JP6988601B2 - Information processing programs, information processing methods and information processing equipment - Google Patents
Information processing programs, information processing methods and information processing equipment Download PDFInfo
- Publication number
- JP6988601B2 JP6988601B2 JP2018048017A JP2018048017A JP6988601B2 JP 6988601 B2 JP6988601 B2 JP 6988601B2 JP 2018048017 A JP2018048017 A JP 2018048017A JP 2018048017 A JP2018048017 A JP 2018048017A JP 6988601 B2 JP6988601 B2 JP 6988601B2
- Authority
- JP
- Japan
- Prior art keywords
- data
- sensor
- interval
- information processing
- autocorrelation coefficient
- 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
Landscapes
- Recording Measured Values (AREA)
Description
本発明は、情報処理プログラム、情報処理方法及び情報処理装置に関する。 The present invention relates to an information processing program, an information processing method and an information processing apparatus.
製造業等では、製造設備に複数のセンサを配置し、各センサが検出した温度等のデータを活用して、異常予兆の検知等を行っている。各センサが検出したデータを活用する手法には、例えば第１の手法又は第２の手法がある。第１手法は、複合イベント処理（ＣＥＰ：Complex Event Processing）等で取得した各センサからのデータを、ルールベースでリアルタイムに活用する。第１の手法の場合、活用後のデータは、全て廃棄するか、或いは、全て蓄積する。第２の手法は、各センサが検出したデータを一旦全て蓄積し、その後蓄積データを用いて例えば試行錯誤しながら分析等を行う。第１の手法及び第２の手法の場合、各センサが検出したデータは、最終的には全て廃棄するか、或いは、全て蓄積する。 In the manufacturing industry and the like, a plurality of sensors are arranged in a manufacturing facility, and data such as temperature detected by each sensor is used to detect a sign of abnormality. As a method of utilizing the data detected by each sensor, for example, there is a first method or a second method. The first method utilizes data from each sensor acquired by complex event processing (CEP) or the like in real time on a rule basis. In the case of the first method, all the data after utilization is discarded or all is accumulated. In the second method, all the data detected by each sensor is temporarily accumulated, and then the accumulated data is used for analysis, for example, by trial and error. In the case of the first method and the second method, all the data detected by each sensor is finally discarded or all are accumulated.
各センサが検出したデータを全て廃棄する場合、廃棄したデータを後から活用できない。このため、各センサが検出したデータを全て廃棄する方法は、例えば過去のデータを他のデータと組み合わせて活用したり、過去のデータから状況パターンの傾向を解析したりする場合等には適していない。このように、各センサが検出したデータを最終的に全て廃棄する場合、記憶装置に膨大な量のデータを蓄積しなくても良いため、記憶装置を含むハードウェアのコストの増大を抑えることができる。しかし、過去のデータを活用することはできないという問題がある。 When all the data detected by each sensor is discarded, the discarded data cannot be utilized later. Therefore, the method of discarding all the data detected by each sensor is suitable, for example, when the past data is used in combination with other data or when the tendency of the situation pattern is analyzed from the past data. No. In this way, when all the data detected by each sensor is finally discarded, it is not necessary to store a huge amount of data in the storage device, so that the increase in the cost of the hardware including the storage device can be suppressed. can. However, there is a problem that past data cannot be utilized.
一方、各センサが検出したデータを全て蓄積する場合、例えばミリ秒単位の頻度で各センサからのデータを取得すると、記憶装置に膨大な量のデータを蓄積することになる。このため、特にセンサの数の増加に伴い、記憶装置を含むハードウェアのコストが増大してしまう。センサの数は、例えばデータ解析の精度を向上する等のために増加することがある。このように、各センサが検出したデータを全て蓄積する場合、過去のデータを活用することができる。しかし、記憶装置に膨大な量のデータを蓄積するため、記憶装置を含むハードウェアのコストが増大してしまうという問題がある。また、データ解析時に膨大な量のデータを使用する場合、解析時間が増大する可能性がある。 On the other hand, when all the data detected by each sensor is stored, for example, if the data from each sensor is acquired at a frequency of milliseconds, a huge amount of data will be stored in the storage device. For this reason, the cost of hardware including the storage device increases, especially as the number of sensors increases. The number of sensors may increase, for example to improve the accuracy of data analysis. In this way, when all the data detected by each sensor is accumulated, the past data can be utilized. However, since a huge amount of data is stored in the storage device, there is a problem that the cost of the hardware including the storage device increases. In addition, when a huge amount of data is used during data analysis, the analysis time may increase.
上記の如く、各センサが検出したデータを最終的に全て廃棄する場合と、全て蓄積する場合とでは、過去のデータを活用可能にすることとコストの増大を抑えることとがトレードオフの関係にある。そこで、センサの種類毎に、各センサが検出したデータを全て廃棄するか否かを示すＣＥＰのルールを決めて、各センサが検出した全てのデータを廃棄する場合の問題と、全てのデータを蓄積する場合の問題、即ち、トレードオフの問題を緩和することが考えられる。しかし、センサの種類毎に、ユーザが手動でＣＥＰのルールを決めるのでは、ユーザはセンサの数及び種類を把握している必要があり、煩雑な操作が必要となるため、特にセンサの数の増加に伴いユーザへの負荷が増大してしまう。 As mentioned above, there is a trade-off between making it possible to utilize past data and suppressing cost increase between the case where all the data detected by each sensor is finally discarded and the case where all the data is accumulated. be. Therefore, for each type of sensor, a CEP rule indicating whether or not to discard all the data detected by each sensor is determined, and the problem of discarding all the data detected by each sensor and all the data are dealt with. It is conceivable to alleviate the problem of accumulation, that is, the problem of trade-offs. However, if the user manually determines the CEP rule for each type of sensor, the user needs to know the number and type of sensors, which requires complicated operations. Therefore, the number of sensors is particularly large. As the number increases, the load on the user increases.
ユーザへの負荷の増大は避けたい。そこで、各センサが検出したデータが、蓄積しておくべきデータであるか、或いは、廃棄しても良いデータであるかを、情報処理装置が自立的に判別することで、上記トレードオフの問題を緩和することが望ましい。しかし、製造設備等に配置されるセンサの数及びセンサの種類は、変更されたり、追加されたりする場合がある。このため、各センサが検出したデータのうち、蓄積しておくべきデータと、廃棄しても良いデータとを、情報処理装置が自立的に判別することが難しく、センサから取得したデータに応じて、情報処理装置が自立的にデータの取得頻度を変更することは難しい。 We want to avoid increasing the load on users. Therefore, the information processing apparatus can independently determine whether the data detected by each sensor is data that should be stored or data that can be discarded, thereby causing the above-mentioned trade-off problem. It is desirable to alleviate. However, the number of sensors and the types of sensors arranged in manufacturing equipment and the like may be changed or added. For this reason, it is difficult for the information processing device to independently determine between the data detected by each sensor and the data that should be stored and the data that may be discarded, depending on the data acquired from the sensor. , It is difficult for the information processing device to change the data acquisition frequency independently.
従来、センサから取得したデータに応じて、情報処理装置が自立的にデータの取得頻度を変更することは難しい。 Conventionally, it is difficult for an information processing apparatus to independently change the data acquisition frequency according to the data acquired from the sensor.
そこで、１つの側面では、取得したデータに応じてデータの取得頻度を変更することができる情報処理プログラム、情報処理方法及び情報処理装置を提供することを１つの目的とする。 Therefore, in one aspect, one object is to provide an information processing program, an information processing method, and an information processing apparatus capable of changing the acquisition frequency of data according to the acquired data.
１つの案によれば、センサが検出したデータを複数の異なる間隔で分割し、前記複数の異なる間隔で分割したデータ夫々の自己相関係数を算出し、算出した前記自己相関係数のうち、最大の値を示す自己相関係数に対応する１つの間隔を特定し、特定した前記１つの間隔でデータの取得及び／又は記憶を行う、処理をコンピュータに実行させる情報処理プログラムが提供される。 According to one proposal, the data detected by the sensor is divided at a plurality of different intervals, the autocorrelation coefficient of each of the data divided at the plurality of different intervals is calculated, and among the calculated autocorrelation coefficients. An information processing program is provided that causes a computer to perform a process of specifying one interval corresponding to an autocorrelation coefficient showing the maximum value and acquiring and / or storing data at the specified interval.
一態様によれば、取得したデータに応じてデータの取得頻度を変更することができる。 According to one aspect, the data acquisition frequency can be changed according to the acquired data.
開示の情報処理プログラム、情報処理方法及び情報処理装置では、センサが検出したデータを複数の異なる間隔で分割し、複数の異なる間隔で分割したデータ夫々の自己相関係数を算出する。算出した自己相関係数のうち、最大の値を示す自己相関係数に対応する１つの間隔を特定し、特定した１つの間隔でデータの取得及び／又は記憶を行う。 In the disclosed information processing program, information processing method, and information processing apparatus, the data detected by the sensor is divided at a plurality of different intervals, and the autocorrelation coefficient of each of the divided data is calculated. Among the calculated autocorrelation coefficients, one interval corresponding to the autocorrelation coefficient showing the maximum value is specified, and data is acquired and / or stored at the specified one interval.
以下に、開示の情報処理プログラム、情報処理方法及び情報処理装置の各実施例を図面と共に説明する。 Hereinafter, examples of the disclosed information processing program, information processing method, and information processing apparatus will be described together with drawings.
図１は、一実施例における情報処理装置の一例を示すブロック図である。図１に示す情報処理装置１は、ＣＰＵ（Central Processing Unit）１１と、メモリ１２と、インタフェース１３，１４とを有する。ＣＰＵ１１は、情報処理装置１全体の制御を司るプロセッサの一例である。メモリ１２は、ＣＰＵ１１が実行する情報処理プログラムを含む各種プログラム、各種データ等を記憶する記憶装置の一例である。メモリ１２は、センサ２−１〜２−Ｎからのデータを蓄積するデータベースを形成しても良い。
FIG. 1 is a block diagram showing an example of an information processing apparatus according to an embodiment. The
メモリ１２は、ＵＳＢ（Universal Serial Bus）メモリ等の可搬型記録媒体、フラッシュメモリ等の半導体記憶装置等のコンピュータ読取可能な記録媒体により形成可能である。メモリ１２は、磁気記録媒体、ＣＤ−ＲＯＭ（Compact Disk-Read Only Memory）、ＤＶＤディスク（Digital Versatile Disk）等の光記録媒体、光磁気記録媒体等のコンピュータ読取可能な記録媒体によっても形成可能である。なお、メモリ１２にディスク等の磁気記録媒体、光記録媒体又は光磁気記録媒体を用いる場合、記録媒体はディスクドライブ等のドライブにロードされ、ドライブによりプログラム等を記録媒体から読み出し、必要に応じて記録媒体にデータ等を書き込む。
The
複数のセンサ２−１〜２−Ｎ（Ｎは２以上の自然数）は、情報処理装置１のインタフェース１３に接続されている。各センサ２−１〜２−Ｎが検出するデータは、特に限定されない。各センサ２−１〜２−Ｎは、検出したデータを表すアナログ信号を出力しても良い。この場合、インタフェース１３は、各センサ２−１〜２−Ｎが出力するアナログ信号をデジタル信号に変換してＣＰＵ１１に出力する、アナログ／デジタル変換器（ＡＤＣ：Analog-to-Digital Converter）を有する。なお、各センサ２−１〜２−Ｎは、検出したデータを表すデジタル信号を出力しても良い。この場合、インタフェース１３は、各センサ２−１〜２−Ｎが出力するデジタル信号をＣＰＵ１１に出力すれば良く、ＡＤＣは省略可能である。
A plurality of sensors 2-1 to 2-N (N is a natural number of 2 or more) are connected to the
複数のセンサ２−１〜２−Ｎは、２種類以上の異なる種類のセンサを含み、例えば製造設備等に配置されている。この例では、１種類のセンサは、例えば温度、湿度、速度、圧力等の、比較的緩やかに変化するデータ（又は、パラメータ）を検出し、他の１種類のセンサは、例えば振動、加速度、光量、電圧等の、比較的急激に変化するデータ（又は、パラメータ）を検出する。つまり、１種類のセンサが検出するデータは、他の１種類のセンサが検出するデータに比べて比較的緩やかに変化するデータである。なお、比較的緩やかに変化するデータは、温度、湿度、速度、圧力等に限定されず、比較的急激に変化するデータは、振動、加速度、光量、電圧等に限定されない。比較的急激に変化するデータが、例えば圧力であっても良い。 The plurality of sensors 2-1 to 2-N include two or more different types of sensors, and are arranged in, for example, a manufacturing facility. In this example, one type of sensor detects relatively slowly changing data (or parameters) such as temperature, humidity, velocity, pressure, etc., while the other type of sensor detects, for example, vibration, acceleration, etc. Detects data (or parameters) that change relatively rapidly, such as the amount of light and voltage. That is, the data detected by one type of sensor is data that changes relatively slowly as compared with the data detected by the other type of sensor. The data that changes relatively slowly is not limited to temperature, humidity, velocity, pressure, etc., and the data that changes relatively rapidly is not limited to vibration, acceleration, light intensity, voltage, and the like. The data that changes relatively rapidly may be, for example, pressure.
センサ２−１〜２−Ｎの数Ｎと、センサ２−１〜２−Ｎの種類は、必要に応じて変更されることがある。しかし、本実施例では、情報処理装置１のユーザは、センサ２−１〜２−Ｎの数Ｎと、センサ２−１〜２−Ｎの種類を予め把握していなくても良い。また、後述するように、センサ２−１〜２−Ｎから取得したデータに応じて、情報処理装置１は自立的に各センサ２−１〜２−Ｎから取得するデータの取得頻度を変更することができる。
The number N of sensors 2-1 to 2-N and the type of sensors 2-1 to 2-N may be changed as necessary. However, in this embodiment, the user of the
入出力装置３は、例えばキーボード等の入力装置と、表示装置等の出力装置とを有する。入出力装置３は、入力装置と出力装置を一体的に有するタッチパネル等で形成しても良い。また、入出力装置３は、夫々が別体の入力装置と出力装置により形成しても良い。入出力装置３は、情報処理装置１のインタフェース１４に接続されている。ユーザ（又は、オペレータ）が入出力装置３から入力した命令、データ等は、インタフェース１４を介してＣＰＵ１１に出力する。ＣＰＵ１１が出力するメッセージ、データ等は、インタフェース１４を介して入出力装置３に出力する。ＣＰＵ１１は、センサ２−１〜２−Ｎからのデータを解析した結果等をインタフェース１４を介して入出力装置３に出力して表示しても良い。
The input /
各センサ２−１〜２−Ｎと情報処理装置１のインタフェース１３との間の接続は、有線接続であっても、無線接続であっても良い。また、入出力装置３と情報処理装置１のインタフェース１４との間の接続は、有線接続であっても、無線接続であっても良い。
The connection between each sensor 2-1 to 2-N and the
図２は、一実施例における情報処理装置の一例を示す機能ブロック図である。図２に示す情報処理装置１は、分割部１１１と、算出部１１２と、特定部１１３と、取得及び／又は記憶部１１４と、変更部１１５とを有する。各部１１１〜１１５の機能は、図１に示すＣＰＵ１１がメモリ１２に記憶されたプログラムを実行することにより実行可能である。
FIG. 2 is a functional block diagram showing an example of the information processing apparatus in one embodiment. The
分割部１１１は、各センサ２−１〜２−Ｎが検出したデータを複数の異なる間隔で分割する分割手段の一例であり、図１に示す例ではインタフェース１３を介して各センサ２−１〜２−Ｎからのデータを取得する。例えばセンサ２−ｉ（ｉ＝１〜Ｎ）については、分割部１１１はセンサ２−ｉが検出したデータを第１の間隔で分割し、同じデータを第１の間隔とは異なる第２の間隔で分割し、...、同じデータを第１〜第Ｍ−１の間隔とは異なる第Ｍの間隔で分割する（Ｍは、２以上の自然数）。この場合、第１〜第Ｍの間隔の夫々の値の設定方法及び設定順序は、特に限定されない。
The dividing
算出部１１２は、複数の異なる間隔で分割したデータの自己相関係数を、各センサ２−１〜２−Ｎからのデータについて算出する算出手段の一例である。例えばセンサ２−ｉについては、算出部１１２は第１の間隔で分割したデータの自己相関係数、第２の間隔で分割したデータの自己相関係数、...、第Ｍの間隔で分割したデータの自己相関係数を算出する。
The
特定部１１３は、各センサ２−１〜２−Ｎからのデータについて算出した自己相関係数のうち、最大の値を示す自己相関係数に対応する１つの間隔を、各センサ２−１〜２−Ｎからのデータについて特定する特定手段の一例である。自己相関係数の算出する方法は、特に限定されず、周知の算出方法を用いることができる。例えばセンサ２−ｉについては、特定部１１３は第１の間隔で分割したデータの自己相関係数、第２の間隔で分割したデータの自己相関係数、...、第Ｍの間隔で分割したデータの自己相関係数のうち、最大の値を示す自己相関係数に対応する１つの間隔を特定する。
The
取得及び／又は記憶部１１４は、各センサ２−１〜２−Ｎからのデータについて特定した１つの間隔で、各センサ２−１〜２−Ｎからのデータの取得及び／又は記憶を行う取得及び／又は記憶手段の一例である。例えばセンサ２−ｉについては、取得及び／又は記憶部１１４は上記の如く特定した１つの間隔で、センサ２−１からのデータの取得及び／又は記憶を行う。取得及び／又は記憶部１１４は、各センサ２−１〜２−Ｎからのデータについて特定した１つの間隔で、各センサ２−１〜２−Ｎからのデータを取得し、例えば入出力装置３に出力しても良い。取得及び／又は記憶部１１４は、各センサ２−１〜２−Ｎからのデータについて特定した１つの間隔で、各センサ２−１〜２−Ｎからのデータを、例えばメモリ１２に記憶しても良い。取得及び／又は記憶部１１４は、各センサ２−１〜２−Ｎからのデータについて特定した１つの間隔で、各センサ２−１〜２−Ｎからのデータを取得して例えば入出力装置３に出力すると共に、例えばメモリ１２に記憶しても良い。
The acquisition and / or
取得及び／又は記憶部１１４は、特定した１つの間隔を一定量増加した間隔で取得したセンサ２−ｉからのデータの自己相関係数を算出しても良い。この場合、取得及び／又は記憶部１１４は、算出した、上記一定量増加した間隔で取得したセンサ２−ｉからのデータの自己相関係数が、上記最大の値を示す自己相関係数より大きいと上記の如く一定量増加した間隔を更に上記一定量増加する。一方、取得及び／又は記憶部１１４は、算出した、上記一定量増加した間隔で取得したセンサ２−ｉからのデータの自己相関係数が、上記最大の値を示す自己相関係数以下であると上記一定量増加する前の１つの間隔でセンサ２−ｉからのデータを取得する。
The acquisition and / or
変更部１１５は、各センサ２−１〜２−Ｎからのデータについて特定した１つの間隔の大きさに応じて、各センサ２−１〜２−Ｎからのデータを記憶する記憶方式を変更する変更手段の一例である。例えばセンサ２−ｉについては、変更部１１５は上記の如く特定した１つの間隔の大きさに応じて、センサ２−１からのデータを記憶する記憶方式を変更する。記憶方式は、取得したデータを一定量まとめてメモリ１２等に記憶するバルクロード、取得したデータを順次メモリ１２等に記憶するインサート等を含む。
The changing unit 115 changes the storage method for storing the data from each sensor 2-1 to 2-N according to the size of one interval specified for the data from each sensor 2-1 to 2-N. This is an example of the changing means. For example, for the sensor 2-i, the changing unit 115 changes the storage method for storing the data from the sensor 2-1 according to the size of one interval specified as described above. The storage method includes a bulk load in which a certain amount of acquired data is collectively stored in a
変更部１１５は、各センサ２−１〜２−Ｎからのデータについて特定した１つの間隔の大きさが閾値以上である場合に、バルクロードで、各センサ２−１〜２−Ｎから当該１つの間隔で取得したデータを夫々一定量まとめてメモリ１２等に記憶しても良い。例えばセンサ２−ｉについては、変更部１１５は上記の如く特定した１つの間隔の大きさが閾値以上であると、バルクロードで、センサ２−ｉから当該１つの間隔で取得したデータを一定量まとめてメモリ１２等に記憶する。
When the magnitude of one interval specified for the data from each sensor 2-1 to 2-N is equal to or larger than the threshold value, the change unit 115 performs the bulk load from each sensor 2-1 to 2-N to the one. A certain amount of data acquired at each interval may be collectively stored in the
変更部１１５は、各センサ２−１〜２−Ｎからのデータについて特定した１つの間隔の大きさが閾値未満である場合に、インサートで、各センサ２−１〜２−Ｎから当該１つの間隔で取得したデータを夫々順次メモリ１２等に記憶しても良い。例えばセンサ２−ｉについては、変更部１１５は上記の如く特定した１つの間隔の大きさが閾値未満であると、インサートで、センサ２−ｉから当該１つの間隔で取得したデータを順次メモリ１２等に記憶する。
When the magnitude of one interval specified for the data from each sensor 2-1 to 2-N is less than the threshold value, the change unit 115 inserts the one from each sensor 2-1 to 2-N. The data acquired at intervals may be sequentially stored in the
図３は、例えばセンサ２−１が出力するデータの一例を示す図である。図３中、縦軸は温度を任意単位で示し、横軸は時間を任意単位で示す。この例では、センサ２−１は温度センサであり、温度センサが検出した温度データは、変化が緩やかな低頻度データの一例である。例えば、製造設備で機械の冷却に油を使用し、油の温度を温度センサにより検出する場合がある。この場合、油の温度の変化は緩やかであり、急激な温度上昇等の急激な変化は発生しない。油が一定温度を超えると、機械の故障等が生じる場合がある。そこで、温度センサからの温度データが一定温度を超えると、機械を止める等の対策を取る。この場合、例えばミリ秒等の高頻度で温度データを取得する必要はなく、ある程度間引いた、即ち、サンプリングされた温度データを取得すれば十分である。例えば、温度データを、分単位のデータに丸めても、温度異常を表す温度データの特徴量が失われることはない。 FIG. 3 is a diagram showing an example of data output by, for example, sensor 2-1. In FIG. 3, the vertical axis indicates temperature in an arbitrary unit, and the horizontal axis indicates time in an arbitrary unit. In this example, the sensor 2-1 is a temperature sensor, and the temperature data detected by the temperature sensor is an example of low-frequency data in which the change is gradual. For example, a manufacturing facility may use oil to cool a machine and detect the temperature of the oil with a temperature sensor. In this case, the change in the temperature of the oil is gradual, and a sudden change such as a sudden temperature rise does not occur. If the oil exceeds a certain temperature, a machine failure may occur. Therefore, when the temperature data from the temperature sensor exceeds a certain temperature, measures such as stopping the machine are taken. In this case, it is not necessary to acquire temperature data at a high frequency such as millisecond, and it is sufficient to acquire temperature data that has been thinned out to some extent, that is, sampled. For example, even if the temperature data is rounded to minute data, the feature amount of the temperature data representing the temperature abnormality is not lost.
図４は、例えばセンサ２−２が出力するデータの一例を示す図である。図４中、縦軸は振動振幅を任意単位で示し、横軸は時間を任意単位で示す。この例では、センサ２−２は振動センサであり、振動センサが検出した振動データは、急激な変化を含む高頻度データの一例である。例えば、製造設備で機械の振動を振動センサにより検出する場合がある。この場合、例えば機械のギアが欠ける等して故障すると、機械の振動値は瞬間的に変化するので、振動の変化は急激に生じる。そこで、振動センサからの振動データが一定振動値を超えていると、機械を止める等の対策を採る。しかし、振動データを、例えば分単位のデータに丸めてしまうと、機械の故障を表す振動データの特徴量が失われてしまう可能性がある。このため、振動データは、例えばミリ秒等の高頻度で取得することが望ましい。 FIG. 4 is a diagram showing an example of data output by, for example, sensor 2-2. In FIG. 4, the vertical axis shows the vibration amplitude in an arbitrary unit, and the horizontal axis shows the time in an arbitrary unit. In this example, the sensor 2-2 is a vibration sensor, and the vibration data detected by the vibration sensor is an example of high-frequency data including abrupt changes. For example, in a manufacturing facility, the vibration of a machine may be detected by a vibration sensor. In this case, if a failure occurs, for example, due to a chipping of a gear of the machine, the vibration value of the machine changes momentarily, so that the change of vibration occurs abruptly. Therefore, if the vibration data from the vibration sensor exceeds a certain vibration value, measures such as stopping the machine are taken. However, if the vibration data is rounded to, for example, minute data, the feature amount of the vibration data indicating the failure of the machine may be lost. Therefore, it is desirable to acquire vibration data at a high frequency such as milliseconds.
そこで、本実施例では、分割部１１１が、各センサ２−１〜２−Ｎが検出したデータを複数の異なる間隔で分割し、算出部１１２が、複数の異なる間隔で分割したデータの自己相関係数を、各センサ２−１〜２−Ｎからのデータについて算出する。特定部１１３は、各センサ２−１〜２−Ｎからのデータについて算出した自己相関係数のうち、最大の値を示す自己相関係数に対応する１つの間隔を、各センサ２−１〜２−Ｎからのデータについて特定する。取得及び／又は記憶部１１４は、各センサ２−１〜２−Ｎからのデータについて特定した１つの間隔で、各センサ２−１〜２−Ｎからのデータの取得及び／又は記憶を行う。複数の異なる間隔は、例えばミリ秒〜日単位であり、各センサ２−１〜２−Ｎからのデータの自己相関計数は、ミリ秒〜日単位で算出する。各センサ２−１〜２−Ｎからのデータについて算出した自己相関計数のうち、最大の値を示す自己相関係数に対応する１つの間隔は、自己相関係数が最も優位なスパン（span）である。各センサ２−１〜２−Ｎからのデータは、対応するスパンで取得する。製造設備の機械は、一定のサイクルで動作する。このため、機械の状態を検出するセンサからのデータにも、機械の動作パターンと同様の一定のパターンが生じる。そこで、各センサ２−１〜２−Ｎからのデータを、どの程度のスパンで丸めても良いかを、自己相関係数から判断する。
Therefore, in this embodiment, the
製造設備が設置されている現場は、通信環境が整っていない場合や、機械が密集していること等から、電磁波等の影響を受けることがある。センサからの、例えば振動データ等の微小な変化が生じるデータを、例えばミリ秒単位の高頻度で取得している場合、上記電磁波等の影響でセンサからのデータにノイズが混入したり、データに欠損を生じることがある。 The site where the manufacturing equipment is installed may be affected by electromagnetic waves, etc. because the communication environment is not prepared or the machines are densely packed. When data that causes minute changes such as vibration data from the sensor is acquired at a high frequency of, for example, in milliseconds, noise may be mixed in the data from the sensor due to the influence of the above electromagnetic waves or the data may be included in the data. May cause defects.
図５は、高頻度で取得したデータの一例を説明する図である。図５中、縦軸は振動振幅を任意単位で示し、横軸は時間を任意単位で示す。図５の場合、例えば１ミリ秒（ｍｓ）単位でセンサからの高頻度データを取得すると、太線で示すようにノイズが多く混入する場合がある。この場合、自己相関係数の最大の値は、例えば０．３である。 FIG. 5 is a diagram illustrating an example of frequently acquired data. In FIG. 5, the vertical axis shows the vibration amplitude in an arbitrary unit, and the horizontal axis shows the time in an arbitrary unit. In the case of FIG. 5, for example, when high-frequency data from the sensor is acquired in units of 1 millisecond (ms), a large amount of noise may be mixed as shown by a thick line. In this case, the maximum value of the autocorrelation coefficient is, for example, 0.3.
図６は、ある程度丸めた高頻度データの一例を説明する図である。図６中、縦軸は振動振幅を任意単位で示し、横軸は時間を任意単位で示す。図６の場合、例えば１０ミリ秒（ｍｓ）単位でセンサからの高頻度データを取得して、高頻度データをある程度丸めることで、ノイズの影響を低減できる。このため、機械の動作パターンが、センサからの高頻度データの波形に現れる。この場合、自己相関係数の最大の値は、例えば０．７である。 FIG. 6 is a diagram illustrating an example of high-frequency data rounded to some extent. In FIG. 6, the vertical axis shows the vibration amplitude in an arbitrary unit, and the horizontal axis shows the time in an arbitrary unit. In the case of FIG. 6, for example, by acquiring high-frequency data from the sensor in units of 10 milliseconds (ms) and rounding the high-frequency data to some extent, the influence of noise can be reduced. Therefore, the operation pattern of the machine appears in the waveform of the high frequency data from the sensor. In this case, the maximum value of the autocorrelation coefficient is, for example, 0.7.
図７は、丸めすぎた高頻度データの一例を説明する図である。図７中、縦軸は振動振幅を任意単位で示し、横軸は時間を任意単位で示す。図７の場合、例えば１分（ｍｉｎ）単位でセンサからの高頻度データを取得して、センサからの高頻度データを丸めすぎると、機械の動作パターンが高頻度データの波形から失われる。図７において、実線は丸めすぎた高頻度データを示し、破線は丸めすぎにより高頻度データの波形から失われる機械の動作パターンを示す。この場合、自己相関係数の最大の値は、例えば０．４である。 FIG. 7 is a diagram illustrating an example of over-rounded high-frequency data. In FIG. 7, the vertical axis shows the vibration amplitude in an arbitrary unit, and the horizontal axis shows the time in an arbitrary unit. In the case of FIG. 7, for example, if high-frequency data from the sensor is acquired in units of 1 minute (min) and the high-frequency data from the sensor is rounded too much, the operation pattern of the machine is lost from the waveform of the high-frequency data. In FIG. 7, the solid line shows the over-rounded high-frequency data, and the broken line shows the machine operation pattern lost from the waveform of the high-frequency data due to over-rounding. In this case, the maximum value of the autocorrelation coefficient is, for example, 0.4.
このように、センサからのデータをある程度丸めることにより、ノイズが減り、上記の図６の例ではデータの波形に機械の動作パターンが現れ、自己相関係数の最大の値（又は、ピーク値）が増加する。ただし、センサからのデータを丸めすぎてしまうと、上記の図７の例では機械の動作パターンがデータの波形から失われ、自己相関係数の最大の値（又は、ピーク値）が減少する。図８は、図５〜図７の例における自己相関係数の一例を説明する図である。図８中、縦軸は自己相関係数を示し、横軸はデータを取得するスパンを任意単位で示す。図８に示す例では、自己相関係数がピークＰ（＝０．７）となるスパンＦを、センサからのデータを取得する頻度とすれば良い。 In this way, by rounding the data from the sensor to some extent, noise is reduced, and in the example of FIG. 6 above, the machine operation pattern appears in the waveform of the data, and the maximum value (or peak value) of the autocorrelation coefficient appears. Will increase. However, if the data from the sensor is rounded too much, in the above example of FIG. 7, the operation pattern of the machine is lost from the waveform of the data, and the maximum value (or peak value) of the autocorrelation coefficient decreases. FIG. 8 is a diagram illustrating an example of the autocorrelation coefficient in the examples of FIGS. 5 to 7. In FIG. 8, the vertical axis shows the autocorrelation coefficient, and the horizontal axis shows the span for acquiring data in arbitrary units. In the example shown in FIG. 8, the span F at which the autocorrelation coefficient has a peak P (= 0.7) may be set as the frequency of acquiring data from the sensor.
次に、データベースへのアクセスへの効率化について説明する。振動データ等の高頻度データの場合、瞬間的に特徴量が現れることがあるため、リアルタイムで活用できることが望ましい。この場合、変更部１１５は、各センサ２−１〜２−Ｎからのデータについて特定した１つの間隔の大きさが閾値未満になるため、インサートで、各センサ２−１〜２−Ｎから当該１つの間隔で取得したデータを夫々順次メモリ１２内のデータベースに蓄積する。
Next, the efficiency of access to the database will be described. In the case of high-frequency data such as vibration data, features may appear momentarily, so it is desirable to be able to utilize them in real time. In this case, since the magnitude of one interval specified for the data from each sensor 2-1 to 2-N is less than the threshold value, the change unit 115 inserts the data from each sensor 2-1 to 2-N. The data acquired at one interval are sequentially stored in the database in the
一方、温度データ等の低頻度データの場合、瞬間的に特徴量が現れることはないため、リアルタイムで活用できる必要性は低い。この場合、変更部１１５は、各センサ２−１〜２−Ｎからのデータについて特定した１つの間隔の大きさが閾値以上になるため、バルクロードで、各センサ２−１〜２−Ｎから当該１つの間隔で取得したデータを夫々一定量まとめてメモリ１２内のデータベースに蓄積する。
On the other hand, in the case of low-frequency data such as temperature data, the feature amount does not appear instantaneously, so there is little need to utilize it in real time. In this case, since the magnitude of one interval specified for the data from each sensor 2-1 to 2-N becomes equal to or larger than the threshold value, the change unit 115 performs bulk loading from each sensor 2-1 to 2-N. A certain amount of data acquired at the one interval is collectively stored in the database in the
情報処理装置１のＣＰＵ１１は、メモリ１２内のデータベースに蓄積されたデータに基づいて、製造設備の各部の診断、解析等を、周知の手法で行うことができる。製造設備の各部の診断、解析等は、各センサ２−１〜２−Ｎからのデータが一定量、メモリ１２内のデータベースに蓄積された後に行うようにしても良い。
The CPU 11 of the
本実施例によれば、センサから取得したデータに応じて、センサから取得するデータの取得頻度を変更することができる。具体的には、各センサが検出したデータが、蓄積しておくべきデータであるか、或いは、廃棄しても良いデータであるかに応じて、情報処理装置が自立的にデータの取得頻度を変更することで、上記トレードオフの問題を緩和することができる。つまり、情報処理装置は、各センサが検出したデータのうち、蓄積しておくべきデータと、廃棄しても良いデータとを、自立的に判別する判別機として機能することができる。これにより、製造設備等に配置されるセンサの数及びセンサの種類が、変更されたり、追加されたりしても、ユーザはセンサの数及びセンサの種類を意識する必要はなく、情報処理装置がデータの種類又は特徴に応じて必要な分だけ自立的にデータを蓄積できる。従って、本実施例によれば、センサの種類毎に、ユーザが手動で例えばＣＥＰのルールを決める場合のような、煩雑な操作が不要となる。例えば、センサの数が増加しても、本実施例では製造設備の稼働後、情報処理装置が自立的にデータの取得頻度（又は、サンプリング間隔）の最適化を図ることができる。 According to this embodiment, the acquisition frequency of the data acquired from the sensor can be changed according to the data acquired from the sensor. Specifically, the information processing apparatus autonomously determines the frequency of data acquisition depending on whether the data detected by each sensor is data that should be stored or data that may be discarded. By changing it, the above trade-off problem can be alleviated. That is, the information processing device can function as a discriminator that autonomously discriminates between the data to be stored and the data that may be discarded among the data detected by each sensor. As a result, even if the number of sensors and the type of sensors arranged in the manufacturing equipment or the like are changed or added, the user does not need to be aware of the number of sensors and the type of sensors, and the information processing device can be used. Data can be stored independently as much as necessary according to the type or characteristics of the data. Therefore, according to this embodiment, complicated operations such as when the user manually determines a CEP rule for each type of sensor are not required. For example, even if the number of sensors increases, in this embodiment, the information processing apparatus can autonomously optimize the data acquisition frequency (or sampling interval) after the manufacturing equipment is in operation.
次に、一実施例における情報処理装置の動作の一例を、図９と共に説明する。図９は、一実施例における情報処理装置の動作の一例を説明するフローチャートである。図９に示す処理は、一実施例における情報処理方法を採用し、図１に示すＣＰＵ１１がメモリ１２に記憶された情報処理プログラムを実行することで実行可能である。図９は、説明の便宜上、１つのセンサ２−ｉ（ｉ＝１〜Ｎ）が検出したデータに対する処理を示す。他のＮ−１個のセンサが検出したデータに対しては、各センサが検出したデータに対して同様の処理が並行して実行される。
Next, an example of the operation of the information processing apparatus in one embodiment will be described with reference to FIG. FIG. 9 is a flowchart illustrating an example of the operation of the information processing apparatus in one embodiment. The process shown in FIG. 9 can be executed by adopting the information processing method in one embodiment and by executing the information processing program stored in the
図９に示すステップＳ１では、ＣＰＵ１１がセンサ２−ｉが検出したデータを入力する。図１に示す例では、センサ２−ｉからのデータを、インタフェース１３を介して入力する。ステップＳ２では、ＣＰＵ１１がセンサ２−ｉから入力したデータを、複数の異なる間隔で分割し、複数の異なる間隔で分割したデータ夫々の自己相関係数を算出する。具体的には、センサ２−ｉが検出したデータを第１の間隔で分割し、同じデータを第１の間隔とは異なる第２の間隔で分割し、...、同じデータを第１〜第Ｍ−１の間隔とは異なる第Ｍの間隔で分割する。また、センサ２−ｉからのデータについて、第１の間隔で分割したデータの自己相関係数、第２の間隔で分割したデータの自己相関係数、...、第Ｍの間隔で分割したデータの自己相関係数を算出する。
In step S1 shown in FIG. 9, the CPU 11 inputs the data detected by the sensor 2-i. In the example shown in FIG. 1, the data from the sensor 2-i is input via the
ステップＳ３では、ＣＰＵ１１が複数の異なる間隔で分割したデータ夫々の自己相関係数のうち、最大の値を示す自己相関係数を特定する。具体的には、センサ２−ｉからのデータについて、第１の間隔で分割したデータの自己相関係数、第２の間隔で分割したデータの自己相関係数、...、第Ｍの間隔で分割したデータの自己相関係数のうち、最大の値を示す自己相関係数に対応する１つの間隔を特定する。 In step S3, the CPU 11 specifies the autocorrelation coefficient showing the maximum value among the autocorrelation coefficients of each of the data divided at a plurality of different intervals. Specifically, for the data from the sensor 2-i, the autocorrelation coefficient of the data divided by the first interval, the autocorrelation coefficient of the data divided by the second interval, ..., the Mth interval. Of the autocorrelation coefficients of the data divided by, one interval corresponding to the autocorrelation coefficient showing the maximum value is specified.
ステップＳ４では、ＣＰＵ１１が最大の値を示す自己相関係数に対応する１つの間隔を、一定量増加する。ステップＳ５では、ＣＰＵ１１がステップＳ４において一定量増加した１つの間隔でセンサ２−ｉからのデータを入力する。 In step S4, the CPU 11 increases one interval corresponding to the autocorrelation coefficient showing the maximum value by a certain amount. In step S5, the CPU 11 inputs data from the sensor 2-i at one interval increased by a certain amount in step S4.
ステップＳ６では、ＣＰＵ１１がステップＳ４において一定量増加した１つの間隔でセンサ２−ｉから入力したデータの自己相関計数を算出する。 In step S6, the CPU 11 calculates the autocorrelation count of the data input from the sensors 2-i at one interval increased by a certain amount in step S4.
ステップＳ７では、ＣＰＵ１１がステップＳ６において算出した自己相関係数が、ステップＳ３において取得した最大の値を示す自己相関係数より大きいか否かを判定する。ステップＳ７の判定結果がＹＥＳであると、処理はステップＳ４へ戻ることで、データを丸める。 In step S7, it is determined whether or not the autocorrelation coefficient calculated by the CPU 11 in step S6 is larger than the autocorrelation coefficient indicating the maximum value acquired in step S3. If the determination result in step S7 is YES, the process returns to step S4 to round the data.
一方、ステップＳ７の判定結果がＮＯであると、データを丸めすぎているので、処理はステップＳ８へ進む。ステップＳ８では、ＣＰＵ１１がステップＳ４において一定量増加する前の１つの間隔でセンサ２−ｉからのデータを取得する。 On the other hand, if the determination result in step S7 is NO, the data is rounded too much, and the process proceeds to step S8. In step S8, the data from the sensor 2-i is acquired at one interval before the CPU 11 increases by a certain amount in step S4.
ステップＳ９では、ＣＰＵ１１が１つの間隔、即ち、データを取得する頻度が閾値以上であるか否かを判定する。ステップＳ９の判定結果がＮＯであると、ステップＳ１０では、ＣＰＵ１１がインサートで、センサ２−ｉから上記１つの間隔で取得したデータを順次メモリ１２等に記憶し、処理は終了する。ステップＳ９の判定結果がＹＥＳであると、ステップＳ１１では、ＣＰＵ１１がバルクロードで、センサ２−ｉから上記１つの間隔で取得したデータを一定量まとめてメモリ１２等に記憶し、処理は終了する。
In step S9, the CPU 11 determines whether or not one interval, that is, the frequency of acquiring data is equal to or greater than the threshold value. If the determination result in step S9 is NO, in step S10, the CPU 11 is an insert, and the data acquired from the sensor 2-i at the above one interval is sequentially stored in the
図１０は、データベースの一例を説明する図である。図１０に示すデータベースは、例えばメモリ１２内で各センサ２−１〜２−Ｎからのデータを蓄積する。この例では、データベースは、タイムスタンプと、温度データと、振動データを蓄積しているが、温度センサ及び／又は振動センサ以外のセンサが検出したデータを蓄積しても良い。図１０中、タイムスタンプは、任意単位で表されている。単位が℃で表されている温度データは、センサ２−１から第１の取得頻度で取得され、上記の如きバルクロードでデータベースに一定量まとめて蓄積される。任意単位で表されている振動データは、センサ２−２から第１の取得頻度より高い第２の取得頻度で取得され、上記の如きインサートでデータベースに順次蓄積される。
FIG. 10 is a diagram illustrating an example of a database. The database shown in FIG. 10 stores data from each sensor 2-1 to 2-N in the
開示の情報処理プログラム、情報処理方法及び情報処理装置は、多数のセンサからのデータを用いたビッグデータ利活用ソリューション等に好適である。 The disclosed information processing programs, information processing methods and information processing devices are suitable for big data utilization solutions using data from a large number of sensors.
以上の実施例を含む実施形態に関し、更に以下の付記を開示する。
（付記１）
センサが検出したデータを複数の異なる間隔で分割し、
前記複数の異なる間隔で分割したデータ夫々の自己相関係数を算出し、
算出した前記自己相関係数のうち、最大の値を示す自己相関係数に対応する１つの間隔を特定し、
特定した前記１つの間隔でデータの取得及び／又は記憶を行う、
処理をコンピュータに実行させることを特徴とする、情報処理プログラム。
（付記２）
前記１つの間隔の大きさに応じて前記データを記憶装置に記憶する記憶方式を変更する、
処理を前記コンピュータに実行させることを特徴とする、付記１に記載の情報処理プログラム。
（付記３）
前記１つの間隔の大きさが閾値以上である場合にバルクロードで、前記１つの間隔で取得した前記データを一定量まとめて記憶装置に記憶する、
処理を前記コンピュータに実行させることを特徴とする、付記１又は２に記載の情報処理プログラム。
（付記４）
前記１つの間隔の大きさが前記閾値未満である場合にインサートで、前記データを順次前記記憶装置に記憶する、
処理を前記コンピュータに実行させることを特徴とする、付記３に記載の情報処理プログラム。
（付記５）
前記取得及び／又は記憶を行う処理は、
特定した前記１つの間隔を一定量増加した間隔で取得した前記センサからのデータの自己相関係数を算出し、
算出した、前記一定量増加した間隔で取得した前記センサからのデータの自己相関係数が、前記最大の値を示す自己相関係数より大きいと前記一定量増加した間隔を更に前記一定量増加し、前記最大の値を示す自己相関係数以下であると前記一定量増加する前の１つの間隔で前記センサからのデータを取得することを特徴とする、付記１乃至４のいずれか１項に記載の情報処理プログラム。
（付記６）
プロセッサが、センサが検出したデータを複数の異なる間隔で分割し、
前記プロセッサが、前記複数の異なる間隔で分割したデータ夫々の自己相関係数を算出し、
前記プロセッサが、算出した前記自己相関係数のうち、最大の値を示す自己相関係数に対応する１つの間隔を特定し、
前記プロセッサが、特定した前記１つの間隔でデータの取得及び／又は記憶を行う、
ことを特徴とする、情報処理方法。
（付記７）
前記プロセッサが、前記１つの間隔の大きさに応じて前記データを記憶装置に記憶する記憶方式を変更する、
ことを特徴とする、付記６に記載の情報処理方法。
（付記８）
前記プロセッサが、前記１つの間隔の大きさが閾値以上である場合にバルクロードで、前記１つの間隔で取得した前記データを一定量まとめて記憶装置に記憶する、
ことを特徴とする、付記６又は７に記載の情報処理方法。
（付記９）
前記プロセッサが、前記１つの間隔の大きさが前記閾値未満である場合にインサートで、前記データを順次前記記憶装置に記憶する、
ことを特徴とする、付記８に記載の情報処理方法。
（付記１０）
前記取得及び／又は記憶を行う処理は、
特定した前記１つの間隔を一定量増加した間隔で取得した前記センサからのデータの自己相関係数を算出し、
算出した、前記一定量増加した間隔で取得した前記センサからのデータの自己相関係数が、前記最大の値を示す自己相関係数より大きいと前記一定量増加した間隔を更に前記一定量増加し、前記最大の値を示す自己相関係数以下であると前記一定量増加する前の１つの間隔で前記センサからのデータを取得することを特徴とする、付記６乃至９のいずれか１項に記載の情報処理方法。
（付記１１）
前記センサは、２種類以上の異なる種類のセンサを含むことを特徴とする、付記６乃至１０のいずれか１項に記載の情報処理方法。
（付記１２）
センサが検出したデータを複数の異なる間隔で分割する分割手段と、
前記複数の異なる間隔で分割したデータ夫々の自己相関係数を算出する算出手段と、
算出した前記自己相関係数のうち、最大の値を示す自己相関係数に対応する１つの間隔を特定する特定手段と、
特定した前記１つの間隔でデータの取得及び／又は記憶を行う取得及び／又は記憶手段と、
を備えたことを特徴とする、情報処理装置。
（付記１３）
前記１つの間隔の大きさに応じて前記データを記憶装置に記憶する記憶方式を変更する変更手段と、
を更に備えたことを特徴とする、付記１２に記載の情報処理装置。
（付記１４）
前記１つの間隔の大きさが閾値以上である場合にバルクロードで、前記１つの間隔で取得した前記データを一定量まとめて記憶装置に記憶する変更手段と、
を更に備えたことを特徴とする、付記１２又は１３に記載の情報処理装置。
（付記１５）
前記変更手段は、前記１つの間隔の大きさが前記閾値未満である場合にインサートで、前記データを順次前記記憶装置に記憶することを特徴とする、付記１４に記載の情報処理装置。
（付記１６）
前記取得及び／又は記憶手段は、
特定した前記１つの間隔を一定量増加した間隔で取得した前記センサからのデータの自己相関係数を算出し、
算出した、前記一定量増加した間隔で取得した前記センサからのデータの自己相関係数が、前記最大の値を示す自己相関係数より大きいと前記一定量増加した間隔を更に前記一定量増加し、前記最大の値を示す自己相関係数以下であると前記一定量増加する前の１つの間隔で前記センサからのデータを取得することを特徴とする、付記１２乃至１５のいずれか１項に記載の情報処理装置。
The following additional notes will be further disclosed with respect to the embodiments including the above embodiments.
(Appendix 1)
The data detected by the sensor is divided into several different intervals,
The autocorrelation coefficient of each of the data divided at the plurality of different intervals was calculated.
Among the calculated autocorrelation coefficients, one interval corresponding to the autocorrelation coefficient showing the maximum value is specified.
Acquire and / or store data at the specified interval.
An information processing program characterized by having a computer execute processing.
(Appendix 2)
The storage method for storing the data in the storage device is changed according to the size of the one interval.
The information processing program according to
(Appendix 3)
When the magnitude of the one interval is equal to or larger than the threshold value, a fixed amount of the data acquired at the one interval is collectively stored in the storage device by bulk loading.
The information processing program according to
(Appendix 4)
When the magnitude of the one interval is less than the threshold value, the data is sequentially stored in the storage device by the insert.
The information processing program according to
(Appendix 5)
The process of acquiring and / or storing is
The autocorrelation coefficient of the data from the sensor acquired by increasing the specified interval by a certain amount was calculated.
When the self-correlation coefficient of the calculated data from the sensor acquired at the fixed amount increase interval is larger than the autocorrelation coefficient indicating the maximum value, the fixed amount increase interval is further increased by the constant amount. In any one of
(Appendix 6)
The processor divides the data detected by the sensor into several different intervals,
The processor calculates the autocorrelation coefficient of each of the data divided at the plurality of different intervals.
The processor identifies one interval corresponding to the autocorrelation coefficient showing the maximum value among the calculated autocorrelation coefficients.
The processor acquires and / or stores data at the specified interval.
An information processing method characterized by this.
(Appendix 7)
The processor changes the storage method for storing the data in the storage device according to the size of the one interval.
The information processing method according to Appendix 6, wherein the information processing method is characterized by the above.
(Appendix 8)
When the magnitude of the one interval is equal to or larger than the threshold value, the processor collectively stores a certain amount of the data acquired in the one interval in the storage device by bulk loading.
The information processing method according to Appendix 6 or 7, wherein the information processing method is characterized by the above.
(Appendix 9)
The processor sequentially stores the data in the storage device with an insert when the magnitude of the one interval is less than the threshold value.
The information processing method according to Appendix 8, wherein the information processing method is characterized by the above.
(Appendix 10)
The process of acquiring and / or storing is
The autocorrelation coefficient of the data from the sensor acquired by increasing the specified interval by a certain amount was calculated.
When the self-correlation coefficient of the calculated data from the sensor acquired at the fixed amount increase interval is larger than the autocorrelation coefficient indicating the maximum value, the fixed amount increase interval is further increased by the constant amount. In any one of Supplementary Provisions 6 to 9, the data from the sensor is acquired at one interval before the increase by a certain amount when the value is equal to or less than the autocorrelation coefficient indicating the maximum value. The information processing method described.
(Appendix 11)
The information processing method according to any one of Supplementary note 6 to 10, wherein the sensor includes two or more different types of sensors.
(Appendix 12)
A dividing means that divides the data detected by the sensor at multiple different intervals, and
A calculation means for calculating the autocorrelation coefficient of each of the data divided at a plurality of different intervals, and
A specific means for specifying one interval corresponding to the autocorrelation coefficient showing the maximum value among the calculated autocorrelation coefficients, and
An acquisition and / or storage means for acquiring and / or storing data at the specified interval of one.
An information processing device characterized by being equipped with.
(Appendix 13)
A changing means for changing the storage method for storing the data in the storage device according to the size of the one interval, and
The information processing apparatus according to
(Appendix 14)
A changing means for storing a fixed amount of the data acquired in the one interval in a storage device by bulk loading when the magnitude of the one interval is equal to or larger than the threshold value.
The information processing apparatus according to
(Appendix 15)
The information processing apparatus according to
(Appendix 16)
The acquisition and / or storage means
The autocorrelation coefficient of the data from the sensor acquired by increasing the specified interval by a certain amount was calculated.
When the self-correlation coefficient of the calculated data from the sensor acquired at the fixed amount increase interval is larger than the autocorrelation coefficient indicating the maximum value, the fixed amount increase interval is further increased by the constant amount. In any one of
以上、開示の情報処理プログラム、情報処理方法及び情報処理装置を実施例により説明したが、本発明は上記実施例に限定されるものではなく、本発明の範囲内で種々の変形及び改良が可能であることは言うまでもない。 Although the disclosed information processing program, information processing method, and information processing apparatus have been described above by way of examples, the present invention is not limited to the above embodiment, and various modifications and improvements can be made within the scope of the present invention. Needless to say, it is.
１ 情報処理装置
２−１〜２−Ｎ センサ
３ 入出力装置
１１ ＣＰＵ
１２ メモリ
１３，１４ インタフェース
１１１ 分割部
１１２ 算出部
１１３ 特定部
１１４ 取得及び／又は記憶部
１１５ 変更部
1 Information processing device 2-1 to 2-
12
Claims (6)
前記複数の異なる間隔で分割したデータ夫々の自己相関係数を算出し、
算出した前記自己相関係数のうち、最大の値を示す自己相関係数に対応する１つの間隔を特定し、
特定した前記１つの間隔でデータの取得及び／又は記憶を行う、
処理をコンピュータに実行させることを特徴とする、情報処理プログラム。 The data detected by the sensor is divided into several different intervals,
The autocorrelation coefficient of each of the data divided at the plurality of different intervals was calculated.
Among the calculated autocorrelation coefficients, one interval corresponding to the autocorrelation coefficient showing the maximum value is specified.
Acquire and / or store data at the specified interval.
An information processing program characterized by having a computer execute processing.
処理を前記コンピュータに実行させることを特徴とする、請求項１に記載の情報処理プログラム。 The storage method for storing the data in the storage device is changed according to the size of the one interval.
The information processing program according to claim 1, wherein the processing is executed by the computer.
処理を前記コンピュータに実行させることを特徴とする、請求項１又は２に記載の情報処理プログラム。 When the magnitude of the one interval is equal to or larger than the threshold value, a fixed amount of the data acquired at the one interval is collectively stored in the storage device by bulk loading.
The information processing program according to claim 1 or 2, wherein the processing is executed by the computer.
処理を前記コンピュータに実行させることを特徴とする、請求項３に記載の情報処理プログラム。 When the magnitude of the one interval is less than the threshold value, the data is sequentially stored in the storage device by the insert.
The information processing program according to claim 3, wherein the processing is executed by the computer.
前記プロセッサが、前記複数の異なる間隔で分割したデータ夫々の自己相関係数を算出し、
前記プロセッサが、算出した前記自己相関係数のうち、最大の値を示す自己相関係数に対応する１つの間隔を特定し、
前記プロセッサが、特定した前記１つの間隔でデータの取得及び／又は記憶を行う、
ことを特徴とする、情報処理方法。 The processor divides the data detected by the sensor into several different intervals,
The processor calculates the autocorrelation coefficient of each of the data divided at the plurality of different intervals.
The processor identifies one interval corresponding to the autocorrelation coefficient showing the maximum value among the calculated autocorrelation coefficients.
The processor acquires and / or stores data at the specified interval.
An information processing method characterized by this.
前記複数の異なる間隔で分割したデータ夫々の自己相関係数を算出する算出手段と、
算出した前記自己相関係数のうち、最大の値を示す自己相関係数に対応する１つの間隔を特定する特定手段と、
特定した前記１つの間隔でデータの取得及び／又は記憶を行う取得及び／又は記憶手段と、
を備えたことを特徴とする、情報処理装置。 A dividing means that divides the data detected by the sensor at multiple different intervals, and
A calculation means for calculating the autocorrelation coefficient of each of the data divided at a plurality of different intervals, and
A specific means for specifying one interval corresponding to the autocorrelation coefficient showing the maximum value among the calculated autocorrelation coefficients, and
An acquisition and / or storage means for acquiring and / or storing data at the specified interval of one.
An information processing device characterized by being equipped with.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2018048017A JP6988601B2 (en) | 2018-03-15 | 2018-03-15 | Information processing programs, information processing methods and information processing equipment |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2018048017A JP6988601B2 (en) | 2018-03-15 | 2018-03-15 | Information processing programs, information processing methods and information processing equipment |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2019158739A JP2019158739A (en) | 2019-09-19 |
| JP6988601B2 true JP6988601B2 (en) | 2022-01-05 |
Family
ID=67996877
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2018048017A Active JP6988601B2 (en) | 2018-03-15 | 2018-03-15 | Information processing programs, information processing methods and information processing equipment |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP6988601B2 (en) |
Family Cites Families (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS535888A (en) * | 1976-07-05 | 1978-01-19 | Toitsu Kogyo Kk | System for counting fatal pulse |
| JPH04100099A (en) * | 1990-08-20 | 1992-04-02 | Nippon Telegr & Teleph Corp <Ntt> | Voice detector |
| JP3219868B2 (en) * | 1992-11-18 | 2001-10-15 | 日本放送協会 | Speech pitch extraction device and pitch section automatic extraction device |
| JP3321933B2 (en) * | 1993-10-19 | 2002-09-09 | ソニー株式会社 | Pitch detection method |
| TW201347340A (en) * | 2012-05-04 | 2013-11-16 | Nat Univ Tsing Hua | A system and method of appropriate services detection for a smart building |
| JP6403311B2 (en) * | 2014-06-05 | 2018-10-10 | 国立大学法人福井大学 | Heart rate analysis device |
-
2018
- 2018-03-15 JP JP2018048017A patent/JP6988601B2/en active Active
Also Published As
| Publication number | Publication date |
|---|---|
| JP2019158739A (en) | 2019-09-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| EP2985572B1 (en) | Step counting method and apparatus | |
| JP6038347B2 (en) | Abnormal sound diagnosis device | |
| CN103792000B (en) | Method and device for detecting transient components in signal based on sparse representation | |
| KR101339844B1 (en) | Data filtering apparatus using moving standard deviation and filtering method tehreof | |
| CN109765055B (en) | Rolling bearing fault detection method and system based on EWT, spectrum effective value and KNN | |
| JP6998781B2 (en) | Failure diagnosis system | |
| US10368177B2 (en) | Abnormality detecting device, abnormality detection method, and recording medium storing abnormality detection computer program | |
| JPWO2015092853A1 (en) | Numerical control apparatus and logging method | |
| JP2018163135A (en) | Information processing device, information processing method, and program | |
| EP2910954A1 (en) | Method for counting steps and electronic apparatus using the same | |
| JP2020003363A (en) | Abnormality diagnosis method of rolling bearing, abnormality diagnosis device, and abnormality diagnosis program | |
| CN111062100A (en) | Method and device for establishing residual life prediction model of bearing | |
| CN114401206B (en) | Motor state monitoring method and device, electronic equipment and storage medium | |
| Dörr et al. | Recognizing product application based on integrated consumer grade sensors: a case study with handheld power tools | |
| JPWO2019026193A1 (en) | Information processing device, information processing system, information processing method, and program | |
| JP6611991B1 (en) | Condition monitoring device | |
| JP6988601B2 (en) | Information processing programs, information processing methods and information processing equipment | |
| WO2021019760A1 (en) | Abnormality diagnostic method, abnormality diagnostic device, and abnormality diagnostic program | |
| US20190331721A1 (en) | Noise spectrum analysis for electronic device | |
| EP3557346B1 (en) | State identification device, state identification method and mechanical device | |
| CN109212260B (en) | Motion frequency calculation method and device | |
| CN112541163A (en) | Load spectrum data processing method and device and electronic equipment | |
| JPWO2016189747A1 (en) | Analysis apparatus, analysis method, and analysis program | |
| TW201633025A (en) | Diagnostic method for malfunction mode of machine tool main shaft and system thereof | |
| JP2016031307A (en) | Signal processing method and signal processing device |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20201210 |
|
| TRDD | Decision of grant or rejection written | ||
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20211028 |
|
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20211102 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20211115 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 6988601 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |