JP6053487B2 - 時系列データ処理装置、時系列データ処理方法及び時系列データ処理プログラム - Google Patents

Description

本発明は、プラント、ビル、工場等の設備を構成する機器の故障や性能劣化等の異常の予兆を検知するための設備センサーのデータ処理技術に関する。

火力、水力、原子力などの発電プラント、化学プラント、鉄鋼プラント、上下水道プラントなどでは、プラントのプロセスを制御するための計装システムが導入されている。また、ビルや工場などの設備でも空調、電気、照明、給排水などの制御システムが導入されている。これらの計装システムや制御システムでは、装置に取り付けられた各センサーが取得した種々の時系列データが蓄積されている。

特許文献１には、この時系列データを用いて、監視対象の設備の異常を判定する技術についての記載がある。

特開２０１２−１２８８４０号公報

特許文献１に記載された異常を判定する技術では、主成分分析により異常を検知しているので、具体的にどの信号のどの時間が異常であるかといった異常と判定する根拠の説明がわかりにくいという課題がある。
この発明は、発生した異常がどのようなタイプの異常であるかを説明可能とすることを目的とする。

この発明に係る時系列データ処理装置は、
センサーが時間の経過に従って順次観測した信号値を示す時系列データを入力する時系列データ入力部と、
基準となる信号値を示す基準データを入力する基準データ入力部と、
前記時系列データ入力部が入力した時系列データが示す信号値と、前記基準データ入力部が入力した基準データが示す信号値との偏差を示す偏差時系列データを生成する偏差データ生成部と、
偏差が増加するトレンドの区間と、減少するトレンドの区間と、一定であるトレンドの区間との３種類の区間に、前記偏差データ生成部が生成した偏差時系列データを分割する偏差データ分割部と、
前記偏差データ分割部が分割した偏差時系列データの区間のトレンドの並び順が、予め定められた複数のパターンのうち、どのパターンに該当するかを特定するパターン特定部と
を備えることを特徴とする。

この発明に係る時系列データ処理装置は、時系列データと基準データとの偏差をトレンド毎に区間分割して、区間のトレンドの並び順によってパターンを特定する。これにより、発生した異常のパターンを特定することができ、発生した異常がどのようなタイプの異常であるかを説明することができる。

実施の形態１に係る時系列データ処理装置１０の構成図。 拡大型のトレンドパターンの説明図。 拡大収束型のトレンドパターンの説明図。 平行型のトレンドパターンの説明図。 回復型のトレンドパターンの説明図。 振動型のトレンドパターンの説明図。 時間遅れ型のトレンドパターンの説明図。 外れ開始時刻の説明図。 時系列データ処理装置１０の処理を示すフローチャート。 図９におけるＳ１３の処理を示すフローチャート。 図９におけるＳ１４の処理を示すフローチャート。 実施の形態に係る時系列データ処理装置１０のハードウェア構成の一例を示す図。

実施の形態１．
実施の形態１では、ある設備を観測対象とする複数のセンサーが、時間の経過に従って順次観測した信号値である時系列データを入力として、設備に異常が発生した場合に、その異常のパターンを特定するとともに、各センサーが観測した信号値間で、異常が伝播する経路を特定する時系列データ処理装置１０について説明する。

図１は、実施の形態１に係る時系列データ処理装置１０の構成図である。
時系列データ処理装置１０は、モデル推定部１１（基準データ入力部）、運転区分分割部１２（時系列データ入力部）、パターン分類部１３、伝播経路推定部１４を備える。

モデル推定部１１は、設備に異常が発生していない正常時において、各センサーによって観測された信号値である複数の正常時時系列データ２１を入力として、センサー毎に、正常時に観測される信号値の振る舞いをモデル化して正常モデル（基準データ）を処理装置により生成する。
具体的には、まず、モデル推定部１１は、各正常時時系列データ２１を起動、定常、停止等の運転区分毎に分割する。例えば、モデル推定部１１は、正常時時系列データ２１に含まれる、運転区分を示すトリガー信号を用いて運転区分毎に分割してもよいし、区分的回帰分析等の既存の区分抽出手法を用いることにより運転区分毎に分割してもよい。モデル推定部１１は、各正常時時系列データ２１について、運転区分毎に、時系列データをあるパラメータを持った関数により最もよく近似する時間の関数を求めるといった統計的なモデル推定技術を用いて、正常モデルを生成する。

運転区分分割部１２は、異常検知の対象となる信号値であって、各センサーによって観測された信号値である複数の検知対象時系列データ２２を入力として、各検知対象時系列データ２２を運転区分毎に分割し、対象データを処理装置により生成する。
運転区分分割部１２は、モデル推定部１１と同様の方法により、検知対象時系列データ２２を運転区分毎に分割すればよい。

パターン分類部１３は、モデル推定部１１が生成した正常モデルと、運転区分分割部１２が生成した対象データとを入力として、対象データが複数のトレンドパターンのうちどのトレンドパターンに該当するかを処理装置により特定する。
パターン分類部１３は、偏差データ生成部１３１、偏差データ分割部１３２、パターン特定部１３３を備える。パターン分類部１３が備える各部の機能については、後述する。

伝播経路推定部１４は、パターン分類部１３が分類したパターンを利用して、各センサーが観測した信号値間の異常の伝播経路を処理装置により推定する。
伝播経路推定部１４は、閾値記憶部１４１、時刻特定部１４２、整列部１４３を備える。伝播経路推定部１４が備える各部の機能については、後述する。

図２から図７に基づき、トレンドパターンについて説明する。
図２は、拡大型のトレンドパターンの説明図である。図３は、拡大収束型のトレンドパターンの説明図である。図４は、平行型のトレンドパターンの説明図である。図５は、回復型のトレンドパターンの説明図である。図６は、振動型のトレンドパターンの説明図である。図７は、時間遅れ型のトレンドパターンの説明図である。

図２から図７において、（ａ）は、正常モデルと対象データとを表すグラフである。（ａ）において、実線が正常モデルの値を示し、破線が対象データの値を示す。（ｂ）は、正常モデルと対象データとの時刻毎の偏差である偏差時系列データを表すグラフである。（ｃ）は、偏差時系列データを線分ラベル化したグラフである。線分ラベル化とは、偏差時系列データをトレンド毎の区間に区分して、各区間の傾き平均値にすることである。（ｄ）は、偏差時系列データにおける各区間を表すラベルである。ラベルとは、各区間を、傾きの平均値、値の平均値、区間の幅によって表したものである。
ここでは、傾きの平均値が正のある閾値以上の区間を、増加区間と呼ぶ。また、傾きの平均値が負のある閾値以下の区間を、減少区間と呼ぶ。傾きの平均値の絶対値がある正の閾値より小さい区間を、一定区間と呼ぶ。

拡大型のトレンドパターンについて説明する。
拡大型とは、偏差時系列データが時間とともに単調に増加していくパターンである。拡大型のトレンドパターンは、「増加区間があり、その後一定区間や減少区間がない。但し、増加区間の前に、一定区間があってもよい。」という区間のトレンドの並びに関するルールにより定義される。

拡大収束型のトレンドパターンについて説明する。
拡大収束型とは、偏差時系列データが時間とともに単調に増加した後、ある一定の値に収束するパターンである。拡大収束型のトレンドパターンは、「増加区間の後、一定区間がある。但し、増加区間の前に、一定区間があってもよい。」という区間のトレンドの並びに関するルールにより定義される。

平行型のトレンドパターンについて説明する。
平行型とは、偏差時系列データがある閾値以内の偏差で一定の値をとるパターンである。平行型のトレンドパターンは、「全体が一定区間である。」という区間のトレンドの並びに関するルールにより定義される。

回復型のトレンドパターンについて説明する。
回復型とは、偏差時系列データが時間とともに単調に増加した後、ある一定時間を経た後に０に近い値で一定時間以上継続するパターンである。回復型のトレンドパターンは、「増加区間の後、減少区間があり、その後一定区間がある。但し、増加区間の前に、一定区間があってもよい。」という区間のトレンドの並びに関するルールにより定義される。

振動型のトレンドパターンについて説明する。
振動型とは、偏差時系列データが単調増加、単調減少を繰返し反復するパターンである。振動型のトレンドパターンは、「増加区間と減少区間との交互の出現が反復する。」という区間のトレンドの並びに関するルールにより定義される。

