CN109952575B - 用于监督本地分析的系统和方法 - Google Patents
用于监督本地分析的系统和方法 Download PDFInfo
- Publication number
- CN109952575B CN109952575B CN201780068869.1A CN201780068869A CN109952575B CN 109952575 B CN109952575 B CN 109952575B CN 201780068869 A CN201780068869 A CN 201780068869A CN 109952575 B CN109952575 B CN 109952575B
- Authority
- CN
- China
- Prior art keywords
- model
- site
- local
- sensor
- local analysis
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 105
- 238000000034 method Methods 0.000 title claims abstract description 33
- 230000009471 action Effects 0.000 claims abstract description 50
- 230000004044 response Effects 0.000 claims description 56
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 claims description 52
- 230000008859 change Effects 0.000 claims description 15
- 238000009826 distribution Methods 0.000 claims description 15
- 230000000977 initiatory effect Effects 0.000 claims description 7
- 230000035945 sensitivity Effects 0.000 claims description 7
- 238000001514 detection method Methods 0.000 abstract description 10
- 238000007405 data analysis Methods 0.000 abstract 1
- 239000007789 gas Substances 0.000 description 37
- 238000004891 communication Methods 0.000 description 23
- 238000012423 maintenance Methods 0.000 description 18
- 238000012544 monitoring process Methods 0.000 description 8
- 238000012360 testing method Methods 0.000 description 8
- 239000000047 product Substances 0.000 description 7
- 230000001960 triggered effect Effects 0.000 description 7
- 239000003990 capacitor Substances 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 230000001413 cellular effect Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000011156 evaluation Methods 0.000 description 3
- 239000003345 natural gas Substances 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000009412 basement excavation Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000010267 cellular communication Effects 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000004880 explosion Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000007257 malfunction Effects 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 239000013618 particulate matter Substances 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000013179 statistical model Methods 0.000 description 1
- 230000004936 stimulating effect Effects 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N7/00—Computing arrangements based on specific mathematical models
-
- 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
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
-
- 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
- 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
- G08B21/02—Alarms for ensuring the safety of persons
- G08B21/12—Alarms for ensuring the safety of persons responsive to undesired emission of substances, e.g. pollution alarms
- G08B21/16—Combustible gas alarms
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B29/00—Checking or monitoring of signalling or alarm systems; Prevention or correction of operating errors, e.g. preventing unauthorised operation
- G08B29/18—Prevention or correction of operating errors
- G08B29/185—Signal analysis techniques for reducing or preventing false alarms or for enhancing the reliability of the system
- G08B29/188—Data fusion; cooperative systems, e.g. voting among different detectors
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Mathematical Analysis (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Computational Mathematics (AREA)
- Mathematical Optimization (AREA)
- Algebra (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Probability & Statistics with Applications (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Medical Informatics (AREA)
- Evolutionary Biology (AREA)
- Automation & Control Theory (AREA)
- Databases & Information Systems (AREA)
- Operations Research (AREA)
- Computer Hardware Design (AREA)
- Geometry (AREA)
- General Health & Medical Sciences (AREA)
- Computer Security & Cryptography (AREA)
- Toxicology (AREA)
- Emergency Management (AREA)
- Combustion & Propulsion (AREA)
- Environmental & Geological Engineering (AREA)
- Business, Economics & Management (AREA)
- Chemical & Material Sciences (AREA)
- Emergency Alarm Devices (AREA)
- Testing And Monitoring For Control Systems (AREA)
- Alarm Systems (AREA)
Abstract
用于动态优化用于传感器数据分析的模型的系统和方法。通过使用基于分析采取的动作系统地改变分析模型的参数,基于分析确定来采取动作,以确定针对特定模型参数的命中、未命中、误报警和正确拒绝的相对频率。基于信号检测理论分析以及每次命中、未命中、误报警或正确拒绝的值或成本来选择用于本地分析的模型参数。
Description
背景技术
随着“物联网”的发展,越来越多的设备将传感器和处理能力嵌入其中。虽然这可以提供智能操作(警报的高级标准,设备中零件磨损的指示器等),但是这些嵌入式分析通常更新很慢,部分原因是预先编程模型并将分析方法和参数基于预先计算的模型。这些模型通常基于第一原理或“大数据”驱动的历史数据汇总;这些方法中的任何一种都会因假设而包含不精确,而在汇总数据的情况下,则存在第三变量和方向性问题。由于缺乏实验控制和使用汇总的被动收集数据,这些建模方法在识别错误和自我纠正方面的能力也受到限制。此外,这些模型中的错误可能变得越来越昂贵或风险,因为它们应用于昂贵的资本设备,例如用于诊断喷气发动机或石油挖掘设备的维护需求,电网故障,或应用于安全问题,诸如使用远程传感器来指导围绕进入潜在危险位点诸如甲烷泄漏位点的决策。
此外,这些模型可不经常更新,通常只在新产品代中更新,并且往往对设备是通用的;虽然一些大型安装可包括针对特定操作条件或环境的定制,但是在具有本地分析的许多其他设备上更新和适配分析模块的可扩展性不足,包括选择模型和调整该选择模型的参数。使流程自动化可以提供更加可扩展的方式来调整特定背景或部署的本地分析。
信号检测理论是用于分析响应特定信号的有效性的框架,其已被用于空中交通管制员评估、医学和法医学。该框架基于是否采取了行动以及是否确实存在需要采取行动的条件将结果分为4类。那些类别是命中(采取行动并且存在条件)、未命中(不采取行动,但存在条件)、误报警(采取行动,但不存在条件)和正确拒绝(不采取行动并且不存在条件)。这四个结果都是相互关联的;例如,调整决策标准以提高命中率也必然会增加一组给定传感器特性(即d素数)的误报警的发生率。根据那些四种结果的分布,信号检测理论允许对传感器的灵敏度和响应标准的精度计算单独的和独立的值,从而允许优化每个元素。然而,这种优化需要分离响应信号的这两个方面,以便能够隔离和优化响应标准;如果不是不可能通过分析历史数据来实现这一目标,而无法控制影响这些指标的混淆,包括当无法知道或控制这些指标时它们对彼此的影响。
天然气公用事业公司通常必须监测一个关键点,例如当应急响应者访问位点,撤离该位点并检查该位点时,使用手持式甲烷检测器,同时继续通过位点直到水平达到不安全水平,或者当公用事业人员必须监测带顶盖的井口,或监测低水平泄漏以确保这些带顶盖的井口不会恶化时。电气设施必须定位和表征其网格上的故障,并对那些故障做出响应。在气体公用事业公司的应急响应示例中,通常然后远程关闭气体,并且由应急响应者的无人帮助确定何时检查位点。如果应急响应者过早返回位点,这将使他们面临爆炸的风险,并且在信号检测理论下被视为“误报警”,当事件刺激行动(即气体水平下降至危险水平以下)时,实际上并没有采取行动。然而,响应者等待的时间越长,位点停止运行的时间越长,包括使工业位点闲置或居民被禁止进入他们的家;这在信号检测理论中被视为“未命中”,未能识别何时应采取行动。远程传感器可以提供一些附加情境智能来支持应急响应者,但是结构内的气体行为及其与返回泄漏位点的整体安全性的关系并不简单,需要评估多个传感器的输出的分析工具,以提供可行的建议,其将增加命中率和正确拒绝的分数,从而保持响应者安全,同时及时清理泄漏位点。
发明内容
通过以下方法持续更新和改进本地分析提供的决策支持的方法:根据模型产生适当的命中率、未命中率、误报警率和正确拒绝率的可能性,基于那些结果中的每个结果的成本或收益,为本地分析设备选择特定模型和/或模型参数;响应由本地分析设备应用的模型导致的动作触发;在某些情况下,通过参考其他本地分析设备的其他轭式模型选择来分类响应的结果,以便确定未命中和正确拒绝;以及更新用于选择模型参数的模型和结果的数据库。
用于更新和改进本地分析标准的系统,该系统包括:被配置成确定用于分析的模型的处理器;可以通过来自本地分析单元的通信激活的响应资产;和用于分析的模型及其所得的结果的数据库;和本地分析单元,该本地分析单元至少包括模型存储器、一个或多个传感器、以及被配置成使用模型存储器中的模型和一个或多个传感器的输出来确定动作触发的发生的处理器。
附图说明
图1是应用于更新本地分析的本发明的示例方法的过程流程图。
图2是本发明的示例方法的过程流程图,该方法具体涉及调整远程气体监测系统中的阈值。
图3是本地分析模块的示例系统的系统图。
图4是远程气体传感器的示例系统的系统图。
具体实施方式
在设备上的本地处理器处分析评估传感器数据或对上传到云的传感器数据进行动作通常触发另一个事件,这可通过引入分析解释的传感器数据之外的附加资源,可以确认或反驳分析确定的精度。通过提供反馈回路,这允许本地分析确定在设备内部和设备之间随时间自我校正和自适应,本地分析确定可以通过该反馈回路对其精度进行评估。例如,设备可以在某些性能阈值和/或运行时间阈值处触发维护警告,或者远程传感器可以触发对条件的响应,诸如指示天然气泄漏位点现在可以安全地访问和重新检查;在所有这些情况下,使用的分析模型有时可以会出现误报警或未命中,这可以是代价高昂甚至是危险的。
本地分析设备是具有嵌入式传感器、处理器和通信的设备,该设备可用于确定和响应设备处的条件,包括内部设备条件和设备处或设备附近的事件。这可以包括测量表示需要维护的运行时间或零件磨损,远程传感器应用提供关于状态变化的信息(例如,一组远程甲烷传感器以提供对泄漏位点的持续监测)。由本地分析设备触发的响应或动作可以来自与本地分析设备通信的外部参与者或设备(即,执行维护或具有资产访问并检查监测的泄漏位点),或者可以由设备本身执行,例如,电容器组,其基于设备处或设备附近的电压和电流测量结果基于功率因数的局部确定自动接通。
本地分析设备使用处理器通过使用模型将传感器输出与特定事件和动作触发链接来解释传感器输出(即当一个值表示需要维护或更换时,或者可能是气体泄漏已经停止,或者如果泄漏变得更严重),以便识别和响应特定条件或需要响应的事件的发生。模型可以包括例如某些传感器读数的阈值(诸如在其之后执行维护的运行时间),可以基于传感器读数之间的关系,诸如来自多个气体传感器的读数之间的差异以及用于确定泄漏位点的状态变化的比较,基于诸如具有特定范围的电能质量的范围,在该范围内电容器将从关闭切换到开启,或反之亦然,或者基于传感器输出和模型参数的事件检测或动作触发的其他功能。模型参数包括用于解释传感器结果的函数和值诸如特定阈值和那些解释中使用的范围。
用于动态调整本地设备的分析标准的方法在图1中示出。该方法开始于在步骤100中更新用于本地分析的噪声和信号加噪声分布,以及在步骤102中选择本地分析设备或一组设备。在步骤104中,基于模型数据库和使用那些模型触发的动作的所得的结果,确定用于评估所选择的设备或设备组处的传感器输出的模型。在步骤106中将确定的模型提供给本地分析设备,并且该确定的模型用于评估设备处的传入传感器数据,从而包括在步骤108中在满足包括在模型中的动作触发时发起响应。步骤108中的动作触发的满足度驱动步骤110中采取的动作,该步骤110还包括动作触发是否提供命中、未命中、误报警或正确拒绝的确定。然后,在步骤110中捕获的该结果被添加到步骤112中的模型和动作触发结果的数据库,该步骤112可以在步骤104的稍后迭代中用于本地分析的模型的后续确定中使用。
在步骤100中基于结果数据更新噪声分布和信号加噪声分布,并且可以用于计算β最优的当前值。β最优表示根据信号检测理论的期望决策标准,在给定那些结果之间的关系的情况下,导致命中(成功检测到条件并响应该条件)、未命中(存在条件但未检测到该条件)、误报警(触发响应,但条件实际上并不存在)和正确拒绝(不存在条件并且未触发响应)的最佳分布。它可以从分配给每个结果的值和传感器的灵敏度值计算,该灵敏度值在信号检测理论中称为d素数。D素数不仅可以解释传感器本身的精确,还可以解释传感器的特定配置的灵敏度或放置传感器时遵循的部署协议。对于在本地分析设备中使用的给定传感器组,d素数值可以是已知的,并且该已知值经由用户界面输入或从存储器检索以用于计算β最优值。β最优值可以特定于单个本地分析设备,或者通常是具有类似感测特性、操作背景和/或每个结果的值或结果的一类本地分析设备。可以基于每个结果的相对值和根据信号检测理论的关于结果的先前分布的数据来计算β最优,例如通过以下方式:通过计算误报警和正确拒绝的数量除以结果的总数来确定噪声分布p(N),通过计算1-p(N)确定信号加噪声分布p(SN),以及通过将p(N)除以p(SN)并将该值乘以(V(CR)-C(FA))/(V(H)-C(M))来计算β最优,其中V(CR)是正确拒绝的值,C(FA)是误报警的成本,V(H)是命中的值,并且C(M)是未命中的成本。可以在该方法的迭代中重新计算β最优,因为生成关于结果的附加数据,并且该附加数据可以更新为关于结果的值和成本随时间变化的数据。
通过识别要确定用于执行本地分析的模型的本地分析设备中的一个或多个本地分析设备来执行在步骤102中对一个本地分析设备或多个本地分析设备的选择。该选择可以基于本地分析设备的部署(即,将远程甲烷传感器放置在气体泄漏位点处),在一个本地分析设备或多个本地分析设备处完成该方法的先前迭代(即,当设备基于先前模型下的本地分析在请求之后正在接收维护时),或基于时间表。
在步骤104中执行确定用于评估设备处的传感器输出的模型。通过从一组模型选择模型来确定模型。模型是用于基于诸如算法、公式、数学模型或统计模型的传感器输入来确定位点或设备的条件的方法,该方法可以由在步骤102中选择的本地分析设备处的处理器执行。这组模型(要使用的模型从该组模型选择)都旨在对位点或设备条件进行相同的确定,例如识别设备何时需要维护或何时甲烷泄漏的位点相对于气体浓度已经发生了状态变化。模型可在方法(例如,使用纯运行时间来确定维护需求,或需要关键性能指标的某个阈值级别的变化以确定维护需求)和/或参数(例如,每个模型使用不同的加权或缩放因子、延迟周期或阈值)上有所不同。每个模型都与此方法的先前迭代中的一组结果(命中、未命中、正确拒绝和误报警)相关联。那组结果用于计算d素数值,该d素数值表征模型的灵敏度,并基于样本大小(即记录结果的总数)建立β值周围的置信区间。可以基于d素数值、置信区间以及它们彼此的重叠来执行模型选择,以在最可能具有最高灵敏度的模型中进行选择。例如,可以通过计算每个模型对于d素数具有最高值的可能性来完成这个选择。根据所计算的最高d素数的可能性,基于约束随机化来选择模型,其中选择模型的概率由该模型具有最高d素数的可能性来确定。例如,如果模型1基于置信区间的重叠有70%可能具有最高d素数,则模型2有20%可能具有最高d素数,模型3有0%可能具有最高d素数,并且模型4有10%可能具有最高d素数,随机化将被加权以匹配其,使得有70%的机会选择模型1,20%的机会选择模型2,0%的机会选择模型3,并且10%的机会选择模型4作为传感器部署的确定的阈值。
在一些实施方案中,在步骤106中分配给本地分析设备的模型还可以与一个或多个轭式控件配对,以进一步增强将模型与特定结果链接的能力(在尚未做出响应的情况下),从而提供计算ROC曲线和执行信号检测分析所需的正确拒绝和未命中确定。通过确定本地分析模型的部署之间的随机等效性以及将本地分析模型的两个或更多个随机等效部署相互关联,可以使轭式控件彼此相关联。通过确保可能结果的概率之间的重要(如果不是完全的话)重叠,轭式控件之间的随机等效性使得能够以无偏见的方式确定结果的组均值。概率的这种重叠基于情况的相似性以及本地分析模型对本地分析设备的那些分配的结果的可能概率分布,然后可以将它们联合在一起。可以确定随机等效性,例如通过考虑所有特定模型或类别的本地分析设备是等效的,考虑本地分析设备的特定部署协议(即,根据特定规则或启发式将甲烷传感器放置在气体泄漏位点处),或者,例如,基于围绕它们的特性为本地分析设备的特定部署计算的相似性分数(例如,为了测量油泵的磨损,可以使用泵送油中的颗粒物质的粘度和存在来计算哪些泵可以充分等效以配对为轭式控件)。一旦确定,这些关联可以存储在数据库中,例如作为伴随本地分析模型的每次分配到本地分析设备的字段。
在步骤106中执行向一个本地分析设备或多个本地分析设备提供模型。通过有线通信或无线通信诸如以太网协议、WIFI通信(例如,802.11标准)、蓝牙技术、ZIGBEE产品,或使得模型的数据能够被传送到一个本地分析设备或多个本地分析设备的其他此类通信,可将步骤104中确定的模型提供给本地分析设备。当由一个本地分析设备或多个本地分析设备接收时,模型可以存储在存储器中,以供处理器使用以确定一个本地分析设备或多个本地分析设备处的传感器读数何时已经满足模型中的动作触发。
当模型发现动作触发的满足时发起响应在步骤108中发生。本地分析设备处的处理器接收本地分析设备处或本地分析设备附近的传感器的输出,并使用在步骤104中确定并在步骤106中提供给设备的模型,并且当传感器输出满足在模型中设置的触发时,通过采用模型中触发定义的动作来发起响应。该响应的发起可以是传送请求或状态的改变(即,指示泄漏位点处的条件的改变并且请求人员检查位点),或者在一些实施方案中,可以发起自动化动作,诸如在本地分析设备内发送信号以驱动电容器组从关闭状态切换到开启状态,反之亦然。
在步骤110中进行触发动作并记录结果。在步骤108的发起是通信的实施方案中,通过采取通信请求的动作来执行步骤110,例如将维护人员派遣到本地分析设备并执行维护,或者访问气体泄漏位点以调查跟随表明状态的变化的通信。在这些实施方案中,在对通信的响应期间测量本地分析设备确定的结果,例如执行维护的人员记录是否需要维护。记录这些确定,并且在步骤112中使用这些确定来确定该过程的这个迭代中的模型是否在基于传感器输出触发响应时产生命中、未命中、正确拒绝和/或误报警。在步骤108的发起是发起自动化动作的实施方案中,通过完成这个特定动作来执行步骤110,诸如完成电容器组的状态的物理切换。在这些实施方案中,本地分析设备外部的传感器可用于确定命中、未命中、误报警或正确拒绝的发生,例如对于电容器组开关,确定在切换这个电容器组之后,功率因数已接近或远离单位。
在一些实施方案中,可以在步骤110的结果确定期间或之后通过参考在步骤106期间与模型相关联的一个或多个轭式试验的结果来确定未命中和正确拒绝的确定。通过识别相关联的轭式试验是否是动作触发的更高标准或更低标准来进行该确定。通过比较轭式试验模型的触发动作响应率与模型的触发动作响应率,可以确定标准是更高还是更低,其中较高的动作响应率指示较低的标准并且较低的动作响应率指示较高的标准。
当由动作响应确定的结果是“命中”时,如果具有较低标准的轭状试验也产生命中,则结果确定可以改变为“未命中”,因为该条件可能已经能够根据较低的标准提供命中的轭式试验进行检测并较早响应。当较低标准的轭式试验产生误报警时,“命中”仍然是“命中”。如果由动作响应确定的结果是“命中”,并且具有较低标准的轭式试验产生“误报警”,则结果确定可另外标记为“正确拒绝”。在一些示例中,外部数据还可以用于补充未命中和正确拒绝的确定。例如,如果在没有本地分析单元检测到事件且触发响应的情况下发生事件(并且通过与执行该示例方法的系统连接的另一个系统检测并记录这个事件,或通过用户界面输入),则这个数据可用于将所分配的本地分析模型的性能定义为“未命中”。
在步骤112中执行更新模型和动作触发结果的数据库。一旦确定了模型的命中、未命中、误报警或正确拒绝的结果,就将结果添加到数据库,将这个结果添加到步骤104中选择的模型的一组结果并进一步改进在该模型应用于本地分析设备处时理解命中、未命中、误报警和正确拒绝的相对频率。然后,可以在步骤104处在这个方法的后续迭代中引用更新的数据库,以确定模型参数和/或为本地分析设备选择模型。
与调节远程气体传感器中的响应标准有关的一个特定示例方法在图2中示出。在该示例中,多个传感器留在气体诸如甲烷的泄漏位点处,并且基于位点安全的高可能性,评估来自多个传感器的读数以确定何时可以重新检查位点。在该示例方法中,在步骤200中计算用于确定泄漏位点条件的β最优。在步骤202中部署传感器以监测位点条件,并且在步骤204中确定传感器的阈值;这些步骤可以是所呈现的顺序,或者可以是同时或顺序颠倒出现,其中阈值在传感器部署之前确定,这取决于条件和操作背景。一旦确定了阈值并且传感器部署到位点,传感器就监测位点,并且在该监测期间,在步骤206中触发阈值。一旦符合阈值,就重新评估该位点,并且在该重新评估中,在步骤208中确定触发阈值是命中、未命中、误报警还是正确拒绝。然后在步骤208中确定的结果被添加到步骤210中的阈值和响应结果的数据库中,该步骤210可以在该方法的后续迭代中根据步骤204用于随后的阈值确定。
在步骤200中计算气体感测模型的噪声和信号加噪声分布。除了返回到气体泄漏位点的背景下的特定结果的相对成本和/或收益的数据之外,可以从这些分布计算β最优,例如返回到仍然存在危险气体水平的位点的大成本,较早错过返回到位点并且清理位点的机会的小成本,正确识别位点不适合当前返回并及时识别位点何时可以重新进入和清理的收益。成本和/或收益数据可以是用户确定的或者从其他数据诸如财务模型或风险模型导出。如上所述在步骤100中使用每个结果的值来计算β最优,并且可以针对该过程的每次迭代来计算β最优。
在步骤202中执行将传感器部署到位置。一个或多个远程气体传感器单元(例如甲烷传感器)根据部署协议部署到泄漏位置,根据协议和与可触发疏散的数量相比可允许的气体水平尽可能地部署到一定程度。部署协议可以基于例如用于放置传感器的特定空间或者应该放置传感器的高度来指示要部署的传感器的数量和放置传感器的位置。一旦部署了传感器,在一些实施方案中,可以确认部署及其执行的程度,例如通过公用设施维护人员与用户界面进行交互以确认放置的传感器的数量以及它们是否按部署协议中的定义放置。
在步骤204中执行传感器的一个阈值或多个阈值的确定。阈值对应于传感器读数可以指示状态变化的时间,例如在关闭气体流到泄漏位点之后的气体消散。阈值可以依据传感器输出之间的关系、传感器值与初始测量值和/或峰值测量值的关系或感测气体诸如甲烷的绝对水平。阈值可以从一组潜在值确定,该潜在值可以是用户确定的或基于用户设置的可允许范围和边界和/或来自本发明的方法的先前迭代的数据而程序生成的。每个阈值具有相关联的β值,该β值是根据在方法的先前迭代中发生并且存储在阈值和结果的数据库中的命中、未命中、正确拒绝和误报警的分布计算的。这些β值具有围绕这些β值的置信区间,这些β值可以基于当前样本大小(数据点的总数,即命中、未命中、正确拒绝和误报警的总数的和)来计算。对于一个或多个阈值,围绕每个d素数值的置信区间的重叠可以用于确定特定阈值将提供最佳灵敏度的可能性。根据该可能性,可以基于阈值是最佳选项的可能性通过加权随机化来确定阈值。例如,如果阈值1是70%可能具有最高d素数,则阈值2是20%可能具有最高d素数,阈值3是0%可能具有最高d素数,并且阈值4是10%可能具有最高d素数,随机化将被加权以匹配其,使得有70%的机会选择阈值1,20%的机会选择阈值2,0%的机会选择阈值3,并且10%的机会选择阈值4作为与传感器部署一起使用的确定的阈值。
在一些实施方案中,步骤204中的阈值的确定基于步骤202中的传感器的部署。在这些实施方案中,特定部署,并且在一些实施方案中,部署完成的范围可以用于引用数据库并检索特定部署的d素数值和/或访问历史结果数据,用于在步骤204中确定阈值。在一些实施方案中,使用由传感器确定的设定值、部署位置的类型或者使用并完全实现特定协议的假设,可以在步骤202中部署传感器之前或同时确定阈值。
当在步骤206中满足阈值时,触发响应。远程气体传感器测量并定期或连续地报告其结果,这些结果与在步骤204中定位在远程气体传感器处或该远程气体传感器附近并且与那些气体传感器通信的单元处确定的阈值进行比较,例如通过无线通信诸如ZIGBEE产品、WIFI通信(802.11协议)。当最近接收的传感器输出由处理器确定以满足阈值时,指示泄漏位点处的状态变化(即,水平下降指示成功关闭气体并且需要重新检查并清理泄漏位点),消息经由通信链路例如无线通信诸如ZIGBEE产品、WIFI通信、蓝牙技术或蜂窝通信(即3G、4G LTE)发送到响应资产;响应资产可以是,例如由应急响应人员(诸如最初响应泄漏位点并在步骤202中部署传感器的人员)携带的移动设备。
在步骤208中确定响应是命中、未命中、误报警或正确拒绝。当响应资产根据步骤206的动作触发访问泄漏位点时,响应资产独立地测量位点处的气体水平,例如使用手持式甲烷传感器,并且指示该位点是否确实安全返回;这可以例如通过设备上的用户界面来完成,诸如在步骤202的一些实施方案中用于确认部署协议的用户界面的扩展。除了来自个人访问的这些数据之外,来自与当前响应相关联的轭式试验的数据可用于识别正确拒绝和未命中。
在步骤210中,通过获取在步骤208中确定的一个结果或多个结果,将结果与所选择的阈值相关联,以及将相关联的结果和阈值添加到数据库,在步骤210中执行更新阈值和响应结果的数据库,其可任选地包括为其选择阈值的部署协议。这个数据库用于在步骤204中确定阈值。
图3中描绘了具有动态更新以优化模型选择的本地分析设备的示例系统。该系统包括本地分析设备300,该本地分析设备的部件包括传感器302、本地分析处理器304和模型存储器306。本地分析设备通信地连接到模型确定处理器308,并且本地分析处理器304可以触发动作响应单元312。动作响应312与结果确定和记录314进行交互以通过动作响应312将本地分析触发的响应表征为命中、未命中、正确拒绝或误报警,并且结果确定和记录314将这个信息提供给被配置成存储传感器响应和结果数据库310的存储器。处理器和存储器可以定位在一起并直接耦合(例如,连接在一起)或仅在云架构中通信地耦合,经由因特网或其他远程通信在元件之间传输数据。
本地分析设备300是包括传感器302、本地分析处理器304和模型存储器306的设备,从而使用传感器、处理器和存储器来评估本地分析设备300处的条件。本地分析设备可以是另一个设备的一部分(例如,传感器、处理器和存储器可以连接到泵、涡轮机或发动机的件)或者可以是整个本地分析设备(例如,用于气体泄漏位点的监控系统)。本地分析设备的部件通过有线方式或无线方式彼此通信地耦合,但不需要共享外壳,并且可以彼此接近(通过无线方式完成通信耦合,例如通过蜂窝、WIFI通信、蓝牙技术或ZIGBEE产品)或直接连接。本地分析设备300可以包括到动作响应312的有线通信或无线通信,该动作响应可以在某些条件下触发响应,诸如当包括本地分析设备300的设备需要维护时,检测并且在一些示例中表征需要缓解或解决的故障,或者报告诸如气体泄漏位点的位置的状态的变化变得安全进入。
本地分析设备300包括传感器302。传感器可以是例如用于运行时间的计数器,应力循环的压电监测器,气体传感器诸如甲烷传感器,用于识别和表征电气故障的电流传感器、电压传感器和/或其他传感器,环境传感器诸如温度传感器,用于管道监测的压力传感器,或提供关于可由动作响应312响应的条件的信息的其他传感器。传感器产生输出,该输出可以是原始电信号或者可以被转换为数字值,并且被提供给本地分析处理器304。
本地分析设备300还包括本地分析处理器304,该本地分析处理器被配置成接收传感器输出,并且使用存储在模型存储器306中的模型通过解释传感器输出来确定本地分析设备处或该本地分析设备附近的条件。本地分析处理器可以是任何标准的可商购获得的种类的微处理器,并且可以基于功耗质量来选择或者内置到微控制器中,该微控制器还可以包括模型存储器306,来自传感器302的输入和到通信天线诸如WIFI通信、ZIGBEE产品、蓝牙技术或蜂窝(即3G或4G LTE)的输出。
本地分析设备300还包括模型存储器306,该模型存储器被配置成存储用于由本地分析处理器304解释传感器302的输出的模型。模型存储器306可以是非易失性存储器诸如闪存存储器或硬盘驱动器。在一些实施方案中,模型存储器306耦接到通信单元诸如蜂窝、WIFI通信、蓝牙技术或ZIGBEE产品天线,模型存储器306从其接收模型数据,然后将该模型数据存储在模型存储器306中。
模型确定处理器308被配置成设置提供给本地分析设备的本地分析处理器304的模型的参数。模型确定处理器是被配置成从本地分析模型的数据库及其先前结果接收信息并选择要分配给本地分析设备300的模型的处理器。通过计算模型是本地分析设备从每个潜在模型的命中、未命中、误报警和正确拒绝使用的最佳可用模型的可能性,例如,通过基于样本大小和结果的分布计算特定模型的β值和围绕它的置信区间并且将那些值与确定的最优β值进行比较,可进行确定。使用一个或多个模型的计算的可能性,可以选择模型,例如通过使用加权随机化,其中基于那些计算的可能性确定每个模型的加权。
传感器响应和结果数据库310是存储器,其被配置成存储结果的数据库,该结果起因于使用由模型确定处理器308选择的每个模型来评估来自本地分析处理器304处的传感器302的输出。当确定要提供给本地分析设备300的模型时,模型确定处理器308使用来自该存储器的信息。传感器响应和结果数据库可以存储在非易失性存储器诸如一个或多个硬盘驱动器或闪存存储器上。
动作响应312是与本地分析设备300分离但是响应本地分析处理器304的确定或者使其动作根据本地分析处理器304的输出排队的单元或人员。示例包括应急响应者诸如气体分布网络应急响应者或待命排队等候访问、检查和维护自动报告磨损状态和维护需求的设备的维护人员。
结果确定和记录单元314基于动作响应312的发现来表征本地分析处理器304报告的情况。这可以通过用户界面输入,基于动作响应人员或资产所携带的传感器的输出,或者来自本地分析设备附近或本地分析设备处的其他远程传感器,但是与传感器302分开并且其输出未被本地分析处理器304考虑。由这个单元确定和记录的结果被添加到传感器响应和结果数据库310。在一些示例中,由单元执行的结果确定可以包括参考相关联的轭式试验,使用两个或更多个相关联的轭式试验的结果,以允许正确拒绝和未命中的确定,从而提供确定本地分析模型的精度所需的完整的一组信息。
在图4中描绘了一个特定的示例系统,其中本地分析单元是用于监测条件并触发重新进入和评估泄漏位点的一组远程气体传感器。将传感器402部署在监测位点400中。传感器402的输出由阈值比较处理器404评估,该阈值比较处理器从阈值确定处理器406接收阈值,并且阈值比较处理器404指示包括第二传感器410的响应资产进入监测位点400。响应资产上的第二传感器410与传感器响应和结果数据库408进行通信,以提供关于位点条件的反馈以及响应资产遇到的条件是否指示传感器402和阈值比较处理器404的命中、未命中、误报警或正确拒绝,并且那个结果与相关联的阈值存储在传感器响应和结果数据库408中。
泄漏位点400是可存在气体(通常是甲烷,但也可以是其他有害气体)泄漏的区域,并且将监测该位点。泄漏位点可以通过例如当他们闻到天然气的气味时呼入的公用事业客户来识别。泄漏位点是可存在甲烷泄漏的位置,诸如带顶盖的井口,已经从中引入泄漏的房屋,并且可以包括陆地周围结构以及结构本身,或者甚至包括相邻结构,取决于可能泄漏的性质和严重程度以及对可能泄漏的响应时间。
传感器402部署到泄漏位点。传感器可以是气体传感器诸如甲烷传感器或其他有害气体传感器。传感器402可以是本质安全的,并且可以是任何配置或各种甲烷传感器诸如火焰离子化、声学或红外线。传感器可以是一个或多个远程传感器,其通过有线方式或无线方式(例如,ZIGBEE产品、WIFI通信或蜂窝数据诸如3G或4G LTE连接)彼此通信地耦合和/或通信地耦合到基站,所有这些都可以部署到泄漏位点400。
阈值比较处理器404被配置成从传感器402接收读数并确定传感器读数是否满足阈值确定处理器406提供的并存储在耦接到阈值比较处理器404的存储器中的阈值。阈值可以是,例如传感器402中任一个传感器的阈值,可以基于用于传感器402中每个传感器的读数的阈值,或者可以基于鉴于根据特定协议的那些传感器的部署的特定传感器402输出之间的关系(例如,将位于泄漏位点400的地板上大约4英尺的传感器与位于泄漏位点400的地板上方8英尺处的另一传感器进行比较)。
阈值确定处理器406是被配置成设置阈值的处理器,该阈值用于评估传感器402的输出以确定泄漏位点400的状态的变化。确定的阈值可以依据例如各个传感器402处的甲烷水平或者部署到泄漏位点400的不同传感器402处的甲烷水平之间的关系。部分地基于来自传感器和响应结果数据库408的数据进行确定,例如围绕要从中选择的每个潜在阈值的测量的β值计算的置信区间(基于使用那个阈值的先前试验中的命中、未命中、误报警和正确拒绝的相对速率),以及那些置信区间与计算的β的最佳值的重叠。
传感器响应和结果数据库408是存储器,其被配置成存储与阈值有关的数据的,用于基于阈值比较处理器404的先前输出和那些试验的结果来检测泄漏位点400的状态的变化。任选地,数据库可以包括分配给每个结果的值(命中、未命中、正确拒绝和误报警),以便识别用于确定位点条件的阈值的最佳β值。任选地,数据库还可以包括第一阈值与轭式试验中涉及的一个或多个其他阈值之间的关联,从而使得每个阈值的结果能够用于确定那些特定轭式试验的未命中和正确拒绝的存在。
第二传感器410是甲烷检测器。传感器可以与响应人员携带的响应资产或手持式传感器单元集成在一起。传感器与远程传感器或传感器402的网络分开。当第二传感器410被到气体位点的响应资产诸如应急第一响应者访问时,该第二传感器用于测量泄漏位点400处的甲烷水平。第二传感器410所读取的读数可以直接添加到传感器响应和结果数据库408,或者可以通过用户界面手动输入(例如,通过应急第一响应者的确定确认位点适合于重新进入或者位点不适合重新进入)基于第二传感器410的输出确定的结果,该用户界面将结果提供给阈值和结果数据库408,或者可以将来自第二传感器410的结果提供给处理器,该处理器基于传感器输出确定结果并且将结果确定提供给阈值和结果数据库408。
Claims (5)
1.一种用于更新与设备一起使用的分析模型的方法,包括:
基于本地分析模型和模型响应结果的数据库确定包括动作触发的本地分析模型;
向本地分析设备提供所述本地分析模型;
当所述本地分析设备处的传感器输出满足所述动作触发时启动响应;
基于在所启动的响应期间测量的所述本地分析设备处的条件,确定动作触发结果为命中、未命中、误报警或正确拒绝;
使用所述动作触发结果更新所述本地分析模型和模型响应结果的数据库,以在所述方法的后续迭代中基于更新后的本地分析模型和模型响应结果的数据库确定新的本地分析模型。
2.根据权利要求1所述的方法,还包括如下计算所述本地分析设备的β最优值,其中所述β最优值指示针对所述本地分析设备的所述动作触发结果的最佳分布:
通过计算误报警和正确拒绝的数量除以所述动作触发结果的总数来确定噪声分布p(N),
通过计算1-p(N)确定信号加噪声分布p(SN),并且
将β最优值计算为(p(N)/p(SN))×(V(CR)-C(FA))/(V(H)-C(M)),其中,V(CR)是正确拒绝的值,C(FA)是误报警的成本,V(H)是命中的值,并且C(M)是未命中的成本。
3.根据权利要求1所述的方法,其中确定本地分析模型包括基于多个本地模型中的每个本地模型对于d素数具有最高值的可能性来确定所述本地分析模型,所述d素数是传感器的灵敏度。
4.一种用于评估气体泄漏位点的方法,包括:
基于模型参数的数据库和对位点的条件的变化进行确定的准确性来选择用于模型的参数,所述模型用于将甲烷传感器输出转换为对所述位点的条件的评估;
将多个远程甲烷传感单元部署到所述位点;
接收来自所述多个远程甲烷传感单元的传感器输出;
基于所述传感器输出和所述模型确定所述位点的条件的变化;
基于所述位点的条件的变化重新访问所述位点,其中重新访问所述位点包括测量所述位点处的甲烷水平;
基于所述位点的所述重新访问,将对所述位点的条件的变化进行确定的结果分类为命中、未命中、误报警或正确拒绝;以及
使用所分类的结果更新所述模型参数的数据库和所述对位点的条件的变化进行确定的准确性。
5.根据权利要求4所述的方法,其中选择用于模型的参数包括基于加权随机化选择用于模型的参数,所述加权随机化基于针对对位点的条件的变化进行确定的准确性的置信区间的重叠。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201662420137P | 2016-11-10 | 2016-11-10 | |
US62/420,137 | 2016-11-10 | ||
PCT/IB2017/056873 WO2018087639A1 (en) | 2016-11-10 | 2017-11-03 | Systems and methods for supervision of local analytics |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109952575A CN109952575A (zh) | 2019-06-28 |
CN109952575B true CN109952575B (zh) | 2023-12-29 |
Family
ID=62109612
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201780068869.1A Active CN109952575B (zh) | 2016-11-10 | 2017-11-03 | 用于监督本地分析的系统和方法 |
Country Status (6)
Country | Link |
---|---|
US (2) | US20200019128A1 (zh) |
EP (1) | EP3539028B1 (zh) |
JP (1) | JP7056823B2 (zh) |
CN (1) | CN109952575B (zh) |
TW (1) | TW201824022A (zh) |
WO (1) | WO2018087639A1 (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11519809B2 (en) * | 2017-12-06 | 2022-12-06 | Operations Technology Development, Nfp | System and method for gas sensing and monitoring |
CN109032608A (zh) * | 2018-07-30 | 2018-12-18 | 北京博大光通物联科技股份有限公司 | 多传感器数据统一解析的系统和方法 |
GB201817939D0 (en) * | 2018-11-02 | 2018-12-19 | Rolls Royce Plc | Method of calibrating a gas turbine engine |
WO2020188329A1 (en) * | 2019-03-15 | 2020-09-24 | 3M Innovative Properties Company | Controlling a manufacturing process using causal models |
CN112750276B (zh) * | 2020-12-29 | 2023-07-04 | 杭州拓深科技有限公司 | 一种基于用电设备识别的独居老人看护方法及系统 |
US11599754B2 (en) * | 2021-03-31 | 2023-03-07 | At&T Intellectual Property I, L.P. | Image classification attack mitigation |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104500138A (zh) * | 2014-10-16 | 2015-04-08 | 中国矿业大学(北京) | 煤矿掘进工作面煤与瓦斯突出报警方法 |
CN104838241A (zh) * | 2012-12-04 | 2015-08-12 | 斯蒂芬.J.霍恩 | 流体流动检测和分析设备及系统 |
Family Cites Families (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004199298A (ja) * | 2002-12-18 | 2004-07-15 | Mitsubishi Heavy Ind Ltd | プラント運転システム |
US20080027690A1 (en) * | 2004-03-31 | 2008-01-31 | Philip Watts | Hazard assessment system |
DE102005034247A1 (de) * | 2005-07-22 | 2007-01-25 | Robert Bosch Gmbh | Überwachung von Abgasgrenzwerten |
EP2223260A2 (en) * | 2007-11-07 | 2010-09-01 | EDSA Micro Corporation | Systems and methods for real-time forecasting and predicting of electrical peaks and managing the energy, health, reliability, and performance of electrical power systems based on an artificial adaptive neural network |
US9030329B2 (en) * | 2010-04-12 | 2015-05-12 | Heath Consultants, Inc. | Smart methane monitor |
US9645575B2 (en) * | 2013-11-27 | 2017-05-09 | Adept Ai Systems Inc. | Method and apparatus for artificially intelligent model-based control of dynamic processes using probabilistic agents |
US20150332152A1 (en) * | 2014-05-19 | 2015-11-19 | Oren Goldschmidt | Systems And Methods For Generating Models For Physical Systems Using Sentences In A Formal Grammar |
EP3170141B1 (en) * | 2014-07-17 | 2020-09-02 | 3M Innovative Properties Company | Systems and methods for classifying in-situ sensor response data patterns representative of grid pathology severity |
CA2955008A1 (en) * | 2014-07-17 | 2016-01-21 | 3M Innovative Properties Company | Systems and methods for maximizing expected utility of signal injection test patterns in utility grids |
EP3191978A4 (en) * | 2014-09-12 | 2018-05-02 | GE Intelligent Platforms, Inc. | Apparatus and method for ensembles of kernel regression models |
US10178447B2 (en) * | 2015-07-23 | 2019-01-08 | Palo Alto Research Center Incorporated | Sensor network system |
US9929913B2 (en) * | 2016-03-28 | 2018-03-27 | International Business Machines Corporation | Automatic finding and sharing of IoT connected devices |
-
2017
- 2017-11-03 WO PCT/IB2017/056873 patent/WO2018087639A1/en unknown
- 2017-11-03 US US16/335,280 patent/US20200019128A1/en not_active Abandoned
- 2017-11-03 CN CN201780068869.1A patent/CN109952575B/zh active Active
- 2017-11-03 JP JP2019524163A patent/JP7056823B2/ja active Active
- 2017-11-03 EP EP17869137.4A patent/EP3539028B1/en active Active
- 2017-11-09 TW TW106138762A patent/TW201824022A/zh unknown
-
2021
- 2021-10-27 US US17/511,934 patent/US20220050427A1/en not_active Abandoned
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104838241A (zh) * | 2012-12-04 | 2015-08-12 | 斯蒂芬.J.霍恩 | 流体流动检测和分析设备及系统 |
CN104500138A (zh) * | 2014-10-16 | 2015-04-08 | 中国矿业大学(北京) | 煤矿掘进工作面煤与瓦斯突出报警方法 |
Also Published As
Publication number | Publication date |
---|---|
EP3539028A4 (en) | 2020-07-08 |
US20220050427A1 (en) | 2022-02-17 |
WO2018087639A1 (en) | 2018-05-17 |
EP3539028B1 (en) | 2022-12-28 |
CN109952575A (zh) | 2019-06-28 |
JP7056823B2 (ja) | 2022-04-19 |
EP3539028A1 (en) | 2019-09-18 |
TW201824022A (zh) | 2018-07-01 |
US20200019128A1 (en) | 2020-01-16 |
JP2020503592A (ja) | 2020-01-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109952575B (zh) | 用于监督本地分析的系统和方法 | |
US20210147182A1 (en) | Non-intrusive data analytics system for adaptive intelligent condition monitoring of lifts | |
CN112101662B (zh) | 设备健康状况和生命周期检测方法、存储介质及电子设备 | |
US9441988B2 (en) | System and method for identifying likely geographical locations of anomalies in a water utility network | |
KR101735540B1 (ko) | 가전기기 소비전력 패턴과 소셜 정보를 이용한 독거노인 안전관리 시스템 및 방법 | |
US10719577B2 (en) | System analyzing device, system analyzing method and storage medium | |
KR101732819B1 (ko) | 빅데이터 기반 재난 예측 및 감지 플랫폼 시스템과 그 방법 | |
US11484740B2 (en) | Method and system for identifying flow in hydrant outlet | |
US20200363288A1 (en) | Structural Monitoring System | |
EP3674827B1 (en) | Monitoring target selecting device, monitoring target selecting method and program | |
CN113516820B (zh) | 一种火灾预警方法和预警系统 | |
WO2020153903A1 (en) | Method and system for monitoring a gas distribution network operating at low pressure | |
US11119453B2 (en) | System and method for remote non-intrusive monitoring of assets and entities | |
TW201727589A (zh) | 環境狀況異常通知系統及方法 | |
JP2020008487A (ja) | ガスメーター及びマップ作成方法 | |
CN111382946B (zh) | 设备健康状态的自主评估方法、系统及工业互联网设备 | |
US20230409003A1 (en) | Intelligent edge interrogator, server, and control method of integrated facility safety control system including the intelligent edge interrogator and the server | |
KR101142849B1 (ko) | 목조 건축물의 화재 예방 방법 및 그 시스템 | |
CN118280072A (zh) | 一种稳定性高的地质灾害预警系统 | |
WO2021222294A1 (en) | Safe-guarding people and objects from unsafe structures | |
CN118230514A (zh) | 家用燃气泄漏的报警系统、方法、电子设备及存储介质 | |
KR20240074061A (ko) | 작업자 안전교육 및 안전관리 시스템 | |
TW202248664A (zh) | 故障檢測裝置及故障檢測方法 | |
CN117875720A (zh) | 基于物联网的智慧燃气管网场站人员安全管理方法与系统 |
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 |