CN114647923A - 用于监测资产剩余使用寿命的装置、方法和计算机程序产品 - Google Patents
用于监测资产剩余使用寿命的装置、方法和计算机程序产品 Download PDFInfo
- Publication number
- CN114647923A CN114647923A CN202111562600.3A CN202111562600A CN114647923A CN 114647923 A CN114647923 A CN 114647923A CN 202111562600 A CN202111562600 A CN 202111562600A CN 114647923 A CN114647923 A CN 114647923A
- Authority
- CN
- China
- Prior art keywords
- asset
- root cause
- life
- remaining life
- value
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- 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
- G06Q10/06315—Needs-based resource requirements planning or analysis
-
- 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
- G05B23/0283—Predictive maintenance, e.g. involving the monitoring of a system and, based on the monitoring results, taking decisions on the maintenance schedule of the monitored system; Estimating remaining useful life [RUL]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/02—Reliability analysis or reliability optimisation; Failure analysis, e.g. worst case scenario performance, failure mode and effects analysis [FMEA]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/04—Ageing analysis or optimisation against ageing
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Evolutionary Computation (AREA)
- Automation & Control Theory (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- General Engineering & Computer Science (AREA)
- Geometry (AREA)
- Artificial Intelligence (AREA)
- Computer Hardware Design (AREA)
- Mathematical Physics (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明题为“用于监测资产剩余使用寿命的装置、方法和计算机程序产品”。本公开的实施方案提供了资产寿命监测。可利用一个或多个模型来生成表示资产的操作异常的根本原因的因素的估计值。可生成一个或多个根本原因变量的估计剩余寿命值和/或表示一个或多个根本原因变量的组合的资产健康指数的估计第二剩余寿命值,估计剩余寿命值指示直到根本原因变量的值被估计为达到对应于根本原因变量的特定极限阈值的时间。可提供资产健康指数的第二剩余寿命值以使得能够基于总体根本原因变量将第二剩余寿命值作为资产的剩余使用寿命来处理。可提供一个或多个单独根本原因变量的第一剩余寿命值以使得能够更详细地洞察资产的操作降级的单独根本原因。
Description
技术领域
本公开的实施方案整体涉及监测系统的一个或多个资产的剩余使用寿命,并且具体地讲,涉及基于对应于与一个或多个目标资产相关联的任何数量的根本原因变量的系统数据来生成和提供该一个或多个资产的剩余使用寿命。
背景技术
操作系统的资产(例如子系统或单独资产)通常以常规时间表维持,从而尝试保持资产的可用寿命极可能长,而不会由于资产的操作中的劣化而引起停机时间。申请人已经发现有关监测资产的使用寿命的当前具体实施的问题。通过所施加的努力、智慧和创新,申请人已通过开发体现在本公开中的解决方案解决了许多这些认识到的问题,下文将详细描述这些解决方案。
发明内容
通常,本文提供的本公开的实施方案提供了监测资产的剩余使用寿命的改进。在检查以下附图和详细描述后,用于监测资产的剩余使用寿命的其他具体实施对于本领域技术人员将是或将变得显而易见。本说明书内包括的所有此类附加具体实施均旨在处于本公开的范围内,并且受以下权利要求书的保护。
根据本公开的第一方面,提供了一种方法。所述方法可经由如本文所述的硬件、软件、固件和/或它们的组合中体现的一个或多个计算设备来进行计算机执行。在具有一个或多个处理器和一个或多个存储器的设备处执行所述方法的示例性具体实施。所述示例性方法包括接收与包括目标资产的操作系统相关联的系统数据。所述示例性方法还包括根据所接收的系统数据确定与所述操作系统相关联的至少一个操作异常。所述示例性方法还包括识别与所述至少一个操作异常相关联的至少一个根本原因变量。所述示例性方法还包括生成与所述至少一个根本原因变量相关联的第一剩余寿命值,所述第一剩余寿命值对应于所述目标资产。所述示例性方法还包括生成与资产健康指数相关联的第二剩余寿命值。所述示例性方法还包括提供所述第二剩余寿命值。
附加地或另选地,在所述方法的一些示例性实施方案中,所述资产健康指数表示所述至少一个根本原因变量中的每一者的组合。
附加地或另选地,在所述方法的一些示例性实施方案中,利用模型来生成所述第一剩余寿命值。附加地或另选地,在所述方法的一些此类示例性实施方案中,利用所述模型来生成所述第二剩余寿命值。附加地或另选地,在所述方法的一些此类示例性实施方案中,所述模型确定所述至少一个根本原因变量的第一根本原因变量和所述至少一个根本原因变量的第二根本原因变量具有影响所述第二剩余寿命值的直接关系。
附加地或另选地,在所述方法的一些示例性实施方案中,所述示例性方法还包括呈现所述至少一个根本原因变量的预期趋势与所述至少一个根本原因变量的实际趋势之间的至少一个偏差。
附加地或另选地,在所述方法的一些示例性实施方案中,所接收的系统数据的至少一部分包括来自与所述目标资产相关联的至少一个传感器的数据。
附加地或另选地,在所述方法的一些示例性实施方案中,所述系统数据的至少一部分与和所述目标资产相关联的上游资产或下游资产相关联。
附加地或另选地,在所述方法的一些示例性实施方案中,所述示例性方法还包括确定所述目标资产正在利用多个可配置模式中的选定模式,基于所述选定模式来确定所述第二剩余寿命变量。
附加地或另选地,在所述方法的一些示例性实施方案中,接收所述系统数据包括以设定间隔实时接收所述系统数据的至少一部分。
附加地或另选地,在所述方法的一些示例性实施方案中,所述示例性方法还包括基于所述第二剩余寿命值来发起维护通知。
附加地或另选地,在所述方法的一些示例性实施方案中,提供所述第二剩余寿命值包括呈现所述第二剩余寿命值,所述方法还包括接收请求显示所述至少一个根本原因变量的所述第一剩余寿命值的用户输入;以及呈现所述第一剩余寿命值。
根据本公开的另一个方面,提供了一种示例性系统。在至少一个示例性实施方案中,示例性系统包括至少一个处理器和至少一个存储器。所述至少一个存储器具有存储在其上的计算机程序代码,所述计算机程序代码在通过所述至少一个处理器执行时配置所述系统以执行本文所述的示例性方法中的任一者。在又一示例性实施方案中,示例性系统包括用于执行本文描述的示例性方法中的任一者的每个步骤的装置。
根据本公开的又一个方面,提供了一种示例性计算机程序产品。所述示例性计算机程序产品包括其上存储有计算机程序代码的至少一个非暂时性计算机可读存储介质,所述计算机程序代码在通过至少一个处理器执行时配置所述至少一个处理器以执行本文描述的示例性方法中的任一者。
附图说明
因此,已经概括地描述了本公开的实施方案,现在将参考附图,这些附图未必按比例绘制,并且其中:
图1示出了可被特别配置的用于监测一个或多个资产的系统的框图,本公开的实施方案可在该系统内操作;
图2示出了根据本公开的示例性实施方案的可被专门配置的示例性寿命监测装置的框图;
图3A示出了根据本公开的至少一些示例性实施方案的用于使用模型来生成剩余寿命值的示例性计算环境的可视化;
图3B示出了根据本公开的至少一些示例性实施方案的用于生成根本原因变量的根本原因极限阈值的示例性计算环境的可视化;
图3C示出了根据本公开的至少一些示例性实施方案的用于生成根本原因变量的剩余寿命值的示例性计算环境的可视化;
图4示出了根据本公开的至少一些示例性实施方案的提供与资产或系统的资产健康指数相关联的剩余寿命值的示例性用户界面;
图5示出了根据本公开的至少一些示例性实施方案的提供与资产或系统的特定根本原因变量相关联的剩余寿命值的另一个示例性用户界面;
图6示出了根据本公开的至少一些示例性实施方案的包括用于监测资产剩余使用寿命的示例性过程的操作框的流程图;
图7示出了根据本公开的至少一些示例性实施方案的包括用于在监测资产剩余使用寿命值时基于选定模式来生成至少一个剩余寿命值的示例性过程的附加操作框的流程图;
图8示出了根据本公开的至少一些示例性实施方案的包括用于在监测资产剩余使用寿命值时提供至少一个根本原因变量的趋势偏差的示例性过程的附加操作框的流程图;并且
图9示出了根据本公开的至少一些示例性实施方案的包括用于在监测资产剩余使用寿命值时提供至少一个根本原因变量的剩余寿命值的示例性过程的附加操作框的流程图。
具体实施方式
在下文中现在将参考附图更全面地描述本发明的实施方案,在附图中示出了本公开的一些但不是全部的实施方案。实际上,本公开的实施方案能够以许多不同的形式体现,并且不应该被解释为限于本文所阐述的实施方案;相反,提供了这些实施方案,使得本公开将满足适用的法律要求。在全篇内容中,类似的标号指代类似的元件。
概述
出于任何各种原因,系统工程师、所有者和运营商(统称为“用户”)通常尝试跟踪特定操作系统和/或其资产的操作性能。在所述原因中,此类用户通常尝试跟踪特定资产(或多个资产)的操作性能以确定此类资产的维护何时为适当的。例如,当资产操作时,资产的操作和/或与资产的操作相关联的一个或多个情况下的变化可致使资产的性能开始劣化,其中此类劣化继续直到资产劣化成使得其不再可以用于其预期目的(例如,资产没有剩余使用寿命)。可执行该一个或多个资产的维护以扩展资产的寿命,和/或以其他方式确保资产的操作状况保持在期望水平。例如,用户可寻求确保对应于可致使资产停止按照预期起作用,从而导致停机时间的特定根本原因变量的某些操作状况保持在目标阈值内。通过监测此类根本原因变量,用户可足够早地启动资产的维护,使得资产不会断裂、发生故障或以其他方式停止按照预期执行。按照预期停止执行的资产可导致单独资产的停机时间,或者在更差的情况下可导致整个系统或工厂的操作的停机时间。对于所有资产期望维持一致的正常运行时间,并且理想地维持尽可能高的正常运行时间。
通常,关于特定资产的操作收集数据,并且数据可由用户分析以确定资产是否将单独地基于该数据值而保持正常运行。就这一点而言,通常依赖于用户来基于特定数据变量(例如,单个根本原因变量)确定资产将保持可用的时间。发明人已经识别了与用于监测资产寿命的常规具体实施相关联的多个问题和低效率。例如,此类数据的手动分析通常是不正确的,从而导致资产具有比确定寿命显著更短或更长的使用寿命。在过度估计特定资产的剩余使用寿命的情况下,资产可能失败,从而导致资产、系统和/或工厂的停机时间、与完全修复资产相关联的附加成本、和/或由故障产生的间接问题(例如,生产损失)。另选地,如果用户估计资产的剩余使用寿命比其实际显著更短,则可对资产事件执行维护,尽管尚未需要进行维护,从而导致维护的附加不必要停机时间和不必要的用于实现维护的附加资源花费(例如,附加成本和附加人工作时)。
为了尝试避免用于确定特定资产的剩余使用寿命的常规方法的缺陷,通常针对特定资产以常规间隔执行维护。然而,此类常规维护面临类似和附加的问题和低效率。例如,在常规维护针对具有显著剩余使用寿命的资产执行的情况下,此类维护可能导致不必要的成本、不必要的停机时间等。例如,在特定资产的维护是昂贵或困难的情况下(例如,因为资产难以访问或相对于特定系统或工厂的操作,资产为特别重要的),此类不必要的维护可能特别昂贵和/或耗时,从而导致例如资产、系统和/或工厂的整个操作系统的特别有害的停机时间。
本公开的实施方案提供了监测与特定资产相关联的操作健康。与特定资产相关联的操作健康可根据从资产和/或与资产相关联的一个或多个传感器获得的系统信息来确定。就这一点而言,当接收到与每个资产相关联的每个批次的系统数据时,可处理每个批次的系统数据以基于此类系统数据中表示或可从其导出的一个或多个因素的值来监测资产的操作健康。例如,系统数据可包括或用于计算与特定资产相关联的一个或多个根本原因变量的值。
特定资产的操作健康可受到体现操作异常和/或资产故障的根本原因的一个或多个特定因素的影响。就这一点而言,体现根本原因变量的每个因素的值可根据与特定资产相关联的接收的系统数据来确定。附加地或另选地,根本原因变量可各自单独或组合地影响总体资产的剩余使用寿命。例如,剩余使用寿命可表示资产可在预期资产不再按预期操作和/或由于影响资产性能的根本原因变量的一者或组合而预期可能出现故障之前,继续无维护地操作的时间长度。资产的剩余使用寿命可被每个因素单独影响(例如,每个因子可以是故障或其他异常的唯一根本原因)或受到因素组合的影响(例如,体现根本原因变量的因素的组合导致故障或其他异常)。
在本公开的一些实施方案中,预测特定因素(诸如与目标资产相关联的根本原因变量)在未来时间间隔内的未来值。本公开的实施方案可为某个或每个特定的单独根本原因变量生成估计值。附加地或另选地,特定系统数据(例如,与目标资产相关联的接收的传感器数据)和/或其导出物(诸如特定根本原因变量的一个或多个估计未来值)可用于生成与特定根本原因变量相关联的剩余寿命值和相关联的极限阈值。剩余寿命值表示直到根本原因变量的值被确定或以其他方式估计为违反对应于根本原因变量的极限阈值的时间长度,其指示至少部分地由于根本原因变量而可能发生故障或其他操作异常。此类实施方案提供指示用户感兴趣监测的特定根本原因变量的值在特定目标资产的操作中何时可能引起故障或其他异常的估计。就这一点而言,可提供剩余寿命值以实现在根本原因变量引起资产停机时间之前执行的目标资产的特定方面的维护。
附加地或另选地,本公开的至少一些实施方案生成表示资产的总体操作健康的资产健康指数的估计值。资产健康指数可至少基于一个或多个根本原因变量的组合来表示目标资产的总体操作健康。就这一点而言,系统数据和/或其导出物(诸如资产健康指数的估计值)可类似地用于生成与资产健康指数相关联的第二剩余寿命值。第二剩余寿命值可基于资产健康指数的估计值和资产健康指数的相关联极限阈值。第二剩余寿命值表示总体目标资产的剩余使用寿命,例如,直到影响资产的一个或多个根本原因变量的组合可能由于目标资产的故障或其他操作异常导致停机时间的剩余时间。此类实施方案提供指示资产健康指数的值何时指示目标资产可能由于一个或多个根本原因变量的组合的劣化而经历操作中的故障或其他异常的估计。就这一点而言,可提供体现资产的剩余使用寿命的第二剩余寿命值,以实现特定资产何时可能失败或经历其他操作异常的加快识别,而不需要每个根本原因变量的单独手动分析。
由资产健康指数体现的特定目标资产的剩余使用寿命可基于此类根本原因变量的对应剩余寿命值,提供对一个或多个资产的总体操作健康的见解连同对每个根本原因变量的影响的单独见解。例如,资产健康指数可基于体现影响资产的剩余使用寿命的因素的任何数量的根本原因变量。就这一点而言,每个根本原因变量可与寿命剩余值相关联,该寿命剩余值指示直到特定根本原因变量将达到和/或超过特定的预定义阈值(例如,如果达到,则指示资产可能由于根本原因变量而失败的阈值)的时间间隔。可生成第二寿命剩余值,其表示基于根本原因变量的个体和/或组合总体的资产(或多个资产)的剩余使用寿命。因此,由第二剩余寿命值表示的剩余使用寿命基于所有此类因素提供了一个或多个资产可在不进行维护的情况下继续按预期操作的时间的更准确表示。利用所生成的剩余使用寿命,可更准确地执行资产的维护以确保资产不经历故障。类似地,可减小不必要的维护以增加总体资产和系统正常运行时间,同时附加地或另选地,节省了原本将浪费在基于用于监测资产健康的常规具体实施来执行的不必要维护上的资源(例如,人力、货币资源、计算资源等)。
一个示例性上下文包括受压力、温度和负载影响的单独资产或系统。可收集与资产或系统相关联的系统数据以用于与资产或系统相关联的处理。系统数据可包括与资产或系统相关联的实时传感器数据,该实时传感器数据为连续的或以特定时间间隔(例如,每1分钟、5分钟、30分钟、每小时等)。可从处于资产或系统内、定位在资产或系统的环境中等的传感器收集传感器数据。系统数据可还包括基于单独资产或系统的操作手动输入或以其他方式收集的数据。
系统数据可以是可处理的,以基于系统数据确定压力、温度和负载的根本原因变量中的每一者的值。附加地或另选地,系统数据可被处理以便例如利用模型来生成压力、温度和/或负载的单独根本原因变量的一些或全部的剩余寿命值。可生成此类单独根本原因变量的剩余寿命值以表示直到每个单独根本原因变量达到对应极限阈值剩余的时间,该对应极限阈值指示根本原因变量的值已经达到不可接受水平(例如,可能导致资产未照预期进行操作、完全故障、停机时间等)。
基于与此类根本原因变量相关联的压力、温度和/或负载和/或寿命剩余值的单独根本原因变量的值,可生成体现单独资产或系统的剩余使用寿命的第二剩余寿命值。可基于根本原因变量的组合生成体现资产或系统的剩余使用寿命的第二寿命剩余值,例如利用模型,该第二寿命剩余值指示直到资产或系统可能失败剩余的时间长度。就这一点而言,用户或计算系统可利用由第二剩余寿命值体现的剩余使用寿命来准确地确定何时发起对资产或系统的维护以最小化或防止停机时间,而不要求用户从单独根本原因变量导出此类确定。另选地或另外地,实施方案可在特定时间(例如,在确定剩余使用寿命达到零之前,以预定间隔)提供与维护相关联的通知。此类技术改进和优点未由用于监测操作系统的资产的常规实施方案提供。
定义
在一些实施方案中,可以修改或进一步放大上述操作中的一些操作。此外,在一些实施方案中,还可包括附加的任选操作。可以任何顺序和任何组合执行对上述操作的修改、放大或添加。
本公开所属领域的技术人员在受益于前述描述和相关附图中呈现的教导之后,将想到本文所阐述的本公开的许多修改和其他实施方案。因此,应当理解,实施方案不限于所公开的特定实施方案,并且修改和其他实施方案旨在被包括在所附权利要求的范围内。此外,尽管上述描述和相关附图在元件和/或功能的某些示例性组合的语境中描述了示例性实施方案,但应当理解,在不脱离所附权利要求书的范围的情况下,可由另选的实施方案提供元件和/或功能的不同组合。就这一点而言,例如,还可设想与上文明确描述的那些不同的元件和/或功能组合,如可在所附权利要求中的一些中所示的那样。尽管本文采用了特定术语,但它们仅以一般性和描述性意义使用,而不是出于限制的目的。
术语“资产”是指计算设备、机械设备或系统。资产可包括任何数量的子资产。
术语“目标资产”是指体现计算或机械设备或系统的资产,其中将处理与其相关联的数据以确定计算或机械设备或系统的操作健康。
术语“上游资产”是指其操作影响特定目标资产的操作的系统的第二资产。就这一点而言,上游资产相对于特定目标资产的操作健康可能影响目标资产的操作健康。
术语“下游资产”是指其操作受特定目标资产的操作影响的系统的第二资产。就这一点而言,目标资产的操作健康可影响下游资产的操作健康。
术语“模式”是指特定资产或系统的可配置状态,其用于致使特定资产或系统以特别对应的方式执行操作。术语“选定模式”是指表示特定资产或系统的当前利用模式的数据值。模式的非限制性示例性包括手动模式、自动模式和混合模式,其中资产或系统当前被配置为利用的模式表示选定模式。应当理解,一些资产和/或系统不利用可配置模式,并且其他资产和/或系统利用任何数量的可配置模式。
术语“操作系统”是指被配置为彼此结合操作的一个或多个资产。操作系统的非限制性示例包括工业电厂或制造工厂,该工业电厂或制造设备包括任何数量的受监测设备和/或系统以执行工厂的功能。
术语“系统数据”是指手动输入数据、自动导出数据和/或来自特定资产或系统和/或与特定资产或系统相关联、与资产之间的交互相关联、与资产的环境相关联、和/或与资产的操作相关联的传感器数据。系统数据可包括来自不同输入的任何数量的离散数据部分。
术语“操作异常”是指基于与资产相关联的系统数据的资产降级或资产性能降级的指示。
术语“变量”是指体现测量或计算的数据信号的电子管理数据。
术语“根本原因变量”是指其值受特定目标资产的性能或影响目标资产性能的至少一个资产影响的任何变量的电子数据表示。特定目标资产可与体现与资产的操作健康相关联的可测量和/或可确定因素的任何数量的根本原因变量相关联。在一些实施方案中,根本原因变量的值可从与特定资产相关联的系统数据导出。资产可与任何数量的根本原因变量手动相关联。
术语“资产健康指数”是指基于一个或多个根本原因变量的组合的资产的总体操作健康的电子数据表示。资产健康指数的值表示基于与资产相关联的一个或多个根本原因变量和/或与资产相关联的根本原因变量的组合的资产的总体操作健康。
与资产相关联的术语“剩余使用寿命”是指基于一个或多个根本原因变量估计目标资产在不进行维护的情况下继续在可接受参数内操作的时间间隔。
术语“极限阈值”是指特定根本原因变量或根本原因变量的组合的截止值,如果违反该截止值,则指示资产由于根本原因变量或根本原因变量的组合而可能经历故障或操作异常。
术语“剩余寿命值”是指表示直到根本原因变量的值达到极限阈值的预测时间间隔的电子管理数据值。就这一点而言,对于与一个或多个根本原因变量相关联的特定目标资产,不同剩余寿命值可针对每个根本原因变量以及对应于特定根本原因变量的特定极限阈值来确定。
术语“第二剩余寿命值”是指表示预测时间间隔的电子管理数据值,该预测时间间隔表示基于任何数量的根本原因变量的目标资产的剩余使用寿命。在一些实施方案中,第二剩余寿命值表示与特定目标资产的根本原因变量的组合相关联的资产健康指数达到对应于资产健康指数的极限阈值的时间。
术语“模型”是指基于一个根本原因变量或多个根本原因变量中的每一者的组合生成资产的剩余寿命值的统计、算法和/或机器学习算法或算法集。
相对于一个或多个根本原因变量的术语“直接关系”是指数据值之间的关系,该关系指示当第一根本原因或根本原因变量的组合的值增加时,资产的剩余使用寿命始终减少或始终增加。
术语“预期趋势”是指在两个或更多个时间点之间的值中的估计差异。
术语“实际趋势”是指基于接收数据的在两个或更多个时间点之间的值中的已确定非估计差异。
术语“传感器”是指在硬件、软件和/或固件中体现的测量与一个或多个资产的操作相关联的一个或多个特定值的物理计算设备。
术语“维护通知”是指指示应在系统的至少一个资产上执行维护动作的数据。
本公开的示例性系统
图1示出了可被特别配置的用于监测一个或多个资产的系统的框图,本公开的实施方案可在该系统内操作。具体地,图1描绘了与操作系统150通信的寿命监测系统102。在一些实施方案中,监测系统102被配置为直接地或通过与另一个设备(例如,控制器)的直接通信间接地与所描绘的计算设备(例如,各种资产、系统和/或相关联传感器)中的每一者通信。在其他实施方案中,例如如所描绘的,监测系统102被配置为通过通信网络116与一个或多个计算设备通信。
通信网络116可体现被配置为实现两个或更多个计算设备之间的通信的任何各种网络。在一些实施方案中,通信网络116体现私人网络。例如,监测系统102可由内部网络上的各种计算设备体现,诸如与各种控制器、资产和/或传感器通信的工业工厂的一个或多个服务器,这些控制器、资产和/或传感器与操作工业工厂相关联。在一些此类实施方案中,监测系统102由位于工业工厂附近的计算设备和/或待监测的其他计算设备(例如在相同工厂地点或其他物理定义位置内)体现。
在其他实施方案中,通信网络116体现公共网络,例如互联网。在一些此类实施方案中,监测系统102可体现远程或“云”系统,该远程或“云”系统通过通信网络116从与操作系统150的物理位置分离的位置访问操作系统150的计算设备。例如,监测系统102可由中心总部、服务器场、分布式平台等的计算设备体现。在一些此类实施方案中,监测系统102可被直接访问(例如,经由与监测系统102可操作地接合的显示器和/或外围设备),和/或可通过使用客户端设备来间接访问。例如,在一些实施方案中,用户可登录(例如,利用用户名和密码)或以其他方式访问监测系统102,从而相对于一个或多个特定的操作系统、工厂位置等访问所描述的功能。另选地或另外地,在一些实施方案中,监测系统102特别地与操作系统150相关联,以特异性地相对于操作系统150提供对所描述功能的访问,例如不需要附加用户认证。
监测系统102包括在硬件、软件、固件等中体现的一个或多个计算设备,其提供本文期望的资产寿命监测功能(例如,监测一个或多个资产的操作健康、确定与资产的一个或多个方面相关联的异常、确定一个或多个根本原因变量的一个或多个剩余寿命值或根本原因变量的组合等)。如所描绘的,监测系统包括服务器102A并且数据储存库102B可各自由彼此可通信的一个或多个计算设备体现以提供本文所述的功能。
服务器102A可包括在硬件、软件、固件等中体现的一个或多个计算设备,其被配置为摄取和/或处理数据以提供所描述的功能。在一些实施方案中,服务器102A从操作系统150的一个或多个资产接收系统数据或以其他方式与这些资产相关联。例如,在一些实施方案中,服务器102A通过通信网络116进行通信以经由与每个资产相关联的传感器接收或以其他方式收集系统数据。另选地或另外地,在一些实施方案中,服务器102A通过通信网络116直接与一个或多个资产和/或相关联控制器进行通信,以接收体现配置的系统数据和/或与资产的数据特性相关联的其他数据值。仍然附加地或另选地,在一些实施方案中,服务器102A被配置为处理系统数据以提供各种功能。例如,在一些实施方案中,服务器102A处理与特定资产相关联的系统数据,以基于系统数据来确定、识别和/或以其他方式检测资产的操作中的至少一个异常。附加地或另选地,在一些实施方案中,服务器102A被配置为生成一个或多个剩余寿命值,例如与根本原因变量和/或与此类至少一个异常相关联的根本原因变量的组合相关联。在一些此类实施方案中,服务器102A被配置为使用模型来生成此类剩余寿命值中的一者或多者,该模型被专门配置为处理系统数据以生成与至少一个异常相关联的根本原因变量中的每一者的值。就这一点而言,服务器102A可通过生成至少体现该一个或多个资产中的每一者的剩余使用寿命的剩余寿命值,并且在一些实施方案中,生成与有助于资产的剩余使用寿命的根本原因变量相关联的剩余寿命值来监测一个或多个资产的操作健康。
数据储存库102B可包括在硬件、软件、固件等中体现的一个或多个计算设备,其被配置为存储和/或以其他方式维持与资产寿命监测功能相关联的数据。在一些实施方案中,数据储存库102B存储与一个或多个操作系统的一个或多个资产相关联的系统数据。附加地或另选地,在一些实施方案中,数据储存库102B存储与特定资产相关联的一个或多个根本原因变量的值和/或对应元数据(例如,体现何时收集或生成值的时间戳信息等)。仍然另选地或另外地,在一些实施方案中,数据储存库102B存储与特定资产相关联的导出数据,例如与特定资产相关联的健康指数的值、体现基于一个或多个根本原因变量的资产的第二寿命剩余值的剩余使用寿命等。另选地或另外地,在一些实施方案中,数据储存库102B被配置为存储与资产、特定根本原因变量和/或根本原因变量的组合相关联的剩余寿命值(例如,体现资产的剩余使用寿命)和/或相关联的元数据(例如,体现何时收集或生成值的时间戳信息等)。
在一些实施方案中,例如,数据储存库102B可由被配置用于存储此类系统数据的一个或多个数据库服务器、存储器设备等体现。在一些实施方案中,数据储存库102B包括可通过一个或多个网络诸如通信网络116或单独通信网络(例如,互联网)访问的一个或多个远程或“云”数据库。
操作系统150包括提供特定功能(例如与特定工业工厂的操作相关联的功能)的多个子系统和资产。如图所示,操作系统150包括资产104A、106A、108A和110A。操作系统150还包括与各种资产相关联的各种传感器,包括与单独资产分离或以其他方式在单独资产外部的传感器,诸如传感器104D和传感器110D。在一些实施方案中,各种传感器进一步体现由监测系统102针对其收集和/或处理数据的资产。操作系统150还包括系统114,该系统体现操作系统150的子系统并且包括结合地进行操作以执行特定功能的多个相关联计算设备。在一些实施方案中,子系统114进一步体现由监测系统102针对其收集和/或处理数据的资产。操作系统150还包括可与操作系统150的各种其他资产进行通信的控制器112A和控制器112B。在一些实施方案中,控制器112A和/或控制器112B各自体现由监测系统102针对其收集和/或处理数据的资产。
操作系统150包括一个或多个控制器,具体地控制器112A和控制器112B。每个控制器可由在硬件、软件、固件等中体现的一个或多个计算设备体现,这些计算设备向每个资产提供激活和/或其他输入信号。此类控制器的非限制性示例性包括可编程逻辑控制器、比例控制器、微分控制器等。每个控制器可被配置为激活和/或以其他方式发起可与控制器通信或以其他方式被配置为将由控制器控制的一个或多个资产的操作。例如,如图所示,控制器112A控制资产104A和106A中的每一者以及与资产104A相关联的外部传感器104D。控制器112B控制子系统114的资产中的每一者(具体地资产108A和110A)连同对应于资产110A的外部传感器110D。
资产104A、106A、108A和110A中的每一者可体现进行操作以提供特定功能的各种部件。在示例性上下文中,资产中的每一者体现用于操作住宅建筑物的一个或多个系统的计算设备(例如,HVAC资产、安全资产等)。在另一个示例性上下文中,资产中的每一者体现用于操作制造工厂的一个或多个系统(例如,制造机器、传送带等)的计算设备。系统114可包括多个子资产作为较大子系统的一部分,该多个子资产一起进行操作和/或被控制,被容纳在一起,或以其他方式彼此结合操作。
资产104A、106A、108A和110A中的每一者可包括一个或多个致动器104C、106C、108C和110C。致动器104C、106C、108C和110C可各自被激活以操作对应资产中的每一者。例如,致动器104C可被激活和/或以其他方式操纵以操作资产104。类似地,致动器108C可被激活和/或以其他方式操纵以操作资产108。就这一点而言,资产104A、106A、108A和110A中的每一者可经由对应致动器激活以完成由资产执行的一个或多个操作。
资产104A、106A、108A和110A中的每一者任选地可包括一个或多个内部传感器或以其他方式与一个或多个内部传感器相关联,例如由传感器104B、106B、108B和/或110B体现。传感器104B、106B、108B和/或110B中的每一者可分别监测对应资产104A、104A、106A或110A的操作健康的一个或多个方面。例如,此类传感器可包括温度传感器、压力传感器、气体传感器等。针对特定资产的传感器中的每一者可监测体现与对应资产的操作相关联的根本原因变量的一个或多个特定数据特性的值。可以设定或预定义的时间间隔(例如,每分钟、每5分钟、每小时等)连续收集来自传感器的数据值。就这一点而言,传感器可用于在一个或多个期望时间实时收集与对应资产相关联的根本原因变量的值。
一个或多个资产可任选地与资产本身外部的一个或多个传感器相关联。例如,如所描绘的,传感器110D与资产110A相关联,使得传感器110D监测资产110A的操作健康的一个或多个方面。类似地,如所描绘的,传感器104D与资产104A相关联,使得传感器104D监测资产104A的操作健康的一个或多个方面。外部传感器可各自监测对应资产本身、或围绕资产或以其他方式与资产相关联的环境的一个或多个方面。例如,传感器104D可监测资产104A的温度环境,或者可监测资产104A的环境中的毒性气体的浓度。就这一点而言,此类外部传感器可提供体现对应于由传感器监测的数据特性的根本原因变量的此类值的系统数据。体现此类值的系统数据可被提供给监测系统102以用于存储和/或进一步处理,如本文所述。
在一些实施方案中,一个或多个资产与至少一个上游资产或下游资产相关联。例如,特定资产可与其操作健康影响特定资产的至少一个上游资产相关联。另选地或另外地,特定资产可与至少一个下游资产相关联,使得特定资产的操作健康影响下游资产的操作健康。应当理解,特定资产可通过指示资产之间的关联性的一个或多个数据值标记,例如所述资产是彼此的上游资产或下游资产。在一些实施方案中,系统的一个或多个资产相对于彼此处于上游和/或下游,例如在系统的资产以特别限定的顺序进行操作以提供特定功能的情况下。在一些实施方案中,上游资产控制和/或以其他方式激活下游资产。
如所说明,例如,资产110A体现相对于资产108A的下游资产。类似地,资产108A表示相对于资产110A的上游资产。就这一点而言,资产108A的操作缺陷或故障可影响资产110A的操作健康。就这一点而言,例如,资产108A的操作中的至少一个异常的根本原因可类似地影响资产110A的操作,和/或资产108A的操作缺陷或故障影响资产110A的操作健康。例如,在一些实施方案中,资产108A激活或以其他方式控制资产110A,使得资产108A的操作缺陷类似地致使资产110A的控制变得有缺陷。在其他实施方案中,除了资产110A之外,控制器112B独立地控制资产108A。
本公开的示例性装置
本公开的方法、装置、系统和计算机程序产品可由多种设备中的任何一种体现。例如,示例性实施方案的方法、装置、系统和计算机程序产品可由固定计算设备诸如个人计算机、计算服务器、计算工作站或它们的组合来体现。另外,示例性实施方案可由多种移动终端、移动电话、智能电话、膝上型计算机、平板计算机或上述设备的任何组合中的任一种来体现。
在至少一个示例性实施方案中,监测系统102由一个或多个计算系统诸如图2所示的寿命监测装置200来体现。如图所示,寿命监测装置200包括处理器、存储器204、输入/输出电路206、通信电路208、数据监测电路210和寿命检测电路212。虽然针对功能限制描述了各部件,但应当理解,特定的具体实施必定包括使用特定硬件。还应当理解,在一些实施方案中,本文所述的某些部件包括类似或常见的硬件。例如,在某些实施方案中,两组电路均使用相同的处理器、网络接口、存储介质等执行其相关联的功能,使得每组电路均不需要重复的硬件。因此,应当理解,如本文相对于寿命监测装置200的部件所用的术语“电路”的使用包括被配置为执行与本文所述的特定电路组相关联的功能的特定硬件。
附加地或另选地,术语“电路”应被广义地理解为包括硬件,并且在一些实施方案中,包括用于配置硬件的软件和/或固件。例如,在一些实施方案中,“电路”是指和/或包括处理电路、存储介质、网络接口、输入/输出设备等。在一些实施方案中,寿命监测装置200的其他元件提供或补充特定电路的功能。例如,在一些实施方案中,处理器202向其他电路组中的一个或多个电路组提供处理功能,存储器204提供存储功能,通信电路208提供网络接口功能等。
在一些实施方案中,处理器202(和/或协处理器或协助该处理器或以其他方式与该处理器相关联的任何其他处理电路)经由总线与存储器204进行通信,以用于在装置的部件之间传递信息。存储器204为非暂态的,并且在一些实施方案中,包括例如一个或多个易失性和/或非易失性存储器。换句话讲,在一些实施方案中,存储器包含非暂态电子存储设备(例如,计算机可读存储介质)。在一些实施方案中,存储器204被配置为存储用于使寿命监测装置200能够根据本公开的示例性实施方案执行各种功能的信息、数据、内容、应用程序、指令等。在一些实施方案中,例如,存储器204包含用于存储用户数据对象、电子数据对象和/或与数据对象相关联的其他数据的一个或多个数据库,和/或以其他方式被配置为维护此类数据对象以用于访问和/或更新,如本文所述。
在本公开的各种实施方案中,处理器202以多种方式中的任一种来体现,并且可例如包括被配置为独立地执行的一个或多个处理设备。附加地或另选地,处理器202可包括经由总线串联配置的一个或多个处理器,以实现对指令、流水线和/或多线程的独立执行。术语“处理器”、“处理模块”或“处理电路”的使用可以理解为包括单核处理器、多核处理器、装置内部的多个处理器、其他中央处理单元(“CPU”)、微处理器、集成电路、和/或远程或“云”处理器。
在示例性实施方案中,处理器202被配置为执行存储在存储器204中或能够以其他方式供该处理器访问的计算机编码指令。附加地或另选地,在一些实施方案中,处理器202被配置为执行硬编码功能。因此,无论通过硬件方法或软件方法配置,还是通过它们的组合配置,处理器202均可表示能够根据本公开的实施方案执行操作同时进行相应配置的实体(例如,以电路形式物理地体现)。另选地或附加地,在另一示例性情况下,当处理器体现为软件指令的执行器时,指令将处理器202专门配置为在执行指令时执行本文所述的算法和/或操作。
作为一个示例性上下文,处理器202被配置为支持资产寿命监测功能。在一些此类实施方案中,例如,处理器202被配置为接收与包括目标资产的操作系统相关联的系统数据。附加地或另选地,在一些实施方案中,处理器202被配置为至少基于接收到的系统数据来确定与操作系统相关联的至少一个操作异常。附加地或另选地,在一些实施方案中,处理器202被配置为识别与至少一个操作异常相关联的至少一个根本原因变量。附加地或另选地,在一些实施方案中,处理器202被配置为生成与至少一个根本原因变量中的一者或多者相关联的第一剩余寿命值,这些根本原因变量中的每一者与目标资产相关联。例如,处理器202可访问和/或以其他方式利用被配置为生成第一剩余寿命值的模型。附加地或另选地,在一些实施方案中,处理器202被配置为生成与资产健康指数相关联的第二剩余寿命值,例如其中第二剩余寿命值体现与目标资产相关联的剩余使用寿命。例如,在一些实施方案中,处理器202可访问和/或以其他方式利用被配置为生成第二剩余寿命值的模型,在一些实施方案中,该模型类似地被配置为生成第一剩余寿命值。附加地或另选地,在一些实施方案中,处理器202被配置为至少提供第二剩余寿命值,例如基于至少第一剩余寿命值的第二剩余寿命值。
在一些实施方案中,寿命监测装置200包括输入/输出电路206,该输入/输出电路单独地或与处理器202通信向用户提供输出和/或接收用户输入的指示。在一些实施方案中,输入/输出电路206包括一个或多个用户界面,和/或包括可向其呈现用户界面的显示器。在一些实施方案中,输入/输出电路206包括web用户界面、移动应用程序、桌面应用程序、链接或联网的客户端设备等。在一些实施方案中,输入/输出电路206还包括多个外围设备、键盘、鼠标、操纵杆、触摸屏、触摸区域、软键、麦克风、扬声器、或其他输入/输出机构中的任一者。在一些此类实施方案中,输入/输出机构被配置为使得用户能够提供表示一个或多个用户交互的数据以供寿命监测装置200处理。处理器和/或可与处理器例如处理器202通信的输入/输出电路206被配置为通过存储在处理器可访问的存储器(例如,存储器204等)上的计算机程序指令(例如,软件和/或固件)来控制一个或多个用户接口元素的一个或多个功能。
在一些实施方案中,寿命监测装置200包括数据监测电路210。通信电路208体现为任何装置,诸如以硬件或者硬件和软件的组合体现的设备或电路,其被配置为从和/或向网络和/或与寿命监测装置200进行通信的任何其他设备、电路或其他模块接收和/或传输数据。就这一点而言,在一些实施方案中,通信电路208至少包括例如用于实现与有线或无线通信网络通信的网络接口。例如,在一些实施方案中,通信电路208包括一个或多个网络接口卡、天线、总线、交换机、路由器、调制解调器和支持硬件和/或软件,或适用于经由网络实现通信的任何其他设备。附加地或另选地,通信接口可包括用于与一个或多个天线交互的电路以使得信号经由一个或多个天线传输或处理经由一个或多个天线接收的信号接收。
数据监测电路210包括被配置为支持数据收集以及存储与寿命监测系统102的资产寿命监测功能相关联的功能的硬件、软件、固件和/或它们的组合。在一些实施方案中,数据监测电路210利用处理电路诸如处理器202来执行这些动作中的一个或多个动作。附加地或另选地,在一些实施方案中,数据监测电路210利用通信电路系统的一个或多个部分,诸如通信电路208中的一些或全部,以便与一个或多个其他计算设备通信和/或从此类计算设备接收数据。
在一些实施方案中,数据监测电路210包括硬件、软件、固件和/或它们的组合以接收系统数据。数据监测电路210可从与一个或多个资产相关联的一个或多个传感器、与一个或多个资产相关联的控制器、直接从资产等接收系统数据。在一些实施方案中,数据监测电路210包括用于例如实时请求和/或接收此类系统数据的硬件、软件、固件和/或它们的组合。附加地或另选地,在一些实施方案中,数据监测电路210包括用于例如以特定时间间隔(例如,每分钟、每5分钟、每小时等)或连续地实时自动接收系统数据的硬件、软件、固件和/或它们的组合。附加地或另选地,在一些实施方案中,数据监测电路210包括用于在一个或多个储存库中存储和/或维持系统数据和/或从其导出的数据的硬件、软件、固件和/或它们的组合。在一些实施方案中,例如,数据监测电路210包括软件、硬件、固件和/或它们的组合,其用于将所接收的系统数据存储在第一数据储存库中以用于存储维持在寿命监测装置200上或以其他方式可由该设备访问的此类数据,和/或将与特定资产相关联的剩余寿命值存储在第二数据储存库中以用于存储维持在寿命监测装置200上或以其他方式可由该设备访问的此类导出数据。应当理解,在一些实施方案中,数据监测电路210包括或体现为单独的处理器、特别配置的现场可编程门阵列(FPGA)和/或特别配置的专用集成电路(ASIC)。
寿命监测电路212包括被配置为支持与寿命监测系统102相关联的硬件、软件、固件和/或它们的组合。在一些实施方案中,寿命监测电路212利用处理电路诸如处理器202来执行这些动作中的一个或多个动作。
在一些实施方案中,寿命监测电路212包括用于基于接收的与目标资产相关联的系统数据来确定与目标资产相关联的至少一个异常的硬件、软件、固件和/或它们的组合。在一些此类实施方案中,寿命监测电路212包括用于从特定数据储存库或由寿命监测装置200维持或可访问的数据储存库检索与一个或多个资产相关联的所接收的系统数据的硬件、软件、固件和/或它们的组合。附加地或另选地,在一些实施方案中,寿命监测电路212包括用于识别与至少一个异常中的每一者相关联的至少一个根本原因变量的硬件、软件、固件和/或它们的组合。附加地或另选地,在一些实施方案中,寿命监测电路212包括用于生成至少一个根本原因变量中的每一者的寿命剩余值的硬件、软件、固件和/或它们的组合,例如其中每个生成的剩余寿命值表示达到与根本原因变量相关联的特定阈值的时间。在一些实施方案中,寿命监测电路212利用被专门配置为生成此类寿命剩余值的模型来生成每个寿命剩余值。
附加地或另选地,在一些实施方案中,寿命监测电路212包括用于生成与目标资产相关联的资产健康指数的第二寿命剩余值的硬件、软件、固件和/或它们的组合,例如其中第二寿命剩余值表示整个目标资产的剩余使用寿命。在一些实施方案中,基于一个或多个根本原因变量的组合来生成第二寿命剩余值,例如基于一个或多个根本原因变量的组合中的每一者的值和/或基于每个根本原因变量的第一剩余寿命值。在一些实施方案中,寿命监测电路系统利用模型来生成目标资产的第二寿命剩余值,例如在一些实施方案中,相同模型被配置为生成每个根本原因变量的第一寿命剩余值。
附加地或另选地,在一些实施方案中,寿命监测电路212包括用于提供与目标资产相关联的第二寿命剩余值和/或与目标资产相关联的一个或多个第一寿命剩余值的硬件、软件、固件和/或它们的组合。在一些实施方案中,寿命监测电路212包括用于致使呈现与其余寿命值相关联和/或以其他方式包括剩余寿命值的界面以提供此类寿命值的硬件、软件、固件和/或它们的组合。附加地或另选地,在一些实施方案中,寿命监测电路212包括用于传输包括剩余寿命值的一个或多个特殊配置的传输以提供此类剩余寿命值(例如提供给第二设备以用于进一步处理和/或显示)的硬件、软件、固件和/或它们的组合。
附加地或另选地,在一些实施方案中,寿命监测电路212包括用于确定与目标资产相关联的选定模式以用于生成第一剩余使用寿命和/或用于生成与目标资产相关联的第二剩余使用寿命的硬件、软件、固件和/或它们的组合。
附加地或另选地,在一些实施方案中,寿命监测电路212包括用于进一步处理与目标资产相关联的第一寿命剩余值和/或第二寿命剩余值中的一者或多者的硬件、软件、固件和/或它们的组合。在一些实施方案中,例如,寿命监测电路212包括用于基于第二剩余寿命值发起维护通知的硬件、软件、固件和/或它们的组合。附加地或另选地,在一些实施方案中,寿命监测电路212包括用于基于第一剩余寿命值、第一剩余寿命值的组合和/或第二寿命剩余值来发起一个或多个子过程(例如,维护和/或修复过程)的硬件、软件、固件和/或它们的组合。应当理解,在一些实施方案中,寿命监测电路212包括或体现为单独的处理器、特别配置的现场可编程门阵列(FPGA)和/或特别配置的专用集成电路(ASIC)。
在一些实施方案中,前述电路组中的一个或多个电路组被组合以形成单个电路组。单个组合的电路组可被配置为执行本文相对于各个电路组描述的功能中的一些或全部功能。例如,在至少一个实施方案中,数据监测电路210和寿命监测电路212由单个电路组体现,并且/或者数据监测电路210和/或寿命监测电路212中的一者或多者与处理器202组合。附加地或另选地,在一些实施方案中,本文所述的电路组中的一个或多个电路组被配置为执行相对于其他电路组中的一个或多个电路组所述的动作中的一个或多个动作。
本公开的示例性数据可视化
图3A示出了根据本公开的至少一些示例性实施方案的用于使用模型来生成剩余寿命值的示例性计算环境的可视化。就这一点而言,示例性计算环境和与其相关联描述的各种数据可由一个或多个计算设备维持,诸如寿命监测装置200。例如,寿命监测装置300可经由硬件、软件、固件和/或它们的组合来专门配置,以维持所描绘的数据元素中的每一者并如所描绘和描述的那样处理数据元素。
相对于图3A示出的计算环境被配置为根据至少与操作系统的目标资产相关联的系统数据生成一个或多个寿命剩余值。就这一点而言,计算环境可被配置为执行用于提供资产寿命监测功能的示例性过程。例如,可生成与特定目标资产的一个或多个异常相关联的单独根本原因变量的剩余寿命值,和/或可生成与特定目标资产相关联的资产健康指数的第二寿命剩余值。就这一点而言,与目标资产的资产健康指数相关联的第二寿命剩余值提供对目标资产的总体剩余使用寿命的见解,并且根本原因变量的每个第一剩余寿命值在期望相对于目标资产的操作健康的此类进一步见解的情况下提供了对影响目标资产的剩余使用寿命的单独因素的见解。
如图所示,系统数据包括多个传感器数据302A-302C(统称为“系统数据302”)。可在任何各种时间从任何数量的传感器和/或与资产相关联或以其他方式体现资产的其他计算设备接收系统数据302以用于处理。例如,在一些实施方案中,在特定时间戳间隔内实时接收系统数据302。此类实时数据的值可在特定时间戳间隔(例如,1分钟、5分钟等)上临时存储和/或处理,以确定在特定时间戳间隔上接收的特定数据的处理值(例如,平均值、加权平均值或其他算法确定值)。处理值可被存储用于在第二时间戳间隔上进行进一步处理,例如用于在较长的时间段内(例如,几小时、几天、永久等)处理。就这一点而言,应当理解,接收的系统数据(诸如系统数据302)的每个单独数据值不需要由本文描述的该一个或多个模型直接处理。
如所描绘的,系统数据302包括与目标资产(例如,资产A)和/或相关联资产(例如,资产B)相关联的多个传感器数据。具体地,系统数据302包括资产A传感器数据302A、资产A传感器数据302B和资产B传感器数据302C。资产A传感器数据302A可体现接收的与资产A的第一传感器(例如,温度传感器)相关联的系统数据。资产A传感器数据302B可体现接收的与资产A的第二传感器(例如,振动传感器)相关联的系统数据。资产B传感器数据302C可体现接收的与资产B的第一传感器相关联的系统数据,例如其中资产B为相对于资产A的上游资产或下游资产。
应当理解,在一些实施方案中,处理单个源的数据,例如其中资产A传感器数据302A仅由一个或多个特定模型处理,出于确定一个或多个寿命剩余值的目的。在其他实施方案中,处理来自不同源的多个数据,例如其中处理来自特定资产的多个传感器的数据(例如,资产A传感器数据302A和资产A传感器数据302B),和/或处理来自与不同资产相关联的多个传感器的数据(例如,资产A传感器数据302A和资产B传感器数据302C)。在一些此类实施方案中,附加系统数据(例如,302B和302C)可能不被接收和/或处理,并且在其他方面为任选的。
系统数据302可由一个或多个模型306处理。模型306可由寿命监测装置200存储和/或以其他方式维持。另选地或另外地,在一些实施方案中,模型306可由寿命监测装置200访问,而不将模型306直接存储在寿命监测装置200上。在一些实施方案中,模型306由单独计算设备训练并且存储到寿命监测装置200以供后续使用。在其他实施方案中,一个或多个模型306由寿命监测装置200训练。
模型306可包括被配置为检测目标资产的操作中的异常和/或生成与目标资产的操作相关联的一个或多个剩余寿命值的一个或多个模型。例如,在一些实施方案中,模型306包括被配置为从系统数据302检测目标资产的操作中的至少一个异常的第一模型。第一模型可体现被专门训练以从系统数据302识别此类异常的机器学习模型、算法模型和/或统计模型或它们的组合。在一些实施方案中,被配置用于异常检测的第一模型可基于与目标资产和/或指示在目标资产的操作中已经发生异常的情况的类似资产相关联的数据库而被专门训练。目标资产的操作中的每个识别的异常可被识别为与对应于影响或以其他方式引起操作中的异常的因素的一个或多个根本原因变量相关联。在一些实施方案中,特定识别的异常的根本原因变量是预定的。在其他实施方案中,模型306中的至少一者(例如,用于异常检测的第一模型或附加的相关联模型)确定与目标资产的操作中的识别的异常相关联的根本原因变量。
模型306可附加地或另选地包括被配置为基于所识别的至少一个异常和/或对应的根本原因变量来生成一个或多个寿命剩余值的一个或多个模型。例如,在一些实施方案中,模型306包括被配置为生成第一寿命剩余值的第二模型,该第一寿命剩余值表示特定根本原因变量的值达到极限阈值的时间。就这一点而言,可利用第二模型来生成与所检测的异常相关联的每个根本原因变量的第一剩余寿命值。与特定根本原因变量相关联的剩余寿命值可由第二模型基于特定阈值生成,例如由变量极限304体现。就这一点而言,特定根本原因变量可与变量极限304的特定极限阈值相关联,该变量极限表示与目标资产的操作相关联的特定可测量值的不可接受极限。变量极限304的每个阈值可以是预定的、用户设置的,和/或由一个或多个算法、模型等确定的。第二模型可利用变量极限304以基于模型估计的直到根本原因变量的值达到由对应于根本原因变量的变量极限304表示的极限阈值的投射时间长度来生成对应于每个根本原因变量的第一剩余寿命值。
如图所示,例如,模型306生成根本原因X的第一剩余寿命值,具体是根本原因X剩余寿命值308A,并且生成根本原因Y的第一剩余寿命值,具体是根本原因Y剩余寿命值308B。根本原因X剩余寿命值308A可体现直到与目标资产的特定操作异常相关联的特定根本原因X(例如,目标资产的温度)的值达到在变量极限304中表示的对应温度阈值的时间间隔。例如由变量极限304中的第一值表示的温度阈值可体现不可接受的温度极限,使得高于温度阈值的资产的操作被确定为不可接受的。应当理解,模型306可基于与根本原因X(例如,温度)相关联的历史系统数据来生成根本原因X剩余寿命值308A,例如包括系统数据302和/或检索的与目标资产相关联的历史系统数据。就这一点而言,在一些实施方案中,系统数据的一个或多个特定部分用于生成根本原因X剩余寿命值308A(例如,仅与目标资产和/或相关联上游资产或下游资产的温度相关的数据特性的数据值)。
根本原因Y剩余寿命值308B可体现直到与目标资产的特定操作异常相关联的特定根本原因Y(例如,目标资产的振动)的值达到在变量极限304中表示的对应振动阈值的时间间隔。例如由变量极限304中的第二值表示的振动阈值可体现不可接受的振动极限,使得高于振动阈值的资产的操作被确定为不可接受的。应当理解,模型306可基于与根本原因Y(例如,振动)相关联的历史系统数据来生成根本原因Y剩余寿命值308B,例如包括系统数据302的一个或多个部分和/或检索的与目标资产相关联的历史系统数据。应当理解,与根本原因X剩余寿命值308A相关的系统数据的特定部分和与根本原因Y剩余寿命值308B相关的系统数据的特定部分可不同。例如,来自第一传感器或第一组传感器的数据可被处理或高度加权为相关的以用于生成根本原因X剩余寿命值308A,并且来自第二传感器或第二组传感器的数据可被处理或高度加权为相关的以用于生成根本原因Y剩余寿命值308B。
附加地或另选地,模型306可包括被配置为生成表示目标资产的剩余使用寿命的第二剩余寿命值的一个或多个模型。例如,模型306可至少处理系统数据302以生成健康指数剩余寿命值310。健康指数剩余寿命值310可基于根本原因变量的组合(诸如根本原因X和根本原因Y)来表示目标资产的剩余使用寿命。在一些实施方案中,表示剩余使用寿命的健康指数剩余寿命值310是基于资产健康指数的极限阈值,如果不满足,则该极限阈值指示目标资产将不再按预期或期望操作。例如,资产健康指数阈值可由寿命监测装置200维持,以用于在一个或多个时间与资产健康指数的值进行比较。
在一些实施方案中,利用用于生成一个或多个根本原因变量的剩余寿命值的相同模型来生成表示剩余使用寿命的第二剩余寿命值。例如,在一些实施方案中,利用集成模型来选择在生成根本原因X剩余寿命值308A和健康指数剩余寿命值时要利用的特定模型。就这一点而言,应当理解,可训练单个模型并利用单个模型来生成第一剩余寿命值和第二剩余寿命值中的每一者。
图3B示出了根据本公开的至少一些示例性实施方案的用于生成根本原因变量的根本原因极限阈值的示例性计算环境的可视化。相对于图3B描绘的示例性计算环境可类似地由寿命监测装置200维持。就这一点而言,寿命监测装置200可执行相对于图3B描述的各种数据处理和交互,以生成体现特定根本原因变量的根本原因极限阈值的值。
如图所示,利用一个或多个降级模型356来生成第一水平极限阈值358。降级模型356接收包括已知故障极限352和实时系统数据354的输入。已知故障极限352可体现特定根本原因变量的确定和/或以其他方式已知的值,如果超过,则该值可能致使目标资产失败(例如,以标准方式并且按照预期停止操作)。可基于与目标资产的操作相关联的先前接收到的系统数据、指示已知故障极限352的用户输入等来确定已知故障极限352。例如,在一些实施方案中,访问在已知资产和/或相关联资产按照预期操作(例如,紧接在一个或多个资产的维护之后)的时间期间测量的由寿命监测装置200维持或可由寿命监测装置以其他方式访问的历史数据,以计算一个或多个单独根本原因变量和/或资产健康指数的已知故障极限352,例如体现一个或多个根本原因变量的组合。
可从目标资产和/或相关联的资产接收和/或以其他方式测量实时系统数据354。例如,在一些实施方案中,实时地从目标资产中或与目标资产可操作地耦接的用于测量与目标资产的操作相关联的特定数据值的传感器接收实时系统数据354。在一些实施方案中,处理实时系统数据354以生成实时系统数据354的子集,该子集基于一个或多个共享特性被确定为类似的。就这一点而言,系统数据354可以是子集,使得类似的数据用于后续操作,诸如用于生成根本原因变量极限阈值和/或用于生成如本文所述的寿命剩余值。在一个示例性上下文中,例如,实时系统数据354是基于目标资产的操作模式的子集。
降级模型356可包括用于捕获不同类型的降级的任何数量的可能模型。例如,如图所示,降级模型356包括线性降级模型356A、非线性降级模型356B和指数降级模型356C。应当理解,降级模型356可包括被配置为考虑不同类型的降级的任何数量的降级模型。可选择降级模型356中的一者以用于生成根本原因极限阈值,例如基于确定哪个降级模型356与测试数据的最准确拟合相关联。
在一些实施方案中,针对每个新接收批次的实时系统数据354,确定要利用哪个降级模型356。就这一点而言,对于与相同的根本原因变量)相关联的不同批次的实时系统数据354(例如,不同批次的温度数据,可选择不同类型的降级模型356以供使用。例如,在一些实施方案中,可将特定降级模型或降级模型类型更新为最好地拟合根本原因变量的值的趋势的任一者,使得随着根本原因变量的实际值的趋势被更新,可选择最佳拟合更新的趋势的对应选定类型的降级模型。
降级模型356的选定降级模型可用于生成与根本原因变量相关联的第一水平极限阈值358。在一些实施方案中,第一水平极限阈值358用作特定根本原因变量的根本原因极限阈值而无后续处理。在其他实施方案中,进一步处理第一水平极限阈值358以生成经调整的最终极限阈值364,以用作根本原因变量的根本原因极限阈值。
如图所示,例如在一些实施方案中,利用一个或多个寿命模型362来进一步处理第一水平极限阈值358,从而生成经调整的最终极限阈值364以供使用。在一些实施方案中,第一水平极限阈值358连同寿命模型362的历史故障事件数据360用作输入以生成经调整的最终极限阈值364。就这一点而言,历史故障事件数据360体现指示目标资产已经失败的情况的数据,以及此类事件期间的一个或多个根本原因变量的对应值。就这一点而言,寿命模型362可基于历史故障事件数据360来调整第一水平极限阈值358,以考虑历史故障事件数据360中的根本原因变量和/或其他根本原因变量的特定数据值。
在一些实施方案中,例如,由可靠性存活模型362A处理第一水平极限阈值358和历史故障事件数据360。可靠性存活模型362A可体现一个或多个统计、算法和/或机器学习模型,其被配置为确定根本原因变量的值,如果超过(或在其他情况下,如果值下降低于)该值,则确定目标资产不太可能可靠地执行。例如,可靠性存活模型362A可确定第一水平极限阈值358是否充分捕获在历史故障事件数据360中体现的全部或特定目标百分比的故障事件,并且如果不是,则调整极限阈值。就这一点而言,在一些实施方案中,第一水平极限阈值358可被调整成或设置为等于经由可靠性存活模型362A根据历史故障事件数据360和第一水平极限阈值358确定的极限阈值。
在一些实施方案中,例如,第一水平极限阈值358和历史故障事件数据360由协变量存活模型362B处理。协变量存活模型362B可体现一个或多个统计、算法和/或机器学习模型,其被配置为基于根本原因变量与一个或多个其他根本原因变量之间的关系来确定和调整根本原因变量的第一水平极限阈值358。就这一点而言,例如,协变量存活模型362B可例如基于至少历史故障事件数据360来确定根本原因变量的极限阈值应基于与第二根本原因变量的关系来调整。在一个特定上下文中,可确定直接关系,该直接关系指示当第一根本原因变量的值增加,目标资产更可能在第二根本原因变量的较低值下失败。多个根本原因变量之间的此类关系可由协变量存活模型362B针对任何数量的根本原因变量和/或根本原因变量的组合来确定。
在一些实施方案中,寿命监测装置200存储和/或以其他方式维持与对应根本原因变量相关联的经调整的最终极限阈值364。就这一点而言,寿命监测装置200可将经调整的最终极限阈值364存储为对应根本原因变量的根本原因极限阈值。例如,寿命监测装置200可利用所存储的经调整的最终极限阈值364来确定表示达到与根本原因变量相关联的根本原因极限阈值的时间的第一剩余寿命值,和/或表示基于与目标资产相关联的健康指数的目标资产的剩余使用寿命的第二剩余寿命值。
图3C示出了根据本公开的至少一些示例性实施方案的用于生成根本原因变量的剩余寿命值的示例性计算环境的可视化。如所描绘的,剩余寿命值可基于特定根本原因变量的根本原因极限阈值来生成并且以其他方式与根本原因极限阈值相关联。例如,如本文相对于图3B所述,特定根本原因变量的变量极限390可由经调整的最终极限阈值364或根本原因变量的第一水平极限阈值358体现。
如图所示,接收通过选定模式370的时间序列数据子集。时间序列数据可体现在一个或多个时间间隔内与特定目标资产相关联的所接收的系统数据。在一些实施方案中,系统数据包括在不同时间点测量并与一个或多个根本原因变量相关联的来自特定传感器的多个测量值。时间序列数据可被划分成关联类似数据值的子集,例如通过基于资产的选定模式划分时间序列数据。例如,通过目标资产的选定模式划分时间序列数据子集。
由选定模式370划分的时间序列数据子集的实时数据372可在如所描绘和描述的一个或多个操作中处理。例如,在一些实施方案中,寿命监测装置200执行预测误差确定操作382。例如,在预测误差确定382处,寿命监测装置200将在特定时间的根本原因变量的预测值与实时数据372中识别或根据实时数据确定的根本原因变量的实际值进行比较。就这一点而言,预测误差384根据操作382基于根本原因变量的预测值与根本原因变量的实际值之间的差异来确定。就这一点而言,预测误差384可被再循环以用于更新对应模型相对于对根本原因变量的实际趋势进行建模的拟合性。另选地或另外地,预测误差384可用于调整下一个预测值。
可利用一个或多个数据输入来计算在模型选择操作386时的一个或多个模型(例如,如相对于图3B所描绘和描述的降级模型356)的拟合的良好度。就这一点而言,可选择被确定为与特定根本原因变量的最佳拟合相关联的降级模型,以用于生成根本原因变量的下一估计值。可进一步提供表示针对特定降级模型计算的拟合的良好度的值,例如供用户查看,以使得用户能够考虑剩余寿命值准确的概率,如由模型的拟合良好度值表示的。在一些实施方案中,例如使用集成模型,寿命监测装置200基于每个候选模型的拟合的良好度的确定值来选择选定模型388。
选定模型388可在选择时被存储和/或以其他方式归档在模型存储装置376中。在一些实施方案中,可存储与指示目标资产的选定模式的模式属性相关联的选定模型388。就这一点而言,模型可与选定模式374的指示一起存储以用于重新创建或以其他方式“再水合”由对应的选定模型388处理的先前系统数据。例如,选定模型388的归档版本可用于重新创建由选定模型388处理的旧数据批次以用于进一步处理。就这一点而言,寿命监测装置200可在操作378处利用模型的归档版本来重新创建旧系统数据,使得重新创建的旧数据380可与新批次的实时数据372合并以增加用于创建模型的数据大小并提高模型跨更宽数据库的准确性。就这一点而言,模型生成、选择和/或处理的每次迭代提高了对接收数据的模型拟合的准确性和稳健性。附加地或另选地,此类实施方案通过利用一个或多个此类模型的集成来更好地捕获趋势曲线的变化,例如,从正常操作期间的线性值变化到降级期间的指数值变化的改变。
附加地或另选地,在一些实施方案中,模型接收预测误差384作为输入。预测误差384可向针对下一批次的实时数据372生成的剩余寿命值提供调整。就这一点而言,再循环先前生成的剩余寿命值中的误差以提高估计的后续迭代的准确性。本公开的此类实施方案适应预测错误以提高后续预测的总体准确性。
随后利用选定模型388来生成一个或多个数据值。在一些实施方案中,例如,选定模型388用于在一个或多个未来时间生成根本原因变量的估计值。在一些此类实施方案中,根本原因变量的估计值表示或以其他方式用于导出根本原因变量的第一剩余寿命值392。第一剩余寿命值392可体现直到根本原因变量的值被估计为达到或超过由变量极限390体现的特定根本原因极限阈值的时间。如本文所述,变量极限390可如本文关于图3B所述的那样生成,例如由经调整的最终极限阈值364体现。
在一些实施方案中,第一剩余寿命值392用于提供一个或多个用户界面394。例如,可经由一个或多个用户界面394向用户提供第一剩余寿命值392,使得用户可查看和/或处理第一剩余寿命值392。在一个示例性上下文中,用户可处理用户界面394以确定何时发起与特定目标资产相关联的一个或多个维护操作。在一些实施方案中,例如,如本文相对于图4和/或图5所描述的,第一剩余寿命值392被呈现到一个或多个用户界面。
相对于图3C描述的处理操作可相对于资产健康指数类似地执行。就这一点而言,资产健康指数可体现各自影响目标资产的操作健康的根本原因变量的组合。例如,可利用选定模型来接收和处理与一个或多个传感器相关联的实时数据。例如,可基于对资产健康指数的先前值的最佳拟合来选择选定模型。就这一点而言,可利用来自先前利用的模型的实时系统数据和重建系统数据来生成和/或选择选定模型388以用于进一步处理。选定模型可用于生成表示总体目标资产的剩余使用寿命的第二剩余寿命值。例如,在一些实施方案中,如本文相对于图3B所述的那样生成资产健康指数的极限阈值。就这一点而言,由第二剩余寿命值体现的剩余使用寿命可表示直到资产健康指数的值违反(例如,下降到低于或在其他实施方案中高于)对应极限阈值的估计时间长度。例如基于根本原因变量的组合,表示目标资产的剩余使用寿命的第二剩余寿命值可类似地经由一个或多个用户界面394提供。例如,在一些实施方案中,经由如本文相对于图4和/或图5描述的一个或多个用户界面提供第二剩余寿命值。
本公开的示例性用户界面
图4示出了根据本公开的至少一些示例性实施方案的提供与资产或系统的资产健康指数相关联的剩余寿命值的示例性用户界面。示例性用户界面400可由一个或多个计算设备呈现,例如寿命监测装置200可致使将示例性用户界面400呈现到与寿命监测装置200相关联的显示器或一个或多个客户端设备。例如,在一些实施方案中,将示例性用户界面400呈现到与特定用户相关联的客户端设备,以使得用户能够查看示例性用户界面400和/或以其他方式与示例性用户界面交互。
示例性用户界面400包括与监测目标资产的操作寿命相关联的多个界面元素。例如,如图所示,示例性用户界面400包括剩余使用寿命曲线图420。剩余使用寿命图420描绘了与目标资产相关联的第二剩余寿命值的可视化,该第二剩余寿命值体现在特定时间间隔内估计的目标资产的剩余使用寿命。应当理解,如本文所述,与目标资产相关联的剩余使用寿命可由专门配置为基于例如与目标资产相关联的系统数据生成剩余使用寿命的一个或多个模型生成。
如所描绘,例如,剩余使用寿命曲线图420包括剩余寿命值线404。剩余寿命值线404表示在特定时间段内的目标资产的生成的剩余寿命值。具体地,如图所示,剩余使用寿命曲线图420包括剩余寿命值线404,其表示在从由时间402表示的起始时间戳(例如,体现当前时间戳)至由时间标记406表示的结束时间戳(例如,体现直到目标资产的剩余使用寿命经过的时间)的时间间隔内的目标资产的剩余使用寿命。就这一点而言,由剩余寿命值线404表示的剩余使用寿命可与和目标资产相关联的健康指数的值相关联。例如,在一些实施方案中,剩余寿命值体现直到与目标资产相关联的健康指数的值达到特定阈值的时间长度。如图所示,例如,剩余寿命值线404表示直到与目标资产相关联的资产健康指数被估计为超过由资产健康阈值指示符408描绘的资产健康指数阈值的剩余时间长度。就这一点而言,用户可查看剩余使用寿命曲线图420以容易地识别目标资产的剩余使用寿命和/或识别目标资产的剩余使用寿命随时间推移的预期变化。
附加地或另选地,在一些实施方案中,可呈现剩余使用寿命曲线图420和/或相关联界面元素,其指示与目标资产相关联的将执行的动作。例如,在一些实施方案中,可呈现包括一个或多个界面元素的剩余使用寿命曲线图420,这些界面元素包括或以其他方式体现维护通知,该维护通知指示应在特定时间戳执行目标资产的维护(例如,在与达到零或另一个阈值的剩余寿命值的特定偏移)。就这一点而言,维护通知可基于目标资产的操作中的估计实际降级向用户提供应在特定时间执行维护的通知。
如所描绘的,示例性用户界面400还包括与有助于表示目标资产的剩余使用寿命的所生成的剩余寿命值的根本原因变量相关联的一个或多个界面元素。例如,示例性用户界面400包括根本原因贡献曲线图410,其指示与有助于目标资产的操作健康的根本原因变量相关联的值。就这一点而言,根本原因贡献曲线图410可包括显示根本原因变量的值的与每个根本原因变量相关联的界面元素,根本原因变量对资产健康指数的影响指示基于根本原因变量的组合等的目标资产的总体操作健康。用户可查看根本原因贡献曲线图410以识别对目标资产的操作健康具有最大影响的单独根本原因变量。另选地或另外地,在一些实施方案中,根本原因贡献曲线图410被配置为接收与特定根本原因变量相关联的用户交互,并且响应于用户交互,致使呈现与根本原因变量相关联的一个或多个附加界面。
图5示出了根据本公开的至少一些示例性实施方案的提供与资产或系统的特定根本原因变量相关联的第一剩余寿命值的另一个示例性用户界面。具体地,图5描绘了表示与特定根本原因变量相关联的第一剩余寿命值的示例性用户界面500。在一个示例性上下文中,根本原因变量可例如表示与目标资产、振动值等的操作相关联的温度值。
如所描绘的,示例性用户界面500包括根本原因变量值线504。根本原因变量值线504描绘了基于特定时间的传感器数据的根本原因变量的计算和/或以其他方式生成的值。具体地,根本原因变量值线504在开始时间508处开始,例如该开始时间表示目标资产在最近执行的维护操作之后开始操作的时间。
根本原因变量值线504与对应根本原因变量阈值502的表示一起描绘。根本原因变量阈值502指示根本原因变量的值的极限阈值,例如,使得在根本原因变量的值超过根本原因变量阈值502的情况下,目标资产的操作可能受到负面影响并且推荐或需要目标资产的维护。根本原因变量阈值502可以是用户集,其基于与目标资产的操作相关联的历史数据(例如,与目标资产相关联的历史系统数据)来自动确定。
如所描绘的,由根本原因变量值线504表示的根本原因变量值在第二特定时间超过根本原因变量阈值502。具体地,由根本原因变量值线504表示的值在时间标记510处超过根本原因变量阈值502。就这一点而言,确定由根本原因变量值线504表示的根本原因变量的实际值在第二时间标记处超过对应阈值。在一些实施方案中,寿命监测装置200在接收到系统数据时生成根本原因变量的实际值,并且将根本原因变量的实际值与根本原因变量阈值进行比较以确定是否已经超过了根本原因变量阈值。
用户界面500还包括对应于根本原因变量的第一剩余寿命值的第一剩余寿命值线506。就这一点而言,第一剩余寿命值线506可指示直到与目标资产相关联的根本原因变量的值超过根本原因变量阈值502的目标资产的估计剩余寿命值。就这一点而言,第一剩余寿命值线506和根本原因变量值线504描绘了彼此大体相反的趋势—使得当由根本原因变量值线504表示的根本原因变量的值增加时,由第一剩余寿命值线506表示的第一剩余寿命值通常减少,作为直到达到根本原因变量阈值502的时间。
在一些实施方案中,用户经由与相对于用户界面400所描绘和描述的界面元素中的一者或多者相关联的用户输入访问用户界面500。就这一点而言,本公开的一些此类实施方案向用户提供最新型的界面,该最新型的界面使得用户能够容易地识别特定目标资产的剩余使用寿命,而不执行基于一个或多个贡献因素确定目标资产的剩余使用寿命在传统上所需的过量手动计算。例如,用户可查看用户界面400和/或与该用户界面交互以基于与目标资产相关联的聚合资产健康指数来执行一个或多个确定和/或以其他方式监测一个或多个资产的操作健康。此外,在用户期望查看和/或利用与目标资产的操作健康的特定方面相关联的信息的情况下,用户可与特定界面元素交互以访问与期望特定方面相关联的用户界面。就这一点而言,寿命监测装置200可提供高水平信息以使得用户能够快速执行他们可能相对于特定资产的操作健康感兴趣的高水平确定,同时使得用户能够“深化”到高水平信息的特定方面,以执行对特定目标资产的操作健康和/或关于所述操作的问题的未来根本原因的更窄调查。
本公开的示例性过程
已经描述了与本公开的实施方案相关联的示例性系统、装置、计算环境和用户界面,现在将讨论包括由本文所述的装置和/或系统执行的各种操作的示例性流程图。应当理解,流程图中的每个流程图描绘了示例性计算机实现的过程,该过程可由本文所述的装置、系统和/或设备中的一者或多者执行,例如利用其部件中的一个或多个部件执行。可以多种方式中的任一种方式布置指示每个过程的操作的框,如本文所描绘和描述。在一些此类实施方案中,本文所述过程中的任何过程的一个或多个框发生在另一个过程的一个或多个框之间、另一个过程的一个或多个框之前和/或以其他方式作为第二过程的子过程操作。附加地或另选地,过程中的任何过程可包括所描述和/或描绘的步骤中的一些或全部步骤,在一些实施方案中包括一个或多个任选的操作框。关于以下流程图,在本公开的一些或全部实施方案中,所描绘的框中的一个或多个框可以是任选的。任选的框以虚线(或“点划线”)示出。类似地,应当理解,每个流程图的操作中的一个或多个操作可以是可组合的、可替换的和/或以其他方式改变的,如本文所述。
图6示出了根据本公开的至少一些示例性实施方案的包括用于监测资产剩余使用寿命的示例性过程的操作框的流程图。具体地,图6描述了示例性过程600的操作。在一些实施方案中,计算机实现的过程600由存储在计算机程序产品的非暂态计算机可读介质上的计算机程序代码来体现,该计算机程序代码被配置用于执行以执行计算机实现的方法。另选地或附加地,在一些实施方案中,示例性过程600由一个或多个特别配置的计算设备执行,诸如由特别配置的寿命监测装置200体现的寿命监测系统102执行。就这一点而言,在一些此类实施方案中,寿命监测装置200由存储在装置上例如存储在存储器204和/或本文所描绘和/或描述的另一部件中和/或寿命监测装置200可以其他方式访问的计算机程序指令特别配置,以用于执行相对于示例性过程600所描绘和描述的操作。在一些实施方案中,特别配置的寿命监测装置200包括和/或以其他方式与一个或多个外部装置、系统、设备等通信,以执行所描绘和描述的操作中的一个或多个操作。
过程600在操作602处开始。在操作602处,寿命监测装置200包括诸如输入/输出电路206、通信电路208、数据监测电路210、寿命监测电路212、处理器202等的装置,以接收与包括目标资产的操作系统相关联的系统数据。可从一个或多个传感器(诸如与目标资产相关联的传感器)和/或在一些实施方案中,从在目标资产的上游或下游的其他资产接收系统数据。附加地或另选地,在一些实施方案中,直接从目标资产或上游资产或下游资产,和/或从与目标资产或目标资产的上游资产或下游资产进行通信的其他计算设备的控制器接收系统数据的至少一部分。例如,在一些实施方案中,从目标资产本身或目标资产的控制器接收体现目标资产的当前选定模式的配置数据。在一些实施方案中,连续地或以定义的时间间隔(例如,每分钟、每5分钟、每小时等)实时接收系统数据。
在操作604处,寿命监测装置200包括诸如输入/输出电路206、通信电路208、数据监测电路210、寿命监测电路212、处理器202等的装置,以根据所接收的系统数据确定与操作系统相关联的至少一个操作异常。操作异常可指示特定资产或相关联的上游资产或下游资产的操作的至少一个方面不同于标准操作。就这一点而言,寿命监测装置200可处理与特定资产相关联的系统数据或其特定部分,以例如确定与目标资产相关联的至少一个操作异常。操作异常的非限制性示例包括与以下相关联的一个或多个变量:达到不寻常水平(例如,基于温度异常阈值的高温或低温、基于振动异常阈值的高振动水平或低振动水平等)的资产的操作、与资产的通信的丢失(例如,资产停机时间)、资产的操作速度的变化等。
在一些实施方案中,寿命监测装置200利用被配置为针对一个或多个资产确定此类操作异常的模型来确定至少一个操作异常。例如,模型可以是专门训练的算法、机器学习和/或统计模型,其被配置为基于指示此类操作异常的特定训练数据来确定特定资产的操作异常。在一些此类实施方案中,基于在标准操作时间期间的与特定资产的操作相关联的数据来训练模型。
在操作606处,寿命监测装置200包括诸如输入/输出电路206、通信电路208、数据监测电路210、寿命监测电路212、处理器202等的装置,以识别与至少一个操作异常相关联的至少一个根本原因变量。在一些实施方案中,通过在检测到操作异常时确定落在正常操作区之外(例如,超过操作阈值)的系统数据的部分来确定至少一个根本原因变量。在其他实施方案中,特定检测类型的异常对应于一个或多个特定根本原因变量。
在操作608处,寿命监测装置200包括诸如输入/输出电路206、通信电路208、数据监测电路210、寿命监测电路212、处理器202等的装置,以生成与至少一个根本原因变量的第一根本原因变量相关联的第一剩余寿命值。所生成的第一剩余寿命值体现表示与至少一个根本原因变量的对应根本原因变量相关联的值达到根本原因变量的特定极限阈值的时间长度的值。在一些实施方案中,第一剩余寿命值对应于目标资产,指示与和目标资产相关联的根本原因变量相关联的值达到特定根本原因阈值的估计的时间长度。在一些实施方案中,例如,根本原因变量体现与目标资产相关联的特定监测数据类型(例如,由目标资产或相关联的上游资产或下游资产的一个或多个传感器监测的物理特性,例如温度或振动水平)。在一些实施方案中,寿命监测装置200生成至少一个根本原因变量的每个根本原因变量的第一剩余寿命值。
可利用一个或多个模型来生成第一剩余寿命值。在一些实施方案中,例如,利用一个或多个专门训练的机器学习、算法和/或统计模型来根据一些或全部的系统数据生成第一剩余寿命值。在一些实施方案中,例如,从多个模型选择模型以用于例如经由集成过程生成第一剩余寿命值。就这一点而言,系统数据的各个部分可由不同的一个或多个模型处理,并且具有最佳拟合的模型被选择为与用于生成特定根本原因变量的第一剩余寿命值的特定根本原因变量相关联。就这一点而言,可利用单独地针对每个特定根本原因变量被确定为最准确或以其他方式最佳的模型。
在操作610处,寿命监测装置200包括诸如输入/输出电路206、通信电路208、数据监测电路210、寿命监测电路212、处理器202等的装置,以生成与资产健康指数相关联的第二剩余寿命值。第二剩余寿命值可表示基于影响目标资产寿命的任何数量的根本原因变量估计的目标资产的总体剩余使用寿命。资产健康指数可与至少一个根本原因变量中的一者或多者相关联。就这一点而言,资产健康指数可指示目标资产的总体操作健康,例如,基于影响资产健康指数的该一个或多个根本原因变量的组合。可根据影响资产健康指数的每个单独根本原因变量的值生成和/或导出表示资产健康指数的值。
可利用一个或多个模型来生成与资产健康指数相关联的第二剩余寿命值。在一些实施方案中,利用上文关于每个单独根本原因变量描述的集成过程来生成与资产健康指数相关联的第二剩余寿命值。例如,用于生成对应于特定根本原因变量的第一剩余寿命值的模型可类似地用于生成与资产健康指数相关联的第二剩余寿命值。
在操作612处,寿命监测装置200包括诸如输入/输出电路206、通信电路208、数据监测电路210、寿命监测电路212、处理器202等的装置,以至少提供第二剩余寿命值。就这一点而言,寿命监测装置200可至少提供第二剩余寿命值以用于进一步处理和/或显示。在一些实施方案中,例如,寿命监测装置200提供用于经由一个或多个显示的用户界面呈现的第二剩余寿命值。可经由寿命监测装置200的显示器和/或与寿命监测装置200相关联的客户端设备来呈现此类用户界面。就这一点而言,例如在一些实施方案中,寿命监测装置200将第二剩余寿命值传输到客户端设备以用于呈现以便提供第二剩余寿命值。在一些实施方案中,附加地或另选地,寿命监测装置200针对至少一个根本原因变量中的一者或多者提供第二剩余寿命值和第一剩余寿命值或除第一剩余寿命值外还提供第二剩余寿命值,诸如以便呈现包括表示或基于对应于目标资产的资产健康指数的第二剩余寿命值的一个或多个元素和/或表示或基于影响资产健康指数的一个或多个根本原因变量的第一剩余寿命值的一个或多个界面元素的用户界面。
在一些实施方案中,寿命监测装置200被配置为基于至少第二剩余寿命值来执行一个或多个动作。例如,在任选的操作614处,寿命监测装置200包括诸如输入/输出电路206、通信电路208、数据监测电路210、寿命监测电路212、处理器202等的装置,以至少基于第二剩余寿命值来发起维护通知。就这一点而言,维护通知可包括指示对目标资产和/或一个或多个相关联资产(诸如上游资产和/或下游资产)的维护应在特定时间或特定时间间隔内执行的信息。在一些实施方案中,经由一个或多个经由与寿命监测装置200相关联的面向用户的应用程序呈现的用户界面来发起维护通知(例如,用于经由寿命监测装置200或相关联的客户端设备访问寿命监测装置200的功能的特定软件应用程序的用户界面)。在其他实施方案中,经由第三方应用程序发起维护通知,例如通过发起由电子邮件消息、文本通知、推送通知等体现的维护通知。
在一些实施方案中,基于至少确定第二剩余寿命值违反(例如,下降至低于)特定阈值来发起维护通知。就这一点而言,确定可指示直到由第二剩余寿命值表示的剩余使用寿命到期的特定时间差下降至低于特定阈值。例如,基于第二剩余寿命值,寿命监测装置200可通过预定的、用户配置的、或以其他方式确定的时间长度(例如,直到特定目标资产的剩余使用寿命达到零的时间X天、小时等)识别表示从由第二剩余寿命值表示的资产剩余使用寿命的到期的偏移的时间,并且在寿命监测装置200确定当前时间戳处于该时间或在该时间之后的情况下,发起维护通知。就这一点而言,可提供维护通知以提示相关联用户在目标资产的剩余使用寿命到期之前对目标资产执行维护,同时类似地不会较早地提示维持以至于通过过度维护目标资产浪费显著的正常运行时间。
图7示出了根据本公开的至少一些示例性实施方案的包括用于在监测资产剩余使用寿命值时基于选定模式来生成至少一个剩余寿命值的示例性过程的附加操作框的流程图。具体地,图7描绘了用于基于选定模式来生成至少一个剩余寿命值的示例性过程700。在一些实施方案中,计算机实现的过程700由存储在计算机程序产品的非暂态计算机可读介质上的计算机程序代码来体现,该计算机程序代码被配置用于执行以执行计算机实现的方法。另选地或附加地,在一些实施方案中,示例性过程700由一个或多个特别配置的计算设备执行,诸如由特别配置的寿命监测装置200体现的寿命监测系统102执行。就这一点而言,在一些此类实施方案中,寿命监测装置200由存储在装置上例如存储在存储器204和/或本文所描绘和/或描述的另一部件中和/或寿命监测装置200可以其他方式访问的计算机程序指令特别配置,以用于执行相对于示例性过程700所描绘和描述的操作。在一些实施方案中,特别配置的寿命监测装置200包括和/或以其他方式与一个或多个外部装置、系统、设备等通信,以执行所描绘和描述的操作中的一个或多个操作。
过程700在操作702处开始。在一些实施方案中,过程700在另一个过程的一个或多个操作(诸如所描绘和描述的过程600的操作606)之后开始。附加地或另选地,在一些实施方案中,在过程700完成时,流程前进至另一个过程的一个或多个操作,诸如所描绘和描述的过程600的操作608。在其他实施方案中,在过程700完成时,流程结束。
在操作702处,寿命监测装置200包括诸如输入/输出电路206、通信电路208、数据监测电路210、寿命监测电路212、处理器202等的装置,以确定目标资产正在利用多个可配置模式中的选定模式。在一些实施方案中,与目标资产相关联的接收的系统数据包括指示由目标资产利用的选定模式的一个或多个值。可从目标资产、与目标资产的操作相关联的控制器或其他计算设备、与目标资产相关联的上游资产或下游资产和/或与目标资产相关联的一个或多个传感器接收指示目标资产所利用的选定模式的此类系统数据。
在操作704处,寿命监测装置200包括诸如输入/输出电路206、通信电路208、数据监测电路210、寿命监测电路212、处理器202等的装置,以基于选定模式生成第一剩余寿命值和/或第二剩余寿命值。在一些实施方案中,例如,选定模式用于确定在生成第一剩余寿命值和/或第二剩余寿命值时利用的特定模型(例如,以确定针对选定模式最准确的模型)。另选地或另外地,在一些实施方案中,用于生成第一剩余寿命值和/或第二剩余寿命值的系统数据基于选定模式。例如,在一些情况下,仅处理被指示为对应于选定模式的系统数据。就这一点而言,应当理解,通过基于选定模式来生成第一剩余寿命值和/或第二剩余寿命值,生成值可相对于选定模式中的目标资产的操作为更准确的。
图8示出了根据本公开的至少一些示例性实施方案的包括用于在监测资产剩余使用寿命值时提供至少一个根本原因变量的趋势偏差的示例性过程的附加操作框的流程图。具体地,图8描绘了用于提供至少一个根本原因变量的趋势偏差的示例性过程800。在一些实施方案中,计算机实现的过程800由存储在计算机程序产品的非暂态计算机可读介质上的计算机程序代码来体现,该计算机程序代码被配置用于执行以执行计算机实现的方法。另选地或附加地,在一些实施方案中,示例性过程800由一个或多个特别配置的计算设备执行,诸如由特别配置的寿命监测装置200体现的寿命监测系统102执行。就这一点而言,在一些此类实施方案中,寿命监测装置200由存储在装置上例如存储在存储器204和/或本文所描绘和/或描述的另一部件中和/或寿命监测装置200可以其他方式访问的计算机程序指令特别配置,以用于执行相对于示例性过程800所描绘和描述的操作。在一些实施方案中,特别配置的寿命监测装置200包括和/或以其他方式与一个或多个外部装置、系统、设备等通信,以执行所描绘和描述的操作中的一个或多个操作。
过程800在操作802处开始。在一些实施方案中,过程800在另一个过程的一个或多个操作(诸如所描绘和描述的过程600的操作612)之后开始。附加地或另选地,在一些实施方案中,在过程800完成时,流程前进至另一个过程的一个或多个操作,诸如所描绘和描述的过程600的操作614。在其他实施方案中,在过程800完成时,流程结束。
在操作802处,寿命监测装置200包括诸如输入/输出电路206、通信电路208、数据监测电路210、寿命监测电路212、处理器202等的装置,以提供至少一个根本原因变量的预期趋势与至少一个根本原因变量的实际趋势之间的至少一个偏差。就这一点而言,例如,在未来时间并由第一剩余寿命值表示的根本原因值的估计值可在生成值后被存储。接收和处理与后续时间相关联的后续实际系统数据,以确定可生成在该时间的根本原因变量的实际值。基于实际值与先前生成和存储的预期值,可生成在特定时间的偏差。应当理解,这可重复任何次数,其中偏差随时间推移表示预期趋势与实际趋势之间的差异。
在一些实施方案中,寿命监测装置200提供至少一个根本原因变量的预期趋势与实际趋势之间的至少一个偏差以用于呈现。例如,寿命监测装置200可致使呈现描绘预期趋势与实际趋势之间的偏差的一个或多个界面元素。就这一点而言,此类界面元素可在视觉上描绘随时间推移的实际趋势与预期趋势之间的偏移。就这一点而言,用户可查看和/或处理趋势之间的至少一个偏差以通知用户至少一个根本原因变量的先前估计值的准确程度。类似地,此类数据可通知用户是至少一个根本原因变量的估计剩余寿命值是否可能保持准确。例如,在特定根本原因变量的估计趋势与实际趋势之间的偏差被确定为通常较大的情况下,根本原因变量的估计剩余寿命值可能与在特定根本原因变量的估计趋势与实际趋势之间的偏差被确定为通常较小的情况下相比更不太可信地为准确的。
图9示出了根据本公开的至少一些示例性实施方案的包括用于在监测资产剩余使用寿命值时提供至少一个根本原因变量的第一剩余寿命值的示例性过程的附加操作框的流程图。具体地,图9描绘了用于提供至少一个根本原因变量的第一剩余寿命值的示例性过程900。在一些实施方案中,计算机实现的过程900由存储在计算机程序产品的非暂态计算机可读介质上的计算机程序代码来体现,该计算机程序代码被配置用于执行以执行计算机实现的方法。另选地或附加地,在一些实施方案中,示例性过程900由一个或多个特别配置的计算设备执行,诸如由特别配置的寿命监测装置200体现的寿命监测系统102执行。就这一点而言,在一些此类实施方案中,寿命监测装置200由存储在装置上例如存储在存储器204和/或本文所描绘和/或描述的另一部件中和/或寿命监测装置200可以其他方式访问的计算机程序指令特别配置,以用于执行相对于示例性过程900所描绘和描述的操作。在一些实施方案中,特别配置的寿命监测装置200包括和/或以其他方式与一个或多个外部装置、系统、设备等通信,以执行所描绘和描述的操作中的一个或多个操作。
过程900在操作902处开始。在一些实施方案中,过程900在另一个过程的一个或多个操作(诸如所描绘和描述的过程600的操作612)之后开始。附加地或另选地,在一些实施方案中,在过程900完成时,流程前进至另一个过程的一个或多个操作,诸如所描绘和描述的过程600的操作614。在其他实施方案中,在过程900完成时,流程结束。
在操作902处,寿命监测装置200包括诸如输入/输出电路206、通信电路208、数据监测电路210、寿命监测电路212、处理器202等的装置,以接收请求显示至少一个根本原因变量的至少第一根本原因变量的第一剩余寿命值的用户输入。在一些实施方案中,例如,用户可与呈现的用户界面的对应于至少一个根本原因变量的第一根本原因变量的一个或多个界面元素交互。此类交互可指示用户想要探索关于特定根本原因变量的更多细节。例如,在一些实施方案中,用户界面包括与资产健康指数和/或基于资产健康指数的目标资产第二剩余寿命值的总体相关联的一个或多个界面元素,以及与和资产健康指数相关联的每个或至少一些根本原因变量相关联的界面元素。用户可与和特定根本原因变量相关联的界面元素交互以请求显示与特定根本原因变量相关联的附加信息,例如至少显示与根本原因变量相关联的第一剩余寿命值。用户可提供此类用户输入以在个体上处理和/或以其他方式研究目标资产的操作健康,和/或处理和/或以其他方式研究特定根本原因变量对资产健康指数和/或表示目标资产的总体剩余使用寿命的对应第二剩余寿命值的影响。
在操作904处,寿命监测装置200包括诸如输入/输出电路206、通信电路208、数据监测电路210、寿命监测电路212、处理器202等的装置,以呈现第一剩余寿命值的表示。就这一点而言,例如,寿命监测装置200可呈现另外或替换用户界面,该用户界面表示随时间推移的根本原因变量的估计剩余寿命值。第一剩余寿命值可与和第一剩余寿命值相关联的对应根本原因阈值的表示一起呈现。就这一点而言,应当理解,除了基于一个或多个根本原因变量的组合处理资产健康指数和对应于目标资产的剩余使用寿命的相关联第二剩余寿命值的总体时,用户可单独地研究任何数量的根本原因变量。
结论
尽管上文已描述了示例性处理系统,本文所述的主题和功能操作的具体实施可在其他类型的数字电子电路中或在计算机软件、固件或硬件(包括本说明书中所公开的结构及其结构等同物)中或在它们中的一者或多者的组合中实现。
本文所述的主题和操作的实施方案可在数字电子电路中,或在计算机软件、固件或硬件(包括本说明书中所公开的结构及其结构等同物)中或在它们中的一者或多者的组合中实现。本文所述主题的实施方案可被实现为在计算机存储介质上编码的一个或多个计算机程序(即,计算机程序指令的一个或多个模块),以供信息/数据处理装置执行或控制信息/数据处理装置的操作。另选地或除此之外,可在人工生成的传播信号(例如,机器生成的电信号、光信号或电磁信号)上编码程序指令,该传播信号被生成以编码用于传输到合适的接收器装置以供信息/数据处理装置执行的信息/数据。计算机存储介质可以是计算机可读存储设备、计算机可读存储基板、随机或串行访问存储器阵列或设备,或者它们中的一者或多者的组合,或者可包括在计算机可读存储设备、计算机可读存储基板、随机或串行访问存储器阵列或设备,或者它们中的一者或多者的组合中。此外,虽然计算机存储介质不是传播信号,但是计算机存储介质可以是在人工生成的传播信号中编码的计算机程序指令的源或目的地。计算机存储介质也可以是一个或多个单独的物理部件或介质(例如,多个CD、磁盘或其他存储设备),或者包括在一个或多个单独的物理部件或介质中。
本文所述的操作可被实现为由信息/数据处理装置对存储在一个或多个计算机可读存储设备上的或从其他源接收的信息/数据执行的操作。
术语“数据处理装置”涵盖用于处理数据的所有种类的装置、设备和机器,包括例如可编程处理器、计算机、片上系统、或前述的多个装置或它们的组合。该装置可包括专用逻辑电路(例如,FPGA(现场可编程门阵列)或ASIC(专用集成电路))。除了硬件之外,该装置还可包括为所考虑的计算机程序创建执行环境的代码(例如,构成处理器固件、协议栈、储存库管理系统、操作系统、跨平台运行环境、虚拟机或它们中的一者或多者的组合的代码)。该装置和执行环境可实现各种不同的计算模型基础结构,诸如web服务、分布式计算基础结构和网格计算基础结构。
可以用任何形式的编程语言(包括编译或解译语言、说明性语言或程序语言)写入计算机程序(也称为程序、软件、软件应用程序、脚本或代码),并且可以任何形式部署该计算机程序,包括作为独立程序或作为模块、部件、子例程、对象或适用于计算环境中的其他单元。计算机程序可以但不必对应于文件系统中的文件。程序可存储在保存其他程序或信息/数据(例如,存储在标记语言文档中的一个或多个脚本)的文件的一部分中,存储在专用于所考虑的程序的单个文件中,或者存储在多个协调文件(例如,存储一个或多个模块、子程序或代码的部分的文件)中。可部署计算机程序以在位于一个站点或跨多个站点分布并通过通信网络互连的一台计算机或多台计算机上执行该计算机程序。
可由执行一个或多个计算机程序的一个或多个可编程处理器执行本文所述的过程和逻辑流,以通过对输入信息/数据进行操作并生成输出来执行动作。以举例的方式,适用于执行计算机程序的处理器包括通用微处理器和专用微处理器两者以及任何种类的数字计算机的任何一个或多个处理器。一般来讲,处理器将从只读存储器或随机存取存储器或这两者接收指令和信息/数据。计算机的基本元件是用于根据指令执行动作的处理器和用于存储指令和数据的一个或多个存储器。一般来讲,计算机还将包括用于存储数据的一个或多个大容量存储设备(例如,磁盘、磁光盘或光盘),或与该一个或多个大容量存储设备可操作地联接以从该一个或多个大容量存储设备接收信息/数据或将信息/数据传输到该一个或多个大容量存储设备,或以上两者兼而有之。然而,计算机不需要具有此类设备。适合于存储计算机程序指令和信息/数据的设备包括所有形式的非易失性存储器、媒体和存储器设备,包括(以举例的方式)半导体存储器设备,例如EPROM、EEPROM和闪存存储器设备;磁盘,例如内部硬盘或可移动磁盘;磁光盘;以及CD-ROM和DVD-ROM磁盘。处理器和存储器可由专用逻辑电路补充或结合到专用逻辑电路中。
为了提供与用户的交互,本文所述的主题的实施方案可以在计算机上实现,该计算机具有用于向用户显示信息/数据的显示设备(例如,CRT(阴极射线管)或LCD(液晶显示器)监测器)以及键盘和指向设备(例如,鼠标或轨迹球,用户可以通过该鼠标或轨迹球向计算机提供输入)。也可使用其他类型的设备来提供与用户的交互;例如,提供给用户的反馈可以是任何形式的感官反馈(例如,视觉反馈、听觉反馈或触觉反馈);并且可通过任何形式接收来自用户的输入,包括声音、语音或触觉输入。此外,计算机可通过向用户所使用的设备发送文档以及从用户所使用的设备接收文档来与用户进行交互;例如,通过响应于从用户的客户端设备上的web浏览器接收的请求而将网页发送到web浏览器。
本文所述主题的实施方案可在计算系统中实现,该计算系统包括后端部件(例如,作为信息/数据服务器),或者包括中间件部件(例如,应用服务器),或者包括前端部件(例如,具有图形用户界面或web浏览器的客户端计算机,用户可通过该客户端计算机与本文所述主题的具体实施进行交互)或一个或多个此类后端部件、中间件部件或前端部件的任何组合。系统的部件可通过数字信息/数据通信的任何形式或介质(例如,通信网络)互连。通信网络的示例包括局域网(“LAN”)和广域网(“WAN”)、互联网络(例如,互联网)和对等网络(例如,自组织对等网络)。
计算系统可包括客户端和服务器。客户端和服务器一般来讲彼此远程,并且通常通过通信网络进行交互。客户端和服务器的关系是借助于在各自计算机上运行的、彼此具有客户端-服务器关系的计算机程序得到的。在一些实施方案中,服务器将信息/数据(例如,HTML页面)传输到客户端设备(例如,用于向与客户端设备交互的用户显示信息/数据以及从与客户端设备交互的用户接收用户输入)。可在服务器处从客户端设备接收在客户端设备处生成的信息/数据(例如,用户交互的结果)。
尽管本说明书包含许多特定的具体实施细节,但这些细节不应解释为对任何公开或可要求保护内容的范围的限制,而应解释为对特定公开的特定实施方案而言是特定的特征的描述。本文在单独实施方案的上下文中描述的某些特征也可以在单个实施方案中组合实现。相反,在单独实施方案的上下文中描述的各种特征也可以分别在多个实施方案中或以任何合适的子组合来实现。此外,尽管特征可能在上面被描述为以某些组合形式起作用并且甚至最初是这样要求保护的,但在一些情况下,可以从组合中除去来自所要求保护的组合的一个或多个特征,并且所要求保护的组合可以针对子组合或子组合的变型。
类似地,尽管在附图中以特定顺序描绘了操作,但这不应理解为要求以所示的特定次序或以顺序次序执行此类操作,或者执行所有的所示操作以达到期望的结果。在某些情况下,多任务和并行处理可能是有利的。此外,上述实施方案中的各种系统部件的分离不应被理解为在所有实施方案中要求这种分离,并且应当理解,所描述的程序部件和系统通常可以在单个软件产品中集成在一起或分组成多个软件产品。
因此,已经描述了本主题的特定实施方案。其他实施方案在以下权利要求书的范围内。在一些情况下,权利要求书中所述的动作可以不同的顺序执行,并且仍然实现期望的结果。此外,附图中描绘的过程不一定需要所示的特定次序或顺序次序来实现期望的结果。在某些具体实施中,多任务和并行处理可能是有利的。
Claims (10)
1.一种方法,包括:
在具有一个或多个处理器和一个或多个存储器的设备处:
接收与包括目标资产的操作系统相关联的系统数据;
根据所接收的系统数据确定与所述操作系统相关联的至少一个操作异常;
识别与所述至少一个操作异常相关联的至少一个根本原因变量;
生成与所述至少一个根本原因变量相关联的第一剩余寿命值,所述第一剩余寿命值对应于所述目标资产;
生成与资产健康指数相关联的第二剩余寿命值;以及
至少基于所述第一剩余寿命值来提供所述第二剩余寿命值。
2.根据权利要求1所述的方法,其中所述资产健康指数表示所述至少一个根本原因变量中的每一者的组合。
3.根据权利要求1所述的方法,其中利用模型来生成所述第一剩余寿命值。
4.根据权利要求1所述的方法,所述方法还包括:
呈现所述至少一个根本原因变量的预期趋势与所述至少一个根本原因变量的实际趋势之间的至少一个偏差。
5.根据权利要求1所述的方法,所述方法还包括:
确定所述目标资产正在利用多个可配置模式中的选定模式,基于所述选定模式来确定第二剩余寿命变量。
6.根据权利要求1所述的方法,所述方法还包括:
基于所述第二剩余寿命值来发起维护通知。
7.根据权利要求1所述的方法,其中提供所述第二剩余寿命值包括呈现所述第二剩余寿命值,所述方法还包括:
接收请求显示所述至少一个根本原因变量的所述第一剩余寿命值的用户输入;以及
呈现所述第一剩余寿命值。
8.根据权利要求1所述的方法,所述方法还包括:
确定用于生成与所述至少一个根本原因变量相关联的根本原因极限阈值的模型,其中所述第一剩余寿命值至少部分地基于所述根本原因极限阈值。
9.一种装置,所述装置包括至少一个处理器和至少一个存储器,所述至少一个存储器包括计算机程序代码,所述至少一个存储器和所述计算机程序代码被配置为利用所述至少一个处理器使得所述装置执行根据权利要求1至8所述的方法中的任一种方法。
10.一种计算机程序产品,所述计算机程序产品包括其中存储有计算机可读程序指令的至少一个非暂态计算机可读介质,所述计算机可读程序指令包括指令,所述指令在被装置执行时被配置为使得所述装置至少执行根据权利要求1至8所述的方法中的任一种方法。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
IN202011055170 | 2020-12-18 | ||
IN202011055170 | 2020-12-18 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114647923A true CN114647923A (zh) | 2022-06-21 |
Family
ID=79230675
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111562600.3A Pending CN114647923A (zh) | 2020-12-18 | 2021-12-20 | 用于监测资产剩余使用寿命的装置、方法和计算机程序产品 |
Country Status (4)
Country | Link |
---|---|
US (1) | US20220198357A1 (zh) |
EP (1) | EP4016222A1 (zh) |
CN (1) | CN114647923A (zh) |
WO (1) | WO2022133417A1 (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115526348A (zh) * | 2022-08-30 | 2022-12-27 | 深圳市东昂科兴技术有限公司 | 设备维护计划生成方法、装置、设备及存储介质 |
CN115526348B (zh) * | 2022-08-30 | 2024-06-25 | 深圳市东昂科兴技术有限公司 | 设备维护计划生成方法、装置、设备及存储介质 |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20220222097A1 (en) * | 2021-01-12 | 2022-07-14 | Citrix Systems, Inc. | Systems and methods to improve application performance |
US20230004151A1 (en) * | 2021-07-01 | 2023-01-05 | Honeywell International Inc. | Run-time reliability reporting for electrical hardware systems |
CN115292964B (zh) * | 2022-09-28 | 2023-01-06 | 中科航迈数控软件(深圳)有限公司 | 加工部件的可视化寿命管理方法、系统、终端及存储介质 |
Family Cites Families (43)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7277822B2 (en) * | 2000-09-28 | 2007-10-02 | Blemel Kenneth G | Embedded system for diagnostics and prognostics of conduits |
US7136794B1 (en) * | 2001-05-24 | 2006-11-14 | Simmonds Precision Products, Inc. | Method and apparatus for estimating values for condition indicators |
US7260501B2 (en) * | 2004-04-21 | 2007-08-21 | University Of Connecticut | Intelligent model-based diagnostics for system monitoring, diagnosis and maintenance |
US8103463B2 (en) * | 2006-09-21 | 2012-01-24 | Impact Technologies, Llc | Systems and methods for predicting failure of electronic systems and assessing level of degradation and remaining useful life |
US7395188B1 (en) * | 2006-12-07 | 2008-07-01 | General Electric Company | System and method for equipment life estimation |
US20090192700A1 (en) * | 2008-01-30 | 2009-07-30 | Caterpillar Inc. | Method and system for starting system prognosis and diagnosis |
US7684936B2 (en) * | 2008-05-07 | 2010-03-23 | Simmonds Precision Products, Inc. | Method, apparatus and computer program product for determining a future time of a component |
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 |
ES2562253T3 (es) * | 2009-06-24 | 2016-03-03 | Vestas Wind Systems A/S | Un procedimiento y un sistema para controlar el funcionamiento de una turbina eólica |
US8260493B2 (en) * | 2010-02-17 | 2012-09-04 | GM Global Technology Operations LLC | Health prognosis for complex system using fault modeling |
US20120101776A1 (en) * | 2010-10-26 | 2012-04-26 | Brower Alfred N | Embedded prognostic health management system for aeronautical machines and devices and methods thereof |
US8612079B2 (en) * | 2011-12-14 | 2013-12-17 | GM Global Technology Operations LLC | Optimizing system performance using state of health information |
US20130197698A1 (en) * | 2012-01-26 | 2013-08-01 | Carrier Corporation | HVAC System Fault Root Cause Self-Determination |
US9621421B1 (en) * | 2014-06-30 | 2017-04-11 | Juniper Networks, Inc. | Systems and methods for prognostic network management |
JP2016189088A (ja) * | 2015-03-30 | 2016-11-04 | 株式会社日立製作所 | 設備管理支援システム |
US20160342956A1 (en) * | 2015-05-19 | 2016-11-24 | Bell Helicopter Textron Inc. | Aircraft Health Feedback System |
WO2016196775A1 (en) * | 2015-06-04 | 2016-12-08 | Fischer Block, Inc. | Remaining-life and time-to-failure predictions of power assets |
US10031815B2 (en) * | 2015-06-29 | 2018-07-24 | Ca, Inc. | Tracking health status in software components |
US10239640B2 (en) * | 2015-12-11 | 2019-03-26 | The Boeing Company | Predictive aircraft maintenance systems and methods incorporating classifier ensembles |
US20170308802A1 (en) * | 2016-04-21 | 2017-10-26 | Arundo Analytics, Inc. | Systems and methods for failure prediction in industrial environments |
US10057144B2 (en) * | 2016-05-13 | 2018-08-21 | The United States Of America, As Represented By The Secretary Of The Navy | Remote system data collection and analysis framework |
US10795337B2 (en) * | 2016-06-01 | 2020-10-06 | Incucomm, Inc. | Predictive and prescriptive analytics for systems under variable operations |
US10968731B2 (en) * | 2016-11-21 | 2021-04-06 | Schlumberger Technology Corporation | System and method for monitoring a blowout preventer |
TWI603210B (zh) * | 2016-12-13 | 2017-10-21 | 財團法人工業技術研究院 | 機台零件之剩餘壽命的預測系統與預測方法 |
US10472096B2 (en) * | 2017-05-30 | 2019-11-12 | The Boeing Company | Advanced analytic methods and systems utilizing trust-weighted machine learning models |
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 |
US10969775B2 (en) * | 2017-06-23 | 2021-04-06 | Johnson Controls Technology Company | Predictive diagnostics system with fault detector for preventative maintenance of connected equipment |
US10732618B2 (en) * | 2017-09-15 | 2020-08-04 | General Electric Company | Machine health monitoring, failure detection and prediction using non-parametric data |
US11182987B2 (en) * | 2018-02-08 | 2021-11-23 | Geotab Inc. | Telematically providing remaining effective life indications for operational vehicle components |
US11138816B1 (en) * | 2018-02-12 | 2021-10-05 | Gpms International, Inc. | Embedded determination of remaining useful life of a component |
WO2019226715A1 (en) * | 2018-05-21 | 2019-11-28 | Promptlink Communications, Inc. | Techniques for assessing a customer premises equipment device |
US20200034665A1 (en) * | 2018-07-30 | 2020-01-30 | DataRobot, Inc. | Determining validity of machine learning algorithms for datasets |
US11579951B2 (en) * | 2018-09-27 | 2023-02-14 | Oracle International Corporation | Disk drive failure prediction with neural networks |
US10964130B1 (en) * | 2018-10-18 | 2021-03-30 | Northrop Grumman Systems Corporation | Fleet level prognostics for improved maintenance of vehicles |
US20200250584A1 (en) * | 2019-01-31 | 2020-08-06 | Marketech International Corp. | Modeling method for smart prognostics and health management system and computer program product thereof |
TWI708197B (zh) * | 2019-04-26 | 2020-10-21 | 國立成功大學 | 生產機台組件的預測保養方法與其電腦程式產品 |
US11714028B2 (en) * | 2019-09-05 | 2023-08-01 | Simmonds Precision Products, Inc. | System and method for health monitoring of a bearing system |
EP3910432A1 (en) * | 2020-05-15 | 2021-11-17 | Caterpillar Inc. | System and method for real time health monitoring of a machine component |
US11625016B2 (en) * | 2020-08-21 | 2023-04-11 | Siemens Industry, Inc. | Systems and methods for HVAC equipment predictive maintenance using machine learning |
US20220068053A1 (en) * | 2020-08-25 | 2022-03-03 | ANI Technologies Private Limited | Determination of health status of vehicular systems in vehicles |
US20220067667A1 (en) * | 2020-08-25 | 2022-03-03 | ANI Technologies Private Limited | Predictive maintenance of vehicle components |
US20220101270A1 (en) * | 2020-09-30 | 2022-03-31 | Amazon Technologies, Inc. | Prognostics and health management service |
US20220300860A1 (en) * | 2021-03-18 | 2022-09-22 | The Bank Of New York Mellon | Methods and systems for generating predictions based on time series data using an ensemble modeling |
-
2021
- 2021-12-08 EP EP21213060.3A patent/EP4016222A1/en active Pending
- 2021-12-13 WO PCT/US2021/072878 patent/WO2022133417A1/en active Application Filing
- 2021-12-15 US US17/644,467 patent/US20220198357A1/en active Pending
- 2021-12-20 CN CN202111562600.3A patent/CN114647923A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115526348A (zh) * | 2022-08-30 | 2022-12-27 | 深圳市东昂科兴技术有限公司 | 设备维护计划生成方法、装置、设备及存储介质 |
CN115526348B (zh) * | 2022-08-30 | 2024-06-25 | 深圳市东昂科兴技术有限公司 | 设备维护计划生成方法、装置、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
WO2022133417A1 (en) | 2022-06-23 |
US20220198357A1 (en) | 2022-06-23 |
EP4016222A1 (en) | 2022-06-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114647923A (zh) | 用于监测资产剩余使用寿命的装置、方法和计算机程序产品 | |
JP6636071B2 (ja) | コンピュータ実装方法、コンピュータシステム及びコンピュータ装置 | |
US9842302B2 (en) | Population-based learning with deep belief networks | |
CN106951984B (zh) | 一种系统健康度动态分析预测方法及装置 | |
KR20210118243A (ko) | 센서 계측 데이터 통합 | |
EP3827387A1 (en) | Systematic prognostic analysis with dynamic causal model | |
KR20100042293A (ko) | 화학 플랜트 또는 정제소를 연속해서 온라인 모니터하는 시스템 및 방법 | |
CN105593864B (zh) | 用于维护设备的分析设备退化 | |
EP2946219B1 (en) | System and method for fault management in lighting systems | |
US20140188778A1 (en) | Computer-Implemented System for Detecting Anomaly Conditions in a Fleet of Assets and Method of Using the Same | |
US20210065086A1 (en) | System and method for failure curve analytics | |
CN106249709B (zh) | 动态的过程质量控制图和定龄维修联合设计优化控制方法 | |
JP2020052714A (ja) | 監視システム及び監視方法 | |
CN112700131A (zh) | 基于人工智能的ab测试方法、装置、计算机设备及介质 | |
US9249794B2 (en) | Condition-based and predictive maintenance of compressor systems | |
US11348013B2 (en) | Determining, encoding, and transmission of classification variables at end-device for remote monitoring | |
Geara et al. | Hybrid inspection-monitoring approach for optimal maintenance planning | |
Xin et al. | Dynamic probabilistic model checking for sensor validation in Industry 4.0 applications | |
US11747035B2 (en) | Pipeline for continuous improvement of an HVAC health monitoring system combining rules and anomaly detection | |
US11080613B1 (en) | Process monitoring based on large-scale combination of time series data | |
KR102417675B1 (ko) | 재난위기수준표출장치 및 그 동작 방법 | |
US11644390B2 (en) | Contextual data modeling and dynamic process intervention for industrial plants | |
US20170277142A1 (en) | Process control system performance analysis using scenario data | |
Bottle et al. | Predicting the false alarm rate in multi-institution mortality monitoring | |
CN111837082A (zh) | 利用近实时条件的超声流量计预诊 |
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 |