時間遅れ型のトレンドパターンについて説明する。
時間遅れ型とは、対象データをある時間スライドさせると、正常モデルとほぼ重なるパターンである。時間遅れ型のトレンドパターンは、拡大型、拡大収束型、平行型、回復型、振動型とは異なり、偏差時系列データの線分ラベル化では定義できない。そこで、時間遅れ型のトレンドパターンは、「対象データの時間をずらしながら、正常モデルとの相関値を求め、相関値の最大値がある閾値以上である。」というルールより定義される。
なお、図７の例では、正常モデルが対象データに対して遅れているが、逆に対象データが正常データに対して遅れる場合もある。

図８は、外れ開始時刻の説明図である。
図８（ａ）は拡大型のトレンドパターンの場合を示し、図８（ｂ）は拡大収束型のトレンドパターンの場合を示し、図８（ｃ）は平行型のトレンドパターンの場合を示し、図８（ｄ）は回復型のトレンドパターンの場合を示し、図８（ｅ）は振動型のトレンドパターンの場合を示し、図８（ｆ）は時間遅れ型のトレンドパターンの場合を示す。
外れ開始時刻とは、偏差時系列データが示す偏差が初めに閾値を超えた時刻のことである。つまり、外れ開始時刻とは、偏差が大きくなり、異常状態が始まった時刻のことである。
外れ開始時刻を決定する基準となる閾値は、トレンドパターン毎に定められる。図８では、拡大型の場合はαが閾値であり、拡大収束型の場合はβが閾値であり、平行型の場合はγが閾値であり、回復型の場合はεが閾値であり、振動型の場合はζが閾値であり、時間遅れ型の場合はηが閾値である。
外れ開始時刻は、「偏差時系列データの絶対値が、閾値以上に初めて到達する時刻」なので、偏差時系列データと閾値を表す横線との交点のうち、最も早い時刻を求めればよい。偏差時系列データと閾値を表す横線とが交わらない場合には、外れ開始時刻はない。

図９は、時系列データ処理装置１０の処理を示すフローチャートである。
（Ｓ１１：正常モデル生成処理）
モデル推定部１１は、各センサーで正常時に観測された正常時時系列データ２１を入力として、センサー及び運転区分毎に、正常時に観測される信号値の振る舞いをモデル化して正常モデルを生成し、生成した各正常モデルをパターン分類部１３へ入力する。

（Ｓ１２：対象データ生成処理）
運転区分分割部１２は、各センサーで観測された検知対象時系列データ２２を分割して、運転区分毎の検知対象の対象データを生成し、生成した各対象データをパターン分類部１３へ入力する。

（Ｓ１３：パターン分類処理）
パターン分類部１３は、Ｓ１１で入力された正常モデルと、Ｓ１２で入力された対象データとに基づき、対象データが複数のトレンドパターンのうちどのトレンドパターンに該当するかを特定する。

（Ｓ１４：伝播経路推定処理）
伝播経路推定部１４は、Ｓ１３で特定されたパターンに基づき、各対象データの外れ開始時刻を特定し、外れ開始時刻の順に異常が伝播したと推定する。

図１０は、図９におけるＳ１３の処理を示すフローチャートである。
パターン分類部１３は、各対象データに対して以下の処理を実行して、各対象データのトレンドパターンを特定する。
（Ｓ２１：時間遅れ型判定処理）
パターン特定部１３３は、対象データの時間を所定の時間ずつずらしながら、対応する正常モデルと比較して相関値を求める。対応する正常モデルとは、対象データと、観測したセンサー及び運転区分が同じ正常モデルのことである。パターン特定部１３３は、求めた相関値の最大値が閾値以上である場合、時間遅れ型のパターンであると判定する。

（Ｓ２２：偏差データ生成処理）
偏差データ生成部１３１は、対象データが示す信号値と、対応する正常モデルが示す信号値とを時刻毎に比較して、その偏差を計算し、計算した偏差を正規化することにより偏差時系列データを生成する。
正規化とは、信号毎の値の振る舞いの差異を吸収する処理であり、例えば、正常モデルと対象データとの差を、正常モデルのばらつきである分散値の整数倍で割る処理である。

（Ｓ２３：偏差データ分割処理）
偏差データ分割部１３２は、偏差が増加するトレンドの区間と、減少するトレンドの区間と、一定であるトレンドの区間の３種類の区間に、Ｓ２２で生成された偏差時系列データを分割する。具体的には、偏差データ分割部１３２は、偏差時系列データの時間差分を計算し、偏差が増加、減少、一定であるかを計算し、連続した区間を抽出する。

（Ｓ２４：線分ラベル化処理）
偏差データ分割部１３２は、Ｓ２３で分割した各区間を線分ラベル化して、各区間のトレンドを特定する。

（Ｓ２５：パターン特定処理）
パターン特定部１３３は、Ｓ２４で特定された各区間のトレンドの並び順が、どのトレンドパターンに該当するかを処理装置により特定する。各トレンドパターンの定義は、図２から図６に基づき説明した通りである。

なお、Ｓ２１で時間遅れ型のパターンであると判定された場合、その対象データに対して、Ｓ２３からＳ２５の処理を行う必要はない。

図１１は、図９におけるＳ１４の処理を示すフローチャートである。
（Ｓ３１：偏差時系列データ取得処理）
時刻特定部１４２は、Ｓ２２で生成された偏差時系列データを１つ取得する。

（Ｓ３２：閾値取得処理）
時刻特定部１４２は、トレンドパターン毎に偏差の閾値を記憶した閾値記憶部１４１から、取得した偏差時系列データのトレンドパターンに対応する閾値を取得する。

（Ｓ３３：時刻特定処理）
時刻特定部１４２は、各偏差時系列データについて、その偏差時系列データのパターンに対して閾値記憶部１４１が記憶した閾値をその偏差時系列データが示す偏差が超えた時刻（外れ開始時刻）を処理装置により特定する。

（Ｓ３４：処理済判定処理）
時刻特定部１４２は、Ｓ３１で全ての偏差時系列データを取得し終わったか否かを判定する。全ての偏差時系列データを取得し終わっている場合（Ｓ３４でＹＥＳ）、処理をＳ３５へ進める。一方、全ての偏差時系列データを取得し終わっていない場合（Ｓ３４でＮＯ）、処理をＳ３１へ戻し、次の偏差時系列データを取得する。

（Ｓ３５：整列処理）
時刻特定部１４２が特定した時刻が早い順に、偏差時系列データを整列して、整列された順序を、異常の伝播経路として推定する。
例えば、図８に示す外れ開始時刻であれば、（ｃ）に示す平行型の信号値、（ａ）に示す拡大型の信号値、（ｂ）に示す拡大収束型の信号値、（ｄ）に示す回復型の信号値、（ｅ）に示す振幅型の信号値の順に異常が伝播したと推定される。

以上のように、実施の形態１に係る時系列データ処理装置１０は、対象データと正常モデルとの偏差を表す偏差時系列データのトレンドパターンを分類することにより、対象データが示す異常がどのようなタイプの異常であるかを説明することができる。

また、トレンドパターン毎に定めた閾値に基づき、外れ開始時刻を計算し、計算した外れ開始時刻の順に整列することにより、どの信号の異常がどの信号の異常に伝播したかという異常の伝播経路を推定することができる。これにより、異常データ間の関係が分かるようになる。

なお、上記説明では、トレンドパターンとして、拡大型、拡大収束型、平行型、回復型、振幅型、時間遅れ型の６つのパターンを用いた。しかし、これに限らず、他のパターンを用いてもよい。

また、上記説明では、時間遅れ型以外のトレンドパターンを、各区間の傾きの平均値を用いて分類した。しかし、これに限らず、値の平均値や、区間の幅等を用いて、トレンドパターンを分類してもよい。

また、上記説明では、各トレンドパターンの閾値を、α、β、γ、ε、ζ、ηとした。この閾値は、あらかじめ一定の値を与えてもよいし、正常モデルの値のばらつき度が大きいものほど、大きい値を設定するなど、正常モデルからわかる信号毎の特性を考慮して計算されるとしてもよい。

図１２は、上記実施の形態に係る時系列データ処理装置１０のハードウェア構成の一例を示す図である。
図１２に示すように、時系列データ処理装置１０は、プログラムを実行するＣＰＵ９１１（Ｃｅｎｔｒａｌ・Ｐｒｏｃｅｓｓｉｎｇ・Ｕｎｉｔ、中央処理装置、処理装置、演算装置、マイクロプロセッサ、マイクロコンピュータ、プロセッサともいう）を備えている。ＣＰＵ９１１は、バス９１２を介してＲＯＭ９１３、ＲＡＭ９１４、ＬＣＤ９０１（Ｌｉｑｕｉｄ Ｃｒｙｓｔａｌ Ｄｉｓｐｌａｙ）、キーボード９０２（Ｋ／Ｂ）、通信ボード９１５、磁気ディスク装置９２０と接続され、これらのハードウェアデバイスを制御する。磁気ディスク装置９２０（固定ディスク装置）の代わりに、光ディスク装置、メモリカード読み書き装置などの記憶装置でもよい。磁気ディスク装置９２０は、所定の固定ディスクインタフェースを介して接続される。

磁気ディスク装置９２０又はＲＯＭ９１３などには、オペレーティングシステム９２１（ＯＳ）、ウィンドウシステム９２２、プログラム群９２３、ファイル群９２４が記憶されている。プログラム群９２３のプログラムは、ＣＰＵ９１１、オペレーティングシステム９２１、ウィンドウシステム９２２により実行される。

プログラム群９２３には、上記の説明において「モデル推定部１１」、「運転区分分割部１２」、「パターン分類部１３」、「偏差データ生成部１３１」、「偏差データ分割部１３２」、「パターン特定部１３３」、「伝播経路推定部１４」、「時刻特定部１４２」、「整列部１４３」等として説明した機能を実行するソフトウェアやプログラムやその他のプログラムが記憶されている。プログラムは、ＣＰＵ９１１により読み出され実行される。
ファイル群９２４には、上記の説明において「閾値記憶部１４１」に格納される情報データや信号値や変数値やパラメータ、「トレンドパターンの定義」等の情報やデータや信号値や変数値やパラメータが、「データベース」の各項目として記憶される。「データベース」は、ディスクやメモリなどの記録媒体に記憶される。ディスクやメモリなどの記憶媒体に記憶された情報やデータや信号値や変数値やパラメータは、読み書き回路を介してＣＰＵ９１１によりメインメモリやキャッシュメモリに読み出され、抽出・検索・参照・比較・演算・計算・処理・出力・印刷・表示などのＣＰＵ９１１の動作に用いられる。抽出・検索・参照・比較・演算・計算・処理・出力・印刷・表示のＣＰＵ９１１の動作の間、情報やデータや信号値や変数値やパラメータは、メインメモリやキャッシュメモリやバッファメモリに一時的に記憶される。

また、上記の説明におけるフローチャートの矢印の部分は主としてデータや信号の入出力を示し、データや信号値は、ＲＡＭ９１４のメモリ、その他光ディスク等の記録媒体やＩＣチップに記録される。また、データや信号は、バス９１２や信号線やケーブルその他の伝送媒体や電波によりオンライン伝送される。
また、上記の説明において「〜部」として説明するものは、「〜回路」、「〜装置」、「〜機器」、「〜手段」、「〜機能」であってもよく、また、「〜ステップ」、「〜手順」、「〜処理」であってもよい。また、「〜装置」として説明するものは、「〜回路」、「〜機器」、「〜手段」、「〜機能」であってもよく、また、「〜ステップ」、「〜手順」、「〜処理」であってもよい。すなわち、「〜部」として説明するものは、ＲＯＭ９１３に記憶されたファームウェアで実現されていても構わない。或いは、ソフトウェアのみ、或いは、素子・デバイス・基板・配線などのハードウェアのみ、或いは、ソフトウェアとハードウェアとの組合せ、さらには、ファームウェアとの組合せで実施されても構わない。ファームウェアとソフトウェアは、プログラムとして、ＲＯＭ９１３等の記録媒体に記憶される。プログラムはＣＰＵ９１１により読み出され、ＣＰＵ９１１により実行される。すなわち、プログラムは、上記で述べた「〜部」としてコンピュータ等を機能させるものである。あるいは、上記で述べた「〜部」の手順や方法をコンピュータ等に実行させるものである。

１０ 時系列データ処理装置、１１ モデル推定部、１２ 運転区分分割部、１３ パターン分類部、１３１ 偏差データ生成部、１３２ 偏差データ分割部、１３３ パターン特定部、１４ 伝播経路推定部、１４１ 閾値記憶部、１４２ 時刻特定部、１４３ 整列部、２１ 正常時時系列データ、２２ 検知対象時系列データ。

Claims (5)

1. 複数のセンサーが時間の経過に従って順次観測した信号値を示す複数の時系列データを入力する時系列データ入力部と、
   各センサーに対応した、基準となる信号値を示す基準データを入力する基準データ入力部と、
   前記時系列データ入力部が入力した各時系列データについて、その時系列データが示す信号値と、前記基準データ入力部が入力した、その時系列データを観測したセンサーに対応した基準データが示す信号値との偏差を示す偏差時系列データを生成する偏差データ生成部と、
   偏差が増加するトレンドの区間と、減少するトレンドの区間と、一定であるトレンドの区間との３種類の区間に、前記偏差データ生成部が生成した偏差時系列データを分割する偏差データ分割部と、
   前記偏差データ分割部が分割した偏差時系列データの区間のトレンドの並び順が、予め定められた複数のパターンのうち、どのパターンに該当するかを特定するパターン特定部と、
   前記パターン毎に、偏差の閾値を記憶した閾値記憶部と、
   各偏差時系列データについて、その偏差時系列データのパターンに対して前記閾値記憶部が記憶した閾値を、その偏差時系列データが示す偏差が超えた時刻を特定する時刻特定部と
   を備えることを特徴とする時系列データ処理装置。
2. 前記時系列データ処理装置は、さらに、
   前記時刻特定部が特定した時刻が早い順に、前記偏差時系列データ又は前記時系列データを整列する整列部
   を備えることを特徴とする請求項１に記載の時系列データ処理装置。
3. 前記センサーは、所定の設備に関する信号値を観測し、
   前記基準データ入力部は、前記設備に異常が発生していない正常時における信号値の振る舞いをモデル化したデータを基準データとして入力する
   ことを特徴とする請求項１又は２に記載の時系列データ処理装置。
4. 入力装置が、複数のセンサーが時間の経過に従って順次観測した信号値を示す複数の時系列データを入力する時系列データ入力ステップと、
   入力装置が、各センサーに対応した、基準となる信号値を示す基準データを入力する基準データ入力ステップと、
   処理装置が、前記時系列データ入力ステップで入力した各時系列データについて、その時系列データが示す信号値と、前記基準データ入力ステップで入力した、その時系列データを観測したセンサーに対応した基準データが示す信号値との偏差を示す偏差時系列データを生成する偏差データ生成ステップと、
   処理装置が、偏差が増加するトレンドの区間と、減少するトレンドの区間と、一定であるトレンドの区間との３種類の区間に、前記偏差データ生成ステップで生成した偏差時系列データを分割する偏差データ分割ステップと、
   処理装置が、前記偏差データ分割ステップで分割した偏差時系列データの区間のトレンドの並び順が、予め定められた複数のパターンのうち、どのパターンに該当するかを特定するパターン特定ステップと、
   各偏差時系列データについて、その偏差時系列データのパターンに対して記憶装置に記憶された閾値を、その偏差時系列データが示す偏差が超えた時刻を特定する時刻特定ステップと
   を備えることを特徴とする時系列データ処理方法。
5. 複数のセンサーが時間の経過に従って順次観測した信号値を示す複数の時系列データを入力する時系列データ入力処理と、
   各センサーに対応した、基準となる信号値を示す基準データを入力する基準データ入力処理と、
   前記時系列データ入力処理で入力した各時系列データについて、その時系列データが示す信号値と、前記基準データ入力処理で入力した、その時系列データを観測したセンサーに対応した基準データが示す信号値との偏差を示す偏差時系列データを生成する偏差データ生成処理と、
   偏差が増加するトレンドの区間と、減少するトレンドの区間と、一定であるトレンドの区間との３種類の区間に、前記偏差データ生成処理で生成した偏差時系列データを分割する偏差データ分割処理と、
   前記偏差データ分割処理で分割した偏差時系列データの区間のトレンドの並び順が、予め定められた複数のパターンのうち、どのパターンに該当するかを特定するパターン特定処理と、
   各偏差時系列データについて、その偏差時系列データのパターンに対して記憶装置に記憶された閾値を、その偏差時系列データが示す偏差が超えた時刻を特定する時刻特定処理と
   をコンピュータに実行させることを特徴とする時系列データ処理プログラム。

Images