DE102015225144A1 - System und Verfahren zur Diagnose von zumindest einer wartungsbedürftigen Komponente eines Geräts und/oder Anlage - Google Patents

System und Verfahren zur Diagnose von zumindest einer wartungsbedürftigen Komponente eines Geräts und/oder Anlage

Info

Publication number
DE102015225144A1
DE102015225144A1 DE102015225144.6A DE102015225144A DE102015225144A1 DE 102015225144 A1 DE102015225144 A1 DE 102015225144A1 DE 102015225144 A DE102015225144 A DE 102015225144A DE 102015225144 A1 DE102015225144 A1 DE 102015225144A1
Authority
DE
Germany
Prior art keywords
device
components
system
form
data
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.)
Withdrawn
Application number
DE102015225144.6A
Other languages
English (en)
Inventor
Ulli Waltinger
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.)
Siemens AG
Original Assignee
Siemens AG
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 Siemens AG filed Critical Siemens AG
Priority to DE102015225144.6A priority Critical patent/DE102015225144A1/de
Publication of DE102015225144A1 publication Critical patent/DE102015225144A1/de
Application status is Withdrawn legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING; COUNTING
    • G06NCOMPUTER SYSTEMS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00Computer systems using knowledge-based models
    • G06N5/04Inference methods or devices
    • GPHYSICS
    • G06COMPUTING; CALCULATING; COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00Error detection; Error correction; Monitoring
    • G06F11/008Reliability or availability analysis
    • GPHYSICS
    • G06COMPUTING; CALCULATING; COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00Error detection; Error correction; Monitoring
    • G06F11/07Responding to the occurrence of a fault, e.g. fault tolerance
    • G06F11/0703Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation
    • G06F11/0766Error or fault reporting or storing
    • GPHYSICS
    • G06COMPUTING; CALCULATING; COUNTING
    • G06NCOMPUTER SYSTEMS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00Machine learning

Abstract

Die Erfindung beansprucht ein System zur Diagnose von zumindest einer wartungsbedürftigen Komponente eines Geräts und/oder Anlage, aufweisend: a) eine Einrichtung, ausgestaltet zum Daten- und/oder Nachrichtenaustausch hinsichtlich von Zuständen von einer oder mehreren Komponenten mit einer Analyseeinheit (LIM), welche dazu ausgestaltet ist, die Zustände der einen oder mehreren Komponenten und/oder an denen eintretende Ereignisse (E) überwacht und in einer systematisierten Form (LR) an die Einrichtung auszugeben, b) eine Einrichtung, ausgestaltet zum Empfang von historischen Daten (HD) der einen oder mehreren Komponenten hinsichtlich derer Lebensdauer in gesammelter Form (ER), c) eine Einrichtung, ausgestaltet zum Daten- und/oder Nachrichtenaustausch mit einer Lernmaschineneinheit (LMM), die dazu ausgestaltet ist, ein Vorhersagemodell (MM) zur Identifizierung zumindest einer wartungsbedürftigen Komponente an die Einrichtung zu liefern, d) eine Auswerteeinrichtung, die dazu ausgestaltet ist, anhand der von der Analyseeinheit stammenden Daten- und/oder Nachrichten in systematischer Form, der historischen Daten in gesammelter Form und anhand dem Vorhersagemodell (MM) die eine oder mehrere wartungsbedürftige Komponente zu identifizieren, e) eine Einrichtung, ausgestaltet zum Daten- und/oder Nachrichtenaustausch mit einer Überwachungseinrichtung (AD), die dazu ausgestaltet ist, basierend auf der einen oder mehreren identifizierten wartungsbedürftigen Komponenten eine Fehlermeldung (E) an die Überwachungseinrichtung auszugeben, die eine optische und/oder akustische Anzeige veranlassen kann.

