CN112488439A - 信息呈现装置、信息呈现方法以及信息呈现*** - Google Patents
信息呈现装置、信息呈现方法以及信息呈现*** Download PDFInfo
- Publication number
- CN112488439A CN112488439A CN202010932876.5A CN202010932876A CN112488439A CN 112488439 A CN112488439 A CN 112488439A CN 202010932876 A CN202010932876 A CN 202010932876A CN 112488439 A CN112488439 A CN 112488439A
- Authority
- CN
- China
- Prior art keywords
- information
- unit
- data
- abnormality
- presented
- Prior art date
- Legal status (The legal status 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 status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 17
- 230000005856 abnormality Effects 0.000 claims abstract description 157
- 238000012544 monitoring process Methods 0.000 claims abstract description 93
- 238000006243 chemical reaction Methods 0.000 claims abstract description 89
- 239000000284 extract Substances 0.000 claims abstract description 20
- 238000000605 extraction Methods 0.000 claims abstract description 19
- 238000004364 calculation method Methods 0.000 claims description 42
- 238000004458 analytical method Methods 0.000 claims description 39
- 238000001514 detection method Methods 0.000 description 46
- 230000008859 change Effects 0.000 description 22
- 238000004891 communication Methods 0.000 description 14
- 230000004048 modification Effects 0.000 description 14
- 238000012986 modification Methods 0.000 description 14
- 238000010586 diagram Methods 0.000 description 13
- 230000006870 function Effects 0.000 description 12
- 238000012545 processing Methods 0.000 description 6
- 238000010801 machine learning Methods 0.000 description 4
- 238000000513 principal component analysis Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005265 energy consumption Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000005057 refrigeration Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000013179 statistical model Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/3055—Monitoring arrangements for monitoring the status of the computing system or of the computing system component, e.g. monitoring if the computing system is on, off, available, not available
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/32—Monitoring with visual or acoustical indication of the functioning of the machine
- G06F11/324—Display of status information
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/21—Design, administration or maintenance of databases
- G06F16/219—Managing data history or versioning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Quality & Reliability (AREA)
- Human Resources & Organizations (AREA)
- Data Mining & Analysis (AREA)
- Computing Systems (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Strategic Management (AREA)
- Databases & Information Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Bioinformatics & Computational Biology (AREA)
- Tourism & Hospitality (AREA)
- Game Theory and Decision Science (AREA)
- Signal Processing (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Computer Networks & Wireless Communication (AREA)
- Bioinformatics & Cheminformatics (AREA)
- General Business, Economics & Management (AREA)
- Medical Informatics (AREA)
- Evolutionary Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mathematical Physics (AREA)
- Testing And Monitoring For Control Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明提供一种信息呈现装置、信息呈现方法以及信息呈现***,目的在于根据适当的观点选择在监视对象的数据中检测到的异常来呈现给用户。信息呈现装置具备:获取部,其获取监视对象的数据的异常指标值;变换部,其使用存储于第1领域知识DB的和异常指标值有关的类别与用户感兴趣的类别的对应关系的第1领域知识,来将异常指标值变换为变换值;判别部,其基于存储于第2领域知识DB的关于变换值的阈值而预先设定的第2领域知识,判别是否呈现变换值;提取部,其从监视对象的数据的历史数据中提取在分析变换为被判别为进行呈现的变换值之前的异常指标值时使用的监视对象的数据;以及呈现部,其呈现判别为进行呈现的变换值和提取出的监视对象的数据。
Description
技术领域
本发明涉及一种信息呈现装置、信息呈现方法以及信息呈现***,尤其涉及数据监视***中的信息呈现技术。
背景技术
针对随着时间经过而积蓄的数据应用使用了机器学习等统计方法的自动处理的数据监视技术正在普及。例如,专利文献1公开了在机械设备的运转状况的监视中,在监视对象的数据与基准数据之间检测到显著性差异的情况下将其判定为机械设备的异常的技术。
在以往的使用了机器学***时的状态。
但是,在以往的数据监视技术中,即使为表示相同的异常的信息,也可以说其显著性根据与用户在数据监视***中承担的任务的种类、职务、责任的范围相应的喜好、兴趣的对象而不同。例如,举出机械设备中的能量监视的例子,即便在表示检测到的异常的信息例如作为能耗而表示白白的消耗的情况下,从机械设备的高效的运用的观点来看,金钱上的影响小,所以有时也基于与处置所涉及的费用的比较考量,想要忽略表示该异常的数据的差异。或者,从机械设备的安全性管理这样的观点来看,存在即使产生表示检测到的异常的数据的差异也被判断为可以不进行特别的处置的情形。
这样,将在监视对象的数据中检测到的异常全部机械性地通知给用户可能会造成使监视任务中的操作效率下降。另一方面,在检测到大量的表示产生异常的显著性差异的情况下,在从中真正根据用户的喜好、兴趣、职务、责任等选择应呈现的异常的情况下,需要巨大的劳力。因此,期待根据适当的观点来选择在监视对象的数据中检测到的异常并呈现给用户的技术。
现有技术文献
专利文献
专利文献1:日本特开2003-186534号公报
发明内容
发明要解决的问题
本发明是为了解决上述问题而完成的,其目的在于根据适当的观点来选择在监视对象的数据中检测到的异常并呈现给用户。
用于解决问题的手段
为了解决上述问题,本发明的信息呈现装置具备:获取部,其获取表示分析监视对象的数据而得到的结果即异常程度的第1信息;第1存储部,其存储和表示所述异常程度的所述第1信息有关的类别与用户感兴趣的类别的对应关系,作为预先设定的定量规则;变换部,其使用所述预先设定的定量规则,将所述第1信息变换为第2信息;第2存储部,其存储关于所述第2信息的阈值而预先设定的基准;判别部,其基于所述预先设定的基准,判别是否呈现所述第2信息;提取部,其从存储于第3存储部的所述监视对象的数据的历史数据中提取在分析所述第1信息时使用的所述监视对象的数据,该所述第1信息是由所述变换部变换为所述判别部判别为进行呈现的所述第2信息之前的所述第1信息;以及呈现部,其在所述判别部判别为呈现所述第2信息的情况下,呈现所述第2信息和提取出的所述监视对象的数据。
另外,在本发明的信息呈现装置中,所述预先设定的定量规则也可以包括表示与所述第1信息关联起来的所述监视对象的数据的管理指标的信息。
另外,在本发明的信息呈现装置中,所述呈现部也可以包括显示装置,其使由所述判别部判别为进行呈现的所述第2信息和由所述提取部提取出的所述监视对象的数据显示于显示画面。
另外,在本发明的信息提取装置中,也可以是,还具备:收集部,其收集所述监视对象的数据;以及计算部,其使用预先构建的分析模型来分析由所述收集部收集到的所述监视对象的数据,计算表示所述监视对象的数据的异常程度的所述第1信息,由所述收集部收集到的所述监视对象的数据存储于所述第3存储部,所述获取部获取由所述计算部计算出的所述第1信息。
另外,为了解决上述问题,本发明的信息呈现方法具备:第1步骤,获取表示分析监视对象的数据而得到的结果即异常程度的第1信息;第2步骤,使用作为预先设定的定量规则而存储于第1存储部的、和表示所述异常程度的所述第1信息有关的类别与用户感兴趣的类别的对应关系,将所述第1信息变换为第2信息;第3步骤,基于存储于第2存储部的关于所述第2信息的阈值而预先设定的基准,判别是否呈现所述第2信息;第4步骤,从存储于第3存储部的所述监视对象的数据的历史数据中提取在分析所述第1信息时使用的所述监视对象的数据,该所述第1信息是在所述第2步骤中变换为在所述第3步骤中被判别为进行呈现的所述第2信息之前的所述第1信息;以及第5步骤,呈现在所述第3步骤中被判别为进行呈现的所述第2信息和在所述第4步骤中提取出的所述监视对象的数据。
为了解决上述问题,本发明的信息呈现***具备:第1服务器装置;以及多个客户端装置,所述第1服务器装置具有:收集部,其收集监视对象的数据;以及计算部,其使用预先构建的分析模型来分析由所述收集部收集到的所述监视对象的数据,计算表示分析而得到的结果即异常程度的第1信息,所述多个客户端装置分别具有:获取部,其获取由所述计算部计算出的所述第1信息;第1存储部,其存储和所述第1信息有关的类别与用户感兴趣的类别的对应关系,作为预先设定的定量规则;变换部,其使用所述预先设定的定量规则,将所述第1信息变换为第2信息;第2存储部,其存储关于所述第2信息的阈值而预先设定的基准;判别部,其基于所述预先设定的基准,判别是否呈现所述第2信息;提取部,其从存储于第3存储部的所述监视对象的数据的历史数据中提取在分析所述第1信息时使用的所述监视对象的数据,该所述第1信息是由所述变换部变换为所述判别部判别为进行呈现的所述第2信息之前的所述第1信息;以及呈现部,其在所述判别部判别为呈现所述第2信息的情况下,呈现所述第2信息和提取出的所述监视对象的数据。
另外,在本发明的信息呈现***中,也可以是,存储于所述多个客户端装置所具备的所述第1存储部以及所述第2存储部的所述预先设定的定量规则以及所述预先设定的基准在所述多个客户端装置各自中互不相同。
为了解决上述问题,本发明的信息呈现***具备:第1服务器装置;以及多个客户端装置,所述第1服务器装置具有:收集部,其收集监视对象的数据;计算部,其使用预先构建的分析模型来分析由所述收集部收集到的所述监视对象的数据,计算表示分析而得到的结果即异常程度的第1信息;获取部,其获取由所述计算部计算出的所述第1信息;第1存储部,其存储和所述第1信息有关的类别与用户感兴趣的类别的对应关系,作为预先设定的定量规则;变换部,其使用所述预先设定的定量规则,将所述第1信息变换为第2信息;第2存储部,其存储关于所述第2信息的阈值而预先设定的基准;判别部,其基于所述预先设定的基准,判别是否呈现所述第2信息;以及提取部,其从存储于第3存储部的所述监视对象的数据的历史数据中提取在分析所述第1信息时使用的所述监视对象的数据,该所述第1信息是由所述变换部变换为所述判别部判别为进行呈现的所述第2信息之前的所述第1信息,所述多个客户端装置分别具有呈现部,其在所述判别部判别为呈现所述第2信息的情况下,呈现所述第2信息和提取出的所述监视对象的数据。
为了解决上述问题,本发明的信息呈现***具备:第1服务器装置;第2服务器装置;以及多个客户端装置,所述第1服务器装置具有:收集部,其收集监视对象的数据;以及计算部,其使用预先构建的分析模型来分析由所述收集部收集到的所述监视对象的数据,计算表示分析而得到的结果即异常程度的第1信息,所述第2服务器装置具有:获取部,其获取由所述计算部计算出的所述第1信息;第1存储部,其存储和所述第1信息有关的类别与用户感兴趣的类别的对应关系,作为预先设定的定量规则;变换部,其使用所述预先设定的定量规则,将所述第1信息变换为第2信息;第2存储部,其存储关于所述第2信息的阈值而预先设定的基准;判别部,其基于所述预先设定的基准,判别是否呈现所述第2信息;以及提取部,其从存储于第3存储部的所述监视对象的数据的历史数据中提取在分析所述第1信息时使用的所述监视对象的数据,该所述第1信息是由所述变换部变换为所述判别部判别为进行呈现的所述第2信息之前的所述第1信息,所述客户端装置分别具有呈现部,其在所述判别部判别为呈现所述第2信息的情况下,呈现所述第2信息和提取出的所述监视对象的数据。
为了解决上述问题,本发明的信息呈现***具备:第1服务器装置;多个第2服务器装置;以及多个客户端装置,所述第1服务器装置具有:收集部,其收集监视对象的数据;以及计算部,其使用预先构建的分析模型来分析由所述收集部收集到的所述监视对象的数据,计算表示分析而得到的结果即异常程度的第1信息,所述多个第2服务器装置分别具有:获取部,其获取由所述计算部计算出的所述第1信息;第1存储部,其存储和所述第1信息有关的类别与用户感兴趣的类别的对应关系,作为预先设定的定量规则;变换部,其使用所述预先设定的定量规则,将所述第1信息变换为第2信息;第2存储部,其存储关于所述第2信息的阈值而预先设定的基准;判别部,其基于所述预先设定的基准,判别是否呈现所述第2信息;以及提取部,其从存储于第3存储部的所述监视对象的数据的历史数据中提取在分析所述第1信息时使用的所述监视对象的数据,该所述第1信息是由所述变换部变换为所述判别部判别为进行呈现的所述第2信息之前的所述第1信息,所述客户端装置分别具有呈现部,其在所述判别部判别为呈现所述第2信息的情况下,呈现所述第2信息和提取出的所述监视对象的数据。
发明的效果
根据本发明,使用预先设定的定量规则,将表示监视对象的数据的分析结果即异常程度的第1信息变换为第2信息,基于关于第2信息的阈值而预先设定的基准,来判别是否呈现第2信息,提取并呈现被判别为进行呈现的第2信息和在分析变换为第2信息之前的第1信息时使用的监视对象的数据。因此,能够根据适当的观点来选择在监视对象的数据中检测到的异常并呈现给用户。
附图说明
图1为表示本发明的实施方式的信息呈现装置以及异常检测装置的结构的框图。
图2为表示本实施方式的信息呈现装置的硬件结构的一个例子的框图。
图3为表示本实施方式的信息呈现装置的动作的一个例子的流程图。
图4为表示本实施方式的异常检测装置的动作的一个例子的流程图。
图5为用于说明本实施方式的异常检测装置的动作的图。
图6为用于说明本实施方式的异常检测装置的动作的图。
图7为用于说明本实施方式的异常检测装置的动作的图。
图8为表示本实施方式的信息呈现***的结构例的框图。
图9为表示本实施方式的信息呈现***的其它结构例的框图。
图10为表示本实施方式的信息呈现***的其它结构例的框图。
图11为用于说明本实施方式的变形例1的异常检测装置的动作的图。
图12为表示变形例1的呈现例的图。
图13为用于说明变形例2的异常检测装置的动作的图。
具体实施方式
以下,参照图1至图13,对本发明的优选的实施方式详细地进行说明。
首先,对本发明的实施方式的信息呈现装置1的概要进行说明。
信息呈现装置1使用预先设定的定量规则将表示分析监视对象的数据而得到的结果即异常程度的第1信息变换为第2信息。定量规则是指作为和表示异常程度的第1信息有关的类别与用户感兴趣的类别的对应关系而预先设定的信息(以下,称为“第1领域知识”)。
另外,信息呈现装置1基于关于第2信息的阈值而预先设定的基准,判别是否将第2信息呈现给用户。信息呈现装置1从监视对象数据23(第3存储部)的历史数据中提取作为变换为判别为是应呈现给用户的信息的第2信息之前的第1信息的源头的数据、即在分析第1信息时使用的监视对象的数据,将第2信息和提取出的监视对象的数据呈现给用户。
在此,关于第2信息的阈值而预先设定的基准是指为了判别用户所期望的优先级、兴趣度、重要度更高的异常而关于第2信息的阈值而设定的基准(以下,称为“第2领域知识”)。
例如,在监视机械设备等设备中的气体、电力等能量的能量监视***中,设备中使用的气体、电力等数据被积蓄,表示通常不产生的气体、电力的消耗的急剧的数据变化被检测为异常。在这样的能量监视***中,基于各种管理指标,对检测到的数据的异常进行监视以及管理。例如,设备保养员、运转操作者、预算管理者等分别从事不同的任务的多个用户根据与各自的任务相应的观点,掌握在设备中检测到的异常,进行监视任务。
例如,如果为设备保养员,则需要根据设备的劣化度的观点来掌握在能量监视***中检测到的异常。如果为运转操作者,则需要根据工序的危险度的观点来掌握检测到的异常。另外,预算管理者需要根据能量损耗金额的观点来掌握检测到的异常。
这样,本实施方式的特征之一在于,使用第1领域知识将表示监视对象的数据的分析结果即异常程度的第1信息变换成与用户使用的管理指标相应的表达形式,进而,基于第2领域知识来判别变换而成的第2信息是否为应呈现给用户的必要异常程度,将被判别为应呈现的第2信息和其源头的监视对象的数据呈现给用户。
如图1所示,信息呈现装置1具备获取部10、存储部11、变换部13、判别部15、提取部16以及呈现部17。在本实施方式中,信息呈现装置1经由通信网络NW而与异常检测装置2连接。信息呈现装置1以及异常检测装置2例如设置于上述能量监视***。
[异常检测装置的功能块]
首先,对异常检测装置2的功能块进行说明。
异常检测装置2具备收集部20、计算部21、存储部22以及输出部24。异常检测装置2收集并积蓄监视对象的数据,使用事先构建的分析模型来分析监视对象的数据,计算表示在数据中产生的异常程度的第1信息(以下,称为“异常指标值”。)。
收集部20经由通信网络NW收集监视对象的数据。收集到的数据积蓄于存储部22的监视对象数据23中。收集部20能够按照预先设定的周期来收集数据。例如,收集部20能够按照1小时1个样本的周期收集设备中的电力使用量的数据。
计算部21使用预先构建的分析模型来分析收集到的监视对象的数据,计算监视对象的数据的异常指标值。作为分析模型,能够使用统计模型、机器学习模型。具体而言,计算部21能够使用稳健主成分分析、自动编码器、或者内核变化点探测等时间序列变化点探测手法等,计算表示监视对象的数据的异常程度的异常指标值。例如,计算部21能够计算设备中的实际的电力使用量与推测使用量的绝对误差,计算取各日的总和而得到的损耗电力量[kWh]作为异常指标值。
存储部22具备监视对象数据23。存储部22保存有事先构建的分析模型。例如,学习完毕的自动编码器等保存于存储部22。另外,监视对象数据23积蓄由收集部20收集到的监视对象的数据。
输出部24经由通信网络NW将由计算部21计算出的异常指标值送出至信息呈现装置1。例如,输出部24能够根据来自信息呈现装置1的请求来输出计算出的异常指标值。
[信息呈现装置的功能块]
接下来,对信息呈现装置1的功能块进行说明。
获取部10获取在异常检测装置2中计算出的异常指标值。例如,获取部10能够基于与从外部输入至后述输入装置107的操作输入相应的获取请求,经由通信网络NW从异常检测装置2获取异常指标值。
存储部11具备第1领域知识DB(第1存储部)12以及第2领域知识DB(第2存储部)14。
第1领域知识DB12存储作为和异常指标值有关的类别与用户感兴趣的类别的对应关系的定量规则的第1领域知识。第1领域知识包括表示与异常指标值关联起来的监视对象的数据的管理指标的信息。例如,在能量监视***中,预先设定的定量规则包括用于根据用户所使用的管理指标来变换检测到的异常指标值的信息。
具体而言,在用户为能量监视***中的预算管理者的情况下,用户的兴趣度在于设备中的能量的损耗金额。在该情况下,作为用户的领域固有的信息即第1领域知识,包括电力的单价[日元/kWh]等。即,与异常指标值有关的类别为损耗电力量,用户感兴趣的类别为能量的损耗金额。
另外,例如,在异常指标值的危险度因时间段的不同而不同的情况下,在期望通过后述变换部13得到基于时间段的加权后的异常指标值的情况下,作为第1领域知识,包括表示按时间段来划分的危险度的值。
变换部13使用第1领域知识,将异常指标值变换为第2信息(以下,称为“变换值”。)。更具体而言,变换部13进行异常指标值的单位的变换、加权。例如,变换部13将作为异常指标值而获取到的损耗电力量[kWh]以及作为第1领域知识的电力单价[日元/kWh]代入至变换公式[异常指标值[kWh]×电力单价[日元/kWh]],来求出能量的损耗金额[日元]。
第2领域知识DB14存储作为关于变换值的阈值而预先设定的基准的第2领域知识。第2领域知识是指用于从由变换部13变换后的变换值之中判别应呈现给用户的变换值的基准。
在第2领域知识中,包括与机械设备等的运用有关的知识,例如与已知伴随预定的机械设备的运用实施等而事先产生的异常值的产生有关的信息。另外,第2领域知识包括与机械设备的运用的变更有关的知识。与机械设备的运用的变更有关的知识例如包括与季节的变化相应地变更与空调等设备的运行有关的设定。
另外,第2领域知识包括与监视对象的数据以及数据的处理有关的知识。详细内容将在后面叙述,与数据以及数据的处理有关的知识为与比较对象有关的知识,例如为分析对象的数据区间(期间)与紧接着其之前的区间的与某个特性值有关的差分所涉及的信息。另外,第2领域知识包括与阈值等界限条件有关的知识。
判别部15基于第2领域知识,根据由变换部13变换后的变换值并基于第2领域知识所示的基准来判别是否将变换值呈现给用户。具体而言,判别部15判定变换值是否满足阈值。另外,在第2领域知识包括多个条件的情况下,能够通过这些条件的逻辑运算来进行判定。例如,在满足与机械设备等的运用有关的基准,且超过阈值的情况下,判别部15能够判别为应将该变换值呈现给用户。
提取部16从监视对象数据23的历史数据中提取成为判别部15判别为呈现给用户的变换值的源头的监视对象的数据、即当在异常检测装置2中计算出由变换部13变换之前的异常指标值时使用的监视对象的数据。
呈现部17将由判别部15判别为应呈现给用户的变换值和由提取部16提取出的监视对象的数据呈现给用户。例如,呈现部17能够使应呈现的变换值以及作为源头的数据的提取出的监视对象的数据以用户能够比较的方式显示于后述显示装置108的显示画面。呈现部17将由判别部15判别出的、对于用户而言优先级、兴趣度、重要度更高的异常指标值的变换值呈现给用户。
由呈现部17呈现的变换值为与用户在能量监视任务中使用的特定的管理指标相应的异常指标值,且为仅表示检测到的大量的异常指标值中的、在用户的任务中需要的异常指标值的信息。例如,即便作为异常指标值而得到的能量使用量[kWh]被变换为能量损耗金额[日元],根据机械设备整体的效率的观点,也仅呈现给用户超过阈值的能量损耗金额[日元]。
[信息呈现装置的硬件结构]
接下来,参照图2的框图,对实现具有上述功能的信息呈现装置1的硬件结构的一个例子进行说明。
如图2所示,信息呈现装置1例如能够由具备经由总线101连接的处理器102、主存储装置103、通信接口104、辅助存储装置105、输入输出I/O106、输入装置107以及显示装置108的计算机、和控制这些硬件资源的程序实现。处理器102由CPU、GPU等构成。
主存储装置103中预先保存有用于处理器102进行各种控制、运算的程序。由处理器102和主存储装置103实现图1所示的变换部13、判别部15、提取部16等信息呈现装置1的各功能。
通信接口104为用于将信息呈现装置1与各种外部电子仪器之间进行网络连接的接口电路。例如,经由通信接口104,信息呈现装置1与异常检测装置2网络连接,能够将由异常检测装置2计算出的异常指标值送出至信息呈现装置1。
辅助存储装置105由能够读写的存储介质和用于针对该存储介质读写程序、数据等各种信息的驱动装置构成。在辅助存储装置105中,能够使用硬盘、闪存存储器等半导体存储器作为存储介质。
辅助存储装置105具有程序保存区域,其保存用于信息呈现装置1执行包括变换处理、判别处理、提取处理的各种处理的信息呈现处理程序。辅助存储装置105具有保存第1领域知识的区域以及保存第2领域知识的区域。
由辅助存储装置105实现在图1中说明的包括第1领域知识DB12以及第2领域知识DB14的存储部11。进而,例如也可以具有用于对上述数据、程序等进行备份的备份区域等。
输入输出I/O106由I/O端子构成,其输入来自外部仪器的信号,或者向外部仪器输出信号。
输入装置107由物理键、触摸面板等构成,生成并输出与来自外部的操作输入相应的信号。
显示装置108由液晶显示器等构成。显示装置108实现在图1中说明的呈现部17。
关于在图1中说明的异常检测装置2,也能够利用与图2所示的信息呈现装置1同样的硬件结构来实现。此外,信息呈现装置1和异常检测装置2也可以由一个通用的运算装置构成。
[信息呈现方法]
接下来,使用图3的流程图,对具有上述结构的信息呈现装置1的动作进行说明。以下,以监视对象的数据为机械设备等设备中的电力使用量的数据的情况为例进行说明。另外,假设用户为设施管理者,用户针对电力使用量的数据中的异常而使用的管理指标为金额[日元]。
首先,获取部10从异常检测装置2获取监视对象的数据的异常指标值(步骤S1)。例如,获取部10获取实际的电力使用量与推测使用量的绝对误差中的、取各日的总和而得到的电力量[kWh]作为异常指标值。另外,获取部10能够按照1天一次等预先设定的周期来获取异常指标值。或者,获取部10能够采用在输入装置107受理了获取请求作为来自外部的操作输入的情况下获取异常指标值的结构。
接下来,变换部13参照第1领域知识DB12(步骤S2)。例如,变换部13读出作为第1领域知识而登记的电力的单价[日元/kWh]。接下来,变换部13使用第1领域知识,将异常指标值变换为与用户所使用的管理指标相应的变换值(步骤S3)。例如,变换部13根据作为异常指标值的电力损耗[kWh]与电力的单价[日元/kWh]之积,求出并输出电力损耗金额[日元]作为变换值(步骤S4)。
接下来,判别部15参照第2领域知识DB14(步骤S5)。例如,判别部15读出作为第2领域知识而事先登记于第2领域知识DB14的、根据设备中的电力使用费用的预算等而决定的电力损耗金额的阈值[日元]。之后,在作为在步骤S4中输出的变换值的电力损耗金额[日元]超过阈值的情况下,判别部15判别为是应呈现的电力损耗金额[日元](步骤S6)。
接下来,在步骤S6中被判别为应呈现给用户的情况下,提取部16从监视对象数据23中提取在异常检测装置2中分析由变换部13变换为该变换值之前的异常指标值的监视对象的电力使用量的数据(步骤S7)。即,提取部16从监视对象数据23中提取成为由判别部15判别为应呈现的变换值的源头的监视对象的数据。另外,提取部16也能够从监视对象数据23提取与可用作变换值的比较基准的监视对象的数据关联的数据。
接下来,呈现部17将由判别部15判别为应呈现给用户的变换值的电力损耗金额[日元]以及由提取部16提取出的监视对象的数据呈现给用户(步骤S8)。例如,呈现部17能够使作为变换值的电力损耗金额[日元]超过阈值的那一天的电力使用量的数据和日期显示于显示装置108。这样,呈现部17将判别部15判别为应呈现给用户的变换值以能够成为比较对象的形式呈现给用户。
[异常指标值的计算处理]
