时序数据管理方法以及时序数据管理系统

摘要

一种时序数据管理方法，由具备处理器和存储装置的计算机根据时序数据生成柱状图，所述计算机将包含时刻和值的所述时序数据保存到所述存储装置中，并将包含开始时刻、结束时刻、以及所述时序数据的识别符的区间信息保存到所述存储装置中，根据与所述区间信息对应的时序数据生成所述柱状图并蓄积到所述存储装置中，接受检索对象区间，选择与所述检索对象区间关联的所述柱状图，合成所述选择的柱状图并生成所述检索对象区间的柱状图。

说明书

技术领域

本发明涉及对温度、电力使用量、装置振动应力等随着时间经过持续地由传感器取得的时序数据进行管理的时序数据管理系统以及时序数据管理方法。

背景技术

最近，随着RFID(Radio Frequency Identification：射频识别)或GPS(Global Positioning System：全球定位系统)等感测技术的发展，能够从发电站、工厂或办公室等的现实世界取得各种各样的传感器数据，并将这些有效利用到实业中的事例增多。

例如，通过查表机器取得各家庭的电力使用量、并根据其使用状况预测分析今后的所需电力量从而将发电量控制为最佳的“智能电网”，从机械设备或工厂等的机器或设备取得电动机转速或压力之类的运转信息、并根据运转信息的值或值的变动事先检测机器的异常或故障的“机器预防性维修”，或者根据应力振动分布推测金属疲劳的损伤度并算出疲劳寿命、据此进行最佳设计的“传感器主导型设计”之类的应用事例正不断进入实用阶段。

在传感器主导型设计中，处理多个传感器所取得的时序的数据。一般而言，传感器时序数据定义为：计测对象的地上物以及按设置于地上物的每个传感器存在的时刻以及观测值的集合。作为统计性地对设置多个传感器而大量产生的时序数据进行分析的方法，利用通过将观测值分类为多个值域并对观测值相对于各个值域的频度进行合计而得到的柱状图。

例如通过生成与装置的振动应力对应的代表区间的柱状图，得到施加到装置的应力分布。通过根据金属疲劳曲线算出直到产生与各应力值对应的金属断裂为止的重复次数，并与该应力分布进行比较，能够估计该装置的金属疲劳寿命。

此外，通过在装置正常进行动作的区间内生成观测值的柱状图，比较 最新观测值或者最新区间的柱状图，并算出类似度，能够检测装置未进行通常动作，即异常或异常预兆。

此外，通过按每个区间生成住户的电力使用量的柱状图，按各住户、各季节、各时间段等多个分类轴对其进行比较，能够提取例如是否是意在节能的家庭等的住户特性、夏冬与春秋的空调使用状况等的季节特性、睡眠时间、外出时间、烹调时间等的生活方式，据此能够进行与节能有关的建议等。

在如上述的时序分析中，需要根据现实环境的变化或分析目的，通过对时序数据的种类或区间进行变更的反复试验来进行分析。为了使这样的反复试验的时序分析更有效率，优选的是，事先生成在多个时序分析中共通使用的信息。

另一方面，已知如下方法：在SCM(Supply Chain Management：供应链管理)等领域中，将数据在多维轴上分阶层地分类，按每个分类事先进行合计，由此加速在任意轴上的合计运算，并使确定异常因素更有效率(参照专利文献1、2、3)。将这样的分析方法称作OLAP(On－Line AnalyticalProcessing：联机分析处理)。利用图26说明OLAP的概要。图26所示的表2601为分析源的表的例子，称作“事实表(Fact Table)”。在OLAP中，在登记数据时，按照由设计人预定义的分类轴，选择合计模式的可供选取的组合并进行合计运算，生成表2602所示的OLAP立方体(OLAP cube)。表2601的事实表的列V(2611)例如为商品销售合计，还具有列S1(2621)、S2(2631)这两种分类轴。S1、S2的例子例如为销售日、商品种类、销售店铺。

分类轴还成为按日、按周或按月，按商品种类或类型、按店铺、按地域之类的阶层结构。在此，若表2601的各分类轴S1、S2分别取{S11、S12}、{S21、S22}的值中的任一个，再将S11与S12、S21与S22进行分组，则OLAP如表2602那样地事先算出(2+1)×(2+1)共9个合计模式，从而使在任意的分类轴下的合计运算加速。

在先技术文献

专利文献

专利文献1：日本特开2002－183178号公报

专利文献2：日本特开2005－316692号公报

专利文献3：日本特开2009－129031号公报

发明内容

发明要解决的问题

为了使时序分析更为高效，需要事先生成在多个时序分析中共通使用的信息。可是，在利用以往的OLAP分析本发明作为对象的传感器时序数据时，会产生以下2个问题。

第1个问题是，传感器时序数据与OLAP相比量大，针对其全部组合进行合计是不现实的。从数据容量以及处理时间的观点出发，例如针对采样频率为100Hz的应力振动时序，将每10毫秒产生的观测值直接进行分类是不现实的。

第2个问题是，将时序数据分割成事先决定的区间是困难的。区间分割本身是分析对象，由第1分析分割而得的区间不限于与由第2分析分割而得的区间一致。例如，在将生活场景分割成睡眠时间、烹调时间以及入浴时间等的情况下，区间有可能按每个分析方法而不同。此外，例如在将住户分类为意在节能的家庭与其外的情况下，住户集合的要素有可能按每个分析方法而不同。

上述专利文献3提供一种数据分析方法，通过将数据作为具有开始时刻与结束时刻的信息的区间数据来处理，从而使时间顺序的处理变得容易。可是，专利文献3中的区间为住院期间等作为数据事先赋予且确定的信息，不能解决上述的第2个问题。

于是，本发明是鉴于上述问题点而提出的，其目的在于，根据时序数据高速地输出与希望的区间以及地上物的集合对应的柱状图。

用于解决问题的手段

本发明是一种由具备处理器与存储装置的计算机根据时序数据生成柱状图(直方图)的时序数据管理方法，包括：第1步骤，所述计算机将包含时刻与值的所述时序数据保存到所述存储装置中；第2步骤，所述计算机将包含开始时刻、结束时刻以及所述时序数据的识别符的区间信息保存到所述存储装置中；第3步骤，所述计算机根据与所述区间信息对应的时序数据 生成所述柱状图并蓄积到所述存储装置中；第4步骤，所述计算机接受检索对象区间；以及第5步骤，所述计算机选择与所述检索对象区间关联的所述柱状图，合成所述选择的柱状图并生成所述检索对象区间的柱状图。

发明效果

根据本发明，能够根据蓄积的时序数据高速地生成与希望的区间以及地上物的集合对应的柱状图。

附图说明

图1表示本发明的第1实施例，是表示时序分析系统的一例的框图。

图2表示本发明的第1实施例，是表示时序分析部的一例的框图。

图3A表示本发明的第1实施例，是表示地上物数据的一例的XML描述。

图3B表示本发明的第1实施例，是表示地上物数据的一例的图。

图3C表示本发明的第1实施例，是表示地上物数据的一例的图。

图4表示本发明的第1实施例，是表示传感器数据的结构的图。

图5A表示本发明的第1实施例，是表示时序数据的结构的图。

图5B表示本发明的第1实施例，是表示时序数据的结构的图。

图5C表示本发明的第1实施例，是表示时序数据的结构的图。

图6表示本发明的第1实施例，是表示区间数据的结构的图。

图7表示本发明的第1实施例，是表示区间数据与时序数据的关系的图。

图8表示本发明的第1实施例，是表示部分柱状图数据的结构的图。

图9表示本发明的第1实施例，是表示地上物数据与区间数据以及部分柱状图数据的关系的图。

图10表示本发明的第2实施例，是表示状态数据与部分柱状图数据的关系的图。

图11表示本发明的第3实施例，是表示地上物集合数据、跨地上物的状态数据与部分柱状图数据的关系的图。

图12表示本发明的第1实施例，是说明通过类似区间结合功能进行的处理的一例的图。

图13表示本发明的第1实施例，是表示通过部分区间柱状图生成功能进行的处理的一例的流程图。

图14表示本发明的第1实施例，是通过类似区间结合功能进行的算出第2单位区间的处理的流程图。

图15表示本发明的第1实施例，是表示通过区间柱状图生成功能进行的处理的一例的图。

图16表示本发明的第1实施例，是表示通过区间柱状图生成功能进行的处理的一例的流程图。

图17表示本发明的第1实施例，是表示寿命预测功能的处理的一例的图。

图18表示本发明的第1实施例，是算出状态的概率分布P(A)的流程图。

图19表示本发明的第1实施例，是表示部分区间柱状图生成功能、区间柱状图生成功能的功能块的图。

图20表示本发明的第2实施例，是表示通过部分区间柱状图生成功能进行处理的一例的流程图。

图21表示本发明的第2实施例，是表示利用每个状态的部分柱状图生成柱状图的处理的一例的流程图。

图22表示本发明的第4实施例，是表示将时序数据分散到多个服务器中进行蓄积的时序数据分析系统的构成的框图。

图23表示本发明的第4实施例，是表示检索时序数据时的查询与答复数据的一例的图。

图24表示本发明的第4实施例，是表示柱状图检索的查询与答复数据的一例的图。

图25A表示本发明的第1实施例，是表示部分柱状图数据的XML表现的图。

图25B表示本发明的第1实施例，是表示部分柱状图数据的观测值与频度的关系的图表。

图26表示以往例，是说明OLAP的处理的概要的图。

图27A表示本发明的第1实施例，是说明柱状图加减运算功能的处理的图。

图27B表示本发明的第1实施例，是说明柱状图加减运算功能的处理的 图。

图28A表示本发明的第1实施例，是说明通过类似区间结合功能的第2安装进行的处理的图。

图28B表示本发明的第1实施例，是说明通过类似区间结合功能的第2安装进行的处理的图。

图29表示本发明的第1实施例，是通过类似区间结合功能的第2安装进行的处理的流程图。

图30表示本发明的第1实施例，是表示状态数据的结构的图。

具体实施方式

以下，参照附图说明本发明的一个实施方式。

实施例1

图1为表示适用了本发明的时序分析系统的构成的一例的框图。本实施例1的时序分析系统由利用传感器收集现实世界的观测值并作为时序的数据(时序数据)进行发送的传感器系统10、发出针对时序数据的检索查询并接受检索结果的分析终端101、进行时序数据的管理或分析处理的时序分析装置200、以及保存用于蓄积后述的各种时序数据的时序数据存储106或时序分析部102的存储装置201构成。

时序分析装置200具有处理器205、存储器206、传感器用通信接口202、终端用通信接口203、以及盘接口204。

具有数据管理功能105、柱状图生成功能104以及分析功能103的时序分析部102的程序从存储装置201加载到存储器206中，由处理器205执行。

时序分析装置200经由传感器用通信接口202从传感器系统10接受时序数据，由数据管理功能105经由盘接口204将时序数据蓄积到存储装置中。传感器系统10具备多个传感器来生成时序数据。

此外，由时序分析部102的柱状图生成功能104根据时序数据生成柱状图，由数据管理功能105经由盘接口204将柱状图蓄积到存储装置中。

时序分析装置200还经由终端用通信接口203从分析终端101接受针对柱状图或时序数据的检索查询，通过柱状图生成功能104以及数据管理功能105检索或合成柱状图并对分析终端101进行答复。时序分析装置200还通过 利用柱状图生成功能104的分析功能103，进行寿命预测、特异点检测等各种分析处理。时序分析部102以及分析功能103、柱状图生成功能104与数据管理功能105的各功能部作为程序加载到存储器206中。

处理器205通过按照各功能部的程序进行处理，作为提供规定功能的功能部进行运转。例如，处理器205通过按照时序分析程序进行处理从而作为时序分析部102发挥功能。其他程序也同样。再有，处理器205也作为提供各程序所执行的多个处理的各个功能的功能部进行运转。计算机以及计算机系统为包含这些功能部的装置以及系统。

此外，实现时序分析装置100的各功能的程序、表等信息能够保存在存储装置201、非易失性半导体存储器、硬盘驱动器、SSD(Solid State Drive：固态硬盘)等存储器件，或者IC卡、SD卡、DVD等计算机可读取的非易失性数据存储介质中。

参照图2说明本发明的时序分析部102的构成。时序分析部102由分析功能103、柱状图生成功能104、数据管理功能105、时序数据存储106构成。

时序数据存储106为保存时序分析部102所处理的数据的存储区域，保存地上物集合数据107、地上物数据108、传感器数据109、时序数据110、区间数据111、部分柱状图数据112、设定参数124以及状态数据125。另外，在本实施例1中，示出了将时序数据存储106保存到与时序分析装置100连接的存储装置201中的例子，但也可以将时序数据存储106保存到经由网络与时序分析装置100连接的存储装置中。

时序分析部102的数据管理功能105提供包括被保存在时序数据存储106中的数据的登记、更新或检索的管理功能。并且，数据管理功能105由对地上物集合数据107、地上物数据108以及传感器数据109进行管理的地上物管理功能113、对时序数据110进行管理的时序管理功能114、对区间数据111进行管理的区间管理功能115、对部分柱状图数据112进行管理的柱状图管理功能116构成。

柱状图生成功能104由根据时序数据110生成区间数据111以及部分柱状图数据112的部分区间柱状图生成功能119、接收来自分析终端101的检索请求并根据部分柱状图数据112生成检索对象区间的柱状图的区间柱状图生成功能120、根据地上物数据108以及时序数据110生成地上物集合数据107 以及部分柱状图数据112的部分地上物柱状图生成功能117、接受来自分析终端101的检索请求并根据部分柱状图数据112生成检索对象的地上物集合的柱状图的地上物柱状图生成功能118构成。

分析功能103为利用柱状图生成功能104的分析算法的库，由例如根据振动应力的柱状图与金属疲劳曲线预测金属疲劳寿命的寿命预测功能121、以及通过比较柱状图与最新观测值的类似度来进行的特异点检测功能122构成。

图19为表示部分区间柱状图生成功能119以及区间柱状图生成功能120的功能的框图。参照图19，说明柱状图生成功能104中的部分区间柱状图生成功能119、区间柱状图生成功能120的详细的功能块与周边的功能块的关系以及处理的流程。

部分区间柱状图生成功能119具有区间登记接口1905、以及时序登记接口1906，由区间登记功能1917、单位区间柱状图生成功能1916、类似区间结合功能1913、非类似区间分解功能1915、以及柱状图加减运算功能1914构成。

区间柱状图生成功能120具有各区间柱状图合成接口1901和各状态柱状图合成接口1902，由各状态柱状图合成功能1907、各区间柱状图合成功能1908、时序柱状图生成功能1910、以及柱状图加减运算功能1914构成。柱状图加减运算功能1914在部分区间柱状图生成功能119以及区间柱状图生成功能120中被共通使用。因此，柱状图加减运算功能1914可存在于部分区间柱状图生成功能119或区间柱状图生成功能120中的任何一方。

此外，图2的分析功能103中的特异点检测功能122具有特异点检测接口1903，寿命预测功能121具有寿命预测接口1904，分别利用各状态柱状图合成功能1907。

时序登记接口1906是如下目的的接口：接受由时刻与观测值的集合组成的时序数据110作为参数(自变量)，并将时序数据110登记到时序数据存储106中。

在传感器系统10调用时序登记接口1906时，时序登记功能1918将时序数据110保存到时序数据存储106中。并且，单位区间柱状图生成功能1916按在事先赋予的设定参数124中保存的区间长度的每一单位区间，通过时序 柱状图生成功能1910生成部分柱状图数据112，在保存有区间数据111的柱状图管理表(柱状图管理信息)1911中保存所生成的部分柱状图数据112。

时序柱状图生成功能1910具有利用时序数据110生成柱状图的功能。时序登记功能1918还结合生成的单位区间的柱状图中的连续的类似区间，保存到柱状图管理表1911中。

另外，与区间的结合对应的柱状图的结合由柱状图加减运算功能1914实施。

区间登记接口1905是如下目的的接口：接受由开始时刻与结束时刻、发电状态、休止状态等的状态标记构成的区间数据111的集合作为参数，将区间数据111登记到时序数据存储106中。

在传感器系统10或分析终端101调用区间登记接口1905时，区间登记功能1917将区间数据111保存到状态区间管理表1912中，非类似区间分解功能1915将区间数据111分割成类似度不同的多个区间，保存到柱状图管理表1911中。

各区间柱状图合成接口1901是如下目的的接口：接受以开始时刻与结束时刻表现的区间的集合作为参数，从时序数据存储106的部分柱状图数据112中取得输入的区间集合的柱状图。

在分析终端101调用各区间柱状图合成接口1901时，各区间柱状图合成功能1908针对从柱状图管理表1911输入的区间集合，取得包含有各区间的时间范围的区间的部分柱状图数据112，利用柱状图加减运算功能1914合成柱状图。时序分析装置100将合成的柱状图作为被指定的区间的部分柱状图向分析终端101发送。

各区间柱状图合成功能1908在相应的区间的部分柱状图数据112不存在于柱状图管理表1911时，利用时序柱状图生成功能1910根据时序数据110生成相应的区间的柱状图，利用柱状图加减运算功能1914进行合成。另外，柱状图加减运算功能1914也可将其他部分柱状图与生成的柱状图合成，或生成多个柱状图并进行合成。

各状态柱状图合成接口1902是如下目的的接口：接受以开始时刻以及结束时刻表现的检索范围与状态作为参数，取得与检索范围内的指定的状态对应的区间集合的柱状图。

在分析终端110调用各状态柱状图合成接口1902时，各状态柱状图合成功能1907从状态区间管理表1912中取得作为对象的状态的区间集合，以该区间集合为参数调用各区间柱状图合成接口，从而得到期望的结果。

图3A、图3B、图3C为表示地上物数据108的一例的图。图3A为表示地上物数据108的一例的XML描述。图3B为对地上物数据108的属性进行管理的属性管理表301。图3C为对地上物数据的相关关系进行管理的相关管理表302。

参照图3A～图3C说明地上物数据108、地上物集合数据107、以及地上物管理功能113。

地上物意指机械装置、住户、人等存在于现实世界的观测对象，地上物数据108为在计算机上表现从观测对象中取得的值的数据。地上物数据108能够由阶层性的数据构成。图3A的XML300示出了以用于描述地上物数据108的阶层性的数据结构的标准语言XML(Extensible MarkupLanguage：可扩展标记语言)记述的地上物数据108的例子。

此外，地上物数据108如图3B、图3C那样地对作为唯一地识别地上物数据的识别符的FID3011、3021、0个以上的属性数据3012、以及关联的FID3023进行管理。

在图3A所示的XML300的例子中，作为FID为1、种类为Machine的地上物数据，管理名称Machine1、设定日2013/10/01、柱状图信息为唯一地识别部分柱状图数据的识别符的HID＝1来作为属性，作为相关联的地上物数据108，管理由FID为2以及3参照的地上物。此外，作为FID为2、种类为Machine的地上物数据，管理名称Machine2、设定日2013/10/02来作为属性，作为关联管理由FID为4参照的地上物。图3B、图3C也以表形式保持与图3A同样的内容。

数据管理功能105的地上物管理功能113具有登记地上物的功能、更新地上物的属性的功能、以及设定或删除地上物的关联的功能。地上物管理功能113还具有输入例如名称为Machine1等的属性、设定日为2013年度以后等的属性判定条件、以及由它们的组合构成的信息作为查询并检索相应的地上物的FID集合的功能。

地上物管理功能113还具有输入例如“设定日为2013年度以后的全部装 置的全部零件的温度传感器”等的关联路径作为查询，并检索相应的地上物的FID集合的功能。关联路径的规格由例如标准语言Xpath规定。地上物管理功能还具有输入FID并检索对象地上物的属性以及关联的功能。

地上物数据108的结构为具有与图3A所示的XML300等价的信息的结构即可。例如也可以在RDBMS(Relational Database Management System：关联数据库管理系统)中，采取以图3B、图3C所示的表301以及表302的组合表现地上物的结构。表301管理地上物属性，具有FID3011、属性名Property3012、属性值Value3013。表302管理地上物关联，具有FID3021、关联名Role3022、以及作为关联对象的地上物的FID的RelatedFID3023。

地上物集合数据107通过针对1件地上物包含0件以上的地上物来管理地上物的关联。作为地上物集合的例子，可列举出例如与装置对应的零件集合、或安装于零件的传感器集合。此外，也可以以同样的方式管理制造商或制造年份相同的装置集合、或故障多的装置集合等任意的地上物集合。

参照图4说明传感器数据109。图4为表示传感器数据109的结构的图。表示传感器数据109的表400对在地上物上设置有什么传感器这样的信息进行管理，由作为唯一地识别地上物数据108的识别符的FID4001、作为唯一地识别传感器的识别符的SID4003、以及表示传感器的种类的Property4002构成。

作为传感器数据109的属性，也可以保存传感器所输出的观测值的单位制和值域等的与传感器对应的信息。地上物管理功能113还具有输入FID4001与传感器种类作为查询并利用传感器数据109检索SID4003的功能。

图5A、图5A、图5C为表示时序数据的结构的图。以下，参照图5A～图5C说明时序数据110以及时序管理功能114。时序数据110为由传感器系统10的传感器观测而得的观测信息，按照观测时刻以及观测值的组来管理。表500、表501、表502分别表示管理时序数据110的三种结构的例子。

在图5A的表500中，以作为唯一地识别传感器的识别符的SID5001、观测时刻T5002、以及观测值V5003为组进行管理。表500的第1行表示SID5001为1、时刻T5002为10：00时的观测值5003为V[0]。在此，V[0]中的方括号内的数字为表示观测值的时刻方向(时序)的次序的用于说明的描述。

时序数据110也可以如图5B所示那样地以表501来进行管理。在表501 中，汇集多个传感器V1、V2等的作为多个观测值的多变量时序作为观测值V来进行管理。本实施例的情况下的SID5011为识别汇集多个传感器而成的传感器集合的识别符。

时序数据110也可以如图5C所示那样地以表502来进行管理。在表502中，汇集作为多个时刻(5022)的观测值的部分时序作为观测值V(5023)来进行管理。

该部分时序也可以利用gzip等周知或公知的数据压缩算法，作为压缩的时序块来进行管理。时刻T(5002、5012、5022)表示部分时序的开始时刻。

例如在图5C所示的表502中，将单位为秒的时序的1小时3600个作为1个时序块来进行管理。时刻T5022取每1小时的值。时序数据110还可以作为组合图5A的表501以及图5B的表502而得的多变量部分时序来进行管理。

时序管理功能114具有登记由唯一地识别传感器的SID(5001、5011、5021)、时刻T(5002、5012、5022)、以及观测值V(5003、5013、5023)的集合指定的时序数据110的功能。

时序管理功能114还具有输入唯一地识别传感器的SID或SID的集合、或以开始时刻以及结束时刻识别的区间作为查询，并答复作为对象的传感器或区间的部分时序数据的功能。

在分析终端101参照时序数据时，利用地上物管理功能113。地上物管理功能113参照作为地上物数据108或地上物集合数据107的一安装例的XML300、表301、表302，取得与请求的属性或者关联路径对应的地上物数据的FID。并且，地上物管理功能113参照作为传感器数据109的一安装例的表400从所对应的FID4001中取得传感器的SID4003，参照作为时序数据110的一安装方式的表500、表501、表502中的任一个来取得所对应的时序数据。

另外，在本实施例中，表示作为时序数据110利用传感器系统10所取得的数据例子，但只要是以时刻与值的组构成的数据，就能够适用本发明。

参照图6说明区间数据111以及区间管理功能115。图6为表示区间数据111的结构的图。

区间意指以开始时刻以及结束时刻指定时间范围(期间)的信息。例如，以下表示地上物为发电机的情况。发电机时的区间的例子为发电机的 休止区间、启动过渡状态的区间、发电区间、停止过渡状态的区间。此外，与住户的生活模式对应的区间的例子为居民正在睡觉的区间、外出的区间、正在烹调的区间、正在就餐的区间等。区间数据111为在计算机上表现区间的数据。

图6的表600表示区间数据111的管理结构的例子。在表600中，区间数据111包括作为唯一地识别区间的识别符的RID6001、保存属性的Property6002、以及保存值的Value6003。作为属性的一例，在Property6002中包括开始时刻Tstart、结束时刻Tend、状态标记Status。

区间数据111也可以还保存作为区间所属的地上物的识别符的FID、作为区间所属的传感器(传感器系统10的构成要素)的识别符的SID、区间内的时序数据中的部分柱状图数据112或其识别符HID。

区间管理功能115具有指定开始时刻Tstart与结束时刻Tend作为必须信息，还指定状态Status、地上物的识别符FID、传感器的识别符SID、部分柱状图数据112的识别符HID中的任一个或者全部作为附带信息，并将区间数据111登记到时序数据存储106中的功能。

区间管理功能115还具有输入表示检索对象的区间的开始时刻以及结束时刻与状态标记作为查询，并检索包含于检索对象区间且状态标记符合的全区间的RID6001的功能。

区间管理功能115还具有检索开始时刻＝Tstart、结束时刻＝Tend、状态＝Status、地上物的识别符＝FID、传感器的识别符＝SID、部分柱状图数据112或其识别符＝HID中的任一个或者全部作为与被指定的RID6001对应的属性的功能。

地上物管理功能113还具有利用区间管理功能115，输入期望的地上物集合的FID3011、3021、表现检索对象区间的开始时刻以及结束时刻和状态标记作为查询，并检索包含于地上物集合且包含于检索对象区间且状态标记符合的全区间的功能。

图7为表示区间数据111与时序数据110的关系的图。参照图7说明区间数据111与时序数据110的关系。在图7中，表701、表702皆为表示区间数据111的一例的表，相对于图6所示的表600，为了简单只记载区间的开始时刻Ts(7012、7022)、结束时刻Te(7013、7023)、状态S(7011、7021)。

图7中的时序数据110示出了发电装置的传感器的时序数据作为一例。表701登记有异常1、异常2、异常3作为状态S(7011)，表702登记有休止、启动、发电、停止作为状态S(7021)。表701以及表702既可以为多个表，也可以为单一的表。区间数据111也可以如表702的第2行的启动状态(9：00～10：00)与表701的异常1(9：10～9：20)那样，区间所示的范围有重复。

在分析终端101参照时序数据110时，利用地上物管理功能113。地上物管理功能113参照作为地上物数据108或地上物集合数据107的一安装例的XML300、表301、表302，取得与请求的属性或者关联路径对应的地上物数据的FID(3011、3021)。

地上物管理功能113参照作为传感器数据109的一例的表400，取得与所取得的FID对应的SID4003。并且，地上物管理功能113参照作为区间数据111的一安装例的表600，取得所对应的地上物数据的识别符FID、所对应的传感器的识别符SID、以及所对应的状态Status的区间数据的集合。

再有，地上物管理功能113针对作为时序数据110的一例的表500、表501、表502的任一个，通过所对应的SID、以及从上述区间数据的集合得到的开始时刻以及结束时刻，取得所对应的时序数据。

根据以上，在区间数据111中，设定与由开始时刻和结束时刻构成的区间关联的地上物数据(FID)、传感器(SID)、部分柱状图数据112(HID)以及状态。并且，通过参照区间数据111，能够取得与区间关联的传感器的时序数据110或部分柱状图数据112(HID)。

图30的表3000表示状态数据125的管理结构的例子。在表3000中，包含作为唯一地识别状态的状态标记的Status3001、以及状态下的部分柱状图数据112的识别符HID。

图8为表示部分柱状图数据112的结构的图。参照图8说明部分柱状图数据112以及柱状图管理功能116。

柱状图意指将事先决定的值域中的观测值的出现频度作为表或图(graph)来进行管理的数据。

图8的表800表示部分柱状图数据112的管理结构的例子。部分柱状图数据112由作为唯一地识别部分柱状图数据的识别符的HID8001、表示值域的 Bin8002、以及表示该值域中的观测值的产生频度的Frequency8003构成。

表800的第1行表示是HID为1的柱状图，0以上且小于10的观测值数为1000件，第2行表示同样地是HID为1的柱状图，10以上且小于20的观测值数为400件。

在此，在值域为固定长等可通过某种运算算出时，也可以从柱状图数据112中省略Bin8002，将运算式保存到图2所示的设定参数124中。

图25A、图25B为表示部分柱状图数据的结构的图。图25A为表示部分柱状图数据的XML表现的图。图25B为表示部分柱状图数据的观测值与频度的关系的图表。

参照图25A、图25B，说明部分柱状图数据112的另一管理结构。XML2501与图8所示的表800的内容几乎等同，对观测值范围vs到ve的频度freq进行管理。

在此，通过省略频度为0的区间(例如从vs＝1000到ve＝5000)的区间的频度记述，能够减小柱状图的尺寸。XML2502通过在图12的说明中后述的GMM等的模型描述柱状图。XML2502将柱状图表现为分别按照0.7、0.2、0.1的比例合成均值10且方差1的高斯分布、均值20且方差1的高斯分布、均值30且方差1的高斯分布这3个高斯分布而得到的数据。

通过适用XML2502的方法，能够大幅减小柱状图的尺寸。XML2503其构造为，在XML2502的基础上，追加Anomary(异常)标签，来追加频度为赋予的阈值以下的观测值作为离群值。在按照XML2502的形式表现柱状图时，产生误差。

在适用于车辆的应力振动的柱状图时，图17所示的金属疲劳曲线1703如后述，在应力振幅小时不对损伤度造成较大的影响，但在应力振幅大时，即使其频度低也对损伤度造成较大的影响。

因此，在以图25A的XML2502的形式表现应力振幅的柱状图时，如图25B所示，存在不能将来自模型2505的离群值2506作为误差忽略的情况。于是，如图25AXML2503那样地，通过以包含模型2505与离群值2506双方的形式进行管理，能够对可利用于损伤度评价的柱状图进行管理。

部分柱状图数据112关于区间数据111的属性，例如能够作为表600所示的Histogram(柱状图)属性来进行管理。此外，部分柱状图数据112关于 地上物数据108或者地上物集合数据107的属性，例如能够作为表301的Histogram属性来进行管理。

数据管理功能105的柱状图管理功能116具有作为区间数据111、地上物数据108、地上物集合数据107的属性登记部分柱状图数据112的功能、以及作为区间数据111、地上物数据108、地上物集合数据107的属性检索部分柱状图数据112的功能。

图9为表示地上物数据108和区间数据111以及部分柱状图数据112的关系的图。参照图9说明部分柱状图数据112与区间数据111的关联、以及部分柱状图数据112与地上物数据的关联。XML900为表示地上物数据108的一例的XML表现。在此，为了简化说明，在XML900中，记述“range”、“hist”作为Machine标签的属性，但也可称为“Machine标签的子要素”，据此成为与图3A所示的XML300相同的结构。因此，XML900能够以图3B、图3C所示的表301、表302的形式进行蓄积。

此外，在图9中为了简化说明，设“range”的描述为“2013－03/1W”，此为由ISO8601确定的“从2013年3月起1周期间”的区间的描述。同样地，“2013－03－01/1D”为“从2013年3月1日起1日期间”的意思。因此，“range”能够以图6的区间数据111中的开始时刻以及结束时刻这2个属性进行蓄积。

XML900表示地上物901具有从2013年3月起1周期间的区间，作为关联具有从2013年3月1日起1日期间的区间数据902、从3月3日起2日期间的区间数据903。柱状图管理功能116针对地上物901，对由XML900的hist＝1指定的部分柱状图数据112进行管理，针对区间902、区间903，对分别由hist＝2、hist＝3指定的部分柱状图数据进行管理。如此一来，能够针对地上物901管理多个区间数据。

图12为说明由类似区间结合功能1913进行的处理的一例的图。参照图12的例子，说明部分区间柱状图生成功能119内的类似区间结合功能1913的处理。首先，由单位区间柱状图生成功能1916，将时序数据110分割成如图中的区间集合1201所示的单位区间。在图示的例子中，示出了将区间集合1201分割成4个区间的例子。

设针对分割而得的各个区间，保存有部分柱状图数据1203、1204、1205、1206。类似区间结合功能1913通过以下4步骤进行处理。

类似区间结合功能1913合成部分柱状图数据1203、1204、1205、1206，得到柱状图1207(步骤1210)。

类似区间结合功能1913将柱状图1207分解成多个柱状图1208、1209(步骤1211)。关于分解柱状图的方式，已知例如将具有多个峰的柱状图分解成多个单峰的高斯分布的GMM(Gaussian mixture model：高斯混合模型)等。

类似区间结合功能1913通过对部分柱状图数据1203、1204、1205、1206与分解而得的多个柱状图1208、1209的类似度分别进行比较，从而附加标记(步骤1212)。例如部分柱状图数据1203、1206因与柱状图1208类似而被赋予标记A，部分柱状图数据1204、1205因与柱状图1209类似而被赋予标记B。另外，类似区间结合功能1913只要2个柱状图的类似度为规定的阈值以上就判定为类似并赋予相同的标记。此外，类似区间结合功能1913只要2个柱状图的类似度小于规定的阈值就判定为非类似并赋予不同的标记。另外，标记也可以为区间信息的状态标记。

类似区间结合功能1913结合连续的相同标记的区间并生成新的区间，针对新的区间生成柱状图(步骤1213)。另外，新的区间的柱状图能够作为附带在区间信息中的信息来赋予。或者，也可以蓄积生成的柱状图作为状态标记的附带信息。

通过上述处理，区间集合1201的连续的标记B的区间(1204、1205)被结合，成为包括3个标记的区间集合1202。

此外，也可以作为根据柱状图的类似度被分类为同一类的时序数据110的附带信息来赋予相同集合标记，生成被赋予相同集合标记的时序数据110的柱状图，并蓄积集合标记与柱状图来进行管理。

图13为表示由部分区间柱状图生成功能进行的处理的一例的流程图。参照图13的流程图，详细说明时序登记功能1918、单位区间柱状图生成功能1916、类似区间结合功能1913的各处理。

首先，单位区间柱状图生成功能1916将由时序登记功能1918接受的时序数据110分割成规定的单位区间(步骤1301)。赋予的单位区间通过与目的相应的分析粒度与数据量的调整，事先定义为参数，并作为设定参数124来预先保存。

单位区间设定为分析结果的最小粒度。例如在分析车辆的加速、回转、 停止状态的特性时，由于加速、回转、停止至少进行10秒程度，因此优选设单位区间为10秒。同样地，在通过家庭内耗电分析睡眠期间、就餐期间等的居民行动模式特性时，由于睡眠期间、就餐期间至少进行15分钟程度，因此优选设单位区间为15分钟。从数据量的观点出发，优选的是，柱状图的数据量与元的时序数据的数据量相比为同等或其以下。例如若设车辆的振动应力传感器的观测周期为1kHz，柱状图的柱数为1000个，则在将单位区间设定为10秒时，时序数据为1kHz×10秒即10000件的数值，与之相对，柱状图的数据量为1000件的数值，为时序数据的1/10的尺寸。

单位区间柱状图生成功能1916针对分割而得的全部单位区间，根据时序数据110的观测值制作柱状图(步骤1302)。

单位区间柱状图生成功能1916制作包含上述单位区间的第2单位区间中的观测值的柱状图(步骤1303)。第2单位区间需要是在柱状图中出现成为分析对象的统计性特征的足够长的区间。第2单位区间例如在分析车辆的特性时，作为从引擎启动时刻到引擎停止时刻的平均时间(平均行程时间)例如设定2小时，在分析家庭内耗电的特性时设定24小时等。第2单位区间与单位区间同样地，也可以事先定义为参数，并作为设定参数124来预先保存。此外，第2单位区间也可以通过在图14中后述的处理自动设定。

单位区间柱状图生成功能1916通过混合模型对第2单位区间的柱状图建模。单位区间柱状图生成功能1916如上述，通过高斯分布等将合成的柱状图分解成多个柱状图。单位区间柱状图生成功能1916通过对分解而得的各模型与单位区间的柱状图的类似度进行比较，分类单位区间(步骤1304)。

柱状图的类似度例如通过利用由(式1)所示的Bhattacharyya(巴氏)系数来算出。

[数式1]

在此，p、q为比较对象的归一化柱状图，m为柱数。归一化柱状图通过以柱状图的各柱的频度的累计值为1的方式进行归一化而得。类似度取0～1的值，在完全一致时为1。

单位区间的分类通过对单位区间与全部模型的类似度进行比较，并分类到类似度最高的模型来进行。另外，在此也可以将单位区间分类到上述模型的任一个，但也有将与上述模型的任一个皆不类似的单位区间分类到上述模型之一并不合适的情况。该情况下，也可以新设置“离群值”之类的分类项目，在相距最类似的模型的类似度为事先定义的阈值以上时，分类到“离群值”。

接着，单位区间柱状图生成功能1916针对分解而得的各模型与单位区间的柱状图，合并属于相同分类的连续的单位区间(步骤1305)。

单位区间柱状图生成功能1916针对合并而成的区间，生成柱状图，将该合并区间以及柱状图登记到柱状图管理表1911(即区间数据111)中(步骤1306)。

单位区间柱状图生成功能1916在存在减少数据需求时，从柱状图管理表1911中删除进行了区间合并的区间中的合并前区间的区间数据以及柱状图(步骤1307)。减少数据需求取真伪2值，例如事先定义为参数，并作为设定参数124来预先保存。另外，在没有减少数据需求(否)时，结束处理。

在此，使用例子说明本实施例的数据减少效果。在存在观测间隔100Hz的时序数据110的情况下，1年量为3.1×10＾9件的数据量。在生成1分钟单位的柱数1000个的柱状图时，柱状图数为5.3×10＾5件，数据量为5.3×10＾8件。在分阶层地生成柱状图时，区间长度变为2倍，与此相应地柱状图数变为一半，因此柱状图数变为1.1×10＾6件。

在此，若假定相对于区间整体存在5％的特异点，则特异区间的柱状图数为2.7×10＾4件，若设特异区间与下一特异区间全部能够进行归并，则1分钟单位的柱状图数为5.3×10＾4件，与上述非归并版比较，数据量为10％。若分阶层地生成柱状图，在各阶层对非特异区间进行归并，则能够估计到各阶层的柱状图数为5.3×10＾4件这样较小的量。根据本计算，阶层柱状图数为2.8×10＾5件，数据量为上述的约25％。

图14为表示通过在图13的步骤1303进行的类似区间结合功能1913算出第2单位区间的处理的一例的流程图。

首先，类似区间结合功能1913选择第1单位区间(步骤1401)。

类似区间结合功能1913针对第1单位区间制作第1柱状图(频度表)(步 骤1402)。

接着，类似区间结合功能1913扩展第1单位区间。例如将包含第1单位区间且区间长度变为2倍的区间设为扩展区间(步骤1403)。另外，扩展单位区间的倍率为事先设定的值。

类似区间结合功能1913针对该扩展区间制作第2柱状图(步骤1404)。

类似区间结合功能1913对该第1柱状图与第2柱状图的类似度进行比较(步骤1405)。另外，关于类似度的算出与上述同样。

类似区间结合功能1913在类似度为小于阈值而判定为非类似时，将第1柱状图置换成第2柱状图，返回到步骤1403。在之外的情况下，将该扩展区间作为第2单位区间结束处理。

根据以上的处理，类似度小于阈值的期间扩展第2区间。此外，能够分割根据柱状图的类似度分类为非类似(不相同)的区间，并置换成新的柱状图。

图19的非类似区间分解功能1915是将由区间登记功能1917登记的区间与其特征符合地分解成多个区间来进行登记的功能。非类似区间分解功能1915能够通过利用单位区间柱状图生成功能1916、以及类似区间结合功能1913来实现。也就是说，能够通过按照图13的流程图将由区间登记功能1917登记的区间分割成单位区间，并进行区间合并来实现。

图28A、图28B为说明由类似区间结合功能1913进行的第2安装的处理的图。参照图28A、图28B的例子，说明通过部分区间柱状图生成功能119内的类似区间结合功能1913的第2安装进行的处理。

在本第2安装中，类似区间结合功能1913利用凝聚型阶层聚类的方法。设为类似区间结合功能1913将对象区间分割成单位区间，得到区间状态a(2805)、b(2806)、c(2807)、d(2808)、e(2809)。

类似区间结合功能1913针对各区间的状态生成柱状图，从各区间的状态的全部组合中，取得类似度最高即最类似的状态的对。类似区间结合功能1913作为类似度的评价例如利用上述(式1)。在图28A的例子中，状态d)以及状态e(2809)最类似。生成状态d(2808)与状态e(2809)的柱状图，设为状态f(2810)。

接着，类似区间结合功能1913去掉状态d(2808)以及状态e(2809)， 从追加了状态f(2810)而得的集合的全部组合中，搜索类似度最高的状态的对，通过状态a、状态b得到状态g(2811)。反复进行上述处理，类似区间结合功能1913通过状态c(2807)与状态f(2810)得到状态h(2812)，通过状态g(2811)与状态h(2812)得到状态i(2813)。

将通过上述操作，按照类似度从大到小的顺序连接各状态而得的树形结构称作“树状图”。树状图的纵轴为类似度。在树状图中，能够实现基于多个类似度阈值2801～2804的状态分类。例如，在赋予阈值2801时，得到状态a、b、c、d、e这5个状态，在赋予阈值2802时，得到状态a、b、c、f这4个状态。在赋予阈值2803时，得到状态g、c、f这3个状态，在赋予阈值2804时，得到状态g、h这2个状态。

接着，与步骤1305同样地，类似区间结合功能1913合并属于相同状态的连续的单位区间。如图28B所示，若将对象区间中的单位区间a1、b1、a2、b2、c1、d1、e1、c2、d2、e2的状态分别设为a、b、a、b、c、d、e、c、d、e，则由于不存在属于相同状态的连续区间，因此不能进行区间合并。

但是，在阈值2802下的状态分类中，由于区间d1、e1为相同状态f因此能够合并成区间f1(2814)。此外，区间d2、e2也同样地能够合并成区间f2(2815)。同样地，在阈值2803下，单位区间a1、b1、a2、b2能够合并成区间g1(2816)，在阈值2804下，区间c1、d1、e1、c2、d2、e2能够合并成区间h1(2817)。通过利用该方法，能够得到合并区间f1、f2、g1、h1。

类似区间结合功能1913通过对这些全部合并区间的柱状图进行管理，能够有效地得到任意的类似度阈值所对应的状态的柱状图。

图29为由类似区间结合功能1913的第2安装进行的处理的流程图。

类似区间结合功能1913与上述图13的步骤1301同样地，将时序数据分割成规定的单位区间(步骤2901)。

类似区间结合功能1913与上述图13的步骤1302同样地，制作与单位区间对应的观测值的柱状图(步骤2902)。

类似区间结合功能1913将各单位区间中的状态标记分别设定为不同的状态，针对该设定的全部状态反复进行步骤2904至步骤2906(步骤2903)。

类似区间结合功能1913针对除了经步骤2903选择的状态之外的全部状态，反复进行步骤2905至步骤2906(步骤2904)。

类似区间结合功能1913针对经步骤2903与步骤2904选择的状态的对，利用上述(式1)等算出类似度(步骤2905)。

类似区间结合功能1913从全部状态的组合之中，选择类似度最高的状态的对(步骤2906)。

类似区间结合功能1913结合类似度最高的状态的组合，制作新的状态(步骤2907)。

类似区间结合功能1913针对新的状态制作柱状图(步骤2908)。

类似区间结合功能1913反复进行上述步骤2903至步骤2908，直到将全部状态合并成1个状态为止(步骤2909)。

类似区间结合功能1913与上述图13的步骤1305同样地，对属于相同状态的区间进行合并，制作柱状图，作为部分柱状图数据112进行登记(步骤2910)。

类似区间结合功能1913针对经步骤2907制作而成的全部状态反复适用步骤2910的处理(步骤2911)。

通过以上的处理，类似区间结合功能1913能够容易地得到与任意的类似度阈值对应的状态的柱状图。

图27A、图27B为说明柱状图加减运算功能1914的处理的图。柱状图加减运算功能1914在图13的步骤1303、图14的步骤1404中使用。柱状图具有能够通过加减运算进行合成的性质。也就是说，因为特定区间的柱状图为该区间的每个观测值的合计值，所以通过将区间不重叠的多个区间的柱状图的每个观测值的合计值分别相加，能够生成该多个区间整体的柱状图。

例如，如图27A那样地，在赋予某一区间A的柱状图2701和与区间A不重叠的区间B的柱状图272时，合并区间A与区间B而得的区间C的柱状图2703能够通过将柱状图的各柱的频度相加而得。

也就是说，柱状图2703的频度c1为柱状图2701的频度a1与柱状图2702的频度b1之和，c2、c3、c4也同样。多个区间的柱状图的合成按照下记的(式2)来进行。

[数式2]

在此，r为合成而得的柱状图，r_u为合成而得的柱状图的柱编号u的频度，p_k为合成源的各区间的柱状图，p_k,u为合成源的各区间的柱状图的柱编号u的频度。

此外，同样地，在赋予区间C的柱状图2704与内含在区间C中的区间B的柱状图2705时，通过从区间C的各柱的频度中分别减去区间B的各柱的频度，能够生成定义为“从区间中除去区间B而得的区间”的区间A的柱状图2706。

图15为表示由各区间柱状图合成功能1908进行的处理的一例的图。参照图15说明由作为区间柱状图生成功能120的构成要素的各区间柱状图合成功能1908进行的处理的一例。

各区间柱状图合成功能1908为通过部分柱状图数据112的组合生成检索对象的区间的柱状图的功能。在图15中假定为：作为区间数据111，包含区间1501、区间1502、区间1503的区间长度不同的多个区间数据111及其附带的部分柱状图数据112保存在时序数据存储106中。

假定为从分析终端101经由接口1901接收了检索对象区间1506的柱状图生成请求。各区间柱状图合成功能1908选择覆盖检索对象区间并且个数最少的部分区间柱状图的组合。并且，各区间柱状图合成功能1908通过利用柱状图加减运算功能1914，对上述选择的部分区间柱状图进行相加或相减来生成期望的柱状图。

在图15的例中，区间1501、区间1502、区间1503为个数最少的部分区间柱状图的组合。另一方面，若对检索对象区间1506与区间1501、区间1502、区间1503的合并区间进行比较，则多出区间1505，缺少区间1504。

在不存在与区间1504、区间1505对应的部分区间柱状图数据时，各区间柱状图合成功能1908利用时序柱状图生成功能1910，根据时序数据110生成与区间1504、区间1505对应的柱状图，针对合并区间加上区间1504的柱状图，减去区间1505的柱状图，从而得到检索对象区间1506的柱状图。

利用时序柱状图生成功能1910的柱状图生成与柱状图加减运算功能 1914相比，消耗处理成本。另一方面，柱状图具有其形状不会因微小的区间差而大为变化的特征。因此，在来自分析终端101的柱状图生成请求时，通过进一步赋予柱状图的要求精度阈值，能够进行如下处理：在检索对象区间1506与由部分区间柱状图的组合覆盖的区间的时间差低于要求精度阈值的时刻结束组合的选择。通过利用该方法，能够降低利用时序柱状图生成功能1910的概率，结果降低柱状图生成成本。

图16说明表示由各区间柱状图合成功能1908进行的处理的一例的流程图。各区间柱状图合成功能1908提取包含检索对象区间的全部部分区间柱状图作为候选区间(步骤1601)。

各区间柱状图合成功能1908在不存在候选区间时，进入步骤1609从时序数据存储106中提取与候选区间对应的时序数据110，生成柱状图(步骤1602)。另外，在柱状图的生成后进入步骤1606。

如果存在候选，则各区间柱状图合成功能1908针对全部候选区间根据部分区间柱状图的区间长度进行降序排序(步骤1603)。

各区间柱状图合成功能1908从区间长度的大区间起进行检查，算出检索对象区间与候选区间的差分(步骤1604)。

各区间柱状图合成功能1908选择差分的区间长度最大的区间(步骤1605)。在差分并非最大时，返回到步骤1604反复进行上述处理。

各区间柱状图合成功能1908根据检索对象区间与候选区间的关系，对柱状图进行相加或相减(步骤1606)。

各区间柱状图合成功能1908将该差分区间设为检索对象区间(步骤1607)。

各区间柱状图合成功能1908反复执行上述步骤1601至步骤1607，直到差分区间的区间长度变得小于规定的阈值ε为止(步骤1608)。在此，规定的阈值ε作为接口1901的参数从外部输入。例如在请求区间长度24小时的期间的柱状图并容许区间长度1％的误差时，作为阈值的区间长度为14分钟程度。在需要检索对象区间1506的严密的柱状图时，将阈值设为“0”。另一方面，若从通过柱状图评价时序数据的总体特征的观点出发，未必要求与严密的区间对应的柱状图。

通过进行阈值判定，执行如图15中的区间1503那样的区间长度短的区 间数据的部分区间柱状图的合成、或根据区间1504、区间1505那样的时序数据生成柱状图的功能的概率会变低，其结果是，能够降低柱状图合成的处理成本。

图17为表示寿命预测功能121的处理的一例的图。参照图17说明寿命预测功能121。一般而言，金属疲劳寿命利用金属疲劳曲线1703与应力振幅σ的柱状图1702来算出。金属疲劳曲线1703是在反复给予金属特定的振幅σ的应力时标绘疲劳破坏的极限反复次数N而得的曲线，通过对实验片反复持续施加振幅σ的应力并计数直到疲劳破坏为止的反复次数的疲劳实验而得。

在疲劳寿命评价中，利用由以下的(式3)赋予的损伤度D(1701)，考虑在损伤度D≥1的时刻发生疲劳破坏。

[数式3]

在此，j表示各应力振幅的柱编号，Nj为金属疲劳曲线1703中的特定应力振幅σj的极限重复次数，nj为特定应力振幅σj在当前时刻的反复次数。

在核电站等稳定运转的装置中，“在当前时刻的反复次数”nj能够通过测量一定区间的应力振动时序，利用rainflow(雨流)法制作应力振幅的柱状图并乘以当前时刻的运转时间与测量区间长度之比来估计。

另一方面，在自卸车等处于装载行驶、空载行驶、突然加速、急停、快速回转等各种各样的运转状态的装置中，为了算出“在当前时刻的反复次数”nj，需要合成各运转状态下的应力振幅的柱状图。

将装载行驶、空载行驶、突然加速、急停、快速回转等各种各样的运转状态设为Ai，将运转状态的集合设为A。将产生各状态Ai的概率设为P(Ai)，将针对全部状态的概率分布设为P(A)。

此外，将应力振幅等的观测值设为B。将各状态Ai下的观测值B的带条件概率密度分布设为P(B|Ai)。不依赖运转状态的观测值的概率密度分布P(B)根据贝叶斯定理，通过以下(式4)得出。

[数式4]

也就是说，只要得到全部运转状态的概率分布P(A)、以及各运转状态Ai下的观测值B的概率密度分布P(B|Ai)，就能得到不依赖运转状态的观测值B的概率密度分布P(B)。为了算出“在当前时刻的反复次数”nj，能够通过概率密度分布P(B)乘以平均单位时间的应力振幅频度的累计值，再乘以在当前时刻的运转时间与测量区间长度之比来估计。

在运算上述(式4)时，P(B|Ai)能够通过取得状态Ai下的柱状图，并以其值域方向的累计值变为1的方式进行归一化来得到。状态Ai下的柱状图能够通过图19的各状态柱状图合成功能1907来得到。

图18为算出状态的概率分布P(A)的流程图。参照图18说明算出(式4)的概率分布P(A)、即各状态Ai的发生概率的流程图。

寿命预测功能121从检索对象区间中提取全部状态，选择其中的1个状态(步骤1801)。

寿命预测功能121从检索对象区间中提取所选择的状态的全区间数据，选择其中1个区间(步骤1802)。

寿命预测功能121通过上述选择的区间的开始时刻与结束时刻算出区间长度(步骤1803)。

寿命预测功能121按每个状态对所算出的区间长度进行合计(步骤1804)。

寿命预测功能121针对特定状态的全区间反复执行步骤1802至步骤1804(步骤1805)。若针对特定状态的全区间完成上述处理则进入步骤1806。

寿命预测功能121针对全状态反复执行步骤1801至步骤1805的处理(步骤1806)。若针对全状态完成上述处理则进入步骤1807。

寿命预测功能121以全状态的区间长度的合计值之和变为1的方式对各状态的合计值进行归一化，并设为概率分布P(A)。

据此，能够得到与自卸车等处于装载行驶、空载行驶、突然加速、急停、快速回转等各种各样的运转状态的装置对应的寿命预测。

通过利用寿命预测功能121，能够进行在不同的地域运转的装置的寿命预测。设想为：例如通过在某一地域X、地域Y的矿山中运用的自卸车的行驶日志数据分别取得各运转状态的概率分布P(A)，再通过地域X的自卸车的应力传感器数据，得到与各运转状态对应的应力柱状图P(B|Ai)。即使在地域Y的自卸车上不存在应力传感器，而无法得到地域Y的应力柱状图时，通过对地域Y的运转状态的概率分布P(A)与地域X的应力柱状图P(B|Ai)进行组合，也能够进行地域Y的寿命预测。

说明利用图19所示的特异点检测接口1903的特异点检测功能122。

特异点检测功能122的第1安装输入观测值与状态，算出输入观测值的特异度。作为状态，例如事先输入被判断为通常的状态。

在图19中，特异点检测功能122利用各状态柱状图合成功能1907生成通常状态的柱状图。特异点检测功能122还答复所生成的柱状图中的与输入观测值对应的频度作为“非特异度”。“非特异度”越小，该输入观测值越特异。

特异点检测功能122的第2安装输入观测区间与状态，算出输入区间的特异度。作为状态，例如事先输入视为通常的状态。在图19中，特异点检测功能122利用各状态柱状图合成功能1907生成通常状态的柱状图与观测区间的柱状图。

特异点检测功能122还针对该通常状态柱状图与该观测区间柱状图通过由(式1)表示的方法算出类似度，并答复类似度作为“非特异度”。“非特异度”越小，该输入观测值越特异。

如以上，根据本实施例1，通过组合在时序数据存储106中蓄积的部分柱状图，运算结合或差分，能够高速生成与希望的区间或希望的地上物有关的柱状图。

实施例2

与时序数据110对应的部分柱状图有时不仅将结合单位区间或连续的相同状态的单位区间而得的区间，还将非连续的区间作为“状态”来进行管理为宜。

图10表示第2实施例子，是表示状态数据与部分柱状图数据的关系的图。参照图10说明将针对状态的部分柱状图数据112创建关联的管理结构。XML1000为地上物数据108的某一例的XML表现。描述与所述实施例1的 图9同样。

XML1000表示地上物1001具有从2013年3月起1周期间的区间，在内部具有从2013年3月1日起1日期间的区间1002，从2013年3月2日起1日期间的区间1003，从2013年3月3日起1日期间的区间1004。

区间1002与区间1004被分组到状态1006、区间1003被分组到状态1005。与图9同样地，柱状图管理功能116针对地上物1001，对由hist＝1指定的部分柱状图数据进行管理，针对区间1002、区间1003、区间1004，对分别由hist＝5、hist＝3、hist＝6指定的部分柱状图数据进行管理。

XML1000还针对状态1005、状态1006，对分别由hist＝2、hist＝4指定的部分柱状图数据进行管理。

图20表示本发明的第2实施例，是表示由部分区间柱状图生成功能进行处理的一例的流程图。

参照图20，说明由图2所示的部分区间柱状图生成功能119生成每一状态的部分柱状图的方法。这通过变更图13所示的类似区间结合功能1913而得到，例如生成XML1000的状态1005、1006下的部分柱状图。另外，步骤2001至步骤2004与所述实施例1的图13所示的步骤1301至步骤1304同样。也就是说，部分区间柱状图生成功能119将时序数据110分割成规定的单位区间，根据时序数据110的观测值生成柱状图，在包含单位区间的第2单位区间，生成观测值的柱状图，对分解而得的各模型与单位区间的柱状图的类似度进行比较(步骤2001～步骤2004)。

部分区间柱状图生成功能119生成被分类到相同状态的全部区间的柱状图，作为状态的附带信息进行管理(步骤2005)。

部分区间柱状图生成功能119针对全部状态执行上述步骤2005的处理。

通过上述处理，被分类到状态的全部区间的柱状图作为状态的附带信息来进行管理。

图21为表示利用每一状态的部分柱状图生成柱状图的处理的一例的流程图。参照图21说明由区间柱状图生成功能120利用每一状态的部分柱状图生成柱状图的处理。

区间柱状图生成功能120提取检索对象区间中的全部状态，取得其中的1个状态(步骤2101)。

区间柱状图生成功能120提取检索对象区间的该状态的全部区间，取得其中1个区间(步骤2102)。

区间柱状图生成功能120算出检索对象区间与该区间的区间差分，设为每一状态的区间差分(步骤2103)。在此，区间差分意指除去区间重叠的部分的操作。例如开始时刻10：00、结束时刻11：00的区间与开始时刻10：10、结束时刻10：20的区间的差分为开始时刻10：00、结束时刻10：10的区间和开始时刻10：10、结束时刻11：00的区间这2个区间。

区间柱状图生成功能120针对该状态的全部区间反复适用步骤2102至步骤2103的处理(步骤2104)。若针对全部区间完成处理则进入步骤2105。

区间柱状图生成功能120针对全部状态反复适用步骤2101至步骤2104的处理(步骤2105)。若针对全部状态完成处理则进入步骤2106。

区间柱状图生成功能120通过选择经步骤2101至步骤2105算出的全部状态的区间差分的区间长度最小的区间，选择与检索对象区间最重叠的最佳的状态(步骤2106)。

区间柱状图生成功能120算出检索对象区间与该最佳的状态的区间的区间差分(步骤2107)。

区间柱状图生成功能120针对该区间差分，执行由所述实施例1示出的图16所示的处理来生成柱状图(步骤2108)。

区间柱状图生成功能120合成与经步骤2106选择的状态对应的柱状图、与经步骤2108生成的柱状图。

通过以上的处理，能够根据每一状态的部分柱状图生成检索对象区间的柱状图。

实施例3

与时序数据110对应的部分柱状图除了时间方向之外，有时还按照地上物方向汇集。例如，为了生成1000万户的电力消费分布的柱状图，即使存在各户的柱状图，也需要进行1000万个柱状图的合成。

另一方面，若视为相同的户被分类成100组，事先生成了各组的部分柱状图，则在检索时只进行100个柱状图的合成就能够使处理结束。

参照图11，说明将部分柱状图数据112与地上物集合数据107、地上物集群、以及跨多个地上物的区间状态创建关联的管理结构。图11为表示地 上物集合数据、跨地上物的状态数据与部分柱状图数据的关系的图。

XML1100为地上物集合数据107的某一例的XML表现。XML的描述与所述实施例1所示的图9同样。

在XML1100中，地上物集合1101具有从2013年3月起1周期间的区间，在内部还包含地上物1104、地上物1105、地上物1111、以及地上物1112。将地上物1104与地上物1105、地上物1111与地上物1112分别分组，分别以地上物集群1102、地上物集群1103进行管理。

若例示出该结构，则表现为在某一工厂中，存在2台制造商1的装置、2台制造商2的装置。地上物1104与所述实施例1的图10同样地，保有区间1106、区间1107、区间1108，分别按照状态1109、状态1110进行分组。

另一方面，构成地上物集群1103的地上物1111、地上物1112分别保有区间1113、区间1114、以及区间1115，将这些全部分组到相同状态1116。

部分柱状图数据112能够针对各区间、以及状态进行赋予。在XML1100的例子中，部分柱状图数据112在以下12处进行设定。

与所述实施例1的图10同样地，针对地上物1104管理由hist＝3指定的部分柱状图数据，针对地上物1105管理由hist＝9指定的部分柱状图数据，针对区间1106管理由hist＝7指定的部分柱状图数据，针对区间1107管理由hist＝5指定的部分柱状图数据，针对区间1108管理由hist＝8指定的部分柱状图数据，针对状态1109管理由hist＝5指定的部分柱状图数据，针对状态1110管理由hist＝6指定的部分柱状图数据。此外，针对作为地上物集合的地上物集群1102管理由hist＝2指定的部分柱状图数据，针对地上物集群1103管理由hist＝10指定的部分柱状图数据，针对包含地上物集群1102与地上物集群1103的地上物集合1101管理由hist＝1指定的部分柱状图数据。此外，针对与地上物集群1103内的多个地上物1111、地上物1112的区间1113、区间1114、区间1115对应的状态1116管理由hist＝11指定的部分柱状图数据。

通过上述构成、以与地上物集合对应的方式扩展部分区间柱状图生成功能119而得的部分地上物柱状图生成功能117、以及以与地上物集合对应的方式扩展区间柱状图生成功能120而得的地上物柱状图生成功能1118，与针对区间的柱状图合成同样地，能够实现针对地上物集合的柱状图的合成。

实施例4

参照图22、图23、图24说明将时序数据110分散到多个服务器并进行蓄积，从而可伸缩地管理大量的时序数据110并且有效地进行检索的计算机系统。

图22表示本发明的第4实施例，是表示将时序数据110分散到多个服务器中进行蓄积的时序数据分析系统的构成的框图。

时序数据分析系统2201接受来自分析终端101的查询，返回结果。此外，时序数据分析系统2201经由网络22与多个从属服务器连接。在本实施例中，与从属服务器a(2211)、从属服务器b(2212)、从属服务器c(2213)连接。

时序数据分析系统2201将时序数据主体分割成多个时序块，并分散到多个从属服务器中作为文件进行保存。此外，将管理时序块的位置的时序块表2208、管理部分柱状图的柱状图表2205、管理状态与区间的关联创建的状态区间表2203作为Relational Database Management System(RDBMS：关联数据库管理系统)上的表进行保存。

时序数据分析系统2201具备时序块表2208。时序块表2208取与图5C的表502类似的构成，保存时序块的开始时刻Ts、结束时刻Te、传感器ID＝sid、以及由保存有时序块的服务器的识别符以及文件路径构成的路径path。

例如，在表2208的最初行中，表示从时刻0：00到1：00的传感器ID＝1的区间的时序块保存在由从属服务器a中的文件名1.bin指定的路径下。

时序块通过将所述实施例1的图5C所示的表502的V列(5023)所示的部分时序数据作为文件进行保存而得到。时序数据分析系统2201还保有柱状图表2205。柱状图表2205为与所述实施例1的图6所示的区间表600同样的构成，保存开始时刻Ts、结束时刻Te、以及柱状图。

时序数据分析系统2201还保有状态区间表2203。状态区间表2203为与所述实施例1的图6所示的区间表600同样的构成，保存开始时刻Ts、结束时刻Te、以及状态status。

时序数据分析系统2201还具有检索时序块表2208的块检索功能2207、以及检索状态区间表的状态检索功能2202。

从属服务器搭载有作为MapReduce(映射归约)算法而公知的分散处理机构。MapReduce算法由保存在多个从属服务器中的Map(映射)功能 与Reduce(归约)功能构成，在从外部赋予了由Map功能与Reduce功能分别进行运转的程序时，多个Map功能分别接受数据并执行程序，程序将结果数据汇集到Reduce功能，Reduce功能接受由多个Map功能汇集而得的数据并执行程序，答复结果，据此执行数据的分散处理。

图23为表示检索时序数据时的查询与答复数据的一例的图。在图23中，示出了以时序数据的取得为目的由分析终端101发出的查询的例子、以及查询的返回结果的例子。

查询2301为取得所指定的传感器ID的集合以及指定区间范围的时序数据的SQL查询的例子。在查询2301中，利用SQL的FROM语句的表函数扩展功能，记述时序检索查询。

句法由指令与参数的集合构成，通过timeseries指令请求时序数据的取得，通过sid＝1、2指定传感器ID为1与2的传感器时序，通过range以ISO8601形式指定从2013年1月1日起1年期间量的区间。

结果2302表示针对查询2301的处理结果，输出表示时刻的列T、表示观测值的列V1、V2。

在图22中的时序数据分析系统2201从分析终端101接受了查询2301的情况下，时序数据分析系统2201利用块检索功能2207，从时序块表2208中取得请求传感器ID、包含请求区间的区间集合、与该区间对应的时序块的路径集合，从包含从属服务器2211、2212的多个从属服务器中取得时序块的文件集合，从该时序块中提取请求区间的时序数据，据此得到结果。

查询2303为取得所指定的传感器ID集合以及指定区间集合的时序数据的SQL查询的例子。通过timeseries指令请求时序数据的取得，通过sid＝1、2指定传感器ID为1与2的传感器时序，通过ranges以ISO8601形式指定从2013年1月1日10：00起1小时、以及从2013年1月2日10：00起1小时这2个区间。

结果2304表示针对查询2303的处理结果，除了表示时刻的列T、表示观测值的列V1、V2之外，还输出为了区别多个区间而生成的区间号码RID。

在图22中的时序数据分析系统2201从分析终端101接受了查询2303的情况下，时序数据分析系统2201利用块检索功能2207，从时序块表2208中取得请求传感器ID、包含请求区间集合的区间集合、以及与该区间集合对 应的时序块的路径集合，从包含从属服务器2211、2212的多个从属服务器中取得时序块的文件集合，从该时序块中取得请求区间的时序数据，据此得到结果。

查询2305为取得所指定的传感器ID集合以及指定区间内的指定状态集合的时序数据的SQL查询的例子。通过timeseries指令请求时序数据的取得，通过sid＝1、2指定传感器ID为1与2的传感器时序，通过range指定从2013年1月1日起1年期间量的区间，通过status指定状态1与2。结果2306表示其返回结果，除了表示时刻的列T、表示观测值的列V1、V2、为了区别多个区间而生成的区间号码RID之外，返回用于区别多个状态的状态名。

在图22中的时序数据分析系统2201从分析终端101接受了请求2305的情况下，时序数据分析系统2201利用状态检索功能2202从状态区间表2203中提取请求区间、请求状态的区间集合，还利用块检索功能2207从时序块表2208中取得请求传感器ID、包含请求区间集合的区间集合、以及与该区间集合对应的时序块的路径集合，从包含从属服务器2211、2212的多个从属服务器中取得时序块的文件集合，从该时序块中提取请求区间的时序数据，据此得到结果。

在图24中，示出了以取得时序数据的柱状图为目的由分析终端101发出的查询的例子、以及查询的返回结果的例子。

查询2401为取得所指定的传感器ID以及指定区间范围的时序数据110的柱状图的SQL查询的例子。在查询2401中，通过hist指令请求时序数据110的柱状图取得，通过sid＝1指定传感器ID为1的传感器时序，通过range指定从2013年1月1日起1年期间量的区间，通过bin指定柱分割的宽度。

查询2402为取得所指定的传感器ID以及指定区间集合的时序数据的柱状图的SQL查询的例子，参数与查询2303同样。

查询2403为取得所指定的传感器ID集合以及指定区间内的指定状态集合的时序数据的柱状图的SQL查询的例子，参数与查询2305同样。

结果2302表示查询2401、2402、2403的共通的答复结果，返回观测值的开始范围Vs、结束范围Ve、值域存在于Vs至Ve的范围内的观测值的数量Freq。通过在查询2401中指定bin为1000，结果2404按照每1000对值域进行合计。

在图22中的时序数据分析系统2201从分析终端101接受了查询2401的情况下，时序数据分析系统2201利用各区间柱状图合成功能1908，根据柱状图表2205通过所述实施例1的图16所说明的方法合成柱状图，在与区间对应的柱状图不存在时，在步骤1602通过时序数据生成柱状图。

在第4实施例中，图19的时序柱状图生成功能1910被作为多个从属服务器2211、2212中的Map功能2209上的程序安装，柱状图加减运算功能1914被作为Reduce功能2210上的程序安装。

也就是说，柱状图生成功能2206从时序块表2208中取得包含柱状图生成所需的区间的时序块的路径集合，对存在该时序块的从属服务器的Map功能2209上的时序柱状图生成功能1910，发出通过在各从属服务器中保存的时序块内的时序数据生成柱状图的指令。

各从属服务器上的时序柱状图生成功能1910所生成的柱状图汇集到Reduce功能2210上的柱状图加减运算功能1914中，进行柱状图的合成，据此得到期望的柱状图。同样地，查询2402、2403进行针对多个区间集合的柱状图的生成、针对指定区间内的状态集合的处理。

查询2405为应用了柱状图生成查询(查询2401、2402、2403)的特异点检索查询。在查询2405的FROM语句中，指定了两种表T1、TS。第1表T1为与查询2401同样的表函数，得到结果2404。此外，第2表T2为由表示时刻的time列与表示观测值的value列构成的通常的RDB表，通过WHERE语句的指定取得时刻为从2013年1月1日的0：00起到1：00的时序。

此外，根据SELECT语句的内函数distance，进行从表TS中取得的时序的各观测值与柱状图的特异点检索，将其结果作为结果2406进行答复。

内函数distance进行与图2以及第1实施例的最终节所述的特异点检测功能122的第1安装类似的处理。即、内函数distance对表TS的检索结果的观测值与作为查询2401的结果得到的柱状图进行比较，将该柱状图中的与输入观测值对应的频度作为“非特异度”返回。“非特异度”越小，该输入观测值越特异。该结果查询2405得到结果2406作为“非特异度”的时序。

作为第4实施例的效果，在部分柱状图存在于柱状图表2205中时，能够通过第1实施例的方法有效地合成柱状图，即使不存在部分柱状图，也能够通过多个从属服务器分散地根据时序数据生成柱状图，因此能够实现处理 速度的高效化。

另外，在本发明中说明的计算机等构成、处理部以及处理方法等也可以通过专用的硬件实现它们的一部分或全部。

此外，本实施例例示的各种软件能够保存到电磁的、电子的以及光学式等的各种各样的记录介质(例如非易失性存储介质)，并能够通过互联网等通信网下载到计算机中。

此外，本发明并非限定于上述的实施例，包括各种各样的变形例。例如，上述的实施例为了易于理解地说明本发明而进行了详细说明，并非限定于具备说明了的所有构成的例子。