Description

  • Die Erfindung betrifft ein System und ein Verfahren zur Diagnose von zumindest einer wartungsbedürftigen Komponente eines Geräts und/oder Anlage.
  • Technischer Hintergrund
  • Die Erfindung liegt auf dem Gebiet der Medizintechnik. Es sind jedoch auch andere Anwendungen denkbar.
  • Darstellung der Erfindung
  • In der Medizintechnik betriebene Systeme und Produkte, wie zum Beispiel ein C-Bogen-Röntgengerät (X-Ray), Computertomographie-(CT) beziehungsweise Magnetresonanztomographiegeräte (MRT), bestehen aus einem breiten Mengenkomplex von Komponenten beziehungsweise Geräteteilen, die durch Ersatzteile austauschbar sind. Der Austausch von verschlissenen oder defekten Geräteteilen haben einen monetären Einfluss auf Kunden und Hersteller, da dieser Austausch unterschiedliche, mehr oder weniger aufwändige und teure Serviceaktionen erfordern, um den Kunden ein optimales Systemverhalten zu garantieren. Da ein Hersteller in der Regel mehrere Arten an Serviceverträgen mit unterschiedlichem Dienstleistungsumfang, welche an die Produkte geknüpft sind, anbieten, werden operationale Dienstleistungen sowie Serviceaktionen, wie das Reparieren und Austauschen von einzelnen Geräteteilen auf der Kundenseite, immer bedeutungsvoller im Zusammenhang mit Kosten- und Zeiteffizienz. Speziell gibt es so genannte Flatrate- beziehungsweise Fixrate-Verträge, die dem Kunden eine hohe Kalkulierbarkeit an Servicekosten garantieren soll. Wenn Kunden ein Servicecenter anrufen, da ein bestimmtes Produkt nicht funktioniert, hat das Servicecenter die Serviceaufgaben zu koordinieren, das heißt zunächst Status und Problem des Produkts aufzunehmen, eine Fehleranalyse durchzuführen und zu gegebenem Zeitpunkt einen Serviceingenieur zum Kunden zu entsenden. In der Regel beginnt die Servicearbeit damit, eine Analyse der Logdaten des Systems, das nicht funktioniert, durchzuführen. Die Logdaten müssen entsprechend sortiert und gruppiert werden und in unterschiedliche Fehlerklassen eingeteilt werden.
  • Abgesehen von physikalischen Fehlern, zum Beispiel der Ausfall bzw. Bruch von kompletten Teilen des Systems, erfordert für die Analyse und Diagnose anhand der vorliegenden Logdaten ein kontextspezifisches Expertenwissen. Wenn der Prozess der Logdatenanalyse länger dauert und zum Zeitpunkt des Eintreffens des Serviceingenieurs noch nicht abgeschlossen ist, führt dies dazu, dass die Servicearbeiten nur im seltenen Fall komplett abgeschlossen werden können. Die Konsequenz ist, dass der Serviceingenieur ein zweites beziehungsweise möglicherweise ein drittes Mal zum Kunden reisen muss.
  • Es sind Werkzeuge möglich, die einen Beitrag zu einem geführten Analyse- bzw. Diagnoseprozess beitragen:
    • – Eine vorhersagende Wartungslösung, zum Beispiel ein Überwachungsprogramm inklusive Röhrenüberwachung des CT-Geräts, welche sich auf existierende Softsensoren oder eine vorgegebene Coderepräsentation konzentriert, die den Fehlerstatus einer Maschine oder eines Teilsystems vorhersagen kann. Nachteil solcher möglicherweise älterer Produkte kann darin liegen, dass vorhandene Sensoren nicht mit der analysierenden Software kommunizieren können. Es ist wünschenswert, dass Analyse- beziehungsweise Diagnostikprogramme mit älteren sensorischen Teilen und aktuellen sensorischen Teilen eines Produktes beziehungsweise eines Systems agieren können.
    • – Es sind reaktive Wartungslösungen möglich, die den Systemstatus in einen Kontext setzen mit Mitteln zum Analysieren von Loginformationen, wobei vorgeschlagene, öfters vorkommende Codeanomalien in die Bewertung einfließen, um Beziehungen zwischen den Systemkomponenten zu erkennen und dazu verwendet werden, um Indikatoren mit einer gewissen Wahrscheinlichkeit zu identifizieren, die betroffene Geräteteile beziehungsweise Ersatzteile betreffen.
    • – Es sind regelbasierte Ereignisidentifikationslösungen möglich, die Systemlogfiles durchsuchen und anhand vordefinierter Regeln Logdatenströme durchforsten, um Indikatoren für Systemanomalien zu finden.
    • – Es sind Systeme möglich, die eingehende Arbeit kontextualisieren und meist auf einer höheren Stufe verwendet werden. Sie visualisieren vordefinierte Expertenereignisse für ein vorgegebenes Produkt, wobei gegebenenfalls eine limitierte Anzahl an Austauschaktionen beziehungsweise Fehlerbehebungshandlungen vorgegeben sind. Die Interpretation und das Zusammenspiel, welche Servicehandlung wann und zu welchem Zeitpunkt vorzunehmen ist, ist überwiegend dem Servicecenter überlassen.
  • Die meisten oben diskutierten Ansätze sind manuelle oder semimanuelle oder automatisierte Diagnosesysteme, deren Fokus auf einzelnen Geräte-/Ersatzteilen liegt. Gewisse Datenmerkmale werden visualisiert, wobei keine spezifischen Handlungsanweisungen vorgeschlagen werden.
  • Es ist Aufgabe der Erfindung, ein maschinenunterstütztes Fehleranalysesystem zu schaffen, das die Auswertung und Diagnose der Logdaten beschleunigt und zuverlässig macht.
  • Diese Aufgabe wird durch die unabhängigen Ansprüche gelöst. Vorteilhafte Weiterbildungen sind Gegenstand der abhängigen Ansprüche.
  • Die Erfindung beansprucht ein System zur Diagnose von zumindest einer wartungsbedürftigen Komponente eines Geräts und/oder Anlage, aufweisend:
    • a) eine Einrichtung, ausgestaltet zum Daten- und/oder Nachrichtenaustausch hinsichtlich von Zuständen von einer oder mehreren Komponenten mit einer Analyseeinheit, welche dazu ausgestaltet ist, die Zustände der einen oder mehreren Komponenten und/oder an denen eintretende Ereignisse überwacht und in einer systematisierten Form an die Einrichtung auszugeben,
