JP6828633B2 - Data processing device, its control method, and program - Google Patents
Data processing device, its control method, and program Download PDFInfo
- Publication number
- JP6828633B2 JP6828633B2 JP2017152926A JP2017152926A JP6828633B2 JP 6828633 B2 JP6828633 B2 JP 6828633B2 JP 2017152926 A JP2017152926 A JP 2017152926A JP 2017152926 A JP2017152926 A JP 2017152926A JP 6828633 B2 JP6828633 B2 JP 6828633B2
- Authority
- JP
- Japan
- Prior art keywords
- sensor
- determination
- data
- data processing
- power saving
- 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
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Power Sources (AREA)
- Selective Calling Equipment (AREA)
- Mobile Radio Communication Systems (AREA)
Description
本発明は、ネットワークに接続されたセンサから収集したデータに対してデータ処理を行うデータ処理装置、及びその制御方法、並びにプログラムに関するものである。 The present invention relates to a data processing device that processes data collected from sensors connected to a network, a control method thereof, and a program.
多数のセンサがネットワークに接続されたＩｏＴ（Internet of Things）環境に不可欠なセンサ処理は、一般的に、各センサによって取得されたデータを、クラウド等のデータ処理装置に集約して当該データの処理を行うことによって実現されている（非特許文献１）。非特許文献２には、クラウドとセンサとの間に設置された、クラウド機能を有するゲートウェイ（フォグノード等）がデータ処理装置として機能する構成が記載されている。このように、クラウド又はゲートウェイ等のデータ処理装置が多数のセンサからデータを収集するＩｏＴ環境では、センサの数が多くなるほど、ネットワーク全体の消費電力が増加するとともに、データ処理装置における処理負荷が大きくなることが課題となる。
Sensor processing, which is indispensable for the IoT (Internet of Things) environment in which a large number of sensors are connected to a network, generally aggregates the data acquired by each sensor into a data processing device such as a cloud and processes the data. It is realized by performing (Non-Patent Document 1). Non-Patent
このような課題に対して、所定の期間に一部のセンサの動作を停止させることにより、ＩｏＴネットワーク全体の消費電力を削減する研究が進められている。非特許文献３では、事前に定めた通信タイミングに合わせて、センサの動作を開始及び停止させる技術が提案されている。非特許文献４では、ある対象センサ自体の通信品質、及び対象センサ周辺の他のセンサの通信品質（予測値）に基づいて、センサが動作を開始及び停止するタイミングを、センサごとに可変に設定する技術が提案されている。
In response to such problems, research is underway to reduce the power consumption of the entire IoT network by stopping the operation of some sensors within a predetermined period. Non-Patent
上述の従来技術では、センサ及びデータ処理装置等の通信機器間の通信のタイミング又は品質を基準としてセンサの動作状態（動作モード）を制御しているが、ＩｏＴネットワークにおけるデータ処理性能の観点での検討は行われていない。このため、従来技術では、ＩｏＴネットワーク全体の消費電力を低減することは期待できても、センサから収集したデータに対して高性能・高信頼度のデータ処理を実現することが難しい。 In the above-mentioned prior art, the operating state (operating mode) of the sensor is controlled based on the timing or quality of communication between the communication device such as the sensor and the data processing device, but from the viewpoint of data processing performance in the IoT network. No consideration has been given. Therefore, with the conventional technology, although it can be expected to reduce the power consumption of the entire IoT network, it is difficult to realize high-performance and highly reliable data processing for the data collected from the sensor.
本発明は、上述の課題に鑑みてなされたものである。本発明は、センサから収集したデータの処理精度を維持しながらネットワーク全体の消費電力を低減するように、データ処理装置がネットワーク内の各センサの動作モードを制御する技術を提供することを目的としている。 The present invention has been made in view of the above-mentioned problems. An object of the present invention is to provide a technique in which a data processing device controls an operation mode of each sensor in the network so as to reduce the power consumption of the entire network while maintaining the processing accuracy of the data collected from the sensors. There is.
本発明の一態様の係るデータ処理装置は、ネットワーク内の各センサと通信可能であり、各センサからセンサデータを収集してデータ処理を行うデータ処理装置であって、対象センサが配置されたエリアの状況の判定を、非省電力モードで動作中のセンサから収集したセンサデータに対するデータ処理により行う判定器であって、前記対象センサについての判定結果と当該判定結果の信頼度とを出力する前記判定器を、前記ネットワーク内の各センサから過去に収集されたセンサデータを用いた機械学習によって生成する生成手段と、前記ネットワーク内の複数のセンサのうちで、センサデータを出力しない省電力モードで動作させるセンサを、前記機械学習によって決定する決定手段であって、前記機械学習において、前記判定器による判定に関連する前記対象センサの重要度が低いことを示す条件を、前記対象センサが満たした場合に、前記対象センサを、前記省電力モードで動作させるセンサとして決定する、前記決定手段と、前記決定手段によって決定されたセンサが前記省電力モードで動作するよう、当該センサの動作モードを制御する制御手段と、を備えることを特徴とする。 The data processing device according to one aspect of the present invention is a data processing device capable of communicating with each sensor in the network, collecting sensor data from each sensor and performing data processing, and is an area in which the target sensor is arranged. the determination of the situation, a determination unit that performs the data processing for pairs the sensor data collected from sensors operating in a non-power saving mode, outputs the reliability of the determination result and the determination result for the target sensor A power saving means that does not output sensor data among a plurality of sensors in the network and a generation means that generates the determination device by machine learning using sensor data collected in the past from each sensor in the network. The target sensor is a determination means for determining a sensor to be operated in the mode by the machine learning, and the target sensor satisfies a condition indicating that the target sensor is less important in the determination by the determination device in the machine learning. When the target sensor is satisfied, the operation mode of the sensor is determined as a sensor to be operated in the power saving mode, so that the determination means and the sensor determined by the determination means operate in the power saving mode. It is characterized by comprising a control means for controlling the above.
本発明によれば、センサから収集したデータの処理精度を維持しながらネットワーク全体の消費電力を低減するように、データ処理装置がネットワーク内の各センサの動作モードを制御することが可能になる。 According to the present invention, the data processing device can control the operation mode of each sensor in the network so as to reduce the power consumption of the entire network while maintaining the processing accuracy of the data collected from the sensors.
以下、本発明の例示的な実施形態について図面を参照して説明する。なお、以下の各図においては、実施形態の説明に必要ではない構成要素については図から省略する。 Hereinafter, exemplary embodiments of the present invention will be described with reference to the drawings. In each of the following figures, components not necessary for the description of the embodiment will be omitted from the drawings.
＜ネットワーク構成＞
図１（Ａ）は、本実施形態に係るデータ処理装置を含むネットワーク構成例を示す図である。本実施形態では、クラウド（クラウド上のサーバ）と複数のセンサ（Ｓ１，Ｓ２，Ｓ３，...）とが設けられている。クラウドは、ネットワーク内の各センサと有線又は無線により通信可能に接続され、各センサから出力されるデータ（センサデータ）を収集することができ、収集したセンサデータに対するデータ処理を行う。なお、クラウドの配下には、任意の数のセンサを設けることが可能である。
<Network configuration>
FIG. 1A is a diagram showing an example of a network configuration including a data processing device according to the present embodiment. In this embodiment, a cloud (server on the cloud) and a plurality of sensors (S1, S2, S3, ...) Are provided. The cloud is communicably connected to each sensor in the network by wire or wirelessly, can collect data (sensor data) output from each sensor, and processes the collected sensor data. An arbitrary number of sensors can be provided under the cloud.
図１（Ａ）のクラウドは、各センサからセンサデータを収集してデータ処理を行う、本発明のデータ処理装置の一例として機能する。本発明は、例えば、図１（Ｂ）に示すように、ゲートウェイ装置（Ｇ１，Ｇ２，Ｇ３，...）が、配下の複数のセンサとクラウド（クラウド上のサーバ）との間に設けられたネットワーク構成に対しても適用可能である。 The cloud of FIG. 1A functions as an example of the data processing device of the present invention that collects sensor data from each sensor and performs data processing. In the present invention, for example, as shown in FIG. 1 (B), a gateway device (G1, G2, G3, ...) Is provided between a plurality of subordinate sensors and a cloud (server on the cloud). It can also be applied to other network configurations.
図１（Ｂ）の各ゲートウェイ装置は、配下にある複数のセンサからセンサデータを収集し、収集したデータに所定の処理を行い、その処理結果をクラウドへ送信する、ゲートウェイ機能を有する。ゲートウェイ装置は、配下にある各センサと有線又は無線により通信可能に接続され、各センサから出力されるセンサデータを取得できる。ゲートウェイ装置の配下には、任意の数のセンサを設けることが可能である。なお、１つのゲートウェイ装置が他のゲートウェイ装置と直接的に通信を行う又は１つ以上のゲートウェイ装置を経由して間接的に通信を行う、ゲートウェイ間通信が可能であり、ゲートウェイ装置間で互いにセンサデータの取得が可能であってもよい。図１（Ｂ）の構成では、各ゲートウェイ装置が、各センサからセンサデータを収集してデータ処理を行う、本発明のデータ処理装置の一例として機能する。 Each gateway device of FIG. 1B has a gateway function of collecting sensor data from a plurality of sensors under the control, performing predetermined processing on the collected data, and transmitting the processing result to the cloud. The gateway device is communicably connected to each of the sensors under its control by wire or wirelessly, and can acquire sensor data output from each sensor. An arbitrary number of sensors can be provided under the gateway device. It should be noted that inter-gateway communication is possible in which one gateway device directly communicates with another gateway device or indirectly communicates via one or more gateway devices, and the gateway devices communicate with each other. It may be possible to acquire data. In the configuration of FIG. 1B, each gateway device functions as an example of the data processing device of the present invention in which sensor data is collected from each sensor and data processing is performed.
図１（Ａ）及び（Ｂ）に示す各センサは、動作モードとして、通常モード（非省電力モード）と、通常モードよりも消費電力が少ないスリープモード（省電力モード）とを有し、データ処理装置からの指示に従って、いずれかの動作モードで動作可能である。通常モードは、センサのセンシング及び通信機能が動作し、センサデータを出力する動作モードである。スリープモードは、センサのセンシング及び通信機能が停止し、センサデータを出力しない動作モードである。スリープモードでは、センシング及び送信機能が停止することにより、センサの消費電力が削減される。ただし、各センサは、スリープモードでの動作中にもデータ処理装置から送信される制御信号を受信できるように、所定の時間間隔で（間欠的に）通信機能を動作させる。 Each sensor shown in FIGS. 1A and 1B has a normal mode (non-power saving mode) and a sleep mode (power saving mode) that consumes less power than the normal mode as an operation mode, and data. It can operate in any of the operating modes according to the instructions from the processing device. The normal mode is an operation mode in which the sensor sensing and communication functions operate and sensor data is output. The sleep mode is an operation mode in which the sensor sensing and communication functions are stopped and the sensor data is not output. In sleep mode, the power consumption of the sensor is reduced by stopping the sensing and transmission functions. However, each sensor operates the communication function (intermittently) at predetermined time intervals so that the control signal transmitted from the data processing device can be received even during the operation in the sleep mode.
＜データ処理装置による処理の概要＞
本実施形態のデータ処理装置（図１（Ａ）のクラウド又は図１（Ｂ）のゲートウェイ装置）は、センサデータを収集し、事前の機械学習によって生成した計算モデル（判定器）を用いて、収集したデータに対するデータ処理を行う機能を有する。具体的には、データ処理装置は、以下の３段階の処理を行う。
<Outline of processing by data processing device>
The data processing device of the present embodiment (cloud of FIG. 1A or gateway device of FIG. 1B) collects sensor data and uses a calculation model (judgment device) generated by prior machine learning. It has a function to process the collected data. Specifically, the data processing device performs the following three stages of processing.
●前処理
データ処理装置はまず、過去に収集したセンサデータを用いて機械学習を行うことによって、収集したセンサデータに対するデータ処理に用いる計算モデル（判定器）を生成する。
●判定処理
次に、データ処理装置は、前処理により生成された判定器を用いて、自装置の配下にあるセンサから（及び必要に応じて周辺のゲートウェイ装置から）収集したセンサデータに対するデータ処理を行う。なお、データ処理装置がゲートウェイ装置である場合、必要に応じて処理結果をクラウドへ送信する。
●フィードバック処理
更に、データ処理装置は、判定処理においてネットワーク内の各センサから新たに収集されたセンサデータを用いた機械学習によって、判定器を定期的に更新する。これにより、判定処理に使用される判定器を、各センサから収集されるセンサデータの日々の変動に対応可能にする。
● Preprocessing The data processing device first generates a calculation model (judgment device) used for data processing on the collected sensor data by performing machine learning using the sensor data collected in the past.
● Judgment processing Next, the data processing device uses the judgment device generated by the pre-processing to process data on the sensor data collected from the sensors under its own device (and from the surrounding gateway devices as necessary). I do. If the data processing device is a gateway device, the processing result is transmitted to the cloud as needed.
● Feedback processing Furthermore, the data processing device periodically updates the judgment device by machine learning using sensor data newly collected from each sensor in the network in the judgment processing. As a result, the judgment device used for the judgment processing can cope with the daily fluctuation of the sensor data collected from each sensor.
本実施形態では、データ処理装置は、各センサから収集したセンサデータの処理精度を維持しながらネットワーク全体の消費電力を低減するように、ネットワーク内の各センサに送信する制御信号を用いて各センサの動作モードを制御する。 In the present embodiment, the data processing device uses control signals transmitted to each sensor in the network so as to reduce the power consumption of the entire network while maintaining the processing accuracy of the sensor data collected from each sensor. Controls the operating mode of.
具体的には、データ処理装置は、前処理において、機械学習によって生成される判定器による判定（データ処理）に関連する、各センサの重要度を基準として、ネットワーク内の複数のセンサのうちで、スリープモードで動作させるセンサを決定する。更に、データ収集処理は、判定処理の実行段階において、決定したセンサをスリープモードで動作させる制御を行う。上記の決定では、後述するように、対応する判定器による判定に関連する重要度が低いことを示す条件を満たしたセンサが、スリープモードで動作させるセンサとして選択される。これにより、スリープモードで動作中のセンサから出力されるセンサデータを、対応する判定器によるデータ処理に使用できないことに起因した、センサデータの処理精度（判定器の判定精度）の低下を防止できる。 Specifically, the data processing device is among a plurality of sensors in the network based on the importance of each sensor related to the judgment (data processing) by the judgment device generated by machine learning in the preprocessing. , Determine the sensor to operate in sleep mode. Further, the data collection process controls the determined sensor to operate in the sleep mode at the execution stage of the determination process. In the above determination, as will be described later, a sensor that satisfies the condition indicating that the importance related to the determination by the corresponding determination device is low is selected as the sensor to be operated in the sleep mode. As a result, it is possible to prevent a decrease in sensor data processing accuracy (judgment accuracy of the judgment device) due to the fact that the sensor data output from the sensor operating in the sleep mode cannot be used for data processing by the corresponding judgment device. ..
また、データ処理装置は、スリープモードで動作中のセンサについて、後述する所定の復帰条件が満たされた場合に、当該センサをスリープモードから通常モードに復帰させる制御を行う。この復帰条件は、センサ又は当該センサの周辺に存在するセンサに対応する判定器の判定精度を向上させる、又は判定精度の低下を防ぐ必要がある状況が生じた場合に、そのような状況に対処するために定められている。 Further, the data processing device controls the sensor operating in the sleep mode to return the sensor from the sleep mode to the normal mode when a predetermined return condition described later is satisfied. This return condition deals with a situation in which it is necessary to improve the judgment accuracy of the sensor or the judgment device corresponding to the sensor existing in the vicinity of the sensor, or prevent the judgment accuracy from being lowered. It is stipulated to do.
なお、フィードバック処理の実行段階では、データ処理装置は、判定器を更新するごとに、スリープモードで動作させるセンサを機械学習によって決定してもよい。これにより、各センサから収集されるセンサデータの日々の変動（センサが配置されたエリアの状況の変動）に適応しながら、センサデータの処理精度を維持できる。 At the execution stage of the feedback processing, the data processing device may determine the sensor to be operated in the sleep mode by machine learning each time the determination device is updated. As a result, the processing accuracy of the sensor data can be maintained while adapting to the daily fluctuation of the sensor data collected from each sensor (the fluctuation of the situation in the area where the sensor is arranged).
＜データ処理装置の機能構成＞
図２は、本実施形態に係るデータ処理装置２０の機能構成例を示すブロック図である。図２に示すように、データ処理装置２０は、大きく分けて、前処理部２１、判定処理部２２、フィードバック処理部２３、及びデータ記憶部２４を有する。前処理部２１、判定処理部２２、及びフィードバック処理部２３は、上述の前処理、判定処理、及びフィードバック処理をそれぞれ実現する機能ユニットである。なお、前処理部２１、判定処理部２２、及びフィードバック処理部２３は、ハードウェア若しくはソフトウェア、又はそれらの組み合わせによって、データ処理装置２０において実現されうる。ソフトウェアによって実現される場合、データ処理装置２０が備える１つ以上のＣＰＵ等のプロセッサ（図示せず）が、ＲＯＭ等の記憶装置（図示せず）に格納された制御プログラムを読み出して実行することによって実現されうる。
<Functional configuration of data processing device>
FIG. 2 is a block diagram showing a functional configuration example of the
●前処理部２１
前処理部２１は、ネットワーク内の各センサから過去に収集されたセンサデータを用いた機械学習によって、対象センサについての判定のためにセンサデータに対してデータ処理を行う判定器を生成する。生成された判定器は、判定処理部２２によって、新たに収集したセンサデータに対するデータ処理に用いられ、対象センサについての判定結果と、当該判定結果の信頼度とを出力する。
●
The
前処理部２１は、例えば、機械学習の対象となるセンサデータについての、それぞれ異なる規模（サイズ）のデータセットを用いて機械学習を行うことによって、複数の判定器を生成しうる。その場合、前処理部２１は、生成した各判定器によって得られる判定結果の精度を確認し、所定の基準を満たす判定器のいずれか（例えば、データ処理に必要となるデータ量が最も少ない判定器）を、判定処理部２２による判定処理用のデフォルト判定器として決定する。前処理部２１は、生成した１つ以上の判定器をデータ記憶部２４に格納する。
The preprocessing
前処理部２１は、更に、ネットワーク内の複数のセンサのうちで、スリープモードで動作させるセンサを、上述の機械学習によって決定する。前処理部２１は、機械学習において、判定器による判定に関連する対象センサの重要度が低いことを示す条件を、当該対象センサが満たした場合に、当該対象センサを、スリープモードで動作させるセンサとして決定する。前処理部２１は、当該決定の結果に基づいて、ネットワーク内の各センサの動作モードを示す制御情報を、データ記憶部２４に格納する。
The preprocessing
上述のように、対象センサの重要度が低いことを示す条件が満たされる場合とは、例えば、当該対象センサから出力されたセンサデータを使用するか否かによらず、当該対象センサに対応する判定器によって同一の判定結果が得られる場合に相当する。これは、対象センサ自体のセンサデータを使用せず、当該対象センサの周辺に存在するセンサのセンサデータのみを使用して、判定器によるデータ処理を行っても、判定結果が変わらないことを意味する。このような場合、対象センサをスリープモードへ移行させても、対応する判定器の判定精度を低下させずに維持することが可能である。このため、本実施形態では、上述の条件を満たすセンサをスリープモードへ移行させることにより、対応する判定器の判定精度を維持しながらネットワーク全体の消費電力の低減を実現する。 As described above, the case where the condition indicating that the target sensor is of low importance is satisfied corresponds to, for example, the target sensor regardless of whether or not the sensor data output from the target sensor is used. This corresponds to the case where the same judgment result can be obtained by the judgment device. This means that the judgment result does not change even if the data processing by the judgment device is performed by using only the sensor data of the sensors existing around the target sensor without using the sensor data of the target sensor itself. To do. In such a case, even if the target sensor is shifted to the sleep mode, it is possible to maintain the determination accuracy of the corresponding determination device without deteriorating it. Therefore, in the present embodiment, by shifting the sensor satisfying the above conditions to the sleep mode, the power consumption of the entire network can be reduced while maintaining the judgment accuracy of the corresponding judgment device.
●判定処理部２２
判定処理部２２は、前処理部２１によって決定されたセンサがスリープモードで動作するよう、データ記憶部２４に格納されている制御情報に従って、当該センサの動作モードを制御する。判定処理部２２は、スリープモードへの移行をセンサに指示するためのスリープ移行指示を含む制御信号を、センサに送信することによって、当該センサをスリープモードに移行させることが可能である。
●
The
判定処理部２２は、更に、通常モードで動作中の各センサからセンサデータを収集し、収集したセンサデータを、データ記憶部２４に格納されている判定器を用いて処理する。判定器は、収集したセンサデータに対するデータ処理により、当該判定器に対応するセンサである対象センサについての所定の判定を行う。本実施形態では、判定器は、対象センサが配置されたエリアの状況が正常であるか異常であるかを判定する。例えば、各センサが、温度（気温）を測定して測定値を出力する温度センサである場合、判定器は、データ処理の結果、対応する対象センサが、周辺（近傍）のセンサから出力される温度と極端に異なる温度を出力していれば、異常を示す判定結果を出力する。
The
判定処理部２２は、更に、スリープモードで動作中のセンサについて、後述する所定の復帰条件が満たされた場合に、当該センサをスリープモードから通常モードに復帰させる制御を行う。判定処理部２２は、スリープモードから通常モードへの復帰をセンサに指示するためのスリープ復帰指示を含む制御信号を、センサに送信することによって、当該センサをスリープモードから通常モードに復帰（移行）させることが可能である。
The
●フィードバック処理部２３
フィードバック処理部２３は、判定処理部２２による判定処理に使用されたセンサデータを取得し、取得したセンサデータを用いて機械学習を行うことによって、判定処理に使用されている判定器を定期的に更新する。なお、フィードバック処理部２３は、更新後の判定器をデータ記憶部２４に格納することによって、当該更新後の判定器を判定処理部２２による判定処理に使用可能にする。
●
The
フィードバック処理部２３は、更に、判定器を更新するごとに、前処理部２１による上述の決定と同様に、スリープモードで動作させるセンサを機械学習によって決定する。フィードバック処理部２３は、当該決定の結果に基づいて、データ記憶部２４に格納されている、ネットワーク内の各センサの動作モードを示す制御情報を更新する。
Further, each time the determination device is updated, the
以下では、図３乃至図５を参照して、データ処理装置２０によって実行される処理ついて、より具体的に説明する。
Hereinafter, the processing executed by the
＜スリープ移行制御の処理手順＞
図３は、データ処理装置２０において実行されるスリープ移行制御の処理手順を示すフローチャートである。図４は、センサＳ１，Ｓ２，... が入力層であり、センサＳ１が対象センサである場合の、対応する判定器によるデータ処理の例を示す図であり、ニューラルネットワークを機械学習に適用した例を示している。
<Processing procedure for sleep transition control>
FIG. 3 is a flowchart showing a processing procedure of sleep transition control executed in the
ステップＳ３０１で、前処理部２１は、ネットワーク内の各センサから出力された、過去に収集されたセンサデータを取得する。次にステップＳ３０２で、前処理部２１は、取得したセンサデータを用いて機械学習（例えば、サポートベクトルマシン）を行うことによって、対象センサに対応する判定器を生成する。前処理部２１は、生成した判定器をデータ記憶部２４に保存する。
In step S301, the preprocessing
なお、ステップＳ３０２において生成される各判定器の入力は、対象センサ及び周辺のセンサから出力されるセンサデータ列である。判定器は、入力されたセンサデータ列に対するデータ処理により、対象センサについての判定（対象センサが配置されたエリアの状況が正常であるか異常であるかの判定）を行う。判定器の出力は、判定結果、及び当該判定結果の信頼度である。本実施形態では、判定結果は、対象センサが配置されたエリアの状況が正常であるか異常であるかを示す情報である。また、信頼度は、判定結果の確からしさを示す指標である。 The input of each determination device generated in step S302 is a sensor data string output from the target sensor and surrounding sensors. The determination device determines the target sensor (determines whether the condition of the area where the target sensor is arranged is normal or abnormal) by data processing on the input sensor data string. The output of the judgment device is the judgment result and the reliability of the judgment result. In the present embodiment, the determination result is information indicating whether the condition of the area where the target sensor is arranged is normal or abnormal. The reliability is an index showing the certainty of the determination result.
その後、ステップＳ３０３で、前処理部２１は、対象センサに対応する判定器による判定に関連する、当該対象センサの重要度に従って、当該対象センサをスリープモードに移行させるか否かを、機械学習によって決定する。具体的には、上述のように、前処理部２１は、対象センサが、当該対象センサの重要度が低いことを示す条件（移行条件）を満たした場合には、当該対象センサをスリープモードに移行させることを、満たさなかった場合には、当該対象センサをスリープモードに移行させない（通常モードに維持する）ことを決定する。上記の移行条件（基準）には、より具体的には、下記の移行条件１〜３のいずれか、又は１つ以上の組み合わせが適用される。
After that, in step S303, the preprocessing
●移行条件１
移行条件１は、機械学習において、対象センサから出力されるセンサデータを使用する場合と、当該センサデータを使用せずに対象センサの周辺に存在するセンサから出力されるセンサデータのみを使用する場合とで、対応する判定器による判定結果が同一であり、判定結果の信頼度として同一の信頼度が得られたことである。移行条件１が満たされる場合、対象センサをスリープモードで動作させ、当該対象センサのセンサデータを使用しなくとも、判定器によって同一の判定結果を同一の信頼度で得ることができる。即ち、判定器の判定精度を維持しながら消費電力の低減を実現できる。
●
●移行条件２
移行条件２は、機械学習において得られた、判定器に対応する対象センサの重要度を示す指標値が、所定の閾値より低いことである。当該指標値は、例えば図４に示すように、判定器によるデータ処理において、対象センサＳ１から出力されるセンサデータに対して適用される重み値（ｗ１，ｗ２，ｗ３，ｗ４）である。この指標は、対象センサＳ１自体のセンサデータが、機械学習においてどの程度重要であるかを表す指標である。
●
The
指標値である図４の各重み値が低いほど、対象センサＳ１のセンサデータが、判定器による判定結果に与える影響が少なくなる。これは、対象センサＳ１のセンサデータ無しでも、同一の判定結果及び信頼度が得られる（即ち、判定器の判定精度を維持しながら消費電力の低減を実現できる）ことを意味する。このため、移行条件２によれば、指標値（各重み値）が閾値より低い場合には、対象センサのセンサデータは不要と判断し、当該対象センサをスリープモードで動作させると決定する。
The lower each weight value in FIG. 4, which is an index value, the less the influence of the sensor data of the target sensor S1 on the determination result by the determination device. This means that the same determination result and reliability can be obtained without the sensor data of the target sensor S1 (that is, the power consumption can be reduced while maintaining the determination accuracy of the determination device). Therefore, according to the
●移行条件３
移行条件３は、対象センサに対応する判定器による、過去に収集されたセンサデータに基づく判定結果として、特定の判定結果が得られた確率が、所定の閾値より低いことである。特定の判定結果は、例えば異常を示す判定結果である。このように、異常を示す判定結果が得られた確率が低い場合、当該判定器による判定の対象となるエリアについては、その状況が正常である可能性が高い。即ち、異常である状況を検出するための判定を行う必要性は低い（即ち、対象センサについて、判定器による判定に関連する重要度が低い）と考えられる。このため、判定器に対応する対象センサをスリープモードへ移行させたとしても、判定器の判定精度が低下する可能性が低く、判定精度を維持しながら消費電力を低減することが可能になりうる。
●
The
ステップＳ３０３における決定の結果は、前処理部２１によってデータ記憶部２４に制御情報として格納される。ステップＳ３０３の処理の完了後、次にステップＳ３０４で、判定処理部２２は、データ記憶部２４に格納されている制御情報に従って、対象センサをスリープモードに移行させるか否かを判定し、移行させる場合には、ステップＳ３０５へ処理を進め、移行させない場合には、処理を終了する。ステップＳ３０５で、判定処理部２２は、スリープ移行指示を含む制御信号を対象センサへ送信し、処理を終了する。当該スリープ移行指示に従って、対象センサは、スリープモードへ移行して当該スリープモードでの動作を開始する。
The result of the determination in step S303 is stored as control information in the
＜スリープ復帰制御の手順＞
図５は、データ処理装置２０において実行されるスリープ復帰制御の処理手順を示すフローチャートである。
<Procedure for wakeup control>
FIG. 5 is a flowchart showing a processing procedure of sleep wakeup control executed in the
ステップＳ５０１で、判定処理部２２は、ネットワーク内で通常モードで動作中の各センサから出力されたセンサデータを収集する。次にステップＳ５０２で、判定処理部２２は、ネットワーク内の各センサを対象センサとして、対応する判定器を用いて、収集したセンサデータに対してデータ処理を行うことで、対象センサが配置されたエリアの状況が正常であるか異常であるかの判定を行う。
In step S501, the
その後、ステップＳ５０３で、判定処理部２２は、対象センサがスリープモードで動作中であるか否かを判定し、通常モードで動作中である場合には、処理を終了する。一方、判定処理部２２は、対象センサがスリープモードで動作中である場合には、処理をステップＳ５０４へ進める。
After that, in step S503, the
ステップＳ５０４で、判定処理部２２は、所定の復帰条件に従って、対象センサをスリープモードから通常モードに復帰（移行）させるか否かを定期的に決定する。この復帰条件（基準）は、センサ又は当該センサの周辺に存在するセンサに対応する判定器の判定精度を向上させる、又は判定精度の低下を防ぐ必要がある状況が生じたことを判定するための条件である。より具体的には、下記の復帰条件１〜３のいずれか、又は１つ以上の組み合わせが適用される。
In step S504, the
●復帰条件１
復帰条件１は、スリープモードで動作中のセンサ（対象センサ）を、当該センサについての判定器による判定結果の信頼度が（それ以前より）低下したことである。あるいは、復帰条件１は、当該判定結果の信頼度が所定の閾値より低くなったことでもよい。この場合、判定処理部２２は、対象センサに対応する判定器の判定精度を向上させるために、当該対象センサを通常モードに復帰させて、当該対象センサのセンサデータを判定に使用できるようにする。
●
The
●復帰条件２
復帰条件２は、スリープモードで動作中のセンサ（対象センサ）を、当該センサについての判定器による判定結果として特定の判定結果（本実施形態では、異常を示す判定結果）が得られたことである。この場合、判定処理部２２は、より高い精度で対象センサによるセンシング対象のエリアの状況について判定器による判定を行うために、当該対象センサを通常モードに復帰させて、当該対象センサのセンサデータを判定に使用できるようにする。
●
The
●復帰条件３
復帰条件３は、スリープモードで動作中のセンサ（第１センサ）を、当該センサの周辺に存在するセンサ（第２センサ）についての判定器の判定精度を向上させる必要があることである。この場合、第２センサに対応する判定器による判定を、より高い精度で行うために、第１センサを通常モードに復帰させ、当該第１センサのセンサデータを判定に使用できるようにする。復帰条件３の適用例としては、判定処理部２２は、第２センサが第１センサよりも上述の重要度が高く、かつ、第２センサに対応する判定器の判定結果として特定の判定結果（本実施形態では、異常を示す判定結果）が得られたことを条件として、第１センサを通常モードに復帰させる。
●
The
ステップＳ５０４における決定の結果は、前処理部２１によってデータ記憶部２４に制御情報として格納される。ステップＳ５０４の処理の完了後、次にステップＳ５０５で、判定処理部２２は、データ記憶部２４に格納されている制御情報に従って、対象センサをスリープモードから通常モードに復帰させるか否かを判定し、復帰させる場合には、ステップＳ５０６へ処理を進め、復帰させない場合には、処理を終了する。ステップＳ５０６で、判定処理部２２は、スリープ復帰指示を含む制御信号を対象センサへ送信し、処理を終了する。当該スリープ復帰指示に従って、対象センサはスリープモードから復帰して通常モードでの動作を開始する。
The result of the determination in step S504 is stored as control information in the
なお、判定処理部２２は、ステップＳ５０６において対象センサが通常モードへ復帰した後、所定の期間内に、当該復帰に関連した条件を満たさなくなったセンサを、再びスリープモードに移行させてもよい。これにより、対応する判定器の判定精度を低下させずに、再び消費電力の低減を図ることが可能である。
After the target sensor returns to the normal mode in step S506, the
以上説明したように、本実施形態では、データ処理装置２０は、ネットワーク内の各センサと通信可能であり、各センサからセンサデータを収集してデータ処理を行う。前処理部２１は、対象センサについての判定のためにセンサデータに対してデータ処理を行う判定器であって、対象センサについての判定結果と当該判定結果の信頼度とを出力する判定器を、ネットワーク内の各センサから過去に収集されたセンサデータを用いた機械学習によって生成する。判定処理部２２は、ネットワーク内の複数のセンサのうちで、スリープモードで動作させるセンサを、機械学習によって決定する。その際、判定処理部２２は、機械学習において、判定器による判定に関連する当該対象センサの重要度が低いことを示す条件を、当該対象センサが満たした場合に、当該対象センサを、スリープモードで動作させるセンサとして決定する。更に、判定処理部２２は、決定したセンサがスリープモードで動作するよう、当該センサの動作モードを制御する。
As described above, in the present embodiment, the
本実施形態によれば、センサ処理における各センサ（対象センサ）の重要度であって、対応する判定器による判定に関連する重要度を基準として、当該対象センサをスリープモードに移行させる。これにより、データ処理装置によるデータ処理の精度を一定レベルに維持しながら、ネットワーク内において通常モードで動作させるセンサの数を低減し、ネットワーク全体の消費電力を低減することが可能になる。また、通常モードで動作するセンサの数の低減により、センサとデータ収集装置間の通信量を低減することができるとともに、データ収集装置における処理負荷を低減することが可能になる。また、本実施形態によって実現される処理は、追加の装置の導入を必要とせずに、既存のシステムの一部に追加の設定を導入することによって実現できるため、実施が容易である。 According to the present embodiment, the target sensor is shifted to the sleep mode based on the importance of each sensor (target sensor) in the sensor processing and the importance related to the judgment by the corresponding determination device. This makes it possible to reduce the number of sensors operating in the normal mode in the network and reduce the power consumption of the entire network while maintaining the accuracy of data processing by the data processing device at a constant level. Further, by reducing the number of sensors operating in the normal mode, it is possible to reduce the amount of communication between the sensors and the data collection device, and it is possible to reduce the processing load in the data collection device. Further, the processing realized by the present embodiment can be realized by introducing additional settings into a part of the existing system without requiring the introduction of an additional device, and thus the implementation is easy.
なお、本実施形態に係るゲートウェイ装置は、コンピュータをゲートウェイ装置として機能させるためのコンピュータプログラムにより実現することができる。当該コンピュータプログラムは、コンピュータが読み取り可能な記憶媒体に記憶されて配布が可能なもの、又は、ネットワーク経由で配布が可能なものである。 The gateway device according to the present embodiment can be realized by a computer program for making a computer function as a gateway device. The computer program is stored in a computer-readable storage medium and can be distributed, or can be distributed via a network.
２１：前処理部
２２：判定処理部
２３：フィードバック処理部
２４：データ記憶部
21: Pre-processing unit 22: Judgment processing unit 23: Feedback processing unit 24: Data storage unit
Claims (15)
対象センサが配置されたエリアの状況の判定を、非省電力モードで動作中のセンサから収集したセンサデータに対するデータ処理により行う判定器であって、前記対象センサについての判定結果と当該判定結果の信頼度とを出力する前記判定器を、前記ネットワーク内の各センサから過去に収集されたセンサデータを用いた機械学習によって生成する生成手段と、
前記ネットワーク内の複数のセンサのうちで、センサデータを出力しない省電力モードで動作させるセンサを、前記機械学習によって決定する決定手段であって、前記機械学習において、前記判定器による判定に関連する前記対象センサの重要度が低いことを示す条件を、前記対象センサが満たした場合に、前記対象センサを、前記省電力モードで動作させるセンサとして決定する、前記決定手段と、
前記決定手段によって決定されたセンサが前記省電力モードで動作するよう、当該センサの動作モードを制御する制御手段と、
を備えることを特徴とするデータ処理装置。 It is a data processing device that can communicate with each sensor in the network, collects sensor data from each sensor, and processes the data.
The determination of the status of the area where the target sensor is located, a determination unit that performs the data processing for pairs the sensor data collected from sensors operating in a non-power saving mode, the determination result and the determination of the target sensor A generation means for generating the determination device that outputs the reliability of the result by machine learning using sensor data collected in the past from each sensor in the network.
It is a determination means for determining a sensor to be operated in a power saving mode that does not output sensor data among a plurality of sensors in the network by the machine learning, and is related to the determination by the determination device in the machine learning. When the target sensor satisfies the condition indicating that the target sensor is of low importance, the target sensor is determined as a sensor that operates in the power saving mode.
A control means for controlling the operation mode of the sensor so that the sensor determined by the determination means operates in the power saving mode, and
A data processing device characterized by comprising.
ことを特徴とする請求項１に記載のデータ処理装置。 The conditions are output from a sensor existing around the target sensor without using the sensor data output from the target sensor in the machine learning when the sensor data output from the target sensor is used. The data processing apparatus according to claim 1, wherein the same reliability is obtained as the reliability of the determination result when only the sensor data is used.
ことを特徴とする請求項１又は２に記載のデータ処理装置。 The data processing apparatus according to claim 1 or 2, wherein the condition includes that the index value indicating the importance of the target sensor obtained in the machine learning is lower than the threshold value.
ことを特徴とする請求項３に記載のデータ処理装置。 The data processing apparatus according to claim 3, wherein the index value is a weight value applied to sensor data output from the target sensor in the data processing by the determination device.
ことを特徴とする請求項１から４のいずれか１項に記載のデータ処理装置。 The condition is any one of claims 1 to 4, wherein the probability that a specific determination result is obtained as the determination result by the determination device based on the sensor data collected in the past is lower than the threshold value. The data processing apparatus according to item 1.
前記決定手段は、更に、前記判定器が更新されるごとに、前記省電力モードで動作させるセンサを前記機械学習によって決定する
ことを特徴とする請求項１から５のいずれか１項に記載のデータ処理装置。 Further provided with an update means for periodically updating the determination device generated by the generation means by the machine learning using the sensor data newly collected from each sensor in the network.
The determination means according to any one of claims 1 to 5, further comprising determining a sensor to be operated in the power saving mode by the machine learning each time the determination device is updated. Data processing device.
ことを特徴とする請求項１から６のいずれか１項に記載のデータ処理装置。 The control means returns the sensor operating in the power saving mode to the non-power saving mode that outputs sensor data, provided that the reliability of the judgment result by the judgment device for the sensor is lowered. The data processing apparatus according to any one of claims 1 to 6, characterized in that.
ことを特徴とする請求項１から７のいずれか１項に記載のデータ処理装置。 The control means puts the sensor operating in the power saving mode into a non-power saving mode that outputs sensor data on condition that a specific judgment result is obtained as a judgment result by the judgment device for the sensor. The data processing apparatus according to any one of claims 1 to 7, wherein the data processing apparatus is restored.
ことを特徴とする請求項１から８のいずれか１項に記載のデータ処理装置。 The control means uses the first sensor operating in the power saving mode as a sensor on condition that it is necessary to improve the determination accuracy of the determination device for the second sensor existing in the vicinity of the first sensor. The data processing apparatus according to any one of claims 1 to 8, wherein the data processing apparatus returns to a non-power saving mode for outputting data.
前記制御手段は、前記第２センサについての前記判定器による判定結果として特定の判定結果が得られたことを条件として、前記第１センサを前記省電力モードから前記非省電力モードに復帰させる
ことを特徴とする請求項９に記載のデータ処理装置。 The second sensor has a higher importance than the first sensor.
The control means returns the first sensor from the power saving mode to the non-power saving mode on condition that a specific judgment result is obtained as a judgment result by the judgment device for the second sensor. 9. The data processing apparatus according to claim 9.
ことを特徴とする請求項７から１０のいずれか１項に記載のデータ処理装置。 The control means according to any one of claims 7 to 10, wherein the control means periodically determines whether or not to return each sensor operating in the power saving mode to the non-power saving mode. Data processing equipment.
ことを特徴とする請求項７から１１のいずれか１項に記載のデータ処理装置。 7. The control means is characterized in that, after returning to the non-power saving mode, a sensor that does not satisfy the conditions related to the return is shifted to the power saving mode again within a predetermined period of time. The data processing apparatus according to any one of items 11 to 11.
前記特定の判定結果は、前記エリアの状況が異常であることを示す判定結果である
ことを特徴とする請求項５、８及び１０のいずれか１項に記載のデータ処理装置。 The determination device determines whether the condition of the area where the target sensor is arranged is normal or abnormal by the data processing.
The data processing apparatus according to any one of claims 5, 8 and 10, wherein the specific determination result is a determination result indicating that the situation in the area is abnormal.
対象センサが配置されたエリアの状況の判定を、非省電力モードで動作中のセンサから収集したセンサデータに対するデータ処理により行う判定器であって、前記対象センサについての判定結果と当該判定結果の信頼度とを出力する前記判定器を、前記ネットワーク内の各センサから過去に収集されたセンサデータを用いた機械学習によって生成する生成工程と、
前記ネットワーク内の複数のセンサのうちで、センサデータを出力しない省電力モードで動作させるセンサを、前記機械学習によって決定する決定工程であって、前記機械学習において、前記判定器による判定に関連する前記対象センサの重要度が低いことを示す条件を、前記対象センサが満たした場合に、前記対象センサを、前記省電力モードで動作させるセンサとして決定する、前記決定工程と、
前記決定工程において決定されたセンサが前記省電力モードで動作するよう、当該センサの動作モードを制御する制御工程と、
を含むことを特徴とするデータ処理装置の制御方法。 It is a control method of a data processing device that can communicate with each sensor in the network, collects sensor data from each sensor, and processes the data.
The determination of the status of the area where the target sensor is located, a determination unit that performs the data processing for pairs the sensor data collected from sensors operating in a non-power saving mode, the determination result and the determination of the target sensor A generation process in which the determination device that outputs the reliability of the result is generated by machine learning using sensor data collected in the past from each sensor in the network.
It is a determination step of determining a sensor to be operated in a power saving mode that does not output sensor data among a plurality of sensors in the network by the machine learning, and is related to the determination by the determination device in the machine learning. The determination step of determining the target sensor as a sensor that operates in the power saving mode when the target sensor satisfies the condition indicating that the target sensor is of low importance.
A control step of controlling the operation mode of the sensor so that the sensor determined in the determination step operates in the power saving mode,
A method for controlling a data processing device, which comprises.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2017152926A JP6828633B2 (en) | 2017-08-08 | 2017-08-08 | Data processing device, its control method, and program |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2017152926A JP6828633B2 (en) | 2017-08-08 | 2017-08-08 | Data processing device, its control method, and program |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2019033369A JP2019033369A (en) | 2019-02-28 |
| JP6828633B2 true JP6828633B2 (en) | 2021-02-10 |
Family
ID=65523742
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2017152926A Active JP6828633B2 (en) | 2017-08-08 | 2017-08-08 | Data processing device, its control method, and program |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP6828633B2 (en) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP7331397B2 (en) * | 2019-03-20 | 2023-08-23 | 富士フイルムビジネスイノベーション株式会社 | Information processing device, information processing system and information processing program |
| EP4006816A4 (en) | 2019-07-30 | 2023-08-09 | Kyocera Corporation | Information processing system |
| US20230146781A1 (en) * | 2020-05-29 | 2023-05-11 | Ntt Docomo, Inc. | Control apparatus |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP4356716B2 (en) * | 2006-08-03 | 2009-11-04 | パナソニック電工株式会社 | Abnormality monitoring device |
| CN100466577C (en) * | 2007-04-05 | 2009-03-04 | 华为技术有限公司 | Method and system for enquiring data of sensor network and sensor node |
| JP6610281B2 (en) * | 2016-01-20 | 2019-11-27 | 富士通株式会社 | Information processing apparatus, control method, and control program |
-
2017
- 2017-08-08 JP JP2017152926A patent/JP6828633B2/en active Active
Also Published As
| Publication number | Publication date |
|---|---|
| JP2019033369A (en) | 2019-02-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| EP3274827B1 (en) | Technologies for offloading and on-loading data for processor/coprocessor arrangements | |
| JP6828633B2 (en) | Data processing device, its control method, and program | |
| KR101701004B1 (en) | Method and apparatus for managing global chip power on a multicore system on chip | |
| US10616052B2 (en) | Collaborative hardware platform management | |
| JP5661222B1 (en) | Monitoring control system and control device | |
| Zhang et al. | Adaptive fault diagnosis and fault-tolerant control of MIMO nonlinear uncertain systems | |
| JP2007219759A (en) | Multiprocessing system | |
| US20140331073A1 (en) | System and method for efficient service-instance oriented energy management in the internet of things | |
| JP2012530980A (en) | Temperature collection control device and method | |
| WO2018193934A1 (en) | Evaluation apparatus, evaluation method, and program therefor | |
| US9170871B2 (en) | Data polling method and digital instrumentation and control system for atomic power plant using the method | |
| US20140129863A1 (en) | Server, power management system, power management method, and program | |
| US20220221851A1 (en) | Control system, support device, and support program | |
| CN109765850B (en) | Control system | |
| US11457293B2 (en) | Wireless communication device, control program and control method | |
| US20210373540A1 (en) | Wireless Communication For Industrial Automation | |
| KR20190114161A (en) | Method for detecting failure in manufacturing equipment and apparatus thereof | |
| KR101396836B1 (en) | Method for controlling contactless energy supply to wireless sensor network and system using the same | |
| JP2007102313A (en) | Controller and multiprocessor control method | |
| JP7167714B2 (en) | Abnormality determination device, abnormality determination method, and abnormality determination program | |
| JP5186421B2 (en) | Method for changing operation mode of wireless measurement system and wireless communication device | |
| JP4648204B2 (en) | Sensor terminal | |
| US20200074828A1 (en) | Technologies for managing safety at industrial sites | |
| JPWO2015162792A1 (en) | Functional unit, analog input unit, programmable controller system | |
| US8719482B2 (en) | Electronic device with bus sharing function |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20190709 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20200610 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20200925 |
|
| A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20201118 |
|
| 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: 20201222 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20210104 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 6828633 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |