WO2022074777A1 - 障害予兆検出システム、障害予兆検出方法、及びプログラム - Google Patents
障害予兆検出システム、障害予兆検出方法、及びプログラム Download PDFInfo
- Publication number
- WO2022074777A1 WO2022074777A1 PCT/JP2020/038061 JP2020038061W WO2022074777A1 WO 2022074777 A1 WO2022074777 A1 WO 2022074777A1 JP 2020038061 W JP2020038061 W JP 2020038061W WO 2022074777 A1 WO2022074777 A1 WO 2022074777A1
- Authority
- WO
- WIPO (PCT)
- Prior art keywords
- failure
- data
- field
- field data
- sign detection
- Prior art date
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 122
- 208000024891 symptom Diseases 0.000 title abstract 5
- 238000000605 extraction Methods 0.000 claims abstract description 6
- 238000013480 data collection Methods 0.000 claims description 11
- 238000012545 processing Methods 0.000 claims description 7
- 238000012544 monitoring process Methods 0.000 abstract description 2
- 238000004891 communication Methods 0.000 description 40
- 238000000034 method Methods 0.000 description 28
- 230000006870 function Effects 0.000 description 23
- 238000012806 monitoring device Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 9
- 238000004364 calculation method Methods 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 5
- 230000007547 defect Effects 0.000 description 4
- 239000000284 extract Substances 0.000 description 4
- 238000010801 machine learning Methods 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 238000009434 installation Methods 0.000 description 3
- 208000019901 Anxiety disease Diseases 0.000 description 2
- 125000002066 L-histidyl group Chemical group [H]N1C([H])=NC(C([H])([H])[C@](C(=O)[*])([H])N([H])[H])=C1[H] 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000036506 anxiety Effects 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 239000012141 concentrate Substances 0.000 description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 238000005401 electroluminescence Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000007257 malfunction Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/07—Responding to the occurrence of a fault, e.g. fault tolerance
- G06F11/0703—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation
- G06F11/079—Root cause analysis, i.e. error or fault diagnosis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/07—Responding to the occurrence of a fault, e.g. fault tolerance
- G06F11/0703—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation
- G06F11/0706—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation the processing taking place on a specific hardware platform or in a specific software environment
- G06F11/0709—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation the processing taking place on a specific hardware platform or in a specific software environment in a distributed system consisting of a plurality of standalone computer nodes, e.g. clusters, client-server systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F13/00—Interconnection of, or transfer of information or other signals between, memories, input/output devices or central processing units
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/3003—Monitoring arrangements specially adapted to the computing system or computing system component being monitored
- G06F11/3013—Monitoring arrangements specially adapted to the computing system or computing system component being monitored where the computing system is an embedded system, i.e. a combination of hardware and software dedicated to perform a certain function in mobile devices, printers, automotive or aircraft systems
Definitions
- This disclosure relates to a failure sign detection system, a failure sign detection method, and a program.
- IoT devices such as air conditioners, lighting devices, and various sensors are installed in facilities such as stores and factories, and the data collected by these IoT devices can be used to install multiple devices so that users can spend their time comfortably. There is a service to control.
- a service level obstacle means that a user feels uncomfortable, dissatisfied, or inconvenient when using the facility, or feels some insufficiency in using the facility.
- the following are considered to be service level failures.
- the user i) feels that he / she is hot, cold, or the air is stagnant, ii) feels that the surroundings are noisy and cannot concentrate, iii) is waiting for the elevator but never comes.
- Patent Document 1 proposes a system for identifying a cause and a solution when a user notifies a defect of a product.
- This system has a switch that notifies the user of a product defect, and when the user presses the switch, it compares the operation log data immediately before that with the database of known defect causes, and informs the user of the cause and countermeasures. Present.
- Patent Document 1 assumes that the user of the system and the facility and the operator of the system are the same. Therefore, it is difficult to apply it to facilities where the user and the operator are different.
- the system disclosed in Patent Document 1 is a system that identifies and displays the cause of the defect of the product and the content of the countermeasure, and does not relate to the failure of the service level. Even if the product is normal, service level failures can occur. Therefore, the system disclosed in Patent Document 1 cannot prevent the occurrence of service level failures.
- the system disclosed in Cited Document 1 identifies and displays the cause and countermeasures when the user recognizes that a failure has occurred in the product and operates the switch. That is, the system disclosed in Cited Document 1 is a system that functions after a failure occurs, and it is not possible to detect a sign of the occurrence of a failure.
- the present disclosure has been made in view of the above circumstances, and an object thereof is to enable detection of a sign of occurrence of a service level failure.
- the failure sign detection system detects signs of failure at a field base composed of facilities equipped with a plurality of IoT devices.
- the failure sign detection system has a first storage unit that collects and stores the field data of each IoT device, and a feature extraction unit that obtains the feature data of the field data based on the report of the service failure felt by the user of the facility.
- the second storage unit that stores the characteristic data of the field data at the time of failure and the failure information that associates the failure content that the user feels, and the field data stored in the first storage unit are monitored, and the first 2 Failure sign detection that outputs that when the feature data that matches or is similar to the feature data stored in the storage unit, that is, the matching feature data is detected, the sign that the failure associated with the feature data is detected is detected. It has a department.
- failure sign detection unit when the failure sign detection unit detects field data having the same or similar characteristics as the field data stored in the first storage section in the second storage section, a failure occurs. Outputs that a sign of occurrence has been detected. This makes it possible to detect signs of service-level failures.
- FIG. 1 A block diagram showing the configuration of the field base shown in FIG.
- the figure which shows the format of the field data shown in FIG. (A) is a diagram showing an example of field data including temperature data generated by an IoT device such as an air conditioner and a temperature sensor in the failure sign detection system shown in FIG. 1, and (b) is a diagram showing an example of field data including failure sign detection shown in FIG.
- the figure which shows an example of the procedure when the occurrence of the failure is reported to the center base shown in FIG. (A) is a diagram showing an example of failure information registered by the inquiry receiving unit in the failure sign detection system shown in FIG. 1, and (b) is registered by the failure management unit in the failure sign detection system shown in FIG. Diagram showing an example of failure analysis Diagram showing an example of procedures for analyzing and treating reported disorders
- the failure sign detection system detects the sign of the occurrence of a service level failure of the facility using field data collected from a plurality of IoT devices installed in the facility.
- the IoT device refers to a device such as a device, a device, a system, or a sensor connected to the Internet.
- the service level of the facility means the overall service stage of the facility or the satisfaction of the users of the facility. Further, a service level obstacle means a situation in which a user feels a negative impression such as discomfort, dissatisfaction, inconvenience, anxiety, shortage, or inconvenience.
- the user when a service-level failure occurs, the user i) feels that it is hot, cold, or the air is stagnant only where he or she is, and ii) the surroundings are noisy. It means that there are situations such as feeling unable to concentrate, iii) feeling waiting for the elevator but never coming, iv) feeling dim without lighting.
- FIG. 1 shows a schematic configuration of a failure sign detection system 100 according to the present embodiment.
- the failure sign detection system 100 is a kind of system for operating and managing IoT devices.
- the failure sign detection system 100 includes one or more field bases 101, a single center base 102, and an external data source 103. Note that FIG. 1 shows only one field base 101.
- the field base 101 typically includes facilities such as houses, buildings, factories, commercial facilities, sports facilities, and a plurality of IoT devices 9 installed in the facilities. These IoT devices 9 have a function of generating field data via a measuring device such as a built-in sensor. A plurality of IoT devices 9 cooperate to provide a service for the user 42 of the facility to spend comfortably as a whole. This overall service stage or user satisfaction is the service level described above. A failure that lowers the service level, that is, a situation in which the user 42 feels a negative impression such as discomfort, dissatisfaction, inconvenience, anxiety, shortage, or inconvenience corresponds to a service level failure.
- a monitoring device 10 is installed to transmit the field data generated by the IoT device 9 to the data collection unit 7 of the center base 102 via the communication network (hereinafter, network) 30. There is.
- the IoT device 9 includes, for example, a lighting device, an elevator device, an air conditioner device (hereinafter, simply an air conditioner), a surveillance camera device, a temperature sensor, a humidity sensor, a noise sensor, a microphone, and the like.
- the aggregate of these plurality of IoT devices 9 constitutes an IoT control system 11 that controls the environment in the facility.
- each IoT device 9 has a field network communication function or an area network communication function for generating field data and transmitting it to the monitoring device 10.
- the substance of the field network communication function is realized by various communication functions such as Ethernet, CAN (Controller Area Network), WiFi, Bluetooth, BLE (Bluetooth Low Energy), and ZigBee.
- the lighting device 9a is predetermined as field data, for example, current data indicating the magnitude of the current flowing through the light source, voltage data indicating the voltage applied to the light source, and the like. It outputs illuminance data and the like indicating the illuminance at the position.
- the elevator 9b includes, for example, operation data indicating an operating condition, speed data indicating the speed of the car, vibration data indicating the magnitude of vibration of the car, and current data indicating the magnitude of the current flowing through the drive motor. , Outputs voltage data or the like indicating the magnitude of the voltage applied to the drive motor. What kind of field data each IoT device 9 outputs is arbitrary. It should be noted that what kind of IoT device 9 is installed in what kind of place is arbitrary.
- each field data has data items such as date and time, field base ID, device ID, converted value, unit, meaning of value, and the like.
- the "date and time” is the date and time when the data was generated, typically a time stamp.
- the "field base ID” is a unique identifier of the field base 101 in which the IoT device 9 is installed.
- the “device ID” is a unique identifier of the IoT device 9 that generated this field data.
- the “device ID” is created so that the type of the IoT device 9, for example, the type of air conditioner, lighting, surveillance camera, etc., the model name, and the serial number can be known by investigating the ID.
- the "converted value” is a numerical value obtained by digitally converting the analog value measured by the sensor and then converting the data into a specific unit.
- the value is converted into the unit "ampere", and in the case of voltage, it is the value.
- the “unit” is a unit of the converted value, such as ampere "A”, volt “V”, Celsius “° C", and decibel "dB”.
- "Meaning of value” expresses the property of the data by combining the installation location, measurement method, and the like.
- the field data may include other items such as the installation location, the installation date, and the department in charge of management in the facility of the IoT device 9.
- FIGS. 4A and 4B Specific examples of field data are shown in FIGS. 4A and 4B.
- the field data shown in FIG. 4A is an example of temperature data generated by the IoT device 9 such as an air conditioner and a temperature sensor.
- the field data shown in FIG. 4B is an example of conversation data generated by a device having a voice analysis function.
- JSON Javascript Object Notification
- the format is arbitrary. In the present embodiment, a format such as an XML format may be used for easy mechanical analysis.
- DVE is an abbreviation for Device (device)
- AC is an abbreviation for Air Conditioner (air conditioner)
- ZR232C is an air conditioner model name
- 001462 is an air conditioner manufacturing. It is a number.
- VR is an abbreviation for Voice Recognition
- VR01R is a model name of a voice recognition device
- 00022 is a serial number of a voice recognition device.
- “It's hot and humid around here” in “value” is text data obtained by recognizing voice.
- FIGS. 4A and 4B data are connected by a hyphen to form a device ID, but the data is not bound by this format.
- the format of the device ID is arbitrary. For example, a method of hashing the device type, model name, and serial number using UUID (Universally Unique Identifier) v5 can be considered.
- UUID Universally Unique Identifier
- the IoT device 9 shown in FIGS. 1 and 2 acquires various types of data during operation, continuously, periodically, or repeatedly, and stores and stores them in an internal memory.
- the IoT device 9 generates field data at a predetermined cycle based on the accumulated data and transmits it to the monitoring device 10.
- each IoT device 9 generates and transmits field data once a day.
- the frequency of field data generation and transmission can be changed to either less or more frequently.
- the monitoring device 10 is composed of, for example, a server device called an edge server. As shown in FIG. 2, the monitoring device 10 includes a field network communication function 10a for receiving field data from the IoT device 9 and an internet communication function 10b for transmitting the received field data to the center base 102.
- the Internet communication function is realized by a communication device compliant with various communication standards such as Ethernet, optical fiber, and mobile line network (3G / 4G / 5G).
- the monitoring device 10 is connected to the center base 102 by a network 30 such as the Internet and a VPN (Virtual Private Network).
- the administrator 41 and the user 42 of the field base 101 use their own communication terminals 37 and 38 to send information to the inquiry receiving unit 8 of the center base 102 via a communication network (hereinafter referred to as a network) 32 such as the Internet. It can be sent.
- the administrator 41 and the user 42 can register the content of the service level failure in the inquiry receiving unit 8 by text, voice, or the like by using the communication terminals 37 and 38.
- the center base 102 shown in FIG. 1 has a failure sign detection unit 1 that detects a sign of a service level failure, a field data database (hereinafter, DB) 2 that stores field data, and a failure that actually occurred in the past.
- the failure information DB 3 that stores the set of the feature data and the failure information
- the display unit 4 that displays the data
- the failure detection unit 5 that detects the sign of the occurrence of the failure
- the failure management unit 6 that manages the failure information DB 3.
- a data collecting unit 7 for collecting data from the field base 101 and an external data source 103, and an inquiry receiving unit 8 for receiving inquiries from the field base 101 are provided.
- the field data DB 2 records and stores the field data transmitted from the field base 101 in chronological order for each type.
- the field data DB 2 is an example of the first storage unit.
- the failure detection unit 5 inquires the field data stored in the field data DB 2 based on the content of the inquiry about the service level failure from the administrator 41 or the user 42, and obtains the field data when the failure occurs. It is specified, the fluctuation of the field data is specified as a feature, and the feature data showing the feature is extracted.
- the variation means a preset variation such as a variation from a fixed or variable reference value, a variation from a previously acquired field data value, a variation from a moving average value, and the like. Further, the fluctuation may be a signed value or an absolute value of the fluctuation, and may be a fluctuation direction, a fluctuation tendency, or the like. Further, a fluctuation pattern on the time axis or space may be used.
- the failure detection unit 5 sets the field data and the extracted feature data in association with each other and registers them in the failure information DB 3.
- the fault detection unit 5 is an example of a feature extraction unit.
- the failure information DB 3 stores failure information including field data and feature data at the time of failure specified by the failure detection unit 5, and the details of the failure felt by the user 42.
- the failure information includes data items such as a failure number, a date and time, a field base ID, a content of the failure, a level of the failure, a classification of the failure, a cause of the failure, and a treatment of the failure, as illustrated in FIG.
- the failure information may include other data items.
- the failure information is associated with the field data at the time of the failure and its characteristic data when the inquiry is received, in other words.
- the failure information DB 3 is an example of the second storage unit.
- the "fault number” is an identifier including an alphanumerical symbol or the like for uniquely identifying the fault information, and is automatically numbered by the inquiry receiving unit 8.
- the "date and time” is the date and time when the failure information is registered in the inquiry receiving unit 8, and typically follows the ISO 8601 format.
- the "field base ID” is a unique identifier of the field base 101 in which the report was made, and is the same as the field base ID of the field data.
- the "contents of a failure” is a document written in natural language about the occurrence status and contents of a failure. For example, it is a text string input by the communication terminals 37 and 38 by the administrator 41 or the user 42, or a text string obtained by voice recognition of the voice of the administrator 41 or the user 42.
- the "level of disability” expresses the degree of urgency of the disability in several stages and is assigned according to the content of the disability.
- the “disability level” is a selection formula, and the choices can be added, changed, or deleted in a timely manner.
- Classification of obstacles allocates the types of obstacles such as noise, heat and humidity, light intensity, and waiting time according to the content of the obstacles.
- “Disability classification” is a selection formula, and options can be added, changed, or deleted in a timely manner.
- “Cause of failure” is a document that describes the cause of the failure and is registered in natural language after the investigation of the failure.
- “Disability Treatment” is a document written in natural language that registers the measures taken to resolve a disability after the disability treatment.
- the "fault number” is automatically assigned by the inquiry receiving unit 8. Any of the user 42, the administrator 41, and the operator 43 may register the "date and time”, the "field base ID”, and the "content of the failure”. The "fault level”, “fault classification”, “fault cause”, and "fault treatment” are registered by the operator. However, it is not limited to these.
- the "failure number”, “date and time”, “field base ID”, and “contents of failure” are notified from the communication terminal 37 of the administrator 41 or the communication terminal 38 of the user 42 of the occurrence of the failure. At that time, it is registered by the inquiry receiving unit 8.
- the "fault level”, “fault classification”, “fault cause”, and “fault treatment” are registered by the fault management unit 6 by the operator 43 of the center base 102. If necessary, the operator 43 may adjust the correspondence between the data via the failure management unit 6.
- the "format" of the information shown in FIG. 5 is an example and is not limited.
- the failure sign detection unit 1 shown in FIG. 1 detects a sign of failure occurrence from the field data stored in the field data DB 2 and the feature data stored in the failure information DB 3. More specifically, the failure sign detection unit 1 detects the fluctuation of the field data stored in the field data DB 2 and obtains the characteristics of the field data. The failure sign detection unit 1 matches or resembles the obtained feature with any of the features indicated by the feature data stored in the failure information DB 3, that is, the feature of the field data in the time zone when the failure is actually reported. It is determined based on the criteria whether or not to (hereinafter collectively referred to as match).
- the failure sign detection unit 1 When the failure sign detection unit 1 identifies one or a plurality of matching features, the field data and the failure information associated with the identified features are extracted from the failure information DB 3, and the order is, for example, in descending order of similarity.
- the similarity, failure information, and field data are listed, for example.
- the failure sign detection unit 1 detects the fluctuation of the field data stored in the field data DB 2 and obtains the feature data of the field data.
- the failure sign detection unit 1 obtains the similarity between the obtained feature data and each of the plurality of feature data stored in the failure information DB 3 by performing a similarity calculation.
- the failure sign detection unit 1 identifies feature data having a higher similarity than the standard, extracts failure information and field data associated with the identified feature data, and lists, for example, in descending order of similarity.
- the absence of special data with a higher degree of similarity than the standard means that there is no sign of failure.
- the feature data may be narrowed down to a predetermined number.
- the display unit 4 is composed of a liquid crystal display device and an electroluminescence display device, is connected to the failure sign detection unit 1, and notifies the operator 43 of one or a plurality of failure information extracted by the failure sign detection unit 1 as a sign. Specifically, the display unit 4 displays the list generated by the failure sign detection unit 1 and notifies the sign. Further, the display unit 4 displays the details of the selected failure information, the related feature data, the field data group, and the like according to the operation of the operator 43, as illustrated in FIG. 13, for example.
- the failure management unit 6 registers information such as the failure level, failure classification, failure cause, and failure treatment among the failure information in the failure information DB 3 according to the operation of the operator 43. Further, the failure management unit 6 edits the registered failure information according to the operation of the operator 43. The failure management unit 6 may execute other processing for the failure information DB 3 by the operator 43.
- the data collection unit 7 receives the field data transmitted from the monitoring device 10 installed at the field base 101. Further, the data collection unit 7 collects external data from the external data source 103. The data collection unit 7 stores the received field data and the collected external data in the field data DB 2.
- the data collection unit 7 is typically realized by a resident daemon program.
- This daemon program includes a communication API for receiving field data transmitted by the monitoring device 10 of the field base 101.
- API Application program interface
- API Application program interface
- the data collection unit 7 registers the collected field data in the field data DB 2.
- a WEB application is realized in the failure detection unit 5, the failure management unit 6, and the data collection unit 7, and the user can operate each unit using a browser.
- the inquiry receiving unit 8 receives inquiries about service level failures felt by the user 42 in the facility, or inquiries, complaints, contacts, etc. from the user 42 or the administrator 41 about the malfunction of the facility.
- the inquiry receiving unit 8 responds to the inquiry, assigns a failure number, and stores it in the failure information DB 3 as failure information.
- the inquiry receiving unit 8 registers the text transmitted from the communication terminals 38 and 37 by the user 42 or the administrator 41 in the failure information DB 3 as information indicating the content of the failure.
- the inquiry receiving unit 8 may be provided with a voice recognition function. In this case, the inquiry receiving unit 8 can convert the voice of the user 42 or the administrator 41 into text and register it in the failure information DB 3 as information indicating the content of the failure.
- the external data source 103 is a data source outside the facility.
- the external data includes weather information such as weather, temperature, and humidity, traffic information, and the like acquired from the weather forecast information around the facility. For example, in a commercial facility, if the weather is rainy and the humidity of the outside air is high, it is possible to increase the user satisfaction by lowering the humidity in the room.
- the external data stored in the external data source 103 differs depending on the type of facility to be managed and the area. For example, in a cold area, information such as the amount of snowfall is stored. Here, in a cold area, radio waves may be difficult to reach due to the influence of snow, snow clouds, etc., and data may not be transmitted / received. In this situation, when a disconnection occurs in the network stretched around the factory, which is the target facility, due to snowfall, it becomes difficult to find the cause only from the state of the FA equipment in the factory. In this case, by acquiring data on the amount of snow cover as external data, it is possible to grasp the cause of the disconnection.
- the cloud service may be desirable to monitor more data sources depending on the failures and causes that have occurred so far at the field base 101 to be monitored. For example, by further accumulating the failure information of the cloud service in the external data source 103, it is possible to distinguish whether the cause of the failure is the cloud service, the snow cover, or the service provided by the company. Become. Therefore, it is possible to respond more accurately and promptly to the inquiry from the user 42.
- the center base 102 includes a device gateway 33, which is a gateway for receiving field data from the field base 101, between the data collection unit 7 and the monitoring device 10 of the field base 101.
- the device gateway 33 typically accepts encrypted communication packets sent via the network 30.
- the device gateway 33 decrypts the received communication packet, and then provides the plaintext communication packet to the data collection unit 7.
- the center base 102 includes an application gateway 34 between the inquiry receiving unit 8 and the communication terminal 37 used by the administrator 41 of the field base 101 and the communication terminal 38 used by the user 42.
- the application gateway 34 communicates with the communication terminals 37 and 38.
- the communication terminals 37 and 38 are composed of, for example, a computer, a smart phone, a tablet terminal, and the like.
- the inquiry receiving unit 8 receives information including an inquiry or complaint regarding a service level failure via the application gateway 34.
- the application gateway 34 typically receives an encrypted communication packet sent from the communication terminals 37 and 38 via the network 32, decrypts the communication packet, and then outputs a plain communication packet. It is provided to the inquiry receiving unit 8.
- the center base 102 having the above configuration is, for example, a computer including a processor 51, a storage unit 52, a display unit 53, an input unit 54, a communication unit 55, and an auxiliary storage unit 56, as shown in FIG. Consists of.
- the processor 51 executes an operation program stored in the storage unit 52.
- the storage unit 52 includes a ROM (Read Only Memory), a RAM (Random Access Memory), and the like, and stores a program executed by the processor 51, fixed data necessary for execution, and the like. Further, the storage unit 52 functions as a work area of the processor 51.
- the display unit 53 functions as the display unit 4 shown in FIG.
- the input unit 54 includes a keyboard, a mouse, and the like, and is operated by the operator 43 to input data.
- the communication unit 55 communicates with the monitoring device 10 of the field base 101 via the device gateway 33, communicates with the external data source 103, and further communicates with the communication terminals 37 and 38.
- the auxiliary storage unit 56 is composed of a storage device such as a flash memory device and a hard disk device, and functions as a field data DB 2 and a failure information DB 3.
- the processor 51 executes an operation program stored in the storage unit 52. It will be realized.
- the operation of the failure sign detection system 100 having the above configuration will be described.
- the detection of a sign of a service level failure by the failure sign detection system 100 is roughly divided into two phases, a learning phase shown in FIG. 7A and a sign detection phase shown in FIG. 7B.
- the center base 102 stores the field data supplied from the field base 101 in the field data DB 2.
- the administrator 41 or the user 42 inquires of the center base 102.
- the administrator 41 or the user 42 shall be referred to as an inquiry about a service level failure, including notification, contact, and complaint about the service level failure.
- the inquiry serves as a report of the occurrence of a failure.
- the inquiry receiving unit 8 responds to an inquiry by assigning a failure number, specifying a date and time, and specifying the content of the failure.
- the inquiry receiving unit 8 registers a part of the failure information such as the failure number and the date and time in the failure information DB 3.
- the inquiry is also notified to the operator from the inquiry receiving unit 8 via, for example, the display unit 4.
- the operator 43 detects that a service level failure has occurred.
- the operator 43 analyzes the field data stored in the field data DB 2 by the failure detection unit 5, and detects the fluctuation of the field data in the time zone immediately before or before and after the service level failure.
- Ask for data The failure detection unit 5 stores the field data and the obtained feature data in the failure information DB 3 in association with the failure information using the failure number as a key.
- the external data acquired from the external data source 103 is treated in the same manner as the field data.
- the operator 43 analyzes the failure and takes necessary measures when necessary measures are taken. After dealing with the failure, the operator 43 additionally registers information such as the level, classification, cause, and treatment of the failure in the failure information DB 3 by the failure management unit 6.
- the set of field data, feature data, and failure information is gradually accumulated in the failure information DB3 for the service level failure that actually occurred.
- the center base 102 determines, for example, whether or not a sign of failure has occurred each time new field data or external data is stored in the field data DB 2. Specifically, the center base 102 generates feature data from the field data stored in the field data DB 2 and the external data. Next, the center base 102 obtains the similarity between the feature data generated this time and each of the plurality of feature data registered in the failure information DB 3 by the similarity calculation. The center base 102 determines whether or not the feature data matching the feature data generated this time is registered in the failure information DB 3.
- the similarity calculation method may be any method such as the least squares method.
- the center base 102 determines, for example, that the feature data whose degree of similarity is equal to or higher than the reference is matched with the feature data. If there is no matching feature data, there is no sign. When there are a plurality of matching feature data, the number may be narrowed down to a preset number based on the degree of similarity.
- the center base 102 determines that the matching feature data is registered in the failure information DB 3
- the center base 102 extracts the field data and the failure information associated with the feature data determined to match, and lists them in order of similarity. , Displayed on the display unit 4 and notified to the operator 43.
- the operator 43 analyzes the notified failure and takes necessary precautions in accordance with the countermeasure direction, and prevents the occurrence of the failure.
- the feature data, field data, and failure information generated here are registered in the failure information DB3 and used for subsequent detection of signs. That is, the sign detection phase has a function as a learning phase. In this way, the learning phase and the sign detection phase are executed in parallel. However, in the following description, for ease of understanding, the learning phase and the sign detection phase will be executed in order.
- the user 42 enters the facility and starts using the facility (FIG. 8: step S81).
- the user 42 may continue to feel some discomfort or inconvenience for a certain period of time. As an example, suppose that the user 42 feels hot and humid at a certain time.
- Step S82 After experiencing the heat and humidity for several hours, the user 42 informs the manager 41 that the entire floor is hot and humid, which hinders the use of the facility, as an unpleasant service level obstacle (b). Step S82). This communication may be performed orally, such as by telephone, or may be performed in writing, such as by e-mail.
- the administrator 41 confirms the complaint of the user 42, in other words, the failure of the service level, and determines that it is necessary to respond to the complaint (step S83).
- D The administrator 41 accesses the inquiry receiving unit 8 with his / her communication terminal 37, and registers information about the content of the failure, for example, in text (step S84).
- the inquiry receiving unit 8 assigns a failure number, specifies a date, and registers failure information including a field base ID and the contents of the registered failure in the failure information DB 3 (step S85).
- the inquiry receiving unit 8 registers it in the failure information DB 3.
- the inquiry receiving unit 8 converts the voice into text data and registers it in the failure information DB 3.
- FIG. 9A shows an example of failure information registered in the failure information DB 3 by the inquiry receiving unit 8.
- the inquiry receiving unit 8 sets the failure number assigned in the entry of "failure number” and the date and time when the failure is reported in the entry of "date and time” as "field base ID".
- the identification information of the field base 101 that received the failure report is registered in the entry of.
- the information of the complaint from the administrator 41 or the user 42 is entered in a sentence in the entry of "contents of failure". The other information is blank until it is filled in after the failure analysis and handling by the operator 43.
- the inquiry receiving unit 8 notifies the operator 43 that the failure has been registered, for example, by displaying it on the display unit 4 together with the failure number.
- the operator 43 operates the failure management unit 6, accesses the failure information DB 3, checks the content of the notified failure, and determines the level of the failure (step S91).
- the operator 43 registers the determined failure level in the failure information DB 3 as illustrated in FIG. 9B via the failure management unit 6 (step S92).
- C) The operator 43 determines the classification of the reported failure (step S93).
- D The operator 43 registers the fault classification in the fault information DB 3 as illustrated in FIG. 9 (b) via the fault management unit 6 (step S94).
- the failure detection unit 5 inquires about the field data stored in the field data DB 2, and uses the field data detected in a predetermined time zone as a reference when a failure occurs, that is, when the inquiry occurs. , Extract based on time. The same applies to external data.
- the field data acquisition time zone may be adjustable by the operation of the operator 43.
- the failure detection unit 5 displays the extracted field data and external data on the display unit 4 as in the “current field data” exemplified in FIG. 13 and presents them to the operator 43 (step S95). Further, the failure detection unit 5 obtains the feature data of the extracted field data, associates the field data and the feature data with the fault information, and registers the feature data in the fault information DB 3.
- (E) The operator 43 confirms the field data before the occurrence of the failure displayed on the display unit 4, and estimates the cause of the failure (step S96). Typically, the following processes (e-1), (e-2), and (e-3) can be considered.
- (E-1) Confirm the field data of the IoT device 9 that directly caused the failure when the failure occurred.
- E-2) Check the field data of other IoT devices 9 at the time of failure.
- (E-3) Check the external data acquired from the external data source 103 at the time of failure.
- the display unit 4 switches and displays the field data according to the operation of the operator 43, arranges or superimposes them, adjusts the time axis, and displays them in a contrastable manner.
- the operator 43 determines the cause of the failure for the reported failure (step S97).
- the operator 43 registers the cause of the determined failure for the registered failure via the failure management unit 6 (step S98).
- the operator 43 takes action on the reported failure (step S99).
- the operator 43 registers the content of the action for the failure in the failure management unit 6 (step S100).
- the fault management unit 6 registers the countermeasure contents of the fault for the registered fault (step S101).
- the failure sign detection unit 1 retrieves the field data and the external data (step S111). However, the timing of taking out is arbitrary. The failure sign detection unit 1 obtains the feature data of the extracted field data and the external data. (B) The failure sign detection unit 1 extracts the feature data of the field data at the time of the past failure occurrence from the failure information DB 3 (step S112).
- the failure sign detection unit 1 obtains the similarity between the newly obtained feature data and the feature data of the field data at the time of the past failure read from the failure information DB 3 by the similarity calculation.
- the failure sign detection unit 1 identifies feature data having a similarity equal to or higher than the standard. If there are too many, the top n (n is a natural number) feature data with high similarity are extracted.
- the failure sign detection unit 1 reads out the field data, external data, and failure information associated with the extracted feature data, sorts them in order of similarity, and forms a list.
- the failure sign detection unit 1 displays the created list as a list of failures with signs of occurrence on the display unit 4 and notifies the operator 43 (step S113).
- the operator 43 can sort or instruct the classification of the failure information posted in the displayed list based on the similarity, the level of the failure, the classification of the failure, the cause of the failure, and the like.
- the failure sign detection unit 1 sorts or classifies in response to an instruction and displays it on the display unit 4. Further, the operator 43 can selectively display only the field data, external data, failure information, etc. of a specific failure in the failure sign detection unit 1.
- the sign of failure occurrence is not only based on the similarity with the characteristic data at the time of failure occurrence in the past, but can also be obtained, for example, as follows.
- C-1 The failure sign detection unit 1 investigates the field data newly registered in the field data DB 2, determines whether or not there is any change in the abnormal data outside the reference range, and detects the abnormal change. If it is detected, the same fluctuation is used as the detection condition for the sign of failure.
- C-2 When analyzing the cause of the failure occurrence, identify one or more related field data. Next, the specificity is obtained for the specified one or more field data.
- the identification information and specificity of the specified one or more field data are registered in the failure information DB3.
- the specificity is obtained for each field data, and if the combination is similar to the combination of the pre-registered specificity, the detection of a sign of failure occurrence is notified. .. (C-3)
- the operator 43 analyzes the cause of the failure, the operator registers the conditions to be satisfied by the field data that occurs as a sign of the occurrence of the failure.
- the conditions to be satisfied in the field data are, for example, i) a combination of numerical values of a plurality of field data when a failure occurs, and ii) numerical values of a plurality of field data or changes thereof when a sign of a failure occurs. The order etc.
- the failure sign detection unit 1 determines whether or not the supplied field data satisfies the set condition, and when it is determined that the condition is satisfied, a failure occurs. Notify the occurrence.
- the failure sign detection unit 1 is composed of a machine learning device such as a neural network. Have the machine learning device learn the combination of field data at the time of failure and the combination of notified failures as a teacher. After the learning is completed, when new field data is supplied from the field base 101, the field data is supplied to the failure sign detection unit 1 to determine the presence or absence of a sign. It should be noted that this method also corresponds to one aspect of the method for obtaining the degree of similarity.
- the display unit 4 displays the failure information extracted by the failure sign detection unit 1 on the display unit 4, and presents the sign of the failure occurrence and the accompanying information to the operator 43 (step S114).
- the accompanying information is typically field data at the time when the sign of failure is detected, information on similar failures in the past, and the like. The details of the display information will be described later with reference to FIG. (E)
- the operator 43 confirms the failure sign and the accompanying information presented by the display unit 4 (step S115). The "cause of failure", “treatment of failure”, etc. included in the accompanying failure information will be helpful in deciding the action to be taken this time.
- step S121 the operator 43 confirms the content of the failure sign presented on the display unit 4
- step S122 the field data and the external data at the current time are displayed on the display unit 4 and provided to the operator 43 (step S122).
- the operator 43 confirms the field data, the external data, the failure information, and the like presented by the display unit 4, and determines whether or not the sign of the failure is actually occurring in the facility (step S123). Typically, the operator 43 performs the following three comparisons (b-1), (b-2) and (b-3).
- B-1) Compare the current field data with the field data at the time when a similar failure was reported to have occurred.
- B-2 Compare the current external data with the external data at the time when a similar failure was reported to have occurred.
- B-3) The correlation information between the current field data and the external data is compared with the correlation information between the field data and the external data at the time when a similar failure is reported to occur.
- FIG. 13 shows an example of a screen configuration displayed on the display unit 4 displayed in step S122, for example, when the failure sign detection unit 1 detects a sign of a service level failure.
- the display unit 4 shows time-series changes in various field data in the vicinity and numerical values representing the specificity of the field data from a certain period before the current time, and signs of failure detected in the past. Display the time series change of the field data and the numerical value representing the singularity of the field data at the time of detection or the time when the similar failure occurred in the past.
- the information to be displayed includes changes depending on the IoT device 9, the location of the facility, and the floor on which the IoT device 9 is placed, and is not limited to the time-series changes in the data.
- the numerical value representing specificity is a value calculated by combining field data, external data, and the like.
- the method for calculating the numerical value representing the specificity is arbitrary, but for example, as an example of the calculation method, there are also the methods shown in the following (a) to (d).
- (A) Calculate the moving average of the temporal fluctuation of various field data at each time.
- B) When there are N types of field data, the moving average of the field data is expressed as an element of an N-dimensional linear space.
- C Based on the time information at the time of the failure, the support vector machine is used to learn so that each point in the space can be separated according to the presence or absence of the failure.
- D For the field data at the current time, the certainty of the presence or absence of failure by the above support vector machine is calculated, and it is defined as a numerical value representing the specificity of the field data.
- the present embodiment it is possible to automatically detect a sign of a service level failure while maintaining the state in which the IoT device 9 and the facility are in operation. This makes it possible to accurately adjust the situation to a comfortable state.
- FIG. 1 is an example in which one field base 101 is provided, but a failure sign is caused by a plurality of field bases 101 and one center base 102 communicably connected to these field bases 101. It is also possible to configure the detection system 100.
- fluctuations in field data and external data are used as feature data, but other elements of data can also be used as feature data.
- the value of each data itself may be used as feature data. It may be characterized by the integrated value of each data, the correlation of the data, and the like.
- the field data includes m type data and the external data includes L type data
- the combination of the characteristic data of the failure that occurred in one field base 101 and the failure information data can be used as the data of the failure sign in another field base 101. That is, the data can be used mutually among the plurality of field bases 101.
- a set of feature data and failure information obtained at a plurality of field bases 101 is commonly registered in the failure information DB 3.
- the second field base 101b In, it is possible to notify that the possibility of a similar failure is increasing.
- the transmission frequency is arbitrary.
- the field data may be transmitted from the field base 101 to the center base 102 in real time.
- the failure sign detection unit 1 constantly, periodically, or periodically monitors the current field data, so that information related to one or more failures that are more likely to occur is increased. Can be notified in real time.
- a plurality of failures that may occur may be notified in the order of the degree of similarity obtained by the similarity calculation in the order of high probability or in the reverse order.
- the failure sign detection unit 1 uses the data included in the failure information as a key to determine the failure level, the failure classification, and the failure. Items may be sorted or classified according to the cause of the item.
- the failure sign detection unit 1 detects the sign of failure occurrence from the similarity of the characteristic data.
- the failure sign detection unit 1 may have another sign detection function in addition to the function of the sign detection based on the similarity, or separately from the function of the sign detection based on the similarity.
- the failure sign detection unit 1 determines whether a feature amount such as a value, a fluctuation value, or a correlation of one or a plurality of predetermined field data is within or outside the reference range, and when the feature amount is out of the reference range, a failure occurs. It may be notified that the sign of is detected. At this time, by associating the reference range with the failure information in advance, it is possible to refer to the past treatment method and the like.
- the failure detection unit 5 obtains specificity for each field data when new field data is supplied from the field base 101, and when the combination is similar to the combination of the pre-registered specificity, the failure detection unit 5 obtains the specificity. It may be notified that a sign of failure has been detected. In this case, when analyzing the cause of the failure, i) identify one or more related field data, ii) find the specificity of the identified one or more field data, and iii) identify one or more. The identification information and specificity of the plurality of field data may be registered in the failure information DB 3.
- the failure sign detection unit 1 determines whether or not the supplied field data satisfies the set condition, and when it is determined that the condition is satisfied or not satisfied, the failure sign detection unit 1 notifies the detection of the failure sign detection. good.
- the operator 43 analyzes the cause of the failure, the operator registers the conditions to be satisfied by the field data that occurs as a sign of the occurrence of the failure.
- the conditions to be satisfied in the field data are, for example, i) a combination of numerical values of a plurality of field data when a failure occurs, and ii) numerical values of a plurality of field data or changes thereof when a sign of a failure occurs. The order etc.
- the failure sign detection unit 1 may be configured from a machine learning device such as a neural network.
- the machine learning device is made to learn the combination of field data at the time of failure and the combination of notified failures as a teacher. After the learning is completed, when new field data is supplied from the field base 101, the field data is supplied to the failure sign detection unit 1 to determine the presence or absence of a sign.
- This method corresponds to one aspect of the method for obtaining similarity.
- the user proposes a service level failure that he / she feels uncomfortable in the facility, for example, a failure request such as a spot that is too hot and humid.
- a failure request such as a spot that is too hot and humid.
- 1 Failure sign detection unit 1 Field data DB, 3 Failure information DB, 4 Display unit, 5 Failure detection unit, 6 Failure management unit, 7 Data collection unit, 8 Inquiry reception unit, 9 IoT device, 9a Lighting device, 10 Monitoring Equipment, 10a field network communication function, 10b Internet communication function, 30, 32 communication network, 33 device gateway, 34 application gateway, 37, 38 communication terminal, 41 administrator, 42 user, 43 operator, 51 processor, 52 storage Department, 53 display unit, 54 input unit, 55 communication unit, 56 auxiliary storage unit, 100 failure sign detection system, 101 field base, 102 center base, 103 external data source.
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Computer Hardware Design (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
障害予兆検出システム(100)は、各IoTデバイス(9)のフィールドデータを収集して格納する第1格納部(2)と、施設の利用者(42)が感じるサービスの障害の報告に基づいて、フィールドデータの特徴データを求める特徴抽出部(5)と、障害発生時の特徴と利用者(42)が感じる障害内容とを関連付けて蓄積する第2格納部(3)と、第1格納部(2)に格納されているフィールドデータを監視し、第2格納部(3)に蓄積されている特徴データに合致する特徴データを検出したときに、その特徴データに関連付けられた障害が発生する予兆を検出したことを出力する障害予兆検出部(1)と、を備える。
Description
本開示は、障害予兆検出システム、障害予兆検出方法、及びプログラムに関する。
店舗、工場等の施設に、空調装置、照明装置、各種センサ等の多数のIoTデバイスを設置し、これらのIoTデバイスで収集したデータを用いて、利用者が快適に過ごせるように複数の装置を制御するサービスが存在する。
この種のサービスにおいて、サービスレベルの障害が発生することがある。サービスレベルの障害とは、利用者が、施設を利用する際に、不快に感じ、不満を感じ、或いは、不便であると感じる等、施設を利用することに関して何らかの不足を感じることを言う。具体例として、次のようなものがサービスレベルの障害と見做される。利用者が、i)自分のいるところが暑い、寒い、或いは、空気が淀んでいる、と感じること、ii)周囲がやかましくて集中できないと感じること、iii)エレベータを待っているのにいつまでも来ないと感じること、iv)照明が当たらずに薄暗いと感じること。サービスレベルの障害が発生することにより、施設の管理者に問い合わせ、苦情等が発生する可能性がある。
こうしたサービスレベルの障害の発生を抑えるためには、障害発生の予兆を検出し、その原因と対策方法を特定し、障害が発生する前に対策を実施することが望ましい。
上述した検出技術に関連して、特許文献1には、利用者が製品の不具合を通知したときに、原因と解決手段とを特定するシステムが提案されている。このシステムは、製品の不具合を知らせるスイッチを有し、利用者によるスイッチの押下を契機として、その直前の動作ログデータと既知の不具合原因のデータベースとを比較し、原因と対処内容を利用者に提示する。
特許文献1に開示されているシステムは、システム及び施設の利用者とシステムのオペレータとが同一である場合を想定している。このため、利用者とオペレータとが異なる施設に適用することは困難である。
また、特許文献1に開示されたシステムは、製品の不具合の原因と対処内容を特定して、表示するシステムであり、サービスレベルの障害に関するものではない。製品が正常であっても、サービスレベルの障害は発生しうる。従って、特許文献1に開示されたシステムは、サービスレベルの障害の発生を防げない。
さらに、引用文献1に開示されたシステムは、製品に障害が発生したことを利用者が認識してスイッチを操作することを契機として、原因と対策を特定して表示する。即ち、引用文献1に開示されたシステムは、障害が発生してから機能するシステムであり、障害発生の予兆を検出することはできない。
本開示は、上記実情に鑑みてなされたものであり、サービスレベルの障害の発生の予兆の検出を可能とすることを目的とする。
本開示に係る障害予兆検出システムは、複数のIoTデバイスを備えた施設で構成されるフィールド拠点の障害発生の予兆を検出する。障害予兆検出システムは、各IoTデバイスのフィールドデータを収集して格納する第1格納部と、施設の利用者が感じるサービスの障害の報告に基づいて、フィールドデータの特徴データを求める特徴抽出部と、障害発生時のフィールドデータの特徴データと利用者が感じる障害内容とを関連付けた障害情報とを蓄積する第2格納部と、第1の格納部に格納されているフィールドデータを監視し、第2格納部に蓄積されている特徴データに一致又は類似する、即ち、合致する特徴データを検出したときに、その特徴データに関連付けられた障害が発生する予兆を検出したことを出力する障害予兆検出部と、を備える。
この障害予兆検出システムによると、障害予兆検出部が、第1の格納部に格納されているフィールドデータと、同一又は類似の特徴を有するフィールドデータを第2格納部に検出したときに、障害が発生する予兆を検出したことを出力する。これにより、サービスレベルの障害の発生の予兆の検出が可能となる。
以下、本開示の実施の形態にかかる障害予兆検出システムと障害予兆検出方法を図面を参照して説明する。なお、以下の説明において、同様の構成要素については同一の符号を付す。
本実施の形態にかかる障害予兆検出システムは、施設のサービスレベルの障害の発生の予兆を、その施設に設置されている複数のIoTデバイスから収集したフィールドデータを用いて検出する。障害予兆検出システムは、予兆を検出すると、その原因と対策方向を施設の管理者に報知する。なお、IoTデバイスとは、インターネットに接続されている機器、装置、システム、センサなどのデバイスを言う。また、施設のサービスレベルとは、施設における、全体的なサービスの段階あるいは施設の利用者の満足度を意味する。さらに、サービスレベルの障害とは、利用者が不快、不満、不便、不安、不足、不都合などの否定的印象を感じる事態をいう。具体例を示すと、サービルレベルの障害が発生しているとは、利用者が、i)自分がいるところだけ暑い、寒い、或いは、空気が淀んでいる、と感じ、ii)周囲がやかましくて集中できないと感じ、iii)エレベータを待っているのにいつまでも来ないと感じ、iv)照明が当たらずに薄暗いと感じる、等の事態が発生することを意味する。
(障害予兆検出システム100全体の構成)
図1は、本実施の形態に係る障害予兆検出システム100の概略構成を示す。
障害予兆検出システム100は、IoTデバイスを運用及び管理するシステムの一種である。障害予兆検出システム100は、一つ又は複数のフィールド拠点101と、単一のセンター拠点102と、外部データソース103と、を備える。なお、図1では、フィールド拠点101を1つのみ図示している。
図1は、本実施の形態に係る障害予兆検出システム100の概略構成を示す。
障害予兆検出システム100は、IoTデバイスを運用及び管理するシステムの一種である。障害予兆検出システム100は、一つ又は複数のフィールド拠点101と、単一のセンター拠点102と、外部データソース103と、を備える。なお、図1では、フィールド拠点101を1つのみ図示している。
(フィールド拠点101の構成)
フィールド拠点101は、典型的には、家屋、ビル、工場、商業施設、運動施設等の施設と、この施設に設置された複数のIoTデバイス9を備えている。これらIoTデバイス9は、組み込まれたセンサなどの計測機器を介してフィールドデータを生成する機能を有する。複数のIoTデバイス9が協働して、全体として、施設の利用者42が快適に過ごすためのサービスを提供する。この全体的なサービスの段階あるいは利用者42の満足度が前述のサービスレベルである。サービスレベルを低下させるような障害、すなわち、利用者42が不快、不満、不便、不安、不足、不都合などの否定的印象を感じるという事態が、サービスレベルの障害に相当する。
フィールド拠点101は、典型的には、家屋、ビル、工場、商業施設、運動施設等の施設と、この施設に設置された複数のIoTデバイス9を備えている。これらIoTデバイス9は、組み込まれたセンサなどの計測機器を介してフィールドデータを生成する機能を有する。複数のIoTデバイス9が協働して、全体として、施設の利用者42が快適に過ごすためのサービスを提供する。この全体的なサービスの段階あるいは利用者42の満足度が前述のサービスレベルである。サービスレベルを低下させるような障害、すなわち、利用者42が不快、不満、不便、不安、不足、不都合などの否定的印象を感じるという事態が、サービスレベルの障害に相当する。
施設内には、IoTデバイス9に加え、IoTデバイス9が生成するフィールドデータを、通信ネットワーク(以下、ネットワーク)30を介してセンター拠点102のデータ収集部7に送信するモニタリング装置10が設置されている。
IoTデバイス9は、例えば、照明装置、エレベータ装置、エアコン装置(以下、単にエアコン)、監視カメラ装置、温度センサ、湿度センサ、騒音センサ、マイクロフォン等を含む。これら複数のIoTデバイス9の集合体は、施設内の環境を制御するIoT制御システム11を構成している。
各IoTデバイス9は、図2に示すように、フィールドデータを生成し、モニタリング装置10へ送信するためのフィールドネットワーク通信機能又はエリアネットワーク通信機能を備えている。フィールドネットワーク通信機能の実体は、Ethernet、CAN(Controller Area Network)、WiFi、Bluetooth、BLE(Bluetooth Low Energy)、ZigBee等の様々な通信機能により実現される。
具体例で説明すると、図2に例示するように、照明装置9aは、フィールドデータとして、例えば、光源に流れる電流の大きさを示す電流データ、光源への印加電圧を示す電圧データ、予め定められた位置の照度を示す照度データ等を出力する。また、エレベータ9bは、フィールドデータとして、例えば、運転状況を示す運転データ、かごの速度を示す速度データ、かごの振動の大きさを示す振動データ、駆動モータに流れる電流の大きさを示す電流データ、駆動モータに印加される電圧の大きさを示す電圧データ等を出力する。なお、各IoTデバイス9がどのようなフィールドデータを出力するかは、任意である。
なお、どのようなIoTデバイス9をどのような場所に設置するかは、任意である。
なお、どのようなIoTデバイス9をどのような場所に設置するかは、任意である。
各フィールドデータは、図3に例示するように、日時、フィールド拠点ID、デバイスID、換算値、単位、値の意味付け、等のデータ項目を有する。
「日時」は、そのデータが生成された日時であり、典型的にはタイムスタンプである。「フィールド拠点ID」は、IoTデバイス9が設置されているフィールド拠点101の一意な識別子である。
「デバイスID」は、このフィールドデータを生成したIoTデバイス9の一意な識別子である。「デバイスID」は、そのIDを調査することでIoTデバイス9の種類、例えば、エアコン、照明、監視カメラ等の別、形式名、製造番号が分かるように作成される。
「換算値」は、センサが計測したアナログ値をデジタル変換した後に、同データを特定の単位に換算した数値であり、例えば、電流の場合は単位「アンペア」に換算した値、電圧の場合は単位「ボルト」に換算した値、温度の場合は単位「摂氏」に換算した値、音量の場合は単位「デシベル」に換算した値である。
「単位」は、換算値の単位であり、アンペア「A」、ボルト「V」、摂氏「℃」、デシベル「dB」等である。
「値の意味付け」は、そのデータが持つ性質を、設置場所、計測方法などを組み合わせて表現する。なお、フィールドデータは、IoTデバイス9の施設内の設置場所、設置年月日、管理担当部署等の他の項目を含んでもよい。
「デバイスID」は、このフィールドデータを生成したIoTデバイス9の一意な識別子である。「デバイスID」は、そのIDを調査することでIoTデバイス9の種類、例えば、エアコン、照明、監視カメラ等の別、形式名、製造番号が分かるように作成される。
「換算値」は、センサが計測したアナログ値をデジタル変換した後に、同データを特定の単位に換算した数値であり、例えば、電流の場合は単位「アンペア」に換算した値、電圧の場合は単位「ボルト」に換算した値、温度の場合は単位「摂氏」に換算した値、音量の場合は単位「デシベル」に換算した値である。
「単位」は、換算値の単位であり、アンペア「A」、ボルト「V」、摂氏「℃」、デシベル「dB」等である。
「値の意味付け」は、そのデータが持つ性質を、設置場所、計測方法などを組み合わせて表現する。なお、フィールドデータは、IoTデバイス9の施設内の設置場所、設置年月日、管理担当部署等の他の項目を含んでもよい。
フィールドデータの具体例を図4(a)、(b)に示す。
図4(a)に示すフィールドデータは、エアコン、温度センサ等のIoTデバイス9が生成した温度データの一例である。また、図4(b)に示すフィールドデータは、音声解析機能を持つデバイスが生成した会話データの一例である。これらフィールドデータは、Web APIを介したデータの送受信で広く使用されるJSON(JavaScript Object Notation)形式で記述している。ただし、形式は任意である。本実施の形態では、XML形式などの機械的な解析が容易な形式であってもよい。
図4(a)に示すフィールドデータは、エアコン、温度センサ等のIoTデバイス9が生成した温度データの一例である。また、図4(b)に示すフィールドデータは、音声解析機能を持つデバイスが生成した会話データの一例である。これらフィールドデータは、Web APIを介したデータの送受信で広く使用されるJSON(JavaScript Object Notation)形式で記述している。ただし、形式は任意である。本実施の形態では、XML形式などの機械的な解析が容易な形式であってもよい。
図4(a)に示すフィールドデータの4行目の”device_id”において、DVEはDevice(デバイス)の略称、ACはAir Conditioner(エアコン)の略称、ZR232Cはエアコンの形式名、001462はエアコンの製造番号である。
また、図4(b)に示すフィールドデータの”device_id”において、VRはVoice Recognitionの略称、VR01Rは音声認識デバイスの形式名、00022は音声認識デバイスの製造番号である。また、”value”の”なんかこの辺り蒸し暑いよね”は、音声を認識して得られたテキストデータである。
図4(a)、(b)では、データをハイフンで繋げてデバイスIDとしているが、この形式に縛られるものではない。デバイスIDの形式は任意である。例えば、UUID(Universally Unique Identifier)v5を用いて、デバイスの種類、形式名、製造番号をハッシュ化する方法が考えられる。
図1及び図2に示すIoTデバイス9は、稼働中、連続的、定期的、或いは繰り返して、各種データを取得し内部メモリに記憶及び蓄積する。IoTデバイス9は、蓄積しているデータに基づいて、予め定められた周期でフィールドデータを生成し、モニタリング装置10に送信する。典型的には、各IoTデバイス9が、フィールドデータを生成及び送信する頻度は、1台あたり1日1回である。フィールドデータの生成と送信の頻度は、より少ない頻度あるいは、より大きい頻度のいずれにも変更できる。
モニタリング装置10は、例えば、エッジサーバと呼ばれるサーバ装置から構成される。図2に示すように、モニタリング装置10は、IoTデバイス9からフィールドデータを受信するためのフィールドネットワーク通信機能10aと、受信したフィールドデータをセンター拠点102に送信するためのインターネット通信機能10bを備える。インターネット通信機能は、Ethernet、光ファイバ、携帯回線網(3G/4G/5G)等、様々な通信規格に準拠した通信装置により実現される。本実施の形態では、モニタリング装置10は、インターネット、VPN(仮想プライベートネットワーク)等のネットワーク30によりセンター拠点102に接続されている。
フィールド拠点101の管理者41及び利用者42は、自己の通信端末37、38を用いて、インターネット等の通信ネットワーク(以下、ネットワーク)32を介して、センター拠点102の問い合わせ受け付け部8に情報を送信可能である。管理者41及び利用者42は、通信端末37、38を用いて、問い合わせ受け付け部8に、サービスレベルの障害の内容を、テキスト、音声等で登録できる。
(センター拠点102の構成)
図1に示すセンター拠点102は、サービスレベルの障害の発生の予兆を検出する障害予兆検出部1と、フィールドデータを格納するフィールドデータデータベース(以下、DB)2と、過去に実際に発生した障害の特徴データと障害情報の組みを蓄積する障害情報DB3と、データを表示する表示部4と、障害の発生の予兆を検出する障害検出部5と、障害情報DB3を管理する障害管理部6と、フィールド拠点101及び外部データソース103からデータを収集するデータ収集部7と、フィールド拠点101から問い合わせを受け付ける問い合わせ受け付け部8と、を備える。
図1に示すセンター拠点102は、サービスレベルの障害の発生の予兆を検出する障害予兆検出部1と、フィールドデータを格納するフィールドデータデータベース(以下、DB)2と、過去に実際に発生した障害の特徴データと障害情報の組みを蓄積する障害情報DB3と、データを表示する表示部4と、障害の発生の予兆を検出する障害検出部5と、障害情報DB3を管理する障害管理部6と、フィールド拠点101及び外部データソース103からデータを収集するデータ収集部7と、フィールド拠点101から問い合わせを受け付ける問い合わせ受け付け部8と、を備える。
フィールドデータDB2は、フィールド拠点101から送信されてきたフィールドデータを種類毎に時系列で記録及び格納する。フィールドデータDB2は、第1格納部の一例である。
障害検出部5は、管理者41又は利用者42からのサービスレベルの障害に関する問い合わせの内容に基づいて、フィールドデータDB2に格納されたフィールドデータを照会して、障害が発生したときのフィールドデータを特定し、そのフィールドデータの変動を特徴として特定し、特徴を示す特徴データを抽出する。なお、変動とは、例えば、固定又は可変の基準値からの変動、前回取得したフィールドデータの値からの変動、移動平均値からの変動等の、予め設定された変動を意味する。また、変動は、変動の符号付きの値でも絶対値でもよく、さらに、変動の方向、変動の傾向などでもよい。また、時間軸上或いは空間上の変動パターンなどでもよい。障害検出部5は、フィールドデータと抽出した特徴データとを互いに対応付けて組にして、障害情報DB3に登録する。障害検出部5は、特徴抽出部の一例である。
障害情報DB3は、障害検出部5が特定した障害発生時のフィールドデータと特徴データと利用者42が感じた障害内容等を含む障害情報を蓄積する。
障害情報は、図5に例示するように、障害番号、日時、フィールド拠点ID、障害の内容、障害のレベル、障害の分類、障害の原因、障害の処置、のデータ項目を含む。障害情報は、他データ項目を含んでも良い。なお、前述のように、障害情報は、問い合わせを受けたとき、換言すると、障害が発生時のフィールドデータとその特徴データと対応付けられている。障害情報DB3は、第2格納部の一例である。
障害情報は、図5に例示するように、障害番号、日時、フィールド拠点ID、障害の内容、障害のレベル、障害の分類、障害の原因、障害の処置、のデータ項目を含む。障害情報は、他データ項目を含んでも良い。なお、前述のように、障害情報は、問い合わせを受けたとき、換言すると、障害が発生時のフィールドデータとその特徴データと対応付けられている。障害情報DB3は、第2格納部の一例である。
「障害番号」は、障害情報を一意に識別するための英数字記号等を含む識別子であり、問い合わせ受け付け部8により自動的に採番される。
「日時」はその障害情報が問い合わせ受け付け部8に登録された日時であり、典型的にはISO 8601形式に従う。
「フィールド拠点ID」は、報告が行われたフィールド拠点101の一意な識別子であり、フィールドデータのフィールド拠点IDと同じものである。
「障害の内容」は、障害の発生状況及び内容についての、自然言語で記述された文書である。例えば、管理者41或いは利用者42が通信端末37,38が入力したテキスト列、或いは、管理者41或いは利用者42の音声を音声認識して得られたテキスト列である。
「障害のレベル」は、障害の緊急性の程度を幾つかの段階で表現したもので、障害の内容に応じて割り振る。「障害のレベル」は、選択式であり、選択肢は適時、追加、変更、削除できる。
「障害の分類」は、騒音、蒸し暑さ、光量、待ち時間など障害の種類を、障害の内容に応じて割り振る。「障害の分類」は、選択式であり、選択肢は適時、追加、変更、削除できる。
「障害の原因」は、障害が発生した要因を表記したものであり、障害の調査後に登録される、自然言語で記述された文書である。
「障害の処置」は、障害を解決するために実施した対策を、障害の処置後に登録される、自然言語で記述された文書である。
「日時」はその障害情報が問い合わせ受け付け部8に登録された日時であり、典型的にはISO 8601形式に従う。
「フィールド拠点ID」は、報告が行われたフィールド拠点101の一意な識別子であり、フィールドデータのフィールド拠点IDと同じものである。
「障害の内容」は、障害の発生状況及び内容についての、自然言語で記述された文書である。例えば、管理者41或いは利用者42が通信端末37,38が入力したテキスト列、或いは、管理者41或いは利用者42の音声を音声認識して得られたテキスト列である。
「障害のレベル」は、障害の緊急性の程度を幾つかの段階で表現したもので、障害の内容に応じて割り振る。「障害のレベル」は、選択式であり、選択肢は適時、追加、変更、削除できる。
「障害の分類」は、騒音、蒸し暑さ、光量、待ち時間など障害の種類を、障害の内容に応じて割り振る。「障害の分類」は、選択式であり、選択肢は適時、追加、変更、削除できる。
「障害の原因」は、障害が発生した要因を表記したものであり、障害の調査後に登録される、自然言語で記述された文書である。
「障害の処置」は、障害を解決するために実施した対策を、障害の処置後に登録される、自然言語で記述された文書である。
「障害番号」は、問い合わせ受け付け部8により自動的に採番される。「日時」、「フィールド拠点ID」、「障害の内容」については、利用者42、管理者41,運用者43のいずれが登録してもよい。「障害のレベル」、「障害の分類」、「障害の原因」、「障害の処置」、は、運用者により、登録される。ただし、これらに限定されるものではない。
障害情報のうち、「障害番号」、「日時」、「フィールド拠点ID」、及び「障害の内容」は、管理者41の通信端末37又は利用者42の通信端末38から障害の発生が報知されたときに、問い合わせ受け付け部8により登録される。一方、「障害のレベル」、「障害の分類」、「障害の原因」、「障害の処置」は、センター拠点102の運用者43により障害管理部6により登録される。なお、必要に応じて、運用者43が障害管理部6を介してデータ間の対応付けを調整してもよい。
また、図5に示す、情報の「形式」は一例であり、限定されるものではない。
また、図5に示す、情報の「形式」は一例であり、限定されるものではない。
図1に示す障害予兆検出部1は、フィールドデータDB2に格納されたフィールドデータと障害情報DB3に蓄積された特徴データとから障害発生の予兆を検出する。より具体的に説明すると、障害予兆検出部1は、フィールドデータDB2に格納されたフィールドデータの変動を検出して、フィールドデータの特徴を求める。障害予兆検出部1は、求めた特徴が、障害情報DB3に蓄積されている特徴データが示す特徴、即ち、実際に障害が報告された時間帯におけるフィールドデータの特徴のいずれかに一致する或いは類似する(以下、まとめて合致と呼ぶ)か否かを基準に基づいて判別する。障害予兆検出部1は、合致する1又は複数の特徴を特定すると、特定した特徴に対応付けられているフィールドデータと障害情報を障害情報DB3から抽出し、例えば、類似度が高い順に、順位、類似度、障害情報、フィールドデータとを、例えば、リスト化する。具体的に説明すると、障害予兆検出部1は、フィールドデータDB2に格納されたフィールドデータの変動を検出して、フィールドデータの特徴データを求める。障害予兆検出部1は、求めた特徴データと、障害情報DB3に蓄積されている複数の特徴データそれぞれとの類似度を類似度計算を行って求める。障害予兆検出部1は、類似度が基準より高い特徴データを特定し、特定した特徴データに対応付けられている障害情報とフィールドデータを抽出し、例えば、類似度が高い順にリスト化する。なお、類似度が基準よりも高い特售データが存在しないことは、障害発生の予兆がないことを意味する。また、基準以上の類似度を有する特徴データが複数特定された場合に、予め定められた数の特徴データに絞り込むようにしてもよい。
表示部4は、液晶表示装置、エレクトロルミネッセンス表示装置から構成され、障害予兆検出部1に接続され、障害予兆検出部1が抽出した1又は複数の障害情報を予兆として運用者43に通知する。具体的には、表示部4は、障害予兆検出部1が生成したリストを表示して、予兆を報知する。また、表示部4は、運用者43の操作に従って、選択された障害情報の詳細、関連する特徴データ、フィールドデータ群等を、例えば、図13に例示するように表示する。
障害管理部6は、運用者43の操作に従って、障害情報のうちの障害のレベル、障害の分類、障害の原因、障害の処置等の情報を障害情報DB3に登録する。また、障害管理部6は、運用者43の操作に従って、登録されている障害情報を編集する。障害管理部6は、運用者43による障害情報DB3へのその他の処理を実行してもよい。
データ収集部7は、フィールド拠点101に設置されたモニタリング装置10から送信されて来るフィールドデータを受信する。また、データ収集部7は、外部データソース103から外部データを収集する。データ収集部7は、受信したフィールドデータ及び収集した外部データを、フィールドデータDB2に格納する。
データ収集部7は、典型的には常駐型のデーモンプログラムにより実現される。このデーモンプログラムは、フィールド拠点101のモニタリング装置10が送信してくるフィールドデータを受信するための通信APIを備えている。API(Application program interface)は、一つの機能に特化したプログラムで共有化が可能なもの、または、ソフトウェアの機能を共有する仕組みである。データ収集部7は、収集したフィールドデータをフィールドデータDB2に登録する。
障害検出部5、障害管理部6、データ収集部7は、WEBアプリケーションが実現されており、使用者はブラウザを用いて各部を操作できる。
問い合わせ受け付け部8は、利用者42が施設内で感じたサービスレベルの障害についての問い合わせ、あるいは利用者42又は管理者41からの施設の動作不良の問い合わせ、クレーム、連絡等を受け付ける。問い合わせ受け付け部8は、問い合わせに応答し、障害番号を採番し、障害情報DB3に障害情報として格納する。問い合わせ受け付け部8は、利用者42又は管理者41が通信端末38,37から送信してきたテキストを障害の内容を示す情報として障害情報DB3に登録する。問い合わせ受け付け部8は、音声認識機能を備えてもよい。この場合、問い合わせ受け付け部8は、利用者42又は管理者41の音声をテキストに変換して、障害の内容を示す情報として障害情報DB3に登録できる。
外部データソース103は、施設外のデータソースである。例えば、外部データは、施設周辺の天気予報の情報から取得された天気、気温、湿度といった気象情報、交通情報等を含む。例えば、商業施設では、天気が雨で外気の湿度が高い状態であれば室内の湿度を下げることでユーザ満足度を高めることが可能となる。
外部データソース103に蓄積される外部データは、管理の対象の施設の種類、地域によって異なり、例えば、寒い地域では積雪量などの情報が蓄積される。ここで、寒い地域では雪、雪雲等の影響で電波が届きにくくなり、データの送受信ができなくなる場合がある。この状況で、積雪によって対象施設である工場に張り巡らせたネットワークで断線が発生した際、工場内のFA機器の状態だけからその原因にたどり着くことは困難となる。この場合に、外部データとして、積雪量に関するデータを取得することにより、断線の原因を把握することが可能となる。
さらに、監視対象のフィールド拠点101でこれまでに発生した障害と原因によっては、より多くのデータソースを監視することが望ましい場合がある。例えば、クラウドサービスの障害情報を外部データソース103にさらに蓄積させることにより、障害の原因がクラウドサービスにあるのか積雪にあるのか、自社が提供しているサービスにあるのかを切り分けることができるようになる。このため、利用者42からの問い合わせに対するより正確で迅速な対応が可能となる。
センター拠点102は、データ収集部7と、フィールド拠点101のモニタリング装置10との間に、フィールド拠点101からフィールドデータを受信するためのゲートウェイであるデバイスゲートウェイ33を備える。
デバイスゲートウェイ33は、典型的にはネットワーク30経由で送られてくる暗号化された通信パケットを受け付ける。デバイスゲートウェイ33は、受信した通信パケットの暗号を解除した後、平文の通信パケットをデータ収集部7に提供する。
さらに、センター拠点102は、問い合わせ受け付け部8と、フィールド拠点101の管理者41が使用する通信端末37及び利用者42が使用する通信端末38との間に、アプリケーションゲートウェイ34を備える。アプリケーションゲートウェイ34は、通信端末37,38と通信する。通信端末37,38は、例えば、コンピュータ、スマートホン、タブレット端末などから構成される。
問い合わせ受け付け部8は、アプリケーションゲートウェイ34を介して、サービスレベルの障害に関する問い合わせ或いは苦情を含む情報を受信する。
アプリケーションゲートウェイ34は、典型的にはネットワーク32を経由して通信端末37,38から送られてくる暗号化された通信パケットを受け付け、同通信パケットの暗号化を解除した後、平文の通信パケットを問い合わせ受け付け部8に提供する。
上記構成を有するセンター拠点102は、ハードウエア的には、例えば、図6に示すように、プロセッサ51、記憶部52、表示部53、入力部54、通信部55、補助記憶部56を備えるコンピュータから構成される。
プロセッサ51は、記憶部52に記憶された動作プログラムを実行する。
記憶部52は、ROM(Read Only Memory),RAM(Random Access Memory)等を備え、プロセッサ51が実行するプログラム、実行に必要な固定データ等を記憶する。また、記憶部52は、プロセッサ51のワークエリアとして機能する。
プロセッサ51は、記憶部52に記憶された動作プログラムを実行する。
記憶部52は、ROM(Read Only Memory),RAM(Random Access Memory)等を備え、プロセッサ51が実行するプログラム、実行に必要な固定データ等を記憶する。また、記憶部52は、プロセッサ51のワークエリアとして機能する。
表示部53は、図1に示す表示部4として機能する。
入力部54は、キーボード、マウスなどを備え、運用者43により操作され、データを入力する。
通信部55は、フィールド拠点101のモニタリング装置10とデバイスゲートウェイ33を介して通信し、外部データソースと103と通信し、さらに、通信端末37,38と通信する。
補助記憶部56は、フラッシュメモリ装置、ハードディスク装置等の記憶装置から構成され、フィールドデータDB2と障害情報DB3として機能する。
入力部54は、キーボード、マウスなどを備え、運用者43により操作され、データを入力する。
通信部55は、フィールド拠点101のモニタリング装置10とデバイスゲートウェイ33を介して通信し、外部データソースと103と通信し、さらに、通信端末37,38と通信する。
補助記憶部56は、フラッシュメモリ装置、ハードディスク装置等の記憶装置から構成され、フィールドデータDB2と障害情報DB3として機能する。
図1に示す障害予兆検出部1、障害検出部5,障害管理部6,データ収集部7、問い合わせ受け付け部8は、プロセッサ51が、記憶部52に記憶されている動作プログラムを実行することにより実現される。
上記構成を有する障害予兆検出システム100の動作を説明する。
障害予兆検出システム100によるサービスレベルの障害の予兆の検出は、大きく分けて図7(a)に示す学習フェーズと、図7(b)に示す予兆検出フェーズの2つのフェーズによりなされる。
障害予兆検出システム100によるサービスレベルの障害の予兆の検出は、大きく分けて図7(a)に示す学習フェーズと、図7(b)に示す予兆検出フェーズの2つのフェーズによりなされる。
(1)学習フェーズ
センター拠点102は、フィールドデータDB2に、フィールド拠点101から供給されるフィールドデータを格納する。図7(a)に示すように、管理者41又は利用者42はサービスレベルの障害を感じた場合にそれをセンター拠点102に問い合わせる。なお、管理者41又は利用者42はサービスレベルの障害についての通知、連絡、苦情等を含めて、サービスレベルの障害についての問い合わせと呼ぶこととする。問い合わせは障害発生の報告として機能する。問い合わせ受け付け部8は、問い合わせに応答して、障害番号を採番し、日時を特定し、障害の内容を特定する。問い合わせ受け付け部8は、障害番号、日時等の障害情報の一部を障害情報DB3に登録する。
センター拠点102は、フィールドデータDB2に、フィールド拠点101から供給されるフィールドデータを格納する。図7(a)に示すように、管理者41又は利用者42はサービスレベルの障害を感じた場合にそれをセンター拠点102に問い合わせる。なお、管理者41又は利用者42はサービスレベルの障害についての通知、連絡、苦情等を含めて、サービスレベルの障害についての問い合わせと呼ぶこととする。問い合わせは障害発生の報告として機能する。問い合わせ受け付け部8は、問い合わせに応答して、障害番号を採番し、日時を特定し、障害の内容を特定する。問い合わせ受け付け部8は、障害番号、日時等の障害情報の一部を障害情報DB3に登録する。
問い合わせは、問い合わせ受け付け部8から、例えば、表示部4を介して運用者にも通知される。これにより、運用者43は、サービスレベルの障害が発生したことを検知する。運用者43は、まず、障害検出部5により、フィールドデータDB2に格納されているフィールドデータを分析し、サービスレベルの障害が発生する直前あるいは前後の時間帯におけるフィールドデータの変動を検出して特徴データを求める。障害検出部5は、フィールドデータと求めた特徴データを障害情報DB3に障害番号をキーに障害情報に対応付けて格納する。なお、逐一は言及しないが、外部データソース103から取得した外部データもフィールドデータと同様に取り扱われる。
運用者43は、障害を分析し、対処が必要な場合、必要な対処を行う。運用者43は、障害に対処した後、障害のレベル、分類、原因、処置などの情報を障害管理部6により、障害情報DB3に追加で登録する。
このような動作を繰り返すことにより、障害情報DB3には、実際に発生したサービスレベルの障害について、フィールドデータと特徴データと障害情報との組が徐々に蓄積されていく。
(2)予兆検出フェーズ
センター拠点102は、例えば、新たなフィールドデータ或いは外部データがフィールドデータDB2に格納される度に、障害発生の予兆が生じているか否かを判別する。具体的には、センター拠点102は、フィールドデータDB2に格納されたフィールドデータと外部データとから特徴データを生成する。次に、センター拠点102は、今回生成した特徴データと、障害情報DB3に登録されている複数の特徴データそれぞれとの類似度を類似度計算により求める。センター拠点102は、今回生成した特徴データに合致する特徴データが障害情報DB3に登録されているか否かを判別する。なお、類似度計算の手法は、最小二乗法など、任意の手法でよい。センター拠点102は、例えば、求めた類似度が基準以上の特徴データを合致している特徴データと判定する。なお、合致する特徴データが存在しない場合には、予兆は存在しない。合致する特徴データが複数存在する場合には、類似度に基づいて、予め設定された数に絞り込んでもよい。
センター拠点102は、例えば、新たなフィールドデータ或いは外部データがフィールドデータDB2に格納される度に、障害発生の予兆が生じているか否かを判別する。具体的には、センター拠点102は、フィールドデータDB2に格納されたフィールドデータと外部データとから特徴データを生成する。次に、センター拠点102は、今回生成した特徴データと、障害情報DB3に登録されている複数の特徴データそれぞれとの類似度を類似度計算により求める。センター拠点102は、今回生成した特徴データに合致する特徴データが障害情報DB3に登録されているか否かを判別する。なお、類似度計算の手法は、最小二乗法など、任意の手法でよい。センター拠点102は、例えば、求めた類似度が基準以上の特徴データを合致している特徴データと判定する。なお、合致する特徴データが存在しない場合には、予兆は存在しない。合致する特徴データが複数存在する場合には、類似度に基づいて、予め設定された数に絞り込んでもよい。
センター拠点102は、合致する特徴データが障害情報DB3に登録されていると判別した場合、合致すると判別した特徴データに対応付けられているフィールドデータ、障害情報を抽出し、類似度順にリスト化して、表示部4に表示し、運用者43に報知する。運用者43は、報知された障害とその対処方向とに従って、分析を行い必要な事前対応を行い、障害の発生を未然に防ぐ。
ここで生成された特徴データ、フィールドデータ、障害情報は、障害情報DB3に登録され、以後の予兆の検出に利用される。即ち、予兆検出フェーズは、学習フェーズとしての機能を有する。このように、学習フェーズと予兆検出フェーズは、並行して実行される。ただし、以下の説明では、理解を容易にするため、学習フェーズと予兆検出フェーズが順番に実行されるように説明する。
次に、上述の処理手順の詳細を図8~図13を参照して説明する。
(1) 学習フェーズ
問い合わせ処理
(a) 利用者42は、施設に入館して、施設の利用を開始する(図8:ステップS81)。ここで、利用者42が、ある程度の期間に亘って継続して、何らかの不快或いは不便を感じることがある。一例として、利用者42が、ある時間帯に、蒸し暑いと感じたとする。
問い合わせ処理
(a) 利用者42は、施設に入館して、施設の利用を開始する(図8:ステップS81)。ここで、利用者42が、ある程度の期間に亘って継続して、何らかの不快或いは不便を感じることがある。一例として、利用者42が、ある時間帯に、蒸し暑いと感じたとする。
(b) 利用者42は、数時間、蒸し暑さを経験した後に、フロア全体が蒸し暑く、施設の利用に支障が出ていることを、不快を感じるサービスレベルの障害として管理者41に伝達する(ステップS82)。この伝達は、電話等、口頭で行われてもよいし、電子メール等、文面で行われてもよい。
(c) 管理者41は、利用者42の苦情、換言すると、サービスレベルの障害を確認して、その苦情に対して対応する必要があると判断する(ステップS83)。
(d) 管理者41は、自身の通信端末37で問い合わせ受け付け部8にアクセスして、障害の内容に関する情報を、例えば、テキストで登録する(ステップS84)。なお、利用者42が自身の通信端末38を用いて問い合わせ受け付け部8に直接問い合わせることも可能である。
(e) 問い合わせ受け付け部8は、障害番号を採番し、日付を特定し、フィールド拠点IDと登録された障害の内容を含む障害情報を、障害情報DB3に登録する(ステップS85)。なお、障害の内容が電子データが送信されてきた場合には、問い合わせ受け付け部8は、それを障害情報DB3に登録する。また、障害の内容が音声で連絡されてきた場合には、問い合わせ受け付け部8は、音声をテキストデータに変換して障害情報DB3に登録する。
(c) 管理者41は、利用者42の苦情、換言すると、サービスレベルの障害を確認して、その苦情に対して対応する必要があると判断する(ステップS83)。
(d) 管理者41は、自身の通信端末37で問い合わせ受け付け部8にアクセスして、障害の内容に関する情報を、例えば、テキストで登録する(ステップS84)。なお、利用者42が自身の通信端末38を用いて問い合わせ受け付け部8に直接問い合わせることも可能である。
(e) 問い合わせ受け付け部8は、障害番号を採番し、日付を特定し、フィールド拠点IDと登録された障害の内容を含む障害情報を、障害情報DB3に登録する(ステップS85)。なお、障害の内容が電子データが送信されてきた場合には、問い合わせ受け付け部8は、それを障害情報DB3に登録する。また、障害の内容が音声で連絡されてきた場合には、問い合わせ受け付け部8は、音声をテキストデータに変換して障害情報DB3に登録する。
図9(a)は、問い合わせ受け付け部8が障害情報DB3に登録する障害情報の例を示す。図9(a)に示すように、問い合わせ受け付け部8は、「障害番号」のエントリに採番した障害番号を、「日時」のエントリに障害の報告を受けた日時を、「フィールド拠点ID」のエントリに障害の報告を受けたフィールド拠点101の識別情報を登録する。また、「障害の内容」のエントリに、管理者41又は利用者42からの苦情の情報を、文章で記入する。それ以外の情報は、運用者43によって、障害の分析及び対処後に記入されるまで空白である。
(障害を分析し、処置する手順)
次に、報告されたサービスレベルの障害を分析し、処置する際の手順を、図10を参照して説明する。
次に、報告されたサービスレベルの障害を分析し、処置する際の手順を、図10を参照して説明する。
問い合わせ受け付け部8は、障害の登録があったことを、障害番号と共に、例えば、表示部4に表示することにより、運用者43に通知する。
(a) 運用者43は、障害管理部6を操作して、障害情報DB3にアクセスして、通知された障害の内容をチェックし、障害のレベルを決定する(ステップS91)。
(b) 運用者43は、障害管理部6を介して、決定した障害のレベルを、図9(b)に例示するように障害情報DB3に登録する(ステップS92)。
(c) 運用者43は、報告された障害の分類を決定する(ステップS93)。
(d) 運用者43は、障害管理部6を介して、障害の分類を、図9(b)に例示するように障害情報DB3に登録する(ステップS94)。
(f) 障害検出部5は、フィールドデータDB2に格納されているフィールドデータを照会し、障害の発生時、即ち、問い合わせの発生時を基準として、予め定められた時間帯に検出したフィールドデータを、時刻に基づいて抽出する。外部データについても同様である。なお、運用者43の操作でフィールドデータの取得時間帯を調整可能としてもよい。障害検出部5は、抽出した、フィールドデータと外部データを図13に例示する「現時点のフィールドデータ」のように表示部4に表示して運用者43に提示する(ステップS95)。また、障害検出部5は、抽出したフィールドデータの特徴データを求め、フィールドデータ及び特徴データを障害情報と対応付けて、障害情報DB3に登録する。
(a) 運用者43は、障害管理部6を操作して、障害情報DB3にアクセスして、通知された障害の内容をチェックし、障害のレベルを決定する(ステップS91)。
(b) 運用者43は、障害管理部6を介して、決定した障害のレベルを、図9(b)に例示するように障害情報DB3に登録する(ステップS92)。
(c) 運用者43は、報告された障害の分類を決定する(ステップS93)。
(d) 運用者43は、障害管理部6を介して、障害の分類を、図9(b)に例示するように障害情報DB3に登録する(ステップS94)。
(f) 障害検出部5は、フィールドデータDB2に格納されているフィールドデータを照会し、障害の発生時、即ち、問い合わせの発生時を基準として、予め定められた時間帯に検出したフィールドデータを、時刻に基づいて抽出する。外部データについても同様である。なお、運用者43の操作でフィールドデータの取得時間帯を調整可能としてもよい。障害検出部5は、抽出した、フィールドデータと外部データを図13に例示する「現時点のフィールドデータ」のように表示部4に表示して運用者43に提示する(ステップS95)。また、障害検出部5は、抽出したフィールドデータの特徴データを求め、フィールドデータ及び特徴データを障害情報と対応付けて、障害情報DB3に登録する。
(e) 運用者43は、表示部4に表示された障害の発生前のフィールドデータを確認し、障害の原因を推測する(ステップS96)。典型的には、次の(e-1)、(e-2)、及び(e-3)の処理が考えられる。
(e-1) 障害発生時の障害の直接要因になったIoTデバイス9のフィールドデータを確認する。
(e-2) 障害発生時のその他のIoTデバイス9のフィールドデータを確認する。
(e-3) 障害発生時の外部データソース103から取得した外部データを確認する。
なお、表示部4は、運用者43の操作に従って、フィールドデータを切り替えて表示し、また、並べて或いは重畳して、時間軸を調整する等して、対比可能に表示する。
(e-1) 障害発生時の障害の直接要因になったIoTデバイス9のフィールドデータを確認する。
(e-2) 障害発生時のその他のIoTデバイス9のフィールドデータを確認する。
(e-3) 障害発生時の外部データソース103から取得した外部データを確認する。
なお、表示部4は、運用者43の操作に従って、フィールドデータを切り替えて表示し、また、並べて或いは重畳して、時間軸を調整する等して、対比可能に表示する。
(g) 運用者43は、報告された障害に対し、障害の原因を決定する(ステップS97)。
(h) 運用者43は、障害管理部6を介して、登録済みの障害に対し決定した障害の原因を登録する(ステップS98)。
(i) 運用者43は報告された障害に対する処置を行う(ステップS99)。
(j) 運用者43は、障害に対する処置の内容を障害管理部6に登録する(ステップS100)。
(k) 障害管理部6は、登録済みの障害に対し障害の処置内容を登録する(ステップS101)。
(h) 運用者43は、障害管理部6を介して、登録済みの障害に対し決定した障害の原因を登録する(ステップS98)。
(i) 運用者43は報告された障害に対する処置を行う(ステップS99)。
(j) 運用者43は、障害に対する処置の内容を障害管理部6に登録する(ステップS100)。
(k) 障害管理部6は、登録済みの障害に対し障害の処置内容を登録する(ステップS101)。
このようにして、障害情報DB3に、図9(b)に示すように、障害のレベル、障害の分類、障害の原因、障害の処理の情報が追加で登録され、障害情報が完成する。
(障害発生の予兆を検出する手順)
次に、障害予兆検出部1によりサービスレベルの障害発生の予兆を検出する手順を、図11を参照して説明する。
この処理は、例えば、フィールドデータDB2に新たなフィールドデータ又は外部データが格納される度に実行される。
次に、障害予兆検出部1によりサービスレベルの障害発生の予兆を検出する手順を、図11を参照して説明する。
この処理は、例えば、フィールドデータDB2に新たなフィールドデータ又は外部データが格納される度に実行される。
(a) 障害予兆検出部1は、例えば、フィールドデータDB2に新たなフィールドデータ或いは外部データが格納されると、フィールドデータと外部データを取り出す(ステップS111)。ただし、取り出すタイミングは任意である。障害予兆検出部1は、取り出したフィールドデータと外部データの特徴データを求める。
(b) 障害予兆検出部1は、障害情報DB3から、過去の障害発生時のフィールドデータの特徴データを取り出す(ステップS112)。
(b) 障害予兆検出部1は、障害情報DB3から、過去の障害発生時のフィールドデータの特徴データを取り出す(ステップS112)。
(c) 障害予兆検出部1は、新たに求められた特徴データと、障害情報DB3から読み出した過去の障害発生時のフィールドデータの特徴データとの類似度を類似度計算により求める。障害予兆検出部1は、類似度が基準以上の特徴データを特定する。多すぎる場合いは、類似度が高いもの上位n(nは自然数)個の特徴データを抽出する。障害予兆検出部1は、抽出した特徴データに対応付けられているフィールドデータ、外部データ、障害情報を読み出し、類似度順にソートして、リストを形成する。障害予兆検出部1は、作成したリストを、発生の兆候がある障害のリストとして、表示部4に表示して運用者43に報知する(ステップS113)。
運用者43は、表示されたリストに掲載された障害情報を、類似度、障害のレベル、障害の分類、障害の原因などをキーにソート又は分類を指示することができる。障害予兆検出部1は、指示に応答して、ソート又は分類し、表示部4に表示する。また、運用者43は、障害予兆検出部1は、特定の障害のフィールドデータ、外部データ、障害情報等のみを選択的に表示させることもできる。
障害発生の兆候は、過去の障害発生時の特徴データとの類似度に基づくだけでなく、例えば、以下のようにして求めることもできる。
(c-1) 障害予兆検出部1は、フィールドデータDB2に新たに登録されたフィールドデータを調査して、基準範囲の外にある異常なデータの変動がないかを判別し、異常な変動を検出した場合は、同変動を障害予兆の検出条件とする。
(c-2) 障害発生の原因を分析した際に、関係する1又は複数のフィールドデータを特定する。次に、特定した1又は複数のフィールドデータについて、特異度を求める。特定した1又は複数のフィールドデータの識別情報と特異度とを障害情報DB3に登録しておく。フィールド拠点101から新たなフィールドデータが供給されたときに、各フィールドデータについて特異度を求め、その組み合わせが予め登録されている特異度の組み合わせに類似する場合、障害発生の予兆の検出を通知する。
(c-3) 運用者43が、障害の原因を分析した際に、障害発生の兆候として起こるフィールドデータが満たすべき条件を登録する。フィールドデータの満たすべき条件とは、例えば、i)障害が発生する際の、複数のフィールドデータの数値の組み合わせ、ii)障害の予兆が発生する際の、複数のフィールドデータの数値又はその変化とその順番等である。フィールド拠点101から新たなフィールドデータが供給されたときに、障害予兆検出部1は、供給されたフィールドデータが設定されている条件を満たすか否かを判別し、満たすと判別したときに、障害発生を通知する。
(c-4) 障害予兆検出部1を、ニューラルネットワーク等の機械学習装置から構成する。機械学習装置に障害発生時のフィールドデータの組み合わせと通知された障害の組み合わせを教師として学習させる。学習完了後、フィールド拠点101から新たなフィールドデータが供給されたときに、フィールドデータを障害予兆検出部1に供給して、予兆の有無を判別させる。なお、この手法は類似度を求める手法の一態様にも相当する。
(c-1) 障害予兆検出部1は、フィールドデータDB2に新たに登録されたフィールドデータを調査して、基準範囲の外にある異常なデータの変動がないかを判別し、異常な変動を検出した場合は、同変動を障害予兆の検出条件とする。
(c-2) 障害発生の原因を分析した際に、関係する1又は複数のフィールドデータを特定する。次に、特定した1又は複数のフィールドデータについて、特異度を求める。特定した1又は複数のフィールドデータの識別情報と特異度とを障害情報DB3に登録しておく。フィールド拠点101から新たなフィールドデータが供給されたときに、各フィールドデータについて特異度を求め、その組み合わせが予め登録されている特異度の組み合わせに類似する場合、障害発生の予兆の検出を通知する。
(c-3) 運用者43が、障害の原因を分析した際に、障害発生の兆候として起こるフィールドデータが満たすべき条件を登録する。フィールドデータの満たすべき条件とは、例えば、i)障害が発生する際の、複数のフィールドデータの数値の組み合わせ、ii)障害の予兆が発生する際の、複数のフィールドデータの数値又はその変化とその順番等である。フィールド拠点101から新たなフィールドデータが供給されたときに、障害予兆検出部1は、供給されたフィールドデータが設定されている条件を満たすか否かを判別し、満たすと判別したときに、障害発生を通知する。
(c-4) 障害予兆検出部1を、ニューラルネットワーク等の機械学習装置から構成する。機械学習装置に障害発生時のフィールドデータの組み合わせと通知された障害の組み合わせを教師として学習させる。学習完了後、フィールド拠点101から新たなフィールドデータが供給されたときに、フィールドデータを障害予兆検出部1に供給して、予兆の有無を判別させる。なお、この手法は類似度を求める手法の一態様にも相当する。
(d) 表示部4は、障害予兆検出部1が抽出した障害情報を表示部4に表示して、障害発生の兆候と付随する情報を運用者43に提示する(ステップS114)。付随する情報とは、典型的には障害兆候を検知した時刻でのフィールドデータ、過去の類似した障害の情報等である。なお、表示情報の詳細については、図13を参照して後述する。
(e) 運用者43は、表示部4が提示する障害兆候と付随する情報を確認する(ステップS115)。付随する障害情報に含まれる「障害の原因」、「障害の処置」等は、今回施すべき処置を決定する上で参考となる。
(e) 運用者43は、表示部4が提示する障害兆候と付随する情報を確認する(ステップS115)。付随する障害情報に含まれる「障害の原因」、「障害の処置」等は、今回施すべき処置を決定する上で参考となる。
(障害兆候に対して事前対応する手順)
障害予兆検出部1が提示したサービスレベルの障害発生の兆候に対して、運用者43が、対応する手順の一例を、図12を参照して説明する。
なお、図12に示す対応手順は、例えば、図11に示す予兆提示手順で障害予兆が表示部4に表示されてから実行される。
障害予兆検出部1が提示したサービスレベルの障害発生の兆候に対して、運用者43が、対応する手順の一例を、図12を参照して説明する。
なお、図12に示す対応手順は、例えば、図11に示す予兆提示手順で障害予兆が表示部4に表示されてから実行される。
(a) まず、運用者43は表示部4に提示された障害兆候の内容を確認する(ステップS121)。
(c) 次に、現在時刻におけるフィールドデータと外部データとを表示部4に表示して、運用者43に提供する(ステップS122)。
(c) 次に、現在時刻におけるフィールドデータと外部データとを表示部4に表示して、運用者43に提供する(ステップS122)。
(b) 運用者43は、表示部4が提示するフィールドデータ及び外部データ、障害情報等を確認し、障害発生の兆候が実際に施設で発生しているかどうかを判断する(ステップS123)。
典型的には、運用者43は、次の(b-1)、(b-2)及び(b-3)の3つの比較を実行する。
(b-1) 現在のフィールドデータを、類似する障害が発生したと報告された時刻におけるフィールドデータと比較する。
(b-2) 現在の外部データを、類似する障害が発生したと報告された時刻における外部データと比較する。
(b-3) 現在のフィールドデータと外部データ同士の相関情報を、類似する障害が発生したと報告された時刻におけるフィールドデータと外部データ同士の相関情報を比較する。
典型的には、運用者43は、次の(b-1)、(b-2)及び(b-3)の3つの比較を実行する。
(b-1) 現在のフィールドデータを、類似する障害が発生したと報告された時刻におけるフィールドデータと比較する。
(b-2) 現在の外部データを、類似する障害が発生したと報告された時刻における外部データと比較する。
(b-3) 現在のフィールドデータと外部データ同士の相関情報を、類似する障害が発生したと報告された時刻におけるフィールドデータと外部データ同士の相関情報を比較する。
(d) 運用者43は、上述したような検討手法により、提示された障害予兆が対応或いは対策すべきものと判断した場合、抽出された障害情報に基づいて、管理者41に発生の予兆が検出された障害とその障害の事前対応方法を報告する(ステップS124)。
(e) 管理者41は、運用者43が報告した障害の事前対応方法を元に障害の事前対応を実施する(ステップS125)。
(e) 管理者41は、運用者43が報告した障害の事前対応方法を元に障害の事前対応を実施する(ステップS125)。
図13は、障害予兆検出部1がサービスレベルの障害の兆候を検出した際に、例えば、ステップS122で表示する表示部4に表示する画面構成の例を示している。図13に示すように、表示部4は、現在時点より一定期間前からの周辺の各種フィールドデータ及びフィールドデータの特異度を表す数値の時系列変化と、過去に検出された障害発生の兆候が検出された時点又は過去の類似障害が発生した時刻でのフィールドデータ及びフィールドデータの特異度を表す数値の時系列変化を表示する。
尚、表示する情報は、IoTデバイス9、施設の位置、IoTデバイス9を配置するフロアによる変化も含み、データの時系列変化に限るものではない。
特異度を表す数値とは、フィールドデータ、外部データ等を組み合わせて計算する値である。特異度を表す数値の計算方法は、任意であるが、たとえば、計算方法の一例として、次の(a)~(d)に示す手法もある。
(a) 各時刻に各種フィールドデータの時間的な変動の移動平均を計算する。
(b) フィールドデータの種類がN個であったとき、フィールドデータの移動平均をN次元の線形空間の元として表現する。
(c) 障害発生時の時刻情報を元にサポートベクターマシンにより空間内の各点を障害の有無により分離できるよう学習する。
(d) 現在時刻におけるフィールドデータに対し、上記サポートベクターマシンによる障害の有無の確からしさを計算し、フィールドデータの特異度を表す数値と定義する。
(a) 各時刻に各種フィールドデータの時間的な変動の移動平均を計算する。
(b) フィールドデータの種類がN個であったとき、フィールドデータの移動平均をN次元の線形空間の元として表現する。
(c) 障害発生時の時刻情報を元にサポートベクターマシンにより空間内の各点を障害の有無により分離できるよう学習する。
(d) 現在時刻におけるフィールドデータに対し、上記サポートベクターマシンによる障害の有無の確からしさを計算し、フィールドデータの特異度を表す数値と定義する。
以上説明したように、本実施の形態によると、IoTデバイス9及び施設を稼働させた状態を維持しつつ、自動的にサービスレベルの障害発生の予兆を検出することができる。これにより、状況を的確に快適な状態へ調整することが可能となる。
(その他の実施の形態)
図1の実施の形態は、一つのフィールド拠点101を備えた例であるが、複数のフィールド拠点101と、これらのフィールド拠点101と通信可能に接続される一つのセンター拠点102とにより、障害予兆検出システム100を構成することも可能である。
図1の実施の形態は、一つのフィールド拠点101を備えた例であるが、複数のフィールド拠点101と、これらのフィールド拠点101と通信可能に接続される一つのセンター拠点102とにより、障害予兆検出システム100を構成することも可能である。
上記実施の形態においては、フィールドデータと外部データの変動を特徴データとして使用したが、データの他の要素を特徴データとして使用することも可能である。例えば、各データの値そのものを特徴データといて使用してもよい。各データの積分値、データの相関関係などを特徴としてもよい。
なお、フィールドデータがm種のデータ、外部データがL種のデータを含んでいる場合に、全てのデータを使用して特徴データを定義する必要はなく、一部のデータ、例えば、任意のn種(m+L>n)のデータのみを用いて、特徴データとしてもよい。さらに、データ間に異なる重みを付けて特徴データとして使用してもよい。
また、あるフィールド拠点101で発生した障害の特徴データと障害情報ータとの組み合わせを、他のフィールド拠点101における障害予兆のデータとして利用することができる。すなわち、複数のフィールド拠点101相互で、データを互いに利用できる。この場合、例えば、複数のフィールド拠点101で得られた特徴データと障害情報の組みを障害情報DB3に共通に登録する。これにより、例えば、第1のフィールド拠点101aで発生した障害の特徴データと同一又は類似の特徴データが、第2のフィールド拠点101bからのフィールドデータから得られたときに、第2のフィールド拠点101bにおいて、同様の障害が発生する可能性が高まっていることを報知できる。
上記実施の形態においては、フィールド拠点101からセンター拠点102にフィールドデータ1日1回のペースで送信する例を示したが、送信頻度は任意である。例えば、フィールドデータをリアルタイムでフィールド拠点101からセンター拠点102に送信してもよい。このようにすると、例えば、障害予兆検出部1が、現在のフィールドデータを常時、定期的、或いは周期的に監視することにより、発生する可能性が高まっている1又は複数の障害と関連する情報をリアルタイムで報知できる。この場合も、類似度計算により求められた類似度の順に、発生する可能性がある複数の障害を可能性の高い順に或いは逆順に複数報知するようにしてもよい。
また、障害予兆検出部1は、発生する可能性がある障害をリストアップ形式で表示部4に表示する際、障害情報に含まれるデータをキーとして用いて、障害のレベル、障害の分類、障害の原因の観点で項目をソートあるいは分類して表示してもよい。
上記実施の形態においては、外部データソース103からの外部データを使用する例を示したが、外部データソースを使用しなくてもよい。
障害予兆検出部1が、特徴データの類似度から障害発生の予兆を検出する例を主に説明した。ただし、これに限られない。例えば、障害予兆検出部1が、類似度に基づく予兆検出の機能に加えて、或いは、類似度に基づく予兆検出の機能とは別に、他の予兆検出機能を備えてもよい。
例えば、障害予兆検出部1は、1又は複数の予め定められたフィールドデータの値、変動値、相関などの特徴量が、基準範囲内か範囲外を判別し、基準範囲外のときに障害発生の予兆を検出したことを報知するようにしてもよい。このとき、基準範囲と障害情報とを予め対応付けておくことにより、過去の処置方法等を参考にすることも可能となる。
例えば、障害予兆検出部1は、1又は複数の予め定められたフィールドデータの値、変動値、相関などの特徴量が、基準範囲内か範囲外を判別し、基準範囲外のときに障害発生の予兆を検出したことを報知するようにしてもよい。このとき、基準範囲と障害情報とを予め対応付けておくことにより、過去の処置方法等を参考にすることも可能となる。
また、障害検出部5は、フィールド拠点101から新たなフィールドデータが供給されたときに、各フィールドデータについて特異度を求め、その組み合わせが予め登録されている特異度の組み合わせに類似する場合に、障害発生の予兆を検出したことを報知するようにしてもよい。この場合、障害発生の原因を分析した際に、i)関係する1又は複数のフィールドデータを特定し、ii)特定した1又は複数のフィールドデータについて、特異度を求め、iii)特定した1又は複数のフィールドデータの識別情報と特異度とを障害情報DB3に登録しておけばよい。
障害予兆検出部1が、供給されたフィールドデータが設定されている条件を満たすか否かを判別し、満たす或いは満たさないと判別したときに、障害発生の予兆の検出を通知するようにしてもよい。この場合、運用者43が、障害の原因を分析した際に、障害発生の兆候として起こるフィールドデータが満たすべき条件を登録する。フィールドデータの満たすべき条件とは、例えば、i)障害が発生する際の、複数のフィールドデータの数値の組み合わせ、ii)障害の予兆が発生する際の、複数のフィールドデータの数値又はその変化とその順番等である。
前述したように、障害予兆検出部1を、ニューラルネットワーク等の機械学習装置から構成してもよい。この場合、機械学習装置に障害発生時のフィールドデータの組み合わせと通知された障害の組み合わせを教師として学習させる。学習完了後、フィールド拠点101から新たなフィールドデータが供給されたときに、フィールドデータを障害予兆検出部1に供給して、予兆の有無を判別させる。この手法は類似度を求める手法の一態様に相当する。
なお、発生する可能性の高い障害、即ち、障害発生の予兆を自動的に検出する例を説明した。この開示は、これに限定されず、予兆の検出自体は、運用者43が行い、運用者43が参照するデータ類を記憶、調整及び提供するだけのシステムとしてもよい。
以上、本開示の実施の形態を説明したが、例として提示したものであり、開示の範囲を限定することは意図していない。上述した実施の形態は、その他の様々な形態で実施されることが可能であり、開示の要旨を逸脱しない範囲で、種々の省略、置き換え、変更を行うことができる。これら実施形態及びその変形例は、開示の範囲に含まれると同様に、特許請求の範囲に記載された開示とその均等の範囲に含まれるものである。
以上詳述したように、本開示に係る障害予兆検出システムによれば、利用者は施設内で不快と感じるサービスレベルの障害の申し出、たとえば、スポット的に蒸し暑過ぎる箇所がある等の障害の申し出をすることにより、IoTデバイス及び施設を稼働させた状態を維持しつつ、自動的に素早くその障害予兆を検出し、的確に快適な状態へ調整することが可能となる。
1 障害予兆検出部、2 フィールドデータDB、3 障害情報DB、4 表示部、5 障害検出部、6 障害管理部、7 データ収集部、8 問い合わせ受け付け部、9 IoTデバイス、9a 照明装置、10 モニタリング装置、10a フィールドネットワーク通信機能、10b インターネット通信機能、30、32 通信ネットワーク、33 デバイスゲートウェイ、34 アプリケーションゲートウェイ、37、38 通信端末、41 管理者、42 利用者、43 運用者、51 プロセッサ、52 記憶部、53 表示部、54 入力部、55 通信部、56 補助記憶部、100 障害予兆検出システム、101 フィールド拠点、102 センター拠点、103 外部データソース。
Claims (11)
- 複数のIoTデバイスを備えた施設で構成されるフィールド拠点での障害発生の予兆を検出する障害予兆検出システムであって、
各IoTデバイスのフィールドデータを収集して格納する第1格納部と、
前記施設の利用者が感じるサービスの障害の報告に基づいて、前記フィールドデータの特徴データを求める特徴抽出部と、
前記障害発生時の前記フィールドデータの特徴データと利用者が感じる障害内容とを関連付けた障害情報とを蓄積する第2格納部と、
前記第1の格納部に格納されているフィールドデータを監視し、前記第2格納部に蓄積されている特徴データに合致する特徴データを検出したときに、その特徴データに関連付けられた障害が発生する予兆を検出したことを出力する障害予兆検出部と、
を備えた障害予兆検出システム。 - 前記フィールド拠点とは別箇所に、前記フィールド拠点とネットワークを介して接続されるセンター拠点を設置しており、
前記センター拠点内に、前記第1格納部、前記特徴抽出部、前記第2格納部、及び前記障害予兆検出部を備えている、請求項1に記載の障害予兆検出システム。 - 利用者から送られてきた障害に関する報告の内容に、障害のレベル、障害の分類、障害の原因の少なくとも1つを含む障害情報を付加して、前記第2格納部に登録する手段を備える、請求項1又は2に記載の障害予兆検出システム。
- 前記障害予兆検出部は、前記第1格納部に格納されたフィールドデータを監視し、基準を超える変動を検出した場合は、障害発生の予兆を検出したことを出力する、請求項1から3のいずれか1項に記載の障害予兆検出システム。
- 前記障害予兆検出部は、あるフィールド拠点で報告された障害の内容と、その報告の時間帯に検出したフィールドデータの特徴データを、別のフィールド拠点に適用して、同様の特徴データが得られるフィールドデータの有無を判別し、障害予兆がないかを確認する、請求項1から4のいずれか1項に記載の障害予兆検出システム。
- 前記障害予兆検出部は、報告があった際のフィールドデータの特徴データと現在のフィールドデータの特徴データとの類似度を求め、類似度に基づいて、発生する可能性が高まっている障害をリアルタイムに報知する、請求項1から5のいずれか1項に記載の障害予兆検出システム。
- 前記障害予兆検出部は、報告があった際のフィールドデータの特徴データと現在のフィールドデータの特徴データとの類似度を求め、類似度に基づいて、発生する可能性が高まっている障害を発生の可能性の順にリストアップして報知する、請求項1から6のいずれか1項に記載の障害予兆検出システム。
- 前記障害予兆検出部は、発生する可能性が高まっている障害をリストアップする際、予め登録された障害のレベル或いは障害の分類或いは障害の原因の観点から、リストする障害或いは項目をソートあるいは分類する、請求項7に記載の障害予兆検出システム。
- 前記センター拠点はデータ収集部を備えており、
前記データ収集部は、複数の前記フィールド拠点からフィールドデータを収集することに加えて、外部データソースから外部データを収集する、請求項2から7のいずれか1項に記載の障害予兆検出システム。 - 複数のIoTデバイスからフィールドデータを収集し、
収集したフィールドデータ内に、サービスの障害の発生の予兆を示すデータを検出し、
検出したデータに基づいて、サービスの障害の予兆の検出を出力する、
障害予兆検出方法。 - コンピュータに、
複数のIoTデバイスからフィールドデータを収集する処理、
収集したフィールドデータ内に、サービスの障害の発生の予兆を示すデータを検出する処理、
検出したデータに基づいて、サービスの障害の発生の可能性を示す情報を出力する処理、
を実行させるプログラム。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2022555042A JP7399309B2 (ja) | 2020-10-07 | 2020-10-07 | 障害予兆検出システム、障害予兆検出方法、及びプログラム |
PCT/JP2020/038061 WO2022074777A1 (ja) | 2020-10-07 | 2020-10-07 | 障害予兆検出システム、障害予兆検出方法、及びプログラム |
US18/044,469 US20230325271A1 (en) | 2020-10-07 | 2020-10-07 | Failure symptom detection system, failure symptom detection method, and recording medium |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP2020/038061 WO2022074777A1 (ja) | 2020-10-07 | 2020-10-07 | 障害予兆検出システム、障害予兆検出方法、及びプログラム |
Publications (1)
Publication Number | Publication Date |
---|---|
WO2022074777A1 true WO2022074777A1 (ja) | 2022-04-14 |
Family
ID=81125780
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
PCT/JP2020/038061 WO2022074777A1 (ja) | 2020-10-07 | 2020-10-07 | 障害予兆検出システム、障害予兆検出方法、及びプログラム |
Country Status (3)
Country | Link |
---|---|
US (1) | US20230325271A1 (ja) |
JP (1) | JP7399309B2 (ja) |
WO (1) | WO2022074777A1 (ja) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3966648A1 (de) * | 2019-05-09 | 2022-03-16 | Dürr Systems AG | Analyseverfahren und vorrichtungen hierzu |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH06314181A (ja) * | 1993-04-28 | 1994-11-08 | Hitachi Ltd | 複数ディスプレイによる対話型制御システムとその制御方法 |
JP2015103218A (ja) * | 2013-11-28 | 2015-06-04 | 株式会社日立製作所 | プラントの診断装置及び診断方法 |
JP2019113970A (ja) * | 2017-12-22 | 2019-07-11 | Jfeスチール株式会社 | プロセスの状態診断方法及び状態診断装置 |
US20200159203A1 (en) * | 2018-11-21 | 2020-05-21 | Sap Se | Predicting leading indicators of an event |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20160146389A (ko) * | 2015-06-12 | 2016-12-21 | 삼성전자주식회사 | 댁 내 기기를 제어하는 방법 및 이를 위한 장치 |
US10223906B2 (en) * | 2017-01-23 | 2019-03-05 | Florida Power & Light Company | Open neutral detection |
US11215376B2 (en) * | 2017-07-21 | 2022-01-04 | Carrier Corporation | Integrated environmental control for shared locations |
-
2020
- 2020-10-07 US US18/044,469 patent/US20230325271A1/en active Pending
- 2020-10-07 WO PCT/JP2020/038061 patent/WO2022074777A1/ja active Application Filing
- 2020-10-07 JP JP2022555042A patent/JP7399309B2/ja active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH06314181A (ja) * | 1993-04-28 | 1994-11-08 | Hitachi Ltd | 複数ディスプレイによる対話型制御システムとその制御方法 |
JP2015103218A (ja) * | 2013-11-28 | 2015-06-04 | 株式会社日立製作所 | プラントの診断装置及び診断方法 |
JP2019113970A (ja) * | 2017-12-22 | 2019-07-11 | Jfeスチール株式会社 | プロセスの状態診断方法及び状態診断装置 |
US20200159203A1 (en) * | 2018-11-21 | 2020-05-21 | Sap Se | Predicting leading indicators of an event |
Also Published As
Publication number | Publication date |
---|---|
US20230325271A1 (en) | 2023-10-12 |
JPWO2022074777A1 (ja) | 2022-04-14 |
JP7399309B2 (ja) | 2023-12-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105424395A (zh) | 设备故障的确定方法和装置 | |
US7912586B2 (en) | Integrated management system and method using enhanced remote communication protocol for controlling multi-type air conditioners | |
RU2008102140A (ru) | Система и способ централизованого мониторинга и управления режимом работы силовых трансформаторов, установленных на разных подстанциях и в центрах мониторинга | |
WO2016039109A1 (ja) | 通知装置、出力装置、情報通知システム、および通知装置の制御方法 | |
WO2022074777A1 (ja) | 障害予兆検出システム、障害予兆検出方法、及びプログラム | |
CN111953563A (zh) | 用户识别的方法、装置、设备及计算机存储介质 | |
KR102022010B1 (ko) | Iot 기반 건물 및 시설물 통합 관리 플랫폼 장치 및 그 방법 | |
JPWO2016147298A1 (ja) | 推薦装置、推薦決定方法、およびコンピュータプログラム | |
KR101610886B1 (ko) | 빅데이터에 기초하는 개인 상태 진단 방법 및 개인 상태 진단 시스템 | |
JP4310648B2 (ja) | 設備環境データ分析システムおよび設備環境データ分析方法 | |
CN111598280A (zh) | 一种设备报修方法和装置 | |
WO2021186692A1 (ja) | Ai制御装置、ai制御装置に接続されるサーバー装置、及びai制御方法 | |
KR20220085226A (ko) | 사물인터넷 기반 유동인구 분석 시스템 및 방법 | |
WO2019003331A1 (ja) | 機器保守支援システム、機器保守支援装置、及び、機器保守支援プログラム | |
TWI693490B (zh) | 工業物聯網系統及其資料處理裝置 | |
KR20210041954A (ko) | 작업환경정보와 작업자 생체정보의 수집 및 분석을 통한 유해 환경 알림 서비스 제공 시스템 및 방법 | |
EP4235047A1 (en) | Air conditioning system | |
WO2022005407A1 (en) | Odor detecting and monitoring system and the method thereof | |
WO2018222140A1 (en) | Method and apparatus for deriving and/or controlling individual comfort parameters | |
KR20190070728A (ko) | 시계열 데이터의 에러를 확인하는 방법 및 장치 | |
JPWO2018225192A1 (ja) | データ名称分類支援装置及びデータ名称分類支援プログラム | |
US10797980B2 (en) | Information notifying apparatus | |
US20240028025A1 (en) | Predictive monitoring system for monitoring equipment in a commercial operating environment | |
KR20190110847A (ko) | 구조물 모니터링을 위한 통합 미들웨어 시스템 | |
US20210352424A1 (en) | Confirming Accessory Functionality |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
121 | Ep: the epo has been informed by wipo that ep was designated in this application |
Ref document number: 20956725 Country of ref document: EP Kind code of ref document: A1 |
|
ENP | Entry into the national phase |
Ref document number: 2022555042 Country of ref document: JP Kind code of ref document: A |
|
NENP | Non-entry into the national phase |
Ref country code: DE |
|
122 | Ep: pct application non-entry in european phase |
Ref document number: 20956725 Country of ref document: EP Kind code of ref document: A1 |