CN109814378A - 评估方法的参数化的自动测定 - Google Patents
评估方法的参数化的自动测定 Download PDFInfo
- Publication number
- CN109814378A CN109814378A CN201811272542.9A CN201811272542A CN109814378A CN 109814378 A CN109814378 A CN 109814378A CN 201811272542 A CN201811272542 A CN 201811272542A CN 109814378 A CN109814378 A CN 109814378A
- Authority
- CN
- China
- Prior art keywords
- message
- appraisal procedure
- archive
- comparison
- parametrization
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 145
- 241001269238 Data Species 0.000 claims abstract 2
- 230000007704 transition Effects 0.000 claims description 28
- 230000008569 process Effects 0.000 claims description 15
- 238000004519 manufacturing process Methods 0.000 claims description 12
- 238000003860 storage Methods 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 9
- 238000005259 measurement Methods 0.000 claims description 7
- 230000002123 temporal effect Effects 0.000 claims description 6
- 238000009826 distribution Methods 0.000 claims description 3
- 238000012544 monitoring process Methods 0.000 claims description 3
- 241000196324 Embryophyta Species 0.000 description 16
- 239000011159 matrix material Substances 0.000 description 15
- 238000005516 engineering process Methods 0.000 description 5
- 230000008859 change Effects 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 241000208340 Araliaceae Species 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007717 exclusion Effects 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 238000003825 pressing Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 229910052701 rubidium Inorganic materials 0.000 description 1
- IGLNJRXAVVLDKE-UHFFFAOYSA-N rubidium atom Chemical compound [Rb] IGLNJRXAVVLDKE-UHFFFAOYSA-N 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/04—Programme control other than numerical control, i.e. in sequence controllers or logic controllers
- G05B19/042—Programme control other than numerical control, i.e. in sequence controllers or logic controllers using digital processors
- G05B19/0428—Safety, monitoring
-
- 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
- G05B19/04—Programme control other than numerical control, i.e. in sequence controllers or logic controllers
- G05B19/042—Programme control other than numerical control, i.e. in sequence controllers or logic controllers using digital processors
-
- 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
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
- G05B19/4183—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by data acquisition, e.g. workpiece identification
-
- 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
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Evolutionary Biology (AREA)
- Quality & Reliability (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Operations Research (AREA)
- Probability & Statistics with Applications (AREA)
- Life Sciences & Earth Sciences (AREA)
- Algebra (AREA)
- Bioinformatics & Computational Biology (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Manufacturing & Machinery (AREA)
- Testing And Monitoring For Control Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明涉及一种用于借助计算机自动测定评估方法的参数化的方法,评估方法适合且设置用于识别工业设施数据量的确切子数据,方法包括:生成对比数据量并在对比数据量中存储基准数据,对比数据量中存储的基准数据数量相应于工业设施的部分数据量的数据数量,对比数据量具有能与工业设施数据量对比的统计学特性;应用评估方法以评估在对比数据量中存储的基准数据;如下确定借助其能影响借助于评估方法识别在对比数据量中存储的基准数据的确切子数据的参数化:在评估时所识别的子数据关于所有在对比数据量中存储的基准数据的相对数量按数值小于预定阈值;提供所测定的参数化用于执行用于识别工业设施数据量的确切子数据的评估方法。
Description
技术领域
本发明涉及一种根据本发明用于检测借助于计算机自动测定评估方法的参数化的方法,其中,该评估方法适合并且设置用于识别工业设施的数据量的确切子数据。此外,本发明涉及一种具有能通过计算机实施的程序代码指令的所属的计算机程序、存储介质和计算机系统。
背景技术
在制造技术和过程技术设施的领域中经常采用评估方法,以便评估设施的各种数据并且例如执行设施的优化。对于应用这样的评估方法来说通常需要参数化,其能够包括多个单个的参数。
评估方法的参数例如必须由技术设施的使用者或启动人员预先给定。在此能够表明确定参数是复杂的,因为例如在各个参数和评估结果之间的关联是未知的、不足以归档或是很难理解的。随着参数化的复杂性或开销的上升,尽管一些确定的评估方法将会提高技术设施效率,但它们并不被应用,由此使得这些评估方法的接受性和有效性减小。
此外,参数化的确定通常以使用者或调试人员的经验为基础,由此可能导致高度依赖各个人员的支配性。
已知的是,要根据试验和错误方法将各种可能的参数化逐一试过并且相互比较相应的结果。当能够相应地使取决于参数的结果质量客观化时,该过程能够至少部分自动进行。然而特别是在参数化开销高或数量庞大时,该方法是相对较费时的。此外,对于是否能够找到相应的评估方式的实际上合理的参数,也无法得出适合的结论。
此外,在已知的评估方法中也部分地已知了如何能够实现该评估方法的参数化的特殊解决方案。在控制技术中,例如根据对过程输出的评估,PID控制器的参数化能够在额定值的阶跃时进行。换句话说,在此实现了根据对待评估系统的改变的回应来对评估算法进行参数化。
DE 10 2008 058 964 A1公开了一种控制方法的参数化,其中,取决于控制偏差和/或额定值变化和/或借助于手动预定来确定控制参数。
在EP 3 065 015 A1中展示了一种用于监视调节回路的诊断装置,其中,通过操作者能够对控制的参数化进行改变。
发明内容
本发明的目的在于,给出一种用于评估方法的参数化的方法,该评估方法适合并且设置用于识别工业设施、特别是制造或过程设施的数据量的确切子数据,该方法能够在相对低开销的情况下全自动地实现。
该目的通过根据本发明的用于借助于计算机自动测定评估方法的参数化的方法实现,其中,该评估方法适合并且设置用于识别工业设施、特别是制造或过程设施的数据量的确切子数据。此外,该目的通过根据本发明的一种方法实现。此外,该目的通过根据本发明的具有能通过计算机实施的程序代码指令的计算机程序、具有能通过计算机实施的计算机程序的存储介质和计算机系统实现。优选的改进方案在以下内容中给出。
在开头所述的类型的用于借助于计算机自动测定评估方法的参数化的方法中,该目的根据本发明通过下述方法步骤实现:
a)产生对比数据量并且在对比数据量中存储基准数据,其中,在对比数据量中存储的基准数据的数量基本上相应于工业设施的部分数据量的数据数量,并且其中,对比数据量具有能与工业设施的数据量对比的统计学特性,特别是按数值相同的时间上的展开、和/或基准数据的相同的值域、和/或相同数量的不同数据类型和/或相同数据类型、和/或数据类型的相同的方差(Varianz)。
b)应用评估方法评估在对比数据量中存储的基准数据。
c)如下确定参数化,其中借助于该参数化能影响借助于评估方法对在对比数据量中存储的基准数据的确切子数据的的识别,即在评估时所识别的子数据关于所有在对比数据量中存储的基准数据的相对数量按数值小于预定阈值,优选小于10%、优选小于5%、特别优选地小于1%。
d)提供所测定的参数化用于执行用于识别工业设施的数据量的确切子数据的评估方法。
参数化能够涉及但不限于阈值、范围界限、数据类型和类似物,它们对于应用评估方法来说是必要的。评估方法能够涉及任意的方法,其用于或能够用于在工业设施、特别是制造或过程设施的背景下评估数据量。前提仅在于,在评估方法的范畴中将数据量的确切子量识别为“命中物(Treffer)”。数据量能够包括任意数字形式的数据,其能够来源于在工业设施中应用的传感器、执行机构、控制装置、指导系统和类似物。根据本发明的方法能在计算器、微处理器或类似物上自动实施。
本发明的核心思想在于,评估方法的参数化通过对能对比的数据量应用评估方法进行学习。为此,将从统计学角度看能与实际上借助于评估方法待评估的数据量进行对比的数据量初始化,并且填充基准数据。基准数据能够是纯随机数据。也能够选择在对对比数据量应用评估方法时能期望的确切已知结果作为基准数据。
随后,评估方法的参数化在有可能重复的过程中这样确定,即仅部分数量的数据被评估方法识别为命中物,其在待预定的阈值之下。在此,有利地相对较小地选择阈值,以便实现评估方法的良好结果。在临界情况下也能够这样预定阈值,即基本上没有命中物被识别。越多的对比数据量统计学特性与其借助于评估方法待评估的数据量相一致,那么根据本发明的方法就提供的结果就更好。
根据本发明的方法仅确定这样的参数,借助于其能影响对借助于评估方法在对比数据量中存储的基准数据的确切子数据的的识别。为了能够区分受影响和不受影响的参数,能够在该方法的范畴中在自动进行的试验和错误过程中,对对比数据量应用评估方法。在此,命中物可能的改变暗示了各个参数的影响潜力。也可以获得数据库或类似物的进行影响的参数,在其中存储了评估方法的各种类型和所属参数的相互关系。通过只考虑影响评估方法的参数,将根据本发明的方法设计为极其有效率并且节省资源的。
根据本发明方法基于的假设是:在(真实)数据量中,在各个数据之间的随机关联和系统关联并存。但是,评估方法的目的通常在于,仅识别(真实)数据量中的系统关联。通过应用根据本发明的方法能够对于(真实)数据量评估排除所有或至少几乎所有的随机关联。换句话说,通过借助于优化的参数化使不期望的干扰影响最小化,由此能够借助于合当构造的基准数据量自动优化评估方法,。通过由根据本发明提供的参数化能够明显提升评估方法的效率、质量和有效性。
此外根据本发明,该目的通过用于借助于计算机自动测定评估方法的参数化的方法实现,其中,该评估方法适合并且设置用于识别在工业设施、特别是制造或过程设施的消息存档中存储的消息的确切次序。该方法包括下述步骤:
a)产生对比存档并且在对比存档中存储基准消息,其中,在对比存档中存储的基准消息的数量基本上相应于工业设施的部分消息存档的消息量,并且其中,对比存档具有能与工业设施的消息存档对比的统计学特性,特别是按数值相同的时间上的展开、和/或基准消息的相同的值域、和/或相同数量的不同消息识别物和/或相同消息识别物、和/或消息识别物的相同的方差。
b)应用评估方法用于识别在对比存档中存储的基准消息的确切次序。
c)如下确定参数化,借助于该参数化能影响借助于评估方法对在对比存档中存储的基准消息的消息的确切次序的识别,即在评估时所识别的确切次序关于所有在对比存档中存储的次序的相对数量按数值小于预定阈值,优选小于10%、优选小于5%、特别优选地小于1%。
d)提供所测定的参数化用于执行用于识别在消息存档中存储的消息的确切次序的评估方法。
在之前实施的方法基本遵从已经阐述的本发明核心思想。在此,该方法用于对优化的评估方法参数化或对于相应的特殊应用情况来说特别有利的评估方法参数化进行自动测定,执行该评估方法以用于识别在工业设施的消息存档中存储的消息的确切次序。“消息”的概念在接下来理解为在工业设施中出现的任意结果的每个展示或报告。
在此,消息分别具有一确切的消息识别物,其典型地至少部分逐个消息进行区分开。消息识别物例如能够包括对于确切机器、传感器或执行机构或者消息类别(警报、操纵干预等)的分配。
在两个之前阐述的根据本发明的方法中,参数化的确定能够包括逐步确定评估方法的多个子参数。对此,能够在确定相应的子参数时应用彼此不同的阈值。然而基本上在最后、即在测定所有子参数之后,在评估时所识别的子数据或确切次序关于所有在对比存档中存储的基准数据的相对数量按数值小于预定的(总)阈值。
在各个子参数中测定的顺序能够要么是任意的,要么由工业设施的制造商或使用者预定。
在根据本发明的方法的范畴中测定多个等价参数组合的情况下,能够选择参数组合中的任意一个作为结果,或者向使用者转让对结果的手动选择。
此外根据本发明,该目的通过用于借助于计算机自动测定评估方法的参数化的方法,其中,该评估方法用于评估具有一定量的消息的消息存档,这些消息在控制和/或监视工业设施、特别是制造或过程设施时生成,其中,这些消息具有至少两个彼此不同的消息识别物,该方法包括下述步骤:
a)产生对比存档并且在对比存档中存储基准消息,其中,在对比存档中存储的基准消息的量基本上相应于在消息存档中存储的消息量,并且其中,对比存档具有能与工业设施的消息存档对比的统计学特性,特别是按数值相同的时间上的展开、和/或消息识别的相同的值域、和/或相同数量的不同消息识别物和/或相同消息识别物、和/或消息识别物的相同的方差。
b)确定在对比存档中存储的基准消息的量以内的各个消息识别物的绝对出现频率。
c)针对存储在对比存档中的基准消息的所有的消息,借助于相应的绝对出现频率确定各两个消息识别物的转移概率;
d)如下测定两个消息识别物之间的最小转移概率的阈值参数:消息识别对关于所有在对比存档中存储的消息识别物对的相对数量按数值小于预定的第一阈值,优选小于10%、优选小于5%、特别优选地小于1%,其中消息识别物对的转移概率在测定该阈值参数之后位于待测定的阈值参数之上。
e)提供所测定的参数化用于执行用于评估消息存档的评估方法。
在该方法的范畴中,确定位于消息存档中的大量消息的各个消息识别物之间的统计相关性,以便例如能够简化并且明确地执行对过程技术或制造技术的设施的警报参数化的调整。在此,该方法所基于的假设是:具有显著转移概率的各种消息识别物也相互具有一定的相关性。显著在此意味着转移概率按数值在预定的第一阈值之上。
在此,转移概率的阈值参数在该方法的范畴中选择为:在对对比存档应用评估方法之后,命中物的量(作为足够可能或经常进行识别的消息识别物次序)小于该方法的预定第一(总)阈值。在此要注意的是,阈值参数和该方法的预定第一(总)阈值是两个彼此不同的参数。阈值参数将该方法的结果表示为评估方法的参数化,而第一(总)阈值表示测定方法自身的参数。附加地,关于该区别的详细描述参考对实施例的说明。
在前述根据本发明的方法的一个有利改进方案中,在方法步骤d和e之间执行下述步骤:
i)识别具有第一消息识别物的第一消息和具有第二消息识别物的第二消息,其中,从第一消息识别物到第二消息识别物的所属转移概率按数值必须大于在两个消息识别物之间的最小转移概率的第一阈值参数,并且其中,必须能在一待确定的时间段内,从第一消息识别物出发,在存档中找到第二消息识别物。
ii)将两个识别的消息联合作为2部分链。
iii)针对每个存储在对比存档中的消息,重复步骤i和ii。
iv)从具有一带有第二消息识别物的第二消息的2部分链的一第二消息出发,在确定的时间段内,对于一定数量的消息搜寻在时间上连续的、另外的消息,直到时间段结束。
v)当在时间上位于另外的消息识别物之前的消息识别物到另外的消息识别的转移概率按数值大于在两个消息识别物之间的最小转移概率的阈值参数的时候,考虑相应的另外的消息;
vi)将找到的另外的消息与第一和第二消息一起联合作为另外的链、特别是3部分链、4部分链或5部分链。
vii)针对每个以前识别的2部分链,重复步骤v和vi。
viii)测定各个链的绝对出现频率。
ix)如下测定链的最小相对出现频率的一阈值参数:按数值在该阈值参数之上的链关于所有在对比存档中识别的消息识别物的链的相对出现频率按数值小于预定的第二阈值,优选小于10%、优选小于5%、最高优选小于1%。
结合“时间段”的概念,在该方法的前述改进方案的范畴中以具有第一消息识别物的第一消息作为基础出发。随后在对比存档中寻找具有第二消息识别物(与第一消息识别物不同)的第二消息。然而在此,第二消息识别物在时间上必须不晚于通过确切时间段预定地出现。
如果具有第一消息识别物的第一消息在绝对时间t=25min时出现并且时间段确定为5min,那么具有第二消息识别物的第二消息必须在绝对时间t=25min和t=30min之间出现,以便被关注。相应地在所描述的范畴中应用绝对时间段,即当从确切的第二消息识别物出发的时间段过去时,结束寻找能是待识别的部分链的另外的消息识别物。
从具有第二消息识别物的第二消息出发,搜索对比存档以寻找在时间上连续的、另外的消息,直到时间段结束。在此,当在时间上在前的消息识别物到另外的消息识别物的转移概率在第一阈值参数之上的时候,才相应地考虑这个或这些另外的消息。
将所找到的另外的消息与第一和第二消息一起识别作为另外的链、特别是3部分链、4部分链或5部分链。随后,针对每个在对比存档中识别的2部分链,应用前述方法步骤。作为结果由此得到对比存档之中所有可能的2部分链、3部分链、4部分链等。由此也能够检测并且评估各个消息识别物之间的复杂的联系。
在该方法的另外的进程中,将不太重要的链和/或消息组与重要的区分开。对此仅考虑在第二阈值参数之上的链。在此,有利地如此确定第二阈值参数,即识别为命中物的消息识别物的链的相对数量按数值小于预定(子)阈值。该子阈值不必强制地与为了测定第一阈值参数所使用的(子)阈值相一致。
所测定的参数化在该方法的前述改进方案的情况下包括:第一阈值参数,其用于在两个消息识别物之间的最小转移概率;和第二阈值参数,其用于消息识别物的链的最小相对出现频率。在本发明的范畴中确定能够影响评估方法结果的另外的参数。
具有其设计方案的所述方法优选在软件中执行。之前实施的任务相应地也通过具有能通过计算机实施的用于执行根据本发明的方法的程序代码指令的计算机程序实现。计算机例如能够是具有根据处理器之类的类型的处理单元的自动化装置。
在其上执行这样的计算机程序的自动化装置、特别是工业自动化装置是同样由本发明公开的计算机系统的一个实例。作为自动化装置的替换也能考虑标准计算机、如其在办公自动化中通用的那样。
用于执行该方法的计算机程序通常保存在存储介质之中或之上,即例如保存在磁性或光学数据载体上或半导体存储器中,从而使本发明也公开了具有能通过计算机实施的用于执行根据本发明的方法的计算机程序的存储介质和其设计方案。
结合下述详细阐述的实施例的说明,清楚和明白易懂地阐述了本发明的上述特性、特征和优点以及实现的方式和方法。
具体实施方式
根据本发明的方法示例性地应用于测定用于识别在工业设施的过程消息之间的统计相关性的评估方式的参数化。
在控制或监视工业上的过程或制造设施的技术过程时,通常生成多个消息。这样的消息如前所述能够是关于故障或异常情况的指示,例如关于达到或超过临界值的指示之类的。这类消息的类型和来源除了示例性提及的实例之外还有很多种,并且每个在设施中生成或处理的消息都应当在接下被视为包括在名称“消息”之中的。
首先,借助于计算机生成对比存档,其具有能与工业设施的数据存档对比的统计学特性。在此,其具有按数值相同的时间上的展开、包含在其中的消息识别物的相同的值域、相同数量的不同、相同的消息识别物、和消息识别物的相同的方差。
随后生成随机消息并且存储在对比存档中。在此,在对比存档中存储的随机消息的量相应于在消息存档中存储的消息的量。
对比存档包括具有消息识别物“A”、“B”、“C”、“D”、“E”、“F”、“G”、“H”和“I”的随机警报消息。警报消息以连续的时间次序存储在对比存档中:
在接下来的步骤中识别在对比存档的所考虑的时域中包含的消息识别物并且确定其绝对出现频率。下面的概览示出了各个消息识别物的所测定的绝对出现频率(直方图):
