JP7106020B2 - 異常判定装置、異常判定方法及び異常判定プログラム - Google Patents

Description

本開示は、データが異常を示すか否かを判定する技術に関する。

プラント設備では、燃料低下と濃度上昇といった事象が発生した場合に、物質を放出又は供給するような制御がされる場合がある。このような場合には、プラント設備に設けられた物質に関する値を検出するセンサによって取得されたセンサデータである時系列データは、物質が放出又は供給された際に値が急変動する。
そのため、この時系列データには、値の変動が小さい変動パターンと、値の変動が大きい変動パターンとの２つの変動パターンが混在する。値の変動が大きい変動パターンは、物質が放出又は供給された際にだけ起こるため、値の変動が小さい変動パターンに比べ発生頻度が低い。

時系列データから異常を検出する方法として、ｋ近傍法を用いた検知方法が広く用いられている（特許文献１参照）。
ｋ近傍法を用いた検知方法では、例えば、判定対象データを中心としてｋ個の正常なデータが含まれる円を描いた場合の半径が、判定対象データの判定値として用いられ、判定値の大きさによって異常であるか否かが判定される。

特開２０１９－１７９３９５号公報

上述した２つの変動パターンが混在する時系列データから、ｋ近傍法を用いた検知方法により異常を検出するとする。この場合には、発生頻度が高い変動パターンである、値の変動が小さい変動パターンに偏った学習が行われるため、値の変動が大きい変動パターンが発生すると異常として検出される恐れがある。
つまり、プラント設備としては正常な制御であるにも関わらず、異常として誤検出される恐れがある。その結果、異常検出の結果を監視する監視員の負荷が増えてしまう。
本開示は、発生頻度の異なる複数の値の変動パターンが含まれる場合であっても、適切に異常であるか否かを判定可能にすることを目的とする。

本開示に係る異常判定装置は、
時系列データについて単位時間毎の値の変動量を計算することにより、複数の変動量を計算する変動量計算部と、
前記変動量計算部によって計算された複数の変動量を複数のグループに分類する分類部と、
判定対象データの値の変動量である判定量を、前記分類部によって分類された各グループに属する変動量と比較して、前記判定対象データが異常を示すか否かを判定する異常判定部と
を備える。

本開示では、時系列データから得られた複数の変動量を複数のグループに分類して、判定量を各グループに属する変動量と比較して異常を示すか否かを判定する。これにより、発生頻度の異なる複数の値の変動パターンが含まれる場合であっても、適切に異常であるか否かを判定可能である。

実施の形態１に係る異常判定装置１０の構成図。 実施の形態１に係る異常判定装置１０の全体的な動作を示すフローチャート。 実施の形態１に係る時系列データの説明図。 実施の形態１に係る時系列データ記憶部３１に記憶される情報の説明図。 実施の形態１に係る変動情報記憶部３２に記憶される情報の説明図。 実施の形態１に係る分類処理のフローチャート。 実施の形態１に係る閾値計算処理の説明図。 実施の形態１に係る閾値計算処理の説明図。 実施の形態１に係る変動情報記憶部３２に記憶される情報の説明図。 変形例２に係る異常判定装置１０の構成図。 実施の形態２に係る異常判定装置１０の構成図。 実施の形態２に係る異常判定装置１０の全体的な動作を示すフローチャート。 実施の形態２に係る変動情報記憶部３２に記憶される情報の説明図。

実施の形態１．
＊＊＊構成の説明＊＊＊
図１を参照して、実施の形態１に係る異常判定装置１０の構成を説明する。
異常判定装置１０は、コンピュータである。
異常判定装置１０は、プロセッサ１１と、メモリ１２と、ストレージ１３と、通信インタフェース１４とのハードウェアを備える。プロセッサ１１は、信号線を介して他のハードウェアと接続され、これら他のハードウェアを制御する。

プロセッサ１１は、プロセッシングを行うＩＣ（Ｉｎｔｅｇｒａｔｅｄ Ｃｉｒｃｕｉｔ）である。プロセッサ１１は、具体例としては、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）、ＤＳＰ（Ｄｉｇｉｔａｌ Ｓｉｇｎａｌ Ｐｒｏｃｅｓｓｏｒ）、ＧＰＵ（Ｇｒａｐｈｉｃｓ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）である。

メモリ１２は、データを一時的に記憶する記憶装置である。メモリ１２は、具体例としては、ＳＲＡＭ（Ｓｔａｔｉｃ Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）、ＤＲＡＭ（Ｄｙｎａｍｉｃ Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）である。

ストレージ１３は、データを保管する記憶装置である。ストレージ１３は、具体例としては、ＨＤＤ（Ｈａｒｄ Ｄｉｓｋ Ｄｒｉｖｅ）である。また、ストレージ１３は、ＳＤ（登録商標，Ｓｅｃｕｒｅ Ｄｉｇｉｔａｌ）メモリカード、ＣＦ（ＣｏｍｐａｃｔＦｌａｓｈ，登録商標）、ＮＡＮＤフラッシュ、フレキシブルディスク、光ディスク、コンパクトディスク、ブルーレイ（登録商標）ディスク、ＤＶＤ（Ｄｉｇｉｔａｌ Ｖｅｒｓａｔｉｌｅ Ｄｉｓｋ）といった可搬記録媒体であってもよい。

通信インタフェース１４は、入力装置及び出力装置といった外部の装置と通信するためのインタフェースである。通信インタフェース１４は、具体例としては、Ｅｔｈｅｒｎｅｔ（登録商標）、ＵＳＢ（Ｕｎｉｖｅｒｓａｌ Ｓｅｒｉａｌ Ｂｕｓ）、ＨＤＭＩ（登録商標，Ｈｉｇｈ－Ｄｅｆｉｎｉｔｉｏｎ Ｍｕｌｔｉｍｅｄｉａ Ｉｎｔｅｒｆａｃｅ）のポートである。

異常判定装置１０は、機能構成要素として、データ取得部２１と、変動量計算部２２と、分類部２３と、異常判定部２４とを備える。分類部２３は、確率分布割当部２３１と、閾値計算部２３２と、変動量分類部２３３とを備える。異常判定装置１０の各機能構成要素の機能はソフトウェアにより実現される。
ストレージ１３には、異常判定装置１０の各機能構成要素の機能を実現するプログラムが格納されている。このプログラムは、プロセッサ１１によりメモリ１２に読み込まれ、プロセッサ１１によって実行される。これにより、異常判定装置１０の各機能構成要素の機能が実現される。

また、ストレージ１３は、時系列データ記憶部３１と、変動情報記憶部３２との機能を実現する。

図１では、プロセッサ１１は、１つだけ示されていた。しかし、プロセッサ１１は、複数であってもよく、複数のプロセッサ１１が、各機能を実現するプログラムを連携して実行してもよい。

＊＊＊動作の説明＊＊＊
図２から図９を参照して、実施の形態１に係る異常判定装置１０の動作を説明する。
実施の形態１に係る異常判定装置１０の動作手順は、実施の形態１に係る異常判定方法に相当する。また、実施の形態１に係る異常判定装置１０の動作を実現するプログラムは、実施の形態１に係る異常判定プログラムに相当する。

図２を参照して、実施の形態１に係る異常判定装置１０の全体的な動作を説明する。
（ステップＳ１１：データ取得処理）
データ取得部２１は、時系列データを取得する。
具体的には、データ取得部２１は、プラント設備等の対象設備に設けられたセンサによって、対象設備が正常な時に周期的に取得されたセンサデータを時系列データとして取得する。実施の形態１では、図３に示すように、時系列データには、発生頻度の異なる複数の値の変動パターンが含まれる。図３では、時系列データには、発生頻度が高い、値の変動が小さい変動パターンと、発生頻度が低い、値の変動が大きい変動パターンとの２つのパターンが含まれる。図３では、破線で囲まれた部分が値の変動が大きい変動パターンであり、破線で囲まれていない部分が値の変動が小さい変動パターンである。

データ取得部２１は、取得された時系列データを時系列データ記憶部３１に書き込む。図４に示すように、時系列データ記憶部３１には、時系列データを構成する各センサデータについて、センサＩＤと、取得時刻と、センサ値とが記憶される。センサＩＤは、センサデータの取得元のセンサのＩＤ（ＩＤｅｎｔｉｆｉｅｒ）である。取得時刻は、センサデータがセンサによって取得された時刻である。センサ値は、センサデータが示す値である。

（ステップＳ１２：変動量計算処理）
変動量計算部２２は、ステップＳ１１で取得された時系列データについて単位時間毎の値の変動量を計算することにより、複数の変動量を計算する。変動量は、単位時間において取得されたセンサデータのセンサ値の最大値から最小値を減算して得られた値の絶対値である。単位時間は、異常判定装置１０の使用者によって事前に設定される時間であり、時系列データに応じて異なる時間であってもよい。

具体的には、変動量計算部２２は、時系列データ記憶部３１に記憶された時系列データのうち最も早い取得時刻を対象期間の開始時刻とし、開始時刻の単位時間だけ後の時刻を対象期間の終了時刻とする。変動量計算部２２は、時系列データ記憶部３１から取得時刻が開始時刻から終了時刻までの対象期間に入るセンサデータを読み出す。変動量計算部２２は、読み出されたセンサデータのセンサ値から最大値と最小値とを特定する。変動量計算部２２は、最大値から最小値を減算して得られた値の絶対値を、対象期間についての変動量として計算する。
そして、変動量計算部２２は、対象期間の終了時刻を次の対象期間の開始時刻とし、開始時刻の単位時間だけ後の時刻を次の対象期間の終了時刻として、次の対象期間の変動量を計算する。変動量計算部２２は、この処理を時系列データ記憶部３１に記憶された時系列データのうち最も遅い取得時刻が対象期間に含まれるまで繰り返す。

変動量計算部２２は、計算された複数の変動量を変動情報記憶部３２に書き込む。例えば、図５に示すように、変動量計算部２２は、センサＩＤ毎に、変動量と、単位時間と、単位時間の開始時刻とを変動情報記憶部３２に書き込む。

（ステップＳ１３：分類処理）
分類部２３は、複数の変動量それぞれが複数の確率分布のうちのどの確率分布に含まれる変動量であるかに応じて、ステップＳ１２で計算された複数の変動量を複数のグループに分類する。
実施の形態１では、時系列データには、値の変動が小さい変動パターンと、値の変動が大きい変動パターンとの２つの変動パターンが含まれている。そこで、分類部２３は、値の変動が小さい、つまり変動量が小さいグループＦ１と、値の変動が大きい、つまり変動量が大きいグループＦ２とに複数の変動量を分類する。

図６を参照して、実施の形態１に係る分類処理を説明する。
（ステップＳ１３１：確率分布割当処理）
確率分布割当部２３１は、変動情報記憶部３２に記憶された複数の変動量を読み出す。そして、確率分布割当部２３１は、複数の変動量がいずれかの確率分布に含まれるように、複数の確率分布を割り当てる。
実施の形態１では、複数の変動量が２つのグループに分類される。そこで、確率分布割当部２３１は、時系列データが要素数２の混合正規分布に従うと仮定して、時系列データに対して混合正規分布を適用する。混合正規分布の適用方法はどのような方法であっても構わない。例えば、既存技術であるＥＭ（Ｅｘｐｅｃｔａｔｉｏｎ Ｍａｘｉｍｉｚａｔｉｏｎ）アルゴリズムを利用して混合正規分布を適用することが可能である。
なお、変動量が０のデータについては、混合正規分布を適用する前に除外してもよい。

（ステップＳ１３２：閾値計算処理）
閾値計算部２３２は、ステップＳ１３１で割り当てられた複数の確率分布のうち２つの確率分布に含まれる変動量がある場合には、２つの確率分布が重なる重複部分４１の面積を等分する変動量を分類閾値Ｔとして計算する。
実施の形態１では、図７に示すように、要素数２の混合正規分布が複数の確率分布として割り当てられる。つまり、変動量が小さいグループＦ１の分布Ｇ１と、変動量が大きいグループＦ２の分布Ｇ２とが割り当てられる。このとき、分布Ｇ１と分布Ｇ２とが重なる重複部分４１が存在する可能性がある。重複部分４１が存在するということは、２つの確率分布に含まれる変動量があるということである。この場合には、閾値計算部２３２は、重複部分４１の面積を等分する変動量を分類閾値Ｔとして計算する。

具体例としては、閾値計算部２３２は、二分探索を用いて分類閾値Ｔを計算する。
この場合には、図８に示すように、閾値計算部２３２は、分布Ｇ１で最も確率密度が高い変動量Ｖ１と、分布Ｇ２で最も確率密度が高い変動量Ｖ２とを２つの基準値として、２つの基準値の中央値Ｃ１を特定する。閾値計算部２３２は、中央値Ｃ１を分類閾値Ｔとした場合に、重複部分４１の面積が等分されているか否かを判定する。閾値計算部２３２は、等分されている場合には、中央値Ｃ１を分類閾値Ｔに設定する。
閾値計算部２３２は、等分されていない場合には、分布Ｇ１側（図８の左側）と、分布Ｇ２側（図８の右側）とのどちらの方が面積が大きいかを判定する。閾値計算部２３２は、面積が大きい方の基準値（図８では、変動量Ｖ２）と、中央値Ｃ１とを新たに２つの基準値として、２つの基準値の中央値Ｃ２を特定する。そして、中央値Ｃ２を分類閾値Ｔとした場合に、重複部分４１の面積が等分されているか否かを判定する。等分されている場合には、中央値Ｃ２を分類閾値Ｔに設定する。
閾値計算部２３２は、等分されていない場合には、分布Ｇ１側（図８の左側）と、分布Ｇ２側（図８の右側）とのどちらの方が面積が大きいかを判定する。閾値計算部２３２は、面積が大きい方の基準値（図８では、中央値Ｃ１）と、中央値Ｃ２とを新たに２つの基準値として、２つの基準値の中央値Ｃ３を特定する。そして、中央値Ｃ３を分類閾値Ｔとした場合に、重複部分４１の面積が等分されているか否かを判定する。
この処理を、閾値計算部２３２は、重複部分４１の面積が等分される分類閾値Ｔが特定されるまで繰り返す。

（ステップＳ１３３：変動量分類処理）
変動量分類部２３３は、複数の変動量それぞれが含まれる確率分布に対応するグループに複数の変動量を分類する。また、変動量分類部２３３は、２つの確率分布に含まれる変動量についてはステップＳ１３２で計算された分類閾値Ｔに基づき２つの確率分布のうちどちらかの確率分布に対応するグループに分類する。
実施の形態１では、変動量分類部２３３は、図７の分類閾値Ｔよりも左側の変動量については、変動量が小さいグループＦ１に分類し、図７の分類閾値Ｔよりも右側の変動量については、変動量が大きいグループＦ２に分類する。

分類部２３は、分類した結果を変動情報記憶部３２に書き込む。例えば、図９に示すように、分類部２３は、変動情報記憶部３２の各レコードに、分類閾値Ｔと、分類結果とを追記する。分類結果は、変動量が分類されたグループを示す。

（ステップＳ１４：異常判定処理）
異常判定部２４は、判定対象データの値の変動量である判定量を、ステップＳ１３で分類された各グループに属する変動量と比較して、判定対象データが異常を示すか否かを判定する。
具体的には、異常判定部２４は、ステップＳ１１で取得された時系列データと同じセンサによって取得されたある期間のセンサデータを判定対象データとして取得する。異常判定部２４は、判定対象データの変動量を判定量として計算する。そして、異常判定部２４は、各グループを対象のグループとして、例えばｋ近傍法により対象のグループに分類された変動量と判定量とを比較して、判定対象データの判定値を計算する。そして、異常判定部２４は、全てのグループを対象のグループとした場合に計算された判定値が異常閾値よりも高い場合には、判定対象データが異常を示すと判定する。一方、異常判定部２４は、少なくともいずれかのグループを対象のグループとした場合に計算された判定値が異常閾値以下の場合には、判定対象データが正常を示すと判定する。

なお、判定対象データが複数存在する場合には、ステップＳ１４の処理が判定対象データの数だけ繰り返し実行される。

＊＊＊実施の形態１の効果＊＊＊
以上のように、実施の形態１に係る異常判定装置１０は、時系列データから得られた複数の変動量を複数のグループに分類して、判定量を各グループに属する変動量と比較して異常を示すか否かを判定する。つまり、実施の形態１に係る異常判定装置１０は、グループ毎に正常な変動量を学習しておき、各グループについての学習結果に基づき異常であるか否かを判定する。
これにより、発生頻度の異なる複数の値の変動パターンが含まれる場合であっても、適切に異常であるか否かを判定可能である。

特に、実施の形態１に係る異常判定装置１０は、時系列データに対して複数の確率分布を割り当てることにより、複数の変動量を複数のグループに分類する。これにより、複数の変動量を適切に分類することが可能である。その結果、適切に異常であるか否かを判定可能である。

＊＊＊他の構成＊＊＊
＜変形例１＞
実施の形態１では、図２のステップＳ１１からステップＳ１３の処理と、ステップＳ１４の処理とが一連の処理として実行された。しかし、ステップＳ１１からステップＳ１３の処理は、正常時のセンサデータに基づく学習処理であり、ステップＳ１４の処理は、学習処理の結果を利用した異常検知処理である。そのため、ステップＳ１１からステップＳ１３の処理と、ステップＳ１４の処理とは、一連の処理ではなく、別々の処理としてもよい。
例えば、異常判定装置１０は、定期的にステップＳ１１からステップＳ１３の処理を実行し、直近の分類結果に基づきステップＳ１４の処理を継続的に実行するようにしてもよい。

＜変形例２＞
実施の形態１では、各機能構成要素がソフトウェアで実現された。しかし、変形例２として、各機能構成要素はハードウェアで実現されてもよい。この変形例２について、実施の形態１と異なる点を説明する。

図１０を参照して、変形例２に係る異常判定装置１０の構成を説明する。
各機能構成要素がハードウェアで実現される場合には、異常判定装置１０は、プロセッサ１１とメモリ１２とストレージ１３とに代えて、電子回路１５を備える。電子回路１５は、各機能構成要素と、メモリ１２と、ストレージ１３との機能とを実現する専用の回路である。

電子回路１５としては、単一回路、複合回路、プログラム化したプロセッサ、並列プログラム化したプロセッサ、ロジックＩＣ、ＧＡ（Ｇａｔｅ Ａｒｒａｙ）、ＡＳＩＣ（Ａｐｐｌｉｃａｔｉｏｎ Ｓｐｅｃｉｆｉｃ Ｉｎｔｅｇｒａｔｅｄ Ｃｉｒｃｕｉｔ）、ＦＰＧＡ（Ｆｉｅｌｄ－Ｐｒｏｇｒａｍｍａｂｌｅ Ｇａｔｅ Ａｒｒａｙ）が想定される。
各機能構成要素を１つの電子回路１５で実現してもよいし、各機能構成要素を複数の電子回路１５に分散させて実現してもよい。

＜変形例３＞
変形例３として、一部の各機能構成要素がハードウェアで実現され、他の各機能構成要素がソフトウェアで実現されてもよい。

プロセッサ１１とメモリ１２とストレージ１３と電子回路１５とを処理回路という。つまり、各機能構成要素の機能は、処理回路により実現される。

実施の形態２．
実施の形態２は、時系列データが分類に適しているか否かを判定する点が実施の形態１と異なる。実施の形態２では、この異なる点を説明し、同一の点については説明を省略する。

＊＊＊構成の説明＊＊＊
図１１を参照して、実施の形態２に係る異常判定装置１０の構成を説明する。
異常判定装置１０は、機能構成要素として、対象判定部２５を備える点が図１に示す異常判定装置１０と異なる。対象判定部２５は、他の機能構成要素と同様に、ソフトウェア又はハードウェアによって実現される。

＊＊＊動作の説明＊＊＊
図１２及び図１３を参照して、実施の形態２に係る異常判定装置１０の動作を説明する。
実施の形態２に係る異常判定装置１０の動作手順は、実施の形態２に係る異常判定方法に相当する。また、実施の形態２に係る異常判定装置１０の動作を実現するプログラムは、実施の形態２に係る異常判定プログラムに相当する。

図１２を参照して、実施の形態２に係る異常判定装置１０の全体的な動作を説明する。
ステップＳ２１からステップＳ２３の処理は、図２のステップＳ１１からステップＳ１３の処理と同じである。また、ステップＳ２５の処理は、図２のステップＳ１４の処理と同じである。

（ステップＳ２４：対象判定処理）
対象判定部２５は、２つの確率分布のどちらの確率分布においても分類閾値Ｔが出現する出現確率が基準値よりも低いか否かを判定する。これにより、時系列データが分類に適しているか否かが判定される。つまり、時系列データの取得元のセンサが分類に適しているか否かが判定される。分類に適していないとは、時系列データが複数の変動パターンを含むデータではない可能性が高いという意味である。
具体例としては、図７に示すように、要素数２の混合正規分布が複数の確率分布として割り当てられたとする。この場合には、対象判定部２５は、各正規分布を対象として、分類閾値Ｔが、対象の正規分布の平均値±３σの範囲外であるか否かを判定する。対象判定部２５は、分類閾値Ｔが、対象の正規分布の平均値±３σの範囲外であれば、分類閾値Ｔが出現する出現確率が基準値よりも低いと判定する。

対象判定部２５は、どちらの確率分布においても分類閾値Ｔが出現する出現確率が基準値よりも低いと判定した場合には、時系列データが分類に適していると判定し、処理をステップＳ２５に進める。一方、対象判定部２５は、少なくともいずれかの確率分布において分類閾値Ｔが出現する出現確率が基準値以上である場合には、時系列データが分類に適していないと判定し、処理を終了する。

対象判定部２５は、判定した結果を変動情報記憶部３２に書き込む。例えば、図１３に示すように、対象判定部２５は、変動情報記憶部３２の各レコードに、判定した結果を書き込む。

なお、異常判定装置１０の使用者が分類に適した時系列データのみを対象として与えるような場合には、ステップＳ２４の処理は不要である。

＊＊＊実施の形態２の効果＊＊＊
以上のように、実施の形態２に係る異常判定装置１０は、時系列データが分類に適しているか否かを判定する。
これにより、時系列データが複数の変動パターンを含むデータではない可能性が高い場合に、不要な分類を行い、かえって適切に異常であるか否かを判定できない状態にすることを防止可能である。

１０ 異常判定装置、１１ プロセッサ、１２ メモリ、１３ ストレージ、１４ 通信インタフェース、１５ 電子回路、２１ データ取得部、２２ 変動量計算部、２３ 分類部、２３１ 確率分布割当部、２３２ 閾値計算部、２３３ 変動量分類部、２４ 異常判定部、２５ 対象判定部、３１ 時系列データ記憶部、３２ 変動情報記憶部、４１ 重複部分。

Claims (5)

1. 時系列データについて単位時間毎の値の変動量を計算することにより、複数の変動量を計算する変動量計算部と、
   前記変動量計算部によって計算された前記複数の変動量それぞれが複数の確率分布のうちのどの確率分布に含まれる変動量であるかに応じて、前記複数の変動量を複数のグループに分類する分類部と、
   判定対象データの値の変動量である判定量を、前記分類部によって分類された各グループに属する変動量と比較して、前記判定対象データが異常を示すか否かを判定する異常判定部と
   を備える異常判定装置。
2. 前記分類部は、
   前記複数の変動量がいずれかの確率分布に含まれるように、前記複数の確率分布を割り当てる確率分布割当部と、
   前記確率分布割当部によって割り当てられた前記複数の確率分布のうち２つの確率分布に含まれる変動量がある場合には、前記２つの確率分布が重なる重複部分の面積を等分する変動量を分類閾値として計算する閾値計算部と、
   前記複数の変動量それぞれが含まれる確率分布に対応するグループに前記複数の変動量を分類するとともに、前記２つの確率分布に含まれる変動量については前記閾値計算部によって計算された前記分類閾値に基づき前記２つの確率分布のうちどちらかの確率分布に対応するグループに分類する変動量分類部と
   を備える請求項１に記載の異常判定装置。
3. 前記２つの確率分布は、要素数２の混合正規分布であり、
   前記異常判定装置は、さらに、
   前記混合正規分布のどちらの正規分布を対象の正規分布とした場合においても前記分類閾値が出現する位置が前記対象の正規分布の平均値を基準とした基準範囲の外であるか否かを判定する対象判定部
   を備え、
   前記異常判定部は、前記対象判定部によってどちらの正規分布においても前記分類閾値が出現する位置が前記基準範囲の外であると判定された場合に、前記判定対象データが異常を示すか否かを判定する
   請求項２に記載の異常判定装置。
4. 変動量計算部が、時系列データについて単位時間毎の値の変動量を計算することにより、複数の変動量を計算し、
   分類部が、前記複数の変動量それぞれが複数の確率分布のうちのどの確率分布に含まれる変動量であるかに応じて、前記複数の変動量を複数のグループに分類し、
   異常判定部が、判定対象データの値の変動量である判定量を、各グループに属する変動量と比較して、前記判定対象データが異常を示すか否かを判定する異常判定方法。
5. 時系列データについて単位時間毎の値の変動量を計算することにより、複数の変動量を計算する変動量計算処理と、
   前記変動量計算処理によって計算された前記複数の変動量それぞれが複数の確率分布のうちのどの確率分布に含まれる変動量であるかに応じて、前記複数の変動量を複数のグループに分類する分類処理と、
   判定対象データの値の変動量である判定量を、前記分類処理によって分類された各グループに属する変動量と比較して、前記判定対象データが異常を示すか否かを判定する異常判定処理と
   を行う異常判定装置としてコンピュータを機能させる異常判定プログラム。

Images