特許ウォッチ

公開番号2025114282
公報種別公開特許公報(A)
公開日2025-08-05
出願番号2024008886
出願日2024-01-24
発明の名称情報処理装置、ドリフト検知方法及びドリフト検知プログラム
出願人横河電機株式会社
代理人弁理士法人酒井国際特許事務所
主分類G06N 20/00 20190101AFI20250729BHJP(計算;計数)
要約【課題】データドリフト発生の事前検知を実現することを課題とする。
【解決手段】情報処理装置は、システムの状態を計測するセンサからセンサデータを取得するデータ取得部と、センサデータに関する将来予測の実行結果に基づいて、センサデータを入力としてシステムの状態を示すクラスを出力する第1の機械学習モデルの訓練に用いられた第1の訓練データセットからのデータドリフトが発生するか否かを検知するドリフト検知部と、を有する。
【選択図】図1
特許請求の範囲【請求項１】
システムの状態を計測するセンサからセンサデータを取得するデータ取得部と、
前記センサデータに関する将来予測の実行結果に基づいて、センサデータを入力として前記システムの状態を示すクラスを出力する第１の機械学習モデルの訓練に用いられた第１の訓練データセットからのデータドリフトが発生するか否かを検知するドリフト検知部と、
を有することを特徴とする情報処理装置。
続きを表示（約 1,500 文字）【請求項２】
前記ドリフト検知部は、センサデータを入力として前記センサデータが取得されてから所定期間後に外れ値が発生するか否かのクラスを出力する第２の機械学習モデルに対して、前記データ取得部により取得されたセンサデータを入力することにより、前記第２の機械学習モデルが出力するクラスに基づいて、前記データドリフトが発生するか否かを検知することを特徴とする請求項１に記載の情報処理装置。
【請求項３】
前記センサデータから得られる特徴量を前記第２の機械学習モデルの説明変数とし、前記センサデータが取得されてから所定期間後に外れ値が発生するか否かのクラスの正解ラベルを前記第２の機械学習モデルの目的変数とする機械学習を実行することにより、前記第２の機械学習モデルのパラメータを訓練する訓練部をさらに有することを特徴とする請求項２に記載の情報処理装置。
【請求項４】
前記ドリフト検知部は、センサデータを入力として前記センサデータが取得されてから所定期間後のセンサデータを出力する第２の機械学習モデルに対して、前記データ取得部により取得されたセンサデータを入力することにより、前記第２の機械学習モデルが出力する所定期間後のセンサデータの値に基づいて、前記データドリフトが発生するか否かを検知することを特徴とする請求項１に記載の情報処理装置。
【請求項５】
前記センサデータから得られる特徴量を前記第２の機械学習モデルの説明変数とし、前記センサデータが取得されてから所定期間後のセンサデータの正解ラベルを前記第２の機械学習モデルの目的変数とする機械学習を実行することにより、前記第２の機械学習モデルのパラメータを訓練する訓練部をさらに有することを特徴とする請求項４に記載の情報処理装置。
【請求項６】
前記第２の機械学習モデルの訓練に用いられる第２の訓練データセット全体から前記第２の訓練データセットに含まれるセンサデータの各々が除外された場合、前記第２の訓練データセット全体のセンサデータの平均値から変化する変化量に基づいて、前記第２の機械学習モデルが出力する所定期間後のセンサデータの値と比較する閾値を設定する閾値設定部をさらに有することを特徴とする請求項５に記載の情報処理装置。
【請求項７】
前記閾値設定部は、前記第２の訓練データセットのうち中央値または平均値を中心として所定の割合のセンサデータを除外してから、前記変化量の算出を実行することを特徴とする請求項６に記載の情報処理装置。
【請求項８】
前記データドリフトの発生が検知された場合、アラートを出力する出力制御部をさらに有することを特徴とする請求項１に記載の情報処理装置。
【請求項９】
システムの状態を計測するセンサからセンサデータを取得し、
前記センサデータに関する将来予測の実行結果に基づいて、センサデータを入力として前記システムの状態を示すクラスを出力する第１の機械学習モデルの訓練に用いられた第１の訓練データセットからのデータドリフトが発生するか否かを検知する、
処理をコンピュータが実行することを特徴とするドリフト検知方法。
【請求項１０】
システムの状態を計測するセンサからセンサデータを取得し、
前記センサデータに関する将来予測の実行結果に基づいて、センサデータを入力として前記システムの状態を示すクラスを出力する第１の機械学習モデルの訓練に用いられた第１の訓練データセットからのデータドリフトが発生するか否かを検知する、
処理をコンピュータに実行させることを特徴とするドリフト検知プログラム。

発明の詳細な説明【技術分野】
【０００１】
本発明は、情報処理装置、ドリフト検知方法及びドリフト検知プログラムに関する。
続きを表示（約 1,400 文字）【背景技術】
【０００２】
ＭＬＯｐｓ（Machine Learning Operations）を実践する側面から、機械学習モデルの運用時に機械学習モデルの性能がモニタリングされる。例えば、機械学習モデルの性能が劣化する要因の１つとして、テスト時、あるいはシステムの運用時に機械学習モデルへ入力されるデータの特徴量の分布が機械学習モデルの訓練時に用いられたデータの特徴量の分布から変化する現象、いわゆるデータドリフトが挙げられる。
【０００３】
このようなデータドリフトを検知する方法の１つとして、システムの運用時に取得されるデータが機械学習モデルの訓練データセットに基づいて設定された範囲外であるか否かを判定する外れ値検出が知られている。
【先行技術文献】
【非特許文献】
【０００４】
菅由紀子，佐伯諭，高橋範光，田中貴博，大川遥平，大黒健一，森谷和弘，參木裕之，北川淳一郎，守谷昌久，山之下拓仁，苅部直知，孝忠大輔著、「最短突破データサイエンティスト検定（リテラシーレベル）公式リファレンスブック第2版」、技術評論社出版、2022年5月27日第2版第1刷発行、p138
【発明の概要】
【発明が解決しようとする課題】
【０００５】
しかしながら、上記の外れ値検出では、外れ値に対応するデータが取得される段階になって初めてデータドリフトの発生が検知されるので、データドリフトへの対応が事後的にならざるを得ない点で改善の余地がある。
【０００６】
本発明は、データドリフト発生の事前検知を実現することを目的とする。
【課題を解決するための手段】
【０００７】
１つの側面にかかる情報処理装置は、システムの状態を計測するセンサからセンサデータを取得するデータ取得部と、前記センサデータに関する将来予測の実行結果に基づいて、センサデータを入力として前記システムの状態を示すクラスを出力する第１の機械学習モデルの訓練に用いられた第１の訓練データセットからのデータドリフトが発生するか否かを検知するドリフト検知部と、を有する。
【０００８】
１つの側面にかかるドリフト検知方法では、システムの状態を計測するセンサからセンサデータを取得し、前記センサデータに関する将来予測の実行結果に基づいて、センサデータを入力として前記システムの状態を示すクラスを出力する第１の機械学習モデルの訓練に用いられた第１の訓練データセットからのデータドリフトが発生するか否かを検知する、処理をコンピュータが実行する。
【０００９】
１つの側面にかかるドリフト検知プログラムは、システムの状態を計測するセンサからセンサデータを取得し、前記センサデータに関する将来予測の実行結果に基づいて、センサデータを入力として前記システムの状態を示すクラスを出力する第１の機械学習モデルの訓練に用いられた第１の訓練データセットからのデータドリフトが発生するか否かを検知する、処理をコンピュータに実行させる。
【発明の効果】
【００１０】
一実施形態によれば、データドリフト発生の事前検知を実現できる。
【図面の簡単な説明】
（【００１１】以降は省略されています）

関連特許