对于另外的评估来说仅考虑在确切阈值之上的消息识别物。其示范性地确定为值3。相应地,对于另外的评估来说在本实施例中仅考虑消息识别物“A”、“B”、“C”和“D”。由此能够由另外的评估来排除不重要过的消息识别物“E”、“F”、“G”、“H”和“I”,由此能够减少消息识别物总量中所考虑的子量(Teilmenge),这提高了所得到的结果的简明性并且简化了对其的进一步处理。
随后分配(allokiert)频率矩阵和转移概率矩阵并且设有值“0”。两个矩阵具有的大小(所考虑的消息识别物的数量x所考虑的消息识别物的数量)在当前实施例中相应于大小4x4。下面在左侧示出了频率矩阵,在右侧示出了转移概率矩阵:
以时间上首先出现的消息识别物“B”开始来识别所有在时间上在第一消息识别物“B”之后出现的消息识别物。当再次出现消息识别物“B”时,结束寻找。当前,存在具有消息识别物“C”的消息和具有位于两个消息识别物“B”之间的消息识别物“D”的消息。在此,相应的消息识别物可能在两个消息识别物“B”之间出现的频率并不重要。频率矩阵的相应的矩阵元素提高1,从而得到下面的矩阵:
对于所有在对比存档中出现的消息识别“B”重复最后说明的步骤,从而得到下面的矩阵:
在接下来的步骤中调整转移概率矩阵。选择频率矩阵的具有标记“B”的列并且逐个元素(逐行)地除以消息识别物“B”的绝对出现频率与频率矩阵的相应行中的相应消息识别的频率的最大值。
应用最大值以便在仅偶尔或是随机或者非常频繁地出现消息识别“B”物时并不引起关于至其它消息识别物的转移概率的错误声明。
这样的标准化主要的优点在于,不过于重视经常出现的消息识别物。除了应用最大值之外,其它值也可以作为用于要执行的标准化的基准。
消息识别物“B”的绝对出现频率在当前实施例中为4(对照之前提及的直方图)。第一行元素标记为消息识别物“A”。消息识别物“A”根据之前提及的直方图具有绝对出现频率3。因此,适合于该矩阵元素的最大值为值4。
矩阵元素的值2除以4,从而得出转移概率矩阵的相应矩阵元素的值0.5。相应地为“B”列的所有的矩阵元素重复该过程,从而使两个矩阵具有下面的形态:
对于剩余的消息识别物“A”、“C”和“D”重复最后阐述的步骤,从而得到下面的矩阵:
在此评估消息识别物的下面的链:
从A出发:A-B-C-D-A(两次);
从B出发:B-C-D-B,B-A-B和B-C-D-A-B;
从C出发:C-D-B-A-B-C和C-D-A-B-C;
从D出发:D-B-A-B-C-D,D-A-B-C-D,D-A-D和D-D。
对于具有第一消息识别物的消息和具有第二消息识别物的消息之间的要考虑的转移概率确定第一阈值参数,以使得其转移概率在测定第一阙值参数之后在要测定的第一阙值参数之上的消息的对关于所有在对比存档中存储的分别具有第一消息识别物和第二消息识别物的消息的对的相对数量按数值小于阈值7.5%。
对此在串行或平行的计算步骤中选择转移概率的各种第一阈值参数,并且分别计算消息对的总量中的命中物(所识别的具有在第一阈值参数之上的转移概率的消息对)的相对份额。在当前情况下命中物对的数量为一(消息识别物A至D的过渡),其中,阈值参数为0.6或60%。
在接下来的步骤中识别消息识别物的经常出现的链(3、4、5部分链等),其能够应用于接下来的分析或进一步处理。
随后测定各个链的绝对出现频率。
接下来测定一个链的最小相对出现频率的第二阈值参数。在此如下进行测定:按数值在第二阈值参数之上的链关于所有在对比存档中识别的消息识别物链的相对出现频率按数值小于阈值20%。对于该阈值来说将两次出现的消息识别物链A-B-C-D-A识别为命中物。
在该情况下,第二阈值参数相应于第二预定阈值,然而这完全不必是如前述测定第一阈值参数所示那样的情况。
因此,两个预定阈值一方面为7.5%并且另一方面为20%。相应地,各个子参数的阈值的一致性并不是应用根据本发明的方法的前提。
所测定的阈值参数由根据本发明的方法在最后的步骤中所提供,并且能够在所述的评估方法的范畴中在(真实)消息存档中应用。
尽管通过优选的实施例在细节上详细地阐述并描述了本发明,但本发明并不局限于所公开的实例,并且其它的变体能够由专业人员推导出,这并不脱离本发明的保护范围。
Claims (8)
1.一种用于借助于计算机自动测定评估方法的参数化的方法,其中,所述评估方法适合并且设置用于识别工业设施、特别是制造或过程设施的数据量的确切子数据,所述方法包括:
a)产生对比数据量并且在所述对比数据量中存储基准数据,其中,在所述对比数据量中存储的所述基准数据的数量基本上相应于所述工业设施的部分所述数据量的数据数量,并且其中,所述对比数据量具有能与所述工业设施的所述数据量对比的统计学特性,特别是按数值相同的时间上的展开、和/或所述基准数据的相同的值域、和/或相同数量的不同数据类型和/或相同数据类型、和/或数据类型的相同方差;
b)应用所述评估方法用于评估在所述对比数据量中存储的所述基准数据;
c)如下确定参数化,其中借助于所述参数化能影响借助于所述评估方法对在所述对比数据量中存储的所述基准数据的确切子数据的所述识别,即在所述评估时所识别的子数据关于所有在所述对比数据量中存储的所述基准数据的相对数量按数值小于预定阈值、优选小于10%、优选小于5%、特别优选地小于1%;
d)提供所测定的所述参数化用于执行用于识别所述工业设施的所述数据量的确切子数据的所述评估方法。
2.一种用于借助于计算机自动测定评估方法的参数化的方法,其中,所述评估方法适合并且设置用于识别在工业设施、特别是制造或过程设施的消息存档中存储的消息的确切次序,所述方法包括:
a)产生对比存档并且在所述对比存档中存储基准消息,其中,在所述对比存档中存储的所述基准消息的数量基本上相应于所述工业设施的部分所述消息存档的消息量,并且其中,所述对比存档具有能与所述工业设施的所述消息存档对比的统计学特性,特别是按数值相同的时间上的展开、和/或所述基准消息的相同的值域、和/或相同数量的不同消息识别物和/或相同消息识别物、和/或消息识别物的相同的方差,其中,所述消息识别物包括对于确切机器、传感器、执行机构或消息类别的分配;
b)应用所述评估方法用于识别在所述对比存档中存储的所述基准消息的确切次序;
c)如下确定参数化,其中借助于所述参数化能影响借助于所述评估方法对在所述对比存档中存储的所述基准消息的消息的确切次序的所述识别,即在评估时所识别的确切次序关于所有在所述对比存档中存储的次序的相对数量按数值小于预定阈值、优选小于10%、优选小于5%、特别优选地小于1%;
d)提供所测定的所述参数化用于执行用于识别在所述消息存档中存储的所述消息的确切次序的所述评估方法。
3.根据权利要求1或2所述的方法,其中,所述参数化的所述确定包括逐步确定所述评估方法的多个子参数。
4.一种用于借助于计算机自动测定评估方法的参数化的方法,其中,所述评估方法应用于评估具有一定量的消息的消息存档,所述消息在控制和/或监视工业设施、特别是制造或过程设施时生成,其中,所述消息具有至少两个彼此不同的消息识别物,测定方法包括:
a)产生对比存档并且在所述对比存档中存储基准消息,其中,在所述对比存档中存储的所述基准消息的量基本上相应于在所述消息存档中存储的消息量,并且其中,所述对比存档具有能与所述工业设施的所述消息存档对比的统计学特性,特别是按数值相同的时间上的展开、和/或所述消息识别物的相同的值域、和/或相同数量的不同消息识别物和/或相同消息识别物、和/或所述消息识别物的相同的方差,其中,所述消息识别物包括对于确切机器、传感器、执行机构或消息类别的分配;
b)确定在所述对比存档中存储的所述基准消息的量以内的各个消息识别物的绝对出现频率;
c)针对存储在所述对比存档中的所述基准消息的所有消息,借助于相应的所述绝对出现频率确定具有第一消息识别物的消息到具有第二消息识别物的消息的转移概率;
d)如下测定两个消息识别物之间的最小转移概率的第一阈值参数:消息识别对关于所有在所述对比存档中存储的消息对的相对数量按数值小于预定阈值,优选小于10%、优选小于5%、特别优选地小于1%,其中所述消息识别物的转移概率在测定所述第一阈值参数之后位于待测定的所述第一阈值参数之上,所述消息对中的消息分别具有第一消息识别物和第二消息识别物;
e)提供所测定的所述参数化用于执行用于评估所述消息存档的所述评估方法。
5.根据权利要求4所述的方法,其中,在方法步骤d和e之间执行以下步骤:
i)识别具有第一消息识别物的第一消息和具有第二消息识别物的、时间上连续的第二消息,其中,所属的从所述第一消息识别物到第二消息识别物的所述转移概率按数值必须大于在两个消息识别物之间的最小转移概率的所述第一阈值参数,并且其中,必须能在一待确定的时间段内,从所述第一消息识别物出发,在所述存档中找到所述第二消息识别物;
ii)将两个识别的消息联合作为2部分链;
iii)针对每个存储在所述对比存档中的消息,重复步骤i和ii;
iv)从具有一带有第二消息识别物的第二消息的2部分链的一第二消息识出发,在确定的时间段内,对于所述一定量的消息搜寻在时间上后续的、另外的消息,直到所述时间段结束;
v)当在时间上位于所述另外的消息识别物之前的所述消息识别物到所述另外的消息识别物的所述转移概率按数值大于在两个消息识别物之间的所述最小转移概率的所述第一阈值参数的时候,考虑相应的所述另外的消息;
vi)将找到的所述另外的消息与所述第一消息和所述第二消息一起联合作为另外的链、特别是3部分链、4部分链或5部分链;
vii)针对每个以前识别的2部分链,重复步骤v和vi;
viii)测定各个链的绝对出现频率;
ix)如下测定一个链的最小的相对出现频率的第二阈值参数:按数值在所述第二阈值参数之上的这些链关于所有在所述对比存档中识别的消息识别物的链的相对出现频率按数值小于预定阈值,优选小于10%、优选小于5%、最高优选小于1%。
6.一种具有能通过计算机实施的程序代码指令的计算机程序,用于执行根据权利要求1至5中任一项所述的方法。
7.一种具有能通过计算机实施的根据权利要求6所述的计算机程序的存储介质。
8.一种计算机系统,在所述计算机系统上执行根据权利要求6所述的计算机程序。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
EP17203055.3 | 2017-11-22 | ||
EP17203055.3A EP3489774B1 (de) | 2017-11-22 | 2017-11-22 | Automatisierte ermittlung einer parametrierung eines auswerteverfahrens |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109814378A true CN109814378A (zh) | 2019-05-28 |
CN109814378B CN109814378B (zh) | 2022-07-08 |
Family
ID=60654623
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811272542.9A Active CN109814378B (zh) | 2017-11-22 | 2018-10-29 | 评估方法的参数化的自动测定 |
Country Status (3)
Country | Link |
---|---|
US (1) | US10739744B2 (zh) |
EP (1) | EP3489774B1 (zh) |
CN (1) | CN109814378B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102008058964A1 (de) * | 2008-11-25 | 2010-05-27 | Robert Bosch Gmbh | Verfahren zur Regelung einer Bearbeitungsmaschine mit wenigstens einer Regeleinrichtung |
DE102009007221A1 (de) * | 2009-02-03 | 2010-06-10 | Siemens Aktiengesellschaft | Verfahren und Anordnung zur diversitären Signalwertberechnung |
WO2010133234A1 (de) * | 2009-05-18 | 2010-11-25 | Siemens Aktiengesellschaft | Verfahren zum analysieren von meldungsarchiven und korrespondierendes computerprogramm |
US20150095718A1 (en) * | 2013-09-30 | 2015-04-02 | Fujitsu Limited | Locational Prediction of Failures |
CN105929814A (zh) * | 2016-05-17 | 2016-09-07 | 清华大学 | 具有自动运行能力的工业控制器性能监控、诊断与维护方法 |
EP3065015A1 (de) * | 2015-03-04 | 2016-09-07 | Siemens Aktiengesellschaft | Diagnoseeinrichtung und -verfahren zur überwachung des betriebs von regelkreisen |
CN105988451A (zh) * | 2015-03-16 | 2016-10-05 | 洛克威尔自动控制技术股份有限公司 | 针对工业自动化的基于云的分析 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5307262A (en) * | 1992-01-29 | 1994-04-26 | Applied Medical Data, Inc. | Patient data quality review method and system |
US6961728B2 (en) * | 2000-11-28 | 2005-11-01 | Centerboard, Inc. | System and methods for highly distributed wide-area data management of a network of data sources through a database interface |
US20030135547A1 (en) * | 2001-07-23 | 2003-07-17 | Kent J. Thomas | Extensible modular communication executive with active message queue and intelligent message pre-validation |
US20080125877A1 (en) * | 2006-09-12 | 2008-05-29 | Fisher-Rosemount Systems, Inc. | Process data collection system configuration for process plant diagnostics development |
US8046090B2 (en) * | 2007-01-31 | 2011-10-25 | Honeywell International Inc. | Apparatus and method for automated closed-loop identification of an industrial process in a process control system |
US9122772B2 (en) * | 2009-05-18 | 2015-09-01 | Siemens Aktiengesellschaft | Method for analyzing message archives and corresponding computer program |
US8738715B2 (en) * | 2012-01-31 | 2014-05-27 | Global Relay Communications Inc. | System and method for processing messages in a messaging service |
CN104641614B (zh) * | 2012-04-13 | 2018-04-13 | 高盛有限责任公司 | 用于可扩展的结构化数据分布的系统和方法 |
-
2017
- 2017-11-22 EP EP17203055.3A patent/EP3489774B1/de active Active
-
2018
- 2018-10-29 CN CN201811272542.9A patent/CN109814378B/zh active Active
- 2018-11-20 US US16/196,397 patent/US10739744B2/en active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102008058964A1 (de) * | 2008-11-25 | 2010-05-27 | Robert Bosch Gmbh | Verfahren zur Regelung einer Bearbeitungsmaschine mit wenigstens einer Regeleinrichtung |
DE102009007221A1 (de) * | 2009-02-03 | 2010-06-10 | Siemens Aktiengesellschaft | Verfahren und Anordnung zur diversitären Signalwertberechnung |
WO2010133234A1 (de) * | 2009-05-18 | 2010-11-25 | Siemens Aktiengesellschaft | Verfahren zum analysieren von meldungsarchiven und korrespondierendes computerprogramm |
US20150095718A1 (en) * | 2013-09-30 | 2015-04-02 | Fujitsu Limited | Locational Prediction of Failures |
EP3065015A1 (de) * | 2015-03-04 | 2016-09-07 | Siemens Aktiengesellschaft | Diagnoseeinrichtung und -verfahren zur überwachung des betriebs von regelkreisen |
CN105988451A (zh) * | 2015-03-16 | 2016-10-05 | 洛克威尔自动控制技术股份有限公司 | 针对工业自动化的基于云的分析 |
CN105929814A (zh) * | 2016-05-17 | 2016-09-07 | 清华大学 | 具有自动运行能力的工业控制器性能监控、诊断与维护方法 |
Also Published As
Publication number | Publication date |
---|---|
EP3489774B1 (de) | 2024-04-17 |
CN109814378B (zh) | 2022-07-08 |
US20190155241A1 (en) | 2019-05-23 |
EP3489774A1 (de) | 2019-05-29 |
US10739744B2 (en) | 2020-08-11 |
EP3489774C0 (de) | 2024-04-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105793789B (zh) | 用于过程单元中的全部过程区段的自动的监视和状态确定的计算机实现的方法和系统 | |
US7184910B2 (en) | Method of compensating sensor data and evaluating an interlock of an interlock system | |
CN110298369A (zh) | 一种电力系统不良数据的辨识方法及系统 | |
CN116388402B (zh) | 一种应用于变电设备的异常报警分析方法 | |
US20080255773A1 (en) | Machine condition monitoring using pattern rules | |
CN114020598B (zh) | 一种时间序列数据的异常检测方法、装置及设备 | |
CN109211564B (zh) | 一种用于滚珠丝杠副健康评估的自适应阈值检测方法 | |
CN117391357B (zh) | 一种基于大数据的电网调度运行管理的调度自查系统 | |
CN117592656A (zh) | 基于碳数据核算的碳足迹监控方法及系统 | |
CN114444924A (zh) | 一种智能化风险辨识防控方法、系统、装置及存储介质 | |
CN109814378A (zh) | 评估方法的参数化的自动测定 | |
CN114384885B (zh) | 基于异常工况的工艺参数调整方法、装置、设备和介质 | |
JP2013200245A (ja) | 前処理方法 | |
CN113706841B (zh) | 基于边缘计算的用电行为安全智能监控系统 | |
CN110058811A (zh) | 信息处理装置、数据管理系统、方法以及计算机可读介质 | |
CN106325227A (zh) | 制程管控线的生成方法和装置及制程管控系统 | |
US20150134098A1 (en) | Manufacturing process management support device | |
CN118114187B (zh) | 柔板产线异常检测方法、系统、装置和存储介质 | |
CN117029899B (zh) | 一种冷冻设备仪表调试系统及方法 | |
CN109931987A (zh) | 一种基于云端的智能种菜机环境精准监测系统及方法 | |
CN116774173B (zh) | 一种雷达发射功率调节模块的故障数据识别系统 | |
CN117726079B (zh) | 基于机电一体化的自动化环形产线优化方法 | |
CN114742357B (zh) | 产品质量风险的分类方法以及分类装置 | |
CN115795388A (zh) | 冰箱故障标定方法及装置、介质、设备 | |
CN111178790B (zh) | 一种电力检测系统 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |