JP6488168B2

JP6488168B2 - Time-series data processing method, time-series data processing program, and time-series data processing apparatus

Info

Publication number: JP6488168B2
Application number: JP2015070860A
Authority: JP
Inventors: 正史秋田
Original assignee: Screen Holdings Co Ltd
Current assignee: Screen Holdings Co Ltd
Priority date: 2015-03-31
Filing date: 2015-03-31
Publication date: 2019-03-20
Anticipated expiration: 2035-03-31
Also published as: JP2016192024A

Description

本発明は、デジタルデータ処理に関し、特に、時系列データ処理方法、時系列データ処理プログラム、および、時系列データ処理装置に関する。 The present invention relates to digital data processing, and more particularly to a time-series data processing method, a time-series data processing program, and a time-series data processing apparatus.

機器や装置の保守を行う方法として、機器や装置の動作状態に関する物理量（例えば、長さ、角度、時間、速さ、力、圧力、電圧、電流、温度など）をセンサなどを用いて継続的に測定し、測定結果を時系列順に並べて得られた時系列データを分析する方法が知られている。例えば、時系列データを分析し、部品交換や分解掃除などの保守作業を行うか否かを判断する方法がある。 As a method of maintenance of equipment and devices, physical quantities (eg, length, angle, time, speed, force, pressure, voltage, current, temperature, etc.) related to the operating state of equipment and devices are continuously measured using sensors. There is known a method of measuring time series data obtained by measuring the time series data and arranging the measurement results in time series order. For example, there is a method of analyzing time series data and determining whether or not to perform maintenance work such as parts replacement and overhauling.

機器や装置が同じ動作を繰り返し行う場合、時系列データには類似したパターンで変化する部分（以下、類似部分という）が繰り返し含まれることがある。例えば、時系列データが周期的に開閉するポンプのバルブの開閉量を表す場合、時系列データにはバルブの開閉運動の１周期の長さを有する類似部分が繰り返し含まれる。 When devices and devices repeatedly perform the same operation, time-series data may repeatedly include a portion that changes in a similar pattern (hereinafter referred to as a similar portion). For example, when the time series data represents the opening / closing amount of the valve of the pump that periodically opens and closes, the time series data repeatedly includes a similar portion having a length of one cycle of the valve opening / closing movement.

図１９は、類似部分を含む時系列データの例を示す図である。以下、時系列データをグラフ化して示す図面では、横軸Ｘは時間を表し、縦軸Ｙは時系列データの値を表す。図１９（ａ）に示す時系列データは、相対的に低い第１レベルと相対的に高い第２レベルとの間で周期的に変化する。また、第１レベルは一定であるのに対して、第２レベルは時間の経過と共に徐々に高くなる。 FIG. 19 is a diagram illustrating an example of time-series data including a similar portion. Hereinafter, in the drawing showing time series data in a graph, the horizontal axis X represents time, and the vertical axis Y represents the value of time series data. The time-series data shown in FIG. 19 (a) periodically changes between a relatively low first level and a relatively high second level. Also, the first level is constant, while the second level gradually increases with time.

図１９（ａ）に示す時系列データには、破線部を含めて５個の類似部分が含まれている。各類似部分について最大値を求めると、図１９（ｂ）に示す結果が得られる。この場合、求めた最大値がある条件を満たしたときに（例えば、閾値を所定回超えたときに）、機器や装置の保守作業を行うと判断することができる。 The time series data shown in FIG. 19A includes five similar parts including a broken line part. When the maximum value is obtained for each similar part, the result shown in FIG. 19B is obtained. In this case, when the obtained maximum value satisfies a certain condition (for example, when the threshold value is exceeded a predetermined number of times), it can be determined that the maintenance work of the device or apparatus is performed.

従来から、長さが異なる２個の時系列データの間の類似度を求める方法として、ダイナミックタイムワーピングが知られている。また、本願発明に関連して、特許文献１には、処理対象の波形の中から第１の波形に類似する部分を抽出するために、処理対象の波形を時間軸方向にシフトし、値を示す軸方向にオフセットを与えて第２の波形を求め、第１の波形と第２の波形の類似度を算出する方法が記載されている。また、非特許文献１および２には、大量の時系列データの中から類似部分を検索するために、２次近似によって特徴を抽出し、類似検索を行う方法が記載されている。 Conventionally, dynamic time warping is known as a method for obtaining a similarity between two pieces of time-series data having different lengths. Further, in relation to the present invention, Patent Document 1 discloses that the waveform to be processed is shifted in the time axis direction in order to extract a portion similar to the first waveform from the waveform to be processed. A method is described in which the second waveform is obtained by giving an offset in the axial direction shown, and the similarity between the first waveform and the second waveform is calculated. Non-Patent Documents 1 and 2 describe a method of extracting features by quadratic approximation and searching for similarities in order to search for similar parts from a large amount of time-series data.

特開２０１４−４１４５３号公報JP 2014-41453 A

藤野友也、菅野幹人、憮中達司（三菱電機株式会社）「状態監視時系列データの類似検索に関する検討」、ＦＩＴ２００９（第８回情報科学技術フォーラム）予稿集、ｐｐ．２９５〜２９６（２００９）Tomoya Fujino, Mikito Kanno, Tatsumi Hatanaka (Mitsubishi Electric Corporation) “Study on Similarity Search of Status Monitoring Time Series Data”, FIT 2009 (8th Information Science and Technology Forum) Proceedings, pp. 295-296 (2009) 藤野友也、今村誠、菅野幹人、憮中達司（三菱電機株式会社）「時系列データ類似探索方法ＤＩＡＳＴＲＡの提案と評価」、ＤＥＩＭＦｏｒｕｍ２０１１、Ｄ９−４（２０１１）Tomoya Fujino, Makoto Imamura, Mikio Kanno, Tatsuji Hatanaka (Mitsubishi Electric Corporation) “Proposal and Evaluation of Time Series Data Similarity Search Method DIASTRA”, DEIM Forum 2011, D9-4 (2011)

しかしながら、時系列データに含まれる類似部分が、時間の経過と共に徐々に変化することがある。図１９に示す時系列データでも、時間の経過と共に第２レベルが徐々に高くなり、類似部分は徐々に変化する。 However, the similar part included in the time series data may gradually change as time passes. Also in the time series data shown in FIG. 19, the second level gradually increases with the passage of time, and the similar portion gradually changes.

図２０は、徐々に変化する類似部分を含む時系列データの例を示す図である。図２０には、４個の類似部分９１〜９４が記載されている。類似部分９２は類似部分９１の直後に現れ、類似部分９３、９４は類似部分９２のかなり後（例えば、数ヵ月後）に現れる。類似部分９１〜９４は、それぞれ、２個の極大値を有する。以下、先に現れる極大値を第１極大値、後に現れる極大値を第２極大値という。第１極大値は時間が経過しても変化しないが、第２極大値は時間の経過と共に徐々に大きくなる。 FIG. 20 is a diagram illustrating an example of time-series data including a similar portion that gradually changes. In FIG. 20, four similar parts 91 to 94 are described. The similar portion 92 appears immediately after the similar portion 91, and the similar portions 93 and 94 appear considerably after the similar portion 92 (for example, several months later). Each of the similar portions 91 to 94 has two local maximum values. Hereinafter, the maximum value that appears first is referred to as a first maximum value, and the maximum value that appears later is referred to as a second maximum value. The first maximum value does not change over time, but the second maximum value gradually increases with time.

類似部分９１、９２では第２極大値は第１極大値よりも小さく、類似部分９１と類似部分９２との間でデータの差は小さい。このため、類似部分９１を検索キーとして時系列データについて検索を行うことにより、類似部分９２を検出することができる。これに対して、類似部分９３、９４では第２極大値は第１極大値よりも大きく、類似部分９３、９４と類似部分９１との間でデータの差は大きい。このため、類似部分９１を検索キーとして時系列データについて検索を行っても、類似部分９３、９４を検出できないことがある。 In the similar portions 91 and 92, the second maximum value is smaller than the first maximum value, and the data difference between the similar portion 91 and the similar portion 92 is small. Therefore, the similar portion 92 can be detected by performing a search on the time series data using the similar portion 91 as a search key. On the other hand, in the similar portions 93 and 94, the second maximum value is larger than the first maximum value, and the data difference between the similar portions 93 and 94 and the similar portion 91 is large. For this reason, even if the time series data is searched using the similar portion 91 as a search key, the similar portions 93 and 94 may not be detected.

ダイナミックタイムワーピングは、時間軸方向の歪みには対応できるが、値を示す軸方向についての歪みには対応できない。特許文献１に記載された方法は、処理対象の波形の全体を時間軸方向にシフトし、値を示す軸方向にオフセットを与えるので、波形の一部が変化する場合には対応できない。非特許文献１および２に記載された方法でも、類似部分が時間の経過と共に徐々に変化することは考慮されていない。このように従来の時系列データ処理方法には、時系列データに含まれる類似部分が時間の経過と共に徐々に変化する場合に、時系列データから類似部分を検出できないことがあるという問題がある。 Dynamic time warping can cope with distortion in the time axis direction, but cannot cope with distortion in the axis direction indicating the value. The method described in Patent Document 1 shifts the entire waveform to be processed in the time axis direction and gives an offset in the axis direction indicating the value, and thus cannot cope with a case where a part of the waveform changes. Even in the methods described in Non-Patent Documents 1 and 2, it is not considered that the similar portion gradually changes with time. As described above, the conventional time-series data processing method has a problem that the similar part may not be detected from the time-series data when the similar part included in the time-series data gradually changes with time.

それ故に、本発明は、時系列データに含まれる類似部分が時間の経過と共に徐々に変化する場合でも、時系列データから類似部分を検出できる時系列データ処理方法、時系列データ処理プログラム、および、時系列データ処理装置を提供することを目的とする。 Therefore, the present invention provides a time-series data processing method, a time-series data processing program capable of detecting a similar part from time-series data, even when the similar part included in the time-series data gradually changes with time, and An object is to provide a time-series data processing apparatus.

第１の発明は、コンピュータが実行する時系列データ処理方法であって、
物理量の測定結果を時系列順に並べて得られた波形データである時系列データについて、入力された時系列データの中から検索キーに類似した部分を検索する検索ステップと、
最初の検索キーの指示を受け付けるステップとを備え、
前記検索ステップは、検索によって検出した部分を次の検索キーとして用いて、前記時系列データの未処理部分の中から検索キーに類似した部分を検索する処理を繰り返すことを特徴とする。 A first invention is a time-series data processing method executed by a computer,
A search step for searching a portion similar to a search key from input time-series data for time-series data that is waveform data obtained by arranging physical quantity measurement results in time-series order ; and
Receiving a first search key instruction,
The search step is characterized by repeating a process of searching for a portion similar to a search key from unprocessed portions of the time-series data using a portion detected by the search as a next search key.

第２の発明は、第１の発明において、
求める値の種類の指示を受け付けるステップと、
前記検索ステップで検出された部分のそれぞれについて、指示された値を求める値算出ステップとをさらに備える。 According to a second invention, in the first invention,
A step of accepting an instruction of a desired value type;
A value calculating step of obtaining an instructed value for each of the portions detected in the search step;

第３の発明は、第２の発明において、
前記値算出ステップで求めた値をグラフ化して表示するステップをさらに備える。 According to a third invention, in the second invention,
The method further includes a step of displaying the value obtained in the value calculating step in a graph.

第４の発明は、第２または第３の発明において、
前記値算出ステップは、前記検索ステップで検出された部分のそれぞれについて、指定箇所の値を求めることを特徴とする。 4th invention is 2nd or 3rd invention,
The value calculating step is characterized in that a value of a designated portion is obtained for each of the portions detected in the searching step.

第５の発明は、第２または第３の発明において、
前記値算出ステップは、前記検索ステップで検出された部分のそれぞれについて、指定範囲内のデータの統計値を求めることを特徴とする。 A fifth invention is the second or third invention, wherein
In the value calculating step, a statistical value of data within a specified range is obtained for each of the portions detected in the searching step.

第６の発明は、第１〜第５のいずれかの発明において、
前記時系列データを複数の区間に分割するステップをさらに備え、
前記検索ステップは、前記時系列データから抽出した部分と前記検索キーについて区間ごとに類似度評価値を求め、前記類似度評価値に基づき前記時系列データから抽出した部分が前記検索キーに類似しているか否かを判断することを特徴とする。 A sixth invention is any one of the first to fifth inventions,
Further comprising the step of dividing the time series data into a plurality of sections;
The search step obtains a similarity evaluation value for each section for the part extracted from the time series data and the search key, and the part extracted from the time series data based on the similarity evaluation value is similar to the search key. It is characterized by determining whether or not.

第７の発明は、第６の発明において、
前記分割するステップは、区間内の時系列データを近似する近似曲線を求め、前記近似曲線を用いたときの近似誤差率が区切り条件を満たす最小値を区間の区切り点とする処理を繰り返すことを特徴とする。 A seventh invention is the sixth invention, wherein
The dividing step includes obtaining an approximate curve that approximates the time-series data in the section, and repeating the process using the minimum value that satisfies the delimitation condition for the approximate error rate when the approximate curve is used as the breakpoint of the section. Features.

第８の発明は、
物理量の測定結果を時系列順に並べて得られた波形データである時系列データについて、入力された時系列データの中から検索キーに類似した部分を検索する検索ステップと、
最初の検索キーの指示を受け付けるステップと
をコンピュータにＣＰＵがメモリを利用して実行させる時系列データ処理プログラムであって、
前記検索ステップは、検索によって検出した部分を次の検索キーとして用いて、前記時系列データの未処理部分の中から検索キーに類似した部分を検索する処理を繰り返すことを特徴とする。 The eighth invention
A search step for searching a portion similar to a search key from input time-series data for time-series data that is waveform data obtained by arranging physical quantity measurement results in time-series order ; and
A time-series data processing program that causes a computer to execute a step of receiving an instruction of a first search key using a memory,
The search step is characterized by repeating a process of searching for a portion similar to a search key from unprocessed portions of the time-series data using a portion detected by the search as a next search key.

第９の発明は、第８の発明において、
求める値の種類の指示を受け付けるステップと、
前記検索ステップで検出された部分のそれぞれについて、指示された値を求める値算出ステップと
を前記コンピュータにさらに実行させることを特徴とする。 In a ninth aspect based on the eighth aspect,
A step of accepting an instruction of a desired value type;
A value calculation step for obtaining an instructed value for each of the portions detected in the search step is further executed by the computer.

第１０の発明は、第９の発明において、
前記値算出ステップで求めた値をグラフ化して表示するステップを前記コンピュータにさらに実行させることを特徴とする。 A tenth invention is the ninth invention,
The computer may further execute a step of graphing and displaying the value obtained in the value calculating step.

第１１の発明は、第９または第１０の発明において、
前記値算出ステップは、前記検索ステップで検出された部分のそれぞれについて、指定箇所の値を求めることを特徴とする。 In an eleventh aspect based on the ninth or tenth aspect,
The value calculating step is characterized in that a value of a designated portion is obtained for each of the portions detected in the searching step.

第１２の発明は、第９または第１０の発明において、
前記値算出ステップは、前記検索ステップで検出された部分のそれぞれについて、指定範囲内のデータの統計値を求めることを特徴とする。 In a twelfth invention according to the ninth or tenth invention,
In the value calculating step, a statistical value of data within a specified range is obtained for each of the portions detected in the searching step.

第１３の発明は、第８〜第１２のいずれかの発明において、
前記時系列データを複数の区間に分割するステップを前記コンピュータにさらに実行させ、
前記検索ステップは、前記時系列データから抽出した部分と前記検索キーについて区間ごとに類似度評価値を求め、前記類似度評価値に基づき前記時系列データから抽出した部分が前記検索キーに類似しているか否かを判断することを特徴とする。 In a thirteenth invention according to any of the eighth to twelfth inventions,
Further causing the computer to execute a step of dividing the time-series data into a plurality of sections;
The search step obtains a similarity evaluation value for each section for the part extracted from the time series data and the search key, and the part extracted from the time series data based on the similarity evaluation value is similar to the search key. It is characterized by determining whether or not.

第１４の発明は、第１３の発明において、
前記分割するステップは、区間内の時系列データを近似する近似曲線を求め、前記近似曲線を用いたときの近似誤差率が区切り条件を満たす最小値を区間の区切り点とする処理を繰り返すことを特徴とする。 In a fourteenth aspect based on the thirteenth aspect,
The dividing step includes obtaining an approximate curve that approximates the time-series data in the section, and repeating the process using the minimum value that satisfies the delimitation condition for the approximate error rate when the approximate curve is used as the delimiter of the section. Features.

第１５の発明は、時系列データ処理装置であって、
物理量の測定結果を時系列順に並べて得られた波形データである時系列データについて、入力された時系列データの中から検索キーに類似した部分を検索する検索部と、
最初の検索キーの指示を受け付ける指示入力部とを備え、
前記検索部は、検索によって検出した部分を次の検索キーとして用いて、前記時系列データの未処理部分の中から検索キーに類似した部分を検索する処理を繰り返すことを特徴とする。 A fifteenth invention is a time-series data processing device,
With respect to time-series data that is waveform data obtained by arranging physical quantity measurement results in time-series order, a search unit that searches a portion similar to a search key from input time-series data;
An instruction input unit for receiving an instruction of the first search key,
The search unit repeats the process of searching for a part similar to the search key from the unprocessed parts of the time-series data, using the part detected by the search as the next search key.

第１６の発明は、第１５の発明において、
前記指示入力部は、求める値の種類の指示を受け付け、
前記検索部で検出された部分のそれぞれについて、前記指示入力部で指示された値を求める値算出部をさらに備える。 In a fifteenth aspect based on the fifteenth aspect,
The instruction input unit receives an instruction of a type of value to be obtained,
For each of the parts detected by the search unit, a value calculation unit for obtaining a value instructed by the instruction input unit is further provided.

第１７の発明は、第１６の発明において、
前記値算出部で求めた値をグラフ化して表示する結果表示部をさらに備える。 In a sixteenth aspect based on the sixteenth aspect,
A result display unit that graphs and displays the values obtained by the value calculation unit is further provided.

第１８の発明は、第１５〜第１７のいずれかの発明において、
前記時系列データを複数の区間に分割する分割部をさらに備え、
前記検索部は、前記時系列データから抽出した部分と前記検索キーについて区間ごとに類似度評価値を求め、前記類似度評価値に基づき前記時系列データから抽出した部分が前記検索キーに類似しているか否かを判断することを特徴とする。 In an eighteenth invention according to any one of the fifteenth to seventeenth inventions,
A division unit for dividing the time-series data into a plurality of sections;
The search unit obtains a similarity evaluation value for each section for the part extracted from the time series data and the search key, and the part extracted from the time series data based on the similarity evaluation value is similar to the search key. It is characterized by determining whether or not.

第１９の発明は、第１８の発明において、
前記分割部は、区間内の時系列データを近似する近似曲線を求め、前記近似曲線を用いたときの近似誤差率が区切り条件を満たす最小値を区間の区切り点とする処理を繰り返すことを特徴とする。 In a nineteenth aspect based on the eighteenth aspect,
The dividing unit obtains an approximate curve that approximates time-series data in a section, and repeats the process of setting the minimum value that satisfies the delimitation condition when the approximate curve is used as the delimiter of the section. And

上記第１、第８または第１５の発明によれば、検索によって検出した類似部分を次の検索キーとして用いることにより、時系列データに含まれる類似部分が時間の経過と共に徐々に変化する場合でも、時系列データから類似部分を検出することができる。したがって、類似部分の変化を検知して、時系列データの発生源について保守作業などを行うか否かを判断することができる。 According to the first, eighth, or fifteenth invention, even when the similar part detected in the search is used as the next search key, the similar part included in the time-series data gradually changes over time. Similar parts can be detected from the time-series data. Therefore, it is possible to detect whether or not a maintenance operation or the like is performed on the generation source of the time series data by detecting a change in a similar part.

上記第２、第９または第１６の発明によれば、類似部分のそれぞれについて求めた値に基づき、類似部分の変化を検知することができる。 According to the second, ninth, or sixteenth invention, it is possible to detect a change in the similar portion based on the value obtained for each similar portion.

上記第３、第１０または第１７の発明によれば、求めた値をグラフ化して表示することにより、類似部分の変化を容易に検知することができる。 According to the third, tenth, or seventeenth aspect, a change in a similar part can be easily detected by displaying the obtained value in a graph.

上記第４または第１１の発明によれば、類似部分の指定箇所の値に基づき、類似部分の変化を検知することができる。 According to the fourth or eleventh aspect, it is possible to detect a change in the similar portion based on the value of the designated portion of the similar portion.

上記第５または第１２の発明によれば、類似部分の指定範囲内のデータの統計値に基づき、類似部分の変化を検知することができる。 According to the fifth or twelfth aspect, it is possible to detect a change in the similar part based on the statistical value of the data within the designated range of the similar part.

上記第６、第１３または第１８の発明によれば、時系列データと検索キーを区間ごとに比較することにより、検索時の演算量を削減することができる。 According to the sixth, thirteenth, or eighteenth invention, the amount of calculation at the time of search can be reduced by comparing the time-series data and the search key for each section.

上記第７、第１４または第１９の発明によれば、近似誤差率に基づき、時系列データを好適に複数の区間に分割することができる。 According to the seventh, fourteenth, or nineteenth aspect, the time-series data can be preferably divided into a plurality of sections based on the approximate error rate.

本発明の実施形態に係る時系列データ処理装置の構成を示すブロック図である。It is a block diagram which shows the structure of the time series data processing apparatus which concerns on embodiment of this invention. 本実施形態に係る時系列データ処理装置として機能するコンピュータの構成を示すブロック図である。It is a block diagram which shows the structure of the computer which functions as a time series data processing apparatus concerning this embodiment. 本実施形態に係る時系列データ処理装置の動作を示すフローチャートである。It is a flowchart which shows operation | movement of the time series data processing apparatus which concerns on this embodiment. 図３に示すステップＳ１０２の詳細を示すフローチャートである。It is a flowchart which shows the detail of step S102 shown in FIG. 時系列データの例を示す図である。It is a figure which shows the example of time series data. 図３に示すステップＳ１０２の詳細を説明するための図である。It is a figure for demonstrating the detail of step S102 shown in FIG. 図５に示す時系列データを複数の区間に分割した結果を示す図である。FIG. 6 is a diagram showing a result of dividing the time series data shown in FIG. 5 into a plurality of sections. 図５に示す時系列データの最初の検索キーを示す図である。It is a figure which shows the first search key of the time series data shown in FIG. 図５に示す時系列データと検索キーを比較する様子を示す図である。It is a figure which shows a mode that the time series data shown in FIG. 5 and a search key are compared. 図５に示す時系列データの次の検索キーを示す図である。It is a figure which shows the next search key of the time series data shown in FIG. 時系列データの例を示す図である。It is a figure which shows the example of time series data. 図１１に示す時系列データを複数の区間に分割した結果を示す図である。It is a figure which shows the result of having divided the time series data shown in FIG. 11 into the some area. 図３に示すステップＳ１０３で表示される画面を示す図である。It is a figure which shows the screen displayed by step S103 shown in FIG. 図３に示すステップＳ１０４で表示される画面を示す図である。It is a figure which shows the screen displayed by step S104 shown in FIG. 図３に示すステップＳ１０３で指示された最初の検索キーに対応した区間を求めた結果を示す図である。It is a figure which shows the result of having calculated | required the area corresponding to the first search key instruct | indicated by step S103 shown in FIG. 図１１に示す時系列データと検索キーを比較する様子を示す図である。It is a figure which shows a mode that the time series data shown in FIG. 11 and a search key are compared. 図１１に示す時系列データの次の検索キーを示す図である。It is a figure which shows the next search key of the time series data shown in FIG. 図３に示すステップＳ１１０で表示される画面を示す図である。It is a figure which shows the screen displayed by step S110 shown in FIG. 時系列データの例を示す図である。It is a figure which shows the example of time series data. 時系列データの例を示す図である。It is a figure which shows the example of time series data.

以下、図面を参照して、本発明の実施形態に係る時系列データ処理方法、時系列データ処理プログラム、および、時系列データ処理装置について説明する。本実施形態に係る時系列データ処理方法は、典型的にはコンピュータを用いて実行される。本実施形態に係る時系列データ処理プログラムは、コンピュータを用いて時系列データ処理方法を実施するためのプログラムである。本実施形態に係る時系列データ処理装置は、典型的にはコンピュータを用いて構成される。時系列データ処理プログラムを実行するコンピュータは、時系列データ処理装置として機能する。 Hereinafter, a time-series data processing method, a time-series data processing program, and a time-series data processing apparatus according to an embodiment of the present invention will be described with reference to the drawings. The time series data processing method according to the present embodiment is typically executed using a computer. The time series data processing program according to the present embodiment is a program for implementing a time series data processing method using a computer. The time-series data processing apparatus according to this embodiment is typically configured using a computer. A computer that executes the time-series data processing program functions as a time-series data processing apparatus.

図１は、本発明の実施形態に係る時系列データ処理装置の構成を示すブロック図である。図１に示す時系列データ処理装置１０は、指示入力部１１、データ分割部１２、検索部１３、値算出部１４、および、結果表示部１５を備えている。時系列データ処理装置１０には、時系列データ５が入力される。 FIG. 1 is a block diagram showing a configuration of a time-series data processing apparatus according to an embodiment of the present invention. A time-series data processing apparatus 10 shown in FIG. 1 includes an instruction input unit 11, a data division unit 12, a search unit 13, a value calculation unit 14, and a result display unit 15. The time series data 5 is input to the time series data processing apparatus 10.

時系列データ５は、時系列データ処理装置１０の外部に設けられた機器や装置の動作状態に関連する物理量（例えば、長さ、角度、時間、速さ、力、圧力、電圧、電流、温度など）をセンサなどを用いて継続的に測定し、測定結果を時系列順に並べて得られたデータである。時系列データ５には、類似部分（類似したパターンで変化する部分）が繰り返し含まれる。以下、時系列データ５の中から検出すべきデータの並びを「検索キー」という。時系列データ処理装置１０は、検索キーを用いて時系列データ５を検索するときに、検索キーに完全に一致する部分だけでなく、検索キーに類似する部分を検出する。 The time-series data 5 is a physical quantity (for example, length, angle, time, speed, force, pressure, voltage, current, temperature, etc.) related to the operating state of the equipment or apparatus provided outside the time-series data processing apparatus 10. Etc.) is continuously measured using a sensor or the like, and the measurement results are arranged in time series order. The time series data 5 repeatedly includes a similar part (a part that changes with a similar pattern). Hereinafter, the sequence of data to be detected from the time-series data 5 is referred to as “search key”. When searching the time-series data 5 using the search key, the time-series data processing apparatus 10 detects not only a part that completely matches the search key but also a part that is similar to the search key.

時系列データ処理装置１０の動作の概要は、以下のとおりである。指示入力部１１は、利用者からの指示を受け付ける。指示入力部１１は、利用者から指示された「最初の検索キー」を検索部１３に対して出力し、利用者から指示された「値の種類」を値算出部１４に対して出力する。データ分割部１２は、入力された時系列データ５を複数の区間に分割する。検索部１３は、データ分割部１２で分割された時系列データに基づき、時系列データ５の中から検索キーに類似する部分を繰り返し検索する。検索部１３は、時系列データ５と検索キーについて区間ごとに距離を算出し（区間別距離算出）、検索によって検出した類似部分を次の検索キーとして使用する（検索キー更新）。値算出部１４は、検索部１３で検出された各類似部分について、利用者から指示された値を求める。結果表示部１５は、値算出部１４で求めた値をグラフ化して表示する。 The outline of the operation of the time-series data processing device 10 is as follows. The instruction input unit 11 receives an instruction from a user. The instruction input unit 11 outputs the “first search key” instructed by the user to the search unit 13 and outputs the “value type” instructed by the user to the value calculation unit 14. The data dividing unit 12 divides the input time series data 5 into a plurality of sections. Based on the time series data divided by the data dividing unit 12, the search unit 13 repeatedly searches the time series data 5 for parts similar to the search key. The search unit 13 calculates a distance for each section with respect to the time-series data 5 and the search key (distance calculation by section), and uses a similar part detected by the search as the next search key (search key update). The value calculation unit 14 obtains a value instructed by the user for each similar part detected by the search unit 13. The result display unit 15 displays the value obtained by the value calculation unit 14 in a graph.

図２は、時系列データ処理装置１０として機能するコンピュータの構成を示すブロック図である。図２に示すコンピュータ２０は、ＣＰＵ２１、メインメモリ２２、記憶部２３、入力部２４、表示部２５、通信部２６、および、記憶媒体読み取り部２７を備えている。メインメモリ２２には、例えば、ＤＲＡＭが使用される。記憶部２３には、例えば、ハードディスクやソリッドステートドライブが使用される。入力部２４には、例えば、キーボード２８やマウス２９が含まれる。表示部２５には、例えば、液晶ディスプレイが使用される。通信部２６は、有線通信または無線通信のインターフェイス回路である。記憶媒体読み取り部２７は、プログラムなどを記憶した記憶媒体３０のインターフェイス回路である。記憶媒体３０には、例えば、ＣＤ−ＲＯＭが使用される。なお、以上に述べたコンピュータ２０の構成は一例に過ぎず、任意のコンピュータを用いて時系列データ処理装置１０を構成することができる。 FIG. 2 is a block diagram illustrating a configuration of a computer that functions as the time-series data processing device 10. The computer 20 illustrated in FIG. 2 includes a CPU 21, a main memory 22, a storage unit 23, an input unit 24, a display unit 25, a communication unit 26, and a storage medium reading unit 27. For example, a DRAM is used as the main memory 22. For the storage unit 23, for example, a hard disk or a solid state drive is used. The input unit 24 includes a keyboard 28 and a mouse 29, for example. For example, a liquid crystal display is used for the display unit 25. The communication unit 26 is an interface circuit for wired communication or wireless communication. The storage medium reading unit 27 is an interface circuit of the storage medium 30 that stores programs and the like. For example, a CD-ROM is used as the storage medium 30. The configuration of the computer 20 described above is merely an example, and the time-series data processing device 10 can be configured using any computer.

以下、コンピュータ２０が時系列データ処理装置１０として機能する場合について説明する。この場合、記憶部２３は、時系列データ処理プログラム３１と、時系列データ処理プログラム３１の処理対象の時系列データ５とを記憶する。時系列データ処理プログラム３１は、例えば、サーバや他のコンピュータから通信部２６を用いて受信したものでもよく、記憶媒体３０から記憶媒体読み取り部２７を用いて読み出したものでもよい。時系列データ５は、機器や装置や他のコンピュータから通信部２６を用いて受信したものでもよく、記憶媒体３０から記憶媒体読み取り部２７を用いて読み出したものでもよく、利用者が入力部２４を用いて入力したものでもよい。 Hereinafter, a case where the computer 20 functions as the time-series data processing device 10 will be described. In this case, the storage unit 23 stores the time series data processing program 31 and the time series data 5 to be processed by the time series data processing program 31. For example, the time-series data processing program 31 may be received from a server or another computer using the communication unit 26, or may be read from the storage medium 30 using the storage medium reading unit 27. The time series data 5 may be data received from a device or apparatus or another computer using the communication unit 26, or may be read from the storage medium 30 using the storage medium reading unit 27, and the user inputs the input unit 24. It may be input using.

時系列データ処理プログラム３１を実行するときには、時系列データ処理プログラム３１と時系列データ５はメインメモリ２２に複写転送される。ＣＰＵ２１は、メインメモリ２２を作業用メモリとして利用して、メインメモリ２２に記憶された時系列データ処理プログラム３１を実行することにより、メインメモリ２２に記憶された時系列データ５を処理する。このときコンピュータ２０は、時系列データ処理装置１０として機能する。 When the time series data processing program 31 is executed, the time series data processing program 31 and the time series data 5 are copied and transferred to the main memory 22. The CPU 21 processes the time series data 5 stored in the main memory 22 by executing the time series data processing program 31 stored in the main memory 22 by using the main memory 22 as a working memory. At this time, the computer 20 functions as the time-series data processing device 10.

図３は、時系列データ処理装置１０の動作を示すフローチャートである。図４は、図３に示すステップＳ１０２の詳細を示すフローチャートである。図３および図４に示す処理は、ＣＰＵ２１がメインメモリ２２を利用して時系列データ処理プログラム３１を実行することにより行われる。 FIG. 3 is a flowchart showing the operation of the time-series data processing device 10. FIG. 4 is a flowchart showing details of step S102 shown in FIG. The processing shown in FIGS. 3 and 4 is performed by the CPU 21 executing the time-series data processing program 31 using the main memory 22.

始めに時系列データ処理装置１０には、処理対象の時系列データ５が入力される（ステップＳ１０１）。上述したように、時系列データ５は、通信部２６を用いて受信したものでもよく、記憶媒体３０から読み出したものでもよく、利用者が入力部２４を用いて入力したものでもよい。ステップＳ１０１では、例えば、図５に示す時系列データが入力される。 First, the time-series data 5 to be processed is input to the time-series data processing apparatus 10 (step S101). As described above, the time series data 5 may be received using the communication unit 26, read from the storage medium 30, or input by the user using the input unit 24. In step S101, for example, time series data shown in FIG. 5 is input.

次に、ＣＰＵ２１は、入力された時系列データ５を複数の区間に分割する（ステップＳ１０２）。一般に、長い時系列データの中から検索キーに類似する部分を検索する場合には、時系列データと検索キーを比較するために膨大な演算量が必要となる。そこで、時系列データ処理装置１０は、時系列データ５と検索キーをそれぞれ複数の区間に分割し、時系列データ５と検索キーを区間ごとに比較する。これにより、検索時の演算量を削減することができる。 Next, the CPU 21 divides the input time-series data 5 into a plurality of sections (step S102). In general, when a portion similar to a search key is searched from long time-series data, an enormous amount of calculation is required to compare the time-series data and the search key. Therefore, the time-series data processing device 10 divides the time-series data 5 and the search key into a plurality of sections, and compares the time-series data 5 and the search key for each section. Thereby, the calculation amount at the time of a search can be reduced.

図６は、ステップＳ１０２の詳細を説明するための図である。以下、図４および図６を参照して、ステップＳ１０２の詳細を説明する。図４に示すように、ＣＰＵ２１は、まず、時系列データの始点を区間の始点とする（ステップＳ２０１）。次に、ＣＰＵ２１は、区間の始点から所定量だけ離れた点を区間の終点とする（ステップＳ２０２）。 FIG. 6 is a diagram for explaining details of step S102. Hereinafter, with reference to FIG. 4 and FIG. 6, the detail of step S102 is demonstrated. As shown in FIG. 4, the CPU 21 first sets the start point of the time series data as the start point of the section (step S201). Next, the CPU 21 sets a point separated by a predetermined amount from the start point of the section as the end point of the section (step S202).

次に、ＣＰＵ２１は、区間内の時系列データを近似する２次近似曲線を求める（ステップＳ２０３）。例えば、ＣＰＵ２１は、ステップＳ２０３において、区間内の時系列データに基づき、公知の方法で２次回帰曲線を求めてもよい。次に、ＣＰＵ２１は、区間内の時系列データと２次近似曲線の間の２乗誤差を求める（ステップＳ２０４）。次に、ＣＰＵ２１は、ステップＳ２０４で求めた２乗誤差を区間の幅で割ることにより、２次近似誤差率を求める（ステップＳ２０５）。 Next, the CPU 21 obtains a quadratic approximate curve that approximates the time series data in the section (step S203). For example, in step S203, the CPU 21 may obtain a quadratic regression curve by a known method based on the time series data in the section. Next, CPU21 calculates | requires the square error between the time series data in a area, and a quadratic approximate curve (step S204). Next, CPU21 calculates | requires a secondary approximation error rate by dividing the square error calculated | required by step S204 by the width | variety of an area (step S205).

次に、ＣＰＵ２１は、ステップＳ２０５で求めた２次近似誤差率が区切り条件を満たすか否かを判断する（ステップＳ２０６）。例えば、メインメモリ２２が以前に求めた２次近似誤差率を記憶し、ＣＰＵ２１は、ステップＳ２０６において、今回求めた２次近似誤差率と以前に求めた２次近似誤差率の平均値との差が以前に求めた２次近似誤差率の標準偏差よりも大きいときに区切り条件を満たすと判断してもよい。ＣＰＵ２１は、ステップＳ２０６でＹｅｓと判断した場合はステップＳ２０７へ進み、それ以外の場合はステップＳ２０９へ進む。 Next, the CPU 21 determines whether or not the secondary approximation error rate obtained in step S205 satisfies the delimiter condition (step S206). For example, the main memory 22 stores the previously obtained secondary approximate error rate, and in step S206, the CPU 21 calculates the difference between the currently obtained secondary approximate error rate and the previously obtained average value of the secondary approximate error rate. May be determined to satisfy the delimitation condition when is larger than the standard deviation of the second-order approximation error rate obtained previously. If the CPU 21 determines Yes in step S206, it proceeds to step S207, and otherwise it proceeds to step S209.

前者の場合、ＣＰＵ２１は、区間の終点を区間の区切り点として決定し（ステップＳ２０７）、区間の終点を次の区間の始点として（ステップＳ２０８）、ステップＳ２０２へ進む。ステップＳ２０７において、時系列データ５について１個の区間が決定される。 In the former case, the CPU 21 determines the end point of the section as a section break point (step S207), sets the end point of the section as the start point of the next section (step S208), and proceeds to step S202. In step S207, one section is determined for the time series data 5.

後者の場合、ＣＰＵ２１は、区間の終点を所定量だけ更新する（ステップＳ２０９）。具体的には、ＣＰＵ２１は、ステップＳ２０９において、区間の終点から所定量だけ離れた点を新たな終点とする。次に、ＣＰＵ２１は、更新後の区間の終点が時系列データの終端に到達したか否かを判断する（ステップＳ２１０）。ＣＰＵ２１は、ステップＳ２１０でＮｏと判断した場合には、ステップＳ２０３へ進む。ＣＰＵ２１は、ステップＳ２１０でＹｅｓと判断した場合には、区間の終点を区間の区切り点として決定し（ステップＳ２１１）、ステップＳ１０２の処理を終了する。 In the latter case, the CPU 21 updates the end point of the section by a predetermined amount (step S209). Specifically, in step S209, the CPU 21 sets a point separated from the end point of the section by a predetermined amount as a new end point. Next, the CPU 21 determines whether or not the end point of the updated section has reached the end of the time series data (step S210). If the CPU 21 determines No in step S210, it proceeds to step S203. If the CPU 21 determines Yes in step S210, it determines the end point of the section as a section break point (step S211), and ends the process of step S102.

このようにＣＰＵ２１は、ステップＳ１０２において、区間（図６の点状模様部）を終点方向に段階的に伸張して、２次近似誤差率が区切り条件を満たす最小のＸ値を区間の区切り点として求める処理を繰り返し行う。図５に示す時系列データは、ステップＳ１０２において、図７に示す複数の区間に分割される。 In this manner, in step S102, the CPU 21 expands the section (dotted pattern portion in FIG. 6) stepwise in the direction of the end point, and sets the minimum X value that satisfies the delimitation condition for the second order approximation error rate as the breakpoint of the section. The processing required as is repeated. The time series data shown in FIG. 5 is divided into a plurality of sections shown in FIG. 7 in step S102.

次に、ＣＰＵ２１は、利用者から「最初の検索キー」の指示を受け付ける（ステップＳ１０３）。ＣＰＵ２１は、ステップＳ１０３において、最初の検索キーを指示することを利用者に促す画面（後述する図１３を参照）を表示部２５に表示させる。利用者は、表示部２５に表示された画面を見ながら入力部２４を操作することにより、最初の検索キーを指示する。利用者は、図５に示す時系列データに対して最初の検索キーとして、例えば、図８に示す範囲のデータを指示する。 Next, the CPU 21 accepts an instruction of “first search key” from the user (step S103). In step S103, the CPU 21 causes the display unit 25 to display a screen (see FIG. 13 to be described later) that prompts the user to instruct the first search key. The user instructs the first search key by operating the input unit 24 while viewing the screen displayed on the display unit 25. The user instructs, for example, data in the range shown in FIG. 8 as the first search key for the time series data shown in FIG.

次に、ＣＰＵ２１は、利用者から「値の種類」の指示を受け付ける（ステップＳ１０４）。ＣＰＵ２１は、ステップＳ１０３において、値の種類を指示することを利用者に促す画面（後述する図１４を参照）を表示部２５に表示させる。利用者は、表示部２５に表示された画面を見ながら入力部２４を操作することにより、値の種類を指示する。利用者は、値の種類として、類似部分の中の指定箇所の値や、類似部分の中の指定範囲内データの統計値（最大値、最小値、平均値、中央値、標準偏差、分散など）を指示する。次に、ＣＰＵ２１は、ステップＳ１０３で指示された最初の検索キーに対応した複数の区間を求める（ステップＳ１０５）。 Next, the CPU 21 receives an instruction of “value type” from the user (step S104). In step S103, the CPU 21 causes the display unit 25 to display a screen (see FIG. 14 described later) that prompts the user to instruct the type of value. The user instructs the type of value by operating the input unit 24 while viewing the screen displayed on the display unit 25. As the value type, the user can specify the value of the specified part in the similar part and the statistical value of the data in the specified range in the similar part (maximum value, minimum value, average value, median, standard deviation, variance, etc. ) Next, the CPU 21 obtains a plurality of sections corresponding to the first search key designated in step S103 (step S105).

次に、ＣＰＵ２１は、時系列データ５の未処理部分の中から検索キーに類似した部分を検索する（ステップＳ１０６）。ＣＰＵ２１は、ステップＳ１０６において、時系列データ５の未処理部分から抽出した部分（以下、抽出部分という）と検索キーについて区間ごとに類似度評価値として距離Ｄｉを求め（区間別距離算出）、距離Ｄｉの総和Ｄを求める。例えば、ＣＰＵ２１は、図９に示すように、抽出部分と検索キーについて区間ごとに距離Ｄ１〜Ｄ４を求め、距離の総和Ｄ＝Ｄ１＋Ｄ２＋Ｄ３＋Ｄ４を求める。 Next, the CPU 21 searches for a portion similar to the search key from the unprocessed portions of the time series data 5 (step S106). In step S106, the CPU 21 obtains a distance Di as a similarity evaluation value for each section with respect to a portion extracted from an unprocessed portion of the time series data 5 (hereinafter referred to as an extracted portion) and a search key (distance calculation for each section), and the distance Find the sum D of Di. For example, as shown in FIG. 9, the CPU 21 obtains distances D1 to D4 for each section with respect to the extracted portion and the search key, and obtains the sum of distances D = D1 + D2 + D3 + D4.

ＣＰＵ２１は、時系列データ５の２次近似曲線の定義域と検索キーの２次近似曲線の定義域をそれぞれ０以上１以下に正規化し、２つの２次近似曲線の差の２乗値の積分値の平方根を距離Ｄｉとする。定義域を正規化した後の２つの２次近似曲線について、２次係数の差をΔａ、１次係数の差をΔｂ、定数項の差をΔｃとしたとき、距離Ｄｉは次式（１）で与えられる。距離の総和Ｄは、次式（２）で与えられる。

The CPU 21 normalizes the domain of the quadratic approximate curve of the time series data 5 and the domain of the quadratic approximate curve of the search key to 0 or more and 1 or less, respectively, and integrates the square value of the difference between the two quadratic approximate curves. Let the square root of the value be the distance Di. For two quadratic approximation curves after normalization of the domain, when the difference between the secondary coefficients is Δa, the difference between the primary coefficients is Δb, and the difference between the constant terms is Δc, the distance Di is expressed by the following equation (1). Given in. The total sum D of distances is given by the following equation (2).

ＣＰＵ２１は、距離の総和Ｄが所定の閾値以下の場合に、抽出部分は検索キーに類似すると判断し、抽出部分を検索キーに類似した部分として検出する。距離の総和Ｄが閾値よりも大きい場合には、ＣＰＵ２１は、時系列データの未処理部分の他の一部を新たな抽出部分として抽出し、類似部分の検索を続ける。 When the total sum D of distances is equal to or smaller than a predetermined threshold, the CPU 21 determines that the extracted portion is similar to the search key, and detects the extracted portion as a portion similar to the search key. When the total sum D of distances is larger than the threshold value, the CPU 21 extracts another part of the unprocessed part of the time series data as a new extracted part, and continues to search for a similar part.

次に、ＣＰＵ２１は、検索を終了するか否か、すなわち、時系列データ５の最後まで処理したか否かを判断する（ステップＳ１０７）。ＣＰＵ２１は、ステップＳ１０７でＮｏと判断した場合にはステップＳ１０８へ進み、それ以外の場合にはステップＳ１０９へ進む。 Next, the CPU 21 determines whether or not to end the search, that is, whether or not the processing has been completed up to the end of the time series data 5 (step S107). If the CPU 21 determines No in step S107, it proceeds to step S108, and otherwise it proceeds to step S109.

前者の場合、ＣＰＵ２１は、ステップＳ１０６で検出した類似部分を次の検索キーとし（ステップＳ１０８）、ステップＳ１０６へ進む。ＣＰＵ２１は、次にステップＳ１０６を実行するときには、前回ステップＳ１０６で検出した類似部分を検索キーとして使用する（図１０を参照）。ＣＰＵ２１は、ステップＳ１０６〜Ｓ１０８を繰り返し実行することにより、検索によって検出した部分を次の検索キーとして用いて、時系列データ５の未処理部分の中から検索キーに類似する部分を検索する処理を繰り返す。 In the former case, the CPU 21 uses the similar part detected in step S106 as the next search key (step S108), and proceeds to step S106. When executing step S106 next time, the CPU 21 uses the similar portion detected in the previous step S106 as a search key (see FIG. 10). The CPU 21 repeatedly executes steps S106 to S108 to search for a portion similar to the search key from the unprocessed portions of the time series data 5 using the portion detected by the search as the next search key. repeat.

後者の場合、ＣＰＵ２１は、ステップＳ１０６で検出した各類似部分について、ステップＳ１０４で指示された値を求める（ステップＳ１０９）。例えば、ＣＰＵ２１は、ステップＳ１０９において、類似部分の中の指定箇所の値や、類似部分の中の指定範囲内のデータの統計値（最大値、最小値、平均値、中央値、標準偏差、分散など）を求める。最後に、ＣＰＵ２１は、ステップＳ１０９で求めた値をグラフ化して表示部２５に表示させる（ステップＳ１１０）。 In the latter case, the CPU 21 obtains the value instructed in step S104 for each similar part detected in step S106 (step S109). For example, in step S109, the CPU 21 determines the value of the designated portion in the similar portion or the statistical value (maximum value, minimum value, average value, median, standard deviation, variance) of the data within the designated range in the similar portion. Etc.). Finally, CPU21 graphs the value calculated | required by step S109, and displays it on the display part 25 (step S110).

図２に示すコンピュータ２０の構成要素および図３に示すステップと、図１に示す時系列データ処理装置１０の構成要素とは、以下のように対応する。入力部２４およびステップＳ１０３、Ｓ１０４を実行するＣＰＵ２１は、指示入力部１１として機能する。ステップＳ１０２を実行するＣＰＵ２１は、データ分割部１２として機能する。ステップＳ１０６〜Ｓ１０８を実行するＣＰＵ２１は、検索部１３として機能する。ステップＳ１０９を実行するＣＰＵ２１は、値算出部１４として機能する。表示部２５およびステップＳ１１０を実行するＣＰＵ２１は、結果表示部１５として機能する。 The components of the computer 20 shown in FIG. 2 and the steps shown in FIG. 3 correspond to the components of the time-series data processing apparatus 10 shown in FIG. 1 as follows. The input unit 24 and the CPU 21 that executes steps S103 and S104 function as the instruction input unit 11. The CPU 21 that executes Step S <b> 102 functions as the data dividing unit 12. The CPU 21 that executes steps S106 to S108 functions as the search unit 13. The CPU 21 that executes Step S109 functions as the value calculation unit 14. The display unit 25 and the CPU 21 that executes Step S <b> 110 function as the result display unit 15.

以下、図１１〜図１８を参照して、時系列データ処理装置１０の他の動作例を説明する。時系列データ処理装置１０には、ステップＳ１０１において、図１１に示す時系列データが入力される。時系列データ処理装置１０は、ステップＳ１０２において、入力された時系列データを図１２に示すように複数の区間に分割する。 Hereinafter, another operation example of the time-series data processing device 10 will be described with reference to FIGS. In step S101, the time-series data processing apparatus 10 receives the time-series data shown in FIG. In step S102, the time-series data processing device 10 divides the input time-series data into a plurality of sections as shown in FIG.

時系列データ処理装置１０は、ステップＳ１０３において、入力された時系列データをグラフ化したものと、最初の検索キーを指示することを利用者に促すメッセージとを含む画面を表示部２５に表示する（図１３を参照）。利用者は、マウス２９を操作するなどして、画面に表示された時系列データの中から最初の検索キー（破線部）を指示する。 In step S103, the time-series data processing device 10 displays on the display unit 25 a screen including a graph of the input time-series data and a message prompting the user to specify the first search key. (See FIG. 13). The user instructs the first search key (broken line part) from the time series data displayed on the screen by operating the mouse 29 or the like.

時系列データ処理装置１０は、ステップＳ１０４において、ステップＳ１０３で指示された最初の検索キーをグラフ化したものと、値の種類を指示することを利用者に促すメッセージとを含む画面を表示部２５に表示する（図１４を参照）。利用者は、マウス２９を操作するなどして、最初の検索キーの中に範囲を指定したり、指定範囲内で求める値を指示したりする。図１４は、指定範囲内の最大値を求めることを指示するときの画面を示す。時系列データ処理装置１０は、ステップＳ１０５において、利用者が指示した最初の検索キーに対応した８個の区間を求める（図１５を参照）。 In step S104, the time-series data processing device 10 displays a screen including a graph of the first search key instructed in step S103 and a message prompting the user to instruct the type of value. (See FIG. 14). The user operates the mouse 29 or the like to specify a range in the first search key or to specify a value to be calculated within the specified range. FIG. 14 shows a screen when instructing to obtain the maximum value within the specified range. In step S105, the time-series data processing device 10 obtains eight sections corresponding to the first search key designated by the user (see FIG. 15).

時系列データ処理装置１０は、ステップＳ１０６において、時系列データの未処理部分の中から検索キーに類似した部分を検索する。図１６に示す例では、時系列データ処理装置１０は、時系列データからの抽出部分と検索キーについて８個の区間に対応して８個の距離Ｄ１〜Ｄ８を求め、距離Ｄｉの総和Ｄ＝Ｄ１＋Ｄ２＋…＋Ｄ７＋Ｄ８を求める。時系列データ処理装置１０は、距離の総和Ｄが閾値以下の場合に、時系列データからの抽出部分を類似部分として検出する。時系列データ処理装置１０は、ステップＳ１０６で検出した類似部分を次の検索キーとして使用しながら（図１７を参照）、時系列データの中から検索キーに類似する部分を繰り返し検索する。 In step S106, the time-series data processing device 10 searches a portion similar to the search key from unprocessed portions of the time-series data. In the example shown in FIG. 16, the time-series data processing device 10 obtains eight distances D1 to D8 corresponding to eight sections with respect to the extracted portion from the time-series data and the search key, and the sum D of distances D = D1 + D2 + ... + D7 + D8 is obtained. The time-series data processing device 10 detects an extracted part from the time-series data as a similar part when the total sum D of distances is equal to or less than a threshold value. The time series data processing apparatus 10 repeatedly searches for a part similar to the search key from the time series data while using the similar part detected in step S106 as the next search key (see FIG. 17).

時系列データ処理装置１０は、ステップＳ１０９において、検出した各類似部分について利用者から指示された値を求め、ステップＳ１１１において、求めた値の変化を示すグラフを含む画面を表示部２５に表示する。例えば、表示部２５には、図１８に示すグラフを含む画面が表示される。利用者は、表示部２５に表示されたグラフを見て、時系列データの発生源である装置や機器の保守作業を行うか否かを判断する。 In step S109, the time-series data processing device 10 obtains a value instructed by the user for each detected similar part, and in step S111, displays a screen including a graph indicating a change in the obtained value on the display unit 25. . For example, the display unit 25 displays a screen including the graph shown in FIG. The user looks at the graph displayed on the display unit 25 to determine whether or not to perform maintenance work on the device or device that is the source of the time-series data.

以上に示すように、本実施形態に係る時系列データ処理方法は、入力された時系列データの中から検索キーに類似した部分を検索する検索ステップと、最初の検索キーの指示を受け付けるステップとを備えている。検索ステップは、検索によって検出した部分を次の検索キーとして用いて、時系列データの未処理部分の中から検索キーに類似した部分を検索する処理を繰り返す。このように検索によって検出した類似部分を次の検索キーとして用いることにより、時系列データに含まれる類似部分が時間の経過と共に徐々に変化する場合でも、時系列データから類似部分を検出することができる。したがって、類似部分の変化を検知して、時系列データの発生源について保守作業などを行うか否かを判断することができる。 As described above, the time-series data processing method according to the present embodiment includes a search step for searching for a portion similar to a search key from input time-series data, and a step for receiving an instruction for the first search key. It has. The search step repeats the process of searching for a portion similar to the search key from the unprocessed portions of the time series data, using the portion detected by the search as the next search key. By using the similar part detected by the search as a next search key in this way, even when the similar part included in the time series data gradually changes with time, the similar part can be detected from the time series data. it can. Therefore, it is possible to detect whether or not a maintenance operation or the like is performed on the generation source of the time series data by detecting a change in a similar part.

また、本実施形態に係る時系列データ処理方法は、求める値の種類の指示を受け付けるステップと、検索ステップで検出された部分のそれぞれについて、指示された値を求める値算出ステップとをさらに備えている。したがって、類似部分のそれぞれについて求めた値に基づき、類似部分の変化を検知することができる。また、本実施形態に係る時系列データ処理方法は、値算出ステップで求めた値をグラフ化して表示するステップをさらに備えている。このように求めた値をグラフ化して表示することにより、類似部分の変化を容易に検知することができる。また、値算出ステップは、検索ステップで検出された部分のそれぞれについて、指定箇所の値や指定範囲内のデータの統計値を求める。したがって、類似部分の指定箇所の値や指定範囲内のデータの統計値に基づき、類似部分の変化を検知することができる。 The time-series data processing method according to the present embodiment further includes a step of accepting an instruction of the type of value to be obtained, and a value calculating step of obtaining the instructed value for each of the parts detected in the search step. Yes. Therefore, it is possible to detect a change in the similar part based on the value obtained for each of the similar parts. In addition, the time-series data processing method according to the present embodiment further includes a step of graphing and displaying the values obtained in the value calculating step. By displaying the values thus obtained in a graph, it is possible to easily detect a change in a similar part. In addition, the value calculation step obtains the value of the designated place and the statistical value of the data within the designated range for each of the parts detected in the search step. Therefore, it is possible to detect a change in the similar portion based on the value of the designated portion of the similar portion and the statistical value of the data within the designated range.

また、本実施形態に係る時系列データ処理方法は、時系列データを複数の区間に分割するステップをさらに備えている。検索ステップは、時系列データから抽出した部分と検索キーについて区間ごとに類似度評価値（距離Ｄｉ）を求め、類似度評価値に基づき時系列データから抽出した部分が検索キーに類似しているか否かを判断する。このように時系列データと検索キーを区間ごとに比較することにより、検索時の演算量を削減することができる。また、分割するステップは、区間内の時系列データを近似する近似曲線を求め、近似曲線を用いたときの近似誤差率が区切り条件を満たす最小値を区間の区切り点とする処理を繰り返す。したがって、近似誤差率に基づき、時系列データを好適に複数の区間に分割することができる。 The time-series data processing method according to the present embodiment further includes a step of dividing the time-series data into a plurality of sections. The search step obtains a similarity evaluation value (distance Di) for each section for the part extracted from the time series data and the search key, and whether the part extracted from the time series data based on the similarity evaluation value is similar to the search key Judge whether or not. Thus, by comparing the time-series data and the search key for each section, it is possible to reduce the amount of calculation during the search. In the dividing step, an approximate curve that approximates the time-series data in the section is obtained, and the process of setting the minimum value that satisfies the delimitation condition for the approximation error rate when using the approximate curve as the delimiter of the section is repeated. Therefore, the time series data can be preferably divided into a plurality of sections based on the approximate error rate.

本実施形態に係る時系列データ処理プログラム３１、および、本実施形態に係る時系列データ処理装置１０は、本実施形態に係る時系列データ処理方法と同様の構成を有し、同様の効果を奏する。 The time-series data processing program 31 according to the present embodiment and the time-series data processing apparatus 10 according to the present embodiment have the same configuration as the time-series data processing method according to the present embodiment and have the same effects. .

本発明の時系列データ処理方法、時系列データ処理プログラム、および、時系列データ処理装置によれば、時系列データに含まれる類似部分が時間の経過と共に徐々に変化する場合でも、時系列データから類似部分を検出することができる。したがって、類似部分の変化を検知して、時系列データの発生源について保守作業などを行うか否かを判断することができる。 According to the time-series data processing method, the time-series data processing program, and the time-series data processing apparatus of the present invention, even when the similar part included in the time-series data gradually changes with the passage of time, Similar parts can be detected. Therefore, it is possible to detect whether or not a maintenance operation or the like is performed on the generation source of the time series data by detecting a change in a similar part.

５…時系列データ
１０…時系列データ処理装置
１１…指示入力部
１２…データ分割部
１３…検索部
１４…値算出部
１５…結果表示部
２０…コンピュータ
２１…ＣＰＵ
２２…メインメモリ
２４…入力部
２５…表示部
３０…記憶媒体
３１…時系列データ処理プログラム DESCRIPTION OF SYMBOLS 5 ... Time series data 10 ... Time series data processing apparatus 11 ... Instruction input part 12 ... Data division part 13 ... Search part 14 ... Value calculation part 15 ... Result display part 20 ... Computer 21 ... CPU
DESCRIPTION OF SYMBOLS 22 ... Main memory 24 ... Input part 25 ... Display part 30 ... Storage medium 31 ... Time series data processing program

Claims

コンピュータが実行する時系列データ処理方法であって、
物理量の測定結果を時系列順に並べて得られた波形データである時系列データについて、入力された時系列データの中から検索キーに類似した部分を検索する検索ステップと、
最初の検索キーの指示を受け付けるステップとを備え、
前記検索ステップは、検索によって検出した部分を次の検索キーとして用いて、前記時系列データの未処理部分の中から検索キーに類似した部分を検索する処理を繰り返すことを特徴とする、時系列データ処理方法。 A time series data processing method executed by a computer,
A search step for searching a portion similar to a search key from input time-series data for time-series data that is waveform data obtained by arranging physical quantity measurement results in time-series order ; and
Receiving a first search key instruction,
The search step repeats the process of searching for a portion similar to the search key from the unprocessed portions of the time-series data, using the portion detected by the search as a next search key. Data processing method.

求める値の種類の指示を受け付けるステップと、
前記検索ステップで検出された部分のそれぞれについて、指示された値を求める値算出ステップとをさらに備えた、請求項１に記載の時系列データ処理方法。 A step of accepting an instruction of a desired value type;
The time-series data processing method according to claim 1, further comprising a value calculation step for obtaining an instructed value for each of the portions detected in the search step.

前記値算出ステップで求めた値をグラフ化して表示するステップをさらに備えた、請求項２に記載の時系列データ処理方法。 The time series data processing method according to claim 2, further comprising a step of graphing and displaying the value obtained in the value calculating step.

前記値算出ステップは、前記検索ステップで検出された部分のそれぞれについて、指定箇所の値を求めることを特徴とする、請求項２または３に記載の時系列データ処理方法。 The time-series data processing method according to claim 2 or 3, wherein the value calculating step obtains a value of a designated portion for each of the portions detected in the searching step.

前記値算出ステップは、前記検索ステップで検出された部分のそれぞれについて、指定範囲内のデータの統計値を求めることを特徴とする、請求項２または３に記載の時系列データ処理方法。 4. The time-series data processing method according to claim 2, wherein the value calculation step obtains a statistical value of data within a specified range for each of the portions detected in the search step.

前記時系列データを複数の区間に分割するステップをさらに備え、
前記検索ステップは、前記時系列データから抽出した部分と前記検索キーについて区間ごとに類似度評価値を求め、前記類似度評価値に基づき前記時系列データから抽出した部分が前記検索キーに類似しているか否かを判断することを特徴とする、請求項１〜５のいずれかに記載の時系列データ処理方法。 Further comprising the step of dividing the time series data into a plurality of sections;
The search step obtains a similarity evaluation value for each section for the part extracted from the time series data and the search key, and the part extracted from the time series data based on the similarity evaluation value is similar to the search key. 6. The time-series data processing method according to claim 1, wherein the time-series data processing method according to claim 1 is determined.

前記分割するステップは、区間内の時系列データを近似する近似曲線を求め、前記近似曲線を用いたときの近似誤差率が区切り条件を満たす最小値を区間の区切り点とする処理を繰り返すことを特徴とする、請求項６に記載の時系列データ処理方法。 The dividing step includes obtaining an approximate curve that approximates the time-series data in the section, and repeating the process using the minimum value that satisfies the delimitation condition for the approximate error rate when the approximate curve is used as the delimiter of the section. The time-series data processing method according to claim 6, wherein the time-series data processing method is characterized.

物理量の測定結果を時系列順に並べて得られた波形データである時系列データについて、入力された時系列データの中から検索キーに類似した部分を検索する検索ステップと、
最初の検索キーの指示を受け付けるステップと
をコンピュータにＣＰＵがメモリを利用して実行させる時系列データ処理プログラムであって、
前記検索ステップは、検索によって検出した部分を次の検索キーとして用いて、前記時系列データの未処理部分の中から検索キーに類似した部分を検索する処理を繰り返すことを特徴とする、時系列データ処理プログラム。 A search step for searching a portion similar to a search key from input time-series data for time-series data that is waveform data obtained by arranging physical quantity measurement results in time-series order ; and
A time-series data processing program that causes a computer to execute a step of receiving an instruction of a first search key using a memory,
The search step repeats the process of searching for a portion similar to the search key from the unprocessed portions of the time-series data, using the portion detected by the search as a next search key. Data processing program.

求める値の種類の指示を受け付けるステップと、
前記検索ステップで検出された部分のそれぞれについて、指示された値を求める値算出ステップと
を前記コンピュータにさらに実行させることを特徴とする、請求項８に記載の時系列データ処理プログラム。 A step of accepting an instruction of a desired value type;
9. The time-series data processing program according to claim 8, further causing the computer to execute a value calculation step for obtaining an instructed value for each of the parts detected in the search step.

前記値算出ステップで求めた値をグラフ化して表示するステップを前記コンピュータにさらに実行させることを特徴とする、請求項９に記載の時系列データ処理プログラム。 10. The time-series data processing program according to claim 9, further causing the computer to execute a step of graphing and displaying the value obtained in the value calculating step.

前記値算出ステップは、前記検索ステップで検出された部分のそれぞれについて、指定箇所の値を求めることを特徴とする、請求項９または１０に記載の時系列データ処理プログラム。 The time series data processing program according to claim 9 or 10, wherein the value calculating step obtains a value of a designated portion for each of the portions detected in the searching step.

前記値算出ステップは、前記検索ステップで検出された部分のそれぞれについて、指定範囲内のデータの統計値を求めることを特徴とする、請求項９または１０に記載の時系列データ処理プログラム。 The time-series data processing program according to claim 9 or 10, wherein the value calculation step obtains a statistical value of data within a specified range for each of the portions detected in the search step.

前記時系列データを複数の区間に分割するステップを前記コンピュータにさらに実行させ、
前記検索ステップは、前記時系列データから抽出した部分と前記検索キーについて区間ごとに類似度評価値を求め、前記類似度評価値に基づき前記時系列データから抽出した部分が前記検索キーに類似しているか否かを判断することを特徴とする、請求項８〜１２のいずれかに記載の時系列データ処理プログラム。 Further causing the computer to execute a step of dividing the time-series data into a plurality of sections;
The search step obtains a similarity evaluation value for each section for the part extracted from the time series data and the search key, and the part extracted from the time series data based on the similarity evaluation value is similar to the search key. 13. The time-series data processing program according to claim 8, wherein the time-series data processing program according to claim 8 is determined.

前記分割するステップは、区間内の時系列データを近似する近似曲線を求め、前記近似曲線を用いたときの近似誤差率が区切り条件を満たす最小値を区間の区切り点とする処理を繰り返すことを特徴とする、請求項１３に記載の時系列データ処理プログラム。 The dividing step includes obtaining an approximate curve that approximates the time-series data in the section, and repeating the process using the minimum value that satisfies the delimitation condition for the approximate error rate when the approximate curve is used as the delimiter of the section. The time-series data processing program according to claim 13, characterized in that it is characteristic.

物理量の測定結果を時系列順に並べて得られた波形データである時系列データについて、入力された時系列データの中から検索キーに類似した部分を検索する検索部と、
最初の検索キーの指示を受け付ける指示入力部とを備え、
前記検索部は、検索によって検出した部分を次の検索キーとして用いて、前記時系列データの未処理部分の中から検索キーに類似した部分を検索する処理を繰り返すことを特徴とする、時系列データ処理装置。
With respect to time-series data that is waveform data obtained by arranging physical quantity measurement results in time-series order, a search unit that searches a portion similar to a search key from input time-series data;
An instruction input unit for receiving an instruction of the first search key,
The search unit repeats the process of searching for a part similar to the search key from the unprocessed parts of the time-series data, using the part detected by the search as the next search key. Data processing device.

前記指示入力部は、求める値の種類の指示を受け付け、
前記検索部で検出された部分のそれぞれについて、前記指示入力部で指示された値を求める値算出部をさらに備えた、請求項１５に記載の時系列データ処理装置。 The instruction input unit receives an instruction of a type of value to be obtained,
The time-series data processing device according to claim 15, further comprising a value calculation unit that obtains a value indicated by the instruction input unit for each of the parts detected by the search unit.

前記値算出部で求めた値をグラフ化して表示する結果表示部をさらに備えた、請求項１６に記載の時系列データ処理装置。 The time-series data processing device according to claim 16, further comprising a result display unit that graphs and displays values obtained by the value calculation unit.

前記時系列データを複数の区間に分割する分割部をさらに備え、
前記検索部は、前記時系列データから抽出した部分と前記検索キーについて区間ごとに類似度評価値を求め、前記類似度評価値に基づき前記時系列データから抽出した部分が前記検索キーに類似しているか否かを判断することを特徴とする、請求項１５〜１７のいずれかに記載の時系列データ処理装置。 A division unit for dividing the time-series data into a plurality of sections;
The search unit obtains a similarity evaluation value for each section for the part extracted from the time series data and the search key, and the part extracted from the time series data based on the similarity evaluation value is similar to the search key. The time-series data processing device according to claim 15, wherein the time-series data processing device according to claim 15 is determined.

前記分割部は、区間内の時系列データを近似する近似曲線を求め、前記近似曲線を用いたときの近似誤差率が区切り条件を満たす最小値を区間の区切り点とする処理を繰り返すことを特徴とする、請求項１８に記載の時系列データ処理装置。 The dividing unit obtains an approximate curve that approximates time-series data in a section, and repeats the process of setting the minimum value that satisfies the delimitation condition when the approximate curve is used as the delimiter of the section. The time-series data processing device according to claim 18.