JP6076571B1 - 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 - Google Patents

Abstract

通常時に計測された時系列データを周期単位の周期データに分割する第１の分割手段と、複数の周期データに基づいて、基準データを生成する基準データ生成手段と、通常時の時系列データと、基準データと、に基づいて、基準データからの乖離の程度を示す乖離値の許容誤差を算出する許容誤差算出手段と、非通常状態の検知対象となる時系列データと、基準データと、の間の乖離値を算出する乖離値算出手段と、乖離値が許容誤差の範囲内か否かに応じて、非通常状態を検知する検知手段とを有する。

Description

本発明は、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に関する。

従来、プラント等の設備から得られる各種の信号等に基づいて異常を検知する技術が知られている。このような技術において、異常か否かの判定は、設備から得られた信号等の値が、ベテランの作業員などが長年の経験と勘に基づいて設定した閾値を上回っているか否かに基づいて判定されることが一般的である。また、所謂インバリアント分析と呼ばれる手法などを用いて異常を検知する技術も知られている（特許文献１、特許文献２参照）。インバリアント分析は、端的に言えば、複数の監視対象間の不変関係をモデル化し、監視中のデータにおいて、その不変関係が崩れた場合に異常が発生したと判定するものである。

国際公開第２０１３／０４２７８９号 特開２００９−１９９５３３号公報

しかしながら、従来技術においては、以下のような問題がある。まず、ベテラン作業員などが長年の経験と勘に基づいて設定した閾値を上回っているか否かを判定することとした場合には、ベテラン作業員が退職などによりいなくなった場合に、閾値の設定が困難になるという問題がある。また、インバリアント分析を用いる場合には、システム構成が複雑で大規模になったり、複数のデータ間の関連を事前定義する必要があるため設定作業が煩雑になったりするなど、容易に使いこなせないという問題があった。

本発明はこのような問題点に鑑みなされたもので、煩雑な処理を行うことなく、データ解析により通常状態と異なる非通常状態を検知することを目的とする。

そこで、本発明は、情報処理装置であって、通常時に計測された時系列データを周期単位の周期データに分割する第１の分割手段と、複数の周期データに基づいて、基準データを生成する基準データ生成手段と、前記通常時の時系列データと、前記基準データと、に基づいて、前記基準データからの乖離の程度を示す乖離値の許容誤差を算出する許容誤差算出手段と、非通常状態の検知対象となる時系列データと、前記基準データと、の間の乖離値を算出する乖離値算出手段と、前記乖離値が前記許容誤差の範囲内か否かに応じて、前記非通常状態を検知する検知手段とを有することを特徴とする。

本発明によれば、煩雑な処理を行うことなく、データ解析により通常状態と異なる非通常状態を検知することができる。

図１は、非通常状態検出システムの全体構成を示す図である。 図２は、情報処理装置の機能ブロック図である。 図３は、非通常状態検知処理を示すフローチャートである。 図４Ａは、非通常状態検知処理の説明図である。 図４Ｂは、非通常状態検知処理の説明図である。 図５Ａは、相関係数の説明図である。 図５Ｂは、相関係数の説明図である。 図５Ｃは、相関係数の説明図である。 図６Ａは、差の総和の説明図である。 図６Ｂは、差の総和の説明図である。 図６Ｃは、差の総和の説明図である。 図７Ａは、データ間距離の説明図である。 図７Ｂは、データ間距離の説明図である。 図７Ｃは、データ間距離の説明図である。 図８Ａは、相関係数、差の総和及びデータ間距離の３つの指標を組み合わせて用いる場合の説明図である。 図８Ｂは、相関係数、差の総和及びデータ間距離の３つの指標を組み合わせて用いる場合の説明図である。 図９は、周期単位と比較単位が異なる場合の説明図である。 図１０は、時系列データの一例を示す図である。 図１１は、季節毎の温度変化の傾向と基準データの一例を示す図である。 図１２は、移行条件の説明図である。

以下、本発明の実施形態について図面に基づいて説明する。

図１は、本実施形態に係る非通常状態検出システムの全体構成を示す図である。本実施形態に係る非通常状態検知システムは、外部機器１１０の温度変化を監視し、温度変化から、外部機器１１０や周辺環境の状態が通常状態と異なる非通常状態となったことを検知する。ここで、通常状態とは、例えば、外部機器１０が正常に動作している状態や外部機器１０が安定した動作を維持することができる周辺環境の状態である。また、非通常状態とは、例えば急激な温度上昇等の外部機器１１０の異常が発生した状態の他、周辺環境の状態も含め、外部機器１１０の異常に繋がるような予兆が検知された状態等、通常時と異なる状態のことである。また、本実施形態においては、検知対象を温度変化の時系列データとするが、検知対象は、時間の経過に伴い値が変化するような計測データであればよく、温度変化の時系列データに限定されるものではない。検知対象の他の例としては、モータの出す音の波形データ等が挙げられる。この場合、非通常状態検知システムは、波形データの変化から、外部機器１１０が非通常状態となったことを検知する。

外部機器１１０は、温度センサ１１２及び通信部１１１を有している。温度センサ１１２は、外部機器１１０の温度を計測する。温度センサ１１２は、例えば１分間隔で温度計測を行う。通信部１１１は、ネットワークを介して、温度センサ１１２による計測結果として得られた温度変化を示す時系列データを情報処理装置１００に送信する。

情報処理装置１００は、ＣＰＵ１０１と、ＲＯＭ１０２と、ＲＡＭ１０３と、ＨＤＤ１０４と、表示部１０５と、入力部１０６と、通信部１０７とを有している。ＣＰＵ１０１は、ＲＯＭ１０２に記憶された制御プログラムを読み出して各種処理を実行する。ＲＡＭ１０３は、ＣＰＵ１０１の主メモリ、ワークエリア等の一時記憶領域として用いられる。ＨＤＤ１０４は、画像データや各種プログラム等各種情報を記憶する。表示部１０５は、各種情報を表示する。入力部１０６は、キーボードやマウスを有し、ユーザによる各種操作を受け付ける。通信部１０７は、外部機器１１０との通信を行う。

図２は、情報処理装置１００の機能ブロック図である。情報処理装置１００は、通信処理部２００と、通常時データ記憶部２０１と、周期単位分割部２０２と、基準データ生成部２０３と、許容誤差算出部２０４と、乖離値算出部２０５と、検知部２０６と、表示処理部２０７と、データ管理部２０８と、を有している。

通信処理部２００は、通信部１０７を介して、外部機器１１０から温度変化の時系列データを受信する。通常時データ記憶部２０１は、通常時データを記憶している。ここで、通常時データは、通常時に計測された温度変化の時系列データである。より詳しくは、通常時データは、外部機器１１０が正常に動作しており、通常状態であることがわかっている時に計測された温度変化の時系列データである。本実施形態においては、通常時データ記憶部２０１は、通信処理部２００が外部機器１１０から取得した通常時データを記憶しているものとする。周期単位分割部２０２は、通常時データを周期単位のデータに分割する。以下、周期単位のデータを周期データと称することとする。

基準データ生成部２０３は、通常時データから得られた複数の周期データに基づいて、基準データを生成する。ここで、基準データとは、複数の周期データを代表する標準的な周期データである。許容誤差算出部２０４は、非通常状態の検知対象となる時系列データの、基準データからの乖離の程度を示す乖離値の許容誤差を算出する。ここで、許容誤差は、検知対象の時系列データにおいて、許容される乖離値の範囲である。許容誤差算出部２０４は、通常時データと基準データとに基づいて、許容誤差を算出する。以下、検知対象の時系列データを、検知対象データと称することとする。

乖離値算出部２０５は、検知対象の時系列データの値と基準データとに基づいて、乖離値を算出する。検知部２０６は、乖離値と許容誤差とに基づいて、検知対象の時系列データにおいて非通常状態を検知する。表示処理部２０７は、各種情報を表示部１０５に表示する。表示処理部２０７は、例えば、非通常状態が検知された場合には、検知結果を表示する。データ管理部２０８は、通常時データ記憶部２０１の通常時データの更新等、通常時データを管理する。

図３は、情報処理装置１００による非通常状態検知処理を示すフローチャートである。図４Ａ及び図４Ｂは、非通常状態検知処理の説明図である。Ｓ３００において、周期単位分割部２０２は、通常時データ記憶部２０１から通常時データを取得する。次に、Ｓ３０１において、周期単位分割部２０２は、自己相関分析により、周期単位を決定する（周期単位決定処理）。そして、周期単位分割部２０２は、通常時データを、決定した周期単位の周期データに分割する（分割処理）。なお、他の例としては、ユーザが入力部１０６を介して周期単位を設定してもよい。この場合、周期単位分割部２０２は、ユーザにより予め設定され、ＨＤＤ１０４等に記録されている周期を単位として、周期データへの分割を行ってもよい。

図４Ａは、通常時データ４００の一例を示す図である。通常時データ４００として、１日を周期とする温度変化を示す３０日分の時系列データが得られたとする。この場合、Ｓ３０１において、周期単位分割部２０２は、図４Ａに示すように、通常時データ４００を、１日を単位とする周期データ４０１に分割する。

図３に戻り、Ｓ３０１の処理の後、Ｓ３０２において、基準データ生成部２０３は、Ｓ３０１において得られた複数の周期データから基準データを生成する（基準データ生成処理）。基準データ生成部２０３は、具体的には、複数の周期データの平均値データを基準データとして生成する。このとき、基準データ生成部２０３は、各周期データに対し、例えば異常点を除く等補正を行った上で、平均値を算出してもよい。また、他の例としては、基準データ生成部２０３は、複数の周期データの中間値、最頻度値を示すデータを基準データとして生成してもよい。図４Ａに示す複数の周期データ４０１からは、基準データ４１０が生成される。なお、基準データ生成部２０３は、複数の周期データに基づいて、複数の周期データを代表する標準的なデータを基準データとして生成すればよく、そのための具体的な処理及び基準データの種類は実施形態に限定されるものではない。

次に、Ｓ３０３において、許容誤差算出部２０４は、通常時データ及び基準データをそれぞれ比較単位のデータに分割する。以下、比較単位の通常時データ及び基準データをそれぞれ比較データと称する。なお、比較データは、許容誤差を算出する際に利用される。なお、比較単位は、入力部１０６を介して、ユーザにより設定されるものとし、ユーザは、周期単位以下の単位を比較単位として設定することができる。本実施形態においては、比較単位は、周期単位と同じ１日に設定されているものとし、許容誤差算出部２０４は、通常時データを図４Ａに示すように、１日単位の比較データ４０１に分割する。また、基準データ４１０は、１日単位のデータであるため、分割は不要である。比較単位と周期単位が等しい場合には、許容誤差算出部２０４は、通常時データを分割するのに替えて、周期単位分割部２０２から分割により得られる複数の周期データを取得してもよい。

次に、Ｓ３０４において、許容誤差算出部２０４は、Ｓ３０３において得られた、周期データの比較データと、これに対応する基準データの比較データとに基づいて、許容誤差を算出する（許容誤差算出処理）。許容誤差の指標としては、相関係数、基準データとの差の総和、基準データと比較データの間の距離、又はこれらの組み合わせが挙げられる。以下、基準データとの差の総和及び基準データと比較データの間の距離をそれぞれ、単に差の総和及びデータ間距離と称することとする。

ここで、相関係数は、データ列[（ｘｉ，ｙｉ）]が（ｉ＝１，２，…，ｎ）が与えられたとき、（式１）により算出される値であり、「−１」〜「１」の値をとる。相関係数「１」は、相関が最大であることを意味し、相関係数「−１」は、相関が最小であることを意味する。

ただし、

は、それぞれ、データｘ＝[ｘｉ]，ｙ＝[ｙｉ]の相加平均である。これは、各データの平均からのずれを表すベクトル

のなす角の余弦である。相関係数は、各点の値の類似性ではなく、データ全体の形状の類似性を評価するものである。したがって、温度上昇傾向時の急激な温度低下等、データの形状変化が現れるような非通常状態を検知するのに適している。

なお、（式１）により算出される相関係数は、一般的に「ピアソンの積率相関係数」と呼ばれるものであるが、相関係数はこれに限定されるものではなく、例えば「スピアマンの順位相関係数」を用いてもよい。「スピアマンの順位相関係数」を用いれば、例えば温度の場合、温度変化が通常状態でも偏る（すなわち正規分布にならない）とき、温度を数値（例えば２５℃等）ではなく、順番（例えば１日で１番暑い）に応じて比較する順位相関係数を使うことで、精度をより高めることができる。

また、差の総和は、データ全体が正の方向又は負の方向に大きく振れるような非通常状態を検知するのに適している。また、データ間距離は、データの振幅が変化するような非通常状態を検知するのに適している。情報処理装置１００においては、検知対象の時系列データに適した指標が、許容誤差及び乖離値の指標として予め設定されているものとする。また、他の例としては、情報処理装置１００に複数の指標が予め設定されており、ユーザ指示に従い、このうち検知対象に対して用いる指標を選択することとしてもよい。この場合、許容誤差算出部２０４及び乖離値算出部２０５はそれぞれ、選択された指標の許容誤差及び乖離値を算出する。なお、本実施形態においては、相関係数が指標として設定されている場合について説明する。

Ｓ３０４において、許容誤差算出部２０４は、複数の比較データそれぞれと比較単位の基準データとの間の相関係数を算出し、このうち最小値を許容誤差の最大値として決定する。許容誤差算出部２０４はまた、複数の比較データそれぞれと比較単位の基準データとの間の差の総和を算出し、差の総和の最大値から最小値までの範囲を許容誤差の範囲として決定する。許容誤差算出部２０４はまた、複数の比較データそれぞれと比較単位の基準データの間のデータ間距離を算出し、このうち最大値を許容誤差の最大値として決定する。このように、許容誤差算出部２０４は、通常時データと基準データとに基づいて、許容誤差を算出する。これにより、図４Ａに示すように、１つの基準データ４１０に対し、１つの許容誤差４２０が算出される。

次に、Ｓ３０５において、通信処理部２００は、外部機器１１０から検知対象となる時系列データ、すなわち検知対象データを受信する。次に、Ｓ３０６において、乖離値算出部２０５は、検知対象データを比較単位の比較データに分割する。図４Ｂは、検知対象データ４３０を示す図である。図４Ｂの例では、検知対象データ４３０は、１日単位の比較データ４４０に分割される。次に、Ｓ３０７において、乖離値算出部２０５は、Ｓ３０６で得られた比較データと、比較単位の基準データと、の間の乖離値を算出する（乖離値算出処理）。本実施形態においては、乖離値算出部２０５は、乖離値として、相関係数を算出する。このように、乖離値は、許容誤差と同じ指標とする。これにより、図４Ｂに示すように、複数の比較データ４４０それぞれに対応する複数の乖離値４５０が算出される。

次に、Ｓ３０８において、検知部２０６は、乖離値が許容誤差の範囲内か否かに基づいて、非通常状態を検知する（検知処理）。検知部２０６は、具体的には、乖離値が許容誤差の範囲を超えた場合に、非通常状態を検知する。ここで、許容誤差の範囲は、Ｓ３０４において算出された許容誤差の最大値以下の範囲である。なお、検知部２０６は、乖離値と許容誤差の範囲とに基づいて、非通常状態を検知すればよく、そのための具体的な処理は実施形態に限定されるものではない。他の例としては、検知部２０６は、連続する比較データに対応して算出された２以上の所定数の乖離値が連続して許容誤差の範囲を超えた場合に、非通常状態が検知されたと判定してもよい。

図４Ｂに示すように、検知部２０６は、検知対象データの比較データ単位で、非通常状態の検知を行う。すなわち、比較データの単位を小さく設定した場合には、比較的短期間の時系列データしか得られていない時点においても、非通常状態の検知を行うことができる。検知部２０６は、非通常状態が検知された場合には（Ｓ３０８でＹｅｓ）、処理をＳ３０９へ進める。検知部２０６は、非通常状態が検知されなかった場合には（Ｓ３０８でＮｏ）、処理をＳ３１０へ進める。

Ｓ３０９において、表示処理部２０７は、非通常状態が検知されたことをユーザに通知するための検知画面を表示部１０５に表示し、その後処理をＳ３１１へ進める。一方、Ｓ３１０においては、データ管理部２０８は、非通常状態が検知されなかった検知対象データを通常時データとして通常時データ記憶部２０１に追加記録し、その後処理をＳ３１１へ進める。

Ｓ３１１において、ＣＰＵ１０１は、更新条件に従い、許容誤差の更新タイミングか否かを判定する。本実施形態においては、１ヶ月等予め定められた期間の経過が更新条件として、予めＨＤＤ１０４に設定されているものとする。なお、更新条件は、実施形態に限定されるものではない。他の例としては、非通常状態が検知されなかった比較データ（検知対象データ）が３０個など所定数得られたことが更新条件として設定されていてもよい。

ＣＰＵ１０１は、更新タイミングであると判定した場合には（Ｓ３１１でＹｅｓ）、処理をＳ３００へ進める。ＣＰＵ１０１は、更新タイミングでないと判定した場合には（Ｓ３１１でＮｏ）、処理をＳ３０５へ進める。これにより、ある程度通常時データが追加される度に、許容誤差が更新されることとなる。したがって、その後の処理においては、更新後の基準データを用いることができる。このように、情報処理装置１００は、自動的に許容誤差を適切な値に更新することができる。

次に、図５Ａ〜図８Ｂを参照しつつ、許容誤差及び乖離値の指標と、検知される非通常状態との関係について説明する。図５Ａ〜図５Ｃは、相関係数の説明図である。図５Ａに示すような通常時データから基準データ５００が生成されたとする。これに対し、図５Ｂに示すように、基準データと異なるデータ形状を示す非通常時データ５０１が計測されることがある。例えば、外部機器１１０が冷却物に接触し、一時的に急速に冷却されたような場合が考えられる。

