CN107408226A - 资产健康评分及其使用 - Google Patents

资产健康评分及其使用 Download PDF

Info

Publication number
CN107408226A
CN107408226A CN201580073123.0A CN201580073123A CN107408226A CN 107408226 A CN107408226 A CN 107408226A CN 201580073123 A CN201580073123 A CN 201580073123A CN 107408226 A CN107408226 A CN 107408226A
Authority
CN
China
Prior art keywords
assets
data
health metric
given
failure
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
Application number
CN201580073123.0A
Other languages
English (en)
Inventor
J·恰苏利
M·霍尔赖尔
钟盛
J·科尔布
A·麦克尔希尼
B·席尔瓦
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Apteic Technology Co
Uptake Technologies Inc
Original Assignee
Apteic Technology Co
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Apteic Technology Co filed Critical Apteic Technology Co
Publication of CN107408226A publication Critical patent/CN107408226A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/07—Responding to the occurrence of a fault, e.g. fault tolerance
    • G06F11/0703—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation
    • G06F11/079—Root cause analysis, i.e. error or fault diagnosis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/07—Responding to the occurrence of a fault, e.g. fault tolerance
    • G06F11/0703—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation
    • G06F11/0706—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation the processing taking place on a specific hardware platform or in a specific software environment
    • G06F11/0748—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation the processing taking place on a specific hardware platform or in a specific software environment in a remote unit communicating with a single-box computer node experiencing an error/fault
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
    • G01D3/00—Indicating or recording apparatus with provision for the special purposes referred to in the subgroups
    • G01D3/08—Indicating or recording apparatus with provision for the special purposes referred to in the subgroups with provision for safeguarding the apparatus, e.g. against abnormal operation, against breakdown
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M99/00—Subject matter not provided for in other groups of this subclass
    • G01M99/005—Testing of complete machines, e.g. washing-machines or mobile phones
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M99/00—Subject matter not provided for in other groups of this subclass
    • G01M99/008—Subject matter not provided for in other groups of this subclass by doing functionality tests
    • 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
    • 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
    • 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
    • G05B23/0254—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 based on a quantitative model, e.g. mathematical relationships between inputs and outputs; functions: observer, Kalman filter, residual calculation, Neural Networks
    • 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
    • G05B23/0259—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
    • G05B23/0275—Fault isolation and identification, e.g. classify fault; estimate cause or root of failure
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/008—Reliability or availability analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/07—Responding to the occurrence of a fault, e.g. fault tolerance
    • G06F11/0703—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation
    • G06F11/0706—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation the processing taking place on a specific hardware platform or in a specific software environment
    • G06F11/0709—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation the processing taking place on a specific hardware platform or in a specific software environment in a distributed system consisting of a plurality of standalone computer nodes, e.g. clusters, client-server systems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/07—Responding to the occurrence of a fault, e.g. fault tolerance
    • G06F11/0703—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation
    • G06F11/0706—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation the processing taking place on a specific hardware platform or in a specific software environment
    • G06F11/0721—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation the processing taking place on a specific hardware platform or in a specific software environment within a central processing unit [CPU]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/07—Responding to the occurrence of a fault, e.g. fault tolerance
    • G06F11/0703—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation
    • G06F11/0751—Error or fault detection not based on redundancy
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/07—Responding to the occurrence of a fault, e.g. fault tolerance
    • G06F11/0703—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation
    • G06F11/0751—Error or fault detection not based on redundancy
    • G06F11/0754—Error or fault detection not based on redundancy by exceeding limits
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/07—Responding to the occurrence of a fault, e.g. fault tolerance
    • G06F11/0703—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation
    • G06F11/0766—Error or fault reporting or storing
    • G06F11/0772—Means for error signaling, e.g. using interrupts, exception flags, dedicated error registers
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/07—Responding to the occurrence of a fault, e.g. fault tolerance
    • G06F11/0703—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation
    • G06F11/0766—Error or fault reporting or storing
    • G06F11/0787—Storage of error reports, e.g. persistent data storage, storage using memory protection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/07—Responding to the occurrence of a fault, e.g. fault tolerance
    • G06F11/0703—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation
    • G06F11/0793—Remedial or corrective actions
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/07—Responding to the occurrence of a fault, e.g. fault tolerance
    • G06F11/16—Error detection or correction of the data by redundancy in hardware
    • G06F11/20—Error detection or correction of the data by redundancy in hardware using active fault-masking, e.g. by switching out faulty elements or by switching in spare elements
    • G06F11/2002—Error detection or correction of the data by redundancy in hardware using active fault-masking, e.g. by switching out faulty elements or by switching in spare elements where interconnections or communication control functionality are redundant
    • G06F11/2007—Error detection or correction of the data by redundancy in hardware using active fault-masking, e.g. by switching out faulty elements or by switching in spare elements where interconnections or communication control functionality are redundant using redundant communication media
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/22—Detection or location of defective computer hardware by testing during standby operation or during idle time, e.g. start-up testing
    • G06F11/26—Functional testing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/22—Detection or location of defective computer hardware by testing during standby operation or during idle time, e.g. start-up testing
    • G06F11/26—Functional testing
    • G06F11/263—Generation of test inputs, e.g. test vectors, patterns or sequences ; with adaptation of the tested hardware for testability with external testers
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/02—Knowledge representation; Symbolic representation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/04—Inference or reasoning models
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N7/00—Computing arrangements based on specific mathematical models
    • G06N7/01—Probabilistic graphical models, e.g. probabilistic networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0633—Workflow analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/067—Enterprise or organisation modelling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/20—Administration of product repair or maintenance
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/04—Manufacturing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/08—Construction
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
    • G07C5/00—Registering or indicating the working of vehicles
    • G07C5/008—Registering or indicating the working of vehicles communicating information to a remotely located station
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
    • G07C5/00—Registering or indicating the working of vehicles
    • G07C5/08—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time
    • G07C5/0808—Diagnosing performance data
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
    • G07C5/00—Registering or indicating the working of vehicles
    • G07C5/08—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time
    • G07C5/0816—Indicating performance data, e.g. occurrence of a malfunction
    • G07C5/0825—Indicating performance data, e.g. occurrence of a malfunction using optical means
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
    • G08B21/18—Status alarms
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
    • G08B21/18—Status alarms
    • G08B21/187—Machine fault alarms
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L45/00—Routing or path finding of packets in data switching networks
    • H04L45/22—Alternate routing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2201/00—Indexing scheme relating to error detection, to error correction, and to monitoring
    • G06F2201/85—Active fault masking without idle spares
    • 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
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Abstract

本文揭示与资产及资产操作状况相关的系统、装置及方法。特定来说，实例涉及：定义及执行用于输出健康度量的预测模型，所述健康度量估计资产或其部分的操作健康；分析健康度量以确定与高健康度量相关联的变量；及根据对异常状况指示符的可能响应的预测修改此类异常状况指示符的处置；以及其它实例。

Description

资产健康评分及其使用
相关申请案的交叉参考
本申请案主张以下专利申请案的优先权：(i)2014年12月1日申请的题为“用于显示与工业应用健康相关的信息及能力信息的方法及设备(Method and Apparatus forDisplaying Information Related to Industrial Application Health andCapability Information)”的第62/086,155号美国临时专利申请案；(ii)2014年12月7日申请的题为“摄取+CAT(Uptake+CAT)”的第62/088,651号美国临时专利申请案；(iii)2015年6月5日申请的题为“资产健康评分(Asset Health Score)”的第14/732,258号美国专利申请案；(iv)2015年6月5日申请的题为“子系统健康评分(Subsystem Health Score)”的第14/732,285号美国专利申请案；及(v)2015年6月5日申请的题为“历史健康度量(Historical Health Metrics)”的第14/732,303号美国专利申请案，所述专利申请案中的每一者以全文引用方式并入本文中。
背景技术
现今，机器(在本文中也称为“资产”)普遍存在于许多工业中。从跨国传送货物的机车到帮助护士及医生挽救生命的医疗设备，资产在日常生活中扮演重要角色。取决于资产所扮演的角色，其复杂性及成本可变化。举例来说，一些资产可包含多个子系统，其必须与资产和谐一致地操作以起适当作用(例如，机车的引擎、传动装置等等)。
由于资产在日常生活中扮演着关键角色，所以可期望资产可在有限停机时间内修理。因此，一些人已开发出用于监测及检测资产内的异常状况以可能在最小停机时间内促进修理资产的机构。
发明内容
用于监测资产的当前方法通常涉及：从遍及资产分布的监测资产的操作状况的各种传感器接收信号的资产上计算机。作为一个代表性实例，如果资产是机车，那么传感器可监测例如温度、电压及速度的参数，以及其它实例。如果来自一或多个传感器的传感器信号达到某些值，那么资产上计算机接着可产生异常状况指示符，例如“故障代码”，其是在资产内已发生异常状况的指示。在实践中，用户通常定义与每一异常状况指示符相关联的传感器及相应传感器值。即，用户定义资产的“正常”操作状况(例如，不触发异常状况指示符的那些操作状况)及“异常”操作状况(例如，触发异常状况指示符的那些操作状况)。
一般来说，异常状况可为资产或其组件的缺陷，这可导致资产及/或组件的故障。因而，异常状况可与给定故障相关联，或可能与多个故障相关联，这在于异常状况是给定故障或多个故障的症状。
在资产上计算机产生异常状况指示符之后，指示符及/或传感器信号可被传递到远程位置，其中用户可接收异常状况的某一指示，且决定是否采取动作。在一些情况下，用户还可评审与异常状况指示符相关联的传感器信号以促进诊断异常状况指示符的原因。
虽然当前资产监测系统通常能有效地触发异常状况指示符，但此类系统通常是反动的。即，到资产监测系统触发指示符时，在资产内可能已发生(或即将发生)故障，这可导致代价相当大的停机时间，以及其它缺点。此外，归因于此类资产监测系统中的资产上异常性检测机构的简化性质，当前资产监测方法趋向于产生许多“假阳性”指示符，其在用户被迫使评审这些无意义的指示符及对这些无意义的指示符做出响应时可能是无效的。
本文所揭示的实例系统、装置及方法力图帮助解决这些问题中的一或多者。在一些实例中，网络配置可包含促进一或多个资产、远程计算系统、一或多个输出系统与一或多个数据源之间的通信的通信网络。
如上所述，每一资产可包含遍及资产分布的促进监测资产的操作状况的多个传感器。接着，所述资产可将指示资产的操作状况的数据提供到远程计算系统，其可经配置以基于所提供的数据执行一或多个操作。
在一个方面中，举例来说，远程计算系统可经配置以确定给定资产的健康度量(在本文中也称为“健康评分”)，其可为反映未来在某一时间周期内在给定资产处是否将发生故障的单个聚合参数。在实例实施方案中，健康度量可指示在给定资产处将不发生来自故障群组的故障的概率。在其它实例实施方案中，健康度量可指示在给定资产处将发生来自故障群组的至少一个故障的概率。
一般来说，确定健康度量可涉及：“机器学习”阶段，在这个阶段期间，远程计算系统可分析一或多个资产的历史操作数据以定义用于预测资产故障的模型；及资产监测阶段，在这个阶段期间，远程计算系统使用给定资产的当前操作数据及在机器学习阶段中定义的模型以确定给定资产的“健康评分”。
特定来说，在机器学习阶段期间，远程计算系统可经配置以在某一时间量内从一或多个资产接收操作数据。操作数据可包含传感器数据，例如反映机车上的引擎的操作温度的数据，且还可包含(例如)由资产的资产上计算机产生的异常状况指示符。基于此数据，远程计算系统可经配置以确定指示给定资产在历史上导致给定资产处的故障的操作状况的一或多个模型。
在资产监测阶段期间，基于来自机器学习阶段的模型及来自给定资产的操作数据，远程计算系统可经配置以确定未来(例如，接下来的2周内)在预选时间周期内在给定资产处可发生一或多个特定故障的概率。在一些情况下，特定故障可为“高影响”事件，其是在故障发生时可致使资产不可操作的事件。从经确定故障概率，远程计算系统可确定给定资产的单个聚合健康度量，其指示在预选时间周期内是否将发生故障。
远程计算系统可经配置以基于给定资产的最近操作状况动态地更新此健康度量。即，随着资产的实际操作状况改变，可发生特定故障中的一或多者的概率(且因此，健康度量)可相应地改变。
特定来说，远程计算系统可能实时从资产接收操作数据。基于操作数据及经确定模型，远程计算系统可经配置以重新计算可发生特定故障中的一或多者的概率。在概率已改变的事件中，远程计算系统可相应地更新健康度量。可在资产的可操作寿命的过程内连续地发生动态地更新健康度量的此过程。
远程计算系统可进一步经配置以使用健康度量以触发数个动作。在一些情况下，举例来说，远程计算系统可促进致使输出系统输出给定资产的健康度量的指示，可能连同给定资产的异常状况指示符及/或传感器数据一起。
在另一情况下，远程计算系统可经配置以基于健康度量产生警示。举例来说，在健康度量正接近或已达到健康阈值的事件中，远程计算系统可经配置以将警示消息发送到输出装置，这又可致使输出装置将视觉及/或听觉警示输出给用户。其它实例也是可能的。
在又一情况下，远程计算系统可经配置以使用健康度量以触发各种类型的防止动作。举例来说，在健康度量已达到健康阈值的事件中，远程计算系统可经配置以促进致使输出装置显示可影响健康度量的一或多个推荐动作，促进产生工作通知单以修理资产，促进订购资产的部件，及/或将致使资产修改其操作的一或多个命令传输到资产。其它防止动作也是可能的。
除了确定给定资产的单个聚合“健康评分”之外或替代确定给定资产的单个聚合“健康评分”，远程计算系统还可经配置以基于来自资产的操作数据确定给定资产的相应子系统的个别“健康评分”，其中每一个别健康评分指示反映未来在某一时间周期内在给定资产的特定子系统处是否将发生故障的单个聚合参数。
远程计算系统可经配置以以各种方式确定给定子系统的个别健康评分。举例来说，远程计算系统可基于对给定子系统是特定的操作数据确定给定子系统的故障模型，且接着，以类似于上文针对资产级健康度量所论述的方式的方式确定子系统健康度量。然而，远程计算系统可经配置以也以其它方式确定给定子系统的个别健康评分。
在一些情况下，远程计算系统还可经配置以使用给定资产的个别子系统级健康度量以确定资产级健康度量。远程计算系统可经配置以以各种方式使个别子系统级健康度量加权。举例来说，远程计算系统可经配置以基于对应子系统对资产的整体操作的相对重要性使某些子系统健康度量不同于其它者而加权。这又可导致更准确的资产级健康度量。
如同资产级健康度量，远程计算系统可经配置以动态地更新子系统级健康度量，且使用所述子系统级健康度量以触发类似于上文所论述的那些动作的动作。然而，子系统级健康度量还可允许远程计算系统触发相对于资产级动作的更多粒度及/或额外动作。此外，子系统级健康度量可通过检测子系统级处的异常性允许更有效的防止动作，通常直到以后的某时才能检测到资产级处的所述异常性。
在另一方面中，远程计算系统可经配置以存储一或多个资产的历史资产级及/或子系统级健康度量数据。接着，可出于各种目的而使用此历史数据。
在一个实例中，远程计算系统可经配置以促进致使输出系统基于所存储的历史数据提供各种可视化。举例来说，远程计算系统可经配置以促进致使输出系统显示给定资产(或资产群组)在给定时间窗内的历史资产级及/或子系统级健康度量的图形表示。
在另一实例中，远程计算系统可经配置以对所存储的此历史数据执行分析以识别健康度量与某些资产相关变量(例如资产类别(例如，品牌、型号等等)、对资产进行操作的技工，及资产被操作的环境状况，以及其它实例)之间的相关性。举例来说，基于所存储的此历史数据，远程计算系统可确定某些资产类别与相对高健康度量相关及/或某些其它资产类别与相对低健康度量相关。作为另一实例，基于所存储的此历史数据，远程计算系统可确定某些技工负责资产健康度量的较大改进及/或某些其它技工负责资产健康度量的较小改进。许多其它实例也是可能的。
在实例实施方案中，远程计算系统可经配置以基于历史健康度量分析执行各种操作，例如针对特定任务推荐特定资产类别、优化资产修理计划表，及推荐特定修理厂及/或技工来检修特定问题，以及其它操作。
在又一方面中，远程计算系统可经配置以从一或多个输出系统接收反馈数据，且接着基于此反馈数据智能地执行一或多个操作。举例来说，如上所述，远程计算系统可经配置以推荐及/或触发给定资产的各种类型的防止动作。在此实例中，远程计算系统可经配置以接收指示防止动作是否成功地防止资产故障的反馈数据，且接着基于此反馈数据更新健康度量模型及/或由健康度量触发的动作。
在另一实例中，如上所述，远程计算系统可经配置以促进致使输出系统显示给定资产的异常状况指示符(例如，故障代码)，可能与对应于此类指示符的推荐动作一起。如上所述，然而，传统资产监测系统可产生“假阳性”指示符(例如，无需补救动作且因此不为用户所关注的异常状况)，其可使用户从有意义的指示符分心，及/或可使用户不会对指示符做出响应。因此，远程计算系统可经配置以接收关于用户如何对特定指示符做出响应的反馈数据，且接着智能地调整显示某些指示符以帮助改进用户对资产的操作的方式。
举例来说，当向用户呈现异常状况指示符时，输出系统可向用户呈现允许用户解除警示(例如，通过选择“忽视”图标或类似者)、对警示采取动作(例如，通过选择“解析”图标或类似者)或忽略警示(例如，通过在预定时间量内不做出选择)的选项。输出系统可经配置以向远程计算系统提供指示用户关于所显示的指示符的决策的反馈数据。远程计算系统又可聚合此类数据及对此类数据执行分析，可能是一或多个用户评审指示符，以识别指示符与用户响应(例如，响应模式)之间的相关性。
此后，远程计算系统可基于响应模式调整显示某些异常状况指示符的方式。举例来说，如果响应模式指示用户通常忽视或忽略特定类型的指示符，那么远程计算系统可根据此响应模式例如通过显示具有推荐忽视的指示符或仅仅抑制所述指示符(由用户做出预定数目个“忽视”响应之时或之后)来指示输出装置处置那个类型的任何指示符。
在指示输出装置调整显示异常状况指示符的方式之前，远程计算系统也可考虑其它信息，例如指示符的性质、与指示符相关联的子系统或类似者。举例来说，远程计算系统可规定一些类型的指示符在被抑制之前需要较大数目个“忽视”响应，而其它类型的指示符在被抑制之前需要较小数目个“忽视”响应。其它实例也是可能的。
如上文所论述，本文所提供的实例涉及资产监测。在一个方面中，提供计算系统。计算系统包括至少一个处理器、非暂时性计算机可读媒体及程序指令，程序指令存储于非暂时性计算机可读媒体上且可由至少一个处理器执行以致使计算系统执行各种任务。
根据一个实施例，程序指令可由至少一个处理器执行以致使计算系统进行以下操作：(a)接收指示资产在参考时间的至少一种操作状况的传感器数据；(b)基于接收到的传感器数据及历史操作数据确定指示在参考时间之后的时间周期内在资产处是否将发生来自故障群组的故障的健康度量，其中历史操作数据包括(i)与过去在资产处发生的故障相关联的历史异常状况数据，及(ii)指示资产过去的至少一种操作状况的历史传感器数据；及(c)将指示经确定健康度量的健康度量数据传输到计算装置以促进致使计算装置显示经确定健康度量的表示。
根据另一实施例，程序指令可由至少一个处理器执行以致使计算系统进行以下操作：(a)至少基于历史操作数据确定与资产的子系统相关联的至少一个异常状况指示符，其中历史操作数据包括(i)与过去在子系统处发生的故障相关联的历史异常状况数据，及(ii)指示子系统过去的至少一种操作状况的历史传感器数据；及(b)接收指示子系统在参考时间的至少一种操作状况的传感器数据；(c)基于(i)接收到的传感器数据、(ii)经确定的至少一个异常状况指示符及(iii)历史操作数据确定指示在参考时间之后的时间周期内在子系统处是否将发生来自故障群组的故障的健康度量；及(d)将指示经确定健康度量的健康度量数据传输到计算装置以促进致使计算装置显示经确定健康度量的表示。
根据又一实施例，程序指令可由至少一个处理器执行以致使计算系统进行以下操作：(a)基于多个操作数据确定对应于多个资产的多个健康度量，其中给定健康度量指示在一定时间周期内在给定资产处是否将发生来自故障群组的故障；(b)至少基于多个健康度量确定与超过阈值的健康度量相关联的至少一个变量；(c)基于经确定的至少一个变量从多个资产识别其健康度量低于阈值的一或多个资产；及(d)将指示关于至少一个变量及经识别的一或多个资产的推荐的推荐数据传输到计算装置以促进致使计算装置显示推荐的表示。
程序指令可由至少一个处理器执行以致使计算系统也执行各种其它功能。
在另一方面中，本文提供非暂时性计算机可读媒体，非暂时性计算机可读媒体具有存储于其上的指令，指令可执行以致使计算系统执行各种任务。
根据一个实施例，一种非暂时性计算机可读媒体可具有存储于其上的指令，指令可执行以致使计算系统进行以下操作：(a)接收指示资产在参考时间的至少一种操作状况的传感器数据；(b)基于接收到的传感器数据及历史操作数据确定指示在参考时间之后的时间周期内在资产处是否将发生来自故障群组的故障的健康度量，其中历史操作数据包括(i)与过去在资产处发生的故障相关联的历史异常状况数据，及(ii)指示资产过去的至少一种操作状况的历史传感器数据；及(c)将指示经确定健康度量的健康度量数据传输到计算装置以促进致使计算装置显示经确定健康度量的表示。
根据另一实施例，一种非暂时性计算机可读媒体可具有存储于其上的指令，指令可执行以致使计算系统进行以下操作：(a)至少基于历史操作数据确定与资产的子系统相关联的至少一个异常状况指示符，其中历史操作数据包括(i)与过去在子系统处发生的故障相关联的历史异常状况数据，及(ii)指示子系统过去的至少一种操作状况的历史传感器数据；(b)接收指示子系统在参考时间的至少一种操作状况的传感器数据；(c)基于(i)接收到的传感器数据、(ii)经确定的至少一个异常状况指示符及(iii)历史操作数据确定指示在参考时间之后的时间周期内在子系统处是否将发生来自故障群组的故障的健康度量；及(d)将指示经确定健康度量的健康度量数据传输到计算装置以促进致使计算装置显示经确定健康度量的表示。
根据又一实施例，一种非暂时性计算机可读媒体可具有存储于其上的指令，指令可执行以致使计算系统进行以下操作：(a)基于多个操作数据确定对应于多个资产的多个健康度量，其中给定健康度量指示在一定时间周期内在给定资产处是否将发生来自故障群组的故障；(b)至少基于多个健康度量确定与超过阈值的健康度量相关联的至少一个变量；(c)基于经确定的至少一个变量从多个资产识别其健康度量低于阈值的一或多个资产；及(d)将指示关于至少一个变量及经识别的一或多个资产的推荐的推荐数据传输到计算装置以促进致使计算装置显示推荐的表示。
一种非暂时性计算机可读媒体可具有存储于其上的指令，指令可执行以致使计算系统也执行各种其它功能。
在又一方面中，本文提供计算机实施方法。一种此类计算机实施方法可包括：(a)接收指示资产在参考时间的至少一种操作状况的传感器数据；(b)基于接收到的传感器数据及历史操作数据确定指示在参考时间之后的时间周期内在资产处是否将发生来自故障群组的故障的健康度量，其中历史操作数据包括(i)与过去在资产处发生的故障相关联的历史异常状况数据，及(ii)指示资产过去的至少一种操作状况的历史传感器数据；及(c)将指示经确定健康度量的健康度量数据传输到计算装置以促进致使计算装置显示经确定健康度量的表示。
另一计算机实施方法可包括：(a)至少基于历史操作数据确定与资产的子系统相关联的至少一个异常状况指示符，其中历史操作数据包括(i)与过去在子系统处发生的故障相关联的历史异常状况数据，及(ii)指示子系统过去的至少一种操作状况的历史传感器数据；(b)接收指示子系统在参考时间的至少一种操作状况的传感器数据；(c)基于(i)接收到的传感器数据、(ii)经确定的至少一个异常状况指示符及(iii)历史操作数据确定指示在参考时间之后的时间周期内在子系统处是否将发生来自故障群组的故障的健康度量；及(d)将指示经确定健康度量的健康度量数据传输到计算装置以促进致使计算装置显示经确定健康度量的表示。
又一计算机实施方法可包括：(a)基于多个操作数据确定对应于多个资产的多个健康度量，其中给定健康度量指示在一定时间周期内在给定资产处是否将发生来自故障群组的故障；(b)至少基于多个健康度量确定与超过阈值的健康度量相关联的至少一个变量；(c)基于经确定的至少一个变量从多个资产识别其健康度量低于阈值的一或多个资产；及(d)将指示关于至少一个变量及经识别的一或多个资产的推荐的推荐数据传输到计算装置以促进致使计算装置显示推荐的表示。
计算机实施方法也可采取各种其它形式。
所属领域的一般技术人员在阅读以下揭示内容时应了解这些方面以及众多其它方面。
附图说明
图1描绘其中可实施实例实施例的实例网络配置。
图2描绘实例资产的简化框图。
图3描绘实例异常状况指示符及传感器准则的概念说明。
图4描绘实例分析系统的简化框图。
图5A描绘可用于确定健康度量的建模阶段的实例流程图。
图5B描绘可用于确定健康度量的资产监测阶段的实例流程图。
图6描绘用于定义模型的数据的概念说明。
图7描绘展示健康评分的表示的实例图形用户接口。
图8A描绘异常状况指示符的实例视觉指示。
图8B描绘异常状况指示符的另一实例视觉指示。
图9描绘展示历史健康评分的表示的实例图形用户接口。
图10描绘用于确定变量的实例流程图。
图11描绘起因于使变量计数器递增的数据的概念说明。
图12描绘用于确定健康评分的实例方法的流程图。
图13描绘用于确定资产的子系统的健康评分的实例方法的流程图。
图14描绘用于基于与高健康评分相关联的变量做出推荐的实例方法的流程图。
图15描绘用于修改通常导致异常状况指示符的操作数据的处置的实例方法的流程图。
具体实施方式
以下揭示内容参考附图及若干示范性案例。所属领域的一般技术人员应理解，此类参考仅出于解释目的，且因此不意味着具限制性。可以多种方式重新布置、组合、添加及/或移除所揭示的系统、装置及方法的部分或全部，本文中预期所述方式中的每一者。
I.实例网络配置
现在转到附图，图1描绘其中可实施实例实施例的实例网络配置100。如所展示，网络配置100包含一或多个资产102、通信网络104、远程计算系统106(其可采取分析系统的形式)、一或多个输出系统108，及一或多个数据源110。
通信网络104可以通信方式连接网络配置100中的组件中的每一者。举例来说，资产102可经由通信网络104而与分析系统106通信。在一些情况下，资产102可与一或多个中间系统(例如客户端服务器(图中未描写))通信，所述一或多个中间系统又与分析系统106通信。同样地，分析系统106可经由通信网络104而与输出系统108通信。在一些情况下，分析系统106可与一或多个中间系统(例如主机服务器(图中未描写))通信，所述一或多个中间系统又与输出系统108通信。许多其它配置也是可能的。
一般来说，资产102可采取经配置以执行一或多个操作(其可基于领域而定义)的任何装置的形式，且还可包含经配置以传输指示资产102的一或多种操作状况的数据的设备。在一些实例中，资产102可包含经配置以执行一或多个相应操作的一或多个子系统。在实践中，多个子系统可并行地或循序地操作以使资产102进行操作。
实例资产可包含运输机器(例如，机车、飞机、半挂式货车、轮船等等)、工业机器(例如，采矿设备、施工设备等等)、医疗机器(例如，医疗成像设备、手术设备、医疗监测系统、医疗实验室设备等等)，及实用机器(例如，涡轮机、太阳能农场等等)，以及其它实例。所属领域的一般技术人员应了解，这些仅仅是资产的几个实例，且众多其它实例是可能的，且在本文中预期众多其它实例。
在实例实施方案中，图1所展示的资产102可都属于相同类型(例如，机车或飞机队、风力涡轮机群组，或MRI机器集合，以及其它实例)，且可能属于相同类别(例如，相同品牌及/或型号)。在其它实例中，图1所展示的资产102可按类型、品牌、型号等等而不同。下文参考图2更详细地论述资产102。
如所展示，资产102(且可能是其它数据源110)可经由通信网络104而与分析系统106通信。一般来说，通信网络104可包含一或多个计算系统及经配置以促进在网络组件之间传送数据的网络基础设施。通信网络104可为或可包含可为有线及/或无线的一或多个广域网(WAN)及/或局域网(LAN)。在一些实例中，通信网络104可包含一或多个蜂窝网络及/或因特网，以及其它网络。通信网络104可根据一或多个通信协议(例如LTE、CDMA、WiMax、WiFi、蓝牙、HTTP、TCP及类似者)进行操作。尽管将通信网络104展示为单个网络，但应理解，通信网络104可包含自身以通信方式链接的多个不同网络。通信网络104也可采取其它形式。
如上所述，分析系统106可经配置以从资产102及数据源110接收数据。概括地说，分析系统106可包含经配置以接收、处理、分析及输出数据的一或多个计算系统，例如服务器及数据库。分析系统106可根据给定数据流技术(例如.NET或Nifi，以及其它实例)进行配置。下文参考图3更详细地论述分析系统106。
如所展示，分析系统106可经配置以将数据传输到资产102及/或输出系统108。传输到资产102及/或输出系统108的特定数据可采取各种形式，且下文将更详细地描述所述特定数据。
一般来说，输出系统108可采取经配置以接收数据及提供某一形式的输出的计算系统或装置的形式。输出系统108可采取各种形式。在一个实例中，输出系统108中的一或多者可为或可包含经配置以接收数据及响应于所述数据提供听觉、视觉及/或触觉输出的输出装置。一般来说，输出装置可包含经配置以接收用户输入的一或多个输入接口，且输出装置可经配置以基于此类用户输入通过通信网络104传输数据。输出装置的实例包含平板计算机、智能电话、膝上型计算机、其它移动计算装置、桌上型计算机、智能TV及类似者。
输出系统108的另一实例可采取经配置以输出请求技工或类似者修理资产的工作通知单系统的形式。输出系统108的又一实例可采取经配置以订购资产的部件及输出其接收的部件订购系统的形式。众多其它输出系统也是可能的。
一或多个数据源110可经配置以与分析系统106通信。一般来说，数据源110可为或包含经配置以收集、存储数据及/或将所述数据提供到其它系统(例如分析系统106)的一或多个计算系统，所述数据可与由分析系统106执行的功能相关。数据源110可经配置以独立于资产102而产生及/或获得数据。因而，在本文中，由数据源110提供的数据可称为“外部数据”。数据源110可经配置以提供当前及/或历史数据。在实践中，分析系统106可通过“订阅”由数据源提供的服务从数据源110接收数据。然而，分析系统106也可以其它方式从数据源110接收数据。
数据源110的实例包含环境数据源、资产管理数据源及其它数据源。一般来说，环境数据源提供指示资产被操作的环境的某一特性的数据。环境数据源的实例包含天气数据服务器、全球导航卫星系统(GNSS)服务器、地图数据服务器，及地形数据服务器(其提供关于给定区域的自然及人工特征的信息)，以及其它实例。
一般来说，资产管理数据源提供指示可影响资产的操作或维修的事件或实体状态的数据(例如，资产可进行操作或接收维修的时间及地方)。资产管理数据源的实例包含提供关于空气、水及/或地面交通的信息的交通数据服务器、提供关于资产在特定日期及/或特定时间的预期路线及/或位置的信息的资产计划表服务器、提供关于传递到缺陷检测器系统附近的资产的一或多个操作状况的信息的缺陷检测器系统(也称为“热箱”检测器)、提供关于特定供应商有其存货的部件及其零件的信息的部件供应商服务器，及提供关于修理厂能力及类似者的信息的修理厂服务器，以及其它实例。
其它数据源的实例包含提供关于电消耗的信息的电网服务器，及存储资产的历史操作数据的外部数据库，以及其它实例。所属领域的一般技术人员应了解，这些实例仅仅是数据源的几个实例，且众多其它实例是可能的。
应理解，网络配置100是其中可实施本文所描述的实施例的网络的一个实例。众多其它布置是可能的，且本文预期众多其它布置。举例来说，其它网络配置可包含未描写的额外组件及/或更多或更少的所描写的组件。
II.实例资产
转到图2，描绘实例资产200的简化框图。资产200可为来自图1的资产102中的一者。如所展示，资产200可包含一或多个子系统202、一或多个传感器204、处理单元206、数据存储装置208、一或多个网络接口210及一或多个用户接口212，全部所述装置可由系统总线、网络或其它连接机构以通信方式链接。所属领域的一般技术人员应了解，资产200可包含未展示的额外组件及/或更多或更少的所描绘的组件。
概括地说，资产200可包含经配置以执行一或多个操作的一或多个电、机械及/或机电组件。在一些情况下，可将一或多个组件分组成给定子系统202。
一般来说，子系统202可包含作为资产200的部分的相关组件的群组。单个子系统202可独立地执行一或多个操作，或单个子系统202可与一或多个其它子系统一起操作以执行一或多个操作。通常，不同类型的资产，且甚至是相同类型的资产的不同类别，可包含不同子系统。举例来说，在运输资产的上下文中，子系统202的实例可包含引擎、传动装置、动力传动系统、燃油系统、电池系统、排气系统、制动系统、电系统、信号处理系统、发电机、齿轮箱、转子，及液压系统，以及众多其它实例。
如上文所表明，资产200可装备有经配置以监测资产200的操作状况的各种传感器204。在一些情况下，可基于特定子系统202分组部分传感器204。以此方式，传感器204的群组可经配置以监测特定子系统202的操作状况。
一般来说，传感器204可经配置以检测可指示资产200的一或多个操作状况的物理性质，及提供检测到的物理性质的指示，例如电信号。在操作中，传感器204可经配置以连续地、周期性地(例如，基于取样频率)及/或响应于某一触发事件获得测量。在一些实例中，传感器204可预配置有用于执行测量的操作参数，及/或可根据由处理单元206提供的操作参数(例如，指示传感器204获得测量的取样信号)执行测量。在实例中，不同传感器204可具有不同操作参数(例如，一些传感器可基于第一频率取样，而其它传感器基于第二不同频率取样)。在任何事件中，传感器204可经配置以将指示测量得到的物理性质的电信号传输到处理单元206。传感器204可连续地或周期性地将此类信号提供到处理单元206。
举例来说，传感器204可经配置以测量物理性质，例如资产200的位置及/或移动，在这种情况下，传感器可采取GNSS传感器、基于航位推算的传感器、加速度计、陀螺仪、计步器、磁力计或类似者的形式。
另外，各种传感器204可经配置以测量资产200的其它操作状况，其实例可包含温度、压力、速度、摩擦、电力使用、燃料使用、液位、运行时间、电压及电流、磁场、电场，及电力产生，以及其它实例。所属领域的一般技术人员应了解，这些实例仅仅是传感器可经配置以测量的几个实例操作状况。可取决于工业应用或特定资产使用额外传感器或更少传感器。
处理单元206可包含一或多个处理器，其可采取通用或专用处理器的形式。处理器的实例可包含微处理器、专用集成电路、数字信号处理器及类似者。数据存储装置208又可为或包含一或多个非暂时性计算机可读存储媒体，例如光存储器、磁存储器、有机存储器，或快闪存储器，以及其它实例。
处理单元206可经配置以存储、存取及执行数据存储装置208中存储的计算机可读程序指令，以执行本文所描述的资产的操作。举例来说，如上文所表明，处理单元206可经配置以从传感器204接收相应传感器信号。处理单元206可经配置以将传感器数据存储于数据存储装置208中及稍后从数据存储装置208对其进行存取。
处理单元206也可经配置以确定接收到的传感器信号是否触发任何异常状况指示符，例如故障代码。举例来说，处理单元206可经配置以将异常状况规则(例如，故障代码规则)存储于数据存储装置208中，所述规则中的每一者包含给定异常状况指示符，其表示触发异常状况指示符的特定异常状况及相应传感器准则。即，每一异常状况指示符与在触发异常状况指示符之前必须满足的一或多个传感器测量值对应。在实践中，资产200可预编程有异常状况规则，及/或可从计算系统(例如分析系统106)接收新异常状况规则或更新到现有规则。
在任何事件中，处理单元206可经配置以确定接收到的传感器信号是否触发任何异常状况指示符。即，处理单元206可确定接收到的传感器信号是否满足任何传感器准则。当此类确定是肯定时，处理单元206可产生异常状况数据，且还可致使资产的用户接口212输出异常状况的指示，例如视觉及/或听觉警示。另外，处理单元206可能使用时间戳将异常状况指示符的发生记录在数据存储装置208中。
图3描绘资产的实例异常状况指示符及相应传感器准则的概念说明。特定来说，图3描绘实例故障代码的概念说明。如所展示，表300包含分别对应于传感器A、B及C的列302、304及306，及分别对应于故障代码1、2及3的行308、310及312。接着，项目314指定对应于给定故障代码的传感器准则(例如，传感器值阈值)。
举例来说，在传感器A检测到旋转测量大于135转/分(RPM)且传感器C检测到温度测量大于65°摄氏度(C)时将触发故障代码1，在传感器B检测到电压测量大于1000伏特(V)且温度测量小于55℃时将触发故障代码2，且在传感器A检测到旋转测量大于100RPM、电压测量大于750V且温度测量大于60℃时将触发故障代码3。所属领域的一般技术人员应了解，仅出于实例及解释目的而提供图3，且众多其它故障代码及/或传感器准则是可能的，且在本文中预期众多其它故障代码及/或传感器准则。
返回参考图2，处理单元206可经配置以实施各种额外功能以同样用于管理及/或控制资产200的操作。举例来说，处理单元206可经配置以将指令信号提供到子系统202及/或传感器204，这致使子系统202及/或传感器204执行一些操作，例如修改油门位置或传感器取样速率。此外，处理单元206可经配置以从子系统202、传感器204、网络接口210及/或用户接口212接收信号，且基于此类信号致使发生一操作。下文论述处理单元206的其它功能性。
一或多个网络接口210可经配置以在资产200与连接到通信网络104的各种网络组件之间提供通信。举例来说，至少一个网络接口210可经配置以促进到通信网络104的无线通信及从通信网络104的无线通信，且因此可采取天线结构及关联设备的形式以用于传输及接收各种无线信号。其它实例也是可能的。在实践中，一或多个网络接口210可根据通信协议(例如上文所描述的那些通信协议中的任何者)进行配置。
一或多个用户接口212可经配置以促进用户与资产200的交互，且还可经配置以促进致使资产200响应于用户交互执行操作。用户接口212的实例包含触敏接口、机械接口(例如，控制杆、按钮、轮、刻度盘、键盘等等)，及其它输入接口(例如，麦克风)，以及其它实例。在一些情况下，一或多个用户接口212可包含或提供到输出组件(例如显示屏幕、扬声器、耳机插座及类似者)的连接性。
所属领域的一般技术人员应了解，图2所展示的资产200仅仅是资产的简化表示的一个实例，且众多其它实例也是可能的。举例来说，在一些实例中，资产可包含经配置以从传感器获得传感器信号的数据获取系统，其中数据获取系统独立于控制资产的操作的中央控制器(例如处理单元206)进行操作。
III.实例分析系统
现在参考图4，描绘实例分析系统400的简化框图。如上文所表明，分析系统400可包含一或多个计算系统，其以通信方式链接且经布置以实施本文所描述的各种操作。具体来说，如所展示，分析系统400可包含数据摄入系统402、数据科学系统404，及一或多个数据库406。这些系统组件可经由一或多个无线及/或有线连接以通信方式耦合。
数据摄入系统402通常可用以接收及处理数据及将数据输出到数据科学系统404。因而，数据摄入系统402可包含经配置以从网络配置100的各种网络组件(例如数个不同资产102及/或数据源110)接收数据的一或多个网络接口。具体来说，数据摄入系统402可经配置以接收模拟信号、数据流，及/或网络包，以及其它实例。因而，网络接口可包含一或多个有线网络接口(例如端口或类似者)及/或无线网络接口(类似于上文所描述的那些无线网络接口)。在一些实例中，数据摄入系统402可为或包含根据给定数据流技术进行配置的组件，例如Nifi接收器或类似者。
数据摄入系统402可包含经配置以执行一或多个操作的一或多个处理组件。实例操作可包含压缩及/或解压、加密及/或解密、模/数及/或数/模转换、过滤，及放大，以及其它操作。此外，数据摄入系统402可经配置以基于数据类型及/或数据特性剖析、分类、组织及/或路由数据。在一些实例中，数据摄入系统402可经配置以基于数据科学系统404的一或多个特性或操作参数格式化、封装及/或路由数据。
一般来说，由数据摄入系统402接收到的数据可采取各种形式。举例来说，数据的有效负载可包含单个传感器测量、多个传感器测量及/或一或多个故障代码。其它实例也是可能的。
此外，接收到的数据可包含某些特性，例如源标识符及时间戳(例如获得信息的日期及/或时间)。举例来说，可将唯一标识符(例如，计算机产生的字母、数字、字母数字或类似标识符)指派到每一资产，且可能指派到每一传感器。此类标识符可操作以识别数据所起源的资产或传感器。在一些情况下，另一特性可包含获得信息的位置(例如，GPS坐标)。数据特性可呈信号签名或元数据的形式，以及其它实例。
数据科学系统404通常可用以接收(例如，从数据摄入系统402)及分析数据，且基于此类分析致使发生一或多个操作。因而，数据科学系统404可包含一或多个网络接口408、处理单元410及数据存储装置412，全部这些装置可由系统总线、网络或其它连接机构以通信方式链接。在一些情况下，数据科学系统404可经配置以存储及/或存取促进实施本文所揭示的部分功能性的一或多个应用程序接口(API)。
网络接口408可相同或类似于上文所描述的任何网络接口。在实践中，网络接口408可促进数据科学系统404与各种其它实体(例如数据摄入系统402、数据库406、资产102、输出系统108等等)之间的通信。
处理单元410可包含一或多个处理器，例如上文所描述的处理器中的任何者。数据存储装置412又可为或包含一或多个非暂时性计算机可读存储媒体，例如上文所提供的实例中的任何者。处理单元410可经配置以存储、存取及执行数据存储装置412中所存储的计算机可读程序指令以执行本文所描述的分析系统的操作。
一般来说，处理单元410可经配置以对从数据摄入系统402接收到的数据执行分析。为此，处理单元410可经配置以执行一或多个模块，其可各自采取数据存储装置412中所存储的一或多个程序指令集合的形式。所述模块可经配置以基于相应程序指令的执行促进致使发生一结果。来自给定模块的实例结果可包含将数据输出到另一模块中、更新给定模块及/或另一模块的程序指令，及将数据输出到网络接口408以用于传输到资产102及/或输出系统108，以及其它实例。
数据库406通常可用以接收(例如，从数据科学系统404)及存储数据。因而，每一数据库406可包含一或多个非暂时性计算机可读存储媒体，例如上文所提供的实例中的任何者。在实践中，数据库406可与数据存储装置412分离或与数据存储装置412集成。
数据库406可经配置以存储众多类型的数据，下文论述其中的一些。在实践中，数据库406中所存储的部分数据可包含指示产生数据或将数据添加到数据库的日期及时间。此外，可以数种方式将数据存储于数据库406中。举例来说，可基于数据源类型(例如，基于资产、资产类型、传感器或传感器类型)或故障代码按时间顺序、表格方式存储及/或组织数据，以及其它实例。
IV.实例操作
下文现在将更详细地论述图1所描绘的实例网络配置100的操作。为了帮助描述这些操作中的一些，可参考流程图来描述可执行的操作的组合。在一些情况下，每一框可表示模块或包含可由处理器执行以在过程中实施特定逻辑功能或步骤的指令的程序代码的部分。可将所述程序代码存储于任何类型的计算机可读媒体(例如非暂时性计算机可读媒体)上。在其它情况下，每一框可表示经接线以在过程中执行特定逻辑功能或步骤的电路。此外，可基于特定实施例将流程图中所展示的框重新布置成不同顺序，将其组合成更少框、将其分离成额外框，及/或移除所述框。
以下描述可参考单个数据源(例如资产200)将数据提供到接着执行一或多个功能的分析系统400的实例。应理解，仅为了清楚及解释起见而这么做且并不意味着具限制性。在实践中，分析系统400通常可能同时从多个源接收数据，且基于接收到的此类聚合数据执行操作。
A.操作数据的收集
如上文所提及，代表性资产200可采取各种形式，且可经配置以执行数个操作。在非限制性实例中，资产200可采取可操作以跨美国传送货物的机车的形式。在运输途中，传感器204可获得反映资产200的一或多个操作状况的传感器数据。传感器204可将传感器数据传输到处理单元206。
处理单元206可经配置以从传感器204接收传感器数据。在实践中，处理单元206可同时或循序地从多个传感器接收传感器数据。如上文所论述，在接收传感器数据时，处理单元206还可经配置以确定传感器数据是否满足触发任何异常状况指示符(例如故障代码)的传感器准则。在处理单元206确定触发了一或多个异常状况指示符的事件中，处理单元206可经配置以执行一或多个局部操作，例如经由用户接口212输出经触发指示符的指示。
接着，处理单元206可经配置以经由网络接口210及通信网络104中的一者将资产200的操作数据传输到分析系统400。举例来说，资产200可连续地、周期性地及/或响应于触发事件(例如，故障代码)将操作数据传输到分析系统400。具体来说，资产200可基于特定频率(例如，每天、每时、每十五分钟、每一分钟、每一秒等等)周期性地传输操作数据，或资产200可经配置以传输操作数据的连续实时馈送。另外或替代地，资产200可经配置以基于某些触发传输操作数据，例如在来自传感器204的传感器测量满足任何异常状况指示符的传感器准则时。资产200也可以其它方式传输操作数据。
在实践中，资产200的操作数据可包含传感器数据及/或异常状况数据。在一些实施方案中，资产200可经配置以提供呈单个数据流的操作数据，而在其它实施方案中，资产200可经配置以提供呈多个不同数据流的操作数据。举例来说，资产200可向分析系统400提供传感器数据的第一数据流及异常状况数据的第二数据流。也存在其它可能性。
传感器数据可采取各种形式。举例来说，有时，传感器数据可包含由传感器204中的每一者获得的测量。而在其它时间，传感器数据可包含由传感器204的子集获得的测量。
具体来说，传感器数据可包含由与给定经触发异常状况指示符相关联的传感器获得的测量。举例来说，如果经触发故障代码是来自图3的故障代码1，那么传感器数据可包含由传感器A及C获得的原始测量。另外或替代地，传感器数据可包含由并非与经触发故障代码直接相关联的一或多个传感器获得的测量。继续最后一实例，传感器数据可另外包含由传感器B及/或其它传感器获得的测量。在一些实例中，处理单元206可包含操作数据中基于由分析系统400提供的故障代码规则或指令的特定传感器数据，其可能例如已确定在传感器B测量的数据与致使首先触发故障代码1的数据之间存在相关性。其它实例也是可能的。
又此外，传感器数据可包含来自所关注每一传感器的基于所关注特定时间的一或多个传感器测量，所述特定时间可基于数个因素而选择。在一些实例中，所关注特定时间可基于取样速率。在其它实例中，所关注特定时间可基于触发异常状况指示符的时间。
特定来说，基于触发异常状况指示符的时间，传感器数据可包含来自所关注每一传感器的一或多个相应传感器测量(例如，与经触发故障代码直接及间接相关联的传感器)。一或多个传感器测量可基于特定数目个测量或大约在经触发异常状况指示符的时间的特定持续时间。
举例来说，如果经触发故障代码是来自图3的故障代码2，那么所关注传感器可包含传感器B及C。一或多个传感器测量可包含在触发故障代码(例如，触发测量)之前由传感器B及C获得的最近相应测量，或触发测量之前、之后或大约此时的相应测量集合。举例来说，五个测量的集合可包含触发测量之前或之后的五个测量(例如，排除触发测量)、触发测量之前或之后的四个测量及触发测量，或触发测量之前的两个测量及触发测量之后的两个测量以及触发测量，以及其它可能性。
类似于传感器数据，异常状况数据可采取各种形式。一般来说，异常状况数据可包含或采取指示符的形式，所述指示符可操作以从在资产200处可发生的所有其它异常状况唯一地识别在资产200处发生的特定异常状况。异常状况指示符可采取字母、数字或字母数字标识符的形式，以及其它实例。此外，异常状况指示符可采取描述异常状况(例如“过热引擎”或“无燃料”)的字符串的形式，以及其它实例。
分析系统400，且特定来说是数据摄入系统402，可经配置以从一或多个资产及/或数据源(例如资产200)接收操作数据。数据摄入系统402可经配置以对接收到的数据执行一或多个操作，且接着，将数据中继到数据科学系统404。数据科学系统404又可分析接收到的数据，且基于此类分析执行一或多个操作。
B.健康评分
作为一个实例，数据科学系统404可经配置以确定资产的“健康评分”，其是指示未来(例如，接下来的2周)在给定时间帧内在资产处是否将发生故障的单个聚合度量。特定来说，在实例实施方案中，健康评分可指示未来在给定时间帧内在资产处将不发生来自故障群组的故障的可能性，或健康评分可指示未来在给定时间帧内在资产处将发生来自故障群组的至少一个故障的可能性。
在实践中，取决于健康度量的所要粒度，数据科学系统404还可经配置以确定不同的健康度量等级。举例来说，数据科学系统404可整体确定资产的健康度量(即，资产级健康度量)。作为另一实例，数据科学系统404可确定资产的一或多个子系统中的每一者的相应健康度量(即，子系统级健康度量)，接着，其可经组合以产生资产级健康度量。其它实例也是可能的。
一般来说，确定健康度量可涉及两个阶段：(1)“建模”阶段，在此期间，数据科学系统404定义用于预测发生故障的可能性的模型；及(2)资产监测阶段，在此期间，数据科学系统404利用在机器学习阶段中定义的模型及给定资产的操作数据以确定给定资产的健康度量。
图5A是描绘可用于确定健康度量的建模阶段的一个可能实例的流程图500。出于说明目的，将实例建模阶段描述为由数据科学系统404实施，但此建模阶段也可由其它系统实施。所属领域的一般技术人员应了解，为了清楚及解释起见而提供流程图500，且操作的众多其它组合可用于确定健康度量。
如图5A所展示，在框502处，数据科学系统404可通过定义形成健康度量的基础的一或多个故障(即，所关注故障)的集合而开始。在实践中，一或多个故障可为在将发生故障的情况下可使资产(或其子系统)变得不可操作的那些故障。基于所定义的故障集合，数据科学系统404可采取步骤以定义用于预测未来(例如，接下来的2周)在给定时间帧内发生故障中的任何者的可能性的模型。
特定来说，在框504处，数据科学系统404可分析一或多个资产的群组的历史操作数据以识别来自故障集合的给定故障的过去发生。在框506处，数据科学系统404可识别与给定故障的每一经识别的过去发生相关联的相应操作数据集合(例如，在发生给定故障之前来自给定时间帧的传感器数据)。在框508处，数据科学系统404可分析与给定故障的过去发生相关联的经识别的操作数据集合以定义(1)给定操作度量集合的值与(2)未来(例如，接下来的2周)在给定时间帧内发生给定故障的可能性之间的关系(例如，故障模型)。最后，在框510处，接着，可将所定义集合中的每一故障的所定义关系(例如，个别故障模型)组合成用于预测发生故障的整体可能性的模型。
随着数据科学系统404继续接收一或多个资产的群组的经更新操作数据，数据科学系统404还可继续通过对经更新操作数据重复步骤504到510改善一或多个故障的所定义集合的预测模型。
现在将更详细地描述图5A所说明的实例建模阶段的功能。以框502开始，如上所述，数据科学系统404可通过定义形成健康度量的基础的一或多个故障的集合而开始。数据科学系统404可以各种方式执行此功能。
在一个实例中，一或多个故障的集合可基于一或多个用户输入。具体来说，数据科学系统404可从由用户操作的计算系统(例如输出系统108)接收指示一或多个故障的用户选择的输入数据。因而，用户可定义一或多个故障的集合。
在其它实例中，一或多个故障的集合可基于由数据科学系统404做出的确定。特定来说，数据科学系统404可经配置以定义可以数种方式发生的一或多个故障的集合。
举例来说，数据科学系统404可经配置以基于资产200的一或多个特性定义故障集合。即，某些故障可对应于某些特性，例如资产类型、资产类别等等。举例来说，每一类型及/或类别的资产可具有所关注相应故障。
在另一例子中，数据科学系统404可经配置以基于数据库406中存储的历史数据及/或由数据源110提供的外部数据定义故障集合。举例来说，数据科学系统404可利用此类数据以确定哪些故障会导致最长修理时间及/或历史上哪些故障之后是额外故障，以及其它实例。
在又其它实例中，可基于用户输入与由数据科学系统404做出的确定的组合定义一或多个故障的集合。其它实例也是可能的。
在框504处，对于来自故障集合的故障中的每一者，数据科学系统404可分析一或多个资产的群组的历史操作数据(例如，故障代码数据)以识别给定故障的过去发生。一或多个资产的群组可包含单个资产(例如资产200)，或相同或类似类型的多个资产(例如，资产队)。数据科学系统404可分析特定量的历史操作数据，例如特定量的时间的数据价值(例如，一个月的价值)或某数目个数据点(例如，最近的数千个数据点)，以及其它实例。
在实践中，识别给定故障的过去发生可涉及数据科学系统404识别指示给定故障的操作数据的类型，例如异常状况数据。一般来说，给定故障可与一或多个异常状况指示符(例如故障代码)相关联。即，当发生给定故障时，可触发一或多个异常状况指示符。因而，异常状况指示符可反映给定故障的基本症状。
在识别指示给定故障的操作数据的类型之后，数据科学系统404可以数种方式识别给定故障的过去发生。举例来说，数据科学系统404可从数据库406中存储的历史操作数据定位对应于与给定故障相关联的指示符的异常状况数据。每一经定位异常状况数据可指示给定故障的发生。基于此经定位异常状况数据，数据科学系统404可识别过去发生故障的时间。
在框506处，数据科学系统404可识别与给定故障的每一经识别的过去发生相关联的相应操作数据集合。特定来说，数据科学系统404可识别来自大约在给定故障的给定发生时间的某一时间帧的传感器数据集合。举例来说，数据集合可来自故障的给定发生之前、之后或大约在所述给定发生时的特定时间帧(例如，2周)。在其它情况下，可从故障的给定发生之前、之后或大约在所述给定发生时的某一数目个数据点识别数据集合。
在实例实施方案中，操作数据集合可包含来自部分或全部传感器204的传感器数据。举例来说，操作数据集合可包含来自与对应于给定故障的故障代码相关联的传感器的传感器数据。
为了说明，图6描绘数据科学系统404可分析以促进定义模型的历史操作数据的概念说明。标绘图600可对应于起源于部分(例如，传感器A及传感器B)或全部传感器204的历史传感器数据片段。如所展示，标绘图600包含x轴602上的时间、y轴604上的传感器测量值，及对应于传感器A的传感器数据606及对应于传感器B的传感器数据608，其中每一者包含表示特定时间点Ti的传感器测量的各种数据点。此外，标绘图600包含过去Tf(例如，“故障时间”)发生的故障610的发生的指示，及故障发生之前ΔT的时间量612的指示，从ΔT识别操作数据集合。因而，Tf-ΔT定义所关注数据点的时间帧614。
返回到图5A，在数据科学系统404识别给定故障的给定发生(例如，在Tf的发生)的操作数据集合之后，数据科学系统404可确定是否存在应被识别操作数据集合的任何剩余发生。在存在剩余发生的事件中，应针对每一剩余发生重复框506。
此后，在框508处，数据科学系统404可分析与给定故障的过去发生相关联的经识别的操作数据集合以定义(1)给定操作度量集合(例如，给定传感器测量集合)与(2)未来(例如，接下来的2周)在给定时间帧内发生给定故障的可能性之间的关系(例如，故障模型)。即，可将给定故障模型当做来自一或多个传感器的输入传感器测量，且所述给定故障模型可输出未来在给定时间帧内将发生给定故障的概率。
一般来说，故障模型可定义资产200的操作状况与发生故障的可能性之间的关系。在一些实施方案中，除了来自传感器204的原始数据信号之外，故障模型还可接收从传感器信号导出的数个其它数据输入(也称为特征)。此类特征可包含历史上在发生故障时测量的传感器值的平均值或范围、历史上在故障发生之前测量的传感器值梯度(例如，传感器测量的变化率)的平均值或范围、故障之间的持续时间(例如，第一次发生故障与第二次发生故障之间的时间量或数个时间点)，及/或指示大约在故障发生时的传感器测量趋势的一或多个故障模式。所属领域的一般技术人员应了解，这些特征仅仅是可从传感器信号导出的几个实例特征，且众多其它特征是可能的。
在实践中，可以数种方式定义故障模型。在实例实施方案中，数据科学系统404可通过利用返回0与1之间的概率的一或多种建模技术(例如随机森林技术、逻辑回归技术或其它回归技术)定义故障模型。
在特定实例中，定义故障模型可涉及数据科学系统404基于在框506处识别的历史操作数据产生响应变量。具体来说，数据科学系统404可确定在特定时间点接收到的每一传感器测量集合的关联响应变量。因而，响应变量可采取与故障模型相关联的数据集的形式。
响应变量可指示给定传感器测量集合是否在框506处确定的时间帧中的任何者内。即，响应变量可反映给定传感器数据集合是否来自大约在故障发生时的所关注时间。响应变量可为二进制值响应变量，使得如果给定传感器测量集合在经确定时间帧中的任何者内，那么将值1指派给关联响应变量，且否则，将值0指派给关联响应变量。
返回到图6，在标绘图600上展示响应变量向量Yres的概念说明。如所展示，与在时间帧614内的传感器测量集合相关联的响应变量具有值1(例如，在时间Ti+3-Ti+8的Yres)，而与时间帧614外的传感器测量集合相关联的响应变量具有值0(例如，在时间Ti-Ti+2及Ti+9-Ti+10的Yres)。其它响应变量也是可能的。
继续基于响应变量定义故障模型的特定实例，数据科学系统404可使用在框506处识别的历史操作数据及所产生的响应变量训练故障模型。基于此训练过程，接着，数据科学系统404可定义故障模型，其接收作为输入的各种传感器数据且输出0与1之间的将在等效于用于产生响应变量的时间帧的时间周期内发生故障的概率。
在一些情况下，使用在框506处识别的历史操作数据及所产生的响应变量进行训练可导致每一传感器的可变重要性统计。给定可变重要性统计可指示传感器对未来在所述时间周期内将发生给定故障的概率的相对影响。
另外或替代地，数据科学系统404可经配置以基于一或多种生存分析技术(例如Cox比例危险度技术)定义故障模型。数据科学系统404可利用在某些方面类似于上文所论述的建模技术的生存分析技术，但数据科学系统404可确定指示从最后一故障到下一预期事件的时间量的生存时间响应变量。下一预期事件可为传感器测量的接收或故障的发生，而无论谁先发生。此响应变量可包含在接收到传感器测量时与特定点中的每一者相关联的一对值。接着，响应变量可用于确定未来在给定时间帧内将发生故障的概率。
在一些实例实施方案中，可部分地基于外部数据(例如天气数据及/或“热箱”数据，以及其它数据)定义故障模型。举例来说，基于此类数据，故障模型可增加或减小输出故障概率。
在实践中，可在与传感器204获得测量的时间不重合的时间点观测外部数据。举例来说，收集“热箱”数据的时间(例如，机车沿着装备有热箱传感器的铁路轨道区段前行的时间)可与传感器测量时间不一致。在此类情况下，数据科学系统404可经配置以执行一或多个操作以确定在对应于传感器测量时间的时间已观测到的外部数据观测。
具体来说，数据科学系统404可利用外部数据观测的时间及传感器测量的时间以内插外部数据观测以产生对应于传感器测量时间的时间的外部数据值。内插外部数据可允许包含外部数据观测或从其导出的特征作为到故障模型中的输入。在实践中，各种技术可用于内插外部数据与传感器数据，例如最近邻内插、线性内插、多项式内插，及样条内插，以及其它实例。
返回到图5A，在数据科学系统404确定来自在框502处定义的故障集合的给定故障的故障模型之后，数据科学系统404可确定是否存在应被确定故障模型的任何剩余故障。在仍存在应被确定故障模型的故障的事件中，数据科学系统404可重复框504到508的循环。在一些实施方案中，数据科学系统404可确定涵盖在框502处定义的全部故障的单个故障模型。在其它实施方案中，数据科学系统404可确定资产的每一子系统的故障模型，接着，其可用于确定资产级故障模型(参见下文的进一步论述)。其它实例也是可能的。
最后，在框510处，接着，可将所定义集合中的每一故障的所定义关系(例如，个别故障模型)组合成用于预测未来(例如，接下来的2周)在给定时间帧内发生故障的整体可能性的模型(例如，健康度量模型)。即，模型从一或多个传感器接收作为输入的传感器测量且输出未来在给定时间帧内将发生来自故障集合的至少一个故障的单个概率。
数据科学系统404可以数种方式定义健康度量模型，这可取决于健康度量的所要粒度。即，在存在多个故障模型的例子中，可以数种方式利用故障模型的结果以获得健康度量模型的输出。举例来说，数据科学系统404可从多个故障模型确定最大值、中值或平均值，且利用所述经确定值作为健康度量模型的输出。
在其它实例中，确定健康度量模型可涉及数据科学系统404将权重归因于由个别故障模型输出的个别概率。举例来说，可相等地将来自故障集合的每一故障认为是不合意，且所以在确定健康度量模型时每一概率可同样地被相同加权。在其它例子中，可将一些故障认为是比其它者更不合意(例如，更具灾难性或需要更长的修理时间等等)，且所以相比其它者，那些对应概率可被更重地加权。
在又其它实例中，确定健康度量模型可涉及数据科学系统404利用一或多种建模技术，例如回归技术。特定来说，数据科学系统404可对由个别故障模型输出的概率及聚合响应变量进行回归。聚合响应变量可采取来自个别故障模型中的每一者的响应变量(例如，图6中的Yres)的逻辑分离(逻辑或)的形式。举例来说，与在框506处确定的任何时间帧(例如，图6的时间帧614)内发生的任何传感器测量集合相关联的聚合响应变量可具有值1，而与在所述时间帧的任何者外发生的传感器测量集合相关联的聚合响应变量可具有值0。定义健康度量模型的其它方式也是可能的。
在一些实施方案中，框510可能是不必要的。举例来说，如上文所论述，数据科学系统404可确定单个故障模型，在此情况下，健康度量模型可为单个故障模型。
在实践中，数据科学系统404可经配置以更新个别故障模型及/或整体健康度量模型。数据科学系统404可每日、每周、每月等等更新模型，且可基于来自资产200或其它资产(例如，来自在与资产200处于相同的队中的其它资产)的历史操作数据的新部分做出此举。其它实例也是可能的。
图5B是描绘可用于确定健康度量的资产监测阶段的一个可能实例的下一流程图520。出于说明目的，将实例资产监测阶段描述为由数据科学系统404实施，但也可由其它系统实施此资产监测阶段。所属领域的一般技术人员应了解，为了清楚及解释起见而提供流程图520，且操作与功能的众多其它组合可用于确定健康度量。
如图5B所展示，在框522处，数据科学系统404可接收反映给定资产的当前操作状况的数据。在框524处，数据科学系统404可从接收到的数据识别被输入到在建模阶段期间所定义的模型中的操作数据集合。在框526处，接着，数据科学系统404可将经识别的操作数据集合输入到模型中，所述模型又确定及输出未来(例如，接下来的2周)在给定时间帧内发生故障的整体可能性。最后，在框528处，数据科学系统404可将此可能性转换成健康度量。
随着数据科学系统404继续接收给定资产的经更新操作数据，数据科学系统404还可通过基于经更新操作数据重复框522到528的操作继续更新给定资产的健康度量。在一些情况下，每当在数据科学系统404接收到新数据或周期性地(例如，每天、每周、每月等等)接收到新数据时，就可重复框522到528的操作。以此方式，分析系统400可经配置以动态地更新健康度量，因为资产用于操作中，所以可能实时更新健康度量。
现在将更详细地描述图5B所说明的实例“资产监测”阶段的功能。在框522处，数据科学系统404可接收反映给定资产的当前操作状况的数据。特定来说，数据摄入系统402可接收资产200的操作数据，接着，将其传递到数据科学系统404。在实例实施方案中，操作数据可包含来自传感器204的一或多者的至少传感器数据，但不包含异常状况数据。在其它实施方案中，操作数据可包含此两者。在一些实例中，数据科学系统404还可从数据源110接收与资产200的目前操作相关联的外部数据。
在框524处，数据科学系统404可从接收到的数据识别被输入到在建模阶段期间所定义的健康度量模型中的操作数据集合。可以数种方式执行此操作。
在一个实例中，数据科学系统404可基于被确定健康度量的给定资产的特性(例如资产类型或资产类别)识别模型的操作数据输入集合(例如，来自所关注特定传感器的传感器数据)。在一些情况下，经识别的操作数据输入集合可为来自给定资产的部分或全部传感器的传感器数据。
在另一实例中，数据科学系统404可基于来自图5A的框502的所定义故障集合识别模型的操作数据输入集合。具体来说，数据科学系统404可识别与来自故障集合的故障相关联的所有异常状况指示符。对于这些经识别的指示符中的每一者，数据科学系统404可识别与给定指示符相关联的传感器。数据科学系统404可将操作数据输入设置成包含来自经识别的传感器中的每一者的传感器数据。识别操作数据输入集合的其它实例也是可能的。
接着，在框526处，数据科学系统404可执行健康度量模型。具体来说，数据科学系统404可将经识别的操作数据集合输入到模型中，接着，又确定及输出未来(例如，接下来的2周)在给定时间帧内发生至少一个故障的整体可能性。
在一些实施方案中，此操作可涉及数据科学系统404将特定操作数据(例如，传感器数据)输入到在图5A的框508处定义的一或多个故障模型中，其中每一者可输出个别概率。接着，数据科学系统404可使用这些个别概率，根据健康度量模型可能使一些比其它者更重地加权以确定未来在给定时间帧内发生故障的整体可能性。
最后，在框528处，数据科学系统404可将发生故障的概率转换成健康评分，其可采取反映未来(例如，2周)在给定时间帧内在资产处将不发生故障的可能性的单个聚合参数的形式。在实例实施方案中，将故障概率转换成健康度量可涉及数据科学系统404确定故障概率的补数。具体来说，整体故障概率可采取从0到1变化的值的形式；可通过用1减去那个数确定健康度量。将故障概率转换成健康度量的其它实例也是可能的。
C.资产信息的输出
在另一方面中，分析系统400可进一步经配置以促进致使输出系统108中的一或多者输出关于操作中的资产的各种信息，例如健康度量的指示，且也可能是故障代码及/或传感器数据的指示。这些指示可采取各种形式。
图7描绘根据来自分析系统400的指令的可由输出系统108显示的实例图形用户接口700。此图形用户接口700被展示为包含关于给定资产(例如，车辆资产)的各种信息。举例来说，如所展示，图形用户接口700可包含健康度量显示702，其展示资产的整体健康度量(由白色虚线框描画其轮廓)。此处，健康度量显示702采取百分比及似刻度盘可视化的形式，但此显示也可采取各种其它形式。
此外，如所展示，图形用户接口700可包含事件日志704，其展示与在给定资产处触发的异常状况指示符相关的信息。此事件日志704可包含关于指示符的各种信息，例如触发给定指示符的时间、当触发指示符时资产的位置，及与指示符相关联的简要描述。事件日志704还可包含每一指示符的可选择元件，一旦被选择，那么可致使图形用户接口700显示有助于触发异常状况指示符的传感器数据的指示。此外，如所展示，图形用户接口700可包含与给定资产相关的其它信息，例如资产的当前位置及各种关键性能指示符。各种其它实例图形用户接口也是可能的。
D.基于健康评分触发动作
作为另一方面，分析系统400可经配置以使用健康度量以触发可帮助修改资产200的健康度量的一或多个动作。在一些情况下，如果健康度量下降到低于特定阈值，那么可触发可促进增加资产200的健康度量的动作。在本文中，此类动作可称为“防止动作”，这在于这些动作旨在帮助防止发生故障。
特定来说，数据科学系统404可经配置以监测为资产200产生的健康度量，及确定健康度量是否达到阈值，所述阈值可能已被预定且被存储于数据库406中，或由数据科学系统404动态地确定。在健康度量下降到低于阈值的事件中，各种动作是可能的。
举例来说，分析系统400可经配置以致使输出系统108显示警告或警示。举例来说，警告或警示可包含减小健康度量的视觉、听觉或其组合的指示。在特定情况下，分析系统400可致使输出系统108显示动画可视化(例如闪烁或增长的可视化)及/或输出警报声音或类似者。
在另一实例中，基于健康度量达到阈值，分析系统400可产生一或多个推荐动作的列表，其可帮助增加健康度量。举例来说，推荐动作可为修理资产200的特定子系统、根据某些操作状况操作资产200，或使资产200围绕特定地理区域转向，以及其它实例。接着，分析系统400可致使输出系统108输出推荐动作的指示。
在其它实例中，基于健康度量达到阈值，分析系统400可经配置以致使工作通知单系统产生工作通知单来修理资产200。特定来说，分析系统400可将工作通知单数据传输到工作通知单系统，这致使工作通知单系统输出工作通知单，其可指定可帮助增加健康度量的某一修理。类似地，分析系统400可经配置以传输部件订购数据以致使部件订购系统订购在修理资产200中可能需要的资产200的特定部件。也存在其它可能性。
在又其它实例中，基于健康度量达到阈值，分析系统400可经配置以将促进修改资产200的一或多个操作状况的一或多个命令传输到资产200。举例来说，命令可致使资产200减小(或增加)速度、加速度、风扇速度、螺旋角，及/或进气，以及其它实例。其它动作也是可能的。
E.子系统健康度量
如上文所表明，在一些实施方案中，分析系统400可经配置以确定一或多个子系统级健康度量。具体来说，分析系统400可经配置以将子系统级健康度量确定为独立健康度量及/或可用于确定资产级健康度量的多个子系统级健康度量。给定子系统健康度量可指示反映未来在某一时间周期内在给定资产的特定子系统处是否将发生故障的单个聚合参数。
一般来说，可以至少在一些方面类似于参考图5A及5B所论述的操作的方式确定子系统级健康度量。然而，在确定子系统级健康度量中可修改部分操作，或所述部分操作可能是不必要的，或可利用额外操作。
特定来说，在一些实施方案中，在框502处，故障集合可包含在将发生故障的情况下可使特定子系统变得不可操作的故障。在一些情况下，可从与子系统相关联的异常状况指示符(例如故障代码)定义故障集合。一般来说，子系统可具有与其相关联的一或多个指示符。举例来说，图3的故障代码1到3全都可与给定子系统202相关联。数据科学系统404可以数种方式确定与给定子系统202相关联的指示符。
在一些实例中，与给定子系统202相关联的异常状况指示符可为用户定义的。特定来说，数据科学系统404可从自用户接收输入的输出系统108接收给定子系统202的指示及与给定子系统202相关联的指示符。
在其它实例中，数据科学系统404可经配置以确定与给定子系统202相关联的异常状况指示符。此操作可基于数据库406中存储的历史数据及/或由数据源110提供的外部数据。
举例来说，可利用历史修理数据。基于此类数据，数据科学系统404可经配置以确定何时修理过给定子系统202(例如，修理的时间及/或日期)。接着，基于所述确定，数据科学系统404可从历史操作数据确定在修理之前触发的任何异常状况指示符。在其它实例中，代替地，数据科学系统404可从历史操作数据仅确定在修理之前触发的及接着在修理不久之后触发的那些异常状况指示符。在任何事件中，接着，经确定指示符可与给定子系统202相关联。
在又一实例中，数据科学系统404可经配置以通过确定相关传感器(其是与给定子系统202相关联的传感器)及接着确定与相关传感器相关联的指示符，确定与给定子系统202相关联的异常状况指示符。在一些情况下，数据科学系统404可基于传感器属性(例如，传感器在资产200上的位置及/或传感器类型(例如，传感器经配置以测量的物理性质))确定相关传感器。举例来说，数据科学系统404可经配置以确定物理上位于给定子系统202上或内的传感器。另外或替代地，数据科学系统404可经配置以确定接近给定子系统202的传感器，例如给定子系统202下游或上游的传感器。
此外，数据科学系统404可经配置以确定位于影响给定子系统202的操作的子系统上或内的传感器。举例来说，数据科学系统404可经配置以确定给定子系统202从其接收输入的子系统及/或给定子系统202将输出提供到其的子系统。或者是由给定子系统202修改其操作状况的子系统及/或修改给定子系统202的操作状况的子系统。举例来说，数据科学系统404可确定进行操作以减小引擎子系统的操作温度的进气子系统上的传感器与引擎子系统相关。
在任何事件中，在数据科学系统404确定相关传感器之后，数据科学系统404可经配置以确定其传感器准则包含来自相关传感器的测量的任何异常状况指示符。接着，这些经确定指示符将与给定子系统202相关联且用于识别过去在框504处发生的故障。
可在一些方面不同于子系统级健康度量上下文的另一实例操作是关于框510。特定来说，当从多个子系统级健康度量确定资产级健康度量时，数据科学系统404可经配置以以数种方式组合多个健康度量，其中一些可在一些方面类似于组合上文所论述的故障模型的方法。在一些实施方案中，数据科学系统404可经配置以使每一子系统健康度量相等地加权或使某些子系统级健康度量不同于其它者而加权，这可基于子系统。
加权可基于子系统相对于资产的整体操作的相对重要性。举例来说，子系统A可具有75％的健康度量，且子系统B可具有85％的健康度量。在确定资产级健康度量中使每一子系统健康度量相等地加权可导致80％的健康度量。另一方面，假设确定子系统A比子系统B重要三倍，那么根据子系统的相对重要性使每一子系统健康度量加权可导致77.5％的健康度量。其它实例也是可能的。
在任何事件中，类似于资产级健康度量，分析系统400可经配置以基于子系统健康度量触发数个动作。然而，触发的动作的粒度可比基于资产级健康度量触发的那些动作更细。特定来说，上文所论述的动作中的任何者可涉及给定子系统或其组件。
此外，子系统级健康度量可允许分析系统400更快地识别表明未来可能发生故障的传感器测量。因此，当确定子系统级健康度量时，分析系统400可经配置以预测比资产级健康度量中更小的时间窗，由此提供更有用的预测。举例来说，虽然资产级健康度量可具有含特定准确度的第一时间量的解析度(例如，资产级健康度量可指示接下来的两周内将不发生故障的概率)，但子系统级健康度量可具有含相同准确度的第二较小时间量的解析度(例如，子系统级健康度量可指示接下来的一周内将不发生故障的概率)。子系统级健康度量的其它优点也是可能的。
F.基于反馈更新健康度量模块
在另一方面中，分析系统400可经配置以接收关于基于健康度量触发的动作的反馈数据，且接着基于所述反馈数据更新健康度量模型及/或基于健康度量触发的动作(在本文中统称为“健康度量模块”)。
此反馈数据可采取各种形式，但一般来说，反馈数据可指示基于健康度量数据触发的动作的状态。此状态的实例可为动作被遵照、动作被执行且成功地校正了即将发生的故障、动作被执行但未校正问题，或动作是不可行的，以及其它实例。此外，分析系统400可从各种源(其实例包含用户操作的输出装置或系统)接收此反馈数据。
在特定实例中，基于健康度量，分析系统400可能已触发产生工作通知单以修理给定资产的特定组件。在完成工作通知单之后，技工可利用输出系统108的客户端装置以提供关于响应于工作通知单(例如特定组件确实需要修缮及/或成功地执行了修理或特定组件无需修缮及/或可能未执行修理的指示)采取的动作的反馈。分析系统400可接收此反馈数据，且接着使用其以各种方式更新健康度量模块。
举例来说，分析系统400可基于此反馈数据改善健康度量模块。具体来说，反馈数据可致使分析系统400将故障添加到来自图5A的框502的故障集合或从所述故障集合移除故障、修改应用到给定故障模型的输出的权重，及/或调整用于预测发生给定故障的可能性的特定预测算法，以及其它实例。在另一例子中，如果健康度量未来下降到低于健康阈值，那么分析系统400可更新健康度量模块以便使动作的类型优先于其它者。许多其它实例也是可能的。
在反馈数据的另一实例中，分析系统400可能已致使输出系统108显示推荐给给定资产的可帮助增加(或至少维持)健康度量的路线(例如，具有较少高程变化及/或爬坡的路线)的列表的指示。此后，分析系统400可接收反馈数据，其指示推荐路线因为路线上的构造而是不可行的。基于此类反馈，分析系统400可从推荐路线列表移除推荐路线。其它实例也是可能的。
G.改进指示符的处置
分析系统400可经配置以接收其它形式的反馈数据，且也可执行其它操作。举例来说，分析系统400可经配置以智能地抑制通常可产生且显示给用户的异常状况指示符，例如故障代码。
如上文所论述，一些传统资产监测系统产生“假阳性”异常状况指示符，其是对用户无意义的指示符，这是因为基本故障不会影响资产的整体操作。此类故障的实例可包含破碎的风挡刮水器、低风挡刮水器清洗液、破碎的风速表，及烧坏的仪器面板灯，以及其它实例。此类“假阳性”指示符可使用户从有意义的指示符分心或可使用户不会对接收异常状况的指示做出反应。为了帮助解决这些问题中的一些，分析系统400可经配置以适应对特定异常状况指示符的响应且智能地响应于传统上导致分析系统自动产生异常状况指示符的操作状况。
为了清楚起见，在故障代码的上下文中论述涉及自适应地处置通常触发异常状况指示符的操作状况的操作及功能。然而，部分或全部这些操作及功能可实施于具有各种其它类型的异常状况指示符的其它上下文中。
在操作中，分析系统400可经配置以促进致使输出系统108显示给定故障代码的指示。分析系统400可以数种方式做出此举。
在一个实例中，分析系统400可促进致使输出系统108基于来自资产的传感器数据显示给定故障代码的指示。特定来说，分析系统400可从资产200接收分析系统400分析的传感器数据。如果接收到的传感器数据满足传感器准则(可能是数据库406中存储的传感器准则)，那么分析系统400可将故障代码数据传输到输出系统108以致使输出系统108显示给定故障代码的指示。
在另一实例中，分析系统400可促进致使输出系统108基于来自资产的故障代码数据显示给定故障代码的指示。具体来说，分析系统400可从资产200接收指示给定故障的故障代码数据，且接着，分析系统400可将故障代码数据中继到输出系统108。在一些情况下，分析系统400可能已促进资产200首先产生故障代码数据。举例来说，分析系统400可经配置以产生故障代码规则，其识别触发给定故障代码的一或多个传感器及对应传感器准则，分析系统400将所述给定故障代码传输到资产200以促进致使资产200触发故障代码。
在任何事件中，输出系统108可输出给定故障代码的指示。给定故障代码的指示可采取各种形式，例如视觉、听觉或其一些组合。在一些情况下，输出系统108将故障代码显示给用户且提供关于警示的用户选项。举例来说，所述选项可允许用户解除故障代码(例如，通过选择“忽视”图标或类似者)、对故障代码采取动作(例如，通过选择“解析”图标或类似者)，或忽略故障代码(例如，通过在预定时间量内不做出选择)，以及其它可能选项。
图8A描绘给定故障代码的实例视觉指示800。输出系统108可响应于从分析系统400接收到故障代码数据显示视觉指示800。如所展示，视觉指示800包含识别经触发故障代码(例如，故障代码4)的故障警示802、动作图标804及解除图标806。在操作中，用户可选择动作图标804以获得可经执行以试图解决故障警示802的原因的推荐动作列表。另一方面，用户可选择解除图标806以忽视故障警示802，且一旦选择，那么视觉指示800可消失。
在实践中，评审故障代码及关于故障代码做出决定的用户可为数个人。在一些实例中，负责监督多个资产的人事经理可评审故障代码(例如，在远程经由与分析系统300通信的计算系统)。人事经理可具有关于应如何处置某些故障代码的专家知识。在一些实例中，多个用户可评审相同故障代码。
分析系统400可经配置以接收指示用户关于所输出故障代码的决策的反馈数据。具体来说，由用户操作的输出系统108可提供反馈数据。反馈数据可采取各种形式。
在一些实例中，反馈数据可明确指示用户的决策(例如，指示用户选择了解除图标806的数据)。在其它实例中，分析系统400可经配置以从反馈数据推断用户的决策。
特定来说，分析系统400可经配置以基于在传输故障代码数据之后从资产200接收到的操作数据推断决策。举例来说，分析系统400可经配置以推断在操作数据改变的情况下用户决定采取动作，使得不再触发故障代码。另一方面，分析系统400可经配置以推断在故障代码在传输故障代码数据之后的某一时间量(例如一或多个小时、天或周)内持续存在(例如，操作数据继续包含指示给定故障代码的故障代码数据及/或满足与故障代码相关联的传感器准则的传感器数据)的情况下用户决定解除或忽略故障代码。推断用户的决定的其它实例也是可能的。
在任何事件中，分析系统400可经配置以随着时间的流逝而聚合反馈数据及将此类数据存储于数据库406中。分析系统400可经配置以聚合对应于一或多个用户评审故障代码的反馈数据。此外，聚合反馈数据可对应于资产200及/或其它资产的故障代码决策。
基于历史反馈数据，分析系统400可经配置以确定每一故障代码的响应模式，且将此类模式存储于数据库406中。响应模式可反映结合给定故障代码利用特定响应的频率。
可以数种方式确定响应模式。在一个实例中，可从对应于对给定故障代码的每一可能响应的响应计数器确定响应模式。每当识别给定故障代码的例子的特定响应时，就可使响应计数器递增。从此类计数器，可确定响应模式。
在任何事件中，基于响应模式，分析系统400可经配置以预测用户可如何处置给定故障代码。即，给定响应模式可指示特定故障代码的预期行为。在一些情况下，预测用户可如何处置给定故障代码可涉及分析系统400利用机器学习模型，例如朴素贝叶斯(NaiveBayes)模型或类似者。
至少基于响应模式，分析系统400可经配置以执行数个操作。举例来说，一种此类操作可涉及根据特定故障代码的预测行为处置指示那个特定故障代码的操作数据。具体来说，如果响应模式指示用户通常忽视或忽略特定类型的故障代码，那么分析系统400可根据此响应模式在操作数据指示触发故障代码时实施操作。可根据响应模式执行众多操作，例如致使输出系统108修改如何将故障代码显示给用户或如何完全地抑制故障代码。
举例来说，分析系统400可经配置以基于响应模式及当前操作数据修改错误代码表示。特定来说，分析系统400可基于响应模式及当前操作数据确定给定故障代码的推荐响应。此后，分析系统400可将反映关于给定故障代码用户采取的推荐动作的故障代码表示数据传输到输出系统108。
图8B描绘可响应于接收到故障代码表示数据显示的故障代码的实例视觉指示810。如所展示，视觉指示810在一些方面类似于来自图8A的视觉指示800。然而，在视觉指示810中，解除图标806定位于视觉指示810的中部，且来自图8A的动作图标804由其它选项图标812替换，一旦选择其它选项图标812，那么可以类似于图8A中的方式显示动作图标804。在此实例中，分析系统400可能已确定在历史上解除或忽略故障代码4，且因此，确定忽视了故障警示802的推荐响应。在一些情况下，视觉指示810可在某一时间量之后消失，由此向用户提供用于观察及以手动方式解除故障代码4的时间，同时最后还移除故障警示802以便不用无意义的故障骚扰用户。
另外或替代地，分析系统400可经配置以基于响应模式及当前操作数据确定是否抑制故障代码。即，分析系统400可经配置以在响应模式指示在历史上解除或忽略此类故障代码的情况下抑制故障代码。具体来说，分析系统400接收故障代码数据及/或指示给定故障代码的传感器数据，且可识别对应于给定故障代码的响应模式，及基于那个响应模式确定是否抑制故障代码(例如，是否将故障代码数据提供到输出系统108)。
在一些情况下，基于故障及/或与故障相关联的子系统，分析系统400可经配置以在抑制故障代码之前确定响应模式是否满足某一最小准则。实例最小准则可包含数个响应，例如最小数目个先前解除及/或忽略或最小解除及/或忽略百分比。在一些情况下，分析系统400可经配置以比较给定响应模式的基本响应计数器或从其导出的值与此类最小准则，及确定是否抑制故障代码。
在一些实施方案中，可存在可基于由特定故障代码识别的故障的严重性及/或与特定故障代码相关联的子系统确定的多级最小准则。每层最小准则可对应于由分析系统400做出的不同响应。举例来说，第一最小解除百分比可对应于显示选项(例如，类似于图8B所展示的选项)的调整，第二较高解除百分比可对应于显示选项(例如，例如移除其它选项图标812)的另一调整，且第三甚至更高解除百分比可对应于完全抑制故障代码的分析系统400。其它实例也是可能的。
此外，抑制一个故障代码的最小准则可不同于另一故障代码的那些最小准则，这可取决于与故障代码相关联的故障及/或子系统。举例来说，一些故障代码(例如，与关键子系统相关联的那些故障代码)在被抑制之前可能需要第一数目个解除，而可基于可相同于或少于第一数目的第二数目个解除或忽略抑制其它故障代码(例如，与非关键子系统相关联的那些故障代码)。其它实例也是可能的。
分析系统400可至少基于响应模式执行的另一操作可涉及产生新故障代码规则或更新现有故障代码规则。特定来说，基于用户如何响应于给定故障代码，分析系统400可修改给定故障代码的传感器准则。分析系统400可经配置以将这些新的或更新的规则可能从相同的资产队传输到资产200及/或其它资产。以此方式，其中操作状况满足旧的故障代码规则的下一的例子将不再在资产处触发故障代码警示。
又此外，分析系统400可经配置以调整响应模式以说明环境相依数据的影响。特定来说，分析系统400可经配置以确定天气环境因素(例如环境温度)是否有助于被触发的故障代码，而无需触发环境因素。在外部数据指示环境因素影响故障代码的触发的事件中，分析系统400可经配置以抑制故障代码。举例来说，外部天气数据可指示环境温度相对高，这可有助于触发基于温度的故障代码。分析系统400可至少基于外部天气数据抑制此类故障代码。
此外，分析系统400可经配置以智能地处置传统上导致部分地基于资产200的位置产生故障代码的操作状况。特定来说，分析系统400可使某些故障代码的特定用户响应与给定地理空间位置相关。接着，分析系统400可致使资产200在资产200在接近给定地理空间位置的特定阈值内时抑制某些故障代码。其它实例也是可能的。
在一些实例实施方案中，评审特定资产的故障代码的给定用户(例如机车的操作者或MRI机器的技术人员)可使如何将对应于特定资产的故障代码显示给给定用户个性化。即，给定用户可更动分析系统400已确定如何处置某些故障代码。在给定用户决定如此做的事件中，分析系统400可接收更动的指示及可能更新分析系统400已确定如何处置某些故障代码，这又可修改未来如何将某些故障代码呈现给其他用户。
具体来说，输出系统108可将修改如何处置给定资产的一些或所有故障代码的选项显示给给定资产的用户，这可涉及修改对应于某些故障代码的抑制的最小准则及/或修改一些故障代码的预测行为。
举例来说，输出系统108可显示可选择“优选项”元件或类似者，一旦选择，那么允许用户更动分析系统400对给定资产的一些或所有故障代码的推荐处置。举例来说，用户可选择显示故障代码4(如在图8A的视觉指示800中，而非如在图8B的视觉指示810中)，或用户可选择不应抑制故障代码4，以及其它实例。
在另一实例中，输出系统108可在第一次抑制故障代码时显示可选择更动元件或类似者。举例来说，在第一次抑制故障代码时，用户可接收警告，其指示特定故障代码与可操作以更动抑制的更动图标一起被抑制。用户可选择更动图标以更动分析系统400对故障代码的推荐抑制。
在任何事件中，输出系统108可经配置以将指示用户更动分析系统400如何处置给定故障代码的更动数据提供到分析系统400。基于更动数据，分析系统400可修改其给定故障代码的预期行为。举例来说，分析系统400可修改(例如，增加或减小)最小准则以抑制给定故障代码及/或可修改如何将给定故障代码呈现给用户或如何从用户抑制给定故障代码。
在一些实施方案中，分析系统400可基于给定故障代码的阈值数目个更动修改其给定故障代码的预期行为。即，分析系统400可在阈值数目个用户决定更动分析系统400对给定故障代码的处置或总阈值数目个更动指示相同的情况下仅可修改其给定故障代码的预期行为。其它实例也是可能的。
虽然上文论述是在分析系统400从操作输出系统108的用户接收反馈数据的上下文中，但上文论述可应用于来自操作者的关于与输出故障代码交互的资产的反馈数据。因而，在一些实施方案中，分析系统400可经配置以基于来自资产的反馈数据确定及/或更新响应模式。特定来说，资产(例如资产200)的操作者可在用户显示器或资产上的类似者处接收故障代码的指示。基于操作者如何处置故障代码的指示，资产可将反馈数据提供到分析系统400，接着，其可实施与上文论述一致的操作。
在反馈数据的另一实例中，分析系统400可在预期未来发生的特定故障代码中产生工作通知单。在接收到工作通知单之后，技工可确定修理是不必要的。如果此事件顺序发生多次，那么分析系统400可促进修改(例如，减小)资产输出故障代码的指示的频率。相反地，如果技工发现多次发生一定程度的资产损坏，那么分析系统400可促进修改(例如，增加)资产输出故障代码的指示的频率。
H.历史健康度量
分析系统400可经配置以将对应于资产102的健康度量数据存储于数据库406中。分析系统400可随着时间的流逝而对多个资产做出此举。从此历史健康度量数据，分析系统400可经配置以执行数个操作。
在一个实例中，分析系统400可经配置以将历史健康度量数据提供到输出系统108中的一或多者，接着，其可显示健康度量的图形表示。图9描绘展示可由输出系统108显示的健康度量随着时间的流逝的表示的实例图形用户接口900。如所展示，图形用户接口900包含在实例时间周期(例如，90天的时间周期)内展示的健康度量曲线902。在此实例中，健康度量中的急剧变化904发生在实例时间周期内的35天左右，这可指示资产200在此时发生过修理。健康度量随着时间的流逝的其它实例表示也是可能的。
在另一实例中，至少基于历史健康度量数据，分析系统400可经配置以识别影响健康度量的变量。举例来说，分析系统400可经配置以分析历史健康度量数据以识别与其健康度量相对高(或相对低)的资产相关联的变量。可影响健康度量的变量的实例可包含指示给定资产的特性及其操作的资产变量、指示操作给定资产的人工操作者的特性的操作者变量，及指示技工及对给定资产执行日常维修或修理的类似者的特性的维修变量，以及其它实例。
资产变量的实例可包含资产品牌、资产型号、资产行进计划表、资产有效负载，及资产环境，以及其它者。资产品牌可指示给定资产的制造商，而资产型号可指示来自给定制造商的资产的特定型号(例如，型号标识符或类似者)。资产行进计划表可指示给定资产遍历的路线，其可包含高度、地形及/或行进持续时间的指示。资产有效负载可指示资产拖拉的货物或类似者的类型及/或量(例如，重量)。资产环境可指示关于给定资产被操作的环境的各种特性，例如地理空间位置、气候、平均环境温度或湿度，及/或电气干扰源的接近，以及其它实例。
操作者变量的实例可包含与操作资产的一个人或多个人相关联的任何变量，例如操作者标识符、操作者计划表，及操作者习惯，以及其它者。操作者标识符可识别操作给定资产的个别操作者。操作者计划表可指示轮班的类型(例如，早班、白班、夜班等等)或轮班的持续时间(例如，时数)，给定资产在所述持续时间期间进行操作。操作者习惯可指示在操作者对给定资产的处置中的各种趋势，例如平均制动距离、平均加速时间、平均减速时间、平均RPM及类似者。
维修变量的实例可包含与资产的维修(例如，资产的操作状况的一般维护及/或评审)及/或修理相关联的任何变量，例如维修或修理的日期、资产审查之间的时间、修理的位置、修理厂标识符、技工标识符，及修理时间的持续时间，以及其它者。维修或修理的日期可指示对给定资产执行的维修或修理的日期以及时间。审查之间的时间可指示维修人员评估资产的任何操作问题的时刻之间的时间量。修理的位置可指示执行修理的地方(例如，在修理厂或在野外)。修理厂标识符可识别修理给定资产的特定修理厂或类似者，而技工标识符可识别对给定资产进行操作的特定技工或类似者。修理时间的持续时间可指示修理给定资产所花费的时间量。
所属领域的一般技术人员应了解，仅出于实例及解释目的而提供前面提到的资产相关变量，且其并不意味着具限制性。众多其它变量是可能的，且在本文预期众多其它变量。
在实践中，分析系统400可经配置以部分地基于数据库406中存储的或由数据源110提供的资产相关历史数据确定变量。此类数据的实例可包含制造商或资产技术规格、资产行进日志、资产有效负载日志、天气记录、地图、建电费、操作者时间卡或类似者、操作者工作计划表、资产操作日期、维修或修理日志、技工时间卡，或本文所论述的任何其它数据，以及其它实例。
分析系统400可经配置以基于历史健康度量数据，且可能是其它历史资产相关数据以数种方式确定变量。图10描绘用于确定变量的实例流程图1000。
如所展示，在框1002处，分析系统400可经配置以识别将随着时间的流逝而分析其健康度量的一或多个资产(在本文中统称为“资产池”)。在一些实例中，资产池可包含具有相对高健康度量的资产。举例来说，资产池可包含其历史健康度量在特定时间量内已高于阈值、其历史健康度量从未下降到低于阈值或在特定时间量内确定的其平均健康度量高于阈值的每一资产，以及其它可能性。在其它例子中，资产池可包含其健康度量满足前面提到的阈值要求中的任何者的特定数目个资产。另一方面，在其它实例中，资产池可包含具有相较低健康度量的资产。
在框1004处，对于资产池中的每一资产，分析系统400可经配置以分析给定资产的历史健康度量数据及/或资产相关数据以确定给定资产的变量。分析系统400可在给定时间量内或在每一资产的整个操作寿命内做出此举。
在实践中，分析系统400可经配置以确定上文所论述的给定资产的任何或全部变量，或分析系统400可经配置以针对变量的选择子集做出此确定，例如仅资产属性或仅维修属性，以及其它实例。变量子集可被预定义且被存储于数据库406中，或被动态地确定，以及其它实例。
在一些实施方案中，分析系统400可经配置以至少基于给定资产的历史健康度量数据确定变量子集。特定来说，分析系统400可经配置以可能从历史资产相关数据识别给定资产的历史健康度量数据中的趋势及确定此趋势的一潜在原因或多个原因。在一些情况下，趋势可为健康度量在某一时间周期内的阈值变化量(例如，增加或减小)、某一时间量内的恒定健康度量，或某一增加量继之以阈值减小量之前的某一时间量，以及其它实例。
在特定实例中，分析系统400可经配置以识别历史健康度量在给定时间周期(例如1周)内的阈值增加量，例如至少10％增加。接着，分析系统400可识别趋势开始(或结束或其间的时间)的时间，及分析大约(例如，之前或之后的某一时间数据值量)在经识别的时间的资产相关数据以确定变化的一或多个潜在原因。
举例来说，转到图9，分析系统400可评估由健康度量曲线902表示的历史健康度量数据，及确定急剧变化904大于健康度量中的10％增加。接着，分析系统400可识别对应于图形用户接口900上展示的35天(例如，2015年5月1日)的日期，及基于各种资产相关数据，确定大约在5月1日发生的任何事件，这可指示急剧变化904的一或多个潜在原因。在一个实例中，分析系统400可从修理日志确定2015年5月5日在修理厂1修理过给定资产引擎的技工A。接着，修理厂1及技工A的标识符可变成变量。
在框1006处，分析系统400可产生经确定变量的记录。在实例中，分析系统400可将变量中的每一者的变量计数器存储于数据库406中的一者中。分析系统400可经配置以使对应于经确定变量中的每一者的适当计数器递增。变量计数器可提供通常发现于具有相对高健康度量的资产中的变量的指示。
在框1008处，接着，分析系统400可确定是否存在来自资产池的应被确定变量且使其递增的任何剩余资产。在资产仍存在的事件中，分析系统400可重复框1004到1008的循环。在分析系统400已确定且使来自资产池的资产中的每一者的变量递增之后，接着，所得数据可在某一程度上提供导致高健康度量的变量的指示。
图11描绘起因于使变量计数器递增的数据的概念说明。特定来说，直方图1100描绘资产池的维修变量的计数器。更具体来说，直方图1100展示由技工A修理的较多资产相比于由技工B及C修理的资产具有高健康度量。直方图1102描绘资产环境变量的计数器，且特定来说，在具有比任何其它温度范围高出45℃的环境温度的环境中操作的较少资产具有高健康度量。直方图1104描绘操作者习惯变量的计数器，且特定来说，其操作者的平均加速时间在10与15分钟之间的较多资产相比于其它加速时间具有高健康度量。直方图1106描绘指示类型品牌A型号7的较多资产相比于另外两个型号类型具有高健康度量的资产变量的计数器。所属领域的一般技术人员应了解，仅仅存在几个实例变量，且众多其它变量是可能的。
返回到图10，在框1010处，分析系统400可经配置以部分地基于变量计数器确定影响变量。在一些实例中，影响变量是其变量计数器超过预定阈值的变量。在其它实例中，影响变量是其变量计数器具有最大化值的变量。举例来说，参考直方图1100，可确定技工A是影响变量，这是因为技工A的变量计数器具有其它计数器的最高值。其它实例也是可能的。
分析系统400可以多种其它方式确定影响变量。举例来说，在其它实施方案中，分析系统400可通过首先按照图10的框1002确定资产池及接着分析来自资产池的资产中的每一者的资产相关数据确定影响变量。分析系统400可识别来自资产池的有共同点的资产的变量。接着，可将这些经识别的变量定义为影响变量，或可将经识别的变量子集定义为影响变量(例如，来自资产池的具有共同点的阈值数目个资产的那些变量)。用于确定影响变量的其它方式也是可能的。
在确定影响变量之后，分析系统400可经配置以执行数个操作。举例来说，分析系统400可经配置以确定关于资产的各种推荐，可能是确定推荐的顺序表，且接着致使图形显示器将此类推荐的指示显示给用户。一般来说，给定推荐可为一般推荐(例如，全队范围推荐)，例如应在少于75％容量下操作的所有资产，或资产特定推荐或资产群组特定推荐，例如应将特定资产发送到某一修理厂以得以执行特定修理。
此外，给定推荐可基于确定特定资产具有相对低健康度量，且接着评估特定资产的变量。接着，给定推荐可促进修改特定资产的变量以与在框1010处确定的影响变量更紧密地对准。
实例推荐可包含要购买的推荐资产品牌或型号、为了未来修理的推荐修理厂或个别技工、一或多个资产的推荐修理计划表、为了未来轮班的推荐操作者、为了教导操作者有效地操作资产的推荐指令，及用于操作资产的推荐位置或环境，以及其它实例。
在其它实例中，分析系统400可经配置以将操作命令传输到资产，这促进致使资产根据影响变量进行操作。举例来说，从由直方图1104以图形方式表示的可变数据，分析系统400可将指令传输到资产，其中指令限定资产可能加快的速度，由此使资产的操作更接近平均10到15分钟的加速时间。其它实例也是可能的。
另外或替代地，分析系统400可经配置以基于历史健康度量数据执行其它操作。在一个实例中，分析系统400可经配置以修改健康度量模块。具体来说，分析系统400可基于健康度量达到特定阈值触发工作通知单的产生。此后，接着，分析系统400可监测阈值时间量内的健康度量数据。在健康度量在产生工作通知单之后的预定时间量内增加某一量的事件中，分析系统400可经配置以推断执行且修缮了修理特定组件健康度量下降的原因的工作通知单。基于此推断，分析系统400可经配置以修改健康度量模型及/或基于健康度量模型触发的动作。其它实例也是可能的。
V.实例方法
现在转到图12，描绘说明用于确定健康度量的可由分析系统400执行的实例方法1200的流程图。对于方法1200及下文所论述的其它方法，可按照上文论述执行由流程图中的框说明的操作。此外，可将上文所论述的一或多个操作添加到给定流程图。
在框1202处，方法1200可涉及分析系统400接收指示资产(例如，资产200)在参考时间(例如当前时间点)的至少一种操作状况的传感器数据。在框1204处，方法1200可涉及分析系统400基于接收到的传感器数据及历史操作数据(例如，数据库406中所存储)确定指示在参考时间(例如，当前时间之后的两周)之后的时间周期内在资产处是否将发生来自故障群组的故障的健康度量。历史操作数据包含至少(i)与过去(例如，当前时间点之前的两周的时间周期期间的时间)在资产处发生的故障相关联的历史异常状况数据，及(ii)指示资产过去的至少一种操作状况的历史传感器数据。在框1206处，方法1200可涉及分析系统400将指示经确定健康度量的健康度量数据传输到(例如，输出系统108的)计算装置以促进致使计算装置显示经确定健康度量的表示，例如视觉及/或听觉表示。
图13描绘用于确定资产的子系统的健康度量的可由分析系统400执行的实例方法1300的流程图。在框1302处，方法1300可涉及分析系统400至少基于历史操作数据确定与资产的子系统(例如资产200的子系统202)相关联的至少一个异常状况指示符(例如，故障代码)。历史操作数据包含至少(i)与过去(例如，当前时间点之前的两周期间的时间)在子系统处发生的故障相关联的历史异常状况数据，及(ii)指示子系统过去的至少一种操作状况的历史传感器数据。在框1304处，方法1300可涉及分析系统400接收指示子系统在参考时间(例如当前时间点)的至少一种操作状况的传感器数据。在框1306处，方法1300可涉及分析系统400基于(i)接收到的传感器数据、(ii)经确定的至少一个异常状况指示符及(iii)历史操作数据确定指示在参考时间(例如当前时间之后的一周)之后的时间周期内在子系统处是否将发生来自故障群组的故障的健康度量。在框1308处，方法1300可涉及分析系统400将指示经确定健康度量的健康度量数据传输到(例如，输出系统108的)计算装置以促进致使计算装置显示经确定健康度量的表示。
图14描绘用于基于与高健康度量相关联的资产相关变量做出推荐的可由分析系统400执行的实例方法1400的流程图。在框1402处，方法1400可涉及分析系统400基于多个操作数据确定对应于多个资产(例如，资产102)的多个健康度量。给定健康度量指示在一定时间周期内在给定资产处是否将发生来自故障群组的故障。在框1404处，方法1400可涉及分析系统400至少基于多个健康度量确定与超过阈值的健康度量相关联的至少一个变量。在框1406处，方法1400可涉及分析系统400基于经确定的至少一个变量从多个资产识别其健康度量低于阈值的一或多个资产。在框1408处，方法1400可涉及分析系统400将指示关于至少一个资产相关变量及经识别的一或多个资产的推荐的推荐数据传输到(例如，输出系统108的)计算装置以促进致使计算装置显示推荐的表示。
图15描绘用于修改通常导致异常状况指示符的操作数据的处置的可由分析系统400执行的实例方法1500的流程图。在框1502处，方法1500可涉及分析系统400接收指示一或多个资产(例如，资产102)处的异常状况的一或多个例子的多个操作数据。在框1504处，对于异常状况的一或多个例子中的每一者，方法1500可涉及分析系统400将指示异常状况的给定例子的异常状况指示符(例如，故障代码数据)传输到(例如，输出系统108的)计算装置以促进致使计算装置输出异常状况的指示。在框1506处，对于异常状况的一或多个例子中的每一者，方法1500可涉及分析系统400接收指示对异常状况的所输出指示的响应的反馈数据。在框1508处，方法1500可涉及分析系统400接收指示给定资产处的异常状况的额外例子的额外操作数据。在框1510处，方法1500可涉及分析系统400基于接收到的反馈数据及接收到的额外操作数据确定放弃将指示给定资产处的异常状况的额外例子的异常状况指示符传输到计算装置。
VI.结论
上文已描述了所揭示的创新的实例实施例。然而，所属领域的技术人员应理解，可对所描述的实施例做出改变及修改而不脱离将由权利要求书定义的本发明的真正范围及精神。
此外，在本文所描述的实例涉及由施动者(例如“人类”、“操作者”、“用户”或其它实体)执行或起始的操作的程度上，这仅是出于实例及解释的目的。不应将权利要求书解释为需要由此类施动者做出动作，除非以主张语言进行明确陈述。

Claims (60)

1.一种计算系统，其包括：
至少一个处理器；
非暂时性计算机可读媒体；及
程序指令，其存储于所述非暂时性计算机可读媒体上，可由所述至少一个处理器执行以致使所述计算系统进行以下操作：
至少基于多个资产的历史操作数据定义用于输出健康度量的预测模型，所述健康度量指示未来在给定时间周期内在资产处是否有可能发生来自故障群组的至少一个故障，其中所述历史操作数据包括(i)与过去在所述多个资产处发生的一或多个故障相关联的历史异常状况数据，及(ii)指示所述多个资产过去的操作状况的历史传感器数据；
接收指示给定资产的至少一种操作状况的传感器数据；
基于所述接收到的传感器数据执行所述预测模型以确定所述给定资产的健康度量，其指示未来在所述给定时间周期内在所述给定资产处是否有可能发生来自所述故障群组的至少一个故障；及
将指示所述给定资产的所述经确定健康度量的健康度量数据传输到计算装置以促进致使所述计算装置显示所述给定资产的所述经确定健康度量的表示。
2.根据权利要求1所述的计算系统，其中所述故障群组包括可在发生所述一或多个故障时使所述给定资产变得不可操作的一或多个故障。
3.根据权利要求1所述的计算系统，其中所述给定资产的所述健康度量包括以下各者中的一者：(i)未来在所述给定时间周期内在所述给定资产处将不发生来自所述故障群组的故障的概率；或(ii)未来在所述给定时间周期内在所述给定资产处将发生来自所述故障群组的至少一个故障的概率。
4.根据权利要求1所述的计算系统，其中所述程序指令可由所述至少一个处理器进一步执行以致使所述计算系统进行以下操作：
确定所述给定资产的所述健康度量低于阈值；及
基于确定所述给定资产的所述健康度量低于阈值致使执行动作以促进增加所述给定资产的所述健康度量。
5.根据权利要求4所述的计算系统，其中致使所述动作包括致使所述计算装置输出指示所述给定资产的所述健康度量的减小的警示。
6.根据权利要求4所述的计算系统，其中致使所述动作包括致使所述计算装置将一或多个推荐修理的指示输出到所述给定资产。
7.根据权利要求4所述的计算系统，其中致使所述动作包括致使所述给定资产修改一或多种操作状况。
8.根据权利要求4所述的计算系统，其中所述动作是来自多个动作的一个动作，且其中所述程序指令可由所述至少一个处理器进一步执行以致使所述计算系统进行以下操作：
在致使所述动作之后确定指示所述动作的状态的反馈数据；及
基于所述反馈数据使所述动作优先于来自所述多个动作的其它动作。
9.一种非暂时性计算机可读媒体，其具有存储于其上的指令，所述指令可执行以致使计算系统进行以下操作：
至少基于多个资产的历史操作数据定义用于输出健康度量的预测模型，所述健康度量指示未来在给定时间周期内在资产处是否有可能发生来自故障群组的至少一个故障，其中所述历史操作数据包括(i)与过去在所述多个资产处发生的一或多个故障相关联的历史异常状况数据，及(ii)指示所述多个资产过去的操作状况的历史传感器数据；
接收指示给定资产的至少一种操作状况的传感器数据；
基于所述接收到的传感器数据执行所述预测模型以确定所述给定资产的健康度量，其指示未来在所述给定时间周期内在所述给定资产处是否有可能发生来自所述故障群组的至少一个故障；及
将指示所述给定资产的所述经确定健康度量的健康度量数据传输到计算装置以促进致使所述计算装置显示所述给定资产的所述经确定健康度量的表示。
10.根据权利要求9所述的非暂时性计算机可读媒体，其中所述指令可进一步执行以致使所述计算系统进行以下操作：
确定所述给定资产的所述健康度量低于阈值；及
基于确定所述给定资产的所述健康度量低于阈值致使动作以促进增加所述给定资产的所述健康度量。
11.根据权利要求10所述的非暂时性计算机可读媒体，其中致使所述动作包括致使所述计算装置输出指示所述给定资产的所述健康度量的减小的警示。
12.根据权利要求10所述的非暂时性计算机可读媒体，其中致使所述动作包括致使所述计算装置将一或多个推荐修理的指示输出到所述给定资产。
13.根据权利要求10所述的非暂时性计算机可读媒体，其中致使所述动作包括致使所述给定资产修改一或多种操作状况。
14.根据权利要求9所述的非暂时性计算机可读媒体，其中所述给定资产的所述健康度量包括以下各者中的一者：(i)未来在所述给定时间周期内在所述给定资产处将不发生来自所述故障群组的故障的概率；或(ii)未来在所述给定时间周期内在所述资产处将发生来自所述故障群组的至少一个故障的概率。
15.一种计算机实施方法，所述方法包括：
至少基于多个资产的历史操作数据定义用于输出健康度量的预测模型，所述健康度量指示未来在给定时间周期内在资产处是否有可能发生来自故障群组的至少一个故障，其中所述历史操作数据包括(i)与过去在所述多个资产处发生的一或多个故障相关联的历史异常状况数据，及(ii)指示所述多个资产过去的操作状况的历史传感器数据；
接收指示给定资产的至少一种操作状况的传感器数据；
基于所述接收到的传感器数据执行所述预测模型以确定所述给定资产的健康度量，其指示未来在所述给定时间周期内在所述给定资产处是否有可能发生来自所述故障群组的至少一个故障；及
将指示所述给定资产的所述经确定健康度量的健康度量数据传输到计算装置以促进致使所述计算装置显示所述给定资产的所述经确定健康度量的表示。
16.根据权利要求15所述的计算机实施方法，其中所述给定资产的所述健康度量包括以下各者中的一者：(i)未来在所述给定时间周期内在所述给定资产处将不发生来自所述故障群组的故障的概率；或(ii)未来在所述给定时间周期内在所述给定资产处将发生来自所述故障群组的至少一个故障的概率。
17.根据权利要求15所述的计算机实施方法，其进一步包括：
确定所述给定资产的所述健康度量低于阈值；及
基于确定所述给定资产的所述健康度量低于阈值致使动作以促进增加所述给定资产的所述健康度量。
18.根据权利要求17所述的计算机实施方法，其中致使所述动作包括致使所述计算装置输出指示所述给定资产的所述健康度量的减小的警示。
19.根据权利要求17所述的计算机实施方法，其中致使所述动作包括致使所述计算装置将一或多个推荐修理的指示输出到所述给定资产。
20.根据权利要求17所述的计算机实施方法，其中致使所述动作包括致使所述给定资产修改一或多种操作状况。
21.一种计算系统，其包括：
至少一个处理器；
非暂时性计算机可读媒体；及
程序指令，其存储于所述非暂时性计算机可读媒体上，可由所述至少一个处理器执行以致使所述计算系统进行以下操作：
识别与资产的给定子系统相关联的至少一个异常状况指示符；
基于所述经识别的至少一个异常状况指示符识别多个资产的历史操作数据的子集，其中所述历史操作数据包括(i)与过去在所述多个资产处发生的一或多个故障相关联的历史异常状况数据，及(ii)指示所述多个资产过去的操作状况的历史传感器数据；
基于所述历史操作数据的所述经识别子集定义用于输出健康度量的预测模型，所述健康度量指示未来在给定时间周期内在所述给定子系统处是否有可能发生来自故障群组的至少一个故障；
接收指示给定资产的至少一种操作状况的传感器数据；
基于所述接收到的传感器数据执行所述预测模型以确定所述给定资产的健康度量，其指示未来在所述给定时间周期内在所述给定子系统处是否有可能发生来自所述故障群组的至少一个故障；及
将指示所述给定资产的所述经确定健康度量的健康度量数据传输到计算装置以促进致使所述计算装置显示所述给定资产的所述经确定健康度量的表示。
22.根据权利要求21所述的计算系统，其中识别与所述给定子系统相关联的所述至少一个异常状况指示符包括：
识别与所述给定子系统相关联的一或多个传感器；及
识别对应于所述一或多个传感器的一或多个异常状况指示符，其中所述一或多个异常状况指示符包括所述至少一个异常状况指示符。
23.根据权利要求22所述的计算系统，其中识别与所述给定子系统相关联的所述一或多个传感器包括基于所述历史操作数据及历史修理数据或传感器属性中的至少一者识别与所述给定子系统相关联的所述一或多个传感器。
24.根据权利要求21所述的计算系统，其中所述故障群组包括可在发生所述一或多个故障时使所述给定子系统变得不可操作的一或多个故障。
25.根据权利要求21所述的计算系统，其中所述至少一个异常状况指示符包括多个异常状况指示符，且其中来自所述故障群组的每一故障对应于来自所述多个异常状况指示符的至少一个异常状况指示符。
26.根据权利要求25所述的计算系统，其中用于输出所述健康度量的所述预测模型包括用于输出未来在所述给定时间周期内将触发所述多个异常状况指示符中的任何者的概率的预测模型。
27.根据权利要求21所述的计算系统，其中所述程序指令可由所述至少一个处理器进一步执行以致使所述计算系统进行以下操作：
基于所述给定资产的所述经确定健康度量致使动作以促进修改所述给定资产的所述健康度量。
28.根据权利要求27所述的计算系统，其中致使所述动作包括将部件订购数据传输到部件订购系统以促进致使所述部件订购系统订购所述给定资产的所述给定子系统的组件。
29.根据权利要求27所述的计算系统，其中致使所述动作包括致使所述给定资产修改所述给定子系统的操作状况。
30.根据权利要求21所述的计算系统，其中所述给定资产的所述健康度量包括以下各者中的一者：(i)未来在所述给定时间周期内在所述给定子系统处将不发生来自所述故障群组的故障的概率；或(ii)未来在所述给定时间周期内在所述给定子系统处将发生来自所述故障群组的至少一个故障的概率。
31.一种非暂时性计算机可读媒体，其具有存储于其上的指令，所述指令可执行以致使计算系统进行以下操作：
识别与资产的给定子系统相关联的至少一个异常状况指示符；
基于所述经识别的至少一个异常状况指示符识别多个资产的历史操作数据的子集，其中所述历史操作数据包括(i)与过去在所述多个资产处发生的一或多个故障相关联的历史异常状况数据，及(ii)指示所述多个资产过去的操作状况的历史传感器数据；
基于所述历史操作数据的所述经识别子集定义用于输出健康度量的预测模型，所述健康度量指示未来在给定时间周期内在所述给定子系统处是否有可能发生来自故障群组的至少一个故障；
接收指示给定资产的至少一种操作状况的传感器数据；
基于所述接收到的传感器数据执行所述预测模型以确定所述给定资产的健康度量，其指示未来在所述给定时间周期内在所述给定子系统处是否有可能发生来自所述故障群组的至少一个故障；及
将指示所述给定资产的所述经确定健康度量的健康度量数据传输到计算装置以促进致使所述计算装置显示所述给定资产的所述经确定健康度量的表示。
32.根据权利要求31所述的非暂时性计算机可读媒体，其中识别与所述给定子系统相关联的所述至少一个异常状况指示符包括：
识别与所述给定子系统相关联的一或多个传感器；及
识别对应于所述一或多个传感器的一或多个异常状况指示符，其中所述一或多个异常状况指示符包括所述至少一个异常状况指示符。
33.根据权利要求32所述的非暂时性计算机可读媒体，其中识别与所述给定子系统相关联的所述一或多个传感器包括基于所述历史操作数据及历史修理数据或传感器属性中的至少一者识别与所述给定子系统相关联的所述一或多个传感器。
34.根据权利要求31所述的非暂时性计算机可读媒体，其中所述至少一个异常状况指示符包括多个异常状况指示符，且其中来自所述故障群组的每一故障对应于来自所述多个异常状况指示符的至少一个异常状况指示符。
35.根据权利要求34所述的非暂时性计算机可读媒体，其中用于输出所述健康度量的所述预测模型包括用于输出未来在所述给定时间周期内将触发所述多个异常状况指示符中的任何者的概率的预测模型。
36.根据权利要求31所述的非暂时性计算机可读媒体，其中所述程序指令可进一步执行以致使所述计算系统进行以下操作：
基于所述给定资产的所述经确定健康度量致使动作以促进修改所述给定资产的所述健康度量。
37.根据权利要求36所述的非暂时性计算机可读媒体，其中致使所述动作包括致使所述给定资产修改所述给定子系统的操作状况。
38.一种计算机实施方法，所述方法包括：
识别与资产的给定子系统相关联的至少一个异常状况指示符；
基于所述经识别的至少一个异常状况指示符识别多个资产的历史操作数据的子集，其中所述历史操作数据包括(i)与过去在所述多个资产处发生的一或多个故障相关联的历史异常状况数据，及(ii)指示所述多个资产过去的操作状况的历史传感器数据；
基于所述历史操作数据的所述经识别子集定义用于输出健康度量的预测模型，所述健康度量指示未来在给定时间周期内在所述给定子系统处是否有可能发生来自故障群组的至少一个故障；
接收指示给定资产的至少一种操作状况的传感器数据；
基于所述接收到的传感器数据执行所述预测模型以确定所述给定资产的健康度量，其指示未来在所述给定时间周期内在所述给定子系统处是否有可能发生来自所述故障群组的至少一个故障；及
将指示所述给定资产的所述经确定健康度量的健康度量数据传输到计算装置以促进致使所述计算装置显示所述给定资产的所述经确定健康度量的表示。
39.根据权利要求38所述的计算机实施方法，其中识别与所述给定子系统相关联的所述至少一个异常状况指示符包括：
识别与所述给定子系统相关联的一或多个传感器；及
识别对应于所述一或多个传感器的一或多个异常状况指示符，其中所述一或多个异常状况指示符包括所述至少一个异常状况指示符。
40.根据权利要求39所述的计算机实施方法，其中识别与所述给定子系统相关联的所述一或多个传感器包括基于所述历史操作数据及历史修理数据或传感器属性中的至少一者确定与所述给定子系统相关联的所述一或多个传感器。
41.一种计算系统，其包括：
至少一个处理器；
非暂时性计算机可读媒体；及
程序指令，其存储于所述非暂时性计算机可读媒体上，可由所述至少一个处理器执行以致使所述计算系统进行以下操作：
接收资产集合的操作数据；
基于所述接收到的操作数据执行预测模型以确定所述资产集合中的每一资产的相应健康度量，其指示未来在给定时间周期内在所述资产处是否有可能发生来自故障群组的至少一个故障；
监测所述资产集合中的每一资产的所述相应健康度量；
从所述资产集合识别包含具有满足阈值条件的监测到的健康度量的任何资产的资产子集；
至少基于所述经识别的资产子集的资产相关数据识别与所述经识别的资产子集相关联的至少一个影响变量；
基于所述经识别的至少一个影响变量产生与资产健康相关的至少一个推荐；及
将指示所述至少一个推荐的推荐数据传输到计算装置以促进致使所述计算装置显示所述至少一个推荐的表示。
42.根据权利要求41所述的计算系统，其中所述至少一个影响变量包括资产变量、操作者变量或维修变量中的至少一者。
43.根据权利要求42所述的计算系统，其中所述至少一个影响变量包括所述资产变量，且其中所述资产变量包括资产类别、资产行进计划表、资产有效负载或资产环境。
44.根据权利要求42所述的计算系统，其中所述至少一个影响变量包括所述操作者变量，且其中所述操作者变量包括操作者标识符、操作者计划表或操作者习惯。
45.根据权利要求42所述的计算系统，其中所述至少一个影响变量包括所述维修变量，且其中所述维修变量包括修理的位置、修理厂标识符或技工标识符。
46.根据权利要求41所述的计算系统，其中至少基于所述经识别的资产子集的所述资产相关数据识别所述至少一个影响变量包括基于操作数据或维修数据中的至少一者识别所述至少一个影响变量。
47.根据权利要求41所述的计算系统，其中所述至少一个影响变量包括识别修理资产的技工的技工标识符，且其中所述至少一个推荐包括推荐使用所述经识别的技工。
48.根据权利要求41所述的计算系统，其中所述至少一个影响变量包括给定资产类别，且其中所述至少一个推荐包括推荐购买所述给定资产类别的资产。
49.根据权利要求41所述的计算系统，其中所述至少一个影响变量包括指示操作状况的范围的操作者习惯，且其中所述程序指令可由所述至少一个处理器进一步执行以致使所述计算系统进行以下操作：
将命令传输到所述经识别的资产集合的至少一个资产以促进致使所述至少一个资产根据操作状况的所述范围进行操作。
50.根据权利要求41所述的计算系统，其中基于所述经识别的资产子集的所述监测到的健康度量识别所述经识别的资产子集的所述资产相关数据。
51.根据权利要求41所述的计算系统，其中基于所述经识别的至少一个影响变量产生所述至少一个推荐包括：
确定所述资产集合中的给定资产不满足所述至少一个影响变量的阈值准则；及
响应于所述确定产生推荐以改进所述给定资产的所述资产健康。
52.一种非暂时性计算机可读媒体，其具有存储于其上的指令，所述指令可执行以致使计算系统进行以下操作：
接收资产集合的操作数据；
基于所述接收到的操作数据执行预测模型以确定所述资产集合中的每一资产的相应健康度量，其指示未来在给定时间周期内在所述资产处是否有可能发生来自故障群组的至少一个故障；
监测所述资产集合中的每一资产的所述相应健康度量；
从所述资产集合识别包含具有满足阈值条件的监测到的健康度量的任何资产的资产子集；
至少基于所述经识别的资产子集的资产相关数据识别与所述经识别的资产子集相关联的至少一个影响变量；
基于所述经识别的至少一个影响变量产生与资产健康相关的至少一个推荐；及
将指示所述至少一个推荐的推荐数据传输到计算装置以促进致使所述计算装置显示所述至少一个推荐的表示。
53.根据权利要求52所述的非暂时性计算机可读媒体，其中至少基于所述经识别的资产子集的所述资产相关数据识别所述至少一个影响变量包括基于操作数据或维修数据中的至少一者识别所述至少一个影响变量。
54.根据权利要求52所述的非暂时性计算机可读媒体，其中所述至少一个影响变量包括识别修理资产的技工的技工标识符，且其中所述至少一个推荐包括推荐使用所述经识别的技工。
55.根据权利要求52所述的非暂时性计算机可读媒体，其中所述至少一个影响变量包括给定资产类别，且其中所述至少一个推荐包括推荐购买所述给定资产类别的资产。
56.根据权利要求52所述的非暂时性计算机可读媒体，其中基于所述经识别的资产子集的所述监测到的健康度量识别所述经识别的资产子集的所述资产相关数据。
57.根据权利要求52所述的非暂时性计算机可读媒体，其中基于所述经识别的至少一个影响变量产生所述至少一个推荐包括：
确定所述资产集合中的给定资产不满足所述至少一个影响变量的阈值准则；及
响应于所述确定产生推荐以改进所述给定资产的所述资产健康。
58.一种计算机实施方法，所述方法包括：
接收资产集合的操作数据；
基于所述接收到的操作数据执行预测模型以确定所述资产集合中的每一资产的相应健康度量，其指示未来在给定时间周期内在所述资产处是否有可能发生来自故障群组的至少一个故障；
监测所述资产集合中的每一资产的所述相应健康度量；
从所述资产集合识别包含具有满足阈值条件的监测到的健康度量的任何资产的资产子集；
至少基于所述经识别的资产子集的资产相关数据识别与所述经识别的资产子集相关联的至少一个影响变量；
基于所述经识别的至少一个影响变量产生与资产健康相关的至少一个推荐；及
将指示所述至少一个推荐的推荐数据传输到计算装置以促进致使所述计算装置显示所述至少一个推荐的表示。
59.根据权利要求58所述的计算机实施方法，其中基于所述经识别的资产子集的所述监测到的健康度量识别所述经识别的资产子集的所述资产相关数据。
60.根据权利要求58所述的计算机实施方法，其中基于所述经识别的至少一个影响变量产生所述至少一个推荐包括：
确定所述资产集合中的给定资产不满足所述至少一个影响变量的阈值准则；及
响应于所述确定产生推荐以改进所述给定资产的所述资产健康。
CN201580073123.0A 2014-12-01 2015-11-30 资产健康评分及其使用 Pending CN107408226A (zh)

Applications Claiming Priority (11)

Application Number Priority Date Filing Date Title
US201462086155P 2014-12-01 2014-12-01
US62/086,155 2014-12-01
US201462088651P 2014-12-07 2014-12-07
US62/088,651 2014-12-07
US14/732,285 US10176032B2 (en) 2014-12-01 2015-06-05 Subsystem health score
US14/732,285 2015-06-05
US14/732,303 US20160155098A1 (en) 2014-12-01 2015-06-05 Historical Health Metrics
US14/732,258 2015-06-05
US14/732,258 US10417076B2 (en) 2014-12-01 2015-06-05 Asset health score
US14/732,303 2015-06-05
PCT/US2015/063047 WO2016089792A1 (en) 2014-12-01 2015-11-30 Asset health scores and uses thereof

Publications (1)

Publication Number Publication Date
CN107408226A true CN107408226A (zh) 2017-11-28

Family

ID=56078998

Family Applications (2)

Application Number Title Priority Date Filing Date
CN201580073123.0A Pending CN107408226A (zh) 2014-12-01 2015-11-30 资产健康评分及其使用
CN201580073119.4A Active CN107408225B (zh) 2014-12-01 2015-11-30 操作数据的自适应处置

Family Applications After (1)

Application Number Title Priority Date Filing Date
CN201580073119.4A Active CN107408225B (zh) 2014-12-01 2015-11-30 操作数据的自适应处置

Country Status (10)

Country Link
US (15) US20160155098A1 (zh)
EP (4) EP3227852A4 (zh)
JP (4) JP2018500710A (zh)
KR (3) KR20170118039A (zh)
CN (2) CN107408226A (zh)
AU (4) AU2015355156A1 (zh)
CA (5) CA2969452A1 (zh)
HK (3) HK1244937A1 (zh)
SG (3) SG11201708095WA (zh)
WO (4) WO2016089792A1 (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113632027A (zh) * 2019-04-01 2021-11-09 Abb瑞士股份有限公司 利用自动异常检测的资产状况监测方法
CN114072825A (zh) * 2019-07-02 2022-02-18 科路实有限责任公司 使用数字孪生监测、预测和维护铁路元素的状况

Families Citing this family (231)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10518411B2 (en) * 2016-05-13 2019-12-31 General Electric Company Robotic repair or maintenance of an asset
US9772741B2 (en) * 2013-03-15 2017-09-26 Konstantinos (Constantin) F. Aliferis Data analysis computer system and method for organizing, presenting, and optimizing predictive modeling
US10599155B1 (en) 2014-05-20 2020-03-24 State Farm Mutual Automobile Insurance Company Autonomous vehicle operation feature monitoring and evaluation of effectiveness
WO2020051523A1 (en) * 2018-09-07 2020-03-12 Uptake Technologies, Inc. Computer system and method for recommending an operating mode of an asset
US20160155098A1 (en) 2014-12-01 2016-06-02 Uptake, LLC Historical Health Metrics
US9882798B2 (en) * 2015-05-13 2018-01-30 Vmware, Inc. Method and system that analyzes operational characteristics of multi-tier applications
WO2016196775A1 (en) * 2015-06-04 2016-12-08 Fischer Block, Inc. Remaining-life and time-to-failure predictions of power assets
US10176279B2 (en) 2015-06-05 2019-01-08 Uptake Technologies, Inc. Dynamic execution of predictive models and workflows
US10848371B2 (en) * 2015-06-11 2020-11-24 Instana, Inc. User interface for an application performance management system
USD796540S1 (en) 2015-06-14 2017-09-05 Google Inc. Display screen with graphical user interface for mobile camera history having event-specific activity notifications
USD809522S1 (en) 2015-06-14 2018-02-06 Google Inc. Display screen with animated graphical user interface for an alert screen
USD807376S1 (en) 2015-06-14 2018-01-09 Google Inc. Display screen with animated graphical user interface for smart home automation system having a multifunction status
US9361011B1 (en) 2015-06-14 2016-06-07 Google Inc. Methods and systems for presenting multiple live video feeds in a user interface
USD797131S1 (en) 2015-06-14 2017-09-12 Google Inc. Display screen with user interface for mode selector icons
US10133443B2 (en) 2015-06-14 2018-11-20 Google Llc Systems and methods for smart home automation using a multifunction status and entry point icon
USD803241S1 (en) 2015-06-14 2017-11-21 Google Inc. Display screen with animated graphical user interface for an alert screen
USD812076S1 (en) * 2015-06-14 2018-03-06 Google Llc Display screen with graphical user interface for monitoring remote video camera
US10878385B2 (en) 2015-06-19 2020-12-29 Uptake Technologies, Inc. Computer system and method for distributing execution of a predictive model
US10031815B2 (en) * 2015-06-29 2018-07-24 Ca, Inc. Tracking health status in software components
JP6458663B2 (ja) * 2015-06-29 2019-01-30 株式会社リコー 情報処理システム及びプログラム
US10484257B1 (en) * 2015-07-15 2019-11-19 Amazon Technologies, Inc. Network event automatic remediation service
CA2994770A1 (en) 2015-08-05 2017-02-09 Equifax Inc. Model integration tool
US9870649B1 (en) 2015-08-28 2018-01-16 State Farm Mutual Automobile Insurance Company Shared vehicle usage, monitoring and feedback
GB2542370B (en) * 2015-09-16 2020-05-27 Arm Ip Ltd A system for monitoring a plurality of distributed devices
JP6249003B2 (ja) * 2015-09-30 2017-12-20 トヨタ自動車株式会社 ハイブリッド車両の制御装置
US9916194B2 (en) * 2015-10-01 2018-03-13 International Business Machines Corporation System component failure diagnosis
US10547971B2 (en) 2015-11-04 2020-01-28 xAd, Inc. Systems and methods for creating and using geo-blocks for location-based information service
US10455363B2 (en) 2015-11-04 2019-10-22 xAd, Inc. Systems and methods for using geo-blocks and geo-fences to discover lookalike mobile devices
US10278014B2 (en) * 2015-11-04 2019-04-30 xAd, Inc. System and method for using geo-blocks and geo-fences to predict mobile device locations
US20170161969A1 (en) * 2015-12-07 2017-06-08 The Boeing Company System and method for model-based optimization of subcomponent sensor communications
US10078571B2 (en) * 2015-12-09 2018-09-18 International Business Machines Corporation Rule-based adaptive monitoring of application performance
US10733514B1 (en) 2015-12-28 2020-08-04 EMC IP Holding Company LLC Methods and apparatus for multi-site time series data analysis
US10860405B1 (en) * 2015-12-28 2020-12-08 EMC IP Holding Company LLC System operational analytics
US20170183016A1 (en) * 2015-12-28 2017-06-29 General Electric Company Early warning system for locomotive bearings failures
US11242051B1 (en) 2016-01-22 2022-02-08 State Farm Mutual Automobile Insurance Company Autonomous vehicle action communications
US11719545B2 (en) 2016-01-22 2023-08-08 Hyundai Motor Company Autonomous vehicle component damage and salvage assessment
US11441916B1 (en) 2016-01-22 2022-09-13 State Farm Mutual Automobile Insurance Company Autonomous vehicle trip routing
US10134278B1 (en) 2016-01-22 2018-11-20 State Farm Mutual Automobile Insurance Company Autonomous vehicle application
US20210295439A1 (en) 2016-01-22 2021-09-23 State Farm Mutual Automobile Insurance Company Component malfunction impact assessment
US10452467B2 (en) * 2016-01-28 2019-10-22 Intel Corporation Automatic model-based computing environment performance monitoring
US9718486B1 (en) * 2016-02-01 2017-08-01 Electro-Motive Diesel, Inc. System for analyzing health of train
WO2017196821A1 (en) 2016-05-09 2017-11-16 Strong Force Iot Portfolio 2016, Llc Methods and systems for the industrial internet of things
US10510006B2 (en) * 2016-03-09 2019-12-17 Uptake Technologies, Inc. Handling of predictive models based on asset location
US10530705B2 (en) * 2016-03-10 2020-01-07 Ricoh Co., Ltd. Architecture customization at user application layer
US10318903B2 (en) 2016-05-06 2019-06-11 General Electric Company Constrained cash computing system to optimally schedule aircraft repair capacity with closed loop dynamic physical state and asset utilization attainment control
US10983507B2 (en) 2016-05-09 2021-04-20 Strong Force Iot Portfolio 2016, Llc Method for data collection and frequency analysis with self-organization functionality
US10712738B2 (en) 2016-05-09 2020-07-14 Strong Force Iot Portfolio 2016, Llc Methods and systems for industrial internet of things data collection for vibration sensitive equipment
US11774944B2 (en) 2016-05-09 2023-10-03 Strong Force Iot Portfolio 2016, Llc Methods and systems for the industrial internet of things
US11327475B2 (en) 2016-05-09 2022-05-10 Strong Force Iot Portfolio 2016, Llc Methods and systems for intelligent collection and analysis of vehicle data
US10102056B1 (en) * 2016-05-23 2018-10-16 Amazon Technologies, Inc. Anomaly detection using machine learning
US10901407B2 (en) * 2016-05-31 2021-01-26 Applied Materials, Inc. Semiconductor device search and classification
WO2017210496A1 (en) * 2016-06-03 2017-12-07 Uptake Technologies, Inc. Provisioning a local analytics device
US20170353353A1 (en) 2016-06-03 2017-12-07 Uptake Technologies, Inc. Provisioning a Local Analytics Device
US10956758B2 (en) 2016-06-13 2021-03-23 Xevo Inc. Method and system for providing auto space management using virtuous cycle
US11237546B2 (en) 2016-06-15 2022-02-01 Strong Force loT Portfolio 2016, LLC Method and system of modifying a data collection trajectory for vehicles
US10346239B1 (en) * 2016-06-27 2019-07-09 Amazon Technologies, Inc. Predictive failure of hardware components
US10416982B1 (en) * 2016-06-30 2019-09-17 EMC IP Holding Company LLC Automated analysis system and method
US10263802B2 (en) 2016-07-12 2019-04-16 Google Llc Methods and devices for establishing connections with remote cameras
USD882583S1 (en) 2016-07-12 2020-04-28 Google Llc Display screen with graphical user interface
US20180048713A1 (en) * 2016-08-09 2018-02-15 Sciemetric Instruments Inc. Modular data acquisition and control system
US10462026B1 (en) * 2016-08-23 2019-10-29 Vce Company, Llc Probabilistic classifying system and method for a distributed computing environment
US10606254B2 (en) * 2016-09-14 2020-03-31 Emerson Process Management Power & Water Solutions, Inc. Method for improving process/equipment fault diagnosis
WO2018052015A1 (ja) * 2016-09-14 2018-03-22 日本電気株式会社 システムの分析支援装置、システムの分析支援方法及びプログラム
US10152810B2 (en) * 2016-10-21 2018-12-11 Siemens Aktiengesellschaft Techniques for displaying data comprising time and angular values acquired from a technical or industrial process
US10127125B2 (en) * 2016-10-21 2018-11-13 Accenture Global Solutions Limited Application monitoring and failure prediction
US10877465B2 (en) * 2016-10-24 2020-12-29 Fisher-Rosemount Systems, Inc. Process device condition and performance monitoring
US10270745B2 (en) 2016-10-24 2019-04-23 Fisher-Rosemount Systems, Inc. Securely transporting data across a data diode for secured process control communications
US10530748B2 (en) 2016-10-24 2020-01-07 Fisher-Rosemount Systems, Inc. Publishing data across a data diode for secured process control communications
US10257163B2 (en) 2016-10-24 2019-04-09 Fisher-Rosemount Systems, Inc. Secured process control communications
US10619760B2 (en) * 2016-10-24 2020-04-14 Fisher Controls International Llc Time-series analytics for control valve health assessment
US11238290B2 (en) 2016-10-26 2022-02-01 Google Llc Timeline-video relationship processing for alert events
US10386999B2 (en) 2016-10-26 2019-08-20 Google Llc Timeline-video relationship presentation for alert events
USD843398S1 (en) 2016-10-26 2019-03-19 Google Llc Display screen with graphical user interface for a timeline-video relationship presentation for alert events
US11012461B2 (en) * 2016-10-27 2021-05-18 Accenture Global Solutions Limited Network device vulnerability prediction
US20180135456A1 (en) * 2016-11-17 2018-05-17 General Electric Company Modeling to detect gas turbine anomalies
US10943283B2 (en) * 2016-11-18 2021-03-09 Cummins Inc. Service location recommendation tailoring
CA2987670A1 (en) * 2016-12-05 2018-06-05 Aware360 Ltd. Integrated personal safety and equipment monitoring system
US10304263B2 (en) * 2016-12-13 2019-05-28 The Boeing Company Vehicle system prognosis device and method
CN106485036A (zh) * 2016-12-21 2017-03-08 杜伯仁 基于生存模型对资产证券化资产池进行评级的方法
US10186155B2 (en) * 2016-12-22 2019-01-22 Xevo Inc. Method and system for providing interactive parking management via artificial intelligence analytic (AIA) services using cloud network
DE112017006715T5 (de) * 2017-01-03 2019-11-07 Intel Corporation Sensorverwaltung und -zuverlässigkeit
JP6706693B2 (ja) * 2017-01-19 2020-06-10 株式会社日立製作所 保全管理システム及びそれに用いる保全管理確認装置
US10579961B2 (en) * 2017-01-26 2020-03-03 Uptake Technologies, Inc. Method and system of identifying environment features for use in analyzing asset operation
JP6879752B2 (ja) * 2017-02-03 2021-06-02 株式会社日立システムズ 医療機器監視システム
US10318364B2 (en) * 2017-02-23 2019-06-11 Visual Process Limited Methods and systems for problem-alert aggregation
US11044329B2 (en) * 2017-02-27 2021-06-22 NCR Corportation Client application user experience tracking
CN106886481B (zh) * 2017-02-28 2020-11-27 深圳市华傲数据技术有限公司 一种系统健康度静态分析预测方法及装置
CN108595448B (zh) * 2017-03-17 2022-03-04 北京京东尚科信息技术有限公司 信息推送方法和装置
US10691516B2 (en) * 2017-04-05 2020-06-23 International Business Machines Corporation Measurement and visualization of resiliency in a hybrid IT infrastructure environment
JP7012093B2 (ja) * 2017-04-13 2022-01-27 ルネサスエレクトロニクス株式会社 偶発的なハードウェア故障の確率的メトリック
US10671039B2 (en) * 2017-05-03 2020-06-02 Uptake Technologies, Inc. Computer system and method for predicting an abnormal event at a wind turbine in a cluster
WO2018213617A1 (en) * 2017-05-18 2018-11-22 Uptake Technologies, Inc. Computing system and method for approximating predictive models and time-series values
US10352496B2 (en) 2017-05-25 2019-07-16 Google Llc Stand assembly for an electronic device providing multiple degrees of freedom and built-in cables
US10972685B2 (en) 2017-05-25 2021-04-06 Google Llc Video camera assembly having an IR reflector
US10819921B2 (en) 2017-05-25 2020-10-27 Google Llc Camera assembly having a single-piece cover element
US20180347843A1 (en) * 2017-05-30 2018-12-06 Mikros Systems Corporation Methods and systems for prognostic analysis in electromechanical and environmental control equipment in building management systems
JP6718415B2 (ja) * 2017-06-26 2020-07-08 株式会社日立ビルシステム 部品交換予測装置、部品交換予測システム、部品交換予測方法
US10829344B2 (en) 2017-07-06 2020-11-10 Otis Elevator Company Elevator sensor system calibration
US11014780B2 (en) 2017-07-06 2021-05-25 Otis Elevator Company Elevator sensor calibration
EP3655824A1 (en) * 2017-07-21 2020-05-27 Johnson Controls Technology Company Building management system with dynamic work order generation with adaptive diagnostic task details
US10402192B2 (en) * 2017-07-25 2019-09-03 Aurora Labs Ltd. Constructing software delta updates for vehicle ECU software and abnormality detection based on toolchain
EP3662331A4 (en) 2017-08-02 2021-04-28 Strong Force Iot Portfolio 2016, LLC METHODS AND SYSTEMS FOR DETECTION IN AN INDUSTRIAL INTERNET OF THINGS DATA COLLECTION ENVIRONMENT WITH LARGE AMOUNTS OF DATA
US11131989B2 (en) 2017-08-02 2021-09-28 Strong Force Iot Portfolio 2016, Llc Systems and methods for data collection including pattern recognition
US10313413B2 (en) 2017-08-28 2019-06-04 Banjo, Inc. Detecting events from ingested communication signals
US11025693B2 (en) * 2017-08-28 2021-06-01 Banjo, Inc. Event detection from signal data removing private information
KR102025145B1 (ko) 2017-09-01 2019-09-25 두산중공업 주식회사 플랜트 데이터 예측 장치 및 방법
US20190080258A1 (en) * 2017-09-13 2019-03-14 Intel Corporation Observation hub device and method
US10817152B2 (en) * 2017-09-17 2020-10-27 Ge Inspection Technologies, Lp Industrial asset intelligence
US11687048B2 (en) * 2017-09-18 2023-06-27 Johnson Controls Tyco IP Holdings LLP Method and apparatus for evaluation of temperature sensors
US10585774B2 (en) * 2017-09-27 2020-03-10 International Business Machines Corporation Detection of misbehaving components for large scale distributed systems
WO2019068196A1 (en) 2017-10-06 2019-04-11 Raven Telemetry Inc. INCREASED INDUSTRIAL MANAGEMENT
TWI663570B (zh) * 2017-10-20 2019-06-21 財團法人資訊工業策進會 用電分析伺服器及其用電分析方法
US10379982B2 (en) * 2017-10-31 2019-08-13 Uptake Technologies, Inc. Computer system and method for performing a virtual load test
US10956843B2 (en) * 2017-11-07 2021-03-23 International Business Machines Corporation Determining optimal device refresh cycles and device repairs through cognitive analysis of unstructured data and device health scores
US11334854B2 (en) * 2017-11-10 2022-05-17 General Electric Company Systems and methods to generate an asset workscope
WO2019099494A1 (en) * 2017-11-14 2019-05-23 Tagnos, Inc. Use of historic and contemporary tracking data to improve healthcare facility operations
US10672204B2 (en) 2017-11-15 2020-06-02 The Boeing Company Real time streaming analytics for flight data processing
CN107730893B (zh) * 2017-11-30 2019-08-09 大连理工大学 一种基于乘客出行多维特征的共享巴士站点客流预测方法
US20190180300A1 (en) 2017-12-07 2019-06-13 Fifth Third Bancorp Geospatial market analytics
US11010233B1 (en) * 2018-01-18 2021-05-18 Pure Storage, Inc Hardware-based system monitoring
JP7003159B2 (ja) * 2018-01-19 2022-01-20 株式会社日立製作所 障害予測システムおよび障害予測方法
WO2019143365A1 (en) * 2018-01-22 2019-07-25 Hitachi High-Tech Solutions Corporation Securing systems from harmful communications
EP3514555B1 (en) * 2018-01-22 2020-07-22 Siemens Aktiengesellschaft Apparatus for monitoring an actuator system, method for providing an apparatus for monitoring an actuator system and method for monitoring an actuator system
US10585724B2 (en) 2018-04-13 2020-03-10 Banjo, Inc. Notifying entities of relevant events
US20190266575A1 (en) * 2018-02-27 2019-08-29 Honeywell International, Inc. Modifying field workflows
US11080127B1 (en) * 2018-02-28 2021-08-03 Arizona Public Service Company Methods and apparatus for detection of process parameter anomalies
DE102018203179A1 (de) * 2018-03-02 2019-09-05 Robert Bosch Gmbh Vorrichtung, insbesondere Handwerkzeugmaschinen-Verwaltungsvorrichtung, und Verfahren zur Überwachung und/oder zur Verwaltung einer Vielzahl von Gegenständen
US10169135B1 (en) 2018-03-02 2019-01-01 Uptake Technologies, Inc. Computer system and method of detecting manufacturing network anomalies
US10554518B1 (en) * 2018-03-02 2020-02-04 Uptake Technologies, Inc. Computer system and method for evaluating health of nodes in a manufacturing network
US10950345B2 (en) * 2018-03-23 2021-03-16 Siemens Healthcare Diagnostics Inc. Methods, apparatus, and systems for integration of diagnostic laboratory devices
US10354462B1 (en) * 2018-04-06 2019-07-16 Toyota Motor Engineering & Manufacturing North America, Inc. Fault diagnosis in power electronics using adaptive PCA
US11691755B2 (en) * 2018-04-16 2023-07-04 Wing Aviation Llc Multi-UAV management
US10635095B2 (en) 2018-04-24 2020-04-28 Uptake Technologies, Inc. Computer system and method for creating a supervised failure model
US20210217256A1 (en) * 2018-05-16 2021-07-15 Siemens Mobility Austria Gmbh Method and Apparatus for Diagnosing and Monitoring Vehicles, Vehicle Components and Routes
CN108648071B (zh) 2018-05-17 2020-05-19 阿里巴巴集团控股有限公司 基于区块链的资源价值评估方法和装置
WO2019226715A1 (en) * 2018-05-21 2019-11-28 Promptlink Communications, Inc. Techniques for assessing a customer premises equipment device
US10896114B2 (en) * 2018-05-23 2021-01-19 Seagate Technology Llc Machine learning error prediction in storage arrays
US11823274B2 (en) 2018-06-04 2023-11-21 Machine Cover, Inc. Parametric instruments and methods relating to business interruption
US11842407B2 (en) 2018-06-04 2023-12-12 Machine Cover, Inc. Parametric instruments and methods relating to geographical area business interruption
US20190378349A1 (en) * 2018-06-07 2019-12-12 GM Global Technology Operations LLC Vehicle remaining useful life prediction
DE102018209407A1 (de) * 2018-06-13 2019-12-19 Robert Bosch Gmbh Verfahren und Vorrichtung zur Behandlung einer Anomalie in einem Kommunikationsnetzwerk
KR102062097B1 (ko) * 2018-06-27 2020-06-23 송암시스콤 주식회사 자동복구기능을 탑재한 이중화 구조의 버스정보안내단말기
WO2020023410A1 (en) * 2018-07-22 2020-01-30 Scott Amron Distributed inventory system
DE102018118437A1 (de) 2018-07-31 2020-02-06 Airbus Defence and Space GmbH System und Verfahren zum Überwachen des Zustands eines unbemannten Luftfahrzeugs
US10926888B2 (en) * 2018-08-07 2021-02-23 The Boeing Company Methods and systems for identifying associated events in an aircraft
US11146911B2 (en) 2018-08-17 2021-10-12 xAd, Inc. Systems and methods for pacing information campaigns based on predicted and observed location events
US11172324B2 (en) 2018-08-17 2021-11-09 xAd, Inc. Systems and methods for predicting targeted location events
US10349208B1 (en) 2018-08-17 2019-07-09 xAd, Inc. Systems and methods for real-time prediction of mobile device locations
US11134359B2 (en) 2018-08-17 2021-09-28 xAd, Inc. Systems and methods for calibrated location prediction
EP3835898A4 (en) * 2018-08-23 2022-07-27 Siemens Aktiengesellschaft ARTIFICIAL INTELLIGENCE COMPUTING DEVICE, CONTROL METHOD AND DEVICE, ENGINEERING STATION AND INDUSTRIAL AUTOMATION SYSTEM
EP3850382A1 (en) * 2018-09-10 2021-07-21 3M Innovative Properties Company Method and system for monitoring a health of a power cable accessory based on machine learning
US20210192390A1 (en) * 2018-09-24 2021-06-24 Hewlett-Packard Development Company, L.P. Device status assessment
US11455223B2 (en) * 2018-10-11 2022-09-27 International Business Machines Corporation Using system errors and manufacturer defects in system components causing the system errors to determine a quality assessment value for the components
US11573879B2 (en) * 2018-10-22 2023-02-07 General Electric Company Active asset monitoring
US11200142B2 (en) 2018-10-26 2021-12-14 International Business Machines Corporation Perform preemptive identification and reduction of risk of failure in computational systems by training a machine learning module
US11200103B2 (en) * 2018-10-26 2021-12-14 International Business Machines Corporation Using a machine learning module to perform preemptive identification and reduction of risk of failure in computational systems
US10635360B1 (en) * 2018-10-29 2020-04-28 International Business Machines Corporation Adjusting data ingest based on compaction rate in a dispersed storage network
US11182596B2 (en) * 2018-11-08 2021-11-23 International Business Machines Corporation Identifying a deficiency of a facility
JP6531213B1 (ja) * 2018-12-04 2019-06-12 Ｐｓｐ株式会社 医療機器の故障予測システム、医療機器の故障予測方法、およびプログラム
US11188691B2 (en) * 2018-12-21 2021-11-30 Utopus Insights, Inc. Scalable system and method for forecasting wind turbine failure using SCADA alarm and event logs
US11062233B2 (en) * 2018-12-21 2021-07-13 The Nielsen Company (Us), Llc Methods and apparatus to analyze performance of watermark encoding devices
KR102124779B1 (ko) * 2018-12-21 2020-06-19 한국수력원자력 주식회사 다중 예측 모델을 이용한 발전소 기동 및 정지에 관한 조기 경보 장치 및 방법
KR102152403B1 (ko) * 2018-12-24 2020-09-04 아주대학교산학협력단 데이터 패턴 분석을 이용한 비정상행위 탐지 장치 및 방법
US10984154B2 (en) * 2018-12-27 2021-04-20 Utopus Insights, Inc. System and method for evaluating models for predictive failure of renewable energy assets
CN109840312B (zh) * 2019-01-22 2022-11-29 新奥数能科技有限公司 一种锅炉负荷率-能效曲线的异常值检测方法和装置
US11334057B2 (en) 2019-01-25 2022-05-17 Waygate Technologies Usa, Lp Anomaly detection for predictive maintenance and deriving outcomes and workflows based on data quality
US11030067B2 (en) 2019-01-29 2021-06-08 Uptake Technologies, Inc. Computer system and method for presenting asset insights at a graphical user interface
WO2020159680A1 (en) * 2019-01-31 2020-08-06 Exxonmobil Research And Engineering Company Monitoring and reporting operational performance of machinery
US11232368B2 (en) * 2019-02-20 2022-01-25 Accenture Global Solutions Limited System for predicting equipment failure events and optimizing manufacturing operations
US11084387B2 (en) * 2019-02-25 2021-08-10 Toyota Research Institute, Inc. Systems, methods, and storage media for arranging a plurality of cells in a vehicle battery pack
WO2020179704A1 (ja) * 2019-03-01 2020-09-10 日本電気株式会社 ネットワーク管理方法、ネットワークシステム、集約解析装置、端末装置、及びプログラム
SE543982C2 (en) * 2019-03-26 2021-10-12 Stoneridge Electronics Ab Method of processing vehicle data from multiple sources and controller therefor
JP7162560B2 (ja) * 2019-03-28 2022-10-28 日立造船株式会社 情報処理装置、情報処理方法、情報処理プログラム、およびゴミ焼却プラント
JP7320368B2 (ja) * 2019-04-09 2023-08-03 ナブテスコ株式会社 故障予測装置、故障予測方法およびコンピュータプログラム
CA3042657A1 (en) * 2019-05-06 2020-11-06 Otr Wheel Safety, Inc. Integrated system for assessing integrity of wheels and rims of off the road vehicles
CN111846095B (zh) * 2019-05-14 2022-05-17 北京骑胜科技有限公司 一种故障检测设备、电助力车及故障检测方法
CN110163387A (zh) * 2019-05-17 2019-08-23 合肥帧讯软件有限公司 一种实验室管理系统
CN114175073A (zh) 2019-05-24 2022-03-11 伯克利之光生命科技公司 用于优化仪器系统工作流的系统和方法
US11604934B2 (en) * 2019-05-29 2023-03-14 Nec Corporation Failure prediction using gradient-based sensor identification
US11887177B2 (en) * 2019-06-18 2024-01-30 Hewlett-Packard Development Company, L.P. Part re-order based on part-specific sensor data
US20200401904A1 (en) * 2019-06-24 2020-12-24 GE Precision Healthcare LLC Adaptive medical imaging device configuration using artificial intelligence
US11817212B2 (en) 2019-06-26 2023-11-14 Roche Diagnostics Operations, Inc. Maintenance method for a laboratory system
GB201909762D0 (en) * 2019-07-08 2019-08-21 Edwards Vacuum Llc Vacuum system with diagnostic circuitry and a method and computer program for monitoring the health of such a vacuum system
FR3098938B1 (fr) * 2019-07-15 2022-01-07 Bull Sas Procédé et dispositif de détermination d’une valeur d’indice de performance de prédiction d’anomalies dans une infrastructure informatique à partir de valeurs d’indicateurs de performance
US20210019651A1 (en) * 2019-07-18 2021-01-21 Hitachi, Ltd. Method for integrating prediction result
US11334410B1 (en) * 2019-07-22 2022-05-17 Intuit Inc. Determining aberrant members of a homogenous cluster of systems using external monitors
US11086749B2 (en) * 2019-08-01 2021-08-10 International Business Machines Corporation Dynamically updating device health scores and weighting factors
US11374814B2 (en) 2019-08-01 2022-06-28 Hewlett Packard Enterprise Development Lp Network device configuration update using rank and health
US11010222B2 (en) * 2019-08-29 2021-05-18 Sap Se Failure mode specific analytics using parametric models
FR3101164B1 (fr) * 2019-09-25 2023-08-04 Mouafo Serge Romaric Tembo Procédé de maintenance prédictive parcimonieuse en temps réel d'un système critique, produit programme d'ordinateur et dispositif associés
US11088932B2 (en) * 2019-10-14 2021-08-10 International Business Machines Corporation Managing network system incidents
US11321115B2 (en) * 2019-10-25 2022-05-03 Vmware, Inc. Scalable and dynamic data collection and processing
US11379694B2 (en) 2019-10-25 2022-07-05 Vmware, Inc. Scalable and dynamic data collection and processing
EP3822725A1 (en) * 2019-11-15 2021-05-19 General Electric Company Systems, and methods for diagnosing an additive manufacturing device
JP2021108110A (ja) * 2019-11-19 2021-07-29 ディー．エス．レイダー エルティーディーＤ．Ｓ．Ｒａｉｄｅｒ Ｌｔｄ 車両の損傷の監視及び予測を行うためのシステム並びに方法
US11941116B2 (en) 2019-11-22 2024-03-26 Pure Storage, Inc. Ransomware-based data protection parameter modification
US20210382992A1 (en) * 2019-11-22 2021-12-09 Pure Storage, Inc. Remote Analysis of Potentially Corrupt Data Written to a Storage System
US11921573B2 (en) * 2019-12-02 2024-03-05 Accenture Global Solutions Limited Systems and methods for predictive system failure monitoring
JP7335154B2 (ja) * 2019-12-17 2023-08-29 株式会社東芝 情報処理装置、情報処理方法、およびプログラム
US11509136B2 (en) * 2019-12-30 2022-11-22 Utopus Insights, Inc. Scalable systems and methods for assessing healthy condition scores in renewable asset management
GB2591772A (en) * 2020-02-06 2021-08-11 Roads & Transp Authority Asset maintenance management system and method
JP7418256B2 (ja) * 2020-03-24 2024-01-19 東芝テック株式会社 情報処理装置およびプログラム
US11558767B2 (en) 2020-03-26 2023-01-17 Sony Group Corporation Electronic device and related methods for predicting initiation of establishment of a network with one or more other electronic devices
US11482341B2 (en) 2020-05-07 2022-10-25 Carrier Corporation System and a method for uniformly characterizing equipment category
US20210365449A1 (en) * 2020-05-20 2021-11-25 Caterpillar Inc. Callaborative system and method for validating equipment failure models in an analytics crowdsourcing environment
EP3923213A1 (en) * 2020-06-08 2021-12-15 ABB Power Grids Switzerland AG Method and computing system for performing a prognostic health analysis for an asset
EP4165645A1 (en) * 2020-06-12 2023-04-19 Roche Diagnostics GmbH Systems and methods for assessing bays on diagnostic devices
US11210160B1 (en) * 2020-08-13 2021-12-28 Servicenow, Inc. Computer information technology alert remediation selection based on alert similarity
US11188405B1 (en) 2020-08-25 2021-11-30 Servicenow, Inc. Similar alert identification based on application fingerprints
WO2022072908A1 (en) * 2020-10-02 2022-04-07 Tonkean, Inc. Systems and methods for data objects for asynchronou workflows
US20220114559A1 (en) * 2020-10-09 2022-04-14 ANI Technologies Private Limited Asset health management for vehicles
US11290343B1 (en) * 2020-12-10 2022-03-29 Hitachi, Ltd. System and method for asset and data management
US11675342B2 (en) * 2020-12-24 2023-06-13 Noodle Analytics, Inc. AI-based smart health surveillance system and method
CA3205716A1 (en) * 2021-01-22 2022-07-28 Xiang Liu Systems for infrastructure degradation modelling and methods of use thereof
US11633168B2 (en) * 2021-04-02 2023-04-25 AIX Scan, Inc. Fast 3D radiography with multiple pulsed X-ray sources by deflecting tube electron beam using electro-magnetic field
US20220358434A1 (en) * 2021-05-06 2022-11-10 Honeywell International Inc. Foundation applications as an accelerator providing well defined extensibility and collection of seeded templates for enhanced user experience and quicker turnaround
US11688059B2 (en) * 2021-05-27 2023-06-27 International Business Machines Corporation Asset maintenance prediction using infrared and regular images
US11500712B1 (en) * 2021-06-14 2022-11-15 EMC IP Holding Company LLC Method and system for intelligent proactive error log activation
TW202311961A (zh) * 2021-09-02 2023-03-16 遠傳電信股份有限公司 應用程式異常偵測方法及其系統
US20230080981A1 (en) * 2021-09-13 2023-03-16 International Business Machines Corporation Predictive maintenance explanations based on user profile
US11789842B2 (en) * 2021-10-11 2023-10-17 Dell Products L.P. System and method for advanced detection of potential system impairment
US20230112875A1 (en) * 2021-10-13 2023-04-13 Honeywell International Inc. Alarm performance optimizer
US11797408B2 (en) 2021-12-30 2023-10-24 Juniper Networks, Inc. Dynamic prediction of system resource requirement of network software in a live network using data driven models
US20230221693A1 (en) * 2022-01-10 2023-07-13 General Electric Technology Gmbh Systems and methods for integrated condition monitoring for power system asset health scoring
US20230236922A1 (en) * 2022-01-24 2023-07-27 International Business Machines Corporation Failure Prediction Using Informational Logs and Golden Signals
US20230236890A1 (en) * 2022-01-25 2023-07-27 Poplar Technologies, Inc. Apparatus for generating a resource probability model
US20230259419A1 (en) * 2022-02-14 2023-08-17 Capital One Services, Llc Incident resolution system
US20230394888A1 (en) * 2022-06-01 2023-12-07 The Boeing Company Vehicle Health Management Using a Counterfactual Machine Learning Model
JP7292538B1 (ja) 2022-06-17 2023-06-16 三菱電機株式会社 健全性評価装置、健全性評価方法、および健全性評価プログラム
US11907230B1 (en) * 2023-01-10 2024-02-20 Dell Products L.P. System and method for distributed management of hardware based on intent
US11929891B1 (en) 2023-01-10 2024-03-12 Dell Products L.P. System and method for distributed management of hardware through relationship management

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20020091972A1 (en) * 2001-01-05 2002-07-11 Harris David P. Method for predicting machine or process faults and automated system for implementing same
US20070050115A1 (en) * 2005-08-24 2007-03-01 Rockwell Automation Technologies, Inc. Model-based control for crane control and underway replenishment
US20080059080A1 (en) * 2006-08-31 2008-03-06 Caterpillar Inc. Method and system for selective, event-based communications
CN102045181A (zh) * 2009-10-10 2011-05-04 中国移动通信集团公司 一种终端脱网故障的处理方法和装置
CN102844721A (zh) * 2010-02-26 2012-12-26 株式会社日立制作所 故障原因诊断系统及其方法
US20140271114A1 (en) * 2013-03-13 2014-09-18 Rolls-Royce North America Technologies, Inc. Engine Health Monitoring and Power Allocation Control for a Turbine Engine Using Electric Generators

Family Cites Families (252)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US3026510A (en) 1959-10-02 1962-03-20 Bell Telephone Labor Inc Self timed pcm encoder
DE3816520A1 (de) * 1988-05-14 1989-11-23 Bosch Gmbh Robert Regelverfahren und -vorrichtung, insbesondere lambdaregelung
US5633800A (en) 1992-10-21 1997-05-27 General Electric Company Integrated model-based reasoning/expert system diagnosis for rotating machinery
US5363317A (en) * 1992-10-29 1994-11-08 United Technologies Corporation Engine failure monitor for a multi-engine aircraft having partial engine failure and driveshaft failure detection
JP3287889B2 (ja) * 1992-11-24 2002-06-04 トーヨーエイテック株式会社 品質管理装置
US5566092A (en) 1993-12-30 1996-10-15 Caterpillar Inc. Machine fault diagnostics system and method
US5918222A (en) * 1995-03-17 1999-06-29 Kabushiki Kaisha Toshiba Information disclosing apparatus and multi-modal information input/output system
JP3366837B2 (ja) 1997-08-15 2003-01-14 株式会社小松製作所 機械の異常監視装置および方法
US6473659B1 (en) 1998-04-10 2002-10-29 General Electric Company System and method for integrating a plurality of diagnostic related information
US6115697A (en) 1999-02-19 2000-09-05 Dynamic Research Group Computerized system and method for optimizing after-tax proceeds
US6625500B1 (en) * 1999-03-16 2003-09-23 Chou H. Li Self-optimizing method and machine
US6336065B1 (en) 1999-10-28 2002-01-01 General Electric Company Method and system for analyzing fault and snapshot operational parameter data for diagnostics of machine malfunctions
US6622264B1 (en) 1999-10-28 2003-09-16 General Electric Company Process and system for analyzing fault log data from a machine so as to identify faults predictive of machine failures
US6947797B2 (en) 1999-04-02 2005-09-20 General Electric Company Method and system for diagnosing machine malfunctions
JP3892614B2 (ja) 1999-04-30 2007-03-14 新日本製鐵株式会社 設備及び製品プロセス異常状態の診断方法及び装置
US6353902B1 (en) * 1999-06-08 2002-03-05 Nortel Networks Limited Network fault prediction and proactive maintenance system
US20110208567A9 (en) 1999-08-23 2011-08-25 Roddy Nicholas E System and method for managing a fleet of remote assets
US7783507B2 (en) * 1999-08-23 2010-08-24 General Electric Company System and method for managing a fleet of remote assets
US6442542B1 (en) 1999-10-08 2002-08-27 General Electric Company Diagnostic system with learning capabilities
US6615367B1 (en) 1999-10-28 2003-09-02 General Electric Company Method and apparatus for diagnosing difficult to diagnose faults in a complex system
US7020595B1 (en) 1999-11-26 2006-03-28 General Electric Company Methods and apparatus for model based diagnostics
US6650949B1 (en) 1999-12-30 2003-11-18 General Electric Company Method and system for sorting incident log data from a plurality of machines
US6634000B1 (en) 2000-02-01 2003-10-14 General Electric Company Analyzing fault logs and continuous data for diagnostics for a locomotive
US6725398B1 (en) 2000-02-11 2004-04-20 General Electric Company Method, system, and program product for analyzing a fault log of a malfunctioning machine
US20030126258A1 (en) 2000-02-22 2003-07-03 Conkright Gary W. Web based fault detection architecture
EP1279104B1 (en) 2000-03-09 2008-12-24 Smartsignal Corporation Generalized lensing angular similarity operator
US7739096B2 (en) 2000-03-09 2010-06-15 Smartsignal Corporation System for extraction of representative data for training of adaptive process monitoring equipment
US6957172B2 (en) 2000-03-09 2005-10-18 Smartsignal Corporation Complex signal decomposition and modeling
US6952662B2 (en) 2000-03-30 2005-10-04 Smartsignal Corporation Signal differentiation system using improved non-linear operator
US6708156B1 (en) 2000-04-17 2004-03-16 Michael Von Gonten, Inc. System and method for projecting market penetration
US20160078695A1 (en) * 2000-05-01 2016-03-17 General Electric Company Method and system for managing a fleet of remote assets and/or ascertaining a repair for an asset
US20020059075A1 (en) 2000-05-01 2002-05-16 Schick Louis A. Method and system for managing a land-based vehicle
US6799154B1 (en) 2000-05-25 2004-09-28 General Electric Comapny System and method for predicting the timing of future service events of a product
US6983207B2 (en) 2000-06-16 2006-01-03 Ntn Corporation Machine component monitoring, diagnosing and selling system
US6760631B1 (en) 2000-10-04 2004-07-06 General Electric Company Multivariable control method and system without detailed prediction model
US6859739B2 (en) 2001-01-19 2005-02-22 Smartsignal Corporation Global state change indicator for empirical modeling in condition based monitoring
US7233886B2 (en) 2001-01-19 2007-06-19 Smartsignal Corporation Adaptive modeling of changed states in predictive condition monitoring
US7373283B2 (en) 2001-02-22 2008-05-13 Smartsignal Corporation Monitoring and fault detection system and method using improved empirical model for range extrema
US20020183971A1 (en) 2001-04-10 2002-12-05 Wegerich Stephan W. Diagnostic systems and methods for predictive condition monitoring
US7539597B2 (en) 2001-04-10 2009-05-26 Smartsignal Corporation Diagnostic systems and methods for predictive condition monitoring
US6643600B2 (en) 2001-04-26 2003-11-04 General Electric Company Method and system for assessing adjustment factors in testing or monitoring process
US7079982B2 (en) 2001-05-08 2006-07-18 Hitachi Construction Machinery Co., Ltd. Working machine, trouble diagnosis system of working machine, and maintenance system of working machine
US7107491B2 (en) 2001-05-16 2006-09-12 General Electric Company System, method and computer product for performing automated predictive reliability
US6975962B2 (en) 2001-06-11 2005-12-13 Smartsignal Corporation Residual signal alert generation for condition monitoring using approximated SPRT distribution
US7120685B2 (en) * 2001-06-26 2006-10-10 International Business Machines Corporation Method and apparatus for dynamic configurable logging of activities in a distributed computing system
US7457732B2 (en) 2001-08-17 2008-11-25 General Electric Company System and method for measuring quality of baseline modeling techniques
US7428478B2 (en) 2001-08-17 2008-09-23 General Electric Company System and method for improving accuracy of baseline models
US8108249B2 (en) 2001-12-04 2012-01-31 Kimberly-Clark Worldwide, Inc. Business planner
US7280988B2 (en) 2001-12-19 2007-10-09 Netuitive, Inc. Method and system for analyzing and predicting the performance of computer network using time series measurements
JP2003256367A (ja) 2002-03-06 2003-09-12 Seiko Epson Corp 電子機器のエラーに関する情報提供システムおよび電気機器のエラー実績を管理するサーバ
US6892163B1 (en) 2002-03-08 2005-05-10 Intellectual Assets Llc Surveillance system and method having an adaptive sequential probability fault detection test
US7660705B1 (en) 2002-03-19 2010-02-09 Microsoft Corporation Bayesian approach for learning regression decision graph models and regression models for time series analysis
US8176186B2 (en) 2002-10-30 2012-05-08 Riverbed Technology, Inc. Transaction accelerator for client-server communications systems
HUE033477T2 (en) 2002-11-04 2017-12-28 Ge Intelligent Platforms Inc System State Monitoring with Returning Local Learning Machine
US6823253B2 (en) 2002-11-27 2004-11-23 General Electric Company Methods and apparatus for model predictive control of aircraft gas turbine engines
US8017411B2 (en) * 2002-12-18 2011-09-13 GlobalFoundries, Inc. Dynamic adaptive sampling rate for model prediction
JP4333331B2 (ja) 2002-12-20 2009-09-16 セイコーエプソン株式会社 故障予測システム及び故障予測プログラム並びに故障予測方法
US7634384B2 (en) 2003-03-18 2009-12-15 Fisher-Rosemount Systems, Inc. Asset optimization reporting in a process plant
US20040243636A1 (en) * 2003-03-18 2004-12-02 Smartsignal Corporation Equipment health monitoring architecture for fleets of assets
GB0307406D0 (en) * 2003-03-31 2003-05-07 British Telecomm Data analysis system and method
US7054706B2 (en) 2003-06-30 2006-05-30 Intel Corporation Managing supply chains with model predictive control
US8645276B2 (en) 2003-07-11 2014-02-04 Ca, Inc. Modeling of applications and business process services through auto discovery analysis
US7701858B2 (en) 2003-07-17 2010-04-20 Sensicast Systems Method and apparatus for wireless communication in a mesh network
US7181370B2 (en) 2003-08-26 2007-02-20 Siemens Energy & Automation, Inc. System and method for remotely obtaining and managing machine data
DE10345440A1 (de) 2003-09-30 2005-05-12 Siemens Ag Verfahren, Computerprogramm mit Programmcode-Mitteln und Computerprogramm-Produkt zur Analyse von Einflussgrößen auf einen Brennvorgang in einer Brennkammer unter Verwendung eines trainierbaren, statistischen Modells
US7127371B2 (en) 2003-10-08 2006-10-24 Ge Medical Systems Information Customized medical equipment preventative maintenance method and system
US7451210B2 (en) * 2003-11-24 2008-11-11 International Business Machines Corporation Hybrid method for event prediction and system control
AU2003295301A1 (en) 2003-12-23 2005-07-14 Telefonaktiebolaget Lm Ericsson (Publ) Method and system for efficient routing in ad hoc networks
EP1706849B1 (en) 2004-01-09 2018-08-29 United Parcel Service Of America, Inc. System, method and apparatus for collecting telematics and sensor information in a delivery vehicle
KR101271876B1 (ko) 2004-03-23 2013-06-10 더 리젠트스 오브 더 유니이버시티 오브 캘리포니아 네트워크를 통하여 수집된 센서 데이터의 신뢰도를개선하기 위한 장치 및 방법
US7062370B2 (en) 2004-03-30 2006-06-13 Honeywell International Inc. Model-based detection, diagnosis of turbine engine faults
US7447666B2 (en) 2004-04-09 2008-11-04 The Boeing Company System and method for analyzing a pattern in a time-stamped event sequence
US7729789B2 (en) 2004-05-04 2010-06-01 Fisher-Rosemount Systems, Inc. Process plant monitoring based on multivariate statistical analysis and on-line process simulation
US7412626B2 (en) 2004-05-21 2008-08-12 Sap Ag Method and system for intelligent and adaptive exception handling
JP2006072717A (ja) 2004-09-02 2006-03-16 Hitachi Ltd ディスクサブシステム
US7570581B2 (en) * 2004-09-23 2009-08-04 Motorola, Inc. Dynamic reduction of route reconvergence time
US7280941B2 (en) 2004-12-29 2007-10-09 General Electric Company Method and apparatus for in-situ detection and isolation of aircraft engine faults
US7640145B2 (en) 2005-04-25 2009-12-29 Smartsignal Corporation Automated model configuration and deployment system for equipment health monitoring
US7536364B2 (en) 2005-04-28 2009-05-19 General Electric Company Method and system for performing model-based multi-objective asset optimization and decision-making
US9846479B1 (en) 2005-05-30 2017-12-19 Invent.Ly, Llc Smart security device with monitoring mode and communication mode
US20060293777A1 (en) * 2005-06-07 2006-12-28 International Business Machines Corporation Automated and adaptive threshold setting
WO2007008940A2 (en) 2005-07-11 2007-01-18 Brooks Automation, Inc. Intelligent condition-monitoring and dault diagnostic system
US20070174449A1 (en) * 2005-07-22 2007-07-26 Ankur Gupta Method and system for identifying potential adverse network conditions
US7333917B2 (en) * 2005-08-11 2008-02-19 The University Of North Carolina At Chapel Hill Novelty detection systems, methods and computer program products for real-time diagnostics/prognostics in complex physical systems
US7174233B1 (en) * 2005-08-29 2007-02-06 International Business Machines Corporation Quality/reliability system and method in multilevel manufacturing environment
US7509235B2 (en) 2005-08-31 2009-03-24 General Electric Company Method and system for forecasting reliability of assets
US7714735B2 (en) * 2005-09-13 2010-05-11 Daniel Rockwell Monitoring electrical assets for fault and efficiency correction
JP4717579B2 (ja) 2005-09-30 2011-07-06 株式会社小松製作所 作業機械のメンテナンス作業管理システム
US20070088570A1 (en) 2005-10-18 2007-04-19 Honeywell International, Inc. System and method for predicting device deterioration
US7484132B2 (en) * 2005-10-28 2009-01-27 International Business Machines Corporation Clustering process for software server failure prediction
US7869908B2 (en) 2006-01-20 2011-01-11 General Electric Company Method and system for data collection and analysis
US7680041B2 (en) 2006-01-31 2010-03-16 Zensys A/S Node repair in a mesh network
US7509537B1 (en) 2006-02-02 2009-03-24 Rockwell Collins, Inc. Prognostic processor system for real-time failure analysis of line replaceable units
US7496798B2 (en) 2006-02-14 2009-02-24 Jaw Link Data-centric monitoring method
US7647131B1 (en) * 2006-03-09 2010-01-12 Rockwell Automation Technologies, Inc. Dynamic determination of sampling rates
US7693608B2 (en) 2006-04-12 2010-04-06 Edsa Micro Corporation Systems and methods for alarm filtering and management within a real-time data acquisition and monitoring environment
US20090146839A1 (en) 2006-05-17 2009-06-11 Tanla Solutions Limited Automated meter reading system and method thereof
US7949436B2 (en) 2006-05-19 2011-05-24 Oracle America, Inc. Method and apparatus for automatically detecting and correcting misalignment of a semiconductor chip
US7558771B2 (en) 2006-06-07 2009-07-07 Gm Global Technology Operations, Inc. System and method for selection of prediction tools
US20080040244A1 (en) * 2006-08-08 2008-02-14 Logcon Spec Ops, Inc. Tracking and Managing Assets
US20080097945A1 (en) 2006-08-09 2008-04-24 The University Of North Carolina At Chapel Hill Novelty detection systems, methods and computer program products for real-time diagnostics/prognostics in complex physical systems
US20080059120A1 (en) 2006-08-30 2008-03-06 Fei Xiao Using fault history to predict replacement parts
US8275577B2 (en) 2006-09-19 2012-09-25 Smartsignal Corporation Kernel-based method for detecting boiler tube leaks
JP2008117129A (ja) 2006-11-02 2008-05-22 Nsk Ltd 異常解析用データ収集装置及びこれを用いた車載制御装置
US7725293B2 (en) 2006-12-07 2010-05-25 General Electric Company System and method for equipment remaining life estimation
US8311774B2 (en) 2006-12-15 2012-11-13 Smartsignal Corporation Robust distance measures for on-line monitoring
US7661032B2 (en) * 2007-01-06 2010-02-09 International Business Machines Corporation Adjusting sliding window parameters in intelligent event archiving and failure analysis
JP4892367B2 (ja) * 2007-02-02 2012-03-07 株式会社日立システムズ 異常兆候検出システム
US7548830B2 (en) 2007-02-23 2009-06-16 General Electric Company System and method for equipment remaining life estimation
US20080221834A1 (en) 2007-03-09 2008-09-11 General Electric Company Method and system for enhanced fault detection workflow
US7730364B2 (en) * 2007-04-05 2010-06-01 International Business Machines Corporation Systems and methods for predictive failure management
US20080255760A1 (en) * 2007-04-16 2008-10-16 Honeywell International, Inc. Forecasting system
US8145578B2 (en) 2007-04-17 2012-03-27 Eagel View Technologies, Inc. Aerial roof estimation system and method
US8229769B1 (en) 2007-06-13 2012-07-24 United Services Automobile Association Systems and methods for processing overhead imagery
US7949659B2 (en) * 2007-06-29 2011-05-24 Amazon Technologies, Inc. Recommendation system with multiple integrated recommenders
CA2695450C (en) 2007-08-03 2016-10-18 Smartsignal Corporation Fuzzy classification approach to fault pattern matching
US7919940B2 (en) 2007-10-21 2011-04-05 Ge Intelligent Platforms, Inc. System and method for jerk limited trajectory planning for a path planner
US8050800B2 (en) 2007-10-21 2011-11-01 Ge Intelligent Platforms, Inc. Method and system for meeting end conditions in a motion control system
US8700550B1 (en) 2007-11-30 2014-04-15 Intellectual Assets Llc Adaptive model training system and method
US7962240B2 (en) 2007-12-20 2011-06-14 Ge Intelligent Platforms, Inc. Methods and systems for synchronizing a control signal of a slave follower with a master source
JP2009206850A (ja) 2008-02-28 2009-09-10 Fuji Xerox Co Ltd 故障診断装置およびプログラム
US7756678B2 (en) 2008-05-29 2010-07-13 General Electric Company System and method for advanced condition monitoring of an asset system
US8352216B2 (en) 2008-05-29 2013-01-08 General Electric Company System and method for advanced condition monitoring of an asset system
US7822578B2 (en) 2008-06-17 2010-10-26 General Electric Company Systems and methods for predicting maintenance of intelligent electronic devices
US20090326890A1 (en) 2008-06-30 2009-12-31 Honeywell International Inc. System and method for predicting system events and deterioration
US8285402B2 (en) 2008-07-14 2012-10-09 Ge Intelligent Platforms, Inc. Method and system for safety monitored terminal block
GB0813561D0 (en) * 2008-07-24 2008-09-03 Rolls Royce Plc Developments in or relating to power demand management
US8060274B2 (en) * 2008-10-30 2011-11-15 International Business Machines Corporation Location-based vehicle maintenance scheduling
JP5058947B2 (ja) * 2008-11-10 2012-10-24 株式会社日立製作所 端末、プログラム及び在庫管理方法
US8369281B2 (en) * 2008-11-24 2013-02-05 At&T Intellectual Property I, L.P. Cell-to-WiFi switcher
US8289150B2 (en) 2008-12-05 2012-10-16 Industrial Technology Research Institute Wireless sensor network and data sensing method thereof
KR101044074B1 (ko) 2008-12-24 2011-06-27 동국대학교기술지주 주식회사 공간 공개념 기반의 시설 자산 관리 시스템 및 방법
KR20100076708A (ko) 2008-12-26 2010-07-06 한국건설기술연구원 공공시설물 자산관리정보 시스템
JP5108116B2 (ja) 2009-01-14 2012-12-26 株式会社日立製作所 装置異常監視方法及びシステム
US8024069B2 (en) 2009-01-28 2011-09-20 Ge Intelligent Platforms, Inc. System and method for path planning
US8224765B2 (en) * 2009-02-05 2012-07-17 Honeywell International Inc. Method for computing the relative likelihood of failures
US8989887B2 (en) 2009-02-11 2015-03-24 Applied Materials, Inc. Use of prediction data in monitoring actual production targets
JP5370832B2 (ja) * 2009-07-01 2013-12-18 株式会社リコー 状態判別装置及びこれを用いた故障予測システム
DE102009043091A1 (de) 2009-09-25 2011-03-31 Wincor Nixdorf International Gmbh Vorrichtung zur Handhabung von Wertscheinen
US9007896B2 (en) * 2009-10-07 2015-04-14 Verizon Patent And Licensing Inc. Congestion control based on call responses
EP2375637A1 (en) 2010-03-22 2011-10-12 British Telecommunications Public Limited Company Network routing adaptation based on failure prediction
JP5416630B2 (ja) * 2010-03-24 2014-02-12 株式会社日立製作所 移動体異常判断支援システム
CN102859457B (zh) * 2010-04-26 2015-11-25 株式会社日立制作所 时序数据诊断压缩方法
CN103003801B (zh) 2010-05-14 2016-08-03 哈尼施费格尔技术公司 用于远程机器监视的预测分析
US8234420B2 (en) 2010-07-14 2012-07-31 Ge Intelligent Platforms, Inc. Method, system, and apparatus for communicating using multiple controllers
US8634314B2 (en) * 2010-07-30 2014-01-21 Cisco Technology, Inc. Reporting statistics on the health of a sensor node in a sensor network
JP5025776B2 (ja) * 2010-09-28 2012-09-12 株式会社東芝 異常診断フィルタ生成装置
US8532795B2 (en) 2010-10-04 2013-09-10 General Electric Company Method and system for offline code validation
JP2012133672A (ja) 2010-12-22 2012-07-12 Mitsubishi Heavy Ind Ltd 溶接構造物の設計最適化装置および設計最適化方法
CN103502899B (zh) 2011-01-26 2016-09-28 谷歌公司 动态预测建模平台
US8825840B2 (en) * 2011-02-22 2014-09-02 Intuit Inc. Systems and methods for self-adjusting logging of log messages
US8682454B2 (en) * 2011-02-28 2014-03-25 United Technologies Corporation Method and system for controlling a multivariable system with limits
US8862938B2 (en) * 2011-04-18 2014-10-14 General Electric Company System, method, and apparatus for resolving errors in a system
WO2012145616A2 (en) 2011-04-20 2012-10-26 The Cleveland Clinic Foundation Predictive modeling
US8594982B2 (en) 2011-06-09 2013-11-26 Pulsar Informatics, Inc. Systems and methods for distributed calculation of fatigue-risk prediction and optimization
DE102011108019A1 (de) * 2011-07-19 2013-01-24 Daimler Ag Verfahren zur Ermittlung einer Qualität einer zur Stickoxidverminderung eingesetzten, Ammoniak enthaltenden Reduktionsmittellösung
US8660980B2 (en) 2011-07-19 2014-02-25 Smartsignal Corporation Monitoring system using kernel regression modeling with pattern sequences
US9256224B2 (en) 2011-07-19 2016-02-09 GE Intelligent Platforms, Inc Method of sequential kernel regression modeling for forecasting and prognostics
US8620853B2 (en) 2011-07-19 2013-12-31 Smartsignal Corporation Monitoring method using kernel regression modeling with pattern sequences
GB2494416A (en) 2011-09-07 2013-03-13 Rolls Royce Plc Asset Condition Monitoring Using Internal Signals Of The Controller
US9477223B2 (en) 2011-09-14 2016-10-25 General Electric Company Condition monitoring system and method
US9176819B2 (en) 2011-09-23 2015-11-03 Fujitsu Limited Detecting sensor malfunctions using compression analysis of binary decision diagrams
US8560494B1 (en) 2011-09-30 2013-10-15 Palantir Technologies, Inc. Visual data importer
JP2013092954A (ja) * 2011-10-27 2013-05-16 Hitachi Ltd 管理業務支援装置、管理業務支援方法及び管理業務支援システム
EP2726987A4 (en) * 2011-11-04 2016-05-18 Hewlett Packard Development Co TREATMENT OF FAILURES IN A SYSTEM
US8560165B2 (en) * 2012-01-17 2013-10-15 GM Global Technology Operations LLC Co-operative on-board and off-board component and system diagnosis and prognosis
US8825567B2 (en) * 2012-02-08 2014-09-02 General Electric Company Fault prediction of monitored assets
US20140310379A1 (en) 2013-04-15 2014-10-16 Flextronics Ap, Llc Vehicle initiated communications with third parties via virtual personality
US8626385B2 (en) 2012-03-15 2014-01-07 Caterpillar Inc. Systems and methods for analyzing machine performance
CN104246482B (zh) * 2012-04-19 2017-04-12 霍夫曼-拉罗奇有限公司 用于测定血液中的分析物浓度的方法和设备
US9051945B2 (en) 2012-04-30 2015-06-09 Caterpillar Inc. System and method for identifying impending hydraulic pump failure
US8850000B2 (en) 2012-05-08 2014-09-30 Electro-Motive Diesel, Inc. Trigger-based data collection system
US9063856B2 (en) 2012-05-09 2015-06-23 Infosys Limited Method and system for detecting symptoms and determining an optimal remedy pattern for a faulty device
JP5905771B2 (ja) 2012-05-14 2016-04-20 セコム株式会社 通信障害支援システム
WO2013171620A1 (en) * 2012-05-18 2013-11-21 Koninklijke Philips N.V. Method of rendering hemodynamic instability index indicator information
US20130325502A1 (en) 2012-06-05 2013-12-05 Ari Robicsek System and method for providing syndrome-specific, weighted-incidence treatment regimen recommendations
US9234750B2 (en) 2012-07-30 2016-01-12 Caterpillar Inc. System and method for operating a machine
US20140060030A1 (en) 2012-08-31 2014-03-06 Caterpillar Inc. Hydraulic accumulator health monitor
US9960929B2 (en) 2012-09-21 2018-05-01 Google Llc Environmental sensing with a doorbell at a smart-home
AU2013317688A1 (en) 2012-09-24 2015-03-05 Caterpillar Inc. Mining operation control and review
EP2901284A4 (en) * 2012-09-28 2016-06-01 Longsand Ltd PREDICTION OF FAILURE OF A MEMORY DEVICE
CN104272269A (zh) * 2012-10-02 2015-01-07 松下知识产权经营株式会社 监视装置及监视方法
WO2014054051A1 (en) 2012-10-03 2014-04-10 Forbes Marshall Pvt. Ltd. Health monitoring system for a process plant and a method thereof
US9176183B2 (en) 2012-10-15 2015-11-03 GlobalFoundries, Inc. Method and system for wafer quality predictive modeling based on multi-source information with heterogeneous relatedness
US9613413B2 (en) 2012-10-17 2017-04-04 Caterpillar Inc. Methods and systems for determining part wear based on digital image of part
US9139188B2 (en) 2012-11-01 2015-09-22 Caterpillar Inc. Prediction control strategy for hybrid machinery
US9647906B2 (en) * 2012-11-02 2017-05-09 Rockwell Automation Technologies, Inc. Cloud based drive monitoring solution
US10146611B2 (en) * 2012-11-19 2018-12-04 Siemens Corporation Resilient optimization and control for distributed systems
US20140170617A1 (en) 2012-12-19 2014-06-19 Caterpillar Inc. Monitoring System for a Machine
US9151681B2 (en) 2012-12-19 2015-10-06 Progress Rail Services Corporation Temperature detector having different types of independent sensors
US8918246B2 (en) 2012-12-27 2014-12-23 Caterpillar Inc. Augmented reality implement control
US20140184643A1 (en) 2012-12-27 2014-07-03 Caterpillar Inc. Augmented Reality Worksite
US20140188778A1 (en) 2012-12-27 2014-07-03 General Electric Company Computer-Implemented System for Detecting Anomaly Conditions in a Fleet of Assets and Method of Using the Same
US9217999B2 (en) 2013-01-22 2015-12-22 General Electric Company Systems and methods for analyzing data in a non-destructive testing system
US10001518B2 (en) 2013-02-04 2018-06-19 Abb Schweiz Ag System and method for power transmission and distribution asset condition prediction and diagnosis
CN104021264B (zh) * 2013-02-28 2017-06-20 华为技术有限公司 一种缺陷预测方法及装置
US10909137B2 (en) * 2014-10-06 2021-02-02 Fisher-Rosemount Systems, Inc. Streaming data for analytics in process control systems
US9262255B2 (en) * 2013-03-14 2016-02-16 International Business Machines Corporation Multi-stage failure analysis and prediction
US8937619B2 (en) 2013-03-15 2015-01-20 Palantir Technologies Inc. Generating an object time series from data objects
US8909656B2 (en) 2013-03-15 2014-12-09 Palantir Technologies Inc. Filter chains with associated multipath views for exploring large data sets
WO2014145977A1 (en) 2013-03-15 2014-09-18 Bates Alexander B System and methods for automated plant asset failure detection
US8917274B2 (en) 2013-03-15 2014-12-23 Palantir Technologies Inc. Event matrix based on integrated data
CA2908825C (en) 2013-04-08 2021-06-08 Reciprocating Network Solutions, Llc Reciprocating machinery monitoring system and method
JP5768834B2 (ja) 2013-04-12 2015-08-26 横河電機株式会社 プラントモデル管理装置及び方法
US20140330747A1 (en) 2013-05-01 2014-11-06 International Business Machines Corporation Asset lifecycle management
US20140330609A1 (en) 2013-05-01 2014-11-06 International Business Machines Corporation Performance Driven Municipal Asset Needs and Sustainability Analysis
US8799799B1 (en) 2013-05-07 2014-08-05 Palantir Technologies Inc. Interactive geospatial map
US9438648B2 (en) * 2013-05-09 2016-09-06 Rockwell Automation Technologies, Inc. Industrial data analytics in a cloud platform
US9456302B2 (en) 2013-06-03 2016-09-27 Temeda Llc Geospatial asset tracking systems, methods and apparatus for acquiring, manipulating and presenting telematic metadata
US9665843B2 (en) 2013-06-03 2017-05-30 Abb Schweiz Ag Industrial asset health profile
US11055450B2 (en) * 2013-06-10 2021-07-06 Abb Power Grids Switzerland Ag Industrial asset health model update
US10534361B2 (en) 2013-06-10 2020-01-14 Abb Schweiz Ag Industrial asset health model update
US8886601B1 (en) 2013-06-20 2014-11-11 Palantir Technologies, Inc. System and method for incrementally replicating investigative analysis data
WO2014205497A1 (en) 2013-06-26 2014-12-31 Climate Risk Pty Ltd Computer implemented frameworks and methodologies for enabling climate change related risk analysis
US10018997B2 (en) 2013-06-28 2018-07-10 Fisher-Rosemount Systems, Inc. Non-intrusive data analytics in a process control system
US8713467B1 (en) 2013-08-09 2014-04-29 Palantir Technologies, Inc. Context-sensitive views
US9319905B2 (en) * 2013-08-30 2016-04-19 Google Inc. Re-tasking balloons in a balloon network based on expected failure modes of balloons
US9535774B2 (en) * 2013-09-09 2017-01-03 International Business Machines Corporation Methods, apparatus and system for notification of predictable memory failure
US8689108B1 (en) 2013-09-24 2014-04-01 Palantir Technologies, Inc. Presentation and analysis of user interaction data
US8938686B1 (en) 2013-10-03 2015-01-20 Palantir Technologies Inc. Systems and methods for analyzing performance of an entity
US8812960B1 (en) 2013-10-07 2014-08-19 Palantir Technologies Inc. Cohort-based presentation of user interaction data
US8786605B1 (en) 2013-10-24 2014-07-22 Palantir Technologies Inc. Systems and methods for distance and congestion-aware resource deployment
US9355010B2 (en) * 2013-10-29 2016-05-31 Seagate Technology Llc Deriving an operational state of a data center using a predictive computer analysis model
JP5530020B1 (ja) * 2013-11-01 2014-06-25 株式会社日立パワーソリューションズ 異常診断システム及び異常診断方法
US8832594B1 (en) 2013-11-04 2014-09-09 Palantir Technologies Inc. Space-optimized display of multi-column tables with selective text truncation based on a combined text width
US8868537B1 (en) 2013-11-11 2014-10-21 Palantir Technologies, Inc. Simple web search
US9753796B2 (en) * 2013-12-06 2017-09-05 Lookout, Inc. Distributed monitoring, evaluation, and response for multiple devices
US20150184549A1 (en) * 2013-12-31 2015-07-02 General Electric Company Methods and systems for enhancing control of power plant generating units
US9774522B2 (en) * 2014-01-06 2017-09-26 Cisco Technology, Inc. Triggering reroutes using early learning machine-based prediction of failures
WO2015112892A1 (en) 2014-01-24 2015-07-30 Telvent Usa Llc Utility resource asset management system
JP6459180B2 (ja) 2014-02-10 2019-01-30 富士ゼロックス株式会社 障害予測システム、障害予測装置、ジョブ実行装置およびプログラム
EP3111592B1 (en) 2014-02-27 2021-04-28 Intel Corporation Workload optimization, scheduling, and placement for rack-scale architecture computing systems
US10410116B2 (en) 2014-03-11 2019-09-10 SparkCognition, Inc. System and method for calculating remaining useful time of objects
US8924429B1 (en) 2014-03-18 2014-12-30 Palantir Technologies Inc. Determining and extracting changed data from a data source
US10521747B2 (en) 2014-04-08 2019-12-31 Northrop Grumman Systems Corporation System and method for providing a scalable semantic mechanism for policy-driven assessment and effective action taking on dynamically changing data
US9857238B2 (en) 2014-04-18 2018-01-02 Google Inc. Thermodynamic model generation and implementation using observed HVAC and/or enclosure characteristics
US20160028605A1 (en) 2014-05-30 2016-01-28 Reylabs Inc. Systems and methods involving mobile linear asset efficiency, exploration, monitoring and/or display aspects
US9734693B2 (en) 2014-07-09 2017-08-15 Mckinley Equipment Corporation Remote equipment monitoring and notification using a server system
US9733629B2 (en) 2014-07-21 2017-08-15 Honeywell International Inc. Cascaded model predictive control (MPC) approach for plantwide control and optimization
US20160028648A1 (en) 2014-07-25 2016-01-28 At&T Intellectual Property I, L.P. Resource Management Service
US9348710B2 (en) * 2014-07-29 2016-05-24 Saudi Arabian Oil Company Proactive failure recovery model for distributed computing using a checkpoint frequency determined by a MTBF threshold
CN104398431B (zh) 2014-11-21 2017-03-29 贵州神奇药物研究院 一种治疗黄褐斑的中药提取物产品及其制备方法
EP3026510B1 (en) 2014-11-26 2022-08-17 General Electric Company Methods and systems for enhancing control of power plant generating units
US20160155098A1 (en) * 2014-12-01 2016-06-02 Uptake, LLC Historical Health Metrics
US9960598B2 (en) 2015-03-03 2018-05-01 General Electric Company Methods and systems for enhancing control of power plant generating units
JP6339951B2 (ja) * 2015-03-04 2018-06-06 株式会社日立製作所 データ収集システム、データ収集方法、サーバ及びゲートウェイ
AU2016265273A1 (en) 2015-05-15 2017-10-19 Parker-Hannifin Corporation Integrated asset integrity management system
US10197631B2 (en) 2015-06-01 2019-02-05 Verizon Patent And Licensing Inc. Systems and methods for determining vehicle battery health
US10254751B2 (en) * 2015-06-05 2019-04-09 Uptake Technologies, Inc. Local analytics at an asset
US10579750B2 (en) * 2015-06-05 2020-03-03 Uptake Technologies, Inc. Dynamic execution of predictive models
US10007710B2 (en) * 2015-09-21 2018-06-26 Splunk Inc. Adaptive control of data collection requests sent to external data sources
US10489752B2 (en) 2016-08-26 2019-11-26 General Electric Company Failure mode ranking in an asset management system

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20020091972A1 (en) * 2001-01-05 2002-07-11 Harris David P. Method for predicting machine or process faults and automated system for implementing same
US20070050115A1 (en) * 2005-08-24 2007-03-01 Rockwell Automation Technologies, Inc. Model-based control for crane control and underway replenishment
US20080059080A1 (en) * 2006-08-31 2008-03-06 Caterpillar Inc. Method and system for selective, event-based communications
CN102045181A (zh) * 2009-10-10 2011-05-04 中国移动通信集团公司 一种终端脱网故障的处理方法和装置
CN102844721A (zh) * 2010-02-26 2012-12-26 株式会社日立制作所 故障原因诊断系统及其方法
US20140271114A1 (en) * 2013-03-13 2014-09-18 Rolls-Royce North America Technologies, Inc. Engine Health Monitoring and Power Allocation Control for a Turbine Engine Using Electric Generators

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113632027A (zh) * 2019-04-01 2021-11-09 Abb瑞士股份有限公司 利用自动异常检测的资产状况监测方法
CN114072825A (zh) * 2019-07-02 2022-02-18 科路实有限责任公司 使用数字孪生监测、预测和维护铁路元素的状况

Also Published As

Publication number Publication date
WO2016089794A1 (en) 2016-06-09
EP3350978A4 (en) 2019-02-20
US20160155315A1 (en) 2016-06-02
EP3227784A4 (en) 2018-04-25
AU2016368298A1 (en) 2018-07-19
KR20180082606A (ko) 2018-07-18
EP3387531A4 (en) 2019-04-24
CA3007466A1 (en) 2017-06-15
SG11201708095WA (en) 2017-11-29
US20160371599A1 (en) 2016-12-22
WO2017100245A1 (en) 2017-06-15
JP2018500710A (ja) 2018-01-11
KR20170117377A (ko) 2017-10-23
US10176032B2 (en) 2019-01-08
CA2998345A1 (en) 2017-03-23
EP3227852A1 (en) 2017-10-11
US10025653B2 (en) 2018-07-17
US20160154690A1 (en) 2016-06-02
JP2018536941A (ja) 2018-12-13
AU2016322513A1 (en) 2018-04-12
CA2969455C (en) 2023-06-27
US20160371616A1 (en) 2016-12-22
JP2018500709A (ja) 2018-01-11
AU2015355154A1 (en) 2017-07-20
KR20170118039A (ko) 2017-10-24
HK1244937A1 (zh) 2018-08-17
US10417076B2 (en) 2019-09-17
WO2016089792A1 (en) 2016-06-09
SG11201708094XA (en) 2017-11-29
EP3227852A4 (en) 2018-05-23
US10545845B1 (en) 2020-01-28
AU2015355156A1 (en) 2017-07-20
US20160379465A1 (en) 2016-12-29
US10261850B2 (en) 2019-04-16
JP6652247B2 (ja) 2020-02-19
US20190003929A1 (en) 2019-01-03
CA2969455A1 (en) 2016-06-09
US9842034B2 (en) 2017-12-12
US20160378585A1 (en) 2016-12-29
US9864665B2 (en) 2018-01-09
US20170161659A1 (en) 2017-06-08
US20170075778A1 (en) 2017-03-16
EP3350978A1 (en) 2018-07-25
US11144378B2 (en) 2021-10-12
CN107408225A (zh) 2017-11-28
WO2017048640A1 (en) 2017-03-23
CA2969452A1 (en) 2016-06-09
EP3387531A1 (en) 2018-10-17
US9471452B2 (en) 2016-10-18
EP3227784A1 (en) 2017-10-11
US9910751B2 (en) 2018-03-06
HK1244938A1 (zh) 2018-08-17
US20190087256A1 (en) 2019-03-21
JP2018528693A (ja) 2018-09-27
US20160155098A1 (en) 2016-06-02
HK1255721A1 (zh) 2019-08-23
US20170161130A1 (en) 2017-06-08
CA3111567A1 (en) 2020-03-12
SG11201804807VA (en) 2018-07-30
US10754721B2 (en) 2020-08-25
US20200278273A9 (en) 2020-09-03
CN107408225B (zh) 2020-01-07
US20160153806A1 (en) 2016-06-02
US20170161621A1 (en) 2017-06-08

Similar Documents

Publication Publication Date Title
CN107408226A (zh) 资产健康评分及其使用
US20200081054A1 (en) Power line issue diagnostic methods and apparatus using distributed analytics
KR20180010321A (ko) 예측 모델들의 동적 실행
CN108780526B (zh) 基于资产定位的预测模型的处置
AU2023274062A1 (en) System for analyzing machine data
CN108463806A (zh) 用于基于预测模型修改数据采集参数的计算机体系结构和方法
EP3847434A1 (en) Computer system and method for recommending an operating mode of an asset
CN107851233A (zh) 资产处的本地分析

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: 1244937

Country of ref document: HK

WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20171128

WD01 Invention patent application deemed withdrawn after publication