知財求人 - 知財ポータルサイト「IP Force」
(19)【発行国】日本国特許庁(JP)
(12)【公報種別】特許公報(B2)
(11)【特許番号】
(24)【登録日】2025-03-07
(45)【発行日】2025-03-17
(54)【発明の名称】データ処理装置、方法およびプログラム
(51)【国際特許分類】
G05B 23/02 20060101AFI20250310BHJP
【ＦＩ】
G05B23/02 301V
【請求項の数】
17
(21)【出願番号】P 2021179004
(22)【出願日】2021-11-01
(65)【公開番号】P2023067606
(43)【公開日】2023-05-16
【審査請求日】2024-04-12
(73)【特許権者】
【識別番号】000003078
【氏名又は名称】株式会社東芝
(73)【特許権者】
【識別番号】317015294
【氏名又は名称】東芝エネルギーシステムズ株式会社
(74)【代理人】
【識別番号】110003708
【氏名又は名称】弁理士法人鈴榮特許綜合事務所
(72)【発明者】
【氏名】田口 安則
(72)【発明者】
【氏名】中田 康太
(72)【発明者】
【氏名】内藤 晋
(72)【発明者】
【氏名】加藤 佑一
(72)【発明者】
【氏名】富永 真哉
(72)【発明者】
【氏名】名倉 伊作
(72)【発明者】
【氏名】三宅 亮太
(72)【発明者】
【氏名】寺門 優介
(72)【発明者】
【氏名】青木 俊夫
【審査官】渡邊 捷太郎
(56)【参考文献】
【文献】特開２０１５－１１３８８（ＪＰ，Ａ）
【文献】特開平９－４４９６（ＪＰ，Ａ）
【文献】特開２０１８－１６９７６９（ＪＰ，Ａ）
【文献】特開２０１４－２４０２６６（ＪＰ，Ａ）
【文献】米国特許出願公開第２００７／０２０８５１９（ＵＳ，Ａ１）
【文献】中国特許出願公開第１１２５２６９７３（ＣＮ，Ａ）
(58)【調査した分野】(Int.Cl.，ＤＢ名)
Ｇ０５Ｂ ２３／０２
(57)【特許請求の範囲】
【請求項1】
注目センサの測定値の時系列データのうち、第１期間における測定値の集合である第１測定データを取得する第１取得部と、前記注目センサの測定値の時系列データのうち、前記第１期間とは異なる第２期間における測定値の集合である第２測定データを取得する第２取得部と、
前記第１測定データから、前記注目センサの前記測定値の前記第１期間に含まれる時刻での時間方向の第１微分値の集合である第１微分値集合を計算する第１微分部と、
前記第２測定データから、前記注目センサの前記測定値の前記第２期間に含まれる時刻での時間方向の第２微分値の集合である第２微分値集合を計算する第２微分部と、
前記第１微分値集合を用いて第１微分値分布を生成する第１分布生成部と、
前記第２微分値集合を用いて第２微分値分布を生成する第２分布生成部と、
前記第１微分値分布および前記第２微分値分布を出力する出力部と、
を具備するデータ処理装置。
【請求項2】
前記第１微分部は、前記第１期間における第１注目時刻での測定値と、前記第１注目時刻から所定時間離れた第１計算対象時刻における測定値との差分を算出することで、前記第１微分値を計算し、前記第２微分部は、前記第２期間における第２注目時刻での測定値と、前記第２注目時刻から前記所定時間離れた第２計算対象時刻における測定値との差分を算出することで、前記第２微分値を計算する、請求項１に記載のデータ処理装置。
【請求項3】
前記所定時間は、前記時系列データに適用する機械学習モデルへの入力となる時系列データの時間窓長よりも短い、請求項２に記載のデータ処理装置。
【請求項4】
前記所定時間は、前記時系列データに適用する機械学習モデルへの入力となる時系列データの時間窓長に対応する時間から１単位時間を減算した時間である、請求項２に記載のデータ処理装置。
【請求項5】
前記所定時間は、ユーザ指示により設定される時間である、請求項２に記載のデータ処理装置。
【請求項6】
前記出力部は、前記第１期間における前記第１微分値の時間推移を示すトレンドグラフと、前記第２期間における前記第２微分値の時間推移を示すトレンドグラフとの少なくとも一方を表示する、請求項１から請求項５のいずれか１項に記載のデータ処理装置。
【請求項7】
前記第１微分値分布と前記第２微分値分布の間の類似度または相違度であるスコアを算出するスコア算出部をさらに具備する、請求項１から請求項６のいずれか１項に記載のデータ処理装置。
【請求項8】
前記スコアが類似度を表す場合は前記スコアが閾値未満の場合に、前記スコアが相違度を表す場合は前記スコアが前記閾値より大きい場合に、前記第１期間と前記第２期間との間で前記注目センサの測定値の時間変化速度のドリフトが発生したとみなして検知するドリフト検知部をさらに具備する、請求項７に記載のデータ処理装置。
【請求項9】
前記ドリフト検知部は、複数の前記注目センサの測定値に対してそれぞれ前記時間変化速度のドリフトを検知する処理を実行し、前記出力部は、前記時間変化速度のドリフトが検知された１以上のセンサのリスト情報を出力する、請求項８に記載のデータ処理装置。
【請求項10】
前記ドリフト検知部は、複数の前記注目センサの測定値に対してそれぞれ前記時間変化速度のドリフトを検知する処理を実行し、前記出力部は、前記時間変化速度のドリフトが前記ドリフト検知部で検知されたセンサの数に関する情報と、前記センサの数の時間変化に関する情報との少なくともいずれか一方を出力する、請求項８または請求項９に記載のデータ処理装置。
【請求項11】
前記出力部は、前記第１期間における前記測定値の最大値、最小値、平均値、および、中央値の少なくとも１つ、および／または、前記第２期間における前記測定値の最大値、最小値、平均値、および、中央値の少なくとも１つに関する情報を出力する、請求項１から請求項１０のいずれか１項に記載のデータ処理装置。
【請求項12】
注目時刻を第１軸、前記注目時刻から所定時間離れた時刻を第２軸とする２次元の領域に、前記第１測定データを第１表示態様でプロットし、前記第２測定データを前記第１表示態様とは異なる第２表示態様でプロットした散布図を作成する散布図作成部をさらに具備し、前記出力部は、前記散布図を出力する、請求項１から請求項１１までのいずれか１項に記載のデータ処理装置。
【請求項13】
１以上のセンサから測定値の時系列データをそれぞれ取得する第３取得部と、データの期間が前記第１期間である訓練データにより学習された学習済みモデルを取得するモデル取得部と、
前記第３取得部で取得した各時系列データを前記学習済みモデルに入力し、予測値を生成する予測値生成部と、
前記測定値と前記予測値とのトレンドグラフに関する情報を出力する第３出力部と、をさらに具備する請求項１から請求項１２のいずれか１項に記載のデータ処理装置。
【請求項14】
前記測定値と前記予測値との差分がしきい値以上である場合、前記測定値を出力したセンサに異常があると判定する異常検知部をさらに具備し、前記注目センサは、前記１以上のセンサのうちの前記異常検知部により異常があると判定されたセンサである、請求項１３に記載のデータ処理装置。
【請求項15】
前記第１期間は、前記時系列データに適用する機械学習モデルを生成するための訓練データに対応する期間である、請求項１に記載のデータ処理装置。
【請求項16】
注目センサの測定値の時系列データのうち、第１期間における測定値の集合である第１測定データを取得し、前記注目センサの測定値の時系列データのうち、前記第１期間とは異なる第２期間における測定値の集合である第２測定データを取得し、
前記第１測定データから、前記注目センサの前記測定値の前記第１期間に含まれる時刻での時間方向の第１微分値の集合である第１微分値集合を計算し、
前記第２測定データから、前記注目センサの前記測定値の前記第２期間に含まれる時刻での時間方向の第２微分値の集合である第２微分値集合を計算し、
前記第１微分値集合を用いて第１微分値分布を生成し、
前記第２微分値集合を用いて第２微分値分布を生成し、
前記第１微分値分布および前記第２微分値分布を出力する、データ処理方法。
【請求項17】
コンピュータを、注目センサの測定値の時系列データのうち、第１期間における測定値の集合である第１測定データを取得する第１取得手段と、
前記注目センサの測定値の時系列データのうち、前記第１期間とは異なる第２期間における測定値の集合である第２測定データを取得する第２取得手段と、
前記第１測定データから、前記注目センサの前記測定値の前記第１期間に含まれる時刻での時間方向の第１微分値の集合である第１微分値集合を計算する第１微分手段と、
前記第２測定データから、前記注目センサの前記測定値の前記第２期間に含まれる時刻での時間方向の第２微分値の集合である第２微分値集合を計算する第２微分手段と、
前記第１微分値集合を用いて第１微分値分布を生成する第１分布生成手段と、
前記第２微分値集合を用いて第２微分値分布を生成する第２分布生成手段と、
前記第１微分値分布および前記第２微分値分布を出力する出力手段として機能させるためのデータ処理プログラム。
【発明の詳細な説明】
【技術分野】
【0001】
本発明の実施形態は、データ処理装置、方法およびプログラムに関する。
【背景技術】
【0002】
発電プラント、水処理プラント、製造装置といったシステムは、複数の機器から構成される。そのシステムがインフラに用いられるシステムであれば、システムの停止が社会機能に悪影響を与える。また、インフラに用いられるシステムでなかったとしても、システムの停止が経済的損失を生む。そのため、システムを健全な状態に保つことが重要である。
そのため、システムの監視用に、１つ以上のセンサがシステム内の各所に設置される場合が多い。設置した１つ以上のセンサの測定値を利用すれば、システムの状態を監視できるが、システムの規模が大きいまたは複雑であると、監視に必要なセンサの数が多くなるため、センサ全てを限られた人数で同時に監視するのは困難である。
よって、システムの監視を補助する、あるいは、自動化する監視装置が知られている。例えば、機械学習モデルからセンサの測定値を予測した予測値と、実際の測定値の乖離を検知した場合、異常を検出したものとみなす手法がある。しかし、環境またはデータの変化による機械学習モデルの劣化度合いが分からず、更新タイミングが決めにくい。さらには、劣化した機械学習モデルを継続利用することにより誤検知が増加してしまう。
一方、センサ測定値のドリフトを検知し、測定器の経年劣化によるセンサ測定値のドリフトを検知するという手法もある。しかし、センサ測定値という瞬間値のドリフトを検知するため、センサ測定値の所定時間当たりの変化量である時間微分値、すなわち、時間変化速度に対するドリフトを検知することができず、時間変化速度が異なるだけで正常な運転である場合でも、誤検知される可能性がある。
そのため、システムの監視用に、１つ以上のセンサがシステム内の各所に設置される場合が多い。設置した１つ以上のセンサの測定値を利用すれば、システムの状態を監視できるが、システムの規模が大きいまたは複雑であると、監視に必要なセンサの数が多くなるため、センサ全てを限られた人数で同時に監視するのは困難である。
よって、システムの監視を補助する、あるいは、自動化する監視装置が知られている。例えば、機械学習モデルからセンサの測定値を予測した予測値と、実際の測定値の乖離を検知した場合、異常を検出したものとみなす手法がある。しかし、環境またはデータの変化による機械学習モデルの劣化度合いが分からず、更新タイミングが決めにくい。さらには、劣化した機械学習モデルを継続利用することにより誤検知が増加してしまう。
一方、センサ測定値のドリフトを検知し、測定器の経年劣化によるセンサ測定値のドリフトを検知するという手法もある。しかし、センサ測定値という瞬間値のドリフトを検知するため、センサ測定値の所定時間当たりの変化量である時間微分値、すなわち、時間変化速度に対するドリフトを検知することができず、時間変化速度が異なるだけで正常な運転である場合でも、誤検知される可能性がある。
【先行技術文献】
【特許文献】
【0003】
【文献】特開２００７－２７９８８７号公報
【非特許文献】
【0004】
【文献】マイクロソフト、“Detect data drift(preview) on datasets”、［online］、 ［2021年8月16日検索］インターネット＜URL:https://docs.microsoft.com/en-us/azure/machine-learning/how-to-monitor-datasets?tabs=python＞
【発明の概要】
【発明が解決しようとする課題】
【0005】
本開示は、上述の課題を解決するためになされたものであり、ユーザビリティを向上させることができるデータ処理装置、方法およびプログラムを提供することを目的とする。
【課題を解決するための手段】
【0006】
本実施形態に係るデータ処理装置は、第１取得部と、第２取得部と、第１微分部と、第２微分部と、第１分布生成部と、第２分布生成部と、出力部とを含む。第１取得部は、注目センサの測定値の時系列データのうち、第１期間における測定値の集合である第１測定データを取得する。第２取得部は、前記注目センサの測定値の時系列データのうち、前記第１期間とは異なる第２期間における測定値の集合である第２測定データを取得する。第１微分部は、前記第１測定データから、前記注目センサの前記測定値の前記第１期間に含まれる時刻での時間方向の第１微分値の集合である第１微分値集合を計算する。第２微分部は、前記第２測定データから、前記注目センサの前記測定値の前記第２期間に含まれる時刻での時間方向の第２微分値の集合である第２微分値集合を計算する。第１分布生成部は、前記第１微分値集合を用いて第１微分値分布を生成する。第２分布生成部は、前記第２微分値集合を用いて第２微分値分布を生成する。出力部は、前記第１微分値分布および前記第２微分値分布を出力する。
【図面の簡単な説明】
【0007】
【図1】第１の実施形態に係るデータ処理装置を示すブロック図。
【図2】第１の実施形態に係るデータ処理装置の動作を示すフローチャート。
【図3】第１の実施形態に係る第１微分値分布の表示例を示す図。
【図4】第１の実施形態に係る第２微分値分布の表示例を示す図。
【図5】第１微分値分布および第２微分値分布の表示例の変形例を示す図。
【図6】ユーザが微分ステップを指定する場合を示す概念図。
【図7】第２の実施形態に係る第１出力情報によるトレンドグラフの表示例を示す図。
【図8】第２の実施形態に係る第１出力情報によるトレンドグラフの表示例を示す図。
【図9】第２の実施形態に係る第２出力情報によるトレンドグラフの表示例を示す図。
【図10】第２の実施形態に係る第２出力情報によるトレンドグラフの表示例を示す図。
【図11】第２の実施形態に係るトレンドグラフの表示例の第１の変形例を示す図。
【図12】第２の実施形態に係るトレンドグラフの表示例の第２の変形例を示す図。
【図13】第３の実施形態に係るデータ処理装置を示すブロック図。
【図14】第４の実施形態に係るデータ処理装置を示すブロック図。
【図15】第６の実施形態に係る第１出力情報の第１の表示例を示す図。
【図16】第６の実施形態に係る第１出力情報の第２の表示例を示す図。
【図17】第６の実施形態に係る第２出力情報の第１の表示例を示す図。
【図18】第６の実施形態に係る第２出力情報の第２の表示例を示す図。
【図19】第６の実施形態に係る第１出力情報および第２出力情報の第３の表示例を示す図。
【図20】第７の実施形態に係るデータ処理装置を示すブロック図。
【図21】第７の実施形態に係る散布図データの第１の表示例を示す図。
【図22】第７の実施形態に係る散布図データの第２の表示例を示す図。
【図23】時間変化速度のドリフトが検知されたセンサの数の変化を表すグラフの一例を示す図。
【図24】第９の実施形態に係るデータ処理装置を示すブロック図。
【図25】第９の実施形態に係るある注目センサについての測定値と予測値とのトレンドグラフの一例を示す図。
【図26】第９の実施形態に係るある注目センサについての訓練データの期間と期間Ｃの測定値とのトレンドグラフの一例を示す図。
【図27】第１０の実施形態に係るデータ処理装置を示すブロック図。
【図28】第１０の実施形態に係る検知信号の表示例を示す図。
【図29】データ処理装置のハードウェア構成の一例を示す図。
【発明を実施するための形態】
【0008】
以下、図面を参照しながら本実施形態に係るデータ処理装置、方法およびプログラムについて詳細に説明する。なお、以下の実施形態では、同一の参照符号を付した部分は同様の動作をおこなうものとして、重複する説明を適宜省略する。
【0009】
（第１の実施形態）
図１は、第１の実施形態に係るデータ処理装置１００を示すブロック図である。データ処理装置１００は、第１期間設定部１０１、第２期間設定部１０２、第１取得部１０３、第２取得部１０４、第１微分部１０５、第２微分部１０６、第１分布生成部１０７、第２分布生成部１０８、第１出力部１１９および第２出力部１２０を含む。
なお、以下では、第１の構成と第２の構成とに共通する内容である場合、序数を省略して説明する。例えば、第１微分部１０５および第２微分部１０６に共通する内容であれば、「微分部は、」として説明する。
図１は、第１の実施形態に係るデータ処理装置１００を示すブロック図である。データ処理装置１００は、第１期間設定部１０１、第２期間設定部１０２、第１取得部１０３、第２取得部１０４、第１微分部１０５、第２微分部１０６、第１分布生成部１０７、第２分布生成部１０８、第１出力部１１９および第２出力部１２０を含む。
なお、以下では、第１の構成と第２の構成とに共通する内容である場合、序数を省略して説明する。例えば、第１微分部１０５および第２微分部１０６に共通する内容であれば、「微分部は、」として説明する。
【0010】
第１期間設定部１０１は、所定の第１期間を設定し、第１取得部１０３に送る。
第２期間設定部１０２は、第１期間とは異なる所定の第２期間を設定し、第２取得部１０４に送る。
第２期間設定部１０２は、第１期間とは異なる所定の第２期間を設定し、第２取得部１０４に送る。
【0011】
第１取得部１０３は、第１期間設定部１０１から第１期間に関する情報を受け取り、システムに設置された１つ以上のセンサのうち、注目するセンサである注目センサの第１期間における測定値の集合である第１測定データを外部から取得する。第１取得部１０３は、第１測定データを第１微分部１０５に送る。
【0012】
第２取得部１０４は、第２期間設定部１０２から第２期間に関する情報を受け取り、注目センサの第２期間における測定値の集合である第２測定データを外部から取得する。第２取得部１０４は、第２測定データを第２微分部１０６に送る。
ここで、第１測定データおよび第２測定データが取得される注目センサは同一である。第１取得部１０３と第２取得部１０４との間で、測定データを取得する注目センサの情報について同期し、同一の注目センサから第１測定データおよび第２測定データを取得してもよい。または、第１取得部１０３と第２取得部１０４との間で同期せずに、測定値にセンサＩＤに関する情報を付与し、各センサの測定値に基づいて第１測定データおよび第２測定データとが取得されてもよい。その後、例えばデータ制御部（図示せず）が、第１測定データおよび第２測定データの取得後に、同一の注目センサに関する第１測定データと第２測定データとを紐づけ、第１測定データを第１微分部１０５に、第２測定データを第２微分部１０６にそれぞれ送るようにしてもよい。
ここで、第１測定データおよび第２測定データが取得される注目センサは同一である。第１取得部１０３と第２取得部１０４との間で、測定データを取得する注目センサの情報について同期し、同一の注目センサから第１測定データおよび第２測定データを取得してもよい。または、第１取得部１０３と第２取得部１０４との間で同期せずに、測定値にセンサＩＤに関する情報を付与し、各センサの測定値に基づいて第１測定データおよび第２測定データとが取得されてもよい。その後、例えばデータ制御部（図示せず）が、第１測定データおよび第２測定データの取得後に、同一の注目センサに関する第１測定データと第２測定データとを紐づけ、第１測定データを第１微分部１０５に、第２測定データを第２微分部１０６にそれぞれ送るようにしてもよい。
【0013】
第１微分部１０５は、第１取得部１０３から第１測定データを受け取り、第１測定データの測定値の第１期間に含まれる第１時刻での時間方向の第１微分値を計算する。第１微分部１０５は、第１時刻を第１期間において変化させてそれぞれ計算した第１微分値の集合である第１微分値集合を第１分布生成部１０７に送る。この際、第１微分値集合の全要素を一括で第１分布生成部１０７に送っても、第１微分値集合の各要素を逐次的に第１分布生成部１０７に送ってもよい。第１時刻における時間方向の第１微分値は、例えば、第１時刻付近の第１注目時刻と前記第１注目時刻からｓ単位時間離れた第１計算対象時刻の測定値の差分を算出することで計算する。「ｓ」は、微分ステップの値を表し、例えば「１」である。
【0014】
第１注目時刻は、第１時刻における第１微分値を計算するために注目する時刻である。第１注目時刻は、第１時刻と一致してもよいし、一致しなくともよい。第１計算対象時刻は、例えば、第１注目時刻からｓ単位時間だけ前である。第１計算対象時刻は、第１注目時刻からｓ単位時間だけ後であってもよい。注目センサの測定値の時間方向の第１微分値は、注目センサの測定値の第１時刻付近での時間変化速度を表す。
【0015】
第２微分部１０６は、第２取得部１０４から第２測定データを受け取り、第２測定データの測定値の第２期間に含まれる第２時刻での時間方向の第２微分値を計算する。第２微分部１０６は、第２時刻を第２期間において変化させてそれぞれ計算した第２微分値の集合である第２微分値集合を第２分布生成部１０８に送る。この際、第２微分値集合の全要素を一括で第２分布生成部１０８に送っても、第２微分値集合の各要素を逐次的に第２分布生成部１０８に送ってもよい。
【0016】
第２時刻における時間方向の第２微分値は、例えば、第２時刻付近の第２注目時刻と前記第２注目時刻からｓ単位時間離れた第２計算対象時刻の測定値の差分を算出することで計算する。第２注目時刻は、第２時刻における第２微分値を計算するために注目する時刻である。第２注目時刻は、第２時刻と一致してもよいし、一致しなくともよい。第２計算対象時刻は、例えば、第２注目時刻からｓ単位時間だけ前である。第２計算対象時刻は、第２注目時刻からｓ単位時間だけ後であってもよい。注目センサの測定値の時間方向の第２微分値は、注目センサの測定値の第２時刻付近での時間変化速度を表す。
【0017】
第１分布生成部１０７は、第１微分部１０５から第１微分値集合を受け取り、微分値に関する分布または累積分布を生成し、第１微分値分布として第１出力部１１９に送る。
第２分布生成部１０８は、第２微分部１０６から第２微分値集合を受け取り、微分値に関する分布または累積分布を生成し、第２微分値分布として第２出力部１２０に送る。ここで、第１微分値分布および第２微分値分布はそれぞれ、例えばヒストグラムを想定するが、これに限らず、離散型確率分布、確率密度関数、累積ヒストグラム、離散型累積確率分布、累積確率密度関数などでもよい。
第２分布生成部１０８は、第２微分部１０６から第２微分値集合を受け取り、微分値に関する分布または累積分布を生成し、第２微分値分布として第２出力部１２０に送る。ここで、第１微分値分布および第２微分値分布はそれぞれ、例えばヒストグラムを想定するが、これに限らず、離散型確率分布、確率密度関数、累積ヒストグラム、離散型累積確率分布、累積確率密度関数などでもよい。
【0018】
第１出力部１１９は、第１分布生成部１０７から第１微分値分布を受け取り、第１微分値分布に関する第１出力情報をデータ処理装置１００の外部へ出力する。なお、第１出力部１１９がモニタなどの表示装置である場合、第１出力情報として第１微分値分布を表示してもよい。
第２出力部１２０は、第１分布生成部１０７から第１微分値分布を受け取り、第２微分値分布を表す第２出力情報をデータ処理装置１００の外部へ出力する。なお、第２出力部１２０がモニタなどの表示装置である場合、第１出力部１１９と同様に、第２出力情報として第２微分値分布を表示してもよい。
第２出力部１２０は、第１分布生成部１０７から第１微分値分布を受け取り、第２微分値分布を表す第２出力情報をデータ処理装置１００の外部へ出力する。なお、第２出力部１２０がモニタなどの表示装置である場合、第１出力部１１９と同様に、第２出力情報として第２微分値分布を表示してもよい。
【0019】
次に、第１の実施形態に係るデータ処理装置１００の動作について図２のフローチャートを参照して説明する。
ステップＳ２０１では、第１取得部１０３が第１測定データを、第２取得部１０４が第２測定データをそれぞれ取得する。
ステップＳ２０２では、第１微分部１０５が、第１期間内の第１時刻の測定値の第１微分値を計算する。
ステップＳ２０１では、第１取得部１０３が第１測定データを、第２取得部１０４が第２測定データをそれぞれ取得する。
ステップＳ２０２では、第１微分部１０５が、第１期間内の第１時刻の測定値の第１微分値を計算する。
【0020】
ステップＳ２０３では、第１微分部１０５が、第１期間において第１微分値を算出可能な全時刻において第１微分値を算出したか否かを判定し、当該全時刻における第１微分値を算出した場合は、ステップＳ２０５に進み、未処理の当該時刻がある場合は、ステップＳ２０４に進む。
ステップＳ２０４では、第１微分部１０５が、未処理の当該時刻の中から新たな第１時刻を決定し、ステップＳ２０２に戻り、同様の処理を繰り返す。
ステップＳ２０５では、第１分布生成部１０７が、ステップ２０３で得られた第１微分値集合から第１微分値分布を生成する。
ステップＳ２０４では、第１微分部１０５が、未処理の当該時刻の中から新たな第１時刻を決定し、ステップＳ２０２に戻り、同様の処理を繰り返す。
ステップＳ２０５では、第１分布生成部１０７が、ステップ２０３で得られた第１微分値集合から第１微分値分布を生成する。
【0021】
ステップＳ２０６では、第２微分部１０６が、第２期間内の第２時刻の測定値の第２微分値を計算する。
ステップＳ２０７では、第２微分部１０６が、第２期間において第２微分値を算出可能な全時刻において第２微分値を算出したか否かを判定し、当該全時刻における第２微分値を算出した場合は、ステップＳ２０９に進み、未処理の当該時刻がある場合は、ステップＳ２０８に進む。
ステップＳ２０７では、第２微分部１０６が、第２期間において第２微分値を算出可能な全時刻において第２微分値を算出したか否かを判定し、当該全時刻における第２微分値を算出した場合は、ステップＳ２０９に進み、未処理の当該時刻がある場合は、ステップＳ２０８に進む。
【0022】
ステップＳ２０８では、第２微分部１０６が、未処理の当該時刻の中から新たな第２時刻を決定し、ステップＳ２０６に戻り、同様の処理を繰り返す。
ステップＳ２０９では、第２分布生成部１０８が、ステップＳ２０７で得られた第２微分値集合から第２微分値分布を生成する。
ステップＳ２１０では、第１出力部１１９および第２出力部１２０が、第１微分値分布および第２微分値分布を出力する。第１微分値分布および第２微分値分布は、それぞれ別々のモニタに表示されてもよいし、同一のモニタで異なるグラフとして表示されてもよい。
ステップＳ２０９では、第２分布生成部１０８が、ステップＳ２０７で得られた第２微分値集合から第２微分値分布を生成する。
ステップＳ２１０では、第１出力部１１９および第２出力部１２０が、第１微分値分布および第２微分値分布を出力する。第１微分値分布および第２微分値分布は、それぞれ別々のモニタに表示されてもよいし、同一のモニタで異なるグラフとして表示されてもよい。
【0023】
次に、第１微分値分布の表示例について図３に示す。
図３は、第１微分値分布３０のグラフであり、横軸は頻度を、縦軸は時間方向の第１微分値をそれぞれ表す。第１微分値分布３０は、時間方向における第１微分値のヒストグラムである。なお、縦軸と横軸とは入れ替えてもよい。図３に示すように、第１微分値に応じて３つの頻度のピークが存在する。つまり、第１微分値がゼロであれば、センサ値が略変わらないことを示すため、定常状態である。第１微分値が正または負である場合、時間変化速度が正または負となっていることを示す。
図３は、第１微分値分布３０のグラフであり、横軸は頻度を、縦軸は時間方向の第１微分値をそれぞれ表す。第１微分値分布３０は、時間方向における第１微分値のヒストグラムである。なお、縦軸と横軸とは入れ替えてもよい。図３に示すように、第１微分値に応じて３つの頻度のピークが存在する。つまり、第１微分値がゼロであれば、センサ値が略変わらないことを示すため、定常状態である。第１微分値が正または負である場合、時間変化速度が正または負となっていることを示す。
【0024】
次に、第２微分値分布の表示例について図４に示す。
図４は、第２微分値分布４０のグラフであり、図３と同様に、横軸は頻度を、縦軸は時間方向の微分値をそれぞれ表す。第２微分値分布４０は、時間方向における第２微分値のヒストグラムである。なお、縦軸と横軸とは入れ替えてもよい。第１微分値分布と同様に、第２微分値に応じて３つの頻度のピークが存在する。なお、ここでは、微分値の絶対値は、第２微分値のほうが第１微分値よりも大きいことを想定する。
図４は、第２微分値分布４０のグラフであり、図３と同様に、横軸は頻度を、縦軸は時間方向の微分値をそれぞれ表す。第２微分値分布４０は、時間方向における第２微分値のヒストグラムである。なお、縦軸と横軸とは入れ替えてもよい。第１微分値分布と同様に、第２微分値に応じて３つの頻度のピークが存在する。なお、ここでは、微分値の絶対値は、第２微分値のほうが第１微分値よりも大きいことを想定する。
【0025】
この場合、図３と図４とを比較すると、時間方向の微分値は、時間変化速度であるから、時間変化速度の絶対値が、第１期間よりも第２期間のほうが大きいといえる。第１微分値分布と第２微分値分布とが一致すれば、第１期間と第２期間とで変化がない、つまり時間変化速度におけるドリフトが発生していない。しかし、図３と図４とを比較したユーザは、時間変化速度の絶対値が第１微分値と第２微分値とで異なることが分かるため、第１期間と第２期間との間で時間変化速度に関するドリフトが発生したと理解できる。
【0026】
時間変化速度のドリフトについて説明する。例えば、センサで測定されるデバイスの測定値が１から１０まで操作者の操作により変化する場合を想定する。この場合、操作者Ａが１，２，３，・・・，１０と１段階ずつ測定値を変化させた場合と、操作者Ｂが１から１０まで一気に測定値を変化させた場合とでは、所定時間当たりの変化量、つまり速度が異なる。よって、操作者Ａと操作者Ｂとの操作を比較すると、時間変化速度がドリフトしているといえる。また、操作者によらず、例えば、システムに設置された、開いている弁を閉じる際、第１期間と第２期間とで、弁の周辺の摩擦力や圧力等が異なれば、弁が閉じるまでにかかる時間が異なる場合がある。この場合、弁がどれだけ開いた状態かを表す弁開度の時間変化速度がドリフトしているといえる。
【0027】
なお、第１微分値分布３０および第２微分値分布４０を１つのグラフで表示してもよい。
第１微分値分布および第２微分値分布の表示例の変形例について図５に示す。
図５に示すように、第１微分値分布３０および第２微分値分布４０を重畳して表示することで、微分値のピークの違いを容易に把握できる。
第１微分値分布および第２微分値分布の表示例の変形例について図５に示す。
図５に示すように、第１微分値分布３０および第２微分値分布４０を重畳して表示することで、微分値のピークの違いを容易に把握できる。
【0028】
また、上述の例では、微分ステップが「１」である場合を想定したが、これに限らず、例えばユーザが指定してもよい。
ユーザが微分ステップを指定する場合について図６を参照して説明する。
図６は、微分ステップを調整するためのグラフィカルユーザインタフェース（ＧＵＩ）の一例を示す。微分ステップを決定するためのスライダー６１を設定する。ユーザは例えばマウスカーソル６２または指でスライダー６１のつまみを移動させることで、微分ステップを調整する。調整された値がテキストボックス６３に表示される。
なお、スライダー６１による微分ステップの設定ではなく、ユーザが微分ステップの値をテキストボックス６３に直接入力可能としてもよい。
ユーザが微分ステップを指定する場合について図６を参照して説明する。
図６は、微分ステップを調整するためのグラフィカルユーザインタフェース（ＧＵＩ）の一例を示す。微分ステップを決定するためのスライダー６１を設定する。ユーザは例えばマウスカーソル６２または指でスライダー６１のつまみを移動させることで、微分ステップを調整する。調整された値がテキストボックス６３に表示される。
なお、スライダー６１による微分ステップの設定ではなく、ユーザが微分ステップの値をテキストボックス６３に直接入力可能としてもよい。
【0029】
ユーザにより入力された値は、第１微分部１０５および第２微分部１０６に与えられて微分ステップの値として設定されればよい。
【0030】
なお、微分ステップは、センサによりシステムに異常が発生しているか否かを判定する、センサの測定値に適用する機械学習モデルに基づいて決定されてもよい。具体的には、学習済みの機械学習モデル（学習済みモデルともいう）への入力時系列データの時間窓長よりも小さい値に設定されてもよい。例えば、機械学習の時間窓長に対応する単位時間をＷとすると、微分ステップは、その「Ｗ」から１単位時間を減算した「Ｗ－１」の値に設定されてもよいし、１以上「Ｗ」未満の値に設定されればよい。このように微分ステップを設定することで、同様に時間変化速度のドリフトを計算できる。
なお、微分ステップがユーザによって設定される場合に、微分ステップとして設定できる値の下限が１、上限が「Ｗ－１」にそれぞれ設定されてもよい。
なお、微分ステップがユーザによって設定される場合に、微分ステップとして設定できる値の下限が１、上限が「Ｗ－１」にそれぞれ設定されてもよい。
【0031】
以上に示した第１の実施形態によれば、第１期間における対象センサの測定値に関する第１微分値分布と、第２期間における対象センサの測定値に関する第２微分値分布とを生成する。これにより、ユーザが時間変化速度を容易に比較でき、時間変化速度に関するドリフトが生じたことを容易に検知できる。また、時間変化速度に関するドリフトが発生した場合、ユーザは、対象センサが設置されるシステムの検知が適切か否かを判定できる。結果としてユーザビリティを向上させることができる。
【0032】
（第２の実施形態）
第２の実施形態では、第１微分値分布および第２微分値分布を表示することに加えて、第１微分値のトレンドグラフおよび第２微分値のトレンドグラフを表示する。
第２の実施形態では、第１微分値分布および第２微分値分布を表示することに加えて、第１微分値のトレンドグラフおよび第２微分値のトレンドグラフを表示する。
【0033】
微分値のトレンドグラフは、微分値の時間変化（時間推移）を表すグラフである。
第１出力部１１９が、第１微分部１０５から第１微分値集合を受け取り、第１出力情報として第１微分値のトレンドグラフをさらに出力する。同様に、第２出力部１２０が、第２微分部１０６から第２微分値集合を受け取り、第２出力情報として第２微分値のトレンドグラフをさらに出力する。
第１出力部１１９が、第１微分部１０５から第１微分値集合を受け取り、第１出力情報として第１微分値のトレンドグラフをさらに出力する。同様に、第２出力部１２０が、第２微分部１０６から第２微分値集合を受け取り、第２出力情報として第２微分値のトレンドグラフをさらに出力する。
【0034】
第２の実施形態に係る第１出力部１１９から出力されるトレンドグラフの一例を図７および図８に示す。
図７では、第１期間におけるトレンドグラフ７０が表示される。縦軸は第１微分値であり、横軸は時間である。これにより、時系列に沿って第１微分値の変化を把握できる。
トレンドグラフ７０と第１微分値分布３０とが、異なる表示領域に表示されてもよいし、図８に示すように、１つの表示領域に、第１微分値のトレンドグラフ７０と第１微分値分布３０とが並べて表示されてもよい。トレンドグラフ７０と第１微分値分布３０とを１つの表示領域に並べて表示する際は、共通する軸のスケールを揃えることでユーザがより見やすくなる。
図７では、第１期間におけるトレンドグラフ７０が表示される。縦軸は第１微分値であり、横軸は時間である。これにより、時系列に沿って第１微分値の変化を把握できる。
トレンドグラフ７０と第１微分値分布３０とが、異なる表示領域に表示されてもよいし、図８に示すように、１つの表示領域に、第１微分値のトレンドグラフ７０と第１微分値分布３０とが並べて表示されてもよい。トレンドグラフ７０と第１微分値分布３０とを１つの表示領域に並べて表示する際は、共通する軸のスケールを揃えることでユーザがより見やすくなる。
【0035】
次に、第２の実施形態に係る第２出力部１２０から出力されるトレンドグラフの一例を図９および図１０に示す。
図９では、第２期間におけるトレンドグラフ９０が表示される。縦軸は第２微分値であり、横軸は時間である。これにより、時系列に沿って第２微分値の変化を把握できる。
また、図１０に示すように、第２微分値のトレンドグラフ９０と第２微分値分布４０とを並べて表示してもよい。
図９では、第２期間におけるトレンドグラフ９０が表示される。縦軸は第２微分値であり、横軸は時間である。これにより、時系列に沿って第２微分値の変化を把握できる。
また、図１０に示すように、第２微分値のトレンドグラフ９０と第２微分値分布４０とを並べて表示してもよい。
【0036】
次に、トレンドグラフの表示例の第１の変形例について図１１に示す。
図１１に示すように、第１微分値のトレンドグラフ７０と、第２微分値のトレンドグラフ９０とを１つのグラフに表示してもよい。１つのグラフに２つのトレンドグラフを表示することで、時系列に沿って第１微分値と第２微分値とのトレンドを把握できる。
図１１に示すように、第１微分値のトレンドグラフ７０と、第２微分値のトレンドグラフ９０とを１つのグラフに表示してもよい。１つのグラフに２つのトレンドグラフを表示することで、時系列に沿って第１微分値と第２微分値とのトレンドを把握できる。
【0037】
次に、トレンドグラフの表示例の第２の変形例について図１２に示す。
図１２は、図１１に示すトレンドグラフと、図５に示す微分値分布とをともに同じ表示領域に表示する例である。なお、図１１に示すトレンドグラフと、図３および図４のいずれか１つのグラフとを１つの画面に表示してもよい。
図１２は、図１１に示すトレンドグラフと、図５に示す微分値分布とをともに同じ表示領域に表示する例である。なお、図１１に示すトレンドグラフと、図３および図４のいずれか１つのグラフとを１つの画面に表示してもよい。
【0038】
以上に示した第２の実施形態によれば、第１微分値分布および第２微分値分布を表示することに加えて、第１微分値および第２微分値のトレンドグラフを生成して出力する。これにより、時間変化速度のドリフトが発生したことを検知できることに加えて、時間変化速度のドリフトが生じた時期に気づきやすくなるため、ドリフトが生じた時期を特定しやすくなる。
【0039】
（第３の実施形態）
第３の実施形態では、時間変化速度のドリフトを判定するためのスコアを算出する。
第３の実施形態に係るデータ処理装置１００について、図１３のブロック図を参照して説明する。
図１３に示す第３の実施形態に係るデータ処理装置１００は、図１と比較して、スコア算出部およびスコア出力部１３０２をさらに含む。
第３の実施形態では、時間変化速度のドリフトを判定するためのスコアを算出する。
第３の実施形態に係るデータ処理装置１００について、図１３のブロック図を参照して説明する。
図１３に示す第３の実施形態に係るデータ処理装置１００は、図１と比較して、スコア算出部およびスコア出力部１３０２をさらに含む。
【0040】
スコア算出部１３０１は、第１分布生成部１０７から第１微分値分布を、第２分布生成部１０８から第２微分値分布をそれぞれ受け取り、分布差に関するスコアを算出する。スコアとしては、例えば、第１微分値分布と第２微分値分布との類似度または相違度を用いればよい。類似度としては、例えばヒストグラムインターセクション、コサイン類似度を用いればよい。相違度としては、例えばカルバックライブラー情報量（Kullback－Leibler divergence）またはＷａｓｓｅｒｓｔｅｉｎ距離でもよいし、ユークリッド距離、最大値同士の差、最小値同士の差、平均値同士の差、中央値同士の差およびこれらの基準の重み付け和でもよい。
【0041】
スコア出力部１３０２は、スコア算出部１３０１からスコアを受け取り、外部に出力する。スコア出力部１３０２が表示部であれば、当該スコアを表示する。
【0042】
以上に示した第３の実施形態によれば、スコアを算出することにより、注目センサのスコアを知ることができる。スコアが類似度である場合、スコアの値が小さいほど、類似度が低いことを示すため、注目センサの時間変化速度に関するドリフトが発生している可能性が高いことをユーザが把握できる。スコアが相違度である場合、スコアの値が大きいほど、相違度が大きいため、注目センサの時間変化速度に関するドリフトが発生している可能性が高いことをユーザが把握できる。
【0043】
【0044】
図１４に示す第４の実施形態に係るデータ処理装置１００は、図１と比較して、スコア算出部と、ドリフト検知部１４０１と、ドリフト情報出力部１４０２とをさらに含む。
スコア算出部１３０１は、第３の実施形態と同様である。
スコア算出部１３０１は、第３の実施形態と同様である。
【0045】
ドリフト検知部１４０１は、スコア算出部１３０１からスコアを受け取り、スコアとしきい値との大小判定により、時間変化速度のドリフトが発生したか否かを検知する。スコアが類似度である場合、スコアがしきい値よりも小さい場合に時間変化速度のドリフトが発生したとみなして検知する。スコアが相違度である場合、スコアがしきい値よりも大きい場合に時間変化速度のドリフトが発生したとみなして検知する。ドリフト検知部１４０１は、注目センサの時間変化速度のドリフトが検知されたかどうかを表すドリフト検知信号を生成する。
【0046】
ドリフト情報出力部１４０２は、ドリフト検知部１４０１からドリフト検知信号を受け取り、注目センサの時間変化速度のドリフトの検知に関するドリフト情報をデータ処理装置１００の外部に出力する。ドリフト情報は、例えば、モニタ中のある表示領域に注目センサの時間変化速度のドリフトが生じたか否かがテキストで映し出されればよい。または、時間変化速度のドリフトが発生したことを示す音声またはアラート音が出力されてもよい。
【0047】
以上に示した第４の実施形態によれば、ドリフト検知部が、スコアに基づき時間変化速度のドリフトが発生したか否かを検知することで、ユーザは、注目センサの時間変化速度に関するドリフトが生じたか否かを知ることができる。
【0048】
（第５の実施形態）
第５の実施形態では、複数のセンサについて、時間変化速度のドリフトが発生したか否かを検知する。
第５の実施形態に係るデータ処理装置１００は、第４の実施形態に係るデータ処理装置１００と同様の構成であればよい。
第５の実施形態では、複数のセンサについて、時間変化速度のドリフトが発生したか否かを検知する。
第５の実施形態に係るデータ処理装置１００は、第４の実施形態に係るデータ処理装置１００と同様の構成であればよい。
【0049】
あるシステムに複数のセンサが設置される場合、データ処理装置１００は、複数のセンサのうちの１つを注目センサとして、第４の実施形態に係る処理を実行すればよい。１つの注目センサについての時間変化速度のドリフトの検知処理が終了すれば、データ処理装置１００は、例えば第１取得部１０３または第２取得部１０４が、複数のセンサのうち未処理のセンサを新たな注目センサとして設定し、第１測定データおよび第２測定データを取得する。同様に時間変化速度のドリフトの検知処理を実行すればよい。なお、第１取得部１０３および第２取得部１０４は、第１測定データおよび第２測定データを取得する場合、センサを一意に識別するためのＩＤ（センサＩＤともいう）を紐づけて取得する。
【0050】
ドリフト検知部１４０１は、注目センサについて算出された、時間変化速度のドリフトに係るドリフト検知信号は、生成された都度、ドリフト情報出力部１４０２に送られてもよいし、複数のセンサすべてについてドリフト検知信号を算出したのち、まとめて複数のドリフト検知信号をドリフト情報出力部１４０２に送ってもよい。
ドリフト情報出力部１４０２は、ドリフト検知部１４０１から各センサについて算出されたドリフト検知信号を受け取り、時間変化速度のドリフトが検知されたセンサのリストを生成し、当該リストをドリフト情報として外部に出力する。
ドリフト情報出力部１４０２は、ドリフト検知部１４０１から各センサについて算出されたドリフト検知信号を受け取り、時間変化速度のドリフトが検知されたセンサのリストを生成し、当該リストをドリフト情報として外部に出力する。
【0051】
なお、ドリフト情報として、時間変化速度のドリフトが検知されたセンサの数を出力してもよい。ドリフト情報出力部１４０２は、ドリフト検知信号に基づいて、時間変化速度のドリフトが検知されたセンサの数をカウントし、センサの数を外部に出力してもよい。
【0052】
以上に示した第５の実施形態によれば、ドリフト情報出力部が、複数のセンサのうち、時間変化速度のドリフトが発生したセンサのリストおよびセンサの数の少なくとも一方を出力する。これにより、ユーザは、時間変化速度のドリフトが検知されたセンサおよびセンサ数を容易に把握できる。
【0053】
（第６の実施形態）
第６の実施形態では、第１微分値分布および第２微分値分布のグラフに、第１期間および第２期間における測定データの最大値、最小値、平均値、および、中央値を表示してもよい。説明を簡単にするために、以下では、最大値、最小値、平均値、および、中央値のうちの最大値と最小値とを表示する場合の例を説明する。
第６の実施形態に係るデータ処理装置１００の構成は、上述の実施形態と同様である。
第６の実施形態では、第１微分値分布および第２微分値分布のグラフに、第１期間および第２期間における測定データの最大値、最小値、平均値、および、中央値を表示してもよい。説明を簡単にするために、以下では、最大値、最小値、平均値、および、中央値のうちの最大値と最小値とを表示する場合の例を説明する。
第６の実施形態に係るデータ処理装置１００の構成は、上述の実施形態と同様である。
【0054】
第１微分部１０５は、第１測定データのうちの最大値および最小値を算出する。
第１出力部１１９は、第１微分部１０５から最大値および最小値を受け取り、第１位微分値分布と最大値および最小値とを第１出力情報として出力する。これにより、出力先の表示部などでは、第１微分値分布に第１微分値の最大値および最小値を重ねて描出できる。
同様に、第２微分部１０６は、第２測定データのうちの最大値および最小値を算出する。
第２出力部１２０は、第２微分部１０６から最大値および最小値を受け取り、第２微分値分布と最大値および最小値とを第２出力情報として出力する。これにより、出力先の表示部などでは、第２微分値分布に第２微分値の最大値および最小値を重ねて描出できる。
第１出力部１１９は、第１微分部１０５から最大値および最小値を受け取り、第１位微分値分布と最大値および最小値とを第１出力情報として出力する。これにより、出力先の表示部などでは、第１微分値分布に第１微分値の最大値および最小値を重ねて描出できる。
同様に、第２微分部１０６は、第２測定データのうちの最大値および最小値を算出する。
第２出力部１２０は、第２微分部１０６から最大値および最小値を受け取り、第２微分値分布と最大値および最小値とを第２出力情報として出力する。これにより、出力先の表示部などでは、第２微分値分布に第２微分値の最大値および最小値を重ねて描出できる。
【0055】
なお、第１微分部１０５および第２微分部１０６がそれぞれ最大値および最小値を算出することに限らない。例えば、第１出力部１１９が、第１微分部１０５から第１測定データを受け取り、第１測定データの最大値および最小値を算出してもよい。同様に、第２出力部１２０が、第２微分部１０６から第２測定データを受け取り、第２測定データの最大値および最小値を算出してもよい。
【0056】
次に、第６の実施形態に係る第１出力情報の第１の表示例について図１５に示す。
図１５は、図３に示す第１微分値分布３０に、第１測定データの最大値１５０１および最小値１５０２を破線で表示した例である。
測定データの最大値および最小値は、時間変化速度のドリフトを確認する上で重要であるため、ユーザに最大値および最小値を視認しやすくさせることができる。
なお、第１微分値分布に第２測定データの最大値および最小値を表示してもよい。
図１５は、図３に示す第１微分値分布３０に、第１測定データの最大値１５０１および最小値１５０２を破線で表示した例である。
測定データの最大値および最小値は、時間変化速度のドリフトを確認する上で重要であるため、ユーザに最大値および最小値を視認しやすくさせることができる。
なお、第１微分値分布に第２測定データの最大値および最小値を表示してもよい。
【0057】
第６の実施形態に係る第１出力情報の第２の表示例について図１６に示す。
図１６は、図３に示す第１微分値分布３０に、第２測定データの最大値１６０１および最小値１６０２を実線で表示した例である。図１５の場合と同様に、ユーザに最大値および最小値を視認しやすくさせることができる。
この場合、第１出力部１１９は、第２微分部１０６から第２測定データの最大値および最小値を取得すればよい。または、第２微分部１０６から第２測定データを受け取り、第１出力部１１９が第２測定データの最大値および最小値を算出してもよい。
図１６は、図３に示す第１微分値分布３０に、第２測定データの最大値１６０１および最小値１６０２を実線で表示した例である。図１５の場合と同様に、ユーザに最大値および最小値を視認しやすくさせることができる。
この場合、第１出力部１１９は、第２微分部１０６から第２測定データの最大値および最小値を取得すればよい。または、第２微分部１０６から第２測定データを受け取り、第１出力部１１９が第２測定データの最大値および最小値を算出してもよい。
【0058】
【0059】
なお、第２微分値分布に第１測定データの最大値および最小値を表示してもよい。
第６の実施形態に係る第２出力情報の第２の表示例について図１８に示す。
図１８は、図４に示す第２微分値分布４０に、第１測定データの最大値１５０１および最小値１５０２を破線で表示した例である。図１７の場合と同様に、ユーザに最大値および最小値を視認しやすくさせることができる。
この場合、第２出力部１２０は、第１微分部１０５から第１測定データの最大値および最小値を取得すればよい。または、第１微分部１０５から第１測定データを受け取り、第２出力部１２０が第１測定データの最大値および最小値を算出してもよい。
第６の実施形態に係る第２出力情報の第２の表示例について図１８に示す。
図１８は、図４に示す第２微分値分布４０に、第１測定データの最大値１５０１および最小値１５０２を破線で表示した例である。図１７の場合と同様に、ユーザに最大値および最小値を視認しやすくさせることができる。
この場合、第２出力部１２０は、第１微分部１０５から第１測定データの最大値および最小値を取得すればよい。または、第１微分部１０５から第１測定データを受け取り、第２出力部１２０が第１測定データの最大値および最小値を算出してもよい。
【0060】
次に、第６の実施形態に係る第１出力情報および第２出力情報の第３の表示例について図１９に示す。
図１９は、第１微分値分布３０と、第２微分値分布４０と、第１測定データの最大値１５０１および最小値１５０２と、第２測定データの最大値１６０１および最小値１６０２とを重畳表示したグラフである。
図１９は、第１微分値分布３０と、第２微分値分布４０と、第１測定データの最大値１５０１および最小値１５０２と、第２測定データの最大値１６０１および最小値１６０２とを重畳表示したグラフである。
【0061】
例えば、時間変化速度のドリフトが発生していなければ、最大値１５０１と最大値１６０１との値が近いことが想定されるが、図１９に示すように最大値１５０１と最大値１６０１とが離れているため、時間変化速度のドリフトが生じている可能性を把握できる。もちろん、最小値１５０２と最小値１６０２との比較においても同様に、時間変化速度のドリフトが生じている可能性を把握できる。
【0062】
以上に示した第６の実施形態によれば、微分値分布のヒストグラムまたは確率密度関数だけでは確認できない測定データの最大値および最小値を算出してグラフに重畳表示することで、ユーザが最大値および最小値を確認しやすくなる。
【0063】
（第７の実施形態）
第７の実施形態では、微分値に基づいて散布図を作成して出力する。
第７の実施形態に係るデータ処理装置について図２０を参照して説明する。
図２０に示す第７の実施形態に係るデータ処理装置１００は、図１と比較して、散布図作成部２００１と、散布図出力部２００２とをさらに含む。
散布図作成部２００１は、第１取得部１０３から第１測定データを、第２取得部１０４から第２測定データをそれぞれ受け取り、第１測定データおよび第２測定データの散布図データを作成する。
散布図出力部２００２は、散布図作成部２００１から散布図データを外部に出力する。
第７の実施形態では、微分値に基づいて散布図を作成して出力する。
第７の実施形態に係るデータ処理装置について図２０を参照して説明する。
図２０に示す第７の実施形態に係るデータ処理装置１００は、図１と比較して、散布図作成部２００１と、散布図出力部２００２とをさらに含む。
散布図作成部２００１は、第１取得部１０３から第１測定データを、第２取得部１０４から第２測定データをそれぞれ受け取り、第１測定データおよび第２測定データの散布図データを作成する。
散布図出力部２００２は、散布図作成部２００１から散布図データを外部に出力する。
【0064】
次に、第７の実施形態に係る散布図作成部により作成された散布図データの第１の表示例について図２１を参照して説明する。
図２１に示す散布図は、縦軸が注目時刻の測定値を示し、横軸が注目時刻よりもｓ単位時間前の時刻の測定値を示す。
測定データに含まれる測定値に対応する複数の時刻の中から、注目時刻を設定し、当該注目時刻の測定値と当該注目時刻よりもｓ単位時間前の時刻の測定値との組み合わせの時間をプロットする。図２１の例では、黒丸が第１測定データに関するプロット、黒三角が第２測定データに関するプロットである。なお、第１測定データのプロットおよび第２測定データのプロットは、黒丸および黒三角に限らず、第１測定データと第２測定データとが異なる表示態様で表示され、互いに区別可能であれば、どのような表示態様で表示させてもよい。
図２１に示す散布図は、縦軸が注目時刻の測定値を示し、横軸が注目時刻よりもｓ単位時間前の時刻の測定値を示す。
測定データに含まれる測定値に対応する複数の時刻の中から、注目時刻を設定し、当該注目時刻の測定値と当該注目時刻よりもｓ単位時間前の時刻の測定値との組み合わせの時間をプロットする。図２１の例では、黒丸が第１測定データに関するプロット、黒三角が第２測定データに関するプロットである。なお、第１測定データのプロットおよび第２測定データのプロットは、黒丸および黒三角に限らず、第１測定データと第２測定データとが異なる表示態様で表示され、互いに区別可能であれば、どのような表示態様で表示させてもよい。
【0065】
領域２１０１では、測定データの注目時刻の測定値とｓ単位時間前の測定値とが近い値であることを示し、定常状態であることを示す。言い換えれば、微分ステップｓで測定値を時間方向に微分した値がゼロに近く、時間変化速度がゼロに近い定常状態、つまり時間変化速度のドリフトが生じていないことを示す。
【0066】
一方、領域２１０２では、測定データの注目時刻の測定値のほうが、ｓ単位時間前の測定値よりも大きいことを示し、測定値が時間とともに増加する過渡状態であることを示す。言い換えれば、微分ステップｓで測定値を時間方向に微分した値が正であり、時間変化速度が正である過渡状態を表す。
【0067】
また、領域２１０３では、測定データの注目時刻の測定値のほうが、ｓ単位時間前の測定値よりも小さいことを示し、測定値が時間とともに減少する過渡状態であることを示す。言い換えれば、微分ステップｓで測定値を時間方向に微分した値が負であり、時間変化速度が負である過渡状態を表す。図２１に示す散布図を参照することにより、散布図からも時間変化速度のドリフトが生じていることを把握できる。
【0068】
次に、第７の実施形態に係る散布図データの第２の表示例について図２２に示す。
図２２は、図２１に示す散布図と、図５に示す微分値分布とを並べて表示した例である。
散布図のプロットと微分値分布のヒストグラムとで対応するデータ群を結ぶように対応関係を示す。
なお、図２１および図２２において、散布図の縦軸と横軸とを入れ替えてもよい。また、図２１および図２２の散布図の横軸は、注目時刻よりもｓ単位時間前の時刻に対応する測定値を示すが、注目時刻よりもｓ単位時間後の時刻に対応する測定値を用いてもよい。
図２２は、図２１に示す散布図と、図５に示す微分値分布とを並べて表示した例である。
散布図のプロットと微分値分布のヒストグラムとで対応するデータ群を結ぶように対応関係を示す。
なお、図２１および図２２において、散布図の縦軸と横軸とを入れ替えてもよい。また、図２１および図２２の散布図の横軸は、注目時刻よりもｓ単位時間前の時刻に対応する測定値を示すが、注目時刻よりもｓ単位時間後の時刻に対応する測定値を用いてもよい。
【0069】
以上に示した第７の実施形態によれば、ユーザは、散布図とヒストグラムとの両面から時間変化速度のドリフトを把握できる。
【0070】
（第８の実施形態）
第６の実施形態では、システムに設置された１つ以上のセンサの値を機械学習モデルで監視する場合を示す。
第１期間を機械学習モデルの訓練データの期間とし、第２期間を第１期間より後の期間とすれば、データ処理装置１００により、訓練データの期間と当該訓練データの期間より後の期間とにおいて、監視対象の１以上のセンサの中で時間変化速度のドリフトが検知されたセンサの数を監視できる。
第６の実施形態では、システムに設置された１つ以上のセンサの値を機械学習モデルで監視する場合を示す。
第１期間を機械学習モデルの訓練データの期間とし、第２期間を第１期間より後の期間とすれば、データ処理装置１００により、訓練データの期間と当該訓練データの期間より後の期間とにおいて、監視対象の１以上のセンサの中で時間変化速度のドリフトが検知されたセンサの数を監視できる。
【0071】
また、第２取得部１０４において、第２期間を最新の時間方向にシフトさせて第２測定データを取得することで、時間変化速度に関するドリフトが検知されたセンサの数の変化を監視することもできる。
【0072】
ここで、時間変化速度のドリフトが検知されたセンサの数の変化を表すグラフの一例について図２３に示す。
図２３に示すグラフは、横軸が時間を示し、縦軸が時間変化速度のドリフトが検知されたセンサ数を示す。ドリフト情報出力部１４０２は、ドリフト情報として、時間変化速度のドリフトが検知されたセンサの数の時系列変化に関する情報を生成し、当該情報を図２３に示すグラフとして出力してもよいし、リストとして出力してもよい。
図２３に示すグラフは、横軸が時間を示し、縦軸が時間変化速度のドリフトが検知されたセンサ数を示す。ドリフト情報出力部１４０２は、ドリフト情報として、時間変化速度のドリフトが検知されたセンサの数の時系列変化に関する情報を生成し、当該情報を図２３に示すグラフとして出力してもよいし、リストとして出力してもよい。
【0073】
また、所定のセンサ数のしきい値２３０１を設定し、センサ数の時系列変化において、当該しきい値２３０１以上のセンサ数となった場合、ドリフト情報出力部１４０２は、機械学習モデルの更新を促す旨の情報を出力してもよい。これは、時間変化速度のドリフトが発生したセンサ数が、しきい値以上のセンサ数となる場合、生成された機械学習モデルは、現在のセンサの値には適さないモデルであると判定できるからである。
すなわち、ユーザは、時間変化速度に関するドリフトが検知されたセンサの数が所定の値を超過した段階で、学習済みモデルを更新することを決定できる。
すなわち、ユーザは、時間変化速度に関するドリフトが検知されたセンサの数が所定の値を超過した段階で、学習済みモデルを更新することを決定できる。
【0074】
なお、ドリフトが発生したセンサ数がしきい値２３０１を超えた期間が、所定期間未満であれば、学習済みモデルの更新を行わないと判断されてもよい。例えば、ドリフトが発生したセンサ数がしきい値２３０１を超えた期間が所定期間２３０２未満であれば、製品の欠陥などで一時的にセンサ値が振れたことも考えられるため、ドリフト情報出力部１４０２は、学習済みモデルの更新を促す旨の情報を出力しなくともよい。
【0075】
以上に示した第８の実施形態によれば、複数のセンサについて時間変化速度のドリフトが発生したか否かを検知することで、当該複数のセンサの値に基づく学習済みモデルが設計されていた場合、当該学習済みモデルの更新の必要性を判定できる。
【0076】
（第９の実施形態）
第９の実施形態では、例えば機械学習モデルを用いてセンサの測定値に関する予測値を算出する。
第９の実施形態に係るデータ処理装置１００について図２４のブロック図を参照して説明する。
図２４に示す第９の実施形態に係るデータ処理装置１００は、図１と比較して、第３取得部２４０１と、モデル取得部２４０２と、予測値生成部２４０３と、第３出力部２４０４とをさらに含む。
第９の実施形態では、例えば機械学習モデルを用いてセンサの測定値に関する予測値を算出する。
第９の実施形態に係るデータ処理装置１００について図２４のブロック図を参照して説明する。
図２４に示す第９の実施形態に係るデータ処理装置１００は、図１と比較して、第３取得部２４０１と、モデル取得部２４０２と、予測値生成部２４０３と、第３出力部２４０４とをさらに含む。
【0077】
第３取得部２４０１は、システムに設置された１つ以上のセンサの複数時刻の測定値からなる時系列データを取得する。
モデル取得部２４０２は、データの期間が第１期間である訓練データで学習済みの機械学習モデルを取得する。機械学習モデルは、例えば、オートエンコーダモデルを含むニューラルネットワークのモデルや回帰モデルである。システムを監視するための機械学習モデルは、システムが異常な期間を除外して訓練データの期間を決定する場合が多い。訓練データの期間にシステムが異常な期間が含まれない場合、システムが正常な状態であるときの１つ以上のセンサの複数時刻の測定値からなる時系列データが機械学習モデルに入力されると、システムが正常な状態であるときの１つ以上のセンサの注目する時刻の測定値に近い値が学習済みモデルから予測値として出力される。
モデル取得部２４０２は、データの期間が第１期間である訓練データで学習済みの機械学習モデルを取得する。機械学習モデルは、例えば、オートエンコーダモデルを含むニューラルネットワークのモデルや回帰モデルである。システムを監視するための機械学習モデルは、システムが異常な期間を除外して訓練データの期間を決定する場合が多い。訓練データの期間にシステムが異常な期間が含まれない場合、システムが正常な状態であるときの１つ以上のセンサの複数時刻の測定値からなる時系列データが機械学習モデルに入力されると、システムが正常な状態であるときの１つ以上のセンサの注目する時刻の測定値に近い値が学習済みモデルから予測値として出力される。
【0078】
また、システムが異常な状態であるときの１つ以上のセンサの複数時刻の測定値からなる時系列データが機械学習モデルに入力されると、システムが異常な状態であるときの１つ以上のセンサの注目する時刻の測定値とは略異なる値が学習済みモデルから予測値として出力されると期待される。
【0079】
予測値生成部２４０３は、第３取得部２４０１から時系列データを、モデル取得部２４０２から機械学習モデルをそれぞれ受け取る。予測値生成部２４０３は、時系列データを機械学習モデルに入力することで、システムに設置された１つ以上のセンサの予測値を生成する。
第３出力部２４０４は、予測値および測定値に関する第３出力情報を外部に出力する。第３出力情報は、例えば、１つ以上のセンサに関する、測定値と予測値とのトレンドグラフを表す情報である。
第３出力部２４０４は、予測値および測定値に関する第３出力情報を外部に出力する。第３出力情報は、例えば、１つ以上のセンサに関する、測定値と予測値とのトレンドグラフを表す情報である。
【0080】
次に、第９の実施形態に係る第３出力情報に関する表示例について図２５および図２６を参照して説明する。
図２５は、ある注目センサについての測定値と予測値とのトレンドグラフの一例である。図２５に示すグラフは、横軸が時刻、縦軸が値を示す。破線が予測値２５０１を示し、実線が測定値２５０２を示す。
図２６は、当該注目センサの測定値について、訓練データの期間と図２５中の期間Ｃのトレンドグラフを重畳表示したグラフの一例である。横軸が相対時刻、縦軸が値を表す。破線が訓練データの期間、すなわち第１期間の測定値２６０１を示し、実線が期間Ｃの測定値２６０２を示す。
図２５は、ある注目センサについての測定値と予測値とのトレンドグラフの一例である。図２５に示すグラフは、横軸が時刻、縦軸が値を示す。破線が予測値２５０１を示し、実線が測定値２５０２を示す。
図２６は、当該注目センサの測定値について、訓練データの期間と図２５中の期間Ｃのトレンドグラフを重畳表示したグラフの一例である。横軸が相対時刻、縦軸が値を表す。破線が訓練データの期間、すなわち第１期間の測定値２６０１を示し、実線が期間Ｃの測定値２６０２を示す。
【0081】
図２５および図２６を参照すると、当該注目センサは、定常状態において、値「Ａ」または値「Ｂ」の周辺の値をとり、過渡状態において値「Ａ」と値「Ｂ」との間の値をとることがわかる。図２６から訓練データの期間、すなわち第１期間よりも、期間Ｃの方が過渡状態における測定値の時間変化速度が速いことがわかる。機械学習モデルは、当該注目センサの測定値の時間変化速度が訓練データ並みであるとして学習したものであるため、期間Ｃの予測値の時間変化速度も訓練データ並みとなりがちである。そのため、図２５に示す期間Ｃの予測値２５０１の曲線が、測定値２５０２の曲線と比較して、遅延したような形状となる。予測値２５０１と測定値２５０２との差分の絶対値が閾値よりも大きい場合に異常（または異常の候補）として検知する場合、過渡状態において検知しやすいと考えられる。
なお、注目センサを他のセンサの測定値に切り替えられるようなＧＵＩを介して表示されてもよい。
なお、注目センサを他のセンサの測定値に切り替えられるようなＧＵＩを介して表示されてもよい。
【0082】
図２５を図３、４と合わせて表示するか、あるいは、図２５を図５と合わせて表示することで、測定値２５０２の時間変化速度が予測値２５０１よりも速い理由が、時間変化速度のドリフトであることを容易に把握できる。もし時間変化速度のドリフトが異常な状態でない場合、ユーザは、過渡状態における予測値２５０１と測定値２５０２とのずれが誤検知であり、システムが異常な状態でないことに気づくことができる。
【0083】
以上に示した第９の実施形態によれば、例えば第１期間における測定値と予測値とを比較するトレンドグラフに加えて、第１、２微分値分布を表示することで、ユーザがトレンドグラフの過渡状態のずれが時間変化速度のドリフトが原因であると把握できる。これにより、ユーザはシステムを停止して調査する異なく当該原因に気づくことができるため、システム停止によるコストおよび時間の損失を回避できる。
【0084】
（第１０の実施形態）
第１０の実施形態では、例えば機械学習モデルを用いてセンサの測定値に関する予測値を算出する。
第１０の実施形態に係るデータ処理装置１００について図２７のブロック図を参照して説明する。
図２７に示す第１０の実施形態に係るデータ処理装置１００は、図２４と比較して、異常検知部２７０１をさらに含む。
第１０の実施形態では、例えば機械学習モデルを用いてセンサの測定値に関する予測値を算出する。
第１０の実施形態に係るデータ処理装置１００について図２７のブロック図を参照して説明する。
図２７に示す第１０の実施形態に係るデータ処理装置１００は、図２４と比較して、異常検知部２７０１をさらに含む。
【0085】
異常検知部２７０１は、第３取得部２４０１から注目センサの時系列データを、予測値生成部２４０３から予測値をそれぞれ受け取り、各時刻における予測値と測定値との差分の絶対値が閾値よりも大きいか否かを検知した検知信号を生成する。差分の絶対値が閾値よりも大きい場合、異常があるまたは異常の候補であると判定される。検知信号は、第１取得部１０３、第２取得部１０４および第３取得部２４０１に送られる。
【0086】
次に、第１０の実施形態に係る検知信号の表示例について図２８に示す。
図２８に示すグラフは、横軸が時刻を示し、縦軸が検知信号の値を示す。例えば、検知信号の値がゼロである場合には、異常または異常候補であると検知されなかったことを示し、値がゼロでない場合には、異常または異常候補であると検知されたことを示す。
ここで、第１取得部１０３および第２取得部１０４は、異常検知部２７０１から異常信号を受け取り、異常または異常候補であると検知されたセンサを特定し、当該センサを第１測定データおよび第２測定データを取得する注目センサとして設定してもよい。
図２８に示すグラフは、横軸が時刻を示し、縦軸が検知信号の値を示す。例えば、検知信号の値がゼロである場合には、異常または異常候補であると検知されなかったことを示し、値がゼロでない場合には、異常または異常候補であると検知されたことを示す。
ここで、第１取得部１０３および第２取得部１０４は、異常検知部２７０１から異常信号を受け取り、異常または異常候補であると検知されたセンサを特定し、当該センサを第１測定データおよび第２測定データを取得する注目センサとして設定してもよい。
【0087】
なお、モデル取得部２４０２で取得した機械学習モデルの訓練データの期間を第１期間と一致させることで、第１出力情報は、機械学習モデルの訓練データの期間に対応させることができる。同様に、予測値生成部２４０３で予測値を生成した期間を第２期間と一致させることで、第２出力情報は、予測値を生成した期間に対応させることができる。なお、注目センサの予測値を生成する期間を第２期間とする場合、第２期間は、訓練データの期間、すなわち第１期間よりも時間方向に後の期間である。
【0088】
以上に示した第１０の実施形態によれば、注目センサの測定値と機械学習モデルの予測値とを比較することで異常または異常候補を検知し、当該センサの測定値について、第１期間を訓練データの期間に、第２期間を予測値を生成した期間にそれぞれ対応させる。これにより、異常または異常候補が検知されたセンサの測定値について、訓練データの期間と予測値を生成した期間の間で時間変化速度のドリフトが生じたか否かをユーザが第１、２微分値分布から把握しやすくなる。
【0089】
ここで、上述の実施形態に係るデータ処理装置１００のハードウェア構成の一例を図２９のブロック図に示す。
データ処理装置１００は、ＣＰＵ（Central Processing Unit）２９０１と、ＲＡＭ（Random Access Memory）２９０２と、ＲＯＭ（Read Only Memory）２９０３と、ストレージ２９０４と、表示装置２９０５と、入力装置２９０６と、通信装置２９０７とを含み、それぞれバスにより接続される。
データ処理装置１００は、ＣＰＵ（Central Processing Unit）２９０１と、ＲＡＭ（Random Access Memory）２９０２と、ＲＯＭ（Read Only Memory）２９０３と、ストレージ２９０４と、表示装置２９０５と、入力装置２９０６と、通信装置２９０７とを含み、それぞれバスにより接続される。
【0090】
ＣＰＵ２９０１は、プログラムに従って演算処理および制御処理などを実行するプロセッサである。ＣＰＵ２９０１は、ＲＡＭ２９０２の所定領域を作業領域として、ＲＯＭ２９０３およびストレージ２９０４などに記憶されたプログラムとの協働により、上述したデータ処理装置１００の各部の処理を実行する。
ＲＡＭ２９０２は、ＳＤＲＡＭ（Synchronous Dynamic Random Access Memory）などのメモリである。ＲＡＭ２９０２は、ＣＰＵ２９０１の作業領域として機能する。ＲＯＭ２９０３は、プログラムおよび各種情報を書き換え不可能に記憶するメモリである。
ストレージ２９０４は、ＨＤＤ（Hard Disc Drive）等の磁気記録媒体、フラッシュメモリなどの半導体による記憶媒体、または、光学的に記録可能な記憶媒体などにデータを書き込みおよび読み出しをする装置である。ストレージ２９０４は、ＣＰＵ２９０１からの制御に応じて、記憶媒体にデータの書き込みおよび読み出しをする。
ＲＡＭ２９０２は、ＳＤＲＡＭ（Synchronous Dynamic Random Access Memory）などのメモリである。ＲＡＭ２９０２は、ＣＰＵ２９０１の作業領域として機能する。ＲＯＭ２９０３は、プログラムおよび各種情報を書き換え不可能に記憶するメモリである。
ストレージ２９０４は、ＨＤＤ（Hard Disc Drive）等の磁気記録媒体、フラッシュメモリなどの半導体による記憶媒体、または、光学的に記録可能な記憶媒体などにデータを書き込みおよび読み出しをする装置である。ストレージ２９０４は、ＣＰＵ２９０１からの制御に応じて、記憶媒体にデータの書き込みおよび読み出しをする。
【0091】
表示装置２９０５は、ＬＣＤ（Liquid Crystal Display）などの表示デバイスである。表示装置２９０５は、ＣＰＵ２９０１からの表示信号に基づいて、各種情報を表示する。
入力装置２９０６は、マウスおよびキーボード等の入力デバイスである。入力装置２９０６は、ユーザから操作入力された情報を指示信号として受け付け、指示信号をＣＰＵ２９０１に出力する。
通信装置２９０７は、ＣＰＵ２９０１からの制御に応じて外部機器とネットワークを介して通信する。
入力装置２９０６は、マウスおよびキーボード等の入力デバイスである。入力装置２９０６は、ユーザから操作入力された情報を指示信号として受け付け、指示信号をＣＰＵ２９０１に出力する。
通信装置２９０７は、ＣＰＵ２９０１からの制御に応じて外部機器とネットワークを介して通信する。
【0092】
上述の実施形態の中で示した処理手順に示された指示は、ソフトウェアであるプログラムに基づいて実行されることが可能である。汎用の計算機システムが、このプログラムを予め記憶しておき、このプログラムを読み込むことにより、上述したデータ処理装置の制御動作による効果と同様な効果を得ることも可能である。上述の実施形態で記述された指示は、コンピュータに実行させることのできるプログラムとして、磁気ディスク（フレキシブルディスク、ハードディスクなど）、光ディスク（ＣＤ－ＲＯＭ、ＣＤ－Ｒ、ＣＤ－ＲＷ、ＤＶＤ－ＲＯＭ、ＤＶＤ±Ｒ、ＤＶＤ±ＲＷ、Ｂｌｕ－ｒａｙ（登録商標）Ｄｉｓｃなど）、半導体メモリ、又はこれに類する記録媒体に記録される。コンピュータまたは組み込みシステムが読み取り可能な記録媒体であれば、その記憶形式は何れの形態であってもよい。コンピュータは、この記録媒体からプログラムを読み込み、このプログラムに基づいてプログラムに記述されている指示をＣＰＵで実行させれば、上述した実施形態のデータ処理装置の制御と同様な動作を実現することができる。もちろん、コンピュータがプログラムを取得する場合又は読み込む場合はネットワークを通じて取得又は読み込んでもよい。
また、記録媒体からコンピュータや組み込みシステムにインストールされたプログラムの指示に基づきコンピュータ上で稼働しているＯＳ（オペレーティングシステム）や、データベース管理ソフト、ネットワーク等のＭＷ（ミドルウェア）等が本実施形態を実現するための各処理の一部を実行してもよい。
さらに、本実施形態における記録媒体は、コンピュータあるいは組み込みシステムと独立した媒体に限らず、ＬＡＮやインターネット等により伝達されたプログラムをダウンロードして記憶または一時記憶した記録媒体も含まれる。
また、記録媒体は１つに限られず、複数の媒体から本実施形態における処理が実行される場合も、本実施形態における記録媒体に含まれ、媒体の構成は何れの構成であってもよい。
また、記録媒体からコンピュータや組み込みシステムにインストールされたプログラムの指示に基づきコンピュータ上で稼働しているＯＳ（オペレーティングシステム）や、データベース管理ソフト、ネットワーク等のＭＷ（ミドルウェア）等が本実施形態を実現するための各処理の一部を実行してもよい。
さらに、本実施形態における記録媒体は、コンピュータあるいは組み込みシステムと独立した媒体に限らず、ＬＡＮやインターネット等により伝達されたプログラムをダウンロードして記憶または一時記憶した記録媒体も含まれる。
また、記録媒体は１つに限られず、複数の媒体から本実施形態における処理が実行される場合も、本実施形態における記録媒体に含まれ、媒体の構成は何れの構成であってもよい。
【0093】
なお、本実施形態におけるコンピュータまたは組み込みシステムは、記録媒体に記憶されたプログラムに基づき、本実施形態における各処理を実行するためのものであって、パソコン、マイコン等の１つからなる装置、複数の装置がネットワーク接続されたシステム等の何れの構成であってもよい。
また、本実施形態におけるコンピュータとは、パソコンに限らず、情報処理機器に含まれる演算処理装置、マイコン等も含み、プログラムによって本実施形態における機能を実現することが可能な機器、装置を総称している。
また、本実施形態におけるコンピュータとは、パソコンに限らず、情報処理機器に含まれる演算処理装置、マイコン等も含み、プログラムによって本実施形態における機能を実現することが可能な機器、装置を総称している。
【0094】
本発明のいくつかの実施形態を説明したが、これらの実施形態は、例として提示したものであり、発明の範囲を限定することは意図していない。これら新規な実施形態は、その他の様々な形態で実施されることが可能であり、発明の要旨を逸脱しない範囲で、種々の省略、置き換え、変更を行なうことができる。これら実施形態やその変形は、発明の範囲や要旨に含まれるとともに、特許請求の範囲に記載された発明とその均等の範囲に含まれる。
【符号の説明】
【0095】
３０…第１微分値分布、４０…第２微分値分布、６１…スライダー、６２…マウスカーソル、６３…テキストボックス、７０，９０…トレンドグラフ、１００…データ処理装置、１０１…第１期間設定部、１０２…第２期間設定部、１０３…第１取得部、１０４…第２取得部、１０５…第１微分部、１０６…第２微分部、１０７…第１分布生成部、１０８…第２分布生成部、１１９…第１出力部、１２０…第２出力部、１３０１…スコア算出部、１３０２…スコア出力部、１４０１…ドリフト検知部、１４０２…ドリフト情報出力部、１５０１，１６０１…最大値、１５０２，１６０２…最小値、２００１…散布図作成部、２００２…散布図出力部、２１０１，２１０２，２１０３…領域、２３０１…しきい値、２３０２…所定期間、２４０１…第３取得部、
２４０２…モデル取得部、２４０３…予測値生成部、２４０４…第３出力部、２５０１…予測値、２５０２，２６０１，２６０２…測定値、２７０１…異常検知部、２９０１…ＣＰＵ、２９０２…ＲＡＭ、２９０３…ＲＯＭ、２９０４…ストレージ、２９０５…表示装置、２９０６…入力装置、２９０７…通信装置
２４０２…モデル取得部、２４０３…予測値生成部、２４０４…第３出力部、２５０１…予測値、２５０２，２６０１，２６０２…測定値、２７０１…異常検知部、２９０１…ＣＰＵ、２９０２…ＲＡＭ、２９０３…ＲＯＭ、２９０４…ストレージ、２９０５…表示装置、２９０６…入力装置、２９０７…通信装置
【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】
【図21】
【図22】
【図23】
【図24】
【図25】
【図26】
【図27】
【図28】
【図29】
