CN109643256A - 用于推荐资产修复的计算机架构和方法 - Google Patents

Abstract

本文公开了涉及用于基于操作数据生成修复资产的推荐的系统、设备和方法。计算系统可以被配置为维持包括两个或更多个不同级别的条件的层级，可以针对该两个或更多个不同级别的条件检查操作数据以便确定应该输出哪个修复推荐(如果有的话)。例如，该层级可以包括至少(1)对应于具有第一精度级别的第一修复推荐的第一条件、以及(2)对应于具有第二精度级别的第二修复推荐的第二条件。一旦针对被满足的条件识别出修复推荐，计算机系统就可以选择具有最高精度级别的推荐，然后使该推荐被输出。

Description

用于推荐资产修复的计算机架构和方法

相关申请的交叉引用

本申请要求2016年8月8日提交的题为“用于推荐资产修复的计算机架构和方法”的美国非临时专利申请第15/231,587号的优先权，该专利申请通过引用整体结合于此。

背景技术

如今，机器(本文中也称为“资产”)在现代经济的许多行业中无处不在。从跨国转运货物的机车到收割庄稼的农业设备，资产在日常生活中发挥着重要作用。取决于资产承担的角色，其复杂度和成本可能会有所不同。例如，一些资产可包括多个子系统，这些子系统必须针对该资产协调操作以便正确运作(例如，机车的发动机、变速器等)。

由于资产的作用越来越大，因此在有限的停机时间内修复资产也越来越受欢迎。为了方便这一点，某些已经开发了用来监视和检测资产内的异常条件的机制，以便促进用较少的停机时间来修理资产。例如，监视资产的一种方法通常涉及资产上计算机，其接收来自分布在整个资产中的用于监视该资产的操作条件的各种传感器和/或致动器的信号。作为一个代表性示例，如果资产是机车，则传感器和/或致动器可监视诸如温度、电压和速度等其他示例的参数。如果来自这些设备中的一台或多台设备的传感器和/或致动器信号达到某些值，则资产上计算机可随后生成异常-条件指示符，诸如“故障码”，其是资产内已发生异常条件且可能需要修复或维护的指示。

一般而言，异常条件可以是资产或其组件处的缺陷，其可导致资产和/或组件的故障。由此，异常条件可以与给定故障或可能多个故障相关联，因为该异常条件是给定的一个或多个故障的症状。实践中，用户通常定义与每个异常条件指示符相关联的传感器及对应的传感器值。换言之，用户定义资产的“正常”操作条件(例如，那些不触发故障码的操作条件)和“异常”操作条件(例如，那些触发故障码的操作条件)。

在资产上计算机生成异常条件指示符之后，该指示符和/或传感器和/或致动器信号(通常可以称为操作数据)可以被传递到远程位置，诸如远程资产诊断系统，其可以对这样的数据执行分析和/或使得关于资产操作的信息输出给用户。

发明内容

本文公开了用于基于操作数据生成修复资产的推荐的改进的系统、设备和方法。在一些示例中，网络配置可以包括促进一个或多个资产、远程计算系统和一个或多个数据源之间的通信的通信网络。

根据本公开，远程计算系统可以维持对应于基于操作数据修复资产(例如，给定子系统)的给定方面的推荐的条件的层级。通常，层级可以包括与具有不同精度级别的至少两个级别的修复推荐相对应的条件。例如，该层级可以包括至少(1)对应于具有第一精度级别的第一修复推荐的第一条件(例如，更精细化的推荐)、以及(2)对应于具有第二精度级别的第二修复推荐的第二条件(例如，不太精细化的推荐)。另外，层级可以包括一个或多个其他条件，每个条件可以对应于具有第一精度级别、第二精度级别或一些其他精度级别的修复推荐。

在这样的层级中，每个条件可以基于预定义规则、预测模型或它们的某种组合。例如，在一个实施例中，第一条件可以基于预定义规则，第二条件可以基于预测模型(或者反过来)。其他实施例也是可能的。

在实践中，远程计算系统可以将层级应用于指示给定资产的操作条件(即，操作数据)的数据，诸如传感器/致动器数据和/或异常条件数据，其可以从给定资产或者一些其他外部数据源接收。

例如，根据一个实现，远程计算系统可以首先分析层级的条件，以确定层级条件(如果有的话)中的哪一个由针对给定资产的操作数据满足，并识别对应于被满足的条件的修复推荐。如果存在具有不同精度级别的两个或更多个经识别的修复推荐，则远程计算系统可以随后选择具有最高精度级别的经识别的修复推荐(例如，最精细化的推荐)，然后使该修复推荐由计算设备输出。

如上所述，用于修复给定资产的推荐可以对应于层级的条件。通常，可以由该领域的专家(即技术人员)或计算设备以及其他实体将推荐与层级的条件进行关联。在一个实例中，推荐可以指示资产的哪个(哪些)组件需要修理和/或提供关于如何修理这样的(多个)组件的指令。在一些示例中，远程计算系统输出推荐的指示可以使得经由图形用户界面显示推荐和/或可以使得与修复相关的任务自动执行(例如，生成工作订单)。许多其它示例也是可能的。

在示例实现中，用于修复给定资产的推荐的精度级别可以根据满足了层级的哪个条件(以及该条件落在层级级别内的位置)而变化。一般而言，对应于层级的更高级别的推荐可以比对应于层级的更低级别的推荐更精确/更精细。例如，具有更高精度级别的推荐可以指向子系统的特定方面(例如，诸如螺钉的特定机械部件)，而具有较低精度级别的推荐可以更一般地指向子系统(例如，发动机)。此外，对应于层级的不同级别的推荐之间的精度差异可以在任何程度上变化，并且这样的推荐可以包含给定资产或资产组的任何部分。

根据本公开，层级的至少一个条件可以基于预定义规则，其可以采用各种形式。在一个实例中，预定义规则可以是基于异常条件指示符(例如，故障码)和传感器标准中的一个或两个的规则。也就是说，预定义规则可能需要存在一个或多个异常条件指示符和/或一个或多个传感器测量条件，以便触发规则。在另一实例中，预定义规则可包括多个预定义规则，每个预定义规则基于相应的一组异常条件指示符和/或传感器标准来定义。也可以使用预定义规则的其他示例。

在一个实现中，基于预定义规则的条件可以另外包括与预定义规则的满足相关联的置信级别。通常，置信级别可以是固定或可变度量(例如，从0到100的数字)，其指示在确定已经满足预定义规则的情况下的置信度(或“信任度”)以及将要输出的修复给定资产的第一推荐。与确定预定义规则被满足相关联的置信级别可以以各种方式确定。根据一个示例，置信级别可以是与预定义规则的满足预先关联的单个固定值。根据另一示例，置信级别可以是取决于导致满足预定义规则的特定操作数据的变量值，以及其他示例。

在这样的实现中，远程计算系统可以(1)确定预定义规则已被满足、(2)确定与预定义规则的满足相关联的置信级别，然后(3)将该置信级别与置信度阈值(可以是固定的或可变的)进行比较以确定是否已满足第一条件。

此外，根据本公开，层级的至少一个条件可以基于预测模型，该预测模型也可以采用各种形式。通常，这样的预测模型可以将针对给定资产的操作数据作为输入，并且可以基于该操作数据预测需要(或将来需要)给定修复的可能性。

预测模型可以由远程计算系统基于资产或资产组的历史数据来定义。该历史数据可以至少包括指示给定资产或资产组的操作条件的操作数据。具体地，操作数据可以包括识别在资产中发生故障时的历史异常条件数据和/或指示在资产中测量到的一个或多个物理特性的历史传感器数据。数据还可以包括指示过去对资产执行的服务的历史修复数据和详细说明将对资产执行什么服务的维护调度数据，以及可以用于定义预测模型的历史数据的其他示例。

基于历史数据，远程计算系统可以定义预测模型，该预测模型预测应该进行某种修复的可能性。在一个实例中，预测模型可以输出与用于修复给定资产的推荐相对应的概率值。在另一实例中，预测模型可输出对应于任何数量的推荐的多个概率。许多其他形式的预测模型也可能存在。

在操作中，当预测模型的输出超过置信度阈值时，基于预测模型的条件然后将被满足。通常，置信度阈值可以由现场或计算系统中的用户以及其他可能性来定义，且可以进一步是固定的或动态的。

因此，在一个方面，本文公开了一种提供推荐修复涉及计算系统的资产的方法，包括：(a)维持与基于操作数据推荐修复资产相对应的条件的层级，其中，层级至少包括(1)基于预定义规则且对应于具有第一精度级别的第一修复推荐的第一条件、以及(2)基于预测模型且对应于具有第二精度级别的第二修复推荐的第二条件，其中第一和第二精度级别不同；(b)接收针对多个资产的给定资产的操作数据；(c)确定层级的第一条件和第二条件由所接收的操作数据满足，从而识别第一推荐和第二推荐；(d)识别第一推荐和第二推荐中的哪一个具有更高的精确等级；以及(e)使计算设备输出第一和第二推荐中经识别的一个的指示。

在另一方面中，本文中公开了一种计算系统，其包括至少一个处理器、非瞬态计算机可读介质、以及存储在该非瞬态计算机可读介质上的程序指令，该程序指令能由该至少一个处理器执行以致使该计算系统执行本文中所公开的功能，以用于提供修复资产的推荐。

在又一方面中，本文中公开了一种非瞬态计算机可读介质，其上存储有指令，其中该指令由处理器执行以致使计算系统执行本文中公开的功能，以用于提供修复资产的推荐。

本领域普通技术人员将在阅读以下公开内容后领会这些方面以及众多其他方面。

附图说明

图1描绘了可在其中实现示例实施例的示例网络配置。

图2描绘了示例资产的简化框图。

图3描绘了示例异常条件指示符和传感器标准的概念图。

图4描绘了示例平台的结构图。

图5描绘了用于针对所接收的操作数据分析条件的层级以便为给定资产提供修复推荐的示例流程图。

图6描绘了分析基于预定义规则的层级的条件的示例流程图。

图7描绘了基于预定义规则的层级的条件所利用的数据的概念图示。

图8描绘了分析基于预测模型的层级的条件的示例流程图。

图9描绘了定义可用于预测需要修复的可能性的预测模型的示例流程图。

图10描绘了用于将条件的层级应用于操作数据以便为给定资产提供修复推荐的示例流程图。

具体实施方式

以下公开对附图和若干示例性场景作出参考。本领域的普通技术人员将理解，这些参考仅仅是出于解释的目的，且因此并不意味着限制。所公开的系统、设备和方法的部分或全部可按各种方式来重新排列、组合、添加、和/或移除，其中的每一种方式都在本文中得到了构想。

I.示例网络配置

现在转向附图，图1描绘了其中可实现示例实施例的示例网络配置100。如图所示，网络配置100包括资产102、资产104、通信网络106、可采取分析平台的形式的远程计算系统108、输出系统110、以及数据源112。

通信网络106可通信地连接网络配置100中的组件中的每一者。例如，资产102和104可经由通信网络106与分析平台108通信。在一些情况中，资产102和104可以与一个或多个中间系统(诸如资产网关或组织的现有平台(未图示))进行通信，该中间系统进而与分析平台108通信。类似地，分析平台108可经由通信网络106与输出系统110通信。在一些情形中，分析平台108可以与一个或多个中间系统(诸如主机服务器(未图示))进行通信，该中间系统进而与输出系统110通信。许多其它配置也是可能的。在示例情形中，通信网络106可促进网络组件之间的安全通信(例如，经由加密或其他安全措施)。

一般而言，资产102和104可采取被配置成执行一个或多个操作(其可基于字段来定义)的任何设备的形式，并且还可包括被配置成传送指示给定资产的一个或多个操作条件的数据的装备。在一些示例中，资产可包括被配置成执行一个或多个相应操作的一个或多个子系统。在实践中，多个子系统可按并行方式或顺序地操作以便使资产运转。

示例资产可包括运输机械(例如，机车、航空器、客车、半拖挂卡车、船舶等)、工业机械(例如，采矿装备、建筑装备、加工装备、组装装备等)以及无人驾驶飞行器等其他示例。本领域的普通技术人员将领会，这些仅仅是资产的一些示例，并且许多其他示例在本文中是可能的且得到了构想。

在示例实现中，资产102和104可各自具有相同的类型(例如，一队机车或航空器、一组风力涡轮机、一组铣床、或一组磁共振成像(MRI)机等其他示例)并且可能可以具有相同的类别(例如，相同的装备类型、品牌和/或型号)。在其他示例中，资产102和104可以根据类型、品牌、型号等而不同。例如，在许多其他示例中，资产102和104可以是作业现场(例如，挖掘现场)处的不同设备或生产设施。下面参考图2对资产作进一步详细的讨论。

如图所示，资产102和104以及可能的数据源112可经由通信网络106与分析平台108通信。一般而言，通信网络106可包括一个或多个计算系统和被配置成促进在各网络组件之间转移数据的网络基础设施。通信网络106可以是或者可以包括一个或多个广域网(WAN)和/或局域网(LAN)，其可以是有线和/或无线的并且可支持安全通信。在一些示例中，通信网络106可包括一个或多个蜂窝网络和/或互联网等其他网络。通信网络106可根据诸如LTE、CDMA、GSM、LPWAN、WiFi、蓝牙、以太网、HTTP/S、TCP、CoAP/DTLS等等之类的一个或多个通信协议来操作。虽然通信网络106被示为单个网络，但应当理解，通信网络106可包括其自身通信地链接的多个不同的网络。通信网络106也可采取其他形式。

如以上所提及的，分析平台108(本文中有时被称为“远程资产监视系统”)可被配置成从资产102和104以及数据源112接收数据。广义上说，分析平台108可包括一个或多个计算系统，诸如服务器和数据库，其被配置成接收、处理、分析和输出数据。分析平台108可根据给定的数据流技术(诸如TPL数据流或NiFi等其他示例)来进行配置。下面参考图4对分析平台108作进一步详细的讨论。

如图所示，分析平台108可被配置成将数据传送到资产102和104和/或输出系统110。所传送的特定数据可采用各种形式且将在下面进一步详细描述。

一般而言，输出系统110可采取被配置成接收数据并基于所接收的数据提供某种形式的输出的计算系统或设备的形式。输出系统110可采取各种形式。在一个示例中，输出系统110可以是或者包括客户站，该客户站通常被配置为经由通信网络106与其他计算系统和/或设备通信，接收用户输入，处理数据并向用户提供视觉、听觉和/或触觉输出(例如，基于经由通信网络106接收的数据)。客户站的示例包括平板、智能电话、膝上型计算机、其他移动计算设备、台式计算机、智能电视等等。

输出系统110的另一示例可采取工作订单系统的形式，该工作订单系统被配置为对机械师等输出修复资产的请求。输出系统110的又一个示例可采取部件订单(parts-ordering)系统的形式，该部件订单系统被配置成对资产的部件下订单并输出其收据。输出系统得许多其他示例也是可能的。

数据源112可被配置成与分析平台108通信。一般而言，数据源112可以是或者包括一个或多个计算系统，该一个或多个计算系统被配置成收集、储存、和/或向其他系统(诸如分析平台108)提供可与分析平台108所执行的功能相关的数据。数据源112可被配置成独立于资产102和104而生成和/或获得数据。由此，由数据源112提供的数据在本文中可被称为“外部数据”。数据源112可被配置成提供当前和/或历史数据。实践中，分析平台108可通过“订阅”由数据源提供的服务来从数据源112接收数据。然而，分析平台108也可按其他方式从数据源112接收数据。数据源112的示例包括资产-管理数据源、环境数据源以及其他数据源。

一般而言，资产-管理数据源提供指示可影响资产的操作或维护(例如，资产可以操作或接收维护的时间和地点)的实体(例如，其他资产)的事件或状态的数据。资产-管理数据源的示例包括：提供关于已对资产执行和/或被调度而将执行的修复和服务的信息的资产修复服务器；提供关于修复商店容量等的信息的修复商店服务器；提供关于空气、水和/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和/或特定时间的预期路线和/或位置的信息的资产调度服务器；提供关于经过缺陷检测器系统附近的资产的一个或多个操作条件的信息的缺陷检测器系统(也称为“热盒”检测器)；提供关于特定供应商具有库存的部件及其价格的信息的部件供应商服务器；以及其他示例。

一般而言，环境数据源提供指示其中资产被操作的环境的一些特性的数据。环境数据源的示例包括气象数据服务器、全球导航卫星系统(GNSS)服务器、地图数据服务器和地形数据服务器，其提供关于给定区域的自然和人造特征的信息等其他示例。

其他数据源的示例包括提供关于电力消耗的信息的电网服务器和储存资产的历史操作数据的外部数据库等其他示例。本领域的普通技术人员将领会，这些仅仅是数据源的一些示例，并且许多其他示例是可能的。

应当理解，网络配置100是其中可以实现在此描述的各实施例的网络的一个示例。许多其他布置是可能的且在本文中得到了构想。例如，其他网络配置可包括未图示的附加组件和/或更多或更少的图示出的组件。

II.示例资产

转到图2，描绘了示例资产200的简化框图。来自图1的资产102和104中的任一个或两者可如资产200那样进行配置。如图所示，资产200可包括一个或多个子系统202、一个或多个传感器204、一个或多个致动器205、中央处理单元206、数据存储208、网络接口210、用户接口212、位置单元214，并且可能还包括本地分析设备220，所有这些可通过系统总线、网络或其他连接机制来以通信方式(直接或间接地)链接。本领域的普通技术人员将领会，资产200可包括未示出的附加组件和/或更多或更少的所描绘的组件。

广义上说，资产200可包括被配置成执行一个或多个操作的一个或多个电组件、机械组件、和/或机电组件。在一些情形中，一个或多个组件可被分组到给定子系统202中。

一般而言，子系统202可包括作为资产200的一部分的一组相关组件。单个子系统202可独立地执行一个或多个操作，或者该单个子系统202可连同一个或多个其他子系统一起操作以执行一个或多个操作。通常，不同类型的资产且甚至相同类型不同等级的资产可包括不同的子系统。

例如，在运输资产的上下文中，子系统202的示例可包括发动机、变速器、传动系、燃料系统、电池系统、排气系统、制动系统、电气系统、信号处理系统、发电机、齿轮箱、转子和液压系统等许多其他子系统。

如以上所建议的，资产200可配备有被配置成监视资产200的操作条件的各种传感器204，以及被配置成与资产200或其组件交互并监视资产200的操作条件的各种致动器205。在一些情形中，传感器204和/或致动器205中的一些可基于特定子系统202来被分组。以这种方式，传感器204和/或致动器205的组可被配置成监视特定子系统202的操作条件，并且来自该组的致动器可被配置成按可基于这些操作条件改变该特定子系统202的行为的某种方式来与该子系统交互。

一般而言，传感器204可被配置成检测可指示资产200的一个或多个操作条件的物理属性，以及提供对所检测到的物理属性的指示，诸如电信号。在操作中，传感器204可被配置成连续地、周期性地(例如，基于采样频率)、和/或响应于某个触发事件来获得测量。在一些示例中，传感器204可预先配置有用于执行测量的操作参数和/或可根据由中央处理单元206提供的操作参数(例如，指令传感器204获得测量的采样信号)来执行测量。在示例中，不同传感器204可具有不同的操作参数(例如，一些传感器可基于第一频率进行采样，而其他传感器基于第二不同的频率进行采样)。无论如何，传感器204可被配置成向中央处理单元206传送指示所测得的物理属性的电信号。传感器204可向中央处理单元206连续地或周期性地提供此类信号。

例如，传感器204可被配置成测量诸如资产200的位置和/或移动之类的物理属性，在该情形中，该传感器可采取GNSS传感器、基于航位推算的传感器、加速度计、陀螺仪、计步器、磁力计等等形式。在示例实施例中，一个或多个此类传感器可与位置单元214结合或者与其分离，如以下所讨论的。

另外，各种传感器204可被配置成测量资产200的其他操作条件，其示例可包括温度、压力、速度、加速或减速率、摩擦、功率使用、燃料使用、液面、运行时、电压和电流、磁场、电场、对象的存在或不存在、组件的位置和发电等其他示例。本领域的普通技术人员将领会，这些仅仅是传感器可被配置成测量的一些示例操作条件。取决于工业应用或特定资产，可使用附加或更少的传感器。

如以上所建议的，致动器205可在某些方面被配置类似于传感器204进行配置。具体而言，致动器205可被配置成检测指示资产200的操作条件的物理属性并按类似于传感器204的方式提供其指示。

而且，致动器205可被配置成与资产200、一个或多个子系统202、和/或其某个组件交互。由此，致动器205可包括被配置成执行机械操作(例如，移动)或以其他方式控制组件、子系统或系统的电机等等。在特定示例中，致动器可被配置成测量燃料流量和改变燃料流(例如，限制燃料流)，或者致动器可被配置成测量液压压力和改变液压压力(例如，增加或减小液压压力)。致动器的许多其他示例交互也是可能的且在本文中得到了构想。

一般而言，中央处理单元206可包括一个或多个处理器和/或控制器，其可采取通用或专用处理器或控制器的形式。具体而言，在示例实现中，中央处理单元206可以是或者包括微处理器、微控制器、专用集成电路、数字信号处理器等等。进而，数据存储208可以是或者包括一个或多个非瞬态计算机可读存储介质，诸如光学、磁、有机或闪存存储器等其他示例。

中央处理单元206可被配置成储存、访问和执行被储存在数据存储208中的计算机可读程序指令以执行本文中所描述的资产的操作。例如，如以上所建议，中央处理单元206可被配置成从传感器204和/或致动器205接收相应传感器信号。中央处理单元206可被配置成将传感器和/或致动器数据储存在数据存储208中和稍后从该数据存储208访问它。

中央处理单元206还可被配置成确定所接收的传感器和/或致动器信号是否触发任何异常条件指示符，诸如故障码。例如，中央处理单元206可被配置成在数据存储208中储存异常条件规则，其中的每一者都包括表示特定异常条件的给定异常条件指示符和触发该异常条件指示符的相应触发标准。换言之，每个异常条件指示符与在该异常条件指示符被触发之前必须被满足的一个或多个传感器和/或致动器测量值相对应。实践中，资产200可用异常-条件规则来预编程和/或可从计算系统(诸如分析平台108)接收新的异常-条件规则或对现有规则的更新。

无论如何，中央处理单元206可被配置成确定所接收的传感器和/或致动器信号是否触发任何异常条件指示符。换言之，中央处理单元206可确定所接收的传感器和/或致动器信号是否满足任何触发标准。当这样的确定是肯定的时，中央处理单元206可生成异常-条件数据，且随后还可致使资产的网络接口210将该异常-条件数据传送到分析平台108，并且/或者致使资产的用户接口212输出异常条件的指示，诸如视觉和/或可听警报。另外，中央处理单元206可记录(可能利用时间戳)数据存储208中正被触发的异常条件指示符的发生。

图3描绘了资产的示例异常条件指示符和相应触发标准的概念图示。具体而言，图3描绘了示例故障码的概念图示。如图所示，表300包括分别对应于传感器A、致动器B和传感器C的列302、304和306以及分别对应于故障码1、2和3的行308、310和312。条目314于是指定对应于给定故障码的传感器标准(例如，传感器值阈值)。

例如，当传感器A检测到大于135转每分钟(RPM)的旋转测量且传感器C检测到大于65°摄氏度(C)的温度测量时故障码1将被触发，当致动器B检测到大于1000伏特(V)的电压测量且传感器C检测到小于55℃的温度测量时故障码2将被触发，而当传感器A检测到大于100RPM的旋转测量、致动器B检测到大于750V的电压测量且传感器C检测到大于60℃的温度测量时故障码3将被触发。本领域的普通技术人员将领会，图3仅仅是出于示例和解释的目的而提供的，并且许多其他故障码和/或触发标准是可能的且在本文中得到了构想。

返回参考图2，中央处理单元206可被配置成执行同样用于管理和/或控制资产200的操作的各种附加功能。例如，中央处理单元206可被配置成向子系统202和/或致动器205提供致使该子系统202和/或致动器205执行某个操作(诸如修改节流阀位置)的指令信号。附加地，中央处理单元206可被配置成修改其以此处理来自传感器204和/或致动器205的数据的速率，或者中央处理单元206可被配置成向传感器204和/或致动器205提供致使该传感器204和/或致动器205(举例而言)修改采样率的指令信号。而且，中央处理单元206可被配置成从子系统202、传感器204、致动器205、网络接口210、用户接口212、和/或位置单元214接收信号并且基于此类信号致使操作发生。更进一步，中央处理单元206可被配置成从诸如诊断设备之类的计算设备接收致使中央处理单元206根据被储存在数据存储208中的诊断规则执行一个或多个诊断工具的信号。下面讨论中央处理单元206的其他功能性。

网络接口210可被配置成提供资产200和连接到通信网络106的各种网络组件之间的通信。例如，网络接口210可被配置成促进去往和来自通信网络106的无线通信，并因此可采取用于传送和接收各种空中(over-the-air)信号的天线结构及相关联装备的形式。其他示例也是可能的。实践中，网络接口210可根据通信协议进行配置，诸如但不限于以上所描述的任一种。

用户接口212可被配置成促进与资产200的用户交互，并且还可被配置成便于致使资产200响应于用户交互执行操作。用户接口212的示例包括触敏接口、机械接口(例如，杠、按钮、轮、拨号盘、键盘等)以及其他输入接口(例如，话筒)等其他示例。在一些情形中，用户接口212可包括或提供到诸如显示屏、扬声器、耳机插孔等等之类的输出组件的连通性。

位置单元214可一般被配置成促进执行与地理空间定位/位置和/或导航有关的功能。更具体地，位置单元214可被配置成促进经由一种或多种定位技术(诸如GNSS技术(例如，GPS、GLONASS、伽利略、北斗等)、三角测量技术等)确定资产200的定位/位置和/或跟踪资产200的移动。如此，位置单元214可包括一个或多个传感器和/或接收器，其根据一种或多种特定定位技术来配置。

在示例实施例中，位置单元214可允许资产200向其它系统和/或设备(例如，分析平台108)提供指示资产200的位置的位置数据，该位置数据可采用GPS坐标的形式以及其它形式。在一些实现中，资产200可连续地、周期性地、基于触发器或以某种其它方式向其它系统提供位置数据。此外，资产200可独立于或连同其它资产相关数据(例如，连同操作数据)提供位置数据。

本地分析设备220可通常被配置成接收和分析与资产200相关的数据，并且基于这样的分析可致使一个或多个操作发生在资产200处。例如，本地分析设备220可接收针对资产200的操作数据(例如，由传感器204和/或致动器205生成的数据)并且基于此类数据可向中央处理单元206、传感器204、和/或致动器205提供致使资产200执行操作的指令。在另一示例中，本地分析设备200可从位置单元214接收位置数据并且基于此种数据，可修改它如何处置针对该资产200的预测模型和/或工作流。其它示例分析和相应的操作也是可能的。

为了促进这些操作中的一些操作，本地分析设备220可包括被配置成将该本地分析设备220耦合到资产的板上(on-board)系统中的一者或多者的一个或多个资产接口。例如，如图2所示，本地分析设备220可具有到资产的中央处理单元206的接口，其可使得本地分析设备220能够从中央处理单元206接收数据(例如，由传感器204和/或致动器205生成且发送给中央处理单元206的操作数据，或者由位置单元214生成的位置数据)并随后向中央处理单元206提供指令。以此方式，本地分析设备220可经由中央处理单元206间接地与资产200的其他板上系统(例如，传感器204和/或致动器205)对接并从资产200的其他板上系统接收数据。附加地或替代地，如图2所示，本地分析设备200可具有到一个或多个传感器204和/或致动器205的接口，其可使得本地分析设备220能够与传感器204和/或致动器205直接地通信。本地分析设备220也可按其他方式与资产200的板上系统对接，包括图2中所解说的接口由未示出的一个或多个中间系统促进的可能性。

在实践中，本地分析设备220可使得资产200能够在本地执行高级分析及相关联的操作(诸如执行预测模型及对应的工作流)，其可能不能够以其他方式利用其他资产上组件来被执行。由此，本地分析设备220可帮助向资产200提供附加处理能力和/或智能。

应当理解，本地分析设备220还可被配置成致使资产200执行与预测模型不相关的操作。例如，本地分析设备220可从远程源(诸如分析平台108或输出系统110)接收数据，并且基于所接收的数据致使资产200执行一个或多个操作。一个特定示例可涉及本地分析设备220从远程源接收针对资产200的固件更新，并接着致使资产200更新其固件。另一特定示例可涉及本地分析设备220从远程源接收诊断指令，并接着根据所接收的指令致使资产200执行本地诊断工具。许多其他示例也是可能的。

如图所示，除了以上所讨论的一个或多个资产接口之外，本地分析设备220还可包括处理单元222、数据存储224和网络接口226，所有这些可通过系统总线、网络、或其他连接机制来被通信地链接。处理单元222可包括以上关于中央处理单元206所讨论的任何组件。进而，数据存储224可以是或者包括一个或多个非瞬态计算机可读存储介质，其可采取以上所讨论的计算机可读存储介质的任何形式。

处理单元222可被配置成储存、访问和执行被储存在数据存储224中的计算机可读程序指令以执行本文中所描述的本地分析设备的操作。例如，处理单元222可被配置成接收由传感器204和/或致动器205生成的相应传感器和/或致动器信号，并且可基于此类信号来执行预测模型和相应的工作流。下面描述其他功能。

网络接口226可以与以上所描述的网络接口相同或类似。在实践中，网络接口226可促进本地分析设备220和分析平台108之间的通信。

在一些示例实现中，本地分析设备220可包括并且/或者与可类似于用户接口212的用户接口通信。实践中，用户接口可位于本地分析设备220(和资产200)的远程。其他示例也是可能的。

尽管图2示出了本地分析设备220经由一个或多个资产接口物理地且通信地耦合到其相关联的资产(例如，资产200)，但是还应当理解，该情形可能并非总是如此。例如，在一些实现中，本地分析设备220可以不物理地耦合到其相关联的资产，而是改为可位于资产200的远程。在这样的实现的示例中，本地分析设备220可被无线地、通信地耦合到资产200。其他布置及配置也是可能的。

关于本地分析设备的配置和操作的更多细节请参见通过引用整体纳入本文的美国专利申请第14/963,207号。

本领域的普通技术人员将领会，图2所示的资产200仅仅是资产的简化表示的一个示例，并且许多其他示例也是可能的。例如，其他资产可包括未图示的附加组件和/或更多或更少的图示出的组件。而且，给定资产可包括被一致操作的多个个体资产以执行该给定资产的操作。其他示例也是可能的。

III.示例平台

现在转到图4，描绘了示例分析平台400的简化框图。如以上所建议的，分析平台400可包括被通信地链接且被布置成执行本文中所描述的各种操作的一个或多个计算系统。例如，如图所示，分析平台400可包括数据采集系统402、数据分析系统404、以及一个或多个数据库406。这些系统组件可经由可以被配置成促进安全通信的一个或多个无线和/或有线连接来被通信地耦合。此外，这些组件中的两个或更多个组件可整体或部分地被集成在一起。

数据采集系统402可通常用于接收数据并接着摄取所接收的数据的至少一部分以用于输出到数据分析系统404。由此，数据采集系统402可包括一个或多个网络接口，其被配置成从网络配置100的各种网络组件(诸如资产102和104、输出系统110、数据源112和/或一个或多个中间系统)接收数据。具体而言，数据采集系统402可被配置成接收模拟信号、数据流、和/或网络分组等其他示例。由此，网络接口可包括一个或多个有线网络接口(诸如端口等等)、和/或无线网络接口(类似于以上所描述的那些无线网络接口)。在一些示例中，数据采集系统402可以是或者包括根据给定数据流技术配置的组件，诸如NiFi接收器等等。

数据采集系统402可包括被配置成执行一个或多个操作的一个或多个处理组件。示例操作可包括压缩和/或解压缩、加密和/或解密、模数转换和/或数模转换、放大、格式化和打包等其他操作。而且，数据采集系统402可被配置成根据一个或多个采集参数来过滤、解析、分类、组织、路由、和/或储存数据。例如，数据采集系统402可根据定义要从资产采集的特定的一组数据变量(例如，要被摄取的特定的一组资产传感器/致动器读数)的采集参数来操作。作为另一示例，数据采集系统402可根据定义要以此从资产采集数据的速率(例如，采样频率)的采集参数来操作。作为又一个示例，数据采集系统402可根据定义从资产摄取的数据的存储位置的采集参数来操作。数据采集系统402也可根据其他采集参数来操作。

一般而言，由数据采集系统402接收的数据可采取各种形式。例如，数据的有效载荷可包括操作数据，诸如单个传感器或致动器测量、多个传感器和/或致动器测量、异常-条件数据和/或关于资产操作的其它数据。其他示例也是可能的。

而且，所接收的数据可包括与操作数据对应的其它数据，诸如源标识符和时间戳(例如，信息被获得的日期和/或时间)和/或定位数据。例如，唯一的标识符(例如，计算机生成的字母、数字、字母数字或类似标识符)可被指派给每个资产，并且可能被指派给每个传感器和致动器。此类标识符可操作用于识别数据源自的资产、传感器或致动器。此外，定位数据可表示资产位置(例如，以GPS坐标等的形式)，并且在某些情形中，该定位数据可对应于当某些信息被获得时(诸如操作数据)的资产位置。在实践中，与操作数据对应的其它数据可采用信号签名或元数据的形式，以及其它示例。

数据分析系统404可通常用于(例如，从数据采集系统402)接收和分析数据以及基于这样的分析致使一个或多个操作发生。如此，数据分析系统404可包括一个或多个网络接口408、处理单元410和数据存储器412，所有这些可通过系统总线、网络或其他连接机制来被通信地链接。在一些情形中，数据分析系统404可被配置成储存和/或访问促进执行本文中所公开的某些功能性的一个或多个应用程序接口(API)。

网络接口408可以与以上所描述的任何网络接口相同或类似。在实践中，网络接口408可促进数据分析系统404与诸如数据采集系统402、数据库406、资产102、输出系统110等之类的各种其他实体之间的(例如，带有某种安全级别的)通信。

处理单元410可包括一个或多个处理器，其可采取以上所描述的任何处理器形式。进而，数据存储412可以是或者包括一个或多个非瞬态计算机可读存储介质，其可采取以上所讨论的计算机可读存储介质的任何形式。处理单元410可被配置成储存、访问和执行被储存在数据存储412中的计算机可读程序指令以执行本文中所描述的分析平台的操作。

一般而言，处理单元410可被配置成对从数据采集系统402接收的数据执行分析。为此，处理单元410可被配置成执行一个或多个模块，该一个或多个模块可各自采取被储存在数据存储412中的一个或多个程序指令集的形式。这些模块可被配置成促进基于相应程序指令的执行而致使结果发生。来自给定模块的示例结果可包括将数据输出到另一模块、更新给定模块和/或另一模块的程序指令，以及将数据输出到网络接口408以供传输到资产和/或输出系统110等其他示例。

数据库406可通常用于(例如，从数据分析系统404)接收和储存数据。由此，每个数据库406可包括一个或多个非瞬态计算机可读存储介质，诸如以上所提供的任何示例。实践中，数据库406可以与数据存储412分开或者与数据存储412集成。

数据库406可被配置成储存多种类型的数据，其中的一些在下面讨论。实践中，被储存在数据库406中的数据中的一些可包括指示数据被生成或添加到数据库的日期和时间的时间戳。附加地或替代地，存储在数据库406中的一些数据可以包括用于各种资产的修复数据。存储在数据库406中的数据也可以采用各种其他形式。

而且，数据可按多种方式被储存在数据库406中。例如，数据可按时间序列、按列成表格的方式来被储存，并且/或者基于数据源类型(例如，基于资产、资产类型、传感器、传感器类型、致动器、致动器类型或资产位置)或异常-条件指示符等其他示例来被组织。数据库还可具有不同的存储特性，诸如不同级别的耐用期限、可访问性和/或可靠性。数据库类型的代表性示例可包括时间序列数据库、文档数据库、关系数据库、和图形数据库等等。

应理解，分析平台400可以采用其他形式并且还包括其他系统和/或组件。例如，分析平台400可包括确定和/或跟踪资产位置的系统。其他示例也是可能的。

IV.示例操作

现在将在下面进一步详细讨论图1中所描绘的示例网络配置100的操作。为了帮助描述这些操作中的一些操作，可参考流程图来描述可被执行的操作的组合。在一些情形中，每个框可表示程序代码的模块或部分，该程序代码包括能由处理器执行以实现过程中的特定逻辑功能或步骤的指令。程序代码可被储存在任何类型的计算机可读介质上，诸如非瞬态计算机可读介质。在其他情形中，每个框可表示被布线以执行过程中的特定逻辑功能或步骤的电路系统。而且，流程图中所示的各框可基于特定实施例而被重新排列成不同的顺序、被组合成更少的框、被分成附加的框、和/或被移除。

以下描述可参考其中单个数据源(诸如资产200)向分析平台400提供接着执行一个或多个功能的数据的示例。应当理解，这仅仅是为了清楚和解释而完成的，而并不意味着限制。在实践中，分析平台400通常可能同时从多个源接收数据，并且基于如此汇总的接收到的数据来执行操作。

A.操作数据集合

如以上所提及的，代表性资产102和104中的每一者可采取各种形式并且可被配置成执行多个操作。在非限制性示例中，资产102可采取可操作以跨美国转运货物的机车的形式。在运送期间，资产102的传感器和/或致动器可获得反映资产102的一个或多个操作条件的数据。传感器和/或致动器可将该数据传送到资产102的处理单元。

处理单元可被配置成从传感器和/或致动器接收数据。实践中，处理单元可同时或顺序地接收来自多个传感器的传感器数据和/或来自多个致动器的致动器数据。如以上所讨论，在接收该数据的同时，处理单元还可被配置成确定该数据是否满足触发任何异常条件指示符(诸如故障码)的触发标准。在处理单元确定一个或多个异常条件指示符被触发的事件中，处理单元可被配置成执行一个或多个本地操作，诸如经由用户接口输出所触发的指示符的指示。

资产102可接着经由资产102的网络接口和通信网络106将操作数据传送到分析平台108。在操作中，资产102可连续地、周期性地、和/或响应于触发事件(例如，异常条件)来向分析平台108传送操作数据。具体而言，资产102可基于特定频率(例如，每天、每小时、每十五分钟、每分钟一次、每秒一次等)来周期性地传送操作数据，或者资产102可被配置成传送操作数据的连续的实时反馈。附加地或替代地，资产102可被配置成基于某些触发来传送操作数据，诸如当传感器和/或致动器测量满足针对任何异常条件指示符的触发标准时。资产102也可按其他方式传送操作数据。

在实践中，资产102的操作数据可包括传感器数据、致动器数据、异常-条件数据、和/或其他资产事件数据(例如，指示资产关机、重启等的数据)。在一些实现中，资产102可被配置成在单个数据流中提供操作数据，而在其他实现中，资产102可被配置成在多个不同的数据流中提供操作数据。例如，资产102可向分析系统108提供传感器和/或致动器数据的第一数据流以及异常-条件数据的第二数据流。作为另一示例，资产102可向分析系统108提供用于资产102上的每个相应传感器和/或致动器的分开的数据流。其他可能性同样存在。

传感器和致动器数据可采取各种形式。例如，有时，传感器数据(或致动器数据)可包括由资产102的传感器(或致动器)中的每一者获得的测量。而在其他时间，传感器数据(或致动器数据)可包括由资产102的传感器(或致动器)的子集获得的测量。

具体而言，传感器和/或致动器数据可包括由与给定的所触发的异常-条件指示符相关联的传感器和/或致动器获得的测量。例如，如果触发的故障码是图3中的故障码1，则传感器数据可以包括由传感器A和传感器C获得的原始测量。附加地或替代地，该数据可包括由不直接与所触发的故障码相关联的一个或多个传感器或致动器获得的测量。继续上一个示例，该数据可附加地包括由致动器B和/或其他传感器或致动器获得的测量。在一些示例中，资产102可基于由分析系统108提供的故障码规则或指令而在操作数据中包括特定传感器数据，该分析系统108可能已例如首先确定了在致动器B正在测量的事物和造成了故障码1被触发的事物之间存在关联。其他示例也是可能的。

更进一步，该数据可基于感兴趣的特定时间而包括来自感兴趣的每个传感器和/或致动器的一个或多个传感器和/或致动器测量，该感兴趣的特定时间可基于多个因素来选择。在一些示例中，该感兴趣的特定时间可以基于采样率。在其他示例中，该感兴趣的特定时间可以基于异常条件指示符被触发的时间。

具体而言，基于异常条件指示符被触发的时间，该数据可包括来自感兴趣的每个传感器和/或致动器(例如，与所触发的指示符直接或间接地相关联的传感器和/或致动器)的一个或多个相应的传感器和/或致动器测量。该一个或多个测量可基于大约在所触发的异常条件指示符的时间的特定数量的测量或特定持续时间。

例如，如果被触发的故障码是来自图3的故障码2，则感兴趣的传感器和致动器可包括致动器B和传感器C。该一个或多个测量可包括在故障码的触发(例如，触发测量)之前由致动器B和传感器C获得的最新近的相应测量或在该触发测量之前、之后或附近的相应的一组测量。例如，一组五个测量可包括在触发测量之前或之后(例如，不包括该触发测量)的五个测量、在触发测量之前或之后的四个测量和该触发测量、或之前的两个测量和之后的两个测量以及该触发测量，等其他可能性。

类似于传感器和致动器数据，异常-条件数据可采取各种形式。一般而言，异常条件数据可包括或采取指示符的形式，该指示符可操作以从可能在资产102处发生的所有其他异常条件中唯一地识别在该资产102处发生了的特定异常条件。异常条件指示符可采取字母、数字或字母数字标识符等其他示例的形式。而且，异常-条件指示符可采取描述异常条件的字的字符串的形式，诸如“过热发动机”或“燃料不足”等其他示例。

分析平台108且尤其是分析平台108的数据采集系统可被配置成从一个或多个资产和/或数据源接收操作数据。数据采集系统可被配置成采集所接收的数据的至少一部分、对所接收的数据执行一个或多个操作，并接着将该数据中继到分析平台108的数据分析系统。进而，数据分析系统可分析所接收的数据并基于这样的分析执行一个或多个操作。

B.生成修复资产的推荐

作为一个示例，分析平台108可以被配置为生成用于修复给定资产的推荐。通常，生成用于修复给定资产的推荐可以涉及维持条件的层级并将其应用于从给定资产(注入资产102)接收的操作数据的分析平台108。

图5是流程图500，其总体上描绘了分析关于给定资产的操作数据的条件层级以便为给定资产提供修复推荐的一个可能示例。出于说明的目的，分析关于给定资产的操作数据的条件层级的示例过程被描述为由分析平台108执行，但是该示例过程同样可以由其他设备和/或系统执行。例如，如果资产包括诸如上述的本地分析设备，那么这样的资产也可以被配置为单独地或与分析平台108组合地执行该过程。本领域的普通技术人员还将领会，流程图500是为了清楚和解释起见而被提供的，并且操作的许多其他组合可用于确定用于修复给定资产的推荐。

如图5所示，在框502中，分析平台108可以维持条件的层级，每个条件的层级对应于用于基于操作数据修复资产(例如，给定子系统)的给定方面的推荐。在框504中，分析平台108可以接收与给定资产相关的针对该给定资产的操作数据(例如，传感器/致动器数据、异常条件数据等)。在框506中，分析平台108可以分析层级的条件以确定层级中的哪一个或多个条件(如果有的话)由针对给定资产的操作数据满足。进而，在步骤508，分析平台108可以检查是否已经满足层级的多于一个条件，并且因此是否已识别出修复推荐。如果是，则分析平台108可以前进到框510并选择具有最高精度级别的识别推荐(例如，最精细化推荐)。替代地，如果仅满足一个条件，则分析平台108可以简单地选择对应于该一个条件的一个推荐。最后，分析平台108可以前进到框512并且使得所选择的推荐由计算设备输出。现在将在下面进一步详细描述这些功能。

从框502开始，分析平台108可以维持条件的层级，每个条件的层级对应于用于基于操作数据修复资产(例如，给定子系统)的给定方面的推荐。在实践中，给定的层级可以包括对应于至少两个级别的推荐的条件，这些推荐具有用于修复相同的一般资产相关问题(即，故障或资产故障)的不同精度级别。

例如，根据一个示例实施例，层级可以包括至少(1)对应于具有第一精度级别的第一修复推荐的第一条件、以及(2)对应于具有第二精度级别的第二修复推荐的第二条件，其中第一精度级别和第二精度级别不同(例如，第一精度级别可以高于第二精度级别，在这种情况下，第一推荐可以比第二推荐更精细)。另外，层级可以包括一个或多个其他条件，每个其他条件可以对应于具有第一精度级别、第二精度级别或一些其他精度级别的修复推荐。在这方面，层级的给定精度级别可能比条件多，从而不止一个修复选项。(还应该理解，虽然术语“第一”和“第二”在此用于描述层级的级别，但这并不一定意味着这些级别在层级内连续存在，并且可能有一个或多个中间级别存在于第一级别和第二级别之间)。

在示例实现中，层级的每个条件可以基于预定义规则、预测模型或它们的某种组合。例如，在一个实施例中，第一条件可以基于预定义规则，第二条件可以基于预测模型(或者反过来)。其他实施例也是可能的。

层级中的修复推荐级别之间的不同精度级别可以采用各种形式。作为一个说明性示例，具有更高精度级别的修复推荐可以是修复子系统的给定资产处的特定部件(例如，诸如螺钉、气缸孔等之类的特定机械部件)，而具有较低精度级别的修理推荐可以更一般地修复子系统(例如，发动机)。层级中也可能存在两个以上的精度级别，其中每个中间精度级别的(多个)推荐不如较高精度级别精确，且比较低级别更精确。(出于本说明书的目的，较高精度级别通常旨在表示更精确/精细的推荐，而较低精度级别通常旨在表示较不精确/不精细的推荐。然而，其它技术也是可能的)

此外，如上所述，层级的给定精度级别可以包括一组不同的条件/推荐。例如，层级的给定级别可以包括对应于具有相同精度级别的各个不同推荐的一组不同条件，诸如与给定资产的特定机械部件(例如，气缸孔、油底壳、进气过滤器等)或与给定资产的不同子系统(即发动机缸体、发动机油系统、进气系统)相关的推荐。上述示例并不意味着限制，并且本文构想了对应于层级的各个级别的推荐之间的精度差异可以在任何程度上变化，并且这样的推荐可以包含给定资产或资产组的任何部分。

可以用作层级的至少一个条件的基础的(多个)上述预定义规则可以采用多种形式。在一个实现中，例如，给定的预定义规则可以是基于异常条件数据(例如，故障码)和传感器数据中的一个或两个的一组标准来定义的规则，并且当该规则被满足时，触发用于修复资产的推荐。也就是说，给定的预定义规则可以被配置为基于一个或多个异常条件指示符和/或一个或多个传感器测量条件的存在来输出修复推荐。在另一实现中，预定义规则可以包括多个预定义规则，每个预定义规则基于异常条件数据和传感器数据中的一个或两个的相应标准集来定义。也可以使用预定义规则的其他示例。

在示例中，预定义规则可以由用户(例如，本领域的专家)和/或由计算设备以及其他可能性来定义。此外，预定义规则可以存储在分析平台的数据存储(例如，(多个)数据库406和/或数据存储412)中和/或存储在某个其他存储位置。

此外，可以形成层级的至少一个条件的基础的(多个)预测模型通常可以被配置为基于针对资产的操作数据预测需要和/或未来即将需要给定修复的可能性。分析平台108可以维持定义数据存储中的(多个)预测模型的数据。定义可以形成层级的一个或多个条件的基础的(多个)预测模型的过程将在下面参考图9进一步详述。

在框504中，在维持层级的同时，分析平台108可以接收反映给定资产(诸如代表性资产102)的当前操作条件的数据。特别地，作为示例，分析平台108接收的操作数据可以包括传感器数据、致动器数据和/或异常条件数据。

在框506中，分析平台108可以分析层级的条件以确定哪一个条件(如果有的话)由针对给定资产的操作数据满足。根据一个实现，分析平台108可以并行地分析层级的条件，以确定满足哪些条件由针对给定资产的操作数据满足。在另一实现中，分析平台108可以逐个条件地或者按分批地按顺序分析层级的条件(例如，首先是对应于具有第一精度等级的推荐的任何条件，然后是对应于具有第二精度等级的推荐的任何条件，等等)。在又一实现中，分析平台108可以基于操作数据的性质对要评估的条件进行初步选择。分析平台108也可按其他方式来分析层级的条件。

确定层级的给定条件是否由针对给定资产的操作数据满足的功能也可以采用各种形式。根据上面的讨论，层级的至少一个条件可以基于预定义规则，在这种情况下，确定这样的条件是否被满足通常可以涉及确定预定义规则是否已经以足够的置信级别被满足。

图6描绘了分析基于预定义规则的层级的条件的一个可能示例。在框602中，分析平台108可以基于用于提供修复推荐的预定义规则来确定所接收的针对资产102的操作数据是否满足至少一个条件。

在一个实现中，在框602中对预定义规则被满足的肯定确定还意味着也满足了基于预定义规则的层级条件。在这样的实现中，图6中描绘的过程可以直接从框602前进到框608，从而使分析平台108识别对应于所满足的条件的推荐。

在另一实现中，在框602中对至少一个预定义规则被满足的肯定确定可以使分析平台108执行附加功能，以便确定基于预定义规则的条件是否被满足。例如，如图6所示，预定义规则被满足的确定可以使分析平台108前进到框604并确定与预定义规则的满足相关联的置信级别。通常，置信级别可以是指示在确定中的置信度(或“可信度”)的指标(例如，0-100的数字或百分比值)，该确定是：由于预定义规则被满足，因此用于修复资产102的第一推荐将被识别。该置信级别可采取各种形式。

根据一个实施例，置信级别可以是与预定义规则及其对应的推荐预先关联的单个固定值。例如，预定义规则的置信度可以由计算系统(诸如分析平台108)基于历史修复数据和/或用户输入来确定。

可以实现的一种方式是使计算系统以电子方式向用户(例如，该领域的专家)呈现问卷，这使得计算系统能够收集关于与预定义规则相关联的置信级别的信息。例如，这样的问卷可以呈现满足预定义规则的一组操作数据，并且要求用户决定在该场景中是否需要给定修复(例如，用户是否同意或不同意修复推荐)。所呈现的问卷可以使用户能够以二进制方式(例如，是/否，同意/不同意等)，在李克特(Likert)式量表上，通过分配对应于其确定性的百分比值(例如，60％确定为需要修复，20％可能是特定维修推荐将会解决问题等)，以文本的结构化或非结构化格式，或以其他方式输入他或她的响应。

然后，计算系统(例如，分析平台108)可以处理对问卷的响应，以便确定与预定义规则及其对应的修复推荐相关联的置信级别。例如，该处理可以包括按场景对响应数据进行分组，并将响应数据输入基于计算机的算法，以输出预定义规则的置信级别。另外，处理可以涉及加权响应数据。例如，具有多年现场经验的用户的响应可以比具有相对较少年经验的用户的响应提供更大的权重(即，更显著地影响总体置信级别)。用于确定置信级别的响应数据的处理也可以采用其他形式。

根据另一实施例，置信级别可以基于诸如对预定义规则的输入之类的标准而变化。例如，随着输入到规则的异常条件指示符的数量增加和/或传感器测量值超过规则的标准的量增加，与预定义规则相关联的置信级别也可能增加。其他示例也是可能的。

在这样的实施例中，置信级别的确定还可以考虑其他因素，诸如所感知的传感器数据的可靠性。也就是说，分析平台108可以感知到某些传感器数据可能由于诸如传感器类型、资产在其中操作的天气条件等因素而更少或更可靠。例如，如果确定给定资产在关联环境中操作并且分析平台108已知一个或多个特定传感器类型以在极端寒冷条件下输出错误读数，则至少部分基于这些传感器类型中的一个或多个的预定义规则得到满足的置信级别可能相对地低于确定为在温带气候中操作的资产的置信级别。在另一个示例中，分析平台108可以意识到某些传感器类型(即，品牌、型号)固有地不可靠(即易于出错)并且可以相应地改变与预定义规则的满足相关的置信级别。其它示例是可能的。

在实践中，可以使分析平台108通过分析与所接收的操作数据对应的元数据来了解可能影响传感器数据的可靠性的传感器类型和其他条件(例如，天气、资产类型、资产年龄)。然后，分析平台108可以将元数据分析的结果与可以存储在数据存储中的传感器可靠性数据进行比较，以确定是否应该对置信级别进行任何调整。还可以提供其他方法和配置。

此外，分析平台108可以基于用户反馈动态地改变预定义规则的置信级别。例如，在由预定义规则触发修复推荐之后，用户可以经由诸如输出系统110之类的输出系统向分析平台108提供反馈，该反馈指示关于他们是否同意或不同意修复推荐的意见。在一些示例中，这样的反馈可以采取二进制值(例如，是，否)或百分比级别(例如，70％对推荐有信心)的形式，并且可以基于例如解决资产相关问题的所输出的修复推荐的成功以及其他可能性。在接收到这样的反馈时，分析平台108可以识别反馈所针对的预定义规则，并相应地调整与经识别的预定义规则相对应的置信级别。

在框606中，分析平台108可将所确定的与预定义规则的满足相关联的置信级别与置信级别阈值进行比较，从而确定置信级别是否超过置信级别阈值。

在框606中表示的置信级别阈值实质上是用作守门者(gatekeeper)的数值，以防止输出不必要和/或不可能导致资产相关问题得到解决的推荐。在一些示例中，置信级别阈值可以是由用户、分析系统108和/或基于各种考虑因素的一些其他计算机系统定义的值。

如果分析平台108在框606中确定与预定义规则的满足相关联的置信级别超过置信级别阈值，并且因此满足基于预定义规则的层级条件，则分析平台108可以前进至框608并识别对应于该条件的推荐。或者，如果分析平台108在框610中确定与预定义规则的满足相关联的置信级别未超过置信级别阈值，则且因此不满足条件，则分析平台108可以结束图6中描绘的分析或者继续基于预定义规则和/或预测模型分析层级的剩余条件。

虽然上面的讨论集中于给定条件基于单个预定义规则的实现，但是也可以存在另一种实现，其中给定条件基于多个预定义规则。在这样的实现中，框602中的确定可以采取以下形式：确定操作数据满足多个预定义规则中的任何一个、确定操作数据满足多个预定义规则中的某个阈值数量、或者确定操作数据满足所有多个预定义规则。类似地，框606中的确定可以采取以下形式：确定与多个预定义规则中的任何一个相关联的置信级别超过置信级别阈值、确定与多个预定义规则中的某个阈值数量相关联的置信级别超过置信级别阈值、或者确定与所有多个预定义规则相关联的置信级别超过置信级别阈值。在这方面，用于多个预定义规则中的每一个置信级别阈值可以是相同的，或者可以基于基础预定义规则(即，各个预定义规则独有的置信级别阈值)而变化。

图7描绘了可以形成用于层级的第一条件的基础的多个预定义规则和相关联的置信级别的概念图示。如图所示，表700包括分别对应于推荐和置信级别的列702和704，以及分别对应于预定义规则1、规则2和规则3的行706、708和710。列和行交叉处的条目指定与每个预定义规则对应的推荐和置信级别。现在将使用图7来进一步解释上面参考图6描述的示例过程。

如图7所示，在行706-710中识别的预定义规则可以触发用于修复在列702中识别的资产的对应推荐。例如，预定义规则1(706)可以触发推荐A(例如，修理发动机螺杆)，而预定义规则2和3(708、710)可以触发推荐B(例如，修理发动机火花塞)。此外，预定义规则可以与列704的置信级别相关联。例如，预定义规则2和3都具有固定的置信级别，而预定义规则1(706)具有可变置信级别(25％或75％)，其取决于对规则的输入。如上所述，可以以各种方式确定这些置信级别。

出于说明的目的，以下示例假设与推荐A对应的预定义规则1(706)需要图3中传感器故障码1(308)和3(312)的存在被满足。也就是说，当接收的传感器A(302)值大于135RPM、接收的执行器B值大于750V且接收的传感器C值大于65℃时，预定义规则1(706)可以被满足。这样，接收的传感器值勉强超过阈值传感器值(即传感器A＝136RPM，执行器B＝76V，传感器C＝66℃)可以最小程度地满足预定义规则1，或者当接收的传感器值中的一个或多个增加时(即传感器A＝180RPM，执行器B＝800V传感器C＝80℃)，可以更大程度地满足。在这样的示例中，分析平台108可以考虑预定义规则1被满足的程度以确定相关联的置信级别。例如，当预定义规则1(706)被最小程度地满足时，分析平台108可以选择较低的置信级别(25％)，而当预定义规则1(706)被较大程度地满足时，分析平台108可以选择较高的置信级别(75％)。前面的示例不旨在限制，因为置信级别可以基于各种标准而变化。

如上所述，在一个实现中，分析平台108可以使用预定义规则的置信级别来确定是否输出规则的修复推荐。例如，如果确定预定义规则3(710)以85％的相关置信级别被满足并且置信级别阈值是80％，则分析平台108可以确定已经置信级别阈值被超过并且因此输出推荐B的指示。另一方面，如果确定预定义规则2(708)以75％的相关置信级别被满足并且置信级别阈值是80％，则分析平台108可以确定尚未超过置信级别阈值并且不输出推荐B的指示。

再次参考图5，层级的至少一个其他条件可以基于预测模型，在这种情况下，确定是否这样的条件是否被满足通常涉及确定预测模型的输出是否满足给定的置信级别阈值。

图8描绘了分析基于预测模型的层级的给定条件的一个可能示例。通常，预测模型可以被配置为基于针对资产的操作数据来预测需要和/或未来将需要给定修复的可能性。

在框802中，分析平台108可以通过将针对资产102的操作数据输入到预测模型中来执行预测模型。反过来，在框804中，预测模型可以使分析平台108确定并输出在资产102中需要和/或未来即将需要给定修复的可能性的指示符(例如，0-1之间的概率值)。

在框806中，分析平台108可以确定输出的可能性指示符是否超过置信级别阈值。与先前提到的置信级别阈值一样，该置信级别阈值可以是概率值(例如，0-1之间的值)，其定义了要由分析平台108识别的修复推荐的可能性级别。而且，与先前提到的置信级别阈值一样，该置信级别阈值可以是由计算设备或用户定义的固定值或可变值。

如果分析平台108在框806中确定输出的可能性指示符超过置信级别阈值，则分析平台108然后可以前进至框808并识别对应于给定条件的推荐。或者，如果分析平台108确定输出的可能性指示符没有超过置信级别阈值，则分析平台108可以结束对给定条件的分析。

根据上面的讨论，条件的层级可以包括多个条件，每个条件基于相应的预测模型，在这种情况下，分析平台108可以针对每个这样的条件执行该分析。

在一些实现中，条件还可以基于预测模型，该预测模型能够计算多个不同修复选项(其可以具有相同的精度级别或不同的精度级别)的相应的可能性值。在这样的实现中，分析平台对条件的分析可另外涉及识别具有最高可能性值的修复选项。

再次回到图5，在数据分析系统108在框506中分析了层级的条件之后，分析平台108可以前进到框508以检查是否已经满足层级的一个以上的条件，并由此检查是否已经识别出更多的修复推荐。如果是，则分析平台108然后可以前进到框510以选择输出哪个推荐。(或者，如果分析平台108确定仅一个条件被满足并且因此仅识别出一个推荐，则分析平台108可跳过框510)。

根据本公开，分析平台108将优选地配置为从经识别的多个一个的推荐中选择具有最高精度级别的推荐(例如，最精细推荐)。例如，如果分析平台108识别针对子系统的特定方面(例如，螺钉)的第一推荐和更一般地针对子系统的第二推荐(例如，发动机)，则分析平台108可以被配置为选择第一个推荐，因为它相对于第二个推荐具有更高级别的精度。各种其他示例是可能的。

还应当理解，在一些情况下，分析平台的分析可以导致识别具有相同精度级别的两个或更多个不同推荐，其可以被识别为所识别推荐的最高精度级别。在这种情况下，分析平台在框510中对推荐的选择可另外涉及在具有相同精度级别的两个推荐之间进行选择。根据一个实施方式，分析平台108可以被配置为基于一组一个或多个“打破平局(tie-breaker)”规则来执行该选择，该规则可以采用各种形式。

在一个实例中，“打破平局”规则可以基于经识别的推荐对应的条件的类型，并且特别地，条件是否基于预定义规则、预测模型等。例如，这种“打破平局”规则可以指定：针对具有相同精度级别的推荐，基于预测模型的条件所对应的推荐优先于基于预定义规则的条件所对应的推荐。

在另一实例中，“打破平局”规则可以基于与基于预定义规则的条件对应的经识别的推荐相关的置信级别(参见框604)和/或与基于预测模型的条件相关联的输出可能性(参见框808)。例如，这种“打破平局”规则可以指定：针对具有相同精度级别的推荐，与最高置信级别/输出的可能性值对应的推荐优先。

“打破平局”规则也可以采用各种其他形式，包括两种或更多种不同类型的“打破平局”规则可以组合在一起的可能性。

在另一实现中，代替在每个具有最高精度级别的两个或更多个识别的推荐之间进行选择，分析系统108可以被配置为选择所有这样的推荐用于输出。

在选择推荐之后，分析系统108可以前进至框512并且使得所选择的修复推荐被输出到计算设备。使得修复推荐被输出的这种功能可以采用各种形式。在一个实现中，分析平台可以将用于修复资产的推荐输出到输出系统110，并且这进而可以使输出系统110输出关于用于修复相应资产的推荐的各种信息。这种输出信息可以采用视觉或听觉输出的形式。例如，输出的信息可以包括所需修复的标识，并且可能还包括执行修复的指令，以及其他可能性。

在另一实现中，分析平台可以将用于修复资产的推荐输出到输出系统110，并且这进而可以使输出系统110执行一个或多个动作以促进修复资产，诸如自动订购修复推荐所需的部件和/或自动调度时间、商店位置和/或技术人员以执行与推荐相对应的修复。触发的动作的其他示例是可能的。

现在转到图9，示出了流程图，其描绘了定义预测模型的一个可能示例，该预测模型用于输出在资产中需要或可能需要给定修理的可能性的指示符。出于说明目的，定义预测模型的过程被描述为由分析平台108执行，但是该预测模型也可由其他系统执行。本领域普通技术人员将理解，提供流程图900是为了明确和解释，并且可以利用许多其他组合来定义可以预测需要或即将需要给定修复的可能性的模型。

如图9所示，在框902中，分析平台108可以通过在第二条件被满足时识别要推荐的给定修复来开始。在实践中，可以利用给定的修复来解决各种与资产相关的问题，诸如错误、故障和非最佳操作，以及其他可能性。分析平台108进而可以定义用于预测需要和/或未来即将需要给定修复的可能性的模型。

具体而言，在框904中，分析平台108可分析一个或多个资产的组的历史修复数据以识别给定修复的过去发生。在框906中，分析平台108可识别与给定故障的每个识别出的过去发生相关联的对应的一组操作数据(例如，来自给定故障的发生之前的给定时间帧的传感器和/或执行器数据)。

在框908中，分析平台108接着可以分析与给定修复的过去发生相关联的经识别的历史操作数据集，以定义(1)给定的一组操作数据参数的值(例如，异常条件指示符和/或传感器值)与(2)当前和/或在未来的时间帧内需要给定修复的可能性之间的关系。该关系可以存储为给定修复的预测模型。

随着分析平台108继续接收一个或多个资产的组的历史修复和操作数据，分析平台108还可以通过重复框904-908来继续细化给定修复的预测模型。

现在将更详细地描述图9中的示例定义阶段的功能。从框902开始，如上所述，分析平台108可以通过在足第二条件被满足时识别要推荐的给定修复来开始。分析平台108可按各种方式执行该功能。

在一个实现中，可以基于用户输入来识别给定修复。例如，分析平台108可以从由用户操作的计算设备(诸如输出系统108)接收指示对给定修复进行用户选择的输入数据。

在另一实现中，可以基于分析平台108做出的确定来识别给定修复。例如，分析平台108可以被配置为基于关于被定义的特定层级的信息、系统中的特定类型的资产等来识别给定修复。作为另一个示例，分析平台108可以被配置为根据历史修复数据识别给定修复。其他示例也是可能的。

在另一实现中，可以基于用户输入与由分析平台108做出的确定的组合来识别给定修复。其他实施方式也是有可能的。

在框904中，分析平台108可分析针对一个或多个资产的组的历史修复数据以识别给定修复的过去发生。一个或多个资产的组可包括单个资产(诸如资产102)或相同或相似类型的多个资产(诸如一批资产)。分析平台108可分析特定量的历史修复数据，诸如相当于一定量的时间的数据(例如，相当于一个月)或一定数量的数据点(例如，最近的一千个数据点)等其他示例。在实践中，分析平台108可以在历史修复数据中搜索表示给定修复的指示符，诸如给定修复的修复码或文本描述。对于位于历史修复数据中的给定修复的每次出现，分析平台108可以记录该事件的识别信息，诸如进行了修复的给定资产、进行修复的时间等。

在框906中，分析平台108可识别与给定修复的每个识别出的过去发生相关联的一组相应的操作数据。具体而言，分析平台108可以在给定修复的给定发生的时间周围的特定时间帧中识别一组历史操作数据(例如，异常条件数据和/或传感器数据)。例如，该组数据可来自于给定修复的给定发生之前、之后或附近的特定时间帧(例如，两周)。在其他情形中，该组数据可以从修复的给定发生之前、之后或附近的一定数量的数据点中被识别。其他示例也是可能的。此外，在实践中，分析平台108可以在经识别的时间帧中识别资产102的所有历史操作数据，或者可以在经识别的时间帧中获得针对资产102的历史操作数据的子集(例如，仅异常条件数据和/或与给定修复相关的传感器数据)。

除了上述方法之外，分析平台108还可以通过利用美国专利申请第14/996,154号中描述的时间序列阵列的模式匹配方法来识别由连续信号数据和异步事件数据组成的一组相应的操作数据，该申请的全部内容通过引用并入本文。这些方法识别类似于所推荐的修复的操作数据的一个或多个历史时间序列数据阵列。然后，特定于历史修复的相关联事件数据(例如来自燃油样本结果的数据、由机器执行的系统测试的结果、修复中使用的部件)可用于过滤一个或多个历史时间序列数据阵列，以获得与所推荐的修复最相关的一个或多个经过滤的历史时间序列数据阵列。

在分析平台108识别出针对给定修复的给定发生的一组操作数据之后，分析平台108可确定是否存在一组操作数据应当被识别的任何剩余发生。在存在剩余发生的事件中，框906将针对每个剩余发生而被重复。

之后，在框908中，分析平台108可以分析与给定修复的过去发生相关联的经识别的历史操作数据集，以定义(1)给定的一组操作数据参数与(2)当前和/或在未来的给定时间帧内需要给定修复的可能性之间的关系。该定义的关系可以体现给定修复的预测模型。

实践中，该关系(并由该预测模型)可按多种方式来定义。在一些示例实现中，分析平台108可通过利用返回0和1之间的概率的一种或多种建模技术(诸如随机预测技术、逻辑回归技术或其他回归技术)来定义预测模型。其他示例也是可能的。

在特定示例中，定义预测模型可以涉及分析平台108实现美国专利申请第14/996,154号的本地化时间模型，如上所述，该申请的内容通过引用并入本文。与所推荐的修复最相关的经过滤的历史时间序列数据阵列用于训练时间序列预测模型，该模型然后生成对至少一个操作数据参数的一个或多个未来值的预测。预测的操作数据参数的未来值可以与0和1之间的概率相关联，该概率是在未来的时间帧内需要给定修复的概率。

在另一示例中，定义预测模型可涉及基于在框906中识别的历史操作数据来生成响应变量的分析平台108。具体而言，分析平台108可针对在特定时间点接收到的每组操作数据确定相关联的响应变量。由此，响应变量可采取与预测模型相关联的数据集的形式。

响应变量可指示给定的一组操作是否在框906中识别的任何时间帧内。换言之，响应变量可反映给定的一组操作数据是否来自有关修复的发生的感兴趣时间。响应变量可以是二元值响应变量，使得如果给定的一组操作数据在任何所确定的时间帧内，则相关联的响应变量被分配一的值，否则，则相关联的响应变量被分配零的值。

在基于响应变量定义预测模型的特定示例中，分析平台108接下来可利用框906中识别的历史操作数据和所生成的响应变量来训练预测模型。基于该训练过程，分析平台108然后可以定义预测模型，其接收各种操作数据作为输入，并输出需要将在与被用来生成响应变量的时间帧等同的时间帧内发生修复的0和1之间的概率。

在一些情形中，利用框906中识别的历史操作数据和所生成的响应变量进行训练可导致用于每个操作数据参数的变量重要性统计。给定变量重要性统计可以指示操作数据参数对需要或即将需要给定修复的概率的相对影响。

附加地或替代地，分析平台108可被配置成基于一种或多种生存分析技术(诸如Cox比例风险技术)来定义预测模型。虽然分析平台108可在某些方面类似于以上所讨论的建模技术来利用生存分析技术，但是分析平台108可确定指示从上一次故障到下一个预计事件的时间量的生存时间响应变量。下一个预计事件可以是操作数据的接收或者是修复的发生，以先发生者为准。该响应变量可包括与操作数据被接收的特定时间点中的每一者相关联的一对值。然后可以利用响应变量来确定需要或即将需要给定修复的概率。

在一些实现中，除了接收的操作数据之外，还可以基于其他数据来定义预测模型。例如，可以基于可从操作数据导出的特征来定义预测模型。此类特征的示例可包括历史上当需要修复时测得的传感器值的平均范围、历史上在需要的修复发生之前测得的传感器值梯度(例如，传感器测量中的变化率)的平均范围、修复间的持续时间(例如，在修复的第一次发生和修复的第二次发生之间的时间量或数据点的数量)、和/或指示故障发生附近的传感器测量的一个或多个模式。本领域的普通技术人员将领会，这些仅仅是可以从操作数据导出的几个示例特征，并且许多其他特征是可能的。

在另一示例中，预测模型可部分地基于诸如天气数据和/或“热箱”数据等其他数据之类的外部数据来被定义。例如，基于这样的数据，预测模型可以增加或减少需要修复的可能性。

在实践中，可以在与获取到操作数据的时间不一致的时间点处观察到外部数据。例如，“热箱”数据被收集的时间(例如，机车沿着配备有热箱传感器的铁路轨道的区段通过的时间)可以与操作数据时间不一致。在此类情形中，分析平台108可被配置成执行一个或多个操作以确定本该在对应于传感器测量时间的时间被观察到的外部数据观察。

具体而言，分析平台108可利用外部数据观察的时间和操作数据的时间来内插外部数据观察以产生对应于操作数据时间的时间的外部数据值。外部数据的内插可允许外部数据观察或从其导出的特征作为输入被包括到预测模型中。实践中，各种技术可被用来利用操作数据来内插外部数据，诸如最近邻内插、线性内插、多项式内插和样条内插等其他示例。

还应该理解，分析平台108可以重复框902-908来为多个不同修复选项中的每一个定义预测模型。如上所述，还可以定义能够输出多个不同修复选项的可能性值的预测模型。

现在转向图10，示出了另一示例过程，其可以用于替代上文参考图5所讨论的过程的替代实现。出于说明目的，该示例过程也被描述为由分析平台108执行，但是该示例过程也可以由其他设备和/或系统执行。例如，如果资产包括诸如上述的本地分析设备，那么这样的资产也可以被配置为单独地或与分析平台108组合地执行该过程。本领域的普通技术人员还将领会，流程图1000是为了清楚和解释起见而被提供的，并且操作的许多其他组合可用于确定修复给定资产的推荐。

如图10所示，在框1002中，分析平台108可以维持与用于基于操作数据修复资产的相应推荐相对应的条件的层级。在图10描绘的示例过程中，层级可以包括至少(1)基于预定义规则且对应于具有更高精度级别的第一修复推荐的第一条件，以及(2)基于预测模型且对应于具有较低精度级别的第二修复推荐的第二条件。然而，该示例层级也可以采用各种其他形式，包括：第一条件基于预测模型并且第二条件基于预定义规则的可能性、第一条件和第二条件都基于预定义规则的可能性、以及第一条件和第二条件都基于预测模型的可能性。

在框1004中，在维持层级的同时，分析平台108可以接收反映给定资产的当前操作条件的数据。

在框1006中，分析平台108可以利用所接收的操作数据来确定层级的第一条件是否被满足(例如，以类似于上文参考图6所讨论的方式)。如果分析平台108确定条件层级的第一条件被满足，则在框1008中，分析平台108可以使得具有更高精度级别的第一推荐的指示由输出系统110输出。

另一方面，如果分析平台108确定条件层级的第一条件未被满足，则该过程可以前进到框1010以确定层级的第二条件是否被满足(例如，以类似于上文中参考图8的方式的方式)。如果分析平台108在框1010中确定第二条件被满足，则在框1012中，分析平台108可以使得具有较低精度级别的第二推荐的指示由输出系统110输出。

如果第二条件也未被满足，则分析平台108然后可以按顺序通过层级的任何其他级别继续进行，直到(1)发现条件被满足或(2)层级的所有条件都未被满足。在其他实现中，分析平台108可以同时处理层级的条件或者按顺序处理批量条件。

参考图10，在一些实现中，分析平台108可以在识别用于输出的推荐之后终止示例过程。在其他实现中，即使在识别出用于以较高的层级级别输出的推荐之后，分析平台108也可以继续通过较低的层级级别进行。

在每个精度级别具有一个条件/推荐的示例层级的上下文中讨了论图10，但应该再次理解，层级可以对每个精度级别包括多个条件/推荐。例如，这样的层级可以包括(1)第一组条件，其中每个条件对应于具有第一精度级别的相应修复推荐；以及(2)第二组条件，其中每个条件对应于具有第二精度的相应修复推荐，其中，第一精度级别和第二精度级别不同。在这样的示例中，在框1006中，分析平台108分析第一组条件中的每一个，且如果第一组条件中的一个以上条件被满足，则分析平台108可以在框1008中使用诸如上文所述的“打破平局规则”来选择输出哪个推荐。此外，如果在框1006处第一组条件中没有条件被满足，则分析平台108可以对第二组条件/推荐执行类似的分析。

V.结论

以上已描述了所公开的创新的示例实施例。然而，本领域技术人员将理解，实施例可以被组合且在不脱离将由权利要求限定的本发明的真实范围和精神的情况下，可以对所描述的实施例作出改变和修改。

此外，就本文中所描述的示例涉及由诸如“人类”、“操作员”、“用户”或其他实体等参与者执行或发起的操作而言，这仅仅出于示例和解释的目的。除非在权利要求语言中明确叙述，否则权利要求不应当被解释为要求由这些参与者采取动作。

Claims (20)

1.一种计算系统，包括：

至少一个处理器；

非瞬态计算机可读介质；以及

被储存在所述非瞬态计算机可读介质上的程序指令，所述程序指令能由所述至少一个处理器执行以致使所述计算系统：

维持与基于操作数据修复资产的推荐对应的条件的层级，其中该层级包括至少(1)基于预定义规则且对应于具有第一精度级别的第一修复推荐的第一条件、以及(2)基于预测模型且对应于具有第二精度级别的第二修复推荐的第二条件，其中所述第一精度级别和第二精度级别不同；

接收针对多个资产中的给定资产的操作数据；

确定所述层级的所述第一条件和第二条件由所接收的操作数据满足，从而识别所述第一推荐和第二推荐；识别所述第一推荐和第二推荐中的哪一个具有更高的精度级别；以及

使计算设备输出所述第一推荐和第二推荐中经识别的一个的指示。

2.如权利要求1所述的计算系统，其中，所述层级还包括第三条件，该第三条件对应于具有第三精度级别的第三修复推荐。

3.如权利要求2所述的计算系统，其中，所述第三精度级别与所述第一精度级别或所述第二精度级别相同。

4.如权利要求1所述的计算系统，其中，可由所述至少一个处理器执行以使所述计算系统使所述计算设备确定所述第一条件由所接收的操作数据满足的所述程序指令包括可由所述至少一个处理器执行以使所述计算系统执行以下步骤的程序指令：

确定所接收的操作数据满足预定义规则；

识别与所述预定义规则的满足相关联的置信级别；以及确定经识别的置信级别超过置信级别阈值。

5.如权利要求4所述的计算系统，其中，与所述预定义规则相关联的所述置信级别至少部分地基于用户输入。

6.如权利要求1所述的计算系统，其中，可由所述至少一个处理器执行以使所述计算设备确定所述第二条件由所接收的操作数据满足的所述程序指令包括可由所述至少一个处理器执行以使所述计算设备执行以下步骤的程序指令：

将所述预测模型应用于所接收的操作数据；以及

确定所述预测模型的输出超过置信级别阈值。

7.如权利要求1所述的计算系统，其中，所述预测模型包括用于基于针对资产的操作数据输出该资产需要进行给定修复的可能性的指示的预测模型。

8.如权利要求1所述的计算系统，其中，所述预测模型至少基于针对多个资产的历史修复数据和历史操作数据而被定义。

9.一种非瞬态计算机可读介质，其上储存有程序指令，所述程序指令可执行以使计算设备：

维持与基于操作数据修复资产的推荐对应的条件的层级，其中该层级包括至少(1)基于预定义规则且对应于具有第一精度级别的第一修复推荐的第一条件、以及(2)基于预测模型且对应于具有第二精度级别的第二修复推荐的第二条件，其中所述第一精度级别和第二精度级别不同，

接收针对多个资产的给定资产的操作数据；

确定所述层级的所述第一条件和第二条件由所接收的操作数据满足，从而识别所述第一推荐和第二推荐；

识别所述第一推荐和第二推荐中的哪一个具有更高的精度级别；以及

使计算设备输出所述第一推荐和第二推荐中经识别的一个的指示。

10.如权利要求9所述的非瞬态计算机可读介质，其中，所述层级还包括第三条件，该第三条件对应于具有第三精度级别的第三修复推荐。

11.如权利要求10所述的非瞬态计算机可读介质，其中，所述第三精度级别与所述第一精度级别或所述第二精度级别相同。

12.如权利要求9所述的非瞬态计算机可读介质，其中，可执行以使计算设备确定所述第一条件由所接收的操作数据满足的所述程序指令包括可执行以使计算设备执行以下步骤的程序指令：

确定所接收的操作数据满足所述预定义规则；

识别与所述预定义规则相关联的置信级别；以及

确定经识别的置信级别超过置信级别阈值。

13.如权利要求12所述的非瞬态计算机可读介质，其中与所述预定义规则相关联的所述置信级别至少部分地基于用户输入。

14.如权利要求9所述的非瞬态计算机可读介质，其中，可执行以使计算设备确定所述第二条件由所接收的操作数据满足的所述程序指令包括可执行以使计算设备执行以下步骤的程序指令：

将所述预测模型应用于所接收的操作数据；以及

确定所述预测模型的输出超过置信级别阈值。

15.如权利要求9所述的非瞬态计算机可读介质，其中，所述预测模型包括用于基于针对资产的操作数据输出该资产需要进行给定修复的可能性的指示的预测模型。

16.一种计算机实现的方法，包括：

维持用于基于针对资产的操作数据生成推荐的条件的层级，其中该层级包括至少(1)基于预定义规则且对应于具有第一精度级别的第一修复推荐的第一条件、以及(b)基于预测模型且对应于具有第二精度级别的第二修复推荐的第二条件，其中所述第一精度级别和第二精度级别不同，

接收针对多个资产的给定资产的操作数据；以及

确定所述第一推荐和第二推荐由所接收的操作数据满足，从而识别所述第一推荐和第二推荐；

识别所述第一推荐和第二推荐中的哪一个具有更高的精度级别；以及

使计算设备输出所述第一推荐和第二推荐中经识别的一个的指示。

17.如权利要求16所述的计算机实现的方法，其中，确定所述第一条件由所接收的操作数据满足包括：

确定所接收的操作数据满足所述预定义规则；

识别与所述预定义规则相关联的置信级别；以及

确定经识别的置信级别超过置信级别阈值。

18.如权利要求16所述的计算机实现的方法，其中，确定所述第二条件由所接收的操作数据满足包括：

将所述预测模型应用于所接收的操作数据；以及

确定所述预测模型的输出超过置信级别阈值。

19.如权利要求16所述的计算机实现的方法，其中，所述预测模型包括用于基于针对资产的操作数据输出该资产需要进行给定修复的可能性的指示的预测模型。

20.如权利要求16所述的计算机实现的方法，其中，所述预测模型至少基于针对多个资产的历史修复数据和历史操作数据而被定义。