TW201723705A - 時間序列資料處理方法、記錄有時間序列資料處理程式之電腦可讀取之記錄媒體、及時間序列資料處理裝置 - Google Patents

時間序列資料處理方法、記錄有時間序列資料處理程式之電腦可讀取之記錄媒體、及時間序列資料處理裝置 Download PDF

Info

Publication number
TW201723705A
TW201723705A TW105134280A TW105134280A TW201723705A TW 201723705 A TW201723705 A TW 201723705A TW 105134280 A TW105134280 A TW 105134280A TW 105134280 A TW105134280 A TW 105134280A TW 201723705 A TW201723705 A TW 201723705A
Authority
TW
Taiwan
Prior art keywords
series data
time series
group
abnormality
data
Prior art date
Application number
TW105134280A
Other languages
English (en)
Other versions
TWI620046B (zh
Inventor
周景龍
Original Assignee
斯庫林集團股份有限公司
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 斯庫林集團股份有限公司 filed Critical 斯庫林集團股份有限公司
Publication of TW201723705A publication Critical patent/TW201723705A/zh
Application granted granted Critical
Publication of TWI620046B publication Critical patent/TWI620046B/zh

Links

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
    • G05B23/0221—Preprocessing measurements, e.g. data collection rate adjustment; Standardization of measurements; Time series or signal analysis, e.g. frequency analysis or wavelets; Trustworthiness of measurements; Indexes therefor; Measurements using easily measured parameters to estimate parameters difficult to measure; Virtual sensor creation; De-noising; Sensor fusion; Unconventional preprocessing inherently present in specific fault detection methods like PCA-based methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
    • G05B23/0224—Process history based detection method, e.g. whereby history implies the availability of large amounts of data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/28—Databases characterised by their database models, e.g. relational or object models
    • G06F16/284—Relational databases
    • G06F16/285—Clustering or classification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/904—Browsing; Visualisation therefor
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/243—Classification techniques relating to the number of classes
    • G06F18/2433—Single-class perspective, e.g. one-against-all classification; Novelty detection; Outlier detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F7/00—Methods or arrangements for processing data by operating upon the order or content of the data handled
    • G06F7/06—Arrangements for sorting, selecting, merging, or comparing data on individual record carriers
    • G06F7/08—Sorting, i.e. grouping record carriers in numerical or other ordered sequence according to the classification of at least some of the information they carry
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/40—Data acquisition and logging
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Evolutionary Biology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Automation & Control Theory (AREA)
  • Software Systems (AREA)
  • Algebra (AREA)
  • Probability & Statistics with Applications (AREA)
  • Operations Research (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Quality & Reliability (AREA)
  • Testing And Monitoring For Control Systems (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

群組產生部12係根據複數個時間序列資料7而產生複數個包含同樣地變化之複數個時間序列資料之群組。對於各群組，正規化部13係以中央值時間序列資料所包含之中央值之最大值轉換為1、最小值轉換為0之方式對群組內之時間序列資料所包含之資料進行線性轉換。對於各群組，異常度計算部14係對於群組內之2個時間序列資料之全部組合而求取相同時刻之資料間之差值之平均值，而將所求取之平均值之最大值作為群組之異常度。排序產生部15係根據群組之異常度而產生群組之排序，結果顯示部17係顯示包含群組之排序之畫面。

Description

時間序列資料處理方法、記錄有時間序列資料處理程式之電腦可讀取之記錄媒體、及時間序列資料處理裝置
本發明係關於數位資料處理，尤其關於時間序列資料處理方法、時間序列資料處理程式、及時間序列資料處理裝置。
作為檢測機器或裝置之異常之方法，已知有使用感測器等來測量表示機器或裝置之動作狀態之物理量(例如，長度、角度、時間、速度、力、壓力、電壓、電流、溫度、流量等)，並對依時間序列排列測量結果而得到之時間序列資料進行分析之方法。於機器或裝置以相同條件進行相同動作之情形時，若無異常，時間序列資料會同樣地進行變化。因此，可將同樣地進行變化之複數個時間序列資料相互地比較來檢測異常之時間序列資料，並分析該異常之時間序列資料來特定出異常之發生部位與原因。
例如，半導體製造裝置包含複數個處理單元，各處理單元以既定之時間間隔對顯示動作狀態之動作資料進行測量。於多數之情形時，複數個處理單元以相同之條件對半導體基板進行相同之動作。因此，藉由將自複數個處理單元所取得之複數個時間序列資料相互地比較，可特定出發生異常之處理單元與異常之原因。
再者，關於本發明，於日本專利特開2012-18589號公報記載有將複數個時間序列資料依所指定之時刻或時間帶之資料的升序或降序重新排列並加以顯示之機器資料顯示裝置。
例如，於對半導體製造裝置所得到之時間序列資料進行分析時，會發生如下之問題。首先，由於各處理單元係以高頻率跨長時間而對動作資料進行測量，因此時間序列資料的量相當大。因此，要從大量的時間序列資料中檢測出異常之時間序列資料的處理會花費較長的時間。又，判斷是否異常之方法與選擇作為分析對象之處理單元之方法，會因對時間序列資料進行分析之操作者而不同。又，尚未知道定量地證明分析結果是否正確之方法與較佳地對不同種類之時間序列資料(例如，溫度與流量)進行比較之方法。在對其他時間序列資料進行分析時，亦會發生相同之問題。
因此，本發明之目的，在於提供以使用者易於分析之態樣來顯示時間序列資料之時間序列資料處理方法、時間序列資料處理程式、及時間序列資料處理裝置。
為了達成上述目的，本發明具有以下之特徵。
本發明之第1態樣係一種處理複數個時間序列資料之時間序列資料處理方法，其具備有：群組產生步驟，其根據被供給之複數個時間序列資料，產生複數個由同樣地變化之複數個時間序列資料所構成之群組；正規化步驟，其針對各群組，藉由對群組內之時間序列資料進 行相同之轉換來進行正規化；異常度計算步驟，其針對各群組，根據經正規化後之時間序列資料來算出群組之異常度；排序產生步驟，其根據上述群組之異常度來產生群組之排序；及結果顯示步驟，其顯示包含上述群組之排序之畫面。
本發明之第2態樣，其特徵在於在本發明之第1態樣中，針對各群組，上述異常度計算步驟對群組內之2個時間序列資料之所有組合求取相同時刻之資料間之差的平均值，並將所求得之平均值之最大值設為上述群組之異常度。
本發明之第3態樣，其特徵在於在本發明之第2態樣中，針對各群組，上述正規化步驟產生由群組內之時間序列資料含有之相同時刻之資料的中央值所構成之中央值時間序列資料，並以使上述中央值時間序列資料所包含之中央值之最大值轉換為1而最小值轉換為0之方式，對群組內之時間序列資料所包含之資料進行線性轉換。
本發明之第4態樣，其特徵在於在本發明之第1態樣中，針對各群組內之各時間序列資料，上述異常度計算步驟根據正規化後之時間序列資料來算出時間序列資料之異常度，針對各群組，上述排序產生步驟根據上述時間序列資料之異常度來產生時間序列資料之排序，針對藉由顯示控制指示所選擇之群組，上述結果顯示步驟顯示包含上述時間序列資料之排序之畫面。
本發明之第5態樣，其特徵在於在本發明之第4態樣 中，針對各群組，上述正規化步驟產生由群組內之時間序列資料含有之相同時刻之資料的中央值所構成之中央值時間序列資料，並以使上述中央值時間序列資料所包含之中央值之最大值轉換為1而最小值轉換為0之方式，對群組內之時間序列資料所包含之資料進行線性轉換，針對各群組內之各時間序列資料，上述異常度計算步驟將與上述中央值時間序列資料間之相同時刻之資料間之差的總和，設為上述時間序列資料之異常度。
本發明之第6態樣，其特徵在於在本發明之第4態樣中，含有上述群組之排序之畫面，包含用以顯示含有上述時間序列資料之排序之畫面之連結資訊。
本發明之第7態樣係一種處理複數個時間序列資料之時間序列資料處理程式，其特徵在於，由CPU(中央處理單元)利用記憶體而使電腦執行如下之步驟：群組產生步驟，其根據被供給之複數個時間序列資料、產生複數個由同樣地變化之複數個時間序列資料所構成之群組；正規化步驟，其針對各群組，藉由對群組內之時間序列資料進行相同之轉換來進行正規化；異常度計算步驟，其針對各群組，根據經正規化後之時間序列資料來算出群組之異常度；排序產生步驟，其根據上述群組之異常度來產生群組之排序；及結果顯示步驟，其顯示包含上述群組之排序之畫面。
本發明之第8態樣，其特徵在於在本發明之第7態樣 中，針對各群組，上述異常度計算步驟對群組內之2個時間序列資料之所有組合求取相同時刻之資料間之差的平均值，並將所求得之平均值之最大值設為上述群組之異常度。
本發明之第9態樣，其特徵在於在本發明之第8態樣中，針對各群組，上述正規化步驟產生由群組內之時間序列資料含有之相同時刻之資料的中央值所構成之中央值時間序列資料，並以使上述中央值時間序列資料所包含之中央值之最大值轉換為1而最小值轉換為0之方式，對群組內之時間序列資料所包含之資料進行線性轉換。
本發明之第10態樣，其特徵在於在本發明之第7態樣中，針對各群組內之各時間序列資料，上述異常度計算步驟根據正規化後之時間序列資料來算出時間序列資料之異常度，針對各群組，上述排序產生步驟根據上述時間序列資料之異常度來產生時間序列資料之排序，針對藉由顯示控制指示所選擇之群組，上述結果顯示步驟顯示包含上述時間序列資料之排序之畫面。
本發明之第11態樣，其特徵在於在本發明之第10態樣中，針對各群組，上述正規化步驟產生由群組內之時間序列資料含有之相同時刻之資料的中央值所構成之中央值時間序列資料，並以使上述中央值時間序列資料所包含之中央值之最大值轉換為1而最小值轉換為0之方式，對群組內之時間序列資料所包含之資料進行線性轉換，針對各群組內之各時間序列資料，上述異常度計算步驟將與上述中央值時間序列資料間之相同時刻之資料間之差的總和，設為上 述時間序列資料之異常度。
本發明之第12態樣，其特徵在於在本發明之第10態樣中，含有上述群組之排序之畫面，包含用以顯示含有上述時間序列資料之排序之畫面之連結資訊。
本發明之第13態樣係一種處理複數個時間序列資料之時間序列資料處理裝置；其具備有：群組產生部，其根據被供給之複數個時間序列資料，產生複數個由同樣地變化之複數個時間序列資料所構成之群組；正規化部，其針對各群組，藉由對群組內之時間序列資料進行相同之轉換來進行正規化；異常度計算部，其針對各群組，根據經正規化後之時間序列資料來算出群組之異常度；排序產生部，其根據上述群組之異常度來產生群組之排序；及結果顯示部，其顯示包含上述群組之排序之畫面。
本發明之第14態樣，其特徵在於在本發明之第13態樣中，針對各群組，上述異常度計算部對群組內之2個時間序列資料之所有組合求取相同時刻之資料間之差的平均值，並將所求得之平均值之最大值設為上述群組之異常度。
本發明之第15態樣，其特徵在於在本發明之第14態樣中，針對各群組，上述正規化部產生由群組內之時間序列資料含有之相同時刻之資料的中央值所構成之中央值時間序列資料，並以使上述中央值時間序列資料所包含之中央值之最大值轉換為1而最小值轉換為0之方式，對群組內之時間序列資料所包含之資料進行線性轉換。
根據本發明之第1、第7或第13態樣，藉由將同樣地變化之時間序列資料群組化，根據正規化後之時間序列資料來算群組之異常度，並將基於群組的異常度之群組的排序顯示於畫面，可讓使用者容易地認知包含異常之時間序列資料之群組。又，藉由優先地分析包含異常之時間序列資料的群組，可容易地分析時間序列資料。
根據本發明之第2、第8或第14態樣，藉由針對各群組算出時間序列資料各組之相同時刻之資料間的差之平均值之最大值，可求取與使用者以人工計算來分析時間序列資料時相似之群組之異常度。
根據本發明之第3、第9或第15態樣，藉由以將中央值時間序列資料含有之中央值之最大值與最小值分別轉換為1與0之方式進行正規化，可相較於進行習知之正規化之情形，計算出更佳之群組之異常度。
根據本發明之第4或第10態樣，藉由根據經正規化後之時間序列資料來算出時間序列資料之異常度，並根據時間序列資料之異常度來顯示時間序列資料之排序，可讓使用者容易地認知異常之時間序列資料。
根據本發明之第5或第11態樣，藉由計算時間序列資料與中央值時間序列資料間之相同時刻之資料間之差的總和，可求取較佳之時間序列資料之異常度。
根據本發明之第6或第12態樣，於藉由含有群組之排序之畫面中包含用以顯示含有時間序列資料之排序之畫面之 連結資訊，可以簡單之操作來顯示包含時間序列資料之排序之畫面。
本發明之前述及其他目的、特徵、態樣及功效，可藉由參照隨附圖式，並根據以下之詳細說明來更加明確。
5‧‧‧分析期間資訊
6‧‧‧顯示控制指示
7‧‧‧時間序列資料
8‧‧‧資料屬性
10‧‧‧時間序列資料處理裝置
11‧‧‧分析期間資訊輸入部
12‧‧‧群組產生部
13‧‧‧正規化部
14‧‧‧異常度計算部
15‧‧‧排序產生部
16‧‧‧顯示控制指示輸入部
17‧‧‧結果顯示部
18‧‧‧時間序列資料儲存部
20‧‧‧電腦
21‧‧‧CPU
22‧‧‧主記憶體
23‧‧‧儲存部
24‧‧‧輸入部
25‧‧‧顯示部
26‧‧‧通信部
27‧‧‧記錄媒體讀取部
28‧‧‧鍵盤
29‧‧‧滑鼠
30‧‧‧記錄媒體
31‧‧‧時間序列資料處理程式
41、42、43‧‧‧畫面
44‧‧‧連結資訊
圖1係顯示本發明之實施形態之時間序列資料處理裝置之構成之方塊圖。
圖2係顯示本實施形態之作為時間序列資料處理裝置而發揮功能之電腦之構成之方塊圖。
圖3係顯示本實施形態之時間序列資料處理裝置之動作之流程圖。
圖4係顯示本實施形態之時間序列資料處理裝置之分析期間資訊輸入畫面之圖。
圖5係顯示圖3所示之步驟S130之詳細內容之流程圖。
圖6係將某群組內之時間序列資料圖形化而顯示之圖。
圖7係將圖6所示之群組之中央值時間序列資料圖形化而顯示之圖。
圖8係圖7之X部之放大圖。
圖9係顯示對圖6所示之群組實施本實施形態之正規化之結果之圖。
圖10係顯示圖3所示之步驟S140之詳細內容之流程圖。
圖11係顯示圖3所示之步驟S150之詳細內容之流程圖。
圖12係顯示本實施形態之時間序列資料處理裝置之包含群組 之排序之畫面之圖。
圖13係顯示本實施形態之時間序列資料處理裝置之包含時間序列資料之排序之畫面之圖。
圖14係將其他群組內之時間序列資料圖形化而顯示之圖。
圖15係顯示對圖6所示之群組實施習知之正規化之結果之圖。
圖16係顯示對圖14所示之群組實施習知之正規化之結果之圖。
圖17係顯示對圖14所示之群組實施本實施形態之正規化之結果之圖。
以下，參照圖式，對本發明之實施形態之時間序列資料處理方法、時間序列資料處理程式、及時間序列資料處理裝置進行說明。本實施形態之時間序列資料處理方法，一般係使用電腦來執行。本實施形態之時間序列資料處理程式，係用以使用電腦來實施時間序列資料處理方法之程式。本實施形態之時間序列資料處理裝置，一般係使用電腦來構成。執行時間序列資料處理程式之電腦，係作為時間序列資料處理裝置而發揮功能。
圖1係顯示本發明之實施形態之時間序列資料處理裝置之構成之方塊圖。圖1所示之時間序列資料處理裝置10，具備有分析期間資訊輸入部11、群組產生部12、正規化部13、異常度計算部14、排序產生部15、顯示控制指示輸入部16、結果顯示部17、及時間序列資料儲存部18。時間序列資料處理裝置10處理複數個時間序列資料，並以使用者易於分析之態樣來顯示時間序列資 料。
時間序列資料儲存部18儲存複數個時間序列資料7與資料屬性8。時間序列資料7係使用感測器等來測量與被設置在時間序列資料處理裝置10之外部之機器與裝置之動作狀態相關之物理量(例如，長度、角度、時間、速度、力、壓力、電壓、電流、溫度、流量等)，並將測量結果以時間序列順序來排列所得到之資料。資料屬性8顯示各時間序列資料7之屬性。對於各時間序列資料7，資料屬性8顯示例如機器與裝置之種類或編號、物理量之種類、開始時刻、結束時刻、資料測量間隔等。
於被儲存在時間序列資料儲存部18之複數個時間序列資料7中，包含有測量相同物理量所得到之時間序列資料、測量不同物理量所得到之時間序列資料、包含相同個數資料之時間序列資料、或包含不同個數資料之時間序列資料。尤其，於被儲存在時間序列資料儲存部18之複數個時間序列資料7之中，包含有複數個以相同條件來測量相同物理量所得到之相同地變化(更正確而言，可期待為相同地變化)之時間序列資料。時間序列資料處理裝置10收集如此之時間序列資料而加以群組化，並對時間序列資料之群組進行處理。
例如，假設時間序列資料處理裝置10對利用半導體製造裝置所得到之時間序列資料進行處理之情形時。半導體製造裝置包含對半導體基板實施既定之處理之複數個處理單元，且各處理單元以既定之時間間隔(例如，100ms間隔)來測量顯示動作狀態之動作資料。藉由將所測量到之動作資料以時間序列順序來排列可得到時間序列資料。於複數個處理單元以相同條件對半導體基板實施 相同處理之情形時，若無異常，則複數個處理單元所得到之複數個時間序列資料便會相同地變化。
圖2係顯示作為時間序列資料處理裝置10而發揮功能之電腦之構成之方塊圖。圖2所示之電腦20具備有CPU(Central Processing Unit；中央處理單元)21、主記憶體22、儲存部23、輸入部24、顯示部25、通信部26、及記錄媒體讀取部27。主記憶體22例如可使用DRAM(Dynamic Random Access Memory；動態隨機存取記憶體)。儲存部23例如可使用硬碟或固態硬碟。輸入部24例如包含有鍵盤28與滑鼠29。顯示部25例如可使用液晶顯示器。通信部26係有線通信或無線通信之介面線路。記錄媒體讀取部27係儲存有程式等之記錄媒體30之介面線路。記錄媒體30例如可使用CD-ROM(Compact Disc Read-Only Memory；唯讀光碟)等之非暫時性之記錄媒體。再者，以上所述之電腦20之構成僅為一例，可使用任意之電腦來構成時間序列資料處理裝置10。
以下，對電腦20作為時間序列資料處理裝置10而發揮功能之情形進行說明。於該情形時，儲存部23儲存時間序列資料處理程式31、作為時間序列資料處理程式31之處理對象之複數個時間序列資料7、及顯示各時間序列資料7之屬性之資料屬性8。時間序列資料處理程式31，例如既可為使用通信部26而自伺服器或其他電腦所接收者，亦可為使用記錄媒體讀取部27而自記錄媒體30所讀出者。時間序列資料7與資料屬性8，可為使用通信部26而自機器、裝置或其他電腦所接收者，可為使用記錄媒體讀取部27而自記錄媒體30所讀出者，亦可為使用者使用輸入部24而輸入者。
於執行時間序列資料處理程式31時，時間序列資料處理程式31、時間序列資料7及資料屬性8係複製傳送至主記憶體22。CPU 21將主記憶體22作為作業用記憶體而加以利用，並執行被儲存於主記憶體22之時間序列資料處理程式31，藉此對被儲存於主記憶體22之複數個時間序列資料7進行處理。此時，電腦20係作為時間序列資料處理裝置10而發揮功能。
時間序列資料處理裝置10之動作概要如下所述。分析期間資訊輸入部11接受由使用者所輸入之分析期間資訊5。群組產生部12參照分析期間資訊5與被儲存於時間序列資料儲存部18之資料屬性8，並根據被儲存於時間序列資料儲存部18之複數個時間序列資料7，來產生複數個由相同地變化(更正確而言，可期待為相同地變化)之複數個時間序列資料所構成之群組。對於各群組，正規化部13藉由對群組內之時間序列資料進行相同之轉換來進行正規化。對於各群組，異常度計算部14根據經正規化後之時間序列資料，來計算出群組之異常度與群組內之時間序列資料之異常度。排序產生部15根據群組之異常度來產生群組之排序，並且對於各群組，根據群組內之時間序列資料之異常度來產生時間序列資料之排序。顯示控制指示輸入部16接受由使用者所輸入之顯示控制指示6。結果顯示部17依照顯示控制指示6來顯示包含群組之排序之畫面、及包含時間序列資料之排序之畫面。
圖3係顯示時間序列資料處理裝置10之動作之流程圖。圖3所示之處理係藉由CPU 21利用主記憶體22來執行時間序列資料處理程式31而進行。
首先，CPU 21接受由使用者所輸入之分析期間資訊 5(步驟S110)。分析期間資訊5對於被儲存於時間序列資料儲存部18之複數個時間序列資料7，指定處理對象之時間序列資料與處理對象之期間等。於CPU 21執行步驟S110時，顯示部25顯示圖4所示之畫面41(分析期間資訊輸入畫面)。使用者一邊注視圖4所示之畫面41一邊操作輸入部24，藉此輸入分析期間資訊5。
其次，CPU 21產生時間序列資料7之群組(步驟S120)。更詳細而言，於步驟S120中，CPU 21參照在步驟S110所輸入之分析期間資訊5與被儲存於時間序列資料儲存部18之資料屬性8，而將被儲存於時間序列資料儲存部18之時間序列資料7群組化。於各群組包含有以相同條件測量相同物理量所得到之相同地變化之複數個時間序列資料。以下，將在步驟S120所產生之群組簡稱為「群組」。
CPU 21於步驟S120產生複數個群組。在各群組中，時間序列資料所包含之資料之種類與個數相同。在群組間，時間序列資料所包含之資料之種類或個數亦可不同。又，在群組間，群組內之時間序列資料之個數亦可不同。例如，亦可為某個群組包含10個分別含有300個流量值之時間序列資料，而另一個群組包含8個分別含有400個電壓值之時間序列資料。
其次，對於在步驟S120所產生之各群組，CPU 21將對群組內之時間序列資料正規化(步驟S130)。圖5係顯示步驟S130之詳細內容之流程圖。CPU 21在步驟S130一開始，自未處理之群組中選擇處理對象之群組(步驟S131)。其次，對於在步驟S131所選擇之群組，CPU 21產生中央值時間序列資料(步驟S132)。此處，所謂中央值時間序列資料，係指將群組內之時間序列資料所包含之 相同時刻之資料的中央值以時間序列順序排列而成者。
例如，假設處理對象之群組包含以下所示之m個時間序列資料DQ1~DQm之情形時。其中，n表示各時間序列資料所包含之資料之個數，Dij(i為1以上且m以下之整數，j為1以上且n以下之整數)表示時間序列資料DQi所包含之第j個資料。
DQ1=(D11,D12,...,D1n)
DQ2=(D21,D22,...,D2n)
...
DQm=(Dm1,Dm2,...,Dmn)
於該情形時，CPU 21求取m個資料D11、D21、...、Dm1之中央值M1、m個資料D21、D22、...、Dm2之中央值M2、及m個資料D1n、D2n、...、Dmn之中央值Mn，並藉由將n個中央值M1~Mn以時間序列順序來排列，而產生中央值時間序列資料MQ=(M1,M2,...,Mn)。
其次，CPU 21求取在步驟S132所產生之中央值時間序列資料所包含之中央值之最大值Mmax與最小值Mmin(步驟S133)。在上述之例中，CPU 21求取n個中央值M1~Mn之最大值Mmax與最小值Mmin。其次，CPU 21自在步驟S131所選擇之群組內之未處理之時間序列資料中，選擇處理對象之時間序列資料(步驟S134)。
其次，CPU 21係以使範圍[Mmin,Mmax]轉換為範圍[0,1]之方式，將在步驟S134所選擇之時間序列資料正規化(步驟S135)。具體而言，CPU 21對時間序列資料DQi所包含之第j個資料Dij進行下式(1)所示之運算，藉此求取正規化後之資料Eij。
Eij=(Dij-Mmin)/(Mmax-Mmin)...(1)
如此，於步驟S135中，CPU 21以使中央值時間序列資料所包含之中央值之最大值Mmax轉換為1、而最小值Mmin轉換為0之方式，對群組內之時間序列資料所包含之資料進行線性轉換。
其次，CPU 21判斷是否已對在步驟S131所選擇之群組內之所有時間序列資料進行處理(步驟S136)。CPU 21在步驟S136為No之情形時前往步驟S134，而為Yes之情形時前往步驟S137。於後者之情形時，CPU 21判斷是否已對在步驟S120所產生之所有群組進行處理(步驟S137)。CPU 21在步驟S137為No之情形時前往步驟S131前進，而為Yes之情形時結束步驟S130並前往步驟S140。
參照圖6~圖9，對正規化之例進行說明。圖6係將某個群組內之時間序列資料圖形化而顯示之圖。圖6所示之群組包含有7個時間序列資料。於該情形時，在步驟S132中，CPU 21產生圖7中以粗虛線所示之中央值時間序列資料。圖8係圖7之X部之放大圖。於圖8中，以黑點揭示中央值時間序列資料所包含之中央值。於步驟S133~S136中，CPU 21以使中央值時間序列資料所包含之中央值之最大值與最小值分別轉換為1與0之方式，分別將圖6所示之7個時間序列資料正規化。圖9係將正規化後之時間序列資料圖形化並加以顯示之圖。再者，在圖6與圖9之間縱軸之值雖不同，但圖像之形狀相同。
其次，對於在步驟S120所產生之各群組，CPU 21根據正規化後之時間序列資料來計算出群組之異常度(步驟S140)。圖10係顯示步驟S140之詳細內容之流程圖。CPU 21在步驟S140一 開始，自未處理之群組中選擇處理對象之群組(步驟S141)。
於處理對象之群組包含m個時間序列資料之情形時，2個時間序列資料之組合(以下，稱為「時間序列資料組」)總共有{m×(m-1)/2}個。對於在步驟S141所選擇之群組，CPU 21自未處理之時間序列資料組之中選擇處理對象之時間序列資料組(步驟S142)。其次，CPU 21對於在步驟S142所選擇之時間序列資料組，計算出相同時刻之資料間之差的平均值(步驟S143)。再者，相同時刻之資料間的差，亦可稱為相同時刻之資料間的歐幾里德距離(Euclidean distance)(或直線距離)。
例如，假設處理對象之時間序列資料組包含以下所示之2個正規化後之時間序列資料EQi、EQk(i、k為1以上且m以下之整數)之情形時。其中，Eij(j為1以上且n以下之整數)表示正規化後之時間序列資料EQi所包含之第j個資料。
EQi=(Ei1,Ei2,...,Ein)
EQk=(Ek1,Ek2,...,Ekn)
於該情形時，CPU 21依據下式(2)，計算出相同時刻之資料間之差的平均值AVE_DIF(EQi,EQk)。
AVE_DIF(EQi,EQk)=(|Ei1-Ek1|+|Ei2-Ek2|+...+|Ein-Ekn|)/n...(2)
其次，對於在步驟S141所選擇之群組，CPU 21判斷是否已對全部的時間序列資料組進行處理(步驟S144)。CPU 21在步驟S144為No之情形時前往步驟S142，而為Yes之情形時前往步驟S145。於後者之情形時，CPU 21求取在步驟S143所求得之平均值的最大值，並將所求得之值作為群組之異常度(步驟S145)。其 次，CPU 21判斷是否已對步驟S120所產生之全部的群組進行處理(步驟S146)。CPU 21在步驟S146為No之情形時前往步驟S141，而為Yes之情形時結束步驟S140並前往步驟S150。
如此，對於全部的時間序列資料組在求得相同時刻之資料間之差的平均值時，群組之異常度係所求得之平均值的最大值。於群組包含類似度較低之2個時間序列資料時，群組之異常度會變大。
其次，對於在步驟S120所產生之各群組內之各時間序列資料，CPU 21根據正規化後之時間序列資料來計算出時間序列資料之異常度(步驟S150)。圖11係顯示步驟S150之詳細內容之流程圖。CPU 21於步驟S150一開始，自未處理之群組中選擇處理對象之群組(步驟S151)。其次，CPU 21自在步驟S151所選擇之群組內之未處理之時間序列資料中，選擇處理對象之時間序列資料(步驟S152)。
其次，CPU 21計算在步驟S152所選擇之時間序列資料之異常度(步驟S153)。更詳細而言，CPU 21求取在步驟S132所產生之中央值時間序列資料間之相同時刻之資料間的差之總和，來作為時間序列資料之異常度。例如，假設處理對象之正規化後之時間序列資料EQi與中央值時間序列資料MQ為以下之情形。
EQi=(Ei1,Ei2,...,Ein)
MQ=(M1,M2,...,Mn)
於該情形時，CPU 21依據下式(3)，計算出相同時刻之資料間之差的總和SUM_DIF(EQi,MQ)，並將所計算出之值作為原本之時間序列資料DQi之異常度。
SUM_DIF(EQi,MQ)=|Ei1-M1|+|Ei2-M2|+...+|Ein-Mn|...(3)
其次，CPU 21判斷是否已對在步驟S151所選擇之群組內之全部的時間序列資料進行處理(步驟S154)。CPU 21在步驟S154為No之情形時前往步驟S152，而為Yes之情形時前往步驟S155。於後者之情形時，CPU 21判斷是否已對在步驟S120所產生之全部的群組進行處理(步驟S155)。CPU 21在步驟S155為No之情形時前往步驟S151，而為Yes之情形時結束步驟S150並前往步驟S160。
如此，CPU 21在步驟S140中計算出各群組之異常度，並在步驟S150中計算出各群組內之各時間序列資料之異常度。其次，CPU 21根據在步驟S140所計算出之各群組之異常度來產生群組之排序(步驟S160)。群組之排序包含將群組依異常度大至小的順序排列後之結果。其次，對於在步驟S120所產生之各群組，CPU 21根據在步驟S150所計算出之時間序列資料之異常度來產生時間序列資料之排序(步驟S170)。時間序列資料之排序，包含將1個群組內之時間序列資料依異常度大至小的順序排列後之結果。
其次，CPU 21產生包含排序之畫面資料(步驟S180)。更詳細而言，CPU 21產生包含在步驟S160所求得之群組之排序之第1畫面資料、及包含在步驟S170所求得之時間序列資料之排序之第2畫面資料。第2畫面資料係對於在步驟S120所產生之各群組而產生。第1及第2畫面資料例如使用HTML(Hyper Text Markup Language；超文件標示語言)等之網頁記載語言而產生。於該情形時，於第1畫面資料包含有用以對第2畫面資料進行存取之 連結資訊。
其次，CPU 21根據在步驟S180所產生之畫面資料與顯示控制指示6，使畫面顯示於顯示部25(步驟S190)。更詳細而言，CPU 21接受由使用者所輸入之顯示控制指示6。顯示控制指示6對顯示包含群組之排序之畫面、或顯示包含時間序列資料之排序之畫面進行指定。於前者之情形時，CPU 21根據在步驟S180所產生之第1畫面資料，使包含群組之排序之畫面顯示於顯示部25。於後者之情形時，顯示控制指示6一併指定是否顯示包含任一群組內之時間序列資料之排序之畫面。CPU 21依據顯示控制指示6，並根據在步驟S180所產生之任一第2畫面資料，使包含藉由顯示控制指示6所選擇之群組內之時間序列資料之排序之畫面顯示於顯示部25。
圖12係顯示時間序列資料處理裝置10之包含群組之排序之畫面之圖。圖13係顯示時間序列資料處理裝置10之包含時間序列資料之排序之畫面之圖。於CPU 21執行步驟S190時，顯示部25最初顯示圖12所示之畫面42。畫面42包含用以顯示圖13所示之畫面43之連結資訊44。於顯示部25顯示畫面42之期間，在使用者操作輸入部24而點擊連結資訊44之情形時，顯示部25便顯示畫面43。如此，藉由於包含群組之排序之畫面中包含用以顯示包含時間序列資料之排序之畫面的連結資訊，可以簡單之操作來顯示包含時間序列資料之排序之畫面。
圖2所示之電腦20之構成元件及圖3所示之步驟，與圖1所示之時間序列資料處理裝置10之構成元件，係以如下之方式相對應。輸入部24及執行步驟S110之CPU 21，係作為分析期間資訊輸入部11而發揮功能。執行步驟S120之CPU 21，係作為 群組產生部12而發揮功能。執行步驟S130之CPU 21，係作為正規化部13而發揮功能。執行步驟S140及S150之CPU 21，係作為異常度計算部14而發揮功能。執行步驟S160及S170之CPU 21，係作為排序產生部15而發揮功能。輸入部24及在執行步驟S190中關於顯示控制指示之處理之CPU 21，係作為顯示控制指示輸入部16而發揮功能。顯示部25；以及在執行步驟S180及S190中關於顯示之處理之CPU 21，係作為結果顯示部17而發揮功能。
如此，時間序列資料處理裝置10係將同樣地變化之時間序列資料群組化，根據正規化後之時間序列資料來計算出群組之異常度，並將基於群組的異常度之群組的排序顯示於畫面。因此，根據時間序列資料處理裝置10，使用者可容易地辨識包含異常之時間序列資料之群組。又，使用者藉由優先地分析包含異常之時間序列資料的群組，可容易地分析時間序列資料。
又，於步驟S130中，CPU 21以使中央值時間序列資料所包含之中央值之最大值與最小值分別轉換為1與0之方式進行正規化。以下，對本實施形態之正規化之效果進行說明。作為將複數個時間序列資料正規化之方法，存在有求取全部之時間序列資料所包含之資料之最大值Nmax與最小值Nmin，並以使最大值Nmax轉換為1、而最小值Nmin轉換為0之方式進行正規化之方法(以下，稱為「習知之正規化」)。在習知之正規化中，將資料Dij正規化後之結果Fij，可由下式(4)所獲得。
Fij=(Dij-Nmin)/(Nmax-Nmin)...(4)
以下，將圖6所示之群組稱為第1群組，將圖14所示之群組稱為第2群組。第2群組係第1群組內之1個時間序列資 料加入雜訊而成者。圖15及圖16分別為顯示對第1及第2群組實施習知之正規化之結果之圖。於該情形時，第1群組之異常度為15.756，而第2群組之異常度為12.557。由於第2群組包含加入雜訊之時間序列資料，所以原本第2群組之異常度應該大於第1群組之異常度。然而，於習知之正規化中，由於包含雜訊而求取最大值Nmax與最小值Nmin，因此正規化後之時間序列資料會受到雜訊之影響。因此在第2群組中，最大值Nmax會因雜訊之影響而變大，而在雜訊以外之部分(圖16之Y部)資料間之差值則會變小。其結果，會發生第2群組之異常度小於第1群組之異常度之不理想的情形。
於對第1群組實施本實施形態之正規化之情形時，可得到如圖9所示之結果。圖17係顯示對第2群組實施本實施形態之正規化之結果之圖。於該情形時，第1群組之異常度為17.290，而第2群組之異常度為17.416，第2群組之異常度大於第1群組之異常度。因此，根據時間序列資料處理裝置10，相較於進行習知之正規化之情形，可求得更佳之群組之異常度。又，可將原本之時間序列資料所包含之雜訊殘留於正規化後之時間序列資料中。
再者，在本實施形態之正規化中，於正規化前之資料大於最大值Mmax之情形時，正規化後之資料變得大於1，而於正規化前之資料小於最小值Mmin之情形時，正規化後之資料變得小於0。於步驟S160及S170中，CPU 21並非對群組之異常度或時間序列資料之異常度進行絕對性之評價，而是進行相對性之評價(相互地比較異常度)。因此，即使於正規化後之資料大於1之情形或小於0之情形時，對於異常度之比較而言並不會有影響。
又，於步驟S140中，CPU 21根據時間序列資料組之相同時刻之資料間的差來計算出群組之異常度。另一方面，作為表示時間序列資料之相似度之指標，已知有基於顯示資料變化之向量之方向的差之AMSS(Angular Metrics for Shape Similarity；形狀相似性之角度度量)。於步驟S140中，CPU 21並非計算出如基於向量方向之差之AMSS般之指標，而是計算出基於資料間之差(歐幾里德距離)之異常度。因此，根據時間序列資料處理裝置10，可求得與使用者以人工計算來分析時間序列資料時類似之群組之異常度。
又，時間序列資料處理裝置10根據正規化後之時間序列資料來計算出時間序列資料之異常度，並顯示基於時間序列資料的異常度之時間序列資料的排序。因此，可讓使用者容易地辨識異常之時間序列資料。又，於步驟S150中，CPU 21計算出時間序列資料與中央值時間序列資料之間之相同時刻之資料間之差的總和，來作為時間序列資料之異常度。藉此，可求得較佳之時間序列資料之異常度。
再者，在時間序列資料處理裝置10中，於步驟S140，CPU 21求得相同時刻之資料間之差的平均值之最大值，來作為群組之異常度。但CPU 21亦可取而代之，而求取其他值，例如相同時刻之資料間之差值的平均值之平均值，來作為群組之異常度。又，在時間序列資料處理裝置10中，群組之排序包含將群組依異常度大至小的順序排列後之結果。但群組之排序亦可取而代之，不需重新排列群組而包含群組之異常度之順序。對於時間序列資料之排序，亦與上述相同。又，時間序列資料處理裝置10係設為儲存 時間序列資料7。但時間序列資料7亦可取而代之，而被儲存於裝置之外部，並使用通信部26而被供給至時間序列資料處理裝置10。
如以上所述，根據本發明之時間序列資料處理方法、時間序列資料處理程式、及時間序列資料處理裝置，可以使用者易於分析之態樣來顯示時間序列資料。
於上述內容中雖已對本發明進行詳細說明，但以上之說明整體係用以例示者，而非用以限定本發明者。應理解為在不脫離本發明之範圍內，可導出多數之其他變更或變形例。
5‧‧‧分析期間資訊
6‧‧‧顯示控制指示
7‧‧‧時間序列資料
8‧‧‧資料屬性
10‧‧‧時間序列資料處理裝置
11‧‧‧分析期間資訊輸入部
12‧‧‧群組產生部
13‧‧‧正規化部
14‧‧‧異常度計算部
15‧‧‧排序產生部
16‧‧‧顯示控制指示輸入部
17‧‧‧結果顯示部
18‧‧‧時間序列資料儲存部

Claims (15)

  1. 一種時間序列資料處理方法，其為處理複數個時間序列資料，其具備有：群組產生步驟，其根據被供給之複數個時間序列資料，產生複數個由同樣地變化之複數個時間序列資料所構成之群組；正規化步驟，其針對各群組，藉由對群組內之時間序列資料進行相同之轉換來進行正規化；異常度計算步驟，其針對各群組，根據經正規化後之時間序列資料來算出群組之異常度；排序產生步驟，其根據上述群組之異常度來產生群組之排序；及結果顯示步驟，其顯示包含上述群組之排序之畫面。
  2. 如請求項1之時間序列資料處理方法，其中，針對各群組，上述異常度計算步驟對群組內之2個時間序列資料之所有組合求取相同時刻之資料間之差的平均值，並將所求得之平均值之最大值設為上述群組之異常度。
  3. 如請求項2之時間序列資料處理方法，其中，針對各群組，上述正規化步驟產生由群組內之時間序列資料含有之相同時刻之資料的中央值所構成之中央值時間序列資料，並以使上述中央值時間序列資料所包含之中央值之最大值轉換為1而最小值轉換為0之方式，對群組內之時間序列資料所包含之資料進行線性轉換。
  4. 如請求項1之時間序列資料處理方法，其中，針對各群組內之各時間序列資料，上述異常度計算步驟根據正規化後之時間序列資料來算出時間序列資料之異常度，針對各群組，上述排序產生步驟根據上述時間序列資料之異常度 來產生時間序列資料之排序，針對藉由顯示控制指示所選擇之群組，上述結果顯示步驟顯示包含上述時間序列資料之排序之畫面。
  5. 如請求項4之時間序列資料處理方法，其中，針對各群組，上述正規化步驟產生由群組內之時間序列資料含有之相同時刻之資料的中央值所構成之中央值時間序列資料，並以使上述中央值時間序列資料所包含之中央值之最大值轉換為1而最小值轉換為0之方式，對群組內之時間序列資料所包含之資料進行線性轉換，針對各群組內之各時間序列資料，上述異常度計算步驟將與上述中央值時間序列資料間之相同時刻之資料間之差的總和，設為上述時間序列資料之異常度。
  6. 如請求項4之時間序列資料處理方法，其中，含有上述群組之排序之畫面，包含用以顯示含有上述時間序列資料之排序之畫面之連結資訊。
  7. 一種電腦可讀取之記錄媒體，其記錄有處理複數個時間序列資料之時間序列資料處理程式，上述時間序列資料處理程式係用以由CPU利用記憶體而使電腦執行如下之步驟者：群組產生步驟，其根據被供給之複數個時間序列資料、產生複數個由同樣地變化之複數個時間序列資料所構成之群組；正規化步驟，其針對各群組，藉由對群組內之時間序列資料進行相同之轉換來進行正規化；異常度計算步驟，其針對各群組，根據經正規化後之時間序列資料來算出群組之異常度；排序產生步驟，其根據上述群組之異常度來產生群組之排序；及 結果顯示步驟，其顯示包含上述群組之排序之畫面。
  8. 如請求項7之電腦可讀取之記錄媒體，其中，針對各群組，上述異常度計算步驟對群組內之2個時間序列資料之所有組合求取相同時刻之資料間之差的平均值，並將所求得之平均值之最大值設為上述群組之異常度。
  9. 如請求項8之電腦可讀取之記錄媒體，其中，針對各群組，上述正規化步驟產生由群組內之時間序列資料含有之相同時刻之資料的中央值所構成之中央值時間序列資料，並以使上述中央值時間序列資料所包含之中央值之最大值轉換為1而最小值轉換為0之方式，對群組內之時間序列資料所包含之資料進行線性轉換。
  10. 如請求項7之電腦可讀取之記錄媒體，其中，針對各群組內之各時間序列資料，上述異常度計算步驟根據正規化後之時間序列資料來算出時間序列資料之異常度，針對各群組，上述排序產生步驟根據上述時間序列資料之異常度來產生時間序列資料之排序，針對藉由顯示控制指示所選擇之群組，上述結果顯示步驟顯示包含上述時間序列資料之排序之畫面。
  11. 如請求項10之電腦可讀取之記錄媒體，其中，針對各群組，上述正規化步驟產生由群組內之時間序列資料含有之相同時刻之資料的中央值所構成之中央值時間序列資料，並以使上述中央值時間序列資料所包含之中央值之最大值轉換為1而最小值轉換為0之方式，對群組內之時間序列資料所包含之資料進行線性轉換，針對各群組內之各時間序列資料，上述異常度計算步驟將與上述中央值時間序列資料間之相同時刻之資料間之差的總和，設為上述 時間序列資料之異常度。
  12. 如請求項10之電腦可讀取之記錄媒體，其中，含有上述群組之排序之畫面，包含用以顯示含有上述時間序列資料之排序之畫面之連結資訊。
  13. 一種時間序列資料處理裝置，其處理複數個時間序列資料；其具備有：群組產生部，其根據被供給之複數個時間序列資料，產生複數個由同樣地變化之複數個時間序列資料所構成之群組；正規化部，其針對各群組，藉由對群組內之時間序列資料進行相同之轉換來進行正規化；異常度計算部，其針對各群組，根據經正規化後之時間序列資料來算出群組之異常度；排序產生部，其根據上述群組之異常度來產生群組之排序；及結果顯示部，其顯示包含上述群組之排序之畫面。
  14. 如請求項13之時間序列資料處理裝置，其中，針對各群組，上述異常度計算部對群組內之2個時間序列資料之所有組合求取相同時刻之資料間之差的平均值，並將所求得之平均值之最大值設為上述群組之異常度。
  15. 如請求項14之時間序列資料處理裝置，其中，針對各群組，上述正規化部產生由群組內之時間序列資料含有之相同時刻之資料的中央值所構成之中央值時間序列資料，並以使上述中央值時間序列資料所包含之中央值之最大值轉換為1而最小值轉換為0之方式，對群組內之時間序列資料所包含之資料進行線性轉換。
TW105134280A 2015-10-26 2016-10-24 時間序列資料處理方法、記錄有時間序列資料處理程式之電腦可讀取之記錄媒體、及時間序列資料處理裝置 TWI620046B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2015-209607 2015-10-26
JP2015209607A JP6599727B2 (ja) 2015-10-26 2015-10-26 時系列データ処理方法、時系列データ処理プログラム、および、時系列データ処理装置

Publications (2)

Publication Number Publication Date
TW201723705A true TW201723705A (zh) 2017-07-01
TWI620046B TWI620046B (zh) 2018-04-01

Family

ID=58558906

Family Applications (1)

Application Number Title Priority Date Filing Date
TW105134280A TWI620046B (zh) 2015-10-26 2016-10-24 時間序列資料處理方法、記錄有時間序列資料處理程式之電腦可讀取之記錄媒體、及時間序列資料處理裝置

Country Status (4)

Country Link
US (1) US10956451B2 (zh)
JP (1) JP6599727B2 (zh)
KR (1) KR101907269B1 (zh)
TW (1) TWI620046B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI699819B (zh) * 2018-02-08 2020-07-21 日商斯庫林集團股份有限公司 資料處理方法、資料處理裝置以及資料處理程式
TWI707292B (zh) * 2018-02-08 2020-10-11 日商斯庫林集團股份有限公司 資料處理方法、資料處理裝置、資料處理系統以及資料處理程式
TWI778219B (zh) * 2018-02-08 2022-09-21 日商斯庫林集團股份有限公司 資料處理方法、資料處理裝置、資料處理系統以及電腦程式產品

Families Citing this family (22)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10353590B2 (en) * 2016-05-19 2019-07-16 Hewlett Packard Enterprise Development Lp Methods and systems for pre-processing sensor measurements
US10482382B2 (en) 2017-05-09 2019-11-19 Palantir Technologies Inc. Systems and methods for reducing manufacturing failure rates
JP6661052B2 (ja) 2017-05-12 2020-03-11 三菱電機株式会社 時系列データ処理装置、時系列データ処理システムおよび時系列データ処理方法
CN107194184B (zh) * 2017-05-31 2020-11-17 成都数联易康科技有限公司 基于时间序列相似性分析的在院人次异常检测方法及***
KR102079359B1 (ko) * 2017-07-13 2020-02-20 고려대학교 산학협력단 개선된 sax 기법 및 rtc 기법을 이용한 공정 모니터링 장치 및 방법
JP6243080B1 (ja) * 2017-08-03 2017-12-06 株式会社日立パワーソリューションズ プリプロセッサおよび異常予兆診断システム
US11481383B2 (en) * 2017-11-15 2022-10-25 Sumo Logic, Inc. Key name synthesis
JP7074490B2 (ja) * 2018-02-08 2022-05-24 株式会社Ｓｃｒｅｅｎホールディングス データ処理方法、データ処理装置、データ処理システム、およびデータ処理プログラム
JP7074489B2 (ja) 2018-02-08 2022-05-24 株式会社Ｓｃｒｅｅｎホールディングス データ処理方法、データ処理装置、および、データ処理プログラム
CN108629007B (zh) * 2018-05-04 2022-08-09 上饶市普适科技有限公司 一种排除历史招生数据异常值的方法
US10904113B2 (en) * 2018-06-26 2021-01-26 Microsoft Technology Licensing, Llc Insight ranking based on detected time-series changes
JP7181033B2 (ja) * 2018-09-20 2022-11-30 株式会社Ｓｃｒｅｅｎホールディングス データ処理方法、データ処理装置、および、データ処理プログラム
JP7188950B2 (ja) * 2018-09-20 2022-12-13 株式会社Ｓｃｒｅｅｎホールディングス データ処理方法およびデータ処理プログラム
JP7188949B2 (ja) * 2018-09-20 2022-12-13 株式会社Ｓｃｒｅｅｎホールディングス データ処理方法およびデータ処理プログラム
JP7084271B2 (ja) * 2018-09-28 2022-06-14 エヌ・ティ・ティ・コミュニケーションズ株式会社 異常検知装置、異常検知方法および異常検知プログラム
JP6933630B2 (ja) * 2018-12-06 2021-09-08 ファナック株式会社 処理時間監視装置
US11651249B2 (en) * 2019-10-22 2023-05-16 EMC IP Holding Company LLC Determining similarity between time series using machine learning techniques
CN111078755B (zh) * 2019-12-19 2023-07-28 远景智能国际私人投资有限公司 时序数据的存储查询方法、装置、服务器及存储介质
KR102455758B1 (ko) 2020-01-30 2022-10-17 가부시키가이샤 스크린 홀딩스 데이터 처리 방법, 데이터 처리 장치 및 기억 매체
JP7460381B2 (ja) 2020-01-30 2024-04-02 株式会社Ｓｃｒｅｅｎホールディングス データ処理方法、データ処理装置およびプログラム
KR102541782B1 (ko) * 2021-03-22 2023-06-12 대한민국 (관리부서 : 환경부 국립환경과학원장) 제작자동차 배출가스 인증시험 데이터를 이용한 임의설정 분석 프로그램이 기록된 컴퓨터 판독매체 및 분석방법
KR102596582B1 (ko) * 2022-12-23 2023-10-31 숭실대학교 산학협력단 전력 계통의 대용량 시계열 자료 분석을 위한 통합적 시각화 기법

Family Cites Families (25)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4910688A (en) 1988-04-01 1990-03-20 Domtar Inc. On-machine sheet material property analysis
JP3739201B2 (ja) 1998-03-06 2006-01-25 富士通株式会社 半導体チップの相関解析方法及び装置、半導体チップ歩留まり調整方法並びに記憶媒体
US7424409B2 (en) * 2001-02-20 2008-09-09 Context-Based 4 Casting (C-B4) Ltd. Stochastic modeling of time distributed sequences
US7174281B2 (en) 2002-05-01 2007-02-06 Lsi Logic Corporation Method for analyzing manufacturing data
JP2004054393A (ja) * 2002-07-17 2004-02-19 Casio Comput Co Ltd 評価装置およびプログラム
US20060178835A1 (en) 2005-02-10 2006-08-10 Applera Corporation Normalization methods for genotyping analysis
CN101583951B (zh) * 2007-01-18 2012-02-15 富士通株式会社 关键字管理***和关键字管理方法
CN101657815B (zh) * 2007-04-13 2012-09-26 日本电气株式会社 照片分组设备、照片分组方法以及照片分组程序
JP4808809B2 (ja) * 2007-05-29 2011-11-02 東京エレクトロン株式会社 データ表示装置、データ表示方法、プログラム
JP2009251874A (ja) * 2008-04-04 2009-10-29 Nec Corp 時系列データ保存装置および時系列データ保存方法
WO2009139052A1 (ja) * 2008-05-14 2009-11-19 日東紡音響エンジニアリング株式会社 信号判定方法、信号判定装置、プログラム、信号判定システム
WO2009143040A1 (en) * 2008-05-19 2009-11-26 Disetronic Medical Systems Ag Computer research tool for the organization, visualization and analysis of metabolic-related clinical data and method thereof
JP5271805B2 (ja) * 2009-05-22 2013-08-21 アズビル株式会社 標準時系列データ算出方法、異常検出方法、標準時系列データ算出装置、異常検出装置、標準時系列データ算出プログラム、および異常検出プログラム
JP5214656B2 (ja) 2010-03-29 2013-06-19 株式会社東芝 評価装置および評価プログラム
WO2011121726A1 (ja) * 2010-03-30 2011-10-06 株式会社 東芝 異常検出装置
JP2012018589A (ja) 2010-07-09 2012-01-26 Yokogawa Electric Corp 機器データ表示装置および機器データ表示方法
US9135557B2 (en) * 2010-09-02 2015-09-15 Kanden Engineering Corporation Internal abnormality diagnosis method, internal abnormality diagnosis system, and decision tree generation method for internal abnormality diagnosis of oil-filled electric apparatus utilizing gas concentration in oil
WO2012102749A1 (en) * 2011-01-24 2012-08-02 Axioma, Inc. Methods and apparatus for improving factor risk model responsiveness
JP4832609B1 (ja) * 2011-06-22 2011-12-07 株式会社日立エンジニアリング・アンド・サービス 異常予兆診断装置および異常予兆診断方法
US9141914B2 (en) * 2011-10-31 2015-09-22 Hewlett-Packard Development Company, L.P. System and method for ranking anomalies
CN104025276A (zh) 2011-11-07 2014-09-03 Bt成像股份有限公司 用于光伏电池制造的晶圆分级和分类
US8909641B2 (en) * 2011-11-16 2014-12-09 Ptc Inc. Method for analyzing time series activity streams and devices thereof
US8702908B1 (en) 2013-01-28 2014-04-22 Abb Technology Ag Reducing product variations via variance partition analysis
JP2015026252A (ja) * 2013-07-26 2015-02-05 株式会社豊田中央研究所 異常検知装置及びプログラム
JP6351323B2 (ja) * 2014-03-20 2018-07-04 オリンパス株式会社 画像処理装置、画像処理方法、及び画像処理プログラム

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI699819B (zh) * 2018-02-08 2020-07-21 日商斯庫林集團股份有限公司 資料處理方法、資料處理裝置以及資料處理程式
TWI707292B (zh) * 2018-02-08 2020-10-11 日商斯庫林集團股份有限公司 資料處理方法、資料處理裝置、資料處理系統以及資料處理程式
US11294537B2 (en) 2018-02-08 2022-04-05 SCREEN Holdings Co., Ltd. Data processing method, data processing device, and computer-readable recording medium having recorded thereon data processing program
TWI778219B (zh) * 2018-02-08 2022-09-21 日商斯庫林集團股份有限公司 資料處理方法、資料處理裝置、資料處理系統以及電腦程式產品
TWI822262B (zh) * 2018-02-08 2023-11-11 日商斯庫林集團股份有限公司 資料處理方法、資料處理裝置、資料處理系統以及電腦程式產品

Also Published As

Publication number Publication date
KR20170048185A (ko) 2017-05-08
JP2017083985A (ja) 2017-05-18
TWI620046B (zh) 2018-04-01
US10956451B2 (en) 2021-03-23
US20170116319A1 (en) 2017-04-27
KR101907269B1 (ko) 2018-10-11
JP6599727B2 (ja) 2019-10-30

Similar Documents

Publication Publication Date Title
TWI620046B (zh) 時間序列資料處理方法、記錄有時間序列資料處理程式之電腦可讀取之記錄媒體、及時間序列資料處理裝置
US11782430B2 (en) Abnormality diagnosis method, abnormality diagnosis device and non-transitory computer readable storage medium
Roberson et al. Inter‐instrument comparison of particle‐size analysers
JP6326321B2 (ja) データ表示システム
US8838398B2 (en) Turbine-generator hydrogen seal oil system diagnosis
Andre et al. A combination of support vector machine and k-nearest neighbors for machine fault detection
JP7126256B2 (ja) 異常診断装置、異常診断方法、及びプログラム
JP6315528B1 (ja) 異常検知モデル構築装置、異常検知モデル構築方法及びプログラム
JP4148524B2 (ja) 相関性を評価するシステム、および、その方法
JP2020027342A (ja) 情報処理装置、監視装置、及び情報処理方法
CN111103851A (zh) 基于联合历史和时间序列分析的异常表征的***和方法
JP6904418B2 (ja) 情報処理装置、情報処理システム、情報処理方法、及び、プログラム
Sørbø et al. Navigating the metric maze: a taxonomy of evaluation metrics for anomaly detection in time series
JP2010218187A (ja) 製造条件調整装置
JP2018081523A (ja) 設備診断装置及び設備診断方法
Mühlbauer et al. Analysing the Impact of Workloads on Modeling the Performance of Configurable Software Systems
JP7481976B2 (ja) 異常スコア算出装置、異常スコア算出方法およびプログラム
JP2019045929A (ja) 情報処理装置、情報処理方法、及びプログラム
JP6904331B2 (ja) 要因分析装置、要因分析方法、およびプログラム
JP2009110262A (ja) フィルタ装置、フィルタ装置のフィルタリング方法およびフィルタリングプログラム
Mileva Boshkoska et al. Copula-based decision support system for quality ranking in the manufacturing of electronically commutated motors
TWI647770B (zh) 晶圓的良率判斷方法以及晶圓合格測試的多變量偵測方法
JP6459345B2 (ja) 変動データ管理システム及びその特異性検出方法
JP5771318B1 (ja) 異常診断装置及び異常診断方法
US20110313800A1 (en) Systems and Methods for Impact Analysis in a Computer Network