JPH0895959A

JPH0895959A - 時系列データ圧縮、解析、表示方法および解析監視装置

Info

Publication number: JPH0895959A
Application number: JP23477894A
Authority: JP
Inventors: Toshihide Ichimori; 俊秀市森; Akira Maeda; 章前田; Mutsumi Shimoda; 睦下田; Hitoshi Ashida; 仁史芦田; Akihisa Uchida; 明久内田
Original assignee: Hitachi Ltd
Current assignee: Hitachi Ltd
Priority date: 1994-09-29
Filing date: 1994-09-29
Publication date: 1996-04-12

Abstract

(57)【要約】【目的】時系列データおよび非時系列データの特徴的
な関係を抽出すること、および時系列の特徴を記述する
ことで時系列データの監視を可能とすること。【構成】データ圧縮部３０２は基本パターン変換部３
０３を参照して、データ入出力部３０１より入力される
時系列データを圧縮しワーキングメモリ３０５に格納す
る。データ特徴抽出部３０４は、この圧縮データを参照
し、データ間の特徴的な関係を抽出して出力する。時系
列データ監視部３０７は、オンラインで得られたデータ
の特徴と、ユーザが登録している時系列データに関する
監視内容を比較し、一致すると登録されているアクショ
ンを出力する。【効果】ユーザは直観的に時系列データを理解可能に
なる。また時系列データと非時系列データが同等に扱
え、時系列データと非時系列データ間の特徴抽出が可能
になる。そして、時系列データを監視するシステムの構
築が容易になる。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は、データ値が時間に応じ
て変動する分野に関し、特に時系列データの生じる分野
一般に関する。特に大量・多種類の時系列データが発生
し、さらに時系列データと非時系列データとの膨大な組
合せも考慮する必要があるため、分析に多大な時間と労
力が要求される制御分野およびビジネス分野に適用可能
である。

【０００２】

【従来の技術】本発明において、時系列データとは時間
と共に変動するデータを指す。また、非時系列データ、
すなわち時系列データでないデータとは、データの値そ
のものが意味を持つデータ、例えば「名前」、「年齢」
等のデータを指す。

【０００３】時系列データで特徴的なことは、データ値
そのもの以上に、データ値の推移に意味があることであ
る。したがって時系列データを解析するためには、デー
タ値の推移を扱う方法が必要となる。従来技術として
は、スペクトル解析の技術がある。スペクトル解析技術
は、得られている時系列データに対して統計的な操作を
施しデータの特徴量を抽出する技術であり、「ダイナミ
ックシステムの統計的解析と制御」３０頁〜９３頁（赤
池、他；サイエンス社）等に詳しい。スペクトル解析技
術の一例としては、時系列データの周波数成分の特徴を
抽出するパワースペクトル密度関数、また、時系列デー
タ間の周波数成分における特徴的な関係を導くクロスス
ペクトル密度関数がある。

【０００４】今、時系列データ x(t) があるとする。x
(t)の自己共分散関数は、

【０００５】T→∞ 0 ただし、により定義される。そしてx(t)のパワースペクトル密度
関数は、{R(τ)}のフーリエ変換として、によって与えられる。Ｐxx(f)は、x(t)の周波数fにおけ
るパワースペクトル密度を与える。

【０００６】時系列データのパワースペクトル密度を求
めることで、データ値の推移を周波数成分の分布として
得ることが可能になる。そして、時系列データの特徴を
周波数の分布としての特徴、例えば低周波成分に大きな
値を持っているとか、高周波成分が現れているとかの形
で得られる。

【０００７】複数の時系列データ間の関連を調べるには
同様にクロススペクトル密度関数を利用して時系列デー
タを一旦周波数成分に変換し、周波数成分間の関連とし
て調べる。２次元の時系列データ x(t)、y(t)があると
する。x(t),y(t)の相互共分散関数は

【０００８】T→∞ 0 ただし、により定義される。そしてx(t)、y(t)のクロススペクト
ル密度関数は、{R(τ)}のフーリエ変換として、によって与えられる。時間的に不変な線形のシステムで
あれば、Ｐyx(f) = Ａ(f)・Ｐxx(f) の関係式により周波数応答関数Ａ(f)を求め、このＡ(f)
について調べることで、x(t)とy(t)の周波数成分に関す
る関係を得られる。

【０００９】時系列データと非時系列データ間で直接的
に特徴を抽出することは、従来行なわれていない。時系
列データと非時系列データの両方を扱う必要がある場
合、それぞれ分けて解析した結果を人間が見て特徴的な
関係を判断するか、または時系列データを何らかの非時
系列データに人手で変換して扱う形態が従来とられてい
る。時系列データの解析は、上記のような数値を扱う手
法が中心であるのに対し、非時系列データは記号処理が
中心となるためである。

【００１０】上記スペクトル解析技術による時系列デー
タの監視技術について述べる。詳細は「ダイナミックシ
ステムの統計的解析と制御」９４頁〜１２０頁（赤池、
他；サイエンス社）等にあるが、ここではその原理につ
いてだけ簡単に説明する。

【００１１】まずシステムが正常に動作している場合の
モデルをオフラインで作成する。すなわち正常時の時系
列データを予め採取して信号処理を行ない、パワースペ
クトル密度の分布の特徴を抽出する。これにより、例え
ばパワースペクトル密度の分布が低周波の領域にのみ現
れるなどの特徴が得られる。次にオンラインで入力され
る時系列データの特徴を抽出して、正常時のモデルの特
徴と比較を行なう。両者の特徴が一致していれば正常で
あり、一致していなければ異常と判定する。例えば入力
された時系列データのパワースペクトル密度分布に高周
波成分が現れればシステムの異常が検知される。

【００１２】

【発明が解決しようとする課題】従来のスペクトル解析
技術による時系列データの特徴抽出は、データの統計処
理が主である。そのため、統計処理で得られない特徴
は、扱うことが不可能である。例えば、スペクトル解析
では、サンプルの時系列データ全体に対して変換が行な
われるため、サンプル全体としての特徴は抽出できても
サンプル中の一部分において局所的に生じる特徴は捕捉
できない。

【００１３】本発明の目的は、上記問題点に鑑み、時系
列データの中の一部分で局所的に発生している特徴を抽
出する装置を提供することにある。

【００１４】また、スペクトル解析技術はデータを時間
の領域から周波数の領域に変換して解析を行なう。周波
数領域上での分布として示される特徴を理解するために
は、スペクトル解析の知識が必要であり、通常のユーザ
には、多大な負担を強いることになる。通常のユーザは
時間の領域で観察を行なっているため、周波数領域で示
される特徴は、直観的な理解が難しく、その特徴から即
座に時間領域での特徴を思い浮かべるのは非常に困難で
ある。

【００１５】本発明の目的は、上記問題点に鑑み、時系
列データの特徴を人間に理解しやすい時間軸上の特徴と
して取り出す装置を提供することにある。また本発明の
さらなる目的は、時系列データとしての特徴を残しなが
ら、データを圧縮することにある。

【００１６】スペクトル解析技術により、単一の時系列
データまたは、異なる時系列データ間の特徴的な関係を
抽出する方法は、データ全体に渡って生じている関係し
か抽出できず、データの一部分で限定的に生じる関係は
抽出できない。

【００１７】本発明の目的は、上記問題点に鑑み、単一
の時系列データまたは、異なる時系列データ間で限定的
に生じる特徴的な関係を抽出する装置を提供することに
ある。

【００１８】一般に時系列データの解析を行なう場合に
問題となることは、そのデータ量の多さにある。従来技
術では統計的手法で特徴を抽出しデータ量を減らしてい
るが、局所的に現れる特徴は失われてしまう。逆に局所
的な特徴を失わないためには、全てのデータを用いて解
析すればよいが、これはそのデータ量の多さからくる計
算時間の増大などで現実的には不可能なことが多い。ま
た、これが可能な場合でも、実際のデータの値のバラツ
キ（ノイズ）のため正確な関係やデータを得るのは困難
なことが多い。

【００１９】本発明の目的は、この問題点に鑑み、時系
列データの局所的な特徴を残しつつデータ量を圧縮する
方法を提供すること、およびノイズの影響を受けにくい
時系列データの解析方法を提供することにある。

【００２０】非時系列データ相互については、記号処理
の方法として、データ項目とその値の組合せについて特
徴を抽出する方法がいくつか提案されている。非時系列
データでは、データの値そのものに意味や特徴があるた
め、記号処理が適用可能である。しかしながら時系列デ
ータでは、多くの場合、データ値そのものではなく、時
間に対するデータ値の変動に意味や特徴がある場合が多
いため、これら記号処理は直接的には不可能である。

【００２１】このような問題は、時系列データと非時系
列データが両方含まれる場合の解析についても生じる。
従来は非時系列データと時系列データで別々に解析を行
ない、熟練者が両方の結果を併せ見る形で解析を行なっ
ていた。つまり、時系列データと非時系列データの間の
関係を直接的、統合的に抽出する手段は存在しなかっ
た。

【００２２】本発明の目的は、これら問題点に鑑み、時
系列データの特徴を抽出して意味のある記号に変換する
ことで、時系列データに記号処理の手法を適用すること
にある。そして、時系列データと非時系列データを同等
に扱うことで、時系列データ、非時系列データの区別な
くデータ間の特徴的な関係を抽出することにある。

【００２３】このように従来技術による時系列データの
解析に問題があること、また時系列データと非時系列デ
ータの統合的な処理方法が確立していないため、データ
の時系列変化を監視するシステムの実現はヒューリステ
ィックな方法に頼るしかなく、その実現には多大な労力
が強いられていた。

【００２４】本発明の目的は、時系列の容易な解析を実
現し、さらにその解析結果から時系列データおよび時系
列データと非時系列データの変動を監視するシステムの
容易な実現にある。

【００２５】さらに従来技術では、特徴の抽出作業およ
び、抽出された特徴の理解にスペクトル解析の知識が要
求される。また抽出される特徴は周波数の分布などであ
り、ユーザが経験的に得ている直観的な特徴、例えば
「値が急激に上昇する」などとはかけ離れている。この
ためこれらを利用して時系列データ監視装置を構成する
ことは、ユーザに大きな負担となっている。

【００２６】本発明の目的は、時系列データからユーザ
が直観に理解可能な特徴を抽出し、さらにユーザが直観
的に理解可能な特徴を利用した時系列データ監視装置の
構成を可能にして、ユーザの負担を軽減することにあ
る。

【００２７】

【課題を解決するための手段】本発明は、データの基本
的な変化パターンおよびデータの値とそれに対応する記
号を記憶する基本パターン記憶手段を備える。

【００２８】本発明は、時系列データを折れ線で近似す
る手段と、近似した点毎に、その点の時間軸の情報とデ
ータの値の情報を用いて、より少ないデータ数にベクト
ル化する時系列データベクトル化手段と、基本パターン
記憶手段を参照し、時系列データベクトル化手段により
ベクトル化されたそのベクトルの要素を基本パターンに
変換する基本パターン変換手段からなる、データ圧縮手
段を備える。

【００２９】本発明は、データ圧縮手段および基本パタ
ーン変換手段を用いて、圧縮データの内容を記号に変換
し表示する圧縮データ表示手段を備える。

【００３０】本発明は、上記圧縮データの項目の組合せ
を作る時系列データ項目組合せ生成手段と、時系列デー
タ項目組合せ生成手段を参照して、該組合せがそれぞれ
実際のデータにどれだけ合致するか評価する時系列デー
タ項目組合せ評価手段からなる、時系列データ特徴抽出
手段を備える。本発明は、例えば「名前」、「年齢」等
の非時系列のデータ項目と、上記圧縮データの項目の組
合せを作るデータ項目組合せ生成手段と、データ項目組
合せ生成手段を参照して、該組合せがそれぞれ実際のデ
ータにどれだけ合致するか評価するデータ項目組合せ評
価手段からなる、データ特徴抽出手段を備える。

【００３１】本発明は、時系列データ項目組合せ評価手
段または、データ項目組合せ評価手段を参照して、評価
結果を表示するデータ関係表示手段を備える。

【００３２】本発明は、ユーザの入力を受け付けるユー
ザ入力手段と、ユーザに対して様々な情報を出力する出
力手段からなる、ユーザ入出力手段を備える。

【００３３】本発明は、ユーザ入力手段を通して入力さ
れる時系列データの特徴を登録するユーザ登録手段と、
ユーザ入力手段を通して入力される、時系列データの特
徴が検出された際に実行されるアクションを記憶したア
クション登録部からなるユーザ登録部を備える。

【００３４】本発明は、非時系列のデータ項目およびデ
ータ圧縮手段によりオンラインで圧縮されたデータと、
時系ユーザ登録部の内容を比較するオンライン検証手段
と、オンライン検証手段を参照して、上記登録されてい
る特徴が検出された場合には、ユーザ登録手段を参照し
て所定のアクションを外部へ出力するアクション出力手
段からなる、データ監視手段を備える。

【００３５】

【作用】本発明は、データ値、データ値の変化分などに
時間軸を加えた上でデータをベクトル化すること、さら
に該ベクトルの要素を基本パターンへ変換することによ
り、その特徴を損なうことなく、時系列データのデータ
量を圧縮することを可能にする。

【００３６】本発明は、データ値、データ値の変化分な
どに時間軸を加えた上でデータをベクトル化すること、
さらに該ベクトルの要素を基本パターンへ変換すること
により、データに含まれるノイズを除去することを可能
にする。

【００３７】本発明では、抽出した時系列データの特徴
を記号に変換することで、時系列データの特徴をユーザ
が直観的に理解可能な形式で抽出することを可能にす
る。

【００３８】本発明では、時系列データを記号に変換す
ることで、時系列データを非時系列データと同等に扱う
ことを可能にする。

【００３９】本発明は、時系列データをその特徴を残し
ながら圧縮する。これにより、１つ以上の時系列データ
の特徴的な関係の抽出を、圧縮後のデータを対象に行な
うことを可能にする。

【００４０】本発明は、複数の時系列データを圧縮した
後、異なる時系列データ間の特徴の組合せを生成し、ど
の組合せがその時系列データ間で頻繁に生じているか、
また、どの組合せが稀に発生するのか順時調べる。これ
により時系列データ間の特徴的な関係を自動的に抽出す
ることを可能にする。

【００４１】本発明は、時系列データを圧縮して記号に
変換し、該変換された記号に対して記号処理を行なう。
これにより、時系列データ間の特徴的な関係をユーザが
直観的に理解可能な形式で抽出することを可能にする。

【００４２】本発明は、１つ以上の時系列データを圧縮
した後、さらに非時系列データの項目を加えて該時系列
データの特徴と非時系列データの項目の値の組合せを生
成し、どの組合せが頻繁に発生し、どの組合せが稀に発
生するのか順時調べる。これにより時系列および非時系
列のデータ間の特徴的な関係を自動的に抽出することを
可能にする。

【００４３】本発明は、時系列および非時系列のデータ
間に発見される特徴的な関係をユーザが直観的に理解可
能な形式で抽出する。これにより、ユーザは、時系列デ
ータ、非時系列データの区別なくデータ間の特徴的な関
係を直観的に理解可能になる。

【００４４】本発明は、時系列データを圧縮して記号に
変換し、さらに非時系列データを合わせて記号処理を行
なう。これにより、時系列データ、非時系列データの区
別なくデータ間の特徴的な関係をユーザが直観的に理解
可能な形式で抽出することを可能にする。

【００４５】本発明は、ユーザによる時系列および非時
系列データの特徴と、その特徴がオンラインで得られる
データ中に生じた場合に実行されるべきアクションの登
録を受け付ける。そして、オンラインで得られるデータ
に対して上記の特徴抽出をおこない、得られた特徴と、
該登録の内容を比較し、一致と判定した場合には登録さ
れたアクションを実行する。これにより、時系列および
非時系列のデータに関し、ユーザがその特徴を直観的に
理解可能な形式の記号により記述することを可能にす
る。その結果、時系列データの容易な監視を実現する。

【００４６】

【実施例】以下、本発明の実施例について、図面を用い
て詳細に説明する。

【００４７】例として、半導体の製造ラインのデータを
用いる。半導体の製造ラインの構成を図１に示す。この
半導体の製造ラインでは、容量１ＭＢのメモリ（１ＭＢ
メモリ）、容量４ＭＢのメモリ（４ＭＢメモリ）そして
中央演算処理装置（ＣＰＵ）が生産されている。製造ラ
インは、前工程と、後工程の２段階に分かれている。前
工程が終了した時点で１回目の検査を行ない、後工程が
終了した時点で２回目の検査が行なわれる。ただし、１
回目の検査では不良品の率が算定されるが、実際にはど
れが不良品か分からないため、不良品を排除することは
できず、前工程を通過した製品は全て後工程に引き継が
れる。２回目の検査では、配線不良および論理不良の２
種類の不良品の具体的な個数が得られる。検査は前検
査、後検査ともに１日に５回行なわれる。

【００４８】この製造ラインにはプロセス装置が全部で
３台ある。３台とも前工程、後工程の両方の処理が可能
で、工程の進捗状況にあわせて、空いている装置を稼働
させている。３台は同じ種類の装置であるが、経年変化
等で特性が異なっている。それぞれ、「ＭＡ１」、「Ｍ
Ａ２」、「ＭＢ１」と名前がついている。

【００４９】この製造ラインからは、次のように５項目
のデータが得られる。

【００５０】「製品名」、「前工程プロセス装置名」、
「後工程プロセス装置名」、「前検査歩留まり」、「後
検査配線不良」、「後検査論理不良」。

【００５１】検査結果のデータは時系列データである
が、他は非時系列データである。ただし非時系列データ
とはデータの値そのものが意味を持つデータである。非
時系列データの項目のとる値は、製品名＝｛１ＭＢメモリ、４ＭＢメモリ、ＣＰＵ｝、前工程処理装置＝｛ＭＡ１、ＭＡ２、ＭＢ１｝、後工程祖理装置＝｛ＭＡ１、ＭＡ２、ＭＢ１｝、である。「前検査歩留まり」は、不良品の率がポイント
で表され、それが過去数日間分、時系列として並んでい
る。「後検査配線不良」および「後検査論理不良」は、
不良品の個数が時系列として並んでいる。これらデータ
は、例えば図２に示すようなデータ構造としてデータベ
ースに記憶されている。

【００５２】本発明の時系列データ監視装置について説
明する。時系列データ監視装置の詳細な構成を、図３に
示す。データ入出力部３０１はデータバスを介して外部
のデータベース、半導体製造装置等に結合し、データ等
の入出力を行なう。データ圧縮部３０２はデータ入出力
部３０１より入力される時系列データに対して、その特
徴を残しつつデータ圧縮を行なう。圧縮されたデータは
ワーキングメモリ３０５に格納される。データ特徴抽出
部３０４は、ワーキングメモリ３０５に格納されたデー
タを参照し、時系列データ間または、時系列データと非
時系列データ間の特徴的な関係を抽出して出力する。ま
た、データ特徴抽出部３０４は、ワーキングメモリ３０
５に格納されている圧縮された時系列データおよび、デ
ータ入出力部３０１を介して非時系列データを参照し、
時系列データ間や時系列データと非時系列データ間の特
徴的な関係を抽出する。

【００５３】時系列データ監視部３０７は、オンライン
で得られたデータの特徴と、ユーザが登録している時系
列データに関する監視内容を比較して、その一致の有無
を検証し、検証結果に応じてユーザが登録しているユー
ザアクションを出力する。

【００５４】ユーザ入出力部３０６は、ディスプレイ、
キーボード、マウス等からなり、ユーザの入力を受け付
けるとともに、データ圧縮部３０２、データ特徴抽出部
３０４、時系列データ監視部等の出力を表示する。基本
パターン変換部３０３は、ユーザの入力等によりデータ
の値とそれに対応する記号を記憶していて、データの値
と記号の変換を行う。

【００５５】以下、本発明の時系列データ監視装置の各
部の構成および動作について詳細に説明する。

【００５６】データ圧縮部３０２の詳細な構成を図４に
示す。４０１は、折れ線近似部であり、後で述べるよう
にダイナミックプログラミング法などにより、入力され
た時系列データを折れ線で近似する。データベクトル化
部４０２は、折れ線近似部４０１で折れ線近似された時
系列データを、ベクトル列に変換する。

【００５７】時系列データは、データベクトル化部４０
２によりベクトル化された後、さらに必要のあるものに
ついては、そのベクトルの要素が基本パターン変換部３
０３により記号に変換される。

【００５８】データ圧縮部の詳細な動作について説明す
る。図５に実線５０１で示す、「１ＭＢメモリ」の前検
査歩留まりのデータを例にとり、時系列データの圧縮を
行なう様子を示す。

【００５９】まず折れ線近似部４０１で時系列データに
対し、折れ線近似を行なう。折れ線近似を行なう方法は
種々の方法が考えられるがここでは、簡単のため、図５
に点線５０２で示すように、１日毎の歩留まりを直線で
結び、さらにダイナミックプログラミング法を利用し
て、より少ない折れ線に近似する方法を示す。具体的に
は、まず１日毎の歩留まりを直線で結んだ各点の日を、ｔ（−Ｎ），ｔ（−Ｎ＋１），．．．．，ｔ
（０），とし、対応する点をｐ（−Ｎ），ｐ（−Ｎ＋１），．．．．，ｐ
（０），とする。すなわち(N+1)日のデータを対象とする。左端
の点p(-N)は時系列データの最も過去の日に対応し、右
端の点p(-N)は最新のデータで、現在の日に対応する。
さらに、各点におけるデータの値を、 x(-N), x(-N+1), ...., x(0), とする。それぞれの変数は、必要に応じて規格化を行な
っておく。これら変数の様子を図５に示す。

【００６０】今、折れ線近似の評価関数Gを次のように
おく。

【００６１】G(0)：始点p(-N)から終点p(0)までの折れ
線近似の最小の評価値。

【００６２】G(k)：始点p(-N)からp(0)までの折れ線近
似の最小の評価値。

【００６３】このとき、 G(-N) = 0として、 G(k) = min[ G(i) + e(i,k) ] (k=-N,-N+1,...0; i=-N,
-N+1,...k ), が成立する。ここで、e(i,k)は、p(i)からp(k)まで、直
線で近似した場合の誤差であるが、一例として次のよう
に定義する。

【００６４】ただし、V(k)、V(j)はそれぞれ、p(i)からp(k)および、
p(i)からp(j)へ向かうベクトルである。V(k)×V(j)はベ
クトルの外積、|V(k)|はベクトルの長さを示す。αは、
[０,１]の定数であり、またＥは非負の定数である。

【００６５】右辺第１項は、折れ線近似による誤差を実
際の値と近似した点の距離の２乗で評価するものであ
る。また右辺第２項は、なるべく少ない折れ線の数で近
似が行なわれるよう加えられたものである。αは定数で
１に近付くほど近似精度が高くなり、０に近付くほど少
ない折れ線で近似するようになる。

【００６６】α、Ｅに適当な値を設定し、k=-Nから始め
て、k=-N,-N+1,... と順時G(k)を求めながら折れ線を記
憶し、k=0まで到達した時点で記憶されている折れ線を
求めれば、これが目的とした折れ線近似である。このよ
うにして図６に示すように折れ線近似が得られる。

【００６７】次に時間軸を含めてベクトル化を行なう。
ここでは、例として時間軸のベクトル化は、絶対時間
と、変化の時間幅を用いる。さらに、データ値に対する
ベクトル化は、折れ線の始点の値と値の変化分で行な
う。すなわち、得られるベクトルは、（絶対時間、変化
の時間幅、始点の値、値の変化分）となる。これらの
様子を図７に示す。

【００６８】全体のデータに対してベクトル化した結果
の一部を図８に示す。

【００６９】ベクトル化したデータについて、さらにベ
クトルの要素を基本パターン変換部３０３により記号に
変換する。基本パターンは、例えば図９にその一部を示
すように各ベクトルの要素毎に定義され、定義内容は基
本パターン変換部３０３に記憶されている。ユーザは、
ユーザ入力部を介することでこの基本パターン変換部の
記憶内容を容易に変更可能である。

【００７０】図９の定義によれば、データの値は、その
値の大きさに応じて「大」、「中」、「小」の記号に変
換される。同様に、値の変化分、変化の時間幅もその値
に応じて記号に変換される。データ値の変化について
は値の変化率（データ値変化分／時間幅）に応じて「急
激に上昇」、「上昇」、「一定」、「下降」、「急激に
下降」の５種類が定義される。時間軸は３日毎に区切っ
て、その３日間は同一視する内容の定義である。

【００７１】基本パターン変換部では、この定義およ
び、ベクトル化されたデータの値を参照し、それぞれの
項目の値を記号に変換する。

【００７２】このようにして基本パターンに変換された
「１ＭＢメモリ」の前検査の時系列データを一部を図１
０に示す。他の時系列データも同様に変換される。

【００７３】圧縮されたデータは、一旦ワーキングメモ
リ３０５に記憶される。

【００７４】これら圧縮結果は、ユーザの要求に応じ、
ユーザ入出力部３０６を介してユーザに表示される。ユ
ーザに表示する場合には、圧縮されたデータをそのまま
表示する他に、さらに基本データ変換部を参照して、別
の記号に変換しても良い。例えば時間のデータさらに記
号に変換する定義として、絶対時間 ≧ ３絶対時間を「過去」に変換、３＞絶対時間 ≧ １絶対時間を「最近」に変換、１＞絶対時間絶対時間を「現在」に変換があれば、図１０のデータは、ユーザ入出力部３０６に
おいて図１１のように表示される。表示する際には、図
１１では、適当なフォーマットを与えて、より自然語に
近い形で出力している。

【００７５】データ特徴抽出部の詳細な構成を図１２に
示す。データ項目組合せ生成部１２０１は、データ圧縮
部３０２よりワーキングメモリ３０５に出力されている
時系列データを読み出し、その項目と値の組合せが、す
でに１２０３のワーキングメモリ２中に存在するかどう
か確認する。存在すればワーキングメモリ２中の該当す
る組合せのデータ合致度を増やす。存在しなければ、そ
の組合せを新たにワーキングメモリ２に登録する。全て
の時系列データについて組合せの生成が終了すると、デ
ータ組合せ特徴出力部１２０２は、ワーキングメモリ２
の中の各組合せのデータ合致度を調べて、合致度の高い
ものを時系列データ間の特徴的な関係として出力する。

【００７６】時系列データ特徴抽出部の詳細な動作につ
いて説明する。例として、半導体データの「１ＭＢメモ
リ」の「前検査歩留まり」と「後検査配線不良」、「後
検査論理不良」の３種類の時系列データ間の特徴抽出を
行なう。それぞれの実際のデータを図１４に示す。１４
０１が前検査歩留まり、１４０２が後検査配線不良およ
び１４０３が後検査論理不良の時系列データを表す。

【００７７】この方法の全体の手順を図１３に示す。ま
ず各時系列データはデータ圧縮部３０２により圧縮され
てワーキングメモリ３０５にセットされる。これがステ
ップ１３０１である。時系列データを圧縮した結果の一
部を図１５に示す。

【００７８】動作はステップ１３０２に移る。圧縮され
たデータに対して、データ項目組合せ生成部１２０１に
おいて時系列データの項目と項目の値の組合せをつく
り、その組合せが実際のデータにどれだけ合致するか調
べる。ただし、組合せを生成する場合に２つの時系列デ
ータ間で時間的なずれが同じ場合は、これらは同じもの
とみなすとユーザにより定義されている。この様子を図
１６に示す。すなわち図１６において、時系列データ１
のベクトル１６０１とそれから時間Δt後の時系列デー
タ２のベクトル１６０３の組合せと、時系列データ１の
ベクトル１６０２とそれから時間Δt後の時系列データ
２のベクトル１６０４の組合せは、同一の組合せとみな
す。

【００７９】実際には、ステップ１３０２〜１３０６に
おいて時系列データの組合せを生成し、その組合せのデ
ータ全体に対する合致度を調べる。時系列データを先頭
（現在時刻）から調べていき、そのデータの組に対応す
る項目と値の組合せがワーキングメモリ２中に存在して
いれば、その組合せの合致度を増加し、存在しなければ
あらたな組合せとしてワーキングメモリ２に登録する。

【００８０】図１４、図１５に示すデータにしたがって
関係を抽出する。なお、全ての組合せの要素は、（前検
査時間，前検査時間幅，値，変化分；配線不良検査時
間，配線不良の時間のずれ，時間幅，値，変化分；配線
不良検査時間，論理不良の時間のずれ，時間幅，値，変
化分)、であるが、ここでは、説明の簡単のため、次の
要素についてのみ組合せを生成して調べる。

【００８１】(前検査変化分;配線不良の時間のずれ,配
線不良変化分;論理不良の時間のずれ,論理不良変化
分)。

【００８２】まず前検査の最初のベクトルと後検査２つ
の最初のベクトルで組を作り、この組の合致度を１とす
る。前検査の時間は「−２」で２つの後検査の時間はそ
れぞれ「−１」だから時間差は後検査の配線不良、論理
不良ともに１である。組合せは、組合せ１＝（一定；１，一定；１，下降；合致度＝
１）。

【００８３】次に、前検査と配線不良はそのままで、論
理不良のデータを１つ次に進める。同様にして組合せが
得られる。

【００８４】組合せ２＝（一定；１，一定；０, 上
昇；合致度＝１）。

【００８５】このようにして論理不良のベクトルが最後
までいったら次は配線不良のベクトルを次に進めて調べ
る。これを３つの時系列データの全ての組合せについ
て、終るまで続ける。

【００８６】全ての組合せについて終ったら、動作はス
テップ１３０７に移る。データ組合せ特徴出力部１２０
２で合致度の高い組合せが選択されて出力される。例の
場合は全ての組合せの中で最大の合致度は２であり、対
応する組合せは、組合せ３８＝（急激に上昇；１，急激に上昇；１，上
昇；合致度＝２）、である。組合せ３８が特徴的な関係として抽出され出力
される。

【００８７】上記の説明では、簡単のため組合せ生成に
用いる項目を限定したが、必要な項目に絞って特徴抽出
を行なうことは、計算時間および計算資源の節約に効果
がある。逆に、より精密に調べたい場合には、項目を限
定せず全ての組合せについて調べてればよいし、折衷的
な方法として合致度をもとに分枝限定法を適用してもよ
い。分枝限定法の場合、組合せに用いる項目の数を任意
の個数に限定し、項目を順に変化させながらその全てに
ついて合致度を調べるなどの方法が利用できる。例えば
項目数が５なら、調べる項目の組合せは、（前検査歩留
まり；時間差，配線不良変化；時間差，論理不良変
化）、（前検査歩留まり；時間差，配線不良絶対値；時
間差，論理不良絶対値）、・・・、などになる。

【００８８】上記の説明では、各時系列データからは１
つずつベクトル取り出して組合せを生成した。しかしな
がら、１つの時系列データから複数のベクトルを取り出
して、組合せを生成してもよい。例えば上記の例では組
合せは基本的に、(前検査のベクトル１;後検査配線不良
のベクトル１;後検査論理不良のベクトル１)であった
が、これを(前検査のベクトル１;前検査のベクトル２;
…；配線不良のベクトル１;配線不良のベクトル２;…；
論理不良のベクトル１;論理不良のベクトル２;…)など
と組合せを生成して調べればよい。これにより、複数の
時系列データのより複雑な組合せに特徴的な関係が現れ
る場合でも、抽出が可能になる。

【００８９】上記の説明において、合致度は適合したデ
ータの個数であったが、データに信頼度を付加しておい
て、合致するデータが存在した場合はこの信頼度を加算
するような形式でもよい。合致しているデータが多いほ
ど信頼度が高くなる形式であれば、どんな形式を用いて
もよい。

【００９０】この例では、「前検査歩留まり」、「後検
査配線不良」、「後検査論理不良」の３種類についての
関係を調べたが、これに加えて「前検査歩留まり」と
「後検査配線不良」、「前検査歩留まり」と「後検査論
理不良」、「後検査配線不良」と「後検査論理不良」、
など２種類の時系列について調べれば、全ての場合につ
いて、特徴的な関係を抽出することが可能になる。な
お、自己相関的な関係を調べたいのであれば、「前検査
歩留まり」と「前検査歩留まり」、などとして、同じ時
系列データ間の関係を調べることで上記の方法が容易に
適用可能になる。

【００９１】出力された特徴的な関係は、ユーザの要求
に応じ、ユーザ入出力部３０６を介してユーザに表示さ
れる。ユーザに表示する場合には、抽出された特徴をそ
のまま表示する他に、さらに圧縮データの表示と同様に
基本データ変換部３０３を参照して、別の記号や元の数
値に変換して表示してもよい。また、合致度を同時に表
示して得られた特徴的な関係がデータ全体に渡って成立
している度合として表示してもよい。組合せ３８は、図
１７のように表示される。表示する際には、図１７に示
すように適当なフォーマットを与えて、より自然語に近
い形で出力してもよい。この組合せ３８は、「前検査の
歩留まり」が「急激に上昇」すると「時間差＝１」後
に、「配線不良」が「急激に上昇」し、「論理不良」が
「上昇」することを意味している。

【００９２】データ特徴抽出部３０４においては、上記
時系列データの抽出方法と同様に、時系列データと非時
系列データを関連させて特徴的な関係を抽出することが
可能である。

【００９３】例として、図２の形式のデータを考える。
これは半導体のデータ全体であり、データの項目として
は、上述した時系列データである検査結果の各データに
加え、製品名やプロセス装置名等の非時系列データが含
まれている。このデータ全体に対して特徴的な関係の抽
出を行なう。

【００９４】手順としては、ほぼ図１３の時系列データ
間の特徴抽出の手順と同じである。まず、時系列データ
については、先に示した方法により各データそれぞれに
ついてデータ圧縮部３０２データ圧縮を行なう。時系列
データは、次のようなベクトル列に変換される。

【００９５】（絶対時間，時間幅，値，変化分，…）。

【００９６】ここまでは、上記複数の時系列データ間の
関係抽出と同じであるが、非時系列データも含めて特
徴を抽出する場合には、このベクトルの要素にさらに非
時系列データの項目を加える。すなわち、(絶対時間,時
間幅,値,変化分,…;製品名;前工程プロセス装置名;後工
程プロセス装置名)といった要素を持つベクトルにな
る。例のデータでは、時系列データは「前検査」１つと
「後検査」２つの計３種類存在し、それぞれに、次に示
すように製品名、前工程プロセス装置名、後工程プロセ
ス装置名がベクトルの要素として付与される。

【００９７】（絶対時間，時間幅，前検査歩留まり値，
前検査歩留まり変化，…；製品名；前工程プロセス装置
名；後検査プロセス装置名）、（絶対時間，時間幅，配
線不良値，配線不良変化，…；製品名；前工程プロセス
装置名；後検査プロセス装置名）、（絶対時間，時間
幅，論理不良値，論理不良変化，…；製品名；前工程プ
ロセス装置名；後検査プロセス装置名）。

【００９８】これらに対して、時系列データ間の特徴を
抽出と同様に、データ項目組合せ生成部１２０１におい
て、非時系列データの項目も含めてデータ項目の組合せ
を生成する。そして１２０３のワーキングメモリ２を利
用しながらデータの合致度を求め、データ組合せ特徴出
力部１２０２で合致度の高い組合せを選択する。ベクト
ルの要素とその値に対して組合せを生成し、全体のデー
タに対する合致度を調べる。これにより、時系列データ
間の関係の抽出と全く同じように、時系列データおよび
非時系列データ間の特徴的な関係が抽出可能になる。

【００９９】例えば次のような関係が結果として抽出さ
れる。

【０１００】（製品名=CPU;前工程プロセス装置=MA1;後
検査プロセス装置=MB1;前工程検査変化=上昇; 時間差=
2，配線不良=急激に上昇)。

【０１０１】なお上記の説明において、時系列データは
具体的な時間としたが、半導体の製造番号など、順序が
あり、時間に準拠する項目であれば、それを時間のかわ
りに用いても構わない。

【０１０２】時系列データ監視部３０７について説明す
る。時系列データ監視手段の詳細な構成を図に示す。

【０１０３】ユーザ登録部１８０３には、ユーザ入出力
部３０６より入力された監視すべきデータの特徴および
その特徴が検知された際に実行されるアクションが登録
されている。オンラインデータバッファ１８０１は、デ
ータ入出力部を介して次々に入力されるオンラインのデ
ータバッファで、最新のデータが入力されるとデータ列
の先頭つけ加えられ、同時に最後尾のデータは削除され
る。データバッファ１８０１には、常に一定時間間隔の
時系列データが格納されることになる。データバッファ
１８０１の時系列データはデータが更新される毎にデー
タ圧縮部３０２により圧縮され、圧縮された結果はワー
キングメモリ３０４に格納される。オンライン検証部１
８０２はワーキングメモリ３０４に格納されたオンライ
ンデータの特徴、データ入出力部３０１を介して得られ
る非時系列データ、およびユーザ登録部１８０３の登録
内容を比較し、その一致を検証する。そして、検証結果
に応じてユーザ登録部１８０３に登録されているユーザ
アクションを出力する。

【０１０４】時系列データ監視部の具体的な動作につい
て説明する。

【０１０５】ユーザ登録部１８０３には、予めデータの
特徴とその特徴がオンラインデータ中に検出された場合
のアクションが記述される。登録されるのは、上記の特
徴抽出方法で得られた知見や、それに経験等に基づくユ
ーザの知識を加えたもの、さらにはユーザの知識のみを
IF-THENルールの形式等で表現したものなどになる。例
えば、上記のデータ特徴抽出により、次の特徴的な関係
が得られたとする。「製品名がメモリ１で、前工程プロ
セス装置がＭＡ１で、後工程プロセス装置がＭＡ２で、
前検査歩留まりが最近急激に上昇すると、後検査での配
線不良が増加。」。

【０１０６】ユーザは、これを見て、同じ状態が生じる
ようであれば、後工程の装置を変更する必要があると判
断し、次の内容を登録する。

【０１０７】IF ｛製品名＝メモリ１ AND 前工程プロセス装置＝ＭＡ１ AND 後工程プロセス装置＝ＭＡ２ AND 前検査歩留まり＝(最近，急激に上昇） AND 後検査配線不良＝（現在，上昇）｝ THEN アクション＝「後工程プロセス装置をＭＡ２以外に変
更」。

【０１０８】オンラインで得られるデータはデータバッ
ファ１８０１に次々に読み込まれ、さらにデータ圧縮部
３０２で圧縮されてワーキングメモリ３０４に格納され
る。オンラインデータ検証部では、この圧縮された時系
列データおよび非時系列データと、ユーザ登録部の内容
を比較する。ワーキングメモリ３０４および非時系列デ
ータの内容が、 (製品名＝メモリ１; 前工程プロセス装置＝ＭＡ１; 後工程プロセス装置＝ＭＡ２; 前検査歩留まり＝(最近，急激に上昇）; 後検査配線不良＝（現在，上昇）)、であれば、登録された特徴と一致しているので後工程プ
ロセス装置を変更する信号を外部に出力し、同時にユー
ザ入出力部３０６に登録されている現象が生じたことを
出力する。登録内容と一致していなければ、その旨をユ
ーザ入出力部に出力する。

【０１０９】以上のようにして、本発明の時系列解析監
視装置が実現される。

【０１１０】

【発明の効果】本発明では、時系列データをベクトル化
して圧縮する際に、時間軸方向についても圧縮を行な
う。これにより、効率的な時系列データの圧縮が可能に
なる。

【０１１１】本発明では、時系列データを、時間軸まで
含めてベクトル化する。そのため、時系列データとして
の特徴を残したままでデータ量を圧縮できる。また、圧
縮後のデータに特徴が含まれているため、圧縮後のデー
タを対象に時系列データの関係抽出を行なうことがで
き、さらに時系列データの中の一部分で局所的に発生し
ている特徴を抽出することも可能になる。

【０１１２】本発明では、時系列データをその特徴を抽
出することでデータ量を圧縮するため、圧縮されたデー
タは可読性が高くユーザが直観的に理解可能である。

【０１１３】本発明では、時系列データを記号のベクト
ルに変換してデータを圧縮する。そのため、元の時系列
データにノイズが含まれていても、記号に変換される時
点で除去される。その結果、ノイズに強いデータ圧縮お
よび特徴抽出が可能になる。

【０１１４】本発明では、ベクトル化によりデータ量を
圧縮し、さらにベクトルの要素を意味のある記号に変換
することで、時系列データを非時系列データと同等に扱
うことが可能になる。このため、同一または異なる時系
列データ間の特徴的な関係の抽出を記号処理で行なうこ
とが可能になる。さらに、時系列データおよび非時系列
データをその区別なく扱える効果がある。その結果、時
系列データと非時系列データ間の特徴の抽出も可能にな
る。

【０１１５】本発明では、ベクトル化によりデータ量を
圧縮した時系列データについて記号処理を行なうため、
時系列データ間の特徴的関係の抽出の高速化や、時系列
データと非時系列データ間の特徴的関係の抽出が可能に
なる。

【０１１６】本発明では、特徴量を抽出してデータ量を
圧縮した時系列データについて記号処理を行なうため、
時系列データ間の特徴的関係の抽出の高速化や、時系列
データと非時系列データ間の特徴的関係の抽出が可能に
なる。

【０１１７】本発明では、同一または異なる時系列デー
タ間の特徴的関係の抽出や、時系列データと非時系列デ
ータ間の特徴的な関係抽出を記号処理により行なう。そ
の結果、得られる関係は可読性が高くユーザが直観的に
理解可能である。

【０１１８】本発明では、時系列データを記号のベクト
ルに変換し、その後に時系列データ間または、時系列デ
ータと非時系列データ間の特徴的な関係の抽出を行な
う。そのため、元の時系列データにノイズが含まれてい
ても、記号に変換される時点で除去される。その結果、
ノイズに強い特徴抽出が可能になる。

【０１１９】本発明では、局所的に生じる特徴を残した
ままのデータを用いて、時系列データ間または、時系列
データと非時系列データ間の関係の抽出を行なう。その
ため、時系列データ間または、時系列データと非時系列
データ間の一部で限定的にしか生じない関係であっても
抽出することが可能になる。

【０１２０】本発明では、時系列データの特徴を表示す
る際、時系列データ間または、時系列データと非時系列
データ間の関係を表示する際に、自然語に近いフォーマ
ットで出力するため、可読性が高くユーザが直観的に理
解可能である。

【０１２１】本発明では、時系列データ間または、時系
列データと非時系列データ間の特徴的な関係の抽出が容
易に行なえる。抽出した関係をもとに時系列データを監
視するシステムが容易に構築可能になる。

【図面の簡単な説明】

【図１】本発明を適用する半導体製造装置のブロック構
成図。

【図２】本発明の実施例の半導体のデータの形式。

【図３】本発明の実施例の時系列データ監視装置のブロ
ック図。

【図４】本発明の実施例の時系列データ監視装置のデー
タ圧縮部のブロック図。

【図５】時系列データの折れ線近似方法の一例を示す
図。

【図６】折れ線近似された、「前検査歩留まり」の時系
列データ。

【図７】時系列データのベクトル化の各要素。

【図８】ベクトル化された、「前検査歩留まり」の時系
列データ。

【図９】ベクトルの要素の記号への変換方法の定義の一
部。

【図１０】記号に変換された、「前検査歩留まり」の時
系列データ。

【図１１】抽出された「前検査歩留まり」の時系列デー
タの特徴の表示例。

【図１２】本発明の実施例の時系列データ監視装置のデ
ータ特徴抽出部のブロック図。

【図１３】データ特徴抽出の処理手順を示すフローチャ
ート。

【図１４】本発明の実施例の時系列データ間の特徴抽出
の入力データ。

【図１５】ベクトル化された入力データの一部。

【図１６】同一とみなすデータ間の時間のずれ。

【図１７】抽出されたデータ間の特徴の表示例。

【図１８】本発明の実施例の時系列データ監視装置の時
系列データ監視部のブロック図。

【符合の説明】

５０１… 前検査歩留まりの時系列データ５０２… 前検査歩留まりの時系列データを一日毎にサ
ンプルして直線で結んだもの１４０１…前検査歩留まりの時系列データ１４０２…後検査配線不良の時系列データ１４０３…後検査論理不良の時系列データ

───────────────────────────────────────────────────── フロントページの続き (72)発明者芦田仁史神奈川県川崎市麻生区王禅寺1099番地株式会社日立製作所システム開発研究所内 (72)発明者内田明久東京都青梅市今井2326番地株式会社日立製作所デバイス開発センタ内

Claims

【特許請求の範囲】

【請求項１】時系列データのデータ値の絶対量または変
化量等からデータ値の特徴を抽出し、抽出されたデータ
値の特徴をユーザが直観的に理解可能な形式に変換し、
さらに抽出されたデータ値の特徴に対応する絶対時間ま
たは時間変化等の値を用いて時間軸についての特徴を抽
出し、抽出された時間軸についての特徴をユーザが直観
的に理解可能な形式に変換する時系列データ圧縮方法。
【請求項２】上記変換する処理は、予め定めてある特徴
と記号の変換方式に従って所定の記号に変換する請求項
１記載の時系列データ圧縮方法。
【請求項３】上記変換する処理は、予め定めてある特徴
と記号の変換方式に従って所定の記号に変換する請求項
１記載の時系列データ圧縮方法。
【請求項４】時系列データのデータ値の絶対量または変
化量等からデータ値の特徴を抽出し、抽出された特徴に
対応する絶対時間または時間変化等の値を用いて時間軸
についての特徴を抽出し、該時系列データを、該データ
値の特徴および該時間軸についての特徴を要素とするベ
クトル列に変換する時系列データ圧縮方法。
【請求項５】時系列データのデータ値の絶対量または変
化量等からデータ値の特徴を抽出し、抽出されたデータ
値の特徴をユーザが直観的に理解可能な形式に変換し、
抽出されたデータ値の特徴に対応する絶対時間または時
間変化等の値を用いて時間軸についての特徴を抽出し、
抽出された時間軸についての特徴をユーザが直観的に理
解可能な形式に変換し、時系列データを、該データ値の
特徴および該時間軸についての特徴を要素とするベクト
ル列に変換する時系列データ圧縮方法。
【請求項６】上記データ値の特徴をユーザが直観的に理
解可能な形式に変換する処理は、予め定めてある特徴と
記号の変換方式に従って所定の記号に変換する請求項５
記載の時系列データ圧縮方法。
【請求項７】上記時間軸についての特徴をユーザが直観
的に理解可能な形式に変換する方法は、予め定めてある
特徴と記号の変換方式に従って所定の記号に変換する請
求項５記載の時系列データ圧縮方法。
【請求項８】時系列データの特徴を残してデータ量を圧
縮し、圧縮したデータを利用して時系列データと非時系
列データ間の特徴的な関係を抽出する時系列データ解析
方法。
【請求項９】該時系列データの特徴を残してデータ量を
圧縮する方法は、請求項１、請求項２、請求項３、請求
項４、請求項５、請求項６、または請求項７記載の時系
列データ圧縮方法である請求項８の時系列データ解析方
法。
【請求項１０】時系列データの特徴を残してデータ量を
圧縮し、圧縮したデータを利用して単一時系列データ
内、異なる時系列データ間、または時系列データと非時
系列データ間の特徴的な関係を、該時系列データの特徴
または非時系列データのデータ値の組合せとして抽出す
る時系列データ解析方法。
【請求項１１】該時系列データの特徴を残してデータ量
を圧縮する方法は、請求項１、請求項２、請求項３、請
求項４、請求項５、請求項６、または請求項７記載の時
系列データ圧縮方法である請求項１０の時系列データ解
析方法。
【請求項１２】時系列データの特徴を抽出して記号に変
換し、単一時系列データ内、異なる時系列データ間、ま
たは時系列データと非時系列データ間の特徴的な関係を
記号処理により抽出する時系列データ解析方法。
【請求項１３】該時系列データの特徴を抽出して記号に
変換する方法は、請求項２、請求項３、請求項６、また
は請求項７記載の時系列データ圧縮方法である請求項１
２の時系列データ解析方法。
【請求項１４】データバスを介して外部よりデータを読
み込むデータ入出力部と、読み込んだデータのうち時系
列データに関して、時系列データのデータ値の特徴およ
び時間軸についての特徴を抽出してデータ量を圧縮する
データ圧縮部と、ユーザが入力するデータ値の特徴、時
間軸についての特徴、およびそれらの特徴を持ったデー
タの発生に対応するアクションを記憶し、実際のデータ
から抽出されたデータ値の特徴および時間軸についての
特徴と、該記憶内容を比較検証して、特徴が一致した場
合には該記憶内容の対応するアクションを実行する時系
列データ監視部と、圧縮されたデータの特徴的な関係お
よび時系列データ監視内容等をユーザに表示するユーザ
入出力部を備える時系列データ解析監視装置。
【請求項１５】上記データ圧縮部は、請求項１、請求項
２、請求項３、請求項４、請求項５、請求項６、または
請求項７記載の時系列データ圧縮方法の１つ以上を用い
る請求項１４記載の時系列データ解析監視装置。
【請求項１６】データバスを介して外部よりデータを読
み込むデータ入出力部と、読み込んだデータのうち時系
列データに関して、時系列データの特徴をユーザが直観
的に理解可能な形式で抽出してデータ量を圧縮するデー
タ圧縮部と、圧縮されたデータを利用して単一の時系列
データ内、異なる時系列データ間、または時系列データ
と時系列でないデータ間の特徴的な関係を抽出するデー
タ特徴抽出部と、ユーザが入力するデータ値の特徴、時
間軸についての特徴、およびそれらの特徴を持ったデー
タの発生に対応するアクションを記憶し、実際のデータ
から抽出されたデータ値の特徴および時間軸についての
特徴と、該記憶内容を比較検証して、特徴が一致した場
合には該記憶内容の対応するアクションを実行する時系
列データ監視部と、圧縮されたデータの特徴的な関係お
よび時系列データ監視内容等をユーザに表示するユーザ
入出力部を備える時系列データ解析監視装置。
【請求項１７】上記データ圧縮部は、請求項１、請求項
２、請求項３、請求項４、請求項５、請求項６、または
請求項７記載の時系列データ圧縮方法の１つ以上を用い
る請求項１６記載の時系列データ解析監視装置。
【請求項１８】上記データ特徴抽出部は、請求項８、請
求項９、請求項１０、請求項１１、請求項１２、または
請求項１３記載の時系列データ解析方法の１つ以上を用
いる請求項１６記載の時系列データ解析監視装置。
【請求項１９】時系列データのデータ値の絶対量または
変化量等からデータ値の特徴を抽出し、抽出されたデー
タ値の特徴をユーザが直観的に理解可能な形式に変換
し、さらに抽出されたデータ値の特徴に対応する絶対時
間または時間変化等の値を用いて時間軸についての特徴
を抽出し、抽出された時間軸についての特徴をユーザが
直観的に理解可能な形式に変換して表示を行なう時系列
データ表示方法。
【請求項２０】上記データ値の特徴をユーザが直観的に
理解可能な形式に変換する方法は、予め定めてある特徴
と記号の変換方式に従って所定の記号に変換する請求項
１９記載の時系列データ表示方法。
【請求項２１】上記時間軸についての特徴をユーザが直
観的に理解可能な形式に変換する方法は、予め定めてあ
る特徴と記号の変換方式に従って所定の記号に変換する
請求項１９記載の時系列データ表示方法。
【請求項２２】時系列データのデータ値の絶対量または
変化量等からデータ値の特徴を抽出し、抽出されたデー
タ値の特徴に対応する絶対時間または時間変化等の値を
用いて時間軸についての特徴を抽出し、該時系列データ
を、該データ値の特徴および該時間軸についての特徴を
要素とするベクトル列に変換して表示を行なう時系列デ
ータ表示方法。
【請求項２３】時系列データのデータ値の絶対量または
変化量等からデータ値の特徴を抽出し、抽出されたデー
タ値の特徴をユーザが直観的に理解可能な形式に変換
し、抽出されたデータ値の特徴に対応する絶対時間また
は時間変化等の値を用いて時間軸についての特徴を抽出
し、抽出された時間軸についての特徴をユーザが直観的
に理解可能な形式に変換し、時系列データを、該データ
値の特徴および該時間軸についての特徴を要素とするベ
クトル列に変換して表示する時系列データ表示方法。
【請求項２４】上記データ値の特徴をユーザが直観的に
理解可能な形式に変換する方法は、予め定めてある特徴
と記号の変換方式に従って所定の記号に変換する請求項
２３記載の時系列データ表示方法。
【請求項２５】上記時間軸についての特徴をユーザが直
観的に理解可能な形式に変換する方法は、予め定めてあ
る特徴と記号の変換方式に従って所定の記号に変換する
請求項２３記載の時系列データ表示方法。
【請求項２６】単一の時系列データ内、異なる時系列デ
ータ間、または時系列データと非時系列データ間の特徴
的な関係を表示する方法は、請求項８、請求項９、請求
項１０、請求項１１、請求項１２、または請求項１３記
載の時系列データ解析方法の１つ以上を用いて得られる
結果を表示するデータ間の特徴表示方法。
【請求項２７】上記ユーザ入出力部は、請求項１９、請
求項２０、請求項２１、請求項２２、請求項２３、請求
項２４、または請求項２５の時系列データ表示方法の１
つ以上を用いる、請求項１４、請求項１５、請求項１
６、請求項１７、または請求項１８いずれか１項記載の
時系列データ解析監視装置。
【請求項２８】上記ユーザ入出力部は、請求項２６記載
のデータ間の特徴表示方法を用いる、請求項１６、請求
項１７、または請求項１８いずれか１項記載の時系列デ
ータ解析監視装置。