特許ウォッチ

公開番号2024057284
公報種別公開特許公報(A)
公開日2024-04-24
出願番号2022163915
出願日2022-10-12
発明の名称検出プログラム,検出方法および検出装置
出願人富士通株式会社
代理人弁理士法人真田特許事務所,個人
主分類G06N 20/00 20190101AFI20240417BHJP(計算;計数)
要約【課題】複数の時系列データに基づいて異常の予兆を検知する。
【解決手段】複数の時系列データについての精度行列についての最適化問題を解くことで算出される行列に基づいて特定される偏相関をグラフの辺の重みとして、複数の時系列データについての重み付きグラフ構造データを生成し、重み付きグラフ構造データに対するパーシステントホモロジー変換により得られるパーシステンス図における所定領域のデータ点の分布に基づいて、異常の予兆を検出する。
【選択図】図6
特許請求の範囲【請求項１】
複数の時系列データについての精度行列についての最適化問題を解くことで算出される行列に基づいて特定される偏相関をグラフの辺の重みとして、複数の時系列データについての重み付きグラフ構造データを生成し、
前記重み付きグラフ構造データに対するパーシステントホモロジー変換により得られるパーシステンス図における所定領域のデータ点の分布に基づいて、異常の予兆を検出する
処理をコンピュータに実行させることを特徴とする検出プログラム。
続きを表示（約 630 文字）【請求項２】
前記パーシステントホモロジー変換において、重み付きグラフの辺の重みに対する閾値を順次変化させることによる重み付きグラフにおける特定形状の発生時刻と消滅時刻とを前記データ点としてプロットすることで前記パーシステンス図を作成する
処理を前記コンピュータに実行させることを特徴とする、請求項１に記載の検出プログラム。
【請求項３】
複数の時系列データについての精度行列についての最適化問題を解くことで算出される行列に基づいて特定される偏相関をグラフの辺の重みとして、複数の時系列データについての重み付きグラフ構造データを生成し、
前記重み付きグラフ構造データに対するパーシステントホモロジー変換により得られるパーシステンス図における所定領域のデータ点の分布に基づいて、異常の予兆を検出する
処理をコンピュータが実行することを特徴とする検出方法。
【請求項４】
複数の時系列データについての精度行列についての最適化問題を解くことで算出される行列に基づいて特定される偏相関をグラフの辺の重みとして、複数の時系列データについての重み付きグラフ構造データを生成し、
前記重み付きグラフ構造データに対するパーシステントホモロジー変換により得られるパーシステンス図における所定領域のデータ点の分布に基づいて、異常の予兆を検出する
処理を実行する制御部を有することを特徴とする検出装置。

発明の詳細な説明【技術分野】
【０００１】
本発明は、検出プログラム，検出方法および検出装置に関する。
続きを表示（約 1,100 文字）【背景技術】
【０００２】
複数の時系列データが得られたとき、これらの時系列データ間の関係に注目してシステムの監視や、異常検出を行なうことが知られている。
【０００３】
時系列データは、例えば、あるシステムの電圧、振動数、回転数、圧力などの、ある一時期の状態を表すような、時間経過に応じた情報を持つデータである。
【０００４】
複数の時系列データの系の要素（時系列データ）間の関係に基づいたデータ解析手法として、例えば、疎構造学習を用いた手法が挙げられる。この手法では、要素間の関係を最適化手法を用いてグラフに起こし、グラフの構造が大きく変化したときにシステムに異常が発生したと見做す。
【先行技術文献】
【特許文献】
【０００５】
米国特許出願公開第２０２１／０２０９８７０号明細書
米国特許出願公開第２０２１／００６７４０１号明細書
特開２０１９－１０５８７１号公報
国際公開第２０１８／２２０８１３号
【非特許文献】
【０００６】
井手剛著「疎な相関グラフの学習による相関異常の検出」人工知能学会第二種研究会資料, 2009年3月3日, 2009巻, DMSM-A803号, p.04-
【発明の概要】
【発明が解決しようとする課題】
【０００７】
このような従来の疎構造学習を用いたデータ解析手法は「正常」か「異常」の判定のみを行なう。しかしながら、このような「正常」と「異常」の二値分類では、システムの状態が「異常」と見做されたときには、既にシステムに何らかの故障や障害が起こってしまっており、故障等の発生を未然に検知することができない。
【０００８】
また、検出された「異常」がデータのノイズなどによって偶然検出されてしまった誤認識である可能性も疑われ、信頼性が低い。
【０００９】
１つの側面では、本発明は、複数の時系列データに基づいて異常の予兆を検知することを目的とする。
【課題を解決するための手段】
【００１０】
このため、この検出プログラムは、複数の時系列データについての精度行列についての最適化問題を解くことで算出される行列に基づいて特定される偏相関をグラフの辺の重みとして、複数の時系列データについての重み付きグラフ構造データを生成し、前記重み付きグラフ構造データに対するパーシステントホモロジー変換により得られるパーシステンス図における所定領域のデータ点の分布に基づいて、異常の予兆を検出する処理をコンピュータに実行させる。
【発明の効果】
（【００１１】以降は省略されています）

関連特許