    • b) eine Einrichtung, ausgestaltet zum Empfang von historischen Daten der einen oder mehreren Komponenten hinsichtlich derer Lebensdauer in gesammelter Form,
    • c) eine Einrichtung, ausgestaltet zum Daten- und/oder Nachrichtenaustausch mit einer Lernmaschineneinheit, die dazu ausgestaltet ist, ein Vorhersagemodell zur Identifizierung zumindest einer wartungsbedürftigen Komponente an die Einrichtung zu liefern,
    • d) eine Auswerteeinrichtung, die dazu ausgestaltet ist, anhand der von der Analyseeinheit stammenden Daten- und/oder Nachrichten in systematischer Form, der historischen Daten in gesammelter Form und anhand dem Vorhersagemodell die eine oder mehrere wartungsbedürftige Komponente zu identifizieren,
    • e) eine Einrichtung, ausgestaltet zum Daten- und/oder Nachrichtenaustausch mit einer Überwachungseinrichtung, die dazu ausgestaltet ist, basierend auf der einen oder mehreren identifizierten wartungsbedürftigen Komponenten eine Fehlermeldung an die Überwachungseinrichtung auszugeben, die eine optische und/oder akustische Anzeige veranlassen kann.
  • Dabei kann die Anzeige der Fehlermeldung von der Überwachungseinrichtung veranlasst bzw. an ein weiteres Gerät auf der Kundenseite weitergeleitet werden.
  • Es ist mit anderen Worten vorgesehen, einen lernbasierten Ansatz anzuwenden, um spezifische Fehler zu Systemkomponenten so in Kontext zu setzen, dass fehlerhafte Komponenten zu möglichst verlässlichen Ersatzteilvorhersagen beziehungsweise -identifikation führt. Das erfindungsgemäße System soll vorzugsweise am Produkt beziehungsweise auf der Kundenseite installiert sein, um entsprechend Fehlfunktionen bzw. Fehler auswerten und mit entsprechenden Ersatzteilen in Verbindung bringen zu können. Es kann hierzu eine in der Figur nicht dargestellte Auswerteeinrichtung vorgesehen sein, die in die oben genannte Überwachungseinrichtung bzw. den im nachstehend im Ausführungsbeispiel erläuterten Autodiagnoseagenten integriert sein kann. Anhand solcher Kontextinformationen kann das Servicecenter dann den Zeitpunkt bestimmen, an dem der Serviceingenieur zum Kunden fährt.
  • Damit kann das Servicecenter einen genaueren Zeitplan für die Serviceingenieure ausarbeiten. Wenn mit dem erfindungsgemäßen Verfahren, System bzw. Vorrichtung das Servicecenter auf die vom erfindungsgemäßen Analysesystem beim Kunden erzeugten Daten zugreifen kann, können diese in einer zentralen Datenbasis gespeichert werden, in denen ähnliche oder gleiche Fehler von anderen Kunden bereits gespeichert sind und gegebenenfalls entsprechende Lösungsvorschläge dort schon abgelegt sind.
  • Eine Weiterbildung der Erfindung sieht vor, dass die Lernmaschineneinheit dazu ausgestaltet ist, eine oder mehrere wartungsbedürftige Komponenten basierend auf einem von der jeweils betroffenen Komponente spezifizierten Zielwert für ein Training anhand von Klassifizierungen, die von den historischen Daten des Gerätes und/oder Anlage ableitbar sind, innerhalb eines bestimmten Zeitfensters zu identifizieren.
  • Eine Weiterbildung der Erfindung sieht vor, dass Ereignisse und/oder Zustände nach ihrer Häufigkeit gegebenenfalls mit einem ihrer Relevanz entsprechenden Gewichtung versehen innerhalb eines Zeitfensters in einer systematisierten Form bereitgestellt werden.
  • Eine Weiterbildung der Erfindung sieht vor, dass die genannte Lebensdauer die durchschnittliche Lebensdauer, den laufenden Lebenszyklus und/oder den erwarteten Lebenszyklus repräsentiert. Die genannte gesammelte Form kann unter anderem aufgrund der historischen Daten eine Korrelation zwischen der einen oder mehreren Komponenten zu anderen Komponenten des Geräts und/oder der Anlage wiedergeben. Die genannte Lebensdauer kann einen erwarteten Lebenszyklus repräsentieren, wobei der durchschnittliche Lebenszyklus mit dem laufenden Lebenszyklus ins Verhältnis gestellt wird.
  • Eine Weiterbildung der Erfindung sieht vor, dass das Vorhersagemodell durch einen Entscheidungsbaum repräsentierbar ist, bei dem die Blätter Klassen-Etiketten und Zweige Beziehungen mit Funktionen und/oder Regeln repräsentieren, die zu diesen Klassen-Etiketten führen. Beziehungen können durch Regeln oder durch Funktionen bzw. Abbildungen entstehen bzw. gesetzt werden.
  • Eine Weiterbildung der Erfindung sieht vor, dass die Auswerteeinrichtung abgesetzt vom System in der genannten Überwachungseinrichtung (AD) integriert ist.
  • Ein weiterer Aspekt der Erfindung ist ein Verfahren zur Diagnose von zumindest einer wartungsbedürftigen Komponente eines Geräts und/oder Anlage, aufweisend folgende Schritte:
    • a) Aufnehmen bzw. Empfangen von Zuständen von einer oder mehrerer Komponenten bereitgestellt in einer systematisierten Form (LR), wobei die Zustände der einen oder mehreren Komponenten und/oder an denen eintretende Ereignisse (E) von einer Analyseeinrichtung (LIM) überwacht werden,
    • b) Empfangen von historischen Daten (HD) der einen oder mehreren Komponenten hinsichtlich derer Lebensdauer in gesammelter Form (ER),
    • c) Aufnehmen bzw. Empfangen eines Vorhersagemodells (MM) von einer Lernmaschineneinheit (LMM), die das Vorhersagemodell (MM) zur Identifizierung zumindest einer wartungsbedürftigen Komponente liefert,
    • d) Auswerten anhand der von der Analyseeinheit (LIM) stammenden Zuständen in systematischer Form (LR), der historischen Daten in gesammelter Form (ER) und anhand dem Vorhersagemodell (MM) die eine oder mehrere wartungsbedürftige Komponente zu identifizieren,
    • e) Ausgeben einer Fehlermeldung (E) basierend auf der Identifikation der einen oder mehreren wartungsbedürftigen Komponenten.
  • Das System kann als Vorrichtung ausgestaltet sein und sieht Mittel und/oder Einheiten bzw. Einrichtungen und/oder Module zur Durchführung des oben genannten Verfahrens vor, die jeweils hardwaremäßig und/oder firmwaremäßig und/oder softwaremäßig bzw. als Computerprogramm bzw. Computerprogrammprodukt ausgeprägt sein können.
  • Das oben beschriebene Verfahren kann, wie das oben beschriebene System, entsprechend weitergebildet werden.
  • Ein weiterer Aspekt der Erfindung sieht eine Anlage mit mindestens einer solchen Vorrichtung vor.
  • Die Anlage umfasst dabei mindestens eine Komponente und ist unter anderem durch einen Anlagentyp charakterisiert. Beispiele hierfür sind:
    • – eine Automatisierungsanlage,
    • – eine Fertigungs- bzw. Produktionsanlage,
    • – eine Reinigungsanlage,
    • – eine Wasseraufbereitungsanlage,
    • – eine Maschine,
    • – eine Strömungsmaschine,
    • – eine Energieerzeugungsanlage,
    • – ein Energienetz,
    • – ein Stromverteilungsnetz,
    • – ein Kommunikationsnetz,
    • – ein medizintechnisches System,
    • – ein Krankenhausinformationssystem.
  • Ein weiterer Aspekt der Erfindung ist ein Computerprogrammprodukt bzw. ein Computerprogramm mit Mitteln zur Durchführung des oben genannten Verfahrens, wenn das Computerprogramm(produkt) in einer oben genannten Vorrichtung oder Anlage zur Ausführung gebracht wird.
  • Die Erfindung weist weiterhin folgende Vorteile auf:
    • 1. Der Kunde kann einen Autodiagnoseagenten bzw. -software auf seinem Produkt laufen lassen, um potentielle Qualitätssicherungsmaßnahmen vorzunehmen, um zu entscheiden, ob er das Servicecenter kontaktiert oder nicht.
    • 2. Serviceingenieure müssen nicht mehrere tausend Zeilen von Systemcodes durcharbeiten, um das aktuell defekte Geräteteil zu identifizieren.
    • 3. Servicecenterpersonal kann sofort Servicemaßnahmen anhand der identifizierten, betroffenen Geräte- bzw. Ersatzteile einleiten.
    • 4. Serviceingenieure können Historydaten innerhalb von einem Database Warehouse oder anderen Servicecentern auswerten, um entsprechende Maßnahmen einzuleiten.
  • Ausführungsbeispiel(e):
  • Weitere Vorteile, Einzelheiten und Weiterbildungen der Erfindung ergeben sich aus der nachfolgenden Beschreibung von Ausführungsbeispielen in Verbindung mit den Zeichnungen.
  • Es zeigen
  • 1 schematisch eine mögliche Ausgestaltung einer Überwachungseinrichtung z.B. in Form eines Autodiagnoseagenten, der ein Autodiagnosemanager basierend auf der Instanz eines medizintechnischen Gesundheitssystem integriert, um ein Modell anzuwenden und eine Vorhersage in Kontext zu stellen;
  • 2 den Autodiagnoseagenten, der in einzelne miteinander kommunizierende und gegenseitig zu steuernde Einrichtungen wie eine Einrichtung zur Steuerung einer Analyseeinheit z.B. Logdatenintegrationsmanager, einer Einrichtung zum Empfang von historischen Daten z.B. von einem Historydatenintegrationsmanager und einer Einrichtung zur Steuerung einer Lernmaschineneinheit z.B. Lernmaschinenmodellmanager aufgeteilt und/oder unterteilt ist, wobei ein System zur Diagnose von wartungsbedürftigen Komponenten z.B. der Autodiagnoseagentenmanager mit dem Autodiagnoseagenten Nachrichten bzw. Daten austauscht;
  • 3 einen Logdatenintegrationsmanager, welcher System-Log-Ereignisse, Gruppenereignisse und System-Nachrichten in eine numerische Matrix-Darstellung z.B. Logdatenmatrix LR konvertiert;
  • 4 eine mögliche Ausgestaltung für eine Einrichtung zum Empfang von historischen Daten, wobei die Daten von einem Historydatenintegrationsmanager gesammelt und in einer gesammelten Form bereitgestellt werden;
  • 5 den Lernmaschinenmodellmanager, welcher die Logdaten und die Austauschmatrix mit Austauschservice als Zielwert miteinander kombiniert, um ein Entscheidungsmodell auf der Basis von historischen Daten zu trainieren;
  • 6 den Kontext, in dem der Autodiagnoseagenten die einzelnen Manager mit ihren instanziierten Merkmalsdefinitionen und korrespondierenden trainierten Modellen.
  • 1 zeigt schematisch den Kontext, in dem die Erfindung eingesetzt werden kann. Dieser Kontext kann sich auf ein auf Fehler zu analysierendes System/Gerät im medizinischen Umfeld bzw. im Anlagen- bzw. Fertigungsumfeld beziehen. Die in 1 und 2 mit AD, ADM, LMM, HM und LIM bezeichneten Komponenten können in einem einzigen System angeordnet sein oder auch dezentral auf mehrere untereinander kommunizierende Systeme verteilt sein. So kann die Komponente AD z.B. auf der Kundenseite installiert bzw. implementiert sein und die Komponenten ADM auf der Servicecenter-Seite installiert bzw. implementiert sein. Ebenso können die Komponenten LIM, HM und LMM in ADM integriert sein oder in einzelne miteinander kommunizierende und gegenseitig zu steuernde Einrichtungen aufgeteilt und/oder unterteilt sein. Eine lernbasierte, reaktive und vorhersagende Wartungs- beziehungsweise Diagnoselösung kann fehlerbehaftete bzw. für eine notwendige Reparatur/Austausch betroffene Geräteteile z.B. T beziehungsweise Ersatzteile eines Produktes, zum Beispiel eines CT- beziehungsweise MRT-Gerätes, identifizieren, wobei die Fehler automatisch innerhalb des Komplexes an Geräteteilen beziehungsweise Ersatzteilen erkannt werden. Es wird ein transparenter Entscheidungsmechanismus für Kunden und Serviceingenieure geliefert, indem jedes Ersatzteil gemäß des Systemstatus mit einer optionalen Wahrscheinlichkeitsbewertung versehen wird.
