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
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 Download PDFInfo
- Publication number
- JP6053487B2 JP6053487B2 JP2012267415A JP2012267415A JP6053487B2 JP 6053487 B2 JP6053487 B2 JP 6053487B2 JP 2012267415 A JP2012267415 A JP 2012267415A JP 2012267415 A JP2012267415 A JP 2012267415A JP 6053487 B2 JP6053487 B2 JP 6053487B2
- Authority
- JP
- Japan
- Prior art keywords
- time
- deviation
- series data
- data
- pattern
- 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.)
- Active
Links
- 238000012545 processing Methods 0.000 title claims description 41
- 238000003672 processing method Methods 0.000 title claims 2
- 238000000034 method Methods 0.000 claims description 36
- 230000005856 abnormality Effects 0.000 claims description 21
- 230000007423 decrease Effects 0.000 claims description 4
- 238000000638 solvent extraction Methods 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 10
- 238000001514 detection method Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 7
- 238000011084 recovery Methods 0.000 description 7
- 230000002159 abnormal effect Effects 0.000 description 5
- 230000003247 decreasing effect Effects 0.000 description 5
- 238000002372 labelling Methods 0.000 description 4
- 230000006399 behavior Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 230000000644 propagated effect Effects 0.000 description 3
- 230000003111 delayed effect Effects 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000007639 printing Methods 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 229910000831 Steel Inorganic materials 0.000 description 1
- 238000004378 air conditioning Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000000513 principal component analysis Methods 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 239000010865 sewage Substances 0.000 description 1
- 238000013179 statistical model Methods 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
Images
Landscapes
- Testing And Monitoring For Control Systems (AREA)
Description
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。
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。
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。
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。
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、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、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、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。
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(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。
(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。
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。
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。
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。
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。
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。
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。
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。
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。
(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。
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。
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。
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。
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。
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。
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。
Claims (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。 - 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。 - 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。 - 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。 - 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。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2012267415A JP6053487B2 (ja) | 2012-12-06 | 2012-12-06 | 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 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2012267415A JP6053487B2 (ja) | 2012-12-06 | 2012-12-06 | 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 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2014115714A JP2014115714A (ja) | 2014-06-26 |
JP6053487B2 true JP6053487B2 (ja) | 2016-12-27 |
Family
ID=51171674
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2012267415A Active JP6053487B2 (ja) | 2012-12-06 | 2012-12-06 | 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 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6053487B2 (ja) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6350736B2 (ja) | 2015-02-17 | 2018-07-04 | 富士通株式会社 | 判定装置、判定方法および判定プログラム |
JP7179444B2 (ja) * | 2017-03-29 | 2022-11-29 | 三菱重工業株式会社 | 予兆検知システム及び予兆検知方法 |
JP6794919B2 (ja) * | 2017-04-28 | 2020-12-02 | 横河電機株式会社 | プロセス制御システム及びデータ処理方法 |
JP6915693B2 (ja) * | 2017-10-10 | 2021-08-04 | 日本電気株式会社 | システム分析方法、システム分析装置、および、プログラム |
EP3499329A1 (en) | 2017-12-13 | 2019-06-19 | Siemens Aktiengesellschaft | A data driven method for automated detection of anomalous work pieces during a production process |
CN111984827A (zh) * | 2019-05-24 | 2020-11-24 | 上海东方富联科技有限公司 | 门磁传感器数据异常检测方法及***、存储介质及终端 |
JP7316850B2 (ja) * | 2019-06-21 | 2023-07-28 | 東京エレクトロン株式会社 | 処理システム及び処理方法 |
JP7256764B2 (ja) | 2020-02-21 | 2023-04-12 | 株式会社東芝 | 情報処理装置、情報処理方法、およびプログラム |
CN115158399B (zh) * | 2022-06-14 | 2023-10-17 | 通号城市轨道交通技术有限公司 | 时序信号异常检测方法及*** |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007094794A (ja) * | 2005-09-29 | 2007-04-12 | Yokogawa Electric Corp | 制御ループ診断装置 |
JP5501903B2 (ja) * | 2010-09-07 | 2014-05-28 | 株式会社日立製作所 | 異常検知方法及びそのシステム |
-
2012
- 2012-12-06 JP JP2012267415A patent/JP6053487B2/ja active Active
Also Published As
Publication number | Publication date |
---|---|
JP2014115714A (ja) | 2014-06-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6053487B2 (ja) | 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 | |
JP6076571B1 (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 | |
US10747188B2 (en) | Information processing apparatus, information processing method, and, recording medium | |
JP6456580B1 (ja) | 異常検知装置、異常検知方法及び異常検知プログラム | |
US20160231738A1 (en) | Information processing apparatus and analysis method | |
US20120296605A1 (en) | Method, computer program, and system for performing interpolation on sensor data for high system availability | |
JP5868216B2 (ja) | クラスタリング装置及びクラスタリングプログラム | |
TWI663510B (zh) | 設備保養預測系統及其操作方法 | |
JP6374466B2 (ja) | センサインタフェース装置、測定情報通信システム、測定情報通信方法、及び測定情報通信プログラム | |
WO2014103134A1 (en) | Predicting a time of failure of a device | |
JP6304767B2 (ja) | センサ監視装置、センサ監視方法、及びセンサ監視プログラム | |
JP6854151B2 (ja) | 異常予測方法、異常予測装置、異常予測システムおよび異常予測プログラム | |
JPWO2018104985A1 (ja) | 異常分析方法、プログラムおよびシステム | |
WO2018216258A1 (ja) | 処理装置、処理方法及びプログラム | |
JP6632941B2 (ja) | 設備監視装置及び設備監視方法 | |
EP3508933B1 (en) | Time-series data processing device | |
JP2008146157A (ja) | ネットワーク異常判定装置 | |
JP2016177676A (ja) | 診断装置、診断方法、診断システムおよび診断プログラム | |
JP6627258B2 (ja) | システムモデル生成支援装置、システムモデル生成支援方法、及び、プログラム | |
JP2019159786A (ja) | 情報処理装置、情報処理方法、プログラム | |
JP7368189B2 (ja) | 分析装置 | |
JP7225447B2 (ja) | 監視装置、監視方法および監視プログラム | |
US20220245045A1 (en) | Prediction method, prediction apparatus, and recording medium | |
KR101503644B1 (ko) | 비간섭 전력 부하 감시에 알맞도록 고차 적률 특징을 쓰는 전력 신호 인식 방법 및 그 시스템 | |
JP2023042945A (ja) | 監視装置、方法およびプログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20151029 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20160830 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20160831 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20161007 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20161101 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20161129 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6053487 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |