CSVを入れるだけで、
時系列データの“様子の変わり目”が見える。

設備ログ、センサーデータ、イベント時系列などのCSVを診断し、
「いつから」「どこで」「どれくらい」状態が変わったかを、
1枚レポートで見やすく可視化します。

P2S Structural Regime Audit は、教師データや異常ラベルがない段階でも、 時系列データをそのまま眺めるだけでは見つけにくい 構造の変化・異常候補・状態の切り替わりを、レポート形式で整理して返す診断サービスです。

教師データ・異常ラベルがなくても、まず見るべき期間を整理したい方向け
教師・ラベルなしで開始
1枚サマリーを出力
状態の変わり目を可視化

これは予測保証や利益保証のサービスではありません。まずは、データの中で何が起きているかを見える化するための診断です。

こんな方に向いています

設備ログやセンサーデータはあるが、まずどこを見ればいいか分からない方

教師データや異常ラベルがなく、まず異常候補を整理したい方

属人的な判断ではなく、データをもとに“怪しい期間”を整理したい方

CSVを1本持っていて、まず小さく診断から始めたい方

こんなお困りごと、ありませんか?

教師データや異常ラベルが揃っていなくても、“いつから様子が変わったか”を見たい場面は多くあります。

1

値は動いているが、どこから異常なのか判断しづらい

2

異常ラベルがなく、教師ありAI導入の前段で止まっている

3

担当者によって見方が違い、判断が属人化している

4

ログやセンサーデータはあるのに、まず何を見ればいいか分からない

5

異常が出る前に、変化の兆しだけでも見たい

このサービスでできること

P2S Structural Regime Audit は、教師データや異常ラベルがないCSVでも、状態の変わり方と確認優先度を整理します。

A

時系列データを
診断しやすい単位に分ける

長い時系列を一定の区間ごとに分け、比較しやすくします。

B

通常の揺れと比べて、
変化候補を整理する

基準データと照らし合わせ、通常の揺れと構造変化の見え方を整理します。

C

状態を4種類に分類する

NORMAL STRUCTURED CAUTION DEGENERATE

NORMAL / STRUCTURED / CAUTION / DEGENERATE

D

1枚レポートと
詳細CSVを返す

+
CSV

担当者向けサマリーと、深掘り用CSVを返します。

P2Sの強み

教師データや異常ラベルがない段階でも、時系列データの「いつもと違う変化候補」を整理し、確認すべき期間を見える化します。

教師なしで始められる

過去の故障データや異常ラベルが揃っていなくても、状態変化の候補を抽出できます。

複数ドメインに展開しやすい

連続値、イベント列、スパイク列など、性質の異なる時系列を共通のレポート形式で確認できます。

判断しやすい状態ラベル

NORMAL / STRUCTURED / CAUTION / DEGENERATE に整理し、次に見るべき期間を判断しやすくします。

過度な検出を抑える

通常に近い静かな状態と注意すべき変化候補を分け、確認作業の負担を下げることを目指します。

診断すると、こんな結果が返ります

「分析しました」で終わらず、すぐ使える形の成果物を返します。

1枚サマリー

全体の状態と変わり目をひと目で把握できます。

状態分類の一覧

各区間の状態と根拠の要点を確認できます。

異常候補期間の一覧

“いつからいつまで”を一覧で確認できます。

CSV

詳細CSV

区間ごとの状態と確認メモを提供します。

簡単な読み方メモ

結果の見方と活用のポイントをまとめます。

サンプル診断結果

以下は小さなデモデータでの出力例です。

P2S Structural Regime Audit サンプルレポート

状態構成(全期間)

全体
100%
  • NORMAL 60.0%
  • STRUCTURED 20.0%
  • CAUTION 12.5%
  • DEGENERATE 7.5%

状態タイムライン(状態マップ)

0%25%50%75%100%
  • NORMAL
  • STRUCTURED
  • CAUTION
  • DEGENERATE

代表指標の推移(例: 主要センサー値の移動平均)

サマリー

  • NORMAL:長く安定した通常区間
  • STRUCTURED:構造が変わったが安定な区間
  • CAUTION:注意して見るべき区間
  • DEGENERATE:異常の可能性が高い区間
期間 2024-01-01 ~ 2024-12-31 データ行数 5,000行 更新日時 2025-05-16 12:34
※ これは小さなデモであり、本番性能の保証ではありません。
※ P2Sの見え方を確認するためのサンプル出力です。

使い方はシンプルです

1

CSVを用意する

timestamp列と、1つ以上の数値列があれば始められます。

2

診断する

CSVをもとに、期間ごとの状態と変化候補を診断します。

3

レポートを見る

まず見るべき期間と、状態の変わり方を確認できます。

診断に必要なもの

  • timestamp列
  • 数値列1つ以上
  • 数百行からでも相談可
  • 列名の匿名化OK

こんな用途に向いています

製造設備ログの変化検出

センサー異常の初期スクリーニング

時系列データの状態変化監査

研究データの構造診断

既存AIモデルの前段チェック

イベントログの見直し

複数ドメインで、構造の見え方を検証しています

連続値、点過程、イベント時系列のように性質が異なるデータでも、共通のレポート形式で「状態変化の見え方」を確認しています。

地震

日本周辺の地震イベント列では、通常の揺れとは異なる変化候補を複数の期間で確認しています。

神経スパイク

神経スパイクデータでは、ランダムな発火列とは異なる構造的な変化候補を確認しています。

NASA Turbofan

NASA CMAPSS FD004では、センサー推移の中から確認優先度の高い候補期間を抽出できることを確認しています。

ここで示しているのは、「P2Sという考え方の実証材料」であり、このLP商品そのものの性能保証とは切り分けて見ています。
つまり、特定業界だけに閉じず、時系列データの「確認すべき変化候補」を複数ドメインで確認しています。

実データ由来の公開サンプルをダウンロードできます

LPで触れている3ドメインについて、元データ例と、HPにある返却形式に合わせた公開用の結果サンプルを用意しています。

Earthquake

地震データ

日本周辺の地震イベント元データを、公開用の形式確認サンプルとして用意しています。

  • 元データ例: time, latitude, longitude, depth, mag, place
  • 公開サンプル: 図形入りHTMLレポート / 状態分類一覧 / 候補期間 / 公開用詳細CSV
Neural Spike

神経スパイクデータ

神経スパイク時刻の元データを、公開用の形式確認サンプルとして用意しています。

  • 元データ例: spike_time_sec
  • 公開サンプル: 図形入りHTMLレポート / 状態分類一覧 / 候補期間 / 公開用詳細CSV
NASA FD004

NASA FD004データ

NASA CMAPSS FD004のセンサー元データを、公開用の形式確認サンプルとして用意しています。

  • 元データ例: unit, cycle, settings, sensor values
  • 公開サンプル: 図形入りHTMLレポート / 状態分類一覧 / 候補期間 / 公開用詳細CSV

選びやすい3つのプラン

まず試すライト、社内共有に使える通常診断、同じ形式で継続的に見るレポートから選べます。

CSV診断ライト

30,000

まず1本でP2Sの見え方を確認したい方向け。

  • CSV1本を簡易診断
  • 1枚サマリー
  • 状態分類の一覧
  • 候補期間リスト
  • 標準条件で1回出力
申し込む

継続レポート

要相談

同じ形式で定期的に状態を見たい方向け。

  • 月次・週次などの定期納品
  • 同一形式の診断レポート
  • 複数CSV・複数期間に対応
  • 対象データや頻度は個別見積
相談する

よくある質問

A

はい。正常・異常のラベルがないCSVでも、時系列の状態変化や異常候補期間を整理できます。まずは「どこを確認すべきか」を見える化する診断です。

A

教師なし・ラベルなしで始められる異常候補のスクリーニングです。未来の故障時刻や結果を断定するものではなく、確認優先度の高い期間をレポート化します。

A

timestamp列または時間順の列と、1つ以上の数値列があれば相談できます。列名を匿名化したCSVでも対応できます。

A

CSV診断ライトは標準条件の1回診断で、見え方を確認するプランです。CSV診断は社内共有向けのレポートZIP、状態分類CSV、候補期間CSV、読み方メモ、必要に応じた条件調整まで含みます。

A

1枚サマリー、状態分類一覧、候補期間一覧、社内共有しやすい詳細CSV、読み方メモを返します。

A

故障時刻や将来値の確定予測、利益保証、売買助言、完全自動の意思決定はできません。結果は確認優先度を決めるための診断材料です。

A

列名の匿名化、一部期間だけの提供、サンプル化、NDA前提など、データの出し方から相談できます。

最初に知っておいてほしいこと

教師データ・異常ラベルなしで始められる診断レポート生成サービスです

予測保証、故障保証、売買助言、利益保証ではありません

結果は確認優先度を決めるための診断材料です

正常・異常の確定判定ではなく、確認すべき期間を整理します

過度な検出を避け、確認しやすい候補に絞る設計です

データの見せ方・学習・評価が混ざらないように、標準化や疑似データ生成は分離して扱います。

診断に必要なのは、CSV1本だけです

  • timestamp列
  • 数値列1つ以上
  • 数百行からでも相談可
  • 列名の匿名化OK

このサービスが向いていないケース

  • 利益保証や売買助言を求めている
  • 故障時刻の確定予測だけを求めている
  • 完全自動の意思決定を期待している

まずは、小さなCSV1本から。

センサー時系列やログデータを1本いただければ、同じ形式で小さな診断デモを作成できます。
まずは無料サンプルで見え方を確認し、必要に応じてCSV診断をご相談ください。