図５Ｃは、非通常時データ５０１に対して得られた各指標の乖離値を示す図である。図５Ｃに示すように、差の総和及びデータ間距離では、非通常時データ５０１の値と通常時データの値とを効果的に分離することができないのに対し、相関係数では、非通常時データ５０１の値と通常時データの値とを効果的に分離できることがわる。すなわち、相関係数は、前述の通り、データ形状が変化するような非通常状態を検知するのに適していることがわかる。

図６Ａ〜図６Ｃは、差の総和の説明図である。図６Ａに示すような通常時データから基準データ６００が生成されたとする。これに対し、図６Ｂに示すように、基準データと形状は類似するものの、基準データ６００に比べて全体的に高い値を示す非通常時データ６０１が計測されることがある。例えば、外部機器１１０の異常稼働や空調故障により温度が上昇するような場合が考えられる。

図６Ｃは、検知対象データ６０１に対して得られた各指標の乖離値を示す図である。図６Ｃに示すように、相関係数及びデータ間距離では、非通常時データ６０１の値と通常時データの値とを効果的に分離するのができないのに対し、差の総和では、非通常時データ６０１の値と通常時データとを効果的に分離することが可能であることがわかる。すなわち、差の総和は、前述の通りデータ全体が正又は負の方向に大きく変化するような非通常状態を検知するのに適していることがわかる。

図７Ａ〜図７Ｃは、データ間距離の説明図である。図７Ａに示すような通常時データから基準データ７００が生成されたとする。これに対し、図７Ｂに示すように、基準データ７００に比べて振幅が小さい非通常時データ７０１が計測される場合がある。例えば、外部機器１１０の空調が停止した場合が考えられる。

図７Ｃは、検知対象データ７０１に対して得られた各指標の乖離値を示す図である。図７Ｃに示すように、相関係数及び差の総和では、非通常時データ８０１の値と通常時データの値とを効果的に分離するのができないのに対し、データ間距離では、非通常時データ８０１の値と通常時データとを効果的に分離することが可能であることがわかる。すなわち、データ間距離は、前述の通りデータの振幅が変化するような非通常状態を検知するのに適していることがわかる。

図８Ａ、図８Ｂは、相関係数、差の総和及びデータ間距離の３つの指標を組み合わせて用いる場合の説明図である。図８Ａに示すように、基準データ８００に対し、小刻みな温度変化を示す非通常時データ８０１が計測されることがある。例えば、密閉空間に穴が開き、風が入ってきたような場合が考えられる。また、モータの音の波形データ（時系列データ）においては、モータのボルトが緩み雑音が発生している場合が考えられる。このような場合には、相関係数は１に近い範囲、差の総和はゼロに近い範囲、データ間距離は、所定以上の範囲をそれぞれ許容誤差の範囲として設定しておく。そして、検知部２０６は、乖離値の３つの指標のうち少なくとも１つが許容誤差の範囲を超えた場合に、非通常状態として検知してもよい。

また、図８Ｂに示すように、基準データ８１０に対し、全体的に低い値を示す非通常時データ８１１が計測されることがある。例えば、密閉空間において、冷房の出力設定が変更された場合や、冷房機器の故障等が考えられる。また、モータの音の波形データにおいては、電源の接触不良等による供給電力の低下等によりモータの出力が弱まったことが考えられる。このような場合には、相関係数は１に近い範囲、差の総和は所定値以下の範囲、データ間距離は、所定値以上の範囲をそれぞれ許容誤差の範囲として設定しておく。そして、検知部２０６は、乖離値の３つの指標のうち少なくとも１つが許容誤差の範囲を超えた場合に、非通常状態として検知してもよい。以上のように、非通常状態を検知する際に利用する指標は、相関係数、差の総和及びデータ間距離のうち少なくとも１つを含むものであればよい。

次に、周期単位と比較単位が異なる場合について図９を参照しつつ説明する。通常時データ９００は、数十日分の温度変化の時系列データとする。通常時データ９００は、図９に示すように、３０日を単位とする周期データ９０１に分割される。さらに、周期データ９０１は、１日を単位とする３０個の比較データ９０２（比較データ「１」，「２」…「３０」）に分割されるとする。

この場合、図９に示すように、周期データに対応する３０日を単位とする基準データ９１０が生成される。一方で、許容誤差は、基準データ９１０の１日単位の比較データ９１１毎に生成される。すなわち、図９に示すように、基準データの比較データ９１１と、これに対応する、周期データ９０１の比較データ９０２とに基づいて、許容誤差９２０が生成される。図９の例では、複数の周期データ９０１それぞれに含まれる複数の比較データ「１」と、基準データ９１０の比較データ「１」とに基づいて、許容誤差「１」が算出される。同様に、基準データ９１０の比較データ「１」〜「３０」それぞれに基づいて、許容誤差「１」〜「３０」が生成される。

