JP7158117B2 - 複雑なシステムにおける状態予測の説明のためのシステム及び方法 - Google Patents
複雑なシステムにおける状態予測の説明のためのシステム及び方法 Download PDFInfo
- Publication number
- JP7158117B2 JP7158117B2 JP2020545103A JP2020545103A JP7158117B2 JP 7158117 B2 JP7158117 B2 JP 7158117B2 JP 2020545103 A JP2020545103 A JP 2020545103A JP 2020545103 A JP2020545103 A JP 2020545103A JP 7158117 B2 JP7158117 B2 JP 7158117B2
- Authority
- JP
- Japan
- Prior art keywords
- signal
- points
- labeled
- percentage
- model state
- 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
- 238000000034 method Methods 0.000 title claims description 35
- 239000013598 vector Substances 0.000 claims description 51
- 230000015654 memory Effects 0.000 claims description 35
- 238000004458 analytical method Methods 0.000 claims description 27
- 238000012544 monitoring process Methods 0.000 claims description 13
- 230000002085 persistent effect Effects 0.000 claims description 5
- 230000006399 behavior Effects 0.000 claims description 4
- 238000004891 communication Methods 0.000 description 17
- 238000012545 processing Methods 0.000 description 16
- 230000008569 process Effects 0.000 description 14
- 238000012423 maintenance Methods 0.000 description 11
- 230000001364 causal effect Effects 0.000 description 7
- 238000013499 data model Methods 0.000 description 7
- 230000007246 mechanism Effects 0.000 description 5
- 230000036541 health Effects 0.000 description 4
- 238000012512 characterization method Methods 0.000 description 3
- 238000004590 computer program Methods 0.000 description 3
- 238000002405 diagnostic procedure Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000013145 classification model Methods 0.000 description 2
- 238000004883 computer application Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000005611 electricity Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000010224 classification analysis Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000004065 wastewater treatment Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- 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
- G05B17/00—Systems involving the use of models or simulators of said systems
- G05B17/02—Systems involving the use of models or simulators of said systems electric
-
- 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
- G05B19/4063—Monitoring general control system
-
- 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
- G05B2219/32—Operator till task planning
