CN115129955A - 装置、方法以及计算机可读介质 - Google Patents

装置、方法以及计算机可读介质 Download PDF

Info

Publication number
CN115129955A
CN115129955A CN202210253996.1A CN202210253996A CN115129955A CN 115129955 A CN115129955 A CN 115129955A CN 202210253996 A CN202210253996 A CN 202210253996A CN 115129955 A CN115129955 A CN 115129955A
Authority
CN
China
Prior art keywords
degradation
measurement data
degree
index value
deterioration
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202210253996.1A
Other languages
English (en)
Inventor
御供颂弘
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Yokogawa Electric Corp
Original Assignee
Yokogawa Electric Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Yokogawa Electric Corp filed Critical Yokogawa Electric Corp
Publication of CN115129955A publication Critical patent/CN115129955A/zh
Pending legal-status Critical Current

Links

Images

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
    • G05B19/418—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]
    • G05B19/4184—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 fault tolerance, reliability of production system
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M99/00—Subject matter not provided for in other groups of this subclass
    • G01M99/005—Testing of complete machines, e.g. washing-machines or mobile phones
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/904—Browsing; Visualisation therefor
    • 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
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04Q—SELECTING
    • H04Q9/00—Arrangements in telecontrol or telemetry systems for selectively calling a substation from a main station, in which substation desired apparatus is selected for applying a control signal thereto or for obtaining measured values therefrom
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04Q—SELECTING
    • H04Q2209/00—Arrangements in telecontrol or telemetry systems
    • H04Q2209/40—Arrangements in telecontrol or telemetry systems using a wireless architecture

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Automation & Control Theory (AREA)
  • Data Mining & Analysis (AREA)
  • Artificial Intelligence (AREA)
  • Mathematical Physics (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • Medical Informatics (AREA)
  • Computing Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Manufacturing & Machinery (AREA)
  • Quality & Reliability (AREA)
  • Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
  • Testing And Monitoring For Control Systems (AREA)

Abstract

提供一种装置、方法以及计算机可读介质，该装置具有：获取部，其获取对对象的状态进行测定所得的测定数据；存储部，其对模型和劣化参数进行存储，该模型与测定数据的输入相应地将表示使对象劣化的强度的劣化强度指标值输出，该劣化参数表示劣化强度指标值与对象的劣化发展度的对应关系；以及推定部，其利用与将测定数据输入至模型相应地输出的劣化强度指标值以及劣化参数而推定对象的劣化发展度。

Description

装置、方法以及计算机可读介质
技术领域
本发明涉及装置、方法以及计算机可读介质。
背景技术
专利文献1中记载有如下内容，即，“基于将与…劣化状态的变化量相关的参数…的值变换为所述经时变化的变化量的模型式，对所述监视对象物的状态的每单位时间的劣化量进行计算”(技术方案1)。
专利文献1：日本特开2009-244061号公报
发明内容
在本发明的第1方式中，提供一种装置。装置可以具有获取部，该获取部获取对对象的状态进行测定所得的测定数据。装置可以具有存储部，该存储部对模型和劣化参数进行存储，该模型与测定数据的输入相应地将表示使对象劣化的强度的劣化强度指标值输出，该劣化参数表示劣化强度指标值与对象的劣化发展度的对应关系。装置可以具有推定部，该推定部利用与将测定数据输入至模型相应地输出的劣化强度指标值以及劣化参数而推定对象的劣化发展度。
推定部可以对利用与将测定数据输入至模型相应地输出的劣化强度指标值以及劣化参数推定出的劣化发展度进行累计计算而推定对象的劣化积蓄度。
装置可以具有发送部，该发送部将由获取部获取的测定数据发送至其他装置。装置可以具有接收部，该接收部从其他装置接收模型以及劣化参数。
装置可以具有学习处理部，该学习处理部利用包含测定数据以及表示对象的劣化状态的值在内的学习数据，生成模型。装置可以具有计算部，该计算部对表示劣化强度指标值与对象的劣化发展度之间的对应关系的劣化参数进行计算。
在本发明的第2方式中，提供一种装置。装置可以具有获取部，该获取部获取来自对象的测定数据。装置可以具有学习处理部，该学习处理部利用包含测定数据以及表示对象的劣化状态的值在内的学习数据，生成与测定数据的输入相应地将表示使对象劣化的强度的劣化强度指标值输出的模型。装置可以具有计算部，该计算部对表示劣化强度指标值与对象的劣化发展度的对应关系的劣化参数进行计算。
装置可以具有发送部，该发送部针对从对象获取测定数据的其他装置而发送模型以及劣化参数。
学习处理部可以利用包含测定数据、以及针对测定出该测定数据的多个期间分别表示对象的劣化状态的值在内的学习数据，生成模型。
表示劣化状态的值可以是表示对象的劣化是否已发展的二值化的值。
计算部可以基于与在对象的劣化已发展的期间测定出的测定数据的输入相应地从模型输出的劣化强度指标值的总和、以及在该期间增加的劣化发展度，对劣化参数进行计算。
劣化参数可以表示劣化强度指标值的每单位量的对象的劣化发展度。
模型可以将所输入的测定数据与对象的劣化未发展的情况下的测定数据之间的偏离度，作为劣化强度指标值而输出。
模型可以将所输入的测定数据与对象的劣化是否发展的边界上的测定数据之间的偏离度，作为劣化强度指标值而输出。
在本发明的第3方式中，提供一种方法。方法可以具有获取阶段，获取对对象的状态进行测定所得的测定数据。方法可以具有存储阶段，对模型和劣化参数进行存储，该模型与测定数据的输入相应地将表示使对象劣化的强度的劣化强度指标值输出，该劣化参数表示劣化强度指标值与对象的劣化发展度的对应关系。方法可以具有推定阶段，利用与将测定数据输入至模型相应地输出的劣化强度指标值以及劣化参数而推定对象的劣化发展度。
在本发明的第4方式中，提供一种方法。方法可以具有获取阶段，获取来自对象的测定数据。方法可以具有学习处理阶段，利用包含测定数据以及表示对象的劣化状态的值在内的学习数据，生成与测定数据的输入相应地将表示使对象劣化的强度的劣化强度指标值输出的模型。方法可以具有计算阶段，对表示劣化强度指标值与对象的劣化发展度的对应关系的劣化参数进行计算。
在本发明的第5方式中，提供一种计算机可读介质，其记录有程序。程序可以使计算机作为获取部起作用，该获取部获取对对象的状态进行测定所得的测定数据。程序可以使计算机作为存储部起作用，该存储部对模型和劣化参数进行存储，该模型与测定数据的输入相应地将表示使对象劣化的强度的劣化强度指标值输出，该劣化参数表示劣化强度指标值与对象的劣化发展度的对应关系。程序可以使计算机作为推定部起作用，该推定部利用与将测定数据输入至模型相应地输出的劣化强度指标值以及劣化参数而推定对象的劣化发展度。
在本发明的第6方式中，提供一种计算机可读介质，其记录有程序。程序可以使计算机作为获取部起作用，该获取部获取来自对象的测定数据。程序可以使计算机作为学习处理部起作用，该学习处理部利用包含测定数据以及表示对象的劣化状态的值在内的学习数据，生成与测定数据的输入相应地将表示使对象劣化的强度的劣化强度指标值输出的模型。程序可以使计算机作为计算部起作用，该计算部对表示劣化强度指标值与对象的劣化发展度的对应关系的劣化参数进行计算。
此外，上述发明的概要并未举出本发明的全部必要特征。另外，上述特征组的子组成要素也能够构成发明。
附图说明
图1表示实施方式所涉及的系统1。
图2表示系统1的动作。
图3表示劣化状态测定值与劣化强度指标值KPI的关系。
图4表示可以将本发明的多个方式全部或一部分实现具体化的计算机2200的例子。
具体实施方式
下面，通过发明的实施方式对本发明进行说明，下面的实施方式不对权利要求书所涉及的发明进行限定。另外，实施方式中说明的特征的所有组合对于发明的解决方法并非必不可少。
[1.系统1的结构]
图1表示本实施方式所涉及的系统1。系统1辅助对象的状态监视，具有作为对象的一个例子的设备2、推定装置4以及生成装置5。
[1-1.设备2]
设备2设置有1个或多个传感器20。对于设备2还可以设置1个或多个仪器21。
例如设备2可以是工厂，也可以是多个仪器21组合而成的复合装置，还可以是在工厂、复合装置等其他设备内设置的仪器(作为一个例子为配管)。作为工厂，除了化学、生物等工业工厂以外，还能举出对气田、油田等的井口、其周围进行管理控制的工厂、对水力、火力、原子能等的发电进行管理控制的工厂、对太阳能、风力等的环境资源发电进行管理控制的工厂、对上下水、堤坝等进行管理控制的工厂等。
[1-1-1.仪器21]
各仪器21为器具、机器或者装置，例如可以是对设备2的过程的压力、温度、pH、速度、流量等中的至少1种物理量进行控制的阀、泵、加热器、风扇、电机、开关等致动器。各仪器21的种类可以互不相同，也可以是至少一部分的大于或等于2个的仪器21种类相同。可以从外部以有线或无线的方式对仪器21进行控制，也可以以手动方式对仪器21进行控制。
[1-1-2.传感器20]
各传感器20进行设备2的状态的测定。传感器20可以对压力、温度、pH、速度、流量等中的至少1种物理量进行测定。另外，传感器20可以进行设备2的收获量、混入的杂质的比例、各仪器21的运转状况等的测定。传感器20的测定值可以是PID控制中使用的过程值。各传感器20可以种类互不相同，也可以是至少一部分的大于或等于2个的传感器20种类相同。传感器20可以以恒定的间隔进行测定。各传感器20可以将测定结果供给至推定装置4。
此外，例如可以以ISA(International Society of Automation：国际计测控制学会)的无线通信协议进行传感器20与推定装置4之间的通信，作为一个例子，可以以ISA100、HART(Highway Addressable Remote Transducer)(注册商标)、BRAIN(注册商标)、FOUNDATION Fieldbus、PROFIBUS等进行通信。
[1-2.推定装置4]
推定装置4是第1方式的装置的一个例子，对设备2的劣化状态进行推定。推定装置4可以是配置于工厂内而对各传感器20的测定数据进行记录的边缘设备。推定装置4具有获取部40、存储部43、通信部45以及推定部48。
[1-2-1.获取部40]
获取部40获取对设备2的状态进行测定所得的测定数据。获取部40可以从多个传感器20逐次获取测定数据。例如，在设备2是配管的情况下，测定数据可以是与配管的顶部的温度、压力、流量中的至少1个相关的数据。获取部40可以将获取的测定数据供给至存储部43。获取部40可以对测定数据附加其测定时间(或者获取部40的获取时间)以及进行了测定的传感器20的识别信息，并供给至存储部43。此外，测定时间以及传感器20的识别信息也可以预先附加于从传感器20供给的测定数据。
[1-2-2.存储部43]
存储部43对各种信息进行存储。例如，存储部43可以对测定结果文件430、模型431、参数文件432以及推定结果文件433进行存储。此外，模型431以及参数文件432的后述的劣化参数可以与经由通信部45从生成装置5供给至推定装置4相应地存储于存储部43。
[1-2-2(1).测定结果文件430]
测定结果文件430对从获取部40供给的测定数据进行储存。
[1-2-2(2).模型431]
模型431与测定数据的输入相应地将设备2的劣化强度指标值输出。劣化强度指标值表示使设备2劣化的强度。例如，在设备2是配管的情况下，劣化强度指标值可以是使配管减薄的强度。
模型431可以将所输入的测定数据与设备2的劣化未发展的情况下的测定数据之间的偏离度作为劣化强度指标值而输出。作为一个例子，模型431可以将所输入的测定数据与设备2的劣化是否发展的边界上的测定数据之间的偏离度作为劣化强度指标值而输出。劣化是否发展的测定数据的边界可以是劣化发展的情况下的测定数据的分布、与劣化未发展的情况下的测定数据的分布的边界，也可以通过生成模型431的学习处理而决定。
此外，模型431可以使用以往公知的机器学习的分类算法。在模型431是分类器的情况下，模型431可以利用表示在测定出测定数据时设备2是否已劣化的2值的教师数据而学习，可以将与阈值的对比而实现2值化之前的劣化强度指标值输出。
[1-2-2(3).参数文件432]
参数文件432对各种参数进行储存。例如，参数文件432可以对表示劣化强度指标值与设备2的劣化发展度的对应关系的劣化参数进行储存。
劣化参数可以表示劣化强度指标值的每单位量的劣化发展度。劣化参数可以是固定值。
劣化发展度可以表示测定或推定出的设备2的劣化的发展量，也可以表示劣化发展到何种程度、或者劣化是否已发展。例如，劣化发展度可以表示从以前进行了劣化发展度的测定、推定时起的劣化的发展量。作为一个例子，可以在每段基准时间(作为一个例子为测定数据的测定周期)对劣化发展度进行测定、推定，劣化发展度可以表示基准时间内的设备2的劣化的发展量。在设备2是配管的情况下，劣化发展度可以是配管的减薄量、即厚度的减小量。
劣化强度指标值的每单位量的劣化发展度可以表示设备2以单位时间(作为一个例子为上述基准时间)暴露于由劣化强度指标值的单位量表示的状态的情况下的劣化的发展量。
[1-2-2(4).推定结果文件433]
推定结果文件433对推定部48的推定结果进行储存。在本实施方式中，作为一个例子，推定结果文件433可以对每当推定部48进行推定时输出的劣化积蓄度Va进行储存。
[1-2-3.通信部45]
通信部45与生成装置5之间进行通信。通信部45可以进行无线通信，也可以进行有线通信。通信部45可以经由网关装置等中继仪器而进行通信。通信部45具有发送部451以及接收部452。
[1-2-3(1).发送部451]
发送部451将由获取部40获取的测定数据发送至生成装置5。在本实施方式中，作为一个例子，发送部451可以将存储部43的测定结果文件430中储存的测定数据发送至生成装置5。
[1-2-3(2).接收部452]
接收部452从生成装置5接收模型431以及劣化参数。接收部452可以将接收到的模型431以及劣化参数存储于存储部43。
[1-2-4.推定部48]
推定部48利用与将测定数据输入至模型431相应地输出的劣化强度指标值以及劣化参数而对设备2的劣化发展度进行推定。
推定部48可以利用与在第i个(i为整数)测定定时测定所得的测定数据的输入相应地从模型431输出的劣化强度指标值KPI(i)、以及存储部43中存储的劣化参数Coef，根据下式(1)而逐次对劣化发展度Vp(i)进行计算。
Vp(i)＝KPI(i)×Coef (1)
另外，推定部48可以对所推定的劣化发展度Vp进行累计计算而推定设备2的劣化积蓄度。劣化积蓄度可以表示设备2中积蓄的劣化的程度，作为一个例子，可以表示从开始运用设备2时起的劣化发展度。作为一个例子，在设备2是配管的情况下，劣化积蓄度可以是配管的从初始状态起的减薄量。
推定部48可以根据以前计算出的劣化发展度Vp(i)的总和而对劣化积蓄度V(i)进行计算，也可以根据最后计算出的劣化积蓄度Va(i-1)与新计算出的劣化发展度Vp(i)之和，对劣化积蓄度Va(i)进行计算。例如，推定部48可以通过下式(2)对与第i个测定数据相应的劣化积蓄度Va(i)进行计算。
Va(i)＝Vp(i)+Va(i-1) (2)
推定部48可以将最后计算出的劣化积蓄度Va(i-1)从存储部43的推定结果文件433读出。另外，推定部48可以将新计算出的劣化积蓄度Va(i)储存于存储部43的推定结果文件433。推定部48可以将新计算出的劣化发展度Vp(i)以及劣化积蓄度Va(i)输出。例如，推定部48可以使未图示的显示部对上述推定结果进行显示。
[1-3.生成装置5]
生成装置5是第2方式的装置的一个例子，生成模型431以及劣化参数。生成装置5具有通信部51、输入部52、存储部53以及生成部54。此外，生成装置5可以是1个或多个计算机，也可以由PC等构成，还可以通过云计算而实现。
[1-3-1.通信部51]
通信部51与推定装置4之间进行通信。通信部51可以进行无线通信，也可以进行有线通信。通信部51具有获取部510以及发送部513。
[1-3-1(1).获取部510]
获取部510从推定装置4获取测定数据。获取部510可以将获取到的测定数据供给至存储部53。
[1-3-1(2).发送部513]
发送部513将模型431以及劣化参数发送至推定装置4。
[1-3-2.输入部52]
输入部52根据操作者的操作而将各种数据输入。输入部52可以将输入内容供给至存储部53等。
例如，输入部52可以将表示设备2的劣化状态的测定值(也称为劣化状态测定值)输入。劣化状态测定值可以表示从开始运用设备2时起积蓄于该设备2的劣化量，也可以是与劣化积蓄度对应的值。作为一个例子，在设备2是配管的情况下，劣化状态测定值可以是厚度的测定值。
劣化状态测定值可以不利用设备2的传感器20而进行测定，也可以不包含于测定数据。劣化状态测定值可以在设备2的维护时等由作业者进行测定。劣化状态测定值的测定周期可以与传感器20的测定数据的测定周期相同，也可以不同。
[1-3-3.存储部53]
存储部53对各种信息进行存储。例如，存储部53可以对测定结果文件530以及学习数据531进行存储。
测定结果文件530对从获取部510供给的测定数据进行储存。在此基础上，测定结果文件530可以对从输入部52供给的劣化状态测定值进行储存。
学习数据531包含从获取部510供给的测定数据、以及表示设备2的劣化状态的值(也称为劣化状态指标值)。学习数据531可以针对对测定数据进行了测定的多个期间而分别包含劣化状态指标值。
劣化状态指标值可以是表示在测定数据的测定时、或者其前后的时间点处设备2的劣化是否发展的二值化的值。作为一个例子，劣化状态指标值可以基于劣化状态测定值，经由输入部52而由操作者等进行设定，也可以作为标签而附加于各测定数据。但是，劣化状态指标值也可以是劣化状态测定值本身。
[1-3-4.生成部54]
生成部54具有学习处理部542以及计算部543。
[1-3-4(1).学习处理部542]
学习处理部542通过利用学习数据531的学习处理而生成模型431。学习处理部542可以将所生成的模型431供给至通信部51。
[1-3-4(2).计算部543]
计算部543对劣化参数进行计算。计算部543可以将计算出的劣化参数供给至通信部51。
计算部543可以基于与在设备2的劣化发展的期间(也称为劣化发展期间)测定所得的测定数据的输入相应地从模型431输出的劣化强度指标值的总和、以及在该期间增加的设备2的劣化发展度，对劣化参数进行计算。
作为一个例子，计算部543可以利用劣化强度指标值的总和Σ{KPI(i)}、以及在劣化发展期间增加的劣化发展度Vp的增加量，根据下式(3)而对劣化参数Coef进行计算。
Coef＝Vp/Σ{KPI(i)} (3)
这里，劣化发展期间可以是设备2的劣化作为整体而发展的期间，也可以包含劣化未发展的期间。劣化发展期间的劣化发展度Vp可以是劣化发展期间的结束时期的劣化状态测定值与开始时期的劣化状态测定值的差值。
根据以上系统1的推定装置4，利用与将测定数据输入至模型431相应地输出的劣化强度指标值KPI(i)、以及表示劣化强度指标值KPI以及劣化发展度Vp的对应关系的劣化参数Coef，对劣化发展度Vp(i)进行推定，因此能够利用与新测定数据相应的劣化强度指标值KPI(i)以及劣化参数Coef而逐次推定在测定出该新测定数据时增加的劣化发展度Vp(i)。因此，能够逐次对劣化发展度Vp(i)进行累计计算而获取设备2的劣化积蓄度Va(i)，因此能够高精度地推定出设备2的劣化程度。
另外，对新计算出的劣化发展度Vp(i)进行累计计算而计算出劣化积蓄度Va(i)，因此能够容易地确认劣化积蓄度Va。
另外，对生成装置5发送测定数据，从生成装置5接收模型431以及劣化参数KPI，因此能够不利用推定装置4进行模型431的生成、劣化参数KPI的计算而推定设备2的劣化。
另外，所输入的测定数据、与设备2的劣化未发展的情况下的测定数据之间的偏离度作为劣化强度指标值而从模型431输出，因此能够获取准确地表示使设备2劣化的强度的劣化强度指标值。
另外，所输入的测定数据、与设备2的劣化是否发展的边界上的测定数据之间的偏离度作为劣化强度指标值而从模型431输出，因此能够获取更准确地表示使设备2劣化的强度的劣化强度指标值。
另外，根据系统1的生成装置5，生成与测定数据的输入相应地将劣化强度指标值KPI输出的模型431，对劣化参数Coef进行计算，因此能够利用与将新测定数据输入至模型431相应地输出的劣化强度指标值KPI(i)以及劣化参数Coef而逐次推定在测定出该新测定数据时增加的劣化发展度Vp(i)。因此，能够逐次对劣化发展度Vp(i)进行累计计算而获取设备2的劣化积蓄度Va(i)，因此能够高精度地推定出设备2的劣化的程度。
另外，利用包含测定数据、以及针对测定出测定数据的多个期间各自的劣化状态指标值在内的学习数据531而生成模型431，因此能够高精度地推定在测定出测定数据时增加的劣化发展度Vp。
另外，基于与在劣化发展期间测定出的测定数据的输入相应地从模型431输出的劣化强度指标值的总和、以及在该期间增加的设备2的劣化发展度而对劣化参数进行计算，因此能够高精度地推定出劣化发展度Vp。
另外，对表示劣化强度指标值KPI的每单位量的劣化发展度的劣化参数Coef进行计算，因此能够容易地推定出在测定出新测定数据时增加的劣化发展度Vp。
另外，将模型431以及劣化参数发送至推定装置4，因此能够不利用推定装置4生成模型431而进行推定。
[2.系统1的动作]
图2表示系统1的动作。系统1的推定装置4以及生成装置5通过执行步骤S11～S39的处理，从而进行模型431的生成以及劣化参数的计算并推定设备2的劣化状态。此外，该动作可以伴随着设备2的运用而开始。
在步骤S11中，推定装置4的获取部40从各传感器20获取对设备2的状态进行测定所得的测定数据。可以将获取到的测定数据存储于存储部43。
在步骤S13中，发送部451将测定数据发送至生成装置5。由此，在步骤S15中，生成装置5的获取部510从推定装置4获取测定数据。获取部510可以将获取到的测定数据存储于存储部53。
在步骤S17中，输入部52根据操作者的操作而将测定数据的测定时、或者其前后的时间点处的劣化状态测定值存储于存储部53。另外，输入部52可以根据操作者的操作而将作为劣化状态指标值的二值化的标签附加于测定数据。由此，在存储部53对学习数据531进行存储。
在步骤S19中，学习处理部542通过利用学习数据531的学习处理而生成模型431。例如，学习处理部542可以以使得将测定数据输入至模型431而输出的劣化强度指标值、与和该测定数据对应的劣化状态指标值(作为一个例子，为表示劣化是否发展的二值化的值)的关联性变高的方式生成模型431。
在步骤S21中，计算部543对劣化参数进行计算。例如，首先，计算部543可以确定设备2的劣化已发展的劣化发展期间。
计算部543可以基于对测定数据附加的标签而确定劣化发展期间。计算部543可以将附加有表示劣化已发展的标签的最初的测定数据的测定定时(timing)设为劣化发展期间的开始时期。另外，计算部543可以将在第2个以后附加有表示劣化已发展的标签的测定数据(作为一个例子为最后附加有标签的测定数据)的测定定时设为劣化发展期间的结束时期，也可以将附加有表示劣化未发展的标签的任意测定数据的测定定时设为劣化发展期间的结束时期。
取而代之地，计算部543可以基于劣化状态测定值而确定劣化发展期间。例如，计算部543可以将劣化状态测定值开始减小的定时设为劣化发展期间的开始时期，可以将停止减小的定时、减小后的劣化状态测定值维持了基准时间的定时等设为劣化发展期间的结束时期。
如果确定了劣化发展期间，则计算部543可以对该期间内增加的设备2的劣化发展度Vp进行计算。计算部543可以从存储部53读出劣化发展期间的结束时期的劣化状态测定值、以及开始时期的劣化状态测定值，将从结束时期的劣化状态测定值减去开始时期的劣化状态测定值的结果设为劣化发展度Vp。
另外，如果确定了劣化发展期间，则计算部543可以对该期间的劣化强度指标值的总和Σ{KPI(i)}进行计算。计算部543针对由学习处理部542生成的模型431，逐次输入在劣化发展期间内测定的测定数据，对从模型431输出的劣化强度指标值的总和Σ{KPI(i)}进行计算。
而且，计算部543可以利用总和Σ{KPI(i)}除劣化发展度Vp而计算出劣化参数Coef。
如果生成模型431并计算出劣化参数，则在步骤S23中，发送部513将它们发送至推定装置4。由此，在步骤S31中，由推定装置4的接收部452接收模型431以及劣化参数，将它们存储于存储部43。
在步骤S33中，获取部40新获取测定数据。在步骤S35中，推定部48利用与将测定数据输入至模型431相应地输出的劣化强度指标值KPI(i)、以及劣化参数Coef而推定设备2的劣化发展度。推定部48可以将劣化强度指标值KPI(i)和劣化参数Coef相乘而计算出劣化发展度Vp(i)。
在步骤S37中，推定部48可以对劣化发展度Vp(i)、(i-1)、…进行累计计算而推定出设备2的劣化积蓄度Va(i)。在本实施方式中，作为一个例子，推定部48可以根据劣化发展度Vp(i)与劣化积蓄度Va(i-1)的和而计算出劣化积蓄度Va(i)。
在步骤S39中，推定部48可以将推定出的劣化发展度Vp(i)以及劣化积蓄度V(i)输出。推定部48可以将最近的多个劣化发展度Vp以及多个劣化积蓄度Va的推移输出。如果步骤S39的处理结束，则推定装置4可以使处理进入上述步骤S33。最近的多个劣化发展度Vp以及多个劣化积蓄度Va可以是接近当前时间点的顺序的多个劣化发展度Vp(i)、(i-1)…、以及多个劣化积蓄度Va(i)、(i-1)。
[3.动作例]
图3表示劣化状态测定值与劣化强度指标值KPI的关系。
在图中，上侧的曲线表示劣化状态测定值的推移。纵轴表示劣化状态测定值的测定值(作为一个例子为配管的厚度)，横轴表示时间。标注了剖面线的区域表示针对在该区域内测定出的测定数据而附加了表示劣化是否发展的标签。
另外，在图中，下侧的曲线表示从输入有与图中的上侧曲线相同的期间的测定数据的模型431逐次输出的劣化强度指标值KPI的推移。纵轴表示劣化强度指标值KPI(参照左侧的刻度)以及劣化状态测定值(参照右侧的刻度)，横轴表示时间。此外，在本图中，劣化强度指标值KPI越小，表明使设备2的劣化发展的强度越大。
如该图所示，根据模型431，越是劣化状态测定值减小的期间，输出强度越大的劣化强度指标值KPI。
[4.变形例]
此外，在上述实施方式中，对推定装置4从生成装置5获取模型431以及劣化参数的情况进行了说明，但是，推定装置4也可以生成模型431并对劣化参数进行计算。在该情况下，推定装置4可以具有生成模型431的学习处理部542、以及对劣化参数进行计算的计算部543而不具有通信部45。
另外，说明了生成装置5根据单个劣化发展期间对单个劣化参数进行计算的情况，但也可以根据多个劣化发展期间而对多个劣化参数进行计算。多个劣化发展期间可以是开始时期以及结束时期中的至少一者不同的期间。在该情况下，推定装置4的推定部48可以利用多个劣化参数进行推定。例如，推定部48可以利用多个劣化参数Coef分别与劣化强度指标值KPI(i)的多个乘法运算结果而对单个劣化发展度Vp(i)进行计算。作为一个例子，推定部48可以将多个乘法运算结果的平均值设为劣化发展度Vp(i)。
另外，对获取部510通过与推定装置4的通信而获取测定数据的情况进行了说明，但也可以从存储有测定数据并与生成装置5连接的存储介质读出测定数据。
另外，对利用计算部543确定劣化发展期间的情况进行了说明，但也可以经由输入部52而由操作者设定。在该情况下，操作者可以基于劣化状态测定值而将任意期间设为劣化发展期间。
另外，以设备2为对象而进行了说明，但对象也可以是其他客体。例如，对象可以是由设备2制造的产品，也可以是生物体等自然物。作为一个例子，在对象是流量计的情况下，可以将输出的电压值、电流值用作测定数据，也可以将流量计的精度测试的结果用作劣化状态测定值。另外，在对象是pH测定器的情况下，可以将测定的流体的温度、流量、盐分浓度用作测定数据，也可以将pH测定器的精度测试的结果用作劣化状态测定值。
另外，可以参照流程图及框图而对本发明的各种实施方式进行记载，这里，模块可以表示(1)执行操作的过程的阶段、或者(2)具有执行操作的作用的装置的部分。特定的阶段以及部分可以利用专用电路、与计算机可读介质上储存的计算机可读指令一起供给的可编程电路、和/或与计算机可读介质上储存的计算机可读指令一起供给的处理器而安装。专用电路可以包含数字和/或模拟硬件电路，也可以包含集成电路(IC)和/或分立电路。可编程电路可以包含逻辑AND、逻辑OR、逻辑XOR、逻辑NAND、逻辑NOR、以及其他逻辑操作、触发电路、寄存器、现场可编程门阵列(FPGA)、可编程逻辑阵列(PLA)等之类的存储器要素等的、可再构成的硬件电路。
计算机可读介质可以包含能够对利用适当的设备执行的指令进行储存的任意有形的设备，其结果，具有此处储存的指令的计算机可读介质具有包含能够为了制作用于执行流程图或框图中指定的操作的手段的能够执行的指令的产品。作为计算机可读介质的例子，可以包含电子存储介质、磁存储介质、光存储介质、电磁存储介质、半导体存储介质等。作为计算机可读介质的更具体的例子，可以包含Floppy(注册商标)软盘、软盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦可编程只读存储器(EPROM或闪存)、电可擦可编程只读存储器(EEPROM)、静态随机存取存储器(SRAM)、光盘只读存储器(CD-ROM)、数字化多用途光盘(DVD)、蓝光(RTM)盘、记忆棒、集成电路卡等。
计算机可读指令可以包含汇编指令、指令集架构(ISA)指令、机器指令、依赖于机器的指令、微码、固件指令、状态设定数据、或者包含Smalltalk(注册商标)、JAVA(注册商标)、C++等之类的面向对象编程语言、以及“C”编程语言或同样的编程语言之类的现有的程序性编程语言在内的1种或多种编程语言的任意组合记述的源代码或对象代码的任一种。
可以经由本地或局域网(LAN)、互联网等之类的广域网(WAN)而对通用计算机、特殊目的的计算机或者其他可编程的数据处理装置的处理器或可编程电路提供计算机可读指令，为了制作用于执行流程图或框图中指定的操作的手段而执行计算机可读指令。作为处理器的例子，包含计算机处理器、处理单元、微处理器、数字信号处理器、控制器、微控制器等。
图4表示可以将本发明的多个方式全部或一部分实现具体化的计算机2200的例子。计算机2200中安装的程序能够使计算机2200作为与本发明的实施方式所涉及的装置相关联的操作或该装置的1个或多个部分而起作用，或者能够执行该操作或该1个或多个部分，和/或能够使计算机2200执行本发明的实施方式所涉及的过程或该过程的阶段。这种程序可以为了使计算机2200执行与本说明书中记载的流程图及框图的模块中的几个或全部相关联的特定操作而由CPU2212执行。
本实施方式所涉及的计算机2200包含CPU2212、RAM2214、图形控制器2216以及显示设备2218，上述部件通过主控制器2210而相互连接。另外，计算机2200包含通信接口2222、硬盘驱动器2224、DVD-ROM驱动器2226、以及IC卡驱动器之类的输入/输出单元，上述部件经由输入/输出控制器2220而与主控制器2210连接。另外，计算机包含ROM2230以及键盘2242之类的传统的输入/输出单元，上述部件经由输入/输出芯片2240而与输入/输出控制器2220连接。
CPU2212根据ROM2230及RAM2214内储存的程序而执行动作，由此对各单元进行控制。图形控制器2216获取向RAM2214内提供的、在帧缓冲区等或其本身中由CPU2212生成的图像数据，并在显示设备2218上对图像数据进行显示。
通信接口2222经由网络而与其他电子设备通信。硬盘驱动器2224对由计算机2200内的CPU2212使用的程序以及数据进行储存。DVD-ROM驱动器2226从DVD-ROM2201读取程序或数据，经由RAM2214而将程序或数据提供给硬盘驱动器2224。IC卡驱动器从IC卡读取程序以及数据、和/或将程序以及数据写入至IC卡。
ROM2230在其中对激活时由计算机2200执行的启动程序等、和/或依赖于计算机2200的硬件的程序进行储存。另外，输入/输出芯片9940使得各种输入/输出单元经由并行端口、串行端口、键盘端口、鼠标端口等而与输入/输出控制器2220连接。
程序由DVD-ROM2201或IC卡之类的计算机可读介质提供。程序被从计算机可读介质读取，安装于还作为计算机可读介质的例子的硬盘驱动器2224、RAM2214、或ROM2230而由CPU2212执行。上述程序内记述的信息处理由计算机2200读取，并使得程序和上述各种类型的硬件资源之间进行协作。装置或方法可以通过使用计算机2200实现信息的操作或处理而构成。
例如，在计算机2200以及外部设备之间执行通信的情况下，CPU2212可以执行在RAM2214中加载的通信程序，基于通信程序中记述的处理而对通信接口2222发出通信处理的指令。通信接口2222在CPU2212的控制下读取向RAM2214、硬盘驱动器2224、DVD-ROM2201、或者IC卡之类的记录介质内提供的发送缓冲处理区域中储存的发送数据，将读取到的发送数据发送至网络、或者将从网络接收到的接收数据写入至向记录介质上提供的接收缓冲处理区域等。
另外，CPU2212可以将硬盘驱动器2224、DVD-ROM驱动器2226(DVD-ROM2201)、IC卡等之类的外部记录介质中储存的文件或数数据库的全部或所需的部分读取至RAM2214，针对RAM2214上的数据执行各种类型的处理。CPU2212接下来将处理后的数据回写至外部记录介质。
各种类型的程序、数据、表以及数据库之类的各种类型的信息可以储存于记录介质并接受信息处理。CPU2212可以针对从RAM2214读取的数据而执行本公开的任意位置记载的、由程序的指令序列指定的各种类型的操作、信息处理、条件判断、条件分支、无条件分支、信息的检索/置换等在内的各种类型的处理，针对RAM2214而回写结果。另外，CPU2212可以检索记录介质内的文件、数数据库等中的信息。例如，在分别具有与第2属性的属性值相关联的第1属性的属性值的多个条目储存于记录介质内的情况下，CPU2212可以从该多条记录中检索指定了第1属性的属性值的与条件一致的条目，读取该条目内储存的第2属性的属性值，获取与满足由此预先规定的条件的第1属性相关联的第2属性的属性值。
以上说明的程序或软件模块可以储存于计算机2200上或计算机2200附近的计算机可读介质。另外，向与专用通信网络或互联网连接的服务器系统内提供的硬盘或RAM之类的记录介质可以用作计算机可读介质，由此经由网络而将程序提供给计算机2200。
以上利用实施方式对本发明进行了说明，本发明的技术范围并不限定于上述实施方式中记载的范围。本领域技术人员能够理解，可以对上述实施方式施加多种变更或改良。根据权利要求书的记载明确可知，施加了这种变更或改良的方式也可以包含于本发明的技术范围内。
关于权利要求书、说明书以及附图中示出的装置、系统、程序以及方法中的动作、次序、步骤以及阶段等各处理的执行顺序，应当注意是，只要并没有特别明确地表示为“更提前”、“提前”等，另外，未在后续的处理中使用在前的处理的输出，则能够以任意顺序实现。关于权利要求书、说明书以及附图中的动作流程，即使为了方便而使用“首先、”、“接下来、”等进行说明，也不意味着必须按照该顺序实施。
标号的说明
1 系统
2 设备
4 推定装置
5 生成装置
20 传感器
21 仪器
40 获取部
43 存储部
45 通信部
48 推定部
51 通信部
52 输入部
53 存储部
54 生成部
430 测定结果文件
431 模型
432 参数文件
433 推定结果文件
451 发送部
452 接收部
510 获取部
513 发送部
530 测定结果文件
531 学习数据
542 学习处理部
543 计算部
2200 计算机
2201 DVD-ROM
2210 主控制器
2212 CPU
2214 RAM
2216 图形控制器
2218 显示设备
2220 输入/输出控制器
2222 通信接口
2224 硬盘驱动器
2226 DVD-ROM驱动器
2230 ROM
2240 输入/输出芯片
2242 键盘

Claims (16)

1.一种装置，其中，
所述装置具有：
获取部，其获取对对象的状态进行测定所得的测定数据；
存储部，其对模型和劣化参数进行存储，该模型与所述测定数据的输入相应地将表示使所述对象劣化的强度的劣化强度指标值输出，该劣化参数表示所述劣化强度指标值与所述对象的劣化发展度的对应关系；以及
推定部，其利用与将所述测定数据输入至所述模型相应地输出的所述劣化强度指标值、以及所述劣化参数，推定所述对象的劣化发展度。
2.根据权利要求1所述的装置，其中，
所述推定部对利用与将所述测定数据输入至所述模型相应地输出的所述劣化强度指标值、以及所述劣化参数推定出的劣化发展度进行累计计算,推定所述对象的劣化积蓄度。
3.根据权利要求1或2所述的装置，其中，
所述装置具有：
发送部，其将由所述获取部获取的所述测定数据发送至其他装置；以及
接收部，其从所述其他装置接收所述模型以及所述劣化参数。
4.根据权利要求1或2所述的装置，其中，
所述装置具有：
学习处理部，其利用包含所述测定数据以及表示所述对象的劣化状态的值在内的学习数据，生成所述模型；以及
计算部，其对表示所述劣化强度指标值与所述对象的劣化发展度的对应关系的劣化参数进行计算。
5.一种装置，其中，
所述装置具有：
获取部，其获取来自对象的测定数据；
学习处理部，其利用包含所述测定数据以及表示所述对象的劣化状态的值在内的学习数据，生成与所述测定数据的输入相应地将表示使所述对象劣化的强度的劣化强度指标值输出的模型；
计算部，其对表示所述劣化强度指标值与所述对象的劣化发展度的对应关系的劣化参数进行计算。
6.根据权利要求5所述的装置，其中，
所述装置具有发送部，该发送部针对从所述对象获取所述测定数据的其他装置而发送所述模型以及所述劣化参数。
7.根据权利要求4至6中任一项所述的装置，其中，
所述学习处理部利用包含所述测定数据、以及针对测定出该测定数据的多个期间分别表示所述对象的劣化状态的值在内的所述学习数据，生成所述模型。
8.根据权利要求4至7中任一项所述的装置，其中，
表示所述劣化状态的值是表示所述对象的劣化是否已发展的二值化的值。
9.根据权利要求4至8中任一项所述的装置，其中，
所述计算部基于与在所述对象的劣化已发展的期间测定出的所述测定数据的输入相应地从所述模型输出的所述劣化强度指标值的总和、以及在该期间增加的劣化发展度，对所述劣化参数进行计算。
10.根据权利要求1至9中任一项所述的装置，其中，
所述劣化参数表示所述劣化强度指标值的每单位量的所述对象的劣化发展度。
11.根据权利要求1至10中任一项所述的装置，其中，
所述模型将所输入的所述测定数据与所述对象的劣化未发展的情况下的所述测定数据之间的偏离度，作为所述劣化强度指标值而输出。
12.根据权利要求11所述的装置，其中，
所述模型将所输入的所述测定数据与所述对象的劣化是否发展的边界上的所述测定数据之间的偏离度，作为所述劣化强度指标值而输出。
13.一种方法，其中，
所述方法具有：
获取阶段，获取对对象的状态进行测定所得的测定数据；
存储阶段，对模型和劣化参数进行存储，该模型与所述测定数据的输入相应地将表示使所述对象劣化的强度的劣化强度指标值输出，该劣化参数表示所述劣化强度指标值与所述对象的劣化发展度的对应关系；以及
推定阶段，利用与将所述测定数据输入至所述模型相应地输出的所述劣化强度指标值以及所述劣化参数而推定所述对象的劣化发展度。
14.一种方法，其中，
所述方法具有：
获取阶段，获取来自对象的测定数据；
学习处理阶段，利用包含所述测定数据以及表示所述对象的劣化状态的值在内的学习数据，生成与所述测定数据的输入相应地将表示使所述对象劣化的强度的劣化强度指标值输出的模型；以及
计算阶段，对表示所述劣化强度指标值与所述对象的劣化发展度的对应关系的劣化参数进行计算。
15.一种计算机可读介质，其记录有程序，其中，
所述程序使计算机作为如下功能部起作用：
获取部，其获取对对象的状态进行测定所得的测定数据；
存储部，其对模型和劣化参数进行存储，该模型与所述测定数据的输入相应地将表示使所述对象劣化的强度的劣化强度指标值输出，该劣化参数表示所述劣化强度指标值与所述对象的劣化发展度的对应关系；以及
推定部，其利用与将所述测定数据输入至所述模型相应地输出的所述劣化强度指标值以及所述劣化参数而推定所述对象的劣化发展度。
16.一种计算机可读介质，其记录有程序，其中，
所述程序使计算机作为如下功能部起作用：
获取部，其获取来自对象的测定数据；
学习处理部，其利用包含所述测定数据以及表示所述对象的劣化状态的值在内的学习数据，生成与所述测定数据的输入相应地将表示使所述对象劣化的强度的劣化强度指标值输出的模型；
计算部，其对表示所述劣化强度指标值与所述对象的劣化发展度的对应关系的劣化参数进行计算。
CN202210253996.1A 2021-03-26 2022-03-15 装置、方法以及计算机可读介质 Pending CN115129955A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2021-054146 2021-03-26
JP2021054146A JP2022151193A (ja) 2021-03-26 2021-03-26 装置、方法およびプログラム

Publications (1)

Publication Number Publication Date
CN115129955A true CN115129955A (zh) 2022-09-30

Family

ID=80685300

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210253996.1A Pending CN115129955A (zh) 2021-03-26 2022-03-15 装置、方法以及计算机可读介质

Country Status (4)

Country Link
US (1) US20220307944A1 (zh)
EP (1) EP4064138A1 (zh)
JP (1) JP2022151193A (zh)
CN (1) CN115129955A (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP7370490B1 (ja) 2023-08-02 2023-10-27 日機装株式会社 機械学習装置、絶縁状態診断装置、機械学習方法、機械学習プログラム、絶縁状態診断方法、絶縁状態診断プログラム
CN117193140A (zh) * 2023-10-19 2023-12-08 中广核工程有限公司 控制参数的确定方法、装置、计算机设备和存储介质

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3133226B2 (ja) * 1995-02-15 2001-02-05 株式会社日立製作所 プラント構造材料の腐食推定方法、および腐食診断システム
JP3792493B2 (ja) * 2000-09-25 2006-07-05 株式会社日立製作所 プラント構造材料の腐食推定方法、および腐食診断システム
JP2004252781A (ja) * 2003-02-20 2004-09-09 Japan Energy Corp 腐食速度推定システムのモデリングデータ生成方法および装置
GB0314870D0 (en) * 2003-06-26 2003-10-29 Rolls Royce Power Eng Remote monitoring system
WO2008109845A2 (en) * 2007-03-07 2008-09-12 Becton, Dickinson And Company Safety blood collection assembly with indicator
JP5056537B2 (ja) * 2008-03-31 2012-10-24 横河電機株式会社 状態監視システムおよび状態監視方法
WO2010095259A1 (ja) * 2009-02-23 2010-08-26 三菱電機株式会社 開閉装置の余寿命診断方法及び装置
US20200409349A9 (en) * 2015-06-17 2020-12-31 Ge Global Sourcing Llc System and method for predicting bearing life
JPWO2018101363A1 (ja) * 2016-11-30 2019-10-24 日本電気株式会社 状態推定装置と方法とプログラム
US11175973B1 (en) * 2020-05-11 2021-11-16 International Business Machines Corporation Prediction of performance degradation with non-linear characteristics

Also Published As

Publication number Publication date
JP2022151193A (ja) 2022-10-07
US20220307944A1 (en) 2022-09-29
EP4064138A1 (en) 2022-09-28

Similar Documents

Publication Publication Date Title
US11119451B2 (en) Apparatus, method, program, and recording medium
CN115129955A (zh) 装置、方法以及计算机可读介质
EP3859455B1 (en) Learning apparatus, learning method, learning program, determination apparatus, determination method, determination program, and computer readable medium
EP3904987B1 (en) Control support apparatus, control support method, control support program, computer readable medium with control support program recorded thereon and control system
CN115204246A (zh) 装置、方法以及计算机可读介质
CN103279030B (zh) 基于贝叶斯框架的动态软测量建模方法及装置
US11885719B2 (en) Measurement data recording apparatus, generating apparatus, system, apparatus, method, and computer readable medium
US20220155759A1 (en) Interface apparatus, interface method, and recording medium having recorded thereon interface program
US20230350875A1 (en) Data processing apparatus, data processing method, and recording medium
EP4280007A1 (en) Appparatus, method and program for monitoring a target device
US20230384744A1 (en) Remote-control apparatus, local-control apparatus, learning processing apparatus, method, and recording medium
CN115952853B (zh) 矿浆密度检测模型构建方法、装置及矿浆密度检测系统
US20220308571A1 (en) Apparatus, method, and computer-readable medium
EP4296800A1 (en) Estimation apparatus, estimation method, and estimation program
CN116484966A (zh) 装置、方法和计算机可读介质
CN115903674A (zh) 监视装置、监视方法以及计算机可读介质
CN117131339A (zh) 模型选择装置、模型选择方法和非临时性计算机可读介质
CN116957098A (zh) 控制装置、控制方法以及非临时性计算机可读介质
CN116796853A (zh) 模型验证装置、模型验证方法和非临时性计算机可读介质
CN116468175A (zh) 一种建筑能耗预测方法以及Seq-GRU深度学习模型

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