JP7227772B2 - データアセット分析支援システムおよびデータ分析方法 - Google Patents

Description

本発明は、データアセット分析を行う技術に関する。

機械や設備のセンサデータ、人が記録したデータなど様々なデータを用いた故障箇所診断支援システムや故障予兆検知システムなどの業務課題に応じたデータ分析システムがある。

分析の用途や目的に応じて、データ分析の即時性や安全性を柔軟に調整可能なデータ分析システムを提供する技術として特許文献１がある。特許文献１では、各店舗からの生データを前処理する前処理プログラムと、前処理されたデータを分析する分析プログラムとを有する。それぞれの店舗と前処理プログラムとを対応付けた送り先リストに基づいて、データ収集装置で、各店舗に対応したデータの前処理が行われ、前処理された前処理データに店舗IDを付して、センタサーバに送信し、センタサーバでは、店舗IDに応じた分析プログラムを読み出し、前処理データを分析するように構成されている。

特開２０１０－２７７５３４号公報

特許文献１では、生データを生成する各店舗の情報（ID）と、前処理プログラムと分析プログラムとを対応させ、各店舗の生データに合致した前処理プログラムと、分析プログラムとを選択することで、データ分析の即時性やデータ分析の効率向上を実現している。

しかし、最近のデータアセット分析環境では、データの所有者と分析者が完全に分離しており、分析者はデータ所有者から提供されるデータの種別について情報が提供されない場合がある。つまり、特許文献１のように店舗情報等のようにデータ種別を特定できる情報がデータ所有者から提供されない場合がある。

このような環境では、人が分析に用いるデータの特性を理解し、適した分析手法の選択を行う必要があり、近年のデータ増加により、データの種類数や量が膨大となったことで事前のデータの特性理解が煩雑で本分析を実施するまでの準備に多大な工数とリードタイムを要するという課題があった。

そこで、本発明の目的は、分析対象データがどのようなデータか分からない場合、つまり、データ種別情報等がないデータの事前分析の工数を削減することで、業務課題解決を図るデータ分析までの期間を大幅に短縮するデータアセット分析支援システム及び方法を提供することにある。

上記課題を解決する本発明のデータアセット分析支援システムの一例は、処理部と、記憶装置と、出力装置とを有するデータアセット分析支援システムにおいて、記憶装置には、データ所有者から提供される投入データと、分析対象データの特徴量と分析フローとを対応させて記憶する分析テンプレートとを記憶する。そして、処理部は、記憶装置に記憶された投入データの特徴量を生成し、生成された特徴量と、分析テンプレートとに基づいて、投入データに対する分析フローを選択し、投入データに対し、選択された分析フローを実行し、分析フローによる分析結果を前記出力装置に送信し、出力装置は、分析フローによる分析結果を出力するよう構成される。

本発明によれば、データの特性理解のための工数を削減し、業務課題解決までの期間を短縮できる。また、データ特性に応じた適切な分析フローを選定することができる。

また、本発明によれば、簡易に結果が得られるため、データ蓄積への意欲を醸成することができる。

上記した以外の課題、構成および効果は、以下の発明を実施するための形態の説明により明らかにされる。

データアセット分析支援システムのハードウェア構成図である。 データアセット分析支援システムの処理フロー図である。 データアセット分析支援システムの全体概要を示した図である。 データアセット分析支援システムのテンプレート実行処理の概要を示した図である。 データアセット分析支援システムにおける特徴量生成のフロー図である。 データアセット分析支援システムにおける特徴量生成のフロー図である。 日時項目を1列目に並び替えた投入データの一例を示す図である。 データアセット分析支援システムにおけるテンプレート選択、実行フロー図である。 分析テンプレートテーブルを示す図である。 分析データテーブルを示す図である。 データ分析の出力イメージを示す図である。 データ分析の出力イメージを示す図である。 データ分析の出力イメージを示す図である。

以下、図面を参照して本発明の実施形態を説明する。以下の記載および図面は、本発明を説明するための例示であって、説明の明確化のため、適宜、省略および簡略化がなされている。本発明は、他の種々の形態でも実施する事が可能である。特に限定しない限り、各構成要素は単数でも複数でも構わない。

以下の説明では、「テーブル」等の表現にて各種情報を説明することがあるが、各種情報は、これら以外のデータ構造で表現されていてもよい。データ構造に依存しないことを示すために「ＸＸテーブル」等を「ＸＸ情報」と呼ぶことがある。識別情報について説明する際に、「識別情報」、「識別子」、「名」、「ＩＤ」、「番号」等の表現を用いるが、これらについてはお互いに置換が可能である。

同一あるいは同様な機能を有する構成要素が複数ある場合には、基本的に同一の符号を付して説明するが、機能が同じであっても機能を実現するための手段が異なる場合がある。

また、以下の説明では、プログラムを実行して行う処理を説明する場合があるが、プログラムは、中央処理部であるプロセッサ（例えばＣＰＵ）によって実行されることで、定められた処理を、適宜に記憶資源（例えばメモリ）および／またはインターフェースデバイス（例えば通信ポート）等を用いながら行うため、処理の主体がプロセッサとされてもよい。

プログラムは、プログラムソースから計算機のような装置にインストールされてもよい。プログラムソースは、例えば、プログラム配布サーバまたは計算機が読み取り可能な記憶メディアであってもよい。プログラムソースがプログラム配布サーバの場合、プログラム配布サーバはプロセッサと配布対象のプログラムを記憶する記憶資源を含み、プログラム配布サーバのプロセッサが配布対象のプログラムを他の計算機に配布してもよい。また、以下の説明において、２以上のプログラムが１つのプログラムとして実現されてもよいし、１つのプログラムが２以上のプログラムとして実現されてもよい。

本発明の代表的な実施形態について概要を説明する。図１は、データアセット分析支援システムのハードウェア構成図である。図１に示したように、データアセット分析支援システム104は、外部装置との通信を行うためのインタフェース105、入出力装置130、処理部（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）106、メモリ108、ＨＤＤやＳＳＤ等から構成される記憶装置107を含んで構成されている。

インタフェース104はネットワーク103を介して、各種センサからデータを収集するエッジコンピュータ150、センサデータ等を格納するデータレイク151に接続されており、これら、エッジコンピュータ150、データレイク151から分析対象となるデータを受信する。入出力装置130の出力装置は、表示装置やプリンタ等の出力装置を含み、入力装置は、マウス、キーボード、タッチパネル等の入力装置を含む。メモリ108は、揮発メモリであるDRAM（Dynamic Random Access Memory）等によって構成される。

処理部を構成するCPU106は、記憶装置107に格納された各種プログラム110～115をメモリ108に読み込み、各種プログラムを実行することで、プログラムに対応した各種機能を実現する。メモリ108は、CPU106で実行される各種プログラムが格納されたり、CPU106の処理結果が一時的に格納されたりする。

ここで、各種プログラムは、特徴量生成プログラム110、テンプレート管理プログラム111、テンプレート選択プログラム112、テンプレート実行プログラム113、分析結果レポート出力114、可視化実行プログラム115が含まれる。これらプログラムをCPU106が実行することで、各種処理を実現する。

また、記憶装置107には、分析対象となるエッジコンピュータ150やデータレイク151から入力される投入データ120、特徴量生成プログラム110によって、投入データから生成された分析データ121、テンプレート管理プログラム111によって管理され、テンプレート選択プログラム112によって選択され、投入データの分析を行う分析フローを含む複数のテンプレート122を格納する。複数のテンプレートからテンプレート選択プログラム112によって、投入データを分析する一つのテンプレートが選択される。

図２は、データアセット分析支援システム104の処理フロー図である。エッジコンピュータ150やデータレイク151から分析対象となる投入データ120が入力されると、特徴量生成プログラム110にて、投入データ120の平均値、分布、偏差値等の特徴量が生成される（A）。

特徴量生成プログラム110で生成された分析データに基づいて、テンプレート管理プログラム111で管理されている複数のテンプレート122から一つのテンプレートを選択する（B）。テンプレートには、投入データを分析するための分析フローが含まれている。選択されたテンプレートにより、テンプレート実行プログラム113がテンプレートを実行（分析フローを実行）し（C）、分析結果レポート出力プログラム114が分析結果を出力装置に送信し、出力装置は分析結果を表示する（E）。

ここで、テンプレートとは特徴量から選択される分析フローに該当し、テンプレート実行とは、特徴量から選択された分析フローの実行に該当する。

投入データは、既存の可視化実行プログラム115に入力され、投入データ120の平均値、分布、偏差値等を、投入データの可視化を実行し（D）、出力装置に送信し、出力装置は可視化データを表示する。

図２では、分析テンプレート122として、予兆診断、分類診断を示しているが、故障診断の分析フローが含まれていても良い。

図３は、データアセット分析支援システムの全体概要を示した図である。図３で説明される可視化システム115、分析テンプレート管理システム111等は、各種プログラムをCPU106が実行することで実現される機能を表したものである。各システムは、CPU106に該当する制御部と、記憶装置107やメモリ108に該当する記憶部から構成される。

エッジコンピュータ150やデータレイク151から提供される投入データ120は、可視化システム115、特徴量生成システム110にそれぞれ入力される。分析テンプレート管理システムは、テンプレート管理プログラム111によって管理され、データの特徴量と分析フローを対応付けて管理する分析テンプレートテーブル122(図９Ａ)を記憶する。分析テンプレートテーブルの情報は、予め分析者によって登録されていても良い。

可視化システム115によって、統計処理された分析結果は、分析結果レポート114として、出力装置130に送信される。出力装置130で出力されるイメージは、図１０から１２に示している。

一方、特徴量生成システム110によって、投入データの平均値、分布、偏差値等の特徴量を算出し、各投入データのファイルごとに算出された特徴量を分析データテーブル（図９Ｂ）に対応付けて記憶する。テンプレート選択実行システム112・113は、特徴量生成システム110で算出された特徴量と、データの特徴量と分析フローを対応付けて管理する分析テンプレートテーブル122に基づいて、投入データに対して分析フローを選択して実行する。

テンプレート選択・実行システム112・113は、図１のテンプレート選択プログラム、テンプレート実行プログラムをCPU106が実行することで実現される。

テンプレート選択・実行システム112・113の分析結果も、可視化システム125の出力と同様、出力装置によって分析結果レポートとして出力される。

図４は、データアセット分析支援システムのテンプレート実行処理の概要を示した図である。図４に記載した各システムは、各種プログラムをCPU106が実行することで実現される機能を表したものである。

特徴量生成システム110に投入データ120が入力されると（A）、特徴量生成処理110aにより投入データの平均値、分布、偏差値等の特徴量が生成され、分析データ121が出力される（B）。

特徴量生成システム110によって生成された特徴量からテンプレート選択・実行システム112・113は、分析テンプレートテーブルに基づいて、テンプレートを選択する（C）。即ち、特徴量に対応した分析フローを選択する。

テンプレート選択・実行システム112・113は、特徴量生成システム110から出力された分析データ121を入力し、特徴量からテンプレートを選択112a（特徴量に対応した分析フロー）し、選択されたテンプレート（選択された分析フロー）を実行処理113aする（C・D）。

テンプレート選択・実行システム112・113の出力は、分析結果レポート出力プログラム114によって、出力装置に送信される。

図５は、データアセット分析支援システム104における特徴量生成のフロー図である。この処理は、特徴量生成プログラム110をCPU106からなる処理部が実行することで実現される。

まず、投入データは、一列目に日時に関するデータである日時項目、２列目に故障有無フラグ、故障個所、或いはその他の目的変数となる情報があるデータであるという制約があるものとする。一列目の日時に関するデータ時間順に並び替える（ソートする）(S501)。本実施例では、日時とデータの値との相関関係を基に、データ種別等が不明なデータからデータの種別を効率よく把握するため、日時とデータとの関係から第１の特徴量（特徴量１）を算出する。

ステップS501で投入データの各項目の内、1列目の日時に関する項目を並び替えた後の投入データの一例を図７に示す。

図７に示す通り、項目の1列目701は、日時に関する項目である。2列目は、故障発生の情報、3列目から5列目(703～705)は、各装置に付与されたセンサの値である。各装置は、装置を識別するための名称として、EquipmentA等が付されている。また、各装置に付されるセンサを識別するためのセンサ識別子として、Sensor1等が付されている。装置を識別するための情報は、名称の他、識別子等であっても良く、センサの識別子は、センサ名称であっても良い。投入データは、機器の故障に関するデータの他、営業データの解約予測等であっても良い。その場合、２列目には解約有無フラグ、3列目以降に契約者情報(性別、年収等の営業に関するデータとなる。

さらに、6列目以降(707～709)は、各センサの値を示している。センサを識別するためのセンサ名が付されている。図７は、故障予兆診断を行う場合の投入データの一例を示しているが、故障個所推定の投入データであっても良い。この場合、項目として、異常コード等が入力される場合がある。

図５に戻り、並び替えられた1列目の日時項目の各行の値の差分を算出する（S502）。次に、差分の最頻値を算出する（S503）。次に、差分の最頻値に該当しない値が全体の20％未満か判定し（S504）、20％未満の場合には、ステップS506に進み、投入データは定期的な特徴を有するデータであるとし、第１の特徴量を定期とする。ステップS504で20％以上の場合、投入データは不定期的な特徴を有するデータであるとし、第１の特徴量を不定期とする。

つまり、本実施例では、日時とデータの値との相関関係を基に、データ種別の不明なデータからデータの種別を効率よく特定するため、投入データを並び替えて、投入データの一列目の日時項目に関するデータを時間順に並び替え、並び替えられた1列目のデータの差分、即ち、日時データの差分を算出する。

例えば、投入データのデータが出現する間隔が1分であるとか、1日とかを算出する。差分の最頻値が1分である場合、1分毎に定期的に出現するデータであると推定できる。そのため、ステップS504で最頻値に該当しないデータが20％未満であるかを判定する。即ち、80％以上のデータが1分毎に出現しているため、第１の特徴量が定期であると判定するようにしている。このような定期的なデータは、例えば、投入データが風力発電の通常状態のセンサデータのような種類に該当すると推定できるからである。一方、1列目データが最頻値と関係なく出現するデータである場合、例えば、機械等の異常を検知した場合のセンサデータであると推定できる。

図５のステップS504で示した、20％という閾値は、単なる例示であって、投入データに応じて、分析者が適宜変更し得る値である。

図６は、データアセット分析支援システムにおける特徴量生成のフロー図であり、図５の続きの処理を示している。

ステップS601は、第１の特徴量が定期であるか否かを判定する。第１の特徴量が定期でない場合には、処理を終了する。

第１の特徴量が定期である場合、ステップS602に進み、各データ項目の値の種類が100以下の項目を抽出する。データ項目としては、プログラムを特定するプログラムIDや動作モードのようなユーザによって設定される値である。プログラムIDの場合、例えば、「１」「２」「５」といったIDの値が100以下である場合に抽出される。
ユーザによって設定されるデータ項目以外に、データ項目が温度である場合、10度、11度、15度等の値があるが、これら温度の値が100以下である場合に抽出されても良い。また、加速度センサの値が１ｍ／ｓ²、２ｍ／ｓ²の値があるが、これら加速度センサの値が100以下である場合に抽出されても良い。

加速度センサを例にとって説明すると、値の種類が100以下であるということは、機械が一定の動作を繰り返す、ある種のモード設定動作であると推定できる。加速度センサの値が100を超える場合、色々な数値（種類）が計測されているので、機械が一定の動作を繰り返すモードではないと推定できる。そのため、本実施例では、ステップS602で各データ項目の値の種類数が100以下の項目を抽出しているが、100という閾値は、単なる例示であって、分析者によって適宜設定し得る値である。

ステップS603において、値ごとに継続時間の最頻値を算出する。例えば、抽出された項目が加速度センサの出力である場合、加速度センサの値が１ｍ／ｓ²の継続時間が、1秒が10回、3秒が2回であり、継続時間1秒が最も多い場合、1秒を最頻値とする。

ステップS604において、最頻値に該当しない値が全体の20％未満かを判定する。例えば、上述の加速度センサを例にとると、1秒以外の値が20％以上あれば、第２の特徴量(特徴量２)はなしと判定し(S605)、20％未満であれば、第２の特徴量ありと判定する（S606）。つまり、第２の特徴量として、対象データが一定の動作を繰り返す機械等をセンシングして得られたデータであると推定する。

図５、６の特徴量生成のフローにより、投入データが第１の特徴量を有する、即ち、第１の特徴量が定期である場合、例えば、センサデータのセンシング対象である機械は、通常に動作している可能性が高いため、予兆診断の分析フローが適していると判断する。第１の特徴量がない場合、センサデータのセンシング対象である機械は、正常に動作していない可能性が高いため、分類診断の分析フローが適していると判断する。
以上は、発明理解のため温度や加速度等のセンサデータを例に説明したが、データ項目としては、プログラムを特定するプログラムIDや動作モードのようなユーザによって設定される値である場合も、センサデータの値の代わりに、プログラムID等の値を用いることで適応できる。

尚、予兆診断の分析フローは、例えば、特開２０１６－３３７７８号公報に記載の分析を適応することができる。また、分類診断の分析フローとして、例えば、特開２０１８－２５９２８号公報に記載の分類診断の分析を適応することができる。

第１の特徴量がある場合には、さらに、第２の特徴量から、例えば、センシングの対象となる機械が一定の動作の繰り返しで動作している場合、予兆診断（モードあり）の分析フローとするか、センシング対象が一定の動作の繰り返しで動作ではない場合、予兆診断（モードなし）の分析フローとするかを判断する。

図５、６の処理結果は、特徴量生成プログラム110によって、分析データ121に格納される。即ち、特徴量生成プログラム110によって生成された特徴量は、図９Ｂで示す分析データテーブルに各投入データに対応して記憶される。

図８は、データアセット分析支援システムにおけるテンプレート選択、実行フロー図である。テンプレート選択プログラム112は、図９Ｂで示した分析データテーブルを読み込む（S802）。ステップS803はレコード数分繰り返しのループを開始する。ステップS804は、第１の特徴量(特徴量１)、第２の特徴量（特徴量２）が一致するテンプレートを分析テンプレートテーブルから選択する。

分析テンプレートテーブルは、図９Ａで示したように、各特徴量と分析フローとを対応して記憶し、テンプレート122に格納されたテーブルである。例えば、特徴量１が定期で、特徴量２が無しのデータに対して、予兆診断（モードなし）の分析フローが対応して記憶されている。

次に、選択されたテンプレート、即ち、分析フローを投入データに対して実行する(S805)。可視化実行プログラム115による投入データの可視化結果とテンプレート実行結果をレポートに出力する（S806）。全てのレコードに対する処理が終了すると(S807)、処理を終了する。

図９Ａは、分析テンプレートテーブルを示す図である。分析テンプレートテーブルは、データの特徴量と分析フローを対応付けて管理する。例えば、特徴量１が定期で、特徴量２が無しのに対して、予兆診断（モードなし）の分析フローが対応して記憶されている。

図９Ｂは、分析データテーブルを示す図である。分析データテーブルは、ファイル形式で投入される投入データ毎に算出された特徴量を、投入ファイル名と対応付けて記憶する。例えば、投入ファイル名[111.csv]に対し、特徴量１が[定期]、特徴量２が[なし]が対応して記憶されている。

図１０は、分析結果レポートや可視化実行プログラムの出力イメージの一例を示した図である。分析結果レポートは出力装置によって表示される。

図１０(a)は、分析結果レポートをヒストグラムとして出力したイメージである。x軸に、例えば、図７に示した投入データのセンサの値を示し、y軸にx軸の値に該当するデータの個数（出現頻度）を示したものである。このようなヒストグラムは、データ分布傾向の把握に適している。

図１０（ｂ）は、分析結果レポートをラインチャートとして出力したイメージである。x軸は時間を表し、y軸は、例えば、投入データの項目の値を示す。ラインチャートは、時間に応じたデータの傾向把握に適している。

図１０（ｃ）は、分析結果レポートを散布図(相関グラフ)として出力したイメージである。x軸は比較対象の項目の値を示し、y軸は当該項目の値を示す。散布図では、当該項目について、比較対象の項目数分が出力され、項目間の相関関係の把握に適している。

図１１は、データ分析の出力イメージを示す図であり、分析フローの実行結果を示す。

分析フローを行った投入ファイルの対象ファイル情報を表示する対象ファイル表示欄1101と、分析テンプレートの実行結果を表す分析テンプレート表示欄1102とが表示されている。対象ファイル表示欄1101には、分析フローの実行日時、対象ファイル名、対象ファイルのデータ量、対象ファイルに含まれるデータの項目数、学習期間、目的変数項目、推定データサイクル等が含まれる。

分析テンプレート表示欄1102には、テンプレート名1103と、どのテンプレートが実行されたかを示す実行欄1104、テンプレートを実行した結果を示す結果欄1105が含まれる。図１１の例では、テンプレート名[分類診断.knr]が実行され、その結果が、[Accuracy 0.7]であったことが示されている。この結果には、テンプレートに含まれる分析フローの結果の確からしさが示され、[Accuracy 0.7]は分析モデルの過去データによるテストでの正解率＝70%を示している。

図１２は、データ分析の出力イメージを示す図である。図１２では、出力イメージとして異常度グラフを示している。図１２では、2016年7月あたりに異常度が増加し、故障の予兆が表れていることを示している。

以上の処理により、データ所有者と、データ分析者が異なり、データ分析者がデータ所有者から提供されるデータに関する情報が十分開示されない場合であっても、投入データである分析対象データの事前分析を、日時とデータの値の関係に基づき、データが定期的なものであるかを示す第１の特徴量と、データ項目の値の種類とその継続時間からデータが一定の繰り返し、例えば、センシング対象が一定のモードで動作しているかを示す第２の特徴量に基づいて、分析フローを特定するので、データの事前分析の工数を削減でき、業務課題解決を図るデータ分析までの期間を大幅に短縮することができる。

また、データ特性に応じた適切な分析フローを選定することができる。

また、本実施例によれば、簡易に結果が得られるため、データ蓄積への意欲を醸成することができる。

１０４：データアセット分析支援システム、１０５：インタフェース、１０６：ＣＰＵ、１０７：記憶装置、１０８：メモリ、１１０：特徴量生成プログラム、１１１：テンプレート管理プログラム、１１２：テンプレート選択プログラム、１１３：テンプレート実行プログラム、１１４：分析結果レポート出力プログラム、１１５：可視化実行プログラム、１２０：投入データ、１２１：分析データ、１２２：テンプレート、１３０：入出力装置。

Claims (6)

1. 処理部と、記憶装置と、出力装置とを有するデータアセット分析支援システムにおいて、
   前記記憶装置には、データ所有者から提供される投入データと、分析対象データの特徴量と分析フローとを対応させて記憶する分析テンプレートとを記憶し、
   前記処理部は、
   前記記憶装置に記憶された投入データの日時項目を時間順に並び替え、
   前記投入データの日時項目の差分を算出し、
   前記算出された差分の最頻値を算出し、
   前記算出された差分の最頻値に該当しない値が閾値未満の場合、前記投入データの第１の特徴量が定期であると判定し、
   前記算出された差分の最頻値に該当しない値が閾値未満でない場合、前記投入データの第１の特徴量が不定期であると判定して特徴量を生成し、
   前記生成された特徴量と、前記分析テンプレートとに基づいて、前記投入データに対する分析フローを選択し、
   前記投入データに対し、前記選択された分析フローを実行し、
   前記分析フローによる分析結果を前記出力装置に送信し、
   前記出力装置は、前記分析フローによる分析結果を出力することを特徴とするデータアセット分析支援システム。
2. 前記処理部は、
   前記投入データの第１の特徴量が定期である場合に、各データ項目の値の種類が所定値以下の項目を抽出し、
   前記各データ項目の値毎に、継続時間の最頻値を算出し、
   前記継続時間の最頻値に該当しない値が所定の閾値未満の場合、第２の特徴量があると判定し、
   前記継続時間の最頻値に該当しない値が所定の閾値未満でない場合、前記第２の特徴量がないと判定することを特徴とする請求項１に記載のデータアセット分析支援システム。
3. 前記記憶装置に記憶される分析テンプレートは、前記第１の特徴量と前記第２の特徴量に対応して、分析フローが記憶されることを特徴とする請求項２に記載のデータアセット分析支援システム。
4. 前記記憶装置は、前記投入データの前記第１の特徴量と、前記投入データの前記第２の特徴量と、前記投入データのファイル名とを対応付けて記憶する分析データテーブルを記憶することを特徴とする請求項３に記載のデータアセット分析支援システム。
5. 処理部と、記憶装置と、出力装置とを有するデータアセット分析支援システムのデータ分析方法であって、
   前記記憶装置には、データ所有者から提供される投入データと、分析対象データの特徴量と分析フローとを対応させて記憶する分析テンプレートとを記憶し、
   前記処理部は、
   前記記憶装置に記憶された投入データから日時項目を時間順に並び替え、
   前記投入データの日時項目の差分を算出し、
   前記算出された差分の最頻値を算出し、
   前記算出された差分の最頻値に該当しない値が閾値未満の場合、前記投入データの第１の特徴量が定期であると判定し、
   前記算出された差分の最頻値に該当しない値が閾値未満でない場合、前記投入データの第１の特徴量が不定期であると判定して特徴量を生成し、
   前記生成された特徴量と、前記分析テンプレートとに基づいて、前記投入データに対する分析フローを選択し、
   前記投入データに対し、前記選択された分析フローを実行し、
   前記分析フローによる分析結果を前記出力装置に送信し、
   前記出力装置は、前記分析フローによる分析結果を出力することを特徴とするデータ分析方法。
6. 前記処理部は、
   前記投入データの第１の特徴量が定期である場合に、各データ項目の値の種類が所定値以下の項目を抽出し、
   前記各データ項目の値毎に、継続時間の最頻値を算出し、
   前記継続時間の最頻値に該当しない値が所定の閾値未満の場合、第２の特徴量があると判定し、
   前記継続時間の最頻値に該当しない値が所定の閾値未満でない場合、前記第２の特徴量がないと判定することを特徴とする請求項５に記載のデータ分析方法。

Images