- G05B2219/32058—Execute program as function of deviation from predicted state, result
-
- 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
- G05B23/0243—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 model based detection method, e.g. first-principles knowledge model
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Automation & Control Theory (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Human Computer Interaction (AREA)
- Computer Hardware Design (AREA)
- Data Mining & Analysis (AREA)
- Medical Informatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Artificial Intelligence (AREA)
- Geometry (AREA)
- Testing And Monitoring For Control Systems (AREA)
Description
本明細書で使用する用語は関連する技術でのそれらの通常の意味又は文脈でのそれらの使用により示される意味を与えられるべきであるが、明確な定義が提供されれば、その意味が適用される。
以下、本発明の好ましい実施形態を項分け記載する。
実施形態1
複数の時系列信号を生成するセンサーを備えるマシンシステムのための制御方法であって、
ラベル付き点と前記ラベル付き点がそれから得られた一組の信号とを受信するステップであって、前記各信号は少なくとも1つの特徴ベクトルを含み、各特徴ベクトルは1つ以上の信号特徴を含み、信号の前記特徴ベクトルは対応する信号投影下位空間を有する、ステップと、
前記マシンシステムのモデルを前記一組の信号の各信号投影下位空間内に投影するステップであって、前記モデルは複数のモデル状態点を含む、ステップと、
前記ラベル付き点を各信号投影下位空間内に投影するステップと、
前記ラベル付き点の分析近傍を前記信号投影下位空間内の前記ラベル付き点に最も近い設定された数のモデル状態点に制限するステップと、
(a)前記ラベル付き点と同じラベルを有する前記分析近傍内の複数の隣接点と(b)前記設定された数との第1比率を計算するステップと、
(c)前記ラベル付き点と同じラベルを有する前記モデル内の複数の点と(d)前記設定された数との第2比率を計算するステップと、
前記ラベル付き点に対応するマシンシステム状態への各信号の寄与を、前記第1比率と前記第2比率との比に基づいて、割り当てて信号及び寄与の順に並べたリストを形成するステップと、
前記マシンシステムの動作を前記リストに基づいて適合させるステップと
を含む制御方法。
実施形態2
前記ラベル付き点に対応する前記マシンシステム状態への各信号の寄与を割り当てる前記ステップは、
前記第1比率が前記第2比率以下であれば、前記信号の寄与を(第1比率/第2比率)-1に設定し、
そうでなければ、前記信号の寄与を(第1比率-第2比率)/(1-第2比率)に設定することを含む、実施形態1記載の制御方法。
実施形態3
前記ラベル付き点の分析近傍を前記信号投影下位空間内の前記ラベル付き点に最も近い前記設定された数のモデル状態点に制限する前記ステップは、前記モデル状態点を前記ラベル付き点からの距離により並べ、前記分析近傍を最も近い距離を持つ複数のモデル状態点に限定することを含む、実施形態1記載の制御方法。
実施形態4
前記距離は、前記ラベル付き点の投影と前記信号投影下位空間内の信号特徴軸上の前記状態点の投影との距離から成る、実施形態3記載の制御方法。
実施形態5
前記マシンシステムの動作を適合させる前記ステップは、故障している部品を修理することを含む、実施形態1記載の制御方法。
実施形態6
前記モデル状態点の前記設定された数はモデル状態点の総数の平方根から成る、実施形態1記載の制御方法。
実施形態7
マシンシステム監視及び警報装置であって、
複数のセンサーから時系列信号を受信する複数の入力を備えたコンピュータシステムを備え、前記コンピュータシステムはプロセッサと命令群を有して適合されたメモリとを備え、前記命令群は
ラベル付き点と前記ラベル付き点がそれから得られた一組の信号とを受信する論理であって、前記各信号は対応する信号投影下位空間を有する、論理と、
前記マシンシステムのモデルを前記一組の信号の各信号投影下位空間内に投影する論理であって、前記モデルは複数のモデル状態点を含む、論理と、
前記ラベル付き点を各信号投影下位空間内に投影する論理と、
前記ラベル付き点の分析近傍を前記信号投影下位空間内の前記ラベル付き点に最も近い設定された数のモデル状態点に制限する論理と、
前記ラベル付き点と同じラベルを有する前記分析近傍内の複数の隣接点の第1割合を計算する論理と、
前記ラベル付き点と同じラベルを有する前記モデル内の複数の点の第2割合を計算する論理と、
前記ラベル付き点に対応するマシンシステム状態への各信号の寄与を前記第1割合及び前記第2割合から計算して信号及び寄与の順に並べたリストを形成する論理と、
