信息处理装置及信息处理方法制造方法及图纸

信息处理装置(10)的特征在于，具有：数据取得部(101)，其取得作为时序数据的输入数据；标本误差上限计算部(102)，其在从作为时序数据的学习数据提取出的子序列即多个学习子序列中对类似的学习子序列进行整合而生成标本子序列时，使用从输入数据取出的数据，计算所整合的多个学习子序列之间的相异度的上限即标本误差上限；以及标本子序列生成部(103)，其使用标本误差上限，根据学习数据生成标本子序列。

Information processing device and information processing method

【技术实现步骤摘要】
【国外来华专利技术】信息处理装置及信息处理方法
本专利技术涉及使用预定的数据对时序数据进行诊断的信息处理装置及信息处理方法。
技术介绍
存在以下方法，即，预先定义正常的数据作为学习数据，基于在学习数据中是否存在与诊断对象数据类似的波形，对诊断对象数据是否正常进行诊断。例如，如果将在生产设备正常运转时取得的传感器数据作为学习数据，将运转中的生产设备的传感器数据作为诊断对象数据，则能够检测生产设备的异常。在学习数据中是否存在与诊断对象数据类似的波形能够使用从学习数据以及诊断对象数据分别提取出的子序列彼此的相异度来判断。将从学习数据提取子序列的范围一点点地滑动，对全部的子序列和从诊断对象数据提取出的子序列的相异度进行计算，将最低的相异度作为从该诊断对象数据提取出的子序列的相异度。但是，在该方法中，由于需要针对诊断对象数据的子序列和学习数据的全部的子序列之间的全部组合计算相异度，所以存在计算量大，相异度的计算耗费时间的问题。与上述方法相对，在专利文献1记载的方法中，对学习数据的子序列进行分群(clustering)，生成子序列间的相异度落在预定的标本误差上限以内的多个群，针对每个群对子序列进行整合而生成标本子序列。然后，对标本子序列和诊断对象数据的子序列进行比较，从而能够减少计算量而缩短在相异度的计算上耗费的时间。专利文献1：国际公开第2016/117086号
技术实现思路
但是，在专利文献1中，没有记载对整合的子序列间的相异度的上限即标本误差上限进行计算的方法的详情。如果标本误差上限过大，则诊断对象数据的诊断精度降低，如果标本误差上限过小，则计算量大而耗费处理时间。存在难以生成取得了诊断精度和处理时间的平衡的适当的标本子序列的问题。本专利技术是鉴于上述问题而提出的，目的在于得到能够容易地生成适当的标本子序列的信息处理装置。为了解决上述课题而达成目的，本专利技术的特征在于，具有：数据取得部，其取得作为时序数据的输入数据；标本误差上限计算部，其使用从输入数据取出的数据来计算标本误差上限；以及标本子序列生成部，其使用标本误差上限，根据学习数据生成标本子序列。标本误差上限是，在从学习数据提取出的子序列即多个学习子序列中对类似的学习子序列进行整合而生成标本子序列时所整合的多个学习子序列间的相异度的上限。专利技术的效果本专利技术涉及的信息处理装置获得如下效果，即，能够容易地生成适当的标本子序列。附图说明图1是表示本专利技术的实施方式涉及的信息处理装置的结构的图。图2是表示图1所示的信息处理装置进行的诊断对象数据的诊断的概要的图，在该诊断中使用了学习数据。图3是用于说明为了判断在图2所示的学习数据中是否存在与诊断对象数据类似的波形而使用的最近搜索的概要的图。图4是表示图1所示的信息处理装置生成的标本子序列和标本误差上限的关系的图。图5是用于说明图1所示的数据取得部的功能的图。图6是表示图1所示的信息处理装置在进行诊断之前进行的处理的概要的图。图7是表示图1所示的标本误差上限计算部使用的计算式的妥当性的图。图8是表示图1所示的标本子序列生成部进行的第1整合处理的概要的图。图9是表示图1所示的标本子序列生成部进行的第2整合处理的概要的图。图10是表示图1所示的信息处理装置执行的处理的整个流程的流程图图11是表示图10所示的步骤S12的详细动作的流程图。图12是表示图11所示的步骤S121的详细动作的流程图。图13是表示图10所示的步骤S13的详细动作的流程图。图14是表示图13所示的步骤S132的第1整合处理的详情的流程图。图15是表示图13所示的步骤S133的第2整合处理的详情的流程图。图16是表示图10所示的步骤S14的详细动作的流程图。图17是表示图16所示的步骤S141的详细动作的流程图。具体实施方式下面，基于附图详细地说明本专利技术的实施方式涉及的信息处理装置以及信息处理方法。此外，本专利技术不受该实施方式限定。实施方式图1是表示本专利技术的实施方式涉及的信息处理装置10的结构的图。信息处理装置10具有数据取得部101、标本误差上限计算部102、标本子序列生成部103、统计值计算部104、存储部105、阈值计算部106和诊断部107。信息处理装置10具有基于与诊断对象数据D1类似的波形是否存在于后述的学习数据D2中对诊断对象数据D1进行诊断的功能。图2是表示图1所示的信息处理装置10进行的诊断对象数据D1的诊断的概要的图，在该诊断中使用了学习数据D2。诊断对象数据D1是作为诊断对象的数据。学习数据D2是作为上述诊断的基准而使用的数据，是预先定义为正常数据的数据，例如是传感器数据等时序数据。诊断对象数据D1是与学习数据D2相同种类的时序数据，在学习数据D2是温度数据的情况下，诊断对象数据D1也是温度数据。在学习数据D2中存在与诊断对象数据D1类似的波形的情况下，信息处理装置10判断为该诊断对象数据D1正常。在学习数据D2中不存在与诊断对象数据D1类似的波形的情况下，信息处理装置10判断为该诊断对象数据D1异常。在生产设备产生了异常的情况下，大多输出包含与生产设备正常运转时取得的传感器数据不同的波形的传感器数据。在这种情况下，如果将生产设备正常运转时取得的传感器数据作为学习数据D2，将运转中的生产设备的传感器数据作为诊断对象数据D1，则能够检测生产设备的异常。信息处理装置10依次反复进行取得运转中的生产设备的传感器数据的处理和将取得的传感器数据作为诊断对象数据D1的诊断处理，由此，能够实时地检测生产设备的异常。图3是用于说明为了判断在图2所示的学习数据D2中是否存在与诊断对象数据D1类似的波形而使用的最近搜索的概要的图。在学习数据D2中是否存在与诊断对象数据D1类似的波形是使用子序列间的相异度来判断的。子序列间的相异度是表示子序列彼此不同的程度的指标，相异度越低，子序列的波形的一致度越高。子序列间的相异度例如能够以距离表示，在将子序列由距离空间中的点表示的情况下，子序列间的相异度是点和点之间的距离。最近搜索是在距离空间中的点的集合中搜索与特定的点距离最近的点的方法，在本实施方式中，将子序列看作点，在子序列的集合中搜索与特定的子序列最近、即相异度最低的子序列。从学习数据D2提取出的子序列即学习子序列SS2是一边将具有预定的固定值的宽度(下面，将该宽度的大小称为窗口尺寸)的提取范围一点点地滑动一边进行提取的。然后，针对以与学习子序列SS2的提取范围相同的窗口尺寸的提取范围从诊断对象数据D1提取出的子序列即诊断对象子序列SS1，分别进行最近搜索而计算与学习数据D2的相异度。诊断对象子序列SS1和学习数据D2之间的相异度由在从学习数据D2提取出的多个学习子序列SS2中与作为对象的诊断对象子序列SS1最类似的波形的学习子序列SS2相对于诊断对象子序列SS1的相异度来表示。在将相异度由子序列之间的距离表示的情况下，提取出的全部的学习子序列SS2和诊断对象子序列SS1之间的距离中的最短距离成为诊断对象子序列SS1的相异度。例如，考虑提取了3个学习子序列SS2的情况。在诊断对象子序列SS1#01和学习子序列SS2#01之间的距离是30.1、诊断对象子序列SS1#01和学习子序列SS2#02之间的距离是1.5、诊断对象子序列SS1#01和学习子序列SS2#03之间的距离是15.2的本文档来自技高网...

【技术保护点】
1.一种信息处理装置，其特征在于，具有：数据取得部，其取得作为时序数据的输入数据；标本误差上限计算部，其在从作为所述时序数据的学习数据提取出的子序列即多个学习子序列中对类似的所述学习子序列进行整合而生成标本子序列时，使用从所述输入数据取出的数据，计算所整合的多个所述学习子序列之间的相异度的上限即标本误差上限；以及标本子序列生成部，其使用所述标本误差上限，根据所述学习数据生成所述标本子序列。

【技术特征摘要】
【国外来华专利技术】1.一种信息处理装置，其特征在于，具有：数据取得部，其取得作为时序数据的输入数据；标本误差上限计算部，其在从作为所述时序数据的学习数据提取出的子序列即多个学习子序列中对类似的所述学习子序列进行整合而生成标本子序列时，使用从所述输入数据取出的数据，计算所整合的多个所述学习子序列之间的相异度的上限即标本误差上限；以及标本子序列生成部，其使用所述标本误差上限，根据所述学习数据生成所述标本子序列。2.根据权利要求1所述的信息处理装置，其特征在于，所述时序数据是从运转中的生产设备取得的数据。3.根据权利要求1或2所述的信息处理装置，其特征在于，还具有：阈值计算部，其使用所述标本子序列，计算用于诊断在所述学习数据中是否存在与诊断对象数据类似的波形的阈值。4.根据权利要求3所述的信息处理装置，其特征在于，还具有：诊断部，其使用所述标本子序列和所述阈值，诊断在所述学习数据中是否存在与所述诊断对象数据类似的波形。5.根据权利要求1至4中任一项所述的信息处理装置，其特征在于，所述数据取得部对所述输入数据进行分割而生成所述学习数据和试验数据，所述标本误差上限计算部基于所述试验数据和所述学习数据之间的所述相异度，计算所述标本误差上限。6.根据权利要求5所述的信息处理装置，其特征在于，所述标本误差上限计算部使用所述试验数据和所述学习数据之间的所述相异度的统计值和预定的计算式，计算所述标本误差上限。7.根据权利要求6所述的信息处理装置，其特征在于，所述计算式表示所述标本误差上限是向所述相异度的平均值和所述相异度的标准偏差的正实数倍之和乘以正实数得到的。8.根据权利要求5所述的信息处理装置，其特征在于，所述标本误差上限计算部基于所述试验数据和所述学习数据之间的所述相异度的统计...

【专利技术属性】
技术研发人员：增崎隆彦，中村隆显，那须督，
申请(专利权)人：三菱电机株式会社，
类型：发明
国别省市：日本,JP