CN117751334A - 识别家用器具上的异常 - Google Patents

Abstract

一种用于识别家用器具上的异常的方法包括以下步骤：检测家用器具在其运行期间的器具数据；确定所述器具数据不对应于常见的器具状态；确定检测到的器具数据与器具数据的预定模式的相似度；以及将检测到的器具数据分配给所述模式之一。

Description

识别家用器具上的异常

技术领域

本发明涉及识别家用器具上的异常。特别地，本发明涉及自动确定家用器具上的异常。

背景技术

家用器具包括控制设备，该控制设备被设置为检测家用器具在其运行期间的器具数据。例如，家用器具可以包括一个或多个传感器，这些传感器的样本由控制设备检测。另外的器具数据可以包括产生测量值的环境，例如正在执行的家用器具功能、日期或时间。所检测的器具数据可以按照日志文件的形式存储在本地存储器中。由于空间的原因，可以循环覆盖所存储的器具数据或者仅存储满足预定条件的器具数据。

通常仅在家用器具展示出故障时才分析所存储的器具数据。通常由服务技术人员来检查故障与之前存储的器具数据之间可能的关联。为此，大多必须将家用器具运送到服务技术人员处或反过来。然而，大多不会对所存储的器具数据进行大规模分析，从而可能难以从一台家用器具的行为推断出其未来行为或推断出另一台家用器具的行为。因此，识别和必要时消除家用器具上的异常可能很困难，并且需要大量的人类经验。

发明内容

本发明所基于的任务是改进家用器具上的异常的自动识别。本发明借助于独立权利要求的主题解决了该任务。从属权利要求反映了优选的实施方式。

根据本发明的第一方面，一种用于识别家用器具上的异常的方法包括以下步骤：检测家用器具在其运行期间的器具数据；确定所述器具数据不对应于常见的器具状态；确定检测到的器具数据与器具数据的预定模式的相似度；以及将检测到的器具数据分配给所述模式之一。

根据本发明，可以将检测到的器具数据自动分配给模式之一。每个模式可以代表家用器具的预定行为、异常、问题或老化状态。优选地选择与器具数据最相似的模式。更优选地，仅当器具数据与下一个不太相似的模式的相似度低于预定阈值时才进行所述分配。基于检测到的器具数据可以改进地评估家用器具，并且可以改进地确定可能的异常。

优选地，向模式分配所述家用器具的器具状态的描述。所述描述可以是文本形式，或者是机器可进一步处理的形式，机器可进一步处理的形式也可以称为二进制形式。在一个实施方式中，当器具数据被分配给模式时可以提供所述描述。器具状态可以特别是包括错误，其中可以输出所述错误的指示。在不同的实施方式中，所述指示可以针对家用器具的使用者或技术人员。在前一种情况下，所述描述可以遵循解释作用，例如“泵有缺陷”。在后一种情况下，描述中可以包括对器具状态的改进的指示，例如“更换泵，进行密闭性检查”。

进一步优选的是，然后将分配给检测到的器具数据的模式扩展为包括检测到的器具数据。从而可以确保未来通过该模式更简单、更快或更好地识别器具数据。在所述扩展时，可以使用机器模式识别和机器学习的方法。特别是在最初仅基于中等数量或少数量的器具数据来创建模式的情况下，可以通过记录器具数据来长期改进识别可靠性。也可以称为标记(英文labelling)的器具数据的外部解释或评估，特别是要由人进行的解释或评估，可能是不必要的。从而无监督学习方法可以用于自动改进本方法。

在该实施方式的扩展中，可以确定模式已经被扩展了预定数量的检测到的器具数据。可以相对于最初创建模式所基于的器具数据的数量来说明所述预定数量。该模式最初可以基于经标记的器具数据来创建。如果该模式所基于的器具数据的数量增加了例如大约20％，则可以检查该模式。检查可以自动或手动进行。

自动检查可以包括检查所述模式所基于的器具数据是否彼此一致。换句话说，可以检查该模式所基于的器具数据是否彼此足够相似并且与其他模式足够不同。为此可以预先确定相似性度量。可以基于器具数据的子集重新创建所述模式。已丢弃的器具数据可以分配给其他模式。

在另一实施方式中，如果检测到的器具数据与任何现有模式都不够相似，则创建新模式。从而可以收集彼此相似的器具数据，即使尚不知道哪个器具状态或哪个器具行为与这些器具数据相关联。通过这种方式，可以改进地创建广泛的数据库，该数据库允许对家用器具进行分析。例如，可以通过这种方式改进地检查仅偶尔展示出或仅在长时间运行之后展示出的家用器具行为。

如果初始使用的模式改进地识别或代表分配给所述模式的器具状态，则该方法可以特别有效地工作。为此，可以基于实验室测试来创建初始模式。在一个实施方式中，基于在家用器具的运行期间在预定运行持续时间之后检测的器具数据来确定模式。家用器具可以经受长时间测试，其中可以产生或模拟不同长的运行持续时间。

在另一个实施方式中，基于家用器具在各种预定环境条件下运行期间检测的器具数据来确定模式。为此，可以在环境实验室中运行家用器具。所述环境实验室可以包括例如气候室或振动台。从而可以创建不同的气候条件或物理条件，在这些条件下可以系统地观察家用器具。

气候室可以产生不同的温度或不同的相对湿度。气候室中可以产生的另外的可能环境因素包括例如红外线辐射或紫外线辐射。可以变化的其他条件包括不同的运行装置或耗电装置或供电电压的波动。同样可以对应地建立另外的运行条件。

根据本发明的第二方面，一种用于控制家用器具的设备包括：用于检测家用器具在其运行期间的器具数据的装置；用于确定检测到的器具数据与预定模式的相似度的装置；以及用于将检测到的器具数据分配给模式之一的装置。

该设备可以包括用于家用器具的控制设备。特别地，所述控制设备可以包括在家用器具中。从而可以使用本地装置改进地执行异常的识别以及必要时的消除。特别地，用于预测性维护或用于消除简单错误的措施可以由家用器具的使用者直接执行。可能不需要经过培训的人员干预或应用特殊工具或技术。

这些装置中的一个或多个可以由处理装置来实现，该处理装置在一个实施方式中被设置为部分或完全执行本文描述的方法。所述处理装置可以包括可编程微计算机或微控制器，并且该方法可以以具有程序代码装置的计算机程序产品的形式存在。所述计算机程序产品可以存储在计算机可读数据载体上。该方法的特征或优点可以转移到该设备，并且反之亦然。

特别优选的是，用于确定检测到的器具数据与预定模式的相似度的装置包括人工神经网络。神经网络可以基于预定的器具数据被训练为识别初始模式。这些模式的适配可以由设备本身进行，或者可以将新的器具数据发送到远程装置，该远程装置可以在此基础上改进地训练人工神经网络并将该人工神经网络传送回家用器具。该家用器具可以用接收到的神经网络来替换或更新现有的神经网络。

根据本发明的第三方面，一种家用器具包括本文描述的设备。

本文描述的技术还可以针对大量彼此类似的家用器具来执行。根据本发明的第四方面，中央站包括用于接收在各种彼此类似的家用器具的运行期间在所述家用器具上检测的器具数据的装置；用于确定检测到的器具数据与预定模式的相似度的装置；以及用于将检测到的器具数据分配给模式之一的装置。

家用器具特别可以是同系列家用器具的示例。也可以使用不同但彼此相似系列的家用器具的示例。中央站特别是可以以服务器的形式来实现，或者例如作为云中的服务来实现。器具数据特别是可以从家用器具无线传送到中央站。在另一实施方式中，中央站可以针对不同的家用器具执行所描述的技术。然后可以改进地确定不同家用器具之间的相似之处。该确定可以手动或自动进行。可以对应地检查结果从一台家用器具到另一台家用器具的可转移性。为了改进地识别模式或为了确定改进的模式，中央站可以访问不同扩大的器具数据库。由此可以改进地确定相关模式。

附图说明

现在参照附图更详细地描述本发明，在附图中：

图1示出了具有家用器具和中央站的系统；以及

图2示出了方法的流程图。

具体实施方式

图1示出了具有家用器具105和中央站110的系统100。家用器具105示例性地被示出为咖啡机，但也可以包括优选地设置为在家庭中使用的任何其他器具。特别地，家用器具105可以用在家庭的厨房中，用于洗衣护理或用于清洁家庭。

家用器具105包括控制设备115，该控制设备可被设置为控制家用器具105的功能。替代地，可以提供专用控制设备来用于控制器具。控制设备115包括与一个或多个传感器125连接的处理装置120。示例性地示出了第一传感器125和第二传感器125，第一传感器125被设置为确定在冲泡咖啡时水的压力，第二传感器125被设置为检测家用器具105的运行噪音。另外，可以提供任意数量的另外的传感器125。例如，供人使用的输入设备也可以被视为传感器125。在又一个实施方式中，可以检测家用器具105的致动器(例如加热器或泵)的操控，该致动器同样可以被视为传感器125。对于本文提出的技术，如果传感器125的数量很大并且由传感器检测的事件尽可能彼此独立，则可以获得更好的结果。

借助于传感器125检测的家用器具105的器具数据可以由处理装置120处理并且可选地还可以被存储。该处理特别是可以包括与预定模式的比较，所述模式在下面参考图2还更详细地描述。特别地，可以基于检测到的器具数据来创建或改进模式。模式的识别和适配都可以由控制设备115本地进行或由中央站110远程进行。优选地，模式识别在本地进行，并且将与模式相比较的器具数据发送到中央站110，在中央站110可以基于器具数据来改进模式。改变的或新的模式可以被传送回家用器具105。

为了与中央站110通信，家用器具105优选地包括通信装置130，该通信装置示例性地作为无线接口示出。中央站110包括与此对应的通信装置135。在另一实施方式中，通信装置130、135还可以被设置用于有线通信。该通信通常经由预定网络进行，例如移动无线电网络或互联网。

中央站110还包括处理装置140和可选的存储设备145。还可以提供接口150。处理装置140优选地被设置为执行人工神经网络155。可以借助于处理装置140检查经由通信装置135接收的家用器具105的器具数据与一个或多个预定模式的相似度。此外，可以基于接收到的器具数据来扩展模式。在人工神经网络155的情况下，这可以包括关于接收到的器具数据来训练网络155。

接收到的器具数据可以存储在存储设备145中。训练人工神经网络155可能需要大量的器具数据，并且中央站110优选地被设置为从大量家用器具105接收器具数据和存储这些器具数据。还可以在更长的时间上累积接收到的器具数据以创建模式或改进关于模式的识别性能。另外，分配给模式的信息可以存储在存储设备145中。这些信息可以包括例如名称、出现频率、关于消除或改进器具状态的指示或服务信息。特别地，这些信息可以由有能力的人员基于对分配给模式的器具数据的分析来创建。

可以经由接口150提供与接收到的器具数据相匹配的模式的指示。该指示可以部分或完全包括所提及的信息。

应当注意的是，在另一实施方式中，中央站110的处理装置140的功能也可以由家用器具105的控制设备115的处理装置120来执行。特别地，如果应当借助于神经网络155来识别模式，则优选的是，神经网络155在家用器具105的处理装置120中本地进行，并且神经网络155的创建或扩展由中央站110进行。

图2示出了方法200的流程图，该方法特别是可以在系统100上执行。在不同的实施方式中，方法200可以完全或部分地在家用器具105的控制设备115上或在中央站110上执行。混合执行同样是可能的。

在步骤205中，可以对家用器具105的器具数据采样。器具数据特别是可以来自一个或多个传感器125。在步骤210中，可以基于器具数据来确定异常器具状态。特别地，可以确定器具数据与指示常见器具状态的模式不匹配。

在步骤215中，可以将检测到的器具数据与一个或多个模式进行比较，每个模式都涉及一种异常器具状态。例如，这些模式可以基于实验室测试或借助于人工学习方法手动标记的数据集来创建。

在步骤220中，可以确定是否可以找到与检测到的器具数据足够相似的模式。特别地，可以检查是否可以将器具数据明确分配给模式之一。如果情况并非如此，则可以在步骤225中确定器具数据与所有已知模式足够不同。此外，还可以基于检测到的器具数据产生新模式。在步骤230中，可以将采样的器具数据分配给新的模式或者分配给先前已经找到的、足够相似的模式。可选地，可以在步骤235中提供相分配的器具状态的描述。该描述特别是可以提供给家用器具105的操作人员或服务人员。

在步骤240中，可以分配器具数据的模式可以被扩展所述器具数据。在新产生模式的情况下，这可能已经进行了。在已有模式的情况下，可以首先存储器具数据以供以后更新模式。在步骤245中，可以确定是否存在用于模式的足够多的新器具数据。还可以检查应当分配给模式的器具数据是否早于预定年龄。其他标准同样是可能的。

根据确定的标准，可以在步骤250中更新模式。特别地，可以检查是否存在已分配给该模式但实际上分配给其他模式应该更好的器具数据。例如，如果在将器具数据分配给模式之后创建了新模式，则可能会出现这种情况。可以在步骤250中训练该模式或其识别。在一个实施方式中，一起训练所有现有模式的识别。这也可以包括分配给表征家用器具105的常见的、非异常运行的器具状态的模式。

此外，在步骤250中可以检查分配给模式的描述信息是否必须被更新。为此可以向操作人员提供信号，然后该操作人员可以执行检查。

附图标记

100 系统

105 家用器具

110 中央站

115 控制设备

120 处理装置

125 传感器

130 通信装置

135 通信装置

140 处理装置

145 存储设备

150 接口

155 神经网络

200 方法

205 对器具数据采样

210 确定异常器具状态

215将器具数据与模式进行比较

220找到足够相似的模式？

225 产生新模式

230 将器具数据分配给模式

235提供所分配的器具状态的描述

240给模式扩展了器具数据

245足够多的新器具数据？

250发起检查

Claims (12)

1.一种用于识别家用器具(105)上的异常的方法(200)，其中该方法(200)包括以下步骤：

-检测(205)所述家用器具(105)在其运行期间的器具数据；

-确定(210)所述器具数据不对应于常见的器具状态；

-确定(215)检测到的器具数据与器具数据的预定模式的相似度；

-将检测到的器具数据分配(230)给所述模式之一。

2.根据权利要求1所述的方法(200)，其中提供(235)所述器具状态的分配给所述模式的描述。

3.根据权利要求1或2所述的方法(200)，其中将分配检测到的器具数据的模式扩展(240)检测到的器具数据。

4.根据权利要求3所述的方法(200)，其中确定(245)所述模式已经被扩展了预定数量的检测到的器具数据。

5.根据权利要求4所述的方法(200)，其中检查(250)所述模式所基于的器具数据是否彼此一致。

6.根据前述权利要求中任一项所述的方法(200)，其中如果检测到的器具数据与任何现有模式不够相似，则创建(225)新模式。

7.根据前述权利要求中任一项所述的方法(200)，其中基于在所述家用器具(105)的运行期间在预定运行持续时间之后检测的器具数据来确定模式。

8.根据前述权利要求中任一项所述的方法(200)，其中基于所述家用器具(105)在各种预定环境条件下运行期间检测的器具数据来确定模式。

9.一种用于控制家用器具(105)的设备(115)，其中所述设备(115)包括：

-用于检测所述家用器具(105)在其运行期间的器具数据的装置(125)；

-用于确定检测到的器具数据与预定模式的相似度的装置(120、140)；以及

-用于将检测到的器具数据分配给模式之一的装置(120、140)。

10.根据权利要求9所述的设备(115)，其中借助于人工神经网络(155)来确定检测到的器具数据与所述模式的相似度。

11.一种家用器具(105)，包括根据权利要求10所述的设备(115)。

12.一种中央站(110)，具有以下元件：

-用于接收在各种彼此类似的家用器具(105)的运行期间在所述家用器具上检测的器具数据的装置(135)；

-用于确定检测到的器具数据与预定模式的相似度的装置(140)；以及

-用于将检测到的器具数据分配给模式之一的装置(140)。