知財求人 - 知財ポータルサイト「IP Force」
▶ 三菱電機インフォメーションネットワーク株式会社の特許一覧
特開2022-143610多形式データ解析システムおよび多形式データ解析プログラム
(19)【発行国】日本国特許庁(JP)
(12)【公報種別】公開特許公報(A)
(11)【公開番号】P2022143610
(43)【公開日】2022-10-03
(54)【発明の名称】多形式データ解析システムおよび多形式データ解析プログラム
(51)【国際特許分類】
G06N 5/02 20060101AFI20220926BHJP
G06N 20/00 20190101ALI20220926BHJP
G06N 3/08 20060101ALI20220926BHJP
G06F 16/28 20190101ALI20220926BHJP
G06F 16/2458 20190101ALI20220926BHJP
【ＦＩ】
G06N5/02 150
G06N20/00
G06N3/08
G06F16/28
G06F16/2458
【審査請求】有
【請求項の数】14
【出願形態】ＯＬ
(21)【出願番号】P 2021044220
(22)【出願日】2021-03-18
(71)【出願人】
【識別番号】501158538
【氏名又は名称】三菱電機インフォメーションネットワーク株式会社
(74)【代理人】
【識別番号】110002491
【氏名又は名称】弁理士法人クロスボーダー特許事務所
(72)【発明者】
【氏名】吉原 晴香
【テーマコード（参考）】
5B175
【Ｆターム（参考）】
5B175FB04
(57)【要約】
【課題】多形式データをまとめて解析できるようにする。
【解決手段】形式変換部１１２は、互いに異なる形式を有する複数の個別数値列のそれぞれの形式を示す形式情報データに基づいて、前記複数の個別数値列のそれぞれを、規定の形式を有する規定数値列に変換する。正規化部１１３は、前記複数の個別数値列に対応する複数の規定数値列のそれぞれを、正規化された規定数値列である正規化数値列に変換する。出力部１１５は、前記複数の規定数値列に対応する複数の正規化数値列を２次元データとして用いて得られる解析結果を出力する。
【選択図】図１
【解決手段】形式変換部１１２は、互いに異なる形式を有する複数の個別数値列のそれぞれの形式を示す形式情報データに基づいて、前記複数の個別数値列のそれぞれを、規定の形式を有する規定数値列に変換する。正規化部１１３は、前記複数の個別数値列に対応する複数の規定数値列のそれぞれを、正規化された規定数値列である正規化数値列に変換する。出力部１１５は、前記複数の規定数値列に対応する複数の正規化数値列を２次元データとして用いて得られる解析結果を出力する。
【選択図】図１
【特許請求の範囲】
【請求項1】
互いに異なる形式を有する複数の個別数値列のそれぞれの形式を示す形式情報データに基づいて、前記複数の個別数値列のそれぞれを、規定の形式を有する規定数値列に変換する形式変換部と、
前記複数の個別数値列に対応する複数の規定数値列のそれぞれを、正規化された規定数値列である正規化数値列に変換する正規化部と、
前記複数の規定数値列に対応する複数の正規化数値列を２次元データとして用いて得られる解析結果を出力する出力部と、
を備える多形式データ解析システム。
前記複数の個別数値列に対応する複数の規定数値列のそれぞれを、正規化された規定数値列である正規化数値列に変換する正規化部と、
前記複数の規定数値列に対応する複数の正規化数値列を２次元データとして用いて得られる解析結果を出力する出力部と、
を備える多形式データ解析システム。
【請求項2】
前記形式情報データは、個別数値列ごとに前記個別数値列に含まれる各数値の桁数を設定桁数として示し、
前記形式変換部は、個別数値列ごとに前記個別数値列を前記設定桁数で分割することによって１つ以上の数値を得て、個別数値列ごとに前記１つ以上の数値を基に前記規定数値列を生成する
請求項１に記載の多形式データ解析システム。
前記形式変換部は、個別数値列ごとに前記個別数値列を前記設定桁数で分割することによって１つ以上の数値を得て、個別数値列ごとに前記１つ以上の数値を基に前記規定数値列を生成する
請求項１に記載の多形式データ解析システム。
【請求項3】
前記規定数値列に含まれる各数値は、規定進数で表される数値であり、
前記形式情報データは、個別数値列ごとに前記個別数値列に含まれる各数値の進数を設定進数として示し、
前記形式変換部は、個別数値列ごとに前記１つ以上の数値のそれぞれを前記設定進数の数値から前記規定進数の数値に変換する
請求項２に記載の多形式データ解析システム。
前記形式情報データは、個別数値列ごとに前記個別数値列に含まれる各数値の進数を設定進数として示し、
前記形式変換部は、個別数値列ごとに前記１つ以上の数値のそれぞれを前記設定進数の数値から前記規定進数の数値に変換する
請求項２に記載の多形式データ解析システム。
【請求項4】
前記規定数値列は、規定個数の数値から成り、
前記形式情報データは、個別数値列ごとに個別数値列に含まれる数値の個数を設定個数として示し、
前記形式変換部は、前記形式情報データから前記複数の個別数値列に対応する複数の設定個数を抽出し、前記複数の設定個数の最小公倍数を前記規定個数として算出し、個別数値列ごとに前記規定個数を前記設定個数で割って商を算出し、個別数値列ごとに前記１つ以上の数値のそれぞれを前記商が示す数と同じ個数に増やすことによって前記１つ以上の数値を前記規定個数の数値に変換する
請求項２または請求項３に記載の多形式データ解析システム。
前記形式情報データは、個別数値列ごとに個別数値列に含まれる数値の個数を設定個数として示し、
前記形式変換部は、前記形式情報データから前記複数の個別数値列に対応する複数の設定個数を抽出し、前記複数の設定個数の最小公倍数を前記規定個数として算出し、個別数値列ごとに前記規定個数を前記設定個数で割って商を算出し、個別数値列ごとに前記１つ以上の数値のそれぞれを前記商が示す数と同じ個数に増やすことによって前記１つ以上の数値を前記規定個数の数値に変換する
請求項２または請求項３に記載の多形式データ解析システム。
【請求項5】
前記多形式データ解析システムは、
複数のカテゴリのうちの特定のカテゴリを識別するカテゴリ識別子を示すカテゴリデータを受け付ける受付部と、
前記特定のカテゴリのための個別数値列と、前記特定のカテゴリ以外の各カテゴリのための個別数値列と、を生成することによって、前記複数の個別数値列を得る数値化部と、を備える
請求項１から請求項４のいずれか１項に記載の多形式データ解析システム。
複数のカテゴリのうちの特定のカテゴリを識別するカテゴリ識別子を示すカテゴリデータを受け付ける受付部と、
前記特定のカテゴリのための個別数値列と、前記特定のカテゴリ以外の各カテゴリのための個別数値列と、を生成することによって、前記複数の個別数値列を得る数値化部と、を備える
請求項１から請求項４のいずれか１項に記載の多形式データ解析システム。
【請求項6】
前記特定のカテゴリのための個別数値列が肯定値を示し、前記特定のカテゴリ以外の各カテゴリのための個別数値列が否定値を示す
請求項５に記載の多形式データ解析システム。
請求項５に記載の多形式データ解析システム。
【請求項7】
前記形式情報データは、個別数値列ごとに、前記個別数値列に含まれる各数値の桁数である設定桁数と、個別数値列に含まれる各数値の進数である設定進数と、を示し、
前記正規化部は、前記規定数値列に対応する個別数値列の設定桁数と前記規定数値列に対応する個別数値列の設定進数とを前記形式情報データから抽出し、抽出された設定進数を底とし抽出された設定桁数を冪指数として求まる冪から１を引いた値を除数として算出し、前記規定数値列に含まれる各数値を前記除数で割って商を算出し、前記規定数値列に含まれる各数値を算出された商に置き換えることによって前記規定数値列を正規化する
請求項１から請求項６のいずれか１項に記載の多形式データ解析システム。
前記正規化部は、前記規定数値列に対応する個別数値列の設定桁数と前記規定数値列に対応する個別数値列の設定進数とを前記形式情報データから抽出し、抽出された設定進数を底とし抽出された設定桁数を冪指数として求まる冪から１を引いた値を除数として算出し、前記規定数値列に含まれる各数値を前記除数で割って商を算出し、前記規定数値列に含まれる各数値を算出された商に置き換えることによって前記規定数値列を正規化する
請求項１から請求項６のいずれか１項に記載の多形式データ解析システム。
【請求項8】
前記多形式データ解析システムは、
前記複数の正規化数値列を前記２次元データとして用いて２次元画像を生成する可視化部を備え、
前記出力部は、前記解析結果として前記２次元画像を表示する
請求項１から請求項７のいずれか１項に記載の多形式データ解析システム。
前記複数の正規化数値列を前記２次元データとして用いて２次元画像を生成する可視化部を備え、
前記出力部は、前記解析結果として前記２次元画像を表示する
請求項１から請求項７のいずれか１項に記載の多形式データ解析システム。
【請求項9】
前記多形式データ解析システムは、
前記複数の正規化数値列を、畳み込みニューラルネットワークのモデルの入力となる前記２次元データとして用いて、前記モデルを演算するモデル適用部と、
前記モデルの演算結果を表す演算結果グラフを生成する可視化部と、を備え、
前記出力部は、前記解析結果として前記演算結果グラフを表示する
請求項１から請求項７のいずれか１項に記載の多形式データ解析システム。
前記複数の正規化数値列を、畳み込みニューラルネットワークのモデルの入力となる前記２次元データとして用いて、前記モデルを演算するモデル適用部と、
前記モデルの演算結果を表す演算結果グラフを生成する可視化部と、を備え、
前記出力部は、前記解析結果として前記演算結果グラフを表示する
請求項１から請求項７のいずれか１項に記載の多形式データ解析システム。
【請求項10】
前記モデル適用部は、前記モデルの演算において正規化数値列ごとに１次元畳み込みを実行する
請求項９に記載の多形式データ解析システム。
請求項９に記載の多形式データ解析システム。
【請求項11】
前記多形式データ解析システムは、
２次元データとラベルとの組であるデータセットを学習データにして前記モデルを構築するモデル構築部を備え、
前記モデル適用部は、前記モデルを演算することによって、前記モデルの入力となった前記２次元データに対するラベルの情報を前記演算結果として得る
請求項９または請求項１０に記載の多形式データ解析システム。
２次元データとラベルとの組であるデータセットを学習データにして前記モデルを構築するモデル構築部を備え、
前記モデル適用部は、前記モデルを演算することによって、前記モデルの入力となった前記２次元データに対するラベルの情報を前記演算結果として得る
請求項９または請求項１０に記載の多形式データ解析システム。
【請求項12】
前記モデル構築部は、前記データセットに含まれる２次元データに対応する１つ以上の知見データを受け付け、前記１つ以上の知見データに示される文書に基づいて前記データセットに含まれるラベルを決定する
請求項１１に記載の多形式データ解析システム。
請求項１１に記載の多形式データ解析システム。
【請求項13】
互いに異なる形式を有する複数の個別数値列のそれぞれの形式を示す形式情報データに基づいて、前記複数の個別数値列のそれぞれを、規定の形式を有する規定数値列に変換する形式変換部と、
前記複数の個別数値列に対応する複数の規定数値列のそれぞれを、正規化された規定数値列である正規化数値列に変換する正規化部と、
前記複数の規定数値列に対応する複数の正規化数値列を２次元データとして用いて得られる解析結果を出力する出力部として
コンピュータを機能させるための多形式データ解析プログラム。
前記複数の個別数値列に対応する複数の規定数値列のそれぞれを、正規化された規定数値列である正規化数値列に変換する正規化部と、
前記複数の規定数値列に対応する複数の正規化数値列を２次元データとして用いて得られる解析結果を出力する出力部として
コンピュータを機能させるための多形式データ解析プログラム。
【発明の詳細な説明】
【技術分野】
【0001】
本開示は、多形式データの解析に関するものである。
【背景技術】
【0002】
機器の状態を確認するために複数種類のセンサが利用される。また、センサによって、計測の時間間隔、計測によって得られる値の個数、および、計測によって得られる値の種類などが異なる。そのため、互いに異なる形式を有する複数のセンサデータを解析する必要がある。
しかし、互いに異なる形式を有する複数のセンサデータをまとめて解析するための手法が確立されていない。さらに、センサデータのような時系列データと共に数値データまたはカテゴリデータなどのデータを解析するための手法が存在しない。
しかし、互いに異なる形式を有する複数のセンサデータをまとめて解析するための手法が確立されていない。さらに、センサデータのような時系列データと共に数値データまたはカテゴリデータなどのデータを解析するための手法が存在しない。
【0003】
特許文献１は、センサデータの並び順に対する依存関係をなくすために入力層、全結合層、複数の畳み込み層、出力層の順番で畳み込みニューラルネットワークの演算を行うことを開示している。
しかし、特許文献１は、互いに異なる形式を有する複数のセンサデータをまとめて解析するための手法を開示していない。
しかし、特許文献１は、互いに異なる形式を有する複数のセンサデータをまとめて解析するための手法を開示していない。
【先行技術文献】
【特許文献】
【0004】
【特許文献1】特開２０２０－０２７３７５号公報
【発明の概要】
【発明が解決しようとする課題】
【0005】
本開示は、多形式データをまとめて解析できるようにすることを目的とする。
【課題を解決するための手段】
【0006】
本開示の多形式データ解析システムは、
互いに異なる形式を有する複数の個別数値列のそれぞれの形式を示す形式情報データに基づいて、前記複数の個別数値列のそれぞれを、規定の形式を有する規定数値列に変換する形式変換部と、
前記複数の個別数値列に対応する複数の規定数値列のそれぞれを、正規化された規定数値列である正規化数値列に変換する正規化部と、
前記複数の規定数値列に対応する複数の正規化数値列を２次元データとして用いて得られる解析結果を出力する出力部と、を備える。
互いに異なる形式を有する複数の個別数値列のそれぞれの形式を示す形式情報データに基づいて、前記複数の個別数値列のそれぞれを、規定の形式を有する規定数値列に変換する形式変換部と、
前記複数の個別数値列に対応する複数の規定数値列のそれぞれを、正規化された規定数値列である正規化数値列に変換する正規化部と、
前記複数の規定数値列に対応する複数の正規化数値列を２次元データとして用いて得られる解析結果を出力する出力部と、を備える。
【0007】
前記形式情報データは、個別数値列ごとに前記個別数値列に含まれる各数値の桁数を設定桁数として示し、
前記形式変換部は、個別数値列ごとに前記個別数値列を前記設定桁数で分割することによって１つ以上の数値を得て、個別数値列ごとに前記１つ以上の数値を基に前記規定数値列を生成する。
前記形式変換部は、個別数値列ごとに前記個別数値列を前記設定桁数で分割することによって１つ以上の数値を得て、個別数値列ごとに前記１つ以上の数値を基に前記規定数値列を生成する。
【0008】
前記規定数値列に含まれる各数値は、規定進数で表される数値であり、
前記形式情報データは、個別数値列ごとに前記個別数値列に含まれる各数値の進数を設定進数として示し、
前記形式変換部は、個別数値列ごとに前記１つ以上の数値のそれぞれを前記設定進数の数値から前記規定進数の数値に変換する。
前記形式情報データは、個別数値列ごとに前記個別数値列に含まれる各数値の進数を設定進数として示し、
前記形式変換部は、個別数値列ごとに前記１つ以上の数値のそれぞれを前記設定進数の数値から前記規定進数の数値に変換する。
【0009】
前記規定数値列は、規定個数の数値から成り、
前記形式情報データは、個別数値列ごとに個別数値列に含まれる数値の個数を設定個数として示し、
前記形式変換部は、前記形式情報データから前記複数の個別数値列に対応する複数の設定個数を抽出し、前記複数の設定個数の最小公倍数を前記規定個数として算出し、個別数値列ごとに前記規定個数を前記設定個数で割って商を算出し、個別数値列ごとに前記１つ以上の数値のそれぞれを前記商が示す数と同じ個数に増やすことによって前記１つ以上の数値を前記規定個数の数値に変換する。
前記形式情報データは、個別数値列ごとに個別数値列に含まれる数値の個数を設定個数として示し、
前記形式変換部は、前記形式情報データから前記複数の個別数値列に対応する複数の設定個数を抽出し、前記複数の設定個数の最小公倍数を前記規定個数として算出し、個別数値列ごとに前記規定個数を前記設定個数で割って商を算出し、個別数値列ごとに前記１つ以上の数値のそれぞれを前記商が示す数と同じ個数に増やすことによって前記１つ以上の数値を前記規定個数の数値に変換する。
【0010】
前記多形式データ解析システムは、
複数のカテゴリのうちの特定のカテゴリを識別するカテゴリ識別子を示すカテゴリデータを受け付ける受付部と、
前記特定のカテゴリのための個別数値列と、前記特定のカテゴリ以外の各カテゴリのための個別数値列と、を生成することによって、前記複数の個別数値列を得る数値化部と、を備える。
複数のカテゴリのうちの特定のカテゴリを識別するカテゴリ識別子を示すカテゴリデータを受け付ける受付部と、
前記特定のカテゴリのための個別数値列と、前記特定のカテゴリ以外の各カテゴリのための個別数値列と、を生成することによって、前記複数の個別数値列を得る数値化部と、を備える。
【0011】
前記特定のカテゴリのための個別数値列が肯定値を示し、前記特定のカテゴリ以外の各カテゴリのための個別数値列が否定値を示す。
【0012】
前記形式情報データは、個別数値列ごとに、前記個別数値列に含まれる各数値の桁数である設定桁数と、個別数値列に含まれる各数値の進数である設定進数と、を示し、
前記正規化部は、前記規定数値列に対応する個別数値列の設定桁数と前記規定数値列に対応する個別数値列の設定進数とを前記形式情報データから抽出し、抽出された設定進数を底とし抽出された設定桁数を冪指数として求まる冪から１を引いた値を除数として算出し、前記規定数値列に含まれる各数値を前記除数で割って商を算出し、前記規定数値列に含まれる各数値を算出された商に置き換えることによって前記規定数値列を正規化する。
前記正規化部は、前記規定数値列に対応する個別数値列の設定桁数と前記規定数値列に対応する個別数値列の設定進数とを前記形式情報データから抽出し、抽出された設定進数を底とし抽出された設定桁数を冪指数として求まる冪から１を引いた値を除数として算出し、前記規定数値列に含まれる各数値を前記除数で割って商を算出し、前記規定数値列に含まれる各数値を算出された商に置き換えることによって前記規定数値列を正規化する。
【0013】
前記多形式データ解析システムは、
前記複数の正規化数値列を前記２次元データとして用いて２次元画像を生成する可視化部を備え、
前記出力部は、前記解析結果として前記２次元画像を表示する。
前記複数の正規化数値列を前記２次元データとして用いて２次元画像を生成する可視化部を備え、
前記出力部は、前記解析結果として前記２次元画像を表示する。
【0014】
前記多形式データ解析システムは、
前記複数の正規化数値列を、畳み込みニューラルネットワークのモデルの入力となる前記２次元データとして用いて、前記モデルを演算するモデル適用部と、
前記モデルの演算結果を表す演算結果グラフを生成する可視化部と、を備え、
前記出力部は、前記解析結果として前記演算結果グラフを表示する。
前記複数の正規化数値列を、畳み込みニューラルネットワークのモデルの入力となる前記２次元データとして用いて、前記モデルを演算するモデル適用部と、
前記モデルの演算結果を表す演算結果グラフを生成する可視化部と、を備え、
前記出力部は、前記解析結果として前記演算結果グラフを表示する。
【0015】
前記モデル適用部は、前記モデルの演算において正規化数値列ごとに１次元畳み込みを実行する。
【0016】
前記多形式データ解析システムは、
２次元データとラベルとの組であるデータセットを学習データにして前記モデルを構築するモデル構築部を備え、
前記モデル適用部は、前記モデルを演算することによって、前記モデルの入力となった前記２次元データに対するラベルの情報を前記演算結果として得る。
２次元データとラベルとの組であるデータセットを学習データにして前記モデルを構築するモデル構築部を備え、
前記モデル適用部は、前記モデルを演算することによって、前記モデルの入力となった前記２次元データに対するラベルの情報を前記演算結果として得る。
【0017】
前記モデル構築部は、前記データセットに含まれる２次元データに対応する１つ以上の知見データを受け付け、前記１つ以上の知見データに示される文書に基づいて前記データセットに含まれるラベルを決定する。
【0018】
本開示の多形式データ解析プログラムは、
互いに異なる形式を有する複数の個別数値列のそれぞれの形式を示す形式情報データに基づいて、前記複数の個別数値列のそれぞれを、規定の形式を有する規定数値列に変換する形式変換部と、
前記複数の個別数値列に対応する複数の規定数値列のそれぞれを、正規化された規定数値列である正規化数値列に変換する正規化部と、
前記複数の規定数値列に対応する複数の正規化数値列を２次元データとして用いて得られる解析結果を出力する出力部として
コンピュータを機能させる。
互いに異なる形式を有する複数の個別数値列のそれぞれの形式を示す形式情報データに基づいて、前記複数の個別数値列のそれぞれを、規定の形式を有する規定数値列に変換する形式変換部と、
前記複数の個別数値列に対応する複数の規定数値列のそれぞれを、正規化された規定数値列である正規化数値列に変換する正規化部と、
前記複数の規定数値列に対応する複数の正規化数値列を２次元データとして用いて得られる解析結果を出力する出力部として
コンピュータを機能させる。
【発明の効果】
【0019】
本開示によれば、多形式データを２次元データに変換することができる。その結果、多形式データをまとめて解析することが可能となる。
【図面の簡単な説明】
【0020】
【図1】実施の形態１における多形式データ解析システム１００の構成図。
【図2】実施の形態１における多形式データ解析方法のフローチャート。
【図3】実施の形態１におけるセンサデータの形式表現の一例を示す図。
【図4】実施の形態１における多形式データ１９１および形式情報データ１９２を示す図。
【図5】実施の形態１におけるステップＳ１２０のフローチャート。
【図6】実施の形態１におけるステップＳ１２１の具体例を示す図。
【図7】実施の形態１におけるステップＳ１２２の具体例を示す図。
【図8】実施の形態１におけるステップＳ１２３の具体例を示す図。
【図9】実施の形態１におけるステップＳ１３０の具体例を示す図。
【図10】実施の形態１における２次元画像１９３を示す図。
【図11】実施の形態２における多形式データ解析システム１００の構成図。
【図12】実施の形態２における多形式データ解析方法のフローチャート。
【図13】実施の形態２における形式情報データ１９２およびカテゴリデータ１９４を示す図。
【図14】実施の形態２におけるステップＳ２２２の具体例を示す図。
【図15】実施の形態３における多形式データ解析システム１００の構成図。
【図16】実施の形態３における多形式データ解析方法（構築）のフローチャート。
【図17】実施の形態３における多形式データ解析方法（適用）のフローチャート。
【図18】実施の形態３におけるＣＮＮモデル１９５の構成図。
【図19】実施の形態３における１次元畳み込みの説明図。
【図20】実施の形態３における演算結果グラフ（１９６、１９７）を示す図。
【発明を実施するための形態】
【0021】
実施の形態および図面において、同じ要素または対応する要素には同じ符号を付している。説明した要素と同じ符号が付された要素の説明は適宜に省略または簡略化する。図中の矢印はデータの流れ又は処理の流れを主に示している。
【0022】
【0023】
＊＊＊構成の説明＊＊＊
図１に基づいて、多形式データ解析システム１００の構成を説明する。
多形式データ解析システム１００は、プロセッサ１０１とメモリ１０２と補助記憶装置１０３と通信装置１０４と入出力インタフェース１０５といったハードウェアを備えるコンピュータである。これらのハードウェアは、信号線を介して互いに接続されている。
但し、多形式データ解析システム１００は、２台以上のコンピュータで構成されてもよい。
図１に基づいて、多形式データ解析システム１００の構成を説明する。
多形式データ解析システム１００は、プロセッサ１０１とメモリ１０２と補助記憶装置１０３と通信装置１０４と入出力インタフェース１０５といったハードウェアを備えるコンピュータである。これらのハードウェアは、信号線を介して互いに接続されている。
但し、多形式データ解析システム１００は、２台以上のコンピュータで構成されてもよい。
【0024】
プロセッサ１０１は、演算処理を行うＩＣであり、他のハードウェアを制御する。例えば、プロセッサ１０１は、ＣＰＵ、ＤＳＰまたはＧＰＵである。
ＩＣは、Ｉｎｔｅｇｒａｔｅｄ Ｃｉｒｃｕｉｔの略称である。
ＣＰＵは、Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔの略称である。
ＤＳＰは、Ｄｉｇｉｔａｌ Ｓｉｇｎａｌ Ｐｒｏｃｅｓｓｏｒの略称である。
ＧＰＵは、Ｇｒａｐｈｉｃｓ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔの略称である。
ＩＣは、Ｉｎｔｅｇｒａｔｅｄ Ｃｉｒｃｕｉｔの略称である。
ＣＰＵは、Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔの略称である。
ＤＳＰは、Ｄｉｇｉｔａｌ Ｓｉｇｎａｌ Ｐｒｏｃｅｓｓｏｒの略称である。
ＧＰＵは、Ｇｒａｐｈｉｃｓ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔの略称である。
【0025】
メモリ１０２は揮発性または不揮発性の記憶装置である。メモリ１０２は、主記憶装置またはメインメモリとも呼ばれる。例えば、メモリ１０２はＲＡＭである。メモリ１０２に記憶されたデータは必要に応じて補助記憶装置１０３に保存される。
ＲＡＭは、Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙの略称である。
ＲＡＭは、Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙの略称である。
【0026】
補助記憶装置１０３は不揮発性の記憶装置である。例えば、補助記憶装置１０３は、ＲＯＭ、ＨＤＤまたはフラッシュメモリである。補助記憶装置１０３に記憶されたデータは必要に応じてメモリ１０２にロードされる。
ＲＯＭは、Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙの略称である。
ＨＤＤは、Ｈａｒｄ Ｄｉｓｋ Ｄｒｉｖｅの略称である。
ＲＯＭは、Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙの略称である。
ＨＤＤは、Ｈａｒｄ Ｄｉｓｋ Ｄｒｉｖｅの略称である。
【0027】
通信装置１０４はレシーバ及びトランスミッタである。例えば、通信装置１０４は通信チップまたはＮＩＣである。多形式データ解析システム１００の通信は通信装置１０４を用いて行われる。
ＮＩＣは、Ｎｅｔｗｏｒｋ Ｉｎｔｅｒｆａｃｅ Ｃａｒｄの略称である。
ＮＩＣは、Ｎｅｔｗｏｒｋ Ｉｎｔｅｒｆａｃｅ Ｃａｒｄの略称である。
【0028】
入出力インタフェース１０５は、入力装置および出力装置が接続されるポートである。例えば、入出力インタフェース１０５はＵＳＢ端子であり、入力装置はキーボードおよびマウスであり、出力装置はディスプレイである。多形式データ解析システム１００の入出力は入出力インタフェース１０５を用いて行われる。
ＵＳＢは、Ｕｎｉｖｅｒｓａｌ Ｓｅｒｉａｌ Ｂｕｓの略称である。
ＵＳＢは、Ｕｎｉｖｅｒｓａｌ Ｓｅｒｉａｌ Ｂｕｓの略称である。
【0029】
多形式データ解析システム１００は、受付部１１１と形式変換部１１２と正規化部１１３と可視化部１１４と出力部１１５といった要素を備える。これらの要素はソフトウェアで実現される。
【0030】
補助記憶装置１０３には、受付部１１１と形式変換部１１２と正規化部１１３と可視化部１１４と出力部１１５としてコンピュータを機能させるための多形式データ解析プログラムが記憶されている。多形式データ解析プログラムは、メモリ１０２にロードされて、プロセッサ１０１によって実行される。
補助記憶装置１０３には、さらに、ＯＳが記憶されている。ＯＳの少なくとも一部は、メモリ１０２にロードされて、プロセッサ１０１によって実行される。
プロセッサ１０１は、ＯＳを実行しながら、多形式データ解析プログラムを実行する。
ＯＳは、Ｏｐｅｒａｔｉｎｇ Ｓｙｓｔｅｍの略称である。
補助記憶装置１０３には、さらに、ＯＳが記憶されている。ＯＳの少なくとも一部は、メモリ１０２にロードされて、プロセッサ１０１によって実行される。
プロセッサ１０１は、ＯＳを実行しながら、多形式データ解析プログラムを実行する。
ＯＳは、Ｏｐｅｒａｔｉｎｇ Ｓｙｓｔｅｍの略称である。
【0031】
多形式データ解析プログラムの入出力データは記憶部１９０に記憶される。
メモリ１０２は記憶部１９０として機能する。但し、補助記憶装置１０３、プロセッサ１０１内のレジスタおよびプロセッサ１０１内のキャッシュメモリなどの記憶装置が、メモリ１０２の代わりに、又は、メモリ１０２と共に、記憶部１９０として機能してもよい。
メモリ１０２は記憶部１９０として機能する。但し、補助記憶装置１０３、プロセッサ１０１内のレジスタおよびプロセッサ１０１内のキャッシュメモリなどの記憶装置が、メモリ１０２の代わりに、又は、メモリ１０２と共に、記憶部１９０として機能してもよい。
【0032】
多形式データ解析システム１００は、プロセッサ１０１を代替する複数のプロセッサを備えてもよい。
【0033】
多形式データ解析プログラムは、光ディスクまたはフラッシュメモリ等の不揮発性の記録媒体にコンピュータ読み取り可能に記録（格納）することができる。
【0034】
＊＊＊動作の説明＊＊＊
多形式データ解析システム１００の動作の手順は多形式データ解析方法に相当する。また、多形式データ解析システム１００の動作の手順は多形式データ解析プログラムによる処理の手順に相当する。
多形式データ解析システム１００の動作の手順は多形式データ解析方法に相当する。また、多形式データ解析システム１００の動作の手順は多形式データ解析プログラムによる処理の手順に相当する。
【0035】
図２に基づいて、多形式データ解析方法を説明する。
ステップＳ１１０において、利用者は、多形式データおよび形式情報データを多形式データ解析システム１００に入力する。
そして、受付部１１１は、多形式データおよび形式情報データを受け付ける。
ステップＳ１１０において、利用者は、多形式データおよび形式情報データを多形式データ解析システム１００に入力する。
そして、受付部１１１は、多形式データおよび形式情報データを受け付ける。
【0036】
多形式データは、互いに異なる形式を有する複数のデータである。多形式データに含まれる各データを「対象データ」と称する。
各対象データは、１つ以上の数値から成る数値列を示す。各対象データの数値列を「個別数値列」と称する。
各対象データは、１つ以上の数値から成る数値列を示す。各対象データの数値列を「個別数値列」と称する。
【0037】
複数のセンサから得られる複数のセンサデータは、多形式データの一例である。
センサデータは、時系列データまたは数値データであり、対象データの一例である。
数値の桁数、数値の進数、数値の個数、数値列における時間間隔、および、数値列における時間長は、データ形式を特定する要素の一例である。
センサデータは、時系列データまたは数値データであり、対象データの一例である。
数値の桁数、数値の進数、数値の個数、数値列における時間間隔、および、数値列における時間長は、データ形式を特定する要素の一例である。
【0038】
形式情報データは、複数の個別数値列のそれぞれの形式を示す。
【0039】
なお、センサ別にセンサデータの形式を示すセンサ情報データが記憶部１９０に予め記憶されてもよい。その場合、受付部１１１は、対象データとしてセンサデータを受け付け、受け付けたセンサデータに対応するセンサ情報データを選択し、選択したセンサ情報データからセンサデータの形式を取得する。取得される形式は形式情報データに示される形式として扱われる。
【0040】
図３に、センサデータの形式表現の一例を示す。
例えば、センサデータの形式は、図３のように表され、桁数と進数と個数とを特定する。
進数が“ｂｉｔ”で表される場合、数値の進数は２進数である。
進数が“ｂｙｔｅ”で表される場合、数値の進数は１６進数である。また、１ｂｙｔｅは２文字に相当するため、「Ｎ×２」が桁数となる。
個数の記載が無い場合、個数は１である。
多くのセンサデータは、時系列の数値が左から並んでいる。
例えば、センサデータの形式は、図３のように表され、桁数と進数と個数とを特定する。
進数が“ｂｉｔ”で表される場合、数値の進数は２進数である。
進数が“ｂｙｔｅ”で表される場合、数値の進数は１６進数である。また、１ｂｙｔｅは２文字に相当するため、「Ｎ×２」が桁数となる。
個数の記載が無い場合、個数は１である。
多くのセンサデータは、時系列の数値が左から並んでいる。
【0041】
図４に、多形式データ１９１および形式情報データ１９２を示す。
多形式データ１９１は多形式データの一例であり、形式情報データ１９２は形式情報データの一例である。
時系列Ａ、時系列Ｂおよび時系列Ｃは、時系列データである。
数値Ａは、数値データである。
時系列Ａ、時系列Ｂ、時系列Ｃおよび数値Ａは、桁数と進数と個数といった形式が互いに異なっている。
多形式データ１９１は多形式データの一例であり、形式情報データ１９２は形式情報データの一例である。
時系列Ａ、時系列Ｂおよび時系列Ｃは、時系列データである。
数値Ａは、数値データである。
時系列Ａ、時系列Ｂ、時系列Ｃおよび数値Ａは、桁数と進数と個数といった形式が互いに異なっている。
【0042】
図２に戻り、ステップＳ１２０から説明を続ける。
ステップＳ１２０において、形式変換部１１２は、形式情報データに基づいて、多形式データを規定形式データに変換する。
つまり、形式変換部１１２は、形式情報データに基づいて、複数の個別数値列のそれぞれを規定数値列に変換する。
規定数値列は、規定の形式を有する数値列である。具体的には、規定数値列は、規定個数の数値から成る。また、規定数値列に含まれる各数値は、規定進数で表される数値である。規定個数および規定進数について後述する。
ステップＳ１２０において、形式変換部１１２は、形式情報データに基づいて、多形式データを規定形式データに変換する。
つまり、形式変換部１１２は、形式情報データに基づいて、複数の個別数値列のそれぞれを規定数値列に変換する。
規定数値列は、規定の形式を有する数値列である。具体的には、規定数値列は、規定個数の数値から成る。また、規定数値列に含まれる各数値は、規定進数で表される数値である。規定個数および規定進数について後述する。
【0043】
図５に基づいて、ステップＳ１２０の手順を説明する。
形式情報データは、個別数値列（対象データ）ごとに設定桁数と設定進数と設定個数とを示す。
設定桁数は、個別数値列に含まれる各数値の桁数である。
設定進数は、個別数値列に含まれる各数値の進数である。
設定個数は、個別数値列に含まれる数値の個数である。
形式情報データは、個別数値列（対象データ）ごとに設定桁数と設定進数と設定個数とを示す。
設定桁数は、個別数値列に含まれる各数値の桁数である。
設定進数は、個別数値列に含まれる各数値の進数である。
設定個数は、個別数値列に含まれる数値の個数である。
【0044】
ステップＳ１２１において、形式変換部１１２は、個別数値列ごとに、個別数値列を設定桁数で分割する。これにより、個別数値列ごとに、１つ以上の数値が得られる。
【0045】
ステップＳ１２１で得られる１つ以上の数値から成る数値列を「分割数値列」と称する。
【0046】
図６に、ステップＳ１２１の具体例を示す。
時系列Ａの設定桁数は「２」である。そのため、形式変換部１１２は、時系列Ａの個別数値列を２桁ずつに分割する。これにより、３２個の数値が得られる。
時系列Ｂの設定桁数は「４」である。そのため、形式変換部１１２は、時系列Ｂの個別数値列を４桁ずつに分割する。これにより、１６個の数値が得られる。
時系列Ｃの設定桁数は「８」である。そのため、形式変換部１１２は、時系列Ｃの個別数値列を８桁ずつに分割する。これにより、４個の数値が得られる。
数値Ａの設定桁数は「２」である。そのため、形式変換部１１２は、数値Ａの個別数値列を２桁ずつに分割する。これにより、１個の数値が得られる。
時系列Ａの設定桁数は「２」である。そのため、形式変換部１１２は、時系列Ａの個別数値列を２桁ずつに分割する。これにより、３２個の数値が得られる。
時系列Ｂの設定桁数は「４」である。そのため、形式変換部１１２は、時系列Ｂの個別数値列を４桁ずつに分割する。これにより、１６個の数値が得られる。
時系列Ｃの設定桁数は「８」である。そのため、形式変換部１１２は、時系列Ｃの個別数値列を８桁ずつに分割する。これにより、４個の数値が得られる。
数値Ａの設定桁数は「２」である。そのため、形式変換部１１２は、数値Ａの個別数値列を２桁ずつに分割する。これにより、１個の数値が得られる。
【0047】
図５に戻り、ステップＳ１２２から説明を続ける。
ステップＳ１２２において、形式変換部１１２は、個別数値列ごとに、１つ以上の数値のそれぞれを、設定進数の数値から規定進数の数値に変換する。
規定進数は、予め決められた進数である。規定進数の具体例は１０進数である。
ステップＳ１２２において、形式変換部１１２は、個別数値列ごとに、１つ以上の数値のそれぞれを、設定進数の数値から規定進数の数値に変換する。
規定進数は、予め決められた進数である。規定進数の具体例は１０進数である。
【0048】
ステップＳ１２２で得られる１つ以上の数値から成る数値列を「進数数値列」と称する。
【0049】
図７に、ステップＳ１２２の具体例を示す。規定進数は１０進数である。
時系列Ａの設定進数は「１６」である。そのため、形式変換部１１２は、時系列Ａの１つ以上の数値のそれぞれを、１６進数の数値から１０進数の数値に変換する。例えば、１６進数の「０５」は１０進数の「５」に変換される。
時系列Ｂの設定進数は「１６」である。そのため、形式変換部１１２は、時系列Ｂの１つ以上の数値のそれぞれを、１６進数の数値から１０進数の数値に変換する。例えば、１６進数の「１４ＦＡ」は１０進数の「５３７０」に変換される。
時系列Ｃの設定進数は「２」である。そのため、形式変換部１１２は、時系列Ｃの１つ以上の数値のそれぞれを、２進数の数値から１０進数の数値に変換する。例えば、２進数の「００００００００」は１０進数の「０」に変換される。
数値Ａの設定進数は「１６」である。そのため、形式変換部１１２は、数値Ａの１つ以上の数値のそれぞれを、１６進数の数値から１０進数の数値に変換する。例えば、１６進数の「０８」は１０進数の「８」に変換される。
時系列Ａの設定進数は「１６」である。そのため、形式変換部１１２は、時系列Ａの１つ以上の数値のそれぞれを、１６進数の数値から１０進数の数値に変換する。例えば、１６進数の「０５」は１０進数の「５」に変換される。
時系列Ｂの設定進数は「１６」である。そのため、形式変換部１１２は、時系列Ｂの１つ以上の数値のそれぞれを、１６進数の数値から１０進数の数値に変換する。例えば、１６進数の「１４ＦＡ」は１０進数の「５３７０」に変換される。
時系列Ｃの設定進数は「２」である。そのため、形式変換部１１２は、時系列Ｃの１つ以上の数値のそれぞれを、２進数の数値から１０進数の数値に変換する。例えば、２進数の「００００００００」は１０進数の「０」に変換される。
数値Ａの設定進数は「１６」である。そのため、形式変換部１１２は、数値Ａの１つ以上の数値のそれぞれを、１６進数の数値から１０進数の数値に変換する。例えば、１６進数の「０８」は１０進数の「８」に変換される。
【0050】
図５に戻り、ステップＳ１２３から説明を続ける。
ステップＳ１２３において、形式変換部１１２は、個別数値列ごとに、１つ以上の数値を規定個数の数値に変換する。
ステップＳ１２３において、形式変換部１１２は、個別数値列ごとに、１つ以上の数値を規定個数の数値に変換する。
【0051】
具体的には、形式変換部１１２は以下のように動作する。
まず、形式変換部１１２は、形式情報データから、複数の個別数値列に対応する複数の設定個数を抽出する。
次に、形式変換部１１２は、複数の設定個数の最小公倍数を算出する。算出される最小公倍数が「規定個数」である。
次に、形式変換部１１２は、個別数値列ごとに、規定個数を設定個数で割って商を算出する。
そして、形式変換部１１２は、個別数値列ごとに、１つ以上の数値のそれぞれを商が示す数と同じ個数に増やす。
まず、形式変換部１１２は、形式情報データから、複数の個別数値列に対応する複数の設定個数を抽出する。
次に、形式変換部１１２は、複数の設定個数の最小公倍数を算出する。算出される最小公倍数が「規定個数」である。
次に、形式変換部１１２は、個別数値列ごとに、規定個数を設定個数で割って商を算出する。
そして、形式変換部１１２は、個別数値列ごとに、１つ以上の数値のそれぞれを商が示す数と同じ個数に増やす。
【0052】
ステップＳ１２３で得られる規定個数の数値を「個数数値列」と称する。個数数値列は規定数値列である。
【0053】
図８に、ステップＳ１２３の具体例を示す。
時系列Ａの設定個数は「３２」である。時系列Ｂの設定個数は「１６」である。時系列Ｃの設定個数は「４」である。数値Ａの設定個数は「１」である。これらの設定個数の最小公倍数は「３２」である。そのため、規定個数は「３２」である。
規定個数「３２」を時系列Ａの設定個数「３２」で割ると商「１」が得られる。そのため、形式変換部１１２は、時系列Ａの各数値の個数を増やさない。
規定個数「３２」を時系列Ｂの設定個数「１６」で割ると商「２」が得られる。そのため、形式変換部１１２は、時系列Ｂの各数値を２個に増やす。例えば、形式変換部１１２は、時系列Ｂの１つ目の数値「５３７０」を２個に増やす。
規定個数「３２」を時系列Ｃの設定個数「４」で割ると商「８」が得られる。そのため、形式変換部１１２は、時系列Ｃの各数値を８個に増やす。例えば、形式変換部１１２は、時系列Ｃの１つ目の数値「０」を８個に増やす。
規定個数「３２」を数値Ａの設定個数「１」で割ると商「３２」が得られる。そのため、形式変換部１１２は、数値Ａの各数値を３２個に増やす。つまり、形式変換部１１２は、数値Ａの１個の数値「８」を３２個に増やす。
時系列Ａの設定個数は「３２」である。時系列Ｂの設定個数は「１６」である。時系列Ｃの設定個数は「４」である。数値Ａの設定個数は「１」である。これらの設定個数の最小公倍数は「３２」である。そのため、規定個数は「３２」である。
規定個数「３２」を時系列Ａの設定個数「３２」で割ると商「１」が得られる。そのため、形式変換部１１２は、時系列Ａの各数値の個数を増やさない。
規定個数「３２」を時系列Ｂの設定個数「１６」で割ると商「２」が得られる。そのため、形式変換部１１２は、時系列Ｂの各数値を２個に増やす。例えば、形式変換部１１２は、時系列Ｂの１つ目の数値「５３７０」を２個に増やす。
規定個数「３２」を時系列Ｃの設定個数「４」で割ると商「８」が得られる。そのため、形式変換部１１２は、時系列Ｃの各数値を８個に増やす。例えば、形式変換部１１２は、時系列Ｃの１つ目の数値「０」を８個に増やす。
規定個数「３２」を数値Ａの設定個数「１」で割ると商「３２」が得られる。そのため、形式変換部１１２は、数値Ａの各数値を３２個に増やす。つまり、形式変換部１１２は、数値Ａの１個の数値「８」を３２個に増やす。
【0054】
図５に戻り、ステップＳ１２０の手順を補足する。
ステップＳ１２２とＳ１２３の順番は入れ替えても構わない。
つまり、形式変換部１１２は、分割数値列（Ｓ１２１）を個数数値列（Ｓ１２３）に変換した後に、個数数値列（Ｓ１２３）を進数数値列（Ｓ１２２）に変換してもよい。この場合、進数数値列（Ｓ１２２）が規定数値列となる。
ステップＳ１２２とＳ１２３の順番は入れ替えても構わない。
つまり、形式変換部１１２は、分割数値列（Ｓ１２１）を個数数値列（Ｓ１２３）に変換した後に、個数数値列（Ｓ１２３）を進数数値列（Ｓ１２２）に変換してもよい。この場合、進数数値列（Ｓ１２２）が規定数値列となる。
【0055】
図２に戻り、ステップＳ１３０から説明を続ける。
ステップＳ１３０において、正規化部１１３は、規定形式データを正規化する。
つまり、正規化部１１３は、複数の個別数値列に対応する複数の規定数値列のそれぞれを、正規化数値列に変換する。
正規化数値列は、正規化された規定数値列である。
ステップＳ１３０において、正規化部１１３は、規定形式データを正規化する。
つまり、正規化部１１３は、複数の個別数値列に対応する複数の規定数値列のそれぞれを、正規化数値列に変換する。
正規化数値列は、正規化された規定数値列である。
【0056】
具体的には、正規化部１１３は、各規定数値列を以下のように正規化数値列に変換する。
まず、正規化部１１３は、規定数値列に対応する個別数値列の設定桁数と、規定数値列に対応する個別数値列の設定進数と、を形式情報データから抽出する。
次に、正規化部１１３は、抽出された設定進数を底とし、抽出された設定桁数を冪指数として、冪を算出する。そして、正規化部１１３は、算出した冪から１を引いた値を算出する。つまり、設定進数が「ｘ」であり、設定桁数が「ｙ」である場合、正規化部１１３は、「ｘｙ－１」を算出する。算出される値は規定数値列における数値の最大値である。
次に、正規化部１１３は、算出された最大値を除数にして、規定数値列に含まれる各数値を除数で割って商を算出する。算出される商は０以上１以下の値である。
そして、正規化部１１３は、規定数値列に含まれる各数値を、算出された商に置き換える。
まず、正規化部１１３は、規定数値列に対応する個別数値列の設定桁数と、規定数値列に対応する個別数値列の設定進数と、を形式情報データから抽出する。
次に、正規化部１１３は、抽出された設定進数を底とし、抽出された設定桁数を冪指数として、冪を算出する。そして、正規化部１１３は、算出した冪から１を引いた値を算出する。つまり、設定進数が「ｘ」であり、設定桁数が「ｙ」である場合、正規化部１１３は、「ｘｙ－１」を算出する。算出される値は規定数値列における数値の最大値である。
次に、正規化部１１３は、算出された最大値を除数にして、規定数値列に含まれる各数値を除数で割って商を算出する。算出される商は０以上１以下の値である。
そして、正規化部１１３は、規定数値列に含まれる各数値を、算出された商に置き換える。
【0057】
図９に、ステップＳ１３０の具体例を示す。
時系列Ａの設定桁数は「２」であり、時系列Ａの設定進数は「１６」である。したがって、時系列Ａの規定数値列における数値の最大値は「２５５（＝１６２－１）」である。そのため、正規化部１１３は、時系列Ａの規定数値列の各数値を「２５５」で割って商に置き換える。例えば、「５」は「０．０２（＝５／２５５）」に置き換えられる。
時系列Ｂの設定桁数は「４」であり、時系列Ｂの設定進数は「１６」である。したがって、時系列Ｂの規定数値列における数値の最大値は「６５５３５（＝１６４－１）」である。そのため、正規化部１１３は、時系列Ｂの規定数値列の各数値を「６５５３５」で割って商に置き換える。例えば、「５３７０」は「０．０８（＝５３７０／６５５３５）」に置き換えられる。
時系列Ｃの設定桁数は「８」であり、時系列Ｃの設定進数は「２」である。したがって、時系列Ｃの規定数値列における数値の最大値は「２５５（＝２８－１）」である。そのため、正規化部１１３は、時系列Ｃの規定数値列の各数値を「２５５」で割って商に置き換える。例えば、「０」は「０．００（＝０／２５５）」に置き換えられる。
数値Ａの設定桁数は「２」であり、数値Ａの設定進数は「１６」である。したがって、数値Ａの規定数値列における数値の最大値は「２５５（＝１６２－１）」である。そのため、正規化部１１３は、数値Ａの規定数値列の各数値を「２５５」で割って商に置き換える。例えば、「８」は「０．０３（＝８／２５５）」に置き換えられる。
時系列Ａの設定桁数は「２」であり、時系列Ａの設定進数は「１６」である。したがって、時系列Ａの規定数値列における数値の最大値は「２５５（＝１６２－１）」である。そのため、正規化部１１３は、時系列Ａの規定数値列の各数値を「２５５」で割って商に置き換える。例えば、「５」は「０．０２（＝５／２５５）」に置き換えられる。
時系列Ｂの設定桁数は「４」であり、時系列Ｂの設定進数は「１６」である。したがって、時系列Ｂの規定数値列における数値の最大値は「６５５３５（＝１６４－１）」である。そのため、正規化部１１３は、時系列Ｂの規定数値列の各数値を「６５５３５」で割って商に置き換える。例えば、「５３７０」は「０．０８（＝５３７０／６５５３５）」に置き換えられる。
時系列Ｃの設定桁数は「８」であり、時系列Ｃの設定進数は「２」である。したがって、時系列Ｃの規定数値列における数値の最大値は「２５５（＝２８－１）」である。そのため、正規化部１１３は、時系列Ｃの規定数値列の各数値を「２５５」で割って商に置き換える。例えば、「０」は「０．００（＝０／２５５）」に置き換えられる。
数値Ａの設定桁数は「２」であり、数値Ａの設定進数は「１６」である。したがって、数値Ａの規定数値列における数値の最大値は「２５５（＝１６２－１）」である。そのため、正規化部１１３は、数値Ａの規定数値列の各数値を「２５５」で割って商に置き換える。例えば、「８」は「０．０３（＝８／２５５）」に置き換えられる。
【0058】
図２に戻り、ステップＳ１４０から説明を続ける。
ステップＳ１４０において、可視化部１１４は、正規化データを２次元データとして用いて２次元画像を生成する。
つまり、可視化部１１４は、複数の正規化数値列を２次元データとして用いて２次元画像を生成する。
ステップＳ１４０において、可視化部１１４は、正規化データを２次元データとして用いて２次元画像を生成する。
つまり、可視化部１１４は、複数の正規化数値列を２次元データとして用いて２次元画像を生成する。
【0059】
図１０に、２次元画像１９３を示す。
２次元画像１９３は、ステップＳ１４０で生成される２次元画像の一例である。
２次元画像１９３は、「時系列×センサ」の２次元データを可視化した画像に相当する。
２次元画像１９３の一行は、１つの正規化数値列を表している。
２次元画像１９３の１つのマスは、正規化数値列の１つの数値を表している。
各数値は網掛けの密度で区別されており、数値が小さいほど網掛けの密度が低く、数値が大きいほど網掛けの密度が高い。
但し、各数値は、色のグラデーションで区別されてもよいし、色、模様または色彩で区別されてもよいし、その他の方法で区別されてもよい。
２次元画像１９３は、ステップＳ１４０で生成される２次元画像の一例である。
２次元画像１９３は、「時系列×センサ」の２次元データを可視化した画像に相当する。
２次元画像１９３の一行は、１つの正規化数値列を表している。
２次元画像１９３の１つのマスは、正規化数値列の１つの数値を表している。
各数値は網掛けの密度で区別されており、数値が小さいほど網掛けの密度が低く、数値が大きいほど網掛けの密度が高い。
但し、各数値は、色のグラデーションで区別されてもよいし、色、模様または色彩で区別されてもよいし、その他の方法で区別されてもよい。
【0060】
図２に戻り、ステップＳ１５０を説明する。
ステップＳ１５０において、出力部１１５は、２次元画像をディスプレイに表示する。
２次元画像は、多形式データの解析結果の一例である。表示は出力の一例である。
利用者は、２次元画像を参照することにより、多形式データの内容を視覚的に把握することができる。例えば、利用者は、故障発生前に得られた多形式データの２次元画像と故障発生後に得られた多形式データの２次元画像とを見比べることにより、故障発生前後における多形式データの変化を視覚的に把握することができる。
ステップＳ１５０において、出力部１１５は、２次元画像をディスプレイに表示する。
２次元画像は、多形式データの解析結果の一例である。表示は出力の一例である。
利用者は、２次元画像を参照することにより、多形式データの内容を視覚的に把握することができる。例えば、利用者は、故障発生前に得られた多形式データの２次元画像と故障発生後に得られた多形式データの２次元画像とを見比べることにより、故障発生前後における多形式データの変化を視覚的に把握することができる。
【0061】
＊＊＊実施の形態１の効果＊＊＊
実施の形態１により、多形式データを２次元データに変換することができる。その結果、多形式データをまとめて解析することが可能となる。
また、２次元データを可視化することができる。これにより、利用者が多形式データの内容を視覚的に把握することが可能となる。
実施の形態１により、多形式データを２次元データに変換することができる。その結果、多形式データをまとめて解析することが可能となる。
また、２次元データを可視化することができる。これにより、利用者が多形式データの内容を視覚的に把握することが可能となる。
【0062】
【0063】
＊＊＊構成の説明＊＊＊
図１１に基づいて、多形式データ解析システム１００の構成を説明する。
多形式データ解析システム１００は、さらに、数値化部１２１を備える。
多形式データ解析プログラムは、さらに、数値化部１２１としてコンピュータを機能させる。
図１１に基づいて、多形式データ解析システム１００の構成を説明する。
多形式データ解析システム１００は、さらに、数値化部１２１を備える。
多形式データ解析プログラムは、さらに、数値化部１２１としてコンピュータを機能させる。
【0064】
＊＊＊動作の説明＊＊＊
図１２に基づいて、多形式データ解析方法を説明する。
ステップＳ２１０において、受付部１１１は、多形式データおよび形式情報データを受け付ける。
ステップＳ２１０は、実施の形態１のステップＳ１１０と同じである。
図１２に基づいて、多形式データ解析方法を説明する。
ステップＳ２１０において、受付部１１１は、多形式データおよび形式情報データを受け付ける。
ステップＳ２１０は、実施の形態１のステップＳ１１０と同じである。
【0065】
ステップＳ２２１において、数値化部１２１は、多形式データにカテゴリデータが含まれるか判定する。
カテゴリデータは、カテゴリ識別子を示すデータである。
カテゴリ識別子は、複数のカテゴリのうちの特定のカテゴリを識別する。例えば、カテゴリ識別子は、文字、記号、数字またはこれらの組み合わせで表される。
カテゴリデータは、カテゴリ識別子を示すデータである。
カテゴリ識別子は、複数のカテゴリのうちの特定のカテゴリを識別する。例えば、カテゴリ識別子は、文字、記号、数字またはこれらの組み合わせで表される。
【0066】
例えば、数値化部１２１は、多形式データに含まれる対象データごとに、形式情報データに示される形式に基づいて、対象データがカテゴリデータであるか判定する。設定進数が無い対象データはカテゴリデータである。
【0067】
多形式データにカテゴリデータが含まれる場合、処理はステップＳ２２２に進む。
多形式データにカテゴリデータが含まれない場合、処理はステップＳ２３０に進む。
多形式データにカテゴリデータが含まれない場合、処理はステップＳ２３０に進む。
【0068】
図１３に、カテゴリデータ１９４を示す。
カテゴリデータ１９４は、カテゴリデータの一例である。
カテゴリ識別子が取り得る値は「Ａ」「Ｂ」または「Ｃ」である。
カテゴリデータ１９４は、カテゴリ識別子「Ａ」を示している。
カテゴリデータ１９４は、カテゴリデータの一例である。
カテゴリ識別子が取り得る値は「Ａ」「Ｂ」または「Ｃ」である。
カテゴリデータ１９４は、カテゴリ識別子「Ａ」を示している。
【0069】
図１２に戻り、ステップＳ２２２を説明する。
ステップＳ２２２において、数値化部１２１は、カテゴリデータに基づいて、複数のカテゴリに対応する複数の個別数値列データを生成する。
そして、数値化部１２１は、多形式データに含まれるカテゴリデータを複数の個別数値列データに置き換える。
また、数値化部１２１は、複数の個別数値列データのために形式情報データを更新する。
ステップＳ２２２において、数値化部１２１は、カテゴリデータに基づいて、複数のカテゴリに対応する複数の個別数値列データを生成する。
そして、数値化部１２１は、多形式データに含まれるカテゴリデータを複数の個別数値列データに置き換える。
また、数値化部１２１は、複数の個別数値列データのために形式情報データを更新する。
【0070】
個別数値列データは、個別数値列を示すデータである。
カテゴリデータに対応する複数の個別数値列データは、特定のカテゴリのための個別数値列データと、特定のカテゴリ以外の各カテゴリのための個別数値列データと、で構成される。
特定のカテゴリは、カテゴリデータに示されるカテゴリ識別子によって識別されるカテゴリである。
カテゴリデータに対応する複数の個別数値列データは、特定のカテゴリのための個別数値列データと、特定のカテゴリ以外の各カテゴリのための個別数値列データと、で構成される。
特定のカテゴリは、カテゴリデータに示されるカテゴリ識別子によって識別されるカテゴリである。
【0071】
カテゴリデータに対応する各個別数値列データは、数値データである。
特定のカテゴリのための個別数値列データは、個別数値列として肯定値を示す。肯定値は、対応するカテゴリが特定のカテゴリであることを意味する。
特定のカテゴリ以外の各カテゴリのための個別数値列データは、個別数値列として否定値を示す。否定値は、対応するカテゴリが特定のカテゴリでないことを意味する。
特定のカテゴリのための個別数値列データは、個別数値列として肯定値を示す。肯定値は、対応するカテゴリが特定のカテゴリであることを意味する。
特定のカテゴリ以外の各カテゴリのための個別数値列データは、個別数値列として否定値を示す。否定値は、対応するカテゴリが特定のカテゴリでないことを意味する。
【0072】
図１４に、ステップＳ２２２の具体例を示す。
３つのカテゴリ「Ａ」「Ｂ」「Ｃ」が有るため、数値化部１２１は、カテゴリＡとカテゴリＢとカテゴリＣとの３つの個別数値列データを生成する。設定進数は「２」であり、肯定値は「１」であり、否定値は「０」である。
カテゴリＡの個別数値列は「１」であり、カテゴリＢとカテゴリＣのそれぞれの個別数値列は「０」である。
３つのカテゴリ「Ａ」「Ｂ」「Ｃ」が有るため、数値化部１２１は、カテゴリＡとカテゴリＢとカテゴリＣとの３つの個別数値列データを生成する。設定進数は「２」であり、肯定値は「１」であり、否定値は「０」である。
カテゴリＡの個別数値列は「１」であり、カテゴリＢとカテゴリＣのそれぞれの個別数値列は「０」である。
【0073】
図１２に戻り、ステップＳ２３０からステップＳ２６０を説明する。
ステップＳ２３０からステップＳ２６０は、実施の形態１のステップＳ１２０からステップＳ１５０と同じである。
ステップＳ２３０からステップＳ２６０は、実施の形態１のステップＳ１２０からステップＳ１５０と同じである。
【0074】
＊＊＊実施の形態２の効果＊＊＊
実施の形態２により、カテゴリデータを含んだ多形式データを２次元データに変換することができる。その結果、カテゴリデータを含めて多形式データをまとめて解析することが可能となる。
実施の形態２により、カテゴリデータを含んだ多形式データを２次元データに変換することができる。その結果、カテゴリデータを含めて多形式データをまとめて解析することが可能となる。
【0075】
【0076】
ＣＮＮは、畳み込みニューラルネットワークの略称である。
ＣＮＮモデルは、畳み込みニューラルネットワークのモデルである。
ＣＮＮモデルは、畳み込みニューラルネットワークのモデルである。
【0077】
＊＊＊構成の説明＊＊＊
図１５に基づいて、多形式データ解析システム１００の構成を説明する。
多形式データ解析システム１００は、さらに、モデル構築部１３１とモデル適用部１３２とを備える。
多形式データ解析プログラムは、さらに、モデル構築部１３１とモデル適用部１３２としてコンピュータを機能させる。
図１５に基づいて、多形式データ解析システム１００の構成を説明する。
多形式データ解析システム１００は、さらに、モデル構築部１３１とモデル適用部１３２とを備える。
多形式データ解析プログラムは、さらに、モデル構築部１３１とモデル適用部１３２としてコンピュータを機能させる。
【0078】
【0079】
ステップＳ３０１からステップＳ３０３は、実施の形態１のステップＳ１１０からステップＳ１３０と同じである。
これにより、複数の正規化数値列である２次元データが得られる。
これにより、複数の正規化数値列である２次元データが得られる。
【0080】
ステップＳ３０４において、モデル構築部１３１は、２次元データに対するラベルを決定する。
【0081】
具体的には、２次元データに対するラベルは以下のように決定される。
利用者は、多形式データに対応する知見データ、つまり、２次元データに対応する知見データを多形式データ解析システム１００に入力する。知見データは、利用者によって特定される文書データである。
利用者は、多形式データに対応する知見データ、つまり、２次元データに対応する知見データを多形式データ解析システム１００に入力する。知見データは、利用者によって特定される文書データである。
【0082】
例えば、利用者は、知見データを以下のように特定する。
ステップＳ３０１において、利用者は、機器の故障が発生したときに得られた多形式データを多形式データ解析システム１００に入力する。
ステップＳ３０４において、利用者は、故障した機器の基本情報または発生した故障に対する診断情報に基づいて、発生した故障に対するトラブルシュートマニュアルを特定する。また、利用者は、発生した故障に対する対応履歴を特定する。
特定されたトラブルシュートマニュアルおよび特定された故障対応履歴が、２次元データに対応する１つ以上の知見データとなる。
ステップＳ３０１において、利用者は、機器の故障が発生したときに得られた多形式データを多形式データ解析システム１００に入力する。
ステップＳ３０４において、利用者は、故障した機器の基本情報または発生した故障に対する診断情報に基づいて、発生した故障に対するトラブルシュートマニュアルを特定する。また、利用者は、発生した故障に対する対応履歴を特定する。
特定されたトラブルシュートマニュアルおよび特定された故障対応履歴が、２次元データに対応する１つ以上の知見データとなる。
【0083】
モデル構築部１３１は、１つ以上の知見データを受け付け、１つ以上の知見データに示される文書を自然言語解析などによって解析し、解析結果に基づいて２次元データに対するラベルを決定する。例えば、モデル構築部１３１は、トラブルシュートマニュアルと故障対応履歴とに共通する用語を検索し、見つけた用語を２次元データに対するラベルに決定する。
【0084】
２次元データとラベルとの組を「データセット」と称する。
ステップＳ３０１からステップＳ３０４は複数の多形式データに対して実行され、複数のデータセットが得られる。
ステップＳ３０１からステップＳ３０４は複数の多形式データに対して実行され、複数のデータセットが得られる。
【0085】
ステップＳ３０５において、モデル構築部１３１は、複数のデータセットを学習データにしてディープラーニング（深層学習）を行うことによって、ＣＮＮモデルを構築する。
具体的には、モデル構築部１３１は、複数のデータセットに含まれる２次元データごとに、２次元データを入力にしてＣＮＮモデルを演算して２次元データの特徴量の重みを学習する。そして、モデル構築部１３１は、複数のデータセットに含まれる２次元データごとに、２次元データの特徴量の重みとラベルとの組をＣＮＮモデルに登録する。
ＣＮＮモデルの演算について後述する。
具体的には、モデル構築部１３１は、複数のデータセットに含まれる２次元データごとに、２次元データを入力にしてＣＮＮモデルを演算して２次元データの特徴量の重みを学習する。そして、モデル構築部１３１は、複数のデータセットに含まれる２次元データごとに、２次元データの特徴量の重みとラベルとの組をＣＮＮモデルに登録する。
ＣＮＮモデルの演算について後述する。
【0086】
図１７に基づいて、多形式データ解析方法（適用）を説明する。
多形式データ解析方法（適用）は、ＣＮＮモデルを適用するための方法である。
多形式データ解析方法（適用）は、ＣＮＮモデルを適用するための方法である。
【0087】
ステップＳ３１１からステップＳ３１３は、実施の形態１のステップＳ１１０からステップＳ１３０と同じである。
これにより、複数の正規化数値列である２次元データが得られる。
これにより、複数の正規化数値列である２次元データが得られる。
【0088】
ステップＳ３１４において、モデル適用部１３２は、２次元データを入力にしてＣＮＮモデルを演算する。
【0089】
図１８に基づいて、ＣＮＮモデル１９５の演算を説明する。
ＣＮＮモデル１９５は、ＣＮＮモデルの一例である。
ＣＮＮモデル１９５は、ＣＮＮモデルの一例である。
【0090】
ＣＮＮモデル１９５は、入力層と、複数の畳み込み層と、複数のプーリング層と、２つの全結合層と、出力層と、を有する。
まず、入力層が、２次元データを受け付けて出力する。
次に、畳み込み層とプーリング層が繰り返し実行される。畳み込み層は、正規化数値列ごとに１次元畳み込みを行う。プーリング層はプーリングを行う。
次に、２つの全結合層が、正則化とドロップアウトを行う。
そして、出力層が、シグモイド関数またはソフトマックス関数を演算して結果を出力する。
まず、入力層が、２次元データを受け付けて出力する。
次に、畳み込み層とプーリング層が繰り返し実行される。畳み込み層は、正規化数値列ごとに１次元畳み込みを行う。プーリング層はプーリングを行う。
次に、２つの全結合層が、正則化とドロップアウトを行う。
そして、出力層が、シグモイド関数またはソフトマックス関数を演算して結果を出力する。
【0091】
図１９に基づいて、第１畳み込み層を例にして１次元畳み込みを説明する。
入力層が、「ｗ×ｈ」の２次元データを受け付けたものとする。
第１畳み込み層は、行ごとに、先頭（左端）から最終（右端）まで順番にカーネルを選択し、カーネルに含まれる複数の数値に対して畳み込みを行う。カーネルは、カーネルサイズに対応する個数の数値である。カーネルサイズが４（＝１×４）である場合、カーネルは連続して並んだ４個の数値である。
これにより、列数が少なくなった２次元データが得られる。カーネルサイズが４（＝１×４）である場合、「（ｗ－３）×ｈ」の２次元データが得られる。
入力層が、「ｗ×ｈ」の２次元データを受け付けたものとする。
第１畳み込み層は、行ごとに、先頭（左端）から最終（右端）まで順番にカーネルを選択し、カーネルに含まれる複数の数値に対して畳み込みを行う。カーネルは、カーネルサイズに対応する個数の数値である。カーネルサイズが４（＝１×４）である場合、カーネルは連続して並んだ４個の数値である。
これにより、列数が少なくなった２次元データが得られる。カーネルサイズが４（＝１×４）である場合、「（ｗ－３）×ｈ」の２次元データが得られる。
【0092】
図１７に戻り、説明を続ける。
ステップＳ３１４により、２次元データに対するラベルの情報が演算結果として得られる。例えば、演算結果は、ラベルごとに２次元データが該当する確率を示す。
ステップＳ３１４により、２次元データに対するラベルの情報が演算結果として得られる。例えば、演算結果は、ラベルごとに２次元データが該当する確率を示す。
【0093】
ステップＳ３１５において、可視化部１１４は、演算結果を表すグラフを生成する。生成されるグラフを「演算結果グラフ」と称する。
【0094】
図２０に、演算結果グラフ１９６および演算結果グラフ１９７を示す。
演算結果グラフ１９６と演算結果グラフ１９７のそれぞれは、演算結果グラフの一例である。
演算結果グラフ１９６は、「０１」から「０６」の６つのラベルのそれぞれに対する確率を示す棒グラフである。
演算結果グラフ１９７は、「復旧可能」と「復旧不可」との２つのラベルのそれぞれに対する確率を示す円グラフである。
演算結果グラフ１９６と演算結果グラフ１９７のそれぞれは、演算結果グラフの一例である。
演算結果グラフ１９６は、「０１」から「０６」の６つのラベルのそれぞれに対する確率を示す棒グラフである。
演算結果グラフ１９７は、「復旧可能」と「復旧不可」との２つのラベルのそれぞれに対する確率を示す円グラフである。
【0095】
図１７に戻り、ステップＳ３１５を説明する。
ステップＳ３１５において、出力部１１５は、演算結果グラフをディスプレイに表示する。
演算結果グラフは、多形式データの解析結果の一例である。
利用者は、演算結果グラフを参照することにより、多形式データの内容を視覚的に把握することができる。例えば、利用者は、故障発生時に得られた多形式データの演算結果グラフを参照することにより、機器の故障の状態を視覚的に把握することができる。
ステップＳ３１５において、出力部１１５は、演算結果グラフをディスプレイに表示する。
演算結果グラフは、多形式データの解析結果の一例である。
利用者は、演算結果グラフを参照することにより、多形式データの内容を視覚的に把握することができる。例えば、利用者は、故障発生時に得られた多形式データの演算結果グラフを参照することにより、機器の故障の状態を視覚的に把握することができる。
【0096】
＊＊＊実施の形態３の効果＊＊＊
実施の形態３により、多形式データを２次元データに変換し、２次元データを入力にして畳み込みニューラルネットワーク（ＣＮＮ）を適用することができる。その結果、多形式データをまとめて解析することが可能となる。
また、ＣＮＮを適用して得らえた結果を可視化することができる。これにより、利用者が多形式データの内容を視覚的には把握することが可能となる。
実施の形態３により、多形式データを２次元データに変換し、２次元データを入力にして畳み込みニューラルネットワーク（ＣＮＮ）を適用することができる。その結果、多形式データをまとめて解析することが可能となる。
また、ＣＮＮを適用して得らえた結果を可視化することができる。これにより、利用者が多形式データの内容を視覚的には把握することが可能となる。
【0097】
＊＊＊実施例の説明＊＊＊
実施の形態３は、実施の形態１と組み合わせても構わない。つまり、可視化部１１４が２次元画像を生成し、出力部１１５が２次元画像を表示してもよい。
実施の形態３は、実施の形態２と組み合わせても構わない。つまり、多形式データ解析システム１００は数値化部１２１を備えてもよい。
実施の形態３は、実施の形態１と組み合わせても構わない。つまり、可視化部１１４が２次元画像を生成し、出力部１１５が２次元画像を表示してもよい。
実施の形態３は、実施の形態２と組み合わせても構わない。つまり、多形式データ解析システム１００は数値化部１２１を備えてもよい。
【0098】
＊＊＊実施の形態のまとめ＊＊＊
実施の形態１から実施の形態３において、多形式センサデータの２次元変換について説明した。
多形式データ解析システム１００は、取得間隔および取得回数が異なる時系列データと時系列以外の数値データとカテゴリデータといった様々な形式のデータ（センサデータ、基本情報、稼働情報）を２次元データに変換する。２次元データにおいて、センサ等の項目が縦方向に示され、時系列が横方向に示される。また、多形式データ解析システム１００は、２次元データに対して畳み込みニューラルネットワーク（ＣＮＮ）を適用する。
これにより、取得間隔および取得回数が異なる時系列データ、及び、時系列データ以外のデータ（カテゴリデータ、数値データ）の情報を保持したまま、データの値と時間変化をＣＮＮで学習することができる。
ＣＮＮは、センサデータ、基本情報および稼働情報の特徴量の重みを学習し、データに対応する特定ラベルの確率を算出するために利用される。
実施の形態１から実施の形態３において、多形式センサデータの２次元変換について説明した。
多形式データ解析システム１００は、取得間隔および取得回数が異なる時系列データと時系列以外の数値データとカテゴリデータといった様々な形式のデータ（センサデータ、基本情報、稼働情報）を２次元データに変換する。２次元データにおいて、センサ等の項目が縦方向に示され、時系列が横方向に示される。また、多形式データ解析システム１００は、２次元データに対して畳み込みニューラルネットワーク（ＣＮＮ）を適用する。
これにより、取得間隔および取得回数が異なる時系列データ、及び、時系列データ以外のデータ（カテゴリデータ、数値データ）の情報を保持したまま、データの値と時間変化をＣＮＮで学習することができる。
ＣＮＮは、センサデータ、基本情報および稼働情報の特徴量の重みを学習し、データに対応する特定ラベルの確率を算出するために利用される。
【0099】
実施の形態３において、２次元データの１次元畳み込みについて説明した。
画像認識のためのＣＮＮの畳み込み層は、２次元畳み込みを行う。一方、実施の形態３におけるＣＮＮの畳み込み層は、センサごとに１次元畳み込みを行う。
これにより、センサの並び順をモデルの学習に反映させずに、時間軸に沿ったデータの変化を学習できる。
画像認識のためのＣＮＮの畳み込み層は、２次元畳み込みを行う。一方、実施の形態３におけるＣＮＮの畳み込み層は、センサごとに１次元畳み込みを行う。
これにより、センサの並び順をモデルの学習に反映させずに、時間軸に沿ったデータの変化を学習できる。
【0100】
実施の形態３において、有識者の知見の活用について説明した。
ＣＮＮモデルの構築時に、正解ラベルを得るために、技術者の知見情報が活用される。具体的には、設計情報（トラブルシュートマニュアル、機器の故障診断情報）、及び、故障対応履歴が活用される。
エレベータ（機器の一例）の故障の発生時のセンサデータ、基本情報および稼働情報に対する正解ラベルに有識者の知見を利用することで、故障原因、及び、遠隔故障の復旧の成功確率などを推定できる。
深層学習と有識者の知見の融合により、実施の形態３を導入したシステムに関わる全ての人（経営者、管理者、技術者）が納得できる推定が実現される。
ＣＮＮモデルの構築時に、正解ラベルを得るために、技術者の知見情報が活用される。具体的には、設計情報（トラブルシュートマニュアル、機器の故障診断情報）、及び、故障対応履歴が活用される。
エレベータ（機器の一例）の故障の発生時のセンサデータ、基本情報および稼働情報に対する正解ラベルに有識者の知見を利用することで、故障原因、及び、遠隔故障の復旧の成功確率などを推定できる。
深層学習と有識者の知見の融合により、実施の形態３を導入したシステムに関わる全ての人（経営者、管理者、技術者）が納得できる推定が実現される。
【0101】
＊＊＊実施の形態の補足＊＊＊
各実施の形態は、好ましい形態の例示であり、本開示の技術的範囲を制限することを意図するものではない。各実施の形態は、部分的に実施してもよいし、他の形態と組み合わせて実施してもよい。フローチャート等を用いて説明した手順は、適宜に変更してもよい。
各実施の形態は、好ましい形態の例示であり、本開示の技術的範囲を制限することを意図するものではない。各実施の形態は、部分的に実施してもよいし、他の形態と組み合わせて実施してもよい。フローチャート等を用いて説明した手順は、適宜に変更してもよい。
【0102】
多形式データ解析システム１００の各要素は、ソフトウェア、ハードウェア、ファームウェアまたはこれらの組み合わせのいずれで実現されてもよい。
多形式データ解析システム１００の要素である「部」は、「処理」、「工程」、「回路」または「サーキットリ」と読み替えてもよい。
多形式データ解析システム１００の要素である「部」は、「処理」、「工程」、「回路」または「サーキットリ」と読み替えてもよい。
【符号の説明】
【0103】
１００ 多形式データ解析システム、１０１ プロセッサ、１０２ メモリ、１０３ 補助記憶装置、１０４ 通信装置、１０５ 入出力インタフェース、１１１ 受付部、１１２ 形式変換部、１１３ 正規化部、１１４ 可視化部、１１５ 出力部、１２１ 数値化部、１３１ モデル構築部、１３２ モデル適用部、１９０ 記憶部、１９１ 多形式データ、１９２ 形式情報データ、１９３ ２次元画像、１９４ カテゴリデータ、１９５ ＣＮＮモデル、１９６ 演算結果グラフ、１９７ 演算結果グラフ。
【図1】
【図2】
【図3】
【図4】
【図5】
【図6】
【図7】
【図8】
【図9】
【図10】
【図11】
【図12】
【図13】
【図14】
【図15】
【図16】
【図17】
【図18】
【図19】
【図20】
【手続補正書】
【提出日】2022-07-04
【手続補正1】
【補正対象書類名】特許請求の範囲
【補正対象項目名】全文
【補正方法】変更
【補正の内容】
【特許請求の範囲】
【請求項1】
互いに異なる形式を有する複数の個別数値列のそれぞれの形式を示す形式情報データに基づいて、前記複数の個別数値列のそれぞれを、規定の形式を有する規定数値列に変換する形式変換部と、
前記複数の個別数値列に対応する複数の規定数値列のそれぞれを、正規化された規定数値列である正規化数値列に変換する正規化部と、
前記複数の規定数値列に対応する複数の正規化数値列を２次元データとして用いて得られる解析結果を出力する出力部と、
を備え、
前記複数の個別数値列が、時系列で並んだ１つ以上の数値から成る個別数値列と、時系列以外の１つ以上の数値から成る個別数値列と、を含む
多形式データ解析システム。
前記複数の個別数値列に対応する複数の規定数値列のそれぞれを、正規化された規定数値列である正規化数値列に変換する正規化部と、
前記複数の規定数値列に対応する複数の正規化数値列を２次元データとして用いて得られる解析結果を出力する出力部と、
を備え、
前記複数の個別数値列が、時系列で並んだ１つ以上の数値から成る個別数値列と、時系列以外の１つ以上の数値から成る個別数値列と、を含む
多形式データ解析システム。
【請求項2】
前記多形式データ解析システムは、
時系列の前記個別数値列と、時系列以外の前記個別数値列と、複数のカテゴリのうちの特定のカテゴリを識別するカテゴリ識別子を示すカテゴリデータと、を受け付ける受付部と、
前記特定のカテゴリのための個別数値列と、前記特定のカテゴリ以外の各カテゴリのための個別数値列と、を生成する数値化部と、を備え、
前記複数の個別数値列が、前記特定のカテゴリのための前記個別数値列と、前記特定のカテゴリ以外の各カテゴリのための前記個別数値列と、を含む
請求項１に記載の多形式データ解析システム。
時系列の前記個別数値列と、時系列以外の前記個別数値列と、複数のカテゴリのうちの特定のカテゴリを識別するカテゴリ識別子を示すカテゴリデータと、を受け付ける受付部と、
前記特定のカテゴリのための個別数値列と、前記特定のカテゴリ以外の各カテゴリのための個別数値列と、を生成する数値化部と、を備え、
前記複数の個別数値列が、前記特定のカテゴリのための前記個別数値列と、前記特定のカテゴリ以外の各カテゴリのための前記個別数値列と、を含む
請求項１に記載の多形式データ解析システム。
【請求項3】
前記特定のカテゴリのための前記個別数値列が肯定値を示し、前記特定のカテゴリ以外の各カテゴリのための前記個別数値列が否定値を示す
請求項２に記載の多形式データ解析システム。
請求項２に記載の多形式データ解析システム。
【請求項4】
互いに異なる形式を有する複数の個別数値列のそれぞれの形式を示す形式情報データに基づいて、前記複数の個別数値列のそれぞれを、規定進数で表される数値から成る規定数値列に変換する形式変換部と、
前記複数の個別数値列に対応する複数の規定数値列のそれぞれを、正規化された規定数値列である正規化数値列に変換する正規化部と、
前記複数の規定数値列に対応する複数の正規化数値列を２次元データとして用いて得られる解析結果を出力する出力部と、
を備え、
前記形式情報データは、個別数値列ごとに前記個別数値列に含まれる各数値の桁数を設定桁数として示し、個別数値列ごとに前記個別数値列に含まれる各数値の進数を設定進数として示し、
前記形式変換部は、個別数値列ごとに前記個別数値列を前記設定桁数で分割することによって１つ以上の数値を得て、個別数値列ごとに前記１つ以上の数値のそれぞれを前記設定進数の数値から前記規定進数の数値に変換する
多形式データ解析システム。
前記複数の個別数値列に対応する複数の規定数値列のそれぞれを、正規化された規定数値列である正規化数値列に変換する正規化部と、
前記複数の規定数値列に対応する複数の正規化数値列を２次元データとして用いて得られる解析結果を出力する出力部と、
を備え、
前記形式情報データは、個別数値列ごとに前記個別数値列に含まれる各数値の桁数を設定桁数として示し、個別数値列ごとに前記個別数値列に含まれる各数値の進数を設定進数として示し、
前記形式変換部は、個別数値列ごとに前記個別数値列を前記設定桁数で分割することによって１つ以上の数値を得て、個別数値列ごとに前記１つ以上の数値のそれぞれを前記設定進数の数値から前記規定進数の数値に変換する
多形式データ解析システム。
【請求項5】
互いに異なる形式を有する複数の個別数値列のそれぞれの形式を示す形式情報データに基づいて、前記複数の個別数値列のそれぞれを、規定個数の数値から成る規定数値列に変換する形式変換部と、
前記複数の個別数値列に対応する複数の規定数値列のそれぞれを、正規化された規定数値列である正規化数値列に変換する正規化部と、
前記複数の規定数値列に対応する複数の正規化数値列を２次元データとして用いて得られる解析結果を出力する出力部と、
を備え、
前記形式情報データは、個別数値列ごとに前記個別数値列に含まれる各数値の桁数を設定桁数として示し、個別数値列ごとに前記個別数値列に含まれる数値の個数を設定個数として示し、
前記形式変換部は、個別数値列ごとに前記個別数値列を前記設定桁数で分割することによって１つ以上の数値を得て、前記形式情報データから前記複数の個別数値列に対応する複数の設定個数を抽出し、前記複数の設定個数の最小公倍数を前記規定個数として算出し、個別数値列ごとに前記規定個数を前記設定個数で割って商を算出し、個別数値列ごとに前記１つ以上の数値のそれぞれを前記商が示す数と同じ個数に増やすことによって前記１つ以上の数値を前記規定個数の数値に変換する
多形式データ解析システム。
前記複数の個別数値列に対応する複数の規定数値列のそれぞれを、正規化された規定数値列である正規化数値列に変換する正規化部と、
前記複数の規定数値列に対応する複数の正規化数値列を２次元データとして用いて得られる解析結果を出力する出力部と、
を備え、
前記形式情報データは、個別数値列ごとに前記個別数値列に含まれる各数値の桁数を設定桁数として示し、個別数値列ごとに前記個別数値列に含まれる数値の個数を設定個数として示し、
前記形式変換部は、個別数値列ごとに前記個別数値列を前記設定桁数で分割することによって１つ以上の数値を得て、前記形式情報データから前記複数の個別数値列に対応する複数の設定個数を抽出し、前記複数の設定個数の最小公倍数を前記規定個数として算出し、個別数値列ごとに前記規定個数を前記設定個数で割って商を算出し、個別数値列ごとに前記１つ以上の数値のそれぞれを前記商が示す数と同じ個数に増やすことによって前記１つ以上の数値を前記規定個数の数値に変換する
多形式データ解析システム。
【請求項6】
前記形式情報データは、個別数値列ごとに、前記個別数値列に含まれる各数値の桁数である設定桁数と、個別数値列に含まれる各数値の進数である設定進数と、を示し、
前記正規化部は、前記規定数値列に対応する個別数値列の設定桁数と前記規定数値列に対応する個別数値列の設定進数とを前記形式情報データから抽出し、抽出された設定進数を底とし抽出された設定桁数を冪指数として求まる冪から１を引いた値を除数として算出し、前記規定数値列に含まれる各数値を前記除数で割って商を算出し、前記規定数値列に含まれる各数値を算出された商に置き換えることによって前記規定数値列を正規化する
請求項１から請求項５のいずれか１項に記載の多形式データ解析システム。
前記正規化部は、前記規定数値列に対応する個別数値列の設定桁数と前記規定数値列に対応する個別数値列の設定進数とを前記形式情報データから抽出し、抽出された設定進数を底とし抽出された設定桁数を冪指数として求まる冪から１を引いた値を除数として算出し、前記規定数値列に含まれる各数値を前記除数で割って商を算出し、前記規定数値列に含まれる各数値を算出された商に置き換えることによって前記規定数値列を正規化する
請求項１から請求項５のいずれか１項に記載の多形式データ解析システム。
【請求項7】
前記多形式データ解析システムは、
前記複数の正規化数値列を前記２次元データとして用いて２次元画像を生成する可視化部を備え、
前記出力部は、前記解析結果として前記２次元画像を表示する
請求項１から請求項６のいずれか１項に記載の多形式データ解析システム。
前記複数の正規化数値列を前記２次元データとして用いて２次元画像を生成する可視化部を備え、
前記出力部は、前記解析結果として前記２次元画像を表示する
請求項１から請求項６のいずれか１項に記載の多形式データ解析システム。
【請求項8】
２次元データと機器の故障の原因に関するラベルとの組であるデータセットを学習データにして畳み込みニューラルネットワークのモデルを構築するモデル構築部と、
前記機器の故障が発生したときに得られて互いに異なる形式を有する複数の個別数値列を受け付ける受付部と、
前記複数の個別数値列のそれぞれの形式を示す形式情報データに基づいて、前記複数の個別数値列のそれぞれを、規定の形式を有する規定数値列に変換する形式変換部と、
前記複数の個別数値列に対応する複数の規定数値列のそれぞれを、正規化された規定数値列である正規化数値列に変換する正規化部と、
前記複数の規定数値列に対応する複数の正規化数値列を前記モデルの入力となる２次元データとして用いて前記モデルを演算することによって、前記モデルの入力となった前記２次元データに対するラベルの情報を演算結果として得るモデル適用部と、
前記演算結果に基づいて前記機器の故障原因の予測を表す演算結果グラフを生成する可視化部と、
前記演算結果グラフを表示する出力部と、
を備える多形式データ解析システム。
前記機器の故障が発生したときに得られて互いに異なる形式を有する複数の個別数値列を受け付ける受付部と、
前記複数の個別数値列のそれぞれの形式を示す形式情報データに基づいて、前記複数の個別数値列のそれぞれを、規定の形式を有する規定数値列に変換する形式変換部と、
前記複数の個別数値列に対応する複数の規定数値列のそれぞれを、正規化された規定数値列である正規化数値列に変換する正規化部と、
前記複数の規定数値列に対応する複数の正規化数値列を前記モデルの入力となる２次元データとして用いて前記モデルを演算することによって、前記モデルの入力となった前記２次元データに対するラベルの情報を演算結果として得るモデル適用部と、
前記演算結果に基づいて前記機器の故障原因の予測を表す演算結果グラフを生成する可視化部と、
前記演算結果グラフを表示する出力部と、
を備える多形式データ解析システム。
【請求項9】
前記モデル構築部は、前記データセットに含まれる２次元データに対応する１つ以上の知見データを受け付け、前記１つ以上の知見データに示される文書に基づいて前記データセットに含まれるラベルを決定する
請求項８に記載の多形式データ解析システム。
請求項８に記載の多形式データ解析システム。
【請求項10】
前記モデル適用部は、前記モデルの演算において正規化数値列ごとに１次元畳み込みを実行する
請求項８または請求項９に記載の多形式データ解析システム。
請求項８または請求項９に記載の多形式データ解析システム。
【請求項11】
互いに異なる形式を有する複数の個別数値列のそれぞれの形式を示す形式情報データに基づいて、前記複数の個別数値列のそれぞれを、規定の形式を有する規定数値列に変換する形式変換部と、
前記複数の個別数値列に対応する複数の規定数値列のそれぞれを、正規化された規定数値列である正規化数値列に変換する正規化部と、
前記複数の規定数値列に対応する複数の正規化数値列を２次元データとして用いて得られる解析結果を出力する出力部として
コンピュータを機能させるための多形式データ解析プログラムであって、
前記複数の個別数値列が、時系列で並んだ１つ以上の数値から成る個別数値列と、時系列以外の１つ以上の数値から成る個別数値列と、含む
多形式データ解析プログラム。
前記複数の個別数値列に対応する複数の規定数値列のそれぞれを、正規化された規定数値列である正規化数値列に変換する正規化部と、
前記複数の規定数値列に対応する複数の正規化数値列を２次元データとして用いて得られる解析結果を出力する出力部として
コンピュータを機能させるための多形式データ解析プログラムであって、
前記複数の個別数値列が、時系列で並んだ１つ以上の数値から成る個別数値列と、時系列以外の１つ以上の数値から成る個別数値列と、含む
多形式データ解析プログラム。
【請求項12】
互いに異なる形式を有する複数の個別数値列のそれぞれの形式を示す形式情報データに基づいて、前記複数の個別数値列のそれぞれを、規定進数で表される数値から成る規定数値列に変換する形式変換部と、
前記複数の個別数値列に対応する複数の規定数値列のそれぞれを、正規化された規定数値列である正規化数値列に変換する正規化部と、
前記複数の規定数値列に対応する複数の正規化数値列を２次元データとして用いて得られる解析結果を出力する出力部として
コンピュータを機能させるための多形式データ解析プログラムであって、
前記形式情報データは、個別数値列ごとに前記個別数値列に含まれる各数値の桁数を設定桁数として示し、個別数値列ごとに前記個別数値列に含まれる各数値の進数を設定進数として示し、
前記形式変換部は、個別数値列ごとに前記個別数値列を前記設定桁数で分割することによって１つ以上の数値を得て、個別数値列ごとに前記１つ以上の数値のそれぞれを前記設定進数の数値から前記規定進数の数値に変換する
多形式データ解析プログラム。
前記複数の個別数値列に対応する複数の規定数値列のそれぞれを、正規化された規定数値列である正規化数値列に変換する正規化部と、
前記複数の規定数値列に対応する複数の正規化数値列を２次元データとして用いて得られる解析結果を出力する出力部として
コンピュータを機能させるための多形式データ解析プログラムであって、
前記形式情報データは、個別数値列ごとに前記個別数値列に含まれる各数値の桁数を設定桁数として示し、個別数値列ごとに前記個別数値列に含まれる各数値の進数を設定進数として示し、
前記形式変換部は、個別数値列ごとに前記個別数値列を前記設定桁数で分割することによって１つ以上の数値を得て、個別数値列ごとに前記１つ以上の数値のそれぞれを前記設定進数の数値から前記規定進数の数値に変換する
多形式データ解析プログラム。
【請求項13】
互いに異なる形式を有する複数の個別数値列のそれぞれの形式を示す形式情報データに基づいて、前記複数の個別数値列のそれぞれを、規定個数の数値から成る規定数値列に変換する形式変換部と、
前記複数の個別数値列に対応する複数の規定数値列のそれぞれを、正規化された規定数値列である正規化数値列に変換する正規化部と、
前記複数の規定数値列に対応する複数の正規化数値列を２次元データとして用いて得られる解析結果を出力する出力部として
コンピュータを機能させるための多形式データ解析プログラムであって、
前記形式情報データは、個別数値列ごとに前記個別数値列に含まれる各数値の桁数を設定桁数として示し、個別数値列ごとに前記個別数値列に含まれる数値の個数を設定個数として示し、
前記形式変換部は、個別数値列ごとに前記個別数値列を前記設定桁数で分割することによって１つ以上の数値を得て、前記形式情報データから前記複数の個別数値列に対応する複数の設定個数を抽出し、前記複数の設定個数の最小公倍数を前記規定個数として算出し、個別数値列ごとに前記規定個数を前記設定個数で割って商を算出し、個別数値列ごとに前記１つ以上の数値のそれぞれを前記商が示す数と同じ個数に増やすことによって前記１つ以上の数値を前記規定個数の数値に変換する
多形式データ解析プログラム。
前記複数の個別数値列に対応する複数の規定数値列のそれぞれを、正規化された規定数値列である正規化数値列に変換する正規化部と、
前記複数の規定数値列に対応する複数の正規化数値列を２次元データとして用いて得られる解析結果を出力する出力部として
コンピュータを機能させるための多形式データ解析プログラムであって、
前記形式情報データは、個別数値列ごとに前記個別数値列に含まれる各数値の桁数を設定桁数として示し、個別数値列ごとに前記個別数値列に含まれる数値の個数を設定個数として示し、
前記形式変換部は、個別数値列ごとに前記個別数値列を前記設定桁数で分割することによって１つ以上の数値を得て、前記形式情報データから前記複数の個別数値列に対応する複数の設定個数を抽出し、前記複数の設定個数の最小公倍数を前記規定個数として算出し、個別数値列ごとに前記規定個数を前記設定個数で割って商を算出し、個別数値列ごとに前記１つ以上の数値のそれぞれを前記商が示す数と同じ個数に増やすことによって前記１つ以上の数値を前記規定個数の数値に変換する
多形式データ解析プログラム。
【請求項14】
２次元データと機器の故障の原因に関するラベルとの組であるデータセットを学習データにして畳み込みニューラルネットワークのモデルを構築するモデル構築部と、
前記機器の故障が発生したときに得られて互いに異なる形式を有する複数の個別数値列を受け付ける受付部と、
前記複数の個別数値列のそれぞれの形式を示す形式情報データに基づいて、前記複数の個別数値列のそれぞれを、規定の形式を有する規定数値列に変換する形式変換部と、
前記複数の個別数値列に対応する複数の規定数値列のそれぞれを、正規化された規定数値列である正規化数値列に変換する正規化部と、
前記複数の規定数値列に対応する複数の正規化数値列を前記モデルの入力となる２次元データとして用いて前記モデルを演算することによって、前記モデルの入力となった前記２次元データに対するラベルの情報を演算結果として得るモデル適用部と、
前記演算結果に基づいて前記機器の故障原因の予測を表す演算結果グラフを生成する可視化部と、
前記演算結果グラフを表示する出力部として
コンピュータを機能させるための多形式データ解析プログラム。
前記機器の故障が発生したときに得られて互いに異なる形式を有する複数の個別数値列を受け付ける受付部と、
前記複数の個別数値列のそれぞれの形式を示す形式情報データに基づいて、前記複数の個別数値列のそれぞれを、規定の形式を有する規定数値列に変換する形式変換部と、
前記複数の個別数値列に対応する複数の規定数値列のそれぞれを、正規化された規定数値列である正規化数値列に変換する正規化部と、
前記複数の規定数値列に対応する複数の正規化数値列を前記モデルの入力となる２次元データとして用いて前記モデルを演算することによって、前記モデルの入力となった前記２次元データに対するラベルの情報を演算結果として得るモデル適用部と、
前記演算結果に基づいて前記機器の故障原因の予測を表す演算結果グラフを生成する可視化部と、
前記演算結果グラフを表示する出力部として
コンピュータを機能させるための多形式データ解析プログラム。