信号の前記順に並べたリスト内のより高い信号を、前記ラベル付き点に対応する前記マシンシステム状態への最も可能性の高い寄与信号として表示する論理と
を形成する、マシンシステム監視及び警報装置。
実施形態8
前記ラベル付き点に対応する前記マシンシステム状態への各信号の寄与を計算することは、
前記第1割合が前記第2割合以下であれば、前記信号の寄与を(第1割合/第2割合)-1に設定し、
そうでなければ、前記信号の寄与を(第1割合-第2割合)/(1-第2割合)に設定することを含む、実施形態7記載の装置。
実施形態9
前記ラベル付き点の分析近傍を前記信号投影下位空間内の前記ラベル付き点に最も近い前記設定された数のモデル状態点に制限することは、前記モデル状態点を前記ラベル付き点からの距離により並べ、前記分析近傍を最も近い距離を持つ複数のモデル状態点に限定することを含む、実施形態7記載の装置。
実施形態10
前記距離は、前記ラベル付き点の投影と前記信号投影下位空間内の信号特徴軸上の前記状態点の投影との距離から成る、実施形態9記載の装置。
実施形態11
前記マシンシステム状態は故障している部品を含む、実施形態7記載の装置。
実施形態12
前記モデル状態点の前記設定された数はモデル状態点の総数の平方根から成る、実施形態7記載の装置。
実施形態13
複雑な物理的システムの動作の原因を監視し特定するための持続性マシン読取可能記憶媒体であって、該マシン読取可能記憶媒体は命令群を含み、前記命令群はプロセッサにより実行される時、前記プロセッサを含むマシンに、
ラベル付き点と前記ラベル付き点がそれから得られた一組の信号とを受信するステップと、
前記一組の信号の各信号について信号投影下位空間を生成するステップと、
前記物理的システムのモデルの状態点を前記一組の信号の各信号投影下位空間内に投影するステップと、
前記ラベル付き点を各信号投影下位空間内に投影するステップと、
前記ラベル付き点の分析近傍を前記信号投影下位空間内の前記ラベル付き点に最も近い設定された数のモデル状態点に制限するステップと、
(a)前記ラベル付き点と同じラベルを有する前記分析近傍内の複数の隣接点と(b)前記設定された数との第1比率を計算するステップと、
(c)前記ラベル付き点と同じラベルを有する前記モデル内の複数の点と(d)前記設定された数との第2比率を計算するステップと、
前記ラベル付き点に対応するマシンシステム状態への各信号の寄与を、前記第1比率と前記第2比率との比に基づいて、割り当てて信号及び寄与の順に並べたリストを形成するステップと、
前記物理的システムの動作を前記リストに基づいて適合させるステップと
を実行させる、マシン読取可能記憶媒体。
実施形態14
前記ラベル付き点に対応する前記マシンシステム状態への各信号の寄与を割り当てる前記ステップは、
前記第1比率が前記第2比率以下であれば、前記信号の寄与を(第1比率/第2比率)-1に設定し、
そうでなければ、前記信号の寄与を(第1比率-第2比率)/(1-第2比率)に設定することを含む、実施形態13記載のマシン読取可能記憶媒体。
実施形態15
前記ラベル付き点の分析近傍を前記信号投影下位空間内の前記ラベル付き点に最も近い前記設定された数のモデル状態点に制限する前記ステップは、前記モデル状態点を前記ラベル付き点からの距離により並べ、前記分析近傍を最も近い距離を持つ複数の状態点に限定することを含む、実施形態13記載のマシン読取可能記憶媒体。
実施形態16
前記距離は、前記ラベル付き点の投影と前記信号投影下位空間内の信号特徴軸上の前記状態点の投影との距離から成る、実施形態15記載のマシン読取可能記憶媒体。
実施形態17
前記物理的システムの動作を適合させる前記ステップは、故障している部品を修理することを含む、実施形態13記載のマシン読取可能記憶媒体。
実施形態18
前記モデル状態点の前記設定された数はモデル状態点の総数の平方根から成る、実施形態13記載のマシン読取可能記憶媒体。
102 外部システム
104 複雑なシステム
106 信号データリポジトリ
108 監視ディスプレイ
110 信号データ処理システム
112 特徴特定論理
114 クラスタ化論理
116 ベクトル分類論理
118 信号受信論理
120 信号データモデル保守論理
122 状態報告論理
124 時系列信号
126 原因分析論理
502 システムモデルデータ
504、510、512 説明点
506 第1特徴軸投影
508 第2特徴軸投影
514 第1特徴近傍
516 第2特徴近傍
Claims (18)
- 複数の時系列信号を生成するセンサーを備えるマシンシステムのための制御方法であって、
所定の時間範囲の間の前記複数の時系列信号の各々からの第1の時系列信号を含むラベル付き点を受信するステップであって、前記第1の時系列信号の各々は少なくとも1つの特徴ベクトルに関連付けられ、各特徴ベクトルは1つ以上の信号特徴に対応する要素を含み、前記ラベル付き点は前記マシンシステムの複数の状態のうちの第1の状態を表す第1のラベルを有し、前記複数の時系列信号の各々は対応する信号投影部分空間を有する、ステップと、
前記マシンシステムの複数のモデル状態点の各々を前記各信号投影部分空間内に投影するステップであって、前記複数のモデル状態点の各々は前記複数の時系列信号の各々からの第2の時系列信号を含み、前記第2の時系列信号の各々は少なくとも1つの特徴ベクトルに関連付けられ、各特徴ベクトルは1つ以上の信号特徴に対応する要素を含み、前記モデル状態点は前記マシンシステムの前記複数の状態の一つを表す第2のラベルを有し、前記対応する信号投影部分空間において前記第2の時系列信号に関連付けられた少なくとも1つの特徴ベクトルを評価するステップを含む、ステップと、
前記ラベル付き点を各信号投影部分空間内に投影するステップであって、前記対応する信号投影部分空間において前記第1の時系列信号に関連付けられた少なくとも1つの特徴ベクトルを評価するステップを含む、ステップと、
前記ラベル付き点の分析近傍を前記信号投影部分空間内の前記ラベル付き点に最も近い、設定された数のモデル状態点に制限するステップと、
前記信号投影部分空間の各々について、前記分析近傍内の前記設定された数から、前記分析近傍内の前記ラベル付き点と同じラベルを有する前記分析近傍内のモデル状態点の第1割合を計算するステップと、
前記信号投影部分空間の各々について、前記複数のモデル状態点から、前記ラベル付き点と同じラベルを有する前記モデル内のモデル状態点の第2割合を計算するステップと、
前記第1の状態への各信号の寄与を、前記対応する信号投影部分空間について計算された前記第1割合と前記第2割合とから計算し、信号及び寄与のリストを形成するステップと、
前記マシンシステムの動作を前記リストに基づいて適合させるステップと
を含む制御方法。 - 前記第1の状態への各信号の寄与を計算する前記ステップは、
前記第1割合が前記第2割合以下であれば、前記信号の寄与を(第1割合/第2割合)-1に設定し、
そうでなければ、前記信号の寄与を(第1の割合-第2の割合)/(1-第2の割合)に設定することを含む、請求項1記載の制御方法。 - 前記ラベル付き点の分析近傍を前記信号投影部分空間内の前記ラベル付き点に最も近い前記設定された数のモデル状態点に制限する前記ステップは、前記モデル状態点を前記ラベル付き点からの距離により並べ、前記分析近傍を最も近い距離を持つ複数のモデル状態点に限定することを含む、請求項1記載の制御方法。
- 前記距離は、前記ラベル付き点の投影と前記信号投影部分空間内の信号特徴軸上の前記状態点の投影との距離から成る、請求項3記載の制御方法。
- 前記マシンシステムの動作を適合させる前記ステップは、故障している部品を修理することを含む、請求項1記載の制御方法。
- 前記モデル状態点の前記設定された数はモデル状態点の総数の平方根から成る、請求項1記載の制御方法。
- マシンシステム監視及び警報装置であって、
複数のセンサーから時系列信号を受信する複数の入力を備えたコンピュータシステムを備え、前記コンピュータシステムはプロセッサと命令群を有して適合されたメモリとを備え、前記命令群は
所定の時間範囲の間の前記複数の時系列信号の各々からの第1の時系列信号を含むラベル付き点を受信する論理であって、前記第1の時系列信号の各々は少なくとも1つの特徴ベクトルに関連付けられ、各特徴ベクトルは1つ以上の信号特徴に対応する要素を含み、前記ラベル付き点は前記マシンシステムの複数の状態のうちの第1の状態を表す第1のラベルを有し、前記複数の時系列信号の各々は対応する信号投影部分空間を有する、論理と、
前記マシンシステムの複数のモデル状態点の各々を前記各信号投影部分空間内に投影する論理であって、前記複数のモデル状態点の各々は複数の時系列信号の各々からの第2の時系列信号を含み、前記第2の時系列信号の各々は少なくとも1つの特徴ベクトルに関連付けられ、各特徴ベクトルは1つ以上の信号特徴に対応する要素を含み、前記モデル状態点は前記マシンシステムの前記複数の状態の一つを表す第2のラベルを有し、前記対応する信号投影部分空間において前記第2の時系列信号に関連付けられた少なくとも1つの特徴ベクトルを評価する論理を含む、論理と、
前記ラベル付き点を各信号投影部分空間内に投影する論理であって、前記対応する信号投影部分空間において前記第1の時系列信号に関連付けられた少なくとも1つの特徴ベクトルを評価することを含む、論理と、
前記ラベル付き点の分析近傍を前記信号投影部分空間内の前記ラベル付き点に最も近い、設定された数のモデル状態点に制限する論理と、
前記信号投影部分空間の各々について、前記分析近傍内の前記設定された数から、前記分析近傍内の前記ラベル付き点と同じラベルを有する前記分析近傍内のモデル状態点の第1割合を計算する論理と、
前記信号投影部分空間の各々について、前記複数のモデル状態点から、前記ラベル付き点と同じラベルを有する前記モデル内のモデル状態点の第2割合を計算する論理と、
前記第1の状態への各信号の寄与を、前記対応する信号投影部分空間について計算された前記第1割合と前記第2割合とから計算し、信号及び寄与のリストを形成する論理と、
信号の前記順に並べたリスト内のより高い信号を、前記ラベル付き点に対応する前記マシンシステム状態への最も可能性の高い寄与信号として表示する論理と
を形成する、マシンシステム監視及び警報装置。 - 前記第1の状態への各信号の寄与を計算することは、
前記第1割合が前記第2割合以下であれば、前記信号の寄与を(第1割合/第2割合)-1に設定し、
そうでなければ、前記信号の寄与を(第1割合-第2割合)/(1-第2割合)に設定することを含む、請求項7記載の装置。 - 前記ラベル付き点の分析近傍を前記信号投影部分空間内の前記ラベル付き点に最も近い前記設定された数のモデル状態点に制限することは、前記モデル状態点を前記ラベル付き点からの距離により並べ、前記分析近傍を最も近い距離を持つ複数のモデル状態点に限定することを含む、請求項7記載の装置。
- 前記距離は、前記ラベル付き点の投影と前記信号投影部分空間内の信号特徴軸上の前記状態点の投影との距離から成る、請求項9記載の装置。
- 前記マシンシステム状態は故障している部品を含む、請求項7記載の装置。
- 前記モデル状態点の前記設定された数はモデル状態点の総数の平方根から成る、請求項7記載の装置。
- 複雑な物理的システムの動作の原因を監視し特定するための持続性マシン読取可能記憶媒体であって、該マシン読取可能記憶媒体は命令群を含み、前記命令群はプロセッサにより実行される時、複数の時系列信号を生成するセンサーを含む物理的システムに、
所定の時間範囲の間の前記複数の時系列信号の各々からの第1の時系列信号を含むラベル付き点を受信するステップであって、前記第1の時系列信号の各々は少なくとも1つの特徴ベクトルに関連付けられ、各特徴ベクトルは1つ以上の信号特徴に対応する要素を含み、前記ラベル付き点は前記物理的システムの複数の状態のうちの第1の状態を表す第1のラベルを有し、前記複数の時系列信号の各々は対応する信号投影部分空間を有する、ステップと、
前記物理的システムの複数のモデル状態点の各々を前記各信号投影部分空間内に投影するステップであって、前記複数のモデル状態点の各々は前記複数の時系列信号の各々からの第2の時系列信号を含み、前記第2の時系列信号の各々は少なくとも1つの特徴ベクトルに関連付けられ、各特徴ベクトルは1つ以上の信号特徴に対応する要素を含み、前記モデル状態点は前記物理的システムの前記複数の状態の一つを表す第2のラベルを有し、前記対応する信号投影部分空間において前記第2の時系列信号に関連付けられた少なくとも1つの特徴ベクトルを評価するステップを含む、ステップと、
前記ラベル付き点を各信号投影部分空間内に投影するステップであって、前記対応する信号投影部分空間において前記第1の時系列信号に関連付けられた少なくとも1つの特徴ベクトルを評価するステップを含む、ステップと、
前記ラベル付き点の分析近傍を前記信号投影部分空間内の前記ラベル付き点に最も近い、設定された数のモデル状態点に制限するステップと、
前記信号投影部分空間の各々について、前記分析近傍内の前記設定された数から、前記分析近傍内の前記ラベル付き点と同じラベルを有する前記分析近傍内のモデル状態点の第1割合を計算するステップと、
前記信号投影部分空間の各々について、前記複数のモデル状態点から、前記ラベル付き点と同じラベルを有する前記モデル内のモデル状態点の第2割合を計算するステップと、
前記第1の状態への各信号の寄与を、前記対応する信号投影部分空間について計算された前記第1割合と前記第2割合とから計算し、信号及び寄与のリストを形成するステップと、
前記物理的システムの動作を前記リストに基づいて適合させるステップと
を実行させる、マシン読取可能記憶媒体。 - 前記第1の状態への各信号の寄与を計算する前記ステップは、
前記第1割合が前記第2割合以下であれば、前記信号の寄与を(第1割合/第2割合)-1に設定し、
そうでなければ、前記信号の寄与を(第1割合-第2割合)/(1-第2割合)に設定することを含む、請求項13記載のマシン読取可能記憶媒体。 - 前記ラベル付き点の分析近傍を前記信号投影部分空間内の前記ラベル付き点に最も近い前記設定された数のモデル状態点に制限する前記ステップは、前記モデル状態点を前記ラベル付き点からの距離により並べ、前記分析近傍を最も近い距離を持つ複数の状態点に限定することを含む、請求項13記載のマシン読取可能記憶媒体。
- 前記距離は、前記ラベル付き点の投影と前記信号投影部分空間内の信号特徴軸上の前記状態点の投影との距離から成る、請求項15記載のマシン読取可能記憶媒体。
- 前記物理的システムの動作を適合させる前記ステップは、故障している部品を修理することを含む、請求項13記載のマシン読取可能記憶媒体。
- 前記モデル状態点の前記設定された数はモデル状態点の総数の平方根から成る、請求項13記載のマシン読取可能記憶媒体。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2022162285A JP7433395B2 (ja) | 2018-02-27 | 2022-10-07 | 複雑なシステムにおける状態予測の説明のためのシステム及び方法 |
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US15/906,702 US11972178B2 (en) | 2018-02-27 | 2018-02-27 | System and method for explanation of condition predictions in complex systems |
US15/906,702 | 2018-02-27 | ||
PCT/US2019/015802 WO2019168625A1 (en) | 2018-02-27 | 2019-01-30 | System and method for explanation of condition predictions in complex systems |
Related Child Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022162285A Division JP7433395B2 (ja) | 2018-02-27 | 2022-10-07 | 複雑なシステムにおける状態予測の説明のためのシステム及び方法 |
Publications (3)
Publication Number | Publication Date |
---|---|
JP2021516808A JP2021516808A (ja) | 2021-07-08 |
JPWO2019168625A5 JPWO2019168625A5 (ja) | 2022-07-01 |
JP7158117B2 true JP7158117B2 (ja) | 2022-10-21 |
Family
ID=67684503
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020545103A Active JP7158117B2 (ja) | 2018-02-27 | 2019-01-30 | 複雑なシステムにおける状態予測の説明のためのシステム及び方法 |
JP2022162285A Active JP7433395B2 (ja) | 2018-02-27 | 2022-10-07 | 複雑なシステムにおける状態予測の説明のためのシステム及び方法 |
Family Applications After (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022162285A Active JP7433395B2 (ja) | 2018-02-27 | 2022-10-07 | 複雑なシステムにおける状態予測の説明のためのシステム及び方法 |
Country Status (4)
Country | Link |
---|---|
US (1) | US11972178B2 (ja) |
EP (1) | EP3759456A4 (ja) |
JP (2) | JP7158117B2 (ja) |
WO (1) | WO2019168625A1 (ja) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102455758B1 (ko) * | 2020-01-30 | 2022-10-17 | 가부시키가이샤 스크린 홀딩스 | 데이터 처리 방법, 데이터 처리 장치 및 기억 매체 |
US20220308974A1 (en) * | 2021-03-26 | 2022-09-29 | SparkCognition, Inc. | Dynamic thresholds to identify successive alerts |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011070635A (ja) | 2009-08-28 | 2011-04-07 | Hitachi Ltd | 設備状態監視方法およびその装置 |
JP2014142697A (ja) | 2013-01-22 | 2014-08-07 | Hitachi Ltd | 異常診断方法およびその装置 |
WO2017011734A1 (en) | 2015-07-16 | 2017-01-19 | Falkonry Inc. | Machine learning of physical conditions based on abstract relations and sparse labels |
Family Cites Families (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6917926B2 (en) * | 2001-06-15 | 2005-07-12 | Medical Scientists, Inc. | Machine learning method |
CA2398057C (en) | 2001-08-15 | 2011-07-19 | Raytheon Company | Combining signal images in accordance with signal-to-noise ratios |
US7191106B2 (en) | 2002-03-29 | 2007-03-13 | Agilent Technologies, Inc. | Method and system for predicting multi-variable outcomes |
US8001062B1 (en) * | 2007-12-07 | 2011-08-16 | Google Inc. | Supervised learning using multi-scale features from time series events and scale space decompositions |
JP4414470B1 (ja) | 2008-10-10 | 2010-02-10 | 本田技研工業株式会社 | 車両の故障診断のための基準値の生成 |
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 |
US8285438B2 (en) | 2009-11-16 | 2012-10-09 | Honeywell International Inc. | Methods systems and apparatus for analyzing complex systems via prognostic reasoning |
US8886574B2 (en) * | 2012-06-12 | 2014-11-11 | Siemens Aktiengesellschaft | Generalized pattern recognition for fault diagnosis in machine condition monitoring |
US20150219530A1 (en) * | 2013-12-23 | 2015-08-06 | Exxonmobil Research And Engineering Company | Systems and methods for event detection and diagnosis |
US10037128B2 (en) * | 2014-02-04 | 2018-07-31 | Falkonry, Inc. | Operating behavior classification interface |
US20150276557A1 (en) * | 2014-03-28 | 2015-10-01 | Hitachi High-Technologies Corporation | State monitoring system, state monitoring method and medium |
CN105095901B (zh) * | 2014-04-30 | 2019-04-12 | 西门子医疗保健诊断公司 | 用于处理尿液沉渣图像的待处理区块的方法和装置 |
US20160328654A1 (en) | 2015-05-04 | 2016-11-10 | Agt International Gmbh | Anomaly detection for context-dependent data |
US9368110B1 (en) * | 2015-07-07 | 2016-06-14 | Mitsubishi Electric Research Laboratories, Inc. | Method for distinguishing components of an acoustic signal |
CN111373415A (zh) * | 2017-05-05 | 2020-07-03 | 阿里莫有限责任公司 | 使用神经网络分析序列数据 |
US20190034497A1 (en) * | 2017-07-27 | 2019-01-31 | Nec Laboratories America, Inc. | Data2Data: Deep Learning for Time Series Representation and Retrieval |
US10728282B2 (en) * | 2018-01-19 | 2020-07-28 | General Electric Company | Dynamic concurrent learning method to neutralize cyber attacks and faults for industrial asset monitoring nodes |
-
2018
- 2018-02-27 US US15/906,702 patent/US11972178B2/en active Active
-
2019
- 2019-01-30 JP JP2020545103A patent/JP7158117B2/ja active Active
- 2019-01-30 EP EP19760889.6A patent/EP3759456A4/en not_active Withdrawn
- 2019-01-30 WO PCT/US2019/015802 patent/WO2019168625A1/en unknown
-
2022
- 2022-10-07 JP JP2022162285A patent/JP7433395B2/ja active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011070635A (ja) | 2009-08-28 | 2011-04-07 | Hitachi Ltd | 設備状態監視方法およびその装置 |
JP2014142697A (ja) | 2013-01-22 | 2014-08-07 | Hitachi Ltd | 異常診断方法およびその装置 |
WO2017011734A1 (en) | 2015-07-16 | 2017-01-19 | Falkonry Inc. | Machine learning of physical conditions based on abstract relations and sparse labels |
Also Published As
Publication number | Publication date |
---|---|
US20190265674A1 (en) | 2019-08-29 |
EP3759456A1 (en) | 2021-01-06 |
JP7433395B2 (ja) | 2024-02-19 |
US11972178B2 (en) | 2024-04-30 |
EP3759456A4 (en) | 2021-12-01 |
WO2019168625A1 (en) | 2019-09-06 |
JP2022177322A (ja) | 2022-11-30 |
JP2021516808A (ja) | 2021-07-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110442936B (zh) | 基于数字孪生模型的设备故障诊断方法、装置及*** | |
JP7433395B2 (ja) | 複雑なシステムにおける状態予測の説明のためのシステム及び方法 | |
US10223403B2 (en) | Anomaly detection system and method | |
CN111459700B (zh) | 设备故障的诊断方法、诊断装置、诊断设备及存储介质 | |
AU2018201487B2 (en) | Method and system for health monitoring and fault signature identification | |
AU2012284497B2 (en) | Monitoring system using kernel regression modeling with pattern sequences | |
AU2012284460B2 (en) | System of sequential kernel regression modeling for forecasting and prognostics | |
US20160110651A1 (en) | Method of Sequential Kernel Regression Modeling for Forecasting and Prognostics | |
JPWO2017154844A1 (ja) | 分析装置、分析方法および分析プログラム | |
US9141915B2 (en) | Method and apparatus for deriving diagnostic data about a technical system | |
WO2017087440A1 (en) | Anomaly fusion on temporal casuality graphs | |
WO2013012535A1 (en) | Monitoring method using kernel regression modeling with pattern sequences | |
US20210148791A1 (en) | Predictive maintenance for robotic arms using vibration measurements | |
Yu | A nonlinear probabilistic method and contribution analysis for machine condition monitoring | |
JP2020009409A (ja) | 故障した事例および打ち切られた事例を基にしたエンティティの残存耐用年数(rul)推定 | |
WO2017034512A1 (en) | Interactive analytics on time series | |
US20230176562A1 (en) | Providing an alarm relating to anomaly scores assigned to input data method and system | |
CN111061581B (zh) | 一种故障检测方法、装置及设备 | |
JP2021047183A (ja) | ロボット装置の異常を検出する方法 | |
CN115964211A (zh) | 一种根因定位方法、装置、设备和可读介质 | |
CN112526962A (zh) | 用于工艺技术设施的诊断方法和诊断***以及训练方法 | |
CN111930728A (zh) | 一种设备的特征参数和故障率的预测方法及*** | |
JP7004866B2 (ja) | マルチレベル・パターン認識に基づく複雑な動作システムにおけるコンディションの評価のためのシステム及び方法 | |
CN112729831B (zh) | 轴承故障诊断方法、装置及*** | |
EP4379618A1 (en) | Computer implemented method for determining a quality result for input data of a data model |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210402 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210402 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20210402 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20210804 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20211104 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220104 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220323 |
|
A524 | Written submission of copy of amendment under article 19 pct |
Free format text: JAPANESE INTERMEDIATE CODE: A524 Effective date: 20220623 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20220907 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20221007 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7158117 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |