JPS5968644A - 設備監視方法 - Google Patents
設備監視方法Info
- Publication number
- JPS5968644A JPS5968644A JP18043682A JP18043682A JPS5968644A JP S5968644 A JPS5968644 A JP S5968644A JP 18043682 A JP18043682 A JP 18043682A JP 18043682 A JP18043682 A JP 18043682A JP S5968644 A JPS5968644 A JP S5968644A
- Authority
- JP
- Japan
- Prior art keywords
- index
- series data
- time series
- degree
- parameter group
- 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
- G01—MEASURING; TESTING
- G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
- G01H1/00—Measuring characteristics of vibrations in solids by using direct conduction to the detector
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
(57)【要約】本公報は電子出願前の出願データであるた
め要約のデータは記録されません。
め要約のデータは記録されません。
Description
【発明の詳細な説明】
本発明は設備の劣化状況、特に軸受、ブロア等の周期連
動体を有する設備の劣化状況を判定し、その異常を検知
する設備監視方法に関する。
動体を有する設備の劣化状況を判定し、その異常を検知
する設備監視方法に関する。
斯かる設備監視方法として本願発明者は、既に次のよう
々方法を提案した(特願昭55−27582号)。先ず
、周期運動体の振動を経時的に検出して一定周期にてサ
ンプリングして時系列データを得、システム同定のだめ
に予め定めた数式モデルにその時系列データを与えるこ
とによってM’Q記数式モデルのシステムパラメータを
演算する。そしてこの演算結果と正常時におけるシステ
ムパラメータ群の基準値との間のシ止離席を、ユークリ
ッド距離として算出し、その〕尼熱度をもって設備の劣
化状況を判定するものである。
々方法を提案した(特願昭55−27582号)。先ず
、周期運動体の振動を経時的に検出して一定周期にてサ
ンプリングして時系列データを得、システム同定のだめ
に予め定めた数式モデルにその時系列データを与えるこ
とによってM’Q記数式モデルのシステムパラメータを
演算する。そしてこの演算結果と正常時におけるシステ
ムパラメータ群の基準値との間のシ止離席を、ユークリ
ッド距離として算出し、その〕尼熱度をもって設備の劣
化状況を判定するものである。
まだ本願発す1者は、上述のユークリッド距離として算
出しだ麦離席に対して原糸列信号の自己相関係数行列に
て重み付けをしたシステムパラメータ間距離が原糸列信
号の予測誤差分散に相当することを知見した。
出しだ麦離席に対して原糸列信号の自己相関係数行列に
て重み付けをしたシステムパラメータ間距離が原糸列信
号の予測誤差分散に相当することを知見した。
更にオ■発用渚は、前記表離席に対して正常時における
システムパラメータ群の分散拳共分散行列の逆行列にて
重み付けをしたシステムパラメータ問語kd[、Fit
? iiP!マハラノビス汎距離が、データを合理的に
総合評価する上で有効であることを知見した。
システムパラメータ群の分散拳共分散行列の逆行列にて
重み付けをしたシステムパラメータ問語kd[、Fit
? iiP!マハラノビス汎距離が、データを合理的に
総合評価する上で有効であることを知見した。
−J二連したユークリッド距1?IfU、予測誤差分散
及びマハラノビス汎距曙はいずれもシステムパラメータ
を評価するものであるが、重み付けの有無、方法が異な
っているといえる。
及びマハラノビス汎距曙はいずれもシステムパラメータ
を評価するものであるが、重み付けの有無、方法が異な
っているといえる。
木発[月は斯かる知見に基づいてなされたものであり、
上述し/ζユークリッド距離、予測誤差分散及びマハラ
ノビス汎距離の王者を比較すると共にそれらを組み合せ
て設備の劣化状況を複数の視点からみることにより、高
感度の異常検知手法を実用し、設備診断の信頼性向上を
図る設備監視方法を提供することを1]的とする。
上述し/ζユークリッド距離、予測誤差分散及びマハラ
ノビス汎距離の王者を比較すると共にそれらを組み合せ
て設備の劣化状況を複数の視点からみることにより、高
感度の異常検知手法を実用し、設備診断の信頼性向上を
図る設備監視方法を提供することを1]的とする。
本発明に係る設備監視方法は、周期運動体の振動を経時
的に検出して一定周期にてサンプリングして時系列デー
タを得、システム同定のために予め定めた数式モデルに
その時系列データを与えることによって前記数式モデル
のシステムパラメータを演算l−だ結果及びそのシステ
ムが正常な状1彫におけるシステムパラメータ群を用い
、両者間の一1tJ度をユークリッド距離として辞出し
だ指標と、前記f也離席に対して原糸列信号の自己相関
係数行列にて重み付けをした指標と、Af前記4」1:
度に対して正常時におけるシステムパラメータ群の分散
・共分散行列の逆行列にて重み付けをした指標とを求め
、これらを絹み合せて周期運動体の劣化状況を総合的に
判定し、その異常を検知することを特徴とする。
的に検出して一定周期にてサンプリングして時系列デー
タを得、システム同定のために予め定めた数式モデルに
その時系列データを与えることによって前記数式モデル
のシステムパラメータを演算l−だ結果及びそのシステ
ムが正常な状1彫におけるシステムパラメータ群を用い
、両者間の一1tJ度をユークリッド距離として辞出し
だ指標と、前記f也離席に対して原糸列信号の自己相関
係数行列にて重み付けをした指標と、Af前記4」1:
度に対して正常時におけるシステムパラメータ群の分散
・共分散行列の逆行列にて重み付けをした指標とを求め
、これらを絹み合せて周期運動体の劣化状況を総合的に
判定し、その異常を検知することを特徴とする。
以下本発明方法を数式を用いて具体的に説明する。先ず
、本発明方法において用いる指標の一つ、即ちユークリ
ッド距離として求めた:& 剛度について説明する。周
期運動体の振動を経時的に検出して一定周期にて時系列
データXjをサンプリングし、システム同定のだめに下
記(1)式に示す如く予め定めた数式モデルにそのサン
プリング値xtを与えることによりnff記数式モデル
のシステムパラメータ的、α2・・・αMを演算する。
、本発明方法において用いる指標の一つ、即ちユークリ
ッド距離として求めた:& 剛度について説明する。周
期運動体の振動を経時的に検出して一定周期にて時系列
データXjをサンプリングし、システム同定のだめに下
記(1)式に示す如く予め定めた数式モデルにそのサン
プリング値xtを与えることによりnff記数式モデル
のシステムパラメータ的、α2・・・αMを演算する。
X、−α+xt−++Qf2Xt−z+”4QIMXt
−M++g −、、o)(+1LSα1.α2・・
・Q!M ニジステムパラメータt:サンプリング時点
を表す序数 Mニジステムの次数 ut : JfHl?IJとは相関のない白色、 #l
#音そしてこの演算結果と前記数式モデルにおいて予め
設定(またシステムパラメータの基準値a、、a+。
−M++g −、、o)(+1LSα1.α2・・
・Q!M ニジステムパラメータt:サンプリング時点
を表す序数 Mニジステムの次数 ut : JfHl?IJとは相関のない白色、 #l
#音そしてこの演算結果と前記数式モデルにおいて予め
設定(またシステムパラメータの基準値a、、a+。
・・・1M とを比較して両者の−に、剛度Jを下記(
2)式の如く神、出してユークリッド距離を得る。
2)式の如く神、出してユークリッド距離を得る。
J=Σ(αi−肩)2・・・(2)
:=1
そして設備正常時にN。組の時系列データ(X?)(t
=1.2−N)、 (7?=1.2・No)より上記α
1.α2・・・αMのM個一組のシステムバラメークa
!(下記(3)式参照)をN8組求め、このN0組のシ
ステムパラメータ輸、α2・・・([1!Noの群を正
常、異常の判断基準とし、このシステムパラメータ群と
正常、異常の判別を行うべき原糸列信号のシステムパラ
メータαとのイL晴度を劣化状況又は異常程度を表す指
標とするのである。
=1.2−N)、 (7?=1.2・No)より上記α
1.α2・・・αMのM個一組のシステムバラメークa
!(下記(3)式参照)をN8組求め、このN0組のシ
ステムパラメータ輸、α2・・・([1!Noの群を正
常、異常の判断基準とし、このシステムパラメータ群と
正常、異常の判別を行うべき原糸列信号のシステムパラ
メータαとのイL晴度を劣化状況又は異常程度を表す指
標とするのである。
αM
い寸正常時のシステムパラメータ群αI + ”2 ”
”N。
”N。
の平均iを下記(4)式の如く求めると、判断基準であ
るN。組のシステムパラメータ群u1゜α2・・・αN
o と正常、異常の判別を行うべきIJ■系列信号のシ
ステムパラメータ0との請向′ト度Jは下記(5)式の
如くユ・−クリッド距離として算出できる。
るN。組のシステムパラメータ群u1゜α2・・・αN
o と正常、異常の判別を行うべきIJ■系列信号のシ
ステムパラメータ0との請向′ト度Jは下記(5)式の
如くユ・−クリッド距離として算出できる。
J −(a!−(Il! )’(a’−a! )
・・(5)このようにユークリッド距離とし
てとらえた粂離席Jは、軸受、プロア等の周期運動体の
異常の程度を表す指標となるので、この義離席Jをもっ
て周期運動体の劣化状況を判定し、設備監視を行うこと
ができる。
・・(5)このようにユークリッド距離とし
てとらえた粂離席Jは、軸受、プロア等の周期運動体の
異常の程度を表す指標となるので、この義離席Jをもっ
て周期運動体の劣化状況を判定し、設備監視を行うこと
ができる。
次に原糸列信号の予測誤差分散について述べる。
原糸列信号の予測誤差Fは下記(6)式の如く表1見で
きる。
きる。
F =E[X1++ X(++ ’]△′ 〜′
−E[(I+〕淘 −(1!χ【 コ
ーE[(α−aりχt ] 、(6
)イ1」 し7、 E[] : 平均 x【++ : )Q+4の予測値 a : xt (t=1.2・・・N)から推定したα
の41f″定値 α:真のシステムパラメータ またその分散、即ち予測誤差分散Var[F]は下記(
7)式の如く表現できる。
)イ1」 し7、 E[] : 平均 x【++ : )Q+4の予測値 a : xt (t=1.2・・・N)から推定したα
の41f″定値 α:真のシステムパラメータ またその分散、即ち予測誤差分散Var[F]は下記(
7)式の如く表現できる。
Var[Fコー E [(Xt+r Xt+1
)2コーIミ[((a7−aり’\H(a!−aり’χ
、)コ=E[(&−α)′纂蟹(α−α)コ = (a!−6M)’E [尤【X−(α−α)−(創
−雇)′IR(企−i) ・(7)イし1し、
Var[]:分散 RI:原系列の自己相関係数 lR二自己相臥1係数行列 この(7)式を前記(5)式の表記にあわせる集合、(
5)式におけるの!は比較対象システムパラメータであ
す、(7)式でのαに相当し、また(5)式における0
は正常時システムパラメータなので、(7)式の真のシ
ステムバラメーク蒲の代わりに置き換えれば下記(8)
式の如く表すことができる。
)2コーIミ[((a7−aり’\H(a!−aり’χ
、)コ=E[(&−α)′纂蟹(α−α)コ = (a!−6M)’E [尤【X−(α−α)−(創
−雇)′IR(企−i) ・(7)イし1し、
Var[]:分散 RI:原系列の自己相関係数 lR二自己相臥1係数行列 この(7)式を前記(5)式の表記にあわせる集合、(
5)式におけるの!は比較対象システムパラメータであ
す、(7)式でのαに相当し、また(5)式における0
は正常時システムパラメータなので、(7)式の真のシ
ステムバラメーク蒲の代わりに置き換えれば下記(8)
式の如く表すことができる。
J = (ITI−a+)’IR(a+ −二o
) −(8)即ち、
予測誤差分散Var E F ] は、前記(5)式の
如く表現される46離度Jに対して原系列信旬の自己相
関係数行列1くにて重み付けをしたシステムパラメータ
間距離であるといえる。
) −(8)即ち、
予測誤差分散Var E F ] は、前記(5)式の
如く表現される46離度Jに対して原系列信旬の自己相
関係数行列1くにて重み付けをしたシステムパラメータ
間距離であるといえる。
更にマハラノビス汎距前戻は、下記(9)式の如く表現
される正常時におけるパラメータ群の分散・共分散行列
Σを用いて下記00式の如く表現される。
される正常時におけるパラメータ群の分散・共分散行列
Σを用いて下記00式の如く表現される。
Σ=Var[a11コ
= E[71111−(11!] [a!l −
a!−丁一(σに、 ) ・・・(9)
即ち、マ・・ラノビス汎距阿D:は前記(5)式の如く
表現されるう[己離席Jに対して正常パラメータ群の分
散・共分散行列の逆行列Σ−1にて重み付けをしたシス
テムパラメータ間距離であるといえる。このマハラノビ
ス汎距離り。は、システムパラメータに関する情報を正
規化し、その正規化された状態において正常パラメータ
群からの4己離度をもって定量化したものであるので、
監視対象設備の劣化に伴うシステムパラメータの変化の
態様がいかなる場合にも一様な評価が可能となる。また
マハラノビス汎距離D:は前記硯離席Jを正規化すべく
、MfI記分散・共分散行列の逆行列Σ−1を用いてい
るので、システムバラメークに関する多くの情報を含ん
でおり、データの合理的な総合評価が可能となる。
a!−丁一(σに、 ) ・・・(9)
即ち、マ・・ラノビス汎距阿D:は前記(5)式の如く
表現されるう[己離席Jに対して正常パラメータ群の分
散・共分散行列の逆行列Σ−1にて重み付けをしたシス
テムパラメータ間距離であるといえる。このマハラノビ
ス汎距離り。は、システムパラメータに関する情報を正
規化し、その正規化された状態において正常パラメータ
群からの4己離度をもって定量化したものであるので、
監視対象設備の劣化に伴うシステムパラメータの変化の
態様がいかなる場合にも一様な評価が可能となる。また
マハラノビス汎距離D:は前記硯離席Jを正規化すべく
、MfI記分散・共分散行列の逆行列Σ−1を用いてい
るので、システムバラメークに関する多くの情報を含ん
でおり、データの合理的な総合評価が可能となる。
」二連したように、ユークリッド距離、予測誤差分散及
びマハラノピス汎距離は、いずれもシステムを同定する
ために予め定めた数式モデルのシステムバラメークの変
化を正常時からの3地腹度として示すものであってシス
テムパラメータを夫々の視点から評価するものであるの
で、いずれも設備の劣化状況を評価するのに用いること
ができるが、その重み伺けの有無、方法が異なる。従っ
て三者を比較すると共にそれらを組み合せて設備の劣化
状況を複数の視点より評価することにより、高感度の異
常検知方法を実現することができる。
びマハラノピス汎距離は、いずれもシステムを同定する
ために予め定めた数式モデルのシステムバラメークの変
化を正常時からの3地腹度として示すものであってシス
テムパラメータを夫々の視点から評価するものであるの
で、いずれも設備の劣化状況を評価するのに用いること
ができるが、その重み伺けの有無、方法が異なる。従っ
て三者を比較すると共にそれらを組み合せて設備の劣化
状況を複数の視点より評価することにより、高感度の異
常検知方法を実現することができる。
次に本発明方法の具体的な実施例について説り」する。
図面は本発明方法を軸受を有する設備に対して実施する
ことにより、前記三指標を算出し、それらの経時的変化
を示したものであり、その三指標が設備の劣化進展と共
にいかに変化したかを示したものである。即ち、同面は
横軸に時間をとり、縦軸に各指標値をとって、ユークリ
ッド距絹ト(実線)、予測誤差分散(破線)及びマハラ
ノビス汎距離(一点鎖線)の三指標が設備の劣化進展と
共にいかに変化したかを示している。ユークリッド距離
は劣化進展の初期段階において大きな変化が、また予測
誤差分散及びマノ・マノビス汎距離は劣化進展の後期段
階において大きな変化が認められるので、これらを比較
すると共に組み合せることにより高感度の異常検知方法
を実l見することができる。
ことにより、前記三指標を算出し、それらの経時的変化
を示したものであり、その三指標が設備の劣化進展と共
にいかに変化したかを示したものである。即ち、同面は
横軸に時間をとり、縦軸に各指標値をとって、ユークリ
ッド距絹ト(実線)、予測誤差分散(破線)及びマハラ
ノビス汎距離(一点鎖線)の三指標が設備の劣化進展と
共にいかに変化したかを示している。ユークリッド距離
は劣化進展の初期段階において大きな変化が、また予測
誤差分散及びマノ・マノビス汎距離は劣化進展の後期段
階において大きな変化が認められるので、これらを比較
すると共に組み合せることにより高感度の異常検知方法
を実l見することができる。
これらの三指標を比較すると共に組み合せて評価する方
法としては種々の方法があるが、監視対象の特性に適し
た方法を経験則に照らして採用すればよく、その代表的
な方法として三指標のいずれかが所定の閾値を越えると
警報を発する方式(トリガ一方式)、三指標の平均値を
とって判定する方式(総合判定方式)等がある。
法としては種々の方法があるが、監視対象の特性に適し
た方法を経験則に照らして採用すればよく、その代表的
な方法として三指標のいずれかが所定の閾値を越えると
警報を発する方式(トリガ一方式)、三指標の平均値を
とって判定する方式(総合判定方式)等がある。
以上詳述した如く、本発明方法を用いて周期運+rOJ
体を有する設備の劣化状況を監視する場合は、システム
同定のだめに予め定めた数式モデルに周期運動体の振動
に関する時系列データを与えることによって111言己
牧式モデルのシステムパラメータを演算した結果とその
システムが正常な状態におけるシステムパラメータ群と
の兆離席(ユークリッド距離)、該水離席に対して原糸
列信号の自己相関係数行列にて重み付けをした指標(予
測誤差分散)及びia記爪跡度に対して正常時における
システムパラメータ群の分散−共分散行列の逆行列にて
重み付けをした指標(マハラノビス汎距離)を組み合せ
て周期運動体の劣化状況を総合的に判定するので、高感
度の異常検知がiif能となり、設備診断の信φB性向
上を図る仁とができる。
体を有する設備の劣化状況を監視する場合は、システム
同定のだめに予め定めた数式モデルに周期運動体の振動
に関する時系列データを与えることによって111言己
牧式モデルのシステムパラメータを演算した結果とその
システムが正常な状態におけるシステムパラメータ群と
の兆離席(ユークリッド距離)、該水離席に対して原糸
列信号の自己相関係数行列にて重み付けをした指標(予
測誤差分散)及びia記爪跡度に対して正常時における
システムパラメータ群の分散−共分散行列の逆行列にて
重み付けをした指標(マハラノビス汎距離)を組み合せ
て周期運動体の劣化状況を総合的に判定するので、高感
度の異常検知がiif能となり、設備診断の信φB性向
上を図る仁とができる。
図面は本発明方法を実施した結果の一例を示すグラフで
ある。
ある。
Claims (1)
- 【特許請求の範囲】 1、 周期運動体の振動を経時的に検出して一定周期に
てサンプリングして時系列データを得、システム同定の
だめに予め定めだ数式モデルにその時系列データを与え
ることによって前記数式モデルのシステムバラメークを
演算した結果及びそのシステムが正常な状態におけるシ
ステムパラメータ群を用い、 両者間の4已離度をユークリッド距離として嘗出した指
標と、 MfJ記−t=J−離席に対して原糸列信号の自己相関
係数行列にて重み伺けをした指標と、 前記、liLmlff度に対して正常時におけるシステ
ムパラメータ群の分散・共分散行列の逆行列にて重み付
けをした指標とを求め、 これらを組み合せて周期運動体の劣化状況を総合的に判
定し、その異常を検知することを特徴とする設備監視方
法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP18043682A JPS5968644A (ja) | 1982-10-13 | 1982-10-13 | 設備監視方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP18043682A JPS5968644A (ja) | 1982-10-13 | 1982-10-13 | 設備監視方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
JPS5968644A true JPS5968644A (ja) | 1984-04-18 |
Family
ID=16083204
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP18043682A Pending JPS5968644A (ja) | 1982-10-13 | 1982-10-13 | 設備監視方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JPS5968644A (ja) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006161677A (ja) * | 2004-12-07 | 2006-06-22 | Mitsubishi Electric Corp | 圧縮機検査装置 |
JP2013137797A (ja) * | 2013-03-05 | 2013-07-11 | Mitsubishi Heavy Ind Ltd | プラント運転状態監視方法 |
JP2015028475A (ja) * | 2013-07-05 | 2015-02-12 | 株式会社東芝 | 潤滑剤の劣化診断方法 |
JP2020046964A (ja) * | 2018-09-19 | 2020-03-26 | ファナック株式会社 | 特性判定装置、特性判定方法及び特性判定プログラム |
-
1982
- 1982-10-13 JP JP18043682A patent/JPS5968644A/ja active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006161677A (ja) * | 2004-12-07 | 2006-06-22 | Mitsubishi Electric Corp | 圧縮機検査装置 |
JP2013137797A (ja) * | 2013-03-05 | 2013-07-11 | Mitsubishi Heavy Ind Ltd | プラント運転状態監視方法 |
JP2015028475A (ja) * | 2013-07-05 | 2015-02-12 | 株式会社東芝 | 潤滑剤の劣化診断方法 |
JP2020046964A (ja) * | 2018-09-19 | 2020-03-26 | ファナック株式会社 | 特性判定装置、特性判定方法及び特性判定プログラム |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Mason et al. | Decomposition of T 2 for multivariate control chart interpretation | |
KR0172982B1 (ko) | 고장진단장치 및 방법 | |
CN109858104A (zh) | 一种滚动轴承健康评估与故障诊断方法及监测*** | |
WO2010094915A1 (en) | Method and apparatus for monitoring and analyzing vibrations in rotary machines | |
CN102265227A (zh) | 用于在机器状况监视中创建状态估计模型的方法和设备 | |
CN103324155B (zh) | ***监控 | |
CN115903741B (zh) | 一种工业控制***数据异常检测方法 | |
CN109255201B (zh) | 一种基于som-mqe的滚珠丝杠副健康评估方法 | |
Sherlaw-Johnson | A method for detecting runs of good and bad clinical outcomes on variable life-adjusted display (VLAD) charts | |
CN113343177A (zh) | 基于模糊综合评价理论的电梯设备健康状态诊断方法 | |
JPS5968644A (ja) | 設備監視方法 | |
CN115293274A (zh) | 一种基于对抗交替型滑动窗口的时间序列突变点检测方法 | |
CN113855037B (zh) | 基于Transformer的房颤识别方法及装置 | |
Zhang et al. | Fault detection and classification through multivariate statistical techniques | |
Worden et al. | Genetic optimisation of a neural damage locator | |
JP2002323371A (ja) | 音響診断装置及び音響診断方法 | |
CN116595857A (zh) | 基于深度迁移学习的滚动轴承多级退化剩余寿命预测方法 | |
CN115048960A (zh) | 一种设备状态检测方法 | |
Fagarasan et al. | Parity equations for fault detection and isolation | |
Saad et al. | Bearing fault detection scheme using machine learning for condition monitoring applications | |
KR101649946B1 (ko) | 소방설비의 감지신호 진단 시스템 및 방법 | |
Chin et al. | A method of fault signature extraction for improved diagnosis | |
Kowalczuk et al. | Pareto-optimal observers for ship propulsion systems by evolutionary computation | |
CN116934760B (zh) | 用于橡胶手套防护性的监测告警方法及*** | |
Larsen et al. | Model based level shift detection in autocorrelated data streams using a moving window |