本發(fā)明涉及根據(jù)設(shè)置在升降機、工廠裝置、機床等的控制系統(tǒng)中的傳感器取得的值來估計發(fā)生異常的時刻的技術(shù)。

背景技術(shù)：

在如核電站那樣的大規(guī)模的工廠設(shè)備和升降機、機床等的控制系統(tǒng)中設(shè)置傳感器，根據(jù)傳感器取得的信號檢測異常。另外，公開有如下的技術(shù)：由于發(fā)生異常的信號的影響，有時其它信號也發(fā)生異常，因而根據(jù)檢測出異常的信號來估計作為異常原因的異常原因信號。

例如，在專利文獻1中，根據(jù)信號間的物理性因果關(guān)系，抽取在發(fā)生異常時異常傳播的信號的順序即傳播路徑并預(yù)先列表化。根據(jù)作為異常而檢測出的信號從列表中抽取傳播路徑，將位于抽取出的傳播路徑的開頭的信號估計為異常原因信號。

另外，在專利文獻2的半導(dǎo)體制造裝置中，在作為異常而檢測出多個信號的情況下，對檢測出的信號附加優(yōu)先順位。附加優(yōu)先順位是按照預(yù)先設(shè)定的重要度從高到低的順序、檢測時刻的順序或者發(fā)生頻度的順序，對作為異常而檢測出的多個信號附加順位。

現(xiàn)有技術(shù)文獻

專利文獻

專利文獻1：日本特開平10-020925號公報

專利文獻2：日本特開平11-184589號公報

技術(shù)實現(xiàn)要素：

發(fā)明要解決的問題

但是，根據(jù)控制系統(tǒng)，從發(fā)生異常到檢測出異常的時間有時按照每個信號而不同，存在異常傳播的信號被先檢測到，成為異常原因的信號被后檢測到的情況。在這種情況下，在專利文獻1、2中，存在有可能誤判定異常原因信號這樣的問題。

本發(fā)明正是為了解決如上所述的問題而完成的，其目的在于，得到更準確地求出信號開始顯示出異常的時刻的信息處理裝置。

用于解決問題的手段

本發(fā)明的信息處理裝置具有：設(shè)定部，其根據(jù)上限值和下限值設(shè)定表示由時間序列信號構(gòu)成的監(jiān)視對象數(shù)據(jù)的正常值范圍的正常區(qū)域；判定部，其判定監(jiān)視對象數(shù)據(jù)是否偏離正常區(qū)域，在判定為偏離時輸出監(jiān)視對象數(shù)據(jù)偏離正常區(qū)域的時刻即判定時刻；以及檢測部，其根據(jù)已知的監(jiān)視對象數(shù)據(jù)中的由正常值的信號構(gòu)成的多個學習數(shù)據(jù)的平均值與監(jiān)視對象數(shù)據(jù)之差即偏離度，檢測比從判定部輸入的判定時刻靠前且監(jiān)視對象數(shù)據(jù)開始顯示出異常的開始時刻。

發(fā)明效果

根據(jù)本發(fā)明，能夠更準確地求出信號開始顯示出異常的時刻。

附圖說明

圖1是示出實施方式1的信息處理裝置的結(jié)構(gòu)的框圖。

圖2是實施方式1的描繪學習數(shù)據(jù)而成的曲線圖。

圖3是示出實施方式1的根據(jù)學習數(shù)據(jù)定義正常區(qū)域的例子的圖。

圖4是示出實施方式1的設(shè)定部生成帶模型的處理的流程的流程圖。

圖5是示出實施方式1的監(jiān)視對象數(shù)據(jù)偏離正常區(qū)域的例子的曲線圖。

圖6是示出實施方式1的監(jiān)視對象數(shù)據(jù)開始偏離平均狀態(tài)的時刻的曲線圖。

圖7是示出實施方式1的偏離度d(t)的例子的曲線圖。

圖8是示出實施方式1的監(jiān)視對象數(shù)據(jù)的正常區(qū)域的例子的曲線圖。

圖9是示出實施方式1的固定寬度的帶模型的例子的曲線圖。

圖10是示出實施方式2的信息處理裝置的結(jié)構(gòu)的框圖。

圖11是示出實施方式2的信息處理系統(tǒng)的結(jié)構(gòu)例的圖。

圖12是示出實施方式3的信息處理裝置的結(jié)構(gòu)的框圖。

圖13是示出實施方式3的顯示部顯示的畫面的例子的圖。

圖14是示出實施方式1的信息處理裝置的硬件結(jié)構(gòu)的框圖。

具體實施方式

實施方式1

圖1是示出實施方式1的信息處理裝置101的結(jié)構(gòu)的框圖。作為從監(jiān)視對象的系統(tǒng)收集數(shù)據(jù)的單元的例子，還一并記載有數(shù)據(jù)收集管理裝置102的結(jié)構(gòu)例和監(jiān)視對象103。數(shù)據(jù)收集管理裝置102管理經(jīng)由傳感器網(wǎng)絡(luò)111從監(jiān)視對象103收集數(shù)據(jù)而成的數(shù)據(jù)。

作為異常開始時刻估計裝置的信息處理裝置101由第1輸入部104、設(shè)定部105、第2輸入部106、判定部107以及檢測部108構(gòu)成。另外，第1輸入部104和第2輸入部106也可以由一個輸入部實現(xiàn)。

數(shù)據(jù)收集管理裝置102例如由正常值學習數(shù)據(jù)庫(以下稱作正常值學習db)109和監(jiān)視對象數(shù)據(jù)庫(以下稱作監(jiān)視對象db)110構(gòu)成。作為其它的結(jié)構(gòu)例，也可以將正常值學習db和監(jiān)視對象db統(tǒng)一成一個db進行管理，分散到3個以上的db(database：數(shù)據(jù)庫)進行管理，不以數(shù)據(jù)庫形式而以文件形式進行管理。

正常值學習db109將監(jiān)視對象數(shù)據(jù)中正常的已知數(shù)據(jù)作為學習數(shù)據(jù)進行保存。正常值學習db109追加由本發(fā)明的信息處理裝置判定為正常的監(jiān)視對象數(shù)據(jù)作為學習數(shù)據(jù)。也可以保存過去的監(jiān)視對象數(shù)據(jù)中利用已有方法判定為正常的數(shù)據(jù)作為學習數(shù)據(jù)。特別是在導(dǎo)入本發(fā)明的信息處理裝置時等，由于不存在由本發(fā)明的信息處理裝置判定為正常的監(jiān)視對象數(shù)據(jù)，因而，正常值學習db109保存利用已有方法判定為正常的數(shù)據(jù)作為學習數(shù)據(jù)即可。關(guān)于已有方法，例如可以將監(jiān)視對象的控制系統(tǒng)具有的上限值以下且下限值以上的范圍判定為正常，也可以由人判斷。

另外，正常值學習db109也可以保存在最初指定的期間內(nèi)利用已有方法判定為正常的數(shù)據(jù)作為學習數(shù)據(jù)，然后追加由本發(fā)明的信息處理裝置判定為正常的數(shù)據(jù)作為學習數(shù)據(jù)。

正常值學習db109也可以將舊的數(shù)據(jù)刪除。例如，在監(jiān)視對象的系統(tǒng)的設(shè)備被更新而舊的數(shù)據(jù)不再需要的情況下，正常值學習db109將舊的數(shù)據(jù)刪除。并且，也可以在學習數(shù)據(jù)的容量增多至必要程度以上的情況下進行刪除。

另外，也可以在監(jiān)視對象的系統(tǒng)等除了數(shù)據(jù)收集管理裝置102以外的部位，設(shè)置保持被判定為正常的數(shù)據(jù)的數(shù)據(jù)服務(wù)器，正常值學習db109不保存數(shù)據(jù)本身，而保存針對數(shù)據(jù)服務(wù)器保持的數(shù)據(jù)的索引。

監(jiān)視對象103例如是升降機、工廠裝置、機床等的控制系統(tǒng)，具有傳感器。監(jiān)視對象103可以將一個以上的控制系統(tǒng)連接或者分散而構(gòu)成。并且，監(jiān)視對象103也可以是不與傳感器網(wǎng)絡(luò)111連接，而直接與數(shù)據(jù)收集管理裝置102連接的結(jié)構(gòu)。

下面，對監(jiān)視對象103與數(shù)據(jù)收集管理裝置102之間的處理進行說明。

將由監(jiān)視對象103的傳感器取得的信號的集合通過傳感器網(wǎng)絡(luò)111持續(xù)地或者斷續(xù)地輸入到數(shù)據(jù)收集管理裝置101。信號數(shù)據(jù)是由監(jiān)視對象103的傳感器取得的信號的集合，是時間序列數(shù)據(jù)。在此，數(shù)據(jù)收集管理裝置102也可以將輸入到監(jiān)視對象db110的信號數(shù)據(jù)輸入到正常值學習db109。并且，數(shù)據(jù)收集管理裝置102也可以將輸入到正常值學習db109的信號數(shù)據(jù)輸入到監(jiān)視對象db110。

下面，對數(shù)據(jù)收集管理裝置102與信息處理裝置101之間的處理進行說明。

數(shù)據(jù)收集管理裝置102從正常值學習db109輸出作為檢測異常時的正常值基準的信號數(shù)據(jù)，并輸入到信息處理裝置101的輸入部104。數(shù)據(jù)收集管理裝置102從監(jiān)視對象db110輸出估計異常的有無和異常的開始時刻的信號數(shù)據(jù)，并輸入到信息處理裝置101的輸入部106。

下面，說明構(gòu)成信息處理裝置101的各功能的概要。

輸入部104對從數(shù)據(jù)收集管理裝置102的正常值學習db109輸入的信號數(shù)據(jù)進行變換和整形，并輸出到設(shè)定部105。設(shè)定部105設(shè)定由判定部107判定異常時的信號數(shù)據(jù)的正常值范圍即正常區(qū)域。輸入部106對從監(jiān)視對象db110輸入的信號數(shù)據(jù)進行變換和整形，并輸出到判定部107。

判定部107判定從輸入部106輸入的信號數(shù)據(jù)是否偏離從設(shè)定部105輸入的正常區(qū)域。檢測部108在由判定部107判定為偏離正常區(qū)域的信號數(shù)據(jù)中，檢測在偏離正常區(qū)域之前開始的、開始顯示出與正常時不同的狀態(tài)的開始時刻。

輸入部106對從監(jiān)視對象db110輸入的信號數(shù)據(jù)進行變換和整形，并輸出到判定部107。信號數(shù)據(jù)的變換例如是變換信號數(shù)據(jù)的格式的處理。作為信號數(shù)據(jù)的格式變換的例子，有將信號數(shù)據(jù)的形式變換成既定的數(shù)據(jù)格式的處理。在信號數(shù)據(jù)的形式按照監(jiān)視對象103的系統(tǒng)而不同的情況下，進行信號數(shù)據(jù)的格式變換，以便使信息處理裝置101的各功能正常動作。另外，作為信號數(shù)據(jù)的格式變換的例子，有以處理高速化為目的的信號數(shù)據(jù)的采樣處理和信號數(shù)據(jù)中不必要期間的信號的刪除。

關(guān)于信號數(shù)據(jù)的整形，例如有在輸入的信號數(shù)據(jù)有一個以上的情況下在某種條件下對信號數(shù)據(jù)進行分類、聚集的處理。作為信號數(shù)據(jù)的分類、聚集的例子，有對于輸入的多個信號數(shù)據(jù)，在控制系統(tǒng)的設(shè)定、外部大氣溫度和濕度等外部環(huán)境等中，對同類條件的信號數(shù)據(jù)進行分類并按照條件進行聚集的處理。在該例的聚集處理中，當在判定部107中判定為已偏離正常區(qū)域時，按照同類條件彼此對監(jiān)視對象的信號數(shù)據(jù)和正常區(qū)域的信號數(shù)據(jù)進行比較，由此，能夠提高異常檢測的精度。另外，作為對信號數(shù)據(jù)進行分類、聚集的另一例，有對于輸入的多個信號數(shù)據(jù)，在控制系統(tǒng)剛剛起動后和穩(wěn)定運轉(zhuǎn)時等，按照同種運轉(zhuǎn)的期間對信號數(shù)據(jù)進行分割、聚集的處理。

下面，說明信息處理裝置101的硬件結(jié)構(gòu)。

圖14是實施方式1的信息處理裝置101的硬件結(jié)構(gòu)例。作為信息處理裝置的信息處理裝置101由接收裝置1401、處理器1402、存儲器1403以及顯示器1404構(gòu)成。

第1輸入部104和第2輸入部106是接收裝置。設(shè)定部105、判定部107以及檢測部108由執(zhí)行存儲器中存儲的程序的cpu、系統(tǒng)lsi(largescaleintegration：大規(guī)模集成電路)等的處理電路實現(xiàn)。另外，也可以由多個處理電路協(xié)作執(zhí)行上述功能。檢測部108也可以將計算出的開始時刻輸出到顯示器1404。

下面，說明設(shè)定正常區(qū)域的例子。

設(shè)定部105設(shè)定在判定部107中判定異常時的信號數(shù)據(jù)的正常區(qū)域。

圖2是實施方式1的描繪學習數(shù)據(jù)202而成的曲線圖201。曲線圖201的縱軸表示信號值，橫軸表示時刻。學習數(shù)據(jù)202是由輸入部104進行分類、聚集后的相同條件的多個信號數(shù)據(jù)。學習數(shù)據(jù)202是各個正常值的信號的集合。學習數(shù)據(jù)202示出多個信號數(shù)據(jù)，也可以將信號數(shù)據(jù)分別稱作學習數(shù)據(jù)。203、204是表示各個時刻的信號數(shù)據(jù)的偏差寬度的箭頭。

在曲線圖201中，學習數(shù)據(jù)202重合顯示多個信號數(shù)據(jù)。設(shè)定部105根據(jù)學習數(shù)據(jù)202定義正常區(qū)域。學習數(shù)據(jù)202是將相同條件的信號數(shù)據(jù)聚集而成的，因而顯示出大致相同的舉動，但是，如203、204的箭頭所示，根據(jù)時刻具有偏差的差異。203的偏差大于204的偏差。該每個時刻的偏差的差異是在實際的控制系統(tǒng)中也可能產(chǎn)生的現(xiàn)象。

圖3是示出實施方式1的根據(jù)學習數(shù)據(jù)303定義正常區(qū)域的例子的圖。301是描繪學習數(shù)據(jù)303而成的曲線圖。曲線圖301的縱軸表示信號值，橫軸表示時刻。303是由多個信號數(shù)據(jù)構(gòu)成的學習數(shù)據(jù)。304表示時刻t1。

302是以帶模型表示包含學習數(shù)據(jù)303的正常區(qū)域的曲線圖。帶模型是能夠定義寬度按照每個時刻而不同的區(qū)域的模型。305是每個時刻的學習數(shù)據(jù)的平均值。在本實施方式中，將305稱作帶模型平均。306是帶模型的上限值。307是帶模型的下限值。308是時刻t1的帶模型平均305與帶模型的上限值306或者下限值307之差。在本實施方式中，將308稱作帶模型寬度。在本實施方式中，假設(shè)各個時刻的帶模型平均值與帶模型的上限值之差和帶模型平均值與帶模型的下限值之差相同進行說明，但也可以是不同的值。

下面，說明帶模型的生成方法。

圖4是示出實施方式1的設(shè)定部105生成帶模型的處理的流程的流程圖。帶模型的生成如下所示由三個階段構(gòu)成。計算學習數(shù)據(jù)的平均和標準方差(步驟s401)，計算帶模型的寬度(步驟s402)，計算帶模型的上限值和下限值(步驟s403)。

下面，說明各步驟的詳細情況。

在步驟s401中，設(shè)定部105計算學習數(shù)據(jù)的平均和標準方差，作為計算帶模型的要素。設(shè)定部105根據(jù)式1計算學習數(shù)據(jù)202的每個時刻的平均。并且，設(shè)定部105根據(jù)式2計算每個時刻的標準方差。

[數(shù)式1]

[數(shù)式2]

t：時刻

i：學習數(shù)據(jù)202的各信號數(shù)據(jù)的索引

ri(t)：學習數(shù)據(jù)202中的信號數(shù)據(jù)i在時刻t的信號值

學習數(shù)據(jù)202的全部信號數(shù)據(jù)在時刻t的平均值

n：學習數(shù)據(jù)202的信號數(shù)據(jù)的數(shù)量

例如，將在時刻t1的學習數(shù)據(jù)202的平均記作將標準方差記作σ(t1)。將每個時刻的平均用作帶模型平均305。

在步驟s402中，設(shè)定部105計算帶模型的寬度。設(shè)定部105根據(jù)式3計算曲線圖302的帶模型的上下方向的寬度306即w(t)。

[數(shù)式3]

w(t)＝σ(t)×n……(數(shù)式3)

t：時刻

n：常數(shù)

σ(t)：學習數(shù)據(jù)的全部信號數(shù)據(jù)在時刻t的標準方差

常數(shù)n是調(diào)整帶模型的上下寬度nσ(t)的值。例如，將304的時刻t1的帶模型的寬度306記作w(t1)。

在步驟s403中，設(shè)定部105計算帶模型的上限值、下限值并定義正常區(qū)域的范圍。

設(shè)定部105根據(jù)式4計算表示帶模型的每個時刻的上限值306的mu(t)。在數(shù)式中，mu(t)的“u”用下標文字示出。

[數(shù)式4]

設(shè)定部105根據(jù)式5計算表示帶模型的每個時刻的下限值307的ml(t)。在數(shù)式中，ml(t)的“l(fā)”用下標文字示出。

[數(shù)式5]

t：時刻

學習數(shù)據(jù)202的全部信號數(shù)據(jù)在時刻t的平均值

w(t)：帶模型的寬度

例如，304的時刻t1的正常區(qū)域為mu(t1)以上ml(t1)以下的范圍。設(shè)定部105在信號偏離該正常區(qū)域的情況下判定為異常。

輸入部106對從監(jiān)視對象db110輸入的信號數(shù)據(jù)進行變換、整形，以便在判定部107進行處理。信號數(shù)據(jù)的變換與輸入部104同樣，例如是變換信號數(shù)據(jù)的格式的處理。作為信號數(shù)據(jù)的格式變換的例子，有將信號數(shù)據(jù)的形式變換成既定的數(shù)據(jù)格式的處理。在信號數(shù)據(jù)的形式按照監(jiān)視對象103的系統(tǒng)而不同的情況下，進行信號數(shù)據(jù)的格式變換，以便使信息處理裝置101的各功能正常動作。

另外，作為信號數(shù)據(jù)的格式變換的例子，有以處理高速化為目的的信號數(shù)據(jù)的采樣處理和信號數(shù)據(jù)中不必要期間的信號的刪除。關(guān)于信號數(shù)據(jù)的采樣和信號數(shù)據(jù)中不必要期間的信號的刪除等，輸入部106也可以采用與輸入部104相同的方針。另外，作為信號數(shù)據(jù)的格式變換的例子，也可以調(diào)整輸入到判定部107的監(jiān)視對象數(shù)據(jù)的長度，如以固定的期間劃分、實時地逐次輸入等。

關(guān)于信號數(shù)據(jù)的整形，例如有如下的處理：對于輸入的信號數(shù)據(jù)，抽取與輸入的信號數(shù)據(jù)的條件相似的由輸入部104進行分類、聚集后的信號數(shù)據(jù)，以便按照與由輸入部104進行分類、聚集后的信號數(shù)據(jù)相同的條件進行比較。并且，作為信號數(shù)據(jù)的分類、聚集的例子，有對于輸入的多個信號數(shù)據(jù)，在控制系統(tǒng)剛剛起動后和穩(wěn)定運轉(zhuǎn)時等，按照同種運轉(zhuǎn)的期間對信號數(shù)據(jù)進行分割、聚集的處理。關(guān)于要分割的運轉(zhuǎn)的期間，輸入部106可以采用與輸入部104相同的方針。

下面，對判定監(jiān)視對象數(shù)據(jù)是否已偏離正常區(qū)域的方法進行說明。

判定部107判定從輸入部106輸入的信號數(shù)據(jù)是否已偏離從設(shè)定部105輸入的正常區(qū)域。

圖5是示出實施方式1的監(jiān)視對象數(shù)據(jù)偏離正常區(qū)域的例子的曲線圖。曲線圖的縱軸表示信號值，橫軸表示時刻。501是從輸入部106輸出的監(jiān)視對象數(shù)據(jù)。502是判定部107判定出監(jiān)視對象數(shù)據(jù)501偏離正常區(qū)域的判定時刻t2。

在監(jiān)視對象數(shù)據(jù)501高于帶模型的上限值306的情況下或者低于帶模型的下限值307的情況下，判定部107判定為偏離正常區(qū)域。在圖5中，示出監(jiān)視對象數(shù)據(jù)501在502的時刻t2高于帶模型的上限值306。

在本實施方式中，作為正常區(qū)域的例子使用帶模型，但只要是能夠判定偏離正常區(qū)域的時刻的方法，則也可以是利用其它方法定義的正常區(qū)域。

檢測部108在由判定部107判定為已偏離正常區(qū)域的信號數(shù)據(jù)中，檢測并輸出在偏離正常區(qū)域之前開始的、開始偏離平均狀態(tài)的時刻即開始時刻。

圖6是示出實施方式1的監(jiān)視對象數(shù)據(jù)開始偏離平均狀態(tài)的時刻的曲線圖。縱軸表示信號值，橫軸表示時刻。601表示開始偏離平均狀態(tài)的時刻即開始時刻t3。開始時刻t3是比判定時刻502靠前的時刻。

檢測部108利用偏離度來表現(xiàn)相對于平均狀態(tài)的偏離。根據(jù)式6計算偏離度d(t)。

[數(shù)式6]

t：時刻

e(t)：監(jiān)視對象數(shù)據(jù)在時刻t的信號值

學習數(shù)據(jù)202的全部信號數(shù)據(jù)在時刻t的平均值

σ(t)：學習數(shù)據(jù)202的全部信號數(shù)據(jù)在時刻t的標準方差

圖7是示出實施方式1的偏離度d(t)的例子的曲線圖?？v軸表示偏離度，橫軸表示時刻。701表示偏離度d(t)。702是與帶模型的正常區(qū)域相當?shù)膮^(qū)域。703是在計算帶模型的寬度w(t)時設(shè)定的常數(shù)n。704是判定有無變化的常數(shù)n1。常數(shù)n1是與常數(shù)n不同的值。

在以往的方法中僅利用判定時刻t2，不考慮開始時刻t3與判定時刻t2之間的時間的長度按照每個信號數(shù)據(jù)而具有差異。為了減輕該每個信號數(shù)據(jù)的差異的影響而計算開始時刻t3。開始時刻t3能夠應(yīng)用于異常原因信號的估計等。

下面，說明檢測部108計算開始時刻t3的方法。在圖7中，比判定時刻t2靠前且偏離度從平坦開始變化成上升傾向的時刻是開始時刻t3。在本實施方式中，將偏離度的傾斜作為變化指標，計算偏離度的狀態(tài)變化。檢測部108根據(jù)式7計算變化指標c(t)。設(shè)t≥2。

[數(shù)式7]

c(t)＝|d(t)-d(t-1)|……(數(shù)式7)

t：時刻

d(t)：偏離度在時刻t的值

在變化指標c(t)高于第1閾值的情況下，可以視為有變化。因此，檢測部108從判定時刻t2起向前回溯時刻，計算變化指標c(t)開始低于第1閾值的時刻作為開始時刻t3。

因此，在本實施方式中具有：設(shè)定部，其根據(jù)上限值和下限值設(shè)定表示由時間序列信號構(gòu)成的監(jiān)視對象數(shù)據(jù)的正常值范圍的正常區(qū)域；判定部，其判定監(jiān)視對象數(shù)據(jù)是否偏離正常區(qū)域，在判定為偏離時輸出判定為監(jiān)視對象數(shù)據(jù)偏離正常區(qū)域的時刻即判定時刻；以及檢測部，其根據(jù)表示已知的監(jiān)視對象數(shù)據(jù)中的由正常值的信號構(gòu)成的多個學習數(shù)據(jù)的平均值與監(jiān)視對象數(shù)據(jù)之差的偏離度，檢測比從判定部輸入的判定時刻靠前且監(jiān)視對象數(shù)據(jù)開始顯示出異常的開始時刻。因而能夠更準確地求出信號開始顯示出異常的時刻。

另外，設(shè)定部在多個時刻分別將多個學習數(shù)據(jù)的最大值設(shè)定成上限值，并且將多個學習數(shù)據(jù)的最小值設(shè)定成下限值，因而能夠定義具有與每個時刻的信號數(shù)據(jù)的偏差對應(yīng)的寬度的正常區(qū)域。因此，能夠通過在偏差較大的時刻放寬閾值而抑制誤檢測，通過在偏差較小的時刻收縮閾值而抑制檢測遺漏。

另外，檢測部檢測比判定時刻靠前且偏離度的傾斜達到第1閾值以上的時刻作為開始時刻，因而能夠減輕從發(fā)生每個信號的異常到檢測出異常的時間差異帶來的影響。

另外，在本實施方式中，也可以是，正常區(qū)域的上限值使用與時刻無關(guān)的相同值。這對于下限值也是同樣的。

圖8是示出實施方式1的監(jiān)視對象數(shù)據(jù)的正常區(qū)域的例子的曲線圖。202是圖2所示的學習數(shù)據(jù)。801是正常區(qū)域的上限值。802是正常區(qū)域的下限值。

有時監(jiān)視對象的控制系統(tǒng)具有警報系統(tǒng)，在監(jiān)視對象數(shù)據(jù)高于上限值的情況下或者低于下限值的情況下，該警報系統(tǒng)通知警報。設(shè)定部105也可以將警報系統(tǒng)的下限值以上且上限值以下的范圍設(shè)定成正常區(qū)域。設(shè)定部105預(yù)先輸入或者設(shè)定并保持警報系統(tǒng)的上限值和下限值。在這種情況下，信息處理裝置101成為不保持輸入部104的結(jié)構(gòu)。

因此，設(shè)定部將上限值設(shè)定成在多個時刻相同的值，并且將下限值設(shè)定成在多個時刻相同的值，因而信息處理裝置101通過沿用監(jiān)視對象系統(tǒng)具有的警報系統(tǒng)的上限值和下限值，不再需要根據(jù)信號數(shù)據(jù)設(shè)定正常區(qū)域的處理，能夠節(jié)省研發(fā)工時。

另外，在本實施方式中，也可以是，設(shè)定部105使用固定寬度的帶模型，該帶模型定義在全部時刻以帶模型的平均為中心的相同寬度的正常區(qū)域。固定寬度的帶模型在學習數(shù)據(jù)的偏差較小而不能適當設(shè)定帶模型的寬度的情況下等比較有效。另外，也可以分開使用或者一并使用帶模型和固定寬度的帶模型。

圖9是示出實施方式1的固定寬度的帶模型的例子的曲線圖。901是將學習數(shù)據(jù)和固定寬度的帶模型重合而成的曲線圖。902是表示固定寬度的帶模型的構(gòu)造的曲線圖。903是上限值，904是下限值。905是固定寬度的帶模型的寬度。

固定寬度的帶模型的寬度905例如可以設(shè)為帶模型平均305的標準方差的常數(shù)倍，也可以設(shè)定成帶模型平均305的平均值的常數(shù)倍。假設(shè)設(shè)定部105預(yù)先保持有寬度的值或者計算方法。寬度的值可以按照監(jiān)視對象系統(tǒng)和監(jiān)視對象數(shù)據(jù)的取得條件而具有多個。

因此，在本實施方式中，設(shè)定部將上限值和下限值設(shè)定成上限值和下限值與多個學習數(shù)據(jù)的平均值之差在多個時刻為相同的值，因而在學習數(shù)據(jù)的偏差較小的情況下、學習數(shù)據(jù)較少的情況下、學習數(shù)據(jù)為固定值的情況下等都能夠應(yīng)對。在這些情況下，在根據(jù)學習數(shù)據(jù)設(shè)定正常區(qū)域時正常區(qū)域的上下寬度減小，即使是正常的監(jiān)視對象數(shù)據(jù)也往往誤判定為異常。

另外，在本實施方式中，也可以是，設(shè)定部105在利用主分量分析、獨立分量分析等方法削減維數(shù)后的空間中設(shè)定正常區(qū)域。并且，也可以是，設(shè)定部105在使用相關(guān)系數(shù)、馬氏距離等的特征量中設(shè)定正常區(qū)域。

因此，在本實施方式中，根據(jù)多個學習數(shù)據(jù)計算基于相關(guān)系數(shù)或者馬氏距離的特征量，根據(jù)特征量的范圍設(shè)定上限值和下限值，因而在將大規(guī)模的數(shù)據(jù)作為對象的情況下，能夠通過削減維數(shù)來縮短處理時間。并且，能夠利用除了每個時刻的與帶模型之差以外的指標從多個角度評價異常。

另外，在本實施方式中，檢測部108在計算開始偏離平均狀態(tài)的開始時刻時，除了變化指標c(t)高于第1閾值的情況以外，也可以將偏離度d(t)高于第2閾值的情況視為有變化。例如，第2閾值為常數(shù)n1。

因此，在本實施方式中，檢測比判定時刻靠前且偏離度的傾斜達到第1閾值以上并且偏離度達到第2閾值以上的時刻作為開始時刻，因而在偏離度d(t)的變化平緩且變化指標c(t)不偏離第1閾值的情況下，有可能能夠抑制開始時刻的計算遺漏。

另外，在本實施方式中，也可以是，檢測部108使用根據(jù)偏離度d(t)利用已知的變化點檢測方法計算出的變化指標。作為變化點檢測方法的例子，有貝葉斯變化點檢測等。

因此，在本實施方式中，根據(jù)偏離度，基于貝葉斯變化點檢測，檢測開始時刻，因而能夠利用除了偏離度d(t)的傾斜以外的指標，從多個角度計算開始偏離平均狀態(tài)的開始時刻。

另外，在本實施方式中，也可以是，檢測部108在對偏離度d(t)或者變化指標c(t)進行平滑處理后，計算開始偏離平均狀態(tài)的開始時刻。

因此，在本實施方式中，在對偏離度或者偏離度的傾斜進行平滑處理后檢測開始時刻，因而在偏離度d(t)的值上下振動較多的情況下，有可能能夠抑制開始偏離平均狀態(tài)的開始時刻的誤計算。

另外，在本實施方式中，關(guān)于設(shè)定部105設(shè)定正常區(qū)域的方法和檢測部108檢測開始偏離平均狀態(tài)的開始時刻的方法，示出了多種方法。也可以適當組合這些方法來實現(xiàn)。

實施方式2

在以上的實施方式1中是估計信號發(fā)生異常的時刻，在本實施方式中，示出估計異常原因信號的實施方式。

圖10是示出實施方式2的信息處理裝置1001的結(jié)構(gòu)的框圖。信息處理裝置1001是應(yīng)用作為異常開始時刻估計裝置的信息處理裝置101的裝置的例子，是估計異常原因信號的異常原因信號估計裝置。在圖10中，作為從監(jiān)視對象的控制系統(tǒng)收集數(shù)據(jù)的單元的一例，與圖1相同地還一并記載有數(shù)據(jù)收集管理裝置102的結(jié)構(gòu)例和監(jiān)視對象103。

信息處理裝置1001與信息處理裝置10的區(qū)別是追加了估計部1002。估計部1002在從檢測部108輸入的被判定為偏離正常區(qū)域的多個信號中，輸出根據(jù)開始偏離平均狀態(tài)的開始時刻估計為異常原因的信號。

在估計部1002中，輸出從檢測部108輸入的信號中最先開始變化的信號作為異常原因信號。為了確定最先開始變化的信號，估計部1002將輸入的偏離正常區(qū)域的多個信號按照開始時刻從早到晚的順序重新排序，輸出最先變化的信號。也可以輸出按照開始時刻從早到晚的順序重新排序而成的表。

信息處理裝置1001的硬件結(jié)構(gòu)例與圖14所示的實施方式1的硬件結(jié)構(gòu)相同。估計部1002由cpu、系統(tǒng)lsi等的處理電路實現(xiàn)。另外，也可以由多個處理電路協(xié)作執(zhí)行。估計部1002也可以將估計出的開始時刻輸出到顯示器1404。

圖11是示出實施方式2的信息處理系統(tǒng)1100的結(jié)構(gòu)例的圖。信息處理系統(tǒng)1100是利用作為異常原因信號估計裝置的信息處理裝置1001估計成為異常原因的信號的異常原因信號估計系統(tǒng)。數(shù)據(jù)收集管理裝置102管理從監(jiān)視對象103收集數(shù)據(jù)而成的數(shù)據(jù)。監(jiān)視對象103只要是搭載有傳感器的控制系統(tǒng)即可，能夠應(yīng)用于空調(diào)設(shè)備、升降機、工廠設(shè)備、汽車、鐵道車輛等的系統(tǒng)中。

另外，也可以不設(shè)置數(shù)據(jù)收集管理裝置102，而是信息處理裝置1001保持與數(shù)據(jù)收集管理裝置102相當?shù)墓δ懿?。在使用計算機實現(xiàn)信息處理裝置1001的情況下，數(shù)據(jù)收集管理部搭載于相同計算機中。

因此，在本實施方式中具有估計部，該估計部將從檢測部輸入的多個監(jiān)視對象數(shù)據(jù)的開始時刻中的時刻最早的開始時刻的監(jiān)視對象數(shù)據(jù)，估計成異常原因的信號數(shù)據(jù)，因而對于因果關(guān)系未知的異常，能夠估計成為異常原因的信號。

另外，在本實施方式中，也可以是，估計部1002并用保持表示信號間的物理性因果關(guān)系的列表，根據(jù)該列表估計成為異常原因的信號的方法。估計部1002預(yù)先保持列表，判定從檢測部108輸入的信號是否在列表中。如果在列表中，則估計部1002根據(jù)物理性因果關(guān)系估計成為異常原因的信號，如果不在列表中，則估計部1002根據(jù)開始偏離平均狀態(tài)的開始時刻估計成為異常原因的信號。對于已掌握物理性因果關(guān)系的信號，能夠高效地估計成為異常原因的信號。

因此，在本實施方式中，估計部保持多個監(jiān)視對象數(shù)據(jù)的物理性因果關(guān)系的列表，在從檢測部輸入的監(jiān)視對象數(shù)據(jù)位于列表的情況下，根據(jù)列表估計異常原因的監(jiān)視對象數(shù)據(jù)，因而對于已掌握物理性因果關(guān)系的信號，能夠高效地估計成為異常原因的信號。

實施方式3

在以上的實施方式2中是估計發(fā)生異常的原因的信號，在本實施方式中，示出顯示判定出異常的判定時刻和開始偏離平均狀態(tài)的開始時刻的實施方式。

圖12是示出實施方式3的信息處理裝置1201的結(jié)構(gòu)的框圖。信息處理裝置1201與信息處理裝置101的區(qū)別是追加了顯示部1202。顯示部1202將從判定部107輸出的判定時刻和從檢測部108輸出的開始時刻顯示在畫面中。

圖13是示出實施方式3的顯示部1202顯示的畫面的例子的圖。1301是將監(jiān)視對象數(shù)據(jù)和正常區(qū)域重合而成的曲線圖。1302是將被判定為偏離正常區(qū)域的信號按照開始時刻的順序重新排序而成的表。

1303表示監(jiān)視對象數(shù)據(jù)，1304表示正常區(qū)域的上限值，1305表示正常區(qū)域的下限值。1306表示由判定部107判定為異常的判定時刻。1307表示由檢測部108檢測出的開始時刻。1308表示被判定為偏離正常區(qū)域的信號的信號名稱，1309表示在各監(jiān)視對象數(shù)據(jù)中估計出的開始時刻，1310表示在各監(jiān)視對象數(shù)據(jù)中判定為異常的判定時刻。

信息處理裝置1201的硬件結(jié)構(gòu)例與圖14所示的實施方式1的硬件結(jié)構(gòu)相同。顯示部1202是顯示器1404。

因此，在本實施方式中具有顯示部，該顯示部以曲線圖顯示監(jiān)視對象數(shù)據(jù)，并且在曲線圖上顯示從判定部輸出的判定時刻和檢測部檢測出的開始時刻，因而能夠?qū)⒄^(qū)域和監(jiān)視對象數(shù)據(jù)的差異、以及被判定為異常的判定時刻和開始時刻的差異視覺化。

另外，顯示部按照檢測部檢測出的開始時刻的順序顯示多個監(jiān)視對象數(shù)據(jù)，因而還能夠按照成為異常原因的可能性由大到小的順序，提示異常原因的監(jiān)視對象數(shù)據(jù)的候選。

標號說明

101、1201信息處理裝置；102數(shù)據(jù)管理裝置；103監(jiān)視對象的控制系統(tǒng)；104、106輸入部；105設(shè)定部；107判定部；108檢測部；109正常值學習db；110監(jiān)視對象db；111傳感器網(wǎng)絡(luò)；201、301、302、901、902、1301曲線圖；202、303信號數(shù)據(jù)；203、204表示數(shù)據(jù)偏差的寬度；304、502、601、1306、1307時刻；305平均；306上限值；307下限值；308帶模型寬度；501、1303監(jiān)視對象數(shù)據(jù)；701偏離度數(shù)據(jù)；702帶模型正常區(qū)域相當區(qū)域；703、704常數(shù)；801、903、1304上限值；802、904、1305下限值；805帶模型寬度；1001信息處理裝置；1002估計部；1202顯示部；1302表；1308信號名稱；1309開始時刻；1310判定時刻。