JP6566631B2 - 予測装置、予測方法、及びプログラム - Google Patents
予測装置、予測方法、及びプログラム Download PDFInfo
- Publication number
- JP6566631B2 JP6566631B2 JP2014242460A JP2014242460A JP6566631B2 JP 6566631 B2 JP6566631 B2 JP 6566631B2 JP 2014242460 A JP2014242460 A JP 2014242460A JP 2014242460 A JP2014242460 A JP 2014242460A JP 6566631 B2 JP6566631 B2 JP 6566631B2
- Authority
- JP
- Japan
- Prior art keywords
- data
- time
- prediction
- current time
- past
- 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
- 238000000034 method Methods 0.000 title claims description 73
- 230000007704 transition Effects 0.000 claims description 90
- 238000001514 detection method Methods 0.000 claims description 7
- 230000010365 information processing Effects 0.000 claims 15
- 238000013500 data storage Methods 0.000 description 35
- 230000008569 process Effects 0.000 description 19
- 238000010586 diagram Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 5
- 230000002159 abnormal effect Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000000737 periodic effect Effects 0.000 description 2
- 238000000611 regression analysis Methods 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 230000001932 seasonal effect Effects 0.000 description 1
- 238000012731 temporal analysis Methods 0.000 description 1
- 238000000700 time series analysis Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/02—Knowledge representation; Symbolic representation
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Artificial Intelligence (AREA)
- Medical Informatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computational Linguistics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Description
(適用形態)
本発明の実施形態に係る予測装置が扱う時系列データとしては、例えば、プリンタ、複写機、カメラ、車など様々な製品を構成する部品についての消耗や劣化具合などをセンサーやカウンタなどから取得、算出して、時間の経過に従って記録したデータなどである。本実施形態の予測装置は、この時系列データに基づいて、部品交換の時期などの予測を行う。
図1は、本実施形態において習得される時系列データの例を表している。本実施形態は、複写機におけるトナーの交換時期を予測するものであり、取得される時系列データは、横軸の時刻tに対して、縦軸の消耗度(例えば、トナー残量等)である。
図3は、本実施形態に係る予測装置のソフトウェア構成を示すブロック図である。図3に示す予測装置は、予測に用いる時系列のデータを取得するデータ取得部301、取得したデータを時間の経過に従って記憶するデータ記憶部302を有する。また、使用データ判定部303は、現時刻データ予測部3031、予測変動判定部3032から構成され、データ記憶部302に記憶された過去時刻のデータに加えて現時刻のデータも予測に使用するかどうかを判定する。さらに、使用データ判定部303の判定に基づき使用するデータから将来のデータを予測する最終結果予測部304と、最終結果予測部304により予測した結果を記憶する予測情報記憶部305と、予測結果の表示を制御する表示制御部306を有する。
図4は、先に説明した本実施形態の予測装置により実行される予測方法の処理を示すフローチャートである。まず、ステップS401において、データ取得部301は、センサー等により検知、出力された現時刻のデータを取得する。このデータは時系列で取得できるデータであれば、その形態を問わないことは先に述べた通りである。本実施形態の予測装置は、複写機のトナー交換時期を予測するため、時系列データとしてトナー残量を取得する。故障や交換の予測の場合には、その時系列データは消耗具合を示す指標になる。データ取得部301が取得したデータは、データ記憶部302と使用データ判定部303に送られる。
(概要)
次に、本発明の第2の実施形態として、過去の予測変動に基づいて現時刻の予測変動が許容範囲内にあるかを判断し、許容範囲内にある場合には現時刻データと過去時刻データを用いて予測結果を算出する形態について説明する。本実施形態は、時系列データが与えられて、時刻t1から時刻tn−1までのデータを用いて将来の値を予測するときに、予測の変動の遷移に着目して、消耗度が予め設定した値xnになるであろう時刻[tn]を予測する。
図7は、本実施形態の予測装置により実行される予測方法の処理を示すフローチャートである。第1の実施形態の処理フローとの差異は、ステップS407に代えてステップS701を行うことであるので、ここでは、ステップS701の処理を中心に説明する。
(概要)
次に、本発明の第3の実施形態として、過去時刻における時系列データのデータ遷移または他機番における時系列データのデータ遷移に基づいて、現時刻データは用いるかを決定する形態について説明する。本実施形態は、時系列データが与えられて、時刻t1から時刻tn−1までのデータを使用して将来の値を予測するときに、データの遷移に着目して、消耗度があらかじめ設定した値xnになるであろう時刻[tn]を予測する。
図9は、本実施形態に係る予測装置のソフトウェア構成を示すブロック図である。第1、第2の実施形態で既に説明した構成については同一の符号を付し、その説明は省略する。図9に示す予測装置は、データ取得部301、データ記憶部302、使用データ判定部903、最終結果予測部304、多個体データ記憶部905から構成されている。また、使用データ判定部903は、類似遷移検出部9031、現時刻使用判定部9032から構成されている。
図10は、本実施形態の予測装置により実行される予測方法の処理を示すフローチャートである。第1の実施形態の処理フローとの差異は、ステップS403〜S407に代えてステップS1001、S1002を行うことである。そのため、ここでは、ステップS1001、S1002の処理を中心に説明する。
図3では、データ記憶部302と予測情報記憶部305とを分けて、図9ではデータ記憶部302と多個体データ記憶部905とを分けたが、必ずしも分ける必要はなく、まとめて逐次記憶するような記憶部であってもよい。図8の記憶部811は、データ記憶部302と多個体データ記憶部905とをまとめたものとして図示している。また、データ記憶部302、予測情報記憶部305、多個体データ記憶部905等の記憶部が予測装置に備えられる構成としたが、記録部を予測装置とは別体として設けられてネットワーク等の手段により接続された構成であってもよい。データ記憶部302を予測装置と別体する場合には、データを格納するための格納部(HDD、メモリ等)が装置外に備えられ、装置内ではその格納部にデータを逐次記憶させて時系列データを生成するデータ生成部の機能が残ることになる。
302 データ記憶部
303 使用データ判定部
3031 現時刻データ予測部
3032 予測変動判定部
304 最終結果予測部
305 予測情報記憶部
Claims (11)
- 現時刻のデータを取得するデータ取得手段と、
前記データ取得手段により複数の時刻で取得したデータから過去時刻のデータを含む時系列データを生成するデータ生成手段と、
前記現時刻のデータと前記過去時刻のデータとから現時刻における予測結果を算出する現時刻予測手段と、
前記算出された現時刻における予測結果と前記現時刻予測手段により過去に算出した過去時刻における前記予測結果との第1の差が、前記現時刻予測手段により過去に算出された過去時刻における前記予測結果同士の第2の差よりも大きいかを判定する判定手段と、
前記判定手段により、前記第1の差が前記第2の差よりも大きいと判定された場合に前記現時刻のデータを使用せずに過去時刻のデータに基づいて将来のデータを予測し、前記第1の差が前記第2の差以下であると判定された場合に前記現時刻のデータと前記過去時刻のデータに基づいて将来のデータを予測する最終予測手段とを有し、
前記最終予測手段は、過去に取得した前記現時刻のデータを過去時刻のデータとして使用することを特徴とする予測装置。 - 前記判定手段は、前記第1の差が、複数の前記第2の差の統計値よりも大きいかを判定することを特徴とする請求項1に記載の予測装置。
- 前記統計値は、最大値、平均値、中央値、最頻値のいずれかであることを特徴とする請求項2に記載の予測装置。
- 現時刻のデータを取得するデータ取得手段と、
前記データ取得手段により複数の時刻で取得したデータから過去時刻のデータを含む時系列データを生成するデータ生成手段と、
前記現時刻のデータと前記過去時刻のデータとから現時刻における予測結果を算出する現時刻予測手段と、
前記算出された現時刻における予測結果と前記現時刻予測手段により過去に算出した過去時刻における前記予測結果との第1の差が、前記現時刻予測手段により過去に算出された過去時刻における前記予測結果同士の第2の差の遷移から求めた許容範囲から外れているかを判定する判定手段と、
前記判定手段により、前記第1の差が前記許容範囲から外れていると判定された場合に前記現時刻のデータを使用せずに過去時刻のデータに基づいて将来のデータを予測し、前記第1の差が前記許容範囲であると判定された場合に前記現時刻のデータと前記過去時刻のデータに基づいて将来のデータを予測する最終予測手段とを有し、
前記最終予測手段は、過去に取得した前記現時刻のデータを過去時刻のデータとして使用することを特徴とする予測装置。 - 現時刻のデータを取得するデータ取得手段と、
前記データ取得手段により複数の時刻で取得したデータから過去時刻のデータを含む時系列データを生成するデータ生成手段と、
前記時系列データの一部のデータの遷移に類似したデータの遷移を過去の時系列データまたは他機番の時系列データより検出する検出手段と、
前記検出した類似のデータの遷移において現時刻のデータを使用した場合としなかった場合とのいずれの予測の精度が高かったかを判定する判定手段と、
前記判定手段により、前記現時刻のデータを使用しなかった場合の方が予測の精度が高かったと判定された場合に前記現時刻のデータを使用せずに過去時刻のデータに基づいて将来のデータを予測し、前記現時刻のデータを使用した場合の方が予測の精度が高かったと判定された場合に前記現時刻のデータと前記過去時刻のデータに基づいて将来のデータを予測する最終予測手段とを有し、
前記最終予測手段は、過去に取得した前記現時刻のデータを過去時刻のデータとして使用することを特徴とする予測装置。 - 前記検出手段は、複数の前記類似のデータの遷移を検出し、
前記判定手段は、前記複数の類似のデータの遷移のそれぞれについて、前記現時刻のデータを使用した場合としなかった場合とのいずれの予測の精度が高かったかを判定することを特徴とする請求項5に記載の予測装置。 - 前記判定手段は、前記複数の類似のデータの遷移のそれぞれについての判定結果に重みを付けて、最終的な判定結果を出力することを特徴とする請求項6に記載の予測装置。
- 情報処理装置が行う予測方法であって、
前記情報処理装置のデータ取得手段が、現時刻のデータを取得するステップと、
前記情報処理装置のデータ生成手段が、複数の時刻で取得したデータから時系列データを生成するステップと、
前記情報処理装置の現時刻予測手段が、前記現時刻のデータと前記過去時刻のデータとから現時刻における予測結果を算出するステップと、
前記情報処理装置の判定手段が、前記算出された現時刻における予測結果と前記現時刻予測手段により過去に算出した過去時刻における前記予測結果との第1の差が、前記現時刻予測手段により過去に算出された過去時刻における前記予測結果同士の第2の差よりも大きいかを判定するステップと、
前記情報処理装置の最終予測手段が、前記判定するステップにおいて、前記第1の差が前記第2の差よりも大きいと判定された場合に前記現時刻のデータを使用せずに過去時刻のデータに基づいて将来のデータを最終予測し、前記第1の差が前記第2の差以下であると判定された場合に前記現時刻のデータと前記過去時刻のデータに基づいて将来のデータを最終予測するステップとを有し、
前記最終予測するステップでは、過去に取得した前記現時刻のデータを過去時刻のデータとして使用することを特徴とする予測方法。 - 情報処理装置が行う予測方法であって、
前記情報処理装置のデータ取得手段が、現時刻のデータを取得するステップと、
前記情報処理装置のデータ生成手段が、前記データ取得手段により複数の時刻で取得したデータから過去時刻のデータを含む時系列データを生成するステップと、
前記情報処理装置の現時刻予測手段が、前記現時刻のデータと前記過去時刻のデータとから現時刻における予測結果を算出するステップと、
前記情報処理装置の判定手段が、前記算出された現時刻における予測結果と前記現時刻予測手段により過去に算出した過去時刻における前記予測結果との第1の差が、前記現時刻予測手段により過去に算出された過去時刻における前記予測結果同士の第2の差の遷移から求めた許容範囲から外れているかを判定するステップと、
前記情報処理装置の最終予測手段が、前記判定手段により、前記第1の差が前記許容範囲から外れていると判定された場合に前記現時刻のデータを使用せずに過去時刻のデータに基づいて将来のデータを最終予測し、前記第1の差が前記許容範囲であると判定された場合に前記現時刻のデータと前記過去時刻のデータに基づいて将来のデータを最終予測するステップとを有し、
前記最終予測するステップでは、過去に取得した前記現時刻のデータを過去時刻のデータとして使用することを特徴とする予測方法。 - 情報処理装置が行う予測方法であって、
前記情報処理装置のデータ取得手段が、現時刻のデータを取得するステップと、
前記情報処理装置のデータ生成手段が、複数の時刻で取得したデータから過去時刻のデータを含む時系列データを生成するステップと、
前記情報処理装置の検出手段が、前記時系列データの一部のデータの遷移に類似したデータの遷移を過去の時系列データまたは他機番の時系列データより検出するステップと、
前記情報処理装置の判定手段が、前記検出した類似のデータの遷移において現時刻のデータを使用した場合としなかった場合とのいずれの予測の精度が高かったかを判定するステップと、
前記情報処理装置の最終予測手段が、前記判定手段により、前記現時刻のデータを使用しなかった場合の方が予測の精度が高かったと判定された場合に前記現時刻のデータを使用せずに過去時刻のデータに基づいて将来のデータを最終予測し、前記現時刻のデータを使用した場合の方が予測の精度が高かったと判定された場合に前記現時刻のデータと前記過去時刻のデータに基づいて将来のデータを最終予測するステップとを有し、
前記最終予測するステップでは、過去に取得した前記現時刻のデータを過去時刻のデータとして使用することを特徴とする予測方法。 - コンピュータを、請求項1から7のいずれか1項に記載の予測装置として機能させるためのプログラム。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2014242460A JP6566631B2 (ja) | 2014-11-28 | 2014-11-28 | 予測装置、予測方法、及びプログラム |
US14/948,838 US10540609B2 (en) | 2014-11-28 | 2015-11-23 | Prediction device, prediction method, and recording medium |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2014242460A JP6566631B2 (ja) | 2014-11-28 | 2014-11-28 | 予測装置、予測方法、及びプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2016103243A JP2016103243A (ja) | 2016-06-02 |
JP6566631B2 true JP6566631B2 (ja) | 2019-08-28 |
Family
ID=56079410
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2014242460A Active JP6566631B2 (ja) | 2014-11-28 | 2014-11-28 | 予測装置、予測方法、及びプログラム |
Country Status (2)
Country | Link |
---|---|
US (1) | US10540609B2 (ja) |
JP (1) | JP6566631B2 (ja) |
Families Citing this family (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9792889B1 (en) | 2016-11-03 | 2017-10-17 | International Business Machines Corporation | Music modeling |
US10950132B2 (en) * | 2016-12-22 | 2021-03-16 | Xevo Inc. | Method and system for providing artificial intelligence analytic (AIA) services using operator fingerprints and cloud data |
KR102617992B1 (ko) * | 2016-12-27 | 2023-12-26 | 한화비전 주식회사 | 예측 진단 장치 및 감시 시스템 |
JP6913478B2 (ja) * | 2017-02-20 | 2021-08-04 | 株式会社Screenホールディングス | 印刷装置及び印刷方法 |
JP6851275B2 (ja) * | 2017-07-12 | 2021-03-31 | アズビル金門株式会社 | Lpガスの消費予測装置、及び、lpガスの消費予測方法 |
JP6992780B2 (ja) * | 2019-03-19 | 2022-01-13 | セイコーエプソン株式会社 | 情報処理装置、学習装置及び学習済モデル |
JP7265965B2 (ja) * | 2019-08-30 | 2023-04-27 | 株式会社日立製作所 | 機械学習装置および機械学習方法 |
JP7475956B2 (ja) | 2020-05-14 | 2024-04-30 | 株式会社日立製作所 | 推論方法、機械学習推論システム及びコンピュータプログラム |
JP7480683B2 (ja) * | 2020-11-18 | 2024-05-10 | トヨタ自動車株式会社 | 状態推定装置、方法およびプログラム |
US11314584B1 (en) * | 2020-11-25 | 2022-04-26 | International Business Machines Corporation | Data quality-based confidence computations for KPIs derived from time-series data |
JP7317874B2 (ja) * | 2021-01-12 | 2023-07-31 | 本田技研工業株式会社 | 情報処理装置、プログラム及び情報処理方法 |
US20230342787A1 (en) * | 2022-04-20 | 2023-10-26 | Dell Products L.P. | Optimized hardware product returns for subscription services |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH07306846A (ja) | 1994-05-13 | 1995-11-21 | Nippon Telegr & Teleph Corp <Ntt> | 時系列データ予測方法 |
JP3229773B2 (ja) * | 1995-05-15 | 2001-11-19 | 三洋電機株式会社 | 商品販売量等の予測装置 |
JP5600570B2 (ja) * | 2010-12-06 | 2014-10-01 | 株式会社日立製作所 | 太陽光発電量予測装置,太陽光発電量予測方法,系統電圧制御装置,系統電圧制御方法 |
JP4981976B1 (ja) * | 2011-01-27 | 2012-07-25 | 有限会社アールファイブ | 変動値予測システム、在庫管理システム、プログラム、記憶媒体 |
JP5930684B2 (ja) * | 2011-12-01 | 2016-06-08 | キヤノン株式会社 | 情報処理装置及び方法、並びにプログラム |
US20140188402A1 (en) * | 2013-01-03 | 2014-07-03 | Dexcom, Inc. | Outlier detection for analyte sensors |
-
2014
- 2014-11-28 JP JP2014242460A patent/JP6566631B2/ja active Active
-
2015
- 2015-11-23 US US14/948,838 patent/US10540609B2/en active Active
Also Published As
Publication number | Publication date |
---|---|
US10540609B2 (en) | 2020-01-21 |
JP2016103243A (ja) | 2016-06-02 |
US20160155056A1 (en) | 2016-06-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6566631B2 (ja) | 予測装置、予測方法、及びプログラム | |
US11774503B2 (en) | Battery life learning device, battery life prediction device, method and non-transitory computer readable medium | |
JP6312630B2 (ja) | 時系列データ内の異常を検出する方法 | |
EP2905665B1 (en) | Information processing apparatus, diagnosis method, and program | |
JP6647122B2 (ja) | 磨耗検査装置及び磨耗検査方法 | |
KR101832653B1 (ko) | 압연 프로세스의 학습 제어 장치 | |
EP3552067B1 (en) | Methods and systems for discovery of prognostic subsequences in time series | |
US8429100B2 (en) | Method for building adaptive soft sensor | |
US20110004419A1 (en) | Apparatus, system, and method of determining apparatus state | |
JP2018092445A5 (ja) | ||
JP2007140965A (ja) | 操業結果予測方法及びそのシステム | |
US9298150B2 (en) | Failure predictive system, and failure predictive apparatus | |
JP7243361B2 (ja) | ジョブスケジューラ及びジョブスケジュール制御方法 | |
JP6164311B1 (ja) | 情報処理装置、情報処理方法、及び、プログラム | |
CN111833594A (zh) | 车流量预测方法、装置、电子设备及存储介质 | |
JP6628712B2 (ja) | 時系列データの逐次更新予測判定方法及び逐次更新予測判定システム | |
WO2020170304A1 (ja) | 学習装置及び方法、予測装置及び方法、並びにコンピュータ可読媒体 | |
JP7374868B2 (ja) | 情報処理装置、情報処理方法およびプログラム | |
US20150354972A1 (en) | Travel time prediction method and travel time prediction device | |
JP2016086521A (ja) | 消費電力予測方法および装置 | |
Kamariotis et al. | Optimal maintenance decisions supported by SHM: A benchmark study | |
JP5546981B2 (ja) | 出力値予測方法、該装置および該方法のプログラム | |
CN112597637B (zh) | 一种舵***健康状态评估方法 | |
CN115511188A (zh) | 一种气缸劣化分析方法及***、设备、存储介质 | |
JP6733656B2 (ja) | 情報処理装置、情報処理システム、プラントシステム、情報処理方法、及び、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: 20171018 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20181004 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20181016 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20181213 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20190423 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20190621 |
|
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: 20190702 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20190730 |
|
R151 | Written notification of patent or utility model registration |
Ref document number: 6566631 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |