CN108885448A - 数据处理装置、数据处理***、数据处理方法和程序 - Google Patents
数据处理装置、数据处理***、数据处理方法和程序 Download PDFInfo
- Publication number
- CN108885448A CN108885448A CN201780019327.5A CN201780019327A CN108885448A CN 108885448 A CN108885448 A CN 108885448A CN 201780019327 A CN201780019327 A CN 201780019327A CN 108885448 A CN108885448 A CN 108885448A
- Authority
- CN
- China
- Prior art keywords
- data
- wave
- unit
- operational state
- acquiring unit
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
- G05B23/0224—Process history based detection method, e.g. whereby history implies the availability of large amounts of data
- G05B23/024—Quantitative history assessment, e.g. mathematical relationships between available data; Functions therefor; Principal component analysis [PCA]; Partial least square [PLS]; Statistical classifiers, e.g. Bayesian networks, linear regression or correlation analysis; Neural networks
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D27/00—Simultaneous control of variables covered by two or more of main groups G05D1/00 - G05D25/00
- G05D27/02—Simultaneous control of variables covered by two or more of main groups G05D1/00 - G05D25/00 characterised by the use of electric means
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/33—Director till display
- G05B2219/33034—Online learning, training
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/33—Director till display
- G05B2219/33038—Real time online learning, training, dynamic network
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/30—State monitoring, e.g. fault, temperature monitoring, insulator monitoring, corona discharge
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Mathematical Physics (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Medical Informatics (AREA)
- Data Mining & Analysis (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Testing And Monitoring For Control Systems (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Testing Or Calibration Of Command Recording Devices (AREA)
Abstract
提供一种数据处理装置(10),包括波形数据获取单元(11),获取目标设备的消耗电流和/或电压的波形数据;特征值提取单元(12),从波形数据中提取波形特征值;环境数据获取单元(13),获取指示获取波形数据时的目标设备的环境的环境数据;操作状态数据获取单元(14),获取指示获取波形数据时的目标设备的操作状态的操作状态数据;距离计算单元(19),计算包括波形特征值、环境数据和操作状态数据的成员的每一个与多个参考成员中的每一个之间的距离;分组单元(15),基于与多个参考成员中的每一个的距离,对成员进行分组;以及登记单元(16),将满足预定条件的组登记为训练数据。
Description
技术领域
本发明涉及数据处理装置、数据处理***、数据处理方法和程序。
背景技术
在专利文献1至3中公开了相关技术。
专利文献1公开了一种基于由多个传感器测量的多维传感器数据来诊断是否存在机器设备的异常迹象的装置。
专利文献2和3公开了基于电流波形来确定电子设备的类型和操作状况的方法。
相关文献
专利文献
[专利文献1]日本专利申请公开No.2013-8111
[专利文献2]日本专利申请公开No.2014-206417
[专利文献3]日本专利申请公开No.2013-201230
在专利文献1至3的任一个中,需要预先生成指示预定状态(例如,无异常的状态、预定的操作状况等)的测量数据(训练数据)。测量数据可以根据目标设备的操作状态和外部环境而变化。生成对应于各种操作状态和各种外部环境的各种训练数据要求大量的时间和劳力。
发明内容
本发明的目的是提供一种用于生成用于推断电子设备的状态的训练数据的新技术。
根据本发明,提供一种数据处理装置,包括:
波形数据获取单元,所述波形数据获取单元获取目标设备的消耗电流和/或电压的波形数据;
特征值提取单元,所述特征值提取单元从所述波形数据中提取波形特征值;
环境数据获取单元,所述环境数据获取单元获取指示获取所述波形数据时的目标设备的环境的环境数据;
操作状态数据获取单元,所述操作状态数据获取单元获取指示获取所述波形数据时的目标设备的操作状态的操作状态数据;
距离计算单元,所述距离计算单元计算包括所述波形特征值、所述环境数据和所述操作状态数据的成员的每一个与多个参考成员中的每一个之间的距离;
分组单元,所述分组单元基于与多个参考成员中的每一个的距离,对所述成员进行分组;以及
登记单元,所述登记单元将满足预定条件的组登记为训练数据。
另外,根据本发明,提供一种数据处理***,包括:
多个终端装置和服务器,
其中,所述终端装置的每一个包括:
波形数据获取单元,所述波形数据获取单元获取目标设备的消耗电流和/或电压的波形数据;
特征值提取单元,所述特征值提取单元从所述波形数据中提取波形特征值;
环境数据获取单元,所述环境数据获取单元获取指示获取所述波形数据时的目标设备的环境的环境数据;
操作状态数据获取单元,所述操作状态数据获取单元获取指示获取所述波形数据时的目标设备的操作状态的操作状态数据;以及
发送和接收单元,所述发送和接收单元将所述波形特征值、所述环境数据和所述操作状态数据发送到所述服务器,以及
其中,所述服务器包括:
发送和接收单元,所述发送和接收单元从所述多个终端装置的每一个接收所述波形特征值、所述环境数据和所述操作状态数据,
距离计算单元,所述距离计算单元计算包括所述波形特征值、所述环境数据和所述操作状态数据的成员的每一个与多个参考成员中的每一个之间的距离;
分组单元,所述分组单元基于与多个参考成员中的每一个的距离,对所述成员进行分组;以及
登记单元,所述登记单元将满足预定条件的组登记为训练数据。
此外,根据本发明,提供一种由计算机执行的数据处理方法,所述方法包括:
波形数据获取步骤,获取目标设备的消耗电流和/或电压的波形数据;
特征值提取步骤,从所述波形数据中提取波形特征值;
环境数据获取步骤,获取指示获取所述波形数据时的目标设备的环境的环境数据;
操作状态数据获取步骤,获取指示获取所述波形数据时的目标设备的操作状态的操作状态数据;
距离计算步骤,计算包括所述波形特征值、所述环境数据和所述操作状态数据的成员的每一个与多个参考成员中的每一个之间的距离;
分组步骤,基于与多个参考成员中的每一个的距离,对所述成员进行分组;以及
登记步骤,将满足预定条件的组登记为训练数据。
此外,根据本发明,提供一种程序,使计算机用作:
波形数据获取单元,所述波形数据获取单元获取目标设备的消耗电流和/或电压的波形数据;
特征值提取单元,所述特征值提取单元从所述波形数据中提取波形特征值;
环境数据获取单元,所述环境数据获取单元获取指示获取所述波形数据时的目标设备的环境的环境数据;
操作状态数据获取单元,所述操作状态数据获取单元获取指示获取所述波形数据时的目标设备的操作状态的操作状态数据;
距离计算单元,所述距离计算单元计算包括所述波形特征值、所述环境数据和所述操作状态数据的成员的每一个与多个参考成员中的每一个之间的距离;
分组单元,所述分组单元基于与多个参考成员中的每一个的距离,对所述成员进行分组;以及
登记单元,所述登记单元将满足预定条件的组登记为训练数据。
根据本发明,实现了一种用于生成用于推断电子设备的状态的训练数据的新技术。
附图说明
从优选示例性实施例的下述描述和附图中,上述和其他目的、特征和优点将变得显而易见。
图1是概念性地示出本示例性实施例的装置的硬件配置的示例的图。
图2是本示例性实施例的数据处理装置的功能框图的示例。
图3是示意性地示出由本示例性实施例的数据处理装置处理的数据的示例的图。
图4是示意性地示出由本示例性实施例的数据处理装置处理的数据的另一示例的图。
图5是示意性地示出由本示例性实施例的数据处理装置处理的数据的又一示例的图。
图6是示出本示例性实施例的数据处理装置的流程的示例的流程图。
图7是本示例性实施例的数据处理装置的功能框图的示例。
图8是本示例性实施例的数据处理***的功能框图的示例。
具体实施方式
首先,将描述本示例性实施例的装置(数据处理装置)的硬件配置的示例。包括在本示例性实施例的装置中的每个单元由任何计算机的硬件和软件的任何组合加以配置,主要使用中央处理单元(CPU)、存储器、待加载到存储器中的程序,以及存储单元,诸如存储程序的硬盘(可以存储在运输装置的阶段中预先存储的程序,并且还存储从诸如光盘(CD)或互联网上的服务器的存储介质下载的程序),以及网络连接接口。本领域技术人员将理解到,实现方法和装置时存在各种改进。
图1是示出本示例性实施例的装置的硬件配置的框图。如图1所示,该装置包括处理器1A、存储器2A、输入和输出接口3A、***电路4A和总线5A。***电路包括各种模块。
总线5A是数据传输路径,处理器1A、存储器2A、***电路4A以及输入和输出接口3A通过该路径相互发送和接收数据。处理器1A是例如诸如中央处理单元(CPU)或图形处理单元(GPU)的算术处理装置。存储器2A是例如诸如随机存取存储器(RAM)或只读存储器(ROM)的存储器。输入和输出接口3A包括用于从外部装置、外部服务器、外部传感器等获取信息的接口。处理器1A向每个模块发出命令并且基于其计算结果执行计算。
在下文中,将描述本示例性实施例。注意,用在下述示例性实施例的描述中的功能框图示出了基于功能的块而不是基于硬件的配置。这些图示出每个装置由单个装置加以配置,但是每个装置的配置手段不限于此。也就是说,可以是物理上分离的配置或逻辑上分开的配置。注意,相同的附图标记附于相同的配置部件,并且将不重复其描述。
<第一示例性实施例>
本示例性实施例的数据处理装置10提供收集用于推断目标设备的状态的训练数据的功能。在下文中将详细地描述。
图2示出了本示例性实施例的数据处理装置10的功能框图的示例。如所示,数据处理装置10包括波形数据获取单元11、特征值提取单元12、环境数据获取单元13、操作状态数据获取单元14、分组单元15、登记单元16和距离计算单元19。
波形数据获取单元11获取目标设备的消耗电流和/或电压的波形数据;
目标设备可以是用在普通家庭中的家用电器、用在办公室中的办公设备、用在工厂等中的工厂设备等。安装在预定位置的测量传感器连续地测量相应的一个目标设备的消耗电流和/或电压的波形数据。
波形数据获取单元11连续地获取由测量传感器测量的波形数据。波形数据通过任何方式与测量定时的日期和时间信息相关联。注意,由测量传感器测量的波形数据可以与日期和时间信息相关联地存储在波形数据数据库(DB)中。然后,波形数据获取单元11可以从波形数据DB获取波形数据。另外,波形数据获取单元11可以在不经过波形数据DB的情况下获取波形数据。
特征值提取单元12从由波形数据获取单元11获取的波形数据中提取预定波形特征值。特征值提取单元12可以以预定时间间隔将波形数据划分为处理单元数据并且对每个处理单元数据提取波形特征值。。
作为消耗电流的波形特征值、强度和频率的相位(谐波分量),可以想到相位、消耗电流的变化、平均值、峰值、有效值、波峰因数、波形因子、电流变化的收敛时间、通电时间、峰值位置、电压的峰值位置与消耗电流的峰值位置之间的时间差、功率因数等,但是本发明不限于此。特征值提取单元12提取一种或多种预定的波形特征值。
环境数据获取单元13获取指示在获取波形数据时的目标设备的环境的环境数据。环境数据获取单元13可以获取例如温度、湿度和天气中的至少一个作为环境数据。环境数据通过任何方式与观察日期和时间信息相关联。
例如,环境数据获取单元13可以获取由安装在目标设备周围的测量传感器测量的温度和/或湿度。环境数据获取单元13连续地获取由测量传感器测量的温度和/或湿度。数据通过任何方式与测量定时的日期和时间信息相关联。由测量传感器测量的温度和/或湿度可以与日期和时间信息相关联地存储在温度和/或湿度DB中。然后,环境数据获取单元13可以从温度和/或湿度DB获取数据。另外,环境数据获取单元13可以在不经过温度和/或湿度DB的情况下获取数据。
此外,环境数据获取单元13可以从例如预定服务器获取关于在因特网上发布的目标设备的安装位置的天气信息。在这种情况下,环境数据获取单元13预先保留指示目标设备的安装位置的信息。然后,环境数据获取单元13从服务器请求对应于安装位置的天气信息,并且获取天气信息。另外,操作员可以将天气信息输入到环境数据获取单元13。
注意,环境数据获取单元13可以从服务器或运营商,以预定时间间隔获取以预定时间间隔广播的最新实际天气信息(不同于天气预报并且在每个定时实际观察的天气信息)。另外,环境数据获取单元13可以从服务器或运营商获取先前广播的天气预报,并且从天气预报获取当获取波形数据时的天气信息。
操作状态数据获取单元14获取指示在获取波形数据时的目标设备的操作状态的操作状态数据。操作状态数据获取单元14可以从目标设备和/或附接到目标设备的测量传感器获取操作状态数据。通过任何方式,操作状态数据与观察每个操作状态的日期和时间信息相关联。
操作状态数据获取单元14从目标设备和/或测量传感器连续地获取操作状态数据。操作状态数据通过任何方式与测量定时的日期和时间信息相关联。由目标设备和/或测量传感器测量的操作状态数据可以与日期和时间信息相关联地存储在操作状态数据DB中。然后,操作状态数据获取单元14可以从操作状态DB获取操作状态数据。另外,操作状态数据获取单元14可以在不经过操作状态DB的情况下获取操作状态数据。
现在,将描述操作状态数据。如果多条操作状态数据彼此不同,则消耗电流和/或电压的波形数据的内容(形状等)可以彼此不同。在下文中,对每种目标设备,描述操作状态数据的示例。
例如,在目标设备为空调的情况下,作为操作状态数据,可以想到指示操作状态(待机、操作中等)的数据、指示操作模式(加热、冷却、除湿等)的数据、设定温度、室外机的环境温度、室外机的风扇的转数、室温、室内机的风扇的转数、压缩机的操作状态(最大XX%等)等。
在目标设备为石油风扇加热器的情况下,作为操作状态数据,可以想到操作状态(待机、操作中等)、操作模式(正常模式、经济模式等)、设定温度、风扇的转数等。
在目标设备为冷冻机(商业用途,大型)的情况下,作为操作状态数据,可以想到操作状态(冷冻、除霜等)、设定温度、室外机的环境温度、压缩机的操作状态(最大XX%等)等。
在目标设备为冷冻机(用于商业用途,小尺寸)的情况下,作为操作状态数据,可以想到操作状态(冷藏、除霜等)、设定温度、室外机的环境温度、室外机的风扇的转速、室温、室内机的风扇的转数、压缩机的操作状态(最大XX%等)等。
在目标设备为微波炉的情况下,作为操作状态数据,可以想到操作状态(待机、加热等)、功率设置等。
在目标设备为电视的情况下,作为操作状态数据,可以想到操作状态(待机、观看、记录等)。
在目标设备为冰箱的情况下,作为操作状态数据,可以想到操作状态(冷藏、除霜等)、内部温度、环境温度、压缩机的操作状态(最大XX%等)等。
在目标设备为个人计算机的情况下,作为操作状态数据,可以想到操作状态(待机、操作中等)。
在目标设备为洗衣机的情况下,作为操作状态数据,可以想到操作状态(洗涤、漂洗、脱水、待机等)。
在目标设备为照明设备的情况下,作为操作状态数据,可以想到操作状态(待机、照明等)、调光状态(XX%)等。
在目标设备为加热器/冷却器(陈列柜)的情况下,作为操作状态数据,可以想到操作状态(待机、保温、保冷等)、操作模式(保温、保冷等)、压缩机的操作状态(诸如最大XX%)、内部温度、环境温度等。
在目标设备为复印机的情况下,作为操作状态数据,可以想到操作状态(待机、复印等)等。
在目标设备为自动柜员机(ATM)的情况下,作为操作状态数据,可以想到操作状态(待机、储蓄、取款等)等。
在目标设备为路标照明的情况下,作为操作状态数据,可以想到操作状态(点亮、关灯等)等。
在目标设备为油炸锅的情况下,作为操作状态数据,可以想到操作状态(待机、加热等)等。
在目标设备为洗碗机的情况下,作为操作状态数据,可以想到操作状态(待机、洗涤、干燥等)等。
在目标设备为咖啡机(全自动)的情况下,作为操作状态数据,可以想到操作状态(待机、提取、煮沸、清洁等)等。
在目标设备为收银机和销售点(POS)***的情况下,作为操作状态数据,可以想到操作状态(待机、输入、投入货币、取出货币、打印等)等。
通过上文所述的波形数据获取单元11、特征值提取单元12、环境数据获取单元13和操作状态数据获取单元14获得除了图3所示的数据中的距离之外的值。在图3所示的数据中,用于识别作为用于从波形数据中提取波形特征值的单元的每个处理单元数据的信息(处理单元数据标识符(ID))、从每个处理单元数据中提取的波形特征值、测量每个处理单元数据时的外部环境数据、测量每个处理单元数据时的操作状态数据和由下文所述的距离计算单元19计算的距离彼此相关联。当波形数据获取单元11、特征值提取单元12、环境数据获取单元13和操作状态数据获取单元14处理新数据时,按需更新图3所示的数据(添加新数据)。
注意,“测量每个处理单元数据时的外部环境数据”可以是在与测量处理单元数据的日期和时间(目标定时)、最接近目标定时的定时、目标定时之后的最接近定时,或目标定时之前的最接近定时相同的定时测量的外部环境数据。另外,由于处理单元数据(处理单元的波形数据)具有固定的时间宽度,取决于外部环境数据的测量间隔,对应于时间宽度中的各种外部环境数据,测量多个值。在这种情况下,可以将多个值的统计值(平均值、最大值、最小值、模式值、中间值等)用作测量处理单元数据时的外部环境数据。
类似地,“测量每个处理单元数据时的操作状态数据”是指在与测量处理单元数据的日期和时间(目标定时)、最接近目标定时的定时、目标定时之后的最接近定时,或目标定时之前的最接近定时相同的定时处测量的操作状态数据。另外,由于处理单元数据(处理单元的波形数据)具有固定的时间宽度,取决于操作状态数据的测量间隔,对应于时间宽度中的各种操作状态数据测量多个值。在这种情况下,可以将多个值的统计值(平均值、最大值、最小值、模式值、中间值等)用作测量处理单元数据时的操作状态数据。
回到图2,距离计算单元19计算包括由特征值提取单元12提取的波形特征值、由环境数据获取单元13获取的环境数据和由操作状态数据获取单元14获取的操作状态数据的成员与多个参考成员中的每一个之间的距离。对应于图3所示的一个处理单元数据ID的波形特征值、环境数据和操作状态数据是一个成员。
每个参考成员包括波形特征值、环境数据和操作状态数据。在本示例性实施例中,将此时登记的每个训练数据设定为每个参考成员。
图4示意性地示出了所登记的训练数据的示例。在图4所示的数据中,用于识别多个训练数据中的每一个的信息(训练数据ID)、波形特征值、外部环境数据和操作状态数据彼此相关联。通过操作员的编辑和由下文所述的登记单元16登记新训练数据来更新信息。
例如,作为开始本示例性实施例的训练数据生成过程的预处理,操作者登记两个或以上训练数据。在第一阶段,以这种方式登记的训练数据变为参考成员。此后,当随着本示例性实施例的训练数据生成过程进行而由登记单元16登记新的训练数据时,参考成员的数量相应地增加。
距离计算单元19计算新获取的成员与此时登记的每条训练数据(参考成员)之间的距离(相似度)。距离计算方法是设计问题。例如,可以通过机器学习来计算距离。另外,可以通过根据预定规则,标准化对应于每个成员和每个参考成员的各个波形特征值、各个环境数据和各个操作状态数据并且按预定顺序排列它们来获得多维坐标。然后,可以计算坐标值之间的距离。
通过距离计算单元19的处理,确定图3的距离列中的值。在计算距离时的参考数据的数量为N(N为2或以上的整数)的情况下,计算对应于每个成员的N个距离并且将其作为N维数据记录在距离列中。
回到图2,分组单元15基于与多个参考成员中的每一个的距离来对成员进行分组。具体地,分组单元15对具有类似距离值(N维数据)的成员进行分组。分组方法是设计问题,但在下文中描述示例。
首先,如果给出第一成员,则分组单元15发布组ID并且使第一成员属于第一组。然后,将第一成员的距离(N维数据)登记为第一组的代表距离。因此,更新图5中所示的信息。
接着,当给出第二成员时,分组单元15计算第二成员的距离(N维数据)与此时登记的第一组的代表距离(N维数据)之间的相似度。例如,分组单元15将N维数据处理为N维坐标,并且将坐标之间的距离计算为相似度。
然后,分组单元15确定相似度是否等于或小于预定值(设计问题)。在相似度等于或小于预定值(设计问题)的情况下,分组单元15使第二成员属于第一组。然后,基于第一成员的距离(N维数据)和第二成员的距离(N维数据),计算并且更新第一组的代表距离(N维数据)。例如,将第一成员的距离(N维数据)和第二成员的距离(N维数据)的平均值用作第一组的代表距离(N维数据)。因此,更新图5中所示的信息。
另一方面,在相似度不等于或小于预定值(设计问题)的情况下,分组单元15发布新的组ID并且使第二成员属于第二组。然后,将第二成员的距离(N维数据)登记为第二组的代表距离。因此,更新图5中所示的信息。
例如,当以这种方式将新成员赋予分组单元15时,分组单元15可以计算新成员的距离(N维数据)与此时登记的每个组的代表距离(N维数据)之间的相似度,组成员具有等于或小于预定值的相似度。
回到图2,登记单元16将满足预定条件的组登记为指示目标设备的预定状态的训练数据。作为预定条件,例如,示例“成员的数量等于或大于预定数量”等。
当登记单元16登记新训练数据时,更新图4中所示的信息。此外,当登记单元16登记新训练数据时,参考成员的数量增加。因此,指示参考成员与每个成员之间的距离的N维数据的维度也增加。
当登记单元16登记新训练数据时,距离计算单元19可以更新图3所示的距离列中的值。例如,假设由于登记单元16登记新训练数据,参考成员的数量从3增加到4。在这种情况下,距离计算单元19更新指示每个成员与三个参考成员中的每一个之间的距离的三维数据(距离),直到指示每个成员与新的四个参考成员中的每一个之间的距离的四维数据(距离)。
接下来,将参考图6的流程图,描述本示例性实施例的数据处理装置10的流程的示例。
首先,作为初步准备,登记两个或以上训练数据(参见图4)。每个训练数据包括波形特征值、环境数据和操作状态数据。例如,可以登记启动、小负载和重负载时的波训练数据。
在初步准备之后,当开始训练数据生成过程时,波形数据获取单元11在S10中获取目标设备的消耗电流和/或电压的波形数据。此外,环境数据获取单元13获取指示在获取波形数据时的目标设备的环境的环境数据。此外,操作状态数据获取单元14获取指示在获取波形数据时的目标设备的操作状态的操作状态数据。
在S11中,特征值提取单元12处理在S10中获取的波形数据中的处理单元数据,并且提取预定的波形特征值。
在S12中,距离计算单元19计算包括在S11中提取的波形数据的波形特征值和当获取在S10中获取的波形数据时的环境数据和操作状态数据的成员与此时登记的每个训练数据(参考成员)之间的距离并且将计算的距离与成员相关联(参见图3)。
在S13中,分组单元15基于与多条训练数据(参考成员)中的每一个的距离来对成员进行分组(分组过程)。因此,更新图5的信息。
在通过分组过程更新图5中所示的信息之后,登记单元16确定是否没有满足用于将该组登记为训练数据的预定条件的组(没有满足预定条件的组新出现)(S14)。此时,例如,预定条件是成员的数量等于或大于预定数量。
在存在满足预定条件的组的情况下(S14为是),登记单元16将该组新登记为指示目标设备的预定状态的训练数据(S15)。此后,距离计算单元19更新图3所示的距离列中的值(S16)。具体地,通过指示每个成员与包括新登记的训练数据的多个训练数据(参考成员)中的每一个之间的距离的信息来更新距离列中的值。
此后,分组单元15基于更新的距离(分组过程)对成员进行分组。因此,更新图5的信息。此后,过程进行到S14,并且重复相同的过程。
在S14中,如果没有满足预定条件的组(S14为否),则过程进行到S17。
在S17,确定是否结束训练数据生成过程。如果确定不结束(S17为否),则过程返回S10并且重复该过程。另一方面,如果确定结束(S17为是),则结束该过程。例如,当满足诸如“在预定时间或更长时间内没有新登记训练数据”、“登记的训练数据的数量已经达到预定数量”、“训练数据生成过程的执行时间已经达到预定时间”以及“已经从操作员输入了结束过程的指令”的条件时,数据处理装置10确定结束该过程。
根据上文所述的本示例性实施例,可以在操作目标设备的同时,生成指示目标设备的预定状态的训练数据。因此,例如,可以在日常生活中实际使用目标设备的同时生成训练数据。
以这种方式,由于在日常生活中实际使用目标设备的同时生成训练数据,因此可以减少操作仅用于生成训练数据的目标设备的工作量。在这种情况下,不需要无用地操作目标设备,因此期望节省电费等。
此外,在本示例性实施例中,在基于外部环境数据和操作状态数据进行分组之后,可以将满足预定条件的组的波形特征值登记为训练数据。因此,可以根据各个外部环境和各个操作状态来登记各个训练数据。
此外,在本示例性实施例中,可以将成员数量等于或大于预定数量的组的波形特征值登记为训练数据。也就是说,成员数量未达到预定数量的组的波形特征值未被登记为训练数据。在这种情况下,由于目标设备的不期望的操作而临时出现的波形特征值未被登记为训练数据。作为结果,可以减少不必要的训练数据的登记,并且可以减少训练数据的数量不必要地扩大的不便。
此外,在本示例性实施例中,可以基于与此时登记的多个训练数据(参考成员)中的每一个的距离来对多个成员进行分组。因此,不必准备首先准备的大量训练数据,并且可以准备至少两个训练数据。不存在首先准备训练数据的特殊条件,并且例如,在环境数据之一的温度为10℃和20℃的情况下,可以在易于准备的环境中收集训练数据,使得可以大大地减少准备的劳动和时间。
<第二示例性实施例>
除了在第一示例性实施例中所述的功能之外,本示例性实施例的数据处理装置10通过使用由第一示例性实施例中所述的功能生成的训练数据来提供推断目标设备的状态的功能。在下文中将详细地描述。
图7示出了本示例性实施例的数据处理装置10的功能框图的示例。如所示,数据处理装置10包括波形数据获取单元11、特征值提取单元12、环境数据获取单元13、操作状态数据获取单元14、分组单元15、登记单元16、训练数据存储单元17、推断单元18和距离计算单元19。
波形数据获取单元11、特征值提取单元12、环境数据获取单元13、操作状态数据获取单元14、分组单元15、登记单元16和距离计算单元19的配置与第一示例性实施例中的这些单元相同。
由登记单元16登记的训练数据(参见图4)被存储在训练数据存储单元17中。
推断单元18通过使用存储在训练数据存储单元17中的训练数据来推断目标设备的状态。具体地,推断目标设备的状态是异常还是正常。
例如,推断单元18通过使用训练数据(正常状态下的波形特征值)的机器学习来生成推断模型,并且将由特征值提取单元12、环境数据获取单元13和操作状态数据获取单元14获取的新成员的值输入到所生成的推断模型以获得推断结果(正常或更高)。推断模型可以使用例如多元回归分析、神经网络、隐马尔可夫模型等。
推断单元18的推断过程可以与第一示例性实施例中,参考图6所述的训练数据生成过程同时执行,或者可以在完成训练数据收集处理之后执行。在任何情况下,随着存储在训练数据存储单元17中的训练数据的数量增加,推断单元18的推断精度增加。
根据上文所述的本示例性实施例,可以实现与第一示例性实施例相同的有益效果。另外,根据本示例性实施例,可以推断目标设备的状态(是否存在异常)。如在第一示例性实施例中所述,根据本示例性实施例的数据处理装置10,生成并且登记对应于各个外部环境和各个操作状态的各种训练数据。通过基于这些各个训练数据执行推断过程,可以提高推断精度。
<第三示例性实施例>
在本示例性实施例中,通过服务器(例如,云服务器)和多个终端装置的协作处理来收集各种训练数据。
图8示出了服务器40和终端装置30的功能框图的示例。多个终端装置30中的每一个包括波形数据获取单元11、特征值提取单元12、环境数据获取单元13、操作状态数据获取单元14、训练数据存储单元17-2、推断单元18以及发送和接收单元21。注意,训练数据存储单元17-2和推断单元18可以不必包括在内。。
波形数据获取单元11、特征值提取单元12、环境数据获取单元13、操作状态数据获取单元14和推断单元18的配置与第一和第二示例性实施例中的这些单元相同。发送和接收单元21与另一装置(例如:服务器40)来回地发送和接收数据。训练数据存储单元17-2存储多条训练数据。
服务器40包括分组单元15、登记单元16、训练数据存储单元17-1、距离计算单元19以及发送和接收单元20。
分组单元15、登记单元16和距离计算单元19的配置与第一和第二示例性实施例中的这些单元相同。发送和接收单元20与另一装置(例如,多个终端装置30)来回地发送和接收数据。训练数据存储单元17-1存储多条训练数据。
对应于多个目标设备中的每一个安装多个终端装置30。多个终端装置30可以安装在地理上彼此远离的位置处。多个终端装置30获取对应于多个目标设备中的每一个的波形特征值、环境数据和操作状态数据,并且将它们发送到服务器40。终端装置30可以与对应目标设备的标识信息(型号等)相关联地,将波形特征值、环境数据和操作状态数据发送到服务器40。
服务器40对从多个终端装置30中的每一个获取的波形特征值、环境数据和操作状态数据进行分组。然后,将满足预定条件的组登记为训练数据。
服务器40可以将在训练数据存储单元17-1中登记的训练数据发送到多个终端装置30中的每一个。每个终端装置30将从服务器40接收的训练数据登记在训练数据存储单元17-2中。然后,推断单元18通过使用存储在训练数据存储单元17-2中的训练数据来推断目标设备的状态。
根据上文所述的本示例性实施例,由于可以由多个终端装置30收集数据(波形特征值、环境数据和操作状态数据),因此可以在短时间内收集大量数据。结果,可以有效地生成训练数据。
此外,通过在各个位置安装多个终端装置,可以生成包含由地理位置引起的环境因素(温度差、湿度差、昼夜温差等)的各种训练数据。
下文将添加参考方面的示例。
1.一种数据处理装置,包括:
波形数据获取单元,所述波形数据获取单元获取目标设备的消耗电流和/或电压的波形数据;
特征值提取单元,所述特征值提取单元从所述波形数据中提取波形特征值;
环境数据获取单元,所述环境数据获取单元获取指示获取所述波形数据时的目标设备的环境的环境数据;
操作状态数据获取单元,所述操作状态数据获取单元获取指示获取所述波形数据时的目标设备的操作状态的操作状态数据;
距离计算单元,所述距离计算单元计算包括所述波形特征值、所述环境数据和所述操作状态数据的成员的每一个与多个参考成员中的每一个之间的距离;
分组单元,所述分组单元基于与多个参考成员中的每一个的距离,对所述成员进行分组;以及
登记单元,所述登记单元将满足预定条件的组登记为训练数据。
2.根据1所述的数据处理装置,
其中,所述距离计算单元通过将所登记的训练数据用作参考成员来计算距离。
3.根据1或2所述的数据处理装置,
其中,所述登记单元将成员的数量等于或大于预定数量的组登记为所述训练数据。
4.根据1至3中任一项所述的数据处理装置,
其中,所述环境数据获取单元将温度、湿度和天气中的至少一个获取为所述环境数据。
5.根据1至4中任一项所述的数据处理装置,
其中,所述操作状态数据获取单元从所述目标设备和/或附接到所述目标设备的传感器获取所述操作状态数据。
6.根据1至5中任一项所述的数据处理装置,进一步包括:
推断单元,所述推断单元通过使用所述训练数据来推断所述目标设备的状态。
7.一种数据处理***,包括:
多个终端装置;以及
服务器,
其中,所述终端装置的每一个包括:
波形数据获取单元,所述波形数据获取单元获取目标设备的消耗电流和/或电压的波形数据;
特征值提取单元,所述特征值提取单元从所述波形数据中提取波形特征值;
环境数据获取单元,所述环境数据获取单元获取指示获取所述波形数据时的目标设备的环境的环境数据;
操作状态数据获取单元,所述操作状态数据获取单元获取指示获取所述波形数据时的目标设备的操作状态的操作状态数据;以及
发送和接收单元,所述发送和接收单元将所述波形特征值、所述环境数据和所述操作状态数据发送到所述服务器,以及
其中,所述服务器包括:
发送和接收单元,所述发送和接收单元从所述多个终端装置的每一个接收所述波形特征值、所述环境数据和所述操作状态数据,
距离计算单元,所述距离计算单元计算包括所述波形特征值、所述环境数据和所述操作状态数据的成员的每一个与多个参考成员中的每一个之间的距离;
分组单元,所述分组单元基于与多个参考成员中的每一个的距离,对所述成员进行分组;以及
登记单元,所述登记单元将满足预定条件的组登记为训练数据。
8.根据7所述的数据处理***,
其中,所述服务器的所述发送和接收单元将由所述登记单元登记的训练数据发送到所述多个终端装置的每一个。
9.一种由计算机执行的数据处理方法,所述方法包括:
波形数据获取步骤,获取目标设备的消耗电流和/或电压的波形数据;
特征值提取步骤,从所述波形数据中提取波形特征值;
环境数据获取步骤,获取指示获取所述波形数据时的目标设备的环境的环境数据;
操作状态数据获取步骤,获取指示获取所述波形数据时的目标设备的操作状态的操作状态数据;
距离计算步骤,计算包括所述波形特征值、所述环境数据和所述操作状态数据的成员的每一个与多个参考成员中的每一个之间的距离;
分组步骤,基于与多个参考成员中的每一个的距离,对所述成员进行分组;以及
登记步骤,将满足预定条件的组登记为训练数据。
9-2.根据9所述的数据处理方法,
其中,在所述距离计算步骤中,通过将所登记的训练数据用作参考成员来计算距离。
9-3.根据9或9-2所述的数据处理方法,
其中,在所述登记步骤中,将成员的数量等于或大于预定数量的组登记为所述训练数据。
9-4.根据9至9-3中任一项所述的数据处理方法,
其中,在所述环境数据获取步骤中,将温度、湿度和天气中的至少一个获取为所述环境数据。
9-5.根据9至9-4中任一项所述的数据处理方法,
其中,在所述操作状态数据获取步骤中,从所述目标设备和/或附接到所述目标设备的传感器获取所述操作状态数据。
9-6.根据9至9-5中任一项所述的由计算机执行的数据处理方法,所述方法进一步包括:
推断步骤,通过使用所述训练数据来推断所述目标设备的状态。
10.一种程序,使计算机用作:
波形数据获取单元,所述波形数据获取单元获取目标设备的消耗电流和/或电压的波形数据;
特征值提取单元,所述特征值提取单元从所述波形数据中提取波形特征值;
环境数据获取单元,所述环境数据获取单元获取指示获取所述波形数据时的目标设备的环境的环境数据;
操作状态数据获取单元,所述操作状态数据获取单元获取指示获取所述波形数据时的目标设备的操作状态的操作状态数据;
距离计算单元,所述距离计算单元计算包括所述波形特征值、所述环境数据和所述操作状态数据的成员的每一个与多个参考成员中的每一个之间的距离;
分组单元,所述分组单元基于与多个参考成员中的每一个的距离,对所述成员进行分组;以及
登记单元,所述登记单元将满足预定条件的组登记为训练数据。
10-2.根据10所述的程序,
其中,所述距离计算单元通过将所登记的训练数据用作参考成员来计算距离。
10-3.根据10或10-2所述的程序,
其中,所述登记单元将成员的数量等于或大于预定数量的组登记为所述训练数据。
10-4.根据10至10-3中任一项所述的程序,
其中,所述环境数据获取单元将温度、湿度和天气中的至少一个获取为所述环境数据。
10-5.根据10至10-4中任一项所述的程序,
其中,所述操作状态数据获取单元从所述目标设备和/或附接到所述目标设备的传感器获取所述操作状态数据。
10-6.根据10至10-5中任一项所述的程序,进一步包括:
推断单元,所述推断单元通过使用所述训练数据来推断所述目标设备的状态。
本申请要求基于2016年3月23日提交的日本专利申请No.2016-058004的优先权,其全部公开内容在此被引入本文。
Claims (10)
1.一种数据处理装置,包括:
波形数据获取单元,所述波形数据获取单元获取目标设备的消耗电流和/或电压的波形数据;
特征值提取单元,所述特征值提取单元从所述波形数据来提取波形特征值;
环境数据获取单元,所述环境数据获取单元获取环境数据,所述环境数据指示在当获取所述波形数据时的所述目标设备的环境;
操作状态数据获取单元,所述操作状态数据获取单元获取操作状态数据,所述操作状态数据指示在当获取所述波形数据时的所述目标设备的操作状态;
距离计算单元,所述距离计算单元计算在包括所述波形特征值、所述环境数据和所述操作状态数据在内的成员中的每一个成员与多个参考成员中的每一个参考成员之间的距离;
分组单元,所述分组单元基于与所述多个参考成员中的每一个参考成员的距离,来对所述成员进行分组;以及
登记单元,所述登记单元将满足预定条件的组登记为训练数据。
2.根据权利要求1所述的数据处理装置,
其中,所述距离计算单元通过将所登记的训练数据用作所述参考成员来计算距离。
3.根据权利要求1或2所述的数据处理装置,
其中,所述登记单元将其中成员的数量等于或大于预定数量的组登记为所述训练数据。
4.根据权利要求1至3中任一项所述的数据处理装置,
其中,所述环境数据获取单元将温度、湿度和天气中的至少一项获取为所述环境数据。
5.根据权利要求1至4中任一项所述的数据处理装置,
其中,所述操作状态数据获取单元从所述目标设备和/或附接到所述目标设备的传感器,来获取所述操作状态数据。
6.根据权利要求1至5中任一项所述的数据处理装置,进一步包括:
推断单元,所述推断单元通过使用所述训练数据来推断所述目标设备的状态。
7.一种数据处理***,包括:
多个终端装置;以及
服务器,
其中,每个所述终端装置包括:
波形数据获取单元,所述波形数据获取单元获取目标设备的消耗电流和/或电压的波形数据;
特征值提取单元,所述特征值提取单元从所述波形数据来提取波形特征值;
环境数据获取单元,所述环境数据获取单元获取环境数据,所述环境数据指示在当获取所述波形数据时的所述目标设备的环境;
操作状态数据获取单元,所述操作状态数据获取单元获取操作状态数据,所述操作状态数据指示在当获取所述波形数据时的所述目标设备的操作状态;以及
发送和接收单元,该发送和接收单元将所述波形特征值、所述环境数据和所述操作状态数据发送到所述服务器,以及
其中,所述服务器包括:
发送和接收单元,该发送和接收单元从所述多个终端装置中的每一个终端装置接收所述波形特征值、所述环境数据和所述操作状态数据,
距离计算单元,所述距离计算单元计算在包括所述波形特征值、所述环境数据和所述操作状态数据在内的成员中的每一个成员与多个参考成员中的每一个参考成员之间的距离;
分组单元,所述分组单元基于与所述多个参考成员中的每一个参考成员的距离,来对所述成员进行分组;以及
登记单元,所述登记单元将满足预定条件的组登记为训练数据。
8.根据权利要求7所述的数据处理***,
其中,所述服务器的所述发送和接收单元将由所述登记单元登记的所述训练数据发送到所述多个终端装置中的每一个终端装置。
9.一种由计算机执行的数据处理方法,所述方法包括:
波形数据获取步骤,获取目标设备的消耗电流和/或电压的波形数据;
特征值提取步骤,从所述波形数据来提取波形特征值;
环境数据获取步骤,获取环境数据,所述环境数据指示在当获取所述波形数据时的所述目标设备的环境;
操作状态数据获取步骤,获取操作状态数据,所述操作状态数据指示在当获取所述波形数据时的所述目标设备的操作状态;
距离计算步骤,计算在包括所述波形特征值、所述环境数据和所述操作状态数据在内的成员中的每一个成员与多个参考成员中的每一个参考成员之间的距离;
分组步骤,基于与所述多个参考成员中的每一个参考成员的距离,来对所述成员进行分组;以及
登记步骤,将满足预定条件的组登记为训练数据。
10.一种程序,使计算机用作:
波形数据获取单元,所述波形数据获取单元获取目标设备的消耗电流和/或电压的波形数据;
特征值提取单元,所述特征值提取单元从所述波形数据来提取波形特征值;
环境数据获取单元,所述环境数据获取单元获取环境数据,所述环境数据指示在当获取所述波形数据时的所述目标设备的环境;
操作状态数据获取单元,所述操作状态数据获取单元获取操作状态数据,所述操作状态数据指示在当获取所述波形数据时的所述目标设备的操作状态;
距离计算单元,所述距离计算单元计算在包括所述波形特征值、所述环境数据和所述操作状态数据在内的成员中的每一个成员与多个参考成员中的每一个参考成员之间的距离;
分组单元,所述分组单元基于与所述多个参考成员中的每一个参考成员的距离,来对所述成员进行分组;以及
登记单元,所述登记单元将满足预定条件的组登记为训练数据。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2016-058004 | 2016-03-23 | ||
JP2016058004A JP6686593B2 (ja) | 2016-03-23 | 2016-03-23 | データ処理装置、データ処理システム、データ処理方法及びプログラム |
PCT/JP2017/001877 WO2017163569A1 (ja) | 2016-03-23 | 2017-01-20 | データ処理装置、データ処理システム、データ処理方法及びプログラム |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108885448A true CN108885448A (zh) | 2018-11-23 |
Family
ID=59899928
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201780019327.5A Pending CN108885448A (zh) | 2016-03-23 | 2017-01-20 | 数据处理装置、数据处理***、数据处理方法和程序 |
Country Status (7)
Country | Link |
---|---|
US (1) | US10831184B2 (zh) |
EP (1) | EP3435185A4 (zh) |
JP (1) | JP6686593B2 (zh) |
CN (1) | CN108885448A (zh) |
CA (1) | CA3018660A1 (zh) |
TW (1) | TW201738677A (zh) |
WO (1) | WO2017163569A1 (zh) |
Families Citing this family (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018146747A1 (ja) * | 2017-02-08 | 2018-08-16 | 三菱電機株式会社 | 情報処理装置、情報処理方法及び情報処理プログラム |
JP6810675B2 (ja) | 2017-11-16 | 2021-01-06 | 東京エレクトロンデバイス株式会社 | 情報処理装置及びプログラム |
EP3719600A4 (en) | 2017-11-28 | 2021-08-11 | Kabushiki Kaisha Yaskawa Denki | CONTROL SYSTEM, FACTORY SYSTEM, LEARNING SYSTEM, ESTIMATE MODEL GENERATION METHOD, AND ACTUATOR STATE ESTIMATION METHOD |
WO2020194716A1 (ja) * | 2019-03-28 | 2020-10-01 | 三菱電機株式会社 | 信号選択装置、学習装置、信号選択方法及びプログラム |
TWI687696B (zh) * | 2019-06-26 | 2020-03-11 | 國立中興大學 | 回饋型隱藏式馬可夫模型辨識器的建立方法與基於此辨識器的辨識系統的建立方法 |
EP4094433A4 (en) | 2020-01-22 | 2024-02-21 | Nodar Inc. | NON-RIGID STEREOSCOPIC VISION CAMERA SYSTEM |
US11427193B2 (en) * | 2020-01-22 | 2022-08-30 | Nodar Inc. | Methods and systems for providing depth maps with confidence estimates |
US11577748B1 (en) | 2021-10-08 | 2023-02-14 | Nodar Inc. | Real-time perception system for small objects at long range for autonomous vehicles |
TWI783826B (zh) * | 2021-12-14 | 2022-11-11 | 國立中山大學 | 電力系統狀態的分析方法 |
US11782145B1 (en) | 2022-06-14 | 2023-10-10 | Nodar Inc. | 3D vision system with automatically calibrated stereo vision sensors and LiDAR sensor |
CN116302897B (zh) * | 2023-05-15 | 2023-10-17 | 合肥联宝信息技术有限公司 | 一种数据集的建立方法、装置、电子设备及存储介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101802561A (zh) * | 2007-09-11 | 2010-08-11 | 日本电气株式会社 | 数据记录器、数据保存方法和程序 |
CN102136761A (zh) * | 2010-01-25 | 2011-07-27 | 索尼公司 | 电子机器、电力管理装置和识别机器的方法 |
CN102257694A (zh) * | 2008-12-15 | 2011-11-23 | 埃森哲环球服务有限公司 | 电网断电和故障状况管理 |
CN102414956A (zh) * | 2009-05-04 | 2012-04-11 | 生态思索股份有限公司 | 用于电力设施使用、监视和管理的***和方法 |
CN103034267A (zh) * | 2011-09-30 | 2013-04-10 | 株式会社东芝 | 用于控制设施装置的设备和方法 |
WO2015008645A1 (ja) * | 2013-07-17 | 2015-01-22 | 日本電気株式会社 | 監視装置、監視方法及びプログラム |
CN104699685A (zh) * | 2013-12-04 | 2015-06-10 | 富士通株式会社 | 模型更新装置及方法、数据处理装置及方法、程序 |
Family Cites Families (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TW200919210A (en) | 2007-07-18 | 2009-05-01 | Steven Kays | Adaptive electronic design |
JP5048625B2 (ja) | 2008-10-09 | 2012-10-17 | 株式会社日立製作所 | 異常検知方法及びシステム |
JP5392533B2 (ja) | 2008-10-10 | 2014-01-22 | ソニー株式会社 | 固体撮像素子、光学装置、信号処理装置及び信号処理システム |
JP5301310B2 (ja) * | 2009-02-17 | 2013-09-25 | 株式会社日立製作所 | 異常検知方法及び異常検知システム |
TW201037637A (en) | 2009-04-03 | 2010-10-16 | Lin Wen Yuan | Method of monitoring an object using ID recognization |
US9014685B2 (en) | 2009-06-12 | 2015-04-21 | Microsoft Technology Licensing, Llc | Mobile device which automatically determines operating mode |
JP4832609B1 (ja) | 2011-06-22 | 2011-12-07 | 株式会社日立エンジニアリング・アンド・サービス | 異常予兆診断装置および異常予兆診断方法 |
JP2013201230A (ja) | 2012-03-23 | 2013-10-03 | Seiko Instruments Inc | ホールセンサ |
JP5855036B2 (ja) * | 2013-02-28 | 2016-02-09 | 三菱電機株式会社 | 設備点検順位設定装置 |
JP5991942B2 (ja) | 2013-04-11 | 2016-09-14 | 日本電信電話株式会社 | 電源電圧歪みによる電流の特徴への影響除去法 |
JP6561980B2 (ja) * | 2014-03-24 | 2019-08-21 | 日本電気株式会社 | 監視装置、監視システム、監視方法及びプログラム |
WO2015151789A1 (ja) * | 2014-03-31 | 2015-10-08 | 日本電気株式会社 | 教師データ生成装置、電気機器監視システム、教師データ生成方法及びプログラム |
-
2016
- 2016-03-23 JP JP2016058004A patent/JP6686593B2/ja active Active
-
2017
- 2017-01-20 CN CN201780019327.5A patent/CN108885448A/zh active Pending
- 2017-01-20 EP EP17769616.8A patent/EP3435185A4/en not_active Withdrawn
- 2017-01-20 WO PCT/JP2017/001877 patent/WO2017163569A1/ja active Application Filing
- 2017-01-20 US US16/085,665 patent/US10831184B2/en active Active
- 2017-01-20 CA CA3018660A patent/CA3018660A1/en not_active Abandoned
- 2017-02-02 TW TW106103438A patent/TW201738677A/zh unknown
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101802561A (zh) * | 2007-09-11 | 2010-08-11 | 日本电气株式会社 | 数据记录器、数据保存方法和程序 |
CN102257694A (zh) * | 2008-12-15 | 2011-11-23 | 埃森哲环球服务有限公司 | 电网断电和故障状况管理 |
CN102414956A (zh) * | 2009-05-04 | 2012-04-11 | 生态思索股份有限公司 | 用于电力设施使用、监视和管理的***和方法 |
CN102136761A (zh) * | 2010-01-25 | 2011-07-27 | 索尼公司 | 电子机器、电力管理装置和识别机器的方法 |
CN103034267A (zh) * | 2011-09-30 | 2013-04-10 | 株式会社东芝 | 用于控制设施装置的设备和方法 |
WO2015008645A1 (ja) * | 2013-07-17 | 2015-01-22 | 日本電気株式会社 | 監視装置、監視方法及びプログラム |
CN104699685A (zh) * | 2013-12-04 | 2015-06-10 | 富士通株式会社 | 模型更新装置及方法、数据处理装置及方法、程序 |
Also Published As
Publication number | Publication date |
---|---|
EP3435185A4 (en) | 2019-05-01 |
EP3435185A1 (en) | 2019-01-30 |
JP2017174045A (ja) | 2017-09-28 |
CA3018660A1 (en) | 2017-09-28 |
WO2017163569A1 (ja) | 2017-09-28 |
US20190087186A1 (en) | 2019-03-21 |
US10831184B2 (en) | 2020-11-10 |
JP6686593B2 (ja) | 2020-04-22 |
TW201738677A (zh) | 2017-11-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108885448A (zh) | 数据处理装置、数据处理***、数据处理方法和程序 | |
US11002773B2 (en) | Monitoring apparatus, monitoring method, and storage medium | |
CN105612546B (zh) | 用于能量测量的装置、服务器、***和方法 | |
CN105143892B (zh) | 设置在功率输入点的电能测量和标记装置 | |
US20150377935A1 (en) | Signal identification methods and systems | |
Chen et al. | Day-ahead prediction of hourly electric demand in non-stationary operated commercial buildings: A clustering-based hybrid approach | |
JP2003316922A (ja) | エネルギー情報分析方法、エネルギー情報分析装置、エネルギー情報分析システム | |
KR20040111164A (ko) | 에너지 관리 시스템, 에너지 관리 방법 및 에너지 절약추천 기기 정보 제공 장치 | |
US20200058001A1 (en) | Product information preparation system | |
WO2011133666A1 (en) | Determining electrical consumption in a facility | |
CN110425694A (zh) | 基于phm的高铁智能车站暖通空调能效控制管理方法 | |
JP2010218077A (ja) | 省エネ支援装置、省エネ支援システム | |
JP5484510B2 (ja) | 省エネ支援装置、省エネ支援システム | |
JP2011150650A (ja) | 省エネルギ診断システム | |
CN105608639A (zh) | 一种基于用户用电信息的居民用电行为分析方法 | |
JP6882029B2 (ja) | ユーザカスタマイズされた広告システムおよび方法 | |
JP2006178886A (ja) | 店舗管理システム | |
CN110063294B (zh) | 一种湿地水鸟生境偏好度划分方法 | |
JP2017224121A (ja) | 負荷推定装置及び負荷推定方法 | |
CN213578649U (zh) | 物联网大数据太阳能与热泵联合智慧烘干*** | |
US11204333B2 (en) | Method and system for automatic detection of inefficient household thermal insulation | |
CN108334406A (zh) | 基于区域气温差异化的跨数据中心节能负载均衡方法 | |
US20240242136A1 (en) | Data Substitution System and Data Substitution Method | |
CN118212094A (zh) | 一种基于影响维度分析的数字孪生用电预测方法及*** | |
CN104765331A (zh) | 机房能效指标的监控方法和装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 1260747 Country of ref document: HK |