  • Der Kunde kann einen sogenannten "Autodiagnoseagenten" AD auf seinem Gerät, z.B. einem medizintechnischen System HS, aktivieren, der die Infrastruktur von Mitteln beziehungsweise Systemkomponenten bzw. Geräteteile mit Hilfe von Logdaten analysiert und einen Fehlertyp vorhersagt. Dieser Agent AD meldet, dass eine Systemkomponente fehlerhaft betroffen ist und ein Anruf im Servicecenter benötigt wird. Es ist auch möglich, dass der Agent das System regelmäßig durchforstet und Systemzustände bzw. eintretende Systemereignisse überwacht. Wenn dem Agenten ein Status des Geräts als fehlerhaft erscheint, gibt er eine (Fehler-)Meldung EC z.B. „Error Context“ aus. Des Weiteren ist es möglich, dass mehrere Kunden, die ein solches automatisches Diagnosesystem beziehungsweise -agenten besitzen, ihre Logdaten direkt zum Servicecenter senden. Dann analysiert das Servicecenter regelmäßig die Kundenprodukte beziehungsweise -systeme und überwacht deren Status. Somit wird dem Servicecenter zeitig ein potentieller Fehler oder fehlerhafter Status angezeigt, bevor ein Serviceingenieur zum Kunden geschickt wird. Es ist möglich, dass ein Kunde bei einem Servicecenter anruft und einen Fehler an einem Produkt oder einem System meldet. Das Servicepersonal logt sich dann aus der Ferne auf dem System des Kunden ein und startet dort das Autodiagnoseprogramm beziehungsweise den Agenten AD. Dann kopiert das Servicepersonal die Logdaten auf einen Rechner im Servicecenter und wertet aus, welche Ersatzteile T für den Fehler benötigt werden. Es ist auch denkbar, dass der Kunde nach dem Start und Durchlauf des Autodiagnoseagentens die Logdaten zum Servicecenter überträgt und somit das Servicecenter über den Systemstatus informiert wird.
  • Der Autodiagnoseagent AD kann – wie in 2 gezeigt – mit folgenden Komponenten kommunizieren bzw. Daten und/oder Nachrichten bzw. Meldungen austauschen. Über einen Auto Diagnose Agenten Manager ADM (siehe 6) können Instanzen des Logdatenintegrationsmanagers LIM, des Historydatenintegrationsmanagers HM und des Lernmaschinenmodellmanagers LMM registriert werden.
    • 1. Ein Logdatenintegrationsmanager LIM wird in 3 schematisch gezeigt: Die Komponente besteht aus einem Formalmodell, das Systembegriffe durch Einzelereignisse E oder gruppierte Ereignisstapel EG sammelt. Diese Komponente konvertiert einen vorgegebenen Inhalt „Log data“ einer Logdatei von einem Gerät/System in eine systematische Form bzw. in eine zusammengefasste Merkmalsrepräsentation in Form einer Logdatenmatrix LR. Die Komponente wandelt in eine nummerische Wert-Darstellung um und gewichtet die entsprechenden Logereignisse E, um Systemnachrichten SM und Ereigniscodehäufigkeit TF, die in Spalte 5 in Log data der 3 gezeigt wird, in einer aggregierten Form EA auf Basis einer Episode bzw. eines Zeitfensters, zum Beispiel einer Stunde oder einem Tag, darzustellen. Diese Merkmale werden schließlich in einer Logdatenmatrix LR dargestellt. Schließlich normalisiert diese Komponente jeden Merkmalswert mit Hilfe eines vordefinierten Normalisierungswertes (TF-IDF/Z-Score) basiert, wobei TF-IDF (term frequency = Vorkommenshäufigkeit und inverse document frequency = inverse Dokumenthäufigkeit) wird zur Beurteilung der Relevanz von Termen bzw. Systembegriffen in einem Dokument bzw. einer Datei z.B. Logdatei eingesetzt. Mit der so errechneten Gewichtung (siehe zweite Zeile von LR in 3) eines Begriffs bezüglich der Logdatei, in welcher es enthalten ist, können Dateien als Suchtreffer einer Begriff-Suche besser in der Trefferliste angeordnet werden, als es beispielsweise über die Termfrequenz allein möglich wäre. Ein Z-Score bzw. -Wert ermöglicht es, einen Stichprobenwert aus einer Datei bzw. Dateiensammlung zu entnehmen und zu berechnen, wie viele Standardabweichungen er über oder unter dem Mittelwert liegt. E_p = y·SUM(E_pt), wobei E_p sich auf das individuelle Auftreten eines Ereignisses bezieht, normalisiert durch y und der Aggregation des jeweiligen Auftretens von Ereignissen während eines Zeitfensters (Episode) E_pt.
    • 2. Ein Historydatenintegrationsmanager HM zum Austausch von sogenannten Historydaten HD wird in 4 schematisch gezeigt: Diese Komponente liefert ein formales Modell in gesammelter Form, im Beispiel in einer Austauschmatrix ER, wobei historische Daten – sogenannte Historydaten HD – von jedem individuellen Geräteteil des Systems gesammelt wurden. a) Es wird die durchschnittliche Lebensdauer ALC eines Geräte-/Ersatzteils durch Angaben einer durchschnittlichen Laufzeit einer spezifischen Komponente mit und ohne jeglichen Vorfall seit dem letzten Austausch ermittelt. Die ALC wird bestimmt durch eine Normalisierung auf jeder Komponente, welche im Gesamtsystem eingebunden ist. ALC = (SUM(Y_ps = op)/SUM(Y_p)), wobei Y_p ein individuelles Ersatzteil ist, Y_ps einen individuellen Ersatzteilstatus repräsentiert und op sich auf einen Betriebsstatus des Ersatzteils bezieht, b) Es wird der laufende Lebenszyklus CLC als laufende Tag- oder Stundendarstellung eines individuellen Ersatzteils ermittelt, welches seit seinem letzten Austausch in Betrieb ist, CLC = SUM(Y_ps = op). c) Es wird der erwartete Lebenszyklus ELC als aktuelle und normalisierte Darstellung durch den Differenzwert von ALC und CLC ELC = y·(ALC – CLC) ermittelt.
  • Zur Ermittlung des erwarteten Lebenszyklus wird der aktuelle bzw. der laufende Lebenszyklus (wie lange läuft die Komponente schon) ins Verhältnis zu ihrem durchschnittlichen Lebenszyklus“ gestellt.
  • Aufgrund der gesammelten historischen Daten kann die erwartete Lebensdauer bzw. Lebenszyklus einer Komponente in Beziehung zu einem oder mehrere anderen Komponenten des Geräts bzw. System stehen. Diese Beziehung ist aus den historischen Daten ableitbar.
    • 3. Ein Lernmaschinenmodellmanager LMM wird in 5 schematisch dargestellt: Diese Komponente bildet ein aktuelles, reaktives und vorhersehendes Vohersage- und/oder Entscheidungsmodell für den Autodiagnoseagenten AD. Es wird spezifiziert durch ein formales Maschinenlern-Modell MM, das Merkmale für einen Maschinenlernalgorithmus sammelt. Es kombiniert die Präsentation von Logdaten Log data des Logdatenintegrationsmanagers LIM und der Historydaten HD des Integrationsmanagers HM und bindet die kombinierten Merkmale, in welcher die Zeilen die Geräteepisoden (zum Beispiel Tag, Stunde) repräsentieren, und die Spalten die Ereignismerkmale wiedergeben. Diese Ereignismerkmale werden vom Systemcode, welcher innerhalb einer Episode auftritt (zum Beispiel Ereigniscode, Merkmalswert, Ereignisgruppe) und von den historischen Daten (Historydaten) HD mit Hilfe von ALC, CLC und ELC jedes einzelnen Geräte- bzw. Ersatzteils T eines Geräts mit entsprechender Episode abgeleitet und letztendlich in die Logdaten-Matrix LR ein. In jeder Zeile steht eine Gerätezeit aller individuellen Geräte innerhalb eines Systems. Die Komponenten spezifizieren die Zielwerte für ein Training anhand von Klassifizierungen, welche von den historischen Daten ableitbar sind. Z.B. ein spezifisches Ersatzteil T wurde innerhalb einer vorgegebenen Episode ausgetauscht. Während das System aus einer langen Liste von verschiedenen Ersatzteilen besteht, kann diese Komponente individuelle Ersatzteile gruppieren und einen Zielwert zuordnen sowie die verbliebenen Ersatzteile gruppieren und ebenfalls mit einem Zielgruppenwert versehen. Zum Beispiel sind 25 Ersatzteile zu klassifizieren als individuelles Ziel und die verbleibenden Geräte- bzw. Ersatzteile mit einem einzigen Zielwert. Mit Hilfe der Merkmalsmatrix LR und den Zielwerten ZW, die einander zugeordnet sind, kann der Lernalgorithmus Techniken des sogenannten Bootstrappings anwenden, um zu einer Baumstruktur zu gelangen, welche als sogenannter Regression Tree instanziiert durch ein sogenanntes Random Forrest RF Verfahren gelernt wird. Ein Random Forest ist ein Klassifikationsverfahren, welches aus mehreren verschiedenen, unkorrelierten Entscheidungsbäumen besteht. Alle Entscheidungsbäume sind unter einer bestimmten Art von Randomisierung (Random = Zufall) während des Lernprozesses gewachsen. Für eine Klassifikation darf jeder Baum in diesem Wald eine Entscheidung treffen und die Klasse mit den meisten Stimmen entscheidet die endgültige Klassifikation. Neben einer Klassifikation kann der Random Forest RF auch zur Regression eingesetzt werden. Optional kann eine Support Vector Maschine SVM verwendet werden.
  • Eine Support Vector Machine unterteilt eine Menge von Objekten so in Klassen, dass um die Klassengrenzen herum ein möglichst breiter Bereich frei von Objekten bleibt; sie ist ein sogenannter Large Margin Classifier (engl. „Breiter-Rand-Klassifikator“). Support Vector Machines können sowohl zur Klassifizierung als auch zur Regression verwendet werden.
  • Entscheidungsbaum-Lernen mit den oben genannten Methoden nutzt einen Entscheidungsbaum als ein Vorhersagemodell, die die Beobachtungen zu einem Objekt für Rückschlüsse auf einen Zielwert des Objekts, im Beispiel die Komponente, bildet. Es wird als prädiktiver (vorhersehender) Modellierungsansatz in der Statistik, Data Mining und maschinelles Lernen verwendet. Baum-Modelle, bei denen die Zielvariable eine endliche Menge von Werten annehmen kann, werden Klassifikationsbäume genannt. In diese Baumstrukturen repräsentieren die Blätter Klassen-Etiketten und Zweige repräsentieren Beziehungen mit Funktionen, die zu diesen Klassen-Etiketten führen. Entscheidungsbäumen, in welchen die Zielwerte kontinuierliche Werte (typischerweise reellen Zahlen) annehmen kann, werden Regressionsbäume genannt.
  • Das Ergebnis der Komponente ist ein Vorhersage- bzw. Entscheidungsmodell MM, welches das höchstwahrscheinlich wartungsbedürftige betroffene Geräteteil (basierend auf dem Zielwert und dem trainierten Klassifizierer) eines bestimmten Gerätes innerhalb einer bestimmten Geräteepisode (zum Beispiel einem Tag) identifiziert.
    • 4. Ein Autodiagnoseagentmanager ADM wird in 6 schematisch gezeigt: Diese Komponente ADM nimmt einzelne und mehrere Modelle MM eines Maschinenlernmodellmanagers LMM auf und registriert diese an einem Autodiagnoseagenten AD. Der Manager ADM und der Agent AD können über ein Netzwerk abgesetzt miteinander kommunizieren, wobei der Agent AD auf Kundenseite implementiert und der Manager ADM auf der Service-Seite implementiert sein können. Zusätzlich registriert es den Logdatenintegrationsmanager LIM und den Historydatenintegrationsmanager HM, um das Modell MM zu bewerten. Dazu kann eine Registrierung R für jedes Gerät/System vorgesehen sein. Um eine Autodiagnoseaufgabe für den Autodiagnoseagenten AD vorgeben zu können, sammelt diese Komponente ADM Ereignisloginformationen von unterschiedlichen Services oder direkt von dem Gerät und konvertiert sie in eine Modellrepräsentationsmatrix MR. Vorhersagen für unerwartete Geräteinformationen werden erreicht durch Mittelung der Vorhersagen von allen individuellen Regression Trees, welche berechnet werden vom Maschinenlernmodellmanager LMM. Diese Vorhersagen werden auch innerhalb dieser Komponente registriert. Das Ergebnis der Komponente ist eine Entscheidungsmarkierung basierend auf dem Zielwert ZW und spezifiziert das betroffene Geräteteil des Gerätes. Zusätzlich wird die Entscheidung in Kontext gesetzt mit Hilfe von Entscheidungsregeln, die vom Maschinenlernmodell MM abgeleitet und auf die Modellrepräsentationsmatrix MR angewendet werden.
  • Obwohl die Erfindung im Detail durch das bevorzugte Ausführungsbeispiel näher illustriert und beschrieben wurde, so ist die Erfindung nicht durch die offenbarten Beispiele eingeschränkt und andere Variationen können vom Serviceingenieur hieraus abgeleitet werden, ohne den Schutzumfang der Erfindung zu verlassen.

Claims (14)

  1. System (ADM) zur Diagnose von zumindest einer wartungsbedürftigen Komponente eines Geräts und/oder Anlage, aufweisend: a) eine Einrichtung, ausgestaltet zum Daten- und/oder Nachrichtenaustausch hinsichtlich von Zuständen von einer oder mehreren Komponenten mit einer Analyseeinheit (LIM), welche dazu ausgestaltet ist, die Zustände der einen oder mehreren Komponenten und/oder an denen eintretende Ereignisse (E) überwacht und in einer systematisierten Form (LR) an die Einrichtung auszugeben, b) eine Einrichtung, ausgestaltet zum Empfang von historischen Daten (HD) der einen oder mehreren Komponenten hinsichtlich derer Lebensdauer in gesammelter Form (ER), c) eine Einrichtung, ausgestaltet zum Daten- und/oder Nachrichtenaustausch mit einer Lernmaschineneinheit (LMM), die dazu ausgestaltet ist, ein Vorhersagemodell (MM) zur Identifizierung zumindest einer wartungsbedürftigen Komponente an die Einrichtung zu liefern, d) eine Auswerteeinrichtung, die dazu ausgestaltet ist, anhand der von der Analyseeinheit stammenden Daten- und/oder Nachrichten in systematischer Form, der historischen Daten in gesammelter Form und anhand dem Vorhersagemodell (MM) die eine oder mehrere wartungsbedürftige Komponente zu identifizieren, e) eine Einrichtung, ausgestaltet zum Daten- und/oder Nachrichtenaustausch mit einer Überwachungseinrichtung (AD), die dazu ausgestaltet ist, basierend auf der einen oder mehreren identifizierten wartungsbedürftigen Komponenten eine Fehlermeldung (E) an die Überwachungseinrichtung auszugeben, die eine optische und/oder akustische Anzeige veranlassen kann.
  2. System nach dem vorhergehenden Anspruch, dadurch gekennzeichnet, dass die Lernmaschineneinheit (LMM) dazu ausgestaltet ist, eine oder mehrere wartungsbedürftige Komponenten basierend auf einem von der jeweils betroffenen Komponente spezifizierten Zielwert (ZW) für ein Training anhand von Klassifizierungen, die von den historischen Daten des Gerätes und/oder Anlage ableitbar sind, innerhalb eines bestimmten Zeitfensters zu identifizieren.
  3. System nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass Ereignisse und/oder Zustände nach ihrer Häufigkeit gegebenenfalls mit einem ihrer Relevanz entsprechenden Gewichtung versehen innerhalb eines Zeitfensters in einer systematisierten Form bereitgestellt werden.
  4. System nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass die genannte gesammelte Form eine Korrelation zwischen der einen oder mehreren Komponenten zu anderen Komponenten des Geräts und/oder der Anlage wiedergibt.
  5. System nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass die genannte Lebensdauer einen erwarteten Lebenszyklus repräsentiert, wobei der durchschnittliche Lebenszyklus mit den laufenden Lebenszyklus ins Verhältnis gestellt ist.
  6. System nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass das Vorhersagemodell durch einen Entscheidungsbaum repräsentierbar ist, bei dem die Blätter Klassen-Etiketten und Zweige Beziehungen mit Funktionen und/oder Regeln repräsentieren, die zu diesen Klassen-Etiketten führen.
  7. System nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass die Auswerteeinrichtung abgesetzt vom System in der genannten Überwachungseinrichtung (AD) integriert ist.
  8. Verfahren zur Diagnose von zumindest einer wartungsbedürftigen Komponente eines Geräts und/oder Anlage, aufweisend folgende Schritte: a) Aufnehmen von Zuständen von einer oder mehrerer Komponenten bereitgestellt in einer systematisierten Form (LR), wobei die Zustände der einen oder mehreren Komponenten und/oder an denen eintretende Ereignisse (E) von einer Analyseeinrichtung (LIM) überwacht werden, b) Empfangen von historischen Daten (HD) der einen oder mehreren Komponenten hinsichtlich derer Lebensdauer in gesammelter Form (ER), c) Aufnehmen eines Vorhersagemodells (MM) von einer Lernmaschineneinheit (LMM), die das Vorhersagemodell (MM) zur Identifizierung zumindest einer wartungsbedürftigen Komponente liefert, d) Auswerten anhand der von der Analyseeinheit (LIM) stammenden Zuständen in systematischer Form (LR), der historischen Daten in gesammelter Form (ER) und anhand dem Vorhersagemodell (MM) die eine oder mehrere wartungsbedürftige Komponente zu identifizieren, e) Ausgeben einer Fehlermeldung (E) basierend auf der Identifikation der einen oder mehreren wartungsbedürftigen Komponenten.
  9. Verfahren nach dem vorhergehenden Anspruch, dadurch gekennzeichnet, eine oder mehrere wartungsbedürftige Komponenten basierend auf einem von der jeweils betroffenen Komponente spezifizierten Zielwert (ZW) für ein Training anhand von Klassifizierungen, die von den historischen Daten des Gerätes und/oder Anlage abgeleitet werden, innerhalb eines bestimmten Zeitfensters identifiziert werden.
  10. Verfahren nach einem der vorhergehenden Verfahrensansprüche, dadurch gekennzeichnet, dass Ereignisse und/oder Zustände nach ihrer Häufigkeit gegebenenfalls mit einem ihrer Relevanz entsprechenden Gewichtung versehen innerhalb eines Zeitfensters zu einer systematisierten Form (LR) bereitgestellt werden.
  11. Verfahren nach einem der vorhergehenden Verfahrensansprüche, dadurch gekennzeichnet, dass die genannte gesammelte Form eine Korrelation zwischen der einen oder mehreren Komponenten zu anderen Komponenten des Geräts und/oder der Anlage wiedergibt.
  12. Verfahren nach einem der vorhergehenden Verfahrensansprüche, dadurch gekennzeichnet, dass die genannte Lebensdauer einen erwarteten Lebenszyklus repräsentiert, wobei der durchschnittliche Lebenszyklus mit den laufenden Lebenszyklus ins Verhältnis gestellt wird.
  13. Verfahren nach einem der vorhergehenden Verfahrensansprüche, dadurch gekennzeichnet, dass das Vorhersagemodell durch einen Entscheidungsbaum repräsentiert wird, bei dem die Blätter Klassen-Etiketten und Zweige Beziehungen mit Funktionen und/oder Regeln repräsentieren, die zu diesen Klassen-Etiketten führen.
  14. Computerprogramm mit Mitteln zur Durchführung des Verfahrens nach einem der vorgenannten Verfahrensansprüche, wenn das Computerprogramm auf einem System oder auf den Einrichtungen des Systems nach einem der vorgenannten Systemansprüche zur Ausführung gebracht wird.
DE102015225144.6A 2015-12-14 2015-12-14 System und Verfahren zur Diagnose von zumindest einer wartungsbedürftigen Komponente eines Geräts und/oder Anlage Withdrawn DE102015225144A1 (de)

Priority Applications (1)

Application Number Priority Date Filing Date Title
DE102015225144.6A DE102015225144A1 (de) 2015-12-14 2015-12-14 System und Verfahren zur Diagnose von zumindest einer wartungsbedürftigen Komponente eines Geräts und/oder Anlage

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
DE102015225144.6A DE102015225144A1 (de) 2015-12-14 2015-12-14 System und Verfahren zur Diagnose von zumindest einer wartungsbedürftigen Komponente eines Geräts und/oder Anlage
US15/358,808 US20170169342A1 (en) 2015-12-14 2016-11-22 System and method for diagnosing at least one component requiring maintenance in an appliance and/or installation

Publications (1)

Publication Number Publication Date
DE102015225144A1 true DE102015225144A1 (de) 2017-06-14

Family

ID=58773243

Family Applications (1)

Application Number Title Priority Date Filing Date
DE102015225144.6A Withdrawn DE102015225144A1 (de) 2015-12-14 2015-12-14 System und Verfahren zur Diagnose von zumindest einer wartungsbedürftigen Komponente eines Geräts und/oder Anlage

Country Status (2)

Country Link
US (1) US20170169342A1 (de)
DE (1) DE102015225144A1 (de)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE69228803T2 (de) * 1991-02-05 1999-08-05 Storage Technology Corp Wartungs-vorrichtung und verfahren ausgelöst durch wissenbasiertemaschine
DE60212121T2 (de) * 2001-06-05 2007-01-04 Abb Ab Erzeugung von prozessverwandten daten
DE112012003854T5 (de) * 2011-09-15 2014-06-18 General Electric Co. Systeme und Verfahren zur Diagnose eines Motors
AT514680A2 (de) * 2013-08-05 2015-02-15 Uptime Engineering Gmbh Prozess zur Optimierung der Wartung technischer Systeme

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE69228803T2 (de) * 1991-02-05 1999-08-05 Storage Technology Corp Wartungs-vorrichtung und verfahren ausgelöst durch wissenbasiertemaschine
DE60212121T2 (de) * 2001-06-05 2007-01-04 Abb Ab Erzeugung von prozessverwandten daten
DE112012003854T5 (de) * 2011-09-15 2014-06-18 General Electric Co. Systeme und Verfahren zur Diagnose eines Motors
AT514680A2 (de) * 2013-08-05 2015-02-15 Uptime Engineering Gmbh Prozess zur Optimierung der Wartung technischer Systeme

Also Published As

Publication number Publication date
US20170169342A1 (en) 2017-06-15

Similar Documents

Publication Publication Date Title
US5905989A (en) Knowledge manager relying on a hierarchical default expert system: apparatus and method
US5253184A (en) Failure and performance tracking system
US5394543A (en) Knowledge based machine initiated maintenance system
US20120017195A1 (en) Method and System for Evaluating the Testing of a Software System Having a Plurality of Components
US20070043536A1 (en) Maintenance request systems and methods
US5404503A (en) Hierarchical distributed knowledge based machine inititated maintenance system
US7496475B2 (en) Maintenance management of a machine
US9084937B2 (en) Faults and performance issue prediction
JP4717079B2 (ja) コンピュータ・システムにおける障害の診断および保守のための方法およびシステム(疑わしいコンポーネントの履歴ベースの優先順位付け)
US20120166249A1 (en) Asset management system
US7062358B2 (en) System apparatus and method for diagnosing a flow system
WO2011046228A1 (ja) システム運用管理装置、システム運用管理方法、及びプログラム記憶媒体
US6651034B1 (en) Apparatus and method for performance and fault data analysis
WO2002013015A1 (de) System zur ermittlung von fehlerursachen
JP2018500709A5 (ja) コンピューティングシステム、プログラムおよび方法
JP2003114294A (ja) 発電プラントの監視・診断・検査・保全システム
US8694196B1 (en) Methods and systems for centrally managed maintenance program for aircraft fleets
JP2006216017A (ja) 自動化された性能分析および障害修復
US20110029824A1 (en) Method and system for failure prediction with an agent
US7218974B2 (en) Industrial process data acquisition and analysis
Park et al. Development of the step complexity measure for emergency operating procedures using entropy concepts
US20060224434A1 (en) Human data acquisition and analysis for industrial processes
JP5530020B1 (ja) 異常診断システム及び異常診断方法
Tu et al. An integrated maintenance management system for an advanced manufacturing company
WO2007013468A1 (ja) 機器管理方法、その機器管理方法に用いる分析システム、管理用データベースに用いるデータ構造、その機器管理方法に用いる保守点検支援装置

Legal Events

Date Code Title Description
R163 Identified publications notified
R119 Application deemed withdrawn, or ip right lapsed, due to non-payment of renewal fee