在此,使用图4的流程图,对异常检测装置2进行的由信息呈现装置1获取的异常指标值的计算处理进行说明。监视对象的数据与上述例子同样地设为电力使用量的数据。
首先,收集部20经由通信网络NW例如按照1小时的周期来收集机械设备中的电力使用量的数据(步骤S10)。由收集部20收集到的监视对象的数据积蓄于存储部22的监视对象数据23。图5为由收集部20收集到的1小时1个样本的电力使用量的时间序列数据。当将图5的上排的数据中所示的帧内的区间的数据放大时,如图5的下排所示,可知星期六和星期天的电力使用量比平时的电力使用量少。
接下来,计算部21使用事先构建的分析模型,针对由收集部20收集到的监视对象的数据而计算异常指标值(步骤S11)。例如,计算部21如图6所示将由收集部20收集并积蓄的监视对象的过去的数据用作学习用数据,进行预先设定的学习模型、例如自动编码器等机器学习模型的学习,构建分析模型。例如,如图6所示,计算部21提取学习天数的过去的监视对象的以24小时为单位的数据,进行学习,来构建分析模型。除了自动编码器之外,计算部21例如还能够使用稳健主成分分析等统计手法。
构建的分析模型保存于存储部22。这样,计算部21使用通过事先的学习构建的分析模型,计算作为分析对象的特定的监视对象的数据中的异常指标值。更详细而言,如图7的(a)所示,计算部21从收集到的监视对象的数据中提取想要验证是否产生异常的那一天的数据,塑造成天数×24小时的矩阵的形式,如(b)所示,作为输入提供给事先构建的分析模型。
进而,如图7的(c)所示,计算部21计算实际的数据c与通过分析模型推测出的基准图案c’的差分。即,计算部21应用自动编码器、稳健主成分分析等,计算天数×24小时的输入数据的去除噪声后的数据(以下,有时称为“推测使用量”。)。进而,计算部21计算实际的电力使用量c与推测使用量c’的绝对误差,如图7的(d)所示,计算得到的绝对误差的各日的总和,求出异常指标值19.8[kWh]。
返回至图4,输出部24输出由计算部21得到的异常指标值(步骤S12)。此外,输出部24能够采用根据来自信息呈现装置1的请求来输出异常指标值的结构。
[信息呈现***的结构]
接下来,使用图8至图10,对具有信息呈现装置1以及异常检测装置2所具备的各功能的信息呈现***的具体的结构例进行说明。
图8为表示信息呈现***的一个例子的框图。在图8的例子中,具备经由通信网络NW连接的服务器(第1服务器装置)200和多个客户端210。
服务器200具备在图1中说明的异常检测装置2的各功能。服务器200能够使用云服务器等Web服务器。
客户端210具备在图1中说明的信息呈现装置1的各功能。客户端210能够使用平板终端、笔记本电脑等具有显示画面的通信终端装置。客户端210分别由不同的用户使用,例如设备保养员、运转操作者以及预算管理者等使用不同的管理指标来进行机械设备的管理以及监视任务的用户使用。因而,在各客户端210所具备的第1领域知识DB12以及第2领域知识DB14中分别登记有不同的信息。
另外,在图8中,服务器200还能够采用除了具备异常检测装置2的各功能之外,还具备信息呈现装置1所具备的获取部10、变换部13、判别部15、提取部16、第1领域知识DB12以及第2领域知识14的结构。在该情况下,各客户端210具备呈现部17。
此外,服务器200不限于经由通信网络NW而与客户端210连接的情况。例如,还能够采用服务器200检测到的异常指标值保存于存储介质,在离线环境下载入至各客户端210的结构。
接下来,使用图9,说明信息呈现***的其它结构例。
在图9的例子中,还具备服务器200、多个客户端210以及其它服务器(第2服务器装置)220。
服务器200具备在图1中说明的异常检测装置2的各功能。
服务器220具备在图1中说明的信息呈现装置1所具有的获取部10、变换部13、判别部15、提取部16、第1领域知识DB12以及第2领域知识14。服务器220能够使用云服务器等Web服务器。
各客户端210具备信息呈现装置1所具有的呈现部17的功能。
另外,如图10所示,能够代替图9所示的服务器220,针对客户端210a、210b、210c的每个客户端而具备设置于通信网络NW上的服务器220a、220b、220c,各服务器220具有信息呈现装置1所具备的获取部10、变换部13、判别部15、提取部16、第1领域知识DB12以及第2领域知识14。客户端210a、210b、210c具备呈现部17,能够基于对应的服务器220a、220b、220c中的判别结果来进行呈现处理。
此外,信息呈现***的结构不限于图8至图10所示的具体例,只要具备信息呈现装置1以及异常检测装置2所具备的各功能,就可以以任意方式分布。
如以上说明,根据本实施方式,使用作为和异常指标值有关的类别与用户具有监视的类别的对应关系的预先设定的定量规则,将监视对象的数据的异常指标值变换为变换值。另外,基于预先设定的关于变换值的阈值的基准,判别是否将变换值呈现给用户。另外,在被判别为呈现变换值的情况下,从存储于监视对象数据23的历史数据中提取当在异常检测装置2中分析作为变换为变换值之前的数据的异常指标值时使用的监视对象的数据。进而,呈现部17将被判别为应呈现的变换值与按照能够进行比较的形式提取出的监视对象的数据一起呈现给用户。因此,能够根据适当的观点来选择在监视对象的数据中检测到的大量的异常,并呈现给用户。
另外,根据本实施方式,能够在用户侧基于相同的异常指标值选择用户各自所需的信息,所以能够构建更灵活的信息呈现***,进而有助于更可靠的数据监视***。
此外,在说明的实施方式中,是将基于用户能够容许的电力的损耗金额的最大量的阈值用作第2领域知识,判别出呈现给用户的信息。但是,也可以在第2领域知识DB14中登记多个条件作为第2领域知识。
具体而言,能够将上述阈值与例如如下条件进行组合,该条件作为与机械设备的运用有关的信息,例如使用事件日的日历来将产生事先预定的电力消耗的增加的事件日排除。在该情况下,判别部15将变换值超过阈值且不是事件日那一天的变换值判别为满足第2领域知识的基准的应呈现的变换值。另外,呈现部17能够使电力的损耗金额超过阈值那一天的趋势数据和该天的损耗金额显示于显示装置108。
另外,在说明的实施方式中,如在图1中说明那样,对在信息呈现装置1的外部设置有异常检测装置2的情况进行了说明,但也可以采用信息呈现装置1具备异常检测装置2的结构。在该情况下,例如,作为化学机械设备等机械设备中的监视控制装置,能够在1台PC中具备信息呈现装置1以及异常检测装置2的各功能。
[变形例1]
接下来,参照图11以及图12,对上述实施方式的变形例1的信息呈现装置1、异常检测装置2以及具备它们的信息呈现***进行说明。
在上述实施方式中,如在图5至图7中说明那样,在异常检测装置2中,使用收集部20收集到的监视对象的数据的所有的过去的历史数据来生成分析模型。相对于此,在变形例1中,在异常检测装置2中,使用由收集部20收集到的监视对象的数据中的一部分的历史数据来生成分析模型。
变形例1的信息呈现装置1、异常检测装置2以及具备它们的信息呈现***的结构与上述实施方式相同。
如图11所示,在异常检测装置2中预先生成并保存于存储部22的分析模型例如从收集部20收集到的过去的历史数据(图11的(b))中获取与想要验证是否异常的那一天的数据c(图11的(a))类似的数据(图11的(c)的数据c’、c”)而生成。在此,与想要验证是否异常的那一天的数据c类似的数据c’、c”例如基于欧几里得距离、明可夫斯基距离、余弦相似度等指标,从积蓄于监视对象数据23的过去的历史数据中获取。
这样,基于过去的历史数据的一部分(图11的(c)的数据c’、c”),通过主成分分析、自动编码器等生成的分析模型保存于存储部22。
在计算部21使用这样的分析模型而计算出异常指标值的情况下,信息呈现装置1所具备的呈现部17也将判别部15判别为应呈现给用户的变换值(例如,能量的损耗金额)、和提取部16提取出的、在生成上述分析模型时使用的监视对象的数据c’、c”呈现给用户。
图12表示呈现部17的呈现例。呈现部17能够使作为被判别为应呈现给用户的变换值的“本日的损耗额:297日元”以及在求出变换为变换值之前的异常指标值时使用的过去的监视对象的数据的一部分(数据c’、c”)显示于显示装置108。
如以上说明,根据变形例1,呈现部17将在生成分析模型时使用的与想要验证是否异常的那一天的数据c类似的数据c’、c”与判别部15判别为应呈现给用户的变换值一起呈现给用户。因此,用户一眼就能够比较并掌握所呈现的变换值与作为基准的类似的数据以何种程度、如何偏离。
[变形例2]
接下来,参照图13,对本实施方式的变形例2进行说明。在上述实施方式中,对使用电力使用量的数据作为监视对象的数据的情况进行了说明。在变形例2中,使用图3以及图4的流程图,对使用了机械设备中的气体的使用量数据作为监视对象的数据的例子进行说明。此外,变形例2的信息呈现装置1、异常检测装置2以及具备它们的信息呈现***的结构与上述实施方式相同。
首先,如图4的流程图所示,异常检测装置2的收集部20例如收集1天1个样本的气体的使用量数据(步骤S10)。收集到的数据积蓄于监视对象数据23。图13的上排所示的时间序列数据表示由收集部20收集到的气体的使用量数据g。如图13所示,关于气体的使用量数据g,面向8月的夏季而正式运行制冷,从而可知在虚线所示的时期以后,气体的使用量增加。
计算部21通过核变化点探测等时间序列变化点探测手法,计算收集到的数据中的变化点分数,基于变化点分数来计算异常指标值(步骤S11)。如图13的下排所示,计算部21计算变化点分数,作为异常指标值。
之后,输出部24输出由计算部21求出的变化点分数,作为异常指标值(步骤S12)。
接下来,使用图3的流程图,对本变形例2中的信息呈现装置1的动作进行说明。在本例中,用户为机械设备的设施管理者,从金钱上的损耗的产生这方面管理机械设备中的气体的使用量数据的异常指标值。尤其是用户要求掌握产生设想外的大的金钱上的损耗并采取对策。
首先,获取部10获取异常检测装置2计算出的异常指标值(步骤S1)。接下来,变换部13参照第1领域知识DB12(步骤S2)。在第1领域知识DB12中,作为第1领域知识而登记有气体的单价,例如2[日元/m3]。
接下来,变换部13基于异常指标值和作为第1领域知识的气体的单价,将异常指标值变换为以损耗金额的表达形式表示的变换值(步骤S3)。更详细而言,变换部13从作为异常指标值而得到的变化点分数中提取极大值,决定变化点(图13的上排的气体的使用量数据的虚线)。另外,变换部13求出在所决定的变化点前后的各区间内每1天的气体的使用量与气体的单价之积,并求出其差,计算变化点前后的平均损耗金额。
即,变换部13根据[区间内的气体的使用量的总和/区间的天数]来计算图13的上排所示的区间P1的气体的平均使用量。进而,变换部13根据[(区间P1的气体的平均使用量[m3]-区间P2的气体的平均使用量[m3])×2[日元/m3]],来求出表示气体的平均使用量的增减的变换值。如图13的上排所示,比变化点靠前的区间(期间)的平均损耗金额计算为205[日元/m3],比变化点靠后的区间(期间)的平均损耗金额计算为395[日元/m3]。另外,变换值计算为380[日元]。
变换部13输出变换值380[日元](步骤S4)。接下来,判别部15参照第2领域知识DB14(步骤S5)。在第2领域知识DB14中,作为第2领域知识而登记有基于因机械设备的运用的变更而产生的气体的平均使用费用的增加量的阈值。
在表示因机械设备的运用的变更而产生的气体的平均使用费用的增加量的变换值380[日元]超过阈值的情况下,判别部15判别为应将该变换值呈现给用户(步骤S6)。接下来,提取部16从监视对象数据23中提取气体的使用量数据(步骤S6),该气体的使用量数据为当在异常检测装置2中分析作为变换为变换值之前的异常指标值的气体的使用量时使用的监视对象的数据。
之后,呈现部17使由判别部15判别出的、应呈现给用户的变换值即平均使用费用的增加量[日元]以及产生变化的日期显示于显示装置108(步骤S7)。
如以上说明,根据变形例2,在将气体的使用量的数据[m3]作为监视对象的情况下,变换为因机械设备的运用变更而产生的平均使用费用的增加量[日元],进而在超过增加量[日元]的阈值的情况下,能够作为应呈现给用户的变换值而将该增加量以能够与作为基准的数据进行比较的方式呈现给用户。
以上,对本发明的信息呈现装置、信息呈现方法以及信息呈现***中的实施方式进行了说明,但本发明并不限定于说明的实施方式,能够在权利要求所记载的发明的范围进行本领域技术人员能够设想的各种变形。
符号说明
1…信息呈现装置,2…异常检测装置,10…获取部,11、22…存储部,12…第1领域知识DB,13…变换部,14…第2领域知识DB,15…判别部,16…提取部,17…呈现部,20…收集部,21…计算部,23…监视对象数据,24…输出部,101…总线,102…处理器,103…主存储装置,104…通信接口,105…辅助存储装置,106…输入输出I/O,107…输入装置,108…显示装置,NW…通信网络,200、220…服务器,210…客户端。
Claims (10)
1.一种信息呈现装置,其特征在于,具备:
获取部,其获取第1信息,该第1信息表示分析监视对象的数据而得到的结果即异常程度;
第1存储部,其存储和表示所述异常程度的所述第1信息有关的类别与用户感兴趣的类别的对应关系,作为预先设定的定量规则;
变换部,其使用所述预先设定的定量规则,将所述第1信息变换为第2信息;
第2存储部,其存储关于所述第2信息的阈值而预先设定的基准;
判别部,其基于所述预先设定的基准,判别是否呈现所述第2信息;
提取部,其从存储于第3存储部的所述监视对象的数据的历史数据中提取在分析所述第1信息时使用的所述监视对象的数据,该第1信息是由所述变换部变换为所述判别部判别为进行呈现的所述第2信息之前的所述第1信息;以及
呈现部,其在所述判别部判别为呈现所述第2信息的情况下,呈现所述第2信息和提取出的所述监视对象的数据。
2.根据权利要求1所述的信息呈现装置,其特征在于,
所述预先设定的定量规则包括表示与所述第1信息关联起来的所述监视对象的数据的管理指标的信息。
3.根据权利要求1或2所述的信息呈现装置,其特征在于,
所述呈现部包括显示装置,其使由所述判别部判别为进行呈现的所述第2信息和由所述提取部提取出的所述监视对象的数据显示于显示画面。
4.根据权利要求1或2所述的信息呈现装置,其特征在于,还具备:
收集部,其收集所述监视对象的数据;以及
计算部,其使用预先构建的分析模型来分析由所述收集部收集到的所述监视对象的数据,计算表示所述监视对象的数据的异常程度的所述第1信息,
由所述收集部收集到的所述监视对象的数据存储于所述第3存储部,
所述获取部获取由所述计算部计算出的所述第1信息。
5.一种信息呈现方法,其特征在于,具备:
第1步骤,获取第1信息,该第1信息表示分析监视对象的数据而得到的结果即异常程度;
第2步骤,使用作为预先设定的定量规则而存储于第1存储部的、和表示所述异常程度的所述第1信息有关的类别与用户感兴趣的类别的对应关系,将所述第1信息变换为第2信息;
第3步骤,基于存储于第2存储部的关于所述第2信息的阈值而预先设定的基准,来判别是否呈现所述第2信息;
第4步骤,从存储于第3存储部的所述监视对象的数据的历史数据中提取在分析所述第1信息时使用的所述监视对象的数据,该第1信息是在所述第2步骤中变换为在所述第3步骤中被判别为进行呈现的所述第2信息之前的所述第1信息;以及
第5步骤,呈现在所述第3步骤中被判别为进行呈现的所述第2信息和在所述第4步骤中提取出的所述监视对象的数据。
6.一种信息呈现***,其特征在于,具备:
第1服务器装置;以及
多个客户端装置,
所述第1服务器装置具有:
收集部,其收集监视对象的数据;以及
计算部,其使用预先构建的分析模型来分析由所述收集部收集到的所述监视对象的数据,计算表示分析而得到的结果即异常程度的第1信息,
所述多个客户端装置分别具有:
获取部,其获取由所述计算部计算出的所述第1信息;
第1存储部,其存储和所述第1信息有关的类别与用户感兴趣的类别的对应关系,作为预先设定的定量规则;
变换部,其使用所述预先设定的定量规则,将所述第1信息变换为第2信息;
第2存储部,其存储关于所述第2信息的阈值而预先设定的基准;
判别部,其基于所述预先设定的基准,判别是否呈现所述第2信息;
提取部,其从存储于第3存储部的所述监视对象的数据的历史数据中提取在分析所述第1信息时使用的所述监视对象的数据,该第1信息是由所述变换部变换为所述判别部判别为进行呈现的所述第2信息之前的所述第1信息;以及
呈现部,其在所述判别部判别为呈现所述第2信息的情况下,呈现所述第2信息和提取出的所述监视对象的数据。
7.根据权利要求6所述的信息呈现***,其特征在于,
存储于所述多个客户端装置所具备的所述第1存储部以及所述第2存储部的所述预先设定的定量规则以及所述预先设定的基准在所述多个客户端装置各自中互不相同。
8.一种信息呈现***,其特征在于,具备:
第1服务器装置;以及
多个客户端装置,
所述第1服务器装置具有:
收集部,其收集监视对象的数据;
计算部,其使用预先构建的分析模型来分析由所述收集部收集到的所述监视对象的数据,计算表示分析而得到的结果即异常程度的第1信息;
获取部,其获取由所述计算部计算出的所述第1信息;
第1存储部,其存储和所述第1信息有关的类别与用户感兴趣的类别的对应关系,作为预先设定的定量规则;
变换部,其使用所述预先设定的定量规则,将所述第1信息变换为第2信息;
第2存储部,其存储关于所述第2信息的阈值而预先设定的基准;
判别部,其基于所述预先设定的基准,判别是否呈现所述第2信息;以及
提取部,其从存储于第3存储部的所述监视对象的数据的历史数据中提取在分析所述第1信息时使用的所述监视对象的数据,该第1信息是由所述变换部变换为所述判别部判别为进行呈现的所述第2信息之前的所述第1信息,
所述多个客户端装置分别具有呈现部,其在所述判别部判别为呈现所述第2信息的情况下,呈现所述第2信息和提取出的所述监视对象的数据。
9.一种信息呈现***,其特征在于,具备:
第1服务器装置;
第2服务器装置;以及
多个客户端装置,
所述第1服务器装置具有:
收集部,其收集监视对象的数据;以及
计算部,其使用预先构建的分析模型来分析由所述收集部收集到的所述监视对象的数据,计算表示分析而得到的结果即异常程度的第1信息,
所述第2服务器装置具有:
获取部,其获取由所述计算部计算出的所述第1信息;
第1存储部,其存储和所述第1信息有关的类别与用户感兴趣的类别的对应关系,作为预先设定的定量规则;
变换部,其使用所述预先设定的定量规则,将所述第1信息变换为第2信息;
第2存储部,其存储关于所述第2信息的阈值而预先设定的基准;
判别部,其基于所述预先设定的基准,判别是否呈现所述第2信息;以及
提取部,其从存储于第3存储部的所述监视对象的数据的历史数据中提取在分析所述第1信息时使用的所述监视对象的数据,该所述第1信息是由所述变换部变换为所述判别部判别为进行呈现的所述第2信息之前的所述第1信息,
所述客户端装置分别具有呈现部,其在所述判别部判别为呈现所述第2信息的情况下,呈现所述第2信息和提取出的所述监视对象的数据。
10.一种信息呈现***,其特征在于,具备:
第1服务器装置;
多个第2服务器装置;以及
多个客户端装置,
所述第1服务器装置具有:
收集部,其收集监视对象的数据;以及
计算部,其使用预先构建的分析模型来分析由所述收集部收集到的所述监视对象的数据,计算表示分析而得到的结果即异常程度的第1信息,
所述多个第2服务器装置分别具有:
获取部,其获取由所述计算部计算出的所述第1信息;
第1存储部,其存储和所述第1信息有关的类别与用户感兴趣的类别的对应关系,作为预先设定的定量规则;
变换部,其使用所述预先设定的定量规则,将所述第1信息变换为第2信息;
第2存储部,其存储关于所述第2信息的阈值而预先设定的基准;
判别部,其基于所述预先设定的基准,判别是否呈现所述第2信息;以及
提取部,其从存储于第3存储部的所述监视对象的数据的历史数据中提取在分析所述第1信息时使用的所述监视对象的数据,该第1信息是由所述变换部变换为所述判别部判别为进行呈现的所述第2信息之前的所述第1信息,
所述客户端装置分别具有呈现部,其在所述判别部判别为呈现所述第2信息的情况下,呈现所述第2信息和提取出的所述监视对象的数据。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019-166011 | 2019-09-12 | ||
JP2019166011A JP7359608B2 (ja) | 2019-09-12 | 2019-09-12 | 情報提示装置、情報提示方法、および情報提示システム |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112488439A true CN112488439A (zh) | 2021-03-12 |
CN112488439B CN112488439B (zh) | 2024-05-03 |
Family
ID=74864089
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010932876.5A Active CN112488439B (zh) | 2019-09-12 | 2020-09-08 | 信息呈现装置、信息呈现方法以及信息呈现*** |
Country Status (3)
Country | Link |
---|---|
JP (1) | JP7359608B2 (zh) |
KR (1) | KR102414345B1 (zh) |
CN (1) | CN112488439B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7398022B1 (ja) * | 2023-05-01 | 2023-12-13 | 東京海上日動火災保険株式会社 | 情報処理装置、情報処理方法及びプログラム |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009243428A (ja) * | 2008-03-31 | 2009-10-22 | Mitsubishi Heavy Ind Ltd | 風車の監視装置及び方法並びにプログラム |
CN103227734A (zh) * | 2013-04-27 | 2013-07-31 | 华南理工大学 | 一种OpenStack云平台异常的检测方法 |
CN103443811A (zh) * | 2011-02-14 | 2013-12-11 | 根布和明 | 能量消耗监视***、方法以及计算机程序 |
WO2014208092A1 (ja) * | 2013-06-28 | 2014-12-31 | 株式会社東芝 | 監視制御システム及び制御方法 |
CN107925612A (zh) * | 2015-09-02 | 2018-04-17 | 凯迪迪爱通信技术有限公司 | 网络监视***、网络监视方法和程序 |
CN109558293A (zh) * | 2017-09-27 | 2019-04-02 | 松下电器(美国)知识产权公司 | 异常诊断方法以及异常诊断装置 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003186534A (ja) | 2001-12-17 | 2003-07-04 | Toshiba Corp | プラント運転状況監視装置 |
JP5168665B2 (ja) | 2009-06-11 | 2013-03-21 | 新日鐵住金株式会社 | 品質管理システム |
JP6862130B2 (ja) | 2016-09-08 | 2021-04-21 | 株式会社東芝 | 異常検知装置、異常検知方法、およびプログラム |
KR20180048218A (ko) * | 2016-10-31 | 2018-05-10 | 현대위아 주식회사 | 기계학습 기반 공작기계 고장 진단 시스템 및 방법 |
US10838413B2 (en) | 2017-10-02 | 2020-11-17 | Fisher-Rosemount Systems, Inc. | Systems and methods for multi-site performance monitoring of process control systems |
JP7064085B2 (ja) | 2017-11-10 | 2022-05-10 | 三菱重工業株式会社 | プラント異常監視システム、および、プラント異常監視方法 |
JP6773012B2 (ja) | 2017-11-27 | 2020-10-21 | 横河電機株式会社 | 操業改善効果算出装置、操業改善効果算出方法、操業改善効果算出プログラム、および記録媒体 |
JP6453504B1 (ja) | 2018-02-22 | 2019-01-16 | エヌ・ティ・ティ・コミュニケーションズ株式会社 | 異常監視装置、異常監視方法および異常監視プログラム |
US20190272470A1 (en) | 2018-03-05 | 2019-09-05 | Microsoft Technology Licensing, Llc | Rule-Based Classification for Detected Anomalies |
-
2019
- 2019-09-12 JP JP2019166011A patent/JP7359608B2/ja active Active
-
2020
- 2020-09-08 CN CN202010932876.5A patent/CN112488439B/zh active Active
- 2020-09-09 KR KR1020200115270A patent/KR102414345B1/ko active IP Right Grant
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009243428A (ja) * | 2008-03-31 | 2009-10-22 | Mitsubishi Heavy Ind Ltd | 風車の監視装置及び方法並びにプログラム |
CN103443811A (zh) * | 2011-02-14 | 2013-12-11 | 根布和明 | 能量消耗监视***、方法以及计算机程序 |
CN103227734A (zh) * | 2013-04-27 | 2013-07-31 | 华南理工大学 | 一种OpenStack云平台异常的检测方法 |
WO2014208092A1 (ja) * | 2013-06-28 | 2014-12-31 | 株式会社東芝 | 監視制御システム及び制御方法 |
CN107925612A (zh) * | 2015-09-02 | 2018-04-17 | 凯迪迪爱通信技术有限公司 | 网络监视***、网络监视方法和程序 |
CN109558293A (zh) * | 2017-09-27 | 2019-04-02 | 松下电器(美国)知识产权公司 | 异常诊断方法以及异常诊断装置 |
Also Published As
Publication number | Publication date |
---|---|
JP2021043764A (ja) | 2021-03-18 |
KR20210031618A (ko) | 2021-03-22 |
CN112488439B (zh) | 2024-05-03 |
JP7359608B2 (ja) | 2023-10-11 |
KR102414345B1 (ko) | 2022-06-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102576328B (zh) | ***操作管理装置、***操作管理方法和程序存储介质 | |
CN106780121B (zh) | 一种基于用电负荷模式分析的用电异常识别方法 | |
JP6364800B2 (ja) | 監視装置及び監視方法 | |
JP5621937B2 (ja) | 運用管理装置、運用管理方法、及びプログラム | |
CN102257520A (zh) | 应用的性能分析 | |
CN103189849B (zh) | 显示处理***、显示处理方法和程序 | |
EP2345942A2 (en) | Plant analysis system | |
CN104285212A (zh) | 用于建模在线商务行为和检测异常值的自动化分析*** | |
JP6427357B2 (ja) | 診断支援システム及び診断支援方法 | |
CN107121943B (zh) | 一种用于获得智能仪表的健康预测信息的方法和装置 | |
CN116882804A (zh) | 一种智能电力监控方法及*** | |
CN112488439B (zh) | 信息呈现装置、信息呈现方法以及信息呈现*** | |
JP7145242B2 (ja) | 診断システムおよび診断方法 | |
CN113506190B (zh) | 一种异常用电行为辨识方法、装置、设备及存储介质 | |
JP2021189796A (ja) | 情報処理装置、情報処理方法及びコンピュータプログラム | |
CN113487086B (zh) | 设备剩余使用寿命预测方法、装置、计算机设备和介质 | |
CN114200877A (zh) | 一种用电设备的监控方法和装置 | |
WO2017106919A1 (en) | Conducting a maintenance activity on an asset | |
CN107121616B (zh) | 一种用于对智能仪表进行故障定位的方法和装置 | |
CN117234844A (zh) | 云服务器异常管理方法、装置、计算机设备及存储介质 | |
CN116468423A (zh) | 一种运维应急协同方法、***和终端设备 | |
JP2019061500A (ja) | 予兆診断システム | |
CN113176962B (zh) | 一种用于数据中心的机房it设备故障精准检测方法及*** | |
CN103189848B (zh) | 显示处理***、显示处理方法和程序 | |
JP2005071136A (ja) | 納期管理支援システム、そのプログラム、そのプログラムを記録した記録媒体および製品の納期管理方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |