JPWO2020166072A1 - 時系列データ処理方法 - Google Patents
時系列データ処理方法 Download PDFInfo
- Publication number
- JPWO2020166072A1 JPWO2020166072A1 JP2020572047A JP2020572047A JPWO2020166072A1 JP WO2020166072 A1 JPWO2020166072 A1 JP WO2020166072A1 JP 2020572047 A JP2020572047 A JP 2020572047A JP 2020572047 A JP2020572047 A JP 2020572047A JP WO2020166072 A1 JPWO2020166072 A1 JP WO2020166072A1
- Authority
- JP
- Japan
- Prior art keywords
- time
- series data
- correlation
- data
- partial
- 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.)
- Granted
Links
- 238000003672 processing method Methods 0.000 title claims description 54
- 230000010365 information processing Effects 0.000 claims abstract description 22
- 238000004458 analytical method Methods 0.000 claims abstract description 20
- 239000000284 extract Substances 0.000 claims abstract description 9
- 238000012545 processing Methods 0.000 claims description 114
- 230000002159 abnormal effect Effects 0.000 description 18
- 238000013500 data storage Methods 0.000 description 16
- 238000012544 monitoring process Methods 0.000 description 15
- 230000015556 catabolic process Effects 0.000 description 14
- 238000005259 measurement Methods 0.000 description 11
- 239000000203 mixture Substances 0.000 description 11
- 239000013598 vector Substances 0.000 description 11
- 238000001514 detection method Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 10
- 238000005314 correlation function Methods 0.000 description 7
- 238000000034 method Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 238000000605 extraction Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000006378 damage Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000006399 behavior Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/2163—Partitioning the feature space
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/12—Classification; Matching
- G06F2218/16—Classification; Matching by matching signal segments
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Software Systems (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Medical Informatics (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
Description
複数の要素の時系列データの集合である時系列データセットを所定の時間毎に区切った部分時系列データセットを抽出し、
前記部分時系列データセットに含まれる前記時系列データの要素間の相関関係を表す相関データを算出し、
前記部分時系列データセットの前記時系列データ及び前記相関データに基づく符号化データを生成する、
という構成をとる。
複数の要素の時系列データの集合である時系列データセットを所定の時間毎に区切った部分時系列データセットを複数抽出し、
複数の前記部分時系列データセットのそれぞれから、当該部分時系列データセットに含まれる前記時系列データの要素間の相関関係を表す相関データを算出し、
異なる前記部分時系列データセット間における前記時系列データ及び前記相関データの差異に応じて、前記部分時系列データセットの前記時系列データ及び前記相関データに基づく符号化データを生成するよう学習したモデルを生成する、
という構成をとる。
複数の要素の時系列データの集合である時系列データセットを所定の時間毎に区切った部分時系列データセットの前記時系列データ、及び、当該時系列データの要素間の相関関係を表す相関データ、の入力を受け付けて、前記時系列データ及び前記相関データに基づく情報を記憶部に記憶し、
新たに入力された前記時系列データセットにおける前記部分時系列データセットの前記時系列データ及び前記相関データに対応する情報を、前記記憶部から検索し、
検索結果を出力する、
という構成をとる。
複数の要素の時系列データの集合である時系列データセットを所定の時間毎に区切った部分時系列データセットを抽出し、
前記部分時系列データセットに含まれる前記時系列データの要素間の相関関係を表す相関データを算出し、
前記部分時系列データセットの前記時系列データ及び前記相関データに基づく符号化データを生成する、
処理を情報処理装置に実行させる、
という構成をとる。
複数の要素の時系列データの集合である時系列データセットを所定の時間毎に区切った部分時系列データセットを複数抽出し、
複数の前記部分時系列データセットのそれぞれから、当該部分時系列データセットに含まれる前記時系列データの要素間の相関関係を表す相関データを算出し、
異なる前記部分時系列データセット間における前記時系列データ及び前記相関データの差異に応じて、前記部分時系列データセットの前記時系列データ及び前記相関データに基づく符号化データを生成するよう学習したモデルを生成する、
処理を情報処理装置に実行させる、
という構成をとる。
複数の要素の時系列データの集合である時系列データセットを所定の時間毎に区切った部分時系列データセットの前記時系列データ、及び、当該時系列データの要素間の相関関係を表す相関データ、の入力を受け付けて、前記時系列データ及び前記相関データに基づく情報を記憶部に記憶し、
新たに入力された前記時系列データセットにおける前記部分時系列データセットの前記時系列データ及び前記相関データに対応する情報を、前記記憶部から検索し、
検索結果を出力する、
処理を情報処理装置に実行させる、
という構成をとる。
複数の要素の時系列データの集合である時系列データセットを所定の時間毎に区切った部分時系列データセットを抽出して、前記部分時系列データセットに含まれる前記時系列データの要素間の相関関係を表す相関データを算出する分析部と、
前記部分時系列データセットの前記時系列データ及び前記相関データに基づく符号化データを生成する符号化部と、
を備えた、
という構成をとる。
複数の要素の時系列データの集合である時系列データセットを所定の時間毎に区切った部分時系列データセットを複数抽出し、複数の前記部分時系列データセットのそれぞれから、当該部分時系列データセットに含まれる前記時系列データの要素間の相関関係を表す相関データを算出する分析部と、
異なる前記部分時系列データセット間における前記時系列データ及び前記相関データの差異に応じて、前記部分時系列データセットの前記時系列データ及び前記相関データに基づく符号化データを生成するよう学習したモデルを生成する学習部と、
を備えた、
という構成をとる。
複数の要素の時系列データの集合である時系列データセットを所定の時間毎に区切った部分時系列データセットの前記時系列データ、及び、当該時系列データの要素間の相関関係を表す相関データ、の入力を受け付けて、前記時系列データ及び前記相関データに基づく情報を記憶部に記憶する入力部と、
新たに入力された前記時系列データセットにおける前記部分時系列データセットの前記時系列データ及び前記相関データに対応する情報を、前記記憶部から検索し、検索結果を出力する検索部と、
を備えた、
という構成をとる。
本発明の第1の実施形態を、図1乃至図12を参照して説明する。図1乃至図3は、時系列データ処理装置の構成を説明するための図であり、図4乃至図12は、時系列データ処理装置の処理動作を説明するための図である。
本発明における時系列データ処理装置10は、プラントなどの監視対象P(対象)に接続されている。そして、時系列データ処理装置10は、監視対象Pの各要素の計測値を取得して分析し、分析結果に基づいて監視対象Pの状態を監視するために利用される。例えば、監視対象Pは、製造工場や処理施設などのプラントであり、各要素の計測値は、プラント内の温度、圧力、流量、消費電力値、原料の供給量、残量など、複数種類の情報からなる。そして、監視する監視対象Pの状態は、本実施形態では、監視対象Pの異常状態であることとし、時系列データ処理装置10は、いかなる異常状態であるかを特定するよう構成されている。
次に、上述した時系列データ処理装置10の動作を、主に図9乃至図12のフローチャートを参照して説明する。まず、図9のフローチャートを参照して、監視対象Pが正常状態である場合における、各要素間の相関関係を表す相関モデルを生成するときの動作を説明する。
次に、本発明の第2の実施形態を、図13乃至図19を参照して説明する。図13、14,16,18は、実施形態2における時系列データ処理装置の構成を示すブロック図であり、図15,17,19は、時系列データ処理装置の動作を示すフローチャートである。なお、本実施形態では、実施形態1で説明した時系列データ処理装置及び時系列データ処理方法の構成の概略を示している。
・CPU(Central Processing Unit)101(演算装置)
・ROM(Read Only Memory)102(記憶装置)
・RAM(Random Access Memory)103(記憶装置)
・RAM103にロードされるプログラム群104
・プログラム群104を格納する記憶装置105
・情報処理装置外部の記憶媒体110の読み書きを行うドライブ装置106
・情報処理装置外部の通信ネットワーク111と接続する通信インタフェース107
・データの入出力を行う入出力インタフェース108
・各構成要素を接続するバス109
複数の要素の時系列データの集合である時系列データセットを所定の時間毎に区切った部分時系列データセットを抽出し(ステップS101)、
前記部分時系列データセットに含まれる前記時系列データの要素間の相関関係を表す相関データを算出し(ステップS102)、
前記部分時系列データセットの前記時系列データ及び前記相関データに基づく符号化データを生成する(ステップS103)。
複数の要素の時系列データの集合である時系列データセットを所定の時間毎に区切った部分時系列データセットを複数抽出し(ステップS111)、
複数の前記部分時系列データセットのそれぞれから、当該部分時系列データセットに含まれる前記時系列データの要素間の相関関係を表す相関データを算出し(ステップS112)、
異なる前記部分時系列データセット間における前記時系列データ及び前記相関データの差異に応じて、前記部分時系列データセットの前記時系列データ及び前記相関データに基づく符号化データを生成するよう学習したモデルを生成する(ステップS113)。
複数の要素の時系列データの集合である時系列データセットを所定の時間毎に区切った部分時系列データセットの前記時系列データ、及び、当該時系列データの要素間の相関関係を表す相関データ、の入力を受け付けて、前記時系列データ及び前記相関データに基づく情報を記憶部に記憶し(ステップS121)、
新たに入力された前記時系列データセットにおける前記部分時系列データセットの前記時系列データ及び前記相関データに対応する情報を、前記記憶部から検索し(ステップS122)、
検索結果を出力する(ステップS123)。
上記実施形態の一部又は全部は、以下の付記のようにも記載されうる。以下、本発明における時系列データ処理方法、時系列データ処理装置、プログラムの構成の概略を説明する。但し、本発明は、以下の構成に限定されない。
複数の要素の時系列データの集合である時系列データセットを所定の時間毎に区切った部分時系列データセットを抽出し、
前記部分時系列データセットに含まれる前記時系列データの要素間の相関関係を表す相関データを算出し、
前記部分時系列データセットの前記時系列データ及び前記相関データに基づく符号化データを生成する、
時系列データ処理方法。
付記1に記載の時系列データ処理方法であって、
前記部分時系列データセットの前記時系列データ及び前記相関データの特徴を表す前記符号化データを生成する、
時系列データ処理方法。
付記1又は2に記載の時系列データ処理方法であって、
過去に計測された前記時系列データセットから抽出された前記部分時系列データセットの前記時系列データ及び前記相関データに基づいて生成されたモデルを用いて、前記部分時系列データセットの前記時系列データ及び前記相関データの前記符号化データを生成する、
時系列データ処理方法。
付記3に記載の時系列データ処理方法であって、
異なる前記部分時系列データセット間における前記時系列データ及び前記相関データの差異に応じて前記符号化データを生成するよう学習した前記モデルを生成し、
前記モデルを用いて、その後に計測される前記時系列データセットから抽出された前記部分時系列データセットの前記時系列データ及び前記相関データの前記符号化データを生成する、
時系列データ処理方法。
付記4に記載の時系列データ処理方法であって、
異なる2つの前記部分時系列データセット間における、前記時系列データ同士の差異と、前記相関データ同士の差異と、に応じた前記符号化データを生成するよう学習した前記モデルを生成する、
時系列データ処理方法。
付記1乃至5のいずれかに記載の時系列データ処理方法であって、
前記部分時系列データセットの前記時系列データ、及び、当該時系列データの要素間の相関関係が予め設定された基準により崩壊していると判断された前記相関データ、に基づく前記符号化データを生成する、
時系列データ処理方法。
付記3乃至5のいずれかに記載の時系列データ処理方法であって、
過去に計測された前記時系列データセットから抽出された前記部分時系列データセットの前記時系列データ、及び、当該時系列データの要素間の相関関係が予め設定された基準により崩壊していると判断された前記相関データ、に基づいて前記符号化データを生成するよう学習した前記モデルを生成し、
前記モデルを用いて、その後に計測される前記時系列データセットから抽出された前記部分時系列データセットの前記時系列データ、及び、当該時系列データの要素間の相関関係が予め設定された基準により崩壊していると判断された前記相関データ、に基づく前記符号化データを生成する、
時系列データ処理方法。
付記1乃至7のいずれかに記載の時系列データ処理方法であって、
生成した前記符号化データを記憶部に登録し、
新たに計測された前記時系列データセットから抽出された前記部分時系列データセットに基づいて前記符号化データを生成し、当該符号化データを前記記憶部内から検索する、
時系列データ処理方法。
複数の要素の時系列データの集合である時系列データセットを所定の時間毎に区切った部分時系列データセットを複数抽出し、
複数の前記部分時系列データセットのそれぞれから、当該部分時系列データセットに含まれる前記時系列データの要素間の相関関係を表す相関データを算出し、
異なる前記部分時系列データセット間における前記時系列データ及び前記相関データの差異に応じて、前記部分時系列データセットの前記時系列データ及び前記相関データに基づく符号化データを生成するよう学習したモデルを生成する、
時系列データ処理方法。
付記9に記載の時系列データ処理方法であって、
異なる2つの前記部分時系列データセット間における、前記時系列データ同士の差異と、前記相関データ同士の差異と、に応じた前記符号化データを生成するよう学習した前記モデルを生成する、
時系列データ処理方法。
付記9又は10に記載の時系列データ処理方法であって、
過去に計測された前記時系列データセットから抽出された前記部分時系列データセットの前記時系列データ、及び、当該時系列データの要素間の相関関係が予め設定された基準により崩壊していると判断された前記相関データ、に基づいて前記符号化データを生成するよう学習した前記モデルを生成する、
時系列データ処理方法。
複数の要素の時系列データの集合である時系列データセットを所定の時間毎に区切った部分時系列データセットの前記時系列データ、及び、当該時系列データの要素間の相関関係を表す相関データ、の入力を受け付けて、前記時系列データ及び前記相関データに基づく情報を記憶部に記憶し、
新たに入力された前記時系列データセットにおける前記部分時系列データセットの前記時系列データ及び前記相関データに対応する情報を、前記記憶部から検索し、
検索結果を出力する、
時系列データ処理方法。
複数の要素の時系列データの集合である時系列データセットを所定の時間毎に区切った部分時系列データセットを抽出し、
前記部分時系列データセットに含まれる前記時系列データの要素間の相関関係を表す相関データを算出し、
前記部分時系列データセットの前記時系列データ及び前記相関データに基づく符号化データを生成する、
処理を情報処理装置に実行させるためのプログラム。
複数の要素の時系列データの集合である時系列データセットを所定の時間毎に区切った部分時系列データセットを複数抽出し、
複数の前記部分時系列データセットのそれぞれから、当該部分時系列データセットに含まれる前記時系列データの要素間の相関関係を表す相関データを算出し、
異なる前記部分時系列データセット間における前記時系列データ及び前記相関データの差異に応じて、前記部分時系列データセットの前記時系列データ及び前記相関データに基づく符号化データを生成するよう学習したモデルを生成する、
処理を情報処理装置に実行させるためのプログラム。
複数の要素の時系列データの集合である時系列データセットを所定の時間毎に区切った部分時系列データセットの前記時系列データ、及び、当該時系列データの要素間の相関関係を表す相関データ、の入力を受け付けて、前記時系列データ及び前記相関データに基づく情報を記憶部に記憶し、
新たに入力された前記時系列データセットにおける前記部分時系列データセットの前記時系列データ及び前記相関データに対応する情報を、前記記憶部から検索し、
検索結果を出力する、
処理を情報処理装置に実行させるためのプログラム。
複数の要素の時系列データの集合である時系列データセットを所定の時間毎に区切った部分時系列データセットを抽出して、前記部分時系列データセットに含まれる前記時系列データの要素間の相関関係を表す相関データを算出する分析部と、
前記部分時系列データセットの前記時系列データ及び前記相関データに基づく符号化データを生成する符号化部と、
を備えた時系列データ処理装置。
付記16に記載の時系列データ処理装置であって、
前記符号化部は、前記部分時系列データセットの前記時系列データ及び前記相関データの特徴を表す前記符号化データを生成する、
時系列データ処理装置。
付記16又は16.1に記載の時系列データ処理装置であって、
前記符号化部は、過去に計測された前記時系列データセットから抽出された前記部分時系列データセットの前記時系列データ及び前記相関データに基づいて生成されたモデルを用いて、前記部分時系列データセットの前記時系列データ及び前記相関データの前記符号化データを生成する、
時系列データ処理方法。
付記16に記載の時系列データ処理装置であって、
過去に計測された前記時系列データセットの異なる前記部分時系列データセット間における前記時系列データ及び前記相関データの差異に応じて前記符号化データを生成するよう学習したモデルを生成する学習部を備え、
前記符号化部は、前記モデルを用いて、その後に計測される前記時系列データセットから抽出された前記部分時系列データセットの前記時系列データ及び前記相関データの前記符号化データを生成する、
時系列データ処理装置。
付記17に記載の時系列データ処理装置であって、
前記学習部は、異なる2つの前記部分時系列データセット間における、前記時系列データ同士の差異と、前記相関データ同士の差異と、に応じた前記符号化データを生成するよう学習した前記モデルを生成する、
時系列データ処理方法。
付記16又は17に記載の時系列データ処理装置であって、
前記符号化部は、前記部分時系列データセットの前記時系列データ、及び、当該時系列データの要素間の相関関係が予め設定された基準により崩壊していると判断された前記相関データ、に基づく前記符号化データを生成する、
時系列データ処理装置。
付記17に記載の時系列データ処理装置であって、
前記学習部は、過去に計測された前記時系列データセットから抽出された前記部分時系列データセットの前記時系列データ、及び、当該時系列データの要素間の相関関係が予め設定された基準により崩壊していると判断された前記相関データ、に基づいて前記符号化データを生成するよう学習した前記モデルを生成し、
前記符号化部は、前記モデルを用いて、その後に計測される前記時系列データセットから抽出された前記部分時系列データセットの時系列データ、及び、当該時系列データの要素間の相関関係が予め設定された基準により崩壊していると判断された前記相関データ、に基づく前記符号化データを生成する、
時系列データ処理装置。
付記16又は17に記載の時系列データ処理装置であって、
前記符号化部は、生成した前記符号化データを記憶部に登録し、
さらに、新たに計測された前記時系列データセットから抽出された前記部分時系列データセットに基づいて生成された前記符号化データを、前記記憶部内から検索する検索部を備えた、
時系列データ処理装置。
複数の要素の時系列データの集合である時系列データセットを所定の時間毎に区切った部分時系列データセットを複数抽出し、複数の前記部分時系列データセットのそれぞれから、当該部分時系列データセットに含まれる前記時系列データの要素間の相関関係を表す相関データを算出する分析部と、
異なる前記部分時系列データセット間における前記時系列データ及び前記相関データの差異に応じて、前記部分時系列データセットの前記時系列データ及び前記相関データに基づく符号化データを生成するよう学習したモデルを生成する学習部と、
を備えた時系列データ処理装置。
付記19に記載の時系列データ処理装置であって、
前記学習部は、異なる2つの前記部分時系列データセット間における、前記時系列データ同士の差異と、前記相関データ同士の差異と、に応じた前記符号化データを生成するよう学習した前記モデルを生成する、
時系列データ処理装置。
付記19に記載の時系列データ処理装置であって、
前記学習部は、過去に計測された前記時系列データセットから抽出された前記部分時系列データセットの前記時系列データ、及び、当該時系列データの要素間の相関関係が予め設定された基準により崩壊していると判断された前記相関データ、に基づいて前記符号化データを生成するよう学習した前記モデルを生成する、
時系列データ処理装置。
複数の要素の時系列データの集合である時系列データセットを所定の時間毎に区切った部分時系列データセットの前記時系列データ、及び、当該時系列データの要素間の相関関係を表す相関データ、の入力を受け付けて、前記時系列データ及び前記相関データに基づく情報を記憶部に記憶する入力部と、
新たに入力された前記時系列データセットにおける前記部分時系列データセットの前記時系列データ及び前記相関データに対応する情報を、前記記憶部から検索し、検索結果を出力する検索部と、
を備えた時系列データ処理装置。
11 計測部
12 学習部
13 分析部
14 符号化部
15 検索部
16 計測データ記憶部
17 モデル記憶部
18 符号化データ記憶部
21 相関モデル学習部
22 相関破壊モデル学習部
31 区間抽出部
32 相関破壊検出部
100 時系列データ処理装置
121 分析部
122 符号化部
131 分析部
132 学習部
141 入力部
142 検索部
Claims (20)
- 複数の要素の時系列データの集合である時系列データセットを所定の時間毎に区切った部分時系列データセットを抽出し、
前記部分時系列データセットに含まれる前記時系列データの要素間の相関関係を表す相関データを算出し、
前記部分時系列データセットの前記時系列データ及び前記相関データに基づく符号化データを生成する、
時系列データ処理方法。 - 請求項1に記載の時系列データ処理方法であって、
前記部分時系列データセットの前記時系列データ及び前記相関データの特徴を表す前記符号化データを生成する、
時系列データ処理方法。 - 請求項1又は2に記載の時系列データ処理方法であって、
過去に計測された前記時系列データセットから抽出された前記部分時系列データセットの前記時系列データ及び前記相関データに基づいて生成されたモデルを用いて、前記部分時系列データセットの前記時系列データ及び前記相関データの前記符号化データを生成する、
時系列データ処理方法。 - 請求項3に記載の時系列データ処理方法であって、
異なる前記部分時系列データセット間における前記時系列データ及び前記相関データの差異に応じて前記符号化データを生成するよう学習した前記モデルを生成し、
前記モデルを用いて、その後に計測される前記時系列データセットから抽出された前記部分時系列データセットの前記時系列データ及び前記相関データの前記符号化データを生成する、
時系列データ処理方法。 - 請求項4に記載の時系列データ処理方法であって、
異なる2つの前記部分時系列データセット間における、前記時系列データ同士の差異と、前記相関データ同士の差異と、に応じた前記符号化データを生成するよう学習した前記モデルを生成する、
時系列データ処理方法。 - 請求項1乃至5のいずれかに記載の時系列データ処理方法であって、
前記部分時系列データセットの前記時系列データ、及び、当該時系列データの要素間の相関関係が予め設定された基準により崩壊していると判断された前記相関データ、に基づく前記符号化データを生成する、
時系列データ処理方法。 - 請求項3乃至5のいずれかに記載の時系列データ処理方法であって、
過去に計測された前記時系列データセットから抽出された前記部分時系列データセットの前記時系列データ、及び、当該時系列データの要素間の相関関係が予め設定された基準により崩壊していると判断された前記相関データ、に基づいて前記符号化データを生成するよう学習した前記モデルを生成し、
前記モデルを用いて、その後に計測される前記時系列データセットから抽出された前記部分時系列データセットの前記時系列データ、及び、当該時系列データの要素間の相関関係が予め設定された基準により崩壊していると判断された前記相関データ、に基づく前記符号化データを生成する、
時系列データ処理方法。 - 請求項1乃至7のいずれかに記載の時系列データ処理方法であって、
生成した前記符号化データを記憶部に登録し、
新たに計測された前記時系列データセットから抽出された前記部分時系列データセットに基づいて前記符号化データを生成し、当該符号化データを前記記憶部内から検索する、
時系列データ処理方法。 - 複数の要素の時系列データの集合である時系列データセットを所定の時間毎に区切った部分時系列データセットを複数抽出し、
複数の前記部分時系列データセットのそれぞれから、当該部分時系列データセットに含まれる前記時系列データの要素間の相関関係を表す相関データを算出し、
異なる前記部分時系列データセット間における前記時系列データ及び前記相関データの差異に応じて、前記部分時系列データセットの前記時系列データ及び前記相関データに基づく符号化データを生成するよう学習したモデルを生成する、
時系列データ処理方法。 - 請求項9に記載の時系列データ処理方法であって、
異なる2つの前記部分時系列データセット間における、前記時系列データ同士の差異と、前記相関データ同士の差異と、に応じた前記符号化データを生成するよう学習した前記モデルを生成する、
時系列データ処理方法。 - 請求項9又は10に記載の時系列データ処理方法であって、
過去に計測された前記時系列データセットから抽出された前記部分時系列データセットの前記時系列データ、及び、当該時系列データの要素間の相関関係が予め設定された基準により崩壊していると判断された前記相関データ、に基づいて前記符号化データを生成するよう学習した前記モデルを生成する、
時系列データ処理方法。 - 複数の要素の時系列データの集合である時系列データセットを所定の時間毎に区切った部分時系列データセットの前記時系列データ、及び、当該時系列データの要素間の相関関係を表す相関データ、の入力を受け付けて、前記時系列データ及び前記相関データに基づく情報を記憶部に記憶し、
新たに入力された前記時系列データセットにおける前記部分時系列データセットの前記時系列データ及び前記相関データに対応する情報を、前記記憶部から検索し、
検索結果を出力する、
時系列データ処理方法。 - 複数の要素の時系列データの集合である時系列データセットを所定の時間毎に区切った部分時系列データセットを抽出し、
前記部分時系列データセットに含まれる前記時系列データの要素間の相関関係を表す相関データを算出し、
前記部分時系列データセットの前記時系列データ及び前記相関データに基づく符号化データを生成する、
処理を情報処理装置に実行させるためのプログラム。 - 複数の要素の時系列データの集合である時系列データセットを所定の時間毎に区切った部分時系列データセットを複数抽出し、
複数の前記部分時系列データセットのそれぞれから、当該部分時系列データセットに含まれる前記時系列データの要素間の相関関係を表す相関データを算出し、
異なる前記部分時系列データセット間における前記時系列データ及び前記相関データの差異に応じて、前記部分時系列データセットの前記時系列データ及び前記相関データに基づく符号化データを生成するよう学習したモデルを生成する、
処理を情報処理装置に実行させるためのプログラム。 - 複数の要素の時系列データの集合である時系列データセットを所定の時間毎に区切った部分時系列データセットの前記時系列データ、及び、当該時系列データの要素間の相関関係を表す相関データ、の入力を受け付けて、前記時系列データ及び前記相関データに基づく情報を記憶部に記憶し、
新たに入力された前記時系列データセットにおける前記部分時系列データセットの前記時系列データ及び前記相関データに対応する情報を、前記記憶部から検索し、
検索結果を出力する、
処理を情報処理装置に実行させるためのプログラム。 - 複数の要素の時系列データの集合である時系列データセットを所定の時間毎に区切った部分時系列データセットを抽出して、前記部分時系列データセットに含まれる前記時系列データの要素間の相関関係を表す相関データを算出する分析部と、
前記部分時系列データセットの前記時系列データ及び前記相関データに基づく符号化データを生成する符号化部と、
を備えた時系列データ処理装置。 - 請求項16に記載の時系列データ処理装置であって、
過去に計測された前記時系列データセットの異なる前記部分時系列データセット間における前記時系列データ及び前記相関データの差異に応じて前記符号化データを生成するよう学習したモデルを生成する学習部を備え、
前記符号化部は、前記モデルを用いて、その後に計測される前記時系列データセットから抽出された前記部分時系列データセットの前記時系列データ及び前記相関データの前記符号化データを生成する、
時系列データ処理装置。 - 請求項16又は17に記載の時系列データ処理装置であって、
前記符号化部は、生成した前記符号化データを記憶部に登録し、
さらに、新たに計測された前記時系列データセットから抽出された前記部分時系列データセットに基づいて生成された前記符号化データを、前記記憶部内から検索する検索部を備えた、
時系列データ処理装置。 - 複数の要素の時系列データの集合である時系列データセットを所定の時間毎に区切った部分時系列データセットを複数抽出し、複数の前記部分時系列データセットのそれぞれから、当該部分時系列データセットに含まれる前記時系列データの要素間の相関関係を表す相関データを算出する分析部と、
異なる前記部分時系列データセット間における前記時系列データ及び前記相関データの差異に応じて、前記部分時系列データセットの前記時系列データ及び前記相関データに基づく符号化データを生成するよう学習したモデルを生成する学習部と、
を備えた時系列データ処理装置。 - 複数の要素の時系列データの集合である時系列データセットを所定の時間毎に区切った部分時系列データセットの前記時系列データ、及び、当該時系列データの要素間の相関関係を表す相関データ、の入力を受け付けて、前記時系列データ及び前記相関データに基づく情報を記憶部に記憶する入力部と、
新たに入力された前記時系列データセットにおける前記部分時系列データセットの前記時系列データ及び前記相関データに対応する情報を、前記記憶部から検索し、検索結果を出力する検索部と、
を備えた時系列データ処理装置。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP2019/005617 WO2020166072A1 (ja) | 2019-02-15 | 2019-02-15 | 時系列データ処理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JPWO2020166072A1 true JPWO2020166072A1 (ja) | 2021-12-02 |
JP7218765B2 JP7218765B2 (ja) | 2023-02-07 |
Family
ID=72043846
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020572047A Active JP7218765B2 (ja) | 2019-02-15 | 2019-02-15 | 時系列データ処理方法 |
Country Status (3)
Country | Link |
---|---|
US (1) | US20220138624A1 (ja) |
JP (1) | JP7218765B2 (ja) |
WO (1) | WO2020166072A1 (ja) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2022136708A (ja) * | 2021-03-08 | 2022-09-21 | 富士通株式会社 | 情報処理方法、および情報処理プログラム |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015033603A1 (ja) * | 2013-09-09 | 2015-03-12 | 日本電気株式会社 | 情報処理システム、情報処理方法及びプログラム |
JP2015528925A (ja) * | 2012-07-31 | 2015-10-01 | インテレクチュアル ディスカバリー シーオー エルティディIntellectual Discovery Co.,Ltd. | オーディオ信号処理装置および方法 |
JP2017037496A (ja) * | 2015-08-10 | 2017-02-16 | 株式会社インフォディオ | 時系列データ検索方法、時系列データ検索装置および時系列データ検索プログラム |
WO2017168524A1 (ja) * | 2016-03-28 | 2017-10-05 | 株式会社日立製作所 | 分析用サーバ装置、データ解析システム、及びデータ解析方法 |
US20170329660A1 (en) * | 2016-05-16 | 2017-11-16 | Oracle International Corporation | Correlation-based analytic for time-series data |
-
2019
- 2019-02-15 WO PCT/JP2019/005617 patent/WO2020166072A1/ja active Application Filing
- 2019-02-15 US US17/430,082 patent/US20220138624A1/en active Pending
- 2019-02-15 JP JP2020572047A patent/JP7218765B2/ja active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2015528925A (ja) * | 2012-07-31 | 2015-10-01 | インテレクチュアル ディスカバリー シーオー エルティディIntellectual Discovery Co.,Ltd. | オーディオ信号処理装置および方法 |
WO2015033603A1 (ja) * | 2013-09-09 | 2015-03-12 | 日本電気株式会社 | 情報処理システム、情報処理方法及びプログラム |
JP2017037496A (ja) * | 2015-08-10 | 2017-02-16 | 株式会社インフォディオ | 時系列データ検索方法、時系列データ検索装置および時系列データ検索プログラム |
WO2017168524A1 (ja) * | 2016-03-28 | 2017-10-05 | 株式会社日立製作所 | 分析用サーバ装置、データ解析システム、及びデータ解析方法 |
US20170329660A1 (en) * | 2016-05-16 | 2017-11-16 | Oracle International Corporation | Correlation-based analytic for time-series data |
Also Published As
Publication number | Publication date |
---|---|
WO2020166072A1 (ja) | 2020-08-20 |
JP7218765B2 (ja) | 2023-02-07 |
US20220138624A1 (en) | 2022-05-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9658916B2 (en) | System analysis device, system analysis method and system analysis program | |
JP6658540B2 (ja) | システム分析装置、システム分析方法およびプログラム | |
JP6708203B2 (ja) | 情報処理装置、情報処理方法、及び、プログラム | |
US20070239629A1 (en) | Cluster Trending Method for Abnormal Events Detection | |
EP2963553B1 (en) | System analysis device and system analysis method | |
JP2013025367A (ja) | 設備状態監視方法およびその装置 | |
KR102005138B1 (ko) | 기기 이상징후 사전감지 방법 및 시스템 | |
Sowah et al. | Design of power distribution network fault data collector for fault detection, location and classification using machine learning | |
WO2019239542A1 (ja) | 異常検知装置、異常検知方法及び異常検知プログラム | |
Wang et al. | Sensor data based system-level anomaly prediction for smart manufacturing | |
KR102366922B1 (ko) | 시계열적 절연 진단 정보 기반의 중전기기 열화 예측 시스템 및 그 방법 | |
KR20190135923A (ko) | 설비 관리 방법 및 이를 실행하는 장치 | |
JPWO2020166072A1 (ja) | 時系列データ処理方法 | |
JP6602256B2 (ja) | 相互相関に基づいて時系列変化点を検出可能なプログラム、装置及び方法 | |
JPWO2020148904A1 (ja) | 異常検知装置、異常検知システム及び学習装置、並びに、これらの方法及びプログラム | |
JP7226542B2 (ja) | 時系列データ処理方法、時系列データ処理装置、プログラム | |
Firos et al. | Fault detection in power transmission lines using AI model | |
US10157113B2 (en) | Information processing device, analysis method, and recording medium | |
JP7264231B2 (ja) | 監視方法、監視装置、プログラム | |
JP7239022B2 (ja) | 時系列データ処理方法 | |
Dhyani | Predicting equipment failure in manufacturing plants: an AI-driven maintenance strategy | |
WO2016163008A1 (ja) | 異常診断装置および異常診断方法 | |
Martinez et al. | Labelling drifts in a fault detection system for wind turbine maintenance | |
JP7533582B2 (ja) | 時系列データ処理方法、時系列データ処理装置、時系列データ処理システム、記録媒体 | |
Simi et al. | A Robust Data-Driven Predictive Maintenance Framework for Industrial Machinery using Explainable Machine Learning Techniques |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210715 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210715 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220913 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20221107 |
|
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: 20221227 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230109 |
|
R151 | Written notification of patent or utility model registration |
Ref document number: 7218765 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |