ES2926645T3 - Monitorización de datos de procedimientos industriales - Google Patents
Monitorización de datos de procedimientos industriales Download PDFInfo
- Publication number
- ES2926645T3 ES2926645T3 ES18151426T ES18151426T ES2926645T3 ES 2926645 T3 ES2926645 T3 ES 2926645T3 ES 18151426 T ES18151426 T ES 18151426T ES 18151426 T ES18151426 T ES 18151426T ES 2926645 T3 ES2926645 T3 ES 2926645T3
- Authority
- ES
- Spain
- Prior art keywords
- acquisition
- data
- distance
- procedure
- anomaly
- 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.)
- Active
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
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/18—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form
- G05B19/406—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form characterised by monitoring or safety
- G05B19/4065—Monitoring tool breakage, life or condition
-
- 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
- G05B23/0227—Qualitative history assessment, whereby the type of data acted upon, e.g. waveforms, images or patterns, is not relevant, e.g. rule based assessment; if-then decisions
- G05B23/0237—Qualitative history assessment, whereby the type of data acted upon, e.g. waveforms, images or patterns, is not relevant, e.g. rule based assessment; if-then decisions based on parallel systems, e.g. comparing signals produced at the same time by same type systems and detect faulty ones by noticing differences among their responses
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Human Computer Interaction (AREA)
- Manufacturing & Machinery (AREA)
- Testing And Monitoring For Control Systems (AREA)
- Debugging And Monitoring (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
La presente invención se refiere a un método y un sistema para monitorear datos de un proceso industrial. El método comprende los pasos de adquirir un parámetro relacionado con el proceso industrial; determinar la distancia de dicha adquisición a un grupo; y determinar que dicha adquisición representa una anomalía si su distancia al cúmulo supera un umbral predeterminado. En esto, el grupo comprende al menos un número predeterminado de adquisiciones que están más cerca entre sí que una distancia predeterminada y la distancia entre la adquisición y el grupo es la distancia más corta entre dicha adquisición y cualquier adquisición del grupo. (Traducción automática con Google Translate, sin valor legal)
Description
DESCRIPCIÓN
Monitorización de datos de procedimientos industriales
Una aplicación industrial comprende una máquina que realiza una tarea predeterminada. La máquina puede ser, por ejemplo, relativamente simple, como un motor eléctrico, una válvula o un imán eléctrico. En un ejemplo más complejo, la máquina puede comprender una prensa de moldeo por inyección, un robot industrial o una planta de embotellado. La máquina puede estar compuesta por una disposición de otras máquinas y varias máquinas pueden trabajar juntas para formar un sistema. Para controlar el funcionamiento de la máquina o del sistema en conjunto, a menudo es necesario controlar varias de sus partes. Esto puede ser cierto tanto para el funcionamiento de la máquina como para garantizar la disponibilidad de la máquina. Con este fin, pueden recopilarse y procesarse datos de la máquina relacionados con el procedimiento.
Una máquina industrial puede estar equipada con uno o más artilugios que captan al menos un parámetro operativo regularmente o en función de un evento. Los datos adquiridos pueden almacenarse durante un tiempo predeterminado y el procesamiento puede tener lugar sobre los datos almacenados. El número de puntos de datos tomados en una máquina industrial ha aumentado últimamente y puede superar los 200, incluso para una máquina más simple como un motor eléctrico, en el que cada punto representa un parámetro del motor relacionado con el funcionamiento o el entorno. Con una buena comprensión de la máquina, los datos adquiridos pueden permitir la determinación de parámetros complejos como el tiempo de vida restante de la máquina.
Los datos captados desde más de una máquina industrial pueden usarse más a través del análisis de datos combinados. Al comparar el rendimiento de máquinas similares o del mismo tipo empleadas para diferentes propósitos o en diferentes entornos, puede analizarse el estrés de la máquina y el desgaste de los componentes. Los datos de producción de una máquina pueden estar relacionados con los de una máquina diferente en la misma planta. El análisis de datos complejos y de alto nivel puede conducir a conocimientos y perspectivas completamente nuevos. Los documentos US2007/0143038 y EP 0971 321 A2 analizan diferentes enfoques de análisis de datos utilizando agrupaciones de datos.
Divulgación de la invención
La presente invención se expone en el conjunto de reivindicaciones adjunto y se refiere a un método y a un sistema para monitorizar datos de un procedimiento industrial. El método comprende las etapas de adquirir un parámetro relacionado con el procedimiento industrial; determinar la distancia de dicha adquisición a una agrupación; y determinar que dicha adquisición representa una anomalía si su distancia a la agrupación supera un umbral predeterminado. En esto, la agrupación comprende al menos un número predeterminado de adquisiciones que están más cerca entre sí que una distancia predeterminada y la distancia entre la adquisición y la agrupación es la distancia más corta entre dicha adquisición y cualquier adquisición de la agrupación. El procedimiento se controla en función de si se detectó o no una anomalía.
La invención se basa en la idea de que puede no ser necesario definir formalmente cuál es el comportamiento “normal” de los datos observados para detectar una anomalía. En cambio, la detección de anomalías puede identificar datos que difieren de la mayoría de las observaciones anteriores. Esto puede formularse técnicamente a través del concepto de una agrupación que representa una acumulación de adquisiciones de dicho parámetro. Si un número suficientemente grande de adquisiciones se encuentra lo suficientemente cerca, una adquisición que se encuentre más alejada puede indicar una anomalía. Esto puede permitir la detección de anomalías únicamente en función de la observación de adquisiciones de dicho parámetro. El método necesita solo tres variables proporcionadas por el usuario: el número mínimo de adquisiciones que forman una agrupación, la distancia máxima entre las adquisiciones de la agrupación y la distancia entre una adquisición y la agrupación más allá del cual la adquisición se considera un valor atípico. En esto, las dos distancias pueden establecerse en el mismo valor.
Se prefiere que se determine la distancia de dicha adquisición a la más cercana de una pluralidad de agrupaciones distintas de adquisiciones previas de dicho parámetro. Esto puede permitir parámetros que tengan más de una agrupación. Se considerará que la adquisición no es parte de ninguna agrupación si se encuentra más alejada de lo predeterminado de cada una de las agrupaciones.
Dicho parámetro puede tener n dimensiones, con n > 1, y la distancia entre dos adquisiciones puede determinarse como la distancia euclidiana en el espacio n-dimensional. Esto puede permitir datos multidimensionales, es decir, un valor que depende de uno o más valores. No existe un límite teórico para el número de dimensiones, por lo que el método dado puede ser aplicable a circunstancias complejas. Otras opciones posibles para la distancia incluyen Tchebychev, Manhattan o Canberra.
El método puede comprender además las etapas de determinar la probabilidad de que la adquisición represente una anomalía; y de determinar que dicha adquisición representa una anomalía si dicha probabilidad supera un umbral predeterminado. De esta forma, una adquisición que se encuentra alejada de todas las agrupaciones no necesariamente conducirá a la determinación de una anomalía. La evaluación de la probabilidad determinada puede
dejarse a un procedimiento externo o de supervisión, permitiendo la consideración de factores acompañantes. Si, por ejemplo, ya se sabe que el desgaste de un aparato involucrado en el procedimiento, de cuyo aparato se adquiere el parámetro, conduce a agrupaciones cambiantes, un valor atípico en la dirección del desgaste puede tratarse de manera diferente que en el opuesto o una dirección totalmente diferente.
Puede generarse un evento si se detecta una anomalía. El evento puede almacenarse en el almacenamiento para su posterior procesamiento. El evento puede comprender una indicación del resultado de la determinación, así como la adquisición original o un resultado intermedio como la distancia determinada de la adquisición o a qué adquisición se determinó la distancia.
Puede enviarse una notificación si se detecta una anomalía. Un procedimiento que supervisa, controla o analiza dicho procedimiento industrial puede así liberarse de la vigilancia permanente de las adquisiciones entrantes en busca de valores atípicos. Esto permite una mejor separación entre la supervisión y el reconocimiento.
Previamente podrá recibirse una suscripción a una notificación relativa a una anomalía de dicho parámetro. La parte desde la que se recibe la suscripción puede llamarse suscriptor. Una suscripción puede abordar un parámetro o conjunto de parámetros predeterminados. La suscripción puede estar limitada a un período de tiempo predeterminado, ya sea por parte del suscriptor o por parte del método. Una suscripción puede extenderse en dicho método. También es posible darse de baja.
Se prefiere que la comunicación con dicho método se realice a través de un conjunto predeterminado de mensajes, también conocido como interfaz de programa de aplicación (API). A través de dicha API también podrá transferirse un evento, notificación o adquisición de parámetros. Puede atenderse una pluralidad de solicitudes en paralelo, lo que permite que más de un procedimiento de supervisión trabaje con la misma información. Las diferentes tareas de supervisión pueden estar mejor separadas entre sí. El método puede recibir adquisiciones de una pluralidad de parámetros y los parámetros pueden provenir del mismo o de varios procedimientos industriales diferentes. Puede existir un control de acceso que separe un parámetro o procedimiento industrial de otro o que permita el procesamiento de adquisiciones que abarquen varios parámetros o procedimientos industriales, respectivamente.
Puede almacenarse la adquisición y pueden borrarse las adquisiciones almacenadas con una duración de almacenamiento que supera un tiempo predeterminado. Especialmente en las adquisiciones de series de tiempo, solo pueden considerarse aquellas de un pasado predeterminado, mientras que las adquisiciones más antiguas pueden descartarse. De esta manera, las agrupaciones pueden ser más dinámicas y cambiar de forma o ubicación de acuerdo con datos recientes. En una realización alternativa de la presente invención, se mantiene un número predeterminado de adquisiciones y, si se supera el número, puede borrarse la adquisición más antigua con el tiempo de almacenamiento más prolongado. Esta variante puede ser más ventajosa cuando la información no se hace evidente de manera regular y oportuna.
Un sistema para procesar datos relacionados con un procedimiento industrial comprende una plataforma informática, teniendo la plataforma informática una interfaz de datos que puede conectarse, a través de una red de datos de área amplia, a una entidad física, en el que la entidad física está adaptada para proporcionar una adquisición de un parámetro que está relacionado con el funcionamiento de una máquina involucrada en dicho procedimiento y en el que la plataforma está adaptada para llevar a cabo un método descrito en el presente documento. El sistema puede así usarse para detectar una anomalía de uno o más parámetros que están relacionados con el procedimiento industrial dado. Opcionalmente, los parámetros pueden relacionarse con más de un procedimiento industrial y pueden detectarse anomalías de procedimientos comparados, cooperantes o competitivos. El proceso puede controlarse mejor sobre esta base. Las ventajas o características del sistema o dispositivo pueden aplicarse al método, y viceversa.
Breve sumario de las figuras adjuntas
Las propiedades, características y ventajas de la presente invención descritas anteriormente, así como la forma en que se logran, se aclararán y comprenderán mejor a la vista de la siguiente discusión, haciendo referencia a las realizaciones a modo de ejemplo que se muestran en las figuras adjuntas, en las que
La figura 1 muestra el procesamiento de datos para uno o más sistemas industriales;
la figura 2 muestra un diagrama de flujo de un método a modo de ejemplo para procesar datos de un procedimiento industrial;
la figura 3 muestra un flujo de datos a modo de ejemplo; y
la figura 4 muestra datos agrupados y valores atípicos a modo de ejemplo.
Realizaciones de ejemplo detalladas de la invención
La figura 1 muestra un sistema 100 para procesamiento de datos para uno o más procedimientos 105 industriales.
Los procedimientos 105 industriales de ejemplo que se muestran en la sección inferior de la figura 1 incluyen procesamiento 110 industrial, tecnología 115 de construcción, movilidad 120, energía 125 eólica, accionamientos 130 industriales, aplicaciones 135 para el cuidado de la salud, un ascensor 140 y una escalera 145 mecánica. Más procedimientos 105 posibles incluyen aplicaciones de ciudades inteligentes, gestión de energía o fábrica digital. La selección dada de procedimientos 105 industriales es a modo de ejemplo y no limitativa. Además, la clasificación del procedimiento 105 es paradigmática y un procedimiento 105 industrial dado puede comprender elementos de más de uno de los procedimientos 105 dados.
La complejidad de un procedimiento 105 y la desviación del procedimiento 105 de un enfoque general pueden diferir mucho en diferentes campos. Mientras que, por ejemplo, la variación entre dos procedimientos dados de la escalera 145 mecánica puede ser limitada, la variación del procedimiento en el procesamiento 110 industrial puede ser muy alta y depender de un objeto que va a procesarse o fabricarse. Para gestionar el procedimiento 105, una determinación similar a la funcionalidad de alto nivel de la vida útil esperada de la maquinaria, la estimación del factor de coste o la gestión de la cadena de suministro pueden requerir un modelo de datos para el procedimiento 105 o una clase de servicios 105 de los que forma parte el servicio 105 en cuestión.
Cada procedimiento 105 produce datos 150 que describen el funcionamiento de un artilugio técnico como una máquina, un sistema, una planta o un sistema de producción. Dichos datos pueden comprender un recuento de artículos, una velocidad de movimiento, una aceleración, una temperatura, una presión, una fuerza o un par, una corriente, una tensión, una distancia o cualquier otro parámetro relacionado con el procedimiento 105 en cuestión. Algunos de los datos 150 pueden estar ya disponibles en el procedimiento 105 en forma digital, por ejemplo, una temperatura ambiente que se mide por un sistema diferente o un requisito de velocidad de rotación. Pueden muestrearse otros datos 150 con la ayuda de un sensor 155 dedicado y/o una unidad 160 de muestreo. La unidad 160 de muestreo puede comprender una unidad 165 computacional, memoria 170 local y/o interfaces 175 para el artilugio en cuestión, el sensor 155 o una entidad 180 remota de procesamiento de datos. Se prefiere que la máquina y/o la unidad 165 de muestreo estén adaptadas para intercambiar datos 150 con la entidad 180 remota de procesamiento de datos en forma encriptada.
La unidad 160 de muestreo puede comprender un microordenador o microcontrolador adaptado para el procesamiento de datos digitales, especialmente en forma de la unidad 165 computacional. Un método para el procesamiento de datos descrito en el presente documento puede estar disponible en forma de un producto de programa informático con medios de código de programa y la unidad 160 de muestreo puede adaptarse para implementar dicho método o una parte del mismo ejecutando los medios de código de programa. El producto del programa informático puede almacenarse en un medio legible por ordenador o puede transferirse de un sistema a otro por medio de una conexión de datos inalámbrica o por cable.
Se prefiere que la entidad 180 de procesamiento implemente un servicio 185 en cualquier hardware deseado, especialmente abstraído del hardware como un servicio 185 basado en la nube. De esta forma, la ubicación física en la que se ejecuta el servicio 185 y los recursos físicos asignados para el servicio 185 pueden variar de forma transparente. Esto puede permitir una mejor escala de recursos o un servicio basado en la ubicación. La entidad 180 de procesamiento puede comprender una unidad 165 computacional y/u otros elementos discutidos anteriormente con respecto a la unidad 160 de muestreo.
En una opción preferida, el servicio 185 es parte de un entorno de procesamiento de datos que proporciona cierta funcionalidad para la adquisición, el almacenamiento, el procesamiento o el suministro de datos 150. Un entorno de procesamiento preferido se conoce con el nombre de MindSphere. El entorno de procesamiento puede ejecutarse sobre un servicio en la nube tal como AWS (Amazon Web Services) o cualquier otra plataforma de procesamiento de datos.
Se prefiere que el servicio 185 tenga disponible un almacenamiento 190 como una base de datos o un sistema de archivos de ordenador, especialmente para los datos 150. El almacenamiento 190 puede implementarse en cualquier hardware deseado, incluyendo memoria de semiconductores o el almacenamiento de datos magnéticos en medios rotatorios. El propio almacenamiento 190 puede implementarse como un servicio, especialmente un servicio basado en la nube, de modo que, desde el punto de vista del servicio 185, las restricciones físicas o las características de la implementación del almacenamiento 190, como la capacidad máxima o la ubicación física del medio de retención de datos, no tienen importancia y es posible que ni siquiera estén disponibles. Los datos 150 generalmente están relacionados con el tiempo porque la lectura de un parámetro tiene un tiempo asociado que puede comprender una fecha y/o una hora. Una serie de puntos de datos 150 a lo largo del tiempo puede formar una serie de datos. La información en el almacenamiento 190 puede procesarse, comprimirse, intercambiarse o descartarse después de que se haya retenido durante más tiempo que un tiempo predeterminado o cuando una cantidad de información disponible supere un umbral predeterminado.
Se propone proporcionar el servicio 185 de manera que un procedimiento 195 de nivel superior pueda solicitar datos 150 y el procedimiento 195 devuelve los datos 150 solicitados en forma procesada o procesada previamente. La solicitud y/o la respuesta pueden cifrarse y/o autentificarse. El procesamiento de los datos 150 puede tener lugar después de la solicitud real o en un momento anterior después de que los datos 150 estén disponibles. Los datos 150
procesados o parcialmente procesados pueden almacenarse en el almacenamiento 190. Los datos 150 se denominan sin procesar cuando no se modifican de la forma en que se reciben desde una máquina, procedimiento 105 o unidad 160 por el servicio 185. Los datos 150 se denominan procesados previamente después de que se procesen mejor sin cambiar su significado o contexto. El procesamiento previo puede, por ejemplo, identificar o eliminar valores atípicos, marcar o llenar huecos de datos, identificar o compensar el ruido o el sesgo de la medición. El procesamiento previo puede realizar operaciones estadísticas sobre los datos 150 sin procesar. Los datos 150 se denominan procesados después de que se hayan combinado varios parámetros, se haya realizado un análisis estadístico más profundo o se proporcione un parámetro completamente nuevo en función de los datos 150 sin procesar o procesados previamente existentes.
Se prefiere que el servicio 185 proporcione datos procesados previamente en un procedimiento 105 a un procedimiento 195 de nivel superior a través de una interfaz de programa de aplicación (API). Datos 150 sin procesar y/o procesados también pueden estar disponibles. Es posible que el procedimiento 195 de nivel superior no necesite preocuparse por el procesamiento de datos básicos, como el suavizado de datos, la detección de valores atípicos, la reducción de ruido o la determinación de factores clave.
Se propone que el procesamiento ofrecido por el servicio 185 estará generalmente en una capa de abstracción que es superior al muestreo y retransmisión de datos, pero inferior al modelado del procedimiento 105 industrial subyacente. Se prefiere especialmente que el procedimiento 195 dé sentido a los datos 150 en contexto con un procedimiento 105 dado, mientras que el procesamiento previo o procesamiento del servicio 185 puede estar dirigido a los propios datos 150, sin prestar atención al significado que tiene dentro del procedimiento 105. El procesamiento del procedimiento 195 puede comprender cualquier procesamiento numérico, simbólico u otro deseado. En una opción, el procedimiento 195 está diseñado para proporcionar una visualización de los datos 150, especialmente para la recepción humana.
En un ejemplo figurativo, un procedimiento 105 industrial en cuestión comprende la fabricación de tablones de madera a partir de madera con un aserradero con una sierra oscilante. Los datos 150 sin procesar pueden comprender una frecuencia de oscilación de la sierra, la longitud de madera que se ha cortado desde el último afilado de la hoja de sierra y la cantidad de madera que debe cortarse hasta una fecha predeterminada. Los datos 150 sin procesar pueden procesarse previamente para, por ejemplo, reducir el ruido, suavizar o comprobar que se encuentran dentro de un intervalo predeterminado. Los datos 150 pueden procesarse adicionalmente para producir un indicador de rendimiento clave como la utilización del aserradero en porcentaje. Otro procesamiento puede comprender la predicción de tendencias, el cálculo de una señal indirecta o la detección de anomalías.
Los datos 150 proporcionados al procedimiento 195 de nivel superior pueden formar una base mejorada sobre la cual dicho procedimiento 195 puede controlar el procedimiento 105, reaccionar en una condición predeterminada, relacionar el procedimiento 105 con otro procedimiento 105 o usar datos externos para obtener un mejor conocimiento o control sobre el procedimiento 105. Tal procesamiento generalmente requiere conocimiento sobre el procedimiento 105 y sus implicaciones y, a menudo, se realiza utilizando un modelo matemático para dicho procedimiento 105.
La figura 2 muestra un diagrama de flujo de un método 200 para procesar datos relacionados con un procedimiento 105 industrial. Se prefiere que el método 200 se adapte para ejecutarse en un sistema 100 del tipo que se describe con referencia a la figura 1.
En una etapa 205 puede adquirirse un parámetro de una máquina involucrada en el procedimiento 105 industrial. La adquisición es generalmente la acción de determinar y/o proporcionar una información o datos 150, que también se denomina adquisición en el presente documento. Se prefiere que los datos 150 comprendan el valor de un parámetro, por ejemplo, un valor numérico correspondiente a una unidad predeterminada (como metros), expresando, por ejemplo, una distancia. Una indicación del tiempo correspondiente a los datos 150, como el tiempo de muestreo, puede procesarse junto con los datos 150 adquiridos.
La adquisición puede comprender la recuperación de datos 150 digitales o analógicos que están disponibles en la máquina conectada al procedimiento 105 o un dispositivo que controla el procedimiento 105. El procedimiento 105 industrial puede comprender la fabricación de un producto en una línea de fabricación y la adquisición puede comprender, por ejemplo, solicitar un parámetro de máquina desde un controlador de línea de producción que controle al menos una máquina en la línea y evalúe una respuesta. Adquirir también puede comprender tomar una medición mediante el uso de un sensor 155. El sensor 155 puede adaptarse, por ejemplo, para medir un ángulo, una longitud, una cuenta, una posición, un movimiento, una velocidad, una aceleración, una corriente, una tensión, una potencia, una fuerza, una edad o cualquier otro tipo de datos 150 que pueden medirse. Se prefiere que los parámetros medidos estén en contexto con el procedimiento 105 y pueden ser, por ejemplo, parte del estado de una máquina o un estado de procesamiento de un objeto que está tratándose o fabricándose. La adquisición también puede comprender la lectura de datos 150 desde un depósito, tal como almacenamiento 190 o un archivo de registro.
La adquisición puede desencadenarse por sondeo, es decir, una solicitud de adquisición externa, por un evento, por ejemplo, el cambio de una señal o parámetro relacionado con el procedimiento 105, o en función del tiempo, por ejemplo, después de un tiempo predeterminado desde la última adquisición. Se prefiere que una pluralidad de
adquisiciones pueda tener lugar simultáneamente o en un período de tiempo lo suficientemente pequeño como para que exista una correlación temporal entre las adquisiciones. Los datos 150 adquiridos pueden ser procesados previamente de manera local por una unidad de procesamiento que se encuentra en el dominio del procedimiento 105, como la unidad 160 de muestreo, pero se prefiere que los datos 150 sin procesar pasen desde la etapa 205 y el procesamiento previo tenga lugar en una etapa posterior del método 200 y posiblemente en una ubicación física diferente, como la entidad 180 de procesamiento. Se prefiere que los datos 150 estén formateados en notación de objetos JavaScript (JSON).
En una etapa 210, se prefiere encriptar los datos 150 y entonces enviarlos a la entidad 180 de procesamiento. La ubicación física de la entidad 180 de procesamiento puede ser dinámica y transparente para los procedimientos externos, de modo que la transferencia de los datos 150 puede requerir un protocolo de enrutamiento dinámico. En una etapa 215, la entidad 180 de procesamiento puede recibir los datos transferidos y descifrarlos, si es necesario.
Los datos recibidos pueden entonces almacenarse en una etapa 220 para su posterior recuperación y/o procesamiento. Se prefiere que los datos 150 se almacenen en un almacenamiento 190 que esté disponible para la entidad 180 de procesamiento y para el servicio 185 que se ejecuta en el mismo. El procesamiento de los datos 150 almacenados puede tener lugar en un momento posterior. Alternativamente, el procesamiento puede tener lugar antes del almacenamiento. También es posible una operación mixta en la que parte del procesamiento se realiza independientemente de la solicitud de recuperación de datos y parte se realiza en respuesta a la misma. En una realización en la que el procesamiento se realiza sobre los datos 150 almacenados, el procesamiento puede activarse mediante una solicitud de recuperación de datos 150 o de forma automática, por ejemplo, controlada por un evento o regularmente. El evento puede comprender, por ejemplo, la disponibilidad de una adquisición de un parámetro predeterminado o el cumplimiento de una condición predeterminada durante otro procesamiento, como el valor de un parámetro adquirido o procesado que supera un umbral. El procesamiento de una adquisición se explicará con más detalle a continuación con referencia a la etapa 230.
Para almacenar y/o procesar, se prefiere que los datos 150 de diferentes procedimientos 105 se mantengan separados, por ejemplo, en diferentes tablas de bases de datos y preferiblemente con un control de acceso apropiado existente. El almacenamiento 190 puede ser de varios niveles porque comprende varias etapas de memoria que varían en tiempo de acceso y capacidad. Los datos 150 nuevos generalmente se almacenan en una memoria rápida, pero pequeña (por ejemplo, RAM) y los datos 150 más antiguos pueden eventualmente reubicarse en la siguiente memoria más lenta y grande (por ejemplo, una memoria de medio magnético rotatorio, un medio óptico rotatorio o un medio de transmisión como una cinta magnética).
En una etapa 225 opcional, el procedimiento 185 recibe una solicitud de datos 150. La solicitud puede provenir especialmente de un procedimiento 195 que está adaptado para procesar adicionalmente los datos 150 solicitados. La solicitud puede comprender una indicación de un procedimiento 105 predeterminado, una identificación de una máquina o componente de interés, un período de tiempo y/o una u otras condiciones.
Se prefiere que entonces se ejecute una etapa 230 para determinar si una adquisición predeterminada debe considerarse o no una anomalía. Se supone que las adquisiciones recibidas anteriormente se agregarán en al menos una agrupación. Una agrupación puede definirse como varias adquisiciones, cuya cantidad supera un número predeterminado, en el que para cada adquisición en la agrupación existe otra adquisición en dicha agrupación a la que la distancia es menor que un valor predeterminado. Una distancia entre dos adquisiciones puede ser una distancia euclidiana. Es decir, si el parámetro tiene una sola dimensión, la distancia entre una primera y una segunda adquisición puede ser simplemente la diferencia entre sus valores. Si el parámetro tiene dos dimensiones, la distancia euclidiana puede determinarse como la longitud de la hipotenusa de un triángulo rectángulo con un punto de extremo de dicha hipotenusa en cada una de dichas adquisiciones. La longitud de la hipotenusa puede entonces calcularse a partir de las diferencias en el primer y segundo valores correspondientes de dichas adquisiciones usando el conocido teorema de Pitágoras. Para dimensiones mayores, la distancia euclidiana puede determinarse de manera correspondiente.
La distancia desde una adquisición a una agrupación puede definirse como su distancia a la adquisición más próxima en dicha agrupación. Opcionalmente, puede determinarse si la distancia determinada supera o no un umbral predeterminado. Además, puede determinarse una probabilidad de que una adquisición que se encuentre más alejada de lo predeterminado de dicha agrupación sea o no una anomalía.
El resultado del procesamiento en la etapa 230 puede almacenarse, especialmente en el almacenamiento 190, y/o enviarse a una parte interesada como dicho procedimiento 195. Especialmente en el caso de almacenar el resultado, puede crearse un evento informativo de la información proporcionada y almacenarse opcionalmente en dicho almacenamiento 190 o enviarse a una parte predeterminada como el procedimiento 195.
El procedimiento 195 puede controlar o configurar cómo se lleva a cabo el procesamiento en la etapa 230 y cómo se realiza la generación de eventos y la gestión de notificaciones. Se prefiere que esto se realice en un momento antes de la etapa de procesamiento 230. Puede realizarse una solicitud de configuración al servicio 185, que preferiblemente comprende información sobre cómo se debe realizar el procesamiento sobre qué datos 150 en qué momento y cómo proceder con un resultado. La notificación puede controlarse de la misma manera, junto con o independientemente
del procesamiento 230 de control.
El procedimiento 195 puede, por ejemplo, suscribirse a un evento predeterminado o a un grupo, tipo o clase de eventos predeterminados, de modo que se envíe una notificación al procedimiento 195 cada vez que se produzca un evento predeterminado. En una realización, un primer procedimiento 195 puede realizar una suscripción de notificación para un segundo procedimiento 195. El procedimiento 195 también puede darse de baja de una notificación predeterminada para detener el envío de notificaciones. La notificación puede limitarse a un período de tiempo predeterminado después de la configuración, por ejemplo, 2 horas, un día o 48 horas. Una suscripción de un procedimiento 195 a la notificación puede ser renovable para garantizar un funcionamiento continuo.
En una etapa 235 opcional, se prepara y proporciona una respuesta a la solicitud de 225. La respuesta puede comprender especialmente una indicación de si hay o no motivos para considerar una adquisición predeterminada como una anomalía. Esta indicación puede comprender una distancia de dicha adquisición desde una agrupación de adquisiciones, ya sea que la distancia supere una distancia predeterminada o una probabilidad de que una adquisición con una distancia que supere dicha distancia predeterminada represente una anomalía. Entonces, el procedimiento 195 de solicitud puede fijarse en los datos 150 proporcionados y procesarlos adicionalmente. La indicación proporcionada o un resultado de dicho procesamiento puede usarse para controlar el procedimiento 105.
Se prefiere que entre el procedimiento 195 y el procedimiento 185 se defina una API que permita el intercambio de datos 150 procesados o no procesados y/o información de configuración sobre cómo se realiza el procesamiento y/o cómo se procesan las notificaciones. Se prefiere que la API siga el paradigma de transferencia de estado representacional (REST). Aunque REST estrictamente no usa estados de sesión, puede usarse un identificador para acceder al servicio después de la autentificación, en el que la autentificación puede basarse, por ejemplo, en credenciales predeterminadas (como nombre de usuario y contraseña). Tras una autentificación exitosa, el identificador puede generarse por el servicio 185 y proporcionarse al procedimiento 195. Las solicitudes posteriores del procedimiento 195 pueden requerir que el identificador se envíe de vuelta al servicio 185 para obtener acceso a recursos de servicio predeterminados como una función de servicio o datos 150. El servidor 185 puede mantener variables de sesión asociadas al identificador. El identificador también puede contener información en forma simple, codificada, cifrada o encriptada.
El servicio 185 puede realizarse especialmente como un servicio web y el procedimiento 195 puede comunicarse con el mismo a través de un protocolo de aplicación como el protocolo de transferencia de hipertexto (HTTP) o su variante cifrada HTTPS. Los datos 150 intercambiados pueden estar codificados en JSON.
La figura 3 muestra un diagrama de bloques a modo de ejemplo de arquitectura 300 de los servicios 185 y 195 en el sistema 100 de la figura 1. Se prefiere que los artículos que se muestran en la figura 3 se implementen como componentes funcionales del servicio 185 cuando sea aplicable.
El servicio 185 tiene una primera interfaz 305 con el procedimiento 105 y una segunda interfaz 310 con el procedimiento 195. Se prefiere que la segunda interfaz 310 comprenda un servicio REST y, además, soporte al menos las solicitudes POST, GET y DELETE. Aunque REST estrictamente no usa estados de sesión, puede usarse un identificador para acceder al servicio después de la autentificación, que puede basarse en credenciales predeterminadas. El identificador puede proporcionarse al procedimiento 195 por el servicio 185 tras una autentificación exitosa. Las solicitudes posteriores del procedimiento 195 pueden requerir que se envíe el identificador al servicio 185 para obtener acceso a recursos de servicio predeterminados como una función de servicio o datos 150. El servidor 185 puede mantener variables de sesión asociadas al identificador. El identificador también puede contener información en forma simple, codificada, cifrada o encriptada. Se prefiere que la segunda interfaz 310 soporte comunicación encriptada como si estuviera basada en HTTPS. El procedimiento 195 puede no requerir ningún ámbito de seguridad.
Un lector 315 está adaptado para recibir adquisiciones de datos 150 de un parámetro del procedimiento 105 y transmitir las adquisiciones a un detector 320 de anomalías. Se prefiere que las adquisiciones formen una serie temporal. Para que un procedimiento 195 predeterminado provoque el acceso del servicio 185 a dichos datos 150, puede requerirse que el procedimiento 195 posea un alcance de seguridad apropiado, que puede hacerse cumplir mediante el identificador mencionado anteriormente. Se prefiere que el detector 320 de anomalías se adapte para albergar un modelo 325 para la detección de anomalías que puede configurarse, por ejemplo, a través del procedimiento 195.
El detector 320 de anomalías puede adaptarse para entrenar un modelo 325 dado en un primer modo de funcionamiento, tal como para determinar agrupaciones y estimar parámetros para la determinación y/o puntuación de agrupaciones. En un segundo modo de funcionamiento, se puntúa una adquisición para ver si debe considerarse una anomalía o no. Los modos normalmente se ejecutan secuencialmente, sin embargo, en algunas realizaciones ambos modos pueden ejecutarse en paralelo. Dependiendo del resultado de aplicar el modelo 325 a las adquisiciones entrantes, el detector 320 de anomalías puede generar un evento y los eventos generados pueden reenviarse al procedimiento 195 y/o almacenarse en el almacenamiento 190. Los datos 150 subyacentes a dicho procesamiento por el detector 320 de anomalías también pueden almacenarse en el almacenamiento 190. Un evento puede comprender información sobre, pero restringida a, una identificación, la identificación de un identificador, una marca
de tiempo, una hora de inicio, una hora de finalización, una identificación de activo, un regresor, un regresante, un umbral y/o un evento serializado.
Se prefiere que se controle el acceso a los datos 150 o eventos que residen en el almacenamiento 190 para evitar un acceso no autorizado. La información almacenada puede eliminarse del almacenamiento 190 después de un período de tiempo predeterminado, por ejemplo, aproximadamente una hora, un día, una semana, diez días o un mes. Si el almacenamiento 190 comprende una base de datos, la información para diferentes servicios 195 o diferentes usuarios que usan el mismo procedimiento 195 puede mantenerse en diferentes tablas de bases de datos. Es posible que un procedimiento 195 o un usuario asociado solo pueda acceder a la información de una tabla de base de datos asignada.
El trabajo del detector 320 de anomalías puede tener lugar en la memoria de procesamiento disponible para el servicio 185, de modo que no deba persistir ninguna estructura de datos temporal. El modelo 325 también puede representarse en la memoria y borrarse cuando finaliza un análisis correspondiente.
Basándose en la determinación de la anomalía, puede generarse y proporcionarse una notificación de un evento a una parte interesada, por ejemplo, el procedimiento 195, para el funcionamiento asíncrono. La notificación puede indicar, por ejemplo, la presencia de una nueva estimación o la aparición de un problema de determinación de anomalías como datos de entrenamiento insuficientes. La interfaz 310 puede usarse para notificación. Los datos 150 sin procesar o procesados del procedimiento 105 también pueden estar disponibles a través de dicha interfaz 310. Opcionalmente, los datos 150 seleccionados almacenados en el almacenamiento 190 pueden borrarse a través de dicha interfaz 310. Es posible que se soporte el registro de eventos o datos intermedios. Aparte de esto, puede emplearse el registro de servicios de autorización o autentificación para obtener acceso al servicio 185.
La figura 4 muestra una ilustración 400 con datos 150 a modo de ejemplo. Los datos 150 actuales cubren adquisiciones 405 bidimensionales, algunas de las cuales se acumulan en una agrupación 410. Una adquisición 405 que no pertenece a ninguna agrupación 410 puede denominarse valor atípico, ruido o anomalía. En otras realizaciones, cada una de las adquisiciones 405 puede comprender solo una dimensión para que una ilustración correspondiente sea lineal, tres dimensiones para que la ilustración sea espacial, o incluso más dimensiones, lo que dificulta la ilustración. Ambas dimensiones pueden representar cualquier tipo de información relacionada con el procedimiento 105 industrial antes indicado. En un caso preferido, una de dichas dimensiones representa un tiempo, especialmente el tiempo de determinación de uno o varios valores de las otras dimensiones.
Las adquisiciones 405 pueden caer en una de cuatro categorías de puntos. En las siguientes observaciones, minPts y £ pueden ser variables configurables por el usuario.
Un punto p puede llamarse punto central si al menos minPts puntos están dentro de una distancia predeterminada £ (£ es el radio máximo de la vecindad de p) del mismo (incluyendo p).
Un punto q es directamente alcanzable desde p si el punto q está dentro de la distancia £ desde el punto p y p debe ser un punto central.
Un punto q es alcanzable desde p si hay una trayectoria p1, ..., pn con p1 = p y pn = q, donde cada p+i es directamente alcanzable desde p¡ (todos los puntos de la trayectoria deben ser puntos centrales, con la posible excepción de q).
Todos los puntos no alcanzables desde cualquier otro punto (o cualquier punto dentro de una agrupación 410) pueden considerarse valores atípicos que pueden representar una anomalía de adquisición 405.
La determinación de anomalías (véase la etapa 230 en el método 200 mencionado anteriormente con referencia a la figura 2) puede realizarse como se expone a continuación. El esquema dado se basa en el conocido método DBSCAN.
Entrenamiento de modelo
Entradas: conjunto D con N adquisiciones 405. El conjunto de datos puede seleccionarse de un conjunto de datos más grande dando límites apropiados, por ejemplo, un intervalo de tiempo si una dimensión del parámetro comprende un tiempo.
- seleccionar M variables, M situadas en un intervalo predeterminado, como [1; 10]
- seleccionar o estimar parámetros DBSCAN
o seleccionar medida de distancia
■ por ejemplo, uno de euclidiana, Manhattan, Cheby-shev o Canberra
o seleccionar minPts de tamaño de agrupación 410 mínima
■ Intervalo: [1, N], predeterminado: 2AM
o seleccionar o estimar el umbral de distancia
■ calcular la distancia minPts-NN para cada adquisición 405
■ clasificar las distancias resultantes en orden descendente
■ determinar la segunda desviación de las series de distancias y detenerse cuando sea menor que un valor predeterminado, por ejemplo, 0,1
■ seleccionar la distancia en el punto de parada como umbral
- ejecutar DBSCAN usando parámetros estimados
Salida: partición del conjunto de datos D en agrupaciones 410 y ruido (=valores atípicos, anomalías) 415.
La salida generada puede procesarse algo más para resolver si una adquisición 405 comprende o no una anomalía 415.
Puntuación
- Determinar instancias anómalas determinando si una instancia dada pertenece a una agrupación 410 o no.
Una adquisición 405 c puede considerarse una anomalía si:
; ÜpeD : dist(c, p) < s A p es parte de una grupación
- Entonces puede proporcionarse la probabilidad de que c sea una anomalía:
min(dist(c,p)\peD .A.dist(c,p) > s)
Obsérvese que el entrenamiento y la puntuación pueden realizarse en fases de procesamiento sucesivas o al mismo tiempo. También obsérvese que los datos 150 disponibles pueden comprender adquisiciones 405 que forman agrupaciones 410 con valores de densidad significativamente diferentes. Para dichos datos, el procesamiento indicado anteriormente puede ser difícil o incluso inviable. El método presentado puede tener una complejidad de O(n2). Se prefiere que los datos 150 se procesen previamente u se optimicen para la detección de anomalías antes de ejecutar el procedimiento indicado anteriormente. El procesamiento previo puede comprender la determinación de la estacionalidad, la segmentación, etc. Si no se hiciera esto, una anomalía que forma una agrupación 410 puede distorsionar los resultados del procedimiento.
Claims (10)
- REIVINDICACIONESi. Método (200) para procesar datos relativos a un procedimiento industrial, comprendiendo el método (200) las etapas de:- adquirir (205) un parámetro relacionado con dicho procedimiento (105) industrial;- determinar (230) la distancia de dicha adquisición (405) a una agrupación (410);- en el que la agrupación (410) comprende al menos un número predeterminado de adquisiciones (405) que están más cerca entre sí que una distancia predeterminada;- determinar (230) que dicha adquisición (405) representa una anomalía (415) si su distancia a la agrupación (410) supera un umbral predeterminado; caracterizado porque la distancia entre la adquisición (405) y la agrupación (410) es la distancia más corta entre dicha adquisición (405) y cualquier adquisición (405) de la agrupación (410); en el que- el procedimiento industrial (105) se controla (235) en función de si se detectó o no una anomalía (415).
- 2. Método (200) según la reivindicación 1, en el que se determina la distancia de dicha adquisición (405) a la más cercana de una pluralidad de agrupaciones (410) distintas de adquisiciones (405) previas de dicho parámetro.
- 3. Método (200) según la reivindicación 1 ó 2, en el que dicho parámetro tiene n dimensiones, n > 1, y la distancia entre dos adquisiciones (405) se determina como la distancia euclidiana en un espacio de n dimensiones.
- 4. Método (200) según una de las reivindicaciones anteriores, que comprende además etapas de- determinar la probabilidad de que la adquisición (405) represente una anomalía (415); y- determinar que dicha adquisición (405) representa una anomalía (415) si dicha probabilidad supera un umbral predeterminado.
- 5. Método (200) según una de las reivindicaciones anteriores, en el que se genera un evento si se detecta una anomalía (415).
- 6. Método (200) según una de las reivindicaciones anteriores, en el que se envía una notificación si se detecta una anomalía (415).
- 7. Método (200) según la reivindicación 6, en el que se recibe una suscripción a una notificación relativa a una anomalía (415) de dicho parámetro.
- 8. Método (200) según una de las reivindicaciones anteriores, en el que se almacena la adquisición y se borran las adquisiciones almacenadas con una duración de almacenamiento que supera un tiempo predeterminado.
- 9. Sistema (100) para procesar datos (150) relativos a un procedimiento (105) industrial, comprendiendo el sistema:- una plataforma (180) informática;- teniendo la plataforma (180) informática una interfaz de datos (150) que puede conectarse, a través de una red de datos de área amplia, a una entidad (160) física;- en el que la entidad (160) física está adaptada para proporcionar una adquisición (405) de un parámetro que está relacionado con dicho procedimiento (105);- en el que la plataforma (180) está adaptada para llevar a cabo un método (200) según una de las reivindicaciones anteriores.
- 10. Sistema (100) según la reivindicación 9, en el que la entidad física comprende una unidad (160) de adquisición de datos ubicada en un dominio donde se realiza el procedimiento (105), comprendiendo la unidad (160) de adquisición de datos (150) al menos una interfaz (175) que puede conectarse a un sensor (155) que está adaptado para adquirir dicho parámetro.
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
EP18151426.6A EP3511788B1 (en) | 2018-01-12 | 2018-01-12 | Monitoring industry process data |
Publications (1)
Publication Number | Publication Date |
---|---|
ES2926645T3 true ES2926645T3 (es) | 2022-10-27 |
Family
ID=60972080
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
ES18151426T Active ES2926645T3 (es) | 2018-01-12 | 2018-01-12 | Monitorización de datos de procedimientos industriales |
Country Status (3)
Country | Link |
---|---|
EP (1) | EP3511788B1 (es) |
ES (1) | ES2926645T3 (es) |
WO (1) | WO2019137880A1 (es) |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6216066B1 (en) * | 1998-07-01 | 2001-04-10 | General Electric Company | System and method for generating alerts through multi-variate data assessment |
US7567878B2 (en) * | 2005-12-07 | 2009-07-28 | Siemens Corporate Research, Inc. | Evaluating anomaly for one class classifiers in machine condition monitoring |
JP5364530B2 (ja) * | 2009-10-09 | 2013-12-11 | 株式会社日立製作所 | 設備状態監視方法、監視システム及び監視プログラム |
US9270518B2 (en) * | 2010-05-17 | 2016-02-23 | Hitachi, Ltd. | Computer system and rule generation method |
-
2018
- 2018-01-12 EP EP18151426.6A patent/EP3511788B1/en active Active
- 2018-01-12 ES ES18151426T patent/ES2926645T3/es active Active
-
2019
- 2019-01-08 WO PCT/EP2019/050275 patent/WO2019137880A1/en active Application Filing
Also Published As
Publication number | Publication date |
---|---|
WO2019137880A1 (en) | 2019-07-18 |
EP3511788B1 (en) | 2022-08-10 |
EP3511788A1 (en) | 2019-07-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3139196B1 (en) | System and method for positioning, mapping and data management by using crowdsourcing | |
US10671474B2 (en) | Monitoring node usage in a distributed system | |
Ye et al. | Scalable floor localization using barometer on smartphone | |
WO2020211500A1 (zh) | 数据处理方法及装置 | |
US11048444B2 (en) | Grouping devices as a virtual device for providing better quality of device data | |
US10853459B2 (en) | Verification request authentication machine | |
US10941980B2 (en) | Predictive maintenance of refrigeration cases | |
CN114731290B (zh) | 用于物联网中的隐私保护的异常检测的方法、***及计算机可读存储介质 | |
US20190392128A1 (en) | Verification request authentication machine | |
EP3234802B1 (fr) | Procédé de transmission de données issues d'un capteur | |
US11227458B1 (en) | Occupancy analysis system using depth sensing to determine the movement of people or objects | |
CN113704048B (zh) | 数据动态监测方法、装置、计算机设备和存储介质 | |
Younan et al. | Data reduction model for balancing indexing and securing resources in the internet-of-things applications | |
Li et al. | Collaborative recognition of queuing behavior on mobile phones | |
US20190163806A1 (en) | Method of correlating time-series data with event data and system thereof | |
ES2926645T3 (es) | Monitorización de datos de procedimientos industriales | |
US20170142553A1 (en) | Diagnosis of beacons in an open architecture | |
FR3051926A1 (fr) | Systeme de controle de composants d'aeronefs | |
Gatmir-Motahari et al. | Time-clustering-based place prediction for wireless subscribers | |
CN107078940B (zh) | 基于接近度的消息传递***和方法 | |
US20150244598A1 (en) | Remote monitoring of events on a network using localized sensors | |
WO2019132972A2 (en) | Smart context subsampling on-device system | |
Shitole et al. | Machine Learning Supported Statistical Analysis of IoT Enabled Physical Location Monitoring Data | |
Li et al. | An Efficient Data Aggregation Scheme Leveraging Time Series Prediction in Wireless Sensor Networks | |
Mary et al. | A robust architecture for detecting outliers in IoT data using STCPOD model |