈｉｐ）、又はシステムＬＳＩ（Ｌａｒｇｅ－Ｓｃａｌｅ　Ｉｎｔｅｇｒａｔｉｏｎ）を用いたものである。
　図５を参照して、実施の形態１に係るデータ処理装置１００の動作について説明する。
　図５は、実施の形態１に係るデータ処理装置１００の処理の一例を説明するフローチャートである。
　まず、ステップＳＴ５０１にて、時系列取得部１１０は、時系列データを取得する。
　次に、ステップＳＴ５０２にて、特徴抽出部１２０は、第１特徴量を抽出する。
　次に、ステップＳＴ５０３にて、第１分割部１３０は、時系列データを複数の第１部分時系列データに分割する。
　次に、ステップＳＴ５０４にて、特徴抽出部１２０は、第２特徴量を抽出する。
　次に、ステップＳＴ５０５にて、第２分割部１４０は、第１分割部１３０が分割した複数の第１部分時系列データのそれぞれを、複数の第２部分時系列データに分割する。
　次に、ステップＳＴ５０６にて、異常検知部１５０は、時系列データの異常を検知する。
　次に、ステップＳＴ５０７にて、出力部１９０は、表示情報を出力する。
　ステップＳＴ５０７の後、データ処理装置１００は、当該フローチャートの処理を終了する。
　以上のように、データ処理装置１００は、時系列データを取得する時系列取得部１１０と、時系列取得部１１０が取得する時系列データに基づいて、時系列データの特徴量を抽出する特徴抽出部１２０と、特徴抽出部１２０が抽出する特徴量に基づいて、時系列データを複数の第１部分時系列データに分割する第１分割部１３０と、特徴抽出部１２０が抽出する特徴量に基づいて、第１分割部１３０が分割した複数の第１部分時系列データのそれぞれを複数の第２部分時系列データに分割する第２分割部１４０と、を備えた。
　このように構成することにより、データ処理装置１００は、予め特別な情報を用意することなく、時系列データに繰り返し出現する波形パターン毎に時系列データを部分時系列データに分割することができる。
　また、データ処理装置１００は、上述の構成において、特徴抽出部１２０は、予め定められた第１時間長の第１スライド窓を用いて、時系列取得部１１０が取得する時系列データから第１特徴量を抽出し、第１分割部１３０は、特徴抽出部１２０が抽出した第１特徴量に基づいて時系列データを複数の第１部分時系列データに分割し、特徴抽出部１２０は、第１時間長より短い予め定められた第２時間長の第２スライド窓を用いて、第１分割部１３０が分割した複数の第１部分時系列データのそれぞれから第２特徴量を抽出し、第２分割部１４０は、抽出した第２特徴量に基づいて第１部分時系列データを複数の第２部分時系列データに分割するように構成した。
　このように構成することにより、データ処理装置１００は、予め特別な情報を用意することなく、時系列データに繰り返し出現する波形パターン毎に時系列データを部分時系列データに分割することができる。
　また、データ処理装置１００は、上述の構成に加えて、第２分割部１４０が分割した複数の第２部分時系列データのうちの少なくとも１個の第２部分時系列データに基づいて、時系列取得部１１０が取得する時系列データの異常を検知する異常検知部１５０を備えた。
　このように構成することにより、データ処理装置１００は、時系列データの異常を精度よく検知することができる。
　また、データ処理装置１００は、上述の構成において、第１分割部１３０が分割した複数の第１部分時系列データのそれぞれは、第１振動区間時系列データと第１安定区間時系列データとを有し、第２分割部１４０は、第１分割部１３０が分割した複数の第１部分時系列データのそれぞれについて、第１部分時系列データのうちの第１振動区間時系列データを複数の第２部分時系列データに分割し、第２分割部１４０が分割した複数の第２部分時系列データのそれぞれは、第２振動区間時系列データと第２安定区間時系列データとを有し、異常検知部１５０は、第２分割部１４０が分割した複数の第２部分時系列データのうちの第２安定区間時系列データに基づいて、時系列取得部１１０が取得する時系列データの異常を検知するように構成した。
　このように構成することにより、データ処理装置１００は、時系列データの異常を精度よく検知することができる。
　また、データ処理装置１００は、上述の構成において、異常検知部１５０は、第２分割部１４０が分割した複数の第２部分時系列データのうちの第２安定区間時系列データと、当該第２安定区間時系列データが第１振動区間時系列データにおける何番目の第２安定区間時系列データであるかを示す第２安定区間位置情報とに基づいて、時系列取得部１１０が取得する時系列データの異常を検知するように構成した。
　このように構成することにより、データ処理装置１００は、時系列データの異常を精度よく検知することができる。
　また、データ処理装置１００は、上述の構成において、異常検知部１５０は、第２安定区間時系列データと第２安定区間位置情報とに基づいて、当該第２安定区間時系列データを、第２分割部１４０が他の第１部分時系列データの第１振動区間時系列データを分割した複数の第２部分時系列データのうちの第２安定区間時系列データであって、第２安定区間位置情報が同一である第２安定区間時系列データと比較することにより、時系列取得部１１０が取得する時系列データの異常を検知するように構成した。
　このように構成することにより、データ処理装置１００は、時系列データの異常を精度よく検知することができる。
　なお、この開示は、その開示の範囲内において、実施の形態の任意の構成要素の変形、もしくは実施の形態において任意の構成要素の省略が可能である。
　この開示に係るデータ処理装置は、時系列データの異常を検知するデータ処理システムに適用することができる。
　１　データ処理システム、１０　記憶装置、２０　表示装置、１００　データ処理装置、１１０　時系列取得部、１２０　特徴抽出部、１３０　第１分割部、１４０　第２分割部、１５０　異常検知部、１９０　出力部、４０１　プロセッサ、４０２　メモリ、４０３　処理回路。

Claims (7)

  1. 　時系列データを取得する時系列取得部と、
    　前記時系列取得部が取得する前記時系列データに基づいて、前記時系列データの特徴量を抽出する特徴抽出部と、
    　前記特徴抽出部が抽出する前記特徴量に基づいて、前記時系列データを複数の第１部分時系列データに分割する第１分割部と、
    　前記特徴抽出部が抽出する前記特徴量に基づいて、前記第１分割部が分割した複数の前記第１部分時系列データのそれぞれを複数の第２部分時系列データに分割する第２分割部と、
    　を備えたこと
    　を特徴とするデータ処理装置。
  2. 　前記特徴抽出部は、予め定められた第１時間長の第１スライド窓を用いて、前記時系列取得部が取得する前記時系列データから第１特徴量を抽出し、
    　前記第１分割部は、前記特徴抽出部が抽出した前記第１特徴量に基づいて前記時系列データを複数の前記第１部分時系列データに分割し、
    　前記特徴抽出部は、前記第１時間長より短い予め定められた第２時間長の第２スライド窓を用いて、前記第１分割部が分割した複数の前記第１部分時系列データのそれぞれから第２特徴量を抽出し、
    　前記第２分割部は、抽出した前記第２特徴量に基づいて前記第１部分時系列データを複数の前記第２部分時系列データに分割すること
    　を特徴とする請求項１記載のデータ処理装置。
  3. 　前記第２分割部が分割した複数の前記第２部分時系列データのうちの少なくとも１個の前記第２部分時系列データに基づいて、前記時系列取得部が取得する前記時系列データの異常を検知する異常検知部
    　を備えたこと
    　を特徴とする請求項１記載のデータ処理装置。
  4. 　前記第１分割部が分割した複数の前記第１部分時系列データのそれぞれは、第１振動区間時系列データと第１安定区間時系列データとを有し、
    　前記第２分割部は、前記第１分割部が分割した複数の前記第１部分時系列データのそれぞれについて、前記第１部分時系列データのうちの前記第１振動区間時系列データを複数の前記第２部分時系列データに分割し、
    　前記第２分割部が分割した複数の前記第２部分時系列データのそれぞれは、第２振動区間時系列データと第２安定区間時系列データとを有し、
    　前記異常検知部は、前記第２分割部が分割した複数の前記第２部分時系列データのうちの前記第２安定区間時系列データに基づいて、前記時系列取得部が取得する前記時系列データの異常を検知すること
    　を特徴とする請求項３記載のデータ処理装置。
  5. 　前記異常検知部は、前記第２分割部が分割した複数の前記第２部分時系列データのうちの前記第２安定区間時系列データと、当該第２安定区間時系列データが前記第１振動区間時系列データにおける何番目の前記第２安定区間時系列データであるかを示す第２安定区間位置情報とに基づいて、前記時系列取得部が取得する前記時系列データの異常を検知すること
    　を特徴とする請求項４記載のデータ処理装置。
  6. 　前記異常検知部は、前記第２安定区間時系列データと前記第２安定区間位置情報とに基づいて、当該第２安定区間時系列データを、前記第２分割部が他の前記第１部分時系列データの前記第１振動区間時系列データを分割した複数の前記第２部分時系列データのうちの前記第２安定区間時系列データであって、前記第２安定区間位置情報が同一である前記第２安定区間時系列データと比較することにより、前記時系列取得部が取得する前記時系列データの異常を検知すること
    　を特徴とする請求項５記載のデータ処理装置。
  7. 　時系列取得部が、時系列データを取得する時系列取得ステップと、
    　特徴抽出部が、前記時系列取得ステップにより取得された前記時系列データに基づいて、前記時系列データの特徴量を抽出する特徴抽出ステップと、
    　第１分割部が、前記特徴抽出ステップにより抽出された前記特徴量に基づいて、前記時系列データを複数の第１部分時系列データに分割する第１分割ステップと、
    　第２分割部が、前記特徴抽出ステップにより抽出された前記特徴量に基づいて、前記第１分割ステップにより分割された複数の前記第１部分時系列データのそれぞれを複数の第２部分時系列データに分割する第２分割ステップと、
    　を備えたこと
    　を特徴とするデータ処理方法。
PCT/JP2020/026255 2020-07-03 2020-07-03 データ処理装置及びデータ処理方法 WO2022003969A1 (ja)

Priority Applications (5)

Application Number Priority Date Filing Date Title
PCT/JP2020/026255 WO2022003969A1 (ja) 2020-07-03 2020-07-03 データ処理装置及びデータ処理方法
KR1020227045377A KR102553397B1 (ko) 2020-07-03 2020-07-03 데이터 처리 장치
JP2022530664A JP7114008B2 (ja) 2020-07-03 2020-07-03 データ処理装置
CN202080099775.2A CN115698956A (zh) 2020-07-03 2020-07-03 数据处理装置和数据处理方法
TW110102460A TWI795719B (zh) 2020-07-03 2021-01-22 資料處理裝置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2020/026255 WO2022003969A1 (ja) 2020-07-03 2020-07-03 データ処理装置及びデータ処理方法

Publications (1)

Publication Number Publication Date
WO2022003969A1 true WO2022003969A1 (ja) 2022-01-06

Family

ID=79314973

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2020/026255 WO2022003969A1 (ja) 2020-07-03 2020-07-03 データ処理装置及びデータ処理方法

Country Status (5)

Country Link
JP (1) JP7114008B2 (ja)
KR (1) KR102553397B1 (ja)
CN (1) CN115698956A (ja)
TW (1) TWI795719B (ja)
WO (1) WO2022003969A1 (ja)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2014174943A (ja) * 2013-03-13 2014-09-22 Yahoo Japan Corp 時系列データ解析装置、時系列データ解析方法、およびプログラム
JP2016046705A (ja) * 2014-08-25 2016-04-04 コニカミノルタ株式会社 会議録編集装置、その方法とプログラム、会議録再生装置、および会議システム
JP2016110534A (ja) * 2014-12-10 2016-06-20 日本電信電話株式会社 生体センサを用いた情報入力装置、生体センサを用いた情報入力方法、生体センサを用いた情報入力プログラム
JP2018149183A (ja) * 2017-03-14 2018-09-27 オムロンヘルスケア株式会社 血圧データ処理装置、血圧データ処理方法、およびプログラム
JP2020067786A (ja) * 2018-10-24 2020-04-30 オムロン株式会社 制御装置および制御プログラム

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
TWI798314B (zh) * 2017-12-28 2023-04-11 日商東京威力科創股份有限公司 資料處理裝置、資料處理方法及資料處理程式
KR102238867B1 (ko) 2018-07-03 2021-04-09 미쓰비시덴키 가부시키가이샤 데이터 처리 장치 및 데이터 처리 방법

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2014174943A (ja) * 2013-03-13 2014-09-22 Yahoo Japan Corp 時系列データ解析装置、時系列データ解析方法、およびプログラム
JP2016046705A (ja) * 2014-08-25 2016-04-04 コニカミノルタ株式会社 会議録編集装置、その方法とプログラム、会議録再生装置、および会議システム
JP2016110534A (ja) * 2014-12-10 2016-06-20 日本電信電話株式会社 生体センサを用いた情報入力装置、生体センサを用いた情報入力方法、生体センサを用いた情報入力プログラム
JP2018149183A (ja) * 2017-03-14 2018-09-27 オムロンヘルスケア株式会社 血圧データ処理装置、血圧データ処理方法、およびプログラム
JP2020067786A (ja) * 2018-10-24 2020-04-30 オムロン株式会社 制御装置および制御プログラム

Also Published As

Publication number Publication date
JP7114008B2 (ja) 2022-08-05
TWI795719B (zh) 2023-03-11
TW202219770A (zh) 2022-05-16
CN115698956A (zh) 2023-02-03
KR102553397B1 (ko) 2023-07-07
JPWO2022003969A1 (ja) 2022-01-06
KR20230010773A (ko) 2023-01-19

Similar Documents

Publication Publication Date Title
US10956451B2 (en) Time-series data processing method, recording medium having recorded thereon time-series data processing program, and time-series data processing device
US11209487B2 (en) Rotor diagnostic apparatus, rotor diagnostic method, and rotor diagnostic program
US11782430B2 (en) Abnormality diagnosis method, abnormality diagnosis device and non-transitory computer readable storage medium
JP2020027342A (ja) 情報処理装置、監視装置、及び情報処理方法
EP2135144B1 (en) Machine condition monitoring using pattern rules
DK2492694T3 (en) A method and system for a sensor interface having a dynamic automatic gain control depending on the speed
JP6169473B2 (ja) 作業機械の管理装置及び作業機械の異常判定方法
WO2022003969A1 (ja) データ処理装置及びデータ処理方法
JP7224469B2 (ja) 異常診断方法、異常診断装置および異常診断プログラム
JP4071161B2 (ja) 回転機械の劣化診断方法
JPWO2019026193A1 (ja) 情報処理装置、情報処理システム、情報処理方法、及び、プログラム
WO2020189132A1 (ja) 学習装置、学習方法、コンピュータプログラム及び記録媒体
JP2015161506A (ja) 信号解析装置、信号解析方法、劣化診断装置及び劣化診断方法
JP2019016194A (ja) 状態識別方法、状態識別装置及び状態識別プログラム
TW202223767A (zh) 學習裝置、不良檢測裝置以及不良檢測方法
JP6459345B2 (ja) 変動データ管理システム及びその特異性検出方法
EP3712777A1 (en) Data classification device
JP6621190B1 (ja) 検査装置、検査方法、および、検査プログラム
WO2021229815A1 (ja) 情報処理装置、評価方法、および評価プログラム
US20240144101A1 (en) Generation system, computer-readable storage medium, and method for generating waveform evaluation model
CN114862283B (zh) 机床加工的质检方法、质检装置
JP2020035081A (ja) 異常検出装置、異常検出方法、異常検出プログラム及び異常検出システム
US10677619B2 (en) Method of monitoring a vector-based position sensor
US20230109103A1 (en) Abnormality detection device and abnormality detection method
JP6302523B1 (ja) 製品診断装置、製品診断方法、および、製品診断プログラム

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: 20943600

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2022530664

Country of ref document: JP

Kind code of ref document: A

ENP Entry into the national phase

Ref document number: 20227045377

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: 20943600

Country of ref document: EP

Kind code of ref document: A1