なお、基準データの比較データは、一旦、周期データ単位で基準データを生成した上で比較データの単位に分割する構成であってもよいし、比較データ単位ごとに基準データを生成する構成であってもよく、特に限定されない。

さらに、図９に示すように、検知対象データ９３０は、比較データ９０２に対応し、１日単位の比較データ９４０に分割される。そして、検知対象データ９３０の比較データ９４０と、基準データ９１０の対応する比較データ９１１と、に基づいて、乖離値９５０が算出される。図９の例では、検知対象データ９３０の比較データ「１」と、基準データ９１０の比較データ「１」と、に基づいて、乖離値「１」が算出される。同様に、検知対象データ９３０の比較データ「１」〜「３０」それぞれに基づいて、乖離値「１」〜「３０」が算出される。そして、乖離値が算出される度に、非通常状態か否かの検知が行われる。

例えば、３０日を周期単位とし、さらに３０日を比較単位とした場合には、３０日が経過しないと、非通常状態の検知を行うことができない。これに対し、３０日を周期単位とする一方で、１日を比較単位とした場合には、１日が経過する度に、この１日分の検知対象データに基づいて、非通常状態の検知を行うことができる。

以上のように、本実施形態に係る情報処理装置１００は、煩雑な処理を行うことなく、データ解析により通常状態と異なる非通常状態を検知することができる。例えば、閾値との比較により非通常状態を検知することとした場合には、適切な値を閾値として設定するのは難しく、ユーザが閾値を設定する必要があった。これに対し、本実施形態に係る情報処理装置１００においては、閾値を定めることなく、自動的に非通常状態を検知することができる。また、本実施形態に係る情報処理装置１００は、過去に得られた通常時の時系列データに基づいて、基準データを生成し、基準データとの比較により非通常状態を検知するため、高い精度で非通常状態を検知することができる。さらに、本実施形態に係る情報処理装置１００は、過去に得られた通常時の時系列データの周期性を考慮することにより、適切な基準データを生成することができるため、より高い精度で非通常状態を検知することができる。

なお、図３を参照しつつ説明した非通常状態検知処理を、ネットワークを介して接続される複数の装置の協働により実現してもよい。すなわち、非通常状態検知処理は、複数の装置を有する情報処理システムが実現してもよい。

（第２の実施形態）
次に、第２の実施形態に係る情報処理装置１００について説明する。ここではまず、第２の実施形態に係る情報処理装置１００が処理対象とする時系列データについて説明する。処理対象の時系列データが、図１０に示すように、日本の外気の温度の影響を受けた温度変化の時系列データであるとする。なお、図１０に示す時系列データは、図１１に示すように、１日単位でみると、春夏秋冬の四季に応じて異なる傾向の温度変化を示す。このような時系列データに対し、周期単位及び比較単位を１日に設定して、基準データを生成した場合、年間を通じた平均データが基準データとして生成されることとなる。このため、図１１に示すように、夏や冬に計測された１日の時系列データでは、春や秋に計測された１日の時系列データに比べて、基準データとの差が大きくなってしまうという問題がある。

周期単位を１年、比較単位を１日に設定することも考えられるが、この場合、基準データを得るために、１０年等長期間を要してしまい好ましくない。これに対し、第２の実施形態に係る情報処理装置１００は、周期単位及び比較単位を１日に設定しつつ、四季に応じた４つの基準データを設定する。情報処理装置１００は、例えば、４〜６月に計測された各日の通常時データに基づいて、春の１日単位の基準データを生成する。情報処理装置１００は、同様に、７〜９月、１０〜１２月及び１〜３月それぞれの各日の通常時データに基づいて、夏、秋及び冬の基準データを生成する。そして、情報処理装置１００は、検知対象データの計測月に応じて、参照する基準データを使い分ける。

なお、情報処理装置１００は、基準データの切り替えは、ユーザ操作に応じて行うこととしてもよく、また、他の例としては、検知対象データの値に基づいて、自動的に行ってもよい。後者について詳述する。例えば、年によっては、１日の温度変化の傾向が、例年より早く（又は遅く）、次の季節の傾向に移行することもある。これに対し、情報処理装置１００は、検知対象データの傾向が次の季節に移行したか否かを判定する。具体的には、情報処理装置１００は、日単位で、検知対象データの乖離値を算出する。そして、情報処理装置１００は、乖離値が許容誤差の範囲内か否かに応じて、非通常状態を検知すると共に、乖離値が移行条件を満たすか否かを確認する。

なお、移行条件は、基準データを切り替えるための、乖離値に関する条件であり、予めＨＤＤ１０４等に設定されているものとする。移行条件は、許容誤差の範囲とは異なる。例えば、季節が春から夏に移行し、１日を通じて全体的に温度が上昇する。これに対し、検知対象データと基準データの乖離値として得られた相関係数が閾値以上（１に近い）で、かつ差の総和が閾値値以上となることを、春から夏への移行条件として予め設定しておく。さらに、情報処理装置１００は、例えば、春の基準データと夏の基準データとに基づいて、差の総和の閾値を自動的に設定してもよい。具体的には、情報処理装置１００は、図１２に示すように、春の基準データと夏の基準データの平均値を閾値として設定してもよい。

そして、情報処理装置１００は、例えば、相関係数が１に近い値として予め設定された閾値以上で、かつ差の総和が自動的に設定された閾値以上を示す日が、所定日数（例えば１０日間）続いた場合に、検知対象データの傾向が次の季節に移行したと判定する。そして、情報処理装置１００は、次の季節に移行したと判定した場合に、基準データを、次の季節の基準データに自動的に切り替える（切替処理）。なお、第２の実施形態に係る情報処理装置１００のこれ以外の構成及び処理は、第１の実施形態に係る情報処理装置１００の構成及び処理と同様である。

本発明によれば、典型的には工場やプラントの設備、あるいは、データセンターにおけるサーバの異常等を検知することができるが、適用範囲は工場やプラント、データセンターに限られない。ビルや倉庫等の各種設備（エレベータ、エスカレータ、空調、コンベア、クレーン等）や、一般過程における家電、その他の電子デバイス、住宅設備、さらには、車や電車等の交通インフラの他、あらゆる場面にも、本発明が適用可能であることは言うまでもない。また、計測対象のデータは、温度や音に限られず、電流、電圧、振動、圧力、加速度、光等、種々のデータが対象となり、特に限定されないことは自明である。

＜その他の実施形態＞
また、本発明は、以下の処理を実行することによっても実現される。即ち、上述した実施形態の機能を実現するソフトウェア（プログラム）を、ネットワーク又は各種記憶媒体を介してシステム或いは装置に供給する。そして、そのシステム或いは装置のコンピュータ（又はＣＰＵやＭＰＵ等）がプログラムを読み出して実行する処理である。

以上、上述した各実施形態によれば、煩雑な処理を行うことなく、データ解析により通常状態と異なる非通常状態を検知することができる。

以上、本発明の好ましい実施形態について詳述したが、本発明は係る特定の実施形態に限定されるものではなく、特許請求の範囲に記載された本発明の要旨の範囲内において、種々の変形・変更が可能である。

Claims (15)

1. 通常時に計測された時系列データを周期単位の周期データに分割する第１の分割手段と、
   複数の周期データに基づいて、基準データを生成する基準データ生成手段と、
   前記通常時の時系列データと、前記基準データと、に基づいて、前記基準データからの乖離の程度を示す乖離値の許容誤差を算出する許容誤差算出手段と、
   非通常状態の検知対象となる時系列データと、前記基準データと、の間の乖離値を算出する乖離値算出手段と、
   前記乖離値が前記許容誤差の範囲内か否かに応じて、前記非通常状態を検知する検知手段と
   を有することを特徴とする情報処理装置。
2. 前記通常時の時系列データを、前記周期単位に比べて短い単位で、前記乖離値との比較の単位である比較単位の比較データに分割する第２の分割手段をさらに有し、
   前記許容誤差算出手段は、前記通常時の時系列データの前記比較データと、前記通常時の時系列データの前記比較データに対応する、前記基準データの比較データと、に基づいて、許容誤差を算出し、
   前記乖離値算出手段は、前記検知対象となる、前記比較単位の時系列データと、前記比較単位の前記基準データと、の間の乖離値を算出することを特徴とする請求項１に記載の情報処理装置。
3. 前記許容誤差算出手段は、前記複数の時系列データそれぞれと、前記基準データと、の間の相関係数に基づいて、前記許容誤差を算出し、
   前記乖離値算出手段は、前記検知対象の時系列データと、前記基準データと、の間の相関係数の値を前記乖離値として算出することを特徴とする請求項１又は２に記載の情報処理装置。
4. 前記許容誤差算出手段は、前記複数の時系列データそれぞれと、前記基準データと、の間の相関係数の最小値を前記許容誤差として算出することを特徴とする請求項３に記載の情報処理装置。
5. 前記許容誤差算出手段は、前記複数の時系列データそれぞれと、前記基準データと、の間の差の総和に基づいて、前記許容誤差を算出し、
   前記乖離値算出手段は、前記検知対象の時系列データと、前記基準データと、の間の差の総和を前記乖離値として算出することを特徴とする請求項１又は２に記載の情報処理装置。
6. 前記許容誤差算出手段は、前記複数の時系列データそれぞれと、前記基準データと、の間の差の総和の最小値から最大値までの範囲を前記許容誤差として算出することを特徴とする請求項５に記載の情報処理装置。
7. 前記許容誤差算出手段は、前記複数の時系列データそれぞれと、前記基準データと、の間のデータ間距離に基づいて、前記許容誤差を算出し、
   前記乖離値算出手段は、前記検知対象の時系列データと、前記基準データと、の間のデータ間距離を前記乖離値として算出することを特徴とする請求項１又は２に記載の情報処理装置。
8. 前記許容誤差算出手段は、前記複数の時系列データそれぞれと、前記基準データと、の間のデータ間距離の最大値を前記許容誤差として算出することを特徴とする請求項７に記載の情報処理装置。
9. 前記基準データ生成手段は、新たに得られた、通常時に計測された時系列データに基づいて、前記基準データを更新し、
   前記許容誤差算出手段は、前記基準データが更新された場合に、更新後の前記基準データを用いて、前記許容誤差を更新し、
   前記乖離値算出手段は、前記検知対象の時系列データと、更新後の基準データと、の間の乖離値を算出することを特徴とする請求項１乃至８何れか１項に記載の情報処理装置。
10. 前記通常時の時系列データに基づいて、周期単位を決定する周期単位決定手段をさらに有し、
    前記第１の分割手段は、前記周期単位決定手段により決定された前記周期単位の前記周期データに分割することを特徴とする請求項１乃至９何れか１項に記載の情報処理装置。
11. 前記基準データ生成手段は、前記通常時の時系列データが傾向の異なる複数の周期データを含む場合に、各周期データに対応する複数の基準データを生成し、
    前記検知対象の時系列データと、前記基準データと、の間の乖離値が、予め定められた移行条件を満たす場合に、前記基準データを切り替える切替手段をさらに有することを特徴とする請求項１乃至１０何れか１項に記載の情報処理装置。
12. 通常時に計測された時系列データを周期単位の周期データに分割する第１の分割手段と、
    複数の周期データに基づいて、基準データを生成する基準データ生成手段と、
    前記通常時の時系列データと、前記基準データと、に基づいて、前記基準データからの乖離の程度を示す乖離値の許容誤差を算出する許容誤差算出手段と、
    非通常状態の検知対象となる時系列データと、前記基準データと、の間の乖離値を算出する乖離値算出手段と、
    前記乖離値が前記許容誤差の範囲内か否かに応じて、前記非通常状態を検知する検知手段と
    を有することを特徴とする情報処理システム。
13. 情報処理装置が実行する情報処理方法であって、
    通常時に計測された時系列データを周期単位の周期データに分割する第１の分割ステップと、
    複数の周期データに基づいて、基準データを生成する基準データ生成ステップと、
    前記通常時の時系列データと、前記基準データと、に基づいて、前記基準データからの乖離の程度を示す乖離値の許容誤差を算出する許容誤差算出ステップと、
    非通常状態の検知対象となる時系列データと、前記基準データと、の間の乖離値を算出する乖離値算出ステップと、
    前記乖離値が前記許容誤差の範囲内か否かに応じて、前記非通常状態を検知する検知ステップと
    を含むことを特徴とする情報処理方法。
14. 情報処理システムが実行する情報処理方法であって、
    通常時に計測された時系列データを周期単位の周期データに分割する第１の分割ステップと、
    複数の周期データに基づいて、基準データを生成する基準データ生成ステップと、
    前記通常時の時系列データと、前記基準データと、に基づいて、前記基準データからの乖離の程度を示す乖離値の許容誤差を算出する許容誤差算出ステップと、
    非通常状態の検知対象となる時系列データと、前記基準データと、の間の乖離値を算出する乖離値算出ステップと、
    前記乖離値が前記許容誤差の範囲内か否かに応じて、前記非通常状態を検知する検知ステップと
    を含むことを特徴とする情報処理方法。
15. コンピュータを、
    通常時に計測された時系列データを周期単位の周期データに分割する第１の分割手段と、
    複数の周期データに基づいて、基準データを生成する基準データ生成手段と、
    前記通常時の時系列データと、前記基準データと、に基づいて、前記基準データからの乖離の程度を示す乖離値の許容誤差を算出する許容誤差算出手段と、
    非通常状態の検知対象となる時系列データと、前記基準データと、の間の乖離値を算出する乖離値算出手段と、
    前記乖離値が前記許容誤差の範囲内か否かに応じて、前記非通常状態を検知する検知手段と
    して機能させるためのプログラム。

Images