JP6795448B2 - データ処理装置、データ処理方法およびプログラム - Google Patents

Description

本発明は、データ処理装置、データ処理方法およびプログラムに関する。

交通あるいはヘルスケアなど様々な分野において、所定の対象の時系列データを検出することが行われている。このような時系列データから検出対象の異常を即座に発見することが重要な場合がある。
また、時系列データのサンプル数が膨大になりかつ常に次々とデータが発生するストリームデータを処理の対象とする場合も多い。

異常を検出する方法としては、事前知識を用いて異常を検出する方法と、異常として外れ値を検出する方法とに大別される。
事前知識を用いて異常を検出する方法では、特定の条件を満たす時系列データが発生したときに異常の発生として当該異常を検出するが、未知の事象に対応することができない。また、事前知識を用いて異常を検出する方法では、前提条件が仮定されている場合が多いため、前提条件が変化するときには、その都度、特定の条件を修正する必要がある。また、この方法では、事前知識を学習する必要がある。このような点を補うために、機械学習を利用することも考えられるが、十分に高速な処理は確立されていない。

こうした事情から、ストリームデータを対象として、外れ値を検出する方法の確立および高度化が重要となる。
例えば、外れ値を検出する技術は従前から存在しているが、特にストリームデータを対象とするときに、十分に高速な処理が行われない場合があった。異常が発生するときを予測することが困難な状況では、常に異常の発生の有無を監視する必要があり、時系列データを構成するデータが次々と発生する速度と比べて十分に高速な処理を実現する必要があった。

一例として、非特許文献１では、ｔ−ｄｉｇｅｓｔと呼ばれる技術が提案されている。ｔ−ｄｉｇｅｓｔは、値の集合に対してその分布を推定するデータ構造を有し、例えば、ストリームデータを対象としてその分布を推定することが可能である。
しかしながら、ｔ−ｄｉｇｅｓｔだけでは、十分に高速な処理を実現することが困難な場合があった。

ＴＥＤ ＤＵＮＮＩＮＧ ＡＮＤ ＯＴＭＡＲ ＥＲＴＬ、"ＣＯＭＰＵＴＩＮＧ ＥＸＴＲＥＭＥＬＹ ＡＣＣＵＲＡＴＥ ＱＵＡＮＴＩＬＥＳ ＵＳＩＮＧ ｔ−ＤＩＧＥＳＴＳ"、［ｏｎｌｉｎｅ］、［平成２９年４月１２日検索］、インターネット＜ＵＲＬ：https://github.com/tdunning/t-digest/blob/master/docs/t-digest-paper/histo.pdf＞

従来では、多次元およびマルチスケールのデータ解析を行うことが困難である場合があった。なお、ｔ−ｄｉｇｅｓｔでは、多次元およびマルチスケールについては想定されていなかった。

本発明は、このような事情を考慮してなされたもので、多次元およびマルチスケールのデータ解析を行うことで異常を検出することを可能とするデータ処理装置、データ処理方法およびプログラムを提供することを課題とする。

一構成例として、少なくとも１個の観点および前記観点ごとの複数のスケールについて、前記観点と前記スケールとの組み合わせごとに含まれるデータに基づく統計量データである基準データと比較対象データとを比較する統計量データ比較部と、前記統計量データ比較部による比較の結果に基づいて、前記観点の複数の範囲のなかで異常があるとみなされる範囲を判定する異常範囲判定部と、を備え、前記異常範囲判定部は、前記統計量データ比較部による比較の結果に基づいて、異常があるとみなされる前記観点の範囲候補を判定し、前記異常範囲判定部は、前記観点の前記範囲候補に含まれる複数の範囲のなかで、前記基準データと前記比較対象データとの差を表すＬＯＦが最大となる範囲を、異常があるとみなされる範囲として、判定する、統計量データ処理装置である。

本発明によれば、多次元およびマルチスケールのデータ解析を行うことで異常を検出することを可能とすることができる。

本発明の一実施形態（第１実施形態）に係るデータ処理システムの概略的な構成を示すブロック図である。 本発明の一実施形態に係る統計量データ処理装置の概略的な構成を示すブロック図である。 本発明の一実施形態に係る統計量データ群の一例のデータ構造を模式的に示す図である。 本発明の一実施形態に係る統計量データに基づく異常検出処理の概要を示す図である。 本発明の一実施形態に係る基準となる統計量データの一例を示す図である。 本発明の一実施形態に係る基準となる統計量データの他の一例を示す図である。 本発明の一実施形態に係る解析対象となる統計量データの一例を示す図である。 本発明の一実施形態に係る時刻範囲ごとにおける統計量データの比較結果の一例を示す図である。 本発明の一実施形態に係る異常期間の判定処理の一例を説明するための図である。 本発明の一実施形態に係る統計量データ処理装置において行われる異常の有無を検出するための処理の手順の一例を示す図である。 本発明の一実施形態（第２実施形態）に係るデータ処理システムの概略的な構成を示すブロック図である。

以下、図面を参照し、本発明の実施形態について説明する。

（第１実施形態）
［データ処理システム］
図１は、本発明の一実施形態（第１実施形態）に係るデータ処理システム１の概略的な構成を示すブロック図である。
データ処理システム１は、ｎ（ｎは２以上の整数とする。）個の端末装置１１−１〜１１−ｎと、統計量データ処理装置１２と、データベース１３と、ネットワーク２１を備える。
ネットワーク２１としては、有線または無線の任意のネットワークが用いられてもよく、例えば、インターネットあるいはＷｉ−Ｆｉ（登録商標）のネットワークなどが用いられてもよい。
データベース１３は、本実施形態では、統計量データ処理装置１２とは別に備えられるが、他の例として、統計量データ処理装置１２に一体化されていてもよい。

統計量データ処理装置１２は、端末装置１１−１〜１１−ｎに関する所定の対象のデータを取得して解析する。本実施形態では、当該データは、所定の対象の時系列データについて、サンプル数が膨大（ビックデータ）になりかつ常に次々とデータが発生するストリームデータであるとする。

所定の対象のデータとしては、任意のデータが用いられてもよく、例えば、ＩｏＴ（Ｉｎｔｅｒｎｅｔ ｏｎ Ｔｈｉｎｇｓ）に関するデータが用いられてもよく、あるいは、他のデータが用いられてもよい。
具体例として、所定の対象のデータとしては、任意のシステムにおけるデータが用いられてもよく、例えば、車両などの交通システムに関するデータ、人などのヘルスケアシステムに関するデータ、製品を生産などする工場システムに関するデータ、証券などの金融システムに関するデータ、有線または無線の通信システムに関するデータなどが用いられてもよい。また、任意のシステムにおいて、所定の対象のデータとしては、様々なデータが用いられてもよく、例えば、温度に関するデータ、湿度に関するデータ、速度に関するデータ、加速度に関するデータ、画像に関するデータ、酸素などの物質の濃度に関するデータ、品質に関するデータ、株価に関するデータ、通信信号に関するデータ、端末装置（本実施形態では、端末装置１１−１〜１１−ｎ）の位置に関するデータ、端末装置が存在する領域に関するデータなどが用いられてもよい。

また、所定の対象のデータを検出する手法としては、様々な手法が用いられてもよい。
一例として、それぞれの端末装置１１−１〜１１−ｎにおいて、当該それぞれの端末装置１１−１〜１１−ｎに関する所定の対象のデータを検出する構成が用いられてもよい。この構成では、それぞれの端末装置１１−１〜１１−ｎは、所定の対象のデータを検出する検出部を備え、当該検出部により検出されたデータを、ネットワーク２１を介して、統計量データ処理装置１２に送信する。当該検出部は、例えば、センサー、あるいは、撮像装置（カメラ）であってもよい。ここで、撮像装置（カメラ）も、センサーの一例であると捉えられてもよい。
なお、それぞれの端末装置１１−１〜１１−ｎは、ＩｏＴの端末装置であってもよく、あるいは、他の端末装置であってもよい。

他の例として、データ処理システム１は、端末装置１１−１〜１１−ｎとは別の検出装置（図示を省略）を備えてもよい。この構成では、当該検出装置は、それぞれの端末装置１１−１〜１１−ｎに関する所定の対象のデータを検出する検出部を有しており、当該検出部により検出されたデータを、ネットワーク２１を介して、統計量データ処理装置１２に送信する。

当該検出装置は、例えば、所定の領域の画像を撮像する撮像装置（カメラ）を備えてもよく、当該画像に基づいて、当該所定の領域に存在する端末装置１１−１〜１１−ｎの数のデータなどを所定の対象のデータとして検出してもよい。
当該検出装置は、例えば、所定の領域に存在する端末装置１１−１〜１１−ｎと無線または有線で通信する通信部を備えてもよく、この通信の結果に基づいて、当該所定の領域に存在する端末装置１１−１〜１１−ｎの数のデータなどを所定の対象のデータとして検出してもよい。
当該検出装置は、例えば、端末装置１１−１〜１１−ｎから発信される信号を取得する信号取得部を備えてもよく、当該信号の状況に基づいて、当該信号の発生頻度あるいは遅延度などを表すデータなどを所定の対象のデータとして検出してもよい。

本実施形態では、それぞれの端末装置１１−１〜１１−ｎは、ネットワーク２１を介して、他の装置（例えば、統計量データ処理装置１２など）と通信することが可能である。なお、それぞれの端末装置１１−１〜１１−ｎは、有線または無線により、ネットワーク２１との間で通信接続する。
他の例として、それぞれの端末装置１１−１〜１１−ｎは、通信機能を備えなくてもよい。

また、それぞれの端末装置１１−１〜１１−ｎとしては、例えば、同じ構成を有する端末装置が用いられてもよく、あるいは、異なる構成を有する端末装置が含まれてもよい。
また、それぞれの端末装置１１−１〜１１−ｎは、例えば、物に付加あるいは装着などされてもよく、あるいは、人により携帯あるいは装着などされてもよい。当該物としては、任意のものであってもよく、例えば、自動車などの車両、あるいは、電化製品などであってもよい。

また、端末装置１１−１〜１１−ｎとは別の検出装置は、例えば、統計量データ処理装置１２に備えられてもよい。この構成では、統計量データ処理装置１２は、当該検出装置により検出されたデータを取得して解析する。

［統計量データ処理装置］
図２は、本発明の一実施形態に係る統計量データ処理装置１２の概略的な構成を示すブロック図である。
統計量データ処理装置１２は、入力部１１１と、出力部１１２と、記憶部１１３と、通信部１１４と、制御部１１５を備える。
制御部１１５は、データ取得部１３１と、統計量データ処理部１３２と、データ出力制御部１３３を備える。
統計量データ処理部１３２は、観点設定部１５１と、スケール設定部１５２と、統計量データ群生成部１５３と、統計量データ比較部１５４と、異常範囲判定部１５５を備える。

入力部１１１は、外部から情報を入力する。入力部１１１は、例えば、ユーザ（人）により行われる操作を受け付ける操作部を有し、当該操作部により受け付けられた操作に応じた情報を入力する。入力部１１１は、例えば、外部の装置（例えば、記録媒体など）と接続されて当該外部の装置から出力される情報を入力する。
出力部１１２は、情報を出力する。出力部１１２は、例えば、画面を有しており、情報を画面に表示（出力）する。出力部１１２は、例えば、外部の装置（例えば、記録媒体など）と接続されて当該外部の装置に情報を出力する。
記憶部１１３は、情報を記憶する。なお、本実施形態では、記憶部１１３とデータベース１３とは、任意に使い分けられてもよい。
通信部１１４は、情報を通信する。本実施形態では、通信部１１４は、ネットワーク２１を介して、他の装置（例えば、端末装置１１−１〜１１−ｎあるいは別の検出装置）と情報を通信する。

制御部１１５は、統計量データ処理装置１２における各種の制御を行う。
本実施形態では、記憶部１１３は、所定の制御プログラムおよびそのパラメーターの情報を記憶する。また、制御部１１５は、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）を用いて構成される。そして、制御部１１５では、ＣＰＵが記憶部１１３に記憶された制御プログラムを、記憶部１１３に記憶されたパラメーターを使用して実行することで、各種の制御を行う。

なお、統計量データ処理装置１２について、図２に示した各処理部１１１〜１１５を備える構成は一例であり、他の構成が用いられてもよい。例えば、各処理部１１１〜１１５の機能の区分は、説明の便宜上のものであり、必ずしも図２に示した構成に限定されない。

制御部１１５の機能について説明する。
データ取得部１３１は、解析対象となるデータとして、所定の対象のデータを取得する。
一例として、データ取得部１３１は、通信部１１４により他の装置（例えば、端末装置１１−１〜１１−ｎあるいは別の検出装置）から受信されたデータを、解析対象となるデータとして取得してもよい。
他の例として、データ取得部１３１は、過去に取得されたデータを順次データベース１３に記憶しておき、当該データの処理を行うときに、当該データベース１３から当該データを解析対象となるデータとして取得してもよい。
また、他の例として、所定の対象のデータが統計量データ処理装置１２を経由せずにデータベース１３に記憶される構成が用いられてもよく、この場合、データ取得部１３１は、当該データの処理を行うときに、当該データベース１３から当該データを解析対象となるデータとして取得してもよい。

統計量データ処理部１３２は、データ取得部１３１により取得されたデータについて統計的な処理を行い、その結果のデータ（本実施形態において、「統計量データ」ともいう。）を取得する。
なお、統計量データ処理部１３２では、例えば、データ取得部１３１によりリアルタイムで次々と取得されるデータ（新たに増えていくデータのまとまり）について処理を行う場合があってもよく、また、データ取得部１３１により取得された過去のデータ（新たに増えないデータのまとまり）について処理を行う場合があってもよい。
また、統計量データ処理部１３２は、統計量データに基づいて異常の有無に関する検出（判定）を行う。

データ出力制御部１３３は、出力対象となるデータを出力部１１２により出力する制御を行う。この出力としては、例えば、文字、図形あるいはグラフなどの表示出力が用いられる。
出力対象となるデータとしては、任意のデータが用いられてもよく、例えば、データ取得部１３１により取得されたデータ、あるいは、統計量データ処理部１３２による処理により得られた結果のデータなどが用いられてもよい。また、統計量データ処理部１３２による処理により得られた結果のデータとしては、例えば、統計量データ群生成部１５３による処理により得られた結果のデータ、統計量データ比較部１５４による処理により得られた結果のデータ、あるいは、異常範囲判定部１５５による処理により得られた結果のデータのうちの１以上が用いられてもよい。

統計量データ処理部１３２について説明する。
観点設定部１５１は、解析対象のデータについて、観点（項目）を設定する。観点設定部１５１は、解析対象のデータについて、２個以上の観点を設定してもよい。
ここで、観点としては、任意の観点が用いられてもよく、例えば、時間（時刻）、領域（地域）、デバイス種別などが用いられてもよい。
また、観点設定部１５１は、例えば、あらかじめ定められた観点を設定してもよく、あるいは、ユーザなどから指示された観点を設定してもよい。観点があらかじめ定められる場合には、例えば、当該観点を特定する情報が記憶部１１３に記憶される。

スケール設定部１５２は、それぞれの観点について、スケール（粒度）を設定する。スケール設定部１５２は、それぞれの観点について、２個以上のスケールを設定してもよい。
ここで、スケールとしては、任意の大きさを有するスケールが用いられてもよい。
例えば、時間のスケールとして、１秒のスケール、１分のスケール、１時間のスケール、１日のスケール、あるいは、他の任意の大きさのスケールが用いられてもよい。
例えば、領域のスケールとして、地区のスケール、市区町村のスケール、都道府県のスケール、全国のスケール、あるいは、他の任意の大きさのスケールが用いられてもよい。
例えば、デバイス種別のスケールとして、機種のスケール、メーカーのスケール、ＯＳ（Ｏｐｅｒａｔｉｎｇ Ｓｙｓｔｅｍ）のスケール、あるいは、他の任意の種別（属性）のスケールが用いられてもよい。
スケール設定部１５２は、例えば、それぞれの観点について、あらかじめ定められたスケールを設定してもよく、あるいは、ユーザなどから指示されたスケールを設定してもよい。スケールがあらかじめ定められる場合には、例えば、当該スケールを特定する情報が記憶部１１３に記憶される。

統計量データ群生成部１５３は、データ取得部１３１により取得されたデータについて、観点設定部１５１により設定された観点およびスケール設定部１５２により設定されたスケールに基づいて、統計的な処理を行うことで、複数の統計量データの集合（本実施形態において、「統計量データ群」ともいう。）を生成する。
本実施形態では、統計量データ群生成部１５３は、多次元およびマルチスケールのデータ解析を行った結果のデータを、統計量データ群（本実施形態において、「多次元マルチスケール統計量データ群」ともいう。）として生成する。
ここで、本実施形態では、次元は観点を表わしており、多次元は複数の観点があることを表わしている。
また、本実施形態では、マルチスケールは、複数のスケールがあることを表わしている。

統計量データ比較部１５４は、基準となる統計量データと、解析対象となる統計量データとを比較する。本実施形態では、統計量データ比較部１５４は、複数の異なるスケールについて、基準となる統計量データと、解析対象となる統計量データとを比較する。
ここで、基準となる統計量データは、例えば、データ取得部１３１により取得されてもよく、あるいは、統計量データ群生成部１５３により生成された統計量データ群に含まれる統計量データが用いられてもよい。
また、解析対象となる統計量データは、例えば、データ取得部１３１により取得されてもよく、あるいは、データ取得部１３１により取得されたデータに基づいて統計量データ処理部１３２（例えば、統計量データ比較部１５４）により生成された統計量データが用いられてもよく、あるいは、統計量データ群生成部１５３により生成された統計量データ群に含まれる統計量データが用いられてもよい。

異常範囲判定部１５５は、統計量データ比較部１５４による比較の結果に基づいて、解析対象となる統計量データについて、異常が発生した範囲（本実施形態では、時刻（時間）の範囲であり、「異常期間」ともいう。）を判定する。なお、この判定は、例えば、推定的な判定であってもよい。
本実施形態では、解析対象となる統計量データについて、異常範囲判定部１５５により異常期間が判定されたことによって、異常が存在することを検出する。

［統計量データ群のデータ構造の例］
図３は、本発明の一実施形態に係る統計量データ群２０１の一例のデータ構造を模式的に示す図である。
図３の例では、当該統計量データ群２０１は、統計量データ処理部１３２により時系列データが処理された結果である多次元マルチスケール統計量データ群となっている。当該統計量データ群２０１は、時系列データを対象として多次元およびマルチスケールに拡張された分布データ（本実施形態では、統計量データ）の構造を有する。
図３の例では、複数の観点として、時間、領域、デバイス種別が用いられている。また、それぞれの観点について、複数のスケール（マルチスケール）が用いられている。

図３の例では、時間に関する複数のスケールとして、時間スケールｓ０、時間スケールｓ１、時間スケールｓ２が用いられている。一例として、時間スケールｓ０は「１０秒」であり、時間スケールｓ１は「２０秒」であり、時間スケールｓ２は「４０秒」である。
また、領域に関する複数のスケールとして、領域スケールＡ１、領域スケールＡ２、領域スケールＡ３が用いられている。一例として、領域スケールＡ１は「東京」であり、領域スケールＡ２は「関東」であり、領域スケールＡ３は「日本（全国）」である。
また、デバイス種別に関する複数のスケールとして、デバイス種別スケールＤ１、デバイス種別スケールＤ２が用いられている。一例として、デバイス種別スケールＤ１は「特定の機種Ａ１」であり、デバイス種別スケールＤ２は「特定のメーカーＢ１」である。

また、図３の例では、時刻を表す軸の方向（矢印）を示してある。時刻の範囲（時間の区分）として、時刻範囲ｔ０、時刻範囲ｔ１、時刻範囲ｔ２、時刻範囲ｔ３が用いられている。時刻範囲ｔ０は「０秒以上１０秒未満」であり、時刻範囲ｔ１は「１０秒以上２０秒未満」であり、時刻範囲ｔ２は「２０秒以上３０秒未満」であり、時刻範囲ｔ３は「３０秒以上４０秒未満」である。
なお、時刻の初期値（本実施形態では、０秒）としては、任意のタイミングが用いられてもよい。

ここで、１個の時間スケールと、１個の領域スケールと、１個のデバイス種別スケールが特定されて、当該時間スケールに応じた１個の時刻範囲が特定されると、単位となる統計量データ（本実施形態において、「単位統計量データ」ともいう。）が特定される。
１個の時間スケールと、１個の領域スケールと、１個のデバイス種別スケールと、当該時間スケールに応じた１個の時刻範囲によって特定される単位統計量データは、当該時刻範囲の最大の時刻から当該時間スケールだけ過去に遡った時刻までの間に属し、かつ、当該領域スケールに属し、かつ、当該デバイス種別スケールに属するデータについて、統計量データ処理部１３２によって統計的な演算を行うことにより得られた統計量データに相当する。

図３の例では、時間スケールｓ０かつ時刻範囲ｔ３に該当する６個の単位統計量データ２１１〜２１３、２２１〜２２３と、時間スケールｓ１かつ時刻範囲ｔ３に該当する６個の単位統計量データ３１１〜３１３、３２１〜３２３と、時間スケールｓ２かつ時刻範囲ｔ３に該当する６個の単位統計量データ４１１〜４１３、４２１〜４２３だけに符号を付してあり、他の単位統計量データについては符号を省略してある。

一例として、単位統計量データ２１１は、時間スケールＳ０（１０秒）、領域スケールＡ１（東京）、デバイス種別スケールＤ１（特定の機種Ａ１）、時刻範囲ｔ３（３０秒以上４０秒未満）に該当する。そして、当該単位統計量データ２１１は、時刻が３０秒以上４０秒未満に属し、かつ、領域が東京に属し、かつ、デバイス種別が特定の機種Ａ１に属するデータに基づいて得られた統計量データである。すなわち、当該データは、時刻が３０秒以上４０秒未満に発生し、東京に存在する端末装置１１−１〜１１−ｎにおいて発生し、デバイス種別が特定の機種Ａ１である当該端末装置１１−１〜１１−ｎにおいて発生したデータであることを意味する。当該単位統計量データは、このようなデータの集合を用いて得られた統計量データである。

ここで、単位統計量データとしては、任意の統計量のデータが用いられてもよく、例えば、順序統計に関する任意の値のデータが用いられてもよく、あるいは、平均値のデータが用いられてもよい。
順序統計に関する値としては、例えば、中央値が用いられてもよい。なお、一般に、処理対象となる複数のデータが同じである場合、平均値を取得（演算）する処理よりも、中央値を取得する処理の方が、処理時間が短くなると考えられる。
また、順序統計に関する値としては、例えば、累積分布関数（ＣＤＦ：Ｃｕｍｕｌａｔｉｖｅ Ｄｉｓｔｒｉｂｕｔｉｏｎ Ｆｕｎｃｔｉｏｎ）の値が用いられてもよく、あるいは、確率分布関数（ＰＤＦ：Ｐｒｏｂａｂｉｌｉｔｙ Ｄｅｎｓｉｔｙ Ｆｕｎｃｔｉｏｎ）の値が用いられてもよい。

図３の例では、それぞれの四角（直方体あるいは立方体）の単位が単位統計量データ（単位統計量データ２１１〜２１３、２２１〜２２３、３１１〜３１３、３２１〜３２３、４１１〜４１３、４２１〜４２３など）に相当する。
なお、統計量データ群生成部１５３は、任意の手法を用いて、単位統計量データを取得してもよく、例えば、既存の技術であるｔ−ｄｉｇｅｓｔの技術（例えば、非特許文献１など参照。）を用いて単位統計量データを演算して取得してもよい。本実施形態では、統計量データ群は、複数の単位統計量データを含んで構成される。

また、１個の観点について用いられる複数のスケールとしては、例えば、すべてについて互いに包含関係にある複数のスケールが用いられてもよく、あるいは、すべてについて互いに包含関係にない複数のスケールが用いられてもよく、あるいは、一部のみについて包含関係にある複数のスケールが用いられてもよい。
すべてについて互いに包含関係にある複数のスケールとしては、領域のスケールを例とすると、例えば、「東京」、「関東」、「日本」がある。
すべてについて互いに包含関係にない複数のスケールとしては、領域のスケールを例とすると、例えば、「東京」、「千葉」、「茨城」がある。
一部のみについて包含関係にある複数のスケールとしては、領域のスケールを例とすると、例えば、「東京」、「関東」（東京を含む。）、「大阪」がある。

［統計量データ処理部において行われる異常検出処理］
図４は、本発明の一実施形態に係る統計量データに基づく異常検出処理の概要を示す図である。
本実施形態では、解析対象（比較対象）のデータおよび基準となるデータとして、複数の端末装置１１−１〜１１−ｎについて、レイテンシー（Ｌａｔｅｎｃｙ）に関するデータが用いられている。レイテンシーとしては、それぞれの端末装置１１−１〜１１−ｎから送信された要求に対して応答が到来するまでの時間（遅延時間）が用いられている。
ここで、それぞれの端末装置１１−１〜１１−ｎはそれぞれ異なる人に所持されているとする。そして、説明の便宜上、平日には決まった時間に通勤ラッシュがあり、休日には通勤ラッシュが無いとする。また、通常、平日には朝の通勤ラッシュと夕方の通勤ラッシュがあるが、本例では、朝の通勤ラッシュのみを示し、夕方の通勤ラッシュを省略する。

図４の例では、解析対象のデータ５２１に基づいて、解析対象の統計量データ群５２２が生成されている。本実施形態では、解析対象の統計量データ群５２２は、異常の有無を検出する対象となる１日分のデータに基づいて生成されている。
また、図４の例では、基準となるデータ５１１として、過去の３０日分のそれぞれの日について、１日分のデータに基づいて生成された統計量データ群５１１−１〜５１１−３０が用いられている。ここで、基準となるデータ５１１が取得された３０日については、異常が発生していないとし、正常な基準のデータが取得されたとする。

統計量データ比較部１５４は、基準となるデータ５１１と、解析対象となる統計量データ群５２２とを比較する処理（比較処理５２３）を行う。
異常範囲判定部１５５は、このような比較の結果に基づいて、統計量データについて異常範囲を判定する処理（本例では、異常な分布を検出する異常検出処理５２４）を行う。これにより、異常範囲判定部１５５は、解析対象となる統計量データ群について、異常範囲５２５を判定する。
本実施形態では、異常範囲５２５が存在した場合には異常があることが検出（判定）され、異常範囲５２５が存在しない場合には異常が無いことが検出（判定）される。
なお、本例では、異常範囲５２５として、時刻（時間）の範囲である異常期間を検出（判定）する場合について説明する。

図５〜図７を参照して、統計量データの例を示す。なお、図５〜図７に示される統計量データは、説明の便宜上、人為的に作成したものであり、データ分布の時間推移を表す。
図５は、本発明の一実施形態に係る基準となる統計量データの一例を示す図である。
図５の例では、平日（Ｗｅｅｋｄａｙ）における統計量データを示してある。
図５に示されるグラフにおいて、横軸は１日分の２４時間（時刻０ａｍから時刻１２ｐｍまで）について時刻を表わしており、縦軸はそれぞれの端末装置１１−１〜１１−ｎのレイテンシー［ｍｓ］を表わしている。
このグラフには、それぞれの端末装置１１−１〜１１−ｎについて検出されたレイテンシーを示してある。
また、このグラフには、複数の端末装置１１−１〜１１−ｎのレイテンシーについて、順序統計におけるパーセンタイル特性を示してある。具体的には、１０パーセンタイルの特性６１１、２５パーセンタイルの特性６１２、５０パーセンタイルの特性６１３、７５パーセンタイルの特性６１４、９０パーセンタイルの特性６１５を示してある。
また、本例では、平日には８ａｍ前後に通勤ラッシュがあり、傾向としてレイテンシーが１日のなかで最大になるとする。

図６は、本発明の一実施形態に係る基準となる統計量データの他の一例を示す図である。
図６の例では、休日（Ｗｅｅｋｅｎｄ）における統計量データを示してある。
図６に示されるグラフにおいて、横軸は１日分の２４時間（時刻０ａｍから時刻１２ｐｍまで）について時刻を表わしており、縦軸はそれぞれの端末装置１１−１〜１１−ｎのレイテンシー［ｍｓ］を表わしている。
このグラフには、それぞれの端末装置１１−１〜１１−ｎについて検出されたレイテンシーを示してある。
また、このグラフには、複数の端末装置１１−１〜１１−ｎのレイテンシーについて、順序統計におけるパーセンタイル特性を示してある。具体的には、１０パーセンタイルの特性６２１、２５パーセンタイルの特性６２２、５０パーセンタイルの特性６２３、７５パーセンタイルの特性６２４、９０パーセンタイルの特性６２５を示してある。
また、本例では、休日には通勤ラッシュが無く、傾向としてレイテンシーが特に大きくなる期間が観測されないとする。

図７は、本発明の一実施形態に係る解析対象となる統計量データの一例を示す図である。
図７の例では、平日（Ｗｅｅｋｄａｙ）における統計量データを示してある。
図７に示されるグラフにおいて、横軸は１日分の２４時間（時刻０ａｍから時刻１２ｐｍまで）について時刻を表わしており、縦軸はそれぞれの端末装置１１−１〜１１−ｎのレイテンシー［ｍｓ］を表わしている。
このグラフには、それぞれの端末装置１１−１〜１１−ｎについて検出されたレイテンシーを示してある。
また、このグラフには、複数の端末装置１１−１〜１１−ｎのレイテンシーについて、順序統計におけるパーセンタイル特性を示してある。具体的には、１０パーセンタイルの特性６３１、２５パーセンタイルの特性６３２、５０パーセンタイルの特性６３３、７５パーセンタイルの特性６３４、９０パーセンタイルの特性６３５を示してある。
また、本例では、このグラフには、８ａｍ前後に通勤ラッシュがあり、傾向としてレイテンシーが１日のなかで最大になるが、基準となるデータ（ここでは、図５の例）と比べて異常なデータ分布になっているとする。具体的には、図７の例では、１０パーセンタイルの特性６３１と２５パーセンタイルの特性６３２とが正常時（基準時）と比べて近くなっている。

本例では、基準となる３０日分の統計量データとして、図５に示されるような平日（ここでは、月−金）の統計量データが２２日分取得されており、図６に示されるような休日（ここでは、土−日）の統計量データが８日分取得されている。
そして、本例では、統計量データ処理部１３２は、平日の統計量データを基準として用いるとともに、休日の統計量データを別の基準として用いる。このため、統計量データ比較部１５４は、解析対象となる１日分の統計量データと基準となる２２日分の平日の統計量データとを比較する処理と、解析対象となる１日分の統計量データと基準となる８日分の休日の統計量データとを比較する処理とのうちの１以上を行う。

図８は、本発明の一実施形態に係る時刻範囲ごとにおける統計量データの比較結果の一例を示す図である。
図８の例では、図５に示される基準となる平日の統計量データと、図７に示される解析対象となる統計量データとを比較する。また、基準となる平日の統計量データとしては、２２日分のデータが使用され、それぞれの日ごとに１日分の統計量データが使用される。このような２２日分のデータはクラスタとなっている。また、解析対象となる統計量データとしては、１日分のデータが使用され、その日の１日分の統計量データが使用される。

図８の例では、時刻範囲は、３０分ごとの範囲となっており、具体的には、６時から６時３０分（６：００ ｔｏ ６：３０）までの範囲、６時３０分から７時（６：３０ ｔｏ ７：００）までの範囲、７時から７時３０分（７：００ ｔｏ ７：３０）までの範囲、７時３０分から８時（７：３０ ｔｏ ８：００）までの範囲、８時から８時３０分（８：００ ｔｏ ８：３０）までの範囲、８時３０分から９時（８：３０ ｔｏ ９：００）までの範囲となっている。

また、図８の例では、観点「時間」のスケール（時間スケール）として、３０分のスケールが用いられている。この３０分の時間スケールの期間は、３０分ごとの時刻範囲の期間と合わせられている。
また、図８の例では、平面的に図示してあるが、時間以外の任意の数の観点が用いられてもよい。この場合、図８に示されるそれぞれの時刻範囲におけるデータは、時間以外のそれぞれの観点のスケールについても所定の大きさのスケールが設定されたときのデータとなる。

図８の例では、それぞれの時刻範囲において、基準となる平日の統計量データに相当する値（本実施形態において、「基準値」ともいう。）が２２個示されており、クラスタを形成している。また、解析対象となる統計量データに相当する値（本実施形態において、「対象値」ともいう。）が１個示されている。
なお、図８の例では、時刻範囲（６：００ ｔｏ ６：３０）における１個の基準値７１１に符号を付してあり、他の基準値については符号を省略してある。また、それぞれの時刻範囲における１個の対象値７２１〜７２６に符号を付してある。

統計量データ比較部１５４は、それぞれの時刻範囲において、複数（本例では、２２個）の基準値と１個の対象値（それぞれの時刻範囲における対象値７２１〜７２６）との距離を表す値を演算する。
ここで、当該距離としては、任意の距離が用いられてもよく、例えば、ＣＤＦ−ｂａｓｅｄ Ｊｅｎｓｅｎ−Ｓｈａｎｎｏｎ距離、あるいは、ＰＤＦ−ｂａｓｅｄ Ｊｅｎｓｅｎ−Ｓｈａｎｎｏｎ距離が用いられてもよく、他の例として、それぞれの日のパーセンタイル値を特徴量化して、ユークリッド距離が用いられてもよい。

解析対象となる統計量データが異常を含まない時刻範囲では、当該統計量データは基準となるクラスタ（本例では、基準となる平日のクラスタ、あるいは、基準となる休日のクラスタ）に含まれるが、解析対象となる統計量データが異常を含む時刻範囲では、当該統計量データは基準となるクラスタに含まれない。

図９は、本発明の一実施形態に係る異常期間の判定処理の一例を説明するための図である。
図８の例では、時間スケールが３０分である場合の例を示した。異常範囲判定部１５５は、時間スケールが３０分である場合と、さらに、他の任意の数の異なる期間（異なる時間の長さ）を有する時間スケールについても、統計量データ比較部１５４による比較処理を行わせる。本例では、異常範囲判定部１５５は、時間スケールが１分、１０分、３０分、６０分（＝１時間）のそれぞれである場合について、統計量データ比較部１５４による比較処理を行わせる。

図９に示されるグラフにおいて、横軸は６時（６：００）から１０時（１０：００）までの時刻を表わしており、縦軸はＬＯＦ（Ｌｏｃａｌ Ｏｕｔｌｉｅｒ Ｆａｃｔｏｒ）の値を表わしている。ここで、ＬＯＦとしては、それぞれの時刻範囲における２２個の基準値のクラスタと１個の対象値７２１〜７２６とのＬＯＦが用いられている。当該ＬＯＦは、当該対象値７２１〜７２６が当該クラスタから外れている度合いを表す。
図９の例では、時間スケール「１分」が用いられたときにおけるＬＯＦの特性８１１、時間スケール「１０分」が用いられたときにおけるＬＯＦの特性８１２、時間スケール「３０分」が用いられたときにおけるＬＯＦの特性８１３、時間スケール「６０分」が用いられたときにおけるＬＯＦの特性８１４を示してある。なお、これら複数の異なる時間スケールの期間は、例えば、始点（図３の例では、時刻範囲ｔ０の始点）のタイミングが合わせられている。

統計量データ処理装置１２では、例えば記憶部１１３に、ＬＯＦに関する所定の閾値Ｑ１が設定されている。
異常範囲判定部１５５は、まず、あらかじめ定められた複数の異なる時間スケールのそれぞれ（本例では、１分、１０分、３０分、６０分）について、演算されたＬＯＦが所定の閾値Ｑ１を超えるか否かを判定する。この判定の結果、異常範囲判定部１５５は、１個以上の時間スケールにおいてＬＯＦが所定の閾値Ｑ１を超える期間の全体を、異常期間の候補として、取得する。図９の例では、異常期間の候補は、７時から９時までとなる。なお、当該異常期間の候補は、例えば、ＬＯＦが所定の閾値Ｑ１を超える厳密な期間が用いられてもよく、あるいは、あらかじめ定められた区切り（例えば、１分単位の区切り、あるいは、５分単位の区切りなど）の期間が用いられて、当該厳密な期間からずれてもよい。

次に、異常範囲判定部１５５は、異常期間の候補について、複数の時刻範囲を設定して、統計量データ比較部１５４による比較処理を行わせる。
本例では、異常範囲判定部１５５は、異常期間の候補である７時から９時までの期間について、既に使用された最小の時間スケールである１分を使用して、開始時刻と終了時刻とのそれぞれを１分ずつずらした時刻範囲を設定する。具体的には、異常範囲判定部１５５は、開始時刻を７時から８時５９分まで１分ごとにとり、終了時刻を７時１分から９時まで１分ごとにとり、当該開始時刻と当該終了時刻とのすべての組み合わせの時刻範囲を設定する。つまり、７時から７時１分まで、７時から７時２分まで、７時から７時３分まで、・・・、７時から８時５９分まで、７時１分から７時２分まで、７時１分から７時３分まで、・・・、８時５８分から８時５９分まで、８時５８分から９時まで、８時５９分から９時まで、の時刻範囲が設定される。なお、開始時刻の方が終了時刻よりも早くなる組み合わせだけが使用される。本例では、（開始時刻、終了時刻）の組み合わせの数が、｛１２０×１１９÷２｝となる。

図９の例では、異常範囲判定部１５５は、設定した複数の時刻範囲のうちで、７時から８時３０分までの時刻範囲について演算されたＬＯＦが最大となることを判定する。そして、異常範囲判定部１５５は、当該時刻範囲に相当する期間（７時から８時３０分までの範囲）を異常範囲８１５（ＡＮＯＲＭＡＬＹ ＦＡＣＴＯＲ）であると判定する。
なお、本実施形態では、異常範囲判定部１５５は、常に（例えば、一定期間ごとに）、複数の時間スケールのそれぞれ（本例では、１分、１０分、３０分、６０分）におけるＬＯＦが所定の閾値Ｑ１を超えるか否かを判定しており、ＬＯＦが所定の閾値Ｑ１を超えた場合に、それ以降の処理として、複数の時刻範囲におけるＬＯＦについて最大となる時刻範囲を判定する処理へ移行する。

このように、異常範囲判定部１５５は、事前に取得された基準となる値（平常値）に対して、解析対象となる値（対象値）が乖離している度合いに基づいて、外れ値（異常値）であるか否かを判定する。
なお、基準となる値（平常値）は、例えば、機械学習などを用いて学習されてもよい。

ここで、異常期間の候補を検出するために最初に設定される時間スケールについて、その大きさ、あるいは、その数としては、それぞれ、任意であってもよい。
また、異常範囲判定部１５５は、異常期間の候補を検出するために最初に設定された時間スケールにおいて異常が無いことが判定された場合には、例えば、その異常検出処理を終了する。
また、異常期間の候補が検出された後に、検出された異常期間の候補に対して、さらに時刻範囲を設定して異常期間を判定する場合における当該時刻範囲について、その範囲、あるいは、その数としては、それぞれ、任意であってもよい。

また、本実施形態では、時刻（あるいは、時間）の観点に関する指標（時間スケール、時刻範囲）について異常期間を判定する場合を示したが、他の例として、時刻（あるいは、時間）以外の観点に関する指標（例えば、当該観点のスケール、当該観点の範囲）について異常範囲を判定することが行われてもよい。時刻（あるいは、時間）以外の観点としては、例えば、領域の観点、あるいは、デバイス種別の観点などが用いられてもよい。
また、本実施形態では、１個の観点（時刻（あるいは、時間）の観点）について異常範囲を判定する場合を示したが、他の例として、２個以上の異なる観点の組み合わせについて異常範囲を判定することが行われてもよい。
また、本実施形態では、複数の基準値のクラスタと対象値との距離を演算して用いたが、他の構成例として、複数の基準値のクラスタの代わりに、当該クラスタにおける１個の代表値が用いられてもよい。当該クラスタにおける１個の代表値としては、例えば、当該クラスタに含まれる値の平均値（あるいは、重心値）が用いられてもよい。

なお、基準となる統計量データとしては、基準となる平日の統計量データの代わりに、図６に示される基準となる休日の統計量データが用いられてもよい。
また、他の構成例として、複数種類（例えば、平日と休日）の基準となる統計量データと解析対象となる統計量データとを並列的に比較してもよい。この場合、例えば、比較処理が行われるタイミングごとに、複数種類の基準となる統計量データ（本実施形態の場合、複数種類のクラスタ）のなかで解析対象となる統計量データに最も近いもの（本実施形態の場合、距離が最小となる１個のクラスタ）を比較対象とする手法が用いられてもよい。

［統計量データ処理装置において行われる処理の例］
図１０は、本発明の一実施形態に係る統計量データ処理装置１２において行われる異常の有無を検出するための処理の手順の一例を示す図である。
本実施形態では、異常範囲判定部１５５は、統計量データ比較部１５４、観点設定部１５１、スケール設定部１５２にそれぞれの処理を行わせて、異常範囲を判定する処理を行う。
なお、本例は一例であり、他の任意の処理手順が用いられてもよい。

（ステップＳ１）
統計量データ比較部１５４は、異常範囲判定のための基準となるデータ（基準データ）を取得する。
（ステップＳ２）
統計量データ比較部１５４は、異常範囲判定のための対象となるデータ（対象データ）を取得する。
（ステップＳ３）
観点設定部１５１は、異常範囲判定の処理に使用する観点を設定する。
（ステップＳ４）
スケール設定部１５２は、異常範囲判定の処理に使用するスケールを設定する。
（ステップＳ５）
統計量データ比較部１５４は、設定された観点および設定されたスケールを使用して、基準データと対象データとを比較する。
（ステップＳ６）
異常範囲判定部１５５は、統計量データ比較部１５４による比較処理の結果に基づいて、異常範囲を判定し、これにより、異常の有無が検出される。なお、異常範囲判定部１５５は、比較処理の条件を複数種類に変更して、統計量データ比較部１５４による比較処理を行わせて、異常範囲を判定してもよい。比較処理の条件としては、例えば、観点、スケール、範囲（時刻範囲など）のうちの１以上に関する条件であってもよい。

［第１実施形態のまとめ］
以上のように、本実施形態に係るデータ処理システム１では、統計量データ処理装置１２において、多次元およびマルチスケールのデータ解析を行うことで異常を検出することを可能とすることができる。
本実施形態に係る統計量データ群のデータ構造では、例えば、複数の観点および複数のスケールで、異常の発生などの事象を監視して検出することなどが可能であり、様々な観点および様々なスケールの事象を並列に監視して検出することなどが可能である。この場合に、本実施形態に係る統計量データ群のデータ構造では、例えば、発生した事象がいずれの観点およびいずれのスケールでの事象であるかを判定することが可能である。具体例として、広い領域のスケールで事象が発生した場合には、広い領域にわたる原因による事象であると推定することができ、また、特定の領域のスケールで事象が発生した場合には、当該特定の領域に限られた原因による事象であると推定することができる。
ここで、本実施形態では、端末装置１１−１〜１１−ｎに関する値について統計量データを処理する構成としたが、他の任意の値について統計量データを処理する構成が実施されてもよい。

（第２実施形態）
［データ処理システム］
図１１は、本発明の一実施形態（第２実施形態）に係るデータ処理システム１００１の概略的な構成を示すブロック図である。
データ処理システム１００１は、ｎ個の端末装置１１−１〜１１−ｎと、統計量データ処理装置１０１１と、データベース１０１２と、単位統計量データ生成装置１０２１と、ネットワーク２１を備える。ここで、端末装置１１−１〜１１−ｎと、ネットワーク２１は、図１に示されるものと同様であり、説明の便宜上、同じ符号を付してある。
また、データベース１０１２は、図１に示されるデータベース１３と同様に、データを記憶する機能を有する。

本実施形態に係るデータ処理システム１００１について、図１に示されるデータ処理システム１との相違点について説明する。図１１の例では、図１の例と比べて、単位統計量データ生成装置１０２１を備えている点と、統計量データ処理装置１０１１により行われる処理の一部が、相違する。
単位統計量データ生成装置１０２１は、ｔ−ｄｉｇｅｓｔの技術（例えば、非特許文献１など参照。）により実行することが可能な処理の全部または一部を行う機能を有している。本実施形態では、単位統計量データ生成装置１０２１は、ｔ−ｄｉｇｅｓｔの技術を用いて、解析対象のデータ、観点を特定する情報、および、それぞれの観点のスケールを特定する情報に基づいて、単位統計量データを生成する機能を有する。
なお、単位統計量データ生成装置１０２１としては、例えば、統計量データ処理装置１０１１を管理する者により管理されてもよく、あるいは、他の者によって提供される単位統計量データ生成装置１０２１を利用する構成が用いられてもよい。

統計量データ処理装置１０１１は、図１に示される統計量データ処理装置１２との相違点として、単位統計量データ生成装置１０２１により行われる処理については当該単位統計量データ生成装置１０２１に当該処理を要求して処理結果を受ける構成としてある。
本実施形態では、統計量データ群生成部１５３は、単位統計量データを生成する処理を要求する信号を、通信部１１４によりネットワーク２１を介して、単位統計量データ生成装置１０２１に送信する。当該信号には、単位統計量データを生成するために必要な情報が含まれ、例えば、解析対象のデータ（または、それを特定する情報）、１個以上の観点を特定する情報、および、それぞれの観点のスケールを特定する情報が含まれる。
単位統計量データ生成装置１０２１は、このような要求の信号を受信した場合、当該要求に応じて単位統計量データを生成し、生成された単位統計量データを含む信号を、ネットワーク２１を介して、統計量データ処理装置１０１１に送信する。
統計量データ群生成部１５３は、単位統計量データ生成装置１０２１から通信部１１４により受信された単位統計量データを使用（利用）して、統計量データ群を生成する。

（以上の実施形態のまとめ）
一構成例として、少なくとも１個の観点および観点ごとの複数のスケールについて、観点とスケールとの組み合わせごとに含まれるデータに基づく統計量データである基準データと比較対象データとを比較する統計量データ比較部（図２の例では、統計量データ比較部１５４）と、統計量データ比較部による比較の結果に基づいて、観点の複数の範囲のなかで異常があるとみなされる範囲を判定する異常範囲判定部（図２の例では、異常範囲判定部１５５）と、を備える統計量データ処理装置（図１、図１１の例では、統計量データ処理装置１２、１０１１）である。
一構成例として、異常範囲判定部は、統計量データ比較部による比較の結果に基づいて、異常があるとみなされる観点の範囲候補（異常範囲の候補）を判定し、異常範囲判定部は、観点の範囲候補に含まれる複数の範囲のなかで、基準データと比較対象データとの差を表すＬＯＦが最大となる範囲を、異常があるとみなされる範囲として、判定する。
一構成例として、統計量データ比較部は、複数の基準データと比較対象データとを比較する。
一構成例として、基準データと比較対象データとのうちの一方または両方は、複数の異なる観点および観点ごとの複数の異なるスケールについて、観点とスケールとの組み合わせごとに含まれるデータに基づく統計量データを有する統計量データ群（図３の例では、統計量データ群２０１）から取得される。
一構成例として、統計量データ比較部が、少なくとも１個の観点および観点ごとの複数のスケールについて、観点とスケールとの組み合わせごとに含まれるデータに基づく統計量データである基準データと比較対象データとを比較し、異常範囲判定部が、統計量データ比較部による比較の結果に基づいて、観点の複数の範囲のなかで異常があるとみなされる範囲を判定する、統計量データ処理方法（図１、図１１の例では、統計量データ処理装置１２、１０１１により行われる処理の方法）である。
一構成例として、統計量データ比較部が、少なくとも１個の観点および観点ごとの複数のスケールについて、観点とスケールとの組み合わせごとに含まれるデータに基づく統計量データである基準データと比較対象データとを比較するステップと、異常範囲判定部が、統計量データ比較部による比較の結果に基づいて、観点の複数の範囲のなかで異常があるとみなされる範囲を判定するステップと、をコンピュータに実行させるためのプログラム（図１、図１１の例では、統計量データ処理装置１２、１０１１を構成するコンピュータ）である。

以上に示した実施形態に係る各装置（例えば、統計量データ処理装置１２、１０１１など）の機能を実現するためのプログラムをコンピュータ読み取り可能な記録媒体（記憶媒体）に記録して、この記録媒体に記録されたプログラムをコンピュータシステムに読み込ませ、実行することにより、処理を行ってもよい。
なお、ここでいう「コンピュータシステム」とは、オペレーティング・システムあるいは周辺機器等のハードウェアを含むものであってもよい。
また、「コンピュータ読み取り可能な記録媒体」とは、フレキシブルディスク、光磁気ディスク、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）、フラッシュメモリ等の書き込み可能な不揮発性メモリ、ＤＶＤ（Ｄｉｇｉｔａｌ Ｖｅｒｓａｔｉｌｅ Ｄｉｓｃ）等の可搬媒体、コンピュータシステムに内蔵されるハードディスク等の記憶装置のことをいう。
さらに、「コンピュータ読み取り可能な記録媒体」とは、インターネット等のネットワークあるいは電話回線等の通信回線を介してプログラムが送信された場合のサーバあるいはクライアントとなるコンピュータシステム内部の揮発性メモリ（例えばＤＲＡＭ（Ｄｙｎａｍｉｃ Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ））のように、一定時間プログラムを保持しているものも含むものとする。
また、上記のプログラムは、このプログラムを記憶装置等に格納したコンピュータシステムから、伝送媒体を介して、あるいは、伝送媒体中の伝送波により他のコンピュータシステムに伝送されてもよい。ここで、プログラムを伝送する「伝送媒体」は、インターネット等のネットワーク（通信網）あるいは電話回線等の通信回線（通信線）のように情報を伝送する機能を有する媒体のことをいう。
また、上記のプログラムは、前述した機能の一部を実現するためのものであってもよい。さらに、上記のプログラムは、前述した機能をコンピュータシステムに既に記録されているプログラムとの組み合わせで実現できるもの、いわゆる差分ファイル（差分プログラム）であってもよい。

以上、本発明の実施形態について図面を参照して詳述したが、具体的な構成はこの実施形態に限られるものではなく、本発明の要旨を逸脱しない範囲の設計変更等も含まれる。

１、１００１…データ処理システム、１１−１〜１１−ｎ…端末装置、１２、１０１１…統計量データ処理装置、１３、１０１２…データベース、２１…ネットワーク、１１１…入力部、１１２…出力部、１１３…記憶部、１１４…通信部、１１５…制御部、１３１…データ取得部、１３２…統計量データ処理部、１３３…データ出力制御部、１５１…観点設定部、１５２…スケール設定部、１５３…統計量データ群生成部、１５４…統計量データ比較部、１５５…異常範囲判定部、２０１、５１１−１〜５１１−３０、５２２…統計量データ群、２１１〜２１３、２２１〜２２３、３１１〜３１３、３２１〜３２３、４１１〜４１３、４２１〜４２３…単位統計量データ、５１１…基準となるデータ、５２１…解析対象のデータ、５２３…比較処理、５２４…異常検出処理、５２５…異常範囲、６１１〜６１５、６２１〜６２５、６３１〜６３５、８１１〜８１４…特性、７１１…基準値、７２１〜７２６…対象値、１０２１…単位統計量データ生成装置、Ｑ１…閾値

Claims (6)

1. 少なくとも１個の観点および前記観点ごとの複数のスケールについて、前記観点と前記スケールとの組み合わせごとに含まれるデータに基づく統計量データである基準データと比較対象データとを比較する統計量データ比較部と、
   前記統計量データ比較部による比較の結果に基づいて、前記観点の複数の範囲のなかで異常があるとみなされる範囲を判定する異常範囲判定部と、
   を備え、
   前記異常範囲判定部は、前記統計量データ比較部による比較の結果に基づいて、異常があるとみなされる前記観点の範囲候補を判定し、
   前記異常範囲判定部は、前記観点の前記範囲候補に含まれる複数の範囲のなかで、前記基準データと前記比較対象データとの差を表すＬＯＦが最大となる範囲を、異常があるとみなされる範囲として、判定する、
   統計量データ処理装置。
2. 前記異常範囲判定部は、
   前記統計量データ比較部による比較の結果に基づいて、異常があるとみなされる前記観点の前記範囲候補を判定する処理として、
   前記統計量データ比較部によって複数の異なる前記スケールについて前記基準データと前記比較対象データとを比較した結果に基づいて、１個以上の前記スケールにおいて異常があると判定した範囲の全体を、異常があるとみなされる前記観点の前記範囲候補であると判定する、
   請求項１に記載の統計量データ処理装置。
3. 前記統計量データ比較部は、複数の前記基準データと前記比較対象データとを比較する、
   請求項１または請求項２のいずれか１項に記載の統計量データ処理装置。
4. 前記基準データと前記比較対象データとのうちの一方または両方は、複数の異なる前記観点および前記観点ごとの複数の異なる前記スケールについて、前記観点と前記スケールとの組み合わせごとに含まれるデータに基づく統計量データを有する統計量データ群から取得される、
   請求項１から請求項３のいずれか１項に記載の統計量データ処理装置。
5. 統計量データ比較部が、少なくとも１個の観点および前記観点ごとの複数のスケールについて、前記観点と前記スケールとの組み合わせごとに含まれるデータに基づく統計量データである基準データと比較対象データとを比較し、
   異常範囲判定部が、前記統計量データ比較部による比較の結果に基づいて、前記観点の複数の範囲のなかで異常があるとみなされる範囲を判定する、
   統計量データ処理方法であって、
   前記異常範囲判定部は、前記統計量データ比較部による比較の結果に基づいて、異常があるとみなされる前記観点の範囲候補を判定し、
   前記異常範囲判定部は、前記観点の前記範囲候補に含まれる複数の範囲のなかで、前記基準データと前記比較対象データとの差を表すＬＯＦが最大となる範囲を、異常があるとみなされる範囲として、判定する、
   統計量データ処理方法。
6. 統計量データ比較部が、少なくとも１個の観点および前記観点ごとの複数のスケールについて、前記観点と前記スケールとの組み合わせごとに含まれるデータに基づく統計量データである基準データと比較対象データとを比較するステップと、
   異常範囲判定部が、前記統計量データ比較部による比較の結果に基づいて、前記観点の複数の範囲のなかで異常があるとみなされる範囲を判定するステップと、
   をコンピュータに実行させるためのプログラムであって、
   前記異常範囲判定部は、前記統計量データ比較部による比較の結果に基づいて、異常があるとみなされる前記観点の範囲候補を判定し、
   前記異常範囲判定部は、前記観点の前記範囲候補に含まれる複数の範囲のなかで、前記基準データと前記比較対象データとの差を表すＬＯＦが最大となる範囲を、異常があるとみなされる範囲として、判定する、
   プログラム。